粵港澳大灣區極端氣候時空演變及其驅動因子研究

郭 珊，張大偉，王亞迪

(廣州珠科院工程勘察設計有限公司，廣東 廣州 510611)

全球氣候變暖背景下，極端氣候時間頻率增加，強度加大，持續時間延長，影響范圍不斷擴大[1-4]。全球增暖情況下，極端氣溫事件強度變化與全球增暖幅度呈正比，極端高溫發生頻次則與其呈非線性增長。全球每增溫1℃，極端日降水事件的強度將增強7%；全球升溫2℃時，100年一遇強降水時間發生頻率增加45%以上[5]。水文循環過程速度增加，造成水資源時空分布更為不均衡，極端氣候時間時空格局發生變化[6]。極端氣候事件的頻繁發生，對社會可持續發展、人類生命健康、生態系統安全等方面造成不可逆轉的嚴重破壞。1997—2016年期間，極端氣候事件造成全球52.4萬人喪生，3.16萬億美元的經濟損失[7]。對于中國而言，氣象災害損失占災害經濟損失的70%，而氣象災害中約80%是由于極端氣候引起的[8]。

國內外眾多學者對極端氣候進行了廣泛研究。Westra S等[9]根據全球8 326個陸基觀測站降水數據統計，2/3觀測站的1日最大降水量(RX1day)呈現增加趨勢。在過去50～100年間，中緯度地區強降水事件發生頻率普遍增加，特別是北美地區[10]。在意大利摩德納地區，極端降水事件的強度、頻率和持續時間均呈現出上升趨勢[11]。伊朗大部分地區的極端降水值、降水強度和降水頻率均呈現顯著上升趨勢[12]。根據中國693個陸基觀測站降水資料，1961—2016年期間，68%的觀測站極端降水量和日數呈現增加趨勢，并集中在西部和東南沿海地區[13]。根據郎咸梅等[14]預測，在全球升溫2℃背景下，中國大部分地區5日最大降水量平均增加5.1 mm；強降水對總降水量的貢獻率增加值為6.6%。珠江流域強降水日數和降水相對指數增加，南盤江、北盤江流域連續濕潤日數(CDD)增加最顯著；東江流域特強降水量(R99p)增加最為明顯[15]。長江中下游極端降水量和極端降水強度均有所增加，高值主要分布在鄱陽湖流域，低值主要分布在漢江流域[16]。

Alexander等[17]研究結果顯示，全球超過70%的陸地極端高溫、極端低溫、暖夜日數增加，而冷夜日數減少。根據Sillmann等[18]模擬結果，全球極端氣溫事件發生的頻率和強度將會增加。對于整個南美洲，極端高溫、極端低溫、暖晝日數、暖夜日數均呈現增加趨勢，而冷晝日數、冷夜日數則呈現減少趨勢[19]。中亞地區極端高溫、極端低溫和平均日溫差均呈現增加趨勢，氣候傾斜率分別為0.36、0.19、0.16℃/10a[20]。章大全等[21]的研究結果表明，中國極端高溫發生頻率趨于增加，而極端低溫發生頻率則趨于降低。中國長江沿岸和長三角地區極端高溫增加趨勢最為顯著，珠三角城市群、長三角和京津冀地區極端低溫增加趨勢最為顯著[22]。黃土高原地區極端高溫為增加趨勢，其中部地區溫度最高；極端低溫為增加趨勢，朔州北部和門源地區溫度最低[23]。中國東部極端高溫事件強度主要為增加趨勢，黃淮地區除外，影響指數同樣呈現增強趨勢；極端低溫事件強度和影響指數均為下降趨勢[24]。各研究成果表明，頻繁發生的極端氣候事件對人類生活、經濟發展、生態環境產生了嚴重的影響，但不同地區，其影響的方式、強度及穩定性不同，表現出明顯的區域性差異。

