EN中文

Acta Geographica Sinica >

2019 , Vol. 74 >Issue 9: 1866 - 1877

DOI: https://doi.org/10.11821/dlxb201909012

Land Use and Ecological Environment

Spatiotemporal variability of actual heating energy efficiency and its influencing factors in areas south and north of Qinling-Huaihe Line

  • LI Shuangshuang ,
  • YAN Junping ,
  • WU Yaqun ,
  • WANG Chengbo
Expand
  • School of Geography and Tourism, Shaanxi Normal University, Xi'an 710119, China

Received date: 2018-09-10

  Request revised date: 2019-07-01

  Online published: 2019-09-25

Supported by

National Natural Science Foundation of China(41701592)

National Natural Science Foundation of China(41877519)

Fundamental Research Funds for the Central Universities(GK201703048)

Copyright

Copyright reserved © 2019. Office of Acta Geographica Sinice All articles published represent the opinions of the authors, and do not reflect the official policy of the Chinese Medical Association or the Editorial Board, unless this is clearly specified.
Fold

Abstract

Using daily temperature observations from the National Meteorological Information Center of China, we analyzed the spatiotemporal variation in actual heating energy efficiency in areas south and north of the Qinling Mountains-Huaihe River (hereafter Qinling-Huanhe Line) over the period 1960-2016. The dynamic heating index, defined as the difference between fixed and dynamic heating energy consumption during the entire heating season, was used. Specifically, we analyzed the spatiotemporal response of actual heating energy efficiency to the Arctic Oscillation (AO) index, where changes in the circulation pattern bring frigid winter air to eastern China in the negative phase, resulting in increased heating energy demand. The results showed that: (1) spatial pattern of heating energy consumption in areas south and north of the Qinling-Huaihe Line was high in the eastern and southern regions, but low in the western and northern regions. The signal of decreasing heating energy demand in the lower latitudes of the region occurred earlier than in the higher latitudes. (2) On the whole, actual regional heating energy efficiency showed a decreasing trend that was corresponded with regional warming. In the north, however, the decreasing trend was weaker than in the south during the study period. This implies that residents continued to adopt a fixed-date strategy in the heating season, thus heating energy waste would increase consistently throughout the seven sub-regions, especially in the south. (3) Comparing the situation before and after climate change, i.e., 1960-1990 versus 1990-2016, we found that substantial changes were not evident in the spatial pattern of heating energy consumption in areas south and north of the Qinling-Huaihe Line. Nevertheless, there were differences in the response of temperature variations to climate change. The lower reaches of the Yangtze River, the Hanjiang River Basin, and the Wushan Mountains were some areas where heating energy waste was slowly increasing. A faster increase in heating energy waste mainly occurred in the eastern Huaihe Plain, the northwestern lower Yellow River Basin, and the Qinling-Bashan Mountains. (4) Actual heating energy efficiency had a close relationship with AO in the south-north transitional zone of China. Over the past 57 years, the AO alternated between positive and negative phases. Starting in the 1990s, the AO tended to be more of a positive phase pattern, in which higher pressure at the mid-latitudes drove warm air farther north, bringing warmer winters to the Qinling-Huaihe region, and thus decreased heating energy consumption. Spatially, the most sensitive responses of heating energy efficiency to climate change occurred in the southern Huaihe Plain and the northern regions of the lower Yangtze River Basin. In future, we should mitigate the risks of extreme climate change in sharply negative phases of the AO warrant attention, and develop policies concerning household heating in the south-north transitional zone of China.

Key words： climate change; heating energy efficiency; spatiotemporal analysis; Arctic oscillation; Qinling-Huaihe region

Cite this article

LI Shuangshuang , YAN Junping , WU Yaqun , WANG Chengbo . Spatiotemporal variability of actual heating energy efficiency and its influencing factors in areas south and north of Qinling-Huaihe Line[J]. Acta Geographica Sinica, 2019 , 74(9) : 1866 -1877 . DOI: 10.11821/dlxb201909012

