删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

基于MASH方法进一步修正的中国中东部长期均一化气温序列集

本站小编 Free考研/2020-05-27

长期的均一化观测序列对于气候变化的准确评估和归因至关重要。然而,我国多数气象台站受到了台站迁址、仪器换型、环境变迁等非自然因素的影响,造成观测序列中存在非均一性。近几年,曹丽娟等人利用RHtest方法建立了百年来中国32站均一化逐月气温序列集,改善了气候变化研究的数据基础。但这套数据集中仍然存在非均一性,主要原因有:过于严格的数据处理先决条件,如:检测到的间断点必须有元数据支持;1950年之前多数台站在订正时无参考序列;不完整的元数据信息,特别是1950年之前,这可能使得一些间断点被忽略的可能性进一步增大。因此,有必要对这套长期气温集作进一步的修正,这有益于改善中国大尺度气候变化的数据基础。
  中国科学院大气物理研究所李珍副研究员、严中伟研究员、国家气象信息中心曹丽娟正研级高工和东安格利亚大学P. D. Jones教授基于MASH方法对这套数据集中中国中东部28个台站逐月气温序列做了进一步的非均一性修正。结果表明:1924-2016年间28个台站逐月气温记录中,MASH方法检测到33个月值气温记录异常值和152个有意义的间断点。根据MASH估计的逐月气温非均一性值,对5673个月值气温记录做了进一步修正,调整原则是将气温序列中非均一记录订正到最近时段序列水平上。通过对比发现,进一步订正后28个台站1924-2016年年平均气温序列均呈增温趋势且变化趋势范围减小(0.48℃/100年 - 3.57℃/100年)(图1a),而之前数据中长沙和南京站呈现出与周边站不一致的降温趋势(-0.23℃/100年- 4.02℃/100年)(图1b)。进一步订正的数据能更好地代表中国过去百年大尺度气候变化空间格局。

图1. 1924-2016年28个台站年平均气温序列线性趋势空间分布图:(a)之前数据、(b)新数据
  论文信息:Li, Z., Z.W. Yan, L.J. Cao, and P. D. Jones, 2018: Further-adjusted long-term temperature series in China based on MASH. Advances in Atmospheric Sciences., 35(8), 909–917, https://doi.org/10.1007/s00376-018-7280-x.
  论文链接:https://link.springer.com/article/10.1007/s00376-018-7280-x
  数据集信息:http://www.sciencedb.cn/dataSet/handle/516
  
  .

附件下载:
相关话题/数据 序列