1961—2020年中國(guó)復(fù)合濕熱的變化特征

張書惠 華維 陳活潑

摘要 隨著全球變暖加劇，復(fù)合濕熱天氣在世界各地呈現(xiàn)顯著加劇趨勢(shì)，中國(guó)東部也是極端濕熱事件的高發(fā)區(qū)。為更好了解中國(guó)復(fù)合濕熱事件的變化特征，基于1961—2020年中國(guó)日最高濕球溫度觀測(cè)數(shù)據(jù)，利用趨勢(shì)分析、小波功率譜分析和廣義極值分布分析等方法，對(duì)中國(guó)日最高濕球溫度的時(shí)空變化特征進(jìn)行了深入分析。結(jié)果表明：1）1961—2020年中國(guó)日最高濕球溫度平均值和最大值主要呈“南高北低”的分布特點(diǎn)，最大值高值區(qū)集中在中國(guó)南部和四川盆地。全國(guó)日最高濕球溫度平均值呈增強(qiáng)趨勢(shì)，最大值無明顯的變化趨勢(shì)。全國(guó)平均值有2～6 a尺度的周期震蕩，全國(guó)最大值在多個(gè)時(shí)間段和時(shí)間尺度有短周期。2）全國(guó)極端濕熱閾值分布與日最高濕球溫度最大值比較類似，極端濕熱強(qiáng)度呈現(xiàn)增強(qiáng)趨勢(shì)，全國(guó)極端濕熱頻次也以0.098 d／a的速率增多。西北東部地區(qū)極端濕熱強(qiáng)度增強(qiáng)幅度最大，但南方地區(qū)呈減弱趨勢(shì);西北東部、南方和東北地區(qū)極端濕熱頻次持續(xù)增多。3）多年一遇事件的閾值分布同樣與最大值分布類似，多年一遇事件頻次呈現(xiàn)顯著的區(qū)域特征，多年一遇事件主要發(fā)生在四川盆地，其中西北東部地區(qū)顯著增多，南方地區(qū)有減少趨勢(shì)。

關(guān)鍵詞濕球溫度;長(zhǎng)期趨勢(shì);氣候變化；小波分析

隨著全球變暖，極端天氣氣候事件顯著增加、增強(qiáng)，對(duì)生態(tài)環(huán)境、社會(huì)經(jīng)濟(jì)等已造成了巨大威脅（李銘宇等，2020;姜彤等，2022）。尤其是極端高溫事件，在過去幾十年發(fā)生頻次顯著增加、強(qiáng)度增強(qiáng)（周波濤和錢進(jìn)，2021），已嚴(yán)重威脅人體健康，甚至引發(fā)了極端熱相關(guān)的死亡（Conti et al.，2005;Borden and Cutter，2008;Bell et al.，2018），如2022年夏季長(zhǎng)江流域的高溫?zé)崂恕?023年6—7月華北的極端高溫等。目前對(duì)極端高溫的研究通常只關(guān)注溫度的作用，但隨著全球變暖，大氣濕度在增加，高溫高濕天氣越發(fā)頻繁，人們暴露于桑拿天氣的風(fēng)險(xiǎn)急劇增加（李萬玲和郝鑫，2023）。在高溫的研究中，如果忽視濕度的影響，可能會(huì)嚴(yán)重低估高溫的強(qiáng)度及其危害（陳曦等，2020），因此，急需綜合考慮溫度和濕度共同影響的復(fù)合型事件（余榮和翟盤茂，2021）。

現(xiàn)有的研究指出，極端濕熱復(fù)合事件主要發(fā)生于亞熱帶沿海區(qū)域（Byers et al.，2018;Raymond et al.，2020;Speizer et al.，2022），潮濕的熱帶和亞熱帶地區(qū)由于濕度的大幅度增加，濕熱事件的強(qiáng)度顯著增強(qiáng)（Willett and Sherwood，2012）。在未來，21世紀(jì)的中后期濕球溫度可能超過人類可以承受的理論極限（Dosio et al.，2018），印度東北部、中國(guó)東部、西非和美國(guó)東南部的部分地區(qū)濕熱事件增加的風(fēng)險(xiǎn)最大（Coffel et al.，2018;Parsons et al.，2022）;同時(shí)，人口越稠密的地區(qū)遭受著極端復(fù)合濕熱事件影響的風(fēng)險(xiǎn)也越大（Kjellstrom et al.，2009），中國(guó)東部也是世界人口最稠密的地區(qū)之一，因此，中國(guó)有相當(dāng)大的人群暴露在危險(xiǎn)濕熱環(huán)境中，對(duì)中國(guó)濕熱事件的研究十分有必要。

