莊園煌 張井勇 梁健
1 中國(guó)科學(xué)院大氣物理研究所季風(fēng)系統(tǒng)研究中心,北京 1000292 中國(guó)科學(xué)院大學(xué)地球與行星科學(xué)學(xué)院,北京 1000493 天津市氣象信息中心,天津 300074
自工業(yè)革命以來(lái),人為排放的大量二氧化碳 (CO2)、甲烷(CH4)等溫室氣體導(dǎo)致全球氣候變暖不斷加劇,極端天氣氣候事件及災(zāi)害趨多趨重,給生態(tài)系統(tǒng)、社會(huì)經(jīng)濟(jì)以及人類生命健康帶來(lái)了嚴(yán)重的影響(IPCC, 2013; 蔡榕碩和付迪, 2018; WMO et al., 2020)。為應(yīng)對(duì)越來(lái)越嚴(yán)峻的全球氣候變化風(fēng)險(xiǎn)挑戰(zhàn),近200個(gè)國(guó)家在2015年12月一致通過(guò)了《巴黎協(xié)定》,確定了1.5°C/2°C溫升目標(biāo) (UNFCC, 2015; 何建坤, 2018; 黃磊等, 2020)。中國(guó)一直堅(jiān)定主動(dòng)應(yīng)對(duì)氣候變化,持續(xù)強(qiáng)化減緩與適應(yīng)行動(dòng),積極推動(dòng)《巴黎協(xié)定》的全面落實(shí),為全球氣候治理與綠色低碳發(fā)展不斷貢獻(xiàn)智慧與力量,發(fā)揮了重要的促進(jìn)與引領(lǐng)作用(王偉光和劉雅鳴,2017; 科學(xué)技術(shù)部社會(huì)發(fā)展科技司和中國(guó)21世紀(jì)議程管理中心, 2019; 李俠祥等, 2020; http://www.mee.gov.cn/ywgz/ydqhbh/qhbhlf/201911/P020200121308824288893.pdf.[2020-12-11])。
《巴黎協(xié)定》達(dá)成距今已有5年,1.5°C/2°C溫升目標(biāo)下全球與區(qū)域的氣候變化預(yù)估及影響研究工作取得了重要的進(jìn)展(Rogelj et al., 2016; 江志紅等, 2017; 孔瑩和王澄海, 2017; IPCC, 2018; Zhang et al., 2018; 趙宗慈等, 2019; 推進(jìn)“一帶一路”建設(shè)工作領(lǐng)導(dǎo)小組辦公室, 2019)。《IPCC全球溫升1.5°C特別報(bào)告》指出,相比于目前,在全球變暖1.5°C時(shí),極端高溫、洪澇、干旱等災(zāi)害天氣氣候事件增多增強(qiáng),海平面上升,積雪冰川消融等將加劇自然和人類系統(tǒng)面臨的氣候?yàn)?zāi)害風(fēng)險(xiǎn);2°C溫升目標(biāo)下,氣候變化風(fēng)險(xiǎn)將進(jìn)一步導(dǎo)致更嚴(yán)重的負(fù)面影響(IPCC, 2018)。
“一帶一路”倡議提出7年以來(lái),堅(jiān)持共商、共建、共享原則,不斷深化務(wù)實(shí)合作,取得了豐碩建設(shè)成果,促進(jìn)了相關(guān)國(guó)家與地區(qū)的共同發(fā)展(推進(jìn)“一帶一路”建設(shè)工作領(lǐng)導(dǎo)小組辦公室, 2019)。同時(shí),“一帶一路”沿線國(guó)家深受復(fù)雜多樣的天氣氣候?yàn)?zāi)害影響,預(yù)計(jì)未來(lái)將面臨更嚴(yán)峻的氣候變化風(fēng)險(xiǎn)(Guo, 2018; 劉衛(wèi)東等, 2018; 吳紹洪等, 2018;張井勇等, 2018, 2019; 景丞等, 2019; Liu et al., 2020;Zhuang and Zhang, 2020)。但是,目前的科學(xué)研究很大程度上尚不能滿足于“一帶一路”區(qū)域應(yīng)對(duì)氣候變化、防范與管理氣候?yàn)?zāi)害風(fēng)險(xiǎn)和綠色低碳轉(zhuǎn)型的迫切需求。
前面開展的1.5°C/2°C溫升目標(biāo)下氣候變化預(yù)估的研究工作多基于CMIP5模式試驗(yàn)數(shù)據(jù) (Mitchell et al., 2016; Schleussner et al., 2016;Huang et al., 2017; 徐影等, 2017; King and Karoly,2017; Tian et al., 2017; 翟盤茂等, 2017; 季滌非等,2019; 王 曉 欣 等, 2019; Ullah et al., 2020)。與CMIP5相比較,參加CMIP6的全球模式得到了進(jìn)一步發(fā)展,在模擬試驗(yàn)設(shè)置上考慮的過(guò)程更為復(fù)雜,大部分模式能實(shí)現(xiàn)大氣化學(xué)雙向耦合,模式輸出結(jié)果的分辨率也明顯提高。在未來(lái)情景設(shè)計(jì)中,不僅考慮了未來(lái)輻射強(qiáng)迫的影響還結(jié)合了社會(huì)經(jīng)濟(jì)發(fā)展,提出了5種共享社會(huì)經(jīng)濟(jì)路徑,組成新的預(yù)估情景,又新增了3種新的排放路徑,彌補(bǔ)了CMIP5 典型路徑之間的空白(O’Neill et al., 2016; Stouffer et al.,2017; 張麗霞等, 2019; 周天軍等, 2019; 姜彤等,2020)。上述文獻(xiàn)多限于不同增暖溫升目標(biāo)下全球或者東亞等區(qū)域未來(lái)氣候變化預(yù)估及其影響,對(duì)“一帶一路”主要陸域未來(lái)氣候變化的研究還涉及不多。因此,本文聚焦在“一帶一路”倡議的“六廊六路多國(guó)多港”主體框架所在區(qū)域,采用CMIP6的16個(gè)全球模式歷史試驗(yàn)與SSP2-4.5、SSP3-7.0和SSP5-8.5三種未來(lái)情景試驗(yàn)結(jié)果,集合預(yù)估了1.5°C/2°C溫升目標(biāo)下氣溫與降水未來(lái)變化特征。SSP2-4.5指中度發(fā)展和中度排放情景組合,是一條比較接近于目前社會(huì)發(fā)展?fàn)顩r的中間路徑;SSP3-7.0是區(qū)域競(jìng)爭(zhēng)路徑,指的是局部發(fā)展和高排放情景組合,表示中等至高強(qiáng)迫情景,代表了高社會(huì)脆弱性與相對(duì)高的人為輻射強(qiáng)迫的組合;SSP5-8.5是一條化石燃料為主的發(fā)展路徑,指的是常規(guī)發(fā)展和高排放情景組合,所得到的模擬結(jié)果是未來(lái)全球氣候變化狀況及其可能給人類社會(huì)帶來(lái)最嚴(yán)重的后果與挑戰(zhàn)(Eyring et al., 2016; 張麗霞等, 2019; 周天軍等, 2019; 姜彤等, 2020; 斯思等, 2020)。
