内蒙古气温变暖停滞对其影响因子变化的响应

孙柏林,马 龙*,冯 起,刘廷玺,梁珑腾,李虹雨,周 莹,柳 杨



内蒙古气温变暖停滞对其影响因子变化的响应

孙柏林1,马 龙1*,冯 起2,刘廷玺1,梁珑腾1,李虹雨1,周 莹1,柳 杨1

(1.内蒙古农业大学水利与土木建筑工程学院,内蒙古 呼和浩特 010018；2.中国科学院西北生态环境资源研究院,甘肃 兰州 730000)

采用中心聚类、M-K检验等方法,以内蒙古地区为例,利用全球Pacific Decadal Oscillation(PDO)、Multivariate ENSO Index(MEI)等大空间尺度数据以及内蒙古及其周边70个气象站1951~2016年平均最低气温、平均气温、平均最高气温、风速、大气压等站点数据,定性、定量揭示变暖停滞的变化特征及其对影响因子变化的响应.结果表明:研究区各分区3类气温在1981~1993年间发生升温突变,此后1998~2008年间陆续发生变暖停滞.不同类型气温在不同分区与各影响因子的相关性优劣有所不同,如平均最低气温与AMO、PDO、MEI、太阳总辐射、风速、大气压的相关性最好,平均气温次之,平均最高气温最差;西部区气温与AMO、PDO、MEI、太阳总辐射相关性较好,中部区气温则与AMO、风速相关性较好等.整体上,1990s~2000s,随各分区AMO上升驱缓、PDO处于正位相阶段但呈下降趋势或处于负位相时、MEI值与太阳总辐射下降、风速、大气压、相对湿度的持续下降/上升及之后的趋势转变,各分区气温发生变暖停滞,如当AMO开始整体进入上升趋缓阶段,风速持续减小8~13a,倾向率达到-0.26~-0.11m/(s·10a)时,平均气温发生变暖停滞.平均最低气温对3类影响因子变化的响应最敏感,平均气温次之.气温变暖停滞是多种影响因子共同作用的结果.本研究丰富了该方面研究成果,对气候变化研究及防灾减灾等有一定借鉴意义.

气温；变暖停滞；响应；内蒙古

气温变暖停滞在全球气候变化中扮演着重要角色,对人类生存环境影响深远,其与影响因子间的响应关系目前尚未明确,定性、定量揭示其与影响因子间的响应关系将为变暖停滞机制的揭示提供参考.

冰芯[1]、孢粉等[2]自然证据表明,气候突变具有时间尺度上的广泛性[3],并极具破坏性,如玛雅[4]和美索不达米亚文明[5]的衰落与气候突变导致的长期干旱关系密切.1950s以来,全球和区域范围内气温发生显著的增暖突变,极端天气事件频发,冰川融化导致海平面升高,水资源分布不均加剧,经济、社会和生态环境损失重大[3,6].IPCC第五次评估报告[7]指出,1998年以来全球气温不再上升甚至微弱下降,即气温发生变暖停滞,但其并未改变气候突变升温对环境带来的不利影响,部分极端气候事件亦与其密切相关[6],对于动植物物候变化所产生的不利影响甚至更多[8-9].

变暖停滞的概念由Carter率先提出[10],《Nature》将全球气候变暖停滞评选为“2014年十大科学事件之一”[11].国内外学者针对这一现象在全球各地开展了大量研究,研究表明,内部变率可能对北半球多年代温度变化产生实质性影响,对于变暖/降温贡献高达0.15℃[12],北美西部长期干旱与异常热带风强迫变化联系密切[13],北极海冰减少使欧亚冬季降温的可能增加[14].由于自然气候系统极端复杂,具有内在混沌的特性,并包括各种时间尺度的非线性反馈,因此对气候变化的观测与预估特征判断都存在不确定性[15].气温变暖停滞与(或可能与)深海热量(太平洋年代际振荡(PDO),大西洋年代际振荡(AMO))[16]、人类活动气溶胶[17]、太阳总辐射[6,18]、平流层水汽强迫[19]、太阳活动[20]、风速[21]、相对湿度[22]等的变化存在响应关系.全球变暖停滞在得到广泛关注的同时,也存在一定争议,部分学者认为21世纪全球变暖并未停滞,该现象只是长期气候变化中的小波动[23],如本世纪欧洲高温与低温的比率大幅上升与全球变暖放缓明显相悖[24].

目前国内外有关变暖停滞的研究,多以平均气温为研究对象,忽略了平均最低气温、平均最高气温与之存在的联系与差异[25],对其与影响因子间的响应关系研究存在一定局限性;使用的时间序列则多以全球综合变暖停滞年(1998年)为起始年,在一定程度上忽略了区域异质性;以变暖停滞前后变化特征分析居多,对其影响因子的响应研究较少,所选影响因子普遍单一,响应关系不明确.基于此,本文将定性、定量揭示变暖停滞与其多种影响因子间的响应关系.

