我國氣候資料均一性研究現(xiàn)狀與展望

李慶祥

（國家氣象信息中心，北京 100081）

我國氣候資料均一性研究現(xiàn)狀與展望

李慶祥

（國家氣象信息中心，北京 100081）

時空均一的氣候資料是氣象科研、業(yè)務(wù)和服務(wù)的基礎(chǔ)。介紹了氣候資料均一性的基本概念、涉及范圍、主要原因以及解決非均一性問題的意義。在此基礎(chǔ)上，闡述了國際上氣候資料均一性研究的動態(tài)和技術(shù)發(fā)展歷程，指出以高時空分辨率的均一化為標志的第二代氣象數(shù)據(jù)產(chǎn)品研發(fā)趨勢為氣候資料均一性研究帶來良好的發(fā)展機遇和嚴峻的挑戰(zhàn)；結(jié)合對我國地面、高空和輻射三類氣候資料均一性概況和相關(guān)研究現(xiàn)狀的總結(jié)，分析了我國在相關(guān)領(lǐng)域研究的深度和廣度上存在的差距和不足，以及當前需要解決的關(guān)鍵科學和技術(shù)問題。最后，就如何正確認識氣候資料的均一性，如何深化我國氣候資料均一性研究，加強氣候數(shù)據(jù)產(chǎn)品研發(fā)，實現(xiàn)我國數(shù)據(jù)產(chǎn)品研發(fā)技術(shù)和管理水平上一個新臺階等提出了建議。

氣候資料，均一性，氣候變化，城市化，第二代數(shù)據(jù)產(chǎn)品

0　引　言

和天氣資料不同，在某種意義上氣候資料是“二手”資料，即需要對采集、積累的原始資料進行加工，才能形成。資料的均一性是氣候資料的核心要件之一。氣候資料均一性一般可用其反面更加清晰地闡述：即所謂氣候資料的非均一性，就是氣候資料序列中由于非氣候原因造成的、相對于自然變率不可忽視的系統(tǒng)性差異。從時空的角度上講，氣候資料的非均一性可以分為空間的非均一性和時間上的非均一性（不連續(xù)性）。在同一觀測站網(wǎng)絡(luò)得到的觀測序列中，一般考慮得較多的是時間上（即氣候序列）的均一性。而采用不同觀測網(wǎng)絡(luò)（如不同國家的站網(wǎng)，不同類型、級別的站網(wǎng)）的資料進行合并處理時，則還需要考慮空間的均一性。

均一性的氣候數(shù)據(jù)對歷史氣候趨勢和變率的研究，尤其對于氣候態(tài)和極端事件的研究非常重要，然而長序列的氣候數(shù)據(jù)記錄不可避免地存在由于觀測儀器改變、觀測方式改變、臺站遷移乃至臺站環(huán)境的變化（如城市化）等非氣候因素造成的非均一性（不連續(xù)）斷點[1-2]。根據(jù)上述產(chǎn)生非均一性的原因，如儀器變化、觀測方式、臺站遷移等一般會引起突然“跳躍式”的非均一性，而臺站環(huán)境變化（如城市化）則更可能導致漸變的非均一性[3]（圖1）。

圖1　氣候資料非均一性的實例及其產(chǎn)生原因［3］（a）站點觀測中的站址遷移；（b）站點序列處理中的單位換算；（c）站點觀測的城市化影響；（d）大氣再分析數(shù)據(jù)中的同化數(shù)據(jù)種類Fig. 1 Examples of inhomogeneity of climatic data and causes［3］（a） observation station relocation； （b） unit conversion in station series processing； （c） urbanization effect on the observation；（d） assimilation data types in atmospheric reanalysis data

IPCC歷次評估報告將全球氣溫變化序列作為一項重要的指標性成果，而高質(zhì)量、均一性的全球數(shù)據(jù)集產(chǎn)品正是建立全球氣溫變化曲線的基礎(chǔ)。同樣，對于區(qū)域性，特別是局地性長期氣候變化趨勢，則更易受到資料非均一性的困擾。以我國20世紀以來平均氣溫的變化為例，已有的數(shù)條序列彼此間存在相當大的分歧，而最重要的原因就是因為各自采用的資料均一化處理不同，導致了較大的差異和不確定性[4]。嚴格來講，只有均一的資料方能作為氣候分析和服務(wù)的基礎(chǔ)。同樣，歷史天氣事件的統(tǒng)計、數(shù)值模式的驗證、遙感數(shù)據(jù)的定標定位、新型觀測數(shù)據(jù)的應(yīng)用和檢驗、大氣再分析產(chǎn)品的評估檢驗等等，都需要用到均一性的氣候數(shù)據(jù)。因此，在某種意義上講，氣候資料的均一性，既是具有“氣候質(zhì)量”要求的氣候數(shù)據(jù)產(chǎn)品的核心要件，同時也是準確應(yīng)用所有長期數(shù)據(jù)的重要保障。

1　國際上氣候資料均一性研究進展與發(fā)展

許多專家對國際氣候資料非均一性研究進行了較為系統(tǒng)的總結(jié)與論述[5-6]。國際上氣候資料均一性研究大體可以分為三個階段。從最初（1930s或1940s以來）氣候資料非均一性問題的提出，到大約20世紀80年代，這一階段可以稱為均一性問題提出和探索時期。最初，氣候資料非均一性（一致性）的概念是在處理現(xiàn)場觀測（in situ）氣候序列過程中提出的[7-9]。此后，歐美一些專家[10-16]開始在氣溫、降水和一些海洋氣象要素上進行了一些數(shù)據(jù)比較和方法探討。

