劉金平,任艷群*,陶 輝,劉 鐵,陳 豪

中國(guó)高溫?zé)崂藢?duì)碳排放量的響應(yīng)

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(xué)測(cè)繪與地理信息學(xué)院,河南 鄭州 450046；2.中國(guó)科學(xué)院新疆生態(tài)與地理研究所荒漠與綠洲生態(tài)國(guó)家重點(diǎn)實(shí)驗(yàn)室,新疆 烏魯木齊 830011；3.天津大學(xué)地球系統(tǒng)科學(xué)學(xué)院表層地球系統(tǒng)科學(xué)研究院,天津 300072；4.天津大學(xué),天津市環(huán)渤海地球關(guān)鍵帶科學(xué)與可持續(xù)發(fā)展重點(diǎn)實(shí)驗(yàn)室,天津 300072)

基于中國(guó)碳核算數(shù)據(jù)及氣象資料,分析了8大經(jīng)濟(jì)區(qū)(30個(gè)省份)近20a來(lái)(1997～2017年)碳排放量和高溫?zé)崂说谋镜鬃兓卣?探討了不同區(qū)域高溫?zé)崂藢?duì)碳排放量的多尺度響應(yīng)關(guān)系.結(jié)果表明:(1)研究時(shí)段內(nèi),8個(gè)經(jīng)濟(jì)區(qū)的碳排放量均顯著增加,增速最大和最小的經(jīng)濟(jì)區(qū)分別為黃河中游和西北;(2)不同級(jí)別(輕度、中度和重度)高溫?zé)崂税l(fā)生頻次呈現(xiàn)出輕度>中度>重度的特征,且輕度級(jí)別發(fā)生頻次越多的地區(qū),中度和重度高溫?zé)崂说陌l(fā)生概率越大;(3)相較于其它級(jí)別,輕度高溫?zé)崂碎_(kāi)始日期最早、結(jié)束日期最晚,即持續(xù)期最長(zhǎng),總體上,南方地區(qū)高溫?zé)崂顺掷m(xù)期遠(yuǎn)高于北方地區(qū);(4)氣候溫暖地區(qū)高溫?zé)崂伺c碳排放量的變化一致性主要體現(xiàn)在年際尺度上,而寒冷地區(qū)更趨向于年代際尺度,即溫暖地區(qū)高溫?zé)崂藢?duì)碳排放量的響應(yīng)更為強(qiáng)烈;(5)不同經(jīng)濟(jì)區(qū)高溫?zé)崂顺掷m(xù)期在不同級(jí)別上對(duì)碳排放量的響應(yīng)差異顯著,但總體上呈現(xiàn)出高排放對(duì)持續(xù)期延長(zhǎng)的促進(jìn)作用.

極端天氣氣候事件；碳排放；高溫?zé)崂?；響?yīng)特征

全球升溫和極端天氣氣候事件頻發(fā)與人類燃燒化石燃料排放大量的溫室氣體密切相關(guān)(可能性超過(guò)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(duì)碳排放的響應(yīng)特征有助于預(yù)估和了解碳排放帶來(lái)的極端天氣風(fēng)險(xiǎn).

碳排放量增加導(dǎo)致溫室效應(yīng)的加劇,從而可能導(dǎo)致極端天氣氣候事件的頻率和強(qiáng)度增加,其主要機(jī)制是:氣溫升高一方面使得土壤水和海水蒸發(fā)量增加,為大氣提供更多水分的同時(shí)增強(qiáng)了其持水能力,而大氣水分變化(濕度增大)會(huì)增強(qiáng)雨水事件的強(qiáng)度,進(jìn)而加劇洪水事件發(fā)生的風(fēng)險(xiǎn);另一方面氣溫升高也會(huì)導(dǎo)致土壤更加干燥,更有可能發(fā)生干旱;而在高溫和高濕條件下,最容易產(chǎn)生高溫?zé)崂耸录2-3].其中,受碳排放量增加導(dǎo)致增溫的可能影響,高溫?zé)崂嗽谌虼蟛糠株懙貐^(qū)域發(fā)生的頻率和持續(xù)的時(shí)間均呈增加趨勢(shì),對(duì)人類生存和社會(huì)經(jīng)濟(jì)發(fā)展構(gòu)成嚴(yán)重威脅[4-5].例如,2003年歐洲高溫?zé)崂艘鸪^(guò)25000人死亡以及巨大的社會(huì)經(jīng)濟(jì)損失[6];2010年7～9月發(fā)生在東歐和俄羅斯西部的熱浪造成的影響在強(qiáng)度和影響范圍上超過(guò)了2003年的歐洲熱浪[7];2013年中國(guó)東部地區(qū)遭遇到史無(wú)前例的極端高溫天氣[8],且自20世紀(jì)90年代以來(lái)中國(guó)高溫?zé)崂耸录l(fā)生的范圍明顯增大[9].區(qū)域尺度上,中國(guó)的東部[10]、西北地區(qū)[11]、華北地區(qū)[12]、長(zhǎng)江中下游地區(qū)[13]及部分城市[14-15]近50a來(lái)高溫?zé)崂耸录念l次、持續(xù)時(shí)間和強(qiáng)度總體呈增多、增強(qiáng)的態(tài)勢(shì).

