張瑤 曹麗娟 朱亞妮

1 黑龍江省氣象數(shù)據(jù)中心，哈爾濱 150030

2 國家氣象信息中心，北京 100081

1 引言

在全球變暖背景下，觀測到的極端天氣的頻率和強度在過去幾十年顯著增加，且隨著氣溫的升高，其發(fā)生頻率將持續(xù)趨高，強度趨強（周波濤和錢進, 2021）。2020年3月，聯(lián)合國發(fā)布《2019年全球氣候狀況聲明》，指出2019年是有記錄以來氣溫第二高的年份，而2010～2019年是有記錄以來最熱的10年。頻發(fā)的極端天氣氣候事件對陸地生態(tài)系統(tǒng)、人類社會經(jīng)濟的發(fā)展、人類健康等均產(chǎn)生了深遠影響。均一化的氣溫序列是研究歷史氣候趨勢和變率的基礎(chǔ)，在長期的觀測中，臺站遷站、環(huán)境變化和觀測儀器更換等都可能造成氣溫序列的非均一，非均一的氣溫數(shù)據(jù)會影響氣候變化趨勢評估。因此，必須對長期的氣溫序列進行均一性檢驗和訂正，建立高質(zhì)量的均一化氣溫序列。

為了能夠獲得均一的氣候序列，國內(nèi)外許多學(xué)者在氣候資料均一性方面開展了大量的工作。Hinkley（1969）早在20世紀70年代初期就提出二相回歸算法（TPR），Solow（1987）利用該方法檢驗氣溫序列，Lund and Reeves（2002）改進了二相回歸的檢驗方法（LR），Turner et al.（2006）進一步應(yīng)用了TPR和LR方法。Vincent（1998）采用多元線性回歸方法對加拿大氣溫序列中的均值和趨勢非均一性進行了檢驗。加拿大環(huán)境部Wang et al.（2007），Wang（2008）引入懲罰因子研發(fā)了均一性檢驗和訂正方法（PMFT）。2006年以來，中國陸續(xù)發(fā)展了均一化氣溫數(shù)據(jù)集，代表性的包括：李慶祥等（2006）研制發(fā)布的中國700余站第一版均一化歷史氣溫數(shù)據(jù)集（1951～2004年）。Cao et al.（2016）對1951年以來中國2400站氣溫數(shù)據(jù)進了均一化檢驗和訂正，進行了中國氣候變暖的趨勢分析，發(fā)布了《中國國家級地面氣象站均一化氣溫日值月值數(shù)據(jù)集（CHHTD1.0）》，在中國及區(qū)域氣候變化研究中得到廣泛應(yīng)用。Li et al.（2016）對CHTM3.0（基于MASH方法）和CHHTD1.0（基于RHtest）兩套均一化數(shù)據(jù)集進行了對比，結(jié)果表明，CHTM3.0更適合于中國大尺度氣候變化的分析，而CHHTD1.0包含了更多有關(guān)臺站氣溫記錄的原始信息，對局地氣候變化的描述更加客觀。

隨著區(qū)域氣候變化評估的廣泛開展，已有研究聚焦區(qū)域氣溫均一化分析以及極端事件研究，如崔妍等（2019）采用PMT方法，對東北地區(qū)1905～2014年的月氣溫序列進行了均一性檢驗和訂正；司鵬和徐文慧（2015）利用RHtestsV4軟件包對天津1951～2010年的逐日氣溫序列進行了均一性分析；趙美艷等（2018）開展了重慶地區(qū)氣溫序列的均一化檢驗與訂正。Yan et al.（2014）總結(jié)了均一化對于定量評估研究氣候均態(tài)或氣候極值變化趨勢的重要性。Yin and Sun（2018），基于CHHTD1.0數(shù)據(jù)集，計算了ETCCDI定義的極端氣溫和降水指數(shù)，對中國2017年極端氣溫和降水特征進行了分析。

