四川盆地极端气温事件时空变化特征及未来趋势

李谢辉, 刘子堂,2

(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.石河子市人工影响天气办公室, 新疆 石河子 832000)

20世纪以来，在由全球变暖导致的极端天气和气候事件频发和增强中，极端气温事件被认为是全球变暖的主要表现之一，其影响范围之大已囊括全世界。如，Alexander等研究证实，全球变暖导致全球大部分地区冷夜日数显著减少，而暖夜日数显著增加[1-3]，且在最近几十年，全球热浪和寒流事件发生频率分别增加了2.7倍和6.4倍[4-5]。Diffenbaugh等研究发现，在历史变暖的过程中，可在>80%的全球可用观测区域内，观测到年最热月份和年最热天数在程度和频率上有明显的增加；模式结果还表明，历史气候强迫则使最干旱年份和5日最大降水的发生概率增加，分别在全球可用观测区域中增加了57%和41%[6]。Grotjahn等采用POT(Peaks over Threshold)间接拟合GEV(Generalized Extreme Value)的方法对北美地区进行研究，其结果表明日最低温度的冷尾部分出现的变暖区域最宽；在美国许多地区，变暖的积极趋势显而易见，有些地区具有超过90%置信度的统计学意义[7]。学者们在对欧洲地中海[8]、亚太[9-10]、俄罗斯[11]、墨西哥[12]、非洲西部[13]、印度尼西亚等[14]区域的相关研究中也都呈现出不同程度的类似增加趋势。对中国的研究也呈现出了相同的结果，且同时证明了冷夜指数和暖夜指数在中国绝大部分地区呈现出变化强度相仿、变化趋势相反的特征，具有较好的对称性；日夜温度变化则表现出明显的不对称性，同时日较差呈变小的趋势，直接影响了温度极值的变化，并且在一定程度上加剧了水循环的过程，改变了水资源的分配[15-17]。

四川盆地位于我国西南部，是中国四大盆地之一，其不仅是我国重要的人口密集和农业区，也是成渝地区双城经济圈的重要区域。四川盆地属于亚热带季风性湿润气候，气温东高西低，南高北低，年内降水量分配不均，70%～75%的降水集中于夏季，近年来，盆地内极端气温事件频发，典型事件如四川和重庆部分地区在2006—2007年发生的特旱，其中重庆因旱农作物受灾面积为132.7万hm2，直接经济损失达90.7亿元，四川农作物成灾面积为116.6万hm2，伏旱造成直接经济损失达125.7亿元[18]。之后，2012年10月—2013年3月上旬，四川和重庆等地的严重干旱，以及后续的秋冬春连旱，2015—2019年的阶段性局地重特旱，特别是2017年夏季四川盆地的持久高温大旱，其气温高达44℃，是当地自1951年有气象记录以来最严重的一次；而重庆地区也在2017年遭遇了60年不遇的大旱，是有气象记录以来最长时间的伏旱，这些都对四川盆地及西南地区造成了巨大的经济损失，对人民生命财产安全造成了严重威胁。

由于全球气候变化在不同地理区域和纬度上的变化不同，在与四川盆地大致相同纬度带的研究中，Oscar等在对墨西哥部分地区与温度有关指数的重要变化分析表明，最高气温上升，最低气温下降[12]；高佳佳等利用拉萨市1961—2014年逐日最高和最低气温数据的分析表明，近54年来拉萨市极端高温指数变化幅度不大，而极端低温指数逐年增高，极端高温发生频次呈现增加趋势，极端低温则总体呈现减少趋势[19]。目前，已有部分学者对西南地区和四川省的极端气温事件进行了一些研究[20-22]，但还缺乏针对在全球变暖背景下极端气温事件频发，且更小尺度区域四川盆地的细致和较全面研究。因此，本文通过选取和计算由WMO推荐的10个极端气温指数，首先对四川盆地1970—2019年的10个极端气温指数进行时空变化特征分析，然后采用Mann-Kendall和滑动T检验进行突变特征分析，并对极端气温指数与地理因子的关系进行讨论，最后利用Hurst指数对四川盆地的未来极端气温事件的趋势进行预测分析。其研究结果能为中国西部川渝经济区在应对气候变暖背景下的防旱抗旱措施制定提供重要的科学参考决策和理论依据。