研究濕熱事件的指標(biāo)有濕球黑球溫度、濕球溫度和體感溫度等。極端的濕熱環(huán)境會(huì)阻礙人體的正常散熱（Sherwood and Huber，2010），有研究明確顯示出高于35 ℃的濕球溫度值會(huì)對(duì)大多數(shù)人產(chǎn)生健康威脅（Willett and Sherwood，2012;Im et al.，2017），因此本次對(duì)中國(guó)濕熱事件的研究使用濕球溫度作為評(píng)估濕熱事件的指數(shù)。

現(xiàn)有對(duì)中國(guó)的濕熱變化研究表明，中國(guó)的極端濕熱事件的發(fā)生頻率高于極端干熱事件（Xu et al.，2021），華北和西北的極端濕熱事件發(fā)生主要與單獨(dú)的濕度作用相聯(lián)系，東部地區(qū)的極端濕熱事件與極端溫度和濕度的雙重作用有關(guān)（Wang et al.，2019;Luo et al.，2022）。中國(guó)東部極端濕熱天氣的形成通常伴隨著比干熱范圍更廣的異常反氣旋（He et al.，2023），在可以預(yù)見的未來里，中國(guó)東部很可能會(huì)發(fā)生更嚴(yán)重的熱浪（陳曦等，2020;Chen et al.，2022;袁宇峰和翟盤茂，2022）。目前學(xué)術(shù)界對(duì)中國(guó)濕熱事件的研究在變化、機(jī)制和預(yù)估上都有一定的闡述，但對(duì)中國(guó)各區(qū)域濕球溫度的一般變化和極端變化的研究還較少。中國(guó)地域廣闊，各區(qū)域的濕球溫度的分布與變化規(guī)律各不相同，針對(duì)性地研究中國(guó)區(qū)域內(nèi)的復(fù)合濕熱事件十分有必要。本文將在前人研究的基礎(chǔ)上，深入分析過去60 a來中國(guó)區(qū)域復(fù)合濕熱事件的時(shí)空變化特征，以期為我國(guó)氣候變化應(yīng)對(duì)提供科學(xué)支撐。

1 資料和方法

1.1 資料來源

本文使用的數(shù)據(jù)為日最高濕球溫度，由日最高氣溫、日平均相對(duì)濕度和日平均地面氣壓變量計(jì)算而來。其中日最高氣溫和日平均相對(duì)濕度來源于CN05.1格點(diǎn)化數(shù)據(jù)集（吳佳和高學(xué)杰，2013），數(shù)據(jù)的時(shí)間范圍為1961—2020年，水平分辨率為0.25°×0.25°，區(qū)域?yàn)橹袊?guó)陸地（無臺(tái)灣地區(qū)資料統(tǒng)計(jì)）。由于CN05.1沒有地面氣壓數(shù)據(jù)，該變量來自歐洲中期天氣預(yù)報(bào)中心（ECMWF）提供的ERA5再分析資料。日最高濕球溫度根據(jù)Davies-Jones（Davies-Jones，2008）發(fā)展的公式計(jì)算得到。

1.2 旋轉(zhuǎn)經(jīng)驗(yàn)正交函數(shù)

經(jīng)驗(yàn)正交函數(shù)（EOF）長(zhǎng)期應(yīng)用于氣象變量場(chǎng)分析，它能夠反映時(shí)空分布的變率結(jié)構(gòu)，提取變量場(chǎng)的優(yōu)勢(shì)信號(hào)。旋轉(zhuǎn)經(jīng)驗(yàn)正交函數(shù)（REOF）在EOF分析的基礎(chǔ)上進(jìn)行方差極大（正交）旋轉(zhuǎn)（吳洪寶和吳蕾，2010），較為客觀地對(duì)氣候變量場(chǎng)進(jìn)行區(qū)域和類型的劃分，旋轉(zhuǎn)后的空間模態(tài)代表研究時(shí)間段內(nèi)這一區(qū)域分布隨時(shí)間的演變特征（魏鳳英，2007）。

1.3 小波功率譜分析

小波變換利用小波基函數(shù)將信號(hào)序列從頻率尺度和時(shí)間尺度進(jìn)行解析（Torrence and Compo，1998），利用小波變化能得到日最高濕球溫度變化的周期性規(guī)律。小波函數(shù)描述為：

其中：fx是分析小波函數(shù)；ψ（x）是小波基函數(shù)；a為尺度參數(shù)；b表征小波中心位置；x是日最高濕球溫度序列。小波方差vara為小波系數(shù)的積分值：

小波功率譜結(jié)合了小波變化和功率譜分析，表示信號(hào)的小波變換的能量值，可以反映信號(hào)波動(dòng)的顯著程度（Ge，2007），能量值越大則日最高濕球溫度的周期性特征在該尺度越強(qiáng)烈。小波功率譜P（余世鵬等，2013）為：

1.4 極端濕熱事件

本文采用百分位閾值法定義極端濕熱事件，將極端濕熱閾值定義為日最高濕球溫度的第95%分位值，極端濕熱的強(qiáng)度定義為超過極端濕熱值的日最高濕球溫度，極端濕熱的頻次定義為超過極端濕熱閾值的天數(shù)。

