考虑随机误差的逐日气温序列集合均一化方法研究

Long-term homogenous meteorological observation series are essential for assessing climate change, dealing with not only mean climate but climate extremes. However, inhomogeneity is hardly avoided because of non-natural changes such as those in observing location, environs, instrument, and algorithms for calculating climate variables. Inhomogeneities or discontinuities in a climate series affect not only estimates of the mean climate and trend but also those of climate extremes in different ways. Homogenized observational climate series developed by different homogenization methods undoubtedly improved the quality of database of regional climate research. However, because of random errors in climate observations, uncertainties in statistical methods, the inhomogeneities estimated based on different homogenization methods contain uncertainties. How to assess and reduce the uncertainties of homogenization results remains a difficult issue. To overcome or reduce uncertainties in homogenized daily temperature series, the present author is to make an ensemble analysis based on the Multiple Analysis of Series for Homogenization (MASH) method, hence to develop a new method (E-MASH) for homogenizing daily temperature series. A number of sample series will be formed by adding random noises to the candidate and / or reference daily temperature series before synthesizing an ensemble of results of MASH. The new method is expected to substantially reduce uncertainties in the results of homogenization of daily temperature series.

均一化的长期气候序列是气候变化研究的基础，但因台站迁址、仪器变更等非自然因素的影响，致使气候序列存在非均一性，进而影响气候变化趋势的确切估计。而由于气候观测序列中存在的各种随机误差及均一化的统计方法本身具有的不确定性，现有各种均一化方法对于相同气候序列中非均一性的估计存在差异。发展新方法以克服均一化结果的不确定性，系进一步改善现有气候变化研究数据基础所亟需。气温作为一个重要的气候要素，目前我国已发展多套均一化的观测序列集，但对于不同方法所得数据集所呈现的不确定性尚无系统的研究。尤其对如何减小这种不确定性尚缺乏方法学上的创新。本项目借鉴EEMD方法在扰动样本集成分析方面的基本思路，以序列均一化多元分析方法MASH为基础，根据原始观测序列变率特征而加入适量随机扰动，发展基于随机误差的逐日气温序列的多样本集合均一化方法E-MASH。项目将为减小逐日气温序列均一化结果的不确定性构建全新的方法基础。

均一化的长期观测序列是气候变化研究的基础。但由于气候观测序列中存在的随机误差及均一化方法自身的统计不确定性，造成不同均一化方法对于相同气候序列中非均一性的估计存在差异。为减小或克服均一化结果的不确定性，有必要发展考虑随机误差的逐日气温序列均一化方法，进而改善区域气候变化研究所需的数据基础。项目旨在发展基于随机误差的逐日气温序列的多样本集合均一化方法E-MASH，为减小逐日气温序列均一化结果的不确定性构建全新的方法基础。按计划开展如下研究：. 1) 基于1960-2016年北京地区逐日气温资料，利用MASH和EEMD相结合的方法，发展了考虑随机误差的逐日气温序列集合均一化方法E-MASH，评估了均一化结果不确定性。. 2）基于MASH方法发展了京津冀地区1960-2015年逐日气温、降水和风速均一化观测序列，在此基础上揭示了近几十年京津冀地区气候变化格局。. 3）建立了基于MASH方法进一步均一化的中国中东部长时间气温序列集（已在http://www.dx.doi.org/10.11922/sciencedb.516发布），揭示了中国过去百年大尺度气候变化空间格局；并进一步集合经验模分解EEMD方法揭示近百年中国两次变暖过程中国的冷、暖分布格局，进而利用全球格点气温和海平面气压资料计算了同期地转风导致的温度平流，进一步分析了相应的冷暖平流背景。. 4）对比分析了基于RHtest方法和MASH方法得到的1960-2013年中国751站均一化逐日气温序列，评估了不同方法对于逐日气温非均一性所造成的不确定性并探讨了可能的原因，量化了不同方法对于区域气候变化趋势估计的影响。. 5）其他相关工作：基于MASH方法，发展和更新了1960-2016年全国762站逐日平均气温、最高气温、最低气温均一化数据集，1960-2017年753站其他多个气候要素（降水、风速、气压）的均一化逐日数据集，为多个研究提供了可靠数据基础；亦已开展一带一路沿线区域逐日气温和降水的均一化研究。. 发表论文3篇(SCI 2篇)，联合培养在读客座研究生1名。