1960-2020年中国气温线性趋势变化的时空差异及影响因素

【说明：文章为笔者原创随笔，引用请标明出处】

图 3.2 影响全国及不同地区温度线性趋势空间变异的因素 a 1960-1989年 b 1990-2020年

框中标注表示因子对温度线性趋势的解释力（%），结果在0.01水平显著。

摘要全球变暖显著影响，然而，我们对气温变化的季节和空间差异了解有限。分析了中国1960-2020年气温变化的时空差异和影响因素。首先，分析了全国和5个不同气候区域年平均气温的变化趋势，结果表明1990前后全国和不同气候区域的年平均气温均出现显著突变。1990年后全国和不同区域年平均气温变暖加快，不同季节变化不同：春、夏季增温加快，冬季增温减缓，而秋季全国气温趋势变化不大。随后，利用地理探测器定量比较了两个阶段气温变化与下垫面影响因子的关系。植被类型、纬度地带和气候区划是两个阶段温度线性趋势的主要限制因素，值得注意的是，1990年以后海拔高度与气温线性趋势的关系更为密切，而植被类型、冻土类型与气温线性趋势相关性下降。相比自然因子，人为因子对温度变暖的空间差异影响较小。

关键词 气温线性趋势时空差异 Mann-Kendal分析地理探测器

1 引言

自工业革命以来，由于化石燃料的广泛使用和土地利用变化等影响，使得大气中二氧化碳、甲烷和氧化亚氮等温室气体的浓度至少已上升到过去 80 万年以来前所未有的水平[1]。温室气体的急剧增加导致全球气候变暖，基于全球平均陆地和海洋表面温度的线性趋势计算结果表明，在 1880-2012 年期间温度升高了0.85ºC。在北半球，1983-2012 年可能是过去 1400 年中最暖的 30年[2,3]。联合国政府间气候变化专门委员会（Intergovernmental Panel on Climate Change，IPCC）第五次评估报告（IPCC AR5）指出，自 20 世纪中叶以来，气候系统变暖是毋庸置疑的，许多观测到的变化均是在数十年到数千年中前所未有的，这体现在大气和海洋变暖、积雪和积冰减少、海平面上升及温室气体浓度增加。

我国气候受到多种不同的大气环流、洋流等因素影响，不同地区受到的气候要素的影响是不同的。在气候变暖背景下，深入了解不同区域气候变暖程度的差异以及其驱动机制，对于在区域尺度进行气候变化的预测以及应对有很重要的意义。而在区域尺度，气候系统的内部和外部变率，如北大西洋涛动（NAO）、厄尔尼诺—南方涛动（ENSO）等，造成区域温度增长率随时间变化[4]。气象站点的观测数据表明，1990年前后中国气温的趋势发生显著变化[5]。1990年初中国年平均温度开始出现加速变暖，且在1993年前后的气温年较差线性趋势从-0.23℃/10a变为0.29℃/10a [6]。1990—2000年间，全球年平均最高气温和最低气温分别上升了0.568和0.518℃。东帕米尔地区Muztagata冰芯的δ18O变化也表明自1990年以来有快速变暖的趋势[7]。另外，在高纬度地区，北极涛动（AO）和北大西洋涛动（NAO）指数自1990年以来一直在显著下降[8]。在热带地区，1990年代出现热带太平洋持续的大规模正海温异常和信风的减弱[9]，以及中太平洋厄尔尼诺事件的发生更为频繁[10]。这些信号都表明1990年前后气候发生了变化。

充分了解气温变化的季节差异和空间差异，对于应对和适应气候变暖十分重要。虽然已有研究指出1990年前后我国年平均气温线性趋势发生突变，但缺乏对平均气温线性趋势的空间分异性和季节差异性的研究。本文分析了1960 – 2020年中国不同季节平均气温趋势，重点分析了1990年前后平均气温趋势的显著变化。

