Plateau Meteorology

Plateau Meteorology >

2021 , Vol. 40 >Issue 1: 133 - 144

DOI: https://doi.org/10.7522/j.issn.1000-0534.2019.00118

Seasonal Variation Characteristics of Extreme Temperature Index and Its Influence on Circulation in Hedong Area of Gansu Province in the Past 30 Years

  • Hao HUANG , 1 ,
  • Bo ZHANG , 1 ,
  • Shangqian MA 1 ,
  • Tao HUANG 2 ,
  • Bin MA 1 ,
  • Yanqiang CUI 1 ,
  • Xiaodan WANG 1
Expand
  • 1. College of Geography and Environmental Sciences，Northwest Normal University，Lanzhou 730070，Gansu，China
  • 2. Northwest Regional Climate Center，Lanzhou 730020，Gansu，China

Received date: 2019-10-31

  Revised date: 2020-01-08

  Online published: 2021-02-28

Fold

Highlights

Based on the daily temperature data of 61 meteorological stations from 1988 to 2017， the spatial and temporal variation characteristics of the seasonal extreme temperature index in Hedong region of Gansu province in the past 30 years were analyzed， and the influence of ENSO and AO on the extreme temperature index in Hedong region was analyzed.The results showed that in the past 30 years， the daily temperature range （DTR）， the number of warm night days （TN90p） and the number of warm day days （TX90p） in each season increased， while the number of cold night days （TN10p） and the number of cold day days （TX10p） decreased.The change of extreme temperature index in Gannan Plateau is the most significant among different regions， and Spring is the season with the most significant change of each extreme index， which is also an important factor that makes the variation trend of DTR in Hedong region different from that in the whole country.The DTR increased after the abrupt change in 1992， the average temperature changed in 1996 -1997， and the rest of the extreme temperature index changed in 1997.The changes of the extreme temperature index before and after the abrupt change in itself and the mean temperature year reflected the trend of regional warming.El Niño affects the increase of DTR in winter， La Nina affects the increase of TX10p days in winter in Hedong region， and high temperature events are more likely to occur in summer in Hedong region when AO is in positive phase.

Cite this article

Hao HUANG , Bo ZHANG , Shangqian MA , Tao HUANG , Bin MA , Yanqiang CUI , Xiaodan WANG . Seasonal Variation Characteristics of Extreme Temperature Index and Its Influence on Circulation in Hedong Area of Gansu Province in the Past 30 Years[J]. Plateau Meteorology, 2021 , 40(1) : 133 -144 . DOI: 10.7522/j.issn.1000-0534.2019.00118

1 引言

气候变暖使得全球水、 热资源的变化状况发生了重大转变（Barlow et al， 2015； El-Zein and Tonmoy， 2015； Bahinipati and Venkatachalam， 2014）， 导致极端气温事件发生频率不断增加（Stocker et al， 2013）。极端气温事件的增多不仅严重影响到了人类的生活（Kunkel et al， 1999）， 且对农作物的生长（周述学等， 2008）、 土地的利用（Clarke and Rendell， 2006）以及生态系统的状态（Neubauer and Megonigal， 2015）产生了重大影响。因而极端气温事件发生、 变化的规律和特征是研究中需要关注的重点。有研究结果显示： 冷夜日数和冷昼日数在全球范围内显著减少， 暖夜日数及暖昼日数在全球范围内显著增加（Alexander et al， 2006； You et al， 2011）。遥相关模式影响着气温和对流层状态（Lim and Kim， 2013）， 大尺度的大气海洋环流在一定程度上影响着极端气温事件的产生（Zhong et al， 2017）。此外， 不同季节的极端气温事件对于全球变暖的响应存在差异， 有研究表明北半球除热带外， 大陆春、 夏、 秋三季气温在持续增加， 而冬季气温有所降低（Cohen et al， 2009）。
甘肃河东地区位于中国三大自然区交界地带， 同时也是季风区最西缘部分， 为重要的地理生态过渡区， 同时也是生态环境较为脆弱的区域（张旭东等， 2009）， 对气候变化的反应十分敏感。目前， 在该区域极端气候变化的研究主要集中于对极端降水的时空特征（李小亚和张勃， 2013）及暴雨（卢秀丽， 2008）的相关研究上， 对于极端气温的研究极少， 尚缺乏季节极端气温的多年变化和对比研究。为了进一步研究该区域极端气温的时空变化状况， 本文选取了5种能够反映季节变化情况的极端气温指数， 运用 Mann-Kendall 检验、 小波分析、 空间插值等方法， 同时考虑到大气海洋环流对区域的影响， 结合环流指数对河东地区极端气温事件的变化特征进行系统分析。以期丰富河东地区极端气候研究的内容， 同时为气候变暖背景下区域农业生产和防灾减灾提供一定的参考。

