在气候变暖的大背景下,极端高温及热浪事件在全球不少地区频繁发生,已严重威胁到人类的健康及社会经济的发展[1]。IPCC第二到第五次评估指出全球平均地表温度分别升高了0.45、0.60、0.74、0.85℃,每次评估报告得出的未来变暖趋势均比前一次强1.0℃以上,新评估报告新增加的时间段的温度比前一时段更高,表明全球气候变暖趋势愈加明显。IPCC第五次报告还特别指出1983—2012年可能是过去1400a北半球最热的30a[2]。

不少研究表明,极端高温及热浪事件发生的频率呈增加趋势。如自1961年以来,尽管东南亚和南太平洋地区的冷日和冷夜数量减少,但热日和暖夜却显著增多,导致出现不少热浪事件[3]。2015年欧洲遭遇了500a来最强的一次高温热浪事件[4];2018年欧洲、日本、韩国、朝鲜、非洲、北美等多个国家和地区均遭遇极端高温天气,北极圈个别地区气温高达30℃,而非洲部分地区甚至超过50℃,致使全球数千人死于与高温有关的疾病[5]。极端高温事件在中国也频繁发生,如孙莹等[6]发现在1953—2013年,极端高温除了在中国黄河下游、新疆和云南地区有负趋势外,其他地区均呈显著增长趋势;翟盘茂等[7]发现近50a来中国北方大部分区域白天温度极端偏高的日数明显趋于增多,夜间温度极端偏低的日数趋于减小;张英华等[8]发现中国东部整体夏季极端高温日数有显著增多趋势,以东北、内蒙古中东部和东南沿海增多趋势最明显。总之,频繁发生的极端高温事件已经严重影响到中国人类身体健康以及社会经济的发展,需要引起高度重视。

极端高温的研究是一个复杂的过程,目前国内对于该课题的研究大部分聚焦于变化趋势,对于其极端高温变异影响因素的研究则大部分采取定性分析[6,7,8],而定量的研究则相对较少。年日最高气温是代表该年份气温的最高值,可以很好地反映该地区的极端高温情况,而所构成的年日最高气温序列能直观地反映极端气温的变化特性[9,10]。影响年日最高气温的因素众多,其中大气环流指数的影响尤为明显[11];何卷雄等[12]利用奇异值分解(SVD)方法分析了冬夏极端气温与同期及前期50hPa高度场和海温场的遥相关,发现江苏夏季最高气温受到同期海气耦合作用的影响较明显,冬季最低气温受同期海气耦合作用的影响较少;刘青娥等[13]通过珠江流域16个极端气温指数与7个环流的线性相关分析,认为南中国海夏季季风指数与厄尔尼诺是造成极端高气温的重要因素。因此,在全球变暖背景下,探讨年日最高气温的时空变化特征,定量分析大气环流指数对极端高温的影响,识别主要驱动环流指数,不仅有助于了解极端高温的时空变化规律及其驱动机制,对人们采取高温防御措施也具有积极的指导意义。

珠江流域位于中国南方地区,在中国社会经济中具有极其重要的地位,其中流域下游的粤港澳大湾区更是重中之重。因地处热带和亚热带区域,流域夏季经常发生极端高温现象,局部地区最高温度超过40℃,热浪事件经常发生,已严重威胁到流域人类的身体健康[14,15,16]。在全球变暖背景下对珠江流域极端高温时空变化特征及其影响因素的分析显得迫在眉睫。鉴于此,本文将基于1960—2012年珠江流域43个气象站的年日最高气温序列分析其极端高温的时空变化特征,定量分析大气环流指数对流域极端高温的影响并识别主要驱动指数。研究结果以期对珠江流域内的生活生产活动和高温防御工作提供参考依据。

1、研究区域与数据

珠江流域总面积45.2万km2,北回归线穿过珠江流域中心。珠江流域属热带、亚热带季风气候区,多年平均温度在14～22℃之间,夏天最高温度可高达42℃。流域内多年平均降雨量1200～2200mm,降雨量分布明显呈由东向西逐步减少,降雨年内分配不均[17],地区分布差异和年际变化大。

