華東地區(qū)夏季極端高溫特征及其對植被的影響*

葛非凡，毛克彪,2,**，蔣躍林，譚雪蘭，趙映慧，夏 浪

?

華東地區(qū)夏季極端高溫特征及其對植被的影響*

葛非凡1，毛克彪1,2,3**，蔣躍林1，譚雪蘭3，趙映慧4，夏 浪5

(1. 安徽農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，合肥 230036；2. 中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所/呼倫貝爾草原生態(tài)系統(tǒng)國家野外科學(xué)觀測研究站，北京 100081；3. 湖南農(nóng)業(yè)大學(xué)資源環(huán)境學(xué)院，長沙410128；4. 東北農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，哈爾濱150030；5. 北京農(nóng)林科學(xué)院國家農(nóng)業(yè)智能裝備工程技術(shù)研究中心，北京 100097）

基于中國華東地區(qū)79個氣象站1971?2006年夏季逐日地面最高氣溫和1981?2006年先進(jìn)超高分辨率輻射計（AVHRR）的歸一化植被指數(shù)(NDVI)資料，分析華東地區(qū)夏季極端高溫?zé)崂祟l次和平均持續(xù)時間的空間分布特征，并利用Morlet小波變換分析極端高溫次數(shù)的周期性變化規(guī)律，同時采用奇異值分解（SVD）研究華東地區(qū)極端高溫次數(shù)與植被指數(shù)之間的聯(lián)系。結(jié)果表明：（1）華東地區(qū)夏季極端高溫?zé)崂祟l次的空間分布主要以北低南高，東低西高，平原高山區(qū)低為主。平均持續(xù)時間相對于頻次，其高值區(qū)更靠近沿海。（2）華東地區(qū)夏季極端高溫次數(shù)主要受22a、9a、4a左右的尺度波動影響。其中22a左右的時間尺度為第一主周期，周期振蕩在整個時域中表現(xiàn)較穩(wěn)定。第二主周期為9a左右，周期振蕩的振幅從1994年開始逐漸由小增大，將對未來產(chǎn)生重要影響。（3）華東地區(qū)夏季極端高溫次數(shù)與NDVI存在顯著相關(guān)。當(dāng)華東中南部地區(qū)夏季極端高溫次數(shù)偏高時，江蘇東部地區(qū)的夏季植被覆蓋度偏低，而山東北部地區(qū)和江西西南及西北地區(qū)的夏季植被覆蓋度偏高；當(dāng)山東中部地區(qū)夏季極端高溫次數(shù)偏低時，山東東北地區(qū)的夏季植被覆蓋度偏高，而江蘇東部、福建南部和江西北部的夏季植被覆蓋度偏低。

極端高溫；小波；周期；奇異值分解；植被

氣候變化是21世紀(jì)一個重大的社會、經(jīng)濟(jì)和環(huán)境焦點(diǎn)，有觀測表明，全球地表平均氣溫在20世紀(jì)具有明顯的上升趨勢[1]。氣候的變暖使天氣和氣候極端事件的出現(xiàn)頻率發(fā)生變化[2],高溫?zé)崂藢⒆兊酶訌?qiáng)烈、更加頻繁且持續(xù)時間更長[3]。在氣候變化的大背景下，高溫?zé)崂藢?dǎo)致的死亡率預(yù)期將隨著其在未來的強(qiáng)度、頻率以及持續(xù)時間的增加而不斷增高[3-4],持續(xù)性的高溫?zé)崂瞬粌H影響了人類的正常生產(chǎn)和生活，危害人體健康，導(dǎo)致疾病的發(fā)生和加重，也對農(nóng)業(yè)和工業(yè)的發(fā)展造成重大沖擊。由此不少學(xué)者對高溫進(jìn)行了多方面的研究[5-7]。與此同時，中國部分城市和地區(qū)夏季極端高溫及熱浪等極端天氣事件頻繁發(fā)生[8]，葉殿秀等[9]研究發(fā)現(xiàn)，自20 世紀(jì)90 年代以來，中國高溫?zé)崂说姆秶黠@增大。談建國等[10]探討了中國主要大城市近50a的年高溫日數(shù)、熱浪過程的時空變化特征，表明不同地域的高溫呈現(xiàn)不同的季節(jié)內(nèi)分布特征，高溫出現(xiàn)的早晚和強(qiáng)度有明顯差別。中國未來的極端高溫形勢將較嚴(yán)峻。

