地面气象站观测的百年均一化气温日值序列的构建方法技术

本发明专利技术提供了地面气象站观测的百年均一化气温日值序列的构建方法，建立百年均一化气温日值序列的基础数据，数据拼接形成完整的百年序列，然后对其进行质量控制，百年序列进行均一化检验，在均一化检验中建立月值参考序列，通过检验得到断点；进而，在日值参考序列下，基于有参考序列法的订正，得到百年观测的均一化气温日值序列；对百年观测的均一化气温日值序列，通过数据插补得到最优插补序列；对最优插补序列进行评估，得到最终的均一化气温日值序列。本发明专利技术所述的构建方法，克服代用资料对极端气候变化定量分析的困难；发展组合性均一化分析方法，提高检测断点的真实性，增强修正数据的可靠性，为极端气候变化研究领域建立新的数据基础。立新的数据基础。立新的数据基础。

【技术实现步骤摘要】
地面气象站观测的百年均一化气温日值序列的构建方法


[0001]本专利技术属于地面气象站观测数据
，尤其是涉及地面气象站观测的百年均一化气温日值序列的构建方法。

技术介绍

[0002]作为第一手资料的气象站观测记录得到了最为广泛的应用，与其他数据相比，其具有代表性和准确性的优点。但目前，由于站点覆盖度、资料的完整性及观测序列的非均一化等问题，使得19世纪到20世纪中叶长达百年尺度的气候变化特征仍然存在着许多不确定性，对于深入系统地检测区域或局地气候变化规律及预测未来的气候变化趋势缺乏可靠观测依据。我国能够收集到最早的仪器观测资料始于19世纪40年代，20世纪40年代又由于历史原因使得部分站点观测中断、资料缺失，导致1950年以前的气候变化研究结论无法得到很好的诠释。同时，在实际观测中由于观测站点迁移、仪器变更、观测时次改变等不可避免地造成长期观测资料存在非均一化问题，导致序列产生突变。均一化是解决气候资料非均一化的重要技术手段，通过剔出数据中的系统偏差，保留真实的气候变化特征。然而，我国1950年以前的站点数量稀少，元数据信息普遍严重缺失，给长年代气候资料的均一化分析带来很大困难。因此，如何建立完整可靠的长时间观测序列一直是气候变化研究中首先需要解决的关键问题。
[0003]目前，国内外对于长年代序列的建立普遍基于年值和月值的研究，这对于百年尺度极端气候事件的检测特别是1950年以前的事件存在很大困难。并且由于资料的均一化处理程度不够，没有对仪器变更、观测时次改变、业务变更等影响因素进行全面系统的剔除。检验方法存在单一性，参考序列的建立方法缺乏普遍适用性，影响序列断点判识的真实性。第一，在以往长年代气候序列的建立中，研究较多的是平均气温要素，并且缺测数据的插补采用代用资料，对近百年极端气候变化的定量检测有很大困难；第二，前人对建立序列的气候代表性或质量并未进行深入考量，尤其是均一化处理技术的应用不够；第三，在数据处理分析过程中，由于考虑的是区域大范围的空间尺度，对各个站点具体沿革背景了解不够深入，造成部分站点资料的断点订正不合理；第四，由于日值序列自身变率较大，均一化检测存在困难，导致长年代可靠的日值资料研究甚少，严重阻碍了百年来极端气候事件变化的研究。因此，需要采用更加完整的元数据信息及组合性均一化技术方法，基于更加细致的时间分辨率资料，如日值尺度，构建我国数量有限的珍贵的百年可靠气候序列，为我国不同区域气候背景条件下长年代日值序列的建立提供借鉴。进而更为客观的揭示我国百年来极端气候事件的变化规律，量化其变化幅度，从而为制定科学的对策减缓和适应极端气候变化带来的不利影响提供基础支撑。

