中國極端高溫事件的年代際突變及其與海溫的關系*

周 曉， 黃 菲

(中國海洋大學物理海洋實驗室 山東省高校海洋-大氣相互作用與氣候重點實驗室，山東 青島 266100)

?

中國極端高溫事件的年代際突變及其與海溫的關系*

周 曉， 黃 菲**

(中國海洋大學物理海洋實驗室 山東省高校海洋-大氣相互作用與氣候重點實驗室，山東 青島 266100)

基于中國730個氣象臺站1961—2010年50年間的日平均地面氣溫觀測資料，研究了中國極端高溫事件頻數的年代際時空分布及其突變特征，并探索了其與海表面溫度之間的關系。結果表明，中國極端高溫事件頻數有明顯的線性增加趨勢，但空間上呈不均勻分布，北方和西南地區增加快而南方地區增加慢，甚至個別地區出現減小的趨勢，時間上在1990年代中后期到21世紀初期存在顯著的年代際突變。中國極端高溫頻數的時空變化主要表現在主成分分析的前兩個模態上：全國一致型(第一模態)和南北振蕩型(第二模態)，方差貢獻率分別分18.8%和17.2%，且分別反映了1990年代中后期和21世紀初期兩次年代際轉型特征。第一模態主要與北大西洋多年代振蕩(AMO)和印-太暖池的變化有關，第二模態則主要與AMO和ENSO正負位相轉換有關。

中國極端高溫； 時空分布； ENSO

20世紀以來，全球氣候變暖趨勢進一步加劇，洪水、干旱、臺風等各類天氣和氣候的極端事件頻繁出現，已經給全球的社會、經濟與環境帶來重大影響[1-4]。尤其是中國近幾十年發生了一系列的極端天氣氣候事件，如近幾年西南地區持續干旱，2013年夏季中國南方的持續性高溫等，引起了氣象學界的廣泛關注。IPCC(聯合國政府間氣候變化專門委員會)2007年發布的第四次評估報告[5]中也提到了“高溫熱浪等極端天氣氣候事件，呈現不斷增多增強的趨勢，預計今后這種極端事件的出現將更加頻繁”。在全球變暖的背景下，分析中國極端高溫事件的時空分布，探討中國極端高溫事件的發生規律，這對于指導中國極端高溫事件的預防，減少自然災害造成的經濟損失有重要意義。

極端高溫事件是一種危害較大的災害性天氣，既與天氣尺度環流系統有關，又與熱島效應、下沉增溫及地形等因素存在聯系[6]。針對這類問題，中國的許多專家學者做出了一些研究。從整體上看，中國極端高溫事件高發區主要集中在東南地區以及新疆地區，其年際變化率較大區域主要位于中國東部，新疆地區變化相對較小[7]。對于中國不同區域，極端高溫事件的發生又有著明顯的差異。秦玉琳等[8]通過研究近50年來東北地區夏季極端溫度變化趨勢，發現東北地區極端高溫頻數明顯增加，且在極端高溫高發年500hPa位勢高度上盛行緯向環流，東北地區上空位勢高度垂直分布接近于正壓結構。史軍等[9-10]研究了華東極端高溫氣候特征及其成因，認為華東高溫日數和高溫日平均最高氣溫分別具有多-少-多和高-低-高的年代際變化規律。在21世紀最初5年和20世紀60年代極端高溫事件發生頻數較多強度較大，而在20世紀70～90年代，極端事件相對較少。其分布具有區域差異，并與Nino4指數相關。張志薇和時興合[11]通過統計的方法選定閥值來選擇極端最高氣溫并進行分析，指出東北地區和青藏高原地區的極端最高氣溫強度相對其它地區偏低，華中地區和新疆地區極端高溫強度較大。此外陳磊等[12]從動力學角度研究了我國西北地區大范圍極端高溫事件的大氣環流異常特征，認為大范圍極端高溫事件的發生與高空大氣環流異常有直接關系，當出現大范圍極端高溫事件時，100hPa南亞高壓強度偏強，副高脊線偏北。

上述研究或是在空間上只針對中國部分地區，或是在時間上只針對某一年或幾年極端高溫進行分析，本文基于全國730個臺站建國以來的地面觀測數據，采用基于極端高溫是小概率事件特征及參考人體體感舒服溫度的極端高溫事件定義方法[13]，分析了中國極端高溫事件的年代際變化特征，并研究了它與海表溫度的關系。

