广东省1961—2016年极端气候时空变化研究

黄伟杰，张大伟,*，张 欣，李青峰，李望鸣,3，王亚迪

(1.珠江水利委员会珠江水利科学研究院，广东 广州 510611；2.广州珠科院工程勘察设计有限公司，广东 广州 510610；3.中山大学，广东 广州 510275)

气候变暖情况下，极端气候事件(如强降雨、热浪、干旱等)发生强度与频率不断增加[1]。据预计，这些极端事件的频率、强度、持续时间和空间覆盖范围将不断扩大[2-3]。联合国政府间气候变化专门委员会(IPCC)第五次评估报告中指出[4]，根据预测，2100年全球平均气温将上升1.1～6.4℃。全球气候系统变暖现象显著，而且对人类社会和自然系统影响颇为广泛。温室气体的持续排放，将促使全球变暖的加剧，对自然生态系统和人类社会造成了广泛影响[5]。气候灾害是全球影响范围最广、造成损失最大的自然灾害[6]。《2019全球气候风险指数报告》指出，中国因极端气候造成的每年死亡人数和经济损失分别为世界第4和第2位[7]。

根据Alexander等[8]的研究结果，近50年期间极端降水呈现增加的变化趋势，而昼夜温差变化趋势却为减小。超过70%的陆地上，年降水量和极端降水呈现增加的趋势，昼夜温差呈现减小趋势。年降水量减少，极端降水频率和强度却增加，这一现象在北半球中高纬度地区出现。Donat等[9]研究结果表明，1901—2010年期间，空间上极端降水呈现不均匀变化，更多区域呈现极端降水频率与强度增加的情况。Poudel等[10]发现，尼泊尔地区极端高温和极端低温的增加速度分别为0.04 ℃/a和0.02 ℃/a，另外高海拔地区温度在变暖，而平原地区的温度在降低。

孔锋[11]分析了中国1961—2018年期间的极端气温变化特征：极端气温指数在空间上呈现出东西、南北和海拔高低的差异。在极端高温方面，东部地区与西藏地区变化趋势相反，前者为增加趋势，后者为降低趋势。在极端低温方面，大部分地区变化趋势为增加，特别是在高城市化区域，增幅明显。黄河流域极端降水在量级、频率和发生时间上均为非平稳变化特征。61.3%和9.3%的地区降水量级为下降、显著下降的变化趋势；24.7%和38.9%的到期表现出极端降水频率增加、显著增加的变化趋势[12]。三江源地区对气候变化较为敏感，该地区面临“暖湿”的变化趋势。近60年来，该地区的平均气温增加速率是全球平均速率的2倍，并高于全球同纬度地区。高温事件频率增加，夜间低温增加明显[13]。

全球气候变化，会对人类生存环境、社会经济发展、国家整治安全造成影响。而极端气候事件频繁的发生，可能对人类社会和自然环境带来毁灭性影响。因此，对于地方、国家和国际政策制定者来说，在计划适应和缓解气候变化时需要考虑到极端气候事件以及未来气候变化的重要性[14-15]。由于国内各省份极端气候有较强的区域特征，本文以广东省为研究区域，广东地区经济发达，人口密集，对极端事件较为敏感。研究极端气候事件的时空分布及其变化，对防灾减灾、做出科学合理的决策具有重要意义。

1 研究区域与方法

1.1 研究区概况

广东省位于中国大陆最南端，面积17.97万km2，见图1。广东属于东亚季风区，从南向北依次为热带气候、南亚热带和中亚热带，光、热和水资源极为丰富。年太阳总辐射量在4 200～5 400 MJ/m，年平均日照时数约为1 500～2 300 h，年平均气温约为19～24 ℃，降水量约为1 300～2 500 mm[16]。由于广东地形复杂，南低北高，加之受到天气系统影响，导致降水量空间分布不均匀，地理差异较大。作为改革开放的前沿地区，广东省经济发达，人口聚集。根据广东省2020年国民经济和社会发展统计公报，全省实现地区生产总值110 760.94亿元，全省年末户籍总人口9 808.66万人。

