2018, Vol. 76
中国气象学会主办。
文章信息
- 童宣, 严中伟, 李珍, 曹丽娟, 江志红. 2018.
- TONG Xuan, YAN Zhongwei, LI Zhen, CAO Lijuan, JIANG Zhihong. 2018.
- 近百年中国两次年代际气候变暖中的冷、暖平流背景
- The background of cold/warm advection for two interdecadal warming processes during the last century in China
- 气象学报, 76(4): 554-565.
- Acta Meteorologica Sinica, 76(4): 554-565.
- http://dx.doi.org/10.11676/qxxb2018.014
-
文章历史
- 2017-10-12 收稿
- 2018-02-05 改回
2. 中国科学院大学, 北京, 100049;
3. 国家气象信息中心, 北京, 100081;
4. 气象灾害教育部重点实验室/气候与环境变化国际联合实验室/气象灾害预报预警与评估协同创新中心, 南京信息工程大学, 南京, 210044
2. University of Chinese Academy of Sciences, Beijing 100049, China;
3. National Meteorological Information Center, Beijing 100081, China;
4. Key Laboratory of Meteorological Disaster of Ministry of Education, Joint International Research Laboratory of Climate and Environment Change, Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disaster, Nanjing University of Information Science & Technology, Nanjing 210044, China
当前，全球变暖已受到国际社会各界广泛关注。最新研究表明，1880—2012年全球平均气温上升约0.89℃(IPCC, 2013; Simmons, et al, 2017)。过去30年的变暖快于1850年以来的任何时期。1983—2012年可能是过去1400年来北半球最暖的30 a，而21世纪最初10年则是最暖的10 a。欧亚大陆以及半干旱地区变暖尤其明显(Ji, et al, 2014; Huang, et al, 2016)，中国位于其中，因而变暖幅度也高于全球平均，1909—2010年中国平均气温上升约1.5℃(Cao et al, 2013, 2017), 近60年，中国平均气温上升速率达0.17℃/(10 a)(Ren, et al, 2017)。然而，关于区域气候变化的成因仍有很多认识不清楚。从多个角度探讨过去百年中国的变暖过程是有益的。
很多种观测数据表明, 近百年北半球气候经历了两次明显的变暖过程，第1次主要发生在20世纪20至40年代；第2次从20世纪70年代后期至今。中国气候变暖过程与此相似，20世纪40年代前和80年代后的两次年代际变暖十分突出(曾昭美等，2003；丁一汇等, 1994, 2016；Ren, et al, 2017; Li, et al, 2017)。由于中国器测气象资料的局限，以往研究多是基于20世纪50年代后的资料开展的，关于20世纪40年代暖期的研究相对较少(李庆祥等, 2010；丁一汇等，2016)。已有研究表明：全球气候变化是自然因素与人为因素共同作用的结果，人类活动所致的大气温室效应增强对近几十年全球变暖起主导作用(Tett, et al, 1999; Stott, et al, 2000；丁一汇等, 2016)；相比而言，自然因素和内部变率可能对20世纪早期变暖有重要作用(IPCC, 2013；Yao, et al, 2017)。特别是，20世纪两次冷、暖过程间隔数十年，20世纪40年代前后的相对暖期(Zeng, et al, 2001)和近10多年的变暖减缓期等事实，反映了多年代尺度的气候变率(钱维宏等，2012；Xia, et al, 2013; Gao, et al, 2015; Li, et al, 2016)。
区域气候变暖，除了众所周知的大气温室效应增强等外强迫因素外，还与大气环流异常导致的区域性的冷、暖平流变化有关。如果区域气候冷、暖异常的分布格局和温度平流异常对应得很好，则可在一定程度上说明大气环流异常或气候内部变率对该区域冷、暖变化影响较大。本研究针对中国区域20世纪初以来的两次年代际暖期，计算相应的温度平流异常格局，对比同期冷、暖分布特征，为理解这两次多年代尺度变暖提供一个特殊视角。
