英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料

1961年到2015年中国各地的复合热浪天气多个方面变化趋势的观测

Yi LI^{[1] [2] [3]}, Yihui DING^[3], Weijing LI^[2][3]

1中国气象科学研究院，北京100081

2南京信息工程大学气象灾害预测与评估协同创新中心，南京210044

3气候研究实验室，国家气候中心，北京100081
（2016年9月2日收到;最终形式2016年11月8日）

摘要：根据日最高温度和最低温度阈值的组合，定义了一种复合热浪。然后对1961年至2015年中国热浪的多个方面的变化进行了估计。有趣的是，我们的研究结果表明：中国北方剧烈的复合热浪天气具有时间短、强度高的特点。而持续时间长、有造成巨大灾害潜力的强热浪天气事件多发生于南方。在过去的几十年里，中国大部分地区经历了时间更长，强度更大，更频繁的复合热浪天气。中国北部地区的强度急剧增加，最大增温可达5°C/十年。而南部地区持续时间明显延长，最大延长趋势可达1天/十年。自20世纪60年代以来，受复合热浪天气影响的空间范围显着扩大，华北和东北地区的最大扩张率超过6％/十年。对这些进行系统的评估有助于加深我们对中国复合热浪天气变化的理解，并可能进一步阐明未来如何适应和缓解日益变暖的气候。

关键词：热浪，气候变化，持续时间，强度，空间范围

引文：Li，Y.，Y。H. Ding和W. J. Li，2017：从1961年到2015年观察到中国复合热浪各方面的趋势.J。Meteor。 Res。，31（3），455-467，doi：10.1007 / sl3351-017-6150-2。

1.介绍

在夏季，热浪引起的对温度敏感的人群，如婴儿、老年人和心血管病人的发病率和死亡率都非常高。在过去的几十年中，许多文献都印证了热浪的这种高影响（Basu和Samet，2002），并且在2003年发生了一个破纪录的案例，该案件袭击了欧洲的大片地区并导致大约4万人死亡（Garciacute;a等，2010）。通常，热浪（HW）通常被认为是一段持续的高温时期，但不同部门的具体定义不同（Perkins等，2012）。在气候变暖的地球上，许多地区日益增多的温暖天气会增加热浪的风险（Stocker et al。，2013）。事实上，世界上大多数地区不仅见证了频率的增加，而且经历了更高的强度和更长的热浪持续时间，特别是在2000年之后（Kuglitsch等，2010; Perkins等，2012; Smith等， 2013）。频率增加主要归因于平均夏季温度升高（Della-Marta等，2007），而增大强度则更多地来自温度变化的增强（Fischer和Schar，2010）。一些气候模型预测意味着夏季温度的平均值及变化趋势将维持，甚至加快上升。因此，在21世纪末可能会出现具有前所未有的持续时间和强度的增加，以及发生更多的热浪事件（Meehl和Tebaldi，2004; Guo等，2017）。

虽然对白天/晚上温度最高的一天进行了广泛的研究，但对于全面评估硬件的工作却相对较少（Stocker等，2013），尤其是在中国。在中国，有限的研究涉及热浪的定义和变化，其中对HW的考虑主要局限于日间的最高温度（Jiang等，2012）。然而，持久的极端天气往往会引发更严重的灾害，因此也需要测量持续时间和强度的指数（Zhang et al。，2011）。现在人们已经公认，自20世纪后半期以来，中国的热浪显着增加（Ding et al。，2010; Ding and Qian，2011; Wei and Chen，2011; Wang et al。，2012）。在21世纪的前十年，上海的炎热天气事件的频率比1873年以来的任何时候都要大得多（Chen et al。，2013; Xia et al。，2016）。相比之下，美国，欧洲和澳大利亚的科学界和政府更关注由温暖的白天和夜晚组成的复合热浪，这可能严重干扰人体体温调节和能量供应（Patz等，2005）。此外，在中国现有的研究中，HW频率的变化似乎是主要关注的问题，而其他同样重要的指标，如持续时间、空间覆盖和强度，则被严重低估（Ding et al。，2010; Guo et al。，2017）。在这种背景下，中国的复合HWs的系统估计是还是可取的。因此，我们的研究旨在缩小上述中国热浪研究与世界的差距。具体而言，将针对复合HW的各个方面的变化进行定量评估，包括其频率，所涉及的天数，持续时间，强度和空间范围。

2.数据和方法

2.1数据

图1.经过处理的376个站点（用黑色三角标记）的空间分布。不同地区划分为红色曲线，标有蓝色字母：东北地区为A，黄淮为B，长江流域为C，华南为D，西南为E，华北为F，新疆为G

