新疆极端气温均一性检验及变化趋势时空特征

doi:10.11755/j.issn.1006-7639-2025-03-0394

干旱气象 ›› 2025, Vol. 43 ›› Issue (3): 394-402.DOI: 10.11755/j.issn.1006-7639-2025-03-0394

新疆极端气温均一性检验及变化趋势时空特征

刘卫平¹^,²(), 曹丽娟²(), 张璞¹, 李珍³, 远芳², 费烨², 王琪雯¹, 李庆雷²

1.新疆气象信息中心，新疆乌鲁木齐 830002
2.国家气象信息中心，北京 100081
3.中国科学院大气物理研究所，北京 100029

收稿日期:2024-06-01 修回日期:2024-08-22 出版日期:2025-06-30 发布日期:2025-07-12
通讯作者: 曹丽娟（1980—），女，正高级工程师，主要从事气候资料分析与气候变化研究。E-mail：caolj@cma.gov.cn。
作者简介:刘卫平（1981—），女，高级工程师，主要从事气候资料处理与分析研究。E-mail：liuweiping121@126.com。
基金资助:
中国气象局创新发展专项“新疆地区气温极值均一化气候数据产品和极端低温事件专题产品研制（CXFZ2024J040）”;新疆气象科技发展基金重点项目“中亚基础气象数据产品研发及其应用（ZD202304）”和国家自然科学基金项目(42475182)

Homogeneity test of extreme temperature in Xinjiang and analysis of its temporal and spatial characteristics

LIU Weiping¹^,²(), CAO Lijuan²(), ZHANG Pu¹, LI Zhen³, YUAN Fang², FEI Ye², WANG Qiwen¹, LI Qinglei²

1. Xinjiang Meteorological Information Center， Urumqi 830002， China
2. National Meteorological Information Center， Beijing 100081， China
3. Institute of Atmospheric Physics， Chinese Academy of Sciences， Beijing 100029， China

Received:2024-06-01 Revised:2024-08-22 Online:2025-06-30 Published:2025-07-12

摘要/Abstract

摘要： 全球变暖背景下，新疆极端天气气候事件频发，深入研究气温极值的均一化，将有助于准确分析气候变化特征，为制定有效的气候变化应对策略提供参考。利用RHtestsV5软件中惩罚最大T检验方法（Penalized Maximal T Test，PMT），选用均一化的月平均最高气温和月平均最低气温作为参考序列，对新疆105个国家级地面气象站1951—2022年月极端最高、极端最低气温序列进行均一性检验，分析造成新疆月极端最高、最低气温序列非均一的主要原因，采用分位数匹配（Quantile-Matching，QM）方法对非均一序列进行订正。结果表明：1）105个国家级地面气象站中26站月极端最低气温、8站月极端最高气温序列存在断点，极端最低气温比极端最高气温更易受非自然因素影响；2）台站迁移是极端最高、最低气温序列产生断点的主要原因，极端最高气温产生断点的次要原因是环境变化，而极端最低气温产生断点的原因还包括仪器换型、环境变化和观测时次改变；3）订正前、后全疆年极端最高气温和极端最低气温趋势变化差异不大，但墨玉站等月极端最高、最低气温订正后由降温趋势变为增温趋势，订正后新疆极端最高、最低气温更符合西北地区气候变暖特征，气候变化的空间一致性得到明显改善；4）墨玉极端最高气温和库尔勒极端最低气温订正后的数据序列变化趋势与旧址数据保持一致，且与新疆气候变暖特征的研究结果吻合度更好，说明订正方法具有可靠性和科学性。

关键词: 新疆, 月极端最高气温, 月极端最低气温, PMT方法, 均一性

Abstract:

Under the background of global warming, Xinjiang has frequently experienced extreme weather and climate events. An in-depth study on the homogenization of extreme temperature will help to accurately analyze climate change characteristics and provide a basis for formulating effective climate change response strategies. Utilizing the Penalized Maximum T Test (PMT) method included in the RHtestsV5 software package, the paper selected homogenized monthly average maximum and minimum temperatures as reference sequences to conduct homogeneity tests on monthly extreme maximum and minimum temperature series from 1951 to 2022 at 105 national surface meteorological stations in Xinjiang. This analysis aimed to identify the primary causes of inhomogeneity in the monthly extreme maximum and minimum temperature series in Xinjiang, and the Quantile-Matching (QM) method was employed to adjust the inhomogeneous series. The results are as follows: 1) Among the 105 national surface meteorological stations, 26 stations exhibited breakpoints in monthly extreme minimum temperature, and 8 stations exhibited breakpoints in monthly extreme maximum temperature. Extreme minimum temperature are more susceptible to non-natural factors than extreme maximum temperatures. 2) Relocation of meteorological stations is the primary cause of breakpoints in extreme maximum and minimum temperature series. Environmental changes act as the secondary factor for extreme maximum temperature, while the causes of breakpoints in extreme minimum temperature also include instrument type replacement, environmental changes and changes in observation times. 3) The trends of annual extreme maximum and minimum temperatures throughout Xinjiang showed little difference before and after the adjustments. However, stations such as Moyu exhibited a shift from a cooling trend to a warming trend in both monthly extreme maximum and minimum temperatures. The adjusted extreme maximum and minimum temperatures in Xinjiang are more in line with the climate warming characteristics of the northwest region, and the spatial consistency of climate change has been significantly improved. 4) The changing trends of the corrected data sequences of the extreme maximum temperature at Moyu Station and the extreme minimum temperature at Korla Station are consistent with the data of the old sites, and have a better consistency with the research results of the climate warming characteristics in Xinjiang, indicating that the correction method is reliable and scientific.

