城市化和西太平洋副热带高压增强对中国复合热浪的协同作用

高焕妍 沈新勇 董伟 赵亮 罗亚丽 王咏青

摘要  基于黑球湿球温度识别了中国复合热浪，并定量分析了城市化和西太平洋副热带高压（简称西太副高）对中国复合热浪的协同作用。结果表明：1979—2019年中国复合热浪的发生天数、强度和影响范围都在逐步上升，尤其在2010年以后出现跃升，比20世纪80年代增大了4倍左右;城市化快速发展和西太副高增强协同加剧了中国复合热浪;较早发展的城市化对热浪天数、强度、范围增长的贡献分别是9.2％、12.5％、7.5％，而同期西太副高的增强对三类热浪指数有约30％的正贡献，甚至在考虑全球变暖对西太副高的加强作用时，西太副高的贡献增至70％左右。这表明，快速发展的城市化和全球变暖背景下增强的西太副高的协同作用可以解释80％以上21世纪初中国复合热浪的跃升。

关键词  复合热浪; 城市化; 西太平洋副热带高压; 协同作用

中国高温热浪在最近几十年变得更加频繁和持久（沈皓俊等，2018;张嘉仪和钱诚，2020），尤其是华南和西南等地区热浪显著增多（贾佳和胡泽勇，2017;沈皓俊等，2018）。其次，新疆、长江中下游以南地区也受到热浪的严重影响，为热浪频次高值区（Ding et al.，2010）。全球变暖进一步使得热浪强度增强、持续时间不断增加，人们正暴露在更加炎热的环境中（Liao et al.，2018;余荣和翟盘茂，2021）。当高温超过了人体耐受极限，可能会对人们的生命健康造成威胁，给人类带来疾病与死亡（Sherwood and Huber，2010;Ma et al.，2015）。Yang et al.（2013）对广州2015年7月13—24日发生的一次较强热浪事件进行了研究，发现热浪持续期间死亡人数比参考时段（2015年7月22—27日及8月9—14日）增长了145人。热浪不仅会对人体健康产生威胁，还可能对社会经济和生态系统的许多方面造成重大影响。比如，2013年，中国东部经历了20世纪60年代以来最炎热的夏季，大范围、持续时间长的极端高温热浪席卷了当地，严重影响了社会和经济的稳定发展（Sun et al.，2014），造成的直接损失达到了5.9亿人民币（Hou et al.，2014）。鉴于高温热浪对社会发展和人体健康的影响如此之大，而中国高温热浪正在不断加强，所以深入研究热浪的特征及成因有利于适应并减轻其对人类健康和经济发展造成的不利影响。

之前对于热浪的大部分研究只考虑了单一要素温度来识别热浪（Meehl and Tebaldi，2004;Anderson and Bell，2011;Lau and Nath，2012;郑雪梅等，2016）。然而近几年有一些研究表明，高湿度环境会限制人体散热效率，并放大高温热浪事件的强度和影响，给人体健康带来更多危害。所以同时考虑温度和湿度去识别高温热浪更有利于帮助人们抵御热浪的侵袭（Ostro et al.，2009;Sherwood and Huber，2010;Mora et al.，2017;陈曦等，2020）。此外，高湿对极端高温有增强放大作用，潮湿环境下中国热浪的发生频率比干燥环境高20％，且高湿度使得热浪频次、强度、持续时间展现出更显著的增长趋势（Fischer and Knutti，2013;Liao et al.，2018;Xu et al.，2020）。在潮湿地区，仅基于温度定义的热浪变化特征分析可能低估了热浪的严重程度以及其给人类健康带来的危害（Russo et al.，2017），这些结果说明综合多种气象要素（温度、湿度等）去定义、分析热浪是十分必要的。黑球湿球温度（WBGT，Wet-Bulb Globe Temperature）作为衡量人体热应激的一个重要指数（ISO，2017;Andrews et al.，2018），它综合考虑了温度、湿度、风速、辐射的共同作用，曾被美国军队用于识别人体可能遭受热应激的环境条件，以采取措施进行预防和保护，减少伤亡（Liljegren et al.，2008）。目前已有少量学者开始用WBGT定义复合型高温热浪，并针对这种复合型热浪的变化特征进行初步的检测分析（Hanna et al.，2015;Knutson and Ploshay，2016;Lee and Min，2018;Heo and Bell，2019），然而这些研究大多采用简化版WBGT公式（只考虑温度和湿度），并未在四类气象要素综合考虑的情况下识别热浪。因此有必要严格从WBGT定义出发去识别热浪，并进一步揭示其基本特征及成因等。

全球变暖大背景下，城市化和大气环流异常是热浪频繁发生的两个重要驱动因子（Liao et al.，2018;焦敏等，2019;Liu et al.，2019;王倩等，2019）。首先，城市化作为一个对极端高温具有重要影响的因子，其热岛效应会对热浪有显著增强的作用（Yang et al.，2017;马红云等，2018;袁宇锋和翟盘茂，2022）。改革开放以来，中国城市化快速发展，城镇化水平有了较大幅度的提高，在东南部区域形成了目前国内经济最为发达的长江三角洲和珠江三角洲城市群，還形成了川渝、长江中游、海峡西岸、关中、中原等多个城市群（李恒，2019）。城市面积扩张使植被覆盖减少，增强了地表的不透水性、水分蒸发减少，从而影响城市热量平衡（潜热减少、感热增多）（Grimmond and Oke，1991;Luo and Lau，2018）。城市建设还会通过改变反照率、增加人为热排放等方式影响城市气温（Oke，1982;Allen et al.，2011），使得城市地区热浪事件多于乡村地区，热浪强度更强、持续时间更长（McCarthy et al.，2010;Lin et al.，2018a，2018b;Xiao et al.，2019），灾害更加严重。其次，大气环流异常是热浪产生和维持的主要影响因子，高压反气旋是控制热浪的最常见系统（Matsueda，2011;Freychet et al.，2017;Wang et al.，2017），尤其是发生大范围热浪时，可以观测到反气旋异常增强（Luo and Lau，2017）。已有研究表明，西太副高的异常会影响我国夏季热浪，尤其是对华南、华东地区影响最大（Luo and Lau，2017;Liu et al.，2019）。副高西伸增强时，副高影响区域盛行下沉气流，大气稳定，有利于持续性高温的维持（张尚印等，2004;张曦和黎鑫，2017）。在全球变暖进一步加剧的大背景下，西太平洋副热带高压有显著加强（Choi and Kim，2019），这使得西太平洋副热带高压对中国高温热浪的影响进一步加剧。

