2000年前后我国寒潮活动特征的比较分析

马 力，韦志刚，2，李娴茹，王 欢，郭仕侗

（1.北京师范大学 地理科学学部 地表过程与资源生态国家重点实验室，北京 100875；
2.南方海洋科学与工程广东省实验室（广州），广东 广州 511458）

寒潮是一种受大尺度环流控制的冷空气事件。这种天气现象通常会造成大幅度降温，并伴随霜冻、暴雪、大风等一系列灾害天气，会给我国农业生产、人民的交通出行和社会经济活动造成很大的影响，甚至对人类身体健康也有一定的影响［1-3］。2008年1 月，由于持续性低温致使中国南方出现冰冻灾害，在湖南地区就造成了3 019×104人受灾，农作物受灾面积212×104km2，直接经济损失达120×108元以上［4］。2016 年1 月，中国大部分地区遭遇寒潮天气，90%以上的区域降温幅度达到6 ℃以上，19 省69 个县、市最低气温跌破历史极值［5］。根据气象局统计，2018年我国中东部低温雨雪冰冻天气造成26地最低气温突破当月历史最值，对交通运输等产生较大影响。因此，对寒潮事件变化规律、机理、预测进行研究分析都有着重要的意义。

在全球气候变暖的背景下，我国寒潮时空变化特征研究成为众多学者的关注焦点。研究表明，寒潮主要发生在9 月到次年5 月，且春季最易发生［6］。自20 世纪60 年代以来，大部分地区寒潮日数和频次呈现减小趋势［7-12］，且很多地区都存在突变［13］和周期性振荡［14-16］。全国范围来看，我国华北、新疆、东北地区寒潮频次、强度的减少尤为显著［16-17］。不同地区也呈现出不同的年代际变化规律，青岛市在20 世纪70 年代寒潮频次最高，90 年代最低［18］，阿勒泰市在20 世纪50 年代寒潮最多［19］，河西走廊则在20世纪80年代出现明显的低值［20］。

对寒潮的形成机理以及未来可能变化趋势的研究也有很多。1999 年，张培忠等［21］便指出寒潮的形成主要受出现在亚洲大陆中部的冷高压影响。马晓青 等［22］、Li 等［23］、余 洋［24］、Zhang 等［25］分别对2004/2005 年冬季强寒潮天气、2010 年3 月成都寒潮、2016 年11 月强寒潮，2020 年2 月九江寒潮从大气低频波动、高空冷涡等角度探究了寒潮成因。很多学者也从气候变化对寒潮影响的角度展开研究。Chen 等［26］通过研究ENSO 和东亚寒潮频次的关系，得到受厄尔尼诺影响时寒潮频次增多，受拉尼娜影响则减少的结论。北极涛动（AO）指数和北大西洋涛动（NAO）被认为与中国的寒潮频次、寒潮路径等有关［27-29］。Park 等［30］指出在东亚，中国内陆由寒潮引起的冰冻降水或降雪事件在正AO 期间更加频繁。此外，唐孟琪等［31］指出北极新地岛地区海冰的变化可能是造成我国东北地区寒潮活动年代际变化的原因之一。西伯利亚高压的增强和移动，使得冷空气凝聚后的快速南下，是导致中国很多地区出现寒潮的原因［32-34］。吴嘉蕙等［35］将全国性持续低温事件（EPECEs）划分为冷空气在乌拉尔山—西伯利亚关键区堆积和冷空气爆发以及消亡三个阶段。此外，随着许多气候模式的发展，很多学者在寒潮预测方面取得了一定进展。Wei等［36］评估了CFSv2对中国2015—2016 年三次寒潮过程的模拟，发现CFSv2预测的气温异常在中国内陆被明显低估。姚遥等［37］利用8 个CMIP5 模式集合，对未来极端气温进行预测，并指出到21世纪末寒潮指数将减少71%。

因为全球变暖的缘故，科学家们多关心热浪和极端高温的模拟评估与预估，对未来冷空气活动的研究较少且不充分。Yang 等［38］利用CMIP6 模式对冬季东亚寒流路径的变化进行了预估，认为本世纪东亚地区总寒流将减少，但来自北方路径的强寒流可能增加。在这种背景下，我国各地的寒潮活动具体将如何响应还有待深入研究。