目前,針對(duì)高溫?zé)崂说难芯恐饕杏诟邷責(zé)崂说奶卣?、影響及風(fēng)險(xiǎn)評(píng)估等方面[16-20],也有部分研究關(guān)注高溫?zé)崂说陌l(fā)生機(jī)制,如大氣環(huán)流、陸面過(guò)程和海溫異常等[21-23].由于碳排放量增加會(huì)導(dǎo)致氣溫升高,進(jìn)而引發(fā)不同的極端天氣氣候事件,深入探究區(qū)域高溫?zé)崂藢?duì)碳排放量的響應(yīng)機(jī)制仍是當(dāng)前研究的熱點(diǎn)問(wèn)題.雖然已有研究[24-25]在全球或較大區(qū)域尺度上,明確了高溫?zé)崂藢?duì)碳排放量變化具有較強(qiáng)的響應(yīng)特征,但是由于使用了不確定性較大模式數(shù)據(jù)以及不同區(qū)域碳排放量和氣候條件的明顯差異,可能導(dǎo)致區(qū)域尺度上高溫?zé)崂藢?duì)碳排放量響應(yīng)的不確定性和復(fù)雜性,亟需利用區(qū)域更為精細(xì)的數(shù)據(jù)資料開(kāi)展深入探究.目前,在區(qū)域尺度上,Chen等[26]采用彈性系數(shù)法定量評(píng)價(jià)了全球5個(gè)地區(qū)(北美洲、南美洲、亞洲、非洲和大洋洲)CO2排放對(duì)氣溫變化的影響,結(jié)果表明CO2排放是氣溫升高的主要原因;顏曉卉[27]選取中國(guó)16個(gè)城市對(duì)碳排放量與氣溫進(jìn)行分析,發(fā)現(xiàn)碳排放量增加與氣溫升高具有高度相關(guān)性;侯博[28]認(rèn)為1991～2001年山西省碳排放量的快速增加可能是該區(qū)氣溫不斷升高的原因.但是針對(duì)區(qū)域尺度上高溫?zé)崂藢?duì)碳排放響應(yīng)的研究鮮有報(bào)道.

圍繞中國(guó)不同區(qū)域高溫?zé)崂藢?duì)碳排放量變化響應(yīng)這一科學(xué)問(wèn)題,本文將在3個(gè)方面展開(kāi)研究:(1)中國(guó)不同區(qū)域歷史長(zhǎng)期碳排放量變化特征;(2)在輕度、中度和重度3個(gè)級(jí)別上,研究不同區(qū)域高溫?zé)崂藭r(shí)空分布及變化特征;(3)在多尺度上探討高溫?zé)崂藢?duì)碳排放量的響應(yīng)關(guān)系.

1 研究區(qū)概況

我國(guó)地域廣闊,不同地區(qū)氣候背景差異較大,可能會(huì)導(dǎo)致高溫?zé)崂藢?duì)碳排放的響應(yīng)程度及速率具有較大的區(qū)域差異.依據(jù)國(guó)務(wù)院發(fā)展研究中心提出的《實(shí)現(xiàn)地區(qū)協(xié)調(diào)發(fā)展的戰(zhàn)略思想和政策措施》[29],將全國(guó)劃分為8大經(jīng)濟(jì)區(qū)(含30個(gè)省份,圖1):(Ⅰ)東北綜合經(jīng)濟(jì)區(qū)(遼寧、吉林和黑龍江,簡(jiǎn)稱東北),(Ⅱ)北部沿海綜合經(jīng)濟(jì)區(qū)(北京、天津、河北和山東,簡(jiǎn)稱北部),(Ⅲ)東部沿海綜合經(jīng)濟(jì)區(qū)(上海、江蘇和浙江,簡(jiǎn)稱東部),(Ⅳ)南部沿海經(jīng)濟(jì)區(qū)(福建、廣東和海南,簡(jiǎn)稱南部),(Ⅴ)黃河中游綜合經(jīng)濟(jì)區(qū)(陜西、山西、河南和內(nèi)蒙古,簡(jiǎn)稱黃河中游區(qū)),(Ⅵ)長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)(湖北、湖南、江西和安徽,簡(jiǎn)稱長(zhǎng)江中游區(qū)),(Ⅶ)西南綜合經(jīng)濟(jì)(云南、貴州、四川、重慶和廣西,簡(jiǎn)稱西南),(Ⅷ)西北綜合經(jīng)濟(jì)區(qū)(甘肅、青海、寧夏和新疆,簡(jiǎn)稱西北).需要注意的是,由于西藏自治區(qū)、臺(tái)灣省、香港和澳門特別行政區(qū)相關(guān)數(shù)據(jù)缺失,因此,本研究在分析時(shí)不包括這4個(gè)區(qū)域.在這8個(gè)經(jīng)濟(jì)區(qū)中,5～9月份平均最高氣溫較高的地區(qū)為Ⅱ、Ⅲ、Ⅳ和Ⅵ(27.2～29.9℃),而較低的地區(qū)為Ⅰ、Ⅴ、Ⅶ和Ⅷ(21.3～24.9℃).

