降水量是描述气候变化、水循环、大气环流研究的最重要物理量之一(IPCC，2013; 丁一汇，2010; 秦大河等，2007; 翟盘茂等，2007)。雨量计是应用最广泛、历史最悠久的降水量观测手段，是卫星、雷达遥感等新一代降水产品最重要的输入和验证对象，在多元降水融合技术开发、卫星遥感定标、气候模式评估等领域的作用无可替代(Ropelewski et al，1984; Hulme，1991，1992; Rudolf，1993; Schneider，1993; Xie et al，1997; Janowiak et al，1998; Kummerow et al，1998; Adler et al，2003; Zhou et al，2014; 宇婧婧等，2015)。

国际上一些研究机构投入了大量研究力量，已经研制了较为成熟的全球或区域降水数据产品，最长序列超过200 a(Peterson et al，1997; Tank et al，2002; Auer et al，2007)，100 a尺度的降水序列已为IPCC等(IPCC，2013)所介绍(Vose et al，1992; Mitchell et al，2005;Smith et al，2012;Becker et al，2013)。美国国家气候数据中心(NCDC)研发的全球历史气候数据集(Global Historical Climatology Network-Monthly，GHCN-M v2.0，以下简写为GHCN)(Peterson et al，1997)是目前收录站点数量最多、时空范围覆盖最广的全球降水数据产品，被广泛应用于气候变化及全球水循环研究领域。欧洲气候评估数据产品(European Climate Assessment & Dataset，ECA)(Tank et al，2002)收录了欧洲地区10211个台站，是欧洲台站数最多的数据产品。高寒地区地面气候序列(Historical Instrumental Climatological Surface Time Series of the Greater Alpine Region，HISTALP)(Auer et al，2005，2007)收录了欧洲高海拔地区的历史资料，尽管其台站数量少于GHCN和ECA，但其数据完整性(缺测率小于5%)和百年尺度序列是其他数据集无法比拟的。

虽然由于降水的时空不均匀性，长年代降水站点数量又非常稀少，百年尺度的降水研究存在一定的难度，中国专家仍然通过研究取得了一些成果(屠其璞，1987; 翟盘茂等，1999，2005; 李庆祥等，2002a; 陈隆勋等，2004)，但中国对于全球降水的分析研究，则主要是依赖于国际上的数据产品(李庆祥等，2002b; 施能等，2004; 施晓晖等，2008)。随着中国对全球气候监测和诊断研究及业务工作的不断深入，对全球降水资料的需求日益迫切。而已有的全球降水资料在研究及业务应用中存在诸多问题：(1)在中国及亚洲区域资料稀少，导致东亚季风关键区域降水信息不完整；(2)更新速度较为滞后，给业务应用带来了极大的不便；(3)缺乏高质量的全球降水数据产品，导致长期降水变化事实监测检测研究中缺乏自主性，在相关领域无法发出权威声音。因此，非常有必要发展一套中国自主研发的全球降水数据产品，以服务天气气候及其相关领域科研和业务不断增长的数据需求。

本研究在目前全球多个来源降水数据集的基础上，经过系统整合、质量控制、订正和再加工，建立一套站点数量尽可能多，质量尽可能高，时效性尽可能强的全球降水历史数据产品，为大气科学、地球科学领域研究、业务和服务工作提供数据支撑。

表 1为收集的全球降水数据集，共有12个数据源。

GHCN降水(Peterson et al，1997)共收录20590个台站数据，最早台站降水量观测始于1697年。所有数据经过源数据检验、极值检验、时间与空间一致性以及和季节变化检验四个方面质量控制。

HISTALP(Auer et al，2007)收录了162个高寒地区(43°—49°N，4°—19°E，0—3500 m)月气温、气压、降水量数据，最早的资料始于19世纪80年代，所有数据均经过质量控制、均一性检验和订正。

ECA(Tank et al，2002)融合了欧洲地区62个国家10211个台站资料。目前发布7361个站点的资料，最早降水数据始于1781年，所有数据均经过质量控制和均一性检验。

USHCN(U.S. Historical Climatology Network)(Menne et al，2009; Quinlan et al，1987)包含1221个美国本土站及46个阿拉斯加站。最早观测记录始于1799年，资料经过内部一致性、重复值检验、空间一致性和气候阈值检验。

