近60年中国不同气候区极端温度事件的时空变化特征*

张大任，郑 静，范军亮，方智超，姬清元，袁叶子，刘文斐



近60年中国不同气候区极端温度事件的时空变化特征*

张大任，郑 静，范军亮**，方智超，姬清元，袁叶子，刘文斐

（西北农林科技大学水利与建筑工程学院，杨凌712100）

利用1956−2015年中国200个气象站点的逐日最高和最低气温资料，采用国际ETCCDI推荐的10个极端温度指标，结合Mann-Kendall非参数检验、Sen’s slope斜率估计和Pettitt突变点检验等方法，研究了中国近60a极端温度事件的变化趋势及其在中国四大气候区的空间分布特征。结果表明：（1）整体上看，暖夜日数（TN90p）、暖昼日数（TX90p）分别以2.12和1.00d×10a−1（P<0.01）的速度显著增加，而冷夜日数（TN10p）、冷昼日数（TX10p）以1.44和0.70d×10a−1（P<0.01）的速度显著下降；基于阈值的极端温度事件指标中，霜冻日数（FD0）显著下降（2.84d×10a−1，P<0.01），夏日日数（SU25）和热夜日数（TR20）均显著上升（分别为1.77和1.44d×10a−1，P<0.01）；基于持续期的指标中，暖日持续日数（WSDI）和作物生长期（GSL）表现为显著上升趋势，而冷日持续日数（CSDI）在全国范围内变化不显著。（2）冷指标的变暖幅度大于暖指标的变暖幅度；与最低气温相关联的夜指数（如TN10p、TN90p和FD0）的变暖幅度明显大于与最高气温相关联的昼指数（如TX10p、TX90p和WSDI）的变暖幅度。（3）四个气候区极端温度事件发生突变的时间段主要集中在20世纪80年代和90年代，80年代中期以后绝大部分指标的变化幅度相对以前更为显著。（4）在空间上，极端温度指标变化幅度在各区域间差异较大；高原山地气候区冷指数减小幅度最大，部分暖指数（如SU25、TR20和WSDI）在（亚）热带季风性气候区增长幅度最大。

气候变化；极端温度；趋势分析；突变检验

IPCC第五次评估报告指出，1880−2012年全球地表平均气温升高了0.85℃[1]，与平均气候相比，极端气候事件（如洪水、干旱、飓风、风暴、极热和极冷等）具有突发性、难预测性和强破坏性等特点，会对自然系统造成极大的冲击，严重制约人类社会、经济的发展和进步，甚至影响到全球粮食安全和水资源供需[2−3]。研究表明作物生长与气候变化之间存在着复杂的关系，例如，全球变暖加剧了土壤水分的蒸发，导致干旱地区面积越来越大，1988年美国中西部出现了1940年以来最严重的干旱，造成粮食减产38%[4]；1985−2000年中国黄土高原地区极端高温频发抑制作物生长[5]。气候变化不仅影响农作物产量，还会对农业病虫害产生影响。全球变暖使南北极冰雪融化、海平面上升，冬季温度相比过去也有所升高，加快了害虫的发育繁衍，从而间接影响农业发展。农业是中国国民经济建设和发展的基础产业，是一切生产的首要条件，研究极端温度事件的变化规律和形成机制对中国农业生产发展有重要的指导意义。

极端温度事件的复杂性表现为空间上的区域差异和时间上的多尺度性。杨萍等[6]利用百分位指标和绝对阈值指标研究了中国1961−2000年极端温度事件的变化特征，结果表明年和季节内的极端气候指标均表现出变暖趋势，但基于绝对阈值定义的气候指标由于无法考虑中国南北方气候的差异，结果并不理想。王琼等[7]则采用ETCCDI的温度指标对长江流域1962−2011年极端温度事件进行了分析，但未涉及不同时段的极端温度事件变化特征。潘晓华等[8]研究了1951−1999年中国范围内的极端温度事件，结果显示北方地区极端高温事件显著增多，南方地区白天的极端高温事件呈减少趋势；北方地区平均温度明显升高，长江中下游平均温度略有上升，但研究未对中国作明确的气候区划分。尽管国内许多学者已从不同时间和区域角度对极端温度事件的时空变化特征进行了研究[9−13]，但是以往研究多以较短时间序列（<50a）和局部区域为主，针对中国不同气候区在长时间序列，特别是对2000年以后的极端温度事件变化特征还缺乏系统研究。针对以上问题，本研究基于中国气象局1956−2015年逐日最高和最低气温资料，选取来自ETCCDI的10个极端温度指标，将中国按气候类型划分为四个子区域，应用Mann-Kendall非参数检验法、Sen’s slope斜率估计法和Pettitt突变点检验法对各区域的极端温度时间变化特征进行比较分析，以期加深全球变暖背景下中国不同气候区极端温度事件变化规律的认识，为未来极端温度事件的预测奠定理论基础。

