司鵬 郝立生 傅寧 王敏 趙煜飛 梁冬坡

摘要 基于國家氣象信息中心收集整理的保定氣象站1919年以來逐日最高和最低氣溫觀測數(shù)據(jù)，首先，通過數(shù)據(jù)質(zhì)量控制剔除原始觀測資料中因人工觀測或記錄、儀器故障及數(shù)字化人工錄入等導(dǎo)致的錯(cuò)誤數(shù)據(jù);其次，基于天津百年均一化逐日氣溫?cái)?shù)據(jù)，利用標(biāo)準(zhǔn)化序列法對質(zhì)控后的原始觀測數(shù)據(jù)進(jìn)行延長插補(bǔ);進(jìn)而通過兩種途徑建立的年和月尺度參考序列，利用懲罰最大t檢驗(yàn)（Penalized Maximal T，PMT）和分位數(shù)匹配法（Quantile-Matching，QM），修正了插補(bǔ)后保定氣象站日最高和最低氣溫序列中因數(shù)據(jù)插補(bǔ)、遷站和儀器變更等造成的非均一性影響，由此建立了河北保定1912—2019年均一化最高和最低氣溫日值序列。分析表明，構(gòu)建的年平均氣溫距平序列百年尺度的年代際和趨勢變化特點(diǎn)與Berkeley Earth-monthly、CRUTS4.03和GHCNV3基本一致，并且與整個(gè)京津冀區(qū)域相比，很好地反映出保定地區(qū)城市快速發(fā)展所帶來的增暖變化特點(diǎn)。另外，從百年極端溫度變化來看，保定地區(qū)1912年以來年和季節(jié)極端溫度也是呈明顯的增暖變化，年和秋季極端最低氣溫（TNn）的增暖趨勢分別為0.340 ℃／（10 a） 、0.404 ℃／（10 a），對應(yīng)的氣溫日較差（DTR）分別為-0.118 ℃／（10 a）、-0.215 ℃／（10 a）（均通過置信度為95％顯著性檢驗(yàn)）。

關(guān)鍵詞 百年尺度; 日值序列; 延長插補(bǔ); 均一化; 極端溫度變化

長年代完整可靠的氣候觀測資料是詮釋區(qū)域氣候變化和評估模式模擬性能的重要基礎(chǔ)支撐，也是深入系統(tǒng)地檢測區(qū)域或局地氣候變化規(guī)律及預(yù)測未來氣候變化趨勢的可靠觀測依據(jù)。然而，由于目前國內(nèi)外站點(diǎn)覆蓋度、資料完整性及觀測序列非均一性等問題，使得19世紀(jì)到20世紀(jì)中葉長達(dá)百年尺度的區(qū)域或局地氣候變化特征仍然存在著許多不確定性（Stocker et al.，2013;Sun et al.，2017;蘇布達(dá)等，2022）。因此，如何建立完整可靠的長時(shí)間觀測序列一直是氣候變化研究中首先需要解決的關(guān)鍵問題（Stone et al.，2013）。

目前國內(nèi)外對于20世紀(jì)50年代以來全球范圍氣溫觀測序列的建立研究相對成熟，并且隨著氣候資料處理技術(shù)的逐步完善及研究證據(jù)的不斷增加，20世紀(jì)中葉以來全球尺度和大多數(shù)陸地區(qū)域尺度極端溫度事件的歸因在信度上也有大幅度提高（孫穎，2021;姜彤等，2022;袁宇鋒和翟盤茂，2022）。根據(jù)IPCC AR6最新研究結(jié)論得到（Masson et al.，2021），全球氣候增暖已是毋庸?fàn)庌q的事實(shí)，隨之帶來的極端氣候事件強(qiáng)度的增強(qiáng)以及頻率的增多已達(dá)到高信度水平，即使是全球小幅變暖也會(huì)加劇極端事件頻次和強(qiáng)度的變化。所以，這些認(rèn)識(shí)不得不讓我們重新審視盡可能長時(shí)間尺度完整且相對可靠的氣候觀測資料的重要性。對于百年尺度的氣溫觀測資料來說，由于收集和獲取困難以及觀測時(shí)間不同等非氣候因素造成的序列系統(tǒng)誤差，導(dǎo)致很難形成一套完整連續(xù)且質(zhì)量較好的全球百年尺度逐日氣溫?cái)?shù)據(jù)集（Menne et al.，2012）。同樣，對于我國來說，由于歷史原因造成1950年以前觀測序列的不完整以及遷站等原因造成的氣候資料非均一性（Yan et al.，2001;Li et al.，2018;Si et al.，2021;司鵬等，2022），導(dǎo)致許多珍貴的百年尺度觀測氣溫序列無法在區(qū)域或局地極端氣候變化研究中充分實(shí)現(xiàn)其重要的科學(xué)價(jià)值。