華東地區(qū)屬亞熱帶濕潤性季風(fēng)氣候和溫帶季風(fēng)氣候，物產(chǎn)資源豐富，人口稠密，是中國綜合技術(shù)水平最高的經(jīng)濟(jì)區(qū)。因此，研究華東地區(qū)極端高溫氣候特征，探討其發(fā)生規(guī)律和影響，對有效指導(dǎo)該地區(qū)極端高溫的預(yù)防，減少自然災(zāi)害造成的經(jīng)濟(jì)損失具有重要意義。諸多學(xué)者對此研究各有側(cè)重，張尚印等[11-13]探討了高溫的氣候特征和過程；有些對極端高溫的發(fā)生原因進(jìn)行了分析，史軍等[14]利用西太平洋副熱帶高壓指數(shù)、赤道太平洋海溫、登陸華東及中國的臺風(fēng)資料，從自然氣候變化和人類活動方面對華東極端高溫進(jìn)行了歸因分析；有些對未來的高溫情況進(jìn)行了預(yù)測，如馮靈芝等[15]借助英國哈德雷中心（Hadley）的HadGEM2-ES全球氣候模式，結(jié)合RCPs排放情景驅(qū)動對2021?2050年長江中下游水稻生育期高溫事件的變化作了預(yù)測，程路等[16]研究了極端高溫對農(nóng)業(yè)生產(chǎn)的影響。但是對華東地區(qū)夏季極端高溫變化周期的研究報道相對較少，且大部分研究對高溫的定義都是定量的，導(dǎo)致一些地區(qū)氣溫較低但已超出當(dāng)?shù)卣７秶韲?yán)重影響的情況并沒有得到體現(xiàn)；在高溫對植被的影響方面，很多研究如白淑英等[17]針對的是氣溫對植被的影響，然而極端天氣的出現(xiàn)往往會對植被產(chǎn)生很大影響。因此，本文基于前人的研究基礎(chǔ)，根據(jù)不同地區(qū)自身特點(diǎn)定義極端高溫的百分比閾值，分析華東地區(qū)極端高溫?zé)崂祟l次和平均持續(xù)時間的分布特征，通過Morlet小波變換分析華東地區(qū)夏季極端高溫的變化周期，并對未來的極端高溫變化作出預(yù)測，同時借助Matlab和ArcGIS等軟件，采用奇異值分解（SVD）方法對華東地區(qū)夏季極端高溫發(fā)生次數(shù)對植被的影響進(jìn)行研究，以期為未來華東地區(qū)農(nóng)業(yè)生產(chǎn)管理和植被種植規(guī)劃提供參考。

1 數(shù)據(jù)與方法

1.1 資料及研究區(qū)域

華東地區(qū)包括山東省、江蘇省、安徽省、江西省、浙江省、福建省和上海市。研究資料包括中國氣象局國家氣象信息中心提供的華東地區(qū)1971?2006年79個氣象站點(diǎn)的夏季（6月1日?9月31日）逐日最高氣溫資料以及1981?2006年AVHRR（Advanced very high resolution radiometer）的夏季歸一化植被指數(shù)（NDVI, Normalized Difference Vegetation Index）遙感資料。氣象站點(diǎn)資料均經(jīng)過嚴(yán)格的質(zhì)量檢查，個別站點(diǎn)缺測值用臨近前后日期平均值及鄰近站點(diǎn)平均值合成進(jìn)行補(bǔ)缺（圖1a）。由于SVD的計算需要，NDVI遙感數(shù)據(jù)采用ArcGIS柵格平均值聚合的方式縮小柵格分辨率再提取像元數(shù)值得到格點(diǎn)數(shù)據(jù)，每個像元值代表像元所覆蓋區(qū)域的NDVI平均值，得到的格點(diǎn)數(shù)據(jù)地理坐標(biāo)取像元中心位置的地理坐標(biāo)。聚合后的柵格像元樣圖見圖1b。

