气候变化研究进展, 2025, 21(2): 153-168 doi: 10.12006/j.issn.1673-1719.2024.280

创刊20周年纪念专栏

中国气候变化检测归因研究进展

孙颖,1, 王东阡1, 张学斌2

1 气候系统预测与变化应对全国重点实验室，国家气候中心，北京 100081

2 维多利亚大学太平洋气候影响联盟，不列颠哥伦比亚省 维多利亚 V8P 5C2，加拿大

Progress in climate change detection and attribution studies in China

SUN Ying,1, WANG Dong-Qian1, ZHANG Xue-Bin2

1 State Key Laboratory of Climate System Prediction and Risk Management, National Climate Centre, Beijing 100081, China

2 Pacific Climate Impacts Consortium, University of Victoria, Victoria V8P 5C2, British Columbia, Canada

收稿日期: 2024-11-4   修回日期: 2024-12-18  

基金资助: 国家自然科学基金(42025503)
国家自然科学基金(U2342228)
中国气象局重点创新团队“气候变化检测与应对”(CMA2022ZD03)

Received: 2024-11-4   Revised: 2024-12-18  

作者简介 About authors

孙颖，女，研究员，sunying@cma.gov.cn

摘要

作为气候变化研究中的重大前沿科学领域，气候变化检测归因旨在揭示气候变化的原因，量化外强迫对气候变化的影响程度。这些问题不仅是气候变化科学研究的核心问题，也是气候变化国际谈判的热点和焦点问题。我国在检测归因领域总体起步较晚，但是近十年来，在中国科学家的努力下，我们从无到有实现了对中国区域气候变化和极端事件归因认识的若干突破，在中国气候变化检测归因领域取得了显著的研究进展。文中对该领域主要研究进展的回顾和梳理表明：20世纪中期以来，以温室气体排放为主的人类活动是中国区域变暖，极端温度频率、强度和持续时间变化的主要驱动因子。人类活动对极端降水变化产生了清晰的影响，同时也可在某些类型干旱的变化中发现人类活动的信号。百年时间尺度上，人类活动的信号可以在平均和极端温度指标的变化中检测到。对于重大高影响极端事件，人为强迫增加了极端高温事件发生的概率，减少了极端低温事件发生的概率。人类活动对强降水事件、干旱和复合事件的归因研究结论一致性较低，同时受到了事件定义和归因方法等的影响，要评估得出人类活动对这类事件影响程度的一般性结论仍然非常困难。未来需要加强对降水、干旱、大气环流、复合事件等变化的检测归因，理解并提高极端事件归因结果的可靠性。

关键词： 人类活动; 检测归因; 气候变化; 极端事件

Abstract

As a major frontier scientific field in climate change research, climate change detection and attribution aim to reveal the causes of climate change and quantify the impact of external forcing on climate change. These issues are not only the core of scientific research on climate change, but also the hotspot and focus of the international negotiations on climate change. China started relatively late in the field of detection and attribution, but in the past decade, with the efforts of Chinese scientists, we have achieved a number of breakthroughs in the understanding of regional climate change and the attribution of extreme events in China, and made remarkable research progress in the field of detection and attribution of climate change in China. This review shows that since the middle of the 20th century, human activities, mainly greenhouse gas emissions, are the major driver of regional warming and changes in the frequency, intensity and duration of temperature extremes in China. Human activities have a clear influence on changes in extreme precipitation, and signals of human activity can also be found in changes in some types of drought. At century scale, anthropogenic signals can be detected in the change in both mean and extreme temperatures. For major high-impact extreme events, anthropogenic forcing increases the probability of hot extreme events and decreases the probability of cold extreme events. The attribution conclusions of human influence on heavy precipitation events, drought events and complex events have low consistency, and are affected by event definition and attribution methods, etc. It is still very difficult to assess the general conclusions on the extent of human activities’ influence on these events. In the future, it is necessary to strengthen the detection and attribution on changes in precipitation, drought, atmospheric circulation, compound events, etc., to understand and improve the reliability of extreme event attribution results.

Keywords： Human influence; Detection and attribution; Climate change; Climate extremes

PDF (4124KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

孙颖, 王东阡, 张学斌. 中国气候变化检测归因研究进展[J]. 气候变化研究进展, 2025, 21(2): 153-168 doi:10.12006/j.issn.1673-1719.2024.280

SUN Ying, WANG Dong-Qian, ZHANG Xue-Bin. Progress in climate change detection and attribution studies in China[J]. Advances in Climate Change Research, 2025, 21(2): 153-168 doi:10.12006/j.issn.1673-1719.2024.280

引言

气候变暖以及日益频发的极端天气气候事件已经对全球生态环境和经济社会产生了严重影响，是人类社会面临的重大挑战。以温室气体排放为主的人类活动已导致2023年全球近地面平均气温较工业化前升高约1.45℃[1]。变暖已影响到了气候系统各个圈层，包括大气、海洋、陆地、冰冻圈和生物圈。随着变暖的持续，其对人类和自然系统的影响也将增加[2]。理解全球和区域尺度气候变化的原因，合理预估未来变暖的程度是气候变化应对和全球气候治理的重大前沿科学问题，也是应对气候变化政策制定的核心问题。

气候变化检测归因旨在揭示以温室气体为主的人为强迫是否以及在多大程度上引起了观测到的气候变化。自20世纪80年代以来，全球变暖加剧，人类活动信号加强，随着气候模式的发展和观测资料时空精度的提高，有关人类活动对气候系统变化影响的证据逐渐加强。政府间气候变化专门委员会（IPCC）的连续评估表明，人类活动的影响主要通过排放温室气体导致了全球变暖。2021年最新发布的第六次评估报告（AR6）明确指出，毋庸置疑的是，人类活动已经导致了大气、海洋和陆地变暖。中国第四次气候变化国家评估报告[3]、中国气候与生态环境演变评估报告[4]以及最近的进展论文[5]对中国区域的评估明确指出，具有高信度的是，人类活动是引起中国区域平均和极端气温变化的主要驱动因子，也是极端高温发生的主要影响因子。

极端天气气候事件（后面简称“极端事件”）归因是归因研究的一个新方向，其目的是回答人类活动是否使得极端事件发生的概率或者强度发生了变化。该方向的工作最早始于Stott等[6]发表在Nature的工作。他们研究了全球变暖对2003年欧洲超级热浪事件的影响，提出了用比较有人类活动影响和无人类活动影响情况下的事件发生概率差异来进行极端事件归因。此后，大量相关研究涌现，聚焦于全球不同区域的高温热浪、强降水、干旱等极端事件的归因[7]，研究结论的一致性对于不同的变量存在差异。其中，对高温热浪事件的归因结论一致性高，而其他极端事件归因结论差异较大[2]。随着世界各地极端事件的频繁发生及影响加剧，极端事件实时归因也逐步发展，美国气象学会集志（BAMS）从21世纪初开始将每年全球极端事件的归因研究形成专刊发表以回应社会对理解极端事件原因的迫切需求[8-9]；少数国家和组织，如英国气象局哈德莱中心，世界天气归因小组（WWA）等开展了实时归因工作[10]。中国学术期刊也单独设立专栏发布重大极端事件的归因方面的研究工作[11]。

针对归因的研究，中国科学家的研究起步相对较晚，但是通过最近十余年的努力，目前已经取得了显著进展。最早的研究始于对2013年中国东部超级热浪的归因工作[12]，在国际上率先揭示了温室气体等人类活动增加了中国东部高温热浪发生的风险。之后中国科学家开始在长期气候变化和极端事件归因研究领域进行了系列相关研究，包括气温、强降水以及极端事件等方面的归因工作。这些研究提升了对中国气候变化原因的总体认识，揭示了以温室气体和气溶胶强迫为主的人类活动对中国气候变化和重大极端事件发生的影响，证实了工业革命以来温室气体排放对中国变暖的影响，以及对未来气候产生的影响。针对这些进展，一些论文和气候变化国家评估报告从不同的角度进行了回顾和总结[3⇓-5]。本文将在这些工作的基础上，系统梳理近十年针对中国区域气候变化和极端事件的归因研究工作，总结并更新近年来的最新科学认识。为保证内容的完整性，本文会对上述论文的部分内容进行引用和保留。

本文的主要内容包括：气候长期变化和极端事件归因主要研究方法介绍；中国区域主要气候变量长期变化检测归因研究进展回顾，包括平均气温、平均降水、极端气温、极端降水、干旱和复合事件；中国区域极端事件归因研究进展回顾，包括高温热浪和寒潮、强降水事件、干旱和复合极端事件；最后展望该领域未来的发展方向。

