1961~2020年浙江省极端气候事件的时空演变特征

Extreme Climate Events in Zhejiang Province from 1961 to 2020 Space-Time Evolution Characteristics

摘要: 近年来，频繁的极端气候事件严重影响了浙江省社会发展和人类生产生活。作为亚热带典型山地区域，浙江省极端气候事件对环境和生态系统的影响更加显著。本文利用了浙江省内23个气象站点近60年的气温和降水数据，运用RClimDex模型计算了极端气候事件指数。使用线性趋势分析和Mann-Kendall检验等方法研究浙江省极端气候指数的时空变化特征并采用交叉小波变换方法研究了导致浙江省极端降水事件发生的影响因素。结果显示：(1)过去60年，浙江省气候总体呈现变暖和湿润趋势，极端高温事件和发生频率增加，极端低温事件则减少，气温上升显著。(2)极端气温持续指数与极端气温指数一致，暖事件数量和持续性增加。(3)极端降水事件指数增加，持续湿润指数减少，表明降水总量和强度显著增加，但集中在特定时间段。(4)极端温度事件在90年代发生突变，21世纪后变化更为迅速；极端降水事件主要在80年代产生突变。(5)在空间尺度上，南部极端暖指数较高，北部较低，降水指数表现为南部高于北部。交叉小波变换的结果表明太阳黑子与极端降水指数的共振周期时间最长，说明太阳黑子对极端降水事件影响最大。

Abstract: Over the past few years, recurrent severe weather patterns have significantly impacted the societal progress and the daily lives of people in Zhejiang Province. As a typical mountainous area in the subtropics, extreme climate events in Zhejiang Province have more significant impacts on the environment and ecosystems. This paper uses the temperature and precipitation data of 23 meteorological stations in Zhejiang Province in the past 60 years, and uses the RClimDex model to calculate the extreme climate event index. By employing linear trend analysis and the Mann-Kendall test, the temporal variation characteristics and significance of extreme weather index in Zhejiang Province were studied. Ultimately, the spatiotemporal evolution traits and influencing elements of extreme temperature and precipitation occurrences in Zhejiang Province were scrutinized through cross-wavelet transformation and supplementary methodologies. The results show: (1) In the past 60 years, the climate in Zhejiang Province has generally shown a warming and humid trend, with an increase in the frequency of extreme high temperature events, a decline in extremely cold weather occurrences and a notable rise in temperatures. (2) The extreme temperature persistence index is consistent with the extreme temperature index, and the number and persistence of warm events increase. (3) The extreme precipitation event index increases and the sustained wetness index decreases, indicating that the total amount and intensity of precipitation increase significantly, but are concentrated in a specific time period. (4) Extreme temperature events mutated in the 1990s, and changed more rapidly after the 21st century; extreme precipitation events mutated earlier, mainly in the 1980s. (5) On a spatial scale, the extreme warm index is higher in the south and lower in the north, and the precipitation index is higher in the south than in the north. Cross wavelet transform shows that the East Asian summer monsoon, El Niño-Southern Oscillation and sunspots have a certain resonance period with the extreme precipitation index, among which sunspots have the greatest impact on extreme precipitation events.

1. 引言

通常把气候要素严重偏离平均值的事件称为极端气候事件，主要包括极端温度、极端降水两方面[1]。如今地球气候正经历着一场短期内难以逆转的变暖趋势[2]，在这一背景下，绝大部分陆地地区的极端气候事件呈现出增多趋势[3]，尤其是1950年以来越发频繁[4]，频繁发生的极端气候事件不利于社会可持续发展并且对生态环境产生了严重的破坏。对这些极端气候事件的研究已成为气候变化研究的重要焦点之一[5]。

