中国高温热浪对碳排放量的响应

刘金平,任艳群*,陶 辉,刘 铁,陈 豪

中国高温热浪对碳排放量的响应

刘金平1,任艳群1*,陶 辉2,刘 铁2,陈 豪3,4

(1.华北水利水电大学测绘与地理信息学院,河南 郑州 450046；2.中国科学院新疆生态与地理研究所荒漠与绿洲生态国家重点实验室,新疆 乌鲁木齐 830011；3.天津大学地球系统科学学院表层地球系统科学研究院,天津 300072；4.天津大学,天津市环渤海地球关键带科学与可持续发展重点实验室,天津 300072)

基于中国碳核算数据及气象资料,分析了8大经济区(30个省份)近20a来(1997～2017年)碳排放量和高温热浪的本底变化特征,探讨了不同区域高温热浪对碳排放量的多尺度响应关系.结果表明:(1)研究时段内,8个经济区的碳排放量均显著增加,增速最大和最小的经济区分别为黄河中游和西北;(2)不同级别(轻度、中度和重度)高温热浪发生频次呈现出轻度>中度>重度的特征,且轻度级别发生频次越多的地区,中度和重度高温热浪的发生概率越大;(3)相较于其它级别,轻度高温热浪开始日期最早、结束日期最晚,即持续期最长,总体上,南方地区高温热浪持续期远高于北方地区;(4)气候温暖地区高温热浪与碳排放量的变化一致性主要体现在年际尺度上,而寒冷地区更趋向于年代际尺度,即温暖地区高温热浪对碳排放量的响应更为强烈;(5)不同经济区高温热浪持续期在不同级别上对碳排放量的响应差异显著,但总体上呈现出高排放对持续期延长的促进作用.

极端天气气候事件；碳排放；高温热浪；响应特征

全球升温和极端天气气候事件频发与人类燃烧化石燃料排放大量的温室气体密切相关(可能性超过90%),特别是人为碳排放量的增加(至少66%)[1].因此,研究极端天气气候事件对碳排放的响应特征有助于预估和了解碳排放带来的极端天气风险.

碳排放量增加导致温室效应的加剧,从而可能导致极端天气气候事件的频率和强度增加,其主要机制是:气温升高一方面使得土壤水和海水蒸发量增加,为大气提供更多水分的同时增强了其持水能力,而大气水分变化(湿度增大)会增强雨水事件的强度,进而加剧洪水事件发生的风险;另一方面气温升高也会导致土壤更加干燥,更有可能发生干旱;而在高温和高湿条件下,最容易产生高温热浪事件[2-3].其中,受碳排放量增加导致增温的可能影响,高温热浪在全球大部分陆地区域发生的频率和持续的时间均呈增加趋势,对人类生存和社会经济发展构成严重威胁[4-5].例如,2003年欧洲高温热浪引起超过25000人死亡以及巨大的社会经济损失[6];2010年7～9月发生在东欧和俄罗斯西部的热浪造成的影响在强度和影响范围上超过了2003年的欧洲热浪[7];2013年中国东部地区遭遇到史无前例的极端高温天气[8],且自20世纪90年代以来中国高温热浪事件发生的范围明显增大[9].区域尺度上,中国的东部[10]、西北地区[11]、华北地区[12]、长江中下游地区[13]及部分城市[14-15]近50a来高温热浪事件的频次、持续时间和强度总体呈增多、增强的态势.

目前,针对高温热浪的研究主要集中于高温热浪的特征、影响及风险评估等方面[16-20],也有部分研究关注高温热浪的发生机制,如大气环流、陆面过程和海温异常等[21-23].由于碳排放量增加会导致气温升高,进而引发不同的极端天气气候事件,深入探究区域高温热浪对碳排放量的响应机制仍是当前研究的热点问题.虽然已有研究[24-25]在全球或较大区域尺度上,明确了高温热浪对碳排放量变化具有较强的响应特征,但是由于使用了不确定性较大模式数据以及不同区域碳排放量和气候条件的明显差异,可能导致区域尺度上高温热浪对碳排放量响应的不确定性和复杂性,亟需利用区域更为精细的数据资料开展深入探究.目前,在区域尺度上,Chen等[26]采用弹性系数法定量评价了全球5个地区(北美洲、南美洲、亚洲、非洲和大洋洲)CO2排放对气温变化的影响,结果表明CO2排放是气温升高的主要原因;颜晓卉[27]选取中国16个城市对碳排放量与气温进行分析,发现碳排放量增加与气温升高具有高度相关性;侯博[28]认为1991～2001年山西省碳排放量的快速增加可能是该区气温不断升高的原因.但是针对区域尺度上高温热浪对碳排放响应的研究鲜有报道.

