惠品宏 陳燕 楊杰 韋芬芬 魯明欣宇

(1 江蘇省氣候中心，南京 210019;2 蘇州市氣象臺(tái)，江蘇 蘇州 215131;3 南京信息工程大學(xué) 大氣物理學(xué)院，南京 210044)

引 言

江蘇省位于我國沿海地區(qū)中部，在太陽輻射、大氣環(huán)流以及特定地理位置、地貌特征的綜合影響下，具有氣候溫和、四季分明的特點(diǎn)[1]，不但農(nóng)業(yè)生產(chǎn)條件得天獨(dú)厚，在中國經(jīng)濟(jì)版圖中也占有重要的位置。近年來，由于全球氣候變暖，江蘇氣候也在發(fā)生著明顯的變化。從全省平均而言，春季、秋季和冬季3個(gè)季節(jié)平均氣溫均呈現(xiàn)一致的增暖趨勢，其中冬季最為顯著[2]。夏露等[3]指出，1960—2012年間江南較江北更加暖濕，且江南經(jīng)濟(jì)發(fā)達(dá)地區(qū)更為明顯，這是由于城市化程度導(dǎo)致的氣溫升高。在氣候變暖的大背景下，高影響天氣氣候事件的特征也發(fā)生了顯著變化，劉梅等[4]研究表明，2001—2007年沿江蘇南地區(qū)高溫日數(shù)年際變化呈增加趨勢；1961—2012年江蘇日最低溫度低于0 ℃的低溫日數(shù)明顯減少，年極端最低氣溫全省呈一致增高趨勢，梅雨期暴雨、雷電、大霧等氣象災(zāi)害發(fā)生的頻次和強(qiáng)度也有增加的趨勢[5]。

氣候變化所導(dǎo)致的極端天氣氣候事件增加對(duì)江蘇省農(nóng)業(yè)、生態(tài)系統(tǒng)、水資源等各方面都產(chǎn)生了不同程度的影響。由于氣候變暖，高溫?zé)岷υ黾訉⑹沟媒K水稻減產(chǎn)[6]，潘敖大等[7]的研究也表明降水和氣溫的變化對(duì)江蘇省糧食產(chǎn)量產(chǎn)生影響，蘇北和蘇中均有減產(chǎn)。在生態(tài)系統(tǒng)方面，歸一化植被指數(shù)NDVI與氣溫和降水具有顯著的相關(guān)性，其中與氣溫的相關(guān)性更高[8]，江蘇省2000—2012年植被面積基本保持穩(wěn)定[9]。1950—2004年間，淮河流域中下游徑流呈減少趨勢[10]，這與整個(gè)淮河流域降水呈明顯下降趨勢有關(guān)[11]。

為了應(yīng)對(duì)氣候變化對(duì)江蘇帶來的影響，近年來諸多學(xué)者對(duì)過去幾十年的氣候要素進(jìn)行了系統(tǒng)全面的分析，為相關(guān)行業(yè)提供了較為完善的應(yīng)對(duì)決策。而對(duì)于未來應(yīng)對(duì)氣候變化決策的制定卻需要對(duì)未來氣候進(jìn)行預(yù)估，這一方面的研究目前主要有CMIP5(Coupled Model Intercomparison Project Phase 5)計(jì)劃[12]提供的全球模式預(yù)估結(jié)果以及運(yùn)用區(qū)域氣候模式[13]所做的動(dòng)力降尺度預(yù)估結(jié)果。CMIP5全球模式的模擬和預(yù)估結(jié)果[14]在江蘇以及全國其他區(qū)域[15-16]得到了廣泛的應(yīng)用。但是由于全球模式分辨率較低，在區(qū)域尺度上的模擬能力仍有所欠缺。研究證明區(qū)域氣候模式能夠提供可信的氣候模擬和預(yù)估，尤其是在一些氣候受地形和地表異質(zhì)性影響顯著的地區(qū)。近年來，區(qū)域氣候模式在國內(nèi)外氣候預(yù)估領(lǐng)域得到了廣泛的應(yīng)用[17-22]。HUI，et al[23]運(yùn)用RegCM3模式在IPCC A1B情景模式下對(duì)黃河源區(qū)近代1980—2000年的氣候進(jìn)行模擬，證明該模式對(duì)該地區(qū)降水和氣溫的空間分布具有很好的模擬能力；進(jìn)一步對(duì)2010—2098年的氣候預(yù)估，發(fā)現(xiàn)溫度的概率分布函數(shù)譜在未來顯著向高溫端移動(dòng)。BAO，et al[17]運(yùn)用WRF模式對(duì)全國范圍內(nèi)的氣候進(jìn)行降尺度模擬和預(yù)估，結(jié)果表明WRF模式能夠顯著降低全球模式對(duì)降水的高估；在對(duì)未來氣候的預(yù)估中發(fā)現(xiàn)長江流域以及華南地區(qū)的強(qiáng)降水頻率將升高。

