盧 堯， 沈 陽， 楊瓊瓊， 姜 麟

（1.蕪湖氣象局，安徽蕪湖 241000； 2.江蘇省氣象臺，南京 210008）

“倒春寒”是一種冷空氣引發(fā)的春季低溫凍害［1-2］，對農(nóng)業(yè)生產(chǎn)破壞性較大. 鑒于倒春寒的嚴重影響，相關(guān)研究提出了多種監(jiān)測標準. 吳增福等［3］根據(jù)每年3—4 月氣溫降幅和距平，劃分了江蘇地區(qū)不同時段倒春寒強度的標準；張淑惠［4］提出了福建北部和南部地區(qū)的倒春寒標準，并使用過程平均日距平衡量其強度；段旭等［5］結(jié)合旬氣溫距平和旬內(nèi)最低氣溫定義了云南地區(qū)新的倒春寒指標，監(jiān)測能力較舊指標更加客觀準確.

倒春寒作為一種春季異常低溫現(xiàn)象，每次過程的持續(xù)時間和最低溫度各不相同，因此嚴重程度有所區(qū)別. 百分位數(shù)［6］在研究氣象災(zāi)害嚴重性方面有著廣泛的應(yīng)用，如研究極端氣溫和降水事件，以及劃分旱澇級別等方面［7-13］. 選擇百分位數(shù)作為監(jiān)測指標，其優(yōu)勢在于既可以研究事件極端性，亦可劃分事件嚴重程度，且針對不同研究對象，閾值選取靈活性較強.

綜上，現(xiàn)有研究提出的倒春寒業(yè)務(wù)標準，其核心內(nèi)容是將溫度距平和低溫持續(xù)日數(shù)作為衡量倒春寒起止時間和強度的因子，而百分位數(shù)在倒春寒事件中的應(yīng)用鮮有涉及. 研究基于百分位數(shù)，適用于江蘇地區(qū)的倒春寒指標，對于監(jiān)測春季低溫凍害，做好防災(zāi)減災(zāi)工作，具有重要意義.

1 資料和方法

1.1 資料和倒春寒定義

選取江蘇省所屬的13個地級市（南京、徐州、連云港、宿遷、鹽城、淮安、泰州、揚州、鎮(zhèn)江、常州、無錫、蘇州和南通）氣象觀測站，1981—2020年（共40年）2—5月的日最低氣溫（20時—20時）和日平均氣溫（20時—20時）記錄.

參考已有研究［14-15］，本文對倒春寒的定義為：每年入春至4月30日，至少連續(xù)3 d日平均氣溫＜10 ℃時，則第1天為倒春寒起始日；由于4月日平均溫度較3月有顯著上升，故4月倒春寒開始條件放寬為至少連續(xù)2 d日平均氣溫＜10 ℃時，則第1天為倒春寒起始日；無論在3月還是4月，至少連續(xù)3 d日平均氣溫≥10 ℃時，則第1天為倒春寒結(jié)束日，其中入春日期的判定參照文獻［16］.

1.2 分析方法

根據(jù)倒春寒起始日期，定義起始日至結(jié)束日的持續(xù)天數(shù)為倒春寒過程的“持續(xù)日數(shù)”，用D表示. 由于結(jié)束日當(dāng)天日平均溫度通常有一定程度回升，故定義倒春寒起始日至結(jié)束日前1 d日最低溫度的平均值為倒春寒過程的“平均最低溫度”，用-T表示. 例如，某次倒春寒過程自3月15日開始，至3月20日結(jié)束，則持續(xù)日數(shù)為6 d，平均最低溫度等于15—19日每日最低氣溫的算術(shù)平均.

將統(tǒng)計后得到的各測站D按“升”序排列，Tˉ按“降”序排列，各取2 個百分位數(shù)作為閾值，將D序列和-T序列各自劃分為輕度、中度和重度3 個區(qū)間，根據(jù)D和-T兩個因子的嚴重程度，綜合判定倒春寒等級（表1）.

表1 倒春寒等級判定Tab.1 Classification of late spring cold

2 結(jié)果與分析

2.1 入春日期

如前文所述，倒春寒是發(fā)生于春季的異常低溫事件，故統(tǒng)計倒春寒事件的首要步驟是確定入春日期. 參照文獻［16］，本文所選13個市最早入春日期大多位于3月2候，個別地區(qū)可提前至2月4候（南京、蘇州）；最晚入春日期大多位于4月2候，個別地區(qū)可推遲至4月4候（連云港、鹽城）. 平均而言，長江以南地區(qū)入春日期為3月4—5候，長江以北地區(qū)入春日期為3月5—6候.