地表蒸散通過(guò)影響局地水汽循環(huán)、大氣邊界層、大氣環(huán)流過(guò)程等,進(jìn)而影響降水。前人的研究表明,地表的凈水通量(在海洋上,降水量減去蒸發(fā)量;在陸地上,降水量減去蒸散量)是水循環(huán)的一個(gè)關(guān)鍵方面(Byrne and O’Gorman, 2015),可用來(lái)代表近地表水資源的可利用量和社會(huì)面臨的水資源壓力,從而間接反映由于水資源缺乏等問(wèn)題而引起的生態(tài)系統(tǒng)和人類社會(huì)發(fā)展的問(wèn)題(Koutroulis et al.,2016)。由于本文所關(guān)注的區(qū)域主要是 “一帶一路” 陸上區(qū)域,因此,采用P-E指數(shù)(降水量減去蒸散量)來(lái)對(duì)“一帶一路”主要陸域未來(lái)干旱的空間變化進(jìn)行預(yù)估。
本文所使用的月平均氣溫和降水觀測(cè)格點(diǎn)數(shù)據(jù)來(lái)自于英國(guó)東英吉利大學(xué)氣候變化研究中心提供的Climatic Research Unit (CRU) Version 4.03數(shù)據(jù)集,水平分辨率為0.5°(緯度)×0.5°(經(jīng)度) (Harris et al., 2020)。該數(shù)據(jù)是基于一萬(wàn)多個(gè)全球觀測(cè)站點(diǎn)插值而成的,被廣泛應(yīng)用于全球和區(qū)域氣候變化研究中(趙天保等, 2014; 何金海等, 2016;Ajibola et al., 2020)。本文采用了16個(gè)CMIP6全球模式最新日平均氣溫和降水輸出結(jié)果,包括ACCESS-CM2(Bi et al., 2020)、ACCESS-ESM1-5 (Ziehn et al., 2020)、BCC-CSM2-MR(Wu et al.,2019)、CNRM-CM6-1(Roehrig et al., 2020)、CNRMESM2-1(Séférian et al., 2020)、FGOALS-g3(Bao and Li, 2020)、GFDL-ESM4(Dunne et al., 2020)、INM-CM4-8(Volodin et al., 2018)、INM-CM5-0(Volodin et al., 2017)、MIROC6(Tatebe et al.,2019)、MIROC-ES2L(Hajima et al., 2020)、MPI-ESM1-2-HR(Müller et al., 2018)、MPIESM1-2-LR(Mauritsen et al., 2019)、MRI-ESM2-0 (Yukimoto et al., 2019)、NorESM2-LM (Seland et al., 2020)與NorESM2-MM(Tjiputra et al., 2020),模式詳細(xì)信息如表1所示。模式歷史試驗(yàn)時(shí)期為1850~2014年,未來(lái)SSP2-4.5、SSP3-7.0和SSP5-8.5三個(gè)情景試驗(yàn)時(shí)期為2015~2100年(模式數(shù)據(jù)的下載網(wǎng)址https://esgf-node.llnl.gov/search/cmip6/[2020-12-11])。
表1 16個(gè)CMIP6全球氣候模式概況Table 1 Detailed information of 16-member CMIP6 global climate models
本文所使用的再分析P-E指數(shù),是根據(jù)由歐洲中期天氣預(yù)報(bào)中心(European Centre for Medium Range Weather Forecasts, ECWMF)提供的月平均ERA-5全球近地表降水和蒸散計(jì)算得來(lái)的(月平均ERA-5數(shù)據(jù)集下載網(wǎng)址https://cds.climate.copernicus.eu/cdsapp#!/dataset/reanalysis-era5-pressure-levelsmonthly-means?tab=form[2020-12-11]),時(shí) 間 段 從1995年1月至2014年12月,空間分辨率為0.25°(緯 度)×0.25°(經(jīng) 度)(Hersbach et al.,2019)。由于數(shù)據(jù)的完整性和可用性,本文所用到的CMIP6全球模式蒸散數(shù)據(jù)的歷史和未來(lái)模擬輸出結(jié)果只有13個(gè),即ACCESS-CM2、ACCESSESM1-5、FGOALS-g3、GFDL-ESM4、INM-CM4-8、INM-CM5-0、MIROC6、MIROC-ES2L、MPIESM1-2-HR、 MPI-ESM1-2-LR、 MRI-ESM2-0、NorESM2-LM與NorESM2-MM。
鑒于CMIP6全球模式數(shù)據(jù)的空間分辨率從0.9375°(緯度)×0.9375°(經(jīng)度)到2.8125°(緯度)×2.8125°(經(jīng)度)之間,因此首先將觀測(cè)格點(diǎn)數(shù)據(jù)和模式數(shù)據(jù)均雙線性插值到1°(緯度)×1°(經(jīng)度)的空間格點(diǎn)。接著,基于CRU觀測(cè)格點(diǎn)數(shù)據(jù),利用泰勒?qǐng)D方法(Taylor, 2001)檢驗(yàn)評(píng)估了16個(gè)CMIP6全球模式對(duì)“一帶一路”主要陸域歷史時(shí)期(1995~2014年)氣溫和降水模擬性能。泰勒?qǐng)D方法可以將模式模擬結(jié)果與觀測(cè)的空間相關(guān)系數(shù)、標(biāo)準(zhǔn)差之比以及均方根誤差3個(gè)統(tǒng)計(jì)量同時(shí)在一張圖中顯示,能夠比較直觀和全面的給出模式模擬的評(píng)估結(jié)果與觀測(cè)的差異,反映模式的模擬能力,從而得到廣泛應(yīng)用。
