Characteristics of Heat Waves in China from 1961 to 2017 and Their Impacts on Vegetation

Ying-di JIANG, Wei-guang WANG, Jia WEI, Shan-lin TONG

PDF(3752 KB)
节水灌溉
China Rural Water and Hydropower ›› 2022 ›› (3) : 25-31.

Characteristics of Heat Waves in China from 1961 to 2017 and Their Impacts on Vegetation

Author information +
History +

Abstract

Clarifying the characteristics of heat waves and their impacts on vegetation is essential for the development of industry and agriculture and the maintenance of the ecological environment.Based on the daily average temperature data of 712 meteorological stations in China and the normalized difference vegetation index （NDVI） data， the heat wave event is defined with the excess heat factor as an indicator， and four indexes like the number of heat waves， maximum duration， frequency， and amplitude are selected. The indexes analyze the temporal and spatial characteristics of heat wave events in 8 sub-regions of China from1961 to 2017， and uses Spearman rank correlation analysis to explore the impact of heat wave events on vegetation finally.The results show that the four heat wave indexes have increased significantly and have undergone abrupt changes in the 1990s and early 21th century. The number， maximum duration and frequency of heat waves in the Qinghai-Tibet region， western region and eastern region have large mean values and changing trends over the years. The mean and changing trends of heat wave amplitude show the characteristics of spatial change of north high and south low. Heat wave events have a significant impact on the growth of vegetation. Heat wave events in the southeast coast， eastern Inner Mongolia and Xinjiang have an inhibitory effect on vegetation growth， while in the western region， Qinghai-Tibet region and southwest China heat wave events have a more obvious promotion effect on vegetation growth.

Key words

excess heat factor / characteristics of heat waves / vegetation / NDVI

Cite this article

EndNote

Ris (Procite)

Bibtex

Download Citations
Ying-di JIANG , Wei-guang WANG , Jia WEI , Shan-lin TONG. Characteristics of Heat Waves in China from 1961 to 2017 and Their Impacts on Vegetation. China Rural Water and Hydropower. 2022, 0(3): 25-31

0 引 言

IPCC第五次评估报告指出，在1880-2012年期间全球平均温度升高了约0.85 ℃［1］。全球持续变暖，将会使高温热浪事件发生的频率更高，持续时间更长［2，3］。热浪作为一种极端天气事件，其逐步加剧和扩散不但会对人体健康造成负面效应，还会给环境和生态的可持续发展带来挑战［4-6］。在俄罗斯［7］、美国［8］和澳大利亚［9］等地区，热浪已经成为亟待解决的问题之一。目前已有众多学者对中国地区的热浪特征进行研究，Ye等［10］研究发现1990年以后中国地区干旱和热浪事件并发的趋势显著增加；Li等［11］的研究表明1961-2015年中国北方地区热浪强度急剧增加，南方地区热浪持续时间显著延长；肖安等［12］基于超热因子分析中国热浪事件的气候特征，研究发现中国大部分地区高温热浪有显著增加的趋势。植被在陆气交互作用过程中起着重要作用，对于气候变化的响应也更为强烈。国内外学者大都集中于研究极端气温与植被之间的关系［13，14］，关于极端气温引起的热浪事件对植被的影响研究还较少。
因此，本文以超热因子（Excess Heat Factor，EHF）为指标定义热浪事件，并将中国地区分为8个子区域，选择热浪次数、最长持续时间、频次和强度4个指数分析1961-2017年中国各个区域热浪的时空变化特征，然后采用Spearman秩相关分析方法探究极端气候情况下热浪事件对植被生长的影响，以期为中国地区生态环境保护和农业生产管理提供科学依据。

1 数据与方法

1.1 研究数据

气象数据来源于中国气象数据网（http：//data.cma.cn）提供的中国地面气候资料日值数据集（V3.0） 。考虑到数据序列的完整性和一致性，由日平均气温资料筛选得到712个气象站点，研究时段为1961-2017年6月1日-8月31日。
为研究热浪事件的区域特征，根据中国气候分区图将中国区域划分为8个子区域，分别为西部干旱和半干旱地区（Western Arid and Semi-arid region，WAS）、东部干旱地区（Eastern Arid region，EA）、东北地区（NorthEastern region，NE）、北方地区（Northern region，N）、中部地区（Centre region，C）、南方地区（Southern region，S）、西南地区（SouthWestern region，SW）和青藏地区（Qinghai-Tibet region，QT），站点和子区域分布如图1所示［地图来源：中国科学院资源环境科学与数据中心网站（https：//www.resdc.cn/）］。
Fig.1 Distribution of 712 meteorological stations （black spots） and subregion division in China