1 检测归因的定义和研究方法

1.1 检测归因的定义

IPCC气候变化检测归因指南[13]指出，气候变化检测是指通过某种统计学标准，证明气候或受气候影响的系统已发生改变的过程，但无需解释变化的原因。若观测到的某个变化仅由内部变率（如气候系统的自然波动）偶然发生的概率被判定为很小（例如<10%)，则认为该变化在观测中被检测到。气候变化归因是评估多个因果因素对某一变化或事件的相对贡献，并赋予统计置信度的过程。归因分析的前提是对观测变量或密切关联变量的变化进行检测[13-14]。引起气候变化的原因包括自然因素和人为因素[15-16]。自然因素主要包括太阳活动、火山爆发和自然变率等，人为因素主要包括温室气体排放、气溶胶排放和土地利用变化等因子。归因通常涉及观测数据的收集和质量控制、可能驱动因素的识别和因果关系推断。

在气候文献中有两种类型的归因研究。一类研究平均气候和极端气候长期变化的归因；另一类侧重于特定极端事件的频率或强度的变化。气候长期变化检测归因研究的目的是明确气候系统是否发生变化，并将检测到的变化进行归因。极端事件的归因是在发生高影响的重大极端事件时，定量地分析人类活动在多大程度上改变了类似事件的发生概率或强度[5-6,17]。

1.2 气候长期变化的检测归因

气候变化检测归因研究广泛使用的方法是基于观测和气候模式的最优指纹法。“最优指纹（optimal fingerprint）”概念可最早追溯到德国科学家Klaus Hasselmann的工作[18]，这一成果及其在天气气候模拟领域的贡献使他获得2021年诺贝尔物理学奖。之后Allen等[19]明确指出了最优指纹和广义线性回归的联系。假设气候模式可以正确地模拟气候系统对外部强迫响应的分布型，但响应的幅度可能估计不准确（可能由于某些缺失的反馈)。有了这种假设，就有可能将观测结果回归到模式模拟的响应上，并将分析简化为关于回归系数或比例因子的统计推断。目前的检测归因研究大多使用基于国际耦合模式比较计划（CMIP）的模式试验。这些计划提供了不同外强迫以及无强迫的多组模式试验，模式多具有较好的性能，可以重现观测到的气候变化的主要特征，因此模式模拟被广泛地使用在气候变化检测归因研究中。

最优指纹法把观测和模式模拟的时空响应型进行对比，将观测结果回归到模式对外强迫响应的模拟上，通过对比例因子的估计进行检测归因。如果比例因子的90%置信区间大于0，则认为在观测中检测到外强迫的信号。如果该信号比例因子的90%置信区间包括1，则认为观测到的变化与模式模拟的外强迫响应一致。在此基础上如果可以排除其他外强迫的影响，则可将观测到的变化归因于此外强迫。比例因子的计算通过求解广义线性回归模型（公式1）的回归系数来实现：

y = (X - vX) × β + ε。

其中： y是观测到的变化；X是模式对不同外强迫因子的响应，如全强迫、温室气体和气溶胶等，通常称之为信号；vX是信号上的测量误差；ε是代表内部变率的回归残差项；矢量β=[β1,β2,β3,…, βn]是回归系数，即比例因子（scaling factor）。

长期变化检测归因研究中，公式(1)中回归系数的计算通常使用总体最小二乘法（TLS)，相对普通最小二乘法，此方法考虑估计的模式响应上的误差，从而减少回归系数的估值偏差，避免回归系数方差估计过小[19-20]。矢量ε可假设是多元正态分布，其协方差通常使用降维和正则化方法[21]以避免在高时空分辨率下由模式试验数据量有限导致的矩阵非满秩问题。公式中X可以是单个或多个外强迫信号，例如单信号分析使用全强迫（ALL）信号，双信号分析通常使用自然强迫（NAT）和人为强迫（ANT=ALL-NAT）信号，三信号分析如温室气体强迫（GHG)、人为气溶胶强迫（AA）和自然强迫（NAT）等。值得注意的是，多信号分析假定所有外强迫因子的作用是线性叠加的，此假设在分析大空间尺度的气温变化时成立，空间尺度较小或其他要素如降水分析时不一定成立[22]。

在本文综述的第二部分长期变化的归因研究中，大多数研究使用了最优指纹法对不同变量的长期变化进行了检测归因，但有些针对极端降水的分析使用了场显著性检验等方法。

1.3 极端事件归因方法

基于概率比的事件归因方法由Stott等[6]首次应用于对2003年欧洲热浪的归因分析，通过计算“可归因的风险分数FAR（fraction of attributable risk）”，分析人类活动对该极端事件发生概率的影响。FAR的定义为FAR=1-P0/P1，其中P0代表没有人类活动影响下（“非现实世界”）事件发生的概率，P1代表有人类活动影响下（“现实世界”）事件发生的概率（图1)。与FAR类似的另一个概念是“风险比RR（risk ratio）”，其定义是RR=P1/P0，表示人类活动对相应极端事件发生概率变化的影响。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   基于概率的事件归因

注：图中红色和蓝色分别表示有和没有人类活动影响下气候变量的概率密度分布（实线）和事件的发生概率（P0和 P1，阴影)，红色虚线表示对未来可能的气候变量概率密度的预估，本图根据文献[23]重绘。

Fig. 1   An illustration of the Probability Density Functions (PDFs)


基于概率比的归因方法对人类活动影响估计的结果受两方面因素的影响：一是极端事件的描述识别以及所使用的归因方法，如果极端事件的定义（如表征事件的指标、事件的时空范围等）不同，FAR或RR的估计可能会大不相同[24]；二是“非现实世界”和“现实世界”样本的构建，目前已发展了利用数值模式模拟结果和仅基于观测数据多种不同方法，各方法建立的样本均有局限性（下文将分类介绍)。因此，对极端事件的归因结果需要参考具体的分析细节来进行解释。

(1)数值模式方法。利用数值模式对是否有人类活动影响的情景模拟，可以方便地构建“现实世界”和“非现实世界”样本。根据使用的模式，又可分为耦合模式法和大气模式法两种。耦合模式包含大气、海洋、陆表等多种过程，最新的模式还加入生物和化学过程，是对气候系统全面的模拟，可以直接模拟人类活动导致的气候变化。得益于国际耦合模式比较计划第5（CMIP5）和第6（CMIP6）阶段模拟数据的发布，目前可以基于多模式模拟结果建立多套大样本数据[17]。这种方法的局限性在于归因的可信度在很大程度上取决于所使用模式的模拟性能，需要使用观测数据对模式模拟结果进行严格评估[23]。大气模式是由特定的海温（海冰）分布型驱动，一般具有更高的模式分辨率和更大的样本数量。其对“非现实世界”即没有人类活动影响的模拟是通过在观测海温（海冰）中移除CMIP模式估计的人类活动导致的海洋变暖实现的。使用该方法需要注意的问题包括：一方面，由于无法确定人类活动对这种海温（海冰）型发生概率的影响，使用大气模式仅能估计特定海温（海冰）型条件下人类活动的影响[23]；另一方面，使用大气模式对极端事件归因的结果对海洋变暖幅度估计的差异很敏感[25]。

(2)基于观测数据的方法，主要包括经验方法（Empirical Approach）和相似方法（Analogue-Based Approach)。经验方法对观测数据的统计分布进行拟合，通过比较极端事件在近期（代表有人类活动影响）和较早时期（代表没有人类活动影响）的发生概率（或回归期）的差异来估计气候变化的作用[26]。相似方法与经验方法类似，但增加了大尺度环流型相似的约束，假设在这种条件下，极端事件在近期和较早时期发生概率的差异是由气候变化的热力学效应引起的[27]。两种方法不能估计气候变化对极端事件的总体影响。由于估计是针对特定事件的，结果不能轻易概括，因为有许多事件可能发生，也可能没有发生。因此，很难推断人类活动对极端事件长期变化的影响。两种方法应用的前提也同样要求样本的分析时段足够长，并假设时段长度足以抹去长周期内部变率的作用。

此外，还有部分研究使用故事线（storylines）方法。故事线方法是基于物理过程的分析方法，将环流型或极端事件视为一种条件，量化气候变化对其强度的影响，从而进行极端事件归因分析。此方法不依赖于模式对大气动力过程的模拟性能，适用于季风区降水等大气环流动力过程主导的极端事件，及局地尺度极端事件等大气环流模拟信噪比较低的情况[28-29]。