为使研究成果具有较高的普遍性和代表性,本文以涵盖气候类型多、范围较广的内蒙古地区为研究区开展研究.全球气候变暖背景下,内蒙古地区整体增暖趋势明显,不同气候类型区气候差异显著[26],在1977~1996年间气温发生突变,变暖停滞则多集中于1998和2007年及其前后[27-28],气候变化具有代表性和多元典型性[26-29],这些有关内蒙古地区及包含其在内的更广范围的相关研究,多以突变与变暖停滞前后特征分析为主,亦缺乏变暖停滞与多种影响因子间响应关系的研究成果.本文采用PDO等大空间尺度数据,以及分布于内蒙古及其周边地区的70个高密度气象站点1951~2016年平均最低气温、平均气温、平均最高气温、风速、大气压、相对湿度站点数据,定性、定量揭示气温变暖停滞对其影响因子变化的响应,为全球气候变化研究提供参考.

1 研究区概况、数据与方法

1.1 研究区概况与数据来源

内蒙古地区地处中国北部边疆(图1),经纬度介于37°24′N~53°23′N、97°12′E~126°04′E之间,呈狭长型,由东北向西南延伸,东西跨越超过2400km,南北跨越超过1700km,横跨中国东北、华北、西北3大地区,接邻8个省区,土地面积118.3×104km2,占中国总面积的12.3%,气候类型多样,包括季风气候、温带大陆性气候和高原山地气候[29].

研究区及其周边地区共计分布有呼和浩特等70个气象站点(图1).本次收集了这些站点自建站以来至2016年的平均气温、平均最低气温、平均最高气温的年(月)资料,数据来源于中国气象数据网,国家气象信息中心对各气象站点的各类气温数据已进行质量控制,经检验,各气象站点各类气象因子数据无明显的突变点和随机变化,数据变化相对均一和一致,数据可靠,可以代表区域气候状况.

为分析研究区气温变化原因,选取与之密切相关的气候要素作为气温变化影响因子,其中PDO、AMO、多元厄尔尼诺指数(MEI),源自美国NOAA Earth System Research Laboratory(Physical Sciences Division),时间序列均为1951~2016年;太阳总辐射年数据源于中国气象数据网,共59个气象站点,覆盖整个研究区,时间序列为1959~2016年;大气压、风速、相对湿度为1951~2016年70个气象站点的年数据,与气温数据使用的气象站点相对应.

图1 研究区及气象站点分布

1.2 数据处理及使用方法

在气候因子时间序列的统一方面,将气温及PDO、AMO、MEI和对应站点的大气压、风速、相对湿度的时间序列统一为1951~2016年;将中国尺度下的太阳辐射的时间序列统一为1959~2016年.对于其中缺测数据,利用临近站点数据采用相关及回归分析方法进行插补延展,最终形成前述各自统一时间序列.

将气温的影响因子分为3类,第1类为目前认可度较高的PDO、AMO,归为明确影响因子[12,30-31]; MEI、太阳总辐射归为第2类影响因子,即可能影响因子,认可度次之[6,19-20];风速[21]、大气压、相对湿度[22]可能受气温影响并对其产生反作用,归为第3类影响因子.

对于研究区气温的分区,采用中心聚类法,选取一点为中心,将其与邻近点的相关系数变换为距离系数,并对样本变数进行标准化,用卡方分布对结果进行检验,当结果小于对应的检验数时,说明在95％显著性水平下,此类站点可划分为同一分区,否则扩大或缩小区域,直至满足检验,最终形成气温分区,具体计算过程参见文献[32].

对于各分区气温、影响因子区域年面值序列的求取,采用距离平方反比法.将各分区分成0.5°×0.5°均匀经纬度网格,形成网格点,采用邻近各站点权重(取距离因子)、综合距离权重及各站点气象资料,确定各格点的气候因子数据,之后求取分区所有格点数据的算术平均值,即为各分区区域年面值序列,具体计算过程参见文献[33].

对于气温突变检验采用Mann-Kendall非参数统计法,计算公式[34]如下:

式中:UF为近似服从标准正态分布;d为第时刻数值大于时刻数值个数的累计数;(d)为累计数的d均值;var(d)为累计数d的方差.以上计算运用MATLAB软件编程实现,当UF与UB两条线的交点位于信度线之内,且只有一个交点时,此交点即为突变年份,具体原理见文献[34].两条线交点位于信度线之外或检验出多次突变点时,使用Pettitt检验法对突变点进行进一步复核后确定.

对于气温突变后的变暖停滞年份的确定,采用气温序列及其分阶段趋势线、3~5a滑动值序列及其分阶段趋势线相结合的分析方式进行确定.当突变后阶段气候倾向率达到相对最大,且该年至序列末(2016年)气候倾向率£0℃/10a时,该年即为由此定量化指标确定的变暖停滞年.

对于气温变化剧烈程度,使用变异系数CV表示:

CV=|SD/MN| (4)

式中:SD为标准差;MN为平均值.CV值越大,表明气温变化越剧烈.

对于气温及其影响因子变化的时间序列趋势分析,采用气候倾向率法或将时间序列进行min- max数据标准化[35]后再采用气候倾向率法及累积距平法.

2 气候因子分区及气温突变与变暖停滞特征

2.1 气候因子的分区

由于本文研究区范围较大,气温存在区域差异性,为方便分析,对平均气温、平均最低气温、平均最高气温分别进行分区.分区结果大致以满都拉、四子王旗、呼和浩特一线左右以西为西部区,该线以东至阿尔山、索伦、乌兰浩特一线左右为中部区,其以东为东部区,具体分区见图2所示.分别求取了各分区各类气温、其他影响因子年区域平均面值序列,以下分析以分区区域年平均面值序列为对象,仅有全球平均水平尺度下的因子使用大空间尺度年序列.

