引 言
IPCC第五次评估报告指出,1880—2012年全球平均地表温度升高了0.85 [0.65~1.06]℃,气候变暖是毋庸置疑的事实[1]。气候变暖直接影响极端气候的变化,使大气持水量增加,全球异常极端气候事件频繁出现,高温热浪、暴雨洪涝、冰雹、龙卷等极端天气气候事件的频繁发生,对世界范围内的农业、能源、生态系统和人类健康等带来了非常大的影响,因而受到全球各界的广泛关注[2]。
极端天气气候事件是指天气或气候变量值高于(或低于)该变量观测值区间的上限(或下限)端附近的某一阈值时的小概率事件,其发生概率一般<10%[3]。因为一些地域和相关研究的需求而定义了不同的指标来判定极端天气气候事件。例如一些表征干旱的指标帕尔默干旱指数(PDSI)、标准化降水指数(SPI)、综合气象干旱指数(CI)等用于全球不同区域极端干旱事件研究[4,5,6,7],我国也根据气候业务和相关研究的需要定义了一系列常用指标和阈值用于判定高温、暴雨、暴雪、大风、寒潮等极端天气气候事件的发生[3]。
由于受到全球气候长序列资料的限制以及各国对极端事件指标和阈值缺乏统一的定义,全球极端天气气候事件的研究发展受到了一定阻碍。为了改变这一状况,21世纪初世界气象组织(WMO)和世界气候研究计划(WCRP)等联合成立了气候变化检测和指数专家组(ETCCDI),定义了27个具有代表性的气候指数,用于全球及区域极端气候变化的研究。ETCCDI推广的极端气候指数,推动了全球极端气候变化的观测研究,加快了极端气候变化模拟与归因研究步伐[8,9,10,11,12]。
从1994年开始WMO每年发布《全球气候状况声明》用以提供关于全球气候以及全球发生的重大天气及气候事件的权威科学信息。2018年发布的《2017年全球气候状况声明》[13]指出,2017年的全球平均温度大约高于工业化前水平1.1℃,位列2016年之后,为有完整气象观测记录以来的第2暖年份。每年中国气象局国家气候中心发行气候公报总结过去一年的气候状况,《2017年气候公报》[14] 显示我国气温偏高,全国平均气温较常年偏高0.84℃,为历史第3高,降水略偏多。美国气象学会会刊(BAMS)从1996年开始每年发布年度气候公报,2018年发布《2017年度气候公报》[15]对2017年全球气候状况进行了更翔实的分析,其中对全球陆地表面极端温度和降水变化的分析主要采用ETCCDI推荐的极端气候指数,从极端温度指数的长期变化看,2017年全球极端温度表现为暖极值发生的频率继续增加,而冷极值发生频率减少。但是由于各国气象数据保护政策的限制,全球历史气候网（GHCN）得到的数据在最近几年大幅度减少,为此美国气象学会鼓励各国利用多数据的优势开展极端气候变化方面的研究。最近几年BAMS也同时推出了关于全球极端气候事件检测归因的专刊,极大地促进了全球极端气候变化研究。
本文的研究目的是利用ETCCDI推荐的26个极端温度和降水指数,分析中国区域平均的2017年极端温度和降水状况。这些指数可以分为强度指数、绝对阈值指数、相对阈值指数、持续时间指数等①。ETCCDI统一极端气候指标有效地推动了世界各国开展极端天气气候变化检测研究,便于不同区域极端天气气候变化特征的比较。而本文的研究不仅可以为研究2017年中国的极端气候状况提供基本特征分析,为科研业务服务等工作提供基础支撑,更可以为中国极端气候变化的相关研究提供重要的统一的背景信息。
1 资料与方法
1.1 极端气候指数和资料
极端气候事件常用出现频率、强度和持续时间等指标描述其特征。本文对ETCCDI定义的26个指数开展了分析,包括16个气温指数和10个降水指数,其定义见表1。另外一个指数为日降水大于某一特定强度的日数,是用户根据实际需要自行设置的指数,在本文中没有使用。所用资料为中国气象局国家气象信息中心提供的经过均一化处理的2419站1951—2017年逐日最低气温、逐日最高气温和逐日降水量资料,资料的均一化处理去除了台站迁址、仪器更换引起的非均一性[16]。使用这些资料计算了这26个指数,由于在20世纪60年代以前站点数量少,因此分析时段选择了1961—2017年。
Table 1
表1
表1
极端温度和降水指数的定义
Table 1 Definition of extreme temperature and precipitation indices
新窗口打开|
下载CSV
1.2 研究方法