2 材料和方法

2.1 研究区域

利用1960年以来中国年温度变化一致性的分区结果，按东北、西北、东中、青藏、东南5个区域[11]。（见图3.2）

2.2气温数据

本文所用的气温资料为英国东安格利亚大学气候研究中心(Climatic Research Unit, University of East Anglia, CRU)发布的0.5°×0.5°逐月气温距平格点数据(CRU TS v. 4.05, http://www.cru.uea.ac.uk/cru/data/hrg/)。该数据集是根据世界气象组织(WMO)涵盖的2200个气象观测国际交换站的逐月气温 (基准时段为1961-1990年)资料插值而得，覆盖时间段为1901-2020年[12]。研究区域气象站点多在1950-1960年建立,故本文选择时段1960-2020年进行研究.

此外，从国家气象科学数据中心 (中国气象数据网，http://data.cma.cn/)获取了中国1960-2020年613个气象站点观测的地面气候资料月值数据集。

2.3 大气及下垫面影响因子数据

DEM数据，来自马里兰大学地球科学数据中心（http://glcfcpp.umiacs.umd）。
1960—2020年中国气象站点获取的月平均温度观测数据，来自中国气象数据网 (国家气象信息中心-中国气象数据网)。
夜间灯光数据，来自NASA ( https://www.ngdc.noaa.gov/eog/dmsp/downloadV4composites.html)。
中国冻土分布，来自国家青藏高原科学数据中心 (https://data.tpdc.ac.cn/zh-hans/data/)。
中国植被区划数据，来自[13] 。
人口密度数据，来自NASA 社会经济数据和应用中心（https://sedac.ciesin.columbia.edu）。
全球土壤参数数据，来自世界土壤数据库 (Regridded Harmonized World Soil Database v1.2)。
世界人口密度数据，来自worldpop (WorldPop :: Population Density)。
气候区划数据,来自Afrikana (Free Resources » GeoAfrikana)。
1950-2020年厄尔尼诺指数数据集，来自NOAA （Climate Prediction Center - ONI）
1950-2020年北极涛动指数数据集，来自NOAA
30m分辨率全国土地利用类型遥感监测数据

2.3 气温趋势和突变分析

分别使用Mann-Kendal（M-K）分析和一元线性回归方法计算温度变化率并检验气候变化的显著性，利用计算气象格点、气象站点的气温变化率，并使用t-test检验显著性。

M-K检验衡量趋势总体上增加或减少的程度，并可用于检验突变点。特点是不受特定分布或异常值数据的影响，已广泛应用于气候学和生态学研究[16]。

其中，ZMK >0表示随时间增加趋势，反之亦然。如果|ZMK|>1.96 (p < 0.05)，则拒绝原假设，观察到显著的趋势，反之亦然。

2.4 GDM影响因子分析

利用地理探测器定量研究了气温线性增长趋势与影响因子的关系。该方法是一种方差分析，可以测量空间异质性和检测潜在因素[14]，地理探测器不需要线性假设来识别分层异质性背后的解释力，并已广泛应用于环境、遥感和气象领域的研究[15,16]。

h = 1, …, L为影响因子的分层，Nh和N分别为层h和全区的单元数； σ2h和 σ2分别是层h和全区的Y值的方差。SSW和SST分别为层内方差之和和全区总方差。q的值域为[0, 1]，值越大说明Y的空间分异性越明显。

表 2.1 相关的影响因子

影响因子	分类方法	类别数	类别
海拔高度	自然间断点分类	7	1-7
夜间灯光	自然间断点分类	7	1-7
中国冻土分布	以制图单元内是否存在冻土为标准	7	高纬度多年冻土、高海拔多年冻土、高原多年冻土、高山多年冻土、中深季节冻土、浅季节冻土：瞬时冻土、非冻土。
中国植被区划数据	植被区域	8	亚热带常绿阔叶林；寒温带针叶林；暖温带落叶阔叶林；温带草原；温带荒漠；温带针叶、落叶阔叶混交林热带季风雨林、雨林区域；青藏高原高寒植被区域
中国气候区划	1960年以来中国年温度变化一致性[11]	5	东北、西北、东中、青藏、东南
土地利用类型数据	不同地物类型	6	耕地、林地、草地、水域、居民地和未利用土地6个一级类型
土壤储水量	每米土壤单位含水量	6	1 = 150 mm每米土壤单位含水量, 2 = 125 mm, 3 = 100 mm, 4 = 75 mm, 5 = 50 mm, 6 = 15 mm, 7 = 0 mm.
土壤深度	自然间断点分类	7	1-7
人口密度数据	自然间断点分类	7	1-7