图2 研究区分区及3类气温突变、变暖停滞年份空间分布示意

2.2 气温突变与变暖停滞基本特征

为叙述方便,将各分区3类气温突变年~变暖停滞年及变暖停滞后的时段分别用1、2表示.

结合图2、3、4可知,整体上,各分区3类气温普遍突变于1980s,平均最低气温突变最早,平均气温次之,平均最高气温最晚;东部区3类气温突变最早(1981~1984年),西部区次之(1984~1989年),中部区最晚(1982~1993年).同一分区3类气温变暖停滞年份基本一致,西部区最早(1998~1999年),中部区次之(2007年),东部区最晚(2008年),即在空间上由西向东变暖停滞依次变晚.1时段,各分区平均最高气温整体升温最快,变化剧烈程度最弱;平均最低气温升温速度次之,变化最剧烈;平均气温升温最慢,变化剧烈程度较弱;空间上,3类气温升温速率/变化剧烈程度整体由西向东依次减小/增强,其中平均最低气温变化剧烈程度与之规律相反.2时段,各分区平均最高气温整体降温速率>平均气温>平均最低气温,相应地,3类气温变化剧烈程度按该顺序亦依次加强;与1时段相似,由西向东各分区气温降温速率/变化剧烈程度整体依次增大/增强.虽然气温变暖停滞后微弱下降,但其多年气温均值仍处于较高水平,较1时段,平均最低气温增幅最大,平均气温次之,平均最高气温最小.

3 气温变暖停滞对其影响因子变化的响应

3.1 气温变暖停滞对第1类影响因子变化的响应

图5为不同分区气温及第1类影响因子累积距平的年际变化情况,限于篇幅,以能代表普遍规律且相关性较好并通过99%显著性检验的分区示例给出.

PDO是以中纬度太平洋盆地为中心的强周期性海洋大气气候变化模式,可直接影响太平洋及其周边地区气候的年代际变化[36].整体上,各分区平均最低气温与PDO的相关性最好(0.300),其中中部区平均最低气温与PDO极显著正相关(0.315);平均气温次之(0.227);平均最高气温最差(0.138).东部区平均最高气温、平均气温与PDO相关性(0.173~ 0.238)>西部区(0.140~0.233)>中部区(0.101~0.209),平均最低气温中部区与PDO相关性(0.315)>西部区(0.296)>东部区(0.288).从各分区气温与PDO时间序列变化及代表性示例(图5a1)上看,PDO与各分区气温整体均呈上升趋势,1951~2016年间PDO发生了3次明显的正负位相交替,1976~2006年间整体处于正位相,各分区3类气温均于该阶段发生突变. PDO在1976年由负位相转变为正位相,并于1987年上升至最大,此后至2014年PDO则整体呈下降趋势,其间有1~7a的PDO负位相阶段交错分布,在其持续下降11~21a时,各分区气温发生变暖停滞,2014~2016年PDO回升,各分区随之升温明显.可见,当PDO处于正位相且持续增大达到一定值时气温发生突变,当处于正相位持续下降或负位相时气温则发生变暖停滞.

图6 各分区3类气温与第1类影响因子的相关性空间分布

*为在0.05 水平(双侧)上显著相关;**为在0.01 水平(双侧)上显著相关

AMO反映了北大西洋海温的年代际变化,研究表明,AMO对于周围大陆尤其是欧洲的气候会产生较大影响[37],而中国地区虽距离遥远,但与AMO亦具有千年尺度的相似变化[38].由图6可知,平均最低气温与AMO相关性整体最好(0.316),平均气温次之(0.290),平均最高气温最差(0.285);3类气温与AMO的相关系数均由东向西依次增大.根据各分区气温与AMO时间序列变化情况及代表性示例图5a2可知,各分区气温与AMO逐年变化具有相似性.结合气温5a滑动值序列变化情况来看,当AMO于1963年由正位相转变为负位相后2~5a气温急速下降;1974~1998年AMO持续上升(0.143/10a),当AMO上升持续7~15a时气温发生突变;AMO于1995年出现第二次正负位相交替(由负位相转变为正位相),1995~1998年AMO急剧上升,此后AMO则进入上升驱缓阶段(1998~2016年,0.063/10a),西部区3类气温同年均发生变暖停滞,在AMO驱缓上升9~10a时其他分区气温发生变暖停滞.

综上,气温变暖停滞与AMO上升趋缓的时间存在一致性,当PDO处于正/负位相或正位相持续下降时,气温突变/变暖停滞对其响应明显滞后,表明气温对于AMO变化的综合响应敏感程度>PDO.

3.2 气温变暖停滞对第2类影响因子变化的响应

图7为代表性分区气温与第2类影响因子的时间序列变化情况,限于篇幅,以能代表普遍规律且相关性较好并通过99%显著性检验的分区示例给出.

