吳 迪,嚴(yán)登華
(1:中國水利水電科學(xué)研究院水資源研究所,北京100038)
(2:中國水利水電科學(xué)研究院流域水循環(huán)模擬與調(diào)控國家重點實驗室,北京100038)
隨著全球氣候變暖和近年來極端天氣事件發(fā)生強度、頻次的增加,區(qū)域(流域)尺度氣候變化預(yù)估問題受到國際社會的普遍關(guān)注[1-2].目前,全球氣候模式被認(rèn)為是認(rèn)識和歸因過去氣候變化并對未來進(jìn)行預(yù)估的主要工具,近年來已得到較快的發(fā)展.IPCC第四次評估報告(AR4)開展了“氣候模式診斷與比較計劃(PCMDI)”,有23個復(fù)雜的海氣耦合模式(AOGCM,Atmosphere-Ocean General Circulation Model)參與,并提供了9種不同排放情景下的預(yù)估結(jié)果;與第三次評估報告(TAR)比較,這些模式無論在物理過程還是模式分辨率上,較之以往都有很大的提高[3-6].
關(guān)于IPCC AR4中全球模式對中國區(qū)地面溫度的模擬效果評估表明[7-8]:全球模式對溫度年變化及空間分布模擬較好,特別是在低緯地區(qū)及東部地區(qū);新一代模式能模擬出溫度的線性變化趨勢,但年平均溫度演變趨勢的模擬能力較低.對降水、東亞季風(fēng)等的模擬性能評估表明[9-11]:大部分模式基本上能夠模擬出中國東部地區(qū)降水的季節(jié)進(jìn)退,能夠一定程度上再現(xiàn)中國區(qū)降水的分布型,也能模擬出降水的區(qū)域性差異,但不同模式對東亞季風(fēng)降水空間分布模擬差異較大.整體來看,全球模式對未來氣候變化預(yù)估還存在較大的不確定性[12].多模式集合結(jié)果與觀測值的相關(guān)性更好,較好地反映了氣候變化的趨勢;多模式集合一般優(yōu)于大部分單個模式,而單一模式的預(yù)估很難給出可信的結(jié)果.目前主要對多模式的模擬結(jié)果進(jìn)行集合,以減小全球模式模擬的不確定性[13].國外在氣候變化多模式集合預(yù)估方面研究較早[14],而近年來我國在這一領(lǐng)域發(fā)展較快.姜大膀等[15]利用IPCC資料中心的7個耦合模式開展了集合預(yù)估研究,分析了SRES A2溫室氣體和氣溶膠排放情景下中國大陸21世紀(jì)前30年的十年際氣候變化趨勢;江志紅等[10]評估了AR4中7個新一代全球模式及多模式集合對現(xiàn)代氣候情景下5個極端降水指數(shù)的模擬能力;許崇海等[16]利用中國地區(qū)溫度和降水格點觀測數(shù)據(jù)以及多模式集合平均數(shù)據(jù)計算了PDSI指數(shù),評估了全球氣候模式對中國區(qū)1961-2000年干旱變化特征的模擬能力,預(yù)估了SRES A1B情景下2011-2025年干旱的可能變化.此外,其他學(xué)者也利用多模式集合進(jìn)行了大量區(qū)域(流域)的氣候變化預(yù)估研究[17-18].
本文利用IPCC AR4中不同排放情景下8個全球海氣耦合模式的輸出結(jié)果,通過偏差修正/空間降尺度處理,將單模式月平均地表溫度和降水結(jié)果統(tǒng)一插值到同一分辨率(0.5°×0.5°)下,并采用多模式集合平均的方法得到多模式集合結(jié)果.首先,與基準(zhǔn)時段(1961-1990年)站點觀測數(shù)據(jù)比較,分析了多模式集合對淮河流域地面溫度和降水的模擬效果;在此基礎(chǔ)上,預(yù)估了IPCC SRES A2(高排放)、A1B(中排放)和B1(低排放)情景下,淮河流域未來30 a(2011-2040年)相對于基準(zhǔn)時段(1961-1990年)的可能氣候變化,并對比分析了不同情景下流域地面溫度和降水時(年、月、年代際)空尺度的變化特征.