此外，中国、日本、加拿大、澳大利亚、俄罗斯等多个国家气象部门也发布了高质量的降水数据产品。这些国家数据集在区域范围内的站点密度、序列长度、数据完整性以及数据质量方面往往优于上述数据产品。但文中用到的资料中仅HISTALP与中国降水资料进行了均一化(杨溯等，2014)。

首先进行台站信息整理，根据台站信息完整性排序，建立初步检索表。筛选具有WMO站号的台站进行查重，由此得到过渡检索表。对其进行站名遍历查重，与待检站周围1°内，对站名分字段逐一比对，记录相同字段数量，相同字段数量最多的站判定为相同站，最终得到最终站表。

气象台站不可避免存在仪器换型、观测环境等变化，这些记录仅保存在本国(区域)气象部门，它们是开展历史资料质量控制和均一性诊断最重要的依据。从历史沿革分析，将全球、区域、国家数据机构发布的数据质量依次排序(由低到高)。同时兼顾资料的完整性和时间长度，当数据量存在明显优势时，选取数据量更大的数据源(数据量差异大于30月)。

类似于ECA，对一致程度高的不同数据源进行融合。为保证判断结果可靠，设置一致率、相关系数、95%显著性均值t检验、95%显著性方差F检验4步综合判断，仅对满足上述4个条件的数据源进行融合，融合遵循基础数据源筛选原则。对融合后的降水序列进行断点检验，以消除不当融合的几率。

(1)一致率检验

一致率P定义为

点击浏览公式

点击浏览公式

点击浏览公式

点击浏览公式

(2)相关系数检验

年降水量相关系数用于对比两组资料的年际变化趋势是否一致，当相关系数大于0.7，通过检验。

(3)均值t检验

95%显著性检验判定两组资料均值不存在显著差异，通过本步检验。在t检验前采用立方根的方法对降水量进行了正态化转换。

(4)方差F检验

95%显著性检验判定两组资料方差不存在显著差异，通过检验。

(5)融合序列断点检验

记录融合的时间点为可疑断点，采用PMT(Penalized maximal t)检验(Wang et al，2007)。当检验结果显示，融合前后序列均值存在显著差异，且邻近站无此特征，则认为融合不可信。最终有268个站可融合，其中25个采用3个数据源进行融合，其余使用2个数据源进行融合。

以ABISKO站为例，该站有GHCN和ECA两个数据源(图 1)。GHCN与ECA分别自1913和1961年有降水记录，至2001和2011年终止，序列长达89和51 a，且有41 a重合记录。计算两者相关系数和一致率分别为0.998和0.97，并通过95%的t检验和F检验，表明该站在两个数据源的数据可以进行融合。

图 1 ABISKO站降水月序列拼接 Fig. 1 Integrated time series of monthly precipitation at ABISKO

图选项

根据优先级，以GHCN为基础数据源，ECA作为补充，最终获得ABISKO站1913—2011年降水资料，时间序列长度99 a，其中，1913—2001年数据源自GHCN，2001—2011年数据源自ECA。

类似于GHCN，对整合后数据集进行两步质量控制。

(1)气候异常值检验。各站点历年月降水量(立方根)超过3倍标准差的认为是可能异常值，共计11万条记录未通过检验；

(2)空间一致性检验。其检验的标准为

点击浏览公式

通过数学检验、专家诊断的主、客观两方面检验和处理，检验对象为1.88万个时间序列大于30 a的台站。首先计算台站间年值序列(取立方根)相关系数，选出待检站周围300 km半径内相关系数大于0.7的邻近站，挑选时间序列重合期最大3个用于构建参考序列。当周围邻近站不满足上述条件，逐步放宽筛选标准直至500 km。采用相关系数权重平均算法(WAA)(李庆祥，2011)，其计算式为

点击浏览公式

均一性检验选用PMT方法(Wang et al，2007)，断点置信度设为95%，保留统计意义显著且与邻近站对比异常的结果。最终确认272个台站降水时间序列存在显著非均一问题，共计323个断点。图 2为2个存在显著非均一问题的台站个例，黑色曲线为年降水量时间序列。图 2a为Nenastnaja站，数据源于ECA。1955年前该站年平均降水量为760 mm，1955年后降水量增大1倍，为1589 mm，曲线在1955年有异常“跳跃”，周围邻近站无此特征，且统计结果显著，可以判定该站降水气候序列不均一。图 2b为Morehead City 2 WNW站，数据源自USHCN。该站1949—1965年降水量异常低，仅为历史平均降水量(1305 mm)的69.5%，持续时间超过15 a。根据统计结果和邻近站对比，可以判定该站在1949—1965年存在非均一性问题。

