CMIP6模式模擬的人類活動和自然強迫對全球地表氣溫多尺度變化的影響

徐川,趙天保,張京朋,陶麗

1 南京信息工程大學大氣科學學院,南京 210044 2 中國科學院東亞區域氣候-環境重點實驗室,北京 100029 3 西北農林科技大學資源環境學院,陜西楊凌 712100

0 引言

最新的政府間氣候變化專門委員會(Intergovernmental Panel on Climate Change,IPCC)第六次評估報告(AR6)明確指出,目前地球的平均氣溫相較于工業革命前已經上升1.1 ℃,其中1970年以來的全球地表的增溫速率是過去2000年中最快的.現今的全球增溫主要歸因于人類燃燒化石燃料造成的溫室氣體的排放,僅有不到0.1 ℃的增溫可歸咎于火山爆發或太陽活動等自然外強迫(IPCC,2021).人類活動引起的氣候急劇變化已對經濟社會可持續發展以及生態和水資源安全構成了嚴重威脅,是目前亟待解決的環境問題之一(符淙斌和溫剛,2002; Williams et al.,2015).氣候變暖對全球生態環境造成的顯著影響包括:全球平均氣溫迅速上升、冰蓋加速融化、海平面顯著上升以及臺風變強等.此外,人類活動加劇了全球相當多區域的極端天氣氣候事件(如高溫熱浪、特大暴雨、干旱和熱帶風暴)的發生頻率和強度(McCarty,2001; Walther et al.,2002; Yamaguchi et al.,2020).

近年來,隨著觀測資料的改進、模式發展的完善和歸因方法的日益成熟,極大地推動了氣候變化檢測歸因研究的開展,特別是對極端氣溫變化歸因研究取得了重要進展(Jones and Moberg,2003; 王紹武等,2012; 孫穎等,2013; Canty et al.,2013; 胡婷和胡永云,2014; Sun et al.,2014; Stern and Kaufmann,2014; 李春香等,2014; Li et al.,2017; Wang et al.,2018; Zhai et al.,2018; Qian and Zhang,2019).Canty 等(2013)運用能量平衡模式研究指出自19世紀80年代以來,人類活動對全球平均氣溫的上升起到了重要作用; Stern和Kaufmann(2014)運用格蘭杰因果分析法也證明了人類活動是導致全球升溫的部分原因; 基于第五次國際耦合模式比較計劃(Coupled Model Intercomparison Project 5,CMIP5)多模式歸因試驗,Sun 等(2014)發現,僅用自然因子強迫無法模擬出1980年后中國東部區域氣溫的變化,而在人類活動和自然因子共同作用下才能較好地模擬出該區域平均氣溫的變化; Li等(2017)的研究結果表明,自然外強迫和人類活動的貢獻約可解釋1946—2005年全球平均增溫的95%以上; Wang 等(2018)研究發現中國西部地區年平均溫度的上升極高概率是由于人類活動造成的.已有的研究也表明,除了具有顯著的增暖趨勢外,近百年全球氣溫的長期變化還呈現出一定的年代際振蕩特征,具體表現為兩個增暖階段(1900—1940年和1970—1990年)和兩個增暖停滯階段(1940—1970年和2000—2014年)(Knight et al.,2009; Li et al.,2013).很多學者認為全球氣溫的這種年代際振蕩與氣候系統內部變率(太平洋年代際振蕩信號和大西洋年代際振蕩信號)有關(Kosak and Xie,2013; Chen and Tung,2014; England et al.,2014; Medhaug et al.,2017).Kosaka和Xie(2013)利用赤道東太平洋海溫異常的偏耦合(pacemaker)試驗,再現了21世紀初全球增溫趨勢減緩的特征,認為增暖停滯主要與赤道中東太平洋年代際變冷密切相關; Chen和Tung(2014)則指出,在全球增暖停滯階段,北大西洋海洋深處儲存了絕大部分熱量,從而使得全球增暖放緩.