近三十年，中国城市化快速发展（Yang et al.，2017;李恒，2019）、全球变暖影响下西太平洋副热带高压的强度在不断增强（Matsumura et al.，2015），然而目前尚未有研究系统性地给出城市化和西太平洋副热带高压的同时加强对中国复合热浪的影响。本文结合WBGT数据和土地利用数据，利用统计学方法定量分析城市化与西太副高对中国复合热浪持续增多的贡献。

1 资料和方法

1.1 WBGT计算方法

利用1979—2019年5—10月逐日的WBGT数据识别复合热浪，WBGT考虑了多种气象要素的影响，空间分辨率为0.1°×0.1°，计算公式如下。

I   WBGT  =0.7T  w +0.2T  g +0.1T  a 。  （1）

其中：T  w 是湿球温度；T  g 是黑球温度；T  a为干球（环境）温度。

WBGT计算需要2 m温度，近地面风场，2 m相对湿度，向下的太阳短波辐射，其数据来源于欧洲中期天气预报中心的逐小时ERA5再分析资料（https：／／cds.climate.copernicus.eu／＃！／search？text=ERA5＆type=dataset），之后将数据进一步处理为日平均值。WBGT指数综合考虑了湿球温度、黑球温度和干球（环境）温度，这三类指数的详细计算方法见Liljegren et al.（2008）。

1.2 复合热浪及其相关指数

基于1.1节中计算得到的逐日WBGT数据，采用相对阈值法确定复合热浪的阈值（Anderson and Bell，2011;Liao et al.，2018），用于筛选复合热浪。对于5—10月的每一天，选取1979—2019年该日 41 a 的WBGT数据升序排序，取第95百分位值作为该日的复合热浪阈值。当连续3 d及3 d以上WBGT数据超过了当日的复合热浪阈值时，则发生了复合热浪。

为了分析1979—2019年夏半年（5—10月）复合热浪的时空变化规律，选取热浪天数、热浪强度、热浪范围三个指数描述复合热浪的基本特征。热浪天数是指每年夏半年（5—10月）发生的热浪总天数;热浪强度为每年夏半年所有热浪天的WBGT值的累积总和;热浪范围指同一天内同时发生复合热浪的格点数占总格点数的比率。本文气候态的研究时段选取为1981—2010年。

1.3 城市化对复合热浪的贡献

以往的研究多采用城乡对比法研究城市化对极端高温的影响，即选取城乡对比序列进行分析（Yang et al.，2017），本文参考此方法对城市化贡献进行研究。

本文利用中国科学院地理科学与资源研究所，资源环境科学与数据中心提供的1990、2015年1 km分辨率土地利用数据（http：／／www.resdc.cn／），参考Liao et al.（2018）的方法分别对1990和2015年中国大陆范围内的城市格点进行选取，即以格点为中心，2 km范围内建成区面积超过33％的格点定义为城市格点。本文的城市格点又进一步分成两种类型，第一类城市格点是1990年就已经成为城市的格点，说明这类格点的城市化进程较早;第二类是城市化进程相对较晚的城市格点，即1990年是非城市格点，2015年是城市格点。乡村对比格点的定义是，以城市格点为中心周围3×3九宫格范围内的所有非城市格点。最终筛选出了678个第一类城市格点，843个第二类城市格点，以及6 409个乡村对比格点。所有城市格点的位置分布见图1，可以看出，城市格点主要集中分布在中国东部，部分城市格点分散分布在其他地区。

由于土地利用数据在1990年后的时间分辨率为5 a。为定量分析城市化贡献，本文仿照Liao et al.（2018）的做法，用1990、2015年的土地利用数据分别代表当年和前后各两年共5 a两个时段（第一阶段：1988—1992年、第二阶段：2013—2017年）内的土地利用情况。计算热浪指数在两时段内的均值，进而得到后一时段相比前一时段热浪指数的变化量，通过对比城市与乡村格点的差异计算城市化对复合热浪增长的贡献率（Yang et al.，2017），见式 （2） 。

contri_ur= （ ur    2015 - ur    1990 ）-（ ru    2015 - ru    1990 ）  ur    2015 - ur    1990  。 （2）

其中： ur    1990 、 ur    2015 分别表示所有城市格点在1988—1992年、2013—2017年两个时段内的复合热浪均值; ru    1990 、 ru    2015 表示所有乡村格点在两个时段内的复合热浪均值。所有城市（乡村）格点已取了平均。在计算城市化对热浪范围变化的贡献时， ur    2015 为所有第一（二）类城市格点中，每天发生热浪的格点数与第一（二）類城市总格点数的比值在2013—2017年间的平均， ru    2015  为每天发生热浪的乡村格点数与乡村总格点数的比值在2013—2017年间的平均。用比值来定义热浪范围可以消除所有第一、二类城市格点、乡村格点间基数不同的影响。

1.4 西太副高异常对复合热浪的贡献

利用国家气候中心提供的130项环流因子（http：／／cmdp.ncc-cma.net／Monitoring／cn_index_130.php），选取西太副高面积指数、强度指数和西伸脊点指数，与热浪指数进行相关性分析。并选取与热浪指数相关性最高的西太副高强度指数，仿照公式2的计算方法，计算环流异常对复合热浪的贡献，见式（3）。

contri_cir=  r （index_cir_dt，index_hw_dt）× Δ index_cir  Δ hw_index_ndt 。  （3）

其中： r 表示全国格点取平均后，去趋势的西太副高指数与热浪指数的回归系数（通过了 α =0.05的显著性检验）; Δ hw_index_ndt 表示没有经过去趋势处理的热浪指数在1988—1992年、2013—2017年两个时段内均值的增量。 Δ index_cir 表示西太副高指数的变化量，分别将去趋势以及没有经过去趋势处理的西太副高指数在两个时段内的均值增量代入 Δ index_cir ，计算得到的贡献值含义分别为：去除全球变暖影响后，西太副高异常对热浪变化的贡献;以及在全球变暖影响下，西太副高的异常对复合热浪变化的贡献。

