近百年来，全球气候呈现出以变暖为主要特征的显著变化[1]。气温平均值的升高不仅直接影响到其极值的变化[2-3]，而且会导致高温热浪、干旱和暴雨洪涝等极端天气气候事件的发生频次与强度出现显著变化[4]。相对于气候平均态，极端天气气候事件的变化经常会对自然资源、社会经济和生态系统等造成更大的影响[5-7]。据世界气象组织报告[8]，在21世纪初，全球有超过37 万人死于空前的极端天气和气候事件的影响。因此，开展极端天气气候事件研究，是全球气候变化科学迫切需要解决的前沿问题，对于提高极端气候事件的预估、制定应对气候变化的策略和措施都具有重要的科学意义。

对整个中国或特定区域的极端气温变化特征，已有较多研究[9-12]。如Cui 等[9]利用通过均一化检验的234 个气象站点数据和曼—肯德尔（Mann-Kendall）趋势检验法，分析了中国区域日最高气温和日最低气温的时空变化趋势；Shi 等[7]基于1899个气象站点逐日最高、最低气温数据以及8 个大尺度环流模态，分析了中国区域1961—2015 年极端气温的时空变化趋势及其与环流变化的关系；毛以伟等[10]采用武汉、重庆、福州、杭州、南昌、长沙、南京和合肥8 个城市1951—2016 年最高和最低气温资料，对武汉市极端气温指数时间变化特征进行分析；朱歆炜等[11]利用1960—2014 年湖南省88 个地面气象站日最高和最低气温的均一化资料，研究了湖南省极端气温事件的时空变化特征；尹义星等[12]选用江苏13 个气象站1951—2013年的日最高、最低气温资料，采用RClimDex 软件包提取极端气温指数，研究了江苏极端气温的趋势和概率特征。

然而，已有研究大多是基于国家基准、基本气象站（756 个站点）数据，利用气候统计诊断方法，如线性倾向估计、Mann-Kendall 趋势检验、皮尔森（Pearson）相关系数和ArcGIS 空间插值技术，开展全国或省级极端气温指数的时空分布和变化趋势分析，很少有研究基于最新发布的国家级地面气象观测站（包括国家基准、基本气象站和一般气象站）观测数据（全国2400 多个站点），开展区域极端气温指数的变化分析和突变检验。另一方面，极端气候的强度、频率和持续性等特征参数的变化本质上是其概率分布型态、气候序列内部结构变化的反映[13]。弄清极端气温概率分布函数的变化特征，是研究极端气温长时间序列变化的基础和关键。丁裕国等[14]用Weibull 分布拟合中国冬夏季逐日高（低）温原始分布模式，结果表明，在均值改变条件下，极端气温概率有一定的变动规律可寻。因此，开展极端气温演变研究，不仅要研究极端气温的时空变化趋势，还需要从气候变化角度探讨全球变暖背景下极端气温概率分布的变化。

华东地处我国东部季风气候区，气候的年代际变化显著[15]。伴随着全球大气环流形势在20 世纪70年代末的跃变[16]，我国东部呈现出“南冷北暖”、“南涝北旱”气候分布特点[17-18]。另一方面，华东是我国人口和城市最密集、经济集聚度最高的地区之一，城市化气候效应显著[19-20]，各种极端天气气候事件带来的气象灾害及其衍生灾害所造成的绝对经济损失大、影响范围广[6]。鉴于此，本文基于华东地区加密气象站点长序列逐日气温观测资料，采用多种气候统计分析方法，开展华东极端气温的时空变化趋势、突变检测和概率分布变化研究，结果对于明确华东地区极端天气气候事件的演变和趋势、制定区域可持续发展战略具有借鉴价值。

1 资料与方法

1.1 数据资料

本文所用的数据包括来自中国气象局国家气象信息中心的华东6 省1 市（山东、江苏、安徽、上海、浙江、福建、江西）451 个国家级地面气象观测站点（包括基准站、基本站和一般站）1961 年1 月—2015年12 月的逐日最高气温和最低气温数据。这些数据都经过了初步的质量控制，包括气候界限值或允许值检查、台站极值检查、定时值、日平均值与日极值间内部一致性检查、时间一致性检查、空间一致性检查以及人工核查与更正。在充分考虑数据时间序列的长度和资料缺测率的基础上，最终选取时间连续、数据总体缺测低于5%的399 个气象站，其中包括132 个基准、基本气象站，利用站点逐日最高和最低气温数据来开展1961—2015 年期间华东地区极端气温变化研究。气象站点的空间分布如图1所示。

图1 华东国家级地面气象观测站点的空间分布

1.2 分析方法

1.2.1 极端气温指数的选取

文章来源：《华东电力》 网址: http://www.hddlzzs.cn/qikandaodu/2021/0223/515.html