1 研究区概况

四川盆地(26°03′—34°19′N，97°21′—108°33′E)地处青藏高原东部，长江上游地带，主要包括了四川省中东部和重庆大部分地区，总面积约26万km2。由于所处地形整体比较封闭，北部存在高大山脉秦岭，阻挡了冷空气的进入，冬季盆地内的气温高于同纬度其他地区；盆地内部常年多雾且湿气较重，阴雨天气在盆地内较多，且日照时数和太阳辐射均为全国较低值[23]。图1是本文所选研究区的地理位置和海拔高度图。

图1 四川盆地气象站点分布和海拔高度

2 数据资料与研究方法

2.1 数据来源

本文根据中国气象数据网(http:∥data.cma.cn/)所提供的四川盆地内均匀分布的14个气象站点(图1)1970—2019年的逐日气温数据进行分析，由于该数据采用了内部一致性检查、气候界限值检查、台站极值检查3种质量控制方法，通过对个别缺失数据进行插补处理，能保证修正后数据的科学性、准确性和连续性。统计可知，1970—2019年间14个气象站的年平均气温为17.7℃，年平均最低气温为14.0℃，年平均最高气温为21.4℃；50 a中的最低气温出现在四川的万源站，为-9.4℃(1975年12月15日)，最高气温出现在重庆的沙坪坝站，为43℃(2006年8月15日)，最低气温的标准差为7.2，最高气温的标准差为8.6。

2.2 极端气温指数

由于极端气温指数的变化比使用平均值更适合监测、检测和分析气候变化的影响，因此本文采用由世界气象组织WMO推荐的10个表征极端气候变化的温度指数来进行分析，具体见表1。

表1 所选10个极端气温指数定义

2.3 研究方法

利用线性倾向法对四川盆地近50年的10个极端气温指数时间序列进行拟合，在ArcGIS 10环境下，利用普通克里金插值法绘制四川盆地近50年的10个极端气温指数空间分布；为减少单一突变方法检验的不准确性，采用Mann-Kendall趋势检验[24-25]和滑动T检验[24]两种方法互相验证对近50年的10个极端气温指数突变特征进行分析；为具体了解极端气温指数与地理因子的关系，通过计算相关系数对10个极端气温指数与经纬度和海拔高度之间的相关性进行分析；由于用重标极差法(R/S分析法)[26]得到的Hurst指数可以衡量一个时间序列的统计相关性，并可对长期记忆过程进行分析，因此利用近年来在气候预测方面有较多应用的Hurst指数估计方法(R/S分析法)对四川盆地极端气温指数的未来变化趋势进行预测。

3 结果与分析

3.1 时间变化趋势

图2为四川盆地内10个极端气温指数在1970—2019年随时间变化的线性趋势结果，其中，除了最小日最高气温Txn通过了0.05的显著性水平检验，其他9个指数都通过了0.01的显著性水平检验，趋势变化明显。

图2 1970-2019年四川盆地10个极端气温指数的年际变化趋势

可以看出，除霜日日数FD、冷夜日数Tn10和冷昼日数Tx10分别以1.008 d/10 a，2.794 d/10 a和 1.475 d/10 a的速率下降外，其他7个指数Tnn，Tnx，SU，Txn，Txx，Tn90和Tx90都分别以0.333℃/10 a，0.254℃/10 a，4.625 d/10 a，0.262℃/10 a，0.413℃/10 a，3.174 d/10 a，3.845 d/10 a呈现上升趋势。其中，最小日最低温度Tnn、最大日最低温度Tnx、最小日最高温度Txn、最大日最高温度Txx的增加表明在近50年内四川盆地的气温极值都以增加为主。5个极端冷指数FD，Tnn，Tnx，Tn10和Tx10均呈现温度上升或日数减少的趋势，一致具有暖化特征；5个极端暖指数SU，Txn，Txx，Tn90和Tx90与5个极端冷指数相互印证，均呈现暖化的趋势；不同类型指数在变化幅度上表现出较强的差异，暖指数中的SU和Tx90日数变动幅度大于其他极端气温指数。总之，在近50年内，四川盆地的极端气温指数都呈现暖化趋势，是全球变暖的正响应区。

