王瑩 馬紅云 李?？?/p>

(1 南京信息工程大學(xué) 氣象災(zāi)害預(yù)報預(yù)警與評估協(xié)同創(chuàng)新中心/氣象災(zāi)害教育部重點實驗室/大氣科學(xué)學(xué)院氣侯與應(yīng)用前沿研究院(ICAR)，南京 210044；2 江西省氣象局，南昌 330000)

引 言

改革開放以來，中國城市化水平日益提高，尤其是東部地區(qū)，城市化水平已達(dá)55%，并逐漸形成了以長三角、珠三角和京津翼3個特大規(guī)模城市群為代表的我國東部大規(guī)模沿海城市帶。隨著城市面積的持續(xù)增長[1]，城市人口將會直接受到由溫室氣體引起的氣候變暖的影響[2]。工業(yè)革命以來，全球平均表面溫度明顯增加，1880—2012年增加了(0.85±0.2) ℃。氣候變暖會引發(fā)一系列的氣候和環(huán)境變化，例如海平面上升、水圈循環(huán)變化、海洋酸化、極端天氣氣候事件頻率及強度增加等[3]。

近幾十年來，由于自然變化以及人類活動的影響，大范圍氣候異?，F(xiàn)象頻發(fā)，其中高溫事件尤為引人注目。例如，2003 年夏季席卷全球的一系列高溫?zé)崂耸录拐麄€歐亞大陸的死亡率在短期內(nèi)急劇上升[4]; 同年，我國大范圍持續(xù)性高溫事件影響了大多數(shù)省市，多地最高氣溫連續(xù)突破歷史記錄，持續(xù)時間之長也是自有觀測記錄以來歷史罕見[5]。高溫事件給社會經(jīng)濟(jì)乃至人民生命財產(chǎn)造成了嚴(yán)重的影響。國內(nèi)外已有不少對夏季高溫的研究[6-7]，通過對歐洲地區(qū)[8]、加拿大[9]和中國[10]等區(qū)域的研究顯示，近年來高溫日數(shù)和極端高溫事件出現(xiàn)頻次和強度穩(wěn)步上升，增加較為顯著。葉殿秀等[10]研究表明，近幾十年來中國地區(qū)除新疆西南部增加較小外，其余地區(qū)高溫頻次增長趨勢系數(shù)最大超過0.8，增長速率為7.8次/(10 a)，高溫事件強度呈顯著正趨勢的區(qū)域繼續(xù)增加，增加最多的是經(jīng)濟(jì)較發(fā)達(dá)的長江沿岸、長江三角洲以及東南沿海地區(qū)。

隨著全球增暖，越來越多的學(xué)者開始關(guān)注增暖1.5 ℃/2.0 ℃水平下極端氣候的變化[11]。Karmalkar, et al[12]預(yù)估美國毗鄰地區(qū)變暖最快的是東北地區(qū)，當(dāng)全球增暖達(dá)到2.0 ℃時，東北地區(qū)預(yù)計增暖3.0 ℃；King, et al[13]發(fā)現(xiàn)與增暖2.0 ℃相比，在增暖1.5 ℃的情況下，世界變暖的頻率至少降低24%，且限制歐洲大陸的變暖具有非常明顯的好處，包括更少的極端高溫和極端降水；對澳大利亞大陸的預(yù)估結(jié)果也是如此[14]。LI, et al[15]定量分析表明，與2.0 ℃溫升閾值相比，控制全球增暖在1.5 ℃以內(nèi)，將使東亞極端高溫事件強度、頻率和持續(xù)時間的增幅減少35%～46%。李縱橫等[16]利用CMIP5中的8個模式的結(jié)果，對我國江淮地區(qū)夏季未來極端高溫進(jìn)行了預(yù)估，結(jié)果表明：在RCP2.6情景下，2000s末江淮地區(qū)夏季極端高溫日數(shù)將可能達(dá)20 d左右；在 RCP4.5 情景下，2000s末極端高溫日數(shù)可能達(dá)40 d左右；在RCP8.5情景下，2000s末極端高溫日數(shù)將可能達(dá)約70 d。

