1 引言
气候变暖是气候研究的重点内容， 2024年中国平均气温为1951年以来历史最高， 较1991 -2020年偏高1.01 ℃（中国气象局国家气候中心， 2025）。极端天气、 气候事件的发生频率、 强度随气温的升高而增加， 对人类社会发展和生态系统稳定影响深远（鲍艳等， 2023； 晏红明等， 2023； 杜一博等， 2024）。均一性的长序列资料是开展气候研究的基础资料， 有益于真实地评价历史气候特点及变化趋势， 对增暖期的判别、 极端气候事件的评定也有重要意义。长期以来， 为尽可能减小局地环境对气温的影响， 我国诸多气象台站进行了迁站， 观测环境的改变、 仪器的更新、 观测时次的调整等， 长序列观测资料不可避免地出现非均一性。运用非均一的气象资料进行气候评估， 结果往往会出现误差。因此， 对气温长序列资料进行非均一性检验及订正是开展气候研究的重要前提， 对降低人为因素导致评估结果的不确定性， 提高气候研究的科学性和可靠性有重要意义。
针对气候资料均一性问题， 国内外学者开展了诸多研究， 取得了大量的研究成果。早期， Kohler（1949）通过对比目标序列与参考序列的累积图， 在直观分析的基础上判断气候资料的显著间断点； Hinkley（1969）针对气候资料的非均一性提出了二相回归算法（Two-Phase Regression， TPR）； Alexandersson（1986）改进了标准正态检验（Standard Normal Homogeneity Test， SNHT）方法， 而后， SNHT作为基本方法被用于瑞士气候资料的非均一性分析（Moberg and Bergström， 1997）。20世纪90年代， Easterling and Peterson（1995）应用改进的二相回归算法研究得出大尺度气温长序列资料的非均一性影响较弱， 显著低于小尺度的非均一性影响； Szentimrey（1999）提出并开展了均一性多元分析（Multiple Analysis of Series for Homogenization， MASH）。21世纪初， 加拿大环境部研发了基于惩罚因子的非均一性F检验和t检验（Wang et al， 2007； Wang， 2008）， 并开发了相对均一性检验（Relative Homogeneity tests， RHtests）软件包， 已被广泛应用于国内外气温、 降水、 相对湿度、 风速等长序列气象资料的非均一性检验及订正。
中国对气候资料非均一性问题的提出始于20世纪50年代。以幺枕生（1963）、 Ding et al（1995）为代表的气象学家为气候资料的非均一性研究做了大量的探索性工作。李庆祥等（2003）系统性地研究了气候资料非均一性产生的原因和订正方法， 并通过对比发现利用TPR和MASH方法形成的2套中国地区均一性气温数据集的非均一性表现基本相似（李庆祥， 2011）。2006年之后， Li and Yan （2009）又制作发布了《中国国家级地面气象站均一化气温日值/月值数据集》， 并被作为基础资料广泛应用于气候分析的相关研究中。近年来， 国内学者多利用RHtests软件开展区域气温资料的非均一性分析， 如司鹏和徐文慧（2015）利用RHtests V4对天津市日气温序列进行了非均一性检验及订正， 指出气象台站迁移是最低气温出现断点的主要原因， 而观测自动化对气温序列的非均一性影响较小。张瑶等（2023）研究指出， 台站迁移和环境变化是黑龙江省气温长序列资料非均一的主要原因。Li and Yan（2010）研究发现， 是否使用元数据对北京地区气温资料非均一断点的检验结果影响较小。
尽管中国已在不同区域开展了诸多气温长序列资料的非均一性研究， 但针对湖北省的研究仍较缺乏。查阅元数据发现， 1961年以来， 湖北省86.6%的国家级气象站进行过1次以上迁站， 由于观测制度的调整， 2000年之后分批次实施观测自动化， 均加大了气温长序列资料非均一的可能性。为准确评估湖北省气候变化特征， 本研究运用RHtests V4软件（Wang et al， 2007； Wang， 2008）， 结合各台站元数据信息， 对1961 -2024年湖北省最高、 最低气温序列进行非均一性检验及订正， 以期得到更为接近实况的最高、 最低气温长序列资料， 并在此基础上分析了年、 季平均最高、 最低气温序列的非均一性影响， 为准确评估农业、 水资源和生态系统对气候变化的响应能力提供数据支撑。
