近百年来全球气温呈不断上升的趋势，1986—2005年平均气温相对于工业革命之前(1850—1900年)已经上升了0.61℃(IPCC, 2013)。极端天气气候事件在频率、强度、空间范围、持续时间和发生时间呈现新特征(Field, et al, 2012)。为减少气候变化带来的不利影响，2015年12月12日，《联合国气候变化框架公约》近200个缔约方一致同意通过《巴黎协定》，明确规定“把全球平均气温升幅控制在工业化前水平以上低于2.0℃之内，并努力将气温升幅限制在工业化前水平以上1.5℃之内”。《巴黎协定》的签署为2020年后全球合作应对气候变化指明了方向，具有历史性意义。在全球变暖背景下，地表平均气温、最低气温与最高气温呈明显上升趋势，而极端低温的变化幅度则更为剧烈，对全球气候变化的敏感性高于极端高温(Su, et al, 2006; Yang, et al, 2008；Pal, et al, 2010)。极端低温事件频次总体呈减少趋势，但破坏力强的极端低温事件时有发生。自2008年中国南方发生罕见低温雨雪冰冻灾害以来，发生了多次持续时间长、综合影响范围广的极端低温事件，已引起广泛关注(陶诗言等，2008；丁一汇等，2008；Zhou, et al, 2009)。

全球尺度低温频次与霜冻期持续时间在过去几十年出现了下降趋势，日夜气温的变化具有明显的不对称性(Karl, et al, 1991; Cooter, et al, 1995)；全球不同地区最低气温在20世纪后半段以来有明显的升高趋势(Manton, et al, 2001; Frich, et al, 2002; Peterson, et al, 2002)，极端最低气温日数也呈不断减少的趋势(Plummer, et al, 1999; Rusticucci, 2012)，全球74%陆地冷夜呈明显减少趋势(Alexander, et al, 2006; Caesar, et al, 2006)。中国大部分地区极端最低气温上升趋势显著(翟盘茂等，1997；任福民等，1998)，霜冻日数和结冰日数减少，北方地区减少更为显著(周雅清等，2010)。目前针对于极端低温事件的研究多集中在采用单一站点的极端指数分析事件的特征与成因(陈海山等，2012；黄小燕等，2016)，这些研究忽视了极端低温事件在空间上的连续性。极端气候事件的研究已由单一站点的极值分析向区域事件的空间和时间并重的方向发展，将极端气候事件的强度、面积以及持续时间3个要素联立，形成强度-面积-持续时间(Intensity-Area-Duration, IAD)分析方法，并已应用于干旱(Zhai, et al, 2017; 陈静等，2016)和极端降水(景丞等，2016a)的研究中。

全球变暖背景下，极端天气、气候事件变化及其造成的影响已成为研究热点。全球气候模式作为研究未来气候的基本工具，得到广泛的应用。世界气候研究计划(World Climate Research Programme, WCRP)的耦合模式国际比较计划第5阶段(Coupled Model Intercomparisson Project Phase 5, CMIP5) 提供近30个全球气候模式对当前模拟和未来预估的数据，并在世界各地得到广泛应用(Xu, et al, 2012; Su, et al, 2016a; 景丞等，2016b)。2010年启动的跨行业影响模式国际比较计划(The Inter-Sectoral Impact Model Intercomparison Project, ISI-MIP)，目前已经进入第3阶段。该计划选用CMIP5中的5个全球气候模式(GFDL-ESM2M、HadGEM2-ES、IPSL-CM5A-LR、MIROC-ESM-CHEM、NorESM1-M)，在全球和流域尺度上开展水资源、农业、生态和基础设施等影响模型的比较和不确定性综合评估等研究(Warszawski, et al, 2013; Schleussner, et al, 2016；Su, et al, 2016b)。全球气候模式(GCMs)分辨率较低，预估结果存在较大不确定性，而区域气候受地形、下垫面植被等因素影响较大，特别对中小尺度极端天气、气候事件的研究，需要采用高分辨率模式模拟(高学杰，2007；李新周等，2012)。COSMO-CLM (CCLM)是由德国气象局的局地模型(Local Model, LM)发展而来的区域气候模式，对中国区域(塔里木河流域、长江流域、淮河流域、珠江流域等)气温与降水有可靠的模拟结果(陶辉等，2013；孟玉婧等，2013；Fischer, et al, 2013；高超等，2014；黄金龙等，2016；朱娴韵等，2015)。

