廣東省1961—2016年極端氣候時空變化研究

黃偉杰，張大偉,*，張 欣，李青峰，李望鳴,3，王亞迪

(1.珠江水利委員會珠江水利科學研究院，廣東 廣州 510611；2.廣州珠科院工程勘察設計有限公司，廣東 廣州 510610；3.中山大學，廣東 廣州 510275)

氣候變暖情況下，極端氣候事件(如強降雨、熱浪、干旱等)發生強度與頻率不斷增加[1]。據預計，這些極端事件的頻率、強度、持續時間和空間覆蓋范圍將不斷擴大[2-3]。聯合國政府間氣候變化專門委員會(IPCC)第五次評估報告中指出[4]，根據預測，2100年全球平均氣溫將上升1.1～6.4℃。全球氣候系統變暖現象顯著，而且對人類社會和自然系統影響頗為廣泛。溫室氣體的持續排放，將促使全球變暖的加劇，對自然生態系統和人類社會造成了廣泛影響[5]。氣候災害是全球影響范圍最廣、造成損失最大的自然災害[6]。《2019全球氣候風險指數報告》指出，中國因極端氣候造成的每年死亡人數和經濟損失分別為世界第4和第2位[7]。

根據Alexander等[8]的研究結果，近50年期間極端降水呈現增加的變化趨勢，而晝夜溫差變化趨勢卻為減小。超過70%的陸地上，年降水量和極端降水呈現增加的趨勢，晝夜溫差呈現減小趨勢。年降水量減少，極端降水頻率和強度卻增加，這一現象在北半球中高緯度地區出現。Donat等[9]研究結果表明，1901—2010年期間，空間上極端降水呈現不均勻變化，更多區域呈現極端降水頻率與強度增加的情況。Poudel等[10]發現，尼泊爾地區極端高溫和極端低溫的增加速度分別為0.04 ℃/a和0.02 ℃/a，另外高海拔地區溫度在變暖，而平原地區的溫度在降低。

孔鋒[11]分析了中國1961—2018年期間的極端氣溫變化特征：極端氣溫指數在空間上呈現出東西、南北和海拔高低的差異。在極端高溫方面，東部地區與西藏地區變化趨勢相反，前者為增加趨勢，后者為降低趨勢。在極端低溫方面，大部分地區變化趨勢為增加，特別是在高城市化區域，增幅明顯。黃河流域極端降水在量級、頻率和發生時間上均為非平穩變化特征。61.3%和9.3%的地區降水量級為下降、顯著下降的變化趨勢；24.7%和38.9%的到期表現出極端降水頻率增加、顯著增加的變化趨勢[12]。三江源地區對氣候變化較為敏感，該地區面臨“暖濕”的變化趨勢。近60年來，該地區的平均氣溫增加速率是全球平均速率的2倍，并高于全球同緯度地區。高溫事件頻率增加，夜間低溫增加明顯[13]。

全球氣候變化，會對人類生存環境、社會經濟發展、國家整治安全造成影響。而極端氣候事件頻繁的發生，可能對人類社會和自然環境帶來毀滅性影響。因此，對于地方、國家和國際政策制定者來說，在計劃適應和緩解氣候變化時需要考慮到極端氣候事件以及未來氣候變化的重要性[14-15]。由于國內各省份極端氣候有較強的區域特征，本文以廣東省為研究區域，廣東地區經濟發達，人口密集，對極端事件較為敏感。研究極端氣候事件的時空分布及其變化，對防災減災、做出科學合理的決策具有重要意義。

1 研究區域與方法

1.1 研究區概況

廣東省位于中國大陸最南端，面積17.97萬km2，見圖1。廣東屬于東亞季風區，從南向北依次為熱帶氣候、南亞熱帶和中亞熱帶，光、熱和水資源極為豐富。年太陽總輻射量在4 200～5 400 MJ/m，年平均日照時數約為1 500～2 300 h，年平均氣溫約為19～24 ℃，降水量約為1 300～2 500 mm[16]。由于廣東地形復雜，南低北高，加之受到天氣系統影響，導致降水量空間分布不均勻，地理差異較大。作為改革開放的前沿地區，廣東省經濟發達，人口聚集。根據廣東省2020年國民經濟和社會發展統計公報，全省實現地區生產總值110 760.94億元，全省年末戶籍總人口9 808.66萬人。

