均一化的长期气候序列是气候变化研究的基础,对于定量评估气候变化特征和变率,尤其是涉及气候分布和小概率的气候极值变化的研究至关重要。然而,气象观测资料不可避免的受到台站迁址、观测仪器改变、要素计算法则变化、周边环境变化等非自然因素的影响,导致不同时期的观测资料不完全可比,也即所谓的非均一性。气候序列中的非均一性不仅对气候均值及趋势产生影响,同时对气候极值有影响。本文应用若干目前国际上较为通用的均一化方法,检测并校订了全国和北京地区逐日气温和风速序列中的非均一性,定量了解了不同方法导致的气候序列均一化结果的不确定性;在均一化资料基础上重新估计了近几十年我国区域气温变化特征,特别是定量分析了北京地区气候变化及其中的城市化效应;并发展了一套基于小波分析的针对逐日气候序列的均一化方法。具体工作和主要结论如下:　　 (1)基于传统Alexanderson型方法,分析了北京站逐日平均气温序列中由1981年和1997年迁址造成的非均一性。结果表明:迁址效应大致在季节尺度上有显著的体现,在“月”这一传统气候资料分析所用的主要时间尺度或者更短尺度上,由于站际间较强的天气变率差异,基于“临近参考序列”的均一性分析难以达到统计显著水平。考虑到年际气温变率,Alexanderson型的多年平均订正量应至少考虑迁址日期前后3年的气温数据。均一化的1977-2006年北京站气温序列分析表明:该站点的年平均气温增暖率达0.78℃/10年,与城市化有关的增暖趋势大致在0.30℃/10年左右,约占整个增暖趋势的40％。　　 另外,基于不同方法(Alexanderson型方法,MASH,HOM)的结果均表明:1997年前后北京站所在的两个地址所反映的城乡差别或城市热岛效应(以年均温差表示,Alexanderson型方法约为0.69℃)弱于1981年前后(约为0.81℃),说明1981-1997年间台站所在的大兴地区比城址所在的西三环(北洼路)一带经历了更为迅猛的城市化过程。本文的分析结果为量化这一事实,提供了一种定量的指标。　　 (2)鉴于我国气象观测的元数据(即台站记录史细节)不完整,有必要探索在缺乏元数据的条件下检测和校订气候序列非均一性的途径。为此,利用目前国际上较为通用的序列均一化多元分析方法(Multiple Analysis of Series for Homogenization,MASH),对比分析了有、无元数据的情况下北京站气温序列的均一化结果。设计三种情形:13M-取北京站附近13个参考站,有元数据;13NOM-同前但无元数据;21NOM-取更大范围21个国家基准站为参考站,无元数据。在三种情形下,估计的1960-2008年北京站年、季、逐日气温序列中的非均一性在型态上基本一致,只是在量值上存在差异,而这种差异要远远小于气候序列本身的非均一性。订正后北京站年平均气温增暖趋势分别为0.337℃/10年,0.316℃/10年和0.365℃/10年(原始序列趋势为0.453℃/10年)。非均一性对北京逐日气温序列中气候极值(热浪、寒潮等)也产生影响,如:原始序列中1981-1997年问热浪(寒潮)被高估(低估);而1981年之前和1997年之后被低估(高估)。尽管上述三种均一化结果有所差异,但订正后总能使有关气候变化的判断朝同一的正确方向改善。上述研究结果,为在元数据有限的情况下,开展全国气温观测序列进行均一化研究,提供了基础认识。　　 基于MASH发展了均一化的1960-2008年全国549站逐日平均气温Tm、最高气温Tmax和最低气温Tmin数据集。全国平均而言,均一化资料的年均。Tm/Tmax/Tmin呈增暖趋势(0.269/0.201/0.355℃/10年),与原始资料的结果差别很小(0.004/0.007/0.006℃/10年),这是因为非均一性在不同站点引起的序列趋势差异有正有负,全国平均相互抵消了。均一化改善了气候变化的地理分布格局,显示了更合理的大尺度气候变化分布结构。