極端溫度事件對我國華北農業氣候資源的影響

司鵬等

摘要基于均一的262個地面站逐日氣溫數據及RegCM4.0區域氣候模式模擬數據，從觀測事實和模式預估兩方面，對華北區域的農業熱量資源以及與農業經濟相關的極端溫度指標的趨勢變化進行了評估。結果表明，華北區域≥15 ℃活動積溫的趨勢增加幅度均較大，≥0 ℃和≥10 ℃活動積溫的趨勢增加幅度均相當；而>10 ℃有效積溫的增加幅度較>15 ℃有效積溫明顯。近54年來觀測到的華北區域氣溫日較差基本呈明顯的減少趨勢，而模擬預估則顯示出未來的日較差趨勢變化并不顯著。同時，極端溫度指標的分析結果也表明，在未來幾十年里，氣溫的大幅度增暖是可控的，甚至能夠達到增暖幅度低于當前觀測到的平緩趨勢。因此，對于華北區域來說，優化種植制度是適應氣候變化最重要的技術手段。

關鍵詞華北區域；積溫；極端溫度事件；農業氣候資源；影響

中圖分類號S162文獻標識碼A文章編號0517-6611（2015）29-223-08

氣候系統的變暖是毋庸置疑的，整個21世紀全球日溫度極暖事件的出現頻率和幅度將會增加，而極冷事件將會減少，預估的干旱、熱浪等及其產生的不利影響也將會增加。所有大陸和大部分海洋的觀測證據表明，許多自然系統正在受到區域氣候變化的影響，特別是溫度升高的影響。根據20世紀80年代初以來的衛星觀測顯示，在許多區域春季已出現植被返青提前的趨勢，這與近期變暖而使其生長季節延長有關。我國大陸地區也表現出了與全球極端溫度事件一致的變化特點，與此同時，我國近50年來因氣象災害導致的農業受災面積不斷擴大，農業經濟損失逐年升高，極端事件發生頻率和強度的不斷增加，也加大了農業生產的風險。

作為增暖顯著的北方地區，極端氣溫增暖儼然成為不可爭辯的事實，且隨之帶來的農業生產的不穩定性和自然風險也是不言而喻的。劉穎杰等研究表明以溫度升高為主要特征的氣候變化對我國東北地區糧食總產增加有明顯的促進作用，但對華北、西北和西南地區的增加則有一定的抑制作用。姬興杰等利用北方冬麥區18個農業氣象觀測站1983～2005年氣象資料和冬小麥生育期觀測資料分析得到，北方冬麥區冬小麥返青期、抽穗期和成熟期提前主要是由于氣溫增加所致，且以最低氣溫的變暖影響最為明顯。

然而，對于我國北方地區極端增暖事件的研究，目前主要基于氣溫極值和相對閾值的分析，對影響農業生產經濟的極端溫度指標（即絕對閾值）的研究甚少。與此同時，對于分析和監測極端事件（包括干旱、極端溫度等）的變化來說，需要具有高時空分辨率和長時間的氣候資料，因此，隨著氣象觀測序列的增長勢必會迫使人們重新認識一個地區的農業氣候資源。所以，從長時間尺度考慮極端氣候異常給農業經濟帶來的影響，更正以往僅利用較少年數氣候資料得到的農業氣象災害分析結果是非常必要和重要的。

該研究擬利用WMO（World Meteorological Organization）氣候委員會等組織聯合成立的氣候變化監測和指標專家組（ETCCDI，Expert Team on Climate Change Detection and Indices）定義的溫度絕對閾值來分析觀測到的華北區域1961～2014年極端溫度事件的變化特征及其對農業經濟帶來的影響；同時，研究利用區域氣候模式RegCM4.0中RCP4.5和RCP8.5 2種排放情景下的模擬結果，對華北區域未來極端溫度事件的變化趨勢進行預估，以期通過觀測事實和模式預估的相互印證為該地區農業經濟的可持續發展提供有利的科學保障。

1資料與方法

1.1資料選取

1.1.1地面觀測資料。

地面觀測資料由國家氣象信息中心提供，主要從北京、天津、河北、內蒙以及山西五省中，依據時間序列的長度、資料完整性對臺站進行篩選。剔除缺測數據大于全序列長度1%或有連續缺測年的臺站，最終選取262個基準、基本和一般站1961～2014年的逐日平均、最低、最高氣溫序列進行研究。臺站篩選結果如圖1所示。

