華南地區(qū)極端氣溫事件時空變化及其因子分析

戴聲佩 李茂芬 羅紅霞 李海亮 胡盈盈 鄭倩

摘要：選用1959—2016年華南地區(qū)72個地面氣象站點逐日氣溫數(shù)據(jù)，計算了研究區(qū)16種極端氣溫指數(shù)，分析了1959—2016年研究區(qū)極端氣溫事件的時空變化特征和影響研究區(qū)極端氣溫指數(shù)的因子，及其與年平均氣溫、地理位置和大尺度大氣環(huán)流的關(guān)系，并預(yù)測了未來研究區(qū)域極端氣溫事件變化趨勢。結(jié)果表明：1959年以來，研究區(qū)氣溫日較差（DTR）和極端冷事件（FD、ID、TN10p、TX10p、CSDI）呈下降趨勢;生物生長季（GSL）、極端熱事件（SU、TR、TN90p、TX90p、WSDI）和氣溫極值指數(shù)（TXx、TNx、TXn、TNn）呈明顯增加趨勢。從年代際尺度來看，1960s（19世紀(jì)60年代，以下以此類推）以來，研究區(qū)極端氣溫事件與其年際變化趨勢基本一致。從空間尺度來看，氣溫日較差（DTR）和極端冷事件（FD、ID、TN10p、TX10p、CSDI）氣候傾向率小于0的站點比例分別為85%、99%、100%、99%、90%、93%，僅有個別站點存在下降趨勢，零星分布在沿海地區(qū)。生物生長季（GSL）增加的站點共有55個，但其顯著性水平較低;極端熱事件（SU、TR、TN90p、TX90p、WSDI）氣候傾向率大于0且通過顯著性檢驗站點分別為20、58、68、48、29個，增加趨勢明顯。氣溫極值指數(shù)（TXx、TNx、TXn、TNn）也呈增加趨勢，僅沿海地區(qū)個別站點呈下降趨勢。利用因子分析法提取了5個公共因子，其累計方差貢獻率為82.49%，其中公共因子1方差貢獻率為44.72%，反映了極端氣溫事件與極端熱事件的相關(guān)性很強。相關(guān)分析表明，極端熱事件（SU、TR、TN90p、TX90p、WSDI）能很好地指示年平均氣溫的變化情況，并且其他極端氣溫指數(shù)之間也存在很好的相關(guān)關(guān)系;極端氣溫指數(shù)變化趨勢表現(xiàn)出明顯的地理位置依賴性。此外，大尺度環(huán)流分析表明，ENSO異常變化與華南地區(qū)極端氣溫關(guān)系密切，南海副高強度指數(shù)（SCSSHII）和西太平洋副高強度指數(shù)（WPSHII）對研究區(qū)極端氣溫事件具有明顯貢獻。R/S分析法表明，研究區(qū)極端氣溫事件表現(xiàn)為強持續(xù)性，未來變化趨勢與過去的變化趨勢相同。

關(guān)鍵詞：氣候變化;極端氣溫;時空變化;因子分析;華南地區(qū)

中圖分類號： S161.2;S127 ?文獻標(biāo)志碼： A ?文章編號：1002-1302（2021）14-0194-10

聯(lián)合國政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change，IPCC）第5次評估報告指出，全球氣候變暖毋庸置疑[1]。在此背景下，極端高溫與寒冷、極端洪澇與干旱等極端氣候事件頻繁發(fā)生，對自然生態(tài)系統(tǒng)和人類社會帶來極大損害[2]，且其發(fā)生的時空分布特征及影響越來越受到公眾的矚目[3]，成為當(dāng)前全球氣候變化研究的熱點[4]，特別是極端氣溫事件對人類的影響更是引起了眾多學(xué)者的關(guān)注[5]。國內(nèi)外學(xué)者從不同角度對全球、區(qū)域和中國，以及中國不同區(qū)域的極端氣溫做了大量研究，且成果顯著。從全球尺度來看，20世紀(jì)50年代以來全球大部分地區(qū)極端氣溫變化特征表現(xiàn)為冷夜減少、暖夜增多[6-7];從區(qū)域尺度來看，中亞和南亞地區(qū)[8]、亞洲-太平洋地區(qū)[9]、阿拉伯地區(qū)[10]、歐洲地區(qū)[11]、南美洲阿根廷地區(qū)[12]、北美洲[13]、美國[14]、俄羅斯[15]等區(qū)域極端氣溫變化特征與全球變化特征基本一致，總體均表現(xiàn)為極端高溫時間（d）顯著延長、極端低溫時間明顯縮短;從中國區(qū)域來看，極端高溫和極端低溫整體呈上升趨勢[16]，暖夜時間和暖晝時間趨于延長，而冷夜時間和霜凍時間則變少[17]，其中北方地區(qū)極端氣溫變化趨勢更為明顯[18]。此外，針對中國不同區(qū)域[4，19-27]、不同流域[5，28-32]、不同地形[33-38]和不同城市[39-41]極端氣溫變化的眾多研究表明，其存在一定空間差異，因此，有必要開展針對不同區(qū)域的極端氣溫變化研究，豐富和完善全球變化區(qū)域差異研究。

