基于地面觀測(cè)資料的全球高溫閾值探討

楊舒楠 , 孟慶濤 , 周寧芳 , 趙 威

1.國(guó)家氣象中心， 北京 100081 2.中國(guó)氣象局-河海大學(xué)水文氣象研究聯(lián)合實(shí)驗(yàn)室， 北京 100081

0 引 言

國(guó)家“一帶一路”倡議的提出和推進(jìn)，對(duì)我國(guó)“全球監(jiān)測(cè)、全球預(yù)報(bào)、全球服務(wù)”氣象業(yè)務(wù)提出了極為迫切的需求。近年來(lái)，越來(lái)越多的學(xué)者開(kāi)始關(guān)注全球的氣候及氣象災(zāi)害特征研究(張井勇等,2018；金紅梅等,2019；劉甜等,2019)。高溫天氣是影響“一帶一路”沿線國(guó)家或地區(qū)的主要?dú)庀鬄?zāi)害之一，而部分國(guó)家的防災(zāi)減災(zāi)能力較弱，且近幾十年來(lái)高溫極端天氣事件增多趨勢(shì)明顯(Della-Marta et al,2007；Tanarhte et al,2015)，因此，對(duì)全球高溫天氣的實(shí)時(shí)監(jiān)測(cè)和準(zhǔn)確預(yù)報(bào)具有重要意義。

針對(duì)高溫極端天氣的研究一直備受氣象學(xué)家關(guān)注。Morak等(2013)利用觀測(cè)和氣候模擬數(shù)據(jù)對(duì)全球極端高溫頻率進(jìn)行研究，指出幾乎所有季節(jié)均可看到高溫頻率的增加。Stone等(2000)、Degaetano和Allen(2002)、Rusticucci和Barrucand(2004)、Dash和Mamgain(2011)分別就美國(guó)、印度、阿根廷和加拿大等地區(qū)的極端高溫天氣或氣候事件進(jìn)行了深入研究。國(guó)內(nèi)專家針對(duì)中國(guó)不同區(qū)域的高溫分布、變化特征及區(qū)域差異等的研究工作也很多(李艷等,2014；李縱橫等,2015；陳穎等，2016)，而近年來(lái)也逐漸將研究擴(kuò)展至“一帶一路”沿線國(guó)家或地區(qū)(Feng et al,2018；金紅梅等,2019)。

在統(tǒng)計(jì)研究中，高溫天氣的定義指標(biāo)有很多種。如絕對(duì)值定義：以35 ℃、37 ℃或40 ℃等作為高溫閾值進(jìn)行分析(史軍等,2009；Ding et al,2010)，但此方法僅適用于日最高氣溫分布相對(duì)均勻的地區(qū)，無(wú)法用于全球。為方便不同地區(qū)相互對(duì)比，國(guó)內(nèi)外更常見(jiàn)的方式是采用某百分位值作為高溫閾值(Joneset al,1999；Yan et al,2002；Zhang et al，2005；李慶祥和黃嘉佑,2011)，一般使用90百分位值作為高溫指標(biāo)，但具體百分位計(jì)算及閾值劃分方式有多種(陳穎等,2016)。Zhang等(2005)對(duì)比分析了不同概率分布近似條件下，多種統(tǒng)計(jì)時(shí)間窗的百分位高溫閾值計(jì)算方法。李慶祥和黃嘉佑(2011)利用站點(diǎn)日最高氣溫資料對(duì)中國(guó)高溫閾值進(jìn)行探討，指出基于實(shí)際樣本頻率分布的高溫閾值計(jì)算方法，對(duì)中國(guó)高溫閾值確定更為合理。

面對(duì)全球高溫災(zāi)害性天氣，中國(guó)的全球氣象業(yè)務(wù)目前尚無(wú)高溫天氣標(biāo)準(zhǔn)。世界氣象組織建議以32 ℃為高溫?zé)崂藰?biāo)準(zhǔn)，但該閾值顯然并不適用于全球大多數(shù)地區(qū)，這致使熱帶地區(qū)高溫日數(shù)過(guò)多(張井勇等,2018)。全球大多數(shù)國(guó)家都有各自的高溫或高溫?zé)崂藰?biāo)準(zhǔn)，各國(guó)閾值差別非常大，如中國(guó)以35 ℃作為高溫天氣標(biāo)準(zhǔn)，北歐多國(guó)將閾值定在25 ℃，印度的高溫標(biāo)準(zhǔn)則高達(dá)40 ℃。由于全球氣溫分布具有不均勻性，無(wú)法采用同一數(shù)值作為高溫閾值，因此，亟需建立全球分區(qū)域的高溫監(jiān)測(cè)、預(yù)報(bào)閾值標(biāo)準(zhǔn)，以推動(dòng)我國(guó)全球氣象業(yè)務(wù)發(fā)展。

文中利用具有一定時(shí)間長(zhǎng)度和空間覆蓋率的全球地面觀測(cè)數(shù)據(jù)，探討全球高溫閾值計(jì)算的方法和結(jié)果，旨在為全球分區(qū)域高溫閾值制定和高溫監(jiān)測(cè)預(yù)報(bào)業(yè)務(wù)提供理論基礎(chǔ)，也為區(qū)域防災(zāi)減災(zāi)提供參考依據(jù)。限于非洲觀測(cè)數(shù)據(jù)的質(zhì)量，文中僅涉及陸地范圍(不包含非洲)的高溫閾值探討。

