尽管对极端天气和气候事件可以根据不同的标准以多种方式定义,但清楚理解极端气候事件变化与气候均值和变率变化之间的联系对理解极端气候的含义是非常重要的^{[ 20]}。朱乾根等^{[ 21]}指出气候是长时间内气象要素和天气现象的平均或统计状态,时间尺度一般为月、季、年、数年到数百年以上,其既包括平均状态也包括极端情况。极端天气事件是指某一区域内在统计分布上不经常或者极少发生的事件,相应的极端气候事件是指某一时间段内天气要素的平均状况是极端的^{[ 22]}。而气候要素从统计上来说本身就是随机变量,极端气候事件可以认为是这些随机变量的某种类型函数。Kharin等^{[ 23]}指出虽然极端气候事件是多种气候要素的集合,也表现出多方面的特征,但事件的强度、频率和持续时间等参数的相关变化是其概率分布形态的反应。因此气候的平均状态、极端气候以及气候的变率之间是相互联系的,并且作为各种天气现象综合表述的气候,可以用一个合适的概率分布表示。统计科学提供了一个成熟的分析极值的理论体系,依据相关的统计分布,例如概率密度函数(PDF)等,可以分析随着不同气候要素的变化,均值和变率相互关系的变化情况^{[ 24]}。一般来说,年最高气温或24小时的降水量将趋向于3个典型极值分布中的一种,这取决于母体分布的上尾形状^{[ 2]}。基于极值分布理论,温度是一个典型的服从正态分布(Normal Distribution)的气候变量,而降水一般服从伽玛分布(Gamma Distribution),这代表了平均值和方差之间相互关系的特性,因为对于服从伽玛分布的降水,要素变量的变化同时依赖于形状和尺度参数^{[ 25]}。如图1所示,图1(a)中黑线越高表示具有这些特征的天气现象越容易发生,阴影部分表示分布的极值部位,代表在分布尾部的气候事件发生的概率是非常小的,即极端气候事件。

对于不同的极端气候指数,例如极端气温和极端降水等,他们之间的主要区别一是定义他们所属的分布类型,再就是定义位于分布尾部的极端事件阈值。Zhang等^{[ 26]}指出能够刻画分布尾部特征的这些极端气候事件相比于分布中经常发生的事件会对社会和生态系统造成更加严重的影响,并且由于这些极端事件发生的非常少,相应的观测数据也缺乏,因此对他们的研究也存在一定的困难,然而可以依据分布解释极端气候与气候平均状态之间的变化关系(图1)。图1(a)显示在未来的气候分布条件下如果均值有一个小的移位,极端事件就会在分布的一端上增加而在另一端减少,这就说明均值一个小的变化就有可能造成极值出现的频率和强度发生巨大改变^{[ 27]}。Katz等^{[ 28]}也从理论上进一步证实,气候要素原始分布方差的变化对极端事件频率的影响比对气候平均状态的影响要大的多。然而在平均值不变的情况下,变率的增加也将会导致极端低温和极端高温事件的增加,并且极端事件的绝对值也会发生变化^{[ 29]}。对于降水的分布变化Groisman等^{[ 25]}研究指出,降水均值的变化会改变日降水的方差,而方差的改变又会进一步影响极端降水发生的频率,因而总降水的增加会导致极端降水的频率和强度发生非线性增加(图1(b))。钱维宏等^{[ 18]}通过分析我国近40年平均气候与气候极值的关系,也得出中国气候要素平均状态变化对极端气候事件的发生有重要影响

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 平均值和极端值变化关系示意图(a) 服从标准正态分布的气温；(b) 服从伽马分布的降水(依据文献[26]重绘)Fig.1 Schematic showing the effect on extreme temperaturesWhen (a) both the mean and variance increase for a normal distribution of temperature; Extreme precipitation (b) when gamma distribution(modified and redrawn from reference[26])

