1. 研究目的与意义及国内外研究现状

气候变化背景下，极端气候事件的研究已成为当前乃至未来重要的科学前沿问题之一。20世纪以来，随着全球气候变暖趋势的进一步加剧，各类天气和气候的极端事件频繁出现（如干旱，洪涝，暴雨等），作为极端事件之一，近年来我国夏季持续性高温天气频发，如2013年夏季我国东部地区发生有史以来最强的持续性高温，这对农业，水资源，能源，交通，人体健康等多个领域造成严重威胁，并带来重大的国民经济损失。本文将基于1961-2012年全国756个站点（夏季）逐日最高气温气象资料，提取超过指定阈值的持续性高温天气过程，通过引入极值理论，对持续性高温特征（强度，频数和持续时长）进行统计建模，并引入时间参数，构建非平稳极值模型，探讨过去50年我国夏季持续性高温天气变化趋势情况，这对气候变化背景下提高灾害性天气的应对，降低其影响有着较高的参考价值。

国内外研究现状

近年来，许多学者针对全球不同区域气候特征差异，对各地极端高温的变化特征和演变趋势等方面进行研究。horton(1995)研究认为1951-1990年全球平均最高温度在不同季节均表现出上升趋势，easterling（1997）指出日最高温度的不同变化趋势使得平均温度上升，导致温度日较差减小。20世纪以来，中国学者在极端高温方面也开展了较多研究。zhai and pan(2003)指出，在1951-1999年间，中国总体高温天气的数量有略微下降的趋势，但是暖日和暖夜的频数呈上升趋势。zhang(2008)发现中国黄河流域的西部和北部地区夏季极端高温天气发生的频数和强度呈明显上升趋势，然而这种趋势在中国东部地区却没有很明显。纵观已有的研究成果，可以发现国内外学者对极端气温的研究主要是通过确定极端温度指数，对不同地区极端气温的趋势变化特征和成因进行研究。然而，从持续性高温（如热浪）特征分布的角度，对持续性高温过程的频数、强度以及持续时长的概率分布，以及相应非平稳状态下趋势分析的研究相对较少。

对于极端气候的问题，人们通常采用极值理论来研究。作为一种对随机现象的研究，极值理论最早可以追溯到20世纪早期，但是直到20世纪50年代，才开始真正引起学者们的注意，并开始对它建模。早期研究中，gumbel（1958）提出，用固定参数的广义极值（gev）分布给一些简单的极端气候事件建立模型，通常情况下，这种模型选取区组最大值（如每日最高降水量或者每日最高温度的年最大值）作为自变量，假定自变量是一个平稳的时间序列，即气候是不随时间等其他影响因素而发生变化的。但是，在近年来全球变暖的背景下，气候在逐年发生变化，这种平稳性的假设是站不住脚（qian，2011）。todorovic和zelenhasic(1970)提出使用pot（peaks over threshold）模型来获得所有超出阈值的数据，这种方法取代了以前仅仅看区组最大值的情况。katz（2002）将极值理论进一步延伸到了非平稳的状态下，即在广义极值分布中，自变量是非平稳的时间序列情况下，允许参数随时间线性变化。smith（1989）提出了点过程方法，这种方法是给所有超阈值量的频数和强度建立模型。coles（2001）提出超阈值量的频数特性符合泊松分布，而强度特性符合广义帕累托分布。近年来，围绕持续性高温天气开展的研究中，多数的做法是，将数据重新划分然后对持续性高温过程的频数和强度建模。furrer（2010）提出了一种新的方法，即依据超阈值量对时间具有的依赖性，采用几何分布对持续性高温过程的持续时长建模，目前，将这种方法应用于持续性高温建模的研究非常少。

2. 研究的基本内容

持续性高温天气指一天或者多天温度超过指定阈值，本文将基于1961-2012年全国756个站点夏季（6-8月）逐日最高温度资料，选取95%分位点值作为高温阈值，提取历年来夏季持续性高温，其中该持续性高温过程中最大温度表示强度，持续天数表示持续时长，每年发生的次数表示频数。

对于持续性高温特征（即强度、频数和持续时长），本文将引入极值理论系统描述其分布特征，具体地说，即持续性高温强度利用广义帕累托分布模拟，发生频数利用泊松分布，持续时长则利用几何分布进行模拟，并通过引入时间参数，通过构建广义线性模型，研究持续性高温在非平稳状态下趋势变化情况。

3. 实施方案、进度安排及预期效果

实施方案：

本文将基于1961-2012年全国756个站点夏季（6-8月逐日最高温度资料），选取95%分位点的值作为高温阈值，提取历年来夏季持续性高温。然后引入极值理论系统描述持续性高温的分布特征（强度、频数和持续时长），即持续性高温强度利用广义帕累托分布模拟，发生频数利用泊松分布，持续时长利用几何分布进行模拟，并通过引入时间参数，通过构建广义线性模型，研究持续性高温在非平稳状态下趋势变化情况。

进度安排：

4. 参考文献

[1] clarke, r.t., 2013. how should trends in hydrological extremes be estimated? water resour. res. 49, 6756–6764.

[2] cooley, d., 2013. return periods and return levels under climate change. in: aghakouchak, a. et al. (eds.), extremes in a changing climate: detection,analysis, and uncertainty. springer, new york, pp. 97–114.

[3] gemmer, m. et al., 2011. trends in precipitation extremes in the zhujiang river basin, south china. j. clim. 24 (3), 750–761.