华中区域1960～2005年平均最高、最低气温及气温日较差的变化特征

利用华中区域(河南、湖北、湖南3省)42站1960～2005年逐月平均最高、最低气温资料,计算并详细分析了该区域年(季、月)平均最高、最低气温和气温日较差的线性变化趋势、突变性及周期性特征。结果发现:1)华中区域年平均最高、最低气温均呈现上升趋势,年平均气温日较差呈减小趋势,其中年平均最低气温变化最显著。2)平均最高气温在春、秋、冬均呈上升趋势;平均最低气温四季均呈上升趋势,其中春、冬季变化显著;平均气温日较差在夏、冬季下降趋势较为明显,其中以冬季降幅最大。3)全年有4个月平均最高气温呈下降趋势,其中8月最为显著;平均最低气温在冬、春季为明显上升趋势,其他月变化趋势不显著;平均气温日较差在冬、夏季呈明显下降趋势,其中1月最为显著。4)年平均最高、最低气温在20世纪90年代经历了一次由冷变暖的明显突变;四季中,平均最高气温春、冬季突变显著,平均最低气温春、夏季突变显著。5)年平均最高、最低气温存在显著的2～4a周期变化。     

海南岛最高和最低气温的非对称变化

利用海南岛具有46年资料的13个站点1959-2004年1月、4月、7月、10月及年平均温度、平均最高最低温度、极端最高最低温度，研究海南气温变化的气候特征，结果表明，海南岛最高最低气温变化在空间分布，线性增温趋势的稳定性、倾向率和突变现象均有明显的非对称性特征：最高气温变化的空间分布表现为北高南低，而最低气温变化的空间分布表现为南高北低；各季节的平均最低气温的线性趋势均稳定，极端最低气温在冬季和夏季线性增温趋势稳定，而各季的平均、极端最高气温增温趋势均不稳定；最低气温的倾向率在各个季节或年平均上比最高气温的倾向率大得多，冷季的线性倾向率明显大于暖季；平均最高气温在四季均不存在明显突变，而平均最低气温则均有突变。     

海口市气温变化及最高最低气温的非对称变化

利用海口市近52年四季及年平均气温、平均最高、最低气温及极端最高最低气温资料，研究其变化趋势，结果表明，各个季节(春季除外)和年平均气温都存在显著的增高趋势，其中冬季和年平均气温增温趋势非常显著；最高、最低气温的非对称变化显著，增温主要发生在夜间，无论平均最低气温还是极端最低气温都存在显著的增高趋势，白天气温变化趋势都不显著；气温日较差都呈显著的下降趋势；各个季节(冬李除外)及年气温突变性增温主要发生在夜间，且在前期夏季白天气温发生跃变性降温。     

江淮梅雨期(6-7月)最高气温的区域特征

利用江淮地区64个测站1961-2001年6-7月最高气温资料，采用旋转经验正交展开(REOF)方法对江淮地区梅雨期最高气温场进行客观分区，并分析了各区域最高气温的长期演变趋势。结果表明：江淮地区梅雨期最高气温场可分为3个区域。各区域的最高气温均具有明显的年代际变化特征，且存在着显著差异，其中东南区长期变化趋势不明显，而北方区和西南区显著降低；各区域存在明显不同的年际、年代际方差构成和多尺度振荡周期。     

吉林省最高最低气温非对称变化时空演变特征

利用吉林省45个气象站1970-2014年逐日的最高、最低气温资料,分析吉林省最高、最低气温不对称变化在年、季尺度上的时空演变特征。采用经验模态分解法(EMD)分解年、季最高、最低气温序列,分析变化趋势。结果表明:近45年年平均最高、最低气温均呈增加趋势,且最低气温增幅是最高气温的两倍。四季的最高、最低气温变化形式与年变化一致;不同地区之间最高气温的增幅差异不大,最低气温增幅存在一定区别,东部最低气温增幅小于中、西部。相对稳定的增温区出现在西部和中部,不同季节的增温幅度不同,春、夏要强于秋、冬。经验模态分解(EMD)结果显示吉林省年平均最高、最低气温均为增加趋势,而春、冬季中最高气温趋势分量的倾向率与原始序列不同,为负值。夏、秋季中最高气温及四季中最低气温趋势分量序列与原始数据序列的倾向率一致,均为正值但大小存在差异。     

