《Earth》:Wind Erosion Under a Changing Climate: Past and Future (1960–2040) Evolution in the Dust Belt
编辑推荐:
研究人员分析了横跨撒哈拉西海岸至中国沙漠的干旱及半干旱连片区域(即尘带,Dust Belt)内23个代表性子区中沙尘地表浓度的年代际变率与6种主要气候振荡(climate oscillations)之间的相关性。研究人员假设沙尘浓度演变可表示为受人类活动引起的
研究人员分析了横跨撒哈拉西海岸至中国沙漠的干旱及半干旱连片区域(即尘带,Dust Belt)内23个代表性子区中沙尘地表浓度的年代际变率与6种主要气候振荡(climate oscillations)之间的相关性。研究人员假设沙尘浓度演变可表示为受人类活动引起的线性时间趋势,并受自然气候变率调制,采用简化参数化方案,该方案能较好地再现18个站点浓度变化(确定系数R2>0.70)。萨赫尔(Sahel)西部沙尘浓度偏高且呈下降趋势,受北大西洋涛动(North Atlantic Oscillation, NAO;正相关)影响显著;相反,东非及东北非沙尘浓度上升,太平洋年代际振荡(Pacific Decadal Oscillation, PDO)与东大西洋/西西伯利亚涛动(East Atlantic/Western Russia oscillation, EAWR;负相关)起主导作用。亚洲地区情况更为复杂:时间趋势可正可负,西部主要受NAO调制,南部及东部主要受EAWR(可为正或负相关)调制。
论文解读:《Wind Erosion Under a Changing Climate: Past and Future (1960–2040) Evolution in the Dust Belt》
一、研究背景与意义
风蚀(wind erosion)是大气颗粒物(particulate matter, PM)的重要来源,每年矿物粉尘(mineral dust)排放量估计达1000~4000 Tg,自工业化前已增加约25%。北半球最大的持续粉尘源位于"尘带"(Dust Belt),即从北非西海岸延伸至中国西北荒漠的干旱—半干旱连续带。粉尘通过散射/吸收辐射、作为云凝结核等影响气候,其地表浓度(尤其是PM2.5粉尘)常远超WHO 5 μg m?3指导值,危害健康与农业。已有研究表明年际粉尘排放与NAO、ENSO、PDO等有关,但迄今缺乏系统的定量研究揭示尘带各分区粉尘载荷年代际变率与主要气候振荡(climate oscillations:NAO、PDO、ENSO、AO北极涛动Arctic Oscillation、EAWR东大西洋/西俄罗斯涛动East Atlantic/Western Russia oscillation、IOD印度洋偶极子Indian Ocean Dipole)的关系,IPCC也指出粉尘排放未来变化方向尚无共识。本文旨在填补这一空白,发表于《Earth》。
二、主要技术方法概述
研究人员选取尘带内23个代表性子区(非洲13个、阿拉伯半岛2个、亚洲8个),提取MERRA-2再分析(Modern-Era Retrospective Analysis for Research and Applications, Version 2)地表PM2.5粉尘浓度月均值(1980–2025,分辨率0.5°×0.625°),计算各站点1985–2020年间十年滑动平均的第50百分位(C50,代表平均浓度)和第90百分位(C90,代表极端沙尘事件)。下载1950–2025年月分辨率NAO、PDO、ENSO(BEST指数)、AO、EAWR、IOD气候指数并做同样十年平滑与去趋势(de-trended)处理。建立参数化方程Cx=Cx,0(1+α(t-t0))(1+Σai·Indexi,det),其中α表征人为强迫(气候变化+土地利用等)导致的线性趋势斜率,ai为各振荡对粉尘浓度的敏感度系数,以1985年1月1日为t0。采用最小二乘法拟合1985–2020年月序列(n=432),以R2>0.70为合格标准,合格后用气候指数长序列回溯重建1955–2020年浓度变化并外推预测至2040年。通过逐一或组合剔除振荡项评估各气候振荡对C50与C90的相对贡献。
三、研究结果
3.1. Decadal Oscillations(年代际气候振荡)
研究人员发现经标准差归一化后,1955–2020年EAWR、IOD、AO十年滑动平均具明显长期趋势(EAWR ?43%/十年,IOD +48%/十年,AO +38%/十年),NAO、PDO、ENSO趋势微弱(?8%、?8%、+3%/十年)。去趋势前EAWR与IOD强负相关(R=?0.76),去趋势后消失(R=?0.04);PDO与ENSO去趋势后仍强相关(R=0.80),NAO与AO去趋势相关增强(R=0.67),说明部分振荡间存在耦合或人为趋势污染,需在参数化中使用去趋势序列。