1 资料与方法

1.1 研究区概况

中国幅员辽阔，气候多样。根据多年平均气温、降水量和海拔，可分为5个气候区，即温带大陆性气候区、温带季风性气候区、高原山地气候区、亚热带季风性气候区和热带季风性气候区[14]。热带季风性气候区分布在雷州半岛、海南岛、南海诸岛和台湾南部，全年高温，冬季降水少，夏季降水丰沛。亚热带季风性气候区分布在秦岭淮河线以南，热带季风气候区以北，西至横断山脉，东至台湾，夏季高温多雨，冬季温和少雨。温带季风性气候区分布在北方地区，即秦岭淮河线以北，贺兰山、阴山、大兴安岭以东以南，夏季高温多雨，冬季寒冷少雨。高原山地气候区主要分布在海拔较高的山地、高原地区，即青藏高原和天山山地，全年低温，降水量少。温带大陆性气候区分布在广大内陆地区，即山地高原气候区和季风性气候区以外的地方，冬季温差大，全年降水少。考虑到与其它气候区相比，热带季风性气候区面积较小，本研究将热带季风性气候区并入亚热带季风性气候区进行数据分析，统称为（亚）热带季风性气候区。由于缺乏气象资料，台湾省、香港和澳门特别行政区未列入分析范围。选取200个时间序列较长且均匀分布于4个气候区的气象站点作为研究对象，其中温带大陆性气候区（I区）包含58个站点、温带季风性气候区（II区）49个、山地高原气候区（III区）23个、（亚）热带季风性气候区（IV区）70个（图1）。

I温带大陆性气候区Temperate continental zone，II温带季风性气候区Temperate monsoon zone，III高原山地气候区Mountain plateau zone，IV（亚）热带季风性气候区（Sub）tropical monsoon zone. 下同The same as below.

1.2 数据来源与质量控制

200个气象站点的最高和最低气温数据来源于中国气象科学数据共享服务网。极端气候指数计算方法采用加拿大气象研究中心Zhang等[15]基于R编辑器开发的RClimDex（1.0）软件。利用RClimDex软件的质量控制模块对各站点预处理结果进行严格的数据质量控制，该模块可检验是否存在异常值和

错误值以及日最高气温是否小于最低气温，其中异常值的检验是找到各站点气温数据时间序列中的离群值，即将各站点中超过或小于每日气温序列均值3倍标准差的记录值视为异常值，若该站点存在以上两种情况，则需根据质量控制结果更正或剔除该站点，从而保证所用数据的可信度。

1.3 极端温度指标选取与计算

采用气候变化检测与极端事件指数专家组（ETCCDI）推荐的极端温度指标，选取其中与农作物生长热量条件密切相关的10个指标（表1）。根据计算方法的不同，这些指标可分为：（1）相对阈值的指标（相对指标），包括冷夜日数、暖夜日数、冷昼日数、暖昼日数；（2）固定阈值的指标（绝对指标），包括霜冻日数、夏日日数和热夜日数；（3）持续时间指标：暖日持续日数、冷日持续日数和作物生长期。冷夜、冷昼、霜冻日数和冷日持续日数统称为冷指数，暖夜、暖昼、夏日日数、热夜日数和暖日持续日数统称为暖指数。冷指数和暖指数与作物是否可能发生冻害和热害紧密相关，而作物生长期的延长与缩短直接影响作物的生长发育周期，进而影响最终产量。温度数据经RClimDex（1.0）软件检查无误后，通过其指数计算模块选取并计算10个极端温度指标。不同气候区的极端温度指标由各气候区所包含站点的平均值求得。

表1 所选极端温度指标的定义（d）

Table 1 Definition of the extreme temperature indices used in this study（d）

1.4 极端温度指标变化趋势分析

1.4.1 线性趋势分析

1.4.1.1 Mann-Kendall非参数检验法

采用Mann-Kendall非参数检验分析不同气候区极端温度事件年序列变化[16−18]，得到一个正态分布的统计量Z值，用以判断极端温度事件序列的上升或下降趋势，并判断变化趋势的显著性。假设有一个时间序列X={x1, x2, …, xn}，统计值S的计算过程为

