观测约束的复合热浪归因、预估及影响评价方法及设备

技术领域

本申请涉及碳中和与气候变化、极端天气气候与防灾减灾领域，尤其涉及一种观测约束的复合热浪归因、预估及影响评价方法及设备。

背景技术

随着全球变暖趋势的加剧，极端热事件的风险日益受到广泛关注，对农业生产、基础设施、电力供应和人为健康产生严重的负面影响。人为温室气体排放导致全球气温上升，进一步放大了极端热事件的各种影响。以往的研究主要关注独立的极端热日或极端热夜，而复合热浪(即白天和夜晚高温同时出现)减少了从前一天的高温中恢复的时间。尽管复合热浪比单独的白天或夜晚高温影响更为严重，但对复合热浪的历史和未来变化关注仍然相对较少。

在对复合热浪的历史变化研究中，主要关注其事件特征，如频率、持续时间和强度。人为活动在这些特征变化中的指纹也已经被检测出来。例如，研究发现人为增加的温室气体是观测到的复合热浪频率和强度增加的主要因素之一。然而，这些基于事件的特征不能充分反映日常复合热浪的特点，如PR、PTmax、PTmin。PR表示复合热浪相对于气候周期的概率变化，广泛应用于极端天气事件的气候学归因分析中。PTmax和PTmin的变化表征了独立的极端热日和热夜晚事件向复合热浪转变的速率，这与人为健康密切相关。然而，PR、PTmax和PTmin的历史变化，以及人为活动指纹是否能够从这些变化中得到定量检测，目前仍不清楚。

复合热浪对人为健康和劳动生产力具有重要影响，准确评估人口暴露于复合热浪的程度对于实施适应性措施至关重要。许多先前的研究往往忽略模式对日最高温和日最低温存在高估情况，进一步导致人口暴露度的未来预测被高估。

发明内容

本申请的目的在于解决先前的研究忽略模式对日最高温和日最低温存在高估情况，导致人口暴露度的未来预测被高估的技术问题，提供一种观测约束的复合热浪归因、预估及影响评价方法及设备。

本申请的上述目的是通过以下技术方案得以实现的：

S1：根据伯克利地球数据集、第六次耦合模式的日最高温、所述第六次耦合模式的日最低温以及跨领域影响模型的全球人口数据，构建衡量全球的日复合热浪的变化指标；

S2：计算所述伯克利地球数据集，确定观测结果；

S3：根据历史预设年份区间的所述全球的日复合热浪的变化指标、以及第六次耦合模式的历史气候模式试验ALL的模拟结果，计算所述全球的日复合热浪的变化指标的时空变化特征；

根据所述时空变化特征，评估所述第六次耦合模式对所述全球的日复合热浪的识别能力；

S4：根据所述观测结果结合最优指纹法，对所述全球的日复合热浪的变化指标进行人为活动变化的定量检测和归因，量化所述不同人为活动对所述变化指标的贡献；

S5：根据所述最优指纹法得到的人为强迫ANT的缩放因子进行校准，构建未来预设年份区间所述日复合热浪三个变化指标的指纹约束预测；量化指纹约束下的所述全球的日复合热浪的变化指标的时空变化；

S6：根据四个人口暴露度指标以及所述指纹约束预测，评估未来预设年份区间的所述全球的日复合热浪对人口的影响。

具体的的，2015年-2100年间为未来预设年份区间，1950年-2014年为历史预设年份区间，气候态时期为1981年-2010年。

可选的，步骤S1包括：

S11：在每个格点的气候态时期中，将所述日复合热浪的发生定义为：所述日最高温以及所述日最低温同时超过参考期的99百分位数；确定所述全球的日复合热浪的变化指标；

S12：所述变化指标包括：概率比PR、极端高温日复合热浪的发生比例PTmax以及极端高温夜复合热浪的发生比例PTmin，如下：

其中，P

可选的，步骤S4包括：

根据所述观测结果结合最优指纹法，对所述变化指标进行定量检测和归因，量化所述不同人为活动对所述变化指标的贡献；

所述不同人为活动包括：仅土地利用和覆盖变化、仅人为气溶胶以及仅温室气体；

所述变化指标Y为不同外部驱动因素X的缩放因子与系统内部变率ε之和，如下：

Y＝Xβ+ε

其中，β是通过普通最小二乘法估计的模式振幅，即缩放因子。

可选的，步骤S5包括：

S51：对于历史时期，通过双信号检测方法获得的缩放因子，根据所述缩放因子，对人为强迫ANT和自然强迫NAT的多模式集合平均响应进行求和，重建历史时期CMIP6模式模拟的三个日复合热浪指标的变化；

