气候系统的变暖是近百年全球变化的主要特征,在变暖背景下极端天气气候事件频繁发生。极端高温事件作为一种典型的极端天气气候事件,发生范围比较广,且直接影响到人类的生存、健康和作物的生长,因此对极端高温的研究一直是气候变化研究的热点(Yin and Sun,2018;高丽等,2019)。Donat et al.(2013a)研究发现过去60 a(1951—2010年)全球范围内76%的台站观测到的极端高温日数呈显著增加趋势,32%的台站观测到的极端高温强度呈显著增强趋势。除了研究极端高温日数和强度的长期变化趋势之外,单个破纪录的极端高温事件也引发关注,因为这些破纪录事件对社会和经济发展造成的损失更大。观测资料显示(Donat et al.,2013b),2010年夏季西欧大部分地区的极端高温日数是1961—1900年平均的5倍,并且区域平均的极端高温强度是有观测记录以来的最高温度。2012年北美的极端高温强度比1961—1990年平均高了5℃,并且打破了当地有观测以来的最高纪录。与全球极端高温变化特征相似,Zhou et al.(2016)使用中国区域高分辨率逐日观测资料,发现区域平均的极端高温强度在近50 a(1961—2010年)增加了0.85℃,其中中国西部和东北地区增幅最大,50 a增加约1.1℃。中国区域平均的极端高温日数增加了约8.5%,东部大部分地区以及西北地区将面临强度更强的极端高温(Sun et al.,2014;于恩涛和孙建奇,2019)。2013年我国中东部地区的极端高温在当时是有观测以来的最高纪录,极端高温日数是1955—1984多年平均的2倍,影响范围涉及9个省,影响人数超过10亿(Sun et al.,2014)。在全球持续变暖的背景下,研究破纪录的极端高温将如何变化,对于防灾减灾以及应对气候变化的政策制定具有非常重要的意义。

全球气候模式是研究未来气候变化的重要工具,第五次耦合模式比较计划(CMIP5)整合了来自全球各个机构近40个全球模式的输出结果,很多学者利用其对全球以及区域极端高温的未来预估做了大量的研究。结果表明,未来全球大部分地区的极端高温日数将会增加,并且强度增强(IPCC,2013)。对中国区域的研究结果表明,21世纪末期(2081—2100年)相比于历史时期(1986—2005年),中国区域平均极端高温强度在RCP8.5情境下将增加5.5℃,极端高温日数将会增加约1倍(Zhou et al.,2014)。为应对气候变化的威胁,巴黎协议提出将全球平均气温升幅控制在较工业化前2℃之内,并力争限制在1.5℃。因此很多研究者研究了极端高温在这两个增温阈值下的响应。Shi et al.(2018)发现相对于历史时期(1986—2005年)中国区域的极端高温强度和日数在全球增温1.5℃(2℃)下将会分别增加1.1℃(1.8℃)和7.5%(13.8%),其中对极端高温响应比较敏感的区域主要位于青藏高原,西北以及长江流域以南。很多研究也发现中国区域未来将面临强度更强以及日数更多的极端高温(Guo et al.,2017;Sun et al.,2018;周波涛等,2020)。

破纪录的极端高温事件在1.5℃和2℃下将如何变化也受到科学界和决策者的广泛关注。Sun et al.(2018)利用CanESM2大样本模式研究发现,2013年我国东部地区的极端高温事件在增温1.5℃下会更加常见,在增温2℃时,每年的极端高温事件都会比2013年的这次极端高温事件严重。但尚未给出类似2013年破纪录极端高温的未来发生风险,且该研究主要使用了单个模式CanESM2的大样本集合试验,结果存在一定的不确定性。因此本文拟使用CMIP5多模式的输出结果,研究在全球增温1.5℃和2℃下,2013年我国中东部破纪录极端高温以及历史时期20 a、50 a和100 a一遇极端高温的发生风险,以便为应对未来极端气候变化的政策制定提出科学性的建议。

1 资料与方法

1.1 资料

采用中国地面气象台站的逐日最高温度格点观测资料(CN05.1),使用资料的时段为1961—2015年。CN05.1是基于中国区域2 400多个地面气象台站的逐日观测数据,采用距平逼近的方法,将各个气候变量的气象场和距平场分别插值后叠加得到格点资料(吴佳和高学杰,2013),CN05.1数据包括了3种空间分辨率:1°×1°、0.5°×0.5°和0.25°×0.25°。使用空间分辨率为1°×1°的格点数据。CN05.1已被广泛应用于气候变化相关研究(李金洁等,2019)。

