【摘要】

     供暖和制冷建筑的能源需求正隨全球變暖而變化。基于采暖和制冷度日法的氣候驅動能源需求代理，并應用于30個全球氣候模型的模擬結果，研究發現，在所有大陸地區，從1950年至1990年期間，由氣候驅動的供暖和制冷能源需求趨勢較弱，變化不到10%。從1990年至2030年，這一變化趨勢增強，變化幅度超過10%。在多模型均值下，制冷需求的上升趨勢比供暖需求的下降趨勢更為顯著。然而，制冷需求的變化在個別模擬中差異很大，在大多數人口密集的中緯度地區，變化范圍從幾個百分點到數百個百分點不等。本研究展示了由于氣候預測的不確定性而導致未來能源需求量化面臨的挑戰。

【研究背景】

     在全球變暖背景下，大多數地區的供暖需求預計會減少，而建筑的制冷需求則會增加。提前預測這些變化可以幫助社區調整建筑和能源系統以適應未來氣候。建筑的供暖和制冷能源需求由氣候因素、社會經濟因素以及技術因素共同驅動。除了這些因素的長期趨勢外，氣候變異還引起了短期的能源需求和相關的二氧化碳排放變化。在影響能源需求的氣候變量中，環境溫度尤為重要。日最低和最高溫度可以很好地預測能源需求，特別是在干燥地區晝夜溫差較大而潮濕地區較小。根據溫度變化，人類的熱舒適需求和社會經濟、技術因素共同影響日常能源需求，這種需求在日均溫度約16°C時達到最低水平（對歐洲35個國家而言）。因此，可以將溫度趨勢與能源需求變化的影響進行綜合分析。

     “度日數”（Degree-days）是估算建筑供暖和制冷能源需求的傳統方法，通過計算每天的平均溫度是否低于（供暖度日）或高于（制冷度日）特定基準溫度，從而評估人類的熱不適感和相應的能源需求。使用氣候模型模擬的溫度數據，美國和歐洲的研究已對21世紀供暖和制冷需求的變化進行了估算。同時，已有大量文獻探討了氣候變化對未來能源需求的影響，以及對社會在能源系統容量、法規、緩解和適應方面的意義。盡管這些研究考慮了社會經濟和技術的復雜性，但對氣候因素的處理相對簡化，例如通常只使用多模型平均氣候預測或單一溫室氣體排放情景。氣候預測間的溫度變化差異大，因而需要對氣候相關的不確定性進行量化，以改進對未來能源需求的估算。

     本研究集中分析氣候驅動的供暖和制冷能源需求的代理變量，使用度日數計算能源需求，并結合了30個CMIP5氣候模型的模擬結果及兩種未來溫室氣體濃度路徑。結果表明，制冷需求增加的趨勢比供暖需求減少的趨勢更明顯，但在制冷需求增長最快的地區，模型間預測的趨勢差異較大，導致這些地區未來能源需求的估算充滿不確定性。

【研究方法】

1、氣候驅動的建筑供暖和制冷能源需求的代理指標

     過去，表面溫度通常以每日為時間步長進行監測，而在氣象數據數字化之前，能源需求的估算方法也基于日常溫度數據。度日數方法的主要假設是，年累計超過某一溫度閾值（稱為基準溫度，Tbase）的每日平均溫度（稱之為美國計算方法）或結合每日的最小和最大溫度（稱之為英國計算方法），是建筑氣候驅動的能源需求的良好代理指標。基于四種日類型（寒冷日、主要寒冷日、主要溫暖日或溫暖日）的英國計算方法更適合分析不同氣候區域的能源需求。這是因為它考慮了日溫差循環的幅度差異。盡管準確估算建筑的最終能源需求還需要整合其他氣候（如云、風、降水、雪）和非氣候（如社會經濟或技術）變量，但溫度仍然是建筑供暖和制冷能源需求的主要氣候驅動因素。HDD（加熱度日）和CDD（制冷度日）的分析也被納入了人類對氣候變化感知的維度。

     在美國計算中，本研究使用18.3°C作為供暖和制冷的單一基準溫度（Tbase），即設定一個閾值，并在此閾值上或下設定兩個溫度條件（表2）。而在英國計算中，使用每日的平均、最低和最高溫度（而非僅使用平均溫度），供暖的Tbase設定為15.5°C，制冷的Tbase設定為22°C，這樣就有兩個閾值和四個溫度條件（見表1）。