我國華南地區(qū)屬于熱帶、亞熱帶季風(fēng)氣候，氣候溫暖濕潤，雨熱同季，對全球變化的敏感性較高。該區(qū)域適宜發(fā)展多種農(nóng)業(yè)生產(chǎn)以及熱帶經(jīng)濟作物，是我國農(nóng)作物晚三熟和熱三熟區(qū)域[42]，其既是我國重要的糧食生產(chǎn)基地，又是我國主要熱帶作物的生產(chǎn)基地。在全球變化背景下，該地區(qū)農(nóng)業(yè)氣候資源發(fā)生了顯著的變化，對農(nóng)業(yè)生產(chǎn)、社會經(jīng)濟和區(qū)域可持續(xù)發(fā)展帶來了諸多影響[43]。目前已有關(guān)于本研究區(qū)域極端氣溫變化的研究主要集中在極端高溫日數(shù)[44]、持續(xù)高溫過程[45-46]、低溫冷害事件[47]、冰凍災(zāi)害特征與成因[48]以及極端氣溫事件非對稱變化[49]等方面，綜合考慮多種極端氣溫指數(shù)分析研究區(qū)極端氣溫的研究有待進一步進行。因此，本研究利用氣象站點逐日氣溫數(shù)據(jù)，計算了16種極端氣溫指數(shù)，分析了我國華南地區(qū)極端氣溫事件的時空變化特征，探討了影響極端氣溫指數(shù)的因子，及其與年平均氣溫、地理位置和大尺度大氣環(huán)流的關(guān)系，并預(yù)測了未來研究區(qū)域極端氣溫事件變化趨勢，以期為區(qū)域農(nóng)業(yè)氣候資源可持續(xù)利用、生態(tài)環(huán)境保護和防災(zāi)減災(zāi)提供科學(xué)依據(jù)。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

選取1959年1月1日至2016年12月31日研究區(qū)域內(nèi)72個地面氣象站點逐日平均氣溫、最高氣溫、最低氣溫實測數(shù)據(jù)，來源于國家氣象科學(xué)數(shù)據(jù)共享服務(wù)平臺（http：//data.cma.cn/）。大尺度大氣環(huán)流指數(shù)數(shù)據(jù)來源于美國國家海洋和大氣管理局（National Oceanic and Atmospheric Administration，NOAA）地球系統(tǒng)研究實驗室（Earth System Research Laboratory，ESRL）（https：//www.esrl.noaa.gov/psd/data/climateindices/list/）和中國國家氣候中心氣候系統(tǒng)數(shù)據(jù)集（http：//cmdp.ncc-cma.net/Monitoring/cn_index_130.php）。數(shù)字高程（digital elevation models，DEM）數(shù)據(jù)采用美國地質(zhì)調(diào)查局（U.S. Geological Survey，USGS）發(fā)布的全球90 m空間分辨率DEM數(shù)據(jù);研究區(qū)邊界數(shù)據(jù)采用國家基礎(chǔ)地理信息中心發(fā)布的1 ∶ 4 000 000中國行政區(qū)劃數(shù)據(jù)。

