20世纪90年代以来, 全球变暖趋势更加显著, 因气候变暖而引起的极端气候事件更为频繁, 且强度呈增大趋势, 给人类社会造成严重的影响^{[1, 2, 3, 4]}。因此, 极端气候事件的变化引起了全世界范围内的广泛关注。极端气温事件是极端气候事件的重要内容, 国内外对极端气温方面的研究较多, 如Karl等^[5]认为就全球范围来看, 美国和前苏联的极端最低温度呈现显著的上升趋势, 而极端最高温度的变化则表现出较强的区域性, 但大范围并无显著的变化趋势。对于气候变化极其复杂的东南亚地区, Manton等^[6]通过15个国家的91个气温站点计算分析后认为东南亚地区在1961— 1988年期间每年的暖日、暖夜天数在显著增加, 而冷日、冷夜天数在显著减少。国内学者任国玉等^[7]发现在我国范围内, 寒潮、冷夜和冷昼天数、霜冻日数等异常偏冷的极端事件在显著减少减弱, 偏冷的气候极值减轻; 相反, 暖夜、暖昼日数等异常偏暖事件显著增多, 尤其是暖夜日数。张宁等^[8]利用1955— 2005年中国234个气象站逐日最高、最低气温资料通过计算发现我国年和四季的极端低温均表现出稳定的增高趋势; 年、春季和夏季极端高温在黄河下游地区出现了较明显的降低趋势, 而在华南地区增高趋势较显著; 时间演变上, 无论年还是四季, 极端低温的增高幅度明显大于极端高温的增幅; 极端气温在四季均有增高趋势, 尤其以冬季的升温最明显; 年极端高温和低温的年代际变化基本一致。综上可知, 揭示区域极端气温变化规律有助于更好地了解极端气温变化对人类的影响, 可为应对策略提供有效的科学依据。

珠江流域覆盖滇、黔、桂、粤、湘、赣等省区以及港澳地区, 经济发展迅速, 人口密集, 是我国经济发展的重要增长区。极端气温事件频发必然会对流域的社会经济发展产生较大的影响。尽管张宁等^[8]从全国范围内认为华南地区增温趋势较显著, 但在全球气候变化环境下, 位于亚热带季风区的珠江流域气候特征异常复杂, 其极端气温在时空尺度上必然也会呈现复杂的变化规律。因此, 为了解珠江流域近几十年来极端气温时空变化规律, 本文拟采用线性回归分析、Mann-Kendall（M-K）突变分析和小波分析等方法对流域的极端气温时空变化特征进行研究, 以期为流域管理、决策、生产等活动提供科学的参考依据。

珠江流域（102° 14′ ~115° 53′ E, 21° 31′ ~26° 49′ N） 面积约476 km², 由西江、北江、东江、珠江三角洲诸河组成。珠江流域地处亚热带季风气候区, 多年平均气温14~22 ° C, 多年平均降水量1 525.1 mm, 年内降水多集中在4— 9月, 约占全年降水量的80%。珠江三角洲地区是中国经济最发达地区之一, 2008年总人口11 723万人（未计港澳）, 平均人口密度为265人/km², 高于全国平均水平, 但分布极不平衡。西部欠发达地区人口密度小, 东部地区经济发达且人口密度大。

珠江流域共有国家级气象站点48个, 剔除缺测较多的5个站点, 保留了系列完整并通过检测的站点共有43个。故本文采用该流域43个气象站点1960— 2012年逐日最高与最低气温数据, 站点具体分布如图1所示。站点数据源于中国气象科学数据共享服务网（http://cdc.cma.gov.cn/home.do）, 通过R软件中的RClimDex程序对数据进行处理, 以达到检测和提高数据质量的目的。检验处理主要包括以下几个方面错误记录检查内容：①日最低温> 日最高温; ②日降水量< 0 mm; ③记录值严重偏离本地区气象实际情况, 即超出3倍标准差的值定义为出界值。通过人工检查相邻站点的记录并进行比对, 对合理的数据进行保留, 不合理的则按缺测进行处理, 而缺测数据采用三次样条函数内插补齐。

图1

Fig. 1

	Figure Option ViewDownloadNew Window
	图1 珠江流域高程及气象站点分布Fig. 1 Elevation and weather stations in the Pearl River Basin

考虑全球气候变化影响, 本文主要采用7个影响因子研究极端气候变化的环流背景原因, 原始数据来源如下：ENSO指标数据, 包括MEI、SMEI和Niñ o3.4区（5° S~5° N, 170° W~120° W）海温指数（SOI）, 数据均来源于美国国家海洋和大气局地球系统研究实验室（NOAA ESRL）; 太阳黑子（SS）数据来源于比利时皇家天文台; 东亚季风指数（EASMI）、南亚夏季季风指数（SASMI）和南中国海夏季季风指数（SCSMI）均来自美国的NCEP/NCAR月平均分析数据集, 本文数据主要在http://ljp.lasg.ac.cn/dct/page/65544平台上下载。

1）极端气温指数

本文采用世界气象组织气候委员会（World Meteorological Organization, WMO）推荐及定义门槛值的16个重要极端温度指标, 如表1所示。

表1

Table 1

表1(Table 1)