表1 依據英國氣象局方法，根據日均溫度（Tmean）、最低溫度（Tmin）和最高溫度（Tmax）計算采暖度日（HDD）和制冷度日（CDD）

表2 依據美國ASHREA方法，基于日均氣溫（Tmean）計算采暖度日（HDD）和制冷度日（CDD）

     在此，本研究使用英國計算方法展示結果。在補充材料中，又采用美國計算方法再次展示結果，并對兩種計算方法的趨勢進行比較。此外，由于供暖和制冷的基準溫度存在多種替代值，因此本文使用15.5°C和22°C進行敏感性測試，同時在英國計算中也使用18.3°C。

2、將該方法應用于CMIP5模擬

     與溫度變化相關的未來能源需求變化可以利用“度日”法通過全球氣候模型（GCMs）估算。現有的30個CMIP5模擬輸出數據包括進行度日計算所需的每日平均、最低和最高溫度。

     歷史模擬用于過去數據，而兩種代表性濃度路徑（RCP4.5和RCP8.5）用于涵蓋未來可能的溫室氣體濃度及其導致的溫度變化。本文關注以下三個20年時段。雖然供暖和制冷僅涉及有人居住的陸地區域，但為了更好地理解全球氣候模式，本文將所有與島嶼相關的陸地和海洋區域納入分析。

     一般方法論包括以下五個步驟，每個步驟都應用于所有網格單元：

1．使用英國氣象局的公式計算每日的供暖度日（HDD）和制冷度日（CDD）（表1）。

2．計算HDD和CDD的年度總和。

3．對于三個20年時段，計算每個模擬的HDD和CDD的年度總和的平均值，采用模型的原始空間分辨率。

4．將所有HDD和CDD的20年均值空間插值至1°×1°網格。使用Python插值工具的立方插值方法，以避免網格單元間的突變。

5．對每個網格單元的20年時段均值進行平均，計算HDD和CDD的多模型平均（MMM）。

     為了比較HDD和CDD的空間模式與溫度的空間模式，本文使用相同的方法，計算三個時段的年均地表氣溫，以計算地表氣溫的MMM，研究CMIP5模擬提出的兩種RCP（4.5和8.5）及兩個未來時期（i）2021–2040和(ii）2081–2100。此外，為了測試氣候驅動能源需求趨勢代理的穩健性，列出了以下特定的替代方法：

a.為測試結果是否受到度日計算方法影響，本文比較兩種最廣泛使用的方法，即用于獲得本文結果的英國氣象局計算法與美國使用的更簡單的計算法。同時，又使用美國供暖、制冷和空調工程師學會公式的HDD和CDD，代替英國氣象局公式。

b.為測試空間插值的影響，本文將網格的空間分辨率從1°×1°降低到2°×2°。在補充信息第三部分中，又在2°網格上進行插值。

c.為測試HDD和CDD平均時間跨度的影響，本文將年度HDD和CDD的平均時間跨度從20年增加到30年。

d.為測試某些模型在某些區域與觀測值相比出現的系統偏差的影響，本文根據CRU TS 4.0數據集（0.5°分辨率）的觀測值修正模型偏差。

e.為測試在每日溫度而不是HDD和CDD上應用MMM的影響，本研究從每日溫度的MMM計算HDD和CDD。

3、趨勢計算

     計算HDD和CDD值的絕對差異（即20年平均的年度HDD和CDD總和）時，本文將1981-2000年和1941-1960年的平均值進行比較，稱為過去變化；并將2021-2040年與1981-2000年的平均值進行比較，稱為未來變化。這一過程適用于每個模型以及多模型平均（MMM）。供暖和制冷的趨勢以相對HDD和CDD差異的百分比形式表示，相對于早期時段的變化。為了檢驗這30個模擬的平均值在兩個比較時段內是否顯著不同，本文使用Student t檢驗，在95%的置信區間內假設這30個模擬的值在每個網格單元中呈正態分布。