《江蘇省氣候變化評(píng)估報(bào)告》對(duì)已有區(qū)域模式結(jié)果在江蘇地區(qū)進(jìn)行了解釋應(yīng)用。GAO，et al[24]利用RegCM4模式單向嵌套BCC_CSM1.1全球模式輸出結(jié)果對(duì)我國的氣候進(jìn)行了模擬和預(yù)估，就江蘇省而言，模式對(duì)降水存在明顯高估，對(duì)平均氣溫有所低估，對(duì)極端溫度和降水出現(xiàn)頻率的模擬也存在一定偏差；對(duì)未來氣候的預(yù)估方面，在RCP8.5情景下，江蘇省的年平均氣溫至2020、2030和2050年分別上升1 ℃、1.4 ℃和2.1 ℃，年平均降水在未來增率為1.5 mm/(10 a)，變化不顯著。

然而，以上區(qū)域氣候模擬結(jié)果在江蘇仍然存在很大的不確定性，參數(shù)化方案的選取是否適合江蘇本地，模式分辨率是否足以提供針對(duì)各市區(qū)的模擬結(jié)果，這些問題都有待商榷。因此，運(yùn)用高分辨率區(qū)域氣候模式對(duì)江蘇氣候進(jìn)行更加具有針對(duì)性的降尺度模擬和預(yù)估非常必要，同時(shí)也有著以往模擬結(jié)果不能取代的重要價(jià)值。本研究將在已有區(qū)域模式模擬結(jié)果的基礎(chǔ)上，進(jìn)一步進(jìn)行高分辨率降尺度模擬，通過選取合適的參數(shù)得到最優(yōu)的模式配置，并對(duì)未來氣候變化進(jìn)行預(yù)估，建立起一套完整的具有江蘇本地特色的未來氣候變化預(yù)估數(shù)據(jù)集。

1 研究方法及數(shù)據(jù)介紹

1.1 觀測資料介紹

本文中用來檢驗(yàn)?zāi)Ｊ侥M效果的觀測資料來源于江蘇省70個(gè)氣象站相同時(shí)段的逐日觀測資料，時(shí)段為1990—2004年，包括日降水量、日平均氣溫、日最高、最低氣溫4個(gè)變量，利用這些觀測氣象要素，檢驗(yàn)?zāi)Ｊ綄?duì)多年平均降水、氣溫及其極端狀態(tài)的模擬效果。

70個(gè)氣象站點(diǎn)分布于全省13個(gè)地級(jí)市，覆蓋全省各縣級(jí)市，如圖1所示，全省站點(diǎn)根據(jù)不同的地理分布和氣候特征分為蘇北、江淮、蘇南3個(gè)區(qū)域。氣象臺(tái)站對(duì)降水和氣溫的觀測嚴(yán)格按照中華人民共和國氣象行業(yè)標(biāo)準(zhǔn)——地面氣象觀測規(guī)范(標(biāo)準(zhǔn)編號(hào)：QX/T 45-2007—QX/T66-2007)的要求進(jìn)行，觀測站址布設(shè)、觀測儀器選型、觀測手段、儀器維護(hù)、數(shù)據(jù)采集、數(shù)據(jù)審核、質(zhì)量控制等均符合國家相關(guān)規(guī)范要求，所獲得的數(shù)據(jù)真實(shí)、可靠。