3 结果

3.1 1990年前后气温线性趋势差异

图3.1 不同地区气温线性趋势变化

图中灰色区域表示95%置信区间

图3.1显示，不同季节的气温线性趋势存在差异。在春、夏两季节，1990年之前，全国气温线性趋势较为平缓，除东北地区春季气温和东南地区夏季气温出现显著上升外，其他地区气温趋势未达到显著水平。而在1990年之后，春、夏两季节气温出现明显上升趋势，全国气温线性趋势在春季达到0.45℃/10a，而在夏季达到0.24℃/10a，且都在99.9%水平显著（表2），不同地区气温线性趋势均出现明显增长。而在冬季，1990年之前，全国及不同地区气温均为明显的上升趋势，其线性趋势相比春、夏两季更强。而在1990年之后气温的线性趋势较为平缓。在秋季出现了较为明显的地区差异，1990年前后西北、东北地区温度线性趋势出现下降，青藏、东南、东中部则出现上升。

表3.1 1960-1990及1990-2020年不同地区平均气温趋势（/10a）

季节	西北地区	东北地区	青藏地区	东南地区	东中部地区	全国
春季	-0.13 (0.68***)	0.31 (0.42)	0.02 (0.27**)	-0.17 (0.33*)	-0.03 (0.49***)	0.00 (0.45***)
夏季	-0.02 (0.29)	0.03 (0.28)	0.03 (0.26***)	0.18 * (0.20**)	-0.05 (0.25**)	0.03 (0.24***)
秋季	0.30 * (0.16)	0.22 (0.11)	0.17 (0.31***)	0.05 (0.21*)	0.11 (0.25*)	0.18* (0.23*)
冬季	0.59** (0.04)	0. 55* (0.01)	0. 41** (0.21)	0.20 (0.18)	0.13 (0.19)	0.33* (0.07)
全年	0.23 (0.28)	0.19* (0.20)	0.13* (0.26***)	0.05 (0.22**)	0.06 (0.24***)	0.14 (0.25*)

括号外数值表示1960-1990，括号内数值表似乎1990-2020年

3.2 1990年前后气温趋势的空间分异

如图3.2所示，1960-1990年，全国升温主要发生在东北、西北和青藏高原地区，其中冬季升温最为明显，秋季及春季次之。1990-2020年，全国不同地区气温趋势均出现增长，其中春、夏季西北、东北、东中部地区均出现明显升温。而在秋、冬两季，青藏高原地区升温更为突出。

a-d 分别表示春、夏、秋、冬四季，黑圆点表示在95%水平显著。

4 讨论

本节将对重所公认的气候变率，包括气溶胶和太阳辐照度的变化、热带海温状况、北极涛动、太平洋年代际振荡、大西洋多年代际振荡、东亚地区平流层冷却、下垫面类型等对区域气温变化的影响进行讨论。

4.1 下垫面和经纬度

如表3.2、表3.3所示，1990年后不同气候区域温度增长趋势的空间分异性出现下降。植被类型、纬度和气候区划是两个阶段温度线性趋势的主要限制因素，而1990年以后海拔高度与气温线性增长的关系更为密切，而植被类型、冻土类型与气温线性趋势相关性下降。与自然因子相比，人为因子对区域尺度气温空间分异性的影响相对较小。

