鐘洋洋 錢誠

1 中國科學(xué)院大氣物理研究所中國科學(xué)院東亞區(qū)域氣候—環(huán)境重點(diǎn)實(shí)驗室，北京100029

2 中國科學(xué)院大學(xué)，北京100049

1 引言

極端天氣氣候事件會對生態(tài)系統(tǒng)、社會經(jīng)濟(jì)、人民生活造成不利影響。在一定程度上，極端事件的頻率和強(qiáng)度關(guān)系著氣象災(zāi)害的災(zāi)情，也威脅糧食安全和人類福祉（劉杰等, 2012; Grant, 2017; Ummenhofer and Meehl, 2017; 黃萌田等, 2020）。IPCC第六次評估報告指出，2011～2020年全球平均地表溫度比工業(yè)革命時期（1850～1900年）上升了1.09 [0.95～1.20]°C（https://www.ipcc.ch/report/ar6/wg1/#SPM[2021-08-09]）。在氣候變化的背景下，觀測到的極端溫度事件的頻率和強(qiáng)度發(fā)生了顯著變化 （Dunn et al., 2020），并且隨著全球變暖的加劇，未來極端事件的變化將變得更大（https://www.ipcc.ch/report/ar6/wg1/#SPM[2021-08-09]）。

春季的霜凍（以下簡稱春霜凍）是北半球溫帶地區(qū)與農(nóng)業(yè)相關(guān)的最嚴(yán)重的極端事件之一，發(fā)生風(fēng)險正在增加（Lamichhane, 2021）。有研究表明在北美和歐洲，春霜凍對作物和樹木的損害所造成的農(nóng)業(yè)經(jīng)濟(jì)損失比其他與氣候相關(guān)災(zāi)害的損失都大 （Papagiannaki et al., 2014）。例如，2021年4月，春霜凍席卷歐洲（Lamichhane, 2021），法國遭遇40年來最嚴(yán)重的春霜凍，造成農(nóng)業(yè)減產(chǎn)，葡萄酒產(chǎn)業(yè)損失過半，杏的產(chǎn)量比2020年下降43%，果蔬業(yè)的價格壓力增大（http://fr.haiwainet.cn/n/2021/0701/c3541926-32146763.html[2021-07-01]）。

春季氣溫回升，返青拔節(jié)后的冬小麥和處于苗期的棉花、玉米、薯類等作物以及解除休眠后進(jìn)入生長期的果樹花卉抗寒能力弱，若遇到南侵的北方冷空氣，容易受到低溫的傷害，影響其正常生長發(fā)育（陳翔等, 2020; 李德萍等, 2020）。2020年4月下旬，寧夏遭遇了60年來最大范圍的霜凍天氣。此事件被列入了2020年“寧夏十大天氣氣候事件” （http://www.ycen.com.cn/xwzx/yw/202101/t202101 12_106496.html[2021-01-12]）。據(jù)調(diào)查，在此次事件中，寧夏灌區(qū)的梨、蘋果等普遍受到中度至重度的霜凍害，部分酒莊葡萄葉片受凍致死率達(dá)100%（http://www.weather.com.cn/ningxia/tqxs/11/3 406647.shtml[2020-05-01]）；總受災(zāi)面積達(dá)76.5萬畝，估計造成經(jīng)濟(jì)損失42509萬元（http://www.nxnews.net/sz/nxdj/202005/t20200507_6701317.html[2020-05-07]）。值得關(guān)注的是，隨著氣溫升高，無霜期延長，全年霜凍日數(shù)減少（葉殿秀和張勇,2008; Yin and Sun, 2018; Zhao et al., 2021），但 霜凍害災(zāi)情并未因此而減輕（房世波等, 2011a; 陶云等, 2012; 褚 曉 菊 等, 2013; Vitasse et al., 2018;Pfleiderer et al., 2019）。針對這種現(xiàn)象，有學(xué)者提出其原因包含氣候和農(nóng)業(yè)兩個方面：一是氣候變化背景下氣候異常與氣候變率加大，二是農(nóng)業(yè)上在應(yīng)對氣候變暖時所采取的不科學(xué)、不正確的調(diào)整與適應(yīng)策略（鐘秀麗, 2003; 房世波等, 2011b）。本研究擬分析其中的氣象因素，主要開展中國地區(qū)春霜凍的變化趨勢和未來情景預(yù)估，以期增進(jìn)人們對中國地區(qū)春霜凍變化的認(rèn)識，為未來農(nóng)業(yè)生產(chǎn)調(diào)整提供一定的參考價值，以更好地適應(yīng)氣候變化。