由图8可以看出,各分区3类气温与太阳总辐射均呈负相关关系,整体上平均最低气温与太阳总辐射的相关性(0.378)>平均气温(0.265)>平均最高气温(0.158).空间上,3类气温与太阳总辐射的相关性整体由西向东依次变差.从各分区气温与太阳总辐射时间序列变化及代表性示例图7a1来看,1959~ 1989年太阳总辐射呈持续快速下降趋势[-19.5(MJ/ m2)/10a],气温与其具有趋势反向性,各分区气温普遍于该阶段发生突变;此后,气温与其则整体呈趋势同向性,1989~1994年间太阳总辐射急剧上升,气温也随之快速升高,此后至2010年转入缓慢下降阶段[-4.99(MJ/m2)/10a],当驱缓下降4~14a时各分区3类气温发生变暖停滞,2010年以后太阳辐射再次进入快速上升阶段,各分区气温也明显上升.

厄尔尼诺/南方涛动(ENSO)是发生在横跨赤道附近太平洋的一种准周期气候类型,MEI基于天空总云量等6个主要观测变量对其进行监测.如图7a2所示,各分区气温与MEI整体均呈上升趋势,具有趋势同向性,二者峰谷值变化具有一致性,逐年变化整体具有年际振荡同向性(气温与MEI均为逐年上升或下降),其间2~5a不等的年际振荡反向性(当MEI逐年下降/上升时气温上升/下降)阶段与之交错分布.整体上,平均最低气温与MEI相关性最好(-0.299),平均气温次之(-0.259),平均最高气温最差(-0.204),3类气温与MEI的相关性均由内陆向沿海方向依次变差.1976~1997年间MEI持续快速上升(高达0.541/ 10a),期间MEI整体处于较高水平,各分区3类气温于该时段陆续发生突变;1997~2014年间MEI呈持续下降趋势(-0.37/10a),与气温具有趋势同向性,当MEI下降持续1,10,11a时,东、中、西部区气温依次发生变暖停滞.

图8 各分区3类气温与第2类影响因子的相关性空间分布

*为在0.05水平(双侧)上显著相关;**为在0.01水平(双侧)上显著相关

综上,气温变暖停滞发生时间与太阳总辐射、MEI上升趋缓开始发生时间具有一致性;气温与MEI存在周期性年际振荡同向性/反向性交替变化.综合相关性及年际尺度上的变化趋势来看,气温变暖停滞对MEI变化的综合响应敏感程度>太阳总辐射.

3.3 气温变暖停滞对第3类影响因子变化的响应

当气候系统被迫跨越某一状态时,会发生突然变化,且变化速度快于强迫原因,而缓慢的强迫也可能引发气候变化[3],影响因子复杂混沌的特性易使微妙的强迫机制被忽略,因此,本文将与气温可能存在作用与反作用关系的影响因子(风速、大气压、相对湿度)归为第3类影响因子,并对其变化进行定性和定量分析.气温变暖停滞的影响因子可能变化更早,且在气温变暖停滞后一段时间内仍保持该变化趋势,图9为气温与第3类影响因子标准化时间序列变化示意图(为清晰明了,对标准化后的数据采用相对湿度加1、大气压加2以及风速加3的方式,将各因子在坐标轴上依次排开;变暖停滞前各影响因子趋势段的趋势在图中以红色线段标识,平移至临近空白处),该趋势段下各影响因子的气候倾向率及持续年份空间分布情况见图10.各分区3类气温与第3类影响因子的相关性空间分布见图11,气温及其影响因子累积距平的年际变化见图12,限于篇幅,以能代表普遍规律且相关性较好并通过99%显著性检验的分区示例给出.

从各分区气温与风速时间序列变化上看(图9、图12a1),各分区气温与风速存在5~20a左右的年际振荡同向性和年际振荡反向性周期交替变化.由图10可知,各分区3类气温与风速均呈极显著负相关(-0.688~-0.461),与平均最低气温相关性整体最好(-0.678),由中部区分别向东、西方向减小,平均气温次之(-0.612),自西向东依次减小(-0.626~-0.593),平均最高气温最差(-0.496),其空间变化规律与平均最低气温相反.整体上看,气温上升与风速减小关系密切,风速在气温突变前处于较高水平,此后至1990s前风速持续减小,1990s~2000s风速减小驱缓甚至回升,该时段与各分区气温变暖停滞时间存在一致性.结合图11可知,当风速持续趋缓减小8~13a、7~12a、8~15a,倾向率达到-0.26~-0.11m/(s×10a)、-0.27~ -0.14m/(s×10a)、-0.22~-0.15m/(s×10a)且之后转变为上升趋势时,平均气温、平均最低气温、平均最高气温分别发生变暖停滞.

图10 各分区3类气温变暖停滞前各影响因子趋势段的气候倾向率及持续年份空间分布

Fig.10 Spatial distribution of maintain years and the certain period slope of every influencing factors before three types temperature hiatus in each sub-region

图11 各分区3类气温与第3类影响因子的相关性空间分布

*为在0.05水平(双侧)上显著相关;**为0.01水平(双侧)上显著相关

从各分区气温与大气压时间序列变化(图9、图12a2)上看,气温与大气压存在3~20a不等的年际振荡同向性和年际振荡反向性周期交替变化.总体上看,平均最低气温与大气压相关性(0.377)>平均气温(0.368)>平均最高气温(0.367);空间上,3类气温与大气压相关性均自西向东依次增大.西部区大气压整体呈下降趋势,中、东部区大气压则均呈上升趋势.各分区气温与大气压峰谷值对应较好,结合多年滑动值可知,各分区大气压在1时段均呈上升趋势(0.02~0.40hPa/10a),与3类气温具有趋势同向性;2时段西、中部区气温与大气压亦具有趋势同向性,东部区与之相反.各分区大气压在气温变暖停滞前一段时间内呈下降趋势,与气温具有趋势反向性,结合图11可知,当大气压持续下降5~6,5~6,4~6a,倾向率达到-0.52~-0.26 ,-0.7~-0.37,-0.55~-0.28hPa/10a时,3类气温发生变暖停滞.

