黑龙江气温资料均一性订正及长期趋势分析.pdf

张瑶,曹丽娟,朱亚妮.2023.黑龙江气温资料均一性订正及长期趋势分析 J.气候与环境研究,28(5):461470.ZHANGYao,CAOLijuan,ZHU Yani.2023.Homogeneity Correction and Long-Term Trend Analysis of Heilongjiang Temperature Data J.Climatic and EnvironmentalResearch(inChinese),28(5):461470.doi:10.3878/j.issn.1006-9585.2022.21146黑龙江气温资料均一性订正及长期趋势分析张瑶1曹丽娟2朱亚妮21黑龙江省气象数据中心，哈尔滨1500302国家气象信息中心，北京100081摘要采用加拿大环境部研发的 RHtests 均一化系统，结合台站详细的历史沿革信息，对 19512019 年黑龙江省 83 个气象台站逐日平均、最高和最低气温进行了均一性检验和订正，与均一化逐日气温数据集（CHTM）进行了对比研制，重点评估了最近 10 年观测仪器换型对资料均一性的影响；基于均一化气温日值数据，统计了黑龙江省极端气温指数：持续冷日日数（CSDI）、霜冻日数（FD）、冰冻日数（ID）和气温日较差（DTR）。结果表明：19512019 年，日平均气温、最高气温和最低气温分别存在 40 个、20 个和 57 个断点，台站迁移、仪器变化和自动观测业务软件升级是造成黑龙江省气温序列非均一的主要原因，订正后的气温序列空间一致性更高，平均气温和最低气温的变化趋势分别由 0.27C/10a 和 0.25C/10a 上升为 0.29C/10a 和 0.27C/10a。黑龙江省 CSDI、FD 和 ID 等极端气温指数均呈明显下降趋势，1998 年中国平均气温出现历史上第二次最热记录，黑龙江省 FD 指数的最低值也出现在 1998 年。黑龙江省平均最高气温升温趋势比平均最低气温升温趋势略小，造成DTR 呈现下降趋势。关键词黑龙江省日值气温订正均一性极端事件文章编号1006-9585(2023)05-0461-10中图分类号P468文献标识码Adoi:10.3878/j.issn.1006-9585.2022.21146Homogeneity Correction and Long-Term Trend Analysis of HeilongjiangTemperature DataZHANGYao1,CAOLijuan2,andZHUYani21Heilongjiang Meteorological Data Center,Harbin 1500302National Meteorological Information Center,China Meteorological Administration,Beijing 100081AbstractUsingcomprehensivemetadata,homogeneitytestandcorrectionswereconductedondailymean,maximum,andminimumtemperaturesat83stationsinHeilongjiangfrom1951to2019.Thepenalizedmaximalt-test(PMT)andpenalizedmaximalF-test(PMF)methodsfromtheRHtestsoftwarepackagedevelopedbyEnvironmentCanadawereemployed.The adjusted series were compared to the CHTM dataset,with a focus on how changes in observationinstrumentsaffecteddatahomogeneityoverthepastdecade.Fromthehomogenizeddailytemperaturedataspanningfrom1951to2019,thefollowingclimateextremeindicesinHeilongjiangwerecalculated:Coldspelldurationindex(CSDI),frostdays(FD),icingdays(ID),anddailytemperaturerange(DTR).Theanalysisidentified40,20,and57changepoints收稿日期2021-08-24；网络预出版日期2022-03-13作者简介张瑶，女，1983 年出生，高级工程师，主要从事气象数据分析处理研究。