Scientia Geographica Sinica 2015 , 35 (10): 1341-1346

Orginal Article

吉林省极端严寒事件时空分布特征及评估方法研究

袭祝香¹^,, 纪玲玲¹, 高晓荻¹, 张硕²

1.吉林省气象台,吉林长春 130062
2.辽宁省气象灾害监测预警中心,辽宁沈阳 110161

Spatial-temporal Characteristics and Assessment of the Bitter Cold Event in Jilin Province

XI Zhu-xiang¹^,, JI Ling-ling¹, GAO Xiao-di¹, ZHANG Shuo²

1.Jilin Meteorological Observatory, Changchun, Jilin 130062,China
2. Liaoning Meteorological Disaster Monitoring and Warning Center, Shenyang, Liaoning 110161,China

中图分类号: P49

文献标识码: A

文章编号: 1000-0690（2015）10-1341-06

收稿日期: 2014-01-25

修回日期: 2014-07-30

网络出版日期: 2015-10-25

基金资助: 中国气象局关键技术集成与推广项目（CMAGJ2014M13）和吉林省地方标准项目（DBXM130-2014）资助

作者简介:

作者简介：袭祝香（1963-）,女,吉林长岭人,高级工程师,主要从事气象灾害评估、决策气象服务工作。E-mail:xzx6310@126.com

展开

摘要

利用1951~2013年最低气温资料和灰色关联度、气候倾向率、Gumbel极值分布等方法分析了吉林省严寒的时空分布特征和气候变化规律,给出了严寒过程的等级评估指标和异常气候重现期指标,对2011~2013年的严寒过程进行了评估。结果表明：吉林省严寒主要在冬季出现,在1月中旬前后达到峰值;中南部地区为严寒多发区,其它地区出现较少;吉林省年平均严寒发生次数呈下降的趋势,其中中西部地区呈上升的趋势,东南部地区呈下降的趋势;吉林省严寒次数的阶段性变化明显,1951~1980年呈偏多的阶段,1981~2013年处于偏少阶段;吉林省严寒过程主要出现在1月;利用序位以及等级评估、异常气候重现期评估指标对严寒过程进行评估,可满足快速、及时评估的气象服务的需求。

关键词： 吉林省 ; 极端严寒事件 ; 时空特征 ; 评估方法

Abstract

The bitter cold, an extreme weather event, is the main climate disaster in the winter in Jinlin Province and has deeply influenced on the production and people’s living. Analysis on spatial-temporal distribution and climate change pattern of the bitter cold , research on evaluation index of the bitter cold and effective pre-assessment before the event are of great significance on improving the emergency response and service capability.In this study, through using some index, such as grey correlation, climatic trend rate and Gumbel extreme value distribution, on the daily lowest temperature of 50 meteorological stations in Jilin Province from 1951 to 2013, the spatial-temporal distribution and climate change pattern of the bitter cold in Jinlin Province were analyzed. Then index on rating bitter cold process and on the return period of abnormal weather were proposed. Finally, the evaluation was conducted on the bitter cold process from 2011 to 2013.The results showed that in Jinlin Province, the bitter cold event mainly occurred in winter and reached a peak in about mid-January. This bitter cold event mostly happened in the central and southern regions and rarely occurred in other regions. The annual occurrence number of the bitter cold in the whole Jinlin Province showed the tendency of decline. However, the number of occurrences in central and western regions was increasing and the number in southeastern areas was decreasing. The occurrence number of the bitter cold in Jinlin Province had significantly periodic changes: the number was on the ‘large’ phase from 1951 to 1980 but it was on the ‘small’ phase from 1981 to 2012. The bitter cold process in Jinlin Province mainly occurred in January. Therefore, the defense against bitter cold should mainly been implemented in January and in the central and southern areas. Although it is in warming period now and the occurrence number of bitter cold is on the ‘small’ phase, bitter cold still abnormally occurred many times in some years. Therefore, attention should always be paid to the defense against the bitter cold. In this study, the methods that using index of orders, rating and the return period of abnormal weather to evaluate the process of the bitter cold are practical and feasible, which can meet the demands of meteorological services for timely and fast assessment.

Keywords： Jilin Province ; the extreme bitter cold event ; spatial-temporal characteristics ; assessment method

PDF (593KB) 元数据多维度评价相关文章收藏文章

本文引用格式导出 EndNote Ris Bibtex

袭祝香, 纪玲玲, 高晓荻, 张硕. 吉林省极端严寒事件时空分布特征及评估方法研究[J]. , 2015, 35(10): 1341-1346 https://doi.org/

XI Zhu-xiang, JI Ling-ling, GAO Xiao-di, ZHANG Shuo. Spatial-temporal Characteristics and Assessment of the Bitter Cold Event in Jilin Province[J]. Scientia Geographica Sinica, 2015, 35(10): 1341-1346 https://doi.org/

20世纪80年代以来,极端天气气候事件频繁发生,给社会经济和人民生活造成了严重的影响和损失,2012年2月份北半球欧洲、亚洲部分国家和地区遭遇极端严寒天气,有数百人被冻死,经济损失惨重^[1]。根据最近的统计,全球气候变化及相关的极端天气气候事件所造成的经济损失在过去40 a平均上升了10倍^[2]。科学认识极端天气气候事件发生及气候变化规律,开展极端天气气候事件评估方法研究,在极端天气气候事件发生前进行有效的预评估,对于各级政府科学组织防灾减灾,保证突发气象灾害应急工作高效、有序进行,最大限度地减轻或避免突发气象灾害造成人员伤亡和财产损失意义重大。