目前，圍繞中國地區(qū)霜凍變化開展的研究主要有：霜凍初日和終日、無霜期、霜凍日數(shù)、霜凍害發(fā)生頻率的時空分布特征以及霜凍害的評估、風(fēng)險區(qū)劃和預(yù)防、預(yù)報、預(yù)警等（羅新蘭等, 2011; 張磊等, 2015; 程瑛等, 2019; Ma et al., 2019）。關(guān)于春霜凍的研究，大部分針對具體的作物和地區(qū)開展討論。例如，徐金勤等（2018）、郭曉雷等（2019）、楊洋等（2019）分別探討了浙江省茶葉、寧夏枸杞、賀蘭山東麓釀酒葡萄種植區(qū)春霜凍的時空變化特征。Dai et al.（2013）運(yùn)用物候資料和氣象資料估計了1963～2009年中國東北和華北地區(qū)的木本植物開花期的霜凍風(fēng)險。Xiao et al.（2018）研究了中國主要冬小麥種植區(qū)1981～2009年的春霜凍及其對冬小麥產(chǎn)量的影響，發(fā)現(xiàn)黃淮地區(qū)春霜凍風(fēng)險最大；并且，盡管1981～2009年的溫度升高減少了大部分冬小麥種植區(qū)的霜凍事件，但由于促使物候期提前，使春霜凍風(fēng)險增加。關(guān)于未來情景下霜凍的預(yù)估研究，許多學(xué)者分析了全年的霜凍日數(shù)（王冀等, 2008; 徐集云等, 2013; 敖雪等, 2020; Zhao et al.,2021）。針對未來的春霜凍，張旭暉等（2013）利用耦合模式比較計劃第三階段的5個模式模擬的未來春季平均氣溫數(shù)據(jù)預(yù)估得到未來江蘇的終霜凍期明顯提前。Wang et al.（2017）利用耦合模式比較計劃第五階段的8個模式模擬的低、中、高3種典型濃度路徑排放情景下的日溫度數(shù)據(jù)預(yù)估了中國東北地區(qū)初霜、終霜日和無霜期的變化，發(fā)現(xiàn)相較于1971～2000年，3種情景下2071～2100年該地區(qū)的終霜日都有所提前。焦文慧等（2021）通過R/S分析法計算時間序列的Hurst指數(shù)，定性地推測華北地區(qū)的終霜日在未來將呈繼續(xù)提前的趨勢。

從研究現(xiàn)狀來看，人們通過對氣象觀測資料的分析，取得了一些關(guān)于我國局部地區(qū)的春霜凍變化觀測事實(shí)的認(rèn)識。但是，針對整個中國地區(qū)的大尺度分析以提供整體圖像的研究較少，并且利用氣候模式模擬的未來氣象數(shù)據(jù)來量化春霜凍未來變化的研究也很少。本研究首先用更新到2020年的最新數(shù)據(jù)，從氣象的角度，對1960～2020年全國范圍內(nèi)春季的霜凍日數(shù)、終霜日變化進(jìn)行分析，更新和豐富已有的認(rèn)識?？紤]到極端事件的時間序列中可能存在離群值和自相關(guān)，并且自相關(guān)和趨勢共存以及序列中可能存在相同值的情況，本文采用適用的趨勢分析方法（見2.2.3 趨勢分析方法），使量化的結(jié)果更可靠。然后采用最新的耦合模式比較計劃第六階段（Coupled Model Intercomparison Project Phase 6, CMIP6）的24個模式的模擬數(shù)據(jù)，經(jīng)過評估模式在模擬觀測的春霜凍日數(shù)和終霜日方面的性能后，用模式模擬的中等輻射強(qiáng)迫情景（SSP2-4.5）試驗下的2021～2100年的數(shù)據(jù)進(jìn)行預(yù)估。

2 數(shù)據(jù)來源和研究方法

2.1 數(shù)據(jù)來源

2.1.1 氣象觀測資料

觀測事實(shí)分析部分所用的數(shù)據(jù)是在國家氣象信息中心發(fā)布的中國地面氣候資料日值數(shù)據(jù)集（V3.0）基礎(chǔ)上均一化訂正后得到的1960年以來的逐日氣溫數(shù)據(jù)集（CHTM3.0）（Li et al., 2016），并更新到2020年。本研究中涉及的站點(diǎn)共640個。