选取1961 - 2015年夏季(6 - 8月)日最高气温(Tmax)和日最低气温(Tmin)，数据集覆盖全国756个站点。这个数据集来自国气象局国家气象信息中心。在发布之前，NMIC对它进行了严格的质量控制，完成了一些缺失的观察，纠正了可疑/错误的值，以及新仪器引起的时空不一致以及站点重新定位协调(文档可在http://data.cma.cn/site/index.html在线获得)。李等，2013;Ren and Zhou, 2014)，该数据集被公认为中国目前可用的最好的气候研究资料之一。除了上述质量控制外，我们还进行了一些额外的预处理，以确保:1)1961年至2015年期间，Tmax和Tmin的缺失数据占总记录的比例不到5%;2)在整个时段内，任何站点的水平移动均在20公里半径内;3)垂直标高重新定位小于50米。

这些程序旨在保证数据的连续性和最大的真实性。该数据集涵盖了几乎所有的国家基准气象站(一级站)和国家基本气象站(二级站)。。在每个站点观测到的变量代表20公里半径范围内的气象要素，因此常规应用20 km的重新定位阈值，以最大限度地减少场地位移造成的不均匀性（Ren和Zhou，2014）。特别地，场地重新定位并不意味着表面覆盖类型的显着变化，因为观测场附近的环境（例如建筑物和树木）是由CMA普遍规定的。最后共保留了376个台站进行后续分析（见图1中的分布），这些台站在中国东部分布均匀，但在中国西部地区分布较为分散。

2.2方法

许多研究仅仅基于Tmax定义了热浪(Ding et al.， 2010;王等，2012)。事实上，没有夜间降温的持续炎热天气对人类健康的破坏更大(卡尔和奈特，1997;米尔和提巴迪，2004)。因此，有必要定义一个同时考虑白天高和夜间低的热浪(Robinson,2001)。在这项研究中，热浪被定义为连续三个或三个以上炎热的昼夜。这种热浪以后被称为“复合热浪”。采用三天作为最低持续时间，以保证必要的持久性。特别地，两个独立的热浪必须被夹在至少两个连续的非极端天气中(Tmax lt; 90百分位或Tmin lt; 90百分位)。暖日/暖夜的定义是日最高气温/日最低气温(Tmax/Tmin)高于气候基准期的90%。按照DellaMarta等人(2007)的方法，6 - 8月每一天的Tmax/Tmin的日百分位数是由对应的数据样本单位计算出来的，每一个样本单位包含15天(由具体的一天和前后的7天组成); 然后将这些1961年至2015年期间的样本组装(即，样本总数15times;55 = 825天)。对于暖日和暖晚，合理地采用一个较低的临界阈值(第90百分位)(Della-Marta et al.2007)，因为同时需要至少3天的持续时间和极端Tmax/Tmin。较高百分位数(95或99位)的识别大大减少了热浪事件的数量，导致许多热浪事件未被检测到(图略)。较少的热浪事件样本会影响线性趋势估计的可靠性。在现有的研究中，第90百分位算法也被广泛用于表示罕见的温度极值(Fischer和Schar, 2010)。

图2为一些说明性示例，其描绘了基于每日百分位数和传统季节性百分位数的识别差异。每日90个百分位表现出明显的季节内变异，在早夏和晚夏的阈值较低，这与观察到的Tmax/Tmin的时间演变一致。在固定的季节性百分位数下，初夏（6月20日之前）的热浪事件很可能被忽略（如图2a，b所示），90％以上的站点存在问题。然而，尽管强度较低，这些初夏的HW可能比夏季中期的热浪事件更具健康损害性（Kalkstein和Smoyer，1993）。初夏的热浪事件可以在易受影响的人群中引发更大的死亡人数，这些人群在如此早期阶段被突然的炎热天气所影响（Kalkstein等，2008）。相比之下，在夏季中后期易感群体可能在生理和行为方面更适应长时间处于高温环境中（Basu和Samet，2002）。在夏季中期，类似的HW（图2b）可以通过某些站点的每日百分位数和季节性阈值来识别。然而，在许多情况下，按季节百分位数确定的峰值夏季热浪事件不符合日常百分位标准，这往往更为关键，如图2c所示。换句话说，就强度而言，每日百分位数可能会产生更严重的夏季中期硬币。基于百分位数的阈值还使HW变化在不同的主要气候区域之间具有可比性（Robinson，2001）。因此，从时间和空间的角度来看，每日百分位数所识别的事件代表了相对于正常条件的极度偏高的异常。