圖1 淮河流域地理位置和氣象站點分布Fig.1 Location of the study area and distribution of meteorological stations in Huaihe River basin
淮河流域(30°55'~36°36'N,111°55'~121°25'E)地處中國東部,介于長江、黃河之間,總流域面積27×104km2.淮河流域西起伏牛山,東臨黃海,南以大別山、江淮丘陵與長江流域分界,北以黃河和沂蒙山與黃河流域毗鄰.流域西部、西南部及東北部為山區(qū)、丘陵區(qū)(約占1/3),其余為廣闊的平原(約占2/3).以廢黃河為界,淮河流域分為淮河和沂沭泗河兩大水系,流域內(nèi)湖泊、洼地眾多.淮河流域是我國重要的農(nóng)業(yè)生產(chǎn)基地和能源基地之一,在國家經(jīng)濟(jì)和社會發(fā)展中占有重要地位.淮河流域地理位置和氣象站點分布如圖1所示.
淮河流域地處我國濕潤氣候與半干旱氣候過渡帶,季風(fēng)氣候極為顯著;降水年際變化很大,時空分配不均.降水一般集中在6-9月,占全年降水的50%~80%,而12-次年2月降水不到全年的10%.淮河流域地處我國南北氣候、高低溫度和海陸相3種過渡帶的重疊區(qū),是典型的孕災(zāi)環(huán)境地帶.由于特殊的地理位置,受低緯和中高緯天氣系統(tǒng)共同影響,天氣復(fù)雜多變,流域氣象災(zāi)害頻繁,一年之內(nèi)常出現(xiàn)“旱澇交替”或“南澇北旱”現(xiàn)象.研究表明,淮河流域汛期降水主要是夏季風(fēng)進(jìn)退、鋒面移動的結(jié)果,其旱澇異常與大尺度環(huán)流異常密切相關(guān).
根據(jù)對IPCC AR4中AOGCM對東亞地區(qū)(或中國區(qū))當(dāng)代氣候模擬能力的評估[8,19],研究中選擇了模擬效果較好的 MIROC 3.2(medres)、BCCR-BCM 2.0、ECHAM5/MPI-OM、CSIRO-Mk 3.0、GFDL-CM 2.1、UKMO-HadCM3、CCSM3、ECHO-G 8個全球海氣耦合模式.各耦合模式中大氣模式和海洋模式的水平分辨率及垂直分層情況如表1所示.各模式相關(guān)詳細(xì)信息可參見PCMDI的網(wǎng)址(http://www.pcmdi.llnl.gov/ipcc/about_ipcc.php),耦合模式所有數(shù)據(jù)來自世界氣候研究計劃(WCRP)的“耦合模式比較計劃第3階段(CMIP3)”多模式數(shù)據(jù)庫[20].
