張書惠 華維 陳活潑

摘要 隨著全球變暖加劇，復(fù)合濕熱天氣在世界各地呈現(xiàn)顯著加劇趨勢，中國東部也是極端濕熱事件的高發(fā)區(qū)。為更好了解中國復(fù)合濕熱事件的變化特征，基于1961—2020年中國日最高濕球溫度觀測數(shù)據(jù)，利用趨勢分析、小波功率譜分析和廣義極值分布分析等方法，對中國日最高濕球溫度的時空變化特征進(jìn)行了深入分析。結(jié)果表明：1）1961—2020年中國日最高濕球溫度平均值和最大值主要呈“南高北低”的分布特點(diǎn)，最大值高值區(qū)集中在中國南部和四川盆地。全國日最高濕球溫度平均值呈增強(qiáng)趨勢，最大值無明顯的變化趨勢。全國平均值有2～6 a尺度的周期震蕩，全國最大值在多個時間段和時間尺度有短周期。2）全國極端濕熱閾值分布與日最高濕球溫度最大值比較類似，極端濕熱強(qiáng)度呈現(xiàn)增強(qiáng)趨勢，全國極端濕熱頻次也以0.098 d／a的速率增多。西北東部地區(qū)極端濕熱強(qiáng)度增強(qiáng)幅度最大，但南方地區(qū)呈減弱趨勢;西北東部、南方和東北地區(qū)極端濕熱頻次持續(xù)增多。3）多年一遇事件的閾值分布同樣與最大值分布類似，多年一遇事件頻次呈現(xiàn)顯著的區(qū)域特征，多年一遇事件主要發(fā)生在四川盆地，其中西北東部地區(qū)顯著增多，南方地區(qū)有減少趨勢。

關(guān)鍵詞濕球溫度;長期趨勢;氣候變化；小波分析

隨著全球變暖，極端天氣氣候事件顯著增加、增強(qiáng)，對生態(tài)環(huán)境、社會經(jīng)濟(jì)等已造成了巨大威脅（李銘宇等，2020;姜彤等，2022）。尤其是極端高溫事件，在過去幾十年發(fā)生頻次顯著增加、強(qiáng)度增強(qiáng)（周波濤和錢進(jìn)，2021），已嚴(yán)重威脅人體健康，甚至引發(fā)了極端熱相關(guān)的死亡（Conti et al.，2005;Borden and Cutter，2008;Bell et al.，2018），如2022年夏季長江流域的高溫?zé)崂恕?023年6—7月華北的極端高溫等。目前對極端高溫的研究通常只關(guān)注溫度的作用，但隨著全球變暖，大氣濕度在增加，高溫高濕天氣越發(fā)頻繁，人們暴露于桑拿天氣的風(fēng)險急劇增加（李萬玲和郝鑫，2023）。在高溫的研究中，如果忽視濕度的影響，可能會嚴(yán)重低估高溫的強(qiáng)度及其危害（陳曦等，2020），因此，急需綜合考慮溫度和濕度共同影響的復(fù)合型事件（余榮和翟盤茂，2021）。

現(xiàn)有的研究指出，極端濕熱復(fù)合事件主要發(fā)生于亞熱帶沿海區(qū)域（Byers et al.，2018;Raymond et al.，2020;Speizer et al.，2022），潮濕的熱帶和亞熱帶地區(qū)由于濕度的大幅度增加，濕熱事件的強(qiáng)度顯著增強(qiáng)（Willett and Sherwood，2012）。在未來，21世紀(jì)的中后期濕球溫度可能超過人類可以承受的理論極限（Dosio et al.，2018），印度東北部、中國東部、西非和美國東南部的部分地區(qū)濕熱事件增加的風(fēng)險最大（Coffel et al.，2018;Parsons et al.，2022）;同時，人口越稠密的地區(qū)遭受著極端復(fù)合濕熱事件影響的風(fēng)險也越大（Kjellstrom et al.，2009），中國東部也是世界人口最稠密的地區(qū)之一，因此，中國有相當(dāng)大的人群暴露在危險濕熱環(huán)境中，對中國濕熱事件的研究十分有必要。

研究濕熱事件的指標(biāo)有濕球黑球溫度、濕球溫度和體感溫度等。極端的濕熱環(huán)境會阻礙人體的正常散熱（Sherwood and Huber，2010），有研究明確顯示出高于35 ℃的濕球溫度值會對大多數(shù)人產(chǎn)生健康威脅（Willett and Sherwood，2012;Im et al.，2017），因此本次對中國濕熱事件的研究使用濕球溫度作為評估濕熱事件的指數(shù)。

