西南地区未来极端降水增加将导致其人口暴露风险加剧_林文青.pdf
《西南地区未来极端降水增加将导致其人口暴露风险加剧_林文青.pdf》由会员分享,可在线阅读,更多相关《西南地区未来极端降水增加将导致其人口暴露风险加剧_林文青.pdf(18页珍藏版)》请在咨信网上搜索。
1、 年 第 卷 第 期:气候变化与气候预测 :引用格式:林文青,陈活泼,徐慧文,等,西南地区未来极端降水增加将导致其人口暴露风险加剧大气科学学报,():,():.()西南地区未来极端降水增加将导致其人口暴露风险加剧林文青,陈活泼,徐慧文,艾雅雯,何文悦,张大伟,王帆,毕吴瑕,王玮琦 中国水利水电科学研究院 水利部防洪抗旱减灾工程技术研究中心,北京;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,接受中国科学院战略性先导科技专项(类)();第二次青藏高原综合科学考察研究项目();水文水资源与水利工程科学国家重点实验室“一带一路”水与可持续发展科技基金资助项目()摘要 基于
2、.观测数据和一套经过降尺度偏差校正处理的模式()数据,结合泰勒图、极值拟合等方法,综合评估了模式对西南地区极端降水变化的模拟性能,并系统分析了未来西南地区不同重现期的极端降水演变趋势及其人口暴露度变化。结果表明,模式及其集合()能够较好地再现观测极端降水的时空变化特征,且多模式集合结果优于大多数单个模式。未来西南地区绝大多数区域的降水和极端降水将持续增加,十年一遇、二十年一遇极端降水事件也呈增加趋势,使得未来西南地区人口暴露于不同重现期极端降水的风险进一步增加。相比十年一遇,重现期为 的极端降水事件增加速度更快,增加范围更广,模式一致性也更高,对应的人口暴露度增加幅度更大。到 年左右,在.、.
3、、.和.情景下二十年一遇的()分别增 加 了.(.)、.(.)、.(.)和.(.),对应人口暴露度分别增加了.(.)、.(.)、.(.)和.(.)。进一步分析指出,在未来极端降水人口暴露度的变化中,气候变化占主导作用,其次是人口变化和人口气候协同作用的影响。关键词西南地区;极端降水;未来预估;人口暴露度;西南地区(包括四川省、贵州省、云南省和重庆市)位于中国第二地势阶梯,其北部为四川盆地,南部为云贵高原,地形复杂,人口稠密(张弛和吴绍洪,);其气候受到印度季风和东亚季风共同控制(,),极端降水变化与 事件发展关系密切(陈子凡等,)。近几十年来,随着全球变暖加剧(,;蒋文好和陈活泼,;李菲等,)
4、,西南地区极端降水事件频发且强度增强(,;汪靖等,;朱连华等,),进一步引发了山洪、泥石流等地质灾害,造成了严重的生命和财产损失。例如,年,极端暴雨洪涝造成西南地区 人失踪和死亡,万人 受 灾,直 接 经 济 损 失.亿 元(马 啸,);年 月,四川省发生了 次大范围暴雨天气,导致滑坡、泥石流等自然灾害 起,人失踪和死亡,经济损失.亿元(黄子立等,)。为减缓气候变化带来的影响,年 月生态环境部、国家发展和改革委员会、水利部、应急管理部、中国气象局等 个部门联合印发国家适应气候变化战略,其目的之一就是降低和减少极端天气气候事件带来的灾害损失、有效应对气候变化带来的不利影响和风险,从而为 世纪中叶
5、实现两个百年目标打下坚实基础。因此,亟须展开西南地区极端降水未来变化预估的相关研究工作,以便于更好地适应气候变化、提升防灾减灾能力。气候模式是进行气候模拟及未来气候变化预估 年 月 第 卷 第 期的重要工具。世界气候研究计划(,)耦合模式比较计划(,)中的大样本模式结果被广泛用于极端事件的相关研究中。张武龙等()对 模式模拟西南地区干湿季降水性能评估结果表明,大部分模式对干湿季降水存在明显高估,且模式间不确定性较大;到 世纪末期,西南地区干湿季降水普遍增多。此外,模式对西南山区极端降水高估也较为明显(,)。相较于,是 计划开展以来参与模式最多、数值试验最丰富的一次(周天军等,)。()指出,多模
