热带气象学报  2018, Vol. 34 Issue (5): 695-704  DOI: 10.16032/j.issn.1004-4965.2018.05.011
0

引用本文  

陈雪, 苏布达, 温姗姗, 等. 全球升温1.5℃与2.0℃情景下中国东南沿海致灾气旋的时空变化[J]. 热带气象学报, 2018, 34(5): 695-704. DOI: 10.16032/j.issn.1004-4965.2018.05.011.
CHEN Xue, SU Bu-da, WEN Shan-shan, et al. Spatiotemporal distributions of hazard-inducing tropical cyclones under the 1.5℃ and 2.0℃ global warming scenarios in southeast coastal china[J]. JOURNAL OF TROPICAL METEOROLOGY, 2018, 34(5): 695-704. DOI: 10.16032/j.issn.1004-4965.2018.05.011.

基金项目

国家自然科学基金(41571494);中国气象局气候变化专项“气候变化影响综合评估(CCSF 201722)共同资助

通讯作者

翟建青,男,山西省人,副研究员,博士,主要从事气候变化风险评估与管理研究。E-mail:zhaijq@cma.gov.cn

文章历史

收稿日期:2017-08-14
修订日期:2018-04-18
全球升温1.5℃与2.0℃情景下中国东南沿海致灾气旋的时空变化
陈雪 1, 苏布达 2,3,4, 温姗姗 4,5, 姜彤 2,3, 高超 6, 王艳君 2, 翟建青 2,3     
1. 黑龙江省气象灾害防御技术中心,黑龙江 哈尔滨 150000;
2. 南京信息工程大学气象灾害预报预警与评估协同中心/地理与遥感学院,江苏 南京 210044;
3. 中国气象局国家气候中心,北京 100081;
4. 中国科学院新疆生态与地理研究所荒漠与绿洲生态国家重点实验室,新疆 乌鲁木齐 830011;
5. 中国科学院大学,北京 100049;
6. 宁波大学地理与空间信息技术系,浙江 宁波 315211
摘要:将造成经济损失的热带气旋定义为致灾气旋。基于气象观测站的逐日气压、风速和降水量数据确定致灾气旋阈值,结合区域气候模式COSMO-CLM(CCLM)在1961—2100年的输出资料,预估致灾气旋发生频数及其风速与降水量,分析全球升温1.5 ℃与2.0 ℃情景下,中国东南沿海地区致灾气旋时空变化特征。结果表明:(1) 1986—2015年,东南沿海地区致灾气旋发生频数共计180个,整体呈上升趋势,平均风速和降水量分别为8.7 m/s和129.8 mm,对浙江东部及广东东部沿海影响最严重。(2)全球升温1.5 ℃,2020—2039年致灾气旋频数将由基准期(1986—2005年)的111个上升至138个,增加区域主要位于广东省西南地区及福建省南部地区;平均风速和降水量分别上升15%和17%,至8.4 m/s和109.9 mm,以福建省沿海地区增加最明显。(3)全球升温2.0 ℃,2040—2059年致灾气旋频数较1986—2005年增加33%,将达148个;风速上升32%,以浙江省东部、福建和广东省接壤的沿海地区及广东省南部增幅最大;降水量上升35%,以福建与广东省接壤的沿海地区及广东省西南地区增加明显。(4)相比升温1.5 ℃,全球气温额外升高0.5 ℃,东南沿海地区致灾气旋频数及其风速与降水量将分别上升9%、17%和18%。努力将温升控制在1.5 ℃,对降低致灾气旋频率和强度增加所导致的影响具有重要意义。
关键词全球升温1.5℃和2.0℃    致灾气旋    时空变化    CCLM模式    东南沿海地区    
SPATIOTEMPORAL DISTRIBUTIONS OF HAZARD-INDUCING TROPICAL CYCLONES UNDER THE 1.5℃ AND 2.0℃ GLOBAL WARMING SCENARIOS IN SOUTHEAST COASTAL CHINA
CHEN Xue 1, SU Bu-da 2,3,4, WEN Shan-shan 4,5, JIANG Tong 2,3, GAO Chao 6, WANG Yan-jun 2, ZHAI Jian-qing 2,3     
1. Heilongjiang Meteorological Disaster Prevention Technology Center, Harbin 150000, China;
2. Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science & Technology, Nanjing 210044, China;
3. National Climate Center, China Meteorological Administration, Beijing 100081, China;
4. State Key Laboratory of Desert and Oasis Ecology, Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi 830011, China;
5. University of Chinese Academy of Sciences, Beijing 100049, China;
6. Department of Geography & Spatial Information Techniques, Ningbo University, Ningbo 315211, China