图1 全国712个气象站点（黑点）分布和子区域划分

Full size|PPT slide

归一化植被指数（Normalized Difference Vegetation Index，NDVI）数据来源于NASA公开的LTDR（Land Long Term Data Record）V5数据集（https：//ltdr.modaps.eosdis.nasa.gov/cgi-bin/ltdr/ltdrPage.cgi），该数据集的空间分辨率为0.05°，时间分辨率为1d。本次研究选取1981-2017年6-8月的逐日NDVI数据，采用最大值合成法得到每月的NDVI值，年均NDVI值由月NDVI值求平均得到。为减小误差影响，每个站点的NDVI值用站点所在网格及其周围8个网格值求平均得到。

1.2 热浪指数定义及计算

目前对热浪的定义标准较多，主要有3种，即通过温度超过绝对阈值、相对阈值和综合考虑温度和湿度的阈值来判定［15-17］。世界气象组织定义热浪为日最高气温超过32 ℃，且持续3 d以上的事件。中国气象局规定，日最高气温大于或等于35 ℃，持续3 d及以上的事件为热浪事件。
Fischer和Schär［18］在研究欧洲热浪事件的影响时，定义热浪为日最高温度超过当地气温的90%分位值，且持续6 d及以上的事件，并选择HWN（Number of HeatWaves）、HWD（HeatWave Duration）、HWF（HeatWave day Frequency）和HWA（HeatWave Amplitude）4个指数描述热浪事件。Perkins［19］等研究澳大利亚的热浪变化时，基于Fischer和Schär的方法，以3种指标定义热浪，即满足连续三天及以上日最高气温超过其90%分位值、日最低气温超过其90%分位值或EHF>0。
EHF指数由EHI sig和EHI accl两个指标计算得到，EHI sig表示与该地气温阈值相比，最近3 d平均气温的异常值。EHI accl表示与过去30 d的平均气温相比，最近3 d平均气温的异常值，计算公式如下。
式中：Ti 为某站某日的平均温度； Ti+Ti-1+Ti-23为第i、i-1和i-2日的平均气温；i的范围为1961-2017年6月1日-8月31日；T 95为某站1961-1990年共30年日平均气温升序排列后得到的95%分位值； Ti-3+…+Ti-3230为近30日的平均气温；EHIsig 和EHI accl单位为℃，EHF单位为℃2。
EHF指数在以往热浪定义的基础上，不仅考虑了白天和夜晚的热力条件，并考虑了当地前期的热力条件，已得到了较为广泛的应用。故本次研究定义当EHF>0时为一次高温事件，当有连续三天及以上EHF>0时为一次热浪事件。基于EHF表征热浪次数、最长持续时间、频次和强度的指数如表1所示，HWN为6-8月所有热浪事件的总次数，HWD为6-8月所有热浪事件中的最长持续天数，HWF为6-8月所有热浪事件持续天数的总和，HWA为6-8月所有热浪事件中EHF最大的值。
Tab.1 Indexes that characterize the number， maximum duration， frequency and amplitude of heat waves

表1 表征热浪次数、最长持续时间、频次和强度的指数

热浪指数 定义
HWN 热浪次数/次
HWD 热浪事件的最长持续天数/d
HWF 热浪事件的持续天数/d
HWA 热浪事件中EHF最大的值/℃2

2 热浪指数时空分布特征

2.1 热浪指数的时间变化趋势

1961-2017年中国地区8个子区域的HWN、HWD、HWF和HWA均呈显著上升的趋势（图2）。HWN、HWD和HWF变化趋势较大的地区主要分布在青藏、西部、东部和南方地区，东北、北方、中部和西南地区HWN、HWD和HWF的变化趋势较小，其中青藏地区的变化趋势最大，北方地区的变化趋势最小（表2）。各子区域HWA的变化趋势与HWN、HWD和HWF略有不同，南方、西南、中部和北方地区的HWA变化趋势较小，而在青藏、西部、东部和东北地区HWA变化趋势则较大。中国地区区域平均热浪指数的变化趋势表明，HWF的上升幅度最大，HWN的上升幅度最小，分别为0.14 d/a和0.03 次/a，HWA和HWD的变化趋势分别为0.12 ℃2/a和0.08 d/a。
Fig.2 Time change trends of heat wave indexes in 8 sub-regions from 1961 to 2017