黑龍江省位于中國最北部，季風氣候明顯，大陸性氣候特點突出，是全國近20年氣候顯著變暖的區(qū)域之一，對極端高溫和極端低溫事件高度敏感（黃丹青和錢永甫, 2009）。其亦是我國重要的商品糧生產(chǎn)基地，近些年頻頻出現(xiàn)的極端氣候事件，造成了玉米、水稻等農(nóng)作物的遇害減產(chǎn)，給社會經(jīng)濟和人民生活造成了嚴重危害?；谟喺蟮臍鉁刭Y料來研究黑龍江省的極端氣溫變化，進而可為防災(zāi)減災(zāi)和合理布局農(nóng)作物種植結(jié)構(gòu)奠定數(shù)據(jù)基礎(chǔ)。盡管對中國區(qū)域氣溫的均一化研究已有眾多成果，但針對黑龍江省氣溫的均一性研究及相關(guān)討論仍然較為缺乏。黑龍江省自1951年以來，46%的氣象臺站曾遷過站，有些站多次遷址且83個臺站均經(jīng)歷過人工轉(zhuǎn)自動等幾次大的儀器變化和業(yè)務(wù)軟件變革，這些變化對黑龍江省氣溫資料的均一性影響，尚未開展過系統(tǒng)的研究。因此，開展黑龍江省氣溫資料的均一性檢驗研究，不僅能有效地對黑龍江省氣溫要素做出質(zhì)量評估；亦可為黑龍江省氣溫變化趨勢和極端氣溫的研究提供可靠的數(shù)據(jù)支撐。因此有針對性的對黑龍江省氣溫序列進行均一性檢驗、訂正和分析是必要的。

目前，基于國內(nèi)已發(fā)布的氣溫均一化產(chǎn)品開展區(qū)域氣候變化分析研究相對較少。且隨著時間推移，城市發(fā)展造成每年全國80余臺站站址變動，自動觀測儀器也存在型號的變更，系統(tǒng)升級等，造成氣溫資料序列出現(xiàn)了一些新的非均一性情況。因此，亟需對臺站觀測資料進行非均一性檢驗和訂正，并系統(tǒng)性分析評估各類非均一性原因?qū)^(qū)域氣溫序列連續(xù)性的影響。本文首先利用RHtestv4軟件包（Wang and Feng, 2010）中PMT和PMF方法，結(jié)合臺站元數(shù)據(jù)，對黑龍江省83個臺站1951～2019年的逐日氣溫序列進行了均一性檢驗和訂正，為黑龍江省的氣候變化趨勢評估提供了數(shù)據(jù)依據(jù)。選用體現(xiàn)持續(xù)性低溫事件的極端氣溫指數(shù)能有效用于分析在全球氣候變暖背景下黑龍江省極端氣溫事件的變化情況；氣溫日較差指數(shù)能反映黑龍江省的氣溫變化幅度，對氣候異常的影響和可持續(xù)發(fā)展研究具有特殊的參考價值。為此，研究中選用描述持續(xù)性低溫事件的霜凍日數(shù)（FD）、冰凍日數(shù)（ID）、持續(xù)冷日日數(shù)（CSDI）和氣溫日較差（DTR）進行趨勢分析。利用經(jīng)過均一化訂正的日最高氣溫和日最低氣溫數(shù)據(jù)對FD、ID、CSDI和DTR分析可避免原始氣溫序列非均一對極端氣溫變化的影響評估。

2 資料與研究方法

2.1 資料

本文選取黑龍江省83個國家級氣象臺站1951～2019年的逐日平均、最高和最低氣溫資料進行均一性分析，基礎(chǔ)數(shù)據(jù)來自國家氣象信息中心發(fā)布的《中國地面氣候資料日值數(shù)據(jù)集（V3.0）》，氣溫資料經(jīng)過了氣候界限值和允許值檢查，臺站極值檢查，內(nèi)部一致性檢查，時間一致性檢查，空間一致性檢查和人工核查與更正，且每月更新，質(zhì)控后各要素數(shù)據(jù)的質(zhì)量及完整性很好，氣溫數(shù)據(jù)的實有率在99%以上，數(shù)據(jù)的正確率接近100%。

黑龍江省83個國家級氣象觀測站中包含基準氣象站8個，基本氣象站24個，一般氣象站51個。圖1給出了黑龍江省國家氣象站的空間分布，黑龍江省西南部站點最為密集，其次是東南部，北部站點相對較稀疏。從臺站數(shù)量逐年變化來看，1951年只有7個站，之后，臺站數(shù)量迅速增加，1960年增至62個，1961年后站點增加緩慢并趨于穩(wěn)定。83個臺站中，有65個臺站的資料超過了60年，占所有臺站數(shù)量的78%，有12個臺站資料超過50年，未滿60年，占14%，即超過50年的臺站數(shù)據(jù)量共占臺站總數(shù)的92%。

