1951—2021年东北地区极端气温的时空演变特征

辛玉洁 刘雁

收稿日期：2023-10-10

作者简介：辛玉洁（1997—），女，吉林大安人，主要从事区域地理环境变化研究。#通信作者：刘雁（1977—），女，吉林四平人，教授，研究方向为区域资源环境变化，E-mail：sply0709@163.com。

摘 要：东北地区是我国重要的粮食生产基地，极端气温现象容易对东北地区农业生产造成严重威胁。基于1951—2021年东北地区71年来41个气象站点的逐日气温数据，对照国际常用的极端气温指数，选择与农业发展相关的3个指数进行分析，形成其区域平均时间序列和空间趋势估计，在时间、空间上对东北地区极端气温的演变特征进行分析。结果表明：从时间、空间2个尺度来看，东北地区气温整体有明显的升高态势，所有冷极端指数都在呈降低态势，暖极端指数呈上升趋势。工业革命后出现大幅升温趋势，整体呈波折上升；在空间分布上，东北地区全境均有升温现象出现，大致符合由低纬向高纬升温趋势减弱的特点，地形上平原地区升温现象较为显著，其中辽东半岛及蒙东地区南部升温趋势较为明显。

关键词：极端气温；时空变化；东北地区；农业发展

中图分类号：P467 文献标志码：B文章编号：2095–3305（2024）03–0-03

联合国政府间气候变化专门委员会（Intergovernmental

Panel on Climate Change，IPCC）发布的第六次评估报告（AR6）中，对未来气温升高标准进行了新一轮的评估，根据当前温室气体排放量及预估，气温升温幅度将达到1.5 ℃以上[1]。在全球气温整体攀升的大情景下，气候可能会变得更加极端，因此，极端气候的研究显得愈加重要。

为准确分析与评估极端气温可能带来的自然灾害现象，相关研究者提出了16个极端气温指数[2]，张哲铭等[3]为了解决气候研究时间跨度大、结果不显著等问题，利用距平法与Mann-Kendall检验等方法，从年际变化和季节变化2个时间尺度，对东北地区近39年的气温和降水等气候要素进行了准确分析。而在空间尺度上，有学者对网格状陆地温度和降水极端情况指数数据集进行了合理更新和利用，并对指数进行了精细网格化处理，为极端气温的空间变化研究提供了方法依据。在后续发展中，也有学者通过创建网络陆地数据集并使用角距离加权技术对数据趋势进行分析，使得数据及分析精确度得到了大幅提高[4-5]。

我国东北地区由于其地理位置、土壤、气候、人文环境的特殊性，是我国重要的粮食主产区[6]，极端气候变化往往会引起干旱、洪涝等灾害，对粮食生产的安全性产生了严重威胁。

为贴切东北地区实际农业发展需求，基于东北地区41个气象站点在1951—2021年的逐日气温数据集进行分析和研究，选取3个与农业生产相关的气温极端指数为评估依据，评估东北地区近70年来极端气温的时空演变特征，以科学认识东北地区极端气温的变化状况，为应对极端气温事件可能引发的自然灾害提供科学依据和数据支撑。

1 研究资料与方法

1.1 观测数据资料

使用的数据集为东北地区41个气象站点1951—2021年的逐日最高气温、最低气温数据。由于各站点建成与使用时间有一定差异性，部分站点的早期时间出现一定缺失值，在应用与研究该类数据时，对其进行了删选与排除，保证数据分析与研究的有效性与合理性，依据此数据并参考极端气温指数，对东北地区的极端气温进行分析与评估。

1.2 极端气温指数

气候变化检测和指数专家小组（Expert Team on Climate Change Detection and Indices，ETCCDI）定义了16个极端气温指数，得到了国内外专家学者的广泛认可和应用[7]。选取其中与农业相关性较强的3个极端气温指数（表1）。

1.3 研究方法

在时间分析上，利用区域平均时间序列构建方法进行评估，空间趋势利用最小二乘法和t检验进行计算与分析。区域平均时间序列构建方法如下：

（1）计算距平。研究区涉及4个省份，地形分布具有一定差异，气象站之间的水平分布及垂直高度均有所不同。因此，在计算指数的区域平均时，需要将原始指数转换为距平，即每年的指数值减去参考期平均值，参考期选用气候变化研究常用的1961—1990年。

（2）网格化。站点数据网格化采用角度距离加权插值（Angular Distance Weighting Interpolation）算法，算法的实现采用R语言程序包adw[8]。