1 引言

2018年,IPCC“城市与气候变化科学会议”科学指导委员会专家在Nature发表《城市与气候变化的6个优先研究领域》,呼吁建立合作机制,进行长期跨学科研究,更好理解城市气候风险与碳排放的复杂关系[1]。当前中国经历快速城市化,增强城市适应能力、提高恢复力和降低气候脆弱性,是当前适应气候变化研究的前沿问题[2]。依据中国综合气候变化风险区划,秦岭—淮河地区是中国重要的地理生态分界线,也是人口密集区,且处于华北弱暖增雨与华东—华中强暖减雨的过渡带[3,4,5]。因此,关注全球变暖背景下中国南北过渡带能源消耗时空规律,对区域环境保护和气候适应具有重要的指示意义。
中国早期供暖采暖体系中,供暖季确定主要依据户外平均气温是否稳定在5 ℃以下[6]。全球变暖背景下,暖冬日数不断增加,极端天气波动增强[7]。供暖起止时间不仅关乎财政负担成本,也影响着煤炭、天然气和电力消耗等能源供应体系[8]。在供暖标准时效性层面,中国北方现行的“当年11月15日到次年3月15日”供暖时间,形成于20世纪70年代,是参照20世纪50年代气候条件和采暖补贴政策制定的。特定历史时期,受社会发展和经济水平等因素制约,供暖标准并非完全以人体适宜温度为出发点[9]。值得一提的是,杭州属于夏热冬冷区,因不属于北方“采暖区”,没有集中供暖设施,也没有相关供暖规定。近年来杭州市民对冬季供暖需求日益增加,仅2016年杭州就增加了8000户地暖用户,地暖用户总量达3万户[10]。可见,当前居民经济生活水平不断提高,越来越多的家庭追求更好的生活品质,中国南北过渡带入冬供暖初日如何变化,是否提前供暖,南方地区是否供暖,已成为群众关心、政府决策的民生问题。当前,中国南北分界线格局如何变化,重新划分南北供暖分界线是否存在能源浪费,回答上述问题正是地理学研究的优势,也是地理学关注复杂人地系统的重要实践。
回顾已有研究发现,在中国冬季供暖能耗分析中,研究区域主要集中于中国北方（内蒙古、山东、新疆和东北地区等）以及北方重点城市（北京、天津和济南等）的供暖需求变化,对中国南北过渡带供暖效率变化研究相对较少;在研究方法和内容方面,大致可以分为：年代尺度供暖度日衡量、度—时法供暖强度评价、供暖时长及起止日期变化3种类型。急需构建新的指标体系对中国南北过渡带冬季供暖变化特征进行再认识[11,12,13,14,15,16,17]。基于此,本文利用秦岭—淮河南北及其周边196个站点气温数据,构建实际供暖能耗指数,对中国南北过渡带冬季供暖能耗变化规律进行分析;进而以北极涛动（AO）为切入点,分析冬季环流异常与供暖格局的时空响应关系,以期为区域科学气候适应变化提供理论依据。

2 资料与方法

2.1 资料来源

秦岭—淮河南北及其周边196个站点逐日气温数据,来源于中国气候数据网。由于城市化进程加快,原设立在城市的气象站点观测环境发生变化,对客观记录气候资料产生影响,许多站点进行迁址[18]。为了保证气候资料的均一性,在此利用中国科学院大气物理研究所提供的全国CHTM 3.0均一化数据集,以减少区域内站点因迁站、或观测仪器更新等导致的系统性偏差,更加准确地评估供暖格局变化特征（图1）。
图1 秦岭—淮河南北气候分区及气象站点空间分布图

Fig. 1 Climatic region and distribution of meteorological stations in areas south and north of Qinling Mountains-Huaihe Line

2.2 研究方法

（1）供暖初日、供暖终日和供暖时长
《民用建筑热工设计规范》规定,北方城镇供暖期,以连续5天室外平均气温≤ 5.0 ℃作为判断标准,识别供暖初日和终日[9]。由于秦岭山地阻挡,四川盆地冬季气温高于同纬度地区,且冷暖波动较小。统计研究区供暖初日和终日变化,可见1960-2016年关中平原、黄河下游、秦巴山地和淮河平原缺失年份为零,长江下游为零星缺失,四川盆地和巫山山区缺失年份占比较多（图2a）。再对比1990年前后缺失年份占比变化发现,受区域气候变暖影响,四川盆地和巫山山区也是供暖初日和终日缺失数据主要增长区（图2b）。因此,分析四川盆地和巫山山区供暖能耗时,对缺失年的供暖能耗值赋值为空。
图2 秦岭—淮河南北各站点供暖初日和终日的缺失比重

Fig. 2 The absence rate of beginning and ending dates of heating season in areas south and north of Qinling-Huaihe Line