Key words: Xinjiang, monthly extreme maximum temperature, monthly extreme minimum temperature, PMT method, homogeneity

中图分类号:

P468

刘卫平, 曹丽娟, 张璞, 李珍, 远芳, 费烨, 王琪雯, 李庆雷. 新疆极端气温均一性检验及变化趋势时空特征[J]. 干旱气象, 2025, 43(3): 394-402.

LIU Weiping, CAO Lijuan, ZHANG Pu, LI Zhen, YUAN Fang, FEI Ye, WANG Qiwen, LI Qinglei. Homogeneity test of extreme temperature in Xinjiang and analysis of its temporal and spatial characteristics[J]. Journal of Arid Meteorology, 2025, 43(3): 394-402.

图/表 6

图1 新疆国家级地面气象站空间分布

Fig.1 The spatial distribution of national surface meteorological stations in Xinjiang

图2 1951—2022年新疆迁站台站数序列

Fig.2 Series of annually relocated stations in Xinjiang from 1951 to 2022

图3 1951—2022年新疆月极端最高、最低气温序列均一和非均一站点空间分布

Fig.3 Spatial distribution of homogeneous and inhomogeneous stations for monthly extreme maximum and minimum temperature series in Xinjiang from 1951 to 2022

图4 1961—2022年新疆105站订正前、后年极端最高（a）、最低气温（b）序列及订正前（c、e）、后（d、f）年极端最高（c、d）、最低（e、f）气温变化趋势分布[单位：℃·(10 a)-1]

Fig.4 The annual extreme maximum (a) and minimum (b) temperature series before and after correction of 105 stations in Xinjiang from 1961 to 2022, as well as the spatial distribution of the trends (Unit: ℃·(10 a)-1) of annual extreme maximum (c, d) and minimum (e, f) temperatures before (c, e) and after (d, f) correction

图5 墨玉（a）、富蕴（b）、十三间房（c）和塔中（d）站订正前、后年极端最高（a、c）、极端最低（b、d）气温序列

Fig.5 The annual mean extreme maximum (a, c) and extreme minimum (b, d) temperature series at Moyu (a), Fuyun (b), Shisanjianfang (c), and Tazhong (d) stations

图6 墨玉站年极端最高气温（a）和库尔勒站年极端最低气温（b）旧址平行观测与新址均一化前、后观测序列

Fig.6 The parallel observation series of annual extreme maximum temperature at the old site of Moyu Station (a) and annual extreme minimum temperature at Korla Station (b), as well as the observation series of them before and after homogenization at the new sites