由各分区气温与相对湿度时间序列变化(图9、图12a3)可知,各分区气温大部分年份峰(谷)值与相对湿度谷(峰)值相对应,整体具有年际振荡反向性.各分区3类气温与相对湿度均呈极显著负相关(图10),其中平均气温与相对湿度相关性整体最好(-0.505),平均最高气温次之(-0.473),平均最低气温最差(-0.429);平均气温、平均最低气温与相对湿度的相关性均由西向东依次增大,平均最高气温与相对湿度相关性中部区(-0.541)>东部区(-0.452)>西部区(-0.427).各分区3类气温与相对湿度整体变化趋势相反,1、2时段西部区气温与相对湿度具有趋势同向性,中、东部区与之相反.除西部区平均最高气温外,各分区气温在变暖停滞前的一段时间内,与相对湿度普遍具有趋势反向性,结合图11可知,当各分区3类气温(除西部区平均最高气温)与相对湿度处于趋势反向性阶段,且当相对湿度持续下降6~9,5~9,6~10a,倾向率达到-0.66~-0.36,-0.93~-0.5, -0.45~-0.37%/10a且之后转变为微弱上升趋势时,3类气温发生变暖停滞.研究表明,太阳辐射的主要构成部分是可见辐射,随着相对湿度的减小,气溶胶对可见辐射吸收能力也变小[22],进而可能导致地面太阳辐射增加,气温随之升高.

综上所述,气温变暖停滞与风速、相对湿度下降及之后的回升关系密切,风速与大气压在年际尺度上均与气温存在年际振荡同向/反向性的周期交替变化,表明3者可能对于气温变暖停滞的贡献度均可能较小,气温对风速变化的响应敏感程度较强,相对湿度次之,大气压最弱.

整体上看,气温变暖停滞前,各分区气温与分区对应各影响因子普遍具有趋势反向性或趋势同向性变化关系,气温与MEI、风速、大气压还存在年际振荡同向性与年际振荡反向性周期交替变化. 1990~2000s,随各分区AMO上升驱缓、PDO处于正位相阶段但呈下降趋势或处于负位相时、MEI与太阳总辐射下降、风速、大气压、相对湿度的持续下降/上升及之后的趋势转变,各分区气温发生变暖停滞.

4 讨论

研究区各分区3类气温在1981~1993年间先后发生突变升温,突变后于1998~2008年间陆续发生变暖停滞,各分区气温由西向东变暖停滞依次变晚.相关研究表明,气温突变与变暖停滞现象在全球及区域尺度上均有发生,如1999~2008年全球温度增幅接近于0[39],本世纪西半球和欧洲尺度上的气温增暖减缓等[24],总体来看,气温突变、变暖停滞时间与本研究区基本一致.

整体上看,同一分区不同类型气温变暖停滞年份基本一致,各分区3类气温与MEI、风速、日照百分率、大气压普遍存在年际振荡同向性与年际振荡反向性周期交替现象;1990s~2000s,随各分区AMO上升驱缓、PDO处于正位相阶段但呈下降趋势或处于负位相时、MEI值与太阳总辐射下降、风速、日照百分率、大气压、相对湿度的持续下降/上升及之后的趋势转变,各分区气温发生变暖停滞.结果表明,影响气温变暖停滞的因子并不单一,且不同时段各影响因子对气温变化造成的影响很可能会相互抵消或叠加,气温与各影响因子之间的响应关系错综复杂.

目前关于气温变暖停滞对其影响因子变化的响应研究表明,气温变暖停滞的影响因子多样,响应关系复杂,其与影响因子主要存在两类响应关系,一是趋势同向性,如2005~2013年PDO由正位相向负位相转变、AMO由峰值向负位相发展,全球平均表面温度呈微弱下降[16];本世纪以来中国太阳活动减弱[20,40]且太阳黑子11a及88a活动周期进入低值期[40], 1998~2012年中国冬季太阳辐射减少[18],气温呈现缓降趋势等.二是趋势反向性,如1990年以后S短期大量排放,全球气温随之升温减缓并发生变暖停滞[41];2000~2009年人类活动气溶胶增大,温度呈现出降低趋势[17];2000~2014年全球火山喷发气溶胶强迫增加,全球升温随之减缓[42]等.本文在前人研究基础上,进一步考虑多方面因素,定性与定量揭示气温与其影响因子变化间的响应关系,丰富了该方面研究成果.

