论文部分内容阅读
摘要基于均一的262个地面站逐日气温数据及RegCM4.0区域气候模式模拟数据，从观测事实和模式预估两方面，对华北区域的农业热量资源以及与农业经济相关的极端温度指标的趋势变化进行了评估。结果表明，华北区域≥15 ℃活动积温的趋势增加幅度均较大，≥0 ℃和≥10 ℃活动积温的趋势增加幅度均相当；而>10 ℃有效积温的增加幅度较>15 ℃有效积温明显。近54年来观测到的华北区域气温日较差基本呈明显的减少趋势，而模拟预估则显示出未来的日较差趋势变化并不显著。同时，极端温度指标的分析结果也表明，在未来几十年里，气温的大幅度增暖是可控的，甚至能够达到增暖幅度低于当前观测到的平缓趋势。因此，对于华北区域来说，优化种植制度是适应气候变化最重要的技术手段。
关键词华北区域；积温；极端温度事件；农业气候资源；影响
中图分类号S162文献标识码A文章编号0517-6611（2015）29-223-08
气候系统的变暖是毋庸置疑的，整个21世纪全球日温度极暖事件的出现频率和幅度将会增加，而极冷事件将会减少，预估的干旱、热浪等及其产生的不利影响也将会增加。所有大陆和大部分海洋的观测证据表明，许多自然系统正在受到区域气候变化的影响，特别是温度升高的影响。根据20世纪80年代初以来的卫星观测显示，在许多区域春季已出现植被返青提前的趋势，这与近期变暖而使其生长季节延长有关。我国大陆地区也表现出了与全球极端温度事件一致的变化特点，与此同时，我国近50年来因气象灾害导致的农业受灾面积不断扩大，农业经济损失逐年升高，极端事件发生频率和强度的不断增加，也加大了农业生产的风险。
作为增暖显著的北方地区，极端气温增暖俨然成为不可争辩的事实，且随之带来的农业生产的不稳定性和自然风险也是不言而喻的。刘颖杰等研究表明以温度升高为主要特征的气候变化对我国东北地区粮食总产增加有明显的促进作用，但对华北、西北和西南地区的增加则有一定的抑制作用。姬兴杰等利用北方冬麦区18个农业气象观测站1983～2005年气象资料和冬小麦生育期观测资料分析得到，北方冬麦区冬小麦返青期、抽穗期和成熟期提前主要是由于气温增加所致，且以最低气温的变暖影响最为明显。
然而，对于我国北方地区极端增暖事件的研究，目前主要基于气温极值和相对阈值的分析，对影响农业生产经济的极端温度指标（即绝对阈值）的研究甚少。与此同时，对于分析和监测极端事件（包括干旱、极端温度等）的变化来说，需要具有高时空分辨率和长时间的气候资料，因此，随着气象观测序列的增长势必会迫使人们重新认识一个地区的农业气候资源。所以，从长时间尺度考虑极端气候异常给农业经济带来的影响，更正以往仅利用较少年数气候资料得到的农业气象灾害分析结果是非常必要和重要的。
该研究拟利用WMO（World Meteorological Organization）气候委员会等组织联合成立的气候变化监测和指标专家组（ETCCDI，Expert Team on Climate Change Detection and Indices）定义的温度绝对阈值来分析观测到的华北区域1961～2014年极端温度事件的变化特征及其对农业经济带来的影响；同时，研究利用区域气候模式RegCM4.0中RCP4.5和RCP8.5 2种排放情景下的模拟结果，对华北区域未来极端温度事件的变化趋势进行预估，以期通过观测事实和模式预估的相互印证为该地区农业经济的可持续发展提供有利的科学保障。
1资料与方法
1.1资料选取
1.1.1地面观测资料。
地面观测资料由国家气象信息中心提供，主要从北京、天津、河北、内蒙以及山西五省中，依据时间序列的长度、资料完整性对台站进行筛选。剔除缺测数据大于全序列长度1%或有连续缺测年的台站，最终选取262个基准、基本和一般站1961～2014年的逐日平均、最低、最高气温序列进行研究。台站筛选结果如图1所示。
图1我国华北区域台站分布
1.1.2区域气候模式模拟数据。
模拟数据为国家气候中心提供的区域气候模式RegCM4.0，单向嵌套BCC_CSM1.1（Beijing Climate Center _Climate System Model version 1.1）全球气候系统模式，分别在典型浓度路径（Representative Concentration Pathways，RCPs）RCP4.5和RCP8.5排放情景下的输出结果（以下简称RCP4.5、RCP8.5），连续模拟积分时间为1950～2099年，其中，以1986～2005年代表当代气候时段，2006～2099年代表未来的预估时段，水平分辨率为50 km。区域气候模式RegCM系列产品已经被广泛地应用于我
国气候变化评估中[18-19]，该数据可较好地再现我国地区当
代地面气温空间分布及数值，同时，对未来极端气候事件也有较好的模拟能力[20-21]。依据地面观测资料筛选的262个台站信息，选取距离每个站点最近的格点值作为模拟预估的研究对象。
1.2研究方法
1.2.1地面观测资料的质量控制和均一性分析。
观测到的极端事件变化信度取决于资料的质量和数量，以及对这些资料分析的可获得性。因此，依照文献[16]的数据分析方法，在此首先对选出的262个地面气象观测站建站以来的逐日平均、最低、最高气温资料进行了基本逻辑检验[22-23]，且利用RHtestsV3方法[24-25]，结合台站元数据，对质控后的数据进行了均一性检验，重点针对迁站造成的时间序列不连续进行了订正。同时，为保证订正后数据的可靠性，研究中将订正后的气温资料与我国均一化历史气温数据集（CHHT）[26-27]进行了对比分析。结果显示，2种方法订正得到的平均、最低、最高气温趋势变化幅度基本在同一量级内，且趋势变化特点一致。因此，利用RHtestsV3方法分析得到的气温观测资料来评估华北区域极端温度事件是相对可靠的。 1.2.2极端气温指数定义。
极端温度事件采用ETCCDMI定义[17]的7个气温指数进行分析，分别包括5个绝对阈值和2个相对阈值（表1）。指数计算利用加拿大气象局提供的RClimDex软件包[22]。
1.2.3区域平均序列的建立。
华北区域平均序列的构造[28]，即将区域内262个台站的年平均温度（积温、极端气温）序列进行主分量（PCA）分析，以展开后的第一主成分的荷载平方作为权重系数，对所有台站的温度序列进行加权平均，得到区域平均的气温序列。这样可以消除个别不合理序列带来的偏差，能够比等权的区域平均序列更好地反映出区域温度异常变化的信号。同时，采用荷载的平方作为权重系数可以避免区域内不同台站之间因地形、海拔高度等因素造成的影响。
43卷29期司 鹏等极端温度事件对我国华北农业气候资源的影响
2结果与分析
2.1观测到的华北区域极端温度事件
2.1.1热量资源的气候变化。
积温是制约作物全生育期或某一段生育期能否顺利完成的重要因子之一，也是研究作物生长发育对热量的要求和评价热量资源的重要指标[29]。因此，在此通过分析能够代表三大粮食作物小麦、玉米、水稻生长发育的指标温度（0、10、15 ℃）的积温变化[30]来对华北区域的热量资源进行分析。
从近54年来华北区域≥0 ℃、≥10 ℃、≥15 ℃活动积温趋势变化的空间分布（图2a）可以看出，各界限温度的空间分布特点基本一致，主要表现为北京中部、天津和内蒙大部积温趋势增加最为显著，变化幅度为75～100 （℃·d）/10a；山西、河北大部增温趋势主要集中在50～75 （℃·d）/10a；而山西东南部、河北东北部和西南部等地区增暖趋势相对较小，幅度为25～50 （℃·d）/10a，其中有部分局部地区出现了积温负趋势变化。≥15 ℃活动积温的高值增暖范围相对较大，≥0 ℃和≥10 ℃活动积温则基本相当，突出表现在内蒙地区。
从时间分布（图2b）来看，整个华北区域1961～2014年各界限温度的活动积温均呈明显的上升趋势，特别是20世纪90年代初～21世纪初期，趋势增加较为显著；从变化幅度
（表2）来看，≥15 ℃的活动积温趋势增加相对较大，为702 （℃·d）/10a，≥0 ℃和≥10 ℃趋势值相当，分别为687、68.4