2.2 倒春寒起始時間

將所選13個市劃分為淮北（徐州、連云港、宿遷和淮安）、江淮之間（鹽城、泰州、揚州和南通）和江南（南京、鎮(zhèn)江、常州、無錫和蘇州）3個地區(qū)［17］. 以候為時間跨度，淮北地區(qū)和江淮之間地區(qū)倒春寒起始時間呈現(xiàn)單峰結(jié)構(gòu)，兩個地區(qū)倒春寒均在4月1候出現(xiàn)最為頻繁，分別達34次和31次；而江南地區(qū)呈現(xiàn)雙峰結(jié)構(gòu)，倒春寒在3月5候和4月1候出現(xiàn)最為頻繁，兩個峰值分別為33次和35次，頻次極為接近（圖1）. 需要注意的是，4月5—6候從未發(fā)生過倒春寒，因為該時段冷空氣強度和活動顯著減弱，日平均氣溫難以維持2 d以上低于10 ℃狀態(tài)，這也是前文將倒春寒時段限定為3—4月的重要原因.

圖1 江蘇省1981—2020年倒春寒起始時間Fig.1 Start date of late spring cold of different regions in Jiangsu Province

2.3 倒春寒時空分布特征

2.3.1 總體分布 由圖2 a可知，1981—2020年倒春寒多發(fā)生于江南地區(qū)，鎮(zhèn)江、常州和無錫各存在一個大值中心；緯度較高的淮北地區(qū)倒春寒頻次反而較少. 所選13個市中，揚州倒春寒總頻次最少，40年僅23次；鎮(zhèn)江最多，為34次. 就該省平均狀況而言，這13個市年均發(fā)生倒春寒0.7次，泰州、鎮(zhèn)江、常州和無錫年均頻次高于全省平均值圖2 b.

我一下愣住了。這還真不好回答。想了一下，我就把事情原委跟她說了。聽著聽著，婆婆就落淚了，說：“你這個娘真不簡單。你往西走六七里，西山有個駱駝坳，他們在那兒?！彼鰜碇噶讼路较?，又說：“那里險著呢。方圓二三里，男的見了就開槍打死，女的見了就擄進去糟蹋。這攏岸的人啊，冇得哪個敢去那兒，你要當(dāng)心呵?！?/p>

圖2 江蘇省1981—2020年倒春寒累計頻次和年均頻次Fig.2 Accumulative frequency and annual average frequency of late spring cold in Jiangsu Province from 1981 to 2020

分區(qū)平均后，淮北地區(qū)倒春寒年均頻次為0.7次，江淮之間地區(qū)為0.6次，江南地區(qū)最高，達0.8次. 分析可知，倒春寒年均頻次高于全省平均值的4個市中，有3個位于江南地區(qū)，倒春寒在江南地區(qū)最為頻繁.

由圖3 可以看出，1981—2020 年江蘇省逐年倒春寒頻次最高為28 次（2013 年），最低為0 次（1986、1991、1992、2002、2007、2012年），年均9次. 在這40年中，有19年倒春寒總頻次高于平均值，有18年低于平均值.

圖3 江蘇省1981—2020年逐年倒春寒總頻次和年均頻次Fig.3 Annual total frequency of late spring cold and its average value in Jiangsu Province

從倒春寒年頻次的峰值看，1981—2003年，峰值均小于15次，最多為14次（1981年、1990年）；而2004—2020 年，峰值均大于或等于15 次，其中有4 次峰值達20 次以上（2004、2010、2013、2018 年），最多為28 次（2013年），是2004年之前的2倍. 綜上，江蘇省倒春寒年頻次的峰值，自2004年起呈顯著增長現(xiàn)象，其中原因有待進一步研究.

2.3.2 百分位數(shù)閾值的確定 如前所述，使用持續(xù)日數(shù)D和過程平均最低溫度-T作為判定倒春寒天氣過程強度的2個因子. 參照相關(guān)研究方法［7-13］，選定80%分位數(shù)和50%分位數(shù)作為閾值，將上述2個指標劃分為輕、中、重3個區(qū)間. 由于相同百分位數(shù)對應(yīng)不同站點的數(shù)值亦不相同，為統(tǒng)一監(jiān)測標準，采用平均值方案，全省平均和區(qū)域平均閾值的對比結(jié)果如表2所示.

表2 D和Tˉ百分位數(shù)分布Tab.2 The percentiles of duration days and average minimum temperature

若采用分區(qū)方案，因子D的80%分位數(shù)中，淮北地區(qū)標準差和全省標準差均為0.6，但淮北地區(qū)均值升為7.0，標準差和均值比例降為8.57%；江淮之間地區(qū)、江南地區(qū)和全省均值均為6.0，但2個分區(qū)標準差降均降至0.5，標準差和均值比例亦降為8.33%. 因子D的50%分位數(shù)中，各分區(qū)和全省相比無變化，均值（標準差）均為4.0（0.0）.