AOGCM能較好地模擬出大尺度重要的平均特征,如高層大氣場、近地面溫度和大氣環(huán)流等,但其輸出空間分辨率較低,難以對區(qū)域氣候情景做合理的預(yù)估.因此,對于區(qū)域(流域)尺度氣候變化情景,就需要通過統(tǒng)計或動力降尺度方法來得到更小尺度的區(qū)域氣候信息.區(qū)域氣候變化是以大尺度氣候為條件的,降尺度主要就是對大尺度、低分辨率的全球模式輸出變量進(jìn)行統(tǒng)計或動力的次網(wǎng)格化,從而將其轉(zhuǎn)化為區(qū)域尺度的地面氣候信息(如溫度和降水等).動力降尺度法是利用與AOGCM耦合的區(qū)域氣候模式(RCM,Regional Climate Model)來預(yù)估區(qū)域未來氣候變化情景;而統(tǒng)計降尺度法一般是建立預(yù)報因子(GCM模擬效果好的大尺度變量)和預(yù)報對象(小尺度變量,如降水)之間的統(tǒng)計關(guān)系,并用獨立的觀測資料檢驗這種關(guān)系,最后再把這種關(guān)系應(yīng)用于AOGCM輸出的大尺度氣候信息,來預(yù)估區(qū)域未來的氣候變化情景.動力方法雖然物理機制明確,但受邊界條件影響較大,而且對計算機要求較高,計算量大;與之比較,統(tǒng)計方法不需考慮邊界條件對預(yù)測結(jié)果的影響,其優(yōu)點是方法相對簡單、計算量小;缺點是需要足夠的觀測資料來建立統(tǒng)計關(guān)系,而且統(tǒng)計方法不能應(yīng)用于大尺度氣候要素與區(qū)域氣候要素相關(guān)不明顯的地區(qū)[21].鑒于統(tǒng)計降尺度方法的優(yōu)點,本文基于1950-1999年月平均溫度和降水格點觀測數(shù)據(jù),使用偏差修正/空間降尺度方法得到0.5°×0.5°分辨率的全球陸地月平均地表溫度和降水格點場資料[22-24].研究中溫室氣體和氣溶膠排放情景選用的是IPCC《排放情景特別報告(SRES)》[25]中的A2(高排放)、A1B(中排放)和B1(低排放)情景.這3種情景下耦合模式的模擬結(jié)果基本涵蓋了由于溫室氣體不斷增加引起的淮河流域未來氣候變化的可能情況.
本文選擇A2、A1B和B1情景下淮河流域1961-1990年和2011-2040年兩個時段各30 a時間尺度的模擬數(shù)據(jù).其中,1961-1990年平均地面溫度(以下簡稱溫度)和降水作為現(xiàn)代氣候狀況;2011-2040年平均溫度和降水作為未來氣候狀況,兩個時段平均溫度和降水的差值作為未來30 a淮河流域可能的氣候變化.以下內(nèi)容的分析均是基于8個AOGCM溫度和降水?dāng)?shù)據(jù)的算術(shù)平均結(jié)果,簡稱多模式集合.
表1 選用的IPCC AR4中8個全球海氣耦合模式概況Tab.1 An overview of 8 IPCC AR4 AOGCMs adopted in this study
為檢驗多模式集合對淮河流域平均氣候(溫度和降水)場的模擬效果,對基準(zhǔn)時段(1961-1990年)年、夏季和冬季平均溫度和降水多模式集合結(jié)果與流域及周邊57個氣象站的同期實況觀測資料進(jìn)行對比分析.采用克里格(Kriging)插值方法將站點觀測和多模式集合數(shù)據(jù)進(jìn)行空間展布.淮河流域氣象站點分布見圖1.
從年、季平均地面溫度觀測和多模式集合的對比結(jié)果可見,多模式集合對流域年平均溫度分布特征模擬較好,再現(xiàn)了由北向南、由沿海向內(nèi)陸溫度逐漸遞增的大尺度空間分布特征,與實況相符合.由于分辨率較高,多模式集合對淮南平原區(qū)的溫度高值區(qū)和東北部沂蒙山區(qū)、西部伏牛山區(qū)等小地形引起的溫度低值區(qū)模擬較好,與實際觀測相吻合.從季節(jié)溫度空間分布上看,多模式集合能模擬出流域溫度的季節(jié)性變化特征,夏季溫度空間分布的模擬效果比冬季好,冬季模擬等溫線略有偏北.溫度的分布受局地地形影響明顯,多模式集合對流域等溫線過渡帶的位置模擬較為細(xì)致,再現(xiàn)了不同地形影響下溫度隨地形變化的分布特征(圖2).
