温升情景下吉林省冬季极端低温变化与人口暴露度研究

石 晨 张宇彤

（1.吉林省气象科学研究所，吉林长春 130062；2.长白山气象与气候变化吉林省重点实验室，吉林长春 130062；3.吉林省气象局，吉林长春 130062）

1 引言

在全球变暖背景下， 极端气候事件的强度和频率不断增强，更具有突发性，对人类社会经济的发展和生态环境造成了更为深远的影响[1-3]，极端气候事件的预估也成为全球气候变化研究中的重要课题[4]。 大量研究证明极端低温的变化要比极端高温的变化更剧烈， 对全球气候变化的敏感性更高[5-6]。 国内外研究表明，平均最低气温在中国普遍呈上升趋势， 中国大陆地区霜冻日数和结冰日数明显减少，减少显著的区域集中在北方[7-9]。Karl 等[10]研究北半球3 个主要国家的资料指出最低温度上升的事实， 并指出这种变化趋势和温室气体的排放有关。Cooter 等[11]的研究结果表明霜冻日数在过去几十年呈现出减少的趋势。 虽然极端低温事件频次呈减少趋势，但仍具有偶发性、破坏力极强的特点， 对社会经济发展和公共设施安全的威胁十分严重，尤其是对于农业来说，对霜冻期和结冰期的持续时间有着深远的影响。

利用多模式集合对极端低温事件进行预估，可有效防范极端冷事件带来的不利影响， 采取有效措施降低对生命、生产、生活、生态所带来的风险影响。近年来，气候灾害的风险评价在国内取得了一定进展。王安乾等[12]研究了全球升温1.5 ℃和2 ℃情景下中国极端低温事件变化对耕地暴露度的影响。 尹占娥等[13]基于历史高温观测数据，利用概率分布方法计算了不同重现期的高温情景，实现了不同重现期下的高温危险性评估。

吉林省地理位置偏高，整年易受冷涡的影响，气候寒冷、冬季持续时间长，更易导致极端低温发生。 但目前极端低温事件对社会经济影响的研究大部分仍然是基于过去的低温事实， 未来极端低温事件的影响研究较少。 预估未来时段吉林省极端低温事件的发生发展变化， 对低温事件影响区域和人口暴露风险进行定量评估， 对提高应对气候变化能力， 做好低温灾害风险防范具有重要意义。

2 资料和方法

2.1 资料

采用跨行业影响模式国际比较计划（The Inter-Sectoral Impact Model Intercomparison Project，ISIMIP） 第3 阶段中的5 个CMIP6 全球气候模式数据（GFDL-ESM4、IPSL-CM6A-LR、MPI-ESM1-2-HR、MRI-ESM2-0 和UKESM1-0-LL）， 模式的结果已经过偏差订正和统计降尺度， 模式分辨率为0.5°×0.5°。

2.2 方法

2.2.1 极端低温事件阈值的确定

对某一格点上基准期（1981—2010 年）逐日同期最低气温资料按升序排列，取其第10 百分位值作为该站该日极端低温的阈值。 由于该方法可供使用的样本数量有限， 为增加样本分布的稳定性， 采用某日及前后间隔5 d 的5 个数据作为样本，并以此计算极端低温的阈值[14]。 当某格点某日最低气温低于对应的阈值， 则认为该点在该日发生了极端低温， 而空间上连续发生极端低温的格点组成的区域则为一次极端低温事件。 由于东北地区气候寒冷， 冬季持续时间长， 本研究将当年11 月至次年3 月作为该年冬季。

2.2.2 建立反应极端低温事件的指标

区域性极端低温事件是发生在连续面积上具有一定持续时间的低于极端低温阈值的过程。 当某日出现最低气温低于阈值的格点数超过吉林省总格点数的10%时， 则定义为该日发生了一次区域性极端低温事件。 对于区域持续性极端低温事件，主要建立3 个指标，即低温强度、低温面积与持续时间。低温强度为峰值日（出现极端低温的格点最多日）极端低温的平均值（绝对值），低温面积是指此次极端低温事件所覆盖的最大连续面积，持续时间为该区域内最低气温连续低于相应极端低温阈值的时段。 极端低温事件发生频次为该区域在研究时段内发生极端低温事件的次数。

2.2.3 未来时段极端低温事件预估方法

采用多模式等权重集合方法， 对未来情景为高排放情景下（SSP5-8.5）升温1.5 ℃和2 ℃时吉林省冬季极端低温事件进行预估。

2.2.4 极端低温下的人口暴露度定义与定量评估方法

极端低温下的人口变化受极端低温日数和人口数量变化的影响， 将年均低温日数与年均人口数量的乘积定义为极端低温下的人口暴露度。 可以分解为气候因子（低温日数变化， 人口数量不变）影响、人口因子（低温日数不变，人口数量变化）影响、人口和气候因子（低温日数和人口数量均变化）共同影响。 可表示为：

