基于信息扩散理论的贵州省高温分布特征及风险分析

段 莹，龙 俐，胡欣欣

(1.贵州省生态气象和卫星遥感中心，贵州 贵阳 550002；2.贵州省气候中心，贵州 贵阳 550002；3.贵州省山地环境气候研究所，贵州 贵阳 550002)

0 引言

近年来，在全球气候变暖的背景下，极端天气气候事件发生频繁，引发的气象灾害对国民经济、生产生活造成了严重的影响。贵州地处云贵高原东部斜坡过渡带，是典型的喀斯特山区，气候类型属中国亚热带高原季风湿润气候，山地气候垂直分带明显。高温主要出现在夏季，而夏季是农业生产关键时期，研究发现贵州省内每年均出现不同程度的夏旱[1]，如再遇高温灾害，生产生活和农业生产将会受到严重影响，防灾减灾已成为政府和气象部门的重要工作。贵州省南部边缘、东部及北部局地夏季高温危害大、频率高，灾害评估已经成为决策气象服务的重要内容，更好的了解贵州省高温区域的风险规律，能够为防灾减灾提供服务依据。目前高温气象灾害问题已成为研究热点，国内外已有不少关于高温的时空分布规律及其他方面的相关研究[2-10]，省内对高温气象灾害的风险分析研究还相对较少，张波等[11]研究了近50 a贵州省高温日数的时空特征及变化趋势，发现1961—2010年，贵州省极端高温日数整体上呈现增加趋势，对生产生活的影响日益明显，但其资料年限只到2010年，有必要对近10 a的变化情况进行分析，且该文章仅对高温特征进行分析，没有涉及高温风险分析。

高温天气事件本身是一种不确定性强、多因素影响的天气事件，属于不连续性的小样本数据，无法利用传统统计学方法得出稳定结果。随着基于信息扩散理论的模糊数学处理方法[12]的提出，优化利用样本模糊信息的集值化的模糊数学处理方法，可以弥补高温样本信息不足。目前，国内已有很多学者将信息扩散理论运用到灾害风险评估中，并取得了较好的效果[13-20]，如吉莉等[20]基于信息扩散理论对重庆地区高温风险进行分析，揭示了重庆高温风险的统计特征和高温风险分布变化规律。本研究将基于信息扩散理论描述贵州省高温分布特征，对高温灾害危险性风险进行分析，以期为贵州防灾减灾以及高温气象灾害风险区域划分提供科学依据。

1 资料与方法

1.1 资料及指标

采用贵州省1961—2019年国家级气象观测站逐日最高气温资料进行分析。

高温：日最高气温大于或等于某一限定值的现象[2]，本研究限定值为35.0 ℃。其中35.0～36.9 ℃为一般高温，37.0～39.9 ℃为炎热，≥40.0 ℃为酷热。

连续高温：连续多日(≥2)日最高气温大于或等于35.0 ℃的现象[3]。

连续高温日数：连续高温持续出现的天数。

1.2 分区

根据高温的定义，将贵州省高温易发区分为北部、东北部、东南部、南部4个区域，并在其中选择近60 a单站高温站次达到50次以上的38个国家级气象观测站作为分析对象(图1)，各区代表测站分别是赤水、沿河、榕江、罗甸。

图1 贵州省主要评估区域分区图Fig.1 Guizhou province main assessment area partition map

1.3 风险评估方法

按照公式(1)～(6)，首先设定高温指标域：U={u1,u2,…un}，将每个观测样本扩散到域中的所有点，对扩散后的样本进行归一化处理后得到隶属函数的模糊子集，再进行概率的计算，超越概率值即为风险估计值。

(1)

(2)

(3)

(4)

(5)

(6)

式(1)中h为扩散系数，a、b分别为样本的最小值和最大值，m为样本数；(2)式中yj为单值样本原值，ui为域值，Fj(ui)为模糊子集，该公式可将单值样本yj所携带的信息扩散到域U中的所有点；(3)式中δyj(ui)表示了样本yj的归一化信息分布；(4)式中q(ui)为落在ui处的样本个数，表示将yj均看做是样本代表时，观测值为ui的样本个数为q(ui)个；(5)式中Q为ui点上样本数的总和，P(ui)为落在ui处的概率估算值；(6)式中P(u≥ui)为风险估计值。

2 高温区域特征分析

2.1 日最高气温

主要评估区域高温初日除南部无冬区的册亨和罗甸最早出现在2月外，其余大部分地区出现3—5月；终日除北部集中在8月外，其余大部分地区出现9—10月。整个评估区域高温集中时段为4—9月(图2)。

图2 贵州省主要评估区域高温(≥35.0 ℃)初终日年变化图(1961—2019年)Fig.2 Guizhou province main assessment area the beginning and ending date of high temperature (35.0 ℃ or higher)annual variation map(1961—2019)

