包頭地區極端溫度天氣事件的百分位閾值計算與檢驗

摘要 選取1971—2020年逐日氣象資料，利用百分位法對2種不同的樣本序列進行極端高溫、極端低溫天氣事件的閾值計算。2種樣本序列的確定方法：一種是由逐年日最高（低）氣溫第95（5）百分位、第99（1）百分位氣溫值組成的樣本序列；另一種是由逐年日最高（低）氣溫極值、次極值組成的極值樣本序列。通過計算，得到2組不同的極端高溫、極端低溫天氣事件的百分位閾值，2種樣本下閾值差距較大。極值樣本的極端天氣事件發生概率更低，一旦出現，基本可以確定為極端天氣。極端溫度天氣事件不僅包含夏季極端高溫、冬季極端低溫，在每個月都有可能出現超過歷年同期極值的天氣事件。最后利用月尺度的極值序列給出了逐月極端溫度天氣事件閾值。

關鍵詞 極端天氣；百分位閾值；高溫；低溫

中圖分類號：P423.3+6 文獻標識碼：B 文章編號：2095–3305（2023）03–0086-03

包頭市自1951年建立第一個氣象站至今已有7個國家基本氣象站，120多個自動氣象站。2000年以來，各國家站及多個自動站都出現了接近或超過建站以來的氣象記錄，如2018年8月27日達茂旗國家站出現了103.5 mm的建站以來單日最強降水；土右旗國家站2022年8月14日出現了98.2 mm的建站以來單日最強降水；2010年7月下旬，全市范圍內國家站都出現了建站以來可以排到前5的高溫天氣，其中當時市區最高氣溫達到了40.1 ℃。極端天氣逐漸被人們關注，也更多地被媒體輿論解讀。國內許多學者都對極端天氣展開了研究，如任福民等[1]、任晨辰等[2]研究了我國年、季極端氣溫的變化趨勢，任健美[3]、曹賀予[4]等都分析了各自省份的極端天氣特征，焦浩然等[5]關注了極端氣溫對城市人群健康風險的影響，高雪[6]、劉杰[7]等進行了極端氣候變化對水稻氣候產量、農業經濟產出的實證研究。2021年8月，政府間氣候變化專門委員會（IPCC）發布了第六次評估報告，首次將極端天氣事件的變化單獨用一章內容進行闡述。參考李嬌等[8]對極端氣溫事件中閾值確定方法的比較中，選用百分位法作為包頭地區極端天氣閾值的確定方法，以了解包頭地區極端溫度天氣事件的發生情況[9]。

1 資料選取與研究方法

1.1 資料選取

選取1971—2020年，包頭市區、土右旗、固陽縣、達茂旗4個代表站逐日最高氣溫、最低氣溫數據作為基礎數據，得到2種樣本序列。樣本序列1：將逐年逐日最高（低）氣溫按升序排列，計算第95（5）百分位、第99（1）百分位氣溫值，得到2組樣本；樣本序列2：選取逐年日最高（低）氣溫中的極大（小）值、次極大（小）值組成極值樣本。

1.2 研究方法

極端天氣是小概率氣候事件，但卻有著破壞性大、突發性強、難以預測的特點。在氣象行業，通常將日最高氣溫≥35 ℃定義1個高溫日；將日降水量≤50 mm定義為1個暴雨日。這些都是用絕對閾值描述極端天氣的傳統定義，此類定義法容易忽略地域差異。隨著數學、物理方法在氣象分析中的應用，出現了相對閾值定義法，比如引入概率分布函數計算不同概率下，即不同重現期的天氣事件閾值，可以體現地域差異；又如百分位閾值法，即當取不同百分位閾值時，極端天氣事件的強度也有所不同。采用百分位法探討極端天氣閾值，即經驗排序法：

