中国格点观测温度和降水极值的多数据集比较外文翻译资料

英语原文共 19 页，剩余内容已隐藏，支付完成后下载完整资料

外文翻译

中文题目：中国格点观测温度和降水极值的多数据集比较

外文题目：Multi-dataset comparison gridded observed

temperature and precipitation extreme over china

中国格点观测温度和降水极值的多数据集比较

尹红,马库斯 G.多纳特，丽莎 V.亚历山大和孙英

a.中国气象局国家气候中心，中国北京

b.澳大利亚悉尼新南威尔士大学ARC气候系统科学卓越中心

c.澳大利亚悉尼新南威尔士大学气候变化研究中心

摘要：

比较了中国近50年来五种包含了极端温度和降水极值的格点数据，从这些数据中估算出中国最冷的昼、最冷的夜、最热的昼、最热的夜和最潮湿天数的时间序列，空间平均和变化趋势，其中这些模式的站点网格密度，插值所使用的方法和极值计算顺序各不相同。计算结果是从插值处理后计算而得而不是从站点数据计算的，我们发现，无论数据如何选择，尽管实际值在模式中的值通常较小，但是，全国范围内的极端温度变化趋势是一致的。同时变化趋势也存在一些区域差异，特别是在站点数据稀疏的地区，例如：青藏高原。1961年-2009年期间，中国平均气温变化的趋势存在很大的差异，如：最高温度每年的上升幅度大约为0.13℃，而最低温度每年的上升幅度可以达到0.65℃。冷昼、冷夜温度的上升速度往往大于热昼温度上升的速度。在计算空间趋势和平均值时，发现输入观测数据的空间覆盖范围对结果影响很大，特别是对于空间相关性较小的降雨指数。此外，所选择的插值技术和用于计算指数的操作顺序也会影响分析的结果。尽管存在差异，但所有的再分析资料表明，自20世纪中期以来，中国的冷昼、冷夜、暖昼、暖夜的温度逐渐上升。这样的结果意味着大面积平均趋势可能是一个比特定区域趋势或平均值更稳定的指标，这对检测、归因和模型评估研究具有重要的意义。

关键词：气候趋势；插值；最热的天；最冷的天；最潮湿的天

2014年2月7日收到；2014年8月24日修订；接受2014年9月1日

1. 介绍：

最近，政府间气候变化专门委员会（IPCC）第一工作组的第五次报告（AR5）中提到，自1950年以来，冷昼和冷夜的数量逐渐减少，热昼，热夜的数量逐渐增加，同时强降水事件将在更多的地区发安生。与平均气候变化相比，这些极端气候事件对人类健康、社会、经济和生态系统产生了更大的影响，因此近几十年来更多的研究对集中在了这份评估上。虽然最近研究进展很快（尼克尔斯和亚历山大，2007；维拉特纳等，2012），但仍有许多不确定因素阻碍了对这些极端事件的评估。其中一个不确定因素就是如何最好地把在不规则格点（站点）中计算的极值变化表示在空间插值中（网格），同时还要考虑网格技术中本来存在的一些不确定性和相关格点的使用价值（张等，2011）。许多情况下都需要用到格点数据，例如：评估气候模式的输出，但是他们也有助于最大限度地减少个别站点数据质量问题所造成的影响。然而，大多数生成的模式数据是在没有进行不确定性估计的情况下产生的，并且许多实验者可能不会意识到数据观测产品的选择通常也会对结果产生实质性的影响。观测数据的不确定性有很多种形式，从基础站台数据的质量和/或一致性到选择的网格/插值方法的选择（参数不确定性），和网格选择和分析框架（结构不确定性）。其中结构不确定性通常对最终的格点化产品，特别是在极端情况的表示及其变化趋势的估计中影响最大。（霍夫特斯拉等，2010）。在全球范围内，基于气候变化检测和指标专家组（ETCCDI；张等，2011）建议的指标，有几个温度和降水极值的格点数据资料。这些指标包括了HadEx (亚历山大等，2006)，更新版本HadEx2 （多纳特等，2013a）和GHCNDEX（多纳特等，2013b），基于全球历史气候学网络（GHCN）的每日数据（杜蕾等，2010）。除此之外，已经用到的数据资料包括：（1）监测全球气候极值（多纳特等，2013a，2013b），（2）检测和归因研究（如，莫拉克特，2011；米内特等，2013）和（3）用于模型评估（如亚历山大和阿博拉斯特，2009；司丽曼等，2013）。然后，迄今为止，虽然已经与其他可用的资料进行了比较，但是仍然不对这些产品中的任何一个进行不确定性估计（例如，多纳特等，2014）。对于世界上的一些区域来讲（例如非洲，南美洲和亚洲的部分地区），由于极端情况调查所需要的高质量的日常观测资料十分有限，因此研究受到了很大的限制。有许多高分辨率和时间尺度较短的区域尺度模式，例如0.05°*0.05°分辨率的澳大利亚水资源可用性项目数据包括1900年每日的多个气候变量（琼斯等，2009）；欧洲每日的高分辨率（0,。25°*0.25°和0.5°*0.5°）的降水和温度的网格数据（E-OBS）（海诺克等，2008）；和APHRODITE，0,。25°*0.25°和0.5°*0.5°分辨率的日降水数据，根据亚洲的测量观测结果实时更新（雅嗒盖等，2012）。中国已经开发出了一种高分辨率（0.5∘*0.5∘）的日最大和最小温度的网格数据（CN05）（许等，2009），已用于区域气候模式评估（例如陈等，2011；高等，2011）。然而，这些产品中的大多数同样产生了没有相关的不确定性信息。最近，在1951年至2010年期间，已经为825个台站开发和更新了中国日常地面气温均匀化及极端温度指数趋势分析（李等，2009；许等，2013）。数据均匀化已被证明可以改善中国趋势估计的空间一致性。