1 資料選取與整理

1.1 數(shù)據(jù)選取

文中所用的日最高氣溫資料來(lái)自NOAA的全球地面日值數(shù)據(jù)(Global Surface Summary of the Day，GSOD)，該數(shù)據(jù)由全球地面逐小時(shí)觀測(cè)數(shù)據(jù)集(The Integrated Surface Hourly dataset，ISH)計(jì)算所得，是目前數(shù)據(jù)量較全、較穩(wěn)定的全球站點(diǎn)觀測(cè)資料集之一。數(shù)據(jù)集起始時(shí)間為1929年，其中1973年以后的數(shù)據(jù)相對(duì)較完整，到目前每天有包含大約9 000多站的日值觀測(cè)資料，其數(shù)據(jù)計(jì)算統(tǒng)計(jì)區(qū)間為00：00—23：59 UTC。

GSOD數(shù)據(jù)來(lái)自地面氣象觀測(cè)數(shù)據(jù)，避免了衛(wèi)星反演數(shù)據(jù)、分析數(shù)據(jù)等在計(jì)算和差值過(guò)程中產(chǎn)生的誤差。事實(shí)上，中國(guó)的高溫災(zāi)害性、極端性天氣監(jiān)測(cè)預(yù)報(bào)業(yè)務(wù)中，閾值和標(biāo)準(zhǔn)等的建立均采用氣象站觀測(cè)資料作為統(tǒng)計(jì)依據(jù)(李慶祥和黃嘉佑，2011)。通過(guò)對(duì)比GSOD數(shù)據(jù)和CPC、ERA等分析資料的日最高氣溫?cái)?shù)據(jù)發(fā)現(xiàn)，與觀測(cè)數(shù)據(jù)相比，分析數(shù)據(jù)雖然平均誤差較小，但其累積概率分布在很多站點(diǎn)均存在較大差異(圖略)，尤其在高溫一側(cè)，這將給高溫閾值的計(jì)算帶來(lái)誤差。因此，文中采用地面觀測(cè)數(shù)據(jù)展開(kāi)高溫閾值的探討。

1.2 資料整理及高溫?cái)?shù)據(jù)集構(gòu)建

由于全球不同國(guó)家或地區(qū)的氣象業(yè)務(wù)發(fā)展水平參差不齊，其參與全球交換的氣象數(shù)據(jù)在時(shí)間連續(xù)性和空間覆蓋率等方面均存在較大差異，因此在進(jìn)行統(tǒng)計(jì)前需對(duì)資料進(jìn)行整理。

首先，對(duì)1973年以后的日最高氣溫觀測(cè)資料序列進(jìn)行整理，綜合考慮有效觀測(cè)站點(diǎn)數(shù)及觀測(cè)數(shù)據(jù)的到報(bào)率(有效數(shù)據(jù)日數(shù)占統(tǒng)計(jì)時(shí)段總?cè)諗?shù)的比例)。圖1顯示，GSOD資料序列中日最高氣溫觀測(cè)從1973年以后較為完整，有效觀測(cè)站點(diǎn)維持在7 000余個(gè)，到2012年迅速增至8 000余個(gè)。雖然1973—2012年總觀測(cè)站點(diǎn)數(shù)變化不大，但觀測(cè)數(shù)據(jù)的穩(wěn)定性在不斷提升：20世紀(jì)70—80年代，日最高氣溫觀測(cè)的平均到報(bào)率僅為70%—75%，其中高到報(bào)率(≥95%，下同)站點(diǎn)僅3 000余個(gè)；進(jìn)入90年代，數(shù)據(jù)到報(bào)率迅速增加，平均到報(bào)率從74%增長(zhǎng)為80%以上，高到報(bào)率站點(diǎn)也穩(wěn)定在4 000個(gè)以上；進(jìn)入21世紀(jì)，平均到報(bào)率繼續(xù)攀升至90%以上，同時(shí)高到報(bào)率站點(diǎn)數(shù)迅速增長(zhǎng)，可見(jiàn)全球日最高氣溫觀測(cè)數(shù)據(jù)越來(lái)越穩(wěn)定。近年來(lái)，全球80%的觀測(cè)站點(diǎn)(超過(guò)7 000個(gè))到報(bào)率均超過(guò)95%。

圖1 GSOD資料序列中日最高氣溫觀測(cè)總站點(diǎn)數(shù)、到報(bào)率≥95%站點(diǎn)數(shù)和站點(diǎn)平均到報(bào)率演變Fig. 1 Evolution of the number of daily maximum temperature observation stations, the number of stations with reported rate ≥95%, and station average reported rate in the GSOD data series

綜合以上分析，自20世紀(jì)90年代開(kāi)始全球日最高氣溫觀測(cè)數(shù)據(jù)來(lái)源較為穩(wěn)定。在氣候統(tǒng)計(jì)分析中，通常以30年作為一個(gè)氣候基準(zhǔn)，因此文中選用1990—2019年為統(tǒng)計(jì)時(shí)段。在此期間，GSOD數(shù)據(jù)有日最高氣溫記錄的站點(diǎn)共計(jì)12 650個(gè)(圖2)。但上述站點(diǎn)在統(tǒng)計(jì)時(shí)間段內(nèi)的有效記錄覆蓋時(shí)間長(zhǎng)短差異明顯，大多數(shù)站點(diǎn)在20世紀(jì)90年代甚至21世紀(jì)初資料缺測(cè)現(xiàn)象仍十分嚴(yán)重，部分站點(diǎn)在2010年以后才開(kāi)始有相對(duì)較穩(wěn)定的觀測(cè)(圖略)。從30 年平均到報(bào)率看(圖2)，其空間分布十分不均勻：在北美、歐洲中西部、中國(guó)、日韓等經(jīng)濟(jì)較發(fā)達(dá)地區(qū)，能夠獲得穩(wěn)定資料的站點(diǎn)密集程度要明顯高于全球其他地區(qū)，這些地區(qū)大多數(shù)站點(diǎn)的平均到報(bào)率都超過(guò)95%；與之相反，中亞、非洲和南美洲的站點(diǎn)到報(bào)率總體較低，甚至有的站點(diǎn)的到報(bào)率在10%以下。

