(续前)

　　4 气候变化的概率意义

　　如前所述，气候概率分布模式全面地描述了气候变量观测值出现频率的分布特征。从变量观测值在时间域上的演变来看，这正是气候随时间变化的观测信息的统计特征。换言之，通常气候观测记录就已蕴含着气候变化的信息，这些信息不论在什么时空尺度上都有所表现。假如我们将各种气象观测的取值视为随机变量，前已述及它们都可用某种概率分布加以描述。由于各种不同气象变量其随机性状并不一样，它们必然具有各自的理论概率分布型态，例如，某地月平均气温为正态分布，而月降水量却可能是非常偏态的分布。显然，如果这些概率分布的型态发生了某种明显变动，客观上就反映了气候的变化。例如其平均值或方差发生了变化，实质上就意味着其围绕平衡气候态的概率分布模型有了改变。由此可见，气候概率分布的演变本质上就意味着气候状态的演变，气候概率分布的变化正是气候变化观测事实的一种统计表征。可见, 从本质上说,气候状态演变的概率意义就是气候概率分布参数的变化。

　　我们可以用一个典型的气候变量(例如温度)的概率分布来代表其全部演化特征。假定它服从标准化正态分布(如图1.2所示)，其物理意义表明，在气候变化的历史长河中，某一定时期内的气候总是围绕着某一平衡态而振荡，气候从一个平衡态转入另一平衡态，其概率分布型态势必有所变动。例如，考虑全球辐射强迫因子时，1×CO2(当代气候)和2×CO2(未来气候)气候情景下，气候异常事件的概率(或频率)分布可能会发生某些改变，可以想象，大概有三种情形：(1)气候变量的频率分布形式不变，但其均值发生了改变(图略);(2)均值不变，频率分布的方差发生改变(图略);(3)均值和方差都有变动(图略)，等等。

　　5.常规观测项目中的极端气候指标

　　在一般常规气象观测项目中，涉及极端值的观测项目很多，例如，各月每日最高、最低气温;各月平均最高、最低气温;各月一日最大降水量;各月最长连续雨日数;各月最长连续无雨日数;各月最大风速、最多风向及频率。

　　5.1 极端温度及其统计方法

　　· 对一年中各月的每日观测项目中的最高温度和最低温度(逐日)，统计其最高和最低温度的平均值就得到各月平均最高温度和最低温度。

　　表1.4 20世纪极端天气气候事件的观测事实(引自IPCC 2001年报告)

　　极端事件 观测到的变化

　　地表温度日较差陆面(1950-2000)温度日较差减小，夜间最低温度比白天最高温度增加的速率快一倍(置信水平达66%-90%)

　　热日/高温天气热日/高温天气数目增加(置信水平达66%-90%)

　　冷日/霜日所有陆地冷日/霜日减少(置信水平达90%-99%)

　　大陆降水北半球降水增加5%-10%(置信水平达90%-99%)，某些地区出现减少(如西北非和地中海部分地区)

　　暴雨事件北半球中高纬地区暴雨事件增加(置信水平达66%-90%)

　　干旱频率和强度一些地区夏季变干和干旱事件频率加大，而在亚洲和非洲部分地区干旱事件频率和强度都加大案(置信水平达66%-90%)

　　雪盖1960年代卫星观测以来，全球雪盖减少了10%

　　El Nino事件与过去100年相比，最近20-30年El Nino事件频率和强度均呈上升趋势

　　从一年的各月逐日观测项目中的最高温度和最低温度中挑出最大值和最小值即得到各月的绝对最高温度或绝对最低温度并记下其出现日期即得到绝对最高温度或绝对最低温度及其出现日期。因此，绝对最高温度或绝对最低温度，是指某一日、一月或一年中所仅仅发生的最高温度、最低温度。

　　年平均最高温度和最低温度，一般是指一年中最热月或最冷月的平均最高和最低温度。也有人统计其相应的平均温度。在历年的各月绝对最高温度或绝对最低温度及出现日期中，选出最大和最小值即作为极端最高(低)气温与出现日期(年份日期)以同样的方法，对于地面温度也可求得上述相应的极端项目。例如，最高地面温度和最低地面温度(逐日);平均最高地面温度和最低地面温度;绝对最高地面温度或绝对最低地面温度及其出现日期;年平均最高气温和最低气温;极端最高(低)地温与出现日期(年份日期)等。

　　5.2 极端降水及其统计方法

　　对于某一地点或地区而言，首先应以该地逐日降水量记录资料为基础，从中挑选出各个月份的一日最大降水量与出现日期;各个月份的最长连续雨日数;各个月份的最长连续无雨日数，也可就此挑选出各季(或年)的上述统计指标。这里需要注意的是，最长连续雨日数或最长连续无雨日数都是对所统计时期而言的“连续”，不能有“中断”。为了研究和业务需要，有时还要求对一段历史时期(多年)中的历年统计其相应的极端降水指标，比如，30年中的极端最大降水量与出现日期(年份);最长连续雨日数;最长连续无雨日数，等等。

　　5.3 其它气象变量极端值统计方法

　　很明显，上述这些极端气候指标，都是从逐日气候资料记录中，经过极其简单的统计得到的。其它各种气候要素如风速风向、湿度、云量、日照时数与日照百分率、各种特殊天气日数(如沙尘暴、雾、冰雹、雷暴、积雪、霜日及其初终期与间隔日数等)的极端值也都可作类似的统计。例如，各月最大风速、最多风向及频率。都可以直接通过气表1得到。现在，各级气象部门一般都有现成的整编过的资料为用户提供。然而，为了研究气候变化，尤其是为了研究极端气候事件及其变化的需要，原有的常规观测项目中所能简单获取的极端气候指标，往往不敷需要。不但要从整体上增加项目的覆盖面，而且更应深刻揭示其内涵。

