近56年安徽省极端气温变化及其与气候指数的关系

刘永婷, 徐光来, 杨 钊, 任秀真, 杨先成, 李爱娟

(1.安徽师范大学 地理与旅游学院, 安徽 芜湖 241002; 2.安徽自然灾害过程与防控研究省级实验室, 安徽 芜湖 241002)

IPCC第5次评估报告指出，全球大部分地区均呈明显升温趋势，1951—2012年全球地表平均气温增温幅度达0.12℃/10 a，而中国陆地表面平均气温的升温率为0.23℃/10 a，高于全球的升温幅度[1-2]。气候变暖使高温、严寒、洪涝及干旱等极端天气事件的发生日益频繁，强度也越来越大，从而给人类生活、自然环境及经济可持续发展造成严重的影响[3-4]。当前，学者们主要基于不同角度和发生阈值对极端气候事件进行阐释[1,5]。极端气候事件实质上是由于某气象要素的正负异常超出了一定阈值，发生于某一特定地点和时间的气候极值[5]。从单个气象观测点来看，极端气候事件一般采用本站点气候要素(如气温、降水量等)在一段时间内的异常记录或超过特定阈值的天数等指数来表示[5]。全球气候变暖导致极端气候事件发生频率和强度的增加，通常，极端气候事件变率的强度及危害都大于平均气候。近年来，极端气候指数时间序列的研究已成为气候变化研究的热点问题，许多学者基于不同的方法和角度对区域极端气温事件的变化特征进行了大量的研究[5-7]。You等[8]研究了中国极端气温的变化特征，发现北方地区极端气温的变化幅度比较明显。黄小燕等[9]利用1960—2013年中国沿海110个气象观测站气温资料，分析了中国沿海极端气温事件的变化特征。刘青娥等[10]研究了珠江流域极端气温的时空变化规律，并选取7个影响因子来分析极端气温变化的环流背景成因。中国领土辽阔，地理位置、地形起伏及下垫面状况的区域差异使得不同地区的气候条件存在明显差异，因此探讨区域范围极端气温指数的变化趋势也显得非常重要。目前，已有学者对贵州、河南、山东和辽宁等中国局地地区的极端气温事件进行了研究和分析[11-14]，结果表明各地区极端最低气温总体上均呈增加趋势，不同区域增加幅度差异显著。

海气耦合是影响大气环流和气候变化的重要因素，尤其是发生在热带太平洋的厄尔尼诺—南方涛动(El Nio-Southern Oscillation,ENSO)、北太平洋年代际振荡(The Pacific Decadal Oscillation,PDO)和北极涛动(The Arctic Oscillation,AO)现象与全球气候异常具有密切联系[15-16]。相关研究发现ENSO，PDO和AO是通过大气环流以遥相关形式影响太平洋副热带高压和东亚季风环流的强度，间接对中国气候异常产生重要的影响，尤其是赤道中东太平洋的变冷是导致近年来气候变暖减缓的主要因素[17-19]。ENSO，PDO和AO异常相位是造成中国极端气候(降水和气温)事件的重要原因之一，其对极端气候变化的影响方式和强度因时间和区域的不同，而存在一定差异[20-22]。

安徽省位于华东腹地(114°54′—119°37′E，29°41′—34°38′N)，淮河、长江自西向东横贯境内。省内地貌地形复杂多样，同时又地处亚热带和暖温带过渡区域，位于典型的季风区内。安徽省是国家的重要粮食生产基地，随着极端天气事件的频率增加，继而引发的气象灾害对农业生产和经济发展造成了严重的影响[23]。以往的研究多注重于安徽省气温时空变化特征[24-25]，但是安徽省极端气温事件变化特征及其与气候指数(ENSO，PDO，AO)在时频域中多时间尺度相关关系的研究并不多见，且已有研究所用站点数较少，与其他区域气候变化的对比研究不足。在全球气候变化背景下，有必要对安徽省极端气温事件变化趋势及其与气候指数关系进行深入分析，为短期气候预测、调整农业种植结构及防治气象灾害提供参考依据，达到农业和社会经济可持续发展的目的。本研究基于安徽省78个气象站点提供的月值极端气温观测数据，利用线性倾向法、M-K突变检验和交叉小波等方法，探讨1960—2016年极端气温事件的变化趋势及其与ENSO，PDO，AO的相关关系，旨在为深入了解区域极端气温变化研究和合理布局工农业生产提供参考依据。

