1961—2018 年我国气温日较差日数的时空演变特征及区域差异

2020-08-17孔锋

浙江大学学报（理学版） 2020年4期

孔锋

（1.清华大学公共管理学院，北京100084； 2.清华大学应急管理研究基地，北京100084； 3.中国气象局气象干部培训学院，北京100081）

0 引言

“人类世”时代全球气候变暖已成为当前学界广泛认同的事实[1-3]，给人类社会和生态系统带来了重大影响。其通过改变孕灾环境稳定性和增强致灾因子危险性，显著地改变着区域灾害系统，并使其趋于复杂化[4-6]。因此，全球变暖及其引起的系统要素动态变化，已成为影响可持续发展的重要因素，也是学界广泛关注的重大科学和实践问题[7-11]。气温日较差也称为气温日振幅，为日最高气温与日最低气温之差，受经纬度、地表性质、地形地势和海拔等多种因素的影响[12-16]。一般而言，气温日较差在低纬度地区较大（平均为12 ℃），中纬度地区次之（7～9℃），高纬度地区最小（3～4 ℃）[17-18]。在海陆分异上，陆地上的气温日较差大于海洋，一般而言，内陆地区的气温日较差可达15 ℃以上，部分地区甚至高达25～30 ℃，而海洋上一般为1～2 ℃[18-19]。在地形地势和海拔分异上，一般山谷的气温日较差大于山峰、凹低处大于高地、盆地大于平原、平原大于山地[20-22]。在对气温要素的研究上，对气温日较差的研究相对较对平均气温和极端气温的研究缺乏，尤其在大尺度范围上[23-25]。气温日较差的长期变化已经显著影响农业生产和规划布局[16]，因此，科学认识气温日较差的气候变化特征具有重要的科学价值和现实意义。气候变化的多样性包括均值变化、趋向性变化、波动性变化和极端事件变化等，史培军等[26]用气温和降水2 个因素的变化趋势与波动特征，组合出9 种气候变化模态，并基于此模态开展了1961—2010 年我国气候变化区划研究工作，开创了气候变化区划研究的先河；吴绍洪等[27]从区域灾害系统的角度，开展了我国气候变化风险区划研究工作。从变化趋势和波动特征等角度诊断气候的多层次变化，对于科学认识气候变化具有重要意义。本文利用气温日较差的均值、距平、变化趋势和波动特征，诊断1961—2018 年我国气温日较差的多属性变化特征，以期为区域综合减灾与可持续发展的实践提供相关参考。

1 数据和方法

1.1 数据来源

采用的1961—2018 年的气温数据来自于国家气象局气象信息中心的《中国国家级地面气象站基本气象要素日值数据集（V3.0）》，该数据集包括2 482 个气象观测站点，其中气温指标包括平均气温、日最高气温和日最低气温3 项。数据的空间覆盖范围为 73°40' E～135°05' E，4°00' N～53°31' N。鉴于我国多数气象观测站点建站时间在1960 年之后，因此，研究时段从1961 年开始。对所选站点的年值数据进行校验，对缺测数据，用临近站点数值进行插补，插补方法主要参考文献[28-31]。如一个站点的插补率小于0.1%，则保留该站点，否则剔除该站点，最终得到545 个站点数据[28-31]，站点分布如图1所示。

1.2 计算方法

将5℃、10℃、15℃和20℃以上气温日较差分别简称为5℃、10℃、15℃和20℃气温日较差；将1961—1970、1971—1980、1981—1990、1991—2000、2001—2010、2011—2018 年分别称为 1960、1970、1980、1990、2000 和2010 年代。首先，根据上述插补后的站点数据分别计算545 个站点的5℃、10℃、15℃和20℃气温日较差日数的多年均值。其次，采用1960年代至2010 年代的不同气温日较差日数年际均值与研究时段对应气温日较差日数均值之差，即气温日较差日数年代距平，诊断气温日较差日数的年代演变特征。再次，采用基于最小二乘的一元线性回归方法计算我国1961—2018 年不同气温日较差日数的变化趋势及特征。最后，基于变异系数方法，诊断我国1961—2018 年不同气温日较差日数的年际变异特征，即波动特征。对基于上述站点的计算结果采用反距离权重（IDW）进行空间插值，分辨率为10 km×10 km。上述变化趋势和波动特征的具体计算方法如下：