保定氣象站是我國京津冀地區(qū)保留著百年以上觀測氣候資料的典型臺(tái)站之一（司鵬等，2017）。司鵬等（2017）基于多來源的氣溫月值資料，在數(shù)據(jù)整合和初步質(zhì)量控制基礎(chǔ)上，通過缺測記錄插補(bǔ)和非均一性訂正建立了保定氣象站1913—2014年逐月氣溫序列，研究成果對我國京津冀地區(qū)百年尺度氣溫觀測序列的建立提供了重要借鑒。然而，隨著近年來我國對長序列原始觀測資料的不斷收集整理、國內(nèi)外新的全球陸表長時(shí)間尺度觀測氣溫?cái)?shù)據(jù)集的研制及其構(gòu)建方法的改進(jìn)，細(xì)化保定氣象站百年尺度氣溫觀測資料的時(shí)間尺度，并提高現(xiàn)有百年觀測資料的質(zhì)量是有必要嘗試的。同時(shí)，也能夠滿足氣候變化和極端氣候變化研究領(lǐng)域?qū)煽块L時(shí)間尺度逐日基礎(chǔ)觀測數(shù)據(jù)的需求。因此，本文擬在已有研究（司鵬等，2017）基礎(chǔ)上，收集整理盡可能詳盡的臺(tái)站元數(shù)據(jù)信息，基于日尺度的保定氣象站最高和最低氣溫觀測數(shù)據(jù)，采用新的參考數(shù)據(jù)源，并改進(jìn)均一化分析中參考序列的建立方法來構(gòu)建該站百年尺度的均一化逐日氣溫序列。

1 保定氣象站歷史沿革

保定氣象站在1950年以前存在2個(gè)時(shí)段的觀測記錄，分別來自不同的觀測位置，結(jié)合中國近代氣象臺(tái)站信息（吳增祥，2007），研究中擬將2個(gè)時(shí)段連接的位置，即1944年1月1日和1949年9月1日作為2個(gè)遷站時(shí)間點(diǎn)。1950年1月1日—1954年11月30日觀測期間，經(jīng)緯度信息一致，研究中認(rèn)為該時(shí)段沒有發(fā)生遷站現(xiàn)象。根據(jù)中國地面氣象站元數(shù)據(jù)（V1.0，http：／／data.cma.cn／）顯示，1954年12月1日（含該時(shí)間點(diǎn)）以后發(fā)生了3次遷站，其中，2011年1月1日由市區(qū)遷到鄉(xiāng)村，使得臺(tái)站周圍環(huán)境發(fā)生了明顯變化，并且也造成了新舊站址水平距離差異較明顯，但3次遷站過程并沒有造成顯著的海拔高度的差異。1912年以來，人工觀測時(shí)期有明確記錄的最高和最低氣溫觀測儀器分別發(fā)生了4次和3次變更，2003年1月1日起自動(dòng)觀測取代人工觀測，自2014年1月1日全國地面氣象觀測業(yè)務(wù)全面實(shí)現(xiàn)改革調(diào)整，新套自動(dòng)觀測系統(tǒng)進(jìn)入業(yè)務(wù)運(yùn)行。另外，僅依據(jù)1950年至今的中國地面氣象觀測規(guī)范得到，1950年1月1日—2019年12月31日保定氣象站日最高和最低氣溫觀測時(shí)間發(fā)生了4次改變，其中，1954年1月1日—1960年7月31日觀測時(shí)制的改變可能會(huì)增加氣溫觀測序列非均一的可能性。圖1標(biāo)出了保定氣象站歷次遷站及日最高和最低氣溫觀測儀器變更的時(shí)間點(diǎn)。

2 數(shù)據(jù)來源

2.1 原始觀測數(shù)據(jù)及其質(zhì)量控制

研究中用到的原始觀測數(shù)據(jù)來自國家氣象信息中心收集整理的2類逐日最高和最低氣溫基礎(chǔ)資料。一類是1919年1月1日—1954年12月31日保定氣象站數(shù)字化的觀測資料，其中，1919年1月1日—1949年12月31日時(shí)段的資料來自中國近代氣象臺(tái)站信息記載的保定氣象站2個(gè)觀測點(diǎn)（吳增祥，2007）;1950年1月1日—1954年11月30日觀測期間，由于現(xiàn)存氣象檔案資料記錄不完整，僅根據(jù)整理的數(shù)字化資料，查閱到相關(guān)觀測點(diǎn)的經(jīng)緯度及海拔高度信息，并且與觀測點(diǎn)1一致，研究中擬將該時(shí)段資料視為來自觀測點(diǎn)1。表1給出了各個(gè)觀測點(diǎn)觀測的氣溫資料的完整性信息。如表1所示，觀測點(diǎn)1在1919年1月1日—1949年12月31日觀測期間日最高和最低氣溫資料的缺測率基本相當(dāng)，均達(dá)到57％以上，并且缺測年份均主要集中在1920—1927年、1937年下半年、1938—1943年以及1949年上半年;而觀測點(diǎn)2觀測期間日最高和最低氣溫資料的缺測率僅有7％左右，主要集中在1945年下半年。另外，根據(jù)圖1顯示，1954年12月1日—1954年12月31日期間的觀測資料來自新遷站點(diǎn)（擬稱為“觀測點(diǎn)3”），統(tǒng)計(jì)得到其完整性為100％。另一類是中國氣象局發(fā)布的《中國地面日值資料》，時(shí)間段為1955年1月1日—2019年12月31日，資料完整性較好。研究中將2類觀測資料拼接為一條完整的基礎(chǔ)序列，形成保定氣象站1919年1月1日—2019年12月31日逐日最高和最低氣溫原始觀測序列。

