降水是研究区域和全球气候变化的基本要素之一，也是地表与大气间能量与水循环过程的重要组成部分。在气候变暖的背景下，全球范围内的降水变化存在明显的区域特征（Trenberth et al., 2003）。近60年来，中国大陆地区的降水强度普遍增大（吴福婷和符淙斌，2013），降水日数在西部与华南地区增加、华北一带减少，这些变化特征导致较干旱的华北地区愈加干旱，而多雨的华东和华南地区洪涝事件愈加频繁发生（叶柏生等，2004）。此外，降水的区域变化特征在不同的时期也表现不一（李崇银等，2002），例如，西北地区气候从19世纪以来100年左右的时间段内一直处于波动性变暖变干的过程，到了1987年起则转为暖湿气候特征，降水量持续增加（施雅风等, 2002, 2003）；华北一带的气候类型从20世纪70年代后期开始由湿转向干，降水量发生显著减少（马柱国，2007）。对降水长期变化的研究需要依赖详实可靠的降水数据，其最主要来源之一是气象台站的观测，而台站通常建立在地势较平坦、气候条件较好的地区，导致台站的空间分布不均，且各站的建站时间不同、数据缺测情况不一等，都给直接利用台站资料进行气候变化研究带来了很多困难。就中国而言，台站观测主要开始于1950年以后，站点集中分布在地势较平坦（地势高度小于1000 m）、人口较密集的东部地区。对于中国东部降水特征的研究尚且能够基于站点观测资料进行，得到的研究结果也较有意义（吕俊梅等，2014；金炜昕等，2015）；也有不少研究站点观测资料对整个中国大陆地区的降水变化特征进行评估（王英等，2006；虞海燕等，2011；Ma et al., 2015），但评估结果对于青藏高原和西北地区不确定性很大，主要原因是这些地区的观测站点很少、降水资料稀缺。对西北和青藏高原一带气候变化研究来说，除了利用有限测站观测降水数据，通常还配合使用冰川消融数据、径流数据和内陆湖泊水位数据等（施雅风等, 2002, 2003），或气候模式模拟数据、卫星数据等（卓嘎等，2002；高荣等，2008；张杰等，2008）来分析研究降水特点。目前，国际上发展了一些格点化观测降水数据用来填补站点观测的降水资料不足（例如空间分布不均、资料缺测情况不一等）（Yatagai et al., 2009；Harris et al., 2014；Schneider et al., 2014），同时基于中国站点观测资料，国内学者也发展了一些格点化的降水数据，例如，吴佳和高学杰（2013）根据全国2000余站点资料建立的CN05.1格点资料集；王绍武等（2000）基于我国110°E以东的35个站1880~1998年的降水观测记录和史料建立的一套完整的四季以及年的降水量序列等。这些资料被广泛应用于气候变化、模式评估、气候灾害等方面的研究中（吕俊梅等，2009；Ma et al., 2009；吕少宁等，2011；蔡榕硕，2012；韩振宇和周天军，2012；王芬等，2013）。

英国东英吉利（East Anglia）大学的气候研究中心（Climatic Research Unit，CRU）（Harris et al., 2014）和美国全球降水气候中心（Global Precipitation Climatology Centre，GPCC）（Schneider et al., 2014）的降水资料是当前应用最广泛的两套全球格点化的陆面降水资料，二者都是以全球气象站点观测数据为基础构建，且具有时间序列长（1901~至今）、空间分辨率较高[0.5°（纬度）×0.5°（经度）]等特点。但由于两套数据所用的站点数据数量和质量不同，以及格点化所用方法不同，使得两套资料对于不同地区的降水特征描述存在一定的差别，而这些差别会直接对使用这些降水资料的研究结果造成很大的影响，例如Trenberth et al.（2014）利用多种降水数据求得全球的帕尔默干旱指数（Palmer drought severity index，PDSI）发现，20世纪80年代以后各降水数据算得的PDSI发生很大的分歧，其中CRU数据算得的PDSI表现出大幅的增加趋势，并在2000年左右出现正值，与其余数据所得的干旱变化趋势结论相反；在IPCC（Intergovernmental Panel on Climate Change）报告中，利用全球历史气候网（Global Historical Climatology Network，GHCN）、GPCC和CRU降水数据来评估全球多年降水趋势的变化，发现在1951~2010年亚洲东部地区，CRU降水基本为减小趋势，而GPCC在长江中下游及以南地区降水呈增加趋势（IPCC，2013）。可见，在区域尺度上利用上述全球格点降水数据之前，有必要检验它在该区域的适用性。对GPCC与CRU在中国大陆地区使用的可靠性，已有学者做过一些相关评估，例如，姜贵祥和孙旭光（2016）评估了1951~2010年多个格点化的全球降水资料对我国东部地区（105°E以东）夏季降水变率特征方面的描述能力，从经验正交函数模态分解、降水的年代际变化特征和降水周期的经向分布等方面分析后发现，GPCC皆与观测结果最为接近；Sun et al.（2014）发现GPCC与CRU在1950之前的年降水量变化有较大差异，且从1962~2010年与中国地区实测降水数据进行相关系数、标准差和偏差等方面的比较表明，GPCC相较于CRU更适用于中国大陆地区。由于气候变化的研究通常需要使用百年以上长时间序列的资料，因此需要对更长时间序列的资料进行适用性评估，所以本文主要利用113年（1901~2013年）的站点实测降水数据，更细致地从不同的时间尺度和区域范围评估CRU与GPCC降水数据过去一百余年在中国大陆地区的适用性，为今后中国大陆地区的气候变化研究中降水资料的选择提供一个科学可靠的参考依据。