（℃·d）/10a。因而，结合空间分布特征的分析结果，
反映出≥15 ℃活动积温持续时间的相对增加一定程度上会导致北方耐寒作物如冬小麦适宜播种期的推迟，缩短其整个生育期，这一结果与高素华等[31]、张建平等[32]研究气候变暖对我国冬小麦生长发育和产量影响得到的结论一致。与此同时，≥15 ℃活动积温的显著增加也会延长喜温作物如水稻、玉米等灌浆成熟过程。另外，≥0 ℃和≥10 ℃活动积温趋势的显著增加也会造成无霜期的延长，有利于水稻、早春玉米等喜温作物的生长，由此可适当提早对该类作物的种植时间。
有效积温稳定性较强，常用来表示作物生长发育对温度的要求[29]。由近54年来华北区域>10 ℃、>15 ℃有效积温趋势变化的空间分布（图3a）可见，其与活动积温（图2a2、a3）趋势变化一致，华北区域1961～2014年各界限温度的有效积温均以趋势增加为主要分布特征，增暖幅度基本为25～50 （℃·d）/10a，但>10 ℃有效积温的趋势增加幅度较>15 ℃有效积温明显，突出表现在内蒙北部和西部地区（图3a1），其增暖幅度为50～75 （℃·d）/10a。相比>10 ℃有效积温来说，>15 ℃有效积温在山西大部、河北西南和东北部等增暖趋势相对较小，甚至在山西南部负趋势范围明显增大（图3a2）。从时间分布（图3b）来看，同样与活动积温一致，1961年以来华北区域各界限温度的有效积温均呈明显的增暖趋势，显著增暖期也主要集中在20世纪90年代初～21世纪初期，>10 ℃、>15 ℃有效积温的趋势增暖幅度分别为43.3、30.1 （℃·d）/10a（表2）。
以上分析表明，在气候增暖的大背景下，近54年来华北区域热量资源是显著增加的，特别是北部的内蒙地区。积温的逐年升高一定程度上会造成冬小麦生育期的缩短，特别是冬性品种无法经历足够的寒冷期而不能满足春化作用，致使总干重和穗重的减少，从而可能导致产量的下降。但同时有效积温的升高，也会大大改善越冬条件，降低冬小麦的越冬死亡率，减少了种植风险。另外，北部热量资源的显著增加亦会对北方喜温作物水稻、玉米的生长有利，有利于其单产的提高和种植面积的扩大。然而，由于山西东南部、河北东北部和西南部多为高山地区，造成其积温升高幅度不大甚至出现负趋势的现象，特别是>15 ℃有效积温的趋势变化。
气温日较差是衡量一地农业气候资源质量的重要指标，也是代表作物生长期间对热量强度的要求。对于日较差趋势的空间分布来说（图4a），近54年来华北区域气温日较差基本呈明显的减少趋势，特别是内蒙大部、华北区域东南部，说明日最低气温的升温速率大于日最高气温。同样，时间变化曲线也显示出显著的减少趋势（图4b），变化幅度为-0.291 ℃/10a。类似王石立等对资料的估算方法，利用日最低气温代表夜间温度，那么随着华北区域夜间温度的升高，作物夜间的呼吸消耗也随之增大，一定程度上减少了干物质的积累，可能会对作物的品质造成影响。
2.1.2极端温度的变化。
从与农业生产经济相关的极端气温指数的空间分布（图5a）来看，5个极端指数的空间分布与热量资源（图2～3）表现出较大的一致性，其中代表暖事件的生长期GSL（图5a1）和夏季日数SU（图5a4）除了在河北东
北部和西南部表现出趋势增加较小，甚至有局地呈现出日数减少趋势外，华北其他区域基本呈现出增加的趋势，增加日数均集中在2～4 d/10a，且在内蒙的西部和东部，GSL和SU分别出现了4～6 d/10a的增加幅度；而代表冷事件的霜 冻日数FD（图5a2）和结冰日数ID（图5a3）则表现出显著的减少趋势，其中FD的减少幅度相对较大，主要集中在-5～-3 d/10a，而ID的减少幅度主要为-3～-1 d/10a，且在河北的西南部出现了趋势减少幅度不明显的分布。综合FD、ID和SU的趋势幅度变化，能够反映出华北区域日最低气温
的增暖变化大于日最高气温的，但日最低气温的升温速率并不是无限度地增长下去，如热夜日数TR的分布（图5a5），除了华北区域西部和东南部有明显的增加趋势外，其他地区的热夜日数趋势基本没有变化，尤其是内蒙大部。因而，对于华北区域来说，尽管近54年来气温日较差有显著的减小趋势，但由于日最低气温升高的有限性，对于作物光合物质的转化、积累和贮存并不是一味的减弱，特别是气温较低的北部地区。
对于时间分布来说，1961～2014年华北区域平均的生长期GSL（图5b1）和夏季日数SU（图5b4）均呈显著增加趋势，增加幅度分别为3.0、2.6 d/10a。但从年代际变化来看，GSL的明显延长时期始于20世纪80年代初，并呈持续的增加趋势，与气温日较差DTR（图4b）形成很好的反对应关系；SU与热量资源的时间分布一致，明显增加主要集中在20世纪90年代初～21世纪初期，同样，这一变化特点还表现在热夜日数TR的时间序列中（图5b5）。对于冷事件来说，霜冻日数FD（图5b2）和结冰日数ID（图5b3）的时间序列均呈减少趋势，幅度分别为-3.8、-2.1 d/10a，特别是FD从20世纪70年代开始至21世纪初期呈持续的减少趋势，ID则有2个明显的减少时段，分别是20世纪70年代和80年代初～90年代末，而在20世纪60年代和2000年以后有明显的增加趋势。
近54年来华北区域异常暖昼WSDI的时间序列变化特点与热量资源（图2～3）的基本一致，明显增加趋势集中在20世纪90年代初～21世纪初期，幅度为1.1 d/10a；而异常冷昼CSDI的曲线变化特点与结冰日数ID（图5b3）有相似之处，20世纪60年代日数有增加趋势，70年代～90年代中期呈减少变化，整体趋势幅度为-0.4 d/10a。对于整个华北区域来说，有43%左右的台站异常暖昼WSDI是显著增加的（通过显著性α=005检验），主要分布在华北中西部和北部地区，增加幅度为1～2 d/10a；而对于异常冷昼CSDI来说，仅有10%左右的台站日数是显著减少的（通过显著性α=005检验），主要分布在华北西部和北部局部地区，幅度为-1～-2 d/10a。从空间分布来看，WSDI和CSDI趋势的显著变化均在内蒙部分区域有所体现，因此，二者的时空变化分析结果也印证了日最高、最低气温在内蒙等北部地区的显著增暖变化。
2.2未来华北区域极端温度事件
研究中对华北区域未来气温变化的预估使用了2种排放情景RCP4.5和RCP8.5的输出结果，时段为2006～2099年。RCP情景是根据辐射强迫作为分类标准，现在和未来很长一段时间内，RCP情景将是气候变化、影响评估及减排等研究中使用的主要温室气体排放情景。代表较高排放情景的RCP8.5，是指到2100年辐射强迫达8.5 W/m2，并将继续上升一段时间；中间稳定路径RCP4.5代表辐射强迫在2100年之前达4.5 W/m2，2种排放情景均包括温室气体、气溶胶、化学活性气体及土地利用的排放和浓度时间序列。
2.2.1热量资源的气候变化预估。
由华北区域RCP4.5和RCP8.5 2种排放情景下≥0 ℃、≥10 ℃、≥15 ℃活动积温未来趋势变化的分布情况（图6）可见，华北区域未来的活动积温均为增暖的趋势变化，且幅度依纬度的递减呈现出有层次性的递增变化，其中，RCP8.5排放情景下（图6b）各界限温度的活动积温增暖较大，幅度为73～131（℃·d）/10a，明显高于当前观测到的积温变化（图2a）；而RCP45排放情景下（图6a）的趋势增暖幅度较小，为41～76 ℃/10a，这主要与假定的排放情景有关。
从时间分布来看，华北区域RCP4.5和RCP8.5 2种排放情景下各界限温度的活动积温均有显著的上升趋势，特别是RCP8.5排放情景的时间序列上升较为明显，并呈现出持续性的增暖变化，与之不同的是，RCP4.5排放情景的时间序列在21世纪中期（2060年左右）以后处于平稳的趋势变化，这一特点与观测事实相一致（图2b）。同样，1961～2099年华北区域未来活动积温的趋势幅度（表3）显示，RCP8.5排放情景的趋势增暖最为显著，明显高于观测事实（表2），而RCP4.5排放情景的趋势增暖幅度相对较小。但与观测事实一致的是，不论是RCP4.5还是RCP8.5排放情景下，其未来的华北区域≥15 ℃活动积温的趋势增加幅度均较大，≥0 ℃和≥10 ℃的趋势增加幅度均相当。