2 研究区概况

甘肃河东地区位于100.73°E -108.73°E、 32.52°N -37.30°N之间， 是青藏高原与黄土高原的汇集地带， 同时也是我国东部季风区、 西北干旱区、 青藏高原高寒区的交界地带， 区域内地形地质条件复杂， 高原、 河谷、 山地、 平川等交错分布。海拔大致在600~4828 m， 西南高、 东北低， 主要由中部的黄土高原与丘陵、 陇南山地和甘南高原地貌组成。本文中Ⅰ区为陇中高原、 Ⅱ区为陇东高原、 Ⅲ区为甘南高原、 Ⅳ区为陇南山区（图1， 该图及文中涉及的地图基于中国科学院资源环境科学数据中心中国县、 市行政地图制作）。气候条件多样， 具有温带季风向大陆性气候过渡特点， 雨热同期、 昼夜温差大、 冬冷夏热（赵一飞等， 2012）； 区域内甘南高原为高寒湿润区， 陇中高原和陇东高原的北部为温带半干旱、 南部为温带半湿润区， 陇南北部为暖温带湿润区、 南部为北亚热带湿润区（李栋梁和刘德祥， 2000）； 植被南多北少， 植被覆盖呈陇中高原<陇东高原<甘南高原<陇南山区的状况（杨尚武和张勃， 2014）。
图1 河东地区气象站点分布示意图

Fig.1 Distribution of meteorological stations in Hedong area

3 数据来源与方法介绍

3.1　数据来源

所采用的气象数据为甘肃省河东地区61个气象站1988 -2017年， 近30年来的逐日气温数据， 数据来源为西北区域气候中心， 均通过了标准正态一致性检验的验证， 数据质量真实可靠。通过R包RClimDex由日值气温数据统计出气候变化专家组（ETCCDI）推荐的其中 5种能够反映季节变化的极端气温指数（表1）： 气温日较差（DTR）、 暖夜日数（TN90p）、 暖昼日数（TX90p）、 冷夜日数（TN10p）、 冷昼日数（TX10p）。环流指数厄尔尼诺-南方涛动（ENSO）、 北极涛动（AO）数据来自于NOAA-CPC（http： //www.cpc.ncep.noaa.gov/）1987 -2017年的数据。
表1 极端气温指数定义

Table 1 Definition of extreme temperature index

极端气温指数 定义 单位
气温日较差（DTR） 最高气温与最低气温的差值 ℃
冷夜日数（TN10p） 日最低气温<10%分位值的日数 d
冷昼日数（TX10p） 日最高温度<10%分位值的日数 d
暖夜日数（TN90p） 日最低气温>90%分位值日数 d
暖昼日数（TX90p） 日最高气温>90%分位值的日数 d

3.2　方法介绍

3.2.1　 Sen’s斜率估计与Mann-Kendall趋势检验

本研究使用Sen’s斜率方法（Sen， 1968）分析河东地区各季节极端气温指数的时空特征， 相对于最小二乘法其优点在于可以消除离群值的影响， 克服缺失值对时间序列的影响（Gocic and Trajkovic， 2013）， 对某时间序列xs（s1， s2， …， sn）， 计算公式如下：
β = M e d i a n x j - x i j - i    ,    ∀ j > i
式中： Median表示取中值函数， 当β>0为上升趋势， β<0为下降趋势， 而Mann-Kendall趋势检验方法则被用于检验时间序列变化趋势的显著水平（穆文彬等， 2019）。

3.2.2　广义极值分布

广义极值分布（Generalized extreme distribution）是以极值理论为基础的一种连续概率分布， 其优点是可以在对于未知分布不作任何假设的情况下估算概率密度函数——PDF（Probability density function）， 且在处理不同类型分布的尾部情况时具有很好灵活性（Chen et al， 2014； Lim and Schubert， 2011）， 可以很好地被用于气象要素的描述， 在本研究中被用于观察在ENSO和AO不同相位时， 与其显著相关的极端指数及极端气温指数所在季节温度的分布及其尾部情况。

3.2.3　其他方法

本研究使用R语言ZYP包采取Pre-Whitening法对时间序列自相关影响进行消除（Yue et al， 2002）。使用克里金插值方法对DTR、 TN10p、 TX10p、 TN90p、 TX90p的空间分布进行插值； 采用morlet小波分析方法对极端气温指数变化周期进行分析； 使用累积距平法结合Mann-Kendall突变检测方法进行气候突变年份检测（魏凤英， 1999）， 并使用Pearson相关分析法对环流指数与气温指数间相关性进行分析（Pearson， 1920）。

4 极端气温指数变化特征

4.1　年际变化趋势特征

甘肃河东地区5种极端气温指数变化情况如表2所示， 在四个分区中， 除DTR外其余4个指数变化趋势与全区变化一致。DTR在Ⅰ区与Ⅲ区夏、 秋两季呈减少趋势， 在Ⅱ区与Ⅳ区秋季呈减少趋势， 这与全区相反但变化不显著； 而春季各分区与全区变化趋势一致， 都呈显著增加趋势， 其中Ⅱ区不仅是在各区中春季增幅最大［0.91 ℃·（10a）-1］， 且各区中仅Ⅱ区冬季呈现出显著增加趋势［0.73 ℃·（10a）-1］。TN10p在Ⅱ区四季减少均不显著， 而在Ⅲ区四季均呈显著减少趋势。TN90p在Ⅲ区四季均显著增加， 其余分区与全区一致， 在春、 夏、 秋三季显著增加， 在各区中Ⅲ区春季［3.59 d·（10a）-1］和冬季［1.88 d·（10a）-1］增加趋势最大， 夏季增加趋势最大的是Ⅰ区［3.89 d·（10a）-1］、 秋季增加趋势最大的是Ⅱ区［4.32 d·（10a）-1］。TX10p在各区春季均呈显著减少趋势， 其中Ⅱ区减少幅度最大［-4.42 d·（10a）-1］； 而有所不同的是， TX10p在全区显著减少， 而在各分区减少趋势不显著； 此外， 秋季仅Ⅲ区呈现出显著减少趋势［-1.55 d·（10a）-1］。TX90p除了在Ⅱ区的秋季和Ⅲ区的冬季增加趋势不显著外， 其他区域和季节均为显著增加。
表2 河东地区及各分区极端气温指数年际变化趋势