圖1 江蘇省70個(gè)站點(diǎn)位置

1.2 模式驅(qū)動(dòng)場資料介紹

本研究中降尺度模擬所采用的初始邊界條件為WRF(Weather Research and Forecasting)模式對(duì)GFDL(Geophysical Fluid Dynamics Laboratory)的ESM2M全球模式輸出結(jié)果的降尺度區(qū)域模擬結(jié)果，該套模擬結(jié)果覆蓋整個(gè)東亞地區(qū)，為CORDEX(Coordinated Regional Climate Downscaling Experi￣ment)計(jì)劃第二階段的成果之一，采用25 km分辨率，包括現(xiàn)代模擬和未來RCP8.5排放情景預(yù)估，其模擬區(qū)域中心位于36°N、116°E，經(jīng)向和緯向分別為385和253個(gè)格點(diǎn)。模擬時(shí)段現(xiàn)代模擬覆蓋1975—2005年，未來預(yù)估時(shí)段為2030—2060年，滿足本研究的模擬時(shí)段要求。

GFDL在IPCC(Intergovernmental Panel on Climate Change)歷次評(píng)估報(bào)告中都發(fā)揮著重要的作用，是CMIP計(jì)劃的重要成員之一。ESM(Earth System Model)系列模式由GFDL團(tuán)隊(duì)開發(fā)，包括ESM2M和ESM2G兩種模式，本文中所采用的東亞區(qū)域降尺度模擬結(jié)果的驅(qū)動(dòng)場為ESM2M模式的模擬結(jié)果。在全球模式的模擬預(yù)估基礎(chǔ)上，世界氣候研究計(jì)劃(World Climate Research Program，WCRP)聯(lián)合全球眾多高校和研究機(jī)構(gòu)開展了區(qū)域氣候降尺度試驗(yàn)(CORDEX)，該計(jì)劃包含全球多個(gè)不同區(qū)域，其中東亞區(qū)域(CORDEX-EA)覆蓋整個(gè)東亞大陸以及部分印度洋和西北太平洋。本文在江蘇地區(qū)的區(qū)域降尺度模擬所采用的初始邊界條件為南京大學(xué)大氣科學(xué)學(xué)院參與CORDEX-EA計(jì)劃的成果之一。

1.3 試驗(yàn)方案設(shè)計(jì)

本文降尺度模擬試驗(yàn)所采用的區(qū)域氣候模式為WRF，該模式從中小尺度到全球尺度的數(shù)值預(yù)報(bào)和模擬都有廣泛的應(yīng)用，既可以用于數(shù)值天氣預(yù)報(bào)，也可以用于大氣數(shù)值模擬研究領(lǐng)域。WRF模式分為ARW(the Advanced Research WRF)和NMM(the Nonhydrostatic Mesoscale Model)兩種，即研究用和業(yè)務(wù)用兩種形式，本文所采用的WRF模式為ARW。

