中国沿海省区极端气温栅格数据集

1 前言

在全球气候变暖的大背景下，中国沿海地区高温热浪、低温冰冻等极端气温事件频发，对区域生态环境保护、社会经济发展以及人们的生命财产等造成了严重影响^{[1, 4]}。基于中国气象局气象数据中心提供的中国沿海地区156个地面气象站的日最高（低）气温资料，利用RClimDex模型^[5]计算并构建了1961–2014年16个极端气温指数（表1）的时间序列，在气象站点尺度上采用算术平均法和线性倾向估计法计算了各极端气温指数的多年平均值和年际倾向率^[6]，并采用反距离权重插值法在ArcGIS软件中生成1961–2014年中国沿海省区极端气温栅格数据集^[7]。本数据集有益于提高人们对中国沿海地区极端气温事件时间变化和空间格局的认识。

2 数据集元数据简介

《中国沿海省区极端气温栅格数据集》^[7]的名称、短名、作者、地理区域、数据年代、数据格式、数据文件个数、数据量、数据集组成、基金项目、数据的出版与共享服务平台和数据政策等信息见表2。

续表

3 数据研发方法

研发本数据集的基础气象资料来自中国气象局气象数据中心国家气象科学数据共享服务平台（http://data.cma.cn/），主要包括中国沿海地区244个地面气象站点的日最高气温和日最低气温。基于Matlab语言实现气象数据的真实值计算和缺测值处理，并利用双累积曲线法^[9]对站点数据的均一性进行检验以完成气象数据质量控制。以资料的长期连续性和历史记录超过50 a为标准，最终共选取156个站点1961–2014年的日最高气温和日最低气温 （图1）。

下载

在R语言环境中加载RClimDex模型，逐站点导入气象数据，进一步对数据质量进行检验和控制，设定基准期、阈值等参数，计算16个极端气温指数。在此基础之上，利用Matlab语言对模型输出的计算结果进行归并、整理，构建中国沿海地区1961–2014年156个气象站点16个极端气温指数的时间序列数据。

分别利用算术平均值法和线性倾向估计法计算获得各气象站点16个极端气温指数的多年均值和年际倾向率，其中，采用一次线性方程表示极端气温指数的历史变化趋势，即：

式中，$Y$为极端气温指数值；$t$为时间（a）；$a$为线性趋势项；$b$为常数项；$a\times 10$表示极端气温指数每10 a的变化量，即年际倾向率，单位为℃/10a。

利用ArcGIS软件制备中国沿海地区156个站点各极端气温指数多年均值和年际倾向率的矢量数据，以.shp格式存储。进一步利用反距离权重插值法对各极端气温指数的shp矢量数据进行插值，生成.tif格式的栅格数据。

4 数据结果

以气温日较差为例，作者分析了1961–2014年在中国沿海地区的多年均值和年际倾向率的空间分布特征，结果如图2所示。

下载

研究时段内，中国沿海地区气温日较差的多年均值和年际倾向率分别介于4.28– 14.06 ℃和−0.71至0.33 ℃/10a之间。空间分布上，气温日较差的多年均值基本呈北高南低的格局特征，年际倾向率的空间分布与之相反，总体上表现为南高北低。

综合所有极端气温指数可知^[10]，中国沿海地区冷昼日数、冷夜日数、暖昼日数、暖夜日数、日最高（低）气温的极高值以及冷（暖）持续日数的多年均值总体相差较小，而夏季日数、热夜日数、日最高（低）气温的极低值以及生长季长度的多年均值从北至南依次增加；与之相反，霜冻日数、冰冻日数以及气温日较差的多年均值从北至南依次递减，其中，广东、广西部分临海地区的冰冻日数均为0。

从年际倾向率的结果来看，1961–2014年期间，中国沿海地区的暖昼日数、暖夜日数、夏季日数、热夜日数、日最高（低）气温的极高（低）值、暖持续日数以及生长季长度总体呈上升趋势，而冷昼日数、冷夜日数、霜冻日数、冰冻日数、冷持续日数以及气温日较差基本呈下降趋势。进一步分析可发现，沿海地区极端气温夜指数（冷夜日数、暖夜日数）变化幅度的绝对值要大于昼指数（冷昼日数、暖昼日数）。

5 结论

地面气象站点的气象观测资料是评估历史时期气候变化特征的数据源之一，但气象站点建站时间不一、站点迁址、共享数据的站点有限等均会对构建中国沿海地区气象要素及其极端态的高时空分辨率数据集产生一定的影响。然而，本数据集历史记录时长已超50 a，极端气温指数种类多，可以较全面地评估中国沿海地区极端气温的历史变化特征。

作者分工：侯西勇负责设计数据集生产的总体思路与技术框架；王晓利完成气象数据的下载和预处理，极端气温指数的计算以及数据集的制备。