目前对于区域性极端低温事件及其对社会经济影响的研究尚少，特别是如何定量评估未来极端低温事件对耕地的影响亟待解决。本研究采用高分辨率区域气候模式CCLM输出的1960—2100年逐日最低气温数据和2000年中国土地利用数据，首先评估气候模式对中国区域的模拟能力；其次利用极端低温事件具有的强度、影响面积和持续时间的三维特征，采用低温强度-影响面积-持续时间分析方法，研究全球气温比工业革命前升高1.5℃和2.0℃时，中国极端低温事件和耕地暴露度变化特征。研究成果将为气候变暖背景下，极端低温事件的早期预警和农业应对低温事件的不利影响提供科学依据。

采用中国气象局国家气象信息中心整编的1960—2014年中国756个基准站逐日最低气温资料，筛选出缺测率小于0.25%的543个台站(图 1a)。

(Ⅰ为东北，Ⅱ为华北，Ⅲ为华东，Ⅳ为华中，Ⅴ为华南，Ⅵ为西南，Ⅶ为西北) 图 1 气象站、模式格点空间分布(a)及2000年中国耕地空间分布(b) (Ⅰ. Northeast China, Ⅱ. North China, Ⅲ. East China, Ⅳ. Central China, Ⅴ. South China, Ⅵ. Southwest China, Ⅶ. Northwest China) Figure 1 Location of meteorological stations and the CCLM grids (a) and spatial distribution of farmland in 2000 over China (b)

图选项

气候模式数据采用德国波茨坦气候影响研究所(Potsdam Institute for Climate Impact Research)的区域气候模式CCLM最低气温数据。该模式是全球气候模式MPI-ESM-LR驱动的动力降尺度模式，由德国气象局局地模型(LM)发展而来，中国区域包含4397个格点。

文中采用2006—2100年6个全球气候模式平均气温数据集，用于确定全球气温比工业革命前升高1.5℃和2.0℃的时间。其中包括ISI-MIP中的5个全球气候模式逐日平均气温数据和驱动CCLM的MPI-ESM-LR模式逐月平均气温数据。

土地利用数据为中国科学院地理科学与资源研究所发布的2000年中国1:10万土地利用数据。该数据以Landsat TM/ETM遥感影像为主要数据源，包括耕地、林地、草地、水域、居住地和未利用土地6个一级类型以及25个二级类型(图 1b)。

将1960—2005年CCLM输出的逐日最低气温，按照同期升序排列，取其第10百分位数作为该格点该日的极端低温阈值。为增加样本稳定性，以某日为中心，选其前后各2 d数据共计5 d的最低气温数据作为该日的样本计算极端低温阈值。文中主要分析持续1、3、6与9 d的极端低温事件。

当某格点某日最低气温低于对应的阈值，则认为该点于该日发生极端低温；而空间上连续发生极端低温的格点组成的区域则为1次极端低温事件。极端低温事件面积即为此次极端低温事件所覆盖的最大面积。持续时间为此区域内连续低于极端低温阈值的时段。强度为该区域内所有格点在该日极端低温阈值与最低气温差值的平均值，持续数日的强度则为逐日强度的平均值。

强度-面积-持续时间(IAD)方法从区域的角度分析特定持续时间下，极端低温事件强度及其影响面积的联系。IAD法是一种聚类方法，在特定的持续时间下，将发生极端低温的相邻格点聚类，形成1次极端低温事件。IAD方法原理如图 2所示，首先找到当前范围内强度最大的格点，将其作为第1个“低温中心”，并记录该格点的面积及强度；接着在此“低温中心”周围3×3格网增加强度次高的网格，取两个格点平均强度形成“第2低温中心”，面积与强度为此2个连续格点对应的面积及强度的平均值；持续此过程直至低温事件所有网格均被覆盖。对此持续时间下所有“低温事件”重复上述步骤，绘制所有事件IAD曲线，并选取IAD曲线最外侧的包络线，包络线上的事件为该时段内最强极端低温事件，表示不同连续面积上极端低温事件所能达到的最大强度。

(左图中数字表示低温强度) 图 2 强度-面积-持续时间(IAD)曲线绘制 (numbers in the left panel denote the intensity of low temperature) Figure 2 Construction of the IAD curve

