中国气象学会主办。
文章信息
- 郭艳君, 王国复. 2019.
- GUO Yanjun, WANG Guofu. 2019.
- 近60年中国探空观测气温变化趋势及不确定性研究
- Radiosonde temperature trends and uncertainties over China in recent 60 years
- 气象学报, 77(6): 1073-1085.
- Acta Meteorologica Sinica, 77(6): 1073-1085.
- http://dx.doi.org/10.11676/qxxb2019.061
文章历史
-
2019-02-22 收稿
2019-07-03 改回
气温是表征大气状态的基本要素,也是气候变化的重要指示因子。近年来研究表明,全球地表气温趋于升高已成为不争的事实,高空气温变化仍具有较大的不确定性(Stocker, et al, 2013)。气候系统内部的相互联系和高空大气的驱动作用及其反馈机制使得高空气温变化备受气候学家关注。
目前高空气温主要通过探空气球和卫星观测获得。探空观测始于20世纪50年代,具有历史序列长和垂直层次多的优点,但在海洋、极地和青藏高原等特殊地区存在盲区;卫星微波(Microwave Sounding Unit, MSU)观测始于20世纪70年代后期,优点是全球覆盖,缺点是较探空观测时间序列短且垂直分辨率低。探空和卫星观测气温历史序列都存在由系统、仪器和方法变化导致的非均一性问题,应用于气候变化研究时必须进行质量控制和均一化处理。近20年来,全球探空气温数据集(如LKS(Lanzante, et al,2003)、IGRA(Durre, et al,2006)、RATPAC(Free, et al, 2005)、HadAT(Thorne, et al, 2005)、RAOBCORE(Haimberger, 2007)、RICH(Haimberger, et al, 2012)和IUK(Sherwood, et al, 2008))和卫星微波气温数据集(如UAH(Christy, et al, 2003)、RSS(Mears, et al, 2009)和STAR(Zou, et al, 2006))为高空气温变化研究提供了基础资料源(表 1)。不同资料集全球平均对流层气温均呈升高趋势,平流层下层气温呈降低趋势,但趋势幅度存在较大差异(Haimberger, et al, 2008; Thorne, et al, 2011; Mears, et al, 2012;Seidel et al, 2009, 2011; Stocker, et al, 2013)。鉴于高空气温变化趋势研究多集中在全球尺度,而气候变化具有明显的区域差异,针对不同区域尤其是中国区域的高空气温变化研究非常必要。翟盘茂(1997)指出20世纪60年代探空仪器换型与辐射订正变化导致中国探空观测温度和湿度历史序列存在显著的非均一性问题;Guo等(2008, 2009, 2011)基于均一化探空气温得到1958—2005年中国平均气温850—500 hPa趋于上升、400—100 hPa趋于下降的结论。廖蜜(2011)基于卫星微波资料指出,1979—2008年中国区域对流层中层(850—300 hPa)气温趋于上升、平流层下层(100—50 hPa)气温趋于下降。上述研究多基于较早版本的探空和卫星观测资料,近年来中国探空观测和全球卫星微波气温资料均有更新,中国气象局国家气象信息中心发布的“中国高空规定等压面定时值数据集(v2.1)”(阮新等,2015)和“中国高空月平均温度均一化数据集(v1.1)”(陈哲等,2014),时、空完整性较以往明显提高,均一化方法也有改进,尤其对21世纪最初10年探空系统变化导致的非均一性进行了较大幅度订正;全球卫星微波气温数据集亦更新至UAH6.0(Spencer, et al, 2017)、RSS4.0(Mears, et al, 2017)和STAR4.0(Wang, et al,2014)。因此,有必要基于较新探空或卫星观测资料开展中国区域高空气温变化的研究。
类型 | 资料集名称 | 研发单位 | 空间分辨率 | 时间分辨率 | 垂直层 | 方法 |
探空气球观测 | IGRA(Integrated Global Radiosonde Archive) | 美国国家海洋大气管理局国家环境信息中心 | 全球 1000余站 |
1905年—今,逐月 00时与12时 (世界时) |
17层(地表和 850—10 hPa 标准等压面) |
质量控制未均一化 |
RATPAC(Radiosonde Atmospheric Temperature Products for Accessing Climate)(含LKS) | 美国国家海洋大气管理局国家环境信息中心 | 全球 85站 |
1958年—今,逐月 00时与12时 (世界时) |
13层(地表和 850—30 hPa 标准等压面) |
采用第一差分法均一化 | |
HadAT(Hadley Centre's radiosonde temperature) | 英国气象局哈德莱中心 | 全球 676站 |