在對(duì)模式模擬能力檢驗(yàn)與評(píng)估基礎(chǔ)上,進(jìn)一步開展了1.5°C/2°C溫升目標(biāo)下“一帶一路”主要陸域氣溫與降水未來(lái)變化預(yù)估。對(duì)各個(gè)模式及多模式集合工業(yè)革命以來(lái)(1850~2100年)全球年平均氣溫相對(duì)于工業(yè)革命前(1850~1900年)的距平序列做了9年滑動(dòng)平均以降低或消除年際變率的影響,進(jìn)而將首個(gè)達(dá)到1.5°C/2°C升溫的年份確定為溫升目標(biāo)年份。最后,將16個(gè)全球模式各自1.5°C/2°C溫升目標(biāo)年份與其前后4年共9年結(jié)果進(jìn)行平均,多模式集合預(yù)估了兩種溫升目標(biāo)下“一帶一路”主要陸域氣溫和降水的變化,以及2°C與1.5°C溫升目標(biāo)下變化的差異。
在多模式集合預(yù)估時(shí),采用統(tǒng)計(jì)t檢驗(yàn)方法對(duì)1.5°C/2°C溫升目標(biāo)下未來(lái)氣溫與降水相對(duì)于工業(yè)革命前差異進(jìn)行信度檢驗(yàn),其統(tǒng)計(jì)量為
對(duì)于未來(lái)預(yù)估的模式間不確定性,采用模式間的標(biāo)準(zhǔn)差表示,
其中,n為模式個(gè)數(shù),這里取16,xi為每個(gè)格點(diǎn)上多模式集合的氣溫和降水多年平均氣候態(tài),為16個(gè)模式在每個(gè)網(wǎng)格點(diǎn)上的平均值。
對(duì)于“一帶一路”主要陸域未來(lái)干旱化的預(yù)估,采取的統(tǒng)計(jì)方法與氣溫和降水預(yù)估的一致,只是基準(zhǔn)時(shí)期采用的是1995~2014年,且多模式集合平均為13個(gè)CMIP6全球模式的平均。
圖1給出了16個(gè)CMIP6全球模式以及多模式集合模擬的“一帶一路”主要陸域1995~2014年氣溫和降水的泰勒?qǐng)D評(píng)估結(jié)果。由圖1a可以看出,16個(gè)CMIP6全球模式對(duì)“一帶一路”主要陸域1995~2014年氣溫的模擬結(jié)果與CRU觀測(cè)格點(diǎn)資料的空間相關(guān)系數(shù)均大于0.9,且各個(gè)模式的結(jié)果較為集中,說(shuō)明16個(gè)CMIP6全球模式均能較好的模擬出“一帶一路”主要陸域1995~2014年氣溫的空間分布特征(圖1a)。對(duì)“一帶一路”主要陸域1995~2014年降水而言,16個(gè)CMIP6全球模式的模擬能力也較強(qiáng),各個(gè)模式的模擬結(jié)果與CRU觀測(cè)格點(diǎn)的空間相關(guān)系數(shù)均在0.78以上,基本上能模擬出“一帶一路”主要陸域1995~2014年降水的空間模態(tài)(圖1b)。
相比于單個(gè)模式,多模式集合模擬的“一帶一路”主要陸域1995~2014年氣溫和降水與CRU觀測(cè)格點(diǎn)的空間相關(guān)系數(shù)要比大多數(shù)模式的高,均超過(guò)了0.94,標(biāo)準(zhǔn)差比也更接近于1,表明多模式集合對(duì)“一帶一路”主要陸域1995~2014年氣溫和降水的模擬能力整體上要優(yōu)于大多數(shù)任何單個(gè)模式的模擬結(jié)果,能更好地重現(xiàn)“一帶一路”主要陸域1995~2014年氣溫和降水的空間結(jié)構(gòu)特征。相比較而言,多模式集合對(duì)“一帶一路”主要陸域1995~2014年氣溫的模擬能力優(yōu)于對(duì)降水的(圖1)。
圖1 相對(duì)于CRU觀測(cè),16個(gè)CMIP6全球模式以及多模式集合(MME)模擬的歷史時(shí)期(1995~2014年)“一帶一路”主要陸域 (a)年平均氣溫和(b)年平均降水的泰勒?qǐng)DFig. 1 Taylor program for (a) the annual surface air temperature and (b) precipitation over major land regions of the Belt and Road Initiative between Multi-Model Ensemble (MME) and CRU observations for the historical period (1995–2014). MME is calculated from 16-member CMIP6 global climate models
基于泰勒?qǐng)D的分析結(jié)果,進(jìn)一步給出了“一帶一路”主要陸域1995~2014年CRU觀測(cè)和多模式集合模擬的氣溫和降水氣候態(tài)及模擬偏差的空間分布。結(jié)果表明,CRU觀測(cè)與多模式集合模擬的氣溫氣候態(tài)的空間分布均表現(xiàn)為除青藏高原除外,氣溫普遍由低緯度向高緯度遞減,呈現(xiàn)出高一致性 (圖2a和2b),最大值出現(xiàn)在撒哈拉沙漠至東非,可達(dá)32°C以上;阿拉伯半島南部地區(qū)、南亞地區(qū)和東南亞地區(qū)的氣溫次之,介于24~32°C之間;最小值位于東北亞和青藏高原地區(qū)。與CRU觀測(cè)比較,多模式集合高估了東北亞、蒙古國(guó)與中亞部分地區(qū)、地中海與黑海地區(qū)以及阿拉伯半島南部地區(qū)的氣溫(圖2c);低估區(qū)主要位于青藏高原地區(qū)(圖2c)。
CRU觀測(cè)的“一帶一路”主要陸域1995~2014年降水氣候態(tài)的空間分布表現(xiàn)出明顯的區(qū)域差異性。最大的降水出現(xiàn)在赤道非洲中部地區(qū)、東南亞的馬來(lái)群島和青藏高原東南部。降水量最少存在于中國(guó)北方與蒙古國(guó)經(jīng)中亞和西亞向西南延伸至非洲撒哈拉沙漠等干旱/半干旱帶地區(qū)(圖2d)。多模式集合能夠較好地再現(xiàn)“一帶一路”主要陸域1995~2014年降水氣候態(tài)的空間模態(tài)(圖2d和2e)。比較而言,多模式集合高估了“一帶一路”主要陸域大部分地區(qū)的降水,尤其是青藏高原東南部的降水高估更為顯著(圖2f)。