2.1.2 模式數(shù)據(jù)資料

用于模式評估的數(shù)據(jù)是CMIP6模式的歷史氣候模擬（historical）試驗下的1960～2014年和SSP2-4.5試驗下的2015～2020年的逐日最低溫數(shù)據(jù)。未來情景預(yù)估則使用CMIP6模式模擬的SSP2-4.5試驗下的2021～2100年逐日最低溫數(shù)據(jù) （Eyring et al., 2016）。選取了24個CMIP6模式的第一個集合成員的相關(guān)試驗數(shù)據(jù)用于本研究，這24個模式的基本信息如表1所示。

表1 24個CMIP6模式的基本信息Table 1 Basic information of the 24 CMIP6 models

2.2 研究方法

2.2.1 霜凍氣候指標(biāo)的確定

在已有的研究中，霜凍氣候指標(biāo)有很多種，暫無統(tǒng)一標(biāo)準(zhǔn)。例如，日最低氣溫≤-1°C（郭曉雷等, 2019）、日最低氣溫＜0°C（朱永寧等, 2020）、日 最 低 氣 溫≤2°C（張 旭 暉 等, 2013; 張 磊 等,2015）、日0 cm地表最低溫度≤0°C（馬尚謙等,2019）和逐日的霜?dú)庀笥^測資料（許艷等, 2009）。本研究從氣象角度出發(fā)，根據(jù)中國氣象局《氣象災(zāi)害預(yù)警信號發(fā)布與傳播辦法》（http://www.cma.gov.cn/2011zwxx/2011zflfg/2011zgfxwj/201208/t201 20803_180761.html [2021-09-24]），以日最低氣溫＜0°C作為霜凍指標(biāo)。李想等（2008）、朱永寧等 （2020）、張鑫等（2021）用此指標(biāo)分別研究了我國長江以北、寧夏、新疆北部等地區(qū)的霜凍情況。國際上，氣候變化檢測和指數(shù)專家組（Expert Team on Climate Change Detection and Indices,ETCCDI）也以此指標(biāo)定義霜凍日數(shù)（27個極端氣候指數(shù)之一），應(yīng)用于研究全球及區(qū)域的極端氣候變化（Karl et al., 1999; Alexander et al., 2006; 尹紅和孫穎, 2019; Zhang et al., 2019; Dunn et al., 2020;Zhao et al., 2021）?？梢娫撝笜?biāo)具有一定的廣泛適用性，也便于本文所得結(jié)果在全國范圍內(nèi)以及與全球其他地區(qū)進(jìn)行比較。

2.2.2 春季的霜凍日數(shù)、終霜日的計算

以3、4、5月劃分為春季和春霜凍期，統(tǒng)計春霜凍期內(nèi)滿足霜凍指標(biāo)的日數(shù)為春霜凍日數(shù)。以春霜凍期內(nèi)日最低氣溫低于0°C的最后一天作為終霜日。并以每年的3月1日為序列起點(diǎn)1，3月2日為2，按順序遞增，將終霜日期處理成日序序列。

2.2.3 趨勢分析方法

由于極端事件不一定服從正態(tài)分布，并且可能存在離群值和自相關(guān)等特征（Qian et al., 2019; 張嘉儀和錢誠, 2020），本研究采用WS2001[Wang and Swail (2001) iterative method]方法進(jìn)行趨勢分析。它是一種基于迭代算法的非參數(shù)方法，具有不易受離群值影響并考慮了變量的自相關(guān)特征以及趨勢和自相關(guān)是共存的特征等優(yōu)點(diǎn)。該方法由Zhang et al.（2000）首 先 提 出，而 后Wang and Swail （2001）加以改進(jìn)并運(yùn)用到對北大西洋和北太平洋波高的趨勢分析中?？紤]到序列中可能有相同值的存在，Qian et al.（2019）進(jìn)一步完善了WS2001方法，將Mann-Kendall檢驗的統(tǒng)計量 S 的方差表示為

其中，n為數(shù)據(jù)樣本的長度，g為序列中存在相同值的列數(shù)，uj是第j列中存在相同值的數(shù)量。本研究的顯著性水平為0.05，當(dāng)P＜0.05時，認(rèn)為趨勢是統(tǒng)計顯著的。

為了提高趨勢估計的準(zhǔn)確性，在計算1960～2020年春霜凍日數(shù)和終霜日變化趨勢時，只分析這61年間有春霜凍日數(shù)的年份數(shù)大于2/3（40年）的站點(diǎn)。