使用的模式数据来自参与CMIP5的17个全球气候模式的输出数据。模式数据时间段包括历史时段(1850—2005年),未来中等排放(RCP4.5)情景的预估时段(2006—2100年),相对于CO₂排放的高排放情景(RCP8.5)和低排放情景(RCP2.6),RCP4.5情景能兼顾人类发展和已有的应对气候变化的政策措施,且IPCC全球升温1.5℃特别报告(2018)中指出不同情景达到1.5℃或2℃增温背景时气候响应的差异较小。模式到达1.5℃和2℃的时间段参考了Shi et al.(2018)的工作,首先计算全球加权平均的地表温度序列,然后使用10 a滑动平均,选择全球增温首次达到1.5℃和2℃的时间,在此时间前后各取10 a,获得一个长度为21 a的时间段表征未来增温1.5℃和2℃下的气候态。模式信息以及各自达到1.5℃和2℃的时间信息见表1。考虑到观测数据和模式分辨率不同,为了便于对所有模式进行集合,因此将模式数据统一插值到与观测分辨率(1.0°×1.0°)相同的经纬度网格上。

1.2 方法

参考气象局的规定和《气象灾害预警信号图标GB/T27962-2011》(邓玲,2015),将日最高温度大于等于35℃作为一个高温日,使用2个指标来描述极端高温的特征:极端高温日数以及极端高温强度,其中极端高温日数定义为高温日的天数,极端高温强度定义为出现的所有高温日的日最高温度的平均值。

以往研究表明模式对中国区域的温度模拟存在冷偏差(Jiang et al.,2012;蒋帅等,2017),因此在使用模式进行未来预估之前,需要对模式的模拟偏差进行订正。本文使用基于分位数映射的偏差订正方法对模式数据进行订正,已有研究表明该订正方法可以有效降低模式模拟的偏差,尤其对概率密度分布的尾部有较好订正效果(Li et al.,2010),该方法的简要步骤如下:

首先构建传递函数T,

$\begin{array}{c}T{F}_{\mathrm{m}\mathrm{h}}\left(x_{\mathrm{m}\mathrm{h}}\right)=F_{\mathrm{o}\mathrm{h}}\left(x_{oh}\right)\\ F_{\mathrm{a}\mathrm{f}}\left(x_{\mathrm{a}\mathrm{f}}\right)=T{F}_{\mathrm{b}\mathrm{f}}{\left(x_{\mathrm{b}\mathrm{f}}\right)}_{\circ }\end{array}$

其中:x_mh和x_oh分别为模式和观测建模时期的日最高温度数据;F_mh和F_oh分别为模式和观测建模时期日最高温度的累积分布函数。将建模时段建立的函数关系应用到需要进行订正的时段,x_af和x_bf分别表示模式订正后和模式订正前的日最高温度,F_bf和F_af分别为订正前后日最高温度累积分布函数(Guo et al.,2019,2020)。以1961—1981年为建模期,对1985—2005年的模式日最高温度数据进行了偏差订正并作为检验期,同时将建模期建立的关系,应用到未来1.5℃和2℃时段的逐日最高温度,从而得到未来偏差订正的模式模拟结果。

为考察偏差订正的效果,引入基于概率密度函数的显著性评分(S_S)。S_S指标定义为:$\mathrm{}{S}_{\mathrm{S}}=\sum _{i=1}^{n}min\left(P_{\mathrm{m}\mathrm{i}},P_{\mathrm{o}i}\right)$,其中n是间隔数量,P_mi和P_oi分别为模式和观测数据所求三个指数序列中的第i个概率值,S_S指标越接近1,说明模式模拟能力越好(Fu et al.,2013;Gu et al.,2015)。

用风险比描述极端高温发生风险的变化,其定义为P_R=p₁/p₀,其中p₀为某个极端高温在当前气候中发生的概率,p₁为在未来增温1.5℃或2℃下该极端高温发生的概率。P_R>1,表明该极端高温的发生风险在未来气候中将增加,相反其发生风险将降低。为了给出P_R的不确定性范围,使用自举法给出P_R的95%置信区间,首先将未来增温1.5℃或2.0℃下的指数样本(17×21)次序随机打乱,计算出2013年极端高温指数在未来增温下的P_R,然后重复此过程1 000次,将会获得1 000个P_R,再分别计算这1 000个P_R的第5和第95分位点,确定风险比的95%置信区间(Li et al.,2018)。