1.2 研究方法

1.2.1 極端高溫閾值定義

極端天氣氣候事件是指一定地區(qū)在一定時間內(nèi)出現(xiàn)的歷史上罕見的氣象事件，在統(tǒng)計意義上屬于不易發(fā)生的事件。當(dāng)某一臺站全時間序列中日最高氣溫由低到高的累積頻率達(dá)到一定的概率分布，將此概率所對應(yīng)的最高氣溫臨界值的數(shù)值定義為極端高溫事件的閾值[18]。由于極端高溫事件是小概率事件，本文為了突出極端高溫事件的極端特征，取概率為99%，即某站全時間序列（1971年1月1日?2006年12月31日）中日最高氣溫由低到高累積頻率達(dá)到99%所對應(yīng)的日最高氣溫值為該站極端高溫閾值，不同地區(qū)的閾值具有極端特征的同時還具備當(dāng)?shù)氐臍夂蛱卣鳌?/p>

1.2.2 夏季極端高溫和極端高溫?zé)崂说亩x及統(tǒng)計

參考國家氣象局高溫?zé)崂藰?biāo)準(zhǔn)，當(dāng)某個臺站的日最高氣溫等于或大于極端高溫中（1.2.1）所確定的閾值時,則認(rèn)為該臺站在該日發(fā)生了一次極端高溫，連續(xù)3d及以上日最高氣溫大于等于閾值的，則認(rèn)為該臺站發(fā)生了一次極端高溫?zé)崂耍瑯O端高溫?zé)崂耸墙⒃跇O端高溫基礎(chǔ)上的一種氣象災(zāi)害指標(biāo)。本文統(tǒng)計每個臺站每年夏季極端高溫和極端高溫?zé)崂说陌l(fā)生次數(shù)，其中利用華東地區(qū)每年夏季的極端高溫發(fā)生次數(shù)用于小波分析；1981?2006年各臺站每年夏季發(fā)生的極端高溫次數(shù)用于奇異值分解；各臺站的極端高溫?zé)崂祟l次為極端高溫?zé)崂说哪昶骄l(fā)生次數(shù)。

（1）極端高溫判別式為

（2）各臺站（Hkj）和華東地區(qū)（Hj）每年夏季極端高溫發(fā)生次數(shù)分別為

（3）各臺站每年極端高溫?zé)崂税l(fā)生次數(shù)（Wkj）和累積持續(xù)天數(shù)（Skj）分別為

（4）各臺站極端高溫?zé)崂祟l次（CWk）和平均持續(xù)天數(shù)（CSk）分別為

式（1）?式（4）中，k為臺站編號，Z=79；j為年數(shù)，Y=36；i為每年夏季的第i天，N=92；D為極端高溫發(fā)生與否的判別式，0為不發(fā)生，1為發(fā)生，Dkij為第k個臺站第j年夏季第i天的極端高溫判別式（下同）；T為夏季逐日最高氣溫；TV為極端高溫閾值；H為極端高溫發(fā)生次數(shù)；W為極端高溫?zé)崂税l(fā)生次數(shù)；S為極端高溫?zé)崂死鄯e持續(xù)天數(shù)；CW為極端高溫?zé)崂祟l次；CS為極端高溫?zé)崂似骄掷m(xù)天數(shù)。

1.2.3 夏季極端高溫變化周期分析

利用Morlet小波變換對華東地區(qū)夏季極端高溫發(fā)生次數(shù)的多時間尺度的周期性變化規(guī)律進(jìn)行研究。Morlet小波是一個由Gauss函數(shù)調(diào)制的連續(xù)性平面波，小波函數(shù)為

式中，ω0為常數(shù)，取6，i為虛數(shù)，η為變量，結(jié)果采用紅噪聲譜進(jìn)行顯著性檢驗(yàn)。具體變換過程及檢驗(yàn)參考文獻(xiàn)[19]。

1.2.4 奇異值分解分析（SVD）

采用奇異值分解（Singular Value Decomposition，SVD）方法，研究華東地區(qū)夏季極端高溫次數(shù)（左場）對植被（右場）的影響。SVD方法用于分析兩個要素場序列之間的相關(guān)關(guān)系，可最大限度地從兩個要素場分離出多個相互獨(dú)立的耦合模態(tài)，從而揭示出兩要素場所存在的時域相關(guān)性的空間聯(lián)系，這種耦合的空間分布型能最大限度地解釋兩場的交叉協(xié)方差，詳細(xì)分解過程參考文獻(xiàn)[20]。分解得到左右場的同性及異性相關(guān)系數(shù)，同性相關(guān)系數(shù)是指左（右）場距平序列與左（右）場模態(tài)時間系數(shù)之間的相關(guān)性，即模態(tài)時間系數(shù)對左場距平序列的代表性。當(dāng)同性相關(guān)系數(shù)較大時，說明模態(tài)時間系數(shù)對該距平序列代表性好。異性相關(guān)系數(shù)是指左場（或右場）距平序列與右場（或左場）模態(tài)時間系數(shù)之間的相關(guān)性，其值的大小反映左場（或右場）距平序列與右場（或左場）模態(tài)時間系數(shù)的相關(guān)程度。兩個相關(guān)系數(shù)在空間上的分布特征基本保持一致，分析中均可使用[21]。本文使用異性相關(guān)系數(shù)進(jìn)行分析（分析中簡稱相關(guān)系數(shù)）。顯著性檢驗(yàn)采用蒙特卡洛方法[22]。