20世紀80年代后期到21世紀前10年，可以稱為氣候資料均一性研究體系形成和第一代均一化數(shù)據(jù)產(chǎn)品研發(fā)時期。在這個時期，美國國家氣候資料中心（NCDC）、英國氣象局Hadley中心、英國東安吉利爾大學氣候研究中心（CRU）、瑞典氣象水文研究所（SMHI）等機構(gòu)的一批代表性專家將相關(guān)研究推向一個高潮，主導形成了較為完善的氣候資料均一化技術(shù)體系，并且開始推出了本國乃至全球均一化氣候數(shù)據(jù)產(chǎn)品（主要以月及以上尺度的氣候數(shù)據(jù)產(chǎn)品為主，稱之為第一代均一化數(shù)據(jù)產(chǎn)品），大大提高了氣候變化研究的精度與水平[17-24]。這其中，最有代表性的全球數(shù)據(jù)集有CRU的全球氣溫數(shù)據(jù)集產(chǎn)品CRUTemp[25]，NCDC的全球地面氣溫數(shù)據(jù)集產(chǎn)品GHCN（Global Historical Climate Network）[26]，NASA的戈達德空間研究所（GISS）的全球地面氣溫數(shù)據(jù)集產(chǎn)品GISSTemp等[27]，區(qū)域性的數(shù)據(jù)集，如NCDC的USHCN（US Historical Climate Network）[28]，加拿大的AHCCD（Adjusted and Homogenized Canadian Climate Data）[23]等。此外，NCDC的高空均一性氣溫數(shù)據(jù)集、全球海表氣溫數(shù)據(jù)集，英國氣象局Hadley中心的HadAT[29]、HadSST[30-31]等全球性的高空、海洋氣候數(shù)據(jù)集產(chǎn)品也得到了廣泛的關(guān)注。

21世紀前10年以來，稱為氣候數(shù)據(jù)均一化技術(shù)發(fā)展與第二代均一化數(shù)據(jù)集研發(fā)時期。傳統(tǒng)的均一化數(shù)據(jù)產(chǎn)品已經(jīng)基本滿足長期氣候變化趨勢的檢測需要，不斷加劇的極端氣候事件及其長期變化的研究迫切得到均一化的逐日資料。但由于逐日資料的隨機性大，傳統(tǒng)的氣候資料均一性方法難以奏效。因此，近10多年來，許多國家的專家開始探討逐日氣候資料的均一化方法，提出了一系列關(guān)于逐日氣候要素均一性檢驗的方法，得到了比較廣泛的應(yīng)用[6,32-38]。一些國家的數(shù)據(jù)中心或者研究機構(gòu)研制了均一化的逐日數(shù)據(jù)集產(chǎn)品。迄今為止，已有澳大利亞、加拿大和中國在國際主流期刊上發(fā)表了本國基于逐日氣溫序列的均一性檢驗基礎(chǔ)上的第二代均一化氣溫數(shù)據(jù)集產(chǎn)品[39-41]。2009年“氣候門”事件以后，由NCDC、Hadley中心聯(lián)合發(fā)起了國際地面氣溫數(shù)據(jù)集計劃ISTI（International Surface Temperature Initiative）[42]，旨在推出第二代的全球氣溫數(shù)據(jù)集產(chǎn)品。此外，美國Berkeley的一個以物理學家、統(tǒng)計學家、氣象學家為主組成的小組，也研發(fā)了一套全球氣溫數(shù)據(jù)集產(chǎn)品并已被IPCC AR5所引用評述[43]。

2　中國氣候資料的均一性狀況以及研究的差距

盡管我國專家注意到這個問題較早，但中國氣候觀測資料的均一性狀況并不樂觀。研究人員從上述第二個階段加入了相關(guān)研究行列，通過近20多年的努力，研制了一些均一性數(shù)據(jù)產(chǎn)品，并得到了國際同行的廣泛關(guān)注。但實事求是地講，無論從研究的系統(tǒng)性上，還是從產(chǎn)品的豐富性上講，還存在著不小的差距和不足。

2.1地面資料

圖2是貴陽站（貴州也是近年被認為臺站環(huán)境破壞較為突出的省份）年平均最高、最低氣溫訂正前、后的變化序列（這個站的站址在1999年從城區(qū)貴陽站遷到了市郊東山上）。顯然，訂正前，無論是年均最高氣溫序列，還是最低氣溫序列，其60年變化趨勢都是負值，但均一性訂正后的序列則明顯呈現(xiàn)升溫趨勢。據(jù)統(tǒng)計全國大約35%左右的基本和基準站因為遷址而導致氣溫序列出現(xiàn)非均一性[41,44]?；谏鲜?，2006年，中國氣象局發(fā)布了我國第一個均一化的氣溫數(shù)據(jù)集CHHT1.0[32]，并且在2013年完成了該數(shù)據(jù)集的升級更新[41]。國內(nèi)一批大專院校、科研院所專家也不斷認識到其重要性，并參與到了氣候序列均一性研究的行列[45-66]。但客觀地講，大部分的研究在研究的深度和廣度上還有較大的差距，研究方法和思路上仍然有待于進一步成熟和完善。

圖2　訂正前（紅色）、后（黑色）的貴陽站1951—2011年年平均最高（a）、最低氣溫（b）變化序列［41］Fig. 2 Raw （red） and adjusted （black） annual mean maximum （a） and minimum temperature （b） series during 1951-2011 at Guiyang station［41］

2.2探空資料

我國的探空資料非均一性問題似乎更加突出。不同于地面資料，探空資料的非均一性主要來源于幾個方面：儀器的變化、輻射訂正、計算方法的改變等。Zhai等[67]、翟盤茂[68]較早對我國高空資料的均一性問題進行了討論；郭艷君等[69]、Guo等[70]、陳哲等[71]采用多種方法對高空氣溫數(shù)據(jù)進行了訂正，并分別用均一性訂正前、后的高空氣溫數(shù)據(jù)計算了中國（分為5個區(qū)域）近50年高空氣溫變化幅度，發(fā)現(xiàn)訂正前、后溫度變化趨勢存在著較大的差距，各個區(qū)域也存在明顯差異。