因子-T的80%分位數(shù)中，淮北、江淮之間和江南地區(qū)的標準差（0.3、0.3、0.4）較全省標準差（0.5）均明顯下降；淮北地區(qū)均值（3.3）較全省（3.9）減小，其他2 個分區(qū)（4.0、4.3）則上升. 計算結(jié)果表明，分區(qū)的標準差和均值比例（9.10%、7.50%、9.30%）較全?。?2.82%）顯著降低. 因子Tˉ的50%分位數(shù)分區(qū)均值較全省均值的變化與80%分位數(shù)完全一致，3個分區(qū)的標準差和均值比例（4.55%、6.12%、5.88%）較全省（8.33%）亦顯著降低.

綜上，從標準差和均值之比看，采用分區(qū)均值方案確定百分位數(shù)作為倒春寒強度劃分閾值相較采用全省均值方案更為合理. 故最終確定江蘇省分區(qū)倒春寒因子D和因子-T的強度閾值如表3所示.

表3 D和-T 分區(qū)分級閾值Tab.3 Regional classified threshold of D and -T

2.3.3 不同強度倒春寒時間分布 圖4表明1981—2020年，江蘇省輕度倒春寒年頻次隨時間波動較大，3個峰值分別出現(xiàn)在1981年（12次）、1997年（12次）和2013年（16次）. 中度倒春寒年頻次在1988—1990年出現(xiàn)一組峰值（8 次）后，呈現(xiàn)逐年下降的趨勢；自2009 年至2013 年，峰值又迅速增長至12 次，之后再次逐年下降. 中度倒春寒年頻次波動較為劇烈，相鄰年份頻次差值最大可達12次（2012年和2013年）. 重度倒春寒在1992年之前較為少發(fā)，年頻次最多僅1次；1993—1995年頻次開始增多，之后至2000年不再發(fā)生；2001年之后雖然亦存在連續(xù)數(shù)年不發(fā)生的情況，但總體上進入多發(fā)期，年頻次峰值出現(xiàn)在2018年（9次）.

圖4 江蘇省1981—2020年倒春寒分級頻次統(tǒng)計Fig.4 Annual frequency of classified late spring cold in Jiangsu Province

2.3.4 不同強度倒春寒空間分布 1981—2020年輕度倒春寒累計頻次（圖略）分布表明，輕度倒春寒頻發(fā)區(qū)位于南通（17次）、常州（20次）、無錫（17次）和蘇州（21次）一帶，淮北地區(qū)中連云港（17次）和淮安（17次）最為頻發(fā)，其他地區(qū)頻次則相對較少.

中度倒春寒（圖5 a）高發(fā)區(qū)則位于揚州（13次）、常州（13次）和無錫（11次）地區(qū)，連云港（7次）、淮安（6次）、鹽城（6次）和南通（5次）地區(qū)最少. 重度倒春寒（圖5 b）分布亦有顯著變化，高發(fā)區(qū)位于江蘇西部地區(qū)和無錫（5次）、蘇州（4次）一帶，南京頻次最多（7次），常州頻次最少（1次）.

圖5 江蘇省1981—2020年中度和重度倒春寒累計頻次Fig.5 Accumulative frequency of moderate and severe late spring cold in Jiangsu Province from 1981 to 2020

綜上，輕度倒春寒中心位于江蘇省的東南部地區(qū)，中度倒春寒中心向中部轉(zhuǎn)移，而重度倒春寒中心則位于西部地區(qū). 隨著倒春寒嚴重程度的加深，其頻發(fā)區(qū)向西、向北轉(zhuǎn)移的特征十分顯著.

不同等級倒春寒的區(qū)域平均頻次（圖6）表明：江南地區(qū)平均頻次在所有等級上均高于其他地區(qū)，與圖2結(jié)論一致；輕度和重度倒春寒中，淮北地區(qū)平均頻次高于江淮之間地區(qū)；而中度倒春寒江淮之間地區(qū)平均頻次高于淮北地區(qū).

圖6 1981—2020年江蘇省分級倒春寒區(qū)域平均頻次Fig.6 Regional average frequency of classified late spring cold in Jiangsu Province

以重度倒春寒事件為例，淮北地區(qū)平均頻次為0.10 次/（站年），江淮之間地區(qū)平均頻次為0.08 次/（站年），江南之間地區(qū)平均頻次為0.11次/（站年）. 由表1可知，若達到重度倒春寒，則因子D和因子-T中至少有一個嚴重程度達到重度等級. 經(jīng)統(tǒng)計（表略）：淮北地區(qū)16次重度倒春寒事件中，重度D和-T分別為12次和7次；江淮之間地區(qū)12次重度倒春寒事件中，重度D和-T分別為5次和7次；江南地區(qū)22次重度倒春寒事件中，重度D和-T分別為10次和15次.