     計算HDD和CDD值的相對差異，需要滿足兩個條件：根據統計檢驗，HDD和CDD值的絕對差異必須顯著；早期時段的HDD和CDD值的年度平均值必須大于1。

【研究結果】

1、氣候驅動能源需求的代理指標

     本研究定義了基于英國氣象局方法的供暖度日（HDD）和制冷度日（CDD）作為氣候驅動的能源需求代理變量，從每日的均值、最小值和最大值溫度計算的年度HDD和CDD總和（表1），這些數據來源于30個CMIP5氣候模擬（表2），以多模型平均（MMM）形式展示，涵蓋了三個20年時間段：1941–1960年、1981–2000年和2021–2040年。MMM供暖和制冷代理變量的空間模式與全球范圍內的MMM溫度密切相關。在三個研究時間段之間，HDD的減少和CDD的增加與基礎溫度的上升是一致的。研究結果顯示，熱量代理在熱帶地區的陸地區域典型值在0到1500HDD之間，在中緯度地區之間為1500到5000HDD，在極地地區則超過5000HDD。制冷代理在熱帶地區的值在400到2000CDD之間，而在中緯度地區的值在0到400CDD之間。這些值在變暖的世界中會發生變化。然而，變化的幅度在全球范圍內并不均勻。

2、過去和未來的供暖和制冷變化

     本研究通過對比1941–1960年和1981–2000年、2021–2040年和1981–2000年間的供暖和制冷代理變量變化，分別定義“過去變化”和“未來變化”。使用來自CMIP5歷史模擬的過去數據和RCP8.5路徑預測未來結果發現，MMM供暖代理在過去和未來均顯著減少，而MMM制冷代理顯著增加。在過去，供暖需求的主要變化（小于−200HDD）集中在極地地區，預計未來將覆蓋整個北半球。過去制冷代理的增加較小，低于+100CDD，除了在一些（半）干旱的西非地區。相反，預計未來制冷代理的增加在大多數中緯度地區超過+100CDD，在熱帶的大片地區超過+300CDD，并在亞馬遜、薩赫勒部分地區以及阿拉伯半島超過+400CDD。

     供暖和制冷代理變量的變化在過去和未來呈現出相似的空間模式，預計未來顯著變化區域的整體擴展（比較圖1a、c與圖1b、d）。中緯度地區在供暖和制冷代理方面均表現出顯著變化。預計未來，供暖代理變化不顯著的區域將減少至熱帶海洋區域，包括熱帶島嶼，以及亞馬遜地區。相反，制冷代理變化不顯著的區域預計將減少至北方（40°N以上）和南方（40°S以下）海洋，而在未來，除了格陵蘭和南極洲，所有大陸地區都將發生顯著變化。

圖1. 全球氣候驅動的建筑供暖和制冷能源需求變化

3、比較供暖和制冷的趨勢

     本文通過計算過去和未來的代理變量的相對差異來量化氣候驅動的供暖和制冷建筑的能源需求趨勢，這導致在變化不顯著區域的周圍（即圖1中的灰色陰影區域）出現重要趨勢。

     在大陸地區，MMM供暖代理的減少趨勢較弱，過去的變化范圍為−20%至0%（圖2a）。預計這一趨勢在未來會在各地顯著負向變化，達到至少−5%（圖2b）。MMM制冷代理的增長趨勢在過去較弱，在大陸地區的變化范圍為0%至+20%（圖2c）。預計這一趨勢在未來會更加明顯，預計在各地將超過+10%，在中緯度地區達到至少+20%，而在許多北半球地區則超過+60%（圖2d）。在中緯度海洋，預計制冷代理的趨勢將超過+100%，這導致在海岸線附近形成強烈的梯度，那里居住著重要部分的人口。

圖2. 全球氣候驅動的建筑供暖和制冷能源需求趨勢

3、模型間變異性帶來的不確定性

     本研究選擇了全球主要人口密集地區，分析了上述MMM結果在三十個模擬中的穩健性。重點關注包含（特大）城市位置的網格單元，以研究過去和未來供暖與制冷代理趨勢的模型間變異性。在中緯度城市，模型間對供暖代理減少趨勢的估計達成了一致，超過30個模型中有20個同意這一變化的符號，這在過去的小模型間變異性中得到了證明。未來所有模擬中，該趨勢均為負值，范圍從−60%到0%。在熱帶城市，盡管負趨勢較弱，過去的模型間變異性較大，但未來變異性減小。

     在熱帶城市，制冷代理的增長趨勢的模型間變異性在過去和未來都小于中緯度城市。過去，熱帶城市的制冷代理增長趨勢較弱，范圍約為−5%至+40%，且沒有出現趨勢一致性（圖3c）。在未來，制冷代理的預測趨勢更強（多模型平均值約為+30%），并且模擬之間的變異性也較小，約為+10%至+60%（圖3d）。因此，熱帶地區制冷增長的預測趨勢是穩健的。