收集1960—2012年珠江流域43个气象站(图1)的日平均气温数据,并提取逐年的日最高气温作为极端高温指标,并重新构成年日最高气温序列。有研究表明,全球大气环流指数对日气温影响较大,因此收集1960—2012年74种逐月全球大气环流指数数据,以探讨其对极端高温的影响。上述原始数据均来自中国气象局。

图1珠江流域高程及气象站分布

2、研究方法

对于时间特征,将采取线性倾向估计对年日最高气温序列进行趋势分析,采取Mann-Kendall(M-K)法检测序列突变情况,采取连续小波变换方法识别序列的震荡周期。鉴于本次使用的全球大气环流指数多达74种,但并非所有指数均对极端高温产生影响,因此将采取多元逐步回归和Lasso回归2种方法筛选出最重要的大气环流指数。多元逐步回归法是目前常用的解决变量之间存在着多重线性关系的有效方法,通过其中相关的因素分析,可以反映出多个变量对于同一个结果的影响,从而判断出这些变量中哪些变量对于该结果的影响比较大,相比其他回归方法较为繁琐[18]。Lasso回归法是对最小的影响因素进行最小二乘回归,在“回归系数绝对值之和小于一个给定常数”的约定条件下,最小化残参平方和就能得到趋近于0的回归系数,在回归优化函数中需增加一偏置项,以减少共线性的影响,从而减少模型方差[19]。

此外,将基于随机森林算法提出每个大气环流指数的贡献率的计算方法。随机森林是Breiman于2001年提出的一个新的组合分类器算法,它采用分类回归树作为元分类器,用bagging方法制造有差异的训练样本集,在构建单棵树时,随机地选择特征对内部节点进行属性分裂,并生成每个变量的平均基尼系数减少值(MDG)[20,21]。MDG可以反映该变量在所有变量中的重要程度,因此被筛选出来的大气环流指数的贡献率可由下式计算:

式中MDGi——每个指数平均基尼系数减少值;ηi——每个指数的相对贡献率,其值越大表明其对极端高温变化的影响越大。

3、结果分析

3.1年日最高气温时间变化特征

计算表明,1960—2012年珠江流域年日最高气温均值达到35.9℃。利用线性倾向估计分析年日最高气温序列的时间变化趋势(图2),计算得出相关系数为0.29。通过查相关系数显著性检验表可知,当样本为53时R0.05,53=0.27,序列通过α=0.05显著水平检验,可知流域年日最高气温呈显著上升趋势,且年变化率高达0.01℃,这与刘青娥等[13]研究结果相同。由此可见,全球变暖背景下,珠江流域的极端气温上升趋势十分明显,暗示珠江流域极端高温引起干旱、人类中暑的可能性增加。

图2珠江流域年日最高气温趋势变化

为研究珠江流域在1960—2012年极端高温突变情况,采用M-K法对序列进行突变检验(图3a),可知UF和UB线在2002年相交,但没有通过0.05显著性水平;同时采用累积距平法协助对比突变点结果(图3b),可以发现在1960—2002年呈整体下降趋势,而2002年以后呈整体上升趋势,因此可认为2002年是序列的一个突变点。

图3珠江流域年日最高气温突变分析

采用连续小波变换方法对珠江流域1960—2012年年日均最高气温序列进行周期震荡分析(图4)。结果表明,在1960—2012年珠江流域年日均最高气温的变化主周期为4.8a,且存在2.0～5.8a的振荡周期。小波功率谱能量在低频部分变化相对连续,高频部分变化不连续,序列存在多尺度周期振荡特征,其中1963—1976年和1988—2004年为显著年份。

