陳曉晨 徐影 姚遙

1 湖南省氣候中心，長(zhǎng)沙410118

2 中國(guó)氣象局國(guó)家氣候中心，北京100081

3 中國(guó)氣象局氣候研究開(kāi)放實(shí)驗(yàn)室，北京100081

4 清華大學(xué)地球系統(tǒng)科學(xué)研究中心，北京100084

1 引言

為有效減緩和應(yīng)對(duì)氣候變化、控制溫室氣體排放，包括歐盟成員國(guó)在內(nèi)的一百多個(gè)國(guó)家和眾多國(guó)際組織已經(jīng)將避免2°C全球變暖（相對(duì)于工業(yè)化前）作為溫室氣體減排的目標(biāo)（Meinshausen et al.,2009）。一旦全球平均氣溫（ASAT）達(dá)到2°C升溫閾值，將會(huì)對(duì)包括極端天氣和氣候事件、冰川、海平面、人體健康等在內(nèi)的多個(gè)方面產(chǎn)生深刻的影響（Schneider et al., 2007），故2°C閾值被認(rèn)為是一個(gè)氣候變化影響的危險(xiǎn)水平閾值（Joshi et al., 2011）。但從IPCC第五次評(píng)估報(bào)告（AR5）（IPCC，2013）的評(píng)估結(jié)果來(lái)看，到21世紀(jì)末，全球平均的ASAT在高排放情景（RCP8.5）下可能升溫4°C（相對(duì)于工業(yè)化前），這樣的溫度升幅將大大超過(guò)了被認(rèn)為保障全球氣候變化安全的2°C閾值。The World Bank（2012）的最新報(bào)告指出：如果全球達(dá)到 4°C升溫閾值，在很多地區(qū)將會(huì)出現(xiàn)破紀(jì)錄的高溫?zé)崂耸录蜆O端干旱、洪澇事件，并將對(duì)生態(tài)系統(tǒng)構(gòu)成嚴(yán)峻的威脅，因此世界各國(guó)必須盡一切努力避免出現(xiàn)4°C增溫以防止帶來(lái)災(zāi)難性的后果。而以往的研究表明，中國(guó)的溫升幅度要顯著大于全球平均（Zhou and Yu，2006），是世界上受氣候變化影響最為嚴(yán)重的地區(qū)之一（Zeng et al., 2008）。因此，深入分析全球較高升溫閾值下中國(guó)的氣候變化情況，特別是對(duì)極端氣候事件變化的認(rèn)識(shí)顯得尤為現(xiàn)實(shí)而緊迫。

全球氣候模式作為預(yù)估未來(lái)氣候變化的重要工具，被廣泛應(yīng)用在相關(guān)的研究工作中?；隈詈夏Ｊ奖容^計(jì)劃第三階段（CMIP3）全球氣候模式的模擬數(shù)據(jù)，發(fā)現(xiàn)在2°C全球變暖背景下，中國(guó)氣候變暖的幅度比全球平均更大，在模式集合平均(MME) 結(jié)果中，三種排放情景下中國(guó)地區(qū)的ASAT上升2.7°C～2.9°C，降水增加3.4%～4.4%，各季節(jié)內(nèi)也均為增加趨勢(shì)（姜大膀和富元海，2012）。隨著IPCC AR5的發(fā)布，一些學(xué)者基于耦合模式比較計(jì)劃第五階段（CMIP5）全球氣候模式的模擬數(shù)據(jù)得到了諸多有意義的結(jié)論：如胡芩等（2014）的評(píng)估結(jié)果表明，CMIP5模式對(duì)青藏高原地區(qū)年均地表氣溫低估了約2.3°C，對(duì)年均降水模擬偏多約1.3 mm d-1；金晨曦和周天軍（2014）的評(píng)估結(jié)果表明，參加CMIP5的四個(gè)中國(guó)模式可以合理再現(xiàn)東亞夏季風(fēng)的高低層環(huán)流系統(tǒng)；周秀華和肖子牛（2014）基于CMIP5模式的結(jié)果預(yù)估了云南地區(qū)21世紀(jì)前半葉的氣候變化。Zhang（2012）基于17個(gè)CMIP5模式的結(jié)果分析了全球和中國(guó)地區(qū)在 RCP4.5排放情景下到達(dá) 2°C的時(shí)間及空間分布特征。張莉等（2013）利用29個(gè)CMIP5模式的結(jié)果分析了在三種典型濃度路徑（RCP2.6、RCP4.5和RCP8.5）下21世紀(jì)全球與中國(guó)地區(qū)平均的 ASAT變化特征和不同幅度增溫出現(xiàn)的時(shí)間，并進(jìn)一步分析了預(yù)估結(jié)果的不確定性。

除了上述學(xué)者關(guān)注的氣候平均態(tài)的變化，極端氣候事件變化的影響更為關(guān)鍵（Lang and Sui,2013），極端氣候事件對(duì)氣候變暖的響應(yīng)相對(duì)平均氣候更加敏感（Yao et al., 2013）?；谧钚碌腃MIP5模式數(shù)據(jù)的預(yù)估結(jié)果：21世紀(jì)中國(guó)地區(qū)極暖日數(shù)和熱浪事件顯著地增多，而極冷日數(shù)和寒潮事件則呈減少的趨勢(shì)（Yao et al., 2012）；降水的極端性增強(qiáng)，其中全國(guó)范圍內(nèi)毛毛雨頻次明顯減少，中雨、大雨和暴雨的發(fā)生頻次顯著增加（Chen, 2013）。上述極端事件變化的強(qiáng)度很大程度上依賴(lài)于未來(lái)輻射強(qiáng)迫的變化，在較高典型濃度排放路徑（RCP8.5）情景下，極端事件的變化更加顯著（Li et al., 2013）。21世紀(jì)極端氣候事件的顯著變化，增加了未來(lái)中國(guó)地區(qū)與天氣氣候相關(guān)災(zāi)害發(fā)生的風(fēng)險(xiǎn)。

