一套格點(diǎn)化的中國(guó)區(qū)域逐日觀測(cè)資料及與其它資料的對(duì)比

吳 佳，高學(xué)杰

中國(guó)氣象局氣候研究開(kāi)放實(shí)驗(yàn)室，北京 100081

1 引 言

隨著計(jì)算機(jī)技術(shù)的發(fā)展，氣候模式的分辨率在逐漸提高，以更好地模擬和再現(xiàn)當(dāng)代氣候及預(yù)估未來(lái)氣候的變化［1］，其中如區(qū)域氣候模式在中國(guó)地區(qū)氣候變化模擬中所使用的分辨率，已達(dá)到20～25km［2－4］.此外在氣候變化問(wèn)題上，大家對(duì)極端事件也越來(lái)越關(guān)注，使得發(fā)展高分辨率的格點(diǎn)化觀測(cè)數(shù)據(jù)的必要性逐漸增加.

目前包括有中國(guó)地區(qū)的日時(shí)間尺度觀測(cè)數(shù)據(jù)，有Xie等［5］發(fā)展的0.5°×0.5°（經(jīng)緯度，下同）的降水資料EA05，Xu等［6］發(fā)展的0.5°×0.5°氣溫觀測(cè)資料CN05，Yatagai等［7］所發(fā)展的0.25°×0.25°降水資料 APHRO，以及沈艷等［8］、Chen等［9］所發(fā)展的降水?dāng)?shù)據(jù)等.這些資料在高分辨模式的模擬檢驗(yàn)中，得到了廣泛的應(yīng)用［3－4，6，10－14］.但它們普遍存在一些問(wèn)題.一方面，大部分資料的分辨率為0.5°×0.5°，較難檢驗(yàn)更高分辨率模式模擬所得到的空間分布細(xì)節(jié)；另一方面，在中國(guó)范圍內(nèi)，數(shù)據(jù)基本都是使用中國(guó)氣象局所屬的700余個(gè)臺(tái)站（國(guó)家基準(zhǔn)氣候站和基本氣象站）觀測(cè)資料進(jìn)行的，觀測(cè)站點(diǎn)相對(duì)較少（其中EA05額外使用了黃河流域約1000個(gè)水文站點(diǎn)的資料）.

針對(duì)上述問(wèn)題，本文基于中國(guó)氣象局所屬的2400余個(gè)臺(tái)站的觀測(cè)資料（包括上述基準(zhǔn)站、基本站和國(guó)家一般氣象站），使用和CN05同樣的方法，制作了一套分辨率為0.25°×0.25°的格點(diǎn)化觀測(cè)數(shù)據(jù)集CN05.1，以滿足現(xiàn)階段高分辨率氣候模式檢驗(yàn)的需要.數(shù)據(jù)集目前共包括日平均和最高、最低氣溫以及降水4個(gè)變量，時(shí)段為1961—2007年.本文中我們同時(shí)將此數(shù)據(jù)集與其它格點(diǎn)資料進(jìn)行了氣候平均態(tài)和極端事件方面的對(duì)比.

2 方法和數(shù)據(jù)介紹

氣候要素由在空間上分布不規(guī)則的站點(diǎn)觀測(cè)向規(guī)則的格點(diǎn)插值，可以使用多種方法，除對(duì)各個(gè)時(shí)次的要素場(chǎng)分別進(jìn)行插值外，使用更多的是所謂的“距平逼近”方法（anomaly approach）［15］，即首先進(jìn)行氣候場(chǎng)的插值，隨后進(jìn)行距平場(chǎng)的插值，最后將兩者疊加，得到所需結(jié)果.之所以首先進(jìn)行氣候場(chǎng)的插值，是因?yàn)橐话銡夂蛞?，特別是降水等在空間分布上具有較大的不連續(xù)性，而氣候場(chǎng)則相對(duì)連續(xù)性較好，對(duì)氣候場(chǎng)首先進(jìn)行插值，有利于在一定程度上減少由于這種不連續(xù)性帶來(lái)的分析誤差，從而提高插值的準(zhǔn)確率.上文所述的CN05、EA05和APHRO均使用這種方法得到，但所使用的插值方法則有所不同.