2 数据与方法 2.1 数据 2.1.1 全球月平均格点资料所采用的气温格点资料是由英国气象局哈得来中心和东安格利亚大学气候研究中心(CRU)合作研发的Hadcru4.5全球气温距平格点资料(Morice, et al, 2012)。Hadcru4.5资料包含了CRUTEM4的地表气温资料以及HadSST3海表温度资料，精度为5°×5°，时间从1850年1月至2017年1月。
Hadcru4.5数据集由100个对全球气温数据不确定性概率分布进行重采样得到的子数据进行集合平均得到，这种集成方法使得格点资料的不确定结构在时间和空间上较好结合，从而减小了早期资料缺失带来的不确定性。本研究使用Hadcru4.5中100个集合样本的中位数数据集(Hadcru4.5-median)。数据可由如下网址获得：http://www.metoffice.gov.uk/hadobs/hadcrut4/data/current/download.html。
由于Hadcru4.5资料未经过插值和方差调整，对于百年序列而言，许多格点上存在缺测情况。为便于应用EEMD方法，利用周围格点的平均距平值，对缺测数据进行插值处理。这一处理可能会低估一些缺测格点的气温距平，但不会严重影响大尺度多年代际冷、暖分布特征。
2.1.2 中国32站气温月平均序列本研究使用的中国32个站的均一化逐月气温观测序列来自Cao等(2017)，这套观测序列最早的站点始于1873年1月，至2016年12月止，可通过http://data.cma.cn获得。李珍等利用多元分析均一化方法(MASH)(Szentimrey, 1999)进一步对上述资料作了均一化处理。这32个测站包括：海拉尔(HLE)、哈尔滨(HEB)、长春(CC)、沈阳(SY)、乌鲁木齐(WLMQ)、呼和浩特(HHHT)、北京(BJ)、营口(YK)、天津(TJ)、青岛(QD)、烟台(YT)、大连(DL)、和田(HT)、西宁(XN)、南京(NJ)、太原(TY)、重庆(CQ)、长沙(CS)、武汉(WH)、上海(SH)、拉萨(LS)、贵阳(GY)、腾冲(TC)、福州(FZ)、广州(GZ)、澳门(MC)、香港(HK)、厦门(XM)、昆明(KM)、南宁(NN)、台南(TN)以及恒春(HC)，本研究所用数据集已在Science Data Bank上发布，DOI: 10.11922/sciencedb.516；数据引用URL：http://www.dx.doi.org/10.11922/sciencedb.516。
2.1.3 全球月平均海平面气压场本研究使用的月平均海平面气压场资料来源于NOAA利用最新资料同化技术和观测资料发展的一套20世纪再分析资料(Compo, et al, 2011)，这套资料为避免由于观测系统的变更和资料内部不协调带来的虚假趋势，仅仅同化了地面和海平面气压场数据，把观测的月平均海表温度以及海冰作为下边界的驱动条件，资料精度为2°×1°经纬度，时间从1871年1月至2012年12月，可从http://www.esrl.noaa.gov/psd/data/gridded/data.20thCRean-V2.monolevel.mm.html获得。
2.2 方法 2.2.1 EEMD本研究应用一种自适应的时、空局部分析方法——即集合经验模分解(Ensemble Empirical Mode Decomposition, EEMD)(Huang, et al, 2008; Wu, et al, 2008)从温度序列中提取出不同时间尺度的信号进行研究。EEMD将时间序列划分为不同时间尺度的变化(包括多年代际变率(Multidecadal Variability, MDV)和长期趋势(Secular Trend, ST))。与其他传统的分解方法(例如傅里叶变换和小波分析)相比，EEMD分解具有数据分解的自适应性与时、空局地性，可以更准确地反映其中存在的特征波动信号(Wu, et al, 2011)。
本研究所用EEMD主要步骤如下：(1)为避免原数据中各种噪声影响，将具有0.2倍数据标准差的白噪声添加到年平均距平序列中来提供一个相对高频、均匀的极值分布。(2)用经验模分解(Empirical Mode Decomposition, EMD)方法将添加了白噪声的数据分解为几个固有模态函数(Intrinsic Mode Function, IMF)。(3)重复步骤(1)和(2)500次，但是每次用不同的白噪声。(4)将分解得到的各个IMF进行集合平均为最终的结果(Wang, et al, 2013)。