由美国能源部（DOE）与中国科学院（CAS）联合编辑的中国气象观测资料（Kaiser，1991），包括两个长期仪器记录的气候数据库，分别为：65个较早（1950年之前）建站的气象台站数据和205个大部分在1950年以后建站的气象台站数据。本文选择建站时间相对较早的65个台站上的气候数据库作为参考数据，该数据中包括气压、气温、降雨量、相对湿度等14个气象变量，各台站的建站时间不尽相同，其中有13个台站在1900年之前建立，其余各台站则是在1900~1960期间陆续开始观测工作的，所有台站的观测记录，均截至1993年。图 1给出了65个站点分布地理位置及海拔高度。

图 1

Fig. 1

图 1 长期仪器记录的气候数据库中65个气象台站的分布和地形高度（单位：m）。黑线矩形框将全国分为7个区域：西北地区（NW：35.75°N~49.25°N，73.75°E~108.75°E）、西南地区（SW：21.25°N~35.75°N，97.75°E~108.75°E）、东北地区（NE：42.25°N~53.75°N，108.75°E~135.25°E）、华北地区（NC：35.25°N~42.25°N，108.75°E~128.75°E）、长江流域（YZ：27.75°N~35.25°N，108.75°E~123.25°E）、华南地区（SE：18.25°N~27.75°N，108.75°E~120.25°E）、青藏高原地区（TIBET：26.75°N~35.75°N，77.25 °E~97.75°E） Fig. 1 Locations of 65 rain gauge stations for long-term observations in the climatic database of China and their elevations (m). The black boxes indicate the seven subregions of China: Northwest China (NW: 35.75°N-49.25°N, 73.75°E-108.75°E), Southwest China (SW: 21.25°N-35.75°N, 97.75°E-108.75°E), Northeast China (NE: 42.25°N-53.75°N, 108.75°E-135.25°E), North China (NC: 35.25°N-42.25°N, 108.75°E-128.75°E), the Yangtze River valley (YZ: 27.75°N-35.25°N, 108.75°E-123.25°E), Southeast China (SE: 18.25°N-27.75°N, 108.75°E-120.25°E), and Qinghai-Tibet Plateau (TIBET: 26.75°N-35.75°N, 77.25°E-97.75°E)

基于中国2400余个地面气象台站的逐日观测资料，吴佳和高学杰（2013）利用距平逼近法（New et al., 2000）构建了一套中国区域的格点化观测数据集。该数据集包括逐月降水、日平均和最高和最低温度等变量，时间长度为1961~2014年，目前有1°（纬度）×1°（经度）、0.5°（纬度）×0.5°（经度）和0.25°（纬度）×0.25°（经度）三种水平空间分辨率版本。该数据涵盖了整个中国大陆区域，且具有较高的空间分辨率，能相对准确地表示各气象变量的实际变化情况（Zhou et al., 2016）。CN05.1也是当前最精确的中国区域格点化近地面气象场资料。本文选择0.5°（纬度）×0.5°（经度）水平空间分辨率，时间长度在1961~2013的逐月降水资料。

CRU高分辨率格点化数据集是目前全球使用最为广泛的近地面气候数据集之一。该资料首先选择1961~1990年的气候平均值计算整个时间段各站点的异常值，通过薄板样条插值法插值异常值到格点，再叠加上气候平均值最终得到格点资料（Harris et al., 2014）。CRU数据集包含平均温度、温度日较差、降水、霜天和露天频率、水汽压和云量等气候变量。本文使用的CRU TS v3.23（CRU Time series version 3.23）是2015年6月最新发布的版本，数据时间覆盖率为1901~2014年，水平分辨率为0.5°（纬度）×0.5°（经度），较之前的版本相比，新版本更新了2014年的数据，并且增加了一些新站点观测的降水和温度数据。本文选取CRU TS v3.23数据集中的月均降水数据，时间覆盖范围为1901~2013年。