2.2.4 模式評估方法

利用模式數(shù)據(jù)預(yù)估未來春霜凍演變，首先評估了模式的模擬性能。考慮到觀測資料是站點(diǎn)數(shù)據(jù)，而模式模擬的是格點(diǎn)數(shù)據(jù)，為了保證二者之間的可比性，將站點(diǎn)數(shù)據(jù)和各模式計算所得的指數(shù) （春霜凍日數(shù)、終霜日）統(tǒng)一插值到1.875°×1.25°（經(jīng)度×緯度）網(wǎng)格。每個網(wǎng)格中的觀測數(shù)據(jù)按站點(diǎn)個數(shù)進(jìn)行算術(shù)平均計算得到，格點(diǎn)內(nèi)沒有站的設(shè)為缺測，并從模式格點(diǎn)數(shù)據(jù)中提取相應(yīng)的非缺測的格點(diǎn)。采用泰勒圖（Taylor, 2001）來評估CMIP6模式模擬1991～2020年氣候態(tài)空間分布的能力。泰勒圖可以反映模擬場和觀測場之間的空間相關(guān)系數(shù)（R）、中心化的均方根誤差（E）、模擬場（σs） 和觀測場（σo）的標(biāo)準(zhǔn)差。

其中，S和O分別表示模擬場和觀測場的氣候數(shù)據(jù)，“ 〈〉”表示中國地區(qū)的空間平均。實(shí)際應(yīng)用中，將E和 σs通 過相應(yīng)的 σo進(jìn)行歸一化。當(dāng)E越接近0，R越接近1， σs和 σo的比值越接近1時，代表模式模擬能力越優(yōu)。

2.2.5 全國平均序列的計算方法

在計算全國平均序列時，首先以1991～2020年氣候態(tài)為基準(zhǔn)，統(tǒng)計30年氣候平均的春霜凍日數(shù)和終霜日，并據(jù)此計算各站點(diǎn)或格點(diǎn)各年份相應(yīng)的距平值。對于觀測數(shù)據(jù)，考慮到全國范圍內(nèi)站點(diǎn)分布不均（東邊站點(diǎn)密集、西邊站點(diǎn)稀疏）、以及地理投影會造成不同緯度格點(diǎn)的實(shí)際面積有所差異 （由赤道到北極，隨著緯度增加，實(shí)際面積越?。?，按上一小節(jié)分配到1.25°（緯度）×1.875°（經(jīng)度）網(wǎng)格得到的格點(diǎn)數(shù)據(jù)進(jìn)行面積加權(quán)平均得到全國平均的距平序列。而對于模式數(shù)據(jù)，按照插值到1.25°（緯度）×1.875°（經(jīng)度）網(wǎng)格得到的格點(diǎn)數(shù)據(jù)進(jìn)行面積加權(quán)平均，以得到全國平均的距平序列。

3 觀測事實(shí)分析

3.1 1991～2020年氣候平均的春霜凍日數(shù)和終霜日

統(tǒng)計全國各個站點(diǎn)1991～2020年的春霜凍日數(shù)，平均后得到各站點(diǎn)氣候態(tài)（常年）的春霜凍日數(shù)，在空間上的分布如圖1a所示。常年春霜凍日數(shù)為0的站點(diǎn)共101個，主要分布在我國海南、廣東、廣西、云南、四川—重慶接壤處以及福建沿海等地區(qū)。黃河以南的大部分中東部地區(qū)的春霜凍日數(shù)在15 d內(nèi)。新疆地區(qū)春霜凍日數(shù)在15 d以內(nèi)的站點(diǎn)基本分布在塔里木盆地，其余則大多在15～60 d范圍。內(nèi)蒙古和東北大部分地區(qū)達(dá)30～60 d，其北部個別站點(diǎn)超過60 d，其中緯度最高的漠河站點(diǎn)達(dá)75.1 d。其他超過60 d的站點(diǎn)主要分布在青海，其中伍道梁、托托河、清水河站點(diǎn)的常年春霜凍日數(shù)超過90 d，分別達(dá)91.8 d、90.8 d、90.3 d，這和當(dāng)?shù)爻^4000 m的高海拔有關(guān)。對常年春霜凍日數(shù)非0的站點(diǎn)計算30年氣候平均的終霜日，得到如圖1b的空間分布。結(jié)果顯示，長江以南地區(qū)的終霜日基本出現(xiàn)在3月15日之前；黃淮地區(qū)的終霜日大多出現(xiàn)在3月15日后、4月前；更高緯度的北方地區(qū)（如寧夏、山西、遼寧）的終霜日基本出現(xiàn)在4月。終霜日出現(xiàn)在5月的地區(qū)主要分布在內(nèi)蒙古、東北北部、青海及其與甘肅和川藏的交界處。新疆南部的終霜日出現(xiàn)在3月，而北部的終霜日大多在4、5月。