圖2 全球1990—2019年日最高氣溫觀測(cè)站點(diǎn)的空間分布和平均到報(bào)率(單位：%)Fig. 2 Spatial distribution and average reported rate (units:%) of daily maximum temperature observation stations from 1990 to 2019

閾值統(tǒng)計(jì)需要觀測(cè)數(shù)據(jù)時(shí)間序列具有一定時(shí)間長(zhǎng)度和穩(wěn)定的高到報(bào)率，因此需對(duì)統(tǒng)計(jì)時(shí)間段內(nèi)的觀測(cè)站點(diǎn)進(jìn)行篩選：要求缺測(cè)資料日數(shù)要控制在總資料日數(shù)的5%以內(nèi)(孫軍和張福青,2017)，即到報(bào)率95%以上。但由于全球資料缺測(cè)嚴(yán)重、站點(diǎn)空間分布極不均勻，為保證觀測(cè)站點(diǎn)具有一定空間密度和覆蓋率，在統(tǒng)計(jì)時(shí)對(duì)某些地區(qū)適當(dāng)放寬了要求，具體站點(diǎn)篩選方法如下：

首先，統(tǒng)計(jì)1990—2019年所有年份到報(bào)率均高于95%的站點(diǎn)(圖3中的“1”)。在此基礎(chǔ)上，增加僅1年到報(bào)率低于95%但高于80%(圖3中的“2、3”),或僅2年到報(bào)率低于95%但高于90%的站點(diǎn)(圖3中的“4”)。經(jīng)上述篩選，中亞、南亞、中東等地區(qū)的站點(diǎn)仍很少或幾乎沒(méi)有，因此需要對(duì)上述地區(qū)人工增選觀測(cè)站點(diǎn)。所增選的站點(diǎn)在某幾年的到報(bào)率低于95%，但其30年平均到報(bào)率高于95%，因此可用來(lái)進(jìn)行閾值分析，但在氣候變化等趨勢(shì)性分析時(shí)需加以剔除，圖3中的“5”)。

圖3 全球篩選日最高氣溫觀測(cè)站點(diǎn)分布(總站點(diǎn)數(shù)量1 969個(gè))Fig. 3 Distribution of selected global daily maximum temperature observation stations (the total number of stations is 1 969)

通過(guò)上述步驟，共計(jì)篩選出站點(diǎn)1 969個(gè)(圖3)，建立了較完整連續(xù)的全球1 969個(gè)站點(diǎn)30年逐日最高氣溫資料集。該資料集除非洲觀測(cè)站點(diǎn)缺乏、南美洲北部及南北極圈內(nèi)的站點(diǎn)較為稀疏外，全球其他地區(qū)的站點(diǎn)均具有較好的空間覆蓋率。

對(duì)于北半球高緯度地區(qū)(北美洲北部和俄羅斯北部)常年嚴(yán)寒，很多地區(qū)無(wú)人居住，氣象觀測(cè)站點(diǎn)非常稀少，其中大多數(shù)站點(diǎn)建立于21世紀(jì)以后，有些站點(diǎn)甚至是近10年才設(shè)立(圖4a)，因此數(shù)據(jù)的有效觀測(cè)長(zhǎng)度非常短。南美洲北部的數(shù)據(jù)情況與之相仿，南美洲北部的廣袤地區(qū)為熱帶雨林氣候區(qū)，亞馬遜平原遼闊的熱帶森林人口稀少，每平方千米不足1人，氣象觀測(cè)發(fā)展緩慢，很多站點(diǎn)建站時(shí)間較晚，且觀測(cè)設(shè)備維護(hù)和數(shù)據(jù)傳輸?shù)葐?wèn)題導(dǎo)致數(shù)據(jù)傳輸非常不穩(wěn)定，缺測(cè)現(xiàn)象嚴(yán)重(圖4b)。

非洲氣象觀測(cè)發(fā)展緩慢、觀測(cè)儀器缺乏維護(hù)、電子化信息化程度低，數(shù)據(jù)缺測(cè)程度非常嚴(yán)重。統(tǒng)計(jì)非洲觀測(cè)資料到報(bào)率結(jié)果顯示，其主要問(wèn)題在于設(shè)備的維護(hù)和數(shù)據(jù)的傳輸。非洲觀測(cè)站點(diǎn)中，僅有不到0.5%的站點(diǎn)擁有較穩(wěn)定的高到報(bào)率(圖略)。在所有站點(diǎn)中約有36%的站點(diǎn)建立時(shí)間晚于1990年，其中部分站點(diǎn)建立于2000年之后；而其他63.5%的站點(diǎn)則存在數(shù)據(jù)穩(wěn)定性非常差的問(wèn)題，甚至經(jīng)常連續(xù)數(shù)年沒(méi)有數(shù)據(jù)(圖4c)。從30年平均到報(bào)率看，除非洲北部少數(shù)站點(diǎn)外，其他地區(qū)均在50%以下，甚至很多站點(diǎn)低于10%(圖2)。即使近幾年，非洲的地面觀測(cè)也僅有33%的站點(diǎn)到報(bào)率能達(dá)到95%。鑒于以上原因，無(wú)法利用地面觀測(cè)資料開(kāi)展高溫閾值統(tǒng)計(jì)。針對(duì)非洲的高溫閾值，將在其他研究中，依靠全球再分析資料和衛(wèi)星反演資料等進(jìn)行探討和補(bǔ)充。