E-mail:通讯作者曹丽娟，E-mail:资助项目中国气象局创新发展专项“全球关键气候要素长序列数据产品研制”CXFZ2023J049Funded byInnovationandDevelopmentProjectofChinaMeteorologicalAdministration“Developmentofgloballong-termessentialclimatechangedatasets”(GrantCXFZ2023J049)第28卷第5期气候与环境研究Vol.28No.52023年9月ClimaticandEnvironmentalResearchSept.2023indailymean,maximum,andminimumtemperatures,respectively.Theprimaryreasonsfordatadiscontinuitywerestationrelocations,instrumentchanges,andautomaticobservationsoftwareupgrades.Spatialconsistencyimprovedaftercorrectionswereapplied.Afteradjustment,thelong-termtrendsformeanandminimumtemperaturesincreasedfrom0.27C/10aand0.25C/10ato0.29C/10aand0.27C/10a,respectively.TheCSDI,FD,andIDindicesinHeilongjiangdemonstratedasignificantdownwardtrend,aligningwiththenationalclimatewarmingpattern.ThelowestFDindexvalueoccurredin1998,coincidingwithChinassecondhottestrecordedmeantemperature.ThewarmingtrendoftheannualmeanmaximumtemperatureinHeilongjiangwasslightlylessthanthatoftheannualmeanminimumtemperature,resultinginadecreasingtrendforDTR.KeywordsHeilongjiangProvince,Dailytemperature,Adjustment,Homogenization,Climateextremes 1 引言在全球变暖背景下，观测到的极端天气的频率和强度在过去几十年显著增加，且随着气温的升高，其发生频率将持续趋高，强度趋强（周波涛和钱进,2021）。2020 年 3 月，联合国发布2019 年全球气候状况声明，指出 2019 年是有记录以来气温第二高的年份，而 20102019 年是有记录以来最热的 10 年。频发的极端天气气候事件对陆地生态系统、人类社会经济的发展、人类健康等均产生了深远影响。均一化的气温序列是研究历史气候趋势和变率的基础，在长期的观测中，台站迁站、环境变化和观测仪器更换等都可能造成气温序列的非均一，非均一的气温数据会影响气候变化趋势评估。因此，必须对长期的气温序列进行均一性检验和订正，建立高质量的均一化气温序列。为了能够获得均一的气候序列，国内外许多学者在气候资料均一性方面开展了大量的工作。Hinkley（1969）早在 20 世纪 70 年代初期就提出二相回归算法（TPR），Solow（1987）利用该方法检验气温序列，LundandReeves（2002）改进了二相回归的检验方法（LR），Turneretal.（2006）进一步应用了 TPR 和 LR 方法。Vincent（1998）采用多元线性回归方法对加拿大气温序列中的均值和趋势非均一性进行了检验。加拿大环境部 Wangetal.（2007），Wang（2008）引入惩罚因子研发了均一性检验和订正方法（PMFT）。