图4珠江流域年日均最高温连续小波变换

3.2年日最高气温空间变化特征

计算各站点年日最高气温后进行克里金插值,可得珠江流域年日最高气温空间分布(图5)。由图可知,珠江流域东部和中部的年日最高气温大于西部地区,表明这些地区预防高温的压力要大于其他地区,应切实做好预防高温和干旱的工作。将年日最高温度的变化速率(斜率)进行克里金插值(图6)。可知流域大部分地区的极端高温呈上升趋势,其中东部地区大部分站点呈显著上升趋势。

由珠江流域年日最高气温变化速率的空间分布可知,流域的日最高气温变化速率分布与其年日最高气温的分布存在不一致,除韶关站外东部地区所有站点均呈现上升趋势,且大部分站点呈显著上升;中部地区站点大部分呈现下降趋势,主要集中在河池、柳州、都安、来宾等地区,但下降不明显;西部地区大部分站点呈现上升趋势,但是只有少数站点通过了显著性检验,此外仅盘县站呈现下降趋势并通过显著性检验。总体而言,珠江流域有35个站点的年日最高气温呈上升趋势,占总量的81.40%,其中15个站年日最高气温显著上升,占总量的34.88%;8个站点年日最高气温下降,占总量的18.60%,其中1个站年日最高气温显著下降,占总量的2.33%。珠江流域年日最高气温变化速率的空间分布与黄强等[14]的研究结果相似。

图5珠江流域年日最高气温空间分布

图6珠江流域年日最高气温变化速率空间分布

3.3大气环流指数对极端高温影响

由于全球大气环流指数对日气温影响较大,但并非所有指数均有影响。因此,为了进一步探讨大气环流指数对珠江流域极端高温的影响,本文首先根据74个大气环流指数的发生位置与珠江流域位置关系对指数进行初步人工筛选,对与珠江流域地理位置相距较远的指数进行排除,共筛选出43种指数。其次,采取多元逐步回归法对43种指数进行分析,共得到30个指数通过t和F检验;再利用Lasso回归对43种指数进行分析,得到17个回归系数非0的指数;最后通过对比筛选,共获得15个多元逐步回归和Lasso回归的共同指数,并认为这15个指数与珠江流域的极端高温相关性较大,最终筛选出15个指数(表1)。

表1与珠江流域极端高温相关性较大的15个环流指数

以15个大气环流指数的归一化数值为自变量,年日最高气温序列为因变量,利用随机森林算法计算出各个环流指数的MDG,利用式(1)计算出各个指数的相对贡献率(图7)。由图可知,对珠江流域极端高温相对贡献率最高的指数分别是太平洋区极涡强度指数(PPVII)、西太平洋副高强度指数(WPSHII)、亚洲区极涡强度指数(APVII)和北半球极涡面积指数(NHPVAI),四者贡献合计为34.57%;而北半球副高北界(NHSHNBPI)和亚洲纬向环流指数(AZCI)则为相对贡献率最小2个指数,仅占4.23%和4.11%,其余指数相对贡献率位于5.07%～7.91%之间。

图715个全球大气环流指数相对贡献率

综上,基于随机森林算法所提出的相对贡献率计算公式能定量地估算出每个大气环流指数的相对贡献率,可方便地识别出主要的驱动指数,有助于人们进一步了解大气环流指数对极端高温的影响。尽管能识别出各个指数的贡献率,但这些环流指数如何影响珠江流域极端高温的变化涉及到复杂的物理机制和变化过程,在此不再深入探讨。

4、结论

本文以珠江流域为研究对象,分别利用线性倾向估计、Mann-Kendall突变检验、连续小波变换、多元逐步回归、Lasso回归、随机森林等多种方法探讨了珠江流域在全球变暖背景下年日最高气温时空变化特征及其影响因素,主要结论如下。

a)对于时间变化特征,珠江流域的年日最高气温在1960—2012年呈现总体上升的趋势。流域在2002年发生了突变,序列的变化主周期为4.8a,且存在2.0～5.8a的振荡周期,显著年份发生在1963—1976年和1988—2004年。