在以往針對(duì)中國以及整個(gè)東亞區(qū)域的區(qū)域氣候模擬研究中[19，21，23-24]，WSM5(WRF Single-Moment 5-class)微物理方案[24]，Noah陸面過程模型[26]和YSU行星邊界層方案[27]得到廣泛的應(yīng)用，其對(duì)東亞地區(qū)的區(qū)域氣候模擬具有較好的效果，因此本文的模擬試驗(yàn)采用了這幾種物理參數(shù)化方案。另外，HUI，et al[28]的研究表明，對(duì)流參數(shù)化方案的選取對(duì)于我國不同區(qū)域的區(qū)域氣候模擬具有比較顯著的影響，輻射參數(shù)化方案的選取在很大程度上影響東亞地區(qū)氣溫的模擬[30]，因此在進(jìn)行現(xiàn)代模擬和未來預(yù)估之前，針對(duì)對(duì)流參數(shù)化方案和輻射方案進(jìn)行了模擬測試，模擬區(qū)域如圖2所示，模擬時(shí)段均為1989年7月—1990年12月，其中前半年作為模式的調(diào)整時(shí)間，僅分析1990年1—12月時(shí)段。測試結(jié)果表明，對(duì)于氣溫而言，RRTMG[30]輻射方案具有明顯的優(yōu)勢，模擬的氣溫負(fù)偏差明顯小于CAM[31]輻射方案模擬，并且其模擬的氣溫季節(jié)循環(huán)與觀測之間的相關(guān)系數(shù)也更高。降水的模擬在一定程度上受到對(duì)流參數(shù)化方案的影響，Grell-Freitas[32]方案對(duì)江蘇降水的模擬較其他兩個(gè)方案更優(yōu)。因此，之后的現(xiàn)代氣候降尺度模擬和未來氣候變化降尺度預(yù)估采用采用RRTMG輻射方案和Grell-Freitas對(duì)流參數(shù)化方案?，F(xiàn)代模擬和未來預(yù)估的模擬時(shí)段分別為1989年7月—2004年12月和2029年7月—2044年12月，其中前半年作為模式調(diào)整時(shí)間不進(jìn)行分析。

圖2 模擬試驗(yàn)區(qū)域及其地形

1.4 分析方法

本文中所采用的極端指數(shù)由ETCCDI(Expert Team on Climate Change Detection and Indices，http:∥cccma.seos.uvic.ca/ETCCDI)提供[33]，分別選取4個(gè)降水極端指數(shù)和4個(gè)氣溫極端指數(shù)對(duì)江蘇省的極端氣候狀態(tài)進(jìn)行分析，降水極端指數(shù)包括連續(xù)干旱日數(shù)(Consecutive Dry Days，CDD)，連續(xù)濕潤日數(shù)(Consecutive Wet Days，CWD)，最大連續(xù)5 d降水量(Maximum 5-day Precipitation Amount，Rx5)，極端強(qiáng)降水(Very Wet Days，R95)；氣溫極端指數(shù)包括極端高溫(max Tmax，TXx)，極端低溫(min Tmin，TNn)，暖持續(xù)日數(shù)(Warm Spell Duration Indicator，WSDI)，冷持續(xù)日數(shù)(Cold Spell Duration Indicator，CSDI)。極端指數(shù)具體定義見表1。在計(jì)算基于分位數(shù)的極端指數(shù)時(shí)，每一天的分位數(shù)閾值由參考時(shí)段內(nèi)多年來以該天為中心的5 d滑動(dòng)日數(shù)據(jù)進(jìn)行計(jì)算，在本文中參考時(shí)段取現(xiàn)代模擬時(shí)段，即1990—2004年。

表1 降水與氣溫極端指數(shù)定義

增值(Added Value，AV)用來評(píng)估降尺度模擬相對(duì)于原始驅(qū)動(dòng)場的效果提升情況，本文中采用由Luca，et al[34]提出并由Dosio，et al[35]進(jìn)行改進(jìn)的計(jì)算方法，公式如下：

(1)

其中：X代表不同數(shù)據(jù)中的空間場；本研究對(duì)區(qū)域模式低分辨率降尺度模擬的結(jié)果進(jìn)行進(jìn)一步的高分辨率降尺度，其中XLoRes代表原始驅(qū)動(dòng)數(shù)據(jù)中的空間場，XHiRes則代表高分辨率降尺度后的空間場，當(dāng)高分辨率降尺度模擬的平方誤差小于驅(qū)動(dòng)場的平方誤差時(shí)，即AV>0，則認(rèn)為高分辨率模擬對(duì)其驅(qū)動(dòng)場有提高。公式采用了標(biāo)準(zhǔn)化處理，使得-1≤AV≤1。

2 現(xiàn)代氣候降尺度模擬檢驗(yàn)

2.1 氣候平均態(tài)