吉林省处于温带大陆性季风气候区,对气候变化非常敏感,属气候脆弱区,各季节经常突发极端天气气候事件和灾害,如暴雨、暴雪、严寒、霜冻、寒潮、强降温、大风、沙尘、干旱等。严寒是极端天气气候事件,是吉林省冬季的主要气象灾害,对人民的生产生活影响极大,尽管由于气候变暖,生态及气候带有所北移^[3~6],但严寒天气在冬季仍时有发生,例如2000年冬季吉林省出现罕见的持续严寒天气,造成延边苹果梨（Pyrus bretschneideri）等越冬果树发生严重冻害,苹果梨产量比上一年减产达70%^[7]。2012年12月至2013年1月的寒冷天气,吉林省一些供水、供气、供油管线由于严寒天气发生冻裂或冻堵,采暖用煤量大幅增加。

对于霜冻、寒潮、强降温等低温灾害,有关专家及学者进行了大量的分析和研究,但对严寒分析和研究的较少,Wang等^[8~10]研究了严寒与大气环流的响应关系,凌正州^[11]分析了严寒与积雪的相关关系, 左梅英^[12]对严寒气候进行了分析,周鸣盛等^[13,14]对严寒天气成因与严寒天气过程进行了研究。本文对吉林省严寒的时空分布特征、气候变化规律以及严寒过程的等级评估指标和异常气候重现期指标进行分析和研究,以期提高对极端严寒灾害的应急响应和服务能力。

1 资料与方法

1.1 资料

本文研究区域为吉林省,大致位于121°E~132°E, 41°N~47°N之间。气象资料采用1951~2013年1~12月50个气象站逐日最低气温资料。站点选取考虑到资料连续、资料序列长等因素,基本含有吉林省所有具有长年代资料的站点。研究区域及站点分布见图1。

显示原图| 下载原图ZIP| 生成PPT

图1 吉林省严寒分析站点分布

Fig.1 The stations of the bitter cold analysis in Jilin Province

1.2 严寒、严寒过程及严寒过程指数

定义连续3 d日最低气温在-30℃以下,或1 d日最低气温低于-35℃,即为出现严寒^①（ ① 吉气发〔2010〕81号-关于印发《吉林省气象灾害预警信号发布标准及防御指南》的通知。）。连续1 d以上所评估区域1/4站以上出现严寒,定义为一个严寒过程。

为了全面反映整个严寒过程的程度,严寒过程指数采用严寒过程持续日数、严寒覆盖范围、严寒过程最低气温、严寒过程平均最低气温4个方面作为分项指标来进行衡量。

严寒过程持续日数指标： $\begin{matrix} I_{a} = t_{2} - t_{1} + 1 \end{matrix}$ （1）

严寒覆盖范围指标： $\begin{matrix} I_{b} = \frac{n}{N} \end{matrix}$ （2）

严寒过程最低气温指标： $\begin{matrix} I_{c} = \min (P 24_{j}), j = 1, \dots, n \end{matrix}$

（3）

严寒过程平均最低气温指标：

$\begin{matrix} I_{d} = \frac{1}{n} \overset{n}{\sum_{j = 1}} P_{j}, j = 1, \dots, n \end{matrix}$ （4）

式中,t₂为严寒终止时间,t₁为严寒开始时间,n为区域内达到严寒标准的观测站次数,N为区域内观测站点总数,min()为取最小值函数,P24_j为n个达到严寒标准站次中最低气温。P_j为其中第j个观测站点的达到严寒标准的最低气温,这里所说的区域是指吉林省。

由于灰色关联方法在进行多指标综合时,可以避免人为的主观任意性,具有明显的优势 ^[15~17],因此,本文参照灰色关联方法计算严寒过程指数,首先对严寒过程4项分项指标采用对应的历史最大值相除做无量纲处理,然后设定U₀为参考序列,各分项指标皆为1,即最重严寒过程,计算严寒各分项指标经过转换的无量纲序列和参考序列的关联系数：

$\begin{matrix} λ_{0 i} (i) = \frac{1}{1 + Δ_{0 i} (i)} \end{matrix}$ (5)

式中, $\begin{matrix} Δ_{0 i} (i) = |U_{0} - U (x_{mi})| \end{matrix}$ ,（m=1,2,…,M;i=1,2,…,I）,表示参考序列U₀与比较序列U的第m项指标的第i个绝对差值,依据各分项指标的关联系数,求灰色关联度：

$\begin{matrix} α_{0 i} = \frac{1}{M} \overset{M}{\sum_{m = 1}} λ_{0 i} (i) \end{matrix}$ （6）

式中, $\begin{matrix} α_{0 i} \end{matrix}$ 为灰色关联度,M是选取的分项指标个数。对于本文的严寒过程,M为4,即上述4种分项指标,严寒过程指数z即为上述4种分项指标的灰色关联度 $\begin{matrix} α_{0 i} \end{matrix}$ 。

1.3 气候倾向率

对严寒进行气候变化分析时采用了气候倾向率的方法^[18],具体如下：

某要素的趋势变化通常用一元线性回归方程：

x_t=a+bt t=1,2,…,n为自然数列（7）

式中,t表示时间,x_t表示要素逐年值,a是常数,b定义为气候倾向率,计算公式如下：

$\begin{matrix} b = r \cdot σ_{x} / σ_{t} \end{matrix}$ （8）

式中,r是x_t和t序列的相关系数, $\begin{matrix} σ_{x} \end{matrix}$ 、 $\begin{matrix} σ_{t} \end{matrix}$ 分别是x_t和t序列的均方差。

