, 黄大鹏, 杨冰韵Future population exposure to high temperature in China under RCP4.5 scenario
ZHANGLei, HUANGDapeng, YANGBingyun通讯作者:
收稿日期:2016-06-1
修回日期:2016-09-13
网络出版日期:2016-12-23
版权声明:2016《地理研究》编辑部《地理研究》编辑部
基金资助:
作者简介:
-->
展开
摘要
关键词：
Abstract
Keywords：
-->0
PDF (1221KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
气候变暖背景下,近50a来中国年平均温度以0.22℃·(10a)-1的速率增加[1]。受全球变暖影响,高温的表现尤为突出,高温引发的灾害越来越频繁,对人类生活、社会经济发展和生态环境均造成严重威胁。对高温灾害的深入研究,已经成为应对气候变化的研究热点之一,逐渐受到社会各界的重视。目前,对高温灾害的研究已经取得了一定的成果,主要集中在高温灾害的发生规律及时空分布、高温灾害产生的影响程度等方面。从不同的时空尺度,分析高温灾害的发生分布规律[2-6],反映地区真实的高温情况,并能预估未来的高温趋势[7],从而提供有效防御对策。受高温灾害影响,社会经济和工农业生产的多方面产生明显变化[8],例如地区用电用水量明显增加[9,10]、劳动生产消耗高且效率下降[11,12]、交通事故发生频率增加[13];高温日数的增加,导致作物生育期缩短、产量降低并引发相应农业生产变化[14-17]。人类作为高温灾害直接的承受体,健康和生命安全[18-20]均受制于高温强度变化。高温天气易引起人体中暑[21],加速呼吸系统、消化系统及心血管等疾病的发生[22,23],死亡率增加[24-26]。多数研究主要侧重于高温对人体健康的影响机理。
近年来,高温灾害风险的研究逐渐兴起,通过探究高温危险性、脆弱性和暴露性的空间分布特征来量化人体健康风险。目前,国内对高温灾害风险的研究,更多的是关注过去高温的危险性和脆弱性[27],而对暴露性[28]的研究还不够深入。Jones等利用SRES A2的气候情景数据,研究了美国未来人口对极端高温的暴露度变化[20],在国内还没有针对人口对高温暴露度的相关研究。因此,利用NASA最新发布的高分辨率气候情景数据,选取符合中国国情的RCP4.5情景,通过集合平均的方法考虑对应栅格单元的高温日数及人口数量变化,来预估未来中国不同气候区域人口对两种不同强度高温的暴露性,可以为人类应对未来高温风险提供有针对性的决策支持。
2 数据来源与研究方法
气候数据为NEX-GDDP最新发布产品,包括21个全球气候模式的1951-2100年逐日最高气温数据,中国人口数据为IIASA的GGI情景数据库提供的1990-2100年逐10年人口数据。从未来温室气体的排放和浓度变化趋势来看,RCP4.5情景下其在2040年达到峰值,到2080年趋于稳定[29],这种温室气体排放趋势与中国未来发展趋势一致,符合中国国情,因此,气候数据选取RCP4.5情景。考虑到排放情景的对应性,人口数据选取SRES B2情景[30],可以反映地区层面的发展,属于中低排放水平。以单元格对应的人口数量与高温日数的乘积定义为人口对高温的暴露度,以1981-2010年作为基准时段,预估2021-2040年、2041-2060年、2061-2080年、2081-2100年人口对高温和强危害性高温的暴露度,并从高温、人口、高温和人口交互作用分析影响暴露度变化的因子,具体数据说明和研究方法参考黄大鹏等研究[31]。
3 结果分析
3.1 全国人口对高温和强危害性高温的暴露度
从全国人口对高温的暴露度来看,相比于基准时段（1981-2010年）,RCP4.5情景下人口对高温和强危害性高温的暴露度从2021-2040年开始明显增加（图1）。2021-2040年、2041-2060年、2061-2080年、2081-2100年中国人口对高温的暴露度从基准时段的5804×106人?d分别增加了10162×106人?d、19727×106人?d、29462×106人?d、33138×106人?d,至2081-2100年人口对高温的暴露度是基准时段的6.7倍。
显示原图|下载原图ZIP|生成PPT图1RCP4.5情景下全国人口对高温和强危害性高温的暴露度
-->Fig. 1National population exposure to high and heavy high temperature under RCP4.5 scenario
-->
RCP4.5情景下,2021-2040年、2041-2060年、2061-2080年、2081-2100年中国人口对强危害性高温的暴露度从基准时段的103×106人?d分别增加了257×106人?d、726×106人?d、1608×106人?d、1802×106人?d,2081-2100年人口对强危害性高温的暴露度是基准时段的18.5倍。
3.2 地区人口对高温的暴露度预估
在RCP4.5情景下,除甘肃、青海、西藏、四川中西部、云南中北部、贵州西部外,全国大部地区人群均受到高温的影响,且从2021-2040年开始人口对高温的暴露度明显增加。在基准时段内,全国大部地区人口对高温暴露度不足1.0×106人?d,仅北京、天津、河北南部、山东西部、河南东北部、湖北东部、江西东北部、湖南东部、重庆西南部暴露度为2.5×106~10.0×106人?d（图2a）;2021-2040年,中东部大部人口对高温的暴露度明显增加,北京、天津、河北中南部、山东西部、河南东部、安徽北部、上海、湖北东部、江西北部、湖南东部、重庆西南部地区暴露度超过10.0×106人?d（图2b）,其中北京、天津、河北中部、河南东北部、湖北东部等地超过15.0×106人?d;2041-2060年、2061-2080年和2081-2100年,北京、天津、河北中南部、山东西部、河南、山西西南部、陕西关中、江苏南部、安徽中北部、湖北中东部、江西北部、湖南东部、重庆西部、广东和广西中部等地人口对高温的暴露度均超过15.0×106人?d,且范围逐渐扩大（图2c~图2e）。
显示原图|下载原图ZIP|生成PPT图2RCP4.5情景下各时段人口对高温（≥35℃）的暴露度
-->Fig. 2Population exposure to high temperature during different periods under RCP4.5 scenario
-->
从时段内变化来看,2021-2040年、2041-2060年、2061-2080年大部地区人口对高温的暴露度均比上一时段有所增长。与1981-2010年相比,2021-2040年人口对高温的暴露度增加比较明显的地区主要集中在北京南部、天津西部、河北东南部、山东西部、河南东北部、湖北东部、湖南东部地区,增幅为7.5×106~10.0×106人?d（图3a）;2041-2060年和2061-2080年,除新疆南疆部分地区外,大部地区人口对高温的暴露度均比上一时段增加,其中北京、天津、河北中南部、山东西部、河南中东部、江苏、安徽、湖北中东部、江西北部、湖南东部、四川盆地中南部、重庆西部、广东南部和广西南部暴露度增加了2.5×106~7.5×106人?d,河北中南部、山东西部增加了7.5×106~10.0×106人?d（图3b、图3c）;与2061-2080年相比,2080-2100年人口对高温的暴露度增加幅度降低,南疆、内蒙古中东部、黑龙江、吉林东部地区暴露度出现降低,增加幅度较大的地区集中在北京南部、天津、河北东南部、山东西北部、河南东北部和广东南部部分地区,增幅为2.5×106~7.5×106人?d（图3d）。
显示原图|下载原图ZIP|生成PPT图3RCP4.5情景下各时段人口对高温（≥35℃）的暴露度变化
-->Fig. 3Variation of population exposure to high temperature during different periods under RCP4.5 scenario
-->
从中国气象地理区划[32]上看,人口对高温的暴露度增加较明显的地区主要集中在华北、黄淮、江南、华南、江汉和江淮地区（图4）。与1981-2010年相比,2021-2040年人口对高温暴露度增加较明显的地区依次是华北、江南、黄淮、华南、江淮、西南、江汉地区,2041-2060年较2021-2040年暴露度增加明显区域依次为黄淮、华北、江南、华南、江淮、西南、江汉,2061-2080年较2041-2060年暴露度增加幅度均有所减小,较明显区域依次是华北、黄淮、江南、华南、江淮、西南、江汉,2081-2100年较2061-2080年暴露度增加明显区域依次为华北、江南、华南、黄淮、江淮、西南、江汉。在各时段间,华北、江南和黄淮地区的人口对高温的暴露度增幅均较明显。
显示原图|下载原图ZIP|生成PPT图4RCP4.5情景下区域人口对高温（≥35℃）的暴露度变化
