中國高溫熱浪對碳排放量的響應

劉金平,任艷群*,陶 輝,劉 鐵,陳 豪

中國高溫熱浪對碳排放量的響應

劉金平1,任艷群1*,陶 輝2,劉 鐵2,陳 豪3,4

(1.華北水利水電大學測繪與地理信息學院,河南 鄭州 450046；2.中國科學院新疆生態與地理研究所荒漠與綠洲生態國家重點實驗室,新疆 烏魯木齊 830011；3.天津大學地球系統科學學院表層地球系統科學研究院,天津 300072；4.天津大學,天津市環渤海地球關鍵帶科學與可持續發展重點實驗室,天津 300072)

基于中國碳核算數據及氣象資料,分析了8大經濟區(30個省份)近20a來(1997～2017年)碳排放量和高溫熱浪的本底變化特征,探討了不同區域高溫熱浪對碳排放量的多尺度響應關系.結果表明:(1)研究時段內,8個經濟區的碳排放量均顯著增加,增速最大和最小的經濟區分別為黃河中游和西北;(2)不同級別(輕度、中度和重度)高溫熱浪發生頻次呈現出輕度>中度>重度的特征,且輕度級別發生頻次越多的地區,中度和重度高溫熱浪的發生概率越大;(3)相較于其它級別,輕度高溫熱浪開始日期最早、結束日期最晚,即持續期最長,總體上,南方地區高溫熱浪持續期遠高于北方地區;(4)氣候溫暖地區高溫熱浪與碳排放量的變化一致性主要體現在年際尺度上,而寒冷地區更趨向于年代際尺度,即溫暖地區高溫熱浪對碳排放量的響應更為強烈;(5)不同經濟區高溫熱浪持續期在不同級別上對碳排放量的響應差異顯著,但總體上呈現出高排放對持續期延長的促進作用.

極端天氣氣候事件；碳排放；高溫熱浪；響應特征

全球升溫和極端天氣氣候事件頻發與人類燃燒化石燃料排放大量的溫室氣體密切相關(可能性超過90%),特別是人為碳排放量的增加(至少66%)[1].因此,研究極端天氣氣候事件對碳排放的響應特征有助于預估和了解碳排放帶來的極端天氣風險.

碳排放量增加導致溫室效應的加劇,從而可能導致極端天氣氣候事件的頻率和強度增加,其主要機制是:氣溫升高一方面使得土壤水和海水蒸發量增加,為大氣提供更多水分的同時增強了其持水能力,而大氣水分變化(濕度增大)會增強雨水事件的強度,進而加劇洪水事件發生的風險;另一方面氣溫升高也會導致土壤更加干燥,更有可能發生干旱;而在高溫和高濕條件下,最容易產生高溫熱浪事件[2-3].其中,受碳排放量增加導致增溫的可能影響,高溫熱浪在全球大部分陸地區域發生的頻率和持續的時間均呈增加趨勢,對人類生存和社會經濟發展構成嚴重威脅[4-5].例如,2003年歐洲高溫熱浪引起超過25000人死亡以及巨大的社會經濟損失[6];2010年7～9月發生在東歐和俄羅斯西部的熱浪造成的影響在強度和影響范圍上超過了2003年的歐洲熱浪[7];2013年中國東部地區遭遇到史無前例的極端高溫天氣[8],且自20世紀90年代以來中國高溫熱浪事件發生的范圍明顯增大[9].區域尺度上,中國的東部[10]、西北地區[11]、華北地區[12]、長江中下游地區[13]及部分城市[14-15]近50a來高溫熱浪事件的頻次、持續時間和強度總體呈增多、增強的態勢.

目前,針對高溫熱浪的研究主要集中于高溫熱浪的特征、影響及風險評估等方面[16-20],也有部分研究關注高溫熱浪的發生機制,如大氣環流、陸面過程和海溫異常等[21-23].由于碳排放量增加會導致氣溫升高,進而引發不同的極端天氣氣候事件,深入探究區域高溫熱浪對碳排放量的響應機制仍是當前研究的熱點問題.雖然已有研究[24-25]在全球或較大區域尺度上,明確了高溫熱浪對碳排放量變化具有較強的響應特征,但是由于使用了不確定性較大模式數據以及不同區域碳排放量和氣候條件的明顯差異,可能導致區域尺度上高溫熱浪對碳排放量響應的不確定性和復雜性,亟需利用區域更為精細的數據資料開展深入探究.目前,在區域尺度上,Chen等[26]采用彈性系數法定量評價了全球5個地區(北美洲、南美洲、亞洲、非洲和大洋洲)CO2排放對氣溫變化的影響,結果表明CO2排放是氣溫升高的主要原因;顏曉卉[27]選取中國16個城市對碳排放量與氣溫進行分析,發現碳排放量增加與氣溫升高具有高度相關性;侯博[28]認為1991～2001年山西省碳排放量的快速增加可能是該區氣溫不斷升高的原因.但是針對區域尺度上高溫熱浪對碳排放響應的研究鮮有報道.

圍繞中國不同區域高溫熱浪對碳排放量變化響應這一科學問題,本文將在3個方面展開研究:(1)中國不同區域歷史長期碳排放量變化特征;(2)在輕度、中度和重度3個級別上,研究不同區域高溫熱浪時空分布及變化特征;(3)在多尺度上探討高溫熱浪對碳排放量的響應關系.

