北疆地区近53年极端气温事件及其影响因素分析

众多基于环境代用指标和器测资料的分析、观测结果表明，自第一次工业革命以来，全球气候系统正经历着明显的暖过程（Mann et al，1998；Alexander et al，2006）；尤其是近60年以来，气候系统的变暖幅度是近千年以来最大的，而北半球在1983—2012年变暖幅度又是近1400年以来升温最为明显的30年（沈永平和王国亚，2013；IPCC，2013）。随着气候系统的暖化，旱涝、高温、严寒等极端气候事件发生的频率和强度表现出不断加剧的趋势；IPCC第五次评估报告指出（IPCC，2013），在全球变暖的大背景下，不同空间尺度的极端气候事件也呈现出不断加强的趋势（Fang et al，2015；Guan et al，2015）。极端气候事件的频发和强度的加深，给区域生态环境和人类生产生活造成巨大的破坏和损失，因此对区域极端气候的研究也越来越受到世界各国学者的广泛关注（秦大河和Stocker，2014；Fioravanti et al，2016；Zhou et al，2016）。

近几十年来，国内外学者开展了大量针对不同尺度极端气候事件变化趋势及其影响因素的研究。在全球尺度上研究发现（Alexander et al，2006），全球超过70%的地区经历着冷夜显著减少，而暖夜明显增加的趋势；Choi et al（2009）对亚太地区的研究也表明，该区域极端气候变化趋势与全球的趋势相同，但一些冷指数（如冷夜）的变化幅度比全球平均趋势要大，而一些暖指数则比全球平均趋势小。对整个印度-太平洋地区（Caesar et al，2011）的研究也表明，该区极端气候变化趋势与全球具有一致性，且其冷夜等极端冷指数的变化幅度比全球尺度的变化更大；同时，对极端气候影响因素的研究表明，大尺度环流因素对极端气候事件的发生具有重要作用，如研究发现印度-太平洋地区极端气候的变化明显受到ENSO等现象的影响（Caesar et al，2011）；而对我国以及欧洲其他一些地区的研究也表明（Yan et al，2002）大气环流指数如北极涛动（AO）、北大西洋涛动（NAO）和厄尔尼若-南方涛动指数（ENSO）均对不同区域的极端气温具有不同的影响特征（Mann et al，2000；Visbeck et al，2003）。Li et al（2012）研究发现，大气环流指数AO的正、负相位对北半球的气温具有不同的影响，而对冬季气温的影响尤其明显，在极端气温方面则表现为其对极端冷指数的影响；AO为负相位时我国北方地区出现极端低温天气的可能性更高（左金清，2011），NAO指数的正负相位和ENSO的冷暖相位对我国不同区域的极端气温变化也具有不同的影响特征。从已有的研究来看，许多学者对近60年来我国不同区域、不同尺度的极端气温变化及其对大气环流指数的响应进行了研究，但主要集中在我国南方地区（李娟等，2012；黄强和陈子燊，2014；Tian and Yang，2016）和我国北方地区（Liu et al，2013；Wang et al，2013a）。近年来，已有较多学者开展了我国西北包括新疆地区极端气候事件的研究，但多数研究主要聚焦于极端气候事件的时空变化特征（Wang et al，2013b；Chen et al，2014；张延伟等，2016），而对新疆北部（北疆）极端气温与不同大气环流指数的相关性研究较为匮乏。

北疆地区是我国新疆重要的工农业生产区域，相比新疆南部地区较为湿润，属于干旱半干旱地区，生态环境极其脆弱；在全球气侯变暖的背景下，极端气候事件的频发对该区域生态环境和人民生产生活造成的破坏将更为严重。加强对北疆地区极端气候研究显得尤为重要。本文拟采用线性回归分析、反距离加权插值法和主成分分析法等方法对北疆的极端气温时空变化特征进行研究，并比较分析各极端气温指数的变化对AO指数、NAO指数和ENSO指数的响应，为全面认识该区域极端气温变化提供科学依据。

1 研究区概况

本文研究的北疆地区指的是以我国天山山脊为界的新疆北部地区，地理位置为 79.87° — 91.54°E，42.26° — 49.18°N；该区的地形地势表现为中间低四周高，北部为阿尔泰山，南部为天山，西部为阿拉套山、玛依勒山等，其中部为我国第二大内陆盆地准噶尔盆地。北疆地区为干旱半干旱区，多年平均气温约8℃，多年平均降水量为100 — 200 mm。

Z70 4.0 mmol Zn(NO3)2·6H2O与 280.0 mmol HmIM分别溶解于 8.0 g和 80.0 g DI后，前者迅速倒入后者，并持续搅拌5 min。离心操作后于60 ℃真空烘箱中干燥24 h得白色粉末[12]。

2 数据来源与方法

2.1 数据来源

本文采用的气象数据来源于中国气象科学数据共享服务网（http://cdc.cma.gov.cn），经均值检验和时间一致性检验等选取了北疆地区31个气象站点1960—2012年的逐日气温最高值和日最低值进行分析。大气环流指数AO指数、NAO指数和ENSO指数的逐日、逐月数据均来源于美国国家气候预测中心网站（http://www.cpc.noaa.gov/products/precip/CWlink/），其中ENSO指数采用Nino3.4 区（5°S—5°N，170°W—120°W） 的海温距平（SSTA）来表示。

图1 北疆地区气象站点分布图 Fig.1 Distribution of meteorological stations in Northern Xinjiang

