2. 中国科学院大学,北京 100049
2. University of Chinese Academy of Sciences, Beijing 100049
地面气温是表征当前气候以及未来气候的一个重要物理量,其无论在模式结果分析和观测事实揭示方面都有很多研究(IPCC, 2013)。但是,实际上地面气温往往并不能全面衡量气候变化,日最高气温、最低气温以及它们所决定的日较差(diurnal temperature range, DTR)也是非常重要的参数,相较于地面气温, DTR能为研究气候变化提供更多信息(汪凯等,2010:华文剑和陈海山, 2013)。
以往的观测和模拟研究表明,影响DTR变化的因素有很多。比如,云辐射作用通过降低日间到达地面的太阳辐射和增加夜间的大气逆辐射(丁守国等, 2004; Lewis and Karoly, 2013)从而降低DTR:大气水汽含量的增加也是导致DTR降低的可能原因(翟盘茂和任福民, 1997; 汪凯等,2010):温室气体(greenhouse gas, GHG)增加能增加大气逆辐射,导致日最高气温和日最低气温升高(黄金龙等, 2016),但日最低气温的增加大于日最高气温(Lewis and Karoly, 2013)。大量研究揭示,DTR降低的一个重要原因是日最低气温的增加幅度远远大于日最高气温的增加幅度(唐红玉等,2005; Vose et al, 2005; Wild, 2009)。
值得注意的是,近年来有研究指出,CMIP5模式结果中,与只考虑GHG强迫的全球陆地平均DTR变化相比,只考虑气溶胶驱动的DTR变化作用很小(Lewis and Karoly, 2013), 并且气溶胶对于DTR的影响作用仍存在不确定性(翟盘茂和任福民, 1997)。与之相比,城市化作用对DTR的影响比较明显,前人研究指出城市化进程主要作用为导致DTR减小(华丽娟等, 2006; 杨鹏等, 2013; 刘伟东等, 2014; 白莹莹等, 2015; 黄宏涛等, 2016)。然而土地利用/覆盖变化(land use and land cover change, LULCC)的作用如何?研究指出,LULCC能通过许多途径显著影响DTR,如地面反照率可以通过增加或减少太阳辐射的吸收来影响DTR,LULCC对DTR的影响与区域紧密相关,在中纬度地区LULCC引起DTR减小的原因主要是日最高气温降低:在印度半岛,DTR减小原因主要是由于最低气温的升高(华文剑和陈海山, 2013; 陈海山等, 2015; Xu et al, 2015),也有研究指出在中国北方半干旱地区LULCC导致日最低气温减小,使得DTR增大(王明娜等, 2016)。
研究者针对GHG和LULCC对地面气温、日最高气温和日最低气温的影响作用已有很多研究,并得到了很多重要的发现(Cai and Kalnay, 2004; Lewis and Karoly, 2013; Xu et al, 2015)。但目前在评估两者对DTR变化的相对贡献方面的工作较少:另外,两者对DTR的影响在不同季节有何差异,这在以往的研究中涉及也较少,这些问题都还有待进一步评估分析。本文将针对上述问题展开研究,以期能得到一些有意义的结论。
1 模式和资料 1.1 模式介绍本文研究所用模式为耦合地球系统模式(Community Earth System Model,CESM)(Gent et al,2011)。CESM模式由四个独立的模式组成,分别是大气系统模式、陆面模式、海洋模式和海冰模式。大气模式为CAM模式(Community Atmosphere Model),空间分辨率为2.5°×1.875°:陆面模式采取CLM 4.0模式(Community Land Model),陆面状况被分为15种类型(包括树木、灌木、草地、农田和裸土及其细分类型,每种类型都有与其对应的叶面积指数):海洋过程和海冰过程分别由海洋模式(Parallel Ocean Program version2)和海冰模式(Community Sea Ice Code)进行模拟。CESM和其前身通用气候系统模式(Community Climate System Model, CCSM),已被广泛用于研究气候系统对于外部强迫(比如GHG和LULCC)的响应(Li and Mölder, 2008; Marsh et al, 2013; Xu et al, 2015)。研究表明CESM模式可以较好地模拟中纬度和热带地区地面气温的日变化特征(Lindvall et al, 2013),因此用CESM模拟DTR是合理的。前人研究也证实,相对于其前身CCSM,CESM能显著减少DTR的模拟误差,从而比较准确地模拟DTR的变化(Subin et al, 2012)。