图2 1961-2017年8个子区域热浪指数的时间变化趋势

Full size|PPT slide

Tab.2 Change trend coefficients and mutation points of heat wave indexex in each sub-region

表2 各子区域热浪指数变化趋势系数及突变点

区域 HWN HWD HWF HWA
趋势系数/（次·a-1） 突变点 趋势系数/（d·a-1） 突变点 趋势系数/（d·a-1） 突变点 趋势系数/（℃2·a-1） 突变点
中国 0.03 1998 0.08 1998 0.14 1998 0.12 1998
WAS 0.03 1996 0.08 1996 0.15 1996 0.18 1996
EA 0.03 1997 0.09 1998 0.18 - 0.22 1997
NE 0.02 - 0.06 - 0.10 - 0.18 -
N 0.01 - 0.04 - 0.07 - 0.08 -
C 0.02 2000 0.06 2001 0.11 2001 0.07 2000
S 0.03 1995 0.09 1995 0.17 - 0.06 1995
SW 0.02 - 0.07 2003 0.13 2002 0.07 -
QT 0.04 1994 0.13 1996 0.23 1997 0.17 1994
注：趋势系数均通过0.05的显著性检验。
为进一步分析热浪指数的变化特征，用Mann-Kendall法检测各个区域热浪指数的突变点，如表2所示。中部和西南地区的热浪指数在20世纪初发生突变，其他6个子区域热浪指数的突变点则集中在20世纪90年代末，中国地区区域平均HWN、HWD、HWF和HWA的突变点为1998年。贾佳［16］等和沈皓俊［17］等的研究也表明中国地区热浪的突变主要发生在1990s末和2000s初，太平洋年代际震荡（Pacific Decadal Oscillation，PDO）和ENSO（EI Niño-Southern Oscillation）的相位转换可能是导致突变的原因。
此外，青藏、西部和中部地区的HWN、HWD、HWF和HWA均发生突变，东北和北方地区均未发生突变。其中，西部地区的4个热浪指数在1996年发生突变，青藏和中部地区4个热浪指数发生突变的时间则不同，HWD和HWF的突变时间略晚于HWN和HWA。

2.2 热浪指数的空间分布特征

采用克里金法［20-22］对各站点1961-2017年HWN、HWD、HWF和HWA的均值进行插值，其空间分布如图3所示。大多数地区平均每年发生热浪0.5~1次，青藏、西部和东部部分地区平均每年发生热浪1次以上，河南、湖北和贵州部分地区发生热浪次数最少，平均每年低于0.5次［图3（a）］。HWD［图3（b）］和HWF［图3（c）］的空间分布与HWN类似，高值区域也主要分布在青藏、西部和东部部分地区。热浪最长持续时间集中在1.5~3 d，在河南大部分地区低于1.5 d。热浪在东北、中部、西南和西部部分地区持续时间较短，平均少于3 d，但在青藏和新疆东部地区的平均持续时间超过5 d。在平均发生热浪1次以上的地区，热浪最长持续时间平均可超过3 d，热浪持续时间平均超过5 d，表明发生热浪次数多的地区热浪持续时间和最长持续时间也较长。HWA的空间分布呈现明显的北高南低特征［图3（d）］，北方地区的热浪强度平均超过6 ℃2，而南方地区平均小于2 ℃2，表明北方地区的热浪强度较大，南方地区热浪强度较小。
Fig.3 The spatial distribution of the multi-year mean value of the heat wave indexes from 1961 to 2017