未來(lái)不同升溫閾值下中國(guó)地區(qū)極端氣候事件的定量化分析對(duì)管理災(zāi)害風(fēng)險(xiǎn)及政策制定有重要的指示意義，然而，這方面的研究目前仍很少見(jiàn)。此外，中國(guó)地區(qū)的未來(lái)氣候變化呈現(xiàn)明顯的區(qū)域化差異（Sui et al., 2014）。對(duì)應(yīng)全球2°C變暖，中國(guó)地區(qū)變暖從南向北加強(qiáng)，在青藏高原地區(qū)存在一個(gè)升溫大值區(qū)；年平均降水在華南大部分地區(qū)減少，而在其余地區(qū)增加（姜大膀和富元海，2012）；東部沿海地區(qū)將更可能遭受與高溫相關(guān)的疾病和死亡，華南地區(qū)面臨洪澇和干旱等災(zāi)害的風(fēng)險(xiǎn)將更高（Li et al., 2013）。因此，本文利用18個(gè)CMIP5全球氣候模式的結(jié)果，將中國(guó)地區(qū)合理劃分為8個(gè)子區(qū)域，深入認(rèn)識(shí)在全球不同升溫閾值下中國(guó)各個(gè)區(qū)域的氣候變化情況，特別是極端氣候事件的變化，為更好地適應(yīng)和應(yīng)對(duì)氣候變化和參與國(guó)際氣候變化談判提供科學(xué)依據(jù)。

2 數(shù)據(jù)和方法

對(duì)于極端氣候事件的研究需要使用逐日分辨率以及同時(shí)具備歷史和未來(lái)三種情景下的模擬數(shù)據(jù)，因此，從多個(gè)CMIP5全球氣候模式中（Taylor et al., 2012），綜合考慮選取了18個(gè)全球氣候模式的歷史和未來(lái)的數(shù)值模擬結(jié)果，模式資料的詳細(xì)信息見(jiàn)表1，更多細(xì)節(jié)可參閱 http://cmip-pcmdi.llnl.gov/cmip5/[2015-06-11]。

表1 18個(gè)CMIP5全球氣候模式基本信息Table 1 Information on the 18 CMIP5 (the Coupled Model Intercomparison Project Phase 5) GCMs

21世紀(jì)不同升溫閾值是相對(duì)于工業(yè)化前的氣候而言，兼顧考慮各模式歷史氣候模擬的起始時(shí)間不同，本文統(tǒng)一選取1861～1900年平均作為21世紀(jì)不同升溫閾值的參考時(shí)段。而在分析不同升溫閾值下未來(lái)中國(guó)地區(qū)極端氣候事件變化時(shí)，參考IPCC AR5（2013）的定義，選取1986～2005年作為當(dāng)前氣候參考時(shí)段。為便于分析，使用雙線性插值方法將所有模式結(jié)果統(tǒng)一插值到 1°×1°的格點(diǎn)上。MME的計(jì)算采用國(guó)際上廣泛使用的等權(quán)重平均方法。

本文分析時(shí)選取了 27個(gè)國(guó)際上常用的極端氣候指數(shù)，用來(lái)描述中國(guó)地區(qū)的極端氣候事件。這些極端氣候指數(shù)的詳細(xì)信息見(jiàn)表2，指數(shù)的定義采用氣候變化檢測(cè)和指標(biāo)專(zhuān)家組（ETCCDI）的標(biāo)準(zhǔn)（Zhang et al., 2011）。

此外，由于氣候變化對(duì)各區(qū)域的影響有所不同，具有明顯的區(qū)域特征，本文參考第二次氣候變化國(guó)家評(píng)估報(bào)告（2011），將中國(guó)地區(qū)分為華北（NC）、東北（NEC）、華東（EC）、華中（CC）、華南（SC）、西南（SWC2）、西北（NWC）、青藏高原（SWC1）8個(gè)區(qū)域（圖1），更直觀地呈現(xiàn)不同區(qū)域?qū)夂蜃兓捻憫?yīng)。

3 結(jié)果分析

3.1 不同升溫閾值發(fā)生時(shí)間

圖2所示為模式模擬的全球平均ASAT在過(guò)去及未來(lái)三種不同RCP排放情景下的變化曲線。由于全球平均ASAT具有明顯的年際變率特征，在某一年到達(dá)某升溫閾值并不能表示全球氣候系統(tǒng)的平均狀態(tài)已到達(dá)該閾值，故圖中的溫度距平序列均已做了 9點(diǎn)滑動(dòng)平均處理，以此來(lái)表征全球平均的ASAT相對(duì)穩(wěn)定的演變趨勢(shì)。如無(wú)特殊說(shuō)明，下文的結(jié)果均做了類(lèi)似的9點(diǎn)平滑處理。圖中藍(lán)色實(shí)線為MME變化曲線，彩色虛線為不同模式的變化曲線。結(jié)果表明，雖然在 RCP2.6排放情景下 MME并未在21世紀(jì)達(dá)到2°C升溫幅度，但仍有7個(gè)模式在21世紀(jì)上半葉（2050年之前）超過(guò)了2°C的升溫閾值。MME在RCP4.5和RCP8.5排放情景下均超過(guò)2°C，發(fā)生時(shí)間分別是2046年和2038年，在RCP8.5排放情景下達(dá)到3°C升溫閾值的時(shí)間是2060年，而在2080年升溫幅度超過(guò)了4°C，這與前人的研究結(jié)果基本一致（Zhang, 2012；張莉等，2013）。從單個(gè)模式的模擬結(jié)果看，RCP4.5排放情景下只有 GFDL-ESM2G、GFDL-ESM2M 未達(dá)到2°C增溫，RCP8.5排放情景下所有模式在21世紀(jì)上半葉都超過(guò) 2°C。在 RCP8.5排放情景下，所有模式都達(dá)到了3°C的增溫幅度，但有3個(gè)模式并未在21世紀(jì)超過(guò)4°C。