氣候系統模式是目前用于全球和區域尺度氣候變化檢測歸因的重要研究工具(Taylor et al.,2012; 姜大膀和田芝平,2013; Chen et al.,2014; Zhou et al.,2018; Gillett et al.,2021).世界氣候研究計劃(World Climate Research Programme,WCRP)耦合模擬工作組組織實施的第6次國際耦合模式比較計劃(Coupled Model Intercomparison Project 6,CMIP6)代表了目前氣候模式模擬和預測的最高水平,參與模式眾多,試驗方法設計科學,且為IPCC-AR6 提供了龐大的科學數據支撐(Eyring et al.,2016; 周天軍等,2019).歷史氣候檢測歸因模式比較計劃(Detection and Attribution Model Intercomparison Project,DAMIP)是CMIP6 中一項重要子計劃,旨在促進更好地估計觀測的全球和區域尺度氣候變化中人為和自然強迫變化的貢獻(Eyring et al.,2016; Gillett et al.,2016).DAMIP計劃專門設計了不同單因子強迫試驗(如僅包含自然強迫(NAT),或充分混合的溫室氣體強迫(GHG)或人為氣溶膠強迫(AA)等歷史氣候模擬試驗),從而有利于更準確地估計單強迫因子的氣候影響(Eyring et al.,2016).這為解決“氣候變化在多大程度上是由人類活動引起的”這一科學問題提供了重要研究基礎,從而有利于更好地估計全球變暖中人為和自然強迫的貢獻(孫穎等,2013).與CMIP5相比,CMIP6的DAMIP計劃還設計了單獨強迫影響下的未來模擬試驗,以便更好地開展觀測約束下的多模式集合未來預估研究(Gillett et al.,2016; 錢誠和張文霞,2019).魏萌等(2021)利用28個CMIP6模式,指出合理模擬全球增暖減緩現象的模擬能力在于模式能夠正確模擬溫度長期增暖趨勢和氣候系統的年際、年代際、多年代際這三個尺度的自然變率; Gillet 等(2021)用最新的CMIP6數據研究表明,GHG約使全球陸地升溫1.2～1.9 ℃,AA使得陸地降溫0.1～0.7 ℃,而自然外強迫作用則并不顯著.

目前,利用CMIP6歸因試驗對全球氣溫變化的檢測歸因研究已經取得了很多重要進展,但這些研究所用的模式資料較少或研究的時間尺度較短,且大多關注的是人類活動對全球增暖趨勢或極端氣溫變化趨勢以及變率的影響,但對人類活動影響氣溫多尺度變化,尤其是年代際和多年代際變率的相關研究卻很少涉及.因此,本文將在以往研究基礎上,利用CMIP6中所有的DAMIP模擬結果,采用目前國際上廣泛使用的指紋法和最優指紋法(Sun et al.,2014; Li et al.,2016; Santer et al.,2011; Marvel et al.,2019),來進一步檢測人為排放的溫室氣體、氣溶膠和大尺度土地利用對近百年來全球氣溫多尺度變化趨勢的影響,量化人為和自然因素外強迫信號對氣溫年代際和多年代際變化的調制作用,以期為氣溫多尺度氣候變化的預測預估提供一些科學依據.

1 資料與方法

1.1 資料

本文所用觀測資料是英國東吉利大學氣候研究中心(CRU)發布的最新版本的月平均氣溫資料(TS-4.04; https:∥data.ceda.ac.uk/badc/cru/data/cru_ts),空間分辨率為0.5°×0.5°.數值模擬數據選取的是19個CMIP6多模式結果(https:∥esgf-node.llnl.gov/projects/cmip6/).每個模式主要包括1組歷史氣候試驗結果和4組檢測歸因試驗結果:(1)歷史氣候模擬試驗(ALL)是包括了所有外強迫因子,綜合考慮了溫室氣體排放、氣溶膠排放和土地利用等所有人類活動以及火山爆發和太陽輻射等自然外強迫因子的相互作用; (2)僅考慮人類排放溫室氣體歷史氣候模擬試驗(GHG);(3)僅考慮由于人類活動引起氣溶膠變化的歷史氣候模擬試驗(AA);(4)僅考慮了火山爆發和太陽輻射自然因子強迫歷史試驗(NAT);(5)不考慮土地利用的強迫歷史試驗(NOLU).模式其他相關信息詳見表1.另外,鑒于工業革命前的觀測資料或代用資料具有很強的不準確性,本文還選取了42組工業革命前控制試驗(PiControl)的數據來估算氣候系統的內部變率.本文研究時段為1915—2014年,并且分成1915—1964年與1965—2014年兩個不同時段進行對比研究.

