山东省极端气候指数变化特征研究

刘 玄，唐培军，吴同帅，冯忠伦，刁艳芳，王 刚

(1.山东农业大学 水利土木工程学院,山东 泰安 271000；2.潍坊市水文中心,山东 潍坊 261031)

《中国气候变化蓝皮书（2020）》指出，全球气候变暖趋势仍在持续，自20 世纪80 年代以来，每个连续10 年都比前一个10 年更暖。2019 年，全球表面平均温度高出工业化前平均水平1.1 ℃，为有完整气象记录以来的第二暖年份[1]。全球气候的变暖可能会增加极端气候事件的发生频率和强度，带来高气象灾害风险，导致生存危机的加剧[2]。据世界气象组织（WMO）报告，在21 世纪初，全球有超过37 万人在极端气候事件中丧生[3]。

极端气候的变化引起了国内外学者广泛关注。Lucas 等[4]研究了巴西欣古河流域22 个极端气候指数，发现极端气温指数呈明显上升趋势，极端降水指数统计意义较小。Plummer 等[5]研究表明，自1961 年以来，强降水事件在澳大利亚部分区域呈不显著增加趋势。Ruml 等[6]利用Mann-Kendall 检验和线性回归法，发现塞尔维亚自1980 以来，有明显的、空间均匀的显著变暖趋势。我国是全球气候变化的敏感区和影响显著区，对极端气候的研究相对较多。赵翠平等[7]研究了黄河流域极端降水指数的时空变化，发现极端降水指数变化趋势不明显，存在着时空差异。王琼等[8]选取长江流域16 个极端气温指数，对长江流域极端气温事件进行了分析，发现冷指数变暖幅度要大于暖指数。王怀军等[9]对淮河流域极端气候事件的非平稳特征进行了研究，发现低温极值大体呈现非平稳变化特征，1 日最大降水量（Rx1day）和超门限降水（Pregpd）则表现为平稳性。黄强等[10]分析了珠江流域极端气候指数时空变化趋势，发现区域极端高温事件呈增加趋势，极端低温事件呈减少趋势，且极端气温事件变化趋势具有区域尺度上的一致性。在省级尺度上，曹祥会等[11]和刘学智等[12]分别对河北极端气候指数时空变化特征和宁夏极端气温变化特征进行了研究，发现了整体变暖的趋势，这与我国其他地区高度吻合[13]。上述不同尺度上极端气候指数研究表明，极端气温和降水事件多呈增加趋势，且存在空间变化性。

山东省位于我国黄河下游的东部区，地理坐标为东经114°47.5′～122°42.3′，北纬34°22.9′～38°24.01′（图1），既有内陆区又有沿海区。气候上属温带大陆性气候，雨热同季，降水主要集中在每年的6—9 月份，夏季易形成洪涝灾害，冬、春及晚秋易发生旱灾。极端气候灾害（干旱、洪涝等）多发，造成了严重的损失[14]。在已有的山东省极端气候研究中，多数研究集中在单一降水指数[15]或气温指数方面[16-17]，而对极端气温和降水指数的综合同步分析研究相对较少。探究二者在境内及内陆与沿海区的时空分布特征和差异性，及其与极端气候事件发生之间的关系和可能带来的灾害风险具有重要的意义，以期为山东省极端气候灾害防范提供参考和依据。

图1 研究区气象站点和沿海内陆分布Fig.1 Distribution map of meteorological stations in coastal and inland areas under study

1 数据来源与研究方法

研究数据主要来源于国家气象科学数据中心和山东省气象局，数据采集频次为逐小时。根据各测站原始数据采集及实际情况，选取1979—2020 年山东省境内95 个气象站点（图1）的日最高、最低气温和日降水量数据。对各站点数据进行严格的质量控制，通过相邻站点间的数据记录进行比对分析，逐项逐个检查，剔除明显错误数据（如降水量为负值）、明显偏离本地区实际情况（即超出3 倍标准差的值），以确保数据的准确性。同时，对采用的降水量数据通过差积曲线分析方法进行了“代表性”审查。

根据气候变化检测和指数专家组（Expert Team on Climate Change Detection and Indices，ETCCDI）定义的极端气候指数，本文选取8 个极端气温指数和8 个极端降水指数（表1）16 个极端气候指数进行分析计算。极端气候指数采用世界气象组织（World Meteorological Organization，WMO）推荐的RclimDex1.0 计算程序进行计算。