对于百年尺度的时间序列，利用EEMD分解方法可得到5个固有模态函数：IMF1—IMF5以及长期趋势分量ST。这6个分量可分为3类：(1)年际与年代际变化由IMF1、IMF2和IMF3构成, (2)多年代际变量由IMF4与IMF5构成, (3)非线性的长期趋势：ST。文中特别关注时间尺度60 a左右的MDV，用以表征温度序列中的多年代际变率信号，故在下文中多年代际变率皆指EEMD分解得到的IMF5。图 1反映了一个样本气温距平序列通过EEMD分解方法分解得到的多年代际变率以及长期趋势。由图 1可看出, 多年代际变率与长期趋势两分量之和很好地刻画出样本距平序列的长期温度变化，这也说明了EEMD分解方法的合理性。
|
| 图 1 利用EEMD分解样本距平序列得到的部分分量 (a.气温距平序列样本，b.样本中MDV/IMF5，c.样本中ST/IMF6，d.虚线是气温距平序列样本(红线是MDV+ST)) Figure 1 A sample temperature series (a), the multi-decadal component (b), and secular trend (c) derived via EEMD. In (d), the dotted line shows the sample data, the red line is for MDV+ST |
大尺度大气运动二维基本态是水平方向的气压梯度力与科里奥利力相平衡的地转风(式(1))，由等压线即可得到地转风。本研究利用地转风关系计算气压场变化引起的温度平流(式(2))。
|
(1) |
|
(2) |
气温等气象要素具有较好的大尺度连续性，可通过内插方法求得等距网格点上的要素值(朱乾根等, 2007)。设有A、B、C 3个格点构成三角形(图 2)，坐标位置分别为(XA, YA)、(XB, YB)、(XC, YC)，要素值分别为SA、SB、SC，根据有限元法与其位置坐标之间有下列线性关系：SA=L1×XA+L2×YA+L3，SB=L1×XB+L2×YB+L3，SC=L1×XC+L2×YC+L3，在ΔABC内任意点O，坐标为(XO, YO)，要素值为SO，则SO与(XO, YO)具有上述相似的线性关系，SO=L1×XO+L2×YO+L3(朱乾根等, 2007)。
|
| 图 2 有限元法及地域加权相关示意 (红色格点为32测站位置，蓝色点为格点位置，红线内区域为青藏高原地区) Figure 2 Diagram of finite element method and regional weighted correlation (Red dots are the locations of stations, blue dots (A, B, C) mark grids used for interpolating for the sample station, the red line outlines the Tibet Plateau) |
冷、暖分布与平流异常场的空间关联系数如下：(1)将平流异常格点值通过有限元法插值到32个测站。(2)青藏高原区域海拔太高，基于海平面气压场计算的地转风缺乏指示意义，故去除和田、拉萨、西宁测站，共剩余29测站。(3)剩余29个测站用于计算下文空间关联系数。
考虑到本研究所使用的测站地理分布不均，呈现出东密西疏格局，如图 2所示，将中国区域除青藏高原外大体分为3个区——东北地区(A区)、中部和南部地区(B区)以及西北地区(C区)，按区域大小(格点数)确定计算空间相关时的权重。冷、暖分布与平流场的空间关联系数为
|
(3) |
式中，NA为A区平流与冷暖格局一致测站数，NB为B区平流与冷暖格局一致测站数，NC为C区平流与冷暖格局一致测站数，SA为A区测站数，SB为B区测站数，SC为C区测站总数。
3 结果 3.1 中国区域20世纪40年代冷、暖分布 3.1.1 基于32测站长期气温序列的结果首先，从各站年平均气温序列出发，利用EEMD方法，提取MDV分量，将32站年平均气温序列及其MDV绘于图 3。根据测站时间序列中MDV的位相来表征20世纪40年代前后的年代际冷、暖分布(图 4)。图中蓝色表示40年代处于年代际尺度冷位相，红色表示处于暖位相，以海拉尔站为例(图 3)，利用EEMD方法分解得到的海拉尔站气温序列中的MDV在20世纪40年代处于谷值，即在多年代际尺度上相较于前期是降温的。由图可见，20世纪40年代前后中国并非一致偏暖。华北北部、东北多站以及华南个别站偏冷，中部、东部至西南一带则以偏暖为主。
|
| 图 3 32测站年平均温度序列(黑色)以及其中MDV分量(红色) (左侧坐标轴为MDV；右侧坐标轴年平均温度序列) Figure 3 Annual mean temperature series (black lines) and the MDV component for 32 stations (red lines) (Left axis is for MDV, right axis is for annual mean temperature) |
|