具體 CN05氣溫資料［6］是參照 CRU 資料［15－16］的插值方法制作的，對(duì)于氣候場(chǎng)的插值，使用了薄板樣條方法，通過(guò) ANUSPLIN 軟件實(shí)現(xiàn)［17－18］.ANUSPLIN是澳大利亞國(guó)立大學(xué)基于平滑樣條原理開(kāi)發(fā)的一套FORTRAN插值程序包，通過(guò)擬合數(shù)據(jù)序列計(jì)算并優(yōu)化薄盤(pán)平滑樣條函數(shù)，最終利用樣條函數(shù)進(jìn)行空間插值，它可以引入?yún)f(xié)變量子模型，如考慮氣溫隨海拔高度的變化，其結(jié)果可以反映氣溫垂直遞減率的變化、降水和海岸線之間的關(guān)系、以及水汽壓隨海拔高度的變化可以反映其垂直遞減率的變化等.ANUSPLIN軟件在地理和生態(tài)學(xué)研究等中經(jīng)常被用于產(chǎn)生非常高分辨率的氣候要素場(chǎng)（如1km等），以滿足其特定需求［19－21］.因此本文采用ANUSPLIN軟件，以經(jīng)度和緯度作為薄盤(pán)樣條函數(shù)自變量，以海拔高度作為協(xié)變量對(duì)氣候場(chǎng)（站點(diǎn)數(shù)據(jù)1971—2000年365天的日平均）進(jìn)行插值.對(duì)于距平場(chǎng)（站點(diǎn)數(shù)據(jù)1961—2005年相對(duì)1971—2000年的日距平），則采用的是“角距權(quán)重法”（ADW，Angular Distance Weighting）［15，22］，格點(diǎn)上的數(shù)值以站點(diǎn)數(shù)值在考慮其距格點(diǎn)的角度和距離的權(quán)重后得到.New等［23］曾對(duì)比了各種插值方法的結(jié)果，表明這兩種插值方法得到的最終格點(diǎn)場(chǎng)效果較好.CN05和CRU產(chǎn)生氣候場(chǎng)的時(shí)段有所不同，前者為1971—2000年，后者為1961—1990年.

圖1 插值所用的2416站點(diǎn)分布和地形高度（單位：m）Fig.1 Position of the 2416stations and topography（units：m）used in the interpolation

EA05的制作中［5］，降水的氣候場(chǎng)（時(shí)段為1978—1997年）及其百分率距平場(chǎng)，均采用的是基于 Gandin［24］的 最 優(yōu) 插 值 方 法 （OI，the optimal interpolation）.在氣候場(chǎng)的計(jì)算中，首先對(duì)各站點(diǎn)多年觀測(cè)序列進(jìn)行傅里葉展開(kāi)，并選取其前6個(gè)截?cái)嗟钠骄鳛闅夂驁?chǎng)，以減少高頻噪音.在氣候場(chǎng)的插值中 應(yīng) 用 了 PRISM 模 型 （Parameter－Elevation Regressions on Independent Slopes Model）［25－26］進(jìn)行地形訂正，同時(shí)為更好地進(jìn)行地形訂正，氣候場(chǎng)和距平場(chǎng)都是首先插值到0.05°×0.05°的格點(diǎn)上，然后使用面積平均的方法，得到最終所需的0.5°×0.5°資料.基于 EA05的方法，沈艷等［8］建立了“中國(guó)逐日格點(diǎn)降水量實(shí)時(shí)分析系統(tǒng)v1.0”并在國(guó)家氣象信息中心進(jìn)行業(yè)務(wù)試運(yùn)行.

APHRO數(shù)據(jù)［7］的制作方法和EA05基本類似，但沒(méi)有使用黃河流域的水文站點(diǎn)觀測(cè)資料，同時(shí)沒(méi)有進(jìn)行PRISM的地形訂正，最終產(chǎn)生的資料分辨率為0.25°×0.25°.韓振宇和周天軍［27］曾對(duì)這一數(shù)據(jù)在中國(guó)的適用性進(jìn)行了分析.

在CN05.1的制作中，我們沿用CN05的做法［6］，但引入了更多的觀測(cè)臺(tái)站資料，此外除日平均及最高最低氣溫外，增加了降水這一變量，得到的最終格點(diǎn)數(shù)據(jù)的分辨率為0.25°×0.25°.觀測(cè)臺(tái)站分布情況參見(jiàn)圖1，其中的填色部分為插值中所使用的地形高度分布，圓點(diǎn)為CN05所使用的751站觀測(cè)資料（國(guó)家基準(zhǔn)氣候站和基本氣象站），十字標(biāo)記為新增加的站點(diǎn)（國(guó)家一般氣象站），兩者合計(jì)共為2416個(gè).這套數(shù)據(jù)已經(jīng)過(guò)基礎(chǔ)的質(zhì)量控制，包括刪除與氣候態(tài)或周邊站點(diǎn)值差別過(guò)大的數(shù)據(jù)等.由圖1可以看到，總體來(lái)說(shuō)我國(guó)的氣象觀測(cè)站點(diǎn)偏于東部經(jīng)濟(jì)發(fā)達(dá)地區(qū)及平原地帶，密度最大可以達(dá)幾至十幾公里一個(gè)站，而在西部相對(duì)則較少，其中在青藏高原北部至昆侖山北麓，及新疆的塔克拉瑪干沙漠腹地等，則基本沒(méi)有觀測(cè)站點(diǎn)的分布，這也決定了這些地區(qū)插值所得數(shù)據(jù)具有相對(duì)較大的不確定性.