GPCC降水数据的构建是基于全球大约85000个观测站点（其中包括气象观测站点、水文监测站点以及从CRU、GHCN Vision 2、FAO（Food and Agriculture Organization of the United Nations）数据产品收集的站点和一些区域资料集，通过SPHEREMAP插值方法得到全球陆地格点化的降水数据集（Becker et al., 2013）。GPCC降水数据集最大的优势在于它所利用的全球站点数远超过其它同类型的资料集（Schneider et al., 2014），它的水平空间分辨率包括0.5°（纬度）×0.5°（经度）、1.0°（纬度）×1.0°（经度）和2.5°（纬度）×2.5°（经度）三种。本文使用2015年发布的最新版本的降水资料GPCC（Full Data Reanalysis Version 7），水平空间分辨率选择0.5°（纬度）×0.5°（经度），时间覆盖率为1901~2013年。为了方便叙述，文中将几种资料分别简称为CRU、GPCC和CN05.1，65个长期记录台站的仪器测量资料简称为STA。

本文主要对降水资料之间进行空间偏差、相关系数以及降水量的长期线性变化趋势方面的分析，比较CRU和GPCC降水资料与参考资料间在季节、年际和年代际时间尺度上的差别。由于受参考资料长度的限制，本文的分析将分为两个时间段进行讨论：（1）1961~2013年，利用CN05.1降水资料，在不同区域对CRU和GPCC降水进行评估分析；（2）1901~1961年，利用65台站个长期仪器记录资料，在各个台站上对CRU和GPCC降水资料进行评估比较。其中，对于1901~1961年的数据比较，由于站点数量较少且分布稀疏，所以我们先将格点数据插值到站点，再在各站点进行资料间的相互比较。在插值方法的选择上，我们将两类较为常用的插值方法——反距离加权插值法与双线性插值法的插值结果与站点实测值做简单的比较，发现双线性插值的结果与实测值更为接近，因而本文选择将格点数据利用双线性插值法插值到各站点。因为65个台站的建站时间不同，资料长短不一，而且存在很多的缺测值，所以不能进行完整的季节平均运算，故本文将每年的1月和7月的降水值分别代表该年的冬季和夏季；在1961~2013年的数据比较中，CN05.1为格点资料且时间序列完整，所以对这个时段的季节分析，使用的季节降水值分别为各季节的3个月份的降水平均值，例如，冬季（12、1和2月，简称DJF），夏季（6、7和8月，简称JJA）。此外，下文中所出现的区域平均均采用面积加权平均方法计算所得。为了便于区域比较，本文依据气候变化特征分布，将中国地区分为图 1所示7个区域（Ma et al., 2015）。

图 2是1961~2013年期间CRU和GPCC分别与CN05.1的多年年均和季节平均降水的偏差空间分布图。从图中可以看出，年际和夏、冬两季的降水偏差通过t检验（p=0.01）的区域主要分布在105°E以西和东北的部分地区，其中在西北地区的昆仑山脉、天山山脉、祁连山脉以及西藏高原东缘地区的多山脉地区，两套资料与CN05.01相比呈显著的负偏差，在各沙漠或盆地区域两套资料为正偏差，比较而言，GPCC的降水偏差值相对较小；此外，CRU在青藏高原南部的降水量严重偏高，与CN05.1相差甚远。105°E以东区域，除了在大、小兴安岭降水偏差较为显著以外，其余地区的降水偏差均未通过99%的信度检验，尤其是在华南长江流域一带，两套资料与CN05.1的偏差百分比均小于10%。

图 2

Fig. 2

图 2 多年平均（1961~2013年）的（a、c、e）CRU与CN05.1和（b、d、f）CPCC与CN05.1降水量的偏差（单位：mm/d，黑点表示通过99%的显著性检验）：（a、b）年均；（c、d）夏季平均；（e、f）冬季平均 Fig. 2 Spatial distributions of long-term (1961-2013) mean precipitation differences (mm/d) (a, c, e) between CRU (Climatic Research Unit) and CN05.1 data and (b, d, f) between GPCC (Global Precipitation Climatology Centre) and CN05.1 data in China: (a, b) Annual; (c, d) summer; (e, f) winter. The black dotted areas indicate the differences pass the 99% confidence level