图 3.2 影响全国及不同地区温度线性趋势空间变异的因素 a 1960-1989年 b 1990-2020年

框中标注表示因子对温度线性趋势的解释力（%），结果在0.01水平显著。

4.2 遥相关指数

此外，1990年以来，热带太平洋持续的大规模正海温异常和信风的减弱[19]，以及中太平洋厄尔尼诺事件发生的频率更高[10]。海温升高导致东亚夏季风减弱[20]，西南夏季风向北延伸较少，导致华北降水减少，华南降水增加，加速了西北[文政1] 、东北和华北地区的变暖趋势，并在夏季减缓了华南、青藏地区的变暖趋势[21]。这与夏季东北地区0.28℃/10a的变暖趋势大于东南地区0.25℃/10a及南部地区0.20℃/10a的变暖趋势相一致。

中国冬季地面气温与北极涛动有密切关系[22]。在95%置信水平下，东北、西北和东中部地区冬季气温与AO指数之间的高度相关，而青藏高原和东南部地区的平均气温指数与AO指数之间的相关系数不显著[5]。以上结论证明AO的变化对东北、西北和东中地区温度有显著影响，冬季AO指数在1990年以前呈上升趋势，而在20世纪90年代初以来呈显著下降趋势[8]，北极涛动进入高压阶段，导致冬季更严重的冷空气入侵华北地区。而东南地区冬季平均气温与冬季AO指数均无显著相关，表明1990年以后青藏高原和华南地区的秋、冬季升温明显，而其他地区升温幅度较小可能与AO指数有关。

4.3气溶胶和太阳辐照度

大气气溶胶主要由硫酸盐、硝酸盐、碳质(有机碳和黑碳)颗粒、海盐和矿物尘埃组成，并且气溶胶的集体效应是复杂的[17]。自1990年以来，太阳辐照度从变暗到变亮，部分原因是二氧化氮显著增加了约50%[18]。因此，全球从变暗到变亮和温室气体逐渐增加的综合效应可能是1990年以来中国春、夏季变暖趋势加速的原因之一[6]。

4.4 海拔依赖性变暖及纬度依赖性变暖

越来越多的证据表明，气候变暖的速度随着海拔的升高而放大[4]。这在一定程度上解释了海拔高度对温度线性趋势的影响。通常认为，海拔依赖性变暖由地面反照率、云、水汽通量、辐射通量以及气溶胶其中一个或多个因素影响导致。1990年以来青藏高原地区变暖突出，尤其是在秋、冬两季节十分明显，可能受到下垫面因素变化的影响，同时也可能由于青藏地区外其他区域变暖速度受到其他因素影响而放缓，而青藏高原因其海拔等原因未受影响，从而保持了相对较高的变暖速度。

统计结果显示，在不同区域，气候变暖的海拔依赖性随时间发生不同程度变化，青藏高原地区海拔依赖性变暖在将来10年有很大可能显著上升，

由于极低放大效应影响，温度变化的速度在高纬度地区被放大。地理探测器的因子分析表明，纬度对全国气温线性趋势的影响达到0.4—0.5的范围，可能与纬度依赖性变暖有关。下垫面类型对气温线性趋势影响同样十分明显，其中，植被类型对气温线性趋势影响最为显著达到0.5—0.6，一方面不同植被类型对温度的调节作用有很大差异，另一方面植被类型也是对一个区域气候类型的反映，从而导致植被类型对气温线性趋势的影响较高。此外，永久冻土层的融化吸收热量导致温度下降，而土壤含水量影响比热容，从而影响温度变化，也是冻土类型、土壤含水量与气温线性趋势有高相关性的原因。而对于1990年前后是否有下垫面因素导致了青藏高原地区气温线性趋势变化，仍有待进一步研究。

5 结论

1990年前后，全国气温增长趋势出现显著突变。具体表现为，春、夏两季气温增长趋势由快变缓，而冬季气温增长趋势则由慢变快，秋季气温增长趋势在不同地区出现不同的变化。1990年后不同地区气温线性趋势的空间分异性下降。1990年之前，全国升温主要发生在秋、冬两季，以西北、东北和青藏高原地区升温最快，1990年之后不同地区均出现快速升温，其中春、夏两季西北、东北、东中部地区升温迅速，秋、冬两季青藏高原地区升温尤为突出。植被类型、纬度地带和气候区划是两个阶段温度线性趋势的主要限制因素， 1990年以后海拔高度与气温线性趋势的关系更为密切，而植被类型、冻土类型与气温线性趋势相关性下降。与自然因子相比，人为因子对温度变暖的空间差异影响较小。