2010年以來，國家氣象信息中心對全國近60年來的200多個探空站報表信息化資料進行了全方位的質(zhì)量梳理，首次完成了我國真正意義上基于高空報表的歷史探空資料檔案。通過查閱臺站元數(shù)據(jù)，發(fā)現(xiàn)1964年高空觀測規(guī)范的修改，對位勢高度的計算精確度有明顯提升。換言之，1964年之前的位勢高度資料則明顯存在非均一性（圖3）。

圖3　我國高空探測位勢高度數(shù)據(jù)逐年（a）、在各規(guī)定層（b）的錯誤率分布Fig. 3 Error rate distribution for upper air potential height data in each year （a） and mandatories layer （b） over China

Zhao等[72]對1951—2009年高空濕度資料進行了均一性研究。此外，近年我國探空系統(tǒng)的濕度傳感器從59型探空儀的腸膜濕元件改為L波段電子探空儀的碳濕敏碳質(zhì)電阻后，雖然敏感度極大提高，滯后誤差明顯減小，但是在中低空經(jīng)常出現(xiàn)極度偏干的現(xiàn)象，而且偏干層的厚度很大（圖4a）。這主要是濕度傳感器的性能造成的問題，并與濕度傳感器穿過的云型特點有關(guān)[73]。顯然，這也會導致L波段換型后的濕度觀測的非均一性（圖4b）[74]。

圖4?。╝）中國91個L波段探空站2008年12月—2009年11月相對濕度觀測異常偏干樣本總數(shù)和出現(xiàn)層次［73］；（b）嫩江站00時的逐月溫度露點差與20世紀再分析差值序列［74］Fig. 4 （a） The total number of samples and occurrence layers of abnormally dry in relative humidity at 91 L-band radiosonde station during Dec 2008 to Nov 2009［73］；（b） Series of monthly differences between depression of the dew point observed at 00UTC， Nenjiang Station and the reanalysis of 20CR［74］

2.3輻射資料

輻射資料對于全球和區(qū)域氣候變化的能量平衡和輸送的研究至關(guān)重要，但它同樣存在明顯的非均一性。鞠曉慧等[75]曾利用觀測站網(wǎng)密度明顯高于輻射站網(wǎng)的日照時數(shù)資料作為參考，對全國100來個站的總輻射資料進行了初步的均一性研究與訂正試驗，但由于畢竟是不同要素之間互為參考，其訂正的精確性有待于提高。最近的分析表明，全國和區(qū)域平均輻射資料計算的輻射變化序列（曲線），明顯無法代表全國（或者區(qū)域性）的真實氣候變化特征[76-77]，需要很好地加以分析和研究。

3　當前氣候資料的均一性研究的難點

3.1氣候資料的均一性研究技術(shù)發(fā)展

一般來說，氣候資料非均一性處理技術(shù)包括兩個步驟：一是檢驗，即發(fā)現(xiàn)資料序列的非均一性位置和幅度；二是訂正（或更準確地稱之為“調(diào)整”），即處理或去除這種序列中非均一性。從方法上，氣候資料均一性檢驗有兩種方法：主觀方法和客觀方法。主觀方法主要通過元數(shù)據(jù)信息和簡單的主觀對比，采用主觀調(diào)整的方法進行斷點的檢查與訂正，并直觀地判斷序列產(chǎn)生非均一性變點的時間及原因。然而，受歷史多種因素影響，詳盡的臺站元數(shù)據(jù)信息很難獲取，因此，采取一定的統(tǒng)計量和顯著性檢驗為工具，對序列中的非均一性（不連續(xù)性）信號進行檢測，使得其在統(tǒng)計上體現(xiàn)出來的客觀方法被越來越多的科學家采用[2,5]。

WMO氣候?qū)W委員會（CCl）推薦的客觀方法有10多種，每一種具有各自的特點和優(yōu)勢。近年來，中國專家也提出了一些方法[46,48,56]。目前應(yīng)用比較廣泛、檢驗精度優(yōu)勢較明顯的幾種方法有：標準正態(tài)檢驗（SNHT）[19]、二項回歸技術(shù)（TPR）[15,20]、多元線性回歸（MLR）[23]和序列均一性多元分析（MASH）[55]等，但這些方法也隨著均一性研究精度要求的提高不斷得以發(fā)展，形成了一系列更為完善的均一性檢驗方法、思路和軟件[78-87]，但解決氣候資料非均一性的研究方法還遠未完美。

國際上有人把氣候資料均一性研究工具歸納為三個要素：1）元數(shù)據(jù)；2）數(shù)學（統(tǒng)計）；3）軟件。并且用很形象的比喻說明了三者的相互依存關(guān)系：沒有元數(shù)據(jù)，氣候資料均一化是一種“賭博”，沒有數(shù)學（統(tǒng)計）理論支撐，則它是“石器時代”+“比爾·蓋茨”，沒有一套好用的軟件，則只能是“坐而論道”，毫無裨益[88-91]。

3.2當前氣候資料均一性研究的幾個關(guān)鍵問題

3.2.1均一性檢驗與訂正的不確定性問題

1）非均一性信號的辨識困難。氣候資料序列中的長期變化信號可能是非均一性，但也可能僅是局地氣候的一個階段性突變，非均一性的幅度有時和真實氣候變化的數(shù)量級相同甚至更小。根據(jù)是否使用參考序列，可以將均一性檢驗的數(shù)學統(tǒng)計方法分為絕對方法和相對方法。絕對方法中，統(tǒng)計檢驗獨立應(yīng)用于各個臺站，相對方法中應(yīng)用臨近站（或參考站，假設(shè)均一）的記錄參與均一性的檢驗。兩種方法都有一定意義，但也都有其不足。絕對方法必須依賴于非常詳盡的臺站歷史元數(shù)據(jù)的記錄，以支持對可能不連續(xù)點的驗證和檢驗；然而，如果觀測站網(wǎng)等同時變化就會產(chǎn)生問題，如觀測方法同期改變，使得所有序列同時受到影響，相對方法就檢驗不出來。