1 研究區概況

我國地域廣闊,不同地區氣候背景差異較大,可能會導致高溫熱浪對碳排放的響應程度及速率具有較大的區域差異.依據國務院發展研究中心提出的《實現地區協調發展的戰略思想和政策措施》[29],將全國劃分為8大經濟區(含30個省份,圖1):(Ⅰ)東北綜合經濟區(遼寧、吉林和黑龍江,簡稱東北),(Ⅱ)北部沿海綜合經濟區(北京、天津、河北和山東,簡稱北部),(Ⅲ)東部沿海綜合經濟區(上海、江蘇和浙江,簡稱東部),(Ⅳ)南部沿海經濟區(福建、廣東和海南,簡稱南部),(Ⅴ)黃河中游綜合經濟區(陜西、山西、河南和內蒙古,簡稱黃河中游區),(Ⅵ)長江中游綜合經濟區(湖北、湖南、江西和安徽,簡稱長江中游區),(Ⅶ)西南綜合經濟(云南、貴州、四川、重慶和廣西,簡稱西南),(Ⅷ)西北綜合經濟區(甘肅、青海、寧夏和新疆,簡稱西北).需要注意的是,由于西藏自治區、臺灣省、香港和澳門特別行政區相關數據缺失,因此,本研究在分析時不包括這4個區域.在這8個經濟區中,5～9月份平均最高氣溫較高的地區為Ⅱ、Ⅲ、Ⅳ和Ⅵ(27.2～29.9℃),而較低的地區為Ⅰ、Ⅴ、Ⅶ和Ⅷ(21.3～24.9℃).

圖1 研究經濟區劃分

2 數據來源與研究方法

2.1 數據來源

2.1.1 中國省級表觀碳排放數據 數據來源于中國碳核算數據庫(https://www.ceads.net.cn/),包含研究區域內30個省份的CO2排放清單(1997～2017年)[30-31].數據集中的CO2排放量是基于IPCC行政區域核算范圍估算,即是指在國家(包括行政區域)領土和國家管轄的近海區域內發生的排放,不包括國際航空或航運的排放[32],可用于評估1個區域內直接由國內生產和居民活動引起的人為排放[33-34].為提高和彌補對全國及各省對CO2排放估算的精度和數據缺口,該數據集摒棄IPCC推薦的默認排放因子(大大高估了中國碳排放量),而采用我國實際的排放系數和最新的能源消耗數據進行核算,確保了數據的透明度和可驗證性[28].

2.1.2 氣象數據 采用中國逐日溫度分析產品(CTAP)的最高溫度和中國氣象強迫數據集(CMFD)的比濕數據,CTAP和CMFD分別來源于國家氣象信息中心(http://www.nmic.cn/)和國家青藏高原科學數據中心(http://data.tpdc.ac.cn/zh-hans/).其中,CTAP數據是由大約2400個氣象站的觀測值利用薄板樣條方法(TPS)插值而成,最高氣溫數據的平均偏差為±0.2℃,均方根誤差為0.25℃,空間分辨率為0.5°[35]. CMFD是氣象觀測值、TRMM 3B43遙感降水分析數據、GEWEX-SRB和GLDAS下行短波輻射、MERRA和GLDAS地面壓力以及GLDAS的風速、氣溫和相對濕度數據同化而成,空間分辨率為0.1°°[36-38].為了使最高氣溫和比濕數據空間分辨率一致,采用雙線性內插法將最高氣溫重采樣為0.1°.特別地,本研究使用R語言中的濕度計算庫(https: //rdrr.io/cran/humidity/)將比濕轉化為相對濕度,用于判別高溫熱浪事件[39-40].

2.2 研究方法

2.2.1 高溫熱浪指數和級別 目前國際上對高溫熱浪的定義尚沒有統一的標準[5,41].國內關于高溫熱浪的判定標準可以概括為3類:①通過溫度超過絕對閾值進行判定[42-43];②以溫度超過由百分位數確定的相對閾值進行判定[19,44-45];③采用綜合溫度和濕度的方法進行判定[46].考慮到我國地域范圍較大,不同地區氣候背景差異較大(如南方和北方溫度和濕度差異)且這種差異導致人們對環境的耐受力存在較大的不同[16].因此,本研究在判別我國高溫熱浪事件時采用了溫度和濕度綜合性的指標—高溫熱浪指數(H)[46],可用公式1表達:

式中:E為當日的炎熱指數,代表了人體對氣象環境的舒適感;E’為炎熱臨界值,大于其值表示感覺炎熱;E為當日之前第日的炎熱指數;nd為當日之前第日距當日的日期數;為炎熱天氣過程的持續時間.其中,炎熱指數E可用公式2計算[46]:

式中:T為環境溫度,℃,一般取當日最高溫度;RH為空氣相對濕度, 0%～100%.

針對炎熱臨界值E’,首先利用當地研究時段內5～9月逐日氣象資料,計算其中最高溫度大于33℃樣本的炎熱指數,選取第50分位數作為當地的炎熱臨界值,分位數的計算采用經驗公式3[47]:

式中:Q()為第個分位值,為升序排列后的炎熱指數樣本序列,為分位數(取50%),為序列總數,為第個序列數,為第+1個序列數的權重.

根據公式1～3求得高溫熱浪指數,在此基礎上,按照對社會經濟和人體健康影響的程度不同,可以將高溫熱浪劃分為3級:輕度、中度和重度.分級標準如表1所示.