2 资料来源与方法介绍
2.1 资料来源
气象资料来源于湖北省气象局74个国家气象观测站1961 -2024年的未根据元数据信息和并行观测进行订正的逐日最高和最低气温资料， 该资料经过严格质控； 元数据包含气象台站迁移（图1）、 观测方式变更等信息来源于湖北省气象档案馆； 地理信息数据来源于资源环境科学数据平台（https： //www.resdc.cn/Default.aspx）。文中涉及的地图是基于中华人民共和国自然资源部地图技术审查中心标准地图服务系统下载的审图号为GS（2020）4619号的中国地图制作， 底图无修改。依据气象季节规定， 3 -5月为春季、 6 -8月为夏季、 9 -11月为秋季、 12月至次年2月为冬季。
2.2 研究方法
2.2.1 非均一性检验方法
基于RHtests V4软件中的惩罚最大F检验和惩罚最大t检验， 对湖北省气温长序列资料进行非均一性检验。惩罚最大F检验可以不使用参考序列， 能够有效避免参考序列的非均一性导致检验结果出现偏差； 惩罚最大t检验是把临近的一个或多个气象台站的气温序列拟合为一个参考序列， 将待检站气温序列中显著异于局地气候的信号判定为不连续点， 对水平距离较近、 海拔差较小的气象台站气象要素的非均一性检验具有较好的适用性（赵美艳等， 2018）。两种检验方法通过引入数据序列滞后一阶自相关修正项， 有效降低了检验误差， 其中包含的多元线性回归算法， 在有效降低误检率的同时， 提高了序列两端数据非均一性的检验能力（李琰等， 2018）。
由于观测任务的调整， 湖北省部分台站观测次数由3次变更为5次， 为避免观测次数的差异导致日平均气温的计算方法发生改变， 进而增加其非均一的可能性， 本研究仅对最高和最低气温序列进行非均一性检验及订正， 在一定程度上避免了对日平均气温、 日最高和最低气温序列进行非均一性处理的结果出现逻辑错误的可能性（司鹏和徐文慧， 2015）。
2.2.2 参考序列的建立
对气温序列进行非均一性检验， 建立均一的参考序列至关重要。由于日尺度气温序列波动较大， 若仅对日气温序列进行非均一性检验， 结果易出现偏差。因此， 本研究建立年、 月、 日3种尺度的参考序列进行显著断点的检验， 依据综合判定的显著断点对日气温序列进行断点的订正。
（1） 年、 月尺度参考序列的建立
选用RHtests V4软件中的惩罚最大F检验， 参考气象台站元数据信息， 对1961 -2024年湖北省74站年、 月尺度的最高和最低气温序列进行非均一性检验， 剔除其在0.01和0.05两种显著性水平下均出现显著断点的气象台站。在剩余的台站中参考邻站选取法（任国玉等， 2010）确定参考站， 将待检站定义为圆心、 半径200 km的圆内与该待检站海拔差小于100 m， 且与其气温序列的Pearson相关系数≥0.9的台站选为该待检站的参考站， 同时限定参考站的时间序列包含待检站的时间序列， 一个待检站一般选取2~4个参考站。依据加权平均法， 将参考站的气温序列拟合为待检站的年、 月尺度的参考序列， 各参考站的权重为其与待检站气温序列相关系数的平方。待检站与参考站之间的距离公式为：
式中： A 1、 A 2分别为待检站和参考站； y1 、 x 1为A 1站点的经度和纬度； y 2、 x 2为A 2站点的经度和纬度； R为地球半径（6371 km）。
（2） 日尺度参考序列的建立
局地天气的扰动对相邻气象台站日尺度气温序列的影响具有不一致性， 多个相邻台站拟合的参考序列可能会平滑掉部分天气过程的影响， 进而降低非均一性检验结果的可靠性（赵美艳等， 2018）。因此， 在待检站年、 月尺度的参考站中选取与该待检站日气温序列Pearson相关系数最高的单个台站作为日尺度气温序列的参考站， 从而使非均一性分析的可行性更高。
2.2.3 显著断点的判断与订正
采用RHtests V4软件中的惩罚最大t检验， 在信度0.05的显著性水平下， 对1961 -2024年湖北省74站的年、 月、 日尺度的最高气温和最低气温序列进行非均一性检验， 保留两类断点， 一类为在年或月气温序列中检出的有元数据支持的显著断点， 并限定该断点与待检站元数据记录时间差小于一年， 依据元数据时间信息替换该断点在日气温序列中的位置； 另一类为无元数据支持， 但在年（或月）与日气温序列中均检出的同一年份的显著断点， 依据日气温序列的断点时间判定断点位置。运用分位数匹配法（Quantile-Matching， QM）（显著性水平0.05）， 在日尺度气温参考序列下， 对各台站日最高和最低气温序列的显著断点进行订正。QM方法能够有效处理台站迁移等原因对气温序列造成的系统性偏差和分布形态的变化， 通过调整使订正后的气温序列在显著断点前后具有一致的概率分布， 目前对气温、 降水、 风速等气候资料的非均一性订正效果较好（潘蔚娟等， 2021）。