表1 16个极端温度指数 Table 1 The 16 extreme temperature indexes 序号 代码 指数名称 指数定义 单位 1 FD0 霜冻日数 日最低气温（TN）< 0 ℃的全部日数 d 2 ID0 结冰日数 日最高气温（TX）< 0 ℃的全部日数 d 3 TXx 月极端最高气温 每月内日最高气温的最大值 ℃ 4 TNx 月最低气温极大值 每月内日最低气温的最大值 ℃ 5 TXn 月最高气温极小值 每月内日最高气温的最小值 ℃ 6 TNn 月极端最低气温 每月内日最低气温的最小值 ℃ 7 TN10p 冷夜日数 日最低气温（TN）< 10%分位值的日数 d 8 TX10p 冷昼日数 日最高气温（TX）< 10%分位值的日数 d 9 TN90p 暖夜日数 日最低气温（TN）> 90%分位值的日数 d 10 TX90p 暖昼日数 日最高气温（TX）> 90%分位值的日数 d 11 WSDI 热日持续指数 每年至少连续6 d日最高气温（TX）> 90%分位值的日数 d 12 CSDI 冷日持续指数 每年至少连续6 d日最低气温（TN）< 10%分位值的日数 d 13 SU25 夏日日数 日最高气温> 25 ℃的日数 d 14 GSL 作物生长期 首次出现连续6 d的平均温度> 5 ℃与7月后首次出现连续6 d的平均温度< 5 ℃之间的日数 d 15 TR20 热浪日数 每年日最低气温> 20 ℃的日数总和 d 16 DTR 气温日较差 每月日最低气温（TN）与日最高气温（TX）的平均差值 ℃

表1 16个极端温度指数 Table 1 The 16 extreme temperature indexes

2）小波分析方法

对于时间变化特征, 本文将采用Morlet小波对极端气温周期进行分析。小波分析是法国地质学家Morlet于1984年在分析地震波的局部性质时提出^{[9, 10]}, 其主要原理：将一个一维信号在时间和频率两个方向上展开, 根据其时频结构作细致分析, 并提取有价值的信息。

此外, 采用线性倾向估计方法^[11]和Mann-Kendall（M-K）检验^[11]对极端温度指数的时间序列进行趋势分析。对于线性倾向估计, 当回归系数大于0时, 表明时间序列随时间的增加呈上升趋势, 反之则为下降趋势, 回归系数的大小表明了上升或下降的速率。M-K统计量M值为正, 表示时间序列呈增加趋势, 为负则为减少趋势, 其绝对值在大于等于1.96时达到了α =0.05的显著性水平。详细计算步骤可参考文献[11]。对于空间插值则采用克里金插值法。

通过对珠江流域1960— 2012年期间的16个极端温度指标进行线性倾向估计、空间变化趋势、气温M-K趋突变检验和小波周期分析, 得出以下几点结论：

1）趋势分析结果表明：16个极端气温指标中只有结冰日数（ID0）、月最高气温极小值（TXn）、冷昼日数（TX10p）和作物生长期（GSL）这4个指标呈现出不显著的变化趋势, 其余各指标呈现显著变化趋势, 通过了置信水平为95%的显著性检验; 夏日日数（SU25）、暖夜日数（TN90p）、月极端最低气温（TNn）、月最低气温极大值（TNx）、热浪日数（TR20）、暖昼日数（TX90p）、月极端最高气温（TXx）和热日持续指数（WSDI）均表现出显著的上升趋势, 通过了置信水平为95%的显著性检验。冷日持续指数（CSDI）、昼夜温差幅度指数（DTR）、霜冻日数（FD0）、冷夜日数（TN10p）则呈现出显著的下降趋势, 同样通过了置信水平为95%的显著性检验。

2）变化趋势空间分析结果表明：TN10p（冷夜日数）、冷日持续指数（CSDI）和昼夜温差幅度（DTR）以及冷昼日数（TX10p）4个指标在整个珠江流域大致呈下降趋势, 其余指标大致呈上升趋势, 呈现出较好的流域一致性。其中DTR和TN10p指数呈大范围显著下降趋势, CSDI指数只在流域东部呈显著下降, TX10p指数在流域大范围内呈不显著下降趋势; 10个呈上升趋势的指数中, 暖夜日数（TN90p）、月极端最低气温（TNn）、月最低气温极大值（TNx）、热浪日数（TR20）和暖昼日数（TX90p）均在整个珠江流域呈大范围显著上升趋势, 其余5个气温指标呈现更多的不显著上升趋势, 其中流域的东部地区各指数大部分呈显著上升趋势, 且上升的速率较大。

3）M-K突变分析结果表明：除了结冰日数（ID0）、冷昼日数（TX10P）和作物生长期（GSL）三个指标之外, 其余13个指标均通过了显著性检验, 突变显著。大多数指标在1960— 2012年期间只发生了一次突变, 突变点大多数集中在1970— 2000年之间, 且大多数突变的变化都是从多到少的变化。异常偏冷的极端事件指数在显著突变点后呈由多到少的趋势, 而异常偏暖的极端事件指数在显著突变点后呈由少到多的趋势。

4）小波分析结果表明：大多数指标呈现4~5个周期震荡, 且以2~4 a为主周期。极端气温指标的显著年份较为分散, 多表现为连续10 a左右。

5）极端气候变化影响因子分析表明：极端低气温指数与MEI和SMEI指数相关性最强, 极端低气温受ENSO影响较大。而极端高气温指数与SCSMI、SMEI相关性较强, SCSMI与ENSO是造成极端高气温的重要因素。

本文的研究结果可为珠江流域应对极端气温灾害提供参考依据, 但受资料限制, 仅选取了16个影响极端气温的大尺度环流因子, 指标数量相对较少, 且各个影响因子对极端气温的内在影响机理尚不明确, 应在日后研究中进一步深入与完善。