圖1 中國(guó)8個(gè)分區(qū)分布示意圖Fig. 1 Distribution of eight sub-regions in China. NWC, NC, NEC,SWC1, CC, EC, SWC2, and SC represent Northwest China, North China,Northeast China, Tibetan Plateau, Central China, East China, Southwest China, and South China, respectively

表2 27個(gè)極端氣候事件指數(shù)定義（ETCCDI）Table 2 Definition of the 27 extreme climate indices defined by the joint Commission for Climatology, Climate and Ocean:Variability, Predictability and Change, and Joint Technical Commission for Oceanography and Marine Meteorology(CCl/CLIVAR/JCOMM) Expert Team on Climate Change Detection and Indices (ETCCDI)

據(jù)上述分析，將全球平均的ASAT在21世紀(jì)達(dá)到不同升溫閾值的情形分為四種：在RCP4.5排放情景下達(dá)到2°C增溫（以下簡(jiǎn)稱(chēng)RCP4.5-2°C）、在 RCP8.5排放情景下達(dá)到 2°C、3°C、4°C 增溫（以下分別簡(jiǎn)稱(chēng) RCP8.5-2°C、RCP8.5-3°C、RCP8.5-4°C）。在這四種不同升溫閾值情形下（RCP4.5-2°C、RCP8.5-2°C、RCP8.5-3°C 和 RCP8.5-4°C）MME 預(yù)估全球平均降水分別增加 2.9%、2.8%、4.3%和6.1%，即隨升溫閾值升高全球平均降水增加。這也與過(guò)去研究認(rèn)為的全球平均降水隨溫度變化關(guān)系為1%～3%/°C的結(jié)論相一致（Mitchell et al., 1987;Held and Soden, 2006），未來(lái)降水的這種變化主要受大氣能量平衡變化及與環(huán)流、濕度和溫度的相互作

用所影響（Previdi, 2010; O’Gorman et al., 2012）。

圖2 （a）RCP2.6、（b）RCP4.5和（c）RCP8.5排放情景下全球平均的ASAT距平序列（單位：°C）（相對(duì)于1861～1900年基準(zhǔn)期）Fig. 2 Time series of global annual average surface air temperature (ASAT) anomalies (units: °C) under scenarios (a) RCP2.6 (Representative Concentration Pathways), (b) RCP4.5, and (c) RCP8.5, with reference to the baseline climatology during 1861-1900. MME represents the results of multi-model ensemble mean value

3.2 不同升溫閾值下中國(guó)地區(qū)氣候平均態(tài)的變化

圖3給出全球平均ASAT達(dá)到不同升溫閾值時(shí)中國(guó)及8個(gè)分區(qū)溫度和降水的相應(yīng)變化。結(jié)果表明，在四種不同升溫閾值情況下，中國(guó)地區(qū)平均的ASAT相對(duì)工業(yè)化前的增溫幅度分別達(dá)到 2.6°C、2.5°C、4.0°C、5.2°C，均超過(guò)相應(yīng)的全球升溫閾值。東北、西北、華北以及青藏高原地區(qū)在四種不同升溫閾值情況下變暖幅度高于中國(guó)其他地區(qū)，這與前人研究的結(jié)論相一致（Jiang et al., 2009; Chen and Frauenfeld，2014）。這四個(gè)地區(qū)在 RCP4.5-2°C 和RCP8.5-2°C情況下增幅均超過(guò)2.6°C；西北地區(qū)增幅最大，在RCP8.5-4°C情形下可達(dá)5.7°C。而華東、華南、華中和西南地區(qū)在四種不同升溫閾值情況下變暖幅度相對(duì)較小。華南和西南地區(qū)在RCP8.5-2°C情形下增暖均為 1.9°C，均低于全球平均增暖。綜合來(lái)看，中國(guó)8個(gè)分區(qū)表現(xiàn)為一致性增暖，高緯度和高海拔地區(qū)對(duì)全球變暖的響應(yīng)強(qiáng)于中低緯地區(qū)；全球升溫閾值越高，中國(guó)各地區(qū)增暖幅度越大。

從圖3b可見(jiàn)，未來(lái)全球增暖背景下，中國(guó)地區(qū)平均降水表現(xiàn)為增多的趨勢(shì)，在 RCP4.5-2°C、RCP8.5-2°C、RCP8.5-3°C 和 RCP8.5-4°C 情形下，中國(guó)地區(qū)平均降水相對(duì)工業(yè)化前分別增加 3.5%、2.0%、5.5%、8.9%，除了RCP8.5-2°C外，中國(guó)平均降水在其他情形略大于同期全球平均降水的變化。區(qū)別于平均氣溫的變化，不同升溫閾值下中國(guó)地區(qū)平均降水的變化呈現(xiàn)出明顯的區(qū)域特征。當(dāng)全球平均ASAT在RCP4.5排放情景下升高2°C時(shí)，MME預(yù)估我國(guó)東北、華北、西北和青藏地區(qū)的降水增多，華南降水減少，華東、華中和西南地區(qū)降水無(wú)明顯變化，即從整體上我國(guó)將表現(xiàn)為南澇北旱格局減輕的趨勢(shì)，其中西北地區(qū)變化幅度最大，在RCP8.5-4°C情形下增幅約為18.0%。隨升溫閾值的升高，我國(guó)北方和高原地區(qū)的降水增幅呈增大趨勢(shì)，Chen and Sun（2009）利用CMIP3模式數(shù)據(jù)也得出了類(lèi)似的預(yù)估結(jié)果。需要指出的是，全球氣候模式預(yù)估未來(lái)降水的局地變化時(shí)存在較大的不確定性，在南方大部分地區(qū)，模式預(yù)估結(jié)果間的一倍標(biāo)準(zhǔn)差（圖3b中豎線范圍）高于模式集合平均預(yù)估的變化幅度，這主要是由于中國(guó)各區(qū)域的降水本身具有較強(qiáng)的年代際振蕩（Xu and Xu，2012），對(duì)于降水變化幅度相對(duì)較小的地區(qū)，每個(gè)模式只使用一個(gè)集合成員時(shí)，內(nèi)部變率會(huì)對(duì)結(jié)果產(chǎn)生相對(duì)較大的影響（Deser et al.，2012）。