2006 年以来，中国陆续发展了均一化气温数据集，代表性的包括：李庆祥等（2006）研制发布的中国 700 余站第一版均一化历史气温数据集（19512004 年）。Caoetal.（2016）对 1951 年以来中国 2400 站气温数据进了均一化检验和订正，进行了中国气候变暖的趋势分析，发布了中国国家级地面气象站均一化气温日值月值数据集（CHHTD1.0），在中国及区域气候变化研究中得到广泛应用。Lietal.（2016）对 CHTM3.0（基于 MASH 方法）和 CHHTD1.0（基于 RHtest）两套均一化数据集进行了对比，结果表明，CHTM3.0 更适合于中国大尺度气候变化的分析，而 CHHTD1.0 包含了更多有关台站气温记录的原始信息，对局地气候变化的描述更加客观。随着区域气候变化评估的广泛开展，已有研究聚焦区域气温均一化分析以及极端事件研究，如崔妍等（2019）采用 PMT 方法，对东北地区 19052014 年的月气温序列进行了均一性检验和订正；司鹏和徐文慧（2015）利用 RHtestsV4 软件包对天津 19512010 年的逐日气温序列进行了均一性分析；赵美艳等（2018）开展了重庆地区气温序列的均一化检验与订正。Yanetal.（2014）总结了均一化对于定量评估研究气候均态或气候极值变化趋势的重要性。YinandSun（2018），基于 CHHTD1.0数据集，计算了 ETCCDI 定义的极端气温和降水指数，对中国 2017 年极端气温和降水特征进行了分析。黑龙江省位于中国最北部，季风气候明显，大陆性气候特点突出，是全国近 20 年气候显著变暖的区域之一，对极端高温和极端低温事件高度敏感（黄丹青和钱永甫,2009）。其亦是我国重要的商品粮生产基地，近些年频频出现的极端气候事件，造成了玉米、水稻等农作物的遇害减产，给社会经济和人民生活造成了严重危害。基于订正后的气温资料来研究黑龙江省的极端气温变化，进而可为防灾减灾和合理布局农作物种植结构奠定数据基础。尽管对中国区域气温的均一化研究已有众多成果，但针对黑龙江省气温的均一性研究及相关讨论仍然较为缺乏。黑龙江省自 1951 年以来，46%的气象台站曾迁过站，有些站多次迁址且 83 个台站均经气候与环境研究28卷462ClimaticandEnvironmentalResearchVol.28历过人工转自动等几次大的仪器变化和业务软件变革，这些变化对黑龙江省气温资料的均一性影响，尚未开展过系统的研究。因此，开展黑龙江省气温资料的均一性检验研究，不仅能有效地对黑龙江省气温要素做出质量评估；亦可为黑龙江省气温变化趋势和极端气温的研究提供可靠的数据支撑。因此有针对性的对黑龙江省气温序列进行均一性检验、订正和分析是必要的。目前，基于国内已发布的气温均一化产品开展区域气候变化分析研究相对较少。且随着时间推移，城市发展造成每年全国 80 余台站站址变动，自动观测仪器也存在型号的变更，系统升级等，造成气温资料序列出现了一些新的非均一性情况。因此，亟需对台站观测资料进行非均一性检验和订正，并系统性分析评估各类非均一性原因对区域气温序列连续性的影响。本文首先利用 RHtestv4 软件包（WangandFeng,2010）中 PMT 和 PMF 方法，结合台站元数据，对黑龙江省 83 个台站 19512019年的逐日气温序列进行了均一性检验和订正，为黑龙江省的气候变化趋势评估提供了数据依据。选用体现持续性低温事件的极端气温指数能有效用于分析在全球气候变暖背景下黑龙江省极端气温事件的变化情况；气温日较差指数能反映黑龙江省的气温变化幅度，对气候异常的影响和可持续发展研究具有特殊的参考价值。为此，研究中选用描述持续性低温事件的霜冻日数（FD）、冰冻日数（ID）、持续冷日日数（CSDI）和气温日较差（DTR）进行趋势分析。利用经过均一化订正的日最高气温和日最低气温数据对 FD、ID、CSDI 和 DTR 分析可避免原始气温序列非均一对极端气温变化的影响评估。2 资料与研究方法 2.1 资料本文选取黑龙江省 83 个国家级气象台站19512019 年的逐日平均、最高和最低气温资料进行均一性分析，基础数据来自国家气象信息中心发布的中国地面气候资料日值数据集（V3.0），气温资料经过了气候界限值和允许值检查，台站极值检查，内部一致性检查，时间一致性检查，空间一致性检查和人工核查与更正，且每月更新，质控后各要素数据的质量及完整性很好，气温数据的实有率在 99%以上，数据的正确率接近 100%。