圖1我國華北區域臺站分布

1.1.2區域氣候模式模擬數據。

模擬數據為國家氣候中心提供的區域氣候模式RegCM4.0，單向嵌套BCC_CSM1.1（Beijing Climate Center _Climate System Model version 1.1）全球氣候系統模式，分別在典型濃度路徑（Representative Concentration Pathways，RCPs）RCP4.5和RCP8.5排放情景下的輸出結果（以下簡稱RCP4.5、RCP8.5），連續模擬積分時間為1950～2099年，其中，以1986～2005年代表當代氣候時段，2006～2099年代表未來的預估時段，水平分辨率為50 km。區域氣候模式RegCM系列產品已經被廣泛地應用于我

國氣候變化評估中[18-19]，該數據可較好地再現我國地區當

代地面氣溫空間分布及數值，同時，對未來極端氣候事件也有較好的模擬能力[20-21]。依據地面觀測資料篩選的262個臺站信息，選取距離每個站點最近的格點值作為模擬預估的研究對象。

1.2研究方法

1.2.1地面觀測資料的質量控制和均一性分析。

觀測到的極端事件變化信度取決于資料的質量和數量，以及對這些資料分析的可獲得性。因此，依照文獻[16]的數據分析方法，在此首先對選出的262個地面氣象觀測站建站以來的逐日平均、最低、最高氣溫資料進行了基本邏輯檢驗[22-23]，且利用RHtestsV3方法[24-25]，結合臺站元數據，對質控后的數據進行了均一性檢驗，重點針對遷站造成的時間序列不連續進行了訂正。同時，為保證訂正后數據的可靠性，研究中將訂正后的氣溫資料與我國均一化歷史氣溫數據集（CHHT）[26-27]進行了對比分析。結果顯示，2種方法訂正得到的平均、最低、最高氣溫趨勢變化幅度基本在同一量級內，且趨勢變化特點一致。因此，利用RHtestsV3方法分析得到的氣溫觀測資料來評估華北區域極端溫度事件是相對可靠的。

1.2.2極端氣溫指數定義。

極端溫度事件采用ETCCDMI定義[17]的7個氣溫指數進行分析，分別包括5個絕對閾值和2個相對閾值（表1）。指數計算利用加拿大氣象局提供的RClimDex軟件包[22]。

1.2.3區域平均序列的建立。

華北區域平均序列的構造[28]，即將區域內262個臺站的年平均溫度（積溫、極端氣溫）序列進行主分量（PCA）分析，以展開后的第一主成分的荷載平方作為權重系數，對所有臺站的溫度序列進行加權平均，得到區域平均的氣溫序列。這樣可以消除個別不合理序列帶來的偏差，能夠比等權的區域平均序列更好地反映出區域溫度異常變化的信號。同時，采用荷載的平方作為權重系數可以避免區域內不同臺站之間因地形、海拔高度等因素造成的影響。

43卷29期司 鵬等極端溫度事件對我國華北農業氣候資源的影響

2結果與分析

2.1觀測到的華北區域極端溫度事件

2.1.1熱量資源的氣候變化。

積溫是制約作物全生育期或某一段生育期能否順利完成的重要因子之一，也是研究作物生長發育對熱量的要求和評價熱量資源的重要指標[29]。因此，在此通過分析能夠代表三大糧食作物小麥、玉米、水稻生長發育的指標溫度（0、10、15 ℃）的積溫變化[30]來對華北區域的熱量資源進行分析。

從近54年來華北區域≥0 ℃、≥10 ℃、≥15 ℃活動積溫趨勢變化的空間分布（圖2a）可以看出，各界限溫度的空間分布特點基本一致，主要表現為北京中部、天津和內蒙大部積溫趨勢增加最為顯著，變化幅度為75～100 （℃·d）/10a；山西、河北大部增溫趨勢主要集中在50～75 （℃·d）/10a；而山西東南部、河北東北部和西南部等地區增暖趨勢相對較小，幅度為25～50 （℃·d）/10a，其中有部分局部地區出現了積溫負趨勢變化。≥15 ℃活動積溫的高值增暖范圍相對較大，≥0 ℃和≥10 ℃活動積溫則基本相當，突出表現在內蒙地區。