在下文中，為比較方便，將CN05和EA05分別使用雙線性方法（使用被插值點(diǎn)周?chē)?個(gè)鄰近點(diǎn)值，通過(guò)兩個(gè)方向上的線性加權(quán)平均計(jì)算），由原0.5°×0.5°插值到和CN05.1相同的0.25°×0.25°格點(diǎn)上，另外 APHRO 0.25°×0.25°數(shù)據(jù)的格點(diǎn)位置和CN05.1不同，同樣對(duì)其進(jìn)行了插值處理.選擇幾個(gè)數(shù)據(jù)集的共有的時(shí)段1961—2005年進(jìn)行比較.

文中的極端事件，氣溫以多年平均的每年最高的3個(gè)日氣溫值的平均TX3D和最低的3個(gè)日氣溫值的平均TN3D表示，降水以多年平均的每年最大的3個(gè)日降水量的平均R3D表示.

3 氣溫?cái)?shù)據(jù)的對(duì)比

圖2 研究區(qū)1961—2005年CN05.1平均氣溫分布（左側(cè)）及其與CN05的差（右側(cè)）：（a，b）冬季；（c，d）夏季；（e，f）年平均（單位：℃）（b，d，f的差值中僅給出達(dá)到99%統(tǒng)計(jì)顯著檢驗(yàn)的地方，余圖同）Fig.2 Distribution of mean temperature during 1961—2005from CN05.1（left column）and the difference between it and CN05in the study area：（a，b）December－January－February；（c，d）June－July－August；and（e，f）annual mean （units：℃）（In b，d，f，only the differences significant at 99%statistical confidence level are shown.The same for the figures below）

圖2a中首先給出基于CN05.1繪制的1961—2005年中國(guó)區(qū)域冬季（12—2月）平均氣溫分布.其特點(diǎn)基本為東部地區(qū)明顯受緯度影響，呈現(xiàn)北冷南暖的形勢(shì)，華南和海南地區(qū)氣溫最高，在12℃以上，東北的北部地區(qū)則達(dá)到－24℃以下，為全國(guó)最冷.中國(guó)西部受地形影響顯著，地形較低的塔克拉瑪干盆地的氣溫在－6～－3℃，而天山和阿爾泰山的部分地方則低于－21℃.為比較CN05.1與CN05的差別，圖2b給出兩個(gè)平均場(chǎng)的差值中，達(dá)到99%統(tǒng)計(jì)顯著性檢驗(yàn)部分的分布（下文中的其它差值圖同）.可以看到，在東部地形變化平緩的地區(qū)，兩者的差別較小，數(shù)值基本在±0.5℃之間，差異顯著的格點(diǎn)數(shù)也較少.兩者在地形梯度大的西部地區(qū)有顯著性差別，比如準(zhǔn)噶爾盆地，CN05.1比CN05低3℃以上，而在天山、昆侖山以及青藏高原東麓這些復(fù)雜地形過(guò)渡地區(qū)，CN05.1比CN05偏高3℃ 以上.這兩個(gè)數(shù)據(jù)集區(qū)域平均的冬季氣溫差為0.48℃.注意到上述差別較大的地方，一般都對(duì)應(yīng)著觀測(cè)站點(diǎn)稀少或沒(méi)有的地區(qū)（圖1），所得格點(diǎn)化數(shù)據(jù)在這些地區(qū)存在較大的不確定性，在應(yīng)用中應(yīng)予以注意.

圖2c、2d中分別給出夏季（6—8月）CN05.1的分布及其與CN05的差.夏季氣溫在東部地區(qū)的緯向分布特征較冬季要弱，中國(guó)東部自南方至華北，基本在24～27℃之間，而在西北如新疆等地隨地形的變化更明顯，夏季最低氣溫出現(xiàn)在青藏高原北部，但一般都在0℃以上.CN05.1與CN05的差值分布基本上與冬季類似，同樣在東部較小，西部較大并在大部分地區(qū)的差異顯著，但總體數(shù)值較冬季要小，兩套數(shù)據(jù)中國(guó)區(qū)域平均的差值為0.30℃.

圖2e、2f為年平均的情況，其基本特征同樣以在東部呈緯向分布、西部受地形影響明顯為主，年平均氣溫在中國(guó)南方沿海地區(qū)最高，低溫中心位于青藏高原和東北北部等地.CN05.1與CN05的差值分布及差異顯著性情況總體上和冬、夏季保持一致，區(qū)域平均差值為0.44℃.