-->Fig. 4Variation of regional population exposure to high temperature during different periods under RCP4.5 scenario
-->
3.3 地区人口对强危害性高温的暴露度预估
在RCP4.5情景下,和基准时段相比,随着年代的增长,人口对强危害性高温的暴露度在范围和强度上均有明显增加。在基准时段,只有在北疆中部和南疆、北京、天津、河北中南部、山东西部、河南东北部、安徽中部、湖北东部、江西东部、湖南东部、重庆西部地区人群遭受强危害性高温的影响,人口对强危害性高温的暴露度一般不足0.3×106人?d（图5a）;2021-2040年,内蒙古西部、江苏西部、安徽北部、河南南部、江西西部、湖南西部地区人口逐渐受到强危害性高温的影响,北京南部、天津中部、河北南部、江西北部、湖南东部暴露度为0.5×106~1.0×106人?d（图5b）;2041-2060年,北京中南部、天津、河北中南部、山东西北部、河南东北部、湖北东部、江西北部暴露度为1.0×106~2.5×106人?d（图5c）;2061-2080年中东部大部人口均受到强危害性高温的影响,北京南部、天津中西部、山东西部、河南东北部、湖北东部、江西北部、湖南东部暴露度为1.5×106~2.5×106人?d,河北中南部等地超过2.5×106人?d（图5d）;2081-2100年,北京南部、天津西部、河北东南部、山东西部、河南东北部和湖南东北部暴露度均超过2.5×106人?d（图5e）。
显示原图|下载原图ZIP|生成PPT图5RCP4.5情景下各时段人口对强危害性高温（≥40℃）的暴露度
-->Fig. 5Population exposure to heavy high temperature during different periods under RCP4.5 scenario
-->
在RCP4.5情景下,2021-2040年、2041-2060年、2061-2080年、2081-2100年大部地区人口对强危害性高温的暴露度有所增加,范围逐渐扩大。与基准时段相比,2021-2040年北京南部、天津西部、河北南部、河南东北部、湖北东部、江西北部地区暴露度增加了0.25×106~0.75×106人?d（图6a）;2041-2060年比2021-2040年暴露度增加较明显的地区集中在北京、天津、河北南部、河南东北部、湖北东部,增加0.50×106~1.00×106人?d（图6b）;2061-2080年较2041-2060年暴露度增加的更为明显,北京、天津、河北南部、湖北东部、湖南西部暴露度增加了0.75×106~1.25×106人?d（图6c）;2081-2100年人口受强危害性高温危害的地区覆盖到中东部大部,且与2061-2080年相比增加比较明显的地区主要集中在北京南部、天津中部、河北南部和河南东北部地区,暴露度增加了0.25×106~0.75×106人?d（图6d）。
显示原图|下载原图ZIP|生成PPT图6RCP4.5情景下各时段人口对强危害性高温（≥40℃）的暴露度变化
-->Fig. 6Variation of population exposure to heavy high temperature during different periods under RCP4.5 scenario
-->
从气象地理区划上看,人口对强危害性高温暴露度增加较明显的地区主要集中在华北、黄淮、江南、江淮、江汉和西南地区（图7）。2021-2040年比1981-2010年人口对强危害性高温暴露度增加较明显的地区依次是华北、江南、黄淮、江淮、江汉、和西南地区,2041-2060年较2021-2040年暴露度增加明显区域依次是华北、黄淮、江南、江淮、西南、江汉和西北地区中东部地区,2061-2080年较2041-2060年暴露度增加明显区域依次是江南、华北、黄淮、江淮、江汉和西南地区,2081-2100年较2061-2080年在各个区域暴露度增加幅度减小,增加明显的区域依次为华北、江南、黄淮、江汉和西南地区,华北、黄淮和江南地区人口对强危害性高温的暴露度在各时段间增加均比较明显。华南、东北、内蒙古和新疆地区人口均在21世纪中后期受强危害性高温的影响增强。
显示原图|下载原图ZIP|生成PPT图7RCP4.5情景下区域人口对强危害性高温（≥40℃）的暴露度变化
-->Fig. 7Variation of regional population exposure to heavy high temperature during different periods under RCP4.5 scenario
-->
3.4 人口对高温暴露度的影响因素分析
从人口对高温的暴露度的影响因素来看（表1）,在各个时段间暴露度的变化主要受高温日数变化的影响。与前一段相比,在时段间人口对高温暴露度的变化受高温日数影响的作用率分别为0.69、0.65、0.62、0.57,其次是高温日数和人口数量变化的交互作用,作用率为0.14~0.41,而人口数量变化的影响作用率最小,低于0.14。在时段间人口对强危害性高温暴露度的变化主要受高温日数影响,在各时段的作用率分别为0.68、0.64、0.61、0.56,其次是强危害性高温日数与人口数量变化的交互作用（0.21~0.42）,人口数量变化的影响最小,最大为0.11。随着年代的增加,各时段间高温日数和人口数量变化产生作用的比率在逐渐减小,而高温和人口交互作用的比率在增加。Tab. 1
表1
表1人口对高温暴露度影响因素
Tab. 1Affected factors in population exposure to high temperature
| 人口对高温暴露度 | 人口对强危害性高温暴露度 | |||||
|---|---|---|---|---|---|---|
| 人口作用 | 高温作用 | 交互作用 | 人口作用 | 高温作用 | 交互作用 | |
| 2021-2040年较1981-2010年增幅 | 0.14 | 0.69 | 0.17 | 0.11 | 0.68 | 0.21 |
| 2041-2060年较2021-2040年增幅 | 0.08 | 0.65 | 0.27 | 0.06 | 0.64 | 0.30 |
| 2061-2080年较2041-2060年增幅 | 0.05 | 0.62 | 0.33 | 0.03 | 0.61 | 0.36 |
| 2081-2100年较2061-2080年增幅 | 0.02 | 0.57 | 0.41 | 0.02 | 0.56 | 0.42 |
新窗口打开
4 结论与讨论
在RCP4.5情景下,利用高分辨率下多模式集合对未来中国人口对高温和强危害性高温的暴露度进行了预估研究,得出以下主要结果：（1）从全国范围来看,相比于基准时段（1981-2010年）,中国人口对高温和强危害性高温暴露度从2021-2040年开始明显增加,至2081-2100年对高温暴露度增加了5.7倍,对强危害性高温暴露度增加了17.5倍。
（2）就地区而言,除了中国西部部分地区外,全国大部地区人群受到高温的影响且暴露度逐渐增加。在21世纪中后期（2041-2060年、2061-2080年、2081-2100年）中东部大部地区人口对高温的暴露度均超过10.0×106人?d。从时段变化看,2081年之前,各时段人口对高温的暴露度增加幅度较大,2081-2100年暴露度的增幅变缓。
（3）相比基准时段,随着年代的增长,中国人口对强危害性高温的暴露度在范围和强度上均有明显增加。从只在中部地区人群遭受强危害性高温危害发展至北方和中东部大部地区,其中北京、天津、河北南部、河南东北部、湖北东部、湖南西部等地暴露度增加较明显,至2081-2100年大部地区暴露度增幅减小。
（4）从气象地理区划上来看,各区域人口对高温、强危害性高温的暴露度各时段间增幅有一定差异,但增加明显的区域主要集中在华北、黄淮和江南地区,华南、东北、内蒙古和新疆地区人口均在21世纪中后期受强危害性高温的影响增强。
（5）在各个时段间,全国人口对高温的暴露度的变化主要受高温日数变化的影响,其次是高温日数和人口变化的交互作用,人口数量变化的影响最小。
直接以栅格单元高温日数和人口的分布及数量作为直接衡量人对高温的暴露度的指标,分析人口对不同强度高温的暴露度,具有实践的指导意义。针对不同气候区域,揭示暴露度的变化,更能反映气候演变规律,对开展地区高温预警工作有重要指导意义。暴露度是高温灾害风险评估研究中的重要环节,但风险的分析还与脆弱性有关,例如不同人群年龄结构、性别、疾病状况以及地区基础设施设备均会在一定程度上影响人群对高温的响应[33-35]。因此,下一步有必要进行未来情景下高温灾害的脆弱性研究,并结合危险性、暴露性综合评估未来高温灾害风险。
The authors have declared that no competing interests exist.
