江苏省1981—2020年倒春寒气象指标研究

卢 尧， 沈 阳， 杨琼琼， 姜 麟

（1.芜湖气象局，安徽芜湖 241000； 2.江苏省气象台，南京 210008）

“倒春寒”是一种冷空气引发的春季低温冻害［1-2］，对农业生产破坏性较大. 鉴于倒春寒的严重影响，相关研究提出了多种监测标准. 吴增福等［3］根据每年3—4 月气温降幅和距平，划分了江苏地区不同时段倒春寒强度的标准；张淑惠［4］提出了福建北部和南部地区的倒春寒标准，并使用过程平均日距平衡量其强度；段旭等［5］结合旬气温距平和旬内最低气温定义了云南地区新的倒春寒指标，监测能力较旧指标更加客观准确.

倒春寒作为一种春季异常低温现象，每次过程的持续时间和最低温度各不相同，因此严重程度有所区别. 百分位数［6］在研究气象灾害严重性方面有着广泛的应用，如研究极端气温和降水事件，以及划分旱涝级别等方面［7-13］. 选择百分位数作为监测指标，其优势在于既可以研究事件极端性，亦可划分事件严重程度，且针对不同研究对象，阈值选取灵活性较强.

综上，现有研究提出的倒春寒业务标准，其核心内容是将温度距平和低温持续日数作为衡量倒春寒起止时间和强度的因子，而百分位数在倒春寒事件中的应用鲜有涉及. 研究基于百分位数，适用于江苏地区的倒春寒指标，对于监测春季低温冻害，做好防灾减灾工作，具有重要意义.

1 资料和方法

1.1 资料和倒春寒定义

选取江苏省所属的13个地级市（南京、徐州、连云港、宿迁、盐城、淮安、泰州、扬州、镇江、常州、无锡、苏州和南通）气象观测站，1981—2020年（共40年）2—5月的日最低气温（20时—20时）和日平均气温（20时—20时）记录.

参考已有研究［14-15］，本文对倒春寒的定义为：每年入春至4月30日，至少连续3 d日平均气温＜10 ℃时，则第1天为倒春寒起始日；由于4月日平均温度较3月有显著上升，故4月倒春寒开始条件放宽为至少连续2 d日平均气温＜10 ℃时，则第1天为倒春寒起始日；无论在3月还是4月，至少连续3 d日平均气温≥10 ℃时，则第1天为倒春寒结束日，其中入春日期的判定参照文献［16］.

1.2 分析方法

根据倒春寒起始日期，定义起始日至结束日的持续天数为倒春寒过程的“持续日数”，用D表示. 由于结束日当天日平均温度通常有一定程度回升，故定义倒春寒起始日至结束日前1 d日最低温度的平均值为倒春寒过程的“平均最低温度”，用-T表示. 例如，某次倒春寒过程自3月15日开始，至3月20日结束，则持续日数为6 d，平均最低温度等于15—19日每日最低气温的算术平均.

将统计后得到的各测站D按“升”序排列，Tˉ按“降”序排列，各取2 个百分位数作为阈值，将D序列和-T序列各自划分为轻度、中度和重度3 个区间，根据D和-T两个因子的严重程度，综合判定倒春寒等级（表1）.

表1 倒春寒等级判定Tab.1 Classification of late spring cold

2 结果与分析

2.1 入春日期

如前文所述，倒春寒是发生于春季的异常低温事件，故统计倒春寒事件的首要步骤是确定入春日期. 参照文献［16］，本文所选13个市最早入春日期大多位于3月2候，个别地区可提前至2月4候（南京、苏州）；最晚入春日期大多位于4月2候，个别地区可推迟至4月4候（连云港、盐城）. 平均而言，长江以南地区入春日期为3月4—5候，长江以北地区入春日期为3月5—6候.

