北半球人体不舒适天数归因分析及其未来预估_李万玲.pdf

年 第 卷 第 期：气候变化与气候预测 ：引用格式：李万玲，郝鑫，北半球人体不舒适天数归因分析及其未来预估大气科学学报，（）：，（）：.（）北半球人体不舒适天数归因分析及其未来预估李万玲，郝鑫 南京信息工程大学 大气科学学院，江苏 南京；南京信息工程大学 教育部气象灾害预测与评价协同创新中心 气象灾害重点实验室，江苏 南京；中国科学院 大气物理研究所 竺可桢南森国际研究中心，北京 联系人，：收稿，接受广东省基础与应用基础研究重大项目（）；国家自然科学基金资助项目（）；江苏省大学生创新创业训练计划项目（）摘要基于 再分析资料及 个 全球气候模式模拟资料，对 年北半球湿热指数表征的热不舒适天数与风寒指数表征的冷不舒适天数历史变化进行归因分析，并预估未来（年）种不同情景下不舒适天数的变化趋势。结果表明：历史时期北半球中低（中高）纬度地区热（冷）不舒适天数偏多且不舒适天数显著增加（减少）。其中，高纬度（中纬度）地区能够检测到历史全强迫，人为强迫和温室气体强迫的影响，且温室气体强迫主导了冷（热）不舒适天数变化。低纬度地区，热不舒适天数显著增加可归因于人为温室气体强迫作用，气溶胶强迫能够产生相反的作用降低热不舒适的发生率，冷不舒适天数则受气候系统内部的调控作用。未来热（冷）不舒适天数将持续增加（减少），其中 与 情景下舒适度变化显著，与 情景下，年后北半球人类遭受的冷热不舒适感将维持在稳定的水平。关键词人体舒适度；湿热指数；风寒指数；温室气体；气溶胶；人为强迫 人体舒适度是一项根据人体与周围环境之间热量交换原理，评价人体在各种气候环境下舒适程度的气象指标（刘梅等，）。由于室内环境条件具有相对稳定性和可控性，因此室内人体舒适度影响研究受到了广泛关注（，；段培永等，；胡晓倩等，）。近年来户外舒适度的研究不断增加（，）。室外微气候环境温度、湿度和风速等参数对舒适度有重要影响，其中温度是最重要的参数（，）。低湿度条件下，由于人体蒸发较多，低湿度对主观愉悦感受产生积极影响，而当湿度变为 以上时人体会感到疲劳不适（，）。高温、高湿、干冷等气象条件也会引起人体调节功能发生异常，导致内分泌系统发生紊乱，使得呼吸道疾病、过敏等发病率显著提高（，；，）。为了定量评价人体在日常生活中对舒适程度的主观感受，近年来许多研究相继提出了多种表征人体舒适度的指数，这些指数广泛应用于气象相关业务中，能够对生产生活、交通旅游、城市规划、医疗卫生等公共生活领域起到一定的指示作用（，）。例如，表征人体在典型的无风和太阳辐射的环境中的生理平衡温度（，；郑有飞等，），通过考虑人体自身和环境的多重复杂生理物理过程评价人类机体在周围温度完全不同时也能在特定极限内保持体温能力的通用热气候指数（，）。已有许多研究基于这些人体舒适度指数探讨各种气候条件下人体舒适度的变化特征。（）利用湿热指数（）和 年 月 第 卷 第 期风寒指数（，）研究极端高温事件在北美地区的时空分布特征，发现热高温事件显著增加的站点大多数位于 以南的中纬度地区，而近 间极端冷事件在北美加拿大地区均显著减少。基于通用热气候指数欧洲和亚洲等地同样表现出相似的舒适度地理分布特征，即热气候指数值随纬度增加而减小，说明冷事件多发生在高纬度地区，热事件多发生在低纬度地区（，；乐满等，；，）。另有学者利用预测平均评价指数和热感觉评价指数对南欧、北美和亚洲中纬度温带气候区的热环境进行比较分析，发现南欧和北美城市热指数较高，而亚洲相对较低，南欧大部分地区的非舒适环境都是因为温度过高，而亚洲则多因冷不舒适环境（，）。（）基于有效温度同时研究发现对于冷日数偏多的东亚地区，过去几十年冷日数显著减少，热日数显著增加。考虑到降雨、雾霾会伴随相对湿度的强烈变化（张小曳等，；尹志聪等，），大气温度对人类机体对流散热的影响（乔平等，），已有的研究结果表明人体舒适度相对于工业化前时期已产生较明显的差别（，），未来几十年受气候条件和人口暴露度影响热舒适条件可能也会发生改变（，；，；于恩涛和孙建奇，；周波涛等，）。