文献阅读 | 在三种空间尺度上对六类极端气候事件影响的预测

题目

Projecting Exposure to Extreme Climate Impact Events Across Six Event Categories and Three Spatial Scales

作者

Stefan Lange, Jan Volkholz, Tobias Geiger, Fang Zhao, Iliusi Vega1, Ted Veldkamp et al.

期刊

Earth's Future

时间

2020年11月

一作

单位

Potsdam Institute for Climate Impact Research (PIK), Member of the Leibniz Association, Potsdam, Germany

链接

https://doi.org/10.1029/2020EF001616

研究内容

与气候相关的极端事件的影响程度取决于气象、水文等自然相关因素，以及土地利用、人口密度等社会经济因素。在这里，我们使用部门间影响模型相互比较项目第2b阶段（ISIMIP 2b）的协调气候影响模拟集合，量化了历史和未来气候变化对土地和人口暴露于极端气候影响事件的影响。结果表明，全球变暖使全球陆地面积和全球人口在六类极端事件（河流洪水、热带气旋、作物歉收、野火、干旱和热浪）的暴露增加了一倍以上。相对于工业化前的条件，全球变暖2℃的情况下，预计将导致全球跨灾害总暴露增加五倍以上。极端气候事件影响的空间暴露是空间不均的，热带和亚热带地区比高纬度地区面临更大的增长。预计南亚所受影响的增幅最大。

研究方法和数据

影响模型模拟和评估

除热浪外，本文的暴露量分析是基于ISIMIP2b评估框架进行的，是基于流程的影响模型模拟。其中水文、植被和作物模型的输入是CMIP5中四个全球气候模型(GCMs：IPSL-CM5A-LR、HadGEM2-ES、MIROC5和GFDL-ESM2M)的偏差校准结果。所使用的气候情景包括：工业化前(200年)、历史(1861-2005年)和未来气候预测(2006-2100年)。其中未来气候预测在包括低排放的RCP2.6和中等排放的RCP6.0情景。河流洪水和干旱是根据八个全球水文模型GHMs进行的分析。除了八个GHMs，本文还使用全球河流模型CaMa-Flood来计算河流洪水风险。作物歉收的计算基于玉米、水稻、大豆和小麦的产量，这些产量模拟使用的是基于ISIMIP2b的土地利用、灌溉模式和固定农业管理驱动的三个全球网格作物模型(GGCMs)。野火暴露直接来自五个全球植被模型（GVMs）, 这些模型模拟了大范围的全球年燃烧面积值。热带气旋的暴露是根据使用动态热带气旋模型结合风场模型生成的热带气旋路径计算的。

暴露计算

为了跨极端事件类别进行比较和汇总，需要使用(i)共同的风险实体和(ii)跨类别风险的共同时间尺度。对于(i)，我们使用暴露于极端事件的土地面积作为我们分析的基础。对于(ii )，使用年度时间尺度，因为这是作物歉收的自然时间尺度。所有其他事件(河流洪水、热带气旋、野火、干旱和热浪)理论上可以每年多次袭击同一地点。为了便于对不同类别的暴露进行汇总，我们测量了在给定年份中暴露于至少一个事件的土地面积。

除了土地面积，我们还测量人口暴露量，假设只有生活在暴露区域的人才能暴露。对于河流洪水、热带气旋、野火和热浪，我们假设暴露区域的所有人都暴露了。对于干旱，我们假设只有农村人口受到影响。对于作物歉收，我们假设灾害暴露仅限于那些收入依赖于歉收作物的人。在所有情况下，人口暴露的计算方法是将网格单元的总人口/农村/农业人口乘以网格单元暴露的土地面积部分(假设大范围事件暴露整个网格单元，假设有限事件仅暴露网格单元的一部分)。为此，我们分别使用了1861年至2005年间的历史变化人口数据和1860年及2005年前后的恒定人口数据。极端气候事件的级联效应尚未包含在本文的分析当中，这种非局部级联效应包括作物歉收通过贸易对粮食安全的影响、干旱期间上游需水量增加对下游缺水的放大效应以及野火对城市空气质量的影响等。本文将暴露的总土地面积估计为暴露于要汇总的各个类别事件的土地面积部分的最大值(在作物歉收和野火情况下的总和)。人口暴露量以类似方式汇总，但在所有情况下都使用最大值，因为暴露于作物歉收和野火的人口部分不一定是不相交的。请注意，这种的聚合方法可以防止重复计算相关事件，如同时发生的干旱和野火。