圖3 中國(guó)8個(gè)地區(qū)在不同升溫閾值下年平均（a）氣溫的變化（單位：°C）和（b）降水的變化（單位：%）（相對(duì)于1861～1900年基準(zhǔn)期）Fig. 3 Changes in annual (a) ASAT (units: °C) and (b) average precipitation (units: %) over eight sub-regions in China under different temperature thresholds,with reference to the baseline climatology during 1861-1900

3.3 不同升溫閾值下中國(guó)地區(qū)極端溫度事件的變化

在全球變暖背景下，一些地區(qū)的極端氣候事件的變化可能比氣候平均態(tài)的變化更加顯著，從而對(duì)自然環(huán)境和人類(lèi)生活造成深遠(yuǎn)影響。因此，有必要深入分析不同升溫閾值下中國(guó)地區(qū)極端氣候事件的變化。本文選取了 27個(gè)極端氣候指數(shù)來(lái)全面地綜合考察極端氣候事件的變化特征，其中有 16個(gè)指數(shù)用于衡量極端氣溫事件，為便于分析，根據(jù)這些指數(shù)的定義將這16個(gè)指數(shù)分為三大類(lèi)。

第一類(lèi)表征極端氣溫的指數(shù)包括日最高氣溫最大值（TXx）、日最高氣溫最小值（TXn）、日最低氣溫最大值（TNx）、日最低氣溫最小值（TNn）和溫度日較差（DTR）。這類(lèi)指數(shù)主要用來(lái)表現(xiàn)極端氣溫的強(qiáng)度特征以及最高、低溫之間的相對(duì)變化。圖4給出了多模式預(yù)估的這一類(lèi)指數(shù)在全球不同升溫閾值下中國(guó)地區(qū)的變化情況。為了反映模式預(yù)估結(jié)果的不確定性，用盒須圖表示 18個(gè)模式模擬的差異范圍，盒須圖的上、下虛線分別表示模式最高、最低預(yù)估范圍，箱體的上、下邊界分別表示多模式結(jié)果的上、下四分位，即箱體的范圍反映了多模式預(yù)估結(jié)果的50%可能性區(qū)間。

在不同升溫閾值情形下，中國(guó)及各個(gè)區(qū)域平均的TXx、TXn、TNx、TNn均呈現(xiàn)增加的特征，且隨著閾值的增加，這些指數(shù)的增加幅度更大，但各個(gè)指數(shù)的表現(xiàn)不同，同一指數(shù)也表現(xiàn)出區(qū)域性差異。這些指數(shù)中，TNn的增幅最大，TNx的增幅最小，在RCP8.5排放情景下全球平均ASAT相對(duì)工業(yè)化前升高4°C時(shí)，MME預(yù)估中國(guó)地區(qū)平均TNn相對(duì)參考時(shí)段（1986～2005年）將升高5.3°C，TNx的增幅為4.3°C，相比TNn的增暖約小1.0°C，TXx和TXn的變化則介于這兩者之間，分別為4.4°C和4.6°C。從各分區(qū)的變化情況來(lái)看，TXn和TNn的區(qū)域性差異高于TXx和TNx，且在較高升溫閾值情形下，差異更大，如RCP8.5-4°C情景下，MME預(yù)估東北地區(qū)的TNn相對(duì)參考時(shí)段的增暖為6.5°C，而對(duì)華南地區(qū)為3.3°C，二者相差近一倍。由于TXn和TNn一般發(fā)生在冬季，這一變化特征也同未來(lái)冬季北半球高緯度地區(qū)增暖高于中低緯度地區(qū)這一預(yù)估結(jié)論相一致（Knutti and Sedlá?ek, 2013）。

DTR是每日最高氣溫與最低氣溫的年平均值，反映了晝夜溫差的平均狀態(tài)。在未來(lái)不同升溫閾值情形下，中國(guó)地區(qū)平均的 DTR略有減少，但不顯著，當(dāng)全球平均的ASAT升高4°C時(shí)，MME預(yù)估中國(guó)地區(qū)平均DTR將減少0.1°C。MME對(duì)中國(guó)各分區(qū)在未來(lái)不同升溫閾值情形下的預(yù)估盡管變化情況不一，但均不顯著，最多不超過(guò) 0.3°C。我國(guó)北方（NEC、NC和NWC）和青藏高原地區(qū)由于最低氣溫的增暖幅度略大于最高氣溫，故 DTR略有減少，減少幅度的不確定性隨升溫閾值的升高而增大。

第二類(lèi)表征極端氣溫的指數(shù)分別為冷夜指數(shù)（TN10p）、暖夜指數(shù)（TN90p）、冷晝指數(shù)（TX10p）和暖晝指數(shù)（TX90p）。這類(lèi)指數(shù)以氣候基準(zhǔn)期的百分位數(shù)作為表示溫度極端性的閾值，在該定義下，通過(guò)統(tǒng)計(jì)極端事件發(fā)生的頻率特征，從而可以反映出溫度在概率分布左右兩端特征的變化情況。從圖5可以看出，在未來(lái)不同升溫閾值情景下，TN90p、TX90p表現(xiàn)為顯著地增多，即表明將會(huì)發(fā)生更多的暖夜和暖晝，且隨著閾值的升高而顯著地增多；TN10p、TX10p則表現(xiàn)為一定程度地減小，即冷夜和冷晝的發(fā)生頻率將有所減少，且隨著閾值的升高減少幅度越大。在這四個(gè)指數(shù)中，TN90p的變化最為明顯，當(dāng)全球平均的ASAT升高4°C時(shí)，MME預(yù)估中國(guó)區(qū)域平均的TN90p將增加49.9%。當(dāng)前的氣候模式對(duì)極端氣候的模擬存在較大的不確定性，各單個(gè)模式間的結(jié)果差異較大，且隨升溫閾值的升高，模式之間的差異越大。這四個(gè)指數(shù)中，TX90p的不確定性范圍最大， TX10p相對(duì)較小。