圖1 黑龍江省國家氣象站空間分布（藍色站點為本文氣候極端指數(shù)分析所用臺站，紅色站點為未用到臺站）Fig. 1 The spatial distribution of the 83 national meteorological stations in Heilongjiang Province (the blue stations are used for the analysis of climate extreme index in this article, and the red stations are not used)

臺站元數(shù)據(jù)用來描述氣象臺站的歷史沿革信息，是判斷氣溫序列均一性檢驗結(jié)果是否合理以及斷點訂正位置的參考依據(jù)。本文應(yīng)用了黑龍江省記錄的83個臺站詳細的元數(shù)據(jù)信息，包含臺站的地理信息數(shù)據(jù)和建站以來遷站、環(huán)境變化及儀器變更等歷史沿革信息。

2.2 均一性檢驗與訂正方法

本文采用RHtestV4軟件包帶有的基于懲罰最大F檢驗（PMF）和懲罰最大T檢驗（PMT）相結(jié)合的方式（Cao and Yan, 2012; Cao et al., 2016），對黑龍江省1951～2019年逐日平均、最高和最低氣溫進行均一性檢驗和訂正。其中PMF方法不需要參考序列，是絕對方法，PMT需要使用參考序列進行均一性檢驗，是相對方法。

為了避免對逐日氣溫序列檢驗誤差干擾的問題，首先對由日氣溫序列得到的月氣溫序列進行均一性檢驗；其次與元數(shù)據(jù)結(jié)合，綜合判斷后確定斷點；采用QM方法訂正日氣溫序列，最終獲得均一化的逐日平均、最高和最低氣溫序列，進而統(tǒng)計得出月氣溫和年氣溫序列。保留斷點類型遵循規(guī)則：（1）在月氣溫序列中檢驗出的type-1類型顯著性斷點，即沒有元數(shù)據(jù)支持也顯著的斷點；（2）在月氣溫序列中檢驗出的type-0類型顯著性斷點，將斷點出現(xiàn)的時間與臺站元數(shù)據(jù)記錄時間進行對比，若時間相差一年以內(nèi)，則認為元數(shù)據(jù)支持該斷點，根據(jù)元數(shù)據(jù)記錄的時間替換斷點時間；（3）在月氣溫序列中檢驗出的type-0類型顯著性斷點，若無元數(shù)據(jù)支持，則進行人工主觀二次判定，一些小的變化點（調(diào)整的平均幅度＜0.2°C）將不進行調(diào)整，以使氣溫序列盡可能接近原始數(shù)據(jù)。

2.3 建立參考序列

在均一性檢驗和訂正的過程中，建立相對均一的參考序列非常關(guān)鍵，其必須具有氣候代表性，因此參考站和待檢站需符合如下條件（Cao et al.,2016）：（1）參考站與待檢站的水平距離在350 km以內(nèi)。（2）若待檢站海拔高度小于2500 m，與待檢站的高度差需小于等于200 m；當待檢站海拔高度大于等于2500 m時，與待檢站的高度差應(yīng)小于等于500 m。（3）待檢站與參考站氣溫序列的相關(guān)系數(shù)大于等于0.9。

采用PMF方法檢驗黑龍江省83個臺站的月氣溫序列，將得到氣溫序列均一的臺站作為第一批參考站，剩下為待檢站，對滿足上述3個條件的待檢站進行訂正，訂正后的臺站進而可作為參考站，檢驗和訂正剩下的待檢站。

2.4 元數(shù)據(jù)分析

經(jīng)統(tǒng)計，黑龍江省83個臺站1951年以來，累計遷站51次，有過遷站的臺站數(shù)38個，占總臺站數(shù)的46%，有8個臺站有過多次遷站，占臺站總數(shù)的1%，其中哈爾濱站（臺站號：50953）和明水站（臺站號：50758）均遷站4次，由此可見，黑龍江省的遷站現(xiàn)象比較普遍。儀器變更主要有兩個時間段，第一個集中在2004～2006年，原因是人工觀測轉(zhuǎn)自動觀測，共有90次儀器換型，6個站多次更換儀器，其中更換鉑電阻氣溫傳感器HMP45D為86次，占96%，其他4次更換儀器型號為鉑電阻氣溫傳感器PT-100；第二個時間集中在2014～2018年，原因是氣溫觀測儀器統(tǒng)一更換為鉑電阻溫濕一體傳感器，共有95次儀器換型，有14個站多次更換儀器，其中更換型號HMP155A為46次，更換型號HYA-T為45次，更換型號WZP-2為4次。

