1.引言
在调查极端高温事件时,必须决定如何测量极端情况。我们使用世界气象组织(WMO)推荐的日最高温度(TXx)的年度最高值来评估热浪。有许多替代的气候极端措施,如超过阈值或超过百分位数的(多个)天数。一些区域研究使用热舒适指数,联合收割机温度与湿度。最低温度也可以使用夜间高温会阻止身体降温,增加对健康的影响。替代措施往往最适合特定区域;当我们进行全球研究时,我们使用TXx。
2、研究内容:
这项研究的目的是确定全球哪些地区可能幸运地没有经历过更高的极端温度。我们认为,这些地区可能特别容易受到创纪录的热浪的影响,因为到目前为止还没有适应的必要。我们使用极值理论(EVT)来评估全球观测到的极端温度的重现期。
- 以2021年6月北美西部的热浪,作为该技术在一个地区的一个例子,该地区已被证明经历了超过统计最大值的事件。
- 然后,使用相同的方法来评估全球每日的极端高温,确定世界上目前记录的重现期较短的地方。
- 我们还确定观测的记录温度在它出现之前在统计学上是不可信的区域。此外,我们使用的结果,从气候模式的大型合奏的分析,以支持从观测记录的结论。
3.研究方法:
EVT极值理论提供了一种假设所有事件都来自相同的分布情况下,估计罕见事件的重现期的方法.这一技术用于评估观测和气候模型中的气象极端情况。当事件统计是非平稳的时,例如,由于诸如温室气体强迫的外部强迫,EVT可以被扩展以允许这种情况。在估计极端气候事件的重现期时,考虑到气候变化,通常假设与全球平均地表温度呈线性关系。【该假设也存在问题:如该关系可以是非线性的并且随区域而变化;如土壤湿度和地表温度之间的非线性相互作用可能会影响事件;局部强迫,如气溶胶或灌溉,可能会影响特定区域,全球应用一种方法时会导致不准确。】EVT假设数据点是独立的;如果当地的年代际变化阻止了这一点,它可能会影响结果。涉及这样的历史记录可能无法对给予极端情况的所有情况进行抽样。在这些情况下,如果不了解这种极端事件所涉及的物理机制,就推断到最罕见的事件,可能会导致不准确。尽管存在这些限制,EVT被认为是估计极值的最佳实践。
我们用块最大值-取每年的日最高温度。块最大值对于温度更好,因为超过阈值的峰值受到聚类的严重影响。R语言极值分析:分块极大值Block-maxima、阈值超额法threshold excess、广义帕累托分布GPD拟合降雨数据时间序列 – 拓端 (tecdat.cn)当热浪持续几天时,它将被超过阈值的峰值重复计算。块最大值还消除了对要使用的阈值限制的任何主观选择。我们使用的热量指数(TXx)。假设分布的尺度和形状参数是恒定的,如在热极值的其他评估中那样。为了考虑到由于全球变暖而导致的位置参数随时间的变化,我们计算了区域极值与GMST之间的线性关系,并将区域数据调整为GMST为1 °C。这假定全球变暖是影响自然变率以外的极端事件的主要因素,并导致近似于当前变暖水平的结果。在计算GEV分布时,我们包括了除记录年份以外的所有数据。因为如果我们要排除记录事件之后的数据,则在时间序列早期出现记录的一些区域可能具有基于非常少的数据点的GEV拟合,从而导致大的不确定性。包括极端情况之后的数据使得区域结果更具可比性--每个GEV都是从相同年份的数据中计算出来的。GEV拟合中的不确定性通过自举法被包括在内;我们从分布中随机选择数据100次,每次重新计算GEV拟合。第5至第95百分位数范围用于表示不确定性(如图1b、d)。