在本文第三部分综述的研究中，大部分研究使用了概率比归因的方法，其中耦合模式法和大气模式法是使用最多的方法，而经验方法和环流相似法使用相对有限。

2 长期气候变化的检测归因

2.1 平均气温

20世纪中期以来，中国区域平均气温明显上升，2004—2023年是20世纪初以来的最暖时期。从区域分布来看，北方升温大于南方，青藏高原升温最快[30]。Sun等[12]使用最优指纹法，首先发现了中国东部夏季气温的升高可归因为人类活动的影响，此后针对中国变暖的归因研究综合考虑了所有已知的地表温度变化驱动因素，量化了温室气体（GHG)、其他人为强迫（OANT）（包括人为气溶胶、土地利用变化等)、自然强迫（NAT）（包括太阳和火山强迫）和城市化（URB）的相对贡献[31]，指出1961—2013年中国观测到的变暖为1.44℃（90%置信区间：1.22~1.66℃)，人为和自然外强迫的联合贡献解释了2/3的变暖，GHG贡献了1.24（0.75~1.76）℃，其中35%可能被以人为气溶胶主导的OANT的冷却效应抵消。如果不考虑城市化效应的影响，外强迫对中国增暖的贡献和全球其他陆地区域相近。最近的研究[32]利用CMIP6资料针对近百年中国年平均和不同季节的温度变化进行了归因（图2)，发现了温室气体的显著影响。中国1901—2018年平均气温升温为1.54℃，变暖速度快于全球平均，冬季气温增加大于夏季，中国百年尺度气温上升主要是人类排放温室气体的贡献，而气溶胶抵消了约1/3~1/4由温室气体引起的变暖。另有一些研究针对更小的区域尺度，利用站点观测以及包括树轮资料在内的代用资料等，结合气候模式对青藏高原、中国西部的气温变化进行了归因，发现无论是在百年尺度还是20世纪中期以来的区域气温变化，温室气体均是变暖的主要驱动因子[33-34]。另有最新的研究[35]针对青藏高原变暖随高度增幅（EDW）的现象，指出人为强迫对EDW影响明显，尤其表现在最低温度的变化上。人为强迫和青藏高原积雪反馈效应是该现象发生的主要原因。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   基于百年均一化观测和CMIP6模式资料的中国平均气温变化的检测归因[32] (a) 1901—2018年，(b) 1951—2018年

注：图中显示为观测到的中国年平均气温变化趋势的最优估计（OBS）以及不同因子贡献的最优估计值，包括全强迫（ALL)、温室气体（GHG)、人为气溶胶（AA）和自然强迫（NAT)。图中的误差栏表示5%~95%的置信区间。

Fig. 2   Detection and attribution of mean temperature changes in China based on station observations and CMIP6 model data. The figure shows attributable changes from ALL, GHG, AA, and NAT forcings to observational trend (OBS) in annual, summer (JJA), and winter (DJF) temperature for the 1901-2018 (a) and 1951-2018 (b) periods[32]


2.2 平均降水

20世纪中期以来，中国平均年降水量总体呈增加趋势，1961—2023年平均每10年增加约5.2 mm，且年代际变化特征明显[30]。在不同的区域，降水的变化存在差异，青藏高原和西北部分地区呈现出增加趋势，西南地区降水减少，而东部地区降水变化总体更为复杂。

从检测归因的情况来看，平均降水长期变化的检测归因相较于平均气温更加复杂，这主要是因为降水长期趋势与气候系统内部变率相比相对较小。同时降水观测资料的质量和模式降水模拟能力较差也是制约降水检测归因的因素[2]。另一方面中国区域地处未来预估降水增加区域和预估降水减少区域之间的过渡地带，使得该区域平均降水变化的检测归因比较困难[5]。有限的研究指出，中国东部小雨减少而强降水增多的特征和人类活动的影响有关[36]。以温室气体排放为主的人为强迫对我国东部降水由小雨向大雨转变的特征有重要的影响，“南涝北旱”的出现受到了人为气溶胶（高不确定性）引起的降水频率变化的影响[37-38]。Jiang等[39]指出，温室气体、气溶胶排放和年代际振荡对亚洲高山区夏季降水型式变化具有不同作用。人为气溶胶的不均匀排放和太平洋年代际振荡（IPO）位相转换分别通过影响“西风相关模态”和“季风相关模态”，形成了以青藏高原为主体的亚洲高山区夏季降水长期变化的“双核型”格局。而温室气体持续排放引起的增温增湿效应，有利于整个高原地区降水的增多。

2.3 极端气温

20世纪中期以来，中国区域极端温度变化呈现出明显的变暖趋势，绝大部分地区的极端高温频率、强度和持续时间增加，极端低温频率、强度和持续时间减小，一些地方的热浪频率增加[4,40]。针对极端温度的频率、持续时间和绝对阈值等指标的检测归因分析表明，以温室气体为主的人类活动是导致中国区域，包括东部和西部极端温度变暖的主要原因，人为外强迫是极端温度频率、强度、持续时间以及霜冻日数、热夜日数、冰冻日数和夏季日数变化的主要驱动因子。人为强迫对中国极端温度不同指标变化的贡献基本都超过90%，自然强迫的影响则很小[5,41-42]。中国东部和西部分区域的检测结果与全国类似，但是归因结果的不确定性范围比中国整个区域平均要大[41-42]。最新的研究使用更新的观测和模式资料证实了之前的研究结论，增强了人类活动检测归因结果的稳健性。同时将研究拓展到多个信号贡献的分离以及百年时间尺度。Hu等[40]利用近期的观测和CMIP6资料进一步分离了温室气体和气溶胶的贡献，发现温室气体对极端温度的变化具有增温效应，而气溶胶的影响为降温效应。其中GHG和AA的影响在大多数暖指数中都可以稳定被检测到，但在冷极端指数中很难被检测到。GHG强迫贡献了大多数指数的变暖，而AA的冷却作用约抵消了变暖的35%（10%~60%)。在中国东部，夜间极端温度频率的变化中可以同时检测出温室气体和城市化效应的影响，而日间极端温度频率（Tx90p和Tx10p）主要由温室气体的影响主导[5,43]。最近Hu等[44]的研究将极端温度变化的检测归因扩展到了百年时间尺度（图3)。利用近百年中国区域重建的逐日气温资料，对1901年以来极端温度的频率和强度变化进行了分析，发现可以在极端温度强度和频率的变化中清晰地检测到温室气体强迫的信号，工业化以来中国极端温度的变化主要由温室气体强迫导致，而气溶胶的贡献次之。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   基于中国东部（105°E以东）百年逐日观测和CMIP6模式资料的极端气温指标变化检测归因[44](a)1901—2020年，(b) 1951—2020年

注：图中显示为观测到的极端温度变化趋势的最优估计（OBS）以及不同因子贡献的最优估计值，包括全强迫（ALL)、温室气体（GHG)、人为气溶胶（AA）和自然强迫（NAT)，误差栏表示5%~95%的置信区间。

Fig. 3   Detection and attribution of changes in extreme temperature indices based on centennial observations and CMIP6 model data in eastern China. (The figure shows attributable trends to ALL, GHG, AA, and NAT signals compared with the observed trends (OBS) for annual and seasonal indices during 1901-2020 (a) and 1951-2020 (b))[44]


2.4 极端降水

20世纪中期以来中国区域的强降水呈现增多增强趋势，大部分地区极端降水的频率和强度增加。由于在更小的区域尺度极端降水变化存在变率大、信噪比较小、模式模拟性能较差等特点，基于CMIP5模式的多项研究在极端降水归因方面的结果差异较大，人类活动影响的信号检测结果存在争议[5]。在这些研究中，使用最多的强降水指标是最大1 d降水（Rx1day）和最大5 d降水（Rx5day)，其他指标包括基于百分位定义的强降水指标等。Li等[45]使用了广义极值分布转换概率密度的方法进行最优指纹检测，发现人类活动对Rx1day和Rx5day长期变化具有影响，但没有检测到全强迫（ALL）信号，因此其对人为强迫（ANT）信号的检测可能不稳健。基于场显著性检验方法对Rx1day和Rx5day的分析发现，人类活动对中国强降水的变化没有清晰的影响[46]。Chen等[47]的研究表明，人类强迫的影响可以在观测到的日极端降水变化中被检测到。最近的研究使用新一代CMIP6模式和更长的降水资料对极端降水指数进行了归因分析[48]，通过对不同分辨率、不同降水资料的比较，并结合不同的检测归因方法，证实了可以在中国极端降水的变化中检测到人类活动的影响。对1961—2020年极端降水变化的归因分析表明，多套观测资料揭示的强降水变化中均可以检测到人为强迫信号的影响（图4)，其中主要的影响因子来自于温室气体。而在百分位指数的变化及其对总降水贡献的变化中，人类活动的信号也可以被检测到。说明不同极端降水指数、数据处理方法以及最新观测资料的使用已经证实了人类活动对中国极端降水变化的影响是清晰的。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   中国区域Rx1day和Rx5day单信号ALL的比例因子及其5%~95%置信区间的范围及最佳估计值[48]