表1 CMIP6耦合模式的基本信息

1.2 方法

1.2.1 歸因方法

本文采用最優指紋法(Optimal Fingerprinting)量化了不同外強迫因子在氣溫長期變化中的相對貢獻,采用指紋法(Fingerprint)檢測了不同外強迫因子顯著影響氣溫長期變化的時間尺度.最優指紋法是一種增強人為氣候變化信號、排除低頻自然變率噪聲干擾的統計檢驗方法,是目前廣泛應用于氣候變化檢測歸因研究的先進技術(Sun et al.,2014; Li et al.,2016; Zhao et al.,2016; Qiao et al.,2022).該方法是假定觀測的氣候變化是各個外強迫因子和內部變率線性疊加的結果,由多元線性回歸模式表示為

(1)

其中y為經過濾波處理的觀測資料,X代表各個不同的外強迫模態,α代表對應外強迫模態的縮放因子/尺度因子,β代表氣候的內部變率.本文采用CMIP6工業革命前的控制試驗來估算氣候系統的內部變率,并利用Monte Carlo方法進行殘差一致性檢驗(Allen and Stott,2003).若某個信號的尺度因子大于0,且其置信區間不包括0,認為該信號可在觀測事實中被檢測到; 若某個信號的尺度因子大于0,且其置信區間不包括0但包括1,則認為該信號不僅能在觀測事實中被檢測到,且可歸因為該信號影響的結果.

指紋法是另一種廣泛運用到氣候變化的檢測歸因研究中的信號檢測方法(Santer et al.,2011; Marvel et al.,2019),該方法主要包括以下三個步驟:

(1) 指紋(Fingerprint):將多模式集合平均結果進行經驗正交分解得到的主模態(一般為第一模態)稱之為指紋.該模態是極大減弱了與內部變率相關的噪音信號而凸顯出與外強迫相關的最主要的特征模態.

(2) 信號(signal):首先將觀測資料或者模式資料采用公式(2)投影到指紋上得到序列P1(t):

P1(t)=∑θ,φO(θ,φ)F(θ,φ)W(θ,φ),

(2)

其中θ代表緯度,φ代表緯度,O(θ,φ)代表觀測或者模式數據,F(θ,φ)代表指紋,W(θ,φ)是權重系數.

設定窗口長度為L年(L=10,11,…,100),固定起始時間(本文設定的起始時間為1915年),P1(t)在這L年的趨勢為信號S(L).

(3) 噪音(noise):為了檢驗信號是否顯著,將控制試驗資料(PiControl)投影到指紋上,得到序列P2(t)設定窗口長度為L年,通過滑動窗口,可得到序列P2在不同窗口下的趨勢,定義這些趨勢的標準差為噪音N(L).當信噪比(S(L)/N(L))大于0.95、1.64、1.96、2.57視為超過66%、90%、95%、99%的信度檢驗(IPCC定義).

1.2.2 多時間尺度信號的分離

為了提取觀測氣溫變化中內部變率的信號,本文采用了多模式集合去外強迫方法(Dai et al.,2015; Qin et al.,2020).該方法是將全強迫歷史模擬試驗(ALL)多模式集合平均的結果點對點回歸到觀測序列上,再從觀測信息減去其回歸結果,將所得殘差項視為內部變率的影響信號.

