近几十年来，极端天气和气候事件频繁发生给许多国家和地区带来严重灾害而引起了人们越来越多的关注^[1].IPCC评估报告把天气和气候极端事件分为四种，其中，位居首位的就是极端温度事件.高温和低温变化一直是研究气候变化的重要内容之一^[2~7].在研究气候变暖过程中，了解极端温度的特征，明确其在不同区域和不同季节的变化特点，有助于深入理解气候变化规律与探讨气候变化的原因.

极端高温事件已经成为较为严重的灾害事件，许多国内学者对极端高温事件也越来越重视，并取得许多研究成果.任福民等^[8]指出我国极端温度变化的总趋势是极端最高温度在缓慢下降.Zhai等^[9]的工作分析了中国区域极端温度事件的时空变化的特征，结果表明，全国平均暖日和暖夜日数均有增长.Huang等^[10]分析我国极端高温事件的趋势表明全年和四季差异显著，并且各个区域也存在一定的差异.谬启龙^[11]指出中国平均最高气温的多年变化具有区域性差异.研究表明我国高温变化情况十分复杂，区域性差异十分明显，而相关研究主要是全国范围，针对一个区域的极端高温事件的研究较少.

江淮地区是我国粮、棉主要产区之一，但是天气、气候复杂多变，发生旱涝等气象灾害将对我国国民经济建设产生重大影响，而这些气象灾害都是极值事件的表现.梅雨是指每年6月中旬至7月上旬的江淮流域出现连阴雨天气，这是江淮地区最重要的气候事件，影响梅雨的因素多而复杂，高温变化则是其中之一^[12~14].因此，研究该地区特别是江淮梅雨期的极端高温事件变化具有一定的意义.并且，上述对全国地区的研究多侧重在基本特征的分析，然而，如果在某一时段内，无论是极端高温事件的频数还是强度均达到极值，则该时段的极端高温事件很有可能发展成灾.因此，研究这种极端高温事件的时间非均匀性特征对防灾减灾具有更重要的意义.如何有效地提取持续高温过程时空非均匀分配特征是分析其非均匀程度演变规律的关键.为此，本文引入集中度和集中期的概念，探讨梅雨期江淮地区极端高温事件非均匀分布特征，并进一步揭示非均匀性特征与同期环流系统的配置.

本文选用的资料为中国气象局整编的1960年1月到2007年12月共48年的日平均温度资料.

以往在定义极端温度阈值时，一般全年采用同一个阈值，例如，对日最高温度，通常规定达到或超过35℃时为一个高温日.这样使得极端高温事件往往只出现在夏季.为了更细致地分析极端温度事件，本文在全年的每一日分别定义一个极端温度高阈值，为了去除天气尺度的扰动对阈值确定的影响，并考虑太阳辐射的季节变化是连续和光滑的，因此对确定的365个阈值进行滤波，滤去8天以下的波动，可得到较为合理的检测极端温度事件的日阈值（具体参见文献[15]），研究各日极端温度特征时分别使用其对应的阈值来检测.定义日平均温度等于或超过其对应的高阈值为一次极端温度的高温事件，将日平均温度偏离其对应高阈值的差值之和作为极端高温事件的强度.

本文建立在张录军和钱永甫^[16]定义的集中度和集中期的基础上，对极端高温事件集中度和集中期的分析以日为时间单位，每月均求得集中度和集中期，以下以6~7月平均的结果表征梅雨期极端高温事件的时间非均匀性特征.

(1)

(2)

其中CD_i和CP_i分别为研究时段内的集中度和集中期，.

当考虑时间非均匀分布时，R_i为研究时段内某月总强度，r_ij为某测站研究时段内对应逐日的极端高温事件强度，θ_j为研究时段内逐日对应的方位角（整个研究时段的方位角设为360°），i为年份，j为研究时段内日序列的序号.本文基于日时间尺度的极端高温事件强度分析高温事件的时间非均匀性，分别将各月的每天极端高温事件强度分别投射在360°的方位角上，以求得逐月的集中度和集中期.以6月份为例，将6月的30天看作一个圆周（360°）.6月份总共包含30天，则第一天对应的序号j为1，矢量角为360/30°，而30天，即为6月份的最后一天，对应的序号j为30，其矢量角则为360°.