6、式集合可以较好地再现中国地区大雨日数的空间分布,且优于;但在全球范围内平均低估了.。()在对亚洲中高纬地区极端降水评估的研究中指出,多模式集合对极端降水的模拟能力要优于,但对极端降水的高估仍然存在。杨贵业等()使用 模式对西南地区夏季降水进行未来变化预估研究,结果表明在.情景下,未来西南地区夏季降水呈增加趋势。但西南地区地形复杂,模式对极端降水变化的模拟性能存在较大的空间差异。黄子立等()使用高分辨率的 模式输出开展了系统的模式评估工作,其研究表明提高模式分辨率可以在一定程度上提升地形陡峭地区降水强度的模拟能力,但对四川盆地等平坦地区改进较小。那么,借助观测数据经过降尺度偏差校正处理的高分辨率
7、 模式数据对西南地区极端降水模拟能力如何?这是一个值得关注的问题。一般而言,极端降水有两种表示方法:)采用气候变化检测与指数专家组(,)推荐的极端降水指数,这些指数通常指一年内频繁发生的极端气候事件的大小和次数(,;,);)使用广义极值分布(,)统计更极端的气候事件,获得某一重现期的降水极值(,;,)。通过 得到的极端降水事件通常发生次数更少,但对人类健康、社会及生态环境会造成更大的影响(,)。然而,西南地区不同重现期极端降水事件的未来变化目前还尚不清楚。此外,除了预估未来极端降水变化外,其将对人类社会有着怎样的影响?明确这些关键科学问题对适应和减缓气候变化风险的政策和措施制定至关重要。因此,
8、本研究使用一套 模式经过降尺度处理后的高分辨率数据()开展西南地区未来极端降水变化的预估研究,并评估不同重现期极端降水事件的变化对西南地区人口暴露度变化的影响,从而为西南地区适应和减缓气候变化、提升防灾减灾能力提供科学支撑。数据和方法.数据.观测数据本文使用的观测降水数据来自吴佳和高学杰()基于中国 余个地面气象台站的观测资料,采用“距平逼近法”插值得到的逐日格点化数据集(.)。该数据集的空间分辨率为.,时间范围为 年;但本文为了与模式历史时段统一,研究时段选为 年。.模式数据本文使用的模式数据为美国国家航空航天局()团队基于第六次国际耦合模式比较计划()输出的 年逐日降水(历史和未来预估)数
9、据进行统计降尺度和偏差校正处理后得到的高分辨率逐日降水数据集(,;:)(为方便描述,后称 模式)。该数据集使用月度偏差校正和空间分解()方法生成水平分辨率为.()的逐日降水,包含历史时期和 个 排 放 情 景(.、.、.、.)。在模式模拟西南地区极端降水性能评估中用到了 个模式结果(表),时间范围为 年。我们对 个模 式 中 位 数 集 合(,即对所有模式进行排序,选取中位数作为集合结果)以及单个模式模拟能力进行了综合评估。由于 有 个 模 式(、和)没有未来情景的资料,故在未来预估中使用了 个模式结果,时间范围为 年;历史模拟和未来预估均只分析了第一个样本 的结果。本文主要关注 年和 年前后
10、的变化情况,故选择 年代表 年,年代表 年开展重点研究。林文青,等:西南地区未来极端降水增加将导致其人口暴露风险加剧表 本文研究中所用的模式相关信息 序号模式输出所属国家 地区序号模式输出所属国家 地区澳大利亚法国澳大利亚韩国中国)韩国意大利日本意大利德国加拿大德国欧盟日本欧盟)中国)美国挪威美国挪威俄罗斯中国俄罗斯 注:)表示在未来预估中没有用到此模式.人口数据本文使用 ()开发的水平分辨率为.的全球人口网格数据来计算未来不同变暖情景下西南地区极端降水人口暴露度变化。我们采用该数据集中的 年基准期人口数据作为当前时段(年)的人口数量,并利用 个未来 情景(、;与 模 式 中.、.、.、.相对
11、应)人口数据进行未来人口暴露度变化的相关分析。.研究方法.极端降水指数本文在对中国西南地区(主要包括:四川省、贵州省、云南省和重庆市;图)进行极端降水变化相关分析时,使用国际气候变化检测与指数专家组(,)推荐的 个极端降水指数,详见表。表 本文使用的极端降水指数定义 名称英文缩写定义单位年降水量一年内日降水量 的降水总量降水强度年降水量 年降水日数 最大降水量最大的日降水量连续 最大降水量最大的连续 降水量强降水量大于年内 分位点的日降水量总和极端强降水量大于年内 分位点的日降水量总和中雨日数日降水量 的日数大雨日数日降水量 的日数.模式性能评价指标)综合评分指数(:)本文使用 综合评分指数(