图选项

将1960—2005年CCLM输出逐日最低气温数据插值到中国543个气象站，从空间和时间两个角度开展CCLM模拟能力评估。

图 3a、b给出1960—2005年观测与CCLM模拟的日最低气温多年平均值空间分布，二者空间相关系数为0.93，具有较高的一致性。在海南及两广南部局部地区最低气温平均值在20℃以上，黄淮以南大部分地区为10—20℃，华北、东北南部、内蒙古西部以及新疆大部分地区等为0—10℃，在东北中北部以及内蒙古东部、青藏高原大部分地区则在0℃以下。CCLM模拟最低气温数据与观测最低气温数据具有高度相似的空间分布，能较为准确地反映中国区域内的最低气温空间分布格局。

图 3 1960—2005年观测最低气温(a)与CCLM最低气温(b)空间分布 Figure 3 Spatial distributions of observed (a) and simulated (b) daily minimum air temperature in China for 1960-2005

图选项

图 4为1960—2005年CCLM模拟最低气温与中国543个气象站最低气温的区域平均值对比。模拟与观测的年最低气温均呈显著升高趋势(通过0.05的显著性检验)，但CCLM模拟最低气温趋势(0.16℃/(10 a))弱于观测趋势(0.39℃/(10 a))。两个序列相关系数为0.60，通过0.01的显著性检验。CCLM对中国最低气温有较强的模拟能力，能够提供研究中国区域极端低温事件的基础数据。

图 4 1960—2005年中国观测与CCLM模拟最低气温比较 Figure 4 Comparison of time series of CCLM simulated and observed daily minimum air temperature in China for 1960-2005

图选项

1986—2005年全球气温比工业革命之前(1850—1900年)上升0.61℃(IPCC, 2013)，若在1986—2005年平均气温基础上继续上升0.89℃和1.39℃，全球升温幅度将达到1.5℃和2.0℃。为确定全球气温相对工业革命前上升1.5℃与2.0℃的时间，选用ISI-MIP中的5个全球气候模式，以及驱动区域气候模式CCLM的MPI-ESM-LR模式，绘制出全球模式2006—2100年全球气温变化。鉴于各个模式预估的全球气温变化不尽相同，研究中应采用多个气候模式集合结果确定全球升温变化过程(图 5)。RCP 2.6情景全球平均气温将会在2029年前后达到全球升温1.5℃水平。而RCP 4.5情景，全球升温将在2049年前后达到2.0℃，之后将持续升高，约在2100年达到近2.5℃。驱动区域气候模式CCLM的MPI-ESM-LR模式与6个全球气候模式的集合确定全球升温阈值出现的时间一致。

图 5 2006—2100年全球平均气温相对于工业革命前升温幅度 Figure 5 Changes in global mean air temperature during 2006-2100 compared to that in the pre-industrial time

图选项

分别采用以出现升温1.5℃的2029年和升温2.0℃的2049年为中心，向前后各推10年，即以2020—2039年和2040—2059年作为计算全球升温1.5℃和2.0℃的极端低温事件的时间段。

全球升温1.5℃与2.0℃时，各持续时间极端低温事件频次如图 6所示。1986—2005年持续1 d极端低温事件总频次约3400次，全球升温1.5℃时极端低温事件频次预计下降约30%，继续再升温0.5℃时频次进一步减少约17%。持续3 d极端低温事件在1986—2005年总频次约为1500次，全球升温1.5℃和2.0℃时，相对于基准期分别减少约40%和62%。持续6 d极端低温事件频次在当前气候约为400次，全球升温1.5℃和2.0℃时，分别减少约48%和73%。1986—2005年持续9 d极端低温事件的频次约125次，当全球升温1.5℃，相对于基准期减少约54%，全球升温2.0℃时，极端低温事件频次约仅为基准期的20%。

(a.持续1 d, b.持续3 d, c.持续6 d, d.持续9 d) 图 6 全球升温1.5℃和2.0℃情景中国极端低温事件频次 (a. 1 d event, b. 3 d event, c. 6 d event, d. 9 d event) Figure 6 Frequency of extreme low-temperature events in China under global warming of 1.5℃ and 2.0℃