2 結(jié)果與分析

2.1 華東地區(qū)夏季極端高溫?zé)崂税l(fā)生情況統(tǒng)計分析

2.1.1 極端高溫閾值

由圖2可見，整個研究區(qū)內(nèi)不同地區(qū)的夏季極端高溫閾值明顯不同，總體上呈自北向南遞減趨勢，最大值為39℃，位于浙江麗水站；最小值為23.9℃，位于山東泰山站。高值區(qū)在浙江南部和江西北部，而低值區(qū)在泰山、黃山、廬山和九仙山等山區(qū)。福建東部由于山區(qū)較多又是近海地區(qū)，閾值偏低。

2.1.2 極端高溫?zé)崂祟l次與平均持續(xù)時間

由圖3可見，極端高溫?zé)崂祟l次的高值區(qū)靠近內(nèi)陸，而平均持續(xù)天數(shù)的高值區(qū)則更靠近沿海。 圖3a中，山東省與福建省極端高溫?zé)崂祟l次總體上較低，江西省中部、浙江金華地區(qū)和安徽省東北部則明顯較高。其中最高值為0.61次，位于江西廣昌；最低值為0.06次，位于福建崇武。黃山等山區(qū)的極端高溫?zé)崂祟l次均低于周邊地區(qū)。圖3b中，華東北部與南部的極端高溫?zé)崂似骄掷m(xù)天數(shù)較低，浙江西北部與江蘇南部則處于高值區(qū)，最高值為5.36d，位于浙江衢州；最低值為3.29d，位于山東日照。

2.2 華東地區(qū)夏季極端高溫年發(fā)生次數(shù)周期變化的小波分析

圖4呈現(xiàn)了華東地區(qū)小波變換系數(shù)實(shí)部的波動特征，反映了極端高溫次數(shù)的高低交替變化，并存在多個時間尺度特征?？傮w上華東地區(qū)極端高溫次數(shù)的演化過程具有3個明顯的時間尺度特征，分別為22a、9a和4a左右。其中在22a左右的尺度上存在著枯?豐交替的準(zhǔn)三次震蕩，其尺度周期變化在整個分析時段表現(xiàn)穩(wěn)定，在演化中具有全域性。

小波系數(shù)的模方代表小波能量譜，它可以分析出不同周期的震蕩能量。由5圖可知，18～25a時間尺度的波動很強(qiáng)，并且貫穿了整個時域，其震蕩中心在2000年左右，對未來華東地區(qū)的極端高溫情況有著重要影響。8～13a時間尺度上的波動有兩個波動很強(qiáng)的震蕩中心，分別在1972年和2005年左右，也將影響華東地區(qū)未來的極端高溫情況。而3～5a時間尺度的波動能量較弱。

注：實(shí)線表示實(shí)部≥0；虛線表示實(shí)部＜0；粗實(shí)線內(nèi)為通過0.05水平顯著性檢驗(yàn)的區(qū)域

Note: The solid lines show the real part is ≥0.The dotted lines show the real part is <0. The real part inside the thick line shows P≤0.05(significance test)

小波方差圖能反映極端高溫次數(shù)時間序列的波動能量隨時間尺度的分布情況，可用來確定極端高溫次數(shù)演化過程中存在的主周期。圖6a中存在3個明顯的峰值，依次對應(yīng)4a、9a、22a的時間尺度，前兩個時間尺度通過0.05水平的顯著性檢驗(yàn)。其中，最大峰值對應(yīng)22a時間尺度，其周期震蕩最強(qiáng)，是華東地區(qū)極端高溫次數(shù)變化的第一主周期；19a時間尺度為第二主周期，第三主周期為4a時間尺度。上述3個周期的波動控制著華東地區(qū)極端高溫次數(shù)在整個時間域內(nèi)的變化特征。

