北京1841年以来均一化最高和最低气温日值序列的构建

司鹏; 郭军; 赵煜飞; 王冀; 曹丽娟; 王敏; 王琪; 冯婧

doi:10.11676/qxxb2022.008

北京1841年以来均一化最高和最低气温日值序列的构建

doi: 10.11676/qxxb2022.008

司鹏^{1, 2, 3,},
郭军^2, ,,
赵煜飞⁴,
王冀⁵,
曹丽娟⁴,
王敏¹,
王琪¹,
冯婧⁵

1.
天津市气象信息中心，天津，300074
2.
天津市气候中心，天津，300074
3.
天津市海洋气象重点实验室，天津，300074
4.
国家气象信息中心，北京，100081
5.
北京市气候中心，北京，100089

详细信息

作者简介:
司鹏，主要从事气象数据分析处理及气候变化研究。E-mail：spsbox@163.com

通讯作者:
郭军，主要从事气候应用及气候变化研究。E-mail： guojun@cma.gov.cn

中图分类号: P468
计量
- 文章访问数: 194
- HTML全文浏览量: 17
- PDF下载量: 60
- 被引次数: 0
出版历程
- 收稿日期: 2021-06-30
- 录用日期: 2021-12-23
- 修回日期: 2021-10-12
- 网络出版日期: 2021-11-09
- 刊出日期: 2022-02-26

New series of daily maximum and minimum temperature observations for Beijing, China since 1841

SI Peng^{1, 2, 3
,},
GUO Jun^{2
, ,},
ZHAO Yufei⁴,
WANG Ji⁵,
CAO Lijuan⁴,
WANG Min¹,
WANG Qi¹,
FENG Jing⁵

1.
Tianjin Meteorological Information Center，Tianjin 300074，China
2.
Tianjin Climate Center，Tianjin 300074，China
3.
Tianjin Marine Meteorological Key Laboratory，Tianjin 300074，China
4.
National Meteorological Information Centre，Beijing 100081，China
5.
Beijing Climate Center，Beijing 100089，China

摘要

摘要: 长期连续的日值观测资料是研究百年来极端气候事件及其变化特征的重要基础支撑。目前中外由于缺乏可靠的逐日百年尺度气候资料，使得20世纪50年代以前的极端气候变化规律仍然没有得到很好的认识。基于国家气象信息中心收集整理的日最高和最低气温观测资料，构建北京1841—2019年气温日值序列。首先，通过数据质量控制剔除原始基础资料中因人工观测、仪器故障及数字化过程造成的错误数据；其次，采用标准化序列法对北京气象观测站1951年以前的日最高和最低气温序列进行了插补；最后，利用惩罚最大t检验（PMT）和惩罚最大F检验（PMFT）对插补后的日值序列进行均一性检验，并采用分位数匹配法（QM）对检验得到的因迁站和仪器变更导致的统计显著断点进行订正，由此建立了北京百年均一化气温日值序列。分析表明，构建的北京百年逐日气温序列的年代变化特点与美国伯克利地球研发中心的月平均地表温度数据（Berkeley Earth-Monthly）、英国东英格利亚大学气候研究中心的全球月平均地表温度数据（CRUTS4.03）以及美国国家气候资料中心的全球历史气候数据（GHCNV3）具有一致性。从趋势变化来看，基于构建的逐日最高和最低气温序列统计得到1911—2019年北京地区年平均气温升高趋势为0.154±0.018℃/（10 a）（95%不确定性水平估计），与中国区域气温趋势变化速度基本一致。从而在一定程度上说明构建的北京百年尺度日最高和最低气温序列能够为极端气候变化领域提供新的基础数据。
- 百年尺度 /
- 日值序列 /
- 均一化 /
- 最高和最低气温 /
- 北京
Abstract: Continuous daily observations over as long a period as possible are an important basis for the study of extreme climate events and their characteristics over the past hundred years. Due to the scarcity of reliable and continuous daily observations over century-long scale, the pattern of extreme climate change before the 1950s still can not be well interpreted both in China and abroad. New series of daily maximum and minimum temperature observations for Beijing from 1 January 1841 (for minimum) and 1 January 1880 (for maximum) to 31 December 2019 have been constructed. Two daily observational datasets are obtained from China Meteorological Administration (CMA) as the basic sources: (1) The digital daily observations covering the period of 1 January 1841—31 December 1950 from 5 in-situ sites and (2) the daily data observed by new weather and climate systems over the period of 1 January 1951—31 December 2019. Errors caused by manual observations, instrument malfunctions and digital inputs are removed by quality control. Those missing daily maximum and minimum temperature data before 1951 at Beijing meteorological observation station are filled by interpolations using standardized series method. Several significant breakpoints caused by changes in station locations and instrument manufacturers are detected by penalized maximal t test (PMT) and penalized maximal F test (PMFT). The homogenized daily maximum and minimum temperature series for Beijing are obtained by Quantile Matching (QM) adjustment with reference series from Berkeley Earth-daily data. It is found that the decadal variabilities of the new daily temperature series over century-long scale are consistent with those of Berkeley Earth-monthly, CRUTS4.03 and GHCNV3 data in Beijing. The warming trend estimated based on the annual mean temperature series averaged from the new daily maximum and minimum temperatures is 0.154±0.018°C/(10 a) (at the 95% confidence level for statistical uncertainties) during the period of 1911—2019 in Beijing, which is similar to that over China. Therefore, the time series of the homogenized daily maximum and minimum temperatures over century-long scale in Beijing city can to a certain extent provide a new data source for the study of climate extremes.
- Over century-long scale /
- Daily time series /
- Homogenization /
- Maximum and minimum temperatures /
- Beijing

