英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料

1995-2000年中国东部夏季极端日平均气温的变化

概述

中国东部夏季（6、7、8月）平均的极端高温和极端低温的统计学特征已经被研究。极端低温是指温度没有超过1960-1990年夏季日温的10%分位点的温度。相似的，极端高温是指超过90%的分位点的温度。极端高温和极端低温时间的频率趋势有明确的空间分布型。在北方地区（也就是中国北部和东北部），极端低温和高温时间频率的线性趋势分别是-1.09天/10年和 1.23天/10年。对于研究区域的南部来说，相应的趋势分别为-1.32天/10年和 2.32天/10年。将研究区域作为一个整体，相应的线性趋势分别为-0.76天/10年和 1.08天/10年。极端气温频率的变化主要和平均气温的变化有关。在东亚对流层的底层到中层有一个明显的反气旋，这个反气旋与北方地区变暖有关。对于南方地区来说，在1976年平均温度和极端温度有一个跳跃的变化，大尺度的西北太平洋高压对于极端温度的跳跃式改变起着重要的作用。

引言

极端温度事件的强度和频率的改变将对社会和自然环境产生很大的影响(Houghton

et al., 2001)。Karl et al. (1999) and Easterling

et al. (2000)评价了许多国家极端气候的变化。他们指出极端低温和极端高温天数大体上分别为减少和增多。但是变化趋势有很强的区域差异，这表明相应的机制很复杂。为了提高我们对在全球变化的背景下极端温度时间的理解，研究其区域特征和原因是非常必要的。一些模拟实验表明温室气体导致的全球变暖将导致东亚夏季极端高温事件

的增多(e.g. Kharin and Zwiers, 2000; Gao et al., 2002)。对观测资料的分析将为确认模拟的结果和理解相应的物理机制提供有用的信息。

目标区域被限定为人口密集的中国东部（东经95度以东）。极端高温和低温都能对农业产生毁坏。连续的高温天气能够引起夏季的干旱或者使之恶化，特别是北方平原。极端低温也能引发很严重的损失。例如，由于1957、1969、1972和1976年的极端低温事件，中国东北的农业总产值下降了20%-30%(Ding, 1980;Sun et al., 1983)。从气候的角度讲，目标区域是东亚季风区，在暖季这里受很强的夏季风影响，而该夏季风常引起许多极端事件(Huang and Zhou, 2002)。因此，找出极端温度事件和东亚大气环流之间的联系是备受关注的。最近，东亚地区的极端温度时间引起了很大的关注(for example, Zhai et al., 1999; Yan and Yang, 2000; Yan et al., 2001a, 2002)。一些工作研究了夏季极端温度的趋势。一些研究与超过35摄氏度的日绝对最高温度有关(e.g. Zhai and Ren, 1997; Zhai et al., 1999)。之前的研究中很少有研究大气环流变化的。另外，南方（北纬30度以南）的站点比北方更容易满足以绝对温度为基础的高温标准。绝对高温对于高纬度站点来说过于苛刻。对于每一个站点可能有别的更加保守的方法来评价相对于气候背景的最低和最高温度事件的频率。这将可能消除站点之间地形和气候的差异。在这次研究中我们选取10%和90%的分位点分别作为定义极端高温和低温的标准。用这个被广泛使用的标准方便将结果和其他地区以及其他作者的研究成果进行比较。

日平均气温的数据来源和分析方法将在第二部分说明。极端低温和高温事件的空间特征和时间变化将在第三部分展示。大尺度大气环流和极端温度之间的联系将在第四部分分析。第五部分概括了结果。

数据和方法

2.1日平均气温

只有北京和上海这两个站点有自从19世纪后期以来的长时间序列的逐日资料。这些站点的早期数据被指出具有不均一性(Yan et al., 2001b)。在20世纪50年代年之前中国大部分没有充足的数据。中国大陆天气观测站的现代化国家观测网是从20世纪50年代早期开始观测的。本次研究所用的中国东部所有的日平均资料来源于中国气象局观测档案馆。在目标区域内（东经95度以东）有171个站点可获得1951年以来的数据。1951-1954年，许多站点的数据都是缺测值。所以我们的研究时段限定为1955-2000年。在这个时段内，有超过三天缺测值的站点将被排除在外。六个缺测值少于三天的站点被留下来。最后一共保留了145个站点用来分析。

在中国，有高品质观测数据的站点有一个很大的问题就是城市化。有一小部分的研究评估了城市化对气温观测的影响(Wangetal.,1990;Zhao,1991;Portman,1993),但是并未对城市化对日极端温度的影响做出评估。很明显这是对使用逐日资料研究者的一个挑战。

2.2质量控制

气温观测的不均匀性由许多因素引起，包括站点的位置、仪器、观测经验等。即使有一些主观和客观的方法来识别和调整月资料(e.g. Easterling and Peterson, 1995)，但是逐日资料的情况就很复杂。这些不连续性会影响均值和极端值。我们关注的是极端气温，而不正常的数据将很明显的影响结果，为了简化，我们仅仅对不正常的数据进行检验。

