賈婷婷　韓忠玲　程勇翔　王秀珍

摘要? ? 為了將高溫?zé)岷︼L(fēng)險(xiǎn)等級(jí)劃分與風(fēng)險(xiǎn)指標(biāo)空間化推算結(jié)果緊密結(jié)合，實(shí)現(xiàn)精細(xì)化的新疆熱害風(fēng)險(xiǎn)評(píng)估，本文以新疆高溫?zé)岷ψ鳛檠芯繉?duì)象，利用1951—2017年新疆各氣溫站點(diǎn)逐日最高氣溫?cái)?shù)據(jù)，以日最高氣溫≥35 ℃連續(xù)3 d作為高溫?zé)岷Ρ孀R(shí)指標(biāo)，依據(jù)已有的自然災(zāi)害風(fēng)險(xiǎn)評(píng)估概念模型，計(jì)算高溫?zé)岷?qiáng)度與頻度分指標(biāo)。通過將熱害次強(qiáng)度和次頻率升尺度為熱害年強(qiáng)度和年頻率，將原本松散的熱害頻強(qiáng)關(guān)系突顯出來(lái)，依據(jù)二者之間穩(wěn)定的函數(shù)關(guān)系，利用熱害年頻率等級(jí)確定相應(yīng)的熱害年強(qiáng)度等級(jí)，從而實(shí)現(xiàn)熱害風(fēng)險(xiǎn)指標(biāo)各臨界閾值的客觀劃分。將熱害年強(qiáng)度與年頻率相乘積構(gòu)建熱害風(fēng)險(xiǎn)指標(biāo)，以地理因子歸一化加合的趨勢(shì)面+溫度趨勢(shì)面訂正的新方法實(shí)現(xiàn)站點(diǎn)熱害風(fēng)險(xiǎn)指標(biāo)的空間化推算。結(jié)果表明，新疆高溫?zé)岷Πl(fā)生概率按大的地物劃分由低到高順序依次為山脈<湖泊<綠洲<沙漠<土質(zhì)荒漠<荒漠盆地。結(jié)果經(jīng)驗(yàn)證，模型模擬熱害風(fēng)險(xiǎn)指標(biāo)值與站點(diǎn)實(shí)測(cè)計(jì)算值之間無(wú)明顯差異，兩者散點(diǎn)圖線性擬合R2為0.97，證明研究結(jié)果具有較高精確性且對(duì)新疆地區(qū)人民生產(chǎn)生活具有重要參考價(jià)值。

關(guān)鍵詞? ? 高溫?zé)岷?風(fēng)險(xiǎn)評(píng)估;風(fēng)險(xiǎn)指標(biāo);頻強(qiáng)關(guān)系;新疆

中圖分類號(hào)? ? S428? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼? ? A

文章編號(hào)? ?1007-5739（2019）24-0149-05? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）

Abstract? ? In order to conduct the exact risk assessment of high temperature stress in Xinjiang by combining the risk classification with the result of risk index spatialization calculation，the high temperature stress in Xinjiang was taken as the research object in this paper，the daily maximum temperature data of temperature stations in Xinjiang from 1951 to 2017 was used，and the daily maximum temperature≥35 ℃ for three consecutive days was selected as identification index of high temperature stress. Intensity and frequency index of high temperature stress was calculated by using conceptual model of natural hazard risk assessment model. By scaling up the sub-intensity and sub-frequency of high temperature stress into annual intensity and annual frequency，the original loose frequency-intensity relationship of high temperature stress become steady. According to the stable functional relationship between annual intensity and annual frequency，the corresponding annual intensity level was determined by using the annual frequency level of high temperature stress，so as to achieve the objective division of the critical thresholds of risk index. Index of high temperature stress was constructed by multiplying the annual intensity and annual frequency. The new method，which revised by the trend surface of the normalized addition of geographic factors plus the temperature trend，was used to realize the spatial risk estimation of high temperature stress.The results showed that the occurrence probability of high temperature stress in Xinjiang was as followed：mountain

Key words? ? high temperature stress;risk assessment;risk index;frequency-intensity relationship;Xinjiang

新疆位于亞歐大陸中心，其“三山加兩盆”的地形地貌和氣候特點(diǎn)使新疆大部分地區(qū)在夏季干燥炎熱。在全球變暖的背景下，近幾十年來(lái)高溫?zé)岷Τ拭黠@增長(zhǎng)趨勢(shì)[1-2]（圖1），此情況對(duì)當(dāng)?shù)厝嗣竦纳a(chǎn)生活以及自然動(dòng)植物生存繁衍造成了不利影響。目前，關(guān)于新疆地區(qū)高溫?zé)岷?qiáng)度等級(jí)劃分以及高溫?zé)岷Πl(fā)生概率的宏觀研究還比較少[3-7]，因而在新疆開展高溫風(fēng)險(xiǎn)評(píng)估研究很有意義。

對(duì)于高溫?zé)岷π纬蓹C(jī)制以及發(fā)生發(fā)展規(guī)律，我國(guó)的氣象工作者展開了一系列研究，并取得了很多的研究成果[8-13]，張? 蕾等[14]、金志鳳等[15]、譚詩(shī)琪等[16]采用多年氣象觀測(cè)站的氣溫觀測(cè)數(shù)據(jù)，建立高溫?zé)岷Φ燃?jí)指標(biāo)，分析了高溫?zé)岷r(shí)空分布規(guī)律;郭建茂等[17]利用“衛(wèi)星-插值”法對(duì)安徽、江蘇兩地?zé)岷η闆r進(jìn)行模型應(yīng)用試驗(yàn)，且驗(yàn)證后結(jié)果顯示精確性良好;何亮等[18]將氣象站點(diǎn)觀測(cè)值簡(jiǎn)單計(jì)算后，采用空間反距離加權(quán)插值法，得到高溫?zé)岷^(qū)域分布圖;裴? 亮等[19]利用MODIS-Aqua反演的夏季氣溫確定南方高溫?zé)岷Ψ植紖^(qū)域，得出長(zhǎng)江的中下游水稻高溫?zé)岷χ饕植紖^(qū);李友信[20]通過空間推算模型，利用GIS對(duì)殘差進(jìn)行插值，將模型推算結(jié)果與殘差插值結(jié)果相加，得到長(zhǎng)江中下游地區(qū)高溫?zé)岷︼L(fēng)險(xiǎn)空間分布圖，結(jié)果經(jīng)驗(yàn)證與事實(shí)相符合;CHENG Y X等[21]直接采用地理因子與冷害風(fēng)險(xiǎn)指數(shù)建立回歸模型，將回歸結(jié)果與殘差空間插值結(jié)果相加合，對(duì)湖南省雙季稻冷害進(jìn)行分析評(píng)估，評(píng)估結(jié)果經(jīng)驗(yàn)證精確性較高。