与活动积温的未来趋势变化特点一致，华北区域未来的有效积温均表现出增暖的趋势变化，且幅度的增加基本与纬度的变化呈反比。从变化幅度来看，>10 ℃有效积温的趋势增加较明显，RCP4.5和RCP8.5排放情景下分别为 24～56、46～97（℃·d）/10a；>15 ℃有效积温的趋势增加较小，RCP4.5和RCP8.5排放情景下分别为 13～48、28～84（℃·d）/10a。但总的来看，RCP8.5排放情景下各界限温度有效积温的增暖趋势明显高于当前观测到的有效积温变化。对于时间序列变化来说，有效积温的时间变化特点与活动积温一致，RCP8.5排放情景下各界限温度有效积温随时间呈明显的持续上升趋势，变化幅度明显大于观测事实（表2），>10 ℃、>15 ℃有效积温的预估趋势值分别为77.4、61.2（℃·d）/10a（表3）；而RCP4.5排放情景下的未来华北区域有效积温在21世纪中期（2060年）以后表现出平稳的趋势变化，幅度值较小，>10 ℃、>15 ℃有效积温的预估趋势值分别为42.1、32.9（℃·d）/10a（表3）。 对于日较差的未来趋势变化来说，RCP8.5和RCP4.5 2种排放情景下的预估值均没有观测事实明显，减小幅度也均没有通过显著性α=0.05检验，一定程度上反映出在未来几十年的气候变化中，华北区域日最低气温不会像近54年观测到的升温速率较显著，而很可能会与日最高气温的变化相当或低于日最高气温的增温速率。
综上所述可见，现在和未来一段时间内，华北区域热量资源势必会有显著的增加趋势，特别是在高排放情景下（RCP8.5）的模拟预估，且各界限温度的积温趋势变化特点基本一致。但通过对当前观测事实、RCP4.5、RCP8.5排放情景下的积温时空变化的对比发现，人类活动对大气环境的影响只要维持在相对稳定的状态下，如RCP4.5排放情景下，气温的大幅度增暖是可控的，甚至在未来几十年里能够达到增暖幅度低于当前观测到的平缓趋势。
2.2.2极端温度变化的模拟预估。
RCP8.5排放情景下各极端气温指数的趋势变化幅度明显大于RCP4.5排放情景，但从空间分布特点来看，二者对应的各极端指数基本一致。代表暖事件的生长期GSL未来趋势增加较为显著的主要集中在山西和河北南部，RCP4.5和RCP8.5排放情景下的幅度分别约为1.8～2.5和2.8～3.5 d/10a，而其他大部分地区的增加日数分别集中在1～2、2～3 d/10a；对于另一暖事件指数夏季日数SU来说，2种排放情景下的未来趋势均以山西北部和内蒙中部地区为中心向周围逐渐减小，变化幅度分别为1.3～2.9、2.7～4.9 d/10a。代表冷事件的霜冻日数FD 2种排放情景下均在内蒙北部、中部部分地区、山西和河北南部地区的趋势减少幅度相对突出，而对应的结冰日数ID在该地区日数减少较小。另外，从幅度变化来看，未来华北区域FD的趋势减少相对较大，RCP4.5和RCP8.5排放情景下的幅度范围分别为-2.3～-1.4、-3.5～-2.4 d/10a；而结冰日数ID的未来趋势变化范围分别集中在-2.2～-0.6、-3.4～-0.8 d/10a。同样，与当前观测事实（图5a5）一致的是，未来华北区域热夜日数TR在内蒙北部、中部以及山西和河北北部等大部地区基本没有变化。因而，结合SU、FD、ID及TR的趋势变化特点，一定程度上印证了上述对于华北区域未来日较差的分析结果。
对于时间分布来说，华北区域各极端气温指数的趋势变化均与预估的热量资源分布一致，即RCP8.5排放情景相对RCP4.5有显著的持续性增长（或减少）变化，但从预估的未来各极端气温指数的变化幅度（表4）来看，RCP8.5排放情景下的趋势变化并不是一味地比当前观测事实显著，如作物的生长期GSL、霜冻日数FD，其未来趋势的变化幅度均比观测事实小。RCP4.5排放情景下的各极端气温指数的趋势变化均比观测事实小，其中，霜冻日数FD和结冰日数ID趋势幅度的相对减少反映出了华北区域在近54年和未来几十年气温增暖的事实。同时，生长期GSL、夏季日数SU及热夜日数TR增加幅度的减少一定程度上也反映出了这种区域气温增暖的可控性。
另外，对于未来异常暖昼WSDI和异常冷昼CSDI来说，RCP4.5和RCP8.5排放情景下，WSDI趋势增加幅度均比观测事实显著，2种排放情景下增幅分别为1.6、4.0 d/10a（表4）；而CSDI的趋势变化幅度不明显，与当前观测到的异常冷昼持续变化基本一致。两类极端指数未来趋势的预估结果同样反映出了华北区域气温增暖事实。
3结论与讨论
（1）从观测事实来看，1961～2014年我国华北区域积温的显著增加主要集中在20世纪90年代初～21世纪初期。≥0 ℃、≥10 ℃、≥15 ℃活动积温增加最为显著的主要分布在北京中部、天津和内蒙大部，变化幅度为75～100（℃·d）/10a。其中，≥15 ℃活动积温的持续增加一定程度上会缩短北方耐寒作物的生育期，影响其产量，但同时也会延长喜温作物的灌浆成熟过程；而≥0 ℃和≥10 ℃活动积温的显著增加也会造成无霜期的延长，有利于喜温作物的生长。对于有效积温来说，>10 ℃积温的趋势增加幅度较>15 ℃有效积温明显，突出表现在内蒙北部和西部地区，幅度为50～75（℃·d）/10a，从而会大大改善越冬条件，减缓冬性品种作物因不能满足春化作用导致产量下降的不利影响，减少越冬作物的种植风险，提高喜温作物的单产产量。
（2）从模拟预估来看，RCP4.5和RCP8.5 2种排放情景下，华北区域未来的积温均有显著的上升趋势，特别是RCP8.5排放情景的时间序列呈现出持续性的增暖变化，且增暖幅度明显高于当前观测到的积温变化；RCP4.5排放情景的积温增暖幅度相对较小，时间序列在21世纪中期（2060年左右）以后处于平稳的趋势变化。与观测事实一致的是，不论是RCP4.5还是RCP8.5排放情景下，未来的华北区域≥15 ℃活动积温的趋势增加幅度均较大，≥0 ℃和≥10 ℃的趋势增加幅度均相当；而>10 ℃有效积温的增加幅度较>15 ℃有效积温明显。因此，对于华北地区来说，优化种植制度是适应气候变化最重要的技术手段。
（3）对于日较差来说，观测事实表明近54年来华北区域气温日较差基本呈明显的减少趋势，特别是内蒙大部、华北区域东南部，可能会大大降低积温的有效性，减弱光合生产潜力，一定程度上会导致作物品质的下降。但模拟预估结果显示，未来的日较差趋势变化均不显著，因此，在未来几十年的气候变化中，华北区域日最低气温不会像近54年观测到的升温速率较显著，而很可能会与日最高气温的变化相当或低于日最高气温的增温速率。
（4）对极端温度事件的分析表明，观测到的极端气温指数的空间分布与热量资源表现出较大的一致性。代表暖事件的生长期GSL和夏季日数SU均呈显著增加趋势，增加幅度分别为3.0、2.6 d/10a；代表冷事件的霜冻日数FD和结冰日数ID则表现出显著的减少趋势，幅度分别为-3.8、-2.1 d/10a；异常暖昼WSDI和异常冷昼CSDI的时空变化印证了日最高、最低气温在内蒙等北部地区的增暖变化；而热夜日数TR的趋势变化反映出日最低气温升高的有限性，进一步说明了日较差的变化对作物光合物质的转化、积累和贮存并不是一味的减弱，特别是气温较低的北部地区。然而，对于未来的预估结果，各极端气温指数与对应观测事实的趋势变化特点一致，但从变化幅度来看，RCP8.5排放情景下的趋势变化并不是一味地比当前观测事实显著，而RCP4.5排放情景下各极端气温指数的趋势变化均比观测事实小。因此，极端温度事件的分析结果既反映出华北区域在近54年和未来几十年气温增暖的事实，也反映出了这种区域气温增暖的可控性。 参考文献
[1] IPCC.Managing the risks of extreme events and disasters to advance climate change adaptation：a special report of working groups I and II of the Intergovernmental Panel on Climate Change[R].Cambridge and New York：Cambridge University Press，2012.