围绕中国不同区域高温热浪对碳排放量变化响应这一科学问题,本文将在3个方面展开研究:(1)中国不同区域历史长期碳排放量变化特征;(2)在轻度、中度和重度3个级别上,研究不同区域高温热浪时空分布及变化特征;(3)在多尺度上探讨高温热浪对碳排放量的响应关系.

1 研究区概况

我国地域广阔,不同地区气候背景差异较大,可能会导致高温热浪对碳排放的响应程度及速率具有较大的区域差异.依据国务院发展研究中心提出的《实现地区协调发展的战略思想和政策措施》[29],将全国划分为8大经济区(含30个省份,图1):(Ⅰ)东北综合经济区(辽宁、吉林和黑龙江,简称东北),(Ⅱ)北部沿海综合经济区(北京、天津、河北和山东,简称北部),(Ⅲ)东部沿海综合经济区(上海、江苏和浙江,简称东部),(Ⅳ)南部沿海经济区(福建、广东和海南,简称南部),(Ⅴ)黄河中游综合经济区(陕西、山西、河南和内蒙古,简称黄河中游区),(Ⅵ)长江中游综合经济区(湖北、湖南、江西和安徽,简称长江中游区),(Ⅶ)西南综合经济(云南、贵州、四川、重庆和广西,简称西南),(Ⅷ)西北综合经济区(甘肃、青海、宁夏和新疆,简称西北).需要注意的是,由于西藏自治区、台湾省、香港和澳门特别行政区相关数据缺失,因此,本研究在分析时不包括这4个区域.在这8个经济区中,5～9月份平均最高气温较高的地区为Ⅱ、Ⅲ、Ⅳ和Ⅵ(27.2～29.9℃),而较低的地区为Ⅰ、Ⅴ、Ⅶ和Ⅷ(21.3～24.9℃).

图1 研究经济区划分

2 数据来源与研究方法

2.1 数据来源

2.1.1 中国省级表观碳排放数据 数据来源于中国碳核算数据库(https://www.ceads.net.cn/),包含研究区域内30个省份的CO2排放清单(1997～2017年)[30-31].数据集中的CO2排放量是基于IPCC行政区域核算范围估算,即是指在国家(包括行政区域)领土和国家管辖的近海区域内发生的排放,不包括国际航空或航运的排放[32],可用于评估1个区域内直接由国内生产和居民活动引起的人为排放[33-34].为提高和弥补对全国及各省对CO2排放估算的精度和数据缺口,该数据集摒弃IPCC推荐的默认排放因子(大大高估了中国碳排放量),而采用我国实际的排放系数和最新的能源消耗数据进行核算,确保了数据的透明度和可验证性[28].

2.1.2 气象数据 采用中国逐日温度分析产品(CTAP)的最高温度和中国气象强迫数据集(CMFD)的比湿数据,CTAP和CMFD分别来源于国家气象信息中心(http://www.nmic.cn/)和国家青藏高原科学数据中心(http://data.tpdc.ac.cn/zh-hans/).其中,CTAP数据是由大约2400个气象站的观测值利用薄板样条方法(TPS)插值而成,最高气温数据的平均偏差为±0.2℃,均方根误差为0.25℃,空间分辨率为0.5°[35]. CMFD是气象观测值、TRMM 3B43遥感降水分析数据、GEWEX-SRB和GLDAS下行短波辐射、MERRA和GLDAS地面压力以及GLDAS的风速、气温和相对湿度数据同化而成,空间分辨率为0.1°°[36-38].为了使最高气温和比湿数据空间分辨率一致,采用双线性内插法将最高气温重采样为0.1°.特别地,本研究使用R语言中的湿度计算库(https: //rdrr.io/cran/humidity/)将比湿转化为相对湿度,用于判别高温热浪事件[39-40].

