关注和研究背景
全球和区域变暖是气候变化的主要表现形式。这种大尺度变暖现象，最初是在陆地气象站气温观测数据中发现的；后来的研究表明，海洋表面温度也明显上升，但陆地变暖速率明显快于海洋表面。
陆地上气象站的气温，是由百叶箱内的温度表（自动温度传感器）记录的。全球有上万个、中国有2400余个气象站，记录时间可以达到60年以上。一般地说，这些观测记录是较准确的，特别是对于天气监测和预报来说，精度是够的，但对于气候变化研究来说，还存在若干缺陷。
目前的历史气温观测数据，有以下四类较大问题：
(1) 气温数据的非均一性。在整个观测时期，可能会更换观测仪器、改变观测时次、更改观测规范和迁移观测站址等；这些会形成气温序列中的间断点。在间断点前后，气温序列不具有一致性和可比性，一般称为非均一性。气温数据的非均一性，可以引起单个站或局地观测网趋势估算偏差，导致高估或低估。
但是，气温数据的非均一性，对于一个大尺度观测网来说，正负偏差在很大程度上相互抵消了，也可看作随机误差；对于全球变暖速率估算，如果能把极端异常的站点排除，其影响常常不会很大。
(2) 观测站空间覆盖随时间改变。早期观测点很少，主要集中在欧洲、美国等少数发达国家和地区，后来地面气象观测陆续向其他地区扩展。十九世纪中期以来，观测站空间覆盖向特定国家和区域扩展的倾向，会给全球变暖趋势估算带来较大偏差。
(3) 城市化对气温序列的系统性影响。气象观测站初始多建设在城镇，或距离城镇不太远的地方；伴随着经济发展，城市扩张，这些气象站逐渐被更多城市建筑包围。城市里或近郊区具有城市热岛效应；因此，城镇气象站观测到的气温记录，就包含着城市热岛效应增强引起的局地人为变暖信号，称为城市化偏差。
(4) 气温平均值统计方法不标准。很多国家气温观测数据只有最高和最低气温，不是在一天等间隔时刻做记录，这也会使得单站、区域及全球陆地平均气温及其趋势估算不够精准，称为最高、最低气温平均统计偏差。
(3)和(4)两类问题的麻烦是，不论对单站或一个国家来说，还是对全球来说，这些都不是随机误差；它们属于系统性误差，也就是偏差，在估算和分析大尺度气温变化时，是不能忽视的重要数据问题。
由于各种原因，地面气温数据中的这些偏差，有的研究还不够；有的已有大量分析，但仍存在争论。CCDAM课题组最近发表一篇综述，对围绕数据偏差的研究进行了回顾，总结了近些年的进展，提出了仍存在的问题和应加强的方向。这里介绍综述文章对当前大尺度变暖速率研究的总结，以及对城市化偏差和最高、最低气温平均统计偏差研究的评述。
文章发表在《地学雑誌》，标题：Progress and Uncertainty in Studies of Contemporary Land Climate Warming Rate: From Globe to Region，网络下载：https://doi.org/10.5026/jgeography.134.379。
全球陆地和区域变暖速率
过去100多年，全球陆地近地面气温显著上升，近40—60年尤为明显。文章比较了基于三套数据（GHCN、CRUTEM和CMA-LSAT）的估算。1901—2022年，三套数据得出的全球陆地升温速率分别是0.135℃/10年、0.113℃/10年和0.121℃/10年；近40余年（1979—2022年）变暖速率为整个时段的两倍多，升温速率分别为0.331℃/10年、0.276℃/10年和0.281℃/10年。
1960—2022年是气温观测空间覆盖较好的时期。CMA-LSAT数据序列表明，这段时间全球地面气候普遍变暖，变暖速率在欧亚大陆中高纬地区和北美大陆高纬地带最快，低纬度地区和南美洲大陆变暖较弱（图1）（Sun et al., 2017）。
图1 全球陆地年平均地面气温变化趋势 (1960—2022年)。据CMA-LSAT数据和Sun et al. (2017) 方法绘制(原文图3)
但是，上述估算和分析都没有消除历史数据中的主要偏差，特别是没有使用城市化偏差订正的数据，因此估算的变暖速率在一定程度上是偏高的。
中国大陆长期气温数据序列（Wen et al., 2023）表明，1901—2022年全国年平均升温速率约为0.14℃/10年，略高于全球陆地平均和亚洲大陆平均，明显高于非洲大陆平均升温。这个122年序列同样没有剔除城市化影响等偏差。
研究证实，城市化偏差广泛存在
城市化改变站点周围土地覆盖、城市形态和人口结构，导致城市热岛效应不断增强，造成真实的局地人为地表面气温上升；在估计大尺度气温变化时，这种局地人为变暖就构成了数据序列偏差。城-乡站气温序列比较是估计这一偏差性质和大小最可靠、最常用的方法。
Tysa等（2019）以客观分类的乡村站为参照，采用城-乡对比法估算城市化影响。1960—2015年中国全部长序列国家站（约2300个）年平均气温升温趋势中，城市化影响（城市化偏差）为0.04℃/10年，城市化贡献（相对偏差）为18%；国家基准气候站和基本气象站网（约800个）城市化影响（城市化偏差）为0.07℃/10年，城市化贡献（相对偏差）是28%（图2）。作为参照站的乡村站本身可能已受到城市化影响，因此认为上述估计偏于保守。
图2 1960—2015年中国大陆国家级台站与乡村站年平均地面气温距平差值序列。(a) 所有长序列国家级站网数据；(b)国家基准气候站和基本气象站网数据。右侧灰色柱状图表示城市化贡献值。据Tysa et al. (2019) 数据和方法绘制(原文图5)
Zhang等（2021）利用机器学习方法分类站点，选择全球乡村站，采用城-乡对比法，发现：1951—2018年，全球陆地所有站与乡村站气温距平差值呈显著上升趋势（图3）；全球陆地年平均升温趋势中，城市化影响的贡献达到12.7%。由于乡村站代表性问题，以及部分国家数据均一化过程中抬高了乡村站升温趋势，城市化偏差估算值同样是保守的。