气候变化的纯粹影响

本研究分析了两种模拟情景。第一类是情景模拟，分别使用2005年之前和之后的历史和预测气候输入数据，结合模拟2005年之前的历史社会经济发展并在此后固定在2005年水平的直接人类影响输入数据。这些模拟中考虑的直接人类影响包括但不限于土地、水和肥料的使用。在某些情况下，历史情景模拟也是使用固定的社会经济输入数据进行的，有时是由于缺乏历史变化数据(如生长季节和肥料输入)，在其他情况下是由于输入数据预处理资源有限(如H08和JULES-W1)或模型无法处理时变输入数据(如有主动灌溉的WaterGAP2和CLM4.5的瞬时土地覆盖)。

第二种是基线模拟，使用与情景模拟相同的直接人类影响输入数据，将这些数据与代表整个1861-2100年期间反事实的稳定在前工业条件的气候输入数据结合起来。气候变化对暴露于极端事件的土地面积和人口的纯粹影响来自情景模拟和基线模拟之间的差异。

研究结果

图1.相对于工业化前的气候条件，在不同程度的全球变暖中，全球陆地面积每年暴露于极端事件的变化。变化以占全球陆地总面积的百分比表示，不包括格陵兰和南极洲。根据一个气候模型-影响模型组合，每条线代表依赖于变暖水平的多年平均暴露变化。不同的颜色表示不同气候模型的结果。阴影区域代表暴露多年平均变化的多影响模型中值暴露的年际标准偏差的多影响模型中值。每个面板底部的灰色数字表示相对于工业化前条件，全球变暖1℃、2℃、3 ℃情况下多模型中值变化因子。图(a )-( c)和(d )-( i)分别显示了聚合事件类别和单个事件类别的结果。

图2. 相对于工业化前的气候条件，在不同程度的全球变暖中，每年暴露于极端事件的全球人口的变化。类似于图1，变化以2005年全球人口的百分比表示。

1.全球尺度

图1和图2分别描述了气候变化对全球土地和人口暴露于极端事件的纯粹影响。显示的是根据个别气候模型-影响模型组合的绝对暴露变化。多模型中值变化因子，其中变化因子为3表示增加了3倍，相当于相对增加了200%。根据我们的模拟，历史上全球变暖1℃已经大大增加了每年暴露于极端事件的全球陆地面积。与具有前工业化气候条件和今天的社会经济背景条件的反事实世界相比，今天的暴露已经大了2.4倍(图1a；中央90%多模型范围:1.5–3.2)。所有类别的极端事件都有影响。 但干旱和热浪的变化主导了整体信号(图1 b–1i)。相对于工业化前的条件，持续的全球变暖高达3.5℃，我们预测全球暴露于极端天气的陆地面积将进一步增加。特别是，全球变暖2℃和3℃预计将使每年遭受极端事件影响的土地面积分别增加5.3倍和8.0倍(图1a；中央90%多模型范围:分别为2.6–7.3和3.5–11)。3℃全球变暖的结果更加不确定，因为根据RCP6.0，只有四分之二的GCM达到这一变暖水平。

随着全球陆地暴露的增加，全球变暖预计将增加暴露于这里考虑的六类极端事件的全球人口(图2)。综合所有六个类别，我们发现全球温度上升1℃已经使全球暴露增加了一倍。与受影响的全球土地面积比例的增加相比，受影响的全球人口比例在热带气旋、作物歉收和热浪中的增加更大，在河流洪水和野火中的增加大致相等，在干旱中的增加较小。反映出热带气旋主要袭击人口稠密的热带和亚热带沿海地区，作物通常生长在靠近人类住区的地方，而(潮湿的)热浪主要袭击人口稠密的低纬度和低海拔地区，而最容易遭受干旱的地区通常人口稀少。