圖6b?圖6d為3個時間尺度的小波系數(shù)實(shí)部圖，體現(xiàn)了華東地區(qū)極端高溫次數(shù)交替變化的波動特性。由圖可見，在22a特征時間尺度上，華東地區(qū)極端高溫次數(shù)大約經(jīng)歷了2個枯?豐轉(zhuǎn)換期，平均周期為14a左右，其在整個計算時域內(nèi)表現(xiàn)較穩(wěn)定，振幅有輕微的增大趨勢。9a時間尺度上的振幅從1971年至1994年逐漸減小，又從1994年至2006年逐漸增大。而4a時間尺度上的變化周期較短，振幅變化較無序。

注：圖a中虛線為0.05水平紅噪聲線

Note: Dotted line in fig.a is red noise of 0.05 significance level

2.3 華東地區(qū)夏季極端高溫次數(shù)與植被指數(shù)的SVD分析

通過SVD方法對1981?2006年華東地區(qū)夏季極端高溫次數(shù)與NDVI指數(shù)進(jìn)行分析，前5個模態(tài)的結(jié)果見表1。由表可見，前2個模態(tài)的協(xié)方差貢獻(xiàn)率分別為68.0%和14.2%，累積協(xié)方差貢獻(xiàn)率達(dá)到82.2%，均通過0.01水平的顯著性檢驗(yàn)，分別為10.8%、9.4%。兩個模態(tài)的時間相關(guān)系數(shù)分別為0.59和0.58，均通過0.01水平的顯著性檢驗(yàn)。說明兩個模態(tài)中的時間系數(shù)間相關(guān)性較好，變化較為一致。

表1 華東地區(qū)極端高溫次數(shù)與NDVI指數(shù)系列間SVD分析的協(xié)方差貢獻(xiàn)及相關(guān)系數(shù)

注：*、**分別表示相關(guān)系數(shù)通過0.05、0.01水平的顯著性檢驗(yàn)。下同。

Note:*is P≤0.05，**is P≤0.01.The same as below.

第一模態(tài)（圖7a1）時間序列反映出夏季極端高溫次數(shù)和NDVI的時間系數(shù)變化趨勢具有較為一致的年際波動，NDVI的時間系數(shù)年際波動幅度大于極端高溫次數(shù)，1993年NDVI時間系數(shù)異常偏高，2003年極端高溫次數(shù)時間系數(shù)異常偏低。在第一模態(tài)極端高溫次數(shù)場與NDVI時間序列的相關(guān)系數(shù)空間分布上（圖7b1），華東中南部地區(qū)的相關(guān)系數(shù)為顯著負(fù)值，僅山東泰山及青島等站為正值區(qū)。而在NDVI場與極端高溫次數(shù)時間序列的相關(guān)系數(shù)空間分布上（圖7c1），江蘇東部地區(qū)為相關(guān)系數(shù)正值顯著區(qū)，華東其余大部分地區(qū)則為負(fù)值，其中山東北部和江西西南部及西北部的負(fù)值較大。兩場的相關(guān)系數(shù)空間分布反映出夏季江蘇東部地區(qū)的NDVI與華東中南部地區(qū)的極端高溫次數(shù)呈明顯的負(fù)相關(guān)；而山東北部和江西西南部及西北部的NDVI與之呈正相關(guān)。這說明當(dāng)華東中南部地區(qū)夏季極端高溫次數(shù)偏高時，江蘇東部地區(qū)的夏季植被覆蓋度偏低，而山東北部地區(qū)和江西西南及西北地區(qū)的夏季植被覆蓋度偏高。

第二模態(tài)（圖7a2）時間序列中極端高溫次數(shù)與NDVI的時間系數(shù)變化也較為一致。在極端高溫次數(shù)場與NDVI時間序列的相關(guān)系數(shù)空間分布圖上（圖7b2），山東省中部地區(qū)為相關(guān)系數(shù)負(fù)值顯著區(qū)域。而在NDVI場與極端高溫次數(shù)時間序列的相關(guān)系數(shù)圖上（圖7c2），正值顯著區(qū)處于山東東北地區(qū)，負(fù)值顯著區(qū)為江蘇東部、福建南部和江西北部等地區(qū)。兩場的空間分布表明山東省中部地區(qū)夏季極端高溫次數(shù)與山東東北地區(qū)的夏季植被覆蓋度為負(fù)相關(guān)，與江蘇東部、福建南部和江西北部的夏季植被覆蓋度為正相關(guān)。說明當(dāng)山東省中部地區(qū)極端高溫次數(shù)偏低時，山東東北地區(qū)的夏季植被覆蓋度偏高，而江蘇東部、福建南部和江西北部的夏季植被覆蓋度則偏低。