與城市極端高溫相關(guān)的一個重要指數(shù)是人體舒適度，且高溫是與天氣相關(guān)死亡率增加的主要原因[17]。2003年歐洲高溫?zé)崂耸录?dǎo)致的死亡人數(shù)超過35 000人[18],研究表明，城市氣溫每升高0.5 ℃，居民的死亡風(fēng)險將提高兩倍[19],并且城市地區(qū)的超額死亡率顯著高于其周邊的郊區(qū)和鄉(xiāng)村地區(qū)[20-22]。

本文選取我國長三角城市群區(qū)域進(jìn)行研究，長三角城市群是我國最大的城市群，根據(jù)2014年人口普查顯示，人口達(dá)1.5億，因此未來將面臨較大的高溫風(fēng)險[23-24]。2015年，《巴黎協(xié)定》明確提出將全球平均升溫控制在相對于工業(yè)化前水平2.0 ℃以內(nèi)，并努力將其控制在1.5 ℃以內(nèi)， 以降低氣候變化的風(fēng)險與影響[25]。在不同的碳排放路徑下，增暖達(dá)到1.5 ℃/2.0 ℃的時間有所不同，很多學(xué)者進(jìn)行了預(yù)估[26-28]。根據(jù)美國大氣研究中心NCAR提供的全球氣候系統(tǒng)模式CESM在RCP4.5排放情景下對未來的預(yù)估結(jié)果，本文將增暖1.5 ℃的時間段設(shè)為2025—2034年，未來增暖2.0 ℃的時間段設(shè)為2042—2051年，該時間段的選取與孔瑩等[29]、翟盤茂等[30]的研究結(jié)果較為一致。

本文著重討論RCP4.5情景下增暖1.5 ℃/2.0 ℃期間長三角城市群區(qū)域的氣溫變化情況，特別是高溫?zé)崂税l(fā)生的頻次和強度變化，同時結(jié)合未來人口預(yù)估數(shù)據(jù)，進(jìn)一步給出高溫影響人口數(shù)的預(yù)估，這將有助于制定提高中國東部城市人口舒適性的政策措施，為應(yīng)對氣候變化進(jìn)行的城市規(guī)劃提供依據(jù)。

1 模擬試驗與方案設(shè)計

全球氣候模式是目前預(yù)測未來氣候變化、研究氣候變化及其響應(yīng)的主要工具。政府間氣候變化專門委員會第五次評估報告(IPCC AR5) 基于CMIP5(第五階段全球耦合模式比較計劃) 對多個全球氣候模式開展了從模式評判到未來氣候預(yù)估的研究，并為開展高分辨率區(qū)域性氣候變化研究提供了源數(shù)據(jù)[31-32 ]。此外，CMIP5 在CMIP3(第三階段全球耦合模式比較計劃)的基礎(chǔ)上引入了新的溫室氣體排放情景——RCPs(Representative Concentration Pathways， 代表性濃度路徑情景) ，包括 4 個情景，這些情景納入了氣候政策對溫室氣體及氣溶膠排放的影響，并優(yōu)化了生物物理及海陸氣交換過程[31 ]。其中，RCP8.5為 CO2高排放路徑，RCP6 和 RCP4.5 都為中間穩(wěn)定路徑[33-34 ]。

由美國國家大氣研究中心(NCAR)開發(fā)的CESM模式是基于CCSM4模式發(fā)展的地球系統(tǒng)模式。根據(jù)CMIP5試驗計劃，CESM模式進(jìn)行了20 世紀(jì)氣候模擬(1951—2005年)、RCP4.5情景的氣候預(yù)估(2006—2100年)等試驗。該研究選取CESM模式提供的 經(jīng)ERA-interim數(shù)據(jù)偏差矯正的歷史模擬數(shù)據(jù)集中1996—2005 年作為歷史氣候現(xiàn)狀的代表年，該代表年選取參考CHEN, et al[35]的歷史數(shù)據(jù)集的時段選擇(1995—2005年)；同時，利用RCP4.5情景氣候預(yù)估試驗結(jié)果提供的增暖1.5 ℃/2.0 ℃前后10 a作為未來代表年以模擬未來情景下的城市群氣候特征?；贑ESM模式提供的側(cè)邊界條件，采用WRFv3.9.1進(jìn)行區(qū)域動力降尺度，對歷史時期和未來增暖1.5 ℃(2025—2034年)/2.0 ℃(2042—2051年)時期分別模擬，時段從每年的5月31日00時至9月1日06時(世界時,下同)，兩重嵌套及地表覆蓋類型如圖1所示，空間分辨率分別為15 km和5 km，中心經(jīng)緯度為(31.5°N，119°E)，d01和d02的格點數(shù)分別為91×97、91×112。與歷史時期進(jìn)行對比的觀測數(shù)據(jù)來自中國地面氣候資料日值數(shù)據(jù)集(V3.0)，供選取了26個臺站資料，位置如圖1b中黑色圓點所示。