| 图 4 中国32测站年平均温度资料中20世纪40年代冷、暖分布 (蓝(红)点表示处于冷(暖)相位) Figure 4 Interdecadal cold/warm distribution in China during the 1940s derived from the annual mean temperature series (Blue (red) dots represent cold (warm)) |
鉴于不同季节大气环流大不相同，计算与环流形势密切关联的温度平流必须分季节讨论。一般来说，北半球中纬度地区冬季(12月—次年2月)气温序列变率较大(Yan, et al, 2002; Li, et al, 2017)，因而与年平均序列相关较强。表 1列出了32站冬季与年均气温序列的相关系数，绝大多数都大于0.7，且冬季与年平均气温序列相关在四季中最大的站数占比约80%。故下面将主要分析冬季的年代际尺度偏冷、暖分布，以期对比分析地转风温度平流格局。
| 测站名 | 春季 | 夏季 | 秋季 | 冬季 |
| 烟台 | 0.75 | 0.59 | 0.50 | 0.78 |
| 营口 | 0.78 | 0.60 | 0.45 | 0.83 |
| 西宁 | 0.69 | 0.64 | 0.72 | 0.83 |
| 厦门 | 0.67 | 0.63 | 0.61 | 0.72 |
| 乌鲁木齐 | 0.76 | 0.74 | 0.74 | 0.74 |
| 武汉 | 0.69 | 0.39 | 0.57 | 0.75 |
| 太原 | 0.75 | 0.67 | 0.62 | 0.84 |
| 天津 | 0.76 | 0.55 | 0.50 | 0.78 |
| 腾冲 | 0.72 | 0.73 | 0.73 | 0.74 |
| 沈阳 | 0.75 | 0.57 | 0.39 | 0.80 |
| 上海 | 0.77 | 0.68 | 0.64 | 0.74 |
| 青岛 | 0.81 | 0.68 | 0.54 | 0.76 |
| 恒春 | 0.69 | 0.70 | 0.65 | 0.65 |
| 台南 | 0.57 | 0.57 | 0.57 | 0.67 |
| 南宁 | 0.53 | 0.44 | 0.59 | 0.71 |
| 南京 | 0.72 | 0.54 | 0.61 | 0.77 |
| 澳门 | 0.67 | 0.60 | 0.70 | 0.77 |
| 拉萨 | 0.86 | 0.83 | 0.88 | 0.89 |
| 昆明 | 0.72 | 0.81 | 0.77 | 0.76 |
| 和田 | 0.74 | 0.74 | 0.87 | 0.70 |
| 海拉尔 | 0.74 | 0.51 | 0.45 | 0.80 |
| 呼和浩特 | 0.74 | 0.78 | 0.71 | 0.86 |
| 香港 | 0.65 | 0.55 | 0.62 | 0.66 |
| 哈尔滨 | 0.70 | 0.56 | 0.43 | 0.87 |
| 广州 | 0.63 | 0.62 | 0.63 | 0.72 |
| 贵阳 | 0.54 | 0.48 | 0.51 | 0.68 |
| 福州 | 0.60 | 0.54 | 0.57 | 0.68 |
| 大连 | 0.80 | 0.71 | 0.45 | 0.80 |
| 长沙 | 0.60 | 0.38 | 0.57 | 0.69 |
| 重庆 | 0.54 | 0.40 | 0.50 | 0.65 |
| 长春 | 0.69 | 0.50 | 0.39 | 0.85 |
| 北京 | 0.79 | 0.67 | 0.52 | 0.81 |
| 相关最大的站数目 | 3 | 2 | 1 | 26 |
| *下划线表示该测站冬季与年平均序列相关系数最大。 | ||||
与处理年平均序列方法相同，利用EEMD方法提取冬季气温序列中的MDV分量，根据MDV在20世纪40年代的位相确定年代际冷、暖的分布(图 5)。可看出冬季中国冷、暖分布格局与年平均情况大致相仿，即华北北部—东北普遍偏冷；中部、东部到西南部则偏暖。西北两站的冬季和年平均结果趋于反相，可能反映了某种局地季节性现象。鉴于西北两站早年纪录稀少，可能也影响了季节序列的EEMD计算结果的不确定性。
|
| 图 5 中国32测站冬季平均温度资料中20世纪40年代冷、暖分布 (蓝(红)点表示处于冷(暖)位) Figure 5 Interdecadal cold/warm distribution in China during the 1940s derived from the winter temperature series (Blue (red) represents cold (warm)) |
格点化的气温观测资料更趋于反映大尺度气候变化格局，基于格点资料也易于计算温度平流。在对比分析温度平流前，先从HadCRU4.5全球格点气温资料中选取中国区域格点资料，验证其是否具有上述站点长期气温观测序列反映的20世纪40年代冷、暖分布特征。从图 6可见，中国东北、华北北部确实存在较为系统的偏冷现象，中部—东南—西南部一带则主要呈暖位相，与测站结果十分相似。