这个发现颠覆了当前学界的共识。政府间气候变化专门委员会（IPCC）系列报告一直认为，过去一百多年，全球陆地气温序列中的城市化偏差不可能超过10%，即偏差值比目前估算的全球陆地增温速率小一个数量级。
图3 1951—2018年全球陆地所有站与乡村站年平均气温距平差值序列。所有站包含城市站和乡村站。红、蓝柱分别为正、负差值，黑线为线性趋势。据Zhang et al. (2021) 重新绘制(原文图6)
文章建议，迁站、仪器更换等造成的序列断点，需与城市化渐变的影响区分开。均一化恢复历史气温记录的时间连续性，不应该试图去除城市化渐变影响。中国的案例研究显示，仅订正迁站造成的降温断点，此前累积的城市化增温，在均一化序列中可重新显现；如果需要（研究城市气候变化时并不需要），城市化偏差要在数据均一化后独立评估和订正。
最高、最低气温平均统计偏差
日（月、年）平均气温可由一天内等间隔多次（4次或以上）观测的平均获得，也可由日最高、最低气温的平均值获得。前者是平均气温计算的标准方法；后者存在均值和趋势高估的可能。由于日最高、最低气温更容易获取，在国际主流的全球陆地气温数据中，约一半甚至更多站点采用了最高、最低平均法。
Liu等（2019）以中国基准、基本站均一化数据为基础，比较最高、最低平均法与每日四次等间隔观测平均法估算结果的差异（图4）。利用最高、最低平均法所得全国平均气温明显偏高：1981—2010年平均偏高0.58℃。这是欧美等地区前人研究反复证实的结果。但Liu等（2019）研究令人惊奇的是，1964—2013年期间，最高、最低平均法获得的区域平均气温升温速率，比用标准方法获得的升温速率高0.021℃/10年，说明存在显著的变暖趋势高估偏差，转化为相对偏差值是12%。
图4 中国两种平均算法所得全国年平均气温。红、绿线分别为最高、最低平均和四次观测平均，蓝线为前者减去后者 (右轴)；虚线为1981—2010年平均值。据Liu et al. (2019) 数据和方法重绘 (原文图7)
我国国家级气象站日（月、年）平均气温按日内四次定时观测值计算，因此历史气候数据中不存在最高、最低平均统计偏差。但在全球陆地日、月平均气温数据中，这个问题还不同程度存在，需要今后开展细致调查研究。
降低变暖速率估算不确定性的意义
观测网空间覆盖范围及其随时间的变化，也对全球陆地变暖速率估算造成重要影响，但相关研究薄弱，目前对其性质和幅度尚无明确结论。
城市化偏差在许多国家和地区是非常显著的；现在看在全球尺度上也是显著的，与当前估算的全球陆地总体增暖速率处在一个数量级上。最高、最低气温平均统计偏差，在中国大陆地区是大的，与区域总体变暖趋势也在一个量级上，但在全球尺度上尚不明确。
如果城市化偏差与最高、最低气温平均统计偏差是相互独立的，而且后者在全球范围也是显著的，考虑到目前对城市化偏差估算的保守性，20世纪中期以来两类偏差的综合影响，最高可能达到现有全球陆地升温速率估算值的20%。这一推测尚待今后全球性研究进一步检验。
根据上述研究和推测，近70余年，全球陆地气温数据序列中可能包含约12-20% 的偏差。显著的大尺度气候变暖事实明确，无须怀疑，但当前全球陆地变暖速率被高估了，应引起重视，作出下调；调整多少，如何调整，需结合现有研究和今后工作，给出答案。
大尺度气候变暖速率研究是气候变化科学的基石。全球和区域变暖速率的调整，对于气候变化基础科学研究，包括气候变化监测、检测、归因与预估研究，以及对于地球系统模式改进、气候变化影响和风险评估及全球气候变化的应对，都具有重要意义。
原文：Ren et al. (2025), 《地学雑誌》134 (4): 379—399。DOI：10.5026/jgeography.134.379。
参考文献：
Liu, Y.L., et al. 2019. A significant bias of Tmax and Tmin average temperature and its trend. J. Appl. Meteor. Clim. 58, 2235–2246. doi:10.1175/JAMC-D-19-0001.1.
Sun, X. B., et al. 2017. Global land-surface air temperature change based on the new CMA GLSAT data set. Sci. Bull., 62, 236–238. doi:10.1016/j.scib.2017.01.017.
Tysa, S.K., et al. 2019. Urbanization effect in regional temperature series based on a remote-sensing classification scheme of stations. J. Geophys. Res.-Atmos. 124 (20), 10646–10661. doi:10.1029/2019JD030948.
Wen, K.M., et al. 2023. Long-term changes in surface air temperature over the Chinese mainland during 1901–2020. Clim. Res. 90, 95–115. doi:10.3354/cr01719.
Zhang, P.F., et al. 2021. Urbanization Effects on Estimates of Global Trends in Mean and Extreme Air Temperature. J. Clim. 34, 1923–1945. doi:10.1175/JCLI-D-20-0389.1.
CCDAM课题组
2026年10月15日
编写：张盼峰，任国玉
校对：刘玉莲，温康民，张盼峰
审核：任国玉
|
