1961-2017年中国热浪特征及其对植被的影响

2022-03-23姜颖迪王卫光童山琳

中国农村水利水电 2022年3期

姜颖迪，王卫光，魏佳，童山琳

（1.河海大学水文水资源与水利工程科学国家重点实验室，南京 210098；2.河海大学水文水资源学院，南京 210098）

0 引言

IPCC 第五次评估报告指出，在1880-2012年期间全球平均温度升高了约0.85 ℃［1］。全球持续变暖，将会使高温热浪事件发生的频率更高，持续时间更长［2，3］。热浪作为一种极端天气事件，其逐步加剧和扩散不但会对人体健康造成负面效应，还会给环境和生态的可持续发展带来挑战［4-6］。在俄罗斯［7］、美国［8］和澳大利亚［9］等地区，热浪已经成为亟待解决的问题之一。目前已有众多学者对中国地区的热浪特征进行研究，Ye等［10］研究发现1990年以后中国地区干旱和热浪事件并发的趋势显著增加；Li 等［11］的研究表明1961-2015年中国北方地区热浪强度急剧增加，南方地区热浪持续时间显著延长；肖安等［12］基于超热因子分析中国热浪事件的气候特征，研究发现中国大部分地区高温热浪有显著增加的趋势。植被在陆气交互作用过程中起着重要作用，对于气候变化的响应也更为强烈。国内外学者大都集中于研究极端气温与植被之间的关系［13，14］，关于极端气温引起的热浪事件对植被的影响研究还较少。

因此，本文以超热因子（Excess Heat Factor，EHF）为指标定义热浪事件，并将中国地区分为8 个子区域，选择热浪次数、最长持续时间、频次和强度4 个指数分析1961-2017年中国各个区域热浪的时空变化特征，然后采用Spearman 秩相关分析方法探究极端气候情况下热浪事件对植被生长的影响，以期为中国地区生态环境保护和农业生产管理提供科学依据。

1 数据与方法

1.1 研究数据

气象数据来源于中国气象数据网（http：//data.cma.cn）提供的中国地面气候资料日值数据集（V3.0）。考虑到数据序列的完整性和一致性，由日平均气温资料筛选得到712个气象站点，研究时段为1961-2017年6月1日-8月31日。

为研究热浪事件的区域特征，根据中国气候分区图将中国区域划分为8 个子区域，分别为西部干旱和半干旱地区（Western Arid and Semi-arid region，WAS）、东部干旱地区（Eastern Arid region，EA）、东北地区（NorthEastern region，NE）、北方地区（Northern region，N）、中部地区（Centre region，C）、南方地区（Southern region，S）、西南地区（SouthWestern region，SW）和青藏地区（Qinghai-Tibet region，QT），站点和子区域分布如图1 所示［地图来源：中国科学院资源环境科学与数据中心网站（https：//www.resdc.cn/）］。

图1 全国712个气象站点（黑点）分布和子区域划分Fig.1 Distribution of 712 meteorological stations（black spots）and subregion division in China

归一化植被指数（Normalized Difference Vegetation Index，NDVI）数据来源于NASA公开的LTDR（Land Long Term Data Record）V5 数据集（https：//ltdr.modaps.eosdis.nasa.gov/cgi-bin/ltdr/ltdrPage.cgi），该数据集的空间分辨率为0.05°，时间分辨率为1d。本次研究选取1981-2017年6-8月的逐日NDVI数据，采用最大值合成法得到每月的NDVI值，年均NDVI值由月NDVI值求平均得到。为减小误差影响，每个站点的NDVI值用站点所在网格及其周围8个网格值求平均得到。

1.2 热浪指数定义及计算

目前对热浪的定义标准较多，主要有3种，即通过温度超过绝对阈值、相对阈值和综合考虑温度和湿度的阈值来判定［15-17］。世界气象组织定义热浪为日最高气温超过32 ℃，且持续3 d 以上的事件。中国气象局规定，日最高气温大于或等于35 ℃，持续3 d及以上的事件为热浪事件。

