2022年安徽省区域性高温和干旱过程综合评估

王 胜，田 红，吴 蓉，丁小俊，谢五三，戴 娟，唐为安

（安徽省气候中心，安徽 合肥 230031）

引言

2022年夏季全国气候总体温高雨少，6月13日至8月30日中东部出现1961年以来综合强度最强的高温过程，全国15%的国家气象站日最高气温持平或突破历史极值；7—8月，长江中下游及川渝地区降雨量较常年同期偏少2～8成，夏伏旱影响范围广、强度强［1］。安徽省地处南北气候过渡带，季风影响显著，气象灾害种类多、频次高，以旱涝灾害影响最重，高温、伏旱是夏季经常出现的气象灾害。2022年夏季安徽省高温日数为1961年以来最多，6—9月降水量较常年同期偏少达4成，持续高温雨少导致淮河以南出现严重干旱。21世纪以来高温、干旱等极端事件频发［2-5］，2001、2003、2011、2013、2014和2019年长江流域出现大范围、持续时间长的严重干旱［6］，2003、2013、2017、2019年高温热浪席卷，给人民生活和社会经济发展带来严重影响。干旱主导因素是一段时期内的降水偏少，一般需要一个积累的过程。在全球变暖的大背景下，中国发生干旱的范围由北方干旱和半干旱区［7-9］向南方及东部湿润和半湿润区扩展［10-12］。研究表明［13-14］，受全球气候变化影响，强度大、历时长的干旱事件以及极端高温事件在未来发生的频率会更高。

加强干旱事件过程研究，可提高对干旱形成的科学认识，也是干旱监测预警和防御的迫切需要。国内外学者就干旱和高温事件的监测和预警等提出和构建了许多新的监测指标及技术方法［15-17］，促进了人们对干旱形成过程和演变机理的深刻认识和理解，也为决策者和管理者在抗旱减灾管理以及干旱早期预警等方面提供了有益的参考和理论依据。然而，极端气候事件监测基于单站指标，以点代面难以保障监测评估的客观、精准性［18-20］。极端气候事件空间上有群发性、时间上有持续性。2019年，中国气象局预报与网络司印发《区域性重要过程监测和评价业务规定》（气预函〔2019〕63号），要求全国各省做好区域性重要天气气候过程的监测与评价工作。

本文利用安徽省80个国家气象观测站1961—2022年逐日气象资料，借鉴区域性极端事件客观识别方法（Objective Identification Technique for Regional Extreme Events，OITREE）对区域性气候事件（高温、干旱）进行连续追踪的思路［21-22］，确定区域性过程的客观识别方法；结合极端气候事件强度与历时和区域的关系（the relation of the“extreme”intensity with both duration and region，EIDR）理论［23］，重点针对2022年夏季高温及伏秋连旱，开展安徽省区域性极端气候事件识别与评估，将监测评估业务从单站拓展到区域、由单指标向综合评估延伸。

1 资料与方法

1.1 资料

所用资料为1961—2022年安徽省经质量控制的80个国家气象站逐日20：00—20：00（北京时，下同）平均气温、降水量等，数据来源于安徽省气象信息中心。

气候基准期采用世界气象组织（World Meteorological Organization，WMO）推荐的1991—2020年。

文中附图涉及的地图基于国家测绘地理信息局标准地图服务网下载的审图号为GS（2020）8号的标准地图制作，底图无修改。

1.2 方法

1.2.1 百分位数法

百分位数法是将一组统计数据按其数值从小到大顺序排列，并按数据个数100等分。在第ρ个分界点（称为百分位点）上的数值，称为第ρ个百分位数（ρ=1，2，…，99）。在第ρ个分界点到第ρ+1个分界点之间的数据，称为处于第ρ个百分位数［24］。计算公式如下：

式中：Pm为第m个百分位数；N为总频次；L为Pm所在组的下限；U为Pm所在组的上限；f为Pm所在组的次数；Fh为小于L的累积次数；Fn为大于U的累积次数；i为组距。

1.2.2 气象干旱综合指数

干旱指数选用适用性较好且目前在中国实时气象干旱监测业务中使用的气象干旱综合指数（Meteorological Drought Composite Index，MCI），其计算公示如下：

式中：SPIW60为近60 d的标准化权重降水指数，MI30为近30 d相对湿润度指数，SPI90和SPI150分别为近90 d、近150 d标准化降水指数SPI值，a、b、c、d分别为其对应的权重系数；Ka为季节调节系数。具体取值参见表1。按照MCI，将干旱划分为轻旱（-1.0＜MCI≤-0.5）、中旱（-1.5＜MCI≤-1.0）、重旱（-2.0＜MCI≤-1.5）和特旱（MCI≤-2.0）［25］