1 研究資料與方法

1.1 研究資料

在本文中所用的資料是由中國氣象局提供的1951—2010全國730個臺站日最高溫度的觀測數據。為了保證數據的連續性和一致性，本研究從原始數據中篩選出1961—2010年487個擁有較長完整時間序列的臺站數據，且氣象臺站資料都經過嚴格的質量控制和插補[13]。

1.2 研究方法

參考周曉等[13]對于極端高溫定義方法，取累計距平99%且溫度高于30℃作為閾值，當某站日最高溫度大于該閾值時定義為發生一次極端高溫事件，極端高溫事件頻數指某一時間段內發生極端高溫事件的天數。首先對中國1961—2010的極端高溫事件頻數進行統計，然后利用概率譜分析和滑動t檢驗的方法對該時間序列進行分析，再利用EOF[14-15]方法分析其時空分布特征，最后利用相關分析研究其與海溫的關系。

2 中國極端高溫事件趨勢變化及突變特征

2.1 極端高溫事件的線性趨勢分布

各臺站1961—2010年極端高溫頻數線性趨勢(見圖1)顯示，中國近五十年來極端高溫事件整體呈現增多趨勢。但是各區域變化幅度不一致：北方以及西部個別地區增長較為明顯；南方地區特別是長江中下游極端高溫事件增長幅度較小，個別地區甚至出現減少現象。西南地區比較特殊，增長幅度較大，甚至超過了中國北方地區。總體來說中國近幾十年來雖然整體上極端高溫事件的發生呈現增長的趨勢，但是區域差異性明顯，個別地區甚至與這種大趨勢相反。

(圖中“△”代表五十年來極端高溫頻數增加的臺站，其大小與極端高溫事件的增加成正比例關系。“▽”代表極端高溫頻數減少。‘△’ denotes the station which extreme high temperature event increases and ‘▽’ denotes decrease. The size is in proportion to the change of the extreme high temperature event.)

圖1 1961—2010年極端高溫事件的頻數變化趨勢分布

Fig.1 The frequency trend of extreme high temperature event from 1961 to 2010

2.2 日最高溫度概率分布的年代際變化

為詳細研究中國各區域極端高溫變化情況，參考之前的研究[13]，將中國按照不同地理位置依次分為東北(東北三省)、華北(京津唐以及山東內蒙古地區)、華東(秦嶺淮河以南我國東部地區)、華南(廣東廣西以及海南地區)、西南(云南)、西部(四川青海西藏地區)和西北(甘肅新疆地區)7個典型區域以及全國平均。分別統計1961—2010五十年間每十年各區域及全國日最高溫度概率分布，平滑后得到1961—2010年每十年日最高溫度概率譜密度分布(見圖2)。從圖中可以看出，日最高溫度的概率分布型基本沒有發生變化，只是整體向右平移了0.5 ℃左右(最后一個十年相對第一個十年來說)。特別是在南方地區(4區和5區)，從1990年代開始，高溫發生頻率明顯增加。由此得出，中國極端高溫事件頻數的增加與背景溫度場的升高有關，即由于中國平均溫度的整體上升，在選定極端高溫事件閾值不變的情況下，發生極端高溫事件的概率就會大大增加，所以導致了近些年來中國極端高溫事件頻數呈現增長趨勢。

2.3 極端高溫事件增長趨勢的突變特征

以上分析表明,中國近幾十年來極端高溫事件頻數呈現增長趨勢，但是增長幅度在時間上是不均勻的。為了描述五十年來中國極端高溫事件頻數的增長情況，現利用滑動t檢驗的方法，對各臺站五十年來極端高溫事件頻數序列進行突變檢驗，方法如下：首先利用滑動t檢驗對各臺站年極端高溫事件頻數序列進行檢驗，然后記錄各年份通過95%置信水平的臺站個數(見圖3)，圖中紅線表示檢驗時子列長度取10，藍線表示檢驗時子列長度取5。圖中高值區表示在該年份有較多的臺站通過95%置信水平檢驗，即在該年份有較多的臺站極端高溫事件的頻數發生顯著的突變式增長，低值區相反。由此可以發現：中國近五十年來極端高溫事件頻數的增長是非均勻的，具有突變性。在所研究的時段內，1972—1973、1982—1983以及1990年代中后期一直持續到21世紀初期有3次很明顯的突變發生，即在這幾個時間段內，中國極端高溫事件的發生頻數呈現急劇增長態勢，且空間分布廣泛。特別是1990年代中后期這次，持續時間長，發生突變式增長的臺站數量多，造成了較為嚴重的影響。

(圖中黑線代表1961—1970年日最高溫度的概率分布;紅色圓圈表示對應95%閾值溫度;藍、綠、黃、紅分別代表1971—2010每十年概率分布與1961—1970概率分布之差。Black line means pdf of 1961—1970； Red circle means the threshold of the temperature. Blue, green, yellow, red lines represent the difference between each time of 1971—2010 to 1961—1970.)