图选项

图 7为全球升温1.5℃与2.0℃时各持续时间极端低温事件平均强度。持续1 d极端低温事件在1986—2005年比其阈值强0.6℃，升温1.5℃时，强度上升约8.8%，升温2.0℃时继续上升约2%。当前气候下，持续3 d极端低温事件比其阈值强1.3℃，升温1.5℃和2.0℃时，事件强度分别上升约7%和11%。持续6 d极端低温事件基准期强度比其阈值强1.8℃，升温1.5℃和2.0℃时，分别上升约6%和10%。1986—2005年持续9 d极端低温事件强度比其阈值强2.23℃，升温1.5℃时，极端低温事件平均强度下降约1%，升温2.0℃上升约6%。

(a.持续1 d, b.持续3 d, c.持续6 d, d.持续9 d) 图 7 全球升温1.5℃和2.0℃情景中国极端低温事件强度 (a. 1 d event, b. 3 d event, c. 6 d event, d. 9 d event) Figure 7 Intensity of extreme low-temperature events in China under global warming of 1.5℃ and 2.0℃

图选项

全球升温1.5℃与2.0℃时，中国极端低温事件影响面积如图 8所示。持续1 d极端低温事件在基准期平均影响面积约9×10⁴ km²/a，升温1.5℃时，影响面积下降约14%，升温2.0℃时，影响面积与升温1.5℃时无明显变化。持续3 d的极端低温事件，基准期影响面积约5.5×10⁴ km²/a，升温1.5℃时，影响面积下降约7%，升温2.0℃时，则相比升温1.5℃的状况上升6%。基准期持续6 d极端低温事件影响面积约3×10⁴ km²/a，升温1.5℃时，影响面积下降约10%，升温2.0℃时比升温1.5℃的状况上升约24%。持续9 d极端低温事件在当前气候的影响面积约2×10⁴ km²/a，升温1.5℃时，影响面积下降约21%，升温2.0℃时，影响面积则比升温1.5℃时上升约40%。

(a.持续1 d, b.持续3 d, c.持续6 d, d.持续9 d) 图 8 全球升温1.5℃和2.0℃情景中国极端低温事件影响的面积 (a. 1 d event, b. 3 d event, c. 6 d event, d. 9 d event) Figure 8 Coverage of extreme low-temperature events in China under global warming of 1.5℃ and 2.0℃

图选项

全球升温1.5℃与2.0℃情景下，不同持续时间的极端低温事件影响面积及其强度与基准期相同持续时间IAD包络线的对比，反映未来极端低温事件是否会超过1986—2005年最强极端低温事件(图 9)。

(a1、a2.持续1 d极端低温事件，b1、b2.持续3 d极端低温事件，c1、c2.持续6 d极端低温事件，d1、d2.持续9 d极端低温事件) 图 9 全球升温1.5℃(a1—d1)和2.0℃(a2—d2)时中国极端低温事件强度(散点)与基准期最强极端低温事件(虚线) (a1, a2. extreme low-temperature events with 1 d duration; b1, b2. extreme low-temperature events with 3 d duration; c1, c2. extreme low-temperature events with 6 d duration; d1, d2. extreme low-temperature events with 9 d duration) Figure 9 Comparison of intensity of extreme low-temperature events under global warming of 1.5℃ (a1-d1) and 2.0℃ (a2-d2) scenarios (scatter points) and in the baseline period IAD (dash line)

图选项

全球升温1.5℃时，持续1 d极端低温事件约有3次超过IAD包络线，发生范围大于640×10⁴ km²，强于阈值4℃以上；升温2.0℃时未预估出超过基准期最强的极端低温事件。持续3 d的极端低温事件，升温1.5℃时约有3次超过历史相同面积上的最强极端低温事件，升温2.0℃时约有2次事件超过最强极端低温事件。持续6 d的极端低温事件，升温1.5℃时有2次事件超过相同面积下最强极端低温事件，升温2.0℃时则有2次事件超过最强极端低温事件的影响范围。未预估出超过历史持续9 d的极端低温事件。

升温1.5℃与2.0℃背景下，不同持续时间和影响面积的最强极端低温事件如图 10a₁、b₁所示。升温2.0℃时，持续1、3与6 d最强极端低温事件的面积均小于升温1.5℃状况，但持续9 d极端低温事件影响的最大面积则偏高。升温1.5℃时各持续时间的极端低温事件在相同面积上的强度均高于升温2.0℃状况。图 10a₂、b₂为1986—2005年以及升温1.5℃与2.0℃时最强极端低温事件中心的空间分布。1986—2005年，最强极端低温事件中心主要分布在中国的西北、西南以及中部部分地区。升温1.5℃时，最强极端低温事件中心相对于基准期向中国西北与西南地区集中；升温2.0℃时，极端低温事件最强中心的空间分布有明显变化，除了西南地区，主要集中在华中和华南。