注：（a、c）图为直接利用极端降水距平进行区域平均计算后得到的比例因子，（b、d）图为将极端降水进行概率拟合转换后再进行平均计算后得到的比例因子。（a、b）图为基于站点数据的结果，（c、d）图为基于格点降水数据集的结果。三角形表示模式模拟的变率太高。

Fig. 4   The best estimates of scaling factors and their 5%-95% confidence intervals of the ALL signal in single-signal analyses for China under different configurations of the analyses[48]


2.5 干旱

1961年以来，中国区域性干旱事件频次呈微弱上升趋势，并且具有明显的年代际变化特征。20世纪70—80年代区域性气象干旱事件偏多，90 年代偏少[30]。从区域分布来看，北方和西南干旱化趋势加强[4,49]。

干旱的定义复杂，各类指标较多，模式模拟能力差，受内部变率影响大，目前针对我国干旱长期变化的检测归因研究仍然很少。Chen等[50]根据标准化降水蒸散发指数（SPEI）研究了中国地区干旱的变化及归因，发现中国旱情持续增强，尤其是近20年。人为影响是造成干旱变化的主要原因，人为变暖增加了中国热干旱的发生和相关风险。Yuan等[51]提出了一种表征骤发干旱事件的方法，发现中国区域骤旱事件频率显著增加，最优指纹检测表明，温室气体排放增加导致的人为气候变化对骤发干旱频率上升趋势的贡献为（77±26）%。Li等[52]针对东北地区热干旱的变化，利用概率指数转换的方法评估了外强迫的影响。发现热干旱对温室气体和人为强迫的响应与观测相似，意味着东北地区热干旱的增加趋势主要归因于人为活动的增加。但是他们的结果中比例因子的低端非常接近于零，说明结果的稳健性较低。Zhang等[53]利用标准化降水指数（SPI）和SPEI两种指数研究了中国秋季干旱，发现人为气候变化对中国秋季干旱的增强起主导作用。全强迫ALL的信号在SPI和SPEI的观测中可以被显著检测到，而自然强迫NAT的信号没有被检测到。总体来说，这些研究利用不同指数，对不同区域、不同季节的不同类型干旱进行了分析，在某些类型干旱的变化中发现了人类活动影响的信号，但是研究数量较少，研究使用的指标定义和方法存在较大差别，未来还需要加强干旱的归因研究。

2.6 复合事件

复合事件是近年来的新兴研究领域，IPCC AR6对复合型极端事件开展了评估，扩展并明确了复合型极端事件的定义，将其定义为多变量事件、时间复合事件和空间复合事件以及具有先决致灾条件的事件等[2]。中国区域近年来一些类型的复合极端事件呈现出增加的趋势，如复合干热、湿热事件和复合高温干旱等[54⇓-56]，其变化和影响受到了更多关注和研究。

由于复合事件定义复杂，不同的研究针对的研究对象差别较大。Li等[57]揭示了人类活动对中国湿球温度长期变化的影响，发现人为信号可以在中国区域以及东部和西部检测到（图5)。2010—2020年中国地区出现湿球温度炎热夏季的可能性比1961—1990年基准期大幅增加。西部地区更大的人为影响主要与当地更干的土壤和山区积雪覆盖面积减少引起的吸收太阳辐射增加有关。Wang等[58]研究了中国区域1965—2014年的昼夜复合热事件，发现人为强迫可以从变化中检测出来，温室气体的贡献是主要影响因子，而自然外强迫的贡献可以忽略。Li等[56]发现1961—2014年中国大部分地区复合高温干旱事件增强，人为气候变化，特别是温室气体强迫，对中国复合高温干旱严重程度的线性变化贡献了约90%，是影响中国复合高温干旱严重程度的主导因素。还有一些研究聚焦区域尺度和城市的复合事件，如Li等[59]利用概率转换的方法研究了东北地区的复合干热事件，发现以温室气体强迫为主的人为因子是东北地区复合干热事件频率增加的主要影响因子。Wang等[60]定量揭示了人类活动对城市复合型高温变化的贡献，发现温室气体排放贡献主导了城市区域复合型高温变化，而城市扩张的贡献约占29%，未来人为排放和城市化将导致中国东部城市复合型高温频次增加2~5倍。总体来说，这些研究利用不同的方法发现了人类活动对一些复合事件的影响，但是大部分研究都是针对不同类型的复合事件，复合事件的定义在不同研究中区别较大。如复合高温干旱的定义可能依据基于百分位或者绝对阈值的高温指标联合降水量的偏多偏少来定义，也可能基于高温和干旱指数来定义；湿球温度的定义也有多种公式。这使得不同研究的结论很难进行比较，研究结论的一致性很小，难以获得人类活动影响的一般性结论。未来还需要加强对复合事件变化特征及其归因的研究。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   中国夏季平均湿球温度全强迫（ALL）单信号和人为强迫（ANT）、自然强迫（NAT）双信号比例因子最佳估计及其25%~75%（箱型图）和5%~95%（横线）置信区间范围(a)，中国西部地区(b)和东部地区(c)在人为辐射强迫（ANT，橙色）和自然强迫（NAT，蓝色）下1961—2010年夏季平均湿球温度概率密度分布[57]

Fig. 5   Climatic conditions that are increasingly conducive to summer heat stress as measured by summer mean wet bulb globe temperature (WGBT) in China have human-induced origins: estimates of scaling factors for one-signal (ALL) and two-signal (ANT and NAT) fingerprint analyses (a). The white lines mark the scaling-factor best estimates. The width of the boxplot represents the 25%-75% un-certainty ranges of the scaling-factor estimates, and the whiskers extend to the 5%-95% uncertainties ranges. Also shown are trend histograms of the observation-constrained 1961-2010 summer mean WBGT in a climate with anthropogenic-only forcings (orange) and with natural-only forcings (blue) for western (b) and eastern (c) China. The observed trends are marked by vertical red lines[57]


3 重大极端事件归因的研究进展

3.1 高温热浪和寒潮

在中国区域，以温室气体排放为主的人类活动增加了不同区域、不同季节、多种指标代表的高温热浪事件的发生概率[5,12,61-62]，包括夜间高温事件等[63]。使用不同方法、不同框架和不同研究对象的各项研究主要结论具有很高的一致性，虽然对影响程度的估计存在差异。最早Sun等[12]使用两步归因法估算了外强迫对中国东部热浪的影响，通过建立高温热浪和平均气温的关系，并结合最优指纹法进行模式结果约束以后，发现人类活动使得高温事件的发生概率大幅增加。此后，大量研究使用耦合模式、大气模式等方法针对中国不同地区极端高温热浪的归因分析均表明，人类活动大幅增加了类似事件的发生概率，但定量归因结果存在差异[5,12,64-65]。最新的一些研究分离了温室气体和气溶胶的影响，利用包括环流相似法等在内的方法分析了环流的影响，这些研究发现局地大气环流异常对高温事件的发生概率有影响[66-67]，但影响较小，人类活动的影响仍然是主要驱动因子[68]。此外，部分研究表明在更小的局地尺度，如长江三角洲，城市热岛效应也是高温热浪明显增加的原因之一[62]。

针对低温寒潮事件的归因相对较少。早期的研究主要显示人类活动减少了低温寒潮的发生概率[69-70]。同时研究也表明，气候系统内部变率等其他因子也影响了极端温度事件发生的概率，包括环流、海温变化等。这些研究在人类活动对低温影响的减少方面有较高的一致性，但在影响程度上（如减少了多少的发生概率）存在一些差异。最近的研究，如Chen等[71]评估了人为外强迫和环流对类似2022年低温寒潮事件发生概率的影响，特别是探讨了人类活动是否通过影响环流进而改变这类事件发生的可能性。他们发现其中人为排放的温室气体使得类似低温事件减弱。在相同的人为外强迫影响下，异常西伯利亚冷高压环流的出现和较强的环流强度，均使这类低温事件发生的概率增加。回归方法显示人为强迫几乎没有通过改变环流而对这类低温事件造成影响。