表1 极端气候指数的定义Tab.1 Definition of extreme climate indices

采用Sen 斜率估计方法计算变化趋势，以及Mann-Kendall（M-K）方法对指数的显著性进行检验。Sen 斜率估计是一种稳健的非参数统计趋势的计算方法，常用于长时间序列数据的趋势分析中，M-K 方法属于非参数检验方法，不需要样本遵从一定的分布，受异常值干扰较小，在水文、气象趋势变化相关研究中得到了大量成功应用[18-20]。M-K 方法中Z统计量用以显著性判别，若︱Z︱＜1.96，则指数呈弱显著变化趋势；1.96≤︱Z︱＜2.56，呈显著变化趋势（0.05 显著性水平）；2.56≤︱Z︱，呈极显著变化趋势（0.01 显著性水平）。采用反距离权重法（IDW）进行空间插值，探究极端气候指数的空间变化趋势。

2 极端气温指数变化特征

2.1 时间变化特征

根据上述计算方法，表2 给出了8 个极端气温指数M-K 检验统计结果。从表2 可见：表征低温的极端气候指数霜日日数指数（FD0）和冷夜日数指数（TN10p）呈现下降趋势，FD0 下降速率最大，为6.42 d/（10 a），TN10p 下降速率最小，为0.004 8 d/（10 a），日最低气温的极低值指数（TNn）呈现出0.72 ℃/（10 a）的上升趋势，只有TN10p（Z=-0.04）没有通过显著性检验。极端高温指数暖昼日数指数（TX90p）、日最高气温的极高值指数（TXx）和夏日日数指数（SU25）呈现上升趋势，分别为4.06 d/（10 a）、0.32 ℃/（10 a）和2.31 d/（10 a），只有TX90p（Z=4.10）通过了显著性检验。气温日较差指数（DTR）（Z=-4.89）呈现出显著减小趋势，下降速率较小，为-0.35 ℃/（10 a）。生长季长度指数（GSL）（Z=2.52）呈现出显著的上升趋势，且上升速率最大，为4.83 d/（10 a）。

表2 极端气温指数M-K 检验统计Tab.2 M-K test statistics of extreme temperature indices

空间分布上，内陆区和沿海区变化趋势上与山东省整体表现出较好的一致性，只有内陆区TN10p 呈现相反的趋势。变化速率方面，表征高温的极端气候指数在内陆区域小于沿海区域；表征低温的极端气候指数除了TN10p 外，与极端高温指数一致；DTR 和GSL 在内陆区域大于沿海区域。在显著性方面，山东省Z值多介于沿海和内陆之间，只有GSL（Z=2.52）大于两个区域。内陆区、沿海区和山东省具有较好的一致显著性，只有沿海区的极端高温指数TXx（Z=1.96）和SU25（Z=1.99）与山东省不一致，表现出显著变化趋势。

2.2 空间变化特征

图2 给出了8 个极端气温指数空间变化趋势（显著表示通过0.05 的显著性水平检验）。可见，各极端气温指数空间差异较大，具有明显的空间异质性。极端低温指数中，TN10p 均值等值线为-0.29 d/（10 a），大于等值线的区域主要分布在西部大部分和东部沿海局部及南部部分区域，高值中心聚集在威海市、临沂市和济南市；TNn 空间变化呈现自南向北逐渐上升的趋势，变化幅度为-0.03～2.12 ℃/（10 a），高值中心在枣庄市和滨州市；FD0 没有明显的空间变化性，变化幅度为-13.13～3.98 d/（10 a），均值-6.28 d/（10 a）最低，88.42%的站点呈显著下降趋势，高值中心主要在威海市。极端高温指数中，TX90p 表现出与TNn 相反的分布特征，所有站点都呈显著上升趋势；TXx 与SU25 均值为正，变化速率分别为-0.15～0.86 ℃/（10 a）和-1.28～6.27 d/（10 a），下降站点比例分别为5.26%和2.11%，TXx 高值中心在日照市和青岛部分区域，SU25 高值中心在青岛部分区域和威海部分区域。DTR 高值中心在威海南部区域，86.31%的气象站点呈显著下降趋势。GSL 呈现从中部向东西两端递减的趋势，高值中心零星分布在滨州市、潍坊市和枣庄市。

图2 极端气温指数空间分布Fig.2 Spatial distribution of extreme temperature indices

3 极端降水指数变化特征

3.1 时间变化特征

表3 为研究区8 个极端降水指数M-K 检验统计结果。从表3 可以看出：极端降水指数均呈上升趋势，不同于极端气温指数。持续湿润日数指数（CWD）、大雨日数指数（R20）和暴雨日数指数（R25）上升速率较小，分别为0.12、0.42 和0.37 d/（10 a）；持续干燥日数指数（CDD）上升速率是CWD 的11.9 倍，这表明山东省干燥日数增加较快，这可能会增加干旱灾害风险。极强降水量指数（R99p）和连续5 日最大降水量指数（RX5day）上升速率较大，分别为10.83 和10.55 mm/（10 a）。强降水量指数（R95p）上升速率是R99p 的2.05 倍，为22.16 mm/（10 a）。雨日降水总量指数（PRCPTOT）上升速率最大，为26.49 mm/（10 a）。只有R95p（Z=2.11）、R99p（Z=2.40）和RX5day（Z=2.98）通过了0.05 的显著性检验，这表明山东省整体降水强度有显著增加的趋势，且数值较大，有短时强降水的风险。