HTML全文

图 1 北京气象观测站1841年1月1日—2019年12月31日原始观测的逐日最高（a）和最低（b）气温序列（带黑色和绿色星号的垂直虚线分别标注8次迁站和2次自动化观测仪器变更的记录时间）

Figure 1. Original series of daily maximum （a） and minimum （b） temperature at Beijing meteorological observation station during the period of 1 January 1841—31 December 2019 （Vertical dashed lines with black and green stars on the axes denote metadata times of station relocation （eight times） and instrument changes （two times for automatic observation），respectively）

下载: 全尺寸图片幻灯片

图 3 基于质量控制后逐日观测数据统计得到的北京气象观测站年平均最高（a）和最低（b）气温序列及其1918年1月1日—1925年12月31日和1930年1月1日—1936年12月31日两个拟合时段的插补序列

Figure 3. Annual average maximum （a） and minimum （b） temperature series based on quality controlled daily data and interpolated data using fitting periods of 1 January 1918—31 December 1925 and 1 January 1930—31 December 1936 for Beijing meteorological observation station

下载: 全尺寸图片幻灯片

图 4 北京气象观测站1841—2019年日最高和最低气温序列的均一化

Figure 4. Homogenization of daily maximum and minimum temperature series from 1841 to 2019for Beijing meteorological observation station

下载: 全尺寸图片幻灯片

图 5 选取的11个北京气象观测站及其邻近站点

Figure 5. The selected 11 Beijing meteorological observation stations and adjacent stations

下载: 全尺寸图片幻灯片

图 6 年和月尺度最高（a、 c、 e、 g、 i）和最低（b、 d、 f、 h、 j）气温基础观测序列及其两种参考序列（BCG参考序列指的是基于Berkeley Earth、 CRUTS4.03 和GHCNV3月值数据建立的参考序列，Berkeley月值参考序列指的是仅基于11个站点水平Berkeley月值数据建立的参考序列；a、b. 年，c、d. 1月，e、f. 4月，g、h. 7月，i、j. 10月）

Figure 6. Annual and monthly observations of maximum （a，c，e，g，i） and minimum （b，d，f，h，j） temperature series and their corresponding reference series （BCG reference means the reference is constructed based on Berkeley Earth-monthly，CRUTS4.03 and GHCNV3 data，while Berkeley-monthly reference means the reference is constructed based on 11 site level data only from Berkeley Earth-monthly of the selected stations nearby Beijing meteorological observation station； a，b. Annual， c，d. January，e，f. April，g，h. July，i，j. October）

下载: 全尺寸图片幻灯片

Continued

下载: 全尺寸图片幻灯片

图 7 北京气象观测站均一性订正前后最高（a）和最低（b）气温日值序列及其QM订正量（垂直虚线标注出序列断点分别为1940年1月1日、1965年1月1日、1981年1月1日、1997年4月1日和2003年1月1日）