由于中国气象站点分布不均匀,表现为东部的站点密集,而西部站点稀疏,且很多站点开始有气象记录的年份不同。为了得到中国极端气候指数变化序列,首先对每个站点的极端温度指数计算相对于1961—1990年的距平,之后对5°×5°经纬度网格内的所有站点的指数求平均,得到中国区域1961—2017年5°×5°极端气候指数网格化距平序列,再通过区域平均得到中国极端气候指数变化序列。这种网格化方法被广泛应用于气候变化研究中,如HadCRU数据集的建立等。该方法也在中国之前的极端气候变化研究中广泛应用,较好地反映了中国的极端气候变化[17,18]。对1961—2017年极端指数变化进行了趋势分析,采用的是Sen[19]趋势分析方法,这种方法不需要数据满足正态分布,能够对极端温度和降水的趋势变化进行较好的估计。
2 结 果
2.1 2017年中国极端温度指数特征
图1中1961—2017年中国区域平均极端温度强度指数的时间序列变化和2017年距平分布状况显示,TXx、TNx、TXn和TNn都呈明显增加趋势,4个指数增加趋势分别为0.21℃/10a、0.29℃/10a、0.30℃/10a、0.51℃/10a(p<0.01),说明最强的暖事件增强,最强的冷事件减弱,夜晚的极端温度变化幅度大于白天。先前许多对全球和中国极端温度变化的研究也发现了类似的结果[8-10,20-21],其中Donat等[10]利用HadEX2极端指数数据集分析显示,在全球大部分地区TNn的增长趋势强于TXx。2017年极端温度强度指数中,TXx和TNx是排列在2010年之后第2高的年份,TXn和TNn则创造了新的最高纪录,TXn和TNn的升温幅度比TXx和TNx大。2017年强度指数空间分布显示中国北方的升温幅度大于南方,特别是在35°N以北。2017年TXn和TNn与1961—1990年的平均值相比,大部分地区升温超过3℃,TNn在新疆北部地区升温甚至超过5℃。
图1
新窗口打开|
下载原图ZIP|
生成PPT
图1
1961—2017年中国区域平均TXx、TNx、TXn、TNn距平序列变化和2017年各指数距平空间分布
相对于1961—1990年,下同
Fig. 1
Change in anomaly series of TXx, TNx, TXn, and TNn averaged over China during 1961-2017, and their spatial distribution in 2017
relative to the 1961-1990 mean, the same below
1961—2017年中国区域平均的极端温度频率指数变化显示(图2),TN10p和TX10p发生频率显著减少,减少速率分别为1.75%/10a和0.93%/10a (p<0.01),而TN90p和TX90p发生频率显著增加,增加速率分别为2.80%/10a和1.68%/10a (p<0.01)。这些趋势变化与先前在全球和中国的极端指数研究是一致的[9,22],TN10p和TN90p的升温趋势大于TX10p和TX90p。2017年全国平均TN10p和TX10p发生频率达到历史最低值,TN10p减少的频率大于TX10p;空间分布显示,在青藏高原地区TN10p指数的发生频率低于同纬度地区。2017年TN90p和TX90p发生频率接近历史极大值,分别排在第2位和第5位,TN90p发生频率高于TX90p;空间分布显示,在青藏高原地区TN90p和TX90p发生的频率高。前期研究表明,青藏高原极端频率指数总体上有较强的趋势[23]。与1961—1990年气候平均值相比,2017年青藏高原TX90p发生频率高出约15%,TN90p发生频率高出20%左右。
图2
新窗口打开|
下载原图ZIP|
生成PPT
图2
1961—2017年中国区域平均TX10p、TN10p、TX90p、TN90p距平序列变化和2017年各指数距平空间分布
Fig. 2
Change in anomaly series of the extreme temperature frequency indices (TX10p, TN10p, TX90p, and TN90p) averaged over China during 1961-2017, and their spatial distribution in 2017
