IPCC第5次评估报告[1]指出,全球平均气温自1998年以来并没有呈现显著上升趋势(基本趋平),即进入所谓全球变暖趋缓或停滞时期(global warming hiatus period)。近几年全球气候变暖趋缓或停滞现象已成为一个新的广受关注的科学问题。国内外许多研究人员针对此次变暖趋缓的特征及成因进行了大量的研究。Kosaka等[2]通过模式探讨了此次全球变暖趋缓的机制。但也有研究认为这种现象并不存在[3]。因此全球变暖趋缓或停滞仍然存在一些争议。然而,在北半球、亚欧大陆和中国地区,区域尺度变暖趋缓非常明显。王绍武等[4]通过评估指出全球变暖的停滞有可能持续。唐国利等[5]认为2001—2010年中国的气温上升趋势很弱,在冬季中国东北及新疆的气温低于前10年。Li等[6]研究发现1998—2012年中国也正经历着增暖趋缓,且最高气温的增暖减缓最明显。Xie等[7]研究发现中国已从快速增暖向增暖趋缓转换。
以上这些研究均证实中国正经历着增暖趋缓,但针对趋缓期中国气温变化特征的全面分析还比较少,并且大部分研究都是基于中国800多站的气象观测数据。目前,我国已建立覆盖全国2400多站的国家级气象观测站网,也累积了大量的历史观测资料。由于气象观测台站的空间分布不均匀,气象观测序列长短不一。简单的区域站点算术平均值可能过高地增加了站点密集区的权重,使区域平均值的代表性受到影响,给区域或中国气候变化分析及气象数据的应用造成困难。为了克服此类问题,国内外很早就开始探索通过空间插值的方法构建基于气象观测站资料的网格化数据,并在此基础上开展全球及区域气候变化研究[8-9]。例如,Jones等[10-13]通过改进插值方案,不断完善全球年气温格点数据集,并利用该格点数据集对全球气温变化进行大量的分析和研究。
本文将利用最新研制的1961—2014年水平分辨率为0.5°×0.5°的均一化气温网格数据集,从观测事实角度全面、客观地分析全球变暖趋缓期中国的平均气温、平均最高气温和平均最低气温的变化特征,并且对比分析趋缓期与增暖期气温变化的特征。
1 资料与方法中国的气象观测台站建站时间不一致、空间分布不均,呈现出东部地区密集而西部地区稀疏的特征。由图 1可以看出,全国大部分地区的建站始于1960年代,而山西、浙江、西藏等部分地区建站始于1970年代。图 2为剔除缺测站月后的实有台站数逐月变化,由图可见,气象观测站从1960年代初的2000站逐渐增加至1980年代的2400站,且1980年代后的台站数量在2400个左右波动。以2014年为例,东部地区(100°E以东)的站点数是西部地区(100°E以西)的10.2倍。气象观测资料由于受建站时间不一致、台站迁移、观测仪器变更等影响,往往还存在序列不连续(非均一)的问题,从而影响中国及区域气候序列长期趋势的研究[14-15]。
因此,国家气象信息中心对中国2400多站地面气象站气温数据进行了均一化订正,订正后的数据改善了中国气温变化趋势的不一致问题,并且发现利用该数据计算得到的中国气候增暖的趋势要大于利用700站数据计算得到的结果[15]。为了避免气象观测站空间分布不匀和观测序列长短不一影响区域平均值的代表性,国家气象信息中心基于该套数据,利用薄盘样条函数法[16],结合三维地理空间信息,选择适合中国区域气温曲面拟合的经度、纬度和海拔高度的三维插值模型,构建1961—2014年中国水平分辨率为0.5°×0.5°的月气温网格数据集。交叉验证结果表明,平均、最高及最低气温的年平均交叉验证值分别为0.57℃、0.51℃、0.83℃,占气温观测值的比率较小,且与一些同类产品相比误差偏小①。说明该插值模型拟合气温空间插值场的效果较好。因此,本文采用该网格化数据进行分析。
① http://10.1.64.154/idata/web/data/index?dataCode=SURF_CLI_CHN_TEM_MON_GRID_0.5_V1.0。
2 结果与讨论 2.1 1961年以来中国气温的变化趋势由中国年平均气温、年平均最高和最低气温的距平序列(相对1981—2010年平均)的逐年演变(图 3)可知,1961—1984年,中国年平均气温由下降转为缓慢上升趋势(升温速率为0.02℃/10a,表 1),但总体仍偏冷;1985—1997年,年平均气温快速上升,是增温速率相对最高的时期(升温速率为0.40℃/10a),即快速增暖期(以下简称增暖期);1998—2014年,气温上升速率明显降低并转为下降趋势(降温速率为-0.05℃/10a),即变暖趋缓期(以下简称趋缓期)。这与全球气温变化的趋势总体上是一致的[17]。
由表 1可见,相比增暖期,趋缓期年平均气温、年平均最高和最低气温的变化速率明显降低,其中平均气温和最高气温的升高停滞,转变为降温,速率分别为-0.05℃/10a和-0.11℃/10a,而最低气温的升温速率下降至0.06℃/10a。