圖1 研究經(jīng)濟(jì)區(qū)劃分

2 數(shù)據(jù)來(lái)源與研究方法

2.1 數(shù)據(jù)來(lái)源

2.1.1 中國(guó)省級(jí)表觀碳排放數(shù)據(jù) 數(shù)據(jù)來(lái)源于中國(guó)碳核算數(shù)據(jù)庫(kù)(https://www.ceads.net.cn/),包含研究區(qū)域內(nèi)30個(gè)省份的CO2排放清單(1997～2017年)[30-31].數(shù)據(jù)集中的CO2排放量是基于IPCC行政區(qū)域核算范圍估算,即是指在國(guó)家(包括行政區(qū)域)領(lǐng)土和國(guó)家管轄的近海區(qū)域內(nèi)發(fā)生的排放,不包括國(guó)際航空或航運(yùn)的排放[32],可用于評(píng)估1個(gè)區(qū)域內(nèi)直接由國(guó)內(nèi)生產(chǎn)和居民活動(dòng)引起的人為排放[33-34].為提高和彌補(bǔ)對(duì)全國(guó)及各省對(duì)CO2排放估算的精度和數(shù)據(jù)缺口,該數(shù)據(jù)集摒棄IPCC推薦的默認(rèn)排放因子(大大高估了中國(guó)碳排放量),而采用我國(guó)實(shí)際的排放系數(shù)和最新的能源消耗數(shù)據(jù)進(jìn)行核算,確保了數(shù)據(jù)的透明度和可驗(yàn)證性[28].

2.1.2 氣象數(shù)據(jù) 采用中國(guó)逐日溫度分析產(chǎn)品(CTAP)的最高溫度和中國(guó)氣象強(qiáng)迫數(shù)據(jù)集(CMFD)的比濕數(shù)據(jù),CTAP和CMFD分別來(lái)源于國(guó)家氣象信息中心(http://www.nmic.cn/)和國(guó)家青藏高原科學(xué)數(shù)據(jù)中心(http://data.tpdc.ac.cn/zh-hans/).其中,CTAP數(shù)據(jù)是由大約2400個(gè)氣象站的觀測(cè)值利用薄板樣條方法(TPS)插值而成,最高氣溫?cái)?shù)據(jù)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(cè)值、TRMM 3B43遙感降水分析數(shù)據(jù)、GEWEX-SRB和GLDAS下行短波輻射、MERRA和GLDAS地面壓力以及GLDAS的風(fēng)速、氣溫和相對(duì)濕度數(shù)據(jù)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(shù)據(jù)空間分辨率一致,采用雙線性內(nèi)插法將最高氣溫重采樣為0.1°.特別地,本研究使用R語(yǔ)言中的濕度計(jì)算庫(kù)(https: //rdrr.io/cran/humidity/)將比濕轉(zhuǎn)化為相對(duì)濕度,用于判別高溫?zé)崂耸录39-40].

2.2 研究方法

2.2.1 高溫?zé)崂酥笖?shù)和級(jí)別 目前國(guó)際上對(duì)高溫?zé)崂说亩x尚沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)[5,41].國(guó)內(nèi)關(guān)于高溫?zé)崂说呐卸?biāo)準(zhǔn)可以概括為3類:①通過(guò)溫度超過(guò)絕對(duì)閾值進(jìn)行判定[42-43];②以溫度超過(guò)由百分位數(shù)確定的相對(duì)閾值進(jìn)行判定[19,44-45];③采用綜合溫度和濕度的方法進(jìn)行判定[46].考慮到我國(guó)地域范圍較大,不同地區(qū)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(dǎo)致人們對(duì)環(huán)境的耐受力存在較大的不同[16].因此,本研究在判別我國(guó)高溫?zé)崂耸录r(shí)采用了溫度和濕度綜合性的指標(biāo)—高溫?zé)崂酥笖?shù)(H)[46],可用公式1表達(dá):

式中:E為當(dāng)日的炎熱指數(shù),代表了人體對(duì)氣象環(huán)境的舒適感;E’為炎熱臨界值,大于其值表示感覺(jué)炎熱;E為當(dāng)日之前第日的炎熱指數(shù);nd為當(dāng)日之前第日距當(dāng)日的日期數(shù);為炎熱天氣過(guò)程的持續(xù)時(shí)間.其中,炎熱指數(shù)E可用公式2計(jì)算[46]:

式中:T為環(huán)境溫度,℃,一般取當(dāng)日最高溫度;RH為空氣相對(duì)濕度, 0%～100%.

針對(duì)炎熱臨界值E’,首先利用當(dāng)?shù)匮芯繒r(shí)段內(nèi)5～9月逐日氣象資料,計(jì)算其中最高溫度大于33℃樣本的炎熱指數(shù),選取第50分位數(shù)作為當(dāng)?shù)氐难谉崤R界值,分位數(shù)的計(jì)算采用經(jīng)驗(yàn)公式3[47]:

式中:Q()為第個(gè)分位值,為升序排列后的炎熱指數(shù)樣本序列,為分位數(shù)(取50%),為序列總數(shù),為第個(gè)序列數(shù),為第+1個(gè)序列數(shù)的權(quán)重.

根據(jù)公式1～3求得高溫?zé)崂酥笖?shù),在此基礎(chǔ)上,按照對(duì)社會(huì)經(jīng)濟(jì)和人體健康影響的程度不同,可以將高溫?zé)崂藙澐譃?級(jí):輕度、中度和重度.分級(jí)標(biāo)準(zhǔn)如表1所示.

表1 高溫?zé)崂朔旨?jí)標(biāo)準(zhǔn)

2.2.2 高溫?zé)崂藚?shù) 采用高溫?zé)崂顺跞?HWO)、終日(HWT)和持續(xù)期(HWD)3個(gè)高溫?zé)崂藚?shù)表征高溫?zé)崂嗽谘芯繒r(shí)段內(nèi)的變化特征.HWO代表在1a內(nèi)指定像元上高溫?zé)崂顺醮伟l(fā)生的日期,而HWT表示1a內(nèi)指定像元上高溫?zé)崂俗詈?次發(fā)生的日期,因此,HWD即為指定像元上高溫?zé)崂碎_(kāi)始日期至結(jié)束日期的時(shí)段,可表達(dá)為公式4:

2.2.3 高溫?zé)崂藢?duì)碳排放量的多尺度響應(yīng)分析 碳排放量對(duì)溫度變化的影響具有累積效應(yīng),不同地區(qū)高溫?zé)崂藢?duì)碳排放量的響應(yīng)速度和表現(xiàn)形式可能存在差異.為分析我國(guó)高溫?zé)崂嗽诓煌叨壬系淖兓卣骷捌鋵?duì)碳排放量的響應(yīng)關(guān)系,本研究采用集合經(jīng)驗(yàn)?zāi)B(tài)分解方法(EEMD)方法將碳排放量和高溫?zé)崂祟l次和持續(xù)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(jìn)行相關(guān)性分析.