以上研究所采用的方法經(jīng)歸納主要包括3類：一是僅基于站點(diǎn)風(fēng)險(xiǎn)指標(biāo)分析研究，二是在站點(diǎn)風(fēng)險(xiǎn)指標(biāo)計(jì)算基礎(chǔ)上的空間插值結(jié)果研究，三是風(fēng)險(xiǎn)指標(biāo)的回歸+殘差訂證結(jié)果的研究。上述方法雖然被廣泛使用，但筆者認(rèn)為其研究結(jié)果在空間精度上有待于進(jìn)一步提高。本文以新疆氣象高溫?zé)岷ψ鳛檠芯繉?duì)象，利用1951—2017年新疆各氣象站點(diǎn)逐日最高氣溫?cái)?shù)據(jù)，利用計(jì)算得到的熱害年頻率等級(jí)確定相應(yīng)的熱害年強(qiáng)度等級(jí)，將熱害年強(qiáng)度和年頻率相乘構(gòu)建熱害風(fēng)險(xiǎn)指標(biāo)，以地理因子歸一化加合的趨勢(shì)面+溫度趨勢(shì)面訂正的新方法實(shí)現(xiàn)站點(diǎn)熱害風(fēng)險(xiǎn)指標(biāo)的空間化推算。本文擬采用與以往不同的研究方法，在充分考慮地理因子規(guī)律和地表實(shí)際地物信息的情況下，實(shí)現(xiàn)可任意定等的、高空間精度的高溫?zé)岷︼L(fēng)險(xiǎn)評(píng)估。

1? ? 材料與方法

1.1? ? 研究區(qū)概況

新疆地處歐亞板塊中央，位于東經(jīng)73°40′～96°18′、北緯34°25′～48°10′，占中國(guó)國(guó)土的1/6，面積163.16萬(wàn)km2。新疆主要?dú)夂蝾愋蜑闇貛Т箨懶詺夂颍募救照諘r(shí)間長(zhǎng)，干燥炎熱，降水稀少[22]，晝夜溫差較大。主要地形地貌為“三山夾兩盆”，即由北向南分別為阿爾泰山、準(zhǔn)噶爾盆地、天山山脈、塔里木盆地和昆侖山。全境面積的62%約1.023億hm2土地面積被荒漠戈壁所覆蓋。塔里木盆地有中國(guó)第一大沙漠塔克拉瑪干沙漠，準(zhǔn)噶爾盆地有中國(guó)第二大沙漠古爾班通古特沙漠，這2個(gè)沙漠是新疆的主要熱源（圖2）。吐魯番盆地地勢(shì)低洼，夏季高溫?zé)岷︻l發(fā)，除此之外，新疆還包括大面積易于升溫的戈壁和鹽堿地。以上均是造成新疆高溫?zé)岷︻l發(fā)的主要地理因素。新疆山脈地區(qū)隨海拔升高，溫度逐漸降低，高溫?zé)岷u次減少。

1.2? ? 數(shù)據(jù)來(lái)源

逐日最高溫度數(shù)據(jù)來(lái)自中國(guó)氣象科學(xué)數(shù)據(jù)共享網(wǎng)（http：//cdc.cma.gov.cn/satellite/），共獲取了西北5省206個(gè)氣象站點(diǎn)1951—2017年逐日平均氣溫?cái)?shù)據(jù)。對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，對(duì)其中日缺失數(shù)據(jù)（連續(xù)缺失≤5 d）進(jìn)行平均值插補(bǔ)，對(duì)于缺失數(shù)據(jù)較多（連續(xù)缺失>5 d）的年份將整年剔除。從地理空間數(shù)據(jù)云獲取2000—2016年歷年MODLT1M中國(guó)1 km 7月LTD AVG數(shù)據(jù)，計(jì)算該數(shù)據(jù)平均值，將結(jié)果作為溫度趨勢(shì)面的計(jì)算依據(jù)。研究行政區(qū)劃數(shù)據(jù)來(lái)自于國(guó)家基礎(chǔ)地理信息系統(tǒng)（http：//nfgis.nsdi.gov.cn/）提供的1∶400萬(wàn)矢量地圖。利用獲取的數(shù)據(jù)進(jìn)行相關(guān)的圖像裁剪、面積統(tǒng)計(jì)及結(jié)果制圖。另外，研究通過GIS軟件結(jié)合行政區(qū)劃范圍分別制作了經(jīng)度圖和緯度圖。研究使用的高程數(shù)據(jù)空間分辨率為30 m（http：//www.gscloud.cn/），將下載獲取的高程數(shù)據(jù)在圖像拼接的基礎(chǔ)上，裁剪出研究區(qū)范圍。研究中所有數(shù)據(jù)投影均被轉(zhuǎn)化為WGS1984投影。

1.3? ? 研究方法

1.3.1? ? 高溫?zé)岷ε卸ㄖ笜?biāo)的選擇。本研究根據(jù)高溫?zé)岷π袠I(yè)氣象指標(biāo)[23]，選取日最高溫度連續(xù)3 d ≥35 ℃為熱害判定指標(biāo)。研究參照該指標(biāo)對(duì)新疆研究區(qū)64個(gè)氣象站點(diǎn)1951—2017年逐日最高氣溫進(jìn)行了相應(yīng)高溫?zé)岷χ笜?biāo)統(tǒng)計(jì)。

1.3.2? ? 基于氣象站點(diǎn)的高溫?zé)岷︼L(fēng)險(xiǎn)指標(biāo)模型的構(gòu)建。利用高溫災(zāi)害判定指標(biāo)，對(duì)西北5省206個(gè)氣象站點(diǎn)1951—2017年歷年的數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)，分別計(jì)算了各年6—10月熱害發(fā)生的次數(shù)，每次熱害持續(xù)的天數(shù)，每次熱害中每日≥35 ℃的量值。將206個(gè)氣象站點(diǎn)自1951—2017年歷年每次熱害平均持續(xù)天數(shù)和每次熱害的平均升溫幅度相乘作為該站點(diǎn)次熱害平均強(qiáng)度，獲得的結(jié)果用于后續(xù)熱害風(fēng)險(xiǎn)指標(biāo)的構(gòu)建。計(jì)算公式（1）如下：

1.3.4? ? 高溫?zé)岷︼L(fēng)險(xiǎn)指標(biāo)等級(jí)劃分。本文通過分析熱害年強(qiáng)度和年頻率的相關(guān)性，依據(jù)二者之間穩(wěn)定函數(shù)關(guān)系（擬合樣本數(shù)為206），利用熱害年頻率等級(jí)確定相應(yīng)的熱害年強(qiáng)度等級(jí)，按式（8）將兩者相乘，實(shí)現(xiàn)熱害風(fēng)險(xiǎn)指標(biāo)各臨界閾值的客觀劃分?？衫迷搫澐峙R界閾值對(duì)計(jì)算的高溫?zé)岷︼L(fēng)險(xiǎn)值進(jìn)行等級(jí)評(píng)定。研究總體流程如圖3所示。

2? ? 結(jié)果與分析

將Xj與建立關(guān)系方程，如圖4所示。得出的式（9），計(jì)算公式如下：

統(tǒng)計(jì)方程經(jīng)檢驗(yàn)，F(xiàn)值為381.17，方程達(dá)到0.01極顯著水平，其中擬合趨勢(shì)線R2為0.95。熱害年強(qiáng)度與年頻率的相關(guān)性分析表明，二者之間有穩(wěn)定的函數(shù)關(guān)系，如圖5所示。

利用熱害年頻率等級(jí)確定相應(yīng)的熱害年強(qiáng)度等級(jí)，通過式（8）確定的熱害風(fēng)險(xiǎn)指標(biāo)各臨界閾值結(jié)果如表1所示，并由此對(duì)計(jì)算的高溫?zé)岷︼L(fēng)險(xiǎn)值進(jìn)行等級(jí)評(píng)定。

研究利用公式（6）獲取了研究區(qū)地理因子歸一化加合的趨勢(shì)面圖，結(jié)果如圖6所示?？梢钥闯觯琕J值越低，高溫?zé)岷︼L(fēng)險(xiǎn)越高。通過計(jì)算獲取了2000—2016年的7月平均陸地表面溫度圖，結(jié)果如圖7所示，可以看出高溫主要集中在吐魯番盆地和兩大沙漠區(qū)域。