2.2.4 非均一性偏差及贡献率
为定量评估气温序列的非均一性影响， 参考张玉翠等（2025）关于气温序列城市化影响的研究方法， 定义非均一性偏差和非均一性贡献率。非均一性偏差为原始气温序列与订正后的均一性气温序列气候倾向率的差值， 计算公式为：
式中： 为非均一性偏差； Tr 、 Tu 分别为原始气温序列r以及订正后的均一性气温序列u的气候倾向率［单位： ℃·（10a）-1］。
非均一性贡献率是指原始气温序列变化趋势中由非均一性引起的气温序列变化趋势所占的比率， 即：
式中： Eru 为非均一性贡献率， 当Tr >Tu 时， Eru >0， 说明非均一性导致气温序列变化速率被高估； 当Tr =Tu 时， Eru =0， 说明非均一性对气温序列无影响； 当Tr <Tu 时， Eru <0， 说明非均一性导致气温序列变化速率被低估。将Eru >100%视同Eru=100%， Eru<-100%视同Eru=-100%。
3 结果与分析
3.1 非均一性检验结果分析
非均一性检验后， 1961 -2024年湖北省最低气温序列出现显著断点的台站数和断点总数均高于最高气温序列， 最高、 最低气温序列分别有32站、 45站检测出显著断点， 占总台站数的43.2%和60.8%； 就断点数量而言， 最低气温序列共检测出58个显著断点， 较最高气温序列多20个。气象台站迁移情况较为复杂， 可能包含台站经纬度和海拔变化、 观测环境改变、 仪器更新等的一种或多种情况， 是气温序列非均一性成因分析的主要因素。统计发现， 湖北省最高、 最低气温序列分别有31.6%和36.2%的断点由迁站所致， 说明最低气温对台站迁移较最高气温更为敏感； 而2000年之后的观测自动化对气温序列的非均一性影响较弱， 由其引起的显著断点在最高气温序列有4个， 最低气温序列有2个。
空间分布上， 湖北省东部台站的断点数量多于西部台站（图2）。非均一的最高和最低气温序列普遍存在1个显著断点， 仅6站最高气温序列各出现2个显著断点， 主要位于湖北省东南部及西南部的宜昌南部； 有8站最低气温序列各出现2个显著断点， 主要位于湖北省东南部及西部的十堰南部、 襄阳东南部、 宜昌南部和荆州西部。鄂州站最低气温序列的显著断点最多， 达4个， 其中3个由迁站所致， 1个由观测自动化所致。研究时段内， 鄂州站共进行了6次迁站， 由迁站导致的显著断点占其总断点数的66.7%， 说明台站迁移对气温序列的非均一性有较大影响。
3.2 湖北省年气温序列的非均一性影响
3.2.1 区域年气温序列的非均一性影响
非均一性订正后， 1961 -2024年湖北省年平均最低气温的降幅略高于年平均最高气温。原始气温资料的年平均最高气温为21.35 ℃， 非均一性订正后为21.34 ℃， 下降了0.01 ℃； 年平均最低气温则由12.77 ℃降至12.74 ℃， 下降了0.03 ℃。非均一性订正前、 后， 湖北省年平均最高、 最低气温序列均呈显著增温趋势（显著性水平0.01）。非均一性订正后， 年平均最高气温增温速率略有下降， 由订正前的0.238 ℃·（10a）-1降至0.236 ℃·（10a）-1（图3）， 即气温资料的非均一性导致年平均最高气温的增温速率被高估了0.002 ℃·（10a）-1， 高估比例约0.84%； 而年平均最低气温增温速率由订正前的0.272 ℃·（10a）-1升至0.273 ℃·（10a）-1， 升高了0.001 ℃·（10a）-1， 低估比例约为0.37%。总体来说， 气温资料的非均一性对湖北省年平均最高气温增温速率的影响略高于年平均最低气温。
图3 1961 -2024年湖北省原始资料和均一资料的年平均最高（a）、 最低（b）气温变化Fig.3 The variation of the original and homogenized annual average maximum （a） and minimum （b） temperatures in Hubei Province from 1961 to 2024.y O， y H indicate original and homogenized temperature series respectively y O、 y H分别表示原始气温序列和均一气温序列 |
