华南地区极端气温事件时空变化及其因子分析
2021-09-12戴声佩李茂芬罗红霞李海亮胡盈盈郑倩
戴声佩 李茂芬 罗红霞 李海亮 胡盈盈 郑倩
摘要:选用1959—2016年华南地区72个地面气象站点逐日气温数据,计算了研究区16种极端气温指数,分析了1959—2016年研究区极端气温事件的时空变化特征和影响研究区极端气温指数的因子,及其与年平均气温、地理位置和大尺度大气环流的关系,并预测了未来研究区域极端气温事件变化趋势。结果表明:1959年以来,研究区气温日较差(DTR)和极端冷事件(FD、ID、TN10p、TX10p、CSDI)呈下降趋势;生物生长季(GSL)、极端热事件(SU、TR、TN90p、TX90p、WSDI)和气温极值指数(TXx、TNx、TXn、TNn)呈明显增加趋势。从年代际尺度来看,1960s(19世纪60年代,以下以此类推)以来,研究区极端气温事件与其年际变化趋势基本一致。从空间尺度来看,气温日较差(DTR)和极端冷事件(FD、ID、TN10p、TX10p、CSDI)气候倾向率小于0的站点比例分别为85%、99%、100%、99%、90%、93%,仅有个别站点存在下降趋势,零星分布在沿海地区。生物生长季(GSL)增加的站点共有55个,但其显著性水平较低;极端热事件(SU、TR、TN90p、TX90p、WSDI)气候倾向率大于0且通过显著性检验站点分别为20、58、68、48、29个,增加趋势明显。气温极值指数(TXx、TNx、TXn、TNn)也呈增加趋势,仅沿海地区个别站点呈下降趋势。利用因子分析法提取了5个公共因子,其累计方差贡献率为82.49%,其中公共因子1方差贡献率为44.72%,反映了极端气温事件与极端热事件的相关性很强。相关分析表明,极端热事件(SU、TR、TN90p、TX90p、WSDI)能很好地指示年平均气温的变化情况,并且其他极端气温指数之间也存在很好的相关关系;极端气温指数变化趋势表现出明显的地理位置依赖性。此外,大尺度环流分析表明,ENSO异常变化与华南地区极端气温关系密切,南海副高强度指数(SCSSHII)和西太平洋副高强度指数(WPSHII)对研究区极端气温事件具有明显贡献。R/S分析法表明,研究区极端气温事件表现为强持续性,未来变化趋势与过去的变化趋势相同。
关键词:气候变化;极端气温;时空变化;因子分析;华南地区
中图分类号: S161.2;S127 文献标志码: A 文章编号:1002-1302(2021)14-0194-10
联合国政府间气候变化专门委员会(Intergovernmental Panel on Climate Change,IPCC)第5次评估报告指出,全球气候变暖毋庸置疑[1]。在此背景下,极端高温与寒冷、极端洪涝与干旱等极端气候事件频繁发生,对自然生态系统和人类社会带来极大损害[2],且其发生的时空分布特征及影响越来越受到公众的瞩目[3],成为当前全球气候变化研究的热点[4],特别是极端气温事件对人类的影响更是引起了众多学者的关注[5]。国内外学者从不同角度对全球、区域和中国,以及中国不同区域的极端气温做了大量研究,且成果显著。从全球尺度来看,20世纪50年代以来全球大部分地区极端气温变化特征表现为冷夜减少、暖夜增多[6-7];从区域尺度来看,中亚和南亚地区[8]、亚洲-太平洋地区[9]、阿拉伯地区[10]、欧洲地区[11]、南美洲阿根廷地区[12]、北美洲[13]、美国[14]、俄罗斯[15]等区域极端气温变化特征与全球变化特征基本一致,总体均表现为极端高温时间(d)显著延长、极端低温时间明显缩短;从中国区域来看,极端高温和极端低温整体呈上升趋势[16],暖夜时间和暖昼时间趋于延长,而冷夜时间和霜冻时间则变少[17],其中北方地区极端气温变化趋势更为明显[18]。此外,针对中国不同区域[4,19-27]、不同流域[5,28-32]、不同地形[33-38]和不同城市[39-41]极端气温变化的众多研究表明,其存在一定空间差异,因此,有必要开展针对不同区域的极端气温变化研究,丰富和完善全球变化区域差异研究。