1.2 试验设计为了研究GHG和LULCC在北半球DTR的影响及两者在其中的相对贡献作用,设计了如下几种试验方案:(1)潜在植被(potential land cover, 即受人类活动影响之前的植被状态)和2000年GHG浓度水平(以下简称为P2):(2)当前植被(current land cover)和1850年GHG浓度水平(以下简称为C1):(3)当前植被(current land cover)和2000年GHG浓度水平(以下简称为C2)。几种模拟方案均积分140年,取前50年为spin-up期。用C2模拟方案减去C1模拟方案(C2-C1)和C2模拟方案减去P2方案(C2-P2)分别表示GHG浓度和LULCC的强迫:这样,即可采取C2方案为参照试验与其余两种试验方案进行对比分析,从而探究GHG和LULCC分别在年平均、暖季(5—9月)和冷季(11月至次年3月)DTR中的相对贡献作用。需要指出的是,对于深层海洋而言,50年的spin-up期也不足以让其达到平衡状态,但对于陆面和浅层海洋而言,已足够使其达到一个较好的平衡状态(Xu et al, 2015)。
1.3 数据资料文章所用的降水资料来自于英国东安格利亚大学(University of East Anglia)气候研究中心(Climate Research Unit, CRU),其时间覆盖为1901—2009年(Harris et al,2014),采用CRU降水资料,定义年降水量0~200 mm·a-1为干旱区,年降水量200~500 mm·a-1为半干旱区,年降水量500~800 mm·a-1为半湿润区,年降水量在800 mm·a-1以上为湿润区。试验所用GHG资料为混合GHG(well-mixed greenhouse gases),由二氧化碳(CO2)、甲烷(CH4)、一氧化二氮(N2O)、氯氟烃(CFC-11和CFC-12)构成。相对于1850年,2000年各类GHG浓度水平都有显著的升高,其中广受关注的CO2浓度水平由1850年的约287 ppmv(1 ppm=10-6)上升至2000年的约375 ppmv,CH4浓度水平由1850年的约791 ppbv(1 ppb=10-9)上升至2000年的约1755 ppbv,N2O浓度水平由1850年的约275 ppbv上升至2000年的约319 ppbv(http://www.cesm.ucar.edu/CMIP5/forcing_information/)。当前植被覆盖资料来源于2000年的MODIS卫星资料,潜在植被资料为在当前植被资料的基础上消除人为活动影响所得(Ramankutty and Foley, 1999; Lawrence and Chase, 2010)。相对于潜在植被状况,当前植被状况下叶面积指数和地面反照率的变化如图 1所示。由图可见,叶面积指数减小的区域主要在东亚地区、南亚地区、欧洲地区和北美东部区域。与此同时,上述区域的地面反照率也随之增加。
本文除分析GHG(C2-C1)和LULCC(C2-P2)对年平均DTR的影响结果,也评估了DTR在暖季(5—9月)和冷季(11月至次年3月)的变化,从图 2a可见,对于年平均DTR而言,GHG增加导致北半球高纬度和北非地区DTR显著降低,而在中美洲地区导致DTR升高。这样的结论和(Lindvall et al,2013)相似。但值得注意的是,DTR在暖季和冷季的表现大不相同,而这在以往的研究中较少被提及。从图 2c和2e可以看出,在暖季,DTR在中高纬度反而是以增加为主,其在北美地区表现为显著增加; 而在冷季,除格陵兰岛之外,北半球中高纬度地区(北美和东北欧区域减小幅度达1℃以上)和北非地区(0.2~0.6℃)均表现为显著降低的特征。综上可知,GHG增加导致中高纬度年平均DTR的降低主要是冷季的强作用导致。再来看看LULCC对年平均DTR的影响(图 2b),在北美地区东部、欧洲、东亚和南亚地区年平均DTR显著减小,减小幅度达到1℃以上。与GHG的影响不同的是,LULCC对于年平均DTR影响作用在暖季和冷季的差别较小(图 2d和2f)。那么,GHG和LULCC对DTR的影响机制如何,为探究这个问题做了进一步分析。
