从1961年到2015年，中国复合热浪各方面的观测趋势外文翻译资料

英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料

从1961年到2015年，中国复合热浪各方面的观测趋势

摘要：基于每日最高和最低温度的组合阈值，定义了复合热浪，然后估计中国的这种热浪的多个方面的变化在1961年至2015年之间。我们的结果有趣地表明中国北方的复杂热浪是其特点是在短时间内强度过高，而持续时间长则决定了南方严重事件的巨大灾害可能性。在过去的几十年里，中国的大片地区经历了更长，更强，更频繁的复合热浪。中国北方的强度急剧增加，最大放大超过5°C十年-1;南部大部分时间显着延长，最大趋势超过1天–1。自20世纪60年代以来，受复合热浪影响的空间范围显着扩大，在华北和东北地区发现的最大扩张率超过6％–1 。这些系统评估有助于加深我们对中国复合热浪观测变化的理解，并可能进一步阐明未来对日益变暖的气候的适应和缓解。

关键词：热浪，气候变化，持续时间，强度，空间范围

1.介绍

在夏季，热浪引起的温度敏感组（如婴儿，老年人和心血管病人）的发病率和死亡率都非常高。在过去的几十年中，许多文献都强化了热浪的这种高影响（巴苏和沙美，2002年2003年，一个破纪录的案件打破了这个案例，该案件袭击了欧洲广大地区，导致大约4万人死亡（加西亚 Herrera等人， 2010).此外，热浪期间积累的热应力可能导致大量电力短缺，森林火灾风险增加以及作物生产力下降（Garciacute;a-Herrera等，2010).通常，热浪（HW）通常被认为是连续温暖的日子，但各个部门的具体定义不同（帕金 斯等，2012).在一个变暖的地球上，许多地区日益增 多的温暖日子会增加热浪的风险（斯托克 等 al。， 2013).事实上，世界上大多数地区不仅见证了频率增 加，而且经历了更高的强度和更长的热浪持续时间， 特别是在2000年之后（Kuglitsch等，2010; 珀金斯等 al。，2012; Smith等，2013).频率增加主要归因于平 均夏季温度升高（Della-Marta等，2007），放大强 度更多地来自温度变化的增强（Fischer和Schauml; r， 2010年).一些气候模型预测意味着夏季温度的平均值 和可变性的这些增加将继续甚至加速。因此，在21世纪末可能会出现更多具有前所未有的持 续时间和强度的硬件（米尔和Tebaldi，2004年; 郭等， 2017). 虽然对温暖的日/夜的一天极端事件进行了广泛的 调查，但对于全面评估硬件的工作却相对较少（斯托 克 等 人，2013），尤其是在中国。在中国，有限数 量的研究涉及热浪的定义和变化，其中对HW的考虑主 要局限于高日间热量（江等，2012).然而，持久的极 端天气往往会引发更严重的灾害，因此也需要测量持 续时间和强度的指数（张 等人， 2011).现在人们已 经公认，自20世纪后半叶以来，中国的热浪显着增加 （丁等 人， 2010; 丁 和钱， 2011; 伟 和陈， 2011; 王 等，2012).在21世纪的前十年，上海的炎热天气事件 频率比1873年以来的任何时候都大得多（陈等，2013; 夏等，2016).相比之下，美国，欧洲和澳大利亚的科学界和政府更关注由温暖的白天和黑夜组成的复合热 浪，这可能严重干扰人体体温调节和能量供应（帕茨 等人， 2005).此外，在中国的现有研究中，硬件频 率的变化似乎是主要关注点，而其他同等重要的指标， 如持续时间，空间覆盖范围和强度，则基本上不太重 要（丁等，2010; 郭等，2017).在这种情况下，仍然 需要对中国的复合HW进行系统评估。因此，我们的研 究旨在缩小上述中国热浪研究的差距。具体而言，将 针对化合物HW的各个方面的变化进行定量评估，包括 其频率，所涉及的天数，持续时间，强度和空间范围。

2. 数据和方法

2.1 数据

从中国756个站点的数据集中选择1961年至2015年 的夏季（6月至8月）日最高温度（T最大）和每日最低 温度（T分）。该数据集来自中国气象局（CMA）国家 气象信息中心（NMIC）。在被释放之前，它已经经过 NMIC的严格质量控制，完成了一些缺失的观察，纠正 了可疑/错误的值，以及由于新仪器导致的时空不一致。tions 和 网 站 重 新 安 置 协 调 （ 文 件 可 在 线 获 取 http://data.cma.cn/site/index.html).已经在许多研究中 得到验证（陈和翟， 2013; 里等，2013; 仁和周， 2014），该数据集被认为是目前中国气候研究最好的数据集之一。除上述质量控制外，我们还进行了一些 额外的预处理，以确保：1）T最大 和T分 的缺失数据占 1961年至2015年间每年总记录的不到5％;2）在整个 时期内任何水平站的水平重新安置都在20公里半径范 围内;3）垂直高度重定位小于50米。 这些程序旨在保证连续性和最大的同质性。该数据 集涵盖几乎所有国家参考气候站（一流站）和国家基 本气象站（二级站）。在每个站点观测到的变量代表 20公里半径范围内的气象要素，因此常规应用20 km 的重新定位阈值，以最大限度地减少场地位移的不均 匀性（仁 和 周， 2014).特别是，场地重新定位并不意味着地表覆盖类型的重大变化，因为观测场附近的环境（例如建筑物和树木）是由CMA普遍规定的。最 后保留了总共376个台站进行后续分析（见其在中国的分布情况）图。1这些台站在中国东部地区分布均 匀，但在中国西部地区分布较为分散。