近些年来，较多的学者研究极端高温事件等对局地气候变化影响，如李欣荣[6]等学者针对新疆喀什地区近五十年来大于40℃的年极端高温天气进行了统计和分析，并提出了极端高温事件和年度极端高温等新指标。王颖等[7]对我国近50年的极端温度事件进行研究，发现自80年代中期以后我国日间极端最高温度平均每10年增加0.1℃~0.2℃，极端最高温度日数增加了3~4天。张顺谦[8]等分析了四川省7个区域的极端降水分布，认为目前极端降水正处于增多增强的过程。Stone[9]等人发现澳大利亚东部地区表征极端低温事件的指数明显减少。DeGaetano [10]等对美国东北部等地的研究结果也显示极端最低温度日数减少、生长期延长。

浙江位于北半球中、低纬度的沿海过渡地带，受到季风的影响较为频繁，受自然灾害影响较为严重[11]。诸多研究证实，目前浙江省的气候总体上呈现暖湿化趋势，在近五十年来尤为突出[12]。省气象局数据显示，上世纪六十年代至本世纪初全省平均每10年增加0.26℃，超过全国平均水平；降水呈上升趋势，但季节分配不均；台风、夏秋热浪等气象灾害频次增多、强度加大，对农业气候条件造成更多不确定性[13]。针对浙江省近些年夏季暴雨频繁，沿海地区常受台风袭击，高温天气频繁，夏季出现持续高温的局面[14]，有必要对该区域的极端气温和降水事件的时空分布规律进行分析，深入认识区域气候的变化规律。以往研究浙江省气候极端事件的文章大多只关注某一种极端气候事件[15]-[17]，且缺乏使用WMO定义的极端指数的系统性研究。本文综合地研究了极端气候事件发生的频次和突变年份并分析了极端降水的驱动因素，数据较新，时间跨度较大，包括了20世纪最暖的90年代，对于研究浙江省的气候预报、灾害预警等具有重要的意义。

2. 研究区概况

浙江省是中国东部十分重要的省份，坐落于亚欧大陆和太平洋的交界处，属于典型的亚热带季风气候[18]。年均温在15℃~18℃之间，年均降水量在1100~2000毫米之间。浙江省地势变化较大，西南和西北部多山地，中部和东南部多为丘陵和盆地，而东北地区则主要为平原。全省海岸线长达2253.7公里，受海陆热力性质的影响显著，导致降水季节变化明显。

3. 数据库来源与研究方法

3.1. 数据源

本文所使用的原始气象数据来自于国家气象科学数据共享服务平台(https://data.cma.cn/)，包括浙江省23个站点。根据中国气象地理区划，浙北地区有临安、湖州等11个站点，浙中地区有金华、临海等7个站点，丽水、温州等5个站点位于浙南地区，各站点的位置分布(如图1)。

所涵盖数据范围从1961年1月1日到2020年12月31日，包含了连续完整的日最高温、日最低温、日平均气温和日降水量数据。对这些数据进行预处理，如检验日降水量为负值的数据、最低气温大于最高气温的数据等。为保证记录的连续性和代表性，对个别天数的记录缺失进行平均差补[19] (缺失1~2天用相邻日的均值代替，超过3天则用同期多年均值代替)。

厄尔尼诺–南方涛动(ENSO)数据来源于NOAA地球系统研究实验室，并使用NINO3.4指数(东太平洋的NINO3.4区域的海表温度指数)来研究[20]，东亚夏季风(EASM)数据来源于国家青藏高原科学数据中心，太阳黑子(SN)数据取自于比利时皇家天文台太阳数据分析中心。

3.2. 研究方法

3.2.1. 极端气候指数选取

使用世界气象组织提出的气候变化检测指数(ETCCDI) [21]，利用RClimDex选取共15个极端气候指数，以分析极端气候事件的特征和规律。本研究还选取了4个极端持续指数，能够反映极端气候的持续性趋势。各极端气候指数的具体定义详见表1。

3.2.2. 极端气候指数趋势分析

在气象数据分析中，常运用趋势分析法求得线性拟合方程。原理是寻求变量之间的因果关系以确定

Figure 1. Distribution of meteorological stations in various regions of Zhejiang Province