集合經驗模態分解(Ensemble Empirical Mode Decomposition,EEMD)是一種提取多時間尺度非線性氣候變化信號分析方法(Huang and Wu,2008),該方法能將原始數據分解成由高頻到低頻排序的多個時間序列,也稱為本征模態函數(intrinsic mode function,IMF),分解后的IMF加和能接近原始序列(可忽略的誤差范圍),目前也廣泛應用于氣候變化的歸因研究中(Qian et al.,2010; 李春香等,2014; Zuo et al.,2018; Wei and Qiao,2017).本文利用EEMD方法對全球及南北半球的年平均氣溫異常時間序列進行分解,得到不同時間尺度的本征模態函數(intrinsic mode function,IMF)和殘余項(R),其中IMF1和IMF2是年際信號,IMF3是年代際信號,IMF4和IMF5是多年代際信號,本文將IMF4與IMF5相加作為氣溫異常的多年代際信號.

1.2.3 極端事件概率信噪比的估算

本文利用概率比(Probability Ratio,PR)(Fischer and Knutti,2015; Chiang et al.,2021)來定量評估人類活動對極端暖(冷)事件發生頻率的影響,可表達為

PR=P1/P0,

(3)

其中P0為僅在自然外強迫因素下極端暖(冷)事件發生的概率,P1為在人類活動強迫(觀測)下極端暖(冷)事件發生的概率.極端暖事件定義為超過氣溫距平序列中95%分位數的樣本數,而極端冷事件則定義為小于5%分位數的樣本量.

1.3 資料處理

首先對同一模式下所有的成員進行等權重算術平均,然后再用同樣的方法對不同模式的集合結果進行多模式集合.這樣處理可以有效消除因為某個試驗成員數過多而影響整個多模式集合平均效果造成的誤差.由于模式資料的分辨率各不相同,為了便于比較,本文采取雙線性插值方法把觀測和模式資料均插值到2.5°×2.5°的經緯度網格上.由于最優指紋法需要在一個較小的時空維度使用,因此在進行歸因分析中把數據空間分辨率放大到5°×5°,然后對數據進行5年非重疊平均.在用指紋法歸因分析中,我們僅采用每個控制試驗的最后200年的數據來計算噪音,目的是為了消除個別模式控制試驗時間序列太長而影響信噪比的可信度.

除了關注全球尺度外,本文還分別選取了南北半球進行對比分析,檢測和估算氣溫長期變化中人類活動和自然因素等外強迫的相對貢獻及其南北半球區域差異.

2 結果與分析

2.1 人類活動和自然強迫的檢測歸因

圖1給出的是基于CMIP6不同外強迫下1965—2014年與1915—1964年兩個時段平均氣溫差異的空間分布.可以看到,GHG和AA以及NAT等單因子的強迫結果在多模式間有很好的一致性(圖1a,1b,1e),而LU的影響在模式間差異很大(圖1c).GHG引起全球地表的增溫幅度約為0.3～1.9 ℃,其中北半球中高緯度的增幅超過了2.0 ℃ (圖1a);AA引起全球地表氣溫的降溫幅度約為0.1～1.0 ℃,降溫的大值區位于地中海沿岸、亞歐大陸西北側以及中國華南地區(圖1b); LU (ALL-NOLU)的影響具有很強的地域差異性,在全球大多數區域引起約0.1 ℃降溫作用(圖1c).綜合GHG,AA和LU的作用(GHG+AA+LU),可以看到,人類活動(ANT=GHG+AA+LU)引起全球地表變暖增幅約為0.2～1.3 ℃,但在中國華南部則是約0.2 ℃降溫效應(圖1d).NAT強迫引起全球陸地降溫0.1～0.2 ℃,但變冷幅度遠小于AA的影響(圖1e).除中國華南地區,所有外強迫的作用使全球地表氣溫增溫約為0.2～2.0 ℃(圖1f).雖然有些局部區域得到的結果和觀測相反,有可能是全球尺度模式對一些小范圍局部區域的模擬效果的不確定性較大引起的,從全球尺度上來看,但ALL總體結果與觀測事實還是較為接近的(圖1g),空間分布型態的相關系數可達0.7以上.值得注意的是,中國華南部降溫變化主要是因為近五十年來AA降溫作用明顯,這與Qiao等(2022)的結論一致.總體而言,人類活動影響所帶來的升溫強度遠大于自然外強迫的降溫效應,特別是在北半球高緯度地區更為明顯.CMIP6多模式模擬的人類活動對全球地表氣溫的影響強度及其空間分布特征與CMIP5多模式結果類似(李春香等,2014; Li et al.,2017).