圖4 代表站點(diǎn)逐年到報(bào)率(a.俄羅斯北部和加拿大北部站點(diǎn)，b.南美洲北部站點(diǎn)，c.非洲站點(diǎn))

2 高溫閾值計(jì)算方法

2.1 實(shí)際概率分布百分位閾值統(tǒng)計(jì)

文中選用90百分位數(shù)對(duì)應(yīng)的溫度值作為該站點(diǎn)的高溫閾值。在傳統(tǒng)計(jì)算中，通常將統(tǒng)計(jì)時(shí)間段內(nèi)的日最高氣溫序列按從小到大的順序排列(t1，t2，t3，…，tn)，則某一百分位數(shù)對(duì)應(yīng)的溫度值為

t0=(1-a)tm+atm+1

(1)

式中，m為溫度序列的序號(hào)；n為總樣本數(shù)；a為權(quán)重系數(shù)。實(shí)際計(jì)算時(shí)，m和a的計(jì)算有多種方法(Zhang et al,2005;李紅梅等,2008)，一般常取m=[p0(n+1)]，a=p0(n+1)-m，其中p0為所計(jì)算百分位值對(duì)應(yīng)的概率，方括號(hào)表示數(shù)值取整(黃嘉佑，2016)。

傳統(tǒng)計(jì)算方法均對(duì)溫度序列的概率分布有所假設(shè)，而實(shí)際上日最高氣溫序列既不遵從均勻分布，也不完全遵從正態(tài)分布，所以嚴(yán)格意義上講，采用傳統(tǒng)的百分位閾值計(jì)算方法，會(huì)存在2 ℃左右的誤差(李慶祥和黃嘉佑，2011)。因此，為更精確地計(jì)算高溫閾值，參照李慶祥和黃嘉佑(2011)的方法，利用最高氣溫?cái)?shù)據(jù)的實(shí)際累積概率分布來(lái)確定百分位閾值。計(jì)算時(shí)首先對(duì)30年的站點(diǎn)日最高氣溫時(shí)間序列進(jìn)行排序，并確定樣本頻率分布的分組數(shù)量。組數(shù)計(jì)算公式為G=1+3.322lgn(黃嘉佑，2016)，其中n為總樣本數(shù)，文中取為30年夏季的總?cè)諗?shù)。因所選月份差異和站點(diǎn)數(shù)據(jù)缺測(cè)，不同站點(diǎn)的樣本數(shù)n值為2 660—2 760，該樣本數(shù)的變化對(duì)分組數(shù)量的影響不大，根據(jù)計(jì)算所得，分組組數(shù)近似取為12。

分組確定后，分別計(jì)算每組數(shù)據(jù)的頻率分布，然后利用序列的實(shí)際累積概率分布，通過(guò)線性差值的方式確定相應(yīng)百分位的高溫閾值。此方法可較為真實(shí)地反映溫度序列的分布情況，具體計(jì)算方法：

t0=ati+(1-a)tj

(2)

(3)

當(dāng)p0(90)百分位數(shù)落入某兩組數(shù)據(jù)(ti，tj)的累積頻率值(pi，pj)之間時(shí)，采用式(2)和式(3)線性差值求得相應(yīng)的氣溫閾值。

2.2 統(tǒng)計(jì)時(shí)間窗

選取1990—2019年夏季為高溫閾值統(tǒng)計(jì)時(shí)間窗。在大多數(shù)研究中，北半球夏季一般定義為6—8月，而南半球夏季則定義為12月至次年2月。但實(shí)際上，受不同氣候類型、大氣環(huán)流特征、地形及洋流等影響，全球不同站點(diǎn)的氣溫月變化存在較大差異(圖5)。如果僅按南、北半球區(qū)分夏季，所計(jì)算的高溫閾值將會(huì)存在較大誤差。

圖5 代表站點(diǎn)月平均日最高氣溫分布(a.瑞士日內(nèi)瓦，b.澳大利亞堪培拉，c.日本東京，d.老撾萬(wàn)象，e.印度新德里，f.菲律賓達(dá)沃)Fig. 5 Monthly mean daily maximum temperature distribution of representative stations (a.Geneva, Switzerland; b.Canberra, Australia; c.Tokyo, Japan; d.Vientiane, Laos;e.New Delhi, India; f.Davao, Philippines)

對(duì)最熱三個(gè)月統(tǒng)計(jì)(圖6)顯示，北(南)半球溫帶和寒帶大部分站點(diǎn)以6—8月(12月至次年2月)的日最高氣溫為峰值(如瑞士日內(nèi)瓦和澳大利亞堪培拉，圖5a、b)；但日韓、中國(guó)東南沿海、歐美沿海等地區(qū)，則以7—9月為最熱(如日本東京，圖5c)；南亞、東南亞等熱帶地區(qū)，全年氣溫均較高，最熱的月份往往集中在3—5月或4—6月的干季(如老撾萬(wàn)象和印度新德里，圖5d、e)；而某些熱帶地區(qū)站點(diǎn)，全年日最高氣溫的月較差非常小，最熱三個(gè)月甚至并不連續(xù)(如菲律賓達(dá)沃，圖5f)。

圖6 全球1 969個(gè)氣象觀測(cè)站最熱月份(三個(gè)月)分布(數(shù)值字代表月份)Fig. 6 The hottest three months of global 1 969 meteorological observation stations (the number represents each month)