圖2 基準(zhǔn)時段年和季節(jié)地面溫度空間分布:年(a)、夏季(b)和冬季(c)觀測溫度;年(d)、夏季(e)和冬季(f)溫度多模式集合Fig.2 Spatial distribution of annual and seasonal temperature between observation and multimodel ensembles during 1961-1990:annual(a),summer(b)and winter(c)observed temperature;annual(d),summer(e)and winter(f)multimodel ensembles simulated temperature
從流域溫度年內(nèi)分配上看,多模式集合與觀測值在年內(nèi)的分配過程基本一致(圖3a).從各月溫度比較來看,春、夏和秋季多模式集合各月溫度與觀測值相差較小,3月和9月溫度分別比觀測值偏高了0.21和0.19℃;而5月和6月溫度分別比觀測值偏低了0.21和0.16℃,其他各月溫度與觀測值相差均在0.1℃以內(nèi);冬季多模式集合各月溫度與觀測值相比相對較大,2月、1月和12月溫度分別比觀測值偏高0.67、0.45和 0.45℃.
從流域降水年內(nèi)分配上看,降水多模式集合與觀測值在年內(nèi)分配過程基本一致(圖3b).在降水集中的6-9月,除9月多模式集合比觀測值偏少16.1%以外,其他各月多模式集合與觀測值相對誤差基本在5%左右;而冬季各月降水多模式集合與觀測值相差相對較大,其中1、12和2月相對誤差分別達(dá)到了40.3%、25.6%和19.2%.由此可見,多模式集合可以反映淮河流域降水的年內(nèi)分配過程,尤其是降水集中的雨季(如6月中旬至7月上旬梅雨季節(jié)),對旱季(冬季)各月降水模擬能力相對較差.
圖3 淮河流域觀測和多模式集合月平均溫度(a)和降水(b)比較Fig.3 Comparison of monthly mean temperature(a)and precipitation(b)between observation and multimodel ensembles simulation in Huaihe River basin
年、季平均降水的多模式集合模擬和觀測對比結(jié)果可見,多模式集合模擬出了流域年平均降水由南向北、由沿海向內(nèi)陸遞減的大尺度空間分布特征,降水等值線分布與實況擬合較好.夏季多模式集合對流域降水空間特征描述較為細(xì)致,對流域北部沂蒙山區(qū)(440 mm降水等值線)、南部大別山區(qū)和下游近海區(qū)(530 mm降水等值線)3個降水高值區(qū)的位置刻畫較為準(zhǔn)確,更好地再現(xiàn)了復(fù)雜地形條件下降水隨地形的變化特征.多模式集合也較好地反映了冬季降水由北向南逐漸增加的空間分布特征,降水等值表現(xiàn)比較平滑,但多模式集合降水比觀測值略有偏大(圖4).
總之,多模式集合能夠模擬出淮河流域溫度和降水的大尺度空間分布特征,較好地反映流域現(xiàn)狀的氣候變化趨勢,對于受地形影響的局地氣候特征有較好的模擬能力;對溫度的模擬效果要好于降水,年和夏季模擬效果好于冬季;對冬季降水的模擬效果還有待進(jìn)一步提高,這也是當(dāng)前模式所面臨的共性問題.
3種情景下多模式集合對淮河流域未來30 a地面溫度的預(yù)估結(jié)果表明,不同情景下流域年、季平均溫度均呈增加趨勢(表2).A2情景下年、季溫度增加相對較高,其次是A1B情景,而B1情景下年、季溫度增加相對較低,表現(xiàn)出溫度增幅隨排放強度增加而增加的特點.A2、A1B、B1情景下未來流域年平均溫度分別增加了1.12、1.02和0.85℃.從溫度季節(jié)變化上看,3種情景下流域冬、春季溫度增加幅度相對較大,其次是秋季,而夏季溫度增加幅度相對較低.
不同情景下多模式集合對淮河流域未來30 a降水的預(yù)估結(jié)果表明,3種情景下流域年平均降水均呈增加趨勢,但增加幅度不明顯(表3).A2情景下,年降水增加相對較少,增幅僅為0.13%;而A1B和B1情景下,年降水分別增加了5.88%和5.24%.從季節(jié)變化上看,不同情景、不同季節(jié)降水增減變化并不一致,表現(xiàn)較為復(fù)雜.A2情景下,冬季降水增加相對較多,達(dá)到12.37%;而夏季、春季和秋季降水增減變化并不顯著.A1B和B1情景下,冬季降水增加明顯,分別增加了16.76%和13.02%;而其他季節(jié)降水增加幅度基本在5%左右.