圖2 “一帶一路”主要陸域歷史時(shí)期CRU觀測(cè)與多模式集合(MME)模擬的氣溫和降水氣候態(tài)的空間分布及模擬偏差:(a–c)年平均氣溫;(d–f)年平均降水Fig. 2 Spatial distribution of the annual mean surface air temperature and precipitation for CRU observation and MME over the major land regions of the Belt and Road Initiative from 1995 to 2014. The difference between MME and CRU observation: (a–c) Annual surface air temperature; (d–f)annual precipitation. MME is calculated from 16-member CMIP6 global climate models
從“一帶一路”主要陸域1995~2014年氣溫和降水氣候態(tài)的空間平均值可知,多模式集合與CRU觀測(cè)的氣溫值高度一致:CRU觀測(cè)為11.08°C(圖2a),多模式集合為11.11°C(圖2b),相差僅0.03°C(圖2c);就降水而言,多模式集合為733.64 mm/a(圖2e),CRU觀測(cè)為639.14 mm/a (圖2d),二者差異為96.25 mm/a(圖2f)。
與氣溫和降水相似,1995~2014年“一帶一路”主要陸域年平均蒸散的泰勒?qǐng)D分析結(jié)果可知,除ACCESS-ESM1-5和FGOALS-g3模式外,其余11個(gè)CMIP6全球氣候模式模擬結(jié)果與ERA-5的空間相關(guān)系數(shù)均大于0.9;大部分模式的模擬結(jié)果與ERA-5的標(biāo)準(zhǔn)差比大致介于0.9~1.5之間。與單個(gè)模式的模擬結(jié)果相比較,多模式集合平均的模擬結(jié)果與ERA-5的空間相關(guān)系數(shù)最大,約為0.95;而且與ERA5的標(biāo)準(zhǔn)差比也更接近于1(圖3a),表明多模式集合平均對(duì)“一帶一路”主要陸域1995~2014年平均蒸散的空間分布和變化幅度有更好的模擬能力。
P-E指數(shù)的泰勒?qǐng)D分析結(jié)果表明,無(wú)論是單個(gè)模式還是多模式集合平均的模擬結(jié)果與ERA-5的空間相關(guān)系數(shù)均在0.6以上;除FGOALS-g3模式模式外,其余模式的模擬結(jié)果與ERA-5的標(biāo)準(zhǔn)差比大致介于0.5~1.25之間。其中,多模式集合平均的空間相關(guān)系數(shù)最大,大約為0.88(圖3b)。蒸散與P-E指數(shù)評(píng)估相比,多模式集合平均對(duì)年平均蒸散的再現(xiàn)能力總體上優(yōu)于年平均P-E指數(shù)。
圖3 相對(duì)于ERA-5, 13個(gè)CMIP6全球模式以及多模式集合模擬的歷史時(shí)期(1995~2014年)“一帶一路”主要陸域(a)年平均蒸散和 (b)年平均P-E指數(shù)的泰勒?qǐng)DFig. 3 Taylor program for (a) the annual evapotranspiration and (b) P-E index over the major land regions of the Belt and Road Initiative between MME and ERA-5 for the historical period (1995–2014). MME is calculated from 13-member CMIP6 global climate models
進(jìn)一步從空間分布圖可以看出,ERA-5數(shù)據(jù)的1995~2014年或歷史基準(zhǔn)期平均蒸散和P-E指數(shù)與降水的空間分布相似,均表現(xiàn)出明顯的區(qū)域差異性(圖2d和2e、圖4)。ERA-5數(shù)據(jù)和多模式集合平均的模擬結(jié)果具有較高的一致性:最大的年平均蒸散和P-E指數(shù)主要出現(xiàn)在年平均降水量較大的地區(qū),即東南亞地區(qū)、青藏高原南側(cè)地區(qū)、東亞季風(fēng)區(qū)、南亞地區(qū)的東北部以及赤道附近的非洲中部地區(qū)(圖4);這可能是由于多模式集合平均對(duì)該地區(qū)的降水高估導(dǎo)致的(圖2e和2f)。除西歐和中國(guó)華北以及東北地區(qū)外,歐亞大陸中高緯度一帶的年蒸散量和P-E指數(shù)次之;最小的年平均蒸散和P-E指數(shù)從中國(guó)北方與蒙古國(guó)向西南經(jīng)中亞與西亞至非洲撒哈拉大沙漠等亞非干旱/半干旱帶(圖4)。綜上所述,1995~2014年的評(píng)估結(jié)果表明,與觀測(cè)或再分析格點(diǎn)數(shù)據(jù)比較,CMIP6多模式集合能夠較好地抓住“一帶一路”主要陸域1995~2014年氣溫、降水以及干旱化(P-E指數(shù))氣候態(tài)的空間分布特征和區(qū)域平均值。因此,CMIP6多模式集合能夠被用來(lái)進(jìn)一步預(yù)估1.5°C/2°C溫升目標(biāo)下 “一帶一路”主要陸域未來(lái)氣候變化以及干旱化的空間分布特征與關(guān)鍵變化區(qū)。
圖4 1995~2014年“一帶一路”主要陸域(a–b)年平均蒸散和(c–d)年平均P-E指數(shù)平均態(tài)的空間分布Fig. 4 Spatial distribution of ERA-5 observation and MME over the major land regions of the Belt and Road Initiative from 1995 to 2014:(a–b) the annual mean evapotranspiration; (c–d) the annual mean P–E index. MME is calculated from 13-member CMIP6 global climate models
