2011-2050年贵州省极端气候指数时空变化特征

2018-04-11韩会庆张娇艳苏志华

水土保持研究 2018年2期

韩会庆, 张娇艳, 苏志华, 陆艺

(1.贵州理工学院建筑与城市规划学院, 贵阳 550003;2.贵州省气候中心, 贵阳 550002; 3.贵州财经大学管理科学学院, 贵阳 550025)

全球及区域气候变化是当前气候学、生态学等相关学科研究的热点。在全球气候变暖影响下，世界各地极端气候事件发生频率和强度显著改变[1]，这深刻影响着人类社会、经济发展、自然生态系统、环境等各个方面[2]。因此，对极端气候研究越来越受到世界各国学者的关注。目前，国内外对极端气候研究集中于极端气候事件变化特征、极端气候事件模拟与预测以及极端气候事件对生态环境影响等方面。如Mutiibwa等[3]对1979—2012年美国极端气温时空变化特征进行了分析。张磊磊等[4]对过去50 a黄河源区极端气候事件变化趋势进行了分析。Beniston等[5]利用HIRHAM4区域气候模型模拟和预测了欧洲极端气候事件。Jiang等[6]利用IPCC-AR4模型模拟和预测了中国极端气候事件。Jones等[7]分析了极端气候事件对蜥蜴的影响。John等[8]分析了蒙古高原极端气候事件对植被覆被的影响。总之，当前国内外学者已进行了过去时点全球和地区尺度极端气候变化及未来极端气候变化模拟的一系列研究工作，并取得了大量成果，然而这些研究多针对大尺度极端气候变化研究，较少关注小尺度地区，更鲜有针对我国西南地区未来极端气候变化研究[9]。贵州省属我国典型喀斯特山区，受地质条件和地形影响，坡耕地比例高，多属“雨养型”农业，对气候极端变化的敏感性较高[10]，因此，本研究以贵州省为例，利用中国天气发生器Version 2.0模型分析了2011—2050年极端气候指数时空变化特征，以期为该区灾害防治、农业区划提供科学依据。

1　材料与方法

1.1　极端气候指数选取

依据世界气象组织(WMO)、世界气候研究计划(WCRP)推荐的气候变化指标[11]以及相关研究文献[12-14]，结合贵州省气候特点，选取6个极端气温指数和6个极端降水指数分析贵州省极端气候变化特征(表1)。利用RClimDex(1.0)对极端气候指数进行统计。

表1　极端气温和极端降水指数选取及定义

1.2　研究方法

1.2.1逐日气温及降水预测模型本研究引入中国天气发生器NCC/GU-WG Version 2.0模型对贵州省19个一级气象站逐日最高温、日最低温和日降水量进行预测。中国天气发生器NCC/GU-WG Version 2.0模型是利用我国671个气象站点1960—2007年以来实测的逐日气候资料对未来日降水量、日最高气温、日最低气温、日照时数等气象要素进行预测。预测方法主要利用干湿两状态一阶马尔科夫链法[15]，廖要明等[16-17]学者已对该模型模拟精度进行了验证，发现该模型可以很好地模拟各种气象要素。

1.2.2变化趋势计算方法本研究引入一元线性回归方程分析气候要素变化趋势[18-19]，其计算公式为：

Y=at+b

(1)

式中：Y为气候要素值；t为年份；a为回归系数；b为常数，a>0表示气候要素呈增加趋势；a<0表示气候要素呈下降趋势。根据相关文献，认为气候要素趋势系数R等于a，用10 a表示。利用SPSS软件对该趋势系数进行显著性检验。

2　结果与分析

2.1　极端气候指数年际变化

日最高温气温(TXx)、日最低气温(TNn)、暖日指数(TX90p)和持续暖期(WSDI)均呈增加趋势，冷日指数(TX10p)和持续冷期(CSDI)均呈下降趋势，并均通过0.05显著性检验。其中日最高温气温、日最低气温、暖日指数和持续暖期每10 a分别增加0.1℃，0.03℃，0.23 d和0.4 d；冷日指数和持续冷期每10 a分别下降0.1 d和0.26 d(图1)。