從時間分布（圖2b）來看，整個華北區域1961～2014年各界限溫度的活動積溫均呈明顯的上升趨勢，特別是20世紀90年代初～21世紀初期，趨勢增加較為顯著；從變化幅度

（表2）來看，≥15 ℃的活動積溫趨勢增加相對較大，為702 （℃·d）/10a，≥0 ℃和≥10 ℃趨勢值相當，分別為687、68.4

（℃·d）/10a。因而，結合空間分布特征的分析結果，

反映出≥15 ℃活動積溫持續時間的相對增加一定程度上會導致北方耐寒作物如冬小麥適宜播種期的推遲，縮短其整個生育期，這一結果與高素華等[31]、張建平等[32]研究氣候變暖對我國冬小麥生長發育和產量影響得到的結論一致。與此同時，≥15 ℃活動積溫的顯著增加也會延長喜溫作物如水稻、玉米等灌漿成熟過程。另外，≥0 ℃和≥10 ℃活動積溫趨勢的顯著增加也會造成無霜期的延長，有利于水稻、早春玉米等喜溫作物的生長，由此可適當提早對該類作物的種植時間。

有效積溫穩定性較強，常用來表示作物生長發育對溫度的要求[29]。由近54年來華北區域>10 ℃、>15 ℃有效積溫趨勢變化的空間分布（圖3a）可見，其與活動積溫（圖2a2、a3）趨勢變化一致，華北區域1961～2014年各界限溫度的有效積溫均以趨勢增加為主要分布特征，增暖幅度基本為25～50 （℃·d）/10a，但>10 ℃有效積溫的趨勢增加幅度較>15 ℃有效積溫明顯，突出表現在內蒙北部和西部地區（圖3a1），其增暖幅度為50～75 （℃·d）/10a。相比>10 ℃有效積溫來說，>15 ℃有效積溫在山西大部、河北西南和東北部等增暖趨勢相對較小，甚至在山西南部負趨勢范圍明顯增大（圖3a2）。從時間分布（圖3b）來看，同樣與活動積溫一致，1961年以來華北區域各界限溫度的有效積溫均呈明顯的增暖趨勢，顯著增暖期也主要集中在20世紀90年代初～21世紀初期，>10 ℃、>15 ℃有效積溫的趨勢增暖幅度分別為43.3、30.1 （℃·d）/10a（表2）。

以上分析表明，在氣候增暖的大背景下，近54年來華北區域熱量資源是顯著增加的，特別是北部的內蒙地區。積溫的逐年升高一定程度上會造成冬小麥生育期的縮短，特別是冬性品種無法經歷足夠的寒冷期而不能滿足春化作用，致使總干重和穗重的減少，從而可能導致產量的下降。但同時有效積溫的升高，也會大大改善越冬條件，降低冬小麥的越冬死亡率，減少了種植風險。另外，北部熱量資源的顯著增加亦會對北方喜溫作物水稻、玉米的生長有利，有利于其單產的提高和種植面積的擴大。然而，由于山西東南部、河北東北部和西南部多為高山地區，造成其積溫升高幅度不大甚至出現負趨勢的現象，特別是>15 ℃有效積溫的趨勢變化。

氣溫日較差是衡量一地農業氣候資源質量的重要指標，也是代表作物生長期間對熱量強度的要求。對于日較差趨勢的空間分布來說（圖4a），近54年來華北區域氣溫日較差基本呈明顯的減少趨勢，特別是內蒙大部、華北區域東南部，說明日最低氣溫的升溫速率大于日最高氣溫。同樣，時間變化曲線也顯示出顯著的減少趨勢（圖4b），變化幅度為-0.291 ℃/10a。類似王石立等對資料的估算方法，利用日最低氣溫代表夜間溫度，那么隨著華北區域夜間溫度的升高，作物夜間的呼吸消耗也隨之增大，一定程度上減少了干物質的積累，可能會對作物的品質造成影響。