集中度可以反映极端事件强度在研究时段内各月的集中程度.如果在研究时段内，强度集中在某日，则合成向量的模与强度总量之比为1，即为集中度的极大值；若每日的强度均相等，则各分量累加后为0，即为极小值.集中度数值的大（小）表示极端高温事件较集中（分散）.而集中期则是合成向量的方位角，主要含义为每日强度合成的总体效应，也就是向量合成后重心所指示的角度，某年逐月极端高温事件集中矢量的合成向量方位角对应的日序，最大强度出现时段的中心日期，集中期数值的大（小）表征集中发生极端高温事件的日期较晚（早）.

集中度和集中期是基于极端高温事件的日强度分解得到水平和垂直方向上的分量，进一步求出研究时段内重心所指示的角度及其与总强度比值，分别对应为集中期和集中度.两者并非两个孤立的概念，结合集中度和集中期可以较好地描述极端高温事件的非均匀性特征.例如，如果某年某站点6月份的极端高温事件集中度和集中期分别为0.9和13，则表明，对应年份和站点，在6月份，较强的极端高温事件易于在6月13号左右发生，并且该事件的强度与本月其他极端高温事件强度相比要大得多.

本文选用的大气资料取自NCEP/NCAR（National Centers for Environmental Prediction/National Center for Atmospheric Research）再分析资料中的常规气象变量的月平均数据集，该资料的经纬网格为2.5°×2.5°，时间长度为62年，从1948年1月至2009年3月.根据本文的研究时段，选取NCEP/ NCAR再分析资料的1960~2007年共48年的资料.海温资料使用的是英国Hadley中心（Met Office，Hadley Centre for Climate Research）的数据，该资料的网格分辨率为1°×1°，时间长度为140年（1870~2009年），根据本文的研究时段，选取海温资料中的1960~2007年共48年资料.大气环流背景场分别选取200hPa、300hPa、500hPa以及海平面气压场（Sea Level Pressure，SLP）分别作为对流层高、中、低层的代表层，相应高度上的西风急流、东亚大槽、北太平洋高压脊以及副热带高压系统的代表.使用回归的方法计算以揭示极端高温事件非均匀特征的演变与同期环流系统的空间耦合模态.

图 1给出了48年夏季平均的江淮地区极端高温事件集中期和集中度分布.由图 1可见，气候平均而言，集中度和集中期在空间上呈现非均匀分布特征.集中期的大值和小值中心分别位于江淮的南部和西部地区.表明在江淮的南部地区，集中发生较强的极端高温事件偏晚，而西部地区则偏早.集中度的高值中心则集中在江淮的北部地区，表明易于在江淮北部地区集中发生较强的极端高温事件.

图 1

Fig. 1

图 1 梅雨期江淮地区1960~2007年平均的极端高温事件集中期（a）和集中度（b）分布 Fig. 1 Spatial distribution of the climatological mean CP (a) and CD (b) over Yangtze-Huaihe region during 1960~2007

对1960~2007年的夏季江淮地区极端高温事件集中度和集中期的异常场进行EOF分解.集中度（集中期）的前两个模态的方差贡献分别为26%和10%（18%和7%）.以下将对EOF分解的前两个模态空间分布型及其对应的时间系数（分别称为PC1_ CD、PC2_CD和PC1_CP、PC2_CP）进行分析.

图 2（a，c）分别为江淮地区夏季极端高温事件的集中期EOF分解得到的第一和第二模态的空间分布型，图 2（b，d）给出对应的PC1_CP和PC2_CP（经过了标准化处理）.为了更清楚地讨论这两种异常空间型所表示的含义，将PC1_CP（PC2_CP）≥1.0的年份定义为集中期晚年，而将PC1_CP（PC2_ CP）≤-1.0的年份定义为集中期早年，将早年和晚年分别进行合成，结果见图 3.

图 2

Fig. 2

图 2 梅雨期江淮地区极端高温事件的集中期EOF分解的第一（a）和第二（c）模态的空间分布型以及对应的时间系数（经标准化处理后）（b，d） Fig. 2 Spatial patterns (a, c) and time coefficients (c, d) of the first two leading EOF modes of CP over Yangtze-Huaihe region during Meiyu period.The time coefficients are measured in units of their respective standard deviation

从第一模态的空间型（图 2a）可以看出，全场为同号变化，表明江淮地区梅雨期的极端高温事件的集中期是一致变化的，较强的极端高温事件同时偏早发生或者同时偏晚发生.第二模态的空间型（图 2c）表现出以长江为界限的南北异常分布型.对应的PC1和PC2均表现显著的年代际信号.

