三亚站气温序列非均一性检验订正及其变化特征分析

方勉 吴慧 马凤娓 张日晶 刘经山

（1. 海南省三亚市气象局 海南三亚 572000；2. 海南省南海气象防灾减灾重点实验室 海南海口 570203；3. 海南省气候中心 海南海口 570203）

开展气候变化分析的前提是有长期可靠的气象观测数据，但是由于台站迁移、观测规范变更、观测时次调整、局地观测环境变迁等因素影响，气候资料序列呈非均一性，进而掩盖真实的气候变化信息，使气候序列不能真实地反映气候演变规律[1]。因此，检验气候序列的非均一性并对断点进行订正，建立相对均一连续的气候序列对气候趋势研究至关重要。国内外许多学者对气候资料的均一性检验和订正等方面进行了大量的研究试验工作，并取得了众多研究成果。早期，Kohler[2]利用绘制订正站和参证站的累积图，主观判断资料的非均一性。Alexandersson[3]、Solow等[4]相继发展和建立了标准正态均一性检验方法—SNHT（Standard Normal Homogeneity Test）、二位相回归检验法—TPR(Two-Phase Regression)，并将该方法应用于气候数据的连续性检验。Szentimrey[5]、Wang[6]发展的 MASH、RHtest均一性检验方法是目前较为成熟且广为应用的方法。国内学者在气象数据均一化和订正方面也陆续开展研究和尝试。赵美艳等[7]利用RHtest和MASH两种方法检测出重庆地区气温序列非均一性的原因主要是由迁站引起，但观测站周边环境改变、观测设备的更换以及自动站的业务化运行也有影响。胡义成等[8]对高空温度资料均一性检验和订正过程进行研究发现，台站位置变动、观测仪器更换和辐射误差订正方法的改变等均会引起数据的不连续，同时指出，在订正过程中要充分考虑原始观测序列的缺测率。刘佳等[9]发现，SNHT和 TPR方法易检测出序列前部和后部的断点，Pettitt方法对序列中部断点较为敏感，MASH对序列各部的断点均较为敏感，并提出在气候资料的均一性检验中采用多种检验方法相结合，有助于气候资料在区域气候变化研究中的有效利用。

气候变化，尤其是气温上升导致的变暖问题一直是气候学研究的重点。在全球变暖的大背景下，我国平均气温变化与全球平均气温变化趋势基本一致，但在时空分布上又呈现出区域性差异[10]。最新研究表明：1900年以来中国气温升高平均趋势为1.3～1.7℃/100a，这一结论远高于早期的评估结果（0.5～0.8℃/100a）[11]，而近60年来，中国平均气温增温速率平均为2.78℃/100a。就不同区域而言，北方地区升温幅度大于南方地区，青藏高原大于同纬度的亚热带区域[12]。

三亚作为一个快速发展的热带滨海城市，其优越的气候资源每年吸引大量游客前来观光游玩。随着城市的发展，由于气象观测环境及业务发展需求发生变化，原址观测环境已经达不到要求。为确保气象数据的连续性，2009年1月1日,三亚国家基本气象站（简称三亚站）由原河东路迁至六道岭。由于站址的变迁，观测场周边环境的变化，气象要素也随之改变，但关于三亚气候变化的研究并未涉及三亚站迁站带来的问题，也没有对三亚国家基本站气象资料做过迁站前后观测数据的均一性检验及订正。本文在收集三亚站迁站前后元数据及缺少对比观测资料的情形下，利用PMF方法对三亚站1959—2020年的年/月平均、最低和最高气温序列进行均一性检验，采用QM 方法、高度订正法对气温突变点进行订正，得到三亚市相对均一性的气温序列，并利用订正后的气温长序列分析三亚市气温变化趋势特点。该研究对于揭示三亚市气温的真实变化具有重要的现实意义，为工程设计、城市规划、气候预测等提供科学依据，为公共气象服务提供的气象信息也更加真实可靠。

1 数据和方法

1.1 数据来源

采用海南省气象信息中心资料室收集整理的三亚市国家基本气象站 1959—2020年逐月气温（平均、最高、最低）资料及三亚站的台站历史沿革资料。该气温序列由两部分组成，1959年1月至2008年12月观测数据采集于迁站前的河东路，2009年1月至2020年12月观测数据采集于迁站后的六道岭。

另外，由于迁站后原址缺少平行观测数据，故选取原址周边区域自动站观测的气温数据与迁站后的气温数据进行统计分析。三亚区域自动站于2008年后开始建设，刚好与迁站后观测站保持了同步气象观测。区域自动站选取原则：选取2009年1月起气温资料较为完整、距离原址观测站较近、地理环境相似、数据通过均一性检验的站点。最终选取玫瑰谷、白鹭公园观测站作为参考站，对三亚站的月气温序列进行订正。三亚站及参考站点基本信息和相关系数见表1。