第三類(lèi)表征極端氣溫的指數(shù)分別為生長(zhǎng)季節(jié)長(zhǎng)度（GSL）、霜凍指數(shù)（FD）、夏季日數(shù)（SU）、熱帶夜數(shù)（TR）、持續(xù)冷期指數(shù)（CSDI）、持續(xù)暖期指數(shù)（WSDI）和冰凍日數(shù)（ID）。這類(lèi)指數(shù)以某一具體的溫度值為衡量極端事件的閾值，這些閾值（如0°C、25°C等）對(duì)作物生長(zhǎng)，人類(lèi)生活等都具有重要的指示意義，通過(guò)統(tǒng)計(jì)超過(guò)這些固定閾值的事件的頻率，可以反映一部分極端氣溫事件的持續(xù)性特征。從圖6可以明顯看出，中國(guó)地區(qū)平均的GSL、SU、TR、WSDI表現(xiàn)為顯著增加的變化特征，增幅隨著閾值的升高而增加，而FD、ID則表現(xiàn)為顯著減少的變化特征，隨著閾值的升高而減少幅度越大。中國(guó)地區(qū)平均的CSDI為減少趨勢(shì)，但并不顯著，不同升溫閾值間的差異也不明顯。

在不同升溫閾值情形下，除華南地區(qū)GSL增加較小外，中國(guó)其他分區(qū)的GSL都有明顯增多，其中青藏高原地區(qū)增加幅度最大。在RCP8.5排放情景下，全球平均氣溫升高 2°C、3°C、4°C 時(shí)，MME預(yù)估青藏高原地區(qū)的GSL將分別增多24.3天、42.7天和58.2天。同時(shí)，青藏高原地區(qū)GSL變化的預(yù)估不確定性也要高于其他地區(qū)，相同的升溫閾值情形下，其最高和最低的預(yù)估之差可達(dá) 38天。相比其它地區(qū)，青藏高原地區(qū)也是FD、SU、ID變化最明顯的地區(qū)；但是，由于青藏高原高原的高海拔特征，平均氣溫相對(duì)較低，因而即使在全球平均的ASAT升高4°C時(shí)，SU和TR只有相對(duì)較小的增加。與之相反，我國(guó)華南和西南地區(qū)平均氣溫較高，ID已幾乎為0，因而在全球增暖的背景下，ID不再出現(xiàn)明顯的變化。

圖4 中國(guó)8個(gè)分區(qū)在不同升溫閾值下（a）TXx、（b）TXn、（c）TNx、（d）TNn和（e）DTR的變化盒須圖。單位：°CFig. 4 Boxplots of changes in (a) TXx (maximum value of daily max temperature), (b) TXn (minimum value of daily max temperature), (c) TNx (maximum value of daily min temperature), (d) TNn (minimum value of daily min temperature), and (e) DTR (diurnal temperature range) over eight regions in China under different temperature thresholds. Units: °C

圖5 同圖4，但為（a）TN10p、（b）TN90p、（c）TX10p和（d）TX90p。單位：%Fig. 5 As Fig. 4, but for (a) TN10p (cool nights), (b) TN90p (warm nights), (c) TX10p (cool days), and (d) TX90p (warm days). Units: %

圖6 同圖4，但為（a）GSL、（b）FD、（c）SU、（d）TR、（e）CSDI、（f）WSDI和（g）ID。單位：dFig. 6 As Fig. 4, but for (a) GSL (growing season length), (b) FD (frost days), (c) SU (summer days), (d) TR (tropical nights), (e) CSDI (cold spell duration indicator), (f) WSDI (warm spell duration indicator), and (g) ID (ice days). Units: d

3.4 不同升溫閾值下中國(guó)地區(qū)極端降水事件的變化

類(lèi)似地，根據(jù)定義將 11個(gè)用于衡量極端降水事件的指數(shù)分為兩大類(lèi)。第一類(lèi)指數(shù)為降水日數(shù)（R1mm）、中雨日數(shù)（R10mm）、大雨日數(shù)（R20mm）、連續(xù)干日（CDD）、連續(xù)濕日（CWD）。這些指數(shù)反映了極端降水發(fā)生的頻率以及干濕狀況的最長(zhǎng)持續(xù)時(shí)間。從圖7可以看出，這幾個(gè)指數(shù)表現(xiàn)出中國(guó)地區(qū)平均變化較小，而區(qū)域性變化差異較大的特點(diǎn)。如從中國(guó)地區(qū)平均來(lái)看，R1無(wú)明顯變化（RCP8.5-4°C情景下變化為 0.9天），而在華南地區(qū)為減少，西北地區(qū)為增多趨勢(shì)，但多模式之間的預(yù)估存在較大的不確定性，使這種變化的趨勢(shì)并不顯著。模式預(yù)估中國(guó)及各地區(qū)平均的R10 mm和R20 mm都有一定的增加，其中西南地區(qū)增幅最大，西北地區(qū)增幅最小，模式間的不確定性在西南地區(qū)最大，如RCP8.5-4°C情景下西南地區(qū)R10 mm的最高和最低預(yù)估相差超過(guò)12天。

圖7 同圖4，但為（a）R1mm、（b）R10mm、（c）R20mm、（d）CDD和（e）CWD。單位：dFig. 7 As Fig. 4, but for (a) R1mm (number of precipitation days), (b) R10mm (number of heavy precipitation days), (c) R20mm (number of very heavy precipitation days), (d) CDD (consecutive dry days), and (e) CWD (consecutive wet days). Units: d

在未來(lái)不同升溫閾值下，我國(guó)東北、華北和西北地區(qū)的 CDD均有所減少，其中西北地區(qū)減少幅度最大，MME預(yù)估RCP8.5-4°C情景下其CDD可能減少8.5天，幅度大于中國(guó)區(qū)域平均的3.3天。模式對(duì)未來(lái)四種不同升溫閾值情景下 CDD變化的預(yù)估存在較大的不確定性，尤其是在 RCP8.5-4°C情景下，最高和最低預(yù)估間差異在西南地區(qū)可達(dá)40天以上。在未來(lái)各升溫閾值下，中國(guó)及各分區(qū)平均的CWD均無(wú)明顯變化，各情景間的不確定范圍也無(wú)明顯差別，不確定性較高的地區(qū)主要是青藏高原地區(qū)和西南地區(qū)。

