氣候變化引起我國溫度破紀錄事件的不一致演變

李 超，楊霏云，惠建忠，唐千紅，蘭海波，李海勝

(1．中國氣象局公共氣象服務中心，北京100081;2．中國氣象局干部培訓學院，北京100081)

近10余年，針對我國極端氣溫事件開展了許多研究［1－8］，但其研究對象是大于第90或第95百分位的或小于第10或第5百分位的數值區間，而對最為極端事件，即破紀錄事件的關注非常有限。將在一個時間序列中超過(或低于)先前所有數值的值定義為一個高值(或低值)紀錄。溫度破紀錄事件反映極端氣候趨勢，是近年來氣候變化研究的熱點［9］，其統計數據用于氣候趨勢的分析［10－11］、全球氣溫的變異性［12］等。

對我國的溫度破紀錄事件，有學者在假定溫度的概率密度分布函數的基礎上，推導得到破紀錄溫度的期望值［13－15］，利用蒙特卡羅模擬對推導結果進行驗證［16－17］，從而分析未來溫度破紀錄事件的發生強度、發生時間及極值概率等。熊開國等［18］分析1976～2005年逐日溫度的破紀錄事件發現，實際檢測的年均發生高溫破紀錄事件頻次增多，而低溫破紀錄事件減少。尚缺少對氣候變暖所引起的高值紀錄和低值紀錄演變的不一致性的深入分析。另外，溫度的高值紀錄或低值紀錄引起的災害類型不同，因而防災減災措施迥異。分析不同類型(高值紀錄或低值紀錄)的破紀錄事件在頻次或變化強度上的差異，可以加深對極端氣候變化趨勢的理解和農業防災減災策略的制定。筆者在此分析我國近53年月平均溫度的高值紀錄和低值紀錄的分布和演變，揭示不同的溫度破紀錄事件類型的頻次和變化強度受氣候變化影響的季節不均勻性和局地差異，以期進一步加深對氣候變暖與破紀錄事件的關聯性的理解。

1 資料和方法

1．1 資料來源 資料來源于中國氣象局公共氣象服務中心月平均溫度數據集。選取滿足1961～2013年連續觀測的站點，經檢驗有576個站點符合要求。逐月構造時間序列，將各站點的同月份的53個氣溫值按年份排列，共得到576×12=6 912個時間序列，每個序列的長度均為53。

1．2 破紀錄統計量 如果時間序列X的第i項，勝過序列中之前的所有數值，則是一個破紀錄事件(紀錄)，即如果xi＞max(x1，x2，…，xi－1)，則是一個高值紀錄。如果 xi＜ min(x1，x2，…，xi－1)，則是一個低值紀錄。序列的第一項既是高值紀錄又是低值紀錄。

如果時間序列來自于連續分布，且各項是相互獨立的同分布，則xi是一條紀錄的概率是1/i。因此，有n項數的時間序列，其紀錄數的期望值E(r)為

根據調和級數的歐拉公式，公式(1)可簡化為

其中γ=0．577…，稱為歐拉常數。這一結論的重要性在于它適用于任何的連續概率分布。以下數據分析都是在此推論的基礎上展開的。

1．3 分析方法 由公式(2)可見，在理論上，高值紀錄和低值紀錄出現頻次的期望值是相同的。2種紀錄類型實際出現的頻次的差異可以從某種角度反映極端氣候的趨勢。參考Anderson等［12］的方法定義統計量R，變量R(t)是第 t年，6 912個時間序列中的高值紀錄頻次和低值紀錄頻次的比值為

其中，如果在序列i(在第t年)出現一條高值(低值)紀錄，則 hi，t(li，t)是 1，反之是 0;N=6 912，是數據集合中的時間序列的個數。比率R可以表征極端高值和極端低值的演變［19］，是描述平均趨勢的一個粗略的指標［12］。R從定義上存在奇異點，有可能是無窮或0。文中涉及的觀測數據集中，沒有出現R為無窮或0的情況。使用平滑擬合來估計R的演變，平滑后的數據表示為Rs。采用的平滑方法是LOWESS(locally weighted scatter plot smoothing)［12］，其優點是不需要假定解析函數的形式。

