溫升情景下吉林省冬季極端低溫變化與人口暴露度研究

石 晨 張宇彤

（1.吉林省氣象科學(xué)研究所，吉林長(zhǎng)春 130062；2.長(zhǎng)白山氣象與氣候變化吉林省重點(diǎn)實(shí)驗(yàn)室，吉林長(zhǎng)春 130062；3.吉林省氣象局，吉林長(zhǎng)春 130062）

1 引言

在全球變暖背景下， 極端氣候事件的強(qiáng)度和頻率不斷增強(qiáng)，更具有突發(fā)性，對(duì)人類社會(huì)經(jīng)濟(jì)的發(fā)展和生態(tài)環(huán)境造成了更為深遠(yuǎn)的影響[1-3]，極端氣候事件的預(yù)估也成為全球氣候變化研究中的重要課題[4]。 大量研究證明極端低溫的變化要比極端高溫的變化更劇烈， 對(duì)全球氣候變化的敏感性更高[5-6]。 國(guó)內(nèi)外研究表明，平均最低氣溫在中國(guó)普遍呈上升趨勢(shì)， 中國(guó)大陸地區(qū)霜凍日數(shù)和結(jié)冰日數(shù)明顯減少，減少顯著的區(qū)域集中在北方[7-9]。Karl 等[10]研究北半球3 個(gè)主要國(guó)家的資料指出最低溫度上升的事實(shí)， 并指出這種變化趨勢(shì)和溫室氣體的排放有關(guān)。Cooter 等[11]的研究結(jié)果表明霜凍日數(shù)在過去幾十年呈現(xiàn)出減少的趨勢(shì)。 雖然極端低溫事件頻次呈減少趨勢(shì)，但仍具有偶發(fā)性、破壞力極強(qiáng)的特點(diǎn)， 對(duì)社會(huì)經(jīng)濟(jì)發(fā)展和公共設(shè)施安全的威脅十分嚴(yán)重，尤其是對(duì)于農(nóng)業(yè)來說，對(duì)霜凍期和結(jié)冰期的持續(xù)時(shí)間有著深遠(yuǎn)的影響。

利用多模式集合對(duì)極端低溫事件進(jìn)行預(yù)估，可有效防范極端冷事件帶來的不利影響， 采取有效措施降低對(duì)生命、生產(chǎn)、生活、生態(tài)所帶來的風(fēng)險(xiǎn)影響。近年來，氣候?yàn)?zāi)害的風(fēng)險(xiǎn)評(píng)價(jià)在國(guó)內(nèi)取得了一定進(jìn)展。王安乾等[12]研究了全球升溫1.5 ℃和2 ℃情景下中國(guó)極端低溫事件變化對(duì)耕地暴露度的影響。 尹占娥等[13]基于歷史高溫觀測(cè)數(shù)據(jù)，利用概率分布方法計(jì)算了不同重現(xiàn)期的高溫情景，實(shí)現(xiàn)了不同重現(xiàn)期下的高溫危險(xiǎn)性評(píng)估。

吉林省地理位置偏高，整年易受冷渦的影響，氣候寒冷、冬季持續(xù)時(shí)間長(zhǎng)，更易導(dǎo)致極端低溫發(fā)生。 但目前極端低溫事件對(duì)社會(huì)經(jīng)濟(jì)影響的研究大部分仍然是基于過去的低溫事實(shí)， 未來極端低溫事件的影響研究較少。 預(yù)估未來時(shí)段吉林省極端低溫事件的發(fā)生發(fā)展變化， 對(duì)低溫事件影響區(qū)域和人口暴露風(fēng)險(xiǎn)進(jìn)行定量評(píng)估， 對(duì)提高應(yīng)對(duì)氣候變化能力， 做好低溫災(zāi)害風(fēng)險(xiǎn)防范具有重要意義。