Figure 7. The adjusted and raw daily series of maximum （a） and minimum （b） temperatures and their QM-Adjustments at Beijing meteorological observation station from 1 Jan 1841 to Dec 31 2019 （Vertical dashed lines denote the breakpoints at times of 1 Jan 1940，1 Jan 1965，1 Jan 1981，1 Apr 1997 and 1 Jan 2003）

下载: 全尺寸图片幻灯片

图 8 北京气象观测站日最高（a）和最低（b）气温序列QM 订正量的概率密度分布

Figure 8. Probability density distributions of adjustments applied to daily maximum （a） and minimum （b） temperature data at Beijing meteorological observation station

下载: 全尺寸图片幻灯片

图 9 北京气象观测站日最高和最低气温月平均QM订正量

Figure 9. Average adjustments on the monthly timescale applied to daily maximum and minimum temperature data at Beijing meteorological observation station

下载: 全尺寸图片幻灯片

图 10 北京气象观测站1841—2019年均一性订正前、后的年平均最高（a）和最低（b）气温序列及其对应Berkeley Earth、 CRUTS4.03和GHCNV3北京站点气温序列

Figure 10. Time series of annual maximum （a） and minimum （b） temperatures from 1841 to 2019 based on homogenized and raw daily data and corresponding time series from Berkeley Earth-monthly，CRUTS4.03 and GHCNV3 for Beijing meteorological observation station

下载: 全尺寸图片幻灯片

表 1 北京气象观测站1841年1月1日—2019年12月31日历史沿革信息

Table 1. The metadata of Beijing meteorological observation station during the period of 1 January 1841—31 December 2019

观测时段	纬度	经度	海拔高度（m）	站址（探测环境）	迁站信息	仪器变更	观测时间
1841年1月1日— 1912年11月28日	39°57′N	116°28′E	37.5	北京东直门胡家园胡同（不详）	—	—	不详
1912年11月29日— 1939年12月31日	39°54′N	116°28′E	42.8	北京建国门泡子河北岸（市区）	不详	不详	不详
1940年1月1日— 1950年12月31日	39°56′N	116°20′E	51.3	北京西郊公园（郊区）	距原址西北部 9.5 km	不详	不详
1951年1月1日— 1953年5月31日	39°56′N	116°20′E	51.3	同上	—	不详	最高气温 18:00 BT
1951年1月1日— 1953年5月31日	39°56′N	116°20′E	51.3	同上	—	不详	最低气温 09:00 BT
1953年6月1日— 1953年12月31日	39°57′N	116°19′E	52.3	北京西郊五塔寺7号（郊区）	距1940年站址北部0.8 km	不详	—
1954年1月1日— 1960年12月31日	39°57′N	116°19′E	52.3	同上	—	最高气温 1954年 1月1日	不详
1954年1月1日— 1960年12月31日	39°57′N	116°19′E	52.3	同上	—	最低气温 1954年 1月1日	不详
1961年1月1日— 1964年12月31日	39°57′N	116°19′E	52.3	同上	—	最高气温 1961年11月23日	20:00 BT
1961年1月1日— 1964年12月31日	39°57′N	116°19′E	52.3	同上	—	最低气温 1961年11月23日	20:00 BT
1965年1月1日— 1968年12月31日	39°35′ N	116°19′E	29.4	北京市大兴县东黑垡村（郊区）	距1953年站址东南部38.8 km	最高气温 1965年1月1日； 1968年1月1日	—
1965年1月1日— 1968年12月31日	39°35′ N	116°19′E	29.4	北京市大兴县东黑垡村（郊区）	距1953年站址东南部38.8 km	最低气温 1965年1月1日； 1968年1月1日	—
1969年1月1日— 1970年6月30日	39°56′ N	116°16′E	53.3	北京市西郊彰化农场（郊区）	距1965年站址西北部44.0 km	—	—
1970年7月1日— 1980年12月31日	39°48′ N	116°28′E	31.2	北京市大兴旧宫东（郊区）	距1969年站址东南部24.0 km	最高气温 1971年1月1日； 1974年1月1日	—
1970年7月1日— 1980年12月31日	39°48′ N	116°28′E	31.2	北京市大兴旧宫东（郊区）	距1969年站址东南部24.0 km	最低气温 1971年 1月1日	—
1981年1月1日— 1997年3月31日	39°56′ N	116°17′E	54.0	北京市海淀区北洼路又一村（郊区）	距1970年站址西北部22.0 km	最高气温 1987年2月17日； 1996年1月1日	—
1981年1月1日— 1997年3月31日	39°56′ N	116°17′E	54.0	北京市海淀区北洼路又一村（郊区）	距1970年站址西北部22.0 km	最低气温 —	—
1997年4月1日— 2002年12月31日	39°48′ N	116°28′E	31.3	北京市大兴旧宫东（郊区）	距1981年站址东南部22.0 km	—	—
2003年1月1日— 2013年12月31日	39°48′ N	116°28′E	31.3	同上	—	自动观测	定时分钟数据挑取
2014年1月1日至今	39°48′ N	116°28′E	31.3	同上	—	新型自动观测设备	定时分钟数据挑取
注：表中“—”表示没有变动；“不详”表示无据可查；观测时制均为北京时。