粵港澳大灣區位于歐亞大陸南端，瀕鄰南海，處于對氣候變化敏感的南海季風區，也屬于低緯度氣候系統脆弱區，其獨特的地理優勢與氣候風險并存。近60年來，大灣區氣候呈現暖濕化趨勢，面臨短歷時降水強度大、登陸臺風強度大、海平面上升明顯等影響，氣象災情重、氣候風險大。面對防災、減災、救災和氣候變化適應的需求，有必要加強對極端氣候變化的重視，科學規劃應對策略，減輕極端氣候引發的各項災害。本文以1961—2016年降水、氣溫數據為基礎，研究粵港澳大灣區極端氣候的時空分布和變化情況，分析極端氣候時空分布的平穩性、趨勢性及分布變化特點，了解極端氣候的過程特征和演變規律，并探討驅動因子對研究區域極端氣候可能產生的影響。通過對極端氣候的變化規律和驅動力探究，從而提高對粵港澳大灣區極端氣候事件的預測能力，為防災減災，構建韌性城市，推進粵港澳大灣區建設提供科學依據和決策支撐。

1 研究區域與資料

1.1 研究區域

粵港澳大灣區(GBA，Guangdong-Hong Kong-Macao Greater Bay Area)地處中國華南沿海地區，位于111°21′～114°53′E，21°28′～ 24°29′N，見圖1。大灣區主要包括香港、澳門、廣州、深圳及其他7座城市，總面積5.6萬km2，是中國最開放、經濟活力最強的地區之一，在國家發展戰略中具有不可替代的重要地位。大灣區位于亞熱帶季風氣候區，大陸性季風和海洋性季風影響下，氣候復雜多變。大灣區降水充沛，年降水量均值約為1 929.8 mm[25]；全年溫暖，年均氣溫22℃[26]；年平均日照時數1 500～2 300 h[27]。

圖1 粵港澳大灣區地理位置

1.2 研究資料

本文采用的日降水、日氣溫數據，時間序列為1961—2016年，數據源自中國氣象數據服務網(http://data.cma.cn)。國家氣象信息中心根據中國地面2 472站降水、氣溫數據進行匯編，所有數據均以0.5°×0.5°的水平分辨率進行網格化，然后使用薄板樣條(TPS)進行空間插值，交叉驗證和誤差分析表明數據是高質量的。

大尺度氣候因子主要包括太陽黑子、多元ENSO指數(MEI)和太平洋年代際振蕩(PDO)。其中，太陽黑子數據可以從比利時皇家天文臺世界數據中心(https://wwwbis.sidc.be/silso/datafiles)下載；MEI數據可以從http://www.esrl.noaa.gov/psd/enso/mei/table.html下載；PDO數據來自東京氣候中心(http://ds.data.jma.go.jp/tcc/tcc/products/elnino/decadal/annpdo.txt)。

2 研究方法

2.1 極端氣候指標

在世界氣象組織(WMO)和氣候變化檢測指標專家組(ETCCDI)推薦的27項極端氣候指標中，本文選用8項極端降水指標和6項極端氣溫指數對研究區極端氣候進行研究。極端氣候指數的計算采用RClimDex1.0軟件( http://www.pcic.uvic.ca/tools-and-data/climdex) 。其中，極端降水指標包括降水量(PRCPTOT)、降水強度(SDII)、干燥指數(CDD)、濕潤指數(CWD)、1日最大降水量(RX1day)、5日最大降水量(RX5day)、強降水量(R95p)和極強降水量(R99p)，指數定義見表1。

表1 極端降水指數定義

極端氣溫指標包括平均日較差(DTR)、日最高氣溫極大值(TXx)、日最低氣溫極小值(TXn)、夏季日數(SU25)、暖晝日數(TX90p)和暖夜日數(TN90p)，指數定義及描述見表2。

