一种区域持续性极端高温事件识别的新方法与流程

1.本发明涉及区域持续性极端高温事件识别技术领域，具体为一种区域持续性极端高温事件识别的新方法。


背景技术：

2.全球变暖大背景下，极端高温事件频发，其强度呈现显著增加趋势，成为了极端天气气候事件的典型代表。对区域持续性极端高温事件进行识别，提取用于其长期变化分析的特征指标，对防灾减灾具有重要意义。以往针对极端高温事件的分析，大多采用固定阈值，并仅围绕某一单一指标来开展其特征的研究，如高温日数、高温强度等。但极端高温事件具有强度、面积、持续时间等多特征参量，只从单一方面研究不够全面，本发明构建出极端高温事件的综合指标，并根据该指标，给出了高温事件的等级划分方法，对于高温研究具有重要意义。
3.极端高温事件的识别方法单一，具备一定的缺陷和片面性，导致对高温事件的判断，容易产生偏差，且不能全面描述该事件。


技术实现要素：

4.针对现有技术的不足，本发明提供了一种区域持续性极端高温事件识别的新方法，解决了上述背景技术中提出极端高温事件的识别方法单一，具备一定的缺陷和片面性，导致对高温事件的判断，容易产生偏差，且不能全面描述该事件的问题。
5.为实现以上目的，本发明通过以下技术方案予以实现：一种区域持续性极端高温事件识别的新方法，包括以下步骤：s1、根据气候平均高温日数的逐月分布选取研究时段；s2、给出研究区域内所有台站高温识别的相对阈值；s3、逐日计算区域内超过温度阈值的台站数占总台站数的百分比；s4、判定是否为一个持续性高温事件；s5、给出分析区域持续性高温事件的特征指标；s6、构建极端高温综合指数，并对高温事件定级。
6.可选的，所述步骤s1中，所述步骤s1中，根据长期历史资料，统计气候平均态高温日数的逐月分布，选取高温频发的月份作为本发明新方法的研究时段。
7.可选的，所述步骤s2中，通常采用逐日日最高温度35
°
c的绝对阈值作为高温的判断标准，但相对阈值更具优势，并根据研究时段内的逐日长期最高温度升序序列，计算出区域内各气象台站的第90百分位温度值，作为判断高温事件的相对温度阈值。
8.可选的，所述步骤s3中，逐日计算区域内超过温度阈值的台站数占总台站数的百分比，某日整个区域内至少有一定数目的台站超过温度阈值，则认为该日发生了区域高温事件。
9.可选的，所述步骤s4中，参考s3中单日区域高温事件的判别方法，前后两日均满足
以上标准，则认为事件连续，当一次事件的持续天数达到5天，则识别为一个持续性事件。
10.可选的，所述步骤s5中，可选取5个特征指标用于区域持续性高温事件特征的分析，分别为事件的强度q、最大强度qmax、影响面积a、最大影响面积amax和持续时间d，各指标的具体计算方法如下：s501、事件强度q：单次区域持续性高温事件中，事件持续时间内每日强度的平均值，其中，每日强度为符合条件的站点气温之和与符合条件的站点数的比值；s502、事件最大强度qmax：单次区域持续性高温事件中，事件持续时间内每日强度的最大值；s503、事件影响面积a：单次区域持续性高温事件中，事件持续时间内每日高温影响范围的平均值；s504、事件最大影响面积amax：单次区域持续性高温事件中，事件持续时间内每日高温影响范围的最大值；s505、事件持续时间d：单次区域持续性高温事件中，事件的维持天数。
11.可选的，所述步骤s6中，基于事件强度q、事件影响面积a和事件持续时间d，构建极端高温综合指数z=q
×
a
×
d，该指数表示高温强度在空间和时间上的累积，若强度越强，面积越广，持续时间越长，则综合强度指数越大，以及该指数可体现高温事件的综合影响力，指数越大，事件的综合影响力越大，并可基于综合指数的频数分布，给出了弱、中等、强、极强等4个高温等级的划分方法。
12.本发明提供了一种区域持续性极端高温事件识别的新方法，具备以下有益效果：1、本发明设计了一种区域持续性极端高温事件识别的新方法，该方法既考虑到了研究区域内高温事件的群发性，又同时兼顾了高温事件的持续性，对区域持续性高温事件的识别非常有效。
13.2、该识别方法，可借助多个特征指标开展高温特征的全面分析，从高温强度、面积和维持时间等多角度探讨其长期变化及趋势，并构建出综合强度指数，更为全面的表述高温事件的长期变化特征。