Abstract: Based on the data of tropical cyclones (TCs) in China for 1986—2015, TCs that caused economic losses are defined as hazard-inducing TCs. The threshold of hazard-inducing TCs in southeastern coastal China is determined through observed daily air pressure, wind speed and precipitation data from meteorological stations. Subsequently, the frequency, wind speed and precipitation of hazard-inducing TCs are predicted by the regional climate model COSMO-CLM (CCLM), and their spatiotemporal variations are analyzed under the 1.5 ℃ and 2.0 ℃ warming scenarios relative to the baseline period of 1986—2005. Research results are shown as follows: (1) The frequency of hazard-inducing TCs in southeast coastal China shows an increasing trend from 1986 to 2005. Observed average wind speed and precipitation are 8.7 m/s and 129.8 mm, respectively. The influenced areas are mainly distributed in the east of Zhejiang province and the east coast of Guangdong province. (2) Under the 1.5 ℃ warming scenario of 2020—2039, the frequency of hazard-inducing TCs will increase by 24% relative to 1986—2005, and the increase is mainly distributed in the southwest part of Guangdong and the southern part of Fujian. Meanwhile, wind speed and precipitation by TCs will increase by 15% and 17%, respectivley, which is most significant in the coastal areas of Fujian. (3) Under the 2.0 ℃ warming scenario of 2040—2059, the frequency of hazard-inducing TCs will increase by 33% relative to the reference period of 1986—2005, and wind speed will increase by 32%. Precipitation will increase by 35%, with the neighboring area of coastal Fujian and Guangdong and the southwest Guangdong having the largest growth rate. (4) With the global temperature increase from 1.5 ℃ to 2.0℃, the frequency of hazard-inducing TCs will continue to rise, and the accompanying wind speed and precipitation might also increase by 17% and 18%, respectively. The aforementioned findings revealed that the frequency, wind speed, precipitation and influential area of hazard-inducing TCs in the southeastern coast of China will increase with the rising of temperature. It is significant to control global temperature increase below 1.5 ℃ for reducing the adverse effects of hazard-inducing TCs.
Key words: global warming of 1.5 ℃ and 2.0 ℃    hazard-inducing tropical cyclones    spatiotemporal distribution    regional climate model CCLM    southeast coastal China    
1 引言