图1 广东省地形示意

1.2 研究方法

1.2.1极端指数

气候环境不断变化，极端气候事件频发。IPCC报告明确定义了极端气候事件，世界气象组织(WMO)、气候变化检测和指标专家组(ETCCDI)和气候变率与可预测性计划(CLIVAR)给出了27项极端气候指数，包括11项极端降水指数和16项极端温度指数。在这27项极端指数中，某些指数是通过持续时间或作物生长期进行定义，例如持续干燥指数(CDD)、持续湿润指数(CWD)、夏季日数(SU25)等。某些指数是通过固定阈值进行定义，例如中雨日数(R10)、大雨日数(R25)。某些指数则是通过最大值或最小值进行定义，例如1日最大降雨量(RX1day)、5 d最大降雨量(RX5day)、最高气温极大值(TXx)等。日降水量、日最高温度和日最低温度资料源自中国气象数据网。

选用合适的、可以反映自身特性的极端指数，是本文的重要环节和研究基础。本文选用10项极端降水指标，包括：年降水量、持续干燥指数、持续有雨指数、1 d最大降水量、5 d最大降水量、普通日降水强度、中雨日数、大雨日数、强降水量和极强降水量。极端降水指数名称及其定义见表1。

表1 极端降水指数定义

本文选用6项极端气温指标对研究区极端气温变化进行分析，包括平均日较差、作物生长期、日最高气温极大值、日最高气温极小值、夏季日数和热夜指数。极端气温指数的定义与描述见表2。

表2 极端气温指数定义

1.2.2一致性检验

(1)

其中，

N1、N2分别表示i点左右部分的点数。

当T值越大时，表明Xi左右两部分的均值差别越大。T(i)中最大值Tm的统计显著性P(Tm)计算公式为：

(2)

通过蒙特卡洛模拟可以得到，δ=0.40，η=4.19lnN-11.54，ϑ=N-2，Ix(a,b)为不完全β函数。其中，N为Xi的长度。设定置信水平P0和最小时间长度l0，当P(Tm)≥P0时，将时间序列分割成2个子序列，直至新的时间序列长度小于l0。本文中选用P0=0.95，l0=25。

1.2.3趋势性检验

Mann-Kendall(MK)趋势检验法是WMO推荐使用的非参数趋势检测方法。对于时间序列Xi，统计变量S定义为[18]：

(3)

假设各变量独立同分布，统计量S近似服从正态分布，其方差表达式为[19]:

(4)

标准化统计变量表达式为：

(5)

Hamed和Rao[20]提出从原始序列提取非参数趋势来估计新序列的自相关系数。该方法考虑了序列持续性对Var(S)的影响[21]。

统计量S的方差为Var*(S):

Var*(S)=Var(S)·η

(6)

其中，

(7)

1.2.4周期性检验

作为可以用于分析非线性系统产生的非平稳序列的数据驱动型的适应性方法[21]，经验模态分解(EMD)具有正交性、可适性、后验性等特点。它可以将序列分解为局部的、完全数据驱动的波动周期的一系列本征模态函数(IMF)。但EMD存在局部特性可能会产生模态混淆的缺陷，导致时间尺度丢失。Wu等[23]提出了集合经验模态分解(EEMD),减轻了EMD存在的模态混淆问题。此后，在EEMD的基础上，互补集合经验模态分解(CEEMD)被提出，该方法减轻了重构序列中噪声残留现象[24]。在此基础上，Torres等[25-26]提出的具有适应性噪声的完全集合经验模态分解(CEEMDAN)，最终解决了个别模态包含残留噪声以及早期分解可能存在虚假模态2个问题。该方法能够在较少平均次数下通过添加有限次自适应白噪声，可以准确重构原始信号。CEEMDAN具体实现算法见图2。