关于观测到的极端事件是否应包括在统计拟合中的问题一直存在讨论。观测到的记录事件增加了对极端事件分布的了解,如果不包括它,极端事件的重现期可能会偏低。在大多数既往研究中,记录事件未纳入评估,因为纳入该事件可能存在选择偏倚。然而,如果不包括正在讨论的事件,一些最近的事件会变得如此极端,以至于超过了统计最大值,在本文中定义为从EVT计算的1万年中发生的事件,而不包括事件本身。这是2021年6月北美西部热浪的情况。1/10,000年的回归率水平被视为统计最大值。该值被取作曲线的渐近线值的近似值,并且被选择为到该点,曲线近似水平;增加到超过对值几乎没有影响。选择10,000年而不是更长的时间对价值没有什么影响。我们应用GEV来拟合气候模型的历史模拟。对于所使用的两个模型中的每一个,存在50个集合成员。我们调整每个模型由自己得到集合平均GMST,从而抑制内部的变化,并允许模式和观测的趋势之间的差异。当应用GEV拟合时,我们使用两种不同的技术。第一种方法将每个集合成员单独地拟合GEV分布,为全球217个地区中的每个地区提供50个不同的拟合。在第二种技术中,我们使用所有50个集合成员来计算来自每个集合成员的每年的一个拟合TXx。
4.结果
- 【2021年6月北美洲西部热浪概况】
2021年6月,北美西部经历了破纪录的热浪。热浪与一种不寻常的环流模式有关,一个阻塞性的反气旋导致一个停滞的暖空气团。一项快速归因研究发现,这一事件远远超出了先前观测到的范围,以至于如果没有气候变化,这几乎是不可能的。在那项研究中,评估的区域是根据破纪录事件本身来选择的,因此从定义上看,这将显得特别罕见。在这项研究中,我们将对前所未有的高温风险进行全球评估。因此,我们使用预定的一组区域(参见方法)。我们使用ERA5再分析数据集,作为观测结果(参见方法)。对1959年至2021年的数据进行了评估,我们发现2021年的TXx(6月29日)超出EVT分布给出的合理范围-它在发生之前被认为极不可能。应该注意的是,分布随全球平均地表温度(GMST)的变化而移动,而不是使用GMST作为协变量。
我们可以调查,在2021年6月之前,该地区是否特别容易受到此类破纪录事件的影响(图1c/d)。2018年的上次记录事件-现在第二热的TXx,在全球平均表面温度调整后,显示具有166年的重现期。正如可以预料的那样,这与观测的长度非常接近,并且在本世纪内并不是一个难以超越的记录,而且社会和生态系统最近没有受到大的极端事件的影响。当应用EVT拟合来评估特定事件的重现期时,通常的做法是排除所讨论的事件。通常,该事件是按时间顺序排列的最后一个事件,因为评估可能由事件本身触发。因此,不能使用事件发生后的数据,因为事件尚未发生。我们使用了一种略有不同的方法,只从1959年到2020年的数据中排除了创纪录的年份(在本例中是2018年)。这使我们能够包含更多关于分布的信息,从而更准确地衡量回报期。
![](https://i-blog.csdnimg.cn/blog_migrate/d963d433c4bf3edd03649813099c6017.png)
我们注意到,通过排除破纪录记录的数据,确实增加了分析的选择偏倚,但它有助于评估GEV拟合对不采样特别强的极端情况的敏感性。这一点很重要,因为其他反馈可能会增强较大的极值,从而在样本未覆盖大事件时低估尾部形状。
【再分析数据的全球评估】
我们可以探索超出统计上合理的最大值的非常极端事件是否发生在全球其他地区,或者是北美西部热浪所独有的。这使我们能够调查使用EVT评估极端事件重现期的局限性,并确定在重现期上有低发生记录的的区域。我们通过比较两个数据集ERA 5和JRA 55来评估再分析数据的不确定性,并仅使用卫星时代(1990年以后)两个数据集之间极端值一致的区域。1959-2021年每日最高温度的ERA 5数据用于计算TXx的GEV拟合,计算中排除了破记录事件。GEV拟合的全局参数如图所示。S1.记录事件发生后几年的数据也包括在内,因为这提供了更多关于真实分布的信息。
对于每个地区,我们使用GEV拟合来计算统计最大值的代替值-我们将其定义为10,000年事件中的1级-并将其与该地区1959-2021年的记录进行比较(f2)。在可能的情况下,我们破计算记录事件的重现期-尽管根据GEV拟合,一些区域破记录事件在统计上不可信,如图1b所示,用这种方法不能计算重现期。当前破记录事件重现期较短的地区出现新记录的风险更大,因为没有很好地对极端事件进行采样,可能会出现远远超出当前记录的事件。2021年北美西部的热浪是例外的,几乎比任何其他地区都高出2 °C(图2a、3b)。但它并不是显示超出统计拟合的记录事件的唯一区域;我们发现,在136个地区中的41个地区,约31%的陆地表面,目前的记录是异常的(图2b)。这些难以置信的地区分布在不同的大陆和纬度上,没有明显的空间性。这些事件也分布在评估的时间段内,但在后来的几十年中发生了更多的事件,这可能是由于卫星数据的可用性更高,但也可能是由于气候变化的非线性特征造成的(图3)。