Table 2 Interannual variation trend of extreme temperature index in Hedong area and each district

区域 季节 DTR/[℃·(10a)-1] TN10p/[d·(10a)-1] TN90p/[d·(10a)-1] TX10p/[d·(10a)-1] TX90p/[d·(10a)-1]
河东地区 春 0.65*** -1.87* 2.84*** -3.98*** 3.43***
夏 0.07 -3.01** 3.23*** -0.99 4.14***
秋 0.48 -1.58* 3.85*** -1.49 2.41*
冬 0.40 -0.98 1.73 -2.19** 4.22**
Ⅰ 春 0.60** -1.96* 2.81** -3.67*** 3.31**
夏 -0.02 -3.36** 3.89*** -1.24 3.81***
秋 -0.08 -1.15 3.74*** -1.71 2.67*
冬 0.31 -1.32 1.56 -1.91 4.40**
Ⅱ 春 0.91** -0.34 3.02*** -4.42** 4.49**
夏 0.33 -2.29 3.18** -1.26 4.71**
秋 -0.07 -0.90 4.32*** -2.01 1.81
冬 0.73** -0.06 1.74 -2.97 4.48**
Ⅲ 春 0.48* -2.29** 2.41** -3.03** 2.23*
夏 -0.06 -2.61* 3.59*** -0.55 4.25**
秋 -0.16 -3.32** 3.42** -1.55* 1.69*
冬 0.15 -1.85* 1.88* -1.49 2.20
Ⅳ 春 0.55** -2.88** 3.00** -4.14** 3.37**
夏 0.14 -2.75** 1.91* -1.07 4.25**
秋 -0.19 -2.60* 4.17*** -2.01 2.32*
冬 0.47 -0.58 1.53 -2.16 4.85**

*, **, ***分别表示通过0.05, 0.01, 0.001显著性水平检验; 加粗数字表示变化显著

从总体上看， 春季是各极端气温指数变化最为显著的季节， 而Ⅲ区则是各分区中极端指数变化最为显著的区域， 仅Ⅲ区在秋季除DTR外变化速率均通过了显著性检验。

4.2　空间变化特征

从各季节河东地区极端气温指数变化趋势空间分布（图2）可以看出， 河东地区冬、 春两季DTR显著增加的站点较多， 尤其春季显著增加的站点占比达87%。而秋季DTR主要却是以减少趋势为主， 但显著减少的站点较少。各季节DTR具有一个共同点， 即显著增加速率最大的区域主要位于陇东高原南部、 东部一带［图2（a）］。
图2 极端气温指数季节变化趋势空间分布

Fig.2 Spatial distribution of seasonal variation trend of extreme temperature index

河东地区各季节TN10p在各气象站点以减少趋势为主［图2（b）］， 其中秋季河东地区各站点均呈减少趋势， 但夏季的玛曲却呈显著增加趋势， 且春、 夏两季在陇东高原东北部， 冬季在陇东高原东南部也存在少数站点存在显著增加趋势； 河东地区各季节TX10p在各分区都呈减少趋势［图2（c）］， 其中春季显著减少的站点占80%， 减少趋势在各季节中最显著， 而各季节显著减少速率最大的区域位于陇东高原南部一带。
河东地区各季节的TN90p［图2（d）］和TX90p［图2（e）］在各气象站点均呈增加趋势。冬季TN90p显著增加的站点较少， 仅占30%， 尤其陇南山区没有呈显著增加趋势的站点， 增加趋势最显著的站点位于甘南高原； 河东地区TX90p在秋季呈显著增加趋势的站点最少， 仅占34%， 且在甘南高原区无显著增加趋势的站点。

4.3　极端气温指数周期变化分析

从河东地区春季DTR与TN10p小波方差图（图3）可以看出， 春季DTR与TN10p都存在多个不同尺度的变化周期， 且在这些周期内高低震荡变化。春季DTR［图3（a）］一共出现3个峰值， 对应的周期尺度由小至大分别是5年、 10年和15年， 峰值最大的尺度所对应的周期为10年， 可以视作第一主周期， 即对河东地区春季DTR影响最显著的周期； 第二位峰值对应的时间尺度为15年， 可视为第二周期； 5年处峰值为第三峰值， 则5年为第三周期， 对河东地区春季DTR影响较小。春季TN10p ［图3（b）］的小波方差中一共出现了3个峰值， 由小至大， 分别对应着4年、 8年和24年。其中峰值最大的尺度对应的周期是8年， 为春季TN10p的第一主周期， 反映了对河东地区TN10p主要的变化尺度； 24年和4年对应着第二和第三峰值， 为第二和第三周期， 反映了影响春季TN10p较小的周期。其余各季节极端气温指数小波分析情况可见表3。
图3 河东地区春季DTR和TN10P小波方差分布

