Analysis of temporal and spatial variation of extreme temperature in Guizhou Province
ZHUDayun1,2,, XIONGKangning1,2,, XIAOHua1,2 1. School of Karst Science, Guizhou Normal University, Guiyang 550001, China2. State Engineering Technology Institute for Karst Desertfication Control, Guiyang 550001, China 通讯作者:通讯作者:熊康宁,E-mail: xiongkn@163.com 收稿日期:2017-09-24 修回日期:2018-04-3 网络出版日期:2018-08-25 版权声明:2018《资源科学》编辑部《资源科学》编辑部 基金资助:贵州省国内一流学科建设项目(黔科教研发[2017]85号)贵州省科学技术基金(黔科合基础[2016]1101)贵州省科技支撑计划(黔科合支撑[2018]2777) 作者简介: -->作者简介:朱大运,男,河南信阳人,博士,主要研究方向为区域气候变化与喀斯特资源环境。E-mail: zhudayun163@163.com
关键词:极端气温指数;时空变化特征;ENSO;贵州省 Abstract With global warming, the extreme weather events in southwest China have become more frequent and the damage is also deepening, posing a serious threat to national economic development and ecological environment protection. Based on daily temperature data sets of 33 stations in Guizhou Province, spatial and temporal changes of extreme temperature and its influence factors were analyzed during the period of 1960-2016, by using the methods of linear regression, Inverse Distance Weighted (IDW) and Mann-Kendall(M-K) test. The results showed that in the last 57 years the climate of Guizhou is getting warmer and accelerating the trend in the 21st century. The extreme high temperature indices, i. e. summer day, the percentile value of warm day, the duration of warmness and the frequency of the duration of warmness have all increased, with the velocity of 0.6d/10a、2.7d/10a、0.02d/10a、and 0.2times/10a, respectively. And the extreme low temperature indices, i. e. frost day, the percentile value of cold day, the duration of coldness and the frequency of the duration of coldness have decreased, with the velocity of -1.6d/10a、-8.0d/10a、 -0.5d/10a、and -1.0times/10a, respectively. In addition, the extreme temperatures show asymmetry pattern. For example, the change range of extreme low temperature indices is greater than that of extreme high temperature indices, the tropical days and cold days have the largest variation. There is a close relationship between the extreme temperature indices and altitude. Moreover, most abrupt change of climate occurred in the late 19th and early 2000s. El Niño has a significant impact on the extreme warm series index, and La Nina has a greater influence on the extreme cold series index. The impact of La Nina on the extreme cold series index reached its highest level in the following year.