表1 三亚站与参考站基本信息和相关系数

为了保持与历史资料的一致，月均值选取02、08、14和20时这4个时次观测数据的平均值，且选用的资料均已进行了质量控制，对于参考站资料缺测问题，选用与其相关性较高的邻近台站数据进行一元线性回归拟合，进而对缺测数据进行插补。

1.2 方法

1.2.1 均一性检验 选用 RHtestsV4软件包对三亚市 1959—2020年逐月气温序列进行均一性检验，该软件包提供了2种检验方法，一种是惩罚最大t检验 PMT（Penalized Maximal t test）方法[13]，该方法在进行检验时需要提供参考序列，求取待检序列与参考序列的差值，再对得到的差值序列进行检验。另一种是惩罚最大F检验 PMF（Penalized Maximal F test）方法[14]，其进行检验时无需提供参考序列，检验的对象既可以是原始序列，也可以是待检序列与参考序列的差值序列。这2种方法都考虑了序列一阶滞后自相关导致的统计量检验误差，并嵌入了多元线性回归方法，通过使用经验性的惩罚函数，改善误报警率和检验能力的非均匀分布问题[6]。这 2种方法已集成在RHtests软件包中，本文使用RhtestsV4版本中的PMF对三亚站1959—2020年逐月气温（平均、最高、最低）序列进行均一性检验，该方法的检验过程及RHtests检验步骤参见文献[8,15]。

1.2.2 订正方法 目前，气候序列的订正方法，有一元线性回归法、逐步多元线性回归法、综合法、差值法、比值法和分位数匹配 QM（Quantile-Matching Adjustments）等[16-17]。受参考台站序列长度的限制，文中将序列分为1959—2008年和2009—2020年2个时段。1959—2008年气温序列选用QM 订正法进行订正，该方法是利用去除线性趋势后的待检序列，所有片断具有相互匹配的经验分布；待检序列中的年循环、滞后一阶自相关以及线性趋势的评估是相互协调进行的，其对连续型变量，如气温等要素的均一化订正效果较好[18-19]。2009—2020年气温序列选用高度订正法，因文中所选站点均在三亚市，除海拔高度的差异较大之外，均属同一个气候分区，所处环流背景相同，观测环境也较为接近，故选用高度订正法对迁址后的气温进行订正[20]。

2 结果与分析

2.1 气温序列均一性检验

采用RHtestsV4软件包提供的PMF方法，对月气温序列进行检验，检验时气温序列置信度取95%，结果如表 2所示。三亚市逐月气温序列的均一性相对较好，其中月平均气温、月平均最高气温和最低气温均在2008年12月份存在显著间断点，这一断点是由于迁站造成的。月平均最低气温在1970年12月份亦存在显著间断点，查阅三亚站历史沿革信息得知，1971年2月1日三亚站地面观测时次进行过调整，从而导致月平均最低气温不连续。

表2 三亚站月气温序列均一性检验及断点原因

2.2 气温序列订正

针对迁站引起的月气温序列非均一性，采用高度订正法进行订正。利用2009—2020年三亚站（订正站）和参考站各月平均气温、月平均最高气温和最低气温的差值和两站实际海拔高度差推算出气温随海拔高度的递减率，结果见表 3。由各参考站推算出的气温递减率可知：其数值变化较为稳定，不过从各站的数值大小来看，月平均气温和月平均最低气温的温度递减率变化规律是：气温递减率是市区（白鹭公园）高于郊区（玫瑰谷），这一结果主要是由于城市快速发展，如城市土地利用、人为热释放以及人为气溶胶排放等导致城市化效应、温室气体增加，其产生的温室效应等引起近地面增温[21]。月平均最高气温的温度递减率则是春夏季郊区站高于市区站，可能是由于不同季节两站所在下垫面有差异，导致其对太阳辐射加热的响应不同[22]。同时还发现，气温递减率在冬春季普遍高于夏秋季，这可能与不同季节太阳辐射角度不同及日照时长、云量多少、水汽含量多少等方面有关，加之订正站所在观测场特殊的地形以及其局地小气候等因素也会对气温产生影响[23-26]。

鉴于市区站、郊区站的气温递减率存在差异，在对气温序列进行订正时，以白鹭公园（记为市区站）、玫瑰谷（记为郊区站）气温递减率以及二者的均值（记为平均值）3种方式对三亚站（迁站后）2009—2020年的气温数据进行高度订正，订正到与迁站前观测站相同的高度，消除因迁站引起的气温差值，得到三亚站近10年气温序列订正值。