下载: 导出CSV

表 2 1950年12月31日以前北京气象观测站原始基础观测数据信息

Table 2. Information of the original basic data before 1950 at Beijing meteorological observation station

观测点	观测时间段	缺测率（%）
观测点	观测时间段	最高气温	最低气温
1	1841年1月1日—1855年12月31日；1868年4月1日—1883年12月31日	80.6	52.1
2	1915年4月12日—1937年8月31日；1940年1月1日—1943年10月31日	1.5	1.1
3	1940年3月1日—1945年5月31日	1.0	1.0
7	1946年1月1日—1947年2月28日	1.3	1.3
8	1950年1月1日—1950年12月31日	0	0

下载: 导出CSV

表 3 北京气象观测站日最高和最低气温数据的质量控制

Table 3. Quality control for daily maximum and minimum temperatures at Beijing meteorological observation station

	界限值检查	内部一致性检查		气候异常值检查
	界限值检查	处理前	处理后	气候异常值检查
最高气温	1916年4月12日（213.7°C）	1851年3月12日（6.7°C） 1855年2月12日（−6.3°C） 1918年2月20日（−9.1°C） 1945年4月17日（10.1°C） 1946年1月24日（1.1°C） 1946年3月8日（−2.8°C） 1946年3月14日（0.0°C）	1851年3月12日（6.7°C） 1855年2月12日（6.3°C） 1918年2月20日（9.1°C） 1945年4月17日（30.4°C） 1946年1月24日（1.1°C） 1946年3月8日（2.8°C） 1946月3月14日（缺测）	1943年12月1日—1943年12月31日
最低气温	—	1851年3月12日（11.6°C） 1855年2月12日（−3.4°C） 1918年2月20日（−4.8°C） 1945年4月17日（19.5°C） 1946年1月24日（2.7°C） 1946年3月8日（−0.6°C） 1946年3月14日（0.0°C）	1851年3月12日（缺测） 1855年2月12日（−3.4°C） 1918年2月20日（−4.8°C） 1945年4月17日（14.8°C） 1946年1月24日（−2.7°C） 1946年3月8日（−0.6°C） 1946年3月14日（0.0°C）	1946年6月1日—1946年11月30日
注：界限值检查和内部一致性检查（处理前）括号里的数据分别为错误、可疑数据；内部一致性检查（处理后）括号里的数据为更改后的数据。

下载: 导出CSV

表 4 参考数据源信息

Table 4. Information of reference data sources

参考资料源	时间分辨率	格点或站点	对应北京气象观测站的时间段	是否质控	是否均一性订正
CRUTS4.03	月	0.5°×0.5°格点	1901年1月—2018年12月	√	√
Berkeley Earth-monthly	月	1°×1°格点	1872年12月—2019年12月	√	×
Berkeley Earth-daily	日	1°×1°格点	最高气温 1880年1月—2018年12月最低气温 1902年5月—2018年12月	√	×
GHCNV3	月	站点	最高气温 1915年5月—2019年7月最低气温 1915年5月—2017年10月	√	√

下载: 导出CSV

表 5 北京气象观测站均一性订正前、后百年以来年平均气温序列及其对应的Berkeley Earth和CRUTS4.03气温趋势变化（单位：℃/（10 a））（95%不确定性水平估计）

Table 5. Trends of annual temperature series based on homogenized and raw daily data at Beijing meteorological observation station and corresponding trends based on Berkeley Earth-monthly and CRUTS4.03 at the century timescale with uncertainties at the 95% confidence （unit： °C/（10 a））