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
| [1] | 本书是针对全球气候变化对环境、生态和社会经济系统产生的影响进行研究的成果。 本书是针对全球气候变化对环境、生态和社会经济系统产生的影响进行研究的成果。 |
| [2] | ABSTRACT Based on the daily maximum temperature (DMT) records at 512 stations during 1961–2007, the geographical patterns and temporal variations of hot days (HDs) and heat waves (HWs, including those persisting for 3–5 days and longer) over mainland China were studied. The HD (and hence HW) was defined in two ways, one by an absolute criterion, DMT > 35 °C, as applied in the nationwide meteorological agencies and another in a relative sense, DMT > the 90th percentile threshold of a local daily temperature distribution around the day. Two centers of high frequencies (over 5 days per year) of the absolute HDs during June–September were found in the regions of Xinjiang and the mid-lower reaches of the Yangtze River. The highest frequencies of the absolute HWs were about 1.5 times per year in the Xinjiang region and to the south of the mid-lower reaches of the Yangtze River. The frequencies of the relative HWs were about 1–1.5 times per year in most of China. The HDs and HWs increased significantly during the studied period in most of China, especially over the southeastern coast and northern China (by over 4 days per decade for relative HDs and 0.4 times per decade for relative HWs), but decreased significantly at some stations in the lower reaches of the Yellow River. Over most of China except northwestern China, the frequency of HDs was high during the 1960s–1970s, low in the 1980s, and high afterwards, with strong interannual variations. A remarkable increasing trend of HDs occurred after the 1990s in all regions. The changes in HDs and HWs were closely related to those in rain days and atmospheric circulation patterns at the interannual and interdecadal scales. Copyright 08 2009 Royal Meteorological Society |
| [3] | . <p>极端气候, 例如高温热浪, 对社会、经济和生态系统有着重要的影响. 在过去的几十年间, 中国的高温热浪已经发生了显著的年际和年代际尺度上的变化. 然而, 目前对引起中国高温热浪变化的物理机制尚不清楚. 本文利用2 个长期的含有和没有土壤湿度-大气相互作用的WRF 区域气候模式模拟评估了陆-气耦合对中国夏季高温热浪的影响. 结果表明陆-气耦合增加了中国的高温热浪. 尤其是, 在中国东部和西南的大部分地区, 高温热浪的增加都有统计上的显著性. 在这些地区, 陆-气耦合能够贡献30%～70%的高温热浪. 研究结果表明, 陆-气相互作用对中国高温热浪的发生起到重要作用.</p> <p>极端气候, 例如高温热浪, 对社会、经济和生态系统有着重要的影响. 在过去的几十年间, 中国的高温热浪已经发生了显著的年际和年代际尺度上的变化. 然而, 目前对引起中国高温热浪变化的物理机制尚不清楚. 本文利用2 个长期的含有和没有土壤湿度-大气相互作用的WRF 区域气候模式模拟评估了陆-气耦合对中国夏季高温热浪的影响. 结果表明陆-气耦合增加了中国的高温热浪. 尤其是, 在中国东部和西南的大部分地区, 高温热浪的增加都有统计上的显著性. 在这些地区, 陆-气耦合能够贡献30%～70%的高温热浪. 研究结果表明, 陆-气相互作用对中国高温热浪的发生起到重要作用.</p> |
| [4] | . 为了掌握内蒙古极端气候事件的发生趋势与时空格局，本文运用内蒙古自治区境内46个国家级气象站点的日值记录数据，计算与植被生长的水热条件及寒旱灾害直接相关的极端气候事件指数，分析过去50年内蒙古温度和降水气候事件的时空演变特征。研究结果表明，研究区极端温度事件的发生频率与持续时间迅速变化发生于20世纪90年代以来，60年代至80年代末呈平稳态势。表征低温事件的霜日日数（FD0）、冷昼日数（TX10p）、冷夜日数（TN10p）、冷持续指数（CSDI）等指数均呈现下降趋势，同时表征高温事件的夏日指数（SU25）、作物生长期（GSL）、暖昼日数（TX90p）、暖夜日数（TN90p）、热持续指数（WSDI）则均呈上升趋势。与极端高温事件发生频率的加剧在90年代初开始凸显不同，表征强降水事件发生频率和强度的极端降水指标的显著变化发生在近10年。研究区极端温度指数过去50年的变化过程几乎没有明显的空间分异特征，但是在位于农牧交错区的部分站点的强降水事件呈现出与大多数站点不同的特征，最近10年的强降水事件高于前一时段，而其他多数站点最近10年的极端降水指数均低于前一时段。 为了掌握内蒙古极端气候事件的发生趋势与时空格局，本文运用内蒙古自治区境内46个国家级气象站点的日值记录数据，计算与植被生长的水热条件及寒旱灾害直接相关的极端气候事件指数，分析过去50年内蒙古温度和降水气候事件的时空演变特征。研究结果表明，研究区极端温度事件的发生频率与持续时间迅速变化发生于20世纪90年代以来，60年代至80年代末呈平稳态势。表征低温事件的霜日日数（FD0）、冷昼日数（TX10p）、冷夜日数（TN10p）、冷持续指数（CSDI）等指数均呈现下降趋势，同时表征高温事件的夏日指数（SU25）、作物生长期（GSL）、暖昼日数（TX90p）、暖夜日数（TN90p）、热持续指数（WSDI）则均呈上升趋势。与极端高温事件发生频率的加剧在90年代初开始凸显不同，表征强降水事件发生频率和强度的极端降水指标的显著变化发生在近10年。研究区极端温度指数过去50年的变化过程几乎没有明显的空间分异特征，但是在位于农牧交错区的部分站点的强降水事件呈现出与大多数站点不同的特征，最近10年的强降水事件高于前一时段，而其他多数站点最近10年的极端降水指数均低于前一时段。 |
| [5] | . <p>基于新疆16个国际交换站1957-2012年年平均温度时间序列,利用极点对称模态分解(ESMD)方法,分析了新疆温度序列的非线性趋势变化特征,并对其空间差异进行了初步探讨。结果表明：50多年来,新疆年平均温度整体上呈现出显著的非线性上升趋势,且其变化存在明显的年际尺度(2年和8年)和年代际尺度(10年和25年);各分量方差贡献率显示年际变化在新疆整体温度变化中占据主导地位,重构的年际变化趋势能精细刻画原始温度序列在研究时期内的波动状况;重构的年代际变化揭示了新疆在1997年前后气候模态有了显著转换,由原来温度以负相位为主的气候模态转向正相位显著的高温气候模态;年平均温度非线性变化趋势具有明显的区域差异,北疆以上升为主,东疆表现出先降后升,南疆变化较为复杂。同时,结果还表明ESMD是一种很好的甄别大尺度循环和非线性趋势的方法。</p> <p>基于新疆16个国际交换站1957-2012年年平均温度时间序列,利用极点对称模态分解(ESMD)方法,分析了新疆温度序列的非线性趋势变化特征,并对其空间差异进行了初步探讨。结果表明：50多年来,新疆年平均温度整体上呈现出显著的非线性上升趋势,且其变化存在明显的年际尺度(2年和8年)和年代际尺度(10年和25年);各分量方差贡献率显示年际变化在新疆整体温度变化中占据主导地位,重构的年际变化趋势能精细刻画原始温度序列在研究时期内的波动状况;重构的年代际变化揭示了新疆在1997年前后气候模态有了显著转换,由原来温度以负相位为主的气候模态转向正相位显著的高温气候模态;年平均温度非线性变化趋势具有明显的区域差异,北疆以上升为主,东疆表现出先降后升,南疆变化较为复杂。同时,结果还表明ESMD是一种很好的甄别大尺度循环和非线性趋势的方法。</p> |
| [6] | . 利用全国753个站1961—2010年夏季逐日最高气温资料和基于死亡率明显增加而制定的高温热浪指标的已有研究成果，统计分析了我国高温热浪频次、日数和强度的时空分布特征。结果表明：我国的高温热浪频次、日数、强度高值区基本相同，均在江淮、江南大部和四川盆地东部等地，其中江西北部、浙江北部高温热浪频次最高，高温日数最多；浙江北部高温强度尤为突出。近50年来我国夏季高温热浪的频次、日数和强度总体呈增多、增强趋势，但也呈现明显的阶段性变化特征，20世纪60—80年代前期高温热浪频次和强度呈减少（弱）趋势，80年代后期以来，高温热浪频次和强度呈增多（强）趋势。区域变化特征明显，华北北部和西部、西北中北部、华南中部、长江三角洲及四川盆地南部呈显著增多（强）趋势；而黄淮西部、江汉地区呈显著减少趋势。自20世纪90年代以来，我国高温热浪的范围明显增大。 利用全国753个站1961—2010年夏季逐日最高气温资料和基于死亡率明显增加而制定的高温热浪指标的已有研究成果，统计分析了我国高温热浪频次、日数和强度的时空分布特征。结果表明：我国的高温热浪频次、日数、强度高值区基本相同，均在江淮、江南大部和四川盆地东部等地，其中江西北部、浙江北部高温热浪频次最高，高温日数最多；浙江北部高温强度尤为突出。近50年来我国夏季高温热浪的频次、日数和强度总体呈增多、增强趋势，但也呈现明显的阶段性变化特征，20世纪60—80年代前期高温热浪频次和强度呈减少（弱）趋势，80年代后期以来，高温热浪频次和强度呈增多（强）趋势。区域变化特征明显，华北北部和西部、西北中北部、华南中部、长江三角洲及四川盆地南部呈显著增多（强）趋势；而黄淮西部、江汉地区呈显著减少趋势。自20世纪90年代以来，我国高温热浪的范围明显增大。 |