為剔除人工觀測期間，因觀測員觀測或記錄、儀器故障以及數(shù)字化過程中人工錄入等導(dǎo)致的錯(cuò)誤數(shù)據(jù)，研究中類似對北京和天津氣象站百年觀測序列的處理（Si et al.，2021;司鵬等，2022），分別采用界限值、內(nèi)部一致性和氣候異常值3步檢查對拼接后保定氣象站1919年以來的日最高和最低氣溫觀測數(shù)據(jù)及其統(tǒng)計(jì)得到的月值和年值數(shù)據(jù)進(jìn)行質(zhì)量控制。其中，對月值和年值的質(zhì)量檢查均是基于界限值和內(nèi)部一致性檢查處理后的日最高和最低氣溫?cái)?shù)據(jù)。氣候異常值檢查的閾值標(biāo)準(zhǔn)均為5倍距平序列標(biāo)準(zhǔn)差（氣候期為1961—1990年）。檢查結(jié)果如表2所示，總的來看，保定氣象站1919年以來原始觀測數(shù)據(jù)的質(zhì)量相對較好。

2.2 參考數(shù)據(jù)源

研究中類似Si et al.（2021）和司鵬等（2022）采用美國國家氣候資料中心研發(fā)的全球歷史氣候數(shù)據(jù)集GHCNV3（Lawrimore et al.，2011;https：／／www.ncdc.noaa.gov／ghcnd-data-access），英國東英格利亞大學(xué)氣候研究中心研發(fā)的全球月平均地表溫度數(shù)據(jù)集CRUTS4.03（Harris et al.，2020;http：／／data.ceda.ac.uk／badc／cru／data／cru_ts／cru_ts_4.03／data／）和美國伯克利地球研發(fā)中心研發(fā)的地球表面溫度數(shù)據(jù)集Berkeley Earth monthly／daily（Rohde et al.，2013a，2013b;http：／／berkeleyearth.org／data／）3類觀測數(shù)據(jù)作為保定氣象站原始數(shù)據(jù)延長插補(bǔ)和均一化分析的氣候參考源。

3 數(shù)據(jù)插補(bǔ)

在天津百年最高和最低氣溫日值序列的構(gòu)建中，原始基礎(chǔ)觀測資料的完整性為100％，沒有缺測插補(bǔ)帶來的誤差影響，與此同時(shí)，在建立北京百年逐日氣溫序列研究中，采用的Berkeley Earth-daily插補(bǔ)數(shù)據(jù)源效果較好，最終構(gòu)建的百年序列均為極端氣候變化研究領(lǐng)域提供了更為可靠的新的基礎(chǔ)數(shù)據(jù)源（Si et al.，2021;司鵬等，2022）。因此，這里基于構(gòu)建的天津百年均一化氣溫日值數(shù)據(jù)及插值到站點(diǎn)水平的Berkeley Earth-daily保定氣象站（115°29′E，38°44′N）日最高和最低氣溫?cái)?shù)據(jù)，利用標(biāo)準(zhǔn)化序列法（司鵬等，2017）分別對質(zhì)控后的保定氣象站原始觀測資料進(jìn)行插補(bǔ)。擬合時(shí)段的選取主要依據(jù)1950年以前保定氣象站原始觀測序列相對完整、連續(xù)的（表1顯示沒有缺測數(shù)據(jù)）并且相對均一的（圖1給出沒有發(fā)生遷站、儀器變更和觀測時(shí)間變化等）原則（Si et al.，2021;司鵬等，2022），選取時(shí)段1929年1月1日—1936年12月31日。通過比較2類插補(bǔ)序列的年代際氣候變化特點(diǎn)、序列完整性以及數(shù)據(jù)質(zhì)量等，最終選取了基于天津日氣溫?cái)?shù)據(jù)插補(bǔ)得到的保定氣象站日最高和最低氣溫序列。

4 數(shù)據(jù)均一化

4.1 參考序列的建立

相對年和月尺度觀測資料，日尺度觀測序列自身的變率較大，造成時(shí)間序列均一性檢驗(yàn)存在一定的困難（Vincent et al.，2012;Trewin，2013）。研究中類似北京百年日氣溫序列構(gòu)建中的處理方法（司鵬等，2022），通過兩種途徑分別建立了年和月尺度參考序列同時(shí)用于保定氣象站日氣溫序列斷點(diǎn)的檢驗(yàn)。一是基于Berkeley Earth-monthly、CRUTS4.03和GHCNV3保定氣象站站點(diǎn)水平（115°29′E， 38°44′N）3類月值數(shù)據(jù);二是僅基于Berkeley Earth-monthly站點(diǎn)水平的月值數(shù)據(jù)。日尺度參考序列的建立則用于日氣溫序列斷點(diǎn)的訂正，僅基于Berkeley Earth-daily站點(diǎn)水平的日值數(shù)據(jù)。3種時(shí)間尺度參考序列的具體建立方法參見司鵬等（2022）。其中，僅基于Berkeley Earth-monthly／daily站點(diǎn)水平的11個(gè)站點(diǎn)信息如表3所示，其選取方法參照Si et al.（2021）。圖2給出兩種途徑建立的保定氣象站日最高和最低氣溫的年和月尺度參考序列。