     在中緯度城市，盡管制冷需求普遍較低，但過去的制冷代理增長趨勢較弱，平均約為+15%，且模型間變異性較大（圖3c），其變化范圍從中等負趨勢（約−20%）到強正趨勢（約+60%）。在未來，制冷代理的增長趨勢增強，大多數城市的多模型平均值接近+70%（圖3d）。各個模擬之間達成共識，預測增長超過+10%。然而，模型間的變異性較大，在某些城市，制冷代理的趨勢可能高達+400%。因此，盡管預測中緯度城市對制冷的需求穩步增加，但定量化的結果存在高度不確定性。

圖3. 選定城市中氣候驅動的供暖和制冷建筑能源需求趨勢的模型間變異性

4、關于未來排放路徑的不確定性

    人口因素和氣候預測的不確定性都導致了未來氣候驅動的供暖和制冷需求預測范圍的廣泛變化。本文研究了兩種路徑情景：(i)業務照舊（RCP8.5）和(ii)中度減緩（RCP4.5）。為了研究未來溫室氣體排放的影響，本研究在近未來和世紀末比較這兩種情景下供暖和制冷代理的趨勢。基于RCP8.5和RCP4.5的溫度預測在近未來的差異很小。因此，兩個情景下多模型平均值的供暖和制冷代理趨勢及模型間變異性相似。隨著21世紀的推進，基于RCP8.5和RCP4.5的溫度預測出現分歧，這引出了情景相關的供暖和制冷趨勢與模型間變異性所帶來的不確定性之間的關系。

     到世紀末，中緯度城市的供暖代理的預測趨勢在兩個RCP情景下相似，范圍分別為(i)RCP8.5的−20%到−80%和(ii)RCP4.5的−10%到−60%。因此，供暖代理的減少趨勢是穩健且可比的。

5、方法論的不確定性

     為研究方法選擇對供暖和制冷代理模擬趨勢的影響，進行了研究方法部分的五項測試，在測試中，MMM在空間模式和趨勢幅度方面得到的結果相似。即使在修正了溫度模擬偏差的情況下，模型間的變異性也可比。此外，證明了研究結果對度日數計算中的基準溫度選擇不敏感。用不同基準溫度計算的HDD（或CDD）的差異是隨時間恒定的，這意味著在比較三個時間段時，趨勢是相同的。可得出結論：供暖和制冷代理未來趨勢的量化不確定性主要來自于較大的模型間變異性，而不是方法論的細節。

【相關討論】

     本研究在更準確量化未來氣候驅動的建筑供暖和制冷能源需求方面邁出了重要一步，考慮了與溫度預測相關的不確定性。研究展示了在全球范圍內，未來二十年能源需求的趨勢是穩健的，因為所有三十個CMIP5模擬均預測供暖趨勢下降而制冷趨勢上升。然而，這些趨勢的不確定性在供暖和制冷之間有所不同，因為供暖的模型間變異性較小，而制冷的變異性較大。

     本研究利用一個從累計表面溫度中得出的指標來估算氣候驅動的能源需求趨勢。表面溫度是決定該需求的最重要因素，盡管大氣濕度也是關鍵因素。研究方法包含了一定程度的濕度依賴性，使用了日最低和最高氣溫。然而，未來的能源需求估算中，仍需明確納入濕度因素的進一步研究。其他氣候因素，如降水或風速，對未來終端能源需求的估算也很重要。這些因素與溫度變化有物理聯系，因此，聚焦于預測的溫度，本研究構成了必要的第一步。

     個人、城市規劃者、政策制定者和公司需要可靠的信息來管理或減輕未來能源需求的變化。建筑的供暖和制冷需求趨勢有助于指示哪些地區可能經歷較大變化，從而在改善熱絕緣和提高供暖/制冷系統的效率方面獲益。例如，研究表明，巴黎的制冷趨勢預計將在多模型平均值（MMM）中達到+80%，這可能導致制冷系統的大規模采用。然而，僅憑這一數字不足以評估是否確實需要采取這些措施，因為根據不同模型的估計，增加幅度可能小至+2%或大至+348%。因此，制冷需求增長趨勢的量化極為不確定，這突顯了在設計適應計劃時考慮模型間變異性的必要性，無論是與建筑、氣候調節系統的效率還是電力生產和網絡相關。

     研究表明，制冷的增長趨勢在北大西洋沿岸尤其不確定。這是因為北極地區的溫度升高由于北極海冰減少而加劇。預計對北半球中緯度天氣將產生影響，但CMIP5模擬間對此并無共識。因此，縮小溫度預測的不確定性對于可靠估計未來建筑供暖和制冷的能源需求是極其重要的。