综上所述，前人已经对寒潮做了很多相关研究。但21 世纪之后，在全球气候变暖的背景下，极端天气和气候事件增多，中国不同区域寒潮的变化特征如何？本文将以1961—2018 年逐日最低气温资料为基础，按照寒潮标准和指标，分区域、分时段地对我国近57 年尤其是进入21 世纪以来寒潮的时空变化特征进行全面的分析，为以后寒潮过程的预测分析提供一定的参考。

1.1 数据来源

本文数据资料来源于中国气象局再分析资料数据集（CN05.1），该数据集是中国气象局基于2400 余个中国地面气象台站的观测资料，通过常用的“距平逼近”插值方法得到的，包括了逐日气温和降水资料，时间长度为1961—2018 年，空间分辨率为0.25°×0.25°［39］。本文选取了其中的日最低气温资料。

1.2 寒潮标准

根据2017 年10 月修订发布的中华人民共和国国家标准：《寒潮等级》（GB/T 21987—2017）［40］，确定中国寒潮标准。即将使某地日最低气温24 小时内降温幅度大于或等于8 ℃，或48 小时内降温幅度大于或等于10 ℃，或72 小时内降温幅度大于或等于12 ℃，而且使该地日最低气温小于或等于4 ℃的冷空气活动定义为寒潮。

1.3 研究方法

以中国1961—2018 年逐日最低气温数据为基础，分析寒潮日数、寒潮频次、寒潮强度等要素时空变化特征。由于寒潮主要发生在秋季、冬季和春季，本文将前一年8 月1 日到该年7 月31 日定义为一个寒潮年，如1961 年8 月1 日到1962 年7 月31 日统计的寒潮频次记为1962年的寒潮频次，以此类推。其他寒潮指标的定义见表1。未发生寒潮的格点寒潮强度记为0，区域平均寒潮日数、频次和强度分别是区域内所有格点寒潮日数、频次和强度的均值。根据定义，统计各格点寒潮要素，其中每年的最大寒潮日数、寒潮频次和寒潮强度分别指某年全国各个格点寒潮日数、寒潮频次和寒潮频次中的最大值。

表1 单站寒潮各要素定义Table 1 Definition of elements of cold surge

经验正交函数（Empirical Orthogonal Function，EOF）最早由Person（1902）提出，20 世纪70 年代初引入到我国气候研究领域。气候统计诊断中应用最普遍的办法是把原始变量场分解为正交函数的线性组合，构成为数很少的互不相关典型模态，代替原始变量场，每个典型模态都含有尽量多的原始场的信息，其中EOF 分解技术就是这样一种方法。EOF 因为没有固定函数、能在有限区域对不规则分布的站点进行分解、收敛快等优势，在气候诊断研究中广泛使用［41-42］。旋转经验正交函数（REOF）是在EOF 基础上，取前几个主成分作为荷载特征向量进行方差最大正交旋转，旋转后的典型空间分布结构清晰，不但能较好地反映不同地域的变化，还可以反映不同地域的相关分布状况，被越来越多地应用在分离变量场典型空间结构的研究中［43-44］。利用n阶多项式拟合方法将1962—2018年划分为三个时段，然后运用经验正交函数（EOF）分析方法对各寒潮要素空间形态进行分析，并通过REOF 方法对中国区域进行分区。

在对各区域寒潮特征进行长时间序列分析时，主要采用一元线性回归方法进行趋势分析，运用滑动t检验和Manner-Kendall方法进行突变检测，Morletwave 小波分析进行周期性分析，并进行了显著性水平为0.05的显著性检验。

