新文速递
2024年9月，中国地质大学（武汉）顾西辉教授团队在Journal of Geophysical Research: Atmospheres期刊发表了题为“Anthropogenic Climate Change and Urbanization Exacerbate Risk of Hybrid Heat Extremes in China”的学术论文（https://doi.org/10.1029/2024JD041568）。
热浪（HWs）通常由干球温度和湿球温度（Td和Tw）定义，并可归因于人为气候变化（ACC）和城市化。研究表明，ACC导致全球高温和低相对湿度同时发生的可能性增加，而城市化是中国高湿高温HWs增加的重要因素。鉴于温度和湿度对这两个主要因素的响应差异，将HWs划分为四种类型，即纯湿HWs（仅高Tw），纯干HWs（仅高Td），混合HWs（高Td和Tw）和总HWs（高Td或Tw）。然而，这四种类型的HWs历史和未来变化，以及它们对ACC和城市化的响应尚不明晰。
基于此，中国地质大学（武汉）顾西辉教授团队利用全国气象站观测和国际耦合比较计划第六阶段（CMIP6）模式模拟的日平均气温（即干球温度Td）和相对湿度（RH）计算湿球温度（Tw），分析近几十年来中国的四种热浪类型变化及其未来演变特征，将其发生概率的变化归因于城市化和不同的外部人为强迫，并在考虑有城市扩张和没有城市扩张的情况下，进一步预测未来纯湿、纯干、混合和总热浪的时空演变及其相应的人口暴露。
研究发现，1996~2020年中国大部分站点（90.4%站点）观测到的总HWs（HW4）发生概率较城市化前（1971~1995年）有所增加（图1d），总HWs发生概率增加在低纬度地区大于高纬度地区。除空间变化外，1971~2020年，全国平均总HWs发生概率在城市和农村均呈现显著上升趋势（图1l），城市地区增加趋势略大于农村地区，城市化对总HWs的影响较小。观测到的混合HWs（HW3）发生概率空间分布与总HWs空间分布一致，大多数站点（86.5%；图1c）显示呈上升趋势，城市地区上升趋势大于农村地区。
与混合HWs和总HWs相比，纯湿HWs（HW1）和纯干HWs（HW2）发生概率呈现不同空间变化特征，对于干HWs，观测（71.6%站点；图1b）的发生概率增加主要集中在东部沿海、西南和东北地区，而减少主要集中在中国中部和西北部地区。城市化加剧了纯干HWs发生概率的增加，城市地区高于农村地区。相比之下，54.5%的站点纯湿HWs发生概率大于1，主要集中在中国南部和西北部，而中国北部和东北地区的大多数站点发生概率小于1。与HW2~4不同的是，城市纯湿HWs的发生概率上升趋势小于农村，即城市化抑制了纯湿HWs发生概率的增长。由于总HWs包含HW1~3，因此这些结果表明，混合HWs发生概率的上升是总HWs发生概率增加的主要因素，其次是纯干HWs和纯湿HWs。
在CMIP6模式模拟中，多模式模拟对观测到的HW1~4发生概率的空间格局具有较好的模拟能力（图1e-h）。模拟的HWs线性趋势与观测情况基本一致（图1i-1）。1971~2020年，全强迫（ALL）下HW1~4发生概率显著升高，这些增加可以用温室气体效应来初步解释。结果表明，1971~2020年，四种HWs在中国大部分地区的发生频率有所增加。
图1 1971年~2020年中国四种热浪发生概率的观测和模拟变化
考虑到城市化对HW1~4的不同影响，进一步量化了城市化对中国观测到的HWs发生概率趋势的贡献（图2）。纯湿HWs和纯干HWs的发生概率归因变化为-0.12和0.14，分别占其总变化的-36.4%和26.8%。这种相反的贡献导致混合HWs和总HWs的发生概率归因变化为0.06和0.04，分别占总变化的10.9%和8.9%。结果表明，城市化对HW1（HW2~4）有负（正）贡献。
考虑到气候变化是HWs增加的另一个重要因素，分离HW1~4的城市化效应，定量探测外部强迫信号，并计算它们对观测到的农村站点变化的贡献。在单信号分析中，采用最优指纹法（图2a、d、g 和 j），将观测到的农村 HWs 发生概率作为响应变量与不同外部强迫下的多模式平均HWs进行回归。结果表明，在HW1~4的95%置信区间范围内，ALL、ANT和GHG强迫的单信号尺度因子显著高于零，而NAT和AER不显著。纯湿、混合和总HWs尺度因子都略小于1，表明多模式对ALL强迫的响应被高估。同时，双信号检测也支持单信号分析的结果（图2b、e、h和k），当分离NAT时，在观测到的农村HWs中也可以检测到ALL和 GHG的外强迫信号。