為了對(duì)高分辨率降尺度模擬的效果進(jìn)行評(píng)估，圖3給出了5 km高分辨率降尺度模擬的不同季節(jié)降水相對(duì)于25 km模擬的增值A(chǔ)V。除春季(3—5月)以外，高分辨率模擬對(duì)其他季節(jié)和全年平均降水的模擬的增值均為正值，說明高分辨率降尺度模擬對(duì)于江蘇降水的展現(xiàn)具有顯著的提高。在4個(gè)不同季節(jié)中，高分辨率模擬的降水增值在冬季最為顯著，尤其在江蘇東北部地區(qū)，標(biāo)準(zhǔn)化的增值可達(dá)到0.8以上，計(jì)算高分辨率模擬降水增值為正的站點(diǎn)比例，其在夏(6—8月)、秋(9—11月)、冬季(12—次年2月)分別為97.1%、75.7%和100%。對(duì)于全年平均降水，高分辨率模擬同樣具有顯著的提升，增值為正的站點(diǎn)比例為100%，標(biāo)準(zhǔn)化增值在江蘇東北部地區(qū)也可達(dá)0.8以上。

圖3 5 km高分辨率降尺度模擬不同季節(jié)以及全年平均日降水量對(duì)25 km模擬的增值(虛等值線表示負(fù)值)：(a)春季；(b)夏季；(c)秋季；(d)冬季；(e)全年

圖4為5 km高分辨率降尺度模擬的不同季節(jié)氣溫相對(duì)于25 km模擬的增值A(chǔ)V。除春季以外，高分辨率模擬對(duì)其他季節(jié)和全年平均氣溫的模擬的增值均為正值，即高分辨率降尺度模擬對(duì)于江蘇氣溫的展現(xiàn)也具有顯著的提高。在4個(gè)不同季節(jié)中，高分辨率模擬的氣溫增值在秋季最為顯著，標(biāo)準(zhǔn)化的增值在全省大部分地區(qū)可達(dá)到0.9以上。計(jì)算高分辨率模擬氣溫增值為正的站點(diǎn)比例，其在夏、秋、冬季分別為98.6%、98.6%和100%。對(duì)于全年平均氣溫，高分辨率模擬同樣具有顯著的提升，增值為正的站點(diǎn)比例為100%，標(biāo)準(zhǔn)化增值在江蘇東南部地區(qū)也可達(dá)0.7以上。

2.2 概率分布

觀測與模擬的降水概率分布如圖5所示，在分析中只考慮日降水量大于等于0.1 mm·d-1的日期，降水量被分為8個(gè)等級(jí)來計(jì)算其概率分布。由圖4可見，降水概率隨著降水強(qiáng)度的增大而減小，概率分布譜在整個(gè)江蘇省及其不同區(qū)域比較類似，0～1 mm·d-1的微弱降水和1～5 mm·d-1小雨發(fā)生概率遠(yuǎn)大于其他強(qiáng)度范圍的降水，約為30%，5～10 mm·d-1和10～15 mm·d-1的降水發(fā)生概率分別約為15%和10%，15～20 mm·d-1、20～30 mm·d-1、30～50 mm·d-1以及50 mm·d-1以上的降水概率均在10%以下。WRF模式25 km分辨率模擬嚴(yán)重高估了0～1 mm·d-1的微弱降水概率，高達(dá)55%，而低估了其他強(qiáng)度降水的概率，5 km高分辨率降尺度模擬則在很大程度上提升了模擬效果，0～1 mm·d-1降水概率降低至35%，與觀測的偏差明顯減小，1～5 mm·d-1降水的發(fā)生概率約為30%，與觀測非常接近，對(duì)于其他強(qiáng)度的降水概率，5 km高分辨率模擬同樣存在低估，但是與25 km模擬相比與觀測的差距顯著縮小。

圖4 5 km高分辨率降尺度模擬不同季節(jié)以及全年平均氣溫對(duì)25 km模擬的增值同圖3新增部分(虛等線表示負(fù)值)：(a)春季；(b)夏季；(c)秋季；(d)冬季；(e)全年