考慮全球站點(diǎn)地理位置的特殊性，選取兩種夏季定義方式：第一種直接選取站點(diǎn)真實(shí)最熱三個(gè)月(圖6)為夏季；第二種對(duì)北半球中高緯度地區(qū)夏季定義為6—8月，南半球中高緯度地區(qū)夏季定義為12月至次年2月，而低緯地區(qū)及地形影響較大區(qū)域夏季定義為真實(shí)最熱三個(gè)月。經(jīng)過(guò)計(jì)算，此兩種夏季定義方式的計(jì)算高溫閾值相差較小，大多數(shù)站點(diǎn)相差不到0.5 ℃，1 969個(gè)站的均方差僅0.15 ℃，因此文中主要就第一種方法的計(jì)算結(jié)果進(jìn)行討論。

3 計(jì)算結(jié)果分析

3.1 不同日最高氣溫值的百分位分布

在對(duì)全球高溫閾值進(jìn)行討論前，首先對(duì)目前WMO和中國(guó)現(xiàn)有高溫標(biāo)準(zhǔn)在氣候統(tǒng)計(jì)中的百分位情況進(jìn)行比較。WMO建議的高溫?zé)崂藰?biāo)準(zhǔn)為日最高氣溫高于32 ℃；中國(guó)業(yè)務(wù)高溫標(biāo)準(zhǔn)為最高氣溫高于35 ℃，其中全國(guó)高溫預(yù)警的發(fā)布則以37 ℃高溫的影響范圍為參考。因此，針對(duì)上述三種閾值的百分位進(jìn)行了計(jì)算(圖7)。

圖7 32 ℃(a)、35 ℃(b)和37 ℃(c)對(duì)應(yīng)的1990—2019年夏季日最高氣溫氣候統(tǒng)計(jì)百分位值(單位：℃)

圖7a顯示，對(duì)于歐洲大陸45°N以北的大部分地區(qū)，32 ℃的最高氣溫對(duì)應(yīng)90或以上百分位；45°N以南地區(qū)，32 ℃大多對(duì)應(yīng)85—95百分位，且隨緯度降低而遞減。WMO選用32 ℃作為高溫建議閾值，與其總部日內(nèi)瓦所在地理位置(約46°N)有很大關(guān)系，其附近站點(diǎn)32 ℃對(duì)應(yīng)90—95百分位。對(duì)于亞洲大陸，情況較為復(fù)雜：俄羅斯、蒙古、日本北海道和中國(guó)東北地區(qū)及青藏高原高海拔地區(qū)，32 ℃的最高氣溫對(duì)應(yīng)90及以上百分位，但中亞、中東、阿拉伯半島及南亞?wèn)|南亞等地區(qū)，32 ℃均對(duì)應(yīng)80以下百分位。對(duì)于中國(guó)35 ℃高溫標(biāo)準(zhǔn)(圖7b)，除高海拔站點(diǎn)外，中國(guó)大部分站點(diǎn)35 ℃均對(duì)應(yīng)90以上百分位，有些站點(diǎn)甚至達(dá)95百分位。對(duì)比整個(gè)亞歐大陸，除中亞、阿拉伯半島、中東、印度半島和中南半島外，其他地區(qū)35 ℃均對(duì)應(yīng)90以上百分位。

從WMO和中國(guó)高溫標(biāo)準(zhǔn)對(duì)應(yīng)的百分位看，選用夏季90百分位數(shù)作為閾值計(jì)算指標(biāo)是較為合理的，這也與大多數(shù)高溫極端天氣或高溫?zé)崂搜芯肯喾?Zhang et al,2005；李慶祥和黃嘉佑,2011；李艷等,2014)。對(duì)于高溫閾值的選取，既要反映大氣的極端性，又要具有一定的代表性，即高溫事件不能太多，也不能太少。對(duì)于更高的百分位數(shù)，其能夠體現(xiàn)溫度的更極端狀態(tài)，但以此確定的閾值過(guò)高，年高溫日數(shù)將明顯變少。以95百分位為例，在統(tǒng)計(jì)上，其年平均高溫日數(shù)僅有4.5 d(90 d×5%)，高溫日數(shù)明顯偏少。比如對(duì)于中國(guó)，95百分位對(duì)應(yīng)的溫度值僅在江淮和江南地區(qū)之間為35 ℃左右，但在此區(qū)域以北及以南的大部分地區(qū)，溫度值都要超過(guò)37 ℃，與中國(guó)的現(xiàn)行高溫標(biāo)準(zhǔn)有明顯出入。

對(duì)比亞歐區(qū)域不同溫度值的百分位分布(圖7)發(fā)現(xiàn)，歐洲大陸的最高氣溫百分位數(shù)較亞洲略偏大，因此其高溫閾值偏低，閾值確定可參考WMO的高溫標(biāo)準(zhǔn)。亞洲大陸中東部的最高氣溫百分位分布特征與中國(guó)相近，閾值確定可參考中國(guó)的35 ℃高溫標(biāo)準(zhǔn)；東南亞地區(qū)溫度偏高，37 ℃的最高氣溫對(duì)應(yīng)90百分位(圖7c)；而對(duì)于印度半島、中亞、阿拉伯半島等地，37 ℃對(duì)應(yīng)90以下百分位(圖7c)，因此需要更高的高溫閾值。

3.2 90百分位高溫閾值

圖8給出了全球1 969個(gè)觀測(cè)站夏季(實(shí)際最熱三個(gè)月)日最高氣溫90百分位對(duì)應(yīng)的高溫閾值計(jì)算結(jié)果。從全球范圍看，高溫閾值總體呈從赤道向兩極遞減趨勢(shì)，閾值最高的區(qū)域位于阿拉伯半島到非洲北部的沙漠地區(qū)(高于40 ℃)，閾值最低的區(qū)域集中在南、北極圈內(nèi)。