2）氣候序列訂正的不確定性。目前大多數(shù)、且最可靠的均一性檢驗與訂正仍然是建立在有效參考序列的基礎(chǔ)上，好的參考序列應(yīng)該是均一性的，并且與要檢驗的目標序列高度相關(guān)。在斷點的驗證環(huán)節(jié)，專家經(jīng)驗和認識往往非常重要，訂正的方法也不完全一致（目前可能采取的方法有平均值訂正和分位數(shù)概率匹配方法）。因此，從這個角度上講，不同的研究者（團隊）對同一個氣候序列的均一性訂正可能是有一定差異的，當然，這種差異范圍應(yīng)該是有一定限度的。

3）訂正后序列的驗證。氣候序列均一性訂正序列的檢驗也只能依賴于周圍參考站點，或者其他類型的氣候數(shù)據(jù)（事實上，均一性的器測氣候資料才是其他所有氣候資料的檢驗的“基準”數(shù)據(jù)）。缺乏檢驗的“真實值”是其一個重要的特點。目前在氣候資料均一性研究中，參考數(shù)據(jù)可以是周圍的高相關(guān)站點序列（最常用），高相關(guān)的不同要素（如總輻射和日照時數(shù)）以及完全不同的氣候資料種類（如大氣再分析數(shù)據(jù)，衛(wèi)星遙感氣候序列，多源資料融合分析序列等），但無論是哪種參考序列，都不能100%代表真實的氣候序列。對于氣候資料均一化效果的檢驗，盡管產(chǎn)品研發(fā)者自身評估是非常有必要的，但實際很多時候只能是通過在實踐中得到用戶的檢驗。

3.2.2緩慢變化的非均一性信號檢測和去除問題

由于氣象站點受到城市化的影響，許多站點需要遷址到郊區(qū)，甚至野外，導致這兩段觀測資料序列無法連接使用。另外，一些站點雖然沒有遷址，但環(huán)境變化導致站點位置已經(jīng)嚴重城市化，其觀測序列也顯然無法反映當?shù)氐恼鎸崥夂蛱攸c。這些都是由于城市化導致氣候資料非均一性的表現(xiàn)。因此，我國氣候資料中城市化信號的檢測和處理，已經(jīng)成為需要解決的當務(wù)之急。

城市化信號不同于前面所述的突然變化的非均一性信號，其檢測和處理均存在相當大的難度[69]。其中最突出的是兩方面：1）對城市化影響的評估方法比較單一。以往很多研究采用人口數(shù)據(jù)作為城市鄉(xiāng)村站的劃分依據(jù)[18,21]。而Balling等[92]研究指出，即使是人口少于1000人的城市，城市化影響也顯著存在。許多研究者用到了衛(wèi)星觀測的夜間燈光來對城鄉(xiāng)臺站進行劃分[93-95]，但考慮到中國經(jīng)濟發(fā)展水平很不平衡，生活習慣、能源節(jié)約意識等因素對這種指標也帶來很多偏差。對于城市化量度指標的選取也直接影響到研究結(jié)論[96]，等等；2）對城市化的影響幅度的研究也受到參考資料的限制。國內(nèi)外很多研究者考慮了將高空資料[97]、衛(wèi)星資料[98-102]、再分析資料[103]、甚至海溫資料[104]作為對比的參考。但不管哪種資料，均有其優(yōu)勢和不足，因此研究結(jié)論中存在的不確定性還非常大。最近我們研究[105]指出：城市化對平均氣溫變化和對極端氣溫變化的影響幅度和方式也存在較大的差別，更顯示了這個問題的復雜性。

3.2.3高時間分辨率的氣候資料的非均一性問題

目前的氣候資料均一性研究思路，主要是從年尺度—月尺度的方式進行（對于月以下尺度，多以統(tǒng)計平滑插值為主），月及月以下尺度的均一性檢驗方法也是目前需要發(fā)展的主要方向之一。但隨著時間分辨率的增加，序列的隨機性、波動性明顯加大，勢必給傳統(tǒng)的均一性檢驗的統(tǒng)計方法帶來挑戰(zhàn)。因此對高分辨的氣候資料進行系統(tǒng)的均一性處理，也是當前均一性研究中的難題之一。

3.2.4不同要素均一化氣候資料的相互匹配問題

對于不同的氣候要素，其概率分布類型、空間分布結(jié)構(gòu)等均有所差異，非均一性斷點位置也難以完全統(tǒng)一。這就可能導致不同氣候要素經(jīng)過均一化以后，其內(nèi)部一致性可能會受到破壞。比如在對平均氣溫、平均最高氣溫、最低氣溫分別進行均一性檢驗并訂正后，可能出現(xiàn)最高氣溫比最低氣溫更低的情況；對高空、輻射資料進行單個要素均一化以后，彼此的計算或物理關(guān)系等也可能被打破，等等。這些現(xiàn)象都可以認為是“人為”地引入了新的非均一性，這是在均一性研究，特別是訂正和調(diào)整中必須注意和避免的問題。