|
| 图 6 CRUTEM4冬季平均气温格点资料中20世纪40年代冷暖分布 (蓝(红)点表示处于冷(暖)位，红线内区域为青藏高原地区) Figure 6 Interdecadal cold/warm distribution in China during the 1940s derived from CRUTEM4 gridded temperature series (Blue (red) represents cold (warm), the red line outlines the Tibet Plateau) |
大气环流变化是导致区域冷、暖异常的重要原因之一。本研究利用海平面气压变化推算地转风环流变化，进而考察20世纪40年代前后(1935—1945)变暖过程环流变化所致的温度平流异常(相对于1901—1930年偏冷期)，用以对比解释中国区域20世纪40年代年代际冷、暖分布。值得指出的是，青藏高原区域海拔太高，基于海平面气压场计算的地转风缺乏指示意义，因此略去该区域的计算结果。从图 7所示的温度平流异常可见，前述20世纪40年代偏暖区域即中国中东部至南部一带普遍呈现暖平流异常；华北北部至东北存在较大区域的冷平流异常。由此可见，近地面环流变化所致温度平流异常确实对20世纪40年代中国区域的年代际冷、暖分布格局有重要作用。
|
| 图 7 20世纪40年代前后(1935—1945年)环流异常(相对于1901—1930年)所致温度平流(红线区域为青藏高原地区) Figure 7 Temperature advection caused by circulation changes around the 1940s (reference period:1901-1930) (The red line outlines the Tibet Plateau) |
为进一步衡量温度平流异常分布与前述冷、暖分布的关联程度，本研究利用有限元法将格点平流值插值到32站点上，平流为正则令其为1，平流为负则令其为-1；类似地，将各站气温20世纪40年代年代际位相偏暖者赋值为1，偏冷者赋值为-1。由表 2可计算两个场的关联系数达到0.85。
| 测站 | 温度平流 | 冷暖分布 | 是否同位相 | 测站 | 温度平流 | 冷暖分布 | 是否同位相 |
| 海拉尔 | -1 | -1 | 是 | 上海 | -1 | 1 | 否 |
| 哈尔滨 | -1 | -1 | 是 | 武汉 | 1 | 1 | 是 |
| 乌鲁木齐 | 1 | 1 | 是 | 拉萨* | 1* | 1* | 是* |
| 长春 | -1 | -1 | 是 | 重庆 | 1 | 1 | 是 |
| 呼和浩特 | -1 | -1 | 是 | 长沙 | 1 | 1 | 是 |
| 沈阳 | -1 | -1 | 是 | 贵阳 | 1 | 1 | 是 |
| 营口 | -1 | -1 | 是 | 福州 | 1 | -1 | 否 |
| 北京 | -1 | -1 | 是 | 腾冲 | 1 | 1 | 是 |
| 天津 | -1 | 1 | 否 | 昆明 | 1 | 1 | 是 |
| 大连 | -1 | 1 | 否 | 厦门 | 1 | 1 | 是 |
| 太原 | 1 | -1 | 否 | 南宁 | 1 | 1 | 是 |
| 烟台 | 1 | 1 | 是 | 广州 | -1 | -1 | 是 |
| 和田 | 1 | 1 | 是 | 香港 | -1 | -1 | 是 |
| 西宁* | 1* | -1* | 否* | 澳门 | -1 | -1 | 是 |
| 青岛 | -1 | -1 | 是 | 台南 | 1 | 1 | 是 |
| 南京 | 1 | 1 | 是 | 恒春 | 1 | 1 | 是 |
| *表示不计的高原测站。 | |||||||
近几十年全球大部分地区气候迅速变暖，中国也不例外(Cao, et al, 2016; Li, et al, 2016)。曹丽娟等(Cao, et al, 2016)利用中国均一化历史气温数据集(CHHTD V1.0)分析得出在1984年前，中国气温变化相对缓慢，自1984年开始中国气温呈现急速升高趋势。类似前面分析，本研究也计算了1990—2010年环流变化所致的温度平流异常(图 8)，中国区域冷、暖平流异常交替分布，反映了大气环流异常所致冷、暖平流的基本特征。然而，这种分布特点显然较难以解释观测到的大多数站点气候迅速变暖的事实。
同上计算两个场的空间关联系数约为0.49。这说明环流异常所致的冷、暖平流并不能很好地解释观测到的普遍变暖现象。这从一个侧面支持了IPCC(2013)的论断，即近几十年气候变暖中人为因素所致的辐射强迫起决定性作用。