图2 CEEMDAN具体实现算法

2 研究结果

2.1 极端气候时间变化

2.1.1极端降雨时间变化

a)一致性分析。根据广东省1961—2016年期间降水序列，本文对其极端降水时间序列一致性进行检验，见图3。在1961—2016年期间，降水持续指数方面：年总降水量(PRCPTOT)和持续干燥指数(CDD)未检测出突变点，其一致性较强；持续湿润指数(CWD)检测出2个突变年份，分别发生在1979年和2015年。从降水强度指数方面，1 d最大降水量(RX1day)和普通日降水强度(SDII)未检测出突变年份，而5 d最大降水量(RX5day)在2012年发生突变。在降水绝对指数方面，中雨日数(R10)和大雨日数(R25)时间序列一致性较好，未检测出突变。在降水相对指数方面，强降水量(R95p)和极强降水量(R99p)同样未检测出突变位置，一致性较好。

a)PRCPTOT

c)CWD

e)RX5day

g)R10

i)R95p

b)趋势性分析。研究期间，极端降水指数变化趋势见表3。在降水持续指数方面：年总降水量(PRCPTOT)、持续干燥指数(CDD)呈现不显著上升趋势，而持续湿润指数(CWD)呈现不显著下降趋势。在降水强度指数方面，1 d最大降水量(RX1day)、5 d最大降水量(RX5day)和普通日降水强度(SDII)均呈现上升趋势，但变化趋势不显著。在降水绝对指数和相对指数方面，中雨日数(R10)、大雨日数(R25)、强降水量(R95p)和极强降水量(R99p)同样呈现出上升趋势，但趋势不显著。

表3 广东省极端降水序列变化趋势

c)周期性分析。研究期间，极端降水指数模态分解结果见图4。PRCPTOT序列被分解成7个子模态，IMF7为趋势项。其中，IMF7波动上升，与PRCPTOT趋势变化检验结果相同。第一模态(IMF1)变化幅度最大、振动频率最高、波动周期最短。从IMF2至IMF7，子模态的变化幅度依次减小、振动频率依次降低、波动周期依次变长。

a)PRCP

b)CDD

c)CWD

d)RX1day

e)RX5day

f)SDII

g)R10

h)R25

i)R95p

j)R99p

研究区极端降水指标主周期及其各子模态的方差占比见表4。由表可知，各降水指标主周期不完全相同。在降水持续指数方面：年总降水量(PRCPTOT)、持续干燥指数(CDD)和持续湿润指数(CWD)的主周期依次为4.00、2.55、2.67 a。其中，三项指数第一模态的方差占比依次为85.27%、84.35%和66.20%。在降水强度指数方面，1 d最大降水量(RX1day)、5 d最大降水量(RX5day)和普通日降水强度(SDII)主周期依次为2.43、2.07、2.33 a。在降水绝对指数方面，中雨日数(R10)、大雨日数(R25)主周期均为4.00 a。在降水相对指数方面，强降水量(R95p)和极强降水量(R99p)主周期相同，均为2.33 a。

表4 广东省年极端降水指数主周期及方差贡献率

2.1.2极端气温时间变化

a)一致性分析。本文对广东省1961—2016年期间极端气温指数一致性进行检验，见图5。

a)DTR

b)GSL

c)TXx

d)TXn

e)SU25

f)TR20

结果表明，在1961—2016年，气温持续指数方面：平均日较差(DTR)序列检测出2个突变点，分别发生在1972年和2011年。作物生长期(GSL)指数存在一个突变位置，发生在2015年。在气温极值指数方面：日最高气温极大值(TXx)在2002年发生突变；日最高气温极小值(TXn)未检测出突变点。在气温绝对指数方面：夏季日数(SU25)和热夜指数(TR20)均在1997年检测出突变。

b)趋势性分析。研究期间，极端气温指数的变化趋势见表5。在气温持续指数方面，平均日较差(DTR)和作物生长期(GSL)均呈现不显著下降趋势。在气温极值指数方面：日最高气温极大值(TXx)和日最高气温极小值(TXn)均呈现上升趋势，但TXx变化趋势不显著，TXn变化趋势显著。在气温绝对指数方面：夏季日数(SU25)和热夜指数(TR20)均呈现上升趋势，且变化趋势显著。