4　結(jié)語與未來展望

綜上所述，對于氣候資料均一性研究，我們有如下幾點認識：

1）氣候資料均一化工作是一項重要的基礎(chǔ)性、研究型業(yè)務(wù)工作。氣象部門肩負著長期天氣與氣候觀測的職責，同樣承擔著保障氣象數(shù)據(jù)的準確性的職責。其在原始資料及其元數(shù)據(jù)收集等方面有著無法比擬的優(yōu)勢，而研究院所、高校則具有開展相關(guān)研究的人才和技術(shù)優(yōu)勢。因此，需強化頂層設(shè)計，從國家需求層面統(tǒng)籌考慮，凝聚一支穩(wěn)定的較高水平技術(shù)隊伍，有計劃、分步驟地推進我國氣候資料的均一性研究和業(yè)務(wù)轉(zhuǎn)化工作。

2）氣候資料均一性研究兼具一定科學和技術(shù)難度。2011年，Science雜志數(shù)據(jù)專輯社論[106]指出：“數(shù)據(jù)驅(qū)動著科學發(fā)展”。數(shù)據(jù)產(chǎn)品研發(fā)者所具有的相關(guān)科學素養(yǎng)，往往直接決定了其研發(fā)數(shù)據(jù)產(chǎn)品的質(zhì)量水平，不當?shù)臄?shù)據(jù)往往導致相當長時期對科學事實的歪曲。氣候資料均一性研究及全球和區(qū)域高質(zhì)量數(shù)據(jù)產(chǎn)品研發(fā)所涉及研究范圍較為廣泛，有的甚至還是當前國際上的前沿科學和技術(shù)問題，具有相當?shù)碾y度；長期以來在氣候資料處理領(lǐng)域技術(shù)發(fā)展的滯后，導致我國目前仍以依賴國外的模型、方法甚至軟件為主，也在一定程度上制約了相關(guān)工作的發(fā)展進程。

3）我國氣候資料均一性研究任重道遠。在我國，對氣候數(shù)據(jù)的訂正調(diào)整的效果和意義目前還未在大范圍的資料用戶、甚至行業(yè)專家內(nèi)部得到充分理解和正確認識，一些較粗糙的資料訂正也影響了研究者對此的信心。氣候資料均一性研究需要以科學研究與技術(shù)創(chuàng)新為基礎(chǔ)，抓住第二代氣候數(shù)據(jù)產(chǎn)品的研發(fā)浪潮的有利時機，將傳統(tǒng)的氣候資料處理加工和現(xiàn)代氣象數(shù)據(jù)研究技術(shù)緊密結(jié)合，充分考慮我國的實際情況和外部條件，對我國氣候資料開展系統(tǒng)的研究，系統(tǒng)研發(fā)中國區(qū)域乃至全球高質(zhì)量的氣候數(shù)據(jù)產(chǎn)品，提高我國在氣候數(shù)據(jù)和氣候變化領(lǐng)域的競爭力和話語權(quán)。

今天，隨著全球氣象觀測網(wǎng)絡(luò)的不斷完善，天氣、氣候數(shù)據(jù)處理技術(shù)的不斷發(fā)展，從最初的現(xiàn)場觀測的基準氣候序列，到遙感、多源數(shù)據(jù)融合再分析氣候數(shù)據(jù)，歷史氣候模擬與長期預估數(shù)據(jù)等，氣候資料均一性的內(nèi)涵和涉及范圍也得到了不斷豐富和擴展，它成為了所有氣候資料的關(guān)鍵處理環(huán)節(jié)與核心理念。加強各類氣候資料的均一性管理與保障，將有助于帶動我國整個氣象資料及相關(guān)業(yè)務(wù)、研究與服務(wù)能力上一個新臺階。

［1］ Heino Raino. Metadata and their role inhomogendeity. // Proceedings of the First Seminar for Homogenlzatlon of Surface Climatologlcal Data ， 1997.

［2］李慶祥， 劉小寧， 張洪政， 等. 定點觀測氣候序列的均一性研究. 氣象科技， 2003，31（1）：3-11.

［3］Aguilar E I， Brunet A M， et al. Guidelines on climate metadata and homogenization. WMO-TD No. 1186， WCDMP No. 53. 2003.

［4］李慶祥， 董文杰， 李偉， 等. 近百年中國氣溫變化中的不確定性估計. 科學通報， 2010， 55（16）： 1544-1554.

［5］Peterson T C， Easterling D R， Karl T R， et al. Homogeneity adjustments of in situ atmospheric climate data： A review. Int J Climatol， 1998， 18： 1493-1517.

［6］Trewin B C. Exposure， instrumentation， and observing practice effects on land temperature measurements. Wiley Interdisciplinary Reviews： Climate Change， 2010， 1： 490-506.

［7］Alter J C. Shielded storage precipitation gauges. Mon Wea Rev，1937， 65： 262-265.

［8］Riesbol H S. Results from the experimental rain gages at Coshocton，Ohio. Trans AGU Hydrol， 1938， 542-550.

［9］Kohler M A. Double-mass analysis for testing the consistency of records and for making adjustments. Bull Amer Meteorol Soc， 1949，30： 188-189.

［10］Larson L W， Peck E L. Accuracy of precipitation measurements for hydrologic modelling. Water Resour Res， 1974， 10： 857-863.

［11］Craddock J M. Methods of comparing annual rainfall records for climatic purposes. Weather， 1979， 34： 332-346.

［12］Potter K W. Illustration of a new test for detecting a shift in mean in precipitation series. Mon Wea Rev， 1981， 109： 2040-2045.

［13］Large W G.， Pond S. Sensible and latent heat flux measurements over the ocean. J Phys Oceanogr， 1982，12： 464-482.

［14］Barnett T P. Long-term trends in surface temperature over the oceans. Mon Wea Rev， 1984， 112： 303-312.

［15］Solow A. Testing for climatic change： an application of the two -phase regression model. J Climate Appl Meteor， 1987， 26：1401-1405.