　　6.描述极端气候的指标体系

　　6.1 概述

　　近几十年来，基于温度和降水资料的大多数长期气候变化观测研究的重点主要集中在“平均气候”的变化上，到目前为止，虽已有百年以上长期的全球空间覆盖较为合理的几种月(年)平均温度资料集，但都不足以反映全球各地极端气候的变化特征。其关键问题是，目前我们还缺乏全球性的或区域性的各种描述极端气候及其变化的资料集。例如，夏季热浪持续时间及其温度超过90%分位数的日数，以及其它能描述极端气候变化的指标，都必须要有足够长的逐日观测资料数据为基础。更为遗憾的是，就全球而言，这类资料对于国际研究组织的可用性也较差，远不能满足研究和应用的需要。例如，在Groisman等人(2000)和众多其他学者的研究中几乎没有中美和南美的资料，非洲和南亚的资料也很少。尽管后来的研究，如Kiktev等人(2003)提供了某些网格点指标，但其空间覆盖仍很贫乏。由WMO的气候委员会(CCI)和WCRP的CLIVAR联合协作的关于“气候变化监测、检测和指标探索(ETCCDMI)”项目所提供的两个基本成果能为全球极端气候分析服务。这些指标都需从逐日温度和降水资料导出。自上世纪90年代以来，极端气候变化的事实已经非常严峻地影响着全人类。因此，ETCCDMI所提供的有关极端气候指标指标体系，值得推广应用。

　　6.2 全球网格逐日资料集

　　目前国际上有三种逐日网格资料集(不包括中国区域)可供使用：1)由GCOS系统提供的地面网格的GSN资料集;2)由欧洲气候评价系统提供的ECA资料集;3)由美国提供的全球历史气候网格主要适用于美国Ghcn-Daily资料集。这三种资料集所覆盖的区域都不全。但近年来各国科学家都先后为此作出了贡献(Alexander等,2005)。

　　6.3 极端气候的各种指数及其内涵

　　在表4。2中我们列出了近年来由ETCCDMI所提供的极端气候指标体系的各种指数，共计27项。在这些指标中共有11项与降水有关，16项与温度有关。所有的极端气候指表都从气候变化的强度，频率，持续时间三个方面反映出温度和降水极端气候事件。在全部指标中只有Rnn可以由用户根据各区域不同而自定义以外，基本上都可分为5大类，现分述如下：

　　(1)百分位指数：它标志着某一参考时期的变量分布的极值端点。温度指标分别包括冷(暖)夜和冷(暖)日百分位指数，分别记为TX10p 、TX90p和TN90p、 TN90p，它们的抽样正是关于日最高和最低温度的最冷和最暖分位数，从而使我们能估计出极端温度变化的幅度;而降水指标则表示降水量落在第95百分位点(R95p)和第99百分位点(R99p)以上的可能性大小，由此能捕获一年中最极端的降水事件。

　　(2)绝对指数：它标志着某一季节(或年、月)内的极大或极小值。其中，温度指标如日最高温度的某月极大值(TXx);日最高温度的某月极小值(TXn);日最低温度的某月极大值(TNx);日最低温度的某月极小值(TNn)。降水指标如某一时期的一日或五日降水量的极大值(Rx1day或 Rx5day)。

　　(3)门限指数：它标志着某温度或降水值落在某一固定的门限值以上或以下的日数。例如，每年的霜冻日数(FD)，结冰日数(ID)，夏日数(SU)和热日数(TR)等。由于这些指标以固定门限为依据，其在全球各地并不都完全适用于所有气候状况。不过以往的研究已经证明，在20世纪后半叶，北半球中纬度地区的FD与日最低温度在零度以下的日数具有显著的相关变化趋势。而这些指标的变化对于社会和经济系统一般都具有深远的影响。

　　(4)持续时间指数：这类指标定义为超越于某个暖、冷、湿、干或生长季长度、冰冻融解期的时间。这些指标大多是全球性的。例如，研究表明，根据FRICH等人的定义，发现热浪持续指数(HWDI)有一倾向于零值的趋势(统计上不稳健)。这是由于FRICH等人利用了5 以上的门限值计算指标。这一门限值对许多地区来说是太高了。因为例如热带地区逐日温度变率很小。为了克服这一缺点，ETCCDMI 提出了暖期持续指数(WSDI)利用基于门限的百分位数来定义(见表4。1)。这一指标是以白天最高温度为依据而定，同时，我们也选取夜间最低温度持续时间作为冷期长度(CSDI)。此外，如CDD指数代表一年中的最长干期;CWD指数则代表一年中的最长湿期。在这类指数中还包括生长季长度(GSL)，不过这里仅代表北半球热带外地区。

　　(5)其它指数：除上述四类以外的指标，同样对社会有显著影响。例如，总降水量(PRCPTOT)，温度日较差(DTR)，日雨量强度(SDII)等。

　　值得指出的是，在表4。2中某些指标与本书前述的某些极端指标可能有相同的名称，但其定义并不完全一样。近年来，一些研究指出，利用百分位数定义的基本温度指标，例如TX10p 、TX90p、TN90p、 TN90p ，由于抽样的不确定性，在气候期的边界上存在着非均一性。自举方法的提出和应用减少了或消除了有关指数的趋势估计中的不可能偏差(文献略)。