参考文献 40

[1]	曹丽娟, 严中伟, 2011. 地面气候资料均一性研究进展[J]. 气候变化研究进展, 7(2):129-135.
[2]	陈颖, 贾孜拉·拜山, 邵伟玲, 等, 2022. 增暖背景下北极涛动对新疆冬季平均气温的影响[J]. 干旱气象, 10(2):195-201.
[3]	丁一汇, 柳艳菊, 徐影, 等, 2023. 全球气候变化的区域响应:中国西北地区气候“暖湿化”趋势、成因及预估研究进展与展望[J]. 地球科学进展, 38(6):551-562. DOI
[4]	郝增超, 陈阳, 2024. 地球系统视角下的多圈层复合极端事件研究进展与展望[J]. 中国科学:地球科学, 54(2):360-393.
[5]	孔婷, 胡义成, 刘卫平, 等, 2021. 北疆气象站迁址气温均一性检验与订正[J]. 沙漠与绿洲气象, 15(5):116-122
[6]	李景林, 张山清, 普宗朝, 等, 2013. 近50 a新疆气温精细化时空变化分析[J]. 干旱区地理, 36(2):228-237.
[7]	李庆祥, 2016. 我国气候资料均一性研究现状与展望[J]. 气象科技进展, 6(3):67-74.
[8]	李庆祥, MENNE M J, WILLIAMS Jr C N, 等, 2005. 利用多模式对中国气温序列中不连续点的检测[J]. 气候与环境研究, 10(4):736-742.
[9]	刘卫平, 古丽格娜, 王秋香, 等, 2020. 库尔勒城市化对气象要素的影响分析[J]. 沙漠与绿洲气象, 14(1):89-94.
[10]	吕婷, 武胜利, 葛欢欢, 等, 2020. 1962—2013年新疆阿勒泰极端气温时空变化特征[J]. 冰川冻土, 42(3):745-755. DOI
[11]	毛炜峄, 南庆红, 史红政, 2008. 新疆气候变化特征及气候分区方法研究[J]. 气象, 34(10):67-73.
[12]	普宗朝, 张山清, 李景林, 等, 2014. 1961—2010年新疆不同保证率极端最低气温变化分析[J]. 中国农业气象, 35(1):10-16.
[13]	曲姝霖, 仝纪龙, 唐睿, 等, 2017. 西北地区极端高温变化及其对气候变暖停滞的响应[J]. 气象与环境学报, 33(4):78-85.
[14]	施雅风, 沈永平, 李栋梁, 等, 2003. 中国西北气候由暖干向暖湿转型的特征和趋势探讨[J]. 第四纪研究, 23(2):152-164.
[15]	唐国利, 2020. 气候序列均一化研究与应用[M]. 北京: 气象出版社:10-50.
[16]	王姣妍, 2023. 新疆气候暖湿化背景下干旱分布与演变特征[J]. 干旱环境监测, 37(1): 15-21.
[17]	王秋香, 古丽格娜, 刘叶, 等, 2018. 阿克苏长序列气候资料分析及其均一性研究[J]. 沙漠与绿洲气象, 12(1):7-14.
[18]	吴莹莹, 刘旭阳, 王振亭, 2022. 巴丹吉林沙漠腹地沙尘事件对近地表气温和太阳总辐射的影响[J]. 沙漠与绿洲气象, 16(2):82-90.
[19]	许婷婷, 杨霞, 周鸿奎, 2022. 1981—2019年新疆区域性高温天气过程时空特征及其环流分型[J]. 干旱气象, 40(2):212-221. DOI
[20]	严中伟, 丁一汇, 翟盘茂, 2020. 近百年中国气候变暖趋势之再评估[J]. 气象学报, 78(3): 370-378.
[21]	杨霞, 赵逸舟, 李圆圆, 等, 2009. 乌鲁木齐极端天气事件及其与区域气候变化的联系[J]. 干旱区地理, 32(6):867-873.
[22]	余君, 赵美艳, 刘霄, 等, 2014. 重庆地区降水序列的均一性检验及其对气候变化的影响[J]. 高原山地气象研究, 34(2):68-71.
[23]	张林梅, 黄阿丽, 谢秀琴, 等, 2013. 新疆阿勒泰地区冬季极端低温事件特征分析[J]. 干旱气象, 31(1):89-94.
[24]	张强, 杨金虎, 马鹏里, 等, 2023. 西北地区气候暖湿化增强东扩特征及其形成机制与重要环境影响[J]. 干旱气象, 41(3):351-358. DOI
[25]	张延伟, 葛全胜, 姜逢清, 等, 2016. 北疆地区1961—2010年极端气温事件变化特征[J]. 地理科学, 36(2):296-302. DOI
[26]	张志高, 苗运玲, 邱双娟, 等, 2019. 1951—2016年新疆哈密极端气温变化研究[J]. 新疆大学学报:自然科学版, 36(1):89-97.
[27]	周波涛, 钱进, 2021. IPCC AR6报告解读:极端天气气候事件变化[J]. 气候变化研究进展, 17(6):713-718.
[28]	周昊楠, 王秋香, 华烨, 2012. 乌鲁木齐逐月气温资料均一性检验和订正[J]. 沙漠与绿洲气象, 6(1):27-30.
[29]	ALEXANDERSSON H, 1986. A homogeneity test applied to precipitation data[J]. Journal of Climatology, 6(6): 661-675.
[30]	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[J]. International Journal of Climatology, 36(13): 4 384-4 392.
[31]	LI Z, YAN Z W, CAO L J, et al, 2018. Further-adjusted long-term temperature series in China based on MASH[J]. Advances in Atmospheric Sciences, 35(8): 909-917.
[32]	MENNE M J, WILLIAMS C N, 2009. Homogenization of temperature series via pairwise comparisons[J]. Journal of Climate, 22(7):1700-1 717.
[33]	SZENTIMREY T, 1999. Multiple analysis of series for homogenization (MASH)[C]// Proceeding Second Seminar for Homogenization of surface climatological data, Budapest: WMO, WCDMP-No. 41, 27-46.
[34]	TORETI A, KUGLITSCH F G, XOPLAKI E, et al, 2010. A novel method for the homogenization of daily temperature series and its relevance for climate change analysis[J]. Journal of Climate, 23(19): 5 325-5 331.
[35]	VINCENT L A, WANG X L, MILEWSKA E J, et al, 2012. A second generation of homogenized Canadian monthly surface air temperature for climate trend analysis[J]. Journal of Geophysical Research: Atmospheres, 117(D18): 2012 JD017859. DOI:10.1029/2012D017859.
[36]	WANG X L, 2008a. Accounting for autocorrelation in detecting mean shifts in climate data series using the penalized maximal t or F test[J]. Journal of Applied Meteorology and Climatology, 47(9): 2 423-2 444.
[37]	WANG X L, 2008b. Penalized maximal F test for detecting undocumented mean shift without trend change[J]. Journal of Atmospheric and Oceanic Technology, 25(3): 368-384.
[38]	WANG X L, WEN Q H, WU Y H, 2007. Penalized maximal t test for detecting undocumented mean change in climate data series[J]. Journal of Applied Meteorology and Climatology, 46(6): 916-931.
[39]	WANG X L, CHEN H F, WU Y H, et al, 2010. New techniques for the detection and adjustment of shifts in daily precipitation data series[J]. Journal of Applied Meteorology and Climatology, 49(12): 2 416-2 436.
[40]	XU W H, LI Q X, WANG X L, et al, 2013. Homogenization of Chinese daily surface air temperatures and analysis of trends in the extreme temperature indices[J]. Journal of Geophysical Research: Atmospheres, 118(17): 9 708-9 720.