由于本文所使用数据序列长度有限,气温在短期内的微弱下降趋势并不足以说明气温真正进入变暖停滞阶段,因此,对于长期气温变暖停滞对其影响因子变化的响应揭示方面存在局限性和不足,部分学者对于气温是否真正进入变暖停滞阶段也持怀疑态度[13],对此有一定争议.气温在季(月)上的变暖停滞可能对部分影响因子的响应更加敏感,而年际序列则可能会降低甚至掩盖这种敏感性,本文限于篇幅,仅针对年际序列开展分析,对研究结论会产生一定影响.同时,所考虑的影响因子仍不是很全面,亦会对研究结论产生一定影响.鉴于此,后续将从气温及其更多影响因子年、季、月尺度出发,结合具体的物理、化学作用机理等进行更加深入的研究.

5 结论

5.1 研究区各分区3类气温在1981~1993年间全面发生突变升温,突变后于1998~2008年间陆续发生变暖停滞,同一分区3类气温变暖停滞年份基本一致,由西向东气温变暖停滞依次变晚.

5.2 整体上,平均最低气温与AMO、PDO、MEI、太阳总辐射、风速、大气压相关性>平均气温>平均最高气温,相对湿度则与之规律相反.西部区气温与AMO、PDO、MEI、太阳总辐射相关性整体较好,中(东)部区气温则与AMO、风速(PDO、太阳总辐射、相对湿度、气压、风速)相关性较好,东部区气温与各影响因子的相关性整体偏小.

5.3 整体上看,1990~2000s,随各分区AMO上升驱缓、PDO处于正位相阶段但呈下降趋势或处于负位相、MEI值与太阳总辐射下降、风速、大气压、相对湿度的持续下降/上升及之后的趋势转变,各分区气温发生变暖停滞.如当AMO开始整体进入上升趋缓阶段,风速持续减小8~13a,倾向率达到-0.26~ -0.11m/(s×10a)时,平均气温发生变暖停滞.各分区3类气温变暖停滞的发生是这些影响因子共同作用的结果.

5.4 平均最低气温对3类影响因子变化的响应最敏感,平均气温次之;3类气温整体对第1类影响因子变化的响应最敏感,第2类影响因子次之;3类气温均对AMO、MEI、风速变化的响应最敏感.

[1] Gao J, Camille R S, Valerie M D, et al. Southern Tibetan Plateau ice core δ18O reflects abrupt shifts in atmospheric circulation in the late 1970s [J]. Climate Dynamics, 2016,46(1/2):291-302.

[2] 赵 艳,刘耀亮,郭正堂,等.全新世气候渐变导致中亚地区植被突变 [J]. 中国科学:地球科学, 2017,47(8):927-938. Zhao Y, Liu Y L, Guo Z T, et al. Abrupt vegetation shifts caused by gradual climate changes in central Asia during the Holocene [J]. Science China Earth Sciences, 2017,47(8):927-938.

[3] Alley R B, Marotzke J, Nordhaus W D, et al. Abrupt climate change [J]. Science, 2003,299(5615):2005-2010.

[4] Hodell D A, Curtis J H, Brenner M. Possible role of climate in the collapse of Classic Maya civilization [J]. Nature, 1995,375(6530): 391-394.

[5] Weiss H, Courty M A, Wetterstorm W, et al. The genesis and collapse of third millennium north mesopotamian civilization [J]. 1993,261 (5124):995-1004.

[6] 王玉洁,周波涛,任玉玉,等.全球气候变化对我国气候安全影响的思考 [J]. 应用气象学报, 2016,27(6):750-758. Wang Y J, Zhou B B, Ren Y Y, et al. Impacts of global climate change on China’s climate security [J]. Journal of Applied Meteorological Science, 2016,27(6):750-758.

[7] IPCC. Working group I contribution to the IPCC fifth as-sessment report, Climate Change 2013: The Physical ScienceBasis: Summary for Policymakers [R/OI]. http://www.climatechange2013.org/images/ uploads/WGIAR5SPM Approved27Sep2013. pdf.

[8] Prodon R, Geniez P, Chylan M, et al. A reversal of the shift towards earlier spring phenology in several Mediterranean reptiles and amphibians during the 1998~2013 warming slowdown [J]. 2017, 23(12):5481-5491.

[9] Lempereur M, Limousin J M, Guibal F, et al. Recent climate hiatus revealed dual control by temperature and drought on the stem growth of Mediterranean Quercus ilex [J]. 2017,23(1):1365-2486.

[10] Carter B. There is a problem with global warming ... it stopped in 1998. [EB/OL]. https://www.telegraph.co.uk/comment/personal-view/3624242/ There-IS-a-problem-with-global-warming...-it-stopped-in-1998.html.

[11] Morello L, Abbott A, Butler D, et al. 2014. 365days: 2014 in science [J]. Nature, 2014,516:300-303.

[12] Steinman B A, Mann M E, Miller S K. Atlantic and Pacific multidecadal oscillations and Northern Hemisphere temperature [J]. Science, 2015,347(6225):988-991.

[13] Yang X S, Vecchi G A, Delworth T L, et al. Extreme north America winter storm season of 2013/14: Roles of radiative forcing and the global warming hiatus [J]. Bulletin of the American Meteorological Society, 2015,96(12):S25-S28.

[14] Li C, Stevens B, Marotzke J. Eurasian winter cooling in the warming hiatus of 1998–2012 [J]. Geophysical Research Letters, 2015,42(19): 8131-8139.