在此次研究中，我们采用一个客观的方法为每一个测站的夏季识别不正常数据。根据天气学的知识，一个极端热的天可能在连续晴热天之后出现。趋向极点在某种程度上是稳定的，这就意味着极端高温不应该突然出现。即使有强焚风的作用，突然地增暖事件有可能发生在一些山上的站点，我们将这看作一个小问题并忽视它，因为焚风很少在我们目标区域的夏季发生。因此，我们计算连续两天的温度差，也就是，其中、和分别是第d天的气温、第d-1天的气温以及它们的差。如果气温的增加（正的）超过了 3.3sigma;（sigma;是给定夏季气温的标准差），这99.9%的可能是一个不正常的跳跃，因此第d天的数据将被拒绝。用同样的方法去查找极端低温中不正常的值，也就是。很明显，在一定条件温度很可能大幅度降低，比如连续几日晴天后的大雨有可能导致气温的大幅下降。但是，当雨停了之后气温将稳定的回升到原来的水平，如果这个回温是跳跃式的，那么这个降温就是非常令人怀疑的。这种伴随着跳跃式回温的气温下降将被剔除。这个过程可以被简单的描述为：

，如果gt; 3.3sigma;,被拒绝。

，如果lt;0并且

lt;-3.3sigma;,被拒绝.

根据这个标准，总共有6个站点的20个（占总数的0.003%）不正常的高低数据被剔除。需要指出的是这种方法检验不出来不由于城市化等带来的对称错误或者不连续性。总之，对不正常数据的剔除将减小对极端温度分析的可能数据误差。

2.3方法

本次研究应用了大量的极端温度指数。例如，Jones et al.(1999)选择温度超过20摄氏度的天数来作为热的天数。这种指数仅仅适用于空间变化很小的限定区域，对于地理范围很大的区域这种指数是不合适的。气候变量的高阶矩对描述变率是十分有用的（Vinik and Robock, 2002）。例如，Gong 和 Ho （2003）使用逐日温度距平的歪斜系数来描述冬季的冷涌和与之有关的东亚地区温度的异常。建立在统计量上的指标被广泛的使用，例如10%和90%分位点（e.g. Jones et al., 1999; Plummer et al., 1999）。不同的标准，比如1%、5%、95%或者99%分位点在一些研究中被使用。应当指出这些严格标准可能会带来一些问题。因为结果对不正常的数据很敏感，所以潜在的数据错误将对极端温度事件的频率产生很大的影响。因此在本次研究中我们选择10%和90%分位点来定义极端低温和极端高温，即使这也有主观的成分在里面。10%和90%的分位点使用1961-1990年夏季（6月1日到8月31日，每年共92天）除缺测数据以外的全部数据计算得到。极端低温的频数就是每个站点每年气温没有超过10%分位点的天数。相似的，极端高温的频数就是每个站点每年气温超过90%分位点的天数。

结果

3.1趋势的空间特征

计算出极端低温的频率之后我们用最小二乘法来估测它们在整个时段内的线性趋势，如图1。总的来说，极端低温时间的减小趋势是显著的，145个站点中有117个是降低趋势，仅仅有27个站点是上升趋势。重要的是在目标区域内极端低温的趋势呈现了很好的区域特征。大部分有上升趋势的站点位于中国中部，也就是长江沿岸，该区域的趋势小于1天/10年。然而，其他区域是显著的下降趋势。中国东部、东北部和南部的下降趋势很明显这两个区域的下降趋势分别为-1–-2天/10年。这种从北到南的分布型和其他气候变量比如降水的分布是很相似的（e.g. Hu, 1997）。将145个站点作为一个整体，该趋势为-0.76天/10年，显著水平为99%。但是，从图1可以看出不同的区域之间差别是很大的，这也说明了不同的区域对应着不同的原因。

图1.极端低温频率的变化趋势。正方形框表明站点的趋势达到了95%的置信水平。数量的单位是天/10年。计算了A、B、C三个矩形框内的平均值。

图2.极端高温频率的变化趋势。单位是天/10年，正方形框表明站点的趋势达到了95%的置信水平。

图2.展示了极端高温事件频率的变化趋势。除了相反的变化趋势，这些趋势也呈现了和极端低温相似的地理分布型。长江沿岸的大部分站点，高温频率略有减少，低于-2天/10年。该区域有两个站点，他们的高温频率趋势为-4－-2天/10年。和极端低温的频率相反，高温事件的上升趋势是明显的。145个站点中有113个站点高温事件呈上升趋势。大部分通过显著性检验的站点位于中国北部-东北部和南部。将145个站点作为一个整体，高温事件的变化趋势是 1.08天/10年，通过了99%的检验。下面将讨论极端温度在这些区域的时间变化特征和可能原因。