3 結(jié)論與討論

（1）華東地區(qū)夏季極端高溫?zé)崂说念l次空間分布主要以北低南高，東低西高，山區(qū)低平原高為主。極端高溫?zé)崂似骄掷m(xù)天數(shù)相對于頻次，其高值區(qū)在江浙一帶，更靠近沿海。由于極端高溫?zé)崂耸墙⒃跇O端高溫基礎(chǔ)上的具有時間持續(xù)性的指標(biāo)，說明極端高溫?zé)崂祟l發(fā)的地區(qū)其持續(xù)性并不一定高，這很可能與下墊面的條件有關(guān)。

（2）對華東地區(qū)夏季極端高溫次數(shù)變化的小波分析表明，華東地區(qū)夏季極端高溫次數(shù)主要受22a、9a、4a左右的尺度波動影響。其中22a和9a作為第一、第二主周期對華東地區(qū)夏季極端高溫次數(shù)變化影響較大。小尺度的交替變化隱藏嵌套在大尺度的更為宏觀的結(jié)構(gòu)中，綜合第一主周期的穩(wěn)定和第二主周期振幅的不斷變大情況，可以預(yù)測未來華東地區(qū)可能出現(xiàn)強(qiáng)極端高溫狀況。

注：陰影區(qū)為通過0.05顯著水平檢驗(yàn)的相關(guān)區(qū)

Note: shaded areas show P≤0.05(significance test)

（3）通過對華東地區(qū)夏季極端高溫次數(shù)和NDVI的SVD分析，由前兩個模態(tài)得出：華東地區(qū)夏季極端高溫次數(shù)與NDVI之間存在顯著相關(guān)。華東中南部地區(qū)夏季極端高溫次數(shù)偏高時，江蘇東部地區(qū)的夏季植被覆蓋度偏低，而山東北部地區(qū)和江西西南及西北地區(qū)則偏高；山東省中部地區(qū)夏季極端高溫次數(shù)偏低時，山東東北地區(qū)的夏季植被覆蓋度偏高，而江蘇東部、福建南部和江西北部則偏低，反映出極端高溫次數(shù)變化帶來的氣溫波動對華東不同地區(qū)植被生長的影響，這與其它研究得出的NDVI與溫度的相關(guān)性結(jié)果較為一致[17,23]。當(dāng)夏季極端高溫較強(qiáng)時，熱量條件將高于平常，合理規(guī)劃植被種植并采取相應(yīng)措施將取得較高效益。

[1]Solomon S,Qin D,Manning M,et al.Climate change 2007:the physical science basis.Contribution of working group I to the fourth assessment report of the intergovernmental panel on climate change[M]. Cambridge,United Kingdom and New York,NY,USA: Cambridge University Press,2007:996.

[2]Houghton J E T,Ding Y H,Griggs J,et al.Climate change 2001:the scientific basis[M].Cambridge, United Kingdom and New York,NY,USA:Cambridge University Press,2001:881.

[3]Meehl Ge A,Claudia T.More intense,more frequent, and longer lasting heat waves in the 21stcentury[J]. Science, 2004,305(5686):994-997.

[4]Wu J,Zhou Y,Gao Y,et al.Estimation and uncertainty analysis of impacts of future heat waves on mortality in the eastern United States[J].Environ Health Perspect,2014,122(1):10-16.

[5]Amengual A,Homar V,Romero R,et al.Projections of heat waves with high impact on human health in Europe[J].Global and Planetary Change,2014,119(4): 71-84.

[6]Kenawy A E,López-Moreno J I,Vicente-Serrano S M.Trend and variability of surface air temperature in northeastern Spain (1920-2006):linkage to atmospheric circulation[J].Atmospheric Research, 2012,106(3): 159-180.

[7]Fernández-Montes S,Rodrigo F S,Seubert S,et al.Spring and summer extreme temperatures in Iberia during last century in relation to circulation types[J].Atmospheric Research,2013, 127:154-177.

