定點觀測氣候序列的均一性研究

《定點觀測氣候序列的均一性研究》由會員分享，可在線閱讀，更多相關《定點觀測氣候序列的均一性研究（9頁珍藏版）》請在裝配圖網上搜索。

1、第 31 卷第 1 期2003 年 2 月氣象科技METEOROLO GICAL SCIENCE AND TECHNOLO GYVol. 31 ,No. 1Feb. ,2003定點觀測氣候序列的均一性研究李慶祥1 ,2劉小寧1張洪政1屠其璞2(1 國家氣象中心氣象資料室 , 北京100081)(2 江蘇省氣象災害與環境變化重點實驗室 , 南京210044)摘要 文章分析了氣候資料產生非均一性的原因 ,介紹了近年來國內 、外氣候資料均一性研究的方法以及一些國 家利用這些研究方法對本國或區域氣候序列均一性問題的研究成果 。對我國氣象觀測站觀測站址 、儀器變化等因素進行了總結 ,并介紹了我國氣象資料

2、均一性檢驗的一些結論 ,討論了與氣象資料均一性研究相關的一些問題 。關鍵詞 氣候變化 氣候序列 均一性 檢驗與訂正技術引言氣候資料可以提供許多影響人類活動的大氣環注 ,并被納入“中國國家氣候計劃綱要 20012010 年”中 。因此 ,深入研究氣候資料各自的特性和均一 性檢驗以及訂正方法 ,努力探索氣候資料均一化業境信息 。例如 ,用來決定最佳城市選址 (通過計算大 洪水的回復周期) 、一個地區農業規劃 (無霜生長期 長短) 、城市規劃 (潛在的對供暖燃料需求) 等 。然 而 ,對于這些或其他長期氣候分析 (尤其是長期氣候 變化分析) 來說 ,利用包含非氣候因素變化的氣候序 列可能導致矛盾的結

3、論 ,為了準確 ,所用的氣候資料 必須是均一的 。利用均一性氣候序列的重要性近來 備受關注 1 。一個均一性時間序列被定義為只包 含天氣和氣候變化的序列 。時間序列中的非均一性 既可能是漸變的趨勢 ,如城市增暖 ,也可以是突然不 連續 (斷點) 的 。均一的長序列的氣候資料是氣候變化研究的基 礎 。但由于缺乏均一性檢驗技術研究 ,直至今日 ,我 國還沒有建立具有權威性的基本要素數據集 。而國 外許多氣候學家已作了大量的工作 ,取得了十分重 要的進展 ,有的甚至已經在氣候資料管理部門的業 務工作中應用 ,值得我們借鑒參考 。近來我國不少 專家也開始注重這方面的研究 ,但是這些工作仍然 只能停留于

4、一些方法的研究和探討階段 ,與科研工 作對于氣候資料的要求還具有很大的差距 。氣象資 料的均一性檢驗和訂正工作目前已經受到廣泛關務實施手段 ,仍是我們的一個重要課題 。本文介紹 了氣候資料均一性研究的方法及成果和我國氣象資 料均一性檢驗的一些情況 。1 氣候序列不均一性產生的原因氣候資料不連續的產生有很多原因 :從臺站的 遷移和儀器的變更到計算時間平均方法的變化等 。 Quayle 等 2 發現在美國合作網絡 ( USA Cooperative Network) 中 ,從液體玻璃管 (L IG) 溫度計到基于電 熱調節器的最高 、最低溫度系統 ( MM TS) 的轉變導 致了月平均最高氣溫下降

5、 ( - 0. 4 ) 和月平均最低 氣溫的升高 ( + 0. 3 ) ,即導致了人為的月平均日較 差的減小 ;Chenoweth 檢測了 20 世紀初期美國的溫 度計暴露度 (從北墻到木棉地區有遮擋) 的變化 3 , 發現這個變化似乎導致了溫度讀數的降低 , 于是 Chenoweth 認為 19 世紀晚期的觀測溫度普遍地偏 高 ;在時間平均方法變化以及觀測次數變化時也產 生不連續 。和斷點不連續相比 ,趨勢不均一通常更難以檢 測 ,因為它們可以疊加在氣候變化之上 , Karl 等 4 提出了一種利用城市污染為預報因子基于回歸來調科技部基礎性工作專項基金項目“2001D EA30029”和江蘇

6、省高校省級重點實驗室開放課題“KJ S02104”資助 。 收稿日期 :2002 年 7 月 17 日 ;定稿日期 :2002 年 9 月 9 日李慶祥 ,男 ,1973 年生 ,碩士 ,從事氣候變化和氣候資料均一性研究 , Email :liqx cma. gov. cn 4氣象科技第 31 卷整城市增暖效應的逼近方法 ,并用它檢驗了在溫度 時間序列中檢測和解釋城市熱島的問題 。而對其他 的一些趨勢 ,比如儀器漂移或掩體特性則顯得無能 為力 。圖 1 為 Heino 總結的導致長期氣候的變化產生 原因 5 。Heino 把導致長期氣候變化的原因劃分為兩種 :明顯變化和真實變化 ,其中明顯變化

