1960~2018年成都地区极端气温变化及城市化贡献分析

张小玲 , 刘梦娜 , 青 泉 , 邓中慈 , 华 明 , 张映豪

（1. 成都信息工程大学大气科学学院/高原大气与环境四川省重点实验室，成都 610225；2. 成都平原城市气象与环境四川省野外科学观测研究站，成都 610225；3. 四川省气象台/高原与盆地暴雨旱涝灾害四川省重点实验室，成都610072；4. 四川省成都市气象局，成都 610072；5. 中国民用航空西北地区空中交通管理局，西安 710082）

引言

近年来，全球变暖问题越发受到社会各界的关注，2019年世界气象组织发布的《2018年全球气候状况声明》提到：2015~2018年是自有气温记录以来最热的四年，其中2015~2016年遭遇了21世纪以来最强的厄尔尼诺现象，导致全球台风和雨带异常，直接导致了多起超强台风侵袭事件。有研究表明，全球变暖对极端气候事件的发生有显著影响。与气候基准值相比，当全球增暖2 ℃时，RCP4.5情景下青藏高原霜冻日数和冰封日数呈减少趋势，而暖夜日数和暖日日数呈增多趋势，中雨日数、强降水量、降水强度均增加，持续干期天数减少[1]。杜海波[2]分析指出在未来不同情景下，东北地区的降水和温度都呈现显著的增加趋势，极端最高温度和极端最低温度分别为增多和减少趋势。郑祚芳等[3]对北京地区的研究表明，与温度相关的极端天气事件的变化与区域气候变暖关系密切。近半个世纪以来，随着我国各地年平均地面气温的升高，热浪强度和频率呈上升趋势，20世纪80年代以后上升幅度较大[4]。杨萍等[5]研究发现，近40 a我国冷日指数和暖日指数具有不对称性，冷夜指数和暖夜指数具有较强的对称性。曹永强等[6]研究发现，近50 a辽宁省的极端高温事件呈上升趋势，极端低温事件呈下降趋势。

关于城市化进程对区域气候变暖的影响已经有诸多研究。Stott[7]将观测到的温度变化同模拟的温度变化进行比较。Sun等[8]对我国华东地区的研究发现，极端温度变化的影响因素中，由于人类活动所导致的影响占到了60%以上。Kim等[9]运用多模式气候模拟，对极端温度变化进行归因分析后也肯定了人类活动对区域极端温度变暖的贡献。城市化作用使年平均气温与年极端最低气温明显增暖，这种都市化增暖效应随着城市人口增长而更加明显[10]。同时，城市化加剧了冷指数日数的减少和暖指数日数的增加，使最低气温的极值明显升高[11]。任玉玉等[12]在综述城市化对地面气温变化趋势影响中指出，因城市化所致热岛效应增强对平均气温以及最低气温增温趋势的贡献均超过10%，对温度日较差下降趋势的贡献超过20%。另外，城市热岛效应不仅影响夏季高温分布，也使得高温强度明显增大[13]，特别是夜间更为显著的热岛效应使得城区夜晚降温变缓，导致城市居民在白天和夜晚经历持续的高强度热胁迫[13-14]。城市化对气温变化以及分布的影响在冬、春季比夏、秋季更显著[15]。Smoyer等[16]研究表明城市热岛效应以及极端气温事件的频发，可能会导致城市居民疾病发病率和死亡率的上升，造成城市居民比非城市居民面临着更大的风险。

自1990年以来，成都市一直在经历快速的经济增长和城市化进程。快速的城市化进程使极端气温风险大大增加[17-19]。城市化的扩张、人口增长以及机动车保有量的增加，改变了土地利用和土地覆盖，增加了不透水地表面积和人为热排放，使得城市地表温度异常变化随之增强[20]。但针对成都地区快速发展的城市化进程中极端气温事件以及城市化影响的作用研究相对滞后，亟待加强。因此，本文拟利用长时间地面气温的观测资料，分析成都地区的极端气温事件以及城市化影响贡献率，以期为认识气候变暖背景下城市化发展的影响以及制定相应的减缓措施提供科学依据。

1 资料与方法

1.1 研究资料

本文选取了1960~2018年成都地区13个地面常规气象站逐日的气温数据（包括日平均气温、日最高气温和日最低气温），数据来源于四川省气象台。由于简阳市2016年才并入成都，本文没有考虑简阳市。