[2] IPCC.Climate Change 2007：Synthesis Report [R].Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change.Switzerland，Geneva，2007：104.
[3] ZHAI P M，PAN X H.Trends in temperature extremes during 1951-1999 in China[J].Geophysical research letters，2003，30（17）：1913.
[4] 丁一汇，任国玉，赵宗慈，等.中国气候变化的检测及预估[J].沙漠与绿洲气象，2007，1（1）：1-10.
[5] 章大全，钱忠华.利用中值检测方法研究近50 a中国极端气温变化趋势[J].物理学报，2008，57（7）：4634-4640.
[6] 任国玉，封国林，严中伟.中国极端气候变化观测研究回顾与展望[J].气候与环境研究，2014，15（4）：337-353.
[7] 杨萍，刘伟东，王启光，等.近40年我国极端温度变化趋势和季节特征[J].应用气象学报，2014，21（1）：29-36.
[8] WANG A H，FU J J.Changes in daily climate extremes of observed temperature and precipitation in China[J].Atmospheric and oceanic science letters，2013，6（5）：312-319.
[9] 房世波，韩国军，张新时，等.气候变化对农业生产的影响及其适应[J].气象科技进展，2011，1（2）：15-19.
[10] 王冀，蒋大凯，张英娟.华北地区极端气候事件的时空变化规律分析[J].中国农业气象，2012，33（2）：166-173.
[11] ZHAO C Y，WANG Y，ZHOU X Y，et al.Changes in climatic factors and extreme climate events in Northeast China during 1961—2014[J].Advances in climate change research，2013，4（2）：92-102.
[12] 刘颖杰，林而达.气候变暖对中国不同地区农业的影响[J].气候变化研究进展，2007，3（4）：229-233.
[13] 姬兴杰，朱业玉，刘晓迎，等.气候变化对北方冬麦区冬小麦生育期的影响[J].中国农业气象，2011，32（4）：576-581.
[14] 石英，高学杰，吴佳，等.华北地区未来气候变化的高分辨率数值模拟[J].应用气象学报，2014，21（5）：580-589.
[15] 高霁，杨红龙，陶生才，等.未来情景下东北地区极端气候事件的模拟分析[J].中国农学通报，2012，28（14）：295-300.
[16] SI P，ZHENG Z F，REN Y，et al.Effects of urbanization on daily temperature extremes in North China[J].Journal of geographical sciences，2014，24（2）：349-362.
[17] PETERSON T C，FOLLAND C，GRUZA G，et al.Report on the activities of the working group on climate change detection and related rapporteurs 1998-2001[R].Rep.WCDMP47，WMOTD 1071，Word Meteorol.Organ.，Geneva，Switzerland，2001.
[18] 高学杰，石英，张冬峰，等.RegCM3对21世纪中国区域气候变化的高分辨率模拟[J].科学通报，2012，57（5）：374-381.
[19] 徐集云，石英，高学杰，等.RegCM3对中国21世纪极端气候事件变化的高分辨率模拟[J].科学通报，2013，58（8）：724-733.
[20] GAO X J，WANG M L，FILIPPO G.Climate change over China in the 21st century as simulated by BCCCSM1.1RegCM4.0[J].Atmospheric and oceanic science letters，2013，6（5）：381-386.
[21] 吉振明.新排放情景下中国气候变化的高分辨率数值模拟研究[D].北京：中国科学院青藏高原研究所，2012：19-42. [22] Climate Research Branch Environment Canada.RclimDex（1.0）User Manual （Xuebin Zhang and Feng Yang）[M].Canada，2004：6-10.
[23] 李庆祥，张洪政，刘小宁，等.中国均一化历史气温数据集（1951-2004）（1.0版）[M].北京：国家气象信息中心气象资料室，2006：7-11.
[24] WANG X L， WEN Q H，WU Y H. Penalized maximal t test for detecting undocumented mean change in climate data series[J]. Journal of applied meteorology and climatology， 2007， 46（6）： 916-931.
[25] WANG X L. Penalized maximal Ftest for detecting undocumented meanshifts without trendchange[J]. Journal of atmospheric and oceanic technology， 2008， 25（3）： 368-384.
[26] LI Q X，ZHANG H Z，CHEN J，et al.A mainland China homogenized historical temperature dataset of 1951-2004[J].Bulletin of the American meteorological society，2009，90（8）：1062-1065.
[27] XU W H，LI Q X，WANG X L，et al.Homogenization of Chinese daily surface air temperatures and analysis of trends in the extreme temperature indices[J].Journal of geophysical research：Atmospheres，2013，118（17）：9708-9720.
[28] 司鹏.城市化对中国东北部气温增暖的贡献检测[D].沈阳：沈阳农业大学，2008：20.
[29] 宋迎波，王建林，杨霏云，等.粮食安全气象服务[M].北京：气象出版社，2006：9.
[30] 刘俊明，谢甫娣.作物栽培学[M].沈阳：辽宁民族出版社，2001：43-45.
[31] 高素华，郭建平，赵四强，等.“高温”对我国小麦生长发育及产量的影响[J].大气科学，1996，20（5）：599-605.
[32] 张建平，赵艳霞，王春乙，等.气候变化对我国华北地区冬小麦发育和产量的影响[J].应用生态学报，2006，17（7）：1179-1184.
[33] 王石立，庄立伟，王馥棠.近20年气候变暖对东北农业生产水热条件影响的研究[J].应用气象学报，2003，14（2）：152-164.