1958—2012年,逐月 00时与12时 (世界时) |
9层 (850—30 hPa 标准等压面) |
采用相邻台站法均一化 | |
RAOBCORE(RAdiosonde OBservation Correction using REanalyses) | 奥地利维也纳大学 | 全球 1184站 |
1958年—今,逐月 00时与12时 (世界时) |
16层 (1000—10 hPa 标准等压面) |
参照ERA再分析资料均一化 | |
RICH(Radiosnde Innovation Composite Homogenization) | 奥地利维也纳大学 | 全球 1184站 |
1958年—今,逐月 00时与12时 (世界时) |
16层 (1000—10 hPa 标准等压面) |
综合参考 RAOBCORE和相邻台站法 |
|
IUK(Iterative Universal Kriging Radiosode Analysis) | 澳大利亚新南威尔士大学气候变化研究中心 | 全球 529站 |
1959—2015年,逐月 00时与12时 (世界时) |
12层 (850—30 hPa 标准等压面) |
采用迭代通用克里金法参考日夜温差均一化 | |
卫星微波观测 | UAH(University of Alabama at Huntsville) | 美国阿拉巴马大学国家空间科学和技术中心 | 全球网格 2.5 °×2.5° |
1979年—今,逐月 | 4层(TLT、TMT、TUT和TLS) | 不同卫星的 MSU和AMSU 数据均一化 |
RSS(Remote Sensing Systems) | 美国遥感系统 | 2.5°×2.5° | 1979年—今, 逐月TUT 1987年—今 |
4层(TLT、TMT、 TUT和TLS) |
不同卫星的 MSU和AMSU 数据均一化 |
|
STAR(Satellite Applications and Research) | 美国国家海洋大气管理局卫星信息服务中心 | 2.5°×2.5° | 1979年—今, 逐月TUT 1981年—今 |
3层 (TMT、TUT、TLS) |
不同卫星的 MSU和AMSU 数据均一化 |
本研究基于最新的探空均一化气温和卫星微波气温资料评估中国高空气温1958—2017年变化趋势及其不确定性,为中国高空气温变化提供最新的观测事实分析结果,对中国探空气温均一化不确定性分析将为探空均一化方案的改进和卫星资料在气候变化研究中的应用提供参考。
2 资料和方法中国探空观测气温来自中国国家气象信息中心“中国高空规定等压面定时值数据集”(v2.1) (阮新等,2015)和“中国高空月平均温度均一化数据集”(v1.1)(陈哲等, 2014),前者包括经质量控制的142个站1951年(或建站)以来逐日00和12时(世界时,下同)标准等压面气温,后者包含经均一化处理的121个站1958年(或建站)以来逐月00和12时850、700、500、400、300、200、150和100 hPa气温。选取1958—2017年850—100 hPa平均资料有效率高于70%的118个台站(Guo, et al, 2009; Gaffen, et al, 2000),通过经质量控制和均一化的探空气温(简称RAW和ADJ)研究中国高空气温变化趋势(图 1)。
为研究高空气温变化的区域特征,根据气候分区将中国划分为东部季风区、西北干旱区和青藏高寒区,其中东部季风区再分为东北华北、长江流域、华南三个亚区,定义东北华北、长江流域、华南、西北和青藏高原为1—5分区(图 1)(郭艳君等,2014)。
香港站(45004)毗邻广东,未受到中国探空观测网仪器换型和辐射订正方法变化的影响,适宜作为广东探空站的邻近参照序列检测探空系统变化导致的非均一性和均一化效果(翟盘茂,1997;张思齐等,2018)。通过与香港探空气温对比研究了广东清远站(59280)均一化气温序列存在的问题。香港站探空气温来自IGRA(Durre, et al,2006)。
卫星微波高空气温资料来自UAH6.0、RSS4.0和STAR4.0(表 1),包括1979—2017年逐月对流层下层、中层、上层和平流层下层平均气温(分别简称为TLT、TMT、TUT和TLS)。通过权重函数法将用逐站探空等压面气温转化的厚度层等效气温(Spencer et al, 1992, Guo et al,2019)与卫星微波气温对比检测探空与卫星观测气温的系统偏差。
以1958—2017和1979—2017年为研究时段,以1981—2010年平均为气候态。探空与卫星微波气温对比时段为1979—2017年(对流层上层(TUT)为1987—2017年,气候态为1987—2016年)。年或季平均为年或季内所有月气温的平均,有缺测时全年或季即为缺测。以118个探空站或相应网格气温面积加权平均得到中国平均气温序列(青藏高原西部无测站区域不参与计算),线性趋势计算采用最小二乘法计算回归系数。
