近几十年来，随着气候变暖的加剧，全球范围内极端天气气候事件及其导致的气象灾害呈现出频率增加和强度增大的趋势(IPCC，2012)。极端天气气候事件具有突发性强、破坏性大和难以预测等特点，严重制约着社会和经济的发展，因此，越来越受到社会各界和各国政府的重视。其中，暖夜气温和相关极端事件的变化是人们十分关注的。

现有研究表明，全球范围内与温度有关的指标在近50 a中都显示出了显著的变化，如暖夜最低气温出现明显的上升趋势，暖夜增多，霜冻日数减少，年内温度极差显著减小等(Easterling et al，1997; Alexander et al，2006; 翟盘茂等，1997；任国玉等，2005；张宁等，2008)。中国极端气温的变化总体上与全球极端气温的变化一致，但存在较大的季节和地域性差异(任福民等，1998；任国玉等，2010)。1951—2002年平均最低气温全国呈一致的上升趋势，全国年平均最低气温的上升速度为0.28℃/(10 a)，夏季则为0.49℃/(10 a)(唐红玉等，2005)，利用更长时段资料的研究表明，1954—2006年夏季全国气温平均上升趋势为0.16±0.037℃/(10 a)(李庆祥等，2010)。

国际上对城市化增暖贡献的研究取得了长足进展。在全球尺度上，Jones等(1990)指出，对于全球气温变化来说，城市化的贡献是有限的；Parker(2004)比较了有风和无风的夜间气温变化趋势，认为全球大尺度气温升高的主要贡献不可能是城市化。在区域尺度上，Karl等(1988)指出，美国城市化平均影响约0.06℃/(100 a)，Peterson(2003)在对美国城市和乡村站点比较后认为，没有显著的证据表明城市化对美国气候观测网络有明显的影响。但Kukla等(1986)认为，城市化对温度的影响达到0.12℃／(10 a)。不少专家认为，分离城市热岛效应趋势的问题需要进一步解决，城市热岛效应使得气温升高存在不确定性(Julie et al，1981)。

关于中国城市化对平均气温影响也已有很多研究。单个城市的热岛对当地气温上升的贡献似乎非常明显。林学椿等(2005)指出，随着北京城市建设和城市化速度的加快，热岛强度的增温率为0.31℃/(10 a)；Ren等(2008)给出北京、武汉城市化对城市热岛强度气温升高的贡献超过80％的结论，Yan等(2009)根据均一化数据对北京的城市化进行了研究，得出其对增温的贡献接近40％；范绍佳等(2005)指出，由于城市发展造成广州市平均气温上升约0.4℃。在对于较大尺度区域性气温变化的贡献研究方面，由于资料和处理方法等差异，研究结论也存在一定差异：赵宗慈(1991)提出中国城市化的影响存在于现有气温序列中，分析了城市化影响各类气象站气温的变化，计算得到城市化使大城市气象站在1951—1989年增温0.27—0.45℃。Li等(2004)对全国进行分区，从建立区域气温变化序列的角度对比了有无城市化气象站点，发现区域气温变化序列的差别并不明显，即使在全国城市化最为突出的华南地区，其差异才达到0.012℃/(10 a)。对于东北和华北地区，其年及季节气温的变化均呈现出一种统计意义上显著的阶段性突变，这种突变不太可能是由于城市化造成的，而更大可能是环流的变化所致(Li et al，2010)；Zhou等(2004)利用观测资料和美国国家环境预测中心/能源部(NCEP/DOE)再分析数据比较，得出华南地区1979—1998年城市化的贡献约为0.05℃/(10 a)；Zhang等(2005)利用美国国家大气研究中心/美国国家环境预测中心(NCAR/NCEP)再分析资料和观测对比，则得出110°E以东地区的城市化贡献达到了0.12℃/(10 a)，Du等(2007)、方锋等(2007)用同样的方法得出长江流域、西北地区的城市热岛贡献分别为0.07和0.02℃/(10 a)；Hua等(2008)得出了同期全国城市化总贡献在0.03—0.05℃/(10 a)；Jones等(2008)利用海温和观测的对比，得出1951—2004年城市化的贡献有可能达到0.1℃/(10 a)，但同时也指出这种以海温为基准存在其明显不足；Ren等(2008)以华北为研究对象，对城市大小进行了细分，认为1961—2000年城市化贡献为0.11℃/(10 a)；初子莹等(2005)指出，近20 a热岛效应因素使国家基本、基准站季节平均温度上升速度达到了0.33℃/(10 a)；Yang等(2011)利用夜间灯光指标区分城市气象站点，得出华东地区1981—2007城市化增暖的贡献约为24％；段春锋等(2012)利用高山站作为区域气候的背景，发现城市化影响对于中国东部地区的平均气温上升有明显的增强趋势，贡献达到18％。