图3 1961-2017年热浪指数多年均值的空间分布

Full size|PPT slide

采用一元线性回归方法计算1961-2017年各站点HWN、HWD、HWF和HWA的变化趋势，其空间分布如图4所示。全国约70%的站点HWN、HWD、HWF和HWA均呈显著增加的趋势，在河南、山东、陕西、湖北、贵州和新疆部分地区共有约5%的站点呈减小趋势，但仅有4到5个站点的减小趋势通过了0.05的显著性检验。图4（a）显示，HWN变化趋势较大的地区主要分布在东部、西部、青藏、西南和东南沿海部分地区，其中新疆东部和云南省部分地区HWN变化趋势最大，集中在0.08~0.12 次/a。HWD［图4（b）］和HWF［图4（c）］变化趋势的空间分布与HWN类似，但青藏、西部和东部地区有更多站点的增加趋势变大。HWD变化趋势分别为0~0.1 d/a和0.1~0.2 d/a的站点占比为45.93%和25.14%，同时有51.69%和21.49%的站点HWF变化趋势分别集中在0~0.2 d/a和0.2~0.5 d/a，而仅有17.56%的站点HWN变化趋势为0.04~0.08次/a。肖安等［12］认为在热浪在中国高纬度高海拔地区增加趋势更明显，本文研究结论与其大体一致。HWA［图4（d）］变化趋势的空间分布也呈现出北高南低的特征，南方大部分地区的趋势值为0~0.2 ℃2/a，而北方地区的趋势值集中于0.2~0.4 ℃2/a，最大值为0.7 ℃2/a。
Fig.4 The spatial distribution of the change trend of the heat wave indexes of each site from 1961 to 2017

图4 1961-2017年各站点热浪指数变化趋势的空间分布

注：实心表示通过0.05的显著性检验。

Full size|PPT slide

3 热浪对植被的影响

3.1 中国地区NDVI的变化特征

由图5（a）可知，1981-2017年中国地区NDVI的多年均值在空间上具有东高西低的变化趋势。青藏、西部和东部部分地区NDVI值较低，集中在0~0.2之间，东北、中西部地区和东南沿海部分地区NDVI值在0.6以上，其他地区的NVDI值集中于0.4~0.6。图5（b）左下角为通过显著性检验的格点占比，近40年中国地区有15.43%的地区NDVI呈现减小趋势，主要分布在新疆东部和青藏地区，有32.89%的地区NDVI呈现增加趋势，主要分布在东北、黄土高原和新疆西部地区，其中新疆西部地区的NDVI增加趋势最为明显。
Fig.5 Spatial distribution of the multi-year mean and trend of NDVI in China during 1981-2017

图5 1981-2017年中国地区NDVI多年均值和变化趋势的空间分布

Full size|PPT slide

3.2 热浪指数与NDVI的相关性分析

采用Spearman秩相关法计算各个站点HWN、HWD、HWF和HWA与NDVI的相关系数，其空间分布如图6所示。NDVI与HWN、HWD、HWF和HWA相关系数的绝对值均在0.3~0.8之间，表明NDVI与热浪指数具有显著的相关关系，即热浪事件显著影响植被的生长情况。通过0.05显著性检验的站点占比分别为26.54%、23.74%、26.54%和22.05%，其中正相关区域占比分别为23.60%、20.51%、23.31%和19.52%，主要聚集在新疆、甘肃、青海、四川、辽宁和长江下游地区，负相关区域占比均在3%左右，主要分布在内蒙古东部、新疆东部和东南沿海部分地区。由此可见，HWN和HWF与HWD、HWA相比对植被生长的影响更大，Li ［23］等分析热浪事件与植被密度之间的关系时，也指出在温带落叶林地区LAI与HWD的相关性强于HWA。
Fig.6 The spatial distribution of the correlation coefficient between the heat wave indexes and NDVI of each site from 1981 to 2017

图6 1981-2017年各站点热浪指数与NDVI相关系数的空间分布

注：实心表示通过0.05的显著性检验。

Full size|PPT slide

表3所示为中国地区8个子区域HWN、HWD、HWF和HWA与NDVI的相关系数，除南方地区的HWD和HWA与NDVI不存在相关关系外，其他地区的4个热浪指数与NDVI均存在正相关关系。其中，西部地区的HWN、HWD和HWF与NDVI的相关性最强，相关系数分别为0.73、0.69和0.73，西南地区的HWA与NDVI相关性最强，南方地区的HWN、HWD、HWF和HWA与 NDVI的相关性最弱。整体来看，西部、青藏、西南和东部地区的热浪指数与NDVI的相关性强于中部、南方、北方、和东北地区，同时西部、青藏和西南地区的相关性强于东部地区。
Tab.3 Correlation coefficient of heat wave indexes and NDVI in each sub-region