表5 广东省极端气温变化趋势

c)周期性分析。研究期间，极端降水指数模态分解结果见图6。DTR序列被分解成6个子模态， IMF6为趋势项。其中，IMF6波动下降，与DTR变化趋势检验结果相同。值得注意的是，变化幅度最大、振动频率最高、波动周期最短的模态为第一模态(IMF1)。从IMF2至IMF6，子模态的变化幅度依次减小、振动频率依次降低、波动周期依次变长。对于各项极端气温指数，尽管子模态数目不同，但模态波动幅度降低、频率减小、周期变长的趋势保持不变。

a)DTR

b)GSL

c)TXx

d)TXn

e)SU25

f)TR20

极端气温指标主周期及其子模态方差占比见表6。根据结果，各项极端气温指标主周期不完全相同。在气温持续指数方面，平均日较差(DTR)和作物生长期(GSL)的主周期依次为2.95、2.00 a，IMF1的方差贡献率分别为61.04%和54.10%。在气温极值指数方面：日最高气温极大值(TXx)主周期为2.24 a，IMF1的方差贡献率为28.35%。日最高气温极小值(TXn)主周期为2.00 a，IMF1的方差贡献率为82.32%。在气温绝对指数方面：夏季日数(SU25)和热夜指数(TR20)主周期分别为2.67、3.50 a；IMF1的方差贡献率依次为45.14%和54.37%。

表6 广东省极端气温指数主周期及方差贡献率

2.2 极端气候空间变化

2.2.1极端降雨空间变化

研究区在1961—2016年极端降水指数的空间分布情况见图7。在降水持续指数方面：年总降水量(PRCPTOT)空间分布差异较大，数值范围在1 222～2 365 mm之间，东南沿海地区降水量较高，最大值出现中南地区，而降水量最小值出现在研究区最南端。持续干燥指数(CDD)数值范围为26.74～45.69 d，整体上呈现由南向北逐渐降低的分布趋势。最大值出现在中南地区，最小值出现在西北地区。持续湿润指数(CWD)数值范围为12.76～21.53 d，最值分布较为分散，最大值出现在粤西和粤东地区，而最小值出现在粤北和粤东地区。值得注意的是，降水量最大的区域，持续干燥指数(CDD)最小，而持续湿润指数(CWD)最大。

在降水强度指数方面，1 d最大降水量(RX1day)和5 d最大降水量(RX5day)和分布较为相似，北部地区降水强度较小，南部地区降水强度较大。RX1day数值范围为70.57～139.18 mm，RX5day数值范围为133.47～273.99 mm，2项指数的最大值出现在珠三角地区沿海地区，最小值出现在粤北及珠三角西北部地区。但不同的是，2项指数在研究区最南部地区差别相对较大，RX1day时，南部降水量相对偏高；RX5day时，南部降水量相对偏低。普通日降水强度(SDII)数值在9.38～14.6 mm/d范围内，整体分布情况与RX1day、RX5day相似，西北部较低，东南部较高。极大值出现在粤东和珠三角沿海地区，极小值则出现在粤北和珠三角西北地区。值得注意的是，虽然面积不大，但RX1day、RX5day和SDII在粤西地区均出现较高降水量和降水强度。

在降水绝对指数方面，中雨日数(R10)取值范围为32.52～65.98 d，极大值和极小值均出现在粤西地区，前者在粤西北部，后者在粤西南部。而在广东其他地区，R10分布相对分散，没有呈现明显的趋势分布变化。大雨日数(R25)取值范围为10.86～26.20 d，与R10相似的，极大值和极小值均出现在粤西地区。粤北地区数值相对较低，而粤东和珠三角沿海地区数值相对较高。

在降水相对指数方面，强降水量(R95p)取值范围在330.72～689.02 mm之间；极强降水量(R99p)取值范围在101.64～219.90 mm之间。两者空间分布相似，极大值出现在珠三角沿海地区，极小值出现在粤北以及珠三角西北部区域。但是，在粤西南部，R95p数值相对偏低，R99p数值相对偏高。

a)PRCPTOT

b)CDD

d)RX1day

e)RX5day

f)SDII

g)R10

h)R25

i)R95p

j)R99p

2.2.2极端气温空间变化

广东省在1961—2016年期间极端气温指数空间分布情况见图8。在气温持续指数方面，平均日较差(DTR)和作物生长期(GSL)空间分布差异较大。其中，DTR数值范围在5.92～9.13 ℃之间，总体上呈现由北向南逐渐降低的分布情况，极大值出现在东北部，极小值出现在南部。GSL数值在290.83～361.28 d之间，总体上呈现大部分地区数值较高，仅粤北北部、粤东南部以及珠三角南部数值相对较低的分布。