表 1分别列出了两套检验资料与CN05.1之间的各类统计量：年均降水量、降水偏差、降水偏差绝对值的百分比、均方根误差和相关系数。在年际尺度上，以整个中国区域为例，两套检验资料分别与CN05.1的相关系数都较高，且均方根误差相较于CN05.1的年均降水量来说很小，可认为CRU、GPCC与CN05.1的降水量之间的相关性较强、空间分布差异较小。以西北、华南地区为例，综合各类统计量来比较CRU和GPCC对实际降水的估计能力：CRU的降水偏差略小于GPCC，GPCC的年均降水偏差绝对值的百分比和均方根误差均小于CRU，且GPCC与CN05.1的相关系数大于CRU与CN05.1的，这表明GPCC与CN05.1的空间降水分布较为相近，但GPCC的降水量值略低，而CRU与CN05.1在这两个区域的空间一致性不佳，平均降水偏差相对较小的原因可能是由于CRU在有些地区的降水估计偏低，而在另外一些地区偏高，通过面积加权平均后抵消了部分正负偏差。同样地，通过各统计量在其它区域的比较不难发现，相较于CRU，GPCC对中国大陆各地区的降水描述更接近CN05.1。就CRU本身而言，在华北地区的适用性优于东北地区。季节上，CRU在夏季的适用性优于冬季（相关系数在两季都在0.72左右，降水偏差百分比在夏季为33.99%，远远小于冬季的81.64%）。GPCC对两个季节的降水估计在各区域相对一致，与CN05.1在各区域的相关系数在两个季节比较接近，降水偏差百分比在冬季（43.18%）大于夏季（25.46%）。综合以上的分析，两套检验资料在夏季的适用性皆优于冬季，并且不论季节还是年际尺度，GPCC都与实际降水特征更接近。

表 1 (Table 1)

表 1 区域加权平均的各统计量：CN05.1的年均降水量、CN05.1分别与CRU和GPCC的降水偏差、降水偏差绝对值的百分比、均方根误差和相关系数 Table 1 Statistics of area-weighted averages: CN05.1 annual precipitation, precipitation deviations, percentages of absolute deviation, root-mean-square errors and correlation coefficients between CN05.1 and the two products of CRU and GPCC CN05.1年降水量/mm d-1 与CN05.1的降水偏差/ mm d-1 与CN05.1的降水偏差绝对值的百分比 与CN05.1的均方根误差/ mm d-1 与CN05.1的相关系数 CRU GPC CRU GPC CRU GPC CRU GPC 西北地区 0.48 －0.08 －0.12 40.34% 31.89% 0.18 0.15 0.68 0.80 西南地区 2.74 －0.23 －0.12 15.15% 11.01% 0.45 0.33 0.70 0.87 东北地区 1.28 －0.04 －0.06 11.28% 9.67% 0.18 0.14 0.79 0.88 华北地区 1.52 －0.06 －0.03 11.99% 8.72% 0.22 0.16 0.82 0.92 长江流域 3.22 －0.14 －0.03 9.53% 6.61% 0.39 0.26 0.82 0.94 华南地区 4.55 －0.07 －0.13 8.57% 6.86% 0.50 0.37 0.85 0.94 青藏高原地区 1.07 0.29 0.24 67.79% 59.97% 0.65 0.61 0.55 0.62 全国 1.72 －0.04 －0.04 28.84% 23.28% 0.35 0.28 0.72 0.83

表 1 区域加权平均的各统计量：CN05.1的年均降水量、CN05.1分别与CRU和GPCC的降水偏差、降水偏差绝对值的百分比、均方根误差和相关系数 Table 1 Statistics of area-weighted averages: CN05.1 annual precipitation, precipitation deviations, percentages of absolute deviation, root-mean-square errors and correlation coefficients between CN05.1 and the two products of CRU and GPCC

从年均降水距平的长时间序列看（图略），检验资料与参考资料在各区域的年均降水距平在1961~1990年期间都表现出较好的一致性，但从1991年起，CRU的降水距平值与CN05.1的降水距平值出现明显的偏差，与CN05.1的相关系数也从0.81（1961~1990年）降到0.61（1990~2013年），GPCC与CN05.1降水值的相关系数则始终稳定在0.83左右。CRU降水资料的质量在1991年之后有所下降这一现象在Trenberth et al.（2014）利用CRU、GPCC和GHCN等6个全球（60°S~75°N）陆地降水数据集来分析全球干旱变化特征时也有所体现。New et al.（2000）指出，CRU在全球的观测站点总数从1901~1980年逐年增加，但之后站点总数开始减少，并且在1990年代期间站点减少得最严重，这可能是CRU降水数据质量下降的主要原因之一。