7、就是我們 這里提到的導致氣候資料非均一的因素 。我們要得 到的就是去除掉了明顯變化的氣候的真實變化 ,也 就是通常所說的所謂均一性氣候序列所反映的氣候 變化特征 。圖 1 導致長期氣候變化的因子 ( Heino ,1997) 5 2 國外對氣候序列均一性研究方法2. 1 均一性檢驗的直接方法2. 1. 1元數據 (Metadata) 的應用 在所有的均一性技術中最常用的信息來自于臺站歷史元數據文件 。臺站遷移 、儀器變更 、儀器故 障 、新的計算平均公式 、臺站周圍的環境變化如建筑 和植被情況 、新的觀測者 、觀測次數變化以及儀器變 化中的儀器比較研究等都是評估均一性的相關信 息 。這些元數據

8、可以在臺站紀錄 、氣象年冊 、原始觀 測表 、臺站檢查報告及通信以及不同的技術手冊中 找到 ,元數據還可以同臺站操作人員的交談會見中 獲得 。元數據包含的特殊信息和觀測數據是非常相 關的 ,并且可以提供給研究者關于不均一發生的精確時間以及造成不均一的原因 。2. 1. 2儀器的平行比較及統計研究 根據各國的實際情況 ,儀器類型改變時常采用不同儀器的平行比較觀測 。理想狀況下是在每一個 臺站均作這樣的比較 ,以便新舊儀器之間有交替的 時間序列 ,但實際上通常是只在有限數量的臺站作 比較 。例如 ,挪威全國有 20 個臺站對有 、無遮擋的 雨量器的差異作了比較 6 。平行觀測比較必須持 續至少一整

9、年 ,這是為了評估不同儀器之間季節變 率的差異 ,有些比較甚至延續了幾十年 。例如 ,在 Stevenson 百葉箱里以 Glaisher 標準的溫度測量儀 器就用了 60 年以上 7 。在我國 ,儀器的平行比較觀 測已經在儀器更替和換型工作中應用 ,并已取得一 定的效果 。 第 1 期李慶祥等 :定點觀測氣候序列的均一性研究5儀器平行比較觀測所得到的氣象資料要納入統 一的觀測數據集 ,就必須進行統計研究 。一個典型例子是 :針對美國的溫度觀測儀器從 在木棉地有遮擋 ( CRS) 的液體玻璃管 (L IG) 溫度計 到 一 個 新 的 電 熱 調 節 器 最 高 、最 低 溫 度 系 統 (M

10、M TS) 的變化 ,Quayle 等 (1991) 利用臺站元數據 判斷哪些臺站保 留 CRS 不 變 , 哪 些 臺 站 以 采 用 MM TS 作為惟一的變化 ( 例如同時沒有主要的變 址) ;對于每個 MM TS 臺站的 CRS 最高相關的 5 個 臺站被用來建立對每個 MM TS 的局地 CRS 臺站序 列 ;在建立起每個 MM TS 臺站的 MM TS - CRS 時 間序列后 ,對研究中上百個 MM TS - CRS 序列作平 均 ,利用了 MM TS 安裝月份的所有臺站可得到的資 料 ,這樣就平滑了單個臺站的噪聲但保留了儀器變 化的平均影響 。有意思的是 ,檢查結果顯示 :從采

11、取 MM TS 之前到之后的時間延續了幾個月 。這些是 由于元數據顯示的變化日期的不準確 。像這樣許多 臺站的平均可能形成一個明顯的顯示不連續的平均 幅度的信號 。然而 ,這僅僅是區域平均 ,而單個臺站 的確切的影響則在某種程度上依賴于局地環境或氣 候因子 。2. 2 均一性檢驗的間接方法2. 2. 1利用單站資料 臺站資料適用于大部分均一性檢驗技術 ,但必須是與元數據或與相鄰臺站聯系在一起 。僅利用單 個臺站的資料是有問題的 ,因為當檢測到的變化 (或 無變化) 可能是由于實際氣候變化造成 (或被之所掩 蓋) 。然而 ,有一些獨立的臺站周圍并沒有足夠的臺 站 ,這樣就必須要求單個臺站的資料更

12、可靠 。另外 , 當元數據不精確時 ,還必須用臺站資料來確定變化 時間 ,當盡可能的要素都可取得時則最好 (例如氣壓 的變化常常比降水資料更好地確定出遷移時間) 。Zurbenko 8 將一個濾波器應用于單個臺站資料 來確定不連續時間 ,這個過程是迭代的 ,它可以平滑 掉時間序列的噪聲而保留作為明顯的斷點的不連續 性 ; Rhoades 和 Salinger 9 也提出了一些統計程序均 一化單個臺站的資料 。雖然對不連續點的調整必須 要求更加主觀 ,但很多的圖形和分析技巧對于均一 性調整也是有幫助的 ,例如圖形分析 、利用在平均間 隔上的年及年內差異的簡單統計檢驗 ,以及由元數 據檢驗出的不連

13、續的時間序列判斷最明顯的變化斷 點的驗證程序 ,這些程序為均一性研究提供了采取調整的原則 。2. 2. 2構造參照序列 臺站的時間序列的變化可能顯示不均一性 ,但也可能僅顯示局地氣候的一個突變 。為了把這兩者 分離 ,許多檢驗技術應用了臨近臺站的資料作為局 地氣候的顯示器 。把任何顯著不同于局地氣候訊號 的假定認為是不連續 。在均一性檢驗工作中 ,直接 利用臨近臺站的資料或利用臺站資料發展一個參考 序列在許多方法中得到應用 。建立參考臺站的時間序列的方法是非常重要 的 ,并且需要對站網和調整方法有充分了解 ,這主要 是因為通常情況下我們不能提前估計臺站序列的均 一性對于參考序列的作用 。在一些