表1 安徽省MCI指数计算公式中各系数取值Tab.1 The values of coefficients in MCI index calculation formula in Anhui Province

1.2.3 区域性事件识别与评估技术

区域性事件识别与评估技术过程：（1）识别区域性气候事件过程；（2）提取过程持续日数（D）、平均强度（Ia）、平均影响范围（Aa）等特征量；（3）构建区域性气候事件过程综合强度指数（Z）并采用百分位数法划分强度等级。

（1）区域性事件识别

区域性高温过程识别。某日大于等于10个相邻国家站的日最高气温Tmax≥35℃时，确定该日为区域性高温日；区域性高温日持续日数D≥3 d，则判定其为一次区域性高温过程。

区域性干旱过程识别。某日出现中旱及以上等级（MCI≤-1.0）的相邻国家站数占监测范围内国家站总数百分比大于等于20%（安徽取大于等于15站）定义当日为区域性干旱日。当某日区域性干旱站点与前一日重合率大于等于50%且满足这一标准的日数持续10 d时则定义为一个区域性干旱过程。

（2）特征量提取

持续日数。满足区域性过程条件的开始日与结束日之间的累计日数。

平均影响范围。影响范围以出现的国家站个数表征；平均影响范围是区域性高温（干旱）过程内满足高温标准（Tmax≥35℃）［干旱标准（MCI≤-1.0）］的日均站数。

平均强度。区域性高温（干旱）过程内，满足高温标准（Tmax≥35℃）［干旱标准（MCI≤-1.0）］的最高气温或MCI绝对值的日均值。

（3）区域性气候事件过程综合强度指数构建及等级划分

区域性过程综合强度指数包括过程持续日数、平均影响范围及强度等特征量，其计算公式如下：

基于气候基准期各次区域性过程综合强度指数，采用百分位数法确定阈值，划分为一般（0＜Z＜50%）、较强（50%≤Z＜80%）、强（80%≤Z＜95%）、特强（95%≤Z＜100%）等4个等级［26］。

1.2.4 安徽梅雨划分标准

安徽地跨长江与淮河，大约三分之二的国土面积都属于梅雨范围。按照《梅雨监测指标》国家标准［27］，安徽梅雨监测区域属于长江中下游区和江淮区两个部分，其中长江中下游区有35个国家气象观测站，安徽省称之为沿江江南梅雨区；江淮区有20个站，称之为江淮之间梅雨区。区域内各监测站的降水条件是确定区域入（出）梅与梅雨期的主要依据，西太平洋副热带高压脊线、日平均温度、南海夏季风爆发时间等为辅助条件，具体见梅雨国家标准。

2 结果分析

2.1 2022年夏季高温异常特征

2.1.1 平均气温及高温日数

安 徽 省2022年 夏 季（6—8月）平 均 气 温29.1℃，较常年同期异常偏高2.2℃，为1961年以来同期最高。全省平均高温日数43 d，仅少于浙江（51 d）、江西（50 d）、重庆（50 d）及湖南（46 d），位居全国第五位，比常年偏多26 d，为1961年以来同期最多。淮北、江淮之间西部及江南17个县（市）超过50 d，临泉最多55 d［图1（a）］。从历史排位来看，全省69个县（市）高温日数为本站建站以来夏季前三多，41个县（市）创同期新高［图1（b）］。

图1 安徽省2022年夏季高温日数（a，单位：d）及其历史排名（只考虑前三位）（b）空间分布Fig.1 The spatial distribution of high temperature days(a,Unit:d)and its history rank(only considering the top three)(b)in Anhui Province in the summer of 2022

2.1.2 极端最高气温

安徽省2022年夏季极端最高气温普遍超过38℃，江淮之间西部、沿江东部及江南有34个县（市）超过40℃［图2（a）］，覆盖范围为历史最广；全省有27个县（市）最高气温为本站建站以来前三高，马鞍山和六安（41.5℃）、青阳（41.1℃）、南陵（41.0℃）、含山（40.7℃）、太湖（40.4℃）、巢湖（40.1℃）和潜山（40.1℃）8个县（市）破本站历史最高记录，马鞍山为全省历史第二高（安徽省最高气温记录为1966年8月9日霍山43.3℃）［图2（b）］。极端高温站次多，累计136站次最高气温超过40℃，仅少于2013年；马鞍山和宣城连续8 d（8月8—15日）、六安和含山连续5 d、舒城连续3 d超过40℃，均为本站有气象记录以来最长。