為了考察破紀錄事件的頻次和變化強度在各季節和各個地區的分布，針對單個時間序列，分別定義變量ρ和變量γ:其中，如果序列i在第t年出現一條高值(低值)紀錄，則hi，t(li，t)是1，反之是0;n=53，是時間序列的長度。min表示高值紀錄的累積個數和低值紀錄的累積個數相比較的小值。因此，ρ是單一時間序列i中出現高值紀錄的累積個數和低值紀錄的累積個數的差值的相對值，反映了序列i中哪一種類型的紀錄的頻次占優及其程度。其中，如果序列i在第t年出現一條高值(低值)紀錄，則Hi，t(Li，t)是當前紀錄和前一條高值(低值)紀錄的差值的絕對值，反之是0;M1=∑nt=1hi，t，是序列 i高值紀錄的累計個數;M2=∑Nt=1li，t，是序列i低值紀錄的累計個數。因此，γ是高值紀錄平均變化強度與低值紀錄平均變化強度的差值，反映了序列i中哪一種類型的紀錄的變化強度更大及其程度。

2 結果與分析

2．1 高值記錄和低值記錄的時間演替 隨著時間的增加，紀錄的出現會越來越困難。對于平穩過程，其漸進的概率為1/n。由高值紀錄和低值紀錄出現的次數隨時間的衰減及衰減的理論值(圖1)可見，1980年前，理論值能夠較好地解釋每年高值紀錄和低值紀錄出現的次數;而1980年后，高值記錄年頻次大多位于理論值曲線以上，低值記錄年頻次則主要落在理論值曲線以下，即平穩過程的理論值對前半段紀錄的擬合效果優于后半段。可見，1980年后高值紀錄出現的次數衰減的速率比理論值慢，而低值紀錄出現的次數衰減的速率比理論值快。

分析1961年來我國溫度高值紀錄與低值紀錄年出現次數的比率隨時間演變(圖2)可見，比率R的最大值約為163，出現在2006年，比率R的最小值為0．14，出現在1970年;使用平滑擬合Rs來近似表征比率R的平均行為發現，1960～1970年Rs＜1且變化甚微，之后Rs增加，在1978年超過1(Rs=1．02)，1990年后 Rs值增大的速率明顯加大，1990年Rs=1．80，到2001 年已增加一個數量級達10．8，2013 年 Rs=28．1。美國［19－20］和澳大利亞學者［21］也分別報道了美國和澳大利亞的相似結果，即自1970年以來高值紀錄和低值紀錄的頻次比值約為2∶1。但與這兩國相比，我國的高值紀錄在1980年后的增加趨勢更明顯。

2．2 高值記錄和低值記錄的空間分布 使用ρ(公式3)和γ(公式4)來分析高值記錄和低值記錄2種紀錄類型的頻次和變化強度的差異，以及各時間序列的空間分布。參考全國一級氣象地理區劃，從大類上以東、西、南、北、中5個方位定義5個不重疊的區域(表1)。

表1 全國東、西、南、北、中5個區域的劃分

2．2．1 頻次。比較不同類型紀錄的頻次占優的站點的個數(圖3～4)發現，1～3月全國超過60%的站點高值紀錄頻次超過低值紀錄的頻次(ρ＞0)，尤其是2月，這一比例高達90%;6、7和12月有超過50%的站點低值紀錄頻次占優(ρ＜0)，7月比例為63%，主要集中在中部地區和東部地區，12月則主要集中在南方地區。除了2月，其他各月份均約有15%～20%的站點其高值紀錄和低值紀錄頻次相當。也就是說，冬季的1和2月全國大部分站點高值紀錄頻次多，夏季有過半的站點的低值紀錄頻次多，春季和秋季不同類型紀錄發生的站點數目差異不大;2種類型紀錄的頻次相當的站點約為20%。

分析2種類型的紀錄頻次相比較的空間分布及頻次差異的程度(圖3和表2)可見，2月高值紀錄的頻次超出(ρ＞0)最明顯，即高值紀錄的次數比低值紀錄的次數多1倍，特別是東部和中部地區;3月開始，盡管高值紀錄的頻次逐步減弱，但其占優的趨勢一直持續到5月，南方地區、西部地區和中部地區高值紀錄仍然比低值紀錄的頻次多約50%;之后，低值紀錄頻次超出(ρ＜0);7月，全國低值紀錄的頻次比高值紀錄的頻次多70%，尤其是東部和中部，低值紀錄的頻次多出約1．5倍，其低值紀錄頻次超出的趨勢一直持續到9月，并在12月將范圍擴大至南部沿海。

不同區域ρ變化趨勢差異顯著。如南方沿海，4～5月低值紀錄增強，6～8月高值紀錄增強，12月低值紀錄的陡增;云南地區，高值紀錄超出的趨勢一直較明顯;10～12月江南、華南地區與西藏、西南地區變化趨勢相反，前者低值紀錄增強，而后者高值紀錄增強。