2.1 中国寒潮活动的总体特征

图1 给出了1962—2018 年中国区域平均寒潮日数、频次、强度的变化，图中4 阶多项式拟合结果［图1（a）、（d）、（g）］显示，三者都在21世纪初出现趋势拐点，1962—1999 年，全国平均寒潮日数、频次、强度都明显减少，但2000 年后，寒潮趋势由先前的减少变为增加。因此将1962—2018 年分为1962—1999 年、2000—2018 年两个阶段，前一阶段为变化趋势减少阶段，后一阶段为变化趋势增加阶段。再运用滑动t检验的方法对1962—1999 年、2000—2018 年各寒潮要素进行突变检测。结果显示，1962—1999年间，寒潮日数、频次、强度均在1980年发生显著突变［图1（b）、（e）、（h）］，而在2000—2018年没有显著的突变点［图1（c）、（f）、（i）］。结合突变检测将研究时段分为1962—1979年、1980—1999年、2000—2018年三个阶段。

图1 最左列为1962—2018年中国寒潮日数（a）、寒潮频次（d）、寒潮强度（g）距平逐年变化（黑色）及4阶多项式拟合（红色）。中间列和最右列为2000年前后寒潮日数［（b），（c）］、寒潮频次［（e），（f）］、寒潮强度［（h），（i）］滑动t检验突变检测图，图中蓝色实线为显著性检验线（α=0.05）Fig.1 Annual variation（black solid line）and fourth-order polynomial fitting（red solid line）of number of CS（cold surge）day（a），CS frequency（d），CS intensity（g）during 1962—2018 in China（the left column）.The middle column and the far right column are the moving t-test of abrupt changes of number of CS day ［（b），（c）］，CS frequency ［（e），（f）］，CS intensity ［（h），（i）］before and after 2000.The blue solid line in the mutation plot is the significance test line（α=0.05）

图2 给出了三个阶段中国寒潮日数、最大寒潮日数、寒潮频次、最大寒潮频次、寒潮强度、最大寒潮强度的变化及其趋势。1962—2018 年，全国平均寒潮日数、频次、强度分别以-0.111 d·（10a）-1、-0.0801 次·（10a）-1、-0.0595 ℃·（10a）-1的速率减少，且均有较大的波动，寒潮日数和寒潮频次都在1966年和2018年有远大于其他年份的值，寒潮强度也在2018 年出现远高于其他年份的强度值，高达5.7 ℃。相反地，最大寒潮日数、频次和强度均呈现出增加的趋势。最大寒潮日数增加速率为0.261 d·（10a）-1，其中在1996 年达到最大值为44 d［图2（b）］。最大寒潮频次增加速率为0.0402次·（10a）-1，2018 年达到最大值为31 次［图2（d）］。最大寒潮强度增强速率为0.053 ℃·（10a）-1，逐年波动变化中，最大值达到14.31 ℃［图2（f）］。

图2 1962—2018年中国寒潮日数（a）、最大寒潮日数（b）、寒潮频次（c）、最大寒潮频次（d）、寒潮强度（e）、最大寒潮强度（f）逐年变化及各时间段变化（图中红色虚线为多年变化趋势，红色实线为各阶段趋势，蓝色虚线为57年平均值，黑色实线为各阶段平均值）Fig.2 Annual variation and three time periods variation of number of CS day（a），maximum number of CS day（b），CS frequency（c），maximum CS frequency（d），CS intensity（e），maximum CS intensity（f）in China during 1962—2018（The red dotted line is the multi-year trend，the red solid line is the trend of each time period，the blue dotted line is the average of 57 years，and the black solid line is the average of each time period）

分时间段看，平均寒潮日数、寒潮频次、寒潮强度的规律表现一致。三者均值在1962—1979 年最大且大于1962—2018 年平均值，1980—1999 年、2000 年后则相反，寒潮日数、频次在1980—1999 年均值最小，而寒潮强度在2000年后均值最小。三者在三个时间阶段的均值分别为4.754 d/3.298 d/6.446 d、3.298 次/2.668 次/2.850 次、4.284 ℃/3.930 ℃/3.870 ℃。三者的变率在1962—1979年为负，在1980—1999 年、2000 年后为正，但2000 年后变率更大。最大寒潮日数、频次、强度在2000 年后均值大于1962—1979 年，最大寒潮强度相反，但都大于1962—2018 年平均值，1980—1999 年则小于1962—2018年平均值。同样，三者在1962—1979年变率为负，在1980—1999年、2000年后变率为正，且在2000 年后最大，分别达到4.070 d·（10a）-1、2.912次·（10a）-1、1.610 ℃·（10a）-1。总体来看，六个寒潮要素在三个时间段呈现“前后高中间低”的规律（除全国平均寒潮强度），变率则呈现“减—增—增”的规律。尤其2000 年后均值增大，趋势增加，说明在2000 年之后寒潮活动频发、持续时间久且强度大，并且有持续增强的趋势。

