李萬玲 郝鑫

摘要 基于NCEP／NCAR再分析資料及6個CMIP6全球氣候模式模擬資料，對1961—2014年北半球濕熱指數(shù)表征的熱不舒適天數(shù)與風(fēng)寒指數(shù)表征的冷不舒適天數(shù)歷史變化進(jìn)行歸因分析，并預(yù)估未來（2015—2100年）4種不同情景下不舒適天數(shù)的變化趨勢。結(jié)果表明：歷史時期北半球中低（中高）緯度地區(qū)熱（冷）不舒適天數(shù)偏多且不舒適天數(shù)顯著增加（減少）。其中，高緯度（中緯度）地區(qū)能夠檢測到歷史全強(qiáng)迫，人為強(qiáng)迫和溫室氣體強(qiáng)迫的影響，且溫室氣體強(qiáng)迫主導(dǎo)了冷（熱）不舒適天數(shù)變化。低緯度地區(qū)，熱不舒適天數(shù)顯著增加可歸因于人為溫室氣體強(qiáng)迫作用，氣溶膠強(qiáng)迫能夠產(chǎn)生相反的作用降低熱不舒適的發(fā)生率，冷不舒適天數(shù)則受氣候系統(tǒng)內(nèi)部的調(diào)控作用。未來熱（冷）不舒適天數(shù)將持續(xù)增加（減少），其中ssp585與ssp370情景下舒適度變化顯著，ssp126與ssp245情景下，2080年后北半球人類遭受的冷熱不舒適感將維持在穩(wěn)定的水平。

關(guān)鍵詞人體舒適度;濕熱指數(shù);風(fēng)寒指數(shù);溫室氣體;氣溶膠;人為強(qiáng)迫

人體舒適度是一項根據(jù)人體與周圍環(huán)境之間熱量交換原理，評價人體在各種氣候環(huán)境下舒適程度的氣象指標(biāo)（劉梅等，2002）。由于室內(nèi)環(huán)境條件具有相對穩(wěn)定性和可控性，因此室內(nèi)人體舒適度影響研究受到了廣泛關(guān)注（Fransson et al.，2007;段培永等，2011;胡曉倩等，2014）。近年來戶外舒適度的研究不斷增加（Dunjic＇，2019）。室外微氣候環(huán)境溫度、濕度和風(fēng)速等參數(shù)對舒適度有重要影響，其中溫度是最重要的參數(shù)（Liu et al.，2016）。低濕度條件下，由于人體蒸發(fā)較多，低濕度對主觀愉悅感受產(chǎn)生積極影響，而當(dāng)濕度變?yōu)?0％以上時人體會感到疲勞不適（Tsutsumi et al.，2007）。高溫、高濕、干冷等氣象條件也會引起人體調(diào)節(jié)功能發(fā)生異常，導(dǎo)致內(nèi)分泌系統(tǒng)發(fā)生紊亂，使得呼吸道疾病、過敏等發(fā)病率顯著提高（Sloan et al.，2011;Bergmann，2016）。

為了定量評價人體在日常生活中對舒適程度的主觀感受，近年來許多研究相繼提出了多種表征人體舒適度的指數(shù)，這些指數(shù)廣泛應(yīng)用于氣象相關(guān)業(yè)務(wù)中，能夠?qū)ιa(chǎn)生活、交通旅游、城市規(guī)劃、醫(yī)療衛(wèi)生等公共生活領(lǐng)域起到一定的指示作用（Dunjic＇，2019）。例如，表征人體在典型的無風(fēng)和太陽輻射的環(huán)境中的生理平衡溫度（Hppe，1999;鄭有飛等，2007），通過考慮人體自身和環(huán)境的多重復(fù)雜生理物理過程評價人類機(jī)體在周圍溫度完全不同時也能在特定極限內(nèi)保持體溫能力的通用熱氣候指數(shù)（Fiala et al.，2012）。已有許多研究基于這些人體舒適度指數(shù)探討各種氣候條件下人體舒適度的變化特征。Mekis et al.（2015）利用濕熱指數(shù)（Humidex）和風(fēng)寒指數(shù)（Wind Chill Index，WCI）研究極端高溫事件在北美地區(qū)的時空分布特征，發(fā)現(xiàn)熱高溫事件顯著增加的站點(diǎn)大多數(shù)位于55°N以南的中緯度地區(qū)，而近60 a間極端冷事件在北美加拿大地區(qū)均顯著減少。基于通用熱氣候指數(shù)歐洲和亞洲等地同樣表現(xiàn)出相似的舒適度地理分布特征，即熱氣候指數(shù)值隨緯度增加而減小，說明冷事件多發(fā)生在高緯度地區(qū)，熱事件多發(fā)生在低緯度地區(qū)（Blazejczyk et al.，2012;樂滿等，2019;Wu et al.，2019）。另有學(xué)者利用預(yù)測平均評價指數(shù)和熱感覺評價指數(shù)對南歐、北美和亞洲中緯度溫帶氣候區(qū)的熱環(huán)境進(jìn)行比較分析，發(fā)現(xiàn)南歐和北美城市熱指數(shù)較高，而亞洲相對較低，南歐大部分地區(qū)的非舒適環(huán)境都是因?yàn)闇囟冗^高，而亞洲則多因冷不舒適環(huán)境（Zhang et al.，2017）。Wu et al.（2017）基于有效溫度同時研究發(fā)現(xiàn)對于冷日數(shù)偏多的東亞地區(qū)，過去幾十年冷日數(shù)顯著減少，熱日數(shù)顯著增加。