14、情況下 ,可以利用元數據來判斷哪些臨 近臺站在特定時段內是均一的 。Potter 10 建立了一 個 19 個站的站網的參考序列 ,對觀測時間相同的其 他 18 個站的平均作為每一個待檢臺站的參考序列 。 在經過均一性檢驗 ,去除那些含有非均一性的臺站 后 ,用相同的方法重新建立了一個新的參考序列 。利用含有未知的非均一性的序列建立一個完全 均一的參考序列是不可能的 ,但采用一些技術可以減 小參考序列中潛在的不均一性 。首先是找尋相關性 最好的臨近臺站 ,對第一差分序列 ( FDi = Ti + 1 - Ti) 作相關分析 。比如 ,溫度計的改變將只改變第一差分 序列中的當年值 ,而對于原始數

15、據 ,這樣的變化將改 變所有后面的年份的值 11 。第二建立第一差分參考 序列的最小化技術是計算不包括待檢年份數據的相 關系數 。這樣 ,如果某一年待檢序列的第一差分值如 果因為不連續而異常的話 ,當年的第一差分參考序列 值的確定將完全不受該不連續點的影響 。在建立每 年的第一差分值時 ,采取一種多元隨機塊置換檢驗 (MRBP) 12 ,利用周圍 5 個最高相關的臺站的途徑有 足夠的資料準確地模擬待檢序列 ,以至于由于隨機性 導致的相似性的可能性小于 0. 01 ;另一個減小參考序 列的非均一性方法 Peterson 和 Easterling 12 技術 利用了 5 個最高相關的中心的 3 個

16、值來構造第一個 差分序列的資料點 。當然別的一些技術 ,比如 PCA , 也可以產生非常好的參考序列 。當臨近臺站資料在 許多均一性調整途徑時 ,當那些資料都不夠好的時 候 ,就要進行多次調整。2. 2. 3 主觀方法主觀調整 13 在眾多的調整方法中是一個很重6氣象科技第 31 卷要的工具 ,因為它可以解決很多不能用程序實現的 因子權重的因素 。例如 ,當看到一個圖形輸出揭示 一個臺站時間序列 ,一個臨近臺站的序列和一個差 異序列 (待檢 - 臨近) 時 ,主觀的均一性評估就取決 于臺站序列之間的相關 、通過序列方差比較體現的 明顯不連續的幅度 、臨近臺站的資料質量 、其他相關 的信息以及可

17、得到的元數據的可信度等 。主觀調整 在臺站資料的內部檢查和當某種因素 (比如元數據) 的可信度變化時尤其有用 。流量對照分析 14 可以作為一個對主觀評價的 補充 。一個流量對照曲線圖畫出了一個臨近臺站的 累計和與待檢臺站的累計和的對照 。許多流量分析 圖都是粗略地為直線 ,所以一個新的傾斜度突然變 化則表示不連續 ,缺點是它不能認定是因為待檢序 列還是臨近臺站的序列發生不連續 。為了解決這個 問題 ,Rhoades 和 Salinger (1993) 同時畫出了臨近一 些臺站的平行累計和 (CUSUM) 曲線 。2. 2. 4客觀方法 所謂客觀方法就是采取一定的數學方法使得序對待檢臺站序列的

18、降水比率序列和復合的參考序列 進行了檢查 。Potter 方法是對原假設 整個序列 具有相同的雙變量正態分布和可變假設 檢驗年 份之前 、后具有不同的分布之間的最大似然比率的 顯著性檢驗 ,這種雙變量檢驗和流量對照曲線分析 非常相似 。一部分檢驗統計取決于時間序列的所有 點而另一部分僅取決于在有問題的點之前的點 ,統 計量值的最大值點的次年即為臺站時間序列的均值 不連續點 。Plummer 等 (1995) 利用 Potter 方法來形 成一個對每個資料值的檢驗統計和對資料值的最大 可能抵消或調整的評估 。Z2(4) SNHT 方法 。Alexandersson 17 發展了廣泛應 用的 SN

19、HT 方法 ?，F在用這種方法不僅可以檢驗不 止一個斷點的情況以及除了跳點以外對趨勢的均一 性檢驗 ,還包括了方差的變化 18 情況 。像 Potter 方 法一樣 ,SNTH 方法也是一種最大似然檢驗方法 。這 個檢驗是針對待檢序列和參考序列的比率或差值序 列的 。首先序列被正態化 ,在最簡單的形式下 ,SNTH 統計檢驗量是 Tv 的最大值 :列中不連續點在統計上體現出來 。目前國外經常采Tv = v Z12 + ( n - v)2(2)用的一些檢驗方法 :第一步為濾波 ,這樣去除系統的 氣候可變性和變化 ;第二步應用一些隨機性檢驗來通 過或拒絕它的隨機性或趨勢的存在與否 ;最近還提出 了一