相對(duì)于工業(yè)革命前(1850~1900年),在中度發(fā)展和中度排放情景(SSP2-4.5)下,16個(gè)CMIP6全球模式模擬的全球氣溫達(dá)到1.5°C溫升目標(biāo)的發(fā)生年份主要出現(xiàn)在2019~2044年之間,2°C溫升目標(biāo)發(fā)生在2035~2070年之間;多模式集合模擬結(jié)果表明,1.5°C和2°C溫升目標(biāo)發(fā)生的年份分別為2028年和2044年(圖5a)。局部發(fā)展和高排放情景(SSP3-7.0)下,16個(gè)CMIP6全球模式模擬的全球氣溫達(dá)到1.5°C溫升目標(biāo)發(fā)生的年份與中度發(fā)展和排放情景較為接近,主要在2020~2043年之間發(fā)生;2°C溫升目標(biāo)出現(xiàn)的時(shí)間較中度發(fā)展和排放情景提前,最晚的是NorESM2-LM模式,發(fā)生年份是2062年。多模式集合模擬結(jié)果預(yù)估在SSP3-7.0情景下達(dá)到1.5°C和2°C溫升目標(biāo)的年份是2028年和2043年(圖5b)。在常規(guī)發(fā)展和高排放情景(SSP5-8.5)下,1.5°C和2°C溫升目標(biāo)發(fā)生的年份較SSP2-4.5和SSP3-7.0兩種情景早,16個(gè)CMIP6全球模式主要在2020~2037年發(fā)生升溫1.5°C,在2031~2052年發(fā)生全球升溫2°C;多模式集合預(yù)估將于2025年和2039年達(dá)到1.5°C和2°C溫升目標(biāo)(圖5c)。
圖5 相對(duì)于工業(yè)革命前(1850~1900年),(a)SSP2-4.5、(b)SSP3-7.0和(c)SSP5-8.5情景下16個(gè)CMIP6以及多模式集合模擬的全球達(dá)到1.5°C和2°C升溫的時(shí)間。圖中數(shù)字表示多模式集合模擬的全球1.5°C和2°C升溫發(fā)生的年份Fig. 5 Relative to the preindustrial period (1850–1900), the time of temperature rise targets of 1.5°C and 2°C for 16-member CMIP6 global climate models and MME under (a) SSP2-4.5, (b) SSP3-7.0, and (c) SSP5-8.5. The numbers in the figure represent the years for 1.5°C and 2°C temperature rise targets simulated using MME. MME is calculated from 16-member CMIP6 global climate models
以上1.5~2°C溫升目標(biāo)發(fā)生的年份與前人的研究結(jié)果較為相似,在不同排放情景下,1.5°C升溫主要發(fā)生在21世紀(jì)20年代至30年代中后期之間;達(dá)到2°C升溫的時(shí)間集中于21世紀(jì)40年代至50年代中后期;但在具體的發(fā)生年份上有差異 (Joshi et al., 2011; 姜大膀和富元海, 2012; 胡婷等,2017; 翟盤茂等, 2017; Li et al., 2018; Zhang et al.,2021),比如徐影等(2017)利用18個(gè)CMIP5全球氣候模式計(jì)算得到在RCP4.5中等情景下,全球氣溫在2028年和2048年達(dá)到升溫1.5°C和2°C;在RCP8.5高排放情景下,1.5°C和2°C發(fā)生的年份分別是2024年和2039年。所使用的模式個(gè)數(shù)、工業(yè)革命前期選用的參考時(shí)期以及模式未來(lái)情景設(shè)置等可能是造成本文不同溫升目標(biāo)溫出現(xiàn)年份與前人研究結(jié)果差異的原因。
未來(lái)3種不同情景下,多模式集合預(yù)估1.5°C和2°C溫升目標(biāo)時(shí)“一帶一路”主要陸域氣溫相對(duì)于工業(yè)革命前的空間變化分布表現(xiàn)出高一致性,均表現(xiàn)為顯著的增溫,幅度總體上隨緯度的增加而增加,即高緯度地區(qū)的增溫幅度普遍高于低緯度地區(qū) (圖6)。不管SSP2-4.5,SSP3-7.0還是SSP5-8.5情景,2°C溫升目標(biāo)下“一帶一路”主要陸域未來(lái)氣溫增溫均強(qiáng)于1.5°C溫升目標(biāo)下;全球同一溫升目標(biāo)下,增溫幅度隨著情景的增強(qiáng)也不斷增大。比如,在SSP5-8.5情景下,歐亞大陸高緯地區(qū)在溫升目標(biāo)為2°C時(shí),增溫幅度超過(guò)了3.2°C(圖6f),而在1.5°C溫升目標(biāo)時(shí),增溫幅度普遍在2.1°C以上(圖6c)。3種情景平均而言,在1.5°C/2°C溫升目標(biāo)時(shí),非洲北部地區(qū)、西亞地區(qū)以及歐亞大陸30°N以北地區(qū)(除西歐地區(qū)外)的增溫較快,幅度均高于同期全球升溫幅度;而低緯度的非洲中部地區(qū)、南亞、東南亞以及中國(guó)南部地區(qū)的增溫較慢,幅度低于同期全球升溫(圖6d和圖6h)。
相比于1.5°C溫升目標(biāo),2°C溫升目標(biāo)下,整個(gè)“一帶一路”主要陸域未來(lái)3個(gè)情景下氣溫的增溫幅度均明顯加大(圖6i-6l)。平均來(lái)說(shuō),非洲北部地區(qū)、西亞地區(qū)以及除西歐地區(qū)外,歐亞大陸30°N以北地區(qū)的增溫幅度更大,超過(guò)了0.5°C,尤其是北亞地區(qū)最明顯,增溫幅度超過(guò)1°C;增溫幅度較小的位于南亞、東南亞以及歐洲地區(qū) (圖4l)。