Fischer 和Schär［18］在研究欧洲热浪事件的影响时，定义热浪为日最高温度超过当地气温的90%分位值，且持续6 d 及以上的事件，并选择HWN（Number of HeatWaves）、HWD（Heat-Wave Duration）、HWF（HeatWave day Frequency）和HWA（Heat-Wave Amplitude）4个指数描述热浪事件。Perkins［19］等研究澳大利亚的热浪变化时，基于Fischer 和Schär 的方法，以3 种指标定义热浪，即满足连续三天及以上日最高气温超过其90%分位值、日最低气温超过其90%分位值或EHF＞0。

EHF指数由EHIsig和EHIaccl两个指标计算得到，EHIsig表示与该地气温阈值相比，最近3 d 平均气温的异常值。EHIaccl表示与过去30 d 的平均气温相比，最近3 d 平均气温的异常值，计算公式如下。

式中：Ti为某站某日的平均温度；为第i、i-1 和i-2日的平均气温；i的范围为1961-2017年6月1日-8月31日；T95为某站1961-1990年共30年日平均气温升序排列后得到的95%分位值；为近30日的平均气温；EHIsig和EHIaccl单位为℃，EHF单位为℃2。

EHF指数在以往热浪定义的基础上，不仅考虑了白天和夜晚的热力条件，并考虑了当地前期的热力条件，已得到了较为广泛的应用。故本次研究定义当EHF＞0时为一次高温事件，当有连续三天及以上EHF＞0 时为一次热浪事件。基于EHF表征热浪次数、最长持续时间、频次和强度的指数如表1 所示，HWN为6-8月所有热浪事件的总次数，HWD为6-8月所有热浪事件中的最长持续天数，HWF为6-8月所有热浪事件持续天数的总和，HWA为6-8月所有热浪事件中EHF最大的值。

表1 表征热浪次数、最长持续时间、频次和强度的指数Tab.1 Indexes that characterize the number，maximum duration，frequency and amplitude of heat waves

2 热浪指数时空分布特征

2.1 热浪指数的时间变化趋势

1961-2017年中国地区8 个子区域的HWN、HWD、HWF和HWA均呈显著上升的趋势（图2）。HWN、HWD和HWF变化趋势较大的地区主要分布在青藏、西部、东部和南方地区，东北、北方、中部和西南地区HWN、HWD和HWF的变化趋势较小，其中青藏地区的变化趋势最大，北方地区的变化趋势最小（表2）。各子区域HWA的变化趋势与HWN、HWD和HWF略有不同，南方、西南、中部和北方地区的HWA变化趋势较小，而在青藏、西部、东部和东北地区HWA变化趋势则较大。中国地区区域平均热浪指数的变化趋势表明，HWF的上升幅度最大，HWN的上升幅度最小，分别为0.14 d/a和0.03 次/a，HWA和HWD的变化趋势分别为0.12 ℃2/a和0.08 d/a。

表2 各子区域热浪指数变化趋势系数及突变点Tab.2 Change trend coefficients and mutation points of heat wave indexex in each sub-region

图2 1961-2017年8个子区域热浪指数的时间变化趋势Fig.2 Time change trends of heat wave indexes in 8 sub-regions from 1961 to 2017

为进一步分析热浪指数的变化特征，用Mann-Kendall 法检测各个区域热浪指数的突变点，如表2 所示。中部和西南地区的热浪指数在20 世纪初发生突变，其他6 个子区域热浪指数的突变点则集中在20 世纪90年代末，中国地区区域平均HWN、HWD、HWF和HWA的突变点为1998年。贾佳［16］等和沈皓俊［17］等的研究也表明中国地区热浪的突变主要发生在1990s 末和2000s 初，太平洋年代际震荡（Pacific Decadal Oscillation，PDO）和ENSO（EI Niño-Southern Oscillation）的相位转换可能是导致突变的原因。