2 中国复合热浪的时空变化规律

2.1 中国复合热浪的空间分布特征

图2显示了1979—2019年中国复合热浪天数及强度的空间分布。对于热浪天数（图2a），全国大部分地区平均每年夏半年复合热浪发生天数在 5.6 d以 上，我国热浪天数高值区集中分布在青藏高原，中国东南部和新疆地区，热浪天数可以达到7.2 d以上。而热浪强度的分布不同于热浪天数，整个中国东南部都为强度高值区;次高值区集中在新疆，吉林、辽宁等地（图2b）。中国东南部既是复合热浪强度大值区，同时也是复合热浪天数的大值区，这说明过去中国东南部受到的威胁最大。此外，由热浪指数趋势变化（图2c、d）可以看出青藏高原热浪天数增速最快的地区是青藏高原，新疆，华东和西南等地。而热浪强度增速最快的地区是华东，西南，华南和新疆。这些地区正在或者将要遭受更严重的热浪侵袭。

通过对比之前的研究，发现仅用单一要素（温度）识别的高温热浪与考虑了多种气象要素识别的复合热浪在热浪强度和频次的空间分布上有共同特征，但也存在显著差异。对于单一要素定义的热浪来说，热浪日数高值区主要位于中国东部（You et al.，2017），同时西北新疆、长江中下游以南地区也频繁受到热浪的影响（Ding et al.，2010）。复合型热浪可以反映出这一特征，此外复合型热浪还能反映出青藏高原的暖湿化特征（段安民等，2016），这与本文采用的复合热浪的定义有关，仅考虑了百分比阈值，并未增加绝对值的判定（比如热浪需要大于35 ℃），未将热浪阈值较低的寒冷地区排除（Ye et al.，2014）。虽然青藏高原为热浪强度的低值区，但相对于青藏高原本身的气候态而言，青藏高原地区热浪天数的持续增加，使得青藏高原正在经历暖湿化，这会对高原的生态系统、水塔功能等造成破坏，进一步影响到下游居民的正常生产生活。其次，复合型热浪强度在东北地区为次高值，当地人民可能会受到复合型热浪的不利影响，然而单一要素定义的热浪并没有表现出这一特征（叶殿秀等，2013），如果只看单一要素定义的热浪，很有可能忽视热浪在东北地区可能带来的威胁。以上结果表明，通过WBGT去识别多要素复合热浪是合理的，并且和单一要素定义的热浪存在差异，这更加突显了本文研究多要素复合热浪的规律和成因的必要性。

中国复合热浪的天数和强度呈现阶段性增加。图3为1979—2019年夏半年，每10 a热浪天数距平分布，4个时段分别为1979—1989年、1990—1999年、2000—2009年、2010—2019年。从4个时段距平值变化来看，我国热浪从20世纪80年代至今，在逐步增强和增多。20世纪80年代（图3a），全国热浪天数基本低于气候态，仅华南地区高于气候态0～4 d。20世纪90年代（图3b），东北、西北、青藏高原等地距平值增长，热浪天数高于气候态0～4 d。到2000年时（图3c），全国大部分地区热浪天数均高于气候态，特别是四川盆地、青藏高原西侧热浪天数高于气候态4 d以上。而在2010年后（图3d），热浪天数的增长相比其他阶段尤为明显，热浪天数相比气候态都出现一个跃升，几乎整个中国范围内热浪天数都在增加。青藏高原、华南、西南、华东、和东北地区为距平高值区，比气候态偏高4 d以上，其中云南、广东及青藏高原等部分地区距平值超过了8 d。图4为每10 a热浪强度距平分布，中国热浪强度也是呈现年代际增长的，强度距平由负转正的范围不断扩大。全国大部分地区在20世纪80年代（图4a）强度值低于气候态，20世纪90年代（图4b）青藏高原、东北地区及内蒙古、新疆等地热浪强度增长高于气候态，至2000年（图4c），热浪强度超过气候态的范围已扩展到全国大部分地区。2010年后（图4d）全国热浪强度突然出现大幅度增长，距平高值区主要位于华南地区，次高值位于華东、西北及东北地区。

热浪距平的结果显示中国面临的复合热浪的威胁越来越大，结合热浪天数和强度的变化趋势（图2c、d）可以发现，整个中国的热浪天数和强度都在增加，尤其是华东地区增长尤其迅速。因此需要针对这些热浪增速非常快的地区给予更多关注，这些地区目前已经面临非常严重的复合热浪威胁，并且显著的增长趋势表明这种威胁在未来还会继续加剧。

2.2 中国复合热浪的年际变化特征

图5显示了热浪天数、强度、范围随时间的变化规律。从原始数据来看，全国平均的热浪天数，强度，及热浪影响范围随时间整体呈上升趋势，尤其是2010年以后，热浪指数值大幅度增长，出现跃升。复合热浪天数高值年为1998、2010、2016、2017和2019年，热浪天数分别达到了16.5、14.5、18.3、18.2和17.2 d。热浪强度年际变化的定性特征与热浪天数十分一致，其高值年与热浪天数的高值年相同，热浪强度分别达到了409.5、347.6、463.2、459.3和418.4 ℃。热浪范围是每年夏半年的平均值，在1998、2010、2016、2017和2019年，全国有超过30％的格点会同时受到热浪影响，2016年及2017年同时受到热浪影响的范围可以达到40％左右。这些结果表明，从2010年开始的10 a中，中国复合热浪高值出现4 a，占比40％。而2010年之前的31 a里，只有一年热浪高值年，占比3.2％。中国复合热浪的发生概率在最近10 a增加了12.5倍，我国更多的领土越来越容易受到强的多要素复合热浪的侵袭。从变化趋势线来看，热浪天数、强度、范围都是显著上升的。每10 a热浪指数的变化呈现阶梯式增长，在2010年后，复合型热浪出现了跃升式增加，达到一个罕见的新阶梯。