3 中国探空观测高空气温变化 3.1 中国平均探空气温变化趋势为了解中国探空观测气温中的非均一性,对比了均一化前、后中国平均气温序列及变化趋势。结果表明,均一化前、后中国平均探空气温的差异在20世纪60年代中期和2000年前后中国探空系统变化期间明显增大(图 2),说明中国探空观测系统变化是导致气温出现非均一性的主要原因。均一化后,对流层中、上层气温上升趋势较均一化前明显增强(1958—2017年400—150 hPa升温趋势均一化后增加0.18—0.33℃/(10 a),平流层下层气温下降趋势减弱(1979—2017年150—100 hPa降温趋势减弱了0.58—0.64℃/(10 a)),对流层下层(850—700 hPa)气温订正值较小,均一化对变化趋势影响相对较小(图 3)。
根据均一化探空气温序列,1958—2017年中国平均探空气温在对流层(850—150 hPa)总体呈上升趋势(0.03—0.15℃/(10 a)),平流层下层(100 hPa)呈下降趋势(-0.18℃/(10 a));1979—2017年对流层升温趋势更为显著(0.10—0.25℃/(10 a)),平流层下层降温趋势则有所减弱(-0.13℃/(10 a))。对流层上层(300—200 hPa)升温最显著,300 hPa升温幅度最大(1958—2017年为0.15℃/(10 a),1979—2017年为0.25℃/(10 a)),其次是对流层下层。各季相比冬季对流层升温趋势较为显著,夏季平流层下层降温较为显著、对流层升温趋势较弱,春季对流层变化趋势垂直差异最为显著。1979—2017年各季对流层气温上升趋势均较1958—2017年明显增强,对流层中上层(500—300 hPa)冬、秋季升温趋势最为显著,对流层上层(150 hPa)和下层(850 hPa)春季升温较为显著,夏季对流层升温趋势较其他季节弱(图 4)。
需要指出的是,中国平均对流层呈显著升温趋势与较早的研究结果差异较大,Guo等(2009)指出1958—2005年中国平均对流层中、上层气温呈显著下降趋势,造成差异的主要原因是文中采用的“中国高空月平均温度均一化数据集”(v1.1)对21世纪最初10年探空系统变化引起的非均一性进行了较大订正,资料完整性和区域代表性均有明显提高,参照序列和统计方法亦有所变化(陈哲等,2014)。根据均一化探空气温得到1958—2017年中国平均对流层呈升温趋势与全球多套均一化探空数据集(HadAT、RATPAC、RAOBCORE、RICH、IUK)和再分析资料(ERA-Interim、JRA55、MERRA和CFSR等)的对流层气温上升趋势一致(Stocker, et al, 2013;郭艳君等,2016),说明均一化中国探空气温资料及变化趋势合理可信。
3.2 中国高空气温变化区域特征根据均一化探空气温序列,1958—2017和1979—2017年中国5个分区探空气温趋势廓线(图 5)表明,1958—2017年,对流层上层(300—200 hPa)华南、青藏高原和长江流域升温最为显著,分别为0.27、0.25和0.18℃/(10 a),平流层下层(100 hPa)华南和长江流域降温趋势较强;1979—2017年,300 hPa西北和青藏高原升温趋势最大(0.34和0.32℃/(10 a)),长江流域150 hPa升温趋势最显著(0.30℃/(10 a)),东北华北和西北地区分别在100和150 hPa上降温趋势最显著。
逐站气温变化趋势空间分布(图 6)显示,1958—2017年118站850—300 hPa气温总体呈上升趋势,300 hPa升温幅度最为显著(77站趋势≥0.20℃/(10 a))。北方和青藏高原地区850—500 hPa升温幅度总体较东南大部分地区显著。长江以南大部分地区对流层上层升温幅度较对流层中、下层显著。对流层顶附近的200 Pa气温变化趋势以35°N为界呈南升北降分布。平流层下层的100 hPa各站气温均呈显著下降趋势。
虽然各层气温变化趋势具有明显的共性,仍有部分台站趋势与邻近站差别较大,如广东河源、清远和阳江300—100 hPa气温趋势较邻近站明显低。为判定这些区域差异是否是气温序列非均一性导致的虚假值,需要进一步分析中国探空均一化气温的不确定性。
4 探空均一化的不确定性分析均一化方法是造成探空气温变化趋势差异的主要原因(Free, et al,2005;Thorne, et al,2011),参照序列的影响尤为显著(Guo et al, 2011, 2019)。目前尚无公认参照序列,全球探空气温数据集通常参考卫星微波气温(HadRT,Parker, et al, 1997)、元数据(LKS,Lanzante, et al, 2003)、邻近站气温(HadAT,Thorne, et al, 2005)、再分析(RAOBCORE和RICH,Haimberger, 2007; Haimberger et al, 2008, 2012),日间和夜间温差(IUK,Sherwood et al, 2008, 2015)。中国探空仪器及辐射订正方法的变化通常集中在一个时段或同时发生,不宜通过邻站序列检测非均一性(翟盘茂,1997),通常以夜间和再分析资料作为参照并参考台站元数据检测和订正间断点(Zhai, et al, 1996;翟盘茂,1997;Guo et al, 2008, 2009;陈哲等,2014)。夜间和再分析资料与被检气温并非完全独立,非均一性的订正效果受到影响。因此,需要借助卫星微波气温、不同探空系统的相邻测站气温等相互独立序列和均一化前后日夜温差对比检查中国探空气温是否残存非均一性问题。