圖1 模擬的區(qū)域：(a)水平分辨率分別為15 km和5 km的兩層鑲嵌設(shè)置；(b)模擬區(qū)域最內(nèi)層的地表覆蓋類型(黑點是中國地面氣候資料日值數(shù)據(jù)集中的26個觀測臺站)

本文使用中國土地覆蓋數(shù)據(jù)集ChinaLC，如圖1b所示，其中紅色代表城市，城市周圍大片黃色區(qū)域不是傳統(tǒng)的灌溉農(nóng)田，是農(nóng)田退化后形成的農(nóng)田和自然植被交錯的鑲嵌體下墊面，其物理特征物理介于城市和農(nóng)田之間[38]。該數(shù)據(jù)集包括中國及周邊區(qū)域1981、1990、2000、2010年四期5 km和30 km分辨率土地覆蓋產(chǎn)品[36]。YANG， et al[37]以Google Earth 高分辨率遙感影像選取的驗證樣本作為真實地表信息，評價了國際上現(xiàn)有的7種大尺度土地覆蓋產(chǎn)品在中國區(qū)域的精度。結(jié)果表明，ChinaLC在中國區(qū)域的總體精度均高于國際上現(xiàn)有的大尺度土地覆蓋產(chǎn)品。

為了討論未來增溫對人口影響，未來人口數(shù)據(jù)采用姜彤等[39]在2010年第六次中國人口普查數(shù)據(jù)的基礎(chǔ)上利用 IPCC 發(fā)布的可持續(xù)發(fā)展 (SSP1)、中度發(fā)展 (SSP2)、局部或不一致發(fā)展 (SSP3)、不均衡發(fā)展 (SSP4)、常規(guī)發(fā)展 (SSP5) 這 5 種共享社會經(jīng)濟(jì)路徑，率定人口—發(fā)展—環(huán)境分析(PDE)模型中的人口生育率、死亡率、遷移率、教育水平等參數(shù)，得到的 2011—2100 年中國和 31 個省 (區(qū)/市) 人口變化預(yù)估。

2 結(jié)果與討論

2.1 模式評估

為了評估模式的模擬效果，圖2給出了歷史時期2 m氣溫的觀測數(shù)據(jù)與WRF模擬數(shù)據(jù)的頻次對比。記每日每個站點平均氣溫為一次，總計23 920次，由此可見，在大于29 ℃及小于23 ℃的溫度區(qū)間，觀測數(shù)據(jù)與模擬數(shù)據(jù)的溫度頻次分布基本接近，中間溫度段有一定偏差，可能和溫度區(qū)間的設(shè)置有關(guān)，總體上各個溫度段的頻次變化趨勢相同。此外，圖3給出了2 m氣溫的觀測數(shù)據(jù)與模擬結(jié)果的空間分布對比。在本文所選取的長三角區(qū)域中，一共有26個觀測點，通過逐一比對，觀測數(shù)據(jù)與模擬數(shù)據(jù)的吻合率達(dá)到了85.2%，為了更好地對觀測與模擬數(shù)據(jù)進(jìn)行比較，本文引入了統(tǒng)計變量進(jìn)行檢驗，包括認(rèn)同指數(shù)(Index of Agreement, IA)、準(zhǔn)確率(Hit Rate, HR)、相關(guān)系數(shù)(R)、均方根誤差(Root Mean Square Error, RMSE)、平均誤差(Mean Error, ME)、標(biāo)準(zhǔn)化平均誤差(NME)、平均偏差(Mean Bias, MB)、標(biāo)準(zhǔn)化平均偏差(NMB)和標(biāo)準(zhǔn)差(Standard Deviation, STD)。其中，認(rèn)同指數(shù)(IA)和準(zhǔn)確率(HR)是近幾年用來描述兩數(shù)列之間相關(guān)性的統(tǒng)計參數(shù)，可以更好地體現(xiàn)觀測與模擬的相關(guān)性，觀測數(shù)據(jù)與模擬結(jié)果的認(rèn)同指數(shù)是指觀測對模擬有用或者有價值的判斷和評估，數(shù)值在0～1之間，認(rèn)同指數(shù)越大說明越具有參考價值；準(zhǔn)確率與選取的標(biāo)準(zhǔn)值大小有關(guān)，氣溫的標(biāo)準(zhǔn)值為2 K，差異小于標(biāo)準(zhǔn)值的樣本數(shù)與總樣本數(shù)的比值就是準(zhǔn)確率其中HR與選取的標(biāo)準(zhǔn)值大小有關(guān)，氣溫的標(biāo)準(zhǔn)值為2 K；STDo表示觀測數(shù)據(jù)的標(biāo)準(zhǔn)差，STDF表示模擬數(shù)據(jù)的標(biāo)準(zhǔn)差。具體計算方法如下：