总体来说，我国正遭受更多、更强、影响范围更广的热浪的影响，三类热浪指数均随时间呈上升趋势，尤其是2010年后，热浪发生跃升式增长，比20世纪90年代强了将近4倍。已有研究表明全球变暖背景下，近三、四十年来城市化的快速发展以及环流异常都会对热浪的加剧产生影响（Luo and Lau，2017;Wang et al.，2017），热浪的增长具体有多少是由这些因子贡献导致的，是人们比较关心的问题，这一部分将在第3和第4节进行计算与讨论。此外，不同热浪指数的年际变化特征是一致的，说明极端高温事件从各方面都变得越发极端（Liao et al.，2018），这会带来更多的危害。

3 城市化的影响

3.1 1990和2015年土地利用分布情况

为了研究城市化与最近几年复合热浪突然增长的关系，选取1990和2015年土地利用数据，分别用来反映热浪差异较大的两个时段（第一阶段：1988—1992年;第二阶段：2013—2017年）的城市分布特征。图6给出了第一阶段及第二阶段土地利用分布情况，红色代表城市，主要集中分布在华东（山东、安徽、江苏、上海、河南等地）、华南珠三角地区、四川盆地附近以及华北京津冀地区，这些地区城市范围较大，建成区比较聚集，其余各地区的城市建成区分布较分散，城市建成区密集区域对应了热浪天数与强度的高值区（图2）。对比2015年与1990年图中红色区域，可以发现中国东部红色格点更加密集，其余地区城市范围也有扩张。图2b左下角小图为参照Liao et al.（2018）筛选的城市格点数量在第一阶段及第二阶段的对比图。第一阶段全国有678个城市格点，1990年后城市化快速发展（Kuang et al.，2016），第二阶段城市格点数是第一阶段的2.24倍，有1 521个城市格点。热浪在第二阶段也增长较快，热浪天数是第一阶段的3倍左右（图5a），城市建成区的分布与热浪强度高值区分布比较一致。城市化对热浪有促进增强作用（Mishra et al.，2015），但是具体有多少增长量是由城市化影响造成的，具体贡献率计算结果见3.2节。

3.2 热浪指数的城市化贡献率

将城市格点分为城市化发展较快的第一类城市格点（第一階段已经是城市格点），以及城市化发展相对较慢的第二类城市格点（第一阶段不是城市格点，但第二阶段是城市格点）。根据表1，第一类城市格点对热浪天数、强度、范围的贡献均大于第二类城市格点，说明城市化发展较早的城市格点，其热岛效应对城市热浪的影响更大，城市化发展较早的地区将会面临更多更强的高温高湿、复合型热浪的威胁。城市化建设会通过改变下垫面类型来影响陆气热量交换及下垫面辐射特征（Chun and Guldmann，2014;Li et al.，2019）;城市地区人口密集，人为热排放远多于乡村（Allen et al.，2011）;城市建筑群密集，建筑高度较高对风有一定的阻挡削弱作用，使城市地区热量积聚不易扩散，这些因素都会使城市热岛效应增强，进而促进城市地区的极端高温天气的发生。彭保发等（2013）对城市热岛效应的影响机理进行研究，指出城市建成区总面积对热岛强度的影响大于城市用地扩张的影响。说明城市化发展越早的城市地区，其热岛效应越强，对极端高温的增强作用就越强。本文第一类、第二类城市化贡献率的计算结果也印证了这一结论。

无论第一类还是第二类城市格点，对热浪强度的贡献率均最高，对热浪范围的贡献率均最低，体现出城市对热浪较强的局地影响。第一类城市格点对中国热浪强度增长的贡献率可达12.5％，其次是对热浪天数的贡献为9.2％，对热浪范围增长的贡献率为7.5％。第二类城市格点对热浪强度、天数和范围的贡献率分别为8.5％，5.2％和5.1％。两类城市格点平均而言，对热浪强度的贡献率大约为10.5％，说明中国复合热浪强度的增长有10％左右来源于城市化的影响。以往研究表明城市化贡献率对单一要素识别的热浪的贡献率可以超过20％（Yang et al.，2017），本文计算得到的城市化贡献率低于以往研究，主要因为复合热浪考虑了温度、湿度、风速、辐射，涉及更多的影响因子会对热浪指数值产生影响;其次，本文WBGT数据的分辨率为0.1°×0.1°，分辨率没有足够高，导致对城市格点样本取样不够充足，可能也会使得城市化贡献率被低估。

综上，城市化发展进程早的城市格点对热浪指数的增强作用更大。并且，结果显示城市化对复合热浪强度的影响更大，而对热浪范围的影响较小，这意味着热浪范围的增长或许更多地受到大气环流变化的影响（Luo and Lau，2017）。

4 西太副高的影响

4.1 西太副高与中国复合热浪的关系

已有大量研究表明西太副高对我国夏季热浪，尤其是对华东，华南地区热浪的发生维持具有较大的影响（张尚印，2004;Luo and Lau，2017;Liu et al.，2019）。所以本文选取西太副高作为大气环流因子，定量研究其对中国热浪指数增长的贡献。

图7给出了去除全球变暖效应后，西太副高在两个不同时段（1988—1992年，2013—2017年）的变化。第二阶段相比第一阶段西太副高更加靠近中国东南部区域，500 hPa位势高度为正异常高值，位势高度异常增高60 gpm以上，副高增强有利于下沉气流的维持，控制区域内天气晴好，热量不易扩散。500 hPa位势高度场上，常用位势高度值等于588 dagpm的等高线范围代表西太副高的范围（简称588线），对比两个时段及气候态588线的范围，发现第一阶段西太副高范围与气候态相当，但第二阶段588线明显向东西方向伸展，相比第一阶段向西伸展了约25个经度，使得华南、华东受副高影响的范围增大。这意味着第二阶段热浪的跃升可能与西太副高的加强，范围增大，副高脊向西伸展有密切关系（Lu and Dong，2001;Tao and Zhang，2018;Liu et al.，2019）。