1.2 研究方法

1.2.1 极端气温指数定义

对于极端气温事件的定义，采取了两种方法，分别是绝对阈值法和百分比阈值法。绝对阈值法是指选取某一固定值作为极端事件中极值的阈值，我国通常将日最高温度在35℃以上的日数作为高温日数，将日最低温度低于0℃的日数作为霜冻日数。百分比阈值法参考定义的极端温度指数概念[21]，即分别将单个站点1960~2018年中同日的最高温度和最低温度进行排序，取该日第95%（5%）分位的温度值作为极端高温事件、极端低温事件的上（下）阈值，由此得到暖日指数、冷日指数、暖夜指数、冷夜指数四类指数。选取一年内的最低气温和最高气温定义为年内日最低气温和年内日最高气温。具体定义见表1。

表1 极端气温指数定义

1.2.2 城市化影响定义

城市化影响指极端气温指数线性趋势中城市热岛效应因素导致的变化[22]，用 ΔXur表示，即：

式中：Xu为 城区站极端气温指数的变化趋势；Xr为 郊区站极端气温指数的变化趋势。

城市化影响贡献率是指通过显著性检验的城市化影响在极端气温指数趋势变化中所占的比率，用Eu表示，即：

1.2.3 分析方法

本文主要利用统计方法对逐日气温以及极端气温指数进行分析，对于空间分布特征及图形处理是利用ArcGIS软件，使用反距离加权平均的方法进行插值处理和绘图分析。采用基本拟合的方法对气温指数和极端气温指数进行拟合处理，以此分析年际变化，并使用t检验法对线性趋势进行显著性水平检验。线性倾向估计，即建立气候变量与时间序列之间的一元线性关系：

式中：a为 线性回归常数；b为 线性倾向系数，Xi与Ti相对应；i=1,2,3...,n；n为样本量。

2 极端气温时空变化特征

2.1 平均气温时空分布

由于山脉、海拔等地理因素的影响，成都地区地面气温具有明显的空间差异（图1），即西北部气温低于东南部。从平均气温空间分布看，位于东部地区的金堂平均气温最高，多年平均约为17℃，新津、邛崃也是成都市多年平均气温的高值中心；西北部都江堰平均气温最低，约为15℃，另外彭州、郫县、温江等地气温也相对偏低。

图1 1960~2018年成都地区年平均气温空间分布

图2为成都地区1960~2018年平均气温距平时间序列。如图所示，1997年以前，成都地区年平均气温基本为负距平，尤其是1976年和1984年距平值达到-0.84℃；20世纪80年代成都地区年平均气温普遍低于多年平均值；1997年以后，成都地区年平均气温距平以正距平为主，其中2006年气温距平值最高（0.9℃），2000、2011和2014年气温接近多年平均值。

图2 1960~2018年成都地区年平均气温距平时间变化特征

2.2 极端气温空间分布

2.2.1 绝对阈值法定义的极端气温空间分布

图3是成都地区1960~2018年极端气温的多年平均空间分布。从年内日最低气温场（图3a）可知，温江、郫县、彭州、大邑等站点的年内日最低气温最低，达到-3℃以下，都江堰的最低气温为-2.5℃左右；蒲江、新津、金堂的年内日最低气温最高，在-2℃以上。从年内日最高气温场（图3b）看出，金堂、新津均为成都地区的日最高气温高值区，平均接近36℃，而低值区则出现在都江堰。

图3 1960~2018年成都地区极端气温多年平均空间分布（a. 年内日最低气温、b. 年内日最高气温）

图4是成都地区1960~2018年霜冻日数和高温日数的空间分布。如图4a所示，1960~2018年成都地区平均每年发生极端低温事件最多的地区是在温江，每年霜冻日数达到13 d，郫县、彭州也在12 d以上；最少则是在蒲江、新津、金堂等站，每年霜冻日数不足6 d。如图4b所示，高温日发生最多的区域位于金堂，每年基本能达到5 d，都江堰极少出现极端高温天气。

图4 1960~2018年成都地区多年平均霜冻日数（a）、高温日数（b）空间分布

2.2.2 百分比阈值法定义的极端气温空间分布

从4个极端气温指数强度的空间分布（图5）可以看出：冷日指数强度与冷夜指数强度最大值均位于都江堰，暖日指数和暖夜指数强度最大值分别位于金堂和双流；其中，冷日指数强度区域差异显著，冷夜指数强度分布则相对均衡。