表1 高溫熱浪分級標準

2.2.2 高溫熱浪參數 采用高溫熱浪初日(HWO)、終日(HWT)和持續期(HWD)3個高溫熱浪參數表征高溫熱浪在研究時段內的變化特征.HWO代表在1a內指定像元上高溫熱浪初次發生的日期,而HWT表示1a內指定像元上高溫熱浪最后1次發生的日期,因此,HWD即為指定像元上高溫熱浪開始日期至結束日期的時段,可表達為公式4:

2.2.3 高溫熱浪對碳排放量的多尺度響應分析 碳排放量對溫度變化的影響具有累積效應,不同地區高溫熱浪對碳排放量的響應速度和表現形式可能存在差異.為分析我國高溫熱浪在不同尺度上的變化特征及其對碳排放量的響應關系,本研究采用集合經驗模態分解方法(EEMD)方法將碳排放量和高溫熱浪頻次和持續期等原始序列分解為年際尺度序列和年代際尺度序列,并進行相關性分析.

EEMD方法的實質是在原始序列()上疊加頻率均勻分布的高斯白噪聲,并對其經驗模態分解(EMD)分解后的各分量進行集合平均,生成有限個具有不同振蕩周期的本征模態函數(IMFs)和1個殘差分量(RES),如公式5所示:

式中:代表本征模態函數IMF個數.IMFs揭示了不同時間尺度下從高頻(小于10a周期)到低頻(不小于10a周期)的振蕩特征[48],RES反映了原始時間序列的變化趨勢.本研究中年際序列指高頻成分IMFs與趨勢成分RES的和,年代際序列是指低頻成分IMFs與趨勢成分RES的和[49-50].

3 結果與討論

3.1 中國碳排放變化特征分析

1997～2017年間,全國平均碳排放量(圖2a)呈顯著的增加趨勢,增長率為0.17Gt/10a.不同時段碳排放量變化特征不同,如1997～2000年、2002～2009年、2010～2013年及2014年以來,全國年平均碳排放量分別呈現出:幾乎不變—穩步增長—快速增長—增速放緩的變化過程.就各經濟區而言,中國8個經濟區平均碳排放量均呈顯著增長趨勢,其中北部沿海(圖2c)、東部沿海(圖2d)和黃河中游綜合經濟區(圖2f)的增速高于全國水平,而東北(圖2b)、南部沿海(圖2e)、長江中游(圖2g)、西南(圖2h)和西北綜合經濟區(圖2i)低于全國水平.碳排放量增速最快的地區是黃河中游綜合經濟區,達到0.45Gt/10a,且該經濟區年平均碳排放量在全國8個經濟區中也最高,而碳排放速率和碳排放量最低的地區是西北綜合經濟區,碳排放量及碳排放速率的高值區與低值區的比值最高可達3倍以上.

圖2 中國不同經濟區年平均碳排放量變化趨勢

(a)全國, (b)東北, (c)北部沿海, (d)東部沿海, (e)南部沿海, (f)黃河中游, (g)長江中游, (h)西南, (i)西北

3.2 中國熱浪變化特征分析

3.2.1 高溫熱浪頻次變化分析 由圖3a可知,中國高溫熱浪(輕度、中度和重度高溫熱浪的總和)發生最頻繁的地區是西北綜合經濟區,主要集中在新疆塔里木盆地和準噶爾盆地,最高達70d;其次,發生在長江中游、東部沿海和南部沿海綜合經濟區的高溫熱浪也較為頻繁,集中分布在15～25d.發生頻次較少的地區是西南和東北綜合經濟區,大部分地區的高溫熱浪發生頻次在0～5d.由圖3b～d可知,1997～2017年中國各經濟區輕度高溫熱浪發生最為頻繁,其次為中度高溫熱浪,重度高溫熱浪發生頻次最少.從不同級別高溫熱浪的空間分布特征來看,輕度、中度和重度高溫熱浪平均發生頻次存在顯著的分布規律:易發生輕度高溫熱浪且頻次較高的區域,中度和重度高溫熱浪發生的概率越大,反之亦然.

圖3 中國不同高溫熱浪級別的年均頻次空間分布

(a)全部熱浪(b)重度熱浪(c)中度熱浪(d)輕度熱浪

就全部高溫熱浪頻次而言(圖4a),除東北綜合經濟區變化不明顯外,其它7個經濟區都呈增加的趨勢.其中,南部沿海經濟區增加趨勢最大,西南綜合經濟區穩步增加;東部沿海和長江中游綜合經濟區高溫熱浪頻次呈先增加后減少的變化趨勢,且增加幅度大于減少幅度,轉折點在2010年左右;與此相反,北部沿海、黃河中游和西北綜合經濟區高溫熱浪頻次呈先減少后增加的趨勢,且增加幅度大于減少幅度.就重度高溫熱浪頻次而言(圖4b),東部沿海和長江中游綜合經濟區呈現明顯的增加趨勢,西北綜合經濟區具有先減少后增加的趨勢,且增加幅度遠大于減少幅度;而其它經濟區的高溫熱浪頻次變化趨勢不明顯.根據圖4c、d可知,不同經濟區中度和重度高溫熱浪頻次的幾乎都呈增加趨勢,但東北綜合經濟區在中度和重度級別、西北綜合經濟區在重度級別上變化不明顯.總體來講,輕度高溫熱浪頻次變化幅度大于中度和重度高溫熱浪.