2 資料和方法

2.1 資料

采用跨行業(yè)影響模式國(guó)際比較計(jì)劃（The Inter-Sectoral Impact Model Intercomparison Project，ISIMIP） 第3 階段中的5 個(gè)CMIP6 全球氣候模式數(shù)據(jù)（GFDL-ESM4、IPSL-CM6A-LR、MPI-ESM1-2-HR、MRI-ESM2-0 和UKESM1-0-LL）， 模式的結(jié)果已經(jīng)過偏差訂正和統(tǒng)計(jì)降尺度， 模式分辨率為0.5°×0.5°。

2.2 方法

2.2.1 極端低溫事件閾值的確定

對(duì)某一格點(diǎn)上基準(zhǔn)期（1981—2010 年）逐日同期最低氣溫資料按升序排列，取其第10 百分位值作為該站該日極端低溫的閾值。 由于該方法可供使用的樣本數(shù)量有限， 為增加樣本分布的穩(wěn)定性， 采用某日及前后間隔5 d 的5 個(gè)數(shù)據(jù)作為樣本，并以此計(jì)算極端低溫的閾值[14]。 當(dāng)某格點(diǎn)某日最低氣溫低于對(duì)應(yīng)的閾值， 則認(rèn)為該點(diǎn)在該日發(fā)生了極端低溫， 而空間上連續(xù)發(fā)生極端低溫的格點(diǎn)組成的區(qū)域則為一次極端低溫事件。 由于東北地區(qū)氣候寒冷， 冬季持續(xù)時(shí)間長(zhǎng)， 本研究將當(dāng)年11 月至次年3 月作為該年冬季。

2.2.2 建立反應(yīng)極端低溫事件的指標(biāo)

區(qū)域性極端低溫事件是發(fā)生在連續(xù)面積上具有一定持續(xù)時(shí)間的低于極端低溫閾值的過程。 當(dāng)某日出現(xiàn)最低氣溫低于閾值的格點(diǎn)數(shù)超過吉林省總格點(diǎn)數(shù)的10%時(shí)， 則定義為該日發(fā)生了一次區(qū)域性極端低溫事件。 對(duì)于區(qū)域持續(xù)性極端低溫事件，主要建立3 個(gè)指標(biāo)，即低溫強(qiáng)度、低溫面積與持續(xù)時(shí)間。低溫強(qiáng)度為峰值日（出現(xiàn)極端低溫的格點(diǎn)最多日）極端低溫的平均值（絕對(duì)值），低溫面積是指此次極端低溫事件所覆蓋的最大連續(xù)面積，持續(xù)時(shí)間為該區(qū)域內(nèi)最低氣溫連續(xù)低于相應(yīng)極端低溫閾值的時(shí)段。 極端低溫事件發(fā)生頻次為該區(qū)域在研究時(shí)段內(nèi)發(fā)生極端低溫事件的次數(shù)。

2.2.3 未來時(shí)段極端低溫事件預(yù)估方法

采用多模式等權(quán)重集合方法， 對(duì)未來情景為高排放情景下（SSP5-8.5）升溫1.5 ℃和2 ℃時(shí)吉林省冬季極端低溫事件進(jìn)行預(yù)估。

2.2.4 極端低溫下的人口暴露度定義與定量評(píng)估方法

極端低溫下的人口變化受極端低溫日數(shù)和人口數(shù)量變化的影響， 將年均低溫日數(shù)與年均人口數(shù)量的乘積定義為極端低溫下的人口暴露度。 可以分解為氣候因子（低溫日數(shù)變化， 人口數(shù)量不變）影響、人口因子（低溫日數(shù)不變，人口數(shù)量變化）影響、人口和氣候因子（低溫日數(shù)和人口數(shù)量均變化）共同影響。 可表示為：

式中，x、y 分別為極端低溫日數(shù)和人口數(shù)量；x×Δy為人口因子影響；y×Δx 為氣候因子影響；Δx×Δy為人口和氣候因子的共同作用。 不同影響因子的貢獻(xiàn)率計(jì)算方法如下：