3 結(jié)果分析

3.1 黑龍江省氣溫序列非均一原因分析

月平均氣溫共檢測出斷點40個（圖2a），其中，遷站導(dǎo)致的斷點占30%（12個），儀器變化導(dǎo)致的斷點占22%（9個），業(yè)務(wù)軟件升級導(dǎo)致的斷點占17%（7個）；月最高氣溫共檢測出斷點20個（圖2b），其中，業(yè)務(wù)軟件升級導(dǎo)致的占40%（8個），遷站導(dǎo)致的斷點30%（6個），儀器變化導(dǎo)致的占20%（4個）；月最低氣溫共檢測出斷點57個（圖2c），其中，遷站導(dǎo)致的占33%（19個），環(huán)境變化導(dǎo)致的占23%（13個）。

圖2 1951～2019年黑龍江?。╝）月平均氣溫、（b）最高氣溫和（c）最低氣溫不同類型斷點占比統(tǒng)計Fig. 2 Different types of breakpoints in (a) monthly mean temperature, (b) maximum temperature, and (c) minimum temperature in Heilongjiang Province from 1951 to 2019

對于月平均氣溫和最低氣溫中，遷站原因?qū)е碌臄帱c數(shù)量比例最大，是氣溫序列不均一的主要原因，儀器變化導(dǎo)致的斷點數(shù)量比例也較大，因此儀器的變更也是導(dǎo)致氣溫序列不均一的重要原因。而在月最高氣溫中，導(dǎo)致產(chǎn)生斷點的主要原因是業(yè)務(wù)軟件升級。月平均氣溫、月最高氣溫和月最低氣溫同時出現(xiàn)的斷點有4個，由遷站原因?qū)е碌臄帱c由2個，為漠河站（臺站號：50136）1997年和林口站（臺站號：50979）1974年的遷站，占50%；由環(huán)境變化和儀器變化引起的斷點分別為1個，各占25%。

圖3給出了儀器變更引起的斷點數(shù)量圖，從圖中可看出，月平均、最高和最低氣溫數(shù)據(jù)中2015～2016年斷點最多，經(jīng)對比元數(shù)據(jù)發(fā)現(xiàn)原因為啟用DZZ5型新型自動氣象站，觀測氣溫的儀器統(tǒng)一更換成鉑電阻溫濕一體傳感器，2014年和2017年的斷點也是此原因引起。月平均、最高和最低氣溫斷點中，以月平均氣溫的斷點數(shù)量最多，這意味著月平均氣溫對儀器的更換更為敏感。2018年的月平均、最高和最低氣溫斷點出現(xiàn)在撫遠站（臺站號：50779），此臺站在2018年同種類型氣溫觀測儀器更換了型號?？傮w來看，人工轉(zhuǎn)自動時期儀器的更換對黑龍江省氣溫序列的均一性影響不大，而更換鉑電阻溫濕一體傳感器對黑龍江省氣溫序列的均一性影響較大。

圖3 2014～2018年黑龍江省儀器變更導(dǎo)致的斷點數(shù)量Fig. 3 Number of breakpoints caused by changes of instrument in Heilongjiang Province from 2014 to 2018

圖4顯示的是2014～2018年期間黑龍江省更換氣溫傳感器的臺站數(shù)量，包含了同一臺站二次更換的情況，共4種儀器型號。2016年更換儀器的臺站數(shù)量為最多，儀器型號比較集中，為HMP155A和HYA-T兩種型號，為鉑電阻溫濕一體傳感器，共25個臺站安裝了HMP155A型號儀器，20個臺站安裝了HYA-T型號儀器。月平均氣溫序列中，2015年和2016年的斷點數(shù)量最多，共6個，更換HMP155A型號儀器導(dǎo)致了4個斷點，占67%，HYA-T和WZP-2型號儀器的更換分別導(dǎo)致了1個斷點，各占17%。而2015年在HMP155A和HYA-T兩種型號儀器安裝數(shù)量相同的情況下（圖4），月平均氣溫序列的斷點中，有2個是由更換HMP155A型儀器導(dǎo)致的，HYA-T型儀器的更換并沒有導(dǎo)致斷點。因此，分析表明HMP155A型號儀器的更換更容易導(dǎo)致氣溫序列的不均一。