圖4 中國不同區域熱浪頻次變化趨勢

(a)全部熱浪(b)重度熱浪(c)中度熱浪(d)輕度熱浪

圖5 1997～2017年不同級別高溫熱浪的平均初日、終日和持續時間

第1, 2, 3行分別為重度、中度和輕度高溫熱浪

3.2.2 高溫熱浪初日、終日和持續期變化分析 除頻次和影響范圍外,高溫熱浪初日、終日和持續期也是表征高溫熱浪特性的重要參數.由圖5a,d,g可知,3種不同級別的高溫熱浪初日中,各經濟區的輕度高溫熱浪開始日期最早,其中東北、北部沿海和西北綜合經濟區主要發生在6月份,其它經濟區基本發生在7月份;相對于輕度級別,在重度級別上各經濟區的高溫熱浪初日基本延遲1個月;中度熱浪初日發生日期介于輕度和重度高溫熱浪初日之間.由圖5b,e,h可以看出,3種不同級別的高溫熱浪終日中,各經濟區的輕度高溫熱浪結束日期最晚,其中東部沿海、南部沿海、長江中游和西北綜合經濟區主要發生在8月份,部分地區發生在9月份(如長江中游綜合經濟區南部);相對于輕度級別,中度和重度級別的高溫熱浪終日出現較早.因此,由于高溫熱浪初日和終日的作用,使中國不同經濟區在同一級別上的高溫熱浪持續期差異較大,如在輕度級別上(圖5i),西北綜合經濟區的高溫熱浪持續期可達到80d以上,主要分布在新疆塔里木盆地和準噶爾盆地,其次為長江中游綜合經濟區和南部沿海經濟區,而東北綜合經濟區高溫熱浪持續期最短,在10d以內;同樣地,也使同一經濟區的高溫熱浪持續期在不同級別上差異較大,如針對西北綜合經濟區(圖5c,i),在重度級別上其高溫熱浪持續期集中在0～30d范圍內,遠小于在輕度級別上的持續期.總體上,除了西北綜合經濟區的新疆塔里木盆地和準噶爾盆地的高溫熱浪持續期較大,中國南方的高溫熱浪持續期遠高于北方地區.

圖6 中國不同區域的高溫熱浪初日、終日和持續期在不同級別上的變化趨勢

(a～c)重度高溫熱浪初日、終日和持續期,(d～f) 中度高溫熱浪初日、終日和持續期,(g～i) 輕度高溫熱浪初日、終日和持續期

在重度級別上(圖6a～c),除北部沿海和南部沿海經濟區外,其它經濟區的高溫熱浪初日均呈提前趨勢,但是這些地區的高溫熱浪終日也呈提前趨勢,且兩者變化的幅度差異較小,導致大多數經濟區的高溫熱浪持續期呈微弱的增加趨勢;北部沿海經濟區的高溫熱浪初日和終日在1997～2017年都呈現提前后延后的趨勢,導致該經濟區的高溫熱浪持續期未發生顯著的變化;僅南部沿海經濟區的重度高溫熱浪持續期變長,這是由于該經濟區的高溫熱浪終日的延后幅度大于高溫熱浪初日的延后幅度.在中度級別上(圖6d～f),除南部沿海經濟區外,其它經濟區的高溫熱浪初日和終日都呈提前趨勢,且初日變化幅度略小于終日,導致大多數經濟區的高溫熱浪持續期也呈弱的增加趨勢,而西北綜合經濟區的高溫熱浪持續期呈弱的減少趨勢;南部沿海經濟區的高溫熱浪持續期增加相對明顯,這是由于其高溫熱浪初日和終日都呈延后的趨勢且終日延后的幅度大于初日延后的幅度.與中度和重度級別相比,輕度高溫熱浪(圖6g～i)初日和終日的變化趨勢差異明顯,北部沿海綜合經濟區和黃河中游綜合經濟區的高溫熱浪初日呈弱的提前趨勢,東北和西北綜合經濟區基本無變化,而東部沿海、南部沿海、長江中游和西南綜合經濟區呈延后趨勢;就高溫熱浪終日來說,長江中游、西南、西北、北部沿海和黃河中游綜合經濟區呈提前趨勢,而東北、東部沿海和南部沿海經濟區呈延后趨勢;由于高溫熱浪初日和終日的共同作用,導致東北、東部沿海、南部沿海和西南綜合經濟區高溫熱浪持續期增加,而黃河中游和西北綜合經濟區的高溫熱浪持續期縮短.綜上可知,不同經濟區在不同的高溫熱浪級別上,其熱浪初日和終日差異較大,兩者的共同作用使大多數經濟區的高溫熱浪持續期增加,尤其是南部沿海和西南綜合經濟區,但西北綜合經濟區的高溫熱浪持續期縮短.

3.3 高溫熱浪對碳排放量的響應特征分析

3.3.1 高溫熱浪頻次對碳排放量的響應 為了定量化描述高溫熱浪頻次對碳排放量的響應,根據EEMD對高溫熱浪頻次分解后的IMFs和RES項計算高溫熱浪頻次的年際序列和年代際序列.通過多尺度相關分析,獲得碳排放與高溫熱浪頻次的相關系數及顯著性級別(表2).從全部熱浪頻次對碳排放量的響應來看,在南部沿海和西南綜合經濟區,年際尺度上的高溫熱浪頻次與碳排放量的相關性高于其年代際尺度,表明這2個經濟區的高溫熱浪對碳排放的響應較為迅速且強烈;而在東部沿海和長江中游綜合經濟區,年代際尺度上的高溫熱浪頻次與碳排放量的相關性高于其年際尺度,表明這2個經濟區的高溫熱浪對碳排放量的響應相對較慢,存在累積效應.而針對東北、北部沿海、黃河中游和西北綜合經濟區的影響都是在年代際尺度上更大,但并不顯著(東北地區除外),表明在這些經濟區碳排放與高溫熱浪的發生沒有明顯的關系.由此可以推測,氣候溫暖地區高溫熱浪的發生對碳排放量的響應更為強烈,且這種影響較為迅速,而氣候寒冷地區的高溫熱浪對碳排放量的響應一般在年代際尺度上更加強烈,累積效應明顯.