| [7] | . 利用CCLM高分辨率区域气候模式RCP4.5情景预估数据与淮河流域1960-2005年日尺度气象观测资料，对比分析模式在试验期（1960-2005年）和预估期（2006-2040年）的模拟能力。结果表明：①试验期模式数据能较准确地模拟流域逐月平均温度时间变化特征，相关系数达0.99（通过95%置信度检验）；日均温空间分布特征相关系数达0.72；但在南部高海拔地区（安徽省霍山县和金寨县）精度不高；极端最高（低）气温的空间相关性达0.77（0.88）。②模式在试验期模拟的逐月平均降水量总体趋势与实测值变化一致，相关系数达0.63（通过95%置信度检验）；对干旱的模拟与观测数据存在一定误差，但整体趋势与其一致；年均降水量和极端强降水空间分布相关系数分别达0.90和0.93，模拟效果较好；整体上，模式对温度的模拟效果要好于降水模拟。③RCP4.5情景下，空间尺度上淮河流域未来温度和降水与观测期相比变幅小，时间尺度上年均降水量无显著变化，平均气温年际变化率约0.21℃/10a，极端高温持续增长，低温持续下降。 利用CCLM高分辨率区域气候模式RCP4.5情景预估数据与淮河流域1960-2005年日尺度气象观测资料，对比分析模式在试验期（1960-2005年）和预估期（2006-2040年）的模拟能力。结果表明：①试验期模式数据能较准确地模拟流域逐月平均温度时间变化特征，相关系数达0.99（通过95%置信度检验）；日均温空间分布特征相关系数达0.72；但在南部高海拔地区（安徽省霍山县和金寨县）精度不高；极端最高（低）气温的空间相关性达0.77（0.88）。②模式在试验期模拟的逐月平均降水量总体趋势与实测值变化一致，相关系数达0.63（通过95%置信度检验）；对干旱的模拟与观测数据存在一定误差，但整体趋势与其一致；年均降水量和极端强降水空间分布相关系数分别达0.90和0.93，模拟效果较好；整体上，模式对温度的模拟效果要好于降水模拟。③RCP4.5情景下，空间尺度上淮河流域未来温度和降水与观测期相比变幅小，时间尺度上年均降水量无显著变化，平均气温年际变化率约0.21℃/10a，极端高温持续增长，低温持续下降。 |
| [8] | . <p>综述了高温热浪与干热风气象灾害在危害特点、类型与指标、气候特征、形成原因、对全球气候变暖的响应、防御技术与应对策略等6个方面的内容。并对两者进行了比较，高温热浪和干热风既有共同点又有区别和联系，两者均是一种较短时间尺度的重大天气灾害，高温低湿是两者主要的基本天气特征; 在形成原因——主要是环流特征异常和对全球气候的响应等方面两者基本上是一致的; 在同一地域同一时间两者也可能同时发生; 在干旱季节有利于这两种灾害的发生发展和加重危害。在危害特点、类型与指标、气候特征、防御技术与应对策略等方面有所不同，高温热浪是一种综合性的气象灾害; 而干热风是一种农业气象灾害。<br /><br /> </p> <p>综述了高温热浪与干热风气象灾害在危害特点、类型与指标、气候特征、形成原因、对全球气候变暖的响应、防御技术与应对策略等6个方面的内容。并对两者进行了比较，高温热浪和干热风既有共同点又有区别和联系，两者均是一种较短时间尺度的重大天气灾害，高温低湿是两者主要的基本天气特征; 在形成原因——主要是环流特征异常和对全球气候的响应等方面两者基本上是一致的; 在同一地域同一时间两者也可能同时发生; 在干旱季节有利于这两种灾害的发生发展和加重危害。在危害特点、类型与指标、气候特征、防御技术与应对策略等方面有所不同，高温热浪是一种综合性的气象灾害; 而干热风是一种农业气象灾害。<br /><br /> </p> |
| [9] | . 通过大量的市场调研,针对1996年～2000年南京市夏季供电 负荷及气象数据,主要分析了构成负荷快速增长部分的气温敏感负荷特性及其变化规律.认为:影响气温敏感负荷变化规律的主要因素是夏季的类型与宏观的经济形 式,南京市的居民用电负荷对该部分负荷影响较大,人们生活舒适度的提高使得敏感点逐年略有下降. 通过大量的市场调研,针对1996年～2000年南京市夏季供电 负荷及气象数据,主要分析了构成负荷快速增长部分的气温敏感负荷特性及其变化规律.认为:影响气温敏感负荷变化规律的主要因素是夏季的类型与宏观的经济形 式,南京市的居民用电负荷对该部分负荷影响较大,人们生活舒适度的提高使得敏感点逐年略有下降. |
| [10] | |
| [11] | This paper summarizes the hazards of high temperature extremes in the built environment and considers the challenges of managing risk with uncertainty of prediction of the magnitude and frequency of events. The application of extreme value statistics on a typical time series of temperature data has provided some insight into the observed and predicted variability. Using a long temperature time series as an example it is shown that return periods and the increased risk associated with climate change can be interpolated from the analysis. Considering the chaotic nature of cities, their rapid growth and a warming climate, it is suggested that cities could be made more resilient to heat waves if governments were be better able to appropriately allocate resources to manage the hazard. |
| [12] | Global climate change will increase the frequency of hot temperatures, impairing health and productivity for millions of working people and raising labor costs. In mainland China, high-temperature subsidies (HTSs) are allocated to employees for each working day in extremely hot environments, but the potential heat-related increase in labor cost has not been evaluated so far. Here, we estimate the potential HTS cost in current and future climates under different scenarios of socioeconomic development and radiative forcing (Representative Concentration Pathway), taking uncertainties from the climate model structure and bias correction into account. On average, the total HTS in China is estimated at 38.6 billion yuan/y (US $6.22 billion/y) over the 1979鈥2005 period, which is equivalent to 0.2% of the gross domestic product (GDP). Assuming that the HTS standards (per employee per hot day) remain unchanged throughout the 21st century, the total HTS may reach 250 billion yuan/y in the 2030s and 1,000 billion yuan/y in 2100. We further show that, without specific adaptation, the increased HTS cost is mainly determined by population growth until the 2030s and climate change after the mid-21st century because of increasingly frequent hot weather. Accounting for the likely possibility that HTS standards follow the wages, the share of GDP devoted to HTS could become as high as 3% at the end of 21st century. |
| [13] | . 由于全球气候变化和城市热岛效应,热浪已成为世界范围内频繁发生的极端天气事件,这使得热浪对人体健康的影响问题成为许多国际机构,如世界气象组织(WMO)、世界卫生组织(WHO)、联合国环境规划署(UNEP)和各国气象、环境和流行病等方面科学家关注的焦点。作者介绍近年来世界各地频繁发生的热浪及其原因、热浪对人体健康的影响、热浪研究的指标法、多元回归分析和天气气候分型等多种方法,同时也给出防御热浪的一些措施。 由于全球气候变化和城市热岛效应,热浪已成为世界范围内频繁发生的极端天气事件,这使得热浪对人体健康的影响问题成为许多国际机构,如世界气象组织(WMO)、世界卫生组织(WHO)、联合国环境规划署(UNEP)和各国气象、环境和流行病等方面科学家关注的焦点。作者介绍近年来世界各地频繁发生的热浪及其原因、热浪对人体健康的影响、热浪研究的指标法、多元回归分析和天气气候分型等多种方法,同时也给出防御热浪的一些措施。 |