	订正后	订正前	Berkeley Earth	CRUTS4.03
最高气温	0.099±0.016	0.029±0.017	0.102±0.011	0.077±0.016
最低气温	0.187±0.019	0.254±0.025	0.159±0.010	0.225±0.015
平均气温	0.154±0.018	0.158±0.022	0.131±0.010	0.150±0.014
注：表中订正前后的年平均最高气温、最低气温和平均气温统计时段分别为1881—2019年、1911—2019年、1911—2019年；Berkeley Earth 和 CRUTS4.03 数据的统计时段分别为1873—2019年、1901—2018年。

下载: 导出CSV

参考文献(57)

[1]	司鹏,郝立生,罗传军等. 2017. 河北保定气象站长序列气温资料缺测记录插补和非均一性订正. 气候变化研究进展,13(1):41-51 Si P,Hao L S,Luo C J,et al. 2017. The interpolation and homogenization of long-term temperature time series at Baoding observation station in Hebei Province. Climate Change Res,13(1):41-51 (in Chinese)
[2]	唐国利,任国玉. 2005. 近百年中国地表气温变化趋势的再分析. 气候与环境研究,10(4):791-798 doi: 10.3878/j.issn.1006-9585.2005.04.10 Tang G L,Ren G Y. 2005. Reanalysis of surface air temperature change of the last 100 years over China. Clim Environ Res,10(4):791-798 (in Chinese) doi: 10.3878/j.issn.1006-9585.2005.04.10
[3]	吴增祥. 2007. 中国近代气象台站. 北京:气象出版社,180-182 Wu Z X. 2007. China Modern Meteorological Station. Beijing:China Meteorological Press,180-182 (in Chinese)
[4]	余予,李俊,任芝花等. 2012. 标准序列法在日平均气温缺测数据插补中的应用. 气象,38(9):1135-1139 Yu Y,Li J,Ren Z H,et al. 2012. Application of standardized method in estimating missing daily mean air temperature. Meteor Mon,38(9):1135-1139 (in Chinese)
[5]	Bonsal B R,Zhang X,Vincent L A,et al. 2001. Characteristics of daily and extreme temperatures over Canada. J Climate,14(9):1959-1976 doi: 10.1175/1520-0442(2001)014<1959:CODAET>2.0.CO;2
[6]	Brohan P,Kennedy J J,Harris I,et al. 2006. Uncertainty estimates in regional and global observed temperature changes:A new data set from 1850. J Geophys Res,111(D12):D12106 doi: 10.1029/2005JD006548
[7]	Cao L J,Zhao P,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 doi: 10.1002/jgrd.50615
[8]	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
[9]	Caussinus H,Mestre O. 2004. Detection and correction of artificial shifts in climate series. J Roy Stat Soc,53(3):405-425
[10]	Della-Marta P M,Wanner H. 2006. A method of homogenizing the extremes and mean of daily temperature measurements. J Climate,19(17):4179-4197 doi: 10.1175/JCLI3855.1
[11]	Easterling D R,Peterson T C. 1995a. The effect of artificial discontinuities on recent trends in minimum and maximum temperatures. Atmos Res,37(1-3):19-26 doi: 10.1016/0169-8095(94)00064-K
[12]	Easterling D R,Peterson T C. 1995b. A new method for detecting undocumented discontinuities in climatological time series. Int J Climatol,15(4):369-377 doi: 10.1002/joc.3370150403
[13]	Hansen J,Ruedy R,Sato M,et al. 2010. Global surface temperature change. Rev Geophys,48(4):RG4004
[14]	Harris I,Osborn T J,Jones P,et al. 2020. Version 4 of the CRU TS monthly high-resolution gridded multivariate climate dataset. Sci Data,7(1):109 doi: 10.1038/s41597-020-0453-3
[15]	Hewaarachchi A P,Li Y B,Lund R,et al. 2017. Homogenization of daily temperature data. J Climate,30(3):985-999 doi: 10.1175/JCLI-D-16-0139.1
[16]	IPCC. 2013. Climate Change 2013:The Physical Science Basis. Contribution of Working Group Ⅰ to the Fifth Assessment Report of the Intergovern- mental Panel on Climate Change. Cambridge:Cambridge University Press,1535pp
[17]	Jones P D,Lister D H,Li Q. 2008. Urbanization effects in large-scale temperature records,with an emphasis on China. J Geophys Res,113(D16):D16122 doi: 10.1029/2008JD009916
