城市化对山东省极端气温事件的影响

根据山东省气温观测资料,综合利用人口格网、土地利用和夜晚灯光数据划分了城市站和乡村站,采用基于观测资料的对比分析法研究山东省极端气温事件的城市化影响。结果表明:①除暖夜日数,暖(冷)事件在城市化的推动下会增加(减少);其中,暖指数的城市化影响贡献率分别是40.66%(高温)、19.32%(暖昼)、1.02%(暖夜),冷指数的城市化影响贡献率分别是2.31%(低温)、5.72%(冷昼)、5.55%(冷夜),可见暖事件(除暖夜日数)的城市化影响贡献率与冷事件相比更显著,且由最高气温计算得出的极端气温指数的城市化影响贡献率更大。②城市化会促使极端气温暖事件平均场的强度变大,同等强度暖事件的发生范围较之前更广,而冷事件受城市化发展的影响在强度和范围的表现却与暖事件的表现刚好相反;相同的是城市化促使极端气温冷暖事件平均场分布的空间差异性较之前均变大。③极端气温冷暖事件的突变时间会受城市化发展的影响,使其突变时间提前1～3年。④冷暖事件的持续时间会随着城市的不断发展而变化,其中由最高气温计算得出的指数受影响更大。⑤极端气温冷暖指数之间的城市化非对称性影响具有复杂的差异性。     

城市化对安徽省极端气温事件的影响

利用卫星遥感资料对安徽省46个台站进行分类,统计分析了城市站、郊区站和乡村站1961-2010年的极端气温指数的年和季节的变化趋势及其受城市化的影响和贡献。结果表明：1) 近50年来,除最高气温年极大值外,其他气温年极值都有明显上升趋势,以最低温度极小值最显著;暖日、暖夜天数呈增加趋势,而冷日、冷夜天数呈减少趋势,其中暖夜和冷夜变化趋势更明显;各极端指数的变化趋势总体均表现为城市站较乡村站更显著,郊区站介于两者之间。2) 城市站最高气温极大值、最低气温极大值和最低气温极小值因城市化造成的增温分别为0.144、0.184和0.161℃/10a,增温贡献率分别达100.0%、58.8%和21.6%,但城市化对最高气温极小值影响较弱;季节尺度的城市化影响基本都造成增温,春、秋季更明显,而增温贡献率以春、夏季更明显,冬季最小或不显著。3) 城市化效应使暖日和暖夜天数增加、冷夜天数减少的趋势更加显著,城市化影响贡献率都在40%以上;暖日、暖夜和冷夜天数的城市化影响贡献率都在冬季最小或不显著。     

北京地区夏季极端降水变化特征及城市化的影响

应用北京地区20站1971—2010年降水记录及城市发展数据,采用百分位方法定义极端降水事件的阈值,分析了北京地区夏季极端降水事件的时空变化特征及城市化的影响。结果表明：(1)北京夏季极端降水阈值及频数存在较强局地性特征,基本沿地形高度分布,极端降水频数多发区与高阈值区不完全对应;(2)近40年极端降水频率及强度均呈现下降趋势,年际及年代际差异显著;(3)城市化发展不同阶段极端降水强度及频数均有不同的分布形态,城市化对城市不同区域极端降水影响不一样,城市化导致城市下风向近郊区极端降水强度、次数均表现为增多趋势;(4)城市对极端降水的影响还与天气过程强度有关,强天气背景下城市对极端降水频数的影响程度高于对降水强度的影响。     

1976—2015年乌鲁木齐市极端气温变化特征分析

根据乌鲁木齐市1976—2015年逐日气温资料,采用线性趋势法、距平法、累计距平法、主成分分析法和Morlet复数小波法,计算并分析极端气温指数的变化趋势、指数相关性及周期性等。结果表明:1、极端最高、最低气温,夏季、热夜、暖昼和暖夜日数呈上升趋势,冰冻、霜冻、冷昼和冷夜日数呈下降趋势。2、极端最高、最低气温距平呈波动变化,其中极端最高在1992-1994年快速下降,2003-2008年较明显上升;极端最低在1991-1999年快速上升。3、夏季和热夜日数相似,1996年之前减少,之后快速增长。冰冻和霜冻日数与前者趋势相反。4、冷昼和冷夜日数在90年代中期之前缓慢上升,暖昼和暖夜缓慢下降。90年代中期后,情况相反。5、暖夜、冷夜、热夜和霜冻日数的变化对乌鲁木齐气温总体变化起到主要作用。6、各暖指数、冷指数间呈正相关,而暖指数与冷指数之间呈负相关。7、极端最高气温存在准6年周期,还存在准32年的年代际振荡周期;极端最低气温存在准3年、6年、12年周期,其中准12年周期贯穿始终。     