| [14] | . 按照政府间气候变化专业委员会(IPCC)排放情景特别报告(SRES)中的A2和B2情景，将基于区域气候模式PRECIS构建的气候变化情景与水稻生长模型ORYZA2000相结合，在多年试验数据和模型适宜性验证的基础上，模拟基准时段(1961—1990年)和2011—2050年时段A2、B2情景下的中稻发育期和产量，分析未来气候变化对华中地区中稻的影响。结果表明：1）相对于基准年，未来40年华中地区中稻生育期缩短，A2情景下中稻生育期平均缩短3.5 d，B2情景下生育期平均缩短1.3 d。其中，生育期缩短4 d以上的区域集中在鄂西。2）不考虑CO<sub>2</sub>肥效作用时，未来40年华中地区中稻产量下降：A2情景下，雨养中稻产量平均减少17.8%，灌溉中稻产量平均减少14.2%；B2情景下，雨养中稻产量平均减少16.4%，灌溉中稻产量平均减少12.7%。A2情景比B2情景减产幅度大，说明升温幅度越大，对中稻负面影响越大。同一情景下，灌溉中稻比雨养中稻减产幅度小，说明灌溉一定程度上能抵消升温的不利影响。3）考虑CO<sub>2</sub>肥效作用后，未来40年华中地区中稻产量变化趋势不一致：A2情景下，雨养中稻产量平均减少4.3%，灌溉中稻产量平均增加4.3%；B2情景下，雨养中稻和灌溉中稻产量分别增加3.6%、11.8%。4）与不考虑CO<sub>2</sub>肥效相比，考虑CO<sub>2</sub>肥效时，A2情景下雨养中稻减产幅度缩小，A2情景灌溉中稻、B2情景雨养中稻、B2情景灌溉中稻均为增产，但增产幅度小于相同情景下的减产幅度，说明CO<sub>2</sub>肥效一定程度上可提高中稻产量，但不足以抵消升温的负面影响。5）无论是否考虑CO<sub>2</sub>肥效，雨养还是灌溉，未来气候变化将增加中稻产量的不稳定性，华中地区中稻生产风险加大；灌溉中稻稳定性大于雨养中稻，CO<sub>2</sub>肥效下稳定性大于无CO<sub>2</sub>肥效，因此灌溉、CO<sub>2</sub>肥效是提高区域中稻产量稳定性的有效措施。 按照政府间气候变化专业委员会(IPCC)排放情景特别报告(SRES)中的A2和B2情景，将基于区域气候模式PRECIS构建的气候变化情景与水稻生长模型ORYZA2000相结合，在多年试验数据和模型适宜性验证的基础上，模拟基准时段(1961—1990年)和2011—2050年时段A2、B2情景下的中稻发育期和产量，分析未来气候变化对华中地区中稻的影响。结果表明：1）相对于基准年，未来40年华中地区中稻生育期缩短，A2情景下中稻生育期平均缩短3.5 d，B2情景下生育期平均缩短1.3 d。其中，生育期缩短4 d以上的区域集中在鄂西。2）不考虑CO<sub>2</sub>肥效作用时，未来40年华中地区中稻产量下降：A2情景下，雨养中稻产量平均减少17.8%，灌溉中稻产量平均减少14.2%；B2情景下，雨养中稻产量平均减少16.4%，灌溉中稻产量平均减少12.7%。A2情景比B2情景减产幅度大，说明升温幅度越大，对中稻负面影响越大。同一情景下，灌溉中稻比雨养中稻减产幅度小，说明灌溉一定程度上能抵消升温的不利影响。3）考虑CO<sub>2</sub>肥效作用后，未来40年华中地区中稻产量变化趋势不一致：A2情景下，雨养中稻产量平均减少4.3%，灌溉中稻产量平均增加4.3%；B2情景下，雨养中稻和灌溉中稻产量分别增加3.6%、11.8%。4）与不考虑CO<sub>2</sub>肥效相比，考虑CO<sub>2</sub>肥效时，A2情景下雨养中稻减产幅度缩小，A2情景灌溉中稻、B2情景雨养中稻、B2情景灌溉中稻均为增产，但增产幅度小于相同情景下的减产幅度，说明CO<sub>2</sub>肥效一定程度上可提高中稻产量，但不足以抵消升温的负面影响。5）无论是否考虑CO<sub>2</sub>肥效，雨养还是灌溉，未来气候变化将增加中稻产量的不稳定性，华中地区中稻生产风险加大；灌溉中稻稳定性大于雨养中稻，CO<sub>2</sub>肥效下稳定性大于无CO<sub>2</sub>肥效，因此灌溉、CO<sub>2</sub>肥效是提高区域中稻产量稳定性的有效措施。 |
| [15] | . 将江苏省气候、土壤、水稻产量、田间试验等相关资料作为CERES Rice模型的输入文件，通过校准和验证获得江苏水稻品种徐稻2号的遗传参数，利用WCRP耦合模式CMIP3的多模式数据下的A2和A1B两种方案，并结合CERES Rice模型，模拟分析A2和A1B两种情景下2020s（2011-2040）时段不同高温强度及其持续时间的热害对水稻产量的影响。结果表明，CERES Rice模型在江苏地区具有较好的模拟能力；A2和A1B两种情景下高温热害会使江苏省水稻产量下降，最高减产率为17%。高温强度一定时，高温持续日数越长，水稻减产率越大。高温持续日数一定时，温度越高对水稻造成的危害越重。可见，未来气候情景下孕穗-抽穗期高温热害将使江苏省水稻减产，研究结果可为合理制定江苏水稻生产防灾减灾措施提供理论支撑。 将江苏省气候、土壤、水稻产量、田间试验等相关资料作为CERES Rice模型的输入文件，通过校准和验证获得江苏水稻品种徐稻2号的遗传参数，利用WCRP耦合模式CMIP3的多模式数据下的A2和A1B两种方案，并结合CERES Rice模型，模拟分析A2和A1B两种情景下2020s（2011-2040）时段不同高温强度及其持续时间的热害对水稻产量的影响。结果表明，CERES Rice模型在江苏地区具有较好的模拟能力；A2和A1B两种情景下高温热害会使江苏省水稻产量下降，最高减产率为17%。高温强度一定时，高温持续日数越长，水稻减产率越大。高温持续日数一定时，温度越高对水稻造成的危害越重。可见，未来气候情景下孕穗-抽穗期高温热害将使江苏省水稻减产，研究结果可为合理制定江苏水稻生产防灾减灾措施提供理论支撑。 |
| [16] | . 全面综述了高温热浪气象灾害在危害特点、标准与类型、气候特征、形成原因、对全球气候变暖的响应、监测和预测与预警技术、减灾技术及应对策略等8个方面的研究成果。高温热浪是一种较短时间尺度的天气灾害,基本天气特征是高温低湿,除高寒地带外,每年6~8月在全国各地均有发生。大气环流异常是高温热浪形成的直接原因,气候变暖变干是导致高温热浪频繁发生的重要原因。深刻了解高温热浪的危害特征,对应对高温热浪发生发展、监测预测、安全生产、趋利弊害具有重要的指导作用。 全面综述了高温热浪气象灾害在危害特点、标准与类型、气候特征、形成原因、对全球气候变暖的响应、监测和预测与预警技术、减灾技术及应对策略等8个方面的研究成果。高温热浪是一种较短时间尺度的天气灾害,基本天气特征是高温低湿,除高寒地带外,每年6~8月在全国各地均有发生。大气环流异常是高温热浪形成的直接原因,气候变暖变干是导致高温热浪频繁发生的重要原因。深刻了解高温热浪的危害特征,对应对高温热浪发生发展、监测预测、安全生产、趋利弊害具有重要的指导作用。 |
| [17] | Heat waves are generally associated with an increased energy consumption and could thus increase the vulnerability to subsequent pesticide exposure. We investigated the combined effect of a heat wave and subsequent exposure to the pesticide chlorpyrifos in Ischnura elegans damselfly larvae. To assess local thermal adaptation to heat waves, we applied these combined stressors on replicated low- and high-latitude populations in Europe. Unexpectedly, we observed positive sublethal effects of the heat wave: fat content and phenoloxidase activity increased. Chlorpyrifos had strong negative effects on survival, growth rate, and fat content, while phenoloxidase activity increased; these effects between latitudes were found similar. We found little indication of a higher ability to withstand a heat wave in southern larvae. We did detect a synergistic negative effect on AChE activity. This result highlights the importance of considering delayed effects of extreme temperature events when assessing the impact of pesticides under climate change. |
| [18] | |
| [19] | . 为了分析海南省不同人群对高温 热浪及其影响与适应的感知程度,抽取海南省18周岁以上居民1 448名作为调查对象进行问卷调查。结果显示,调查对象对高温天气相关知识熟悉程度较低,仅有4.2%的居民非常熟悉,但对高温产生原因和未来变化趋势都 有较为正确的认识。高温天气对海南省居民健康有较大的不利影响,九成以上的调查对象都曾在高温天气中出现不适,部分人群因此前往医院就诊。高温预警后,约 77%的调查对象都能采取有效措施进行防御,但60岁以上的人群采取有效防护措施的比重相对较低,因此在高温天气中该类人群应加强高温防护。 为了分析海南省不同人群对高温 热浪及其影响与适应的感知程度,抽取海南省18周岁以上居民1 448名作为调查对象进行问卷调查。结果显示,调查对象对高温天气相关知识熟悉程度较低,仅有4.2%的居民非常熟悉,但对高温产生原因和未来变化趋势都 有较为正确的认识。高温天气对海南省居民健康有较大的不利影响,九成以上的调查对象都曾在高温天气中出现不适,部分人群因此前往医院就诊。高温预警后,约 77%的调查对象都能采取有效措施进行防御,但60岁以上的人群采取有效防护措施的比重相对较低,因此在高温天气中该类人群应加强高温防护。 |