2.1.2極端溫度的變化。

從與農業生產經濟相關的極端氣溫指數的空間分布（圖5a）來看，5個極端指數的空間分布與熱量資源（圖2～3）表現出較大的一致性，其中代表暖事件的生長期GSL（圖5a1）和夏季日數SU（圖5a4）除了在河北東

北部和西南部表現出趨勢增加較小，甚至有局地呈現出日數減少趨勢外，華北其他區域基本呈現出增加的趨勢，增加日數均集中在2～4 d/10a，且在內蒙的西部和東部，GSL和SU分別出現了4～6 d/10a的增加幅度；而代表冷事件的霜

凍日數FD（圖5a2）和結冰日數ID（圖5a3）則表現出顯著的減少趨勢，其中FD的減少幅度相對較大，主要集中在-5～-3 d/10a，而ID的減少幅度主要為-3～-1 d/10a，且在河北的西南部出現了趨勢減少幅度不明顯的分布。綜合FD、ID和SU的趨勢幅度變化，能夠反映出華北區域日最低氣溫

的增暖變化大于日最高氣溫的，但日最低氣溫的升溫速率并不是無限度地增長下去，如熱夜日數TR的分布（圖5a5），除了華北區域西部和東南部有明顯的增加趨勢外，其他地區的熱夜日數趨勢基本沒有變化，尤其是內蒙大部。因而，對于華北區域來說，盡管近54年來氣溫日較差有顯著的減小趨勢，但由于日最低氣溫升高的有限性，對于作物光合物質的轉化、積累和貯存并不是一味的減弱，特別是氣溫較低的北部地區。

對于時間分布來說，1961～2014年華北區域平均的生長期GSL（圖5b1）和夏季日數SU（圖5b4）均呈顯著增加趨勢，增加幅度分別為3.0、2.6 d/10a。但從年代際變化來看，GSL的明顯延長時期始于20世紀80年代初，并呈持續的增加趨勢，與氣溫日較差DTR（圖4b）形成很好的反對應關系；SU與熱量資源的時間分布一致，明顯增加主要集中在20世紀90年代初～21世紀初期，同樣，這一變化特點還表現在熱夜日數TR的時間序列中（圖5b5）。對于冷事件來說，霜凍日數FD（圖5b2）和結冰日數ID（圖5b3）的時間序列均呈減少趨勢，幅度分別為-3.8、-2.1 d/10a，特別是FD從20世紀70年代開始至21世紀初期呈持續的減少趨勢，ID則有2個明顯的減少時段，分別是20世紀70年代和80年代初～90年代末，而在20世紀60年代和2000年以后有明顯的增加趨勢。

近54年來華北區域異常暖晝WSDI的時間序列變化特點與熱量資源（圖2～3）的基本一致，明顯增加趨勢集中在20世紀90年代初～21世紀初期，幅度為1.1 d/10a；而異常冷晝CSDI的曲線變化特點與結冰日數ID（圖5b3）有相似之處，20世紀60年代日數有增加趨勢，70年代～90年代中期呈減少變化，整體趨勢幅度為-0.4 d/10a。對于整個華北區域來說，有43%左右的臺站異常暖晝WSDI是顯著增加的（通過顯著性α=005檢驗），主要分布在華北中西部和北部地區，增加幅度為1～2 d/10a；而對于異常冷晝CSDI來說，僅有10%左右的臺站日數是顯著減少的（通過顯著性α=005檢驗），主要分布在華北西部和北部局部地區，幅度為-1～-2 d/10a。從空間分布來看，WSDI和CSDI趨勢的顯著變化均在內蒙部分區域有所體現，因此，二者的時空變化分析結果也印證了日最高、最低氣溫在內蒙等北部地區的顯著增暖變化。

2.2未來華北區域極端溫度事件

研究中對華北區域未來氣溫變化的預估使用了2種排放情景RCP4.5和RCP8.5的輸出結果，時段為2006～2099年。RCP情景是根據輻射強迫作為分類標準，現在和未來很長一段時間內，RCP情景將是氣候變化、影響評估及減排等研究中使用的主要溫室氣體排放情景。代表較高排放情景的RCP8.5，是指到2100年輻射強迫達8.5 W/m2，并將繼續上升一段時間；中間穩定路徑RCP4.5代表輻射強迫在2100年之前達4.5 W/m2，2種排放情景均包括溫室氣體、氣溶膠、化學活性氣體及土地利用的排放和濃度時間序列。