圖4 基準(zhǔn)時段年和季節(jié)降水空間分布:年(a)、夏季(b)和冬季(c)觀測降水;年(d)、夏季(e)和冬季(f)降水多模式集合Fig.4 Spatial distribution of annual and seasonal precipitation between observation and multimodel ensembles during 1961 1990:annual(a),summer(b)and winter(c)observed precipitation;annual(d),summer(e)and winter(f)multimodel ensembles simulated precipitation
表2 淮河流域年、季地表溫度變化(℃)Tab.2 Annual and seasonal mean temperature changes over Huaihe River basin
表3 淮河流域年、季降水變化(mm)Tab.3 Annual and seasonal mean precipitation changes over Huaihe River basin
從月溫度變化看(圖5a),3種情景下,基準(zhǔn)和未來時段溫度年內(nèi)分配過程基本一致,未來各月溫度均呈增加趨勢.其中A2和A1B情景下各月溫度增加幅度比B2情景明顯,而B2情景下溫度變化相對平緩.A2情景下,秋季的11月溫度增幅最大,達(dá)到1.32℃;其次是冬季的2月,溫度增幅為1.23℃;而夏季的8月溫度增幅最小,僅為0.93℃.A1B情景下,冬季的1月溫度增幅最大,達(dá)到1.25℃;其次是秋季的11月,溫度增幅為1.15℃;而夏季的8月溫度增幅最小,僅為0.86℃.B2情景下,冬季的11月溫度增幅最大,達(dá)到0.63℃;其次是夏季的6月,溫度增幅為0.57℃;而冬季的2月溫度增幅最小,僅為0.30℃;
從月降水變化看(圖5b),3種情景下,基準(zhǔn)和未來時段降水年內(nèi)分配過程基本一致,未來各月降水增減變化并不一致,表現(xiàn)較為復(fù)雜.其中A2情景下,除2月和7月外,各月降水都呈減少趨勢;而A1B和B1情景下各月降水基本呈增加趨勢.A1B和B1情景降水增加幅度比B2情景明顯,B2情景下降水變化相對平緩.A2情景下,春季的4月降水減少較為明顯,達(dá)到了21.71%;A1B情景下,冬季的1月降水增幅最大,達(dá)到了20.56%;其次是冬季的2月降水增幅為19.55%;而秋季的10月降水減少了2.09%;B1情景下,冬季的12月降水增幅最大,達(dá)到17.94%;其次是冬季的2月,降水增幅為16.72%;而秋季的10月降水減少了0.53%;整體來看,不同情景、不同月份降水增減幅度不同,變化較為復(fù)雜.A2情景下各月降水呈減少趨勢,秋末冬初(10月和11月)降水減少明顯,而其它各月降水增減變化并不顯著;A1B和B2情景下降水呈增加趨勢,A1B情景下冬季的1月、2月和B2情景下冬季的12月、1月降水增加較為明顯.這與A2情景下冬季降水呈減少趨勢相反,說明不同情景下對降水預(yù)估結(jié)果的不確定性較大.
從溫度年際變化上看(圖6a),相對于基準(zhǔn)時段(1961-1990年),3種情景下流域年平均溫度均呈明顯增加趨勢,都通過了0.05的顯著性水平檢驗.其中A1B情景下年平均溫度增幅較大,線性傾向率為0.47℃/10 a;A2情景下年平均溫度線性傾向率為0.21℃/10 a;而B1情景下年平均溫度線性傾向率為0.17℃/10 a.從溫度年代際變化上看(圖7a),3種情景下,溫度年代際變化也呈增加趨勢,增溫幅度隨排放情景的增加而增大.相對于基準(zhǔn)時段,A2情景下,2020s流域年平均溫度增幅為0.86℃;2030s年平均溫度增幅為1.24℃,而2040s年平均溫度增幅為1.25℃;A1B情景下,2020s年平均溫度增幅為0.56℃;2030s年平均溫度增幅為0.98℃,而2040s年平均溫度增幅為1.51℃;B1情景下,2020s年平均溫度增幅為0.68℃;2030s年平均溫度增幅為0.86℃,而2040s年平均溫度增幅為1.01℃.
