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.吉林省氣象科學研究所，吉林長春 130062；2.長白山氣象與氣候變化吉林省重點實驗室，吉林長春 130062；3.吉林省氣象局，吉林長春 130062）

1 引言

在全球變暖背景下， 極端氣候事件的強度和頻率不斷增強，更具有突發性，對人類社會經濟的發展和生態環境造成了更為深遠的影響[1-3]，極端氣候事件的預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， 對全球氣候變化的敏感性更高[5-6]。 國內外研究表明，平均最低氣溫在中國普遍呈上升趨勢， 中國大陸地區霜凍日數和結冰日數明顯減少，減少顯著的區域集中在北方[7-9]。Karl 等[10]研究北半球3 個主要國家的資料指出最低溫度上升的事實， 并指出這種變化趨勢和溫室氣體的排放有關。Cooter 等[11]的研究結果表明霜凍日數在過去幾十年呈現出減少的趨勢。 雖然極端低溫事件頻次呈減少趨勢，但仍具有偶發性、破壞力極強的特點， 對社會經濟發展和公共設施安全的威脅十分嚴重，尤其是對于農業來說，對霜凍期和結冰期的持續時間有著深遠的影響。

利用多模式集合對極端低溫事件進行預估，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生命、生產、生活、生態所帶來的風險影響。近年來，氣候災害的風險評價在國內取得了一定進展。王安乾等[12]研究了全球升溫1.5 ℃和2 ℃情景下中國極端低溫事件變化對耕地暴露度的影響。 尹占娥等[13]基于歷史高溫觀測數據，利用概率分布方法計算了不同重現期的高溫情景，實現了不同重現期下的高溫危險性評估。

吉林省地理位置偏高，整年易受冷渦的影響，氣候寒冷、冬季持續時間長，更易導致極端低溫發生。 但目前極端低溫事件對社會經濟影響的研究大部分仍然是基于過去的低溫事實， 未來極端低溫事件的影響研究較少。 預估未來時段吉林省極端低溫事件的發生發展變化， 對低溫事件影響區域和人口暴露風險進行定量評估， 對提高應對氣候變化能力， 做好低溫災害風險防范具有重要意義。

2 資料和方法

2.1 資料

采用跨行業影響模式國際比較計劃（The Inter-Sectoral Impact Model Intercomparison Project，ISIMIP） 第3 階段中的5 個CMIP6 全球氣候模式數據（GFDL-ESM4、IPSL-CM6A-LR、MPI-ESM1-2-HR、MRI-ESM2-0 和UKESM1-0-LL）， 模式的結果已經過偏差訂正和統計降尺度， 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

對某一格點上基準期（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量有限， 為增加樣本分布的穩定性， 采用某日及前后間隔5 d 的5 個數據作為樣本，并以此計算極端低溫的閾值[14]。 當某格點某日最低氣溫低于對應的閾值， 則認為該點在該日發生了極端低溫， 而空間上連續發生極端低溫的格點組成的區域則為一次極端低溫事件。 由于東北地區氣候寒冷， 冬季持續時間長， 本研究將當年11 月至次年3 月作為該年冬季。

2.2.2 建立反應極端低溫事件的指標

區域性極端低溫事件是發生在連續面積上具有一定持續時間的低于極端低溫閾值的過程。 當某日出現最低氣溫低于閾值的格點數超過吉林省總格點數的10%時， 則定義為該日發生了一次區域性極端低溫事件。 對于區域持續性極端低溫事件，主要建立3 個指標，即低溫強度、低溫面積與持續時間。低溫強度為峰值日（出現極端低溫的格點最多日）極端低溫的平均值（絕對值），低溫面積是指此次極端低溫事件所覆蓋的最大連續面積，持續時間為該區域內最低氣溫連續低于相應極端低溫閾值的時段。 極端低溫事件發生頻次為該區域在研究時段內發生極端低溫事件的次數。

2.2.3 未來時段極端低溫事件預估方法

采用多模式等權重集合方法， 對未來情景為高排放情景下（SSP5-8.5）升溫1.5 ℃和2 ℃時吉林省冬季極端低溫事件進行預估。

2.2.4 極端低溫下的人口暴露度定義與定量評估方法

極端低溫下的人口變化受極端低溫日數和人口數量變化的影響， 將年均低溫日數與年均人口數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（低溫日數變化， 人口數量不變）影響、人口因子（低溫日數不變，人口數量變化）影響、人口和氣候因子（低溫日數和人口數量均變化）共同影響。 可表示為：

式中，x、y 分別為極端低溫日數和人口數量；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率計算方法如下：