Fig.3 Wavelet variance diagram of DTR and TN10P in Hedong area in spring

表3 河东地区极端气温指数季节变化周期分析

Table 3 Analysis of seasonal variation period of extreme temperature index in Hedong area

指数 季节 序列长度 周期/年 主周期/年
DTR 春 1988 -2017年 5, 10, 15 10
夏 1988 -2017年 5, 9 9
秋 1988 -2017年 6, 9 9
冬 1988 -2017年 5, 9 25
TN10p 春 1988 -2017年 4, 8, 24 8
夏 1988 -2017年 5, 6, 9 9
秋 1988 -2017年 4, 8, 14 8
冬 1988 -2017年 5, 20 20
TN90p 春 1988 -2017年 8, 12 8
夏 1988 -2017年 5, 8, 15 5
秋 1988 -2017年 6, 23 6
冬 1988 -2017年 4, 6, 25 25
TX10p 春 1988 -2017年 4, 6, 11 11
夏 1988 -2017年 5, 8, 14 5
秋 1988 -2017年 6, 13 6
冬 1988 -2017年 5, 9, 25 25
TX90p 春 1988 -2017年 5, 11, 16 11
夏 1988 -2017年 8, 15, 25 25
秋 1988 -2017年 6, 9, 14, 24 24
冬 1988 -2017年 5, 10, 23 23
从河东地区极端气温指数各季节的变化周期（表3）可以发现， DTR、 TN10p、 TN90p、 TX10p、 TX90p在冬季变化的主周期都超过20年， 说明河东地区极端气温指数在冬季相对稳定， 未在较短时间尺度上发生显著波动。此外， TX90p相较于其他四种极端气温指数， 其夏与秋两季的主周期均超过了20年， 而其余四种指数夏和秋两季主周期都在10年以内。在所有周期中5年、 6年、 8年和9年出现的频率较高， 说明包括各主周期在内， 河东地区极端气温指数存在着5~6年、 8~9年的具有不同影响程度的周期。

4.4　突变分析

综合M-K突变检测方法与累积距平得结果（表4）发现， 在1988 -2017年间河东地区极端气温指数均发生了突变情况， 从不同气温指数各季节突变情况可以综合判断极端气温指数的大致突变时间。DTR由各季节情况反映其突变时间在1992年前后， 突变后DTR相较于突变前产生了增加， 春季增加最多、 夏季增加最少。TN10p的突变时间为1998年前后， 突变后TN10p相较于突变前减少， 夏季减少最多， 冬季减少最少。TN90p突变时间在1997年， 突变后较之于突变前日数增加， 增加最多的是夏季段、 增加最少的是冬季。TX10p突变的时间是1997年前后， 突变后较之于突变前日数减少， 减少最多的是春季， 减少最少的是秋季。TX90p发生突变的年份主要在1997年前后， 突变后较之于突变前日数增加， 增加最多的是夏季， 增加最少的是秋季。极端气温指数的变化反映了河东地区的DTR正在逐渐增大， 而且处于变暖的态势下。
表4 河东地区极端气温指数突变分析

Table 4 Mutation analysis of the extreme temperature index in Hedong area

指数 季节 突变年份 突变前 突变后 影响 变动
DTR 春季 1992年 11.49 ℃ 13.08 ℃ 1.58 ℃ 增加
夏季 1992年 11.77 ℃ 11.87 ℃ 0.10 ℃ 增加
秋季 1992年 10.74 ℃ 10.84 ℃ 0.11 ℃ 增加
冬季 1994年 11.47 ℃ 12.25 ℃ 0.78 ℃ 增加
TN10p 春季 1997年 41.18天 26.69天 -14.49天 减少
夏季 1998年 43.19天 24.91天 -18.29天 减少
秋季 2004年 36.42天 22.59天 -13.83天 减少
冬季 1998年 36.05天 29.36天 -6.69天 减少
TN90p 春季 1997年 19.65天 35.59天 15.95天 增加
夏季 1997年 16.57天 37.64天 21.08天 增加
秋季 1997年 18.81天 37.17天 18.35天 增加
冬季 1997年 22.66天 35.21天 12.55天 增加
TX10p 春季 1996年 48.57天 22.46天 -26.11天 减少
夏季 1997年 37.23天 28.48天 -8.75天 减少
秋季 1998年 36.74天 29.24天 -7.50天 减少
冬季 1996年 39.6天 28.12天 -11.48天 减少
TX90p 春季 1997年 15.95天 37.88天 21.93天 增加
夏季 1997年 13.86天 37.85天 23.99天 增加
秋季 1996年 19.2天 35.72天 16.52天 增加
冬季 2012年 27.14天 55.99天 28.85天 增加
为了进一步探究河东地区极端气温指数的突变情况， 本文对河东地区各季节平均气温突变年份前后各季节极端气温指数变化情况进行了分析（表5）。从表5中可以发现， 河东地区平均气温在春、 夏季节突变年份为1996年， 秋、 冬季节则为1997年。DTR、 TN90p、 TX90p在平均气温突变后相较于突变前都有增加， TN10p与TX10p在平均气温突变后相较于突变前均有减少， 与极端气温自身突变前后反映的结果一致， 表明了河东地区对于全球变暖的较好响应。
表5 平均气温突变前后极端气温指数变化