2.2 研究方法

2.2.1 高温热浪指数和级别 目前国际上对高温热浪的定义尚没有统一的标准[5,41].国内关于高温热浪的判定标准可以概括为3类:①通过温度超过绝对阈值进行判定[42-43];②以温度超过由百分位数确定的相对阈值进行判定[19,44-45];③采用综合温度和湿度的方法进行判定[46].考虑到我国地域范围较大,不同地区气候背景差异较大(如南方和北方温度和湿度差异)且这种差异导致人们对环境的耐受力存在较大的不同[16].因此,本研究在判别我国高温热浪事件时采用了温度和湿度综合性的指标—高温热浪指数(H)[46],可用公式1表达:

式中:E为当日的炎热指数,代表了人体对气象环境的舒适感;E’为炎热临界值,大于其值表示感觉炎热;E为当日之前第日的炎热指数;nd为当日之前第日距当日的日期数;为炎热天气过程的持续时间.其中,炎热指数E可用公式2计算[46]:

式中:T为环境温度,℃,一般取当日最高温度;RH为空气相对湿度, 0%～100%.

针对炎热临界值E’,首先利用当地研究时段内5～9月逐日气象资料,计算其中最高温度大于33℃样本的炎热指数,选取第50分位数作为当地的炎热临界值,分位数的计算采用经验公式3[47]:

式中:Q()为第个分位值,为升序排列后的炎热指数样本序列,为分位数(取50%),为序列总数,为第个序列数,为第+1个序列数的权重.

根据公式1～3求得高温热浪指数,在此基础上,按照对社会经济和人体健康影响的程度不同,可以将高温热浪划分为3级:轻度、中度和重度.分级标准如表1所示.

表1 高温热浪分级标准

2.2.2 高温热浪参数 采用高温热浪初日(HWO)、终日(HWT)和持续期(HWD)3个高温热浪参数表征高温热浪在研究时段内的变化特征.HWO代表在1a内指定像元上高温热浪初次发生的日期,而HWT表示1a内指定像元上高温热浪最后1次发生的日期,因此,HWD即为指定像元上高温热浪开始日期至结束日期的时段,可表达为公式4:

2.2.3 高温热浪对碳排放量的多尺度响应分析 碳排放量对温度变化的影响具有累积效应,不同地区高温热浪对碳排放量的响应速度和表现形式可能存在差异.为分析我国高温热浪在不同尺度上的变化特征及其对碳排放量的响应关系,本研究采用集合经验模态分解方法(EEMD)方法将碳排放量和高温热浪频次和持续期等原始序列分解为年际尺度序列和年代际尺度序列,并进行相关性分析.

EEMD方法的实质是在原始序列()上叠加频率均匀分布的高斯白噪声,并对其经验模态分解(EMD)分解后的各分量进行集合平均,生成有限个具有不同振荡周期的本征模态函数(IMFs)和1个残差分量(RES),如公式5所示:

式中:代表本征模态函数IMF个数.IMFs揭示了不同时间尺度下从高频(小于10a周期)到低频(不小于10a周期)的振荡特征[48],RES反映了原始时间序列的变化趋势.本研究中年际序列指高频成分IMFs与趋势成分RES的和,年代际序列是指低频成分IMFs与趋势成分RES的和[49-50].

3 结果与讨论

3.1 中国碳排放变化特征分析

1997～2017年间,全国平均碳排放量(图2a)呈显著的增加趋势,增长率为0.17Gt/10a.不同时段碳排放量变化特征不同,如1997～2000年、2002～2009年、2010～2013年及2014年以来,全国年平均碳排放量分别呈现出:几乎不变—稳步增长—快速增长—增速放缓的变化过程.就各经济区而言,中国8个经济区平均碳排放量均呈显著增长趋势,其中北部沿海(图2c)、东部沿海(图2d)和黄河中游综合经济区(图2f)的增速高于全国水平,而东北(图2b)、南部沿海(图2e)、长江中游(图2g)、西南(图2h)和西北综合经济区(图2i)低于全国水平.碳排放量增速最快的地区是黄河中游综合经济区,达到0.45Gt/10a,且该经济区年平均碳排放量在全国8个经济区中也最高,而碳排放速率和碳排放量最低的地区是西北综合经济区,碳排放量及碳排放速率的高值区与低值区的比值最高可达3倍以上.