由以上可以看出，整體上CN05.1較CN05偏暖，偏暖程度在西部較東部更大，此外冬季差別較夏季更大，年平均介于兩者之間.偏差最大的地區(qū)位于青藏高原北部至昆侖山西段以南.但總體而言，CN05.1冬、夏季及年平均氣溫與CN05的分布類似，兩者間的空間相關(guān)系數(shù)值均達(dá)到0.99以上.

圖3a給出由CN05.1數(shù)據(jù)計(jì)算得到的1961—2005年平均TX3D分布，可以看到TX3D極大值中心主要出現(xiàn)在新疆的幾個(gè)盆地中，數(shù)值大于39℃，除沿海地區(qū)外的華北至江南及四川盆地的TX3D也較高，一般在36～39℃之間.TX3D低值中心位于青藏高原部分地區(qū)，不到15℃.總的來(lái)說(shuō)TX3D的空間分布與夏季平均氣溫（圖2c）較為一致.CN05.1與CN05的差異（圖3b）在青藏高原與四川盆地、昆侖山與塔里木盆地之間的過(guò)渡地帶最為明顯，差值超過(guò)3℃.CN05.1的TX3D除在個(gè)別地區(qū)較CN05偏低外，在整個(gè)區(qū)域基本上表現(xiàn)為偏高，區(qū)域平均偏高值為0.62℃.對(duì)比圖2d和圖3b可以看到，盡管CN05.1和CN05的夏季平均氣溫在東部差別較小，但由TX3D反映的極端暖事件兩者則有所不同，CN05.1中的暖事件偏強(qiáng).

TN3D的分布（圖3c）與冬季平均氣溫類似（圖2a），數(shù)值在華南和西南的南部及四川盆地最大，在0～3℃之間或以上，東北大部分和西北部分地區(qū)的TN3D最小，在－33℃以下.CN05.1與CN05的差異（圖3d）在西部與TX3D（圖3b）較為一致，以偏暖為主，但數(shù)值更大一些；在105°E以東，與冬季平均氣溫以偏暖為主不同（圖2b），CN05.1中的極端冷事件的數(shù)值較CN05更低.同樣對(duì)比圖2b和圖3d可以看到，CN05.1和CN05的冬季平均氣溫在東部差別較小，但在CN05.1中極端冷事件強(qiáng)度更大一些.CN05.1和CN05中的TX3D和TN3D的相關(guān)系數(shù)均在0.99以上.

為更好地了解不同月份兩個(gè)資料的差別，圖4給出各月平均和最高、最低氣溫的區(qū)域平均數(shù)值.從圖中可以明顯看到，兩組資料集的平均、最高和最低氣溫間的差異在各月接近.相比CN05，CN05.1的氣溫在2—6月均偏低，以3月份最大（－0.9℃）；7—1月偏高，其中以9—11月最明顯，最大偏高值出現(xiàn)在11月，達(dá)到1.8℃.總體來(lái)說(shuō)，CN05.1在春季偏低，其它季節(jié)偏高，并以秋季的偏高值最大，年平均表現(xiàn)為偏高.從空間分布上看，這種平均差值主要來(lái)自于東部地區(qū)（圖略）.

4 降水?dāng)?shù)據(jù)的對(duì)比

圖5a中給出CN05.1數(shù)據(jù)中多年平均降水的分布.其分布特點(diǎn)基本為由東南沿海向西北內(nèi)陸地區(qū)逐漸減少，東南沿海地區(qū)降水中心值在1500mm以上，西北的塔里木盆地等的降水不足50mm.

圖5c、5e分別給出CN05.1的年平均降水與EA05和APHRO的差值.在東部地區(qū)，CN05.1的降水量較EA05和APHRO的差別均較小，尤其是相對(duì)于前者，差別基本在±10%內(nèi)，差異達(dá)到顯著水平的格點(diǎn)數(shù)很少，相對(duì)于APHRO則偏大一些，部分地區(qū)偏大值可達(dá)10%～25%，差異顯著.