[34] MOSS R H，BABIKER M，BRINKMAN S，et al.Towards new scenarios for analysis of emissions，climate change，impacts，and response strategies[C]//IPCC Expert Meeting Report.Geneva：Intergovernmental Panel on Climate Change，2008：132.
[35] 第二次气候变化国家评估报告编写委员会.第二次气候变化国家评估报告[R].北京：科学出版社，2011.
关键词华北区域；积温；极端温度事件；农业气候资源；影响
中图分类号S162文献标识码A文章编号0517-6611（2015）29-223-08
气候系统的变暖是毋庸置疑的，整个21世纪全球日温度极暖事件的出现频率和幅度将会增加，而极冷事件将会减少，预估的干旱、热浪等及其产生的不利影响也将会增加。所有大陆和大部分海洋的观测证据表明，许多自然系统正在受到区域气候变化的影响，特别是温度升高的影响。根据20世纪80年代初以来的卫星观测显示，在许多区域春季已出现植被返青提前的趋势，这与近期变暖而使其生长季节延长有关。我国大陆地区也表现出了与全球极端温度事件一致的变化特点，与此同时，我国近50年来因气象灾害导致的农业受灾面积不断扩大，农业经济损失逐年升高，极端事件发生频率和强度的不断增加，也加大了农业生产的风险。
作为增暖显著的北方地区，极端气温增暖俨然成为不可争辩的事实，且随之带来的农业生产的不稳定性和自然风险也是不言而喻的。刘颖杰等研究表明以温度升高为主要特征的气候变化对我国东北地区粮食总产增加有明显的促进作用，但对华北、西北和西南地区的增加则有一定的抑制作用。姬兴杰等利用北方冬麦区18个农业气象观测站1983～2005年气象资料和冬小麦生育期观测资料分析得到，北方冬麦区冬小麦返青期、抽穗期和成熟期提前主要是由于气温增加所致，且以最低气温的变暖影响最为明显。
然而，对于我国北方地区极端增暖事件的研究，目前主要基于气温极值和相对阈值的分析，对影响农业生产经济的极端温度指标（即绝对阈值）的研究甚少。与此同时，对于分析和监测极端事件（包括干旱、极端温度等）的变化来说，需要具有高时空分辨率和长时间的气候资料，因此，随着气象观测序列的增长势必会迫使人们重新认识一个地区的农业气候资源。所以，从长时间尺度考虑极端气候异常给农业经济带来的影响，更正以往仅利用较少年数气候资料得到的农业气象灾害分析结果是非常必要和重要的。
该研究拟利用WMO（World Meteorological Organization）气候委员会等组织联合成立的气候变化监测和指标专家组（ETCCDI，Expert Team on Climate Change Detection and Indices）定义的温度绝对阈值来分析观测到的华北区域1961～2014年极端温度事件的变化特征及其对农业经济带来的影响；同时，研究利用区域气候模式RegCM4.0中RCP4.5和RCP8.5 2种排放情景下的模拟结果，对华北区域未来极端温度事件的变化趋势进行预估，以期通过观测事实和模式预估的相互印证为该地区农业经济的可持续发展提供有利的科学保障。
1资料与方法
1.1资料选取
1.1.1地面观测资料。
地面观测资料由国家气象信息中心提供，主要从北京、天津、河北、内蒙以及山西五省中，依据时间序列的长度、资料完整性对台站进行筛选。剔除缺测数据大于全序列长度1%或有连续缺测年的台站，最终选取262个基准、基本和一般站1961～2014年的逐日平均、最低、最高气温序列进行研究。台站筛选结果如图1所示。
图1我国华北区域台站分布
1.1.2区域气候模式模拟数据。
模拟数据为国家气候中心提供的区域气候模式RegCM4.0，单向嵌套BCC_CSM1.1（Beijing Climate Center _Climate System Model version 1.1）全球气候系统模式，分别在典型浓度路径（Representative Concentration Pathways，RCPs）RCP4.5和RCP8.5排放情景下的输出结果（以下简称RCP4.5、RCP8.5），连续模拟积分时间为1950～2099年，其中，以1986～2005年代表当代气候时段，2006～2099年代表未来的预估时段，水平分辨率为50 km。区域气候模式RegCM系列产品已经被广泛地应用于我
国气候变化评估中[18-19]，该数据可较好地再现我国地区当
代地面气温空间分布及数值，同时，对未来极端气候事件也有较好的模拟能力[20-21]。依据地面观测资料筛选的262个台站信息，选取距离每个站点最近的格点值作为模拟预估的研究对象。
1.2研究方法
1.2.1地面观测资料的质量控制和均一性分析。
观测到的极端事件变化信度取决于资料的质量和数量，以及对这些资料分析的可获得性。因此，依照文献[16]的数据分析方法，在此首先对选出的262个地面气象观测站建站以来的逐日平均、最低、最高气温资料进行了基本逻辑检验[22-23]，且利用RHtestsV3方法[24-25]，结合台站元数据，对质控后的数据进行了均一性检验，重点针对迁站造成的时间序列不连续进行了订正。同时，为保证订正后数据的可靠性，研究中将订正后的气温资料与我国均一化历史气温数据集（CHHT）[26-27]进行了对比分析。结果显示，2种方法订正得到的平均、最低、最高气温趋势变化幅度基本在同一量级内，且趋势变化特点一致。因此，利用RHtestsV3方法分析得到的气温观测资料来评估华北区域极端温度事件是相对可靠的。 1.2.2极端气温指数定义。
极端温度事件采用ETCCDMI定义[17]的7个气温指数进行分析，分别包括5个绝对阈值和2个相对阈值（表1）。指数计算利用加拿大气象局提供的RClimDex软件包[22]。
1.2.3区域平均序列的建立。
华北区域平均序列的构造[28]，即将区域内262个台站的年平均温度（积温、极端气温）序列进行主分量（PCA）分析，以展开后的第一主成分的荷载平方作为权重系数，对所有台站的温度序列进行加权平均，得到区域平均的气温序列。这样可以消除个别不合理序列带来的偏差，能够比等权的区域平均序列更好地反映出区域温度异常变化的信号。同时，采用荷载的平方作为权重系数可以避免区域内不同台站之间因地形、海拔高度等因素造成的影响。
43卷29期司 鹏等极端温度事件对我国华北农业气候资源的影响
2结果与分析
2.1观测到的华北区域极端温度事件
2.1.1热量资源的气候变化。
积温是制约作物全生育期或某一段生育期能否顺利完成的重要因子之一，也是研究作物生长发育对热量的要求和评价热量资源的重要指标[29]。因此，在此通过分析能够代表三大粮食作物小麦、玉米、水稻生长发育的指标温度（0、10、15 ℃）的积温变化[30]来对华北区域的热量资源进行分析。
从近54年来华北区域≥0 ℃、≥10 ℃、≥15 ℃活动积温趋势变化的空间分布（图2a）可以看出，各界限温度的空间分布特点基本一致，主要表现为北京中部、天津和内蒙大部积温趋势增加最为显著，变化幅度为75～100 （℃·d）/10a；山西、河北大部增温趋势主要集中在50～75 （℃·d）/10a；而山西东南部、河北东北部和西南部等地区增暖趋势相对较小，幅度为25～50 （℃·d）/10a，其中有部分局部地区出现了积温负趋势变化。≥15 ℃活动积温的高值增暖范围相对较大，≥0 ℃和≥10 ℃活动积温则基本相当，突出表现在内蒙地区。
从时间分布（图2b）来看，整个华北区域1961～2014年各界限温度的活动积温均呈明显的上升趋势，特别是20世纪90年代初～21世纪初期，趋势增加较为显著；从变化幅度
（表2）来看，≥15 ℃的活动积温趋势增加相对较大，为702 （℃·d）/10a，≥0 ℃和≥10 ℃趋势值相当，分别为687、68.4
（℃·d）/10a。因而，结合空间分布特征的分析结果，