4 总结与讨论20世纪40年代前后呈现的相对偏暖期是中国有现代仪器观测较为完整记载的一个难得的年代际气候变暖事件。研究其冷、暖分布特点及成因，有助于加深认识近代气候变化的特殊性。本研究基于最新研制的中国32站均一化的长期气温观测序列，利用EEMD方法揭示了该事件的年代际尺度冷、暖分布特点。不同于早年研究强调的“我国该时期普遍一致偏暖”迹象，本研究指出20世纪40年代前后年代际气温波动位相呈现出华北至东北大部分地区和华南沿海局部偏冷而中东部至西南偏暖的分布格局。最近更新的HadCRU4.5全球格点气温资料从更大尺度上印证了上述站点观测的分析结果。
本研究进而基于格点化的海平面气压场和气温资料计算了年代际地转风环流异常所致的温度平流异常，发现其可很好地解释20世纪40年代中国气候冷、暖分布，两个场的空间关联系数达0.85。而对于近几十年区域中国较为一致的变暖，则较难通过温度平流异常格局来加以解释(关联系数0.49)，说明可能存在较强的外强迫影响。本研究结果从一个侧面印证了IPCC(2013)的新论断，即人类活动所致辐射强迫很可能对近几十年气候变暖有决定性作用，而20世纪早期的变暖过程则体现了更多的气候系统内部变率特征。
致谢: 感谢夏江江副研究员、王君博士在初稿行文时提供很多有意义的意见，同时感谢黄永杰博士提供的包含正确中国国界和行政区划的地图数据。| 丁一汇, 戴晓苏. 1994. 中国近百年来的温度变化. 气象, 20(12): 19–26. Ding Y H, Dai X S. 1994. Temperature variation in China during the last 100 years. Meteor Mon, 20(12): 19–26. DOI:10.7519/j.issn.1000-0526.1994.12.008 (in Chinese) |
| 丁一汇, 王会军. 2016. 近百年中国气候变化科学问题的新认识. 科学通报, 61(10): 1029–1041. Ding Y H, Wang H J. 2016. Newly acquired knowledge on the scientific issues related to climate change over the recent 100 years in China. Chinese Sci Bull, 61(10): 1029–1041. (in Chinese) |
| 李庆祥, 董文杰, 李伟, 等. 2010. 近百年中国气温变化中的不确定性估计. 科学通报, 55(16): 1544–1554. Li Q X, Dong W J, Li W, et al. 2010. Assessment of the uncertainties in temperature change in China during the last century. Chinese Sci Bull, 55(16): 1544–1554. (in Chinese) |
| 钱维宏, 李进. 2012. 北京地区长期增暖中的一个减缓期. 气候变化研究进展, 8(3): 178–182. Qian W H, Li J. 2012. A slowing-down period during the long-term warming in the Beijing region. Progr Inquisit Mutat Climat, 8(3): 178–182. (in Chinese) |
| 曾昭美, 严中伟, 叶笃正. 2003. 20世纪两次全球增暖事件的比较. 气候与环境研究, 8(3): 319–330. Zeng Z M, Yan Z W, Ye D Z. 2003. Two global warming events in the 20th century. Climatic Environ Res, 8(3): 319–330. (in Chinese) |
| 朱乾根, 林锦瑞, 寿绍文, 等. 2007. 天气学原理和方法. 4版. 北京: 气象出版社: 599pp. Zhu Q G, Lin J R, Shou S W, et al. 2007. The principles and methods of meteorology. 4th ed. Beijing: China Meteor Press: 599pp. |
| Cao L J, Zhao Z W, Yan Z W, et al. 2013. Instrumental temperature series in eastern and central China back to the nineteenth century. J Geophys Res, 118(15): 8197–8207. |