预计的变化伴随着不同程度的模型不确定性。对于热浪，气候变化信号相对于年际变率特别大，气候模型之间的差异相比之下特别小，而对于热带气旋则相反。然而，对于这两种事件类别，所有四种气候模型都预测风险会增加。对于其他四个事件类别，气候模型和影响模型的总体模型不确定性的相对份额各不相同。对于河流洪水和农作物歉收，气候模型贡献了模型不确定性的大部分。相比之下，对于干旱和野火，模型不确定性受影响模型支配。

2.全球暴露的空间分布

我们现在转向空间分布，以确定未来最容易遭受极端气候影响事件的地区。预测表明，世界上大多数地区将面临极端情况下土地暴露的增加(图3)。预计美国中西部每年暴露于极端气候事件的陆地面积将大幅增加(主要受作物歉收驱动)、墨西哥(主要由热带气旋、作物歉收和野火驱动)、南美和南部非洲(主要由野火驱动)、尼罗河谷和东非(主要由河流洪水和热带气旋驱动)、北非、中东和南亚(主要由作物歉收驱动)、东南亚(主要由热带气旋和河流洪水驱动)、中国东部地区(主要由热带气旋和作物歉收驱动)、日本(主要由热带气旋驱动)、加拿大北部和俄罗斯(主要由河流洪水驱动)、澳大利亚(主要由热带气旋和野火驱动)。

预计许多热带和亚热带地区每年遭受大范围灾害的土地面积将大幅增加。虽然这些增加大多是由热浪造成的，但预计南美洲、南欧、中东和北非的大部分地区以及撒哈拉以南非洲、中国和澳大利亚的一小部分地区遭受干旱的土地面积将会增加。预计加拿大北部和俄罗斯的干旱风险将会降低。

在土地暴露增加与高人口密度相适应的地方，人口暴露的相应变化最大(图4)。这些地区是西非、南亚、东亚和东南亚。受局限事件和广泛事件影响的人口增加最多的地区集中在南亚，特别是印度恒河平原。

图3. 相对于工业化前的气候条件，不同程度的全球变暖在网格尺度上每年暴露于极端事件的陆地面积的变化。变化表示为每个0.5°×0.5°网格单元的陆地面积的百分比。颜色表示暴露于(a，b)1℃、(C，d)1.5℃和(e，f)2℃全球变暖的(a，b)1℃和(e，f)2℃大范围事件的多年平均陆地面积的多模型中值变化。

图4.相对于工业化前的气候条件，不同水平的全球变暖在网格尺度上每年暴露于极端事件的人口变化。类似于图3，根据2005年的人口分布以千人为单位表示变化。

3.国家尺度的变化情况

图5和图6显示了全国范围内土地和人口暴露于任何类别的极端气候影响事件的预测。根据网格尺度的结果，预计南亚国家巴基斯坦、印度和孟加拉国的人口暴露量将大幅增加，主要是受热浪和作物歉收的影响。与全球范围的结果一致，野火和干旱的建模不确定性特别大。对于河流洪水、热带气旋和农作物歉收来说，这个数字要小一些。最清晰的气候变化信号是为热浪模拟的。预计埃及、苏丹和荷兰受河流洪水影响的人口增幅最大。就热带气旋而言，预计科摩罗、菲律宾和所罗门群岛的增幅最大。就作物歉收而言，伊拉克、埃及和尼泊尔预计将出现最大幅度的增长。对于野火，增幅最大的是津巴布韦、安哥拉和蒙古。就干旱而言，预计增幅最大的是摩洛哥、以色列和阿尔及利亚。对于热浪来说，预计增幅最大的是巴林、科威特和圭亚那。为了突出气候变化的分布方面，图5和图6将2019年人均国内生产总值(GDP)的预测变化与购买力平价联系起来。我们发现，河流洪水、热带气旋、野火和干旱风险的变化与GDP的关系很小。相比之下，农作物歉收和热浪的风险变化分布不均。

图5.相对于工业化前的气候条件，每年遭受2℃全球变暖极端事件影响的国家土地面积的变化。变化以占国家土地面积的百分比表示，并根据2019年人均国内生产总值绘制。每个圆圈代表一个国家多年平均土地面积的多模型中值变化。圆圈后面的垂直线代表相应的多模型四分位数范围。圆圈颜色和圆圈面积分别代表世界区域和国家土地面积。图(a )-( c)和(d )-( I)分别显示了聚合事件类别和单个事件类别的结果。