圖3顯示，華南東部、江南地區有83個站點6月僅出現低值紀錄，西藏地區東北部、西南地區北部、西北地區中部有11個站點12月僅出現高值紀錄，2、3、7、11和12月西藏和云南省交界帶僅出現高值紀錄;青藏高原、華北、東北、西北地區高值紀錄多發生于冬季;江淮地區、黃淮、江南、華南的低值紀錄多發生于夏季和初冬。由表2可見，東部、中部和北方地區在上半年其高值紀錄占優，在下半年其低值紀錄占優，但東部和中部地區在下半年低值紀錄頻次超出的程度比北方地區明顯得多;西部地區除4、6和7月，其余月份高值紀錄占優，且程度明顯;南方地區第一季度高值紀錄明顯，12月低值紀錄明顯，其余月份差異不顯著;從各個月份來看，1～3月各區域＜ρ＞＞0，6和7月各區域＜ρ＞＜0;各區域的平均值顯示，西部和北方地區高值紀錄顯著，而中部地區和東部地區低值紀錄略有超出，南方地區高值紀錄和低值紀錄的頻次相當;全國來看，高值紀錄的頻次高于低值紀錄。

2．2．2 強度。比較2種類型的紀錄變化強度占優的站點的個數(圖5～6)發現，全年，2種類型紀錄的變化強度相當的站點約占10%;除5、9和10月，其他各月份均有超過45%的站點低值紀錄變化強度更大，尤其是2、11月，這一比例高達80%以上;全國低值紀錄變化強度更大的站點數占優，尤其是2、11月，γ＜0的站點比γ＞0的站點個數多70%;僅在5、9和10月，γ＞0的站點個數超過γ＜0的站點個數。換言之，除了春季的5月、秋季的9和10月，全國大部分站點的低值紀錄的變化強度更大，即低溫破紀錄事件的溫度降幅超過高溫破紀錄事件的溫度增幅。

表2 5個區域的逐月＜ρ＞值

由表3可見，2月全國平均低值紀錄的變化強度最大(＜γ＞=－1．3)，即低值紀錄的變化強度比高值紀錄的變化強度高1．3℃，5個區域＜γ＞均為負值，中部地區最顯著，達2．5℃;除5月以外，低值紀錄變化強度大的情況(各地區＜γ＞＜0)在上半年維持全國性的特征;下半年，11月低值紀錄強度大，其他月份高值記錄(＜γ＞＞0)地區較多;12和5月南方地區高值紀錄的強度比低值紀錄的強度高0．9℃，是高值紀錄的變化強度超出低值紀錄的變化強度的最大值。比較四季高、低值紀錄變化強度的差異，冬季是出現大數值＜γ＞最頻繁的季節，秋季＜γ＞數值普遍較小。可見，全國的低值紀錄變化強度大，尤其是冬季最普遍，即冬季低溫事件的強度增強，單次低溫冷害的危害程度大。

表3 5個區域的逐月＜γ＞值

綜合2種類型的紀錄年發生頻次的時間演變、空間分布以及變化強度的差異的空間分布，在全球變暖背景下，1961～2013年全國高溫熱浪的頻次增加，但單次低溫冷害的程度加劇，且有明顯的季節性和區域性特征。春季，全國大部分地區頻次和變化強度的趨勢相反，即高值紀錄次數多的地區，其變化強度弱，而低值紀錄次數少的地區，其變化強度強;夏季，江南地區、華南東部低值紀錄頻次和強度均占優，低溫冷害的影響大，而華南南部、內蒙古地區高值紀錄頻次和強度均占優，其高溫熱浪的影響不容忽視;秋季，全國大部分地區頻次和變化強度的趨勢一致;冬季，全國范圍內高值紀錄頻次增加，但其平均強度弱于低值紀錄，也就是說，高溫事件增多，但單次低溫事件的危害會更大。

3 結論

基于我國1961～2013年月平均溫度資料，分析高值紀錄和低值紀錄的時空分布特征，得到幾點結論:

(1)1961～2013年我國實際檢測到的高值紀錄的年頻次增多，低值紀錄的頻次減少，其比值在1990年后超過2∶1，并持續增長，近10年來甚至增加了一個數量級。這與國外學者對北美、澳大利亞的趨勢分析的結論相似。

(2)紀錄發生頻次有較大局地差異，且季節不均勻性明顯。西部和北方地區高值紀錄顯著，中部地區低值紀錄略有超出，南方和東部地區高值紀錄和低值紀錄的頻次相當。全國高值紀錄的頻次高于低值紀錄。2月份，全國90%的站點高值紀錄的頻次大于低值紀錄的頻次。青藏高原、華北、東北、西北地區高值紀錄多發生于冬季;江淮地區、黃淮、江南、華南的低值紀錄多發生于夏季和初冬。