1960—2016年贵州省33个国家地面标准观测站(站点分布见图1)的逐日平均气温、最高气温、最低气温等数据来源于中国气象科学数据共享服务网[18]。各站点气象数据均经过严格的质量控制和均一性检验,对个别缺失数据采用相邻站点线性回归方法进行插补,保证经过处理修正后的气象数据具有很好的连续性,然后基于RClimDex软件对数据异常值与错误值进行过滤筛选,以满足分析要求。 显示原图|下载原图ZIP|生成PPT 图1贵州省气象站点分布示意 -->Figure 1Location of the meteorological stations in Guizhou Province -->
2.2 研究方法
关于极端气候,世界气象组织气候(WMO)委员会发布了27个极端气候指数及其定义标准,其中包括16个极端气温指数,这些指数具有较弱的极端性、噪声低、显著性强等优点,在世界各国极端气候研究中得到广泛使用[19]。综合目前国际最流行的百分位阈值法和贵州气候变化的实际情况,选取6个极端指数,并自定义增加2个辅助指数,共计8个极端气温指数用作本文极端气温事件分析(表1)。 Table 1 表1 表1极端气温指数定义 Table 1Definitions of extreme air temperature indexes
从图2可以看出,1960—2016年,表征高温的极端温度事件线性倾向率均呈现出上升趋势;表征低温的极端温度事件线性倾向率均呈现出下降趋势,说明过去57a贵州气温以变暖趋势为主。夏日日数、暖日日数、热持续指数、热持续发生次数的年际变化倾向率分别为0.6d/10a、2.7d/10a、0.02d/10a、0.2次/10a。对比5a滑动平均曲线可以发现,四者在变化趋势上具有很好的一致性,波动中上升且呈现出“两高一低”的变化形态,1960—1970年、2000年—2016年是两个高值区间,极端高温事件指数值偏大;1970—2000年是低值区间,滑动平均值均位于线性趋势线下方,极端高温指数值相对偏小。在跨度近30a的低值区间内部嵌套着多个小的滑动曲线波动,暖日日数和热持续发生次数存在一个明显的波动小高峰,峰值发生在1990年前后,反映出这一时期极端高温事件偏多,而同时期的夏日日数滑动曲线波动较小,处在一个相对低值的阶段。 显示原图|下载原图ZIP|生成PPT 图21960—2016年贵州省极端气温指数变化趋势 -->Figure 2Trend of extreme temperature indices in Guizhou from 1960 to 2016 -->
由图3可知,不同类型极端气温指数值在变化幅度上表现出明显的差异,夏日日数、暖日日数、热持续指数、热持续发生次数、霜冻日数、冷夜日数、冷持续指数、冷持续发生次数的变幅分别介于:(-8.0~3.9)d/10a、(-12.7~8.8)d/10a、(-2.5~0.9)d/10a、(-0.42~0.16)次/10a、(-4.3~0.4)d/10a、(-15.7~1.9)d/10a、(-2.5 ~1.0)d/10a、(-0.41~0.17)次/10a之间。暖日日数、冷夜日数变动幅度大于其他极端指数,说明区位对这两个极端气温指数的影响更大。 显示原图|下载原图ZIP|生成PPT 图31960—2016年贵州极端气温指数变化倾向率空间分布 -->Figure 3Spatial distribution of inter-annual variation of extreme temperature indices in Guizhou from 1960 to 2016 -->
空间上,夏日日数变化显著的站点主要分布在贵州西部和中部地区,毕节地区站点整体上升趋势最为显著,贵阳、盘县和仁怀呈下降趋势且幅度较大。暖日日数通过P<0.05显著性检验的站点占比55%,集中分布在除东部以外的其他地区,且大部分站点表现出较大幅度的正向变化态势。热持续指数变化不显著,除了盘县和仁怀两站点指数值显著下降外,其他站点均未通过显著性检验。所有极端指数中霜冻日数变化显著性最为突出,空间变化格局表现出与其他极端指数截然不同的分布特征,呈对角线走向,连接毕节至黔东南州的“西北-东南”走向沿线站点下降幅度明显较大,连接铜仁至黔西南州的“东北-西南”走向沿线站点下降幅度则相对较小。冷夜日数呈显著下降趋势,85%的站点通过显著性检验,下降幅度大且分布范围广,区域差异不明显,基本涵盖整个区域范围。与热持续指数一致,该区冷持续指数通过显著性检验的比例并不高,除了少数几个站点呈显著下降外,其他站点均呈不显著的上升或下降趋势。热持续发生次数与冷持续发生次数年际变化幅度小,且变化趋势通过0.05显著性水平检验的站点比例不高。 结合贵州西高东低地势特征可知,极端气温指数空间分布反映的另一个明显特点就是西部高海拔地区在变化幅度与显著性方面明显高于其它地区,为进一步验证海拔与极端气温指数的关系,采用自然断点分级法将不同站点的海拔分为5类,分别统计分析极端气温指数均值变化及其相关性(表2)。从海拔梯度来看,冷夜日数随着海拔的升高而逐渐下降,这可能是受地形和地面长波辐射的影响,山地高海拔地区气温温差相对较小的原因引起的;霜冻日数随着海拔的升高而逐渐增加。其它几个极端气温指数海拔梯度变化特征不明显。 Table 2 表2 表21960—2016年贵州不同海拔极端气温指数均值变化 Table 2Mean trends of extreme temperature in categorized latitude ranks in Guizhou from 1960 to 2016