Table 5 Changes of extreme temperature index before and after the abrupt change of mean temperature

指数 季节 平均气温突变年份 突变前 突变后 变化量 变动
DTR 春季 1996年 11.99 ℃ 13.22 ℃ 1.23 ℃ 增加
夏季 1996年 11.68 ℃ 11.89 ℃ 0.21 ℃ 增加
秋季 1997年 10.81 ℃ 10.83 ℃ 0.02 ℃ 增加
冬季 1997年 11.64 ℃ 12.25 ℃ 0.61 ℃ 增加
TN10p 春季 1996年 41.18天 26.69天 -14.49天 减少
夏季 1996年 42.74天 25.68天 -17.07天 减少
秋季 1997年 37.78天 28.06天 -9.72天 减少
冬季 1997年 36.48天 29.24天 -7.24天 减少
TN90p 春季 1996年 19.65天 35.59天 15.95天 增加
夏季 1996年 15.82天 37.26天 21.44天 增加
秋季 1997年 19.03天 36.04天 17.01天 增加
冬季 1997年 22.66天 35.21天 12.55天 增加
TX10p 春季 1996年 51.28天 23.02天 -28.25天 减少
夏季 1996年 37.21天 28.51天 -8.71天 减少
秋季 1997年 35.39天 28.65天 -6.74天 减少
冬季 1997年 40.37天 27.98天 -12.38天 减少
TX90p 春季 1996年 15.95天 37.88天 21.93天 增加
夏季 1996年 12.8天 38.81天 26.01天 增加
秋季 1997年 19.2天 35.72天 16.52天 增加
冬季 1997年 19天 38.63天 19.63天 增加

5 环流指数与极端气温指数的关系

根据表6可知， ENSO主要影响河东地区秋、 冬季节的极端气温指数， 秋季和冬季DTR与ENSO具有显著正相关关系， 冬季TX10p与ENSO具有显著负相关关系； 而AO则主要影响河东地区夏季的极端气温指数， 夏季TN10p与AO具有显著正相关关系。
表6 环流指数与气温指数相关性

Table 6 Correlation between circulation index and temperature index

环流指数 季节 DTR TN10p TN90p TX10p TX90p
ENSO 春 -0.15 0.33 -0.18 0.30 -0.16
夏 -0.14 -0.029 0.058 0.047 -0.037
秋 0.37* -0.076 -0.21 -0.14 0.34
冬 0.41* -0.18 0.14 -0.50** 0.19
AO 春 -0.012 -0.012 0.17 0.038 -0.049
夏 0.32 0.49** -0.22 0.19 -0.029
秋 0.16 0.17 -0.24 -0.13 -0.21
冬 -0.11 -0.14 -0.019 -0.071 -0.11

加粗表示显著相关; *、 **分别表示Pearson相关性达到0.05、 0.01显著性水平

为了进一步说明相关性是否与环流影响特征相吻合， 本文将具有显著相关关系的环流指数与气温指数季节变化情况相对应（图4）发现， 秋季和冬季DTR与ENSO、 秋季TX10p与ENSO、 夏季AO与TN10p之间具有良好的正负对应关系， 且极端气温指数的变化对于环流指数变化呈现出在当年或滞后一年的特征， 说明环流指数主要对于河东地区极端气温指数在冬、 夏季节上的变化有显著影响。
图4 环流指数与极端气温指数变化关系

Fig.4 Relationship between circulation index and extreme temperature index

根据表7可知， 在1988 -2017年间一共发生了19次ENSO事件， 其中暖事件发生次数为9次， 冷事件发生次数为10次； 而AO处于正向位的年份有15个， 处于负相位的年份有9个。
表7 ENSO冷暖、 AO正负相位年

Table 7 ENSO heating and cooling, AO positive and negative phase years

指数 位相 标准 年份
ENSO 暖相位 >0.5 ℃ 1988, 1992, 1995, 1998, 2003, 2005, 2007, 2010, 2015
冷相位 <-0.5 ℃ 1989, 1996, 1997, 1999, 2000, 2001, 2006, 2008, 2009, 2011
AO 正相位 >0.2 ℃ 1988, 1989, 1990, 1991, 1992, 1994, 1998, 1999, 2001, 2006, 2007, 2008, 2011, 2015, 2017
负相位 <-0.2 ℃ 1993, 1995, 1997, 2000, 2002, 2003, 2005, 2009, 2010
为了进一步分析ENSO及AO对河东地区极端气温指数的影响， 采用广义极值分布来显示ENSO在El Niño年及La Niña年， AO在正相位年和负相位年极端气温指数的概率密度曲线（图5）。图5显示， 河东地区El Niño年秋季DTR ［图5（a）］和冬季DTR ［图5（b）］比La Niña年更大， 尾部分布显示这种影响对于冬季DTR比秋季更显著； 冬季TX10P ［图5（c）］在La Niña年曲线相较于El Niño年右移， 结合概率密度曲线尾部分布情况可以看出， TX10P日数在La Niña年相较于El Niño年更多的几率更高； El Niño年冬季平均气温较于La Niña年右移［图5（f）］， 体现出El Niño年温度比La Niña年要更高， 但尾部分布显示这种影响不显著。
图5 极端气温指数及平均温度概率密度曲线

