基于ETCCDI指数的京津冀地区极端气候事件特征及影响分析

doi:10.3969/j.issn.1673-503X.2024.03.012

摘要/Abstract

摘要：

利用京津冀地区1961—2020年175个气象站逐日气温和降水资料, 通过计算9个典型极端指数, 采用线性趋势、Sen突变分析, 分析了极端气温和降水时空变化, 并基于极端指数构建极端事件影响评价指标体系, 量化了2003—2019年本地区受极端气候影响的强度。结果表明: 1961—2020年, 京津冀地区呈极端暖事件显著增多、冷事件显著减少趋势, 自20世纪90年代末以来增温速率快速增加, 冷事件减少突变时间早于暖事件增加; 与天津、河北两地相比, 北京极端高温增温及暖事件频次增多幅度最大、极端低温增温及冷事件减少最小, 说明北京暖事件更强、冷事件不弱; 京津冀地区极端降水指数呈微弱的减少趋势且年代际变化特征明显, 北京、河北极端降水量极值增大, 说明两地极强降水事件增强; 2020年日最高温(TXx)、暖昼(TX90p)、热持续指数(WSDI)、日最低温(TNn)略高于常年值, 冷夜(TN10p)、冷持续指数(CSDI)及降水指数低于常年值, 天津多个站点(CSDI)及降水指数为1961年以来最低, 指示本地区2020年的极端气温接近正常年、极端降水在天津地区为最少年; 2003年以来极端事件的影响总体上升; 北京气候灾害损失强度优于河北, 但极端天气强度较高。

关键词: 极端气温, 极端降水, 影响评价

Abstract:

Utilizing the daily temperature and precipitation data of 175 meteorological stations in Beijing-Tianjin-Hebei region from 1961 to 2020, the spatiotemporal variations of extreme temperature and precipitation events were analyzed using 9 typical extreme indices and methods of linear trend and Sen's mutation. An impact evaluation index system was constructed based on these extreme indices to quantify the local extreme climate impacts for the period of 2003-2019. The results indicate that the Beijing-Tianjin-Hebei region experienced a significant increase in extreme warm events and a significant decrease in extreme cold events from 1961 to 2020. Since the late 1990s, the warming rate has accelerated, with the decrease in cold events occurring earlier than the increase in warm events. Compared to Tianjin and Hebei, Beijing shows greater increase in extreme high temperatures and the warm event frequency, as well as smaller increase in extreme low temperatures and decrease in cold events. It implies the status of increasingly stronger warm events and less weak cold events in Beijing. The extreme precipitation indices in Beijing-Tianjin-Hebei region show a slight decreasing trend with notable decadal variability. Beijing and Hebei have experienced an increase in the precipitation maxima, suggesting an enhancement in extremely strong precipitation events in these areas. The year of 2020 shows slightly higher-than-normal values on the annual maximum temperature (TXx), warm days (TX90p), and warm spell duration index (WSDI), while lower-than-normal values for the annual minimum temperature (TNn), cold nights (TN10p), cold spell duration index (CSDI), and precipitation indices. Several stations in Tianjin have recorded the lowest CSDI and precipitation indices since 1961. It indicates that the extreme temperatures in 2020 are close to normal, while extreme precipitation in Tianjin is at a minimum state. Besides, the overall impacts of extreme events have increased since 2003. Although Beijing experiences lower climate disaster damage intensity compared to Hebei, it shows higher intensity of extreme weather events.

Key words: Temperature extremes, Precipitation extremes, Impact assessment

中图分类号:

P466

宋扬,王冀,冯璞玉,徐丽萍,王凤,张伟,唐夕茹,王玢. 基于ETCCDI指数的京津冀地区极端气候事件特征及影响分析[J]. 气象与环境学报, 2024, 40(3): 97-105.

Yang SONG,Ji WANG,Puyu FENG,Liping XU,Feng WANG,Wei ZHANG,Xiru TANG,Bin WANG. Characteristics and impact analysis of extreme climate events in Beijing-Tianjin-Hebei region based on ETCCDI indices[J]. Journal of Meteorology and Environment, 2024, 40(3): 97-105.