設某個變量有n個值，將n個記錄按升序排列，得到X1， X2， X3，…， Xm，…， Xn，則百分位值為：

X0 =（1-a）Xj +a Xj+1（1）

式中：j=[p（n+1）]，a=p（n+1）-j。j為變量，記錄按照升序排列后的序號；p為百分位值對應的概率；方括號表示數值取整；n為序列樣本容量。

參考章大全[10]的數據處理思路，即樣本1的提取方法，選出50個第95（5）百分位氣溫值和50個第99（1）百分位氣溫值，再各自求多年平均值，得到第95（5）百分位、第99（1）百分位極端溫度天氣事件閾值，稱為平均閾值。將1971—2020年逐年日氣溫的極值、次極值組成100個樣本的樣本2序列，再進行第90百分位、第95百分位氣溫值的計算，得到極值序列的極端溫度天氣事件閾值。《內蒙古地區極端高溫、低溫和降水標準》（DB15/T 933—2015）便是用1981—2010年逐年日最高氣溫、日最低氣溫、日降水量的極值、次極值升（降）序排列取第95（5）百分位所對應的數據作為極端天氣事件的閾值[11]。樣本2序列的處理也是采用了地標處理方法擴充樣本進行的閾值確定。

2 高溫天氣事件

2.1 高溫天氣事件變化趨勢

列舉本市4個代表站1971—2020年間年最高氣溫、日最高氣溫平均值2個樣本序列，得到線性趨勢如圖1和圖2所示。受山脈地形的影響，分布在陰山以南、陰山以北的地域表現出不同的氣候特征，在此選取位于山南的包頭市區和位于山北的達茂旗進行代表分析。

由圖可見，市區年最高氣溫隨時間表現出略微下降趨勢（此處趨勢可能由于該站在2013年進行過站址變遷），達茂旗則為明顯上升的趨勢；市區、達茂旗逐年日最高氣溫平均值均為隨時間增加趨勢。

2.2 極端高溫天氣事件閾值計算

按照經驗排序法計算2種樣本下各自百分位閾值。由樣本1得到的平均閾值和超過該閾值的高溫天氣次數見表1，由樣本2得到的極值序列閾值及超過該閾值的高溫天氣次數如表2所示。

2.3 結果分析

將第99百分位平均閾值確定為樣本一的極端高溫閾值，將第95百分位極值序列閾值認為是樣本2的極端高溫閾值，則2種閾值相差了4.4～7.5 ℃。再與絕對閾值相比，即使第99百分位的平均閾值也全部低于35 ℃，但第90百分位的極值閾值已在35 ℃以上。

比較2個樣本各自超過高溫閾值的天氣事件發生次數，無論在何種百分位上，均值閾值序列都可以保證足夠的樣本，但在高百分位上，極值序列樣本數量極少。第95百分位極值閾值發生概率極低，一旦達到基本可以確定為極端天氣，而達到第99百分位的平均閾值的可以認為是強天氣。

3 低溫天氣事件

3.1 低溫天氣事件變化趨勢

列舉4個代表站1971—2020年逐年年最低氣溫、日最低氣溫平均值，可得變化趨勢（圖3、圖4）。

由圖可見，市區、土右旗、固陽縣、達茂旗逐年年最低氣溫、日最低氣溫平均值隨時間的變化趨勢均呈明顯上升趨勢。

3.2 極端低溫天氣事件閾值計算

采用與極端高溫閾值同樣的樣本選取與計算處理方法，得到樣本1極端低溫天氣平均閾值和相應的天氣發生次數（表3），記錄樣本2極值閾值和相應的天氣發生次數（表4）。

3.3 結果分析

將第1百分位平均閾值確定為樣本1序列的極端低溫閾值，將第5百分位極值序列閾值認為是樣本2的極端低溫閾值。2種極端低溫閾值的比較，與極端高溫閾值有著相似的結論。

4 其他極端溫度天氣

以上所討論的都是夏季極端高溫和冬季極端低溫天氣事件閾值，但極端溫度在每年的各個月份都有可能出現，由此需要討論逐月的氣溫值。由此，給出由月內日數據組成的極值序列找到的1971—2020年逐月最高氣溫、最低氣溫的第95（5）百分位閾值供補充（表5、表6）。