3.2 强降水

人类活动对中国区域极端降水事件影响的研究结论存在一定的不确定性，一些研究指出人类活动增加了某些区域强降水发生的概率[72⇓⇓-75]，而另一些研究认为人类活动减少了长江中下游南部[76]、华南[77]等区域极端降水的发生；或者人类影响相比自然变率可以忽略[46]，或者未能发现人类活动的影响[78]。由于不同归因框架、不同归因方法和不同研究对象的使用，这些研究的结果在一定程度上不具有可比性，因此人类活动对中国强降水事件影响的评估信度还较低。早期有一些使用耦合模式和大气模式针对中国东部不同时间尺度强降水事件的研究。如Burke等[72]和Li等[76]分别研究了华南和长江流域极端降水，前者发现人类活动使华南地区发生此类强度降水的可能性增加了20%以上，后者的结果则表明人类活动增加了长江中下游北部地区极端降水的发生概率，但却降低了南部地区极端降水的发生概率。Zhang等[79]分析了2018年中国中西部强降水事件，结果表明，人类活动增加了最大日降水量指标表征的事件的发生概率，但没有增加持续强降水的发生概率。最新的一些研究不仅分析了人为强迫的影响，还分析了环流或者海温等因子对极端降水发生的影响，如对2020年6—7月长江中下游地区破纪录梅雨事件，两项分别基于HadGEM3-GA6大气模式[80]和CMIP6耦合模式[81]的归因分析均表明，人类活动影响使类似事件发生概率降低了一半，这可能与人为气溶胶导致的东亚夏季风减弱有关，而西太平洋副高异常增强使事件发生概率增加，反映了气候系统内部变率对降水变化的影响。最近的一些研究分离了温室气体和气溶胶的作用，针对不同强降水事件的研究均表明温室气体强迫增加了事件的发生概率，气溶胶强迫则表现出减少的贡献。如Hu等[82]基于CMIP6数据使用不同指标对2021年中国北方地区“最湿9月”事件的归因分析表明人为强迫增加了类似极端事件发生的概率（图6)，对珠江流域2022年4—6月雨季降水异常偏多[83]和6月极端降水[84]的研究均指出温室气体强迫增加了极端强降水事件的发生概率，气溶胶强迫则表现出减少的贡献。然而当考虑两者的综合作用时，结果可能会有所不同。另一些研究则相反[85]。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   人为辐射强迫对2021年9月中国北方创纪录降水偏多事件的影响[82] （a~e）月平均降水距平百分率（MPPA）的概率密度分布，重现期分布和风险比及其bootstrap检验结果，ALL（红色)、NAT（蓝色)、GHG（紫色)、AA（橙色）和控制试验（CTL，绿色）情景结果使用颜色区分；（f~j）为最大日降水距平百分率（Rx1day%）结果；（k~o）为最大连续5 d降水距平百分率（Rx5day%）结果

Fig. 6   Fitted distributions, return periods, risk ratios, and exceedance probabilities of domain-averaged MPPA (a-e) by the empirical probability formula and Rx1day% (f-j) and Rx5day% (k-o) by a GEV distribution in September 2021 over northern China based on ALL (red), NAT (blue), GHG (purple), AA (orange), and CTL (green) ensembles. Black lines indicate the observed threshold values of the September 2021 event, i.e., 140.5%, 83.87%, and 88.82% for MPPA, Rx1day%, and Rx5day%, respectively. Panels (e), (j), and (o) are best estimates and 90% confidence intervals of risk ratios (left, gray boxes) and exceedance probabilities (right, color bars). The error bars and boxes mark 5%-95% uncertainty ranges estimated via the bootstrapping method (N=1000)[82]


3.3 干旱

从事件归因的角度来讲，干旱的归因信度仍然很低，这与干旱的定义和机制复杂、模式模拟能力差均有关系。利用不同的降水、温度和联合干旱指数，一些研究发现人类活动使得近年来某些地区以不同指标表征的干旱事件发生概率增加，但在影响程度上存在较大差异。Wang等[86]针对2019年华南夏秋连旱进行归因，利用土壤湿度、降水盈余等干旱指标，发现人为气候变化使得干旱的暴发速度和强度都增加，且与气温增加和降水减少密切相关。Wang等[87]针对西南春季干旱的研究发现，人为影响使中国西南部云南省2019年3—6月极端炎热和极端干燥的发生风险增加。针对2022年夏季长江流域罕见干旱事件，Zhang等[88]使用大气模式大样本试验的比较结果发现，人为影响有放大夏季西北太平洋副热带高压和南亚高压的趋势，使得降水减少和温度增加的概率增加，从而增加极端干旱的强度和可能性。Luo等[89]对2020年西南地区春夏连旱的分析表明，人类活动使得极端高温和极端少雨的概率分别增加了2.7倍和1.5倍，极端干热复合事件的发生概率增加了约1.6倍。总体来说，这些干旱归因的研究采取了不同的指标和不同的归因方法，部分研究分开考虑气温和降水的变化，对联合干旱指数的研究相对缺乏，针对不同的气象干旱、水文干旱和农业干旱指标的相似研究少。人类活动对干旱影响的结论可比性较差，干旱事件受到人为强迫和内部变率影响的不确定性较大，后续还需要进一步加强相关研究。

3.4 复合极端事件

复合事件的归因也是近年来的新兴研究方向，主要通过不同的统计方法进行复合指标或者联合变量的归因。国内的研究多针对不同变量的分析，少有研究利用联合概率分布函数等进行归因分析。有限的研究表明，人类活动对某些复合事件的发生概率产生了影响，但复合事件的定义差异较大，结果比较复杂。湿球温度是综合考虑了温度和湿度的指标，Wang等[67]针对2021年9月长江中下游地区极端湿热事件，利用湿球温度分析了人为强迫和环流的影响，发现人类活动使得类似事件的发生概率大幅增加，环流的影响基本可以忽略。Li等[90]研究了2022年长江流域的复合干热事件，分别从标准化温度、降水和两者综合角度量化事件可归因为人类活动的风险比，发现人类活动的影响使得类似事件发生的概率增加了7倍。Qian等[91]研究了2020年中国地区复合强降水和热浪事件，发现类似事件主要受动力和热力因子影响，人为气候变化使得类似事件发生的概率增加了至少10倍，未来高排放情景下类似事件的发生概率将可能增加。Wang等[92]利用故事线法对2020年中国破纪录的空间复合洪热事件进行归因，发现人为影响使2020年6—7月长江中下游梅雨极端降水加剧了6.5%左右，并使中国南方同期发生的季节性极端高温升高了1℃左右。未来类似的复合事件将进一步加剧。这些研究都表明人类活动可能对复合极端事件产生影响，但是影响的程度和事件的定义有很大关系。总体上和高温有关的复合事件受到人类活动影响较清晰，而和降水有关的复合事件影响要更为复杂。

4 结论和未来展望

气候变化检测归因是理解人类活动对气候变化影响程度、提高未来预估可靠性以及深度参与全球气候治理的重要科学基础。中国研究人员在检测归因领域的研究起步较晚，但是最近十年在该领域取得了显著进展。研究结果不仅提供了人类活动对平均和极端温度、极端降水、干旱和复合事件等变化影响的证据，而且揭示了温室气体和气溶胶等外强迫对重大极端事件发生概率和强度的影响，有效支撑了国家在应对气候变化科学领域的相关工作，在国际相关科学领域发出了中国科学家的声音。

目前研究已经为人类活动对平均和极端温度变化的影响提供了明确而有力的证据，揭示了以温室气体强迫为主的人类活动是20世纪中期以来平均温度以及极端温度频率、强度和持续时间变化的主要驱动因子。人类活动也对极端降水和某些干旱产生了影响。对于重大极端事件，人为强迫改变了极端温度事件发生的概率，而极端强降水事件的归因结论具有较大的不确定性。人为强迫也可能对干旱和复合事件发生的概率产生影响，但目前研究的评估信度仍比较低。相比之前的综述论文和评估结果[3⇓-5]，最近几年的新研究揭示了中国地区自工业革命以来百年时间尺度平均和极端气温变化的主要驱动因子，提出了人类活动对极端降水影响的新证据，增加了关于干旱和复合事件的长期变化以及事件归因的新认识。同时在更小的区域尺度，如青藏高原垂直空间等发现了人类活动的指纹。未来需要加强的研究领域包括对降水、干旱、复合事件以及大气环流等的检测归因。同时需要进一步深化模式和观测资料的分析和研究，加强归因相关数理统计方法的研究，提高降水等变量检测归因结果的可靠性和信度评估。气候系统内部变率，如海温等的变化可以加强或抵消人类活动等外强迫对局地气候的影响，加深东亚季风等关键环流系统对降水变化影响物理机制的认识，同样有利于推动中国区域气候变化归因研究的发展。相比降水，人类活动对干旱、台风等事件影响的归因研究更少，分析结论存在更大的不确定性，人类活动对大气环流变化影响也存在研究少、结论信度低等不足，广泛开展相关研究将有助于全面理解人类活动对中国气候变化的影响。

在极端事件归因方面，需要加强对不同极端事件归因结果的理解，提高可靠性以及可传播性，并针对政府和公众需求等提高归因时效性。极端事件归因作为一个新兴的研究领域，不同研究针对极端事件定义、时空尺度的分析及研究方法均存在差异。一方面，对事件的选择和定义取决于某类事件的严重性以及影响程度，有较强的主观性和随机性，导致归因结论存在选择偏差；另一方面，针对特定极端事件（如极端降水、干旱等）的归因结果会因为归因框架的不同得到不同甚至是相互矛盾的结论。更重要的是，气候模式对极端事件的模拟能力以及气候模式样本数的多少、概率分布函数拟合的能力等会对归因结果产生明显的影响。这些因子限制了关于人类活动对某类极端事件影响的共性结论的归纳总结，也制约了和决策者以及一般媒体公众等利益相关群体沟通归因结论的能力。此外，重大、高影响的极端事件发生后，利益相关群体急切需要了解人类活动对相应事件的影响，而目前的事件归因结论主要通过研究论文的形式发布，在时效性上存在严重的滞后。为清晰、及时地传达事件归因研究的发现，有必要开发客观的极端天气气候事件选择和定义标准，并在此基础上发展实时快速归因系统。

