1961-2014年淮河流域极端气温时空特征及区域响应∗

孙玉燕，孙鹏,，姚蕊，张强，王友贞

(1.北京师范大学环境演变与自然灾害教育部重点实验室，北京100875；2.安徽师范大学地理与旅游学院，安徽 芜湖241002；3.安徽省水利部淮河水利委员会水利科学研究院∥水利水资源安徽省重点实验室，安徽 蚌埠233000；4.江淮流域地表过去与区域响应安徽省重点实验室，安徽 芜湖241002； 5.北京师范大学地理科学学部，北京100875)

在全球变暖的背景下，近100 a来中国年均地表温度明显增加，升温幅度约为0.9 ℃/10a，最近50-60 a气温增幅为0.23 ℃/10a，近百年增温幅度及增温趋势皆高于全球平均水平[1]。在中国中东部地区，1909-2010年增温幅度达到1.52 ℃/100a[2]。气温显著上升加剧了气候系统的不稳定性，导致极端天气事件发生频率增加。因此，区域乃至全球尺度气温变化的研究一直是近几年国内外学界研究的热点。

当前对气温变化的研究较多，Christidis等[3-4]研究表明，全球最高气温、最低气温均表现为上升趋势，极端事件发生的数量、强度不断增加，并且自20世纪50年代以后，该变化更为显著。Dashkhuu等[5-9]运用极端气温指数分别对中亚蒙古、东欧塞尔维亚、南欧意大利、东非肯尼亚、北美美国进行研究，表明寒冷日数呈显著下降趋势。Xu等[10]研究认为在整个亚洲地区极端高温将会保持相对稳定，而极端低温将会随纬度的升高而显著上升少。对我国极端气温的研究中，Zhang等[11]研究认为，近50 a极端温度的变化大大超过了相应的气候变化幅度，冷暖极端现象表现出了较小的不对称性，尤其是中国南方的冷极值现象。王琼等[12]和Liang等[13]采用线性倾向估计法分别分析了长江流域和黄河流域极端气温指数的变化趋势；Jiang等[14]使用16种极端温度指标对秦岭及周边地区极端温度进行研究，得出海拔高度对极端温度指数的空间分布有很大影响，以及城市热岛效应的普遍存在也对极端温度的变化幅度有影响；另外，许多学者还对我国其他区域的极端气温事件进行了相关研究[15-17]。上述研究根据不同数据、方法以及不同气温指数对各区域尺度气温变化做了不同程度的研究。但上述研究所用极端气温指标较少，不能全面反映极端气温多方面变化，同时，已有研究所用数据并不是最新数据，站点分布较少[19-20]，与其他区域的气候变化的对比研究和空间分布特征精细化研究不足。基于此，本研究以淮河流域为例，利用1961-2014 年淮河流域153个气象站日最高/低气温、日均温等数据计算目前国际上常用的26 个极端气温指数，对淮河流域气温变化进行全面而系统的分析，并将研究成果在区域乃至全球尺度进展对比，探讨淮河流域在气温上升方面对全球暖化的响应特征。

1 数 据

本文选取淮河流域153个气象站点1961-2014年逐日均温、日最高温、日最低温资料，数据来源于中国气象数据网(图1)。为提高数据质量，确保结果准确可靠，本文所使用的数据均使用RClimDex程序进行严格的质量检测，包括异常值和错误值的筛选、日最高气温是否小于最低气温等，不合格数据按缺测值处理。缺测值使用3次样条函数内插补齐。

图1 淮河流域气象站点分布Fig.1 Locations of the meterological stations across the Huaihe River basin