图2 安徽省2022年夏季极端最高气温（a，单位：℃）及其历史排名（只考虑前三位）（b）空间分布Fig.2 The spatial distribution of extreme maximum temperature(a,Unit:℃)and its history rank(only considering the top three)(b)in Anhui Province in the summer of 2022

总体来看，2022年夏季平均气温为历史同期最高，高温日数居历史同期首位，全省均出现高温，40℃以上高温覆盖范围为历史最广。此次高温事件极端性强、多地最高气温破历史极值，综合来看为1961年以来最强。

2.2 2022年伏秋连旱异常特征

2.2.1 降水概况

安徽省2022年梅雨不典型，台风影响也明显偏轻。6—9月全省平均降水量382 mm，偏少4成，仅多于1966、1967和1978年，为1961年以来同期第四少（图3），其中江淮之间的合肥、滁州、六安及沿江东部的马鞍山等地偏少5～7成。9月仍无有效降水，全省平均降水量仅9 mm，异常偏少9成，仅多于2001年（4.5 mm），为1961年以来同期第二少。

图3 安徽省1961—2022年6—9月降水量逐年变化Fig.3 Yearly change of precipitation from June to September in Anhui Province during 1961-2022

梅雨是长江中下游特有的天气气候现象，梅雨期往往降水集中、强度大。一般而言，梅雨偏多气候易偏涝，反之易偏旱。2022年安徽省6月19日入梅，7月11日出梅，入梅偏晚，出梅接近常年，梅雨期偏短，梅雨强度等级为“偏弱”。梅雨量明显偏少，其中沿江江南141 mm，偏少61%，江淮之间108 mm，偏少58%（表2）。2022年梅雨形势不典型，其间以过程性降水为主，平均气温创历史同期新高。

表2 安徽省2022年梅雨特征Tab.2 Meiyu characteristics in Anhui Province

2.2.2 气象干旱

2022年5月中旬至6月中旬沿淮淮北、7月下旬至9月淮河以南出现2次区域性干旱过程。淮河以南梅雨量少，出梅后叠加两段持续性高强度高温天气，气象干旱迅速发展，截至8月26日，气象干旱达阶段性最重［图4（a）］。受8月26—29日降水以及9月13—15日台风“梅花”降水影响，江南东部气象干旱有所缓和，其他地区持续。截至9月30日，淮河以南26个县（市）达重旱，35个特旱［图4（b）］。

图4 安徽省2022年8月26日（a）和9月30日（b）气象干旱监测结果Fig.4 Monitoring results of meteorological drought on August 26(a)and September 21(b),2022 in Anhui Province

6月1日至9月30日淮河以南中旱及以上（MCI≤-1.0）日数平均为64 d，较常年同期偏多近2倍，仅少于1966年（65 d）和1978年（87 d），为1961年以来同期第三多。沿淮淮北大部普遍不足50 d，淮河以南超过50 d，江淮之间超过65 d，其中合肥、肥西、庐江及舒城超过100 d［图5（a）］；全省有18个县（市）中旱以上日数位列本站建站以来前三位，其中合肥、肥西、庐江、舒城、天长、当涂为本站同期最多［图5（b）］。

图5 安徽省2022年6—9月中旱及以上日数（a，单位：d）及其历史排名（只考虑前三位）（b）空间分布Fig.5 The spatial distribution of moderate and above drought days(a,Unit:d)and its history rank(only considering the top three)(b)in Anhui Province from June to September 2022

2.3 区域性过程综合强度指数及等级

2.3.1 区域性高温及干旱综合强度等级阈值

1961—2022年，区域性高温过程综合强度指数集中在200～600，占总次数的71%；强度超过1500的仅4次，其中最强达1854［图6（a）］，出现在1967年7月12日至9月2日，该过程是影响范围最广、持续日数最长的区域性高温过程。区域性干旱过程综合强度指数集中在20～60，占总次数的76%；强度超过100的仅7次，其中最强达147，出现在1966年7月15日至11月20日，该过程也是影响范围第二广、持续日数第二长的区域性干旱过程［图6（b）］。

图6 1961—2022年安徽省区域性高温（a）和干旱（b）过程综合强度指数分布Fig.6 Distribution of comprehensive intensity indexes of regional high temperature(a)and drought(b)processes in Anhui Province during 1961-2022

挑选气候基准期区域性高温和干旱过程的综合强度指数（Z），按百分位数法，确定综合强度等级阈值区间（表3）。

表3 安徽省区域性高温和干旱过程不同等级综合强度指数阈值区间Tab.3 Grade threshold interval of comprehensive intensity index of regional high temperature and drought processes in Anhui Province