2.2.1 极端气候的含义

极端气候事件在类别上大体可以分为两种：第一种是简单的气候统计,其中包括如很低或很高的温度,或在大量日降水数据基础上的统计极值,例如定义1%为一个小百分点或定义99%为一个大百分点^{[ 30]}。当然有时一个固定值也可以作为一个阈值,在中国以每日降水量大于50 mm定义为极端降水事件^{[ 4]},而在美国日降水量大于50.8 mm才被定义为极端降水事件^{[ 31]}。第二种情况包括幅度较大的极端气候事件或例子,如干旱、洪水、飓风、风暴和风暴潮等。还有一些天气事件,虽然不是特别的“强有力”,但从其影响上来说仍然可以是极端的,例如,空气质量和建筑物的舒适度可能会受到一些非常低的风速影响^{[ 32]}。

Beniston等^{[ 33]}研究指出,在大气科学领域可以用3个标准判别一个事件是否为极端气候事件：①事件发生的频率相对较低。例如,IPCC报告^{[ 6]}将极端气候事件定义为在一个特定的地方,从其统计参考分布上看是罕见的事件。虽然“罕见”的定义有所不同,但极端气候事件通常会被定义为小于10%或大于90%的百分位阈值。②事件被刻画为相对大或相对小的值,或事件大幅度偏离常态(图1)。但事件的强度不应该在研究中与频率混淆,因为不是所有激烈的事件都是罕见的。例如,从分布上看小的总降水量往往远离平均降水量,但仍然可以发生的相当频繁。③造成严重的社会经济损失和死亡事件等结果。然而极端天气和气候对社会造成影响的定量评估是一个跨学科的问题,严重性的判定也是一个复杂的标准^{[ 34]}。需要指出的是,极端降水事件和洪涝灾害还不是同一个概念,例如发生在干旱区的极端降水可能对当地的工农业生产还是有利的。另外,发生在春、秋和冬季的极端降水大多数也不会引起灾害性的洪涝事件。因此,对极端气候事件的判定至今还没有统一成熟的标准。

2.2.2极端降水指数

为了定量研究极端气候的时空变化特征,很多研究组定义了相应的极端气候指数。其中ETCCDMI (Expert Team on Climate Change Detection Monitoring and Indices)将一个双叉的(two-pronged)方法运用到了极端气候事件的研究中,进一步推动了日气候记录监测和分析工作的进展,并定义出了27个关于极端气温和极端降水的指数,在世界范围的极端气候研究中得到了广泛应用。Alexander等^{[ 5]}利用这些指数分析了全球所有地区的极端气温和降水的变化情况,提供了最全面的极端气候事件变化特征的全球状况。更重要的是,利用这些统一定义的极端气候指数,可以对世界不同区域极端气候事件的研究结果进行统一对比,这样我们就可以对全球极端气候事件的变化有一个整体的概念。表1列出了ETCCDMI定义的11个降水相关指数,大致可分为基于百分数指数和基于阈值指数两类。在气候差异较大的区域选择百分比阈值指数比较合适,因为利用绝对阈值定义会掩盖一部分极端降水变化的特征。而在气候特征相似的区域,利用绝对阈值指数研究极端降水事件是较为实用的。此外,在不同的研究中计算和表示这些极端降水指数的方法可能会有所差别。

表1

Table 1

表1(Table 1)

表1 ETCCDMI定义的11个降水指数 Table 1 List of ETCCDMI core precipitation indices 指标 名称 定义 单位 RX1day 1日最大降水量 每月最大1日降水量 mm RX5day 5日最大降水量 每月连续5 日最大降水量 mm SDII 平均日降水强度 年降水量与降水日数(日降水量≥ 1.0 mm)比值 mm/d R10 中雨以上日数 日降水量(PRCP)≥ 10 mm的日数 d R20 大雨以上日数 日降水量(PRCP)≥ 20 mm的日数 d Rnn 暴雨以上日数 日降水量(PRCP)≥ N mm的日数 d CDD 连续干日 日降水量(PRCP)连续< 1.0 mm的最长时期 d CWD 连续湿日 日降水量(PRCP)连续≥ 1.0 mm的最长时期 d R95p 强降水量 日降水量 95%分位值的总降水量(以1961-1999年时间段湿日为基础) mm R99p 极强降水量 日降水量 99%分位值的总降水量(以1961-1999年时间段湿日为基础) mm PRCPTOT 年总降水量 一年中日降水量≥ 1.0 mm的降水总和 mm