最大日降水量(RX1day)，5日最大降水量(R5D)、强降水量(R95T)、日降水量强度(SDⅡ)和连续湿日(CDD)均呈现增加趋势，连续干日(CWD)呈现下降趋势，并均通过0.05显著性检验。其中最大日降水量，5日最大降水量、强降水量、日降水量强度和连续湿日每10 a分别增加1.02 mm，1.31 mm，5.63 mm，0.01 mm/d和0.05 d，连续干日每10 a下降0.11 d(图2)。

2.2　极端气候指数空间分布

日最高温气温、日最低气温、暖日指数和持续暖期均呈现由西向东逐渐增加趋势。除东部小部分地区外，冷日指数和持续冷期均呈现由南部、东部向西部增加趋势(图3)。

最大日降水量、5日最大降水量、强降水量和日降水量强度均呈现由西北部向东部、南部逐渐增加趋势。连续湿日由东北部向西南部逐渐增加。连续干日由东部向西部、南部逐渐增加(图4)。

图1贵州省极端气温指数年际变化

图2贵州省极端降水指数年际变化

图3贵州省极端气温指数的空间分布

图4贵州省极端降水指数的空间分布

贵州省大部分地区日最高温气温、日最低气温、暖日指数和持续暖期均呈现增加趋势。其中日最高温气温增加幅度较高地区(>0.2℃/10 a)集中中南部和北部地区。日最低气温增加幅度较高地区(>0.2℃/10 a)主要分布西南部、东南部和西北部。暖日指数增加幅度较高地区(>0.2 d/10 a)集中中部、南部和西北部。持续暖期增加幅度较高地区(>1 d/10 a)主要分布中东部和南部。研究区大部分地区冷日指数和持续冷期呈下降趋势。其下降幅度较高地区(分别为<-0.3 d/10 a和<-2 d/10 a)均主要分布于东部和北部(图5)。

图5贵州省极端气温指数变化趋势的空间分布

贵州省大部分地区最大日降水量，5日最大降水量、强降水量、日降水量强度和连续湿日均呈现增加趋势。其中最大日降水量增加幅度较高地区(>2.5 mm/10 a)集中中西部和东北部。5日最大降水量增加幅度较高地区(>2.5 mm/10 a)主要分布西部和中东部。强降水量增加幅度较高地区(>10 mm/10 a)集中中部、西部和南部。日降水量强度增加幅度较高地区[>0.1 mm/(d·10 a)]主要分布西北部和东部。连续湿日增加幅度较高地区(>0.2 d/10 a)集中西部和南部。

研究区大部分地区连续干日呈现下降趋势。其中下降幅度较大地区(<-0.6 d/10 a)主要分布中东部和西南部(图6)。

图6贵州省极端降水指数变化趋势的空间分布

3　讨论与结论

3.1　讨论

在全球变暖大背景下，极端气候事件频繁发生，这可能引起严重气候灾害，也可能对农作物和植物生长提供有利气候条件[20]。本研究日最高温气温、日最低气温、暖日指数、持续暖期增加以及冷日指数和持续冷期下降有利于生态退化区植被恢复和农作物越冬。但是最大日降水量，5日最大降水量、强降水量、日降水量强度、连续湿日增加及连续干日下降将增加该区洪涝发生风险，加剧水土流失。另外，极端高温和极端降水的增加有可能引起农作物高温热害和洪涝灾害，进而导致粮食产量下降。此外，极端高温和降水的增加还将对贵州省夏季人类生态环境宜居性产生负面影响。

本研究极端气温指数和极端降水指数变化趋势与刘琳等[9]对1951—2010年西南地区极端气候研究结果基本一致。但本研究与刘琳等[9]对极端气温和降水变化趋势幅度存在一定差异。此外，本研究结果与王冀[21]和陈晓晨[22]等对我国不同情景极端气候整体变化趋势较为接近。然而，由于地域环境的差异，本研究与我国不同地区相关研究结果存在较大差异[23-24]。另外，受全球变暖影响，大气环流异常，研究区大部分极端气候指数均呈增加趋势。贵州省地处我国西南部，同时受太平洋东南季风和印度洋西南季风影响，加之东低西高的地形特征[25]，这使得该区极端气候指数空间异质性突出。

3.2　结论

(1) 日最高温气温、日最低气温、暖日指数、持续暖期、最大日降水量，5日最大降水量、强降水量、日降水量强度和连续湿日呈现增加趋势。冷日指数、持续冷期和连续干日呈现下降趋势。

(2) 研究区极端气温指数东西差异突出，极端降水指数东西、南北差异均较大。各极端气候指数变化趋势之间空间格局差异较大，且空间异质性突出。

参考文献:

[1]高妍,冯起,李宗省,等.祁连山讨赖河流域1957—2012年极端气候变化[J].中国沙漠,2014,34(3):814-826.