b)对于空间特征,珠江流域东部和中部的年日最高气温大于西部地区,大部分站点呈上升趋势,其中流域东部地区的站点上升趋势显著。流域共有35个(占81.40%)站点年日最高气温呈上升趋势,其中15个(占34.88%)呈显著上升。8个(占18.60%)站点年日最高气温呈下降趋势,其中仅1个(占2.33%)呈显著下降。

c)通过计算各大气环流指数的相对贡献率可知,对珠江流域极端高温具有重要的驱动作用的4个环流指数分别为太平洋区极涡强度指数(PPVII)、西太平洋副高强度指数(WPSHII)、亚洲区极涡强度指数(APVII)和北半球极涡面积指数(NHPVAI),而北半球副高北界位置指数(NHSHNBPI)和亚洲纬向环流指数(AZCI)的相对贡献率最小。

参考文献:

[2]沈永平,王国亚.IPCC第一工作组第五次评估报告对全球气候变化认知的最新科学要点[J].冰川冻土,2013,35(5):1068-1076.

[3]赵梓淇,李丽光,王宏博,等.1961—2010年辽宁高温日数和热浪特征[J].气象与环境学报,2014,30(5):57-61.

[4]邵勰,廖要明,柳艳菊,等.2015年全球重大天气气候事件及其成因[J].气象,2016,42(4):489-495.

[5]赛先生.极端天气为何肆虐全球[J].方圆,2017(8):56-57.

[6]孙莹,孙奇,武威,等.中国1953—2013年极端气温事件的变化[J].北京农业,2015,9(26):148-149.

[7]翟盘茂,潘晓华.中国北方近50年温度和降水极端事件变化[J].地理学报,2003,58(S1):1-10.

[8]张英华,李艳,李德帅,等.中国东部夏季极端高温的空间分布特征及其环流型[J].高原气象,2016,35(2):469-483.

[9]韩雪云,赵丽,张倩,等.西北干旱区极端高温时空变化特征分析[J].沙漠与绿洲气象,2019,13(4):17-23.

[10]石慧兰,张建海,杨晨,等.山东德州市近50年极端气温时空变化特征[J].青海气象,2019(3):67-70.

[12]何卷雄,丁裕国,姜爱军.江苏冬夏极端气温与大气环流及海温场的遥相关[J].热带气象学报,2002,18(1):73-82.

[13]刘青娥,吴孝情,陈晓宏,等.珠江流域1960—2012年极端气温的时空变化特征[J].自然资源学报,2015,30(8):1356-1366.

[14]黄强,陈子燊.全球变暖背景下珠江流域极端气温与降水事件时空变化的区域研究[J].地球科学进展,2014,29(8):956-967.

[15]石教智,王兆礼,陈晓宏.珠江流域平均气温变化趋势及其空间分布特征[J].人民珠江,2007,28(5):4-6.

[16]王兆礼,陈晓宏,黄国如.近40年来珠江流域平均气温时空演变特征[J].热带地理,2007,27(4):289-293.

[17]吴裕珍,王大刚.珠江流域降水研究进展综述及展望[J].人民珠江,2014,35(6):45-48.

[18]游士兵,严研.逐步回归分析法及其应用[J].统计与决策,2017,14(5):31-35.

[19]李翰芳,罗幼喜,田茂.面板数据的贝叶斯Lasso分位回归方法[J].数量经济技术经济研究,2013,30(2):138-149.

[20]方匡南,吴见彬,朱建平,等.随机森林方法研究综述[J].统计与信息论坛,2011,26(3):32-38.

[21]赖成光,陈晓宏,赵仕威,等.基于随机森林的洪灾风险评价模型及其应用[J].水利学报,2015,46(1):58-66.

秦蓓蕾,吴孝情,朱天然,赖成光.全球变暖背景下珠江流域年日最高气温时空变化特征及影响分析[J].人民珠江,2020,41(06):1-6+61.

基金:广东省水利科技创新项目(2017-02);国家水体污染控制与治理科技重大专项课题(2015ZX07202012).