[8]許遐禎,鄭有飛,尹繼福,等.南京市高溫?zé)崂颂卣骷捌鋵θ梭w健康的影響[J].生態(tài)學(xué)雜志,2011, 30( 12):2815-2820．

Xu X Z,Zheng Y F,Yin J F,et al.Characteristics of heat wave in Nanjing city and its impact on human health[J].Chinese Journal of Ecology,2014,122(1): 10-16.(in Chinese)

[9]葉殿秀,尹繼福,陳正洪,等.1961-2010年我國夏季高溫?zé)崂说臅r空變化特征[J].氣候變化研究進(jìn)展,2013,9(1):15-20.

Ye D X,Yin J F,Chen Z H,et al.Temporal and spatial variational characteristics of Chinese summer heat waves from 1961-2010[J].Advances in Climate Change Research, 2013,9(1):15-20.(in Chinese)

[10]談建國,鄭有飛.我國主要城市高溫?zé)崂藭r空分布特征[J].氣象科技,2013,41(2):347-351.

Tan J G,Zhen Y F.Heat waves in space-time distribution of China's major cities[J]. Meteorological Science and Technology, 2013,41(2): 347-351.(in Chinese)

[11]張尚印,王守榮,張永山,等.我國東部主要城市夏季高溫氣候特征及預(yù)測[J].熱帶氣象報,2004,(6):750-760.

Zhang S Y,Wang S R,Zhang Y S,et al.Eastern China's major cities hot summer climate characteristics and prediction[J]. Journal of Tropical Meteorology, 2004, (6): 750-760.(in Chinese)

[12]張立波,吉宗偉,鄭選軍,等.近50年華東地區(qū)熱量資源變化特征分析[J].中國農(nóng)業(yè)氣象,2012,33 (3):325-332.

Zhang L B,Ji Z W,Zhen X J,et al.Variation characteristics of thermal resources in eastern China in the past 50 years[J]. Chinese Journal of Agrometeorology,2012,33(3):325-332.(in Chinese)

[13]朱周平,錢炳強(qiáng).中國東部地區(qū)夏季高溫南北不均勻分布特征分析[J].氣象,2010,36(11):26-31.

Zhu Z P,Qian B Q.Analysis of the meridional heterogeneous distribution of summer heat wave over eastern China[J]. Meteorological Monthly, 2010,36(11):26-31.(in Chinese)

[14]史軍,丁一匯,崔林麗.華東極端高溫氣候特征及成因分析[J].大氣科學(xué),2009,33(2):347-358.

Shi J,Ding Y H,Cui L L.Climatic characteristics of extreme maximum temperature in East China and its causes[J]. Chinese Journal of Atmospheric Sciences,2009,33(2):347-358. (in Chinese)

[15]馮靈芝,熊偉,居輝,等.RCP情景下長江中下游地區(qū)水稻生育期內(nèi)高溫事件的變化特征[J].中國農(nóng)業(yè)氣象,2015,36(4): 383-392.

Feng L Z,Xiong W,Ju H,et al.Changes of high temperature events during rice growth period in MLRYR under RCP scenarios[J].Chinese Journal of Agrometeorology,2015,36(4): 383-392.(in Chinese)

[16]程路,錢拴,張蕾,等.2015年夏季氣候?qū)r(nóng)業(yè)生產(chǎn)的影響[J].中國農(nóng)業(yè)氣象,2015,36(5):650-652.

Cheng L,Qian S,Zhang L,et al.Impact of 2015 summer climate on agricultural production[J]. Chinese Journal of Agrometeorology, 2015,36(5): 650-652.(in Chinese)

[17]白淑英,王莉,史建橋.長江流域NDVI對氣候變化響應(yīng)的時滯效應(yīng)[J].中國農(nóng)業(yè)氣象, 2012, 33(4): 579-586.

Bai S Y,Wang L,Shi J Q.Time lag effect of NDVI response to climatic change in Yangtze river basin[J].Chinese Journal of Agrometeorology, 2012, 33(4):579-586.(in Chinese)

[18]黃丹青,錢永甫.我國極端溫度事件的定義和趨勢分析[J].中山大學(xué)學(xué)報,2008,47(3):112-116.

Huang D Q,Qian Y P.The definition of daily mean temperature extremes over China and its trend[J]. Journal of Sun Yat-sen University,2008, 47(3): 112-116.(in Chinese)

[19]Torrence C,Compo G P.A practical guide to wavelet analysis[J]. Bulletin of the American Meteorological Society,1997,79(1): 61-78.