在重度、中度和輕度級別上,不同經濟區高溫熱浪頻次對碳排放的響應具有明顯差別.碳排放對東北和北部沿海綜合經濟區在3個級別上的高溫熱浪頻次的增加無直接貢獻;在東部沿海、黃河中游和長江中游綜合經濟區,年代際尺度上的高溫熱浪頻次的增加對碳排放的響應更強烈,與此相反,南部沿海和西南綜合經濟區的高溫熱浪頻次在年代際尺度上對碳排放的響應弱于年際尺度;西北綜合經濟區僅在重度級別上對碳排放有顯著的響應且在年代際尺度上更強烈,而在中度和輕度級別上碳排放對該區的高溫熱浪的發生無直接貢獻.

表2 1997～2017年碳排放與高溫熱浪頻次的相關系數與顯著性水平

注: *代表該相關系數在0.05顯著性水平上顯著.

3.3.2 高溫熱浪持續期對碳排放量的響應 在高溫熱浪初日和終日的共同作用下,不同經濟區的高溫熱浪持續期差異較大.為了調查高溫熱浪持續期對碳排放量的響應,計算了碳排放量與不同經濟區的高溫熱浪持續期在年際和年代際尺度上的相關系數(表3).總體上,不同經濟區的高溫熱浪持續期對碳排放量的響應在年代際尺度上更顯著,表明高溫熱浪持續期對碳排放的響應是一個長期的過程,但針對不同經濟區的高溫熱浪持續期在不同級別上對碳排放的響應差異較大.

在輕度級別上,碳排放對東北、北部沿海、黃河中游和長江中游綜合經濟區的高溫熱浪持續期無顯著影響,對東部沿海、南部沿海、長江中游和西南綜合經濟區的高溫熱浪持續期具有延長的影響,而對黃河中游和西北綜合經濟區的高溫熱浪持續期具有縮短的影響.需要注意的是,高溫熱浪持續期減少并不意味著頻次的減少.在中度級別上,碳排放對東北、東部沿海、長江中游和西北綜合經濟區的高溫熱浪持續期無顯著影響,對南部沿海、黃河中游和西南綜合經濟區的高溫熱浪持續期具有延長的影響,而對北部沿海綜合經濟區具有縮短的影響.與輕度和中度級別不同,在重度級別上,碳排放對東北經濟區的高溫熱浪持續期在年際尺度上具有顯著的延長影響,除此之外,還對東部沿海、南部沿海、黃河中游、西南和西北綜合經濟區的高溫熱浪持續期具有延長的影響,而對北部沿海綜合經濟區的高溫熱浪持續期具有縮短的影響.

綜上可知,不同經濟區的高溫熱浪持續期在不同級別上對碳排放量的響應具有顯著差異,但總體上表現出在輕度級別上,氣候寒冷地區的高溫熱浪持續期呈縮短趨勢,而在氣候相對溫暖地區高溫熱浪持續期呈延長趨勢;在中度和重度級別上,除北部沿海綜合經濟區外,碳排放對大多數經濟區的高溫熱浪持續期的延長具有促進作用.

表3 1997～2017年碳排放量與高溫熱浪持續期的相關系數與顯著性水平

注: *代表該相關系數在0.05顯著性水平上顯著.

4 討論

為保證分析結果的可靠性,本研究采用的碳排放數據[30-31]和氣象數據[35]都已經過驗證并已廣泛使用,同時,高溫熱浪判別方法也是由黃卓等[46]針對中國地區改進并已得到精度驗證.另一方面,由于氣候系統是非線性系統,具有明顯的多尺度效應,傳統的變化檢測方法無法準確地檢測出氣象序列的振蕩[48],如滑動平均、線性回歸等,而本研究采用的EEMD方法可以在多尺度上探討高溫熱浪對碳排放的響應特征.

但有研究發現,除了對CO2排放量敏感,高溫熱浪還與大氣環流、陸面過程和海溫異常有關[23],本研究未在區域尺度上調查高溫熱浪對這些大尺度因子的響應,因此,在易受這些大尺度氣候因子影響的地區,分析可能具有一定的局限性[51-52].另一方面,排放的CO2在大氣中經過長時間的對流和平流等交換過程,其影響范圍可能不局限于當前區域,本研究假設CO2在長時間的交換中達到平衡,未考慮其在不同區域的交換問題,可能導致分析結果中存在一定的不確定性.因此,在未來的研究工作中,需要進一步考慮大尺度氣候因子影響下的高溫熱浪對碳排放的響應特征分析以及CO2在不同區域間的交換情況.

盡管存在一定不確定性,本研究合理分析并總結出了一些不同氣候變化條件下高溫熱浪對碳排放量的多尺度響應規律,為人們更好的理解區域碳排放量變化對極端高溫熱浪天氣事件的影響提供了一種新的視角.氣象和災害管理部門可以根據當地碳排放情況以及高溫熱浪對它的響應程度,及時采取相應的措施,有效應對高溫熱浪事件帶來的生命和財產損失.

5 結論

5.1 全國及8個經濟區的碳排放量均呈顯著增加趨勢,增速最快的地區是黃河中游綜合經濟區,達到0.45Gt/10a,且該區平均碳排放量在8個經濟區中也最高,而碳排放速率和碳排放量最低的地區是西北綜合經濟區.

5.2 輕度高溫熱浪發生頻次最高,而重度高溫熱浪發生頻次最少,易發生輕度高溫熱浪且頻次較高的區域,中度熱浪和重度熱浪發生的概率越大;八個經濟區在不同的高溫熱浪級別上其頻次變化趨勢差異較大,但總體上各經濟區的輕度高溫熱浪頻次變化幅度大于中度和重度高溫熱浪.