而對于中度倒春寒事件而言，淮北、江淮之間和江南地區(qū)平均頻次分別為0.20、0.21 和0.25次/（站年）. 由表1可知，因子D和因子-T中至少有一個嚴重程度達到中度及以上等級時，方可達成中度倒春寒事件. 統(tǒng)計結(jié)果（表略）表明，淮北、江淮之間和江南地區(qū)中度倒春寒頻次分別為32、34和50次，其中符合要求的因子D頻次分別為17、22 和27 次，而因子-T頻次分別為26、21和37次.

綜上，在影響重度倒春寒的2 個因子中，淮北地區(qū)因子D作用更大，而江淮之間和江南地區(qū)則是因子-T更為重要. 對中度倒春寒而言，淮北和江南地區(qū)因子-T作用更大，江淮之間地區(qū)則是兩者作用相當(dāng). 可見造成不同等級倒春寒事件的2個因子相對重要性存在地區(qū)差異，江南地區(qū)一致性最高，中度和重度倒春寒均需要重點關(guān)注因子-T能否達到所需等級.

3 歷史事件檢驗

《中國氣象災(zāi)害大典（江蘇卷）》［18］（以下簡稱《大典》）中記錄了2000年之前發(fā)生的影響較為嚴重的低溫凍害事件，考慮到本文所述倒春寒指“入春”之后的低溫天氣，故《大典》中記載的發(fā)生于1994年3月下旬和1995年4月上旬的2場入春后全省范圍低溫事件可用來檢驗前文所述倒春寒指標的適用性. 這兩場倒春寒事件發(fā)生時，連云港、宿遷、淮安、鹽城、泰州和南通尚未入春，其他地區(qū)統(tǒng)計結(jié)果詳見表4.

由表4可知，在兩場全省范圍倒春寒天氣過程中，有效記錄站點均為7個. 其中1994年個例中，D等級均為中度及以上，-T等級有3個站為中度及以上，綜合判定4個站發(fā)生中度及以上倒春寒. 其中徐州1個站達重度倒春寒等級.《大典》中只查詢到徐州地區(qū)受災(zāi)情況，說明徐州災(zāi)情最為嚴重，這與文中指標判定結(jié)果完全一致.

表4 倒春寒歷史事件檢驗Tab.4 Verification of historical late spring cold

1995年個例中，D等級中度及以上有2個站，-T等級重度則高達5個站，綜合判定5個站發(fā)生中度及以上倒春寒. 其中無錫1個站達重度倒春寒等級.《大典》中亦只記錄了無錫地區(qū)受災(zāi)情況，從側(cè)面說明無錫災(zāi)情最為嚴重，這與文中指標判定結(jié)果亦完全一致.

綜上，以《大典》記錄的倒春寒天氣過程為參考依據(jù)，本文所設(shè)計的倒春寒指標從范圍和強度兩方面均能很好地反映真實情況，充分證明了該指標在江蘇省具備完善的合理性和可用性.

4 結(jié)論

利用1981—2020 年3—4 月日平均溫度和日最低溫度，設(shè)計了一套基于百分位數(shù)的江蘇分區(qū)倒春寒氣象指標，研究結(jié)論如下：

1）1981—2020年，揚州倒春寒總頻次最少，鎮(zhèn)江最多；泰州、鎮(zhèn)江、常州和無錫4個地區(qū)年均倒春寒頻次高于全省平均值；江南地區(qū)倒春寒最為頻繁.

2）采用持續(xù)日數(shù)D和過程平均最低溫度-T2個因子的50%、80%分位數(shù)，可將倒春寒分為輕、中、重3個等級. 隨著倒春寒等級的增加，相應(yīng)等級倒春寒頻發(fā)區(qū)自江蘇省東南部地區(qū)向西、向北轉(zhuǎn)移的特征十分顯著；江南地區(qū)所有等級倒春寒頻次均顯著高于其他地區(qū)，影響不同地區(qū)不同等級倒春寒的因子相對重要性存在差別，未來應(yīng)更多關(guān)注重度倒春寒頻次的演變趨勢.

3）本文設(shè)計的分區(qū)倒春寒指標判定的事件范圍和等級，尤其是重度倒春寒地區(qū)，與《大典》記錄的倒春寒事件完全一致，充分證明了該指標在江蘇省具備合理性和可用性.

受篇幅所限，文中一些問題未得到充分討論，如2004年后江蘇省倒春寒頻次顯著增多原因、倒春寒前期信號及預(yù)報關(guān)鍵點等，這些問題還有待進一步研究.