2.2 极端指数的选取及其定义

从变化幅度的绝对值来看，有54%的站点TNn大于TNx，且TNn的变化幅度比TNx高0.12 ℃ · (10a)−1； 而 TXn 仅 有 45% 的 站 点 大 于TXx，且TXn的变化幅度约为TXx的3.0倍。从变化幅度的真实值来看，TXn有29%的站点小于TXx；TNn有50%的站点其真实值大于TNx，有92%的站点大于TXn，且TNn的变化幅度是TXn的2.2倍；从TNx和TXx对比来看，有96%的站点TNx大于TXx，且TNx的变化幅度是TXx的5.0倍。结合各极端指数变化幅度的空间分布来看，大部分指数变幅较大的区域均位于山地、河谷地区，如阿尔泰山山区、伊犁河谷以及巴音布鲁克等地区。北疆地区的山地是我国西北地区冰川储量最为丰富的地区之一，极端低温的不断暖化将使该区域冰川萎缩速率更加迅速。从上述冷暖指数变化幅度的对比分析来看，一些冷指数（TN10p、TXn、TNn）的增温幅度明显大于部分暖指数（TN90p、TXx、TNx），IPCC（2013）、Aguilar et al（2009）研究表明，这种变化的原因主要是由于冬季比夏季较大的变暖幅度造成的，其物理机制是冬季空气中的水汽含量小于夏季，因此冬季温室气体的辐射强迫效应增强进而引起更大幅度的升温。极端气温夜指数（TN90p、TN10p）的变暖幅度也明显大于昼指数（TX90p、TX10p），Peterson et al（2002）、Choi et al（2009）、Wang et al（2013b）也证实了极端最低气温的变暖幅度大于极端最高气温，而且夜指数的变暖幅度大于昼指数；而极端最低气温的不断暖化将使“暖冬”事件发生的频率不断增多，加速西北地区冰川积雪融化速度，一定程度上减少夏季和秋季积雪融水，不利于北疆地区工农业生产对水文水资源的合理利用，影响区域农牧业生产。

2.3 研究方法

采用一元线性方程（y = st + b，s表示极端气温变量的倾向率，s ＞ 0表示上升趋势，s ＜ 0表示下降趋势）对各极端气温指数的时间变化趋势进行线性拟合（Tian et al，2016），其变化趋势的显著性采用时间t与原序列变量y之间的相关系数进行检验（魏凤英，1999）。在Arcgis 10.3软件平台中采用反距离加权插值法对各极端气温指数倾向率的空间分布图进行插值（Li et al，2010）。主成分分析是一种将多个指标化为少数互相无关的综合指标的统计分析方法，能有效处理指标选取较多的复杂问题，并根据实际需要从中选取几个综合指标来尽可能多地反映原来指标的信息（于秀林和任雪松，1998）。

3 结果与分析

3.1 年平均最高、最低气温和DTR的时空变化

北疆地区年平均最高气温（TXam）、年平均最低气温（TNam）和日较差（DTR）的时间变化序列和空间分布如图2a—c所示。可以看出，TNam、TXam均呈显著的上升趋势（P ＜ 0.001），TXam除了个别年份变化较大外，总体波动较小；TNam的变化趋势整体上与TXam相似，但波动范围比TXam大；TNam的上升速率是TXam的2.2 倍，年际上升倾向率分别为 0.49℃ · (10a)−1和 0.22℃ · (10a)−1。近 53 年来，DTR 的变化趋势与 TXam、TNam 明显不同，以 0.27℃ · (10a)−1的年际倾向率呈显著下降趋势（P ＜ 0.001），从1960年至1978年变化较小，1978年之后迅速下降。

从空间尺度来看（图6a—f），FD、ID和TN10p所有气象站点均为下降趋势，其中，FD和TN10p各有92%和75%的站点呈显著下降趋势（P ＜ 0.001），ID有8%的气象站点通过了0.05的显著性检验。FD和TN10p的空间变化趋势一致，变化幅度较大的均位于阿尔泰山的东南部、北疆的西北部和西部的伊犁河谷地区，而变化幅度较小的地区均分布在北疆的东南部地区；且FD和TN10p变化幅度的空间差异较大，FD年际倾向率最小的仅为 −1.35 d · (10a)−1，而最大的达 −6.35 d · (10a)−1，是最小值的 4.7 倍，TN10p年际倾向率最小的为 −0.64 d · (10a)−1，最大的达−5.68 d · (10a)−1 是最小幅度的 8.9 倍。ID 变化幅度较大的地区也位于西北部和伊犁河谷地区，但在阿尔泰山的东南部地区为低值区。

通过新资产管理新规定的出台，不仅打破了刚兑与净值化管理、收紧了相应的通道业务，对存在的资管乱象进行有效的整顿，同时对金融行业的从业人员与行业外的投资人员也带来的了一定的影响。从短期来看，投资者已经不能够向以往一样按手买入能获得确定性高收益的银行理财产品，同时在购买其他资管产品的过程中也会受到一定的限制，但是从发达国家的金融市场发展史来看，这种资产管理新规定能够将系统性的风险进行有效的降低，对人们辛苦积攒的财富起到一定的保护作用。另外，也能够使人们的理财观念逐渐走向成熟，更加喜爱长期投资、分散投资、价值投资等形式的投资方式，从而使中国的金融市场真正的走向正轨，并能够得到长久的发展。