利用公式（7）計(jì)算圖6與圖7比值，并結(jié)合公式（9）對(duì)高溫?zé)岷︼L(fēng)險(xiǎn)指標(biāo)值進(jìn)行推算，再根據(jù)表1臨界閾值對(duì)高溫?zé)岷︼L(fēng)險(xiǎn)指標(biāo)值進(jìn)行等級(jí)劃分，最終劃分結(jié)果如圖8所示。

結(jié)合新疆“三山夾兩盆”的地形和下墊面狀況可知，新疆地區(qū)夏季高溫?zé)岷ζ毡榇嬖?，高溫?zé)岷?jí)別高的地區(qū)主要位于吐魯番盆地、塔克拉瑪干沙漠、古爾班通古特沙漠，總體呈現(xiàn)東強(qiáng)西弱的特點(diǎn)。高溫?zé)岷?jí)別低的地區(qū)主要位于阿爾泰山、天山和昆侖山地勢(shì)海拔高的區(qū)域。此外，綠洲高溫?zé)岷σ财毡榈陀谥苓吇哪畢^(qū)域。其中，綠洲內(nèi)部高溫?zé)岷ζ毡闉槌鞘杏玫馗哂谵r(nóng)業(yè)用地，水庫(kù)水面高溫?zé)岷︼L(fēng)險(xiǎn)低于周邊綠洲，綠洲內(nèi)部大范圍鹽漬化土壤高溫?zé)岷︼L(fēng)險(xiǎn)高于周邊綠洲?？偟膩?lái)說(shuō)，新疆高溫?zé)岷Πl(fā)生概率按大的地物劃分由低到高依次為山脈<湖泊<綠洲<沙漠<土質(zhì)荒漠<荒漠盆地。

形成上述高溫?zé)岷︼L(fēng)險(xiǎn)等級(jí)順序的原因是山脈海拔高且氣溫隨海拔升高而降低。因此，發(fā)生高溫?zé)岷赡苄宰畹?湖泊水庫(kù)區(qū)域由于水的比熱容大，且部分熱量隨水的蒸發(fā)被帶走，使水的溫度上升緩慢，相應(yīng)高溫?zé)岷Πl(fā)生概率低。綠洲植被覆蓋率高，受人類活動(dòng)影響，夏季溫度變化幅度小于周邊荒漠，相應(yīng)發(fā)生高溫?zé)岷Φ母怕瘦^小。綠洲內(nèi)部鹽堿地由于土壤含鹽量高，植被覆蓋率低，鹽比熱容較小，升溫快，高溫?zé)岷Πl(fā)生概率高于周邊綠洲[24]。綠洲內(nèi)部水庫(kù)受水影響，高溫?zé)岷Πl(fā)生概率低于周邊綠洲。綠洲城市由于地面硬化率高，化石燃料燃燒等導(dǎo)致城市熱島效應(yīng)顯著[25]，其高溫?zé)岷σ蚕鄬?duì)較高。沙漠與綠洲交界處海拔較沙漠主體部分來(lái)說(shuō)相對(duì)較低，加之該區(qū)域土質(zhì)多為荒漠或戈壁，植被覆蓋度低，高溫?zé)岷Φ燃?jí)高于綠洲和沙漠主體部分，這一現(xiàn)象在準(zhǔn)噶爾盆地南緣綠洲荒漠交錯(cuò)帶表現(xiàn)尤為顯著。塔克拉瑪干沙漠、古爾班通古特沙漠由于沙質(zhì)地表且地形封閉，因而不利于近地面空氣流通與盆地內(nèi)熱量的散失，聚熱作用強(qiáng)，且降水量奇缺，氣候干燥炎熱，極易發(fā)生高溫?zé)岷η闆r，且發(fā)生次數(shù)極多，因而高溫?zé)岷?jí)別高[26];低海拔地區(qū)，例如吐魯番盆地，地面空氣不流通，熱量散失受阻，聚熱作用強(qiáng)，大氣層厚度大，大氣吸收地面輻射能力強(qiáng)，因而幾乎年年都會(huì)發(fā)生持續(xù)多日的高溫情況，高溫?zé)岷?jí)別極高。

研究抽取20個(gè)氣象觀測(cè)站點(diǎn)實(shí)測(cè)數(shù)據(jù)進(jìn)行分析驗(yàn)證擬合精度，結(jié)果表明，擬合點(diǎn)與實(shí)測(cè)點(diǎn)符合1∶1比例，兩者擬合線R2為0.97，模型模擬值和實(shí)測(cè)值之間沒有顯著差異，研究結(jié)果可靠（圖9）。

3? ? 討論

研究使用地理因子歸一化加合變量（VJ）、直接利用多個(gè)地理因子變量、采用地理因子歸一化加合與溫度訂正作為變量（XJ）分別與高溫?zé)岷︼L(fēng)險(xiǎn)指標(biāo)建立回歸趨勢(shì)面，發(fā)現(xiàn)三者建立的回歸方程R2值分別為0.937、0.558和0.950?？梢?，研究采用的地理因子歸一化加合與溫度訂正作為變量的方法可大幅度提高熱害風(fēng)險(xiǎn)指標(biāo)的推算精度。研究采用的經(jīng)度、緯度和海拔高度歸一化加合趨勢(shì)面+溫度趨勢(shì)面訂正的方法與前人僅基于站點(diǎn)數(shù)據(jù)空間插值的方法相比較，在空間精度上有了一定的提高，克服了空間插值的不足。研究與目前常用的回歸趨勢(shì)面+殘差訂正的方法相比較（圖10），能夠更充分考慮下墊面狀況對(duì)溫度的影響。雖然在個(gè)別訂正點(diǎn)上準(zhǔn)確性不如殘差訂正方法，但結(jié)果在總體趨勢(shì)上與事實(shí)更加吻合。另外，研究為充分體現(xiàn)溫度趨勢(shì)面訂正對(duì)結(jié)果的影響，又利用VJ值單獨(dú)作為自變量進(jìn)行了高溫?zé)岷︼L(fēng)險(xiǎn)等級(jí)劃分，結(jié)果如圖11所示?？梢园l(fā)現(xiàn)，雖然在整體趨勢(shì)上與研究結(jié)果（圖8）相一致，但是在細(xì)節(jié)上，比如綠洲和湖泊的增濕降溫效應(yīng)、荒漠增溫效應(yīng)未能準(zhǔn)確體現(xiàn)。因此，研究構(gòu)建的方法能夠充分反映地理因子（經(jīng)度、緯度和海拔）和地物信息二者疊加共同對(duì)高溫?zé)岷Φ挠绊?，結(jié)果可實(shí)現(xiàn)對(duì)新疆高溫?zé)岷Φ木?xì)化風(fēng)險(xiǎn)評(píng)估。

研究采用的熱害等級(jí)劃分方法，依據(jù)熱害年頻率和年強(qiáng)度的函數(shù)關(guān)系，通過熱害年頻率等級(jí)確定相應(yīng)的熱害年強(qiáng)度等級(jí)，理論上可以實(shí)現(xiàn)任意概率風(fēng)險(xiǎn)下的臨界閾值劃分，相較于前人試驗(yàn)僅僅根據(jù)年熱害發(fā)生次數(shù)作為指標(biāo)劃分3～5個(gè)等級(jí)而言，劃分梯度更加細(xì)致。相比于利用自然裂點(diǎn)[27]、層次分析[28]等方法確定的等級(jí)臨界閾值來(lái)說(shuō)，劃分更為客觀。