（2）供暖能耗指数构建
供暖度日（HDD）,是常用的寒冷天气中室内供暖能源效率的估算量[15]。按照已有供暖室内温度标准,选取18.0 ℃作为供暖度日阈值。计算公式如下：
HDD = ∑ i = 1 n ( T i - 18.0 ) , T 0 ≥ T i 0 , T 0 < T i
式中：Ti为供暖期室外逐日平均温度;T0为中国供暖期室外基础温度,为5.0 ℃;n为供暖天数,不同站点因气候背景差异有所不同。
实际供暖期能耗（HDD-L）,指供暖采暖从每年11月15日开始供暖,到次年3月15日结束,维持室内18.0 ℃基础温度,所需供暖能源消耗。计算实际供暖期能耗时,各地供暖时长相同,无论室外平均温是否高于5.0 ℃,均提供供暖。
动态供暖期能耗（HDD-S）,指以连续5 d室外平均气温≤ 5.0 ℃作为供暖初日和终日判断标准,计算维持室内18.0 ℃基础温度,所需供暖能源消耗。动态供暖能耗主要考虑各地供暖时长差异,避免统一起止日期带来的能源浪费。
秦岭—淮河南北供暖效率时空变化分析中,构建实际供暖能耗指数,计算公式如下：
T S i = ( HD D - L i - HD D - S i ) / HD D - L i
式中：TSi为实际供暖能耗指数,i为年份序列,HDD-Si为第i年动态供暖期能耗,HDD-Li为第i年实际供暖期能耗。当TSi为正值,表示在固定时期供暖策略下,供暖能耗偏高,且绝对值越大,供暖能耗浪费越大;当TSi为负值,表示在固定时期供暖策略下,供暖能力不足,且绝对值越大,能耗缺口越大。
（3）趋势分析法
由于线性回归要求气候序列符合正态分布,且易受异常值干扰,Sen趋势度逐渐被引入气候趋势分析[19]。在此结合Sen+Mann-Keddall趋势分析方法,对秦岭—淮河南北动态供暖效率趋势分析,计算公式如下：
β = mean x j - x i j - i , ∀ j > i
式中：β为实际供暖能耗指数的趋势度;xi和xj为供暖能耗指数序列;i和j分别为年份序列。若β值为正,表示在固定时期供暖策略下,实际供暖能耗逐年增大,供暖策略趋于不合理;若β值为负,表示在固定时期供暖策略下,实际供暖能力趋向不足。

3 结果与分析

3.1 秦岭—淮河南北供暖效率趋势变化

1960-2016年,秦岭—淮河南北冬半年供暖能耗指数呈现“南多北少,西低东高”的变化特征（表1）。其中,① 秦岭—淮河以南处于亚热带,加之秦岭山地对冷空气阻挡,四川盆地、巫山山区和长江下游实际能耗指数明显偏高,说明固定日期供暖策略,区域供暖能耗充足,且从长江下游向四川盆地能耗偏高程度逐渐增加;② 秦岭—淮河以北地区规律恰好相反,关中平原实际供暖能耗指数为0.085,低于东部的黄河下游（0.125）,说明关中平原供暖季气温偏低,采用固定日期的供暖策略,能耗浪费相对较轻;③ 从长期趋势分析,秦岭—淮河南北实际供暖能耗整体呈现上升趋势,且南部上升快于北部,其中,长江下游增加速率最高为3.45%/10a,其次是淮河平原（3.04%/10a）和巫山山区（2.74%/10a）。说明在全球变暖背景下,尤其受冬季快速增温影响,中国南北过渡带采取固定时期供暖策略,7个分区能耗浪费均呈现增加趋势,且南方地区增速快于北方。
表1 秦岭—淮河南北实际供暖能耗指数统计特征

Tab. 1 The statistics of actual heating energy consumption in areas south and north of Qinling-Huaihe Line

指标 秦岭—淮河以北 秦岭—淮河以南
关中平原 黄河下游 秦巴山区 淮河平原 四川盆地 巫山山区 长江下游
1960-1990年 0.063 0.123 0.229 0.195 0.782 0.470 0.381
1990-2016年 0.115 0.200 0.293 0.299 0.819 0.572 0.511
两阶段增长率(%) 83.1↑ 62.0↑ 27.8↑ 53.6↑ 4.7↑ 21.8↑ 33.9↑
变化趋势(%/10a) 1.76 2.37 1.90 3.04 0.75 2.74 3.45
变异系数 0.807 0.489 0.374 0.432 0.115 0.248 0.335
Pettier突变点 1997 1993 1997 1993 1989 1989 1987
从15 a滑动平均曲线分析,1960-2016年秦岭—淮河南北7个分区尽管波动幅度存在差异,但年代变化阶段具有相似性,共同表现为：① 20世纪60-70年代先降后升,形成第一个能耗指数的谷值期;② 20世纪80-90年代中期,实际供暖能耗指数经历了先下降后快速上升,形成第二个能耗指数的谷值期;③ 20世纪90年代中期-21世纪初,受2008年极寒天气影响,112°E经线以东地区供暖能耗指数出现下降,但是多数年份仍为正距平,整个时段内形成一个双峰结构（图3）。目前,北半球、欧亚大陆和中国变暖趋缓,1998-2014年秦岭—淮河大部分地区秋冬两季也由增温趋势转为降温趋势[20]。《2017年中国气候公报》气温变化分析显示,2015-2017年中国气温同比偏高,且2017年平均温较常年偏高0.84 ℃,冬季气温创历史新高[21]。从长期变化分析,气温局部波动并未改变增暖趋势,秦岭—淮河南北实际供暖能耗指数第三阶段中第二个峰值会更加明显。
图3 1960-2016年秦岭—淮河南北实际供暖能耗指数变化特征