图/表 7

表1

表2

表3

图1

表4

图2

图3

参考文献 28

1	World Meteorological Organization. WMO atlas of mortality and economic losses from weather, climate and water extremes (1970-2019)[M]. Geneva: WMO, 2021.
2	IP CC . Climate change 2021:the physical science basis[M]. Cambridge: Cambridge University Press, 2023.
3	周波涛, 钱进. IPCC AR6报告解读: 极端天气气候事件变化[J]. 气候变化研究进展, 2021, 17 (6): 713- 718.
4	World Economic Forum. The global risks report 2021 (16th Edition)[M/OL]. https://www3.weforum.org/docs/WEF_The_Global_Risks_Report_2021.pdf. 引用日期2021-01-19.
5	秦大河. 中国极端天气气候事件和灾害风险管理与适应国家评估报告[M]. 北京: 科学出版社, 2015: 1- 377.
6	王冀, 蒋大凯, 张英娟. 华北地区极端气候事件的时空变化规律分析[J]. 中国农业气象, 2012, 33 (2): 166- 173.
7	苗正伟, 李娜, 路梅, 等. 1961—2017年京津冀地区极端降水事件变化特征[J]. 水利水电技术, 2019, 50 (3): 34- 44.
8	林璇, 赵磊, 李得勤, 等. 华北"7.20"特大暴雨多尺度特征分析[J]. 气象与环境学报, 2020, 36 (3): 1- 9. doi: 10.3969/j.issn.1673-503X.2020.03.001
9	苗正伟, 李娜, 路梅, 等. 1961—2017年京津冀地区极端气温指数时空变化分析[J]. 北京师范大学学报(自然科学版), 2019, 55 (3): 369- 380.
10	张可慧. 全球气候变暖对京津冀地区极端天气气候事件的影响及防灾减灾对策[J]. 干旱区资源与环境, 2011, 25 (10): 122- 125.
11	焦毅蒙. 京津冀地区极端温度事件时空变化规律及城市化对其影响研究[D]. 北京: 中国地质大学(北京), 2019: 1-60.
12	陈方远. 京津冀地区主要城市气候变化及其原因分析[D]. 南京: 南京信息工程大学, 2015: 1-77.
13	梅梅, 朱蓉, 孙朝阳. 京津冀及周边"2+26"城市秋冬季大气重污染气象条件及其气候特征研究[J]. 气候变化研究进展, 2019, 15 (3): 270- 281.
14	马占云, 冯鹏, 高庆先, 等. 华北地区能源及交通行业对极端天气的敏感性分析[J]. 环境科学研究, 2015, 28 (4): 495- 502.
15	Arnott J C , Moser S C , Goodrich K A . Evaluation that counts: a review of climate change adaptation indicators & metrics using lessons from effective evaluation and science-practice interaction[J]. Environmental Science & Policy, 2016, 66, 383- 392.
16	Feng A Q , Chao Q C . An overview of assessment methods and analysis for climate change risk in China[J]. Physics and Chemistry of the Earth, Parts A/B/C, 2020, 117, 102861. doi: 10.1016/j.pce.2020.102861
17	Fu L , Cao Y , Kuang S Y , et al. Index for climate change adaptation in China and its application[J]. Advances in Climate Change Research, 2021, 12 (5): 723- 733. doi: 10.1016/j.accre.2021.06.006
18	赵春黎, 严岩, 陆咏晴, 等. 基于暴露度-恢复力-敏感度的城市适应气候变化能力评估与特征分析[J]. 生态学报, 2018, 38 (9): 3238- 3247.
19	崔妍, 敖雪, 周晓宇, 等. 城市适应气候变化能力评价—以朝阳市为例[J]. 气象与环境学报, 2020, 36 (6): 122- 129. doi: 10.3969/j.issn.1673-503X.2020.06.015
20	谢欣露, 郑艳. 气候适应型城市评价指标体系研究——以北京市为例[J]. 城市与环境研究, 2016, (4): 50- 66.
21	吴向阳. 城市适应气候变化能力评价指标体系构建[J]. 现代企业, 2019, (10): 93- 94. doi: 10.3969/j.issn.1000-9671.2019.10.048
22	朱潜挺, 刘镇萌, 唐景烨, 等. 京津冀气候变化适应性指标体系构建与评价[J]. 创新科技, 2020, 20 (1): 53- 61.
23	Toreti A , Kuglitsch F G , Xoplaki E , et al. A note on the use of the standard normal homogeneity test to detect inhomogeneities in climatic time series[J]. International Journal of Climatology, 2011, 31 (4): 630- 632. doi: 10.1002/joc.2088
24	Sen P K . Estimates of the regression coefficient based on Kendall's Tau[J]. Journal of the American Statistical Association, 1968, 63 (324): 1379- 1389. doi: 10.1080/01621459.1968.10480934
25	Atta-ur-Rahman , Dawood M . Spatio-statistical analysis of temperature fluctuation using Mann-Kendall and Sen's slope approach[J]. Climate Dynamics, 2017, 48 (3/4): 783- 797.
26	尹红, 孙颖. 基于ETCCDI指数2017年中国极端温度和降水特征分析[J]. 气候变化研究进展, 2019, 15 (4): 363- 373.
27	黄蓉, 龚年祖, 刘华玮, 等. 南京城市化对极端气温的影响[J]. 中国农学通报, 2017, 33 (21): 118- 125.
28	赵小伟, 王亚娟, 赵洪岩, 等. 北京"2016-07-20"暴雨与"2012-07-21"暴雨对比分析[J]. 北京水务, 2017, (4): 33- 37.