中国位于热带气旋发生频率最高、强度最强、分布范围最广的西北太平洋沿岸,是全球遭受热带气旋影响最严重的国家之一。1984—2015年西北太平洋共生成815个热带气旋,其中有228个登陆中国,影响中国大陆22个省(区、市)[1],每年因热带气旋造成的直接经济损失达345.5亿元,占气象灾害总直接经济损失的18.3%[2]。仅2013年就有13个热带气旋对中国造成影响,共造成179人死亡,1 260.3亿元的直接经济损失,占当年气象灾害总损失的26.4%,其中,仅单个超强台风“菲特”的损失就高达631.4亿元,受灾人口超过1 216万[3]。经济发达、人口密集的东南沿海地带为受热带气旋灾害影响最严重的地区,尤其是浙江、福建和广东三省1986—2015年热带气旋造成的直接经济损失占中国热带气旋直接经济损失的45.9%,且呈显著上升趋势[4-6]

1880—2012年,全球海陆表面平均温度呈线性上升趋势,升高0.85 ℃,2003—2012年平均气温相对于工业革命之前(1850—1900年)升高0.78 ℃,未来的几十年预计将持续上升,增加了极端事件的发生概率及其危害[7]。为应对气候变化的不利影响,《联合国气候变化框架公约》下的《巴黎协定》强调:将全球气温升幅控制在较前工业化时期的2.0 ℃范围以内,并争取把气温升幅限制在15 ℃[8]。国内外学者对热带气旋变化特征的大量研究表明[9-10],21世纪末,高排放情景下(RCP8.5)全球热带气旋频数呈下降趋势[11],但强度增强[12-13],影响程度在沿海地区最严重[14]。基于全球气候模式(GCMs)大尺度环流场与登陆热带气旋活动建立的统计-动力模式能较好预估登陆热带气旋的年际变化[15],但全球气候模式分辨率较低,有可能低估热带气旋活动的发生频次[16-17]。区域气候模式COSMO- CLM(CCLM)由德国气象局的局地模型(LM)发展而来,目前已应用于中国塔里木河流域、长江流域、淮河流域、珠江流域等区域的气候变化研究,均取得了较可靠的模拟结果[18-24]

本文把造成经济损失的热带气旋定义为致灾气旋,将一些未登陆但仍造成损失的热带气旋纳入研究范畴。选取东南沿海浙江、福建和广东省为研究区,研究全球平均气温较工业革命前升高1.5 ℃和2.0 ℃情景下,致灾气旋的时空变化特征。研究成果可为浙江、福建和广东省防灾减灾提供科学依据,在应对气候变化、减少致灾气旋不利影响等方面具有一定的参考意义。

2 数据和方法 2.1 数据

热带气旋灾情数据来源于中国气象局国家气候中心编制的《中国气象灾害年鉴》,时段为1986—2015年。热带气旋的路径信息来自中国气象局上海台风研究所收集整编的“西北太平洋热带气旋路径数据集”,包括热带气旋中心每隔6 h的位置(经纬度)、近中心最大风速、近中心最低气压和热带气旋带来的降水等信息。1986—2015年浙江、福建和广东省共233个气象站的逐日气压、风速和降水量观测数据来自国家气象信息中心。

气候模式数据来源于德国波茨坦气候影响研究所(PIK)的区域气候模式COSMO-CLM(CCLM)输出。CCLM是世界气候研究计划发起的国际区域气候模式降尺度实验(CORDEX)的模式之一。该模式以ECHAM6为边界条件,输出资料包括1961—2100年西北太平洋风场数据及覆盖浙江、福建和广东省共200个格点(图 1)的气压、风速和降水量等,分辨率为0.5 °×0.5 °。

图 1 浙江、福建和广东省CCLM格点空间分布
2.2 方法 2.2.1 全球升温1.5 ℃和2.0 ℃出现时间

相对于1850—1900年工业革命之前,1986—2005年全球平均气温已升高0.61 ℃,继续升温0.89 ℃和1.39 ℃意味全球升温幅度将达1.5 ℃和2.0 ℃。根据5个全球气候模式GFDL-ESM2M、HadGEM2-ES、IPSL-CM5A-LR、MIROC-ESM-CHEM、NorESM1-M,以及驱动区域气候模式CCLM的MPI-ESM-LR模式输出的滚动20年平均气温,RCP2.6情景下全球升温将会在2020—2039年达到1.5 ℃水平,RCP 4.5情景下在2040—2059年达到2.0 ℃水平[25-28]

2.2.2 致灾气旋阈值

根据CCLM模式输出的西北太平洋逐日风场数据,当出现涡旋,即发生热带气旋(图 2)。同时,当东南沿海地区气象资料满足气压≤Pr',风速≥V',降雨量≥P'时,认为该气旋为致灾气旋。Pr'、V'和P'分别为致灾气旋气压、风速和降水量阈值,出现涡旋的时间即致灾气旋发生时间。

图 2 西北太平洋风场预估案例

东南沿海致灾气旋的相关气象要素阈值确定,基于1986—2015年致灾气旋的气压、风速和降水量观测资料:

(1)
(2)
(3)