贵州省主要评估区域4—9月多年平均日最高气温变化趋势如图3所示，其中每个年代(10 a)的值用不同颜色展示(图5同)，从20世纪60年代以来，整个区域总体呈较弱的上升趋势；年际变化上看，60和70年代出现下降趋势，80年代开始呈现持续上升趋势。

图3 贵州省主要高温区域4—9月平均最高气温年变化图(1961—2019年)Fig.3 Guizhou province main high temperature area average maximum temperature in April to September annual variation map(1961—2019)

平均最高气温标准值(1981—2010年)分布(图4)表现为：最高气温除望谟、罗甸在30.0 ℃以上，桐梓、绥阳在26.0 ℃以下，其余大部在26.0～29.9 ℃。从不同分区情况来看，北区平均最高气温为4个区域中最低，大部在26～28 ℃；东北、东南区大部在26～30 ℃；南区则基本在28 ℃以上。

图4 贵州省主要高温区域4—9月平均最高气温(1981—2010年)分布图Fig.4 Guizhou province main high temperature area average maximum temperature in April to September partition map(1981—2010)

2.2 高温日数

贵州省主要评估区域高温日数平均约为10.7 d，年际变化阶段性特征显著，除20世纪80年代和21世纪00年代呈现上升趋势外，其余年代呈现下降趋势，但总体呈上升趋势(图5)。从4—9月情况看，主要集中在7、8月，约占时段高温日数的75%，尤以8月为最多(图6)。

图5 贵州省主要高温区域4—9月年平均高温日数变化图(1961—2019年)Fig.5 Guizhou province main high temperature area annual mean high temperature days in April to September variation map(1961—2019)

图6 贵州省主要高温区域4—9月平均高温日数月变化图Fig.6 Guizhou province main high temperature area average high temperature days in April to September monthly variation map

从空间分布整体分布情况分析(图7)，多年平均高温日数沿河、赤水、碧江区、榕江、罗甸等地在20 d以上外，其余地区高温日数为1～19 d。各分区平均高温日数分布特征表现为：北区除赤水外，其余地区高温日数均在10 d以下；东北区域平均高温日数最多，大部区域在15 d左右，沿河超过25 d；东南区内南北差异明显，北部以10 d以下为主，南部则超过20 d；南区除罗甸平均高温日数在20 d以上外，其余大部在1～15 d范围。

图7 贵州省主要高温区域4—9月多年平均高温日数(1981—2010年)分布图Fig.7 Guizhou province main high temperature area multi-year average high temperature days in April to September partition map(1981—2010)

2.3 极端高温

主要评估区域中赤水、沿河极端最高气温达42.0 ℃以上，东北部大部和南部大部在40.0～42.0 ℃之间，桐梓、绥阳、湄潭、凯里、黎平、平塘等地在38.0 ℃以下，其余地区在38.0～40.0 ℃之间(图8)。其中，北区除赤水外，其余大部在38 ℃左右；东北区极端高温整体较高，大部地区在40 ℃以上；东南区整体在38～40 ℃之间；南区极端最高气温分布表现为西高东低形势，东部在40 ℃以下，西部则大于40 ℃。1961年以来区域极端最高气温为43.2 ℃(2011年8月18日，赤水)。

图8 贵州省主要高温区域4—9月极端高温分布图Fig.8 Guizhou province main high temperature area extreme high-temperature in April to September partition map

从极端高温气候倾向率的变化来看(图9)，除仁怀为-0.3 ℃/10 a，铜仁、思南略偏为负外，其余地区极端高温呈维持—升高态势，册亨高达0.6 ℃/10 a。北区极端高温变率整体最低，东北区、东南区变率在0.1～0.4 ℃/10 a，南区除册亨升高趋势较高外，区域地区在0.2 ℃/10 a左右。

图9 贵州省主要高温区域4—9月极端高温变化趋势分布图(℃/10 a)Fig.9 Guizhou province main high temperature area extreme high-temperature variation tendency in April to September partition map(℃/1 0 years)

3 高温风险分析

3.1 高温

选取38个站点1961—2019年4—9月的逐日最高气温作为样本，从5.0～44.0 ℃之间每间隔1.0 ℃作为一个控制点，共40个控制点，根据信息扩展理论方法，得到高温度数的概率。选取赤水、沿河、榕江及罗甸分别作为北区、东北区、东南区及南区的代表站。利用4个区域的代表站概率绘制得到曲线图，如图10，代表站35.0 ℃以上的概率曲线均为单弧线型，根据分级标准，35.0 ℃≤T<37.0 ℃时风险概率值最大的是榕江，37.0 ℃≤T<40.0 ℃时风险概率值最大的是沿河，T≥40.0 ℃时风险概率值最大的是赤水。

图10 各区代表站4—9月高温度数概率曲线图Fig.10 Districts represent station high temperature degree probability graph