圖8 全球1 969個(gè)氣象觀測(cè)站1990—2019年夏季日最高氣溫90百分位值(單位：℃)Fig. 8 90 percentile of daily maximum temperature (units：℃) at global 1 969 stations during summer from 1990 to 2019

受氣候特征、海陸差異、海拔高度等影響，即使相同緯度的不同地區(qū)閾值差異也較大。例如，同樣位于25°N附近的站點(diǎn)，高溫閾值為27—48 ℃(圖9)：阿拉伯半島(30°—60°E)受熱帶沙漠氣候影響，高溫閾值可達(dá)44—48 ℃，站點(diǎn)平均45.5 ℃；印度半島北部(66°—85°E)處于熱帶季風(fēng)氣候區(qū)，高溫閾值為41—44 ℃；在95°—110°E附近，25°N線貫穿中國(guó)云貴高原，此區(qū)域站點(diǎn)海拔普遍高于1 000 m，高溫閾值僅為27—31 ℃，站點(diǎn)平均值為29.8 ℃；110°—120°E之間為中國(guó)江南、華南地區(qū)，受季風(fēng)氣候影響，高溫閾值為35—37 ℃；而西北太平洋島嶼(124°—130°E)受海洋氣候影響，高溫閾值僅為32—33 ℃。

此外，受海陸差異影響，沿海站點(diǎn)的高溫閾值普遍低于內(nèi)陸。例如，北歐挪威海沿岸高溫閾值(19—22 ℃)較同緯度東歐平原北部(26—28 ℃)低6—7 ℃(圖9)；北美阿拉斯加半島沿海高溫閾值較加拿大東北部低5—6 ℃。全球不同區(qū)域地理地形和氣候差異顯著，高溫閾值空間分布極不均勻，以下將分區(qū)域?qū)ζ溥M(jìn)行探討。

圖9 (24°—26.3°N；30°—135°E)區(qū)域氣象觀測(cè)站日最高氣溫90百分位值和海拔Fig. 9 90 percentile high temperature threshold and stations’ altitude of daily maximum temperature observation stations between 24°N and 26.3°N；30°E and 135°E

亞洲地區(qū)，不同地區(qū)或氣候條件下，高溫閾值存在顯著的差異。日本、韓國(guó)等東亞國(guó)家受東亞季風(fēng)氣候影響，高溫閾值為30—36 ℃(圖8)。中南半島和印度半島雖然位于近似緯度，但印度大陸面積廣闊，北部有青藏高原阻擋冷空氣南下，地形起伏閉塞，氣溫更易升高，在夏季形成印度熱低壓中心(朱乾根等，2007)，加上印度半島的印度季風(fēng)爆發(fā)晚于中南半島的南海季風(fēng)，因此印度半島(尤其北部)高溫閾值明顯高于中南半島。中南半島高溫閾值分布較均勻(37—40 ℃),而印度半島高溫閾值為38—45 ℃，且內(nèi)陸地區(qū)由南向北遞增。印度尼西亞、馬來(lái)西亞群島及其他太平洋熱帶島嶼國(guó)家雖更接近赤道，但受熱帶雨林氣候影響，高溫閾值普遍為32—35 ℃。地處歐亞大陸腹地的中亞地區(qū)氣候?yàn)榈湫偷纳衬痛箨懶詺夂?，雨水稀少、溫度極高，其與阿拉伯半島高溫閾值均較高，基本都在40 ℃以上。其中，阿拉伯半島中部高溫閾值為42—48 ℃，為全球高溫閾值之最。

歐洲地區(qū)，大陸區(qū)域的高溫閾值總體呈從南向北遞減趨勢(shì)，沿海地區(qū)閾值低于內(nèi)陸，其閾值大值中心主要位于伊比利亞半島中東部和巴爾干半島中部。這兩個(gè)地區(qū)緯度相對(duì)較低且均受地中海氣候影響，高溫閾值分別為34—40 ℃和34—37 ℃。此外，歐洲45°N以北地區(qū)高溫閾值普遍低于32 ℃(圖8)，其中，大不列顛島和北歐地區(qū)的閾值為20—25 ℃，其他地區(qū)為27—32 ℃;45°N以南地區(qū)的高溫閾值變化較大，為26—40 ℃。

北美大陸主要受溫帶大陸和溫帶海洋性氣候影響，高溫閾值總體呈由低緯向高緯遞減、沿海低于內(nèi)陸的特征(圖8)。加拿大高溫閾值普遍低于32 ℃，閾值最低的站點(diǎn)位于北極圈內(nèi)的巴芬島和格陵蘭島。北美高溫閾值的最大值(40—44 ℃)出現(xiàn)在美國(guó)西南部，此區(qū)域?yàn)楸泵滥S沙漠和索諾拉沙漠地區(qū)，受熱帶沙漠氣候影響，溫度顯著高于北美其他地區(qū)。墨西哥到中美洲一帶，氣候特征復(fù)雜多樣，高溫閾值為33—40 ℃。

南美洲中北部地區(qū)，高溫閾值隨緯度增加而遞減的趨勢(shì)并不明顯，除沿海和西部高海拔地區(qū)外，總體分布較均勻，都集中在34—37 ℃，中部地區(qū)局地可達(dá)39—40 ℃(圖8)。南美西部的高海拔和沿海地區(qū)，受高原山地氣候和冷洋流影響，高溫閾值僅為23—27 ℃。