3 全球升溫到1.5 ℃和2 ℃的時(shí)間

根據(jù)ISIMIP 計(jì)算的不同排放情景下各模式模擬全球氣溫的時(shí)間變化結(jié)果可以發(fā)現(xiàn)， 相比于工業(yè)革命前期（1850—1900 年），未來情景下全球平均氣溫明顯升高。 升溫幅度隨人為輻射強(qiáng)迫等級(jí)升高而升高 （SSP5-8.5＞SSP3-7.0＞SSP1-2.6），SSP5-8.5、SSP3-7.0 情景下全球升溫在21 世紀(jì)中葉前到達(dá)1.5 ℃水平，2100 年前超過3 ℃水平；SSP1-2.6 情景下升溫在2100 年低于2 ℃水平。各模式到達(dá)不同升溫閾值的年份不同 （表1）。 在SSP5-8.5 情景下，IPSL-CM6A-LR 模式將在2016年到達(dá)升溫1.5 ℃水平，GFDL-ESM4 模式為2039年到達(dá)；IPSL-CM6A-LR 模式和UKESM1-0-LL模式將在2031 年到達(dá)升溫2 ℃水平，GFDLESM4 模式將在2053 年到達(dá)； 各模式到達(dá)3 ℃升溫水平的時(shí)間分別為2076 年、2050 年、2074 年、2065 年和2046 年。

表1 SSP5-8.5 情景下各模式到達(dá)不同升溫閾值的年份 年

4 升溫1.5 ℃和2 ℃下吉林省極端低溫事件的變化

采用多模式集合方法探討未來吉林省極端低溫事件的變化，分別以出現(xiàn)升溫1.5 ℃的2028 年和升溫2 ℃的2041 年為中心， 向前后各推10 a，即以2019—2038 年和2032—2051 年作為計(jì)算全球升溫1.5 ℃和2 ℃的極端低溫事件的時(shí)間段。

4.1 吉林省單站極端低溫事件年均頻次的變化

全球升溫1.5 ℃時(shí)， 吉林省冬季單站極端低溫事件年均頻次較基準(zhǔn)期增多4～10 次，增幅呈東多西少分布。白城地區(qū)增多6～8 次，松原、長(zhǎng)春、四平地區(qū)4～6 次，其他地區(qū)為7～10 次（圖1a）。 持續(xù)1～2 d 極端低溫事件年均頻次較基準(zhǔn)期增多次數(shù)超過總體年均頻次，可達(dá)5～11 次，空間分布與總體頻次類似，高值區(qū)主要位于東部地區(qū)（圖1b）；全省大部分地區(qū)持續(xù)3～5 d，年均頻次減少幅度更大，部分地區(qū)減少超過1 次；持續(xù)6 d 以上極端低溫事件年均頻次較基準(zhǔn)期有所減少（圖1c、圖1d）。全球升溫2 ℃時(shí)， 吉林省冬季極端低溫事件年均頻次較基準(zhǔn)期的變化在空間分布上和升溫1.5 ℃時(shí)類似，在此不再詳述。

圖1 全球升溫1.5 ℃下吉林省單站極端低溫事件頻次相對(duì)于基準(zhǔn)期的年均頻次變化（a），持續(xù)1～2 d（b）、持續(xù)3～5 d（c）、持續(xù)6 d 以上（d）低溫事件年均頻次變化

4.2 吉林省區(qū)域性極端低溫事件年均頻次的變化

圖2 給出了吉林省冬季區(qū)域性極端低溫事件年均頻次變化。 基準(zhǔn)期總體極端低溫事件年均頻次約3.9 次，全球升溫1.5 ℃時(shí)極端低溫事件頻次預(yù)計(jì)下降約5%，繼續(xù)再升溫0.5 ℃時(shí)頻次下降約13%。 持續(xù)3～5 d 極端低溫事件在基準(zhǔn)期年均頻次約為3 次，全球升溫1.5 ℃和2 ℃時(shí)，相對(duì)于基準(zhǔn)期分別增加約13%和5%。持續(xù)6～9 d 極端低溫事件年均頻次在當(dāng)前氣候約為0.3 次， 全球升溫1.5 ℃和2 ℃時(shí)，分別減少67%和83%左右。 基準(zhǔn)期持續(xù)9 d 以上極端低溫事件的年均頻次約0.33次， 當(dāng)全球升溫1.5 ℃時(shí)， 相對(duì)于基準(zhǔn)期減少約85%；全球升溫2 ℃時(shí)，極端低溫事件頻次僅為基準(zhǔn)期的6%左右。