[2]徐集云,石英,高学杰,等. RegCM3对中国21世纪极端气候事件变化的高分辨率模拟[J].科学通报,2013,58(8):724-733.

[3]Mutiibwa D, Vavrus S J, McAfee S A, et al. Recent spatiotemporal patterns in temperature extremes across conterminous United States [J]. Journal of Geophysical Research:Atmospheres, 2015,120:7378-7392.

[4]张磊磊,康颖,张建云,等.近50年来黄河源区极端气候事件趋势分析[J].水电能源科学,2015,33(2):6-9.

[5]Beniston M, Stephenson D B, Christensen O B, et al. Future extreme events in European climate:an exploration of regional climate model projections [J]. Climatic Change, 2007,81:71-95.

[6]Jiang Z L, Song J, Li L, et al. Extreme climate events in China:IPCC-AR4 model evaluation and projection [J]. Climatic Change, 2012,110:385-401.

[7]Jones A R, Bull C M, Brook B W, et al. Tick exposure and extreme climate events impact survival and threaten the persistence of a long-lived lizard [J]. Journal of Animal Ecology, 2016,85(2):598-610.

[8]John R, Chen J Q, OuYang Z T, et al. Vegetation response to extreme climate events on the Mongolian Plateau from 2000 to 2010[J]. Environmental Research Letters, 2013,8:1-12.

[9]刘琳,徐宗学.西南5省市极端气候指数时空分布规律研究[J].长江流域资源与环境,2014,23(2):294-301.

[10]陈学凯,雷宏军,徐建新,等.气候变化背景下贵州省农作物生长期干旱时空变化规律[J].自然资源学报,2015,30(10):1735-1749.

[11]Peterson T C, Folland C, Gruza G, et al. Report on the Activities of the Working Group on Climate Change Detection and Related Rapporteurs 1998—2001[M]. Southampto, UK:International CLⅣAR Project Office, 2001.

[12]曹祥会,龙怀玉,张继宗,等.河北省主要极端气候指数的时空变化特征[J].中国农业气象,2015,36(3):245-253.

[13]杨艳娟,任雨,郭军.1951—2009年天津市主要极端气候指数变化趋势[J].气象与环境学报,2011,27(5):21-26.

[14]张延伟,李红忠,魏文寿,等.1961—2010年北疆地区极端气候事件变化[J].中国沙漠,2013,33(6):1891-1897.

[15]Liao Y M, Zhang Q, Chen D. Stochastic modeling of daily precipitation in China[J]. Journal of Geographical Sciences, 2004,14(4):417-426.

[16]廖要明,张强,陈德亮.中国天气发生器的降水模拟[J].地理学报,2004,59(5):689-698.

[17]廖要明,刘绿柳,陈德亮,等.中国天气发生器模拟非降水变量的效果评估[J].气象学报,2011,69(2):310-319.

[18]李生辰,徐亮,郭英香,等.近34 a青藏高原年降水变化及其分区[J].中国沙漠,2007,27(2):307-314.

[19]覃卫坚,李栋梁.近50 a来广西各级降水气候变化特征分析[J].自然资源学报,2014,29(4):666-676.

[20]曹永旺,延军平.1961—2013年山西省极端气候事件时空演变特征[J].资源科学,2015,37(10):2086-2098.

[21]王冀,江志红,丁裕国,等.21世纪中国极端气温指数变化情况预估[J].资源科学,2008,30(7):1084-1092.

[22]陈晓晨,徐影,姚遥.不同升温阈值下中国地区极端气候事件变化预估[J].大气科学,2015,39(6):1123-1135.

[23]陈威霖,江志红,黄强.基于统计降尺度模型的江淮流域极端气候的模拟与预估[J].大气科学学报,2012,35(5):578-590.