2.2 方法

许多研究仅根据T最大定义热浪（丁等，2010; 王等， 2012).事实上，连续炎热的日子没有从夜间降温中缓 解，对人体健康更具破坏性（卡尔和骑士， 1997; 米 尔 和Tebaldi， 2004).因此有必要定义一个同时考虑 白天高温和夜间低温的热浪（罗宾逊， 2001).在这 项研究中，热浪被定义为连续三天或更长时间炎热的 咒语。以下将这种热波称为“复合热波”。采用三天 作为最短持续时间，以保证必要的持久性。特别地， 需要将两个独立的热波夹在至少两个连续的非极端日 （T最大 lt;90百分位或T分 lt;90百分位数）。炎热的白天/ 夜晚定义为T最大/ T分 高于其各自长期对应物（19612015）的90％。遵循介绍的方法德拉 玛塔等。 （2007年），6月至8月的每日T最大/ T分 的每日90％百 分比是从相应的积累数据样本单位，每个样本包含15个 特定日期（由特定日期和之前和之后7天组成）;那么 这些样本 组装1961年至2015年之间的单位（即总样本15times;55 = 825天）。合理采用热日/夜的不太严重的阈值（第90 百分位数）（德拉 - 玛塔等，2007），因为同时需 要至少3天的持续时间和极端的T最大/ T分 。具有较高 百分位数（第95或第99）的标识显着减少了HW的数量， 导致许多未检测到HW的年份（图略）。几个HW样本会 损害以下线性趋势估计的可靠性。在现有研究中，第 90百分位数算法也被广泛用于表示极端温度的罕见性 （Fischer和Schauml; r，2010年). 数字 图2示出了描绘基于每日百分位数和传统季节 性百分位数的识别差异的一些说明性示例。每日90个 百分位数表现出明显的季节内变异，在夏季早期和晚 期具有较低的阈值，这与观察到的T最大/ T分的时间演 变一致。在固定的季节性百分位数下，初夏（6月20日之前）HW可能会被忽略（如图所示）图 2a, b）， 90％以上的电台都存在问题。然而，尽管强度较低， 这些初夏的HW可能比夏季中期的HW更具健康损害性 （Kalkstein和Smoyer，1993年).初夏的HW可能会引 发更多的死亡人数，这些人群在如此早期的突然灼热 天气中不堪重负（Kalkstein等，2008).相比之下， 在夏季中后期，弱势群体可能在生理和行为方面变得更加适应长时间暴露在高环境温度下（巴苏 和沙美， 2002). 夏季中期，类似的HW（图。2b）可以通过某些站点的 每日百分位数和季节性阈值来识别。然而，在许多情 况下，按季节百分位数确定的峰值夏季HW不符合日常 百分位标准，这往往更为关键，如图。 2c.换句话说， 就强度而言，每日百分位数可能会产生更严重的夏季 中期硬币。基于百分位数的阈值还可以使HW变化在不 同的主要气候区域之间具有可比性（罗宾逊，2001 年).因此，从时间和空间的角度来看，每日百分位数 所识别的事件代表了相对于正常条件的极度热的异常。 根据CMA的建议，该定义不需要（30° C或35° C）的 绝对阈值。在气候变暖的情况下，由于技术（例如， 空调和灌溉）或响应高温警报而采取的生理预防措施， 一些地区的温度经常超过这些规定的阈值而不会对健 康或农业造成灾难性后果。根据不同的每日百分位数， 我们的HW定义不仅在统计上代表极端，而且还强调在 气候日益变暖的背景下这些极端事件（例如，农业灾 害，停电和供水短缺）的潜在不利影响。 设计四个指标来量化热浪：1）热浪数（HWN），即 热浪事件的发生次数;2）热浪天数（HWF），即所有热浪事件所涉及的总天数;3）热浪持续时间（HWD），即长度。每个热浪;4）热波强度（HWI），即热波的幅度，计 算为T最大 和T分 在其持续时间内超过某些阈值的累积 超量，如下所示

HWN将热浪视为一个整体，而HWF则在高温期间记录所有极端温暖的日/夜热浪。例如，如果一年有2个热浪，其中一个持续3天 而另一个持续5天，那么年度HWN，HWF和平均HWD分别 为2,8和4天。根据Eq，一个伟大的HWI。（1），可能由于持续时间长和/或超标而导致超过阈值（Kuglitsch等，2010). 除上述四个指标外，衡量复合HWs空间范围的指标也是。为了避免插值带来的可能的不确定性和不准确性，一种基于原始站点观测的称为“冻结网格” 的方法。