圖1 不同外強迫下1965—2014年全球地表氣溫與1915—1964年的差值(℃)分布

圖2給出了全球及南北半球年平均氣溫距平時間序列及其多模式間氣溫異常標準差的箱型圖.可以看到,全球和南北半球氣溫變化對不同外強迫因子的響應基本一致,人類活動是改變1970年代以來地表氣溫變化趨勢的主導因子,而自然外強迫的影響則非常小.與圖1結果一致,GHG、AA分別起顯著升溫和降溫作用,且GHG作用遠大于AA(圖2a,2c,2e);人為和自然因素外強迫共同作用(ALL)可解釋近百年全球陸地平均氣溫變化的77%(r2=0.77),而GHG、AA、NAT則分別可解釋歷史觀測結果83%(r2=0.83)、42%(r2=0.42)和0.3%(r2=0.003).全球尺度上多模式結果的差異較小,大多數模擬結果的標準差均分布在較小的范圍內,多模式全強迫模擬結果(ALL)的中位數與觀測結果(Obs)基本重合(圖2b);從南北半球來看,多模式全強迫模擬結果與北半球區域觀測氣溫變化的相關性最高(r=0.81)(圖2c),在所有單因子強迫試驗中GHG多模式結果的離散度最小,表明不同模式對GHG強迫的響應具有更好的一致性(圖2b,2d,2f).

圖2 全球和不同區域年平均氣溫異常時間序列圖(a)和各個模式氣溫異常標準差的箱型圖(b)

為了檢測人類活動影響不同區域氣溫變化的時間尺度,本文使用指紋法通過信噪比隨著時間變化的特征對不同人為因素和自然外強迫因素顯著影響氣溫變化的起始時間及其區域差異進行了檢測和對比分析.圖3給出的是全球(GL)、北半球(NH)以及南半球(SH)信噪比的時間序列.可以看到,無論全球還是南北半球,NAT和LU信噪比在整個百年間都無法被檢測到,而AA和GHG的信噪比則在20世紀60至80年代中期能被檢測到.AA的顯著影響從20世紀90年代開始保持在一個相對穩定的水平,而GHG顯著影響在所有區域均呈逐漸上升狀態(圖3a—3c).在北半球,AA和GHG這兩個因子顯著影響信號在被檢測到的時間與全球類似,都是AA(1967年左右)先于GHG(1975年左右)被檢測到,而南半球則相反,GHG被檢測到時間要早于AA.

圖3 不同外強迫因子信噪比的時間序列

為了進一步量化人為和自然因素強迫對近百年全球及南北半球氣候長期趨勢的相對貢獻,本文采用最優指紋法開展了檢測歸因研究.圖4給出的是尺度因子及其對應的5%～95%信度區間,表2則是經過尺度因子訂正后各個強迫信號引起的氣溫變化趨勢(氣溫變化趨勢是由該時段內各外強迫試驗中的氣溫變化乘以相應的尺度因子得到.Zhao et al.,2016).從人為和自然外強迫雙因子歸因分析中可以看到,人類活動的影響信號無論在全球還是在南北半球的觀測事實中都可被顯著檢測到,而自然外強迫的作用則都無法檢測到(圖4a).人類活動的尺度因子置信區間均包含1,表明過去百年氣溫的長期變化可歸因為人類活動的影響(圖4a).人類活動所引起的全球陸地氣溫增溫幅度約為1.10 ℃(0.6～1.6 ℃),其中溫室氣體的增溫效應約為0.8～2.0 ℃,而氣溶膠的降溫效應約為0.4～1.1 ℃,大尺度土地利用的貢獻為-0.1～0.04 ℃(圖4b和表2),其中人類活動對北半球貢獻約為1.16 ℃,而在南半球引起的增溫約為0.96 ℃.進一步對GHG、AA、LU與NAT四因子的影響進行統計檢測(圖4c,d和表2),結果表明,GHG的顯著增溫效應在全球和北半球區域均可被檢測到,其對全球陸地增溫的貢獻約為1.6 ℃,在北半球貢獻約為1.64 ℃,而對南半球的貢獻沒有通過檢驗;AA影響信號同樣在全球和北半球能被顯著檢測到,其降溫效應分別為0.56和0.60 ℃;與圖3的結果一致,LU和NAT的影響信號在全球及南北半球均未被檢測到.