(3)低值紀錄變化強度大于高值紀錄。尤其是2月，低值紀錄的變化強度比高值紀錄的變化強度高約1．3℃。超過45%的站點低值紀錄變化強度大于高值紀錄的變化強度，特別是2、11月，這一比例超過80%。

(4)紀錄數據的頻次和變化強度的變化趨勢因地區和時間而異。在全球變暖背景下，近53年來全國高溫紀錄的頻次明顯增加，但低值紀錄的降溫幅度卻高于高值紀錄的增溫幅度。春季和冬季，頻次多的紀錄溫度變幅小，而頻次少的紀錄溫度變幅大;夏季，高低值紀錄頻次和變幅并重的區域并存。如華南東部、江南地區的低值紀錄頻次和強度均占優，低溫冷害的影響大，而華南南部、內蒙古地區高值紀錄頻次和強度均占優，其高溫熱浪的影響不容忽視。

［1］宋小青，歐陽竹．1999～2007年中國糧食安全的關鍵影響因素［J］．地理學報，2012，67(6):793－803．

［2］嚴中偉，楊赤．近幾十年我國極端氣候變化格局［J］．氣候與環境研究，2000，5(3):267－372．

［3］QIAN W，LIN X．Regional trends in recent temperature and indices in China［J］．Clim Res，2004，27(2):119 －134．

［4］龔道溢，韓暉．華北農牧交錯帶夏季極端氣候的趨勢分析［J］．地理學報，2004，59(2):230－238．

［5］ZHANGW，WANS．Detection and attribution of abrupt climate changesin the last one hundred years［J］．Chinese Physics B，2008，17(6):2311 －2316．

［6］萬仕全，王令，封國林，等．全球變暖對中國極端暖月事件的潛在影響［J］．物理學報，2009，58(7):5083－5090．

［7］錢忠華，侯威，楊萍，等．最概然溫度背景下不同氣候態中國夏冬季極端溫度事件時空分布特征［J］．物理學報，2011，60(10):109－204．

［8］王曉娟，龔志強，任福民，等．1960－2009年中國冬季區域性極端低溫事件的時空特征［J］．氣候變化研究進展，2012，8(1):8－15．

［9］ ANDERSON A，KOSTINSKI A．Evolution and distribution of record －breaking high and low monthly mean temperatures［J］．Journal of applied meteorology and climatology，2011，50:1859 －1871．

［10］BENESTADRE．Record-values，non-stationarity tests and extreme value distributions［J］．Global and planetary change，2004，44:11 －26．

［11］REDNER S，PETERSEN M R．Role of global warming on the statistics of record-breaking temperatures［J］．Physical Review E，2006，74(6):61114．

［12］ANDERSON A，KOSTINSKI A．Reversible record breaking and variability:temperature distributions across the globe［J］．Journal of applied meteorology and climatology，2010，49(8):1681－1691．

［13］封國林，楊杰，萬仕全，等．溫度破紀錄事件預測理論研究［J］．氣象學報，2009，67(1):61－74．

［14］FENG Y J，YANG J，WAN SQ，et al．Prediction of record-breaking daily temperature events［J］．Acta meteorologica sinica，2009，23(6):666 －680．

［15］章大全，楊杰，王啟光，等．中國近年氣候破紀錄溫度事件發生概率分析［J］．物理學報，2009，58(6):4354－4361．

［16］熊開國，楊杰，萬仕全，等．氣候變化中高溫破紀錄事件的蒙特卡羅模擬研究［J］．物理學報，2009，58(4):2843－2851．

［17］宗序平，李明輝，熊開國，等．全球變暖對高溫破紀錄事件規律性的影響［J］．物理學報，2010，59(11):8272－8279．

［18］熊開國，封國林，王啟光，等．近年來中國溫度破紀錄事件的時空分布特征分析［J］．物理學報，2009，58(11):8107－8115．

［19］WERGEN G，KRUG J．Record-breaking temperatures reveal a warming climate［J］．Europhysics letters，2010，92:30008．

［20］MEEHL GA，TEBALAI C，WALTONG，et al．Relative increase of record high maximum temperatures compared to record low minimum temperatures in the US［J］．Geophysical research letters，2009，36(23):23701．

［21］TREWIN B，VERMONT H．Changes in the frequency of record temperatures in Australia，1957 －2009［J］．Australian meteorological and oceanographic journal，2010，60:113 －119．