統(tǒng)計(jì)多年一遇事件通常假設(shè)極端事件的分布遵循廣義極值分布（GEV）（Fisher and Tippett，1928），日最高濕球溫度也是獨(dú)立且同分布的，因此用于廣義極值分布擬合。首先用GEV分布擬合了1961—2020年在每個(gè)網(wǎng)格點(diǎn)上的年最大日最高濕球溫度，得到累計(jì)密度函數(shù)（CDF），再將概率P對(duì)應(yīng)的CDF反算為GEV分位數(shù)函數(shù)。表達(dá)式如下：

其中：位置參數(shù)μ、尺度參數(shù)σ和形狀參數(shù)k都是用極大似然估計(jì)法估算得到的。推導(dǎo)得到的GEV分位數(shù)函數(shù)即為極端事件的重現(xiàn)閾值和頻次。P=0.9時(shí)，代入公式可計(jì)算出10 a一遇事件的重現(xiàn)閾值;P=0.95時(shí)，計(jì)算結(jié)果為20 a一遇事件的重現(xiàn)閾值。

2 結(jié)果分析

2.1 日最高濕球溫度的時(shí)空變化

為了觀察日最高濕球溫度的氣候態(tài)，本研究首先分析了中國(guó)的日最高濕球溫度平均值和最大值的空間分布特征（圖1a、b）。在新疆和青藏高原以外的區(qū)域，日最高濕球溫度值平均值呈現(xiàn)“南高北低”的分布特點(diǎn)，在青藏高原地區(qū)有大范圍的低值區(qū)，塔里木盆地和準(zhǔn)噶爾盆地則有比較明顯的相對(duì)高值。日最高濕球溫度最大值也呈現(xiàn)出類似的南北分布特點(diǎn)，但高值區(qū)集中在南方地區(qū)和四川盆地，最大值可達(dá)到38.44 ℃。

圖1c、d描繪了1961—2020年日最高濕球溫度平均值和最高值的空間趨勢(shì)變化特征，平均值主要呈增加趨勢(shì)，最大值變化趨勢(shì)的區(qū)域差異較大，增強(qiáng)的區(qū)域與減弱的區(qū)域分散分布。平均值和最大值都在新疆東部有顯著的減弱趨勢(shì)，西北東部地區(qū)有增強(qiáng)趨勢(shì)，內(nèi)蒙古地區(qū)有減弱趨勢(shì);西北東部地區(qū)的平均值和最大值的氣候傾向率都最高，分別為0.45 ℃／（10 a）和0.64 ℃／（10 a）。變化差異在于平均值在東北地區(qū)增強(qiáng)，最大值在南方地區(qū)減弱。

總體而言，平均值與最大值的高值區(qū)域與氣候傾向率的高值區(qū)域有空間差異，華東、華南地區(qū)是全國(guó)濕球溫度值最高的區(qū)域，但是濕球溫度變化主要呈下降趨勢(shì)，西北東部地區(qū)的濕球溫度平均值和最大值都相對(duì)較低，但升溫趨勢(shì)最大。

進(jìn)一步研究日最高濕球溫度的變化可知，全國(guó)的日最高濕球溫度的年內(nèi)變化與氣溫比較類似，夏季最高、冬季最低。觀察日最高濕球溫度的長(zhǎng)期變化可見，平均值的上升趨勢(shì)強(qiáng)于最大值（圖2），平均值的上升趨勢(shì)為0.011 ℃／a，1961—1980年趨勢(shì)變化比較微弱，在1980—2000年間有顯著的上升趨勢(shì)，在2000年后開始減少，但整體呈現(xiàn)上升趨勢(shì)。全國(guó)日最高濕球溫度最大值沒有明顯的變化趨勢(shì)，氣候傾向率為-0.001 ℃／a。

為了解日最高濕球溫度的周期性波動(dòng)特征，利用Morlet小波基函數(shù)對(duì)平均日最高濕球溫度序列進(jìn)行小波變換、方差實(shí)部求解，進(jìn)而積分得到小波功率譜。能量越強(qiáng)表明該時(shí)間尺度振幅越大，對(duì)于周期的影響越顯著，小波方差圖中的實(shí)線峰值超過虛線代表周期性顯著。

圖3為全國(guó)的日最高濕球溫度平均值和最大值的小波功率譜，可見全國(guó)日最高濕球溫度的變化以短周期為主，平均值在1990—2007年2～6 a時(shí)間尺度上有較高能量的周期振蕩，并通過0.05信度的顯著性檢驗(yàn)。最大值存在多重時(shí)間周期，在1961—1972年、1988—2002年和2008—2012年有1～3 a的短周期，能量較弱，1978—1992年1～8 a時(shí)間尺度上有短周期，1961—1971年、2005—2017年存在5～8 a的小波功率譜信號(hào)，能量密度的峰值主要集中在此時(shí)段。