为了定量研究副高对热浪增长的贡献，需要选取合适的副高指数进行定量计算，依据图7，相比第一阶段，第二階段的西太副高表现出强度增强，范围增长，向西伸展的特点，与热浪增长相对应。所以本文选取副高面积、副高强度、副高西伸脊点这三个指数分别与三个热浪指数进行相关性分析（表2），找出对热浪影响最强的副高指数。副高面积、副高强度和热浪的三个指数呈正相关关系，并通过了0.01信度的显著性检验，说明副高面积越大、强度越强，中国热浪天数，强度，范围增长就越严重，其中，副高强度与热浪指数的相关性更高，副高强度与热浪强度间相关系数达到0.804。 副高西伸脊点与热浪指数呈负相关关系，仅通过0.05信度的显著性检验，说明副高越向西伸展，中国热浪发生越频繁，强度越强。综合三个副高指数，副高强度与热浪指数相关性最好，所以选取副高强度去计算环流异常的贡献率。

4.2 西太副高强度对热浪指数增长的贡献

表3表明去除全球变暖影响时，副高异常对复合热浪的总天数、强度、范围的贡献可达29.98％、31.12％、29.91％，相比城市化贡献，西太副高异常的贡献要高得多。考虑到全球变暖的影响时，副高异常对热浪指数增长的贡献率可以达到70％左右，与城市化贡献加一起可以达到约80％，这解释了大部分热浪的增长，说明在全球变暖背景下发生的副高异常与城市化一起对中国多要素复合热浪增长有很重要的影响。

综合4.1和4.2节，第二阶段热浪指数跃升的同时，西太副高相比气候态和第一阶段有非常明显的西伸、增强，其中，相比第一阶段588 gpm线向西伸展了约25经度，位势高度异常增长60 gpm以上。此外西太副高指数和热浪指数的显著相关，也证明了西太副高对第二阶段热浪的大幅度增长有很大影响。在考虑全球变暖背景时，副高异常可贡献70％左右的热浪指数增长，与城市化贡献一起可以揭示大部分的热浪变化，这说明了西太副高异常与城市化协同驱动了近些年中国复合热浪的异常增强。

5 结论和讨论

基于WBGT识别了受多种气象要素同时影响的中国复合热浪，并进一步分析了这种复合热浪的时空变化规律，最后定量分析了城市化和全球变暖下西太副高的协同作用对复合热浪增长的贡献。主要结论如下：

1）1979—2019年，中国的复合热浪变得更频繁、更强、影响范围更广。尤其是2010年后，热浪天数、强度和影响范围突然急剧增加，中国复合热浪达到历史罕见的新台阶，三类热浪指数都大约为20世纪80年代的4倍。

2）在过去40 a，中国整个东南部是多要素复合热浪的大值区。而在2010年后，全国大部分地区都会受到多要素复合热浪的影响，华南、东北和华东地区的强复合热浪最为频繁，青藏高原只有热浪天数增长较快，而华东地区（尤其是长三角地区）、西南、华南地区的热浪强度和天数都以非常快的速率在显著增加，这些地区正在以及将来会面临更为严重的多要素复合热浪威胁。

3）中国热浪在2010—2019年间到达一个新的高台阶的同时，中国城市化发展进程也达到较高的层次。城市化进程较早的城市格点（第一类城市格点）对热浪的增强作用更强。其次，两类城市格点对热浪强度和天数的影响均较大，但对热浪范围的影响相对较小。两类城市格点对热浪天数、强度、范围的平均贡献率分别为7.2％、10.5％、6.3％。

4）西太副高在2010年后明显增强、范围扩大并异常西伸。西太副高的面积和强指数度与复合热浪指数均为显著的正相关，西伸脊点为显著的负相关。去除全球变暖的影响时，西太副高异常对热浪天数、强度、范围的贡献分别是29.98％、31.12％、29.91％;考虑全球变暖对副高的影响时，副高的异常增长对热浪指数有约70％的贡献。

复合热浪不仅凸显出了中国东部、西北新疆等地热浪天数、强度的高值特征，还强调了热浪对青藏高原、东北地区可能带来的威胁。目前，全国热浪正变得越发极端，尤其是2010年后热浪指数发生大幅度跃升，本文研究发现热浪的这一增长特征是与城市化、西太副高异常有密切的关联。在第二阶段，中国城市建成区加速扩张，同时西太副高强度增强、范围扩大并西伸，两者的共同作用下导致了同期复合热浪的突然增长。此外，考虑全球变暖背景时，这两个因子的共同作用可以解释复合热浪大部分（约80％）的增长。说明了城市化和西太副高增强的协同作用对复合热浪增长的重要性。然而，除了这两个因子，海洋环流异常（Boschat et al.，2016;Wei et al.，2020）、北极海冰（Budikova et al.，2019）等也会对中国热浪产生影响，本文暂时没有考虑它们的影响，未来的研究中可以考虑分析更多因子对多要素复合热浪的贡献率。此外，本文通过去趋势的方法去除全球变暖对环流的作用，但去趋势并不能完全将全球变暖作用分离出来，未来需要结合归因、模式等进行更深入、更精确的研究。

致谢： ERA5再分析资料来源于欧洲中期天气预报中心;130项环流因子来源于国家气候中心;本论文的数值计算得到了南京信息工程大学高性能计算中心的计算支持和帮助;文中诸图均用NCL软件绘制。谨致谢忱！

参考文献（References）

Alle n L，Lindberg F，Grimmond C S B，2011.Global to city scale urban anthropogenic heat flux：model and variability［J］.Int J Climatol，31（13）：1990-2005.doi：10.1002／joc.2210.

Anderson G B，Bell M L，2011.Heat waves in the United States：mortality risk during heat waves and effect modification by heat wave characteristics in 43 US communities［J］.Environ Health Perspect，119（2）：210-218.doi：10.1289／ehp.1002313.

Andrews O，Le Quéré C，Kjellstrom T，et al.，2018.Implications for workability and survivability in populations exposed to extreme heat under climate change：a modelling study［J］.Lancet Planet Health，2（12）：e540-e547.doi：10.1016／S2542-5196（18）30240-7.