現(xiàn)有對中國的濕熱變化研究表明，中國的極端濕熱事件的發(fā)生頻率高于極端干熱事件（Xu et al.，2021），華北和西北的極端濕熱事件發(fā)生主要與單獨(dú)的濕度作用相聯(lián)系，東部地區(qū)的極端濕熱事件與極端溫度和濕度的雙重作用有關(guān)（Wang et al.，2019;Luo et al.，2022）。中國東部極端濕熱天氣的形成通常伴隨著比干熱范圍更廣的異常反氣旋（He et al.，2023），在可以預(yù)見的未來里，中國東部很可能會發(fā)生更嚴(yán)重的熱浪（陳曦等，2020;Chen et al.，2022;袁宇峰和翟盤茂，2022）。目前學(xué)術(shù)界對中國濕熱事件的研究在變化、機(jī)制和預(yù)估上都有一定的闡述，但對中國各區(qū)域濕球溫度的一般變化和極端變化的研究還較少。中國地域廣闊，各區(qū)域的濕球溫度的分布與變化規(guī)律各不相同，針對性地研究中國區(qū)域內(nèi)的復(fù)合濕熱事件十分有必要。本文將在前人研究的基礎(chǔ)上，深入分析過去60 a來中國區(qū)域復(fù)合濕熱事件的時空變化特征，以期為我國氣候變化應(yīng)對提供科學(xué)支撐。

1 資料和方法

1.1 資料來源

本文使用的數(shù)據(jù)為日最高濕球溫度，由日最高氣溫、日平均相對濕度和日平均地面氣壓變量計算而來。其中日最高氣溫和日平均相對濕度來源于CN05.1格點(diǎn)化數(shù)據(jù)集（吳佳和高學(xué)杰，2013），數(shù)據(jù)的時間范圍為1961—2020年，水平分辨率為0.25°×0.25°，區(qū)域?yàn)橹袊懙兀o臺灣地區(qū)資料統(tǒng)計）。由于CN05.1沒有地面氣壓數(shù)據(jù)，該變量來自歐洲中期天氣預(yù)報中心（ECMWF）提供的ERA5再分析資料。日最高濕球溫度根據(jù)Davies-Jones（Davies-Jones，2008）發(fā)展的公式計算得到。

1.2 旋轉(zhuǎn)經(jīng)驗(yàn)正交函數(shù)

經(jīng)驗(yàn)正交函數(shù)（EOF）長期應(yīng)用于氣象變量場分析，它能夠反映時空分布的變率結(jié)構(gòu)，提取變量場的優(yōu)勢信號。旋轉(zhuǎn)經(jīng)驗(yàn)正交函數(shù)（REOF）在EOF分析的基礎(chǔ)上進(jìn)行方差極大（正交）旋轉(zhuǎn)（吳洪寶和吳蕾，2010），較為客觀地對氣候變量場進(jìn)行區(qū)域和類型的劃分，旋轉(zhuǎn)后的空間模態(tài)代表研究時間段內(nèi)這一區(qū)域分布隨時間的演變特征（魏鳳英，2007）。

1.3 小波功率譜分析

小波變換利用小波基函數(shù)將信號序列從頻率尺度和時間尺度進(jìn)行解析（Torrence and Compo，1998），利用小波變化能得到日最高濕球溫度變化的周期性規(guī)律。小波函數(shù)描述為：

其中：fx是分析小波函數(shù)；ψ（x）是小波基函數(shù)；a為尺度參數(shù)；b表征小波中心位置；x是日最高濕球溫度序列。小波方差vara為小波系數(shù)的積分值：

小波功率譜結(jié)合了小波變化和功率譜分析，表示信號的小波變換的能量值，可以反映信號波動的顯著程度（Ge，2007），能量值越大則日最高濕球溫度的周期性特征在該尺度越強(qiáng)烈。小波功率譜P（余世鵬等，2013）為：

1.4 極端濕熱事件

本文采用百分位閾值法定義極端濕熱事件，將極端濕熱閾值定義為日最高濕球溫度的第95%分位值，極端濕熱的強(qiáng)度定義為超過極端濕熱值的日最高濕球溫度，極端濕熱的頻次定義為超過極端濕熱閾值的天數(shù)。