对于样本量为n的气温日较差序列yj，用tj表示所对应的时刻，建立yj与tj之间的一元线性回归方程：

其中，a为方程的回归常数，b为回归系数。利用最小二乘法可求出a和b:

回归系数b的符号表示不同气温日较差的线性趋势，b＞0，表示随时间增加y呈增加趋势，即上升趋势，b＜0，表示随时间增加y呈减少趋势，即下降趋势。b的大小反映上升或下降的速率，即表示上升或下降的倾向程度[4]。

采用变异系数诊断不同气温日较差的波动特征。变异系数是衡量一组数据变异程度的统计量，是标准差与平均值的比值，可用于衡量数据的波动性[4]。其计算公式为

其中，S为标准差为平均值。变异系数可以消除单位和平均值不同对2 个或多个资料变异程度比较的影响。变异系数越小，气温日较差的年际变异越小，即波动程度越小；反之，变异系数越大，气温日较差的年际变异越大，即波动程度越大。

2 气温日较差的时空演变特征

2.1 气温日较差气候态的空间分异特征

从气候态分布看，图2 中颜色越蓝，表示年均日数越多；颜色越红，表示年均日数越少。据此可知，1961—2018 年，我国气温日较差年均日数，因日较差大小不同而呈现不同的空间分异特征（见图2）。除20℃气温日较差外，5℃、10℃和15℃气温日较差年均日数均呈东南少、西北多的空间分异特征。具体来看，5℃气温日较差年均日数西北地区最多、东北次之、东南最少（见图2（a））。其中西北地区5℃气温日较差年均日数多在350 d 以上，而四川东部、贵州、湖南和广西等地则多在270 d 以下。10℃气温日较差年均日数主要呈东南少、西北多的空间分异特征，其中西北地区10℃气温日较差年均日数多在300 d 以上，而江淮及其以南地区多在140 d 以下（见图2（b））。15℃气温日较差年均日数也呈东南少、西北多的空间分异格局，其中黄河以南多数地区15℃气温日较差年均日数多在30 d 以下，而西北地区则多在130 d 以上（见图2（c））。值得注意的是，新疆、甘肃和青海毗邻地区15℃气温日较差年均日数超过了190 d。20℃气温日较差年均日数在东北、华北、新疆西部和云南等地较少，多数在35 d 以下；东南沿海和四川等地较多，普遍在60 d 以上（见图2（d））。随着气温日较差数的增多，其气候态空间分异复杂化，并呈现次区域分异特征。

2.2 气温日较差年代际距平的空间分异特征

从5℃气温日较差日数距平看，1960 年代至2010 年代，5℃气温日较差日数距平演变具有明显的东西区域分异特征（见图3）。其中胡焕庸线以东地区的5℃气温日较差日数距平随年代发展逐渐由正距平演变为负距平，表明5℃气温日较差日数有减少的态势，尤其是黄河中下游以南的东部地区减少明显，其中1960 年代和2010 年代较整个研究时段分别偏多和偏少8 d 以上。胡焕庸线以西地区，深居大陆腹地，且海拔差异巨大，具有明显的次区域特征。其中西藏地区5℃气温日较差日数距平随年代发展逐渐由负距平演变为正距平，1960 年代和2010 年代较整个研究时段分别偏少和偏多2 d 以上。东南地区，1960 年代和1970 年代，5℃气温日较差日数距平主要以正距平为主（见图3（a）和（b））；1980 年代和1990 年代，呈正负距平交错分布态势（见图3（c）和（d））；2000 年代和2010 年代，主要以负距平为主（见图3（e）和（f））。