3.2.2 各台站年气温序列的非均一性影响
气温资料的非均一性主要影响气温序列的线性变化趋势及其显著性（卢晓晶等， 2024）。非均一性订正前、 后， 除宜昌秭归站外， 1961 -2024年湖北省各台站年平均最高、 最低气温序列均呈增温趋势， 且呈显著（显著性水平0.01）增温趋势的台站无变化， 分别为57站和68站。非均一性导致18站的年平均最高气温变化速率被高估， 占高温出现断点总台站数的56.3%， 主要分布在湖北省西部及东南部（图4）， 平均非均一性偏差为0.025 ℃·（10a）-1， 贡献率为1.15%， 其中黄石阳新站、 恩施宣恩站和十堰竹溪站被明显高估， 高估幅度超0.05 ℃·（10a）-1； 14站的年平均最高气温变化速率被低估， 占高温出现断点总台站数的43.7%， 主要分布在湖北省中部和北部， 平均非均一性偏差为-0.014 ℃·（10a）-1， 贡献率为-0.54%， 其中武汉黄陂站和黄石大冶站被明显低估， 低估幅度约0.03 ℃·（10a）-1。
非均一性订正后， 23站和22站的年平均最低气温变化速率分别被高估和低估， 占低温出现断点总台站数的51.1%和48.9%， 平均非均一性偏差为0.013 ℃·（10a）-1和-0.030 ℃·（10a）-1， 贡献率为0.45%和-1.24%。鄂州站和宜昌南部的五峰站年平均最低气温增温速率下降最明显， 降幅为0.04~0.05 ℃·（10a）-1， 而宜昌西部的秭归站气温变化速率上升最明显， 增幅为0.11 ℃·（10a）-1。可见， 各台站中年平均最低气温变化速率被显著低估的程度明显高于年平均最高气温， 这可能是由城市化对年平均最低气温的影响高于年平均最高气温导致的（李宇等， 2022）。
3.3 湖北省四季气温序列的非均一性影响
3.3.1 区域四季气温序列的非均一性影响
非均一性订正后， 1961 -2024年湖北省夏季平均最高气温降低了0.02 ℃（表1）， 而春、 秋、 冬季平均最高气温均有所上升， 其中冬季升温较明显， 增幅为0.03 ℃， 春、 秋季增幅均为0.01 ℃。非均一性订正前、 后， 各季节平均最高气温均呈增温趋势， 其中春、 秋季分别通过了0.01和0.05信度的显著性检验， 而夏、 冬季增温趋势不显著。非均一性订正后， 各季节平均最高气温增温速率变化微弱， 其中春季变化最弱， 非均一性贡献率仅0.03%； 夏、 秋、 冬季增温速率变幅为0.001~0.003 ℃·（10a）-1， 其中秋、 冬季均被低估， 且冬季的非均一性影响最显著， 贡献率为-1.97%， 低估比例较秋季高0.59%。
表1 1961 -2024年湖北省四季气温变化及非均一性影响Table 1 The variation and inhomogeneity effect of the temperature in four seasons in Hubei Province from 1961 to 2024 |
| 季节 | 平均最高气温 | 平均最低气温 | ||||||
|---|---|---|---|---|---|---|---|---|
| 原始资料 /℃ | 均一资料 /℃ | 非均一性偏差/［℃·（10a）-1］ | 非均一性贡献率/% | 原始资料 /℃ | 均一资料 /℃ | 非均一性偏差 /［℃·（10a）-1］ | 非均一性贡献率/% | |
| 春季 | 21.38 | 21.39 | 0.0002 | 0.03 | 12.18 | 12.19 | 0.0008 | 0.26 |
| 夏季 | 31.61 | 31.59 | 0.0014 | 1.64 | 23.15 | 23.13 | 0.0005 | 0.27 |
| 秋季 | 22.31 | 22.32 | -0.0033 | -1.38 | 13.64 | 13.63 | 0.0015 | 0.50 |
| 冬季 | 9.84 | 9.87 | -0.0034 | -1.97 | 1.80 | 1.82 | -0.0013 | -0.42 |