圖4 2014～2018年黑龍江省更換氣溫傳感器的臺站數(shù)量Fig. 4 Number of stations with replacement of air temperature sensors in Heilongjiang Province from 2014 to 2018

3.2 訂正前后趨勢對比分析

圖5給出了黑龍江省氣溫序列訂正前后的趨勢空間分布圖?？梢钥闯?，訂正前后黑龍江省平均氣溫基本均呈增加趨勢。訂正前50971（七臺河站）呈弱的減小趨勢（圖5a），這與周圍大范圍變暖趨勢相反，訂正后的七臺河站，由弱減小趨勢變?yōu)槿踉黾于厔荩▓D5b），變化趨勢由－0.01°C/10 a變?yōu)?.05°C/10 a，與周圍站點的空間一致性有所提高，造成七臺河站氣溫非均一的主要原因是2018年ISOS業(yè)務(wù)軟件的升級。50353（呼瑪站）訂正前趨勢為0.42°C/10 a，訂正之后變?yōu)?.58°C/10 a，50566（遜克站）訂正前趨勢為0.47°C/10 a，訂正之后變?yōu)?.55°C/10 a，這兩個站訂正后趨勢增大，與鄰近站的變化趨勢更為一致，空間分布更加合理。平均最低氣溫訂正之后的空間一致性也有改善，由訂正前后趨勢圖（圖5c、5d）可看出，黑龍江省的增溫趨勢普遍有所增加，尤其是西部更為明顯。

圖5 1951～2019年黑龍江?。╝、b）年平均氣溫趨勢（單位：°C/10 a）和（c、d）年平均最低氣溫趨勢（單位：°C/10 a）: （a、c）訂正前；（b、c）訂正后。實心的三角形表示通過0.05的顯著性檢驗Fig. 5 Linear trends (°C/10 a) of (a, b) annual mean temperature and (c, d) annual mean minimum temperature at the 83 stations in Heilongjiang Province from 2014 to 2018, compared between the (a, c) original and (b, c) adjusted data. Filled triangles denote trends that are significant at the 0.05 level

3.3 個例分析

圖6a為鶴崗站（50775）訂正前后的年平均氣溫序列。鶴崗站平均氣溫和最低氣溫均存在一個斷點，時間為2014年，經(jīng)與元數(shù)據(jù)對比，為遷站導(dǎo)致。2014年1月1日，鶴崗氣象站由原址鶴崗市向陽區(qū)黃河西路22號（市區(qū)）遷至鶴崗市東山區(qū)三精路小鶴立湖水庫西側(cè)（郊區(qū)），新址在原址西方，距原址直線距離6200 m，高度降低456 m。遷站后，由于地理位置從市區(qū)遷到郊區(qū)，受城市加熱效應(yīng)影響減弱，且站址旁有水庫，因此平均氣溫下降。采用QM方法訂正后的均值水平調(diào)整訂正量為－1.8°C，訂正前升溫趨勢為0.14°C/10 a，訂正后升溫趨勢為0.3°C/10 a。此次遷站對平均氣溫和最低氣溫序列的影響更為敏感，而對最高氣溫影響有限，沒有檢驗出斷點。

海倫站（50756）平均氣溫存在一個斷點，原因是2015年氣溫傳感器儀器由HMP45D型號更換成HMP155A型號的鉑電阻氣溫傳感器；最高氣溫存在一個斷點，原因是2018年業(yè)務(wù)軟件升級導(dǎo)致，訂正量較小；最低氣溫存在兩個斷點，其中一個與平均氣溫一致，剩下一個斷點發(fā)生在1979年，原因是環(huán)境變化，在觀測站的西北偏北方，仰角6°，寬度角19°處新增建筑物。最低氣溫（圖6b）訂正后氣溫下降，訂正量為－1.1°C，訂正前的升溫趨勢為0.37°C/10 a，訂正后升溫趨勢為0.57°C/10 a。結(jié)果表明，最低氣溫對環(huán)境變化和儀器變更都更為敏感，這與（Cao et al., 2016）的研究結(jié)果相符合，而2015年的儀器變化對最高氣溫影響有限，1979年的環(huán)境變化對平均氣溫影響亦有限。