首先分析GHG导致DTR变化的原因,从年平均最高气温和最低气温可见(图 3a和3b), Tmax和Tmin都是显著增加的,但在加拿大、东欧至西伯利亚,以及北非地区,日最低气温的增加幅度大于日最高气温,这是上述地区DTR减少的直接原因。而在暖季,情况则相反,北美地区中部、东欧以及西伯利亚,日最高气温的增加幅度大于日最低温(图 3c和3d),因此在暖季,DTR在中高纬度是以增加为主,DTR在北美地区表现为显著增加(图 2c)。在冷季,可以清楚看到,在除格陵兰岛和欧洲以外的北半球中高纬度地区和北非地区,日最低气温的增加幅度显著大于日最高气温(图 3e和3f)。这是北半球中高纬度地区和北非地区DTR在冷季显著降低的重要原因。
LULCC影响DTR的机制和GHG大为不同。从图 4可以看出,无论是年平均还是暖季,日最高气温在美国东部、欧洲、东亚和南亚地区都是显著减少的,而日最低气温在上述区域均为显著增加。冷季的最高气温和最低气温也有类似的变化特征,但在欧洲和北美地区变化不显著(图 4e和4f)。LULCC导致地面反照率增加和叶面积指数减少,日最高气温变化的机制在于:土地覆盖状况变化后,北美、欧洲、东亚和南亚地区的地面反照率增大(图 1b),对太阳短波辐射的反射作用增大,地面吸收的太阳辐射减少,从而导致温度降低,因此地面反照率增加导致温度降低。当然,土地覆盖状况变化后上述区域的叶面积指数减少(图 1a),叶面积指数的减少表明植被的蒸散发一系列活动减弱,蒸散发所带来的降温作用减弱,从而导致温度升高。但是,叶面积指数减少引起的增温作用不足以抵消地面反照率增加带来的降温作用。因此,总体来说,日最高气温是降低的。华文剑和陈海山(2013)也证实,LULCC导致地表反照率增加和叶面积指数减少,在较低纬度,叶面积指数带来的蒸散发作用较大,而在中高纬度,地面反照率引起的降温作用显著,日最高气温在北美地区、南美地区、欧亚大陆及东亚地区都是减少的,唯有印度半岛地区表现为微弱增加(0.01℃)。在夜间的时候,上述地区叶面积指数减少,随之植被蒸发和蒸腾作用降低,地面蒸散发减少,而蒸散发所带来的降温作用也随之降低,这是导致温度升高的原因(图略)。还有研究指出,LULCC导致夜间地表热通量表现为由地下向地面输送,这也是导致温度升高的可能原因(Xu et al, 2015)。
过往的研究中评估GHG和LULCC对于DTR的相对贡献时,大多仅采用定量评估给出区域平均数值的结果,这对于直观地理解两者的相对贡献仍是不足够的。因此,为了形象地评估GHG和LULCC的相对贡献作用,本文除给出定量的对比结果之外,还创建了一种新的表现方式,即用矢量场的方式进行表征,本文将LULCC导致的DTR变化值作为矢量场的X分量(自西向东),将GHG导致的DTR变化值作为矢量场的Y分量(自南向北)(如图 5所示)。如箭头处于在第一象限,则表明两者对于DTR都起着增加的作用:如箭头在第二象限,则表明GHG的作用是使DTR增加,而LULCC的作用是使DTR减少。蓝色箭头表示在DTR的变化中,LULCC的影响占主导作用:而红色箭头则表示在DTR的变化中,GHG的作用占主导地位。这样,就能从变化数值的正负符号和大小两方面来对GHG和LULCC的相对贡献作用进行全面评估。
从图 5可以看出,在60°N以北的高纬度地区,无论在哪个季节,特别是年平均和冷季的DTR变化,都由GHG起主导作用,并且LULCC基本对数值变化没有贡献作用。然而,在广大的中纬度地区(30°~60°N),还有南亚地区和中南半岛,LULCC起着显著的主导作用,基本均为导致DTR降低。特别是在暖季(图 5b),可以看出,除在加拿大和格陵兰岛之外,基本上均由LULCC起主导作用。对于LULCC和GHG均显著变化的区域(图中粗箭头所示),年平均DTR和暖季DTR的变化基本由LULCC主导,而在冷季,DTR的变化主要由GHG主导,分布在北美东部、东欧和东亚地区。
选取东亚区域(20°~45°N、105°~125°E)、南亚区域(10°~25°N、70°~90°E)、欧洲区域(40°~55°N、0°~50°E)、北美区域(30°~50°N、75°~100°W),以及北半球(0°~90°N、180°W~180°E)进行区域平均分析。由表 1可进一步得知,东亚和南亚区域,无论是年平均、暖季还是冷季的DTR变化,GHG和LULCC都使得DTR降低,但其中LULCC占据了主导作用。而在欧洲和北美区域,LULCC也占据了主导作用并使得DTR显著减少,但GHG的影响比较复杂,对于年平均DTR而言,GHG的作用很小,但分为暖季和冷季来看,GHG在暖季使DTR增加,在冷季使DTR减小。对于北半球而言,土地利用使得DTR显著减少.