表3 各子区域热浪指数与NDVI的相关系数

WAS EA NE N C S SW QT
HWN 0.73* 0.50* 0.41* 0.35* 0.42* 0.35* 0.62* 0.70*
HWD 0.69* 0.49* 0.36* 0.36* 0.43* 0.27 0.62* 0.59*
HWF 0.73* 0.53* 0.40* 0.35* 0.43* 0.33* 0.63* 0.68*
HWA 0.54* 0.51* 0.42* 0.34* 0.43* 0.23 0.55* 0.47*
注：“*”表示通过0.05的显著性检验。
植被生长受温度和水分条件限制，在不同的水热条件下植被的生长情况也不同。热浪改变了植被原有的生长环境，在不同区域对植被的影响有显著的差异。综合图6和表3中HWN、HWD、HWF和HWA与NDVI相关系数的分布可认为，西部、青藏和西南地区的热浪事件对植被生长具有正向促进作用，在内蒙古东部、新疆东部和东南沿海部分地区，热浪事件增加会加速植被的蒸散发进程，从而导致植被生长发育受阻。本文的研究结论与葛非凡［24］等和王昊［25］等的研究结论较为一致，前者认为华东中南部地区的极端高温次数与江苏东部地区NDVI呈负相关，而与山东和江西部分地区的NDVI呈正相关，后者认为西南地区极端高温天气对植被生长具有促进作用。

4 讨 论

在气象站点分布密集的区域，站点数据能较好的代表区域情况，在气象站点较稀疏的地区，用站点数据代表区域状况其准确度可能偏低。已有学者用站点数据代表区域情况进行分析，如Li［11］等选择376个站点的数据分析中国7个子区域热浪的变化趋势；贾佳［16］等基于中国719个基准站，分析中国7个子区域热浪的时空分布特征。本文以气象站点数据为代表，初步从区域上分析了热浪的时空变化特征，揭示了热浪事件对植被生长的影响，此次研究对于站点代表区域情况的考虑可能不够完善，未来计划基于遥感监测数据进一步验证分析。

5 结 论

本文基于1961-2017年712个气象站点的日平均气温数据和近40年的NDVI数据，参考Fischer和Perkins的方法定义热浪事件，分析HWN、HWD、HWF和HWA四个热浪指数的时空变化特征，并研究NDVI对热浪事件的响应，得到以下结论。
（1）1961-2017年中国地区HWN、HWD、HWF和HWA均呈显著增加的趋势，HWF的上升幅度最大，HWN的上升幅度最小。在空间上，青藏、西部、东部和南方地区HWN、HWD和HWF的增加趋势大于其他地区。HWA的多年均值和变化趋势均具有北高南低的特征。
（2）1961-2017年中国地区的HWN、HWD、HWF和HWA在90年代和20世纪初发生突变，这可能是由于PDO和ENSO等气候环流的异常导致的。
（3）HWN、HWD、HWF和HWA与NDVI存在显著的相关关系，且HWN和HWF对植被的影响更大。负相关区域主要分布在内蒙古东部、新疆东部和东南沿海部分地区，正相关区域则主要集中于中国西部、青藏和西南地区。 □