呼和浩特市气温变化及最高、最低气温的非对称变化

采用线性倾向估计方法计算了呼和浩特站四季及年平均气温、平均最高、平均最低气温及极端最高、极端最低气温、气温日较差多年来的变化趋势，并用最优二分割方法、Mann-kendall非参数统计检验方法对平均气温、平均最高、平均最低气温进行气候阶段划分和突变检验。结果表明：各个季节和年平均气温都存在显著的增高趋势，其中冬季和年平均气温增温趋势非常显著；最高、最低气温存在明显的非对称变化，增温主要发生在夜间，无论平均最低气温还是极端最低气温都存在显著的增高趋势，气温日较差都呈显著下降趋势。平均气温、平均最低气温、平均最高气温在1986年前后发生了明显突变。     

阿勒泰地区近47年最高最低气温变化特征分析

利用阿勒泰地区7个气象站1962-2008年月均最高和最低气温、月均总云量和低云量实测资料,采用自然正交函数展开、趋势分析等方法,分析了该地区四季月均最高、最低气温的变化趋势及相应距平场的时空演变特征。研究表明：该地区除春季最高气温升温不明显外,春季最低气温及其余季节的最高、最低气温均呈显著的升温趋势,且最高、最低气温都在冬季上升幅度最大。四季最高、最低气温时空分布上自西向东大致呈高-低-高的分布,增温明显的中心区域集中在西部的吉木乃和东部的富蕴,变率较小的区域为阿勒泰。阿勒泰地区气温日较差近47年呈显著减小趋势,日较差的减小与最高、最低气温的升温幅度不一致有关,也与云量呈现显著的负相关。     

河北省极值气温变化特征

利用河北省60个气象观测站资料,对全省近50年极值气温变化特征进行了分析,结果表明:极端最高气温线性变化趋势不明显,但年代际变化特征突出,而极端最低气温线性升高趋势明显。低于-30℃的极端寒冷日呈线性减少趋势,而高于40℃的极端炎热日线性变化趋势不明显,但年代际变化特征突出,20世纪90年代后期以来呈多发的特点。最低气温出现偏冷段(-10℃)的天数呈线性减少趋势,出现在偏暖段(20～30℃)的天数呈线性增加趋势,在其他界限气温的天数变化趋势不明显。最高气温出现在偏冷段(-30～0℃)的天数呈明显减少趋势,在其他界限气温的天数变化趋势不明显。河北省无霜期、无冰冻期均呈明显延长趋势,平均每10年分别延长4.5天、4.6天。年平均最高气温、最低气温和平均气温都呈显著的线性升高趋势,平均每10年分别升高0.21℃、0.45℃、0.30℃,低温升温速率明显大于高温升温速率。日较差呈逐年减小趋势,平均每10年减小0.25℃。空间上最低气温表现为全省明显升高,而最高气温升温主要集中在中北部和东部沿海地区,南部升温不明显,日较差大部分地区为逐渐减小趋势。     

近50 a鲁中地区最高最低气温非对称性变化特征

利用1966—2015年鲁中地区8个气象站逐日气温观测资料,通过分析年平均日最高气温、日最低气温和气温日较差的时空变化规律,研究该区域最高最低气温非对称性变化特征。结果表明:鲁中地区年平均日最低气温随时间变化呈显著增加趋势,自1998年开始突变增温,存在2~4 a的显著性周期,空间变化强度中心在中西部平原地区,在第二特征向量上存在空间变化的差异;年平均日最高气温随时间变化增加趋势不明显,存在2~4 a的显著性周期,主要空间变化规律与日最低气温一致,第二特征向量上存在平原和山区的变化差异;气温日较差随时间变化呈显著降低趋势,90 a代后呈极显著下降趋势,存在2~4 a的显著性周期,空间变化规律与日最低气温的空间变化规律一致。     

青海省最高、最低气温不对称性变化的诊断分析

利用青海省１３个站逐月最高、最低气温资料,分析了月、季、年平均最高、最低气温的变化。结果表明最高、最低气温存在明显不对称变化趋势,尤其是３、４月存在明显的反向变化趋势。同时分析了西宁城市效应对最高、最低气温的影响。     