3.2.1 暖指数的时间变化

在“116号文”中，施工临时设施有不同的计算方式：一是列入直接费。如风水电支管支线、简易砂石料加工系统、小型混凝土拌和浇筑系统、木材加工厂、钢筋加工厂、机械修理厂、混凝土预制构件厂、场内施工排水等。二是在施工临时工程中单独列项。如施工交通工程、施工场外供电工程、施工仓库、办公及生活用房等。三是列入其他施工临时工程。如施工供水系统、砂石料系统、混凝土拌和浇筑系统、施工排水、施工通信、施工临时支护设施等。

3.2 极端气温暖指数

在空间尺度上，TXam和TNam的空间变化趋势一致，所有气象站点均为上升趋势（图2d、图2e），且变化幅度空间分布差异较小。其中，TXam有42%的气象站点通过了0.05显著性检验，主要位于北疆东北部、西北部和伊犁河谷地区。而TNam有96%的气象站点通过了0.01显著性检验，上升趋势较为明显，上升速率较大的站点主要位于东北和西北部地区，两个指数上升幅度较小的站点均位于南部地区。DTR虽然整体呈显著下降趋势（图2f），但依然有8%的站点呈不显著上升趋势，主要位于阿尔泰山东北部和北疆东南部地区；DTR下降趋势较大的地区与TXam和TNam变化趋势较大地区在空间分布上较为一致。

3.3.1  冷指数的时间变化

表1 极端气温指数的定义 Tab.1 The def i nitions of extreme temperature indices

注：TX：日最高气温，TN：日最低气温。 Note: TX: daily maximum temperature, TN: daily minimum temperature.

编号NO.指数名称Indices name指数Indices单位Unit指数定义Def i nition 1 TXam 年平均最高气温Annual mean TX年内TX的平均值Arithmetic mean of monthly mean value of TX ℃2 TNam 年平均最低气温Annual mean TN 3 DTR 气温日较差Diurnal temperature range年内TN的平均值Arithmetic mean of monthly mean value of TN ℃年内日最高气温与最低气温的差值Mean diあerence between TX and TN ℃4 GSL 生物生长季Growing season length日平均气温＞5℃ 的日数Annual count between fi rst span of at least 6 days with TG＞5ºC and fi rst span in second half of the year of at least 6 days with TG＜5ºC d 5 SU 夏日日数Summer days日最高气温（TX）＞25ºC 的日数Annual count when TX (daily maximum)＞25ºC d极端气温暖指数Indices of warm temperature extremes 6 TR 热夜日数Tropical nights 7 TNx 日最低气温极大值Highest Tmin 8 TXx 极端最高气温Highest Tmax年内日最低气温（TN）＞20℃的日数Annual count when TN (daily minimum)＞20ºC d年内日最低气温（TN）的极大值Monthly highest TN ℃年内日最高气温（TX）的极大值Monthly highest TX ℃9 TN90p 暖夜日数Warm nights 10 TX90P 暖昼日数Warm days日最低气温（TN）大于1960 — 2012的第90个百分位数值的日数Count of days when TN ＞ 90th percentile of 1960 — 2012日最高气温（TX）大于1960 — 2012的第90个百分位数值的日数Count of days when TX ＞ 90th percentile of 1960 — 2012 d d 11 FD 霜冻日数Frost days 12 ID 冰冻日数Ice days年内日最低气温（TN）＜ 0 °C的日数Annual count of days when TN ＜ 0 °C d年内日最高气温（TX）＜ 0 °C的日数Annual count of days when TX ＜ 0 °C d极端气温冷指数Indices of cold temperature extremes 13 TNn 极端最低气温Lowest Tmin 14 TXn 日最高气温的极小值Lowest Tmax 15 TN10p 冷夜日数Cold nights每个月日最低气温（TN）的极小值Monthly lowest TN ℃每个月日最高气温（TX）的极小值Monthly lowest TX ℃日最低气温（TN）小于1960 — 2012的第10个百分位数值的日数Count of days when TN ＜ 10th percentile of 1960 — 2012 d 16 TX10p 冷昼日数Cold days日最高气温（TX）小于1960 — 2012的第10个百分位数值的日数Count of days when TX ＜ 10th percentile of 1960 — 2012 d

3.2.2 暖指数的空间分布

根据涌流理论，当三个条件（挑战性-技巧平衡、清晰的目标和明确的反馈）具备时，涌流体验产生。在口译的过程当中，译员的目标十分清晰，简而言之，即将听到的语言译成另一种语言使双方达到沟通的目标；另外，当译员在译时接受到及时的反馈（如观众的反应、演讲人的眼神等）同时认为自己的口译能力能够胜任要求的时候，理论上译员会进入涌流状态。

从各极端暖指数空间分布趋势来看（图4 a—g），GSL和TX90p空间变化趋势一致，变化幅度较大的区域主要位于东北阿尔泰山地区和巴音布鲁克草原以北的山地，较小的区域均位于西部温泉等地区，但GSL变化幅度的空间分布差异较大，年际倾向率最大的站点达 4.71 d · (10a)−1，最小的仅为 0.26 d · (10a)−1，而 TX90p 变幅的空间分布差异较小；尽管GSL在北疆地区总体呈显著上升趋势，但在西部的温泉等地依然有4%的站点年际倾向率为下降的趋势，而TX90p有12%的站点呈下降趋势。

图2 年平均最高、最低气温和DTR的时空变化 Fig.2 Temporal and spatial variation of TXam, TNam and DTR

图中黑色线条表示各指数时间变化序列，绿色线条表示5 a滑动平均线，红色虚线表示线性趋势，下同。 Black line represent regional annual average, green line is five-year-moving average, red line is line tendency. The same as below.