圖6 相對(duì)于工業(yè)革命前(1850~1900年),SSP2-4.5(第一行)、SSP3-7.0(第二行)和SSP5-8.5(第三行)以及三種情景平均(第四行)下,全球升溫1.5°C和2°C時(shí)“一帶一路”主要陸域未來(lái)多年平均氣溫變化的空間分布以及兩種溫升目標(biāo)下的升溫差異:(a-d)全球升溫1.5°C;(e-h)全球升溫2°C;(i-l)2°C 減1.5°C。彩色填色表示多年平均氣溫的變化,斜線表示通過(guò)95%信度檢驗(yàn)Fig. 6 Relative to the preindustrial period (1850–1900), the spatial distribution of the annual mean temperature change associated with the temperature rise targets of 1.5°C and 2°C over the major land regions of the Belt and Road Initiative under SSP2-4.5 (the first row), SSP3-7.0 (the second row), SSP5-8.5 (the third row), and the difference of these two temperature targets in the three scenarios (the fourth row): (a–d) 1.5°C; (e–h) 2°C;(i–l) 2°C minus 1.5°C. The color shadows indicate the change in the annual average temperature and the slash represent these areas exceeding the 95% confidence level
未來(lái)3種不同情景下空間平均的“一帶一路”主要陸域氣溫均為顯著的增溫趨勢(shì),在1.5°C溫升目標(biāo)時(shí),分別為1.82°C、1.81°C和1.88°C;在2°C溫升目標(biāo)時(shí),“一帶一路”主要陸域氣溫的空間平均值增溫幅度進(jìn)一步加大,分別是2.42°C、2.40°C和2.46°C;2°C與1.5°C溫升目標(biāo)差異下, “一帶一路”主要陸域平均增暖0.60°C、0.59°C和0.58°C。3種不同情景平均下,“一帶一路”主要陸域氣溫在1.5°C/2°C溫升目標(biāo)時(shí)增溫1.84°C和2.43°C,均比同期全球平均高出0.3°C/0.4°C;相比于1.5°C溫升目標(biāo),2°C溫升目標(biāo)高出0.59°C(圖7)。
圖7 相對(duì)于工業(yè)革命前(1850~1900年),SSP2-4.5,SSP3-7.0和SSP5-8.5三種情景下,全球升溫1.5°C和2°C時(shí)“一帶一路”主要陸域多年平均氣溫的空間平均值以及2°C與1.5°C升溫空間平均值的差異?!硎緮?shù)值通過(guò)了95%信度檢驗(yàn),誤差條表示±1個(gè)模式Fig. 7 Relative to the preindustrial period (1850–1900), the annual mean temperature change averaged over the major land regions of the Belt and Road Initiative in the temperature rise targets of 1.5°C and 2°C under SSP2-4.5, SSP3-7.0, and SSP5-8.5, and the difference between these two temperature targets in the three scenarios. ▲ indicates that the values exceed the 95% confidence level and the error bar represents ±1 standard deviation between 16-member CMIP6 global climate models
在1.5°C/2°C溫升目標(biāo)時(shí),未來(lái)3種不同情景下“一帶一路”主要陸域氣溫預(yù)估的模式間標(biāo)準(zhǔn)差分別為 0.19°C/0.20°C(SSP2-4.5)、0.18°C/0.19°C(SSP3-7.0)和0.20°C/0.26°C(SSP5-8.5);3個(gè)情景平均而言,模式間標(biāo)準(zhǔn)差分別為0.18°C和0.21°C??梢钥闯觯粶厣繕?biāo)下,在SSP5-8.5情景下模式間不確定性普遍比SSP2-4.5情景下更大。同一未來(lái)情景下,2°C溫升目標(biāo)時(shí)的模式間不確定性比1.5°C溫升目標(biāo)大。
16個(gè)CMIP6多模式集合模擬的未來(lái)3個(gè)不同情景下,“一帶一路”主要陸域在1.5°C和2°C溫升目標(biāo)時(shí)降水相對(duì)于工業(yè)革命前變化的空間分布具有較高相似性,均表現(xiàn)出明顯的空間差異性。未來(lái)3種不同情景平均下,地中海與黑海地區(qū)、中國(guó)南部至中南半島地區(qū)未來(lái)降水普遍呈減少趨勢(shì),其余大部分地區(qū)降水變化為顯著增加(圖8d和圖8h)。與1.5°C相比,2°C溫升目標(biāo)時(shí)地中海與黑海地區(qū)的降水減少幅度更大,表現(xiàn)出“越來(lái)越干”的趨勢(shì);在中國(guó)南部地區(qū)至中南半島地區(qū),雖然2°C與1.5°C溫升目標(biāo)時(shí)降水相對(duì)于工業(yè)革命前顯著減少,但是2°C溫升目標(biāo)時(shí)的減少幅度小于1.5°C溫升目標(biāo),變干程度有所緩解(圖8l)。