[20]丁裕國,江志紅.SVD方法在氣象場診斷分析中的普適性[J].氣象學(xué)報,1996,54(3):365-372.

Ding Y G,Jiang Z H.Universality of SVD methods in diagnostic analysis of meteorological fields[J]. Acta Meteorologica Sinica,1996,54(3): 365-372.(in Chinese)

[21]趙永晶,錢永甫.全球海溫異常對中國降水異常的影響[J].熱帶氣象學(xué)報,2009,(5):561-570.

Zhao Y J,Qian Y P.The influence of global SST anomaly on precipitation anomalies in China[J]. Journal of Tropical Meteorology,2009,(5): 561-570. (in Chinese)

[22]施能.氣候診斷研究中SVD顯著性檢驗(yàn)的方法[J].氣象科技,1996,(4):5-6.

Shi N.SVD significant test method of climate diagnostic studies[J].Meteorological Science and Technology,1996,(4): 5-6.(in Chinese)

[23]侯光雷,張洪巖,郭聃,等.長白山區(qū)植被生長季NDVI時空變化及其對氣候因子敏感性[J].地理科學(xué)進(jìn)展,2012,31(3): 285-292.

Hou G L,Zhang H Y,Guo D,et al.Spatial-temporal variation of NDVI in the growing season and its sensitivity to climatic factors in Changbai mountains[J].Progress in Geography, 2012,31(3): 285-292.(in Chinese)

Extreme High-temperature in Summer and Its Impacts on Vegetation in East China

GE Fei-fan1, MAO Ke-biao1,2,3, JIANG Yue-lin1, TAN Xue-lan3, ZHAO Ying-hui4, XIA Lang5

(1. School of Resources and Environment, Anhui Agricultural University, Hefei 230036, China; 2.Institute of Agricultural Resources and Regional Planning / National Hulunber Grassland Ecosystem Observation and Research Station, Chinese Academy of Agricultural Sciences, Beijing 100081; 3. College of Resources and Environment, Hunan Agricultural University, Changsha 410128; 4. College of Resources and Environment, Northeast Agricultural University, Haerbin, 150030; 5. Beijing Research Center of Intelligent Equipment for Agriculture, Beijing Academy of Agriculture and Forestry Science, Beijing 100097)

Based on daily maximum surface air temperature data during 1971?2006 and normalized difference vegetation index (NDVI) data of AVHRR during 1981?2006, the frequency and average duration days of summer extreme heat wave were analyzed by using method of Morlet wavelet transform, as well as the periodic variation about the occurrence times of extreme high-temperature. Meanwhile, the relationship between the occurrence times of extreme high-temperature and NVDI was analyzed by using Singular Value Decomposing (SVD) in East China.The results showed that, (1) the frequency of summer extreme heat wave in East China showed that southern region was higher than the northern, the western was higher than the eastern, the plain region was higher than the mountainous region. But high value areas of average duration days were closed to the sea. (2) Occurrence times of summer extreme high-temperature in East China were mainly affected by three temporal scales which were 22 years, 9 years and 4 years. Among three temporal scales, the scale fluctuation around 22 years was the first primary period with a relatively stable oscillation throughout the whole time domain. The second primary period was around 9 years, its oscillation amplitude had been gradually increasing from the beginning of 1994, which could have been a great impact in the future. (3) NDVI correlated significantly with the occurrence times of summer extreme high-temperature in East China. The summer vegetation coverage was lower in the east of Jiangsu, while higher in the north of Shandong as well as the southwest and northwest of Jiangxi, when the occurrence times of summer extreme high-temperature in the south and center of East China were above normal. The summer vegetation coverage was higher in the northeast of Shandong, while lower in the east of Jiangsu as well as the south of Fujian and the north of Jiangxi, when the occurrence times of summer extreme high-temperature in the center of Shandong region were below normal.

Extreme high-temperature; Wavelet; Period; Singular value decomposition; Vegetation

10.3969/j.issn.1000-6362.2017.01.005

2016-06-06

國家自然科學(xué)基金（41571427）；國家重點(diǎn)研發(fā)計劃重點(diǎn)專項(xiàng)（2016YFC0500203）

葛非凡（1992?），助理研究員，主要從事氣候變化研究。E-mail: gffwrss@126.com

**通訊作者。E-mail: maokebiao@caas.cn