圖1 廣東省地形示意

1.2 研究方法

1.2.1極端指數

氣候環境不斷變化，極端氣候事件頻發。IPCC報告明確定義了極端氣候事件，世界氣象組織(WMO)、氣候變化檢測和指標專家組(ETCCDI)和氣候變率與可預測性計劃(CLIVAR)給出了27項極端氣候指數，包括11項極端降水指數和16項極端溫度指數。在這27項極端指數中，某些指數是通過持續時間或作物生長期進行定義，例如持續干燥指數(CDD)、持續濕潤指數(CWD)、夏季日數(SU25)等。某些指數是通過固定閾值進行定義，例如中雨日數(R10)、大雨日數(R25)。某些指數則是通過最大值或最小值進行定義，例如1日最大降雨量(RX1day)、5 d最大降雨量(RX5day)、最高氣溫極大值(TXx)等。日降水量、日最高溫度和日最低溫度資料源自中國氣象數據網。

選用合適的、可以反映自身特性的極端指數，是本文的重要環節和研究基礎。本文選用10項極端降水指標，包括：年降水量、持續干燥指數、持續有雨指數、1 d最大降水量、5 d最大降水量、普通日降水強度、中雨日數、大雨日數、強降水量和極強降水量。極端降水指數名稱及其定義見表1。

表1 極端降水指數定義

本文選用6項極端氣溫指標對研究區極端氣溫變化進行分析，包括平均日較差、作物生長期、日最高氣溫極大值、日最高氣溫極小值、夏季日數和熱夜指數。極端氣溫指數的定義與描述見表2。

表2 極端氣溫指數定義

1.2.2一致性檢驗

(1)

其中，

N1、N2分別表示i點左右部分的點數。

當T值越大時，表明Xi左右兩部分的均值差別越大。T(i)中最大值Tm的統計顯著性P(Tm)計算公式為：

(2)

通過蒙特卡洛模擬可以得到，δ=0.40，η=4.19lnN-11.54，?=N-2，Ix(a,b)為不完全β函數。其中，N為Xi的長度。設定置信水平P0和最小時間長度l0，當P(Tm)≥P0時，將時間序列分割成2個子序列，直至新的時間序列長度小于l0。本文中選用P0=0.95，l0=25。

1.2.3趨勢性檢驗

Mann-Kendall(MK)趨勢檢驗法是WMO推薦使用的非參數趨勢檢測方法。對于時間序列Xi，統計變量S定義為[18]：

(3)

假設各變量獨立同分布，統計量S近似服從正態分布，其方差表達式為[19]:

(4)

標準化統計變量表達式為：

(5)

Hamed和Rao[20]提出從原始序列提取非參數趨勢來估計新序列的自相關系數。該方法考慮了序列持續性對Var(S)的影響[21]。

統計量S的方差為Var*(S):

Var*(S)=Var(S)·η

(6)

其中，

(7)

1.2.4周期性檢驗

作為可以用于分析非線性系統產生的非平穩序列的數據驅動型的適應性方法[21]，經驗模態分解(EMD)具有正交性、可適性、后驗性等特點。它可以將序列分解為局部的、完全數據驅動的波動周期的一系列本征模態函數(IMF)。但EMD存在局部特性可能會產生模態混淆的缺陷，導致時間尺度丟失。Wu等[23]提出了集合經驗模態分解(EEMD),減輕了EMD存在的模態混淆問題。此后，在EEMD的基礎上，互補集合經驗模態分解(CEEMD)被提出，該方法減輕了重構序列中噪聲殘留現象[24]。在此基礎上，Torres等[25-26]提出的具有適應性噪聲的完全集合經驗模態分解(CEEMDAN)，最終解決了個別模態包含殘留噪聲以及早期分解可能存在虛假模態2個問題。該方法能夠在較少平均次數下通過添加有限次自適應白噪聲，可以準確重構原始信號。CEEMDAN具體實現算法見圖2。