Boschat G，Simmonds I，Purich A，et al.，2016.On the use of composite analyses to form physical hypotheses：an example from heat wave-SST associations［J］.Sci Rep，6：29599.doi：10.1038／srep29599.

Budikova D，Ford T W，Ballinger T J，2019.United states heat wave frequency and Arctic Ocean marginal sea ice variability［J］.J Geophys Res Atmos，124（12）：6247-6264.doi：10.1029／2018jd029365.

陳曦，李宁，黄承芳，等，2020.综合湿度和温度影响的中国未来热浪预估［J］.地理科学进展，39（1）：36-44. Chen X，Li N，Huang C F，et al.，2020.Projection of heatwaves by the combined impact of humidity and temperature in China［J］.Prog Geogr，39（1）：36-44.doi：10.18306／dlkxjz.2020.01.004.（in Chinese）.

Choi W，Kim K Y，2019.Summertime variability of the western North Pacific subtropical high and its synoptic influences on the East Asian weather［J］.Sci Rep，9：7865.doi：10.1038／s41598-019-44414-w.

Chun B，Guldmann J M，2014.Spatial statistical analysis and simulation of the urban heat island in high-density central cities［J］.Landsc Urban Plan，125：76-88.doi：10.1016／j.landurbplan.2014.01.016.

Ding T，Qian W H，Yan Z W，2010.Changes in hot days and heat waves in China during 1961—2007［J］.Int J Climatol，30（10）：1452-1462.doi：10.1002／joc.1989.

段安民，肖志祥，吴国雄，2016.1979—2014年全球变暖背景下青藏高原气候变化特征［J］.气候变化研究进展，12（5）：374-381. Duan A M，Xiao Z X，Wu G X，2016.Characteristics of climate change over the Tibetan Plateau under the global warming during 1979—2014［J］.Adv Climate Change Res，12（5）：374-381.（in Chinese）.

Fischer E M，Knutti R，2013.Robust projections of combined humidity and temperature extremes［J］.Nat Clim Change，3（2）：126-130.doi：10.1038／nclimate1682.

Freychet N，Tett S，Wang J，et al.，2017.Summer heat waves over eastern China：dynamical processes and trend attribution［J］.Environ Res Lett，12（2）：024015.doi：10.1088／1748-9326／aa5ba3.

Grimmond C S B，Oke T R，1991.An evapotranspiration-interception model for urban areas［J］.Water Resour Res，27（7）：1739-1755.doi：10.1029／91wr00557.

Hanna A，J Ching，J Pinto，2015.Characteristics of heat wave impacts for major cities in the US under current and future climate conditions［C］／／9th Int.Conf.on Urban Climate／12th Symp.on the Urban Environment.Toulouse，France：6.

Heo S，Bell M L，2019.Heat waves in South Korea：differences of heat wave characteristics by thermal indices［J］.J Expo Sci Environ Epidemiol，29（6）：790-805.doi：10.1038／s41370-018-0076-3.

Hou W，2014.Climatic characteristics over China in 2013［J］.Meteor Mon，40：491-501.

ISO，2017.Ergonomics of the thermal environment：assessment of heat stress using the wbgt（wet bulb globe temperature） index［S］.Geneva：Int Org Standard Geneva Switzerland.

賈佳，胡泽勇，2017.中国不同等级高温热浪的时空分布特征及趋势［J］.地球科学进展，32（5）：546-559. Jia J，Hu Z Y，2017.Spatial and temporal features and trend of different level heat waves over China［J］.Adv Earth Sci，32（5）：546-559.doi：10.11867／j.issn.1001-8166.2017.05.0546.（in Chinese）.

焦敏，李辑，陈鹏狮，等，2019.2018年夏季辽宁异常高温干旱的环流特征及成因［J］.大气科学学报，42（4）：571-580. Jiao M，Li J，Chen P S，et al.，2019.Analysis of circulation characteristics and cause of anomalous high temperature and drought in summer of 2018 over Liaoning［J］.Trans Atmos Sci，42（4）：571-580.doi：10.13878／j.cnki.dqkxxb.20190326001.（in Chinese）.

Knutson T R，Ploshay J J，2016.Detection of anthropogenic influence on a summertime heat stress index［J］.Clim Change，138（1）：25-39.doi：10.1007／s10584-016-1708-z.

Kuang W H，Liu J Y，Dong J W，et al.，2016.The rapid and massive urban and industrial land expansions in China between 1990 and 2010：a  CLUD-based  analysis of their trajectories，patterns，and drivers［J］.Landsc Urban Plan，145：21-33.doi：10.1016／j.landurbplan.2015.10.001.

Lau N C，Nath M J，2012.A model study of heat waves over North America：meteorological aspects and projections for the twenty-first century［J］.J Climate，25（14）：4761-4784.

Lee S M，Min S K，2018.Heat stress changes over East Asia under 1.5 and 2.0 ℃ global warming targets［J］.J Climate，31（7）：2819-2831.doi：10.1175／jcli-d-17-0449.1.

Li D，Liao W L，Rigden A J，et al.，2019.Urban heat island：aerodynamics or imperviousness？［J］.Sci Adv，5（4）：eaau4299.doi：10.1126／sciadv.aau4299.

李恒，2019.人口集中、城市群对经济增长作用的实证分析：以中国十大城市群为例［J］.河南大学学报（社会科学版），59（1）：43-52. Li H，2019.Empirical analysis of the effects of population concentration and urban agglomeration on economic growth［J］.J Henan Univ Soc Sci，59（1）：43-52.doi：10.15991／j.cnki.411028.2019.01.006.（in Chinese）.

Liao W L，Liu X P，Li D，et al.，2018.Stronger contributions of urbanization to heat wave trends in wet climates［J］.Geophys Res Lett，45（20）.doi：10.1029／2018gl079679.

Liljegren J C，Carhart R A，Lawday P，et al.，2008.Modeling the wet bulb globe temperature using standard meteorological measurements［J］.J Occup Environ Hyg，5（10）：645-655.doi：10.1080／15459620802310770.

Lin L，Wang Z，Xu Y，et al.，2018a.Additional intensification of seasonal heat and flooding extreme over China in a 2 ℃ warmer world compared to 1.5 ℃［J］.Earths Future，6：968-978.

