2. 中国海洋大学海洋与大气学院海洋气象学系,山东 青岛 266100
2. Department of Marine Meteorology in College of Oceanic and Atmospheric Sciences, Ocean University of China, Qingdao 266100, China
热浪天气主要指持续的极端高温天气过程。20世纪90年代以来全球许多地区出现了多次严重的高温热浪,如2003年欧洲和北美等地[1-3]、2006年美国加利福尼亚州[4]、2009年澳大利亚[5]、2010年俄罗斯[6]、2012年西西伯利亚[7]、2015年印度、2017年中国[8]都曾出现持续的强热浪天气,给社会经济发展和生态环境系统带来严重危害。政府间气候变化专门委员会(Intergovernmental Panel on Climate Change,IPCC)第五次评估报告指出全球极端高温事件自1950年以来发生次数增多,且热浪天气在21世纪可能更为频发、持续时间更长[9]。
以往中国热浪的研究主要关注全国范围热浪频次、强度及高低值中心的时空变化。如叶殿秀等[10]研究发现1961—2010年夏季热浪频次、日数和强度高值区均在江淮、江南大部和四川盆地东部,热浪频次(强度)20世纪60年代至80年代前期与80年代后期以来分别呈减少(弱)与增多(强)的趋势,20世纪90年代以来全国高温热浪分布范围明显增大。LI et al.[11]的研究表明中国北方多发强度高、持续时间短的热浪,而南方热浪通常持续时间长、潜在危害大。张嘉仪和钱诚[12]指出1960—2018年高温日数和热浪次数显著增多的站点主要出现在华南和西北地区。齐庆华等[13]综合极端高温出现的次数、持续时间和累积效应建立夏季极端最高气温影响指数,发现黄河以北及江南和华南地区指数较大(受极端高温影响大),而江淮和黄淮地区指数较小。此外还有研究关注具体地区热浪的变化,如孙艺杰等[14]发现黄土高原热浪频次整体呈增加趋势,山西东北部、青海东部和甘肃中南部增加显著。
以上研究并未讨论不同类型热浪的时空分布和变化。根据湿度分类,DING and QIAN[15]定义并讨论了1960—2008年中国持续时间最长、分布范围最广和强度最强的十大区域性干、湿热浪事件,发现区域湿热浪发生频率和严重程度20世纪80年代相对较低,但自20世纪90年代以来显著增加。GAO et al.[16]指出在2000年后江淮流域闷热型热浪日数减少,而干热型热浪日数增加。王喜元[17]发现1960—2013年我国干热型、普通型和湿热型热浪天气发生频次、持续时间和强度均呈现“减少—增加—减少”的年代际变化特征。
因为不同类型热浪对人体舒适度影响不同,本文重点分析中国夏季不同类型热浪天气的时空分布特征,并关注不同地区之间的差异。气候的地域差异和人群对当地气候的长期适应使得不同地区人群对高温的感知和承受能力存在差异,而不同类型热浪天气下人体的舒适度也有所差异,因此不同地区各类型热浪天气的差异需要认真考虑。此外,高温热浪发生日数或频次只反映热浪天气发生的多少,而热浪过程的环境舒适度更能反映高温热浪对人体的不利影响,但目前针对热浪天气的环境舒适度评价较少,这也是本文关注的另一重要问题。
本文采用更为详细的地理分区,利用地面气象观测资料研究中国夏季热浪天气及相关气象要素在不同地区的变化,探讨不同类型热浪日数的时空分布及其变化趋势。与已有的研究不同,本文使用不受少数异常值干扰的Mann-Kendall趋势检验法分析热浪天气的变化。同时采用温湿指数和人体舒适度指数评价不同类型热浪天气期间的环境舒适度,讨论海风对沿海地区夏季热浪的影响。研究结果将有助于评价热浪天气过程的环境舒适度及其对人体的危害,同时也对高温热浪天气发生和变化趋势的研究及相关防范措施的制定和实施具有重要意义。
1 数据与方法 1.1 数据与研究区分区1) 日最高气温和日平均相对湿度(relative humidity,RH)数据来自中国气象数据网(http://data.cma.cn/site/index.html)提供的中国地面气候数据日值数据集(V3.0),选取1960—2018年中国境内除香港、澳门和台湾以外具有连续观测记录的476个气象站的数据分析热浪日数时空分布特征及其变化趋势。按照《中国气象地理区划手册》[18]的全国一级区划标准将研究区分为11个大区(图 1)。
2) 从美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration,NOAA)提供的1973—2018年每日8个标准时次的中国地面综合观测数据选取最接近每日最高气温发生时段的当地时间14时(06:00 UTC)的气温、相对湿度和风速数据分析热浪天气期间14时的气温和其他气象要素的特征。