图2 中国不同经济区年平均碳排放量变化趋势

(a)全国, (b)东北, (c)北部沿海, (d)东部沿海, (e)南部沿海, (f)黄河中游, (g)长江中游, (h)西南, (i)西北

3.2 中国热浪变化特征分析

3.2.1 高温热浪频次变化分析 由图3a可知,中国高温热浪(轻度、中度和重度高温热浪的总和)发生最频繁的地区是西北综合经济区,主要集中在新疆塔里木盆地和准噶尔盆地,最高达70d;其次,发生在长江中游、东部沿海和南部沿海综合经济区的高温热浪也较为频繁,集中分布在15～25d.发生频次较少的地区是西南和东北综合经济区,大部分地区的高温热浪发生频次在0～5d.由图3b～d可知,1997～2017年中国各经济区轻度高温热浪发生最为频繁,其次为中度高温热浪,重度高温热浪发生频次最少.从不同级别高温热浪的空间分布特征来看,轻度、中度和重度高温热浪平均发生频次存在显著的分布规律:易发生轻度高温热浪且频次较高的区域,中度和重度高温热浪发生的概率越大,反之亦然.

图3 中国不同高温热浪级别的年均频次空间分布

(a)全部热浪(b)重度热浪(c)中度热浪(d)轻度热浪

就全部高温热浪频次而言(图4a),除东北综合经济区变化不明显外,其它7个经济区都呈增加的趋势.其中,南部沿海经济区增加趋势最大,西南综合经济区稳步增加;东部沿海和长江中游综合经济区高温热浪频次呈先增加后减少的变化趋势,且增加幅度大于减少幅度,转折点在2010年左右;与此相反,北部沿海、黄河中游和西北综合经济区高温热浪频次呈先减少后增加的趋势,且增加幅度大于减少幅度.就重度高温热浪频次而言(图4b),东部沿海和长江中游综合经济区呈现明显的增加趋势,西北综合经济区具有先减少后增加的趋势,且增加幅度远大于减少幅度;而其它经济区的高温热浪频次变化趋势不明显.根据图4c、d可知,不同经济区中度和重度高温热浪频次的几乎都呈增加趋势,但东北综合经济区在中度和重度级别、西北综合经济区在重度级别上变化不明显.总体来讲,轻度高温热浪频次变化幅度大于中度和重度高温热浪.

图4 中国不同区域热浪频次变化趋势

(a)全部热浪(b)重度热浪(c)中度热浪(d)轻度热浪

图5 1997～2017年不同级别高温热浪的平均初日、终日和持续时间

第1, 2, 3行分别为重度、中度和轻度高温热浪

3.2.2 高温热浪初日、终日和持续期变化分析 除频次和影响范围外,高温热浪初日、终日和持续期也是表征高温热浪特性的重要参数.由图5a,d,g可知,3种不同级别的高温热浪初日中,各经济区的轻度高温热浪开始日期最早,其中东北、北部沿海和西北综合经济区主要发生在6月份,其它经济区基本发生在7月份;相对于轻度级别,在重度级别上各经济区的高温热浪初日基本延迟1个月;中度热浪初日发生日期介于轻度和重度高温热浪初日之间.由图5b,e,h可以看出,3种不同级别的高温热浪终日中,各经济区的轻度高温热浪结束日期最晚,其中东部沿海、南部沿海、长江中游和西北综合经济区主要发生在8月份,部分地区发生在9月份(如长江中游综合经济区南部);相对于轻度级别,中度和重度级别的高温热浪终日出现较早.因此,由于高温热浪初日和终日的作用,使中国不同经济区在同一级别上的高温热浪持续期差异较大,如在轻度级别上(图5i),西北综合经济区的高温热浪持续期可达到80d以上,主要分布在新疆塔里木盆地和准噶尔盆地,其次为长江中游综合经济区和南部沿海经济区,而东北综合经济区高温热浪持续期最短,在10d以内;同样地,也使同一经济区的高温热浪持续期在不同级别上差异较大,如针对西北综合经济区(图5c,i),在重度级别上其高温热浪持续期集中在0～30d范围内,远小于在轻度级别上的持续期.总体上,除了西北综合经济区的新疆塔里木盆地和准噶尔盆地的高温热浪持续期较大,中国南方的高温热浪持续期远高于北方地区.