圖2 觀測數(shù)據(jù)與WRF模擬結(jié)果的2 m氣溫的頻率對比(純色代表觀測數(shù)據(jù)，網(wǎng)格代表WRF模擬結(jié)果)

圖3 觀測數(shù)據(jù)(a)與WRF模擬結(jié)果(b)的2 m氣溫的空間分布

(1)

(2)

(3)

(4)

(5)

(6)

(7)

如表1所示，認(rèn)同指數(shù)IA達(dá)到0.891，相關(guān)系數(shù)R為0.874(P<0.01)，準(zhǔn)確率HR為77.8%，且ME和MB都很小，分別為0.876和0.548。綜上，觀測數(shù)據(jù)與模擬結(jié)果具有很好的空間吻合率，CESM模式資料作為側(cè)邊界資料可以為未來的模擬提供可信、可靠的數(shù)據(jù)，本文采用的降尺度方法可以較為可靠地模擬研究區(qū)域氣象要素的空間分布。

表1 觀測數(shù)據(jù)與模擬結(jié)果的統(tǒng)計參數(shù)及數(shù)值

2.2 增暖1.5 ℃/2.0 ℃情景下氣象要素空間變化

圖4給出了歷史時期、增暖1.5 ℃時期和2.0 ℃時期下2 m氣溫和比濕的空間分布。總體來看，歷史時期和未來模擬預(yù)測的各氣象要素的空間分布較為相似，氣溫高、比濕小的區(qū)域主要集中在江皖浙的城市區(qū)域，以及城市周圍的鑲嵌體地區(qū)，體現(xiàn)出了城市化效應(yīng)，且隨著全球不斷增暖，這種效應(yīng)變得更加明顯。為了進(jìn)一步分析對不同溫升閾值響應(yīng)差，圖5給出了RCP4.5情景下增暖1.5 ℃/2.0 ℃時期和歷史時期氣象要素的空間分布差異場。增暖1.5 ℃下內(nèi)陸地區(qū)的增溫、增濕較沿海區(qū)域更多，與歷史時期相比，區(qū)域平均氣溫上升0.8 ℃，比濕上升0.065 g·kg-1。增暖2.0 ℃時，區(qū)域平均氣溫將上升1.47 ℃，比濕增加0.131 g·kg-1；從空間分布來看，安徽中南部鑲嵌體區(qū)域的增溫較周圍區(qū)域大，杭州灣城市群較其他城市區(qū)域增溫更多，蘇皖北部地區(qū)的比濕將顯著增加。

圖4 歷史時期(a、d)、增暖1.5 ℃時期(b、e)和2.0 ℃時期(c、f)下2 m氣溫(a—c，單位：℃)和比濕(d—f,單位：g·kg-1)10 a平均空間分布

圖5 增暖1.5 ℃時期—歷史時期(a、c)和增暖2.0 ℃時期—歷史時期(b、d)下2 m氣溫(a、b;單位：℃)和比濕(c、d;單位：g·kg-1)的空間分布差異