我国华南地区属于热带、亚热带季风气候,气候温暖湿润,雨热同季,对全球变化的敏感性较高。该区域适宜发展多种农业生产以及热带经济作物,是我国农作物晚三熟和热三熟区域[42],其既是我国重要的粮食生产基地,又是我国主要热带作物的生产基地。在全球变化背景下,该地区农业气候资源发生了显著的变化,对农业生产、社会经济和区域可持续发展带来了诸多影响[43]。目前已有关于本研究区域极端气温变化的研究主要集中在极端高温日数[44]、持续高温过程[45-46]、低温冷害事件[47]、冰冻灾害特征与成因[48]以及极端气温事件非对称变化[49]等方面,综合考虑多种极端气温指数分析研究区极端气温的研究有待进一步进行。因此,本研究利用气象站点逐日气温数据,计算了16种极端气温指数,分析了我国华南地区极端气温事件的时空变化特征,探讨了影响极端气温指数的因子,及其与年平均气温、地理位置和大尺度大气环流的关系,并预测了未来研究区域极端气温事件变化趋势,以期为区域农业气候资源可持续利用、生态环境保护和防灾减灾提供科学依据。
1 数据与方法
1.1 数据来源
选取1959年1月1日至2016年12月31日研究區域内72个地面气象站点逐日平均气温、最高气温、最低气温实测数据,来源于国家气象科学数据共享服务平台(http://data.cma.cn/)。大尺度大气环流指数数据来源于美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration,NOAA)地球系统研究实验室(Earth System Research Laboratory,ESRL)(https://www.esrl.noaa.gov/psd/data/climateindices/list/)和中国国家气候中心气候系统数据集(http://cmdp.ncc-cma.net/Monitoring/cn_index_130.php)。数字高程(digital elevation models,DEM)数据采用美国地质调查局(U.S. Geological Survey,USGS)发布的全球90 m空间分辨率DEM数据;研究区边界数据采用国家基础地理信息中心发布的1 ∶ 4 000 000中国行政区划数据。
1.2 极端气温指标定义与计算
本研究采用16种极端气温指数,其具体名称及定义见表1,其定义标准是基于CCl/CLIVAR/JCOMM ETCCDI确定的“气候变化检测和指标”(http://etccdi.pacificclimate.org/),这些指数反映了极端气温的各方面,广泛应用于极端气温的评估和应用。这16种极端气温指数大致分为5个类型:第1类为气温日较差(DTR);第2类为生物生长季(GSL);第3类为极端冷事件,包括霜冻日数(FD)、冰冻日数(ID)、冷夜日数(TN10p)、冷昼日数(TX10p)、冷持续日数(CSDI);第4类为极端热事件,包括夏季日数(SU)、热夜日数(TR)、暖夜日数(TN90p)、暖昼日数(TX90p)、暖持续日数(WSDI);第5类为极值指数日最高气温的极高值(TXx)、日最低气温的极高值(TNx)、日最高气温的极低值(TXn)、日最低气温的极低值(TNn)。
采用加拿大气象研究中心基于R语言开发的RclimDex 1.0软件计算极端气温指数,RclimDex可用于计算多种极端气温和极端降水指数。首先,利用MATLAB编程对原始下载数据进行预处理,形成符合RclimDex运行的文件存储格式的预处理数据,并对缺测值进行统一设置;然后,利用RclimDex软件对预处理数据进行一致性检验和质量控制,并人工检查数据错误记录;最后,在R语言编辑器下运行RclimDex软件,计算得到极端气温指数结果。
1.3 研究方法