极端气候与人类生活息息相关，就目前对最高、最低气温研究(翟盘茂等，1997；任福民等，1998；唐红玉等，2005；任国玉等，2010)表明，其年际变化存在不对称性，其中，最低气温上升速度趋势要比最高气温快，一般认为，人类活动是其主要影响因素(IPCC，2012)。与最高气温相比，最低气温变化似乎更能反映出城市效应对气温变化的影响(Zhou et al，2004；Li et al，2010；Hua et al，2008)。环渤海地区是中国城市化发展较快地区之一，虽然城市化对该地区的平均气温变化的整体影响并不显著(Li et al，2010)，但城市化对极端温度变化特别是对最低气温变化的影响如何？特别是对夏季极端暖夜的影响是否显著是关乎人们的生活和生产安排的重要问题。因此，快速城市化区域夏季的极端暖夜的相应变化特征，是非常具有研究价值的课题。本文着重就城市化对环渤海地区夏季极端暖夜的影响进行研究。2 资料与方法

选取环渤海地区作为研究对象，使用经中国国家气象信息中心质量控制及均一性订正的中国地面气象台站观测的气温资料(Li et al，2009)。研究时段为1958年1月1日—2009年12月31日，为了计算简便，将有缺测资料的站点去除，最终得到33个地面观测站的最低气温资料(图 1，表 3、5)。评估城市化对极端气候的影响不同于对平均气候的评价方法：站点的单个极端值变化趋势往往受到个别极端年份的影响，而如果取多个极值，则无法计算其总体的趋势变化。因此，采用极值分布拟合参数进行分析，评估城市化对极端气候的总体影响。

图 1 研究区域及站点分布 Fig. 1 Geographic location of the stations over the study region

图选项

关于极端气候事件有各种不同的定义。本文对夏季极端暖夜事件的定义是，从每年夏季所有的逐日最低气温(样本容量为各年夏季日数，即92 d)中，选取最低气温的3个极端高的气温值，作为该年的极端最低气温事件，即作为暖夜事件的表示。此暖夜的定义，其小于阈值事件发生概率约为97%，已经超过传统暖夜事件定义的标准(即事件对应气温阈值为第90个百分位)。然后以10 a为气候阶段，取10 a的30个最低气温的最高值，称为极端暖夜的气温样本，作为夏季极端暖夜事件的基础研究样本，样本容量为30。

在城市化对气温影响的研究中，传统的城市热岛效应指标的计算是对各季节的气温平均值进行分析和计算的。实际上，气温的变化不仅表现在平均值上面，平均值仅是气温的概率分布的一个特征量，还应该有分布的其他特征。因此，提出对华北测站某气候阶段样本，针对暖夜气温概率分布的变化进行研究。但是，极端暖夜的气温是极端值，并不遵从正态分布，根据一般认识，可以用广义极值(GEV)分布拟合(金光炎，1998)。

广义极值分布由耿贝尔(Gumbel)、弗雷歇(Fréchet)、韦伯(Weibull)3种极值分布组成，其理论分布函数为

点击浏览公式

对于广义极值分布参数的估计方法主要有最大似然法和L矩估计法(L-moments)，其中，L矩估计法易于计算，并且，对于小样本的计算更加稳定。本文采用L矩参数估计方法，对逐个气候阶段的暖夜最低气温样本，计算其广义极值分布中的3个参数(陈元芳等，2008)。