12、,)评估模式在模拟极端降水气候态方面的表现,具体如下:()|()。()其中:为模式和观测标准差之比;为观测极端降 年 月 第 卷 第 期水指数与模式的相关系数;为该指数在所有模式中的相关系数最大值。的数值范围为,当 越接近于 代表该模式对极端降水的模拟性能较优。)年际变率指数(,)模式模拟极端降水的年际变化能力采用年际变率指数(,)进行评估,具体如下:|。()其中:含义同式();模式极端降水指标的 越接近于,表示模式对该降水指标的年际变率模拟性能越好。极端降水事件定义在进行未来西南地区人口暴露度变化相关分析时,本文使用的极端降水事件定义为某一重现期的 和 极端事件。此处,重现期为超过某一概率水
13、平的极端事件重复出现的时间间隔平均数,即极端事件发生频率()的倒数。例如,当极端事件重现期为 、时,称对应的极端事件为十年一遇()和二十年一遇()。通过 方法拟合 年期间所有模式每个格点的 和,导出 分布的累积概率密度函数(),然后将特定累积概率()对应的 反算为 的分位数函数,从而导出极值(,),如式()所示:(),;()(),。|()式()中使用极大似然法估计了位置参数、尺度参数 和形状参数。人口暴露度这里的人口暴露度指格点内极端事件日数与人口数量的乘积(,)。本文对重现期为十年一遇和二十年一遇的极端降水事件(和)进行对应的人口暴露度变化估算。此外,极端降水人口暴露度的变化主要受 方面的影
14、响:气候因子、人口因子、人口与气候协同因子(下称协同因子),如式()所示:。()其中:和分别为基准期的极端降水日数和人口数量;和 分别是未来情景相对于基准期的极端降水日数变化和人口数量变化。通过式()()可计算气候因子、人口因子和协同因子对计算降水人口暴露度变化的贡献率:;();()。()其中:、分别代表气候、人口和协同因子作用对人口暴露度变化的贡献率。结果与分析.模式对西南地区极端降水变化模拟性能评估 在对西南地区极端降水变化进行预估和人口暴露度相关分析之前,本节使用泰勒图、综合评分指数()和年际变率指数()等方法,从 个极端降水指标(表)时空变化等角度对 个模式数据模拟西南地区极端降水的性
15、能进行了综合评估。.空间模拟性能图 和图 给出了 模式和观测的西南地区各极端降水指数的气候态分布及其差异,可以看出,降水主要集中分布于西南地区南部、中部和东部(云南西双版纳、普洱、临沧;贵州黔西南、黔南、铜仁;四川成都、雅安;重庆彭水、酉阳、秀山等地),而四川阿坝、甘孜等地分布相对较少。极端降水大值中心则遍布整个重庆和四川东部以及云南和贵州的大部分地区。多 模 式 中 位 数 集 合()可以很好地再现总降水量()、降水强度()、最大降水量()、连续 最大降水量()、中雨日数()和大雨日数()的空间分布和量级,且与观测的空间相关系数较高(.)。但相比于观测,模式对 和 均 有 一 定 的 低 估
16、,平 均 而 言 分别低估了.(.)和.(.)。就 单 个 模 式 而 言,模式对 低估最为明显,为.(.);模式对 的负偏最大,为.(.)。然而,以往研究表明,和 模式对西南地区降水的模拟存在普遍高估现象(张武龙等,;杨贵业等,);高分辨率模式对西南地区夏季降水有所低估,但在一定程度上提升了对降水强度的模拟,尤其是在地势崎岖地区(黄子立,)。林文青,等:西南地区未来极端降水增加将导致其人口暴露风险加剧图 观测(、)与 多模式集合(;、)模拟的 年西南地区总降水量(,单位:;、)、降水强度(,单位:;、)、最大降水量(,单位:;、)和连续 最大降水量(,单位:;、)的气候态分布,以及 与观测之
17、间的偏差(观测,单位:;、)(,)(,)()(,)(:),(,)(:),(,)(:)(,)(:),(,)(,:)此外,从图 中可以看出,模式对极端降水的低估普遍存在;例如,就整个西南地区而言,模式集合对 和 的低估分别为.(.)和.(.);模拟的 和 分别低估了观测约.(.)和.(.);在空间上,这种负偏差主要分布在西南地区东部和北部区域。在单个模式中,模式和 模式对 的低估幅度最大,分别为.和.(表略)。就区域平均的中雨日数()和大雨日数()而言,模式的低估仍 然 普 遍 存 在。其 中,和 模式模拟的 ()与观测偏差较大,分别为.(.)和.(.)。图 为 模式模拟的 年西南地区各极端降水指