非均一性订正后， 夏季平均最低气温的变幅与平均最高气温一致， 降低了0.02 ℃， 冬季升高了0.02 ℃； 春、 秋季变幅略小， 春季升高了0.01 ℃， 秋季降低了0.01 ℃。非均一性订正前、 后， 春、 秋、 冬季平均最低气温序列均呈显著增温趋势（显著性水平0.01）， 而夏季的增温趋势不显著。非均一性订正后， 各季节平均最低气温增温速率变化较小， 其中春、 夏、 秋季均被高估， 非均一性偏差均低于0.0020 ℃·（10a）-1， 且以秋季的非均一性影响最显著， 贡献率为0.50%； 冬季增温速率被低估了0.0013 ℃· （10a）-1， 非均一性贡献率为-0.42%。春季平均最高、 最低气温的非均一性偏差及贡献率均较低， 表明春季气温的非均一性影响较弱。春季为冬、 夏季过渡期， 极端高、 低温频次和强度低于夏、 冬季， 这降低了极端气温条件下仪器误差和观测环境变化引起气温序列非均一的可能性； 冬季平均最高、 最低气温增温速率均被低估， 表明冬季的实际趋暖现象要更明显。
3.3.2 各台站四季气温序列的非均一性影响
非均一性订正前、 后， 1961 -2024年湖北省各台站四季气温序列的增、 降温速率总体变化较小， 除宜昌秭归站外， 其余台站在春、 秋、 冬季平均最高和最低气温均呈增温趋势。资料的非均一性导致春季平均最高气温变化速率被高估的台站为15站、 被低估17站， 被高估、 低估程度总体相当， 均为0.002 ℃·（10a）-1（表2）， 其中湖北省东南部被显著高估了0.003~0.006 ℃·（10a）-1（图5）， 而孝感东南部、 武汉东北部被显著低估了0.003 ℃·（10a）-1。秋、 冬季分别有29站和31站的平均最高气温变化速率被低估， 占高温出现断点总台站数的90.6%和96.9%， 平均非均一性偏差分别为-0.005 ℃·（10a）-1和-0.004 ℃·（10a）-1， 贡献率分别为-2.56%和-2.32%， 其低估比例显著高于春季、 夏季。秋季十堰中南部平均最高气温变化速率被显著低估了0.015 ℃·（10a）-1， 而黄石东部被显著高估了0.004 ℃·（10a）-1； 冬季宜昌西北部、 黄石中东部被显著低估了0.007~0.008 ℃·（10a）-1， 仅孝感西部的应城站被高估， 非均一性偏差为0.004 ℃·（10a）-1。
表2 1961 -2024年湖北省各台站四季气温序列变化速率被高估和低估的非均一性影响Table 2 The inhomogeneity effect on the variation rates overestimated and underestimated of the temperature series in four seasons in all stations of Hubei Province from 1961 to 2024 |
| 季节 | 平均最高气温 | 平均最低气温 | ||||||
|---|---|---|---|---|---|---|---|---|
| 非均一性偏差/［℃·（10a）-1］ | 非均一性贡献率/% | 非均一性偏差/［℃·（10a）-1］ | 非均一性贡献率/% | |||||
| 被高估 | 被低估 | 被高估 | 被低估 | 被高估 | 被低估 | 被高估 | 被低估 | |
| 春季 | 0.002 | -0.002 | 0.39 | -0.33 | 0.002 | -0.001 | 0.73 | -0.53 |
| 夏季 | 0.003 | -0.001 | 3.57 | -1.28 | 0.001 | -0.002 | 1.12 | -2.03 |
| 秋季 | 0.002 | -0.005 | 0.78 | -2.56 | 0.003 | -0.005 | 1.76 | -2.37 |
| 冬季 | 0.004 | -0.004 | 1.64 | -2.32 | 0.001 | -0.002 | 0.40 | -0.88 |
图5 1961 -2024年湖北省各台站春季（a）、 夏季（b）、 秋季（c）、 冬季（d）平均最高气温非均一性偏差的空间分布［单位： ℃·（10a）-1］Fig.5 The spatial distribution of inhomogeneity biases of the average maximum temperatures of all stations in spring （a）， summer （b）， autumn （c）， winter （d） in Hubei Province from 1961 to 2024.Unit： ℃·（10a）-1 |