1.2 極端氣溫指標(biāo)定義與計算

本研究采用16種極端氣溫指數(shù)，其具體名稱及定義見表1，其定義標(biāo)準(zhǔn)是基于CCl/CLIVAR/JCOMM ETCCDI確定的“氣候變化檢測和指標(biāo)”（http：//etccdi.pacificclimate.org/），這些指數(shù)反映了極端氣溫的各方面，廣泛應(yīng)用于極端氣溫的評估和應(yīng)用。這16種極端氣溫指數(shù)大致分為5個類型：第1類為氣溫日較差（DTR）;第2類為生物生長季（GSL）;第3類為極端冷事件，包括霜凍日數(shù)（FD）、冰凍日數(shù)（ID）、冷夜日數(shù)（TN10p）、冷晝?nèi)諗?shù)（TX10p）、冷持續(xù)日數(shù)（CSDI）;第4類為極端熱事件，包括夏季日數(shù)（SU）、熱夜日數(shù)（TR）、暖夜日數(shù)（TN90p）、暖晝?nèi)諗?shù)（TX90p）、暖持續(xù)日數(shù)（WSDI）;第5類為極值指數(shù)日最高氣溫的極高值（TXx）、日最低氣溫的極高值（TNx）、日最高氣溫的極低值（TXn）、日最低氣溫的極低值（TNn）。

采用加拿大氣象研究中心基于R語言開發(fā)的RclimDex 1.0軟件計算極端氣溫指數(shù)，RclimDex可用于計算多種極端氣溫和極端降水指數(shù)。首先，利用MATLAB編程對原始下載數(shù)據(jù)進行預(yù)處理，形成符合RclimDex運行的文件存儲格式的預(yù)處理數(shù)據(jù)，并對缺測值進行統(tǒng)一設(shè)置;然后，利用RclimDex軟件對預(yù)處理數(shù)據(jù)進行一致性檢驗和質(zhì)量控制，并人工檢查數(shù)據(jù)錯誤記錄;最后，在R語言編輯器下運行RclimDex軟件，計算得到極端氣溫指數(shù)結(jié)果。

1.3 研究方法

利用氣候傾向率法計算各站點不同極端氣溫指數(shù)的氣候傾向率，以此對極端氣溫事件的時間變化進行趨勢分析。氣候傾向率大于0時表示極端氣溫事件呈上升趨勢，反之呈下降趨勢。通過ArcGIS繪制華南地區(qū)極端氣溫指數(shù)變化傾向率空間分布圖，進而分析極端氣溫事件的空間特征。采用基于SPSS的因子分析方法分析影響極端氣溫指數(shù)的因子，并利用相關(guān)分析方法分析極端氣溫指數(shù)與年平均氣溫、地理位置、大尺度大氣環(huán)流的關(guān)系。利用R/S分析方法計算Hurst指數(shù)來預(yù)測未來研究區(qū)域極端氣溫事件變化趨勢。

2 結(jié)果與分析

2.1 時間變化

從年際尺度來看，1959年以來，研究區(qū)氣溫日較差（DTR）和極端冷事件（FD、ID、TN10p、TX10p、CSDI）呈不同程度的降低趨勢（圖2-a，圖2-c至圖2-g），其中氣溫日較差（DTR）、霜凍日數(shù)（FD）和冷夜日數(shù)（TN10p）降低趨勢明顯，通過了α=0.01顯著性水平檢驗，其氣候傾向率分別為 -0.1 ℃/10年、-0.4 d/10年和-1.3 d/10年。生物生長季（GSL）和極端熱事件（SU、TR、TN90p、TX90p、WSDI）呈明顯的增加趨勢（圖2-b，圖2-h至圖2-l），其氣候傾向率分別為0.2、1.8、3.6、2.6、1.5、1.8 d/10年，除GSL以外，均通過了α=0.01顯著性水平檢驗。此外，氣溫極值指數(shù)（TXx、TNx、TXn、TNn）也呈不同程度的增加趨勢（圖2-m至圖2-p）。

從年代際尺度來看，1960s（19世紀(jì)60年代，其他以此類推），研究區(qū)極端氣溫事件與其年際變化趨勢基本一致（圖2、表2）。氣溫日較差（DTR）呈波動降低趨勢（圖2-a、表2），其值從1960s的 7.90 ℃ 降低到2000—2016年的7.20 ℃。生物生長季（GSL）從1960s開始增加，并于1990s達到高值，之后又有下降（圖2-b、表2）。極端冷事件（FD、ID、TN10p、TX10p、CSDI）從1960s開始呈波動降低趨勢（圖2-c至圖2-g、表2）。極端熱事件（SU、TR、TN90p、TX90p、WSDI）和氣溫極值指數(shù)（TXx、TNx、TXn、TNn）則呈波動增加趨勢（圖2-h至圖2-p、表2）。