反映出≥15 ℃活动积温持续时间的相对增加一定程度上会导致北方耐寒作物如冬小麦适宜播种期的推迟，缩短其整个生育期，这一结果与高素华等[31]、张建平等[32]研究气候变暖对我国冬小麦生长发育和产量影响得到的结论一致。与此同时，≥15 ℃活动积温的显著增加也会延长喜温作物如水稻、玉米等灌浆成熟过程。另外，≥0 ℃和≥10 ℃活动积温趋势的显著增加也会造成无霜期的延长，有利于水稻、早春玉米等喜温作物的生长，由此可适当提早对该类作物的种植时间。
有效积温稳定性较强，常用来表示作物生长发育对温度的要求[29]。由近54年来华北区域>10 ℃、>15 ℃有效积温趋势变化的空间分布（图3a）可见，其与活动积温（图2a2、a3）趋势变化一致，华北区域1961～2014年各界限温度的有效积温均以趋势增加为主要分布特征，增暖幅度基本为25～50 （℃·d）/10a，但>10 ℃有效积温的趋势增加幅度较>15 ℃有效积温明显，突出表现在内蒙北部和西部地区（图3a1），其增暖幅度为50～75 （℃·d）/10a。相比>10 ℃有效积温来说，>15 ℃有效积温在山西大部、河北西南和东北部等增暖趋势相对较小，甚至在山西南部负趋势范围明显增大（图3a2）。从时间分布（图3b）来看，同样与活动积温一致，1961年以来华北区域各界限温度的有效积温均呈明显的增暖趋势，显著增暖期也主要集中在20世纪90年代初～21世纪初期，>10 ℃、>15 ℃有效积温的趋势增暖幅度分别为43.3、30.1 （℃·d）/10a（表2）。
以上分析表明，在气候增暖的大背景下，近54年来华北区域热量资源是显著增加的，特别是北部的内蒙地区。积温的逐年升高一定程度上会造成冬小麦生育期的缩短，特别是冬性品种无法经历足够的寒冷期而不能满足春化作用，致使总干重和穗重的减少，从而可能导致产量的下降。但同时有效积温的升高，也会大大改善越冬条件，降低冬小麦的越冬死亡率，减少了种植风险。另外，北部热量资源的显著增加亦会对北方喜温作物水稻、玉米的生长有利，有利于其单产的提高和种植面积的扩大。然而，由于山西东南部、河北东北部和西南部多为高山地区，造成其积温升高幅度不大甚至出现负趋势的现象，特别是>15 ℃有效积温的趋势变化。
气温日较差是衡量一地农业气候资源质量的重要指标，也是代表作物生长期间对热量强度的要求。对于日较差趋势的空间分布来说（图4a），近54年来华北区域气温日较差基本呈明显的减少趋势，特别是内蒙大部、华北区域东南部，说明日最低气温的升温速率大于日最高气温。同样，时间变化曲线也显示出显著的减少趋势（图4b），变化幅度为-0.291 ℃/10a。类似王石立等对资料的估算方法，利用日最低气温代表夜间温度，那么随着华北区域夜间温度的升高，作物夜间的呼吸消耗也随之增大，一定程度上减少了干物质的积累，可能会对作物的品质造成影响。
2.1.2极端温度的变化。
从与农业生产经济相关的极端气温指数的空间分布（图5a）来看，5个极端指数的空间分布与热量资源（图2～3）表现出较大的一致性，其中代表暖事件的生长期GSL（图5a1）和夏季日数SU（图5a4）除了在河北东
北部和西南部表现出趋势增加较小，甚至有局地呈现出日数减少趋势外，华北其他区域基本呈现出增加的趋势，增加日数均集中在2～4 d/10a，且在内蒙的西部和东部，GSL和SU分别出现了4～6 d/10a的增加幅度；而代表冷事件的霜 冻日数FD（图5a2）和结冰日数ID（图5a3）则表现出显著的减少趋势，其中FD的减少幅度相对较大，主要集中在-5～-3 d/10a，而ID的减少幅度主要为-3～-1 d/10a，且在河北的西南部出现了趋势减少幅度不明显的分布。综合FD、ID和SU的趋势幅度变化，能够反映出华北区域日最低气温
的增暖变化大于日最高气温的，但日最低气温的升温速率并不是无限度地增长下去，如热夜日数TR的分布（图5a5），除了华北区域西部和东南部有明显的增加趋势外，其他地区的热夜日数趋势基本没有变化，尤其是内蒙大部。因而，对于华北区域来说，尽管近54年来气温日较差有显著的减小趋势，但由于日最低气温升高的有限性，对于作物光合物质的转化、积累和贮存并不是一味的减弱，特别是气温较低的北部地区。
对于时间分布来说，1961～2014年华北区域平均的生长期GSL（图5b1）和夏季日数SU（图5b4）均呈显著增加趋势，增加幅度分别为3.0、2.6 d/10a。但从年代际变化来看，GSL的明显延长时期始于20世纪80年代初，并呈持续的增加趋势，与气温日较差DTR（图4b）形成很好的反对应关系；SU与热量资源的时间分布一致，明显增加主要集中在20世纪90年代初～21世纪初期，同样，这一变化特点还表现在热夜日数TR的时间序列中（图5b5）。对于冷事件来说，霜冻日数FD（图5b2）和结冰日数ID（图5b3）的时间序列均呈减少趋势，幅度分别为-3.8、-2.1 d/10a，特别是FD从20世纪70年代开始至21世纪初期呈持续的减少趋势，ID则有2个明显的减少时段，分别是20世纪70年代和80年代初～90年代末，而在20世纪60年代和2000年以后有明显的增加趋势。
近54年来华北区域异常暖昼WSDI的时间序列变化特点与热量资源（图2～3）的基本一致，明显增加趋势集中在20世纪90年代初～21世纪初期，幅度为1.1 d/10a；而异常冷昼CSDI的曲线变化特点与结冰日数ID（图5b3）有相似之处，20世纪60年代日数有增加趋势，70年代～90年代中期呈减少变化，整体趋势幅度为-0.4 d/10a。对于整个华北区域来说，有43%左右的台站异常暖昼WSDI是显著增加的（通过显著性α=005检验），主要分布在华北中西部和北部地区，增加幅度为1～2 d/10a；而对于异常冷昼CSDI来说，仅有10%左右的台站日数是显著减少的（通过显著性α=005检验），主要分布在华北西部和北部局部地区，幅度为-1～-2 d/10a。从空间分布来看，WSDI和CSDI趋势的显著变化均在内蒙部分区域有所体现，因此，二者的时空变化分析结果也印证了日最高、最低气温在内蒙等北部地区的显著增暖变化。
2.2未来华北区域极端温度事件
研究中对华北区域未来气温变化的预估使用了2种排放情景RCP4.5和RCP8.5的输出结果，时段为2006～2099年。RCP情景是根据辐射强迫作为分类标准，现在和未来很长一段时间内，RCP情景将是气候变化、影响评估及减排等研究中使用的主要温室气体排放情景。代表较高排放情景的RCP8.5，是指到2100年辐射强迫达8.5 W/m2，并将继续上升一段时间；中间稳定路径RCP4.5代表辐射强迫在2100年之前达4.5 W/m2，2种排放情景均包括温室气体、气溶胶、化学活性气体及土地利用的排放和浓度时间序列。
2.2.1热量资源的气候变化预估。
由华北区域RCP4.5和RCP8.5 2种排放情景下≥0 ℃、≥10 ℃、≥15 ℃活动积温未来趋势变化的分布情况（图6）可见，华北区域未来的活动积温均为增暖的趋势变化，且幅度依纬度的递减呈现出有层次性的递增变化，其中，RCP8.5排放情景下（图6b）各界限温度的活动积温增暖较大，幅度为73～131（℃·d）/10a，明显高于当前观测到的积温变化（图2a）；而RCP45排放情景下（图6a）的趋势增暖幅度较小，为41～76 ℃/10a，这主要与假定的排放情景有关。
从时间分布来看，华北区域RCP4.5和RCP8.5 2种排放情景下各界限温度的活动积温均有显著的上升趋势，特别是RCP8.5排放情景的时间序列上升较为明显，并呈现出持续性的增暖变化，与之不同的是，RCP4.5排放情景的时间序列在21世纪中期（2060年左右）以后处于平稳的趋势变化，这一特点与观测事实相一致（图2b）。同样，1961～2099年华北区域未来活动积温的趋势幅度（表3）显示，RCP8.5排放情景的趋势增暖最为显著，明显高于观测事实（表2），而RCP4.5排放情景的趋势增暖幅度相对较小。但与观测事实一致的是，不论是RCP4.5还是RCP8.5排放情景下，其未来的华北区域≥15 ℃活动积温的趋势增加幅度均较大，≥0 ℃和≥10 ℃的趋势增加幅度均相当。