| Cao L J, Zhu Y N, Tang G L, et al. 2016. Climatic warming in China according to a homogenized data set from 2419 stations. Int J Climatol, 36(13): 4384–4392. DOI:10.1002/joc.4639 |
| Cao L J, Yan Z W, Zhao P, et al. 2017. Climatic warming in China during 1901-2015 based on an extended dataset of instrumental temperature records. Environ Res Lett, 12(6): 064005. DOI:10.1088/1748-9326/aa68e8 |
| Compo G P, Whitaker J S, Sardeshmukh P D, et al. 2011. The twentieth century reanalysis project. Quart J Roy Meteor Soc, 137(654): 1–28. DOI:10.1002/qj.776 |
| Gao L H, Yan Z W, Quan X W. 2015. Observed and SST-forced multidecadal variability in global land surface air temperature. Climate Dyn, 44(1-2): 359–369. DOI:10.1007/s00382-014-2121-9 |
| Huang N E, Wu Z H. 2008. A review on Hilbert-Huang transform:Method and its applications to geophysical studies. Rev Geophys, 46: RG2006. |
| Huang J P, Yu H P, Guan Y D, et al. 2016. Accelerated dryland expansion under climate change. Nat Climate Change, 6(2): 166–171. DOI:10.1038/nclimate2837 |
| IPCC. 2013. Climate Change 2013:The Physical Science Basis. Working Group Ⅰ to the Fifth Assessment Report on the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom: Cambridge University Press: 159-254. |
| Ji F, Wu Z H, Huang J P, et al. 2014. Evolution of land surface air temperature trend. Nat Climate Change, 4(6): 462–466. DOI:10.1038/nclimate2223 |
| Li Q X, Zhang L, Xu W H, et al. 2017. Comparisons of time series of annual mean surface air temperature for China since the 1900s:observations, model simulations and extended reanalysis. Bull Amer Meteor Soc, 98(4): 699–711. DOI:10.1175/BAMS-D-16-0092.1 |
| Li Z, Cao L J, Zhu Y N, et al. 2016. Comparison of two homogenized datasets of daily maximum/mean/minimum temperature in China during 1960-2013. J Meteor Res, 30(1): 53–66. DOI:10.1007/s13351-016-5054-x |
| Morice C P, Kennedy J J, Rayner N A, et al. 2012. Quantifying uncertainties in global and regional temperature change using an ensemble of observational estimates:The HadCRUT4 data set. J Geophys Res, 117(D8): D08101. |
| Ren G Y, Ding Y H, Tang G L. 2017. An overview of mainland China temperature change research. J Meteor Res, 31(1): 3–16. DOI:10.1007/s13351-017-6195-2 |