北半球10°~60°N是全球人口主要居住的区域,也是主要的经济活动区域。本文采用1901—2009多年平均CRU降水资料,按降水值分布对北半球10°~60°N划分气候区,探寻DTR在此区域的变化特征。可以看出,在暖季,除在干旱半干旱区不显著之外,LULCC都是显著的降低DTR,而GHG则在400~1100 mm区域使DTR增加,虽然变化仍然显著,但在数值上无法与LULCC的作用相比(图 6a)。在冷季,除了1200~1500 mm区域,GHG使DTR显著降低:而LULCC则显著降低除干旱半干旱区之外区域的DTR(图 6b)。
本文采用CESM模式,分析了GHG和LULCC对北半球DTR的影响及相对贡献作用,得到以下结论:
(1) GHG导致日最高气温和日最低气温均升高,那么显然DTR的变化就取决于最高气温和最低气温两者谁升高得更多。GHG引起的DTR变化存在显著的季节差异,在暖季和冷季,北美地区和西伯利亚地区呈现出相反的变化特征。GHG对于中高纬度地区年平均DTR的降低作用主要是由冷季贡献的:而LULCC对于DTR影响作用的季节差异较小。
(2) 对于两者的相对贡献作用来言,GHG在北半球高纬度地区占绝对的主导作用,但在中纬度地区,LULCC的作用十分显著,在欧洲,东亚,南亚和北美东部地区,DTR在数值上的变化基本由LULCC所贡献。在北半球10°~60°N,暖季GHG在半湿润区和湿润区使DTR显著增加,但LULCC在这一区域使DTR显著降低且数值上远大于GHG。冷季,两者对DTR都是负的贡献作用,差别在于LULCC在其他区域,特别是湿润区则占有绝对的主导地位,这与LULCC主要发生在湿润半湿润区紧密相关。
值得指出的是,过往研究表明LULCC资料以及潜在植被数据的获取方法会带来一定的不确定性:而不同气候模式,也会带来不同的结果,各气候模式之间存在一定的不一致性(Pitman et al, 2009)。在未来的研究中应尽量采取多模式集合结果,以获得更加全面的认识。
白莹莹, 程炳岩, 王勇, 等, 2015. 城市化进程对重庆夏季高温炎热天气的影响[J]. 气象, 41(3): 319-327. |
陈海山, 李兴, 华文剑, 2015. 近20年中国土地利用变化影响区域气候的数值模拟[J]. 大气科学, 39(2): 357-369. DOI:10.3878/j.issn.1006-9895.1404.14114 |
丁守国, 石广玉, 赵春生, 2004. 利用ISCCPD2资料分析近20年全球不同云类云量的变化及其对气候可能的影响[J]. 科学通报, 49(11): 1105-1111. DOI:10.3321/j.issn:0023-074X.2004.11.016 |
华丽娟, 马柱国, 曾昭美, 2006. 中国东部地区大城市和小城镇极端温度及日较差变化对比分析[J]. 大气科学, 30(1): 80-92. |
华文剑, 陈海山, 2013. 区域尺度土地利用/土地覆盖变化对气温日较差的影响[J]. 气候变化研究进展, 9(2): 117-122. |
黄宏涛, 吴荣军, 王晓云, 等, 2016. 城市化对珠三角地区气温及日较差的可能影响[J]. 气象, 42(7): 847-856. DOI:10.7519/j.issn.1000-0526.2016.07.008 |
黄金龙, 王艳君, 苏布达, 等, 2016. RCP4.5情景下长江上游流域未来气候变化及其对径流的影响[J]. 气象, 42(5): 614-620. |
刘伟东, 张本志, 尤焕苓, 等, 2014. 1978—2008年城市化对北京地区气温变化影响的初步分析[J]. 气象, 40(1): 94-100. DOI:10.7519/j.issn.1000-0526.2014.01.011 |
唐红玉, 翟盘茂, 王振宇, 2005. 1951—2002年中国平均最高、最低气温及日较差变化[J]. 气候与环境研究, 10(4): 728-735. |
汪凯, 叶红, 唐立娜, 等, 2010. 气温日较差研究进展:变化趋势及其影响因素[J]. 气候变化研究进展, 6(6): 417-423. |
王明娜, 韩哲, 张庆云, 2016. 21世纪初中国北方半干旱区土地利用变化对地表温度的影响[J]. 气候与环境研究, 21(1): 65-77. |
杨鹏, 陈静, 侯晓玮, 等, 2013. 基于多源数据的城市热岛效应研究——以石家庄地区为例[J]. 气象, 39(10): 1304-1313. DOI:10.7519/j.issn.1000-0526.2013.10.008 |
翟盘茂, 任福民, 1997. 中国近四十年最高最低温度变化[J]. 气象学报, 55(4): 418-429. DOI:10.11676/qxxb1997.042 |
Cai Ming, Kalnay E, 2004. Climate (communication arising):impact of land-use change on climate[J]. Nature, 427(6971): 214. DOI:10.1038/427214a |
Gent P R, Danabasoglu G, Donner L J, et al, 2011. The community climate system model version 4[J]. J Climate, 24(19): 4973-4991. DOI:10.1175/2011JCLI4083.1 |
Harris I, Jones P D, Osborn T J, et al, 2014. Updated high-resolution grids of monthly climatic observations-the CRU TS3.10 Dataset[J]. Int J Climatol, 34(3): 623-642. DOI:10.1002/joc.3711 |