20、些更復雜的方法 ,主要是針對多個斷點的檢驗 , 這些檢驗方法主要是基于最大似然原理 。下面是國 外許多研究者發展 (大致按提出的時間先后) 的一系 列具體的研究氣候序列均一性的方法 15 。(1) Craddock 檢驗 。由 Craddock 16 發展 ,雖然有 時足夠長均一的子段是充分的 ,這個檢驗仍需要一個 均一的參考序列。Craddock 檢驗根據下列公式計算 了參考序列和待檢序列的正態化差異序列 :si = si - 1 + ai ( bm / am ) - bi(1) 式 (1) 中 a 是均一性的參考序列 , b 是待檢序列 , am 和 bm 是整個序列的平均值 。如果檢驗的

21、氣候元素 變為 0 (或接近 0) 它必須用一個附加常數來轉換 , 以 避免被 0 除 。對于溫度 , 則可以通過用絕對溫標 K 代替攝氏度 。(2) t 檢驗 。通常的 Students t 檢驗也被用于 檢驗均一性 。例如 ,這種檢驗方法已經被挪威氣象 研究所 (DNM I) 用于溫度時間序列 ,該序列中元數 據已經顯示一個主要變化的時間 。(3) Potter 方法 。Potter ( 1981) 應用這種技術式(2) 中 Z1 是 1 到 v 的平均值 , Z2 是 v + 1 到 n 的 平均值 。(5) 二位相回歸 。Solow 19 描述了一種通過在一 個雙位相回歸中確定變點來檢

22、驗時間序列的趨勢變 化的技術 ,被檢驗的年前 、后的回歸線強迫在該點會 合 。因為儀器變化可能導致跳躍點 , Easterling 和 Pe2 terson 20 ,21 發展了這一技術 ,之后稱為 E - P 技術 ,使 得回歸線不強迫在該點會合 ,而在被檢驗年份的前后 的差異序列(待檢 - 參考) 都用線性回歸來擬合。這個檢驗對所有年的時間序列進行重復 (每一 段至少 5 年) ,最小殘差平方和的年份被認為是潛在 不連續的年份 ,同時也計算了整個時間序列的單獨 回歸的殘差平方和 。利用 : 用兩個殘差平方和的 最大似然比例統計 ; 用 Students t 檢驗不連續點 前后序列的平均值差

23、異 ,以此來檢驗兩個位相的回 歸擬合的顯著性 。如果不連續認為是顯著的 ,時間序列在該年被 分為兩部分 ,每一小段同樣地檢驗 。這種進一步劃 分延續到時間序列沒有不連續點或序列長度太短為 止(小于 10 年) 。每一個確定的不連續點用一個多 響應 置 換 程 序 ( MRPP ; Mielke) 11 進 一 步 檢 驗 , MRPP 檢驗是無參數的 ,通過比較每一組成員之間第 1 期李慶祥等 :定點觀測氣候序列的均一性研究7的歐氏距離和兩組中所有成員之間的距離 ,返回一 個這樣的可能性 ,即由隨機性產生的兩個組區別更 大 。這兩組在不連續點的每一邊是 12 年窗口 ,這個 窗在第二個潛在不連

24、續點處被截斷 。如果不連續達 到 95 %的顯著性水平 (= 0. 05) ,則認為是真正的 不連續 。應用到不連續點之前的所有資料點的調整 值就是 (臺站 - 參考臺站) 的差異序列的兩個窗的平 均值之差 。(6) 序列均一性的多元分析 ( MASH) 。該方法 由匈牙利氣象局的 Szentimrey (19941996 年) 發展 的 ,它也沒有假定參考序列是均一的 ,可能的斷點或 轉折點可能被檢測出來 ,然后通過相同氣候區域相 互的比較進行調整 。待檢序列是從所有可得到的序 列中選出來的 ,其余的序列就成了參考序列 ,這些眾 多序列的作用在程序中一步步改變 。針對不同氣候 要素 ,應用加

25、法或乘法模式 ,乘法模式也可以通過取 對數轉化為加法模式 。差異序列是由待檢序列和權重參考序列構成 的 ,最佳的權重是由最小化差異序列的方差來決定 的 。為了增加統計檢驗的效率 ,假設待檢序列就是 所有的差異序列中惟一的普通序列 ,在所有差異序 列中檢測到的斷點就認為是待檢序列中的斷點 。新發展的一種多元斷點檢驗程序考慮了顯著性 和效率 。顯著性和效率分別根據與兩類不連續點有 關的常規統計公式量化計算 。這個檢驗不僅得到評 估的斷點和轉折值 ,還得到相應的顯著性間隔 ?？?以利用這些點和間隔評估對序列做出調整 。(7) 等級順序變點檢驗 。由于利用一個對時間 序列等級值的檢驗具有不會顯著地受到

26、外界的相反 影響 Lanzante 22 描述了這樣一個和 Wilcoxon2Man2 Whitney 檢驗相關的無參數檢驗 。這種檢驗利用的 統計量在每一點都計算了基于從開始到有問題的點 等級之和 。首先是判斷時間序列中每一點的等級 , 然后形成一個等級的和的序列 ( S Ri ) ; 下一步對長 度為 n 的 序 列 計 算 一 個 調 整 和 ( SA i ) : SA i =| 2 S Ri - i ( n + 1) | 。除了最后一個點 , SA i 的最大值 被認為是可能不連續點 。如果記為 x , 則統計量 : S R x - x ( n + 1) / 2 + d 10 , 即不