1.4 严寒过程评估等级划分

考虑到实际业务的应用^[19~20],这里按严寒过程指数出现的频率将吉林省严寒过程等级划分为4个等级,即一般严寒过程（占50%）,较强严寒过程（占20%）,偏强严寒过程（占20%）,特强严寒过程（占10%）,在界限附近进行合理的微调。

1.5 极端严寒事件历史重现期评估方法

根据概率统计学,对一组严寒过程指数随机样本,找出其概率分布表达式,可计算出历史重现期,从而对严寒过程进行历史分析和定位。对于严寒、最大风速、雨雪冰冻等极端事件一般利用Gumbel极值分布方法^[21,22],方法如下：

严寒过程指数z的分布服从分布函数：

$\begin{matrix} F (z) = P (z_{\max} < z) = e^{- e^{- α (z - u)}} \end{matrix}$ (9)

公式（9）为Gumbel分布函数,则超过某个特定值

（例如T a一遇的重现期）的函数为：

$\begin{matrix} P (z_{\max} \geq z) = 1 - e^{- e^{- α (z - u)}} \end{matrix}$ (10)

式中α和μ是参数,计算公式为：

α=S_y/S_z (11)

$\begin{matrix} u = \overset{̅}{z} - (S_{z} / S_{y}) \overset{̅}{y} \end{matrix}$ (12)

其中S_z和 $\begin{matrix} \overset{̅}{z} \end{matrix}$ 为严寒过程指数样本序列（Z₁,Z₂,…Z_n）的均方差和平均值,S_y和 $\begin{matrix} \overset{̅}{y} \end{matrix}$ 为序列（y_m=-ln(-ln(1-m/(n+1))),m=1,2,…,n）的均方差和平均值。对（10）式进行变换,可以得到对于给定的历史重现期T的严寒过程指数值为：

$\begin{matrix} z_{T} = u - \frac{1}{α} (- \ln (- \ln (1 - \frac{1}{T}))) \end{matrix}$ (13)

利用（13）式即可计算T a一遇的极端严寒过程指数值。

2 结果与分析

2.1 吉林省严寒时空分布特征和气候变化特点

2.1.1 吉林省严寒时间分布

从吉林省严寒出现的时间来看,3~10月没有严寒出现,11月、12月、1月、2月均有严寒出现,呈单峰型变化,在隆冬的1月达到峰值。11月上、中旬很少出现;11月下旬虽有出现,但全省年平均严寒出现次数仅为0.03次/a,即30 a出现1次;12月上、中旬和2月下旬出现较少,分别为0.20次、0.53次和0.10次,基本是10 a出现1~5次;12月下旬和2月上、中旬分别为2.9次、5.3次和1.1次,即1 a出现1~5次;1月上旬、下旬相当,处于次峰值,分别为8.23次和9.13次,即1 a出现8~9次左右;1月中旬出现最多,达17.23次,即1 a出现17次左右,基本相当于1月上旬和下旬出现次数的总和,见图2。

显示原图| 下载原图ZIP| 生成PPT

图2 11月上旬至次年2月下旬逐旬吉林省年平均严寒出现次数

Fig.2 The annual average numbers of the bitter cold from early Nov-ember to late February in next year every ten days in Jilin Province

2.1.2 吉林省严寒的空间分布特点

从吉林省各站年平均严寒出现的次数来看,吉林中南部地区为严寒多发区,严寒年平均出现次数在4次以上,最大出现在靖宇,达7.6次;中西部地区大部、延边地区大部、通化地区南部严寒出现次数较少,在1次以下,延吉、图们最少,出现次数为0,即该区域不出现严寒;其它地区严寒出现次数在1~3次之间。

显示原图| 下载原图ZIP| 生成PPT

图3 吉林省各地年平均严寒出现次数（次）

Fig.3 The annual average numbers of the bitter cold in various sites of Jilin Province

2.1.3 吉林省严寒的气候变化特点

1) 吉林省严寒次数气候倾向率。计算了吉林省全省年平均严寒发生次数的气候倾向率和相关系数,气候倾向率为-0.33,即每10 a下降0.3次,相关系数为-0.34,通过了0.01的信度检验。为了了解吉林省各地严寒次数气候变化的地域差别,计算了各站严寒出现次数的气候倾向率和相关系数,相关系数除西部少部分地方外,其它地方都通过了0.05的信度检验,由严寒出现次数的气候倾向率可以看出（图4）,吉林省中西部地区大部严寒次数呈上升的趋势,其中中部地区的农安上升趋势最大,每10 a严寒次数上升0.6次,白城地区北部,长春地区北部每10 a上升0.1~0.3次,中西部其它地区每10 a上升不足0.1次。东南部地区大部严寒次数呈下降的趋势,其中吉林大部、通化大部、白山大部严寒次数每10 a下降0.5次以上,靖宇严寒次数下降幅度最大,达每10 a下降2.5次,东南部其它地区严寒次数每10 a下降0~0.5次。

显示原图| 下载原图ZIP| 生成PPT

图4 吉林省各地年严寒出现次数气候倾向率（次/10a）

Fig.4 The climatic trend rate of annual numbers of the bitter cold in various sites (time/10a) in Jilin Province