同时，需要发展面向极端事件影响的归因。极端天气气候事件对人类社会的影响不仅与极端事件本身有关，也与承载体（受极端事件影响区域）的暴露度和脆弱性密切相关，暴露度和脆弱性较高的区域在面对同等程度的极端事件时会遭受更严重的灾害损失。现有极端事件归因研究的研究对象多为极端天气气候事件强度或发生频率，未来发展对灾害风险（同时考虑极端事件和承载体暴露度和脆弱性）的归因研究，将有助于更直观地体现人类活动导致的气候变化对人类社会的影响。相比极端事件，导致极端事件影响即灾害风险变化的驱动因子更多、更复杂，相关研究对数据和方法的要求也更高。进一步完善观测数据、评估和改进气候系统数值模式、发展归因研究方法，将有助于推动灾害风险归因研究进一步发展。

参考文献

WMO.

The state of the global climate 2023 report

[R/OL]. 2024 [2024-11-01]. https://wmo.int/publication-series/state-of-global-climate-2023

URL     [本文引用: 1]

IPCC. Climate change: the physical science basis[M]. Cambridge: Cambridge University Press, 2021

[本文引用: 4]

《第四次气候变化国家评估报告》编写委员会. 第四次气候变化国家评估报告[M]. 北京: 科学出版社, 2022.

[本文引用: 3]

Committee of Chinese National Assessment Report on Climate Change. The fourth China’s national assessment report on climate change[M]. Beijing: Science Press, 2022 (in Chinese)

[本文引用: 3]

秦大河, 翟盘茂. 中国气候与生态环境演变[M]. 北京: 科学出版社, 2021.

[本文引用: 5]

Qin D H, Zhai P M. Climate and environment changes in China[M]. Beijing: Science Press, 2021 (in Chinese)

[本文引用: 5]

Sun Y, Zhang X B, Ding Y H, et al.

Understanding human influence on climate change in China

[J]. National Science Review, 2021, 9 (3). DOI: 10.1093/nsr/nwab113

[本文引用: 10]

Stott P A, Stone D A, Allen M R.

Human contribution to the European heatwave of 2003

[J]. Nature, 2004, 432: 610-614

[本文引用: 3]

Seneviratne S I, Nicholls N, Easterling D, et al. Managing the risks of extreme events and disasters to advance climate change adaptation[M]. Cambridge: Cambridge University Press, 2012

[本文引用: 1]

Peterson T C, Stott P A, Herring S.

Explaining extreme events of 2011 from a climate perspective

[J]. Bulletin of the American Meteorological Society, 2012, 93 (7). DOI: 10.1175/bams-d-12-00021.1

[本文引用: 1]

Herring S C, Christidis N, Hoell A, et al.

Explaining extreme events of 2020 from a climate perspective

[J]. Bulletin of the American Meteorological Society, 2022, 103 (3). DOI: 10.1175/BAMS-ExplainingExtremeEvents2020.1

[本文引用: 1]

Ciavarella A, Christidis N, Andrews M, et al.

Upgrade of the HadGEM3-A based attribution system to high resolution and a new validation framework for probabilistic event attribution

[J]. Weather and Climate Extremes, 2018, 20: 9-32

[本文引用: 1]

Sun Y, Chao Q C, Zhao B T, et al.

Special topic on explaining China’s climate in 2021

[J]. Advances in Climate Change Research, 2022, 13 (6): 769-938

[本文引用: 1]

Sun Y, Zhang X B, Zwiers F W, et al.

Rapid increase in the risk to extreme summer heat in eastern China

[J]. Nature Climate Change, 2014, 4: 1082-1085

[本文引用: 5]

Hergerl G C, Hoegh-Guldberg O, Casassa G, et al.

Good practice guidance paper on detection and attribution related to anthropogenic climate change

[R/OL]. 2010 [2024-11-01]. http://www.ipcc.ch/pdf/supporting-material

URL     [本文引用: 2]

孙颖, 尹红, 田沁花, 等.

全球和中国区域近50年气候变化检测归因研究进展

[J]. 气候变化研究进展, 2013, 9 (4): 235-245.

[本文引用: 1]

Sun Y, Yin H, Tian Q H, et al.

Recent progress in studies of climate change detection and attribution in the globe and China in the past 50 years

[J]. Climate Change Research, 2013, 9 (4): 235-245 (in Chinese)

[本文引用: 1]

IPCC. Climate change 2007: the physical science basis[M]. Cambridge: Cambridge University Press, 2007

[本文引用: 1]

IPCC. Climate change 2013: the physical science basis[M]. Cambridge: Cambridge University Press, 2013

[本文引用: 1]

NNational Academies of Sciences, Engineering, and Medicine (NASEM). Attribution of extreme weather events in the context of climate change[M]. Washington, DC: the National Academies Press, 2016

[本文引用: 2]

Hasselmann K F.

On the signal-to-noise problem in atmospheric response studies

[C]. Joint Conference of Royal Meteorological Society, American Meteorological Society, Deutsche Meteorologische Gesellschaft and the Royal Society, 1979: 251-259

[本文引用: 1]

Allen M R, Stott P A.

Estimating signal amplitudes in optimal fingerprinting, part I: theory

[J]. Climate Dynamics, 2003, 21: 477-491

[本文引用: 2]

Allen M R, Tett S F B.

Checking for model consistency in optimal fingerprinting

[J]. Climate Dynamics, 1999, 15: 419-434

[本文引用: 1]

Ribes A, Planton S, Terray L.

Application of regularised optimal fingerprinting to attribution. Part I: method, properties and idealised analysis

[J]. Climate Dynamics, 2013, 41: 2817-2836

[本文引用: 1]

Bindoff N L, Stott P A, Achutarao K M, et al. Detection and attribution of climate change:from global to regional. In: climate change 2013: the physical science basis[M]. Cambridge: Cambridge University Press, 2014

[本文引用: 1]

Stott P A, Christidis N, Otto F E L, et al.

Attribution of extreme weather and climate-related events

[J]. WIREs Climate Change, 2016, 7: 23-41

[本文引用: 3]

Angelil O, Stone D, Wehner M, et al.

An independent assessment of anthropogenic attribution statements for recent extreme temperature and rainfall events

[J]. Journal of Climate, 2017, 30 (1): 5-16

[本文引用: 1]

Easterling D R, Kunkel K E, Wehner M F, et al.

Detection and attribution of climate extremes in the observed record

[J]. Weather and Climate Extremes, 2016, 11: 17-27

[本文引用: 1]

van Oldenborgh G J, Haarsma R, de Vries H, et al.

Cold extremes in North America vs. mild weather in Europe: the winter of 2013-14 in the context of a warming world

[J]. Bulletin of the American Meteorological Society, 2015, 96 (5): 707-714

[本文引用: 1]

Yiou P, Vautard R, Naveau P, et al.

Inconsistency between atmospheric dynamics and temperatures during the exceptional 2006/2007 fall/winter and recent warming in Europe

[J]. Geophysical Research Letters, 2007, 34 (21): L21808

[本文引用: 1]

Shepherd T G.

A common framework for approaches to extreme event attribution

[J]. Current Climate Change Reports, 2016, 2: 28-38

[本文引用: 1]

Trenberth K E, Fasullo J T, Shepherd T G.

Attribution of climate extreme events

[J]. Nature Climate Change, 2015, 5: 725-730

[本文引用: 1]

巢清尘, 袁佳双, 王朋岭, 等. 中国气候变化蓝皮书2024[M]. 北京: 科学出版社, 2024.

[本文引用: 3]

Chao Q Q, Yuan J S, Wang P L, et al. Blue book on climate change in China 2024[M]. Beijing: Science Press, 2024 (in Chinese)

[本文引用: 3]

Sun Y, Zhang X B, Ren G Y, et al.