27、連續點前后至少有 10 年資料 , 那么利用 一個正態概率表的雙尾檢驗可以用來評估統計量的 顯著性 。( 8 ) Caussinus2Mest re 技 術 。Caussinus2Mest re 方法同時集檢驗未知數量的多斷點和構造均一的參 考序列于一體 。它是基于這樣兩個前提 : 兩個斷 點之間的時間序列是均一 , 這些均一的子序列可 以用作參考序列 。單個序列在相同的氣候區域同別 的序列比較以產生差值 (溫度 、氣壓) 或比值 (降水) 序列 ,然后檢驗這些差值或比值序列的不連續性 。 當一個檢驗的斷點在整個待檢站和周圍站比較的過 程中都保持不變時 ,這個斷點就認為存在于待檢臺 站的時間序

28、列中 。(9) 多元線性回歸 。在加拿大 , 由 Vincent 23 發展了一個基于多元線性回歸的新方法來檢驗溫度 序列中的跳躍和趨勢 。這個技術是基于應用一個回 歸模型來確定被檢驗的序列是否均一 、有一個趨勢 、 一個單獨的跳躍或 (在跳躍點前和/ 或后) 趨勢 。這 里 ,非獨立的變量是待檢臺站序列 ,獨立變量是許多 周圍臺站的序列 。額外的獨立變量用來描述或衡量 存在于檢驗序列中的趨勢或跳躍 。為了確定跳躍點 的位置 ,在不同時間位置應用第三個模式 ,提供了最 小殘差平方和的位置點 ,它代表檢驗時間序列中最 可能跳躍點的位置 。3 國外氣候序列均一性研究進展3. 1 美國 NOAA(1

29、) USHCN ( U S Historical Climate Network) , 在對原始數據質量控制的基礎上 ,首先針對溫度觀 測時次的影響因素作一個調整 ; 第二步利用一定的 偏差對引入 MM TS 應用一個預先校準 ,這一步校準 主要針對觀測儀器的變化 ( Qualye) 2 ; 第三步根據 臺站歷史遷移情況 ,利用統計技術和參考序列對溫 度和降水進行調整 ( Karl 和 Williams) 24 ;最后利用 一個回歸框架利用人口作為預報因子 ,對城市熱島 的影響進行調整 。(2) GHCN ( Global Historical Climate Network) ,采用 E -

30、 P 方法對全球氣溫 、降水 、氣壓進行了統一z = x ( n - x) ( n + 1) / 12 0. 5(3)的均一性檢驗 、訂正 (其中氣溫 6000 站 ,降水 7500式 (3) 中 d 為一個經驗值 , 如 S Rx = x ( n + 1) / 2 則 d = 0 ; 如 S Rx x ( n + 1) / 2則 d = - 0. 5 。如果 x 10 并且 ( n - x)站 ,氣壓 2000 站) 。3. 2澳大利亞(1) 采用 E - P 方法 ,對平均最低 、最高氣溫以8氣象科技第 31 卷及日溫度較差 (D TR) 進行了檢驗 、訂正 。( 2) 采用 Potter

31、 檢驗 ,在每個臺站和其周圍臺站之間進行 ,應 用于澳大利亞的降水資料 。3. 3 奧地利應用元數據和 Craddock 檢驗的結合成功地檢 驗了一個較密集 (平均距離 40km) 的溫度和降水臺 站網絡 。3. 4 加拿大利用多元線性回歸方法分別檢驗了年平均最高 氣溫和最低氣溫并進行了相應的調整 ,利用元數據 本身對日雨量和雪量資料進行了均一化調整 。3. 5 芬蘭采用 SN HT 方法和元數據結合 ,對年溫度和降 水序列進行檢驗 ,并發展了訂正方法 。3. 6 新西蘭和太平洋群島采用 CUSUM 和 t 檢驗 ,其特點是針對島嶼臺 站 ,沒有臨近臺站可用的情況下 。3. 7 挪威和瑞典采用

32、 SN HT 方法分別對本國的氣候資料進行 了類似研究 。由上面的總結可以看到 ,各個國家都是根據本 國的具體情況 ,采用數學方法和臺站元數據結合的 原則 ,對本國的氣候數據均一性進行研究 ,并通過調 整得到本國的均一性的氣候數據集 。4 我國氣候資料序列均一性研究概況為了研究我國氣候資料序列均一性 ,首先應該 對我國氣象臺站的歷史沿革有一個充分了解 ,我們 對我國的基本 、基準氣象觀測站作了一個粗略地調 查 。調查的范圍有全國基本站 :535 個 ;基準站 :136 個 。在我國 , 1951 年以來未遷移的基本基準站共 189 (28 %) 個 ,遷移 1 次的 206 (31 %) 站