1960-2014年湖南省极端气温事件变化特征分析

利用1960-2014年湖南省88个地面气象站日最高和最低气温的均一化资料,运用百分位阈值法统计暖日、暖夜、冷日和冷夜数,采用线性回归、M-K突变检验、Morlet小波分析等方法,研究湖南省55a以来极端气温事件的时空变化特征。结果表明：(1)湖南省暖日和暖夜数呈上升趋势,其年际变化倾向率分别为0.68d.(10a)-1、2.73 d.(10a)-1,冷日和冷夜数呈下降趋势,其年际变化倾向率分别为-0.45d.(10a)-1、-2.46d.(10a)-1,夜间增暖幅度大于白天增暖幅度;(2)湖南省大部分地区的暖日、暖夜数呈上升趋势,冷日数、冷夜数呈下降趋势,其中湘北、湘南部分地区变化趋势明显;(3)暖日、暖夜、冷夜数有明显的阶段性变化,其突变检验特征较明显,暖日、暖夜分别在2008、2003年突变增加,冷夜在1986年突变减少;(4)湖南省极端气温日数在不同的时间段存在着长短不同的振荡周期。     

近60年来祁连山极端气温变化研究

利用24个气象站点1961-2017年逐日最高、最低和平均气温资料,采用CCl/CLIVAR气候变化检测监测和指数专家小组(ETCCDI)所推荐的12个极端气温指数,分析了祁连山区极端气温指数的时空变化及其原因。结果表明:极端气温暖指数以祁连山中部和东部为较小变暖幅度区,向外围递增,极端气温冷指数的空间分布由南向北递减。相较暖指数,冷指数变暖幅度更大;夜指数变暖幅度大于昼指数,这与气温日较差显著减少具有一致性;生长季长度明显延长;冰冻日数、霜冻日数显著减少,减少幅度较大的区域集中在祁连山南部。1985年后尤其在20世纪90年代期间祁连山加速变暖,2000年后变暖趋势有所减缓,2010年后变暖幅度大幅增加。海拔越高,极端气温指数的变暖幅度越大,高海拔区(2500 m)极端气温冷指数变化明显,低海拔区(2500 m)极端气温暖指数变化明显。北大西洋年代际振荡(Atlantic Multidecadal Oscillation,AMO)、热带北大西洋指数(Tropical Northern Atlantic Index,TNA)、热带南大西洋指数(Tropical Southern Atlantic Index,TSA)、北热带大西洋海表温度指数(North Tropical Atlantic Index,NTA)、加勒比地区海温指数(Caribbean Index,CAR)对祁连山极端气温暖指数的影响强于极端气温冷指数,中热带太平洋海温(Nino 4)主要影响极端气温冷指数,南海夏季风(South China Sea Summer Monsoon Index,SCSSMI)主要影响极端气温暖指数。     

土壤湿度年际变化对中国区域极端气候事件模拟的影响研究Ⅱ.敏感性试验分析

利用NCARCAM3.1大气环流模式,设计了有、无土壤湿度年际异常的两组数值试验,探讨了土壤湿度年际异常对极端气候事件模拟的可能影响。结果表明,模式模拟的极端气候事件对土壤湿度异常十分敏感,土壤湿度异常对极端气候指标的多年平均空间分布、年际变率以及年际变化均具有重要影响。当不考虑土壤湿度的年际异常时:(1)模拟的暖夜日数、暖昼日数和热浪持续指数的发生频次在全国范围内均明显减少,而霜冻日数则明显增加。极端降水指标的响应表现出明显的空间差异,极端降水频次在江淮流域明显减小,而极端降水强度则表现为东北减弱、长江流域增强;中雨日数和持续湿期在我国大部分地区减少。(2)极端气温指标的年际变率在我国大部分地区呈减小趋势;而极端降水事件的变化则较为复杂,极端降水频次和极端降水强度的年际变率在长江以南有所增强,而北方地区则有所减弱。中雨日数和持续湿期的年际变率在我国呈现出较为一致的减少趋势。(3)模式对暖夜日数、霜冻日数的年际变化的模拟能力明显下降,并对4个极端降水指标的年际变化的模拟能力在全国多数区域均有不同程度的下降。     