［16］Quayle R G， Easterling D R， Karl T R， et al. Effects of recent thermometer changes in the cooperative station network. Bull Amer Meteor Soc， 1991，72： 1718-1724.

［17］Karl T R， Williams C N. An approach to adjusting climatological time series for discontinuous inhomogeneities. Journal of Climate and Applied Meteorology， 1987， 26： 1744-1763.

［18］Karl T R， Diaz H F， Kukla G. Urbanization： its detection and effect in the United States climate record. Journal of Climatology，1988， 1： 1099-1123.

［19］Alexandersson H. A homogeneity test applied to precipitation data. J Climatol， 1986， 6： 661-675.

［20］Easterling D R， Peterson T C.， A new method for detecting and adjusting for undocumented discontinuities in climatological time series. Int J Climatol， 1995， 15： 369-377.

［21］Jones P D， Groisman P Y， Coughlan M， et al.， Assessment of urbanization effects in time series of surface air temperature over land. Nature， 1990， 347（653）： 169-172.

［22］Jones P D， Hulme M. Calculating regional climatic time series for temperature and precipitation： methods and illustrations. Int J Climatol， 1996， 16： 361-377.

［23］Vincent L. A technique for the identification of inhomogeneities in Canadian temperature series. J Climate， 1998， 11： 1094-1104.

［24］Wijngaard J B， Klein Tank A M G， K?nnen G P. Homogeneity of 20th century European daily temperature and precipitation series. Int J Climatol， 2003， 23： 679-692.

［25］Jones P D， Raper S C B， Santer B， et al. A grid point surface air temperature data set for the Northern Hemisphere. US Dept of Energy， DOE/EV/10098-2， Washington， D.C. 1985.

［26］Peterson T C， Vose R S. An overview of the global historical climatology network temperature database. Bulletin of the American Meteorological Society， 1997， 78： 2837-2849.

［27］Hansen J， Ruedy R， Glascoe J， et al. GISS analysis of surface temperature change. J Geophys Res， 1999， 104： 30997-31022.

［28］Karl T R， Williams C N， Quinlan F T， et al. United States historical climatology network （HCN） serial temperature and precipitation data. Environmental Science Division， Publication No. 3404， Carbon Dioxide Information and Analysis Center， Oak Ridge National Laboratory， Oak Ridge， TN， 1990.

［29］Parker D E， Gordon M， Cullum D P N， et al. A new gridded radiosonde temperature data base and recent temperature trends. Geophys Res Letters， 1997， 24： 1499-1503.

［30］Kennedy J J， Rayner N A， Smith R O， et al. Reassessing biases and other uncertainties in sea-surface temperature observations since 1850 part 1： measurement and sampling errors. J Geophys Res，2011， 116， D14103.

［31］Kennedy J J， Rayner N A， Smith R O， et al. Reassessing biases and other uncertainties in sea-surface temperature observations since 1850 part 2： biases and homogenisation. J Geophys Res， 2011， 116，D14104.

［32］Li Q， Zhang H， Chen J， et al. A mainland China homogenized temperature dataset of 1951-2004. Bull Amer Met Soc， 2009， 90：1062-1065.

［33］Brandsma T， K?nnen G P. Application of nearest neighbor resampling techniques for homogenizing temperature records on a daily to sub-daily level. Int J Climatol， 2006， 26： 75-89.

［34］Della-Marta P M， Wanner H. A method of homogenizing the extremes and means of daily temperature measurements. J climate，2006， 4179-4197.

［35］Ducre-Robitaille J F， Vincent L A， Boulet G. Comparison of techniques for detection of discontinuities in temperature series. Int J Climatol， 2003， 23： 1087-1101.

［36］Wang X L. A quantile matching adjustment algorithm for Gaussian data series. Climate Research Division， Atmospheric Science and Technology Directorate， Science and Technology Branch， Environment Canada， 2009.

［37］Wang X L， Chen H， Wu Y， et al. New techniques for detection and adjustment of shifts in daily precipitation data series. J Appl Meteorol Clim， 2010， 49： 2416-2436.

［38］Li Z， Yan Z， Cao L， et al. Adjusting inhomogeneous daily temperature variability using wavelet analysis. Int J Climatology，2013， 25： 157-163.

［39］Trewin B C. A daily homogenized temperature data set for Australia. Int J Climatol， 2013， 33： 1510-1529.

［40］Vincent L A， Wang X L， Milewska E J， et al. A second generation of homogenized Canadian monthly surface air temperature for climate trend analysis. J Geophys Res： Atmopsheres， 2012， 117，D18110.

［41］Xu W H， Li Q X， Wang X L， et al. Homogenization of Chinese daily surface air temperatures and analysis of trends in the extreme temperature indices. J Geophys Res： Atmos， 2013， 118： 1-13.

［42］Rennie J J， Lawrimore J H， Gleason B E， et al. The international surface temperature initiative global land surface databank：monthly temperature data release description and methods. Geosci Data J， 2014. doi： 10.1002/gdj3.8.

［43］Rohde R， et al. Berkeley earth temperature averaging process. Geoinfor Geostat： An Overview. 2013.

［44］Li Q， Liu X， Zhang H， et al. Detecting and adjusting on temporal in homogeneities in Chinese mean surface air temperature datasets. Adv Atmos Sci， 2004， 21： 260-268.

［45］Yan Z W， Yang C， Jones P. Influence of inhomogeneity on the estimation of mean and extreme temperature trends in Beijing and Shanghai. Adv Atmos Sci， 2001， 18 （3）： 309-321.

［46］Yan Z W， Jones P. Detecting inhomogeneity in daily climate series using wavelet analysis. Adv Atmos Sci， 2008， 25： 157-163.

［47］Feng S， Hu Q， Qian W. Quality control of daily meteorological data in China， 1951-2000： A new dataset. Int J Climatol， 2004， 24：853 - 870.