表2 極端氣溫指數定義

2.2 啟發式分割法

目前，在氣候變化研究中，檢測序列變異的方法有很多種，包括秩和測試、滑動t/F 測試、MK檢測等。在滑動t檢驗的基礎上，Bernaola-Galvan和Ivannov[28]提出了啟發式分割方法，將非平穩序列劃分為幾個固定序列，并得到廣泛應用[29]。

(1)

T(i)中最大值Tm的統計顯著性P(Tm)：

(2)

由蒙特卡羅模擬可以得到，δ=0.40，η=4.19lnN-11.54，?=N-2,Ix(a，b)為不完全β函數。式中，N為xi的長度。設定一個臨界值P0(0.5≤P0≤0.95)，其置信水平為0.95，當P(Tm)≥P0時，則認為該點為變異點，并對新序列繼續進行分割，直到子序列長度小于預設時間長度l0(l0≥25)。本文中l0和P0的閾值分別設定為25和0.95。

2.3 Mann-Kendall趨勢檢測

Mann-Kendall(MK)趨勢測試法是世界氣象組織推薦的趨勢測試方法。對于時間序列xi，其統計變量S為[30]：

S=∑i

(3)

假設各變量獨立同分布,則統計量S近似服從正態分布，方差為[24]:

(4)

根據它與期望置信水平下標準正態變量的關系，檢驗時間序列的變化趨勢。當Z為正數時，時間序列為增加趨勢；Z為負數時，時間序列為降低趨勢。本文中，Z0取值為1.96。

2.4 交叉小波

小波分析可以獲取時間序列的時間頻率特征，是目前分析時間序列的有效工具。與傅里葉變換相比，交叉小波變換具有很強的信號耦合和分辨能力，它可以很容易地描述時頻域中耦合信號的分布模式和相位關系[31-33]。為了克服交叉小波分析可能無法在時間上完全局部化的缺點，引入影響錐(COI)作為一個區域來克服這一缺陷[34]。

定義2個時間序列Xi和Yi的小波交叉譜為：

(5)

交叉小波能量譜能夠反映兩個序列經過小波變換后的相同能量譜區域，從而揭示兩序列在不同時頻域上相互作用的顯著性[35]。相關代碼可從http://www.pol.ac.uk/home/research/waveletcoherence/獲取。

3 研究結果與討論

3.1 極端降水

3.1.1時空變化

a)非平穩性分析。根據1961—2016年粵港澳大灣區極端降水指標，本文采用啟發式分割法對研究區極端降水指標序列非平穩性進行檢驗，結果見圖2。根據結果，總降水量(PRCRTOT)檢測出Tm出現在2015年，但P值為0.93，小于閾值Po，因此認為PRCRTOT序列具有平穩性，未出現變異點。降水強度(SDII)、干燥指數(CDD)、濕潤指數(CWD)和1日最大降水量(RX1day)對應的P值均小于Po，因此上述幾項指標時間序列未檢測出突變點，具有平穩性。5日最大降水量(RX5day)序列在2012年時T值最大，對應的P值為0.98，大于閾值，并滿足進行第二次分割的條件。在第二次分割中，Tm對應的P值為0.77，小于Po，未檢測出突變點。強降水量(R95p)和極強降水量(R99p)的Tm對應的P分別為0.39和0.91，認為2項指標不存在突變點，序列具有平穩性。

圖2 粵港澳大灣區極端降水指標非平穩性計算結果

b)趨勢性分析。研究期內，粵港澳大灣區極端降水指數變化趨勢見表3。總降水量(PRCPTOT)、降水強度(SDII)和干燥指數(CDD)序列Z值均為正值，呈現出上升趨勢，但變化趨勢并不顯著。濕潤指數(CWD)序列Z值為負值，呈現不顯著下降趨勢。1日最大降水量(RX1day)、5日最大降水量(RX5day)和強降水量(R95p)序列均為不顯著上升趨勢，而極強降水量(R99p)序列則為不顯著下降趨勢。