2.2.1熱量資源的氣候變化預估。

由華北區域RCP4.5和RCP8.5 2種排放情景下≥0 ℃、≥10 ℃、≥15 ℃活動積溫未來趨勢變化的分布情況（圖6）可見，華北區域未來的活動積溫均為增暖的趨勢變化，且幅度依緯度的遞減呈現出有層次性的遞增變化，其中，RCP8.5排放情景下（圖6b）各界限溫度的活動積溫增暖較大，幅度為73～131（℃·d）/10a，明顯高于當前觀測到的積溫變化（圖2a）；而RCP45排放情景下（圖6a）的趨勢增暖幅度較小，為41～76 ℃/10a，這主要與假定的排放情景有關。

從時間分布來看，華北區域RCP4.5和RCP8.5 2種排放情景下各界限溫度的活動積溫均有顯著的上升趨勢，特別是RCP8.5排放情景的時間序列上升較為明顯，并呈現出持續性的增暖變化，與之不同的是，RCP4.5排放情景的時間序列在21世紀中期（2060年左右）以后處于平穩的趨勢變化，這一特點與觀測事實相一致（圖2b）。同樣，1961～2099年華北區域未來活動積溫的趨勢幅度（表3）顯示，RCP8.5排放情景的趨勢增暖最為顯著，明顯高于觀測事實（表2），而RCP4.5排放情景的趨勢增暖幅度相對較小。但與觀測事實一致的是，不論是RCP4.5還是RCP8.5排放情景下，其未來的華北區域≥15 ℃活動積溫的趨勢增加幅度均較大，≥0 ℃和≥10 ℃的趨勢增加幅度均相當。

與活動積溫的未來趨勢變化特點一致，華北區域未來的有效積溫均表現出增暖的趨勢變化，且幅度的增加基本與緯度的變化呈反比。從變化幅度來看，>10 ℃有效積溫的趨勢增加較明顯，RCP4.5和RCP8.5排放情景下分別為 24～56、46～97（℃·d）/10a；>15 ℃有效積溫的趨勢增加較小，RCP4.5和RCP8.5排放情景下分別為 13～48、28～84（℃·d）/10a。但總的來看，RCP8.5排放情景下各界限溫度有效積溫的增暖趨勢明顯高于當前觀測到的有效積溫變化。對于時間序列變化來說，有效積溫的時間變化特點與活動積溫一致，RCP8.5排放情景下各界限溫度有效積溫隨時間呈明顯的持續上升趨勢，變化幅度明顯大于觀測事實（表2），>10 ℃、>15 ℃有效積溫的預估趨勢值分別為77.4、61.2（℃·d）/10a（表3）；而RCP4.5排放情景下的未來華北區域有效積溫在21世紀中期（2060年）以后表現出平穩的趨勢變化，幅度值較小，>10 ℃、>15 ℃有效積溫的預估趨勢值分別為42.1、32.9（℃·d）/10a（表3）。

對于日較差的未來趨勢變化來說，RCP8.5和RCP4.5 2種排放情景下的預估值均沒有觀測事實明顯，減小幅度也均沒有通過顯著性α=0.05檢驗，一定程度上反映出在未來幾十年的氣候變化中，華北區域日最低氣溫不會像近54年觀測到的升溫速率較顯著，而很可能會與日最高氣溫的變化相當或低于日最高氣溫的增溫速率。

綜上所述可見，現在和未來一段時間內，華北區域熱量資源勢必會有顯著的增加趨勢，特別是在高排放情景下（RCP8.5）的模擬預估，且各界限溫度的積溫趨勢變化特點基本一致。但通過對當前觀測事實、RCP4.5、RCP8.5排放情景下的積溫時空變化的對比發現，人類活動對大氣環境的影響只要維持在相對穩定的狀態下，如RCP4.5排放情景下，氣溫的大幅度增暖是可控的，甚至在未來幾十年里能夠達到增暖幅度低于當前觀測到的平緩趨勢。