新疆极端气温均一性检验及变化趋势时空特征

Homogeneity test of extreme temperature in Xinjiang and analysis of its temporal and spatial characteristics

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 40

相关文章 15

编辑推荐

Metrics

[1]	曼吾拉·卡德尔, 刘鑫华, 李云翔, 关文娟. 西北干旱区机场低空风切变基本特征分析[J]. 干旱气象, 2024, 42(3): 347-356.
[2]	陈颖, 贾孜拉·拜山, 邵伟玲, 刘精. 增暖背景下北极涛动对新疆冬季平均气温的影响[J]. 干旱气象, 2022, 40(2): 195-201.
[3]	杨涛, 杨莲梅, 张云惠, 庄晓翠, 黄艳. 新疆短时强降水天气系统环流配置及雷达回波特征[J]. 干旱气象, 2021, 39(4): 631-640.
[4]	周雅蔓, 孙迪, 赵勇, 李桉孛, 郭玉琳. 新疆北部夏季大范围极端降水及其环流异常特征[J]. 干旱气象, 2021, 39(2): 215-224.
[5]	魏艳英, 龚美玲, 李海花. 2010—2019年南疆致灾暴雨时空分布及其影响[J]. 干旱气象, 2021, 39(06): 930-938.
[6]	朱华亮, 华连生, 温华洋, 庞文静, 梁丽, 孔芹芹. ADTD数据计算雷暴日与目测雷暴日的均一性分析[J]. 干旱气象, 2020, 38(6): 1016-1022.
[7]	彭冬梅, 陈鹏翔, 张旭. 基于卫星遥感的新疆地表太阳总辐射估算[J]. 干旱气象, 2019, 37(2): 322-330.
[8]	张连成1，胡列群2，李帅1，王燕3. 基于GIS的新疆地区两种气温插值方法对比研究[J]. 干旱气象, 2017, 35(2): 330-336.
[9]	庄晓翠，覃家秀，李博渊. 2014年新疆西部一次暴雪天气的中尺度特征[J]. 干旱气象, 2016, 34(2): 326-334.
[10]	郑红，王波，周永吉，魏磊，刘栋. 黑龙江省人工观测与自动观测气象数据均一性检验[J]. 干旱气象, 2014, 32(2): 292-297.
[11]	王建刚，何清，徐建春，庄晓翠，梁效忠. 新疆阿勒泰冰雹灾害气候特征[J]. 干旱气象, 2014, 32(1): 114-119.
[12]	郭城，李博渊，杨森，庄晓翠，王海岩. 新疆阿勒泰地区大到暴雪天气气候特征[J]. J4, 2012, 30(4): 604-608.
[13]	左敏, 陈洪武, 江远安, 李丽华. 新疆近50 ａ气温变化趋势和演变特征[J]. J4, 2010, 28(2): 160-166.
[14]	刘　佳, 何　清, 刘　蕊, 陈向军. 新疆太阳辐射特征及其太阳能资源状况[J]. J4, 2008, 26(4): 61-66.
[15]	石登科, 崔学祯. 甘肃临夏人工与自动气象站气温观测差异对比及均一性研究[J]. J4, 2008, 26(4): 71-74.