表1 ETCCDMI定义的11个降水指数 Table 1 List of ETCCDMI core precipitation indices

我国在研究极端降水事件时经常用到3个方面的定义：①依据日降水量大小分成不同的降水级别。例如,在我国北方日降水量< 10 mm的称为小雨,在10~25mm/d之间的为中雨,25~50mm/d之间的为大雨,而≥ 50mm/d的是极端降水。②龚道溢等^{[ 35]}将极端降水阈值定义为降水距平大于标准差一定倍数的值。③百分位的方法,大部分研究^{[ 4, 18]}以1961—1999年之间日降水量的某一百分位值作为极端降水阈值,例如常用的95%和99%等。需要指出的是,多年一遇极端降水的定义虽然在水利工程设计或施工中得到广泛应用,但是在我国应用的还比较少。许多研究^{[ 36, 37]}证实多年一遇极端降水值是一个能够揭示极端降水变化特征的很好指标,因此在研究我国极端降水事件变化特征时也可以加强这个指标的应用。

近50余年来,我国和部分区域的年和季节极端降水相关的主要研究如表2所示。其中Zhai等^{[ 14]}利用中国361个气象站的数据资料分析了1951—1995年期间标准化降水量异常变化情况,并对这些年度极端降水的趋势进行了分析。结果表明在中国许多区域极端降水和年降水总量密切相关,特别是在中国东部随着年降水总量的增加,高于正常平均降水强度的异常降水增加更为显著。Zhai等^{[ 4]}又进一步研究指出,在1951—2000年间中国长江中下游和西北部极端降水发生频率显著增加,而华北呈现出减少的趋势,并且这些地区的极端降水与平均降水的变化趋势一致。Chen等^{[ 38]}研究表明中国大部分区域的降水均有减少的趋势尤其是在中国北部,而西北部的极端降水有增加的趋势,从全国范围来看其研究结论基本与Zhai等^{[ 4]}的结论一致,而与Ding等^{[ 39]}的研究结论存在一些差别。Qian等^{[ 40]}综合分析了1961—2000年中国494个气象观测站逐日降水的区域特征,发现年降水量有减少的趋势,从中国东北地区南部的部分区域到黄河中下游流域以及长江上游降水强度和持续阴雨天的频率呈下降趋势。与此同时降水强度的增加趋势出现在新疆地区(中国西北地区)、东北北部的部分区域和中国东南部。Wang等^{[ 15]}分析了1961—2001年期间中国年度和季节平均总降水量和极端降水事件的变化情况,指出年极端降水在西南、西北和东部地区有增加的趋势,而在中部、北部和东北部地区有减少的趋势,并且这种变化趋势基本上与平均降水变化一致。从全国范围看,1951—2010年期间平均极端降水天数呈上升趋势,虽然全年平均降水量并没有明显的变化(图2)。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 1951—2010年期间中国年极端降水事件数量的距平变化(数据来源：中国气象局国家气候中心)Fig.2 Annual extreme precipitation number anomalies in China during 1951—2010(Source: National Climate Centre (NCC) of China Meteorological Administration (CMA))