從降水年際變化上看(圖6b),相對于基準(zhǔn)時段(1961-1990年),3種情景下降水年際間變化波動較大,增減趨勢不明顯,都沒有通過0.05的顯著性水平檢驗.其中A2情景下年平均降水增幅較大,線性傾向率為11 mm/10 a;B1情景下年平均降水線性傾向率為7 mm/10 a;而A1B情景下,年平均降水呈減少趨勢,線性傾向率為-4 mm/10 a.從降水年代際變化上看(圖7b),除A2情景下,2030s降水為減少趨勢外,2020s和2040s降水年代際變化均呈增加趨勢,但增加并不顯著;2020s年平均降水增幅為3 mm;2030s年平均降水減少了25 mm,而2040s年平均降水增幅為25 mm.A1B情景下,2020s年平均降水增幅為63 mm;2030s年平均降水增幅為41 mm,而2040s年平均降水增幅為50 mm;B1情景下,2020s年平均降水增幅為31 mm;2030s年平均降水增幅為66 mm,而2040s年平均降水增幅為41 mm.整體來看,不同情景、不同年代降水增減幅度并不一致,沒有一致的規(guī)律性.
3種情景下淮河流域未來30 a地面平均溫度的空間變化可見,不同情景下多模式集合模擬的年平均溫度空間變化差異較大,不同區(qū)域溫度增幅有所不同(圖8).A2情景下,全流域年平均溫度呈增加趨勢,溫度增幅為1.04~1.25℃;北部溫度增幅比南部明顯,山區(qū)增溫幅度比平原區(qū)明顯;A1B情景下,年平均溫度增幅為1.00~1.10℃;流域北部和西部山丘區(qū)溫度增幅比平原區(qū)明顯,不同情景下年平均溫度和降水空間變化(相對于1961-1990年)表明,平原區(qū)溫度增幅基本一致,等溫線過渡帶(東北 西南走向)表現(xiàn)十分明顯;B1情景下,流域溫度增幅在0.81~0.88℃,東部沿海地區(qū)、南部大別山區(qū)以及北部地區(qū)溫度增幅基本在0.88℃左右,而流域中部地區(qū)溫度增幅相對較低,約在0.81℃左右,溫度增加范圍并不顯著(圖8).
3種情景下淮河流域未來30 a降水空間分布變化見圖8.預(yù)估結(jié)果表明:不同情景下,流域不同區(qū)域年平均降水增減變化趨勢并不一致,表現(xiàn)較為復(fù)雜.A2情景下,流域北部和西部山丘區(qū)年平均降水有增加趨勢,增加幅度為0.46%~3.25%,增幅并不明顯;而東部沿海地區(qū)和南部平原區(qū)降水呈減少趨勢,減少幅度為0.27%~2.04%.A1B情景下,流域降水由東部平原區(qū)向西部山區(qū)逐漸增加,呈弧形帶狀分布,增加幅度為3.35%~6.98%;B1情景下,流域降水由南向北逐漸增加,基本呈帶狀分布,降水增加幅度為7.01%~26.72%,流域北部和西部降水增加幅度相對較多.