大洋洲氣候分布較為復(fù)雜，高溫閾值空間分布極不均勻，閾值跨度較大(圖8)。澳大利亞大陸北部和東部分別受草原氣候和季風(fēng)氣候控制，氣溫較適宜，高溫閾值為32—35 ℃；而澳大利亞中西部為廣袤的沙漠，在熱帶沙漠氣候影響下，高溫閾值普遍為40—41 ℃。塔斯馬尼亞島和新西蘭為溫帶海洋性氣候，高溫閾值為20—28 ℃。而所羅門群島至庫(kù)克群島一帶的太平洋島嶼，受海洋性氣候影響，高溫閾值為31—34 ℃。

3.3 代表站點(diǎn)對(duì)比分析

為更直觀對(duì)比不同氣候影響下，全球不同區(qū)域的日最高氣溫分布特征及計(jì)算高溫閾值，并與現(xiàn)有的高溫標(biāo)準(zhǔn)進(jìn)行對(duì)比，選取全球9個(gè)代表站點(diǎn)進(jìn)行分析，其地理位置、主要影響氣候和高溫閾值如表1所列。

表1 全球不同區(qū)域代表站點(diǎn)信息

分析代表站點(diǎn)日最高氣溫的30年概率密度函數(shù)分布(圖10)發(fā)現(xiàn)，不同區(qū)域、不同氣候背景下，日最高氣溫的分布具有明顯差異，且溫度分布也與典型的正態(tài)分布有一定差別，這是文中選用實(shí)際概率分布來(lái)計(jì)算高溫閾值的原因，也是對(duì)不同區(qū)域和氣候類型需要分別考慮不同高溫閾值的原因。

圖10顯示，對(duì)于溫帶地區(qū)的4個(gè)站點(diǎn)(北京、日內(nèi)瓦、華盛頓、瑞典，圖10a、b、f、i)，其日最高氣溫概率密度函數(shù)大值的分布區(qū)間較寬泛，有的站點(diǎn)會(huì)有雙峰或多峰特點(diǎn)。從閾值分布看，溫帶地區(qū)除高海拔及沿海高溫閾值較低、沙漠氣候區(qū)閾值較高之外，其高溫閾值主要受緯度影響較大(圖8)，其中中緯度地區(qū)的溫帶季風(fēng)、溫帶大陸氣候影響地區(qū)較廣，閾值大多為35—37 ℃(如北京、華盛頓)；越過(guò)45°N，高溫閾值迅速降低至32 ℃及以下(如瑞士)，緯度較高地區(qū)，閾值通常為25—27 ℃(如瑞典)。

圖10 1990—2019年全球不同區(qū)域代表站點(diǎn)日最高氣溫概率密度函數(shù)分布(紅線為各站點(diǎn)的相應(yīng)計(jì)算90百分位高溫閾值)(a.54511號(hào)站，中國(guó)北京； b.6700號(hào)站，瑞士日內(nèi)瓦； c.42182號(hào)站，印度新德里； d.94926號(hào)站，澳大利亞堪培拉； e.40437號(hào)站，沙特阿拉伯利雅得； f.72405號(hào)站，美國(guó)華盛頓； g.83612號(hào)站，巴西大坎普； h.48665號(hào)站，馬來(lái)西亞馬六甲； i.2464號(hào)站，瑞典斯德哥爾摩)Fig. 10 Statistical probability distribution of daily maximum temperature at representative stations in different regions of the world from 1990 to 2019 (the red line is the corresponding calculated high temperature threshold of each station) (a.54511, Beijing, China; b.6700, Geneva, Switzerland; c.42182, New Delhi, India; d.94926, Canberra, Australia; e.40437, Riyadh, Saudi Arabia; f.72405, Washington, USA; g.83612, Grand Camp, Brazil; h.48665, Malacca, Malaysia; i.2464, Stockholm, Sweden)

對(duì)于熱帶地區(qū)的站點(diǎn)(新德里、利雅得、大坎普、馬六甲，圖10c、e、g、h)，全年氣溫普遍較高，因此其峰值非常集中。尤其熱帶雨林氣候區(qū)(圖10h)，全年高溫多雨，最高氣溫分布集中在29—35 ℃(累積概率達(dá)85%以上，圖略)。由于熱帶地區(qū)溫度普遍較高，且概率分布集中，因此該地區(qū)的高溫閾值受緯度影響較小，氣候特征對(duì)閾值的影響占主要地位(圖8)。例如，位于熱帶雨林氣候區(qū)的馬六甲高溫閾值僅為34.85 ℃；位于熱帶草原氣候區(qū)的巴西中南部，高溫閾值普遍在37 ℃左右(大坎普36.50 ℃)；位于熱帶季風(fēng)氣候區(qū)的印度半島高溫閾值超40 ℃(新德里42.90 ℃)；而熱帶沙漠地區(qū)溫度閾值為全球最高(如阿拉伯半島、非洲北部及澳大利亞中西部)，高溫閾值均非常高，其中沙特阿拉伯的利雅得，閾值達(dá)45.90 ℃。

澳大利亞堪培拉位于澳大利亞?wèn)|南部，主要受亞熱帶季風(fēng)氣候影響，夏熱冬溫，四季分明，其日最高氣溫分布的偏態(tài)分布特征明顯(圖10d)，在較高溫度一側(cè)擁有更高的概率分布。其在緯度上與中國(guó)江淮地區(qū)相對(duì)應(yīng)，溫度閾值也較為接近。