S52：对于未来预设年份区间，通过所述人为强迫ANT的缩放因子，对所述CMIP6模式模拟的三个未来日复合热浪指标进行缩放，构建未来预设年份区间日复合热浪的三个变化指标的指纹约束预测；

S53：根据历史时期CMIP6模式模拟的三个日复合热浪指标的变化，确定所述历史时期重建的CMIP6模式模拟值和观测值之间的差异大小，调整未来预设年份区间三个日复合热浪指标的未来变化幅度；

S54：根据调整后的所述未来变化幅度，构建未来预设年份区间所述日复合热浪三个变化指标的指纹约束预测；

S55：将所述指纹约束预测全球平均值扩展到网格尺度，量化不同预设温度值下的所述全球日复合热浪三个变化指标的时空变化。

可选的，步骤S6包括：

所述四个人口暴露度指标包括：每人或每单位土地面积的复合热浪平均发生天数、同时暴露于复合热浪的平均人数或同时暴露于复合热浪下的土地面积；

所述每人复合热浪的平均发生天数的计算方法，如下：

其中，hdpp

所述每单位土地面积的复合热浪平均发生天数的计算方法，如下：

其中，hdpkm

所述同时暴露于复合热浪的平均人数的计算方法，如下：

其中，ppd

所述同时暴露于复合热浪的土地面积的计算方法，如下：

其中，kmpd

一种存储设备，存储设备存储指令及数据用于实现一种观测约束的复合热浪归因、预估及影响评价方法。

一种观测约束的复合热浪归因、预估及影响评价设备，包括：处理器及存储设备；处理器加载并执行存储设备中的指令及数据用于实现一种观测约束的复合热浪归因、预估及影响评价方法。

本申请提供的技术方案带来的有益效果是：

通过使用伯克利地球数据集、第六次耦合模式数据以及人口数据，对历史和受指纹约束的未来预测时期内的日复合热浪的日尺度指标进行了研究。基于指纹法量化了不同外部强迫因子对历史期的三个变化指标PR、PTmax和PTmin的贡献，并进一步量化了三个变化指标在未来的时空变化特征；根据指纹约束评估了未来预设年份区间的所述全球日复合热浪对人口的影响。通过指纹约束预测建立的约束条件，有利于减少估计人口暴露的高估以及不确定性。

附图说明

下面将结合附图及实施例对本申请作进一步说明，附图中：

图1是本申请实施例中观测约束的复合热浪归因、预估及影响评价方法的步骤图；

图2是本申请实施例中观测约束的复合热浪归因、预估及影响评价方法的1950年至2014年全球陆地区域每日复合热浪的变化图；

图3是本申请实施例中观测约束的复合热浪归因、预估及影响评价方法的1950年至2014年不同外部强迫因素下每日复合热浪的变化指标的时空变化图；

图4是本申请实施例中观测约束的复合热浪归因、预估及影响评价方法的通过最优指纹法估计的单信号缩放因子图(左图)以及在单信号分析中可归因变化图(右图)；

图5是本申请实施例中观测约束的复合热浪归因、预估及影响评价方法的通过最优指纹法的双信号分析得出的缩放因子图；

图6是本申请实施例中观测约束的复合热浪归因、预估及影响评价方法的1950年至2100年间日复合热浪的变化指标的原始和指纹约束预测图；

图7是本申请实施例中观测约束的复合热浪归因、预估及影响评价方法的在1.5℃、2℃和3.5℃的升温水平下，基于指纹约束的变化指标的预测图；

图8是本申请实施例中观测约束的复合热浪归因、预估及影响评价方法的不同升温水平和不同阈值下复合热浪的变化特征图；

图9是本申请实施例中观测约束的复合热浪归因、预估及影响评价方法的历史观测数据和指纹约束预测数据得出的1950-2020年间每天暴露于复合热浪的人口变化情况图；

图10是本申请实施例中观测约束的复合热浪归因、预估及影响评价方法的根据1861-1880年期间模拟的全球陆地最高和最低气温的平均变化绘制的不同全球变暖水平下所有人口暴露指标的原始和受约束的未来变化图；