圖2 CEEMDAN具體實現算法

2 研究結果

2.1 極端氣候時間變化

2.1.1極端降雨時間變化

a)一致性分析。根據廣東省1961—2016年期間降水序列，本文對其極端降水時間序列一致性進行檢驗，見圖3。在1961—2016年期間，降水持續指數方面：年總降水量(PRCPTOT)和持續干燥指數(CDD)未檢測出突變點，其一致性較強；持續濕潤指數(CWD)檢測出2個突變年份，分別發生在1979年和2015年。從降水強度指數方面，1 d最大降水量(RX1day)和普通日降水強度(SDII)未檢測出突變年份，而5 d最大降水量(RX5day)在2012年發生突變。在降水絕對指數方面，中雨日數(R10)和大雨日數(R25)時間序列一致性較好，未檢測出突變。在降水相對指數方面，強降水量(R95p)和極強降水量(R99p)同樣未檢測出突變位置，一致性較好。

a)PRCPTOT

c)CWD

e)RX5day

g)R10

i)R95p

b)趨勢性分析。研究期間，極端降水指數變化趨勢見表3。在降水持續指數方面：年總降水量(PRCPTOT)、持續干燥指數(CDD)呈現不顯著上升趨勢，而持續濕潤指數(CWD)呈現不顯著下降趨勢。在降水強度指數方面，1 d最大降水量(RX1day)、5 d最大降水量(RX5day)和普通日降水強度(SDII)均呈現上升趨勢，但變化趨勢不顯著。在降水絕對指數和相對指數方面，中雨日數(R10)、大雨日數(R25)、強降水量(R95p)和極強降水量(R99p)同樣呈現出上升趨勢，但趨勢不顯著。

表3 廣東省極端降水序列變化趨勢

c)周期性分析。研究期間，極端降水指數模態分解結果見圖4。PRCPTOT序列被分解成7個子模態，IMF7為趨勢項。其中，IMF7波動上升，與PRCPTOT趨勢變化檢驗結果相同。第一模態(IMF1)變化幅度最大、振動頻率最高、波動周期最短。從IMF2至IMF7，子模態的變化幅度依次減小、振動頻率依次降低、波動周期依次變長。

a)PRCP

b)CDD

c)CWD

d)RX1day

e)RX5day

f)SDII

g)R10

h)R25

i)R95p

j)R99p

研究區極端降水指標主周期及其各子模態的方差占比見表4。由表可知，各降水指標主周期不完全相同。在降水持續指數方面：年總降水量(PRCPTOT)、持續干燥指數(CDD)和持續濕潤指數(CWD)的主周期依次為4.00、2.55、2.67 a。其中，三項指數第一模態的方差占比依次為85.27%、84.35%和66.20%。在降水強度指數方面，1 d最大降水量(RX1day)、5 d最大降水量(RX5day)和普通日降水強度(SDII)主周期依次為2.43、2.07、2.33 a。在降水絕對指數方面，中雨日數(R10)、大雨日數(R25)主周期均為4.00 a。在降水相對指數方面，強降水量(R95p)和極強降水量(R99p)主周期相同，均為2.33 a。

表4 廣東省年極端降水指數主周期及方差貢獻率

2.1.2極端氣溫時間變化

a)一致性分析。本文對廣東省1961—2016年期間極端氣溫指數一致性進行檢驗，見圖5。

a)DTR

b)GSL

c)TXx

d)TXn

e)SU25

f)TR20

結果表明，在1961—2016年，氣溫持續指數方面：平均日較差(DTR)序列檢測出2個突變點，分別發生在1972年和2011年。作物生長期(GSL)指數存在一個突變位置，發生在2015年。在氣溫極值指數方面：日最高氣溫極大值(TXx)在2002年發生突變；日最高氣溫極小值(TXn)未檢測出突變點。在氣溫絕對指數方面：夏季日數(SU25)和熱夜指數(TR20)均在1997年檢測出突變。

b)趨勢性分析。研究期間，極端氣溫指數的變化趨勢見表5。在氣溫持續指數方面，平均日較差(DTR)和作物生長期(GSL)均呈現不顯著下降趨勢。在氣溫極值指數方面：日最高氣溫極大值(TXx)和日最高氣溫極小值(TXn)均呈現上升趨勢，但TXx變化趨勢不顯著，TXn變化趨勢顯著。在氣溫絕對指數方面：夏季日數(SU25)和熱夜指數(TR20)均呈現上升趨勢，且變化趨勢顯著。

