1 引言

城市是人类活动的集中体现，也是全球气候变化中最为敏感以及对极端事件承载能力最弱的地区(丁金才等，2002)。统计分析事实表明，一些特大型城市年平均温度的增暖幅度明显大于全球平均变暖的幅度(Karl et al., 1988；Yan et al., 2002； Liu et al., 2009)，更大幅度的增暖有可能造成城市极端事件的发生更加频繁。关于城市气候的诸多研究中，城市热岛效应是研究得最多的问题(Jones et al., 1990，1997)。不同时段长度、不同国家的不同城市都或多或少地受到城市热岛效应的影响(董文杰等，2001；谢庄等，2007；郭渠等，2009；王跃男等，2009)。若从对城市发展的影响以及城市对极端事件的承载能力来看，城市中极端气候事件的研究显得更为迫切和重要。分析极端事件在城市中的长期变化趋势以及城市和郊区极端温度事件的差异具有非常重要的现实意义(封国林等，2009；周雅清和任国玉，2010)。

北京城区是典型的“热岛”，其热岛强度比中国沿海城市明显，城市热岛增强的结果是造成北京冬季寒冷期缩短和夏季炎热期增强，城市高温热浪等灾害更加频繁(王喜全等，2006；郑祚芳等，2006)。对于北京地区温度的已有研究着重于热岛效应的探讨，较少有研究将极端温度事 件的气候特征作为主要研究对象来分析。本文 的研究是以北京地区极端温度事件为重点，讨论了近30年北京地区城郊极端温度事件的变化趋势并对城郊极端温度事件的差异进行了相关分析和讨论。

北京地区地处华北平原北部，西面和北面多山，东南部多平原。1978年以后，北京各气象常规台站具有较为完整的资料。Li and Yan(2010)利用MASH方法对北京地区20个常规站的资料进行了均一化处理，形成了一套质量较为可靠的均一化资料。本文采用了该套经过均一化订正的数据集，具体为1979～2008年逐日平均温度、最高温度和最低温度的均一化资料。

综合考虑站点的海拔高度、地形特征、自然地理分布和人口数量，本文采用城区4站(北京、海淀、朝阳、丰台)作为城区站，郊区10站(通州、大兴、房山、门头沟、石景山、昌平、顺义、平谷、怀柔、密云)作为郊区站，对各气象要素的统计均为城区(郊区)台站的平均值。

百分位阈值法是极端温度事件较为通用的定义方法之一(严中伟和杨赤， 2000，杨萍等，2010)，本文中极端温度事件的定义也采用了百分位阈值法，具体如下：将1979～2008年夏季(冬季)日最高(低)温度资料按从小到大(从大到小)排序，取第90百分位作为极端高(低)温事件的上(下)阈值，超过上(下)阈值的定义为极端高(低)温事件。

本文对极端温度事件的统计分析包括年发生频次和年发生强度两个要素。定义极端温度事件年发生次数之和为年发生频次，定义极端温度事件的温度值年总和与年发生频次的比值为年发生强度(任福民和翟盘茂，1998)。在对上述两个要素的统计分析中，采用线性倾向率、相关性分析等常用气象统计方法。

图 1a和1b显示，极端高温事件发生频次呈现增多的趋势，2000年达到峰值，而后出现回落，极端低温事件的发生频次呈现明显减小的趋势，这与暖冬事件呈现较好的反相关关系(陈峪等，2009)。图 1c和1d显示，极端温度事件发生强度的线性增加或者减小趋势没有发生频次的变化趋势明显。

图 1 1979～2008年北京城区和郊区极端高温(左列)和低温(右列)事件(a、b)发生频次和(c、d)强度的变化趋势 Fig. 1 The trends of(a，b)the frequency and (c，d)the intensity for maximum temperature extreme events(left panel) and minimum temperature extreme events(right panel)

对比极端温度事件发生频次和发生强度的曲线图，可以看到两者线性变化趋势存在较大差异，线性倾向率的定量化结果如表 1。

表1(Table 1)

表 1 城、郊区极端温度事件的线性倾向率 Table 1 Linear trend rates of temperature extreme events between urban and rural areas 　 频次[d(10 a)-1] 　 强度[℃(10 a)-1] 极端高 温事件 极端低 温事件 极端高 温事件 极端低 温事件 城区 4.33 -5.94 0.193 0.235 郊区 4.42 -5.28 　 0.272 0.220