3.2 空间分布特征

图3为四川盆地近50年中10个极端气温指数的空间分布情况。可以看出，霜日日数FD主要出现在四川盆地的北部(广元和万源)，50年平均日数最多可达28 d，南部较少，一些地区为0 d；最小日最低温度Tnn和最大日最低气温Tnx都是盆地南部高于盆地北部和西北部，其中位于重庆市的沙坪坝地区最高，可分别为1.37℃和29.46℃；冷夜日数Tn10和冷昼日数Tx10表现为盆地的西部(温江和都江堰)最多，多于东部和其他地区，其地区的最高和最低日数分别相差为2.33 d和6.26 d；夏日日数SU、最小日最高温度Txn和最大日最高温度Txx这3个指数的空间分布基本一致，都表现为盆地东部高于盆地西部和北部，其中万州和沙坪坝地区较高，3个指数的最高值分别为158.79 d，6.32℃和39.88℃，都江堰、温江、万源地区较低，3个指数的最低值可达110.01 d，1.81℃和33.55℃；暖夜日数Tn90和暖昼日数Tx90都表现为盆地东部高于西部，最低值位于温江和都江堰地区，其地区的最高和最低日数分别相差为2.21 d和6.32 d，并与Tn10和Tx10的空间分布相对应。总体而言，FD从南向北增加，Tnn和Tnx从南向北减少，都与纬度对应；Tn10和Tx10从东向西增加，SU，Txn，Txx，Tn90和Tx90从东向西减少，都与经度和海拔高度对应；整体上，5个极端冷指数表现为盆地的北部和西部高于南部和中东部地区，其中四川的温江和都江堰地区普遍较低，5个极端暖指数表现为盆地的中东部高于西部和北部地区，其中重庆市的万州和沙坪坝地区普遍较高。

3.3 突变特征

图4—5分别为利用M-K突变检验和步长为5的滑动T检验对10个极端气温指数的检验结果。

由四川盆地近50年中10个极端气温指数的M-K和滑动T检验两种方法综合判断的结果表明，除了冷昼日数Tx10存在综合突变年外，其余9个指数都未检测到综合突变年。由图4可以看出Tx10在1970—2004年呈现出上升趋势，其中在1985—1995年超过了显著性水平0.05的临界线，表现出显著上升趋势，之后呈现下降趋势，UF下降，UB上升，且两统计值在2012年存在交点，并在临界线内，表明由M-K方法检验出Tx10在2012年发生了突变；对应滑动T检验(图5)的结果可知，统计值在1970—1979年下降，且在1979年、1980年超过了0.05显著线，之后呈现上升趋势，特别是在2010年之后呈现显著上升趋势，并在2011年、2012年超过了0.05显著线，由滑动T检验出存在1979年、1980年、2011年、2012年、2014年5个突变年，但综合二者检验结果印证可知，Tx10只存在2012年一个真实突变年。对所有10个极端气温指数的综合分析表明，在1970—2019年只有1个指数Tx10存在突变年(2012年)，其余9个指数都无明显突变年，即在近50年里四川盆地的极端气温并无明显突变，但于20世纪初期有平稳上升的趋势。

3.4 极端气温指数与地理因子关系分析

表2列出了10个极端气温指数与经纬度和海拔高度之间的相关系数，所有结果都通过了0.01的显著性水平检验，相关性显著。

可以看出，Tnn，Tn10，Tx10这3个极端冷指数与经度呈负相关，其余7个指数FD，Tnx，SU，Txn，Txx，Tn90，Tx90与经度呈正相关，Txx与经度的正相关系数最大，为0.696；10个指数中有3个指数FD，Tn90，Tx90与纬度呈正相关，其余7个指数Tnn，Tnx，Tn10，Tx10，SU，Txn，Txx与纬度呈负相关，Tnn与纬度的负相关系数最大，为-0.826；3个极端冷指数FD，Tn10，Tx10与海拔高度呈正相关，其余7个指数Tnn，Tnx，SU，Txn，Txx，Tn90，Tx90与海拔高度呈负相关，Txn与海拔高度的负相关系数最大，为-0.893。综合分析结果表明，极端气温指数的变化主要与经度呈正相关，自西向东随经度的增加而增大；主要与纬度呈负相关，随纬度从南向北递减；与海拔高度呈负相关，随海拔高度的升高而降低，即经度越大，纬度越低，海拔高度越低，极端气温指数值变化越大，体现为盆地的东南部地区极端气温事件变化最大，其结果与前述时空变化特征分析相对应。

3.5 极端气温指数的未来变化趋势

为探讨四川盆地极端气温指数的未来变化趋势，本文分别计算了10个极端气温指数的Hurst指数，结果见表3，主要通过过去趋势变化和Hurst指数对未来极端气温指数的总体变化趋势进行预测。