表5 廣東省極端氣溫變化趨勢

c)周期性分析。研究期間，極端降水指數模態分解結果見圖6。DTR序列被分解成6個子模態， IMF6為趨勢項。其中，IMF6波動下降，與DTR變化趨勢檢驗結果相同。值得注意的是，變化幅度最大、振動頻率最高、波動周期最短的模態為第一模態(IMF1)。從IMF2至IMF6，子模態的變化幅度依次減小、振動頻率依次降低、波動周期依次變長。對于各項極端氣溫指數，盡管子模態數目不同，但模態波動幅度降低、頻率減小、周期變長的趨勢保持不變。

a)DTR

b)GSL

c)TXx

d)TXn

e)SU25

f)TR20

極端氣溫指標主周期及其子模態方差占比見表6。根據結果，各項極端氣溫指標主周期不完全相同。在氣溫持續指數方面，平均日較差(DTR)和作物生長期(GSL)的主周期依次為2.95、2.00 a，IMF1的方差貢獻率分別為61.04%和54.10%。在氣溫極值指數方面：日最高氣溫極大值(TXx)主周期為2.24 a，IMF1的方差貢獻率為28.35%。日最高氣溫極小值(TXn)主周期為2.00 a，IMF1的方差貢獻率為82.32%。在氣溫絕對指數方面：夏季日數(SU25)和熱夜指數(TR20)主周期分別為2.67、3.50 a；IMF1的方差貢獻率依次為45.14%和54.37%。

表6 廣東省極端氣溫指數主周期及方差貢獻率

2.2 極端氣候空間變化

2.2.1極端降雨空間變化

研究區在1961—2016年極端降水指數的空間分布情況見圖7。在降水持續指數方面：年總降水量(PRCPTOT)空間分布差異較大，數值范圍在1 222～2 365 mm之間，東南沿海地區降水量較高，最大值出現中南地區，而降水量最小值出現在研究區最南端。持續干燥指數(CDD)數值范圍為26.74～45.69 d，整體上呈現由南向北逐漸降低的分布趨勢。最大值出現在中南地區，最小值出現在西北地區。持續濕潤指數(CWD)數值范圍為12.76～21.53 d，最值分布較為分散，最大值出現在粵西和粵東地區，而最小值出現在粵北和粵東地區。值得注意的是，降水量最大的區域，持續干燥指數(CDD)最小，而持續濕潤指數(CWD)最大。

在降水強度指數方面，1 d最大降水量(RX1day)和5 d最大降水量(RX5day)和分布較為相似，北部地區降水強度較小，南部地區降水強度較大。RX1day數值范圍為70.57～139.18 mm，RX5day數值范圍為133.47～273.99 mm，2項指數的最大值出現在珠三角地區沿海地區，最小值出現在粵北及珠三角西北部地區。但不同的是，2項指數在研究區最南部地區差別相對較大，RX1day時，南部降水量相對偏高；RX5day時，南部降水量相對偏低。普通日降水強度(SDII)數值在9.38～14.6 mm/d范圍內，整體分布情況與RX1day、RX5day相似，西北部較低，東南部較高。極大值出現在粵東和珠三角沿海地區，極小值則出現在粵北和珠三角西北地區。值得注意的是，雖然面積不大，但RX1day、RX5day和SDII在粵西地區均出現較高降水量和降水強度。

在降水絕對指數方面，中雨日數(R10)取值范圍為32.52～65.98 d，極大值和極小值均出現在粵西地區，前者在粵西北部，后者在粵西南部。而在廣東其他地區，R10分布相對分散，沒有呈現明顯的趨勢分布變化。大雨日數(R25)取值范圍為10.86～26.20 d，與R10相似的，極大值和極小值均出現在粵西地區。粵北地區數值相對較低，而粵東和珠三角沿海地區數值相對較高。

在降水相對指數方面，強降水量(R95p)取值范圍在330.72～689.02 mm之間；極強降水量(R99p)取值范圍在101.64～219.90 mm之間。兩者空間分布相似，極大值出現在珠三角沿海地區，極小值出現在粵北以及珠三角西北部區域。但是，在粵西南部，R95p數值相對偏低，R99p數值相對偏高。

a)PRCPTOT

b)CDD

d)RX1day

e)RX5day

f)SDII

g)R10

h)R25

i)R95p

j)R99p

2.2.2極端氣溫空間變化

廣東省在1961—2016年期間極端氣溫指數空間分布情況見圖8。在氣溫持續指數方面，平均日較差(DTR)和作物生長期(GSL)空間分布差異較大。其中，DTR數值范圍在5.92～9.13 ℃之間，總體上呈現由北向南逐漸降低的分布情況，極大值出現在東北部，極小值出現在南部。GSL數值在290.83～361.28 d之間，總體上呈現大部分地區數值較高，僅粵北北部、粵東南部以及珠三角南部數值相對較低的分布。