2.2 中国寒潮活动空间分布特征

1962—2018 年全国寒潮日数空间分布差异明显［图3（a）］，在中国东北和内蒙古北部最高，华北北部和新疆北部、青海南部次之，其他区域相对较低。寒潮日数高值主要分布在黑龙江北内蒙古东北部接壤处、吉林辽宁接壤处和内蒙古北部三个区域均大于20 d，最大值达到24 d以上，同时在新疆北部、青藏东部地区也存在较大值，大约为12～16 d。1962—1979 年、1980—1999 年、2000—2018 年三个阶段的全国寒潮空间分布特征［图3（c）、（e）、（g）］与1962—2018年平均类似，高值区也一致。但也存在具体区别，2000 年后，黑龙江北内蒙古东北部接壤处寒潮日数明显最多，该区域大部分高于24 d，甚至高于28 d，吉林辽宁接壤处最高值也达到24 d 以上，内蒙古北部相对较小，大部分在16～20 d 范围。1962—1979 年次之，寒潮日数最大值高于28 d，在三个高值区大部分高于20 d。1980—1999 年寒潮日数相对较少，只有在吉林辽宁接壤处零星地区寒潮日数高于24 d，其他两个高值区寒潮日数在16～24 d左右。

1962—2018 年寒潮日数的变化趋势空间分布总体上呈现“东南减西北增”的特征。在黑龙江最北部以0.20 d·a-1左右的速率增加，在东北其他地区，内蒙古北部，西藏东部以及青海西部地区显著减小［图3（b）］。从三个阶段的寒潮日数变化趋势可以看出，随着时间的变化，呈现增加趋势的区域面积越来越大，增加趋势也愈发明显［图3（d）、（f）、（h）］。2000 年后，寒潮日数只在新疆北部、黑龙江北部、南方零星地区呈减小趋势，其余我国大部分地区均呈现增加趋势，尤其是东北地区，增加的速率达到0.60～0.80 d·a-1且十分显著，在甘肃宁夏附近地区也以0.20～0.40 d·a-1的速率显著增加。2000年以前，1962—1979年除黑龙江、南方、新疆西藏西部以外，大部分地区呈现减少趋势，寒潮日数年变率最小值出现在华北东北接壤处，达到-0.6 d·a-1且趋势显著。1980—1999 年寒潮日数除在华北部分地区、西藏东南部、新疆西藏接壤处缓慢减少，在全国大部分地区呈现增加趋势，且趋势较平均，大多在0～0.40 d·a-1之间，在西部零星地区变化趋势显著。1962—2018 年和三个阶段的寒潮频次及其变化趋势的空间分布规律与寒潮日数基本一致，这里不做重复阐述（图略）。

图3 中国1962—2018年及各时间段寒潮日数［（a），（c），（e），（g）］及其变化趋势［（b），（d），（f），（h）］空间分布Fig.3 Spatial distribution of number of CS day ［（a），（c），（e），（g）］and its trend ［（b），（d），（f），（h）］in China during 1962—2018

1962—2018 年以及三个阶段的寒潮强度空间分布特征基本一致［图4（a）、（c）、（e）、（g）］。除新疆南部地区，整体上表现为“东南低西北高”。高值出现在青海和西藏东部、华北、东北北部三个区域，可达到6～7 ℃。2000 年后，寒潮强度高值区域面积减少，这与图2（e）所呈现的寒潮均值的变化规律一致。1962—2018 年，寒潮强度在全国大部分地区呈增强趋势［图4（b）］，西藏西部存在显著的减弱区。与寒潮日数、寒潮频次的规律类似，随时间的变化，寒潮强度增强趋势的区域面积越来越大，增加趋势也愈发明显。全国绝大部分地区寒潮强度在2000年之后呈增强趋势，增强速率达到0.15 ℃·a-1的区域占全国面积的一半左右，新疆西藏地区、安徽江苏一带尤为显著，达到0.45 ℃·a-1及以上［图4（h）］。1962—1979 年，南方、西藏以及新疆西部呈增强趋势，且在新疆西藏西部地区趋势显著，其他地区则减弱［图4（d）］。1980—1999年，只有新疆西藏接壤处以及西藏东南小部分区域减弱，其余全国大部分区域均呈现增强趋势［图4（f）］。