对降水资料的多年趋势的比较能在一定程度上了解检验资料在气候变化研究中的可靠性。图 3是1961~2013年期间CN05.1、CRU和GPCC年均和季节平均降水的趋势空间分布图。从图 3a可看出，在1961~2013年，CN05.1年均降水空间变化在100°E以西地区（西北、西藏高原地区）降水呈显著增加趋势，而在100°E~110°E的四川盆地和云贵高原、以及华北地区呈减少趋势。这与已有研究得到的结论相似（李聪等，2012；吴娴等，2014）。分别对比CRU、GPCC与CN05.1的年均降水趋势发现（图 3a、3b、3c），在青藏高原的冈底斯山脉以西和东北最北端的漠河一带，两套检验资料降水趋势皆与CN05.1正负相反，具体表现为：冈底斯山脉以西检验资料表现为负趋势，且GPCC的负趋势通过显著性检验，而CN05.1为正趋势；在漠河区域，CRU与GPCC都为显著增加趋势，但CN05.1为显著的减少趋势。除此之外，在其余地区GPCC与CN05.1的年降水趋势的空间分布变化一致，只是趋势强度偏小；而CRU与CN05.1趋势依旧存在较明显的差异，对比图 3a和图 3b发现，尤其是在西北地区的阿尔金山脉、黄土高原、秦岭一带，以及东南地区与长江下游地区，CRU与CN05.01趋势的空间分布差别较大。此外，由各区域的年均降水回归系数所表示的趋势变化（表 2）可看出，CRU、GPCC与CN05.1在各区域内的降水趋势的正负一致，而具体降水趋势的大小存在差别。例如，整个中国大陆区域平均，三套资料年均降水呈增加趋势，但趋势大小有所不同，其中CN05.01（0.30 mm/a）增加最快，而CRU（0.223 mm/a）和GPCC（0.215 mm/a）增加趋势相当，但所有的线性趋势值都没有通过95%的信度检验。上述研究表明，CRU和GPCC均能较好地表现出各区域年均降水的增减，但对趋势强度的估计有一定偏差。

图 3

Fig. 3

图 3 CN05.1（左）、CRU（中）和GPCC（右）三套降水数据在1961~2013年线性趋势（单位：mm/a，黑点表示通过95%置信检验）：（a、b、c）年均降水；（d、e、f）夏季平均降水；（g、h、i）冬季平均降水 Fig. 3 Linear trends of annual mean precipitation (mm/a) during 1961-2013 from CN05.1 (left colum), CRU (middle column), and GPCC (right column) data: (a, b, c) Annual; (d, e, f) summer; (g, h, i) winter. The black dots indicate the trends pass the 95% confidence level test

表 2 (Table 2)

表 2 CN05.1、CRU、GPCC三套降水数据的区域面积加权平均的年均降水线性回归系数 Table 2 The area-weighted average of the annual precipitation's linear regression coefficients from CN05.1, CRU, and GPCC data 区域面积加权平均的年均降水线性回归系数 CN05.1 CRU GPCC 西北地区 0.52 0.38 0.57 西南地区 -0.99 -0.71 -0.80 东北地区 0.25* 0.26* 0.24* 华北地区 -0.22* -0.50 -0.66 长江流域 0.60* 0.41* 0.40* 华南地区 1.71 1.20 0.97* 青藏高原地区 0.71 0.66 0.58 全国 0.30 0.22 0.22  *表示通过95%的显著性检验

表 2 CN05.1、CRU、GPCC三套降水数据的区域面积加权平均的年均降水线性回归系数 Table 2 The area-weighted average of the annual precipitation's linear regression coefficients from CN05.1, CRU, and GPCC data

季节尺度上，CN05.1全国平均的秋季降水趋势显著减小（－0.06 mm/a），冬季则表现为显著增加趋势（0.06 mm/a），李聪等（2012）利用中国503站的降水资料分析1951~2009年季节的区域降水的年代际变化特征亦表明，近60年来各地区在秋季降水偏少趋势显著且冬季降水趋于增加。图 3是夏季和冬季的降水趋势分布图。夏季，在华北、内蒙、西南和黄土高原一带表现为显著的降水减少趋势，以华北地区减少趋势最大（－0.18 mm/a），其次为西南地区（－0.16 mm/a），而长江和黄河之间的华北平原、长江中下游以及华南的南岭一带，降水表现为较强的增加趋势（图 3d），区域平均的趋势强度均为0.47 mm/a。对比两套检验资料分别与参考资料的夏季降水趋势空间图发现，GPCC（图 3f）较为准确地描述中国夏季降水趋势的空间分布，而CRU（图 3e）则没能表现出中国大部分地区夏季降水的减少趋势，尤其是在云南一带和华北地区，CRU降水趋势强度明显偏弱，在长江中下游流域对降水趋势大小的估计又偏强，而对四川盆地及附近的大凉山地区、塔里木盆地一带，估计为弱的降水增加趋势，与CN05.1正好相反。冬季（图 3g），CN05.1降水在中国大陆大部分区域呈增加趋势，仅在云南及边境处、东北漠河以及河北山西很小的区域呈弱的减少趋势，其中，增加趋势最显著的区域在长江下游和华南南岭一带。GPCC除了在漠河一带和青藏高原南缘地区的趋势与CN05.1不同外，其余地区都较好地反映出冬季降水趋势的空间分布；CRU与实际降水的差异较大，尤其在100°E以西的地区与CN05.1的趋势有较明显的不同，在100°E以东地区的降水趋势值又偏弱。