圖1 1991～2020年中國30年氣候平均的（a）春霜凍日數(shù)、（b）終霜日。其中終霜日是以3月1日作為起始序號1來表示Fig. 1 Average annual (a) spring frost days and (b) last frost dates from 1991 to 2020 in China. The last frost dates are represented by the date order since 1 Mar

3.2 1960～2020年春霜凍日數(shù)和終霜日變化趨勢的空間分布

剔除常年春霜凍日數(shù)為0的101個站點(diǎn)，利用WS2001法計算剩余站點(diǎn)1960～2020年春霜凍日數(shù)和終霜日的變化趨勢，在空間上的分布如圖2所示。共有386個站點(diǎn)（占全國站點(diǎn)數(shù)的60.3%）的春霜凍日數(shù)呈現(xiàn)統(tǒng)計顯著的減少趨勢。由圖2a知，在春霜凍日數(shù)變化趨勢統(tǒng)計顯著的站點(diǎn)中，約49.5%站點(diǎn)呈-2～-1 d (10 a)-1的趨勢，30.6%站點(diǎn)呈-3～-2 d (10 a)-1的趨勢，都主要分布在32°N以北地區(qū)。大部分南方地區(qū)呈現(xiàn)每10年減少0～1d的趨勢。個別站點(diǎn)的減少趨勢小于-3 d(10 a)-1，分別是四川的九龍站[-3.2 d (10 a)-1]和內(nèi)蒙古的臨河站[-3.5 d (10 a)-1]。終霜日的變化趨勢（圖2b）則表明，共有256個站點(diǎn)（40%）呈現(xiàn)顯著提前趨勢。北方地區(qū)終霜日大多呈-4～0 d(10 a)-1的提前趨勢，其中約65%站點(diǎn)呈-4～-2 d(10 a)-1的提前趨勢。

圖2 1960～2020年中國（a）春霜凍日數(shù)、（b）終霜日的變化趨勢（只顯示統(tǒng)計顯著的站點(diǎn)）Fig. 2 Linear trends in annual (a) spring frost days and (b) last frost dates from 1960 to 2020 in China (only statistically significant grids are displayed)

3.3 1960～2020年全國平均的春霜凍日數(shù)、終霜日距平序列及其趨勢

從全國平均的角度（圖3）看，1960～2020年春霜凍日數(shù)呈-1.3 (-1.6～-1.0) d (10 a)-1的顯著減少趨勢；終霜日則呈-1.7 (-2.0～-1.3) d (10 a)-1的顯著提前趨勢。在總體減少和提前的趨勢之上，還疊加有年際尺度的變率：在這61年間，1962年出現(xiàn)春霜凍日數(shù)的最大值，2018年出現(xiàn)最小值，1997年前的春霜凍日數(shù)都為正距平，而后大多數(shù)年份為負(fù)距平；而最早的終霜日出現(xiàn)在1997年，最晚的則在1980年，除了1967年的負(fù)距平，1997年前的終霜日都為正距平，而后大多數(shù)年份為負(fù)距平。所以相比1991～2020年的氣候平均態(tài)，全國平均的春霜凍日數(shù)和終霜日都以上世紀(jì)90年代末為界，在這之前呈現(xiàn)春霜凍日數(shù)較多、終霜日較遲的特點(diǎn)，在這之后呈現(xiàn)春霜凍日數(shù)較少、終霜日較早的特點(diǎn)。這也與中國地區(qū)的日最低溫度在1990年后期增暖迅速，而進(jìn)入21世紀(jì)后依然維持較高水平所反映的升溫事實(shí)（周雅清和任國玉,2010; 董丹宏和黃剛, 2015）相符。

圖3 1960～2020年全國平均的（a）春霜凍日數(shù)、（b）終霜日距平序列（實(shí)線）及其趨勢（虛線）Fig. 3 Nationally averaged anomalies (solid lines) and their corresponding linear trends (dashed lines) for (a) spring frost days and (b) last frost dates from 1960 to 2020 in China