Lin L J，Ge E J，Liu X P，et al.，2018b.Urbanization effects on heat waves in Fujian Province，Southeast China［J］.Atmos Res，210：123-132.doi：10.1016／j.atmosres.2018.04.011.

Liu Q，Zhou T J，Mao H T，et al.，2019.Decadal variations in the relationship between the western Pacific subtropical high and summer heat waves in East China［J］.J Climate，32（5）：1627-1640.doi：10.1175／jcli-d-18-0093.1.

Lu R Y，Dong B W，2001.Westward extension of North Pacific subtropical high in summer［J］.J Meteor Soc Japan，79（6）：1229-1241.

Luo M，Lau N C，2017.Heat waves in southern China：synoptic behavior，long-term change，and urbanization effects［J］.J Climate，30（2）：703-720.doi：10.1175／jcli-d-16-0269.1.

Luo M，Lau N C，2018.Increasing heat stress in urban areas of eastern China：acceleration by urbanization［J］.Geophys Res Lett，45（23）：13060-13069.doi：10.1029／2018gl080306.

馬红云，董轩，孙岑霄，2018.南京地区高温天气下城市化影响的模拟研究［J］.大气科学学报，41（1）：67-76. Ma H Y，Dong X，Sun C X，2018.Numerical simulations of urbanization impacts under hot weather conditions in Nanjing［J］.Trans Atmos Sci，41（1）：67-76.doi：10.13878／j.cnki.dqkxxb.20170607001.（in Chinese）.

Ma W J，Zeng W L，Zhou M G，et al.，2015.The short-term effect of heat waves on mortality and its modifiers in China：an analysis from 66 communities［J］.Environ Int，75：103-109.doi：10.1016／j.envint.2014.11.004.

Matsueda M，2011.Predictability of Euro-Russian blocking in summer of 2010［J］.Geophys Res Lett，38（6）：L06801.doi：10.1029／2010GL046557.

Matsumura S，Sugimoto S，Sato T，2015.Recent intensification of the western Pacific subtropical high associated with the East Asian summer monsoon［J］.J Climate，28（7）：2873-2883.doi：10.1175／jcli-d-14-00569.1.

McCarthy M P，Best M J，Betts R A，2010.Climate change in cities due to global warming and urban effects［J］.Geophys Res Lett，37（9）.doi：10.1029／2010gl042845.

Meehl G A，Tebaldi C，2004.More intense，more frequent，and longer lasting heat waves in the 21st century［J］.Science，305（5686）：994-997.doi：10.1126／science.1098704.

Mishra V，Ganguly A R，Nijssen B，et al.，2015.Changes in observed climate extremes in global urban areas［J］.Environ Res Lett，10（2）：024005.doi：10.1088／1748-9326／10／2／024005.

Mora C，Dousset B，Caldwell I R，et al.，2017.Global risk of deadly heat［J］.Nat Clim Change，7（7）：501-506.doi：10.1038／nclimate3322.

Oke T R，1982.The energetic basis of the urban heat island［J］.Quart J Roy Meteor Soc，108（455）：1-24.doi：10.1002／qj.49710845502.

Ostro B D，Roth L A，Green R S，et al.，2009.Estimating the mortality effect of the July 2006 California heat wave［J］.Environ Res，109（5）：614-619.doi：10.1016／j.envres.2009.03.010.

彭保發，石忆邵，王贺封，等，2013.城市热岛效应的影响机理及其作用规律：以上海市为例［J］.地理学报，68（11）：1461-1471. Peng B F，Shi Y S，Wang H F，et al.，2013.The impacting mechanism and laws of function of urban heat Islands effect：a case study of Shanghai［J］.Acta Geogr Sin，68（11）：1461-1471.（in Chinese）.

Russo S，Sillmann J，Sterl A，2017.Humid heat waves at different warming levels［J］.Sci Rep，7：7477.doi：10.1038／s41598-017-07536-7.

沈皓俊，游庆龙，王朋岭，等，2018.1961—2014年中国高温热浪变化特征分析［J］.气象科学，38（1）：28-36. Shen H J，You Q L，Wang P L，et al.，2018.Analysis on heat waves variation features in China during 1961—2014［J］.J Meteor Sci，38（1）：28-36.doi：10.3969／2017jms.0026.（in Chinese）.

Sherwood S C，Huber M，2010.An adaptability limit to climate change due to heat stress［J］.Proc Natl Acad Sci USA，107（21）：9552-9555.doi：10.1073／pnas.0913352107.

Sun Y，Zhang X B，Zwiers F W，et al.，2014.Rapid increase in the risk of extreme summer heat in eastern China［J］.Nat Clim Change，4（12）：1082-1085.doi：10.1038／nclimate2410.

Tao P H，Zhang Y C，2019.Large-scale circulation features associated with the heat wave over Northeast China in summer 2018［J］.Atmos Ocean Sci Lett，12（4）：254-260.doi：10.1080／16742834.2019.1610326.

王倩，翟盘茂，余荣，2019.2018年7月北半球极端天气气候事件及环流特征分析［J］.大气科学学报，42（01）：28-35. Wang Q，Zhai P M，Yu R，2019.Analysis of extreme weather and climate events and circulation characteristics in the Northern Hemisphere in July 2018［J］.Trans Atmos Sci，42（01）：28-35.（in Chinese）.

Wang P，Tang J，Sun X，et al.，2017.Heat waves in China：definitions，leading patterns and connections to large-scale atmospheric circulation and SSTs［J］.J Geophys Res-Atmos，122：10679-10699.

Wei J，Wang W G，Shao Q X，et al.，2020.Heat wave variations across China tied to global SST modes［J］.J Geophys Res Atmos，125（6）.doi：10.1029／2019jd031612.

Xiao Z X，Wang Z Q，Pan W J，et al.，2019.Sensitivity of extreme temperature events to urbanization in the Pearl River Delta region［J］.Asia-Pacific J Atmos Sci，55（3）：373-386.doi：10.1007／s13143-018-0094-z.