通过将ALL、ANT、GHG、AER 和NAT的多模式平均趋势与相应的尺度因子相乘，进一步估算了可归因于人为气候变化的HWs变化（图2c、f、i和l）。在观测中，HW1~4发生概率分别上升0.22（0.08-0.38）、0.58（0.18-0.94）、0.57（0.38-0.79）和0.47（0.27-0.66），其中68.2%、88.3%、90.4%和93.0%归因于ANT，而ANT强迫的大部分为温室气体。这些结果表明，中国上空HW1~4变化中的ACC信号是可探测和可信的。
图2 1971年~2020年基于最优指纹法的HW1~4的尺度因子和可归因变化
此外，为了验证上述结果的稳健性，使用基于相关性的归因方法来检测ACC对观察到的HW1~4增加的影响（图3）。采用相关系数法，分别计算HW1~4发生概率时间序列的ALL模拟与picontrol模拟的集合（90段）之间的斯皮尔曼相关系数。ALL、GHG和NAT强迫模拟下HW1~4发生概率变化与观测值呈显著相关（p < 0.05），其中GHG的相关性最高，占主要贡献。这些相关性均大于ALL和picontrol之间相关性的第90百分位数，表明在90%的置信水平上，在HW1~4的增加中捕获到人为信号。此外，NAT和AER模拟与观测值的相关性较弱。这些结果加强了ACC导致中国HW1~4升高的证据。
图3 1971~2020年HW1~4发生概率的基于相关系数归因分析
我们的研究证实，人为排放和城市化是过去中国HWs增加的主要驱动因素。进一步预估不同升温水平下未来HWs发生概率变化（图4）。在全球变暖下，中国各地总HWs的发生概率在不同升温水平下均有增加趋势，但上升幅度存在空间差异（图4d、h和l）。在相同升温水平下，预计低纬度地区总HWs发生概率高于高纬度地区。此外，混合HWs的发生概率与总HWs的空间分布相似（图4c、g和k），低纬度地区的上升趋势大于高纬度地区。
对于纯湿HWs，在升温1℃下（图4a），发生概率的上升主要集中在中国南方。而当全球气温分别升高2℃和3℃时（图4e和i），除天山北部地区外，几乎所有纯湿HWs发生概率增加的区域都在缩小。时间上，在0.5°C升温水平之前，纯湿HWs发生概率呈现上升趋势，随后下降（图4m）。总体而言，在全球变暖背景下，除西北地区外，未来中国大部分地区以高湿为主导的纯湿HWs发生概率将减小。
在升温1℃和2℃的条件下，中国大部分地区的纯干HWs发生概率呈增加趋势（图4b和f）。当全球平均气温上升3℃时（图4j），除东北地区的哈尔滨-长春和辽宁中南部外，大部分地区的发生概率呈下降趋势。总体而言，在ACC的作用下，纯干HWs发生概率空间变化导致随着升温水平的升高，发生概率保持稳定（图4n）。因此，在未来气候变暖的背景下，随着纯湿HWs和纯干HWs的稳定和下降，预计总HWs的频率将增加，这主要是由于混合HWs的增加，这表明预估中国的HWs将主要受到高温和高湿的双重控制。
图4 中国上空不同变暖水平下HW1~4发生概率变化预估
除了随全球变暖而导致的极端热浪事件增加外，未来HWs的风险还取决于人口增长和城市土地扩张的规模和时空格局。进一步估计在SSP585条件下，不考虑城市扩张和考虑城市扩张情况下城市人口对HWs暴露的变化（图5）。研究发现，未来城市人口对HW1~4暴露程度较高的地区都集中在人口密集的大型城市群（图5l）。在SSP585下，没有城市扩张时，未来以高温和高湿度为主的混合HWs和总HWs的风险增加，而未来的城市扩张将加剧这种风险。
然而，在没有城市扩张的情况下，纯湿HWs发生概率的降低将导致未来城市人口暴露量减少。城市化减少了城市人口暴露于纯湿HWs的风险，从2020年的51.2亿人日减少到2090年的17.6亿人日。因此，在纯湿HWs发生概率降低的预估下，预计城市人口暴露将减少，城市化将加剧这一趋势。
SSP585情景下，在没有未来城市扩张的情况下，城市人口暴露于纯干HWs风险将从2020年的47.8亿人日增加到2090年的62.3亿人日。预计未来的城市扩张将扩大这一风险（图5n）。由于预计未来纯干HWs的发生概率将保持稳定（图4），因此城市人口暴露主要取决于城市土地扩张和城市人口变化。这些研究结果表明，未来中国人口将受到混合HWs（由高温和高湿控制）风险加剧的影响，而城市用地扩张和城市人口增长将加剧这种风险。
图5 在SSP585情景下，有城市扩张和没有城市扩张下城市人口对HW1~4的暴露预测
中国地质大学（武汉）环境学院大气科学系2023级博士生罗思嘉和中山大学郑炎辉博士为论文共同第一作者，中国地质大学（武汉）顾西辉教授为通讯作者。论文作者还包括中国地质大学（武汉）2021级硕士生管延松、王伦澈教授、张翔教授、曹茜教授、孔冬冬副教授和香港中文大学李剑锋教授。该论文得到了国家重点研发计划项目（2023YFF0807000）、国家自然科学基金（42371041、U2340230、42101052）等项目的资助。