2）吉林省严寒次数的年际及年代际变化特点。由1951~2013年吉林省逐年严寒次数变化曲线分析可知（图5）,吉林省严寒的阶段性变化比较明显。1951~1980年为偏多的时段;而1981年以来严寒处于偏少阶段,这和20世纪80年代以来全球变暖的趋势^[23]是一致的,但值得注意的是尽管目前是气候变暖阶段,且严寒处于偏少阶段,但仍有年份严寒次数异常多,例如2000年吉林省平均严寒次数达到9.2次,较常年同期多了7.7次,突破历史极值,因此,在全球变暖的背景下,极端突发严寒事件仍有异常多的可能性。严寒次数距平累积曲线所反映的严寒阶段性变化规律和严寒次数逐年变化曲线基本一致,在1980年前严寒次数累积距平波动性上升,表明严寒处于偏多阶段,1981年后严寒次数累积距平波动性下降,严寒处于偏少阶段。

显示原图| 下载原图ZIP| 生成PPT

图5 逐年严寒次数、严寒次数距平累积曲线

Fig.5 The annual strong cold weather numbers, anomaly of the bitter cold numbers and accumulative anomaly of the bitter cold numbers

2.1.4 吉林省严寒过程气候特点

1951~2010年,吉林省共出现严寒过程58次,平均每年出现1次左右。从月份上看, 主要出现在1月,出现38次,占总次数的66%,12月和2月出现的次数相当,均出现10次,均占总次数的17%,11月没出现过严寒过程。从严寒过程持续时间看,一般在2~8 d,出现了53次,占91%,10 d以上只出现5次,占9%,持续时间最长出现在1963年、2000年,都为15 d。

2.1.5 吉林省严寒过程评估等级指标

按照本文1.4节严寒过程等级划分方法,对严寒过程指数进行了划分,得到严寒等级指标：z≤0.74一般严寒过程;0.74<z≤0.76较强严寒过程; 0.76<z≤0.80偏强严寒过程;z>0.80特强严寒过程。

利用上述严寒过程评估等级划分指标,对吉林省1951~2010年的58个严寒过程的评估等级进行了划分,其中特强严寒过程6个,位居历史第1位的特强严寒过程是2001年1月10日~24日的严寒过程,严寒过程指数达0.985,持续时间为15 d,出现范围为43站（266站次）,严寒过程平均最低气温为-36.9℃,严寒过程最低气温为-44.1℃;偏强严寒过程12个;较强严寒过程12个,一般严寒过程28个。

2.1.6 吉林省严寒过程异常气候重现期评估

按照本文利用Gumbel极值分布计算异常气候重现期方法计算了吉林省严寒过程的历史重现期指标,见表1

表1 严寒过程异常气候重现期评估指标

Table 1 The evaluating index of return period of abnormal climate of the bitter cold process

重现期	评估指标	重现期	评估指标	重现期	评估指标
5 a	0.7791	50 a	0.8997	500 a	1.0159
10 a	0.8168	100 a	0.9348	1000 a	1.0507
20 a	0.8529	200 a	0.9698	10000 a	1.1664
30 a	0.8737	300 a	0.9902

新窗口打开

按照严寒过程重现期评估指标,考察吉林省历史上58个严寒过程,达到5 a一遇的严寒过程有8次,达到10 a一遇以上的严寒过程有1次,达到20 a一遇的严寒过程有1次,没有出现30 a、50 a、100 a一遇的严寒过程,2001年1月10日~24日的严寒过程,严寒过程指数达0.985,达到200 a一遇。

2.1.7 2011~2013年冬季严寒过程评估

利用上述严寒过程等级评估指标以及异常气候重现期评估指标,对2011~2013年冬季出现的严寒过程进行了评估,见表2。

表2 2011~2013年冬季严寒过程评估

Table 2 Assessment of the bitter cold process during 2011-2013

	2011年1月 14日~18日	2012年1月 20日~2月2日	2012年12月 23日~26日	2013年1月 2~4日	2013年1月 8~12日
持续时间（d）	5	12	4	3	5
出现站次	29	59	16	15	22
最低气温（℃）	-39.3	-36.9	-39.8	-37.1	-33.6
平均最低气温（℃）	-34.8	-33.5	-38.1	-35.6	-33.6
严寒过程指数	0.7311	0.7809	0.7424	0.7108	0.6998
等级评估	一般严寒过程	偏强严寒过程	较强严寒过程	一般严寒过程	一般严寒过程
序位评估	47位	11位	30位	58位	60位
异常重现期评估		5 a一遇

新窗口打开

3 结论与讨论

3.1 主要结论

1）吉林省严寒在冬季的11月~2月出现,时间分布呈单峰型变化,在1月中旬前后达到峰值;

2）吉林省中南部地区为严寒多发区,严寒年平均出现次数在4次以上,其它地区出现较少,在3次以下。

3）吉林省年平均严寒发生次数呈下降的趋势（-0.3 次/10a）,其中吉林省中西部地区大部严寒呈上升的趋势,东南部地区大部严寒呈下降的趋势。

4）吉林省严寒的阶段性变化明显,1951~1980年呈偏多的时段;而1981年以来处于偏少阶段。

5）吉林省严寒过程主要出现在1月。利用严寒过程持续日数、严寒覆盖范围、严寒过程最低气温、严寒过程平均最低气温4项分项指标建立了严寒过程指数,确定了吉林省严寒过程等级评估指标和异常气候重现期评估指标。

3.2 讨论

1）吉林省严寒及严寒过程主要出现在1月,这一季节也是隆冬季节,严寒天气对人们的身体健康以及煤、电、供暖、供气、供水、设施农业影响都较大,人们在这一季节应加强防寒保暖,同时应加强相关设施的维护以及防寒物资的储备。

2）吉林省中南部地区为严寒多发区,应重点加以防御,严寒和降雪天气结合往往造成路面结冰,需要严防冰雪路面造成交通事故,尤其长白山区等高寒山区需要注意严寒等造成人员冻伤事件的发生。

3）尽管目前是气候变暖阶段,且严寒处于偏少阶段,但仍有年份严寒次数异常多,例如2000年吉林省平均严寒次数突破历史极值。另外,虽然吉林省东南部地区大部严寒次数呈减少的趋势,但中西部地区大部严寒次数呈增加的趋势,因此,在全球变暖的背景下,极端突发严寒事件仍有异常多的可能,人们在应对气候变化的时候,仍然要注意极端严寒事件的防御。

4）经试用,利用气象资料采用数理统计等方法对严寒过程进行评估,方法实用可行,可操作性强,可以满足快速、及时评估等气象服务的需求,对于提高决策气象服务的及时性意义重大。

The authors have declared that no competing interests exist.