在气温极值指数方面，日最高气温极大值(TXx)和日最高气温极小值(TXn)数值相差较大。前者数值范围为28.27～37.52 ℃，后者数值范围为0.23～10.72 ℃。TXx空间分布较为分散，中部地区数值相对较高，而粤北北部、粤西北部以及粤东南部地区数值相对较低。TXn主要呈现由北向南，数值逐渐升高的分布情况。

在气温绝对指数方面，夏季日数(SU25)数值范围为64.60～255.15 d，热夜指数(TR20)数值范围为11.22～224.50 d。两项指数空间分布整体相似。极大值均出现在在粤西南部地区，极小值均出现在粤西北部以及粤北西北部地区。

a)DTR

b)GSL

c)TXx

d)TXn

e)SU25

f)TR20

3 讨论

东亚气候变化受到许多内部和外部因素相互影响，因此更难确定极端事件变化的确切原因。在外部因素中，人类引起的温室气体和气溶胶的增加被认为是全球气候变化的主要驱动力。厄尔尼诺-南方涛动(ENSO)、北极涛动(AO)、季节内震荡(ISO)和季风被认为是影响东亚极端事件的内部因素[27]。东亚正经历着越来越多的强降水事件，这与东亚夏季风的年代际变化、人为温室气体和气溶胶的增加有关[28-30]。

ENSO由大规模的海-气相互作用形成，加剧了极端水文气候事件的发生[31-33]。ENSO是热带太平洋地区海-气系统年际气候变率的最强信号，而太平洋年代际振荡(PDO)是叠加在长期气候趋势变化上的一种信号，可以影响ENSO事件的强度和频率，进而影响太平洋及其周边地区气候的年代际变化。ENSO和PDO是赤道太平洋和北太平洋地区海洋与大气相互作用形成的气候现象。它们可以影响太平洋的洋流，并通过全球大气环流影响其他地区的气候。广东省降水和温度变化可能会受到太平洋的能量波动的影响，最终导致研究区域极端降水、极端气温的时空变化。PDO通过海洋相互作用影响亚洲季风区的海平面压力，从而影响水蒸气的输送，最终影响降水。降水的改变，可能会造成研究区极端降水在时间尺度和空间尺度发生变化。北极涛动(AO)是北半球热带外大气低频变率的主要模态，其变化影响着中国近海海域的极端气温的改变。当AO处于正位相时，北极地区受低气压系统支配，有利于近海海表温度异常升高，引起中国近海海域的极端高温事件。反之，将造成近海海域极端低温事件发生[34]。

影响东亚极端气候的热带季节内振荡(ISO)的2个主要成分是Madden-Julian振荡(MJO)和北方夏季ISO(BSISO)。MJO对流异常始于赤道非洲和赤道西部印度洋，相关的环流系统以开尔文-罗斯比波对联的形式向东传播，并激发罗斯比波向更高的纬度传播[27]。MJO在东亚的温度和降水事件中起着重要作用。Jeong等[35](2005年)揭示，东亚地区地面空气温度的空间格局和强度随MJO相的变化而显着变化，并且当MJO对流中心位于印度洋上空时，最极端的冷潮倾向于发生。Jeong等[36]发现MJO显著调节了东亚冬季降水的分布。例如冬季，不同阶段的MJO影响着降水的增加或减少。他们表明，MJO与降水关系主要是由东亚对流层射流入口区域附近强烈的垂直运动异常和对流层下层的水分供应所致。MJO全年都会持续存在，尽管在北方夏季通常强度较弱[37]。MJO对东亚温度和降水的影响，可能会导致研究区气候变化，最终影响到极端降水和极端气温的时空变化。BSISO可以被认为是在北方夏季盛行的热带ISO的一种特殊模式。BSISO与东亚夏季风的爆发有关[38-39]。中国大部分区域位于东亚季风气候区，而东亚夏季风是影响中国气候变化的一个重要因子，降水受东亚夏季风的影响较为显著。副热带高压增强时，东亚夏季风随之增强，将输送更多的水汽，造成降雨显著增多[40-41]。BSISO可能会通过东亚夏季风的爆发间接影响研究区降雨，最终导致极端降雨的时空形势发生改变。