图 3（a，c）分别为江淮地区梅雨期极端高温事件的集中度EOF分解得到的第一和第二模态的空间分布型，图 3（b，d）给出对应的PC1_CD和PC2_ CD（经过了标准化处理）.将PC1_CD（PC2_CD）≥1.0的年份定义为集中度强年，而将PC1_CD（PC2_ CD）≤-1.0的年份定义为集中度弱年，将强年和弱年分别进行合成，结果见图 4.

图 3

Fig. 3

图 3 同图 2，但为集中度的EOF分解前两个模态 Fig. 3 Same as Fig. 2, but for the first two leading EOF modes of CD

从第一模态的空间型（图 3a）看出西南的小部分区域（112°E~115°E，25°N~27°N）与其他区域的反向变化特征，其中正、负异常中心分别位于江西、湖南南部和长三角地区.结合图 3b说明，在PC1_ CD正系数的年份中，夏季的长三角地区集中发生较强的极端高温事件的概率较低，而在江西和湖南省南部发生较强极端高温事件的概率则偏高.第二模态的空间型（图 3c）表现为长三角地区与江苏安徽一带呈现反向变化关系.此模态表现出梅雨期江淮地区极端高温事件集中度的南北异常和东西异常.

图 4对应的为集中期早晚年和集中度强弱年合成的空间分布.集中期早年（图 4a）分布表明，在沿海地区集中发生较强的极端高温事件的时间偏晚，而在江淮地区的中部发生较强的极端高温事件则偏早.对应第一模态的集中度强年（图 4b）的分布表明，在长三角地区整个梅雨期发生较强的极端高温事件的时间较均匀，即表明在梅雨期内，每天均存在发生极端高温事件的可能性.而在江淮的南部地区集中度则较大.集中期晚年（图 4c），沿着长江流域，靠近长江出海口的地区，集中期偏晚，而在江淮西北部地区集中期偏早.集中度弱年（图 4d）表现为南部的小值区和北部的大值区.对应PC2_CP序列的分布，集中期晚年（图 4g）以长江为界限，长江以北为集中期偏早的区域而长江以南集中发生较强的极端高温事件偏晚.而集中期早年（图 4e）的分布则与晚年分布相反.集中度强年（图 4f），长三角地区为集中度小值中心，集中度的弱年（图 4h）在长江以南地区均为小值区，而南方地区为大值中心.

图 4

Fig. 4

图 4 早晚（强弱）梅雨期江淮地区极端高温事件集中期和集中度的空间分布 （a，c，e，g）分别为集中期的早年、晚年、早年和晚年；（b，d，f，h）分别为集中度的强年、弱年、强年和弱年.（a，b，c，d）对应PC1；（e，f，g，h）对应PC2. Fig. 4 Spatial distribution of CP and CD over Yangtze-Huaihe region (a, c, e, g) are CP in early year of PC1_CP, late year of PC1_CP, early year of PC2_CP, late year of PC2_CP, respectively; (b, d, f, h) are CD in strong year of PC1_CD, weak year of PC1_CD, strong year of PC2_CD, weak year of PC2_CD, respectively.

以上分析表明，夏季江淮地区的极端高温事件在时空上存在显著的非均匀分布特征.然而这种极端高温事件非均匀分布很可能与主要环流系统存在一定的配置关系.因此，以下分别挑选500hPa位势高度、300hPa位势高度、SLP、200hPa纬向风速和海表面温度（SST）几个主要的环流背景场与同期的集中度和集中期异常序列进行回归分析.

图 5（a~e）是根据集中期EOF分解第一模态时间系数PC1_CP回归的SLP、500hPa高度场、300hPa高度场、200hPa纬向风和SST的空间分布型.其异常型主要表现在东太平洋的显著块状负异常和亚欧大陆中高纬的一对负正偶极子异常.500hPa和300hPa高度上也表现为同区域的位势高度正负异常对，异常值随着高度的增加而显著增大，形成一种相当正压结构.在回归的200hPa纬向西风空间型上（图 5d），在对应的位置也存在正负的异常对.对应的SST的回归场上，全场均为负异常模态，但是通过95%信度检验的区域较小.

图 5

Fig. 5

图 5 PC1_CP回归的夏季海平面气压（a）、500hPa高度（b）、300hPa高度（c）、200hPa纬向风（d）、SST（e）异常的空间分布型 阴影区为达到90%置信度检验的区域. Fig. 5 Regressions of PC1_CP on the summer sea level pressure (a), the geopotential height at 500hPa (b) and 300hPa (c), the zonal wind at 200hPa (d), SST (e) Correlation values with magnitude larger than 90% significance are shaded.