图2 不同气温日较差日数气候态空间分异特征Fig.2 Spatial differentiation characteristics of climate state of different daily temperature range days

从10℃气温日较差日数距平看，1960 年代至2010 年代，10℃气温日较差日数由以正距平为主逐渐演变为以负距平为主（见图4），且伴随有次区域的年代变化特征，表明10℃气温日较差日数逐渐减少。其中，1960 年代和1970 年代主要呈全国性的正距平（见图4（a）和（b））；1980 年代和 1990 年代呈区域性正负距平交错分布态势（见图4（c）和（d））；2000 年代和2010 年代则主要以负距平为主（见图4（e）和（f））。其中，1960 年代和 2010 年代，全国多数地区的10℃气温日较差偏多和偏少日数超过了12 d，偏少的态势在胡焕庸线以东地区表现最为集中和明显。四川地区在1980 年代和2000 年代分别以负距平和正距平为主，较整个研究时段偏少和偏多3d 以上，且与其周边地区差异明显。

从15℃气温日较差日数距平看，1960 年代至2010 年代，我国15℃气温日较差日数由以正距平为主逐渐演变为以负距平为主（见图5）。其中1960 年代和2010 年代较整个研究时段分别偏多和偏少16 d 以上。其中，1960 年代和1970 年代呈全国性的正距平（见图5（a）和（b））；1980 年代和 1990 年代在东南地区主要以负距平为主（见图5（c）和（d））；2000 年代和2010 年代呈全国性的负距平（见图5（e）和（f））。值得注意的是，广西南部、广东南部和海南地区的15℃气温日较差日数呈正距平，与其周边地区截然不同，且多数地区较整个研究时段偏多16 d。15℃气温日较差日数距平较5℃和10℃明显偏多，表明在全球变暖背景下，15℃气温日较差日数的变化幅度较其他气温日较差日数大。

从20℃气温日较差日数距平看，1960 年代至2010 年代，20℃气温日较差日数主要由以正距平为主演变为以负距平为主，并呈现年代性的次区域分异特征（见图6）。1960 年代，以天津至云南中部一线为界，该线以南和以东地区主要以负距平为主，尤其以江淮、黄淮和华南地区的负距平最明显，较整个研究时段偏少3 d 以上（见图6（a））。该线以北和以西地区主要以正距平为主，尤其是青藏高原地区较研究时段偏多12 d 以上。1970 年代，全国以正距平为主，且零散分布。其中西藏地区整体呈正距平，较整个研究时段偏多 3 d 以上（见图6（b））。华北南部、黄淮东部和云南等地呈负距平，较研究时段偏少3 d 以上。1980 年代，长江中下游地区以正距平为主，相比偏多3 d 以上；而西北中部地区主要以负距平为主，较研究时段偏少 3 d 以上（见图6（c））。1990年代，我国东南的黄淮东部、江淮东部、长江中下游南岸等地以正距平为主，较研究时段偏多3d 以上。青藏高原主要以负距平为主，较研究时段偏少3 d 以上，西藏地区较研究时段偏多6 d 以上（见图6（d））。2000 年代，华北南部、黄淮东部和云南南部等地以负距平为主，多数地区较研究时段偏多3 d 以上（见图6（e））。青藏高原和西北中部地区呈明显的负距平，较研究时段偏少3 d 以上。2010 年代，除黄淮东部和华南南部呈负距平外，全国其他地区主要以正距平为主（见图6（f））。

图3 气温日较差超过5℃日数的年代际距平空间分异特征Fig.3 Spatial differentiation characteristics of interdecadal anomaly with daily temperature range over 5℃days

综上，通过对比1961—2018 年我国不同气温日较差日数的距平年代变化，可以发现在全球变暖背景下，我国气温日较差随年代发展主要呈减少态势，且具有明显的年代分异和次区域分异特征，表明在增暖背景下日最高气温和日最低气温的差异特征趋于减少。