图1. 浙江省各地区气象站分布图

Table 1. Extreme climate indices used in the text and their definitions

表1. 文中使用的极端气候指数与其定义

类型	指数名称	定义	单位
	夏日日数(SU25)	日最高温大于25℃的天数	d
	暖昼日数(TX90P)	日最高温大于90%分位值的天数	d
气温指数	暖夜日数(TN90P)	日最低温大于90%分位值的天数	d
	霜冻日数(FD0)	日最低温小于0℃的天数	d
	冷昼日数(TX10P)	日最高温小于10%分位值的天数	d
	冷夜日数(TN10P)	日最低温小于10%分位值的天数	d
	强降水量(R95PTOT)	95%分位值的强降水之和	mm
	强降水日数(R10)	日降水量大于等于10 mm的总天数	d
降水指数	年湿期降水总量(PRCPTOT)	湿天的降水量之和	mm
	普通日降水强度(SDII)	降水量大于等于1 mm的总量与天数之比	mm/d
	5日最大降水(RX5)	每月内连续5日的最大降水量	mm
	持续暖指(WSDI)	连续6日最高温大于90%分位值天数	d
持续指数	持续冷指(CSDI)	连续6日最低温小于10%分位值天数	d
	持续干燥指(CDD)	日降水量小于1 mm的最长持续天数	d
	持续湿润指数(CWD)	日降水量大于等于1 mm的最长持续天数	d

参数，建立一元线性方程。利用该方法来得到各极端气候指数与年份之间的线性拟合方程并以此来分析其变化趋势。

设($X$ , $Y$ )是被观测的一组数据，且$Y$ 是关于$X$ 的函数，

$Y_i={\beta }_0+{\beta }_1{X}_i+{\epsilon }_i\left(i=1,2,\dots ,n\right)$ (1)

在式中($X_i$ , $Y_i$ )表示($X$ , $Y$ )的第$i$ 个观测值，${\beta }_0$ 和${\beta }_1$ 为未知参数，${\epsilon }_i$ 是描述统计关系直线附近离散分布的随机成分。

3.2.3. Mann-Kendall检验

M-K检验常用于时间尺度下各类气象变量的变化趋势和突变分析，是一种非参数统计检验方法，该方法无需数据满足特定的分布函数，使用范围较广。本文采用此方法来检验极端气候指数变化趋势的显著性。

假设有一个包含$n$ 个独立随机变量同分布样本的时间序列数据($X_1$ , $X_2$ , …, $X_n$ )，对于所有的$k$ ，$j\le n\left(k\ne j\right)$ ，$X_k$ 和$X_j$ 的分布是不同的。检验统计量S：

$S={\displaystyle {\sum }_{i=1}^n{\displaystyle {\sum }_{j=1}^{i-1}sign\left(X_i-X_j\right)}}$ (2)

在时间序列随机独立的假定下，$S_k$ 的均值和方差分别为：

$E\left[S_k\right]=\frac{k\left(k-1\right)}{4}，var\left[S_k\right]=\frac{k\left(k-1\right)\left(2k+5\right)}{72}1\le k\le n$ (3)

对于给定的置信水平α，差正态分布表可知对应的临界值$U_{\alpha }$ 。若|$U{F}_k$ | > $U_{\alpha }$ ，则表明序列存在显著的变化趋势。同理可得到反序列的$U{B}_k$ 。

3.2.4. 交叉小波变换

交叉小波变换是一种用于分析两个时间序列之间的时频关系的方法。它结合了小波变换和交叉相关分析的思想，可以用于检测两个信号在时间和频率上的共振周期。本文就利用交叉小波变换来检测三个大尺度气候驱动因子：东亚夏季风(EASM)、厄尔尼诺–南方涛动(ENSO)和太阳黑子(SN)与年温期降水总量(PRCPTOT)、强降水日数(R10)和五日最大降水(RX5)这三个典型极端气候指数的共振周期。