利用气候倾向率法计算各站点不同极端气温指数的气候倾向率,以此对极端气温事件的时间变化进行趋势分析。气候倾向率大于0时表示极端气温事件呈上升趋势,反之呈下降趋势。通过ArcGIS绘制华南地区极端气温指数变化倾向率空间分布图,进而分析极端气温事件的空间特征。采用基于SPSS的因子分析方法分析影响极端气温指数的因子,并利用相关分析方法分析极端气温指数与年平均气温、地理位置、大尺度大气环流的关系。利用R/S分析方法计算Hurst指数来预测未来研究区域极端气温事件变化趋势。
2 结果与分析
2.1 时间变化
从年际尺度来看,1959年以来,研究区气温日较差(DTR)和极端冷事件(FD、ID、TN10p、TX10p、CSDI)呈不同程度的降低趋势(图2-a,图2-c至图2-g),其中气温日较差(DTR)、霜冻日数(FD)和冷夜日数(TN10p)降低趋势明显,通过了α=0.01显著性水平检验,其气候倾向率分别为 -0.1 ℃/10年、-0.4 d/10年和-1.3 d/10年。生物生长季(GSL)和极端热事件(SU、TR、TN90p、TX90p、WSDI)呈明显的增加趋势(图2-b,圖2-h至图2-l),其气候倾向率分别为0.2、1.8、3.6、2.6、1.5、1.8 d/10年,除GSL以外,均通过了α=0.01显著性水平检验。此外,气温极值指数(TXx、TNx、TXn、TNn)也呈不同程度的增加趋势(图2-m至图2-p)。
从年代际尺度来看,1960s(19世纪60年代,其他以此类推),研究区极端气温事件与其年际变化趋势基本一致(图2、表2)。气温日较差(DTR)呈波动降低趋势(图2-a、表2),其值从1960s的 7.90 ℃ 降低到2000—2016年的7.20 ℃。生物生长季(GSL)从1960s开始增加,并于1990s达到高值,之后又有下降(图2-b、表2)。极端冷事件(FD、ID、TN10p、TX10p、CSDI)从1960s开始呈波动降低趋势(图2-c至图2-g、表2)。极端热事件(SU、TR、TN90p、TX90p、WSDI)和气温极值指数(TXx、TNx、TXn、TNn)则呈波动增加趋势(图2-h至图2-p、表2)。
2.2 空间变化
从空间尺度上来看,研究区内61个站点气温日较差(DTR)气候倾向率小于0(图3-a、表3),其中37个站点通过了α=0.01显著性水平检验,表明其呈较明显的降低趋势;而沿海零星分布有11个站点呈增加趋势。由图3-b和表3可知,生物生长季(GSL)增加的站点共有55个,但其显著性水平较低,主要分布在东南沿海地区;广西中部和广东北部等地区17个站点呈下降趋势。极端冷事件(FD、ID、TN10p、TX10p、CSDI)总体上呈现降低趋势(图3-c 至图3-g、表3),其气候倾向率小于0的站点比例分别为99%、100%、99%、90%、93%,其中TN10p通过显著性检验站点较多,表明其降低趋势明显。极端热事件(SU、TR、TN90p、TX90p、WSDI)气候倾向率大于0的站点比例分别为94%、100%、100%、93%、93%,并且其通过显著性检验站点分别为20、58、68、48、29个(图3-h至图3-l、表3),仅有个别站点呈降低趋势,表明其增加趋势明显。此外,研究区气温极值指数(TXx、TNx、TXn、TNn)也呈现增加趋势(图3-m至图3-p),仅沿海地区个别站点呈降低趋势。
2.3 因子分析
利用SPSS因子分析方法分析影响极端气温指数的因子,并计算各因子的特征值及方差贡献率(表4),根据特征值大于0.9,提取了5个公共因子,其累计方差贡献率为82.49%,进一步提取5个公共因子的载荷矩阵(表4),公共因子1方差贡献率最大,为44.72%,是最重要的影响因子,该因子在TX90p、TN90p、WSDI、TR和SU这5项指标上的载荷值较高,分别为0.89、0.89、0.87、0.84、0.81,反映了极端气温事件与极端热事件的相关性很强;公共因子2方差贡献率次之,为14.21%,该因子在