2.2.2極端溫度變化的模擬預估。

RCP8.5排放情景下各極端氣溫指數的趨勢變化幅度明顯大于RCP4.5排放情景，但從空間分布特點來看，二者對應的各極端指數基本一致。代表暖事件的生長期GSL未來趨勢增加較為顯著的主要集中在山西和河北南部，RCP4.5和RCP8.5排放情景下的幅度分別約為1.8～2.5和2.8～3.5 d/10a，而其他大部分地區的增加日數分別集中在1～2、2～3 d/10a；對于另一暖事件指數夏季日數SU來說，2種排放情景下的未來趨勢均以山西北部和內蒙中部地區為中心向周圍逐漸減小，變化幅度分別為1.3～2.9、2.7～4.9 d/10a。代表冷事件的霜凍日數FD 2種排放情景下均在內蒙北部、中部部分地區、山西和河北南部地區的趨勢減少幅度相對突出，而對應的結冰日數ID在該地區日數減少較小。另外，從幅度變化來看，未來華北區域FD的趨勢減少相對較大，RCP4.5和RCP8.5排放情景下的幅度范圍分別為-2.3～-1.4、-3.5～-2.4 d/10a；而結冰日數ID的未來趨勢變化范圍分別集中在-2.2～-0.6、-3.4～-0.8 d/10a。同樣，與當前觀測事實（圖5a5）一致的是，未來華北區域熱夜日數TR在內蒙北部、中部以及山西和河北北部等大部地區基本沒有變化。因而，結合SU、FD、ID及TR的趨勢變化特點，一定程度上印證了上述對于華北區域未來日較差的分析結果。

對于時間分布來說，華北區域各極端氣溫指數的趨勢變化均與預估的熱量資源分布一致，即RCP8.5排放情景相對RCP4.5有顯著的持續性增長（或減少）變化，但從預估的未來各極端氣溫指數的變化幅度（表4）來看，RCP8.5排放情景下的趨勢變化并不是一味地比當前觀測事實顯著，如作物的生長期GSL、霜凍日數FD，其未來趨勢的變化幅度均比觀測事實小。RCP4.5排放情景下的各極端氣溫指數的趨勢變化均比觀測事實小，其中，霜凍日數FD和結冰日數ID趨勢幅度的相對減少反映出了華北區域在近54年和未來幾十年氣溫增暖的事實。同時，生長期GSL、夏季日數SU及熱夜日數TR增加幅度的減少一定程度上也反映出了這種區域氣溫增暖的可控性。

另外，對于未來異常暖晝WSDI和異常冷晝CSDI來說，RCP4.5和RCP8.5排放情景下，WSDI趨勢增加幅度均比觀測事實顯著，2種排放情景下增幅分別為1.6、4.0 d/10a（表4）；而CSDI的趨勢變化幅度不明顯，與當前觀測到的異常冷晝持續變化基本一致。兩類極端指數未來趨勢的預估結果同樣反映出了華北區域氣溫增暖事實。

3結論與討論

（1）從觀測事實來看，1961～2014年我國華北區域積溫的顯著增加主要集中在20世紀90年代初～21世紀初期。≥0 ℃、≥10 ℃、≥15 ℃活動積溫增加最為顯著的主要分布在北京中部、天津和內蒙大部，變化幅度為75～100（℃·d）/10a。其中，≥15 ℃活動積溫的持續增加一定程度上會縮短北方耐寒作物的生育期，影響其產量，但同時也會延長喜溫作物的灌漿成熟過程；而≥0 ℃和≥10 ℃活動積溫的顯著增加也會造成無霜期的延長，有利于喜溫作物的生長。對于有效積溫來說，>10 ℃積溫的趨勢增加幅度較>15 ℃有效積溫明顯，突出表現在內蒙北部和西部地區，幅度為50～75（℃·d）/10a，從而會大大改善越冬條件，減緩冬性品種作物因不能滿足春化作用導致產量下降的不利影響，減少越冬作物的種植風險，提高喜溫作物的單產產量。

（2）從模擬預估來看，RCP4.5和RCP8.5 2種排放情景下，華北區域未來的積溫均有顯著的上升趨勢，特別是RCP8.5排放情景的時間序列呈現出持續性的增暖變化，且增暖幅度明顯高于當前觀測到的積溫變化；RCP4.5排放情景的積溫增暖幅度相對較小，時間序列在21世紀中期（2060年左右）以后處于平穩的趨勢變化。與觀測事實一致的是，不論是RCP4.5還是RCP8.5排放情景下，未來的華北區域≥15 ℃活動積溫的趨勢增加幅度均較大，≥0 ℃和≥10 ℃的趨勢增加幅度均相當；而>10 ℃有效積溫的增加幅度較>15 ℃有效積溫明顯。因此，對于華北地區來說，優化種植制度是適應氣候變化最重要的技術手段。