2.2 倒春寒起始时间

将所选13个市划分为淮北（徐州、连云港、宿迁和淮安）、江淮之间（盐城、泰州、扬州和南通）和江南（南京、镇江、常州、无锡和苏州）3个地区［17］. 以候为时间跨度，淮北地区和江淮之间地区倒春寒起始时间呈现单峰结构，两个地区倒春寒均在4月1候出现最为频繁，分别达34次和31次；而江南地区呈现双峰结构，倒春寒在3月5候和4月1候出现最为频繁，两个峰值分别为33次和35次，频次极为接近（图1）. 需要注意的是，4月5—6候从未发生过倒春寒，因为该时段冷空气强度和活动显著减弱，日平均气温难以维持2 d以上低于10 ℃状态，这也是前文将倒春寒时段限定为3—4月的重要原因.

图1 江苏省1981—2020年倒春寒起始时间Fig.1 Start date of late spring cold of different regions in Jiangsu Province

2.3 倒春寒时空分布特征

2.3.1 总体分布 由图2 a可知，1981—2020年倒春寒多发生于江南地区，镇江、常州和无锡各存在一个大值中心；纬度较高的淮北地区倒春寒频次反而较少. 所选13个市中，扬州倒春寒总频次最少，40年仅23次；镇江最多，为34次. 就该省平均状况而言，这13个市年均发生倒春寒0.7次，泰州、镇江、常州和无锡年均频次高于全省平均值图2 b.

我一下愣住了。这还真不好回答。想了一下，我就把事情原委跟她说了。听着听着，婆婆就落泪了，说：“你这个娘真不简单。你往西走六七里，西山有个骆驼坳，他们在那儿。”她出来指了下方向，又说：“那里险着呢。方圆二三里，男的见了就开枪打死，女的见了就掳进去糟蹋。这拢岸的人啊，冇得哪个敢去那儿，你要当心呵。”

图2 江苏省1981—2020年倒春寒累计频次和年均频次Fig.2 Accumulative frequency and annual average frequency of late spring cold in Jiangsu Province from 1981 to 2020

分区平均后，淮北地区倒春寒年均频次为0.7次，江淮之间地区为0.6次，江南地区最高，达0.8次. 分析可知，倒春寒年均频次高于全省平均值的4个市中，有3个位于江南地区，倒春寒在江南地区最为频繁.

由图3 可以看出，1981—2020 年江苏省逐年倒春寒频次最高为28 次（2013 年），最低为0 次（1986、1991、1992、2002、2007、2012年），年均9次. 在这40年中，有19年倒春寒总频次高于平均值，有18年低于平均值.

图3 江苏省1981—2020年逐年倒春寒总频次和年均频次Fig.3 Annual total frequency of late spring cold and its average value in Jiangsu Province

从倒春寒年频次的峰值看，1981—2003年，峰值均小于15次，最多为14次（1981年、1990年）；而2004—2020 年，峰值均大于或等于15 次，其中有4 次峰值达20 次以上（2004、2010、2013、2018 年），最多为28 次（2013年），是2004年之前的2倍. 综上，江苏省倒春寒年频次的峰值，自2004年起呈显著增长现象，其中原因有待进一步研究.

2.3.2 百分位数阈值的确定 如前所述，使用持续日数D和过程平均最低温度-T作为判定倒春寒天气过程强度的2个因子. 参照相关研究方法［7-13］，选定80%分位数和50%分位数作为阈值，将上述2个指标划分为轻、中、重3个区间. 由于相同百分位数对应不同站点的数值亦不相同，为统一监测标准，采用平均值方案，全省平均和区域平均阈值的对比结果如表2所示.

表2 D和Tˉ百分位数分布Tab.2 The percentiles of duration days and average minimum temperature

若采用分区方案，因子D的80%分位数中，淮北地区标准差和全省标准差均为0.6，但淮北地区均值升为7.0，标准差和均值比例降为8.57%；江淮之间地区、江南地区和全省均值均为6.0，但2个分区标准差降均降至0.5，标准差和均值比例亦降为8.33%. 因子D的50%分位数中，各分区和全省相比无变化，均值（标准差）均为4.0（0.0）.