4.2 斷點(diǎn)檢驗(yàn)和訂正

研究中利用懲罰最大t檢驗(yàn)（Penalized Maximal T，PMT）（Wang et al.，2007），基于兩種途徑建立的年和月尺度參考序列，在置信度為95％顯著性水平下，對保定氣象站1912年以來插補(bǔ)后的日最高和最低氣溫基礎(chǔ)觀測序列進(jìn)行均一性檢驗(yàn)。進(jìn)而利用分位數(shù)匹配法（Quantile-Matching，QM）（顯著性水平95％）（Wang et al.，2010;Bai et al.，2020;Lü et al.，2020），在日尺度參考序列下，結(jié)合保定氣象站歷史沿革信息（圖1），對兩種途徑的年和月尺度參考序列同時(shí)檢驗(yàn)得到相同時(shí)間點(diǎn)的統(tǒng)計(jì)顯著斷點(diǎn)進(jìn)行訂正。檢驗(yàn)和訂正結(jié)果如圖3所示。

從圖3可以看出，最高氣溫序列（圖3a）受非氣候因素影響相對較弱，僅1937年6月1日數(shù)據(jù)插補(bǔ)的銜接點(diǎn)出現(xiàn)統(tǒng)計(jì)顯著斷點(diǎn)。而對于最低氣溫來說（圖3b），1954年12月1日、2011年1月1日的2次遷站以及1979年8月1日的儀器變更均造成了日最低氣溫序列產(chǎn)生統(tǒng)計(jì)顯著斷點(diǎn)。但2003年和2014年的2次自動(dòng)站業(yè)務(wù)化（儀器變更）并沒有造成保定氣象站日最高和最低氣溫觀測序列的非均一性影響。并且有明確記錄的4次觀測時(shí)間改變也沒有導(dǎo)致其產(chǎn)生統(tǒng)計(jì)顯著斷點(diǎn)，包括1954年1月1日—1960年7月31日期間觀測時(shí)制的改變。這一特點(diǎn)與北京、天津百年日氣溫序列的均一性檢驗(yàn)結(jié)果基本一致（Si et al.，2021;司鵬等，2022），反映出在我國現(xiàn)有的地面氣象觀測規(guī)范規(guī)定下，觀測時(shí)間或觀測時(shí)制的改變在一定程度上不會(huì)造成日最高和最低氣溫觀測序列的非均一性影響。所以，采用對日最高和最低氣溫觀測序列進(jìn)行均一性檢驗(yàn)和訂正，進(jìn)而通過算術(shù)平均得到均一化的日平均氣溫觀測序列的處理方法，要明顯優(yōu)于直接對日平均氣溫序列進(jìn)行均一化處理，能夠有效避免觀測時(shí)間或觀測時(shí)制的變更導(dǎo)致日平均氣溫統(tǒng)計(jì)方法的改變而造成時(shí)間序列的非均一性影響（劉小寧等，2005），并且很大程度上也會(huì)避免同時(shí)對平均、最高和最低氣溫進(jìn)行均一性訂正而出現(xiàn)邏輯錯(cuò)誤結(jié)果的可能性。因此，相比司鵬等（2017），本研究的處理方法有明顯的改進(jìn)。另外，從檢驗(yàn)的斷點(diǎn)信息來看，由于在均一性檢驗(yàn)過程中，司鵬等（2017）沒有找到相對可靠且時(shí)間尺度較長的參考序列，所以采用了懲罰最大F檢驗(yàn)（Penalized Maximal F，PMF）無參考序列檢驗(yàn)法（Wang，2008），僅檢驗(yàn)出最低氣溫序列中1979年8月和2011年1月兩個(gè)統(tǒng)計(jì)顯著斷點(diǎn)，而并沒有檢驗(yàn)出1954年12月1日遷站造成的最低氣溫序列非均一性影響，以及1937年6月1日最高氣溫序列插補(bǔ)導(dǎo)致的統(tǒng)計(jì)顯著斷點(diǎn)。從而一定程度上也能夠反映出均一性檢驗(yàn)過程中，相對合理可靠的參考序列的重要性。