根据CMA的建议，该定义不采用（30°C或35°C）绝对阈值。在气候变暖的情况下，由于技术（例如，空调和灌溉）或响应高温警报而采取的预防措施，一些地区的温度经常超过这些规定的阈值而对健康或农业没有灾难性后果。根据不同的每日百分位数，我们的HW定义不仅在统计上代表极端，而且还强调在气候日益变暖的背景下这些极端事件（例如农业灾害，停电和供水短缺）的潜在不利影响。设计四个指标来量化热浪：1）热浪数（HWN），即热浪事件的发生次数; 2）热浪天数（HWF），即所有热浪事件所涉及的总天数; 3）热浪持续时间（HWD），即每个热浪的长度； 4）热浪强度（HWI），即热浪的强度，计算为在其持续时间内Tmm和rmin在某些阈值以上的累积超量，如下所述：

HWN将热浪视为一个整体，而HWF则在高温期间记录所有极端温暖的日/夜。例如，如果一年有2个热浪，其中一个持续3天而另一个持续5天，那么年度HWN，HWF和平均HWD分别为2,8和4天。根据公式(1)，一个大的HWI可能是由于持续时间长和/或大大超过阈值(Kuglitsch等， 2010)。

除了上述四个指标外，还构建了一个测量复合HWs空间范围的指标。为了避免插值带来的可能的不确定性和不准确性，一种基于原始站点观测的称为“冻结网格”的方法。使用网格数据（Jones，1986）。首先，中国大陆分为2.5°纬度和2.5°纬度箱。假设在box-z内有完全ns（z）站，并且在ns（z）站之间，nh（z，Z）站在夏季期间记录至少一个热波-z，HW的空间覆盖范围在年-Z（对于整个国家或特定地区）应该是：

其中“110”表示每单位经度/纬度的近似距离，“数字”表示目标区域中的总箱数。考虑到箱区面积随纬度的变化，空间范围也由每个箱的中心纬度加权。如果简单地用受影响站点的数量来表示，具有稀疏站点的区域（例如，新疆和华北）的空间覆盖将远小于华东（具有密集观测网络的区域）的空间覆盖。通过“冻结网格”方案，可以通过在框中记录HW的站的百分比公正地比较不同区域中的复合HW的空间覆盖。冻结网格方法用于最小化不均匀站点分布对空间范围评估的影响（Chen和Zhai，2013）。我们的敏感性测试表明，箱尺度选择2°，2.5°和3°既不会影响估计的空间覆盖范围，也不会影响以下趋势分析。考虑到子区域之间的箱数变化（见第3节），除了绝对变化之外，HW的估计空间覆盖率也按各自的总面积归一化以产生百分比方便进一步比较。

为了评估不同参数的线性趋势，采用Kendall的tau斜率估计法(Sen, 1968)。这种非参数方法对潜在的异常值足够不敏感，并且不假设原始数据的任何分布形式。采用Kendall的 tau检验估计线性趋势在0.05水平上的显著性。利用核密度估计方法对概率密度函数(PDF)进行了估计，该方法不依赖于原始数据分布形式的任何规定假设。

图2. 利用日阈值和季节阈值识别热浪图。实蓝色(绿色)线和虚线蓝色(绿色)线分别表示Tmax和Tmin的季节(日)第90百分位;实红线和虚线表示Tmax和Tmin系列;按日和季节第90百分位确定的热浪日分别用“*”和“ ”标记。

3.结果

3.1HW的基本特征

图3.（a）1961 - 2015年间的HW总数（HWN）。(b) - (d)夏季高峰期(6月21日- 8月10日)、初夏(6月1日- 6月20日)和夏末(8月11日- 8月31日)Tmax和Tmin的平均第90百分位，其中只有Tmax (Tmin)百分位在30°C(20°C)以上的站点出现。

图4.（a）HWN/10a，（b）HWF/10a，（c）HWD平均场/10a（d）HWI平均场/10a的线性趋势。填充的点表示趋势为0.05水平的显著

在过去的55年中，复合HW在长江流域（YRV）和华南地区（图3a），在YRV银仙站记录的最大累计发生率为80。中国北方也见证了频繁的HW，总发生率为30-40。在夏季中期（6月21日至8月10日），中国中东部，华南和西北地区每日90％的Tmax通常超过35°C（图3b，2a，2c）。巧合的是，这些地区的Tmin日第90百分位高于20℃甚至25℃，满足“热带夜晚”标准(Tminge;20℃，Fischer and Schar, 2010)。与图2所示的季节内变化一致，初夏(图3c)和夏末(图3d)的日百分位数没有夏季高峰时高。初夏时，我国东

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[19335]，资料为PDF文档或Word文档，PDF文档可免费转换为Word