1955—2016年甘肃定西地区极端气温变化特征

利用甘肃省定西地区岷县、临洮和华家岭3个站点的气温数据,应用线性趋势拟合等方法,基于10个气温指数,研究了1955—2016年定西地区极端气温变化趋势和特征。结果表明,霜冻日数、结冰日数、冷日日数和冷夜日数4个指数呈下降趋势,而极端最高气温、极端最低气温、夏日日数、热夜日数、冷日日数和冷夜日数6个指数均呈上升趋势。气温变化的第一主周期为30 a,第二主周期为17 a。夏日日数、热夜日数、暖日日数和暖夜日数的变化在气温总体变化中起主要作用。极端最低气温与霜冻日数、冷日日数、冷夜日数显著相关,极端最高气温与夏日日数、暖日日数、暖夜日数显著相关,暖夜日数与霜冻日数也具有较高的相关性。气温指数突变大多发生在1993—1999年。     

甘肃河东地区近30年季节极端气温指数变化与环流影响

基于1988-2017年61个气象站点逐日气温数据,分析了甘肃河东地区近30年各季节极端气温指数的时空变化特征,并分析了ENSO和AO对河东地区极端气温指数的影响。结果表明:近30年河东地区处于变暖态势中,各季节气温日较差(DTR)、暖夜日数(TN90p)、暖昼日数(TX90p)均呈增加趋势,冷夜日数(TN10p)、冷昼日数(TX10p)均呈减少趋势。甘南高原极端气温指数在各区中变化最显著,春季是各极端指数变化最显著的季节,也是河东地区DTR变化趋势不同于全国的影响因素。DTR于1992年突变后增加,平均气温于1996-1997年发生突变,其余极端气温指数于1997年突变,极端气温指数在其自身以及平均气温突变年份前后的变化反映了区域变暖的态势。El Ni?o影响河东地区冬季DTR的增加,La Ni?a影响冬季TX10p日数增加,AO正相位时河东地区夏季高温事件更易发生。     

1961—2018年陕西极端气温时空变化特征

基于陕西1961—2018年94个气象台站逐日气温资料,选取世界气象组织(WMO)提出的10种极端气温指数,分陕北、关中和陕南三个气候区,采用线性趋势分析、Mann-Kendall突变分析和Morlet小波分析,分析了陕西极端气温事件的时空变化特征。结果表明：陕西各极端气温指数在近60 a发生了显著变化,热指数的增加趋势较冷指数的减少趋势更为明显且年际间波动较大,夜指数的变化较相应的日指数变化更为突出,其中暖夜天数的增幅达到了7.4 d/10 a。除极端最低气温外,其余冷指数在1995年前后出现突变,而暖夜和暖昼天数突变发生在2005年以后。冰日、冷昼和热夜天数变化趋势呈现出明显的纬向特征,关中的极端最低气温、冷夜天数、暖夜天数、霜冻天数和夏日天数变化趋势较其他两个区域更为显著。极端指数的周期性变化主要集中在2—8 a。相较于极值指数,相对指数和绝对指数的变化均能较好的反映陕西年平均最高和最低气温的变化趋势。     

无锡极端气温事件的气候分析

为了解气候增暖情况下,无锡地区极端最高和最低气温的气候特征,用阈值检测方法对无锡市1959-2007年的日最高气温、日最低气温进行了研究,分析了极端事件的发生规律,得出主要结论:(1)从年代际看,不论是日最高气温或日最低气温,2001-2007年偏高事件最多,偏低事件最少.(2)最低气温从1980s初开始稳定上升.(3)在3、5、7、12月比较容易出现异常的气温.月内异常气温出现次数多少主要与季节更替和天气系统的转换有关.(4)日最低气温不论冬春夏秋,都是明显升高.日最高气温冬、春、秋季呈升高趋势,而夏季震荡加大.即在夏季,日最高气温偏高的事件增多,日最高气温偏低的事件也增多.     