黑龙江省 83 个国家级气象观测站中包含基准气象站 8 个，基本气象站 24 个，一般气象站 51 个。图 1 给出了黑龙江省国家气象站的空间分布，黑龙江省西南部站点最为密集，其次是东南部，北部站点相对较稀疏。从台站数量逐年变化来看，1951年只有 7 个站，之后，台站数量迅速增加，1960年增至 62 个，1961 年后站点增加缓慢并趋于稳定。83 个台站中，有 65 个台站的资料超过了 60 年，占所有台站数量的 78%，有 12 个台站资料超过50 年，未满 60 年，占 14%，即超过 50 年的台站数据量共占台站总数的 92%。台站元数据用来描述气象台站的历史沿革信息，是判断气温序列均一性检验结果是否合理以及断点订正位置的参考依据。本文应用了黑龙江省记录的 83 个台站详细的元数据信息，包含台站的地理信息数据和建站以来迁站、环境变化及仪器变更等历史沿革信息。2.2 均一性检验与订正方法本文采用 RHtestV4 软件包带有的基于惩罚最大 F 检验（PMF）和惩罚最大 T 检验（PMT）相结合的方式（CaoandYan,2012;Caoetal.,2016），对黑龙江省 19512019 年逐日平均、最高和最低气温进行均一性检验和订正。其中 PMF 方法不需要参考序列，是绝对方法，PMT 需要使用参考序列进行均一性检验，是相对方法。图1黑龙江省国家气象站空间分布（蓝色站点为本文气候极端指数分析所用台站，红色站点为未用到台站）Fig.1 The spatial distribution of the 83 national meteorologicalstations in Heilongjiang Province(the blue stations are used for theanalysisofclimateextremeindexinthisarticle,andtheredstationsarenotused)5期张瑶等：黑龙江气温资料均一性订正及长期趋势分析No.5ZHANGYaoetal.HomogeneityCorrectionandLong-TermTrendAnalysisofHeilongjiang.463为了避免对逐日气温序列检验误差干扰的问题，首先对由日气温序列得到的月气温序列进行均一性检验；其次与元数据结合，综合判断后确定断点；采用 QM 方法订正日气温序列，最终获得均一化的逐日平均、最高和最低气温序列，进而统计得出月气温和年气温序列。保留断点类型遵循规则：（1）在月气温序列中检验出的 type-1 类型显著性断点，即没有元数据支持也显著的断点；（2）在月气温序列中检验出的 type-0 类型显著性断点，将断点出现的时间与台站元数据记录时间进行对比，若时间相差一年以内，则认为元数据支持该断点，根据元数据记录的时间替换断点时间；（3）在月气温序列中检验出的 type-0 类型显著性断点，若无元数据支持，则进行人工主观二次判定，一些小的变化点（调整的平均幅度0.2C）将不进行调整，以使气温序列尽可能接近原始数据。2.3 建立参考序列在均一性检验和订正的过程中，建立相对均一的参考序列非常关键，其必须具有气候代表性，因此参考站和待检站需符合如下条件（Caoetal.,2016）：（1）参考站与待检站的水平距离在 350km以内。（2）若待检站海拔高度小于 2500m，与待检站的高度差需小于等于 200m；当待检站海拔高度大于等于 2500m 时，与待检站的高度差应小于等于 500m。（3）待检站与参考站气温序列的相关系数大于等于 0.9。采用 PMF 方法检验黑龙江省 83 个台站的月气温序列，将得到气温序列均一的台站作为第一批参考站，剩下为待检站，对满足上述 3 个条件的待检站进行订正，订正后的台站进而可作为参考站，检验和订正剩下的待检站。2.4 元数据分析经统计，黑龙江省 83 个台站 1951 年以来，累计迁站 51 次，有过迁站的台站数 38 个，占总台站数的 46%，有 8 个台站有过多次迁站，占台站总数的 1%，其中哈尔滨站（台站号：50953）和明水站（台站号：50758）均迁站 4 次，由此可见，黑龙江省的迁站现象比较普遍。