从季节上看,Ren等^{[ 41]}研究指出在1960—1996年期间,夏季长江中下游降水有增加的趋势而在黄河中下游有减少的趋势。Chen等^{[ 42]}研究了在1960—2000年期间8个地区不同季节的降水变率,结果显示在中国东南沿海区域降水没有明显的增加,而不同强度阴雨天数的线性趋势却有所改变。Yao等^{[ 43]}分析了1978—2002年期间的降水时间序列,得出夏季降水和年总降水以及微量降水在中国的东南沿海区域均有增加的趋势,这与Qian等^{[ 40]}的结论基本一致。Wang等^{[ 44]}研究指出中国大部分地区秋季极端降水减少,而冬季增加明显,夏季南部和西部增加显著而北部减少。值得注意的是,Dong等^{[ 45]}通过研究1951—2004年期间中国215个观测站极端降水趋势的空间分布,发现淮河流域上游发生极端降水事件的概率最大,这也与这一地区历史洪水记录的情况相一致,但在长江中游极端降水并没有显著的变化趋势,这与同样使用百分位方法定义极端降水事件的相关研究结论并不是很一致^{[ 4, 40, 46]}。因此,针对这些在研究中出现的矛盾结论,还需要进一步深入研究中国极端降水的内在变化特性和趋势分布。

表2

Table 2

表2(Table 2)

表2 中国极端降水趋势的主要研究 Table 2 Summary for the major studies of trends in extreme precipitation events reported in China 研究区域 数据时长 降水指标 分析时段 参考文献 全国 1951—1989 年降水量 全年 [38] 全国 1951—1995 季节内日最大降水量,年平均降水密度 全年,季节 [14] 中国北部 1956—2000 降水持续时间和干旱持续时间 5~9月 [47] 全年 1980—2002 年降水量 年代际 [48] 全国 1961—2000 年、季降水量 全年,季节 [40] 全国 1960—2000 季降水量 全年,季节 [49] 全国 1961—2001 年、季降水量 全年,季节 [15] 全国 1951—2000 年、季降水量 全年,季节 [4] 全国 1960—2000 十等分降水 全年,季节 [50] 全国 1954—2000 月降水 全年 [51] 长江流域 1961—2000 月降水 季节 [52] 全国 1960—2000 年、季降水量 全年,季节 [53] 长江流域 1960—2005 年、季最大降水量 全年,季节 [54] 珠江流域 1961—2007 年、月最大降水量 全年,季节 [55] 江淮、黄淮流域 1951—2004 年、月最大降水量 全年,季节 [45] 全国 1951—2004 年、季降水量 全年,季节 [13]

表2 中国极端降水趋势的主要研究 Table 2 Summary for the major studies of trends in extreme precipitation events reported in China

Kunkel等^{[ 56]}研究指出,因为极端降水占年降水总量的比例过高,所以极端降水事件的变化可以大大影响总降水的变化率。事实上在世界许多地区,特别是中国极端降水占年降水总量的比例越来越大。Liu等^{[ 50]}通过计算1960—2000年间中国272个气象观测站日降水的时空变化特征,发现在此期间降水增加了2％,而降水事件的频率下降了10％。总降水的增加和降水频率的减少肯定会导致极端降水事件显著增加,并且强降水事件频率增加对总降水增加的贡献率高达95％。相关研究^{[ 4, 40]}也表明即使在整个地区范围内多年平均降水总量预计保持不变的情况下,但在某时段该地区内的部分区域随着总降水量的增加极端降水事件很可能会增加的比例更大,并且在一定时段内,季节或年度总降水量主要取决于该时期极端降水事件的频率和强度。例如在中国东北的部分区域,极端降水频率没有显著的变化,但极端降水强度却有明显的增加,表明在这些地区降水强度的增强是极端降水占年总降水量比率增加的主要因素。钱维宏等^{[ 18]}通过分析我国降水强度与年总降水量的关系得出,新疆以及西北地区的有效降水主要来自于小雨的贡献,长江中下游流域年总降水量的增加主要来自于大雨或暴雨的贡献,而华北区域的大雨对年总降水量的变化有重要的影响。并且进一步指出我国区域有效降水的趋势与大尺度环流的变化存在显著的相关性^{[ 57]}。综合以上分析可知,中国大部分区域年极端降水频率的空间分布与年总降水量频率相似,在降水量增加的区域极端强降水事件发生的频率和强度也趋向于增加,这一现象在长江中下游和华南地区表现的尤为明显。此外,针对我国北方地区的干旱,严中伟等^{[ 58]}通过分析61个气象观测资料得出主要是区域内微量降水减少造成的。章大全等^{[ 59]}通过研究气温升高与微量降水减少在极端干旱成因中所占的比重,也得出微量降水减少是中国北部干旱形成的主要因素。