TN10p、TNx、CSDI和DTR等指标上的载荷值较高,分别为0.61、-0.47、0.84、0.74,表明极端冷事件、气温极值指数和气温日较差对极端气温事件影响较大;公共因子3、4、5方差贡献率分别为10.64%、7.06%、5.86%,主要反映了极端气温事件中极端冷事件和极值指数的变化。
2.4 未来变化趋势
基于R/S分析方法计算Hurst指数和分形维数D来预测未来研究区域极端气温事件变化趋势结果见表5,由表5可见,气温日较差(DTR)、生物生长季(GSL)、极端冷事件(FD、ID、TN10p、TX10p、CSDI)、极端热事件(SU、TR、TN90p、TX90p、WSDI)和气温极值指数(TXx、TNx、TXn、TNn)等指数的Hurst指数均大于0.5,分形维数D均小于1.5,表示其时间序列的持续性,未来变化趋势与过去的变化趋势相同,即气温日较差(DTR)和极端冷事件(FD、ID、TN10p、TX10p、CSDI)过去呈下降趋势,未来仍将呈下降趋势,并且其持续性较强;而生物生长季(GSL)、极端热事件(SU、TR、TN90p、TX90p、WSDI)和气温极值指数(TXx、TNx、TXn、TNn)等指数过去为增加趋势,未来仍将呈增加趋势。
3 讨论
3.1 与区域气候变化的关系
由表6可见,气温日较差(DTR)、极端冷事件(FD、ID、TN10p、TX10p、CSDI)和年平均气温(TMEAN)之间呈现较强的负相关,其中冷夜日数(TN10p)和冷昼日数(TX10p)与年平均气温的相关系数分别达到-0.77(P<0.01)和-0.66(P<0.01)。生物生长季(GSL)、极端热事件(SU、TR、TN90p、TX90p、WSDI)和气温极值指数(TXx、TNx、TXn、TNn)与年平均气温均表现出良好的正相关性,除GSL以外,均通过了α=0.01显著性水平检验,其中极端热事件(SU、TR、TN90p、TX90p、WSDI)5个极端气温指数与年平均气温的相关系数达到或超过0.76,表明这些指标能很好地指示年平均气温的变化情况。此外,其他极端气温指数之间也存在很好的相关关系。
通过与其他区域极端气温变化趋势相比较(表7),华南地区极端气温指数与全球、中国区域的整体变化趋势相一致,与中国不同区域极端气温变化趋势存在变化幅度的差别。华南地区气温日较差(DTR)变化趋势低于东北地区、西北地区和西南地区;生物生长季(GSL)变化趋势明显低于其他区域;极端冷事件(FD、ID、TN10p、TX10p、CSDI)变化趋势高于西南地区,低于东北地区和西北地区;极端热事件(SU、TR、TN90p、TX90p、WSDI)变化趋势也低于东北地区,气温极值指数(TXx、TNx、TXn、TNn)与其他区域相似。与不同流域(长江流域、黄河流域、松花江流域、珠江流域)极端气温指数相比较,其变化趋势较复杂,这是由于不同流域内气候条件和地形地貌复杂,从而造成对比性较差。
3.2 与海拔、地理位置的关系
研究区海拔自西向东、自北向南逐渐降低,其地理位置变化与经纬度和海拔具有明显相关性。通过分析极端气温指数变化趋势与海拔、地理位置(经度、纬度)的相关系数,由图4可知,生物生长季(GSL)变化趋势表现出明显的地理位置依赖性,其与海拔、经度、纬度的相关系数分别为0.78、0.40、0.40,均通过α=0.01显著性水平检验。除个别指数(SU、TN10p)外,极端冷事件(FD、ID、TX10p、CSDI)和极端热事件(TR、TN90p、TX90p、WSDI)与地理位置和海拔均呈负相关,表明在研究范围内,海拔、纬度越低,越靠近东南沿海地区,极端冷事件和极端热事件的变化趋势越大。极值指数(TXx、TNx、TXn、TNn)与经纬度以及海拔高度变化的相关性也验证了地形因素对研究区极端气温空间变化的影响。
3.3 与大尺度大气环流的关系
选取北极涛动(AO)、多元ENSO指数(MEI)、北大西洋濤动(NAO)、南方涛动指数(SOI)、太平洋年代际振荡(PDO)、北方涛动指数(NOI)、印度副高面积强度指数(ISHII)、南海副高强度指数(SCSSHII)和西太平洋副高强度指数(WPSHII)等9