首先，对各气候阶段暖夜的气温样本中的逐日气温按大小排序，形成升序的新序列，x_i(i=1，2，…，n)，n为样本容量。则线性矩阵为

点击浏览公式

点击浏览公式

点击浏览公式

点击浏览公式

尺度参数计算式为

点击浏览公式

点击浏览公式

使用逐日最低气温资料，对环渤海地区夏季33个站，以10 a为一个气候阶段，取逐站10 a气候阶段的暖夜气温样本，由于样本容量为统计大样本，可以较好地做统计量的矩阵估计。进一步由式(5)—(7)求出暖夜气温分布的3个参数估计值。然后对1958—2009年计算各测站每个10 a气候阶段(滑动)样本的3个参数估计值，以每10 a的中间年份作为该气候阶段的代表年份，得到代表年份分别是1962，1963，……，2004年的43个气候阶段的参数值序列，简称为3个(分布)参数的“年际变化序列”。

为了概括城市极端暖夜的最低气温气候阶段变化的气候特征，对该地区某测站广义极值分布的3个参数的年际变化序列求平均值、标准差，作为度量3个参数的平均状态和变化幅度的气候特征。然后对33个测站的平均值和标准差再求平均，得到该地区所有测站的3个参数平均值和标准差的平均，称为气候平均值和标准差(气候统计量)。为了检验所有测站平均值的代表性，还计算了其离散系数(标准差除以平均值，表 1)。

从表 1的平均值一栏中可以看见，由于形状参数k为0—0.5，表明该地区暖夜气温概率密度分布曲线大体形状为有峰值、峰值在位置参数的右侧，曲线分布状态反映华北的极端暖夜气温变化规律是，高于26℃的气温值出现可能性略多些，气温变化波动范围约为0.3℃。从表中还发现，在3个参数分布中，位置参数ζ的离散系数数值最小，即其年际变化的代表性最好。

为了了解该地区极端暖夜的气温3个分布参数在整个区域年际变化的共同特征，对33个测站的3个分布参数的年际变化序列做主因子分析(黄嘉佑，2007)。表 2给出3个分布参数的前3个公共因子方差贡献及累积方差贡献。

从表 2可见，3个参数的第1公共因子都有超过30%的方差贡献。在3个分布参数中，位置参数的第1公共因子的方差贡献已经超过70%。与其他两个参数相比，其气候阶段共同变化特征表现最明显。说明该区域33个测站的位置参数有极其相似的气候变化演变特征。

在城市化对气温影响的研究中，一般使用城市郊区的乡村站作为比照的参考站，与城市气温进行平均值的差值或气候变化的线性趋势的比较，来度量城市化热岛效应(Kukla et al，1986；Karl et al，1988；Jones et al，1990；Peterson，2003；Parker，2004；李庆祥等，2010)。因此，在区域城市化研究中，确定区域的城市站和乡村站是非常关键的。本文使用因子分析中的分类方法对华北33个测站进行分类，以便确定城市和乡村站群。

从表 1、2中发现，在分布参数中，位置参数代表性最好。并且，位置参数可以反映暖夜的最低气温值出现最多的平均态。因此，可以利用位置参数的因子分析结果，根据参数的年际变化特征对测站进行分类(黄嘉佑，2000)。分类做法是，以第1、2因子荷载分别为横、纵轴，参考第3因子荷载值(在图中以圆圈大小表示)，各站散布显示在图上(图 2)。类别划分原则主要根据因子荷载的聚集范围，此外，还考虑站点的人口。划分结果是：一类站群是在两个类别(A和B)以外的测站。在此站群中，包含有高山站(泰山)和几个沿海小城市站，受到城市化的影响较小，将其称为“参考”或“乡村”站群。其余的27个测站(两个大圆圈A和B围成的测站群)，归为另一类型，称为“城市”站群。将“参考”站群作为城市站群热岛效应的参考站，参考站群的气温变化可以看成为“自然”变化的代表。“参考”站群的3个因子荷载和地理位置见表 3。

图 2 华北测站的位置参数前3个因子荷载散布图(城市A、B类的站点见表 5;图中小圆圈范围大小根据第3个因子荷载数值大小绘制) Fig. 2 Scattering distribution plots of the first 3 weighing factors of ζ(The stations for urban A and B types are listed in Table 5; the size of the small circles are based on the values of the 3rd factor loading)

图选项

对所有测站夏季逐日最低气温分别求“城市”和“参考”站群的平均值，求得两个站群逐年最低气温序列，与上述制作环渤海地区夏季逐站滑动10 a气候阶段的暖夜最低气温样本过程类似，从中再求每个气候阶段样本的3个分布参数估计值，最后得到“参考”站群和“城市”站群的3个分布参数的年际变化序列。