江苏省月平均最高、最低气温周期振动的谱特征

本文综合运用奇异交叉谱分析等多种气候诊断方法研究江苏月平均最高、最低气温振动的准周期变化的时空分布特征。结果发现：江苏逐月最高、最低气温分布型态分别为经向型、纬向型；两者存在2至3年周期，显著耦合周期为3．5年及16．5年。本文同时讨论了奇异交叉谱分析、小波分析、最大熵谱分析、经典交叉谱分析的优缺点。     

江苏省近45a极端气候的变化特征

利用江苏省35个测站1960—2004年45 a的逐日最高温度、最低温度、日降水量资料集,分析了近45 a江苏省极端高温、极端低温以及极端降水的基本变化特征。结果表明:(1)多年平均年极端高温的空间分布表现为西高东低,而极端低温则表现为自北向南的显著增加,极端降水的发生频次自南向北逐渐减少;(2)极端高温在江苏中部以及南部大部分地区有上升趋势,而西北地区则有弱的下降趋势;全省极端低温表现为显著的升高趋势;极端降水频次在南部地区有增加的趋势,北部减少趋势,中部则无变化趋势。(3)江苏极端高温、低温和极端降水的年际和年代际变化具有区域性差异,其中极端降水频次变化的区域性差异最为明显。     

FGOALS-g2模式模拟和预估的全球季风区极端降水及其变化

利用LASG/IAP（中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室）全球耦合模式FGOALS-g2,评估了其对全球季风区极端气候指标的模拟能力,并讨论了RCP8.5排放情景下21世纪季风区极端气候指标的变化特征。总体而言,模式对季风区总降水和极端气候指标1997～2014年气候态和年际变率的空间分布均具有一定的模拟能力。偏差主要表现在模式低估了亚洲季风强降水中心,低估了中雨（10～20 mm d-1）和大雨（20～50 mm d-1）的频率而高估了暴雨（>50 mm d-1）频率。在RCP8.5排放情景下,由于可降水量的增加,模式预估的全球季风区极端降水、降水总量和降水强度将持续增加。到2076～2095年,极端降水和降水强度在北美季风区增加最显著（约22%和17%）,降水总量在澳大利亚增加最显著（约37%）。然而,FGOALS-g2对全球季风区平均的日降水量低于1 mm的连续最大天数（CDD）的预估变化不显著,这是由于预估的CDD在陆地季风区将增加,而在海洋季风区将减少。对各子季风区的分析显示,CDD在南美季风区变长最显著,达到30%,在澳洲季风区变短最显著,达到40%,这与两季风区日降水量低于1 mm的降水事件发生频率变化不同有关。     

江苏夏季逐日降水极值统计特征诊断研究

本文利用江苏省5个代表性测站历年逐日降水资料，借助于非正态假设下的（Gamma分布）极值统计特征诊断方法，由一般平均统计特征量（均值，方差，自相关），估计计算其极端降水统计特征（平均出现频率，间隔时间，持续时间）并分析其年代际变化规律，结果表明，江苏地区夏季降水极值特征的年际和年代际变率具有一定的规律性，降水量极值出现频数的年际变化具有准2-3年和准7-10年周期。指出降水极值出现次数不仅取决于降水量，还取决于逐日降水变率和各年内降水的持续性。     

基于T213集合预报的中国极端温度预报方法研究

基于中国T213集合预报系统资料,根据Anderson-Darling检验原理,研究基于集合预报与模式历史预报累积概率密度(简称模式气候)分布函数连续差异特征的极端温度天气预报方法,建立极端温度天气预报指数(Extreme Temperature Forecast Index, 简称EFI)的数学模型。利用S指数评分方法确定发布极端温度预警信号的阈值,得出:1月的发布极端高温的预警信号的阈值为0.7或0.8,发布极端低温的预警信号的阈值为-0.7或-0.8。基于EFI指数以及该阈值,对2013年1月中国极端温度天气进行预报试验,得出:极端天气预报指数对极端温度天气具有较好的识别能力,可提前3~7 d发出极端温度预警信号,随着预报时效的延长,预报技巧逐渐降低。     