4.1 卫星微波与探空等效气温对比中国平均1979—2017年卫星MSU和探空观测对流层下层、中层、上层、平流层下层气温距平序列对比(图 7)表明,卫星与探空气温年际变率较为一致。与卫星气温比,探空气温波动幅度较大,且在20世纪80—90年代偏高,2000年以后偏低。值得关注的是探空气温在21世纪最初10年出现显著下降与中国探空观测系统升级和仪器换型导致气温系统性较低(陈哲等,2014)吻合。探空与卫星气温的差异在对流层中、上层和平流层下层较对流层下层显著,亦与中国探空气温非均一性随高度上升增大且在对流层上层和平流层下层不确定性较大的结论一致(陈哲等,2014;郭艳君等,2016)。因此,中国平均探空与卫星微波气温的差异与中国探空系统变化密切相关,21世纪最初10年中国探空系统变化期间对流层中、上层和平流层下层气温差异明显增大表明,均一化探空气温仍残留系统变化导致的非均一性,需要进一步订正。对比均一化中国平均探空气温和卫星微波气温1979—2017年变化趋势(表 2)得到探空TLT、TMT的升高趋势相差0.03—0.05℃/(10 a)、探空TLS下降趋势较卫星低0.11℃/(10 a),TUT趋势差别较大(探空为降温趋势,较卫星的升温趋势低0.15℃/(10 a))。探空对流层上层和平流层下层气温趋势较卫星明显低的主要原因是21世纪最初10年中国探空观测系统变化导致的探测气温下降。此外,探空等效厚度层气温来自地表和850—30 hPa多层气温的权重累加(Guo,et al,2019),对流层上层的降温趋势包含平流层下层降温趋势的影响。
RSS | UAH | STAR | ADJ | |
对流层下层 | 0.22±0.063 | 0.17±0.057 | — | 0.22±0.071 |
对流层中层 | 0.17±0.044 | 0.12±0.040 | 0.16±0.045 | 0.10±0.048 |
对流层上层 | 0.06±0.051 | 0.05±0.049 | 0.13±0.053 | -0.07±0.042 |
平流层下层 | -0.28±0.125 | -0.31±0.127 | -0.28±0.125 | -0.40±0.117 |
单站探空气温变率较大且具有确切的元数据信息,与卫星微波气温的差值可以更清楚地检测系统变化导致的非均一性问题。通过民勤、哈尔滨、北京和宝山等中国不同区域代表站探空与卫星微波气温差值得到系统变化导致的不连续性是造成探空对流层上层气温趋势较卫星低的主要原因,21世纪最初10年中国探空系统更新及换型影响尤为显著(Guo, et al, 2019)。对比图 6中与相邻地区趋势差异较大的站探空与卫星气温亦可得到类似结论。以广东阳江和河源为例,两站300、200、150和100 hPa气温趋势较邻近台站明显低。其元数据信息包括:2000—2001年探空系统更新(河源和阳江)、阳江站2004年7月仪器换型,河源站2007年4月迁站和仪器换型。由两站探空与卫星对流层上层气温距平及差值(图 8)得到,伴随21世纪最初10年探空系统更新和仪器换型,探空对流层中层气温距平出现大幅度下降,且变化幅度明显大于卫星,探空与卫星TUT差值幅度(约0.80℃)恰好可以解释1987—2017年探空与卫星TUT趋势偏差(0.30℃/(10 a))。对比其余趋势与邻近站差别较大的序列亦可得到类似结果,说明中国探空对流层上层气温普遍残存系统变化导致的非均一性,21世纪最初10年探空系统变化导致气温系统性下降造成中国探空对流层上层气温上升趋势被低估和平流层下层气温下降趋势被高估。
均一化中国探空气温仍残存非均一性的原因在于选取夜间和再分析作为参照序列具有一定的局限性,夜间序列仅能检测与太阳辐射误差相关的系统偏差,再分析的源数据包含原始探空气温,其与待检测序列的非完全独立性使其均一化效果受到影响。卫星与探空互为独立观测系统,两者差值对系统变化更为敏感,且卫星厚度层相对单一气压层具有放大作用,有利于检测出均一化探空气温中残存的非均一性问题,未来可用于中国探空均一化方案的改进。
4.2 邻近站序列探空序列对比全球探空气温数据集多参考邻近站信息进行非均一性检测和订正。由于中国探空系统变化基本同步进行,变化时段内邻近站探空观测包含相似的非均一性问题,因此,不宜以邻近站为参照序列。但香港站较为特殊,其位置与广东相邻,未受中国探空观测网仪器换型和辐射订正方法变化的影响,适宜作为广东清远站的参考序列。