圖3 研究區(qū)CN05.1的氣溫極端事件（左側(cè)）及與CN05的差（右側(cè)）：（a，b）TX3D；（c，d）TN3D（單位：℃）Fig.3 Extreme temperature indices from CN05.1 （left column）and the difference between it and CN05in the study area：（a，b）TX3D；（c，d）TN3D（units：℃）

圖4 中國(guó)區(qū)域平均的CN05.1與CN05的平均（黑色）、最高（紅色）、最低（藍(lán)色）氣溫在各月的差（單位：℃）Fig.4 Differences of the Regional averaged daily mean（Tm，black），maximum （Tmax，red），and minimum（Tmin，blue）temperature between CN05.1and CN05 over China for each months of the year（units：℃）

在青藏高原的西北部至昆侖山西段地區(qū)，CN05.1中的降水量較EA05和APHRO偏大，特別是后者，這可能和實(shí)際氣候更符合.這些地區(qū)存在的較大降水使得冰川能夠在這里穩(wěn)定存在，其融化并成為塔里木盆地南側(cè)各河流水量的來(lái)源［28］.但在塔里木盆地中的降水則較其它兩個(gè)資料略微偏大，一般在25%～50%間.實(shí)際上有研究表明這里的降水量一般小于25mm，可以達(dá)到10mm 以下［29－30］，而這些地區(qū)沒(méi)有觀測(cè)臺(tái)站（圖1），這里的降水量是由盆地周邊降水量較大的臺(tái)站的結(jié)果插值過(guò)來(lái)的，會(huì)導(dǎo)致CN05.1在這里的降水量和EA05、APHRO一樣有所高估.此外一些區(qū)域氣候模式的結(jié)果，也報(bào)告了降水在昆侖山地區(qū)較多，而在盆地中較少的現(xiàn)象［4］.但總體來(lái)說(shuō)，所得格點(diǎn)化數(shù)據(jù)在這些地區(qū)的應(yīng)用中，需要注意其不確定性.

區(qū)域平均CN05.1的年平均降水與EA05和APHRO的差值分別為6.5%和21.2%.APHRO降水較EA05偏少的原因可能與其未像EA05一樣經(jīng)過(guò)PRISM的地形訂正處理有關(guān)（參見(jiàn)前文）.計(jì)算得到的CN05.1與EA05和APHRO多年平均降水間的空間分布相關(guān)系數(shù)分別為0.92和0.87.

CN05.1給出的R3D的分布型（圖5b）與年平均降水（圖5a）類似，均為由東南向西北遞減.R3D的最大值出現(xiàn)在南方沿海，數(shù)值在75mm以上，自華北南部至長(zhǎng)江中下游和江南地區(qū)、四川盆地等的R3D均在50mm以上，而西北地區(qū)則除天山等地外，普遍低于10mm.

圖5 研究區(qū)CN05.1的年平均降水（左側(cè)）和極端降水指數(shù)R3D（右側(cè)）（單位：mm）及其與EA05和APHRO數(shù)據(jù)的差值（單位：%）：（a，b）年平均降水及 R3D；（c，d）與EA05的差；（e，f）與 APHRO的差Fig.5 Annual mean precipitation（left column）and R3D （right column）（unit：mm）and their difference with EA05and APHRO data（unit：%）in the study area：（a，b）annual mean precipitation and R3D；（c，d）differences with EA05；and（e，f）differences with APHRO

圖5d、5f分別給出CN05.1的R3D與EA05和APHRO的差.兩者均在東部差別較小，西部較大.CN05.1的R3D與EA05的相比，在東部除東北部分地區(qū)偏少較多并顯著外，一般不超過(guò)±10%，在西部山區(qū)的差別則顯著，數(shù)值可以達(dá)到25%以上.CN05.1與APHRO的差別在東部地區(qū)也較小，僅在華北及黃淮等地略偏大，在西部CN05.1與APHRO的差別分布在盆地類似，均為有所高估，在高山地區(qū)同樣為偏少，但程度遠(yuǎn)小于與EA05的差別.注意到在中國(guó)西部，CN05.1和EA05相比，前者的平均降水偏多，而后者的極端降水強(qiáng)度更大；同時(shí)APHRO的平均降水偏少更多，但極端降水的強(qiáng)度則相對(duì)有所偏大.區(qū)域平均CN05.1的R3D與EA05和APHRO的差值分別為－16.9%和－0.6%.CN05.1與EA05和APHRO的R3D間的相關(guān)系數(shù)分別為0.71和0.90.

圖6 中國(guó)區(qū)域平均的CN05.1降水與EA05（淺灰色）和APHRO（黑色）在各月的差（單位：%）Fig.6 Differences between the regional averaged precipitation of CN05.1with EA05（light grey），and APHRO （black）over China for each month of the year（units：%）

圖6給出CN05.1中國(guó)區(qū)域逐月降水與EA05和APHRO的差.由圖中可以看出，CN05.1的降水量在上半年的各月較EA05少，下半年各月較EA05多，幅度一般在±10%間，年平均的差別因正負(fù)相抵，相對(duì)較?。欢鳦N05.1與APHRO的降水量在上半年接近，下半年則明顯多很多，最大出現(xiàn)在9月，達(dá)22.0%，年平均差異較大.在空間分布上，這種逐月偏差主要發(fā)生在東部（圖略），這是因?yàn)闁|部地區(qū)降水量更大的原因造成的.此外總體來(lái)說(shuō)，EA05與APHRO相比，各月均小5%左右，其形成原因有待進(jìn)一步的深入分析.