4. 结果与分析

4.1. 极端气候事件指数的变化趋势

4.1.1. 极端温度事件

图2和图3展示了对浙江省极端温度指标进行的线性趋势拟合和M-K突变检验的结果，而表2则呈现了M-K检验的统计数值。结果显示，表征极端高温的指数均呈上升趋势，而反映极端低温的指数均呈下降趋势。在变化速率方面，夏日日数平均每10a升高4.491d，上升最快；与之对应的霜冻日数的下降速率最快，平均每10a下降2.989d；暖夜日数和冷夜日数次之；暖昼日数和冷昼日数相较其他指数来说变化速率略小。夏日日数在60a的时间尺度中呈现出较为稳定的上升态势，在21世纪初增速略有上升。

图3(a)的M-K突变检验结果显示夏日日数呈现上升趋势，且UF曲线于2005年左右超过了α = 0.01显著性水平的临界直线，表明上升趋势显著。且UF和UB两条曲线于1998年在置信区间内相交，表明夏日日数在1998年出现了突变。暖昼日数和暖夜日数与夏日日数的突变检验结果类似，UF曲线都于2005年超过显著性水平临界线，突变年份分别为1998年和2001年。

Table 2. Statistical values of M-K test for extreme temperature indices in Zhejiang Province

表2. 浙江省极端温度类指数的M-K检验统计量值表

极端气温指数	检验统计量Z值	变化速率	趋势	突变年
SU25	5.077^**	0.4491d/a	↑	1998
TX90P	5.070^**	0.1504d/a	↑	1998
TN90P	5.555^**	0.2151d/a	↑	2001
FD0	−5.262^**	−0.2989d/a	↓	1989
TX10P	−4.854^**	−0.1182d/a	↓	2000
TN10P	−6.69^**	−0.2038d/a	↓	2000

注：^*表示通过α = 0.05的显著性检验；^**表示通过α = 0.01的显著性检验(下同)。

Figure 2. Trend of extreme temperature index in Zhejiang Province

图2. 浙江省极端温度类指数的变化趋势图

4.1.2. 极端降水事件

图4为浙江省极端降水类指数的线性趋势拟合，图5和表3分别为M-K突变检验结果和M-K检验统计量值。结果显示，表征极端降水的5个指数均表现出上升趋势。就变化速率来看，年湿期降水总量的上升速率最快，平均每10a增加39.324 mm；普通日降水强度的上升速率最慢，平均每10a增加0.3 mm。强降水量呈波动上升趋势，变化速率为平均每10a增加28.68 mm，且年代际变化明显。强降水日数的上升趋势没有通过显著性检验，且变化速率较小，但21世纪后波动性增大。年湿期降水总量的变化速率快，最小值出现在60年代(979.6 mm)，最大值出现在2012年(2009.4 mm)，增长速率十分显著。普通日降水强度总体保持较为稳定的状态，最小值出现在70年代(9.48 mm/d)，最大值出现在2019年(14.5 mm/d)，呈缓慢上升的趋势，年代际变化不显著。5日最大降水(RX5)有较显著的上升趋势，年代际变化显著。

Figure 3. M-K mutation test diagram of extreme temperature index in Zhejiang Province

图3. 浙江省极端温度类指数的M-K突变检验图

Figure 4. Trend of extreme precipitation index in Zhejiang Province

图4. 浙江省极端降水类指数的变化趋势图

Table 3. Statistical values of M-K test for extreme precipitation indices in Zhejiang Province

表3. 浙江省极端降水类指数的M-K检验统计量值表

极端降水指数	检验统计量Z值	变化速率	趋势	突变年
R95PTOT	3.482^**	2.8683 mm/a	↑	1987
R10	1.448	0.0970 d/a	↑	-
PRCPTOT	2.06^*	3.9324 mm/a	↑	-
SDII	4.2732^**	0.033 (mm/d)/a	↑	-
RX5	2.0218^*	0.3561 mm/a	↑	-

Figure 5. M-K mutation test of extreme precipitation index in Zhejiang Province

图5. 浙江省极端降水类指数的M-K突变检验图

图5(a)为强降水量的M-K突变检验结果，图中的UF和UB两条曲线于1989年在置信区间内相交，在2015年超过了α = 0.01显著性水平的临界直线。经滑动t检验发现1981~1983年、1985~1989年超过置信水平，综合表明其在1989年出现了突变，突变年后强降水量的上升趋势更加显著。除了普通日降水强度外，其余的极端降水指数具有类似的变化趋势与年代际特点。