統(tǒng)計多年一遇事件通常假設(shè)極端事件的分布遵循廣義極值分布（GEV）（Fisher and Tippett，1928），日最高濕球溫度也是獨(dú)立且同分布的，因此用于廣義極值分布擬合。首先用GEV分布擬合了1961—2020年在每個網(wǎng)格點(diǎn)上的年最大日最高濕球溫度，得到累計密度函數(shù)（CDF），再將概率P對應(yīng)的CDF反算為GEV分位數(shù)函數(shù)。表達(dá)式如下：

其中：位置參數(shù)μ、尺度參數(shù)σ和形狀參數(shù)k都是用極大似然估計法估算得到的。推導(dǎo)得到的GEV分位數(shù)函數(shù)即為極端事件的重現(xiàn)閾值和頻次。P=0.9時，代入公式可計算出10 a一遇事件的重現(xiàn)閾值;P=0.95時，計算結(jié)果為20 a一遇事件的重現(xiàn)閾值。

2 結(jié)果分析

2.1 日最高濕球溫度的時空變化

為了觀察日最高濕球溫度的氣候態(tài)，本研究首先分析了中國的日最高濕球溫度平均值和最大值的空間分布特征（圖1a、b）。在新疆和青藏高原以外的區(qū)域，日最高濕球溫度值平均值呈現(xiàn)“南高北低”的分布特點(diǎn)，在青藏高原地區(qū)有大范圍的低值區(qū)，塔里木盆地和準(zhǔn)噶爾盆地則有比較明顯的相對高值。日最高濕球溫度最大值也呈現(xiàn)出類似的南北分布特點(diǎn)，但高值區(qū)集中在南方地區(qū)和四川盆地，最大值可達(dá)到38.44 ℃。

圖1c、d描繪了1961—2020年日最高濕球溫度平均值和最高值的空間趨勢變化特征，平均值主要呈增加趨勢，最大值變化趨勢的區(qū)域差異較大，增強(qiáng)的區(qū)域與減弱的區(qū)域分散分布。平均值和最大值都在新疆東部有顯著的減弱趨勢，西北東部地區(qū)有增強(qiáng)趨勢，內(nèi)蒙古地區(qū)有減弱趨勢;西北東部地區(qū)的平均值和最大值的氣候傾向率都最高，分別為0.45 ℃／（10 a）和0.64 ℃／（10 a）。變化差異在于平均值在東北地區(qū)增強(qiáng)，最大值在南方地區(qū)減弱。

總體而言，平均值與最大值的高值區(qū)域與氣候傾向率的高值區(qū)域有空間差異，華東、華南地區(qū)是全國濕球溫度值最高的區(qū)域，但是濕球溫度變化主要呈下降趨勢，西北東部地區(qū)的濕球溫度平均值和最大值都相對較低，但升溫趨勢最大。

進(jìn)一步研究日最高濕球溫度的變化可知，全國的日最高濕球溫度的年內(nèi)變化與氣溫比較類似，夏季最高、冬季最低。觀察日最高濕球溫度的長期變化可見，平均值的上升趨勢強(qiáng)于最大值（圖2），平均值的上升趨勢為0.011 ℃／a，1961—1980年趨勢變化比較微弱，在1980—2000年間有顯著的上升趨勢，在2000年后開始減少，但整體呈現(xiàn)上升趨勢。全國日最高濕球溫度最大值沒有明顯的變化趨勢，氣候傾向率為-0.001 ℃／a。

為了解日最高濕球溫度的周期性波動特征，利用Morlet小波基函數(shù)對平均日最高濕球溫度序列進(jìn)行小波變換、方差實(shí)部求解，進(jìn)而積分得到小波功率譜。能量越強(qiáng)表明該時間尺度振幅越大，對于周期的影響越顯著，小波方差圖中的實(shí)線峰值超過虛線代表周期性顯著。

圖3為全國的日最高濕球溫度平均值和最大值的小波功率譜，可見全國日最高濕球溫度的變化以短周期為主，平均值在1990—2007年2～6 a時間尺度上有較高能量的周期振蕩，并通過0.05信度的顯著性檢驗(yàn)。最大值存在多重時間周期，在1961—1972年、1988—2002年和2008—2012年有1～3 a的短周期，能量較弱，1978—1992年1～8 a時間尺度上有短周期，1961—1971年、2005—2017年存在5～8 a的小波功率譜信號，能量密度的峰值主要集中在此時段。