5 結(jié)論與討論

本文使用中國(guó)2416個(gè)氣象臺(tái)站的氣溫和降水觀測(cè)資料，建立了一套分辨率為0.25°×0.25°的格點(diǎn)化數(shù)據(jù)集CN05.1，并與其它資料進(jìn)行了比較.結(jié)果表明，年平均的CN05.1中的平均、最高、最低氣溫與CN05相比，在東部地區(qū)差別較小，西部地區(qū)較大（以偏暖為主）.區(qū)域平均的差別在各個(gè)季節(jié)中除春季偏低外均為偏高，以秋季最大.此外CN05.1的TX3D也比CN05要整體偏大，TN3D則在東部地區(qū)有所偏小，但整體上仍表現(xiàn)為偏大.

CN05.1的年平均降水量相對(duì)于EA05和APHRO均偏大，尤其是后者，偏大以在西部更明顯.逐月平均結(jié)果則表明，這三種降水?dāng)?shù)據(jù)在冬春季偏差較小，秋季較大.對(duì)于R3D而言，CN05.1較EA05在西部偏小明顯，與APHRO整體上的差異相對(duì)較小.

本文工作的首要目的在于滿足高分辨率氣候模式檢驗(yàn)的急需，除此之外，該數(shù)據(jù)集在氣候變化的檢測(cè)、監(jiān)測(cè)，農(nóng)業(yè)，水文，生態(tài)等領(lǐng)域的研究中也具有潛在應(yīng)用價(jià)值.但需要指出的是，臺(tái)站觀測(cè)資料的格點(diǎn)化是一個(gè)非常復(fù)雜的工作，以本文為例，尚有不少有待改進(jìn)的地方，其中包括如：

（1）更多觀測(cè)資料的搜集.除本文使用的中國(guó)氣象局所屬臺(tái)站外，中國(guó)地區(qū)還有為數(shù)眾多的水文、林業(yè)、民航及農(nóng)墾等部門(mén)和系統(tǒng)管理的觀測(cè)站點(diǎn)，盡量多地搜集這些站點(diǎn)的觀測(cè)數(shù)據(jù)，將會(huì)在很大程度上提高最終格點(diǎn)化資料的準(zhǔn)確性.此外，由本文中看到的不同數(shù)據(jù)集之間差別較大的地區(qū)，一般都是缺少臺(tái)站觀測(cè)的地方，是未來(lái)調(diào)整臺(tái)站布局中需要注意到的問(wèn)題［31］.

（2）原始資料的整理.包括資料的均一化處理［32］，熱島效應(yīng)的扣除等［33］.同時(shí)研究表明固態(tài)降水觀測(cè)經(jīng)常因?yàn)轱L(fēng)導(dǎo)致的偏小誤差（可以達(dá)到10%～20%［34］），也需要在針對(duì)中國(guó)不同地區(qū)特點(diǎn)的基礎(chǔ)上予以訂正［35］.

（3）一般的觀測(cè)臺(tái)站，都位于平原或山區(qū)的河谷地帶，使得周邊高山格點(diǎn)上的插值，需要進(jìn)行地形方面的訂正.在本研究中，是通過(guò)ANUSPLIN軟件實(shí)現(xiàn)的，所得到的訂正系數(shù)在整個(gè)應(yīng)用區(qū)域內(nèi)是一個(gè)統(tǒng)一的值，這個(gè)值在所使用站點(diǎn)數(shù)目不同的情況下，會(huì)有一定差別，如CN05.1中實(shí)際使用的溫度垂直遞減率，較CN05低大約0.1℃/100m（詳細(xì)分析及圖略）.未來(lái)可以考慮按照氣候特征進(jìn)行適當(dāng)?shù)姆謪^(qū)后，在不同地區(qū)分別進(jìn)行插值.此外可以嘗試使用再分析資料驅(qū)動(dòng)高分辨率區(qū)域氣候模式，在模擬結(jié)果中分析得到隨空間和時(shí)間變化的地形訂正參數(shù)，用于觀測(cè)資料的插值.

（References）

［1］ Christensen J H，Hewitson B，Busuioc A，et al.Regional climate projections.∥Solomon S，Qin D，Manning M eds.Climate Change 2007：The Physical Science Basis.Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change.Cambridge，New York：Cambridge University Press.2007.