式中,PrPrs分别为气压平均值与标准差;VVs为风速平均值与标准差;PPs为降水量平均值与标准差。

1986—2015年浙江、福建和广东省致灾气旋平均气压分别为971 hPa、964 hPa和985 hPa,标准差19 hPa、26 hPa和15 hPa,阈值约为990 hPa、990 hPa和1 000 hPa;致灾气旋平均风速分别为9 m/s、8 m/s和9 m/s,标准差4 m/s、2 m/s和4 m/s,阈值约为5 m/s、6 m/s和5 m/s;平均降水量分别为124 mm、138 mm和126 mm,标准差64 mm、78 mm和61 mm,阈值约为60 mm、60 mm和65 mm。福建省致灾气旋风速阈值较高,广东省致灾气旋气压和降水阈值较其他两省偏大(表 1)。

表 1 1986—2015年浙江、福建和广东省致灾气旋风速、降水与气压阈值

考虑到模式输出可能存在的系统偏差,通过计算上述阈值在观测序列累积分布函数(Cumulative Distribution Function,CDF)中的概率,选择CCLM模式中与上述累积概率相对应的输出值,确定了CCLM模式气压、风速及降水量的阈值。结果表明,CCLM模式输出的浙江、福建和广东省致灾气旋气压阈值分别为990 hPa、990 hPa和1 000 hPa,风速阈值分别为5 m/s、7 m/s和7 m/s,降水量阈值分别为45 mm、50 mm和60 mm(表 1)。

3 结果与分析 3.1 致灾气旋模拟效果 3.1.1 时间变化比较

1986—2005年浙江、福建和广东省致灾气旋发生频数分别为每年2.2个、2.3个和3.5个。模式输出风场及各气象数据阈值显示,CCLM模拟的浙江、福建和广东省致灾气旋频数分别为2.6个、2.5个和3.8个。从典型年份来看,1990年福建省致灾气旋最多,模拟与观测频数分别为6个和7个;浙江省2005年致灾气旋发生最频繁,模拟值与观测值均为5个,其次是1990年,模拟与观测频数分别为5个和4个;广东省1995年致灾气旋最多,模拟与观测频数均为6个。可见,CCLM模式能够较好地模拟致灾气旋频数的年际变化(图 3a~3c)。

图 3 1986—2005年东南沿海致灾气旋逐年频数的观测与CCLM输 a.浙江省;b.福建省;c.广东省。

1986—2005年致灾气旋风速和降水量CCLM模拟与观测比较结果表明,模拟的致灾气旋风速多年平均为7.3 m/s,较观测结果6.8 m/s略偏大,模拟与观测的风速年际变化比较吻合,如1995年致灾气旋风速偏高,模拟与观测的最大值分别为10.6 m/s和10.3 m/s(图 4a)。模式输出的致灾气旋降水量多年平均是93.6 mm,较观测结果100.1 mm小。1995年致灾气旋降水量偏多,模拟与观测的年均值分别为129.7 mm和130.5 mm,最大值分别达181.3 mm和193.0 mm。其次为1994年,模拟的年均值是114.5 mm,较观测结果小1.8 mm。1993年降水量最少,模拟最小值为45.9 mm,而观测是55.5 mm。模拟的降水量年际变化与实际致灾气旋降水量分布规律相符(图 4b)。

图 4 1986—2005年东南沿海致灾气旋风速(a)与降水量(b)的观测值和CCLM输出 箱线图中水平横线为逐年致灾气旋气象要素的中位数;线框为上下四分位;延长线的上、下边界分别表示最大值和最小值。
3.1.2 空间变化比较

图 5所示1986—2005年CCLM模式输出与观测结果的对比表明,CCLM模式输出的致灾气旋频数、风速及降水与观测值的空间相关系数分别为0.87、0.72、0.78。浙江与福建省接壤的沿海地区、广东省西南地区及东部沿海地区受致灾气旋影响最严重,1986—2005年总频数模拟与观测均超过30个,浙江省中部、福建省中部及广东省中部受致灾气旋影响相对较轻,模拟与观测均为10~30个。浙江东北部、福建省南部、广东东部及西南部地区致灾气旋风速观测值与模拟值均大于10 m/s,风速模拟与观测值大于5 m/s的区域面积均超过研究区域总面积的60%,而福建西北地区和广东省北部致灾气旋风速模拟与观测均小于5 m/s。浙江省南部、福建省南部、广东省东部沿海及西部致灾气旋降水量模拟与观测均超过100 mm,其次为浙江省中部、福建省北部及广东省中部地区,模拟与观测均为50~100 mm。综上所述,CCLM模式能较好地模拟浙江、福建和广东省致灾气旋频数、风速及降水的空间分布,适用于未来东南沿海地区致灾气旋事件的时空变化研究。