33、,遷移 2 次以上的有 276 (41 %) 站 (圖 2) 。在儀器變化方面 ,氣溫 、降水 、風等最常用的要 素 ,觀測儀器也發生過多次變化 ,探空儀器也有過重 大變化 ,20 世紀 60 年代從 RZ - 049 型儀器向 GZZ- 2 型探空儀器的更換 ;從 1966 年 1 月 1 日起統一 開始對儀器進行輻射訂正 。我國觀測臺站的遷移 、儀器的變化等因素究竟 對長氣候數據產生多大影響 ,是否會造成氣候序列 的非均一 ,是我國氣候資料研究工作者十分關心的 問題 ,因此氣候資料序列的非均一檢驗是必要的 。圖 2 我國 1951 年以來基本和基準站臺站遷移情況(由淺到深分別是遷站 2 次

34、以上 ,遷 1 次以及未 遷站個數所占百分比)我國氣候資料均一性研究工作起步較晚 ,劉小 寧等 25 、宋超輝等 26 分別針對年降水量和平均溫 度序列的均一性檢驗方法作了一些總結 ,并利用這 些方法對我國的部分臺站的年降水量以及溫度序列 進行了一些實用性實驗 , 取得了一些有益的結論 。 翟盤茂 27 ,28 采用美國 NCDC 的 Easterling 和 Peter2 son 等人的均一性檢驗手段對我國的探空和濕度資 料進行了均一性檢驗 ,得出 20 世紀 60 年代我國探 空序列存在明顯的不均一的結論 ,并進一步指出 ,這 種不均一性是和探空儀的變換和輻射訂正相聯系 的 ,在此基礎上

35、,翟盤茂還對以上資料進行了訂正和 調整 。劉小寧 29 ,30 采用 SN HT 方法對我國部分站 的年平均風速進行了檢驗 ,結果表明 : 約有 20. 1 % 的站的年平均風速資料有間斷 ,而間斷的年資料中 由于儀器變化導致間斷的占 67. 1 % ,因遷站而間斷的占 15. 7 % ,還有 17. 1 %的間斷原因不明 ; 而在由 于儀器變化導致間斷的站中 ,又有換型 (占 17 %) 、 更換儀器 (53. 2 %) 和儀器高度變化間斷 (2918 %) 。 最近 ,嚴中偉 31 討論了北京 、上海兩站的平均氣溫 和平均最高 、最低氣溫對于估算兩地溫度變化趨勢 的影響 。從國內已有的工作

36、看來 ,主要集中于氣候資料 的均一性檢驗 , 采用的方法主要是標準正態檢驗 ( SN HT) 、回歸法 、雙質量分析法等一些理論方法 , 主要針對一些氣候資料的年值進行了初步的檢驗工 作 。但這些工作對于大型的氣候數據集的各種實際 處理沒有作太多的考慮 ,因此加強這方面的研究工 作 ,對于我國的氣象資料處理和管理業務水平的提 高 ,具有重要的意義 。 第 1 期李慶祥等 :定點觀測氣候序列的均一性研究95總結與討論5. 1要重視盡可能詳盡的元數據收集元數據的有利條件是它包含的特殊信息是和序 列非均一性非常相關 ,并且可以給研究者提供關于 不均一發生的精確時間以及造成不均一的原因 。不 幸的是

37、,元數據往往不完備 ,丟失或實際有錯 (比如 在變化發生后若干年后憑工作人員的記憶完成的) 。 甚至在挪威 ,即使有了較好的至少向前延續到 19 、 20 世紀之交的元數據 , Forland 還是發現一些重要 變化在檢查報告中并未正確地報告出 ; 有時在正確 解釋元數據中也會遇到問題 (例如 1880 年的經度或 緯度的變化可能更多歸因于調查方法的改進而不是 單站的移動) 。臺站歷史元數據的最大的問題是從一個可用的 表格中為了檢驗不連續點而獲得相關的信息 ,一些 元數據源里面包含大量不相關的信息 ,從大量信息 里面抽取重要的部分是相當費時和乏味的 。然而 , 一些國家或機構已經將它們選定臺站

38、或選定時段的 元數據數字化 。雖然費時 ,但最后提供給研究人員 存取的臺站歷史信息 ,不需要費時地通過紙質檔案 逐個臺站搜索 。一旦數字化后 ,這些元數據就可以 通過總分析表 、相關數據基礎 (例如美國) 進行存取 ( 例 如 澳 大 利 亞 ) , 對 于 北 大 西 洋 氣 候 資 料 集 (NACD) ,一些歐洲國家之間達成了一個共同的元 數據結構以至于元數據可以在部門之間共享 。元數據包含了大量的影響氣候變化的信息 ,觀 測場地的草地變化 、臺站周圍環境 、臺站所處的位置 變動 、臺站所處城市的發展等 , 這一切都可能導致 氣候序列不均一的產生 ,因此盡可能詳盡的元數據 的收集 ,是均

39、一性研究的重要基礎環節 。正是因為元數據在氣象數據均一性研究中的重 要作用 ,因此盡可能收集完備的元數據資料就成為 均一性研究的重要基礎工作之一 。5. 2要充分尊重實際觀測數據的參考作用觀測數據是氣候分析的第一手資料 ,盡管存在 以上的種種不均一性的情況 ,但我們仍然不能否認 觀測數據的參考作用 。我們調整資料非均一性 ,并 不等于完全否定觀測數據的作用 ,我們的目的是 ,盡 可能去除氣候序列非均一性影響因子 ,使得訂正后 的序列只包含純粹的“真實”氣候變化信息 ,但這種 “真實性”正如前面所述只能是相對的 ,比如前面把氣象臺站周圍環境變化作為非均一性的影響因子之 一 ,比如城市熱島效應 ,