［2］ 石英，高學(xué)杰.溫室效應(yīng)對(duì)我國(guó)東部地區(qū)氣候影響的高分辨率數(shù)值試驗(yàn).大氣科學(xué)，2008，32（5）：1006－1018.Shi Y，Gao X J.Influence of greenhouse effect on eastern China climate simulated by a high resolution regional climate model.Chinese J.Atmos.Sci.（in Chinese），2008，32（5）：1006－1018.

［3］ Gao X J，Shi Y，Song R Y，et al.Reduction of future monsoon precipitation over China：Comparison between a high resolution RCM simulation and the driving GCM.Meteor.Atmos.Phys.，2008，100（1－4）：73－86.

［4］ Gao X J，Shi Y，Zhang D F，et al.Uncertainties in monsoon precipitation projections over China：results from two highresolution RCM simulations.Climate Res.，2012，52：213－226，doi：10.3354/cr01084.

［5］ Xie P P，Chen M Y，Song Y，et al.A gauge－based analysis of daily precipitation over East Asia.J.Hydrometeor.，2007，8（3）：607－626.

［6］ Xu Y，Gao X J，Shen Y，et al.A daily temperature dataset over China and its application in validating a RCM simulation.Adv.Atmos.Sci.，2009，26（4）：763－772.

［7］ Yatagai A，Arakawa O，Kamiguchi K，et al.A 44－year daily gridded precipitation dataset for Asia based on a dense network of rain gauges.SOLA，2009，5：137－140.

［8］ 沈艷，馮明農(nóng)，張洪政等.我國(guó)逐日降水量格點(diǎn)化方法.應(yīng)用氣象學(xué)報(bào)，2010，21（3）：279－286.Shen Y，F(xiàn)eng M N，Zhang H Z，et al.Interpolation methods of China daily precipitation data.J.Appl.Meteor.Sci.（in Chinese），2010，21（3）：279－286.

［9］ Chen D L，Ou T H，Gong L B，et al.Spatial interpolation of daily precipitation in China：1951－2005.Adv.Atmos.Sci.，2010，27（6）：1221－1232.

［10］ 高學(xué)杰，石英，Giorgi F.中國(guó)區(qū)域氣候變化的一個(gè)高分辨率數(shù)值模擬.中國(guó)科學(xué) （D輯：地球科學(xué)），2010，40（7）：911－922.Gao X J，Shi Y，Giorgi F.A high resolution simulation of climate change over China.Science China Earth Sciences，2011，54（3）：462－472.

［11］ Yu E T，Wang H J，Sun J Q.A quick report on a dynamical downscaling simulation over china using the nested model.Atmos.Oceanic Sci.Lett.，2011，3（6）：325－329.

［12］ Ju L X，Lang X M.Hindcast experiment of extraseasonal short－term summer climate prediction over China with RegCM3＿IAP9L－AGCM.Acta Meteor.Sin.，2011，25（3）：376－385.

［13］ Wang A H，Zeng X B.Sensitivities of terrestrial water cycle simulations to the variations of precipitation and air temperature in China.J.Geophys.Res.，2011，116（D2）：D02107.

［14］ Feng L，Zhou T J，Wu B，et al.Projection of future precipitation change over China with a high－resolution global atmospheric model.Adv.Atmos.Sci.，2011，28（2）：464－476.

［15］ New M，Hulme M，Jones P.Representing twentieth－century space－time climate variability.Part II：Development of 1901－96monthly grids of terrestrial surface climate.J.Climate，2000，13（13）：2217－2238.

［16］ New M，Hulme M，Jones P.Representing twentieth－century space－time climate variability.Part 1：Development of a 1961－90mean monthly terrestrial climatology.J.Climate，1999，12（3）：829－856.

［17］ Hutchinson M F.Interpolating mean rainfall using thin plate smoothing splines.Int.J.Geogr.Inf.Sys.，1995，9（4）：385－403.

［18］ Hutchinson M F.ANUSPLIN Version 4.0user guide.Centre for Resources and Environmental Studies.Canberra：Australian National University，1999.

［19］ 王軍邦，劉紀(jì)遠(yuǎn)，邵全琴等.基于遙感－過(guò)程耦合模型的1988—2004年青海三江源區(qū)凈初級(jí)生產(chǎn)力模擬.植物生態(tài)學(xué)報(bào)，2009，33（2）：254－269.Wang J B，Liu J Y，Shao Q Q，et al.Spatial－temporal patterns of net primary productivity for 1988—2004based on GLOPEM－CEVSA Model in the“Three－River Headwaters”region of Qinghai province，China.Chinese Journal of Plant Ecology （in Chinese），2009，33（2）：254－269.