北京气温日变化特征的城郊差异及其季节变化分析

本文利用北京地区近4年67个自动气象站的逐小时气温观测资料,基于北京地区气温的日变化特征,通过分析日最高、最低气温出现时间的概率分布,研究了城区、郊区气温的日变化差异及季节特征.此外,进一步分析研究了不同单位时间间隔变温的日变化特征,及最大变温出现时间的概率分布情况.研究结果表明:平均而言,城区最高温度出现的时间偏晚,而最低温度出现的时间城区偏早于郊区,与郊区相比,北京城区站点温度的日变化特征更为一致,最高(低)温度出现的时间更加集中;温度日变化的特征随季节有明显的变化,最高温度出现时间在秋、冬两季最为集中,在春季和夏季较为分散;而最低温度出现时间在春、夏两季最为集中,在秋季和冬季最为分散.一天中正、负变温过程具有非对称特征,正变温是比较急剧的过程,负变温相对比较缓慢,北京城区站点的变温幅度小于郊区,春、秋和冬季变温幅度较大,夏季变温幅度最小.不同单位时间内变温速率的分析表明,最强的变温过程一般在3小时以内;最大变温出现时间的概率分布分析表明,最大正变温出现时间在冬季最为集中,夏季最为分散;而最大负变温在秋季最为集中,在春季最为分散.最高(低)温度、变温的城、郊特征差异主要是由于城市热容量比郊区大,且具有更多变化的复杂性而形成的.温度日变化的特征和其区域、季节差异性的揭示,不仅有助于更好地认识和理解区域气候特征和城市化对气温的影响,也可以为做好精细化的天气预报提供气候背景参考.     

Long-term changes and variability of monthly extreme temperatures in India

Extreme temperatures are changing worldwide together with changes in the mean temperatures. This study investigates the long-term trends and variations of the monthly maximum and minimum temperatures and their effects on seasonal fluctuations in various climatological regions in India. The magnitude of the trends and their statistical significance were determined by parametric ordinary least square regression techniques and the variations were determined by the respective coefficient of variations. The results showed that the monthly maximum temperature increased, though unevenly, over the last century. Minimum temperature changes were more variable than maximum temperature changes, both temporally and spatially, with results of lesser significance. The results of this study are good indicators of Indian climate variability and its changes over the last century.     

呼和浩特市白塔机场气象观测要素分析

利用呼和浩特市白塔机场气象站1977--2010年月平均最高、最低气温,月降水量资料和1979--2010年月平均风速资料,分析了近34a气象要素变化特征。得出：呼和浩特白塔机场近34a来,（1）年平均气温、年降水量都没有明显的变化趋势,进入21世纪以来气候变率明显变大,气候不稳定性增加;（2）气温的年日较差明显增大,气候倾向率为0．4℃／10a;（3）年平均相对湿度在三个时段存在不同的变化特征;（4）年平均风速呈现出明显的减小趋势,平均每10a减小了0．3m·s^-1（5）四个要素中,气温年日较差由小变大的突变特征最为明显,1990年前后出现突变点;平均风速则存在由大转小的突变过程,突变时间点在1996年;年平均气温南低向高的突变过程较弱,且持续时间较短;年降水量和年平均相对湿度在近34a罩均不存在气候突变现象,气候状态相对稳定。呼和浩特机场气候与市区气候存在明显的差异．还需进一步深入分析。     

甘肃近40年来气温变化的研究

利用 196 0～ 1999年甘肃省 15站的月平均气温 ,平均最高、最低气温 ,极端最高、最低气温等资料 ,对近 4 0年来甘肃省气候变化特征作了分析研究。结果显示 :1985年以前甘肃年平均气温变化是平稳的 ,以后急剧增温 ,且增温并不是主要由冬季增温造成的。1985年以前是平均最低气温升高 ,以后平均最高气温也在升高 ,所以 1985年以后的气温变暖不完全是以最低气温变暖为主形成的     