1961—2017年中国区域平均FD和ID呈明显下降趋势(图3),降幅分别是3.31 d/10a和1.53 d/10a (p<0.01),而SU和TR呈明显上升趋势,升幅分别是2.63 d/10a和2.26 d/10a (p<0.01)。总体上全球大部分地区的FD和ID呈下降趋势,而SU和TR呈上升趋势[9,12],然而,在全球很多区域这些极端温度绝对阈值变暖速率存在差异[12],先前的研究发现北美地区的SU指数存在与全球升温不一致的变冷趋势[24]。2017年中国区域平均FD、ID和TR指数排在了1961年以来的前3位,SU指数排在了第6位。WSDI呈现明显的偏多趋势,1961年以来增幅是2.39 d/10a (p<0.01),2017年WSDI排在了第10位,而CSDI明显减少,降幅为0.55 d/10a (p<0.01),2017年达到历史最低值。中国这两个指数的趋势变化与全球一致,但全球不同区域趋势变化率存在差异,例如东南亚WSDI指数的增长趋势大于南北美洲[25]。中国区域平均DTR和GSL长期变化和2017年的空间分布特征显示(图3),DTR呈现明显下降趋势,降幅为0.15℃/10a (p<0.01),2017年DTR排在1961年以来的第7位,2017年中国东北黑龙江和内蒙古北部等高纬度地区的DTR下降趋势大于低纬度地区,中国西部特别是青藏高原地区下降的趋势大于同纬度的东部地区。GSL明显增长,1961年以来的增速是2.82 d/10a,2017年为1961年以来第2位,长度仅次于2016年。2017年GSL较1961—1990年平均值增加了10 d左右,其中在青藏高原部分区域和中国东南部江苏、安徽、浙江等地增加超过20 d。
图3
新窗口打开|
下载原图ZIP|
生成PPT
图3
1961—2017年中国区域平均FD、ID、SU、TR、WSDI、CSDI、DTR、GSL距平序列变化和2017年DTR和GSL距平空间分布
Fig. 3
Change in anomaly series of extreme temperature absolute indices (FD, ID, SU, TR), spell duration (WSDI and CSDI), DTR and GSL averaged over China during 1961-2017, and spatial distribution of DTR and GSL anomalies in 2017
2.2 2017年中国极端降水指数特征
1961—2017年中国区域平均Rx1day和Rx5day (图4)呈增加趋势且具有明显的年代际变化,1961年以来增幅分别为0.82 mm/10a和0.99 mm/10a (p<0.01),20世纪90年代这两个指数处于高值区,之后下降,从21世纪10年代以来Rx1day和Rx5day整体处于较高值。Donat等[10]利用1951—2011年GHCN指数数据研究发现,全球平均的Rx1day呈上升趋势,但Rx5day呈下降趋势;Yin等[21]研究发现利用不同数据分析中国区域平均Rx1day指数会呈现不同的趋势变化。2017年中国区域平均Rx1day和Rx5day值处于1961—2017年1个标准差范围内,属于正常年份。空间分布上两个指数具有相似的特征,除中国中东部地区是负距平,其余大部分地区是正距平,在中国东北大部分区域、湖南和贵州省具有较大的Rx1day和Rx5day值。1961—2017年中国区域平均R95p和R99p (图4)也呈显著增加趋势,增幅分别为3.14 mm/10a和6.08 mm/10a (p<0.01),这两个指数的趋势与之前对全球和中国的研究非常一致,均呈现增加趋势[9-10, 22]。2017年中国区域平均R95p和R99p值在1961—2017年1个标准差范围内,属于正常年份。空间分布上2017年R99p在新疆东部、内蒙古中部、山西、山东、河南、河北北部、湖北及广东等地是负距平,其余区域为正距平,且在湖南和贵州极端降水量强度较大。2017年R95p空间变化上与R99p具有相似的分布,在湖南和贵州等地具有较大的强降水量。
图4
新窗口打开|
下载原图ZIP|
生成PPT
图4
1961—2017年中国区域平均Rx1day、Rx5day、R95p、R99p距平序列变化和2017年各指数距平空间分布
Fig. 4
Change in anomaly series of Rx1day, Rx5day, R95p and R99p averaged over China during 1961-2017,and their spatial distribution in 2017