区域尺度的气温趋势受到包括海温、洋流、大气环流以及下垫面类型等多重因素的影响，是一个复杂的系统。对于气温趋势的进一步认识需要完善观测资料，并结合模式模拟的手段进行分析。

参考文献

[1] Ford JD, Vanderbilt W, Berrang-Ford L. Authorship in IPCC AR5 and its implications for content: climate change and Indigenous populations in WGII. Climatic Change. 2012 Jul;113(2):201-13.

[2] Mach KJ, Mastrandrea MD, Bilir TE, et al. Understanding and responding to danger from climate change: the role of key risks in the IPCC AR5. Climatic Change. 2016 Jun 1;136(3-4):427-44.

[3] Cabré A, Marinov I, Leung S. Consistent global responses of marine ecosystems to future climate change across the IPCC AR5 earth system models. Climate Dynamics. 2015 Sep;45(5):1253-80.

[4] Pepin N, Bradley RS, Diaz HF, et al. Elevation-dependent warming in mountain regions of the world. Nature climate change. 2015 May;5(5):424.

[5] Qi L, Wang Y. Changes in the observed trends in extreme temperatures over China around 1990. Journal of Climate. 2012 Aug 1;25(15):5208-22.

[6] Qian C, Fu C, Wu Z. Changes in the amplitude of the temperature annual cycle in China and their implication for climate change research. Journal of Climate. 2011 Oct 15;24(20):5292-302.

[7] Tian L, Yao T, Li Z, et al. Recent rapid warming trend revealed from the isotopic record in Muztagata ice core, eastern Pamirs. Journal of Geophysical Research: Atmospheres. 2006 Jul 16;111(D13).

[8] Cohen J, Barlow M. The NAO, the AO, and global warming: How closely related?. Journal of Climate. 2005 Nov 1;18(21):4498-513.

[9] Latif M, Kleeman R, Eckert C. Greenhouse warming, decadal variability, or El Niño? An attempt to understand the anomalous 1990s. Journal of Climate. 1997 Sep;10(9):2221-39.

[10] Zhang W, Jin FF, Li J, et al. Contrasting impacts of two-type El Niño over the western North Pacific during boreal autumn. Journal of the Meteorological Society of Japan. Ser. II. 2011 Oct 31;89(5):563-9.

[11] Ge QS, Zheng JY, Hao ZX, et al. Temperature variation through 2000 years in China: An uncertainty analysis of reconstruction and regional difference. Geophysical Research Letters. 2010 Feb;37(3).

[12] Harris I, Osborn TJ, Jones P, et al. Version 4 of the CRU TS monthly high-resolution gridded multivariate climate dataset. Scientific data. 2020 Apr 3;7(1):1-8.

[13] 吴征镒. (1980). 中国植被. 科学出版社.

[14] 王劲峰, 徐成东. 地理探测器:原理与展望. 地理学报, 2017, 72(001):116-134.

[15] 于佳, 刘吉平. 基于地理探测器的东北地区气温变化影响因素定量分析. 湖北农业科学, 2015, 54(19): 4682–4687.

[16] Zhao W, Yu X, Jiao C, et al. Increased association between climate change and vegetation index variation promotes the coupling of dominant factors and vegetation growth. Science of the Total Environment. 2021 May 1;767:144669.

[17] Menon S, Hansen J, Nazarenko L, et al. Climate effects of black carbon aerosols in China and India. Science. 2002 Sep 27;297(5590):2250-3.

[18] Richter A, Burrows JP, Nüß H, et al. Increase in tropospheric nitrogen dioxide over China observed from space. Nature. 2005 Sep;437(7055):129-32.