此外，青藏、西部和中部地区的HWN、HWD、HWF和HWA均发生突变，东北和北方地区均未发生突变。其中，西部地区的4个热浪指数在1996年发生突变，青藏和中部地区4 个热浪指数发生突变的时间则不同，HWD和HWF的突变时间略晚于HWN和HWA。

2.2 热浪指数的空间分布特征

采用克里金法［20-22］对各站点1961-2017年HWN、HWD、HWF和HWA的均值进行插值，其空间分布如图3所示。大多数地区平均每年发生热浪0.5～1 次，青藏、西部和东部部分地区平均每年发生热浪1次以上，河南、湖北和贵州部分地区发生热浪次数最少，平均每年低于0.5 次［图3（a）］。HWD［图3（b）］和HWF［图3（c）］的空间分布与HWN类似，高值区域也主要分布在青藏、西部和东部部分地区。热浪最长持续时间集中在1.5～3 d，在河南大部分地区低于1.5 d。热浪在东北、中部、西南和西部部分地区持续时间较短，平均少于3 d，但在青藏和新疆东部地区的平均持续时间超过5 d。在平均发生热浪1 次以上的地区，热浪最长持续时间平均可超过3 d，热浪持续时间平均超过5 d，表明发生热浪次数多的地区热浪持续时间和最长持续时间也较长。HWA的空间分布呈现明显的北高南低特征［图3（d）］，北方地区的热浪强度平均超过6 ℃2，而南方地区平均小于2 ℃2，表明北方地区的热浪强度较大，南方地区热浪强度较小。

图3 1961-2017年热浪指数多年均值的空间分布Fig.3 The spatial distribution of the multi-year mean value of the heat wave indexes from 1961 to 2017

采用一元线性回归方法计算1961-2017年各站点HWN、HWD、HWF和HWA的变化趋势，其空间分布如图4 所示。全国约70%的站点HWN、HWD、HWF和HWA均呈显著增加的趋势，在河南、山东、陕西、湖北、贵州和新疆部分地区共有约5%的站点呈减小趋势，但仅有4 到5 个站点的减小趋势通过了0.05 的显著性检验。图4（a）显示，HWN变化趋势较大的地区主要分布在东部、西部、青藏、西南和东南沿海部分地区，其中新疆东部和云南省部分地区HWN变化趋势最大，集中在0.08～0.12 次/a。HWD［图4（b）］和HWF［图4（c）］变化趋势的空间分布与HWN类似，但青藏、西部和东部地区有更多站点的增加趋势变大。HWD变化趋势分别为0～0.1 d/a 和0.1～0.2 d/a 的站点占比为45.93%和25.14%，同时有51.69%和21.49%的站点HWF变化趋势分别集中在0～0.2 d/a 和0.2～0.5 d/a，而仅有17.56%的站点HWN变化趋势为0.04～0.08 次/a。肖安等［12］认为在热浪在中国高纬度高海拔地区增加趋势更明显，本文研究结论与其大体一致。HWA［图4（d）］变化趋势的空间分布也呈现出北高南低的特征，南方大部分地区的趋势值为0～0.2 ℃2/a，而北方地区的趋势值集中于0.2～0.4 ℃2/a，最大值为0.7 ℃2/a。

图4 1961-2017年各站点热浪指数变化趋势的空间分布Fig.4 The spatial distribution of the change trend of the heat wave indexes of each site from 1961 to 2017

3 热浪对植被的影响

3.1 中国地区NDVI的变化特征

由图5（a）可知，1981-2017年中国地区NDVI的多年均值在空间上具有东高西低的变化趋势。青藏、西部和东部部分地区NDVI值较低，集中在0～0.2 之间，东北、中西部地区和东南沿海部分地区NDVI值在0.6 以上，其他地区的NVDI值集中于0.4～0.6。图5（b）左下角为通过显著性检验的格点占比，近40年中国地区有15.43%的地区NDVI呈现减小趋势，主要分布在新疆东部和青藏地区，有32.89%的地区NDVI呈现增加趋势，主要分布在东北、黄土高原和新疆西部地区，其中新疆西部地区的NDVI增加趋势最为明显。