14.3、本发明根据综合指数的频数分布，科学地给出了高温等级的划分依据，以弱、中等、强、极强等4个等级划分高温事件，对于进一步细化高温事件特征研究具有重要意义。
附图说明
15.图1为本发明1991
‑
2020年华南平均高温日数的逐月分布图；图2为本发明高温事件强度、影响面积、持续时间和综合指数的长期变化及其趋势图；图3为本发明不同等级高温事件的频数分布图。
具体实施方式
16.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。
17.实施案例一请参阅图1和图2，本发明提供一种技术方案：一种区域持续性极端高温事件识别
的新方法，包括以下步骤：s1、根据气候平均高温日数的逐月分布选取研究时段；s2、给出研究区域内所有台站高温识别的相对阈值；s3、逐日计算区域内超过温度阈值的台站数占总台站数的百分比；s4、判定是否为一个持续性高温事件；s5、给出分析区域持续性高温事件的特征指标；s6、构建极端高温综合指数，并对高温事件定级。
18.本发明中，步骤s1中，所述步骤s1中，根据长期历史资料，统计气候平均态高温日数的逐月分布（图1），选取高温频发的月份作为本发明新方法的研究时段，并以华南区域为例，统计结果表明5
‑
9月年均高温日数均达到15天以上，其间高温频发，因此选取5
‑
9月为研究时段。
19.本发明中，步骤s2中，通常采用逐日日最高温度35
°
c的绝对阈值作为高温的判断标准，但相对阈值更具优势，并可根据研究时段内的逐日长期最高温度升序序列，计算出区域内各气象台站的第90百分位温度值，作为判断高温事件的相对温度阈值。
20.本发明中，步骤s3中，逐日计算区域内超过温度阈值的台站数占总台站数的百分比，某日整个区域内至少有一定数目的台站超过温度阈值，则认为该日发生了区域高温事件，并以华南区域（总台站82个）为例，5
‑
9月发生高温时，华南区域平均一天有22个台站满足高温标准，其等价于26%（22/82）的百分比阈值。
21.本发明中，步骤s4中，参考s3中单日区域高温事件的判别方法，前后两日均满足以上标准，则认为事件连续，当一次事件的持续天数达到5天，则识别为一个持续性事件。本发明针对华南区域进行识别，发现近30年（1991—2020年），该区域共发生了113次区域持续性极端高温事件。
22.本发明中，步骤s5中，可选取5个特征指标用于区域持续性高温事件特征的分析，分别为事件的强度q、最大强度qmax、影响面积a、最大影响面积amax和持续时间d，各指标的具体计算方法如下：s501、事件强度q：单次区域持续性高温事件中，事件持续时间内每日强度的平均值。其中，每日强度为符合条件的站点气温之和与符合条件的站点数的比值；s502、事件最大强度qmax：单次区域持续性高温事件中，事件持续时间内每日强度的最大值；s503、事件影响面积a：单次区域持续性高温事件中，事件持续时间内每日高温影响范围的平均值；s504、事件最大影响面积amax：单次区域持续性高温事件中，事件持续时间内每日高温影响范围的最大值；s505、事件持续时间d：单次区域持续性高温事件中，事件的维持天数。
23.基于上述特征因子，可进行高温事件的长期变化分析；选取事件强度q、事件影响面积a、事件持续时间d，绘制华南区域高温事件各特征的长期变化及其趋势图（图2a
‑
c），可以得到以下结论：事件强度、影响面积和持续时间的气候平均值分别为35.06
°
c、31.57万平方公里和9.07天。三个特征因子整体都呈不显著的上升趋势，增长率分别为0.03
±
0.04
°
c/10a，1.04
±
0.75万平方公里/10a和0.91
±
0.60天/10a。
24.本发明中，步骤s6中，基于事件强度q、事件影响面积a和事件持续时间d，构建极端高温综合指数z=q
×
a
×
d，该指数表示高温强度在空间和时间上的累积，若强度越强，面积越广，持续时间越长，则综合强度指数越大，该指数可体现高温事件的综合影响力，指数越大，事件的综合影响力越大。
25.综合指数可更好地展现高温事件综合影响力的长期变化特征；如图2d所示，近30年间综合强度指数整体呈显著上升趋势（0.19
±
0.13/10a）；2007年出现极大值，分段趋势分析表明，其存在先上升后下降的趋势。