![](https://i-blog.csdnimg.cn/blog_migrate/c4f219efe7b655a318882f6520b55635.png)
在62年的记录中,有些地区没有经历过超过百年一遇的事件(图2b,3a)。这些地区没有必要适应这些事件,因此可能更容易受到极端高温的影响。从统计数据来看,这些地区也比其他地区更有可能经历破纪录的极端天气。
![](https://i-blog.csdnimg.cn/blog_migrate/8fb5a6966b741dbd9f9172dd63df0a96.png)
影响一个区域脆弱性的不仅仅是统计上的可能性;这也将因社会经济因素而异。在这里,我们使用人口和经济发展预测作为指标,以使潜在的风险能够进行定性评估(图3a)。低重现期和高人口的地区将有更大的风险-中国北京地区拥有所有地区中最高的人口,统计上处于风险之中。在表1中,我们列出了统计上最有可能出现创纪录热浪的地区。根据联合国人类发展指数(https://hdr.undp.org/)的定义,该表包括三个发展中区域。阿富汗是最令人关切的区域,因为它是全球最不发达国家之一,历史记录显示,回归期较短,约为80年,预计人口增长率很高。中美洲一体化体系区域各国:危地马拉、萨尔瓦多、洪都拉斯、尼加拉瓜、哥斯达黎加和巴拿马都是发展中国家。该地区是脆弱的,因为尽管人口预计不会像其他地方那样增长,但目前的记录进一步低于统计最大值,这表明该地区可能会经历记录上的大幅跃升。俄罗斯远东地区(哈巴罗夫斯克地区)也是如此。中国的北京、河北和天津省以及德国、荷兰和比利时在人口数量上是脆弱的,但作为发达国家,它们更有可能制定供暖计划来减轻潜在的影响。
【使用大型气候模型集合】
耦合模式相互比较项目第6阶段(CMIP 6)提供了若干全球气候模式的多达50个集合成员37。EVT方法已用于气候模式;例如,比较CMIP 5和CMIP 6历史模型模拟的每日极端事件的重现期,发现两者没有显著差异38。我们使用CanESM5和MIROC6的两个50成员气候模式合奏,调查是否发现相同的记录事件超出统计拟合。由于模式不是从观测状态初始化的,因此它们不显示已观测到的实际极端事件。相反,他们模拟了当前气候的多种现实。我们使用两种不同的方法评估大集合,在方法中进一步描述。首先,每个系综成员可以用单独的GEV拟合单独处理,或者所有系综成员可以合并成一个单一的分布(图S2)。可以预期的是,当将所有集合成员合并到一个分布中时,将发现统计上不太可能的极端情况,因为拟合被极端情况的50倍以上的信息约束了。在第一种方法中,每个模式实现都具有与现实世界相同的信息量。我们发现,全球每个地区至少有一个run中出现了令人难以置信的极端情况,其中高达50%的实现显示了某些地区的行为。总体而言,我们计算了超过10,000个分布(50个实现× 217个区域)的GEV拟合,并在CanESM 5的26%区域和MIROC 6的24%区域中发现了异常但气象学上合理的极端情况。当合并所有实现来计算每个区域的一个GEV拟合时,我们发现异常极端的相似比例; CanESM 5的18%的区域和MIROC 6的22%的区域(4 b)。不可信拟合的区域与再分析不同,尽管事件集要大得多,但区域略少(图2b)。与观测一样,它们在空间上分布在世界各地。这表明,任何地区都容易经历一个超出统计拟合的极端,这不仅仅是观测记录长度的人为因素。