圖2 1961—2010年每十年日最高溫度概率分布

Fig.2 Probability distribution of daily maximum temperature from 1961 to 2010

圖3 各年份發生突變現象的臺站個數

綜合以上結論不難看出：中國的極端高溫事件隨時間整體上呈現增加趨勢，這主要是由于背景溫度場的上升，導致了發生極端高溫事件的概率增加，從而導致了極端高溫事件的頻數增多。但是這種增長無論從時間上還是空間上都有極大差異，空間上南北方分布不均，且西南地區較為特殊；時間上變化極不均勻，在1990年代以后有突變式增長。

3 中國極端高溫事件頻數的主模態時空特征

3.1 中國極端高溫事件頻數的主成分提取

為了研究中國極端高溫事件頻數的主要變化模態，采用EOF的方法，對各臺站年極端高溫頻數序列做EOF分解，提取各臺站年極端高溫事件頻數變化的主要信息。從North[16]檢驗圖可以看出(見圖4(a))：第一模態方差貢獻率為18.8%，第二模態方差貢獻率為17.2%，前兩個模態方差貢獻率較大，與其它各模態可以顯著區分開，因此以下主要針對前兩個模態進行分析。另外注意到，前兩個模態之間并不能顯著區分，表明二者可能是同一種現象的不同位相表現。

圖4 中國各臺站極端高溫事件EOF分析各模態方差貢獻率(a)、前兩模態主成分(虛線)及其5年滑動平均曲線(實線)(b)、第一模態空間分布(c)、第二模態空間分布(d)

3.2 EOF第一模態——全國一致型

從圖4(b)來看，第一模態的時間系數有4～5a的年際振蕩周期和一個較為明顯的年代際轉變。在1990年代中期以前，變化較為平緩，主要有一個準4年的變化周期。期間在1972—1973、1982—1983、1987—1988時間段內有幾個極大值出現。到了1990年代中后期以后，第一模態時間系數基本轉為正位相，且振幅明顯增大。通過滑動t檢驗發現在1984、1996和2003年附近存在明顯的突變點(見圖5)，且都通過了95%的顯著性檢驗，這一點和前面的突變檢驗結果相吻合。說明中國的極端高溫事件頻數有一個年代際轉變，以1990年代中后期為時間點，之前變化較為平緩，呈準4年振蕩，之后變化非常劇烈，并多次出現極大值。結合第一模態時間序列，空間分布(見圖4(c))表現為，1990年代中期之后，隨著時間系數由負轉正，除中國南方邊境極少數地區，中國大部分地區出現極端高溫事件頻數增加，由南向北逐漸增多，遼寧和京津塘地區為極大值中心。

3.3 EOF第二模態——南北振蕩型

由圖4(b)中第二模態的時間系數來看，這種振蕩有一個4～7a的年際周期和一個較為明顯的年代際轉變。在1970年代中期以前，以負位相為主，振蕩較為劇烈，振幅較大。在1966—1967、1971—1972、1977—1978幾個時間范圍內有正極大值出現。從1970年代中期至1990年代中期這二十年間，振幅相對減弱，多以負位相為主，周期在2～3a。而從1990年代中后期以后，振幅再次變大，多以正位相為主，在21世紀初期出現極大值。通過滑動t檢驗發現在1996年和2003年附近存在明顯的突變現象(見圖5)，且通過了95%的顯著性檢驗。第二模態時間系數的變化與第一模態有類似的地方，主要表現為年際振蕩和年代際的突變，但第二模態的年代際突變比第一模態要晚5～7a。結合第二模態時間系數來看，空間分布(見圖4(d))呈現南北偶極子的分布特征，北方主要以東北地區和新疆北部為極大值中心，南方主要以華東地區長江中下游為極大值中心。綜合以上結果可以看出：在1980—1990年代，中國北方地區特別是東三省以及新疆北部地區出現的極端高溫事件相對南方地區較多，但進入二十一世紀以后，情況發生反轉，江南地區極端高溫事件大幅度增加，北方地區反而減弱，且振蕩明顯加劇。

(黑色虛線表示95%置信水平檢驗線。Black dash line means the test line of 95% confidence level.)