图 5 1986—2005年观测(a1~a3)与CCLM模拟(b1~b3)的中国东南沿海致灾气旋频数、风速及降水量空间分布
3.2 全球升温1.5 ℃和2.0 ℃致灾气旋特征 3.2.1 致灾气旋频数变化

全球升温1.5 ℃和2.0 ℃情景下,CCLM模式预估的东南沿海地区致灾气旋发生频数较1986—2005年基准期的绝对和相对变化如图 6所示。

图 6 1986—2005年与全球升温1.5 ℃、2.0 ℃情景下中国东南沿海致灾气旋频数比较

全球升温1.5 ℃,东南沿海地区致灾气旋总频数将由基准期的111上升为138,平均每年发生7次左右,升幅24%。其中,浙江省致灾气旋频数由47个上升为72个,平均每年受致灾气旋影响3.6次,升幅为53%;福建省致灾气旋发生频数升幅20%左右,由基准期的54上升为65;广东省致灾气旋频数上升至83个,平均每年受4次致灾气旋影响,升幅11%。

全球升温2.0 ℃,东南沿海地区致灾气旋发生总频数上升至148个,约每年受7.4次致灾气旋影响,相对于基准期升幅33%。其中,浙江省致灾气旋发生频数65个,增加约38%,平均每年受致灾气旋影响3.3次;福建省致灾气旋发生频数59个,平均每年受致灾气旋影响3次,升幅约9%;广东省致灾气旋发生频数上升为99个,相对基准期升幅32%,平均每年受致灾气旋影响5次。全球升温由1.5 ℃至2.0 ℃,浙江省和福建省致灾气旋发生总频数有所下降,但广东省上升明显,东南沿海整体呈上升态势。

全球升温1.5 ℃和2.0 ℃情景下,东南沿海地区致灾气旋发生频数相对基准期变化的空间分布如图 7所示。全球升温1.5 ℃,62%东南沿海地区致灾气旋影响频次呈增加趋势,增幅大于5个的区域面积达16%,主要分布在福建省南部和广东省西南地区,而广东省东部沿海和各省内陆地区受致灾气旋影响相对减少(图 7a)。全球升温2.0 ℃,87%东南沿海地区致灾气旋频数增加,22%增幅大于5个,其中,广东省西南地区致灾气旋频数升幅10个以上,最大增幅20个。广东省东部沿海地区呈减少趋势(图 7b)。

图 7 东南沿海地区致灾气旋频数变化的空间分布:全球升温1.5 ℃(a)与2.0 ℃(b)情景相对于基准期
3.2.2 致灾气旋风速变化

全球升温1.5 ℃,东南沿海地区致灾气旋平均风速将由基准期7.3 m/s上升为8.4 m/s,升幅约15%。其中,浙江省平均风速由6.4 m/s上升为7.6 m/s,升幅19%;福建省升幅15%,由7.4 m/s上升为8.5 m/s;广东省由7.8 m/s上升为9.1 m/s,升幅14%。升温2.0 ℃,东南沿海地区平均风速上升至9.6 m/s,相对于基准期升幅约32%。其中,浙江省平均风速9.9 m/s,增幅约55%,福建和广东省分别升幅20%(8.9 m/s)和23%(9.6 m/s)。全球升温在1.5 ℃基础上继续升高0.5 ℃,东南沿海地区平均风速上升1.2 m/s,升幅17%。其中,浙江、福建和广东省升幅分别为36%、5%和9%(图 8a)。