圖5 觀測及模擬日降水量在江蘇省(a)以及3個(gè)不同區(qū)域的概率分布：(b)蘇北；(c)江淮;(d)蘇南

江蘇省及其不同區(qū)域日平均氣溫的概率如圖6所示，計(jì)算的氣溫間隔為1 ℃。觀測顯示江蘇省日平均氣溫分布在-10～36 ℃之間，概率分布譜呈雙峰結(jié)構(gòu)，就全省而言，氣溫概率峰值分別出現(xiàn)在5 ℃和22 ℃，概率分別為3.5%和4.5%。對(duì)于幾個(gè)不同的區(qū)域，江淮地區(qū)的日平均氣溫概率分布與全省平均類似，而蘇北和蘇南的氣溫概率分布譜則存在一定的差異，對(duì)于蘇北地區(qū)，概率譜的兩個(gè)峰值分別在4 ℃和27 ℃，另外0 ℃以下的氣溫總概率明顯比全省平均要大，30 ℃以上的氣溫總概率則較?。惶K南地區(qū)的氣溫概率峰值出現(xiàn)在5 ℃和22 ℃，與全省平均類似，但是其0 ℃以下的氣溫總概率明顯較小，而30 ℃以上的氣溫總概率則較大。WRF模式能夠很好地模擬出江蘇省及其不同區(qū)域的氣溫概率分布的雙峰結(jié)構(gòu)，但是其分布譜明顯向低溫方向偏移，對(duì)于全省而言，25 km分辨率模擬試驗(yàn)所展示的氣溫概率峰值分別出現(xiàn)在0 ℃和20 ℃，并且顯著高估0 ℃以下的氣溫概率，低估20 ℃以上的氣溫概率，5 km高分辨率降尺度模擬試驗(yàn)效果有顯著的提升，氣溫概率分布譜向觀測靠近，尤其對(duì)20℃以上氣溫概率的低估顯著減小，對(duì)于幾個(gè)不同區(qū)域，5km高分辨率模擬同樣具有更好的模擬效果。

圖6 觀測及模擬日平均氣溫在江蘇省(a)以及3個(gè)不同區(qū)域的概率分布：(b)蘇北；(c)江淮；(d)南蘇

2.3 極端指數(shù)

極端降水指數(shù)的空間分布如圖7所示，干指數(shù)CDD呈現(xiàn)由北向南遞減的分布，數(shù)值在28～40 d，說明江蘇南部連續(xù)無降水日數(shù)較北部小，WRF模式25 km分辨率模擬能夠表現(xiàn)出CDD由北向南遞減的分布型態(tài)，但是數(shù)值上存在較大的高估，在全省范圍內(nèi)大于50 d，5 km高分辨率降尺度模擬與25 km分辨率模擬所呈現(xiàn)的CDD空間分布型態(tài)類似，其在一定程度上降低了CDD的模擬偏差，使得CDD的數(shù)值與觀測更為接近，但是仍存在較大的高估。對(duì)于3個(gè)濕指數(shù)，CWD和R95的空間分布類似，均為由北向南遞增，說明江蘇南部連續(xù)降水的天數(shù)較北部長，并且極端降水量較北部大，Rx5則在江蘇東北部存在大值區(qū)，數(shù)值在170 mm以上，另外蘇南地區(qū)也存在次大值區(qū)。WRF模式25 km分辨率模擬所展示的3個(gè)濕指數(shù)均為由北向南遞增的空間分布，其中CWD和R95與觀測相符，Rx5則沒有展示出東北部的高值區(qū)，在數(shù)值上，CWD在全省大部分地區(qū)存在高估，Rx5低估，R95則在北部低估南部高估。5 km高分辨率模擬的3個(gè)濕指數(shù)的空間分布與25 km分辨率模擬類似，其在很大程度上降低了Rx5的數(shù)值低估，但是增大了CWD的數(shù)值高估。