[15] 孙 颖,秦大河,刘洪滨. IPCC第五次评估报告不确定性处理方法的介绍[J]. 气候变化研究进展, 2012,8(2):150-153. Sun Y, Qin D H, Liu H B. Introduction to treatment of uncer tainties for IPCC fifth assessment report [J]. Progressus Inquisitiones DE Mutatione Climatis, 2012,8(2):150-153.

[16] Liu P, Sui C H. An observational analysis of the oceanic and atmospheric structure of global-scale multi-decadal variability [J]. Advances Atmospheric Sciences, 2014,31(2):316-330.

[17] Li C X, Zhao T B, Ying K R. Effects of anthropogenic aerosols on temperature changes in China during the twentieth century based on CMIP5models [J]. Theoretical and Applied Climatology, 2016, 125(3/4):529-540.

[18] Li Q X, Yang S, Xu W H, et al. China experiencing the recent warming hiatus [J]. Geophysical Research Letters, 2015,42(3): 889-898.

[19] Solomon S, Rosenlof K H, Portmann R W, et al. Contributions of stratospheric water vapor to decadal changes in the rate of global warming [J]. Science, 2010,327(5970):1219-1223.

[20] Ming Q L, Quan S G, Zhi X H, et al. Variations of the temperature and solar activity in China [J]. Sciences in Cold and Arid Regions, 2014, 6:531-539.

[21] Jiang Y, Luo Y, Zhao Z C, et al. Changes in wind speed over China during 1956~2004 [J]. Theoretical and Applied Climatology, 2010,99(3/4):421-430.

[22] Karl T R, Arguez A, Huang B, et al. Possible artifacts of data biases in the recent global surface warming hiatus [J]. Science, 2015,348(6242): 1469-1472.

[23] Beniston M. Ratios of record high to record low temperatures in Europe exhibit sharp increases since 2000despite a slowdown in the rise of mean temperatures [J]. Climatic Change, 2015,129(1/2):225-237.

[24] 郭志梅,缪启龙,李 雄,等.中国北方地区近50年来气温变化特征的研究 [J]. 地理科学, 2005,28(2):176-182. Guo Z M, Miao Q L, Li X, et al. Variation characteristics of temperature over northern China in recent 50years [J]. Scientia Geographica Sinica, 2005,28(2):176-182.

[25] 陈效逑,彭嘉栋,李慧敏.内蒙古地区气温变化的季节和区域差异 [J]. 地理研究, 2009,28(1):27-35. Chen X Q, Peng J D, Li H M. Seasonal and regional differences of air temperature changes in Inner Mongolia [J]. Geographical Research, 2009,28(1):27-35.

[26] 梁珑腾,马 龙,刘廷玺,等.1951~2014年中国北方地区气温突变与变暖停滞的时空变异性[J]. 中国环境科学, 2018,38(5):1601-1615. Liang L T, Ma L, Liu T X, et al. Spatiotemporal variation of the temperature mutation and warming hiatus over northern China during 1951~2014 [J]. China Environmental Science, 2018,38(5):1601-1615.

[27] 黄 星,马 龙,刘廷玺,等.近60年黄河流域典型区域气温突变与变暖停滞研究[J]. 中国环境科学, 2016,36(11):3253-3262. Huang X, Ma L, Liu T X, et al. Temperature mutation and globe warming stagnate study in typical area of Yellow River basin in recently 60years [J]. China Environmental Science, 2016,36(11): 3253-3262.

[28] 李虹雨,马 龙,刘廷玺,等.1951~2014年内蒙古地区气温、降水变化及其关系[J]. 冰川冻土, 2017,39(5):1098-1112. Li H Y, Ma L, Liu T X, et al. Change and relationship of temperature and precipitation in Inner Mongolia during 1951~2014 [J]. Journal of Glaciology and Geocryology, 2017,39(5):1098-1112.

[29] 李双林,王彦明,郜永祺.北大西洋年代际振荡(AMO)气候影响的研究评述 [J]. 大气科学学报, 2009,32(3):458-465. Li S L, Wang Y M, Gao Y Q. A review of the researches on the Atlantic Multidecadal Oscillation (AMO) and its climate influence. Transactions of Atmospheric Sciences [J]. 2009,32(3):458-465.

[30] Antonello P, Umberto T, Alessandro A. Evidence for the role of the Atlantic multidecadal oscillation and the ocean heat uptake in hiatus prediction [J]. Theoretical and Applied Climatology, 2017,129(3/4): 873-880.

[31] 董 真,黄世鸿,李子华.相对湿度对大气气溶胶可见辐射吸收的影响 [J]. 气象科学, 2000,20(4):487-493. Dong Z, Huang S H, Li Z H. Influence of relative humidity on absorption of visible radiation of aerosol [J]. Scientia Meteorologica Sinica, 2000,20(4):487-493.

[32] 么枕生.用于数值分类的聚类分析 [J]. 海洋湖沼通报, 1994,(2): 1-12. Yao Z S.Cluster analisis used in numerical classification [J]. Transactions of Oceanology and Limnology, 1994,(2):1-12.

[33] Jones P D, Hulme M. Calculating regional climatic time series for temperature and precipitation: Methods and illustrations [J]. International Journal of Climatology, 1996,16(4):361-377.