仪器变更主要有两个时间段，第一个集中在 20042006 年，原因是人工观测转自动观测，共有 90 次仪器换型，6 个站多次更换仪器，其中更换铂电阻气温传感器HMP45D 为 86 次，占 96%，其他 4 次更换仪器型号为铂电阻气温传感器 PT-100；第二个时间集中在 20142018 年，原因是气温观测仪器统一更换为铂电阻温湿一体传感器，共有 95 次仪器换型，有 14 个站多次更换仪器，其中更换型号 HMP155A为46 次，更换型号HYA-T 为45 次，更换型号WZP-2为 4 次。3 结果分析 3.1 黑龙江省气温序列非均一原因分析月平均气温共检测出断点 40 个（图 2a），其中，迁站导致的断点占 30%（12 个），仪器变化导致的断点占 22%（9 个），业务软件升级导致的断点占 17%（7 个）；月最高气温共检测出断点20 个（图 2b），其中，业务软件升级导致的占 40%（8 个），迁站导致的断点 30%（6 个），仪器变化导致的占 20%（4 个）；月最低气温共检测出断点 57 个（图 2c），其中，迁站导致的占 33%（19 个），环境变化导致的占 23%（13 个）。对于月平均气温和最低气温中，迁站原因导致的断点数量比例最大，是气温序列不均一的主要原因，仪器变化导致的断点数量比例也较大，因此仪器的变更也是导致气温序列不均一的重要原因。而在月最高气温中，导致产生断点的主要原因是业务软件升级。月平均气温、月最高气温和月最低气温同时出现的断点有 4 个，由迁站原因导致的断点由 2 个，为漠河站（台站号：50136）1997 年和林口站（台站号：50979）1974 年的迁站，占 50%；由环境变化和仪器变化引起的断点分别为 1 个，各占 25%。图 3 给出了仪器变更引起的断点数量图，从图中可看出，月平均、最高和最低气温数据中 20152016 年断点最多，经对比元数据发现原因为启用DZZ5 型新型自动气象站，观测气温的仪器统一更换成铂电阻温湿一体传感器，2014 年和 2017 年的断点也是此原因引起。月平均、最高和最低气温断点中，以月平均气温的断点数量最多，这意味着月平均气温对仪器的更换更为敏感。2018 年的月平均、最高和最低气温断点出现在抚远站（台站号：50779），此台站在 2018 年同种类型气温观测仪器更换了型号。总体来看，人工转自动时期仪器的更换对黑龙江省气温序列的均一性影响不大，而更换铂电阻温湿一体传感器对黑龙江省气温序列的均一气候与环境研究28卷464ClimaticandEnvironmentalResearchVol.28性影响较大。图 4 显示的是 20142018 年期间黑龙江省更换气温传感器的台站数量，包含了同一台站二次更换的情况，共 4 种仪器型号。2016 年更换仪器的台站数量为最多，仪器型号比较集中，为 HMP155A和 HYA-T 两种型号，为铂电阻温湿一体传感器，共 25 个台站安装了 HMP155A 型号仪器，20 个台站安装了 HYA-T 型号仪器。月平均气温序列中，2015 年和 2016 年的断点数量最多，共 6 个，更换HMP155A 型号仪器导致了 4 个断点，占 67%，HYA-T 和 WZP-2 型号仪器的更换分别导致了 1 个断点，各占17%。而2015 年在HMP155A 和HYA-T两种型号仪器安装数量相同的情况下（图 4），月平均气温序列的断点中，有 2 个是由更换 HMP155A型仪器导致的，HYA-T 型仪器的更换并没有导致断点。因此，分析表明 HMP155A 型号仪器的更换更容易导致气温序列的不均一。3.2 订正前后趋势对比分析图 5 给出了黑龙江省气温序列订正前后的趋势空间分布图。可以看出，订正前后黑龙江省平均气图219512019 年黑龙江省（a）月平均气温、（b）最高气温和（c）最低气温不同类型断点占比统计Fig.2Differenttypesofbreakpointsin(a)monthlymeantemperature,(b)maximumtemperature,and(c)minimumtemperatureinHeilongjiangProvincefrom1951to2019图320142018 年黑龙江省仪器变更导致的断点数量Fig.3NumberofbreakpointscausedbychangesofinstrumentinHeilongjiangProvincefrom2014to2018图420142018 年黑龙江省更换气温传感器的台站数量Fig.4NumberofstationswithreplacementofairtemperaturesensorsinHeilongjiangProvincefrom2014to20185期张瑶等：黑龙江气温资料均一性订正及长期趋势分析No.5ZHANGYaoetal.HomogeneityCorrectionandLong-TermTrendAnalysisofHeilongjiang.465温基本均呈增加趋势。