外部因素对极端气候的影响同样不容忽视。随着城市化发展，人类活动和下垫面条件变化等因素对气候变化的影响越发突出。温室气体浓度增加，造成全球平均气温普遍升高，使得水汽含量升高，通过水循环最终影响降水[42]。温室气体影响着全球的气温与降水，研究区的气温与降水同样受到影响，最终导致极端指数在时间尺度和空间尺度的变化。

各项极端指数在时空变化上存在较大差异，这可能与其所在区域经纬度、海拔高度、人口密度、经济发展水平等多种方面存在相关性。本文以经纬度和海报高度为例，分析其对极端指数分布的影响。研究区由南向北，经度逐渐降低；由东向西，纬度逐渐增加。在极端气候的空间分布上，年总降水量(PRCPTOT)总体上呈现出随着经度的增加逐渐增加，而后逐渐降低。1 d最大降水量(RX1day)和5 d最大降水量(RX5day)主要呈现出随着纬度的降低，降水量逐渐增加的分布情况。平均日较差(DTR)则随着纬度的降低而逐渐减少的变化形势。研究区总体上呈现由南向北，海拔逐渐降低，但在研究区东南部地区，海拔相对较高。这一分布情况，同持续干燥指数(CDD)、夏季日数(SU25)和热夜指数(TR20)的空间分布较为相似。海拔高的地方极端数值相对较小；海拔低的地方极端指数相对较大。

极端指数的时空变化是内部和外部影响因素的共同作用的结果。上述因素对极端气候的具体影响以及影响比重与范围有待进一步探讨。

4 结论

本文主要探究广东省在1961—2016年期间极端气候的时空变化特征，分别计算了各项极端指标的一致性、趋势性和周期性。所得主要结论如下。

a)在选取的10项极端降水指标中，5 d最大降水量(RX5day)检测出1个突变点，发生在2012年；持续湿润指数(CWD)检测出2个突变点，分别发生在1979年和2015年。其余极端降水指标一致性较好，未检测出突变点。变化趋势上，仅仅持续湿润指数(CWD)呈现不显著下降趋势，其余指数均呈现不显著上升趋势。周期上，年总降水量(PRCPTOT)、中雨日数(R10)和大雨日数(R25)主周期同样为4.00 a；普通日降水强度(SDII)、强降水量(R95p)和极强降水量(R99p)主周期同样为2.33 a；其余指数主周期均不相同。

b)降水持续指数、强度指数、相对指数和相对指数在空间分布上情况各不相同。年总降水量(PRCPTOT)最大值出现中南部地区，而最小值出现在研究区最南端。持续干燥指数(CDD)和持续湿润指数(CWD)空间分布差异较大，特别是极大值出现区域。降水强度分布情况比较相似，从东南向西北，降水强度逐渐降低。降水相对指数和绝对指数的空间分布虽然极值出现区域相似，但依然存在各自特征。

c)在选取的6项极端气温指数中，日最高气温极小值(TXn)未检测出突变点；作物生长期(GSL)、日最高气温极大值(TXx)、夏季日数(SU25)和热夜指数(TR20)均检测出1个突变点，分别发生在2015、2002、1997年(SU25和TR20)。平均日较差(DTR)和GSL均呈现下降趋势，但变化趋势不明显。TXn、TXx、SU25和TR20呈现上升趋势，除TXx外，其余指数变化趋势显著。周期方面，GSL和TXn主周期最小，为2.00 a；TR20主周期最大，为3.50 a。

d)空间分布上，平均日较差(DTR)呈现从南向北逐渐递增的分布特征，极大值和极小值分别出现在东北部和东南部。作物生长期(GSL)仅仅在西北和东部的小部分地区数值相对较低。日最高气温极小值(TXn)和日最高气温极大值(TXx)空间分布数值范围差别较大，分布情况存在差异。夏季日数(SU25)和热夜指数(TR20)空间分布情况相似，但数值范围差异较大，特别是低值部分。

e)大尺度环流因子，例如厄尔尼诺-南方涛动(ENSO)、太平洋年代际振荡(PDO)、北极涛动(AO)、热带季节内振荡(ISO)等，对研究区极端气候时空变化可能会产生影响，而区域经纬度和海拔高度等因素同样影响着极端气候的时空变化。