2.2 空間變化

從空間尺度上來看，研究區(qū)內(nèi)61個站點氣溫日較差（DTR）氣候傾向率小于0（圖3-a、表3），其中37個站點通過了α=0.01顯著性水平檢驗，表明其呈較明顯的降低趨勢;而沿海零星分布有11個站點呈增加趨勢。由圖3-b和表3可知，生物生長季（GSL）增加的站點共有55個，但其顯著性水平較低，主要分布在東南沿海地區(qū);廣西中部和廣東北部等地區(qū)17個站點呈下降趨勢。極端冷事件（FD、ID、TN10p、TX10p、CSDI）總體上呈現(xiàn)降低趨勢（圖3-c 至圖3-g、表3），其氣候傾向率小于0的站點比例分別為99%、100%、99%、90%、93%，其中TN10p通過顯著性檢驗站點較多，表明其降低趨勢明顯。極端熱事件（SU、TR、TN90p、TX90p、WSDI）氣候傾向率大于0的站點比例分別為94%、100%、100%、93%、93%，并且其通過顯著性檢驗站點分別為20、58、68、48、29個（圖3-h至圖3-l、表3），僅有個別站點呈降低趨勢，表明其增加趨勢明顯。此外，研究區(qū)氣溫極值指數(shù)（TXx、TNx、TXn、TNn）也呈現(xiàn)增加趨勢（圖3-m至圖3-p），僅沿海地區(qū)個別站點呈降低趨勢。

2.3 因子分析

利用SPSS因子分析方法分析影響極端氣溫指數(shù)的因子，并計算各因子的特征值及方差貢獻率（表4），根據(jù)特征值大于0.9，提取了5個公共因子，其累計方差貢獻率為82.49%，進一步提取5個公共因子的載荷矩陣（表4），公共因子1方差貢獻率最大，為44.72%，是最重要的影響因子，該因子在TX90p、TN90p、WSDI、TR和SU這5項指標(biāo)上的載荷值較高，分別為0.89、0.89、0.87、0.84、0.81，反映了極端氣溫事件與極端熱事件的相關(guān)性很強;公共因子2方差貢獻率次之，為14.21%，該因子在

TN10p、TNx、CSDI和DTR等指標(biāo)上的載荷值較高，分別為0.61、-0.47、0.84、0.74，表明極端冷事件、氣溫極值指數(shù)和氣溫日較差對極端氣溫事件影響較大;公共因子3、4、5方差貢獻率分別為10.64%、7.06%、5.86%，主要反映了極端氣溫事件中極端冷事件和極值指數(shù)的變化。

2.4 未來變化趨勢

基于R/S分析方法計算Hurst指數(shù)和分形維數(shù)D來預(yù)測未來研究區(qū)域極端氣溫事件變化趨勢結(jié)果見表5，由表5可見，氣溫日較差（DTR）、生物生長季（GSL）、極端冷事件（FD、ID、TN10p、TX10p、CSDI）、極端熱事件（SU、TR、TN90p、TX90p、WSDI）和氣溫極值指數(shù)（TXx、TNx、TXn、TNn）等指數(shù)的Hurst指數(shù)均大于0.5，分形維數(shù)D均小于1.5，表示其時間序列的持續(xù)性，未來變化趨勢與過去的變化趨勢相同，即氣溫日較差（DTR）和極端冷事件（FD、ID、TN10p、TX10p、CSDI）過去呈下降趨勢，未來仍將呈下降趨勢，并且其持續(xù)性較強;而生物生長季（GSL）、極端熱事件（SU、TR、TN90p、TX90p、WSDI）和氣溫極值指數(shù)（TXx、TNx、TXn、TNn）等指數(shù)過去為增加趨勢，未來仍將呈增加趨勢。