式中，x、y 分别为极端低温日数和人口数量；x×Δy为人口因子影响；y×Δx 为气候因子影响；Δx×Δy为人口和气候因子的共同作用。 不同影响因子的贡献率计算方法如下：

3 全球升温到1.5 ℃和2 ℃的时间

根据ISIMIP 计算的不同排放情景下各模式模拟全球气温的时间变化结果可以发现， 相比于工业革命前期（1850—1900 年），未来情景下全球平均气温明显升高。 升温幅度随人为辐射强迫等级升高而升高 （SSP5-8.5＞SSP3-7.0＞SSP1-2.6），SSP5-8.5、SSP3-7.0 情景下全球升温在21 世纪中叶前到达1.5 ℃水平，2100 年前超过3 ℃水平；SSP1-2.6 情景下升温在2100 年低于2 ℃水平。各模式到达不同升温阈值的年份不同 （表1）。 在SSP5-8.5 情景下，IPSL-CM6A-LR 模式将在2016年到达升温1.5 ℃水平，GFDL-ESM4 模式为2039年到达；IPSL-CM6A-LR 模式和UKESM1-0-LL模式将在2031 年到达升温2 ℃水平，GFDLESM4 模式将在2053 年到达； 各模式到达3 ℃升温水平的时间分别为2076 年、2050 年、2074 年、2065 年和2046 年。

表1 SSP5-8.5 情景下各模式到达不同升温阈值的年份 年

4 升温1.5 ℃和2 ℃下吉林省极端低温事件的变化

采用多模式集合方法探讨未来吉林省极端低温事件的变化，分别以出现升温1.5 ℃的2028 年和升温2 ℃的2041 年为中心， 向前后各推10 a，即以2019—2038 年和2032—2051 年作为计算全球升温1.5 ℃和2 ℃的极端低温事件的时间段。

4.1 吉林省单站极端低温事件年均频次的变化

全球升温1.5 ℃时， 吉林省冬季单站极端低温事件年均频次较基准期增多4～10 次，增幅呈东多西少分布。白城地区增多6～8 次，松原、长春、四平地区4～6 次，其他地区为7～10 次（图1a）。 持续1～2 d 极端低温事件年均频次较基准期增多次数超过总体年均频次，可达5～11 次，空间分布与总体频次类似，高值区主要位于东部地区（图1b）；全省大部分地区持续3～5 d，年均频次减少幅度更大，部分地区减少超过1 次；持续6 d 以上极端低温事件年均频次较基准期有所减少（图1c、图1d）。全球升温2 ℃时， 吉林省冬季极端低温事件年均频次较基准期的变化在空间分布上和升温1.5 ℃时类似，在此不再详述。

图1 全球升温1.5 ℃下吉林省单站极端低温事件频次相对于基准期的年均频次变化（a），持续1～2 d（b）、持续3～5 d（c）、持续6 d 以上（d）低温事件年均频次变化

4.2 吉林省区域性极端低温事件年均频次的变化

图2 给出了吉林省冬季区域性极端低温事件年均频次变化。 基准期总体极端低温事件年均频次约3.9 次，全球升温1.5 ℃时极端低温事件频次预计下降约5%，继续再升温0.5 ℃时频次下降约13%。 持续3～5 d 极端低温事件在基准期年均频次约为3 次，全球升温1.5 ℃和2 ℃时，相对于基准期分别增加约13%和5%。持续6～9 d 极端低温事件年均频次在当前气候约为0.3 次， 全球升温1.5 ℃和2 ℃时，分别减少67%和83%左右。 基准期持续9 d 以上极端低温事件的年均频次约0.33次， 当全球升温1.5 ℃时， 相对于基准期减少约85%；全球升温2 ℃时，极端低温事件频次仅为基准期的6%左右。

图2 全球升温1.5 ℃（灰色）和2 ℃（黑色）时，吉林省冬季区域性极端低温事件年均频次变化（虚线为基准期1981—2010年平均值；a 为总体事件，b、c、d 分别为持续3～5 d、6～9 d、9 d 以上低温事件）

4.3 吉林省区域性极端低温事件影响面积的变化

全球升温1.5 ℃和2 ℃时，吉林省冬季区域性极端低温事件影响面积如图3 所示。 总体极端低温事件在基准期平均影响面积约4.75×104km2；升温1.5 ℃时，影响面积下降约37%；升温2 ℃时，影响面积下降约41%。 持续3～5 d 的极端低温事件，基准期影响面积约4.7×104km2；升温1.5 ℃和2 ℃时，影响面积下降幅度与总体事件基本一致。基准期持续6～9 d 极端低温事件影响面积约1.23×104km2； 升温1.5 ℃时， 影响面积下降约76%； 升温2 ℃时比升温1.5 ℃的状况下降约16%。 持续9 d 以上极端低温事件在当前气候的影响面积约0.86×104km2；升温1.5 ℃时，影响面积下降约85%，升温2 ℃时，影响面积则比升温1.5 ℃时下降约11%。