上述分析表明，由于中國大陸范圍遼闊、地形復(fù)雜，日最高濕球溫度的變化在各區(qū)域存在較大的差別，僅對整個中國進(jìn)行區(qū)域平均將掩蓋部分地區(qū)的變化特征，因此利用REOF方法對中國日最高濕球溫度變化進(jìn)行空間分型。對分解得到的REOF進(jìn)行North顯著性檢驗(yàn)（North et al.，1982）來確定得到的信號是否具有物理意義。

圖4展示了1961—2020年中國日最高濕球溫度年最大值REOF主要空間模態(tài)，通過North檢驗(yàn)的主要載荷區(qū)有4個模態(tài)，累積方差貢獻(xiàn)率為54.6％，4個模態(tài)相互獨(dú)立，因此對這4個模態(tài)進(jìn)行討論。第一模態(tài)的日最高濕球溫度異常區(qū)主要位于新疆東部，其貢獻(xiàn)率為22.7％，第二模態(tài)主要集中在西北東部地區(qū)，方差貢獻(xiàn)率為13.3％，第三模態(tài)主要集中在南方地區(qū)，方差貢獻(xiàn)率為10.5％，第四模態(tài)主要集中在東北地區(qū)，方差貢獻(xiàn)率為8.1％。根據(jù)REOF分析結(jié)果，得到了中國日最高濕球溫度變化的主要區(qū)域：新疆東部（88°～94°E，≥39°N）、西北東部地區(qū)（94°～104°E，33°～41°N）、南方地區(qū)（≥106°E，21°～35°N）和東北地區(qū)（≥115°E，40°～50°N）。

基于REOF分解得到的各個區(qū)域日最高濕球溫度平均值主要呈增強(qiáng)趨勢（圖5）。新疆東部區(qū)域?yàn)闇p弱趨勢（-0.007 ℃／a），且在2007—2014年間出現(xiàn)了一次驟降，平均值由8.06 ℃降至4.81 ℃，這可能與相對濕度的測量在21世紀(jì)初轉(zhuǎn)變?yōu)樽詣訙y量后產(chǎn)生的誤差有關(guān)，因此，后期需要對相對濕度做進(jìn)一步的均一化處理。西北東部地區(qū)的增強(qiáng)趨勢最為顯著，增強(qiáng)趨勢為0.027 ℃／a，南方地區(qū)、東北地區(qū)也呈增加趨勢，但相對西北東部地區(qū)增幅較小。

對各區(qū)域同樣進(jìn)行了小波功率譜分析，圖6給出了各區(qū)域日最高濕球溫度平均值的小波功率譜。分析各個區(qū)域的小波功率譜可見，新疆東部地區(qū)平均值沒有明顯的周期性;西北東部地區(qū)的平均值在1963—1969年有1～2 a尺度的短周期，1976—2015年間有連續(xù)的1～6 a時間尺度的短周期，且有明顯的小波功率譜正負(fù)相位變化，有較強(qiáng)能量產(chǎn)生;東部地區(qū)的平均值在1995—2015年存在2～5 a時間尺度的震蕩周期，但未通過顯著性檢驗(yàn);東北地區(qū)平均值在1964—1987年1～5 a時間尺度上有短周期，1991—2015年2～6 a時間尺度上有明顯的閉合小波功率譜信號，具有較強(qiáng)的能量。

以上內(nèi)容探究了平均值的變化周期，那么日最高濕球溫度最大值的變化趨勢如何？圖7給出了我國四個區(qū)域日最高濕球溫度最大值在過去60 a的變化。可以看到，新疆東部、南方地區(qū)呈減少趨勢，但西北東部地區(qū)呈現(xiàn)增加趨勢。新疆東部的最大值與平均值變化一致，同樣出現(xiàn)了一次驟降，從2010年到2014年最大值從24.36 ℃減少到19.04 ℃。西北東部地區(qū)在最大值上表現(xiàn)出最強(qiáng)的增加趨勢，為0.026 ℃／a;東部地區(qū)的減少趨勢相對較小，為0.003 ℃／a;東北區(qū)域沒有明顯的變化趨勢。

圖8給出了各區(qū)域的日最高濕球溫度最大值小波功率譜。新疆東部最大值在2005—2020年有1～8 a的周期，但未通過顯著性檢驗(yàn);西北東部地區(qū)最大值在1961—1972年、1978—1988年、1997—2002年、2005—2015年這四個階段存在1～4 a的短周期，基本上橫跨了整個研究時段，中心尺度為2、3 a，正負(fù)相位變化明顯，有較強(qiáng)的能量產(chǎn)生;南方地區(qū)最大值尺度變化明顯，在1961—1975年、1975—1996年和2008—2017年存在1～4 a的短周期，在1961—1974年存在4～10 a時間尺度的短周期，但未通過顯著性檢驗(yàn);東北地區(qū)最大值在1966—1972年、2013—2020年有0～2 a時間尺度的短周期，1975—2011年0～6 a時間尺度上有短周期，中心尺度為2、3 a，在1990—2006年能量較強(qiáng)，在1977—1995年存在5～9 a時間尺度且閉合的功率譜信號。