2.2 趋缓期中国气温变化趋势的空间分布从1998—2014年全国年平均气温、年平均最高和最低气温的变化趋势空间分布(图 4)可以看出,除青藏高原、西南和长江上游部分地区外,全国其他地区年平均气温、年平均最高和最低气温均呈现不同程度的下降趋势,且年平均最高气温呈现下降趋势的范围最大,尤其以我国东北和华北地区最明显,而年平均最低气温仅在我国北方和东南沿海出现较小的下降趋势,青藏高原有较强的上升趋势。
图 5为1998—2014年以来中国各季节的年平均气温、年平均最高和最低气温变化趋势分布。从季节来看,冬季的降温趋势最强、范围最大,其次是秋季和春季。各季节气温变化趋势表现出较明显的地区差异:冬季,全国大部地区气温呈下降趋势,在青藏高原和西南地区出现升温趋势;秋季,降温最明显的是年平均气温和年平均最高气温,但在东北地区出现了一致的增温趋势,年平均最低气温全国大部分地区以增暖为主;春季,东北地区以及东南沿海出现一致的降温趋势,其他地区以升温趋势为主;夏季是4个季节降温趋势最弱、增温趋势最强的季节。降温区域仅分布于北方的部分地区,大部分地区以增温趋势为主,尤其是青藏高原东部、西南地区以及长江流域。
以上分析可以发现,年平均气温和年平均最高气温增暖停滞、最低气温增暖趋缓,冬季最显著,其次是秋季和春季。夏季高温更高、冬季低温更低,可能导致上述区域的夏季高温事件和冬季低温事件均出现增多趋势。已有研究表明中国东部夏季高温也呈现出增多趋势[18-19];而随着近年来东亚冬季风增强,中国北方冬季气温出现偏低趋势[20]。
值得注意的是,与增暖期的气温趋势空间分布(图略)进行比较,趋缓期气温增暖的分布型已发生变化。趋缓期增温最明显的是青藏高原和西南地区,而增暖期增温最明显的是长江以北地区。从季节看,趋缓期夏季为增温最强季节,尤其是夏季的最高气温,而冬季为降温范围最大、趋势最强的季节;增暖期增温最明显的是春季和秋季,降温主要出现在夏季的华南地区和冬季的中国西部地区。从三要素看,与增暖期一致的是,趋缓期最低气温的增温趋势仍然大于最高气温。
2.3 趋缓期与增暖期气温变化特征比较为了进一步比较趋缓期与增暖期中国气温的变化特征,图 6给出了1998—2014年平均与1985—1997年平均气温的差值场分布。由图可知,趋缓期我国气温依然很高,全国绝大部分地区较增暖期偏暖,且最低气温偏暖幅度最大(图 6c)。总体来看,西部地区的偏暖幅度大于东部,其中青藏高原地区偏暖相对最大,达0.8~1.0℃,而东北北部偏暖相对较小,甚至出现了负偏差。
图 7为1998—2014年平均的中国四季气温与1985—1997年平均值的差值分布。对比各个季节的差值场可以发现,相对于增暖期,全国绝大部分地区以正差值(偏暖)为主;冬季北方存在明显的负差值(偏冷)。具体来看,冬季呈现北冷南暖的主要特征,其中偏暖最明显的地区主要出现在青藏高原和西南地区,普遍超过1.0℃。至于冬季北方气温偏冷的原因,可能与近年来东亚冬季风的增强和冬季西伯利亚高压的加强有关[20]。东亚冬季风增强后,影响我国北方的冷空气活动频繁,可能导致我国北方冬季气温偏低。而其他季节东北地区的增温幅度相对一致地较其他地区弱,甚至在某些区域出现了降温。唐国利等[5]研究也发现2001—2010年气温与1991-2000年相比,降温的季节和区域主要在冬季的东北地区。
图 8给出了1998—2014年中国四季气温变化速率与1985—1997年变化速率的差值分布。从全国来看,平均气温和最高气温的变化趋势以降低为主,且冬季降幅最大,其次是春季和秋季。最低气温的变化速率冬季和春季以降低为主,而夏季和秋季有较弱的升高。相对于增暖期而言,冬季,全国大部分地区的气温变化速率以降低为主(青藏高原除外),尤其是在东北以及内蒙古东北部等地区降低最明显,偏差超过-2.0℃/10a;春季在西北和东北地区降低最明显;秋季的气温变化速率降低的范围和幅度都弱于春季;相比其他季节,夏季趋势呈现北减南增的特征,尤其是最高气温。
本文利用中国1961—2014年水平分辨率为0.5°×0.5°的均一化月气温格点资料,研究了变暖趋缓期中国的气温变化特征,并与快速增暖期进行了比较,得到如下结论。
(1) 与增暖期相比,变暖趋缓期中国气温上升趋势趋缓明显,中国年平均气温和年平均最高气温由升温趋势转为降温趋势,分别为-0.05℃/10a和-0.11℃/10a。年平均最低气温的上升趋势较增暖期减缓,由0.50℃/10a降为0.06℃/10a。全国大部分地区气温仍较增暖期偏暖,但在北方地区偏暖相对较小,甚至在冬季出现气温偏冷。从季节来看,冬季的降温趋势最强、范围最大,其次是秋季和春季,而夏季的增温趋势最强。从区域来看,我国北方在春季和冬季以降温趋势为主,而在夏季和秋季以升温趋势为主。
(2) 全球变暖趋缓期我国气温增暖的分布型已发生变化。趋缓期中国增温最明显地区出现在青藏高原和西南地区,而增暖期增温最明显地区出现在长江以北地区。从季节看,趋缓期增温最强的季节是夏季,而增暖期增温最明显的季节是春季和秋季。从三要素看,趋缓期增温趋势最强的要素是最低气温,与增暖期一致。