這里給出了基于本研究均一性訂正前、后以及司鵬等（2017）均一性訂正后保定氣象站百年尺度的年平均最高和最低氣溫序列。如圖4所示，與訂正前序列相比，本研究在有參考序列的訂正下明顯修正了1937年6月1日之前因插補(bǔ)導(dǎo)致的最高氣溫異常偏高的現(xiàn)象（圖4a），以及2次遷站和1次儀器變更造成的最低氣溫序列異常突變（圖4b），特別是明顯減弱了2011年1月1日由市區(qū)遷到鄉(xiāng)村導(dǎo)致的最低氣溫異常降低，使得保定氣象站1912年以來的最高和最低氣溫序列的年代際變化相對合理。對比司鵬等（2017）訂正后的年平均氣溫序列，二者最高氣溫（圖4a）序列的年代際變化特點(diǎn)基本一致，但司鵬等（2017）的氣溫值明顯大于本研究訂正后的氣溫值，這很大一部分原因可能是由于1937年6月的非均一性斷點(diǎn)造成的。而二者的最低氣溫（圖4b）序列，在20世紀(jì)10年代到20年代末、40年代到50年代初有明顯的年代際變化差異，同樣，1954年12月的序列斷點(diǎn)可能也是造成這些差異的主要因素。另外，建立原始觀測序列的基礎(chǔ)數(shù)據(jù)源和插補(bǔ)數(shù)據(jù)源的不同也是造成二者訂正后氣溫序列年代際和數(shù)值大小差異的原因之一。因此，一定程度上說明本研究基于日尺度原始觀測序列，采用新的參考序列建立方法構(gòu)建的保定氣象站百年氣溫序列的合理性和可靠性有一定的改善和提高。同時(shí)，也進(jìn)一步印證了氣象基礎(chǔ)觀測數(shù)據(jù)的處理不是一成不變的，只有不斷改進(jìn)和采用新技術(shù)、新方法和新的觀測資料才能提高構(gòu)建的百年基礎(chǔ)數(shù)據(jù)質(zhì)量（司鵬等，2020）。

5 保定地區(qū)1912年以來溫度變化特征

5.1 平均氣溫變化

圖5給出基于保定氣象站均一性訂正后日最高和最低氣溫統(tǒng)計(jì)得到的年平均距平序列，以及3類參考數(shù)據(jù)源保定站點(diǎn)水平的年平均氣溫距平序列。

如圖所示，訂正后最高和最低氣溫距平序列的年代際變化與3類參考數(shù)據(jù)源序列基本一致。對于最高氣溫來說（圖5a），20世紀(jì)10年代到30年代、80年代末以后出現(xiàn)兩個(gè)明顯的增暖時(shí)期，相比之下，20世紀(jì)50年代到60年代為明顯的降溫時(shí)期。而最低氣溫（圖5b）除在20世紀(jì)60年代有一個(gè)明顯的降溫時(shí)期以外，其他時(shí)期均為增暖變化，特別是20世紀(jì)80年代末以后。圖5中的平均氣溫序列均為各類最高和最低氣溫算術(shù)平均統(tǒng)計(jì)得到。同樣，訂正后的年平均氣溫距平序列（圖5c）與3類參考數(shù)據(jù)源序列的年代際變化基本一致，其中，增暖時(shí)期主要出現(xiàn)在20世紀(jì)10年代到30年代和80年代末以后，20世紀(jì)50年代到60年代為明顯的降溫時(shí)期。

從趨勢變化來看，如表4所示，均一性訂正后的保定氣象站百年尺度年平均最高、最低和平均氣溫趨勢增暖幅度分別為（0.109±0.021）、（0.224±0.018）和（0.166±0.016） ℃／（10 a）（95％不確定性水平估計(jì)），與對應(yīng)Berkeley Earth-monthly和CRUTS4.03趨勢變化幅度基本一致，并且相比訂正前的氣溫趨勢變化（（0.017±0.021）、（0.324±0.025）和（0.172±0.018） ℃／（10 a））更具合理性。同時(shí)，從整個(gè)京津冀區(qū)域來看，保定地區(qū)與北京（司鵬等，2022）、天津（Si et al.，2021）百年尺度氣溫增暖變化特點(diǎn)也是基本一致的，但增暖幅度要稍大于后者，其較好地反映出相對北京和天津這類發(fā)展到一定程度的大城市，保定地區(qū)城市快速發(fā)展所帶來的氣候變化特點(diǎn)（司鵬等，2021）。另外，這里也統(tǒng)計(jì)出訂正后的保定氣象站1985—2019年平均最高、最低和平均氣溫的趨勢變化分別為（0.259±0.090）、（0.320±0.099）和（0.299±0.085） ℃／（10 a）（95％不確定性水平估計(jì)），增暖幅度顯著大于整個(gè)百年尺度。