2.2 極端復(fù)合濕熱事件的時空變化

中國的極端事件多發(fā)，為研究極端復(fù)合濕熱事件的變化，本文選取了1961—2020年每個格點(diǎn)的日最高濕球溫度的95％分位值作為極端濕熱事件的閾值。圖9a給出了1961—2020年的極端濕熱事件閾值的空間分布，可以看出，極端濕熱閾值的高值區(qū)主要集中在塔里木盆地、準(zhǔn)噶爾盆地、四川盆地和南方地區(qū)，低值區(qū)出現(xiàn)在天山和青藏高原區(qū)域。

圖9b、c給出了1961—2020年的極端濕熱強(qiáng)度和極端濕熱頻次的空間變化趨勢。各區(qū)域的極端濕熱強(qiáng)度趨勢區(qū)域間差異較大，南方地區(qū)的減弱趨勢為-0.02 ℃／（10 a），西北東部地區(qū)增強(qiáng)趨勢為0.08 ℃／（10 a），其他區(qū)域的極端濕熱強(qiáng)度變化不顯著。全國的極端濕熱頻次主要呈現(xiàn)增多趨勢，西北東部地區(qū)的增多趨勢最為顯著，為0.345 d／a，南方地區(qū)和東北也較為穩(wěn)定地增多，新疆東部減少趨勢為-0.049 d／a。

全國的極端濕熱強(qiáng)度與頻次的長期變化如圖10所示，全國的極端濕熱強(qiáng)度呈增強(qiáng)趨勢，趨勢為0.009 ℃／a，其中1961—2010年強(qiáng)度沒有明顯變化趨勢，但在2010年后出現(xiàn)了較大幅度的增強(qiáng)。全國平均的極端濕熱事件發(fā)生次數(shù)在過去60 a明顯增多，增多幅度為0.098 d／a。

接下來，本文將利用多年一遇事件評估中國的極端復(fù)合濕熱事件變化。圖11a、b為10 a一遇事件閾值和20 a一遇事件閾值，多年一遇事件的閾值分布與日最高濕球溫度最大值的分布基本一致。在此基礎(chǔ)上統(tǒng)計了1961—2020年超過10 a一遇閾值和20 a一遇閾值的頻次（圖11c、d），10 a一遇事件在西北東部地區(qū)和四川盆地多次發(fā)生，發(fā)生的頻次最高為是56次，20 a一遇事件在四川盆地多次發(fā)生，發(fā)生的頻次最高為27次。在前述對日最高濕球溫度的趨勢研究可見，四川盆地與西北地區(qū)都有較強(qiáng)的增強(qiáng)趨勢。南方地區(qū)在過去60 a也發(fā)生了多次極端復(fù)合濕熱事件;在日最高濕球溫度減弱趨勢顯著的新疆東部，10 a一遇事件和20 a一遇事件的發(fā)生次數(shù)都非常少。

圖12給出了我國各區(qū)域平均的10 a一遇和20 a一遇事件的變化趨勢?？梢钥吹?，西北東部地區(qū)的10 a一遇事件頻次有顯著的增多;而南方地區(qū)的頻次以-0.008次／a的趨勢減少，南方地區(qū)的10 a一遇事件高頻發(fā)生時段為1961—1970年，1970年后沒有明顯的變化趨勢。新疆東部的10 a一遇事件高頻發(fā)生在2000年。東北地區(qū)的10 a一遇事件較為穩(wěn)定地增多。20 a一遇事件在各個區(qū)域的長期變化特征（圖12e—h）與10 a一遇事件基本類同。

3 結(jié)論和討論

通過對1961—2020年中國復(fù)合濕熱事件的趨勢分析、小波功率譜分析和廣義極值分布分析，主要得到以下結(jié)論：

1）1961—2020年中國日最高濕球溫度平均值和最大值主要有“南高北低”的分布特點(diǎn)，最大值高值區(qū)集中在南方地區(qū)和四川盆地。全國平均值有2～6 a尺度的周期震蕩，全國最大值在多個時間段和時間尺度有短周期，有較強(qiáng)的能量產(chǎn)生。