3 討論

3.1 與區(qū)域氣候變化的關(guān)系

由表6可見，氣溫日較差（DTR）、極端冷事件（FD、ID、TN10p、TX10p、CSDI）和年平均氣溫（TMEAN）之間呈現(xiàn)較強的負(fù)相關(guān)，其中冷夜日數(shù)（TN10p）和冷晝?nèi)諗?shù)（TX10p）與年平均氣溫的相關(guān)系數(shù)分別達到-0.77（P<0.01）和-0.66（P<0.01）。生物生長季（GSL）、極端熱事件（SU、TR、TN90p、TX90p、WSDI）和氣溫極值指數(shù)（TXx、TNx、TXn、TNn）與年平均氣溫均表現(xiàn)出良好的正相關(guān)性，除GSL以外，均通過了α=0.01顯著性水平檢驗，其中極端熱事件（SU、TR、TN90p、TX90p、WSDI）5個極端氣溫指數(shù)與年平均氣溫的相關(guān)系數(shù)達到或超過0.76，表明這些指標(biāo)能很好地指示年平均氣溫的變化情況。此外，其他極端氣溫指數(shù)之間也存在很好的相關(guān)關(guān)系。

通過與其他區(qū)域極端氣溫變化趨勢相比較（表7），華南地區(qū)極端氣溫指數(shù)與全球、中國區(qū)域的整體變化趨勢相一致，與中國不同區(qū)域極端氣溫變化趨勢存在變化幅度的差別。華南地區(qū)氣溫日較差（DTR）變化趨勢低于東北地區(qū)、西北地區(qū)和西南地區(qū);生物生長季（GSL）變化趨勢明顯低于其他區(qū)域;極端冷事件（FD、ID、TN10p、TX10p、CSDI）變化趨勢高于西南地區(qū)，低于東北地區(qū)和西北地區(qū);極端熱事件（SU、TR、TN90p、TX90p、WSDI）變化趨勢也低于東北地區(qū)，氣溫極值指數(shù)（TXx、TNx、TXn、TNn）與其他區(qū)域相似。與不同流域（長江流域、黃河流域、松花江流域、珠江流域）極端氣溫指數(shù)相比較，其變化趨勢較復(fù)雜，這是由于不同流域內(nèi)氣候條件和地形地貌復(fù)雜，從而造成對比性較差。

3.2 與海拔、地理位置的關(guān)系

研究區(qū)海拔自西向東、自北向南逐漸降低，其地理位置變化與經(jīng)緯度和海拔具有明顯相關(guān)性。通過分析極端氣溫指數(shù)變化趨勢與海拔、地理位置（經(jīng)度、緯度）的相關(guān)系數(shù)，由圖4可知，生物生長季（GSL）變化趨勢表現(xiàn)出明顯的地理位置依賴性，其與海拔、經(jīng)度、緯度的相關(guān)系數(shù)分別為0.78、0.40、0.40，均通過α=0.01顯著性水平檢驗。除個別指數(shù)（SU、TN10p）外，極端冷事件（FD、ID、TX10p、CSDI）和極端熱事件（TR、TN90p、TX90p、WSDI）與地理位置和海拔均呈負(fù)相關(guān)，表明在研究范圍內(nèi)，海拔、緯度越低，越靠近東南沿海地區(qū)，極端冷事件和極端熱事件的變化趨勢越大。極值指數(shù)（TXx、TNx、TXn、TNn）與經(jīng)緯度以及海拔高度變化的相關(guān)性也驗證了地形因素對研究區(qū)極端氣溫空間變化的影響。

3.3 與大尺度大氣環(huán)流的關(guān)系

選取北極濤動（AO）、多元ENSO指數(shù)（MEI）、北大西洋濤動（NAO）、南方濤動指數(shù)（SOI）、太平洋年代際振蕩（PDO）、北方濤動指數(shù)（NOI）、印度副高面積強度指數(shù)（ISHII）、南海副高強度指數(shù)（SCSSHII）和西太平洋副高強度指數(shù)（WPSHII）等9

個大尺度大氣環(huán)流指數(shù)，分別計算其與極端氣溫指數(shù)的相關(guān)系數(shù)（表8），分析大尺度大氣環(huán)流對極端氣溫事件的影響。由表8、圖5可知，MEI與極端冷事件（FD、ID、TN10p、TX10p、CSDI）呈負(fù)相關(guān)，與極端熱事件（SU、TR、TN90p、TX90p、WSDI）和氣溫極值指數(shù)（TXx、TNx、TXn、TNn）呈明顯正相關(guān)，表明ENSO異常變化與華南地區(qū)極端氣溫關(guān)系密切。WPSHII（110°～180°E）代表了夏季北半球表面的1/4，SCSSHII（100°～120°E）代表了南海區(qū)域的環(huán)流強度，兩者是東亞夏季風(fēng)氣候系統(tǒng)的重要組成部分。本研究中，SCSSHII和WPSHII（圖5）與極端氣溫指數(shù)同樣具有很強的相關(guān)性（表8），部分通過了α=0.01顯著性水平檢驗，表明SCSSHII和WPSHII對研究區(qū)極端氣溫事件具有明顯貢獻。