[19] Liu X, Chen B. Climatic warming in the Tibetan Plateau during recent decades. International Journal of Climatology: A Journal of the Royal Meteorological Society. 2000 Nov 30;20(14):1729-42.

[20] Li H, Dai A, Zhou T, et al. Responses of East Asian summer monsoon to historical SST and atmospheric forcing during 1950–2000. Climate Dynamics. 2010 Mar;34(4):501-14.

[21] Zhou T, Gong D, Li J, et al. Detecting and understanding the multi-decadal variability of the East Asian summer monsoon—Recent progress and state of affairs. Meteorologische Zeitschrift. 2009 Aug 1;18(4):455-67.

[22] Gong DY, Wang SW, Zhu JH. East Asian winter monsoon and Arctic oscillation. Geophysical Research Letters. 2001 May 15;28(10):2073-6.

1960-2020年中国气温线性趋势变化的时空差异及影响因素相关推荐

2020年中国美好消费趋势报告
更多报告内容,可加微信:chanpin628 领取.
2020年中国人力资源科技“十大趋势”丨研报系列
2020年,中国企业服务市场会有什么样的发展趋势?在企业服务众多细分领域中,哪一个值得重点推进?作为企业服务生态中的每一个角色,又应该为2020年制订什么样的发展战略--这些关乎2020年企业服务发展 ...
【白皮书分享】2020中国美颜消费趋势白皮书.pdf（附下载链接）
大家好,我是文文(微信:sscbg2020),今天给大家分享CBNDATA和时尚芭莎于2020年10月份发布的白皮书<2020中国美颜消费趋势白皮书.pdf>,本白皮书共35页,包含如下三 ...
SaaS新风口——2020年中国企业直播应用场景趋势报告
近日,艾瑞咨询发布了<2020年中国企业直播应用场景趋势研究报告>.中国软件网因此对企业直播领域的领先品牌--保利威做了一个深度访谈,对报告的一些观点.企业直播的发展状况,以及保利威的核心 ...
2020年中国民爆及工业炸药行业发展现状、竞争格局及未来发展趋势分析，产业链一体化是趋势，安全生产是重中之重「图」
一.民爆行业综述民爆行业主要产品有工业炸药.工业雷管.工业导爆索等多个品种,产品广泛应用于煤炭.金属.非金属等矿山开采,公路.铁路.水利等基础设施建设. 1.产业链从民爆行业产业链来看,民爆上游行 ...
2020年中国休闲食品行业发展现状分析，安全、健康是行业发展主要趋势「图」
一.概述休闲食品其实也是快速消费品的一类,是在人们闲暇.休息时所吃的食品.最贴切的解释是吃得玩的食品.休闲食品主要可分为坚果炒货类.膨化食品类.肉脯豆干类.糖果巧克力类.蜜饯果干类和饼干糕点类等种类 ...
2020年中国智慧城市发展值得关注的技术
文章来源:Gartner 图片来源:网络每年Gartner发布的技术成熟度曲线(The Hype Cycle)报告都备受市场瞩目,也成为政府及企业做出重大投资决策的风向标.其原因在于,它不仅能够让C ...
2020年中国网络安全市场全景图
2020年中国网络安全市场全景图原创 ssaq 数说安全前天概述在我国IT信息化建设高速发展的大背景下,网络安全的定义和内涵不断外延.安全的基因已经拓展到了多个维度,安全泛在化成为新趋势,新理 ...
2020年中国包子行业现状及竞争格局分析，未来行业集中度将进一步提升「图」
一.包子制作工艺包子是由面和馅包起来的,由荤馅或者是由素馅做成的,做好的包子皮薄馅多,松软好吃.还可以做各种花样.是中国传统食品,并且还是人们生活中不可或缺的食物.从工艺的发展历程来看,经历了人工. ...

1960-2020年中国气温线性趋势变化的时空差异及影响因素

1960-2020年中国气温线性趋势变化的时空差异及影响因素相关推荐

最新文章

热门文章