Fig. 3 Variation of actual heating energy consumption in areas south and north of Qinling-Huaihe Line in 1960-2016

利用Pettitt非参数检验方法,分析秦岭—淮河南北实际供暖效率的突变特征,发现关中平原和秦巴山区突变时间点最晚为1997年,四川盆地、巫山山区和长江下游突变时间点最早为1989年前后,黄河下游和淮河平原突变点具有一致性,均为1993年,这与高纬度气温突变转暖时间偏早规律相反[22],说明在冬半年供暖能耗响应方面,高纬度地区响应要慢于低纬度,低纬度供暖需求下降的信号早于高纬度地区（表1）。

3.2 秦岭—淮河南北供暖效率空间变化特征

相关研究表明,20世纪60年代以来,中国气候由相对偏冷的时期（1960-1986年）转为一个相对偏暖的时期（1987-2011年）,陆地表层区域格局也随之发生变化,其中北亚热带北界和暖温度北界北移最为明显[23]。在本文中,秦岭—淮河南北是区域变暖响应的敏感区域,供暖效率空间格局呈现“整体格局稳定,增幅北高南低”的变化特征,其响应变化略滞后于气温变化（图4）。具体特征如下：① 对比区域气候变暖前后,秦岭—淮河南北冬季供暖能耗指数1960-1990年和1990-2016年两阶段空间变化,发现“整体南高北低,北部东高西低”的格局并未发生实质性变化,如黄河下游、关中平原并未从0.0~0.25等级突破至0.25~0.35等级,其他区域等级也维持稳定。由此可见,尽管冬季增温迅速,但是固定供暖策略,尚未导致大规模能源浪费现象出现;② 以固定时期为供暖策略,“四川盆地—长江中下游”一带处于能源消耗偏高,除部分山区外,多数区域以深红色为主;对于淮河平原和汉中谷地而言,实际能耗指数居中（淡红色为主）,而黄河下游、关中平原则为能源供给平衡,浪费程度较低,空间分布以蓝色和白色为主。
图4 1960-2016年秦岭—淮河南北冬季供暖能耗指数变化格局

Fig. 4 Spatial pattern of actual heating energy consumption in areas south and north of Qinling-Huaihe Line

冬季供暖能耗等级划分可反映宏观格局,但也掩盖了变化幅度较弱,没有突破等级阈值的情况。需要从趋势变化角度,再认识秦岭—淮河南北近年来供暖效率空间变化规律（图4c）。结果表明：① 淮河平原东部、黄河下游西北以及秦巴山区,为供暖能耗指数增加的主要区域;② 关中平原、淮河平原西部、江汉平原的供暖能耗指数增幅,处于中等水平,与之相比,长江下游、汉江谷地和巫山山区增幅则相对较小;③ 受地形条件影响,加之水热条件充足,四川盆地供暖能耗指数变化与其他区域形成差异,表现为不显著的能源需求增加,这可能与四川盆地冬季增温幅度相对较弱,且有下降趋势有关[24]。

3.3 北极涛动对秦岭—淮河南北供暖效率变化的影响

AO具有半球尺度的大气异常环流形态,是一种平流层和对流层耦合的异常环流型,影响北半球冬季天气状况[25]。相关研究表明,AO不但与中国北方（35°N以北地区）冬季气温异常具有显著的相关性,也与江南地区气温具有同期负相关的关系[26]。在AO正相位时,极地高压区南扩,耦合西伯利亚高压、西风急流等天气系统,东亚冬季风明显偏弱,寒潮和冷空气频次减少,冬季降水增多;反之,在AO负相位时,中纬度地区气压相对较低,东亚冬季风增强,亚洲内陆气候寒冷,易发生极端低温事件[27,28,29]。为了分析AO对中国南北过渡带冬季供暖效率的影响,利用美国国家海洋大气局提供的AO指数,以AO指数大于或小于0.5个标准差,确定AO正异常年和负异常年,以AO正常年为气候平均态（表2）。
表2 北极涛动正负相位异常年份