EEMD方法的實(shí)質(zhì)是在原始序列()上疊加頻率均勻分布的高斯白噪聲,并對(duì)其經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)分解后的各分量進(jìn)行集合平均,生成有限個(gè)具有不同振蕩周期的本征模態(tài)函數(shù)(IMFs)和1個(gè)殘差分量(RES),如公式5所示:

式中:代表本征模態(tài)函數(shù)IMF個(gè)數(shù).IMFs揭示了不同時(shí)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(shí)間序列的變化趨勢(shì).本研究中年際序列指高頻成分IMFs與趨勢(shì)成分RES的和,年代際序列是指低頻成分IMFs與趨勢(shì)成分RES的和[49-50].

3 結(jié)果與討論

3.1 中國(guó)碳排放變化特征分析

1997～2017年間,全國(guó)平均碳排放量(圖2a)呈顯著的增加趨勢(shì),增長(zhǎng)率為0.17Gt/10a.不同時(shí)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(lái),全國(guó)年平均碳排放量分別呈現(xiàn)出:幾乎不變—穩(wěn)步增長(zhǎng)—快速增長(zhǎng)—增速放緩的變化過(guò)程.就各經(jīng)濟(jì)區(qū)而言,中國(guó)8個(gè)經(jīng)濟(jì)區(qū)平均碳排放量均呈顯著增長(zhǎng)趨勢(shì),其中北部沿海(圖2c)、東部沿海(圖2d)和黃河中游綜合經(jīng)濟(jì)區(qū)(圖2f)的增速高于全國(guó)水平,而東北(圖2b)、南部沿海(圖2e)、長(zhǎng)江中游(圖2g)、西南(圖2h)和西北綜合經(jīng)濟(jì)區(qū)(圖2i)低于全國(guó)水平.碳排放量增速最快的地區(qū)是黃河中游綜合經(jīng)濟(jì)區(qū),達(dá)到0.45Gt/10a,且該經(jīng)濟(jì)區(qū)年平均碳排放量在全國(guó)8個(gè)經(jīng)濟(jì)區(qū)中也最高,而碳排放速率和碳排放量最低的地區(qū)是西北綜合經(jīng)濟(jì)區(qū),碳排放量及碳排放速率的高值區(qū)與低值區(qū)的比值最高可達(dá)3倍以上.

圖2 中國(guó)不同經(jīng)濟(jì)區(qū)年平均碳排放量變化趨勢(shì)

(a)全國(guó), (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(zhǎng)江中游, (h)西南, (i)西北

3.2 中國(guó)熱浪變化特征分析

3.2.1 高溫?zé)崂祟l次變化分析 由圖3a可知,中國(guó)高溫?zé)崂?輕度、中度和重度高溫?zé)崂说目偤?發(fā)生最頻繁的地區(qū)是西北綜合經(jīng)濟(jì)區(qū),主要集中在新疆塔里木盆地和準(zhǔn)噶爾盆地,最高達(dá)70d;其次,發(fā)生在長(zhǎng)江中游、東部沿海和南部沿海綜合經(jīng)濟(jì)區(qū)的高溫?zé)崂艘草^為頻繁,集中分布在15～25d.發(fā)生頻次較少的地區(qū)是西南和東北綜合經(jīng)濟(jì)區(qū),大部分地區(qū)的高溫?zé)崂税l(fā)生頻次在0～5d.由圖3b～d可知,1997～2017年中國(guó)各經(jīng)濟(jì)區(qū)輕度高溫?zé)崂税l(fā)生最為頻繁,其次為中度高溫?zé)崂?重度高溫?zé)崂税l(fā)生頻次最少.從不同級(jí)別高溫?zé)崂说目臻g分布特征來(lái)看,輕度、中度和重度高溫?zé)崂似骄l(fā)生頻次存在顯著的分布規(guī)律:易發(fā)生輕度高溫?zé)崂饲翌l次較高的區(qū)域,中度和重度高溫?zé)崂税l(fā)生的概率越大,反之亦然.