| Simmons A J, Berrisford P, Dee D P, et al. 2017. A reassessment of temperature variations and trends from global reanalyses and monthly surface climatological datasets. Quart J Roy Meteor Soc, 143(702): 101–119. DOI:10.1002/qj.2017.143.issue-702 |
| Stott P A, Tett S F B, Jones G S, et al. 2000. External control of 20th century temperature by natural and anthropogenic forcings. Science, 290(5499): 2133–2137. DOI:10.1126/science.290.5499.2133 |
| Szentimrey T. 1999. Multiple analysis of series for homogenization (MASH)//Proceedings of the Second Seminar for Homogenization of Surface Climatological Data. Budapest, Hungary: WMO, 27-46 |
| Tett S F B, Stott P A, Allen M R, et al. 1999. Causes of twentieth-century temperature change near the Earth's surface. Nature, 399(6736): 569–572. DOI:10.1038/21164 |
| Wang J, Yan Z W, Jones P D, et al. 2013. On "observation minus reanalysis" method:A view from multidecadal variability. J Geophys Res, 118(14): 7450–7458. |
| Wu Z H, Schneider E K, Kirtman B P, et al. 2008. The modulated annual cycle:An alternative reference frame for climate anomalies. Climate Dyn, 31(7-8): 823–841. DOI:10.1007/s00382-008-0437-z |
| Wu Z H, Huang N E, Wallace J M, et al. 2011. On the time-varying trend in global-mean surface temperature. Climate Dyn, 37(3-4): 759–773. DOI:10.1007/s00382-011-1128-8 |
| Xia J J, Yan Z W, Wu P L. 2013. Multidecadal variability in local growing season during 1901-2009. Climate Dyn, 41(2): 295–305. DOI:10.1007/s00382-012-1438-5 |
| Yan Z W, Jones P D, Davies T D, et al. 2002. Trends of extreme temperatures in Europe and China based on daily observations. Climate Change, 53(1-3): 355–392. |
| Yao S L, Luo J J, Huang G, et al. 2017. Distinct global warming rates tied to multiple ocean surface temperature changes. Nat Climate Change, 7(7): 486–491. DOI:10.1038/nclimate3304 |
| Zeng Z M, Yan Z W, Ye D Z. 2001. The regions with the most significant temperature trends during the last century. Adv Atmos Sci, 18(4): 481–496. DOI:10.1007/s00376-001-0039-8 |