对比香港站和清远站1996—2017年逐月100 hPa气温和差值(图 9)发现,两者气温变化趋势差异较大:清远站呈显著下降趋势,香港站下降趋势不显著,差值呈阶段性跳跃变化且与清远站探空系统变化时间吻合(2000—2001年系统更新、2007年5月仪器换型),说明清远站100 hPa气温仍残存系统变化导致的非均一性,造成清远站与香港站差值呈不连续变化及显著下降趋势。两站500—200 hPa气温对比亦可得到类似结论(图略)。这再次说明均一化未能完全清除21世纪最初10年中国探空系统变化造成对流层中、上层至平流层下层气温系统性下降的非均一性,造成清远站较香港站对流层中、上层增温趋势偏弱和平流层下层气温下降趋势偏强。
4.3 日夜温差序列的对比辐射误差是造成探空观测气温偏差的主要来源。夜间与日间探空观测相比受太阳辐射影响较小,辐射订正方法变化时,日夜温差通常出现明显的波动变化。因此,探空气温的均一化通常以日夜温差来检测非均一性并以夜间气温为参照订正日间气温(Zhai, et al, 1996;翟盘茂, 1997; Sherwood et al, 2008, 2015;Guo, et al, 2008)。文中应用的均一化气温采用12时(夜间)和ERA再分析为参照序列,结合元数据信息,首先检测和订正00时气温,再参照ERA再分析(日平均气温)检测和订正12和00时气温。再分析对00和12时气温的订正幅度不一致会引入新的非均一性,这对于辐射误差较大的对流层上层气温影响尤其显著。以清远站300 hPa均一化前后日夜温差为例(图 10),均一化前日间和夜间温差序列在1963和1973年出现大幅度下降, 与元数据中探空仪变化和辐射误差订正方法改变的时间对应,20世纪70年代中期以后差值波动幅度较小且变化趋势不显著,说明21世纪初探空系统变化对原始气温序列日夜温差的影响较小。均一化通常会消除或减弱日夜温差的非均一性(即减少探空系统变化导致的跳跃变化),但均一化后清远站300 hPa日夜温差的非均一性并未减少,且在2001年系统升级和2007年仪器换型期间出现显著上升和下降,说明清远站300 hPa均一化气温仍然残存系统变化导致的非均一性,这与夜间先于再分析的均一化订正顺序不合理和缺少合理性检验有关。118站平均300和200 hPa日夜差值1958—2017年总体亦呈显著上升趋势(0.08—0.09℃/(10 a)),表明中国较多探空站对流层上层气温均一化后仍然存在明显的非均一性问题,印证了4.1和4.2节的结论。
5 结论基于118站探空资料评估了近60年中国高空气温变化趋势,通过与1979—2017年卫星微波气温、相邻代表站探空气温的对比以及均一化前、后日夜温差分析了中国探空均一化气温的不确定性,得到结论如下:
(1) 根据均一化探空资料,1958—2017年中国平均对流层(850—150 hPa)气温总体呈上升趋势,对流层上层(300 hPa)升温幅度最为显著(0.15℃/(10 a)),平流层下层气温为下降趋势(100 hPa为-0.18℃/(10 a))。1979—2017年较1958—2017年对流层升温趋势增强(300 hPa为0.25℃/(10 a)),平流层下层降温趋势减弱(100 hPa为-0.13℃/(10 a))。冬季对流层上层升温趋势最为显著,夏季平流层下层降温较显著、对流层升温较弱。青藏高原和西北地区对流层上层升温较显著。
(2) 中国探空气温序列存在由系统更新、仪器换型和辐射误差订正方法改变造成非均一性问题。均一化订正后中国平均对流层中、上层气温上升趋势明显增强,平流层下层气温下降趋势明显减弱。
(3) 由于夜间和再分析参照序列的局限性,均一化未能完全清除21世纪初中国探空系统变化造成气温系统性下降的影响,导致中国对流层中、上层升温趋势被低估和平流层下层降温趋势被高估。通过卫星微波气温、邻近站探空气温和均一化前后日夜温度差值对比可检测到均一化探空气温残存的非均一性问题,未来可通过参考卫星微波气温和邻近站探空气温、调整订正顺序并增加合理性检验等方法进一步改善中国探空气温均一化方案。
致谢: 感谢中国国家气象信息中心陈哲博士给予的支持。
陈哲, 杨溯. 2014. 1979-2012年中国探空温度资料中非均一性问题的检验与分析. 气象学报, 72(4): 794-804. Chen Z, Yang S. 2014. Homogenization and analysis of China radiosonde temperature data from 1979 to 2012. Acta Meteor Sinica, 72(4): 794-804. (in Chinese) |
郭艳君, 丁一汇. 2014. 1958-2005年中国高空大气比湿变化. 大气科学, 38(1): 1-12. Guo Y J, Ding Y H. 2014. Upper-air specific humidity change over China during 1958-2005. Chinese J Atmos Sci, 38(1): 1-12. DOI:10.3969/j.issn.1674-7097.2014.01.001 (in Chinese) |