18、数的泰勒图(,),该图简洁直观地展示了模式与观测的相关系数()、中心均方根误差()和标准差之比()。可以看出,大多数 模式与观测、和 的空间相关系数为.,为.;相比较而言,和 的 更接近于.,即大多数模式对这两个指数标准差的模拟较好。然而,模式对 的模拟性能无论是从相关系数、还是 都有待于进一步的提升。此外,模拟极端降水性能要优于大多数模式,在气候态上更接近观测。例如,模拟的 与观测相关系数为.,为.,接近于.。年 月 第 卷 第 期图 与图 类似,但为强降水量(,单位:;、)、极端强降水量(,单位:;、)、中雨日数(,单位:;、)和大雨日数(,单位:;、),(,)(:),(,)(:),(,)
19、(:)(,)(:)图 模式模拟的 年平均的西南地区的泰勒图(为红色标记):()总降水量()、降水强度()、最大降水量()和连续 最大降水量();()强降水量()、极端强降水量()、中雨日数()和大雨日数()()(),(),.时间模拟性能我们进一步分析了 模式对西南地区各极端降水指数时间演变的模拟能力。图 给出了 年平均的西南地区 模式和观测的极端降水指数时间序列及其距平变化,可以看出,多模式集合模拟的极端降水指数较其林文青,等:西南地区未来极端降水增加将导致其人口暴露风险加剧他单个模式更接近于观测,尤其是对总降水量的模拟。从距平变化(图)中也可以看出,可以很好地再现降水及极端降水的变化趋势。但
20、如前所述,大多数 模式对极端降水指数存在一定的低估。同时,模式模拟极端降水指数年际变化能力较弱,还需改善提升。图 总降水量(,单位:;、)、降水强度(,单位:;、)、最大降水量(,单位:;、)和连续 最大降水量(,单位:;、)的时间序列(、)和相应距平(、)。以及强降水量(,单位:;、)、极端强降水量(,单位:;、)、中雨日数(,单位:;、)和大雨日数(,单位:;、)的时间序列(、)和相应距平(、)。模式(红色)时间范围为,.(黑色)为;阴影部分为 模式间第 个百分位值,代表模式间的不确定性范围(,)(,)(:),(,)(:),(,)(,)(:)(,),(,)(,)(:),(,),(,)(:)
21、(,)(:)(,),(),.,.综合性能评估初步了解 模式对西南地区极端降水时空变化的模拟性能后,接下来主要采用 综合评分指数(;表)和年际变率指数(;图)进一步对模式模拟西南地区极端降水的综合性能进行评估。当 越接近.时,表示模式对极端降水模拟性能越好。从表 中可以看出,多模式集合对、和 的模拟效果相对较好(它们的 值大于等于.),尤其是对 和 的模拟,二者 值分别为.和.,即 对这两个指数的模拟水平高于其他指数。就 单 个 模 式 而 言,、和 模式模拟的 的 综合评分指数 值均超过.。而对于 而言,除 模式 值为.外,其他模式 值均大于或等于.。相比较而 言,模 式 对、和 模拟效果相对
22、较差,模拟的这四个指数 值均在.左右。对这四个指数而言,单个模式中表现最好的为 和 模式,值均大于.。总体上,模式对总降水模拟效果较好,但在模拟极端降水方面还需要进一步改进。指数可以用于进一步评估 模式对极端降水年际变化模拟效果,数值越接近 越好。年 月 第 卷 第 期表 模式模拟的西南地区极端降水 综合评分指数()模式.图 为 模式模拟的极端降水指数对应的年际变率指数分布情况。可以看出 的 值较大多数模式更接近于,即 多模式集合对极端降水指数年际变化特征的模拟能力优于大多数模式,但其模拟的 随极端降水指数的不同而有所差异。相比于其他极端降水指数,模式模拟的 和 的 值更接近于,即模式对这两个
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 西南地区 未来 极端 降水 增加 导致 人口 暴露 风险 加剧 林文青
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。