个大尺度大气环流指数,分别计算其与极端气温指数的相关系数(表8),分析大尺度大气环流对极端气温事件的影响。由表8、图5可知,MEI与极端冷事件(FD、ID、TN10p、TX10p、CSDI)呈负相关,与极端热事件(SU、TR、TN90p、TX90p、WSDI)和气温极值指数(TXx、TNx、TXn、TNn)呈明显正相关,表明ENSO异常变化与华南地区极端气温关系密切。WPSHII(110°~180°E)代表了夏季北半球表面的1/4,SCSSHII(100°~120°E)代表了南海区域的环流强度,两者是东亚夏季风气候系统的重要组成部分。本研究中,SCSSHII和WPSHII(图5)与极端气温指数同样具有很强的相关性(表8),部分通过了α=0.01显著性水平检验,表明SCSSHII和WPSHII对研究区极端气温事件具有明显贡献。
4 结论
本研究选用1959—2016年华南地区72个地面气象站点逐日气温数据,利用MATLAB和基于R语言开发的RClimDex(1.0)软件计算研究区16种极端气温指数,分析1959—2016年研究区极端气温事件的时空变化特征;采用相关分析和基于SPSS的因子分析方法探讨影响研究区极端气温指数的因子,及其与年平均气温、地理位置和大尺度大气环流的关系;并利用R/S分析方法计算Hurst指数,预测未来研究区域极端气温事件变化趋势,并得出主要结论如下。
从年际尺度来看,1959年以来,研究区气温日较差(DTR)和极端冷事件(FD、ID、TN10p、TX10p、CSDI)呈减少趋势;生物生长季(GSL)和极端热事件(SU、TR、TN90p、TX90p、WSDI)呈明显增加趋势,其气候倾向率分别为0.2、1.8、3.6、2.6、1.5、1.8 d/10年;气温极值指数(TXx、TNx、TXn、TNn)也呈增加趋势。从年代际尺度来看,1960s以来,研究区极端气温事件与其年际变化趋势基本一致。
從空间尺度来看,研究区内61个站点气温日较差(DTR)气候倾向率小于0,呈较明显的下降趋势,而沿海零星分布有11个站点呈增加趋势。生物生长季(GSL)增加的站点共有55个,但显著性水平较低,主要分布在东南沿海地区。极端冷事件(FD、ID、TN10p、TX10p、CSDI)气候倾向率小于0的站点比例分别为99%、100%、99%、90%、93%,仅有个别站点存在减少趋势。极端热事件(SU、TR、TN90p、TX90p、WSDI)气候倾向率大于0且通过显著性检验站点分别为20、58、68、48、29个,增加趋势明显。气温极值指数(TXx、TNx、TXn、TNn)也呈增加趋势,仅沿海地区个别站点呈减少趋势。
利用因子分析方法提取5个公共因子,其累计方差贡献率为82.49%,其中公共因子1方差贡献率为44.72%,反映了极端气温事件与极端热事件的相关性很强。相关分析表明,极端热事件(SU、TR、TN90p、TX90p、WSDI)与年平均气温的相关系数达到或超过0.76,表明这些指标能很好地指示年平均气温的变化情况,并且其他极端气温指数之间也存在很好的相关关系。极端气温指数变化趋势表现出明显的地理位置依赖性,在研究范围内,海拔、纬度越低,越靠近东南沿海地区,极端冷事件和极端热事件的变化趋势越大。此外,大尺度环流分析表明ENSO异常变化与华南地区极端气温关系密切,南海副高强度指数(SCSSHII)和西太平洋副高强度指数(WPSHII)对研究区极端气温事件具有明显贡献。
基于R/S分析方法的结果表明,研究区极端气温事件Hurst指数均大于0.5,分形维数D均小于1.5,说明其时间序列的强持续性,即未来变化趋势与过去的变化趋势相同。
参考文献:
[1]IPCC. Summary for policymakers,in climate change 2013:the physical science basis[R]. Cambridge:Cambridge University Press,2013.