技术实现思路

[0004]有鉴于此，本专利技术旨在提出地面气象站观测的百年均一化气温日值序列的构建方法，以解决原始观测的百年逐日平均气温、最高气温和最低气温序列中连续缺测数据较多，
非均一化问题明显，如何构建完整可靠的百年尺度日值序列的问题。
[0005]为达到上述目的，本专利技术的技术方案是这样实现的：
[0006]地面气象站观测的百年均一化气温日值序列的构建方法，包括以下步骤：
[0007]S1、根据地面气象站观测的信息建立百年均一化气温日值序列的基础数据；
[0008]S2、对百年均一化气温日值序列的基础数据通过数据拼接形成完整的百年序列，然后对其进行质量控制；
[0009]S3、基于质量控制后的百年序列进行均一化检验，在均一化检验中建立月值参考序列，通过检验得到断点；
[0010]S4、利用建立的日值参考序列通过分位数匹配法进行断点订正，得到百年观测的均一化气温日值序列；
[0011]S5、基于步骤S4中得到百年观测的均一化气温日值序列，通过数据插补得到最优插补序列；
[0012]S6、对最优插补序列进行评估，最终得到新建的百年均一化气温日值序列。
[0013]进一步的，所述步骤S2中的质量控制过程如下：
[0014]1)、对气候界限值检验进行初步质量控制，范围在
‑
80℃≤气温日值≤60℃，超出阈值范围认为是错误数据；
[0015]2)、气候异常值检验进行初步质量控制，气温序列3
‑
5倍标准差为阈值标准，超出阈值认为是可疑数据，通过人工判断是否为错误数据；
[0016]3)、内部一致性检验进行初步质量控制，最低气温≤平均气温≤最高气温，超出阈值范围认为是错误数据；
[0017]人工通过对以上3步认为错误数据均置为缺测标志。
[0018]进一步的，界限值检验通过以下公式得到：
[0019][0020]公式中，和σ
x
分别为气温序列累年平均值和标准差，累年最优为30年，30年标准气候期定义可以是1961
‑
1990、1971
‑
2000、1981
‑
2010，超出阈值范围认为是可疑数据。
[0021]进一步的，突变检验通过以下公式得到：
[0022][0023]公式中，x
i
＝d
i
‑
d
i
‑1,d
i
‑1,d
i
分别为前后连续时间点的数据，和分别为气温差值序列x
i
的累年平均值和标准差，累年最优为30年，30年标准气候期定义可以是1961
‑
1990、1971
‑
2000、1981
‑
2010，超出阈值范围认为是可疑数据。
[0024]进一步的，一致性检验通过以下公式得到：
[0025][0026]公式中，σ为气温序列标准差，σ
jσ
为某日历年所有年份标准差的平均值，为某日累年标准差的平均值，累年最优为30年，30年标准气候期定义可以是1961
‑
1990、1971
‑
2000、1981
‑
2010，超出阈值范围认为是可疑数据。
[0027]进一步的，所述步骤S3中建立月值参考序列的方法如下：(1)对Berkeley Earth，CRUTS4.03和GHCNV3三类月值序列进行加权平均得到月值参考序列，其中，加权系数分别为
三类数据与待检序列相关系数的平方；
[0028](2)首先，从待检序列水平距离300km以内，海拔高度差200m范围内，选取20个地面气象站；其次，选取距离待检序列球面距离最近的10个地面气象站；最后，选取第一步和第二步相同的地面气象站，作为参考站；通过插值法，将对应参考站的Berkeley Earth月值格点数据插到站点水平，利用加权平均得到Berkeley Earth月值参考序列，其中，加权系数为Berkeley Earth对应站点序列与待检序列相关系数的平方。
[0029]进一步的，所述步骤S4中建立日值参考序列的方法如下：
[0030]首先，从待检序列水平距离300km以内本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.地面气象站观测的百年均一化气温日值序列的构建方法，其特征在于包括以下步骤：S1、根据地面气象站观测的信息建立百年均一化气温日值序列的基础数据；S2、对百年均一化气温日值序列的基础数据通过数据拼接形成完整的百年序列，然后对其进行质量控制；S3、基于质量控制后的百年序列进行均一化检验，在均一化检验中建立月值参考序列，通过检验得到断点；S4、利用建立的日值参考序列通过分位数匹配法进行断点订正，得到百年观测的均一化气温日值序列；S5、基于步骤S4中得到百年观测的均一化气温日值序列，通过数据插补得到最优插补序列；S6、对最优插补序列进行评估，最终得到新建的百年均一化气温日值序列。2.根据权利要求1所述的地面气象站观测的百年均一化气温日值序列的构建方法，其特征在于：所述步骤S2中的质量控制过程如下：1)、对气候界限值检验进行初步质量控制，范围在
‑
80℃≤气温日值≤60℃，超出阈值范围认为是错误数据；2)、气候异常值检验进行初步质量控制，气温序列3
‑
5倍标准差为阈值标准，超出阈值认为是可疑数据，通过人工判断是否为错误数据；3)、内部一致性检验进行初步质量控制，最低气温≤平均气温≤最高气温，超出阈值范围认为是错误数据；人工通过对以上3步认为错误数据均置为缺测标志。3.根据权利要求2所述的地面气象站观测的百年均一化气温日值序列的构建方法，其特征在于：界限值检验通过以下公式得到：公式中，和σ
x
分别为气温序列为累年平均值和标准差，超出阈值范围认为是可疑数据。4.根据权利要求2所述的地面气象站观测的百年均一化气温日值序列的构建方法，其特征在于：突变检验通过以下公式得到：公式中，x
i
＝d
i
‑
d
i
‑1,d
i
‑1,d
i
分别为前后连续时间点的数据，和分别为气温差值序列x
i
的累年平均值和标准差，超出阈值范围认为是可疑数据。5.根据权利要求2所述的地面气象站观测的百年均一化气温日值序列的构建方法，其特征在于：一致性检验通过以下公式得到：公式中，σ为气温序列标准差，σ
jσ
为某日历年所有年份标准差的平均值，为某日累年标准差的平均值，超出阈值范围认为是可疑数据。6.根据权利要求1所...

【专利技术属性】
技术研发人员：司鹏，罗传军，王琪，王敏，姜罕盛，
申请(专利权)人：天津市气象信息中心天津市气象档案馆，
类型：发明
国别省市：