全球气温的变化不但受到人类活动引起的增暖趋势的影响,同时也存在着由气候系统内部变率主导的自然振荡的作用[21]。一些研究也揭示此次全球变暖停滞主要是由于气候系统内部变率造成的[22-24]。而人类活动所引起的全球增暖趋势并没有因此结束。最新的观测资料显示,2014—2016年,全球年平均表面温度连续3年创新高②。这也意味着长期来看,受人类活动影响的全球变暖趋势仍在继续。
[1] |
IPCC. Climate change 2013:the physical science basis summary for policymakers[R]. Cambridge:Cambridge University Press, 2013
|
[2] |
Kosaka Y, Xie S P. Recent global-warming hiatus tied to equatorial pacific surface cooling[J]. Nature, 2013, 501: 403-407. DOI:10.1038/nature12534 |
[3] |
Karl T R, Arguez A, Huang B Y, et al. Possible artifacts of data biases in the recent global surface warming hiatus[J]. Science, 2015, 348(6242): 1469-1472. DOI:10.1126/science.aaa5632 |
[4] |
王绍武, 罗勇, 赵宗慈, 等. 全球变暖的停滞还能持续多久?[J]. 气候变化研究进展, 2014, 10(6): 465-468. |
[5] |
唐国利, 罗勇, 黄建斌, 等. 气候变暖在继续[J]. 气候变化研究进展, 2012, 8(4): 235-242. |
[6] |
Li Q, Yang S, Xu W, et al. China experiencing the recent warming hiatus[J]. Geophysical Research Letters, 2015, 42(3): 889-898. DOI:10.1002/2014GL062773 |
[7] |
Xie Y K, Huang J P, LiuY Z. From accelerated warming to warming hiatus in China[J]. International Journal of Climatology, 2016, 37(4): 1758-1773. |
[8] |
Xu Y, Gao X J, Shen Y, et al. A daily temperature dataset over China and its application in validating a RCM simulation[J]. Advances In Atmospheric Sciences, 2009, 26(4): 763-772. DOI:10.1007/s00376-009-9029-z |
[9] |
吴佳, 高学杰. 一套格点化的中国区域逐日观测资料及与其它资料的对比[J]. 地球物理学报, 2013, 56(4): 1102-1111. DOI:10.6038/cjg20130406 |
[10] |
Jones P D, Raper S C, Bradley R S, et al. Northern Hemisphere surface air temperature variations[J]. Journal of Applied Meteorology, 1986, 25: 161-179. DOI:10.1175/1520-0450(1986)025<0161:NHSATV>2.0.CO;2 |
[11] |
Jones P D, Briffa K R. Global surface air temperature variations during the twentieth century:part 1, spatial temporal and seasonal details[J]. Holocene, 1992, 2(2): 165-179. DOI:10.1177/095968369200200208 |
[12] |
Jones P D. Hemispheric surface air temperature variations:a reanalysis and an update to 1993[J]. Journal of Climate, 1994, 7(11): 1794-1802. DOI:10.1175/1520-0442(1994)007<1794:HSATVA>2.0.CO;2 |