[18]	Jones P D,Lister D H,Osborn T J,et al. 2012. Hemispheric and large-scale land-surface air temperature variations:An extensive revision and an update to 2010. J Geophys Res,117(D5):D05127
[19]	Lawrimore J H,Menne M J,Gleason B E,et al. 2011. An overview of the global historical climatology network monthly mean temperature data set,Version 3. J Geophys Res,116(D9):D19121
[20]	Leeper R D,Rennie J,Palecki M A. 2015. Observational perspectives from U. S. climate reference network (USCRN) and cooperative observer program (COOP) network:Temperature and precipitation comparison. J Atmos Ocean Technol,32(4):703-721 doi: 10.1175/JTECH-D-14-00172.1
[21]	Li L C,Yao N,Li Y,et al. 2019. Future projections of extreme temperature events in different sub-regions of China. Atmos Res,217:150-164 doi: 10.1016/j.atmosres.2018.10.019
[22]	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(19):1974-1982 doi: 10.1007/s11434-010-3209-1
[23]	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
[24]	Li Q X,Dong W J,Jones P. 2020. Continental scale surface air temperature variations:Experience derived from the Chinese region. Earth Sci Rev,200:102998 doi: 10.1016/j.earscirev.2019.102998
[25]	Li Q X,Sun W B,Yun X,et al. 2021. An updated evaluation of the global mean land surface air temperature and surface temperature trends based on CLSAT and CMST. Climate Dyn,56(1):635-650
[26]	Li Z,Yan Z W,Cao L J,et al. 2014. Adjusting inhomogeneous daily temperature variability using wavelet analysis. Int J Climatol,34(4):1196-1207 doi: 10.1002/joc.3756
[27]	Li Z,Yan Z W,Wu H. 2015. Updated homogenized Chinese temperature series with physical consistency. Atmos Ocean Sci Lett,8(1):17-22
[28]	Li Z,Yan Z W,Cao L J,et al. 2018. Further-adjusted long-term temperature series in China based on MASH. Adv Atmos Sci,35(8):909-917 doi: 10.1007/s00376-018-7280-x
[29]	Menne M J,Williams Jr C N. 2009. Homogenization of temperature series via pairwise comparisons. J Climate,22(7):1700-1717 doi: 10.1175/2008JCLI2263.1
[30]	Menne M J,Durre I,Vose R S,et al. 2012. An overview of the global historical climatology network-daily database. J Atmos Ocean Technol,29(7):897-910 doi: 10.1175/JTECH-D-11-00103.1
[31]	Menne M J,Williams C N,Gleason B E. 2018. The global historical climatology network monthly temperature dataset,Version 4. J Climate,31(24):9835-9854 doi: 10.1175/JCLI-D-18-0094.1
[32]	Nayak S,Dairaku K,Takayabu I,et al. 2018. Extreme precipitation linked to temperature over Japan:Current evaluation and projected changes with multi-model ensemble downscaling. Climate Dyn,51(11):4385-4401
[33]	Peterson T C,Vose R S. 1997. An overview of the global historical climatology network temperature database. Bull Am Meteor Soc,78(12):2837-2850 doi: 10.1175/1520-0477(1997)078<2837:AOOTGH>2.0.CO;2
[34]	Rohde R. （2013-01-15）. Comparison of Berkeley Earth, NASA GISS, and Hadley CRU averaging techniques on ideal synthetic data. http://static.berkeleyearth.org/memos/robert-rohde-memo.pdf
[35]	Rohde R, Muller R A, Jacobsen R, et al. 2013a. A new estimate of the average earth surface land temperature spanning 1753 to 2011. Geoinfor Geostat, 1（1）, doi: 10.4172/2327-4581.1000101
[36]	Rohde R, Muller R, Jacobsen R, et al. 2013b. Berkeley earth temperature averaging process. Geoinfor Geostat, 1（2）, doi: 10.4172/2327-4581.1000103
[37]	Rohde R A,Hausfather Z. 2020. The Berkeley Earth land/ocean temperature record. Earth Syst Sci Data,12(4):3469-3479 doi: 10.5194/essd-12-3469-2020