2 研究方法

本文采用由世界气象组织气候委员会、全球气候研究计划气候变化和可预测性计划气候变化检测、监测和指标专家组确定的“气候变化检测指数”[21]，该方法已为国内外极端气候研究所广泛使用。气候变化检测指数包括极端气温指数与极端降水指数，根据本文的研究内容，选取其中16种极端气温指数。并且，结合国内外研究成果[6,16]，提取极端气温的部分特征，对现有极端气温指数进行合理的扩展，总结得出26种极端气温指数，反映上述气温指标没有反映出来的气温变化特征，特别是反应气候变化下的极端高、低温事件(表1)。本文将极端气温指数划分为4类，分别是极值指数、极端暖指数、极端冷指数、其他指数。

本文在分析极端气温序列变化趋势、突变分析及与经纬度、海拔的相关性分别采用SEN趋势估计法[22-23]、Mann-Kendall非参数检验[16,24]和Pearson相关系数法，这些方法均为常用方法，在此不再赘述。

3 结果分析3.1 淮河流域极端气温时空特征

3.1.1 极值指数趋势特征 由图2可知，各气温极值呈整体上升趋势，淮河东部的TXx与TXn变化较其西部区域显著。淮河流域东南部TXx呈显著上升趋势(图2a)，而淮河流域东部TXn呈显著上升趋势(图2b)。淮河流域西北部的部分站点TXx呈下降趋势。同时，TNx与TNn整体呈显著上升趋势(图2c、2d)，且TNn比TNx变化幅度略大。另外，TNx在洪泽湖区的站点表现为下降趋势，而洪泽湖区的TNn也较其周边地区TNn上升幅度略低，可能与湖区对局地小气候的调节有关。TNx、TNn、TXx和TXn的上升趋势更为明显，表明淮河流域冬季极端低温事件将减小，温差也缩小。

表1 极端气温指数1)Table 1 Definitions of extreme temperature indices

1)*为未入选“气候变化检测指数”

图2 1961-2014年淮河流域极值指数趋势特征Fig.2 Spatiotemporal patterns of trends in TXx, TXn, TNx and TNn across the Huaihe River basin during 1961-2014

3.1.2 极端暖指数趋势特征 TX90p在淮河流域东部/西部多呈上升/下降趋势(图3)。其中淮河流域东南部和南部TX90p多呈显著上升趋势(图3a)。在淮河流域大部分区域，TN90p、SU25、TR20和HWDI呈上升趋势，但上升幅度各异。其中TN90p多呈显著性上升变化(图3b)，而TR20的增幅最高，最大增幅达7.1 d/10a(图3e)，上述两极暖指数均反映淮河流域日最低气温大于相应阈值的日数增多，日最低气温升高的变化特征。SU25和CSU25的变化趋势存在较大差异，前者为年日最高气温(TX)>25 ℃的全部日数，后者为年日最高气温连续>25 ℃日数最大值，对比可知，淮河流域大部分区域SU25呈上升趋势(图3c)，而CSU25多呈下降趋势(图3h)，即在普遍升温的情况下，难以连续多日维持较暖气温，这反映出淮河流域天气复杂多变、气候冷热交替频繁的特点。SU35、WSDI和CSU35在47、73和116个站点无明显变化趋势，而上述指数在淮河流域东南部多呈上升趋势，而在淮河流域西北部多呈下降趋势(图3d、3f、3i)，主要与淮河流域所在纬度、所处气候区及区域内地形有关[17]。在11个极端暖指数中，除CSU25外，其余各指数在淮河流域东南部大部区域呈显著上升趋势，主要原因是东南部经济水平较发达，城市化程度相对较高，受城市热岛效应影响明显，因此导致该区域极端气温上升幅度显著，这与史军等[25]研究一致。

3.1.3 极端冷指数趋势特征 与极端暖指数普遍上升趋势相反，极端冷指数主要为下降趋势(图4)，具体表现为最低气温升高，寒冷日数减少。总体上，淮河流域北部地区比南部地区极端冷指数下降幅度大，即北部变暖幅度略高于南部，极端冷事件发生频率降低，尤其是在CFD中表现最为明显；东部地区比西部地区显著性检测通过率普遍偏高。再与极端暖指数对比，从变化幅度来看，淮河流域极端暖指数变化幅度小于极端冷指数；从空间分布情况看，淮河流域各极端暖指数多存在一定的区域差异性，东部地区比西部地区升温幅度大，如前文分析，这与城市化、人类活动的区域差异性相关。而各极端冷指数变化趋势在整个流域较为一致，主要原因是全球气候变暖对淮河流域产生较大影响，因此反映了气候变化的整体性特点。

