ANALYSIS OF HIGH TEMPERATURE HAZARD IN DIFFERENT CLIMATE REGIONS OF CHINA
-
摘要: 高温危险性评价是高温灾害风险评价的重要组成部分和基础工作。基于过去60年(1961—2020年)的日最高温度数据，选择高温日数、最高温度、高温强度三个指标，逐站点使用核密度函数估算三个高温指标的概率密度函数，计算了四个重现期(即五年一遇、十年一遇、二十年一遇和五十年一遇)下的三个指标的取值，进而通过K-means非监督聚类得到各指标下的高温危险性等级分布图，然后将各指标叠加，对我国不同气候区的综合高温危险性进行了评估。研究表明：(1) 从高温日数来看，发生高温可能性最大的地区位于我国西北干旱(半干旱)区和华中、华南地区的交界部分；(2) 从最高温度来看，发生高温可能性最大的区域是西北干旱(半干旱)区和华北地区，华中地区的最高温度在不同重现期下的增强最显著；(3) 从高温强度来看，发生高温可能性最大的区域是西北干旱(半干旱)区，西南地区和青藏高原地区内不同区域的高温强度差异较大，需局部防范高温灾害；(4) 随着重现期年限的增长，不同高温指标值均明显增长，高值区域面积逐渐增加。全国高温综合高危险性等级地区主要位于西北干旱(半干旱)地区、华北地区南部、华中地区、华南地区和西南地区北部，其余气候区少量分布。较高危险性等级地区则主要分布在华北地区北部、东部地区局部、西北干旱(半干旱)地区局部和西南地区的少部分区域。中危险性等级地区则主要分布在东部地区西部。这些地区需加强防范高温灾害。Abstract: Hazardness assessment is the basis and an important part of high temperature hazard research. Based on the daily maximum temperature data of the past 60 years from 1961 to 2020, three indicators were calculated and used to describe the hazard of high temperature, and they were the number of high temperature days, maximum temperature, and high temperature intensity. We used the kernel density estimation to calculate the values of the three indexes under four return periods (5, 10, 20, and 50 years). Furthermore, through K-means unsupervised clustering, the distribution of high temperature risk levels for each indicator was obtained, and then the indicators were superimposed to evaluate the comprehensive high temperature risk of different climate regions in China. The results show that: (1) From the perspective of high temperature days, the area with the greatest possibility of high temperature is the arid (semi-arid) region in the northwest, and the junction of central and South China. (2) From the point of view of the highest temperature, the regions with the greatest possibility of high temperature are northwest arid (semiarid) region and North China, and the highest temperature in central China increases most significantly in different return periods. (3) From the perspective of high temperature intensity, the region with the highest possibility of high temperature is the arid (semi-arid) region in northwest China. The high temperature intensity in different areas of southwest China and the Qinghai Tibet Plateau is quite different, so local prevention of high temperature is necessary. (4) With the increase of the duration of return periods, the values of different high temperature indexes increase obviously, and the range of high value area expands gradually. The high-temperature comprehensive high-risk areas in China are mainly located in the arid (semi-arid) regions of northwest China, southern North China, central China, South China, and northern southwest China. Relatively high-risk areas are mainly distributed in the northern part of North China, part of eastern China, part of the arid (semi-arid) area of the northwest, and a small part of the southwest. The areas with medium risk are mainly distributed in the western part of the eastern region. The prevention of high temperature in these areas needs to be strengthened.
-
Key words:
- high temperature /
- hazardness assessment /
- return period /
- Kernel density function /
- clustering
-
图 1 中国气象站点分布和气候分区图
注：该图基于自然资源部标准地图服务网站下载的审图号为GS(2020)4632号的标准地图制作，底图无修改。由于数据获取困难，本次研究中香港、台湾和澳门的数据由附近站点插值得到。下同。
图 2 不同重现期下的高温日数分布图
(A)：西北干旱（半干旱）地区；(B)：青藏高原；(C)：东部地区；(D)：西南地区；(E)：东北地区；(F)：华北地区；(G)：华中地区；(H)：华南地区。下同。
表 1 聚类分析结果及分类后得到的各指标危险性等级面积占比
指标 类别/等级 聚类信息量的平均值 协方差 占全国总面积的比值 高温日数 1 0.024 0.017 49.126% 2 0.095 0.028 38.149% 3 0.239 0.074 12.725% 最高温度 1 0.208 0.059 17.314% 2 0.469 0.036 47.674% 3 0.548 0.031 35.011% 高温强度 1 0.063 0.111 19.573% 2 0.685 0.092 27.004% 3 0.891 0.035 53.423% 