图 2 非均一年降水序列个例(a.Nenastnaja站，b. Morehead City 2 WNW站) Fig. 2 Time series of inhomogeneous annual precipitation series at two stations (a.Nenastnaja station,b. Morehead City 2 WNW station)

图选项

通过台站数年际变化、空间分布等方面与GHCN的对比，评估本数据集(CMA Global Precipitation V1.0，CGP)的基本情况。

图 3为CGP与GHCN降水历史数据集站点空间分布。至2014年7月，CGP数据集收录了31446条台站月降水历史序列，数据量大于50 a的站点数达到13471个，不少于70和100 a的站点数为7112和4152个。同期GHCN数据集收录20590条台站月降水历史序列，数据量大于50 a的台站有8939个，其中，不少于70和100 a的站点数分别为5438和3129个。CGP数据集在站点数量、长时间序列数量上有一定优势。空间分布上，CGP在中国、欧洲、东北亚地区的站点密度、序列长度较GHCN有大幅度提升，南美南部新加入的台站资料量较少，但一定程度上填补了某些地区的空白。

图 3 CGP(a)与GHCN(b)降水历史月值数据集站点空间分布 Fig. 3 Distribution of observational stations for CGP(a) and GHCN(b) precipitation datasets

图选项

从GHCN、CGP全球降水历史数据集台站数随时间变化(图 4)可以看出，CGP数据集在1900—1970年全球台站数量在快速增长；1970—1990年台站数量一直维持在20000站以上，是近百年最高水平；1990年后，台站数快速下降，至2010年全球台站数仅为8000个左右。就各区域来看，欧洲、亚洲、非洲、南美区域的台站数量最大值均出现在20世纪60至90年代，之后快速下降，至2010年欧洲地区台站仍保持约4000个，亚洲地区下降值约1500个，非洲和南美地区台站数量不足300个。与GHCN比较，20世纪初两套降水数据集台站数量差异很小，此后CGP数据集台站数量优势逐渐显现。1977—2005年，CGP较GHCN台站数量多7000余个，1992年差异达到最大(11244个)。CGP数据集的台站数量优势集中在欧洲、亚洲地区：1960—2000年，欧洲地区台站数量始终保持在5000个以上，较GHCN约多4000个，2000年后 CGP台站数量逐渐下降，但较GHCN仍有很大优势；20世纪40至70年代，CGP在亚洲区域的站点数较GHCN约多1000个，1970年在该区域可获取的台站数据快速下降，CGP台站数量维持在1500—3000个，GHCN在2010年仅剩300个左右。两套数据集在南美、非洲地区台站数量均较少，尤其在2010年，台站数量已不足300个，这与当地可获取的数据源较少有关。

图 4 CGP与GHCN在全球及4个大陆站点数量逐年变化 (a. 欧洲，b. 亚洲,c. 非洲，d. 南美洲，e. 全球) Fig. 4 Time series of station numbers at the four regions and over the entire globe (a. Europe, b. Asia, c. Africa, d. South America, e. Globle)

图选项

从CGP和GHCN降水数据集在1900、1950、1990、2010年全球5°×5°网格内台站数量(图 5)可以看出，1900年两套数据集台站分布较一致，北美、西欧、澳洲地区台站密度较高，其他地区少有网格覆盖，CGP在欧洲、日本区域的网格数略多。1950年，除东欧、西伯利亚、巴尔干半岛地区外GHCN基本都有网格覆盖，CGP填补了GHCN在东欧、西伯利亚地区的空白，中国台站密度优势明显。1990年两套数据集网格均可覆盖全球大陆，CGP在网格内台站数量上有较大优势，欧亚大陆、加拿大尤为明显，CHCN和CGP大于5个的网格比例分别为44.6%和56.0%。2010年两套数据产品网格覆盖面积均显著下降，GHCN减少尤为严重，东欧、西伯利亚、中国西北及青藏高原、南美中部、加拿大、澳大利亚中部均为空白，网格内台站数较少，仅9.5%网格内具备至少5个台站，此时CGP在南美中部、非洲中部、南部也出现空白，但欧亚大陆、北美、澳大利亚大部分地区有网格覆盖，35.7%的网格内台站数量超过5个。

