Transcript 关于极端天气气候指数定义的一些思考 - 中国气象局国家气候中心任国

关于极端天气气候指数定义
的一些思考
翟盘茂
问题
•
•
•
•
为什么要定义极端事件指数？
如何定义极端事件？
如何衡量气候是否更加极端化了？
极端事件与气象灾害有什么差异？
• 极端事件指数研究的未来思考？
为什么定义极端指数？
1、气候变化研究需要
•
•
•
•
气候变化信号检测
极端事件变化成因研究
与模式结果比较
预估
2、事件监测、预警与影响（灾
害）评估
如何定义极端事件？
当某地的气候状态严重偏离其平均态
时，就 可以认为是不易发生的事件。在
统计意义上，不容易发生的（值）事件
就可以称为极端（值）事件。
按照当地的某种观测资料的
边缘分布来确定极端事件
最低的5%
最高的5%
Extreme Event
• Extreme event is generally defined
as the occurrence of a value of a
weather or climate variable above (or
below) a threshold value near the
upper (or lower) ends (“tails”) of the
range of observed values of the
variable” . (SREX)
基于逐日资料的
极端降水与温度的定义
绝对（Tmax≧35C，日降水量≧50mm）
• Absolute thresholds can also be
used to identify extreme events
(e.g., specific critical temperatures
for health impacts).
Temperature Extreme Indices
Index
Description
Hot day
No. of days with Tmax above 35℃
Frost day
No. of days with Tmin below 0℃
Warm day
No. of days with Tmax above 1961-1990 mean
95th percentile of the same day
Cool day
No. of days with Tmax below the 1961-1990
mean 5th percentile of the same day
Warm
night
No. of days with Tmin above the 1961-1990
mean 95th percentile of the same day
Cool night
No. of days with Tmin below the 1961-1990
mean 5th percentile of the same day
极端温度指数的定义
相对（Tmax≧ 95th percentile ，
Tmin≧95th percentile）
Temperature Extreme Indices
Index
Description
Hot day
No. of days with Tmax above 35℃
Frost day
No. of days with Tmin below 0℃
Warm day
No. of days with Tmax above 1961-1990 mean
95th percentile of the same day
Cool day
No. of days with Tmax below the 1961-1990
mean 5th percentile of the same day
Warm
night
No. of days with Tmin above the 1961-1990
mean 95th percentile of the same day
Cool night
No. of days with Tmin below the 1961-1990
mean 5th percentile of the same day
相对阈值
• 无参数方法估计
• 参数化方法估计
无参数方法
• 简单的排序方法
实用
易于理解
不受错误资料影响
（b）变率增大
引发更多的酷
热天气
（a）平均温度
升高引起更多的
酷热天气
（c）平均温度
升高且方差增大
导致更多的酷热
天气。
极端温度的影响作用示意图
代表台站的雨日降水量的样本频率曲线与Γ分布
函数拟合的概率密度曲线比较
0.44
0.39
长春
0.29
北京
样本频率
概率密度
0.39
0.34
0.34
上海
样本频率
概率密度
样本频率
概率密度
0.24
0.29
0.29
0.19
0.24
0.24
0.19
0.14
0.19
0.14
0.14
0.09
0.09
0.09
0.04
0.04
0.04
-0.01
-0.01
0
20
40
60
80
100
0.34
0
20
40
60
80
100
广州
兰州
样本频率
概率密度
0
30
60
90
120
150
0.49
0.44
0.29
-0.01
样本频率
概率密度
0.39
乌鲁木齐
0.44
样本频率
概率密度
0.39
0.34
0.24
0.34
0.29
0.29
0.19
0.24
0.14
0.19
0.24
0.19
0.14
0.14
0.09
0.09
0.04
-0.01
0
30
60
90
120
150
0.09
0.04
0.04
-0.01
-0.01
0
20
40
60
80
100
0
20
40
60
80
100
0.44
成都
样本频率
概率密度
0.39
0.34
0.29
均为偏态，随着降水量的增加其频率降低。
0.24
0.19
0.14
0.09
0.04
-0.01
0
30
60
90
120
150
Γ分布函数拟合的极端降水量阈值
单位：mm
（年）
日极端降水量阈最大值位于华南沿海和长江
下游部分地区，达到40mm以上。最小值在西
北地区，10mm以下。
• Definitions of thresholds vary, but
values with less than a 10%, 5% or 1%
or even lower chance of occurrence
during a specified reference period
(generally 1961-1990) are often used.