式中，sgn()为符号函数；Mann-Kendall统计量Z值计算式为

式中，Z>0表示序列呈上升趋势，Z<0表示序列呈下降趋势，Z＝Z1−α/2的绝对值越大，说明该时间序列的变化趋势越显著。给定显著性水平α=0.05，经查正态分布表可知，对应的置信度水平1.96；给定显著性水平α=0.01，对应的置信度水平2.58。|Z|值大于临界值1.96时，上升或下降变化趋势在统计学上为显著；|Z|值大于临界值2.58时，变化趋势为极显著；否则，变化趋势不显著。

1.4.1.2 Sen’s slope斜率估计

采用Sen’s slope斜率估计法进一步分析各气候区极端温度事件指数的年变化趋势幅度大小[19−20]。如果一个时间序列存在线性趋势，其单位时间的变化幅度可用Sen’s slope斜率估计法估算得到。时间序列内每对数据的斜率值Qi计算方法为

式中，xj和xi分别是时间j和i的数据值（j>i），在时间序列X中一共有N=n(n−1)/2个斜率估计值，将其按照从小到大的顺序排列，整个序列斜率的中值即为Sen’s slope斜率估计值。

如果N为奇数，斜率Q为

如果N为偶数，斜率Q为

1.4.2 突变分析

采用Pettitt突变点检验法检测不同气候区极端温度事件年际序列变化的突变点[21]。该方法不仅能够判断出突变点的位置，还能判断突变点是否在统计意义上显著。该检验基于Mann-Whitney的统计函数Ut,n，认为两个样本x1, …, xt和xt+1, …, xn均来自同一序列分布，对于连续的序列，Ut,n和Vt,n由下列公式计算

其中

式中，Ut,n将根据第一个样本序列超过第二个样本序列次数的统计组成新的序列。

当存在t时刻满足kt=max<1

Pt<0.05表示检测出的突变点在统计意义上为显著，Pt< 0.01为极显著。

2 结果与分析

2.1 年极端温度指标的线性变化趋势

由图2和表2可见，1956−2015年整个研究区暖夜日数（TN90p）和暖昼日数（TX90p）均呈显著上升趋势，增速分别为2.12和1.00d×10a−1（P＜0.01）；而冷夜日数（TN10p）和冷昼日数（TX10p）分别以1.44和0.70d×10a−1（P＜0.01）的幅度显著下降。这4个相对极端温度指标均反映出显著变暖趋势，其中冷夜和暖夜的变化趋势比冷昼和暖昼更明显。图3为1956−2015年不同气候区极端温度事件变化趋势的空间分布。由图可见，各区内站点间的变化情景并不完全相同，TX10p和TX90p通过显著性检验的气象站点较少，分别有67%和69%站点检验结果为显著，（亚）热带季风性气候区（Ⅳ区）仅有33%和58%的气象站点通过显著性检验，说明该地区温度变化较温和。高原山地气候区（Ⅲ区）的变暖幅度最大，该区域TN90p、TX90p、TN10p和TX10p变化幅度分别为2.29、1.38、−1.59和−0.89d×10a−1（P＜0.01）。

图2 1956−2015年整个研究区和不同气候区极端温度指标的年际变化趋势

表2 1956−2015年不同气候区极端温度指标的线性趋势分析结果

注：*、**分别表示极端温度事件的线性变化趋势通过0.05、0.01水平的显著性检验。

Note:*is P<0.05，**is P<0.01.

图3 1956−2015年不同气候区极端温度事件线性变化趋势的空间分布

1956−2015年夏日日数（SU25）、热夜日数（TR20）显著上升，而霜冻日数（FD0）呈现显著下降趋势。整个研究区SU25和TR20在60a内增幅分别为1.77和1.44d×10a−1（P＜0.01），增幅最小的区域为高原山地气候区，分别为0.78和0.03d×10a−1（P＜0.01），增幅较大区域为（亚）热带季风性气候区，分别为2.14和2.58d×10a−1（P＜0.01）。整个研究区FD0在60a内下降幅度为2.84d×10a−1（P＜0.01），高原山地气候区降幅最大，为3.65d×10a−1（P＜0.01），（亚）热带季风性气候区降幅最小，为1.66d×10a−1（P＜0.01）。在过去60a，整个研究区暖日持续日数（WSDI）和作物生长期（GSL）分别以0.02 和2.16d×10a−1（P＜0.01）的幅度显著上升，而冷日持续日数（CSDI）则表现为显著下降趋势（−0.36d×10a−1，P＜0.01）。从不同区域来看，WSDI变化幅度差异不大，介于0～0.04d×10a−1。GSL是与作物生长和农业生产直接相关的极端温度指标，在全国大部分区域表现为显著上升，尤其是高原山地气候区（3.23d×10a−1，P＜0.01），但在（亚）热带季风气候区变化趋势不显著。