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]	潮轮. 欧亚大陆遭受极端严寒地球气候警钟再次敲响 [J].生态经济,2012,(4):8~14. URL [本文引用: 1]
[2]	丁裕国,郑春雨,申红艳. 极端气候变化的研究进展 [J].沙漠与绿洲气象,2008,2(6):1~5. https://doi.org/10.3969/j.issn.1002-0799.2008.06.001 URL [本文引用: 1] 摘要着重从观测和模拟研究、极值分布理论和降尺度技术方法等几个方面,介绍了近年来极端气候及其变化的研究进展.限于篇幅,文中略去了相当多的内容,只是非常简要地作了客观评价和展望.
[3]	杜海波,吴正方,李明. 近50年东北地区生态地理界线的代际变化 [J].地理科学,2011,31(9):1144~1150. URL [本文引用: 1] 摘要以吉良（Kira）的热量指数（温暖指数WI和寒冷指数CI）和徐文铎的湿度指数HI为指标,以10 a为尺度定量研究1961～2007年东北地区4条主要生态地理界线变化。在此基础上分析东北地区生态地理界线变化对气候变化的响应。结果表明：东北地区1961～2007年整体上纬向生态地理界线向高纬（垂直带向上）移动,经向生态地理界线向东移动,但阶段性上表现出波动性移动。东北地区生态地理区域界线从整体上位置、移动速度的变化和阶段性位置、移动速度的变化都很好响应气候变化。它们对水热等生态气候基本要素十分敏感。
[4]	赵昕奕,张惠远,万军. 青藏高原气候变化对气候带的影响 [J].地理科学,2002,22(2):190~195. https://doi.org/10.3969/j.issn.1000-0690.2002.02.011 URL 摘要已经发生和未来的全球气候变化将对自然界和人类社会产生一系列的影响,特别是全球气候要素的变化会导致气候带的变动,进而导致自然带(区)的变动并影响人类的生产、生活.在对青藏高原20世纪50年代到90年代气温变化分析的基础上,讨论了40 年来积温等气候带指标值的变化特征,并依据对未来气候情景的假设,指出未来全球气候变化背景下,青藏高原气候带的可能变动.
[5]	Wang F T. Impact of climate change on cropping system and its implication for agriculture in China [J]. Acta Meteorological Sinica, 1997,11(4): 407-415.
[6]	房一禾,周放,张运福,等. 东北冬季气温年际、年代际影响因子的比较 [J].地理科学,2013, 33(7):844~850. URL Magsci [本文引用: 1] 摘要 <p>采用1961~2012 年东北三省53 站月平均气温资料及NCEP/NCAR再分析资料。分析东北冬季气温变化特征。利用SVD法得出影响东北冬季气温的主要因子。分别从年际和年代际尺度上, 用偏相关法分析了各因子对东北冬季气温独立的影响。结果表明:东北冬季气温以全区一致异常为主, 气温显著上升;东北冬季气温主要影响因子是北极涛动、西伯利亚高压和东亚冬季风;年际尺度上, 北极涛动和东亚冬季风适合描述东北中、北部的冬季气温。西伯利亚高压与东北南部冬季气温关系密切;年代际尺度上, 北极涛动适合描述东北冬季气温。</p>
[7]	王文跃,袭祝香,纪玲玲. 吉林延边苹果梨冻害指标研究 [J].吉林农业科学,2012, 37(1):57~60. https://doi.org/10.3969/j.issn.1003-8701.2012.01.018 URL [本文引用: 1] 摘要利用吉林省延边地区 1949～2010年苹果梨产量资料、延边苹果梨主产区建站以来的气象资料,采用主分量分析、相关系数计算等数理统计方法对吉林省延边冬季冻害指标进行了研究。结果表明:-18℃可以作为苹果梨冬季冻害临界温度。据此临界温度,利用冬季(12～2月)极端最低气温低于-18℃的持续日数、极端最低气温、最大降温幅度及有害积寒作为苹果梨冬季冻害致灾因子,采用主分量叠加各致灾因子的方法得出了苹果梨冬季综合冻害指数。以综合冻害指数为基础,将冬季苹果梨冻害分为轻度、中度、重度、严重4个等级。
[8]	Wang L, Chen W. Downward Arctic Oscillation signal associated with moderate weak stratospheric polar vortex and the cold December 2009 [J].Geophys. Res. Lett., 2010,37(9): L09707. URL [本文引用: 1]