图5 1960~2018年成都地区多年平均极端气温指数强度空间分布（ a. 冷日指数，b. 暖日指数，c. 冷夜指数，d. 暖夜指数）

2.3 极端气温年际变化

2.3.1 绝对阈值法分析极端气温的年变化

图6a给出了1960~2018年成都地区霜冻日数、高温日数的变化趋势和线性拟合结果。如图所示，成都地区霜冻日数波动十分剧烈，高峰与低谷交错出现；高温日数在1960~1995年几乎为0，1995年以后高温日数迅速增多，2006年出现超过13 d的极大值，2017年有近11 d出现高温；霜冻日数呈逐年下降的趋势，气候倾向率约为-0.13 d/a；高温日数总体呈现上升趋势，气候倾向率约为0.09 d/a，尤其是近20 a高温日数增加显著。

图6b给出了1960~2018年成都地区年内日最低气温、年内日最高气温的变化趋势和线性拟合结果。如图所示，1960~2018年成都地区年内日最低气温和年内日最高气温均呈显著增大趋势，其中日最高气温比日最低气温增长更为迅速，与近年来极端高温事件显著增多和整体气温呈现增长趋势一致；值得注意的是，年内日最低气温出现了几个显著的极低值，分别在1975、1991和2016年，表明这三年成都冬季出现极端低温现象较多；年内日最高气温的极大值出现在2016年，说明该年发生极端高温事件的频率比较大。

图6 1960~2018年成都地区霜冻日数、高温日数（a）和年内日最低气温、年内日最高气温（b）的逐年变化

成都地区属于亚热带季风气候，多云和雾，日照时间短，雨水丰富，空气湿度大。因此，夏天虽然异常闷热，但气温不高（最高温度一般不超过35℃），高温日的通用定义对于成都的极端温度研究意义不大。因此，本文分别以34℃、33℃、32℃作为高温日阈值研究成都地区日最高气温的年际变化及线性拟合趋势，结果如图7所示。对比可知，以32℃为阈值定义极端高温日时，日最高气温变化趋势最为显著。1980~1990年成都地区的极端高温日数均有明显的下降，1994年以后极端高温日数呈显著增加趋势。尤其是2007年，不管是以哪个温度作为高温日绝对阈值的定义，高温日数均异常偏多，超过34℃、33℃、32℃的高温日数分别为25 d、43 d和57 d。

图7 成都地区日最高气温分别高于34℃、33℃、32℃的多站平均日数

2.3.2 百分比阈值法分析极端气温的年变化

根据表1对极端气温指数的定义，计算得到成都地区冷日指数、暖日指数、冷夜指数及暖夜指数的变化趋势和线性拟合结果（图8）。如图所示，冷日指数和冷夜指数均呈下降趋势，而暖日指数和暖夜指数均呈上升趋势，此结论与周亚清等[11]对华北地区极端气温的研究以及罗玉等[23]对西南地区极端气温变化趋势的研究结论一致。从这4个极端气温指数的变率分析可知：成都地区昼夜极端温差有增大的趋势，暖日愈暖、冷夜愈冷，极端气温事件的发生频率增多，极端气温和气候变化对于生产生活的影响可能也会愈发明显。

图8 1960~2018年成都地区冷日指数、暖日指数（a）和冷夜指数、暖夜指数（b）的逐年变化

3 城市化发展及其对极端温度的贡献

3.1 成都地区各区县人口与经济发展情况

根据成都市统计局公布的统计数据，成都地区地面常规气象站所在的13个区县（由于成都中心城区没有常规的连续观测数据，因此没有考虑中心城区）的社会经济发展数据，利用2008年和2018年的数据计算得到了近10 a成都地区13个区县的地区生产总值增长率以及人口增长率（图9）。总体上，人口增长与经济增长有比较好的对应关系。其中，龙泉驿区平均地区生产总值的增长速度（108.41亿元/a）和年末户籍总人口的增长速度（13390.5人/a）分别位居首位与次席；双流区的户籍人口增长速度最大（36804.0人/a）；崇州市、邛崃市以及大邑县近10 a人口增长为负值，地区生产总值增速也仅为20亿元/a；蒲江县的经济增长速度最为缓慢。本文根据这2个指标近10 a的增长速度对比，筛选出代表城区和郊区的几个站点。将增长速度位于前5名的龙泉驿区、新都区、双流区、郫都区、温江区五个区县作为城区代表站；而将增长速度缓慢的蒲江市、大邑县、邛崃市、崇州市作为郊区代表站。