2）全國日最高濕球溫度平均值呈增強(qiáng)趨勢，新疆東部平均值呈減弱趨勢，西北東部地區(qū)增強(qiáng)趨勢顯著，南方地區(qū)、東北地區(qū)微弱增強(qiáng)。新疆東部地區(qū)平均值沒有明顯的周期性，西北東部地區(qū)存在2～5 a時間尺度的短周期，南方地區(qū)有連續(xù)的1～6 a時間尺度的短周期，東北地區(qū)有多個時間尺度的短周期。

3）全國日最高濕球溫度最大值沒有明顯的變化趨勢，但存在顯著的區(qū)域差異，其中新疆東部呈減弱趨勢，西北東部地區(qū)增強(qiáng)趨勢顯著，南方地區(qū)減弱趨勢較小，而東北地區(qū)增強(qiáng)趨勢較弱。新疆東部的最大值1～8 a時間尺度的周期未通過顯著性檢驗(yàn)，西北東部地區(qū)有多個時間段的1～4 a時間尺度的短周期，南方地區(qū)和東北地區(qū)的短周期有明顯的尺度變化。

4）全國的極端濕熱強(qiáng)度呈較弱的增強(qiáng)趨勢，極端濕熱頻次有較強(qiáng)的增多趨勢。西北東部地區(qū)極端濕熱強(qiáng)度增強(qiáng)，東部地區(qū)減弱，其他地區(qū)無明顯趨勢。西北東部地區(qū)極端濕熱頻次增多趨勢最為劇烈，為0.345 d／a，南方地區(qū)、東北極端濕熱頻次呈較為穩(wěn)定的增多。

5）10 a一遇事件在西北東部地區(qū)和四川盆地多次發(fā)生，20 a一遇事件在四川盆地多次發(fā)生。10 a一遇事件頻次與20 a一遇事件頻次在各個區(qū)域有一致的變化特征，新疆東部的多年一遇事件頻次沒有明顯趨勢，西北東部顯著增多，南方地區(qū)減少，東北地區(qū)增多。

中國東部是全球極端濕熱事件的多發(fā)區(qū)域之一（Freychet et al.，2020;Wang and Sun，2021）。當(dāng)極端濕熱事件發(fā)生時，往往伴隨著南亞高壓東伸、西北太平洋副熱帶高壓西伸和局地低層的反氣旋異常（Luo et al.，2022）;同時，夏季西太平洋的海表溫度異常和5月北極海冰異常分別通過調(diào)制類太平洋-日本遙相關(guān)型波列與歐亞中高緯Rossby波傳播，影響中國東部局地大氣環(huán)流異常，進(jìn)而影響極端濕熱頻次的變化（He et al.，2023）。目前對其變化機(jī)制雖有部分研究，但極端濕熱天氣形成及變化極為復(fù)雜，往往受到多個驅(qū)動因子或多個氣候系統(tǒng)的共同影響，對這方面的認(rèn)識和理解仍是當(dāng)前的薄弱環(huán)節(jié)，未來急需加強(qiáng)研究。

參考文獻(xiàn)（References）

Bell J E，Brown C L，Conlon K，et al.，2018.Changes in extreme events and the potential impacts on human health［J］.J Air Waste Manag Assoc，68（4）：265-287.doi：10.1080／10962247.2017.1401017.

Borden K A，Cutter S L，2008.Spatial patterns of natural hazards mortality in the United States［J］.Int J Health Geogr，7：64.doi：10.1186／1476-072X-7-64.

Byers E，Gidden M，Leclère D，et al.，2018.Global exposure and vulnerability to multi-sector development and climate change hotspots［J］.Environ Res Lett，13（5）：055012.doi：10.1088／1748-9326／aabf45.

Chen H P，He W Y，Sun J Q，et al.，2022.Increases of extreme heat-humidity days endanger future populations living in China［J］.Environ Res Lett，17（6）：064013.doi：10.1088／1748-9326／ac69fc.

陳曦，李寧，黃承芳，等，2020.綜合濕度和溫度影響的中國未來熱浪預(yù)估［J］.地理科學(xué)進(jìn)展，39（1）：36-44. Chen X，Li N，Huang C F，et al.，2020.Projection of heatwaves by the combined impact of humidity and temperature in China［J］.Prog Geogr，39（1）：36-44.doi：10.18306／dlkxjz.2020.01.004.（in Chinese）.