| [20] | Extreme heat events are likely to become more frequent in the coming decades owing to climate change. Exposure to extreme heat depends not only on changing climate, but also on changes in the size and spatial distribution of the human population. Here we provide a new projection of population exposure to extreme heat for the continental United States that takes into account both of these factors. Using projections from a suite of regional climate models driven by global climate models and forced with the SRES A2 scenario and a spatially explicit population projection consistent with the socioeconomic assumptions of that scenario, we project changes in exposure into the latter half of the twenty-first century. We find that US population exposure to extreme heat increases four- to sixfold over observed levels in the late twentieth century, and that changes in population are as important as changes in climate in driving this outcome. Aggregate population growth, as well as redistribution of the population across larger US regions, strongly affects outcomes whereas smaller-scale spatial patterns of population change have smaller effects. The relative importance of population and climate as drivers of exposure varies across regions of the country. |
| [21] | . 利用1951—2009年(6—9月)气象资料、2005—2008年(6—9月)南京市逐日死亡人数、2005—2007年(6—9月)中暑相关的逐时急诊人数，采用描述性研究、回归分析等流行病学统计方法，研究南京市高温热浪特征及其对人体健康的影响。结果表明：南京是各种级别高温和热浪频发的城市，近60年来，南京市每年平均高温日数14.5 d，危害高温日数1.1 d，高温热浪1.9次，强高温热浪0.8次；高温热浪过程造成的人群超额死亡率在20%以上，其中女性超额死亡率稍大于男性，对冠心病和脑血管病患者的伤害较大，而且不存在滞后性；由于人体的适应性，发生在夏季早期的高温热浪比发生在季节中、末阶段的高温热浪危害大，但热浪持续的时间对超额死亡率的影响较小；另外，由于城市居民工作需要和出行时间的选择，导致夏季逐时高温对人体危害呈双峰型分布，2个峰值分别出现在9:00—11:00和19:00—21:00；高温热浪对人体的危害与年龄约呈三次函数关系，对0～5岁的婴幼儿和60～80岁的高龄人群危害较大。这些结果可为人体健康风险管理提供参考。 利用1951—2009年(6—9月)气象资料、2005—2008年(6—9月)南京市逐日死亡人数、2005—2007年(6—9月)中暑相关的逐时急诊人数，采用描述性研究、回归分析等流行病学统计方法，研究南京市高温热浪特征及其对人体健康的影响。结果表明：南京是各种级别高温和热浪频发的城市，近60年来，南京市每年平均高温日数14.5 d，危害高温日数1.1 d，高温热浪1.9次，强高温热浪0.8次；高温热浪过程造成的人群超额死亡率在20%以上，其中女性超额死亡率稍大于男性，对冠心病和脑血管病患者的伤害较大，而且不存在滞后性；由于人体的适应性，发生在夏季早期的高温热浪比发生在季节中、末阶段的高温热浪危害大，但热浪持续的时间对超额死亡率的影响较小；另外，由于城市居民工作需要和出行时间的选择，导致夏季逐时高温对人体危害呈双峰型分布，2个峰值分别出现在9:00—11:00和19:00—21:00；高温热浪对人体的危害与年龄约呈三次函数关系，对0～5岁的婴幼儿和60～80岁的高龄人群危害较大。这些结果可为人体健康风险管理提供参考。 |
| [22] | . 目的 探讨北京市热浪对当地居民每日非意外死亡及呼吸系统疾病死亡人数的影响.方法 运用病例交叉设计的基本方法.分析北京市1999年1月1日-2000年6月30日期间5次热浪对居民每日非意外死亡和呼吸系统疾病死亡人数的影响,同时 研究其对慢性阻塞性肺病(COPD)死亡的影响.采用1:1单向回顾性对照,选择死亡发生前第7天作为自身对照,分别计算不同长度的危险期时的OR值,以 最高的OR值及其对应的危险期来反映每次热浪过程对每日非意外死亡及呼吸系统疾病死亡人数的影响、滞后天数及持续时间.结果 研究期间共发生5次热浪.第1次持续9d,最高气温为38.8℃,平均湿度为46.7%,居民每日非意外死亡、呼吸系统疾病死亡和COPD死亡的OR值分 别为1.442(95%CI:1.310～1.588),2.667(95%CI:1.893～3.756)和 1.778(95%CI:1.182～2.674);第2次热浪持续3 d,最高气温为36.8℃,平均湿度为61.0%,3种死因每日死亡的OR值分别为 1.200(95%CI:0.973～1.480),3.000(95%CI:1.090～8.254)和 3.333(95%CI:0.917～12.112);第3次热浪持续7 d,最高气温为41.5℃,平均湿度为58.5%,3种死因每日死亡的OR值分别为 2.135(95%CI:1.925～2.368),3.360(95%CI:2.450～4.608)和 2.897(95%CI:1.899～4.418);第4次持续3 d,最高气温为39.6℃,平均湿度为31.9%.3种死因每日死亡的OR值分别为 1.464(95%CI:1.042～2.057),1.000(95%CI:0.375～2.664)和 1.000(95%CI:0.290～3.454);第5次热浪持续4 d,最高气温为37.4℃,平均湿度为42.0%,3种死因每日死亡OR值分别为和 1.525(95%CI:1.099～2.118),2.000(95%CI:0.500～7.997)和 2.000(95%CI:0.603～5.371).结论 热浪对居民死亡有影响,且存在滞后效应,非意外死亡影响的滞后期一般为2～3 d,呼吸系统疾病包括COPD死亡的滞后期为2～5 d;热浪过程中气温越高,湿度越高,对呼吸系统疾病死亡的影响越大. 目的 探讨北京市热浪对当地居民每日非意外死亡及呼吸系统疾病死亡人数的影响.方法 运用病例交叉设计的基本方法.分析北京市1999年1月1日-2000年6月30日期间5次热浪对居民每日非意外死亡和呼吸系统疾病死亡人数的影响,同时 研究其对慢性阻塞性肺病(COPD)死亡的影响.采用1:1单向回顾性对照,选择死亡发生前第7天作为自身对照,分别计算不同长度的危险期时的OR值,以 最高的OR值及其对应的危险期来反映每次热浪过程对每日非意外死亡及呼吸系统疾病死亡人数的影响、滞后天数及持续时间.结果 研究期间共发生5次热浪.第1次持续9d,最高气温为38.8℃,平均湿度为46.7%,居民每日非意外死亡、呼吸系统疾病死亡和COPD死亡的OR值分 别为1.442(95%CI:1.310～1.588),2.667(95%CI:1.893～3.756)和 1.778(95%CI:1.182～2.674);第2次热浪持续3 d,最高气温为36.8℃,平均湿度为61.0%,3种死因每日死亡的OR值分别为 1.200(95%CI:0.973～1.480),3.000(95%CI:1.090～8.254)和 3.333(95%CI:0.917～12.112);第3次热浪持续7 d,最高气温为41.5℃,平均湿度为58.5%,3种死因每日死亡的OR值分别为 2.135(95%CI:1.925～2.368),3.360(95%CI:2.450～4.608)和 2.897(95%CI:1.899～4.418);第4次持续3 d,最高气温为39.6℃,平均湿度为31.9%.3种死因每日死亡的OR值分别为 1.464(95%CI:1.042～2.057),1.000(95%CI:0.375～2.664)和 1.000(95%CI:0.290～3.454);第5次热浪持续4 d,最高气温为37.4℃,平均湿度为42.0%,3种死因每日死亡OR值分别为和 1.525(95%CI:1.099～2.118),2.000(95%CI:0.500～7.997)和 2.000(95%CI:0.603～5.371).结论 热浪对居民死亡有影响,且存在滞后效应,非意外死亡影响的滞后期一般为2～3 d,呼吸系统疾病包括COPD死亡的滞后期为2～5 d;热浪过程中气温越高,湿度越高,对呼吸系统疾病死亡的影响越大. |
| [23] | . 由于全球气候变暖和城市热岛效应的影响,热浪已成为世界范围内夏季频繁发生的极端天气灾害事件,加之其对人类健康的显著影响,因此得到了越来越多的组织和机构的关注,同时也取得了许多研究成果。通过对国内外研究现状的概述,介绍了高温热浪对人体健康的影响,并根据相关因子,分单因子、双因子和多因子介绍了热浪对人体健康影响的主要研究方法,指出了目前热浪研究中的一些不足,并对如何降低热浪影响提出了相应的建议。 由于全球气候变暖和城市热岛效应的影响,热浪已成为世界范围内夏季频繁发生的极端天气灾害事件,加之其对人类健康的显著影响,因此得到了越来越多的组织和机构的关注,同时也取得了许多研究成果。通过对国内外研究现状的概述,介绍了高温热浪对人体健康的影响,并根据相关因子,分单因子、双因子和多因子介绍了热浪对人体健康影响的主要研究方法,指出了目前热浪研究中的一些不足,并对如何降低热浪影响提出了相应的建议。 |
| [24] | . 目的分析2013年上海高温热浪特征,定量评估其对人群造成的超额死亡风险,为制定疾病预防控制措施提供必要的定量数据支撑。方法采用2003—2013年上海夏季日气温数据,及文献报道的上海气温对死亡的热效应暴露-反应关系系数,计算夏季每日热相关死亡数,以每年夏季热相关超额死亡数及每年夏季热浪相关超额死亡数作为最终的健康风险评估指标。通过比较2013年结果与2003—2012年各年的结果,分析2013年上海夏季高温热浪相关的超额死亡风险的程度。结果 2013年夏季上海高温日数达到44 d,热浪总持续天数达到38 d,明显高于2003—2012年各年。2013年上海夏季热相关总超额死亡人数为1 889人/年,是2003—2012年各年热相关超额死亡数平均值的2.2倍;2013年热浪相关的超额死亡人数为1 347人/年,占总超额死亡人数的71.3%,是过去10年热浪相关超额死亡数平均值的3.9倍。结论 2013年夏季上海发生的高温热浪强度大,持续时间长,相关超额死亡风险远高于2003—2012年各年平均值,相关的人群超额死亡风险极高,今后需采取措施控制热浪造成的人群健康风险。 目的分析2013年上海高温热浪特征,定量评估其对人群造成的超额死亡风险,为制定疾病预防控制措施提供必要的定量数据支撑。方法采用2003—2013年上海夏季日气温数据,及文献报道的上海气温对死亡的热效应暴露-反应关系系数,计算夏季每日热相关死亡数,以每年夏季热相关超额死亡数及每年夏季热浪相关超额死亡数作为最终的健康风险评估指标。通过比较2013年结果与2003—2012年各年的结果,分析2013年上海夏季高温热浪相关的超额死亡风险的程度。结果 2013年夏季上海高温日数达到44 d,热浪总持续天数达到38 d,明显高于2003—2012年各年。2013年上海夏季热相关总超额死亡人数为1 889人/年,是2003—2012年各年热相关超额死亡数平均值的2.2倍;2013年热浪相关的超额死亡人数为1 347人/年,占总超额死亡人数的71.3%,是过去10年热浪相关超额死亡数平均值的3.9倍。结论 2013年夏季上海发生的高温热浪强度大,持续时间长,相关超额死亡风险远高于2003—2012年各年平均值,相关的人群超额死亡风险极高,今后需采取措施控制热浪造成的人群健康风险。 |