考慮到降雨、霧霾會伴隨相對濕度的強(qiáng)烈變化（張小曳等，2013;尹志聰?shù)龋?019），大氣溫度對人類機(jī)體對流散熱的影響（喬平等，2018），已有的研究結(jié)果表明人體舒適度相對于工業(yè)化前時期已產(chǎn)生較明顯的差別（Moore et al.，2019），未來幾十年受氣候條件和人口暴露度影響熱舒適條件可能也會發(fā)生改變（Roshan et al.，2010;Gao et al.，2018;于恩濤和孫建奇，2019;周波濤等，2020）。但氣候變化背景下，人體舒適度的研究多針對舒適度方法的開發(fā)與改進(jìn)、城市建設(shè)對舒適度的影響與舒適度對旅游衛(wèi)生部門的支持上（Dunjic＇，2019;Song et al.，2019;Di et al.，2021），尚未發(fā)現(xiàn)文獻(xiàn)定量分析引起冷熱舒適度變化的主要外強(qiáng)迫信號。因此，本研究將探討北半球陸地地區(qū)冷、熱人體舒適度在1961—2014年間的時空變化特征;歷史時期不同緯度區(qū)域的人體舒適度變化分別進(jìn)行定量檢測歸因，探討影響人體舒適變化的主要因素;此外，還將進(jìn)一步定量預(yù)估北半球人體舒適度在不同共享社會經(jīng)濟(jì)途徑情景下的變化情況，以期對惡劣氣候的提前防備以及打造更利于人類生活的舒適環(huán)境提供理論參考。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)

本文選取NCEP／NCAR再分析資料集逐日平均10 m高度風(fēng)場、2 m高度氣溫以及近地面相對濕度數(shù)據(jù)（Kalnay et al.，1996），水平分辨率為2.5°×2.5°，研究時段為1961—2014年。為進(jìn)行人體舒適度檢測歸因與未來預(yù)估，本文還使用CMIP6（https：／／esgf-node.llnl.gov／projects／cmip6／）6個全球氣候模式（表1）不同試驗(yàn)數(shù)據(jù)。歷史試驗(yàn)類包括：1）歷史全強(qiáng)迫模擬（historical），即涵蓋研究時段內(nèi)所有外部強(qiáng)迫的歷史變化;2）歷史自然強(qiáng)迫模擬（hist-nat），例如火山爆發(fā)、太陽活動的強(qiáng)迫;3）歷史溫室氣體濃度的外強(qiáng)迫模擬（hist-GHG），例如考慮CO2，CH4以及N2O等溫室氣體的強(qiáng)迫;4）歷史氣溶膠濃度模擬（hist-aer）;5）工業(yè)化前非強(qiáng)迫控制模擬的參照試驗(yàn)piControl（CTL）。未來預(yù)估試驗(yàn)為四種共享社會經(jīng)濟(jì)途徑情景（ssp126、ssp245、ssp370、ssp585）下的未來預(yù)估試驗(yàn)。歷史試驗(yàn)類數(shù)據(jù)涵蓋時間段為1961—2014年，未來預(yù)估試驗(yàn)涵蓋的時間段為2015—2100年。在計算過程中，為了賦予每個模式以相同的權(quán)重，本文在計算中均以所選模式的集合平均值，代表模式的模擬結(jié)果。

1.2 方法

1.2.1 Humidex

選取Humidex定量表征熱不舒適天數(shù)。Humidex通過溫度和濕度量化人體的熱舒適程度，能夠反映過熱過濕情況下人體的不適感，被認(rèn)為是最穩(wěn)健和最有效的舒適指數(shù)之一（Sirangelo et al.，2020）。Humidex計算公式如下（Mekis et al.，2015）：

H=T+59×6.11×e5 417.753×1273.16-1273.16+Tdew-10。（1）

其中：5 417.753是根據(jù)水分子量、蒸發(fā)潛熱、氣體常數(shù)所確定的常量;273.16為開爾文冰熔點(diǎn);變量T為地面2 m處溫度（℃），Tdew為近地面露點(diǎn)溫度（℃）。本研究中將該指數(shù)H≥40的天數(shù)認(rèn)定為熱不舒適天，此時人類會感到極不舒適，應(yīng)當(dāng)完全杜絕不必要的戶外活動（Mekis et al.，2015）。由于無法從再分析數(shù)據(jù)中直接得到露點(diǎn)溫度Tdew，本文采用迭代法計算露點(diǎn)溫度，即在水汽含量不變的前提下，通過不斷降溫使得氣團(tuán)達(dá)到飽和，則此時得到的溫度即為露點(diǎn)溫度Tdew。

1.2.2 WCI

選取了WCI定量表征冷不舒適天數(shù)。WCI表征了由于低溫空氣流過而導(dǎo)致體溫下降，人體表面通過傳導(dǎo)、蒸發(fā)、對流和輻射而失去熱量，人類對低溫和風(fēng)的一種感受程度，其多應(yīng)用于研究低溫和高風(fēng)速對人體舒適度的影響，受各國學(xué)者廣泛使用和推薦（Osczevski and Bluestein，2005;Lin et al.，2019;Kargapolova，2020）。WCI有兩種不同的計算公式（Mekis et al.，2015）。對于低風(fēng)速情況（V10 m<5 km·h-1），計算公式為：

WCI=T+-1.59+0.134 5T5V10 m。 （2）

對于高風(fēng)速（V10 m<5 km·h-1），計算公式為：

WCI=13.12+0.621 5T-11.37×V0.1610 m+0.396 5TV0.1610 m。? （3）

其中：V10 m為距離地面10 m高度處的風(fēng)速（km·h-1），T為距離地面2 m高度處溫度（℃）。本文研究中將WCI≤-30作為冷不舒適的閾值（Mekis et al.，2015）。