3.1.4 其它指数趋势特征 气温日较差(DTR)呈显著下降趋势站点占80.4%(图5a)，但变化幅度较小，除大别山区DTR下降趋势不显著外，其他区域DTR呈显著下降趋势。另外，洪泽湖区DTR为显著上升趋势，与周围区域变化趋势相反，通过与极值指数对比可发现，TNx在洪泽湖区表现为下降趋势(图2c)，而TXx、TXn则呈上升趋势(图2a、2b)，即最高气温上升、最低气温下降，因此导致气温日较差在洪泽湖区明显上升。生物生长季(GSL)变化幅度较大，各站点中最高增加速率为7.6 d/10a，并有83.01%站点通过显著性检验，呈显著上升趋势，集中分布于中东部，西侧边缘区域显著上升趋势站点数较少(图5b)。生长季均温(GTavg)、生长季最高气温均值(GTmax)和生长季最低气温均值(GTmin)空间变化趋势基本一致，均呈下降趋势，但变幅较小(图5c、5d、5e)。据此推断，随着生长季日数的增加，生长季节初日和终日分别向年初和年末扩展，这其中就包含部分寒冷天数，因此降低了整个生长季的气温；再加上我国东部季风气候在初春时节冷空气活动频繁，经常出现“倒春寒”现象，导致气温骤降，对生长季整体气温变化情况产生极大影响。

图3 1961-2014年淮河流域极端暖指数趋势特征Fig.3 Spatiotemporal patterns of trends in extreme warm indices across the Huaihe River basin during 1960-2014

图4 1961-2014年淮河流域极端冷指数时空变化特征分析Fig.4 Spatiotemporal patterns of trends in extreme cold indices across the Huaihe River basin during 1961-2014

图5 1961-2014年淮河流域其他指数时空变化特征分析Fig.5 Spatiotemporal patterns of trends in other extreme indices across the Huaihe River basin during 1961-2014

3.2 淮河流域极端气温指数突变分析

运用M-K法对淮河流域极端气温指数进行突变分析(图6)，20世纪90年代是突变点发生的高峰之一，如暖夜日数(TN90p)、夏日日数(SU25)、热夜日数(TR20)、冷夜日数(TN10p)、冷日持续日数(CWDI)和生物生长季相关指数(GSL、GTavg、GTmax、GTmin)的突变点分布在90年代不同年份且仅发生一次突变。另一突变点发生的高峰在80年代，包括最低气温的极低值(TNn)、霜冻日数(FD0)、结冰日数(ID0)、冷昼持续日数(CSDI)、霜冻持续日数(CFD)和气温日较差(DTR)，基本为极端冷指数，发生时间相对早于极端暖指数。这两个突变高峰可能受ENSO事件影响，相关研究表明，El Nio/La Nina事件在1980年以后波动趋势更加剧烈，尤其是90年代后，气候变化强度在ENSO 事件与其他全球气候变暖因子的共同作用下进一步增加[26-27]。此外，最低气温的极高值(TNx)和最高气温的极高值(TXx)突变点分别发生于2000年和2010年，是单一突变点发生时间较晚的指数。

图6 1961-2014年淮河流域极端气温指数M-K突变检验Fig.6 Abrupt behaviors of extreme temperature indices across the Huaihe River basin during 1961-2014