基于偏差修正/空間降尺度方法處理的IPCC AR4中8個全球海氣耦合模式集合平均結(jié)果,分析了SRES A2(高排放)、A1B(中排放)和B1(低排放)情景下淮河流域未來30 a(2011-2040年)相對于基準(zhǔn)時段(1961-1990年)地面溫度和降水的時空變化特征.初步得到以下幾點結(jié)論:
1)與基準(zhǔn)時段站點觀測溫度和降水資料比較,多模式集合較好地反映了溫度由北向南、由沿海向內(nèi)陸遞增的空間分布特征,對受地形影響的溫度空間分布模擬較好,再現(xiàn)了不同地形過渡區(qū)溫度的變化特點,與實況相符合.多模式集合對降水由南向北、由沿海向內(nèi)陸遞減的空間分布特征模擬也較好,對受局地地形影響的降水模擬更為細(xì)致,較好地反映了流域內(nèi)降水高/低值區(qū)的分布特征.多模式集合能很好地模擬流域溫度和降水的年內(nèi)分配特征,與觀測基本一致,但冬季各月溫度和降水模擬效果還有待于提高.
2)3種情景下未來流域年、季平均溫度均呈增加趨勢,表現(xiàn)出溫度增幅隨排放強度增加而增加的特點.A2、A1B和B1情景下,年平均溫度增幅分別為1.12、1.02和0.85℃.季節(jié)溫度變化與年溫度增加趨勢一致,3種情景下流域冬、春季溫度增加幅度相對較大,其次是秋季,而夏季溫度增幅相對較小.未來流域年平均降水有增加趨勢,但增幅不明顯.A2情景下,年降水增加相對較小,增幅僅為0.13%;而A1B和B1情景下,年降水分別增加了5.88%和5.24%.不同情景和不同季節(jié)降水增減變化并不一致,表現(xiàn)較為復(fù)雜.
3)3種情景下未來流域年平均溫度變化呈明顯增加趨勢,其中A2、A1B和B1情景下年平均溫度線性傾向率分別為0.21、0.47和0.17℃/10 a,未來不同年代際溫度增加幅度逐漸增大.流域降水年際間波動較大,表現(xiàn)較為復(fù)雜,增減趨勢不明顯.其中A2和B1情景下降水增幅相對較大,線性傾向率分別為11和7 mm/10 a;而A1B情景下,降水呈減少趨勢,線性傾向率為-4 mm/10 a.不同年代降水增減幅度并不一致,沒有明顯的規(guī)律性.
4)3種情景下未來流域年溫度空間變化整體呈現(xiàn)出北部增溫幅度大于南部、山丘區(qū)增溫幅度大于平原區(qū)的特點,但局部地區(qū)溫度增幅有所差異.不同情景下年降水空間變化較為復(fù)雜,不同區(qū)域降水增減幅度差異并不明顯,沒有很好的一致性.
5)由于目前對氣候變化認(rèn)識的局限性、排放情景的多樣性、氣候模式的不確定性(模式參數(shù)化、氣溶膠氣候效應(yīng)、模式中云輻射強迫模擬等)以及氣候系統(tǒng)各圈層相互作用的復(fù)雜性等問題還沒有很好地解決;同時,多模式集合以等權(quán)重法為主,對集合分析方法還需進(jìn)一步改進(jìn),因此,未來要結(jié)合不同降尺度(動力或統(tǒng)計)技術(shù),采用不同分析方法,對區(qū)域氣候變化預(yù)估的不確定性問題進(jìn)行深入研究.
[1]Solomon S,Qin D,Manning M et al.Climate Change 2007:the physical science basis.Contribution of Working Group I to the Fourth Assessment Report of the Intergovermental Panel on Climate Change.Cambridge:Cambridge University Press,2007.
[2]Tebaldi C,Smith RL,Nychka D et al.Quantifying uncertainty in projections of regional climate change:a bayesian approach to the analysis of multimodel ensembles.Journal of Climate,2005,18:1524-1540.
[3]趙宗慈.全球氣候變化預(yù)估最新研究進(jìn)展.氣候變化研究進(jìn)展,2006,2(2):68-70.
[4]郝振純,鞠 琴,余鐘波等.IPCCAR4氣候模式對長江流域氣溫和降水的模擬性能評估及未來情景預(yù)估.第四紀(jì)研究,2010,30(1):127-137.
[5]Phillips TJ,Gleckler PJ.Evaluation of continental precipitation in 20th century climate simulations:The utility of multimodel statistics.Water Resources Research,2006,42:W03202.doi:10.1029/2005WR004313.