Tab. 2 The Arctic Oscillation in positive and negative phases

标准 年份
正距平 ≥ 0.5 1972, 1975, 1988, 1989, 1991, 1992, 1994, 1999, 2001, 2006, 2007, 2011, 2013, 2014, 2016
负距平 ≤ -0.5 1961, 1962, 1964, 1965, 1968, 1969, 1976, 1979, 1980, 1984, 1985, 1986, 1995, 1997, 2000, 2005, 2009, 2012
将实际供暖能耗指数分为6个等级,高于0.25表示供暖能耗偏高,低于0.25表示供暖能耗不足,介于两者之间为正常波动（图5）。结果表明：① 在AO正常年,实际供暖能耗指数0.25等值线（白色与淡红界线）,从西向东依次穿过汉江谷地和淮河平原。与此同时,四川盆地、巫山山区和长江下游整体能耗偏高,淮河平原北部、黄河下游和关中平原为正常波动（白色底纹）;② 对比AO正负相位空间变化,并结合站点尺度分布规律,发现AO正负相位冬季供暖能耗指数空间相似,“整体南高北低,北部东高西低”格局并未发生变化,特别是四川盆地,AO正负相位变化对其影响相对较小。
图5 北极涛动对秦岭—淮河南北实际供暖能耗指数变化的影响

Fig. 5 Influence of AO on actual heating energy consumption in areas south and north of Qinling-Huaihe Line

将AO正负相位供暖能耗指数与正常年相减,可以清楚看到,① 当AO正相位时,关中平原、黄河下游、秦巴山地、淮河平原以及长江下游,固定时长供暖策略下,供暖能耗明显偏高;在空间上,实际供暖能耗0.25等值线向北偏移大约2个纬度,并且西部偏移幅度高于东部;② 当AO负相位时,淮河平原和长江下游实际供暖能耗值下降最为明显,实际供暖能耗指数在0.25等值线向南偏移,西部偏移幅度高于东部地区,说明在AO正负相位影响区域温度冷暖变化,主要在淮河平原中部以及长江中游北部。
统计发现,全球变暖背景下,1990-2017年AO正相位年有11次,负相位年有6次,冷空气偏弱加之区域温度偏高,导致淮河南北冬季供暖能耗格局明显北移,而秦岭南北供暖格局相对稳定,这与吴绍洪等分析中国陆地表层区域变动幅度与速率,发现亚热带北界在112°E以东地区变动明显（淮河沿线）,112°E以西受地形影响（秦岭南北）并没有发生明显的北移的结论具有一致性[23],也符合李双双等分析秦岭作为气候分界线作用依然明显,冷月秦岭以北气温偏低的格局并未改变的结论[30]。

4 结论与展望

4.1 结论

基于秦岭—淮河南北及其周边196个站点逐日气温数据,构建实际和理论供暖能耗指数,辅以趋势分析、突变检测和相关分析等气候诊断方法,对1960-2016年秦岭—淮河南北供暖格局变化特征进行分析,进而揭示AO与供暖效率的时空响应关系。主要结论为：
（1）在年代变化上,1960-2016年,秦岭—淮河南北冬半年实际供暖能耗偏高,呈现“南多北少,西低东高”的变化特征。从长期变化趋势分析,秦岭—淮河南北实际供暖能耗指数呈现上升趋势,且南部上升高于北部地区。说明在全球变暖背景下,尤其是冬季快速增温影响,中国南北过渡带采取固定时期供暖策略,七个分区能耗浪费均呈现增加趋势,且南方地区增速高于北方。
（2）在空间格局上,对比气候变暖前后,秦岭—淮河南北冬季供暖能耗指数1960-1990年和1990-2016年两阶段空间特征,发现“整体南高北低,北部东高西低”的格局并未发生实质性变化。以固定时期为供暖策略,“四川盆地—长江中下游”一带处于能源消耗偏高,淮河平原和汉中谷地能源消耗居中,而黄河下游、关中平原能源供给相对平衡,供暖南北波动界线依然维持在秦岭山脉—淮河平原中部。
（3）在影响因素上,北极涛动强弱变化与秦岭—淮河南北冬季供暖效率具有时空响应关系。当AO正相位时,关中平原、黄河下游、秦巴山地、淮河平原以及长江下游,冬季供暖能耗偏高,实际供暖能耗指数0.25等值线向北偏移大约2个纬度;当AO负相位时,淮河平原和长江下游实际供暖能耗下降最为明显,说明AO正负相位影响区域温度冷暖变化,主要在淮河平原中部以及长江中游北部。