2.2 年极端温度指标的突变特征分析

Pettitt突变点检验结果表明，各极端温度指标在1956−2015时间段内均存在突变点，除温带季风性气候区的CSDI，其它指标的突变点均通过0.05水平的显著性检验（表3）。从不同气候区域来看，各指标突变年份并不相同。对于TX10p，高原山地气候区（Ⅲ区）和（亚）热带季风性气候区（Ⅳ区）突变点（均为1998年）比其它2个气候区（Ⅰ和Ⅱ区，均为1988年）晚出现10a。高原山地气候区TX90p在1987年发生突变，其它气候区则在1990年以后才发生突变。温带季风性气候区和（亚）热带季风性气候区CSDI在1978年以后显著下降，而其它2个区域CSDI在1988年左右才发生突变。对于其余极端温度指标而言，温带大陆性气候区突变点稍晚于其它区域，但4个气候区突变年份差异不大。整体而言，各气候区极端温度事件均出现突变，但各区域各指标的突变年份略有不同，突变点主要集中在20世纪80年代和90年代。

根据突变分析结果，将整个研究时段以20世纪80年代中期为分界线，进一步分为1956−1985年和1986−2015年两个阶段，比较前30a和后30a极端温度事件指标的变化趋势及幅度大小。由表3可见，在20世纪80年代中期以前，整个研究区除TN10p和FD0以外其它指标变化趋势均不显著，而在随后30a期间，除CSDI以外其它指标均发生显著变化。在1956−1985年和1986−2015年两个时间段内，TN10p均表现为显著下降趋势，分别为1.47和0.92d×10a−1（P<0.01）。TX10p在前一个时间段内无显著变化，在后一个时间段以0.78d×10a−1（P<0.01）的幅度显著下降。FD0在前后30a均显著下降，但后期（3.09d×10a−1，P<0.01）比前期（1.40d×10a−1，P<0.05）下降幅度更大。前30a期间TN90p和TX90p变化趋势不显著，而后30a期间两者均显著上升，分别为3.21和2.23d×10a−1（P<0.01），且增速大于全时段平均增速。SU25和TR20在前30a变化不显著，甚至呈现异于整体变化的趋势，而后30a变化显著，分别为3.69和2.67d×10a−1（P<0.01）。CSDI在两个时间段内变化均不显著，WSDI和GSL在前30a期间变化不显著，而后30a年期间显著上升，分别为0.04 d×10a−1（P<0.01）和2.72d×10a−1（P<0.05）。不同区域内前后30a各极端温度指标的变化趋势与整个研究区规律相似，即大多数指标前30a变化趋势不显著，而后30年发生显著变化。其中，TN10p（−1.23和−1.07d×10a−1）、TN90p（4.07和3.56d×10a−1）、TX10p（−1.51和−0.64d×10a−1）和TX90p（2.52和2.94d×10a−1）在高原山地气候区和（亚）热带季风性气候区变化幅度较大，而FD0（−4.10和−5.90d×10a−1）和GSL（4.17和4.19d×10a−1）在温带大陆性气候区和高原山地气候区变幅较大。SU25在温带大陆性气候区和（亚）热带季风性气候区增幅较大，分别为4.17和5.78d×10a−1；TR20在温带季风性气候区和（亚）热带季风性气候区增幅较大，分别为3.32和4.95d×10a−1。

表3 不同气候区极端温度指标的突变检验和前后30a线性趋势分析结果

注：*、**分别表示极端温度事件的突变年份和线性变化趋势通过0.05、0.01水平的显著性检验。

Note:*is P<0.05，**is P<0.01.

3 结论与讨论

（1）1956−2015年全国范围内暖指数（TN90p、TX90p、SU25、TR20和WSDI）表现出显著上升趋势，冷指数（TN10p、TX10p和FD0）表现出显著下降趋势，而CSDI变化趋势不显著。中国及各气候区极端温度指标整体上表现出变暖趋势，这与全球大部分地区变化情况类似[22−25]。从不同指标的变化趋势看，冷指标的变暖幅度大于暖指标的变暖幅度；与最低气温相关联的夜指数（如TN10p、TN90p和FD0）的变暖幅度明显大于与最高气温相关联的昼指数（如TX10p、TX90p 和WSDI）的变暖幅度。说明冷、暖指数之间，昼指数和夜指数之间不具有对称性，冷指数和夜指数对气候变化的响应较为敏感，这与其它研究者结论基本一致[26−30]。