图6 中国不同区域的高温热浪初日、终日和持续期在不同级别上的变化趋势

(a～c)重度高温热浪初日、终日和持续期,(d～f) 中度高温热浪初日、终日和持续期,(g～i) 轻度高温热浪初日、终日和持续期

在重度级别上(图6a～c),除北部沿海和南部沿海经济区外,其它经济区的高温热浪初日均呈提前趋势,但是这些地区的高温热浪终日也呈提前趋势,且两者变化的幅度差异较小,导致大多数经济区的高温热浪持续期呈微弱的增加趋势;北部沿海经济区的高温热浪初日和终日在1997～2017年都呈现提前后延后的趋势,导致该经济区的高温热浪持续期未发生显著的变化;仅南部沿海经济区的重度高温热浪持续期变长,这是由于该经济区的高温热浪终日的延后幅度大于高温热浪初日的延后幅度.在中度级别上(图6d～f),除南部沿海经济区外,其它经济区的高温热浪初日和终日都呈提前趋势,且初日变化幅度略小于终日,导致大多数经济区的高温热浪持续期也呈弱的增加趋势,而西北综合经济区的高温热浪持续期呈弱的减少趋势;南部沿海经济区的高温热浪持续期增加相对明显,这是由于其高温热浪初日和终日都呈延后的趋势且终日延后的幅度大于初日延后的幅度.与中度和重度级别相比,轻度高温热浪(图6g～i)初日和终日的变化趋势差异明显,北部沿海综合经济区和黄河中游综合经济区的高温热浪初日呈弱的提前趋势,东北和西北综合经济区基本无变化,而东部沿海、南部沿海、长江中游和西南综合经济区呈延后趋势;就高温热浪终日来说,长江中游、西南、西北、北部沿海和黄河中游综合经济区呈提前趋势,而东北、东部沿海和南部沿海经济区呈延后趋势;由于高温热浪初日和终日的共同作用,导致东北、东部沿海、南部沿海和西南综合经济区高温热浪持续期增加,而黄河中游和西北综合经济区的高温热浪持续期缩短.综上可知,不同经济区在不同的高温热浪级别上,其热浪初日和终日差异较大,两者的共同作用使大多数经济区的高温热浪持续期增加,尤其是南部沿海和西南综合经济区,但西北综合经济区的高温热浪持续期缩短.

3.3 高温热浪对碳排放量的响应特征分析

3.3.1 高温热浪频次对碳排放量的响应 为了定量化描述高温热浪频次对碳排放量的响应,根据EEMD对高温热浪频次分解后的IMFs和RES项计算高温热浪频次的年际序列和年代际序列.通过多尺度相关分析,获得碳排放与高温热浪频次的相关系数及显著性级别(表2).从全部热浪频次对碳排放量的响应来看,在南部沿海和西南综合经济区,年际尺度上的高温热浪频次与碳排放量的相关性高于其年代际尺度,表明这2个经济区的高温热浪对碳排放的响应较为迅速且强烈;而在东部沿海和长江中游综合经济区,年代际尺度上的高温热浪频次与碳排放量的相关性高于其年际尺度,表明这2个经济区的高温热浪对碳排放量的响应相对较慢,存在累积效应.而针对东北、北部沿海、黄河中游和西北综合经济区的影响都是在年代际尺度上更大,但并不显著(东北地区除外),表明在这些经济区碳排放与高温热浪的发生没有明显的关系.由此可以推测,气候温暖地区高温热浪的发生对碳排放量的响应更为强烈,且这种影响较为迅速,而气候寒冷地区的高温热浪对碳排放量的响应一般在年代际尺度上更加强烈,累积效应明显.

在重度、中度和轻度级别上,不同经济区高温热浪频次对碳排放的响应具有明显差别.碳排放对东北和北部沿海综合经济区在3个级别上的高温热浪频次的增加无直接贡献;在东部沿海、黄河中游和长江中游综合经济区,年代际尺度上的高温热浪频次的增加对碳排放的响应更强烈,与此相反,南部沿海和西南综合经济区的高温热浪频次在年代际尺度上对碳排放的响应弱于年际尺度;西北综合经济区仅在重度级别上对碳排放有显著的响应且在年代际尺度上更强烈,而在中度和轻度级别上碳排放对该区的高温热浪的发生无直接贡献.