3 全球升溫到1.5 ℃和2 ℃的時間

根據ISIMIP 計算的不同排放情景下各模式模擬全球氣溫的時間變化結果可以發現， 相比于工業革命前期（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迫等級升高而升高 （SSP5-8.5＞SSP3-7.0＞SSP1-2.6），SSP5-8.5、SSP3-7.0 情景下全球升溫在21 世紀中葉前到達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年到達升溫1.5 ℃水平，GFDL-ESM4 模式為2039年到達；IPSL-CM6A-LR 模式和UKESM1-0-LL模式將在2031 年到達升溫2 ℃水平，GFDLESM4 模式將在2053 年到達； 各模式到達3 ℃升溫水平的時間分別為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 年作為計算全球升溫1.5 ℃和2 ℃的極端低溫事件的時間段。

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

4.2 吉林省區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域性極端低溫事件年均頻次變化。 基準期總體極端低溫事件年均頻次約3.9 次，全球升溫1.5 ℃時極端低溫事件頻次預計下降約5%，繼續再升溫0.5 ℃時頻次下降約13%。 持續3～5 d 極端低溫事件在基準期年均頻次約為3 次，全球升溫1.5 ℃和2 ℃時，相對于基準期分別增加約13%和5%。持續6～9 d 極端低溫事件年均頻次在當前氣候約為0.3 次， 全球升溫1.5 ℃和2 ℃時，分別減少67%和83%左右。 基準期持續9 d 以上極端低溫事件的年均頻次約0.33次， 當全球升溫1.5 ℃時， 相對于基準期減少約85%；全球升溫2 ℃時，極端低溫事件頻次僅為基準期的6%左右。

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

4.3 吉林省區域性極端低溫事件影響面積的變化

全球升溫1.5 ℃和2 ℃時，吉林省冬季區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期平均影響面積約4.75×104km2；升溫1.5 ℃時，影響面積下降約37%；升溫2 ℃時，影響面積下降約41%。 持續3～5 d 的極端低溫事件，基準期影響面積約4.7×104km2；升溫1.5 ℃和2 ℃時，影響面積下降幅度與總體事件基本一致?；鶞势诔掷m6～9 d 極端低溫事件影響面積約1.23×104km2； 升溫1.5 ℃時， 影響面積下降約76%； 升溫2 ℃時比升溫1.5 ℃的狀況下降約16%。 持續9 d 以上極端低溫事件在當前氣候的影響面積約0.86×104km2；升溫1.5 ℃時，影響面積下降約85%，升溫2 ℃時，影響面積則比升溫1.5 ℃時下降約11%。

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

4.4 吉林省區域性極端低溫事件平均強度的變化

總體事件在基準期極端低溫事件平均強度為23 ℃；升溫1.5 ℃時，強度上升約13%；升溫2 ℃時上升約9%。 當前氣候下，持續3～5 d 事件平均強度為21.5 ℃；升溫1.5 ℃和2 ℃時，事件強度分別上升約23%和21%。 持續6～9 d 事件基準期平均強度顯著減小，為6.7 ℃；升溫1.5 ℃和2 ℃時，強度分別下降約64%和82%。 持續9 d 以上低溫事件平均強度為6.5 ℃；升溫1.5 ℃時，強度下降約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估

為了研究極端低溫事件對未來吉林省人口變化的影響，分別計算了全球升溫1.5 ℃和2 ℃時段吉林省極端低溫事件下的人口暴露度相對于基準期的變化。未來情景下，吉林省大部分地區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。 與基準期時段相比，升溫1.5 ℃時，中部地區人口暴露度變化幅度較明顯，長春、吉林大部分地區為明顯增多，最大增幅超過10×106人·d。 西部地區、東部大部分地區人口暴露度為-2×106～2×106人·d。與升溫1.5 ℃時段相比， 升溫2 ℃全省大部分地區人口暴露度增幅有所減弱，人口暴露度減少區域有所增加。

進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吉林省人口暴露度的貢獻率（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， 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， 人口因子對人口暴露度變化貢獻率達57.9%；升溫2 ℃時，貢獻率增加至62.1%；氣候因子對人口暴露度影響在未來不同時段逐漸減弱，貢獻率由18.6%逐漸減弱到11.4%。 升溫1.5 ℃時，氣候因子對東部山區影響較強，對西部地區影響較弱；在未來不同時段，氣候因子對中部、東部地區的影響逐漸減弱。

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

6 結語

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， 定量評估了低溫事件對人口暴露度影響，初步實現了吉林省低溫災害人口風險評價，為低溫災害風險定量化研究做出了探索。

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

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

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

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

（5）未來時段，吉林省大部分地區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，其次受氣候因子影響。 與基準期時段相比，升溫1.5 ℃時，中部地區人口暴露度變化幅度較明顯，長春、吉林大部分地區為明顯增多；升溫2 ℃全省大部分地區人口暴露度增幅有所減弱，人口暴露度減少區域有所增加。