TN90p和TNx的空间变化趋势相似，总体上与GSL等一致，但这两者均有4%的站点年际倾向率为下降趋势，均分布在阿尔泰山南麓地区；TN90p变化幅度的空间分布差异较大，年际倾向率绝对值最小的仅 0.15 d · (10a)−1，最大达5.00 d · (10a)−1是最小变化倾向率的 33 倍。SU 和TXx的空间变化趋势相同，总体上表现为东北部地区变化趋势较大，南部和西部地区变化趋势较小或为下降趋势；其中，SU有8%的站点呈显著下降趋势（P ＜ 0.001），而TXx有33%的站点呈明显下降趋势。TR的空间变化趋势与其他暖指数表现出明显的差异性，其变化幅度较大的地区均位于阿拉山口附近，而其他地区的差异较小；TR有12%的站点年际倾向率呈下降趋势，主要分布在阿尔泰山的东北地区和东南部地区。

3.3 极端气温冷指数

近53年来北疆地区极端暖指数（GSL、TN90p、TX90p、SU、TNx、TXx、TR） 的 时 间变化序列如图3a—g所示。可以看出，极端暖指数GSL、TN90p、TNx和TR均呈显著上升趋势（P ＜ 0.001），年际倾向率分别为 2.52 d · (10a)−1、3.18 d · (10a)−1、0.45℃ · (10a)−1 和 1.14 d · (10a)−1；而TX90p、SU和TXx均表现为不显著上升趋势，年际 倾 向 率 分 别为 1.24 d · (10a)−1、1.58 d · (10a)−1 和0.09℃ · (10a)−1。 其 中，GSL、TN90p、TX90p 和SU变化趋势相似，均呈“W”型波动变化；TNx虽总体呈显著的上升趋势，但年波动较大；TXx在20世纪90年代之前先上升后下降，波动较大，20世纪90年代之后呈缓慢的波动上升趋势；TR在1960—1980年间经历了两次上升—下降的趋势变化，20世纪80年代至90年代中变化较小，20世纪90年代之后迅速上升，且波动较大。

近53年北疆地区极端冷指数（FD、ID、TN10p、TX10p、TNn和TXn）的时间变化序列如图5a—f所示。可以看出，极端冷指数FD、ID、TN10p和TX10p均呈下降趋势，其年际倾向率分别为 −3.70 d · (10a)−1、−1.46 d · (10a)−1、−3.41 d · (10a)−1和 −1.26 d · (10a)−1，其中 FD 和 TN10p 呈显著下降趋势（P ＜ 0.001）。而TNn和TXn均表现为不显著的上升趋势，其年际倾向率分别为0.57 ℃ · (10a)−1和 0.26℃ · (10a)−1。

4.2.1 极端气温指数主成分分析

定义7 设X为一非空集合，υ1=(A1,λ1),υ2=(A2,λ2)是定义在X上的两个智立方集，则υ1和υ2之间的可能度公式为

图3 极端气温暖指数的时间变化序列 Fig.3 Temporal variation of indices of warm temperature extremes

图4 极端气温暖指数的空间分布 Fig.4 Spatial distribution pattern of warm temperature extremes

图5 极端气温冷指数的时间变化序列 Fig.5 Temporal variation of indices of cold temperature extremes

图6 极端气温冷指数的空间分布 Fig.6 Spatial distribution pattern of cold temperature extremes

TX10p的年际倾向率的空间分布与FD、TN10p一致，但TX10p有8%的站点表现为上升趋势，主要为西部的温泉地区和乌鲁木齐等地区。TNn和TXn变化幅度的空间分布相似，总体来看两者的空间分布与FD、ID、TN10p等类似，变化幅度较大的主要分布在阿尔泰山的东南部、西部的伊犁河谷和北疆的西北部等地区，而变化幅度较小或为下降趋势的站点主要位于东南部地区；虽然两个指数总体上呈上升趋势，但TNn有8%的站点呈下降趋势，而TXn有17%的站点呈下降趋势，且TNn和TXn变化幅度的空间差异较小。

4 讨论

4.1 极端气温冷暖指数变化幅度对比

为研究北疆地区日最高温和最低温的相对变化情况，将极端暖指数和冷指数的变化幅度进行对比分析（表2）。分析结果表明：FD有92%的站点变化幅度大于TR，且FD的变化幅度是TR的13.7倍；ID和SU的变化幅度差异较小，但ID有25%的站点变化幅度大于SU；TN10p有96%的站点变化幅度大于TX10p，有50%的站点变化幅度大于TN90p，且TN10p的变化幅度是TX10p的2.7倍，但和TN90p差别较小；约92%的站点TN90p变化幅度大于TX90p，且TN90p的变化幅度比TX90p大2.6倍；同时，TX10p有54%的站点变化幅度大于 TX90p，但其变化幅度仅相差 0.02 d · (10a)−1。

表2 极端冷暖指数变化幅度对比分析 Tab.2 Number and proportion of individual stations where the trend magnitudes between warm and cold temperature extremes