表2 1997～2017年碳排放与高温热浪频次的相关系数与显著性水平

注: *代表该相关系数在0.05显著性水平上显著.

3.3.2 高温热浪持续期对碳排放量的响应 在高温热浪初日和终日的共同作用下,不同经济区的高温热浪持续期差异较大.为了调查高温热浪持续期对碳排放量的响应,计算了碳排放量与不同经济区的高温热浪持续期在年际和年代际尺度上的相关系数(表3).总体上,不同经济区的高温热浪持续期对碳排放量的响应在年代际尺度上更显著,表明高温热浪持续期对碳排放的响应是一个长期的过程,但针对不同经济区的高温热浪持续期在不同级别上对碳排放的响应差异较大.

在轻度级别上,碳排放对东北、北部沿海、黄河中游和长江中游综合经济区的高温热浪持续期无显著影响,对东部沿海、南部沿海、长江中游和西南综合经济区的高温热浪持续期具有延长的影响,而对黄河中游和西北综合经济区的高温热浪持续期具有缩短的影响.需要注意的是,高温热浪持续期减少并不意味着频次的减少.在中度级别上,碳排放对东北、东部沿海、长江中游和西北综合经济区的高温热浪持续期无显著影响,对南部沿海、黄河中游和西南综合经济区的高温热浪持续期具有延长的影响,而对北部沿海综合经济区具有缩短的影响.与轻度和中度级别不同,在重度级别上,碳排放对东北经济区的高温热浪持续期在年际尺度上具有显著的延长影响,除此之外,还对东部沿海、南部沿海、黄河中游、西南和西北综合经济区的高温热浪持续期具有延长的影响,而对北部沿海综合经济区的高温热浪持续期具有缩短的影响.

综上可知,不同经济区的高温热浪持续期在不同级别上对碳排放量的响应具有显著差异,但总体上表现出在轻度级别上,气候寒冷地区的高温热浪持续期呈缩短趋势,而在气候相对温暖地区高温热浪持续期呈延长趋势;在中度和重度级别上,除北部沿海综合经济区外,碳排放对大多数经济区的高温热浪持续期的延长具有促进作用.

表3 1997～2017年碳排放量与高温热浪持续期的相关系数与显著性水平

注: *代表该相关系数在0.05显著性水平上显著.

4 讨论

为保证分析结果的可靠性,本研究采用的碳排放数据[30-31]和气象数据[35]都已经过验证并已广泛使用,同时,高温热浪判别方法也是由黄卓等[46]针对中国地区改进并已得到精度验证.另一方面,由于气候系统是非线性系统,具有明显的多尺度效应,传统的变化检测方法无法准确地检测出气象序列的振荡[48],如滑动平均、线性回归等,而本研究采用的EEMD方法可以在多尺度上探讨高温热浪对碳排放的响应特征.

但有研究发现,除了对CO2排放量敏感,高温热浪还与大气环流、陆面过程和海温异常有关[23],本研究未在区域尺度上调查高温热浪对这些大尺度因子的响应,因此,在易受这些大尺度气候因子影响的地区,分析可能具有一定的局限性[51-52].另一方面,排放的CO2在大气中经过长时间的对流和平流等交换过程,其影响范围可能不局限于当前区域,本研究假设CO2在长时间的交换中达到平衡,未考虑其在不同区域的交换问题,可能导致分析结果中存在一定的不确定性.因此,在未来的研究工作中,需要进一步考虑大尺度气候因子影响下的高温热浪对碳排放的响应特征分析以及CO2在不同区域间的交换情况.

尽管存在一定不确定性,本研究合理分析并总结出了一些不同气候变化条件下高温热浪对碳排放量的多尺度响应规律,为人们更好的理解区域碳排放量变化对极端高温热浪天气事件的影响提供了一种新的视角.气象和灾害管理部门可以根据当地碳排放情况以及高温热浪对它的响应程度,及时采取相应的措施,有效应对高温热浪事件带来的生命和财产损失.

5 结论

5.1 全国及8个经济区的碳排放量均呈显著增加趋势,增速最快的地区是黄河中游综合经济区,达到0.45Gt/10a,且该区平均碳排放量在8个经济区中也最高,而碳排放速率和碳排放量最低的地区是西北综合经济区.