圖3 中國(guó)不同高溫?zé)崂思?jí)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?zé)崂祟l次而言(圖4a),除東北綜合經(jīng)濟(jì)區(qū)變化不明顯外,其它7個(gè)經(jīng)濟(jì)區(qū)都呈增加的趨勢(shì).其中,南部沿海經(jīng)濟(jì)區(qū)增加趨勢(shì)最大,西南綜合經(jīng)濟(jì)區(qū)穩(wěn)步增加;東部沿海和長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)高溫?zé)崂祟l次呈先增加后減少的變化趨勢(shì),且增加幅度大于減少幅度,轉(zhuǎn)折點(diǎn)在2010年左右;與此相反,北部沿海、黃河中游和西北綜合經(jīng)濟(jì)區(qū)高溫?zé)崂祟l次呈先減少后增加的趨勢(shì),且增加幅度大于減少幅度.就重度高溫?zé)崂祟l次而言(圖4b),東部沿海和長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)呈現(xiàn)明顯的增加趨勢(shì),西北綜合經(jīng)濟(jì)區(qū)具有先減少后增加的趨勢(shì),且增加幅度遠(yuǎn)大于減少幅度;而其它經(jīng)濟(jì)區(qū)的高溫?zé)崂祟l次變化趨勢(shì)不明顯.根據(jù)圖4c、d可知,不同經(jīng)濟(jì)區(qū)中度和重度高溫?zé)崂祟l次的幾乎都呈增加趨勢(shì),但東北綜合經(jīng)濟(jì)區(qū)在中度和重度級(jí)別、西北綜合經(jīng)濟(jì)區(qū)在重度級(jí)別上變化不明顯.總體來(lái)講,輕度高溫?zé)崂祟l次變化幅度大于中度和重度高溫?zé)崂?

圖4 中國(guó)不同區(qū)域熱浪頻次變化趨勢(shì)

(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(jí)別高溫?zé)崂说钠骄跞铡⒔K日和持續(xù)時(shí)間

第1, 2, 3行分別為重度、中度和輕度高溫?zé)崂?/p>

3.2.2 高溫?zé)崂顺跞铡⒔K日和持續(xù)期變化分析 除頻次和影響范圍外,高溫?zé)崂顺跞?、終日和持續(xù)期也是表征高溫?zé)崂颂匦缘闹匾獏?shù).由圖5a,d,g可知,3種不同級(jí)別的高溫?zé)崂顺跞罩?各經(jīng)濟(jì)區(qū)的輕度高溫?zé)崂碎_(kāi)始日期最早,其中東北、北部沿海和西北綜合經(jīng)濟(jì)區(qū)主要發(fā)生在6月份,其它經(jīng)濟(jì)區(qū)基本發(fā)生在7月份;相對(duì)于輕度級(jí)別,在重度級(jí)別上各經(jīng)濟(jì)區(qū)的高溫?zé)崂顺跞栈狙舆t1個(gè)月;中度熱浪初日發(fā)生日期介于輕度和重度高溫?zé)崂顺跞罩g.由圖5b,e,h可以看出,3種不同級(jí)別的高溫?zé)崂私K日中,各經(jīng)濟(jì)區(qū)的輕度高溫?zé)崂私Y(jié)束日期最晚,其中東部沿海、南部沿海、長(zhǎng)江中游和西北綜合經(jīng)濟(jì)區(qū)主要發(fā)生在8月份,部分地區(qū)發(fā)生在9月份(如長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)南部);相對(duì)于輕度級(jí)別,中度和重度級(jí)別的高溫?zé)崂私K日出現(xiàn)較早.因此,由于高溫?zé)崂顺跞蘸徒K日的作用,使中國(guó)不同經(jīng)濟(jì)區(qū)在同一級(jí)別上的高溫?zé)崂顺掷m(xù)期差異較大,如在輕度級(jí)別上(圖5i),西北綜合經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期可達(dá)到80d以上,主要分布在新疆塔里木盆地和準(zhǔn)噶爾盆地,其次為長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)和南部沿海經(jīng)濟(jì)區(qū),而東北綜合經(jīng)濟(jì)區(qū)高溫?zé)崂顺掷m(xù)期最短,在10d以內(nèi);同樣地,也使同一經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期在不同級(jí)別上差異較大,如針對(duì)西北綜合經(jīng)濟(jì)區(qū)(圖5c,i),在重度級(jí)別上其高溫?zé)崂顺掷m(xù)期集中在0～30d范圍內(nèi),遠(yuǎn)小于在輕度級(jí)別上的持續(xù)期.總體上,除了西北綜合經(jīng)濟(jì)區(qū)的新疆塔里木盆地和準(zhǔn)噶爾盆地的高溫?zé)崂顺掷m(xù)期較大,中國(guó)南方的高溫?zé)崂顺掷m(xù)期遠(yuǎn)高于北方地區(qū).

圖6 中國(guó)不同區(qū)域的高溫?zé)崂顺跞铡⒔K日和持續(xù)期在不同級(jí)別上的變化趨勢(shì)

(a～c)重度高溫?zé)崂顺跞?、終日和持續(xù)期,(d～f) 中度高溫?zé)崂顺跞铡⒔K日和持續(xù)期,(g～i) 輕度高溫?zé)崂顺跞?、終日和持續(xù)期