4? ? 結(jié)論

研究采用的地理因子歸一化加合趨勢(shì)面+溫度趨勢(shì)面訂正的方法能夠充分反映地理因子和地物信息二者疊加共同對(duì)高溫?zé)岷Φ挠绊?，在空間精細(xì)化及高溫?zé)岷Χǖ葎澐稚嫌兴岣?。研究結(jié)果經(jīng)驗(yàn)證，方法有效，結(jié)果正確。新疆高溫?zé)岷Πl(fā)生概率由低到高依次為山脈<湖泊<綠洲<沙漠<土質(zhì)荒漠<荒漠盆地，高溫?zé)岷︼L(fēng)險(xiǎn)等級(jí)總體呈現(xiàn)出東強(qiáng)西弱。研究方法在指標(biāo)構(gòu)建與推算上，邏輯清楚、規(guī)律穩(wěn)定，該方法不僅適用于新疆，理論上還可適用于其他地區(qū)。

5? ? 參考文獻(xiàn)

[1] 施雅風(fēng).全球和中國(guó)變暖特征及未來(lái)趨勢(shì)[J].自然災(zāi)害學(xué)報(bào)，1996（2）：5-14.

[2] 曲姝霖.西北地區(qū)極端高溫變化及對(duì)氣候變暖及停滯的響應(yīng)研究[C]//第34屆中國(guó)氣象學(xué)會(huì)年會(huì).鄭州：中國(guó)氣象學(xué)會(huì)2017.

[3] 武勝利，劉強(qiáng)吉，胡雪瑛，等.全球變化背景下新疆和田地區(qū)近半個(gè)世紀(jì)極端氣溫變化特征分析[J].水土保持研究，2017，24（5）：209-214.

[4] 劉蘭.2015年7月14—28日新疆石河子地區(qū)高溫分析[J].石河子科技，2016（5）：23-25.

[5] 丁虎，王科.2015年7月14—27日石河子地區(qū)異常高溫過程分析[J].安徽農(nóng)業(yè)科學(xué)，2016，44（31）：187-189.

[6] 毛煒嶧，陳鵬翔，沈永平.氣候變暖背景下2015年夏季新疆極端高溫過程及其影響[J].冰川凍土，2016，38（2）：291-304.

[7] 慈暉，張強(qiáng)，張江輝，等.1961—2010年新疆極端氣溫時(shí)空演變特征研究[J].中山大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，54（4）：129-138.

[8] 沈皓俊，游慶龍，王朋嶺，等.1961—2014年中國(guó)高溫?zé)崂俗兓卣鞣治鯷J].氣象科學(xué)，2018，38（1）：28-36.

[9] 蔡元?jiǎng)偅瑓擎面?，張文千，?基于REOF的四川省高溫?zé)崂藭r(shí)空分布特征分析[J].自然災(zāi)害學(xué)報(bào)，2018，27（2）：201-208.

[10] 楊菲，王學(xué)林，楊再?gòu)?qiáng)，等.江南地區(qū)茶樹高溫?zé)岷r(shí)空分布特征及風(fēng)險(xiǎn)區(qū)劃[J].自然災(zāi)害學(xué)報(bào)，2015，24（2）：216-224.

[11] 張子涵，樓茂園，劉漢華，等.2013年7—8月浙江省異常高溫特點(diǎn)及成因分析[J].科技通報(bào)，2018，34（4）：55-61.

[12] 吳榮軍，鄭有飛，劉建軍，等.長(zhǎng)江三角洲主要城市高溫災(zāi)害的趨勢(shì)分析[J].自然災(zāi)害學(xué)報(bào)，2010，19（5）：56-63.

[13] 李曈，王文，蔡曉軍.2013年長(zhǎng)江中下游夏季高溫干旱演變過程及環(huán)流異常成因簡(jiǎn)析[J].氣象科學(xué)，2017，37（4）：505-513.

[14] 張蕾，侯英雨，楊冰韻，等.長(zhǎng)江流域一季稻高溫?zé)岷Ψ植继卣骷帮L(fēng)險(xiǎn)分析[J].自然災(zāi)害學(xué)報(bào)，2018，27（2）：107-115.

[15] 金志鳳，楊太明，李仁忠，等.浙江省高溫?zé)岷Πl(fā)生規(guī)律及其對(duì)早稻產(chǎn)量的影響[J].中國(guó)農(nóng)業(yè)氣象，2009，30（4）：628-631.

[16] 譚詩(shī)琪，申雙和.長(zhǎng)江中下游地區(qū)近32年水稻高溫?zé)岷Ψ植家?guī)律[J].江蘇農(nóng)業(yè)科學(xué)，2016，44（8）：97-101.

[17] 郭建茂，王錦杰，吳越，等.基于衛(wèi)星遙感與氣象站點(diǎn)數(shù)據(jù)的水稻高溫?zé)岷ΡO(jiān)測(cè)和評(píng)估模型的改進(jìn)[J].自然災(zāi)害學(xué)報(bào)，2018，27（1）：163-174.

[18] 何亮，吳門新，侯英雨，等.基于極值概率分布函數(shù)的中國(guó)早稻高溫?zé)岷r(shí)空分布統(tǒng)計(jì)特征[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)，2018，26（11）：1601-1612.

[19] 裴亮，王和斌，延昊.利用MODIS數(shù)據(jù)反演氣溫監(jiān)測(cè)夏季高溫?zé)岷J].安徽農(nóng)業(yè)科學(xué)，2012，40（8）：4777-4779.

[20] 李友信.長(zhǎng)江中下游地區(qū)水稻高溫?zé)岷Ψ植家?guī)律研究[D].武漢：華中農(nóng)業(yè)大學(xué)，2015.

[21] CHENG Y X，HUANG J F，HAN Z L，et al.Cold damage risk assess-ment of double cropping rice in Hunan，China[J].Journal of Integrative Agriculture，2013，12（2）：352-363.

[22] 孫蘇琪.新疆夏季降水的氣候特征分析[C]//第35屆中國(guó)氣象學(xué)會(huì)年會(huì)S6應(yīng)對(duì)氣候變化、低碳發(fā)展與生態(tài)文明建設(shè).合肥：中國(guó)氣象學(xué)會(huì)，2018.

[23] 楊太明，孫喜波，劉布春，等.安徽省水稻高溫?zé)岷ΡｋU(xiǎn)天氣指數(shù)模型設(shè)計(jì)[J].中國(guó)農(nóng)業(yè)氣象，2015，36（2）：220-226.

[24] 李金香，塔西甫拉提·特依拜，雷磊，等.干旱區(qū)典型綠洲熱場(chǎng)分布規(guī)律研究：以渭干河-庫(kù)車河三角洲綠洲為例[J].中國(guó)沙漠，2011，31（4）：992-1000.

[25] 貢璐，呂光輝.基于景觀的干旱區(qū)城市熱島效應(yīng)變化研究：以烏魯木齊市為例[J].中國(guó)沙漠，2009，29（5）：982-988.

[26] 陳廣庭，徐新文.新疆的荒漠景觀[J].森林與人類，2017（4）：16-31.

[27] 程勇翔.中國(guó)南方雙季稻低溫冷害風(fēng)險(xiǎn)評(píng)估、遙感監(jiān)測(cè)與損失評(píng)估方法研究[D].杭州：浙江大學(xué)，2014.

[28] 葉金玉，林廣發(fā)，張明鋒.自然災(zāi)害風(fēng)險(xiǎn)評(píng)估研究進(jìn)展[J].防災(zāi)科技學(xué)院學(xué)報(bào)，2010，12（3）：20-25.