Contribution of urbanization to warming in China

[J]. Nature Climate Change, 2016, 6: 706-709

DOI:10.1038/NCLIMATE2956      [本文引用: 1]

China has warmed rapidly over the past half century(1) and has experienced widespread concomitant impacts on water availability, agriculture and ecosystems(2). Although urban areas occupy less than 1% of China's land mass, the majority of China's observing stations are situated in proximity to urban areas, and thus some of the recorded warming is undoubtedly the consequence of rapid urban development, particularly since the late 1970s(3-5). Here, we quantify the separate contributions of urbanization and other external forcings to the observed warming. We estimate that China's temperature increased by 1.44 degrees C (90% confidence interval 1.22-1.66 degrees C) over the period 1961-2013 and that urban warming influences account for about a third of this observed warming, 0.49 degrees C (0.12-0.86 degrees C). Anthropogenic and natural external forcings combined explain most of the rest of the observed warming, contributing 0.93 degrees C (0.61-1.24 degrees C). This is close to the warming of 1.09 degrees C (0.86-1.31 degrees C) observed in global mean land temperatures over the period 1951-2010, which, in contrast to China's recorded temperature change, is only weakly affected by urban warming influences'. Clearly the effects of urbanization have considerably exacerbated the warming experienced by the large majority of the Chinese population in comparison with the warming that they would have experienced as a result of external forcing alone.

Yin H, Sun Y.

Anthropogenic influence on temperature change in China over the period 1901-2018

[J]. Journal of Climate, 2023, 36 (7): 2131-2146

[本文引用: 3]

Wang Y J, Sun Y, Hu T, et al.

Attribution of temperature changes in western China

[J]. International Journal of Climatology, 2018, 38 (2): 742-750

[本文引用: 1]

Yin H, Sun Y, Li M H.

Reconstructed temperature change in late summer over the eastern Tibetan Plateau since 1867 CE and the role of anthropogenic forcing

[J]. Global and Planetary Change, 2022, 208: 103715. DOI: 10.1016/j.gloplacha.2021.103715

[本文引用: 1]

Sun Y, Hu T, Zhang X B.

Anthropogenic influence on altitudinally amplified temperature change in the Tibetan Plateau

[J]. Environmental Research Letters, 2024, 19: L054012. DOI: 10.1088/1748-9326/ad3bd3

[本文引用: 1]

Liu R, Liu S C, Cicerone R J, et al.

Trends of extreme precipitation in eastern China and their possible causes

[J]. Advances in Atmospheric Sciences, 2015, 32: 1027-1037

[本文引用: 1]

Ma S M, Zhou T J, Stone D A, et al.

Detectable anthropogenic shift toward heavy precipitation over eastern China

[J]. Journal of Climate, 2017, 30: 1381-1396

[本文引用: 1]

Li M, Li C, Jiang Z H, et al.

Deciphering China’s complex pattern of summer precipitation trends

[J]. Earth’s Future, 2022, 10 (9): e2022EF002797

[本文引用: 1]

Jiang J, Zhou T, Qian Y, et al.

Precipitation regime changes in High Mountain Asia driven by cleaner air

[J]. Nature, 2023, 623: 544-549

[本文引用: 1]

Hu T, Sun Y.

Anthropogenic influence on extreme temperatures in China based on CMIP6 models

[J]. International Journal of Climatology, 2021, 42 (5): 2981-2995

[本文引用: 2]

Lu C H, Sun Y, Wan H, et al.

Anthropogenic influence on the frequency of extreme temperatures in China

[J]. Geophysical Research Letters, 2016, 43 (12). DOI: 10.1002/2016gl069296

[本文引用: 2]

Yin H, Sun Y, Wan H, et al.

Detection of anthropogenic influence on the intensity of extreme temperatures in China

[J]. International Journal of Climatology, 2017, 37: 1229-1237

[本文引用: 2]

Sun Y, Hu T, Zhang X B, et al.

Contribution of global warming and urbanization to changes in temperature extremes in eastern China

[J]. Geophysical Research Letters, 2019, 46 (20): 11426-11434

[本文引用: 1]

Hu T, Sun Y, Zheng X, et al.

Anthropogenic influence on seasonal extreme temperatures in eastern China at century scale

[J]. Weather and Climate Extremes, 2024, 44: 100675. DOI: 10.1016/j.wace.2024.100675

[本文引用: 3]

Li H X, Chen H P, Wang H J.

Effects of anthropogenic activity emerging as intensified extreme precipitation over China

[J]. Journal of Geophysical Research: Atmospheres, 2017, 122 (13): 6899-6914

[本文引用: 1]

Li W, Jiang Z H, Zhang X B, et al.

On the emergence of anthropogenic signal in extreme precipitation change over China

[J]. Geophysical Research Letters, 2018, 45 (17): 9179-9185

[本文引用: 2]

Chen H P, Sun J Q.

Contribution of human influence to increased daily precipitation extremes over China

[J]. Geophysical Research Letters, 2017, 44 (5): 2436-2444

[本文引用: 1]

Dong S Y, Sun Y, Zhang X B.

Attributing observed increase in extreme precipitation in China to human influence

[J]. Environmental Research Letters, 2022, 17 (9): L095005

[本文引用: 3]

Chen H P, Sun J Q.

Changes in drought characteristics over China using the standardized precipitation evapotranspiration index

[J]. Journal of Climate, 2015, 28 (13): 5430-5447

[本文引用: 1]

Chen H P, Sun J Q.

Anthropogenic warming has caused hot droughts more frequently in China

[J]. Journal of Hydrology, 2017, 544: 306-318

[本文引用: 1]

Yuan X, Wang L, Wu P, et al.

Anthropogenic shift towards higher risk of flash drought over China

[J]. Nature Communications, 2019, 10 (1): 4661

DOI:10.1038/s41467-019-12692-7      PMID:31604952      [本文引用: 1]

Flash droughts refer to a type of droughts that have rapid intensification without sufficient early warning. To date, how will the flash drought risk change in a warming future climate remains unknown due to a diversity of flash drought definition, unclear role of anthropogenic fingerprints, and uncertain socioeconomic development. Here we propose a new method for explicitly characterizing flash drought events, and find that the exposure risk over China will increase by about 23% ± 11% during the middle of this century under a socioeconomic scenario with medium challenge. Optimal fingerprinting shows that anthropogenic climate change induced by the increased greenhouse gas concentrations accounts for 77% ± 26% of the upward trend of flash drought frequency, and population increase is also an important factor for enhancing the exposure risk of flash drought over southernmost humid regions. Our results suggest that the traditional drought-prone regions would expand given the human-induced intensification of flash drought risk.

Li H, Chen H, Sun B, et al.

A detectable anthropogenic shift toward intensified summer hot drought events over northeastern China

[J]. Earth and Space Science, 2020, 7 (1): e2019EA000836

[本文引用: 1]

Zhang X Y, Yu J H, Li L Z X, et al.

Role of anthropogenic climate change in autumn drought trend over China from 1961 to 2014

[J]. Journal of Meteorological Research, 2022, 36 (2): 251-260

[本文引用: 1]

Wang J, Chen Y, Tett S F B, et al.

Anthropogenically-driven increases in the risks of summertime compound hot extremes

[J]. Nature Communications, 2020, 11 (1): 528

DOI:10.1038/s41467-019-14233-8      PMID:32047147      [本文引用: 1]

Compared to individual hot days/nights, compound hot extremes that combine daytime and nighttime heat are more impactful. However, past and future changes in compound hot extremes as well as their underlying drivers and societal impacts remain poorly understood. Here we show that during 1960-2012, significant increases in Northern Hemisphere average frequency (~1.03 days decade) and intensity (~0.28 °C decade) of summertime compound hot extremes arise primarily from summer-mean warming. The forcing of rising greenhouse gases (GHGs) is robustly detected and largely accounts for observed trends. Observationally-constrained projections suggest an approximate eightfold increase in hemispheric-average frequency and a threefold growth in intensity of summertime compound hot extremes by 2100 (relative to 2012), given uncurbed GHG emissions. Accordingly, end-of-century population exposure to compound hot extremes is projected to be four to eight times the 2010s level, dependent on demographic and climate scenarios.

Wang D Q, Sun Y.

Long-term changes in extreme wet bulb globe temperature over China

[J]. Journal of Meteorological Research, 2021, 35 (6): 975-986

[本文引用: 1]

Li W L, Sun B, Wang H J, et al.

Anthropogenic impact on the severity of compound extreme high temperature and drought/rain events in China

[J]. NPJ Climate and Atmospheric Science, 2023, 6 (1): 79

[本文引用: 2]

Li C, Sun Y, Zwiers F, et al.

Rapid warming in summer wet bulb globe temperature in China with human-induced climate change

[J]. Journal of Climate, 2020, 33 (13): 5697-5711

[本文引用: 3]

Wang X X, Lang X M, Jiang D B.

Detectable anthropogenic influence on summer compound hot events over China from 1965 to 2014

[J]. Environmental Research Letters, 2022, 17 (3): L034042

[本文引用: 1]

Li W, Jiang Z H, Li L et al.