圖4 雙因子(a)和四因子(c)強迫試驗在不同區域的尺度因子及其90%信度區間,(b,d) 用響應尺度因子訂正后的1915—2014年氣溫趨勢(單位:℃/100a)

表2 尺度因子訂正后的1915—2014年氣溫變化趨勢(單位:℃/100a)

2.2 對年代際-多年代際氣候變化的影響

氣溫變化對不同外強迫因子的響應是可以線性疊加的,因此可以定量估算不同驅動因子相對貢獻隨時間的演變特征.圖5是根據Zhao等(2016)的方法,估算了不同外強迫因子在百年來全球以及區域平均地表氣溫變化中的相對貢獻.可以看到,不同外強迫因子的貢獻也呈現一定的多年代際變化特征; 毋庸置疑,GHG的影響強度是所有外強迫因子中最大的,除了1960—1970年代的貢獻較小(20%～30%)外,其他時段的貢獻都在約30%～60%之間,而2000年以后的貢獻則超過了60%(圖5a,5c,5e);自1914年以來AA影響幅度在10%～30%之間,其中在1970—1995年期間的影響強度最大,尤其是北半球的貢獻可達30%左右,之后又逐漸減小(圖5c);LU在全球尺度上的貢獻約在5%～10%,在南半球貢獻略強于北半球,其中在 1950—1980年代期間的貢獻接近10%(圖5e);與人為因素相比,NAT影響強度基本不超過10%,呈現出先增加后減小的變化特征(圖5a,5c,5e).如果將所有人類活動的影響綜合起來,人為因素(ANT)對全球氣候變化的貢獻在50%～90%之間變化(圖5b).同時可以看到,由于不同人為因素影響之間的相互作用(如GHG的增溫效用和AA的降溫效應相互抵消),ANT影響要略小于單獨考慮GHG、AA、LU這三個因子的總和(GHG+AA+LU)(圖5b,5d,5f).

圖5 百年來各外強迫因子引起的地表溫度變化與觀測的比值(%)

為了檢測人為和自然外強迫因素對全球及南北半球氣溫長期變化的影響,本文采用Dai et al.(2015)的方法,將ALL試驗多模式集合平均結果看作是外強迫信號(EX),然后用EX信號來回歸觀測信息(Obs),再從Obs中減去回歸結果,將殘差看作是內部變率(IV)信號.通過這種方法首先將Obs中的外強迫信號(EX)與內部變率信號(IV)進行分離,然后應用集合經驗模分解(EEMD)方法對Obs、IV和EX信號進行分解,提取其年代際和多年代際異常信號,進一步檢驗EX對全球氣溫多時間尺度變化的調制作用.圖6給出的是全球及其南北半球區域EX和IV與觀測信息不同時間尺度的序列及對應的相關系數.從百年尺度(1915—2014年)來看,EX的能夠解釋Obs長期變化的方差約為69%～88%,而IV所解釋的方差約為21%～56%; 從前(1915—1964年)后(1965—2014年)兩個時段對比來看,外強迫因素能解釋近50年觀測事實方差變化的72%～98%,遠高于前50年的方差貢獻(～27%以內),特別是北半球區域最為顯著(圖6b).這進一步表明,人為因素是1970年代以來全球氣溫變化的主要貢獻者.從年代際和多年代際尺度來看,IV是全球地表氣溫年代際和多年代際異常的主要調控者,分別能解釋觀測信息年代際變化方差的48%～86%和多年代際變化方差的22%～88%; 但EX對氣溫多年代際變化的調制作用則不容忽視,特別是對全球、東亞和歐洲區域平均氣溫多年代際變化具有較大的貢獻,分別能解釋觀測信息方差的76%、62%和52%.