摘要? ? 為了將高溫?zé)岷︼L(fēng)險(xiǎn)等級(jí)劃分與風(fēng)險(xiǎn)指標(biāo)空間化推算結(jié)果緊密結(jié)合，實(shí)現(xiàn)精細(xì)化的新疆熱害風(fēng)險(xiǎn)評(píng)估，本文以新疆高溫?zé)岷ψ鳛檠芯繉?duì)象，利用1951—2017年新疆各氣溫站點(diǎn)逐日最高氣溫?cái)?shù)據(jù)，以日最高氣溫≥35 ℃連續(xù)3 d作為高溫?zé)岷Ρ孀R(shí)指標(biāo)，依據(jù)已有的自然災(zāi)害風(fēng)險(xiǎn)評(píng)估概念模型，計(jì)算高溫?zé)岷?qiáng)度與頻度分指標(biāo)。通過將熱害次強(qiáng)度和次頻率升尺度為熱害年強(qiáng)度和年頻率，將原本松散的熱害頻強(qiáng)關(guān)系突顯出來(lái)，依據(jù)二者之間穩(wěn)定的函數(shù)關(guān)系，利用熱害年頻率等級(jí)確定相應(yīng)的熱害年強(qiáng)度等級(jí)，從而實(shí)現(xiàn)熱害風(fēng)險(xiǎn)指標(biāo)各臨界閾值的客觀劃分。將熱害年強(qiáng)度與年頻率相乘積構(gòu)建熱害風(fēng)險(xiǎn)指標(biāo)，以地理因子歸一化加合的趨勢(shì)面+溫度趨勢(shì)面訂正的新方法實(shí)現(xiàn)站點(diǎn)熱害風(fēng)險(xiǎn)指標(biāo)的空間化推算。結(jié)果表明，新疆高溫?zé)岷Πl(fā)生概率按大的地物劃分由低到高順序依次為山脈<湖泊<綠洲<沙漠<土質(zhì)荒漠<荒漠盆地。結(jié)果經(jīng)驗(yàn)證，模型模擬熱害風(fēng)險(xiǎn)指標(biāo)值與站點(diǎn)實(shí)測(cè)計(jì)算值之間無(wú)明顯差異，兩者散點(diǎn)圖線性擬合R2為0.97，證明研究結(jié)果具有較高精確性且對(duì)新疆地區(qū)人民生產(chǎn)生活具有重要參考價(jià)值。

關(guān)鍵詞? ? 高溫?zé)岷?風(fēng)險(xiǎn)評(píng)估;風(fēng)險(xiǎn)指標(biāo);頻強(qiáng)關(guān)系;新疆

中圖分類號(hào)? ? S428? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼? ? A

文章編號(hào)? ?1007-5739（2019）24-0149-05? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）

Abstract? ? In order to conduct the exact risk assessment of high temperature stress in Xinjiang by combining the risk classification with the result of risk index spatialization calculation，the high temperature stress in Xinjiang was taken as the research object in this paper，the daily maximum temperature data of temperature stations in Xinjiang from 1951 to 2017 was used，and the daily maximum temperature≥35 ℃ for three consecutive days was selected as identification index of high temperature stress. Intensity and frequency index of high temperature stress was calculated by using conceptual model of natural hazard risk assessment model. By scaling up the sub-intensity and sub-frequency of high temperature stress into annual intensity and annual frequency，the original loose frequency-intensity relationship of high temperature stress become steady. According to the stable functional relationship between annual intensity and annual frequency，the corresponding annual intensity level was determined by using the annual frequency level of high temperature stress，so as to achieve the objective division of the critical thresholds of risk index. Index of high temperature stress was constructed by multiplying the annual intensity and annual frequency. The new method，which revised by the trend surface of the normalized addition of geographic factors plus the temperature trend，was used to realize the spatial risk estimation of high temperature stress.The results showed that the occurrence probability of high temperature stress in Xinjiang was as followed：mountain

Key words? ? high temperature stress;risk assessment;risk index;frequency-intensity relationship;Xinjiang

新疆位于亞歐大陸中心，其“三山加兩盆”的地形地貌和氣候特點(diǎn)使新疆大部分地區(qū)在夏季干燥炎熱。在全球變暖的背景下，近幾十年來(lái)高溫?zé)岷Τ拭黠@增長(zhǎng)趨勢(shì)[1-2]（圖1），此情況對(duì)當(dāng)?shù)厝嗣竦纳a(chǎn)生活以及自然動(dòng)植物生存繁衍造成了不利影響。目前，關(guān)于新疆地區(qū)高溫?zé)岷?qiáng)度等級(jí)劃分以及高溫?zé)岷Πl(fā)生概率的宏觀研究還比較少[3-7]，因而在新疆開展高溫風(fēng)險(xiǎn)評(píng)估研究很有意義。

對(duì)于高溫?zé)岷π纬蓹C(jī)制以及發(fā)生發(fā)展規(guī)律，我國(guó)的氣象工作者展開了一系列研究，并取得了很多的研究成果[8-13]，張? 蕾等[14]、金志鳳等[15]、譚詩(shī)琪等[16]采用多年氣象觀測(cè)站的氣溫觀測(cè)數(shù)據(jù)，建立高溫?zé)岷Φ燃?jí)指標(biāo)，分析了高溫?zé)岷r(shí)空分布規(guī)律;郭建茂等[17]利用“衛(wèi)星-插值”法對(duì)安徽、江蘇兩地?zé)岷η闆r進(jìn)行模型應(yīng)用試驗(yàn)，且驗(yàn)證后結(jié)果顯示精確性良好;何亮等[18]將氣象站點(diǎn)觀測(cè)值簡(jiǎn)單計(jì)算后，采用空間反距離加權(quán)插值法，得到高溫?zé)岷^(qū)域分布圖;裴? 亮等[19]利用MODIS-Aqua反演的夏季氣溫確定南方高溫?zé)岷Ψ植紖^(qū)域，得出長(zhǎng)江的中下游水稻高溫?zé)岷χ饕植紖^(qū);李友信[20]通過空間推算模型，利用GIS對(duì)殘差進(jìn)行插值，將模型推算結(jié)果與殘差插值結(jié)果相加，得到長(zhǎng)江中下游地區(qū)高溫?zé)岷︼L(fēng)險(xiǎn)空間分布圖，結(jié)果經(jīng)驗(yàn)證與事實(shí)相符合;CHENG Y X等[21]直接采用地理因子與冷害風(fēng)險(xiǎn)指數(shù)建立回歸模型，將回歸結(jié)果與殘差空間插值結(jié)果相加合，對(duì)湖南省雙季稻冷害進(jìn)行分析評(píng)估，評(píng)估結(jié)果經(jīng)驗(yàn)證精確性較高。

以上研究所采用的方法經(jīng)歸納主要包括3類：一是僅基于站點(diǎn)風(fēng)險(xiǎn)指標(biāo)分析研究，二是在站點(diǎn)風(fēng)險(xiǎn)指標(biāo)計(jì)算基礎(chǔ)上的空間插值結(jié)果研究，三是風(fēng)險(xiǎn)指標(biāo)的回歸+殘差訂證結(jié)果的研究。上述方法雖然被廣泛使用，但筆者認(rèn)為其研究結(jié)果在空間精度上有待于進(jìn)一步提高。本文以新疆氣象高溫?zé)岷ψ鳛檠芯繉?duì)象，利用1951—2017年新疆各氣象站點(diǎn)逐日最高氣溫?cái)?shù)據(jù)，利用計(jì)算得到的熱害年頻率等級(jí)確定相應(yīng)的熱害年強(qiáng)度等級(jí)，將熱害年強(qiáng)度和年頻率相乘構(gòu)建熱害風(fēng)險(xiǎn)指標(biāo)，以地理因子歸一化加合的趨勢(shì)面+溫度趨勢(shì)面訂正的新方法實(shí)現(xiàn)站點(diǎn)熱害風(fēng)險(xiǎn)指標(biāo)的空間化推算。本文擬采用與以往不同的研究方法，在充分考慮地理因子規(guī)律和地表實(shí)際地物信息的情況下，實(shí)現(xiàn)可任意定等的、高空間精度的高溫?zé)岷︼L(fēng)險(xiǎn)評(píng)估。