Coffel E D，Horton R M，de Sherbinin A，2018.Temperature and humidity based projections of a rapid rise in global heat stress exposure during the 21st century［J］.Environ Res Lett，13（1）：014001.doi：10.1088／1748-9326／aaa00e.

Conti S，Meli P L，Minelli G，et al.，2005.Epidemiologic study of mortality during the summer 2003 heat wave in Italy［J］.Environ Res，98（3）：390-399.doi：10.1016／j.envres.2004.10.009.

Davies-Jones R，2008.An efficient and accurate method for computing the wet-bulb temperature along pseudoadiabats［J］.Mon Wea Rev，136（7）：2764.doi：10.1175／2007MWR2224.1.

Dosio A，Mentaschi L，F(xiàn)ischer E M，et al.，2018.Extreme heat waves under 1.5 ℃ and 2 ℃ global warming［J］.Environ Res Lett，13（5）：054006.doi：10.1088／1748-9326／aab827.

Fisher R A，Tippett L H C，1928.Limiting forms of the frequency distribution of the largest or smallest member of a sample［J］.Math Proc Camb Phil Soc，24（2）：180-190.doi：10.1017／s0305004100015681.

Freychet N，Tett S F B，Yan Z，et al.，2020.Underestimated change of wet-bulb temperatures over east and South China［J］.Geophys Res Lett，47（3）.doi：10.1029／2019gl086140.

Ge Z，2007.Significance tests for the wavelet power and the wavelet power spectrum［J］.Ann Geophys，25（11）：2259-2269.doi：10.5194／angeo-25-2259-2007.

He W Y，Chen H P，Ma J H，2023.Variations in summer extreme hot-humid events over eastern China and the possible associated mechanisms［J］.J Climate，36（11）：3801-3815.doi：10.1175／JCLI-D-22-0695.1.

Im E S，Pal J S，Eltahir E A B，2017.Deadly heat waves projected in the densely populated agricultural regions of South Asia［J］.Sci Adv，3（8）：e1603322.doi：10.1126／sciadv.1603322.

姜彤，翟建青，羅勇，等，2022.氣候變化影響適應(yīng)和脆弱性評估報告進(jìn)展：IPCC AR5到AR6的新認(rèn)知［J］.大氣科學(xué)學(xué)報，45（4）：502-511. Jiang T，Zhai J Q，Luo Y，et al.，2022.Understandings of assessment reports on climate change impacts，adaptation and vulnerability：progress from IPCC AR5 to AR6［J］.Trans Atmos Sci，45（4）：502-511.doi：10.13878／j.cnki.dqkxxb.20220529013.（in Chinese）.

Kjellstrom T，Gabrysch S，Lemke B，et al.，2009.The ‘Hothaps programme for assessing climate change impacts on occupational health and productivity：an invitation to carry out field studies［J］.Glob Health Action，2：2.doi：10.3402／gha.v2i0.2082.

李銘宇，韓婷婷，郝鑫，2020.歐亞大陸極端降水事件的區(qū)域變化特征［J］.大氣科學(xué)學(xué)報，43（4）：687-698. Li M Y，Han T T，Hao X，2020.Regional characteristics of extreme precipitation events in Eurasia［J］.Trans Atmos Sci，43（4）：687-698.doi：10.13878／j.cnki.dqkxxb.20191202001.（in Chinese）.

李萬玲，郝鑫，2023.北半球人體不舒適天數(shù)歸因分析及其未來預(yù)估［J］.大氣科學(xué)學(xué)報，46（4）：561-574. Li W L，Hao X，2023.Attribution analysis of human discomfort days in the Northern Hemisphere and their prediction in the future［J］.Trans Atmos Sci，46（4）：561-574.doi：10.13878／j.cnki.dqkxxb.20210519001.（in Chinese）.

Luo M，Wu S J，Liu Z，et al.，2022.Contrasting circulation patterns of dry and humid heatwaves over southern China［J］.Geophys Res Lett，49（16）.doi：10.1029／2022gl099243.

North G R，Bell T L，Cahalan R F，et al.，1982.Sampling errors in the estimation of empirical orthogonal functions［J］.Mon Wea Rev，110（7）：699.doi：10.1175／1520-0493（1982）1100699：SEITEO>2.0.CO;2.

Parsons L A，Masuda Y J，Kroeger T，et al.，2022.Global labor loss due to humid heat exposure underestimated for outdoor workers［J］.Environ Res Lett，17（1）：014050.doi：10.1088／1748-9326／ac3dae.