1.2.3 最優(yōu)指紋法

本研究基于再分析資料和CMIP6多模式模擬資料對1961—2014年歷史時期熱不舒適天數(shù)和冷不舒適天數(shù)變化情況分別使用最優(yōu)指紋法進(jìn)行檢測歸因。該方法的計算模型為下式（4）和（5）所示的回歸方程（Ribes et al.，2013）：

y=∑ni=1βixi+ε。（4）

i=xi+εxi。（5）

式（4）中：y表示觀測值，本文中為再分析資料計算所得的不舒適天數(shù);xi是通過再分析所得的不舒適天數(shù)對所研究的不同外部強(qiáng)迫（歷史全強(qiáng)迫ALL、歷史溫室氣體強(qiáng)迫GHG、歷史氣溶膠強(qiáng)迫AER、NAT、歷史人為強(qiáng)迫ANT）的氣候響應(yīng)（Zhang et al.，2013）;βi是通過調(diào)整指紋值產(chǎn)生的使模擬結(jié)果與再分析結(jié)果之間達(dá)到最佳匹配效果的標(biāo)度因子。n為所考慮的外強(qiáng)迫因子的數(shù)量，本研究定量分析個體外強(qiáng)迫單獨(dú)貢獻(xiàn)和綜合（NAT+GHG+AER）外強(qiáng)迫效應(yīng);ε是由工業(yè)化前非強(qiáng)迫控制模擬試驗(yàn)CTL估計出的高斯分布隨機(jī)殘差項所表示的內(nèi)部氣候變異因子，包含3 078年樣本數(shù)據(jù)，其中一部分?jǐn)?shù)據(jù)（29個不重疊的54 a樣本）用于計算尺度因子βi的5％～95％（即90％）不確定性區(qū)間，另一部分（28個不重疊的54 a樣本）用于數(shù)據(jù)預(yù)白化。最優(yōu)指紋因子βi的5％～95％不確定性區(qū)間可以直觀的體現(xiàn)人體舒適度變化的檢測歸因結(jié)果。判斷最優(yōu)指紋因子βi的不確定性區(qū)間與關(guān)鍵量0和1的關(guān)系，便可得到模式模擬的不同外強(qiáng)迫氣候響應(yīng)和再分析變化的方向和強(qiáng)度的一致性，進(jìn)而分析內(nèi)部變率和外部強(qiáng)迫的影響程度（Allen and Stott，2003）。當(dāng)尺度因子βi大于0則表示兩信號的方向一致，即該外強(qiáng)迫信號對研究對象的影響可以被探測到;當(dāng)尺度因子βi包含1則表示兩信號變化具有一致的方向和強(qiáng)度;當(dāng)尺度因子βi大于0且包含1則表示該強(qiáng)迫因子通過一致性檢驗(yàn)，若其在多信號檢測與歸因過程中同時被探測到，則表示所研究區(qū)域的不舒適天數(shù)變化可歸因?yàn)榇艘蜃拥挠绊?，該外?qiáng)迫可被分離占據(jù)主導(dǎo)地位（Allen and Stott，2003）。式（5）中：假設(shè)xi是未知量，εxi是根據(jù)具有與內(nèi)部可變性相關(guān)的隨機(jī)項的集合平均值。此外，本文還進(jìn)行了殘差一致性檢驗(yàn)（Allen and Stott，2003），以確定殘差項的可靠性。同時，本文將1961—2014年期間不同外強(qiáng)迫下不舒適天數(shù)的多模式集合平均趨勢值與54（共有54 a樣本）之積乘以尺度因子（5％～95％的邊界），并將再分析結(jié)果中不舒適天數(shù)的趨勢值（90％不確定性范圍）乘以54 a周期，用以定量研究人體不舒適天數(shù)的可歸因變化。

2 北半球人體舒適度歷史時空變化特征

圖1為北半球1961—2014年期間全年熱不舒適天數(shù)和冷不舒適天數(shù)氣候態(tài)分布和線性變化傾向。歷史時期北半球熱不舒適天數(shù)氣候態(tài)呈現(xiàn)低緯度偏多，高緯度偏少的空間分布型（圖1a）。中低緯度地區(qū)熱不舒適天數(shù)顯著增加，如低緯度撒哈拉沙漠地區(qū)年熱不舒適天數(shù)增加量可達(dá)1.2～2.4 d，非洲北部、阿拉伯半島、印度半島、中南半島和亞洲西部部分地區(qū)年熱不舒適天數(shù)有0.6～1.2 d的顯著增加趨勢，高緯度地區(qū)熱不舒適天數(shù)無明顯變化趨勢（圖1c）。相反，冷不舒適天數(shù)氣候態(tài)則呈現(xiàn)中高緯度地區(qū)偏多，低緯度地區(qū)偏少的空間分布型（圖1b）。北半球中高緯度地區(qū)冷不舒適天數(shù)顯著減少，亞洲北部、歐洲北部、北美、格陵蘭島及青藏高原地區(qū)年冷不舒適天數(shù)減少0.6～1.2 d，亞洲中部冷不舒適天數(shù)則有弱的增加趨勢（圖1d）。可見，北半球熱／冷不舒適天數(shù)氣候態(tài)分布和線性趨勢變化具有明顯的地域性差異。

基于上述結(jié)果，本文將分別針對高緯度地區(qū)（60°～90°N）、中緯度地區(qū)（30°～60°N）、低緯度地區(qū)（0°～30°N）3個不同緯度區(qū)域的人體舒適度變化進(jìn)行分析（圖2）。高、中、低緯度平均熱不舒適天數(shù)均呈現(xiàn)出顯著增加趨勢。其中，中緯度地區(qū)（圖2c）和低緯度地區(qū)（圖2e）熱不舒適天數(shù)有明顯的年際變化和年代際增加趨勢，其增長趨勢分別為0.770 d／（10 a）和3.458 d／（10 a），高緯度地區(qū)（圖2a）熱不舒適天數(shù)增長趨勢較小，為0.017 d／（10 a）。中高緯度冷不舒適天數(shù)則總體呈現(xiàn)出與之相反的年代際減少趨勢，下降趨勢分別為2.830 d／（10 a）（圖2b）和0.812 d／（10 a）（圖2d），低緯度（圖2f）地區(qū)冷不舒適天數(shù)極少，無顯著增減趨勢。