圖8 相對(duì)于工業(yè)革命前(1850~1900年),SSP2-4.5(第一行)、SSP3-7.0(第二行)和SSP5-8.5(第三行)以及三種情景平均(第四行)下,全球升溫1.5°C和2°C時(shí)“一帶一路”主要陸域未來(lái)多年平均降水量變化的空間分布以及兩種溫升目標(biāo)下的降水差異:(a-d)全球升溫1.5°C;(e-h)全球升溫2°C;(i-l)2°C減1.5°C。彩色填色表示多年平均降水量的變化,斜線表示通過(guò)95%信度檢驗(yàn)。打點(diǎn)區(qū)域表示通過(guò)90%信度檢驗(yàn)Fig. 8 Relative to the preindustrial period (1850–1900), the spatial distribution of the annual mean precipitation change associated with the temperature rise targets of 1.5°C and 2°C over the major land regions of the Belt and Road Initiative under SSP2-4.5 (the first row), SSP3-7.0 (the second row), SSP5-8.5 (the third row), and the difference between these two temperature targets in the three scenarios (the fourth row): (a–d) 1.5°C;(e–h) 2°C; (i–l) 2°C minus 1.5°C. The color shadows indicate the change in the annual average precipitation and the slash in (a–h) and the dots in (i–l)represent these areas exceeding the 95% and 90% confidence levels, respectively
進(jìn)一步計(jì)算未來(lái)3個(gè)不同情景下,“一帶一路”主要陸域1.5°C和2°C溫升目標(biāo)下降水相對(duì)于工業(yè)革命前的空間平均值,結(jié)果顯示,“一帶一路”主要陸域平均未來(lái)降水表現(xiàn)為顯著增加趨勢(shì),在1.5°C溫升目標(biāo)時(shí),SSP2-4.5、SSP3-7.0和SSP5-8.5情景下分別增加21.33 mm/a、16.27 mm/a和22.82 mm/a;在2°C溫升目標(biāo)時(shí),降水增加幅度進(jìn)一步加大,分別是31.57 mm/a、25.72 mm/a、32.58 mm/a;2°C與1.5°C溫升目標(biāo)比較,“一帶一路”主要陸域未來(lái)降水增加10.47 mm/a,9.45 mm/a和9.76 mm/a(圖9)。平均而言,1.5°C/2°C溫升目標(biāo)下,“一帶一路”主要陸域未來(lái)降水平均增加20.14 mm/a和30.02 mm/a;與1.5°C溫升目標(biāo)比較,2°C溫升目標(biāo)下“一帶一路”主要陸域平均降水增加9.88 mm/a。未來(lái)3個(gè)不同情景下,1.5°C溫升目標(biāo)和2°C溫升目標(biāo)降水變化的模式間標(biāo)準(zhǔn)差分別是10.79 mm/a和13.72 mm/a(SSP2-4.5)、14.02 mm/a和15.93 mm/a(SSP3-7.0)、15.55 mm/a和16.45 mm/a(SSP5-8.5),由此可知,“一帶一路”主要陸域降水未來(lái)預(yù)估的不確定性隨著排放情景和溫升目標(biāo)的增強(qiáng)而增大。
圖9 相對(duì)于工業(yè)革命前(1850~1900年),SSP2-4.5、SSP3-7.0和SSP5-8.5三種情景下,全球升溫1.5°C和2°C時(shí)“一帶一路”主要陸域多年平均降水量的空間平均值以及2°C與1.5°C升溫空間平均值的差異。▲表示數(shù)值通過(guò)了95%信度檢驗(yàn),誤差條表示±1個(gè)模式Fig. 9 Relative to the preindustrial period (1850–1900), the annual mean precipitation change averaged over the major land regions of the Belt and Road Initiative in the temperature rise targets of 1.5°C and 2°C under SSP2-4.5, SSP3-7.0, SSP5-8.5, and the difference between these two temperature targets in the three scenarios. ▲ indicates that the values exceed the 95% confidence level and the error bar represents ±1 standard deviation between 16-member CMIP6 global climate models
相比于1995~2014年,在全球1.5°C和2°C溫升目標(biāo)時(shí),未來(lái)“一帶一路”主要陸域的P-E指數(shù)在3個(gè)不同情景下的預(yù)估均呈現(xiàn)出顯著的減少趨勢(shì);尤其是在年降水量較大的歐洲地區(qū)、中國(guó)南部至中南半島地區(qū)、南亞印度東部地區(qū)、東南亞和赤道非洲中部地區(qū),P-E減少幅度達(dá)到最大(圖10a-10h)。可能是由于這些地區(qū)未來(lái)降水減少,而氣溫的增加導(dǎo)致蒸散也在增大,因此未來(lái)水分的盈虧量為負(fù)數(shù),水資源可利用量將減小,使這些地區(qū)未來(lái)遭受的水資源壓力將增大,從而給自然生態(tài)系統(tǒng)、人類生存和社會(huì)經(jīng)濟(jì)的發(fā)展帶來(lái)了嚴(yán)峻的挑戰(zhàn)和影響,尤其是歐洲和中國(guó)南部地區(qū)和東南亞等經(jīng)濟(jì)發(fā)展活躍、人口較為聚集的地區(qū),水資源短缺所產(chǎn)生的不利影響和災(zāi)害風(fēng)險(xiǎn)將進(jìn)一步加劇。2°C與1.5°C的差異比較表明,P-E指數(shù)增加趨勢(shì)主要位于亞非干旱—半干旱帶,其余大部分地區(qū)的P-E指數(shù)為減少趨勢(shì)(圖10i–10l)。