气候突变表现为气候在时空上统计特性的急剧变化,通过突变点来体现[20]。图4给出了1960—2016年贵州各极端气温指数变化的突变曲线,暖日日数、冷夜日数、霜冻日数的突变分别发生在2006年、2000年、1987年,夏日日数UF与UB曲线自从2005年产生第一次相交之后,在随后的12a时间内产生了多个交点,表明突变点受到干扰点的影响,因此分别运用滑动T检验(子序列长度5)和Yamamoto指数对突变点进行交互验证,排除虚假突变点,最终确认2005年为夏日日数突变点。同样的方法分别对其他指数进行了验证,除了1990年为冷持续指数的真实突变点外,其他均为虚假突变点。 显示原图|下载原图ZIP|生成PPT 图41960—2016年贵州极端气温指数突变分析 -->Figure 4Mann-Kendall test of extreme temperature indices in Guizhou from 1960 to 2016 -->
通过查阅相关资料和前人研究成果[21,22,23],整理得出1960—2016年发生的ENSO(代指厄尔尼诺与拉尼娜)事件共38次,其中有20个年份发生了El Nino事件,18个年份发生了La Nina事件,其余19年为正常年份;El Nino/La Nina强度按低、中、高三个等级进行划分,El Nino强度用正值表达,La Nina强度用负值表达,绝对值越大强度越高。由ENSO事件与极端气温指数距平关系可知(图5,见第1679页),极端气温指数的增减幅度与ENSO事件强度并无明显的正向或反向对应关系,仅在极个别年份存在这种对应现象,如1998年ENSO强度与SU25距平,2003年ENSO强度与CSDI距平等。统计数据表明多数厄尔尼诺年表征高温系列的极端气温指数值在增加,表征低温的极端气温指数值在减少,拉尼娜年情况则恰好相反;这种特征在正常年份没有体现,整体来看正常年份内各极端温度指数发生负距平现象的几率更高(表3,见第1680页)。对贵州而言,无论厄尔尼诺年还是拉尼娜年,正负距平发生的几率差别很小甚至相等。厄尔尼诺年霜冻日数正负距平比例差异最大,正负几率比为30%:70%;拉尼娜年则暖持续日数正负距平比例差异最大,正负几率比为28%:72%。 显示原图|下载原图ZIP|生成PPT 图51960—2016年贵州极端气温指数距平与ENSO强度关系 -->Figure 5The relationship between ENSO events and extreme temperature indices anomaly in Guizhou from 1960 to 2016 -->
Table 3 表3 表31960—2016年贵州极端气温指数距平与ENSO事件年数统计 Table 3Comparisons of ENSO events and extreme temperature indices anomaly in Guizhou from 1960 to 2016
夏日日数/d
暖日日数/d
热持续指数/d
热持续发生次数/次
霜冻日数 /d
冷夜日数 /d
冷持续指数/d
冷持续发生次数/次
正
负
正
负
正
负
正
负
正
负
正
负
正
负
正
负
El Nino
11
9
10
10
12
8
12
8
6
14
10
10
8
12
8
12
La Nina
7
11
7
11
5
13
5
13
8
10
9
9
11
7
11
7
正常年
8
11
11
8
12
7
12
7
8
11
12
7
8
11
8
11
新窗口打开 为了进一步探讨ENSO事件的滞后效应,分别统计了厄尔尼诺年、拉尼娜年及其滞后一年极端气温指数值(表4,见第1680页)。分析可知,在厄尔尼诺年和厄尔尼诺滞后的1a,极端气温暖系列指数(SU25、TX90P、WSDI)基本都大于正常年,极端气温冷系列指数(FD0、TN10P、CSDI)几乎都小于正常年,表明El Nino现象加剧了该区极端暖序列指数的上升和极端冷序列指数的下降。在拉尼娜年,大部分极端气温指数都小于正常年,反映出贵州对La Nina现象的响应较为明显。但是在拉尼娜滞后1a,所有极端气温指数快速回升,全部大于正常年,热持续指数甚至高于厄尔尼诺滞后年,说明拉尼娜滞后效应对该区极端暖序列指数和极端冷序列指数均有较显著的影响。总体而言,厄尔尼诺对极端暖序列指数影响较大,影响程度持续到次年,拉尼娜与极端冷序列指数关系密切,在拉尼娜发生的次年,其影响程度达到最高水平。 Table 4 表4 表41960—2016年贵州ENSO年与滞后1a极端气温指数变化 Table 4Comparisons of extreme temperature indices in ENSO and lag 1 years in Guizhou from 1960 to 2016 (d)
伴随全球气候变暖趋势加剧,极端气候事件对区域发展的影响作用引起了广泛重视。本文利用8个极端气温指标对贵州省1960—2016年极端气温时空变化特征进行了研究,进一步分析了其时空变异特征与影响因素。为该区极端温度事件预防和气候变化区域适应对策的制定提供了参考。主要结论如下: (1)1960—2016年贵州地区极端气温暖系列指数整体上呈上升趋势,极端气温冷系列指数呈下降趋势,气候变暖特征明显。不同类型极端气温指数在变化幅度上表现出较强的差异,暖日日数、冷夜日数变动幅度大于其他极端指数。空间上贵州中西部等高海拔地区极端气温指数表现出较高的显著性水平。相关性分析表明夏日日数、霜冻日数、冷持续指数与海拔关系密切。 (2)多数极端气温指数突变发生在19世纪末到21世纪初。进入21世纪后极端气温冷事件显著降低,气温上升速度明显加快。 (3)多数厄尔尼诺年表征高温系列的极端气温指数在增加,表征低温系列的极端气温指数在减少;拉尼娜年则相反。此外,厄尔尼诺对极端高温系列指数影响较大,影响程度持续到次年,拉尼娜与极端低温系列指数变化关系密切,在拉尼娜发生的次年,其影响程度达到最高水平。 The authors have declared that no competing interests exist.