2 极端高温的未来风险预估

2.1 CMIP5极端高温模拟的偏差订正

为消除模式本身的系统性偏差,使用第1节介绍的偏差订正方法对每个模式模拟的逐日最高温度进行偏差订正。图1给出了检验期区域平均日最高温度,极端高温日数以及极端高温强度的观测和模式模拟订正前后的Q-Q图,可以看到,模式对日最高温度的模拟比较好,偏差订正前后的差别不大。对于极端高温日数和强度而言,订正前模式模拟与观测存在显著差别,表现为对极端高温日数模拟偏低,而对极端高温强度模拟偏高。订正后模式模拟与观测较为一致,表明偏差订正方法对于极端高温日数和强度都有比较好的订正效果。图2进一步给出观测以及模式订正前后这三个指数区域平均的概率密度分布(PDF),与图3的结果类似,偏差订正之后模式模拟的极端高温日数和强度的PDF与观测更为接近。

为了定量评估偏差订正前后模式对极端高温指数的模拟能力,图3给出了订正前后三个指数S_S指标多模式的箱须图,订正前极端高温日数和强度的多模式S_S中位数分别为0.3和0.25,并且模式对两指数的模拟存在很大的差异,尤其是对于极端高温强度,多模式上四分位和下四分位的范围为0.11~0.65。经过偏差订正之后,多模式模拟的这两个指标的中位数均达到了0.75,并且模式间的差异得到了显著的降低,上和下四分位的范围为0.62~0.82。以上的结果表明,在对未来极端高温进行预估之前,需要对模式数据进行订正。基于分位数的偏差订正方法能够显著降低模式模拟的偏差,从而能够给出较为准确的极端高温未来预估结果。

2.2 增温1.5℃、2℃下2013年中国东部极端高温变化的预估

2013年我国中东部的极端高温日数以及强度均打破了历史纪录。图4给出了2013年我国极端高温日数、极端高温强度、日最高温度以及2013年最高温度在历史时期排名的空间分布。可以看到东部地区极端高温日数普遍在25 d以上(图4a),有些区域甚至超过了40 d。同时极端高温强度在中东部大部分地区都超过了35℃(图4b),有些区域达到38℃。将此次极端高温日数较多和强度严重的区域作为研究区域(108°~122°E,24°~34°N)。研究区域内将近一半格点的日最高温度在32℃以上(图4c)。大部分研究区域的2013年日最高温度均破了近50 a(1961—2015年)的历史记录(图4d)。图5给出了研究区域平均的日最高温度、极端高温日数以及极端高温强度的时间序列,可以看到该研究区域的极端高温日数和强度存在明显的年际以及年代际变化特征,在20世纪90年代前期有减少的趋势,从90年代开始出现增加的趋势。并且极端高温的日数与强度之间存在较好的时间相关,相关系数为0.89。日最高温度与极端高温日数的相关系数为0.94,与极端高温强度的相关系数为0.92,表明两个指数的时间变化与日最高温度的时间变化有很好的一致性。2013年区域平均的极端高温日数和强度分别为21 d和36.5℃,均是55 a以来历史同期的最大值。

基于偏差订正后的CMIP5模式RCP4.5排放情景的输出结果,探讨类似2013年我国中东部的破纪录极端高温在未来增温背景下将如何变化。首先给出了历史时期,增温1.5℃和2℃下区域平均日最高温度,极端高温日数以及极端高温强度的概率密度函数(PDF)(图6)。对日最高温度而言,随着全球温度的升高,PDF曲线向右移动,表明未来将会有更极端的高温发生。极端高温日数和强度的PDF也均向右移动,并且方差变大,意味着历史气候下的极端高温日数和强度,在未来发生的概率将会明显增加。2013年的极端高温日数和强度在未来1.5℃和2℃下发生的概率也将明显增加。

使用风险比定量给出历史时期2013年的极端高温日数和强度在增温1.5℃、2℃下发生风险的未来预估,并通过自取法给出其90%的置信区间(Zhang et al.,2020)。由表2可见,与2013年相同日数的极端高温在1.5℃下发生的风险将增加为历史时期的5.60倍,而在增温2℃下将会增加为历史时期的12.60倍。与2013年相同强度的极端高温在1.5℃和2℃下发生的风险将会分别增加为历史时期的3.00倍和6.13倍。同时研究了全球从1.5℃到2℃的额外0.5℃增温下,极端高温日数和强度的发生风险。相比于强度而言,未来该区域极端高温日数增加的风险更为显著。1.5℃到2℃的额外0.5℃增温将会使得与2013年相同极端高温日数和强度的极端高温发生风险显著增加。相比于1.5℃,2℃下的发生风险将会分别增加2.25倍和2.03倍,表明将全球增温控制到1.5℃能够避免发生强度更强、日数更多的极端高温。

注:括号内表示基于自取法的95%的置信区间.