3.4 與CHTM數(shù)據(jù)集對比分析

MASH方法是匈牙利氣象局開發(fā)的一種相對均一性檢驗方法，它并不假定參考序列是均一的，而是假設(shè)所有序列都可能存在非均一性斷點，然后通過相同氣候區(qū)域各站相互比較進行統(tǒng)一檢測和訂正。Li et al.（2016）采用MASH方法制作了均一化逐日氣溫數(shù)據(jù)集（CHTM），最新的數(shù)據(jù)集包含了1960～2018年中國754個國家級氣象臺站氣溫日數(shù)據(jù)。為了進一步評估驗證本文訂正結(jié)果，選取了該數(shù)據(jù)集中黑龍江省30個站1960～2018年的氣溫數(shù)據(jù)進行對比分析。

對本文訂正的數(shù)據(jù)集和CHTM數(shù)據(jù)集的最高、最低氣溫變化趨勢進行空間對比分析（圖略），結(jié)果表明兩套數(shù)據(jù)均顯示黑龍江省的氣溫為增溫趨勢，最高氣溫增溫最顯著的是黑龍江省西北部，最低氣溫增溫最顯著的地區(qū)為黑龍江省西南部，這與東北地區(qū)氣溫呈增溫趨勢（Cao et al., 2016）和黑龍江西北部呈增溫趨勢（崔妍等, 2019）的研究結(jié)果相符。與CHTM數(shù)據(jù)集相比，本文訂正的數(shù)據(jù)中，平均氣溫和最高氣溫的增溫趨勢相仿，而西南部最低氣溫增溫趨勢更為明顯，20個站的線性趨勢系數(shù)比CHTM數(shù)據(jù)集的大，占臺站數(shù)量的67%。平均而言，兩套數(shù)據(jù)的線性趨勢圖（圖7）顯示，最高和最低氣溫的年際變化基本一致，1965年后兩套數(shù)據(jù)最高氣溫的曲線和趨勢線基本重合（圖7a），趨勢系數(shù)均為0.28°C/10 a，本文訂正的最低氣溫增溫趨勢（圖7b）略比CHTM數(shù)據(jù)集偏大0.01°C/10 a。而從不同要素升溫趨勢上看，兩套數(shù)據(jù)集最低氣溫的升溫趨勢均大于最高氣溫的升溫趨勢。本文訂正后的數(shù)據(jù)中，1951～2019年黑龍江省平均氣溫、最高和最低氣溫的最熱記錄均出現(xiàn)在2007年，其次是2019年。由于使用了臺站元數(shù)據(jù)信息，本研究的斷點判斷更加合理，對于局地增暖的估計更加的客觀。

圖7 基于本文訂正數(shù)據(jù)集（ADJ）和CHTM數(shù)據(jù)集（MASH）得到的黑龍江省區(qū)域1960～2019年（a）年平均最高氣溫和（b）年平均最低氣溫序列Fig. 7 Regional (a) annual mean maximum temperature and (b) annual mean minimum temperature series obtained in Heilongjiang Province from 1960 to 2019 based on revised dataset for this article (ADJ) and CHTM dataset (MASH)

3.5 氣候極端指數(shù)分析

基于訂正的黑龍江省氣溫均一化數(shù)據(jù)，本文利用Rclimdex軟件，選擇了霜凍日數(shù)（FD）、冰封日數(shù)（ID）、持續(xù)冷日日數(shù)（CSDI）和氣溫日較差（DTR）4個指數(shù)（表1）進行分析，前3個指數(shù)屬于持續(xù)性低溫事件類別。篩除1959年以后氣溫有缺測的臺站后，得到用來分析的臺站數(shù)量為62個（見圖1），臺站在黑龍江省的中部和南部較多，北部只有1個臺站。

表1 CSDI、FD、ID和DTR極端氣溫指數(shù)定義Table 1 Definition of extreme climate indices including CSDI (Cold Spell Duration Index), FD (Frost Days), ID(Icing Days), and DTR (Daily Temperature Range)