这里数据1)和数据2)均来源于地面气象站的观测。选择具有分时次结果的数据2)只是为了聚焦热浪过程中环境舒适度最差的午后时段,分析热浪天气期间14时的气温和其他气象要素的特征。基于两套数据分析的热浪日数时间空间分布特征相似(图略),验证了数据1)和数据2)的一致性,两者都适用于本研究。
1.2 热浪天气的定义及分类参考国家标准GB/T 228—2014《区域性高温天气过程等级划分》[19]与中国气象局《气象灾害预警信号发布与传播办法》[20]中高温预警的规定,并参考DING and QIAN[15]、SUN et al.[21-22]的标准,将日最高气温≥35 ℃作为1个高温日; 连续3 d及以上出现高温日称为热浪天气过程,并统计热浪天气过程的高温日数为热浪日数,即连续3 d及以上的高温日才被统计为热浪日。此外,以60%相对湿度作为分界,定义日平均相对湿度小于(大于等于)60%的热浪日为干热浪日(湿热浪日),与GAO et al.[16]的研究一致。对于湿热浪日,定义相对湿度≥70%、80%和90%的湿热浪日为较强湿热浪日、强湿热浪日和极强湿热浪日,并根据上述定义统计每年发生的各类热浪日数进行分析。考虑到热浪的影响和危害随着相对湿度增加而加剧,将相对湿度更高的湿热浪日(虽然包含在前一湿热浪分类中)进一步划分出来进行分析评价。
1.3 环境舒适度评价温湿指数(temperature-humidity index,THI)和人体舒适度指数(comfort index of human body,ICHB)是目前常用的评价环境舒适度的指标,本文采用这两种指数评价热浪过程中的环境舒适度。
温湿指数ITH的计算公式[23]为:
$ {I_{{\rm{TH}}}} = t - 0.55 \times \left( {1 - {V_{{\rm{RH}}}}} \right) \times \left( {t - {V_{{\rm{RH}}}}} \right) \times \left( {t - 14.4} \right) $ | (1) |
人体舒适度指数的计算公式[24]为:
$ \begin{array}{l} {I_{{\rm{CHB}}}} = \left( {1.8t + 32} \right) - 0.55\left( {1 - {V_{{\rm{RH}}}}} \right)\left( {1.8t - 26} \right) - \\ \;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;3.2\sqrt v \end{array} $ | (2) |
式(1)、式(2)中ITH为温湿指数,ICHB为人体舒适度指数,t为气温(℃),VRH为相对湿度(%),v为风速(m·s-1)。考虑到各气象要素日变化比较显著,采用小时平均的气温、相对湿度和风速进行热浪日逐小时温湿指数和人体舒适度指数计算,这更有利于聚焦热浪日环境舒适度最差的午后时段进行分析。
温湿指数考虑气温和相对湿度对人体散热的影响,反映人体在不同环境温度-湿度组合下感到舒适的程度。人体舒适度指数与温湿指数的差异在于进一步考虑了风速的影响,表征人体在不同温度、湿度和风速下对环境的舒适度感受。温湿指数和人体舒适度指数的等级划分及相应人体感觉程度见表 1[24-25],温湿指数和人体舒适度指数数值越高人体感受越不舒适。
本文使用Mann-Kendall(M-K)趋势检验法分析热浪天气的变化趋势,该方法是一种非参数统计检验方法,不需要样本遵从一定的分布,也不受少数异常值的干扰[25]。假设H0表示时间序列是数据独立、具有相同分布、不存在趋势的随机样本,备选假设H1是双边检验,检验的统计变量S计算如下式:
$ S = \sum\limits_{i = 1}^{n - 1} {\sum\limits_{j = i + 1}^n {{\rm{sgn}}\left( {{x_i} - {x_j}} \right)} } $ | (3) |
其中,sgn()为符号函数:
$ {\rm{sgn = }}\left\{ \begin{array}{l} - 1, \;\;{x_j} - {x_j} < 0\\ \;\;0, \;\;{x_j} - {x_i} = 0\\ \;\;1, \;\;\;{x_j} - {x_i} > 0 \end{array} \right. $ | (4) |
S为正态分布,方差为:
$ Var\left( S \right) = \frac{{n\left( {n - 1} \right)\left( {2n + 5} \right)}}{{18}} $ | (5) |
当n>10时,ZC收敛于标准正态分布。
$ {Z_{\rm{C}}} = \left\{ \begin{array}{l} \frac{{S - 1}}{{\sqrt {Var\left( S \right)} }}, S > 0\\ 0\\ \frac{{S + 1}}{{\sqrt {Var\left( S \right)} }}, S > 0 \end{array} \right. $ | (6) |