第二類(lèi)指數(shù)為日最大降水量（RX1day）、五日最大降水量（RX5day）、強(qiáng)降水量（R95p）、極端強(qiáng)降水量（R99p）、降水強(qiáng)度（SDII）、濕日總降水量（PRCPTOPT），這類(lèi)指數(shù)從量級(jí)上反映了極端降水的強(qiáng)度特征（圖8）。從中國(guó)地區(qū)平均來(lái)看，在全球平均氣溫達(dá)到2°C、3°C、4°C升溫閾值下，這些指標(biāo)均呈現(xiàn)增加趨勢(shì)，即表現(xiàn)為未來(lái)中國(guó)地區(qū)的降水極端性在增強(qiáng)，不僅單次降水過(guò)程的量級(jí)（SDII）將增大，極端降水過(guò)程的量級(jí)（RX1day、RX5day）也有所增加，同時(shí)，極端降水事件所產(chǎn)生的總降水量（R95p和R99p）也將增多。隨著升溫閾值的升高，這幾個(gè)指數(shù)所描述的極端降水的強(qiáng)度都隨之不斷增強(qiáng)。當(dāng)全球平均的ASAT升高3°C時(shí)，MME結(jié)果表明中國(guó)平均的 RX5day相比參考時(shí)段增加12.5 mm，在4°C情形下這一增幅為17.0 mm。在不同排放路徑不同時(shí)刻達(dá)到相同升溫閾值時(shí)，中國(guó)地區(qū)平均極端降水的強(qiáng)度無(wú)顯著差異。如全球平均溫度分別在RCP4.5和RCP8.5排放情景下達(dá)到2°C閾值時(shí)，MME預(yù)估中國(guó)地區(qū)平均R99p相比參考時(shí)段的增幅分別為21.2 mm和21.9 mm。從中國(guó)各分區(qū)的結(jié)果來(lái)看，極端降水強(qiáng)度在中國(guó)8個(gè)分區(qū)均為增加趨勢(shì)，且增幅隨升溫閾值的升高而增大。從這個(gè)五個(gè)指數(shù)綜合來(lái)看，西南地區(qū)降水強(qiáng)度的極端性增幅最大，西北地區(qū)增幅最小。當(dāng)全球平均的 ASAT增加 4°C時(shí)，西南地區(qū) R99p相對(duì)參考時(shí)段增加116.5 mm，這一結(jié)果高出中國(guó)平均增幅近兩倍，高出西北地區(qū)增幅近六倍。對(duì)比中國(guó)各分區(qū)平均降水在不同升溫閾值下的變化情況可以發(fā)現(xiàn)，盡管華東、華中、華南和西南地區(qū)的平均降水在未來(lái)不同升溫閾值下多表現(xiàn)為減少的趨勢(shì)，但極端降水強(qiáng)度的變化則為一致地增加，表明降水的極端性在增強(qiáng)，這一變化特征也與 CMIP5模式預(yù)估的全球大部分地區(qū)極端降水變化相一致（Sillmann et al.，2013）。

從這六個(gè)極端降水指標(biāo)的盒須圖可見(jiàn)（圖8），當(dāng)前的氣候模式預(yù)估未來(lái)不同升溫閾值下極端降水強(qiáng)度的變化具有較大的不確定性，且這種不確定性隨升溫閾值的升高而增大。在不同排放路徑下達(dá)到相同升溫閾值時(shí)，極端降水強(qiáng)度的預(yù)估結(jié)果不確定性無(wú)明顯差異。當(dāng)全球平均氣溫升高4°C時(shí)，多模式預(yù)估中國(guó)區(qū)域平均日最大降水量相對(duì)參考時(shí)段的50%變化范圍為7.4 mm至12.8 mm之間，多模式預(yù)估可能發(fā)生的最高增幅是最低增幅的近三倍，分別為18.7 mm和6.0 mm。對(duì)比中國(guó)8個(gè)分區(qū)的預(yù)估結(jié)果可以發(fā)現(xiàn)，六種極端降水強(qiáng)度指標(biāo)總體表現(xiàn)為在增幅較大地區(qū)不確定性也較大。同樣的升溫閾值下，MME預(yù)估西南地區(qū)的降水極端性增幅高于其他地區(qū)，其不確定范圍也高于其他地區(qū)；西北地區(qū)由于降水量級(jí)較小，其極端降水變化的信號(hào)也相對(duì)較弱，多模式對(duì)其預(yù)估的不一致性也相對(duì)較小。在 RCP8.5-3°C升溫閾值下，多模式預(yù)估西南地區(qū)的強(qiáng)降水量變化 50%的可能性為 22.9 mm至124.1 mm之間；而在西北地區(qū)，這一范圍為17.6 mm至31.6 mm。需要指出的是，盡管多模式對(duì)未來(lái)不同升溫閾值下極端降水強(qiáng)度特征變化的定量預(yù)估存在較大的不確定性，但多數(shù)模式對(duì)中國(guó)幾乎所有分區(qū)的預(yù)估結(jié)果均顯示出一致的變化趨勢(shì)，即中國(guó)地區(qū)極端降水的強(qiáng)度在未來(lái)以增加為主要變化特征。

圖8 同圖4，但為（a）RX1day（單位：mm）、（b）RX5day（單位：mm）、（c）R95p（單位：mm）、（d）R99p（單位：mm）、（e）SDII（單位：mm d-1）和（f）PRCPTOT（單位：mm）Fig. 8 As Fig. 4, but for (a) RX1day (max 1-day precipitation amount; units: mm), (b) RX5day (max 5-day precipitation amount; units: mm), (c) R95p (very wet days; units: mm), (d) R99p (extremely wet days; units: mm), (e) SDII (simple daily intensity index; units: mm d-1), and (f) PRCPTOT (annual total wet-day precipitation; units: mm)