4.2 展望

关于秦岭—淮河南北冬季供暖能耗效率时空变化特征,以及自然变化和人类活动的共同驱动机制,未来还有许多工作值得探索。
（1）供暖决策的复杂性。从“身边地理学问题”思考,以秦岭南北为例,区域变暖显著,加之快速城市化引发的热岛效应,关中平原城市群积温条件,与汉江谷地亚热带热量标准趋于相似[30]。传统供暖策略中,以固定供暖时长确定供暖季,易造成两种生活现象：一是固定供暖季开始前（11月15日）,若气温偏冷,寒潮或冷空气频发南下,许多社区多以空调制热取暖,造成区域电力供应紧张;反之,供暖季结束前（3月15日）,室外温度明显偏高,供暖持续加热,居民会打开窗户进行散热,造成不必要的能源浪费。同时,供暖公司在室外气温偏高时,也采取低温运行的方式,减少能耗的浪费。也就是说,秦岭—淮河以北地区,面对人为热耦合区域变暖的情景,政府、居民、供暖者产生不同的行为适应和决策方式。
秦岭—淮河以南地区如何有效供暖,这是一个非常复杂的问题,涉及居民感知气温的偏差、供暖设施改造和完善成本、新能源技术开发、环境污染成本管控、碳排放的核算等科学问题。结合本研究的出发点,加之南方供暖问题的复杂性,我们认为：秦岭—淮河南北供暖格局变化的结论,不能充分地回答“南方供暖策略调整,集中供暖的生态环境效益权衡”等问题,未来需要系统地研究和探索。
（2）丰富供暖策略情景。在本研究中,以固定供暖时期和动态供暖时期为切入点,重点探讨了供暖长短变化对区域供暖效率的影响。在未来研究中,需要丰富供暖策略情景,如构建严格供暖能耗指数,即在动态供暖能耗基础上,剔除室外平均温度高于5.0 ℃情景的供暖能耗。也就是说,是否有供暖能耗,完全取决于室外温度或人体感知温度。由于供暖设施运转以及室外温度预测的不确定性等原因,严格供暖能耗属于一种理想情况判断。但通过不同视角的分析,可以充分地理解气候变暖对中国南北过渡带冬季供暖能源消耗的影响。
（3）环流耦合响应机制。厄尔尼诺与南方涛动（ENSO）是全球年际气候变率的主导模态之一,对东亚冬季风异常具有明显影响[31]。在厄尔尼诺盛期,ENSO通过对流层低层激发西太平洋异常反气旋和南风异常,使得东亚冬季风偏弱,可能导致秦岭—淮河南北冬季供暖能耗需求下降。与此同时,赤道东太平洋不同海区海温异常,对秦岭—淮河南北气温变化影响具有空间差异性[32]。近年ENSO海温异常偏暖区域逐渐西移,由赤道东太平洋冷舌型转为中部暖池型,对中国东部季风区气候异常产生影响[33]。在未来研究中,需要关注北极涛动和ENSO事件的耦合关系,综合分析北极涛动正负相位与赤道东太平洋海温异常变化对中国南北过渡带供暖效率的影响。在认识时空响应格局基础上,明确秦岭—淮河南北供暖效率的驱动机制,挖掘可预报、可预警的环流异常信号。
（4）区域风险适应对策。气候变化议题中,可持续发展、发展转型、风险适应和风险管理,是当前研究急需突破的关键问题,也是秦岭—淮河南北冬季供暖效率研究的靶向和落脚点[34]。在未来研究中,综合致灾因子的危险性、承载体的脆弱性和孕灾环境的稳定性,对秦岭—淮河南北冬季供暖变化适应风险进行定量评估,提出中国南北过渡带冬季供暖综合气候变化风险区划。通过仿真模拟不同环流异常背景下,能源供给需求和能源浪费平衡关系,系统地回答中国南北过渡带供暖政策制定问题,为区域适应气候变化和建立综合风险防范体系提供决策支持。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Bai X M, Dawson R J, Ürge-Vorsatz D , et al. Six research priorities for cities and climate change. Nature, 2018,555(7694):23-25.

[2]
Qin Dahe. Extreme Climate Events and Disaster Risk Management and Adaptation to the National Assessment Report of China. Beijing: Science Press, 2015.

[ 秦大河 . 中国极端气候事件和灾害风险管理及适应国家评估报告. 北京: 科学出版社, 2015.]

[3]
Wu Shaohong, Pan Tao, Liu Yanhua , et al. Comprehensive climate change risk regionalization of China. Acta Geographica Sinica, 2017,72(1):3-17.