图3 1970-2019年四川盆地极端气温指数的空间分布

图5 四川盆地1970-2019年10个极端气温指数的滑动T检验

表2 极端气温指数与地理因子的相关性分析

可以看出，除了Txn的Hurst指数小于0.5，为0.476，其余9个极端气温指数的Hurst指数都大于0.5。而当Hurst<0.5，则时间序列表现出反持久性的或逆状态持续性的，很有可能是记忆的转弱和反转的开始，即未来的变化趋势会呈现出与过去相反的趋势变化，且Hurst指数越接近于0，反持续性越强，因此Txn的结果表明在未来时期，年内日最高气温的最小值将呈现弱的减少趋势；而当Hurst>0.5，反映了序列中隐藏的长期趋势，即长期记忆强，具有正效应，继续保持现有趋势的可能性强，且越接近于1，持续性越强，因此其余9个指数的结果表明在未来时期，霜日日数、冷夜日数、冷昼日数3个极端冷指数将继续减少，年内日最低气温的最小值、年内日最低气温的最大值、夏日日数、最大日最高气温、暖夜日数、暖昼日数将继续增加。总体来说，未来四川盆地的冷事件减少，暖事件增加，极端气温事件将继续呈现增加趋势。

表3 10个极端气温指数的Hurst指数

4 讨论与结论

4.1 讨 论

本文研究结果表明近50年来四川盆地的10个极端气温指数都呈现出显著暖化趋势，在将此结论与已有袁文德[20]、罗玉[21]、孙晨[22]、贾艳青[27]等对西南地区和四川省极端气温的相关研究进行对比后发现，本文得到的关于极端气温事件在近50 a的时空整体变化趋势与他们研究内容中涉及到的四川盆地结论较一致，即，冷系列极端气温指数整体上呈现暖化趋势，暖系列极端气温指数整体上呈现上升趋势，气候变暖趋势明显，然而由于研究区所选范围的不同，所选时间研究尺度和极端气温指数的不同，在时空变化的范围幅度值上有所差异，同时对四川盆地来说，极端低温的增温幅度是小于极端高温的增幅，这个结论与已有对西南地区极端气温的研究刚好相反，这和两者的研究区域选取和地形差异有很大关系。同时本文还结合M-K和滑动T检验两种方法对突变特征和未来趋势进行了研究，相比其他类似分析更加全面具体和细致。然而，在对引起极端气温事件的原因进行分析时，本文仅对极端气温指数和地理因子的相关性进行讨论还不够全面，由于影响极端气温事件的原因众多而且复杂，未来还可进一步从自然和人为两大因素中挑选主要因子进行更全面的分析，在对未来趋势的预测上，也可以结合CMIP6的未来模式预估数据，通过统计和动力降尺度方法，对未来不同情景下的极端温度事件进行预估，这些都将是后续可进一步深入开展的工作。

4.2 结 论

(1) 近50年内，四川盆地的极端气温指数都呈现暖化趋势，是全球变暖的正响应区。5个极端暖指数SU，Txn，Txx，Tn90，Tx90与5个极端冷指数FD，Tnn，Tnx，Tn10，Tx10相互印证，均呈现暖化的趋势；不同类型指数在变化幅度上表现出较强的差异，暖指数中的SU和Tx90日数变动幅度大于其他极端气温指数。

(2) 5个极端冷指数表现为盆地的北部和西部高于南部和中东部地区，其中四川的温江和都江堰地区普遍较低，5个极端暖指数表现为盆地的中东部高于西部和北部地区，其中重庆市的万州和沙坪坝地区普遍较高。

(3) 在1970—2019年只有1个极端气温指数Tx10存在突变年(2012年)，其余9个极端气温指数都无明显突变年，即在近50年里四川盆地的极端气温并无明显突变，但于20世纪初期有平稳上升的趋势。

(4) 四川盆地内极端气温指数的变化主要与经度呈正相关，自西向东随经度的增加而增大；主要与纬度呈负相关，随纬度从南向北递减；与海拔高度呈负相关，随海拔高度的升高而降低，即经度越大，纬度越低，海拔高度越低，极端气温指数值变化越大，体现为盆地的东南部地区极端气温事件变化最大。

(5) Hurst指数分析表明，在未来时期，Txn将呈现弱的减少趋势；FD，Tn10，Tx10这3个极端冷指数将继续减少，Tnn，Tnx，SU，Txx，Tn90和Tx90将继续增加。总体来说，未来四川盆地的冷事件减少，暖事件增加，极端气温事件将继续呈现增加趋势。