5.3 三種不同級別的高溫熱浪初日中,各經濟區的輕度高溫熱浪開始日期最早且結束日期最晚、持續期最長,從區域差異來看,除西北綜合經濟區的新疆塔里木盆地和準噶爾盆地的高溫熱浪持續期較長外,中國南方的高溫熱浪持續期遠高于北方地區.

5.4 氣候溫暖地區高溫熱浪對碳排放量的響應更為快速,而氣候寒冷地區的高溫熱浪對碳排放量的響應一般在年代際尺度上表現出來,具有累積效應.

5.5 不同經濟區的高溫熱浪持續期在不同級別上對碳排放量的響應具有顯著差異,但總體上表現出:在輕度級別上,氣候寒冷地區的高溫熱浪持續期呈縮短趨勢,而在氣候相對溫暖地區高溫熱浪持續期呈延長趨勢;在中度和重度級別上,除北部沿海綜合經濟區外,碳排放量對大多數經濟區的高溫熱浪持續期的延長具有促進作用.

[1] 萬文玉,趙雪雁,王偉軍.中國城市居民生活能源碳排放的時空格局及影響因素分析[J]. 環境科學學報, 2016,36(9):3445-3455.

Wan W Y, Zhao X Y, Wang W J. Spatial-temporal patterns and impact factors analysis on carbon emissions from energy consumption of urban residents in China [J]. Acta Scientiae Circumstantiae, 2016, 36(9):3445-3455.

[2] Karl T R, Trenberth K E.Modern global climate change [J]. Science, 2003,302(5651):1719-1723.

[3] Easterling D, Meehl G, Parmesan C, et al. Climate extremes: Observations, modeling, and impacts [J]. Science, 2000,289(5487): 2068-2074.

[4] Wang J, Yan Z, Quan X W, et al. Urban warming in the 2013 summer heat wave in eastern China [J]. Climate Dynamics, 2017,48(9):3015-3033.

[5] 武夕琳,劉慶生,劉高煥,等.高溫熱浪風險評估研究綜述[J]. 地球信息科學學報, 2019,21(7):1029-1039.

Wu X L, Liu Q S, Liu G H, et al. Risk assessment of heat waves: A review [J]. Journal of Geo-information Science, 2019,21(7):1029-1039.

[6] García-Herrera R, Díaz J, Trigo R M, et al. A review of the European summer heat wave of 2003 [J]. Critical Reviews in Environmental Science and Technology, 2010,40(4):267-306.

[7] Barriopedro D, Fischer E M, Luterbacher J, et al. The hot summer of 2010: Redrawing the temperature record map of Europe [J]. Science, 2011,332(6026):220-224.

[8] Xia J, Tu K, Yan Z, et al. The super-heat wave in eastern China during July-August 2013: A perspective of climate change [J]. International Journal of Climatology, 2016,36(3):1291-1298.

[9] 廉 毅,沈柏竹,高樅亭,等.中國氣候過渡帶干旱化發展趨勢與東亞夏季風、極渦活動相關研究[J]. 氣象學報, 2005,63(5):740-749.

Lian Y, Shen B Z, Gao Z T, et al. Correlation of drought development tendency on china's climate transition zone and activity of east asia summer monsoon and polar vortex [J]. Acta Meteorologica Sinica, 2005,63(5):740-749.

[10] 梁 梅,吳立廣.中國東部地區夏季極端高溫的特征分析[J]. 氣象科學, 2015,35(6):701-709.

Liang M, Wu L G. Analysis on features of summer extreme high temperature in eastern China [J]. Journal of the Meteorological Sciences, 2015,35(6):701-709.

[11] 王鵬祥,楊金虎.中國西北近45a來極端高溫事件及其對區域性增暖的響應[J]. 中國沙漠, 2007,27(4):649-655.

Wang P X, Yang J H. Extreme high temperature events and response to regional warming in recent 45years in northwest China [J]. Journal of Desert Research, 2007,27(4):649-655.

[12] 王麗偉,張 杰.華北—華東地區高溫熱浪與土壤濕度的關系研究[J]. 氣象科學, 2015,35(5):558-564.

Wang L W, Zhang J. Relationship between summer heat waves and soil moisture in North-East [J]. Journal of the Meteorological Sciences, 2015,35(5):558-564.

[13] 羅連升,段春鋒,畢 云,等.春季青藏高原大氣熱源與長江中下游盛夏高溫的關系[J]. 氣象科學, 2016,36(5):614-621.

Luo L S, Duan C F, Bi Y, et al. Relation between atmospheric heat source in spring over the Tibetan Plateau and mid-summer high temperature events in middle-lower reaches of the Yangtze River [J]. Journal of the Meteorological Sciences, 2016,36(5):614-621.

[14] 吳 瓊,郭 煜,周 勍,等.鎮江地區高溫氣候特征分析及一次連續性高溫天氣的診斷[J]. 氣象科學, 2017,37(1):134-140.

Wu Q, Guo Y, Zhou Q, et al. Analysis on climatic characteristics of high temperature and diagnosis of a persistent heat wave in Zhenjiang [J]. Journal of the Meteorological Sciences, 2017,37(1):134-140.

[15] 何澤能,左 雄,白瑩瑩,等.重慶市城市高溫變化特征分析及對策初探[J]. 高原氣象, 2013,32(6):1803-1811.

He Z N, Zuo X, Bai Y Y, et al. Characteristics and countermeasures of urban high temperature in Chongqing City [J]. Plateau Meteorology, 2013,32(6):1803-1811.