3 冷暖不舒適天數(shù)變化檢測與歸因

3.1 模式模擬能力評估

為了對歷史時期北半球高、中、低緯度地區(qū)熱不舒適天數(shù)和冷不舒適天數(shù)變化進(jìn)行最優(yōu)指紋法分析，本文首先對CMIP6模式的歷史氣候態(tài)及線性變化趨勢再現(xiàn)能力進(jìn)行評估，確定不同模式歷史模擬結(jié)果的可靠性。

不同模式及多模式集合平均與再分析結(jié)果的氣候態(tài)差值場顯示，IPSL-CM6A-LR（圖3f）模式對低緯度地區(qū)熱不舒適天數(shù)氣候態(tài)略有低估，其他模式（圖3b—g）則對低緯地區(qū)熱不舒適天數(shù)氣候態(tài)有所高估。對于冷不舒適天數(shù)，模式在青藏高原和格陵蘭島地區(qū)的再現(xiàn)能力存在一定的不足，如CanESM5（圖4b）和IPSL-CM6A-LR（圖4f）模式均高估了兩地的冷不舒適天數(shù)?？傮w來看，CMIP6模式基本能再現(xiàn)歷史不舒適天數(shù)的氣候態(tài)分布，模式之間存在一定差異，多模式集合平均（圖3a、4a）模擬能力明顯強(qiáng)于6種模式分別的模擬結(jié)果，其能在一定程度上減小模式之間的不確定性。

模式是否能再現(xiàn)研究對象的多年變化趨勢是評估模式模擬能力的重要指標(biāo)（Notz，2014）。進(jìn)一步通過分析6種不同模式對北半球熱不舒適天數(shù)（圖5）和冷不舒適天數(shù)（圖6）線性趨勢的模擬結(jié)果，發(fā)現(xiàn)模式能在一定程度上再現(xiàn)北半球中低緯度地區(qū)（中高緯度地區(qū)）熱不舒適天（冷不舒適天）多發(fā)區(qū)發(fā)生頻次不斷增多（減少）的特征。模式對北半球冷不舒適天數(shù)減少趨勢有所高估（圖1d、6）。從空間相關(guān)系數(shù)結(jié)果來看，其中CanESM5（圖5b、6b）、IPSL-CM6A-LR（圖5f、6f）、MIROC6（圖5g、6g）多模式集合平均（圖5a、6a）對熱不舒適天數(shù)趨勢變化的模擬結(jié)果與再分析結(jié)果最為接近。值得注意的是，對于高緯度地區(qū)模式結(jié)果表明熱不舒適天數(shù)顯著增加，再分析結(jié)果則未呈現(xiàn)出這一特征，GFDL-ESM4模式（圖6d）模擬結(jié)果在北歐表現(xiàn)出與再分析結(jié)果相反的變化趨勢。

各模式對于舒適度的模擬總體與再分析結(jié)果基本一致，但受不同模式自身缺陷和模式成員所使用的初始場和邊界條件的影響（鄭益群等，2002;葛全勝等，2010），模式結(jié)果存在一定的偏差。模式集合平均結(jié)果則能很好地再現(xiàn)冷熱不舒適天數(shù)氣候態(tài)分布特征與多年線性傾向結(jié)果，具有較高的可靠性，因此，下文針對多模式集合平均結(jié)果進(jìn)行深入分析。

3.2 北半球人體舒適度檢測歸因

通過不同歷史外強(qiáng)迫試驗(yàn)對人體舒適度變化進(jìn)行檢測歸因，探究影響不同緯度地區(qū)冷熱不舒適天數(shù)變化的主導(dǎo)因素和影響信號。圖7為不同外強(qiáng)迫影響下年平均不舒適天數(shù)的異常時間序列。結(jié)果表明全強(qiáng)迫和溫室氣體強(qiáng)迫呈現(xiàn)出一致的變化情況，即20世紀(jì)90年代以前，北半球中低緯度地區(qū)熱不舒適天數(shù)較歷史平均偏少，中高緯地區(qū)冷不舒適天數(shù)偏多，90年代以后對應(yīng)地區(qū)熱不舒適天數(shù)不斷增加，冷不舒適天數(shù)則減少。氣溶膠強(qiáng)迫僅對熱帶熱不舒適天數(shù)的影響與高緯度冷不舒適天數(shù)的影響呈現(xiàn)出相反的變化趨勢，但其影響程度極弱，自然強(qiáng)迫則無明顯影響。高緯度熱不適天數(shù)年代際變化不顯著，不同外強(qiáng)迫也無顯著影響（圖7a），但低緯度受全強(qiáng)迫和溫室氣體強(qiáng)迫影響，冷不適天數(shù)存在微弱的下降趨勢（圖7f）。結(jié)果表明溫室氣體強(qiáng)迫可能影響不舒適天數(shù)的變化，但氣溶膠強(qiáng)迫和自然因素影響不顯著。

圖8最優(yōu)指紋法定量檢測歸因結(jié)果表明，單信號ALL、GHG、ANT對北半球高緯度熱不舒適天數(shù)的變化具有正效應(yīng)（圖8a），同時GHG的正效應(yīng)也能在三信號AER、GHG和NAT協(xié)同作用中檢測到（圖8d），說明人為溫室氣體強(qiáng)迫是影響高緯熱不舒適天數(shù)變化的重要因素。中緯度地區(qū)，單信號ALL、GHG、NAT和ANT在歷史熱不舒適天數(shù)變化中均能夠被探測到（圖8b）;三信號共同強(qiáng)迫下，GHG信號被檢測到且能從不同外強(qiáng)迫信號中分離出來（圖8e），表明溫室氣體強(qiáng)迫在中緯度人體舒適度變化起主導(dǎo)作用。在低緯度地區(qū)（圖8c），單信號ALL、GHG和ANT信號對低緯度熱不舒適天數(shù)的影響能夠被探測到，且三種信號尺度因子的最佳估計值均接近單位1，表明這些強(qiáng)迫的影響與實(shí)際的熱不舒適天數(shù)變化具有較高的一致性，能夠顯著影響熱舒適度變化;AER對其產(chǎn)生負(fù)效應(yīng)，不利于熱帶熱不適天數(shù)的發(fā)生，這進(jìn)一步驗(yàn)證了上文分析中AER強(qiáng)迫下低緯度熱不適天數(shù)呈弱下降趨勢的結(jié)論;三信號組合強(qiáng)迫中溫室氣體的正效應(yīng)和氣溶膠的負(fù)效應(yīng)都能被探測到（圖8f），因此，對于北半球低緯度熱不舒適的顯著增加可以歸因?yàn)槿藶橐蛩氐挠绊?，其中人為溫室氣體排放能夠起到主導(dǎo)作用，氣溶膠強(qiáng)迫則能抑制熱不舒適天數(shù)的發(fā)生。