•相对阈值的百分位数取
决于研究需要，一般来
说，对气候变化需要的
极端值不宜取得太极端！
Joint CCl/CLIVAR/JCOMM Expert Team
(ET) on Climate Change Detection and
Indices (ETCCDI)
• 27 Core indices
• For moderate extremes
极端气候指数分类
（一）、与降水有关类
类别
总量、频
率和强度
绝对阈值
相对阈值
持续性
（无）降
水
指数
意义
PRCPTOT
年总降水量
SDII
雨强指数
RX1day
日最大降水量
R01
雨日数（≥1mm降水日数）
R10mm
中雨日数（≥10.0mm降水日数）
R20mm
大于20mm降水日数（≥20.0mm降水日数）
R25
大雨日数（≥25.0mm降水日数）
R50
暴雨日数（≥50.0mm降水日数）
R100
大暴雨日数（≥100.0mm降水日数）
R95p
气候标准期内第95%位的日降水量
R99p
气候标准期内第99%位的日降水量
R95pTOT
日降水量大于R95p的年累计降水量
R99pTOT
日降水量大于R99p的年累计降水量
RX5day
连续5日最大降水量
CDD
最长持续干旱时间（日降水量小于1mm的最大持续日数）
CWD
最长持续降水日数（日降水量大于1mm的最大持续日数）
（二）、与温度有关类
类别
指数
意义
TN10p
10%位最低气温日数百分率
TN50p
50%位最低气温日数百分率
相对阈值
TN90p
极端高低
温（日数） TX10p
TX50p
90%位最低气温日数百分率
TX90p
90%位最高气温日数百分率
WSDI
异常暖持续指数
CSDI
异常冷持续指数
FD
霜冻天数（一年中最低气温小于0℃的天数）
GSL
生长期：北半球从1月1日（南半球为7月1日）开始，连续6天日平均气温大
于5℃的日期为初日，7月1日（南半球1月1日）以后连续6天日平均气温小于
5℃的日期为终日，初日和终日之间的日数为生长期。）
ID
冰封日数（一年中最高气温小于0℃的天数）
DTR
月平均日较差
持续性高
低温事件
日年较差
10%位最高气温日数百分率
50%位最高气温日数百分率
• many more for snow, drought, etc.
• return values for more rare extremes
(based on GEV analysis for consecutive
20yr periods)
• factsheets for significant weather events
from the past (impacting energy, health,
disasters, water, etc.)
（三）、其它
类别
其它类
指数
意义
Hd
冰雹日数
Wd
大风日数
DSd
沙尘暴日数
TYd
热带气旋个数
Fd
雾日数
LSd
雷电日数
CW
寒潮次数
• 基于单要素的极端事件
• 基于多要素的综合性的极端事件
• 基于高影响的极端事件
例如，1998年夏季我国南方各地盛夏高温
酷暑天气显著，以温州为代表站进行分析。
暖昼、冷昼
度
45
40
35
30
25
20
最高温度
气候平均值
15
10
第5个百分位值
第95个百分位值
5
0
1
2
3
4
5
6
7
8
9
10
11
12 月
度
以处于1975年的华南寒潮影响区的汕头为例来
分析在此次寒潮过程中汕头站的最低气温分布情况
暖夜、冷夜
30
25
20
15
最低温度
10
气候平均值
第5个百分位值
5
第95个百分位值
0
1
2
3
4
5
6
7
8
9
10 11 12 月
按照相对于当地日降水最强的5%事件进行强降水定义，
其分布见下图。这样避免了以50mm/d定义对西部地区应用的不足。
30mm/day
极端降水事件在我国南方地区和西部地区
明显增多！
More
Extreme
events
综合性极端事件
• Some Extremes may not necessarily
be induced by extremes in
meteorological variables (precipitation,
temperature) but may be the result of
an accumulation of moderate weather
or climate events.