夏季平均最高气温的非均一性影响与其他三季区别显著。非均一性订正前、 后， 各台站升、 降温趋势未发生改变， 呈升温趋势的台站为66站， 显著低于春、 秋、 冬季， 8站呈降温趋势。有20站被高估了0.003 ℃·（10a）-1， 被高估台站数显著多于其他季节， 非均一性贡献率为3.57%， 高估比例同样高于春、 秋、 冬季， 表明在一定程度上， 气温资料的非均一性可能导致极端高温更高， 其中十堰南部、 神农架、 宜昌西北部被显著高估了0.004~0.010 ℃·（10a）-1； 有12站被低估了0.001 ℃·（10a）-1， 其中恩施南部被显著低估了0.006 ℃·（10a）-1。由上述分析可知， 各台站中秋季平均最高气温变化速率被显著低估的程度明显高于其他季节。
非均一性订正后， 春、 夏、 秋季平均最低气温变化速率被高估的台站数相差不大， 分别为28站、 25站和29站， 冬季仅14站被高估。各季节被高估和低估的程度总体较小， 其中秋季最大， 非均一性偏差分别为0.003 ℃·（10a）-1和-0.005 ℃·（10a）-1（表2）， 非均一性贡献率分别为1.76%和-2.37%， 其影响程度略高于夏季， 显著高于春、 冬季， 其中十堰西部被显著高估了0.018 ℃·（10a）-1（图6）， 而宜昌西部的秭归站被显著低估了0.034 ℃·（10a）-1。春、 夏、 冬季被高估、 低估的程度相差不大， 变幅仅0.001~0.002 ℃·（10a）-1。湖北省西部台站夏季平均最低气温变化速率多被低估， 秭归站被显著低估了0.009 ℃·（10a）-1； 各台站春、 冬季平均最低气温变化速率被高估和低估的程度总体较小， 其中冬季多被低估， 武汉北部被显著低估了0.008 ℃·（10a）-1， 而荆州中部为被显著高估的区域， 非均一性偏差仅0.003 ℃·（10a）-1。可见， 资料的非均一性对各季节气温序列变化速率的影响均有差异， 且不能被忽略， 尤其是秋季。
图6 1961 -2024年湖北省各台站春季（a）、 夏季（b）、 秋季（c）、 冬季（d）平均最低气温非均一性偏差的空间分布［单位： ℃·（10a）-1］Fig.6 The spatial distribution of inhomogeneity biases of the average minimum temperatures of all stations in spring （a）， summer （b）， autumn （c）， winter （d） in Hubei Province from 1961 to 2024.Unit： ℃·（10a）-1 |
3.4 非均一性影响最显著的台站分析
宜昌秭归站为年、 季气温序列非均一性影响最显著的台站。秭归站地处山区， 于1998年1月1日进行了迁站， 迁站后海拔295.5 m， 较迁站前高145.0 m， 海拔差较大， 加之复杂的山地地形及差异的城市化影响， 导致迁站前后气温变幅较大。迁站前、 后， 该站基于原始和均一的气温资料的年、 季气温序列均呈增温趋势， 而1961 -2024年， 非均一性订正前、 后， 其年、 季气温序列均呈降温趋势， 就其年平均最低气温而言， 降温速率为-0.151 ℃·（10a）-1和-0.142 ℃·（10a）-1（图7）。与迁站前相比， 迁站后该站原始和均一的气温资料的年平均最低气温均下降了0.81 ℃。因此， 可以认为台站迁移是1961 -2024年秭归站气温序列呈降温趋势的主要原因。就其秋季平均最低气温而言， 非均一性导致其变化速率被低估了0.034 ℃·（10a）-1， 非均一性贡献率为-23.42%。非均一性订正前， 迁站前、 后其增温速率分别为0.039 ℃·（10a）-1和0.425 ℃·（10a）-1， 非均一性导致迁站前其增温速率被低估了0.110 ℃·（10a）-1， 迁站后被高估了0.012 ℃·（10a）-1， 非均一性贡献率分别为-100%和2.36%， 说明其增温速率被低估是完全由资料的非均一性导致的。因此， 台站迁移也是秭归站气温序列出现非均一性的主要原因。