图4 气温日较差超过10℃日数的年代际距平空间分异特征Fig.4 Spatial differentiation characteristics of interdecadal anomaly with daily temperature range over 10℃days

2.3 气温日较差变化趋势的空间分异特征

图7 为1961—2018 年不同气温日较差变化趋势的空间分异特征，图7 中黑点区域表示通过了0.05 显著性水平检验。1961—2018 年5℃气温日较差在东南地区以减少趋势为主，且多数地区的减少速率超过了4 d/10 a，通过了0.05显著性水平检验（见图7（a））。西藏地区以增加趋势为主，且多数地区的增加速率达1 d/10 a，局部地区的增加速率超过了4 d/10 a。除西藏外，胡焕庸线以西的广大西北地区增减趋势较小。我国10℃气温日较差以减少趋势为主，其中胡焕庸线以东地区减少趋势最明显，多数地区减少速率超过了8 d/10 a，且通过了0.05 显著性水平检验；西北地区减少速率次之，其中新疆地区通过了0.05显著性水平检验；西南地区最小，基本未通过0.05显著性水平检验（见图7（b））。15℃气温日较差以减少趋势为主，且减少速率明显较10℃气温日较差大，通过0.05 显著性水平检验的区域面积也大大增加。东南地区和西北地区的减少速率多数超过了4 d/10 a（见图7（c））。20℃气温日较差在西北地区以减少趋势为主，减少速率大多超过了2 d/10 a（见图7（d））；山东和河南东部以增加趋势为主，增加速率多数超过了2 d/10 a；东部多数地区变化较小。20℃气温日较差的变化趋势仅西北和西藏局部地区通过了0.05 显著性水平检验。总体来看，我国东部地区的气温日较差以减少趋势为主，表明在全球变暖背景下，日最高气温趋于增加，日最低气温也趋于增加，气温日较差的减少趋势表明，日最低气温增加速率超过了日最高气温。在变化趋势显著性区域面积上，15℃气温日较差最大，10℃气温日较差次之，20℃气温日较差最小。

图5 气温日较差超过15℃日数的年代际距平空间分异特征Fig.5 Spatial differentiation characteristics of interdecadal anomaly with daily temperature range over 15℃days

2.4 气温日较差波动的空间分异特征

基于变异系数，诊断了1961—2018 年不同气温日较差的年际变异特征，结果如图8 所示。除20℃气温日较差外（见图8（a）），5℃、10℃和15℃气温日较差波动特征均呈东南波动大、西北波动小的空间分异特征（见图8（b）、（c）和（d）），仅波动较大的面积和分布区域有所差异，表明东南地区的气温日较差变异较大，稳定性较低。对比4 种气温日较差的波动特征发现，随着气温日较差的增加，波动特征也趋于增加，即20℃和15℃气温日较差的整体波动明显高于10℃和5℃日较差，表明气温日较差越大，其变异程度越大，即稳定性越低。具体来看，5℃气温日较差波动相对较大的地区主要分布在四川东部、贵州和湖南等地，黄河以北和以西、四川以西地区的波动相对较小（见图8（a））。10℃气温日较差波动较大的地区主要分布在东部沿海、江淮及以南地区（见图8（b））。15℃气温日较差波动较大的地区主要分布在四川东部、长江中下游沿岸、两广和海口（见图8（c））。20℃气温日较差波动较大的地区主要分布在西部沿边地区，如云贵、华北、黑龙江等，东南沿海地区20℃气温日较差波动较小（见图8（d））。随着气温日较差的增加，变异特征在全国趋于增加的态势。

图6 气温日较差超过20℃日数的年代际距平空间分异特征Fig.6 Spatial differentiation characteristics of interdecadal anomaly with daily temperature range over 20℃days