Fig.5 Extreme temperature index and average temperature PDF curve

河东地区夏季TN10p ［图5（d）］日数在AO正相位年份较负相位年份左移， 表明河东地区在AO正相位年份夏季冷事件较少出现。尽管AO对于河东地区夏季TN10p的影响较为显著， 但从图5（e）可以看出AO对于夏季平均温度在正相位与负相位期间影响差异不明显， 而尾部分布说明AO正相位时夏季高温事件出现几率相对较高。

6 讨论

河东地区各分区和季节总体呈现出变暖的趋势， 这与全球变暖的背景下诸多区域研究结果相同（王怀军等， 2017； 王冀等， 2012； 高文华等， 2017； 吕越敏等， 2019）， 但这些区域DTR年变化却呈减少趋势， 与本研究中河东地区呈增加趋势的变化特征不同。而在西宁地区DTR的变化情况与河东地区类似（陈锐杰等， 2018）， 其气温高极值的增温速率要大于低极值的增温速率， 导致了DTR呈现显著增加的趋势。由此可见， 受地形、 海拔与多气候系统综合影响下的青藏高原东北缘及其周边区域的气温变化具有特殊的区域性（丁明军等， 2014； 陈传飞， 2009）。从各分区看， 甘南高原区是所有分区中变化最为显著的区域， 由于甘南高原区为青藏高原东缘部分海拔较高， 有研究表明高海拔的区域其较之于位于低海拔的区域对全球变暖的响应表现的更加敏感（姚檀栋等， 2000）。1988 -2017年河东地区极端气温指数突变年份主要在1997年左右， 与使用滑动t检验、 M-K突变检测等方法在1961 -2017年青藏高原三江源地区识别的极端气温指数主要突变年份相一致（Ding et al， 2018）， 反映了青藏高原与其附近区域极端气温变化转变在时间上相对一致。
河东地区虽处于中国季风区的西缘部份， 但其仍受大规模的大气海洋环流影响， 但这些影响并没有其他区域显著（谢志祥等， 2017； 贾艳青等， 2017）， 其影响主要集中于冬、 夏季节。ENSO对中国冬季气候有着重要的影响， 是中国年际气候异常前期判断的重要因子之一（陈文， 2002； 李崇银， 1989； Wu and Wang， 2002）。河东地区冬季DTR和平均气温在暖相位时较高； TX10p日数在冷相位时较多， 暖相位时较少； 当AO处于正位相时， 中纬度欧亚大陆上空的西风带异常增强， 导致东亚大槽的减弱， 进而引起东亚上空对流层低层经向风的减弱， 最终使得下垫面地表气温的升高和东亚冬季风的减弱（龚道溢和王绍武， 2003）。AO对中国冬、 春、 夏季的地表气温和气候异常的发生均有影响（龚道溢等， 2002； 琚建华等， 2004； 王冀等， 2007）， 在其影响下AO正相位年河东夏季高温事件更易发生。

7 结论

（1） 1988 -2017年河东地区各季节， DTR、 TN90p、 TX90p均呈增加趋势； TN10p、 TX10p均呈减少趋势； 春季是各极端气温指数变化最为显著的季节， 而甘南高原区则是各分区中极端指数变化最为显著的区域。
（2） 空间上， 春季是河东地区极端气温指数变化最显著的季节， 各极端气温指数在河东地区春季都有≥77%的站点通过了显著性检验； 夏季TN90p、 TX90p变化最显著， 80%以上的站点这两者的变化都通过了显著性检验； 秋季TN90p的化最显著， 93%的站点的变化通过了显著性检验； 而在区域上变化最显著的位于陇东高原区南部的灵台、 宁县一带， 各指数四季变化都通过了显著性检验。
（3） 包括各主周期在内， 河东地区极端气温指数存在着5~6年、 8~9年具不同影响程度的周期。河东地区冬季极端气温指数变化相对稳定， 周期较长， 均超过20年； 而各季节的TX90p在各极端气温指数变化周期中最长。DTR的突变年份在1992年左右， 突变后较于突变前DTR增加； 其余极端气温指数各季节突变反映， 主要的突变年份在1997年左右， TN10p、 TX10P突变后减少， TN90p、 TX90p突变后增加。平均气温突变年份春、 夏为1996年， 秋、 冬为1997年， 突变后DTR、 TN90p、 TX90p增加， TN10p、 TX10p突变后减少， 反映出河东地区变暖的态势。
（4） ENSO与秋、 冬季DTR具有显著正相关关系， 与冬季TX10p具有显著负相关关系； AO与夏季TN10p具有显著负相关关系； 受El Niño影响冬季DTR更大， La Niña对于冬季TX10p的更多出现具有重要作用； AO正相位时河东地区夏季更容易出现高温事件。

References

Publishing order | Descend order by publishing year | Descend order by cited within
Alexander L V， Zhang X， Peterson T C， et al， 2006.Global observed changes in daily climate extremes of temperature and precipitation［J］.Journal of Geophysical Research， 111（D5）： 1042-1063.DOI： 10.1029/2005JD006290.