2.3 增温1.5℃、2℃下中国东部极端高温的风险变化

除了研究历史破纪录的极端高温特征在未来不同增温背景下发生风险的变化外,不同重现期,比如20 a、50 a和100 a一遇的极端高温日数和强度在不同增温背景下重现期的变化,对于应对气候变化政策的制定具有重要的实际意义。图7给出了区域平均20 a、50 a和100 a一遇的极端高温日数和极端高温强度在增温1.5℃和2℃下的风险比以及95%的置信区间,可以看到,对于极端高温日数而言,当前气候下20 a一遇的极端高温日数,在增温1.5℃(2℃)下发生的风险相比历史时期将增加约5.0倍(10.0)倍,即当前气候下平均每20 a发生一次的极端高温日数将会变成平均每4 a(2 a)出现一次。同样的,当前50 a一遇极端高温日数发生风险相比历史时期将会增加约6.0倍(14.0)倍,即变为约8 a(3 a)一遇。100 a一遇的极端高温日数会变得更加频繁,平均约15 a(6 a)就出现一次。基于自取法可以得到未来极端高温日数风险比的变化范围,可以用来表征风险预估的不确定性。虽然越极端的高温日数,在未来出现的风险越大,但其不确定性也在增加。比如在1.5℃增温下,历史20 a一遇极端高温日数发生风险的95%置信区间为[4.0~6.2],而历史50 a一遇的95%置信区间为[4.0~8.7]。

进一步分析了不同增温下极端高温强度在未来1.5℃和2℃增温下发生风险的变化。当前气候下20 a一遇的极端高温强度,在增温1.5℃(2℃)下的发生概率相比历史时期将会分别增大约3.0倍(6.0倍),即变为约7 a(4 a)一遇。同样的,历史时期平均每50 a出现一次的极端高温强度变为平均每14 a(6 a)出现一次。而100 a一遇的极端高温强度在未来发生风险更大,从100 a一遇变为约27 a(8 a)一遇。这些结果表明,随着全球增暖,极端高温强度的发生风险在增加,并且越极端的强度发生的风险越大,同时越极端的高温强度其预估结果的不确定性也越大。另外,相同增温背景下,极端高温日数的发生风险要大于极端高温强度的发生风险。也就是说,相对于极端高温强度而言,更需要注意该区域未来将会面临更多的极端高温日数。

3 结论

针对2013年中国中东部的破纪录极端高温,使用CMIP5模式的输出结果,研究了该破纪录高温在未来增温1.5℃和2℃下发生风险的预估。同时也对历史时期20 a、50 a和100 a一遇极端高温发生风险进行了预估。由于模式对极端高温的模拟存在系统性偏差,因此在使用模式数据进行未来预估之前,对CMIP5模式的模拟偏差进行了订正。主要得到的结论如下:

1)基于分位数映射的订正方法,能够有效降低CMIP5对极端高温特征的模拟偏差,订正后模式数据所求极端高温日数和强度的概率分布更接近观测。

2)在未来增温1.5℃(2℃)下,2013年的极端高温日数和强度的发生风险将会分别增加为历史时期的5.6倍(12.6倍)和3.0倍(6.1倍)。相对于全球增温2.0℃,将全球增温控制到1.5℃可以降低将近一半的极端高温日数和强度的发生风险。

3)越极端的极端高温在未来发生的风险越大,并且极端高温日数发生的风险要大于极端高温强度发生的风险。历史时期20 a(100 a)一遇的极端高温日数在未来增温1.5℃下将会变为4 a(15 a)一遇,在增温2℃下变为2 a(6 a)一遇。历史时期20 a(100 a)一遇的极端高温强度在未来增温1.5℃下将会变为7 a(27 a)一遇,未来增温2℃下变为4 a(8 a)一遇。

需要注意的是,尽管基于分位数映射的偏差订正方法能够降低模式模拟的系统性偏差,但订正后模式对极端指数的模拟能力仍有限,因此需要加深对影响极端事件的关键物理过程的认识。本文主要使用CMIP5模式进行未来风险预估研究,相比CMIP5模式,最新的CMIP6模式无论在动力学参数化方案还是模式分辨率等方面,都有了较大的改进和提高,未来需要基于CMIP6的多模式对极端温度的风险预估开展进一步研究。另外,RCP4.5情景下,该区域历史20 a一遇的极端高温日数在增温1.5℃下发生风险增加了5倍,在增温速率更快的RCP8.5排放情景下,增加同样风险所用时间可能更短,这为应对气候变化政策的制定和实施带来了更大的挑战极端高温将带来更大威胁。

致谢:感谢WCRP耦合模式工作小组提供了CMIP5模式数据集,以及高学杰研究员提供了CN05.1观测数据。

参考文献