气温指数对比Indices comparison站点比例Percentage比较依据Comparison basis气温指数对比Indices comparison站点比例Percentage比较依据Comparison basis FD ＞ TR 92% 绝对值 Absolute value TNn ＞ TNx 54% 绝对值 Absolute value ID ＞ SU 25% 绝对值 Absolute value TXn ＞ TXx 45% 绝对值 Absolute value TN10p ＞ TX10p 96% 绝对值 Absolute value TNn ＞ TNx 50% 真实值 Real value TN90p ＞ TX90p 92% 绝对值 Absolute value TNn ＞ TXn 92% 真实值 Real value TN10p ＞ TN90p 50% 绝对值 Absolute value TNx ＞ TXx 96% 真实值 Real value TX10p ＞ TX90p 54% 绝对值 Absolute value TXx ＞ TXn 29% 真实值 Real value

极端气温指数的定义采用世界气象组织“气候变化检测和指标”（http://cccma.seos.uvic.ca/ETCCDI）推荐使用的极端气候指标（Keggenhoあet al，2014），选取其中14个广泛使用的极端气温指数和年平均最高、最低气温指数，各气温指数及其定义如表1所示。16个气温指数在计算前均通过RClimDex （Wang et al，2013b）软件进行严格的质量控制，并通过人工检验同相邻站点的记录进行比对，将合理的保留，不合理的按缺测处理，随后采用RClimDex软件进行极端气温指数的计算。

4.2 极端气温冷暖指数的影响因素分析

3.3.2 冷指数的空间分布

(2)实施差别化产业政策，推动资本密集型制造业大发展。在推动中国产业结构升级过程中，根据制造业结构变迁的规律，应推动制造业结构由劳动密集型为主转向资本密集型为主，并进一步转向技术密集型为主。当前是资本密集型制造业的大发展阶段，应实施有利于资本密集型制造业发展的差别化产业政策，推动制造业结构优化升级。

主成分分析结果表明，KMO检验指数为0.732，3个主成分累积贡献率达到79.4%，特征值也都大于1，符合分析要求（表 3）。由表 3 可看出，第一主成分占方差贡献率的36.1%，除了DTR、ID、TN10p、TX10p、TNn、TXn之外，各极端气温指数的载荷值都比较高，其中暖指数GSL、SU、TN90p、TNx、TR、TX90p、TXx的载荷值均在0.60以上，而冷指数FD、ID等均为负载荷，相关性分析表明（表 4），各暖指数间均呈显著正相关（P ＜ 0.01），同时与冷指数（FD、ID、TN10p等）均呈负相关。第二主成分因子中载荷较高的有FD、ID、TN10p、TNn、TX10p、TXn，占方差贡献率的28.9%；其中，FD、ID、TN10p、TX10p均为负载荷，TNn和TXn均为正载荷，载荷值分别为0.91和0.92。由表3可知，GSL在第二主成分中载荷值高达0.53，在第一主成分中载荷值为0.66；相关性分析显示GSL与暖指数（SU、TN90p、TNx、TR、TX90p）呈显著正相关（P ＜ 0.01）， 与 冷 指 数（FD、ID、TN10p、TX10p）呈显著负相关（P ＜ 0.01），结合研究区近53年的冷暖指数变化趋势分析，表明在北疆地区GSL主要受到最低气温变化的影响，研究区最低气温的上升是GSL增加的主要原因。

表3 北疆地区极端气温指数主成分分析结果 Tab.3 Results of factor loadings perceptual explained variance in temperature extremes

Indices DTR FD GSL ID SU TN10p TN90p TNn TNx TR TX10p TX90p TXnTXx 特征值Eigenvalue指数方差Variance主成分Component 1 0.01 −0.68 0.66 −0.34 0.88 −0.43 0.69 −0.09 0.73 0.88 −0.48 0.74 −0.16 0.69 7.2 36.1%2 −0.05 −0.46 0.53 −0.72 0.03 −0.62 0.42 0.91 0.11 0.01 −0.74 0.49 0.92 −0.05 2.5 28.9%3 0.98 0.31 0.00 0.11 0.12 0.55 −0.48 −0.18 −0.52−0.27 0.01 0.01 −0.01 −0.03 1.5 14.4%

表4 极端气温指数相关性分析 Tab.4 The Pearson correlation matrix of temperature extremes

指数IndicesTXam TNam DTR FD GSL ID SU TN10p TN90pTNn TNx TR TX10p TX90pTXn TNam 0.86**DTR −0.04 −0.55**FD −0.78** −0.83** 0.35*GSL 0.78** 0.68**−0.06 −0.87**ID −0.79** −0.73** 0.13 0.52**−0.54**SU 0.59** 0.44** 0.10 −0.59** 0.57**−0.15 TN10p −0.75** −0.92** 0.58** 0.74**−0.59** 0.62**−0.41**TN90p 0.78** 0.92**−0.50**−0.83** 0.68**−0.61** 0.54**−0.75**TNn 0.57** 0.58**−0.20 −0.34* 0.35* −0.55**−0.05 −0.58** 0.39**TNx 0.55** 0.69**−0.45**−0.60** 0.43**−0.43** 0.51**−0.63** 0.74** 0.22 TR 0.58** 0.61**−0.24 −0.61** 0.53**−0.26 0.79**−0.54** 0.71** 0.04 0.80**TX10p −0.88** −0.76** 0.05 0.66**−0.67** 0.70**−0.51** 0.81**−0.56**−0.56**−0.38* −0.44**TX90p 0.87** 0.73** 0.00 −0.70** 0.70**−0.65** 0.61**−0.53** 0.83** 0.41** 0.60** 0.63**−0.58**TXn 0.52** 0.46**−0.04 −0.26 0.31* −0.49**−0.08 −0.47** 0.27 0.95** 0.06 −0.07 −0.54**0.36**TXx 0.42** 0.34* 0.02 −0.30* 0.26 −0.33* 0.44**−0.25 0.42**−0.01 0.70** 0.56**−0.27 0.49** −0.07注：*为 在0.05 水平（双尾检验）上显著相关；**为在0.01水平（双尾检验）显著相关。Note: * is 0.05 conf i dence level, ** is 0.01 conf i dence level.