4 結(jié)論

本文利用了 18個(gè) CMIP5全球氣候模式的結(jié)果，評(píng)估了全球平均的ASAT在21世紀(jì)到達(dá)2°C、3°C、4°C升溫閾值時(shí)，中國(guó)地區(qū)溫度、降水平均氣候態(tài)以及極端氣候事件的相應(yīng)變化，主要結(jié)論如下：

（1）多數(shù)模式集合結(jié)果表明，RCP2.6排放情景下，全球平均 ASAT沒(méi)有達(dá)到 2°C閾值，RCP4.5和RCP8.5排放情景下，預(yù)估全球平均的ASAT相對(duì)工業(yè)化前升溫2°C的時(shí)間分別可能為2046年和2038年。在RCP8.5排放情景下，多數(shù)模式預(yù)估全球平均氣溫將在2080年超過(guò)4°C閾值。

（2）當(dāng)全球平均的 ASAT 升高 2°C、3°C、4°C時(shí)，MME預(yù)估中國(guó)地區(qū)平均的 ASAT變化約為2.6°C、4.0°C、5.2°C，我國(guó)北方和青藏高原地區(qū)的增暖強(qiáng)于其他地區(qū)。在各升溫閾值下，我國(guó)降水表現(xiàn)為北方降水增多，南方降水減少或不變的趨勢(shì)，即表現(xiàn)為我國(guó)南澇北旱可能得以緩解。我國(guó)北方地區(qū)降水的增幅隨閾值的升高而增大，其中西北地區(qū)增幅最大，在RCP8.5-4°C情形下增加約18.0%。

（3）在全球平均的 ASAT 升高 2°C、3°C、4°C時(shí)，中國(guó)地區(qū)極端暖事件（如TN90p、TX90p、TR）明顯增多，極端冷事件（如FD、TN10p、TX10p）減少，隨閾值的升高，這些變化幅度增大。在RCP8.5-4°C情景下 TNn相對(duì)參考時(shí)段約增暖5.3°C，高于TXx、TXn和TNx的增幅。DTR在各升溫閾值下均無(wú)明顯變化趨勢(shì)，CSDI在不同升溫閾值下的變化差異相對(duì)較小。

（4）在不同升溫閾值下，中國(guó)地區(qū)降水的極端性也體現(xiàn)出增強(qiáng)的趨勢(shì)，強(qiáng)降水事件發(fā)生的頻率（如 R10mm、R20mm）將會(huì)升高，極端降水事件的強(qiáng)度（如 RX5day、R99p）也明顯地增加。隨升溫閾值的升高，極端降水也有增強(qiáng)的趨勢(shì)，在RCP8.5-3°C和RCP8.5-4°C情形下，中國(guó)地區(qū)平均的RX5day變化分別約為12.5 mm和17.0 mm。從整體看來(lái)，我國(guó)西南地區(qū)極端降水強(qiáng)度的增幅高于其他地區(qū)，在RCP8.5-4°C情形下，R99p的增幅為中國(guó)地區(qū)平均的近兩倍，為西北地區(qū)約六倍。

需要指出的是，上述結(jié)論主要依據(jù)全球氣候模式的模擬結(jié)果，由于氣候系統(tǒng)的復(fù)雜性，當(dāng)前對(duì)其相關(guān)反饋過(guò)程和機(jī)制的理解仍存在很大不足，氣候模式也難以對(duì)其復(fù)雜的物理過(guò)程進(jìn)行細(xì)致的描述（Gleick et al.，2010）。因此，對(duì)未來(lái)不同升溫閾值下氣候變化評(píng)估的完善也依賴(lài)于對(duì)氣候系統(tǒng)進(jìn)一步的認(rèn)識(shí)及氣候模式的發(fā)展。

致謝 感謝各模式組提供CMIP5模擬結(jié)果。

（References）

Chen H P. 2013. Projected change in extreme rainfall events in China by the end of the 21st century using CMIP5 models [J]. Chinese Science Bulletin, 58 (12): 1462-1472.

Chen H P, Sun J Q. 2009. How the “best” models project the future precipitation change in China [J]. Adv. Atmos. Sci., 26 (4): 773-782.

Chen L, Frauenfeld O W. 2014. Surface air temperature changes over the twentieth and twenty-first centuries in China simulated by 20 CMIP5 models [J]. J. Climate, 27 (11): 3920-3937.

Gleick P H, Adams R M, Amasino R M, et al. 2010. Climate change and the integrity of science [J]. Science, 328 (5979): 689-690.

Deser C, Phillips A, Bourdette V, et al. 2012. Uncertainty in climate change projections: The role of internal variability [J]. Climate Dyn., 38 (3-4):527-546.

Held I M, Soden B J. 2006. Robust responses of the hydrological cycle to global warming [J]. J. Climate, 19 (21): 5686-5699.

胡芩, 姜大膀, 范廣洲. 2014. CMIP5全球氣候模式對(duì)青藏高原地區(qū)氣候模擬能力評(píng)估 [J]. 大氣科學(xué), 38 (5): 924-938, doi:10.3878/j.issn.1006-9895.2013.13197. Hu Q, Jiang D B, Fan G Z. 2014. Evaluation of CMIP5 models over the Qinghai-Tibetan Plateau [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 38 (5): 924-938, doi:10.3878/j.issn.1006-9895.2013.13197.

IPCC. 2013. Climate Change 2013: The Physical Science Basis [M]//Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, UK and New York, USA: Cambridge University Press, 89pp.

姜大膀, 富元海. 2012. 2°C全球變暖背景下中國(guó)未來(lái)氣候變化預(yù)估 [J].大氣科學(xué), 36 (2): 234-246. Jiang D B, Fu Y H. 2012. Climate change over China with a 2°C global warming [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 36 (2): 234-246.

Jiang D B, Zhang Y, Sun J Q. 2009. Ensemble projection of 1-3°C warming in China [J]. Chinese Science Bulletin, 54 (18): 3326-3334.