圖7 觀測及模擬的降水極端指數(shù)空間分布，指數(shù)包括CDD(單位：d)、CWD(單位：d)、Rx5(單位mm)以及R95(單位：mm)

除CWD以外，高分辨率模擬對(duì)其他幾個(gè)降水極端指數(shù)的模擬均有顯著的提升，說明高分辨率降尺度模擬對(duì)于江蘇極端降水的展現(xiàn)具有一定的優(yōu)勢。在幾個(gè)不同的極端指數(shù)中，高分辨率模擬對(duì)CDD的增值最為顯著，標(biāo)準(zhǔn)化的增值在全省絕大部分站點(diǎn)均為正值，比例達(dá)87%；對(duì)于Rx5，高分辨率模擬除了在蘇南部分地區(qū)增值為負(fù)外，在其他大部分地區(qū)增值為正，比例為73%，R95增值為正的站點(diǎn)比例為56%(圖略)。

圖8所示為極端氣溫指數(shù)的空間分布，TXx在東北地區(qū)存在低值區(qū)，數(shù)值在36～37 ℃之間，其他區(qū)域的TXx普遍在37 ℃以上；TNn由西北向東南遞增，數(shù)值大致分布在-11～-5 ℃，最低值位于宿遷地區(qū)；WSDI和CSDI在全省的分布存在多個(gè)低值區(qū)，WSDI的多年平均值大致在1～3 d之間，高值區(qū)位于南通地區(qū)，CSDI的多年平均值約為0.5～2 d，在西北地區(qū)的徐州、宿遷一帶數(shù)值較大。WRF模式25 km分辨率模擬對(duì)TXx存在明顯的高估，而對(duì)于TNn則顯著低估，因此模式對(duì)日平均氣溫模擬的冷偏差主要來源于夜間氣溫的模擬偏差，模式能夠模擬出TNn北部低南部高的分布特征，但是沒有表現(xiàn)出TXx在東北部的低值區(qū)，5 km高分辨率模擬對(duì)25 km的模擬效果沒有表現(xiàn)出顯著的改善，同樣存在TXx的高估和TNn的低估；對(duì)于WSDI和CSDI，WRF模式分別表現(xiàn)出低估和高估，這主要是由模式的冷偏差造成的，25 km分辨率模擬呈現(xiàn)的WSDI和CSDI空間分布與觀測存在較大的偏差，5 km高分辨模擬則有很大程度的改善，其能夠模擬出WSDI在江蘇北部、鹽城、南京周邊等區(qū)域的低值區(qū)和淮安一帶、南通周邊等區(qū)域的高值區(qū)，并且對(duì)CSDI在北部的高值區(qū)和東部沿海的低值區(qū)也有很好的呈現(xiàn)。

圖8 觀測及模擬的氣溫極端指數(shù)空間分布，指數(shù)包括TXx(單位：℃)、TNn(單位：℃)、WSDI(單位：d)以及CSDI(單位：d)

除TXx以外，高分辨率模擬對(duì)其他幾個(gè)氣溫極端指數(shù)的模擬均有顯著的提升。在幾個(gè)不同的極端指數(shù)中，高分辨率模擬對(duì)TNn的增值最為顯著，標(biāo)準(zhǔn)化的增值在全省絕大部分站點(diǎn)均為正值，比例達(dá)67%；對(duì)于CSDI，高分辨率模擬除了在蘇北部分地區(qū)和南京地區(qū)增值為負(fù)外，在其他大部分地區(qū)增值為正，比例為60%；WSDI在部分地區(qū)增值為正，站點(diǎn)比例為51%(圖略)。

3 未來氣候變化降尺度預(yù)估

3.1 氣候平均態(tài)