订正前 50971（七台河站）呈弱的减小趋势（图 5a），这与周围大范围变暖趋势相反，订正后的七台河站，由弱减小趋势变为弱增加趋势（图 5b），变化趋势由0.01C/10a变为 0.05C/10a，与周围站点的空间一致性有所提高，造成七台河站气温非均一的主要原因是 2018年 ISOS 业务软件的升级。50353（呼玛站）订正前趋势为 0.42C/10a，订正之后变为 0.58C/10a，50566（逊克站）订正前趋势为 0.47C/10a，订正之后变为 0.55C/10a，这两个站订正后趋势增大，与邻近站的变化趋势更为一致，空间分布更加合理。平均最低气温订正之后的空间一致性也有改善，由订正前后趋势图（图 5c、5d）可看出，黑龙江省的增温趋势普遍有所增加，尤其是西部更为明显。3.3 个例分析图 6a 为鹤岗站（50775）订正前后的年平均气温序列。鹤岗站平均气温和最低气温均存在一个断点，时间为 2014 年，经与元数据对比，为迁站导致。2014 年 1 月 1 日，鹤岗气象站由原址鹤岗市向阳区黄河西路 22 号（市区）迁至鹤岗市东山区三精路小鹤立湖水库西侧（郊区），新址在原址西方，距原址直线距离 6200m，高度降低 456m。迁站后，由于地理位置从市区迁到郊区，受城市加热效应影响减弱，且站址旁有水库，因此平均气温下降。采用 QM 方法订正后的均值水平调整订正量为1.8C，订正前升温趋势为 0.14C/10a，订正后升温趋势为 0.3C/10a。此次迁站对平均气温和最低气温序列的影响更为敏感，而对最高气温影响有限，没有检验出断点。海伦站（50756）平均气温存在一个断点，原因是 2015 年气温传感器仪器由 HMP45D 型号更换成 HMP155A 型号的铂电阻气温传感器；最高气温存在一个断点，原因是 2018 年业务软件升级导致，订正量较小；最低气温存在两个断点，其中一个与平均气温一致，剩下一个断点发生在 1979 年，原因是环境变化，在观测站的西北偏北方，仰角 6，宽度角 19处新增建筑物。最低气温（图 6b）订正后气温下降，订正量为1.1C，订正前的升温趋势为 0.37C/10a，订正后升温趋势为 0.57C/10a。结果表明，最低气温对环境变化和仪器变更都更为敏感，这与（Caoetal.,2016）的研究结果相符合，而 2015 年的仪器变化对最高气温影响有限，1979年的环境变化对平均气温影响亦有限。3.4 与 CHTM 数据集对比分析MASH 方法是匈牙利气象局开发的一种相对均一性检验方法，它并不假定参考序列是均一的，而是假设所有序列都可能存在非均一性断点，然后通过相同气候区域各站相互比较进行统一检测和订正。Lietal.（2016）采用 MASH 方法制作了均一化逐日气温数据集（CHTM），最新的数据集包含了 19602018 年中国 754 个国家级气象台站气温日数据。为了进一步评估验证本文订正结果，选取了该数据集中黑龙江省 30 个站 19602018 年的气温数据进行对比分析。对本文订正的数据集和 CHTM 数据集的最高、最低气温变化趋势进行空间对比分析（图略），结果表明两套数据均显示黑龙江省的气温为增温趋势，最高气温增温最显著的是黑龙江省西北部，最低气温增温最显著的地区为黑龙江省西南部，这与东北地区气温呈增温趋势（Caoetal.,2016）和黑龙江西北部呈增温趋势（崔妍等,2019）的研究结果相符。与 CHTM 数据集相比，本文订正的数据中，平均气温和最高气温的增温趋势相仿，而西南部最低气温增温趋势更为明显，20 个站的线性趋势系数比 CHTM 数据集的大，占台站数量的 67%。平均而言，两套数据的线性趋势图（图 7）显示，最高和最低气温的年际变化基本一致，1965 年后两套数据最高气温的曲线和趋势线基本重合（图 7a），趋势系数均为 0.28C/10a，本文订正的最低气温增温趋势（图7b）略比CHTM 数据集偏大0.01C/10a。而从不同要素升温趋势上看，两套数据集最低气温的升温趋势均大于最高气温的升温趋势。本文订正后的数据中，19512019 年黑龙江省平均气温、最高和最低气温的最热记录均出现在 2007 年，其次是 2019 年。