代码	名称	定义	单位
TXx	年最高温	年内日最高气温的最大值	℃
TX90p	暖昼日数	最高气温＞90%分位值的日数	d
WSDI	持续暖日日数	连续6 d最高气温＞90%分位值日数	d
TNn	年最低温	年内日最低气温的最小值	℃
TN10p	冷夜日数	最低气温＜10%分位值的日数	d
CSDI	持续冷日日数	连续6 d最低气温＜10%分位值日数	d
R99p	极强降水总量	日降水量＞99%分位值的年累计降水量	mm
Rx1day	最大日降水量	年内最大日降水量	mm
R25	大雨日数	年内日降水量≥25 mm的总日数	d

目标层	准则层	指标层	单位
S1极端事件强度	C1高温	A1 TXx	℃
		A2 TX90p	d
		A3 WSDI	d
	C2低温	A4 TNn	℃
		A5 TN10p	d
		A6 CSDI	d
	C3暴雨	A7 R99p	mm
		A8 R25	d
		A9 Rx1day	mm
S2气候灾害损失强度	C4经济损失	A10直接经济损失	亿元·10⁴ km²
	C5人员损失	A11受灾人口	万人次·10⁴ km²
	C5人员损失	A12死亡人口 (含失踪人口)	人·10⁴ km²
	C6作物损失	A13农作物受灾面积	hm²/km²

目标层	ω₁	准则层	ω₂	指标层	ω₃	ω
		C1	0.2647	A1	0.5126	0.0786
				A2	0.2981	0.0457
				A3	0.1893	0.0290
S1	0.5794	C2	0.2987	A4	0.5126	0.0887
				A5	0.2981	0.0516
				A6	0.1893	0.0328
		C3	0.4366	A7	0.3581	0.0905
				A8	0.1140	0.0288
				A9	0.5279	0.1335
		C4	0.3333	A10	1.0000	0.1402
S2	0.4206	C5	0.3333	A11	0.2500	0.0350
				A12	0.7500	0.1051
		C6	0.3333	A13	1.0000	0.1402

要素	地点	指标	线性斜率	均值	突变年份	突变前		突变后
要素	地点	指标	线性斜率	均值	突变年份	斜率	均值	斜率	均值
		TXx	0.03	36.89	1998^**	-0.04^*	36.24	-0.06	38.06
	北京	TX90	0.20^**	12.62	1996^**	0.04	9.53	0.09	17.38
		WSDI	0.12^**	4.14	1996^**	0.00	1.14	0.16	8.76
		TXx	0.01	37.03	1996^*	-0.06^**	36.61	-0.03	37.68
极端高温	天津	TX90	0.16^**	12.08	1996^**	0.09	9.62	-0.08	15.85
		WSDI	0.09^**	3.26	1996^**	0.00	0.88	0.10	6.91
		TXx	0.01	37.77	1996	-0.03	37.46	-0.02	38.23
	河北	TX90	0.07^**	11.60	1996^**	-0.08	10.03	-0.05	14.02
		WSDI	0.06^**	3.15	1996^**	-0.01	1.30	-0.06	6.01
极端低温		TNn	0.03^*	-16.63	1987^*	-0.04	-17.42	-0.02	-15.97
	北京	TN10p	-0.15^**	10.15	1987^**	0.01	13.45	-0.05	7.36
		CSDI	-0.01	1.86	1971	0.56^*	3.69	0.00	1.41
		TNn	0.08^**	-14.72	1987^**	-0.03	-16.45	-0.01	-13.25
	天津	TN10p	-0.24^**	10.56	1993^**	-0.18^*	14.16	-0.14^**	6.02
		CSDI	-0.06^**	2.43	1976^**	-0.19	6.32	0.00^*	0.92
		TNn	0.07^**	-17.21	1987^**	0.02	-18.71	0.00	-15.93
	河北	TN10p	-0.21^**	9.69	1987^**	-0.07	13.81	-0.11^**	6.20
		CSDI	-0.04^**	2.21	1971^**	0.62	5.82	-0.01	1.33
		R99p	-0.39	50.30	1964	30.05	103.04	-0.16	45.59
	北京	R25	-0.01	5.96	1996	0.01	6.40	0.08^*	5.28
		RX1day	-0.28^*	78.96	1964	8.35	102.00	-0.16	76.91
极端降水		R99p	-0.42	53.23	1988	1.16	70.90	0.45	37.21
	天津	R25	-0.03	5.90	1996	0.01	6.41	0.02	5.11
		RX1day	-0.35	86.17	1988	0.62	96.39	0.42	76.91
		R99p	-0.35	46.31	1964	14.53	89.68	-0.25	42.44
	河北	R25	0.00	5.23	1996	0.02	5.46	0.06	4.87
		RX1day	-0.17	75.20	1964	0.09	78.51	0.27	70.11