計(jì)算高溫閾值與國(guó)內(nèi)外常用標(biāo)準(zhǔn)對(duì)比顯示，北京的計(jì)算高溫閾值為35.34 ℃，與中國(guó)實(shí)行的業(yè)務(wù)標(biāo)準(zhǔn)35 ℃較為吻合。瑞士日內(nèi)瓦的計(jì)算閾值為31.82 ℃，非常接近WMO建議的高溫?zé)崂藰?biāo)準(zhǔn)32 ℃。印度對(duì)高溫?zé)崂说亩x為平原地區(qū)高溫標(biāo)準(zhǔn)40 ℃，瑞典等北歐國(guó)家則以25 ℃為高溫標(biāo)準(zhǔn)，文中計(jì)算的新德里和斯德哥爾摩高溫閾值較其本國(guó)標(biāo)準(zhǔn)略偏高，這是因?yàn)檫x取站點(diǎn)為較大城市，高溫現(xiàn)象更明顯。

分析全年日最高氣溫概率密度函數(shù)分布(圖10)發(fā)現(xiàn)，北京的計(jì)算高溫閾值所對(duì)應(yīng)概率密度約為1.4%，計(jì)算所得高于該高溫閾值的累積概率約2.9%。與之相對(duì)比，其他代表站點(diǎn)的高溫閾值所對(duì)應(yīng)的概率密度及高于該高溫閾值的累積概率分別為1.0%—1.7%和2.2%—3.8%，與北京站的計(jì)算值較為接近。而北京站的高溫閾值又與實(shí)際業(yè)務(wù)標(biāo)準(zhǔn)非常吻合。在此種高溫閾值下，各個(gè)站點(diǎn)30年的高溫日數(shù)約為241—416 d，平均每年約為8—14 d，此計(jì)算高溫閾值可以較好地反映全年溫度的極端性，且與中國(guó)的業(yè)務(wù)標(biāo)準(zhǔn)和習(xí)慣較為吻合。

4 結(jié)論與討論

選用1990—2019年GSOD全球地面觀測(cè)數(shù)據(jù)，在對(duì)長(zhǎng)時(shí)間序列日最高氣溫資料分析基礎(chǔ)上，篩選出滿足統(tǒng)計(jì)需求的全球1 969個(gè)觀測(cè)站，建立相對(duì)完整連續(xù)的逐日最高氣溫資料集，探討全球(不包括非洲)高溫閾值的統(tǒng)計(jì)方法和計(jì)算結(jié)果，得到：

1) 利用站點(diǎn)實(shí)際最熱三個(gè)月的日最高氣溫實(shí)際累積概率分布，采用90百分位數(shù)作為高溫閾值統(tǒng)計(jì)方法，可以較好反映全球高溫天氣，也與大多數(shù)高溫極端天氣或高溫?zé)崂搜芯肯喾?。?duì)比國(guó)內(nèi)外現(xiàn)有高溫標(biāo)準(zhǔn)以及最高氣溫概率密度函數(shù)分布等，計(jì)算最高氣溫閾值能較好地反映全年氣溫的極端性，且與中國(guó)的業(yè)務(wù)標(biāo)準(zhǔn)和習(xí)慣較為吻合。

2) 全球高溫閾值總體從赤道向兩極遞減，最高值位于阿拉伯半島到非洲北部的熱帶沙漠地區(qū)，最低值集中在南、北極圈內(nèi)，同時(shí)受氣候特征、海陸差異、海拔高度等影響，同一緯度不同地區(qū)的閾值也會(huì)存在顯著差異，海洋附近站點(diǎn)及高海拔地區(qū)閾值較同緯度其他地區(qū)偏低。溫帶地區(qū)高溫閾值受緯度分布影響最明顯，熱帶地區(qū)受氣候類型影響更顯著。

3) 亞洲高溫閾值區(qū)域差異顯著，東亞季風(fēng)氣候區(qū)閾值為30—36 ℃，中南半島37—40 ℃，印度半島38—45 ℃，中亞及阿拉伯半島均在40 ℃以上，其中阿拉伯半島可達(dá)42—48 ℃。歐洲大陸與北美洲的高溫閾值總體從南向北遞減、沿海低于內(nèi)陸。歐洲閾值大值中心位于伊比利亞半島和巴爾干半島(34—40 ℃)，北美則出現(xiàn)在美國(guó)西南部的沙漠氣候區(qū)(40—44 ℃)。歐洲45°N以北及加拿大閾值普遍低于32 ℃。南美洲最高氣溫閾值受緯度影響不明顯，除沿海和西部高海拔地區(qū)外(23—27 ℃)，高溫閾值分布總體較均勻(34—37 ℃，局地超過(guò)39 ℃)。大洋洲閾值分布極不均勻，澳大利亞北部和東部閾值32—35 ℃，而中西部沙漠地區(qū)閾值為40—41 ℃。此外，亞洲與大洋洲的太平洋熱帶島嶼國(guó)家高溫閾值普遍在31—35 ℃。

文中高溫閾值計(jì)算基于全球站點(diǎn)實(shí)況觀測(cè)數(shù)據(jù)，對(duì)于數(shù)據(jù)缺測(cè)嚴(yán)重的非洲大部分地區(qū)，尚缺乏有效的統(tǒng)計(jì)站點(diǎn)，因此需在未來(lái)的研究中利用再分析資料或衛(wèi)星反演溫度資料等進(jìn)行討論。此外，為方便全球最高氣溫監(jiān)測(cè)預(yù)報(bào)業(yè)務(wù)和服務(wù)的需要，需在一定空間范圍內(nèi)實(shí)現(xiàn)閾值的統(tǒng)一。在進(jìn)行閾值區(qū)域統(tǒng)一時(shí)，需綜合參考該區(qū)域的計(jì)算高溫閾值、氣候類型、國(guó)家或地區(qū)的地域范圍及當(dāng)?shù)刈罡邭鉁貥?biāo)準(zhǔn)等，這部分工作有待今后進(jìn)一步深入研究。