（3）面积加权平均。计算每年的网格平均值采用面积加权平均方法，每个网格的权重采用该网格中心点纬度的余弦[9]。计算公式如下：

（1）

利用网格化方法将原始台站数据进行适当调整，尽量降低由于水平分布距离和海拔差异影响所出现的数据误差，更好地为后续分析提供数据支撑。在时间分析上，利用距平法，以1961—1990年的平均值为参考，通过面积加权平均求得每个网格内的平均值，由此对气温的时间变化进行分析与评估。

2 结果与分析

2.1 东北地区极端气温的时间变化特征

利用距平法、网格化方法将数据进行处理，降低误差后，利用公式计算网格内平均值，对东北地区1951—2021年极端气温指数进行区域平均时间序列构建，距平值为正数时表示该指数呈上升趋势，即指数天数增加；距平值为负数时，即指数天数下降。由此分析整体气温的变化趋势和幅度。

在分析时发现，1951—1952年大部分气象站点数据缺失，为提高显著性和有效性，对1951—1952年数据进行排除，故此，在时间变化特征分析阶段时间尺度为1953—2021年。

1953—2021年东北地区极端气温指数年平均时间序列变化如表2所示。WSDI、GSL指数呈明显上升趋势，CSDI呈下降趋势。由表2可知，1953—2021年范围内，CSDI距平指数大约下降近5 d，其中1961年出现极小值，距平值为-2.23 d，1956年出现极大值，距平值为14.64 d，整体下降态势明显，说明冷持续日数呈整体下降趋势，冷持续天数逐渐减少。WSDI指数上涨近7.5 d，其中，1957年左右出现极小值，距平值为-1.38 d，2007年出现极大值，距平值为20.10 d，上升态势明显，说明暖持续日数呈升高态势，气温普遍升高现象明显。GSL指数上涨近20 d，其中1980年出现极小值，距平值为-14.27 d，2014年出现极大值，距平值为24.25 d，整体呈现上升态势。极端气温指数的变化趋势有明显的对照性，暖持续日数与作物生长期呈现正相关性，同时暖持续日数与冷持续日数呈负相关，这表明了东北地区的持续性升温现象较为

显著。

2.2 东北地区极端气温的空间变化特征

在空间变化特征中，利用最小二乘法进行网格趋势计算[10]。在分析检验过程中t值较小，符合统计原理，证明趋势分析结果有效且显著性较强。利用趋势分布图对东北地区极端气温空间变化特征进行分

析[11]。为提高可观测性和分析性，趋势变化以10年为单位进行制图并呈现。1951—2021年东北地区极端气温指数网格趋势分布图如图1所示。

图1  1951—2021年东北地区极端气温指数网格趋势的空间分布

由图1可知，1951—2021年范围内WSDI、GSL这2个指数为上升趋势，CSDI指数为下降趋势，气温升高状态不变。CSDI指数为下降趋势，每10年变化下降趋势在0.30～1.17 d之间，即冷持续指数近70年来逐渐减少，减少天数趋势为2.1～8.19 d，辽东半岛及蒙东南部地区天数下降趋势较为明显，蒙东地区北部减少趋势较弱，大致从南向北下降趋势减弱。WSDI指数为上升趋势，每10年变化趋势在0.52～2.15 d之间，即暖持续日数在近70年时间里增长天数的幅度在3.64～

15.05 d之间，大致呈现自东向西趋势加深态势，三江平原增长幅度较弱，蒙东地区北部增长态势明显。GSL指数每十年变化趋势上浮在0.24～0.36 d之间，即作物生长期在近70年中上升幅度在1.68～2.52 d之间，增加天数较少，辽东半岛、三江平原及蒙东地区西北部增长趋势较弱，东北平原及大兴安岭中部、南部增长态势明显。

极端气温指数之间具有较强的关联性，但在总结具体空间分布时需结合地区自然差异进行对应分析。蒙东南部地区CSDI指数下降趋势明显，WSDI变化幅度居中，但对应GSL指数有显著上涨趋势，说明该地区气温整体呈逐步上升趋势，并未出现暖持续指数的突发性上浮。蒙东北部地区在极端气温指数上分布一致性较强，CSDI下降趋势较弱，WSDI指数上涨趋势较强，GSL指数上涨趋势较弱，暖持续日数趋势上涨较为明显，整体气温的变暖现象明显，高温持续性逐年加强。