1 数据来源和研究方法

1.1 数据来源及处理

极端气温数据来源于中国气象数据网(http:∥data.cma.cn)。由于个别新建或迁移站点缺测资料较多，考虑到数据的连续性及完整性，剔除数据年限不足及缺测数据较多的台站。在R语言环境中加载基于RClimDex模型，导入各站点气象数据，对资料错误值与异常值进行筛选，以保证结果的可信度。利用克里金插值法对部分站点个别月份的缺失数据进行提取确定，并对数据进行一致性检验。所有数据序列经过严格的质量控制与均一化处理，最终选取78个均匀分布于安徽省的气象站数据，通过分类汇总等数据预处理方法统计出逐年的年极端最高气温(TXx)和极端最低气温(TNn)(图1)。多元ENSO指数(即Multivariate ENSO Index,MEI)、PDO和AO数据均来源于NOAA网站(http:∥www.noaa.gov)。以上数据资料时间跨度均为1960年3月—2016年2月。

图1 安徽省气象站点分布示意图

1.2 研究方法

利用线性倾向法对安徽省多年极端气温时间序列进行拟合，采用ArcGIS 10.2的普通克里金插值法，分析极端气温变化的空间差异。运用Mann-Kendall检验方法(M-K检验)来检验极端气温的突变点[26]，并用滑动t检验法进行验证，且采取Pre-Whitening法对时间序列自相关影响进行消除，使用重标极差法(R/S分析)来预测未来气温变化的趋势[27-28]。

采用Pearson相关性分析方法，分析极端气温指数与大气环流指数间的相关性，并基于Matlab 2020b软件，依据交叉小波变换(XWT)和小波相干(WTC)分析不同时间尺度上安徽省极端气温与气候指数相关关系及其所包含的周期特征。计算过程主要参考文献[29—30]的计算方法，原理如下(计算中选用Morlet小波)。

对于两个时间序列Xn和Yn之间交叉小波功率谱(XWT)定义为：

(1)

小波相干用来反映两个时间序列在时频空间的相干程度，其定义为：

(2)

2 结果与分析

2.1 极端气温趋势变化

从图2A可以看出，近56 a安徽省大部分地区的TXx呈上升趋势(超过0.05显著性水平的站点的比例为51.28%)。其中，黄淮平原的北部地区和江南的小部分地区呈现微弱降温趋势(未达到0.05显著水平)。江淮地区和江南的部分地区的气温呈微弱增加趋势，增幅较大(在0.20℃/10 a以上)的地区主要集中在皖南地区。由图2B可知，安徽省TNn呈明显升温趋势，大部分站点年极端最低气温达到0.05的显著性水平(94.87%的站点达到0.05显著性水平)，增幅最大的是黄淮地区(在0.51℃/10 a以上)，增温趋势达到极显著水平。相比于TXx，年TNn在黄淮地区上升更显著，且上升速率总体呈现随纬度增加趋势。这与TNn在全国范围呈大幅上升趋势，尤其以东北、华北等地区的研究结果相一致[6]。