在重度級(jí)別上(圖6a～c),除北部沿海和南部沿海經(jīng)濟(jì)區(qū)外,其它經(jīng)濟(jì)區(qū)的高溫?zé)崂顺跞站侍崆摆厔?shì),但是這些地區(qū)的高溫?zé)崂私K日也呈提前趨勢(shì),且兩者變化的幅度差異較小,導(dǎo)致大多數(shù)經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期呈微弱的增加趨勢(shì);北部沿海經(jīng)濟(jì)區(qū)的高溫?zé)崂顺跞蘸徒K日在1997～2017年都呈現(xiàn)提前后延后的趨勢(shì),導(dǎo)致該經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期未發(fā)生顯著的變化;僅南部沿海經(jīng)濟(jì)區(qū)的重度高溫?zé)崂顺掷m(xù)期變長(zhǎng),這是由于該經(jīng)濟(jì)區(qū)的高溫?zé)崂私K日的延后幅度大于高溫?zé)崂顺跞盏难雍蠓?在中度級(jí)別上(圖6d～f),除南部沿海經(jīng)濟(jì)區(qū)外,其它經(jīng)濟(jì)區(qū)的高溫?zé)崂顺跞蘸徒K日都呈提前趨勢(shì),且初日變化幅度略小于終日,導(dǎo)致大多數(shù)經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期也呈弱的增加趨勢(shì),而西北綜合經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期呈弱的減少趨勢(shì);南部沿海經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期增加相對(duì)明顯,這是由于其高溫?zé)崂顺跞蘸徒K日都呈延后的趨勢(shì)且終日延后的幅度大于初日延后的幅度.與中度和重度級(jí)別相比,輕度高溫?zé)崂?圖6g～i)初日和終日的變化趨勢(shì)差異明顯,北部沿海綜合經(jīng)濟(jì)區(qū)和黃河中游綜合經(jīng)濟(jì)區(qū)的高溫?zé)崂顺跞粘嗜醯奶崆摆厔?shì),東北和西北綜合經(jīng)濟(jì)區(qū)基本無(wú)變化,而東部沿海、南部沿海、長(zhǎng)江中游和西南綜合經(jīng)濟(jì)區(qū)呈延后趨勢(shì);就高溫?zé)崂私K日來(lái)說(shuō),長(zhǎng)江中游、西南、西北、北部沿海和黃河中游綜合經(jīng)濟(jì)區(qū)呈提前趨勢(shì),而東北、東部沿海和南部沿海經(jīng)濟(jì)區(qū)呈延后趨勢(shì);由于高溫?zé)崂顺跞蘸徒K日的共同作用,導(dǎo)致東北、東部沿海、南部沿海和西南綜合經(jīng)濟(jì)區(qū)高溫?zé)崂顺掷m(xù)期增加,而黃河中游和西北綜合經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期縮短.綜上可知,不同經(jīng)濟(jì)區(qū)在不同的高溫?zé)崂思?jí)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(shù)經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期增加,尤其是南部沿海和西南綜合經(jīng)濟(jì)區(qū),但西北綜合經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期縮短.

3.3 高溫?zé)崂藢?duì)碳排放量的響應(yīng)特征分析

3.3.1 高溫?zé)崂祟l次對(duì)碳排放量的響應(yīng) 為了定量化描述高溫?zé)崂祟l次對(duì)碳排放量的響應(yīng),根據(jù)EEMD對(duì)高溫?zé)崂祟l次分解后的IMFs和RES項(xiàng)計(jì)算高溫?zé)崂祟l次的年際序列和年代際序列.通過(guò)多尺度相關(guān)分析,獲得碳排放與高溫?zé)崂祟l次的相關(guān)系數(shù)及顯著性級(jí)別(表2).從全部熱浪頻次對(duì)碳排放量的響應(yīng)來(lái)看,在南部沿海和西南綜合經(jīng)濟(jì)區(qū),年際尺度上的高溫?zé)崂祟l次與碳排放量的相關(guān)性高于其年代際尺度,表明這2個(gè)經(jīng)濟(jì)區(qū)的高溫?zé)崂藢?duì)碳排放的響應(yīng)較為迅速且強(qiáng)烈;而在東部沿海和長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū),年代際尺度上的高溫?zé)崂祟l次與碳排放量的相關(guān)性高于其年際尺度,表明這2個(gè)經(jīng)濟(jì)區(qū)的高溫?zé)崂藢?duì)碳排放量的響應(yīng)相對(duì)較慢,存在累積效應(yīng).而針對(duì)東北、北部沿海、黃河中游和西北綜合經(jīng)濟(jì)區(qū)的影響都是在年代際尺度上更大,但并不顯著(東北地區(qū)除外),表明在這些經(jīng)濟(jì)區(qū)碳排放與高溫?zé)崂说陌l(fā)生沒(méi)有明顯的關(guān)系.由此可以推測(cè),氣候溫暖地區(qū)高溫?zé)崂说陌l(fā)生對(duì)碳排放量的響應(yīng)更為強(qiáng)烈,且這種影響較為迅速,而氣候寒冷地區(qū)的高溫?zé)崂藢?duì)碳排放量的響應(yīng)一般在年代際尺度上更加強(qiáng)烈,累積效應(yīng)明顯.

在重度、中度和輕度級(jí)別上,不同經(jīng)濟(jì)區(qū)高溫?zé)崂祟l次對(duì)碳排放的響應(yīng)具有明顯差別.碳排放對(duì)東北和北部沿海綜合經(jīng)濟(jì)區(qū)在3個(gè)級(jí)別上的高溫?zé)崂祟l次的增加無(wú)直接貢獻(xiàn);在東部沿海、黃河中游和長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū),年代際尺度上的高溫?zé)崂祟l次的增加對(duì)碳排放的響應(yīng)更強(qiáng)烈,與此相反,南部沿海和西南綜合經(jīng)濟(jì)區(qū)的高溫?zé)崂祟l次在年代際尺度上對(duì)碳排放的響應(yīng)弱于年際尺度;西北綜合經(jīng)濟(jì)區(qū)僅在重度級(jí)別上對(duì)碳排放有顯著的響應(yīng)且在年代際尺度上更強(qiáng)烈,而在中度和輕度級(jí)別上碳排放對(duì)該區(qū)的高溫?zé)崂说陌l(fā)生無(wú)直接貢獻(xiàn).

表2 1997～2017年碳排放與高溫?zé)崂祟l次的相關(guān)系數(shù)與顯著性水平

注: *代表該相關(guān)系數(shù)在0.05顯著性水平上顯著.