图 4是三套降水数据年代际降水趋势图。如图所示，20世纪90年代以前，中国地区为负的年代际变化趋势。尤其在20世纪70年代降水减少最快（－1.42 mm/a），其主要原因与20世纪70年代北太平洋年代际振荡位相转变、强度减弱有关（Wang，2001）。20世纪90年代以后整个中国区域的平均降水呈增长趋势，但均未通过95%的置信检验。从不同区域的降水趋势来看，西北和西南地区的降水趋势呈现明显相反的年代际变化特征，即西北为降水减少则同一时期西南为降水增加，反之亦然。华北和东北地区两地、长江流域和华南地区两地的降水年代际趋势正负变化一致，皆存在10~20年的时间变化。CRU与GPCC基本描述出降水趋势的年代际变化特征，但20世纪90年代以后（图 4d-4e），CRU与实际降水变化趋势开始出现明显差异，尤其是在西南地区20余年来持续的降水增加趋势，与实际降水变化不符，其余区域也存在明显的偏高或偏低的误差。相比较而言，GPCC在大多数区域降水趋势与实际降水情况较为接近，仅在青藏高原一带与CN05.1的降水相差较大。由于青藏高原地区地形起伏较大且观测站点极少，CN05.1能否准确代表当地的降水情况也存在疑问（吴佳和高学杰，2013），而GPCC的基础站点涵盖全球各地，在青藏高原周边国家的基础站点也许对青藏高原降水数据的插值效果起到积极作用，所以各类降水数据在该地的应用都应格外谨慎。总体而言，GPCC相对于CRU对区域的降水趋势更为可靠。

图 4

Fig. 4

图 4 1961~2013年CN05.1、CRU、GPCC三套数据年降水量在不同地区和不同年代的线性趋势（单位：mm/a）：（a）1961~1970年；（b）1971~1980年；（c）1981~1990年；（d）1991~2000年；（e）2001~2013年 Fig. 4 Annual precipitation trends (mm/a) from CN05.1, CRU, and GPCC data over different regions in each decade for 1961-2013: (a) 1961-1970; (b) 1971-1980; (c) 1981-1990; (d) 1991-2000; (e) 2001-2013

图 5为1901~1961年多年的年均和季节平均降水的泰勒图，其中REF线表示检验资料与参考资料的标准差之比为1的线。泰勒图能将资料间的相关系数、标准差和以一个清晰简明的图形展示，从而更直观地比较检验值与参考值间的异同（Taylor，2001）。由图 5a可见CRU、GPCC与STA的年均降雨量的相关系数集中分布在0.75~0.95，标准差之比大部分处于REF线之内，其中（结合图 1观察站点序列号的地理分布）在西北、西南地区的站点，GPCC与STA的标准差之比平均为1.7，CRU与STA的标准差之比平均为0.6，表明在西南、西北地区GPCC的标准差普遍比STA的大，CRU的标准差普遍小于STA的，说明GPCC的降水变化振幅大于实际降水变化振幅，而CRU又与实际降水变化振幅偏小；在110°E以东的东北、华北、长江流域和华南地区，两套检验资料与参考资料间的平均标准差之比皆小于且接近于1（其中GPCC与STA的平均标准差之比分别为东北地区：0.92，华北地区：0.85，长江流域：0.89，华南地区：0.96；CRU与STA的标准差之比分别为东北地区：0.83，华北地区：0.76，长江流域：0.79，华南地区：0.89，GPCC与STA的标准差更相近。总的来说，两套检验资料（尤其是CRU）与STA的年均降水之间相差较明显。

图 5

Fig. 5

图 5 检验资料（CRU和GPCC）与参考资料在65个站点上多年平均（1901~1961年）降水量的泰勒图：（a）年平均；（b）冬季；（c）夏季 Fig. 5 Taylor diagrams for long term (1901-1961) averaged precipitation at 65 rain gauge stations: (a) Annual; (b) winter; (c) summer

季节上，冬季（图 5b）GPCC的点大部分集中在REF线上，表明GPCC在大部分站点与STA的标准差较接近、变化幅度基本一致，且它们之间的相关系数在各个站点基本都大于0.9，大部分站点的相关系数大于0.95；而CRU的点分布零散，大部分点的标准差之比小于1.0，与STA的相关系数主要集中在0.7~0.9和0.95~0.99这两个区域内，结合图 1观察CRU各站点所处位置，发现距REF据点较远且相关系数较低的站点基本分布在西北、东北一带的干旱半干旱区和西南、青藏高原一带的多山地区。而GPCC在各站点的降水估计都与STA相近，仅在西北和西藏地区与STA的标准差相差较大，其余地区基本反映出冬季降水的实际情况。夏季降水的泰勒图中（图 5c），相比冬季各点都较集中分布在REF线附近，CRU与STA在各站点的相关系数基本处在0.8内，标准差普遍小于STA的标准差，GPCC与STA各站点的相关系数集中在0.9以上，各站点的标准差之比接近于1。可见两套检验资料对实际降水的振幅变化估计能力在夏季和冬季相当、但相关系数在夏季普遍优于冬季，且GPCC相较于CRU而言更适用于中国地区。