但气候变化背景下，人体舒适度的研究多针对舒适度方法的开发与改进、城市建设对舒适度的影响与舒适度对旅游卫生部门的支持上（，；，；，），尚未发现文献定量分析引起冷热舒适度变化的主要外强迫信号。因此，本研究将探讨北半球陆地地区冷、热人体舒适度在 年间的时空变化特征；历史时期不同纬度区域的人体舒适度变化分别进行定量检测归因，探讨影响人体舒适变化的主要因素；此外，还将进一步定量预估北半球人体舒适度在不同共享社会经济途径情景下的变化情况，以期对恶劣气候的提前防备以及打造更利于人类生活的舒适环境提供理论参考。数据与方法.数据本文选取 再分析资料集逐日平均 高度风场、高度气温以及近地面相对湿度数据（，），水平分辨率为.，研究时段为 年。为进行人体舒适度检 测 归 因 与 未 来 预 估，本 文 还 使 用（：）个全球气候模式（表）不同试验数据。历史试验类包括：）历史全强迫模拟（），即涵盖研究时段内所有外部强迫的历史变化；）历史自然强迫模拟（），例如火山爆发、太阳活动的强迫；）历史温室气体浓度的外强迫模拟（），例如考虑，以及 等温室气体的强迫；）历史气溶胶浓度模拟（）；）工业化前非强迫控制模拟的参照试验（）。未来预估试验为四种 共 享 社 会 经 济 途 径 情 景（、）下的未来预估试验。历史试验类数据涵盖时间段为 年，未来预估试验涵盖的时间段为 年。在计算过程中，为了赋予每个模式以相同的权重，本文在计算中均以所选模式的集合平均值，代表模式的模拟结果。表 不同试验成员个数及 试验提供的非重叠的 周期数据集个数 模式总和李万玲，等：北半球人体不舒适天数归因分析及其未来预估.方法.选 取 定 量 表 征 热 不 舒 适 天 数。通过温度和湿度量化人体的热舒适程度，能够反映过热过湿情况下人体的不适感，被认为是最稳健和最有效的舒适指数之一（，）。计 算 公 式 如 下（，）：.()。（）其中：.是根据水分子量、蒸发潜热、气体常数所确定的常量；.为开尔文冰熔点；变量 为地面 处温度（），为近地面露点温度（）。本研究中将该指数 的天数认定为热不舒适天，此时人类会感到极不舒适，应当完全杜绝不必要的户外活动（，）。由于无法从再分析数据中直接得到露点温度，本文采用迭代法计算露点温度，即在水汽含量不变的前提下，通过不断降温使得气团达到饱和，则此时得到的温度即为露点温度。.选取了 定量表征冷不舒适天数。表征了由于低温空气流过而导致体温下降，人体表面通过传导、蒸发、对流和辐射而失去热量，人类对低温和风的一种感受程度，其多应用于研究低温和高风速对人体舒适度的影响，受各国学者广泛使用和推荐（，；，；，）。有两种不同的计算公式（，）。对于低风速情况（），计算公式为：.。（）对于高风速（），计算公式为：.。（）其中：为距离地面 高度处的风速（），为距离地面 高度处温度（）。本文研究中将 作为冷不舒适的阈值（，）。.最优指纹法本研究基于再分析资料和 多模式模拟资料对 年历史时期热不舒适天数和冷不舒适天数变化情况分别使用最优指纹法进行检测归因。该方法的计算模型为下式（）和（）所示的回归方程（，）：。（）?。（）式（）中：表示观测值，本文中为再分析资料计算所得的不舒适天数；是通过再分析所得的不舒适天数对所研究的不同外部强迫（历史全强迫、历史温室气体强迫、历史气溶胶强迫、历史人为强迫）的气候响应（，）；是通过调整指纹值产生的使模拟结果与再分析结果之间达到最佳匹配效果的标度因子。为所考虑的外强迫因子的数量，本研究定量分析个体外强迫单独贡献和综合（）外强迫效应；是由工业化前非强迫控制模拟试验 估计出的高斯分布随机残差项所表示的内部气候变异因子，包含 年样本数据，其中一部分数据（个不重叠的 样本）用于计算尺度因子的（即）不确定性区间，另一部分（个不重叠的 样本）用于数据预白化。最优指纹因子 的 不确定性区间可以直观的体现人体舒适度变化的检测归因结果。