图4 中国1962—2018年及各时间段寒潮强度［（a），（c），（e），（g）］及其变化趋势［（b），（d），（f），（h）］空间分布Fig.4 Spatial distribution of CS intensity ［（a），（c），（e），（g）］and its trend ［（b），（d），（f），（h）］in China during 1962—2018

总体来看，三个不同阶段的寒潮日数、频次、强度的空间分布特征均与1962—2018 年平均基本一致，只是不同时间阶段程度不同。2000 年后，寒潮日数多、频次高、强度大。此外，三者在不同阶段的变化趋势表明，随时间变化，增加趋势的覆盖区域面积越大且趋势愈显著，2000 年后全国大部分地区寒潮日数、频次、强度均呈现增大趋势，其中寒潮日数、频次在东北地区最为典型，寒潮频次在安徽江苏一带和西部地区最为典型。

为进一步探究各寒潮要素的空间特征，对1962—2018 年中国寒潮日数、寒潮频次、寒潮强度进行经验正交函数（EOF）分析。寒潮日数的第一模态［图5（a）］表现出东北地区和西藏西南地区荷载值反号的分布情况，说明寒潮日数在上述两个区域变化相反，可以称之为“东北西南反向型”。第一模态的方差贡献率为32.27%，远高于其他两个模态，说明这种空间模态是最主要的。第一模态对应的标准时间序列（PC1）反映了该分布型的时间变化特征［图5（b）］，显示西藏、西南地区总体呈增加趋势，该地区寒潮日数在1965 年、2018 年偏少，在20 世纪80—90年代大部分年份偏多，具体表现为负-正-负的变化特征，东北地区的寒潮日数变化特征则与之相反。虽然寒潮日数的第二、三模态的解释均方差较小，但也反映了其变化的一些重要特征。第二模态［图5（c）］呈现出新疆北部、内蒙古北部、华南地区变化趋势一致且与其他地区相反的特征。对应的标准事件序列（PC2）表明上述三个区域总体呈现减少的趋势，波动性较大，有一定的周期性特征，以东北地区为代表的其他地区则相反［图5（d）］。第三模态［图5（e）］则呈现出新疆北部、东北北部，华南南部三个地区，与中纬度地区变化相反的特征，而该模态的标准时间序列［图5（f）］显示这三个区域寒潮日数总体增加，中纬度地区减少。

图5 1962—2018年中国寒潮日数EOF前三模态空间分布［（a），（c），（e）］及对应标准时间序列［（b），（d），（f）］Fig.5 Spatial distribution of the first three EOF modes of number of CS days in China during 1962—2018 ［（a），（c），（e）］and corresponding standard time series ［（b），（d），（f）］

寒潮频次的第一模态和第二模态所表现出来的特征与寒潮日数非常一致。寒潮频次的第三模态也呈现出新疆北部、东北北部，华南南部三个地区，与其余地区的变化特征相反的空间特征，但是其标准时间序列表明这三个地区的变化趋势是逐年减少的，中纬度地区是增加的，与寒潮日数相反（图略）。