4.1.3. 极端气候持续事件

图6和图7分别为浙江省极端气候持续类指数的线性趋势拟合和M-K突变检验结果，表4为M-K

Figure 6. Trend of extreme climate persistence index in Zhejiang Province

图6. 浙江省极端气候持续类指数的变化趋势图

Figure 7. M-K mutation test of extreme climate persistence index in Zhejiang Province

图7. 浙江省极端气候持续类指数的M-K突变检验图

Table 4. Statistical values of M-K test for extreme climate persistence index in Zhejiang Province

表4. 浙江省极端气候持续类指数的M-K检验统计量值表

极端持续指数	检验统计量Z值	变化速率	趋势	突变年
WSDI	2.404^**	0.0711 d/a	↑	2002
CSDI	−5.498^**	−0.1121 d/a	↓	1989
CDD	−2.538^**	−0.1488 d/a	↓	-
CWD	−0.504	−0.0048 d/a	↓	-

检验统计量值。结果显示，持续暖指数(WSDI)呈现上升趋势而持续冷指数(CSDI)呈现下降趋势，持续湿润指数(CWD)和持续干燥指数(CDD)都表现出了下降的趋势。就变化速率来看，持续干燥指数的变化速率最快。持续暖指数总体呈现上升趋势，变化速率为平均每10a增加0.711d，最大值出现在2013年(16.74d)。与之相对应的持续冷指数则呈现出下降的变化趋势，尤其在21世纪的21年中，共有13年的值为0d。持续干燥指数和持续湿润指数的变化速率均为负值，其中持续干燥指数的下降趋势更快更显著，最大值出现在70年代；而持续湿润指数的下降速率缓慢，但在90年代后的波动性增大。

根据M-K突变检验结果，持续暖指数于2002年出现突变，UF和UB曲线未超过置信区间。持续冷指数于1989年出现突变，此后下降幅度大大增加。持续干燥指数和持续湿润指数的UF和UB曲线出现多次相交，经检验未发现突变点，且下降趋势不显著。

4.2. 极端气候事件指数变化的空间格局

4.2.1. 极端温度事件

图8为浙江省各站点极端温度类指数年代际平均值的空间分布图。从图8(a)可看出，各站点夏日日数总体呈增加趋势，且在70到80年代间，增长速度放缓或略有减少，进入21世纪后增长趋势更加明显。各站点间差异较大，从地区均值来看浙南(168.6d) > 浙中(143.2d) > 浙北(135.5d)，自南向北递减。表征极端低温的指数在各站点总体呈现下降趋势，其中80~90年代的降速较大且地区间差异显著。

Figure 8. Spatial distribution pattern of interdecadal average values of extreme temperature index at each station in Zhejiang Province

图8. 浙江省各站点极端温度类指数年代际平均值的空间分布格局

4.2.2. 极端降水事件

图9为浙江省各站点极端降水类指数年代际平均值的空间分布图，可以看出5个表征极端降水事件的指数都呈现南高北低的特点。从图9a可看出，各站点强降水量总体呈增加趋势，且进入21世纪后增长趋势更加明显。从地区均值来看浙南(439.9 mm) > 浙中(419.6m m) > 浙北(378.7d)，最大值出现在浙中的临海站(665.8 mm)，最小值出现在浙北的嵊泗站(219.4 mm)。浙北地区除了大陈站和石浦站变化较和缓，其余9个站点均在2011~2021年间出现最高值。

4.2.3. 极端气候持续事件

图10为浙江省各站点极端持续类指数年代际平均值的空间分布图，可以看出2个表征极端气温持续事件的指数的年代际差异比2个表征极端降水持续事件的指数更加显著。从图10(a)可看出，中、西部的站点的持续暖指数在60年代出现一个高值后有所下降，此后各站点呈增加趋势，进入21世纪后增加趋势更加明显，尤其是东部沿海地区的临海、洪家等站点。从空间差异上看，大致存在南高北低和西高东低的特点，西部地区的下降速率显著。