表3 粵港澳大灣區極端降水指標變化趨勢

c)空間分布分析。1961—2016年期間，研究區極端降水指標空間分布情況見圖3。總降水量(PRCRTOT)在1 311～1 957 mm，整體呈現由西向東降水量逐漸增加的分布規律。同時，西南沿海地區降水量明顯高于其他地區，特別是深圳、香港地區。降水強度(SDII)在9～15 mm/d范圍內變化，整體呈現西北—東南分布情況，西北地區降水強度較低，而東南地區則降水強度較高。值得注意的是，南部地區降水強度相對較高，而該地區緯度較小，高程較低。干燥指數(CDD)在27～46 d范圍內變化，沿海地區干燥指數明顯高于內陸地區。干燥指數最大值出現在南部地區，最小值則出現在西北部地區。濕潤指數(CWD)主要在14～19 d范圍內分布，中部及西北部地區數值較小，東部地區數值較大。1日最大降水量(RX1day)、5日最大降水量(RX5day)空間分布情況相似，由西北向東南，降水量逐漸增大，而南部沿海地區降水量也較高。不過，前者數值范圍為70～137 mm，后者數值范圍為133～217 mm。強降水量(R95p)空間分布在330～597 mm；極強降水量(R99p)空間分布在101～193 mm。兩者空間分布特點相似，西部地區降水較少，南部及西南地區降水較多。

a)PRCPTOT

b)SDII

c)CDD

d)CWD

e)RX1day

f)RX5day

j)R95p h)R99p

d)空間變化分析。研究區1961—2016年，極端降水指標氣候傾斜率分布情況見圖4。總降水量(PRCRTOT)氣候傾斜率在-3.60～30.43 mm/10a，東部地區呈現降水減少變化，而中部地區則呈現降水增加趨勢，特別是中南地區。降水強度(SDII)在0.05～0.26 mm/(d·10a)范圍內變化，西部、中部和東部地區降水變化趨勢為減少、增加和減少。干燥指數(CDD)氣候傾斜率在-0.88～1.64 d/10a范圍內變化，西北部地區天數增多，東部地區天數減少。濕潤指數(CWD)氣候傾斜率主要在-1.14～0.56 d/10a，東、西部地區變化相反，西部地區天數增加，東部地區天數減少。1日最大降水量(RX1day)、5日最大降水量(RX5day)氣候傾斜率分布情況相似，由北向南，降水量呈現增加-減少-增加的變化。不過，前者數值范圍為-5.18～4.84 mm/10a，后者數值范圍為-6.06～8.61 mm/10a。強降水量(R95p)氣候傾斜率在-3.67～30.72 mm；極強降水量(R99p)氣候傾斜率在-26.70～13.43 mm/10a。前者呈現北部地區增大，南部地區減少的變化情況；后者呈現中部和西北部地區增加，其他地區減少的變化情況。

a)PRCPTOT b)SDII

c)CDD d)CWD

e)RX1day f)RX5day

j)R95p h)R99p

3.1.2驅動因子

大尺度氣候因子與降水關系密切，大尺度氣候因子變化可能對年代際尺度上的極端降水形成與影響至關重要，選用的大尺度氣候因子，包括太陽黑子、多元ENSO指數(MEI)和太平洋年代際振蕩(PDO)。由于極端降水指標眾多，本文主要從總降水量(PRCPTOT)、降水強度(SDII)、1日最大降水量(RX1day)和特強降水量(R99p)4項指標來進行研究。極端降水與大尺度氣候因子的計算結果見圖5。圖中箭頭方向反映兩者的相位關系，箭頭向右表示同相位，箭頭向左表示反相位，箭頭垂直向上或垂直向下表示兩者滯后或超前關系。黑色粗實線圈閉的值通過了95%置信水平的紅噪聲檢驗，黑色細實線包絡區為影響錐，右側彩條表示小波能量。