[16] 賈 佳,胡澤勇.中國不同等級高溫熱浪的時空分布特征及趨勢[J]. 地球科學進展, 2017,32(5):546-559.

Jia J, Hu Z Y. Spatial and temporal features and trend of different level heat waves over China [J]. Advances in Earth Science, 2017,32(5): 546-559.

[17] Russo S, Dosio A, Graversen R, et al.Magnitude of extreme heat waves in present climate and their projection in a warming world [J]. Journal of Geophysical Research Atmospheres, 2014,119(22):12500–12512.

[18] Perkins-Kirkpatrick S E, Lewis S C. Increasing trends in regional heatwaves [J]. Nature Communications, 2020,11(1):3357.

[19] Wang P, Tang J, Wang S, et al. Regional heatwaves in china: a cluster analysis [J]. Climate Dynamics, 2018,50(5):1901-1917.

[20] Wang P, Tang J, Sun X, et al. Spatiotemporal characteristics of heat waves over China in regional climate simulations within the CORDEX-EA project [J]. Climate Dynamics, 2019,52(1):799-818.

[21] 黃小梅,仕仁睿,劉思佳,等.西南地區夏季高溫熱浪時空分布特征及其成因[J]. 高原山地氣象研究, 2020,40(3):59-65.

Huang X M, Shi R R, Liu S J, et al. Spatial-temporal characteristics and causes of summer heat waves in southwest China [J]. Plateau and Mountain Meteorology Research, 2020,40(3):59-65.

[22] 劉嘉慧敏,鄭 然,婁盼星,等.2017年7月陜西高溫熱浪天氣成因及前期信號初探[J]. 干旱氣象, 2019,37(2):233-242.

Liu J H M, Zheng R, Lou P X, et al. Causes of heat wave weather in Shaanxi in July 2017 and preceding signals [J]. Journal of Arid Meteorology, 2019,37(2):233-242.

[23] 王品雅.中國熱浪時空變化特征及其機理研究[D]. 南京:南京大學, 2019.

Wang P Y. The spatiotemporal variations of heat waves in China and the underlying mechanisms [D]. Nanjing: Nanjing University, 2019.

[24] Baker H S, Millar R J, Karoly D J, et al. Higher CO2concentrations increase extreme event risk in a 1.5℃world [J]. Nature Climate Change, 2018,8(7):604-608.

[25] Bell J, Sloan L.CO2sensitivity of extreme climate events in the western United States [J]. Earth Interactions, 2006,10(15):1-17.

[26] Chen Y, Li B, Li Z, et al. Quantitatively evaluating the effects of CO2emission on temperature rise [J]. Quaternary International, 2014,336: 171-175.

[27] 顏曉卉.城市碳排放量與氣溫變化關聯分析研究[D]. 北京:中國礦業大學, 2014.

Yan X H. Study on correlation analysis of carbon emissions and air temperature on different cities of China [D]. Beijing: China University of Mining and Technology, 2014.

[28] 侯 博.1991～2011年山西省碳排放特征及其氣候影響研究[D]. 太原:山西大學, 2013.

Hou B. Research on the characters of carbon emissions and climate impact of Shanxi province during 1991～2011 [D]. Taiyuan: Shanxi university, 2014.

[29] 李善同,侯永志,馮 杰.實現地區協調發展的戰略思路和政策措施[R]. 北京:國務院發展研究中心, 2005.

Li S T, Hou Y Z, Feng J. The strategy and policy method for district balance [R]. Beijing: Development Research Center of the State Council, 2005.

[30] Shan Y, Guan D, Zheng H, et al. China CO2emission accounts 1997～2015 [J]. Scientific Data, 2018,5(1):170201.

[31] Shan Y, Huang Q, Guan D, et al. China CO2emission accounts 2016～2017 [J]. Scientific Data, 2020,7(1):54.

[32] Barrett J, Peters G, Wiedmann T, et al. Consumption-based GHG emission accounting: a UK case study [J]. Climate Policy, 2013,13(4): 451-470.

[33] Kennedy C, Steinberger J, Gasson B, et al. Methodology for inventorying greenhouse gas emissions from global cities [J]. Energy Policy, 2010,38(9):4828-4837.

[34] Kennedy C A, Ramaswami A, Carney S, et al. Greenhouse gas emission baselines for global cities and metropolitan regions, cities and climate change: Responding to an Urgent Agenda: The World Bank, 2011:15-54.

[35] Liu J, Zhang W. Climate changes and associated multiscale impacts on watershed discharge over the upper reach of Yarlung Zangbo River Basin, China [J]. Advances in Meteorology, 2018,2018:4851645.

[36] Yang K, He J. (2019). China meteorological forcing dataset (1979～ 2018) [Z]. National Tibetan Plateau Data Center, DOI: 10.11888/ AtmosphericPhysics.tpe.249369.file.CSTR:18406.11.AtmosphericPhysics.tpe.249369.file.

[37] Yang K, He J, Tang W, et al. On downward shortwave and longwave radiations over high altitude regions: Observation and modeling in the Tibetan Plateau [J]. Agricultural and Forest Meteorology, 2010,150(1):38-46.

[38] He J, Yang K, Tang W, et al. The first high-resolution meteorological forcing dataset for land process studies over China [J]. Scientific Data, 2020,7(1):25.

[39] Murray F. On the computation of saturation vapor pressure [J]. Journal of Applied Meteorology, 1967,6(1):203-204.

[40] Shaman J, Kohn M. Absolute humidity modulates influenza survival, transmission, and seasonality [J]. Proceedings of the National Academy of Sciences of the United States of America, 2009,106(9): 3243-3248.