[13] |
Jones P D, Lister D H, Osborn T J, et al. Hemispheric and large-scale land-surface air temperature variations:an extensive revision and an update to 2010[J]. Journal of Geophysical Research, 2012, 117(D5). DOI:10.1029/2011JD017139 |
[14] |
李庆祥. 气候资料均一性研究导论[M]. 北京: 气象出版社, 2011.
|
[15] |
Cao L J, Zhu Y N, Tang G L, et al. Climatic warming in China according to a homogenized data set from 2419 stations[J]. International Journal of Climatology, 2016, 36(13): 4384-4392. DOI:10.1002/joc.4639 |
[16] |
Hutchinson M F. ANUSPLIN version 4.36 user guide[Z]. Canberra:The Australia National University, 2006
|
[17] |
丁一汇, 任国玉, 赵宗慈, 等. 中国气候变化的检测及预估[J]. 沙漠与绿洲气象, 2007, 1(1): 1-10. |
[18] |
Ding T, Qian W. Geographical patterns and temporal variations of regional dry and wet heatwave events in China during 1960-2008[J]. Advances in Atmospheric Sciences, 2011, 28: 322-337. DOI:10.1007/s00376-010-9236-7 |
[19] |
Sun Y, Zhang X, Zwiers F W, et al. Rapid increase in the risk of extreme summer heat in eastern China[J]. Nature Climate Change, 2014, 4(12): 1082-1085. DOI:10.1038/nclimate2410 |
[20] |
丁一汇, 柳艳菊, 梁苏洁, 等. 东亚冬季风的年代际变化及其与全球气候变化的可能联系[J]. 气象学报, 2014, 72(5): 835-852. DOI:10.11676/qxxb2014.079 |
[21] |
Qian C, Fu C, Wu Z. Changes in the amplitude of the temperature annual cycle in China and their implication for climate change research[J]. Journal of Climate, 2011, 24(20): 5292-5302. DOI:10.1175/JCLI-D-11-00006.1 |
[22] |
Meehl G A, Arblaster J M, Fasullo J T, et al. Model-based evidence of deep-ocean heat uptake during surface-temperature hiatus periods[J]. Nature Climate Change, 2011, 1(7): 360-364. DOI:10.1038/nclimate1229 |
[23] |
England M H, Mcgregor S, Spence P, et al. Recent intensification of wind-driven circulation in the Pacific and the ongoing warming hiatus[J]. Nature Climate Change, 2014, 4(3): 222-227. DOI:10.1038/nclimate2106 |
[24] |
Dai A, Fyfe J C, Xie S P, et al. Decadal modulation of global surface temperature by internal climate variability[J]. Nature Climate Change, 2015, 5: 555-559. DOI:10.1038/nclimate2605 |