2.5 对气温日较差风险防范的政策建议

青藏高原和东南部地区要高度关注气温日较差变化带来的风险，尤其是山区要高度注意防范气温日较差变化引发的崩塌灾害。气温日较差过大对水利工程建设、油气管线、高铁建设等影响较大。山区应加强崩滑流灾害的监测，通过绿色种植，进行结构性规划与调整，降低气温日较差变化带来的灾害风险。

图7 不同气温日较差日数变化趋势空间分异特征Fig.7 Spatial variation characteristics of trend of different daily temperature range days

3 结论与讨论

在气候态上，1961—2018 年 5℃、10℃、15℃和20℃气温日较差日数随气温日较差值的增加而减少。其中5℃、10℃和15℃气温日较差日数主要呈西北多、东南少的空间分异格局。20℃气温日较差日数除在东南沿海分布较多外，其他地区具有明显的次区域分异特征。

在年代距平上，1961—2018 年的6 个年代中，5℃、10℃、15℃和20℃气温日较差日数随年代发展逐渐由以正距平为主演变为以负距平为主，并具有明显的年代分异和次区域分异特征，表明在全球变暖背景下日最高气温和日最低气温均趋于增加，且日最低气温的增加速率和幅度超过了日最高气温。

在变化趋势上，1961—2018 年5℃、10℃、15℃和20℃气温日较差日数整体趋于减少。5℃气温日较差日数在西藏地区趋于增加，20℃气温日较差日数在黄淮东部地区趋于增加。15℃气温日较差日数呈减少趋势的区域面积最大，10℃气温日较差日数次之，5℃气温日较差日数再次之，20℃气温日较差日数最少。

在波动特征上，1961—2018 年20℃和15℃气温日较差日数的整体年际波动最大，10℃气温日较差日数次之，5℃气温日较差日数最小。5℃、10℃和15℃气温日较差日数整体均呈东南波动大、西北波动小的空间分异格局。20℃气温日较差日数则在东北、华北和黄淮东部、云南等地波动较大，长江沿岸整体波动较小。

在气候变化和灾害风险防范上，青藏高原和东南地区要高度关注因气温日较差变化引发的崩滑流风险，尤其要关注对水利工程、油气管线和高铁建设等的影响。

采用545 个气象站点数据诊断了近60 a 来我国不同气温日较差日数的时空演变特征。由于站点分布东多西少，尤其是西藏等高海拔地区分布较少，其结果相比东部站点密集区具有空间细节分布上的不确定性，未来有待采用精度较高的替代数据进行进一步诊断。在站点分布上，根据夜间灯光数据的数值范围[0，63]，本文将其分为 6 个等级，即：[0，10)，[10，20)，[20，30)，[30，40)，[40，50)，[50，63]，分别定义为 1，2，…，6 级，结果表明，5 级以上的站点占总站点的34.8%，可见有近1/3 的站点已经处于城市化进程较高的地区或边缘地带，其气温观测很可能已经受到城市热岛效应的影响。因此，未来有待于进一步区分自然情况下的气温日较差变化和人类活动带来的气温日较差变化，这对于科学认识区域气候具有重要意义。然而，值得肯定的是无论是自然变化还是受人类活动影响，两种作用叠加下的气温日较差相较工业革命前已发生了重大变化。通常情况下，气温日较差较大地区的白天日照充足、气温高、太阳辐射强，对植物的光合作用十分有利；而夜晚气温较低，致使植物呼吸作用弱、能量消耗较少[16]。气温日较差较大地区的经济作物一般较为优质。随着城市化进程的加快，连绵的城市群已经对区域的气温日较差产生了不可忽视的影响[23-25]，因此，诊断不同城市化程度下的气温日较差变化特征，对于深入认识城市气候具有十分重要的意义。同时，随着我国科学实践的不断深入和拓展，应持续开展对高海拔地区的研究和探索，尤其是对“一带一路”和全球气候变化敏感的青藏高原地区，应关注其气温日较差变化，高度重视其对铁路、公路等基础设施建设的重大影响[32-36]。