[41] Lee O, Seo J, Won J, et al. Future extreme heat wave events using Bayesian heat wave intensity-persistence day-frequency model and their uncertainty [J]. Atmospheric Research, 2021,255:105541.

[42] 陳 敏,耿福海,馬雷鳴,等.近138年上海地區高溫熱浪事件分析[J]. 高原氣象, 2013,32(2):2597-2607.

Chen M, Geng F H, Ma L M, et al. Analyses on the heat wave events in Shanghai in recent 138 years [J]. Plateau Meteorology, 2013,32(2): 2597-2607.

[43] 施洪波.華北地區高溫日數的氣候特征及變化規律[J]. 地理科學, 2012,32(7):866-871.

Shi H B. Climatic characteristics and the spatio-temporal variation of high temperature days in north China in 1960～2009 [J]. Scientia Geographica Sinica, 2012,32(7):866-871.

[44] 沈皓俊,游慶龍,王朋嶺,等.1961～2014年中國高溫熱浪變化特征分析[J]. 氣象科學, 2018,38(1):28-36.

Shen H J, You Q L, Wang P L, et al. Analysis on heat waves variation features in China during 1961～2014 [J]. Journal of the Meteorological Sciences, 2018,38(1):28-36.

[45] 葉殿秀,尹繼福,陳正洪,等.1961～2010年我國夏季高溫熱浪的時空變化特征[J]. 氣候變化研究進展, 2013,9(1):15-20.

Ye D X, Yin J F, Chen Z H, et al. Spatiotemporal change characteristics of summer heatwaves in China in 1961～2010 [J]. Climate Change Research, 2013,9(1):15-20.

[46] 黃 卓,陳 輝,田 華.高溫熱浪指標研究[J]. 氣象, 2011,37(3): 345-351.

Huang Z, Chen H, Tian H. Research on the Heat Index [J]. Meteorological Monthly, 2011,37(3):345-351.

[47] Hyndman R J, Fan Y. Sample quantiles in statistical packages [J]. The American Statistician, 1996,50(4):361-365.

[48] Bai L, Chen Z, Xu J, et al. Multi-scale response of runoff to climate fluctuation in the headwater region of Kaidu River in Xinjiang of China [J]. Theoretical and Applied Climatology, 2016,125(3):703-712.

[49] Wu Z, Huang N. Ensemble empirical mode decomposition: A noise-assisted data analysis method [J]. Advances in Adaptive Data Analysis, 2009,1(1):1-41.

[50] Wu Z, Huang N E, Wallace J M, et al. On the time-varying trend in global-mean surface temperature [J]. Climate Dynamics, 2011,37(3): 759-773.

[51] Wei K, Chen W. An abrupt increase in the summer high temperature extreme days across China in the mid-1990s [J]. Advances in Atmospheric Sciences, 2011,28(5):1023-1029.

[52] 孫建奇,王會軍,袁 薇.我國極端高溫事件的年代際變化及其與大氣環流的聯系[J]. 氣候與環境研究, 2011,16(2):199-208.

Sun J Q, Wang H J, Yuan W. Decadal variability of the extreme hot event in China and its association with atmospheric circulations [J]. Climatic and Environmental Research, 2011,16(2):199-208.

The response of heatwave to carbon emission in China.

LIU Jin-ping1, REN Yan-qun1*, TAO Hui2, LIU Tie2, CHEN Hao3,4

(1.College of Surveying and Geo-informatics, North China University of Water Resources and Electric Power, Zhengzhou 450046, China；2.State Key Laboratory of Desert and Oasis Ecology, Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi 830011, China；3.Institute of Surface-Earth System Science, School of Earth System Science, Tianjin University, Tianjin 300072, China；4.Tianjin Key Laboratory of Earth Critical Zone Science and Sustainable Development in Bohai Rim, Tianjin University, Tianjin 300072, China)., 2022,42(1)：415～424

Based on the Carbon Emission Accounts and Datasets (CEADs) and meteorological observation, this study aimed to analyze the relationship and change features between carbon emission and heatwaves in eight economic regions (30 provinces) of China during 1997～2017. Moreover, the multi-scale response of heatwaves to carbon emission in different regions was investigated. The results indicate that: i) During the study period, carbon emission in the eight economic regions increased significantly. The middle reaches of the Yellow River and the northwest economic regions had the highest and lowest growth rates, respectively; ii) the severer heatwave appeared less often in term of rate recurrence. The regions with mild and often heatwave encountered the more frequent moderate and severe event. iii) The mild level of heatwave had the earliest onset, termination dates and longer duration comparing other levels; iv) The high consistency of heatwaves and carbon emission in the interannual scale was found in the warm regions, while the cold regions possessed the high consistency in decadal scales. This spatial pattern implied that the response of heatwaves to carbon emission was more robust in warmer regions; v) The response of heatwave duration to carbon emission in different economic zones was significant at different levels. In general, higher emissions leaded to prolonging heatwaves. The results provide scientific support for domestic carbon emission management and regional sustainable development programs.

extreme weather and climate events；carbon emissions；heatwave；response characteristics

X171

A

1000-6923(2022)01-0415-10

劉金平(1990-),男,河南商丘人,講師,博士,主要從事全球變化水循環研究.發表論文20篇.

2021-05-17

科技部基礎資源調查專項(2018FY100501);王寬誠教育基金會(GJTD-2020-14);中國科學院西部之光項目(2019-XBQNXZ-B-004, 2019-XBYJRC-001)

* 責任作者, 講師, renyanqun@ncwu.edu.cn