使用Mann-Kendall趋势检验法中的标准统计量ZC分析热浪日数的变化趋势,ZC服从标准正态分布,当|ZC|>1.645、1.960、2.576表明变化趋势分别通过90%、95%和99%的显著性水平检验,并使用Kendall倾斜度β值作为衡量趋势大小的指标。
$ \beta = {\rm{Median}}\left( {\frac{{{x_i} - {x_j}}}{{i - j}}} \right), 1 < j < i < n $ | (7) |
计算各站点夏季热浪日数,由图 2a可见中国南方大多数站点1960—2018年夏季总热浪日数大于100 d。除新疆外夏季热浪日数呈东南多西北少的特征,但临海站点因海风影响热浪日数偏少(图 2a,将在2.5节讨论),干热浪日数此特征更突出(图 2b)。热浪日数(图 2a)、干热浪日数(图 2b)和湿热浪日数(图 2c)的空间分布对比表明中国东部大部分站点以湿热浪为主,而新疆、西北地区、内蒙古和东北地区以干热浪为主。江淮—江汉一带(图 2b黑框内)干热浪日数比其西北侧和东南侧都少,形成一条干热浪日低值带。图 2c、d、e对比表明湿热浪日以相对湿度≥70%和≥80%的较强湿热浪日和强湿热浪日为主,而相对湿度≥90%的极强湿热浪日仅在中国东部个别站点发生(图 2f)。
由1960—2018年各单站夏季年均热浪日数(图 3)可见,江南地区热浪日数最多,大多数站点年均热浪日数大于13.6 d。按大区统计夏季热浪日数从高到低依次为江南(15.0 d),江汉(12.0 d)、江淮(9.2 d)、华南(7.9 d)、黄淮(5.6 d)、西北(4.7 d)、西南(3.2 d)、华北(2.8 d)、内蒙古(0.5 d)和东北地区(0.2 d)。省份间比较表明江西、重庆、湖南、湖北和新疆夏季热浪日数排全国前五位,分别为21 d、17 d、15 d、13 d和12 d。除新疆外夏季热浪日数东南多、西北少的特征也很清楚。
各地区不同相对湿度分级热浪日数的比较(图 4)表明,干热浪主要发生在中国北方,西北最多(年均4.4 d),其次为黄淮和华北地区(年均2.0 d)。内蒙古和西北地区干热浪日在所有热浪日中所占百分比分别为96%和94%;华北和东北干热浪日约占70%。湿热浪主要发生在中国南方,华南、江淮、江南、江汉、西南地区湿热浪日分别占98%、94%、89%、88%和76%;华南、江淮、江汉地区较强湿热浪所占百分比超过50%。
年代际变化特征表明20世纪60年代各区域热浪发生日数较多(图 5a),西北、内蒙古和东北地区热浪日数自20世纪60年代以来呈上升趋势; 江南、江汉、江淮、华北和西南地区20世纪60年代至80年代初热浪日数呈减少趋势,而20世纪90年代以来热浪日数明显增加(图 5a),与叶殿秀等[10]的研究结果一致。自1990年以来各地区夏季热浪天气发生更为频繁且在近年尤为突出,如江南、江汉、江淮、华南、西北、西南、内蒙古和东北地区2010年以来热浪日数均高于其他时期(图 5a)。1960—2018年期间不同年代热浪日数空间分布(图略)无明显差异,江南地区热浪日数始终最多。
图 5b和图 5c分别给出各区域不同年代的干、湿热浪日数。江南、江汉、江淮和华南地区湿热浪日数明显多于干热浪日数,湿热浪也呈现出“先减少,后增加”的年代际变化趋势,与热浪日相同。西北、东北和内蒙古地区湿热浪日数很少。
年代际变化表明2000—2009年各地区干热浪均偏多,干热浪日占总热浪日百分比的距平均为正(图 6a红框),其中黄淮、华北干热浪日所占百分比高于平均值10%以上; 而此期间湿热浪日偏少(湿热浪日所占百分比距平均为负,图 6b红框)。2000—2009年各地区热浪日相对湿度多呈现负距平(图略),该时期较低的相对湿度对应干热浪日偏多而湿热浪日偏少。2010年后华北、江南、江汉、江淮和黄淮地区极强湿热浪日占总热浪日百分比距平为正(图 6c红框),极强湿热浪在上述地区发生频率增加。
利用气温与相对湿度定义热浪日的不同类型不能很好地反映高温热浪过程中人体的感受。为更确切地反映人体在一定环境气象条件下的感受和舒适程度,可采用温湿指数与人体舒适度指数评价热浪期间的环境舒适度; 二者都考虑气温和相对湿度,人体舒适度指数还考虑风速。计算各站点热浪天气期间14时(通常最接近每日气温最高时段)的温湿指数和人体舒适度指数,发现高温热浪发生日数(图 2)与热浪期间环境舒适度的空间分布(图 7)并不完全一致,热浪发生最多的地区在热浪期间人体感受并非最不舒适。由图 2a和图 2c可见夏季江南地区热浪日数和湿热浪日数最多,但热浪天气过程中江淮地区温湿指数(图 7a—c)和人体舒适度指数(图 7d—f)最大(人体感受最不舒适)。