圖5 EOF分析第一第二模態突變檢驗
Fig.5 Mutation test for the first and second mode of the EOF

從主成分分析第二模態空間場分布可以看出，中國極端高溫事件在東北地區和華東地區存在著2個主要的中心區。分別對這2個區域近五十年來各臺站平均極端高溫事件頻數分析可知(見圖6)，東北地區極端高溫事件整體呈增加趨勢，特別是在1990年代中后期，極端高溫頻數事件急劇增加，且振幅增大；與第一模態時間系數相關達到0.86(5年滑動平均后相關系數達到0.89)，超過99%信度水平，說明第一模態主要反映了東北地區極端高溫頻數的變化。而華東地區近五十年來極端高溫事件主要呈現出高-低-高的變化特征，在1975年之前極端高溫頻數逐漸減少，而在接下來的幾十年中極端高溫事件變化趨勢較小，主要以振蕩為主，而在20世紀90年代后期，該區域極端高溫事件又有明顯增加趨勢；與第一模態時間系數相關達到0.96(5年滑動平均后相關系數達到0.97)，超過99%信度水平，說明第二模態主要反映了華東地區極端高溫頻數的變化。

(紅色實線和藍色實線為對應的5年滑動平均曲線。Solid lines mean the 5-year-running average of each area.)圖6 東北地區(紅色虛線)和華東地區(藍色虛線)極端高溫事件頻數序列

4 與海表溫度的關系

4.1 EOF第一模態與海表面溫度的關系

為研究中國極端高溫事件的發生與全球海洋的關系，現將第一模態時間系數與全球海表面溫度場做相關(見圖7左)，同時為表現時間系數年代際變化與海溫的關系，將時間系數進行5年滑動平均并與全球海表面溫度場做相關(見圖7右)。圖中“D(-1)JF(0)”、“MAM(0)”、“JJA(0)”、“DON(0)”、“D(0)JF(+1)”分別表示當年冬季、春季、夏季、秋季和次年冬季季節平均的海表面溫度與第一模態時間系數的相關關系。

如圖7所示，中國極端高溫事件的發生主要與印太暖池區、西北太平洋黑潮延伸體區域以及北大西洋存在顯著的正相關關系。由于中國的極端高溫事件主要發生在夏季[13]，所以可以認為第一模態的時間系數主要反映的是夏季極端高溫事件頻數的變化情況。對比夏季同期(JJA0)和前后季節的顯著相關區域可以發現，夏季印太暖池區海溫的變化與第一模態的相關性較弱，而前期冬春季節的西北太平洋海區的相關性更高，夏季之后的秋冬季節熱帶印度洋則呈現出海盆一致模的特征，它可能是中國極端高溫PC1的年際振蕩信號發生在El Nino發展年(如1972，1982，1997，2010年等)的夏季有關。PC1的年代際變化信號可能主要來源于北大西洋海表溫度的多年代振蕩[17]，另外，冬春季節北太平洋黑潮延伸體區域和南太平洋副熱帶-熱帶海洋內部通道區域[18]的海溫變化也存在顯著的年代際變化特征，也可能是中國極端高溫第一模態時間系數年代際變化的關鍵影響海區。

4.2 EOF第二模態與海表面溫度的關系

在年代際尺度上，中國的極端高溫天氣的發生主要受到北大西洋和中太平洋海表面溫度的影響，可能與AMO和中太平洋型厄爾尼諾有一定的關系[19]。同時注意到年代際尺度上冬春季北冰洋大西洋扇區的巴倫支海和喀拉海以及夏秋季北冰洋太平洋扇區一帶均為顯著相關區，這表明中國夏季極端高溫南北振蕩型第二模態的發生可能與北極海冰近年來的快速融化有顯著相關。