• 干旱，低温雨雪冰冻
气象干旱综合指数CI
Ci  Z3  M 3  Z
9
标准化降水指数：Z3 (30天)、Z9(90天）
湿润度:
M3 
PE
E
式中:α、γ、β为权重系数，分别取0.4、0.8、0.4。
当近10天降水量大于近5天可能蒸散量时，认为干旱缓解，即
Ci=0.5*Ci；
当某地常年年降水量小于200毫米时，该地区为常年干旱, 不做
实时干旱监测，认为干旱等级正常，即 Ci=0.
Palmer指数
• Palmer，
• 基于土壤水平衡原理，物理意义清晰
Palmer 干旱指数反应出
干旱范围在华北、东北和西北东部地区显著扩大！
N
50
NE
WNW
N
ENW
40
Tibet
E
SW
30
S
20
80
90
100
110
120
130 E
平均气温
最高气温
最低气温
逐日资料：
降水量
相对湿度
平均风速
日照时数
• 如何衡量气候是否更加极端化了？
CEI（综合极端事件指数）
•
•
•
•
•
月平均最高气温
月平均最低气温
1日极端强降水
无雨日数
干旱指数
• 5个指标合成 (Karl, et al, 1996)
• 不同极端事件不能简单相加！
任国玉等（2010）
定 义
变化趋势
极端天气气候指数
寒潮
指来自高纬度地区的寒冷空气，造成 寒潮次数减少
沿途地区剧烈降温、大风和雨雪天气。
霜冻
因最低气温降到0℃或0℃以下而使植 霜冻日数减少
物受害的灾害天气
高温热浪
极端强降水
连续5天≥35℃高温
≥35℃的日数略趋
增多，高温热浪年
代际变化明显
日降水量超过当地有雨日第90%分位
值得界限
长江及以南趋强趋
多；华北强度减弱，
频数减少；西北西
部趋于频繁
连阴雨
指初春或深秋时节连续几天甚至经月 东部显著减少，西
阴雨连绵、寡照的寒冷天气
部略有增加
干旱
指某时段内降水偏少、天气干燥、蒸 中国北方干旱加剧
发量增大导致作物生长困难的现象
热带气旋
沙尘暴
发生在热带或副热带洋面上，具有有 生成和登陆的热带
组织的对流和确定气旋性环流低层风 气旋呈减少趋势
速≥10.8m/s的非锋面性涡旋
强风将地面大量沙尘吹起，使大气浑 日数呈减少趋势
浊,水平能见度小于1000m
冰雹
出现降雹天气
日数趋于减少
大风
风速≥17m/s风
大风日数趋于减少
雾
近地面的空气层中悬浮着大量微小水 雾日减少
滴(或冰晶),使水平能见度降到1 km
以下的天气
霾
近地面的空气中悬浮着大量颗粒，空 霾日增多
气的能见度下降到10km以下的天气现
象
雷电
出现闪电天气
雷电日数减少
• 其他极端事件如何考虑？
• 时空问题如何考虑？
• 。。。。。
• 极端天气气候事件≠气象灾害
• 气象灾害指气象原因引起和社会经济
损失和人员伤亡.
• 灾害还受到有其社会因素的影响
•需要建立高影响的极端
事件指数
• The identification and definition of
extreme events that are relevant from a
risk management perspective is
complex and depends on the
stakeholders involved .