圖10 相對(duì)于工業(yè)革命前(1850~1900年),SSP2-4.5(第一行)、SSP3-7.0(第二行)和SSP5-8.5(第三行)以及3種情景平均(第四行)下,全球升溫1.5°C和2°C時(shí)“一帶一路”主要陸域未來(lái)多年平均P-E指數(shù)變化的空間分布以及兩種溫升目標(biāo)下的P-E指數(shù)差異: (a–d)全球升溫1.5°C;(e–h)全球升溫2°C;(i–l)2°C減1.5°C。彩色填色表示多年平均P-E指數(shù)的變化,斜線表示通過(guò)95%信度檢驗(yàn)Fig. 10 Relative to the preindustrial period (1850–1900), the spatial distribution of the annual mean P-E index change associated with the temperature rise targets of 1.5°C and 2°C over the major land regions of the Belt and Road Initiative under SSP2-4.5 (the first row), SSP3-7.0 (the second row),SSP5-8.5 (the third row), and the difference between these two temperature targets in the three scenarios (the fourth row): (a–d) 1.5°C; (e–h) 2°C;(i–l) 2°C minus 1.5°C. The color shadows indicate the change in the annual average P-E index and the slash represents these areas exceeding the 95% confidence level
本文采用CRU月平均氣溫與降水觀測(cè)資料,檢驗(yàn)和評(píng)估了16個(gè)CMIP6全球模式最新輸出結(jié)果對(duì)“一帶一路”主要陸域1995~2014年氣溫和降水的模擬能力,進(jìn)而采用多模式集合方法預(yù)估了1.5°C/2°C溫升目標(biāo)下“一帶一路”主要陸域氣溫和降水的變化。最后,也利用ERA-5資料,簡(jiǎn)單分析了CMIP6全球模式對(duì)P-E指數(shù)的評(píng)估與預(yù)估。
由泰勒?qǐng)D分析結(jié)果可知,多模式集合對(duì)“一帶一路”主要陸域1995~2014年平均氣溫和降水的模擬能力整體上優(yōu)于任何單個(gè)模式,能夠比較準(zhǔn)確地刻畫出氣溫和降水以及P-E指數(shù)的空間分布特征。比較而言,模式對(duì)氣溫的模擬能力比降水更好。相對(duì)于工業(yè)革命前,在SSP2-4.5、SSP3-7.0和SSP5-8.5情景下,多模式集合模擬結(jié)果表明1.5°C溫升目標(biāo)發(fā)生的年份分別在2028年,2028年和2025年;2°C溫升目標(biāo)出現(xiàn)的年份分別是2044年、2043年和2039年。
在未來(lái)3種不同情景下,“一帶一路”主要陸域氣溫1.5°C/2°C溫升目標(biāo)時(shí)相對(duì)于工業(yè)革命前的空間變化具有高一致性,整個(gè)陸域均表現(xiàn)為顯著增溫,高緯度地區(qū)的增溫幅度普遍大于低緯度地區(qū)。3種不同情景平均而言,兩種溫升目標(biāo)下,非洲北部地區(qū)、西亞地區(qū)以及歐亞大陸30°N以北地區(qū) (除西歐地區(qū)外)的增溫幅度普遍均超過(guò)了同期全球升溫幅度。尤其是在60°N以北高緯度地區(qū),在1.5°C溫升目標(biāo)下增溫幅度普遍超過(guò)2.1°C;但在2°C溫升目標(biāo)下,增溫幅度甚至超過(guò)3.2°C,比同期全球升溫幅度高出1°C。相比于1.5°C溫升目標(biāo),2°C溫升目標(biāo)下整個(gè)“一帶一路”主要陸域升溫幅度均明顯增大。
無(wú)論是1.5°C溫升目標(biāo)還是2°C溫升目標(biāo)時(shí),未來(lái)3種不同情景下,“一帶一路”主要陸域平均的氣溫均為顯著增暖,增溫幅度均高于同期全球升溫幅度。3種不同情景平均下,1.5°C溫升目標(biāo)時(shí),預(yù)計(jì)“一帶一路”主要陸域平均氣溫將顯著升高1.84°C;2°C溫升目標(biāo)時(shí),增溫幅度更高,為2.43°C。2°C和1.5°C溫升目標(biāo)相比,“一帶一路”主要陸域平均增暖0.59°C。
相對(duì)于工業(yè)革命前,1.5°C/2°C溫升目標(biāo)下,多模式集合預(yù)估的“一帶一路”主要陸域未來(lái)降水變化均具有明顯的區(qū)域差異性:預(yù)計(jì)在地中海和黑海地區(qū)、中國(guó)南部至中南半島地區(qū)的降水將普遍顯著減少,其余大部分地區(qū)的降水將顯著增加。2°C與1.5°C溫升目標(biāo)相比,地中海和黑海地區(qū)的降水減少幅度更大,其余的大部分地區(qū)降水增加幅度更大;在中國(guó)南部至中南半島地區(qū),雖然在2°C與1.5°C溫升目標(biāo)下降水均表現(xiàn)為顯著減少,但與1.5°C相比,2°C溫升目標(biāo)下的變干程度趨緩。
相對(duì)于工業(yè)革命前,1.5°C/2°C溫升目標(biāo)下,未來(lái)三種不同情景“一帶一路”主要陸域平均的降水均為顯著增加。3種不同情景平均而言,1.5°C和2°C溫升目標(biāo)時(shí),“一帶一路”主要陸域平均降水將分別增加20.14 mm/a和30.02 mm/a。比較而言,2°C溫升目標(biāo)時(shí),“一帶一路”主要陸域平均降水較1.5°C溫升目標(biāo)時(shí)增加9.88 mm/a。
相比于1995~2014年,在3個(gè)不同情景下,整個(gè)“一帶一路”主要陸域未來(lái)P-E指數(shù)在全球1.5°C和2°C溫升目標(biāo)時(shí)的預(yù)估均呈現(xiàn)出顯著的減少趨勢(shì);其中,歐洲地區(qū)、中國(guó)南部至中南半島地區(qū)、南亞印度東部地區(qū)、東南亞和赤道非洲中部地區(qū)的減少幅度最大。相比于1.5°C,亞非干旱-半干旱帶未來(lái)P-E指數(shù)在2°C溫升目標(biāo)下將增大,氣候?qū)⒆儩駶?rùn),其余大部分地區(qū)的P-E指數(shù)將呈現(xiàn)減小趨勢(shì)。