（2）中国不同气候区极端温度事件发生突变的时间段主要集中在20世纪80年代和90年代，且极端温度指标在1986−2015年的变化趋势相对1956−1985年更为显著，与前人研究基本一致[31−32]。该现象主要与中国近30a的城市化过程有关。自20世纪70年代以来，中国经历了快速的城市化和经济飞速发展阶段，许多研究表明城市化在很大程度上导致了地表变暖[33−36]。此外，人类活动对气温变化的影响越来越重要，对于气候变化的研究中人类因素越来越不容忽略。

（3）中国各气候区温度事件空间分布具有显著差异。高原山地气候区的冷指数，即TN10p、TX10p和FD0下降幅度最大，该气候区GSL增长幅度也最为显著，一定程度上说明冷指数的降低对生物生长季的延长影响最大。高原山地气候区冷指数的大幅降低可能使该地区低温冷害出现频次减少，适应作物品种变广。然而，值得注意的是，冬季气候变暖可能缩短作物越冬期，使作物提前返青拔节，从而减弱作物的抗寒能力，造成作物更易遭受冻害的侵袭。因此，高原山地气候区可以改种偏晚熟的品种来获得更高的产量；另一方面，温度升高也加剧了该地区病虫害潜在的危险。对于一些暖指数，如SU25、TR20和WSDI，（亚）热带季风性气候区增幅最大，高温热害、伏旱会限制该区域作物生产，影响玉米、大豆、水稻等的种植和生产。例如，高温危害会导致中稻空壳率的增加，使某些作物的蛋白质凝固变性；另外，高温往往与少雨相伴，从而造成土壤失墒严重，造成干旱、减产等。因此，（亚）热带季风性气候区更应该培育耐高温耐虫害的作物品种以适应当前气候变暖带来的农业危害。

（4）FD0和TX10p在（亚）热带季风性气候区变幅较小，整个研究区平均变化幅度分别为该地区的1.71和1.94倍。You等[37]研究表明，与东北、西北、华北地区气象站相比，南方地区气候变化幅度较小；Liu等[38]研究也有相似的发现。由此看来，大部分冷指标的变化趋势受纬度影响，随着纬度的增加变暖速率增加。温带大陆性气候区与温带季风性气候区相比，SU25增长幅度较大，说明极端温度指标变化趋势对经度的变化是有响应的。对于高原山地气候区，TX10p、TN10p、TX90p和TN90p变化幅度均高于其它地区，这主要是由于海拔的显著差异所导致的。冷指标变化趋势随着海拔高度的增加而增加，海拔越低的地方冷指数的减少趋势越明显，即变暖越显著。

很多研究者指出大气环流指数是形成或制约区域气候变化的重要因子。天山地区冷指数受环流指数北极涛动（AO）、北大西洋涛动（NAO）和厄尔尼诺-南方涛动（ENSO）的影响较大，而北太平洋涛动（NPO）、东亚夏季风（EASMI）、南亚夏季风（SASMI）和南海夏季风（SCSMI）是暖指数变化的重要因素[28]。ENSO的发生可导致热带太平洋地区大气对流活动加强，促使热源加强，由于遥相关作用，使北半球中高纬度地区环流异常从而影响气候变化[39]；也有研究认为AO是东亚北部地区冬季变暖的直接影响因素[40]。在中国南方地区，亚热带高压在夏季增强，导致极端高温事件增多，而西南季风在冬季增强，限制了西北西伯利亚高压南移，导致冷事件减少[31]。不同区域气候对不同环流指标的响应不一致，后续研究应考虑不同环流指标对不同气候区的影响，从而揭示极端温度事件的形成机理，为农业发展提供对策。

[1] IPCC.Climate change 2013:the physical science basis. Contribution of working group I to the fifth assessment report of the intergovernmental panel on climate change[R]. Cambridge, United Kingdom and New York,NY,USA:Cambridge University Press,2013:37.

[2] 羿智华,王舜,赵从丽.论气候变化对中国农业气象灾害与病虫害的影响[J].南方农机,2018,(1):147,152.

Yi Z H,Wang S,Zhao C L.Effects of climate change on agricultural meteorological disaster and crop insects diseases [J].China Southern Agricultural Machinery,2018,(1):147,152. (in Chinese)

[3] 汪凯,叶红,唐立娜,等.气温日较差研究进展:变化趋势及其影响因素[J].气候变化研究进展,2010,6(6):417-423.

Wang K,Ye H,Tang L N,et al.Research progresses on diurnal temperature range: variation trend and influential factors[J]. Advances in Climate Change Research,2010,6(6):417-423.(in Chinese)

[4] 许飞琼.农业灾害经济:周期波动与综合治理[J].经济理论与经济管理,2010,(8):74-79.