图 5 CGP(a)与GHCN(b)降水历史数据集5°×5°网格内台站数空间分布 (a1、b1. 1900年,a2、b2. 1950年, a3、b3. 1990年，a4、b4. 2010年) Fig. 5 Station number in global 5°×5° grids CGP(a) and GHCN(b) (a1 and b1. 1900, a2 and b2. 1950, a3 and b3. 1990, a4 and b4. 2010)

图选项

全球陆地站点年降水量标准气候值(1961—1990)空间分布(图 6)显示，CGP与GHCN的结果高度一致，CGP在东欧、西北亚、西伯利亚、地中海地区可以得到更多的台站气候值，填补了GHCN在这些区域的空缺。从降水气候值的全球空间分布来看，东亚的雨量由南向北逐渐减少，西北地区是中国降水量最小的区域。北美的降水主要集中在东部大西洋沿岸，降水量由西向东逐渐减少，太平洋东岸有一条狭长的南北向雨带。欧洲，降水的空间分布较为均匀，西欧，尤其是大西洋沿岸雨量相对较大，年降水量随着向欧亚大陆深入逐渐减少。非洲北部常年干旱，几乎所有站点的年降水量都不足100 mm，而在非洲中部赤道地区降水量充沛，年降水量在800 mm以上，非洲南部有显著的东西部差异，其西部大西洋沿岸地区降水稀少，年降水量不足200 mm，而东部印度洋沿岸地区年降水量可超过600 mm。澳大利亚降水量亦呈现东部高、西部低的空间特征，西部太平洋沿岸全年雨量在600 mm以上，而东部印度洋沿岸年降水量不足400 mm，中南部是整个澳大利亚大陆最干旱的地区，年降水量不足100 mm。

图 6 CGP(a)与GHCN(b)全球陆地站点年降水量气候值空间分布(1961—1990) Fig. 6 Global precipitation climatology based on data from CGP (a) and GHCN (b) (1961-1990)

图选项

IPCC AR5指出，全球百年降水变化趋势存在较大的不确定性(IPCC，2013)，1901—2008年GHCN以显著增多为主，GPCCv6则正好相反，而其他如CRU、Smith等则以非显著性减少为主。文中采用气候距平值法(Climate Anomaly Method，CAM)(Jones，1994)计算了全球、区域降水时间序列。为尽可能让更多的台站可以计算距平序列，取各台站1961—1990年气候标准值计算距平，仅挑选年降水量数据至少20个，每10 a中至少具有4个年值的台站进行计算，这样计算了1900—2014年全球及各纬度带的降水变化序列(图 7)。

图 7 1900—2013年全球年降水量距平序列(a)及计算所用格点数据量(b) (a1、b1.60°—90°N,a2、b2.30°—60°N,a3、b3.30°S—30°N,a4、b4.60°—30°S,a5、b5.Asia,a6、b6.Europe,a7、b7.Global) Fig. 7 Annual precipitation anomalies averaged over land areas for four latitudinal bands and the globe mean based on five global precipitation data sets relative to the 1961-1990 climatology (a) and the grid number used in the time series calculation for each region (b)(a1 and b1.60°-90°N,a2 and b2.30°-60°N,a3 and b3.30°S-30°N, a4 and b4.60°-30°S,a5 and b5.Asia,a6 and b6.Europe,a7 and b7.Global)

图选项

从全球年值距平序列图上看，1950年前几乎都是负距平，1995年后转为全是正距平，表明20世纪前半叶全球降水量较少，近20年是1900年以来全球降水量最多的时期，1901—2013年线性趋势为3.52±0.5 mm/(10 a)，1951—2013年为1.67±1.37 mm/(10 a)。各纬度带的降水长期变化趋势差异显著：30°—60°N的降水量在20世纪30年代前略为下降，此后趋势反转，60年代前一直为负距平，此后略有上升，1901—2013年线性趋势为5.23±0.52 mm/(10 a)，1951—2013年为5.51±0.94 mm/(10 a)；30°S—30°N在20世纪90年代之前线性趋势不明显，但此后明显上升，1901—2013年总线性趋势为2.15±1.12 mm/(10 a)，1951—2013年为-0.52±3.01 mm/(10 a)；30°—60°S在20世纪70年代距平值在0值上下波动，几乎没有年代际变化，1970年后开始持续下降，1901—2013年线性趋势为-2.15±1.14 mm/(10 a)，1951—2013年为-10.5±2.74 mm/(10 a)；60°—90°N地区在1920—1950年降水量持续减少，之后开始增加直至最近，值得一提的是20世纪20年代时间序列出现异常跳跃，可能与站点数量显著变化有关，也不排除数据集中仍然存在一定非均一问题，所以文中没有计算该纬度带降水变化的长期趋势。