这套均一化的数据集,为定量评估我国气候变化及其归因和影响提供了新基础,正在近年来开展的多项科研项目中得到越来越广泛的应用。　　 (3)风速等远非正态变量的观测序列均一化,不确定性更大。结合具体的物理现象开展研究是有益的。利用MASH方法分析了北京地区常规气象台站逐日风速序列的非均一性间断点,为定量分析近几十年城市化发展对于风速的影响提供基础。结果表明,风速序列中部分间断点与迁址有关,但也有一些间断点难以从元数据中找到明确的理由。可能原因是,风速记录对于局地观测系统的变化较敏感,而元数据并不能记录所有这样的局地变化。　　 均一化后的1960-2008年北京地区年平均风速下降趋势达-0.26 ms-110yr-1,比之原始资料的结果(-0.18 ms-110yr-1)有所加剧;冬季风速减弱最剧烈(0.39 ms-110yr-1)、夏季最少(-0.12 ms-110yr-1);极端风速事件频次呈减少趋势,冬季和夏季尤甚;平均风速和极端风速事件均在20世纪70年代和80年代发生了急剧减小的气候跃变,一方面可能70年代末大尺气候变化有关,另一方面可能与北京70年代末开始的快速城市化进程有关。从北京地区风速变化趋势的地理分布结构来看,年平均风速减弱趋势最显著的站点出现在市中心区(朝阳公园站)达-0.32 ms-110yr-1/10年,城市站与周边郊外站年平均风速下降趋势差-0.05 ms-110yr-1,约占大尺度平均风速减小趋势的20%。值得指出,未经均一化的风速资料无法体现这一典型的城市化效应,说明均一化研究对于深入研究气候变化成因非常重要。对北京周边1960-2008年间年、季平均地转风和海平面气压场(1992-2001年与1966-1975年的差值)的分析表明:华北地区冬季和夏季风的减弱是导致北京地区风速降低的大尺度环流背景,而强风(通常在冬季)或极端风速事件看来更易于受到大尺度气候变化的影响。　　 (4)通过多种方法对比分析,可获得关于均一化结果及其不确定性的进一步认识,为发展新的均一化方法提供基础。在MASH方法结果的基础上,应用高阶矩校订(Higher-Order Moment,HOM)方法能进一步改善对逐日气温序列中的极值部分(如北京站1981-1997年春季的高温部分)的订正。较MASH方法相比,HOM方法估计的1960-2008年北京站年平均气温(热天频次)增暖(增加)趋势稍低;冷天频次的减少趋势变缓。由HOM方法估计的城乡之间年、季城市热岛(urban heat island,UHI)强度(热天和冷天频次)的差值比MASH方法高0.04-0.12℃(1-3天,1997年冷天除外),表明HOM方法能进一步刻画出城乡间平均气温和气候极值的差异。1997年城乡间热天频次的差值要大于1981年(冷天相反),原因可能在于1981-1997年城区较高(较低)气温增暖速率大于(小于)郊区。这些结果说明,高阶矩校订对于研究气候极值及其变化规律是十分必要的。　　 (5)鉴于气候极值主要是天气尺度的扰动形成的,发展了基于小波分析的均一化方法。该方法检测并校订隐藏在逐日气温序列中不同尺度天气波动中的非均一性,而传统方法(如MASH、HOM、Two Phase Regression-TPR等)大多不能解决这类非均一性。对已经过传统方法均一化的英格兰中部逐日温度序列(CET)的分析表明:1878年和1931年分别存在间断点,导致逐日气温序列前3个尺度的天气波动变率突然减小。对于我国青海省河南站(HN)1981年的迁址效应分析表明:迁至较高山地后,逐日温度序列中的逐日变率(DV)和天气波动变率(WV)突然增大。经小波分析订正后,两个序列的小波波谱功率结构更加合理。基于小波分析的均一化方法对逐日气温平均趋势的估计无影响,但改善了极端气候事件(热天、冷天、寒潮、热浪)的趋势估计。相对于MASH、HOM和TPR三种均一化方法,Rhtest方法在订正天气波动有关的非均一性方面体现了一定的优势,原因在于该方法考虑了逐日气温序列的自相关性。基于小波分析的新方法,也为细致评估现有各种均一化方法的优劣,提供了新思路。