（3）對于日較差來說，觀測事實表明近54年來華北區域氣溫日較差基本呈明顯的減少趨勢，特別是內蒙大部、華北區域東南部，可能會大大降低積溫的有效性，減弱光合生產潛力，一定程度上會導致作物品質的下降。但模擬預估結果顯示，未來的日較差趨勢變化均不顯著，因此，在未來幾十年的氣候變化中，華北區域日最低氣溫不會像近54年觀測到的升溫速率較顯著，而很可能會與日最高氣溫的變化相當或低于日最高氣溫的增溫速率。

（4）對極端溫度事件的分析表明，觀測到的極端氣溫指數的空間分布與熱量資源表現出較大的一致性。代表暖事件的生長期GSL和夏季日數SU均呈顯著增加趨勢，增加幅度分別為3.0、2.6 d/10a；代表冷事件的霜凍日數FD和結冰日數ID則表現出顯著的減少趨勢，幅度分別為-3.8、-2.1 d/10a；異常暖晝WSDI和異常冷晝CSDI的時空變化印證了日最高、最低氣溫在內蒙等北部地區的增暖變化；而熱夜日數TR的趨勢變化反映出日最低氣溫升高的有限性，進一步說明了日較差的變化對作物光合物質的轉化、積累和貯存并不是一味的減弱，特別是氣溫較低的北部地區。然而，對于未來的預估結果，各極端氣溫指數與對應觀測事實的趨勢變化特點一致，但從變化幅度來看，RCP8.5排放情景下的趨勢變化并不是一味地比當前觀測事實顯著，而RCP4.5排放情景下各極端氣溫指數的趨勢變化均比觀測事實小。因此，極端溫度事件的分析結果既反映出華北區域在近54年和未來幾十年氣溫增暖的事實，也反映出了這種區域氣溫增暖的可控性。

參考文獻

[1] IPCC.Managing the risks of extreme events and disasters to advance climate change adaptation：a special report of working groups I and II of the Intergovernmental Panel on Climate Change[R].Cambridge and New York：Cambridge University Press，2012.

[2] IPCC.Climate Change 2007：Synthesis Report [R].Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change.Switzerland，Geneva，2007：104.

[3] ZHAI P M，PAN X H.Trends in temperature extremes during 1951-1999 in China[J].Geophysical research letters，2003，30（17）：1913.

[4] 丁一匯，任國玉，趙宗慈，等.中國氣候變化的檢測及預估[J].沙漠與綠洲氣象，2007，1（1）：1-10.

[5] 章大全，錢忠華.利用中值檢測方法研究近50 a中國極端氣溫變化趨勢[J].物理學報，2008，57（7）：4634-4640.

[6] 任國玉，封國林，嚴中偉.中國極端氣候變化觀測研究回顧與展望[J].氣候與環境研究，2014，15（4）：337-353.

[7] 楊萍，劉偉東，王啟光，等.近40年我國極端溫度變化趨勢和季節特征[J].應用氣象學報，2014，21（1）：29-36.

[8] WANG A H，FU J J.Changes in daily climate extremes of observed temperature and precipitation in China[J].Atmospheric and oceanic science letters，2013，6（5）：312-319.

[9] 房世波，韓國軍，張新時，等.氣候變化對農業生產的影響及其適應[J].氣象科技進展，2011，1（2）：15-19.

[10] 王冀，蔣大凱，張英娟.華北地區極端氣候事件的時空變化規律分析[J].中國農業氣象，2012，33（2）：166-173.

[11] ZHAO C Y，WANG Y，ZHOU X Y，et al.Changes in climatic factors and extreme climate events in Northeast China during 1961—2014[J].Advances in climate change research，2013，4（2）：92-102.

[12] 劉穎杰，林而達.氣候變暖對中國不同地區農業的影響[J].氣候變化研究進展，2007，3（4）：229-233.