4 模式模擬結(jié)果評估

對多模式平均和觀測兩種情況分別計算所得1991～2020年30年氣候平均的春霜凍日數(shù)、終霜日的空間分布進(jìn)行對比分析（如圖4所示）。結(jié)果表明，模式對于春霜凍日數(shù)和終霜日的空間分布形態(tài)模擬結(jié)果和觀測事實(shí)基本相符，尤其是對于105°E以東地區(qū)的模擬性能較好。相較而言，新疆和青藏地區(qū)的模擬結(jié)果與觀測有些差距，這可能是受到新疆和青藏地區(qū)復(fù)雜的地形、稀疏的地面觀測站點(diǎn)分布的影響。由圖5泰勒圖的評估結(jié)果可知，對于春霜凍日數(shù)而言，各模式與觀測的空間相關(guān)系數(shù)在0.79～0.91范圍內(nèi)，均方根誤差在0.46～0.72范圍內(nèi)，標(biāo)準(zhǔn)差之比在0.85～1.30范圍內(nèi)；對于終霜日而言，各模式與觀測的空間相關(guān)系數(shù)在0.78～0.89范圍內(nèi)，均方根誤差在0.47～0.66范圍內(nèi)，標(biāo)準(zhǔn)差之比在0.93～1.17范圍內(nèi)。這表明，單模式的模擬性能有一些差異。而將24個模式模擬的指數(shù)進(jìn)行集合平均后，得到的結(jié)果與觀測的空間相關(guān)系數(shù)可接近0.9（春霜凍日數(shù)：0.90；終霜日：0.89），均方根誤差控制在0.5以內(nèi)（春霜凍日數(shù)：0.49；終霜日：0.48），標(biāo)準(zhǔn)差之比也較為接近1（春霜凍日數(shù)：1.11；終霜日：1.01）?？傮w而言，多模式平均的結(jié)果對于兩個指數(shù)氣候平均態(tài)的模擬能力都較好。因此我們用多模式平均的數(shù)據(jù)進(jìn)行未來的預(yù)估研究。

圖4 24個CMIP6模式平均的模擬的（左列）和觀測的（右列）1991～2020年中國30年氣候平均的（a、b）春霜凍日數(shù)、（c、d）終霜日Fig. 4 Average annual (a, b) spring frost days and (c, d) last frost dates during 1991 to 2020 in China from the result of CMIP6 Mean (left panel) and observation (right panel)

圖5 CMIP6模式模擬的1991～2020年中國30年氣候平均的（a）春霜凍日數(shù)、（b）終霜日空間分布的泰勒圖Fig. 5 Taylor charts of annual (a) spring frost days and (b) last frost dates averaged over 1991-2020 in China from CMIP6 simulation

5 未來情景預(yù)估

5.1 未來30年（2021～2050年）氣候平均的春霜凍日數(shù)和終霜日

對每一格點(diǎn)2021～2050年（近期預(yù)估時段）的春霜凍日數(shù)和終霜日進(jìn)行30年氣候平均，并提取中國區(qū)域內(nèi)的格點(diǎn)，得到如圖6所示的未來30年氣候平均的春霜凍日數(shù)和終霜日。圖6a結(jié)果顯示，在105°E以東，未來30年氣候平均的春霜凍日數(shù)大體上由東南向西北方向增加。春霜凍日數(shù)為0的地區(qū)主要分布在海南、廣東、廣西、云南、福建和江西南部等地，這與過去30年歷史觀測數(shù)據(jù)分析所揭示的空間分布特征基本一致。南方地區(qū)的春霜凍日數(shù)大多在10 d內(nèi)，黃河流域的寧夏、陜西、山西、山東以及京津冀地區(qū)基本在10～30 d，內(nèi)蒙古和東北大部分地區(qū)則可達(dá)30～70 d。由于海拔較高，青藏地區(qū)（喜馬拉雅山以北，阿爾金山、昆侖山以南，橫斷山以西）的春霜凍日數(shù)幾乎都在60 d以上，并且包括青海西南等相當(dāng)大一部分地區(qū)超過80 d。新疆地區(qū)地形復(fù)雜，有南部塔里木盆地和北部準(zhǔn)噶爾盆地的兩大地勢低點(diǎn)。根據(jù)對流層溫度隨著海拔升高而降低的溫度直減率特征，加之盆地四周的阿爾泰山、昆侖山、天山等山地丘陵對氣流的阻擋作用，這兩個盆地的氣溫相對較高。所以，新疆地區(qū)的春霜凍日數(shù)大致呈現(xiàn)圍繞這南北兩大盆地向四周遞增的趨勢。圖6b結(jié)果顯示，在105°E以東，未來30年氣候平均的終霜日大體上呈現(xiàn)由東南向西北方向推遲。秦嶺淮河以南地區(qū)的終霜日大多出現(xiàn)在3月中旬；東北地區(qū)和內(nèi)蒙古北部的終霜日大多出現(xiàn)在4月中、下旬和5月，秦嶺淮河以北的其他地區(qū)的終霜日則集中在4月。青藏地區(qū)的終霜日幾乎都出現(xiàn)在5月下旬。新疆地區(qū)的終霜日大致呈現(xiàn)圍繞南北兩大盆地向四周推遲的趨勢，但地區(qū)差異性大，終霜日時間分散在3月至5月，總體上北部比南部晚。