图3 全球升温1.5 ℃（灰色）和2 ℃（黑色）时，吉林省冬季区域性极端低温事件平均低温面积变化（虚线为基准期1981—2010 年平均值；a为总体事件，b、c、d 分别为持续3～5 d、6～9 d、9 d 以上低温事件）

4.4 吉林省区域性极端低温事件平均强度的变化

总体事件在基准期极端低温事件平均强度为23 ℃；升温1.5 ℃时，强度上升约13%；升温2 ℃时上升约9%。 当前气候下，持续3～5 d 事件平均强度为21.5 ℃；升温1.5 ℃和2 ℃时，事件强度分别上升约23%和21%。 持续6～9 d 事件基准期平均强度显著减小，为6.7 ℃；升温1.5 ℃和2 ℃时，强度分别下降约64%和82%。 持续9 d 以上低温事件平均强度为6.5 ℃；升温1.5 ℃时，强度下降约75%；升温2℃下降约94%。

5 极端低温事件下人口暴露度的定量评估

为了研究极端低温事件对未来吉林省人口变化的影响，分别计算了全球升温1.5 ℃和2 ℃时段吉林省极端低温事件下的人口暴露度相对于基准期的变化。未来情景下，吉林省大部分地区人口受极端低温事件影响， 各模式和集合平均反映出极端低温下的人口变化大体一致。 与基准期时段相比，升温1.5 ℃时，中部地区人口暴露度变化幅度较明显，长春、吉林大部分地区为明显增多，最大增幅超过10×106人·d。 西部地区、东部大部分地区人口暴露度为-2×106～2×106人·d。与升温1.5 ℃时段相比， 升温2 ℃全省大部分地区人口暴露度增幅有所减弱，人口暴露度减少区域有所增加。

进一步分析未来情景下极端低温事件人口暴露度变化的影响因素。从全球升温1.5 ℃和2 ℃下人口因子和气候因子及两者共同作用对吉林省人口暴露度的贡献率（图4）可以看出，极端低温人口暴露度变化主要由人口因子主导， 其次受气候因子影响， 人口和气候因子共同影响很小。 升温1.5 ℃时， 人口因子对人口暴露度变化贡献率达57.9%；升温2 ℃时，贡献率增加至62.1%；气候因子对人口暴露度影响在未来不同时段逐渐减弱，贡献率由18.6%逐渐减弱到11.4%。 升温1.5 ℃时，气候因子对东部山区影响较强，对西部地区影响较弱；在未来不同时段，气候因子对中部、东部地区的影响逐渐减弱。

图4 全球升温1.5 ℃（a、b、c）和2 ℃（d、e、f）时人口因子（a、d）和气候因子（b、e）及两者共同作用（c、f）对吉林省人口暴露度的贡献率（单位：%）

6 结语

本文采用多模式集合方法， 研究了SSP5-8.5情景下升温1.5 ℃和2 ℃下吉林省冬季极端低温事件的变化， 定量评估了低温事件对人口暴露度影响，初步实现了吉林省低温灾害人口风险评价，为低温灾害风险定量化研究做出了探索。

（1）全球升温1.5 ℃和2 ℃时，吉林省冬季单站极端低温事件年均频次较基准期增多4～10 次，增幅呈东多西少分布。

（2）全球升温1.5 ℃时，区域极端低温事件年均频次相对于基准期时段下降约5%，影响面积下降约37%，平均强度上升约13%；持续3～5 d 事件年均频次上升约13%，影响面积下降约37%，平均强度上升约23%； 持续6～9 d 事件年均频次下降约67%，影响面积下降约76%，强度下降约64%；持续9 d 以上极端低温事件的年均频次和影响面积下降约85%，平均强度下降约75%。

（3）全球升温2 ℃时，区域极端低温年均频次相对于基准期时段下降约13%， 影响面积下降约41%，平均强度上升约9%；持续3～5 d 事件年均频次上升约5%，影响面积下降约41%，平均强度上升约23%； 持续6～9 d 事件年均频次下降约83%，影响面积下降约92%，强度下降约82%；持续9 d 以上极端低温事件的年均频次、 影响面积和平均强度仅为基准期的6%、4%和6%。

（4）在未来时段，极端低温事件的影响面积逐渐缩小，低温持续时间越长，面积缩小幅度越大。持续时间较长的极端低温事件年均频次和平均强度也显著下降。

（5）未来时段，吉林省大部分地区人口受极端低温事件影响，人口暴露度变化主要由人口因子主导，其次受气候因子影响。 与基准期时段相比，升温1.5 ℃时，中部地区人口暴露度变化幅度较明显，长春、吉林大部分地区为明显增多；升温2 ℃全省大部分地区人口暴露度增幅有所减弱，人口暴露度减少区域有所增加。