图 6与图 5类似，但为PC2_CP对各大气/海洋场的回归.对集中期异常的回归结果主要表现为，在高纬度的北太平洋区域上出现一对正负的异常模态.与PC1_CP回归的结果类似，这一对异常模态从低层到高层均存在，并且异常值随高度的增加而显著增大，形成一种相当正压结构.在回归的200hPa纬向西风分布上（图 6d）则在急流的出口处，从低纬到高纬呈现出“-+ -”的波列形式以及在北美大陆上的“-+”异常型.在SST的回归场上（图 6e），异常分布最显著的海域为北太平洋的北美沿岸的负异常区域.夏季江淮地区极端高温事件的集中期的南北差异型与同期梅雨期海温，尤其是北太平洋的东部的显著负异常的海温状况有密切关系.

图 6

Fig. 6

图 6 同图 5，但为PC2_CP回归的结果 Fig. 6 Same as Fig. 5, but for the regression of PC2_CP

图 7为集中度的EOF分解第一模态时间系数PC1_CD回归的SLP、500hPa高度场、300hPa高度场、200hPa纬向风和SST的空间分布型.其异常区中心主要表现在北太平洋中高纬度上空.当集中度分布为南北异常型时，大尺度时间平均气流的显著异常型都主要集中在以中高纬度的北太平洋为中心的区域.在回归的200hPa纬向西风空间型上（图 7d），气候急流轴所在的带状地带及其下游地区出现负异常，则说明急流中东段及其下游区域的西风强度减弱时，集中度呈现出南北异常型.回归的SST场（图 7e）反映出中高纬度北美沿岸的北太平洋海域的显著负异常.SST的负异常区域与图 7（a~c）负异常区域较一致，将两者联系到一起，就会发现，在中高纬度北太平洋海区，夏季冷（暖）异常的洋面上是异常低压（高压），海气系统在垂直方向上表现为一种冷槽（暖脊）配置型.

图 7

Fig. 7

图 7 同图 5，但为标准化PC1_CD回归的结果 Fig. 7 Same as Fig. 5, but for the regression of PC1_CD

图 8为集中度PC2_CD对环流系统的回归.异常态主要表现为在SLP场上中纬度的北太平洋洋面上显著正异常和在高纬度地区“-+”的偶极子异常.而500hPa和300hPa高度层上则呈现为约在60°N左右的“+ -+ -+ ”的异常波列，且随着高度增加，该异常波列强度有所增加.对应的200hPa纬向西风异常场分布来看，约在160°W左右出现“+ -+ -”的异常波列从低纬度向高纬度地区传播.在SST的回归场上（图 8e）得知，约在30°N的洋面上出现了显著的正异常区，而在赤道东太平洋为负异常区.将PC2_CD与Nino3.4指数1）求相关，相关系数为-0.35，通过95%显著性检验，这表明江淮地区集中度的东西异常型与ENSO具有一定的联系.与200hPa纬向风回归场分布对应的区域呈现出反向的异常波列，表现为“-+ -+”的异常态.

1）http://www.esrl.noaa.gov/psd/data/climateindices/list/

图 8

Fig. 8

图 8 同图 5，但为标准化PC2_CD回归的结果 Fig. 8 Same as Fig. 5, but for the regression of PC2_CD