2.2 极端气温突变检验及其趋势性

利用Mann-Kendall分析法对极端气温进行趋势和突变检验，并结合滑动t检验进行验证，确定突变年份。结果表明，安徽省年TXx的UF与UB两条曲线在临界线范围内交点为2001年，但UF线并未超过0.05显著性水平，说明其增温趋势不显著。从图3A可以看出，近56 a安徽省黄淮平原的大部分地区TXx突变点未通过a=0.05的增温置信度检验，其他地区增温趋势显著，均通过0.05显著性检验，突变点主要出现在20世纪90年代以后。TNn在1986年发生突变，且在1995年以后进入显著上升阶段(M>1.96)。安徽省各气象站点TNn的M值均大于1.96，即通过a=0.05的增温置信度检验(图3C)，突变点大部分集中在20世纪80—90年代。基于R/S分析测算安徽省各站点气候指标的Hurst指数(图3B，D)。大部分站点TXx，TNn的H值都大于0.5，表明均存在较为明显的Hurst现象，表明未来极端气温可能依然延续过去的升温趋势。TNn的H值相对较高，说明TNn增温趋势的持续性强于TXx。

图2 安徽省年极端最高气温和年极端最低气温变化趋势空间分布

图3 安徽省年极端气温突变年份和Hurst指数

2.3 极端气温与气候指数的关系

大部分地区TXx与MEI指数呈正相关(占比93.6%)，相关程度较高的站点主要集中在江淮地区，通过显著性检验的比例为28.2%。与其不同的是，大部分TNn与MEI指数呈现负相关(占比80.8%)，通过0.05显著性检验的站点占14.1%(图4A，D)。TXx与PDO指数呈正相关，而大部分地区TNn与PDO呈负相关，相关程度具有一定空间差异性(图4B，E)。大部分地区TXx与AO指数呈负相关，而TNn与AO均呈正相关，且绝大部分站点相关性通过0.05显著性检验，说明AO在这一时段对TNn的影响范围大于TXx(图4C，F)。

图4 年极端气温与MEI，PDO和AO的相关系数

交叉小波变换重点突出极端气温与气候指数在时频域中高能量区的相互关系，相干小波变换则重点突出极端气温与气候指数在时频域中低能量区的相互关系。黑色粗实线圈内表示能量较高且通过a=0.05红噪声标准谱的检验，细黑弧线表示小波影响锥的边界。→表示极端气温和气候指数同相位，←表示极端气温和气候指数反向位，↑表示极端气温变化超前气候指数变化约90°，↓表示极端气温变化落后气候指数变化约90°。

安徽省TXx与MEI的小波功率谱高能量区主要集中在1980—2012年2.5～6 a的共振周期上，其能量谱表现出带状分布的特征，且两者在大部分时频域中呈正相关(图5A)。在低能量区存在2～7 a(1982—2015年)的共振周期且接近同相位变化，其中在2002—2005年叠加3～3.5 a的周期，有些显著周期大部分位于影响椎形线外，认为没有通过检验(图5D)。TXx和PDO高能量区在1984—2002年存在3～6 a的共振周期(图5B)。TXx与PDO相干小波功率谱低能量区在1990—1994年表现出6～7 a正相位的共振周期(图5E)。由图5C看出，TXx与AO存在3个间歇性共振周期，分别为1.5～2 a(1964—1968年)，7.5～11 a(1972—1988年)和4 a(1982—1984年)。由低能量区图5F可知，TXx与AO在1960—1968年存在1.5～3 a的共振周期，1960—1995年存在7～11 a的共振周期且接近反相位变化，其能量谱呈现带状分布的特征。

由图5G可以看出，安徽省TNn与MEI指数在1964—1974年和1984—1993年分别表现出1～3.5 a，3～6 a共振周期，TNn变化与MEI指数具有较好的反相关。在低能量区(图5J)，1980—1988年、1988—1997年和1998—2003年分别存在2～5.5 a，6～7.5 a和3 a左右的显著负相关共振周期。TNn与PDO指数(图5H)在1988—1994年表现出1～2 a或4.5～5.5 a的共振周期，在其他年代和频率上的能量较弱。在低能量区(图5K)，在3～6 a显著周期尺度上，较强的能量发生在1980—1990年。TNn与AO指数(图5I)在1～3.5 a (1962—1970年)显著周期尺度上能量较强，呈正相关。在低能量区(图5L)时域中1～4 a尺度的正相关振荡出现在1960—1970年，在1980—1984年、1990—1994年表现出2.5～3.5 a和4.5～6 a显著共振周期。