对于1959—2008年月平均最低气温序列，由于观测时次调整出现的断点，利用 RHtestsV4软件包自带的QM订正法进行订正。

2.3 气温序列订正结果检验

为了验证3种订正方式对三亚站2009—2020年气温序列订正的可靠性，利用PMF法对订正后的月气温序列进行检验。结果表明：市区站订正后的月平均气温、月平均最低气温序列及郊区站订正的月平均最高气温序列都是均一性的。同时结合表3发现，这3组均一性的月气温序列订正时的温度递减率（年平均）最大，即订正方向以高的温度递减率为准时，气温序列的气候趋势是相同的。

为了进一步说明订正结果的可信度，对订正前后气温数据变化趋势进行对比分析，结果见表4。订正前年平均、最高、最低气温倾向率均呈负值，且年平均最低气温序列未通过信度检验，订正后三者的变化趋势均为正值，且均通过α=0.01的显著水平检验。对迁站前1959—2008年气温序列进行趋势分析，发现订正后的整个气温序列（1959—2020年）变化趋势与迁站前的气温变化趋势相当，表明订正后的气温序列具有较好的一致性。因此，可用这3个月气温序列对三亚站气候变化进行统计分析。

表4 三亚站不同时段气温序列订正前后变化趋势对比

2.4 气温变化趋势分析

利用上文通过均一性检验的月气温序列分析三亚市近60年气温变化情况。图1-a是根据三亚站均一性检验前后月序列平均得到的年平均气温序列[27]，订正前后三亚站 1959—2020年平均气温倾向率分别为-0.29和0.27℃/10a，二者的倾向率方向相反，表明迁站对三亚气温序列均一性影响较大；而均一性订正则校正了迁站对气温序列带来的影响，也说明气温序列订正的重要性。利用订正后的气温资料分析三亚气温变化特征，结论也更加合理。年平均最高气温（图1-b）订正前后的气温倾向率分别为-0.42和0.24℃/10a，与年平均气温的变化类似。年平均最低气温（图1-c）订正前后气温倾向率分别为-0.09和0.46℃/10a，二者在订正方向及订正量级上都有较大差别。同时发现，年平均气温、年平均最低气温的增长速度高于年平均最高气温增长速度，这一变化规律与中国气温的变化趋势相契合[24,28]。

订正前后三亚站月平均气温倾向率见表 5。迁站对月气温序列的变化趋势也产生了重要影响。订正前的月气温序列变化趋势基本是负增长，订正后的月气温序列基本呈显著性的正增长。月平均气温、月平均最低气温序列中各月份的增温都非常显著，从表5订正后月平均气温、月平均最低气温序列的倾向率来看，1月份的倾向率最大，达到 0.379和 0.595℃/10a；7月份的倾向率最小，为0.163、0.375℃/10a。夏季的倾向率普遍偏小，冬季的倾向率较大，说明冬季对月平均气温、月平均最低气温的增温贡献更大。月平均最高气温序列中除2、12月，其他月份气温倾向率增长较为显著，8月订正后的倾向率最大，为0.392℃/10a，且夏季的倾向率高于其他季节。

表5 三亚站订正后气温序列倾向率月变化 单位：℃/10a

以上分析表明，三亚市气温变化规律同全国的气候变化特征较为一致，即三亚气候的升温是对全国气候变暖的一种响应，这种响应在不同气温序列（平均气温、平均最高、平均最低）、不同时序（年、月）上又具有地区性的变化特点。

3 结论

（1）利用RHtestsV4软件包中的PMF方法对三亚站气温序列进行均一性检验，发现 1959—2020年三亚站月平均气温、月平均最高气温序列存在1个断点，月平均最低气温存在2个断点，并结合台站历史沿革信息分析认为，三亚站气温序列的非均一性主要受台站迁移、观测时次变更的影响。

（2）利用QM方法对观测时次变更造成的月平均最低气温非均一性进行订正，利用高度订正法对迁站造成的月气温序列断点进行订正，将迁站后（2009—2020年）的气温订正到与迁站前同高度，并对订正后的月气温序列进行均一性检验，最终得到均一性较好的月平均气温、月平均最高气温、月平均最低气温长序列观测数据。

（3）订正后的月平均气温、月平均最低气温序列均呈现显著性增温趋势，冬季增温趋势强于夏季，冬季对2个气温序列的增温贡献最大；月平均最高气温在夏季的增温趋势较强，冬季增温较弱。

（4）订正后的年平均气温、年平均最高气温、年平均最低气温均呈增长趋势，气温倾向率依次为：0.27、0.24、0.46℃/10a，年平均最低气温的增温趋势最强。

在气温序列订正过程中，因参考站月气温序列年限限制，采用高度订正法对迁站后的气温序列进行订正，而不同参考站计算的温度递减率存在差异，同一参考站计算的平均气温及平均最高、平均最低气温的温度递减率也不尽相同，致使订正的气温序列也存在差异。本研究选用订正后经过均一性检验的气温序列进行分析，订正结果受一定主观因素影响，订正的合理性还有待进一步检验，因此。本研究结论可能存在一定的不确定性，今后需结合多源数据开展深入研究。