5 結論

從中國各區域日最高溫度概率分布來看，1961—2010年各階段日最高溫度概率譜密度分布型基本沒有發生改變，只是整體向右平移了大約0.5 ℃左右。因此，在相同的極端高溫閾值情況下，發生極端高溫事件的概率則會顯著增加。從以上分析可以看出，中國極端高溫事件頻數的增加主要與背景溫度場升高有關，但是從空間上看，南北差異較大，北方地區和西南地區極端高溫事件頻數增加較快，南方地區極端高溫事件頻數增長相對較緩，部分區域甚至有減小趨勢。從時間上分析，中國極端高溫事件增加具有突變性，在1990年代之后有突變式增長。

(左圖表示直接相關，右圖表示時間系數進行5年滑動平均后年代際分量的相關。圖中藍色區域代表負相關，紅色區域代表正相關。此圖已略去顯著性水平低于75%的區域。Left pictures mean the simple correlation； Right pictures mean the correlation which the time index has been used of 5-year moving average. The red area represents positive correlation； Blue area means negative correlation. White area means the correlation below 75% confidence level.)

圖7 第一模態時間序列與海表面溫度相關系數分布

Fig.7 The correlation of the first mode and sea surface temperature

中國極端高溫事件頻數的時空變化特征主要體現在主成分分析的前兩個模態，第一模態為全國一致型，全國整體呈較為一致的變化趨勢。時間上有4～5a的年際震蕩周期和一個較為明顯的年代際轉變。在1984、1996和2003年附近存在明顯的突變現象。且在1990年代中期之后，隨著時間系數由負轉正，中國大部分地區極端高溫事件頻數顯著增加。而第二模態主要表現為南北震蕩型，同樣存在一個4～7a的年際周期和一個較為明顯的年代際轉變。且在1996和2003年附近存在明顯的突變現象。結合空間場分布來看，在二十世紀80～90年代，中國北方地區特別是東三省以及新疆北部地區出現的極端高溫事件相對南方地區較多，但進入二十一世紀以后，情況發生反轉，江南地區極端高溫事件大幅度增加，北方地區反而減弱，且振蕩明顯加劇。此外，中國極端高溫事件頻數主成分分析前兩模態方差貢獻率之和只有36%左右，說明中國極端高溫事件的發生還受到其它多種因素的共同影響，其變化特征具有復雜性，還需要進一步深入研究。

(左圖表示直接相關，右圖表示時間系數進行5年滑動平均后年代際分量的相關。圖中藍色區域代表負相關，紅色區域代表正相關。此圖已略去顯著性水平低于75%的區域。Left pictures mean the simple correlation； Right pictures mean the correlation which the time index has been used of 5-year moving average. The red area represents positive correlation； Blue area means negative correlation； White area means the correlation below 75% confidence level.)

圖8 第二模態時間序列與海表面溫度相關系數分布

Fig.8 The correlation of the second mode and sea surface temperature

通過與海表面溫度場分析可知，中國極端高溫事件頻數第一模態主要與印太暖池區、西北太平洋黑潮延伸體區域以及北大西洋存在顯著的正相關關系。根據超前滯后分析可知，中國極端高溫事件第一模態可能與厄爾尼諾發展年的夏季有關。而第二模態時間系數的變化與印度洋基本沒有相關關系，只與赤道中東太平洋及大西洋具有較強的相關性。在年代際尺度上，中國的極端高溫天氣的發生主要受到北大西洋和中太平洋海表面溫度的影響，可能與AMO和中太平洋型厄爾尼諾有一定的關系，同時在年代際尺度上冬春季北冰洋大西洋扇區的巴倫支海和喀拉海以及夏秋季北冰洋太平洋扇區一帶均為顯著相關區，這表明我國夏季極端高溫南北振蕩型第二模態的發生可能與北極海冰近年來的快速融化有顯著相關。

[1] 胡宜昌， 董文杰， 何勇. 21世紀初極端天氣氣候事件研究進展 [J]. 地球科學進展, 2007， 22(10)： 1066-1075.

[2] 任福民， 翟盤茂. 1951—1990年中國極端溫度變化分析 [J]. 大氣科學， 1998， 22(2)： 217-227.

[3] 馬柱國， 符宗斌， 任小波， 等. 中國北方年極端溫度的變化趨勢與區域增暖的聯系 [J]. 地理學報， 2003， 58(增)： 11-20.

[4] Zhai P M， Sum A J， Ren Fumin, et al. Changes of climate extremes in China [J]. Climatic Change， 1999， 42： 203-218.