突变情况较为复杂的指数有热浪日数(HWDI)、夏日持续日数(CSU25)、冷昼日数(TX10p)和结冰持续日数(CID)。这4个指数均有3个以上突变点，并且在20世纪90年代以后均发生多次突变；1961-2014年期间，发生El Nio事件14次，其中发生在90年代之后的有7次，占ENSO事件的50%，导致我国东部地区气温偏高，江淮地区少雨[28]；发生La Nina事件12次，其中发生在90年代之后的有5次，占ENSO事件的42%，且中度以上La Nina事件发生4次，占总发生中度以上ENSO事件的一半，导致我国冬季风比较强烈，利于寒潮爆发[28]。同时，夏季和冬季气温对ENSO的响应分别在70年代末，90年代初和21世纪初经历了次较为明显的突变，20世纪90年代之后，频繁的ENSO事件是导致极端气温指数HWDI、CSU25、TX10P和CID持续突变的主要原因。在1963、1965、1969年分别发生了强度、中度和弱度的El Nio事件，持续的El Nio事件导致HWDI和CSU25呈增加趋势，最终导致HWDI 和CSU25在20世纪60年代至少发生一次突变。

3.3 极端气温指数与经纬度、海拔相关性分析

通过分析各极端气温指数与地理位置参数的相关性可知(表2)，多数极端气温指数变化趋势与经纬度、海拔显著相关。FD0和CFD与纬度的相关性高达0.92和0.91，且均通过0.01水平的显著性检验，二者变化趋势随着纬度的上升而显著上升，即淮河流域高纬度地区比低纬度地区发生霜冻的天数多。与纬度呈负相关的主要集中于极端暖指数，如TR20和WSDI,其相关性分别为-0.74和-0.72。GSL与纬度呈高度负相关，随纬度升高，生长季日数逐渐减小。经度与淮河流域极端气温指数的相关性相对较弱，极端冷指数普遍与经度呈弱的负相关，即淮河流域东部地区寒冷日数少于西部地区，极端暖指数与经度的相关性强于极端冷指数。海拔对淮河流域极端气温指数存在一定影响，具体表现在结冰日数ID0和CID上，海拔越高，发生日最高气温低于0 ℃的可能性就越大，这将会对农业生产、人类生活造成不利影响。综上，淮河流域极端气温指数最主要受纬度因素的影响，其次是海拔，受经度因素影响最小。

4 淮河流域极端气温指数的区域响应

淮河流域地处东亚季风湿润区与半湿润区的气候过渡区域，是南北气候、中低纬度和海陆相3种过渡带的重叠地区，天气系统复杂多变，是我国气候变化的“敏感区”。对国内外不同区域的极端气温指数研究结果进行对比分析(表3)，总体上淮河流域各指数的变化趋势与其他区域变化基本一致，均反映为最高气温、最低气温增加，极端暖事件发生频率上升，极端冷事件发生频率下降。具体来看，中国大陆极端气温变化为极值指数全面上升，极端暖指数呈上升趋势，极端冷指数呈下降趋势[29]，与之变化最为接近的是长江流域和秦岭地区。淮河流域TXx和WSDI趋势变化不明显，这与中国其他区域的变化趋势不一致，且TXx在流域内东西部差异较大。翟盘茂等[30]的研究表明，35°N 是一个温度变化分界线，分界线以北的最高温度呈增加的趋势，分界线以南的最高温度却呈降低趋势，淮河流域恰好处于分界线南北两侧，因此35°N分界线南北两侧最高温度趋势变化相反导致了TXx和WSDI趋势变化不明显。Alexander等[31]对全球极端气温的研究结果与中国大陆的极端气温变化趋势高度吻合，国外各区域中，与全球极端气温变化趋势差异较大的是肯尼亚，其TX10p和TN10p呈上升趋势。