40、從非均一性的影響來說 ,它 對氣候序列的均一性有影響 ,而從小氣候變化的角 度 ,它又反映了局地氣候的真實情況 ,所以 ,要全面 了解氣候變化特征 ,就必須充分尊重觀測數據的參 考作用 。5. 3 在作均一性調整時要充分考慮區域性氣候變化氣候序列均一性檢驗和訂正的關鍵點在于構造 一個能夠反映臺站所處地區的“真實”的氣候變化特 征的均一的參考序列 ,然而如前所述 ,這也是一種理 想狀態 。一般說 ,這個序列的選取 ,主要是依靠臨近 臺站的觀測資料對所要檢驗和訂正的臺站序列進行 插補 ,但如果附近臺站的氣候特征和所研究的臺站 的氣候特征完全一致 ,那么這樣插補出來的參考序 列就能夠代表該站的氣候實

41、際 ,但事實上這也是不 可能的 ,臨近臺站的氣候最多能“大體”代表所研究 站的氣候特征 。另外 ,我們所采用的資料站點之間 的距離往往是比較大的 (一般在 100km 尺度以上) , 特別是在西部高原地區 ,臺站之間距離往往更大 ,因 此“距離最近”的臺站也許和研究的臺站的氣候特征 非常不一致 (尤其是降水等氣象要素) ,而其他的距 離稍遠點的臺站反而可能會相似 ,所以在選取參考 臺站時不僅要考慮距離的影響 ,還要把相關性考慮 在內 。這樣可以避免區域性局地氣候變化的因素 , Peterson 等人 (1994) 在建立參考序列時還引入了多 變量隨機排列檢驗 ( MRBP) ,來解決那些由于參

42、考 站和所研究臺站因時間短而偶然出現高相關的情 況 ,這樣就更加合理和可靠了 。5. 4研究氣候資料均一性必須從主 、客觀途徑進行從前面的總結可以看出 ,研究氣候序列均一性 有兩個基本途徑 ,一個是根據臺站的歷史沿革直接 對所研究的臺站的序列作訂正 ,這種途徑往往是比 較可靠的 ,但問題是臺站沿革文檔很多時候不可取 得 ,或者是語焉不詳 ,不夠完備 。因此 ,完全依賴主 觀的途徑 ,恐怕還是不夠全面 ;從客觀的途徑檢驗氣 候序列的均一性的方法越來越得到大家的注意 ,它 已經成為這方面研究的主要手段 ,但是完全依賴數 學方法的結果又缺乏充分的說服力 。因此筆者認 為 ,主 、客觀手段的結合 ,氣

43、候序列均一性研究的結 果才能更加可靠和合理 。致謝 :國家氣候中心翟盤茂研究員和美國國家氣候資料中心的 Thomas. C. Peterson 博士對本工作給予了指點和幫 10氣象科技第 31 卷助 ,其中概述部分一些段落是根據 Peterson 博士原文翻譯整 理而成 ,謹致謝忱 。參考文獻1 Bradley R S , Kelly P M , Jones P D ,et al. A Climatic Data Bank for Northern Hemisphere Land Areas , 1851 - 1980 , TRO17 , Depert2 ment of Energy , Wa

44、shington , 1985 ,3352 Quayle R G , Easterling D R , Karl T R ,et . al. Effects of recent ther2 mometer changes in the cooperative station network. B ull . A mer. Meteor. Soc. , 1991 , 72 :1718 - 17243 Chenoweth M. A possible discontinuity in the U. S. historical tem2perature record. J . Cli mate ,19

45、92 ,5 :1172 - 11794 Karl T R , Diaz H F and Kukla G. Urbanization : Its detection and effect in the United States climate record. J . Cli mate , 1988 , 1 : 1099 - 11235 Raino Heino. 1996 , Metadata and their role in homogendeity. In : Proceedings of the First Seminar for Homogenlzatlon of Surface Cl

46、i2 matologlcal Data ,1997 . 5 - 86 Frland E J , Allerup P , Dahlstrm B ,et al. Manual for Operational Correction of Nordic Precipitation Data. DN MI - Reports 1996 . 24 : 667 Nicholls N , Tapp R , Burrows K , et al. Historical thermometer ex2posures in Australia. Int . J . Cli matol . ,1996 , 16 :70

47、5 - 7108 Zurbenko I , Porter P S , Rao S T ,et al. Detecting discontinuities in time series of upper airdata : Development and demonstration of an adaptive filter technique. J . Cli mate , 1996 ,9 :3548 - 35609 Rhoades D A and Salinger M J . Adjustment of temperature and rain2fall records for site c

48、hanges. Int . J . Cli matol . ,1993 , 13 : 899 - 91310 Potter K W. Illustration of a new test for detecting a shift in mean in precipitation series. Mon. Wea. Rev . ,1981 , 109 :2040 - 204511 Mielke P W. The application of multivariate permutation methods based on distance functions in the earth sci

49、ences. Earth - Sci . Rev . ,1991 ,31 :55 - 7112 Peterson T C and Easterling D R. Creation of homogeneous com2posite climatological reference series. Int . J . Cli matol . , 1994 ,14 : 671 - 67913 Plummer N , Lin Z and Torok S. Trends in the diurnal temperature range over Australia since 1951 . A t m

50、os. Res . ,1995 , 37 :79 - 8614 Kohler M A. Double - mass analysis for testing the consistency of records and for making adjustments. B ull . A mer. Meteor. Soc. , 1949 , 30 :188 - 18915 T C peterson , Easterling D R ,et al. Homogeneity adjustments of insitu atmospheric climate data :a review. Int .