表 1 城、郊区极端温度事件的线性倾向率 Table 1 Linear trend rates of temperature extreme events between urban and rural areas

表 1显示，极端低温事件发生频次线性减小趋势大于极端高温事件的线性增加趋势，其中城区的变化幅度相差1.61 d(10 a)^–1，郊区的变化幅度相差0.86 d(10 a)^–1，城区的极端高温事件和极端低温事件的差别更加明显。极端低温事件发生强度在城区的减弱幅度略高于极端高温事件，相差0.042 ℃(10 a)^–1，而在郊区的减弱幅度却略低于极端高温事件的增强幅度，相差0.052 ℃(10 a)^–1。

从上述结果来看，极端高温事件和极端低温事件城郊发生频次的变化曲线几乎重合，城区极端温度事件的发生强度明显高于郊区，极端低温事件发生强度的城郊差异明显高于极端高温事件。值得注意的是，无论是发生频次还是发生强度，极端高温事件从2000年左右呈现出较为明显的下降趋势，这可能说明了2000年以后该地区变暖的速度呈现出减缓的倾向。

表 2给出了1979～2008年北京城、郊区极端高(低)温事件发生频次和发生强度之间的相关系数。

表2(Table 2)

表 2 北京地区城郊极端高（低）温事件统计要素之间的相关系数 Table 2 Correlation coefficient of the frequency and intensity for temperature extreme events in urban and rural areas over Beijing *为通过α=0.05的显著性检验。

表 2 北京地区城郊极端高（低）温事件统计要素之间的相关系数 Table 2 Correlation coefficient of the frequency and intensity for temperature extreme events in urban and rural areas over Beijing

从表 2中可以得到以下结论：1)同种极端事件同种统计要素的前提下，近30年城区和郊区变化趋势的相关系数具有极高的相似度，其相关系数均达到0.9以上，其中，发生频次的相关性稍强于发生强度；2)对于同一种极端温度事件，城郊频次和强度的两两相关均呈现较大的相关性，其相关系数的绝对值均在0.5以上。

为分析和探讨城市化对极端温度事件的相关要素造成的可能影响，本节对北京地区极端事件发生频次(强度)在城区和郊区的差异进行了对比分析和讨论。

定义城、郊区发生频次差值为城区平均发生频次减郊区平均发生频次，极端高温事件和极端低温事件的频次差值均很小(如图 2所示)，在[-4，4]区间内变化，其中85%的年份其频次差值的绝对值在2以内。频次差值在不同值域区间内直方图统计结果(图 3)显示，极端高温事件和极端低温事件城、郊区频次差值的分布形态为准高斯分布，其年份最多的区间均集中在[-0.5，0.5]内，此统计结果在图 1的基础上，定量刻画了城区和郊区在极端温度事件发生频次之间的差异，证明对于发生频次而言，极端温度事件的城郊差异很小。

图 2 极端温度事件发生频次的城郊差异 Fig. 2 The frequency difference of extreme temperature events between urban and rural areas

图 3（a）极端高温事件和（b）极端低温事件城、郊区频次差值的统计分布 Fig. 3 The statistical features of frequency difference of (a) maximum and (b) minimum temperature extreme events between urban and rural areas

定义城、郊区发生强度差值为城区平均发生强度减郊区平均发生强度。从图 4可以看到，与发生频次最显著的不同在于，除个别年份的极端高温事件的发生强度为负值外(1982年和1985年)，城区与郊区强度差值均为正值，该结果验证了城市热岛效应客观存在的事实(黄嘉佑等，2004)。总体来看，极端高温事件城、郊区差值具有较为明显的规律：自1989年起，城郊差异围绕着0.2 ℃这一较低值附近震荡，这说明了在郊区不断城市化的过程中，极端高温事件的发生强度在郊区和城市之间的差距呈现缩小的趋势。相比而言，极端低温事件发生强度的城郊差异大于极端高温事件，最大值达到2.2 ℃(1999年)。此外，极端低温事件年际震荡较极端高温事件来说更加显著。

图 4 极端温度事件发生强度的城、郊区差异 Fig. 4 Intensity difference of temperature extreme events between urban and rural areas

上述研究发现，北京地区极端温度事件的各要素在城区和郊区之间存在着一定的差别，过去 的研究表明，城市化造成了城、郊区之间温度 的差异，而北京地区具有明显的城市热岛效应(郑祚芳等，2006)，城市化对北京地区极端温度事 件城、郊区差异是否造成影响，是下面重点讨论的问题。