5 結束語

經驗排序公式法根據順序統計量的累積概率與數據排序后的位置建立相關聯系，估計百分位值，不受錯誤值干擾。但此法以假設氣象要素均勻分布為前提，否則會出現偏差，此處未討論偏差。李慶祥等[12-13]都研究了改進方法。僅從方法本身討論不同樣本序列下的閾值差異。

極端高溫閾值和極端低溫閾值的討論都得出了相似的結論。多年的相同百分位閾值平均比極值樣本序列閾值可以得到更多的實際發生次數，年際變化小。極值序列得到的閾值，基本可以確定就是極端天氣，因為它發生的概率低。鑒于極端溫度事件可能發生在各個月份，找到逐月的極端高溫、極端低溫閾值也是對極端天氣閾值的重要補充。

參考文獻

[1] 任福民，翟盤茂.1951—1990年中國極端氣溫變化分析[J].大氣科學，1998（2）： 89-96，98-99.

[2] 任晨辰，段明鏗，智協飛.不同氣候背景下我國冬夏兩季極端氣溫特征分析[J].大氣科學學報，2017，40（6）：803-813.

[3] 任健美，李盈盈，尤莉，等.近53年山西極端溫度和降水變化趨勢分析[J].地理與地理信息科學，2014，30（2）：120-126.

[4] 曹賀予，鄒琳，萬正.近50年來江西省極端天氣的變化趨勢分析[J].江西科學， 2018，36（1）：120-129.

[5] 焦浩然.極端氣溫對東北地區城市人群健康風險的影響研究[D].蘭州：蘭州大學，2021.

[6] 高雪，李谷成，尹朝靜.極端氣候變化及其對水稻氣候產量影響的實證分析：以湖北省為例[J].中國農業大學學報， 2017，22（5）：153-162.

[7] 劉杰，許小峰，羅慧.極端天氣氣候事件影響我國農業經濟產出的實證研究[J].中國科學：地球科學，2012，42（7）：1076-1082.

[8] 李嬌，任國玉，戰云健.淺談極端氣溫事件研究中閾值確定方法[J].氣象科技進展，2013，3（5）：36-40.

[9] 周波濤，錢進.IPCC AR6報告解讀：極端天氣氣候事件變化[J].氣候變化研究進展，2021，17（6）：713-718.

[10] 章大全，錢忠華.利用中值檢測方法研究近50年中國極端氣溫變化趨勢[J].物理學報，2008（7）：4634-4640.

[11] 內蒙古自治區氣象局.內蒙古地區極端高溫、低溫和降水標準：DB15/T 933 —2015[S].

[12] 李慶祥，黃嘉佑.對我國極端高溫事件閾值的探討[J].應用氣象學報，2011，22 （2）：138-144.

[13] 黃丹青，錢永甫.極端溫度事件區域性的分析方法及其結果[J].南京大學學報（自然科學版），2009，45（6）：715-723.

責任編輯：黃艷飛

Percentile Threshold Calculation and Test of Extreme Temperature Weather Events in Baotou Area

Zhao Yi-qing et al（Baotou Meteorological Bureau of Inner Mongolia Autonomous Region， Baotou， Inner Mongolia 014030）

Abstract The daily temperature during 1971 to 2020 in Baotou area， determined the percentile threshold in the extreme events in two different samples. The first sample was selected by calculating the 95（5）" percentile" threshold、 the 99（1）" percentile" threshold in the daily temperature every year. The second sample was the formation of the extreme value by every years. By the calculation ， the two percentile threshold was very different. The extreme value array appears at low probability， almost the certain extreme event. In the end， gave the monthly percentile" threshold on the extreme events .

Key words Extreme weather; Percentile threshold; High temperature; Low temperature

作者簡介 趙怡卿（1983—），女，內蒙古包頭人，中級工程師，主要從事生態與農業氣象服務研究。

收稿日期 2023-01-06