表3 极端降水指数M-K 检验统计Tab.3 M-K test statistics of extreme precipitation indices

内陆区域和沿海区域在变化趋势上与山东省没有差异。在变化速率大小方面，除了CWD，其余指数在内陆区域均小于沿海区域，山东省介于两者之间，CDD 在沿海区域是内陆区域的1.92 倍，为各指数间的最大倍率。在显著性方面，极端降水指数所有Z值都为正，具有上升的变化趋势，与Sen 斜率估计趋势一致。内陆区域Z值均小于沿海区域，山东省除了RX5day（Z=2.98）大于两个区域外，都介于两者之间。只有内陆区域R95p（Z=1.24）、R99p（Z=1.51）和RX5day（Z=1.89）表现出了显著性差异，未通过0.05 的显著性检验。

3.2 空间变化特性

图3 给出了8 个极端降水指数空间变化趋势，可见各极端降水指数空间分布差异较大，其均值均为正，但部分站点呈减小趋势（显著表示通过0.05 的显著性水平检验）。CDD 大致呈现自东南到西北逐渐减小的趋势，中部地区有一条明显较长的均值等值线，高值中心在烟台市、日照市、临沂市和德州市。CWD 变化幅度最小，为-0.24～0.51 d/（10 a），高值中心在德州市、日照市和威海市。R20 变化趋势类似CDD，变化幅度较小，为-0.30～1.24 d/（10 a），92.63%的站点呈上升趋势，但只有5.26%的站点显著上升。R25 无明显空间变化趋势，高值中心在烟台市、青岛市、日照市和济宁市，呈零星分布状态。R95p、R99p 和RX5day 具有类似的空间分布，东部沿海局部、西南局部和北部小范围区域为高值区域，上升站点比例分别为：84.21%、74.74%和85.26%，显著上升站点比例分别为8.42%、6.32%和14.74%。PRCPTOT 高值区域在东部沿海、西北部分区域和南部局部区域，高值中心在威海北部和青岛西南部。

图3 极端降水指数空间分布Fig.3 Spatial distribution of extreme precipitation indices

4 指数与经纬度和海拔相关关系

表4 和图4 分别给出了极端气候指数与经纬度和海拔相关关系。可以看出，研究区16 个极端气候指数与经度相关系数（用“r”表示相关系数）为-0.42～0.34，相关关系较弱，内陆区域和山东省具有一致的显著性，除了SU25 外，其他指数具有一致的正负相关性（正负关系，即若一致则表示相关系数均为正值或者负值），而沿海区域与山东省的多个指数上呈现相反的正负相关性和显著性；与纬度相关系数为-0.62～0.72，但相关关系大多较弱，沿海区域CDD 相关性最强（r=0.72），山东省、内陆区和沿海区显著性指数较多，TNn 和DTR 等共7 个指数达到了0.05 的显著性水平，具有较好的正负相关一致性；与海拔的相关系数为-0.53～0.36，只有沿海区域CDD（r=-0.53）相关性较强，正负相关性无明显差异。同时，在与纬度相关关系上，16 个指数中只有CDD 显著相关，且有增加的趋势，这表明研究区内从南到北持续干燥日数在逐渐增加，北部区域有干旱灾害加剧的风险。

图4 极端气候指数与经纬度和海拔相关系数Fig.4 Line chart of correlation coefficient between extreme climate indices and latitude,longitude and altitude

表4 极端气候指数与经纬度和海拔相关系数Tab.4 Correlation coefficients between extreme climate indices and latitude,longitude and altitude

图5 为极端气候指数间相关系数图。从图5可以进一步看出：山东省、内陆区和沿海区中，极端气温指数间相关性较强（|r|≥0.5）指数对个数相同，均为9 对（不计算自相关，下同），其中都包含FD0-TNn、SU25-TXx、TXx-DTR、SU25-DTR 和FD0-GSL；极端降水指数间相关性较强指数对较多，分别为24、22 和28 对，只有CDD 和CWD 在山东省和内陆区域中与部分极端降水指数不相关；极端气温指数和极端降水指数间相关性较强指数对分别为9、12 和15 对，都包含TXx-CDD、TXx-PRCPTOT、TXx-RX5day、DTR-CDD、DTRR95p 和DTR-RX5day。