Xu F，Chan T，Luo M，2020.Different changes in dry and humid heat waves over China［J］.Int J Climatol，41：1369-1382.doi：10.1002／joc.6815.

Yang J，Liu H Z，Ou C Q，et al，2013.Impact of heat wave in 2005 on mortality in Guangzhou，China［J］.Biomed Environ Sci，26（8）：647-654.doi：10.3967/0895-3988.2013.08.003.

Yang X C，Leung L R，Zhao N Z，et al.，2017.Contribution of urbanization to the increase of extreme heat events in an urban agglomeration in East China［J］.Geophys Res Lett，44：6940-6950.doi：10.1002／2017GL074084.

Ye D X，Yin J F，Chen Z H，et al.，2014.Spatial and temporal variations of heat waves in China from 1961 to 2010［J］.Adv Clim Change Res，5（2）：66-73.doi：10.3724／SP.J.1248.2014.066.

叶殿秀，尹继福，陈正洪，等，2013.1961—2010年我国夏季高温热浪的时空变化特征［J］.气候变化研究进展，9（1）：15-20. Ye D X，Yin J F，Chen Z H，et al.，2013.Spatiotemporal change characteristics of summer heatwaves in China in 1961—2010［J］.Progressus Inquisitiones DE Mutat Clim，9（1）：15-20.doi：10.3969／j.issn.1673-1719.2013.01.003.（in Chinese）.

You Q L，Jiang Z H，Kong L，et al.，2017.A comparison of heat wave climatologies and trends in China based on multiple definitions［J］.Climate Dyn，48（11）：3975-3989.doi：10.1007／s00382-016-3315-0.

余榮，翟盘茂，2021.关于复合型极端事件的新认识和启示［J］.大气科学学报，44（5）：645-649. Yu R，Zhai P M，2021.Advances in scientific understanding on compound extreme events［J］.Trans Atmos Sci，44（5）：645-649.doi：10.13878／j.cnki.dqkxxb.20210824006.（in Chinese）.

袁宇锋，翟盘茂，2022.全球变暖与城市效应共同作用下的极端天气气候事件变化的最新认知［J］.大气科学学报，45（2）：161-166. Yuan Y F，Zhai P M，2022.Latest understanding of extreme weather and climate events under global warming and urbanization influences［J］.Trans Atmos Sci，45（2）：161-166.doi：10.13878／j.cnki.dqkxxb.20211011001.（in Chinese）.

张嘉仪，钱诚，2020.1960—2018年中国高温热浪的线性趋势分析方法与变化趋势［J］.气候与环境研究，25（3）：225-239. Zhang J Y，Qian C，2020.Linear trends in occurrence of high temperature and heat waves in China for the 1960—2018 period：method and analysis results［J］.Clim Environ Res，25（3）：225-239.doi：10.3878／j.issn.1006-9585.2020.19134.（in Chinese）.

张尚印，王守荣，张永山，等，2004.我国东部主要城市夏季高温气候特征及预测［J］.热带气象学报，20（6）：750-760. Zhang S Y，Wang S R，Zhang Y S，et al.，2004.The climatic character of high temperature and the prediction in the large cities of east of China［J］.J Trop Meteor，20（6）：750-760.（in Chinese）.

张曦，黎鑫，2017.湖南省夏季高温热浪时空分布特征及其成因［J］.气候与环境研究，22（6）：747-756. Zhang X，Li X，2017.Spatial-temporal characteristics and causes of summer heat waves in Hunan Province［J］.Clim Environ Res，22（6）：747-756.（in Chinese）.

郑雪梅，王怡，吴小影，等，2016.近20年福建省沿海与内陆城市高温热浪脆弱性比较［J］.地理科学进展，35（10）：1197-1205. Zheng X M，Wang Y，Wu X Y，et al.，2016.Comparison of heat wave vulnerability between coastal and inland cities of Fujian Province in the past 20 years［J］.Prog Geogr，35（10）：1197-1205.doi：10.18306／dlkxjz.2016.10.003.（in Chinese）.

The synergy of urbanization and western Pacific subtropical high intensification on compound heat waves in China

GAO Huanyan 1，SHEN Xinyong  1，2 ，DONG Wei  1，3 ，ZHAO Liang 3，LUO Yali 4，WANG Yongqing 1

1Key Laboratory of Meteorological Disaster，Ministry of Education （KLME）／Joint International Research Laboratory of Climate and Environment Change （ILCEC）／Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters （CIC-FEMD），Nanjing University of Information Science & Technology，Nanjing 210044，China;

2Southern Marine Science and Engineering Guangdong Laboratory （Zhuhai），Zhuhai 519082，China;

3State Key Laboratory of Numerical Modelling for Atmospheric Sciences and Geophysical Fluid Dynamics （LASG），Institute of Atmospheric Physics，Chinese Academy of Sciences，Beijing 100029，China;

4State Key Laboratory of Severe Weather （LASW），Chinese Academy of Meteorological Sciences，Beijing 100081，China

Compound heat waves consider the effect of temperature，humidity，wind speed and radiation simultaneously，and have a major impact on human health and ecological diversity.Based on the wet-bulb globe temperature （WBGT），this paper identifies the compound heat waves in China，and quantitatively analyzes the synergy of urbanization and the Western Pacific subtropical high （WPSH） intensification on the compound heat waves in China.Results show that the number of days，intensity and impact range of compound heat waves in China are gradually increasing from 1979 to 2019，especially after 2010，which are about four times larger than those in the 1980s.The synergy of urbanization rapid development and WPSH intensification has intensified the compound heat waves in China.The early urbanization has contributed 9.2％，12.5％ and 7.5％ to the increases in the number of days，intensity and impact range of the compound heat waves，respectively.During the same period，WPSH has a positive contribution of about 30％ to the three heat wave indexes，and the contribution can be up to about 70％ when the strengthening effect of global warming on WPSH is considered.It suggests that the synergy of the rapid urbanization and the enhanced WPSH under the background of global warming can explain more than 80％ of the jump in the compound heat waves in China at the beginning of the 21st century.

compound heat wave;urbanization;western Pacific subtropical high;synergy

doi：10.13878／j.cnki.dqkxxb.20210311001

（責任编辑：张福颖）