第三主成分占方差贡献率的14.4%，DTR在第三主成分中为高载荷，载荷值高达0.98，该指数反映了最高气温与最低气温变化的关系。前文分析表明，北疆地区年平均最高气温（TXam）以0.22 ℃ · (10a)−1 趋势上升，而最低气温（TNam）以 0.49 ℃ · (10a)−1 的年际倾向率显著上升，两者的变化趋势具有明显的不对称性；因此，北疆地区DTR的变化由两者共同影响，其变化随着最高气温和最低气温的变化有缩小迹象（图2c）。

进一步分析各极端冷暖指数与TXam和TNam的相关关系可以看出（表4），各暖指数（GSL、SU、TN90p、TNx、TR、TX90p、TXx）与 TXam和TNam均呈显著正相关关系（P ＜ 0.01），而冷指 数（FD、ID、TN10p、TX10p） 均 与 TXam、TNam呈显著负相关关系（P ＜ 0.01），表明在全球气候系统变暖的大背景下，北疆地区的极端气温事件主要受日最高、最低气温升高的影响，而日最低气温的升高对各极端指数的影响更为明显，北疆地区的这一变化特征与美洲的加勒比海地区（Peterson et al，2002）和亚太等地区（Choi et al，2009）极端气温指数的变化特征基本一致。

4.2.2 大气环流指数和ENSO对北疆极端气温的    影响分析

随着我国科技和经济的不断发展，矿山生产的日处理能力大幅度提升，机械设备大型化、自动化，厂房规模越来越大，矿山建设水平要求越来越高，所以矿山工业厂房的建筑设计思路中应推陈出新，把新的理念加入到矿山建筑的设计中来，把矿山建筑打造成在满足工艺生产要求时，又富含人性化的节能环保绿色建筑。

气温的变化与大气环流密切相关，极端气温事件的发生通常都是由异常的天气波动造成，而大气环流的异常对极端气温事件的发生提供了基本的气候背景（李娟等，2012）。姚遥和罗德海（2014）发现，不同的大气环流对不同区域极端气温的影响不同。为进一步分析北疆地区极端气温事件与不同大气环流指数之间的关系，本文选取了AO、NAO指数和ENSO指数与北疆极端气温事件进行Perason相关性分析，分析结果如表5所示。

由此可知，开孔圆柱壳屈曲临界载荷最小，含补强件的圆柱壳次之，未开孔的圆柱壳临界载荷最大。说明开孔降低了壳体屈曲临界载荷，补强提高了壳体屈曲临界载荷。

可看出，AO指数与北疆地区各极端气温指数的相关性最强，尤其是与极端冷指数的相关性最为明显；NAO指数与暖指数相关性均不显著，但与极端冷指数（TNn、TXn）呈显著正相关；而ENSO与各极端指数的相关性均不显著。Ma et al（2016）基于湖泊沉积物粒度指标分析发现，我国北疆地区的艾比湖流域气候系统受AO影响较为显著；其次是NAO指数，而大多数极端冷指数受这两种大气环流指数（AO、NAO）的影响尤其明显；但 ENSO对北疆地区极端气温的影响较小，其原因可能是在长时间序列的研究中，由于ENSO事件的滞后性等特征，其对区域年际气温变化的影响程度不显著（徐静，2013）。

表5 大气环流指数与极端气温指数相关性分析 Tab. 5 The Pearson correlation matrix of atmospheric circulation versus temperature extremes

注：*为在0.05 水平（双尾检验）上显著相关；**为在0.01水平（双尾检验）显著相关。 Note: * is 0.05 conf i dence level, ** is 0.01 conf i dence level.

指数IndicesTXam TNam DTR FD GSL ID SU TN10pTN90p TNn TNx TR TX10pTX90p TXn TXx AO 0.37** 0.40** −0.17 −0.31* 0.23 −0.28* 0.15 −0.42** 0.27* 0.34* 0.06 0.09 −0.41** 0.17 0.33* 0.11 NAO 0.22 0.19 −0.03 −0.14 0.13 −0.11 0.08 −0.23 0.09 0.36** −0.01 −0.04 −0.25 0.06 0.35** 0.10 ENSO 0.14 0.23 −0.20 −0.23 0.11 −0.17 −0.06 −0.19 0.22 0.19 0.11 −0.09 −0.05 0.21 0.11 0.01

5 结论

本文主要运用了年均最高气温、年均最低气温和14个极端气温指数来研究北疆地区极端气温事件的时空变化特征及其对大气环流指数AO、NAO、ENSO的响应。得出以下结论：