5.2 轻度高温热浪发生频次最高,而重度高温热浪发生频次最少,易发生轻度高温热浪且频次较高的区域,中度热浪和重度热浪发生的概率越大;八个经济区在不同的高温热浪级别上其频次变化趋势差异较大,但总体上各经济区的轻度高温热浪频次变化幅度大于中度和重度高温热浪.

5.3 三种不同级别的高温热浪初日中,各经济区的轻度高温热浪开始日期最早且结束日期最晚、持续期最长,从区域差异来看,除西北综合经济区的新疆塔里木盆地和准噶尔盆地的高温热浪持续期较长外,中国南方的高温热浪持续期远高于北方地区.

5.4 气候温暖地区高温热浪对碳排放量的响应更为快速,而气候寒冷地区的高温热浪对碳排放量的响应一般在年代际尺度上表现出来,具有累积效应.

5.5 不同经济区的高温热浪持续期在不同级别上对碳排放量的响应具有显著差异,但总体上表现出:在轻度级别上,气候寒冷地区的高温热浪持续期呈缩短趋势,而在气候相对温暖地区高温热浪持续期呈延长趋势;在中度和重度级别上,除北部沿海综合经济区外,碳排放量对大多数经济区的高温热浪持续期的延长具有促进作用.

[1] 万文玉,赵雪雁,王伟军.中国城市居民生活能源碳排放的时空格局及影响因素分析[J]. 环境科学学报, 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,刘庆生,刘高焕,等.高温热浪风险评估研究综述[J]. 地球信息科学学报, 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,高枞亭,等.中国气候过渡带干旱化发展趋势与东亚夏季风、极涡活动相关研究[J]. 气象学报, 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,吴立广.中国东部地区夏季极端高温的特征分析[J]. 气象科学, 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] 王鹏祥,杨金虎.中国西北近45a来极端高温事件及其对区域性增暖的响应[J]. 中国沙漠, 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] 王丽伟,张 杰.华北—华东地区高温热浪与土壤湿度的关系研究[J]. 气象科学, 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] 罗连升,段春锋,毕 云,等.春季青藏高原大气热源与长江中下游盛夏高温的关系[J]. 气象科学, 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] 吴 琼,郭 煜,周 勍,等.镇江地区高温气候特征分析及一次连续性高温天气的诊断[J]. 气象科学, 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] 何泽能,左 雄,白莹莹,等.重庆市城市高温变化特征分析及对策初探[J]. 高原气象, 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] 贾 佳,胡泽勇.中国不同等级高温热浪的时空分布特征及趋势[J]. 地球科学进展, 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] 黄小梅,仕仁睿,刘思佳,等.西南地区夏季高温热浪时空分布特征及其成因[J]. 高原山地气象研究, 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] 刘嘉慧敏,郑 然,娄盼星,等.2017年7月陕西高温热浪天气成因及前期信号初探[J]. 干旱气象, 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.中国热浪时空变化特征及其机理研究[D]. 南京:南京大学, 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] 颜晓卉.城市碳排放量与气温变化关联分析研究[D]. 北京:中国矿业大学, 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气候影响研究[D]. 太原:山西大学, 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,冯 杰.实现地区协调发展的战略思路和政策措施[R]. 北京:国务院发展研究中心, 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] 陈 敏,耿福海,马雷鸣,等.近138年上海地区高温热浪事件分析[J]. 高原气象, 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.华北地区高温日数的气候特征及变化规律[J]. 地理科学, 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,游庆龙,王朋岭,等.1961～2014年中国高温热浪变化特征分析[J]. 气象科学, 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] 叶殿秀,尹继福,陈正洪,等.1961～2010年我国夏季高温热浪的时空变化特征[J]. 气候变化研究进展, 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] 黄 卓,陈 辉,田 华.高温热浪指标研究[J]. 气象, 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] 孙建奇,王会军,袁 薇.我国极端高温事件的年代际变化及其与大气环流的联系[J]. 气候与环境研究, 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

刘金平(1990-),男,河南商丘人,讲师,博士,主要从事全球变化水循环研究.发表论文20篇.

2021-05-17

科技部基础资源调查专项(2018FY100501);王宽诚教育基金会(GJTD-2020-14);中国科学院西部之光项目(2019-XBQNXZ-B-004, 2019-XBYJRC-001)

* 责任作者, 讲师, renyanqun@ncwu.edu.cn