图9 成都市13个区县2008~2018年地区生产总值增长率与户籍总人口增长率

3.2 成都地区城区与郊区气温变化趋势

根据筛选出的城区站和郊区站，计算得到城区和郊区年平均气温距平以及拟合曲线（图10）。如图所示，城区站与郊区站的平均气温均呈升高趋势，城区站平均气温增长率明显高于郊区站，这表明城市化的快速发展对温度的影响显著。

图10 成都地区1980~2018年城区和郊区站平均气温距平

图11为成都地区1980~2018年城区站和郊区站最低气温、最高气温距平及拟合曲线。如图所示，近40 a最低气温、最高气温均呈明显上升的趋势。城区站最低气温上升趋势更明显，且气温升高的速率明显高于郊区站，城区和郊区最低气温距平的变化趋势与平均气温的趋势基本一致。城区站与郊区站最高气温的变化差异并不明显，均呈现上升趋势，2015年以后，城区站的最高气温距平高于郊区站。

图11 成都地区1980~2018年城区站和郊区站最低气温（a）、 最高气温（b）距平及拟合曲线

图12给出了成都地区1980~2018年城区站和郊区站极端气温指数距平及拟合曲线。就冷日指数和冷夜指数来看（图12a、b），城区站与郊区站均呈减少趋势；城区冷日指数的减少速率略大于郊区，冷夜指数表现出相似的特征，且更为显著；2008年以前，城区冷夜指数普遍高于郊区冷夜指数。就暖日指数和暖夜指数（图12c、d）来看，城区站与郊区站均呈增加趋势，城区暖夜指数的增加速率高于郊区；2010年以后，城区暖夜指数明显大于郊区暖夜指数，2015年以后尤其显著。

图12 成都地区1980~2018年城区站和郊区站极端气温指数距平及拟合曲线（ a. 冷日指数 ，b. 冷夜指数，c. 暖日指数 ，d. 暖夜指数）

3.3 城市化对极端气温的贡献

采用线性倾向估计的方法分别计算得到城区和郊区气温以及极端气温指数的线性趋势，使用T检验法进行显著性检验，并计算城市化对4类极端气温指数的影响和贡献率（对于未通过显著性检验的量，不计算城市化影响贡献率）。表2为1980~2018年成都地区极端气温指数的线性趋势及城市化影响贡献率。可以看到，城市化对于最低气温、冷夜指数的影响贡献率较大，分别达到了34.00%和45.81%；对暖夜指数的贡献率为26.88%；对最高气温的贡献率较小；另外，城市化对暖夜指数有正贡献，对冷夜指数有负贡献。

表2 1980~2018年成都地区极端气温指数线性趋势及城市化影响

4 结论

本文利用成都地区1960~2018年地面气温观测数据，分别使用绝对阈值法和百分比阈值法定义的极端气温事件，揭示了极端气温的时空变化特征和变化趋势，并分析了近40 a城市化对极端气温变化的贡献，得到如下结论：

（1）成都地区的地面气温分布具有明显的空间差异，东部的金堂、新津是明显的温度高值区，高温事件的发生频率也高；西北部的彭州、郫县、都江堰则相反，霜冻日数较多、高温日数较少，年内日最低与年内日最高气温也表现出明显的低值现象。

（2）1960~2018年成都地区整体气温呈上升趋势，1997年前后气温有一个明显的突变。1997年以前成都地区的年平均气温、最低气温和最高气温距平基本为负值；1997年以后，成都地区的年平均气温距平基本为正距平，且距平值有逐渐增大的趋势。

（3）1960~2018年成都地区的极端气温具有明显的年际变化。霜冻日数逐渐减少，高温日数逐渐增多，整体气温呈现上升趋势，极端高温事件增多明显。成都地区冷日指数以及冷夜指数均呈现下降趋势，而暖日指数以及暖夜指数均呈现上升趋势。

（4）1980~2018年成都地区城区站平均气温和最低气温的增长率都明显高于郊区站，城区站的冷日指数和冷夜指数的减少速率大于郊区站，且城区站的暖夜指数的增加速率明显高于郊区站。城市化对城区的平均气温和最低气温的增暖效应有明显影响，对最高气温的贡献不明显。成都地区城市化对最低气温、冷夜指数和暖夜指数的贡献率分别为34.00%、45.81%和26.88%。