3.2时间变化

图1.和图2.中极端低温和高温变化趋势很明显的地理分布型引导我们去计算每个区域夏季温度平均值的时间序列。为了分析极端气温时间变化特征和可能原因，我们选取图1.中A、B、C三个区域，这三个区域分别是（A）北部地区，也就是中国北部和东北部，覆盖了北纬35到55度、东经107到135度的区域，含有62个站点；（B）北纬26.5到33.5度、东经107到123度的长江流域，包含了21个站点；（C）南部地区，也就是北纬17到26度、东经96到123度，含有28个站点。计算每年夏季算术平均温度，从而得到区域平均的时间序列。

3.2.1北方地区

图3.和图4.分别展现了高、低温事件频率的时间序列。该区域极端温度事件有很明显的长期变化趋势。低温事件频率的趋势是-1.09天/10年，通过了99%的显著性检验。高温事件频率的趋势是 1.23天/10年，也通过了99%的显著性检验。这意味着自从20世纪50年代中期以来，中国北部和东北部的极端高温事件的频率增长了约6天，极端低温事件的频率下降了5天。这些地区的其他气候变量也进行着协同的变化。Kaiser(1998;2000)分析了中国上空的云量并且发现中国大部分区域的云量呈下降趋势。观测显示中国北部和东北部云量下降的最强。从20世纪50年代早期到20世纪90年代中期，这些区域云量的年平均值呈很强

的下降趋势约为-3%/10年，许多站点通过了95%以上的显著性检验。同时中国东北地面的相对湿度也在下降，下降趋势为-1.0--1.5%/10年。自从20世纪50年代以来，中国北部的下雨天数减少了8天，并且长干旱期（连续超过10天没有降水）的频率在上升，约 7.2%/十年。很明显干旱期与极端高温有关。干旱期发生的频率越高强度越强，更短的极端高温事件将发生。云量、相对湿度、降水以及干旱期的变化均和北方日极端高温事件的变化相一致。

图3.极端低温事件区域平均的时间序列。三个区域已在图1.中用矩形框标出，给出所有站点的时间序列用来做比较。叠加在时间序列上的虚线是用最小二乘法计算得到的线性趋势。

图4.极端高温事件区域平均的时间序列。其他与图3.相同。

3.2.2长江流域

表1.极端低温和高温事件频率的变化趋势

*表示通过95%的显著性检验，**表示通过99%的显著性检验。

和北方地区不同的是，长江流域极端低温和高温事件频率的变化不是那么明显。线性趋势分别为 0.37天/10年和-0.16天/10年，均未通过显著性检验。同期的平均温度有一个很弱的下降趋势，这可能和该地区降水时间的增加有关。之前的研究表明梅雨带的降水有着明显的增加，特别是20世纪80年代以来（Gong and Ho,2002; Gong et al.,2000）。降水量和下雨天数的增加将导致平均温度降低，这将引发更多的低温事件和更少的高温事件，然而这些变化没有北方和南方地区的变化强。

3.2.2南方地区

在三个区域中，南方地区的极端低温、高温事件频率的变化趋势都是最强的，分别为-1.32天/10年，通过了99%的显著性检验， 2.32天/10年。南方极端高温事件频率的趋势是表1.中最强的趋势。值得注意的是中国南部临近区域的极端温度事件具有比较的价值。例如，Manton et al.(2001)分析了东南亚和南太平洋热天和冷天的变化。他们定义热天为最高温超过1961-1990的99%分位点，冷天为最高温度低于1%分位点。他们发现在邻近的东南亚的大部分站点热天的频率呈上升趋势，与此同时冷天呈下降趋势。这些结果和我国南部的变化相一致。很明显，夏季平均温度和极端温度事件是大尺度并且涵盖大范围的地理空间。在下一部分，我们将展示中国南部极端温度事件与西北太平洋副高异常之间的紧密联系。

3.3极端事件的平均值和频率

lt;

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[21415]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 气候系统模式BCC_CSM1.1对东亚高空对流层急流和相关瞬变涡流活动的模拟外文翻译资料
• 基于FAO Penman-Monteith方程与每日天气预报信息估算参考蒸散量研究外文翻译资料
• 稳定非饱和渗流条件下的无限大边坡稳定性外文翻译资料
• CMIP5模式下中国极端降水指数。第二部分:概率投影外文翻译资料
• 2013年2月8-9日东北部地区暴风雪过程的偏振雷达和微物理过程研究外文翻译资料
• 华南前汛期香港中尺度暴雨的研究外文翻译资料
• 边界层对极地春季臭氧损耗现象起止的影响外文翻译资料
• 一种利用神经网络从具有高光谱分辨率的红外光谱 反演温度信息的方法外文翻译资料
• 1961 ~ 2004年青藏高原夏季降水的时空分布外文翻译资料
• 中国中东部地区冬季雾——霾日的年际变化及其与东亚冬季风的关系外文翻译资料