上述分析表明，由于中國(guó)大陸范圍遼闊、地形復(fù)雜，日最高濕球溫度的變化在各區(qū)域存在較大的差別，僅對(duì)整個(gè)中國(guó)進(jìn)行區(qū)域平均將掩蓋部分地區(qū)的變化特征，因此利用REOF方法對(duì)中國(guó)日最高濕球溫度變化進(jìn)行空間分型。對(duì)分解得到的REOF進(jìn)行North顯著性檢驗(yàn)（North et al.，1982）來確定得到的信號(hào)是否具有物理意義。

圖4展示了1961—2020年中國(guó)日最高濕球溫度年最大值REOF主要空間模態(tài)，通過North檢驗(yàn)的主要載荷區(qū)有4個(gè)模態(tài)，累積方差貢獻(xiàn)率為54.6％，4個(gè)模態(tài)相互獨(dú)立，因此對(duì)這4個(gè)模態(tài)進(jìn)行討論。第一模態(tài)的日最高濕球溫度異常區(qū)主要位于新疆東部，其貢獻(xiàn)率為22.7％，第二模態(tài)主要集中在西北東部地區(qū)，方差貢獻(xiàn)率為13.3％，第三模態(tài)主要集中在南方地區(qū)，方差貢獻(xiàn)率為10.5％，第四模態(tài)主要集中在東北地區(qū)，方差貢獻(xiàn)率為8.1％。根據(jù)REOF分析結(jié)果，得到了中國(guó)日最高濕球溫度變化的主要區(qū)域：新疆東部（88°～94°E，≥39°N）、西北東部地區(qū)（94°～104°E，33°～41°N）、南方地區(qū)（≥106°E，21°～35°N）和東北地區(qū)（≥115°E，40°～50°N）。

基于REOF分解得到的各個(gè)區(qū)域日最高濕球溫度平均值主要呈增強(qiáng)趨勢(shì)（圖5）。新疆東部區(qū)域?yàn)闇p弱趨勢(shì)（-0.007 ℃／a），且在2007—2014年間出現(xiàn)了一次驟降，平均值由8.06 ℃降至4.81 ℃，這可能與相對(duì)濕度的測(cè)量在21世紀(jì)初轉(zhuǎn)變?yōu)樽詣?dòng)測(cè)量后產(chǎn)生的誤差有關(guān)，因此，后期需要對(duì)相對(duì)濕度做進(jìn)一步的均一化處理。西北東部地區(qū)的增強(qiáng)趨勢(shì)最為顯著，增強(qiáng)趨勢(shì)為0.027 ℃／a，南方地區(qū)、東北地區(qū)也呈增加趨勢(shì)，但相對(duì)西北東部地區(qū)增幅較小。

對(duì)各區(qū)域同樣進(jìn)行了小波功率譜分析，圖6給出了各區(qū)域日最高濕球溫度平均值的小波功率譜。分析各個(gè)區(qū)域的小波功率譜可見，新疆東部地區(qū)平均值沒有明顯的周期性;西北東部地區(qū)的平均值在1963—1969年有1～2 a尺度的短周期，1976—2015年間有連續(xù)的1～6 a時(shí)間尺度的短周期，且有明顯的小波功率譜正負(fù)相位變化，有較強(qiáng)能量產(chǎn)生;東部地區(qū)的平均值在1995—2015年存在2～5 a時(shí)間尺度的震蕩周期，但未通過顯著性檢驗(yàn);東北地區(qū)平均值在1964—1987年1～5 a時(shí)間尺度上有短周期，1991—2015年2～6 a時(shí)間尺度上有明顯的閉合小波功率譜信號(hào)，具有較強(qiáng)的能量。

以上內(nèi)容探究了平均值的變化周期，那么日最高濕球溫度最大值的變化趨勢(shì)如何？圖7給出了我國(guó)四個(gè)區(qū)域日最高濕球溫度最大值在過去60 a的變化。可以看到，新疆東部、南方地區(qū)呈減少趨勢(shì)，但西北東部地區(qū)呈現(xiàn)增加趨勢(shì)。新疆東部的最大值與平均值變化一致，同樣出現(xiàn)了一次驟降，從2010年到2014年最大值從24.36 ℃減少到19.04 ℃。西北東部地區(qū)在最大值上表現(xiàn)出最強(qiáng)的增加趨勢(shì)，為0.026 ℃／a;東部地區(qū)的減少趨勢(shì)相對(duì)較小，為0.003 ℃／a;東北區(qū)域沒有明顯的變化趨勢(shì)。