为便于进行相关性分析，本文按季节和研究对象定义了以下几种城市热岛强度：城区和郊区夏(冬)季平均温度差、城区和郊区夏(冬)季最高温度差，城区和郊区夏(冬)季最低温度差(具体结果如图 5所示)。

图 5 1979～2008年北京城市热岛强度的年际变化 Fig. 5 Interannual variation of urban heat island intensity in Beijing during 1979-2008

图 5给出了近30年基于冬、夏季日平均、日最高和日最低温度定义下的各种城市热岛强度的统计结果，可以看到：基于冬季最低温度定义的热岛强度最大，年际差异也较大，在0.6～1.2 ℃范围内变化；基于夏季最高温度定义的热岛强度次之，年际变化幅度稍小，在0.5～0.9 ℃之间变化，其余几种定义下的热岛强度相差不大，基本在0.1～0.6 ℃之间震荡。可见，采用不同的资料(日最高、日最低、日平均)来定义热岛强度，结果也有较大的差别。但总的特征是一致的，如冬季夜间的热岛强度较大，夏季午后的热岛强度也较大，这与王郁和胡非(2006)的研究结论吻合。

计算热岛强度与极端温度事件发生频次和强度的城郊差异的相关系数(见表 3)可以发现：就发生频次而言，夏季热岛强度与极端高温事件的城郊差别、冬季热岛强度与极端低温事件的城郊差别均没有明显的相关性；就发生强度而言，夏季热岛强度对极端高温事件城郊差值的影响较大，极端低温事件的城郊差值与冬季各定义下的热岛强度不存在显著的相关性。

表3(Table 3)

表 3 1979～2008年北京极端事件发生频次和强度差值与夏、冬季热岛强度的相关性统计 Table 3 Coefficient relationship of the difference of the frequency and intensity for temperature extreme events in urban and rural areas and urban heat isl and intensity in summer and winter 季节 热岛 强度 极端高温事件 极端低温事件 频次差值 强度差值(℃) 频次差值 强度差值(℃) 夏季 平均 0.216 — 0.378 — 最高 0.060 — 0.179 — 最低 0.123 — 0.663 — 冬季 平均 — 0.078 — 0.109 最高 — 0.026 — 0.042 　 最低 — 0.115 — 0.037 *为通过a=0.05的显著性检验。

表 3 1979～2008年北京极端事件发生频次和强度差值与夏、冬季热岛强度的相关性统计 Table 3 Coefficient relationship of the difference of the frequency and intensity for temperature extreme events in urban and rural areas and urban heat isl and intensity in summer and winter

本文以北京地区极端温度事件为重点，讨论了近30年北京地区城郊极端温度事件的变化趋势并对城郊极端温度事件的差异进行了相关分析和讨论，研究结果如下：

(1)极端低温事件发生频次线性减小趋势大于极端高温事件的线性增加趋势，其中城区的变化幅度相差1.61 d(10 a)^–1，郊区的变化幅度相差0.86 d(10 a)^–1，极端高温事件和极端低温事件在城区内的差别更加明显。极端低温事件发生强度在城区的减弱幅度略高于极端高温事件，相差0.042 ℃(10 a)^–1，而在郊区的减弱幅度却略低于极端高温事件的增强幅度，相差0.052 ℃(10 a)^–1。

(2)相同的前提下，北京城区和郊区极端温度事件各要素近30年变化趋势具有极高的相似度，其相关系数均达到0.9以上，其中，发生频次的相关性稍强于发生强度。

(3)极端高温事件和极端低温事件的频次差值均很小，在[-4，4]区间内变化，其中85%的年份 其频次差值的绝对值在2以内。对于发生强度而言，极端高温事件自1990年起，城郊差值在0.2 ℃这一低值附近震荡，极端低温事件城郊差异在数值上大于极端高温事件，最大年份(1999年)的城郊差值达到2.2 ℃。

(4)夏季热岛强度与极端高温事件发生频次的城、郊区差别、冬季热岛强度与极端低温事件发生频次的城郊差别均没有明显的相关性，夏季热岛 强度对极端高温事件发生强度城郊差值的影响较大，极端低温事件则与冬季各定义下的热岛强度不存在显著的相关性。这说明城市热岛效应对北京超大城市市区和郊区影响的差别很小。