图7 1961 -2024年秭归站迁站前、 后原始资料和均一资料的年及秋季平均最低气温变化 yO、 yH分别表示原始气温序列和均一气温序列； yOB、 yOA分别表示迁站前、 后原始气温序列； yHB、 yHA分别表示迁站前、 后均一气温序列Fig.7 The variation of the annual and autumn average minimum temperatures based on original and homogenized data in Zigui station before and after station relocation from 1961 to 2024.yO， yH indicate original and homogenized temperature series respectively； yOB， yOA indicate original temperature series before and after station relocation respectively； yHB， yHA indicate homogenized temperature series before and after station relocation respectively |
4 讨论
气温资料非均一性订正的关键是选取可靠的参考序列， 而目前绝对均一的参考序列的建立较为困难， 本研究参照邻站选取法进行年、 月尺度参考站的选取， 最大程度地避免了区域气候差异、 海拔差对气温的影响， 且保证了参考站与待检站气温资料的高度相关性； 同时， 限定参考站在0.01和0.05两种显著性水平下均无显著断点， 充分保证了参考站的相对均一性。湖北省最低气温对台站迁移较最高气温更为敏感， 而观测自动化对气温序列的非均一性影响较弱， 这与高庆九等（2018）的研究结论一致。
非均一性订正后， 1961 -2024年湖北省年平均最高、 最低气温分别下降了0.01 ℃和0.03 ℃， 这与相邻的河南省气温变化特点相近（姬兴杰等， 2021）， 说明所选取的研究方法较为合理， 非均一性订正结果较为可靠。湖北省年、 季气温序列的趋势偏差总体较小， 为0.001~0.003 ℃·（10a）-1， 这可能是因为非均一性订正后， 不同台站的年、 季平均最高、 最低气温序列趋势偏差不一， 且有正有负， 各台站平均后趋势偏差有不同程度的抵消， 造成基于原始和均一资料估算的年、 季平均最高、 最低气温的变化速率相差较小。研究得出， 秭归站秋季平均最低气温增温速率被低估了0.034 ℃·（10a）-1， 其影响程度显著高于区域秋季平均最低气温， 表明气温资料的非均一性对部分小尺度区域的影响程度显著高于大尺度区域， 卢晓晶等（2024）对淮河流域的研究也得出了相同结论， 因此应谨慎选取单站为代表进行区域气温变化分析。
中国气象台站元数据信息普遍存在记录不够完整的现象（张瑶等， 2023）， 加之数据处理能力及断点选取标准的差异， 在气温序列非均一性检验及订正过程中， 即使严格按照相同方法进行数据分析， 相同气候资料的处理结果也可能存在差异， 因此只能说订正后的气温序列是相对均一的。未来阶段补充气象台站元数据信息的完整性、 建立数据处理及断点选取的统一标准是气候资料非均一性研究应重点完善的工作。
5 结论
本研究利用RHtests V4软件， 对1961 -2024年湖北省最高和最低气温序列进行了非均一性检验和订正， 并分析了年、 季平均最高和最低气温序列的非均一性影响， 得到以下主要结论：
（1） 1961 -2024年湖北省有43.2%的气象台站最高气温序列和60.8%的台站最低气温序列表现出非均一性； 非均一性导致年平均最高气温的增温速率被高估了0.002 ℃·（10a）-1， 年平均最低气温被低估了0.001 ℃·（10a）-1， 非均一性贡献率分别为0.84%和-0.37%， 被高估的台站数多于被低估的台站数， 且各台站中年平均最低气温变化速率被显著低估的程度明显高于年平均最高气温。
（2） 非均一性订正后， 1961 -2024年湖北省平均最高、 最低气温在夏、 冬季变幅为0.02~0.03 ℃， 春、 秋季变幅为0.01 ℃； 各季节气温序列变化速率被高估、 低估程度总体较弱， 其中春季最弱， 而冬季平均最高气温、 秋季平均最低气温的非均一性影响最显著， 贡献率分别为-1.97%和0.50%； 各台站中秋季平均最高气温变化速率被显著低估的程度、 平均最低气温变化速率被显著高估和低估的程度明显高于其他季节。
（3） 秭归站为年、 季气温序列非均一性影响最显著的台站， 台站迁移是其气温序列出现非均一性的主要原因， 其秋季平均最低气温变化速率被低估了0.034 ℃·（10a）-1， 非均一性贡献率达-23.42%。