森林火险指数
1949年
1965年
Nesterov
Zhdanko
1968年
Keetch和Byram KBDI
1967年
McArthur
McArthur 火险尺
1980年
2002年
Noble等
McRae
FFDI
1993年
Langholz和
Schmidtmayer
Angstrom
1984年
NI
ZHI
FFDI简式
FWI（FFMC
FWI）
DMC DC ISI BUI
•需要考虑其他时间分辨
率的极端事件指数
短时强降水。。。。。
极端事件
• 某一地区的极端事件在另一地区可能是
正常的。平均气候的微小变化可能会对
极端事件的时间和空间分布以及强度的
概率分布产生巨大影响。
需要从不同气象要素的极端性、
灾害性天气现象（如沙尘暴、
台风、雷电等）和综合性极端
事件（如干旱、低温雨雪冰冻）
等方面制定极端事件指数，逐
步建立一套完整、客观、具有
针对性的极端事件指标体系。
指标体系包括极端事件阈值指标（包括极
值、绝对和相对阈值）、多年一遇指标以
及各种高影响事件的特定指标等，各地可
根据天气、气候特点和服务对象选取适当
的指标开展极端事件监测，对外提供服务
时所用指标要科学合理，易于理解。
• 需要对极端事件进行定量评
价和描述，主要包括事件发
生的出现时间、范围、强度、
持续时间、气象要素演变特
征、极端程度等。
值得关注的几个科学问题
• 极端事件分布理论、研究方法：极端事件的确
定,群发性问题:考虑变化,考虑影响
• 极端事件发生发展规律、与大尺度背景的联系
• 单个极端或某一年事件与气候变暖的联系
• 极端事件模拟与预估问题
• 极端事件与灾害关系
谢 谢！
Thru calculation of
R
CP
P
0
  T（ ）
p
I   700   850  0
The absolute vale of I becomes bigger, and
atmospheric condition is more unstable
Atmospheric stability during summer 1958~2001 in WNW China
（80°E~90°E）(Unit: K/hPa. Shaded is greater than 0.04°K/hPa）
（mm）
15
且末站各等级日降水量变化
10
5
0
弱
较弱
中等
较强
强
且末站日地面气压值变化
（hPa）
885
880
875
870
865
弱
较弱
中等
较强
强
Changes of precipitation at different intensity category and
related SLP for 1954~1978 and 1979~2003 periods
地球“高烧”不止，大范围高温干旱持续不
断。“热”成为时下许多国家媒体的“热点”
1
人民日报：
新闻。
多维详讯﹕高温热浪袭欧洲教皇祈雨
2003年8月11日15:32:0(京港台时间). 多维详讯﹕高温热浪袭
欧洲教皇祈雨. 多维社记者郑岩报导／法国急救医生协会主席
帕特裏克·佩卢10日称，巴黎最近4天的酷热高温已造成至少50
人死亡。佩卢表示 ...
50年来最高气温，多国进入“灾难状态” 欧洲 ...
50年来最高气温，多国进入“灾难状态” 欧洲今年夏天热死人
人民日报：地球缘何发“高
烧”?
Heat waves are increasing: an example
Extreme Heat Wave
Summer 2003
Europe:
Trend plus variability?
江南华南历年最高日数变化
高温日数（天）
30
25
≥35℃平均日数
20
15
10
5
0
年份
1961 1965 1969 1973 1977 1981 1985 1989 1993 1997 2001
夏季江南、华南地区各时段最高温
度概率分布
0.16
2003年
1961-1980年
1981-2000年
0.14
0.1
0.08
0.06
0.04
0.02
44
42
40
38
36
34
32
30
28
26
24
22
20
0
18
概率
0.12
℃
2003年7月北半球500hPa高度及气候场
西北太平洋副
高面积明显偏
大，强度异常
偏强，位置异
常偏西。
西太副高指数距平： 面积＋17 强度＋42
北半球副高指数距平：面积＋51 强度＋217
• POT： “peaks-over-threshold” is used to represent the behaviour
of exceedances above a high threshold and the
• threshold crossing process. Under suitable conditions, and using a
high enough threshold, extremes
• identified in this way will have a generalized Pareto, or GP,
distribution (see, for example, Smith, 2002).
• “block maximum” method. Statistical theory indicates that the
Generalized Extreme Value, or GEV, distribution is appropriate for
the block maxima when blocks are sufficiently large. In its general
form, the GEV distribution has three parameters: location, scale, and
• shape.