图5 极端气候指数相关系数热图Fig.5 Heat map of correlation coefficient of extreme climate indices

5 讨论

从上述分析可知，山东省境内TNn、TX90p、SU25、FD0 和GSL 共5 个极端气温指数呈现显著变化趋势。表征低温的极端气候指数（TN10p 和FD0）呈下降趋势，表征高温的极端气候指数（TX90p、TXx 和SU25）呈上升趋势，这表明整个研究区呈现出变暖的趋势。这一研究结果与中国区域[21]、长江流域[22]和内蒙古地区[19]研究结果整体一致。表5 给出了上述研究区极端气温指数结果对比。可以看出，本研究区TN10p 下降速率最小；FD0 下降速率最大；TX90p 上升速率最大；SU25 上升速率介于3 个区域之间；TXx 上升速率大于长江流域。TNn 与TXx 呈上升趋势，TNn 上升速率是TXx 上升速率的2 倍多，这与附近省份河南[23-24]趋势一致。

表5 不同区域极端气温指数对比Tab.5 Comparison of the extreme temperature indices in different regions

山东省极端高温指数的上升，其境内城镇化率的迅速提高是重要影响因素。1949 年至2020 年期间，山东省城镇化率以平均每年0.79%的速度增加，由5.72%增加到61.80%。于凤硕等[25]研究指出山东省城市化对高温指数的影响贡献率分别是40.66%（SU35）、19.32%（TX90p）和1.02%（TN90p），进一步证实了城镇化率的提高对山东省极端高温指数上升有一定的影响。

山东省境内极端降水指数呈现出不同程度的上升趋势。R95p、R99p 和RX5day 等3 个极端降水强度指数呈显著增加趋势，增加速率均大于10.00 mm/（10 a），高值区域主要分布在东部沿海，尤其是处在高值中心的威海和青岛，这表明该区域极端降水事件增多、增强可能性较大。影响极端降水指数上升的因素很多，其中海温和大气环流是两个因素。鲍振鑫等[23]探究了大气环流因子对海河流域年降水量的影响，发现厄尔尼诺南方涛动（ENSO）与流域降水具有良好的正相关性，而太平洋年代波动 (PDO) 和太平洋年代内的波动(IPO)则与流域降水具有良好的负相关性。另外，陈烈庭[26]在探究东太平洋赤道地区海温对我国汛期降水的可能影响机制中指出：海温变化会影响大气环流，进而对强降水产生一定的影响。山东省东部为半岛地形，西部与太行山脉接壤。东部半岛的沿海地区容易受到海温变化影响，当海温升高时，海陆之间水循环加剧、大气环流加速，大气中水分含量增加，引起积雨云出现频率增多，这可能是引起山东省境内极端降水指数上升的原因。

影响极端气候指数的因素有很多，本文浅要探讨了城镇化对极端高温指数上升的影响，以及海温和大气环流对极端降水指数上升的影响。另有研究指出，地表覆盖[27]等因素对极端气候指数变化也有一定的影响。关于上述影响因子对本研究区极端气候指数的具体影响，还有待进一步研究。

6 结语

整体上，山东省境内的极端低温指数（TN10p 和FD0）呈下降趋势，极端高温指数（TX90p、TXx 和SU25）呈上升趋势，TNn 呈显著上升趋势，变化率为0.72 ℃/（10 a）。空间分布上，TNn 呈自南向北逐渐减小的趋势，高值中心在枣庄市和滨州市，TX90p 和TXx 分布趋势与之大致相反。SU25、FDO、DTR 和GSL 空间变化趋势不明显。

8 个极端降水指数均呈上升的趋势，CWD、R20 和R25 变化速率较小，大雨暴雨频率趋于平稳。只有R95p、R99p 和RX5day 通过了0.05 的显著性检验，变化速率较大，降水强度的显著上升，可能会加大洪涝灾害的风险。空间分布上，高值区域多为东部沿海区域和南部部分区域，呈下降趋势的站点多处于中部和西部区域。

在内陆和沿海区域，极端气温指数表现出了与山东省整体较好的一致性，在变化速率方面，只有TN10p、DTR 和GSL 在内陆区域大于沿海区域；极端降水指数在变化趋势上没有差异，在变化速率上，山东省整体大多介于两者之间。

山东省、内陆区和沿海区与经纬度和海拔相关性较弱，沿海区域相关性较强指数占比较多，只有CDD 与纬度在3 个区域显著相关。极端降水指数间相关性较强指数对较多，极端气温指数间的较少。