由于使用了台站元数据信息，本研究的断点判断更加合理，对于局地增暖的估计更加的客观。3.5 气候极端指数分析基于订正的黑龙江省气温均一化数据，本文利用 Rclimdex 软件，选择了霜冻日数（FD）、冰封日数（ID）、持续冷日日数（CSDI）和气温日较差（DTR）4 个指数（表 1）进行分析，前 3 个指数属于持续性低温事件类别。筛除 1959 年以后气温有缺测的台站后，得到用来分析的台站数量为62 个（见图 1），台站在黑龙江省的中部和南部较多，北部只有 1 个台站。气候与环境研究28卷466ClimaticandEnvironmentalResearchVol.28图 8 显示，19512019 年黑龙江省平均异常持续冷日日数（CSDI）（图 8a）和平均霜冻日数（FD）（图 8b）呈明显下降趋势，每十年分别为1.64d 和 3.07d，平均冰封日数（ID）（图 8c）也呈下降趋势，与 CSDI 和 FD 相比，趋势较缓，每十年 0.87d。3 个指数的下降趋势与黑龙江省订正后的气温空间趋势图相符，也与全球气温变暖趋势和 YinandSun（2018）的研究相符。从 FD 和 ID图519512019 年黑龙江省（a、b）年平均气温趋势（单位：C/10a）和（c、d）年平均最低气温趋势（单位：C/10a）:（a、c）订正前；（b、c）订正后。实心的三角形表示通过 0.05 的显著性检验Fig.5Lineartrends(C/10a)of(a,b)annualmeantemperatureand(c,d)annualmeanminimumtemperatureatthe83stationsinHeilongjiangProvincefrom2014to2018,comparedbetweenthe(a,c)originaland(b,c)adjusteddata.Filledtrianglesdenotetrendsthataresignificantatthe0.05level图619512019 年（a）鹤岗站（50775）订正前后年平均气温序列和（b）海伦站（50756）订正前后年最低气温序列Fig.6(a)RawandadjustedannualmeantemperatureseriesatHegangstation(50577)from1951to2019and(b)annualmeanminimumtemperatureseriesatHailunstation(50756)from1951to20195期张瑶等：黑龙江气温资料均一性订正及长期趋势分析No.5ZHANGYaoetal.HomogeneityCorrectionandLong-TermTrendAnalysisofHeilongjiang.467的指数曲线上能明显的看出，1998 年黑龙江省的FD 指数出现历史最低值，为平均 168d，这与1998 年中国平均气温出现历史上第二次最热记录相符（Caoetal.,2016），1990 年 ID 指数出现历史最低值，为平均 95d。气温日较差（DTR）也呈明显下降趋势（图 8d），为 0.29C/10a，这与黑龙江省年平均最高气温升温趋势 0.22C/10a 比年平均最低气温升温 0.28C/10a 趋势略小的现象相符，且从图 8d 中可看出，1982 年后 DTR 下降趋势变缓。表 1 CSDI、FD、ID 和 DTR 极端气温指数定义Table 1 Definition of extreme climate indices includingCSDI (Cold Spell Duration Index),FD (Frost Days),ID(Icing Days),and DTR(Daily Temperature Range)极端气温指数指数名称定义单位CSDI持续冷日日数 连续6d最低温小于10%分位值日数dFD霜冻日数一年中最低气温小于0C的天数dID冰封日数一年中最高气温小于0C的天数dDTR气温日较差年平均日最高气温和最低气温之差C图7基于本文订正数据集（ADJ）和 CHTM 数据集（MASH）得到的黑龙江省区域 19602019 