与活动积温的未来趋势变化特点一致，华北区域未来的有效积温均表现出增暖的趋势变化，且幅度的增加基本与纬度的变化呈反比。从变化幅度来看，>10 ℃有效积温的趋势增加较明显，RCP4.5和RCP8.5排放情景下分别为 24～56、46～97（℃·d）/10a；>15 ℃有效积温的趋势增加较小，RCP4.5和RCP8.5排放情景下分别为 13～48、28～84（℃·d）/10a。但总的来看，RCP8.5排放情景下各界限温度有效积温的增暖趋势明显高于当前观测到的有效积温变化。对于时间序列变化来说，有效积温的时间变化特点与活动积温一致，RCP8.5排放情景下各界限温度有效积温随时间呈明显的持续上升趋势，变化幅度明显大于观测事实（表2），>10 ℃、>15 ℃有效积温的预估趋势值分别为77.4、61.2（℃·d）/10a（表3）；而RCP4.5排放情景下的未来华北区域有效积温在21世纪中期（2060年）以后表现出平稳的趋势变化，幅度值较小，>10 ℃、>15 ℃有效积温的预估趋势值分别为42.1、32.9（℃·d）/10a（表3）。 对于日较差的未来趋势变化来说，RCP8.5和RCP4.5 2种排放情景下的预估值均没有观测事实明显，减小幅度也均没有通过显著性α=0.05检验，一定程度上反映出在未来几十年的气候变化中，华北区域日最低气温不会像近54年观测到的升温速率较显著，而很可能会与日最高气温的变化相当或低于日最高气温的增温速率。
综上所述可见，现在和未来一段时间内，华北区域热量资源势必会有显著的增加趋势，特别是在高排放情景下（RCP8.5）的模拟预估，且各界限温度的积温趋势变化特点基本一致。但通过对当前观测事实、RCP4.5、RCP8.5排放情景下的积温时空变化的对比发现，人类活动对大气环境的影响只要维持在相对稳定的状态下，如RCP4.5排放情景下，气温的大幅度增暖是可控的，甚至在未来几十年里能够达到增暖幅度低于当前观测到的平缓趋势。
2.2.2极端温度变化的模拟预估。
RCP8.5排放情景下各极端气温指数的趋势变化幅度明显大于RCP4.5排放情景，但从空间分布特点来看，二者对应的各极端指数基本一致。代表暖事件的生长期GSL未来趋势增加较为显著的主要集中在山西和河北南部，RCP4.5和RCP8.5排放情景下的幅度分别约为1.8～2.5和2.8～3.5 d/10a，而其他大部分地区的增加日数分别集中在1～2、2～3 d/10a；对于另一暖事件指数夏季日数SU来说，2种排放情景下的未来趋势均以山西北部和内蒙中部地区为中心向周围逐渐减小，变化幅度分别为1.3～2.9、2.7～4.9 d/10a。代表冷事件的霜冻日数FD 2种排放情景下均在内蒙北部、中部部分地区、山西和河北南部地区的趋势减少幅度相对突出，而对应的结冰日数ID在该地区日数减少较小。另外，从幅度变化来看，未来华北区域FD的趋势减少相对较大，RCP4.5和RCP8.5排放情景下的幅度范围分别为-2.3～-1.4、-3.5～-2.4 d/10a；而结冰日数ID的未来趋势变化范围分别集中在-2.2～-0.6、-3.4～-0.8 d/10a。同样，与当前观测事实（图5a5）一致的是，未来华北区域热夜日数TR在内蒙北部、中部以及山西和河北北部等大部地区基本没有变化。因而，结合SU、FD、ID及TR的趋势变化特点，一定程度上印证了上述对于华北区域未来日较差的分析结果。
对于时间分布来说，华北区域各极端气温指数的趋势变化均与预估的热量资源分布一致，即RCP8.5排放情景相对RCP4.5有显著的持续性增长（或减少）变化，但从预估的未来各极端气温指数的变化幅度（表4）来看，RCP8.5排放情景下的趋势变化并不是一味地比当前观测事实显著，如作物的生长期GSL、霜冻日数FD，其未来趋势的变化幅度均比观测事实小。RCP4.5排放情景下的各极端气温指数的趋势变化均比观测事实小，其中，霜冻日数FD和结冰日数ID趋势幅度的相对减少反映出了华北区域在近54年和未来几十年气温增暖的事实。同时，生长期GSL、夏季日数SU及热夜日数TR增加幅度的减少一定程度上也反映出了这种区域气温增暖的可控性。
另外，对于未来异常暖昼WSDI和异常冷昼CSDI来说，RCP4.5和RCP8.5排放情景下，WSDI趋势增加幅度均比观测事实显著，2种排放情景下增幅分别为1.6、4.0 d/10a（表4）；而CSDI的趋势变化幅度不明显，与当前观测到的异常冷昼持续变化基本一致。两类极端指数未来趋势的预估结果同样反映出了华北区域气温增暖事实。
3结论与讨论
（1）从观测事实来看，1961～2014年我国华北区域积温的显著增加主要集中在20世纪90年代初～21世纪初期。≥0 ℃、≥10 ℃、≥15 ℃活动积温增加最为显著的主要分布在北京中部、天津和内蒙大部，变化幅度为75～100（℃·d）/10a。其中，≥15 ℃活动积温的持续增加一定程度上会缩短北方耐寒作物的生育期，影响其产量，但同时也会延长喜温作物的灌浆成熟过程；而≥0 ℃和≥10 ℃活动积温的显著增加也会造成无霜期的延长，有利于喜温作物的生长。对于有效积温来说，>10 ℃积温的趋势增加幅度较>15 ℃有效积温明显，突出表现在内蒙北部和西部地区，幅度为50～75（℃·d）/10a，从而会大大改善越冬条件，减缓冬性品种作物因不能满足春化作用导致产量下降的不利影响，减少越冬作物的种植风险，提高喜温作物的单产产量。
（2）从模拟预估来看，RCP4.5和RCP8.5 2种排放情景下，华北区域未来的积温均有显著的上升趋势，特别是RCP8.5排放情景的时间序列呈现出持续性的增暖变化，且增暖幅度明显高于当前观测到的积温变化；RCP4.5排放情景的积温增暖幅度相对较小，时间序列在21世纪中期（2060年左右）以后处于平稳的趋势变化。与观测事实一致的是，不论是RCP4.5还是RCP8.5排放情景下，未来的华北区域≥15 ℃活动积温的趋势增加幅度均较大，≥0 ℃和≥10 ℃的趋势增加幅度均相当；而>10 ℃有效积温的增加幅度较>15 ℃有效积温明显。因此，对于华北地区来说，优化种植制度是适应气候变化最重要的技术手段。
（3）对于日较差来说，观测事实表明近54年来华北区域气温日较差基本呈明显的减少趋势，特别是内蒙大部、华北区域东南部，可能会大大降低积温的有效性，减弱光合生产潜力，一定程度上会导致作物品质的下降。但模拟预估结果显示，未来的日较差趋势变化均不显著，因此，在未来几十年的气候变化中，华北区域日最低气温不会像近54年观测到的升温速率较显著，而很可能会与日最高气温的变化相当或低于日最高气温的增温速率。
（4）对极端温度事件的分析表明，观测到的极端气温指数的空间分布与热量资源表现出较大的一致性。代表暖事件的生长期GSL和夏季日数SU均呈显著增加趋势，增加幅度分别为3.0、2.6 d/10a；代表冷事件的霜冻日数FD和结冰日数ID则表现出显著的减少趋势，幅度分别为-3.8、-2.1 d/10a；异常暖昼WSDI和异常冷昼CSDI的时空变化印证了日最高、最低气温在内蒙等北部地区的增暖变化；而热夜日数TR的趋势变化反映出日最低气温升高的有限性，进一步说明了日较差的变化对作物光合物质的转化、积累和贮存并不是一味的减弱，特别是气温较低的北部地区。然而，对于未来的预估结果，各极端气温指数与对应观测事实的趋势变化特点一致，但从变化幅度来看，RCP8.5排放情景下的趋势变化并不是一味地比当前观测事实显著，而RCP4.5排放情景下各极端气温指数的趋势变化均比观测事实小。因此，极端温度事件的分析结果既反映出华北区域在近54年和未来几十年气温增暖的事实，也反映出了这种区域气温增暖的可控性。 参考文献
[1] IPCC.Managing the risks of extreme events and disasters to advance climate change adaptation：a special report of working groups I and II of the Intergovernmental Panel on Climate Change[R].Cambridge and New York：Cambridge University Press，2012.