Xu F Q.Economic analysis on agricultural disasters: cyclical fluctuation and comprehensive solutions to the problems[J]. Economic Theory and Business Management,2010,(8):74- 79.(in Chinese)

[5] 李志,郑粉莉,刘文兆.黄土高原极端温度事件的时空变化[J].自然灾害学报,2011,(6):6-12.

Li Z,Zheng F L,Liu W Z.Study on spatiotemporal changes of extreme temperature events in Loess Plateau[J].Journal of Natural Disasters,2011,(6):6-12.(in Chinese)

[6] 杨萍,刘伟东,王启光,等.近40年中国极端温度变化趋势和季节特征[J].应用气象学报,2010,21(1):29-36.

Yang P,Liu W D,Wang Q G,et al.The climate change trend and seasonal characteristics of daily temperature extreme in China for the latest 40 years[J].Journal of Applied Meteorological Science,2010,21(1):29-36.(in Chinese)

[7] 王琼,张明军,王圣杰,等.1962-2011年长江流域极端气温事件分析[J].地理学报,2013,38(5):611-625.

Wang Q,Zhang M J,Wang S J,et al.Extreme temperature events in Yangtze River Basin during 1962-2011[J].Acta Geographica Sinica,2013,38(5):611-625.(in Chinese)

[8] 潘晓华.近五十年中国极端温度和降水事件变化规律的研究[D].北京:中国气象科学研究院,2002.

Pan X H.Changes in extreme temperature events in China during recent 50 years[D].Beijing:Chinese Academy of Meteorological Sciences,2002.(in Chinese)

[9] 马尚谦,张勃,唐敏,等.1960-2015年淮河流域初终霜日时空变化分析[J].中国农业气象,2018,39(7):468-478.

Ma S Q,Zhang B,Tang M,et al.Analysis on the temporal and spatial changes of frost date in the Huaihe River Basin from 1960 to 2015[J].Chinese Journal of Agrometeorology,2018, 39(7):468-478.(in Chinese)

[10] 葛非凡,毛克彪,蒋跃林,等.华东地区夏季极端高温特征及其对植被的影响[J].中国农业气象,2017,38(1):43-51.

Ge F F,Mao K B,Jiang Y L,et al.Extreme high-temperature in summer and its impacts on vegetation in East China[J]. Chinese Journal of Agrometeorology,2017,38(1):43-51.(in Chinese)

[11] 谢志祥,李亚男,秦耀辰,等.1960-2012年淮河流域极端气温变化特征[J].中国农业气象,2017,38(7):407-416.

Xie Z X,Li Y N,Qin Y C,et al.Evolution characteristics of the extreme temperature in Huaihe River Basin from 1960 to 2012[J].Chinese Journal of Agrometeorology,2017,38(7): 407-416.(in Chinese)

[12] 万能涵,杨晓光,刘志娟,等.气候变化背景下中国主要作物农业气象灾害时空分布特征(Ⅲ):华北地区夏玉米干旱[J].中国农业气象,2018,39(4):209-219.

Wan N H,Yang X G,Liu Z J,et al.Temporal and spatial variations of agro-meteorological disasters of main crops in China in a changing climate(Ⅲ):drought of summer maize in North China Plain[J].Chinese Journal of Agrometeorology, 2018,39(4):209-219. (in Chinese)

[13] 吴灿,赵景波,王格慧.黄河流域极端气温指数的气候演变特征分析[J].中国农业气象,2015,36(5):525-535.

Wu C,Zhao J B,Wang G H.Characteristic analysis of the climatic revolution in the Yellow River extreme temperature index[J].Chinese Journal of Agrometeorology,2015,36(5): 525-535.(in Chinese)

[14] Song Y,Achberger C,Linderholm H W.Rain-season trends in precipitation and their effect in different climate regions of China during 1961-2008[J].Environ Res Lett,2011,(6):034025.

[15] Zhang X B,Yang F.RClimDex(1.0) User Manual[M].Climate Research Branch,Environment Canada,Ontario,Canada,2004.

[16] 高永志,汪有科,姜鹏.黄土高原露日数变化趋势分析[J].中国生态农业学报,2017,25(11):1718-1730.

Gao Y Z,Wang Y K,Jiang P.Spatiotemporal analysis of dew days in China’s Loess Plateau [J].Chinese Journal of Eco- Agriculture,2017,25(11):1718-1730.(in Chinese)

[17] 刘蓉,文军,王欣.黄河源区蒸散发量时空变化趋势及突变分析[J].气候与环境研究,2016,21(5):503-511.