| [25] | . Heat wave definition plays a critical role in the relationship between heat waves and mortality. Selecting an appropriate definition of heat waves is therefore important to design local heat warning systems and to reduce the burden of disease during heat waves. |
| [26] | Abstract OBJECTIVE: To assess the impact of the heat wave in 2005 on mortality among the residents in Guangzhou and to identify susceptible subpopulations in Guangzhou, China. METHODS: The data of daily number of deaths and meteorological measures from 2003 to 2006 in Guangzhou were used in this study. Heat wave was defined as 鈰7 consecutive days with daily maximum temperature above 35.0 掳C and daily mean temperature above the 97th percentile during the study period. The excess deaths and rate ratio (RR) of mortality in the case period compared with the reference period in the same summer were calculated. RESULTS: During the study period, only one heat wave in 2005 was identified and the total number of excess deaths was 145 with an average of 12 deaths per day. The effect of the heat wave on non-accidental mortality (RR=1.23, 95% CI: 1.11-1.37) was found with statistically significant difference. Also, greater effects were observed for cardiovascular mortality (RR=1.34, 95% CI: 1.13-1.59) and respiratory mortality (RR=1.31, 95% CI: 1.02-1.69). Females, the elderly and people with lower socioeconomic status were at significantly higher risk of heat wave-associated mortality. CONCLUSION: The 2005 heat wave had a substantial impact on mortality among the residents in Guangzhou, particularly among some susceptible subpopulations. The findings from the present study may provide scientific evidences to develop relevant public health policies and prevention measures aimed at reduction of preventable mortality from heat waves. Copyright 漏 2013 The Editorial Board of Biomedical and Environmental Sciences. Published by China CDC. All rights reserved. |
| [27] | . <p>本研究通过综合考虑高温胁迫、社会脆弱性和人口暴露,提出基于社会脆弱性的高温灾害风险评价框架,结合气象数据、遥感数据、社会经济数据构建多元数据融合的评价指标体系,开展全国分县高温灾害风险评价。研究结果表明,高温灾害脆弱性热点区域主要集中在中国新疆西部、豫西皖北交界处、四川盆地、洞庭湖流域、广西境内珠江流域;而华中地区湖北江汉平原和湖南洞庭湖流域、西南地区四川省和重庆市交界处的四川盆地、华东地区江浙沪一带、华南珠江流域,则是中国突出的高温灾害风险热点区。高温灾害脆弱性热点区和高温灾害风险热点区的分布出现比较明显的差异,高温灾害脆弱性热点区主要分布于高温胁迫较高或社会经济较差的不发达地区,区域人群由于经济上的适应能力较差而受到高温威胁的概率较大;而高温灾害风险则强调灾害一旦发生时的可能损失,其热点区域主要分布于人口聚集、经济较为发达的大城市区域。就主导因子分区来说,高温胁迫主导区域主要为平原、盆地以及大江大河流域,社会脆弱性主导区域主要位于经济欠发达地区以及脆弱性人群聚集区;人口暴露主导区域则主要集中在人口密集的中心城市和沿海地区。</p> <p>本研究通过综合考虑高温胁迫、社会脆弱性和人口暴露,提出基于社会脆弱性的高温灾害风险评价框架,结合气象数据、遥感数据、社会经济数据构建多元数据融合的评价指标体系,开展全国分县高温灾害风险评价。研究结果表明,高温灾害脆弱性热点区域主要集中在中国新疆西部、豫西皖北交界处、四川盆地、洞庭湖流域、广西境内珠江流域;而华中地区湖北江汉平原和湖南洞庭湖流域、西南地区四川省和重庆市交界处的四川盆地、华东地区江浙沪一带、华南珠江流域,则是中国突出的高温灾害风险热点区。高温灾害脆弱性热点区和高温灾害风险热点区的分布出现比较明显的差异,高温灾害脆弱性热点区主要分布于高温胁迫较高或社会经济较差的不发达地区,区域人群由于经济上的适应能力较差而受到高温威胁的概率较大;而高温灾害风险则强调灾害一旦发生时的可能损失,其热点区域主要分布于人口聚集、经济较为发达的大城市区域。就主导因子分区来说,高温胁迫主导区域主要为平原、盆地以及大江大河流域,社会脆弱性主导区域主要位于经济欠发达地区以及脆弱性人群聚集区;人口暴露主导区域则主要集中在人口密集的中心城市和沿海地区。</p> |
| [28] | . 本文利用CMIP5中22个全球气候模式模拟结果和相关社会经济数据，对RCP8.5情景下中国未来近期（2016—2035年）、中期（2046—2065年）、远期（2080—2099年）3个时段高温灾害风险的变化趋势进行了定量预估。结果表明：中国未来不同时期高温致灾危险度可能逐步增加；未来不同时期高温风险也趋于升高。III级及以上的高温灾害风险等级范围将增大，特别是东北三省、内蒙古、陕西、宁夏、贵州、福建等省（区）处于高风险等级的面积明显增大，山东、河北、河南、安徽在近期将出现V级高温灾害风险，中期和远期V级高温灾害风险将扩展到江苏、湖南、湖北、江西、四川、广西和广东等省（区）。 本文利用CMIP5中22个全球气候模式模拟结果和相关社会经济数据，对RCP8.5情景下中国未来近期（2016—2035年）、中期（2046—2065年）、远期（2080—2099年）3个时段高温灾害风险的变化趋势进行了定量预估。结果表明：中国未来不同时期高温致灾危险度可能逐步增加；未来不同时期高温风险也趋于升高。III级及以上的高温灾害风险等级范围将增大，特别是东北三省、内蒙古、陕西、宁夏、贵州、福建等省（区）处于高风险等级的面积明显增大，山东、河北、河南、安徽在近期将出现V级高温灾害风险，中期和远期V级高温灾害风险将扩展到江苏、湖南、湖北、江西、四川、广西和广东等省（区）。 |
| [29] | Representative Concentration Pathway (RCP) 4.5 is a scenario that stabilizes radiative forcing at 4.502W02m 612 in the year 2100 without ever exceeding that value. Simulated with the Global Change Assessment Model (GCAM), RCP4.5 includes long-term, global emissions of greenhouse gases, short-lived species, and land-use-land-cover in a global economic framework. RCP4.5 was updated from earlier GCAM scenarios to incorporate historical emissions and land cover information common to the RCP process and follows a cost-minimizing pathway to reach the target radiative forcing. The imperative to limit emissions in order to reach this target drives changes in the energy system, including shifts to electricity, to lower emissions energy technologies and to the deployment of carbon capture and geologic storage technology. In addition, the RCP4.5 emissions price also applies to land use emissions; as a result, forest lands expand from their present day extent. The simulated future emissions and land use were downscaled from the regional simulation to a grid to facilitate transfer to climate models. While there are many alternative pathways to achieve a radiative forcing level of 4.502W02m 612 , the application of the RCP4.5 provides a common platform for climate models to explore the climate system response to stabilizing the anthropogenic components of radiative forcing. |