[1]	敖雪, 翟晴飞, 赵春雨, 崔妍, 耿树江, 于怡秋, 周晓宇, 李经纬. 全球升温1.5 ℃和2.0 ℃辽河流域极端降水变化预估[J]. 气象与环境学报, 2023, 39(6): 69-79.
[2]	唐振飞,杨婷,陈笑晨,李欣欣,林昕,何芬,温珍治. SSPs情景下福建省未来极端降水的模拟与预估[J]. 气象与环境学报, 2023, 39(1): 26-36.
[3]	郑小华, 娄盼星, 马永永. 1961—2018年陕西极端气温时空变化特征[J]. 气象与环境学报, 2021, 37(3): 81-87.
[4]	张萍萍, 孙军, 董良鹏, 陈璇, 车钦, 钟敏, 张蒙蒙, 张宁. 2016年湖北省一次暖区极端降水过程预报偏差分析[J]. 气象与环境学报, 2018, 34(5): 1-8.
[5]	杨丽萍, 冯旭宇, 闫伟兄, 郭晓丽, 秦艳, 贾成朕. 极端气温变化对内蒙古地区榆树物候期的影响[J]. 气象与环境学报, 2017, 33(5): 97-102.
[6]	廖玉芳,张剑明,刘兵,李英,唐爱军,段丽洁. 湖南省极端降水过程客观监测指标[J]. 气象与环境学报, 2014, 30(5): 146-152.
[7]	杨艳娟,李明财. 华北地区雨季极端降水量的非均匀性特征[J]. 气象与环境学报, 2014, 30(4): 57-62.
[8]	寿幼平，乔建哲，徐静. 颗粒物干沉降对AERMOD模型预测大气污染的影响[J]. 气象与环境学报, 2012, 28(4): 16-21.
[9]	王蕊，张巍，季兰，李巍，张洋，于东升，徐本良. 基于GIS的输变电项目景观可视化环境影响评价研究[J]. 气象与环境学报, 2012, 28(3): 61-64.
[10]	闫少锋, 张金池, 张波, 王永平, 俞红, 闵俊杰, 张增信. 南京极值温度长期变化及与平均温度的关系[J]. 气象与环境学报, 2011, 27(3): 33-39.
[11]	李喜仓, 白美兰, 马玉峰, 刘克利, 冯晓晶, 杨晶. 鄂尔多斯市城区发展对局地大气环境影响的数值模拟[J]. 气象与环境学报, 2011, 27(3): 61-66.
[12]	常春芝,. 城市雨水利用在区域规划环评中的可行性分析[J]. 气象与环境学报, 2008, 24(3): 24-28.
[13]	常春芝 . 环境承载力分析在规划环境影响评价中的应用[J]. 气象与环境学报, 2007, 23(2): 38-41.
[14]	张凯,娄德君,潘静,王冀,苗传海. 1957~2000年沈阳地区气温和降水变化特征分析[J]. 气象与环境学报, 2006, 22(6): 38-42.
[15]	卢娟,孟莹,潘静,李广霞,于慧波. 近42年辽宁极端降水事件分析[J]. 气象与环境学报, 2004, 20(4): 8-9.