图11是本申请实施例中硬件设备工作的示意图。

具体实施方式

为了对本申请的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本申请的具体实施方式。

本申请的实施例提供了一种观测约束的复合热浪归因、预估及影响评价方法及设备。

请参考图1，图1是本申请实施例中一种观测约束的复合热浪归因、预估及影响评价方法的步骤图，具体包括如下步骤：

S1：根据伯克利地球数据集、第六次耦合模式的日最高温、所述第六次耦合模式的日最低温以及跨领域影响模型的全球人口数据，构建衡量全球的日复合热浪的变化指标；

S2：计算所述伯克利地球数据集，确定观测结果；

S3：根据历史预设年份区间的所述全球的日复合热浪的变化指标、以及第六次耦合模式的历史气候模式试验ALL的模拟结果，计算所述全球的日复合热浪的变化指标的时空变化特征；

根据所述时空变化特征，评估所述第六次耦合模式对所述全球的日复合热浪的识别能力；

具体的，对1950年至2014年期间全球日复合热浪(CHEs)的空间化趋势和时间变化趋势进行了比较。观测和模拟结果一致显示，在中东、亚洲东部、欧洲、加拿大、北非和北美洲南部等地区，复合热浪持续增加。在空间上呈现出一致性的变化趋势，如图2所示。考虑到温室气体GHG导致的日复合热浪增加远远超过气溶胶AER和土地利用变化LULCC导致的日复合热浪减少，可以定性推断出GHG强迫在观测到的复合热浪的PR、PTmax和PTmin增加中起了重要作用，如图3所示。在LULCC胁迫下，PR、PTmax和PTmin的变化在全球呈略微下降趋势。

S4：根据所述观测结果结合最优指纹法，对所述全球的日复合热浪的变化指标进行人为活动变化的定量检测和归因，量化所述不同人为活动对所述变化指标的贡献；

S5：根据所述最优指纹法得到的人为强迫ANT的缩放因子进行校准，构建未来预设年份区间所述日复合热浪三个变化指标的指纹约束预测；量化指纹约束下的所述全球的日复合热浪的变化指标的时空变化；

S6：根据四个人口暴露度指标以及所述指纹约束预测，评估未来预设年份区间的所述全球的日复合热浪对人口的影响。

步骤S1包括：

S11：在每个格点的气候态时期中，将所述日复合热浪的发生定义为：所述日最高温以及所述日最低温同时超过参考期的99百分位数；确定所述全球的日复合热浪的变化指标；

S12：所述变化指标包括：概率比PR、极端高温日复合热浪的发生比例PTmax以及极端高温夜复合热浪的发生比例PTmin，如下：

其中，P

步骤S4包括：

根据所述观测结果结合最优指纹法，对所述变化指标进行定量检测和归因，量化所述不同人为活动对所述变化指标的贡献；

所述不同人为活动包括：仅土地利用和覆盖变化、仅人为气溶胶以及仅温室气体；

所述变化指标Y为不同外部驱动因素X的缩放因子与系统内部变率ε之和，如下：

Y＝Xβ+ε

其中，β是通过普通最小二乘法估计的模式振幅，即缩放因子。

具体的，在本发明中，利用CMIP6模式的多模式集合平均值构建了指纹，并根据piControl的输出，估计了内部气候变率。为了区分各人为信号的影响，将观测结果分别回归到GHG、AER、LULCC进行了单信号检测。ALL和GHG下所有日复合热浪指标的缩放因子都小于1，表明这些外部作用的响应都被高估，然而，在观测到的日复合热浪中，它并不能成功地检测出其他强迫(即AER、LULCC和NAT)的信号。如图4所示。通过计算ALL、GHG、AER、LULCC和NAT信号的趋势，然后将其乘以相应的比例因子，进一步估算了ALL强迫信号以及ALL强迫信号中的GHG、AER、LULCC和NAT部分导致的复合热浪增加，如图4所示。

为了估算整体人为信号的贡献，同时将观测回归到人为(ANT)和自然(NAT)信号上，以进行双信号检测。这与观测和模拟得出的复合热浪变化结果一致。双信号分析用于检测ANT强迫信号(包括GHG、AER和LULCC)是否可以从NAT强迫信号中分离出来，如图5所示。

步骤S5包括：

S51：对于历史时期，通过双信号检测方法获得的缩放因子，根据所述缩放因子，对人为强迫ANT和自然强迫NAT的多模式集合平均响应进行求和，重建历史时期CMIP6模式模拟的三个日复合热浪指标的变化；

S52：对于未来预设年份区间，通过所述人为强迫ANT的缩放因子，对所述CMIP6模式模拟的三个未来日复合热浪指标进行缩放，构建未来预设年份区间日复合热浪的三个变化指标的指纹约束预测；