4 結(jié)論

本研究選用1959—2016年華南地區(qū)72個地面氣象站點逐日氣溫數(shù)據(jù)，利用MATLAB和基于R語言開發(fā)的RClimDex（1.0）軟件計算研究區(qū)16種極端氣溫指數(shù)，分析1959—2016年研究區(qū)極端氣溫事件的時空變化特征;采用相關(guān)分析和基于SPSS的因子分析方法探討影響研究區(qū)極端氣溫指數(shù)的因子，及其與年平均氣溫、地理位置和大尺度大氣環(huán)流的關(guān)系;并利用R/S分析方法計算Hurst指數(shù)，預(yù)測未來研究區(qū)域極端氣溫事件變化趨勢，并得出主要結(jié)論如下。

從年際尺度來看，1959年以來，研究區(qū)氣溫日較差（DTR）和極端冷事件（FD、ID、TN10p、TX10p、CSDI）呈減少趨勢;生物生長季（GSL）和極端熱事件（SU、TR、TN90p、TX90p、WSDI）呈明顯增加趨勢，其氣候傾向率分別為0.2、1.8、3.6、2.6、1.5、1.8 d/10年;氣溫極值指數(shù)（TXx、TNx、TXn、TNn）也呈增加趨勢。從年代際尺度來看，1960s以來，研究區(qū)極端氣溫事件與其年際變化趨勢基本一致。

從空間尺度來看，研究區(qū)內(nèi)61個站點氣溫日較差（DTR）氣候傾向率小于0，呈較明顯的下降趨勢，而沿海零星分布有11個站點呈增加趨勢。生物生長季（GSL）增加的站點共有55個，但顯著性水平較低，主要分布在東南沿海地區(qū)。極端冷事件（FD、ID、TN10p、TX10p、CSDI）氣候傾向率小于0的站點比例分別為99%、100%、99%、90%、93%，僅有個別站點存在減少趨勢。極端熱事件（SU、TR、TN90p、TX90p、WSDI）氣候傾向率大于0且通過顯著性檢驗站點分別為20、58、68、48、29個，增加趨勢明顯。氣溫極值指數(shù)（TXx、TNx、TXn、TNn）也呈增加趨勢，僅沿海地區(qū)個別站點呈減少趨勢。

利用因子分析方法提取5個公共因子，其累計方差貢獻率為82.49%，其中公共因子1方差貢獻率為44.72%，反映了極端氣溫事件與極端熱事件的相關(guān)性很強。相關(guān)分析表明，極端熱事件（SU、TR、TN90p、TX90p、WSDI）與年平均氣溫的相關(guān)系數(shù)達到或超過0.76，表明這些指標(biāo)能很好地指示年平均氣溫的變化情況，并且其他極端氣溫指數(shù)之間也存在很好的相關(guān)關(guān)系。極端氣溫指數(shù)變化趨勢表現(xiàn)出明顯的地理位置依賴性，在研究范圍內(nèi)，海拔、緯度越低，越靠近東南沿海地區(qū)，極端冷事件和極端熱事件的變化趨勢越大。此外，大尺度環(huán)流分析表明ENSO異常變化與華南地區(qū)極端氣溫關(guān)系密切，南海副高強度指數(shù)（SCSSHII）和西太平洋副高強度指數(shù)（WPSHII）對研究區(qū)極端氣溫事件具有明顯貢獻。

基于R/S分析方法的結(jié)果表明，研究區(qū)極端氣溫事件Hurst指數(shù)均大于0.5，分形維數(shù)D均小于1.5，說明其時間序列的強持續(xù)性，即未來變化趨勢與過去的變化趨勢相同。

參考文獻：

[1]IPCC. Summary for policymakers，in climate change 2013：the physical science basis[R]. Cambridge：Cambridge University Press，2013.

[2]IPCC. Summary for Policymakers. Climate change 2014：impacts，adaptation，and vulnerability. Part A：Global and sectoral aspects[R]. Cambridge：Cambridge University Press，2014.

