1979-2019年北半球極端高溫的變化主導因子分析

王天奇，王鵬凱

（1.華風氣象傳媒集團有限責任公司，北京 100081；2.福山區氣象局，山東 煙臺 265500）

1 引言

在全世界范圍內，無論是從強度、種類還是范圍指標來看， 中國都是受到極端氣候事件以及氣象災害影響最嚴重的國家之一。 1984-2013年，氣象災害平均每年給中國造成的直接經濟損失高達1888 億元[1]，而高溫就是這些氣象災害中常見的一種。 在人口密度增大、人口流動性大幅增加等因素的影響下，中國受極端天氣事件的影響將會越來越大[2]。 因此，深入研究極端高溫的變化特征及影響因子， 除可以了解相關氣象要素的演變規律外， 還可以提升預測極端氣候事件的準確性， 并且在國家防災減災體系建設及相關政策制定中發揮重要的作用， 有助于降低高溫災害帶來的人員傷亡和財產損失。

本文在探究主導氣候因子對關鍵區域高溫頻次影響的同時， 也定量分析出均值和標準差變化在這些影響中的貢獻程度， 在1979-2019年北半球極端高溫事件變化特征的歸因分析上會有更加客觀的判斷。

2 資料與方法

2.1 氣溫統計參數與溫度極值

正態分布曲線峰值即平均氣溫所在位置， 當氣溫平均值變化時，該曲線會發生左右平移，平均溫度升高（降低），則曲線向右（左）平移。 σ 表示數據的離散度，當σ 變大時數據的離散度就越大，當σ 變小時數據的離散度也相應變小， 從正態分布曲線的形狀上看，σ 越大，曲線越扁平，反之，σ 越小，曲線越瘦高。

多個研究在假設溫度分布為高斯分布的前提下討論均值變化和變率變化對EHTE 的影響。 Weaver等人提出全球和北美極端高溫事件 （Extreme High Temperature Event，EHTE）的增長主要是由于平均溫度的變化[3]。Su和 Dong 指出，中國 EHTE 未來變化是由平均溫度變化決定的[4]。 相比之下，Schar 等人強調歐洲EHTE 的可變性變化的關鍵作用[5]。 Argueso 等人得出的結論是， 均值變化和變率變化的相對作用表現出區域特征， 并且均值變化控制著全球未來EHTE 變化的大部分[6]。

2.2 再分析資料ERA5

本文所用的資料主要是ERA5 再分析數據集中1979-2019年北半球2 m 溫度數據和高度場數據，空間分辨率為 1.5°×1.5°， 文中所指北半球為赤道以北地區，夏季為6-8月。

2.3 海表溫度資料

海表面溫度資料是 Extended Reconstructed Sea Surface Temperature (ERSST) v5 的海表溫度數據集，由美國國家海洋和大氣管理局(NOAA)提供，本文所用的資料主要是1979-2019年夏季（6-8月）的海表溫度，水平分辨率為 2°×2°。

2.4 經驗正交函數（EOF）分解

EOF分析可以提取出矩陣數據的主要特征量，也可以分析其結構特征。

原理與算法：

1.選擇要分析的數據并對數據進行預處理，通常為距平處理。 得到一個數據矩陣Xm×n

2. 計算數據矩陣和它轉置矩陣的交叉積可以得到方陣

3. 計算方陣 C 的特征根 (λ1，...，λm)和特征向量Vm×m，二者滿足

其中∧是m×m 維對角陣。

2.5 相關分析

相關系數可以表示兩個數據的線性相關度。 在這里用 r 來表示相關系數。數據x和y 之間的相關系數r 為：

r 的值在-1-1 之間。 r 值離 0 越近，代表兩個數據的相關關系越弱。 當r＞0 代表兩者有正相關關系，反之有負相關關系。 r 的顯著性水平檢驗可用 t 檢驗法。

2.6 高溫的定義

本文中高溫為絕對閾值定義， 即絕對閾值高溫為日最高氣溫≥35 ℃。

3 絕對閾值高溫日數的時空特征

為分析北半球1979-2019年夏季高溫日數變化的時空分布特征，對高溫日數進行EOF分解。 從35℃高溫看，第一模態方差貢獻率為29.7 %，可以反映高溫日數變化的主要特征。 北美中南部、非洲北部、中東地區表現為一致型的正值分布特征， 大值區主要位于非洲東北部地區， 說明該地區夏季高溫日數的變化幅度最大(圖1)。 對應的時間系數表明北半球夏季高溫日數有明顯的上升趨勢， 其最大值在2019年，最小值在1984年。2000年以后，第一模態時間系數大部分都為正值，表明2000年以后北半球高溫日數相對2000年以前呈現上升趨勢。 第二模態方差貢獻率是9.8 %，反應出北美洲南部、中東地區和非洲北部、印度反向變化（圖2）。