圖2 全球升溫1.5 ℃（灰色）和2 ℃（黑色）時(shí)，吉林省冬季區(qū)域性極端低溫事件年均頻次變化（虛線為基準(zhǔn)期1981—2010年平均值；a 為總體事件，b、c、d 分別為持續(xù)3～5 d、6～9 d、9 d 以上低溫事件）

4.3 吉林省區(qū)域性極端低溫事件影響面積的變化

全球升溫1.5 ℃和2 ℃時(shí)，吉林省冬季區(qū)域性極端低溫事件影響面積如圖3 所示。 總體極端低溫事件在基準(zhǔn)期平均影響面積約4.75×104km2；升溫1.5 ℃時(shí)，影響面積下降約37%；升溫2 ℃時(shí)，影響面積下降約41%。 持續(xù)3～5 d 的極端低溫事件，基準(zhǔn)期影響面積約4.7×104km2；升溫1.5 ℃和2 ℃時(shí)，影響面積下降幅度與總體事件基本一致?；鶞?zhǔn)期持續(xù)6～9 d 極端低溫事件影響面積約1.23×104km2； 升溫1.5 ℃時(shí)， 影響面積下降約76%； 升溫2 ℃時(shí)比升溫1.5 ℃的狀況下降約16%。 持續(xù)9 d 以上極端低溫事件在當(dāng)前氣候的影響面積約0.86×104km2；升溫1.5 ℃時(shí)，影響面積下降約85%，升溫2 ℃時(shí)，影響面積則比升溫1.5 ℃時(shí)下降約11%。

圖3 全球升溫1.5 ℃（灰色）和2 ℃（黑色）時(shí)，吉林省冬季區(qū)域性極端低溫事件平均低溫面積變化（虛線為基準(zhǔn)期1981—2010 年平均值；a為總體事件，b、c、d 分別為持續(xù)3～5 d、6～9 d、9 d 以上低溫事件）

4.4 吉林省區(qū)域性極端低溫事件平均強(qiáng)度的變化

總體事件在基準(zhǔn)期極端低溫事件平均強(qiáng)度為23 ℃；升溫1.5 ℃時(shí)，強(qiáng)度上升約13%；升溫2 ℃時(shí)上升約9%。 當(dāng)前氣候下，持續(xù)3～5 d 事件平均強(qiáng)度為21.5 ℃；升溫1.5 ℃和2 ℃時(shí)，事件強(qiáng)度分別上升約23%和21%。 持續(xù)6～9 d 事件基準(zhǔn)期平均強(qiáng)度顯著減小，為6.7 ℃；升溫1.5 ℃和2 ℃時(shí)，強(qiáng)度分別下降約64%和82%。 持續(xù)9 d 以上低溫事件平均強(qiáng)度為6.5 ℃；升溫1.5 ℃時(shí)，強(qiáng)度下降約75%；升溫2℃下降約94%。

5 極端低溫事件下人口暴露度的定量評(píng)估

為了研究極端低溫事件對(duì)未來吉林省人口變化的影響，分別計(jì)算了全球升溫1.5 ℃和2 ℃時(shí)段吉林省極端低溫事件下的人口暴露度相對(duì)于基準(zhǔn)期的變化。未來情景下，吉林省大部分地區(qū)人口受極端低溫事件影響， 各模式和集合平均反映出極端低溫下的人口變化大體一致。 與基準(zhǔn)期時(shí)段相比，升溫1.5 ℃時(shí)，中部地區(qū)人口暴露度變化幅度較明顯，長(zhǎng)春、吉林大部分地區(qū)為明顯增多，最大增幅超過10×106人·d。 西部地區(qū)、東部大部分地區(qū)人口暴露度為-2×106～2×106人·d。與升溫1.5 ℃時(shí)段相比， 升溫2 ℃全省大部分地區(qū)人口暴露度增幅有所減弱，人口暴露度減少區(qū)域有所增加。