年（a）年平均最高气温和（b）年平均最低气温序列Fig.7Regional(a)annualmeanmaximumtemperatureand(b)annualmeanminimumtemperatureseriesobtainedinHeilongjiangProvincefrom1960to2019basedonreviseddatasetforthisarticle(ADJ)andCHTMdataset(MASH)图819512019 年黑龙江省区域平均年平均（a）CSDI、（b）FD、（c）ID 和（d）DTR 序列Fig.8Regionalmeanannual(a)CSDI,(b)FD,(c)ID,and(d)DTRseriesinHeilongjiangProvincefrom19512019气候与环境研究28卷468ClimaticandEnvironmentalResearchVol.28 4 结论本文利用 RHtestv4 软件，结合台站元数据，对黑龙江省 83 个台站 19512019 年的逐日气温资料进行了均一性检验、订正和分析，与 CHTM 数据集进行了对比验证，并基于均一化订正结果进行了黑龙江省的气候极端指数分析，得到以下结论：（1）最低气温序列产生的断点数量最多，为57 个，其次是平均气温 40 个，断点最少的是最高气温 20 个，说明最低气温对台站的各种变动比较敏感，最高气温相对而言，不太敏感。主要导致断点的原因为迁站、仪器变更和业务软件变动。（2）订正后的气温序列空间一致性有所提高，例如七台河站，平均气温趋势由下降趋势调整为上升趋势，与周围台站的趋势变化一致性更高。气温的升温趋势均有所增加，平均气温由 0.27C/10a上升为 0.29C/10a，最低气温由 0.25C/10a 上升为 0.27C/10a。（3）订正结果与 CHTM 数据集相比，平均气温和最高气温的增温趋势相仿，而西南部最低气温增温趋势更为明显。平均、最高和最低气温的线性趋势基本一致，订正前后的线性趋势差均在0.01C/10a 以内，1965 年后两套数据的最高气温的曲线和趋势线基本重合。（4）黑龙江省的平均持续冷日日数（CSDI）、平均霜冻日数（FD）、平均冰封日数（ID）均呈明显下降趋势，每 10 年分别为 1.64、3.07、0.87d。FD 指数的最低值出现在 1998 年，与 1998 年中国平均气温出现历史上第二次最热记录时间相符合。气温日较差（DTR）也呈明显下降趋势，为0.29C/10a，与黑龙江省年平均最高气温升温趋势比年平均最低气温升温趋势略小的现象相符。元数据、检验方法及参考序列和主观分析等多种因素都会导致均一化结果的不确定性，尤其是在没有元数据支持，且需要判断是否为断点的情况下，人为主观判断更会加重结果的不确定性。因此，应加强元数据的收集和补充，减少均一性检验和订正的不确定性。在有详细元数据记录的地区和省份，可参考研究结论中对气温要素非均一性影响较大的因素，在开展气候变化趋势评估前进行资料序列的校正，以获得更加客观准确的气候评估结论。参考文献（References）CaoLJ,YanZW.2012.ProgressinresearchonhomogenizationofclimatedataJ.AdvancesinClimateChangeResearch,3(2):5967.doi:10.3724/SP.J.1248.2012.00059CaoLJ,ZhuYN,TangGL,etal.2016.ClimaticwarminginChinaaccording to a homogenized data set from 2419 stations J.International Journal of Climatology,36(13):43844392.doi:10.1002/joc.4639崔妍,徐文慧,李庆祥,等.2019.东北地区月气温序列的均一性检验和 订 正 J.气 象,45(2):240250.Cui Yan,Xu Wenhui,LiQingxiang,etal.2019.Homogeneitytestandcorrectionofmonthlytemperature in Northeast China J.Meteorological Monthly(inChinese),45(2):240250.doi:10.7519/j.issn.1000-0526.2019.02.009Hinkley DV.1969.Inference about the intersection in two-phaseregressio