圖1 35 ℃高溫日數EOF 空間分布

圖2 35 ℃高溫日數EOF 對應的時間系數

北半球35 ℃高溫日數EOF分析中前兩個模態分別表現出一致型變化特征 （方差貢獻率29.7 %），北美洲中部、亞洲西北部、歐洲南部與南美洲北部、非洲低緯度地區、 印度反向變化特征 （方差貢獻率9.8 %）。

4 主要氣候因子影響區域高溫頻次的可能機理

4.1 氣候變暖

高溫頻次EOF分析的第一模態表現為一致型分布， 配合時間序列可以發現北半球高溫頻次有整體增多的趨勢，這種趨勢與氣候變暖的趨勢相似。 很多研究表明，全球氣候變暖將使極端高溫事件增多[7-9]。進一步比較兩者之間的關系， 計算出1979-2019年夏季北半球平均氣溫的逐年變化， 將之與高溫頻次EOF 第一模態的時間序列（PC1）對比并求其相關系數。 發現兩者在過去41 a 中都呈現出在波動中上升的趨勢， 尤其是1995-1999年間兩者的變化幅度吻合很好， 在 1998年PC1和平均氣溫的值都達到1979-2006年時間段內的高點。通過計算發現兩者相關系數為0.96 并通過99 %的顯著性檢驗，這說明高溫日數第一模態的時間系數與北半球平均溫度有高度相關(圖 3)。

圖3 北半球平均氣溫變化與高溫日數EOF 第一模態時間系數對比（氣溫單位：℃）

4.2 熱帶擴張

在氣候變暖的背景下， 大氣環流也會發生相應變化，從而對高溫頻次產生影響。 過往研究指出副熱帶高壓是副熱帶地區高溫的重要成因之一， 位勢高度呈現正異常利于形成下沉氣流， 維持晴好的天氣條件，容易形成高溫天氣[10-11]。 為探究氣候變暖是如何通過大氣環流影響高溫變化的， 將高溫日數變化所對應的北半球大氣環流變化特征進行檢查。 這里選擇的環流要素為500 hPa 高度場，將環流要素作為因變量，高溫日數EOF 中的時間系數作為自變量，根據相關系數和回歸系數的關系式， 計算出北半球格點所對應的回歸系數。 在計算之前，先求出北半球格點每年夏季（6-8月）500 hPa 位勢高度的平均值。 由圖4 可知， 與高溫頻次EOF 第一模態回歸后的中緯度高度場（30°N-45°N）表現為一致的正異常，并且在500 hPa 上 130°W-150°W，40°N-45°N和 30°E-50°E，30°N-40°N 區域有正值中心， 位勢高度偏高超過50 gpm。 從過去41 a 高度場平均態可以看出北半球500 hPa 副熱帶高壓帶位于 20°N-30°N 附近。 中緯度高度場偏高說明近些年來， 北半球副熱帶高壓有向北側邊緣擴張的趨勢， 回歸系數表明這樣的擴張與高溫頻次增多有顯著的正相關關系。 同時，多項研究表明哈德萊環流也在近幾十年中有所增強[12-13]。 這可能說明伴隨全球變暖， 副熱帶高壓向北擴張和哈德萊環流的增強，有利于北半球高溫日數的增加。

圖4 北半球35℃高溫EOF 第一模態與500 hPa 高度場的回歸系數分布，打點區域通過90 %顯著性檢驗（黑色實線為平均位勢高度線，單位：gpm）

4.3 海表溫度

北半球高溫的變化除與氣候變暖有關之外，還會受到海洋等下墊面的影響[14-18]。 為研究北半球高溫日數與海表溫度之間的關系， 計算北半球同期海表溫度的回歸系數。 使用的資料為美國國家海洋和大氣管理局的ERSSTv5 海表溫度數據集。 首先計算北半球海表每個格點每年夏季（6-8月）的逐月平均值作為因變量， 以高溫日數EOF 第二模態的時間系數作為自變量， 得到每個格點海表溫度與高溫日數的回歸系數（圖5）。