Liu R,Wen J,Wang X.Spatial-temporal variation and abrupt analysis of evapotranspiration over the Yellow River source region[J].Climatic and Environmental Research,2016,21(5): 503-511.(in Chinese)

[18] 王帅,李院生,张峰.近55年渭河流域气温演变规律分析[J].中国农业气象,2013,34(5):512-518.

Wang S,Li Y S,Zhang F.Analysis on spatio-temporal variation of temperature in Weihe river basin in recent 55 years[J].Chinease Journal of Agrometeorology,2013,34(5): 512-518.(in Chinese)

[19] Tabari H,Talaee P H.Analysis of trends in temperature data in arid and semi-arid regions of Iran[J].Global and Planetary Change,2011,79(1/2):1-10.

[20] Gocic M,Trajkovic S.Analysis of changes in meteorological variables using Mann-Kendall and Sen’s slope estimator statistical tests in Serbia[J].Global and Planetary Change,2013,100:172-182.

[21] Pettitt A N.A non-parametric approach to the change-point problem[J].Appl.Stat.,1979:126-135.

[22] Alexander L V,Zhang X,Perterson T C,et al.Global observed changes in daily climate extremes of temperature and precipitation[J].J Geophys Res,2006,111,D05109.

[23] Klein Tank A M G,Peterson T C,Quadir D A,et al.Changes in daily temperature and precipitation extremes in central and south Asia[J].J Geophys Res,2006,111,D06316.

[24] 袁文德,郑江坤.1962-2012年西南地区极端温度事件时空变化特征[J].长江流域资源与环境,2015,(7):1246-1254.

Yuan W D,Zheng J K.Spatial and temporal variations of extreme temperature events in Southwestern China during 1962-2012[J]. Resources and Environment in the Yangtze River,2015,(7):1246-1254.(in Chinese)

[25] 汪宝龙,张明军,魏军林,等.西北地区近50a气温和降水极端事件的变化特征[J].自然资源学报,2012,27(10):1720- 1732.

Wang B L,Zhang M J,Wei J L,et al.The change in extreme events of temperature and precipitation over Northwest China in recent 50 years[J].Journal of Natural Resources, 2012,27(10):1720-1732.(in Chinese)

[26] Sun W Y,Mu X M,Song X Y,et al.Changes in extreme temperature and precipitation events in the Loess Plateau (China) during 1960-2013 under global warming[J]. Atmospheric Research,2016,168:33-48.

[27] 周玉科,高琪,范俊甫.基于极端气温指数的青藏高原年际升温及不对称特征研究[J].地理与地理信息科学,2017, 33(6):64-71.

Zhou Y K,Gao Q,Fan J F.Characterizing the inter-annual warming and asymmetry condition on Tibetan Plateau using the extreme temperature indices[J].Geography and Geo- Information Science,2017,33(6):64-71.(in Chinese)

[28] 丁之勇,董义阳,鲁瑞洁.1960-2015年中国天山南、北坡与山区极端气温时空变化特征[J].地理科学, 2018,38(8): 1379-1390.

Ding Z Y,Dong Y Y,Lu R J.Spatio-temporal variability of temperature extremes in Tianshan Mountains Areas, Northwest China,during 1960-2015[J].Scientia Geographica Sinica,2018,38(8):1379-1390.(in Chinese)

[29] Choi G Y,Collins D,Ren G Y,et al.Changes in means and extreme events of temperature and precipitation in the Asia-Pacific Network Region,1955-2007[J].Int J Climatol, 2009,29:1906-1925.

[30] 王钊,彭艳,魏娜.近52a秦岭南北极端温度变化及其与区域增暖的关系[J].干旱气象,2016,34(2):269-296.

Wang Z,Peng Y,Wei N.Variation trends of the extreme temperature and its relationshio with regional warming in the South and North sides of the Qinling mountain during 1961-2012[J].Journal of Arid Meteorology,2016,34(2):269- 296.(in Chinese)

[31] 关颖慧.长江流域极端气候变化及其未来趋势预测[D].杨凌:西北农林科技大学,2015.

Guan Y H.Changes in extreme climate events and future prediction in the Yangzi River[D].Yangling:Northwest A&F University,2015.(in Chinese)

[32] 周雅清,任国玉.中国大陆1956-2008年极端气温事件变化特征分析[J].气候与环境研究,2010,15(4):405-417.