5.2 極端溫度變化

7類極端溫度指數(shù)均源自世界氣象組織指數(shù)專家組（ETCCDMI）推薦使用的溫度指標(biāo)（Peterson et al.，2001）（表5）。表6給出保定地區(qū)1912年以來7類年和季節(jié)極端溫度指數(shù)的變化趨勢。對于年變化來說，1912年以來保定地區(qū)的TNn表現(xiàn)出顯著的增加趨勢，為0.340 ℃／（10 a）（95％顯著性水平檢驗(yàn)），但TXx的趨勢變化并不顯著。極端冷事件（TN10p、TX10p）均表現(xiàn)為顯著的減少趨勢，而極端暖事件（TN90p、TX90p）則表現(xiàn)出顯著的增加趨勢，并且從變化幅度來看，日極端事件（TX10p、TX90p）的趨勢變化幅度遠(yuǎn)遠(yuǎn)小于夜極端事件（TN10p、TN90p），從而導(dǎo)致氣溫日較差趨勢幅度的顯著減少，為-0.118 ℃／（10 a）（95％顯著性水平檢驗(yàn)）。從季節(jié)變化來看，與年尺度特點(diǎn)基本一致，各季節(jié)TNn均表現(xiàn)出顯著的增加趨勢，特別是秋季TNn趨勢增加幅度相對最大，為0.404 ℃／（10 a）（95％顯著性水平檢驗(yàn)），而TXx除了春季趨勢呈顯著增加以外，其他季節(jié)的趨勢變化并不顯著。各季節(jié)的極端冷事件（TN10p、TX10p）基本表現(xiàn)為顯著的減少趨勢（除冬季TX10p趨勢變化不顯著以外），而極端暖事件（TN90p、TX90p）基本表現(xiàn)為顯著的增加趨勢（除夏季和秋季TX90p趨勢變化不顯著以外）。同樣，各季節(jié)日極端事件（TX10p、TX90p）的趨勢變化幅度均遠(yuǎn)遠(yuǎn)小于夜極端事件（TN10p、TN90p），導(dǎo)致氣溫日較差趨勢幅度的顯著減少（除春季和夏季DTR趨勢變化不顯著以外），并且秋季DTR的趨勢減少幅度也是相對最大的，為-0.215 ℃／（10 a）（95％顯著性水平檢驗(yàn)）。

6 結(jié)論

基于國家氣象信息中心收集整理的保定氣象站1919—2019年逐日最高和最低氣溫原始基礎(chǔ)數(shù)據(jù)，構(gòu)建了河北保定地區(qū)1912—2019年均一化最高和最低氣溫日值序列，并對該地區(qū)百年以來的氣溫變化特征進(jìn)行了分析，得到如下結(jié)論：

1）為盡可能恢復(fù)完整可靠的原始基礎(chǔ)資料，研究中分別采用天津百年均一化逐日氣溫?cái)?shù)據(jù)和插值到保定站點(diǎn)水平的Berkeley Earth-daily氣溫?cái)?shù)據(jù)，通過標(biāo)準(zhǔn)化序列法對質(zhì)控后的保定氣象站原始觀測序列進(jìn)行延長插補(bǔ)，通過比對最終選取基于天津日氣溫?cái)?shù)據(jù)得到的插補(bǔ)序列。

2）基于兩種途徑建立的年和月尺度參考序列，利用懲罰最大t檢驗(yàn)（PMT）和分位數(shù)匹配法（QM）（95％顯著性水平檢驗(yàn)），剔除了插補(bǔ)后的保定氣象站日最高和最低氣溫序列中因數(shù)據(jù)插補(bǔ)、遷站和儀器變更造成的序列非均一性影響，盡可能保留了該站百年以來真實(shí)的氣候變化特征。

3）保定氣象站百年以來年平均氣溫距平序列的年代際變化特點(diǎn)與Berkeley Earth-monthly、CRUTS4.03和GHCNV3參考數(shù)據(jù)源基本一致，其中，增暖時(shí)期主要出現(xiàn)在20世紀(jì)10年代到30年代和80年代末以后，而20世紀(jì) 50年代到60年代為明顯的降溫時(shí)期。從趨勢變化來看，年平均最高、最低和平均氣溫趨勢增暖幅度分別為（0.109±0.021）、（0.224±0.018）和（0.166±0.016） ℃／（10 a）（95％不確定性水平估計(jì)），與對應(yīng)Berkeley Earth-monthly和CRUTS4.03基本一致。

4）對于極端溫度變化來說，保定地區(qū)1912年以來年和季節(jié)極端溫度呈明顯的增暖變化，TNn的增暖趨勢顯著增加（95％顯著性水平檢驗(yàn)），特別是秋季趨勢幅度達(dá)0.404 ℃／（10 a）。并且年和季節(jié)日極端事件（TX10p、TX90p）的趨勢變化幅度均遠(yuǎn)遠(yuǎn)小于夜極端事件（TN10p、TN90p），導(dǎo)致氣溫日較差趨勢幅度的顯著減少，年和秋季趨勢變化分別為 -0.118 ℃／（10 a）、-0.215 ℃／（10 a）（置信度為95％的顯著性水平檢驗(yàn)）。

另外，相比司鵬等（2017），本研究對處理的氣溫要素的時(shí)間尺度做了細(xì)化，為我國京津冀極端氣候變化研究領(lǐng)域提供了新的基礎(chǔ)觀測數(shù)據(jù)。與此同時(shí)，在司鵬等（2017）基礎(chǔ)上，盡可能詳細(xì)地整理了保定氣象站近百年有觀測記錄以來的臺(tái)站元數(shù)據(jù)信息，并且改進(jìn)和完善資料插補(bǔ)和均一化分析中對參考資料源的選取和參考序列的建立方法，為構(gòu)建的百年逐日氣溫基礎(chǔ)序列的完整性和可靠性提供科學(xué)依據(jù)。

參考文獻(xiàn)（References）

Bai K X，Li K，Wu C B，et al.，2020.A homogenized daily in situ PM 2.5 concentration dataset from the national air quality monitoring network in China［J］.Earth Syst Sci Data，12（4）：3067-3080.doi：10.5194／essd-12-3067-2020.