3 讨论与结论

3.1 讨 论

安徽省极端气温呈现上升趋势，其中TNn的升温速率是TXx的3倍多，这与全国范围内极端最低气温呈显著上升趋势，而TXx的增暖趋势不显著的结论相一致[31-32]。对比分析安徽省和全国、沿海地区及其周边省份大致相同时段的极端气温的变化值(表1)，安徽省TXx的增温速率与中国沿海地区一致，TNn的增温幅度介于河南省和山东省之间。

图5 年极端气温与MEI，PDO和AO的交叉小波功率谱、相干小波功率谱

表1 安徽省极端气温的变化趋势及与其他区域对比 ℃/10 a

随着极端气候事件发生频率增加，不少研究人员对极端气温事件原因进行了相关研究。Griffiths等[34]对亚洲—太平洋地区的极端气温变化进行了研究，结果表明城市站和乡村站极端气温变化幅度存在明显差异，尤其是极端最低气温的变化。王琼等[35]分析了长江流域极端气温的时空变化规律，得出冷指数的变暖幅度明显大于暖指数的变化幅度，长江上游区域极端冷指数的平均值大于下游区域，而极端暖指数相反。影响极端气温变化的原因非常复杂，除了上面提及的城市热岛效应和海拔因素外，火山爆发、地形状况[36]以及地表覆被变化[37]都是影响气候变化的外强迫因素，而大尺度海洋变率如ENSO，PDO和AO是年际、年代尺度的气候系统内部变率。东亚季风与中国气候变化联系密切，ENSO，PDO和AO可能通过海气相互作用改变东亚季风的强弱，影响中国东部地区的气候异常。安徽省极端气温与ENSO，PDO和AO存在不同尺度的共振周期，只是在不同年代和频率中的能量强弱分布存在一定差异。极端气温和ENSO相关程度最为明显，其次为AO指数，PDO指数对其影响最小。

本文没有考虑城市站点与乡村站点之间的差异。城市化引起的土地利用/覆被变化和热岛效应可能会影响升温幅度的估算[38-39]。本文只选取了3个比较常见的气候指数，分析了其与极端气温年值的相关关系，没有考虑不同季节极端气温对ENSO，PDO，AO的响应差异。如何定量区分影响极端气温变化的各个因素，还需要更深层次的研究分析。

3.2 结 论

(1) 近56 a来安徽省TNn的上升幅度(0.37 ℃/10 a)明显大于TXx(0.12℃/10 a)，极端气温差趋于缓和。TNn序列比TXx的突变时间(分别为1986年、2001年)提前了15 a，说明安徽省极端最低气温的增温效果权重比较大，是年平均增温的主要贡献者。TXx和TNn序列均存在比较明显的Hurst现象，表明未来极端气温可能依然延续过去的升温趋势。

(2) 安徽省年TXx呈上升趋势，升温幅度相对较小，主要集中在江淮地区和沿江部分地区。TNn普遍呈升温趋势，部分地区增温趋势达到极显著水平。

(3) 极端气温与气候指数具有一定程度的遥相关性。大部分地区TXx与ENSO，PDO，AO呈正、正、负相关，安徽省TXx与ENSO，PDO，AO分别存在2.5～6 a(1980—2012年)，3～6 a(1984—2002年)和7.5～11 a(1972—1988年)左右的共振周期。大部分地区TNn与MEI，PDO，AO呈负、负、正相关，安徽省TNn与ENSO，PDO，AO分别在3～6 a(1984—1993年)，4.5～5.5 a(1988—1994年)和1～3.5 a(1962—1970年)左右的时间尺度上有着强凝聚性共振周期。

致谢：本文所用原始气象观测数据源自中国气象局国家气象信息中心。