金晨曦, 周天軍. 2014. 參加CMIP5的四個(gè)中國(guó)氣候模式模擬的東亞冬季風(fēng)年際變率 [J]. 大氣科學(xué), 38 (3): 453-468, doi:10.3878/j.issn.1006-9895.2013.13180. Jin C X, Zhou T J. 2014. Analysis of the interannual variations of the East Asian winter monsoon simulation by four CMIP5 GCMs [J]. Chinese Journal of Atmospheric Sciences (inChinese), 38 (3): 453-468, doi:10.3878/j.issn.1006-9895.2013.13180.

Joshi M, Sutton R, Lowe J, et al. 2011. Projections of when temperature change will exceed 2°C above pre-industrial levels [J]. Nature Climate Change, 1 (8): 407-412.

Knutti R, Sedlá?ek J. 2013. Robustness and uncertainties in the new CMIP5 climate model projections [J]. Nature Climate Change, 3 (4):369-373.

Lang X M, Sui Y. 2013. Changes in mean and extreme climates over China with a 2°C global warming [J]. Chinese Science Bulletin, 58 (12):1453-1461.

Li J F, Zhang Q, Chen Y D, et al. 2013. GCMs-based spatiotemporal evolution of climate extremes during the 21st century in China [J]. J.Geophys. Res., 118 (19): 11017-11035.

Meinshausen M, Meinshausen N, Hare W, et al. 2009. Greenhouse-gas emission targets for limiting global warming to 2°C [J]. Nature, 458(7242): 1158-1162.

Mitchell J F B, Wilson C A, Cunnington W M. 1987. On CO2climate sensitivity and model dependence of results [J]. Quart. J. Roy. Meteor.Soc., 113 (475): 293-322.

Previdi M, 2010. Radiative feedbacks on global precipitation [J]. Environ.Res. Lett., 5: 025211.

O’Gorman P, Allan R, Byrne M, et al. 2012. Energetic constraints on precipitation under climate change [J]. Surv. Geophys., 33 (3-4):585-608.

Schneider S H, Semenov S, Patwardhan A, et al. 2007. Assessing key vulnerabilities and the risk from climate change [M]// Parry M L,Canziani O F, Palutikof J P, et al. Climate Change 2007: Impacts,Adaptation and Vulnerability. Contribution of Working Group II to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, UK: Cambridge University Press, 976pp.

《第二次氣候變化國(guó)家評(píng)估報(bào)告》編寫(xiě)委員會(huì). 2011. 第二次氣候變化國(guó)家評(píng)估報(bào)告 [M]. 北京: 科學(xué)出版社, 710pp. “Second National Assessment Report on Climate Change” Writing Committee. 2011.Second National Assessment Report on Climate Change (in Chinese) [M].Beijing: Science Press, 710pp.

Sillmann J, Kharin V V, Zwiers F W, et al. 2013. Climate extremes indices in the CMIP5 multimodel ensemble. Part 2. Future climate projections [J].J. Geophys. Res., 118 (6): 2473-2493.

Sui Y, Lang X M, Jiang D B. 2014. Time of emergence of climate signals over China under the RCP4.5 scenario [J]. Climatic Change, 125 (2):265-276.

Taylor K E, Stouffer R J, Meehl G A. 2012. An overview of CMIP5 and the experiment design [J]. Bull. Amer. Meteor. Soc., 93 (4): 485-498.

The World Bank. 2012. Turn down the heat: Why a 4°C warmer world must be avoided [R]. Washington DC: The World Bank, 84pp.

Xu C H, Xu Y. 2012. The projection of temperature and precipitation over China under RCP scenarios using a CMIP5 multi-model ensemble [J].Atmospheric and Oceanic Science Letters, 5 (6): 527-533.

Yao Y, Luo Y, Huang J B. 2012. Evaluation and projection of temperature extremes over China based on CMIP5 model [J]. Adv. Climate Change Res., 3 (4): 179-185.

Yao Y, Luo Y, Huang J B, et al. 2013. Comparison of monthly temperature extremes simulated by CMIP3 and CMIP5 models [J]. J. Climate, 26 (19):7692-7707.

Zeng N, Ding Y H, Pan J H, et al. 2008. Climate change—The Chinese challenge [J]. Science, 319 (5864): 730-731.

張莉, 丁一匯, 吳統(tǒng)文, 等. 2013. CMIP5模式對(duì)21世紀(jì)全球和中國(guó)年平均地表氣溫變化和 2°C升溫閾值的預(yù)估 [J]. 氣象學(xué)報(bào), 71 (6):1047-1060. Zhang L, Din Y H, Wu T W, et al. 2013. The 21st century annual mean surface air temperature change and the 2°C warming threshold over the globe and China as projected by the CMIP5 models [J].Acta Meteorologica Sinica (in Chinese), 71 (6): 1047-1060.

Zhang Y. 2012. Projections of 2.0°C warming over the globe and China under RCP4.5 [J]. Atmos. Oceanic Sci. Lett., 5: 514-520.

Zhang X B, Alexander L, Hegerl G C, et al. 2011. Indices for monitoring changes in extremes based on daily temperature and precipitation data [J].Wiley Interdisciplinary Reviews: Climate Change, 2 (6): 851-870.

Zhou T J, Yu R C. 2006. Twentieth-century surface air temperature over China and the globe simulated by coupled climate models [J]. J. Climate,19 (22): 5843-5858.

周秀華, 肖子牛. 2014. 基于CMIP5資料的云南及周邊地區(qū)未來(lái)50年氣候預(yù)估 [J]. 氣候與環(huán)境研究, 19 (5): 601-613, doi:10.3878/j.issn.1006-9585.2013.13080. Zhou X H, Xiao Z N. 2014. Climate projection over Yunnan Province and the surrounding regions based on CMIP5 data[J]. Climatic and Environmental Research (in Chinese), 19 (5): 601-613,doi:10.3878/j.issn.1006-9585.2013.13080.