从以上分析得知，PC2_CD与Nino3.4指数的相关通过95%的显著性检验，那么两者显著的相关关系出现于何时，前期后期是否也存在相应的信号，ENSO又是如何通过遥强迫影响对应模态（长江以南和以北地区的反相变化）呢?首先，进一步比较Nino3.4指数与PC2_CD的前期、同期和后期相关得知（图 9a），1~12月均呈现为负相关.两者最早出现显著相关的月份为5月，并且一直延续至12月.则表明，ENSO前期对江淮地区极端高温事件集中度的影响并不显著，直至夏季两者同期关系密切，然而在秋冬季，江淮地区极端高温事件集中度异常型反过来会进一步影响到ENSO事件.其次，利用3.2节中选取的PC2_CD序列对应的集中度强年和弱年.最后，分别对强弱年的向外长波辐射（Outgoing Longwave Radiation，OLR）和SST场合成，并求出强弱年的差值场.图 9b、9c给出强弱年夏季SST和OLR合成的差值场.由图可以看出，在赤道东太平洋地区呈现显著的海温负异常（图 9b），OLR场在150°E以东赤道附近的中东太平洋地区为正差值区所控制（图 9c），赤道附近的中东太平洋地区对流活动受到抑制，赤道辐合带（Intertropical Convergence Zone，ITCZ）和赤道东西向Walker环流异常增强，副高易于增强北跳，也易于在我国北部地区出现干旱、高温天气.关于ENSO事件对夏季副高的影响，已有不少研究成果.陈烈庭^[17]研究赤道东太平洋海温异常对6月副高的影响，得出当该区域海温偏高，副高减弱东撤；当该区域海温偏低，则副高加强西伸的结论.李崇银等^[18]分析东亚大气环流与ENSO相互影响时指出，ElNino年夏季，由于遥相关机制东亚及西太平洋中纬度地区出现地面气压及高度场负距平，西太副高位置持续偏南，而LaNina年副高则偏北.可见，当赤道太平洋海温异常，西太平洋副高会出现强度、位置等的异常发展，从而影响我国大部分地区的夏季高温.另有研究表明^[19]，通常在El Nino现象发生的当年，我国的夏季风较弱，季风雨带位置偏南，位于我国长江以南地区.因此，当赤道东太平洋地区出现海温偏低的异常信号时，我国北部地区夏季往往容易出现干旱、高温.这正好与PC2_CD模态中，长江以北地区发生强极端高温事件的时段较集中，而南部地区则较分散相对应.

图 9

Fig. 9

图 9 Nino3.4指数与PC2_CD的超前滞后相关（a）和集中度强弱年差值场（b，SST；c，OLR） （a）中负数表明ENSO超前PC2_CD，正数表明ENSO滞后PC2_CD，数值表明超前滞后的月数；直线和虚线分别为通过90%和95%的信度检验线. Fig. 9 The lag-lead correlation between Nino3.4 and PC2_CD (a), the difference between strong and weak year of CD (b, SST; c, OLR) In (a), negative means ENSO is leading PC2_CD, while positive is opposite.The value indicates the number of months leading or lagged.The solid line and dash line are values larger than 90% and 95% significance, respectively.

本文基于日平均温度资料序列以梅雨期江淮地区极端高温事件为研究对象，引入集中度和集中期的概念，分析得到了梅雨期江淮地区极端高温事件的非均匀分布特征.并试图从非均匀性分布的演变规律出发，讨论其异常场与大尺度环流系统的关系，研究其空间耦合型.本文的研究得出以下几点结论：

（1）梅雨期江淮地区极端高温事件集中期主要有两种空间异常型，第一种为全场整体性偏早（晚），第二种为南北异常型.集中度也包括两种空间异常型：南北异常型和东西异常型.

（2）当集中期为全场整体一致变化时，同期的环流异常型主要表现为亚欧大陆的中高纬的一对负正偶极子异常型.当集中期南北异常变化时，在高纬度的北太平洋区域，出现一对正负的异常模态.并且这一对异常模态从低层到高层均存在，异常值随高度的增加而显著增大，为相当正压结构.海温主要表现为北太平洋的北美沿岸的显著负异常.

（3）当集中度呈现为南北异常型时，大尺度时间平均气流的显著异常型都主要集中在以中高纬度的北太平洋为中心的区域.在回归的200hPa纬向西风空间型上，气候急流轴所在的带状地带及其下游地区出现负异常.海温异常场反映出中高纬度北美沿岸的北太平洋海域的显著负异常.在中高纬度北太平洋海区，夏季冷（暖）异常的洋面上是异常低压（高压），海气系统在垂直方向上表现为一种冷槽（暖脊）配置形势.当集中度呈现为东西异常型时，主要环流异常型为200hPa纬向西风异常场上，约在160°W左右出现“+ -+ -”的异常波列从低纬度到高纬度地区传播，以及对应SST的回归场上的反向的异常波列.

（4）PC2_CD正负异常年SST和OLR合成差值场表明，在赤道东太平洋地区呈现显著的海温负异常，OLR场在150°E以东赤道附近的中东太平洋地区为正差值区所控制，对流活动受到抑制，副高易于增强北跳，我国北部地区夏季往往容易出现干旱、高温.这正好与PC2_CD模态中，长江以北地区发生强极端高温事件的时段较集中，而南部地区则较分散相吻合.

有关江淮地区的梅雨期极端高温事件的非均匀分布与北半球海气系统通过何种机制发生联系，江淮地区梅雨期的极端高温事件非均匀性特征与梅雨期降水存在何种联系，这些问题本文还未涉及.本文的工作只是一个初步的诊断分析工作，与之相关的机理分析和模拟研究目前还在进行中.