本文还比较了各站点STA与CRU、GPCC的年均降水距平在1901~1961年的时间序列，这里仅列出了华北地区5个站点的年均降水距平时间序列图（图 6）作为示例。CRU与GPCC对各站的实际年均降水普遍存在偏低估计，相较而言，GPCC的年均降水量与实际的年均降水量更为接近，在所有65个站点中，也有相似结果。同时发现，呼和浩特和榆林站在1916年之前CRU的距平值为0，对比所有的65个站点降水距平的时间序列图可发现，在西北、西南、青藏地区的站点上，CRU也都有超过30年距平值为0的现象，这是由CRU处理数据使用的数学方法造成的，在这些地区缺乏早年的数据观测值，CRU利用1961~1990的气候平均值作为实际降水值，所以该处的降水异常值为0（Harris et al., 2014）。相比之下，GPCC的年均降水距平在早年缺少观测资料的情况下，也随时间做着合理的振幅变化，这可能是由于GPCC更为复杂的插值方法和较多基础原始资料的影响。在华南、长江流域和东北地区，CRU、GPCC与STA较一致，相关系数普遍超过0.96，甚至接近1，可能是由于这些地区站点密集、观测时间较早、缺测值少等原因，同时，其中的一些站点已经直接用于CRU和GPCC的原始资料中。

图 6

Fig. 6

图 6 华北地区5个站点年均降水量距平（单位：mm/d）的时间序列：（a）呼和浩特（13号站）；（b）榆林（15号站）；（c）太原（16号站）；（d）沈阳（19号站）；（e）北京（20号站）。图的左上角标明三类降水资料的多年年均降水量 Fig. 6 Time series of annual mean precipitation anomaly (mm/d) at five stations in Northeast China: (a) Huhehaote station (No.13); (b) Yulin station (No.15); (c) Taiyuan station (No.16); (d) Shenyang station (No.19); (e) Beijing station (No.20). The long term annual mean precipitation derived from the three datasets are also shown in the upper left cornor of each panel

综合泰勒图和各站点年均降水距平的时间序列图的判断，我们认为在1901~1961年，GPCC对西北、西南、西藏地区和华北的干旱半干旱区的降水估计与实际降水更为接近，在东南、长江流域、东北等东部南部地区，GPCC与CRU都能很好地描述该区域的降水特征，可见CRU对降水估计的好坏区域性较强，GPCC在各区域的降水估计相当，并且GPCC在各站点的降水量也更接近测站的观测。这里我们对1901~1961年间在青藏高原地区两套检验资料的适用性保留意见，因为STA在青藏高原仅有2个站点（拉萨和昌都），观测记录时间较晚（分别是1935年和1954年），且缺测记录较多，无法代表青藏高原地区的降水情况，所以降水资料在青藏高原地区的应用应格外注意。

标准化降水指数（Standardized Precipitation Index，SPI）是常用的一种干旱指数，它只需使用降水资料就可比较各区域干湿变化特征，且计算方便、可靠（McKee et al., 1995；Trenberth et al., 2014）。本文利用1961~2013年CN05.1、CRU和GPCC的月平均降水分别计算了中国大陆区域的SPI。图 7分别为CN05.1在3个月时间尺度的SPI趋势变化图（图 7a）和CRU、GPCC分别与CN05.1的SPI趋势的偏差分布图（图 7b、7c），反映了区域内的干湿变化。如图 7a所示，在我国100°E以西的西北地区和长江中下游一带SPI呈增加趋势，100°E~115°E的西南、华北地区SPI为减少趋势，表明53年来，西北、长江中下游地区的气候在逐渐增湿，其中以祁连山脉一带增湿最快，而西南一带以及华北地区的气候表现为缓慢变干，华南一带的SPI基本不变；由图 7b、7c所示，检验资料与参考资料的SPI趋势相差较大的地区主要在西北、四川盆地，其中CRU在西北大部分地区和青藏高原、GPCC在青藏高原南缘的冈底斯山脉以西地区对干湿趋势的估计存在较大的偏差。此外，CRU（图 7b）对燕山以北地区的SPI趋势估计也与实际趋势差异明显。在长江流域和华南一带，两套检验资料的SPI趋势与实际相差较小。因此，除青藏高原地区外，GPCC的SPI与实际SPI的趋势变化较为一致，CRU在较多地区与实际SPI的趋势变化存在差异。

图 7

Fig. 7

图 7 1961~2013年（时间尺度为3月）（a）CN05.1月平均降水计算的SPI的线性趋势分布以及（b）CRU计算的SPI线性趋势、（c）GPCC计算的SPI线性趋势分别与CN05.1的计算的SPI线性趋势的偏差的空间分布 Fig. 7 (a) Linear trends of SPI (Standardized Precipitation Index) at 3-month time scale in China from 1961 to 2013 based on CN05.1 data, and differences in the SPI trends between (b) CRU and CN05.1 data, (c) GPCC and CN05.1 data