[9]	兰晓青,陈文. 2011~2012年冬季欧亚大陆低温严寒事件与平流层北极涛动异常下传的影响 [J].大气科学,2013,37(4):863~872. https://doi.org/10.3878/j.issn.1006-9895.2012.12061 Magsci 摘要利用NCEP-NCAR 再分析资料分析了2011～2012 年冬季发生在欧亚大陆的一次异常低温严寒事件的大气环流演变过程以及可能的成因。这次低温事件,主要出现在2012 年1 月下旬至2 月上旬,持续大约3 周左右,非常强的低温异常覆盖了几乎整个欧洲以及东亚的西伯利亚、蒙古国和我国东北、华北等地。这次低温事件的演变与对流层北极涛动(AO)由正位相转变为负位相的时间相匹配,意味着AO 可能发挥重要作用。进一步分析表明,前期行星波的异常上传导致平流层发生爆发性增温现象,极夜急流减弱,AO 位相首先在平流层由正变负;在2～3 周左右的时间内,平流层AO 异常信号逐渐下传,使得对流层AO 也转为负位相;随后,乌拉尔山阻塞高压异常发展,极区的冷空气不断向南爆发,先后在东亚和欧洲造成剧烈的降温,导致低温严寒事件。因此,考虑平流层环流的异常可能有助于提高欧亚大陆冬季低温严寒事件的预测能力。
[10]	刘斌,徐保华,胡剑文,等. 2012年欧亚寒冷天气过程与北极涛动异常活动的联系 [J].气象与减灾研究, 2012,35(2):17~22. https://doi.org/10.3969/j.issn.1007-9033.2012.02.003 URL [本文引用: 1] 摘要利用NCEP/NCAR再分析资料和CPC逐日北极涛动（AO）指数资料,结合近30年欧亚地区地面气温年际异常变化的可能机理,分析了AO异常波动对2012年欧亚地区严寒天气过程的影响。结果表明,AO发生负异常波动对2012年1—2月欧亚地区异常寒冷天气起到至关重要的作用。AO在12月为正异常波动,次年1—2月则呈现负异常波动,其中1月中下旬至2月中旬的负异常波动过程比较显著。在AO负异常影响下,极涡面积增大,冷空气活动加强,中纬度纬向环流减弱而经向环流增强,造成冷、暖空气交换加剧,极地冷空气南下入侵到中纬度地区,从而导致欧亚大陆异常寒冷天气;同时,由北大西洋及地中海北上的暖湿气流,在遭遇冷空气阻碍后给西欧和南欧一些地区带来了大面积的雨雪天气。
[11]	凌正州. 拜城盆地冬季严寒与积雪的相关关系 [J].新疆气象,1990,13(2):10~12. [本文引用: 1]
[12]	左梅英,宋福民. 上海西部地区冬季严寒气候简析 [J].上海农业学报,1993,9(4):79~80. URL [本文引用: 1] 摘要本院农业气象室观测站,地处上海西郊。通过对该站28年有关气象资料的统计分析和对田间试验与生产的调查,得出上海西部地区暖冬年和冷冬年分别占25%和29%,常冬年占46%的结论。并分析了冬季严寒对蔬菜作物和柑桔树体的危害性。这将对田间试验和指导农业生产有重要参考价值。
[13]	周鸣盛,张廷. 一次雪面降温引起的异常寒冷天气分析 [J]. 气象学报,1997,55(2):219~229. https://doi.org/10.11676/qxxb1997.023 Magsci [本文引用: 1] 摘要本文通过两次同日期而不同年份的异常寒冷天气的对比分析,揭示了内蒙东部雪面空气降温形成的强冷高压。计算了雪面辐射引起的近地面气层降温,其结果与实况很接近。参照气团垂直减温率算得雪面空气的净降温值。强冷高压在北高南低地形上气流顺坡南下,在津京冀近地面气层形成了超低空急流,促使当地气温剧烈下降,且其降温强度与内蒙的雪面降温值非常吻合。最后,按地形上空温压分布的力管场结构给出了发生下坡风的物理图像。
[14]	邱海龙. 一次阻塞形势下的严寒天气过程分析 [J].黑龙江气象,1995,(4):19~23. URL [本文引用: 1] 摘要通过对１９９４年１月北半球高纬地区５００ｈＰａ环流特征分析．指出造成１９９４年１月份大范围天气异常的主要原因是阿拉斯加阻塞高压的强烈发展和长期维持；同时指出，低纬暖空气向北输送能力是阻塞形势发生发展及崩溃的主要机制，而偏极极涡和东亚大槽是造成黑河地区温度持续偏低、降水偏多的直接影响系统。这对于今后相似形势下的天气分析与预报十分重要。
[15]	陈亚宁,杨思全. 自然灾害的灰色关联灾情评估模型及应用研究 [J].地理科学进展, 1999,18(2):158~162. https://doi.org/10.11820/dlkxjz.1999.02.009 Magsci [本文引用: 1] 摘要关联度是事物之间、因素之间关联性的量度。本文基于计算自然灾害损失评价指标的参考序列U0和其比较序列Ui之间的关联度这一思路，建立灰色关联灾情评估模型，并以新疆“96.7”洪水灾害灾情评估为例进行实例分析，计算得出了新疆“96.7”洪水灾害中部分地州市灾害等级的归属及其等级序列。结果表明：应用灰色关联灾情评估模型进行自然灾害灾度等级划分，既避免了人为的主观任意性，又能够很好地与实际相吻和。因而，灰色关联灾情评估模型是一种科学、实用的灾度评价方法。