[13] 姬興杰，朱業玉，劉曉迎，等.氣候變化對北方冬麥區冬小麥生育期的影響[J].中國農業氣象，2011，32（4）：576-581.

[14] 石英，高學杰，吳佳，等.華北地區未來氣候變化的高分辨率數值模擬[J].應用氣象學報，2014，21（5）：580-589.

[15] 高霽，楊紅龍，陶生才，等.未來情景下東北地區極端氣候事件的模擬分析[J].中國農學通報，2012，28（14）：295-300.

[16] SI P，ZHENG Z F，REN Y，et al.Effects of urbanization on daily temperature extremes in North China[J].Journal of geographical sciences，2014，24（2）：349-362.

[17] PETERSON T C，FOLLAND C，GRUZA G，et al.Report on the activities of the working group on climate change detection and related rapporteurs 1998-2001[R].Rep.WCDMP47，WMOTD 1071，Word Meteorol.Organ.，Geneva，Switzerland，2001.

[18] 高學杰，石英，張冬峰，等.RegCM3對21世紀中國區域氣候變化的高分辨率模擬[J].科學通報，2012，57（5）：374-381.

[19] 徐集云，石英，高學杰，等.RegCM3對中國21世紀極端氣候事件變化的高分辨率模擬[J].科學通報，2013，58（8）：724-733.

[20] GAO X J，WANG M L，FILIPPO G.Climate change over China in the 21st century as simulated by BCCCSM1.1RegCM4.0[J].Atmospheric and oceanic science letters，2013，6（5）：381-386.

[21] 吉振明.新排放情景下中國氣候變化的高分辨率數值模擬研究[D].北京：中國科學院青藏高原研究所，2012：19-42.

[22] Climate Research Branch Environment Canada.RclimDex（1.0）User Manual （Xuebin Zhang and Feng Yang）[M].Canada，2004：6-10.

[23] 李慶祥，張洪政，劉小寧，等.中國均一化歷史氣溫數據集（1951-2004）（1.0版）[M].北京：國家氣象信息中心氣象資料室，2006：7-11.

[24] WANG X L， WEN Q H，WU Y H. Penalized maximal t test for detecting undocumented mean change in climate data series[J]. Journal of applied meteorology and climatology， 2007， 46（6）： 916-931.

[25] WANG X L. Penalized maximal Ftest for detecting undocumented meanshifts without trendchange[J]. Journal of atmospheric and oceanic technology， 2008， 25（3）： 368-384.

[26] LI Q X，ZHANG H Z，CHEN J，et al.A mainland China homogenized historical temperature dataset of 1951-2004[J].Bulletin of the American meteorological society，2009，90（8）：1062-1065.

[27] XU W H，LI Q X，WANG X L，et al.Homogenization of Chinese daily surface air temperatures and analysis of trends in the extreme temperature indices[J].Journal of geophysical research：Atmospheres，2013，118（17）：9708-9720.

[28] 司鵬.城市化對中國東北部氣溫增暖的貢獻檢測[D].沈陽：沈陽農業大學，2008：20.

[29] 宋迎波，王建林，楊霏云，等.糧食安全氣象服務[M].北京：氣象出版社，2006：9.

[30] 劉俊明，謝甫娣.作物栽培學[M].沈陽：遼寧民族出版社，2001：43-45.

[31] 高素華，郭建平，趙四強，等.“高溫”對我國小麥生長發育及產量的影響[J].大氣科學，1996，20（5）：599-605.

[32] 張建平，趙艷霞，王春乙，等.氣候變化對我國華北地區冬小麥發育和產量的影響[J].應用生態學報，2006，17（7）：1179-1184.

[33] 王石立，莊立偉，王馥棠.近20年氣候變暖對東北農業生產水熱條件影響的研究[J].應用氣象學報，2003，14（2）：152-164.

[34] MOSS R H，BABIKER M，BRINKMAN S，et al.Towards new scenarios for analysis of emissions，climate change，impacts，and response strategies[C]//IPCC Expert Meeting Report.Geneva：Intergovernmental Panel on Climate Change，2008：132.

[35] 第二次氣候變化國家評估報告編寫委員會.第二次氣候變化國家評估報告[R].北京：科學出版社，2011.