對于冷不舒適天數(shù)變化，高緯度地區(qū)（圖8g），單信號ALL、GHG和ANT對高緯冷不舒適天數(shù)的影響均能被檢測到;GHG能進(jìn)一步從三信號的綜合影響中分離（圖8j），主導(dǎo)高緯地區(qū)冷不舒適天數(shù)的變化;此外前文分析發(fā)現(xiàn)AER強(qiáng)迫下高緯度冷不舒適天數(shù)異常時間序列增加趨勢極弱，最優(yōu)指紋結(jié)果定量得出AER不能被檢測的結(jié)論，進(jìn)一步論證了上文分析的不確定性。中緯度地區(qū)，單信號ALL、GHG和ANT對冷不舒適天數(shù)的影響都能被檢測到（圖8h），GHG信號同時能在多信號協(xié)同影響中檢測到（圖8k），表明溫室氣體對北半球中緯度冷不舒適天數(shù)減少具有正的貢獻(xiàn)，這與歷史外強(qiáng)迫異常時間序列分析結(jié)論一致。由于低緯度冷不舒適天數(shù)發(fā)生頻率極低，其年代際變率不顯著，單信號（圖8i）和多信號（圖8l）均不能檢測到任何外強(qiáng)迫作用的影響，因此內(nèi)部變率可能維持了低緯度冷不舒適天數(shù)發(fā)生的穩(wěn)定性。

為了定量分析不同外強(qiáng)迫導(dǎo)致的不舒適天數(shù)變化，圖9進(jìn)一步分析了熱不舒適天數(shù)和冷不舒適天數(shù)變化的歸因結(jié)果。熱不舒適天數(shù)在高緯度（圖9a）、中緯度（圖9b）和低緯度（圖9c）地區(qū)分別增加了0.09（0.01～0.17） d、4.16（2.59～5.58） d和19.09（12.40～25.08） d，其中高緯度地區(qū)和中緯度地區(qū)ALL、GHG和NAT信號可以發(fā)現(xiàn)與再分析結(jié)果類似的變化，同時低緯度地區(qū)AER強(qiáng)迫下熱不舒適天數(shù)變化了6.40（4.11～8.70） d，而NAT強(qiáng)迫下熱不舒適天數(shù)的可歸因變化很小。對于冷不舒適天數(shù)高緯度地區(qū)（圖9d）和中緯度地區(qū)（圖9e）冷不舒適天數(shù)減少了-15.28（-20.42～-9.57） d和-4.38（-6.84～-1.76） d，ALL、GHG和ANT變化與再分析結(jié)果一致，表明三者降低了中高緯度冷不舒適天數(shù)。低緯度地區(qū)冷不舒適天數(shù)變化不明顯，且各類外強(qiáng)迫的可歸因變化很小。

4 北半球人體舒適度未來預(yù)估

人體舒適度檢測歸因結(jié)果表明，歷史時期北半球不同緯度區(qū)域受到人為強(qiáng)迫和自然強(qiáng)迫不同程度的影響。進(jìn)一步預(yù)估未來不同共享社會經(jīng)濟(jì)途徑情景下北半球高、中、低緯度地區(qū)年平均人體舒適度的變化情況。如圖10a所示，未來預(yù)估結(jié)果顯示高緯度地區(qū)自2060年以后熱不舒適天數(shù)在4種共享社會經(jīng)濟(jì)途徑情景中表現(xiàn)出明顯的差異，可持續(xù)發(fā)展與低輻射強(qiáng)迫情景ssp126下，熱不舒適天數(shù)幾乎不變;中度發(fā)展與中等輻射強(qiáng)迫情景ssp245下，熱不舒適天數(shù)略有增加;局部發(fā)展與中等輻射強(qiáng)迫情景ssp370下，熱不舒適天數(shù)增幅顯著，增量可達(dá)1 d／（10 a）;高速發(fā)展與高輻射強(qiáng)迫情景ssp585下，熱不舒適天數(shù)增幅較ssp370情景增加一倍，且不同模式結(jié)果差異較大，結(jié)果存在較大的不確定性。中緯度地區(qū)（圖10c），熱不舒適天數(shù)在ssp126情景下長期穩(wěn)定在20～25 d，到2060年后甚至有弱的減少趨勢;ssp245情景下，熱不舒適天數(shù)逐年增加，到2080年以后維持在30 d左右;ssp370與ssp585情景下，熱不舒適天數(shù)增幅分別為0.3 d／a和0.5 d／a左右，表明人體舒適度顯著降低。低緯度地區(qū)（圖10e）與中緯度地區(qū)較為一致，ssp126與ssp245情景下，熱不舒適天數(shù)在2080年以前有弱的增加趨勢，2080年以后則維持穩(wěn)定，ssp370與ssp585情景下，兩者熱不舒適天數(shù)均顯著增加，到2100年北半球低緯度地區(qū)年平均熱不舒適天數(shù)占全年總天數(shù)的70％～75％。對于冷不舒適天數(shù)，模式結(jié)果表明未來高緯度地區(qū)人類將經(jīng)歷更少的冷不舒適天數(shù)（圖10b），其中ssp126與ssp245情景下，冷不舒適天數(shù)持續(xù)減少，到2080年以后分別維持在110～120 d和90～100 d，ssp370情景下年平均冷不舒適天數(shù)在未來將減少60 d左右，ssp585情景下則減少80 d左右。中緯度地區(qū)冷不舒適天數(shù)變化與高緯度地區(qū)基本一致（圖10d），即ssp126與ssp245情景下冷不舒適天數(shù)先減少后趨于穩(wěn)定，ssp370和ssp585情景下冷不舒適天數(shù)逐年下降，其中ssp585情景下下降趨勢明顯強(qiáng)于ssp370情景。對于熱帶地區(qū)（圖10f），ssp126、ssp245與ssp370情景下冷不舒適天數(shù)常年維持在1 d左右，ssp585情景下人體冷不舒適天數(shù)持續(xù)減少，至世紀(jì)末將趨于消失。