圖8給出了各區(qū)域的日最高濕球溫度最大值小波功率譜。新疆東部最大值在2005—2020年有1～8 a的周期，但未通過顯著性檢驗(yàn);西北東部地區(qū)最大值在1961—1972年、1978—1988年、1997—2002年、2005—2015年這四個(gè)階段存在1～4 a的短周期，基本上橫跨了整個(gè)研究時(shí)段，中心尺度為2、3 a，正負(fù)相位變化明顯，有較強(qiáng)的能量產(chǎn)生;南方地區(qū)最大值尺度變化明顯，在1961—1975年、1975—1996年和2008—2017年存在1～4 a的短周期，在1961—1974年存在4～10 a時(shí)間尺度的短周期，但未通過顯著性檢驗(yàn);東北地區(qū)最大值在1966—1972年、2013—2020年有0～2 a時(shí)間尺度的短周期，1975—2011年0～6 a時(shí)間尺度上有短周期，中心尺度為2、3 a，在1990—2006年能量較強(qiáng)，在1977—1995年存在5～9 a時(shí)間尺度且閉合的功率譜信號(hào)。

2.2 極端復(fù)合濕熱事件的時(shí)空變化

中國(guó)的極端事件多發(fā)，為研究極端復(fù)合濕熱事件的變化，本文選取了1961—2020年每個(gè)格點(diǎn)的日最高濕球溫度的95％分位值作為極端濕熱事件的閾值。圖9a給出了1961—2020年的極端濕熱事件閾值的空間分布，可以看出，極端濕熱閾值的高值區(qū)主要集中在塔里木盆地、準(zhǔn)噶爾盆地、四川盆地和南方地區(qū)，低值區(qū)出現(xiàn)在天山和青藏高原區(qū)域。

圖9b、c給出了1961—2020年的極端濕熱強(qiáng)度和極端濕熱頻次的空間變化趨勢(shì)。各區(qū)域的極端濕熱強(qiáng)度趨勢(shì)區(qū)域間差異較大，南方地區(qū)的減弱趨勢(shì)為-0.02 ℃／（10 a），西北東部地區(qū)增強(qiáng)趨勢(shì)為0.08 ℃／（10 a），其他區(qū)域的極端濕熱強(qiáng)度變化不顯著。全國(guó)的極端濕熱頻次主要呈現(xiàn)增多趨勢(shì)，西北東部地區(qū)的增多趨勢(shì)最為顯著，為0.345 d／a，南方地區(qū)和東北也較為穩(wěn)定地增多，新疆東部減少趨勢(shì)為-0.049 d／a。

全國(guó)的極端濕熱強(qiáng)度與頻次的長(zhǎng)期變化如圖10所示，全國(guó)的極端濕熱強(qiáng)度呈增強(qiáng)趨勢(shì)，趨勢(shì)為0.009 ℃／a，其中1961—2010年強(qiáng)度沒有明顯變化趨勢(shì)，但在2010年后出現(xiàn)了較大幅度的增強(qiáng)。全國(guó)平均的極端濕熱事件發(fā)生次數(shù)在過去60 a明顯增多，增多幅度為0.098 d／a。

接下來，本文將利用多年一遇事件評(píng)估中國(guó)的極端復(fù)合濕熱事件變化。圖11a、b為10 a一遇事件閾值和20 a一遇事件閾值，多年一遇事件的閾值分布與日最高濕球溫度最大值的分布基本一致。在此基礎(chǔ)上統(tǒng)計(jì)了1961—2020年超過10 a一遇閾值和20 a一遇閾值的頻次（圖11c、d），10 a一遇事件在西北東部地區(qū)和四川盆地多次發(fā)生，發(fā)生的頻次最高為是56次，20 a一遇事件在四川盆地多次發(fā)生，發(fā)生的頻次最高為27次。在前述對(duì)日最高濕球溫度的趨勢(shì)研究可見，四川盆地與西北地區(qū)都有較強(qiáng)的增強(qiáng)趨勢(shì)。南方地區(qū)在過去60 a也發(fā)生了多次極端復(fù)合濕熱事件;在日最高濕球溫度減弱趨勢(shì)顯著的新疆東部，10 a一遇事件和20 a一遇事件的發(fā)生次數(shù)都非常少。

圖12給出了我國(guó)各區(qū)域平均的10 a一遇和20 a一遇事件的變化趨勢(shì)?？梢钥吹?，西北東部地區(qū)的10 a一遇事件頻次有顯著的增多;而南方地區(qū)的頻次以-0.008次／a的趨勢(shì)減少，南方地區(qū)的10 a一遇事件高頻發(fā)生時(shí)段為1961—1970年，1970年后沒有明顯的變化趨勢(shì)。新疆東部的10 a一遇事件高頻發(fā)生在2000年。東北地區(qū)的10 a一遇事件較為穩(wěn)定地增多。20 a一遇事件在各個(gè)區(qū)域的長(zhǎng)期變化特征（圖12e—h）與10 a一遇事件基本類同。