大多数模拟研究指出极端降水对全球气候变化的响应非常敏感。因此,除了对观测降水数据做统计分析之外,很多学者还运用不同的气候模型预测了在全球变暖背景下我国未来极端降水的变化特征。Hulme等^{[ 60]}通过模拟研究发现未来在CO₂加倍的情况下,东亚地区的极端降水在4个季节中均有增加的趋势。Zhang等^{[ 16]}通过模拟得出在中国大多数区域极端降水事件有一个整体上升的趋势,特别是东南沿海区域、长江中下游和中国北方未来将会有更多的极端降水事件发生。李巧萍等^{[ 61]}通过模拟研究发现华北地区在未来30年夏季干旱有缓解趋势,中高纬度的湿度将会增大而较低纬度相反,并且东亚夏季风也有增强的趋势。使用PRECIS气候模型^{[ 62]}模拟得出,在一定的气候排放情景下,全球气候变暖会导致中国极端气候事件的区域特征发生变化。预测得出在中国东南沿海区域、长江中下游和中国北部未来极端降水事件呈现出增加趋势。江志红等^{[ 63]}利用IPCC 第四次评估报告(AR4)提供的7个模式集合预测中国极端降水变化情况,得出我国21 世纪与降水相关的事件均有趋于极端化的趋势,并且极端降水强度有可能增大,而且干旱也将会加重,变化幅度与排放强度成正比,并通过验证进一步指出模式集合模拟的能力优于大部分单个模式。Chen等^{[ 64]}克服了单一模式不稳定的缺陷,利用IPCC AR4中耦合的大气环流模式数据资料,预测在21世纪中国极端降水在东北、北部、长江下游和华南地区将呈现出显著增加的趋势,尤其在中国北方极端降水事件发生的概率更大。姜大膀和富元海^{[ 65]}通过分析16个耦合模式的集合结果得出,在全球增暖2℃的情况下我国年平均降水将增加3.4%~4.4%。陈活泼^{[ 66]}利用CMIP5耦合模式对RCP4.5和RCP8.5情境下我国极端降水和东亚大气环流未来演变特征进行了预估,得出21世纪末我国极端降水的频率和强度有增加和增强的趋势,而微量降水发生的频率在全国范围内有明显的减少趋势,并且趋势变化有显著的区域性特征。

以上分析可知,在全球变暖背景下我国东南部和长江中下游区域极端降水的频率和强度均有增加的趋势,表明这些区域未来更容易发生洪涝灾害。但不同的模式对我国北部干旱的未来变化趋势预测不是很一致。因此,依据现阶段的模式预测结论还不能准确回答我国干旱的地方未来是否会变的更旱,涝的地方会变的更涝等这样的问题。此外虽然多模式集合在对未来极端降水的预测中得到广泛的应用,但在预测时也存在一系列精确度和偏差的问题^{[ 63, 67]}。李新周和刘晓东^{[ 68]}通过分析发现,运用多模式集合对未来极端降水的预测存在2个主要方面的问题：①单一模式的误差可能影响整个预测结论；②多模式集合平均的结果可能使某些极端气候事件被平滑。因此,由于当前气候模式还不能够准确模拟未来极端气候事件的时空变化情况,所以依据目前气候条件下极端气候事件发生的概率以及对未来气候变化的预测结论,运用统计降尺度方法预测在不同排放情境下未来极端降水的变化趋势是一个较为实用的途径。