| [30] | |
| [31] | . <p>基于RCP 8.5气候情景下21个高分辨率全球气候模式的日最高气温数据和A2r社会经济发展情景下的人口数据,以高温日数和人口数量的乘积构建高温的人口暴露度指标,采用多个气候模式集合平均的方法从网格单元尺度分析未来不同时段中国高温和强危害性高温的人口暴露度变化,并从全国和气象地理分区两种空间尺度研究人口暴露度变化的影响因素。研究表明：未来情景下,中国高温的人口暴露度明显增加,2021-2040年、2041-2060年、2061-2080年和2081-2100年相比基准时段1981-2010年分别增加了1.3、2.0、3.6和5.9倍,强危害性高温的人口暴露度增加更为显著,相比基准时段分别增加了2.0、8.3、24.2和82.7倍。高温的人口暴露度在华北、黄淮、华南、江南、江淮、西南和江汉地区增加较为明显,其中华北、黄淮、华南和江南最为显著;强危害性高温的人口暴露度在华北、黄淮、江南、江淮、西南和江汉等区域增加较为明显,其中华北、黄淮、江南和江淮最为显著;未来情景下人口暴露度的变化主要受气候因子的影响,其次受人口和气候因子的共同影响,单独人口因子的影响很小。全国尺度上,气候因子对未来不同时段人口暴露度变化的影响逐渐减弱,贡献率由70.0%左右逐渐减至60.0%左右。人口和气候因子的共同作用逐渐增强,贡献率由20.0%左右逐渐增至40.0%左右。</p> <p>基于RCP 8.5气候情景下21个高分辨率全球气候模式的日最高气温数据和A2r社会经济发展情景下的人口数据,以高温日数和人口数量的乘积构建高温的人口暴露度指标,采用多个气候模式集合平均的方法从网格单元尺度分析未来不同时段中国高温和强危害性高温的人口暴露度变化,并从全国和气象地理分区两种空间尺度研究人口暴露度变化的影响因素。研究表明：未来情景下,中国高温的人口暴露度明显增加,2021-2040年、2041-2060年、2061-2080年和2081-2100年相比基准时段1981-2010年分别增加了1.3、2.0、3.6和5.9倍,强危害性高温的人口暴露度增加更为显著,相比基准时段分别增加了2.0、8.3、24.2和82.7倍。高温的人口暴露度在华北、黄淮、华南、江南、江淮、西南和江汉地区增加较为明显,其中华北、黄淮、华南和江南最为显著;强危害性高温的人口暴露度在华北、黄淮、江南、江淮、西南和江汉等区域增加较为明显,其中华北、黄淮、江南和江淮最为显著;未来情景下人口暴露度的变化主要受气候因子的影响,其次受人口和气候因子的共同影响,单独人口因子的影响很小。全国尺度上,气候因子对未来不同时段人口暴露度变化的影响逐渐减弱,贡献率由70.0%左右逐渐减至60.0%左右。人口和气候因子的共同作用逐渐增强,贡献率由20.0%左右逐渐增至40.0%左右。</p> |
| [32] | 本书分为全国气象地理区划和各省(市、区)气象地理分区两部分。各省(市、区)气象地理分区主要内容为该省(市、区)分区图和该省(市、区)主要地理气候特征和主要气象灾害等信息摘要；全国气象地理区划根据上述分区原则，将其分为11个大区(1级分区)，再按地理方位分为若干个小区(2级分区)。 本书分为全国气象地理区划和各省(市、区)气象地理分区两部分。各省(市、区)气象地理分区主要内容为该省(市、区)分区图和该省(市、区)主要地理气候特征和主要气象灾害等信息摘要；全国气象地理区划根据上述分区原则，将其分为11个大区(1级分区)，再按地理方位分为若干个小区(2级分区)。 |
| [33] | During the past four decades (1960閳0), the United States experienced major transformations in population size, development patterns, economic conditions, and social characteristics. These social, economic, and built-environment changes altered the American hazardscape in profound ways, with more people living in high-hazard areas than ever before. To improve emergency management, it is important to recognize the variability in the vulnerable populations exposed to hazards and to develop place-based emergency plans accordingly. The concept of social vulnerability identifies sensitive populations that may be less likely to respond to, cope with, and recover from a natural disaster. Social vulnerability is complex and dynamic, changing over space and through time. This paper presents empirical evidence on the spatial and temporal patterns in social vulnerability in the United States from 1960 to the present. Using counties as our study unit, we found that those components that consistently increased social vulnerability for all time periods were density (urban), race/ethnicity, and socioeconomic status. The spatial patterning of social vulnerability, although initially concentrated in certain geographic regions, has become more dispersed over time. The national trend shows a steady reduction in social vulnerability, but there is considerable regional variability, with many counties increasing in social vulnerability during the past five decades. |
| [34] | The evidence that heat waves can result in both increased deaths and illness is substantial, and concern over this issue is rising because of climate change. Adverse health impacts from heat waves can be avoided, and epidemiologic studies have identified specific population and community characteristics that mark vulnerability to heat waves. |
| [35] | Extreme heat is a leading cause of weather-related fatalities worldwide. Emphasis is currently being placed on the development of spatially specific vulnerability models, which are useful for decision support during extreme heat events (EHE). Research results concerning such spatially-explicit models lead efforts in preparation and mitigation of heat-related vulnerability and potential adaptation. The presented research analyzes the 1995 Chicago EHE in the context of a socio-environmental hazards approach, and fosters the development of an extreme heat vulnerability index (EHVI). The EHVI is a fused dataset consisting of census data and remotely sensed variables, which are examined in relation to geocoded mortality data. The presented analysis combines 25 well-known indicators of extreme heat-health risk into an applied index utilizing a principal components analysis. The developed EHVI presented a trend of higher rates of death in the highest risk zones to lower rates in lower zones of risk. The model explains nearly 80% of the total variance in the heat-health vulnerability variables utilized. This index could be utilized by city officials to assist in the mitigation of extreme heat events and is a further evolution of previously developed efforts. Our findings indicate extreme heat vulnerability models should likely be developed on a local level for a specific location, taking into account local variations in social and environmental vulnerability. |