考虑到在3个分布参数中，位置参数能够较好反映暖夜的最低气温分布的气候阶段年际变化特征，故着重研究“城市”站群的位置参数的年际变化特征。图 3是“城市”与“参考”站群的位置参数的年际变化序列比较。

图 3 “城市”与“参考”站群的位置参数年际变化比较(实线为“城市”，虚线为“参考”) Fig. 3 Comparisons of the interannual changes of ζ between the reference station(dashed line) and urban stations(solid line)

图选项

从图 3可见，在全球变暖背景下，该地区“城市”站群暖夜的气温呈先降后升的趋势。这种趋势在“参考”站群的位置参数年际变化序列中也有相似的表现，两个序列相关系数高达0.90。“城市”与“参考”站群的其他参数年际变化序列也有相似的表现(k的相关系数是0.79；a的相关系数是0.54)。这种变化特征反映全球变暖对环渤海地区暖夜的最低气温有共同影响。从图 3还可以看到，“城市”与“参考”站群的位置参数值年际变化虽然都有由逐年减少转变为逐年增大的趋势。但是，“参考”站群的转变年份明显滞后，经过2相回归检验，突变点通过5%显著性水平(黄嘉佑，2000)，“城市”与“参考”站群的序列突变点，分别为1980和1988年。这种突变年份差别，可能是反映该地区在1979年开始的城市化进程对暖夜气温的影响，由于“城市”站群的城市化时间早，对暖夜的最低气温升高产生影响也较早。

显然，全球变暖对两个站群暖夜的最低气温都有影响，但其影响程度却不相同。在“城市”与“参考”站群的3个分布参数的年际变化序列上，逐年计算它们的差值(“城市”站群的对应值与“参考”站群的差)，以便反映“城市”站群与“参考”站群的差异逐年变化情况(图 4)。

从图 4可见，“城市”与“参考”站群的3个分布参数差值(城市减参考)，均存在年代际变化。形状参数差值的年际变化在1978年有一个突变(经过2相回归检验，突变点通过5%显著性水平)，从差值接近0，转变为负差值；尺度参数差值年际变化，在1976年有一个趋势转变，差值由增大转变为减小；位置参数差值的年际变化，也在1976年由变化很小转变为明显增大的趋势(其线性趋势超过5%显著性水平检验)，即存在线性趋势突变(经过2相回归检验，突变点通过5%显著性水平检验)，这种变化可能是反映该地区在20世纪70年代末以来的城市化进程对暖夜气温的影响。

图 4 “城市”与“参考”站群的广义极值3个参数差值的年际变化(细实线：形状参数，虚线：尺度参数，粗实线：位置参数)(形状参数为无量纲，尺度参数、位置参数平均值的单位为℃) Fig. 4 Comparisons of the inter-annual changes of the differences for the 3 GEV paramers between the reference and urban stations(k-slim solid line，no unit; a-bold dashed line，℃; ζ-bold solid line，℃)

图选项

“城市”与“参考”站群的各参数差异的多年平均值表现不同，“城市”的散布和位置参数比“参考”站群大，形状参数比参考站群小(见表 4的平均值一栏)。“城市”与“参考”站群平均值的差值还可以进行显著性检验，即使用t统计量进行检验(黄嘉佑，2000)。从各参数差值统计量比较中，根据各参数值，可以判断出城市的暖夜气温概率密度分布曲线的位置在“参考”站群的分布曲线右侧，但是曲线更狭窄些。说明城市暖夜引起的气温偏高，其气温升高出现可能性比“参考”站群偏多些，且气温波动比“参考”站群小。

根据图 4的各分布参数差值年际变化突变情况，以1978年作为分割点，研究两个不同时段上华北城市化对暖夜的最低气温影响。

进一步计算城市与参考站群的3个分布参数在两个不同时段的平均值(表 4)。表 4中描述1978年前后的两个时段，分别以I和II表示，表中“差值”表示各参数在相同时期“城市”平均值减“参考”站群的平均值得到的差值。

