东北地区月气温序列的均一性检验和订正

本文采用惩罚最大T检验(PMT)方法,结合台站历史沿革信息,对东北地区129个气象站月最高气温和最低气温资料进行均一性检验和订正,并与已有均一化数据集(CHHT)进行对比分析。结果表明:气温的非均一性在空间上普遍存在,最高温和最低温分别检测出断点74个和94个,资料拼接和迁站是造成非均一性的重要因素。均一性检验和订正提高了东北地区最高气温和最低气温的空间一致性,线性趋势空间分布更加合理,订正之后变化趋势略有增加,年平均最高气温和最低气温分别由0.1和0.22℃·(10 a)^(-1)增至0.17和0.33℃·(10a)^(-1),与CHHT相比,两套数据时间相关系数在0.9以上,对东北地区气候长期演变趋势基本一致,东北地区年平均最高气温和最低气温均呈显著升温趋势,采用PMT得到的年平均最高气温和最低气温变化趋势较CHHT分别偏高0.05和0.03℃·(10 a)^(-1),在线性趋势空间分布上PMT均一化检验订正结果较CHHT略有改善。

天津地面相对湿度资料的非均一性检验及订正

研究中利用NCEP/DOEAMIP-ⅡReanalysis(R-2)比湿再分析资料和基础观测资料两种参考序列,对天津历史月平均相对湿度数据中存在的非均一性因素进行了检验和订正。结果显示,有9个地面站的相对湿度序列存在显著断点,占台站总数的69%。查阅台站元数据得到导致其突变的主要原因是自动站业务化,其次为迁站和仪器变更。从订正量来看,负订正量比例约占96. 3%,其中分布范围在-5.0%～-1.5%,约占总订正量的80%以上。对比分析订正前后月平均相对湿度序列的方差和趋势变化,均一性订正基本修正了非均一性因素造成的突变影响,减缓相对湿度序列长期出现异常偏干的趋势变化。同时,与朱亚妮等(2015)研制的同类数据产品误差分析发现,两类数据的误差平均值较小,但由于一些主观因素影响使得个别台站MAE、SE误差值达到3. 0%以上,造成MAE、SE误差值范围在0～2%的台站比例分别仅在84. 6%和76. 9%及两者以上。从而,一定程度上能够反映出本研究所采用的数据处理技术手段相对以往具有优越性。

珠江口近海海域海浪预报方法研究

根据珠江口近海海域的风区和水深等特点,将该海域划分为4个区域,结合港口规范方法、SMB方法、适用于深浅水的风浪要素计算方法、原苏联预报模式以及莆田海堤试验站方法等5种风浪经验预报模式,对该海域2004～2005年的风浪进行后报、检验和订正,总结出对应不同区域最适合的风浪预报方法。

近50年云南气温序列的均一性检验与订正实验

对云南1961—2010年124个地面站的年平均气温作了均一性检验,并对存在非均一台站的年、月平均气温做了订正试验.首先从与待检台站距离较近的10个台站中选择相关性最好的5个站,用相关系数的平方作为加权平均值建立参考序列,然后分别采用标准正态检验(SNHT)、Buishand-range以及Pettitt 3种方法对各台站的年平均气温进行了均一性检验.检验结果显示,有45个台站的年平均气温存在非均一性,占被检验站的36%;在此基础上,采用待检台站与参考台站线性拟合的方法对存在非均一性台站的年、月平均气温资料进行订正,使其能够更好地反映气候的真实变化;订正前后的年、月平均气温的对比分析表明,对序列的订正较为合理.

利用RHtestsV4软件包对天津1951～2012年逐日气温序列的均一性分析

基于国家气象信息中心＂基础气象资料建设专项＂研制的中国地面历史基础气象资料及台站元数据,利用RHtest V4软件包对天津1951-2012年的历史气温序列进行了均一性分析。结果显示,通过惩罚最大t检验（PMT）方法对12个地面站逐日平均、最高、最低气温序列检验得到,迁站是导致平均气温和最低气温序列突变的主要原因,同类型仪器更换则是导致最高气温序列突变的主要原因,而2005年以后的自动站业务化并没有对天津地区气温序列的均一性造成很大影响。同时,研究中也检验出少部分未知原因的显著间断点,可能是由于观测员的误判或观测仪器翘变等因素造成的历史数据疑误。从订正量来看,逐日平均气温和最高气温序列主要以正偏差订正为主,而最低气温则主要以负偏差订正为主。其中,最高气温序列的分位数匹配（QM）订正量均值最大,90%以上集中在0.1-1.0°C,平均气温序列的QM订正量均值相对最小,90%以上的订正量在-0.7-0.7°C,而最低气温的订正量90%以上集中在-1.5-1.5°C范围中。另外,以Xu et al.（2013）研制的数据集为参照,通过误差分析,发现两类研究得到的年（季节）尺度气温数据具有较高的相符率和一致性,从而可以说明本研究订正后的天津地区1951-2012年逐日气温序列具有一定的可靠性。