圖6 2021～2050年中國30年氣候平均的（a）春霜凍日數(shù)、（b）終霜日Fig. 6 Average annual (a) spring frost days and (b) last frost dates from 2021 to 2050 in China

5.2 2021～2100年春霜凍日數(shù)和終霜日變化趨勢的空間分布

由2021～2100年春霜凍日數(shù)的變化趨勢（圖7a）可知，未來80年春霜凍日數(shù)在我國各地都呈減少趨勢，介于-1.6～0 d (10 a)-1之間。除去青藏地區(qū)，總體而言，春霜凍日數(shù)的趨勢呈現(xiàn)由東南向西北方向減少得越來越多，南方大部分地區(qū)的變化趨勢在-0.4～0 d (10 a)-1間。除了南方地區(qū)，青藏常年積雪的高海拔地區(qū)也呈現(xiàn)出較小的減少趨勢。黃淮海、秦嶺一帶地區(qū)則大多呈現(xiàn)-0.8～-0.4 d (10 a)-1的減少趨勢。35°N以北地區(qū)的減少趨勢基本在-1.4～-0.8 d (10 a)-1，其 中 內(nèi) 蒙 古 和 東 北 三 省42°N以北地區(qū)以及新疆的塔里木盆地呈現(xiàn)-1.0～-0.8 d (10 a)-1的減少趨勢。新疆西部、青海西北部、甘肅南部、四川與西藏接壤處的局部地區(qū)減少幅度最大，達(dá)-1.4 d (10 a)-1以上。由圖7b可知，未來80年我國大部分地區(qū)的終霜日都呈現(xiàn)提前趨勢，介于-1.4～0 d (10 a)-1之間。青藏地區(qū)情況較為穩(wěn)定，提前的幅度最小，呈現(xiàn)-0.2～0 d (10 a)-1的變化。南方地區(qū)的提前趨勢大多在-0.8～-0.2 d(10 a)-1，西北、北方地區(qū)的提前趨勢則集中在-1.2～-0.8 d(10 a)-1。新疆局部地區(qū)低于-1.2 d (10 a)-1，甘肅南部局部格點(diǎn)每10年提前趨勢大于1.4 d。

圖7 2021～2100年中國（a）春霜凍日數(shù)、（b）終霜日的變化趨勢（只顯示統(tǒng)計顯著的格點(diǎn)）Fig. 7 Linear trends in annual (a) spring frost days and (b) last frost dates from 2021 to 2100 in China (only statistically significant grids are displayed)

5.3 2021～2100年全國平均的春霜凍日數(shù)、終霜日距平序列及其趨勢

由全國平均的春霜凍日數(shù)距平序列（圖8a）可知，2021～2100年全國平均的春霜凍日數(shù)呈現(xiàn)-0.78 (-0.84～-0.73) d (10 a)-1的顯著減少趨勢。在總體減少的趨勢之上，還疊加有年際尺度的變率。由圖8b反映的終霜日距平序列可知，2021～2100年全國平均的終霜日呈現(xiàn)-0.79 (-0.86～-0.72) d(10 a)-1的顯著提前趨勢。和春霜凍日數(shù)情況類似，終霜日在總體提前的趨勢之上，也疊加有年際尺度的變率。與1991～2020年的氣候平均態(tài)相比，春霜凍日數(shù)和終霜日在2021年及之后都表現(xiàn)為負(fù)距平。

圖8 2021～2100年全國平均的（a）春霜凍日數(shù)、（b）終霜日距平序列（實(shí)線）及其趨勢（虛線）Fig. 8 Nationally averaged anomalies (solid lines) and their corresponding linear trends (dashed lines) for (a) spring frost days and (b) last frost dates from 2021 to 2100 in China

6 結(jié)論和討論

本研究從氣候的角度聚焦春季的霜凍事件，以春季的霜凍日數(shù)、終霜日為具體研究對象，對全國范圍內(nèi)的春霜凍進(jìn)行了最新觀測事實(shí)的分析，并基于CMIP6模式開展了未來情景下的預(yù)估，得到以下主要結(jié)論：

（1）1991～2020年和2021～2050年兩個30年氣候平均的春霜凍日數(shù)和終霜日空間分布特征差異不大，海南、廣東、廣西、云南、福建以及江西的南部等地氣候平均的春霜凍日數(shù)都為0；從量級上來說，未來30年相比1991～2020年的春霜凍日數(shù)要偏少，終霜日會提前。