郭艳君, 张思齐, 颜京辉, 等. 2016. 中国探空观测与多套再分析资料气温序列的对比研究. 气象学报, 74(2): 271-284. Guo Y J, Zhang S Q, Yan J H, et al. 2016. A comparison of atmospheric temperature over China between radiosonde observations and multiple reanalysis datasets. Acta Meteor Sinica, 74(2): 271-284. (in Chinese) |
廖蜜. 2011.利用MSU/AMSU资料分析中国高空大气温度变化趋势[D].北京: 中国气象科学研究院. Liao M. 2011. Analysis of upper-air temperature trend of China using MSU/AMSU[D]. Beijing: Chinese Academy of Meteorological Sciences (in Chinese)
|
阮新, 熊安元, 胡开喜, 等. 2015. 中国历史探空资料部分等压面位势高度订正. 应用气象学报, 26(3): 257-267. Ruan X, Xiong A Y, Hu K X, et al. 2015. Correcting geopotential height errors of some mandatory levels of Chinese historic radiosonde observations. J Appl Meteor Sci, 26(3): 257-267. (in Chinese) |
翟盘茂. 1997. 中国历史探空资料中的一些过失误差及偏差问题. 气象学报, 55(5): 563-572. Zhai P M. 1997. Some gross errors and biases in China's historical radiosonde data. Acta Meteor Sinica, 55(5): 563-572. (in Chinese) |
张思齐, 郭艳君, 王国复. 2018. 中国探空观测与第3代再分析大气湿度资料的对比研究. 气象学报, 76(2): 289-303. Zhang S Q, Guo Y J, Wang G F. 2018. A comparative study of atmospheric humidity over China between radiosonde and the third generation reanalysis datasets. Acta Meteor Sinica, 76(2): 289-303. (in Chinese) |
Christy J R, Spencer R W, Norris W B, et al. 2003. Error estimates of version 5.0 of MSU-AMSU bulk atmospheric temperatures. J Atmos Oceanic Technol, 20(5): 613-629. |
Durre I, Vose R S, Wuertz D B. 2006. Overview of the integrated global radiosonde archive. J Climate, 19(1): 53-68. |
Free M, Seidel D J, Angell J K, et al. 2005. Radiosonde atmospheric temperature products for assessing climate (RATPAC):A new data set of large-area anomaly time series. J Geophys Res Atmos, 110(D22): D22101. DOI:10.1029/2005JD006169 |
Gaffen D J, Sargent M A, Habermann R E, et al. 2000. Sensitivity of tropospheric and stratospheric temperature trends to radiosonde data quality. J Climate, 13(10): 1776-1796. DOI:10.1175/1520-0442(2000)013<1776:SOTAST>2.0.CO;2 |
Guo Y J, Thorne P W, McCarthy M P, et al. 2008. Radiosonde temperature trends and their uncertainties over eastern China. Int J Climatol, 28(10): 1269-1281. DOI:10.1002/joc.1633 |
Guo Y J, Ding Y H. 2009. Long-term free-atmosphere temperature trends in China derived from homogenized in situ radiosonde temperature series. J Climate, 22(4): 1037-1051. DOI:10.1175/2008JCLI2480.1 |