3.3.2 高溫?zé)崂顺掷m(xù)期對(duì)碳排放量的響應(yīng) 在高溫?zé)崂顺跞蘸徒K日的共同作用下,不同經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期差異較大.為了調(diào)查高溫?zé)崂顺掷m(xù)期對(duì)碳排放量的響應(yīng),計(jì)算了碳排放量與不同經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期在年際和年代際尺度上的相關(guān)系數(shù)(表3).總體上,不同經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期對(duì)碳排放量的響應(yīng)在年代際尺度上更顯著,表明高溫?zé)崂顺掷m(xù)期對(duì)碳排放的響應(yīng)是一個(gè)長(zhǎng)期的過(guò)程,但針對(duì)不同經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期在不同級(jí)別上對(duì)碳排放的響應(yīng)差異較大.

在輕度級(jí)別上,碳排放對(duì)東北、北部沿海、黃河中游和長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期無(wú)顯著影響,對(duì)東部沿海、南部沿海、長(zhǎng)江中游和西南綜合經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期具有延長(zhǎng)的影響,而對(duì)黃河中游和西北綜合經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期具有縮短的影響.需要注意的是,高溫?zé)崂顺掷m(xù)期減少并不意味著頻次的減少.在中度級(jí)別上,碳排放對(duì)東北、東部沿海、長(zhǎng)江中游和西北綜合經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期無(wú)顯著影響,對(duì)南部沿海、黃河中游和西南綜合經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期具有延長(zhǎng)的影響,而對(duì)北部沿海綜合經(jīng)濟(jì)區(qū)具有縮短的影響.與輕度和中度級(jí)別不同,在重度級(jí)別上,碳排放對(duì)東北經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期在年際尺度上具有顯著的延長(zhǎng)影響,除此之外,還對(duì)東部沿海、南部沿海、黃河中游、西南和西北綜合經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期具有延長(zhǎng)的影響,而對(duì)北部沿海綜合經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期具有縮短的影響.

綜上可知,不同經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期在不同級(jí)別上對(duì)碳排放量的響應(yīng)具有顯著差異,但總體上表現(xiàn)出在輕度級(jí)別上,氣候寒冷地區(qū)的高溫?zé)崂顺掷m(xù)期呈縮短趨勢(shì),而在氣候相對(duì)溫暖地區(qū)高溫?zé)崂顺掷m(xù)期呈延長(zhǎng)趨勢(shì);在中度和重度級(jí)別上,除北部沿海綜合經(jīng)濟(jì)區(qū)外,碳排放對(duì)大多數(shù)經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期的延長(zhǎng)具有促進(jìn)作用.

表3 1997～2017年碳排放量與高溫?zé)崂顺掷m(xù)期的相關(guān)系數(shù)與顯著性水平

注: *代表該相關(guān)系數(shù)在0.05顯著性水平上顯著.

4 討論

為保證分析結(jié)果的可靠性,本研究采用的碳排放數(shù)據(jù)[30-31]和氣象數(shù)據(jù)[35]都已經(jīng)過(guò)驗(yàn)證并已廣泛使用,同時(shí),高溫?zé)崂伺袆e方法也是由黃卓等[46]針對(duì)中國(guó)地區(qū)改進(jìn)并已得到精度驗(yàn)證.另一方面,由于氣候系統(tǒng)是非線性系統(tǒng),具有明顯的多尺度效應(yīng),傳統(tǒng)的變化檢測(cè)方法無(wú)法準(zhǔn)確地檢測(cè)出氣象序列的振蕩[48],如滑動(dòng)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?zé)崂藢?duì)碳排放的響應(yīng)特征.

但有研究發(fā)現(xiàn),除了對(duì)CO2排放量敏感,高溫?zé)崂诉€與大氣環(huán)流、陸面過(guò)程和海溫異常有關(guān)[23],本研究未在區(qū)域尺度上調(diào)查高溫?zé)崂藢?duì)這些大尺度因子的響應(yīng),因此,在易受這些大尺度氣候因子影響的地區(qū),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(jīng)過(guò)長(zhǎng)時(shí)間的對(duì)流和平流等交換過(guò)程,其影響范圍可能不局限于當(dāng)前區(qū)域,本研究假設(shè)CO2在長(zhǎng)時(shí)間的交換中達(dá)到平衡,未考慮其在不同區(qū)域的交換問(wèn)題,可能導(dǎo)致分析結(jié)果中存在一定的不確定性.因此,在未來(lái)的研究工作中,需要進(jìn)一步考慮大尺度氣候因子影響下的高溫?zé)崂藢?duì)碳排放的響應(yīng)特征分析以及CO2在不同區(qū)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(jié)出了一些不同氣候變化條件下高溫?zé)崂藢?duì)碳排放量的多尺度響應(yīng)規(guī)律,為人們更好的理解區(qū)域碳排放量變化對(duì)極端高溫?zé)崂颂鞖馐录挠绊懱峁┝艘环N新的視角.氣象和災(zāi)害管理部門可以根據(jù)當(dāng)?shù)靥寂欧徘闆r以及高溫?zé)崂藢?duì)它的響應(yīng)程度,及時(shí)采取相應(yīng)的措施,有效應(yīng)對(duì)高溫?zé)崂耸录?lái)的生命和財(cái)產(chǎn)損失.