[38]	Si P,Zheng Z F,Ren Y,et al. 2014. Effects of urbanization on daily temperature extremes in North China. J Geogr Sci,24(2):349-362 doi: 10.1007/s11442-014-1092-4
[39]	Si P,Luo C J,Liang D P. 2018. Homogenization of Tianjin monthly near-surface wind speed using RHtests V4 for 1951-2014. Theor Appl Climatol,132(3-4):1303-1320 doi: 10.1007/s00704-017-2140-7
[40]	Si P,Luo C J,Wang M. 2019. Homogenization of surface pressure data in Tianjin,China. J Meteor Res,33(6):1131-1142 doi: 10.1007/s13351-019-9043-8
[41]	Si P,Li Q X,Jones P. 2021. Construction of homogenized daily surface air temperature for the city of Tianjin during 1887-2019. Earth Syst Sci Data,13(5):2211-2226 doi: 10.5194/essd-13-2211-2021
[42]	Steurer P. 1985. Creation of a Serially Complete Data Base of High Quality Daily Maximum and Minimum Temperature. Washington, DC: National Climate Center
[43]	Sun W B,Li Q X,Huang B Y,et al. 2021. The assessment of global surface temperature change from 1850s:The C-LSAT2.0 ensemble and the CMST-interim datasets. Adv Atmos Sci,38(5):875-888 doi: 10.1007/s00376-021-1012-3
[44]	Trewin B. 2013. A daily homogenized temperature data set for Australia. Int J Climatol,33(6):1510-1529 doi: 10.1002/joc.3530
[45]	Vincent L A,Zhang X,Bonsal B R,et al. 2002. Homogenization of daily temperatures over Canada. J Climate,15(11):1322-1334 doi: 10.1175/1520-0442(2002)015<1322:HODTOC>2.0.CO;2
[46]	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 Geophys Res,117(D18):D18110
[47]	Wang J F,Xu C D,Hu M G,et al. 2014. A new estimate of the China temperature anomaly series and uncertainty assessment in 1900-2006. J Geophys Res,119(1):1-9
[48]	Wang X L,Wen Q H,Wu Y H. 2007. Penalized maximal t test for detecting undocumented mean change in climate data series. J Appl Meteor Climatol,46(6):916-931 doi: 10.1175/JAM2504.1
[49]	Wang X L. 2008. Penalized maximal F test for detecting undocumented mean shift without trend change. J Atmos Ocean Technol,25(3):368-384 doi: 10.1175/2007JTECHA982.1
[50]	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 Appl Meteor Climatol,49(12):2416-2436 doi: 10.1175/2010JAMC2376.1
[51]	Xu W H,Li Q X,Jones P,et al. 2018. A new integrated and homogenized global monthly land surface air temperature dataset for the period since 1900. Climate Dyn,50(7):2513-2536
[52]	Yan Z W,Yang C,Jones P. 2001. Influence of inhomogeneity on the estimation of mean and extreme temperature trends in Beijing and Shanghai. Adv Atmos Sci,18(3):309-322 doi: 10.1007/BF02919312
[53]	Yan Z W,Ding Y H,Zhai P M,et al. 2020. Re-assessing climatic warming in China since 1900. J Meteor Res,34(2):243-251 doi: 10.1007/s13351-020-9839-6
[54]	Yu L J,Zhong S Y,Qiu Y B,et al. 2020. Trend in short-duration extreme precipitation in HongKong. Front Environ Sci,8:581536 doi: 10.3389/fenvs.2020.581536
[55]	Yun X,Huang B Y,Cheng J Y,et al. 2019. A new merge of global surface temperature datasets since the start of the 20th century. Earth Syst Sci Data,11(4):1629-1643 doi: 10.5194/essd-11-1629-2019
[56]	Zhang W X,Zhou T J,Zou L W,et al. 2018. Reduced exposure to extreme precipitation from 0.5°C less warming in global land monsoon regions. Nat Commun,9(1):3153 doi: 10.1038/s41467-018-05633-3
[57]	Zhao P,Jones P,Cao L J,et al. 2014. Trend of surface air temperature in Eastern China and associated large-scale climate variability over the last 100 years. J Climate,27(12):4693-4703 doi: 10.1175/JCLI-D-13-00397.1