Zhou Y Q,Ren G Y.The effect of urbanization on maximum, minimum temperatures and daily temperature range in North China[J].Climatic and Environmental Research,2010,15(4): 405-417.(in Chinese)

[33] Jones P D,Lister D H,Li Q.Urbanization effects in large- scale temperature records,with an emphasis on China[J].J Geophys Res,2008,113,D009916.

[34] Zhou L M,Dickinson R E,Tian Y H,et al.Evidence for a significant urbanization effect on climate in China[J].Proc Natl Acad Sci USA,2004,101(26):9540-9544.

[35] van Dijk A I J M,Beck H E,Crosbie R S,et al.The millennium drought in southeast Australia(2001-2009): natural and human causes and implications for water resources,ecosystems,economy and society[J].Water Resources Research,2013,(49):1040-1057.

[36] Ren G Y，Zhou Y Q. Urbanization effect on trends of extreme temperature indices of national stations over Mainland Chian,1961-2008[J]. Journal of Climate,2013, 27(6):2340-2360.

[37] You Q L,Kang S C,Aguilar E,et al.Changes in daily climate extremes in China and their connection to the large scale atmospheric circulation during 1961-2003[J].Clim Dyn,2011, (36):2399-2417.

[38] Liu B H,Xu M,Henderson M,et al.Taking China’s temperature:daily range,warming trends,and regional variations,1955-2000[J].J Clim,2004,(17):4453-4462.

[39] 黄荣辉.我国重大气候灾害的形成机理和预测理论研究[J].地球科学进展,2006,21(6):564-575.

Huang R H.Progresses in research on the formation mechanism and prediction theory of severe climatic disasters in China[J].Advances in Earth Science,2006,21(6):564-575. (in Chinese)

[40] 琚建华,任菊章,吕俊梅.北极涛动年代际变化对东亚北部冬季气温增暖的影响[J].高原气象,2004,23(4):429-434.

Ju J H,Ren J Z,Lv J M.Effects of interdecadal variation of Arctic oscillation on temperature increasing in North of East Asian winter[J].Plateau Meteorology,2004,23(4):429-434.(in Chinese)

Spatiotemporal Variations of Extreme Temperature Indices in Different Climatic Zones of China over the Past 60 Years

ZHANG Da-ren, ZHENG Jing, FAN Jun-liang, FANG Zhi-chao, JI Qing-yuan, YUAN Ye-zi, LIU Wen-fei

(College of Water Resources and Architectural Engineering, Northwest A&F University, Yangling 712100, China)

Based on daily maximum and minimum temperature data during 1956−2015 obtained from 200 weather stations, ten extreme temperature indices recommended by ETCCDI were used to study the temporal trends of extreme temperature indices and their spatial distribution in four climatic zones of China, with the help of Mann-Kendall test, Sen’s slope estimator and Pettitt test. The results showed that, (1) warm nights (TN90p) and warm days (TX90p) tended to increase significantly in China over the past 60 years, with a rate of 2.12 and 1.00d×10y−1(P<0.01), but cold nights (TN10p) and cold days (TX10p) tended to decrease significantly, with a rate of 1.44 and 0.70d×10y−1(P<0.01), respectively. For threshold indices, the change rate of frost days (FD0) was −2.84d×10y−1(P<0.01), but the change rates of summer days (SU25) and tropical nights (TR20) were 1.77 and 1.44d×10y−1(P<0.01), respectively. For duration indices, warm spell duration index (WSPI) and growing season length (GSL) significantly increased, but cold spell duration index (CSDI) showed no significant trend during the period of 1956−2015. (2) The increasing rates of cold extremes were greater than those of warm extremes. Further, faster increases were observed for nightly indices related to the minimum temperature (e.g. TN10p, TN90p and FD0), compared with the daytime indices related to the maximum temperature (e.g. TX10p, TX90p and WSDI). (3) The abrupt change years of temperature extremes mainly occurred in the 1980s and 1990s. The change rates of most temrepature extreme indices were more significant after the mid-1980s than those before the mid-1980s. (4) The change rates of extreme temperature indices varied greatly among different climatic zones, with the greatest decreases in cold extreme indices in the mountain plateau zone and the greatest increases in warm extreme indices such as SU25, TR20 and WSDI in the subtropical monsoon zone.

Climate change; Extreme tempreature；Trend analysis；Abrupt change detection

10.3969/j.issn.1000-6362.2019.07.002

2018-12-03**

。E-mail：nwwfjl@163.com

国家自然科学基金（51879226；51509208）

张大任（1997−），本科，研究方向为气候变化下农业水文过程。E-mail：172876790@qq.com

张大任,郑静,范军亮,等.近60年中国不同气候区极端温度事件的时空变化特征[J].中国农业气象,2019,40(7):422-434