[16]	刘伟东,扈海波,程丛兰,等.2007. 灰色关联度方法在大风和暴雨灾害损失评估中的应用 [J].气象科技,35(4):563~566. https://doi.org/10.3969/j.issn.1671-6345.2007.04.023 URL 摘要针对近20年北京地区发生的大风和暴雨灾害,应用灰色关联度方法,计算北京地区近20年的19个大风和暴雨灾例的灾情评估指标与关联度,进行损失评估和比较.结果表明,该方法对灾情等级划分和灾情损失排序是合理的, 比较符合实际对灾情的评价,能够对不同气象灾害和同一级别的气象灾害灾情差异尺度做比较,是能够应用于实际工作中的一种科学方法.
[17]	王秀荣,王维国,张建忠,等.全国气象服务规范技术手册[M].北京:气象出版社,2012. [本文引用: 1]
[18]	施能. 北半球冬季大气环流遥相关的长期变化及其与我国气候变化的关系 [J].气象学报, 1996,54(6):675~683. https://doi.org/10.11676/qxxb1996.070 Magsci [本文引用: 1] 摘要研究北半球冬季大气环流遥相关型的长期变化发现:WA,PNA型有明显趋势变化及年代际变化。WA型有明显负趋势,PNA型有正趋势,它们的强度突变分别发生于1980年代初(WA型1983年由强转弱)及1970年代中(PNA型1976年由弱转强)。与此同时,亚洲地区、亚欧地区的经向环流强度于1983年突然减弱。大气环流及遥相关型强度的这种年代际变化是中国冬季气候变化的一个重要原因。
[19]	袭祝香. 吉林省重大暴雨过程评估方法研究 [J].气象科技,2008,36(1):78~81. https://doi.org/10.3969/j.issn.1671-6345.2008.01.014 URL [本文引用: 1] 摘要为了加强重大暴雨过程的快速评估工作,利用逐日降水资料对吉林省 1951～2004年明显暴雨过程特征进行了分析,建立了反映明显暴雨过程程度的3项单项指标及综合评估指数,在此基础上对明显暴雨过程的评估等级进行了划分.利用综合评估指数序列的峰度系数和偏度系数对综合评估指数进行了正态性检验.由于综合评估指数符合正态分布,给出了其异常气候重现期评估指标.利用明显暴雨过程的评估等级指标以及异常气候重现期评估指标对2005～2006年的明显暴雨过程进行了评估.结果表明,该方法实用可行,可以满足快速、及时评估等气象服务的需求.
[20]	袭祝香,孙力,刘实. 东北地区重大暴雨过程评估方法研究 [J].灾害学,2009,24(2):61~64. https://doi.org/10.3969/j.issn.1000-811X.2009.02.014 URL [本文引用: 1] 摘要利用逐日降水资料,对东北地区 1961~2000年的明显暴雨过程特征进行了分析,建立了反映明显暴雨过程程度的3项单项指标及综合评估指数,在此基础上对明显暴雨过程的评估等级进行了划分;利用综合评估指数序列的峰度系数和偏度系数对综合评估指数进行了正态性检验,由于经过变换的综合评估指数符合正态分布,从而给出了其异常气候重现期评估指标。此外,利用明显暴雨过程的评估等级指标以及异常气候重现期评估指标对2001~2002年的明显暴雨过程进行了评估。结果表明,该方法实用可行,可以满足快速、及时评估等气象服务的需求。
[21]	胡基福,姜宏川,周庆满,等. 用Gumbel极值分布推算气候极值的方法 [J].青岛海洋大学学报, 1993,23(1):43~51. URL [本文引用: 1]
[22]	万素琴,周月华,李兰,等. 低温雨雪灾害冰冻极端气候事件的多指标综合评估技术 [J].气象,2008,34(11):40~46. URL [本文引用: 1]
[23]	沙万英,邵雪梅,黄玫. 20世纪80年代以来中国的气候变暖及其对自然区域界线的影响 [J].中国科学(D 辑),2002,(4):317~325. https://doi.org/10.3321/j.issn:1006-9267.2002.04.007 URL [本文引用: 1] 摘要 20世纪80年代以来全球气候加剧变暖, 已为世人所瞩目. 利用代表性较好的全国160个站1951～1999年逐年逐月气温资料, 分析了80年代以来我国年和四季温度的变化, 发现中国的气候变暖表现为非均衡响应, 区域和季节差异颇大. 在区域变化上有"北暖南冷"的趋势, 在季节变化上有"冬暖夏凉"的特点. 并从数理统计学角度, 对温度变化进行显著性检验, 得出长江以北地区基本达到了95%以上的信度水平. 同时根据335个站, 自1951年或50年代初建站以来至1999年日平均温度稳定通过≥10℃积温资料, 对近19年与前30年资料进行对比分析, 得出≥10℃积温及≥10℃持续日数的变化幅度, 发现我国东部中亚热带、北亚热带、暖温带、中温带和寒温带普遍北移, 北亚热带和暖温带北移明显, 南亚热带和边缘热带变化不大, 我国西部地区除滇西南、青藏高原和内蒙古西部所处的各温度带有北移或上抬趋势, 其他地区变化不大或略有南压和下移.