![](https://i-blog.csdnimg.cn/blog_migrate/2ff70750eb68fbbe8eaf03fa59fd5b50.png)
5.讨论
到目前为止,没有经历过特别极端事件的地区可能对这种事件的后果准备不足。我们已经确定了当前记录重现期最短的地区(表1)。在这些地区,由于缺乏准备,破纪录的事件不仅更有可能发生,而且可能产生更大的影响。国家倾向于准备到他们在集体记忆中经历过的最伟大事件的水平。我们对再分析数据的全球评估表明,在1959年至2021年期间,31%的地区发生了统计上难以置信的极端事件,没有明显的空间或时间模式。这种极端情况似乎随时随地都可能发生。当使用气候模式数据进一步研究时,我们发现模式中18-26%的区域具有相同的特征。这表明,各地都需要为极端的热浪做好准备,根据目前的观测记录,这种极端的热浪被认为是难以置信的。2021年6月北美西部的热浪在远远超出预期方面表现异常。虽然我们强调了在统计上更有可能发生创纪录事件的地区(表1),但我们并不认为这些地区会经历像2021年6月热浪那样极端的事件。一个地区对高温影响的脆弱性不仅取决于发生破纪录事件的统计可能性。社会经济因素将对准备工作产生很大影响,发展中国家不太可能有足够的供暖计划。预计人口增长率较高的国家也许能够科普当前的状况,但如果决策者没有充分规划,它们的保健服务和能源供应可能会不堪重负。我们已经强调了一些地区,可能是最敏感的,既有一个高的统计机会的破纪录和快速增长的人口。
虽然动力变化可能是最近事件的一个因素,但我们已经证明了超出统计拟合的极端事件,异常极端事件,在整个再分析时间段内发生,因此这并不能完全解释异常值。需要进一步调查分布的基本统计数据是否正在发生变化,从而导致过去的观察结果不再适用于评估未来甚至当前的极端风险。增加我们对引起热浪的过程以及这些过程如何变化的理解对于量化风险至关重要。正如我们所表明的,许多热极值超出了观测和模式数据的统计分布;不可能使用EVT来估计最极端的可能事件。进一步研究最大的可能的极端气候对于决策者为未来可能发生的事件制定计划至关重要。估计最极端的可能事件的替代方法包括评估气候模型的大集合或寻找可用作特定位置的代理以增加分布的区域集合增强方法,重新初始化极端事件的气候模型模拟,以找到更极端的可能事件,可以增强理解42。更好地了解造成最极端的大气动力学也可能有助于了解某些地区的物理最高温度。我们发现,在许多地区,有一个再分析产品之间的分歧时,评估最极端的日子。这些分歧地区遍及各大洲,尽管它们在非洲特别值得注意。再分析产品提供了全球气候指标的空间完整数据集,但在非洲等观测数据较少的地区,它们的表现将更差43,44。再分析产品之间的差异以前已经确定45。沿海地区的方法差异可能会产生一些影响,但这并不能解释所有地区43。进一步调查再分析中极端值的差异及其原因将是有价值的。不同的热浪指标更适合不同的影响,但在这项研究中,只考虑TXx。在某些地区,极端的5天平均温度水平将比每日极端温度水平产生更大的影响13。包含湿度的热浪指标可用于人类健康影响16,而仅温度指标可用于基础设施影响46。由于例如土地覆盖,一些度量更适合于特定区域。在为适应目的进行评估时,更彻底的调查将确保在与政策相关的时间尺度上提出调查结果。总之,我们已经确定了破纪录的极端高温在统计上更有可能发生的地区,因为目前的记录没有很好地对更大的极端情况进行采样。此外,由于缺乏准备,这些地区可能更容易受到这种极端事件的影响。基于观测数据和模式数据,我们发现,根据目前的观测记录,在统计上似乎不可信的极端温度可能发生在全球任何地区。
参考文献:Thompson, V., Mitchell, D., Hegerl, G.C. et al. The most at-risk regions in the world for high-impact heatwaves. Nat Commun 14, 2152 (2023). https://doi.org/10.1038/s41467-023-37554-1