（1）时间变化上，近53年北疆地区年平均最高、最低气温均呈显著升高趋势，尤其是年平均最低气温在近40年的升温最为明显，DTR表现为显著的下降趋势。暖指数GSL、TN90p、TNx和TR均表现为显著的上升趋势，而TX90p、SU和TXx则表现为不显著的上升趋势。冷指数FD、ID、TN10p和TX10p均呈下降趋势，其中FD和TN10p呈显著下降趋势；而TNn和TXn均表现为不显著的上升趋势。

（2）空间尺度上，各指数空间分布差异明显，如TXam、TNam和DTR变化趋势较大地区均位于阿尔泰山和塔城地区；极端暖指数GSL和TX90p变化幅度较大区域主要位于阿尔泰山的东北地区和巴音布鲁克草原以北的山地，较小区域均位于西部温泉等地区，而其他指数变化差异较大的区域也主要位于以上山地以及伊犁河谷等地区。

（3）从各极端指数的变化幅度来看，冷指数（TN10p、TXn、TNn） 的增温幅度明显大于部分暖指数（TN90p、TXx、TNx）；夜指数（TN90p、TN10p） 的变暖幅度也明显大于昼指数（TX90p、TX10p）。

（4）主成分分析的结果可将14个极端气温指数划分为三个主成分，累积解释了79.4%的方差变率；Perason相关性分析表明除了DTR和GSL，各指数之间均具有较好的相关性，其中各暖指数之间、各冷指数呈显著的正相关关系，而冷指数与暖指数之间则呈显著的负相关关系。

如果空调区域负载发生变化，可以更改供气温度以调节室温并确保温度舒适。如：新型风力发电机组，DDC控制程序如下：启动新风机组风机—新风阀联锁开启—结合温、湿度，控制冷、热盘管电动阀的开度和加湿阀的开关—温度过低，风扇停止运转，新风阀联锁关闭，电动水阀打开，报警—报警过滤器灰尘过多—停机，联锁关闭。

（5）北疆地区极端气温事件受AO指数的影响最大，其次是NAO指数，而大多数极端冷指数受这两种大气环流指数（AO、NAO）的影响尤其明显；但 ENSO对北疆地区极端气温的影响较小。

参考文献

黄 强, 陈子燊. 2014. 全球变暖背景下珠江流域极端气温与降水事件时空变化的区域研究[J]. 地球科学 进 展 , 29(8): 956 – 967. [Huang Q, Chen Z S. 2014.Regional study on the trends of extreme temperature and precipitation events in the Pearl River Basin [J]. Advances in Earth Science, 29(8): 956 – 967.]

李 娟, 董文杰, 严中伟. 2012. 中国东部1960 — 2008年夏季极端温度与极端降水的变化及其环流背景[J].科 学 通 报 , 57(8): 641 – 646. [Li J, Dong W J, Yan Z W. 2012. Changes of climate extremes of temperature and precipitation in summer in eastern China associated with changes in atmospheric circulation in East Asia during 1960 — 2008 [J]. Chinese Science Bulletin, 57(8):641 – 646.]

秦大河, Stocker T. 2014. IPCC 第五次评估报告第一工作组报告的亮点结论 [J]. 气候变化研究进展, 10(1):1 – 6. [Qin D H, Stocker T. 2014. Highlights of the IPCC Working Group I Fifth Assessment Report [J]. Advances Climate Change Research, 10(1): 1 – 6. ]

沈永平，王国亚. 2013. IPCC第一工作组第五次评估报告对全球气候变化认知的最新科学要点[J]. 冰川冻土 , 35(5): 1068 – 1076. [Shen Y P, Wang G Y. 2013.Key findings and assessment results of IPCC WGI Fifth Assessment Report [J]. Journal of Glaciology Geocryology, 35(5): 1068 – 1076. ]

魏凤英. 1999. 现代气候统计诊断与预测技术[M]. 北京:气象出版社. [Wei F Y. 1999. Diagnose and forecast technology of modern climate statistics [M]. Beijing:China Meteorological Press. ]

徐 静. 2013. ENSO事件对青海省旱涝灾害影响研究[D].杨凌：西北农林科技大学. [Xu J. 2013. The impact of ENSO events to droughts and fl oods in Qinghai Provice [D].Yang Ling: Northwest Agriculture and Forestry University.]

姚 遥，罗德海. 2014. 北大西洋涛动的纬向位置与大西洋-欧洲阻塞活动的关系以及对欧洲天气的可能影响[J].中国科学:地球科学, 44(11): 2565 – 2575. [Yao Y, Luo D H. 2014. Relationship between zonal position of the North Atlantic Oscillation and Euro-Atlantic blocking events and its possible eあect on the weather over Europe [J]. Science China: Earth Sciences, 57: 2628 – 2636. ]

于秀林，任雪松. 1998. 多元统计分析[M]. 北京: 中国统计出版社. [Yu X L, Ren X S. 1998. Multivariate statistical analysis [M]. Beijing: China Statistics Press.]

张延伟, 葛全胜, 姜逢清, 等. 2016. 北疆地区1961 — 2010年极端气温事件变化特征[J]. 地理科学, 36(2):296 – 302. [Zhang Y W, Ge Q S, Jiang F Q, et al. 2016.Evolution characteristics of the extreme high and low temperature event in North Xinjiang in 1961 — 2010 [J].Scientia Geographica Sinica, 36(2): 296 – 302.]