Figure 9. Spatial distribution pattern of the inter-chronological average of the extreme precipitation index at each station in Zhejiang Province

图9. 浙江省各站点极端降水类指数年代际平均值的空间分布格局

Figure 10. Spatial distribution pattern of the interdecadal average of extreme climate persistence index at each station in Zhejiang Province

图10. 浙江省各站点极端气候持续类指数年代际平均值的空间分布格局

4.3. 极端降水事件驱动因素分析

图11为交叉小波功率图，结果表明在1978~1983年间EASM与PRCPTOT存在3-5a的显著共振周期，在1977~1983年和2010~2015年与R10分别存在4-6a和3-5a的显著共振周期。与RX5在1993~2000年存在5-7a的显著共振周期。ENSO与PRCPTOT在1967~1975年和2010~2013年分别存在5-8a和2-3a的显著共振周期。与R10在1968~1975年和2004~2009年分别存在4-7a和3-5a的显著振荡周期，在2010~2014年存在2-4a的显著振荡周期。与RX5在1988~1993年和1996~2000年分别存在3-5a和3-4a的显著振荡周期。SN与PRCPTOT在1963~2010年存在长达45-50a的显著振荡周期，与R10在1964~2013年存在48-51a的显著振荡周期，与R10在1961~2000年存在37-38a的显著振荡周期。因此可以看出太阳黑子对极端降水事件影响最大。

Figure 11. Cross-wavelet power spectrum of extreme precipitation index in Zhejiang Province

图11. 浙江省极端降水指数交叉小波功率谱

5. 结论

通过分析1961~2020年浙江省极端气候指数的时空变化趋势，得到主要结论如下：从时间上看，浙江省气温呈现较为显著的上升趋势，与全球变暖的整体趋势一致。夏日日数和霜冻日数的变化速率最快，这表明酷暑天气和极端高温事件明显增加，而严寒天气和极端低温事件则相反。暖夜日数和冷夜日数的变化速率快于暖昼日数和冷昼日数，其中冷夜日数的下降趋势尤为显著。这表明夜晚的增温对于浙江省气温上升的贡献率较大。极端降水事件指数均呈现增加趋势，表明浙江省在降水总量和降水强度上都得到了显著增加。在此背景下，持续湿润指数呈现减少趋势，这侧面印证了极端降水事件的强度增加，且在降水的时间上更加集中。

从空间上看，夏日日数和霜冻日数的地区差异最显著，夏日日数呈现出明显的南高北低的特点，霜冻日数则与之相反，其余的极端温度指数地区差异不显著。除暖昼日数以外，其余5个指数的最低值均出现于浙中的大陈站，这表明大陈的变暖趋势非常显著。表征极端降水事件的5个指数在空间上均呈现出南高北低的变化特点，表明浙南地区的降水强度和总量都比其北部地区更大。降水指数的最小值出现在浙北的嵊泗站，这可能与海岛季风海洋性气候的不稳定性有关。相比之下，极端气候持续指数的地区差异不显著。大多数站点的持续暖指数在进入21世纪后迅速增加，持续冷指数则迅速降低，表明持续高温事件出现的频率在21世纪显著上升。总体来看，极端降水持续指数的变化幅度不大，其中浙南的持续干燥指数低而持续湿润指数高，应注意防范长时间降水引发的洪涝灾害。

交叉小波变换的结果显示，EASM、ENSO、SN这三个大尺度驱动因子与PRCPTOT、R10、RX5三个极端降水指数存在不同的共振周期，说明这三个驱动因子都对极端降水气候的产生有一定的影响，但其中太阳黑子数SN与极端降水指数的相关性最高，共振周期时间最长，即极端降水事件受太阳黑子影响最大，因此应及时监测太阳黑子的变化趋势对极端降水作出预测与预警。