[34] 符淙斌,王 强.气候突变的定义与检测方法 [J]. 大气科学, 1992,16(4):482-493. Fu C B, Wang Q. The definition and detection of the abrupt climatic change [J]. Scientia Atmospherica Sinica, 1992,16(4):482-493.

[35] 马立平.统计数据标准化—无量纲化方法—现代统计分析方法的学与用(三) [J]. 北京统计, 2000,(3):34-35. Ma L P. Standardization of statistical data-Dimensionless method-Study and application of modern statistical analysis method (three) [J]. Beijing Statistics, 2000,(3):34-35.

[36] Wu X F, Mao J Y. Interdecadal variability of early summer monsoon rainfall over South China in association with the Pacific Decadal Oscillation [J]. International Journal of Climatology, 2017,37(2):706-721.

[37] Yamamoto A, Palter J B. The absence of an Atlantic imprint on the multidecadal variability of wintertime European temperature [J]. 2016,7:10930.doi:10.1038/ncomms10930.

[38] Wang J L, Yang B, Ljungqvist F C, et al. The relationship between the Atlantic Multidecadal Oscillation and temperature variability in China during the last millennium [J]. 2013,28(7):653-658.

[39] Wang S W, Wen X Y, Luo Y, et al. Does the global warming pause in the last decade: 1999~2008? [J]. Advances in Climate Change Research, 2010,1(1):49-54.

[40] 黄春菊,田晓丽.太阳活动对年代际-亚轨道尺度气候变化的驱动机制探讨 [J]. 第四纪研究, 2018,38(5):1255-1267. Huang C J, Tian X L. Discussion on the driving mechanism of solar activity to interannual-suborbital-scale climate change [J]. Quaternary Sciences, 2018,38(5):1255-1267.

[41] Ridley D A, Solomon S, Barnes J E, et al. Total volcanic stratospheric aerosol optical depths and implications for global climate change [J]. Geophysical Research Letters, 2014,41(22):7763-7769.

[42] Robert K K, Heikki K, Michael L M, et al. Reconciling anthropogenic climate change with observed temperature 1998~2008 [J]. Proceedings of the National Academy of Sciences, 2011,108(29):11790-11793.

Response of the warming hiatus to changing influences over the Inner Mongolia Autonomous Region.

SUN Bo-lin1, MA Long1*, FENG Qi2, LIU Ting-xi1, LIANG Long-teng1, LI Hong-yu1, ZHOU Ying1, LIU Yang1

(1.College of Water Conservancy and Civil Engineering College, Inner Mongolia Agricultural University, Hohhot 010018, China；2.Northwest Institute of Eco- Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000) ., 2019,39(5)：2131~2142

Focusing on the Inner Mongolia Autonomous Region, we conducted a comprehensive, qualitative and quantitative analysis on characteristics of the hiatus in temperature increase across the study area, as well as the responses of the hiatus to changes in influencing factors. Several statistical methods, such as the central cluster method and the M-K detection method, were applied in our investigation to the global large-scale spatial data sets (e.g., Pacific Decadal Oscillation (PDO) and the Multivariate ENSO Index (MEI)), and regionalmeteorological records (including average minimum temperature, average temperature, average maximum temperature, wind speed and atmospheric pressure) from 1951 to 2016 from 70 different weather stations. The results indicated that, for all sub-regions of the study area, abrupt changes inthree temperature measurementsoccurred from 1981 to 1993, followed by a warming hiatus from 1998 to 2008. The degrees of correlation between the temperature and its influencing factors were different for different temperature measures, which also varied by sub-region. For example, the average minimum temperature had the strongest correlation with AMO, PDO, MEI, and total solar radiation. The correlation weakened the average temperature, and was the weakest for the average highest temperature. The temperature in the western sub-region was closely related to AMO, PDO, MEI and total solar radiation, whereas the temperature in the middle sub-region was closely related to AMO and wind speed. As a whole, from the 1990s to the 2000s, a time period that was characterized by a weak increasing trend in AMO and a decreasing trend in positive PDO or negative PDO phases, both MEI and total solar radiation showed descending tendencies. At this time, after a long-term increasing/decreasing trend in wind speed, atmospheric pressure and relative humidity, there was a hiatus in the increase in sub-regional temperature. For example, when the increasing trend in AMO slowed, wind speed declined continuously for 8~13a until its slope reached -0.26 to -0.11m/(s·10a), and the increase in average temperature showed a hiatus. Among the three temperatures, the average minimum temperature was most sensitive to changes in the three influencing factors, and the average temperature had a weaker sensitivity. The warming hiatus was a compound result of various factors. This study supplemented the research regarding the mechanisms behind the warming hiatus and provided referencing values for climate change and disaster prevention.

temperature；warming hiatus；response；Inner Mongolia

X821

A

1000-6923(2019)05-2131-12

孙柏林(1995-),男,内蒙古巴彦淖尔人,内蒙古农业大学硕士研究生,从事水文及水资源、气候变化、环境演变及响应关系研究.发表论文1篇.

2018-10-26

国家重点研发计划(2017YFC0404305);国家自然科学基金资助项目(51869016,51669016);内蒙古自治区高等学校青年科技英才支持计划资助.

*责任作者, 教授, malong4444333@163.com