根据自然断点法绘制研究区域概率进行不同分级标准下的概率分布图(图11)。结果表明，一般高温的风险值高值区主要分布在赤水河谷地带、东北部大部、东南部的西南部和南部的罗甸等地；炎热的风险值高值区主要分布在沿河、赤水、铜仁；酷热的风险值高值区主要分布在赤水、沿河。各分区的情况上看，北区除赤水外，3个等级高温风险均在低风险—次低风险，高温风险整体最低，赤水高温风险在次高—高，尤以酷热风险最高；东北区高温风险整体在次高—高，在4个区域中风险最高；东南区内一般高温及炎热风险南北差异明显，南部风险高；南区罗甸一般高温风险高，其他站点整体为中低风险。

图11 贵州省主要高温区域4—9月高温风险等级分布图Fig.11 Guizhou province main high temperature area high temperature risk degree in April to September partition map

3.2 高温日数

选取38个站点1961—2019年最长连续高温日数作为样本，从0～31 d之间每间隔1 d作为一个控制点，共32个控制点，根据信息扩展理论方法，得到最长高温日数的概率。利用4个区域的代表站概率绘制得到曲线图，如图12，各代表站的概率曲线出现多峰型，但幅度变化差异较大。罗甸连续高温日数概率3 d达到峰值(0.208 3)，榕江连续高温日数概率5 d达到峰值(0.132 2)，两站连续高温日数达15 d 以上的情况几率很小；其余2个代表站连续高温日数7 d左右达到峰值(赤水0.162 1，沿河0.096)。

图12 各区代表站连续高温日数概率曲线图Fig.12 Districts represent station continuous high temperature days probability graph

对研究区域连续高温日数≤5 d、6～10 d、11～15 d、16 d以上的概率进行统计，并根据自然断点法绘制分布图(图13)。结果表明，区域内大部分地区连续高温日数出现5 d以下的概率较大，除沿河外，连续高温日数达16 d以上高风险值的几率很小。从4个分区情况来看，北区除赤水外，为连续5 d以下高温的高风险区，赤水连续高温6～15 d风险较高；东北区连续高温1～15 d的风险随连续日数的增大而增大，其中沿河为连续10 d以上高温的高风险区；东南区南北差异明显，5 d以下连续高温风险北高南低，6～15 d连续高温风险则表现为南部次高风险，北部低风险；南区连续高温风险除罗甸为6～10 d中等风险外，其余区域风险集中在5 d以下。

图13 贵州省主要高温区域4—9月高温日数风险等级分布图Fig.13 Guizhou province main high temperature area high temperature days risk degree in April to September partition map

4 小结

①通过高温初终日的分析，贵州省主要高温区域的高温主要出现在4—9月。

②平均日最高气温总体呈上升趋势，年际变化出现先降(20世纪60和70年代)后升(80年代至今)的阶段性变化；平均年高温日数为10.7 d，主要集中在7、8月(占75%)，以8月为最多；沿河、赤水、碧江区、榕江、罗甸等地在20 d以上，其余地区高温日数为1～19 d，除20世纪80年代和21世纪00年代呈现上升趋势外，其余年代呈现下降趋势，但整体呈上升趋势；极端高温赤水(43.2 ℃)、沿河高达42.0 ℃以上，大部分地区在38.0～42.0 ℃之间，大部分地区极端高温变化呈维持—升高，其中册亨高达0.6 ℃/10 a。从不同分区情况来看，北区平均最高气温为4个区域中最低，东北、东南区次之，南区为最高；平均高温日数分布特征表现为北区除赤水外整体高温日数最少，东北区域平均高温日数最多，东南区内南多北少差异明显，南区罗甸高温日数较多；东北区极端高温整体较高，南区表现为西高东低形势。

③ 4个代表站的高温度数风险概率曲线均为单弧线型，一般高温时风险概率值最大的是榕江，炎热时风险概率值最大的是沿河，酷热时风险概率值最大的是赤水。一般高温的风险值高值区主要分布在赤水河谷地带、东北部大部、东南部的西南部和南部的罗甸等地；炎热的风险值高值区主要分布在沿河、赤水、铜仁；酷热的风险值高值区主要分布在赤水、沿河。4个代表站的最长连续高温日数风险概率曲线为多峰型，罗甸3 d达到峰值，榕江5 d达到峰值；赤水、沿河7 d达到峰值。大部分地区连续高温日数出现5 d以下的概率较大，除沿河外，连续高温日数达16 d以上高风险值的情况几率很小。

④ 4个分区高温风险情况上看，北区除赤水外，高温风险整体最低，且连续高温日数短；东北区高温风险在4个区域中风险最高，连续高温风险随连续日数的增大而增大；东南区高温风险呈南高北低态势；南区除罗甸高温风险较高外，其他站点整体为中低风险。

综上所述，通过对研究区域的高温分布特征分析以及采用信息扩散理论对高温危险性进行风险分析，能够总结出区域高温的一些变化规律，对高温监测指标的制定和气候服务工作起到一定的指导性作用。