IPCC.2013.Summary for policymakers[C]//Stocker T F, Qin D, Plattner G K, et al. Climate Change 2013: the Physical Science Basis.Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change.Cambridge: Cambridge University Press.
|
Lawrence P J, Chase T N, 2010. Investigating the climate impacts of global land cover change in the community climate system model[J]. Int J Climatol, 30(13): 2066-2087. DOI:10.1002/joc.2061 |
Lewis S C, Karoly D J, 2013. Evaluation of historical diurnal temperature range trends in CMIP5 models[J]. J Climate, 26(22): 9077-9089. DOI:10.1175/JCLI-D-13-00032.1 |
Li Zhao, Mölders N, 2008. Interaction of impacts of doubling CO2 and changing regional land-cover on evaporation, precipitation, and runoff at global and regional scales[J]. Int J Climatol, 28(12): 1653-1679. DOI:10.1002/joc.v28:12 |
Lindvall J, Svensson G, Hannay C, 2013. Evaluation of near-surface parameters in the two versions of the atmospheric model in CESM1 using flux station observations[J]. J Climate, 26(1): 26-44. DOI:10.1175/JCLI-D-12-00020.1 |
Marsh D R, Mills M J, Kinnison D E, et al, 2013. Climate Change from 1850 to 2005 Simulated in CESM1 (WACCM)[J]. J Climate, 26(19): 9372-9391. DOI:10.1175/JCLI-D-12-00558.1 |
Pitman A J, Noblet-Ducoudré N, Cruz F T, et al, 2009. Uncertainties in climate responses to past land cover change:first results from the LUCID intercomparison study[J]. Geophys Res Lett, 36(14): L14814. DOI:10.1029/2009GL039076 |
Ramankutty N, Foley J A, 1999. Estimating historical changes in global land cover:croplands from 1700 to 1992[J]. Glob Biogeochem Cycl, 13(4): 997-1027. DOI:10.1029/1999GB900046 |
Subin Z M, Murphy L N, Li Fuyu, 2012. Boreal lakes moderate seasonal and diurnal temperature variation and perturb atmospheric circulation: analyses in the community earth system model 1 (CESM1)[J]. Tellus A, 64(1): 15639. DOI:10.3402/tellusa.v64i0.15639 |
Vose R S, Easterling D R, Gleason B, 2005. Maximum and minimum temperature trends for the globe: an update through 2004[J]. Geophys Res Lett, 32(23): L23822. DOI:10.1029/2005GL024379 |
Wild M, 2009. How well do IPCC-AR4/CMIP3 climate models simulate global dimming/brightening and twentieth-century daytime and nighttime warming?[J]. J Geophys Res, 114(D10): D00D11. DOI:10.1029/2008JD011372 |
Xu Zhongfeng, Mahmood R, Yang Zongliang, et al, 2015. Investigating diurnal and seasonal climatic response to land use and land cover change over monsoon Asia with the community earth system model[J]. J Geophys Res Atmos, 120(3): 1137-1152. DOI:10.1002/2014JD022479 |