浑太流域降水极值的统计分布特征

基于浑太流域1966-2006年73个雨量站的日降水资料,建立了逐站年最大日降水量(AnnualMaximum,AM)序列和汛期4-9月日降水量<1.27mm.d-1的最长持续干旱天数(Munger Index,MI)序列,并对其时空分布规律进行了分析。采用广义极值(General Extreme Value,GEV)分布、广义帕雷托(General Pareto,GP)分布、韦布尔(Weibull,WB)分布、约翰逊SB(Jonhson SB,J-SB)分布、Burr分布和对数逻辑(Log-Logistic,L-LG)分布等6种极值分布函数对AM和MI序列进行了逐站分布拟合,结果表明,广泛应用的GEV分布整体拟合程度最好,有50个测站的KS检验统计量Dn<0.09,而未曾推广使用的Burr分布的拟合效果也非常好,有36个测站Dn<0.09。用GEV分布对50年一遇的AM和MI进行了估算,发现流域中心地区极端强降水和极端干旱的程度较高,分别为>208mm.d-1和>47d。     

基于ETCCDI指数2017年中国极端温度和降水特征分析

利用中国1961—2017年2419站均一化逐日气候数据,计算了气候变化检测和指数联合专家组定义的26个极端气候指数,分析2017年中国极端温度和降水特征。结果表明：2017年中国区域平均的所有极端高温指数均高于1961—1990年30年平均,所有极端低温指数均低于1961—1990年30年平均。中国区域平均的多个极端温度指数达到或者接近历史极值,其中年最小日最高气温(TXn)和年最小日最低气温(TNn)均达到历史最高值,冷夜(TN10p)、冷昼(TX10p)和持续冷日日数(CSDI)达到历史最低值。年最大日最高气温(TXx)、年最大日最低气温(TNx)、暖夜(TN90p)、霜冻(FD)、冰冻(ID)、热夜(TR)、生长期长度(GSL)排在1961年以来的第2或第3位,其余极端温度指数全部排在了1961年以来前10位。2017年中国区域平均的10个极端降水指数中,有7个指数值处于1961—2017年1个标准差范围内,指示2017年的极端降水接近正常年。     

1975—2016年秦巴山区极端气温事件的空间差异性分析

利用秦巴山区88个气象站1975—2016年的逐日气温数据,结合16个极端气温指数分析了秦巴山区极端气温阈值的空间分布及极端气温事件变化趋势的海拔依赖性。结果表明：极端气温阈值存在明显的空间分布差异,表现为极端低温阈值与极端高温阈值由西北向东南均有增温趋势;总体来看,极端气温暖事件（SU25、TR20、TX90P、TN90P、WSDI）增加幅度大于冷事件（FD0、ID0、TX10P、TN10P、CSDI）减少幅度,且变化趋势较冷事件更显著;全区霜冻日数、夏日日数、冷夜日数、暖昼日数及高温极值（TXx、TXn）变化均比较显著;区域作物生长期西部增长趋势较东部显著,多数站点变化幅度在3~6 d/10a之间;海拔越高发生极端低温事件的气温越低,极端低温阈值变化趋势为-0.36℃/100m;海拔越低发生极端高温事件的气温越高,极端高温变化趋势达0.5℃/100m,且均通过99%的信度检验;区域极端气温极值指数的变化趋势与海拔呈显著正相关,具有明显的海拔依赖性,表现为海拔越高,极值指数增加趋势越明显。     

Blaming climate change? How Indian mainstream media covered two extreme weather events in 2015

Reporting the links (or lack of them) between human-induced climate change and individual extreme weather events poses a series of challenges for journalists. In recent years, their task has become more complicated by the increase in the number of extreme event attribution (EEA) studies which assess how climate change is affecting the intensity or likelihood of specific weather events. Such studies are complex, contain uncertainties, and can be difficult to explain to a lay audience. Previous scholarship has largely focused on media coverage of extreme events in developed countries, and on the volume of coverage of the links to climate change, without examining references to EEA studies. To help fill this gap, we take India as our case study, and the mainstream media coverage there of the Chennai rainfall event and the heat wave in Andhra Pradesh in 2015. Both events were subject to attribution studies. Amongst our findings are that journalists most commonly used generic phrases to describe the link between such events and climate change; politicians and NGOs often ‘blamed’ climate change without reference to the science; and relevant EEA studies were seldom quoted. Based on our findings, we make some preliminary recommendations for training journalists in India and elsewhere to support accurate reporting of extreme events and their possible linkages to climate change.