圖5所示，總降水量(PRCPTOT)與太陽黑子具有顯著的相關性。在1973—2001年期間，兩者出現明顯共振，周期為7.49～13.29 a。1990年之前，箭頭近乎垂直向上，說明兩者存在滯后關系；1990年之后，箭頭向左，表示兩者為負相關關系。1990—2001年，太陽黑子活動增強時，降水量可能降低；太陽活動減弱時，降水量可能增加。1961—2016年期間，PRCPTOT與MEI出現4次共振：1966—1968年，共振周期為3.58～4.05 a；1971—1973年，共振周期為2.40～2.93 a；1984—1996年，共振周期為11.02～12.52 a；1986—2003年，共振周期為3.44～5.75 a。1966—1968、1984—1996、1986—2003年，兩者主要為顯著正相關關系，當ENSO事件強度增大時，降水量增加；當ENSO事件強度減弱時，降水量減少。PRCPTOT與PDO在1988—2011年，共振周期為3.93～5.40 a；2001—2003年，共振周期為5.99～6.45 a。值得注意的是，前者為顯著正相關關系，后者負相關關系明顯。

圖5所示，與其他氣候因子相比，降水強度(SDII)、1日最大降水量(RX1day)和特強降水量(R99p)與太陽黑子關系最為密切。SDII與太陽黑子關系較為復雜，共振周期小于8 a時，兩者前期為負相關，后期為正相關；共振周期大于8 a時，則主要體現出滯后性。RX1day和R99p與太陽黑子的關系較為相似，無論在共振出現時間、共振周期，還是相關性方面。MEI對降水強度的影響較大，并主要表現為顯著正相關關系；對1日最大降水量的影響存在超前性和正相關性；對特強降水量的影響集中在1992—2002年，兩者為正相關性。PDO與降水強度、1日最大降水量和特強降水量關系依次表現出正相關性、滯后性和負相關性。

圖5 極端降水與大尺度氣候因子的交叉小波功率譜

3.2 極端氣溫

3.2.1時空變化

a)非平穩性分析。根據1961—2016年粵港澳大灣區極端氣溫指標，本文采用啟發式分割法對研究區極端氣溫序列非平穩性進行檢驗，結果見圖6。平均日較差(DTR)序列具有非平穩性，共進行了3次分割，檢測出2個變異點，分別出現在1972年和2011年。最高氣溫極大值(TXx)序列在2次分割中，檢測出1個突變點，出現在2002年，該序列具有非平穩性。最低氣溫極小值(TXn)未檢測出突變點，序列平穩。夏季日數(SU25)序列具有非平穩性，突變點出現在1996年。暖晝日數(TX90p)和暖夜日數(TN90p)序列均進行了3次分割，變異點均出現在1986年和1997年，2項指數均為非平穩序列。

圖6 粵港澳大灣區極端氣溫指標非平穩性計算結果

b)趨勢性分析。研究期內，粵港澳大灣區極端氣溫指數變化趨勢見表4。平均日較差(DTR)序列Z值均為-2.35，呈現顯著下降趨勢。最高氣溫極大值(TXx)、夏季日數(SU25)、暖晝日數(TX90p)和暖夜日數(TN90p)序列均呈現顯著上升趨勢；最低氣溫極小值(TXn)序列同樣呈現上升趨勢，但變化趨勢并不顯著。

表4 粵港澳大灣區極端氣溫指標變化趨勢

c)空間分布分析。1961—2016年，研究區極端氣溫指標空間分布情況見圖7。平均日較差(DTR)在6～9℃，整體呈現由南向北，溫度逐漸降低的分布。最高氣溫極大值(TXx)、最低氣溫極小值(TXn)分布情況相似，整體呈現由南向北，溫度逐漸升高的分布情況。不過，前者數值范圍為31～38℃，后者數值范圍為1～9℃。夏季日數(SU25)范圍為119～241 d，北部地區天數較少，東南地區天數較多。暖晝日數(TX90p)范圍為18.92～19.18 d，中部、西北以及東部地區天數較多，而西部、中東以及南部地區天數較少。暖夜日數(TN90p)范圍為18.64～19.17 d，最大值出現在中南地區，最小值出現在東北地區。