5 結(jié)論和討論

本文重點(diǎn)研究了北半球高緯度地區(qū)，中緯度地區(qū)和低緯度地區(qū)全年熱不舒適天數(shù)和冷不舒適天數(shù)歷史時空變化特征并對其進(jìn)行檢測歸因，并進(jìn)一步預(yù)估了不同情景下未來冷熱不舒適天數(shù)的變化情況。主要結(jié)論如下：

1）1961—2014年北半球中低緯度地區(qū)熱不舒適發(fā)生天數(shù)偏多，中高緯度地區(qū)冷不舒適發(fā)生天數(shù)偏多，北半球中低緯度地區(qū)熱不舒適天數(shù)與中高緯度地區(qū)冷不舒適天數(shù)具有明顯的年代際變化特征，其中中低緯度地區(qū)熱不舒適天數(shù)顯著增加，中高緯度地區(qū)冷不舒適天數(shù)顯著減少。

2）CMIP6的6個氣候模式的多模式集合平均結(jié)果能很好重現(xiàn)北半球熱、冷不舒適天數(shù)的氣候態(tài)分布及線性變化趨勢?；诖说臋z測歸因結(jié)果表明，ALL，ANT和GHG信號能在北半球高緯度較弱的熱不舒適天數(shù)增加趨勢和較強(qiáng)的冷不舒適天數(shù)減少趨勢中檢測到，其中GHG主導(dǎo)高緯度地區(qū)冷不舒適天數(shù)的變化;ALL、GHG和ANT三種外強(qiáng)迫對中緯度冷熱不舒適天數(shù)的影響均能被檢測到，其中GHG主導(dǎo)中緯度熱不舒適天數(shù)顯著的年代際增加趨勢;低緯度地區(qū)，強(qiáng)烈的熱不舒適天數(shù)增加現(xiàn)象可歸因?yàn)槿藶闇厥覛怏w強(qiáng)迫作用，此外氣溶膠能夠產(chǎn)生相反的作用減少熱不舒適的發(fā)生，但冷不舒適的產(chǎn)生則可能受氣候系統(tǒng)內(nèi)部的調(diào)控作用。

3）未來ssp585與ssp370情景下北半球人類將經(jīng)歷更多的熱不舒適天數(shù)，到2100年北半球熱帶年平均熱不舒適天數(shù)占全年總天數(shù)的70％～75％，同時中高緯度人類經(jīng)受的冷不舒適感將大幅減少。此外，在ssp245和ssp126情景下，北半球冷熱不舒適天數(shù)將在21世紀(jì)中后期維持在穩(wěn)定的水平。在全球變暖背景下，溫室氣體排放與人體舒適度密切相關(guān)，未來堅持可持續(xù)發(fā)展不斷減少溫室氣體排放對生存環(huán)境的影響是構(gòu)建人類舒適環(huán)境，提高居民幸福感的重要保障。

以上結(jié)論主要基于NCEP／NCAR再分析資料和CMIP6模式模擬資料，由于所需氣象變量的限制，本文僅使用了6種模式模擬資料，所用模式數(shù)量較少，若能增加所使用的模式數(shù)量，結(jié)果可能會更為準(zhǔn)確，該工作有待今后進(jìn)一步分析驗(yàn)證。

致謝：感謝NCEP／NCAR提供的近地面氣溫、相對濕度和風(fēng)速再分析資料，CMIP6提供的多種模式資料。

參考文獻(xiàn)（References）

Allen M R，Stott P A，2003.Estimating signal amplitudes in optimal fingerprinting，part I：theory［J］.Climate Dyn，21（5／6）：477-491.doi：10.1007／s00382-003-0313-9.

Bergmann K C，2016.Weather conditions and climate change have an effect on allergies［J］.Allergo J Int，25（5）：131-137.doi：10.1007／s40629-016-0119-z.

Blazejczyk K，Epstein Y，Jendritzky G，et al.，2012.Comparison of UTCI to selected thermal indices［J］.Int J Biometeorol，56（3）：515-535.doi：10.1007／s00484-011-0453-2.

Di Napoli C，Barnard C，Prudhomme C，et al.，2021.ERA5-HEAT：a global gridded historical dataset of human thermal comfort indices from climate reanalysis［J］.Geosci Data J，8（1）：2-10.doi：10.1002／gdj3.102.

段培永，郭東東，李慧，等，2011.一種基于數(shù)據(jù)的夏季居住環(huán)境熱舒適度控制方法［J］.山東建筑大學(xué)學(xué)報，26（1）：1-7. Duan P Y，Guo D D，Li H，et al.，2011.A novel data-based thermal comfort control method for living environments in summer［J］.J Shandong Jianzhu Univ，26（1）：1-7.（in Chinese）.

Dunjic＇ J，2019.Outdoor thermal comfort research in urban areas of Central and Southeast Europe：a review［J］.Geogr Pannonica，23（4）：359-373.doi：10.5937／gp23-24458.