Bahinipati C S， Venkatachalam L， 2014.Role of climate risks and socio-economic factors in influencing the impact of climatic extremes： A normalisation study in the context of Odisha， India［J］.Regional Environmental Change， 16（1）： 177-188.DOI： 10. 1007/s10113-014-0735-4.

Barlow K M， Christy B P， O’Leary G J， et al， 2015.Simulating the impact of extreme heat and frost events on wheat crop production： A review［J］.Field Crops Research， 171： 109-119.DOI： 10.1016/j.fcr.2014.11.010.

Chen S F， Yu B， Chen W， 2014.An analysis on the physical process of the influence of AO on ENSO［J］.Climate Dynamics， 42： 973-989.DOI： 10.1007/s00382-012-1654-z.

Clarke M L， Rendell H M， 2006.Hindcasting extreme events： the occurrence and expression of damaging floods and landslides in Southern Italy［J］.Land Degradation & Development， 17（4）： 365-380.DOI： 10.1002/ldr.743.

Cohen J， Barlow M， Saito K， 2009.Decadal fluctuations in planetary wave forcing modulate global warming in late boreal winter［J］.Journal of Climate， 22： 4418-4426.DOI： 10.1175/2009jcli2931.1.

Ding Z Y， Wang Y Y， Lu R J， 2018.Ananalysis of changes in temperature extremes in the Three River Headwaters region of the Tibetan Plateau during 1961 -2016［J］.Atmospheric Research， 209： 103-114.DOI： 10.1016/j.atmosres.2018.04.003.

El-Zein A， Tonmoy F N， 2015.Assessment of vulnerability to climate change using a multi-criteria outranking approach with application to heat stress in Sydney［J］.Ecological Indicators， 48： 207-217.DOI： 10.1016/j.ecolind.2014.08.012.

Gocic M， Trajkovic S， 2013.Analysis of changes in meteorological variables using Mann-Kendall and Sen's slope estimator statistical tests in Serbia［J］.Global and Planet Change， 100： 172-182.DOI： 10.1016/j.gloplacha.2012.10.014.

Stocker T F， Qin D H， Plattner G K， et al， 2013.Climate change 2013： The physical science basis： Working Group I contribution to the Fifth assessment report of the Intergovernmental Panel on Climate Change［M/OL］.IPCC， Cambridge University Press， Cambridge， United Kingdom and New York， NY， USA.［2019-09-25］.https： //www.cambridge.org/core/books/climate-change-2013-the-physical-science-basis/BE9453E 500DEF3640B383BADDC332C3E.

Kunkel K E， Pielke R A， Changnon S A， 1999.Temporal fluctuations in weather and climate extremes that cause economic and human health impacts： A Review［J］.Bulletin of the American Meteorological Society， 80（6）： 1077-1098.DOI： 10.1175/1520-0477（1999）080<1077： tfiwac>2.0.co； 2.

Lim Y K， Kim H D， 2013.Impact of the dominant large-scale teleconnections on winter temperature variability over East Asia［J］.Journal of Geophysical Research， 118： 7835-7848.DOI： 10.1002/jgrd.50462.

Lim Y K， Schubert S D， 2011.The impact of ENSO and the Arctic Oscillation on winter temperature extremes in the southeast United States［J］.Geophysical Research Letters， 38（15）： 98-106.DOI： 10.1029/2011gl048283.

Neubauer S C， Megonigal J P， 2015.Moving beyond global warming potentials to quantify the climatic role of ecosystems［J］.Ecosystems， 18（6）： 1000-1013.DOI： 10.1007/s10021-015-9879-4.

Pearson K， 1920.Notes on the history of correlation［J］.Biometrika， 13（1）： 25-45.DOI： 10.1093/biomet/13.1.25.

Sen P K， 1968.Estimates of the regression coefficients based on Kendall’stau［J］.Journal of the American Statistical Association， 63： 1379-1389.DOI： 10.1080/01621459.1968.10480934.

Wu B Y， Wang J， 2002.Winter Arctic Oscillation， Siberian High and east Asian winter monsoon［J］.Geophysical Research Letters， 29（19）： 1897.DOI： 10.1029/2002gl015373.

You Q L， Kang S C， Aguilar E， et al， 2011.Changes in daily climate extremes in China and their connection to the large scale atmospheric circulation during 1961-2003［J］.Climate Dynamics， 36（11/12）： 2399-2417.DOI： 10.1007/s00382-009-0735-0.

Yue S， Pilon P， Phinney B， et al， 2002.The influence of autocorrelation on the ability to detect trend in hydrological series［J］.Hydrological Processes， 16（9）： 1807-1829.DOI： 10.1002/hyp.1095.

Zhong K Y， Zheng F L， Wu H Y， et al， 2017.Dynamic changes in temperature extremes and their association with atmospheric circulation patterns in the Songhua River Basin， China［J］.Atmospheric Research， 190： 77-88.DOI： 10.1016/j.atmosres.2017. 02.012.