Raymond C，Matthews T，Horton R M，2020.The emergence of heat and humidity too severe for human tolerance［J］.Sci Adv，6（19）：eaaw1838.doi：10.1126／sciadv.aaw1838.

Sherwood S C，Huber M，2010.An adaptability limit to climate change due to heat stress［J］.Proc Natl Acad Sci USA，107（21）：9552-9555.doi：10.1073／pnas.0913352107.

Speizer S，Raymond C，Ivanovich C，et al.，2022.Concentrated and intensifying humid heat extremes in the IPCC AR6 regions［J］.Geophys Res Lett，49（5）：e2021GL097261.doi：10.1029／2021gl097261.

Torrence C，Compo G P，1998.A practical guide to wavelet analysis［J］.Bull Amer Meteor Soc，79（1）：61-78.doi：10.1175／1520-0477（1998）079<0061：apgtwa>2.0.co;2.

Wang D Q，Sun Y，2021.Long-term changes in summer extreme wet bulb globe temperature over China［J］.J Meteor Res，35（6）：975-986.doi：10.1007／s13351-021-1080-4.

Wang P Y，Leung L R，Lu J，et al.，2019.Extreme wet-bulb temperatures in China：the significant role of moisture［J］.J Geophy Res：Atmos，124（22）：11944-11960.doi：10.1029／2019jd031477.

魏鳳英，2007.現(xiàn)代氣候診斷與預(yù)測技術(shù)［M］.2版.北京：氣象出版社. Wei F Y，2007.Modern climatological diagnosis and prediction methods［M］.2nd ed.Beijing：China Meteorological Press.（in Chinese）.

Willett K M，Sherwood S，2012.Exceedance of heat index thresholds for 15 regions under a warming climate using the wet-bulb globe temperature［J］.Int J Climatol，32（2）：161-177.doi：10.1002／joc.2257.

吳洪寶，吳蕾，2010.氣候變率診斷和預(yù)測方法［M］.2版.北京：氣象出版社. Wu H B，Wu L，2010.Methods for diagnosing and forecasting climate variability［M］.2nd ed.Beijing：China Meteorological Press.（in Chinese）.

吳佳，高學(xué)杰，2013.一套格點(diǎn)化的中國區(qū)域逐日觀測資料及與其它資料的對比［J］.地球物理學(xué)報，56（4）：1102-1111. Wu J，Gao X J，2013.A gridded daily observation dataset over China region and comparison with the other datasets［J］.Chin J Geophys，56（4）：1102-1111.（in Chinese）.

Xu F，Chan T O，Luo M，2021.Different changes in dry and humid heat waves over China［J］.Int J Climatol，41（2）：1369-1382.doi：10.1002／joc.6815.

余榮，翟盤茂，2021.關(guān)于復(fù)合型極端事件的新認(rèn)識和啟示［J］.大氣科學(xué)學(xué)報，44（5）：645-649. Yu R，Zhai P M，2021.Advances in scientific understanding on compound extreme events［J］.Trans Atmos Sci，44（5）：645-649.doi：10.13878／j.cnki.dqkxxb.20210824006.（in Chinese）.

余世鵬，楊勁松，王相平，等，2013.濱海灘涂地區(qū)降水變化的多尺度周期特征分析與趨勢預(yù)測［J］.中國農(nóng)業(yè)氣象，34（4）：377-383. Yu S P，Yang J S，Wang X P，et al.，2013.Multi-scale periodic analysis and trend prediction for precipitation dynamics in coastal tidal flat region［J］.Chin J Agrometeorol，34（4）：377-383.doi：10.3969／j.issn.1000-6362.2013.04.001.（in Chinese）.

袁宇鋒，翟盤茂，2022.全球變暖與城市效應(yīng)共同作用下的極端天氣氣候事件變化的最新認(rèn)知［J］.大氣科學(xué)學(xué)報，45（2）：161-166. Yuan Y F，Zhai P M，2022.Latest understanding of extreme weather and climate events under global warming and urbanization influences［J］.Trans Atmos Sci，45（2）：161-166.doi：10.13878／j.cnki.dqkxxb.20211011001.（in Chinese）.

周波濤，錢進(jìn)，2021.IPCC AR6報告解讀：極端天氣氣候事件變化［J］.氣候變化研究進(jìn)展，17（6）：713-718. Zhou B T，Qian J，2021.Changes of weather and climate extremes in the IPCC AR6［J］.Clim Change Res，17（6）：713-718.doi：10.12006／j.issn.1673-1719.2021.167.（in Chinese）.