3 結(jié)論和討論

通過對(duì)1961—2020年中國(guó)復(fù)合濕熱事件的趨勢(shì)分析、小波功率譜分析和廣義極值分布分析，主要得到以下結(jié)論：

1）1961—2020年中國(guó)日最高濕球溫度平均值和最大值主要有“南高北低”的分布特點(diǎn)，最大值高值區(qū)集中在南方地區(qū)和四川盆地。全國(guó)平均值有2～6 a尺度的周期震蕩，全國(guó)最大值在多個(gè)時(shí)間段和時(shí)間尺度有短周期，有較強(qiáng)的能量產(chǎn)生。

2）全國(guó)日最高濕球溫度平均值呈增強(qiáng)趨勢(shì)，新疆東部平均值呈減弱趨勢(shì)，西北東部地區(qū)增強(qiáng)趨勢(shì)顯著，南方地區(qū)、東北地區(qū)微弱增強(qiáng)。新疆東部地區(qū)平均值沒有明顯的周期性，西北東部地區(qū)存在2～5 a時(shí)間尺度的短周期，南方地區(qū)有連續(xù)的1～6 a時(shí)間尺度的短周期，東北地區(qū)有多個(gè)時(shí)間尺度的短周期。

3）全國(guó)日最高濕球溫度最大值沒有明顯的變化趨勢(shì)，但存在顯著的區(qū)域差異，其中新疆東部呈減弱趨勢(shì)，西北東部地區(qū)增強(qiáng)趨勢(shì)顯著，南方地區(qū)減弱趨勢(shì)較小，而東北地區(qū)增強(qiáng)趨勢(shì)較弱。新疆東部的最大值1～8 a時(shí)間尺度的周期未通過顯著性檢驗(yàn)，西北東部地區(qū)有多個(gè)時(shí)間段的1～4 a時(shí)間尺度的短周期，南方地區(qū)和東北地區(qū)的短周期有明顯的尺度變化。

4）全國(guó)的極端濕熱強(qiáng)度呈較弱的增強(qiáng)趨勢(shì)，極端濕熱頻次有較強(qiáng)的增多趨勢(shì)。西北東部地區(qū)極端濕熱強(qiáng)度增強(qiáng)，東部地區(qū)減弱，其他地區(qū)無明顯趨勢(shì)。西北東部地區(qū)極端濕熱頻次增多趨勢(shì)最為劇烈，為0.345 d／a，南方地區(qū)、東北極端濕熱頻次呈較為穩(wěn)定的增多。

5）10 a一遇事件在西北東部地區(qū)和四川盆地多次發(fā)生，20 a一遇事件在四川盆地多次發(fā)生。10 a一遇事件頻次與20 a一遇事件頻次在各個(gè)區(qū)域有一致的變化特征，新疆東部的多年一遇事件頻次沒有明顯趨勢(shì)，西北東部顯著增多，南方地區(qū)減少，東北地區(qū)增多。

中國(guó)東部是全球極端濕熱事件的多發(fā)區(qū)域之一（Freychet et al.，2020;Wang and Sun，2021）。當(dāng)極端濕熱事件發(fā)生時(shí)，往往伴隨著南亞高壓東伸、西北太平洋副熱帶高壓西伸和局地低層的反氣旋異常（Luo et al.，2022）;同時(shí)，夏季西太平洋的海表溫度異常和5月北極海冰異常分別通過調(diào)制類太平洋-日本遙相關(guān)型波列與歐亞中高緯Rossby波傳播，影響中國(guó)東部局地大氣環(huán)流異常，進(jìn)而影響極端濕熱頻次的變化（He et al.，2023）。目前對(duì)其變化機(jī)制雖有部分研究，但極端濕熱天氣形成及變化極為復(fù)雜，往往受到多個(gè)驅(qū)動(dòng)因子或多個(gè)氣候系統(tǒng)的共同影響，對(duì)這方面的認(rèn)識(shí)和理解仍是當(dāng)前的薄弱環(huán)節(jié)，未來急需加強(qiáng)研究。

參考文獻(xiàn)（References）

Bell J E，Brown C L，Conlon K，et al.，2018.Changes in extreme events and the potential impacts on human health［J］.J Air Waste Manag Assoc，68（4）：265-287.doi：10.1080／10962247.2017.1401017.

Borden K A，Cutter S L，2008.Spatial patterns of natural hazards mortality in the United States［J］.Int J Health Geogr，7：64.doi：10.1186／1476-072X-7-64.

Byers E，Gidden M，Leclère D，et al.，2018.Global exposure and vulnerability to multi-sector development and climate change hotspots［J］.Environ Res Lett，13（5）：055012.doi：10.1088／1748-9326／aabf45.

Chen H P，He W Y，Sun J Q，et al.，2022.Increases of extreme heat-humidity days endanger future populations living in China［J］.Environ Res Lett，17（6）：064013.doi：10.1088／1748-9326／ac69fc.