参照表 1可知热浪期间全国大部分站点人体舒适度指数评级为9级(酷热,很不舒适),同时南方温湿指数评级处于5级(闷热)以上。湿热浪期间更大的温湿指数和人体舒适度指数(图 7c和图 7f)表明,湿热浪天气大多数站点不舒适程度明显高于干热浪天气(图 7b和图 7e)。除气温(图 8a—c)影响外,较高的相对湿度对应较大的环境舒适度指数; 江淮地区较高的温湿指数(图 7a—c)和人体舒适度指数(图 7d—f)与热浪期间该地区相对湿度高于其南北两侧地区(图 8d—f)一致。对比热浪期间温湿指数(图 7a)和人体舒适度指数(图 7d)分布的差异,可见苏北、皖北、豫南地区站点温湿指数较高但人体舒适度指数并不高,这与这些地区热浪期间较大的风速(图 8g)有关,风能减缓热浪过程中人体感受的不适。而新疆西部的喀什、和田等站点风速较小,人体舒适度指数指示的人体感受较温湿指数更不舒适。上述讨论表明夏季高温热浪的研究除关注热浪的发生频数外,还应进一步考虑气温、湿度、风等要素,综合评估热浪期间的环境舒适度。
对各站1960—2018年干/湿热浪日数进行Mann-Kendall趋势分析(图 9)。使用ZC值进行趋势检验(图 9a—c),ZC绝对值达到1.645、1.960、2.576表明变化趋势分别通过显著性水平为90%、95%和99%的显著性水平检验,ZC正或负表示热浪日数增加或减少; 使用β值作为衡量趋势大小的指标。计算各类热浪日数每十年的变幅如图 9d—f所示。
由图 9a可见1960—2018年中国大部地区热浪日数呈增加趋势,仅河北、河南、山东、湖北、湖南一带及新疆北部部分站点热浪日数呈不显著的下降趋势。由α=0.1的显著性水平来看,1960—2018年除华北南部、黄淮地区、新疆北部个别站点外,中国大部分站点热浪日数呈上升趋势。江苏、浙江沿海、广东、重庆、海南、新疆及广西东部热浪日数增加趋势显著(α=0.05),增幅为1~5 d·(10 a)-1(图 9a、d)。长江中下游地区、内蒙古西部及新疆干热浪日数呈增加趋势(α=0.05),新疆部分站点干热浪日增幅达2 d·(10 a)-1(图 9b、e); 黄淮西部、江南中部和西部湿热浪日数减少趋势不显著,江苏、浙江沿海、福建沿海、广东、海南等地湿热浪日数显著增加(α=0.01),湿热浪日增幅达1~5 d·(10 a)-1(图 9c、f)。
2.5 海陆风对热浪天气的影响海陆热力性质差异会导致海洋与陆地之间产生海陆风环流[26]。热浪发生期间通常比较稳定的天气形势和比较强的太阳辐射有利于海陆风形成,并使其影响更为显著。如在2017年7月长江三角洲的热浪天气过程中,7月22日至24日风向显示靠近海洋的上海(图 10a蓝色箭头)受到海风影响,而偏内陆的南京(图 10a红色箭头)则无明显海风影响。此次热浪过程上海在大尺度环流影响下主要受南风控制,但在7月22日13:30至14:00(图 10a阴影)上海站可见明显的海风(东风),7月23日(14:30至16:00)和24日(15:30至16:30)也可见偏东的海风分量。海风将海洋上空较冷而湿润的气团输送至上海,导致气温急剧下降(图 10b)而相对湿度骤增(图 10c),22日至24日午后均出现气温谷值和相对湿度峰值; 海风结束后气温显著回升而相对湿度则明显回落。通过靠近海洋的上海站与偏内陆无海风影响的南京站对比可以更清楚地看出热浪期间海风对上海站气象要素的显著影响。
通常在午后出现的海风可导致临海站点午后气温骤降,从而使得热浪强度明显削弱。由图 2a可见沿海站点热浪日数比与其邻近的内陆站点少,与上述分析一致。统计1973—2018年夏季热浪发生次数,靠近海洋的深圳和上海分别为12次和71次,而在偏内陆的广州和南京分别为112次和80次,海风影响使得临海站点热浪发生次数明显减少。
伴随着午后海风影响(图 10a)和气温下降(图 10b),上海站THI和ICHB明显降低(图 10d和图 10e),海风影响时段环境舒适度显著改善。中国东部夏季热浪天气通常受西太平洋副热带高压控制,热浪期间大尺度环流形势较稳定、地面风速较小; 此种天气背景下海陆风的昼夜变化和影响更为显著,伴随着海风出现的午后低气温有利于缓解临海站点热浪天气的不利影响。
3 结论本文使用1960—2018年中国476个地面气象站的观测数据研究各区域夏季不同类型热浪天气的时空分布特征及变化趋势,并使用温湿指数和人体舒适度指数对热浪期间环境舒适度进行评价,结论如下:
1) 除新疆外,我国夏季热浪日数呈现东南多、西北少的空间分布特征,其中江南地区热浪日数最多,平均每年超过15 d。干热浪主要发生在中国北方,西北最多,其次为黄淮和华北地区,湿热浪主要发生在中国南方。湿热浪期间温湿指数和人体舒适度指数的值更高,大多数站点不舒适程度明显高于干热浪天气。江淮地区热浪期间环境舒适度最差,热浪天气对人体的不利影响更为显著。热浪期间苏北、皖北、豫南地区较大的风速可改善环境舒适度,而新疆西部喀什、和田等站点较小的风速使得人体感受更不舒适。