图6. 相对于工业化前的气候条件，升温2℃情景下每年受极端事件影响的国家人口的暴露变化。类似于图5，变化以2005年全国人口的百分比表示。

预计大多数低入和中等收入国家的作物歉收风险将会增加，而大多数高收入国家的风险将会减少。特别是，预计欧洲和中亚的大多数国家将会减少。在许多情况下，土地暴露的减少大于人口暴露的减少，因为后者受到农业人口比例低的限制。预计波斯湾周边国家遭受热浪的风险将大幅增加。除该区域外，低收入和中等收入国家遭受热浪的风险预计将比高收入国家增加更多。对于加拿大以及欧洲和中亚的大多数国家，只要全球变暖限制在2℃以内，我们预计热浪暴露不会发生变化。这一发现与我们的热浪定义有关，该定义要求热浪既热又湿。在全球变暖低于2℃的情况下，温带和极地的湿度很难超过我们的阈值。

研究讨论

全球变暖2℃预计将使全球人口遭受河流洪水的风险增加100%。河流洪水模拟的不确定性主要与气候输入数据的不确定性有关。这一发现得到了先前研究的支持，该研究发现GCMs比GHMs对高流量建模不确定性的贡献更大。气候输入数据的高度不确定性反过来又与大气环流模式对极端降水事件的再现性差有关，因为它们的分辨率较低，而且对云动力学中涉及的复杂多尺度过程的参数化不足。因此，降水预测是不确定的，预计仅使用四个大气环流模型，无法涵盖河流洪水预测的全部不确定性。鉴于河流洪水预测的高度气候模型不确定性，怀疑这些偏差是由于这里使用的不同气候模型输出(来自四个大气环流模型的降水、温度和辐射)和他们的研究(来自十一个大气环流模型的径流)造成的。另一个警告是，虽然大坝和防洪堤通常是防止河流洪水的有效措施，但大多数发展中地区的河流洪水防御目前不足应对百年一遇的洪水。因此预计将低估发展中国家的洪灾面积，但高估一些工业化国家的洪灾面积。

我们预计，由于全球变暖2℃，每年遭受热带气旋袭击的全球人口将增加50%。本研究中使用的同一热带气旋模型的旧版本所做的预测中也发现了类似的巨大不确定性。我们模拟了印度洋和太平洋岛国的特别大的暴露增加。这些增加与我们的热带气旋模型为所有海洋盆地和气候输入数据集预测的热带气旋频率和强度不变或不断增加有关。虽然随着全球变暖热带气旋强度的增加符合最大潜在强度理论和用粗分辨率GCMs以及允许对流的区域气候模型进行的气候模型预测。随着全球变暖，热带气旋频率是否增加仍有争论。但鉴于社会经济变化对热带气旋暴露的巨大潜在影响，未来的适应有可能逆转任何此类趋势。

由于全球变暖2℃，预计全球人口遭受作物歉收的风险将增加120%。我们发现GCMs比GGCMs对建模不确定性的贡献更大。鉴于我们的GGCM集合只有三个成员，这表明我们低估了作物歉收预测的结构不确定性。然而，气候预测的差异对于模拟极端产量的重要性至今还没有被探讨过。我们发现，全球变暖增加了热带和亚热带地区作物歉收的风险，尤其是玉米和小麦，这与之前的发现一致。根据我们的多模型中值预测，相对于工业化前的条件，全球农作物歉收的风险只会在全球变暖1℃左右增加。这是因为北部地区在低变暖水平下的暴露减少，平衡了低纬度地区的同时增加。在气候变化对多年平均产量影响的研究中，也发现了不同地区这种最初相反的信号。我们发现，在欧洲北部和中亚地区，全球变暖超过1°C时，作物歉收风险的降低与之前对这些地区作物产量的预测一致。我们作物产量预测的一个主要不确定性来源是CO2施肥效应，因为在给定的全球变暖水平下，效应本身的大小和大气CO2浓度都具有相当大的不确定性。请注意，我们的作物模型没有考虑农业管理的变化，如品种、肥料、杀虫剂和灌溉的变化。因此，我们的作物产量预测中没有包括未来适应的积极影响，尽管它们有可能弥补至少部分预测的产量下降。