寒潮强度（图6）的第一模态表现出全国绝大部分地区变化一致的分布特征，可以称之为“全国一致性”。第一模态对应的标准时间序列（PC1）表明，1962—2018 年全国绝大部分地区寒潮强度总体上呈减弱趋势。寒潮强度第二模态表现出南方地区和新疆西部与其他地区相反的空间形态，其标准时间序列（PC2）表明南方地区和新疆西部总体呈增强趋势，其他地区相反。第三模态表现出新疆南部和内蒙古地区两地区变化一致，且与其他地区相反的空间形态，这两个地区的寒潮强度在1962—2018年微弱增强，其他地区则逐年减弱［图6（f）］。第一模态的方差贡献率仅为7.91%，且与第二模态接近，说明第一、第二空间模态都只反映我国寒潮强度变化的某一特征，也就是说从EOF 的分析结果看，寒潮有第一、第二模态的特征，但因为方差贡献较小，它们不能主导主体特征，所以我们对寒潮进行分区，来具体比较分析各区域的变化特征。

图6 1962—2018年中国寒潮强度EOF前三模态空间分布［（a），（c），（e）］及对应标准时间序列（［（b），（d），（f）］Fig.6 Spatial distribution of the first three EOF modes of CS intensity in China during 1962—2018 ［（a），（c），（e）］and corresponding standard time series ［（b），（d），（f）］

2.3 中国各分区寒潮活动特征

中国地域辽阔，各地气候差异明显，为了更客观地对寒潮进行研究，对统计得到的57年的寒潮强度序列进行REOF 分析（图7），依据前5 个模态，并结合我国传统地理区域划分，将中国分为西北、北方、东北、西南、南方5个区域。

为了更准确地探究中国寒潮活动的特征，分区对寒潮日数、寒潮频次、寒潮强度的长时间变化特征进行分析。西北地区、北方地区、东北地区、西北地区、南方地区的寒潮日数分别以-0.0783、-0.1243、-0.1757、-0.0865、-0.1132 d·（10a）-1的速率减少，寒潮频次分别以-0.0706、-0.0914、-0.1055、-0.0727、-0.0702 次·（10a）-1的速率减少，寒潮强度分别以-0.0816、-0.0350、-0.0120、-0.1469、-0.0552 ℃·（10a）-1的速率减弱（图8）。

图8 1962—2018年各地区中国寒潮日数［（a），（d），（g），（j），（m）］、寒潮频次［（b），（e），（h），（k），（n）］、寒潮强度［（c），（f），（i），（l），（o）］逐年变化及各时间阶段变化（图中红色虚线为多年变化趋势，红色实线为各阶段趋势，蓝色虚线为57年平均值，黑色实线为各阶段平均值）Fig.8 Annual variation and three time periods variation of number of CS day ［（a），（d），（g），（j），（m）］，CS frequency ［（b），（e），（h），（k），（n）］，CS intensity ［（c），（f），（i），（l），（o）］in every region in China during 1962—2018（The red dotted line is the multi-year trend，the red solid line is the trend of each time period，the blue dotted line is the average of 57 years，and the black solid line is the average of each time period）

就寒潮日数而言，所有地区总体呈增加趋势。北方和东北在2000 年后的均值大于1962—2018 年均值，其他地区则低于1962—2018年均值。2000年之前，所有地区寒潮日数均值在1962—1979年均大于1962—2018 年均值，在1980—1999 年相反。1962—1979 年，除西北地区外，其他四个地区均呈减少趋势。1980—1999 年，北方地区呈减少趋势，其他四个地区都呈增加趋势。西北地区在三个时间阶段的寒潮日数均增加。除西北地区寒潮频次在2000年后总体减小，所有地区的寒潮频次在1962—1979 年、1980—1999 年、2000—2018 年三个阶段的均值、变化趋势都与对应的寒潮日数的规律一致。2000 年之后、北方、东北地区寒潮强度均值增加并超过总体均值，其他地区则相对1980—1999年减小。所有地区均呈增强趋势，其他地区减弱。2000年之前，各地区寒潮强度在1962—1979年均值都高于1962—2018年平均值，1980—1999年则小于1962—2018 年平均值。1960—1979 年，西北、西南地区和南方地区寒潮强度呈增强的变化趋势，其他地区呈减弱趋势。1980—1999 年，南方、北方地区呈增强趋势，其他三个地区呈减弱趋势。