欧亚大陆遭受极端严寒地球气候警钟再次敲响

2012

... 20世纪80年代以来,极端天气气候事件频繁发生,给社会经济和人民生活造成了严重的影响和损失,2012年2月份北半球欧洲、亚洲部分国家和地区遭遇极端严寒天气,有数百人被冻死,经济损失惨重^[1].根据最近的统计,全球气候变化及相关的极端天气气候事件所造成的经济损失在过去40 a平均上升了10倍^[2].科学认识极端天气气候事件发生及气候变化规律,开展极端天气气候事件评估方法研究,在极端天气气候事件发生前进行有效的预评估,对于各级政府科学组织防灾减灾,保证突发气象灾害应急工作高效、有序进行,最大限度地减轻或避免突发气象灾害造成人员伤亡和财产损失意义重大. ...

极端气候变化的研究进展

2008

近50年东北地区生态地理界线的代际变化

2011

... 吉林省处于温带大陆性季风气候区,对气候变化非常敏感,属气候脆弱区,各季节经常突发极端天气气候事件和灾害,如暴雨、暴雪、严寒、霜冻、寒潮、强降温、大风、沙尘、干旱等. 严寒是极端天气气候事件,是吉林省冬季的主要气象灾害,对人民的生产生活影响极大,尽管由于气候变暖,生态及气候带有所北移^[3~6],但严寒天气在冬季仍时有发生,例如2000年冬季吉林省出现罕见的持续严寒天气,造成延边苹果梨（Pyrus bretschneideri）等越冬果树发生严重冻害,苹果梨产量比上一年减产达70%^[7].2012年12月至2013年1月的寒冷天气,吉林省一些供水、供气、供油管线由于严寒天气发生冻裂或冻堵,采暖用煤量大幅增加. ...

青藏高原气候变化对气候带的影响

2002

Impact of climate change on cropping system and its implication for agriculture in China

1997

东北冬季气温年际、年代际影响因子的比较

2013

吉林延边苹果梨冻害指标研究

2012

Downward Arctic Oscillation signal associated with moderate weak stratospheric polar vortex and the cold December 2009

2010

... 对于霜冻、寒潮、强降温等低温灾害,有关专家及学者进行了大量的分析和研究,但对严寒分析和研究的较少,Wang等^[8~10]研究了严寒与大气环流的响应关系,凌正州^[11]分析了严寒与积雪的相关关系, 左梅英^[12]对严寒气候进行了分析,周鸣盛等^[13,14]对严寒天气成因与严寒天气过程进行了研究.本文对吉林省严寒的时空分布特征、气候变化规律以及严寒过程的等级评估指标和异常气候重现期指标进行分析和研究,以期提高对极端严寒灾害的应急响应和服务能力. ...

2011~2012年冬季欧亚大陆低温严寒事件与平流层北极涛动异常下传的影响

2013

2012年欧亚寒冷天气过程与北极涛动异常活动的联系

2012

拜城盆地冬季严寒与积雪的相关关系

1990

上海西部地区冬季严寒气候简析

1993

一次雪面降温引起的异常寒冷天气分析

1997

一次阻塞形势下的严寒天气过程分析

1995

自然灾害的灰色关联灾情评估模型及应用研究

1999

... 由于灰色关联方法在进行多指标综合时,可以避免人为的主观任意性,具有明显的优势 ^[15~17],因此,本文参照灰色关联方法计算严寒过程指数,首先对严寒过程4项分项指标采用对应的历史最大值相除做无量纲处理,然后设定U₀为参考序列,各分项指标皆为1,即最重严寒过程,计算严寒各分项指标经过转换的无量纲序列和参考序列的关联系数： ...

灰色关联度方法在大风和暴雨灾害损失评估中的应用

2007

2012

北半球冬季大气环流遥相关的长期变化及其与我国气候变化的关系

1996

... 对严寒进行气候变化分析时采用了气候倾向率的方法^[18],具体如下： ...

吉林省重大暴雨过程评估方法研究

2008

... 考虑到实际业务的应用^[19~20],这里按严寒过程指数出现的频率将吉林省严寒过程等级划分为4个等级,即一般严寒过程（占50%）,较强严寒过程（占20%）,偏强严寒过程（占20%）,特强严寒过程（占10%）,在界限附近进行合理的微调. ...

东北地区重大暴雨过程评估方法研究

2009

用Gumbel极值分布推算气候极值的方法

1993

... 根据概率统计学,对一组严寒过程指数随机样本,找出其概率分布表达式,可计算出历史重现期,从而对严寒过程进行历史分析和定位.对于严寒、最大风速、雨雪冰冻等极端事件一般利用Gumbel极值分布方法^[21,22],方法如下： ...

低温雨雪灾害冰冻极端气候事件的多指标综合评估技术

2008

20世纪80年代以来中国的气候变暖及其对自然区域界线的影响

2002

... 2）吉林省严寒次数的年际及年代际变化特点.由1951~2013年吉林省逐年严寒次数变化曲线分析可知（图5）,吉林省严寒的阶段性变化比较明显.1951~1980年为偏多的时段;而1981年以来严寒处于偏少阶段,这和20世纪80年代以来全球变暖的趋势^[23]是一致的,但值得注意的是尽管目前是气候变暖阶段,且严寒处于偏少阶段,但仍有年份严寒次数异常多,例如2000年吉林省平均严寒次数达到9.2次,较常年同期多了7.7次,突破历史极值,因此,在全球变暖的背景下,极端突发严寒事件仍有异常多的可能性.严寒次数距平累积曲线所反映的严寒阶段性变化规律和严寒次数逐年变化曲线基本一致,在1980年前严寒次数累积距平波动性上升,表明严寒处于偏多阶段,1981年后严寒次数累积距平波动性下降,严寒处于偏少阶段. ...

〈

〉

吉林省极端严寒事件时空分布特征及评估方法研究

Spatial-temporal Characteristics and Assessment of the Bitter Cold Event in Jilin Province

1 资料与方法

1.1 资料

1.2 严寒、严寒过程及严寒过程指数

1.3 气候倾向率

1.4 严寒过程评估等级划分

1.5 极端严寒事件历史重现期评估方法

2 结果与分析

2.1 吉林省严寒时空分布特征和气候变化特点

3 结论与讨论

3.1 主要结论

3.2 讨论

参考文献 文献选项 原文顺序 文献年度倒序 文中引用次数倒序 被引期刊影响因子

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子