[3]Easterling D R，Meehl G A，Parmesan C，et al. Climate extremes：observations，modeling，and impacts[J]. Science，2000，289（5487）：2068-2074.

[4]杜 軍，路紅亞，建 軍.1961—2010年西藏極端氣溫事件的時空變化[J]. 地理學(xué)報，2013，68（9）：1269-1280.

[5]王 瓊，張明軍，王圣杰，等. 1962—2011年長江流域極端氣溫事件分析[J]. 地理學(xué)報，2013，68（5）：611-625.

[6]Alexander L V，Zhang X，Peterson T C，et al. Global observed changes in daily climate extremes of temperature and precipitation[J]. Journal of Geophysical Research：Atmospheres，2006，111（D5）：D05109.

[7]Finkel J M，Katz J I. Changing world extreme temperature statistics[J]. International Journal of Climatology，2018，38（5）：2613-2617.

[8]Tank A K，Peterson T C，Quadir D A，et al. Changes in daily temperature and precipitation extremes in central and South Asia[J]. Journal of Geophysical Research：Atmospheres，2006，111（D16）：709-720.

[9]Choi G，Collins D，Ren G，et al. Changes in means and extreme events of temperature and precipitation in the Asia-Pacific Network region，1955—2007[J]. International Journal of Climatology，2010，29（13）：1906-1925.

[10]Donat M G，Peterson T C，Brunet M，et al. Changes in extreme temperature and precipitation in the Arab region：Long-term trends and variability related to ENSO and NAO[J]. International Journal of Climatology，2014，34（3）：581-592.

[11]Klein T G K，Nnen G P.Trends in indices of daily temperature and precipitation extremes in Europe，1946—1999[J]. Journal of Climate，2003，16（22）：3665-3680.

[12]Rusticucci M，Barrucand M，Collazo S. Temperature extremes in the Argentina central region and their monthly relationship with the mean circulation and ENSO phases[J]. International Journal of Climatology，2017，37（6）：3003-3017.

[13]Grotjahn R，Black R，Leung R，et al. North American extreme temperature events and related large scale meteorological patterns：A review of statistical methods，dynamics，modeling，and trends[J]. Climate Dynamics，2016，46（3）：1151-1184.

[14]Finkel J M，Katz J I. Changing US extreme temperature statistics[J]. International Journal of Climatology，2017，37（13）：4749-4755.

[15]Gruza G，Rankova E，Razuvaev V，et al. Indicators of climate change for the Russian federation[J]. Climatic Change，1999，42（1）：219-242.

[16]Ding T，Qian W H，Yan Z W. Changes in hot days and heat waves in China during 1961—2007[J]. International Journal of Climatology，2010，30（10）：1452-1462.

[17]Fang S，Qi Y，Han G，et al. Changing trends and abrupt features of extreme temperature in mainland China during 1960 to 2010[J]. Atmosphere，2016，7（2）：979-1000.

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

[19]Li Z X，He Y Q，Theakstone W H，et al. Altitude dependency of trends of daily climate extremes in southwestern China，1961—2008[J]. Journal of Geographical Sciences，2012，22（3）：416-430.

[20]Wang W，Zhou W，Chen D. Summer high temperature extremes in Southeast China：Bonding with the El Nino-Southern Oscillation and East Asian summer monsoon coupled system[J]. Journal of Climate，2014，27（11）：4122-4138.

[21]Yu Z，Li X. Recent trends in daily temperature extremes over northeastern China （1960—2011）[J]. Quaternary International，2015，380/381：35-48.

[22]李 琪，蘇 歡，史雨涵，等. 1961—2010年江浙滬地區(qū)夏季高溫?zé)崂藭r空變化特征[J]. 長江流域資源與環(huán)境，2016，25（3）：506-513.

[23]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.

[24]汪寶龍，張明軍，魏軍林，等. 西北地區(qū)近50a氣溫和降水極端事件的變化特征[J]. 自然資源學(xué)報，2012，27（10）：1720-1733.

[25]Wang B，Zhang M，Wei J，et al. Changes in extreme events of temperature and precipitation over Xinjiang，northwest China，during 1960—2009[J]. Quaternary International，2013，298：141-151.

[26]高文華，李開封，崔 豫.1960—2014年河南極端氣溫事件時空演變分析[J]. 地理科學(xué)，2017，37（8）：1259-1269.