[2]IPCC. Summary for Policymakers. Climate change 2014:impacts,adaptation,and vulnerability. Part A:Global and sectoral aspects[R]. Cambridge:Cambridge University Press,2014.
[3]Easterling D R,Meehl G A,Parmesan C,et al. Climate extremes:observations,modeling,and impacts[J]. Science,2000,289(5487):2068-2074.
[4]杜 军,路红亚,建 军.1961—2010年西藏极端气温事件的时空变化[J]. 地理学报,2013,68(9):1269-1280.
[5]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,2013,68(5):611-625.
[6]Alexander L V,Zhang X,Peterson T C,et al. Global observed changes in daily climate extremes of temperature and precipitation[J]. Journal of Geophysical Research:Atmospheres,2006,111(D5):D05109.
[7]Finkel J M,Katz J I. Changing world extreme temperature statistics[J]. International Journal of Climatology,2018,38(5):2613-2617.
[8]Tank A K,Peterson T C,Quadir D A,et al. Changes in daily temperature and precipitation extremes in central and South Asia[J]. Journal of Geophysical Research:Atmospheres,2006,111(D16):709-720.
[9]Choi G,Collins D,Ren G,et al. Changes in means and extreme events of temperature and precipitation in the Asia-Pacific Network region,1955—2007[J]. International Journal of Climatology,2010,29(13):1906-1925.
[10]Donat M G,Peterson T C,Brunet M,et al. Changes in extreme temperature and precipitation in the Arab region:Long-term trends and variability related to ENSO and NAO[J]. International Journal of Climatology,2014,34(3):581-592.
[11]Klein T G K,Nnen G P.Trends in indices of daily temperature and precipitation extremes in Europe,1946—1999[J]. Journal of Climate,2003,16(22):3665-3680.
[12]Rusticucci M,Barrucand M,Collazo S. Temperature extremes in the Argentina central region and their monthly relationship with the mean circulation and ENSO phases[J]. International Journal of Climatology,2017,37(6):3003-3017.
[13]Grotjahn R,Black R,Leung R,et al. North American extreme temperature events and related large scale meteorological patterns:A review of statistical methods,dynamics,modeling,and trends[J]. Climate Dynamics,2016,46(3):1151-1184.
[14]Finkel J M,Katz J I. Changing US extreme temperature statistics[J]. International Journal of Climatology,2017,37(13):4749-4755.
[15]Gruza G,Rankova E,Razuvaev V,et al. Indicators of climate change for the Russian federation[J]. Climatic Change,1999,42(1):219-242.
[16]Ding T,Qian W H,Yan Z W. Changes in hot days and heat waves in China during 1961—2007[J]. International Journal of Climatology,2010,30(10):1452-1462.
[17]Fang S,Qi Y,Han G,et al. Changing trends and abrupt features of extreme temperature in mainland China during 1960 to 2010[J]. Atmosphere,2016,7(2):979-1000.
[18]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]. Climate Dynamics,2011,36(11/12):2399-2417.
[19]Li Z X,He Y Q,Theakstone W H,et al. Altitude dependency of trends of daily climate extremes in southwestern China,1961—2008[J]. Journal of Geographical Sciences,2012,22(3):416-430.
[20]Wang W,Zhou W,Chen D. Summer high temperature extremes in Southeast China:Bonding with the El Nino-Southern Oscillation and East Asian summer monsoon coupled system[J]. Journal of Climate,2014,27(11):4122-4138.
[21]Yu Z,Li X. Recent trends in daily temperature extremes over northeastern China (1960—2011)[J]. Quaternary International,2015,380/381:35-48.
[22]李 琪,蘇 欢,史雨涵,等. 1961—2010年江浙沪地区夏季高温热浪时空变化特征[J]. 长江流域资源与环境,2016,25(3):506-513.
[23]史 军,丁一汇,崔林丽. 华东极端高温气候特征及成因分析[J]. 大气科学,2009,33(2):347-358.
[24]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):1720-1733.
[25]Wang B,Zhang M,Wei J,et al. Changes in extreme events of temperature and precipitation over Xinjiang,northwest China,during 1960—2009[J]. Quaternary International,2013,298:141-151.