[2] IPCC.Climate Change 2007：Synthesis Report [R].Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change.Switzerland，Geneva，2007：104.
[3] ZHAI P M，PAN X H.Trends in temperature extremes during 1951-1999 in China[J].Geophysical research letters，2003，30（17）：1913.
[4] 丁一汇，任国玉，赵宗慈，等.中国气候变化的检测及预估[J].沙漠与绿洲气象，2007，1（1）：1-10.
[5] 章大全，钱忠华.利用中值检测方法研究近50 a中国极端气温变化趋势[J].物理学报，2008，57（7）：4634-4640.
[6] 任国玉，封国林，严中伟.中国极端气候变化观测研究回顾与展望[J].气候与环境研究，2014，15（4）：337-353.
[7] 杨萍，刘伟东，王启光，等.近40年我国极端温度变化趋势和季节特征[J].应用气象学报，2014，21（1）：29-36.
[8] WANG A H，FU J J.Changes in daily climate extremes of observed temperature and precipitation in China[J].Atmospheric and oceanic science letters，2013，6（5）：312-319.
[9] 房世波，韩国军，张新时，等.气候变化对农业生产的影响及其适应[J].气象科技进展，2011，1（2）：15-19.
[10] 王冀，蒋大凯，张英娟.华北地区极端气候事件的时空变化规律分析[J].中国农业气象，2012，33（2）：166-173.
[11] ZHAO C Y，WANG Y，ZHOU X Y，et al.Changes in climatic factors and extreme climate events in Northeast China during 1961—2014[J].Advances in climate change research，2013，4（2）：92-102.
[12] 刘颖杰，林而达.气候变暖对中国不同地区农业的影响[J].气候变化研究进展，2007，3（4）：229-233.
[13] 姬兴杰，朱业玉，刘晓迎，等.气候变化对北方冬麦区冬小麦生育期的影响[J].中国农业气象，2011，32（4）：576-581.
[14] 石英，高学杰，吴佳，等.华北地区未来气候变化的高分辨率数值模拟[J].应用气象学报，2014，21（5）：580-589.
[15] 高霁，杨红龙，陶生才，等.未来情景下东北地区极端气候事件的模拟分析[J].中国农学通报，2012，28（14）：295-300.
[16] SI P，ZHENG Z F，REN Y，et al.Effects of urbanization on daily temperature extremes in North China[J].Journal of geographical sciences，2014，24（2）：349-362.
[17] PETERSON T C，FOLLAND C，GRUZA G，et al.Report on the activities of the working group on climate change detection and related rapporteurs 1998-2001[R].Rep.WCDMP47，WMOTD 1071，Word Meteorol.Organ.，Geneva，Switzerland，2001.
[18] 高学杰，石英，张冬峰，等.RegCM3对21世纪中国区域气候变化的高分辨率模拟[J].科学通报，2012，57（5）：374-381.
[19] 徐集云，石英，高学杰，等.RegCM3对中国21世纪极端气候事件变化的高分辨率模拟[J].科学通报，2013，58（8）：724-733.
[20] GAO X J，WANG M L，FILIPPO G.Climate change over China in the 21st century as simulated by BCCCSM1.1RegCM4.0[J].Atmospheric and oceanic science letters，2013，6（5）：381-386.
[21] 吉振明.新排放情景下中国气候变化的高分辨率数值模拟研究[D].北京：中国科学院青藏高原研究所，2012：19-42. [22] Climate Research Branch Environment Canada.RclimDex（1.0）User Manual （Xuebin Zhang and Feng Yang）[M].Canada，2004：6-10.
[23] 李庆祥，张洪政，刘小宁，等.中国均一化历史气温数据集（1951-2004）（1.0版）[M].北京：国家气象信息中心气象资料室，2006：7-11.
[24] WANG X L， WEN Q H，WU Y H. Penalized maximal t test for detecting undocumented mean change in climate data series[J]. Journal of applied meteorology and climatology， 2007， 46（6）： 916-931.
[25] WANG X L. Penalized maximal Ftest for detecting undocumented meanshifts without trendchange[J]. Journal of atmospheric and oceanic technology， 2008， 25（3）： 368-384.
[26] LI Q X，ZHANG H Z，CHEN J，et al.A mainland China homogenized historical temperature dataset of 1951-2004[J].Bulletin of the American meteorological society，2009，90（8）：1062-1065.
[27] XU W H，LI Q X，WANG X L，et al.Homogenization of Chinese daily surface air temperatures and analysis of trends in the extreme temperature indices[J].Journal of geophysical research：Atmospheres，2013，118（17）：9708-9720.
[28] 司鹏.城市化对中国东北部气温增暖的贡献检测[D].沈阳：沈阳农业大学，2008：20.
[29] 宋迎波，王建林，杨霏云，等.粮食安全气象服务[M].北京：气象出版社，2006：9.
[30] 刘俊明，谢甫娣.作物栽培学[M].沈阳：辽宁民族出版社，2001：43-45.
[31] 高素华，郭建平，赵四强，等.“高温”对我国小麦生长发育及产量的影响[J].大气科学，1996，20（5）：599-605.
[32] 张建平，赵艳霞，王春乙，等.气候变化对我国华北地区冬小麦发育和产量的影响[J].应用生态学报，2006，17（7）：1179-1184.
[33] 王石立，庄立伟，王馥棠.近20年气候变暖对东北农业生产水热条件影响的研究[J].应用气象学报，2003，14（2）：152-164.
[34] MOSS R H，BABIKER M，BRINKMAN S，et al.Towards new scenarios for analysis of emissions，climate change，impacts，and response strategies[C]//IPCC Expert Meeting Report.Geneva：Intergovernmental Panel on Climate Change，2008：132.
[35] 第二次气候变化国家评估报告编写委员会.第二次气候变化国家评估报告[R].北京：科学出版社，2011.