判断最优指纹因子 的不确定性区间与关键量 和 的关系，便可得到模式模拟的不同外强迫气候响应和再分析变化的方向和强度的一致性，进而分析内部变率和外部强迫的影响程度（，）。当尺度因子 大于 则表示两信号的方向一致，即该外强迫信号对研究对象的影响可以被探测到；当尺度因子 包含 则表示两信号变化具有一致的方向和强度；当尺度因子 大于 且包含 则表示该强迫因子通过一致性检验，若其在多信号检测与归因过程中同时被探测到，则表示所研究区域的不舒适天数变化可归因为此因子的影响，该外强迫可被分离占据主导地位（，）。式（）中：假设 是未知量，是根据具有与内部可变性相关的随机项的集合平均值。此外，本文还进行了残差一致性检验（，），以确定残差项的可靠性。同时，本文将 年期间不同外强迫下不舒适天数的多模式集合平均趋势值与（共有 样本）之积乘以尺度因子（的边界），并将再分析结果中不舒适天数的趋势值（不确定性范围）乘以 周期，用以定量研究人体不舒适天数的可归因变化。北半球人体舒适度历史时空变化特征 图 为北半球 年期间全年热不舒 年 月 第 卷 第 期图 年期间北半球热不舒适天数（）和冷不舒适天数（）的气候态分布及热不舒适天数（）和冷不舒适天数（）线性趋势变化特征（单位：；打点区域表示通过 置信度的显著性水平检验）（）（），（）（）（：）适天数和冷不舒适天数气候态分布和线性变化倾向。历史时期北半球热不舒适天数气候态呈现低纬度偏多，高纬度偏少的空间分布型（图）。中低纬度地区热不舒适天数显著增加，如低纬度撒哈拉沙漠地区年热不舒适天数增加量可达.，非洲北部、阿拉伯半岛、印度半岛、中南半岛和亚洲西部部分地区年热不舒适天数有.的显著增加趋势，高纬度地区热不舒适天数无明显变化趋势（图）。相反，冷不舒适天数气候态则呈现中高纬度地区偏多，低纬度地区偏少的空间分布型（图）。北半球中高纬度地区冷不舒适天数显著减少，亚洲北部、欧洲北部、北美、格陵兰岛及青藏高原地区年冷不舒适天数减少.，亚洲中部冷不舒适天数则有弱的增加趋势（图）。可见，北半球热 冷不舒适天数气候态分布和线性趋势变化具有明显的地域性差异。基于上述结果，本文将分别针对高纬度地区（）、中纬度地区（）、低纬度地区（）个不同纬度区域的人体舒适度变化进行分析（图）。高、中、低纬度平均热不舒适天数均呈现出显著增加趋势。其中，中纬度地区（图）和低纬度地区（图）热不舒适天数有明显的年际变化和年代际增加趋势，其增长趋势分别为.（）和.（），高纬度地区（图）热不舒适天数增长趋势较小，为.（）。中高纬度冷不舒适天数则总体呈现出与之相反的年代际减少趋势，下降趋势分别为.（）（图）和.（）（图），低纬度（图）地区冷不舒适天数极少，无显著增减趋势。冷暖不舒适天数变化检测与归因.模式模拟能力评估为了对历史时期北半球高、中、低纬度地区热不舒适天数和冷不舒适天数变化进行最优指纹法分析，本文首先对 模式的历史气候态及线性变化趋势再现能力进行评估，确定不同模式历史模拟结果的可靠性。不同模式及多模式集合平均与再分析结果的气候态差值场显示，（图）模式对低纬度地区热不舒适天数气候态略有低估，其他模式（图）则对低纬地区热不舒适天数气候态有所高估。对于冷不舒适天数，模式在青藏高原和格陵兰岛地区的再现能力存在一定的不足，如（图）和（图）模式均高估了两地的冷不舒适天数。总体来看，模式基本能再现历史不舒适天数的气候态分布，模式之间存在一定差异，多模式集合平均（图、）模拟能力明显强于 种模式分别的模拟结果，其能在一定程度上减小模式之间的不确定性。模式是否能再现研究对象的多年变化趋势是评估模式模拟能力的重要指标（，）。进一步通过分析 种不同模式对北半球热不舒适天数（图李万玲，等：北半球人体不舒适天数归因分析及其未来预估图 年高纬度地区（，）、中纬度地区（，）和低纬度地区（，）全区平均热不舒适天数（，）和冷不舒适天数（，）时间序列（黑线，单位：；滑动平均结果（蓝线）；一元线性回归结果（红色直线，单位：（）；表示通过 置信度的显著性水平检验）（，）（，）（，），（，），（，）（；：），（：（），）和