5 結(jié)論

5.1 全國(guó)及8個(gè)經(jīng)濟(jì)區(qū)的碳排放量均呈顯著增加趨勢(shì),增速最快的地區(qū)是黃河中游綜合經(jīng)濟(jì)區(qū),達(dá)到0.45Gt/10a,且該區(qū)平均碳排放量在8個(gè)經(jīng)濟(jì)區(qū)中也最高,而碳排放速率和碳排放量最低的地區(qū)是西北綜合經(jīng)濟(jì)區(qū).

5.2 輕度高溫?zé)崂税l(fā)生頻次最高,而重度高溫?zé)崂税l(fā)生頻次最少,易發(fā)生輕度高溫?zé)崂饲翌l次較高的區(qū)域,中度熱浪和重度熱浪發(fā)生的概率越大;八個(gè)經(jīng)濟(jì)區(qū)在不同的高溫?zé)崂思?jí)別上其頻次變化趨勢(shì)差異較大,但總體上各經(jīng)濟(jì)區(qū)的輕度高溫?zé)崂祟l次變化幅度大于中度和重度高溫?zé)崂?

5.3 三種不同級(jí)別的高溫?zé)崂顺跞罩?各經(jīng)濟(jì)區(qū)的輕度高溫?zé)崂碎_(kāi)始日期最早且結(jié)束日期最晚、持續(xù)期最長(zhǎng),從區(qū)域差異來(lái)看,除西北綜合經(jīng)濟(jì)區(qū)的新疆塔里木盆地和準(zhǔn)噶爾盆地的高溫?zé)崂顺掷m(xù)期較長(zhǎng)外,中國(guó)南方的高溫?zé)崂顺掷m(xù)期遠(yuǎn)高于北方地區(qū).

5.4 氣候溫暖地區(qū)高溫?zé)崂藢?duì)碳排放量的響應(yīng)更為快速,而氣候寒冷地區(qū)的高溫?zé)崂藢?duì)碳排放量的響應(yīng)一般在年代際尺度上表現(xiàn)出來(lái),具有累積效應(yīng).

5.5 不同經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期在不同級(jí)別上對(duì)碳排放量的響應(yīng)具有顯著差異,但總體上表現(xiàn)出:在輕度級(jí)別上,氣候寒冷地區(qū)的高溫?zé)崂顺掷m(xù)期呈縮短趨勢(shì),而在氣候相對(duì)溫暖地區(qū)高溫?zé)崂顺掷m(xù)期呈延長(zhǎng)趨勢(shì);在中度和重度級(jí)別上,除北部沿海綜合經(jīng)濟(jì)區(qū)外,碳排放量對(duì)大多數(shù)經(jīng)濟(jì)區(qū)的高溫?zé)崂顺掷m(xù)期的延長(zhǎng)具有促進(jìn)作用.

[1] 萬(wàn)文玉,趙雪雁,王偉軍.中國(guó)城市居民生活能源碳排放的時(shí)空格局及影響因素分析[J]. 環(huán)境科學(xué)學(xué)報(bào), 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?zé)崂孙L(fēng)險(xiǎn)評(píng)估研究綜述[J]. 地球信息科學(xué)學(xué)報(bào), 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(guó)氣候過(guò)渡帶干旱化發(fā)展趨勢(shì)與東亞夏季風(fēng)、極渦活動(dòng)相關(guān)研究[J]. 氣象學(xué)報(bào), 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(guó)東部地區(qū)夏季極端高溫的特征分析[J]. 氣象科學(xué), 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(guó)西北近45a來(lái)極端高溫事件及其對(duì)區(qū)域性增暖的響應(yīng)[J]. 中國(guó)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(qū)高溫?zé)崂伺c土壤濕度的關(guān)系研究[J]. 氣象科學(xué), 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(zhǎng)江中下游盛夏高溫的關(guān)系[J]. 氣象科學(xué), 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(zhèn)江地區(qū)高溫氣候特征分析及一次連續(xù)性高溫天氣的診斷[J]. 氣象科學(xué), 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(duì)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(guó)不同等級(jí)高溫?zé)崂说臅r(shí)空分布特征及趨勢(shì)[J]. 地球科學(xué)進(jìn)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(qū)夏季高溫?zé)崂藭r(shí)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?zé)崂颂鞖獬梢蚣扒捌谛盘?hào)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(guó)熱浪時(shí)空變化特征及其機(jī)理研究[D]. 南京:南京大學(xué), 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(guān)聯(lián)分析研究[D]. 北京:中國(guó)礦業(yè)大學(xué), 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(xué), 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(shí)現(xiàn)地區(qū)協(xié)調(diào)發(fā)展的戰(zhàn)略思路和政策措施[R]. 北京:國(guó)務(wù)院發(fā)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(qū)高溫?zé)崂耸录治鯷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(qū)高溫日數(shù)的氣候特征及變化規(guī)律[J]. 地理科學(xué), 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(guó)高溫?zé)崂俗兓卣鞣治鯷J]. 氣象科學(xué), 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(guó)夏季高溫?zé)崂说臅r(shí)空變化特征[J]. 氣候變化研究進(jìn)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?zé)崂酥笜?biāo)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(huì)軍,袁 薇.我國(guó)極端高溫事件的年代際變化及其與大氣環(huán)流的聯(lián)系[J]. 氣候與環(huán)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(huán)研究.發(fā)表論文20篇.

2021-05-17

科技部基礎(chǔ)資源調(diào)查專項(xiàng)(2018FY100501);王寬誠(chéng)教育基金會(huì)(GJTD-2020-14);中國(guó)科學(xué)院西部之光項(xiàng)目(2019-XBQNXZ-B-004, 2019-XBYJRC-001)

* 責(zé)任作者, 講師, renyanqun@ncwu.edu.cn