空间变化上表明了气候变暖的总趋势状态，其中辽东半岛、三江平原等地区指数变化较为显著，变暖趋势在地区分布上存在一定差异，但气温整体变暖的趋势没有改变。

3 结论与展望

（1）从时间尺度来看，1951—2021年3个极端气温指数呈现出的结果都表明，东北地区气温整体有明显的升高态势，大致在1980年—1990年出现大幅度变化，71年来的气温始终攀升。其中冷极端指数CSDI在降低，反之，对应的暖极端指数时间延长，WSDI、GSL天数增多，与全球陆地极端气温变化的趋势相吻合。

（2）从空间尺度来看，东北地区全境呈现升温趋势，各极端气温指数在不同空间分布上具有一定差异，辽东半岛及蒙东地区南部升温趋势较为明显，三江平原地区在冷持续指数上变化幅度较低，说明该地气温提升较为稳定。从整体分布来看，气温的升高大致符合由南向北、由东向西逐渐递减的趋势，考虑受到纬度、地形及海陆位置分布的影响较大，但结合社会经济因素，城市发展建设对气温的影响也需要引起关注[12]。

在未来研究中，极端气温研究应与农业发展形成更加紧密的联系，当前东北地区全境升温态势明显，辽东半岛、三江平原等低海拔地区变化明显，对于农业生产而言，除了作物生长期延长、霜冻日数减少等有利方向以外，更应该多注意由于气候升温可能衍生的水旱灾害，实时观测，做好应急准备工作[13-14]。同时，作物生长期的延长可能使得害虫生长季节也同时加长，导致一年中害虫繁衍世代数增多，农田多次受害的概率增大，甚至会出现一些在原来严寒冬季不能生存的新类型病虫害。研究者应从多角度进行叠加考虑，如地形、海陆位置、纬度位置等自然因素，结合当地社会经济因素及农作物种植上进行综合分析[15-16]，为农业发展的气温数据和演变规律做出更有针对性的分析。

参考文献

[1] 何秋霞，吴晓兰，汪美宏，等.1971—2020年东北地区极端气候时空变化分析[J].科技风，2023（36）：83-85.

[2] 封国林，龚志强，支蓉.气候变化检测与诊断技术的若干新进展[J].气象学报，2008，66（6）：892-905.

[3] 张哲铭，戴长雷，王闯.1979—2017年东北地区气温与降水量的变化特征分析[J].甘肃水利水电技术，2022，58（5）：1-6，12.

[4] 李克南，杨晓光，刘志娟，等，全球气候变化对中国种植制度可能影响分析Ⅲ：中国北方地区气候资源变化特征及其对种植制度界限的可能影响[J].中国农业科学，2010，43 （10）：2088-2097.

[5] 苗正伟，李娜，路梅，等.1961—2017年京津冀地区极端气温指数时空变化分析[J].北京师范大学学报（自然科学版），2019，55（3）：369-380.

[6] 姚瑶，付冬雪，王婷婷.吉林省冬半年极端最低气温频数的气候特征分析[J].气象灾害防御，2019，26（4）：34-38.

[7] 许学莲，许清霞，张亚珍，等.格尔木地区1961—2017年极端气温变化特征分析[J].青海农技推广，2020（1）：45-49.

[8] 万露文，张正栋，李英杰，等.韩江流域近50年极端气候事件的时空变化特征[J].中国农业大学学报，2017，22（9）：133-144.

[9] 袭祝香，杨雪艳，刘玉汐，等.松辽流域1961-2017年极端降水变化特征[J].水土保持研究，2019，26（3）：199-203，212.

[10] 吴利华，彭汐，马月伟，等.1951—2016年昆明极端气温和降水事件的变化特征[J].云南大学学报（自然科学版）， 2019，41（1）：91-104.

[11] 王晓利，侯西勇.1961—2014年中国沿海极端气温事件变化及区域差异分析[J].生态学报，2017，37（21）：7098-7113.

[12] 贾艳青，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.

[13] 任景全，郭春明，刘玉汐，等.1961—2015年吉林省极端气温指数时空变化特征[J].生态学杂志，2017，36（11）：3224 -3234.

[14] 李桂华，周玉科，范俊甫，等.青藏高原极端气温指数时空格局及可持续性分析[J].测绘与空间地理信息，2019， 42（12）：51-54.

[15] 丁之勇，董义阳，鲁瑞洁.1960—2015年中国天山南、北坡与山区极端气温时空变化特征[J].地理科学，2018，38 （8）：1379-1390.

[16] 赵国永，韩艳，刘明华，等.1951—2014年内蒙古自治区极端气温事件时空变化特征[J].干旱区资源与环境， 2017，31（12）：110-116.