［48］黃嘉佑， 李慶祥. 一種診斷序列非均一性的新方法. 高原氣象，2007，26（1）： 62-66.

［49］江志紅，黃群，李慶祥. 近50年中國降水序列均一性檢驗與訂正研究. 氣候與環(huán)境研究， 2008， 13（1）： 67-74.

［50］Li Z， Yan Z， Tu K， et al. Changes in wind speed and extremes in Beijing during 1960-2008 based on homogenized observations. Advances in Atmospheric Sciences， 2010， 27. doi： 10.1007/s00376-010-0018-z.

［51］Li Z， Yan Z， Cao L J， et al. Adjusting inhomogeneous daily temperature variability using wavelet analysis. Int J Climatol， 2014，34： 1196-1207

［52］Li Z， Yan Z. Application of multiple analysis of series for homogenization （MASH） to Beijing daily air temperature series 1960-2006. Advances in Atmospheric Sciences， 2010， 27（4）：777-787.

［53］You Q， Kang S， Aguilar E， et al. Changes in daily climate extremes in China and its connection to the large scale atmospheric circulation during 1961-2003. Climate Dynamics， 2011，36（11）：2399-2417.

［54］周建平， 孫照渤， 李忠賢， 等. 中國氣象臺站遷移對年平均氣溫均一性的影響. 大氣科學學報， 2013， 36（2 ）： 139-146.

［55］Szentimrey T. Multiple analysis of series for homogenization（MASH）. Proc Second Seminar for Homogenization of Surface Climatological Data， Budapest， Hungary， WMO-TD No. 962，WCDMP No.41， 1999.

［56］Li Z， Yan Z. Homogenized China daily mean/maximum/minimum temperature series 1960-2008. Atmos Ocean Sci Lett， 2009， 2：237-243， 558.

［57］劉小寧， 孫安健. 年降水量序列非均一性檢驗方法探討. 氣象，1995， 21 （8）： 3-6.

［58］宋超輝， 孫安健. 非均一性氣溫氣候序列訂正方法的研究. 高原氣象， 1995， 14（2）： 215-220.

［59］孫秀寶， 任國玉， 任芝花， 等. 風速變形誤差對冬季降雪測量及其趨勢估算的影響. 氣候與環(huán)境研究， 2013， 18（2）： 178-186.

［60］曹麗娟， 嚴中偉. 地面氣候資料均一性研究進展. 氣候變化研究進展. 2011， 7（2）： 129-135.

［61］吳必文， 溫華洋， 惠軍. 基于Γ分布的氣壓序列非均一性檢驗方法初探. 應(yīng)用氣象學報， 2008， 19（4）： 496-501.

［62］楊溯， 李慶祥. 中國降水序列均一性研究方法及數(shù)據(jù)集更新完善. 氣候變化研究進展， 2014， 10（4）： 276-281.

［63］李慶祥， 江志紅， 黃群， 等. 長江三角洲地區(qū)降水資料的均一性檢驗與訂正試驗. 應(yīng)用氣象學報， 2008， 19（2）： 219-226.

［64］李慶祥. 定點氣候資料均一性研究. 北京： 氣象出版社， 2011.

［65］Li Q， Dong W. Detection and adjustment of undocumented discontinuities in Chinese temperature series using a composite approach. Adv Atmos Sci， 2009， 26（1）： 143-153.

［66］Li Q， Peng J， Shen Y. Development of China homogenized monthly precipitation dataset during 1900-2009. J Geophy Sci，2012， 22（4）： 579-593.

［67］Zhai P M， Eskridge R E. Analysis of inhomogeneities in radiosonde and humidity time series. Int J Climatol， 1996， 9：884-894.

［68］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）： 563-572.

［69］郭艷君，李慶祥，丁一匯. 探空資料中的人為誤差對中國溫度長期變化趨勢的影響.大氣科學，2009， 33（6）： 1309-1318

［70］Guo Y， Ding Y. Long-term free-atmosphere temperature trends in China derived from homogenized in situ radiosonde temperature series. J Climate， 2009， 22： 1037-1051.

［71］陳哲， 楊溯. 1979—2012中國探空溫度資料中非均一性問題的檢驗與分析. 氣象學報， 2014， 72（4）： 794-804.

［72］Zhao T， Dai A， Wang J. Trends in tropospheric humidity from 1970 to 2008 over China from a homogenized radiosonde dataset. J Climate， 2012， 25： 4549-4567.

［73］唐南軍. L波段探空系統(tǒng)相對濕度的觀測誤差特征. 南京： 南京信息工程大學， 2013.

［74］陳哲， 吳茜， 熊安元， 等. 中國探空位勢高度資料的非均一性檢驗與訂正. 氣象， 2013， 39（10）： 1337 -1343.

［75］鞠曉慧， 屠其璞， 李慶祥. 我國太陽總輻射月總量資料的均一性檢驗及訂正. 南京氣象學院學報， 2006， 29（3）： 336-341.

［76］Wang K. Measurement biases explain discrepancies between the observed and simulated decadal variability of surface incident solar radiation. Scientific Reports， 2014， 4， 6144.

［77］Li Q， Yang S， Xu W， et al. China experiences the recent warming hiatus. Geophys Res Lett， 2014， 42： 889-898.

［78］Alexanderson H， Moberg A. Homogenization of Swedish temperature data. Part 1： Homogeneity Test for Linear Trends. Int J Climatol， 1997， 17： 25-34.

［79］Alexanderson H， Moberg A. Homogenization of Swedish temperature data. Part 2： Homogenenized gridded air temperature compared with a subset of global gridded air temperature since 1861. Int J Climatol， 1997， 17： 35-54.