References

Publishing order | Descend order by publishing year | Descend order by cited within
1
IPCC，2013.Working Group I Contribution to the IPCC Fifth Assessment Report， ChangeClimate 2013：The Physical Science Basis：Summary for Policymakers ［R/OL］.［2013-10-28］.
http：//www.climatechange2013.org/images/report/WGlAR5_SPM_FINAL.pdf
本文引用 [1]
2
COUMOU D， RAHMSTORF S. A decade of weather extremes［J］. Nature Climate Change， 2012，2（7）：491-496.
本文引用 [1]
3
MEEHL G A， TEBALDI C. More intense， more frequent， and longer lasting heat waves in the 21st century［J］. Science， 2004，305 （5 686）：994-997
本文引用 [1]
4
MA W， WANG L， LIN H， et al. The temperature–mortality relationship in China： An analysis from 66 Chinese communities［J］. Environmental Research， 2015，137：72-77.
本文引用 [1]
5
CIAIS P， REICHSTEIN M， VIOVY N， et al. Europe-wide reduction in primary productivity caused by the heat and drought in 2003［J］. Nature， 2005，437（7 058）：529-33.
6
HUGHES T P， KERRY J T， BAIRD A H， et al. Global warming transforms coral reef assemblages［J］. Nature， 2018，556（7 702）：492-496.
本文引用 [1]
7
DOLE R， HOERLING M， PERLWITZ J， et al. Was there a basis for anticipating the 2010 Russian heat wave？［J］. Geophysical Research Letters， 2011，38（6）.
本文引用 [1]
8
HABEEB D， VARGO J， STONE B. Rising heat wave trends in large US cities［J］. Natural Hazards， 2015，76（3）：1 651-1 665.
本文引用 [1]
9
LEWIS S C， KAROLY D J. Anthropogenic contributions to Australia's record summer temperatures of 2013［J］. Geophysical Research Letters， 2013，40（14）：3 705-3 709.
本文引用 [1]
10
YE L， SHI K， XIN Z， et al. Compound Droughts and Heat Waves in China［J］. Sustainability， 2019，11（12）：3 270.
本文引用 [1]
11
LI Y， DING Y H， LI W J. Observed trends in various aspects of compound heat waves across China from 1961 to 2015［J］. Journal of Meteorological Research， 2017，31（3）：455-467.
本文引用 [2]
12
肖安，周长艳.基于超热因子的中国热浪事件气候特征分析［J］.气象，2017，43（8）：943-952.
本文引用 [2]
13
LUO M， SA C L， MENG F H， et al. Assessing extreme climatic changes on a monthly scale and their implications for vegetation in Central Asia ［J］. Journal of Cleaner Production， 2020，271.
本文引用 [1]
14
CHEN W Z， HUANG C J， WANG L C， et al. Climate Extremes and Their Impacts on Interannual Vegetation Variabilities： A Case Study in Hubei Province of Central China［J］. Remote Sensing，2018，10（3）：477.
本文引用 [1]
15
施洪波.华北地区高温日数的气候特征及变化规律［J］.地理科学，2012，32（7）：866-871.
本文引用 [1]
16
贾佳，胡泽勇.中国不同等级高温热浪的时空分布特征及趋势［J］.地球科学进展，2017，32（5）：546-559.
本文引用 [2]
17
沈皓俊，游庆龙，王朋岭，等.1961-2014年中国高温热浪变化特征分析［J］.气象科学，2018，38（1）：28-36.
本文引用 [2]
18
FISCHER E M， SCHÄR C. Consistent geographical patterns of changes in high-impact European heatwaves［J］. Nature Geoscience， 2010（3）：398-403.
本文引用 [1]
19
PERKINS S E， ALEXANDER L V. On the Measurement of Heat Waves［J］. Journal of Climate，2013，26（13）：4 500-4 517.
本文引用 [1]
20
李月臣，何志明，刘春霞.基于站点观测数据的气温空间化方法评述［J］.地理科学进展，2014，33（8）：1 019-1 028.
本文引用 [1]
21
李军，游松财，黄敬峰.中国1961-2000年月平均气温空间插值方法与空间分布［J］.生态环境，2006（1）：109-114.
22
周洋，祝善友，华俊玮，等.南京市高温热浪时空分布研究［J］.地球信息科学学报，2018，20（11）：1 613-1 621.
本文引用 [1]
23
LI J， TAM C Y， TAI A P K， et al. Vegetation-heatwave correlations and contrasting energy exchange responses of different vegetation types to summer heatwaves in the Northern Hemisphere during the 1982–2011 period［J］. Agricultural and Forest Meteorology， 2021，296：108 208.
本文引用 [1]
24
葛非凡，毛克彪，蒋跃林，等.华东地区夏季极端高温特征及其对植被的影响［J］.中国农业气象，2017，38（1）：42-51.
本文引用 [1]
25
王昊. 西南地区极端气候指数时空变化及其对NDVI的影响特征研究［D］.北京：北京林业大学，2019.
本文引用 [1]
PDF(3752 KB)

904

Accesses

0

Citation

Detail
Sections
Recommended
鄂公网安备 42010602001274号　鄂ICP备14015464号-1
Website Copyright © China Rural Water and Hydropower.
Tel: (027)68776133　Fax: xsdbjb@188.com　
Powered by Beijing Magtech Co. Ltd.

/

〈 〉