[ 吴绍洪, 潘韬, 刘燕华 , 等. 中国综合气候变化风险区划. 地理学报, 2017,72(1):3-17.]

[4]
Li Shuangshuang, Yan Junping, Yang Saini , et al. Spatiotemporal variability of heat waves and influencing factors in the Qinling-Huaihe region, 1960-2016. Progress in Geography, 2018,37(4):504-514.

[ 李双双, 延军平, 杨赛霓 , 等. 1960-2016年秦岭—淮河地区热浪时空变化特征及其影响因素. 地理科学进展, 2018,37(4):504-514.]

[5]
Li Shuangshuang, Yang Saini, Liu Xianfeng . Spatiotemporal variability of extreme precipitation in north and south of the Qinling-Huaihe region and influencing factors during 1960-2013. Progress in Geography, 2015,34(3):354-363.

[ 李双双, 杨赛霓, 刘宪锋 . 1960-2013年秦岭—淮河南北极端降水时空变化特征及其影响因素. 地理科学进展, 2015,34(3):354-363.]

[6]
Chen Li, Fang Xiuqi, Li Shuai , et al. Comparisons of energy consumption between cold regions in China and the Europe and America. Journal of Natural Resources, 2011,26(7):1258-1268.

[ 陈莉, 方修琦, 李帅 , 等. 中国与欧美寒冷地带采暖耗能的比较. 自然资源学报, 2011,26(7):1258-1268.]

[7]
Donat M G, Alexander L V . The shifting probability distribution of global daytime and night‐time temperatures. Geophysical Research Letters, 2012,39(14):132-151.

[8]
Shi Y, Gao X J, Xu Y , et al. Effects of climate change on heating and cooling degree days and potential energy demand in the household sector of China. Climate Research, 2016,67(2):135-149.

[9]
中华人民共和国建筑部. 民用建筑供暖通风与空气调节设计规范(GB50736-2012). 北京: 中国计划出版社, 2003.

[ Ministry of Construction of People Republic China. Design Code for Design of Heating, Ventilation and Air Condition of Civil Buildings (GB50736-2012). Beijing: China Planning Press, 2003.]

[10]
Yan Dandan. Heating is a 'breaking the ice' in South: Advancing household heating system by gas in Hangzhou city. XinHua News Agency. 2017-02-05.

[ 闫丹丹 . 南方供暖尝试“破冰”: 杭州推天然气家庭分户供暖. 新华社. 2017-02-05.]

[11]
Chen Li, Li Shuai, Qin Xue , et al. Change characteristics and predication of climate conditions of heating in northeast China. Journal of Natural Resources, 2014,29(7):1185-1195.

[ 陈莉, 李帅, 覃雪 , 等. 东北地区采暖气候条件变化特征及预测. 自然资源学报, 2014,29(7):1185-1195.]

[12]
Jiang D C, Xiao W H, Wang J H , et al. Evaluation of the effects of one cold wave on heating energy consumption in different regions of northern China. Energy, 2018,142(1):331-338.

[13]
Li M C, Cao J F, Guo J , et al. Response of energy consumption for building heating to climatic change and variability in Tianjin City, China. Meteorological Applications, 2016,23(1):123-131.

[14]
You Q L, Fraedrich K, Sielmann F , et al. Present and projected degree days in China from observation, reanalysis and simulations. Climate Dynamics, 2014,43(5/6):449-1462.

[15]
Shen X J, Liu B H . Changes in the timing, length and heating degree days of the heating season in central heating zone of China. Scientific Reports, 2016,6:33384-33393.

[16]
Meng F C, Li M C, Cao J F , et al. The effects of climate change on heating energy consumption of office buildings in different climate zones in China. Theoretical and Applied Climatology, 2018,133:521-530.

[17]
Liu Yulian, Ren Guoyu . Analysis of heating intensity in Harbin based on degree-hours method. Journal of Natural Resources, 2018,33(1):139-148.

[ 刘玉莲, 任国玉 . 基于度—时法的哈尔滨冬季采暖强度评价. 自然资源学报. 2018,33(1):139-148.]

[18]
Yan Zhongwei, Li Zhen, Xia Jiangjiang . Homogenization of climate series: The basis for assessing climate changes. Science China: Earth Sciences, 2014,44(10):2101-2111.

[ 严中伟, 李珍, 夏江江 . 气候序列的均一化: 定量评估气候变化的基础. 中国科学: 地球科学, 2014,44(10):2101-2111.]

[19]
Pranab Kumar Sen . Estimates of the regression coefficient based on Kendall's Tau. Publications of the American Statistical Association, 1968,63(324):1379-1389.