Harris I，Osborn T J，Jones P，et al.，2020.Version 4 of the CRU TS monthly high-resolution gridded multivariate climate dataset［J］.Sci Data，7（1）：109.doi：10.1038／s41597-020-0453-3.

姜彤，翟建青，羅勇，等，2022.氣候變化影響適應(yīng)和脆弱性評估報(bào)告進(jìn)展：IPCC AR5 到AR6的新認(rèn)識(shí)［J］.大氣科學(xué)學(xué)報(bào)，45（4）：502-511. Jiang T，Zhai J Q，Luo Y，et al.，2022.Understandings of assessment reports on climate change impacts，adaptation and vulnerability：progress from IPCC AR5 to IPCC AR6［J］.Trans Atmos Sci，45（4）：502-511.doi：10.13878／j.cnki.dqkxxb.20220529013.（in Chinese）.

Lawrimore J H，Menne M J，Gleason B E，et al.，2011.An overview of the Global Historical Climatology Network monthly mean temperature data set，version 3［J］.J Geophys Res，116（D19）：D19121.doi：10.1029／2011jd016187.

Li Y，Tinz B，von Storch H，et al.，2018.Construction of a surface air temperature series for Qingdao in China for the period 1899 to 2014［J］.Earth Syst Sci Data，10（1）：643-652.doi：10.5194／essd-10-643-2018.

劉小寧，張洪政，李慶祥，2005.不同方法計(jì)算的氣溫平均值差異分析［J］.應(yīng)用氣象學(xué)報(bào)，16（3）：345-356. Liu X N，Zhang H Z，Li Q X，2005.Analyses on average temperature difference resulted from different calculation methods［J］.J Appl Meteor Sin，16（3）：345-356.doi：10.11898／1001-7313.20050309.（in Chinese）.

Lü Y M，Guo J P，Yim S H，et al.，2020.Towards understanding multi-model precipitation predictions from CMIP5 based on China hourly merged precipitation analysis data［J］.Atmospheric Research，231（1）：104671.

Masson D V，Zhai P M，Pirani A，et al.，2021.Climate change 2021：the physical science basis［R］.Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change.Cambridge，United Kingdom and New York：Cambridge University Press.

Menne M J，Durre I，Vose R S，et al.，2012.An overview of the global historical climatology network-daily database［J］.J Atmos Ocean Technol，29（7）：897-910.doi：10.1175／jtech-d-11-00103.1.

Peterson T C，F(xiàn)olland C，Gruza G，et al.，2001.Report on the activities of the Working Group on Climate Change detection and related rapporteurs 1998—2001 ［R］.ICPO Publication Series No.48.

Rohde R，Muller R A，Jacobsen R，et al.，2013a.A new estimate of the average earth surface land temperature spanning 1753 to 2011 ［J］.Geoinformatics ＆ Geostatistics：an overview，1（1）.doi：10.4172／2327-4581.1000101.

Rohde R，Muller R A，Jacobsen R，et al.，2013b.Berkeley earth temperature averaging process ［J］.Geoinformatics ＆ Geostatistics：An overview，1（2）.doi：10.4172／2327-4581.1000103.

司鵬，郝立生，羅傳軍，等，2017.河北保定氣象站長序列氣溫資料缺測記錄插補(bǔ)和非均一性訂正［J］.氣候變化研究進(jìn)展，13（1）：41-51. Si P，Hao L S，Luo C J，et al.，2017.The interpolation and homogenization of long-term temperature time series at Baoding observation station in Hebei Province［J］.Climate Change Res，13（1）：41-51.doi：10.12006／j.issn.1673-1719.2016.043.（in Chinese）.

司鵬，王冀，李慧君，等，2020.省級地面氣象觀測資料均一化處理技術(shù)與應(yīng)用［M］.北京：氣象出版社. Si P，Wang J，Li H J，et al.，2020.Homogenization processing technology and application of meteorological observation data at provincial scale ［M］.Beijing：China Meteorological Press.（in Chinese）.

司鵬，梁冬坡，陳凱華，等，2021.城市化對天津近60年平均溫度和極端溫度事件的增暖影響［J］.氣候與環(huán)境研究，26（2）：142-154. Si P，Liang D P，Chen K H，et al.，2021.Urbanization effect on average and extreme temperature warming in Tianjin during the last 60 years［J］.Climate Environ Res，26（2）：142-154.doi：10.3878／j.issn.1006-9585.2020.20060.（in Chinese）.

Si P，Li Q X，Jones P，2021.Construction of homogenized daily surface air temperature for the city of Tianjin during 1887—2019［J］.Earth Syst Sci Data，13（5）：2211-2226.doi：10.5194／essd-13-2211-2021.

司鵬，郭軍，趙煜飛，等，2022.北京1841年以來均一化最高和最低氣溫日值序列的構(gòu)建［J］.氣象學(xué)報(bào)，80（1）：136-152. Si P，Guo J，Zhao Y F，et al.，2022.New series of daily maximum and minimum temperature observations for Beijing，China since 1841［J］.Acta Meteorol Sin，80（1）：136-152.doi：10.11676／qxxb2022.008.（in Chinese）.