d)空間變化分析。研究區1961—2016年期間，極端氣溫指標氣候傾斜率分布情況見圖8。平均日較差(DTR)氣候傾斜率在-0.17～0.01℃/10a，中部地區DTR增大，而西北、西南和東部地區DTR減少。最高氣溫極大值(TXx)氣候傾斜率在0.07～0.37℃/10a，中南地區增幅較大，西北地區增幅較少。最低氣溫極小值(TXn)氣候傾斜率在0.06～0.25℃/10a，西部地區增幅較大，東部地區增幅較小。夏季日數(SU25)氣候傾斜率在1.58～5.62 d/10a，增幅最大區域出現在中南部，增幅最小區域出現在東北部。暖晝日數(TX90p)氣候傾斜率在2.08～6.53 d/10a，增幅最大區域出現在中部，增幅最小區域出現在西北部。暖夜日數(TN90p)氣候傾斜率在3.52～7.29 d/10a，整體來看，由南向北，天數增幅逐漸增大。

圖7 粵港澳大灣區極端氣溫指標空間分布情況

圖8 粵港澳大灣區極端氣溫指標空間變化情況

3.2.2驅動因子

大尺度氣候因子可能對研究區極端氣溫有著重要的影響。本章主要從平均日較差(DTR)、最高氣溫極大值(TXx)、最低氣溫極小值(TXn)和暖晝日數(TX90p)4個指標來進行分析。如圖9，平均日較差(DTR)與太陽黑子相關性明顯。在1977—1997年，兩者共振周期為7.28～12.67 a，并隨著時間的推移，兩者相互關系從超前性逐漸轉變為正相關性。特別是在1990年后，正相關性明顯。當太陽黑子活動增強時，平均日較差增大；反之亦然。1969—1974年，平均日較差與MEI共振周期為2.27～3.42 a；1995—2002年，共振周期為3.22～4.39 a。第一次出現共振時，兩者體現出超前性關系；第二次共振時，兩者為正相關關系。1973—1977年，平均日較差與PDO為正相關關系，共振周期為2.30～3.21 a。當PDO增強時，平均日較差隨之增大；當PDO減弱時，平均日較差隨之減少。

圖9 極端氣溫與大尺度氣候因子的交叉小波功率譜

如圖9，最高氣溫極大值(TXx)、最低氣溫極小值(TXn)和暖晝日數(TX90p)與太陽黑子關系更加密切。太陽黑子與上述3項指標均為正相關關系，當太陽活動增強時，最高氣溫極大值、最低氣溫極小值均增大，暖晝日數隨之增多。值得注意的是，TXx、TXn和TX90p與太陽黑子的共振周期雖然相似，但出現時期不盡相同。MEI與最高氣溫極大值存在超前和正相關關系；與最低氣溫極小值存在超前、正相關和負相關關系；與暖晝日數主要為正相關關系。PDO與最高氣溫極大值主要為負相關關系，與最低氣溫極小值主要為正相關關系，與暖晝日數則依次體現出正相關、負相關關系。

3.3 討論

從流域角度來看，珠江流域降水強度增加[36]，極端降水量級呈現上升趨勢[37]。從區位角度來看，中國華南地區極端降水時間主要呈現增加趨勢，但持續濕潤日數呈現下降趨勢，且極端氣溫均存在空間差異[38]。該結論與本文主要結果相似。值得注意的是，該文極強降水量為增加趨勢，本文結果與之相反。出現這一不同結果，可能是因為研究區和時間序列不完全相同。伍紅雨等[39]的研究中表明，大灣區年降水量呈現不顯著增加趨勢，與本文結果相似。在白盛楠的研究中，極強降水量則為不顯著下降趨勢，5日最大降水量增長趨勢不顯著，與本文結果相同[40]。