Guo Y J, Ding Y H. 2011. Impacts of reference time series on the homogenization of radiosonde temperature. Adv Atmos Sci, 28(5): 1011-1022. DOI:10.1007/s00376-010-9211-3 |
Guo Y J, Zou C Z, Zhai P M, et al. 2019. An analysis of the discontinuity in Chinese radiosonde temperature data using satellite observation as a reference. J Meteor Res, 33(2): 289-306. DOI:10.1007/s13351-019-8130-1 |
Haimberger L. 2007. Homogenization of radiosonde temperature time series using innovation statistics. J Climate, 20(7): 1377-1403. DOI:10.1175/JCLI4050.1 |
Haimberger L, Tavolato C, Sperka S. 2008. Toward of the warm bias in historic radiosonde temperature records:Some new results from a comprehensive intercomparison of upper-air data. J Climate, 21(18): 4587-4606. DOI:10.1175/2008JCLI1929.1 |
Haimberger L, Tavolato C, Sperka S. 2012. Homogenization of the global radiosonde temperature dataset through combined comparison with reanalysis background series and neighboring stations. J Climate, 25(23): 8108-8131. DOI:10.1175/JCLI-D-11-00668.1 |
Lanzante J R, Klein S A, Seidel D J. 2003. Temporal homogenization of monthly radiosonde temperature data. Part Ⅰ:Methodology. J Climate, 16(2): 224-240. |
Mears C A, Wentz F J. 2009. Construction of the Remote Sensing Systems V3.2 atmospheric temperature records from the MSU and AMSU Microwave Sounders. J Atmos Oceanic Technol, 26(6): 1040-1056. |
Mears C A, Wentz F J, Thorne P W. 2012. Assessing the value of Microwave Sounding Unit-radiosonde comparisons in ascertaining errors in climate data records of tropospheric temperatures. J Geophys Res Atmos, 117(D19): D19103. DOI:10.1029/2012JD017710 |
Mears C A, Wentz F J. 2017. A satellite-derived lower-tropospheric atmospheric temperature dataset using an optimized adjustment for diurnal effects. J Climate, 30(19): 7695-7718. DOI:10.1175/JCLI-D-16-0768.1 |
Parker D E, Gordon M, Cullum D P N, et al. 1997. A new global gridded radiosonde temperature data base and recent emperature trends. Geophys Res Lett, 24: 1499-1502. DOI:10.1029/97GL01186 |