图5 1981-2017年中国地区NDVI多年均值和变化趋势的空间分布Fig.5 Spatial distribution of the multi-year mean and trend of NDVI in China during 1981-2017

3.2 热浪指数与NDVI的相关性分析

采用Spearman 秩相关法计算各个站点HWN、HWD、HWF和HWA与NDVI的相关系数，其空间分布如图6 所示。NDVI与HWN、HWD、HWF和HWA相关系数的绝对值均在0.3～0.8 之间，表明NDVI与热浪指数具有显著的相关关系，即热浪事件显著影响植被的生长情况。通过0.05 显著性检验的站点占比分别为26.54%、23.74%、26.54%和22.05%，其中正相关区域占比分别为23.60%、20.51%、23.31%和19.52%，主要聚集在新疆、甘肃、青海、四川、辽宁和长江下游地区，负相关区域占比均在3%左右，主要分布在内蒙古东部、新疆东部和东南沿海部分地区。由此可见，HWN和HWF与HWD、HWA相比对植被生长的影响更大，Li［23］等分析热浪事件与植被密度之间的关系时，也指出在温带落叶林地区LAI与HWD的相关性强于HWA。

图6 1981-2017年各站点热浪指数与NDVI相关系数的空间分布Fig.6 The spatial distribution of the correlation coefficient between the heat wave indexes and NDVI of each site from 1981 to 2017

表3 所示为中国地区8 个子区域HWN、HWD、HWF和HWA与NDVI的相关系数，除南方地区的HWD和HWA与NDVI不存在相关关系外，其他地区的4个热浪指数与NDVI均存在正相关关系。其中，西部地区的HWN、HWD和HWF与NDVI的相关性最强，相关系数分别为0.73、0.69 和0.73，西南地区的HWA与NDVI相关性最强，南方地区的HWN、HWD、HWF和HWA与NDVI的相关性最弱。整体来看，西部、青藏、西南和东部地区的热浪指数与NDVI的相关性强于中部、南方、北方、和东北地区，同时西部、青藏和西南地区的相关性强于东部地区。

表3 各子区域热浪指数与NDVI的相关系数Tab.3 Correlation coefficient of heat wave indexes and NDVI in each sub-region

植被生长受温度和水分条件限制，在不同的水热条件下植被的生长情况也不同。热浪改变了植被原有的生长环境，在不同区域对植被的影响有显著的差异。综合图6 和表3 中HWN、HWD、HWF和HWA与NDVI相关系数的分布可认为，西部、青藏和西南地区的热浪事件对植被生长具有正向促进作用，在内蒙古东部、新疆东部和东南沿海部分地区，热浪事件增加会加速植被的蒸散发进程，从而导致植被生长发育受阻。本文的研究结论与葛非凡［24］等和王昊［25］等的研究结论较为一致，前者认为华东中南部地区的极端高温次数与江苏东部地区NDVI呈负相关，而与山东和江西部分地区的NDVI呈正相关，后者认为西南地区极端高温天气对植被生长具有促进作用。

4 讨论

在气象站点分布密集的区域，站点数据能较好的代表区域情况，在气象站点较稀疏的地区，用站点数据代表区域状况其准确度可能偏低。已有学者用站点数据代表区域情况进行分析，如Li［11］等选择376 个站点的数据分析中国7 个子区域热浪的变化趋势；贾佳［16］等基于中国719 个基准站，分析中国7 个子区域热浪的时空分布特征。本文以气象站点数据为代表，初步从区域上分析了热浪的时空变化特征，揭示了热浪事件对植被生长的影响，此次研究对于站点代表区域情况的考虑可能不够完善，未来计划基于遥感监测数据进一步验证分析。