总体来看，北方地区和东北地区在2000年后寒潮日数、频次以及强度均值相对1980—1999年均增加，其他地区相反，且除北方地区寒潮强度外，两地区2000 年后各要素均值都超过1962—2018 年的平均值，但低于1960—1979年均值。几乎所有地区的寒潮日数、频次、强度在2000 年后变化趋势都是增加或增强的。

各地区不同寒潮要素最大值和最小值出现的年份存在差异（表2）。中国北部西北、北方和东北三个地区寒潮日数、频次、强度基本在2017年、2018年出现最大值，说明这两年中国北部地区寒潮频发，时间久强度大。而西南和南部地区寒潮日数、寒潮频次、寒潮强度最大值更多出现在1960s、1970s，最小值在1980s初出现。

表2 五个地区各寒潮要素的达到最值的年份Table 2 The year when CS elements reached their maximum and minimum value in the five regions

2.4 中国地区寒潮活动的周期和突变特征

图9 为1962—2018 年中国整体及各区域平均寒潮日数、寒潮频次和寒潮强度的小波功率谱。全国平均寒潮日数、寒潮频次在2000 年之后、20 世纪60 年代和1980 年前后存在3～5 a 的显著振荡周期，在1970—1995 年存在准10 a 的振荡周期［图9（a）、（b）］。全国平均寒潮强度在2010 年后和20 世纪60年代同时存在准3 a和4～8 a的显著周期［图9（c）］。

所有地区寒潮日数、寒潮频次的周期性特征基本一致。西南、北方、东北、西南四个地区在2000年后、20世纪60年代均存在3～5 a的显著周期，年代际尺度上，四个地区在不同时期也存在准10 a 的周期但不显著。南方地区只在1960s 存在3～5 a 的显著周期［图9（p）、（q）］。就寒潮强度而言，西北和东北地区均在2010 年后、1960s 存在3～5a 的显著周期，东北地区还在1980—2000 年存在一个准8 a 的显著周期［图9（f）、（l）］。北方地区在2010 年后、1960s则存在准10 a 的显著周期，且在1990—2018 年伴随3～7 a 的显著周期［图9（i）］。西南地区在2010 年后、1960s 的寒潮强度周期规律与全国平均一致，存在准3 a 和4～8 a 的显著周期，且在1970—1995 年存在3～7 a 的振荡周期［图9（i）］。南方地区寒潮强度在2000年后、1962—1965年存在6～8 a的显著周期，且在1965—1980 年及2000 年前5 年存在2～4 a 的显著周期［图9（r）］。

图9 1962—2018年中国区域平均及各地区平均寒潮日数［（a），（d），（g），（j），（m），（p）］、寒潮频次［（b），（e），（h），（k），（n），（q）］、寒潮强度［（c），（f），（i），（l），（o），（r）］的小波功率谱，黑色实线表示通过显著性检验（α=0.05）Fig.9 Annual wavelet power spectra and total wavelet power spectra of mean of number of CS day ［（a），（d），（g），（j），（m），（p）］，CS frequency ［（b），（e），（h），（k），（n），（q）］and CS intensity ［（c），（f），（i），（l），（o），（r）］in China and each region during 1962—2018，the solid black line indicate passed the significance test（α=0.05）

总体来看，中国区域平均和各地区的各要素基本都存在3～5 a 的显著周期，且往往出现在2000 年后（尤其是2010年后）以及20世纪60年代。各地区寒潮日数、寒潮频次的周期振荡规律基本一致。除南方地区外，其他四个地区的寒潮日数、寒潮频次在不同时段也存在准10 a的不显著周期。寒潮强度的周期特征在不同地区差异较大，不同于寒潮日数、频次，南方地区的寒潮强度在2000 后存在6～8 a的显著周期。

为了进一步探究中国寒潮活动的变化特征，运用Manner-Kendall 突变检测方法对各地区寒潮日数、频次、强度进行突变检测，统计其前后趋势明显变化的突变年份（表3）。西北地区各寒潮要素和西南地区寒潮强度在1980s 发生突变。东北地区寒潮日数、频次、强度发生在1968 年、1968 年、1966 年。其他地区各要素都在1970s 发生突变。整体来看，东北地区寒潮各特征要素的突变均较早，而中国西部的西南、西北两个地区突变年份相对较晚。这与徐蒙等［13］得到的极端降温事件频次在东北地区突变年份早于新疆、青藏高原的突变规律一致。