［80］Reeves J， Chen J， Wang X L. A review and comparison of changepoint detection techniques for climate data. J Appl Meteor Climatol， 2007， 46： 900-915.

［81］Lund R， Reeves J. Detection of undocumented change points：a revision of the two-phase regression model. J Clim， 2002， 15：2547-2554.

［82］Wang X L. Comments on ‘‘Detection of undocumented changepoints： a revision of the two-phase regression model''. J Clim， 2003， 16： 3383-3385.

［83］Venema V， Mestre O， Aguilar E， et al. Benchmarking monthly homogenization algorithms. Climate of the Past， 2012， 8： 89-115.

［84］Menne M J， Williams C N. Detecting of undocumented change points： on the use of multiple test statistics and composite reference series. Journal of Climate. 2005， 18： 4271-4286.

［85］Wang X L， Wen Q H， Wu Y. Penalized maximal t test for detecting undocumented mean change in climate data series. J Appl Biomech， 2007， 46： 916-931.

［86］Wang X L. Penalized maximal F-test for detecting undocumented mean-shifts without trend change. J Atmos Oceanic Tech， 2008，25：368-384.

［87］Wang X L. Accounting for autocorrelation in detecting meanshifts in climate data series using the penalized maximal t or F test. J Appl Meteor Climatol， 2008， 47： 2423-2444.

［88］WMO-TD No. 1236. Fourth seminar for homogenization and quality control in climatological databases. Budapest， Hungary，6-10， 2003

［89］IPCC. Climate change 2001： the scientific basis. Contribution of Working Group I to the Third Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge， United Kingdom and New York， NY： Cambridge University Press， 2001.

［90］IPCC. Climate change 2007： the physical science basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change （IPCC）. Cambridge， United Kingdom and New York， NY： Cambridge University Press， 2007.

［91］IPCC. The physical science basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge， United Kingdom and New York，NY： Cambridge University Press， 2013.

［92］Balling Jr R C， Idso S B. Historical temperature trends in the United States and the effect of urban population growth. J Geo Res， 1989， 94（D3）： 3359-3363.

［93］Peterson T C. Assessment of urban versus rural in situ surface temperatures in the contiguous United States： No difference found. J Climate， 2003， 16（18）： 2941-2959.

［94］Owen T W， Gallo K P， Elvidge C D， et al. Using DMSP-OLS light frequency data to categorize urban environments associated with U.S. climate observing stations. Int J Remot， 1998， 19（17）：3451—3456.

［95］Yang X C， Hou Y L， Chen B D. Observed Surface Warming Induced by Urbanization in East China. J Geophys Res， 2011， 116，D14113.

［96］Hansen J E， Sato R M， Imhoff M， et al. A closer look at United States and global surface temperature change. J Geophys Res，2001， 106： 23947-23963.

［97］黃嘉佑， 劉小寧， 李慶祥. 中國南方沿海地區(qū)城市熱島效應(yīng)與人口的關(guān)系研究. 熱帶氣象學報， 2004， 20（6）： 713-722.

［98］Gallo K P， Mcnab A L， Karl T R， et al. The use of NOAA AVHRR data for assessment of the urban heat island effect. J Appl Met，1993， 32（5）： 899-908.

［99］Gallo K P， Easterling D R， Peterson T C. The influence of land use/land cover on climatological values of the diurnal temperature range. J Climate， 1996， 9（11）： 2941-2944.

［100］Gallo K P， Tarpley J D. The comparison of vegetation index and surface temperature composites for urban heat-island analysis. Int J Remote Sens， 1996， 17（15）： 3071-3076.

［101］Gallo K P， Owen T W. Satellite-based adjustments for the urban heat island temperature bias. J Appl Met， 1999， 38（6）： 806-813.

［102］Epperson D L， Davis J M， Bloomfield P， et al. Estimating the urban bias of surface shelter temperatures using upper-air and satellite data. PartⅠ： Development of models predicting surface shelter temperatures. J Appl Met， 1995， 34（2）： 340-357.

［103］Kalnay E， Cai M. Impact of urbanization and land-use change on climate. Nature， 2003， 423（6939）： 528-531.

［104］Jones P D， Lister D H， Li Q. Urbanization effects in large-scale temperature records， with an emphasis on China. J Geophys Res，2008， 113， D16122.

［105］Li Q， Huang J， Jiang Z， et al. Detection of urbanization signals in extreme winter minimum temperature changes over northern China. Climatic Change， 2014， 122： 595-608.

［106］Hanson B， Sugden A， Alberts B. Making data maximally available. Science， 2011， 331： 649.

Climate Data Homogeneity Studies in China: Progresses and Prospects

Li Qingxiang
（National Meteorological Information Centre， Beijing， 100081）

The homogenous climate data is the foundation of meteorological research, operation and services. This paper introduces the basic concept, the scope, main reasons of the data inhomogeneityand the importance to solve the problem in China. Firstly, we introduce the development history and the current progresses in the field of climate data homogenization, and point out that the development boom of the second generation data products, which is featured by the high temporal and spatial resolutions in meteorological data, will bring good opportunities and severe challenges to climate data homogenization studies； then， we summarize the related researches on three kinds of climate data （surface， radiosondes and radiation） and present the existing gaps and deficiencies in China on the depth and breadth of research in related fields， and point out the needs to solve the key problems in science and technology. Finally,we suggest how to correctly understand and deepen climate data homogenization studies, and how to strengthen the climate data product research and development, so that we may step forward a new stage of the climate data products development and of management level in China.

climate data, homogeneity, climate change, urbanization, the second generation of data products

10.3969/j.issn.2095-1973.2016.03.009

2014年10月13日；

2015年8月12日

李慶祥（1973—），Email: liqx@cma.gov.cn

資助信息： 中國氣象局氣候變化專項項目（CCSF201338）