陈传飞， 2009.青藏高原东北缘西宁盆地新生代孢粉记录与古生态环境演化［D］.兰州： 兰州大学.

陈锐杰， 刘峰贵， 陈琼， 等， 2018.近 60 年青藏高原东北缘极端气温事件与气温日较差分析——以西宁地区为例［J］.高原气象， 37（5）： 1188-1198.DOI： 10.7522/j.issn.1000-0534.2018. 00022.

陈文， 2002.El Niño和La Niña事件对东亚冬、 夏季风循环的影响［J］.大气科学， 26（5）： 595-610.DOI： 10.3878/j.issn.1006-9895.2002.05.02.

丁明军， 李兰晖， 张镱锂， 等， 2014.1971 -2012 年青藏高原及周边地区气温变化特征及其海拔敏感性分析［J］.资 源 科 学， 36（7）： 1509-1518.

龚道溢， 朱锦红， 王绍武， 2002.长江流域夏季降水与前期北极涛动的显著相关［J］.科学通报， 47（7）： 564-549.DOI： 10.1360/csb2002-47-7-546.

龚道溢， 王绍武， 2003.近百年北极涛动对中国冬季气候的影响［J］.地理学报， 58（4）： 559-568.DOI： 10.3321/j.issn： 0375-5444.2003.04.010.

高文华， 李开封， 崔豫， 2017.1960~2014年河南极端气温事件时空演变分析［J］.地理科学， 37（8）： 1259-1269.DOI： 10.13249/j.cnki.sgs.2017.08.017.

贾艳青， 张勃， 张耀宗， 等， 2017.长江三角洲地区极端气温事件变化特征及其与 ENSO 的关系［J］.生态学报， 37（19）： 6402-6414.DOI： 10.5846/stxb201607091409.

琚建华， 任菊章， 吕俊梅， 2004.北极涛动年代际变化对东亚北部冬季气温增暖的影响［J］.高原气象， 23（4）： 429-434.

李小亚， 张勃， 2013.1960-2011年甘肃河东地区极端降水变化［J］.中国沙漠， 33（6）： 1884-1890.DOI： 10.7522/j.issn.1000-694X.2013.00250.

李崇银， 1989.中国东部地区的暖冬与厄尼诺［J］.科学通报， 34（4）： 283-286.

李栋梁， 刘德祥， 2000.甘肃气候［M］.北京： 气象出版社， 55-100.

吕越敏， 李宗省， 冯起， 等， 2019.近60年来祁连山极端气温变化研究［J］.高原气象， 38（5）： 959-970.DOI： 10.7522/j.issn. 1000-0534.2018.00135.

卢秀丽， 2008.甘肃河东地区暴雨极值空间格局及地形影响分析［D］.兰州： 兰州大学.

穆文彬， 孙素艳， 马伟希， 等， 2019.若尔盖湿地潜在蒸散量演变特征及影响因素分析［J］.高原气象， 38（4）： 716-724.DOI： 10. 7522 /j.issn.1000-0534.2018.00150.

王怀军， 潘莹萍， 陈忠升， 2017.1960~2014年淮河流域极端气温和降水时空变化特征［J］.地理科学， 37（12）： 1900-1908.

王冀， 蒋大凯， 张英娟， 2012.华北地区极端气候事件的时空变化规律分析［J］.中国农业气象， 33（2）： 166-173.DOI： 10.3969/j.issn.1000-6362.2012.02.002.

王冀， 江志红， 张海东， 等， 2007.1957 -2000年东北地区春季极端气温变化及其与北极涛动的关系［J］.气候变化研究进展， 3（1）： 41-45.DOI： 10.3969/j.issn.1673-1719.2007.01.008.

魏凤英， 1999.现代气候统计诊断与预测技术［M］.北京： 气象出版社.

谢志祥， 李亚男， 秦耀辰， 等， 2017.1960-2012 年淮河流域极端气温变化特征［J］.中国农业气象， 38（7）： 407-416.DOI： 10. 3969/j.issn.1000-6362.2017.07.002.

姚檀栋， 刘晓东， 王宁练， 2000.青藏高原地区的气候变化幅度问题［J］.科学通报， 45（1）： 98-106.

杨尚武， 张勃， 2014.基于SPOT NDVI的甘肃河东植被覆盖变化及其对气候因子的响应［J］.生态学杂志， 33（2）： 455-461.DOI： 10.13292/j.1000-4890.2014.0029.

张旭东， 秘晓东， 辛吉武， 等， 2009.基于DEM的农业指标温度分析——以甘肃河东地区为例［J］.冰川冻土， 31（5）： 880- 884.

赵一飞， 张勃， 汪宝龙， 等， 2012.近54a来甘肃省河东地区气候时空变化特征［J］.干旱区研究， 29（6）： 956-964.DOI： 10. 13866/j.azr.2012.06.026.

周述学， 马玲， 田磊， 2008.2008年冬季低温雨雪冰冻极端天气对农业生产的影响与对策［J］.安徽农业科学， 36（33）： 14683-14684.

Options
Outlines

/

〈 〉

The system is designed and developed by Beijing magtec Technology Development Co., Ltd. with technical support: support@magtech.com.cn