此外，本文以一个干旱事件为例进一步比较检验资料的适用性。1997年中国地区出现了非常严重的夏旱，持续时间长且范围较广（赵从兰等，1998；白虎志等，1999）。图 8a反映了在1997年夏季中国地区出现的非常严重的干旱事件，其中在河北、山西、陕西、宁夏和甘肃等地区SPI小于－2，属于极端干旱的情况，西北、东北部分地区的干旱半干旱地带，处于SPI为－1.5~－0.5不同程度的干旱状况；而华南以南一带SPI为正，南岭以南地区SPI达到2，较为潮湿，表明该处降水较多。将CRU、GPCC的SPI分别减去CN05.1的SPI发现，CRU的SPI与CN05.1的SPI差异明显（图 8b），没有表现出在邛崃山脉一带、两河源头处的干旱现象，而在天山山脉、巴丹吉林沙漠地区、黄河入海口地区的干旱又有偏高估计，对东南沿海一带的变潮湿现象也估计不足，不能较好地表现出我国在1997年夏季发生的干旱现象。而GPCC与CN05.1相比（图 8c），它们的SPI空间分布差异较小，基本能准确地表现出1997年夏季中国大陆地区的干湿分布状况。

图 8

Fig. 8

图 8 1997年8月（时间尺度为3月）（a）CN05.1月平均降水计算的标准降水指数SPI以及（b）CRU计算的SPI、（c）GPCC计算的SPI与CN05.1的月平均降水计算的SPI的偏差的空间分布 Fig. 8 (a) SPI (3-month time scale) based on CN05.1 data, and the differences of CPI (b) between CN05.1 and CRU data and (c) between CN05.1 and GPCC data in August 1997

本文以1901~2013年中国大陆的站点观测降水数据为参考，从季节、年际和年代际时间尺度上分析了两个全球陆地月平均降水资料（CRU和GPCC）在中国大陆地区的适用性，结果表明：

（1）1961~2013年，CRU与GPCC都能较准确地描述中国大陆地区的降水量特征，且东部较西部、夏季较冬季与站点观测降水更为一致。在季节和年际尺度上，通过计算的降水偏差绝对值的百分比、相关系数、均方根误差等统计量的比较发现，CRU在青藏高原以及西北地区的沙漠盆地较实际降水偏大，在较大的山脉附近（比如天山山脉、阿尔卑斯山脉）又低于实际降水情况，且年均降水趋势在西北一带的阿尔金山脉、黄土高原以及东南地区、长江下游一带比站点实测的降水变化偏小或出现量值符号相反的情况，此外，CRU在各区域的年代际降水趋势也普遍偏小；GPCC不论是降水量还是对降水趋势都更接近于实际情况；时间序列上，CRU在1991年后与CN05.1出现明显偏差，相关系数由1991年之前的0.81突降到1991年后的0.61；而GPCC对除了在一些气象站点分布极少、不确定因素较大的地区（例如：青藏高原地区）与CN05.1的降水情况相差较大外，皆能较准确估计中国大陆各区域的降水情况。

（2）1901~1961年，通过与65个长期气象观测站点的降水资料时间序列比较发现，CRU在西北、东北一带的干旱区和西南一带的多山地区与实际降水量间的差异较大（降水标准差与实际的降水标准差相比偏小，不能表现出当地降水的时间变化特征，且与实际降水的相关系数也偏小）；GPCC在各站点的降水标准差普遍与实际更接近、相关系数也更大，能较好地反映出区域内降水的实际变化特点；100°E以东的长江中下游、东南一带，GPCC与CRU降水估计的能力相当，都能较好地与该区域内各站点的观测降水量相匹配，其中GPCC随时间的变化振幅更接近实测。

（3）利用1961~2013年两套降水资料和站点实测资料分别计算中国大陆地区的SPI，通过与实际干旱变化情况的比较简单分析CRU与GPCC在中国大陆地区对气候变化研究的适用性，发现检验资料与参考资料的SPI趋势相差较大的地区主要在西北、四川盆地。其中GPCC对干旱的描述比CRU更为接近观测值，CRU对干旱变化趋势的估计较差，并且没能反映出1997年夏季中国地区出现的严重干旱情况，而GPCC较准确地表现出了这一干旱事件。

综上，本文认为GPCC相比于CRU能更好地表征中国大陆地区整体和区域的降水变化特征，在对中国大陆地区长时期降水资料的选择上，GPCC降水数据产品较为可靠。但由于参考资料的局限性，本文建议在青藏高原地区的对于GPCC应用应注意其不确定性。