随着极端气温事件的频繁发生，关于其成因的讨论越发深入，最主要的观点认为全球气候变暖是极端事件频发的主导因素，全球变暖对地表、大气的升温作用，加剧了气候系统的不稳定性。本文对比国内外不同区域极端气温变化趋势可知，大范围、全球性的极值气温升高、极端暖指数上升以及极端冷指数下降，均体现全球气候变暖趋势是真实的。最新的一些研究发现近十几年全球变暖趋势趋缓，但极端事件发生的概率并没有因此减少，反而愈演愈烈。这可能是因为在全球变暖的基础之上，同时迭加了长周期(40-60 a)和短周期(数年)的脉动，即年代际尺度和年际尺度波动[32]，从而在气候的冷暖波动过程中极易发生极端气温事件。研究表明，导致近百年全球变暖的主要原因主要两方面，一是自然因素下气候的周期性升温，二是人为排放温室气体[33]。人为原因在本流域极端气温指数的空间变化趋势中反映较为显著，受城市化影响，淮河流域东南部增温趋势明显大于其他区域。根据IPCC第五次评估报告中CMIP5模式评估结果，人类贡献很可能造成全球大部分陆地区域更频繁的热日与热夜、更少的冷日和冷夜，并且可能造成全球大部分陆地区域热浪的频率增加和时段的增长[34]。因此，在全球变暖的背景下，研究淮河流域极端气温时空演变规律有助于应对极端气温灾害、预测未来气候变化趋势，有助于合理开发、利用本区气候资源，促进淮河流域社会经济的可持续发展。

表2 淮河流域极端气温指数与经纬度和海拔的相关系数1)Table 2 The correlation factors between extreme temperature indices and geographical locations (including longitude,latitude and altitude) across the Huaihe River basin

1)*和**分别表示通过0.05和0.01水平的显著性检验。

表3 淮河流域主要极端气温指数与其他区域趋势对比1)Table 3 Comparisons of extreme temperature indices at regional and global scales

1) ↗表示该指数整体呈上升趋势，↘表示该指数整体呈下降趋势，○表示该指数无明显趋势，—表示无数据。

5 结 论

本文采用26个极端气温指标来研究淮河流域1961-2014年极端气温事件的时空演变特征，主要得出以下几点结论：

1)极值指数(TXx、TNx、TXn、TNn)基本呈上升趋势，其中最低气温的极高值(TNx)和最低气温的极低值(TNn)呈大范围显著上升趋势，最大增幅为0.4、1.3 ℃/10a。极端暖指数中暖夜日数(TN90p)、夏日日数(SU25)、热夜日数(TR20)和热浪日数(HWDI)在整个流域表现为大范围上升趋势，其中TN90p和TR20呈大范围显著上升趋势，分别以6.3、7.1 d/10a的趋势增加。极端冷指数中，冷昼日数(TX10p)、冷夜日数(TN10p)、霜冻日数(FD0)、结冰日数(ID0)、冷昼持续日数(CSDI)、冷日持续日数(CWDI)和霜冻持续日数(CFD)分别以-2.3、-6.8、-10.0、-2.5、-9.2、-7.3、-4.3 d/10a的趋势大幅下降。TN90p、FD0、 TN10p、CSDI、CWDI、CFD和TR20均有超过80%的站点通过95%的显著性检验，TXn、TX10p、ID0通过95%显著性检验的站点多集中于淮河流域东部。气温日较差(DTR)在淮河流域大致呈下降趋势；生物生长季(GSL)以7.6 d/10a的速率大幅上升，呈现显著上升趋势；生长季气温指数(GTavg、GTmax、GTmin)呈现较为一致的小幅下降趋势。

2)淮河流域极端气温指数在变化幅度、空间分布、突变发生时间和相关性等方面均有较为明显的差异。变化幅度上，极端冷指数大于极端暖指数，夜指数大于昼指数；空间分布上，东部地区极端气温指数变化幅度和显著性检验通过率均大于西部地区，且东南部的极端暖指数增幅远大于淮河流域其他区域；突变发生时间上，极端冷指数早于极端暖指数约10 a；相关性上，极端冷指数之间的相关性略高于极端暖指数之间，多数极端气温指数变化趋势与经纬度、海拔显著相关。

3)淮河流域极值气温升高、极端暖指数上升以及极端冷指数下降，这与国内其他区域和世界极端气温变化趋势基本一致。