入汛以来，高温、干旱、强降雨等极端气候事件时常连续发生、快速切换。科学家普遍认为，这些极端气候事件与人类活动引起的碳排放有直接关联，但它们之间究竟存在怎样的定量关系？近日，两者间的关联“公式”被来自华南理工大学、北京大学等的科研团队成功破解，相关论文发表在顶级学术期刊《自然》上。
过量的碳排放会导致哪些极端气候出现的频率增加？极端气候的具体成因有哪些？目前我们有哪些预报技术？在恶劣天气下该如何自救？本期《科技周刊》，科研团队和广东省气象局对这些问题逐一进行了解答。
TCoRE给你算
碳排放与复合极端气候的定量联系
造成最大损失的往往不是平均温度变化，而是复合极端事件连续发生
近日，国际顶级学术期刊《自然》在线发表了题为《Enhanced response of extreme compound events to cumulative CO₂ emissions》的论文。论文首次提出“复合事件对累积CO₂排放的瞬态响应”（以下简称“TCoRE”）这一新指标。
论文第一作者、华南理工大学副教授李军告诉记者：“以往，科学家主要采用TCRE（全球温度响应）指标，但它只能计算碳排放对全球气温的影响。我们提出的TCoRE则可以推算全球累积碳排放对于复合极端气候事件的定量关系。”
“如果说TCRE回答的问题是‘每排放1000吨CO₂，全球平均温度会上升多少’，那么TCoRE回答的问题则是：每排放1000吨CO₂，复合极端气候事件风险会增加多少？”李军告诉记者，TCoRE建立了“累积碳排放—复合极端事件—剩余碳预算”之间的定量联系，为理解气候风险随碳排放增加的演变规律提供了全新的理论框架。
论文通讯作者、华南理工大学王兆礼教授强调，复合极端气候事件相较单一的气温指标更加值得各国政府重视，“对社会和生态系统造成最大损失的往往不是平均温度的变化，而是高温与干旱同时发生，高温与暴雨共同出现，多个极端事件连续发生。这些往往会对社会造成远超单一灾害的破坏，对经济产生非常不利的影响。”
TCoRE告诉你
人类或将面临更多高温高湿天气
全球“碳预算”可能比想象中更紧张，《巴黎协定》2℃目标或偏高
李军说，团队将TCoRE结合CMIP6全球气候模式对碳排放与对应的复合气候事件进行模拟，并用观测的真实数据对模拟值进行约束，获得了几条重要的发现。
其一，随着大气中累积的CO₂越来越多，“高温+湿润”复合气候事件的风险显著增加。这意味着如果碳排放不加以控制，人类未来可能将面临更多高温高湿天气。
其二，随着大气中累积的CO₂增多，较普通的复合气候事件发生概率将呈线性增加，但极为罕见且破坏性更大的复合极端气候事件发生风险，则会更加快速地增加，“随着碳排放的增多，该风险的上升曲线将会变得非常陡峭。”
同时，研究者认为，现有的气候模型大幅低估了复合极端事件风险。
“考虑到这些复合极端事件对人类社会的影响，全球剩余的‘碳预算’可能比先前估计的更加有限。这意味着，《巴黎协定》的长期目标‘将全球平均气温较前工业化时期上升幅度控制在2摄氏度以内’仍有可能偏高。”李军表示。
王兆礼表示：“这项研究推动了气候变化研究从‘平均气候响应’走向‘风险响应’。”
这些研究发现也与近期人们对天气的亲身感受非常吻合。中国天气网5月20日发文称，近期，我国降雨频繁，强降雨多发，5月15日以来已有104个国家级气象站打破5月单日最大降水量纪录，主要分布在华北、江汉、江南、华南等地。其中，湖北荆州17日雨量268.7毫米，达特大暴雨量级，打破当地观测史最大单日降水量纪录。中央气象台发布的信息显示，4月1日以来，华南西部及贵州南部、湖南南部等地气温较常年同期显著偏高，海南屯昌（4月10日最高气温40.4℃）、广西环江（4月10日最高气温37.3℃）等国家气象观测站最高气温突破当月历史极值。
欧洲多国遭遇“最热五月天”。图为5月26日，英国伦敦一名女子喝冰饮解暑。新华社发
TCoRE的未来
将扩展到更多复合灾害类型
包括洪水、风暴、热浪、空气污染等，还要给气候风险“算经济账”
“IPCC至今已发布六次气候变化与碳排放响应评估报告，但他们仍主要围绕碳排放对全球气温的影响。随着TCoRE指标的发现，我们预计，碳排放对全球极端气候事件的影响也有可能写入下次的报告中。”李军介绍。
未来，团队的研究成果有望用于全球气候变化风险评估，碳中和路径设计，国际气候谈判，复合灾害研究、碳足迹估算，复合灾害风险预警预报平台建设等多个应用方向。
目前，团队的发现引发了学术界的反响。IPCC第六次评估报告作者、美国科学家安德鲁·马克棠格盛赞团队的研究，认为该工作是开创性的，具有重大科学意义。澳大利亚科学家道格·理查德森也高度肯定了团队的工作，认为研究工作极其创新且全面，所提指标是全新的。
王兆礼介绍，下一步将重点开展三方面研究，一是将TCoRE扩展到更多复合灾害类型，如洪水-风暴、热浪-空气污染等；二是将气候风险与经济损失直接耦合；三是建立面向中国区域和行业部门的风险评估体系。