1? ? 材料與方法

1.1? ? 研究區(qū)概況

新疆地處歐亞板塊中央，位于東經(jīng)73°40′～96°18′、北緯34°25′～48°10′，占中國(guó)國(guó)土的1/6，面積163.16萬(wàn)km2。新疆主要?dú)夂蝾愋蜑闇貛Т箨懶詺夂颍募救照諘r(shí)間長(zhǎng)，干燥炎熱，降水稀少[22]，晝夜溫差較大。主要地形地貌為“三山夾兩盆”，即由北向南分別為阿爾泰山、準(zhǔn)噶爾盆地、天山山脈、塔里木盆地和昆侖山。全境面積的62%約1.023億hm2土地面積被荒漠戈壁所覆蓋。塔里木盆地有中國(guó)第一大沙漠塔克拉瑪干沙漠，準(zhǔn)噶爾盆地有中國(guó)第二大沙漠古爾班通古特沙漠，這2個(gè)沙漠是新疆的主要熱源（圖2）。吐魯番盆地地勢(shì)低洼，夏季高溫?zé)岷︻l發(fā)，除此之外，新疆還包括大面積易于升溫的戈壁和鹽堿地。以上均是造成新疆高溫?zé)岷︻l發(fā)的主要地理因素。新疆山脈地區(qū)隨海拔升高，溫度逐漸降低，高溫?zé)岷u次減少。

1.2? ? 數(shù)據(jù)來(lái)源

逐日最高溫度數(shù)據(jù)來(lái)自中國(guó)氣象科學(xué)數(shù)據(jù)共享網(wǎng)（http：//cdc.cma.gov.cn/satellite/），共獲取了西北5省206個(gè)氣象站點(diǎn)1951—2017年逐日平均氣溫?cái)?shù)據(jù)。對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，對(duì)其中日缺失數(shù)據(jù)（連續(xù)缺失≤5 d）進(jìn)行平均值插補(bǔ)，對(duì)于缺失數(shù)據(jù)較多（連續(xù)缺失>5 d）的年份將整年剔除。從地理空間數(shù)據(jù)云獲取2000—2016年歷年MODLT1M中國(guó)1 km 7月LTD AVG數(shù)據(jù)，計(jì)算該數(shù)據(jù)平均值，將結(jié)果作為溫度趨勢(shì)面的計(jì)算依據(jù)。研究行政區(qū)劃數(shù)據(jù)來(lái)自于國(guó)家基礎(chǔ)地理信息系統(tǒng)（http：//nfgis.nsdi.gov.cn/）提供的1∶400萬(wàn)矢量地圖。利用獲取的數(shù)據(jù)進(jìn)行相關(guān)的圖像裁剪、面積統(tǒng)計(jì)及結(jié)果制圖。另外，研究通過GIS軟件結(jié)合行政區(qū)劃范圍分別制作了經(jīng)度圖和緯度圖。研究使用的高程數(shù)據(jù)空間分辨率為30 m（http：//www.gscloud.cn/），將下載獲取的高程數(shù)據(jù)在圖像拼接的基礎(chǔ)上，裁剪出研究區(qū)范圍。研究中所有數(shù)據(jù)投影均被轉(zhuǎn)化為WGS1984投影。

1.3? ? 研究方法

1.3.1? ? 高溫?zé)岷ε卸ㄖ笜?biāo)的選擇。本研究根據(jù)高溫?zé)岷π袠I(yè)氣象指標(biāo)[23]，選取日最高溫度連續(xù)3 d ≥35 ℃為熱害判定指標(biāo)。研究參照該指標(biāo)對(duì)新疆研究區(qū)64個(gè)氣象站點(diǎn)1951—2017年逐日最高氣溫進(jìn)行了相應(yīng)高溫?zé)岷χ笜?biāo)統(tǒng)計(jì)。

1.3.2? ? 基于氣象站點(diǎn)的高溫?zé)岷︼L(fēng)險(xiǎn)指標(biāo)模型的構(gòu)建。利用高溫災(zāi)害判定指標(biāo)，對(duì)西北5省206個(gè)氣象站點(diǎn)1951—2017年歷年的數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)，分別計(jì)算了各年6—10月熱害發(fā)生的次數(shù)，每次熱害持續(xù)的天數(shù)，每次熱害中每日≥35 ℃的量值。將206個(gè)氣象站點(diǎn)自1951—2017年歷年每次熱害平均持續(xù)天數(shù)和每次熱害的平均升溫幅度相乘作為該站點(diǎn)次熱害平均強(qiáng)度，獲得的結(jié)果用于后續(xù)熱害風(fēng)險(xiǎn)指標(biāo)的構(gòu)建。計(jì)算公式（1）如下：

1.3.4? ? 高溫?zé)岷︼L(fēng)險(xiǎn)指標(biāo)等級(jí)劃分。本文通過分析熱害年強(qiáng)度和年頻率的相關(guān)性，依據(jù)二者之間穩(wěn)定函數(shù)關(guān)系（擬合樣本數(shù)為206），利用熱害年頻率等級(jí)確定相應(yīng)的熱害年強(qiáng)度等級(jí)，按式（8）將兩者相乘，實(shí)現(xiàn)熱害風(fēng)險(xiǎn)指標(biāo)各臨界閾值的客觀劃分?？衫迷搫澐峙R界閾值對(duì)計(jì)算的高溫?zé)岷︼L(fēng)險(xiǎn)值進(jìn)行等級(jí)評(píng)定。研究總體流程如圖3所示。

2? ? 結(jié)果與分析

將Xj與建立關(guān)系方程，如圖4所示。得出的式（9），計(jì)算公式如下：

統(tǒng)計(jì)方程經(jīng)檢驗(yàn)，F(xiàn)值為381.17，方程達(dá)到0.01極顯著水平，其中擬合趨勢(shì)線R2為0.95。熱害年強(qiáng)度與年頻率的相關(guān)性分析表明，二者之間有穩(wěn)定的函數(shù)關(guān)系，如圖5所示。

利用熱害年頻率等級(jí)確定相應(yīng)的熱害年強(qiáng)度等級(jí)，通過式（8）確定的熱害風(fēng)險(xiǎn)指標(biāo)各臨界閾值結(jié)果如表1所示，并由此對(duì)計(jì)算的高溫?zé)岷︼L(fēng)險(xiǎn)值進(jìn)行等級(jí)評(píng)定。

研究利用公式（6）獲取了研究區(qū)地理因子歸一化加合的趨勢(shì)面圖，結(jié)果如圖6所示?？梢钥闯?，VJ值越低，高溫?zé)岷︼L(fēng)險(xiǎn)越高。通過計(jì)算獲取了2000—2016年的7月平均陸地表面溫度圖，結(jié)果如圖7所示，可以看出高溫主要集中在吐魯番盆地和兩大沙漠區(qū)域。