Seidel D J, Berger F H, Diamond H J, et al. 2009. Reference upper-air observations for climate:Rationale, progress, and plans. Bull Amer Meteor Soc, 90(3): 361-369. DOI:10.1175/2008BAMS2540.1 |
Seidel D J, Gillett N P, Lanzante J R, et al. 2011. Stratospheric temperature trends:Our evolving understanding. Climate Change, 2(4): 592-616. |
Sherwood S C, Meyer C L, Allen R J, et al. 2008. Robust tropospheric warming revealed by iteratively homogenized radiosonde data. J Climate, 21(20): 5336-5352. DOI:10.1175/2008JCLI2320.1 |
Sherwood S C, Nishant N. 2015. Atmospheric changes through 2012 as shown by iteratively homogenized radiosonde temperature and wind data (IUKv2). Environ Res Lett, 10(5): 054007. DOI:10.1088/1748-9326/10/5/054007 |
Spencer R W, Christy J R. 1992. Precision and radiosonde validation of satellite gridpoint temperature anomalies. art Ⅰ:MSU Channel 2. PJ Climate, 5(8): 847-857. |
Spencer R W, Christy J R, Braswell D B. 2017. UAH version 6 global satellite temperature products:Methodology and results. Asia-Pacific J Atmos Sci, 53(1): 121-130. DOI:10.1007/s13143-017-0010-y |
Stocker T F, Qin D H, Plattner G K, et al. 2013. Climate Change 2013: The Physical Science Basis. Contribution of Working Group Ⅰ to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press, 194-201
|
Thorne P W, Parker D E, Tett S F B, et al. 2005. Revisiting radiosonde upper air temperatures from 1958 to 2002. J Geophys Res Atmos, 110(D18): D18105. DOI:10.1029/2004JD005753 |
Thorne P W, Lanzante J R, Peterson T C, et al. 2011. Tropospheric temperature trends:History of an ongoing controversy. Climate Change, 2(1): 66-88. |
Wang W H, Zou C Z. 2014. AMSU:A only atmospheric temperature data records from the lower troposphere to the top of the stratosphere. J Atmos Oceanic Technol, 31(4): 808-825. DOI:10.1175/JTECH-D-13-00134.1 |
Zhai P M, Eskridge R E. 1996. Analyses of inhomogeneities in radiosonde temperature and humidity time series. J Climate, 9(4): 884-894. DOI:10.1175/1520-0442(1996)009<0884:AOIIRT>2.0.CO;2 |
Zou C Z, Goldberg M D, Cheng Z H, et al. 2006. Recalibration of microwave sounding unit for climate studies using simultaneous nadir overpasses. J Geophys Res Atmos, 111(D19): D19114. DOI:10.1029/2005JD006798 |