在氣溫極值指數方面，日最高氣溫極大值(TXx)和日最高氣溫極小值(TXn)數值相差較大。前者數值范圍為28.27～37.52 ℃，后者數值范圍為0.23～10.72 ℃。TXx空間分布較為分散，中部地區數值相對較高，而粵北北部、粵西北部以及粵東南部地區數值相對較低。TXn主要呈現由北向南，數值逐漸升高的分布情況。

在氣溫絕對指數方面，夏季日數(SU25)數值范圍為64.60～255.15 d，熱夜指數(TR20)數值范圍為11.22～224.50 d。兩項指數空間分布整體相似。極大值均出現在在粵西南部地區，極小值均出現在粵西北部以及粵北西北部地區。

a)DTR

b)GSL

c)TXx

d)TXn

e)SU25

f)TR20

3 討論

東亞氣候變化受到許多內部和外部因素相互影響，因此更難確定極端事件變化的確切原因。在外部因素中，人類引起的溫室氣體和氣溶膠的增加被認為是全球氣候變化的主要驅動力。厄爾尼諾-南方濤動(ENSO)、北極濤動(AO)、季節內震蕩(ISO)和季風被認為是影響東亞極端事件的內部因素[27]。東亞正經歷著越來越多的強降水事件，這與東亞夏季風的年代際變化、人為溫室氣體和氣溶膠的增加有關[28-30]。

ENSO由大規模的海-氣相互作用形成，加劇了極端水文氣候事件的發生[31-33]。ENSO是熱帶太平洋地區海-氣系統年際氣候變率的最強信號，而太平洋年代際振蕩(PDO)是疊加在長期氣候趨勢變化上的一種信號，可以影響ENSO事件的強度和頻率，進而影響太平洋及其周邊地區氣候的年代際變化。ENSO和PDO是赤道太平洋和北太平洋地區海洋與大氣相互作用形成的氣候現象。它們可以影響太平洋的洋流，并通過全球大氣環流影響其他地區的氣候。廣東省降水和溫度變化可能會受到太平洋的能量波動的影響，最終導致研究區域極端降水、極端氣溫的時空變化。PDO通過海洋相互作用影響亞洲季風區的海平面壓力，從而影響水蒸氣的輸送，最終影響降水。降水的改變，可能會造成研究區極端降水在時間尺度和空間尺度發生變化。北極濤動(AO)是北半球熱帶外大氣低頻變率的主要模態，其變化影響著中國近海海域的極端氣溫的改變。當AO處于正位相時，北極地區受低氣壓系統支配，有利于近海海表溫度異常升高，引起中國近海海域的極端高溫事件。反之，將造成近海海域極端低溫事件發生[34]。

影響東亞極端氣候的熱帶季節內振蕩(ISO)的2個主要成分是Madden-Julian振蕩(MJO)和北方夏季ISO(BSISO)。MJO對流異常始于赤道非洲和赤道西部印度洋，相關的環流系統以開爾文-羅斯比波對聯的形式向東傳播，并激發羅斯比波向更高的緯度傳播[27]。MJO在東亞的溫度和降水事件中起著重要作用。Jeong等[35](2005年)揭示，東亞地區地面空氣溫度的空間格局和強度隨MJO相的變化而顯著變化，并且當MJO對流中心位于印度洋上空時，最極端的冷潮傾向于發生。Jeong等[36]發現MJO顯著調節了東亞冬季降水的分布。例如冬季，不同階段的MJO影響著降水的增加或減少。他們表明，MJO與降水關系主要是由東亞對流層射流入口區域附近強烈的垂直運動異常和對流層下層的水分供應所致。MJO全年都會持續存在，盡管在北方夏季通常強度較弱[37]。MJO對東亞溫度和降水的影響，可能會導致研究區氣候變化，最終影響到極端降水和極端氣溫的時空變化。BSISO可以被認為是在北方夏季盛行的熱帶ISO的一種特殊模式。BSISO與東亞夏季風的爆發有關[38-39]。中國大部分區域位于東亞季風氣候區，而東亞夏季風是影響中國氣候變化的一個重要因子，降水受東亞夏季風的影響較為顯著。副熱帶高壓增強時，東亞夏季風隨之增強，將輸送更多的水汽，造成降雨顯著增多[40-41]。BSISO可能會通過東亞夏季風的爆發間接影響研究區降雨，最終導致極端降雨的時空形勢發生改變。