因子-T的80%分位数中，淮北、江淮之间和江南地区的标准差（0.3、0.3、0.4）较全省标准差（0.5）均明显下降；淮北地区均值（3.3）较全省（3.9）减小，其他2 个分区（4.0、4.3）则上升. 计算结果表明，分区的标准差和均值比例（9.10%、7.50%、9.30%）较全省（12.82%）显著降低. 因子Tˉ的50%分位数分区均值较全省均值的变化与80%分位数完全一致，3个分区的标准差和均值比例（4.55%、6.12%、5.88%）较全省（8.33%）亦显著降低.

综上，从标准差和均值之比看，采用分区均值方案确定百分位数作为倒春寒强度划分阈值相较采用全省均值方案更为合理. 故最终确定江苏省分区倒春寒因子D和因子-T的强度阈值如表3所示.

表3 D和-T 分区分级阈值Tab.3 Regional classified threshold of D and -T

2.3.3 不同强度倒春寒时间分布 图4表明1981—2020年，江苏省轻度倒春寒年频次随时间波动较大，3个峰值分别出现在1981年（12次）、1997年（12次）和2013年（16次）. 中度倒春寒年频次在1988—1990年出现一组峰值（8 次）后，呈现逐年下降的趋势；自2009 年至2013 年，峰值又迅速增长至12 次，之后再次逐年下降. 中度倒春寒年频次波动较为剧烈，相邻年份频次差值最大可达12次（2012年和2013年）. 重度倒春寒在1992年之前较为少发，年频次最多仅1次；1993—1995年频次开始增多，之后至2000年不再发生；2001年之后虽然亦存在连续数年不发生的情况，但总体上进入多发期，年频次峰值出现在2018年（9次）.

图4 江苏省1981—2020年倒春寒分级频次统计Fig.4 Annual frequency of classified late spring cold in Jiangsu Province

2.3.4 不同强度倒春寒空间分布 1981—2020年轻度倒春寒累计频次（图略）分布表明，轻度倒春寒频发区位于南通（17次）、常州（20次）、无锡（17次）和苏州（21次）一带，淮北地区中连云港（17次）和淮安（17次）最为频发，其他地区频次则相对较少.

中度倒春寒（图5 a）高发区则位于扬州（13次）、常州（13次）和无锡（11次）地区，连云港（7次）、淮安（6次）、盐城（6次）和南通（5次）地区最少. 重度倒春寒（图5 b）分布亦有显著变化，高发区位于江苏西部地区和无锡（5次）、苏州（4次）一带，南京频次最多（7次），常州频次最少（1次）.

图5 江苏省1981—2020年中度和重度倒春寒累计频次Fig.5 Accumulative frequency of moderate and severe late spring cold in Jiangsu Province from 1981 to 2020

综上，轻度倒春寒中心位于江苏省的东南部地区，中度倒春寒中心向中部转移，而重度倒春寒中心则位于西部地区. 随着倒春寒严重程度的加深，其频发区向西、向北转移的特征十分显著.

不同等级倒春寒的区域平均频次（图6）表明：江南地区平均频次在所有等级上均高于其他地区，与图2结论一致；轻度和重度倒春寒中，淮北地区平均频次高于江淮之间地区；而中度倒春寒江淮之间地区平均频次高于淮北地区.

图6 1981—2020年江苏省分级倒春寒区域平均频次Fig.6 Regional average frequency of classified late spring cold in Jiangsu Province

以重度倒春寒事件为例，淮北地区平均频次为0.10 次/（站年），江淮之间地区平均频次为0.08 次/（站年），江南之间地区平均频次为0.11次/（站年）. 由表1可知，若达到重度倒春寒，则因子D和因子-T中至少有一个严重程度达到重度等级. 经统计（表略）：淮北地区16次重度倒春寒事件中，重度D和-T分别为12次和7次；江淮之间地区12次重度倒春寒事件中，重度D和-T分别为5次和7次；江南地区22次重度倒春寒事件中，重度D和-T分别为10次和15次.