图 8 1986—2005年与全球升温1.5 ℃、2.0 ℃情景下致灾气旋的风速(a)与降水量(b)比较

空间上,全球升温1.5 ℃情景下,致灾气旋平均风速相对于基准期表现为沿海地区增大明显,向内陆增幅减少的变化格局。福建省、浙江省东部及广东省西南部的83%东南沿海地区平均风速有所增大,其中,福建省和广东省接壤的沿海地区增幅最大,约增加5 m/s。浙江北部和广东省东北部平均风速相对减少,最大减幅4 m/s(图 9a1)。升温2.0 ℃,88%东南沿海地区平均风速增大,其中,浙江省东部、福建和广东省接壤的沿海地区及广东省南部增幅明显。浙江省北部、福建省西部和广东省北部平均风速相对减少(图 9b1)。

图 9 东南沿海地区致灾气旋风速和降水量变化的空间分布:全球升温1.5 ℃(a)与2.0 ℃(b)情景相对于基准期
3.2.3 致灾气旋降水量变化

全球升温1.5 ℃情景下,东南沿海地区致灾气旋平均降水量为109.9 mm,相对于基准期93.6 mm升幅约17%。其中,浙江省平均降水量将增加20 mm,升幅约20%;福建省由88.5 mm上升至104.0 mm,升幅18%左右;广东省变化不明显,基本维持102.0 mm。升温2.0 ℃,东南沿海地区平均降水量上升至126.8 mm,较基准期增加33.2 mm,升幅约35%。其中,浙江省平均降水量140.2 mm,升幅约39%;福建和广东省分别为119.0 mm和133.8 mm,增幅34%和31%。全球升温由1.5 ℃至2.0 ℃,东南沿海地区平均降水量上升16.9 mm,升幅18%。其中,浙江、福建和广东省升幅分别为19%、16%和30%(图 8b)。

全球升温1.5 ℃,东南沿海地区致灾气旋平均降水量相对于基准期表现为沿海增幅增加,内陆减少的变化格局。有63%地区降水增加,福建省沿海地区增加明显,增幅大于10.0 mm,而浙江北部、福建北部及广东中部减幅趋势明显,最大减幅约34 mm (图 9a2)。升温2.0 ℃,75%地区降水增加,福建与广东省接壤的沿海地区及广东省西南地区增加最明显,最大增幅约48.0 mm,福建省北部减幅趋势最明显,最大减幅约32.0 mm (图 9b2)。

4 结论

为减少气候变化带来的不利影响,《巴黎协定》明确规定“把全球平均气温升幅控制在工业化前水平以上低于2.0 ℃之内,并努力将气温升幅限制在工业化前水平以上1.5 ℃之内”。本文把影响中国的热带气旋定义为致灾气旋,基于CCLM区域气候模式输出的气压、风速和降水量数据,结合气候模式逐日风场,识别并预估了全球升温1.5 ℃和2.0 ℃情景下浙江、福建和广东省致灾气旋频次、强度和影响区域相对基准期(1986—2005年)的变化特点,得出以下结论。

(1) 全球升温1.5 ℃情景下,东南沿海地区致灾气旋约发生138个,相对于基准期升幅24%,频率增加区域占总面积62%,主要分布在广东省西南地区及福建省南部地区。致灾气旋风速和降水量分别上升约15%和17%,增幅区域比重分别为83%和63%,福建省和广东省接壤的沿海地区致灾气旋风速增幅最大,福建省沿海地区致灾气旋降水量增加最明显。

(2) 全球升温2.0 ℃情景下,致灾气旋发生总频数约148个,相对于基准期上升33%,广东省西南地区发生最频繁,增加区域面积占总面积87%;致灾气旋风速上升32%,增加区域比重88%,浙江省东部、福建和广东省接壤的沿海地区及广东省南部增加明显;降水量升幅35%,增加区域比重75%,福建与广东省接壤的沿海地区及广东省西南地区增幅最大。全球升温由1.5 ℃至2.0 ℃,东南沿海地区致灾气旋频数、风速和降水量有明显上升趋势,分别上升约9%、17%和18%。