圖5 北半球35 ℃高溫日數EOF 第二模態與海表溫度的回歸系數分布，打點區域通過90 %顯著性檢驗

在第二模態中， 高溫日數和海表溫度的回歸系數表現出大尺度異常并有多個正異常區和負異常區。 在北大西洋，有三個異常區并通過90 %顯著性檢驗，分別位于北大西洋高緯度（10°W-30°W，50°N-60°N）、北大西洋中緯度（35°W-70°W，30°N-50°N）、北大西洋低緯度（30°W-50°W，20°N-30°N）范圍內。當時間序列增多一個單位時， 大西洋海溫自北向南表現出“低-高-低”的分布異常，高值中心偏高接近1℃，低值中心偏低接近1 ℃。 這與北大西洋三極型海溫異常非常相似， 有研究表明該型海溫異常對于歐亞大氣環流和氣候有重要影響[19-20]。 根據北大西洋的異常海溫分布，定義一個三極型海溫指數，即

M 為（35°W-70°W，30°N-50°N）海域的海溫距平值；S 為（10°W-30°W，50°N-60°N）海域的海溫距平值；N 為（30°W-50°W，20°N-30°N）海域的海溫距平值。 通過計算，發現在1993-1997年間NATI 指數與高溫日數第二模態時間序列都表現出增加和減小逐年交替出現的變化趨勢， 這五年兩者相關系數為0.96， 而在 1979-2019年兩者的相關系數為 0.49 并通過顯著性檢驗。

在太平洋上， 高溫日數和海表溫度的回歸系數表現出兩個大尺度異常區。 正異常區位于 （140°W-130°E，20°N-50°N）范圍內，負異常區位于（100°W-170°W，10°S-10°N）范圍內。 當時間序列增多一個單位時，太平洋海溫自北向南表現出“高-低”的分布異常，高值中心偏高接近1 ℃，低值中心偏低接近1 ℃。在這里重點關注赤道中東太平洋海域的顯著負異常區，（120°W-170°W，5°S-5°N） 范圍內海表溫度和高溫日數第二模態呈負相關關系并通過90%顯著性檢驗，回歸系數＜-0.5。 而 NINO3.4 正是描述（120°W-170°W，5°S-5°N）范圍內平均海面溫度異常和 ENSO的重要指標之一。 將 1979-2019年NINO3.4 指數與第二模態時間系數做相關性分析， 發現兩者相關系數為-0.29 并通過顯著性檢驗。 同時注意到東太平洋的負異常區在空間尺度上比ENSO 更大， 這與Bin Wang 在研究中提出的Mega-ENSO 非常相似， 他在研究中指出 1958-2010年間 ENSO 指數和 Mega-ENSO 指數的相關系數為 09.1[21]。 參考 Bin Wang 的方法，將（70°W-170°W，10°S-10°N）海域的海溫距平值定義為Mega-ENSO 指數，計算發現定義的Mega-ENSO 指數與 NINO3.4 指數相關系數為 0.89 并通過顯著性檢驗。 之后，將 1979-2019年Mega-ENSO 指數與第二模態時間系數做相關分析， 發現兩者相關系數為-0.27 并通過顯著性檢驗。

通過以上分析，發現北大西洋三極型海溫異常、ENSO、Mega-ENSO 可能是影響高溫日數第二模態時間系數的因子之一。

5 小結

高溫日數可能與氣候變暖關系密切，1979-2019年500 hPa 副熱帶高壓向北擴張，哈德萊環流有所增強，意味著熱帶有向北擴張的趨勢，這可能會對北半球高溫日數有影響。 北半球平均最高氣溫和非洲北部、 北美洲南部以及中東地區平均最高氣溫呈正相關關系，和平均最高氣溫的標準差呈負相關關系。 說明非洲北部、 北美洲南部以及中東地區高溫日數增多的過程中， 最高氣溫平均值變化的貢獻要大于標準差變化的貢獻。 在大西洋，三個主要異常中心分別位于北大西洋高緯度、中緯度和低緯度海域，在太平洋，異常區域主要位于赤道中東太平洋，說明北大西洋三極型 SST 異常、ENSO、Mega-ENSO 可能是影響因子之一。 當 NINO3.4、Mega-ENSO 指數增高（減小）時，印度高溫日數增多（減少），非洲西北部高溫日數減少（增多）。 NATI 指數增高（減小）時，非洲西北部、北美中部偏南地區高溫日數增多（減少），印度高溫日數減少（增多）。