[26]高文华,李开封,崔 豫.1960—2014年河南极端气温事件时空演变分析[J]. 地理科学,2017,37(8):1259-1269.
[27]黄小燕,王小平,王劲松,等. 1960—2013年中国沿海极端气温事件变化特征[J]. 地理科学,2016,36(4):612-620.
[28]Guan Y,Zhang X,Zheng F,et al. Trends and variability of daily temperature extremes during 1960—2012 in the Yangtze River Basin,China[J]. Global and Planetary Change,2015,124:79-94.
[29]Jiang C,Mu X,Wang F,et al. Analysis of extreme temperature events in the Qinling Mountains and surrounding area during 1960—2012[J]. Quaternary International,2016,392:155-167.
[30]Liang K,Peng B,Li J,et al. Variability of temperature extremes in the Yellow River basin during 1961—2011[J]. Quaternary International,2014,336:52-64.
[31]Zhong K,Zheng F,Wu H,et al. Dynamic changes in temperature extremes and their association with atmospheric circulation patterns in the Songhua River Basin,China[J]. Atmospheric Research,2017,190:77-88.
[32]刘青娥,吴孝情,陈晓宏,等. 珠江流域1960—2012年极端气温的时空变化特征[J]. 自然资源学报,2015,30(8):1356-1366.
[33]Sun X B,Ren G Y,Shrestha A B,et al. Changes in extreme temperature events over the Hindu Kush Himalaya during 1961—2015[J]. Advances in Climate Change Research,2017,8(3):157-165.
[34]贾文雄. 近50年来祁连山及河西走廊极端气温的季节变化特征[J]. 地理科学,2012,32(11):1377-1383.
[35]賈艳青,张 勃,张耀宗,等. 城市化对长三角地区极端气温影响的时空分异研究[J]. 自然资源学报,2017,32(5):814-828.
[36]张立伟,宋春英,延军平. 秦岭南北年极端气温的时空变化趋势研究[J]. 地理科学,2011,31(8):1007-1011.
[37]张 扬,白红英,苏 凯,等. 1960—2013年秦岭陕西段南北坡极端气温变化空间差异[J]. 地理学报,2018,73(7):1296-1308.
[38]赵安周,刘宪锋,朱秀芳,等. 1965—2013年黄土高原地区极端气温趋势变化及空间差异[J]. 地理研究,2016,35(4):639-652.
[39]崔林丽,史 军,周伟东.上海极端气温变化特征及其对城市化的响应[J]. 地理科学,2009,29(1):93-97.
[40]李双双,杨赛霓.1960—2014年北京极端气温事件变化特征[J]. 地理科学,2015,35(12):1640-1647.
[41]郑祚芳. 北京极端气温变化特征及其对城市化的响应[J]. 地理科学,2011,31(4):459-463.
[42]戴声佩,李海亮,罗红霞,等. 1960—2011年华南地区界限温度10 ℃积温时空变化分析[J]. 地理学报,2014,69(5):650-660.
[43]戴声佩,李海亮,刘海清,等. 全球气候变暖背景下华南地区农业气候资源时空变化特征[J]. 中国农业资源与区划,2014,35(1):52-60.
[44]陈 颖,张 灵,千怀遂.华南地区近53 a极端高温日数的变化特征及其区域差异[J]. 热带地理,2016,36(4):692-699,726.
[45]王亚伟,翟盘茂,田 华.近40年南方高温变化特征与2003年的高温事件[J]. 气象,2006,32(10):27-33.
[46]方宇凌,简茂球. 2003年夏季华南持续高温天气过程及热力诊断[J]. 热带海洋学报,2011,30(3):30-37.
[47]韩荣青,陈丽娟,李维京,等. 2—5月我国低温连阴雨和南方冷害时空特征[J]. 应用气象学报,2009,20(3):312-320.
[48]刘晓梅,高安宁,赵金彪. 2011年华南西部低温雨雪冰冻灾害特征与成因[J]. 自然灾害学报,2013,22(6):232-239.
[49]伍红雨,杜尧东.1961—2008年华南地区极端气温的非对称变化[J]. 生态学杂志,2010,29(11):2241-2248.