从表 4的两个时段比较中可以看出，在城市快速发展时期，各分布参数中，“城市”的3个分布参数的绝对值均比“参考”站群大。值得注意的是各参数平均值的差值在时段II均有显著差异。说明由于城市化影响，“城市”与“参考”站群暖夜的最低气温分布有显著不同。形状参数由没有差异变成有显著的负值差异；尺度参数由负差值变成显著的正差值；位置参数的正差值显著变大(见表 4的平均值I和II行)。说明在1978年以前，城市的暖夜最低气温概率分布曲线是在“参考”站群的分布曲线附近，散布范围比“参考”站群的要小。但是，在城市快速发展时期，由于城市化影响，城市暖夜的最低气温偏暖情况出现增多，城市的暖夜最低气温概率分布曲线则变成在“参考”站群的右边，散布范围也比“参考”站群的要大。位置参数也发生显著变化，1978年以后的时期比以前时期，位置参数的城市与参考站群的差值，在城市化程度低的时期的差值0.7℃要高出0.3℃。如果以此作为城市热岛强度度量的话，表明在每个10 a尺度气候阶段中，“城市”比“参考”站群要高0.3℃，可以作为华北城市热岛强度，其强度值约为0.3℃／(10 a)。

从上述分析中可见，该地区城市化对夏季极端暖夜的影响表现较为明显。在城市化过程中，城市热岛效应使得城市暖夜气温朝变暖方向发展；但极端暖夜气温值变化幅度亦变大。5 不同类型城市化对暖夜最低气温的影响

对“城市”站群的测站，还可以从27个站暖夜最低气温的位置参数因子分析中做进一步的分类。类别划分原则主要根据因子荷载的聚集范围，此外还考虑站点城市的人口。把“城市”站群划分为两个不同类型的测站群：第1类站群，记为“A”站群，有20站；余下归为第2类站群，记为“B”站群，有7站。其因子荷载散布分类情况见图 2，各站群测站站点位置见表 5。

表 5中不同类型城市站群，基本上对应城市地理位置的不同类型。例如，A类城市地理位置大部分在38°N以北，可以称为北部城市站群；B类城市包含7个测站，地理位置大部分在38°N以南，可以称为南部站群。

为了了解不同类型城市在快速发展期，对暖夜的最低气温的影响，根据“城市”与“参考”站群3个分布参数差值的年际变化趋势突变情况(图 4)，把参数年际变化序列，以1978年划分为前后两个时段，1978年以后作为城市快速发展时段，分别与参考站群做比较。表 6给出不同城市类型的3个分布参数，在不同时段的平均值，以及“城市”减“参考”站群的平均值得到的差值。

从表 6可见，在城市快速变化时期，与“参考”站群比较，使用不同类型“城市”群参数减去“参考”站群的差值进行比较。结果发现B类城市的形状参数显著变小幅度更大；气温分布散布则B类城市比A类城市缩小更明显；位置参数则表现B类城市增大明显。说明渤海地区南部城市化表现更为强烈。但是，就城市化对暖夜气温的增温作用来说，A类城市在城市化快速变化时段II，比城市化程度低的时段I的城市与参考站群的差值0.5℃要高出0.3℃。B类城市城市化作用增温情况也是0.3℃。即在10 a间城市化产生的增温幅度与不分类的情况一致(表 4、6)，其城市热岛强度仍然是0.3℃/(10 a)。6 结 论

选取环渤海地区33个测站的夏季逐日最低气温资料(1958—2009年)，使用广义极值分布描述极端最低气温分布，以10 a滑动气候阶段，对3个分布特征参数进行年际变化分析，并对城市化对暖夜的最低气温影响进行研究。得到如下结论：

(1)在极端暖夜的最低气温分布3个参数的年际变化中，以位置参数代表性最好。在气候阶段变化中，暖夜的最低气温有显著的增温趋势；

(2)利用因子分析的荷载值分布确定环渤海地区的“城市”站群和与之比较的“参考”站群。分析表明：在城市快速变化时期，“城市”站群暖夜最低气温分布的3个参数比“参考”站群均要高，即偏高气温出现的可能性大；

(3)不同类型城市的城市化，对暖夜最低气温均起增温作用；与北部城市相比，环渤海地区南部城市化对暖夜的最低气温增温表现更强烈些，但不同类型城市的热岛强度均约0.3℃／(10 a)；值得注意的是：这种单纯从气温序列统计变化检测得出的城市化对极端暖夜的贡献大小可以认为是理论上的最大值。