珠江流域平均氣溫呈現顯著上升趨勢[41]，最高氣溫極大值、最低氣溫極小值、暖晝日數和暖夜日數均呈現增加趨勢[42]。華南地區平均氣溫同樣呈現增加趨勢[43-44]。華南地區除氣溫日較差呈現下降趨勢外，其余極端氣溫指標呈現顯著增加趨勢，包括最高氣溫極大值、最低氣溫極小值、夏季日數、暖晝日數和暖夜日數[45]。大灣區年平均氣溫增加趨勢顯著，升溫速率為0.22℃/10a[39]。大灣區熱夜指數、最高氣溫極大值、最低氣溫極小值均呈現增加趨勢[40]，與本文結果相同。

太陽黑子和大尺度氣候因子對全球氣候變化有著重要影響。太陽活動可以通過動力過程和熱力過程對全球氣候產生影響[46]。太陽輻射是氣候系統的主要能源和基本動力。太陽黑子的變化，意味著太陽輻射的改變，一方面導致大氣壓強和地表氣溫改變，造成氣壓梯度和溫度梯度變化，大氣活動異常；另一方面引起的水分蒸散發變化，大氣中水分含量改變[47]。在兩者的相互作用下，水文循環過程改變，引起降水異常[48]，最終影響極端降水的時空分布和變化趨勢。全球氣溫變化和與全球平均海面溫度異常(SSTA)均受到太陽活動的影響[49-51]。一方面，太陽活動可以增強地磁能量，進而通過地熱流對氣溫變化造成影響[52]；另一方面，太陽活動對地球磁場的影響會引起地球自轉速度變化，進而影響全球氣溫[46]。太陽黑子在對全球氣溫產生作用的同時，對極端氣溫也會造成影響，而且在不同地區產生的影響可能存在不同[53]。

ENSO是由大規模海洋-大氣相互作用形成的，這些相互作用會引起全球氣候發生異常改變。作為全球海洋和大氣相互作用最強的信號，ENSO的發生和發展對全球不同緯度地區的氣候有著重要影響，特別是赤道和低緯度地區。ENSO是影響中國氣候變化的重要因子，它對東亞季風環流、西太平洋副高和南亞季風環流有著不容忽視的影響[54]。ENSO信號可以通過太平洋-東亞型遙相關傳播到亞洲，通過太平洋溫度和氣壓影響亞洲季風，影響水汽輸送，造成降水異常[55-56]，進而對極端降水產生影響[57]。天氣波動異常會對極端溫度事件造成影響[58-59]。大氣環流與氣溫變化關系密切，環流變化是極端氣溫事件發生的氣候背景。氣溫和對流層會受到遙相關作用的影響[60]，ENSO信號可以通過低緯度的太平洋-東亞型遙相關作用于東亞大氣環流[61]，影響亞洲熱量輸送[56]，進而影響極端氣溫的分布與變化。

海溫是最主要大氣下墊面熱力強迫，可以引起上空熱源異常變化。太平洋年代際振蕩(PDO)是北太平洋的海溫異常現象，對氣候自然變率起著調控作用[62]。熱量和水汽的輸送與配置是引發極端事件的根本原因[63]。PDO可以通過海氣相互作用，改變亞洲季風區海平面氣壓，影響水汽輸送，引發降水變化，進而對極端降水產生影響。例如，PDO對中國東部[24]、蒙古高原地區極端降水的影響得到驗證[64]。近百年全球氣溫變化與PDO位相變化相關性顯著[62]。PDO處于正相位時，熱帶中東太平洋異常暖，阿留申低壓加強，赤道中東太平洋偏暖，改變大氣環流；反之亦然[65]。PDO對中國冬季極端低溫[66]、安徽省極端氣溫[67]的影響得到驗證。值得注意的是，PDO對ENSO起著不容忽視的調制作用[68]，PDO對東亞季風同樣有著重要影響[69]，進而影響著極端降水和極端氣溫的產生與發展。