2) 江南、江汉、江淮、华北和西南地区热浪日数在20世纪80年代以前下降而此后上升; 1990年以来各地区夏季热浪发生更为频繁,且此趋势近20 a以来更为突出。2000—2009年各地区干热浪日数偏多,2010年以后江南、江汉、华南、黄淮、东北地区强湿热浪发生日数增加。
3) 1960—2018年期间除黄淮地区外中国大多数站点热浪日数呈现增加趋势; 江苏、浙江沿海、广东、重庆、海南、新疆及广西东部热浪日数增加趋势显著(α=0.05),增幅为1~5 d·(10 a)-1,长江中下游地区、内蒙古西部以及新疆干热浪日数增加(α=0.05),新疆部分站点干热浪日增幅达2 d·(10 a)-1; 江苏、浙江和福建沿海、广东、海南等地湿热浪日显著增加,增幅达1~5 d·(10 a)-1。
本文统计分析了中国不同类型热浪的时空分布特征,并对热浪期间的环境舒适度进行评价。对热浪天气发生发展的过程及对应的环境舒适度变化还有待进一步详细分析,今后的研究可使用数值模拟方法对热浪的影响因素进行更全面地分析。
[1] |
BENISTON M. The 2003 heat wave in Europe: A shape of things to come? An analysis based on Swiss climatological data and model simulations[J]. Geophys Res Lett, 2004, 31(2): L02202. |
[2] |
STOTT P A, STONE D A, ALLEN M R. Erratum: Human contribution to the European heatwave of 2003[J]. Nature, 2005, 436(7054): 610-614. |
[3] |
SCHÄR C, JEDRITZKY G. Hot news from summer 2003[J]. Nature, 2004, 432(7017): 559-560. DOI:10.1038/432559a |
[4] |
KNOWLTON K, ROTKIN-ELLMAN M, KING G, et al. The 2006 California heat wave: Impacts on hospitalizations and emergency department visits[J]. Environ Health Perspect, 2009, 117(1): 61-67. DOI:10.1289/ehp.11594 |
[5] |
PEZZA A B, VAN RENSCH P, CAI W J. Severe heat waves in Southern Australia: Synoptic climatology and large scale connections[J]. Climate Dyn, 2012, 38(1): 209-224. |
[6] |
DOLE R, HOERLING M, PERLWITZ J, et al. Was there a basis for anticipating the 2010 Russian heat wave?[J]. Geophys Res Lett, 2011, 38(6): L06702. |
[7] |
POKROVSKY O S, SHIROKOVA L S, KIRPOTIN S N, et al. Impact of western Siberia heat wave 2012 on greenhouse gases and trace metal concentration in thaw lakes of discontinuous permafrost zone[J]. Biogeosciences, 2013, 10(8): 5349-5365. DOI:10.5194/bg-10-5349-2013 |
[8] |
CHEN Y, CHEN W, SU Q, et al. Anthropogenic warming has substantially increased the likelihood of July 2017-like heat waves over central Eastern China[J]. Bull Amer Meteor Soc, 2019, 100(1): S91-S95. DOI:10.1175/BAMS-D-18-0087.1 |
[9] |
IP CC. Climate change 2013: The physical science basis[M]. Cambridge, United Kingdom: Cambridge University Press, 2013: 1535.