而对于中度倒春寒事件而言，淮北、江淮之间和江南地区平均频次分别为0.20、0.21 和0.25次/（站年）. 由表1可知，因子D和因子-T中至少有一个严重程度达到中度及以上等级时，方可达成中度倒春寒事件. 统计结果（表略）表明，淮北、江淮之间和江南地区中度倒春寒频次分别为32、34和50次，其中符合要求的因子D频次分别为17、22 和27 次，而因子-T频次分别为26、21和37次.

综上，在影响重度倒春寒的2 个因子中，淮北地区因子D作用更大，而江淮之间和江南地区则是因子-T更为重要. 对中度倒春寒而言，淮北和江南地区因子-T作用更大，江淮之间地区则是两者作用相当. 可见造成不同等级倒春寒事件的2个因子相对重要性存在地区差异，江南地区一致性最高，中度和重度倒春寒均需要重点关注因子-T能否达到所需等级.

3 历史事件检验

《中国气象灾害大典（江苏卷）》［18］（以下简称《大典》）中记录了2000年之前发生的影响较为严重的低温冻害事件，考虑到本文所述倒春寒指“入春”之后的低温天气，故《大典》中记载的发生于1994年3月下旬和1995年4月上旬的2场入春后全省范围低温事件可用来检验前文所述倒春寒指标的适用性. 这两场倒春寒事件发生时，连云港、宿迁、淮安、盐城、泰州和南通尚未入春，其他地区统计结果详见表4.

由表4可知，在两场全省范围倒春寒天气过程中，有效记录站点均为7个. 其中1994年个例中，D等级均为中度及以上，-T等级有3个站为中度及以上，综合判定4个站发生中度及以上倒春寒. 其中徐州1个站达重度倒春寒等级.《大典》中只查询到徐州地区受灾情况，说明徐州灾情最为严重，这与文中指标判定结果完全一致.

表4 倒春寒历史事件检验Tab.4 Verification of historical late spring cold

1995年个例中，D等级中度及以上有2个站，-T等级重度则高达5个站，综合判定5个站发生中度及以上倒春寒. 其中无锡1个站达重度倒春寒等级.《大典》中亦只记录了无锡地区受灾情况，从侧面说明无锡灾情最为严重，这与文中指标判定结果亦完全一致.

综上，以《大典》记录的倒春寒天气过程为参考依据，本文所设计的倒春寒指标从范围和强度两方面均能很好地反映真实情况，充分证明了该指标在江苏省具备完善的合理性和可用性.

4 结论

利用1981—2020 年3—4 月日平均温度和日最低温度，设计了一套基于百分位数的江苏分区倒春寒气象指标，研究结论如下：

1）1981—2020年，扬州倒春寒总频次最少，镇江最多；泰州、镇江、常州和无锡4个地区年均倒春寒频次高于全省平均值；江南地区倒春寒最为频繁.

2）采用持续日数D和过程平均最低温度-T2个因子的50%、80%分位数，可将倒春寒分为轻、中、重3个等级. 随着倒春寒等级的增加，相应等级倒春寒频发区自江苏省东南部地区向西、向北转移的特征十分显著；江南地区所有等级倒春寒频次均显著高于其他地区，影响不同地区不同等级倒春寒的因子相对重要性存在差别，未来应更多关注重度倒春寒频次的演变趋势.

3）本文设计的分区倒春寒指标判定的事件范围和等级，尤其是重度倒春寒地区，与《大典》记录的倒春寒事件完全一致，充分证明了该指标在江苏省具备合理性和可用性.

受篇幅所限，文中一些问题未得到充分讨论，如2004年后江苏省倒春寒频次显著增多原因、倒春寒前期信号及预报关键点等，这些问题还有待进一步研究.