圖6 全球及不同區域陸地表面氣溫的長期變化、年代際分量和多年代際分量

為了進一步明確EX和IV的相對貢獻,圖7給出的是外強迫信號(EX)和內部變率(IV)在長期趨勢、年代際和多年代際變化的方差與總方差(外強迫信號方差和內部變率方差之和)的比值在全球的空間分布特征.結果進一步表明,全球大多數陸地氣溫變化的長期趨勢主要受EX主導,特別在北半球高緯地區、中亞和西亞、南美北部、非洲和澳洲地區的方差貢獻率可達90%以上,而IV僅在東南亞及澳大利亞北部沿岸等極少區域與外強迫作用相當(圖7a—b).在年代際尺度上,IV在全球大多數陸地區域的方差貢獻率為70%～90%,是全球氣溫年代際變率的主導因子,而EX的方差貢獻率僅為5%～20%(圖7c—d);在多年代際尺度上,IV在全球大多數陸地區域的方差貢獻率減小至30%～70%,而EX的方差貢獻率則增加至20%～40%,最高可達50%(圖7e—f).與前文所揭示出的結果是一致的,表明外強迫因素對全球地表氣溫多年代際變化(30～60年)具有不可忽視的調制作用.

圖7 外強迫(左)和內部變率(右)多時間尺度與總方差比值(%)

2.3 對極端氣溫的影響

人類活動對氣溫影響不僅表現在平均值上,還會改變氣溫的方差(變大),從而使得極值出現的概率增大.因此,為了量化人類活動對氣溫極端性的影響,圖8給出了全球及南北半球區域1915—1964年和1965—2014年前后兩個時段區域平均氣溫距平的概率密度函數(Probability density function,PDF)分布圖.可以看到,人類活動(ANT)使得近50年氣溫異常PDF的中心位置右移(均值增大)、分布范圍變寬(方差增大),進一步證實人類活動的影響會使得極端暖事件發生的概率增加;相比而言,自然因素(NAT)影響下近50年氣溫異常PDF的中心位置略有左移(均值減小),但峰值減小、方差增大,表明僅考慮NAT的影響會導致全球大多數地區極端冷事件的發生概率會增加.通過分析觀測的前50年5%和95%閾值對應的溫度值對應到后50年的PDF曲線上,全球極端冷事件發生的概率相較于前50年有所減少,北半球極端冷事件發生的概率幾乎不變,而南半球極端冷事件發生的概率明顯減少;而無論在全球,還是南北半球分開看,極端暖事件發生的概率大大增加,增加2～3倍左右.通過與近50年NAT信息第5百分位數(極端冷事件)和第95百分位數(極端暖事件)的閾值相比,人為因素強迫可使近幾十年全球極端暖事件的發生風險增加3倍,引起極端冷事件發生的風險概率也增加了70%,其中北半球發生風險要高于南半球.

圖8 不同試驗下氣溫(T)異常的概率密度函數分布圖

為了對比前后兩個不同時段人類活動(ANT)相對自然外強迫(NAT)影響極端暖、冷溫事件發生概率在空間尺度上的差異,圖9給出了極端冷和暖事件的概率比的空間分布特征.結果也顯示,在前后兩個時段人類活動引起全球陸地極端冷和極端暖事件的發生概率無論在空間分布上還是變化幅度上(圖9a,9b,9e,9f)都與觀測結果(圖9c,9d,9g,9h)具有很好的一致性(二者空間分布模態的相關系數可達0.7).從前后兩個時段對比來看,后50年極端暖事件發生概率增加的幅度遠超前50年(圖9e和9f),而極端冷事件發生概率的變化幅度則是后50年遠低于前50年(圖9a和9b).需注意的是,中國華南地區與其他區域的結果有所不同,這有可能與氣溶膠降溫效應較強(圖1b)以及模式間模擬差異(圖1f)有關.