气候变暖加剧 天气容易“暴躁”
广东省气象局统计显示，近65年来，广东年平均气温以每10年0.22℃的速度显著上升；广东平均高温日数也在以每10年3.5天的速度增加，2021年达到了42.9天，创下历史之最。
更值得警惕的是暴雨。虽然年总降水量变化不大，但“暴雨日数”在2000年后显著增加。
2024年广东平均暴雨日数达到10.7天，为历史最多，而1963年只有3.6天。广东不同历时极端强降水的极值，全部出现在2015年之后。
气象部门指出，这些数字背后是一个我们不得不面对的现实：老天爷的脾气越来越“暴躁”了——要么不降水，一降就可能是暴雨；要么不刮风，一刮就可能是台风；要么不热，一热可能就破纪录。
气象专家认为，全球变暖对华南地区的影响更加明显。比如，广东位于低纬海陆交界地带，受海陆交互和南海季风的影响，台风、暴雨、低温、高温、干旱、强对流等气象灾害频发，台风和暴雨发生频率之高、强度之大，居全国首位。在这一背景下，广东极端天气气候事件也在增多、增强。
融入前沿技术 气象服务更稳
在这样的气候背景下，天气预报对防灾减灾的指导作用更加突出。
精准预报离不开关键技术支撑。广东省气象部门将数字孪生、人工智能、多源数据融合等前沿技术融入气象服务，打造“三维、秒级、多要素”的精细化预报体系，让“看见风、量化风、用好风”变为现实。
第十五届全国运动会期间，数字孪生技术为赛事场景构建“气象显微镜”。针对开闭幕式场馆，气象部门完成L4级实景建模（周边建筑L3级、10公里范围L2级），叠加晴雨与昼夜仿真场景，将场馆周边站点实况与逐时预报“嵌入”三维模型中，让气象服务从“凭感觉”走向“看数据”。
人工智能成为预报员的“智能助手”。广州市气象局主导研发全运会专项气象服务智能体“穗小天”，基于DeepSeek、阿里通义千问（Qwen）等国产大模型，深度整合1.4万份广州本地气象资料与4.7万条赛事案例样本。“穗小天”突破传统天气查询模式，支持广州任意地点实时天气查询，采用“问答式预报”——从“明天适合晾晒衣物吗”到“返程是否需要备雨具”，为公众提供个性化生活建议；依托权威教材与科普资料，用生活化语言解释专业气象术语；穗小天的灾害预警功能可实时解读气象灾害预警信号，并提供专业防御指引。
多源数据融合技术“领衔出道”。粤港澳大湾区气象监测预警预报中心成功研发国内首个面向对象的时空多尺度气象资料同化系统（MOTOR—DA），每15分钟输出未来6小时天气数据，为气象服务筑牢底座。
“穗小天”突破传统天气查询模式，支持广州任意地点实时天气查询，采用“问答式预报”
极端天气下如何自我保护
●台风
躲避大风应选择在地下室、防空洞、涵洞等场所，或在稳固的房间内。远离门窗、外围墙壁等可能坍塌的结构。
在野外遇到大风时，应寻找水泥钢筋构造的稳固掩体，不要躲进预制板房屋或小木棚内。尽可能用厚外衣或毛毯等包裹自己，用以防御可能四散飞来的碎片。
风灾中，如果身处拥挤、混乱的人群中，要做深呼吸，将胳膊放在胸前，用两只胳膊和肩膀、背部顶住外部压力，尽快找机会撤离。
资料图片
●强对流
在气象部门发出可能性预报的阶段，可增加对天气预报的关注力度和频次。
预警发出后，应考虑减少出门、加固基础设施等。
当强对流天气已经来临，要尽快转移到安全地带，躲在坚固的建筑物内。
如果身处户外，应远离危险物，避开广告牌、大树、电线杆。
如果遇到水浸，应避开低洼地形，勿在桥下、地下通道等低洼处停留。
切勿在空旷地带使用金属柄雨伞，并立即停止水上作业。
●高温
夏季外出尽量选择早晚，避免在中午高温时段出行。
出行时要采取必要防护措施，如打遮阳伞、涂抹防晒霜等，并带上充足的水和防暑药品。
若发生中暑，要立即让病人脱离高温高湿环境，进行降温补水。专家提醒，大量酒精擦浴、掐人中等降暑“土办法”并不可行。一旦中暑患者出现神志不清、昏迷等情况，需将其尽快送至医疗机构就诊。
使用电器时要注意通风、散热，防止因元器件受潮腐蚀或温度过高引发火灾；要加强对易燃易爆危险品储罐、仓库、露天存放场所安全管理，采取降温等针对性措施，防止因长期高温、压力升高导致泄漏。
名词解释
●复合气候事件
指两种以上气候事件同时发生，如高温+干旱或高温+暴雨等。
●TCRE指标
以往，科学家在研究碳排放对气候的影响时，主要采用TCRE（全球温度响应）指标，但它只能计算碳排放对全球气温的影响。如政府间气候变化专门委员会（IPCC）第五/六次评估报告的相关章节就大篇幅介绍了TCRE。
●TCoRE指标
来自华南理工大学、北京大学等的科研团队提出的TCoRE，可以推算全球累积碳排放对于复合极端气候事件的定量关系，这弥补了国际上相关领域的空白。TCoRE将复合极端事件风险与人类累积碳排放建立起类似于TCRE的定量关系。
硬核工作室出品
统筹编辑/梁倩薇、嵇沈玲
文/广州日报新花城记者：武威、叶卡斯
图/AI生成（除署名外）