使用网格数据（琼斯 1986).首先，中国大陆分为2.5° 纬度和2.5°纬度的网格距。假设总共有ns（i）站位于box-i 内，并且在ns（i）站之间，nh（i，t）站在夏季记 录至少一个热浪 - 年 - t，HW的空间覆盖范围-t （对于整个国家或特定地区）应该是

其中“110”表示每单位经度/纬度的近似距离，“数字” 表示目标区域中的总箱数。考虑到箱区面积随纬度的 变化，空间范围也由每个箱的中心纬度加权。如果简 单地用受影响站点的数量来表示，具有稀疏站点的区 域（例如，新疆和华北）的空间覆盖将远小于华东 （具有密集观测网络的区域）的空间覆盖。通过“冻 结网格”方案，可以通过在框中记录HW的站的百分比 公正地比较不同区域中的复合HW的空间覆盖。冻结网 格方法用于最小化不均匀站点分布对空间范围评估的 影响（陈 和翟， 2013).我们的敏感测试表明，箱尺 度选择2°，2.5°和3°既不会影响估计的空间覆盖范围， 也不会影响以下趋势分析。考虑到子区域之间的箱数 变化（参见第3节），除了绝对变化（km2 十年–1）之 外，HW的估计空间覆盖率也按相应的总面积归一化 （除以）以产生百分比（％decade–1）为了便于进一 步比较。 要评估不同参数的线性趋势， 肯德尔的tau斜率估算器（森， 1968）被聘用。这种 非参数方法对潜在的异常值足够敏感，并且它不假设 原始数据的任何分布形式。线性趋势在0.05水平的显 着性也通过肯德尔的tau测试估计。使用核密度估计 方案评估概率密度函数（PDF），其也与原始数据的 分布形式的任何规定假设分离。

3. 结果

3.1 HW的基本功能

在过去的55年中，复合HW在长江流域（YRV）和华南（图。3a），在YRV的阴线站记录的最大累计发 生量为80。中国北方也见证了频繁的HW，总发生率为 30-40。在夏季中期（6月21日至8月10日），中国中 东部，华南和西北地区每日90％的T最大 通常超过35° C（图 3b, 2a, 2c).巧合的是，这些地区每日90％的T分 高于20°C。季节内变化显示在图。2，初夏的每日百分位数（图。 3c）和夏末（图。3d）没有夏季高峰期那么高。初夏时，中国东部北部和新疆地区主要存在极高白天和夜 间百分位数之间的配置，而在夏末，淮河以南地区主 要以高百分位为主。据报道，基于此类组合阈值（T最 大 ge;35°C和T分 ge;20°C）的已识别HWs导致死亡率过 高（格里兹 等al。，2005).值得注意的是，每日百 分位数的采用明确强调了在不同的夏季阶段具有高度 复合HWs风险的地区。 还可以通过利用每日百分位数来获得HW的每月分布 （图略）。6月份，HW主要位于长江中游和华南沿海地区。相比之下，7月经常见证长江下游，中国北方和南方的HW。长期（超过5天）硬币主要集中在7月份， 特别是在长江中下游。8月份，长期硬币数量大幅下 降，高频区域沿长江和南部沿海地区分布较为分散。

3.2 线性趋势估计

全国HWN，HWF，HWD和HWI（0.10plusmn;0.04十年– 1， 0.56plusmn;0.20 天 十 年 – 1 ， 0.10plusmn;0.06 天 十 年 – 1 和 0.75plusmn;0.52°C十年–1）显着增加观察到，这表明在过去的几十年中，中国的HW发生次数更多，持续时间 更长，并且更强。具体而言，HWN的显着增加主要在 北部（35°N北部）和中国南部（南部30°N）被检测 到，夹在一系列微不足道的微弱负面趋势中（图 4a).HWN趋势为0.4十年–1 或更高的站点主要位于YRV 和华南地区。与20世纪60年代相比，HWN在过去十年 中在中国的大片地区翻了一番。中国西南地区的HWN从20世纪60年代的每年0.60增加到 过去十年每年1.53（图略）。越来越频繁的硬件可能部分地导致更严重的问题。自1995年以来中国西南地区的干旱（王 等al2016).在中国的大部分地区也观察到更多的热浪日 （即更高的HWF值）构成类似于HWN的空间模式（图。4b).在YRV和华南地 区观察到HWF最显着的增加，最大线性趋势在3天以上 –1。与20世纪60年代相比，YRV，东北和中国西南地 区的HWF在2000年后几乎增加了两倍（图略）。平均 dur- 每年的HW可以通过 霍夫 推断出来 Jw 这两个指数在大多数电台都有所增加 上面讨论过。延长的持续时

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[19984]，资料为PDF文档或Word文档，PDF文档可免费转换为Word