2.3 增暖1.5 ℃/2.0 ℃情景下高溫日數(shù)及舒適度指數(shù)時空變化

2.3.1 不同升溫閾值下高溫日數(shù)和舒適度指數(shù)的時間變化

將日最高氣溫≥35 ℃定義為一個高溫日，若持續(xù)時間在5 d以上，則定義為一次高溫?zé)崂恕８邷責(zé)崂祟l次指1 a發(fā)生高溫?zé)崂说拇螖?shù)，高溫?zé)崂藦姸戎赶募舅懈邷責(zé)崂诉^程中滿足高溫日的累積數(shù)[40-41]，高溫?zé)崂思捌渲笖?shù)的變化是基于整個區(qū)域每個格點進(jìn)行計算，然后再做區(qū)域平均。圖7給出了3個時間段高溫?zé)崂祟l次和強度的時間變化。

如圖6所示，無論是高溫?zé)崂祟l次還是強度均隨全球增暖而增加。統(tǒng)計顯示，歷史時期、增暖1.5 ℃和增暖2.0 ℃時期10 a平均高溫?zé)崂祟l次分別為1.9、2.8和3.9次，而強度分別為22.1、37.8和50.7 ℃·d。這表明區(qū)域平均高溫?zé)崂祟l次在RCP4.5情景下增溫1.5 ℃/2.0 ℃時期較歷史時期分別增加了47%和100%，熱浪強度分別增加了71%和129%。

圖6 歷史時期(1996—2005年；黑色線)、增暖1.5 ℃時期(2025—2034年；紅色線)和2.0 ℃時期(2042—2051年；藍(lán)色線)下高溫?zé)崂祟l次(a；單位：次)、高溫?zé)崂藦姸?b；單位：℃·d)的年變化

高溫?zé)崂藢θ梭w感覺有重要影響，為了進(jìn)一步探討人體舒適度對不同升溫閾值的響應(yīng)，本文引進(jìn)了人體舒適度指數(shù)進(jìn)行分析：THI指數(shù)[42]。THI，又名溫濕指數(shù)，綜合考慮氣溫和濕度的影響，反映人體與周圍環(huán)境的熱量交換，是人類對氣候直接感受的第一指標(biāo)，計算方法如下：

(8)

其中：t和RH分別代表氣溫(℃)和相對濕度(%)，且THI指數(shù)等級劃分如表2所示。

表2 人體舒適度指數(shù)的劃分等級

圖7給出了THI指數(shù)在3個時間段(歷史時期、增暖1.5 ℃時期和2.0 ℃時期)的日變化曲線，可以看到，一方面，3個時間段的日變化特征十分一致，THI指數(shù)都呈單峰單谷變化，都在05時達(dá)到谷值，在15時達(dá)到峰值，即05時舒適度最大，15時舒適度最小，會感覺極不舒適；另一方面，隨著全球變暖，THI數(shù)值明顯呈上升趨勢，人體覺得不舒適的時間段延長。在RCP4.5情景下增暖1.5 ℃時期，1 d中THI≥26的持續(xù)時間為10 h，比歷史時期增加2 h，到增暖2.0 ℃時，50%及以上人口覺得不舒適的時間持續(xù)可達(dá)15 h。

圖7 歷史時期(1996—2005年；黑色實線)、增暖1.5 ℃時期(2025—2034年；紅色實線)和2.0 ℃時期(2042—2051年；藍(lán)色實線)下 THI指數(shù)的日變化

2.3.2 不同升溫閾值下高溫日數(shù)及舒適度指數(shù)的空間變化

為了更全面地對東部城市群的未來氣候進(jìn)行評估，圖8給出了不同升溫閾值下高溫日數(shù)和THI指數(shù)的空間分布，這與圖4中2 m氣溫的空間變化趨勢較為接近。

圖8 歷史時期(a、d)、增暖1.5 ℃時期(b、e)和2.0 ℃時期(c、f)下高溫日數(shù)(a—c;單位：次)和THI指數(shù)(d—f)的空間分布

整體上看，歷史時期和未來不同升溫閾值下的高溫日數(shù)和THI指數(shù)的空間分布特征較相似，變化趨勢也接近，即隨著全球增暖，高溫日數(shù)急劇增加，人體舒適度大大降低，且范圍迅速擴張。變化最明顯的區(qū)域主要集中在江皖浙的城市區(qū)域，以及城市周圍的鑲嵌體部分，這表明城市化效應(yīng)的顯著性變化。