利用公式（7）計(jì)算圖6與圖7比值，并結(jié)合公式（9）對(duì)高溫?zé)岷︼L(fēng)險(xiǎn)指標(biāo)值進(jìn)行推算，再根據(jù)表1臨界閾值對(duì)高溫?zé)岷︼L(fēng)險(xiǎn)指標(biāo)值進(jìn)行等級(jí)劃分，最終劃分結(jié)果如圖8所示。

結(jié)合新疆“三山夾兩盆”的地形和下墊面狀況可知，新疆地區(qū)夏季高溫?zé)岷ζ毡榇嬖?，高溫?zé)岷?jí)別高的地區(qū)主要位于吐魯番盆地、塔克拉瑪干沙漠、古爾班通古特沙漠，總體呈現(xiàn)東強(qiáng)西弱的特點(diǎn)。高溫?zé)岷?jí)別低的地區(qū)主要位于阿爾泰山、天山和昆侖山地勢(shì)海拔高的區(qū)域。此外，綠洲高溫?zé)岷σ财毡榈陀谥苓吇哪畢^(qū)域。其中，綠洲內(nèi)部高溫?zé)岷ζ毡闉槌鞘杏玫馗哂谵r(nóng)業(yè)用地，水庫(kù)水面高溫?zé)岷︼L(fēng)險(xiǎn)低于周邊綠洲，綠洲內(nèi)部大范圍鹽漬化土壤高溫?zé)岷︼L(fēng)險(xiǎn)高于周邊綠洲?？偟膩?lái)說(shuō)，新疆高溫?zé)岷Πl(fā)生概率按大的地物劃分由低到高依次為山脈<湖泊<綠洲<沙漠<土質(zhì)荒漠<荒漠盆地。

形成上述高溫?zé)岷︼L(fēng)險(xiǎn)等級(jí)順序的原因是山脈海拔高且氣溫隨海拔升高而降低。因此，發(fā)生高溫?zé)岷赡苄宰畹?湖泊水庫(kù)區(qū)域由于水的比熱容大，且部分熱量隨水的蒸發(fā)被帶走，使水的溫度上升緩慢，相應(yīng)高溫?zé)岷Πl(fā)生概率低。綠洲植被覆蓋率高，受人類活動(dòng)影響，夏季溫度變化幅度小于周邊荒漠，相應(yīng)發(fā)生高溫?zé)岷Φ母怕瘦^小。綠洲內(nèi)部鹽堿地由于土壤含鹽量高，植被覆蓋率低，鹽比熱容較小，升溫快，高溫?zé)岷Πl(fā)生概率高于周邊綠洲[24]。綠洲內(nèi)部水庫(kù)受水影響，高溫?zé)岷Πl(fā)生概率低于周邊綠洲。綠洲城市由于地面硬化率高，化石燃料燃燒等導(dǎo)致城市熱島效應(yīng)顯著[25]，其高溫?zé)岷σ蚕鄬?duì)較高。沙漠與綠洲交界處海拔較沙漠主體部分來(lái)說(shuō)相對(duì)較低，加之該區(qū)域土質(zhì)多為荒漠或戈壁，植被覆蓋度低，高溫?zé)岷Φ燃?jí)高于綠洲和沙漠主體部分，這一現(xiàn)象在準(zhǔn)噶爾盆地南緣綠洲荒漠交錯(cuò)帶表現(xiàn)尤為顯著。塔克拉瑪干沙漠、古爾班通古特沙漠由于沙質(zhì)地表且地形封閉，因而不利于近地面空氣流通與盆地內(nèi)熱量的散失，聚熱作用強(qiáng)，且降水量奇缺，氣候干燥炎熱，極易發(fā)生高溫?zé)岷η闆r，且發(fā)生次數(shù)極多，因而高溫?zé)岷?jí)別高[26];低海拔地區(qū)，例如吐魯番盆地，地面空氣不流通，熱量散失受阻，聚熱作用強(qiáng)，大氣層厚度大，大氣吸收地面輻射能力強(qiáng)，因而幾乎年年都會(huì)發(fā)生持續(xù)多日的高溫情況，高溫?zé)岷?jí)別極高。

研究抽取20個(gè)氣象觀測(cè)站點(diǎn)實(shí)測(cè)數(shù)據(jù)進(jìn)行分析驗(yàn)證擬合精度，結(jié)果表明，擬合點(diǎn)與實(shí)測(cè)點(diǎn)符合1∶1比例，兩者擬合線R2為0.97，模型模擬值和實(shí)測(cè)值之間沒有顯著差異，研究結(jié)果可靠（圖9）。

3? ? 討論

研究使用地理因子歸一化加合變量（VJ）、直接利用多個(gè)地理因子變量、采用地理因子歸一化加合與溫度訂正作為變量（XJ）分別與高溫?zé)岷︼L(fēng)險(xiǎn)指標(biāo)建立回歸趨勢(shì)面，發(fā)現(xiàn)三者建立的回歸方程R2值分別為0.937、0.558和0.950?？梢?，研究采用的地理因子歸一化加合與溫度訂正作為變量的方法可大幅度提高熱害風(fēng)險(xiǎn)指標(biāo)的推算精度。研究采用的經(jīng)度、緯度和海拔高度歸一化加合趨勢(shì)面+溫度趨勢(shì)面訂正的方法與前人僅基于站點(diǎn)數(shù)據(jù)空間插值的方法相比較，在空間精度上有了一定的提高，克服了空間插值的不足。研究與目前常用的回歸趨勢(shì)面+殘差訂正的方法相比較（圖10），能夠更充分考慮下墊面狀況對(duì)溫度的影響。雖然在個(gè)別訂正點(diǎn)上準(zhǔn)確性不如殘差訂正方法，但結(jié)果在總體趨勢(shì)上與事實(shí)更加吻合。另外，研究為充分體現(xiàn)溫度趨勢(shì)面訂正對(duì)結(jié)果的影響，又利用VJ值單獨(dú)作為自變量進(jìn)行了高溫?zé)岷︼L(fēng)險(xiǎn)等級(jí)劃分，結(jié)果如圖11所示?？梢园l(fā)現(xiàn)，雖然在整體趨勢(shì)上與研究結(jié)果（圖8）相一致，但是在細(xì)節(jié)上，比如綠洲和湖泊的增濕降溫效應(yīng)、荒漠增溫效應(yīng)未能準(zhǔn)確體現(xiàn)。因此，研究構(gòu)建的方法能夠充分反映地理因子（經(jīng)度、緯度和海拔）和地物信息二者疊加共同對(duì)高溫?zé)岷Φ挠绊懀Y(jié)果可實(shí)現(xiàn)對(duì)新疆高溫?zé)岷Φ木?xì)化風(fēng)險(xiǎn)評(píng)估。

研究采用的熱害等級(jí)劃分方法，依據(jù)熱害年頻率和年強(qiáng)度的函數(shù)關(guān)系，通過熱害年頻率等級(jí)確定相應(yīng)的熱害年強(qiáng)度等級(jí)，理論上可以實(shí)現(xiàn)任意概率風(fēng)險(xiǎn)下的臨界閾值劃分，相較于前人試驗(yàn)僅僅根據(jù)年熱害發(fā)生次數(shù)作為指標(biāo)劃分3～5個(gè)等級(jí)而言，劃分梯度更加細(xì)致。相比于利用自然裂點(diǎn)[27]、層次分析[28]等方法確定的等級(jí)臨界閾值來(lái)說(shuō)，劃分更為客觀。