左金清. 2011. AO/NAO与ENSO的联系及其对中国气候异常的影响[D]. 兰州: 兰州大学. [Zuo J Q. 2011.Relationship between AO/NAO and ENSO and their impact on climate anomalies in China [D]. Lanzhou:Lanzhou University.]

Aguilar E, Aziz Barry A, Brunet M, et al. 2009. Changes in temperature and precipitation extremes in western central Africa, Guinea Conakry, and Zimbabwe,1955 — 2006 [J]. Journal of Geophysical Research,114, D02115. DOI: 10.1029/2008JD011010.

Alexander L V, Zhang X, Peterson T C, et al. 2006. Global observed changes in daily climate extremes of temperature and precipitation [J]. Journal of Geophysical Research,111, D05109. DOI: 10.1029/2005JD006290.

Caesar J, Alexander L V, Trewin B, et al. 2011. Changes in temperature and precipitation extremes over the Indo-Pacific region from 1971 to 2005 [J]. International Journal of Climatology, 31(6): 791 – 801.

Chen Y N, Deng H J, Li B, et al. 2014. Abrupt change of temperature and precipitation extremes in the arid region of Northwest China [J]. Quaternary International, 336:35 – 43.

Choi G, Collins D, Ren G, et al. 2009. Changes in means and extreme events of temperature and precipitation in the Asia-Pacific Network region, 1955 — 2007 [J].International Journal of Climatology, 29(13): 1906 – 1925.

Fang S, Qi Y, Han G, et al. 2015. Changing trends and abrupt features of extreme temperature in mainland China during 1960 to 2010 [J]. Earth System Dynamics Discussions,6(1): 979 – 1000.

Fioravanti G, Piervitali E, Desiato F. 2016. Recent changes of temperature extremes over Italy: an index-based analysis [J].Theoretical and Applied Climatology, 123(3 / 4): 473 – 486.

Guan Y, Zhang X, Zheng F, et al. 2015. Trends and variability of daily temperature extremes during 1960 — 2012 in the Yangtze River Basin, China [J]. Global and Planetary Change, 124: 79 – 94.

IPCC. 2013. Climate Change 2013: The Physical Science Basis.Contribution of Working Group to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [R].Cambridge University Press: Cambridge, UK; New York, NY,USA, 2013.

Keggenhoあ I, Elizbarashvili M, Amiri-Farahani A, et al. 2014.Trends in daily temperature and precipitation extremes over Georgia, 1971 — 2010 [J]. Weather and Climate Extremes, 4: 75 – 85.

Li L, Li C Y, Song J. 2012. Arctic Oscillation anomaly in winter 2009/2010 and its impacts on weather and climate [J].Science China: Earth Sciences, 55(4): 567 – 579.

Li Z, Zheng F L, Liu W Z, et al. 2010. Spatial distribution and temporal trends of extreme temperature and precipitation events on the Loess Plateau of China during 1961 — 2007 [J].Quaternary International, 226(1 / 2): 92 – 100.

Liu W, Zhang M, Wang S, et al. 2013. Changes in precipitation extremes over Shaanxi Province, northwestern China,during 1960 — 2011 [J]. Quaternary International, 313:118 – 129.

Ma L, Wu J L, Jilili Abuduwaili. 2016. Variation in aeolian environments recorded by the particle size distribution of lacustrine sediments in Ebinur Lake, northwest China [J].SpringerPlus, 5: 481. DOI: 10.1186/s40064-016-2146-0.

Mann M E, Bradley R S, Hughes M K. 1998. Global-scale temperature patterns and climate forcing over the past six centuries [J]. Nature, 392(6678): 779 – 787.

Mann M E, Bradley R S, Hughes M K. 2000. El Niño and the Southern Oscillation: Multiscale variability and its impacts on natural ecosystems and society [M]//Díaz H F,Markgraf V. New York: Cambridge University.

Peterson T C, Taylor M A, Demeritte R, et al. 2002. Recent changes in climate extremes in the Caribbean region [J].Journal of Geophysical Research: Atmospheres, 107(D21).DOI: 10.1029/2002JD002251.

Tian Q, Yang S. 2016. Regional climatic response to global warming: Trends in temperature and precipitation in the Yellow, Yangtze and Pearl River basins since the 1950s [J].Quaternary International, 440: 1 – 11.

Visbeck M, Chassignet E P, Curry R G, et al. 2003. The ocean’s response to North Atlantic Oscillation variability [M]//Hurrell J W, Kushnir Y, Ottersen G, et al. The North Atlantic Oscillation: climatic signif i cance and environmental impact.Geophysical Monograph 134. Washington, DC: American Geophysical Union: 113 – 146.

Wang B, Zhang M, Wei J, et al, 2013a. Changes in extreme precipitation over Northeast China, 1960 — 2011[J]. Quaternary International, 298: 177 – 186.

Wang B, Zhang M, Wei J, et al, 2013b. Changes in extreme events of temperature and precipitation over Xinjiang,northwest China, during 1960 — 2009 [J]. Quaternary International, 298: 141 – 151.

Yan Z, Jones P D, Davies T D, et al. 2002. Trends of extreme temperatures in Europe and China based on daily observations [J]. Climatic Change, 53(1/2 /3):355 – 392.

Zhou B T, Xu Y, Wu J, et al. 2016. Changes in temperature and precipitation extreme indices over China: analysis of a high-resolution grid dataset [J]. International Journal of Climatology, 36(3): 1051 – 1066.