外部因素對極端氣候的影響同樣不容忽視。隨著城市化發展，人類活動和下墊面條件變化等因素對氣候變化的影響越發突出。溫室氣體濃度增加，造成全球平均氣溫普遍升高，使得水汽含量升高，通過水循環最終影響降水[42]。溫室氣體影響著全球的氣溫與降水，研究區的氣溫與降水同樣受到影響，最終導致極端指數在時間尺度和空間尺度的變化。

各項極端指數在時空變化上存在較大差異，這可能與其所在區域經緯度、海拔高度、人口密度、經濟發展水平等多種方面存在相關性。本文以經緯度和海報高度為例，分析其對極端指數分布的影響。研究區由南向北，經度逐漸降低；由東向西，緯度逐漸增加。在極端氣候的空間分布上，年總降水量(PRCPTOT)總體上呈現出隨著經度的增加逐漸增加，而后逐漸降低。1 d最大降水量(RX1day)和5 d最大降水量(RX5day)主要呈現出隨著緯度的降低，降水量逐漸增加的分布情況。平均日較差(DTR)則隨著緯度的降低而逐漸減少的變化形勢。研究區總體上呈現由南向北，海拔逐漸降低，但在研究區東南部地區，海拔相對較高。這一分布情況，同持續干燥指數(CDD)、夏季日數(SU25)和熱夜指數(TR20)的空間分布較為相似。海拔高的地方極端數值相對較小；海拔低的地方極端指數相對較大。

極端指數的時空變化是內部和外部影響因素的共同作用的結果。上述因素對極端氣候的具體影響以及影響比重與范圍有待進一步探討。

4 結論

本文主要探究廣東省在1961—2016年期間極端氣候的時空變化特征，分別計算了各項極端指標的一致性、趨勢性和周期性。所得主要結論如下。

a)在選取的10項極端降水指標中，5 d最大降水量(RX5day)檢測出1個突變點，發生在2012年；持續濕潤指數(CWD)檢測出2個突變點，分別發生在1979年和2015年。其余極端降水指標一致性較好，未檢測出突變點。變化趨勢上，僅僅持續濕潤指數(CWD)呈現不顯著下降趨勢，其余指數均呈現不顯著上升趨勢。周期上，年總降水量(PRCPTOT)、中雨日數(R10)和大雨日數(R25)主周期同樣為4.00 a；普通日降水強度(SDII)、強降水量(R95p)和極強降水量(R99p)主周期同樣為2.33 a；其余指數主周期均不相同。

b)降水持續指數、強度指數、相對指數和相對指數在空間分布上情況各不相同。年總降水量(PRCPTOT)最大值出現中南部地區，而最小值出現在研究區最南端。持續干燥指數(CDD)和持續濕潤指數(CWD)空間分布差異較大，特別是極大值出現區域。降水強度分布情況比較相似，從東南向西北，降水強度逐漸降低。降水相對指數和絕對指數的空間分布雖然極值出現區域相似，但依然存在各自特征。

c)在選取的6項極端氣溫指數中，日最高氣溫極小值(TXn)未檢測出突變點；作物生長期(GSL)、日最高氣溫極大值(TXx)、夏季日數(SU25)和熱夜指數(TR20)均檢測出1個突變點，分別發生在2015、2002、1997年(SU25和TR20)。平均日較差(DTR)和GSL均呈現下降趨勢，但變化趨勢不明顯。TXn、TXx、SU25和TR20呈現上升趨勢，除TXx外，其余指數變化趨勢顯著。周期方面，GSL和TXn主周期最小，為2.00 a；TR20主周期最大，為3.50 a。

d)空間分布上，平均日較差(DTR)呈現從南向北逐漸遞增的分布特征，極大值和極小值分別出現在東北部和東南部。作物生長期(GSL)僅僅在西北和東部的小部分地區數值相對較低。日最高氣溫極小值(TXn)和日最高氣溫極大值(TXx)空間分布數值范圍差別較大，分布情況存在差異。夏季日數(SU25)和熱夜指數(TR20)空間分布情況相似，但數值范圍差異較大，特別是低值部分。

e)大尺度環流因子，例如厄爾尼諾-南方濤動(ENSO)、太平洋年代際振蕩(PDO)、北極濤動(AO)、熱帶季節內振蕩(ISO)等，對研究區極端氣候時空變化可能會產生影響，而區域經緯度和海拔高度等因素同樣影響著極端氣候的時空變化。