4? ? 結(jié)論

研究采用的地理因子歸一化加合趨勢(shì)面+溫度趨勢(shì)面訂正的方法能夠充分反映地理因子和地物信息二者疊加共同對(duì)高溫?zé)岷Φ挠绊?，在空間精細(xì)化及高溫?zé)岷Χǖ葎澐稚嫌兴岣摺Ｑ芯拷Y(jié)果經(jīng)驗(yàn)證，方法有效，結(jié)果正確。新疆高溫?zé)岷Πl(fā)生概率由低到高依次為山脈<湖泊<綠洲<沙漠<土質(zhì)荒漠<荒漠盆地，高溫?zé)岷︼L(fēng)險(xiǎn)等級(jí)總體呈現(xiàn)出東強(qiáng)西弱。研究方法在指標(biāo)構(gòu)建與推算上，邏輯清楚、規(guī)律穩(wěn)定，該方法不僅適用于新疆，理論上還可適用于其他地區(qū)。

5? ? 參考文獻(xiàn)

[1] 施雅風(fēng).全球和中國(guó)變暖特征及未來(lái)趨勢(shì)[J].自然災(zāi)害學(xué)報(bào)，1996（2）：5-14.

[2] 曲姝霖.西北地區(qū)極端高溫變化及對(duì)氣候變暖及停滯的響應(yīng)研究[C]//第34屆中國(guó)氣象學(xué)會(huì)年會(huì).鄭州：中國(guó)氣象學(xué)會(huì)2017.

[3] 武勝利，劉強(qiáng)吉，胡雪瑛，等.全球變化背景下新疆和田地區(qū)近半個(gè)世紀(jì)極端氣溫變化特征分析[J].水土保持研究，2017，24（5）：209-214.

[4] 劉蘭.2015年7月14—28日新疆石河子地區(qū)高溫分析[J].石河子科技，2016（5）：23-25.

[5] 丁虎，王科.2015年7月14—27日石河子地區(qū)異常高溫過程分析[J].安徽農(nóng)業(yè)科學(xué)，2016，44（31）：187-189.

[6] 毛煒嶧，陳鵬翔，沈永平.氣候變暖背景下2015年夏季新疆極端高溫過程及其影響[J].冰川凍土，2016，38（2）：291-304.

[7] 慈暉，張強(qiáng)，張江輝，等.1961—2010年新疆極端氣溫時(shí)空演變特征研究[J].中山大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，54（4）：129-138.

[8] 沈皓俊，游慶龍，王朋嶺，等.1961—2014年中國(guó)高溫?zé)崂俗兓卣鞣治鯷J].氣象科學(xué)，2018，38（1）：28-36.

[9] 蔡元?jiǎng)偅瑓擎面?，張文千，?基于REOF的四川省高溫?zé)崂藭r(shí)空分布特征分析[J].自然災(zāi)害學(xué)報(bào)，2018，27（2）：201-208.

[10] 楊菲，王學(xué)林，楊再?gòu)?qiáng)，等.江南地區(qū)茶樹高溫?zé)岷r(shí)空分布特征及風(fēng)險(xiǎn)區(qū)劃[J].自然災(zāi)害學(xué)報(bào)，2015，24（2）：216-224.

[11] 張子涵，樓茂園，劉漢華，等.2013年7—8月浙江省異常高溫特點(diǎn)及成因分析[J].科技通報(bào)，2018，34（4）：55-61.

[12] 吳榮軍，鄭有飛，劉建軍，等.長(zhǎng)江三角洲主要城市高溫災(zāi)害的趨勢(shì)分析[J].自然災(zāi)害學(xué)報(bào)，2010，19（5）：56-63.

[13] 李曈，王文，蔡曉軍.2013年長(zhǎng)江中下游夏季高溫干旱演變過程及環(huán)流異常成因簡(jiǎn)析[J].氣象科學(xué)，2017，37（4）：505-513.

[14] 張蕾，侯英雨，楊冰韻，等.長(zhǎng)江流域一季稻高溫?zé)岷Ψ植继卣骷帮L(fēng)險(xiǎn)分析[J].自然災(zāi)害學(xué)報(bào)，2018，27（2）：107-115.

[15] 金志鳳，楊太明，李仁忠，等.浙江省高溫?zé)岷Πl(fā)生規(guī)律及其對(duì)早稻產(chǎn)量的影響[J].中國(guó)農(nóng)業(yè)氣象，2009，30（4）：628-631.

[16] 譚詩(shī)琪，申雙和.長(zhǎng)江中下游地區(qū)近32年水稻高溫?zé)岷Ψ植家?guī)律[J].江蘇農(nóng)業(yè)科學(xué)，2016，44（8）：97-101.

[17] 郭建茂，王錦杰，吳越，等.基于衛(wèi)星遙感與氣象站點(diǎn)數(shù)據(jù)的水稻高溫?zé)岷ΡO(jiān)測(cè)和評(píng)估模型的改進(jìn)[J].自然災(zāi)害學(xué)報(bào)，2018，27（1）：163-174.

[18] 何亮，吳門新，侯英雨，等.基于極值概率分布函數(shù)的中國(guó)早稻高溫?zé)岷r(shí)空分布統(tǒng)計(jì)特征[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)，2018，26（11）：1601-1612.

[19] 裴亮，王和斌，延昊.利用MODIS數(shù)據(jù)反演氣溫監(jiān)測(cè)夏季高溫?zé)岷J].安徽農(nóng)業(yè)科學(xué)，2012，40（8）：4777-4779.

[20] 李友信.長(zhǎng)江中下游地區(qū)水稻高溫?zé)岷Ψ植家?guī)律研究[D].武漢：華中農(nóng)業(yè)大學(xué)，2015.

[21] CHENG Y X，HUANG J F，HAN Z L，et al.Cold damage risk assess-ment of double cropping rice in Hunan，China[J].Journal of Integrative Agriculture，2013，12（2）：352-363.

[22] 孫蘇琪.新疆夏季降水的氣候特征分析[C]//第35屆中國(guó)氣象學(xué)會(huì)年會(huì)S6應(yīng)對(duì)氣候變化、低碳發(fā)展與生態(tài)文明建設(shè).合肥：中國(guó)氣象學(xué)會(huì)，2018.

[23] 楊太明，孫喜波，劉布春，等.安徽省水稻高溫?zé)岷ΡｋU(xiǎn)天氣指數(shù)模型設(shè)計(jì)[J].中國(guó)農(nóng)業(yè)氣象，2015，36（2）：220-226.

[24] 李金香，塔西甫拉提·特依拜，雷磊，等.干旱區(qū)典型綠洲熱場(chǎng)分布規(guī)律研究：以渭干河-庫(kù)車河三角洲綠洲為例[J].中國(guó)沙漠，2011，31（4）：992-1000.

[25] 貢璐，呂光輝.基于景觀的干旱區(qū)城市熱島效應(yīng)變化研究：以烏魯木齊市為例[J].中國(guó)沙漠，2009，29（5）：982-988.

[26] 陳廣庭，徐新文.新疆的荒漠景觀[J].森林與人類，2017（4）：16-31.

[27] 程勇翔.中國(guó)南方雙季稻低溫冷害風(fēng)險(xiǎn)評(píng)估、遙感監(jiān)測(cè)與損失評(píng)估方法研究[D].杭州：浙江大學(xué)，2014.

[28] 葉金玉，林廣發(fā)，張明鋒.自然災(zāi)害風(fēng)險(xiǎn)評(píng)估研究進(jìn)展[J].防災(zāi)科技學(xué)院學(xué)報(bào)，2010，12（3）：20-25.