陳曦，李寧，黃承芳，等，2020.綜合濕度和溫度影響的中國(guó)未來熱浪預(yù)估［J］.地理科學(xué)進(jìn)展，39（1）：36-44. Chen X，Li N，Huang C F，et al.，2020.Projection of heatwaves by the combined impact of humidity and temperature in China［J］.Prog Geogr，39（1）：36-44.doi：10.18306／dlkxjz.2020.01.004.（in Chinese）.

Coffel E D，Horton R M，de Sherbinin A，2018.Temperature and humidity based projections of a rapid rise in global heat stress exposure during the 21st century［J］.Environ Res Lett，13（1）：014001.doi：10.1088／1748-9326／aaa00e.

Conti S，Meli P L，Minelli G，et al.，2005.Epidemiologic study of mortality during the summer 2003 heat wave in Italy［J］.Environ Res，98（3）：390-399.doi：10.1016／j.envres.2004.10.009.

Davies-Jones R，2008.An efficient and accurate method for computing the wet-bulb temperature along pseudoadiabats［J］.Mon Wea Rev，136（7）：2764.doi：10.1175／2007MWR2224.1.

Dosio A，Mentaschi L，F(xiàn)ischer E M，et al.，2018.Extreme heat waves under 1.5 ℃ and 2 ℃ global warming［J］.Environ Res Lett，13（5）：054006.doi：10.1088／1748-9326／aab827.

Fisher R A，Tippett L H C，1928.Limiting forms of the frequency distribution of the largest or smallest member of a sample［J］.Math Proc Camb Phil Soc，24（2）：180-190.doi：10.1017／s0305004100015681.

Freychet N，Tett S F B，Yan Z，et al.，2020.Underestimated change of wet-bulb temperatures over east and South China［J］.Geophys Res Lett，47（3）.doi：10.1029／2019gl086140.

Ge Z，2007.Significance tests for the wavelet power and the wavelet power spectrum［J］.Ann Geophys，25（11）：2259-2269.doi：10.5194／angeo-25-2259-2007.

He W Y，Chen H P，Ma J H，2023.Variations in summer extreme hot-humid events over eastern China and the possible associated mechanisms［J］.J Climate，36（11）：3801-3815.doi：10.1175／JCLI-D-22-0695.1.

Im E S，Pal J S，Eltahir E A B，2017.Deadly heat waves projected in the densely populated agricultural regions of South Asia［J］.Sci Adv，3（8）：e1603322.doi：10.1126／sciadv.1603322.

姜彤，翟建青，羅勇，等，2022.氣候變化影響適應(yīng)和脆弱性評(píng)估報(bào)告進(jìn)展：IPCC AR5到AR6的新認(rèn)知［J］.大氣科學(xué)學(xué)報(bào)，45（4）：502-511. Jiang T，Zhai J Q，Luo Y，et al.，2022.Understandings of assessment reports on climate change impacts，adaptation and vulnerability：progress from IPCC AR5 to AR6［J］.Trans Atmos Sci，45（4）：502-511.doi：10.13878／j.cnki.dqkxxb.20220529013.（in Chinese）.

Kjellstrom T，Gabrysch S，Lemke B，et al.，2009.The ‘Hothaps programme for assessing climate change impacts on occupational health and productivity：an invitation to carry out field studies［J］.Glob Health Action，2：2.doi：10.3402／gha.v2i0.2082.

李銘宇，韓婷婷，郝鑫，2020.歐亞大陸極端降水事件的區(qū)域變化特征［J］.大氣科學(xué)學(xué)報(bào)，43（4）：687-698. Li M Y，Han T T，Hao X，2020.Regional characteristics of extreme precipitation events in Eurasia［J］.Trans Atmos Sci，43（4）：687-698.doi：10.13878／j.cnki.dqkxxb.20191202001.（in Chinese）.

李萬玲，郝鑫，2023.北半球人體不舒適天數(shù)歸因分析及其未來預(yù)估［J］.大氣科學(xué)學(xué)報(bào)，46（4）：561-574. Li W L，Hao X，2023.Attribution analysis of human discomfort days in the Northern Hemisphere and their prediction in the future［J］.Trans Atmos Sci，46（4）：561-574.doi：10.13878／j.cnki.dqkxxb.20210519001.（in Chinese）.

Luo M，Wu S J，Liu Z，et al.，2022.Contrasting circulation patterns of dry and humid heatwaves over southern China［J］.Geophys Res Lett，49（16）.doi：10.1029／2022gl099243.

North G R，Bell T L，Cahalan R F，et al.，1982.Sampling errors in the estimation of empirical orthogonal functions［J］.Mon Wea Rev，110（7）：699.doi：10.1175／1520-0493（1982）1100699：SEITEO>2.0.CO;2.