5 讨论

全球气候变暖背景下,平均大气环流减弱[29],造成北大西洋超强飓风的强度增强[12-13],盛行路径区域性西移,中国东南沿海地区受热带气旋影响将显著增大[30-31],热带气旋潜在破坏力增大[32-33]。与全球升温2.0 ℃相比,升温1.5 ℃时东南沿海地区发生频数和影响面积相对较少,风速和降水量强度也均小。说明,将全球升温控制在1.5 ℃对降低热带气旋的影响具有重要意义。

本文研究结论基于单个区域气候模式输出,预估结果可能存在一定的不确定性,未来将采用多模式比较研究以降低模拟结果的不确定性。此外,社会经济发展使得致灾气旋影响区域的暴露度和脆弱性处于强烈变化,后续研究需要将未来气候变化特征与社会经济发展相结合,对中国东南沿海地区灾情开展进一步预估研究,为风险的合理评估和防灾减灾工作提供参考依据。

参考文献
[1] WANG Y J, WEN S S, LI X, et al. Spatio-temporal distributions of influential tropical cyclones and associated economic losses in China in 1986-2015[J]. Nat Hazards, 2016, 84(3): 2009-2030. DOI:10.1007/s11069-016-2531-6
[2] QIN D H, ZHANG J Y, SHAN C C, et al. China national assessment report on risk management and adaptation of climate extremes and disasters[M]. Beijing: Beijing Science Press, 2016: 123-124.
[3] 温姗姗, 翟建青, FISCHER T, 等. 1986—2014年影响中国热带气旋的经济损失标准化及其变化特征[J]. 热带气象学报, 2017, 33(4): 332-338.
[4] CHEN X Y, WU L G, ZHANG J Y. Increasing duration of tropical cyclones over China[J]. Geophys Res Lett, 2011, 38(2): 195-201.
[5] 尹宜舟, 肖风劲, 罗勇, 等. 我国热带气旋潜在影响力指数分析[J]. 地理学报, 2011, 66(3): 367-375.
[6] 中国气象局. 中国气象灾害年鉴2016[M]. 北京: 气象出版社, 2017.
[7] IPCC. Climate change 2013: the physical science basis. IPCC working group Ⅰ contribution to AR5[M]. Cambridge, UK, New York, USA: Cambridge University Press, .
[8] UNFCCC. Decision 1/CP. 21[R]. The Paris Agreement. Paris: UNFCCC, 2015.
[9] 卢小丹, 王黎娟, 刘国忠, 等. 两个不同季节台风引发广西特大暴雨的水汽和螺旋度对比分析[J]. 热带气象学报, 2017, 33(3): 375-385.
[10] 魏晓雯, 吴坤娣, 陈明, 等. 超强台风"威马逊"近海加强与低频水汽输送的关系及前期信号[J]. 热带气象学报, 2017, 33(2): 267-272.
[11] TORY K J, CHAND S S, MCBRIDE J L, et al. Projected changes in late-twenty-first-century tropical cyclone frequency in 13coupled climate models from phase 5 of the coupled modelIntercomparison project[J]. J Clim, 2013, 26(24): 9946-9959. DOI:10.1175/JCLI-D-13-00010.1
[12] MENDELSOHN R, EMANUEL K, CHONABAYASHI S, et al. The impact of climate change on global tropical cyclone damage[J]. Nature Clim Change, 2012, 2: 205-209. DOI:10.1038/nclimate1357
[13] LACKMNN G M. Hurricane Sandy before 1900 and after 2100[J]. Bull Am Meteorol Soc, 2015, 96(4): 547-560. DOI:10.1175/BAMS-D-14-00123.1
[14] 张悦, 李珊珊, 陈灏, 等. 广东省台风灾害风险综合评估[J]. 热带气象学报, 2017, 33(2): 281-288.
[15] SUN J Q, AHN J B. A GCM-Based forecasting model for the landfall of tropical cyclones in China[J]. Adv Atmos Sci, 2011, 28(5): 1049-1055. DOI:10.1007/s00376-011-0122-8
[16] CAMARGO S J. Global and regional aspects of tropical cyclone activity in the CMIP5 models[J]. J Clim, 2013, 26(24): 9880-9902. DOI:10.1175/JCLI-D-12-00549.1