从各个纬度带看，CGP与GHCN得到的全球降水时间序列基本一致，尤其是低纬度地区和南半球的距平曲线几乎完全重合，北半球中高纬度地区的总体趋势一致，但在1960年前CGP的距平值略低于GHCN，导致CGP的长期变化趋势明显高于GHCN(2.77±1.90 mm/(10 a)，1901—2008年; -2.77±3.92 mm/(10 a)，1951—2008年，尤其是1951年以来趋势反转使人印象深刻。相对于GHCN，CGP的数据量优势主要集中在北半球中高纬度地区，赤道和南半球CGP仅略高于GHCN。数据量的差异与距平序列吻合程度一致，表明数据量的差异可能是造成CGP距平序列略低于GHCN的主要原因。从图 7中还可以看到，20世纪60年代中期GHCN在亚洲和欧洲地区的网格数激增，90年代后又迅速减少，而CGP的网格数变化较为平缓。CGP和GHCN计算得到的亚洲和欧洲地区降水时间序列具有非常相近的年代际特征，但在20世纪60年代之前CGP距平值一直低于GHCN。由此认为，欧亚地区新增的站点数据虽然没有改变地区降水分布的总体特征，但使区域百年降水变化速率有所增大。

基于收集整理的全球多个降水数据源，经过系统的整理、融合、质量控制、订正、分析，形成一套整合的全球1900—2014年月降水气候数据集——CGP。该数据集与目前美国NOAA研发的最完整的全球数据集(GHCN-M V2.0)对比，新增约1万个站点、5×10⁶组有效记录和1030条百年尺度的站点序列，其中141条百年序列通过多来源资料融合或整合获得。从区域分布特点来看，这种站点和数据量的优势主要体现在东亚、东欧、西伯利亚等站点稀疏地区。

虽然CGP数据集中新增的站点数据没有改变全球降水分布及其各纬度带降水变化的总体格局，但对区域性百年尺度降水变化的检测精度有一定的提高；特别是对全球近百年降水量的长期变化趋势检测结果表明：1900—2014年全球年降水量呈现显著的增长趋势，这个结果同GHCN一致(但趋势值比GHCN更高)，而同GPCC数据集正好相反，也同时反衬出GPCC数据集、CRU降水数据集，Smith等(2012)等数据集在百年尺度降水长期趋势检测方面的不足之处。

应该指出的是，目前该数据集还存在相当的不足。下一步研发团队将从以下四方面进一步完善该数据产品：

(1)进一步强化降水气候序列的均一性研究与订正处理。目前的数据集中，台站的密度存在差距，给均一性检验的参考序列的选取带来了一定困难；此外，高纬度固态降水的观测长期存在着较大的不确定性等均给数据集中气候序列的精度带来相当的干扰；而目前对此的处理能力存在明显不足。

(2)降水是不连续变量，具有极大的时空变率，简单的网格化算法不能简单地应用于降水。特别是近年以来，卫星气候数据产品的引入，能否提高全球降水数据的精度，在此基础上进一步研发融合和再加工产品，将是下一步研究的内容。

(3)通过国际数据交换，收集了加拿大、越南、CPC等数据机构的区域历史数据，但南美、非洲地区资料“空窗”问题仍然存在。下一步将重点关注蒙古、巴西、阿根廷、印度、南非等此前资料稀少国家的数据交换，以获得更多准实时的全球数据。

(4)目前通过全球通信系统(GTS)，并结合各数据中心数据发布情况实施准实时追踪、下载实现数据更新，但数据量仍然较为有限。如何获取更多的实时(准实时)资料来源，实现快速更新，真正形成一套高实效、高质量的全球基准降水数据产品，还有很长的路要走。

致谢：英国东安吉利尔大学气候研究中心(CRU)的Philip Jones教授在2015年访问中国国家气象信息中心期间给予了很多建议，谨致诚挚谢意。