现在有很多数据可以估算出极值网格化产品的结构不确定性。因此，本文研究的目的是以中国为例，比较不同的格点观测资料如何的代表温度和降雨极值。从几个数据产品中计算每年中最温暖、最冷、和最潮湿的值 并评估其平均值和趋势及其随时间演变过过程。我们比较了通过改变站台网络，网格化方法和执行网格化极值指数计算的操作顺序而得出的平均值和变化的趋势。在第二节中，描述了气候数据使用的研究。第三节介绍了指标和插值方法，结果显示在第四节中。最后，讨论和结论分别在第五节和第六节中给出。

1. 气候数据：

以下是本文研究使用的不同数据的详情。前三个数据描述了气候极端指数的台站观测资料，然后对此进行了网格划分分析。最后两个数据结果是每天的格点资料，然后从中计算指数。从均匀化温度和降水数据中计算的极端指数从而进一步得到网格化产品在本文中被称为ChinaDEX。同样的，CN05和APHRODITE的极端指数分别称为CN05DEX和APHDEX。同时还是用了基于HadEX2和GHCNDEX中使用的中国台站的格点化资料，但网格分辨率比其原生分辨率高了0.5°*0.5°，以便于与本文中的其他数据进行直接比较。表1给出了不同数据的简要概括。

• 1. 中国每日均匀化的地表温度和降水数据：ChinaDEX

该观测数据由中国气象局（CMA）的国家气象信息中心（NMIC）收集。数据从1951年1月1日开始，到2010年12月31日结束，共有825个温度站和756个降水站。中国大陆的台站分布和地形分别如图1（a）和（b）所示，分别代表了温度和降水。图1（e）显示了站点数量随时间的变化，这表明1960年后网络密度相对稳定。与中国东部相比，中国西部的地面台站密度较低，特别是在青藏高原西部只有少数台站。首先使用百分位阈值法（许等，2013）对来自825个温度站的每日最大值和最小值的时间序列进行均质化。在825个台站中，共有669个台站移动了一次或多次。大多数台站在过去十年左右也是自动化的。在2003-2005年期间大量使用了自动化，2004年有274个站台完成了自动化。我们发现站台搬迁是造成数据不连续的主要原因，其次是台站自动化。许等人的研究中给出了均匀化过程的详细描述（2013年）。由于日常降水均匀化十分困难（例如，皮特等，1998），降水数据较为集中的站台尚未进行均匀化。

• 1. HadEX2

HadEX2包含了17个温度和12个降水指数，这些指数来自于全球7000多个温度和11000个降水测站的日常最高和最低温度和降水高质量的观测资料（多纳特等，2013a）。使用了ETCCDI推荐的一致化方法，在每个站点可用记录期间计算指数（张等，2011）。HadEX2是在3.75°*2.5°全球网格点上创建的，但是为了达到本文研究的目的，我们使用了可用于该数据的363个站点来测量降水个温度极值指数，并将它们重新调整为0.5*0.5°分辨率（见第3节）。站点分布如图1（c）所示。ChinaDEX和HadEX2分别包含337和362个重叠的温度和降水站点。从本质来讲，这意味着HadEX2中的站点主要是ChinaDEX中站点的子集，但这使我们可以通过改变站点的网格密度老测试结果的稳定性。