結(jié)合未來人口預(yù)估數(shù)據(jù)深入分析，進(jìn)一步給出了高溫影響人口數(shù)的預(yù)估。10 a累積的高溫日數(shù)超過300 d時，增暖1.5 ℃/2.0 ℃時期覆蓋區(qū)域分別影響了1 495.8和3 862.9萬人；THI指數(shù)超過27(即100%的人覺得炎熱不適)時，RCP4.5情景下增暖1.5 ℃/2.0 ℃時期覆蓋區(qū)域影響的人口分別達(dá)到了1 796.6萬人和7 399.5萬人，分別占未來增暖1.5 ℃/2.0 ℃時期總?cè)丝诘慕?0%和40%，因此與2.0 ℃升溫閾值相比，控制增暖在1.5 ℃以內(nèi)，極不舒適覆蓋區(qū)域影響的人口數(shù)預(yù)計可減少5 602.9萬人，約占該地區(qū)總?cè)丝诘?0%。

2.3.3 不同升溫閾值下高溫日數(shù)增加的可能原因

高溫天氣的形成原因是多方面多角度的，它不僅與全球氣候變暖的大背景有關(guān)，還與大氣環(huán)流異常有關(guān)，同時太陽活動、城市建設(shè)及生態(tài)環(huán)境惡化等諸多因素也是導(dǎo)致高溫日數(shù)不可忽視的重要因素。

前文已描述過全球氣候增暖的背景，下文將通過對不同增暖時期的環(huán)流場進(jìn)行分析，闡釋長三角城市群高溫?zé)崂嗽黾拥脑?。圖9給出了在不同增溫閾值下7月的平均位勢高度和環(huán)流場?？梢钥闯觯?個時期都受大陸高壓控制。其中在歷史時期，5 880 gpm線穿過了長三角城市群，并都是西南氣流。而到了增暖1.5 ℃時期，長三角城市群區(qū)域500 hPa出現(xiàn)了一個閉合高壓中心，中心位置在沿海附近，且位勢高度達(dá)到了5 908 gpm，風(fēng)速也有所減小，同樣在增暖2.0 ℃時期也有一個閉合高壓中心，但閉合高壓中心位置相比增暖1.5 ℃時期更靠近內(nèi)陸，大約在(31.45°N，117.45°E)，這種高層閉合高壓，并且結(jié)合該地區(qū)底層出現(xiàn)的持續(xù)高溫?zé)崂?，有利于天氣系統(tǒng)的持續(xù)和穩(wěn)定，是高溫?zé)崂顺霈F(xiàn)并增加的重要條件。

圖9 歷史時期(a)、增暖1.5 ℃時期(b)和2.0 ℃時期(c)下7月平均位勢高度和環(huán)流場

3 結(jié)論

(1)CESM歷史時期動力降尺度模擬結(jié)果與觀測數(shù)據(jù)的相關(guān)性都很好，時間相關(guān)系數(shù)高達(dá)0.874，同時具有很好的空間吻合率，表明利用CESM模式結(jié)果進(jìn)行動力降尺度對長三角城市群地表氣溫的時空變化特征具有良好的模擬能力，因此該模式可用于對該城市群未來氣象要素變化的預(yù)估研究。

(2)基于WRF/UCM的降尺度預(yù)估結(jié)果表明，在RCP4.5情景下到達(dá)全球增溫1.5 ℃/2.0 ℃時期，長三角城市群區(qū)域夏季平均氣溫、比濕、高溫?zé)崂酥笖?shù)等與歷史時期相比均有顯著升高。且在空間分布上較為相似，變化最大的主要集中在鑲嵌體和城市下墊面，這種空間分布格局體現(xiàn)出了城市化效應(yīng)，并且隨著全球不斷增暖，這種效應(yīng)變得更加明顯。

(3)結(jié)合未來人口預(yù)估數(shù)據(jù)集，受高溫影響的長三角城市群人口數(shù)明顯增加，THI指數(shù)超過27時，增暖1.5 ℃時期覆蓋影響人數(shù)接近1 800萬，而到增溫2.0 ℃時為7 400萬人左右，由此可見若將增溫控制在1.5 ℃內(nèi)，因高溫覺得極不舒適的人數(shù)將減少30%。