Detection and attribution of changes in summer compound hot and dry events over northeastern China with CMIP6 models

[J]. Journal of Meteorological Research, 2022, 36 (1): 37-48

[本文引用: 1]

Wang J, Chen Y, Liao W, et al.

Anthropogenic emissions and urbanization increase risk of compound hot extremes in cities

[J]. Nature Climate Change, 2021, 11 (12): 1084-1089

[本文引用: 1]

Miao C Y, Sun Q H, Kong D X, et al.

Record-breaking heat in Northwest China in July 2015: analysis of the severity and underlying causes

[J]. Bulletin of the American Meteorological Society, 2016, 97 (12): 97-101

[本文引用: 1]

Zhou C L, Wang K C, Qi D, et al.

Attribution of a record-breaking heatwave event in summer 2017 over the Yangtze River Delta

[J]. Bulletin of the American Meteorological Society, 2019, 100 (1): 97-103

[本文引用: 2]

Ren L W, Wang D Q, An N, et al.

Anthropogenic influences on the persistent night-time heat wave in summer 2018 over Northeast China

[J]. Bulletin of the American Meteorological Society, 2020, 101 (1): 83-87

[本文引用: 1]

Sun Y, Dong S Y, Hu T, et al.

Attribution of the warmest spring of 2018 in Northeastern Asia using simulations of a coupled and an atmospheric model

[J]. Bulletin of the American Meteorological Society, 2019, 101 (1): 129-134

[本文引用: 1]

Chao C Y, Guan X D, Li C, et al.

Anthropogenic contribution to the unprecedented 2022 midsummer extreme high-temperature event in southern China

[J]. Bulletin of the American Meteorological Society, 2024, 105 (1): 233-238

[本文引用: 1]

Lu C H, Sun Y, Christidis N, et al.

Contribution of global warming and atmospheric circulation to the hottest spring in eastern China in 2018

[J]. Advances in Atmospheric Sciences, 2020, 37 (11): 1285-1294

[本文引用: 1]

Wang D Q, Sun Y.

Effects of anthropogenic forcing and atmospheric circulation on the record-breaking welt bulb heat event over southern China in September 2021

[J]. Advances in Climate Change Research, 2022, 13 (6): 778-786

[本文引用: 2]

Wang D Q, Sun Y, Hu T, et al.

The 2022 record-breaking heat event over the middle and lower reaches of the Yangtze River

[J]. Bulletin of the American Meteorological Society, 2024, 105 (1): 200-205

[本文引用: 1]

Sun Y, Hu T, Zhang X B, et al.

Anthropogenic influence on the eastern China 2016 super cold surge

[J]. Bulletin of the American Meteorological Society, 2017, 99 (1): 123-127

[本文引用: 1]

Qian C, Wang J, Dong S Y, et al.

Human influence on the record-breaking cold event in January of 2016 in eastern China

[J]. Bulletin of the American Meteorological Society, 2018, 99 (1): 118-122

[本文引用: 1]

Chen Z F, Sun Y, Zhang X B, et al.

Role of anthropogenic forcing and atmospheric circulation in a low-temperature event in February 2022 in eastern China

[J]. Advances in Climate Change Research, 2023, 14 (6): 921-929

[本文引用: 1]

Burke C, Stott P, Ciavarella A, et al.

Attribution of extreme rainfall in Southeast China during May 2015

[J]. Bulletin of the American Meteorological Society, 2016, 97 (12): 92-96

[本文引用: 2]

Sun Q H, Miao C Y.

Extreme rainfall (R20mm, RX5day) in Yangtze-Huai, China, in June-July 2016: the role of ENSO and anthropogenic climate change

[J]. Bulletin of the American Meteorological Society, 2018, 99 (1): 102-106

[本文引用: 1]

Yuan X, Wang S S, Hu Z Z.

Do climate change and El Niño increase likelihood of Yangtze River extreme rain-fall?

[J]. Bulletin of the American Meteorological Society, 2018, 99 (1): 113-117

[本文引用: 1]

Zhou C L, Wang K C, Qi D.

Attribution of the July 2016 extreme precipitation event over China’s Wuhan

[J]. Bulletin of the American Meteorological Society, 2018, 99 (1): 107-112

[本文引用: 1]

Li C X, Tian Q H, Yu R, et al.

Attribution of extreme precipitation in the lower reaches of the Yangtze River during May 2016

[J]. Environmental Research Letters, 2018, 13 (1): L014015

[本文引用: 2]

Li R K, Li D L, Nanding N, et al.

Anthropogenic influences on heavy precipitation during the 2019 extremely wet rainy season in southern China

[J]. Bulletin of the American Meteorological Society, 2021, 102 (1): 103-109

[本文引用: 1]

Zhou T J, Song F F, Lin R P, et al.

The 2012 North China floods: explaining an extreme rainfall event in the context of a longer-term drying tendency

[J]. Bulletin of the American Meteorological Society, 2013, 94 (9): 49-51

[本文引用: 1]

Zhang W X, Li W, Zhu L H, et al.

Anthropogenic influence on 2018 summer persistent heavy rainfall in central western China

[J]. Bulletin of the American Meteorological Society, 2020, 101 (1): 65-70

[本文引用: 1]

Tang H S, Wang Z Y, Tang B, et al.

Reduced Probability of 2020 June-July persistent heavy Mei-yu rainfall event in the middle to lower reaches of the Yangtze River basin under anthropogenic forcing

[J]. Bulletin of the American Meteorological Society, 2022, 103 (3): 83-89

[本文引用: 1]

Lu C H, Sun Y, and Zhang X B.

The 2020 record-breaking Mei-yu in the Yangtze River Valley of China: the role of anthropogenic forcing and atmospheric circulation

[J]. Bulletin of the American Meteorological Society, 2022, 103 (3): 98-104

[本文引用: 1]

Hu T, Sun Y, Zhang X B, et al.

Anthropogenic influence on the 2021 wettest September in northern China

[J]. Bulletin of the American Meteorological Society, 2023, 104 (1): 243-248

[本文引用: 3]

Sheng B S, Dong B W, Wang H L, et al.

Anthropogenic influences on extremely persistent seasonal precipitation in southern China during May-June 2022

[J]. Bulletin of the American Meteorological Society, 2024, 105 (2): 425-431

[本文引用: 1]

Liu X R, Jie H, Zou Y L, et al.

Anthropogenic influence on 2022 June extreme rainfall over the Pearl River basin

[J]. Bulletin of the American Meteorological Society, 2024, 105 (2): 418-424

[本文引用: 1]

Hu Y M, Dong B W, Xie J H, et al.

Anthropogenic influence on 2022 extreme January-February precipitation in southern China

[J]. Bulletin of the American Meteorological Society, 2023, 104 (11): 1935-1940

[本文引用: 1]

Wang Y M, Yuan X.

Anthropogenic speeding up of South China flash droughts as exemplified by the 2019 summer-autumn transition season

[J]. Geophysical Research Letters, 2020, 48 (9): e2020GL091901

[本文引用: 1]

Wang S S, Huang J P, Yuan X.

Attribution of 2019 extreme spring-early summer hot drought over Yunnan in southwestern China

[J]. Bulletin of the American Meteorological Society, 2021, 102 (1): 91-96

[本文引用: 1]

Zhang L X, Zhou T J, Zhang X, et al.

Attribution of the extreme 2022 summer drought along the Yangtze River Valley in China based on detection and attribution system of Chinese Academy of Sciences

[J]. Bulletin of the American Meteorological Society, 2024, 105 (7): 1062-1067

[本文引用: 1]

Luo F, Wang S S, He Y L, et al.

Anthropogenic warming has increased the 2020 extreme hot and dry conditions over Southwest China

[J]. Bulletin of the American Meteorological Society, 2022, 103 (3): 124-129

[本文引用: 1]

Li W, Jiang Z H, Li L.

Anthropogenic influence on the record-breaking compound hot and dry event in summer 2022 in the Yangtze River basin in China

[J]. Bulletin of the American Meteorological Society, 2023, 104 (11): 1928-1934

[本文引用: 1]

Qian C, Ye Y B, Bevacqua E, et al.

Human influences on spatially compounding flooding and heatwave events in China and future increasing risks

[J]. Weather and Climate Extremes, 2023, 42: L100616

[本文引用: 1]

Wang J, Chen Y, Tett S F B, et al.

Storyline attribution of human influence on a record-breaking spatially compounding flood-heat event

[J]. Science Advances, 2023, 9 (48): eadi2714

[本文引用: 1]

/

〈 〉

京ICP备11008704号-4
版权所有 © 《气候变化研究进展》编辑部
地址：北京市海淀区中关村南大街46号　邮编：100081　电话/传真：(010)58995171　E-mail：accr@cma.gov.cn
本系统由北京玛格泰克科技发展有限公司设计开发　技术支持：support@magtech.com.cn