進(jìn)一步分析未來情景下極端低溫事件人口暴露度變化的影響因素。從全球升溫1.5 ℃和2 ℃下人口因子和氣候因子及兩者共同作用對(duì)吉林省人口暴露度的貢獻(xiàn)率（圖4）可以看出，極端低溫人口暴露度變化主要由人口因子主導(dǎo)， 其次受氣候因子影響， 人口和氣候因子共同影響很小。 升溫1.5 ℃時(shí)， 人口因子對(duì)人口暴露度變化貢獻(xiàn)率達(dá)57.9%；升溫2 ℃時(shí)，貢獻(xiàn)率增加至62.1%；氣候因子對(duì)人口暴露度影響在未來不同時(shí)段逐漸減弱，貢獻(xiàn)率由18.6%逐漸減弱到11.4%。 升溫1.5 ℃時(shí)，氣候因子對(duì)東部山區(qū)影響較強(qiáng)，對(duì)西部地區(qū)影響較弱；在未來不同時(shí)段，氣候因子對(duì)中部、東部地區(qū)的影響逐漸減弱。

圖4 全球升溫1.5 ℃（a、b、c）和2 ℃（d、e、f）時(shí)人口因子（a、d）和氣候因子（b、e）及兩者共同作用（c、f）對(duì)吉林省人口暴露度的貢獻(xiàn)率（單位：%）

6 結(jié)語

本文采用多模式集合方法， 研究了SSP5-8.5情景下升溫1.5 ℃和2 ℃下吉林省冬季極端低溫事件的變化， 定量評(píng)估了低溫事件對(duì)人口暴露度影響，初步實(shí)現(xiàn)了吉林省低溫災(zāi)害人口風(fēng)險(xiǎn)評(píng)價(jià)，為低溫災(zāi)害風(fēng)險(xiǎn)定量化研究做出了探索。

（1）全球升溫1.5 ℃和2 ℃時(shí)，吉林省冬季單站極端低溫事件年均頻次較基準(zhǔn)期增多4～10 次，增幅呈東多西少分布。

（2）全球升溫1.5 ℃時(shí)，區(qū)域極端低溫事件年均頻次相對(duì)于基準(zhǔn)期時(shí)段下降約5%，影響面積下降約37%，平均強(qiáng)度上升約13%；持續(xù)3～5 d 事件年均頻次上升約13%，影響面積下降約37%，平均強(qiáng)度上升約23%； 持續(xù)6～9 d 事件年均頻次下降約67%，影響面積下降約76%，強(qiáng)度下降約64%；持續(xù)9 d 以上極端低溫事件的年均頻次和影響面積下降約85%，平均強(qiáng)度下降約75%。

（3）全球升溫2 ℃時(shí)，區(qū)域極端低溫年均頻次相對(duì)于基準(zhǔn)期時(shí)段下降約13%， 影響面積下降約41%，平均強(qiáng)度上升約9%；持續(xù)3～5 d 事件年均頻次上升約5%，影響面積下降約41%，平均強(qiáng)度上升約23%； 持續(xù)6～9 d 事件年均頻次下降約83%，影響面積下降約92%，強(qiáng)度下降約82%；持續(xù)9 d 以上極端低溫事件的年均頻次、 影響面積和平均強(qiáng)度僅為基準(zhǔn)期的6%、4%和6%。

（4）在未來時(shí)段，極端低溫事件的影響面積逐漸縮小，低溫持續(xù)時(shí)間越長(zhǎng)，面積縮小幅度越大。持續(xù)時(shí)間較長(zhǎng)的極端低溫事件年均頻次和平均強(qiáng)度也顯著下降。

（5）未來時(shí)段，吉林省大部分地區(qū)人口受極端低溫事件影響，人口暴露度變化主要由人口因子主導(dǎo)，其次受氣候因子影響。 與基準(zhǔn)期時(shí)段相比，升溫1.5 ℃時(shí)，中部地區(qū)人口暴露度變化幅度較明顯，長(zhǎng)春、吉林大部分地區(qū)為明顯增多；升溫2 ℃全省大部分地區(qū)人口暴露度增幅有所減弱，人口暴露度減少區(qū)域有所增加。