本文基于中国1961—2018 年的0.25°×0.25°逐日最低气温数据，利用n阶多项式拟合、滑动t检验、EOF 和REOF、一元线性回归、Morlet 小波变化、Manner-Kendall 突变检验等方法，分析了中国整体及各区域寒潮日数、寒潮频次、寒潮强度的时空分布特征，主要结论如下：

（1）1962—1999 年，全国平均寒潮日数、频次、强度都明显减少，但2000 年后变为增加，寒潮活动频发、持续时间久且强度大。根据变化趋势以及突变特征将1962—2018 年中国寒潮变化划分为1960—1979 年、1980—1999 年 和2000 年 后三个阶段。

（2）1962—2018 年与各阶段寒潮日数、频次、强度的空间分布特征分别保持一致。寒潮日数、频次在内蒙古北部、东北地区值较大。而寒潮强度总体上呈现出从东南到西北逐渐增强的空间分布特征，主要高值区为青海和西藏东部、华北、东北北部三个区域。寒潮各要素变化趋势在空间上存在差异。1962—2018 年，寒潮日数、频次的整体趋势呈“东南减西北增”的分布，寒潮强度则为全国绝大部分一致增强。2000 年后，全国大部分地区寒潮日数、频次、强度均呈现增大趋势，寒潮日数、频次在东北地区最为典型，寒潮强度则在安徽江苏一带最为典型。

（3）寒潮日数和寒潮频次的EOF 第一模态表现为“东北西南反向型”，即东北地区和西藏西南地区存在反向变化。但寒潮强度EOF 第一模态表现为“全国一致型”，即全国绝大部分地区的变化一致。

（4）通过对多年寒潮强度的旋转经验正交分解，可以将中国较为客观地划分5个区域，分别为西北地区、北方地区、东北地区、西南地区、南方地区。1962—2018 年，各地区的寒潮日数、频次、强度均呈减小趋势。2000 年之后，几乎所有地区各要素变化趋势均为上升。北方地区和东北地区在2000 年后均值相对1980—1999年增加，其他地区则相反。

（5）全国平均寒潮日数、频次、强度在1980年发生显著突变，2000 年后无显著突变。不同区域突变时间存在差异，西北地区各寒潮要素和西南地区寒潮强度在1980s 发生突变。东北地区各要素突变时间都最早，发生在1960s 末。其他地区各要素都在1970s 发生突变，西南、西北地区相对较晚。寒潮日数、频次和强度在中国区域和各地区基本都存在3～5 a的振荡周期。各地区寒潮日数、寒潮频次的周期振荡规律基本一致，1960s 和2010s 存在相同的显著周期。

寒潮事件对农业生产等影响较大，本文未涉及寒潮演变的机理，仍需从大气环流等角度深入探究中国整体及各地区寒潮活动变化的内在原因和外在影响。此外，本文仅依据寒潮等级国家标准（GB/T 21987—2017）进行了格点寒潮分析，但寒潮实际上是区域演变过程，将继续开展寒潮过程及其演变过程的研究。

猜你喜欢 寒潮日数趋势 汉江上游汉中区域不同等级降水日数的气候变化特征分析绿色科技(2022年16期)2022-09-15趋势第一财经(2021年6期)2021-06-10超级秀场 寒潮来袭意林原创版(2021年3期)2021-04-29天津市滨海新区塘沽地域雷暴日数变化规律及特征分析天津科技(2020年2期)2020-03-03初秋唇妆趋势Coco薇(2017年9期)2017-09-072016年寒潮来袭，湿冻模式开启意林·少年版(2016年7期)2016-05-04SPINEXPO™2017春夏流行趋势纺织服装流行趋势展望(2016年2期)2016-05-042016年乌兰察布市一次罕见寒潮天气分析现代农业(2016年4期)2016-02-28海南省雷暴日数年代际变化特征气象研究与应用(2016年4期)2016-02-27寒潮悄然来袭百科探秘·航空航天(2015年10期)2015-11-07