［20］ 於琍，李克讓，陶波等.植被地理分布對(duì)氣候變化的適應(yīng)性研究.地理科學(xué)進(jìn)展，2010，29（11）：1326－1332.Yu L，Li K R，Tao B，et al.Simulating and assessing the adaptability of geographic distribution of vegetation to climate change in China.Progress in Geography （in Chinese），2010，29（11）：1326－1332.

［21］ 趙志平，劉紀(jì)遠(yuǎn)，邵全琴.近30年來(lái)中國(guó)氣候濕潤(rùn)程度變化的空間差異及其對(duì)生態(tài)系統(tǒng)脆弱性的影響.自然資源學(xué)報(bào)，2010，25（12）：2091－2100.Zhao Z P，Liu J Y，Shao Q Q.Spatial diversity of humidification and its impact on ecosystem venerability in China during the last 30years.Journal of Natural Resources（in Chinese），2010，25（12）：2091－2100.

［22］ Shepard D S.Computer mapping：The SYMAP interpolation algorithm.∥Gaile G L，Willmott C J eds.Spatial Statistics and Models.Dordrecht：D.Reidel Publishing，1984：133－145.

［23］ New M，Lister D，Hulme M，et al.A high－resolution data set of surface climate over global land areas.Climate Res.，2002，21（1）：1－25.

［24］ Gandin L S.Objective Analysis of Meteorological Fields.Israel Program for Scientific Translations，1965.

［25］ Daly C，Gibson W P，Taylor G H，et al.A knowledge－based approach to the statistical mapping of climate.Climate Res.，2002，22（2）：99－113.

［26］ Daly C，Neilson R P，Phillips D L.A statistical－topographic model for mapping climatological precipitation over mountainous terrain.J.Appl.Meteor.，1994，33（2）：140－158.

［27］ 韓振宇，周天軍.APHRODITE高分辨率逐日降水資料在中國(guó)大陸地區(qū)的適用性.大氣科學(xué)，2012，36（2）：361－373.Han Z Y，Zhou T J.Assessing the quality of APHRODITE high－resolution daily precipitation dataset over contiguous China.Chinese J.Atmos.Sci.（in Chinese），2012，36（2）：361－373.

［28］ 沈永平，梁紅.高山冰川區(qū)大降水帶的成因探討.冰川凍土，2004，26（6）：806－809.Shen Y P，Liang H.High precipitation in Glacial Region of high mountains in High Asia：possible cause.Journal of Glaciology and Geocryology （in Chinese），2004，26（6）：806－809.

［29］ 《中華人民共和國(guó)氣候圖集》編委會(huì).中華人民共和國(guó)氣候圖集.北京：氣象出版社，2002.Editorial Board of Climatological Atlas of the People′s Republic of China.Climatological Atlas of the People′s Republic of China（in Chinese）.Beijing：Meteorological Press，2002.

［30］ 李生宇，雷加強(qiáng)，徐新文等.塔克拉瑪干沙漠腹地沙塵暴特征——以塔中地區(qū)為例.自然災(zāi)害學(xué)報(bào)，2006，15（2）：14－19.Li S Y，Lei J Q，Xu X W，et al.Features of sandstorms in hinterland of Taklimakan Desert：a case of Tazhong area.Journal of Natural Disasters （in Chinese），2006，15（2）：14－19.

［31］ 胡婷，周江興，代刊.USCRN氣候基準(zhǔn)站網(wǎng)布局理論在我國(guó)的應(yīng)用.應(yīng)用氣象學(xué)報(bào)，2012，23（1）：40－46.Hu T，Zhou J X，Dai K.Application of USCRN station density strategy to China climate reference network.J.Appl.Meteor.Sci.（in Chinese），2012，23（1）：40－46.

［32］ Li Z，Yan Z W.Application of multiple analysis of series for homogenization to Beijing daily temperature series （1960—2006）.Adv.Atmos.Sci.，2010，27（4）：777－787.

［33］ 龔道溢，王紹武.全球氣候變暖研究中的不確定性.地學(xué)前緣，2002，9（2）：371－376.Gong D Y，Wang S W.Uncertainties in the global warming studies.Earth Science Frontiers（in Chinese），2002，9（2）：371－376.

［34］ Adam J C，Lettenmaier D P.Adjustment of global gridded precipitation for systematic bias.J.Geophys.Res.，2003，108（D9）：4257，doi：10.1029/2002JD002499.

［35］ 葉柏生，成鵬，楊大慶等.降水觀測(cè)誤差修正對(duì)降水變化趨勢(shì)的影響.冰川凍土，2008，30（5）：717－725.Ye B S，Cheng P，Yang D Q，et al.Effects of the biascorrection on changing tendency of precipitation over China.Journal of Glaciology and Geocryology （in Chinese），2008，30（5）：717－725.