S53：根据历史时期CMIP6模式模拟的三个日复合热浪指标的变化，确定所述历史时期重建的CMIP6模式模拟值和观测值之间的差异大小，调整未来预设年份区间三个日复合热浪指标的未来变化幅度；

S54：根据调整后的所述未来变化幅度，构建未来预设年份区间所述日复合热浪三个变化指标的指纹约束预测；

S55：将所述指纹约束预测全球平均值扩展到网格尺度，量化不同预设温度值下的所述全球日复合热浪三个变化指标的时空变化。

具体的，随着全球变暖，在原始预测和指纹约束预测中显示的非线性增长尤为明显，如图6所示。在SSP585条件下，升温水平分别为1.5℃、2℃和3.5℃，原始预测的PR分别为8.62、22.93和105.07，PTmax分别为0.44、0.55和0.76，PTmin分别为0.35、0.41和0.54。然而，经过指纹约束后，PR值分别为7.91、14.67和70.51，PTmax分别为0.19、0.25和0.39，PTmin值分别为0.18、0.21和0.35。

使用其他阈值(如第90、93、95和97百分位数)来验证结论的稳健性，如图7所示。当使用较低的阈值来定义复合热浪时，即使在较小的变化范围内，估计的变暖概率也较低。当使用较低的分位数作为阈值来确定复合热浪时，随着气候变暖，估计的PR减小，而PTmax和PTmin增加。因此，使用不同的阈值不会改变关于在全球变暖条件下，所有复合热浪指标都会显著增长的结论，因为这个结果对选定的百分位数阈值基本上不敏感。

全球变暖程度越高，约束预测在修正原始预测偏差方面的效果越明显，如图8所示。约束预测显示，未来PTmax和PTmin上升的热点位于中高纬度地区，对于这些地区，PTmax和PTmin的约束预测值在升温2°时主要在0.20-0.35的范围内，在升温3.5°时，主要在0.40-0.65的范围内，这表明未来将有更多的极端热日夜转变为CHEs。此外，CHEs对人口密集地区产生了不成比例的影响，也就是说，人口密集地区也是CHEs概率高发的地区，如北美洲南部、西欧、热带和亚热带地区，如图8所示。

步骤S6包括：

所述四个人口暴露度指标包括：每人或每单位土地面积的复合热浪平均发生天数、同时暴露于复合热浪的平均人数或同时暴露于复合热浪下的土地面积；

所述每人复合热浪的平均发生天数的计算方法，如下：

其中，hdpp

所述每单位土地面积的复合热浪平均发生天数的计算方法，如下：

其中，hdpkm

所述同时暴露于复合热浪的平均人数的计算方法，如下：

其中，ppd

所述同时暴露于复合热浪的土地面积的计算方法，如下：

其中，kmpd

具体的，在1950年至1990年期间，每人复合热浪发生的平均天数与每单位土地面积复合热浪发生的平均天数之间的差异显示出一个相对较小的下降趋势(每十年减少0.04天)，这可能是由于这一时期人类活动产生的气溶胶产生的冷却效应导致。然而，在1991年至2020年期间，随着温室气体排放在气候系统中的作用变得比气溶胶排放更加重要，这种差异开始出现快速增加。增加的差异表明，每人复合热浪天数的增加速度比每单位土地面积复合热浪天数的增加速度更快。在未来，历史时期每人复合热浪天数与每单位土地面积复合热浪天数之间的差异预计会变得更加明显，这表明温室气体排放导致的每日复合热浪增加对人口密集地区影响更大，如图9所示。在高排放情景下，根据指纹约束预测，在2℃的温升水平下，暴露于不断增加的CHEs中的人口估计为2.5亿，而如果将全球变暖限制在1.5℃以内，那么暴露于CHEs的人口数量将大大减少，如图10所示。

请参见图11，图11是本申请实施例的硬件设备工作示意图，硬件设备具体包括：一种观测约束的复合热浪归因、预估及影响评价设备401、处理器402及存储设备403。

一种观测约束的复合热浪归因、预估及影响评价设备401：一种观测约束的复合热浪归因、预估及影响评价设备401实现一种观测约束的复合热浪归因、预估及影响评价方法。

处理器402：处理器402加载并执行存储设备403中的指令及数据用于实现一种观测约束的复合热浪归因、预估及影响评价方法。

存储设备403：存储设备403存储指令及数据；存储设备403用于实现一种观测约束的复合热浪归因、预估及影响评价方法。

以上仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。