[20]
Xu Yan, Tang Guoli, Zhang Qiang . Analysis of the variation of the air temperature over China during the global warming hiatus period. Climate Change Research, 2017,13(6):569-577.

[ 许艳, 唐国利, 张强 . 基于均一化格点资料的全球变暖趋缓期中国气温变化特征分析. 气候变化研究进展, 2017,13(6):569-577.]

[21]
National Climate Committee of China Meteorological Administration. China Climate Bulletin in 2017. Beijing: National Climate Committee of the China Meteorological Adminstration, 2018.

[ 中国气象局国家气候委员会. 2017. 中国气候公报. 北京: 中国气候局国家气候委员会, 2018.]

[22]
Ren G Y, Ding Y H, Tang G L . An overview of mainland China temperature change research. Journal of Meteorological Research, 2017,31(1):3-16.

[23]
Wu Shaohong, Liu Wenzheng, Pan Tao , et al. Amplitude and velocity of the shifts in the Chinese terrestrial surface regions from 1960 to 2011. Chinese Science Bulletin, 2016,61(19):2187-2197.

[ 吴绍洪, 刘文政, 潘韬 , 等. 1960-2011年中国陆地表层区域变动幅度与速率. 科学通报, 2016,61(19):2187-2197.]

[24]
Wu J, Gao X J, Giorgi F , et al. Changes of effective temperature and cold/hot days in late decades over China based on a high-resolution gridded observation dataset. International Journal of Climatology, 2017,37(S1):788-800.

[25]
Thompson D W J, Wallace J M . The Arctic oscillation signature in the wintertime geopotential height and temperature fields. Geophysical Research Letters, 1998,25(9):1297-1300.

[26]
Zhang Leying, Xu Haiming, Shi Ning . Influence of the spring Arctic oscillation on midsummer surface air temperature over the Yangtze River valley. Chinese Journal of Atmospheric Sciences, 2015,19(5):1049-1058.

[ 张乐英, 徐海明, 施宁 . 春季北极涛动对盛夏长江流域地表气温的影响. 大气科学, 2015,19(5):1049-1058.]

[27]
Song L, Wu R G, Jiao Y . Relative contributions of synoptic and intraseasonal variations to strong cold events over eastern China. Climate Dynamics, 2018,50(11/12):4619-4634.

[28]
He S P, Gao Y Q, Li F , et al. Impact of Arctic oscillation on the East Asian climate: A review. Earth-Science Reviews, 2017,164:48-62.

[29]
Chen S, Wu R, Chen W . A strengthened impact of november Arctic oscillation on subsequent tropical Pacific sea surface temperature variation since the late-1970s. Climate Dynamics, 2018,51(1/2):511-529.

[30]
Li Shuangshuang, Lu Jiayu, Yan Junping , et al. Spatiotemporal variability of temperature in northern and southern Qinling Mountains and its influence on climatic boundary. Acta Geographica Sinica, 2018,73(1):13-24.

[ 李双双, 芦佳玉, 延军平 , 等. 1970-2015年秦岭南北气温时空变化及其气候分界意义. 地理学报, 2018,73(1):13-24.]

[31]
Ding Yihui, Liu Yanju, Liang Sujie , et al. Interdecadal variability of the East Asian winter monsoon and its possible links to global climate change. Acta Meteorologica Sinica, 2014,72(5):835-852.

[ 丁一汇, 柳艳菊, 梁苏洁 , 等. 东亚冬季风的年代际变化及其与全球气候变化的可能联系. 气象学报, 2014,72(5):835-852.]

[32]
Li Shuangshuang, Yan Junping, Kong Feng , et al. The nonlinear trends of high temperature weather in Xi'an by extreme-point symmetric mode decomposition method. Geographical Research, 2018,37(1):209-219.

[ 李双双, 延军平, 孔锋 , 等. 极点对称模态分解下西安高温天气的趋势特征. 地理研究, 2018,37(1):209-219.]

[33]
Mu Mu, Ren Hongli . Enlightenments form researches and predictions of 2014-2016 super El Niño event. Science China Earth Sciences, 2017,47(9):993-995.

[ 穆穆, 任宏利 . 2014-2016年超强厄尔尼诺事件研究及其预测给予我们的启示. 中国科学: 地球科学, 2017,47(9):993-995.]

[34]
Wu Shaohong, Gao Hongbo, Deng Yuhao , et al. Climate change risk and methodology for its quantitative assessment. Progress in Geography, 2018,37(1):28-35.

[ 吴绍洪, 高江波, 邓浩宇 , 等. 气候变化风险及其定量评估方法. 地理科学进展, 2018,37(1):28-35.]

Options
Outlines

/

〈 〉