• 1. GHCNDEX

GHCN的每日数据（杜拉斯等，2010）由美国国家气候数据中心（NCDC）提供，包含了每日最高和最低温度以及降水量（格里森等，2002）。还计算了HadEX2数据中使用的相同指数用以创建GHCNDEX数据（多纳特等，2013b），尽管该数据中的质量控制水平受到了更多的限制。GHCNDEX仅使用GHCN的每日站点数据，其中至少有40年的数据是在1951年后才完成的，它们被格点化为2.5°*2.5°分辨率的全球格点。对于中国，GHCNDEX有213个站点，我们使用这些站点将网格重新划分为0.5°*0.5°的网格分辨率（见第3节）。每日数据可在http://www.ncdc.noaa.gov/oa/climate/ghcndaily/在线免费获取，台站分布如图1（d）所示。ChinaDEX和GHCNDEX分别包含了201和213个相同的温度和降水数据。HadEX2和GHCNDEX之间有103个重叠的站点。这意味着，与HadEX2一样，GHCNDEX中的站点网络也主要是ChinaDEX的子集；但是，它在很大程度上与HadEX2网格点不同。

• 1. CN05 每日格点数据

CN05数据由1961年至2005年的0.5°*0.5°网格上的日常温度格点资料组成（许等，2009）。使用基于异常的插值方法和751个观测站计算数据。首先使用薄盘光滑样条插值1971-2000的气候学，然后添加了从角度距离加权（ADW）方法得到的整个周期的格点化每日异常情况，到气候学获得最终的数据。同样的站点用于开发1971-2000年间的气候学并产生格点化的每日异常情况。薄板平滑样条（ANUSPLIN）适合作为维度，经度和海拔的函数（哈钦森，1995，1999）。从1961年至2019年的数据已经更新，并已用于中国气候的日常空间分析（例如，舍内等，2011；高等，2011）。数据中删除了1961年以后超过10年的缺失的数据，以及通过一系列质量控制检验的过度偏离正常气候的数据；然而，CN05中使用的站点数据在网格化之前没有均匀化。CN05和ChinaDEX共有658个站点。

• 1. APHRODITE每日格点数据

亚洲降水高分辨率观测数据整合评估（APHRODITE）项目在1951年至2007年期间为亚洲开发了最先进的高分辨率（0.5°*0.5°）的网格降水数据集。数据集主要使用是从雨量计观测网络获得的数据创建而来，可在http://www.chikyu.ac.jp/precip/.免费在线获得。该数据集包括了来自多个中国站点的每日降水观测和基于全球电信系统（GTS）的数据，通过第一内插站气候学计算数据。然后通过使用ShereMap内插相应的站点值来创建每日降水UI日常气候学比率的分析场（威尔默特等，1985）。通过将每日气候学乘以每日比率来计算总日降水量的分析（雅嗒盖等，2012）。

图一：（a）每日均一化温度站；（b）日降水站；（c）HadEX2站；（d）GHCDEX站和（e）不同数据随时间的台站数目。（a）和（c）中的表示分析后期使用的盖泽以西（ID：55248）和西泉河（ID：55228），右下角显示的是中国南部的岛屿。

1. 极值指数和网格化方法

ETCCDI定义了27个核心指数，以确定气候中的一些更极端的方面（见http://cccma.seos.uvic.ca/ETCCDI/indices.shtmi）。在这项研究中，选择了ETCCDI中的五个气候指数，因为它们代表了一年中最温暖，最寒冷和最潮湿的昼夜。选择一年中最大值和最小值表示对数据比较的严格测试，因为这些值所预计的数据之间的差异可能会大于中等极端值或平均值。指数每年都会计算一次，即，最冷日中的最高温度（TXn），最冷日中的最低温度（TNn），最热日中的最低温度（TNx）和最大的日降水总量（Rx1day）。索引的网格字段使用后面描述的已建立插值方法从观测到台站数据（ChinaDEX，HadEX2和GHCNDEX）计算，而在Cn05和APHRODITE数据中 ，指数分别根据每日温度和降水格点资料计算而得。

我们可以通过执行指数计算的操作顺序来测量网格化输出中的一些结构性不确定性。也就是说，是否根据每日网格数据计算指数，或者是

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[18090]，资料为PDF文档或Word文档，PDF文档可免费转换为Word