北京城区与郊区雷暴气候特征及其变化对比分析

利用1961～2007年北京雷暴资料,采用气候倾向率、多项式曲线拟合和Morlet小波分析方法,对北京城区与郊区雷暴气候特征及其变化趋势进行了对比分析。结果表明:1）北京地区雷暴具有明显的月和日变化特征,5月是突增期,9月是陡减期,7月为峰值期。2）初雷日期提前、终雷日期推后和雷暴期延长的趋势,都以城区最为明显。3）城区与郊区年雷暴日数有着截然相反的变化趋势。郊区年平均雷暴日数虽多,但年雷暴日数表现为波动式减少的趋势;城区年平均雷暴日数虽少,但年雷暴日数却呈现出波动式增加的趋势。城区雷暴日数增多趋势可能与城区增温效应以及相对湿度≥85％的日数增加有关;郊区雷暴日数减少可能与其相对湿度呈明显的下降趋势有关。4）城区与郊区年雷暴日数的变化具有多重周期性,其中16～18年的长周期和3～5年的短周期特别明显。       

西南地区近40a气温变化的时空特征分析

利用西南地区96个测站近40 a的月平均、月平均最高、月平均最低气温资料,采用主成分分析、旋转主成分分析、小波分析、Mann-Kendall等方法对西南地区气温变化的时空特征进行了分析.结果表明:西南地区年平均、年平均最高、年平均最低气温的空间变化均具有很好的整体一致性,反映了年平均和年平均最高气温在1960s到1980s中期经历了一个由暖变冷的过程后,1980s后期开始呈现明显上升趋势,而年平均最低气温从1970s就开始呈单调上升趋势.青藏高原东侧山脉走向对气温变化的东西差异具有十分明显的影响.气温的主要空间异常可分为4个敏感区.小波分析表明,西南地区气温整体变化在近40 a主要存在准8 a的周期,其中四川盆地东部的气温在整个时段存在准20 a和准8～9 a的周期.     

基于MODIS资料的贵州植被叶面积指数的时空变化及其对气候的响应

利用2000～2006年MODIS(Moderate Resolution Imaging Spectroradiometer)卫星遥感观测的植被叶面积指数月平均资料以及相应时段的月平均气温、降水的观测资料对贵州植被的时空变化进行了分析.结果表明贵州2000～2006年植被分布受水热条件控制表现出对气候因子不同的响应关系,其中对降水的响应关系比气温明显,特别是冬季和春季,而植被在夏季和秋季的分布主要受气温的制约,与降水的关系并不明显.从季节和年际尺度的时间变化角度而言,植被对气温的响应比对降水明显,季节变化和年际变化的相关系数分别为0.89和0.73(分别通过99.9%和95%信度检验).     

1951-2006年三峡库区夏季气候特征

以重庆市的沙坪坝、涪陵、万州、奉节和湖北省的宜昌5个站为代表,从降水、气温、日照、风速和蒸发等5个要素系统地分析了三峡库区1951-2006年夏季的气候变化特征。结果表明：三峡库区夏季降水量总体呈增加趋势,特别是在20世纪70年代末发生了一次明显跃变;最高气温、平均气温、日照时数以及蒸发量等总体呈下降趋势,在20世纪80年代初发生了一次明显跃变;平均最低气温和平均风速的变化趋势不明显,但所有气候要素均表现出明显的年代际变化特征。     

Characteristics of the heat island effect in Shanghai and its possible mechanism

The characteristics of the urban heat island effect and the climate change in Shanghai and its possible mechanism are analyzed based on monthly meteorological data from 1961 to 1997 at 16 stations in Shanghai and its adjacent areas. The results indicate that Shanghai City has the characteristics of a heat island of air temperature and maximum and minimum air temperature, a cold island of surface soil temperature, a weak rainy island of precipitation, and a turbid island of minimum visibility and aerosols, with centers at or near Longhua station (the urban station of Shanghai). Besides theses, the characteristics of a cloudy island and sunshine duration island are also obvious, but their centers are located in the southern part of the urban area and in the southern suburbs. A linear trend analysis suggests that all of the above urban effects intensified from 1961 to 1997. So far as the heat island effect is concerned, the heat island index (difference of annual temperature between Longhua and Songjiang stations) strengthens (weakens) as the economic development increases (decreases). The authors suggest that the heating increase caused by increasing energy consumption due to economic development is a main factor in controlling the climate change of Shanghai besides natural factors. On the other hand, increasing pollution aerosols contribute to the enhancement of the turbid island and cooling. On the whole, the heating effect caused by increasing energy consumption is stronger than the cooling effect caused by the turbid island and pollution aerosols.