Fiala D，Havenith G，Brde P，et al.，2012.UTCI-Fiala multi-node model of human heat transfer and temperature regulation［J］.Int J Biometeorol，56（3）：429-441.doi：10.1007／s00484-011-0424-7.

Fransson N，Vstfjll D，Skoog J，2007.In search of the comfortable indoor environment：a comparison of the utility of objective and subjective indicators of indoor comfort［J］.Build Environ，42（5）：1886-1890.doi：10.1016／j.buildenv.2006.02.021.

Gao X J，Wu J，Shi Y，et al.，2018.Future changes in thermal comfort conditions over China based on multi-RegCM4 simulations［J］.Atmos Ocean Sci Lett，11（4）：291-299.doi：10.1080／16742834.2018.1471578.

葛全勝，王紹武，方修琦，2010.氣候變化研究中若干不確定性的認(rèn)識問題［J］.地理研究，29（2）：191-203. Ge Q S，Wang S W，F(xiàn)ang X Q，2010.An uncertainty analysis of understanding on climate change［J］.Geogr Res，29（2）：191-203.doi：10.1038／ngeo208.（in Chinese）.

Hppe P，1999.The physiological equivalent temperature-a universal index for the biometeorological assessment of the thermal environment［J］.Int J Biometeorol，43（2）：71-75.doi：10.1007／s004840050118.

胡曉倩，張蓮，蔣東榮，2014.遺傳神經(jīng)網(wǎng)絡(luò)在室內(nèi)環(huán)境熱舒適度融合評價中的應(yīng)用研究［J］.重慶理工大學(xué)學(xué)報（社會科學(xué)）（9）：102-107. Hu X Q，Zhang L，Jiang D R，2014.Research on genetic neural network fusion for evaluation of indoor thermal comfort degree［J］.J Chongqing Univ Technol Soc Sci（9）：102-107.（in Chinese）.

Kalnay E，Kanamitsu M，Kistler R，et al.，1996.The NCEP／NCAR 40-year reanalysis project［J］.Bull Amer Meteor Soc，77（3）：437-471.doi：10.1175／1520-0477（1996）077<0437：tnyrp>2.0.co;2.

Kargapolova N，2021.Numerical stochastic model of non-stationary time series of the wind chill index［J］.Methodol Comput Appl Probab，23（1）：257-271.doi：10.1007／s11009-020-09778-x.

樂滿，王式功，張志薇，等，2019.1961—2014年中國大陸舒適度時空變化［J］.蘭州大學(xué)學(xué)報，55（4），455-462. Le M，Wang S G，Zhang Z W，et al.，2019.Analysis of spatio-temporal changes in human comfort levels from 1961—2014 in China Mainland［J］.J Lanzhou U，55（4）：455-462.（in Chinese）.

Lin L J，Luo M，Chan T O，et al.，2019.Effects of urbanization on winter wind chill conditions over China［J］.Sci Total Environ，688：389-397.doi：10.1016／j.scitotenv.2019.06.145.

劉梅，于波，姚克敏，2002.人體舒適度研究現(xiàn)狀及其開發(fā)應(yīng)用前景［J］.氣象科技，30（1）：11-14，18. Liu M，Yu B，Yao K M，2002.Research status and development application prospects of human comfort［J］.Meteorol Sci Technol，30（1）：11-14，18.（in Chinese）.

Liu W W，Zhang Y X，Deng Q H，2016.The effects of urban microclimate on outdoor thermal sensation and neutral temperature in hot-summer and cold-winter climate［J］.Energy Build，128：190-197.doi：10.1016／j.enbuild.2016.06.086.

Mekis ，Vincent L A，Shephard M W，et al.，2015.Observed trends in severe weather conditions based on humidex，wind chill，and heavy rainfall events in Canada for 1953—2012［J］.Atmosphere-Ocean，53（4）：383-397.doi：10.1080／07055900.2015.1086970.

Moore F C，Obradovich N，Lehner F，et al.，2019.Rapidly declining remarkability of temperature anomalies may obscure public perception of climate change［J］.Proc Natl Acad Sci U S A，116（11）：4905-4910.doi：10.1073／pnas.1816541116.

Notz D，2014.Sea-ice extent and its trend provide limited metrics of model performance［J］.Cryosphere，8（1）：229-243.doi：10.5194／tc-8-229-2014.

Osczevski R，Bluestein M，2005.The new wind chill equivalent temperature chart［J］.Bull Amer Meteor Soc，86（10）：1453-1458.doi：10.1175／bams-86-10-1453.

喬平，張珺，謝祥永，等，2018.氣象因子變化對人體舒適度影響相關(guān)性分析［J］.信息系統(tǒng)工程（8）：149-150. Qiao P，Zhang J，Xie X Y，et al.，2018.Correlation analysis of influence of meteorological factor changes on human comfort［J］.Inf Syst Eng（8）：149-150.（in Chinese）.

Ribes A，Planton S，Terray L，2013.Application of regularised optimal fingerprinting to attribution.Part I：method，properties and idealised analysis［J］.Climate Dyn，41（11／12）：2817-2836.doi：10.1007／s00382-013-1735-7.

Roshan G R，Ranjbar F，Orosa J A，2010.Simulation of global warming effect on outdoor thermal comfort conditions［J］.Int J Environ Sci Technol，7（3）：571-580.doi：10.1007／BF03326166.

Sirangelo B，Caloiero T，Coscarelli R，et al.，2020.Combining stochastic models of air temperature and vapour pressure for the analysis of the bioclimatic comfort through the Humidex［J］.Sci Rep，10：11395.doi：10.1038／s41598-020-68297-4.

Sloan C，Moore M L，Hartert T，2011.Impact of pollution，climate，and sociodemographic factors on spatiotemporal dynamics of seasonal respiratory viruses［J］.Clin Transl Sci，4（1）：48-54.doi：10.1111／j.1752-8062.2010.00257.x.