|
[10] |
叶殿秀, 尹继福, 陈正洪, 等. 1961—2010年我国夏季高温热浪的时空变化特征[J]. 气候变化研究进展, 2013, 9(1): 15-20. DOI:10.3969/j.issn.1673-1719.2013.01.003 |
[11] |
LI Y, DING Y H, LI W J. Observed trends in various aspects of compound heat waves across China from 1961 to 2015[J]. J Meteor Res, 2017, 31(3): 455-467. DOI:10.1007/s13351-017-6150-2 |
[12] |
张嘉仪, 钱诚. 1960~2018年中国高温热浪的线性趋势分析方法与变化趋势[J]. 气候与环境研究, 2020, 25(3): 225-239. |
[13] |
齐庆华, 蔡榕硕, 郭海峡. 中国东部气温极端特性及其气候特征[J]. 地理科学, 2019, 39(8): 1340-1350. |
[14] |
孙艺杰, 刘宪锋, 任志远, 等. 1960—2016年黄土高原干旱和热浪时空变化特征[J]. 地理科学进展, 2020, 39(4): 591-601. |
[15] |
DING T, QIAN W H. Geographical patterns and temporal variations of regional dry and wet heatwave events in China during 1960-2008[J]. Adv Atmos Sci, 2011, 28(2): 322-337. DOI:10.1007/s00376-010-9236-7 |
[16] |
GAO M N, WANG B, YANG J, et al. Are peak summer sultry heat wave days over the Yangtze-Huaihe River Basin predictable?[J]. J Climate, 2018, 31(6): 2185-2196. DOI:10.1175/JCLI-D-17-0342.1 |
[17] |
王喜元. 我国不同类型热浪时空演变特征研究[D]. 南京: 南京信息工程大学, 2016.
|
[18] |
中国气象局. 中国气象地理区划手册[M]. 北京: 气象出版社, 2006: 1.
|
[19] |
全国气象防灾减灾标准化技术委员会. 区域性高温天气过程等级划分: GB/T 228—2014[S]. 北京: 气象出版社, 2015: 1.
|
[20] |
中国气象局. 气象灾害预警信号发布与传播办法: 中国气象局令第16号[A/OL]. (2007-06-12)[2020-12-01]. http://www.cma.gov.cn/2011zwxx/2011zflfg/2011zgfxwj/201208/t20120803_180761.html.
|
[21] |
SUN Y, ZHANG X B, ZWIERS F W, et al. Rapid increase in the risk of extreme summer heat in eastern China[J]. Nat Climate Change, 2014, 4(12): 1082-1085. DOI:10.1038/nclimate2410 |
[22] |
SUN Y, HU T, ZHANG X B. Substantial increase in heat wave risks in China in a future warmer world[J]. Earth's Future, 2018, 6(11): 1528-1538. DOI:10.1029/2018EF000963 |
[23] |
中国气象局. 人居环境气候舒适度评价: GB/T 27963—2011[S]. 北京: 中国标准出版社, 2012: 1-2.
|
[24] |
朱卫浩, 张书余, 罗斌. 近30 a全国人体舒适度指数变化特征[J]. 干旱气象, 2012, 30(2): 220-226. DOI:10.3969/j.issn.1006-7639.2012.02.011 |
[25] |
魏凤英. 现代气候统计诊断与预测技术[M]. 2版. 北京: 气象出版社, 2007: 63.
|
[26] |
寿绍文. 中尺度气象学[M]. 3版. 北京: 气象出版社, 2016: 31-34.
|