圖8顯示，1951～2019年黑龍江省平均異常持續(xù)冷日日數(shù)（CSDI）（圖8a）和平均霜凍日數(shù)（FD）（圖8b）呈明顯下降趨勢，每十年分別為1.64 d和3.07 d，平均冰封日數(shù)（ID）（圖8c）也呈下降趨勢，與CSDI和FD相比，趨勢較緩，每十年0.87 d。3個指數(shù)的下降趨勢與黑龍江省訂正后的氣溫空間趨勢圖相符，也與全球氣溫變暖趨勢和Yin and Sun（2018）的研究相符。從FD和ID的指數(shù)曲線上能明顯的看出，1998年黑龍江省的FD指數(shù)出現(xiàn)歷史最低值，為平均168 d，這與1998年中國平均氣溫出現(xiàn)歷史上第二次最熱記錄相符（Caoet al., 2016），1990年ID指數(shù)出現(xiàn)歷史最低值，為平均95 d。氣溫日較差（DTR）也呈明顯下降趨勢（圖8d），為0.29°C/10 a，這與黑龍江省年平均最高氣溫升溫趨勢0.22°C/10 a比年平均最低氣溫升溫0.28°C/10 a趨勢略小的現(xiàn)象相符，且從圖8d中可看出，1982年后DTR下降趨勢變緩。

圖8 1951～2019年黑龍江省區(qū)域平均年平均（a）CSDI、（b）FD、（c）ID和（d）DTR序列Fig. 8 Regional mean annual (a) CSDI, (b) FD, (c) ID, and (d) DTR series in Heilongjiang Province from 1951–2019

4 結(jié)論

本文利用RHtestv4軟件，結(jié)合臺站元數(shù)據(jù)，對黑龍江省83個臺站1951～2019年的逐日氣溫資料進行了均一性檢驗、訂正和分析，與CHTM數(shù)據(jù)集進行了對比驗證，并基于均一化訂正結(jié)果進行了黑龍江省的氣候極端指數(shù)分析，得到以下結(jié)論：

（1）最低氣溫序列產(chǎn)生的斷點數(shù)量最多，為57個，其次是平均氣溫40個，斷點最少的是最高氣溫20個，說明最低氣溫對臺站的各種變動比較敏感，最高氣溫相對而言，不太敏感。主要導(dǎo)致斷點的原因為遷站、儀器變更和業(yè)務(wù)軟件變動。

（2）訂正后的氣溫序列空間一致性有所提高，例如七臺河站，平均氣溫趨勢由下降趨勢調(diào)整為上升趨勢，與周圍臺站的趨勢變化一致性更高。氣溫的升溫趨勢均有所增加，平均氣溫由0.27°C/10 a上升為0.29°C/10 a，最低氣溫由0.25°C/10 a上升為0.27°C/10 a。

（3）訂正結(jié)果與CHTM數(shù)據(jù)集相比，平均氣溫和最高氣溫的增溫趨勢相仿，而西南部最低氣溫增溫趨勢更為明顯。平均、最高和最低氣溫的線性趨勢基本一致，訂正前后的線性趨勢差均在0.01°C/10 a以內(nèi)，1965年后兩套數(shù)據(jù)的最高氣溫的曲線和趨勢線基本重合。

（4）黑龍江省的平均持續(xù)冷日日數(shù)（CSDI）、平均霜凍日數(shù)（FD）、平均冰封日數(shù)（ID）均呈明顯下降趨勢，每10年分別為1.64、3.07、0.87 d。FD指數(shù)的最低值出現(xiàn)在1998年，與1998年中國平均氣溫出現(xiàn)歷史上第二次最熱記錄時間相符合。氣溫日較差（DTR）也呈明顯下降趨勢，為0.29°C/10 a，與黑龍江省年平均最高氣溫升溫趨勢比年平均最低氣溫升溫趨勢略小的現(xiàn)象相符。

元數(shù)據(jù)、檢驗方法及參考序列和主觀分析等多種因素都會導(dǎo)致均一化結(jié)果的不確定性，尤其是在沒有元數(shù)據(jù)支持，且需要判斷是否為斷點的情況下，人為主觀判斷更會加重結(jié)果的不確定性。因此，應(yīng)加強元數(shù)據(jù)的收集和補充，減少均一性檢驗和訂正的不確定性。在有詳細元數(shù)據(jù)記錄的地區(qū)和省份，可參考研究結(jié)論中對氣溫要素非均一性影響較大的因素，在開展氣候變化趨勢評估前進行資料序列的校正，以獲得更加客觀準確的氣候評估結(jié)論。