Parsons L A，Masuda Y J，Kroeger T，et al.，2022.Global labor loss due to humid heat exposure underestimated for outdoor workers［J］.Environ Res Lett，17（1）：014050.doi：10.1088／1748-9326／ac3dae.

Raymond C，Matthews T，Horton R M，2020.The emergence of heat and humidity too severe for human tolerance［J］.Sci Adv，6（19）：eaaw1838.doi：10.1126／sciadv.aaw1838.

Sherwood S C，Huber M，2010.An adaptability limit to climate change due to heat stress［J］.Proc Natl Acad Sci USA，107（21）：9552-9555.doi：10.1073／pnas.0913352107.

Speizer S，Raymond C，Ivanovich C，et al.，2022.Concentrated and intensifying humid heat extremes in the IPCC AR6 regions［J］.Geophys Res Lett，49（5）：e2021GL097261.doi：10.1029／2021gl097261.

Torrence C，Compo G P，1998.A practical guide to wavelet analysis［J］.Bull Amer Meteor Soc，79（1）：61-78.doi：10.1175／1520-0477（1998）079<0061：apgtwa>2.0.co;2.

Wang D Q，Sun Y，2021.Long-term changes in summer extreme wet bulb globe temperature over China［J］.J Meteor Res，35（6）：975-986.doi：10.1007／s13351-021-1080-4.

Wang P Y，Leung L R，Lu J，et al.，2019.Extreme wet-bulb temperatures in China：the significant role of moisture［J］.J Geophy Res：Atmos，124（22）：11944-11960.doi：10.1029／2019jd031477.

魏鳳英，2007.現(xiàn)代氣候診斷與預(yù)測(cè)技術(shù)［M］.2版.北京：氣象出版社. Wei F Y，2007.Modern climatological diagnosis and prediction methods［M］.2nd ed.Beijing：China Meteorological Press.（in Chinese）.

Willett K M，Sherwood S，2012.Exceedance of heat index thresholds for 15 regions under a warming climate using the wet-bulb globe temperature［J］.Int J Climatol，32（2）：161-177.doi：10.1002／joc.2257.

吳洪寶，吳蕾，2010.氣候變率診斷和預(yù)測(cè)方法［M］.2版.北京：氣象出版社. Wu H B，Wu L，2010.Methods for diagnosing and forecasting climate variability［M］.2nd ed.Beijing：China Meteorological Press.（in Chinese）.

吳佳，高學(xué)杰，2013.一套格點(diǎn)化的中國(guó)區(qū)域逐日觀測(cè)資料及與其它資料的對(duì)比［J］.地球物理學(xué)報(bào)，56（4）：1102-1111. Wu J，Gao X J，2013.A gridded daily observation dataset over China region and comparison with the other datasets［J］.Chin J Geophys，56（4）：1102-1111.（in Chinese）.

Xu F，Chan T O，Luo M，2021.Different changes in dry and humid heat waves over China［J］.Int J Climatol，41（2）：1369-1382.doi：10.1002／joc.6815.

余榮，翟盤茂，2021.關(guān)于復(fù)合型極端事件的新認(rèn)識(shí)和啟示［J］.大氣科學(xué)學(xué)報(bào)，44（5）：645-649. Yu R，Zhai P M，2021.Advances in scientific understanding on compound extreme events［J］.Trans Atmos Sci，44（5）：645-649.doi：10.13878／j.cnki.dqkxxb.20210824006.（in Chinese）.

余世鵬，楊勁松，王相平，等，2013.濱海灘涂地區(qū)降水變化的多尺度周期特征分析與趨勢(shì)預(yù)測(cè)［J］.中國(guó)農(nóng)業(yè)氣象，34（4）：377-383. Yu S P，Yang J S，Wang X P，et al.，2013.Multi-scale periodic analysis and trend prediction for precipitation dynamics in coastal tidal flat region［J］.Chin J Agrometeorol，34（4）：377-383.doi：10.3969／j.issn.1000-6362.2013.04.001.（in Chinese）.

袁宇鋒，翟盤茂，2022.全球變暖與城市效應(yīng)共同作用下的極端天氣氣候事件變化的最新認(rèn)知［J］.大氣科學(xué)學(xué)報(bào)，45（2）：161-166. Yuan Y F，Zhai P M，2022.Latest understanding of extreme weather and climate events under global warming and urbanization influences［J］.Trans Atmos Sci，45（2）：161-166.doi：10.13878／j.cnki.dqkxxb.20211011001.（in Chinese）.

周波濤，錢進(jìn)，2021.IPCC AR6報(bào)告解讀：極端天氣氣候事件變化［J］.氣候變化研究進(jìn)展，17（6）：713-718. Zhou B T，Qian J，2021.Changes of weather and climate extremes in the IPCC AR6［J］.Clim Change Res，17（6）：713-718.doi：10.12006／j.issn.1673-1719.2021.167.（in Chinese）.