3.2. Analysis of the Surface Concentrations(地表粉尘浓度分析)
所有23个站点1985–2020年C50均>5 μg m?3(WHO限值),最高出现在阿拉伯半岛南部、萨赫尔、北非及亚洲塔克拉玛干与土库曼沙漠。C50与C90年代际变化速率?5~+5 μg m?3/十年,二者绝对变化速率比≈1.49(C90变化更快),相对变化率相当。西非与萨赫尔西部(WASa)浓度显著下降;东北非、阿拉伯半岛及伊朗—雷吉斯坦沙漠(NEAME)浓度上升;亚洲东南部(Asia S&E)呈反差——土库曼与塔尔沙漠下降,中国塔克拉玛干与戈壁微升,内蒙古略降。不同分区C50时间序列可同位相(开罗与坎大哈)或反位相(西撒哈拉与开罗;达喀尔与伊朗沙漠),表明同一气候驱动在不同区域符号不同。同一站点C50与C90可同变或脱钩(如喀土穆、戈壁),暗示中等与极端沙尘事件可能受不同气候特征控制。
3.3. Parameterization of the Variability in the Surface Concentrations Between 1985 and 2020(1985–2020地表浓度变率的参数化)
参数化方程在18/23个站点通过R2>0.70检验(NEAME 9/11,WASa 5/6,亚洲4/6),平均RMSE<2 μg m?3,偏差<1 μg m?3,相对平均绝对误差<2%。验证假设:粉尘浓度低频波动主要由气候系统内部年代际振荡调制。西非沿岸及萨赫尔西部α为负(人为气候变化倾向减少粉尘产生),NEAME α为正(除沙特北部个别站点外)。NAO(a1)与EAWR(a5)在西非和亚欧中东部多为正敏感,在NEAME为负,反映区域影响符号反转。
3.4. Reconstruction of the Temporal Evolution of C50 and C90 After 1955(1955年后C50与C90时间演变重建)
利用参数化将浓度序列回溯至1955年,显示西非(达喀尔、巴马科)1985–2009年下降对应始于约1970年、峰在1980年代、终于2010年的完整年代际周期,与萨赫尔西部历史干旱吻合;苏丹(法希尔、喀土穆)浓度极大在约1970与2010年,与西非极小值反位相。西撒哈拉—开罗、达喀尔—伊朗沙漠、雷吉斯坦—戈比间亦呈近似反位相。去趋势C50/C50,0多数在0.9~1.1间,气候内部变率所致振幅通常<10%,此范围可用于未来预测的不确定性估计。
3.5. Regional Influences of the Climate Oscillations(气候振荡的区域影响)
单振荡实验显示:萨赫尔西部C50主控为NAO/AO(正相关);东非/东北非及阿拉伯半岛北部主控为PDO/ENSO(负相关);西撒哈拉与开罗周边EAWR主控(西撒哈拉正相关,开罗负相关);伊朗及阿拉伯半岛南部NAO/AO主控(负相关);亚洲东部EAWR主控(塔尔、戈壁正相关;雷吉斯坦、内蒙古负相关)。C90主控区与C50略有差异——NAO/AO影响区向东扩展,EAWR影响向南、东南扩展,戈壁C90受NAO/AO甚于EAWR。部分站点(巴马科、北利比亚)需≥3个振荡联合解释。说明主控振荡因平均/极端浓度而异,中等与极端沙尘事件驱动可不同。
四、讨论与结论总结
讨论部分指出,萨赫尔西部粉尘下降与NAO 1990–2005年由正转负相位导致降水增多、萨赫尔再绿化相符;东非/苏丹干旱加剧与PDO/ENSO负相位期重合,支持PDO/ENSO对该区粉尘主控作用。参数化失效的5站多位于振荡主导区边界(廷杜夫、尼亚美、大西部沙海)或受强人为干预(中国三北防护林工程可能影响塔克拉玛干)。人为活动影响合并于α中,α比观测时段简单斜率更适合外推预测;未来气候加速变化使α本身缓慢演化,故外推宜限1~2十年。基于α与气候指数重建1960–2040年显示:达喀尔C50缓降但仍高达~38 μg m?3(2040);喀土穆C50~85 μg m?3持平,C90续升至~120 μg m?3;开罗C50倍增(1960年13→2040年28 μg m?3),C90三倍(20→61 μg m?3);塔尔沙漠C50、C90持续下降但仍高。
结论(翻译浓缩): 尘带粉尘排放年代际趋势可用线性人为趋势α受气候内部变率调制的参数化表示。西非萨赫尔及部分亚洲半干旱区(如内蒙古)粉尘呈下降趋势,东非/东北非及东地中海沿岸快速上升(开罗C501960–2040将翻倍,C90三倍)。即使下降区浓度仍远超WHO限值。大部分子区受≥2种气候振荡共同影响,NAO/AO、PDO/ENSO、EAWR为主要调控因子,需联合考虑方能完整解释表面浓度变率。