圖9 極端冷(暖)事件的概率比空間分布

3 總結與討論

本文基于CRU月平均氣溫觀測信息和最新的CMIP6多模式歷史歸因模擬試驗,運用指紋法、最優指紋法、集合經驗模態分解和概率比等統計分析方法,對近百年(1915—2014年)全球陸地及其南北半球的氣溫變化進行了檢測歸因,著重分析研究了人類活動對近百年地表氣溫多尺度變化的作用以及對極端氣溫事件發生概率的影響,并得到如下主要結論:

(1) 人為因素使得近100年全球陸地增暖0.6～1.6 ℃,其中溫室氣體的增溫效應約為0.8～2.0 ℃,而氣溶膠的降溫效應約為-0.4～-1.1 ℃,大尺度土地利用的貢獻為-0.1～0.04 ℃,且區域差異性大.自然強迫在大多數陸地區域的降溫效應也在0.1 ℃以內.溫室氣體和氣溶膠以及人類活動的綜合增溫效應在全球以及北半球能被顯著檢測到;區域平均的土地利用的影響信號非常弱,在所有區域都不能被檢測到,自然外強迫的信號同樣不能被檢測到.

(2) 近百年來全球陸地氣溫的長期趨勢,特別是1970年代以來的增暖趨勢主要受人為因素主導,尤其在北半球中高緯地區、中亞和西亞、南美北部、非洲和澳洲地區的趨勢貢獻90%以上.氣候系統內部變率是大多數區域氣溫年代際以及多年年代際變率的主要控制因子,但(人為)外強迫因子對多年代際(30—60年)氣溫變化具有一定的調制作用,對多年代際觀測信息的方差貢獻可達20%～50%.尤其在東亞和歐洲中高緯度地區方差貢獻可達50%.

(3) 人類活動不僅引起地表氣溫的均值增加,而且會使氣溫的方差變大,從而導致了極端暖、冷事件發生概率的增加.與自然因素外強迫相比,僅考慮人為因素強迫可導致近50年全球大多數陸地區域極端暖事件發生的風險概率增加3倍之多,引起極端冷事件發生的風險概率也增加了70%.需要注意的是,由于中國華南區域的模式模擬不確定性較大,人為因素對其近50年極端暖、冷溫事件發生概率的影響與其他區域有所不同.

本文的研究結論與前人基于CMIP5多模式歷史歸因試驗所得的研究結果基本一致(如Canty et al.,2013; 李春香等,2014; Li et al.,2017),但CMIP6多模式模擬的溫室氣體增溫效應以及氣溶膠降溫效應均要強于CMIP5多模式結果,這可能與CMIP6外強迫數據及物理過程的更新和改進有關(Eyring et al.,2016).另外,本文是通過全強迫歷史試驗(ALL)與不包含土地利用試驗(NOLU)之間差異來檢測土地利用的影響效應,這與CMIP5/6專門設計的土地利用強迫試驗(hist-land)可能還是有差異的.因此,有必要挑選一個代表性模式,在特定區域對比分析CMIP5與CMIP6對土地利用影響氣候變化的模擬及其差異,進一步量化土地利用的氣候效應.還需要指出的是,現有的全球耦合模式對于氣溫、降水等的多時間尺度變率的模擬主要取決于每個模式的初始狀態,而多模式集合結果主要反映的是近幾十年“溫室氣體”和“氣溶膠”等人類活動外強迫引起的長期趨勢變化,對于大尺度海溫(SST)變化主導的氣候系統年代際-多年代際自然變率的模擬能力則非常有限(Dai,2013).因此,改進和提高對氣候系統自然變率的模擬能力仍將是地球系統模式發展的前沿方向.

致謝感謝世界氣候研究計劃(WCRP)耦合模式工作組(WGCM)和各模式機構提供的CMIP6多模式模擬結果(https:∥esgf-node.llnl.gov/).