2.3.2 区域性高温过程评价

2022年夏季安徽省出现6次区域性高温过程，以7月8—20日及8月1—23日的两次过程最强。这两次区域性高温过程分别为“强”和“特强”等级。挑选出1961—2022年安徽省排名前10位的区域性高温过程（表4），这10次过程均达“特强”等级。评估表明：2022年8月1—23日高温过程综合强度为历史第四强，不及1966、1967和2013年的单个高温过程。

表4 1961—2022年安徽省最强10次区域性高温过程Tab.4 The strongest 10 regional high temperature processes in Anhui Province during 1961—2022

对年内所有区域性过程综合强度指数累加，得到区域性高温过程年综合强度指数（图7），可以看出，年综合强度指数年际波动大，最大为2022年达4496，其次为1978年为4137，而1982年无区域性高温；近60 a，区域性高温过程年综合强度指数呈增强趋势，线性增加率每10 a达135，通过α=0.05的显著性检验。

图7 安徽省1961—2022年区域性高温过程年综合强度指数变化Fig.7 Change of annual comprehensive strength index of regional high temperature process in Anhui Province during 1961-2022

2.3.3 区域性干旱过程评价

安徽省2022年夏秋季出现2次区域性干旱过程，分别出现在6月15日至7月8日及7月28日至9月30日，综合强度指数分别为“强”和“特强”等级。挑选出1961—2022年安徽省排在前10强的区域性伏秋连旱过程（表5），前5次达“特强”等级，后5次为“强”等级。2022年始于7月28日的干旱过程，截至9月30日已持续65 d，强度等级为“特强”，不及1966、1967、1978和2019年过程。

表5 安徽省1961—2022年最强10次区域性伏秋连旱过程Tab.5 The strongest 10 regional drought processes in summer and autumn in Anhui Province during 1961-2022

3 结论与讨论

基于1961—2022年安徽省80个国家气象观测站逐日降水和平均气温资料，利用区域性极端事件客观识别方法识别区域性高温和干旱过程，进一步提取过程历时、影响范围、过程强度指标，并应用于已构建的综合强度评估模型，对2022年高温干旱开展异常气候特征分析和区域性过程综合评价。结论如下：

（1）安徽省2022年夏季全省平均气温较常年同期偏高2.2℃，高温日数43 d；累计136站次最高气温超过40℃，8个县（市）最高气温破本站历史记录，全省马鞍山最高为42.7℃，居全省历史第二。总体呈现平均气温历史同期最高、高温日数历史同期最多、40℃以上高温覆盖范围历史最广、多地最高气温破历史极值等4个特点，综合来看高温过程为1961年以来最强。

（2）安徽省2022年梅雨不典型，受台风影响弱。6—9月全省平均降水量偏少达4成，为1961年以来同期第四少。温高雨少造成淮河以南气象干旱发生发展。6—9月淮河以南中旱及以上等级干旱日数平均为64 d，为1961年以来同期第三多；有18个县（市）为本站历史前三位，其中合肥、肥西、庐江、舒城、天长、当涂为历史同期最多。

（3）从区域性高温过程来看，2022年夏季先后出现6次区域性高温过程，8月1—23日过程综合强度达“特强”等级，不及1966、1967和2013年高温过程，为历史第四强。从年综合强度看，近60 a，区域性高温过程年综合强度增强趋势明显，线性增加率每10 a达135，通过α=0.05的显著性检验，其中2022年累计综合强度为1961年以来最强。

（4）从区域性干旱过程来看，2022年6月15日至7月8日及7月28日至9月30日出现2次区域 性干旱过程。截至9月30日，7月28日以来的区域性干旱过程已持续65 d，强度等级为“特强”，在1961年以来最强的10次伏秋连旱过程中位居第五。

本文在简要分析2022年安徽省夏季高温及伏秋连旱异常气候特征的基础上，开展区域性气候事件过程识别与监测评估。有别于传统的单站极值监测，区域性气候事件识别方法的优点在于给定一组参数以后能够客观识别区域性事件，使监测时间上连续、空间上连片，能够反映一次过程的影响范围、强度和持续日数特征等。区域性气候事件过程客观监测评估方法的优点，是将气候监测评估业务从单站拓展到区域，实现极端事件多种类、全过程精密监测、精准评估和精细服务。

本研究给出的区域性事件阈值，针对安徽范围，在推广应用的过程中需要根据不同地区监测范围及站点疏密程度，对邻站距离、站组间距等相关参数以及百分数阈值进行适当调整。此外，尽管MCI在气象干旱监测中广为应用，但不同地区适用性也不尽相同，特别是相比农业干旱和水文干旱指数其反映明显偏重。针对以上不足问题，还需进一步研究完善。