[27]黃小燕，王小平，王勁松，等. 1960—2013年中國沿海極端氣溫事件變化特征[J]. 地理科學(xué)，2016，36（4）：612-620.

[28]Guan Y，Zhang X，Zheng F，et al. Trends and variability of daily temperature extremes during 1960—2012 in the Yangtze River Basin，China[J]. Global and Planetary Change，2015，124：79-94.

[29]Jiang C，Mu X，Wang F，et al. Analysis of extreme temperature events in the Qinling Mountains and surrounding area during 1960—2012[J]. Quaternary International，2016，392：155-167.

[30]Liang K，Peng B，Li J，et al. Variability of temperature extremes in the Yellow River basin during 1961—2011[J]. Quaternary International，2014，336：52-64.

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

[32]劉青娥，吳孝情，陳曉宏，等. 珠江流域1960—2012年極端氣溫的時空變化特征[J]. 自然資源學(xué)報，2015，30（8）：1356-1366.

[33]Sun X B，Ren G Y，Shrestha A B，et al. Changes in extreme temperature events over the Hindu Kush Himalaya during 1961—2015[J]. Advances in Climate Change Research，2017，8（3）：157-165.

[34]賈文雄. 近50年來祁連山及河西走廊極端氣溫的季節(jié)變化特征[J]. 地理科學(xué)，2012，32（11）：1377-1383.

[35]賈艷青，張 勃，張耀宗，等. 城市化對長三角地區(qū)極端氣溫影響的時空分異研究[J]. 自然資源學(xué)報，2017，32（5）：814-828.

[36]張立偉，宋春英，延軍平. 秦嶺南北年極端氣溫的時空變化趨勢研究[J]. 地理科學(xué)，2011，31（8）：1007-1011.

[37]張 揚，白紅英，蘇 凱，等. 1960—2013年秦嶺陜西段南北坡極端氣溫變化空間差異[J]. 地理學(xué)報，2018，73（7）：1296-1308.

[38]趙安周，劉憲鋒，朱秀芳，等. 1965—2013年黃土高原地區(qū)極端氣溫趨勢變化及空間差異[J]. 地理研究，2016，35（4）：639-652.

[39]崔林麗，史 軍，周偉東.上海極端氣溫變化特征及其對城市化的響應(yīng)[J]. 地理科學(xué)，2009，29（1）：93-97.

[40]李雙雙，楊賽霓.1960—2014年北京極端氣溫事件變化特征[J]. 地理科學(xué)，2015，35（12）：1640-1647.

[41]鄭祚芳. 北京極端氣溫變化特征及其對城市化的響應(yīng)[J]. 地理科學(xué)，2011，31（4）：459-463.

[42]戴聲佩，李海亮，羅紅霞，等. 1960—2011年華南地區(qū)界限溫度10 ℃積溫時空變化分析[J]. 地理學(xué)報，2014，69（5）：650-660.

[43]戴聲佩，李海亮，劉海清，等. 全球氣候變暖背景下華南地區(qū)農(nóng)業(yè)氣候資源時空變化特征[J]. 中國農(nóng)業(yè)資源與區(qū)劃，2014，35（1）：52-60.

[44]陳 穎，張 靈，千懷遂.華南地區(qū)近53 a極端高溫日數(shù)的變化特征及其區(qū)域差異[J]. 熱帶地理，2016，36（4）：692-699，726.

[45]王亞偉，翟盤茂，田 華.近40年南方高溫變化特征與2003年的高溫事件[J]. 氣象，2006，32（10）：27-33.

[46]方宇凌，簡茂球. 2003年夏季華南持續(xù)高溫天氣過程及熱力診斷[J]. 熱帶海洋學(xué)報，2011，30（3）：30-37.

[47]韓榮青，陳麗娟，李維京，等. 2—5月我國低溫連陰雨和南方冷害時空特征[J]. 應(yīng)用氣象學(xué)報，2009，20（3）：312-320.

[48]劉曉梅，高安寧，趙金彪. 2011年華南西部低溫雨雪冰凍災(zāi)害特征與成因[J]. 自然災(zāi)害學(xué)報，2013，22（6）：232-239.

[49]伍紅雨，杜堯東.1961—2008年華南地區(qū)極端氣溫的非對稱變化[J]. 生態(tài)學(xué)雜志，2010，29（11）：2241-2248.