[5] IPCC. Climate Change 2007. The Scientific Basis [M]. Houghton J T, Ding Y, Griggs D J, et al. Eds. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press, 2007： 881.

[6] 熊亞軍, 于平, 扈海波. 國內高溫氣候變化事實及其災害特征研究進展 [J]. 干旱氣象, 2013, 31(1)： 194-198.

[7] 孫建奇, 王會軍, 袁薇. 我國極端高溫事件的年代際變化及其與大氣環流的聯系 [J]. 氣候與環境研究, 2011, 16(2): 199-208.

[8] 秦玉琳, 孫照渤, 倪東鴻. 中國東北夏季極端高溫變化特征及其與環流異常的聯系 [J]. 氣象與減災研究, 2012, 35(2): 7-16.

[9] 史軍， 丁一匯， 崔林麗. 華東極端高溫氣候特征及成因分析 [J]. 大氣科學， 2009， 33(2)： 347-358.

[10] 周后福，陳海燕，黃克慧，等. 浙江省2003年夏季異常高溫氣候及其成因分析[J]. 科技通報，2005，21(5)：524-528.

[11] 張志薇，時興合. 中國近55年極端高溫變化分析[J]. 青海氣象，2010(4)：1-6.

[12] 陳磊，王式功，尚可政，等.中國西北地區大范圍極端高溫事件的大氣環流異常特征[J].中國沙漠，2011(4)：1052-1058.

[13] 周曉，黃菲，楚合濤，等.1961～2000年中國極端高溫事件的時空特征[J].中國海洋大學學報：自然科學版，2011，41(增)：38-45.

[14]Preisendorfer R W.Barneet T P. Significance test for empirical orthogonal function[R]. Conference on probability and statistics in Atmospheric Science. Las Vegsa; American Mereorological Society;1997;169-172.

[15]Pearson K.On lines and planes of closest fit to systems of points in space[J].Philosophical Magazine,1901,2;559-572.

[16]North G R,Bell T,Cahalan R,et al. Sampling errors in the estimation of empirical orthogonal functions[J].Monthly Weather Review,1982,110;669-706.

[17]李雙林，王彥明，郜永祺．北大西洋年代際振蕩(AMO)氣候影響的研究評述[J]．大氣科學學報，2009(3);458-465.

[18]Huang R X, Wang Q,Interior communication from the subtropical to the tropical ocens [J].Journal of Physical Oceanography,2001,31(12);473-676.

[19]Di Lorenzo E,Cobb K M,Furtado J C, et al, Central Pacific ElNio and decadal cilmate change in the North Pacific Ocean[J],Nature Geoscience,2010,3(11);762-765.

責任編輯 龐 旻

Decadal Shift of the Extreme High Temperature in China and Its Relationship with Sea Surface Temperature

ZHOU Xiao, HUANG Fei

(Physical Oceanography Laboratory & Key Laboratory of Ocean-Atmosphere Interaction and Climate in Universities of Shandong, Ocean University of China, Qingdao 266100, China)

Based on daily observation temperatures data of 730 stations with 50 year series from 1961 to 2010, we have studied the temporal and spatial distribution characteristics of extreme “high temperature” events and explore its relation with the sea surface temperature. It was showed that the frequency of extreme high temperature events had an obvious increase trend, but it differed in different area. It increased more quickly in the north and southwest but relatively slow in the south, it even decreased in some areas. The change of the frequency had a significant decadal mutation from the end of 1990s to the beginning of the 21st century. Based on empirical orthogonal function (EOF) analysis, there are two leading modes: the consistent mode (first mode) and the concussion of the north and south mode (second mode). The variance contribution rates are 18.8% and 17.2% respectively and reflect two decadal transition characteristics in the end of 1990’s and the beginning of 21st century. The first mode is mainly related to Atlantic Multidecadal Oscillation and change of the Indo-Pacific warm pool. The second mode is mainly related to the transition of positive and negative phase about AMO and ENSO.

China extreme high temperature; spatial and temporal distribution; ENSO

全球變化研究國家重大科學研究計劃項目(2010CB951403；2012CB955604)；海洋公益性行業科研專項(201005017-6)資助

2014-03-03；

2014-05-20

周 曉(1989-)，男，碩士生。

* 通訊作者： E-mail: huangf@ouc.edu.cn

P732.6

A

1672-5174(2015)05-019-09

10.16441/j.cnki.hdxb.20140057