Stocker T，Qin D H，Plattner Gian-Kasper，et al.，2013.Climate change 2013：the physical science basis，technical summary ［R］.Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change.Cambridge，United Kingdom and New York：Cambridge University Press.

Stone D，Auffhammer M，Carey M，et al.，2013.The challenge to detect and attribute effects of climate change on human and natural systems［J］.Climate Change，121（2）：381-395.doi：10.1007／s10584-013-0873-6.

蘇布達(dá)，陳梓延，黃金龍，等，2022.氣候變化的影響歸因：來自IPCC AR6 WGⅡ的新認(rèn)知［J］.大氣科學(xué)學(xué)報(bào)，45（4）：512-519. Su B D，Chen Z Y，Huang J L，et al.，2022.Impact attribution of climate change：the new cognition from IPCC AR6WGⅡ［J］.Trans Atmos Sci，45（4）：512-519.doi：10.13878／j.cnki.dqkxxb.20220425006.（in Chinese）.

Sun X B，Ren G Y，Xu W H，et al.，2017.Global land-surface air temperature change based on the new CMA GLSAT data set［J］.Sci Bull，62（4）：236-238.doi：10.1016／j.scib.2017.01.017.

孫穎，2021.人類活動(dòng)對氣候系統(tǒng)的影響：解讀IPCC第六次評估報(bào)告第一工作組報(bào)告第三章［J］.大氣科學(xué)學(xué)報(bào)，44（5）：654-657. Sun Y，2021.Impact of humanactivities on climate system：an interpretation of Chapter Ⅲ of WGⅠreport of IPCC AR6［J］.Trans Atmos Sci，44（5）：654-657.doi：10.13878／j.cnki.dqkxxb.20210816009.（in Chinese）.

Trewin B，2013.A daily homogenized temperature data set for Australia［J］.Int J Climatol，33（6）：1510-1529.doi：10.1002／joc.3530.

Vincent L A，Wang X L，Milewska E J，et al.，2012.A second generation of homogenized Canadian monthly surface air temperature for climate trend analysis ［J］.J Geophys Res，117，D18110.doi：10.1029／2012jd017859.

Wang X L，2008.Penalized maximal F test for detecting undocumented mean shift without trend change ［J］.Journal of Atmospheric and Oceanic Technology，25（3）：368-384.doi：10.1175／2007jtecha982.1.

Wang X L，Wen Q H，Wu Y H，2007.Penalized maximal t test for detecting undocumented mean change in climate data series［J］.J Appl Meteor Climatol，46（6）：916-931.

Wang X L，Chen H F，Wu Y H，et al.，2010.New techniques for the detection and adjustment of shifts in daily precipitation data series［J］.J Appl Meteorol Climatol，49（12）：2416-2436.doi：10.1175／2010jamc2376.1.

吳增祥，2007.中國近代氣象臺(tái)站［M］.北京：氣象出版社. Wu Z X，2007.China modern meteorological station ［M］.Beijing：China Meteorological Press（in Chinese）.

Yan Z W，Yang C，Jones P，2001.Influence of inhomogeneity on the estimation of mean and extreme temperature trends in Beijing and Shanghai［J］.Adv Atmos Sci，18（3）：309-322.doi：10.1007／BF02919312.

袁宇鋒，翟盤茂，2022.全球變暖與城市效應(yīng)共同作用下的極端天氣氣候事件變化的最新認(rèn)知［J］.大氣科學(xué)學(xué)報(bào)，45（2）：161-166. Yuan Y F，Zhai P M，2022.Latest understanding of extreme weather and climate events under global warming and urbanization influences［J］.Trans Atmos Sci，45（2）：161-166.doi：10.13878／j.cnki.dqkxxb.20211011001.（in Chinese）.

This study establishes a homogenized daily maximum and minimum temperature series for Baoding in Hebei Province based on daily observations collected by the National Meteorological Information Centre from 1919 to 2019.Quality control is conducted to remove error data resulting from manual observation or recording，instrument malfunctions and digital inputs.Then，missing observations are interpolated using the standardized series method with homogenized daily temperature data in Tianjin over a century-long scale.Significant breakpoints caused by changes in interpolation，station relocation，and instrument manufacturers are detected using a penalized maximal t-test （PMT） with annual and monthly reference series constructed by two means，and adjusted by Quantile Matching （QM） daily reference series from Berkeley Earth-daily data.The characteristics of inter-annual，decadal，and trend changes are consistent with those from Berkeley Earth-monthly，CRUTS 4.03，and GHCNV3.The warming change induced by the rapid urban development in the Baoding region is well reflected when simultaneously compared with the whole Beijing-Tianjin-Hebei region.Furthermore，the warming trends of the annual and autumn lowest minimum temperature （TNn） are 0.340 ℃／（10 a） and 0.404 ℃／（10 a） （95％ significance level），respectively，and the corresponding diurnal temperature range （DTR） are -0.118 ℃／（10 a） and -0.215 ℃／（10 a） （95％ significance level）.The warming change in annual and seasonal temperature extremes in Baoding have also increased significantly since 1912.

over century-long scale;daily time series;extended interpolation;homogenization;extreme temperature change

doi：10.13878／j.cnki.dqkxxb.20220324001

（責(zé)任編輯：劉菲）