Song Y，Mao F B，Liu Q，2019.Human comfort in indoor environment：a review on assessment criteria，data collection and data analysis methods［J］.IEEE Access，7：119774-119786.doi：10.1109／ACCESS.2019.2937320.

Tsutsumi H，Tanabe S I，Harigaya J，et al.，2007.Effect of humidity on human comfort and productivity after step changes from warm and humid environment［J］.Build Environ，42（12）：4034-4042.doi：10.1016／j.buildenv.2006.06.037.

Wu F F，Yang X H，Shen Z Y，2019.Regional and seasonal variations of outdoor thermal comfort in China from 1966 to 2016［J］.Sci Total Environ，665：1003-1016.doi：10.1016／j.scitotenv.2019.02.190.

Wu J，Gao X J，Giorgi F，et al.，2017.Changes of effective temperature and cold／hot days in late decades over China based on a high resolution gridded observation dataset［J］.Int J Climatol，37：788-800.doi：10.1002／joc.5038.

尹志聰，王會軍，段明鏗，2019.近幾年我國霾污染實(shí)時季節(jié)預(yù)測概要［J］.大氣科學(xué)學(xué)報，42（1）：2-13. Yin Z C，Wang H J，Duan M K，2019.Outline of the real-time seasonal haze pollution prediction in China in recent years［J］.Trans Atmos Sci，42（1）：2-13.（in Chinese）.

于恩濤，孫建奇，2019.基于多區(qū)域模式集合的中國西部干旱區(qū)極端溫度未來預(yù)估［J］.大氣科學(xué)學(xué)報，42（1）：46-57. Yu E T，Sun J Q，2019.Extreme temperature projection over northwestern China based on multiple regional climate models［J］.Trans Atmos Sci，42（1）：46-57.（in Chinese）.

Zhang N，Cao B，Wang Z，et al.，2017.A comparison of winter indoor thermal environment and thermal comfort between regions in Europe，North America，and Asia［J］.Build Environ，100（117）：208-217.

Zhang X B，Wan H，Zwiers F W，et al.，2013.Attributing intensification of precipitation extremes to human influence［J］.Geophys Res Lett，40（19）：5252-5257.doi：10.1002／grl.51010.

張小曳，孫俊英，王亞強(qiáng)，等，2013.我國霧-霾成因及其治理的思考［J］.科學(xué)通報，58（13）：1178-1187. Zhang X Y，Sun J Y，Wang Y Q，et al.，2013.Factors contributing to haze and fog in China［J］.Chin Sci Bull，2013，58（13）：1178-1187.（in Chinese）.

鄭益群，錢永甫，桂祈軍，等，2002.初、邊值條件對區(qū)域氣候模擬的影響［J］.大氣科學(xué)，26（6）：794-806. Zheng Y Q，Qian Y F，Gui Q J，et al.，2002.Effects of initial／lateral boundary conditions on regional climate simulations［J］.Chin J Atmos Sci，26（6）：794-806.（in Chinese）.

鄭有飛，余永江，談建國，等，2007.氣象參數(shù)對人體舒適度的影響研究［J］.氣象科技，35（6）：827-831. Zheng Y F，Yu Y J，Tan J G，et al.，2007.Influence of meteorological parameters on human comfort index［J］.Meteorol Sci Technol，35（6）：827-831.（in Chinese）.

周波濤，徐影，韓振宇，等，2020.“一帶一路”區(qū)域未來氣候變化預(yù)估［J］.大氣科學(xué)學(xué)報，43（1）：255-264. Zhou B T，Xu Y，Han Z Y，et al.，2020.CMIP5 projected changes in mean and extreme climate in the Belt and Road region［J］.Trans Atmos Sci，43（1）：255-264.（in Chinese）.

·ARTICLE·

Attribution analysis of human discomfort days in the Northern Hemisphere and their prediction in the future

LI Wanling1，HAO Xin1，2，3

1School of Atmospheric Sciences，Nanjing University of Information Science and Technology，Nanjing 210044，China;

2Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters／Key Laboratory of Meteorological Disaster，Ministry of Education，Nanjing University of Information Science and Technology，Nanjing 210044，China;

3Nansen-Zhu International Research Center，Institute of Atmospheric Physics，Chinese Academy of Sciences，Beijing 100029，China

Abstract This study analyzes the spatiotemporal variation of heat discomfort days characterized by Humidex and cold discomfort days represented by Wind Chill Index in different latitudes （high latitudes，middle latitudes，and low latitudes） of the northern hemisphere during 1961—2014，using NCEP／NCAR reanalysis data and simulations from six CMIP6 models.The investigation focuses on the attribution of these discomfort days.The results show a significant increase in the frequency of heat discomfort in the middle and low latitudes，and a significant decrease in the frequency of cold discomfort in the middle and high latitudes of the northern hemisphere.Furthermore，using the optimal fingerprint method，we find that the increased frequency of heat discomfort in middle latitude and the decreased frequency of cold discomfort in high latitude can be attributed to ALL，ANT，and GHG forcings，with GHG forcing dominating changes in the frequency of heat discomfort in mid-latitude areas and the frequency of cold discomfort in high-latitude areas.In the low latitudes，the significant increase in the frequency of heat discomfort can be attributed to anthropogenic greenhouse gas forcing，while AER has the opposite effect.The frequency of cold discomfort may be attributed to the internal variability of the climate system.In the future，the frequency of heat （cold） discomfort in the middle and low latitudes （middle and high latitudes） is expected to increase （decrease） under the uncoordinated and rapid development with higher radiative forcing.However，low radiative forcing and sustainable development can ensure a stable level of human comfort.

Keywords thermal comfort;humidex;wind chill index;greenhouse gases;aerosol;anthropogenic forcing

doi：10.13878／j.cnki.dqkxxb.20210519001

（責(zé)任編輯：袁東敏）