全球变暖2℃预计将使全球人口暴露于野火的风险增加30%。建模的不确定性主要由GVM决定，ORCHIDEE和VISIT比其他三个FVM模拟了更大的年度全球燃烧面积的绝对增长。由于这种大范围的变化在很大程度上反映了基线值的差异，相对变化比绝对变化更能提供信息。请注意，我们的全球GVMs对于人类对野火点燃、抑制和管理的直接影响只有非常有限和简单的描述。因此，预计的全球年燃烧面积的增加应被解释为全球变暖带来的纯粹由气候驱动的野火风险的增加。这种增加与早期的研究结果一致。但我们承认，未来人类对野火的直接影响的变化有可能逆转这一趋势。

我们预测，由于全球变暖2℃，全球每年遭受干旱的人口将增加370 %。干旱建模的不确定性主要是由GHMs驱动的。先前发现GCMs对干旱建模不确定性的贡献更大。相比之下，Prudhomme等人在水文干旱的多模型网格尺度预测中发现，GHMs比GCMs具有更大的不确定性。八个全球气候模型中有七个预测全球变暖会增加全球每年遭受干旱的土地面积，而H08预测四个全球气候模型中有两个会减少。在这两种情况下，北半球气温的下降抵消了大多数其他地区气温的上升。其他七个模型预测在大多数地区会有更大的增长，在某些情况下，北半球甚至不会减少，尽管那里的降雨量预计会增加。由于一些模型的潜在蒸发方案已被证明会在未来的预测中产生干旱偏差，因此位于我们采用多模式集合的GHMs可能高估了干旱暴露的增加。

我们的估计没有考虑未来的适应或人口变化，这两种情况都被认为是热浪对人口影响预测的不确定性来源。例如，我们没有考虑未来的城市化，由于城市热岛效应，城市化有可能进一步增加人口暴露于热浪的风险。

我们的发现是，较贫穷的国家将不成比例地暴露于作物歉收和热浪，这扩展了早期对气候变化分布方面的分析，这些分析侧重于暴露于极端温度。我们的结果也证实和补充了早期的发现，即气候变化的宏观经济影响在低纬度国家比高纬度国家更大，穷人可能承受气候变化带来的经济损失的冲击。在这种情况下，应该注意的是，目前的分析只考虑了暴露，因此不是一个完整的气候变化风险评估，因为这种评估必须包括脆弱性。由于越穷的国家越容易受到极端气候影响事件的影响，预计穷国和富国之间的气候变化风险差异甚至会比这里发现的暴露差异更大。也就是说，由于风险对脆弱性的强烈依赖性和脆弱性未来发展的不确定性，它们也更加不确定。

研究结论

这项研究使用多情景设置，在全球总量、全球空间分布和国家尺度内量化了气候变化对暴露于六类极端气候事件(河流洪水、热带气旋、农作物歉收、野火、干旱和热浪)的土地面积和人口的纯粹影响。

对于所有六个事件类别，我们发现历史上1℃的全球变暖已经使全球陆地面积和人口每年分别增加了约140%和130%。虽然所有六种事件类别都导致了这些增加，但干旱和热浪是最大的贡献者。随着全球变暖的持续，这些模式预计将会加剧。对于所有六个事件类别的组合和0–3℃的变暖水平范围，我们模拟了每年暴露于全球变暖的全球陆地面积和人口的持续增长。网格和国家一级的结果表明，大多数较大幅度的增加将发生在热带和亚热带地区，特别是南亚。

虽然我们的研究结果存在许多不确定性，但这些不确定性都不可能破坏我们的主要结论:人为气候变化已经大大增加了全球极端气候影响事件的暴露程度，预计进一步的全球变暖将加剧我们今天已经看到的变化模式。我们的研究结果支持“将全球平均气温的上升控制在2℃以下，将显著降低气候变化的风险和影响”的观点，因此强调了2015年巴黎协定中所表达的气候行动的紧迫性。

编辑&排版：朱羽遥

相关阅读

点击“阅读原文”浏览小组主页