1961—2017年中国区域平均R10mm和R20mm (图5)呈现增加趋势,增速分别为0.17 d/10a和0.14 d/10a (p<0.05)。2017年中国区域平均R10mm和R20mm值略大于1961—2017年1个标准差,表明这两个指数属于正常偏多年份。1961—2017年中国区域平均CWD (图5)变化趋势不显著,但是具有明显的年代际变化,20世纪90年代CWD偏高,到21世纪初CWD持续偏低,从2015年以来CWD又开始升高,2017年中国区域平均CWD处于正距平,数值大于1961—2017年1个标准差,属于正常偏多年份,空间分布特征显示2017年在中国南部福建、广东、广西、云南南部、海南岛和西藏东部CWD具有较大的正距平。1961—2017年中国区域平均CDD (图5)呈显著减少趋势,1961年以来减速为2.42 d/10a (p<0.01),从20世纪80年代末开始CDD显著减少。这些极端降水指数的变化趋势与前人研究一致[22, 26-27],尽管趋势变化率因数据集或分析周期的不同而略有差异。2017年中国区域平均的CDD值约为1961—2017年1个标准差,属于正常年份,空间分布上显示2017年与1961—1990年的平均值相比,大部分地区CDD处于负距平,在新疆北部地区负距平较大。
图5
新窗口打开|
下载原图ZIP|
生成PPT
图5
1961—2017年中国区域平均R10mm、R20mm、CWD、CDD距平序列变化和2017年CWD和CDD距平空间分布
Fig. 5
Change in anomaly series of R10mm, R20mm, CWD, and CDD averaged over China during 1961-2017, and spatial distribution of CWD and CDD anomalies in 2017
1961—2017年中国区域平均PRCPTOT呈显著增加趋势(图6),增速为9.13 mm/10a (p<0.01),2017年中国区域平均PRCPTOT值处于1961—2017年1个标准差范围内,属于正常年份。空间分布上2017年PRCPTOT与1961—1990年的平均值相比大部分地区处于正距平,特别是在中国东南部地区有较大的年降水总量,而在中国东北地区年降水总量少。1961—2017年中国区域平均SDII呈显著增加趋势(图6),1961年以来SDII变化率为0.10 m/10a (p<0.01)。SDII从20世纪90年代中期以来明显偏多,并在2016年达到历史最大值,2017年SDII值处于1961—2017年1个标准差范围内,属于正常年份,但是与1961—1990年平均值相比仍具有较高的降水强度,空间分布上2017年SDII与1961—1990年平均值相比大部分区域处于正距平,且在辽宁、内蒙古部分区域以及中国东南部的大部分区域具有较大的降水强度。
图6
新窗口打开|
下载原图ZIP|
生成PPT
图6
1961—2017年中国区域平均PRCPTOT和SDII距平序列变化和2017年各指数距平空间分布
Fig. 6
Change in anomaly series of PRCPTOT and SDII averaged over China during 1961-2017, and their spatial distribution in 2017
3 结 论
利用中国1961—2017年2419站均一化的逐日气温和降水资料计算ETCCDI定义的26个极端气候指数,分析了2017年极端气温和降水特征。2017年16个极端温度指数中有5个指数达到了1961年以来的历史极值,分别为TXn、TNn、TN10p、TX10p和CSDI,7个指数排在了1961年以来的前3位,分别为TXx、TNx、TN90p、FD、ID、TR和GSL;其余4个极端温度指数接近历史极值,排在了1961年以来的前10位。2017年4个极端温度强度指数分布特征均显示中国北部(约35°N以北)的升温强度大于南部,而4个极端温度频率指数的分布特征显示在青藏高原区域冷事件减少频率和暖事件增加频率均大于同纬度的东部地区。2017年中国区域平均的10个极端降水指数中,除R10mm、R20mm、CWD略大于1961—2017年1个标准差外,其余指数均在1个标准差范围内,说明2017年的极端降水在正常范围内,但是与1961—1990年平均值相比,R95p、R99p、PRCPTOT、R10mm和R20mm、SDII均具有较大的正距平,而CDD大幅度降低。