（2）1960～2020年，全國約60.3%站點(diǎn)的春霜凍日數(shù)呈現(xiàn)顯著減少趨勢[-3.5～0 d (10 a)-1]，約40%站點(diǎn)的終霜日呈顯著提前趨勢[-4.3～0 d(10 a)-1]。全國平均的春霜凍日數(shù)總體呈-1.3 d(10 a)-1的顯著減少趨勢，終霜日則呈-1.7 d (10 a)-1的顯著提前趨勢。

（3）2021～2100年，預(yù)估我國各地的春霜凍日數(shù)均呈顯著減少趨勢[-1.57～0 d (10 a)-1]，終霜日則呈顯著提前趨勢[-1.42～0 d (10 a)-1]。全國平均的春霜凍日數(shù)呈現(xiàn)-0.78 d (10 a)-1的顯著減少趨勢，終霜日呈現(xiàn)-0.79 d (10 a)-1的顯著提前趨勢。未來80年中，全國平均的春霜凍日數(shù)每年都比1991～2020年的平均狀況少，終霜日也較之提前。

基于最新的歷史觀測數(shù)據(jù)分析，本文得到的全國范圍內(nèi)春霜凍日數(shù)減少和終霜日提前的結(jié)果與當(dāng)前區(qū)域尺度的研究（周曉宇等, 2017; 丁善文和王峰, 2020; 焦文慧等, 2021）所得結(jié)論一致，表明本文所用的霜凍指標(biāo)具有區(qū)域上的普適性。預(yù)估SSP2-4.5情景下，2021～2100年將延續(xù)1960～2020年觀測事實(shí)所表現(xiàn)出的春霜凍日數(shù)減少、終霜日提前的趨勢。僅從氣溫這一氣象要素的變化上看，春季日最低溫低于0°C的天數(shù)減少后，春霜凍災(zāi)害發(fā)生的可能性將減小，終霜日提前也意味著一年中無霜期初始日期提前。但由于還存在年際變率的作用，在農(nóng)業(yè)生產(chǎn)布局中也不能盲目地提前播期、調(diào)整品種，仍要重視對春霜凍的預(yù)防和應(yīng)對。過去20多年來，伴隨著氣候變暖，我國年平均氣溫上升，農(nóng)業(yè)生產(chǎn)的熱量資源增加，農(nóng)作物春季物候期提前，生長期延長，農(nóng)業(yè)種植結(jié)構(gòu)也在發(fā)生著變化，農(nóng)業(yè)氣候帶向北方和向高海拔地區(qū)推移，會有利于農(nóng)業(yè)生產(chǎn)（趙俊芳等, 2010; 周廣勝等, 2016; 張煦庭等, 2017）。但這種效益是建立在科學(xué)的農(nóng)業(yè)布局調(diào)整前提下的。所以，即使在我國高緯度地區(qū)熱量資源增加的情況下，也應(yīng)謹(jǐn)慎北移作物的種植界限。

本研究采用日最低溫小于0°C作為霜凍氣候指標(biāo)，通過全國區(qū)域上的研究揭示出普適性的規(guī)律。但霜凍的發(fā)生條件是復(fù)雜的，不僅與天氣狀況相關(guān)，也與地形、作物、農(nóng)事管理措施有關(guān)。在本文基于氣溫的基礎(chǔ)上，可以進(jìn)一步考慮就某區(qū)域某作物進(jìn)行更精細(xì)化的研究。并且在實(shí)踐應(yīng)用中還可以進(jìn)一步結(jié)合與農(nóng)業(yè)相關(guān)的研究，探討如何科學(xué)地調(diào)整種植制度、作物布局與品種布局，充分利用農(nóng)業(yè)氣候資源，以更好地趨利避害、適應(yīng)氣候變化。

本文的預(yù)估研究是基于CMIP6模式模擬的SSP2-4.5情景下的預(yù)估數(shù)據(jù)開展的。該種情景代表了中等社會脆弱性與中等輻射強(qiáng)迫的組合，是一種未來發(fā)展趨勢大致遵循歷史模式的情景，它也被用作多個CMIP6其他子計劃的參照試驗（O'Neill et al.2016）。需要指出的是，未來的情景也具有一定的不確定性。例如，中國于2020年9月22日宣布實(shí)施碳達(dá)峰和碳中和的雙碳發(fā)展路徑以及《巴黎協(xié)定》、《格拉斯哥氣候公約》等的簽署和落實(shí)都會影響未來的發(fā)展情景。今后的工作可開展不同未來情景下預(yù)估結(jié)果的比較。

致 謝感謝兩位審稿人給本文提出的建議。感謝趙軼民對初稿的建議。CMIP6模式數(shù)據(jù)來源于https://esgf-node.llnl.gov/search/cmip6/[2021-04-01]。