[17] 李新周, 刘晓东. 未来全球气候变暖情景下华东地区极端降水变化的数值模拟研究[J]. 热带气象学报, 2012, 28(3): 379-391. DOI:10.3969/j.issn.1004-4965.2012.03.010
[18] 陶辉, 黄金龙, 翟建青, 等. 长江流域气候变化高分辨率模拟与RCP4.5情景下的预估[J]. 气候变化研究进展, 2013, 9(4): 246-251. DOI:10.3969/j.issn.1673-1719.2013.04.002
[19] 孟玉婧, 姜彤, 苏布达, 等. 高分辨率区域气候模式CCLM对鄱阳湖流域气温的模拟评估[J]. 中国农业气象, 2013, 34(2): 123-129. DOI:10.3969/j.issn.1000-6362.2013.02.001
[20] FISCHER T, MENZ C, SU B D, et al. Simulated and projected climate extremes in the Zhujiang River Basin, South China, using the regional climate model COSMO-CLM[J]. Int J Climatol, 2013, 33(14): 2988-3001. DOI:10.1002/joc.2013.33.issue-14
[21] 高超, 张正涛, 陈实, 等. RCP4.5情景下淮河流域气候变化的高分辨率模拟[J]. 地理研究, 2014, 33(3): 467-477.
[22] 朱娴韵, 苏布达, 黄金龙, 等. 云南气候变化高分辨率模拟与RCP4.5情景预估[J]. 长江流域资源与环境, 2015, 24(3): 476-481. DOI:10.11870/cjlyzyyhj201503018
[23] 黄金龙, 王艳君, 苏布达, 等. RCP 4.5情景下长江上游流域未来气候变化及其对径流的影响[J]. 气象, 2016, 42(5): 614-620.
[24] 陈静, 刘洪滨, 王艳君, 等. 华北平原干旱事件特征及农业用地暴露度演变分析[J]. 中国农业气象, 2016, 37(5): 587-599. DOI:10.3969/j.issn.1000-6362.2016.05.011
[25] SU B D, JIAN D N, WANG Y J, et al. Projection of actual evapotranspiration using the COSMO-CLM regional climate model under global warming scenarios of 1.5 ℃ and 2.0 ℃ in the Tarim River Basin, China[J]. Atmos Res, 2017, 196: 119-128. DOI:10.1016/j.atmosres.2017.06.015
[26] SUN H M, WANG Y J, CHEN J, et al. Exposure of population to droughts in the Haihe River Basin under global warming of 1.5 and 2.0 ℃ scenarios[J]. Quat Int, 2017, 453: 74-84. DOI:10.1016/j.quaint.2017.05.005
[27] 王安乾, 苏布达, 王艳君, 等. 全球升温1.5 ℃与2.0 ℃下中国极端低温事件特征与耕地暴露度研究[J]. 气象学报, 2017, 75(3): 415-428.
[28] 刘俸霞, 姜彤, 赵晶, 等. 全球升温1.5 ℃与2.0 ℃情景长江中下游地区极端降水的变化特征[J]. 长江流域资源与环境, 2017, 26(5): 778-788.
[29] COLBERT A J, SODEN B J, KIRTMAN B P. The impact of natural and anthropogenic climate change on western north Pacific tropical cyclone tracks[J]. J Clim, 2015, 28(5): 1806-1823. DOI:10.1175/JCLI-D-14-00100.1
[30] WU L, WANG B. What has changed the proportion of intense hurricanes in the last 30 years?[J]. J Clim, 2008, 21(6): 1432-1439. DOI:10.1175/2007JCLI1715.1
[31] WU L, WANG B, BRAUN S A. Implications of tropical cyclone power dissipation index[J]. Int J Climatol, 2008, 28(6): 727-731. DOI:10.1002/(ISSN)1097-0088
[32] 陆逸, 朱伟军, 任福民, 等. 1986-2014年中国台风大风和台风极端大风的变化[J]. 气候变化研究进展, 2016, 12(5): 413-421.
[33] YING M, CHEN B D, WU G X. Climate trends in tropical cyclone-induced wind and precipitation over mainland China[J]. Geophys Res Lett, 2011, 38(1): 321-326.