(a2、b2，图中黑色圆圈表示基准期最强中心，彩色圆圈表示升温期最强中心) 图 10 全球升温1.5℃(a1、a2)与2.0℃(b1、b2)时中国极端低温事件IAD包络线(a1、b1)与最强极端低温事件中心 (a1-a2, envelope of the extreme low-temperature events and location of the event center in the 1.5℃; b1-b2, envelope of the extreme low-temperature events and location of the event center in the 2.0℃. Black circles indicate the event centers in the reference period, colored circles denote centers in the warming world) Figure 10 IAD envelope and the center of the extreme low-temperature events with different durations in China under the 1.5℃ (a1, a2) and 2.0℃ (b1, b2) warming scenarios

图选项

以2000年中国土地利用情况为基础，研究不同升温背景下中国各区域暴露在极端低温事件下的耕地面积。暴露于极端低温事件下的中国东北、华北、华东、华南、华中、西北以及西南等7个区域的耕地面积如图 11所示。可见，华东地区耕地暴露度最大，华北、西南与东北次之，华中与西北暴露度相差不大，华南地区最小。1986—2005年，暴露于低温下的中国耕地面积约16.2×10⁴ km²，其中华东与华南均约2.8×10⁴ km²，西南与东北则均约2.6×10⁴ km²，华中与西北约2.2×10⁴ km²，华南则仅约7000 km²。全球升温1.5℃时，暴露于低温下的中国耕地面积约10.3×10⁴ km²，各区域相对于基准期均有不同程度的下降。东北地区下降程度最大，下降约45%，西南地区下降约28.3%，其他地区下降幅度均在30%以上。当气温进一步上升0.5℃时，暴露于低温下的中国耕地面积约8.1×10⁴ km²，各区域暴露面积均小于升温1.5℃时，其中，西南、西北、华东与东北下降幅度均在50%以上，华北、华中与华南的降幅也接近50%。总的来说，升温1.5℃与升温2.0℃时暴露于极端低温事件下的耕地面积均小于基准期，且升温幅度越高，暴露的耕地面积越小。

图 11 全球升温1.5℃与2.0℃时中国不同区域暴露于极端低温事件的耕地相对于基准期(1986—2005年)的变化 Figure 11 Farmland exposure to the extreme low-temperature events over different regions of China in the 1.5℃ and 2.0℃ global warming periods relative to the reference period (1986-2005)

图选项

全球升温1.5℃与2.0℃时暴露于最强极端低温事件的耕地相对于基准期变化如图 12所示。1986—2005年中国暴露于最强极端低温事件的耕地面积约73.2×10⁴ km²，其中西南地区暴露耕地最大，约17.0×10⁴ km²，西北约13.2×10⁴ km²，华东与华北均约11.5×10⁴ km²，华中约有9.7×10⁴ km²，东北约有7.3×10⁴ km²，华南最少，约有2.9×10⁴ km²。升温1.5℃时，暴露于最强极端低温事件的耕地面积则要高于基准期，约79.2×10⁴ km²。与基准期相比，暴露于最强极端低温事件的耕地在西北与东北地区呈下降的趋势，而在西南、华北、华中、华东与华南等地则呈上升趋势，且在西南地区的上升幅度较大。当升温幅度达到2.0℃时，暴露于最强极端低温事件的面积约81×10⁴ km²，其中华东地区暴露耕地约17.3×10⁴ km²，比1986—2005上升50%，华南约4.3×10⁴ km²，上升18.1%，华中约12.5×10⁴ km²，上升约41.3%，华北地区约12.5×10⁴ km²，上升8%，东北地区下降约18.3%，西南地区下降约8%，西北则下降5.7%。

图 12 全球升温1.5℃与2.0℃时中国不同区域暴露在最强极端低温事件的耕地面积相对于基准期(1986—2005年)的变化 Figure 12 armland exposure to the most severe extreme low-temperature events over different regions of China in the 1.5℃ and 2.0℃ global warming periods relative to the reference period (1986-2005)