51、 J . Cli matol . ,1998 ,18 : 1493 - 151716 Craddock J M. Methods of comparing annual rainfall records for climatic purposes. Weather , 1979 ,34 :332 - 34617 Alexandersson H. A homogeneity test applied to precipitation data.Int . J . Cli matol. , 1986 , 6 : 661 - 67518 Alexandersson H and Moberg A. H

52、omogenization of Swedish tem2 perature data , Part I : A homogeneity test for linear trends. Int . J . Cli matol . ,1997 , 17 :25 - 3419 Solow A. Testing for climatic change : an application of the two - phase regression model. J . Cli mate A ppl . Meteor. , 1987 , 26 : 1401 - 140520 Easterling D R

53、and Peterson T C. A new method for detecting and adjusting for undocumented discontinuities in climatological time se2 ries. Int . J . Cli matol. , 1995a ,15 :369 - 37721 Easterling D R and Peterson T C. The effect of artificial disconti2 nuities on recent trends in minimum and maximum temperatures.

54、 A t mos. Res. , 1995b ,37 :19 - 26 .22 Lanzante J R. Resistant , robust and nonparametric techniques for the analysis of climate data. Theory and examples , including applica2 tions to historical radiosonde station data. Int . J . Cli matol. ,1996 ,16 :1197 - 122623 Vincent L . A technique for the

55、identification of inhomogeneities in Canadiantemperature series. J . Cli mate , 1998 ,11 :1094 - 110424 Karl T R and Williams C N J r. An approach to adjusting climato2logical time series for discontinuous inhomogeneities. J . Cli mate A ppl . Meteorol . , 1987 , 26 :1744 - 176325 劉小寧 ,孫安健. 年降水量序列非均

56、一性檢驗方法探討. 氣象 ,1995 ,21 (8) :3 - 626 宋超輝 ,劉小寧 ,李集明. 氣溫序列非均一性檢驗方法的研究. 應 用氣象學報 ,1995 ,6 (3) :289 - 29627 Zhai P - M and Eskridge R E. Analysis of inhomogeneities in ra2 diosonde and humidity time series. Int . J . Cli matol. , 1996 , 9 (6) :884 - 89428 翟盤茂. 中國歷史探空資料中的一些過失誤差及偏差問題. 氣象學報 ,1997 ,55 (5) :56

57、3 - 57229 劉小寧. 我國 40 年年平均風速的均一性檢驗. 應用氣象學報 ,2000 ,11 (2) :27 - 3430 劉小寧. 我國氣候序列非均一性檢驗的進展. 國家氣象中心科技 年報(A 冊) ,200031 Yan Zhongwei , Yang Chi ,Jones. P. Influence of inhomogeneity on the estimation of mean and extreme temperature trends in Beijing and Shanghai. A dv . A t mos. Sci . ,2001 ,18 (3) :309 -

58、 321(下轉 22 頁)22氣象科技第 31 卷SUMMERTIME DEEP CONVECTION HEATING OVER SOUTHEAST OF TIBETAN PLATEAUBai JingyuXu XiangdeYu Shuqiu(Chinese Academy of Meteorological Sciences , Beijing100081 ,China)Abstract :Based on 1948 - 1999 NCEP/ NCAR data of the deep convection heating and monthly2mean rainfall at 160

59、stations , study is undertaken of summertime deep convection heating over the southeast of Tibetan Plateau. Evidence shows that the active deep convection heating exerts great effects on the precipitation of mid2lower reaches of the Yangtze river. Also , the correlation analysis indicates that the d

60、eep convection heating contributes to the flood of the mid2lower reaches of the Yangtze river with moisture and energy t ransfer.Key words : Tibetan Plateau , deep convection heating , precipitation of mid2lower reaches of the Yangtze river(上接 10 頁)HOMOGENEITY STUDY OF IN SITU OBSERVATIONALCL IMATE

61、SERIESLi Qingxiang1 ,2Liu Xiaoning1Zhang Hongzheng1Tu Qipu2(1 Division of Meteorological Data , National Meteorological Center , Beijing100081 , China) (2 Key Laboratory of Meteorology & Environment of Jiangsu Province , Nanjing210044 , China)Abstract : The factors causing inhomogeneities and the te

62、chniques of identifying inhomogeneities and adjusting climate series developed by the native and foreign climatologists are discussed. The progress of the homogeneity study of the national or regional climate data in respective countries are summarized. A summary of the reloca2 tions of the stations and the changes of the instruments in China during 1951 - 2001 is given. The conclusions onthe homogeneity study of Chinese climate data are reviewed , and some discussions and suggestions on homogene2 ity study of meteorological data are presented.Key words : climate change , climate series