下载: 导出CSV
表 2 8个气候区不同危险性等级所占比例
地区 无危险性/% 低危险性/% 较低危险性/% 中危险性/% 较高危险性/% 高危险性/% 东北地区 0.23 5.44 88.45 5.86 0.01 0.01 东部地区 0.12 3.55 41.05 27.97 22.92 4.39 华北地区 0.02 0.62 8.26 15.19 42.39 33.52 华南地区 0.03 0.67 2.58 12.36 12.02 72.34 华中地区 0.06 0.26 0.42 1.37 10.00 87.89 青藏高原 62.93 21.90 5.05 3.08 2.83 4.21 西北地区 0.65 3.29 10.92 10.13 27.67 47.34 西南地区 0.77 32.24 15.20 13.50 14.00 24.29 总占比 16.39 10.61 20.83 11.24 15.01 25.92
下载: 导出CSV
-
[1] 叶殿秀, 邹旭恺, 张强, 等. 长江三峡库区高温天气的气候特征分析[J]. 热带气象学报, 2008, 24(2): 200-204. doi: 10.3969/j.issn.1004-4965.2008.02.014 [2] 谭冠日. 全球变暖对上海和广州人群死亡数的可能影响[J]. 环境科学学报, 1994, 14(3): 368-373. doi: 10.13671/j.hjkxxb.1994.03.017 [3] 王迎春, 郑大玮, 李青春. 城市气象灾害[M]. 北京: 气象出版社, 2009: 75. [4] 年飞翔, 王丹丹. 1960~2019年静海高温天气变化特征分析及日高温概率模型[J]. 四川环境, 2021, 40(1): 93-99. https://www.cnki.com.cn/Article/CJFDTOTAL-SCHJ202101014.htm [5] 王义臣. 气候变化视角下城市高温热浪脆弱性评价研究[D]. 北京: 北京建筑大学, 2015. [6] 周广胜. 气候变化对中国农业生产影响研究展望[J]. 气象与环境科学, 2015, 38(1): 80-94. doi: 10.3969/j.issn.1673-7148.2015.01.012 [7] 王静. 高温池塘常见水质问题解析及处理思路[J]. 当代水产, 2020, 45(8): 79-81. doi: 10.3969/j.issn.1674-9049.2020.08.029 [8] 赵路伟. 重庆市高温灾害风险评价研究[D]. 重庆: 西南大学, 2016. [9] 武夕琳, 刘庆生, 刘高焕, 等. 高温热浪风险评估研究综述[J]. 地球信息科学学报, 2019, 21(7): 1 029-1 039. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXX201907006.htm [10] 王一鹤. 南亚城市高温热浪灾害风险高精度评价[D]. 济南: 山东理工大学, 2020. [11] 董思言, 徐影, 周波涛, 等. 基于CMIP5模式的中国地区未来高温灾害风险预估[J]. 气候变化研究进展, 2014, 10(5): 365-369. doi: 10.3969/j.issn.1673-1719.2014.05.008 [12] 张婷, 程昌秀. 顾及空间集聚程度的中国高温灾害危险性评价[J]. 地球信息科学学报, 2019, 21(6): 865-874. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXX201906008.htm [13] 黄慧琳, 缪启龙, 潘文卓, 等. 杭州市高温致灾因子危险性风险区划[J]. 气象与减灾研究, 2012, 35(2): 51-56. https://www.cnki.com.cn/Article/CJFDTOTAL-HXQO201202009.htm [14] 宋晨阳, 王锋, 张韧, 等. 气候变化背景下我国城市高温热浪的风险分析与评估[J]. 灾害学, 2016, 31(4): 201-206. https://www.cnki.com.cn/Article/CJFDTOTAL-ZHXU201601038.htm [15] 程炳岩, 丁裕国, 何卷雄. 全球变暖对区域极端气温出现概率的影响[J]. 热带气象学报, 2003, 19(4): 429-435. https://rdqxxb.itmm.org.cn/article/id/20030411 [16] 杨秋珍, 徐明, 李军. 对气象致灾因子危险度诊断方法的探讨[J]. 气象学报, 2010, 68(2): 277-284. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXB201002014.htm [17] YIN Z E, YIN J, ZHANG X W. Multi-scenario-based hazard analysis of high temperature extremes experienced in China during 1951-2010[J]. Journal of Geographical Sciences, 2013, 23(3): 436- 446. [18] 张书娟. 华东地区高温灾害风险评估研究[D]. 上海: 上海师范大学, 2011. [19] LI C L, WANG J, LIU M, et al. Scenario-based hazard analysis of extreme high - temperatures experienced between 1959 and 2014 in Hulunbuir, China[J]. International Journal of Climate Change Strategies and Management, 2019, 11(1): 2-17. [20] 徐军昶. 基于ArcGIS的陕西省天气气候极值及其重现期值的时空分布特征研究[D]. 西安: 陕西师范大学, 2009. [21] 王静爱, 史培军, 朱骊. 中国主要自然致灾因子的区域分异[J]. 地理学报, 1994, 49(1): 18-26. https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB401.002.htm [22] 贺山峰, 戴尔阜, 葛全胜, 等. 中国高温致灾危险性时空格局预估[J]. 自然灾害学报, 2010, 19(2): 91-97. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZH201002015.htm [23] 张校玮. 我国极端气候时空特征及风险分析[D]. 上海: 上海师范大学, 2012. [24] 张建亚. 重庆市高温灾害风险评估研究[D]. 重庆: 重庆师范大学, 2015. [25] XIAO M Z, ZHANG Q, SINGH Ⅴ P, et al. Regionalization-based spatiotemporal variations of precipitation regimes across China[J]. Theoretical and Applied Climatology, 2013, 114(1): 203-212. [26] 黄小梅, 赵旋, 肖丁木. 1961~2016年四川盆地夏季高温热浪变化特征分析[J]. 高原山地气象研究, 2019, 39(2): 14-22. https://www.cnki.com.cn/Article/CJFDTOTAL-SCCX201902003.htm [27] 张天宇, 程炳岩, 唐红玉, 等. 重庆极端高温指标的对比及其与区域性增暖的关系[J]. 热带气象学报, 2011, 27(4): 585-593. https://rdqxxb.itmm.org.cn/article/id/20110816 -
点击查看大图
图(9) / 表(2)
计量
- 文章访问数: 8
- HTML全文浏览量: 1
- PDF下载量: 0
- 被引次数: 0
粤公网安备 4401069904700003号