4 結論

對1961—2016年粵港澳大灣區極端氣候的時空演變特征進行分析，并研究了太陽黑子和大尺度氣候因素對極端氣候可能產生的影響，主要結論如下。

a)在時間序列平穩性方面，極端降水指數一致性良好，總降水量(PRCRTOT)、降水強度(SDII)、干燥指數(CDD)、濕潤指數(CWD)、1日最大降水量(RX1day)、強降水量(R95p)和極強降水量(R99p)序列具有平穩性，而5日最大降水量(RX5day)具有非平穩性，并在2012年發生突變。極端氣溫指數主要表現出非平穩性，最低氣溫極小值(TXn)序列除外。平均日較差(DTR)、暖晝日數(TX90p)和暖夜日數(TN90p)序列檢測出2個突變點，出現年份不同；最高氣溫極大值(TXx)和夏季日數(SU25)序列檢測出1個變異點，分別出現在2002年和1996年。

b)在變化趨勢方面，極端降水指數主要呈現增加趨勢，包括總降水量(PRCPTOT)、降水強度(SDII)和干燥指數(CDD)、1日最大降水量(RX1day)、5最大日降水量(RX5day)和強降水量(R95p)6項指數，但變化趨勢不顯著。而濕潤指數(CWD)和極強降水量(R99p)則為不顯著下降趨勢。極端氣溫指數變化趨勢不一致，平均日較差(DTR)序列呈現顯著下降趨勢；最高氣溫極大值(TXx)、夏季日數(SU25)、暖晝日數(TX90p)和暖夜日數(TN90p)序列顯著上升；最低氣溫極小值(TXn)序列上升趨勢不顯著。

c)在空間分布上，極端降水指數空間分布存在異質性，大部分指數整體呈現由南向北逐漸遞減的分布情況，濕潤指數(CWD)除外，但各項指數分布特點并不相同。極端氣溫指數空間分布同樣存在差異性，最高氣溫極大值(TXx)、最低氣溫極小值(TXn)、夏季日數(SU25)和暖夜日數(TN90p)呈現由北向南逐漸增大的分布趨勢，平均日較差(DTR)反之。

d)在空間變化方面，極端降水指標空間變化特征存在差異，各項指標氣候傾斜率正負值同在，降水強度(SDII)除外。氣候傾斜率變化幅度各有特點，極強降水量(R99p)變化幅度最大，降水強度(SDII)變化幅度最小。極端氣溫指標空間變化特征不同，極端氣溫指標氣候傾斜率主要為正值，平均日較差(DTR)除外。其中，暖晝日數(TX90p)變幅最大，平均日較差(DTR)變幅最小。

e)太陽黑子和大尺度氣候因子可能對研究區極端氣候變化存在影響。太陽黑子的影響最大，與極端降水主要呈現正相關性，與極端氣溫主要呈現負相關性，共振周期主要在8.16～11.59 a。多元ENSO指數(MEI)和太平洋年代際振蕩(PDO)對極端氣候的影響不完全相同，特別是在正負關系、共振出現時期和共振周期方面。

通過本文研究發現，極端降水和氣溫變化與自然界大尺度氣候振蕩存在潛在聯系。通過掌握極端天氣，尤其是極端高溫天氣的時空分布特征和變化規律,對及時、準確地做出防災減災預報、預警具有重要意義。氣候變化對城市建設和發展將持續產生重大影響，在對粵港澳大灣區氣候變化的研究，需要關注珠江流域和典型區域氣候變化的影響評估。隨著極端天氣事件的增加，針對流域極端事件的研究尚不多見，需加強流域極端天氣發生機理、風險評估與對策研究，以期為大灣區應對暴雨、洪澇、熱浪等極端氣候事件變化決策、防災減災、生態環境可持續發展等提供參考，減輕極端氣候事件帶來的危害。