[6]孫 穎.用于IPCC第四次評估報告的氣候模式比較研究簡介.氣候變化研究進(jìn)展,2005,1(4):162-163.
[7]劉 珂,許吟隆,陶生才等.多模式集合對中國氣溫的模擬效果及未來30年中國氣溫變化預(yù)估.高原氣象,2011,30(2):363-370.
[8]劉 敏,江志紅.13個IPCC AR4模式對中國區(qū)域近40a氣候模擬能力的評估.南京氣象學(xué)院學(xué)報,2009,32(2):256-268.
[9]張 莉,丁一匯,孫 穎.全球海氣耦合模式對東亞季風(fēng)降水模擬的檢驗.大氣科學(xué),2008,32(2):261-276.
[10]江志紅,陳威霖,宋 潔等.7個IPCC AR4模式對中國地區(qū)極端降水指數(shù)模擬能力的評估及其未來情景預(yù)估.大氣科學(xué),2009,33(1):109-120.
[11]許崇海,羅 勇,徐 影.全球氣候模式對中國降水分布時空特征的評估和預(yù)估.氣候變化研究進(jìn)展,2010,6(6):398-404.
[12]李 博,周天軍.基于IPCC A1B情景的中國未來氣候變化預(yù)估:多模式集合結(jié)果及其不確定性.氣候變化研究進(jìn)展,2010,6(4):270-276.
[13]Semenov MA,Stratonovitch P.Use of multi-model ensembles from global climate models for assessment of climate change impacts.Climate Research,2010,41:1-14.
[14]Collins M.Ensembles and probabilities:a new era in the prediction of climate change.Philosophical Transactions Royal Society,London,2007,365A:1957-1970.
[15]姜大膀,王會軍,郎咸梅.全球變暖背景下東亞氣候變化的最新情景預(yù)測.地球物理學(xué)報,2004,47(4):590-596.
[16]許崇海,羅 勇,徐 影.IPCC AR4多模式對中國地區(qū)干旱變化的模擬及預(yù)估.冰川凍土,2010,32(5):867-874.
[17]程炳巖,劉曉冉,張?zhí)煊畹?基于全球氣候系統(tǒng)模式結(jié)果的重慶21世紀(jì)氣候變化預(yù)估分析.氣象科技,2009,37(4):415-419.
[18]趙宗慈,羅 勇.21世紀(jì)中國東北地區(qū)氣候變化預(yù)估.氣象與環(huán)境學(xué)報,2007,23(3):1-4.
[19]許崇海,沈新勇,徐 影.IPCC AR4模式對東亞地區(qū)氣候模擬能力的分析.氣候變化研究進(jìn)展,2007,3(5):287-292.
[20]Meehl GA,Covey C,Delworth T et al.The WCRP CMIP3 multimodel dataset:A new era in climate change research.Bulletin of the American Meteorological Society,2007,88:1383-1394.
[21]范麗軍,符淙斌,陳德亮.統(tǒng)計降尺度法對未來氣候變化情景預(yù)估的研究進(jìn)展.地球科學(xué)進(jìn)展,2005,20(3):320-329.
[22]Maurer EP,Adam JC,Wood AW.Climate model based consensus on the hydrologic impacts of climate change to the Rio Lempabasin of Central America.Hydrology and Earth System Sciences,2009,13:183-194.
[23]Adam JC,Lettenmaier DP.Adjustment of global gridded precipitation for systematic bias.Journal of Geophysical Research,2003,108(D9):4257.doi:10.1029/2002JD002499.
[24]Wood AW,Leung LR,Sridhar V et al.Hydrologic implications of dynamical and statistical approaches to downscaling climate model outputs.Climatic Change,2004,62:189-216.
[25]Nakicenovic N,Alcamo J,Davis G et al.Special Report on Emission Scenarios,Working GroupⅢ,Intergovernment Panel on Climate Change(IPCC),UK.Cambridge:Cambridge University Press,2000:595.