图选项

当前全球气温呈上升的趋势，极端气候事件的频率、强度、空间范围以及持续时间等因素呈新的变化，为减少气候变化带来的不利影响，《巴黎协定》明确规定“把全球平均气温升幅控制在工业化前水平以上低于2.0℃之内，并努力将气温升幅限制在工业化前水平以上1.5℃之内”。在全球变暖的背景下，极端低温事件的频次虽呈减少的趋势，但仍具有偶发性和破坏力强的特点。为研究全球升温1.5℃与2.0℃中国极端低温事件的特征，以及极端低温事件对耕地的影响，基于区域气候模式CCLM的最低气温数据，采用强度-面积-持续时间方法，根据极端低温事件在时间上的发展和空间上的连续特点，识别并预估了全球升温1.5℃与2.0℃时中国极端低温事件，建立极端低温事件库。评估全球升温1.5℃与2.0℃时，中国极端低温事件的频次、强度和面积特点，将其与基准期最强极端低温事件进行对比。研究升温1.5℃与2.0℃时中国最强极端低温事件的影响面积及中心的空间分布，并对暴露在极端低温事件的耕地面积进行评估，得到以下结论：

(1) 全球升温1.5℃时，持续1 d的极端低温事件频次相对于基准期下降30%，强度上升8.8%，面积则下降14%；持续3 d的事件频次相对于基准期下降40%，强度上升7%，面积则下降7%；持续6 d事件频次相对于基准期下降48%，强度上升6%，面积下降10%；持续9 d事件的频次相对于基准期下降54%，强度下降1%，面积下降21%。全球升温2.0℃时，持续1 d极端低温事件的频次相对于基准期下降47%，强度上升10%，面积下降14%；持续3 d事件频次相对于基准期下降62%，强度上升11%，面积上升6%；持续6 d事件频次相对于基准期下降73%，强度上升10%，面积上升24%；持续9 d事件频次相对于基准期下降80%，强度上升6%，面积上升19%。

(2) 全球升温1.5℃与2.0℃时，在各个持续时间上均有可能发生强度或面积均超过基准期最强极端低温事件的极端低温事件。全球升温1.5℃到2.0℃时，同等面积上的最强极端低温事件的强度有明显下降，最强极端低温事件的中心将会由西北与西南地区转移至华中与华南等地。

(3) 全球升温1.5℃与2.0℃，暴露于极端低温的耕地面积均小于基准期，升温幅度越大，耕地暴露面积下降越明显。暴露于最强极端低温事件的耕地面积则高于基准期，且升温幅度越高，增加越明显。升温1.5℃时暴露于最强极端低温事件的耕地主要集中在西南地区，华东、华北、华中与华南等地相对于基准期有不同程度的上升，西北与东北等地略有下降。升温2.0℃时，暴露于最强极端低温事件的耕地主要由西南地区转移至华东、华中地区。

文中研究达到全球升温1.5℃与2.0℃目标时中国极端低温事件和耕地暴露度的变化，选用RCP 2.6情景下的出现1.5℃与RCP 4.5情景下出现2.0℃的时间进行差异比较的。这是因为RCP 4.5比RCP 2.6情景下的全球升温1.5℃出现的时间要早一些。此外，也比较了RCP 4.5情景下全球升温1.5℃与2.0℃目标下极端低温事件的变化差异性，在全球升温1.5℃目标中，持续1—9 d的极端低温事件的频次相对于基准期下降31%—54%，强度上升2%—9%，面积变化则在-14%—4%，全球升温2.0℃时，极端低温事件的频次相对于基准期下降48%—81%，强度则上升6%—12%，影响面积则在-18%—18%变化。

区域性的极端低温事件影响范围大、持续时间长，对农业及社会经济带来严重影响。尽管全球气温升高，极端低温事件频次呈减少趋势，但伴随升温，其强度却有一定程度上升，研究结论同时显示，全球升温1.5℃与2.0℃情景下，均有超过基准期最强极端低温事件的极端低温事件发生的可能性，最强极端低温事件的中心也由西北地区转移至华北、华中等地。虽然升温1.5℃与升温2.0℃，但暴露于最强极端低温事件的耕地面积却呈增加趋势，在华东、华中等地上升最明显。华中、华东以及华北地区是中国人口密集、经济发达地区，同时也是重要粮食生产基地。极端低温事件的发生，将对中国的社会经济造成严重的影响。在现今气候变暖的大背景下，对于极端低温事件的预防仍有着一定的必要性。