26.实施案例二请参阅图1和3，本发明提供一种技术方案：一种区域持续性极端高温事件识别的新方法，包括以下步骤：s1、根据气候平均高温日数的逐月分布选取研究时段；s2、给出研究区域内所有台站高温识别的相对阈值；s3、逐日计算区域内超过温度阈值的台站数占总台站数的百分比；s4、判定是否为一个持续性高温事件；s5、给出分析区域持续性高温事件的特征指标；s6、构建极端高温综合指数，并对高温事件定级。
27.本发明中，步骤s1中，所述步骤s1中，根据长期历史资料，统计气候平均态高温日数的逐月分布（图1），选取高温频发的月份作为本发明新方法的研究时段，并以华南区域为例，统计结果表明5
‑
9月年均高温日数均达到15天以上，其间高温频发，因此选取5
‑
9月为研究时段。
28.本发明中，步骤s2中，通常采用逐日日最高温度35
°
c的绝对阈值作为高温的判断标准，但相对阈值更具优势，并根据研究时段内的逐日长期最高温度升序序列，计算出区域内各气象台站的第90百分位温度值，作为判断高温事件的相对温度阈值。
29.本发明中，步骤s3中，逐日计算区域内超过温度阈值的台站数占总台站数的百分比，某日整个区域内至少有一定数目的台站超过温度阈值，则认为该日发生了区域高温事件，并以华南区域（总台站82个）为例，5
‑
9月发生高温时，华南区域平均一天有22的台站满足高温标准，其等价于26%（22/82）的百分比阈值。
30.本发明中，步骤s4中，参考s3中单日区域高温事件的判别方法，前后两日均满足以上标准，则认为事件连续，当一次事件的持续天数达到5天，则识别为一个持续性事件，并针对华南区域进行识别，发现近30年（1991—2020年），该区域共发生了113次区域持续性极端高温事件。
31.本发明中，步骤s5中，可选取5个特征指标用于区域持续性高温事件特征的分析，分别为事件的强度q、最大强度qmax、影响面积a、最大影响面积amax和持续时间d，各指标的具体计算方法如下：s501、事件强度q：单次区域持续性高温事件中，事件持续时间内每日强度的平均值。其中，每日强度为符合条件的站点气温之和与符合条件的站点数的比值；s502、事件最大强度qmax：单次区域持续性高温事件中，事件持续时间内每日强度的最大值；s503、事件影响面积a：单次区域持续性高温事件中，事件持续时间内每日高温影
响范围的平均值；s504、事件最大影响面积amax：单次区域持续性高温事件中，事件持续时间内每日高温影响范围的最大值；s505、事件持续时间d：单次区域持续性高温事件中，事件的维持天数。
32.本发明中，步骤s6中，基于事件强度q、事件影响面积a和事件持续时间d，构建极端高温综合指数z=q
×
a
×
d，该指数表示高温强度在空间和时间上的累积，若强度越强，面积越广，持续时间越长，则综合强度指数越大，该指数可体现高温事件的综合影响力，指数越大，事件的综合影响力越大。
33.本发明还根据综合指数的频数分布，给出了弱、中等、强、极强等4个高温等级的划分方法（图3）；1991
‑
2020年间华南区域共发生了113次区域持续性高温事件，计算每次事件的综合指数，给出综合指数的频数分布，将弱、中等、强、极强四个等级高温事件的发生概率定为20%、40%、30%和10%，反算出各高温等级对应的z值区间；以华南113次事件为例，综合指数z在
‑
1.03~
‑
0.70、
‑
0.70~
‑
0.11、
‑
0.11~1.40和1.40~5.19四个区间时，高温事件发生概率正好对应20%（23/113）、40%（45/113）、30%（33/113）和10%（12/113），可直接根据z值大小，寻找对应区间，确定高温事件等级。
34.根据综合强度指数，本发明还给出了，1991
‑
2020年十大华南区域持续性高温事件排名表1：表11991
‑
2020年十大华南区域持续性高温事件排名表
表中展示了十大极强高温事件的起止时间、事件强度、影响面积等特征；例如2007年7月7日
‑
8月9日的极强高温事件，综合强度指数高达5.19，其事件平均强度为35.52
°
c，事件影响面积为38.64万平方公里，事件持续时间为34d。
35.以上，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。