[Ma QY, Zhang JQ, LaiQ, et al. Temporal and spatial variations of extreme climatic events in Songnen Grassland, Northeast China during 1960-2014 [J]. , 2017, 28(6): 1769-1778. ] [本文引用: 1]
[2]
Min SK, Son SW, Seo KH, et al. Changes in weather and climate extremes over Korea and possible causes: a review [J]. , 2015, 51(2): 103-121. [本文引用: 1]
[3]
Jr R RH. An overview of weather and climate extremes-products and trends [J]. , 2015, 10: 1-9. [本文引用: 1]
[Ren FM, GaoH, Liu LL, et al. Research progresses on extreme weather and climate events and their operational applications in climate monitoring and prediction [J]. , 2014, 40(7): 860-874. ] [本文引用: 2]
[Xie ZX, Li YN, Qin YC, et al. Evolution characteristics of the extreme temperature in Huaihe River Basin from 1960 to 2012 [J]. , 2017, 38(7): 407-416. ] [本文引用: 1]
[HuangQ, Chen ZS.Regional study on the trends of extreme temperature and precipitation events in the Pearl River Basin [J]. , 2014, 29(8): 956-967. ] [本文引用: 1]
[Huang XY, Wang XP, Wang JS, et al. Variation of extreme temperature events in coastal region of china in. Variation of extreme temperature events in coastal region of china in1960-2013 [J]. , 36(4): 612-620. ] [本文引用: 1]
[Wang BL, Zhang MJ, Wei JL, et al. The change in extreme events of temperature and precipitation over northwest China in recent 50 years [J]. , 2012, (10): 1720-1733. ] [本文引用: 2]
[He JY, Zhang MJ, WangP, et al. Climate characteristics of the extreme drought events in southwest China during recent 50 years [J]. , 2011, 66(9): 1179-1190. ] [本文引用: 1]
[Jiang XW, Li YQ.The spatio-temporal variation of winter climate anomalies in Southwestern China and the possible influencing factors [J]. , 2010, 65(11): 1325-1335. ] [本文引用: 2]
[Shen AH, Ren GC, XuM, et al. Correlation analysis and statistical prediction of abnormal cold/warm in the southwestern region of China spring [J]. , 2009, 28(2): 425-432. ] [本文引用: 1]
[Yuan WD, Zheng JK.Spatial and temporal variations of extreme temperature events in Southwestern China during 1962-2012 [J]. , 2015, 24(7): 1246-1254. ] [本文引用: 3]
[LiuL, Xu ZX.Spatiotemporal distribution of the extreme climate indices in the five southwestern provinces of China [J]. , 2014, 23(2): 294-301. ] [本文引用: 1]
[Zhou XH, Xiao Z N. Analysis on the variation characteristics of summer-autumn precipitation over the surrounding regions of Southwest China and the corresponding circulation [J]. Chinese Journal of Atmospheric Sciences, 1015, 39(4): 653-666. ] [本文引用: 2]
[WangX, Li JX, Shi HY, et al. The temporal spatial distribution and prediction of extreme temperature events in Yunnan Province from 1960-2011 [J]. , 2014, 36(9): 1816-1824. ] [本文引用: 1]
[Jia YQ, ZhangB, Zhang YZ, et al. Correlation analysis of variation of extreme temperature events and EL Nino southern Oscillation(ENSO) in Yangtze River Delta region during 1960-2014 [J]. , 2017, 37(19): 1-13. ] [本文引用: 2]
[Dong XF, Yang HW, ZhangL, et al. Influence of ENSO events on the hydrogen and oxygen isotopic values of precipitation in Shanghai [J]. , 2017, DOI: 10. 13227/j. hjkx. 201705190.] [本文引用: 1]
[Ban HM, Miu QL, LiX.Analysis of characteristics of temperature variations in Southwest China in recent 50 years [J]. , 2006, 15(3): 346-351. ] [本文引用: 1]
[Liu XR, Li GP, Fan GZ, et al. Spatial and temporal characteristics of temperature changes in Southwest China during 1961-2000 [J]. , 2008, 28(1): 30-36. ] [本文引用: 1]
[ZhangL, Ren GY, LiuJ, et al. Urban effect on trends of extreme temperature indices at Beijing meteorological station [J]. , 2011, 54(5): 1150-1159. ] [本文引用: 2]
[Shi ZG, Liu XD, Cheng XX.Inverse phase between south Asian and East Asian summer monsoons and its relation with ENSO: from interannual to orbital scale [J]. , 2009, 29(5): 83-88. ] [本文引用: 1]