圖9所示為模擬的未來時(shí)段不同季節(jié)以及年平均降水強(qiáng)度相對(duì)于現(xiàn)代時(shí)段的變化，差異通過α=0.05顯著性檢驗(yàn)的格點(diǎn)用黑色圓點(diǎn)標(biāo)出?？梢?，不同季節(jié)的降水存在不同的變化特征，夏季降水在全省范圍內(nèi)均有所減少，并通過顯著性檢驗(yàn)，其中南京和江蘇中北部夏季降水減少最顯著，在-1.2 mm·d-1以上。春季降水在全省大部分地區(qū)有所增加，除徐州和蘇南部分地區(qū)外，其他地區(qū)降水增加均通過顯著性檢驗(yàn)，增加幅度在0.2 mm·d-1以上，鹽城南部和南通部分地區(qū)可達(dá)0.6 mm·d-1以上。秋冬季降水變化不顯著，其中秋季降水在徐州、連云港地區(qū)有所增加并通過顯著性檢驗(yàn)，增加幅度在0.2～0.6 mm·d-1，在蘇南個(gè)別區(qū)域降水有所減少，其余大部分地區(qū)的秋季降水變化沒有通過顯著性檢驗(yàn)；冬季降水存在微弱的增加，在少數(shù)格點(diǎn)通過顯著性檢驗(yàn)。對(duì)于全年平均降水，全省以減少為主，在南京、無錫和蘇州南部、宿遷、淮安等地區(qū)通過顯著性檢驗(yàn)，減少幅度在-0.2～-0.6 mm·d-1。

圖9 不同季節(jié)及年平均日降水量在2030—2044年時(shí)段相對(duì)于1990—2004年時(shí)段的變化(單位：mm·d-1；黑點(diǎn)代表降水變化通過α=0.05顯著性檢驗(yàn)的格點(diǎn))(虛等值線表示負(fù)值)：(a)春季；(b)夏季；(c)秋季；(d)冬季；(e)全年

模擬的未來時(shí)段不同季節(jié)以及年平均氣溫相對(duì)于現(xiàn)代時(shí)段的變化如圖10所示，差異通過α=0.05顯著性檢驗(yàn)的格點(diǎn)用黑色圓點(diǎn)標(biāo)出。除了秋季以外，其他季節(jié)氣溫均以升高為主，其中春季氣溫升高幅度最大，在4～6 ℃，并在全省范圍內(nèi)通過顯著性檢驗(yàn)，宿遷、徐州、連云港地區(qū)升溫最顯著，在5.2 ℃以上。夏季氣溫在全省范圍內(nèi)也存在顯著的升高，并且在所有格點(diǎn)均通過顯著性檢驗(yàn)，升溫幅度由東向西逐漸增大，大部分地區(qū)升溫幅度在2 ℃以上，僅在南通和蘇州東部的少數(shù)地區(qū)升溫幅度小于2 ℃。冬季氣溫升高不顯著，在全省范圍內(nèi)均沒有通過顯著性檢驗(yàn)，升溫幅度小于0.2 ℃。秋季氣溫存在顯著的降低，在全省范圍內(nèi)均通過顯著性檢驗(yàn)，降溫幅度由南向北遞增，在-2.5～-3.8 ℃，其中徐州、宿遷、連云港地區(qū)降溫幅度在-3.2 ℃以上。對(duì)于全年平均氣溫，全省以上升為主，并且均通過顯著性檢驗(yàn)，升溫幅度由沿海向內(nèi)陸逐漸增大，在南京和徐州周邊地區(qū)升溫幅度較大，在1.1 ℃以上。

圖10 不同季節(jié)及年平均氣溫在2030—2044年時(shí)段相對(duì)于1990—2004年時(shí)段的變化(單位：℃；黑點(diǎn)代表降水變化通過α=0.05顯著性檢驗(yàn)的格點(diǎn))(虛等值線表示負(fù)值)：(a)春季；(b)夏季；(c)秋季；(d)冬季；(e)全年

3.2 概率分布

圖11所示為不同強(qiáng)度降水的概率在未來時(shí)段相對(duì)于現(xiàn)代時(shí)段的變化，可見江蘇省及其不同區(qū)域的降水均體現(xiàn)出微弱降水概率增加中到大雨概率減小的特征。對(duì)于全省而言，0～1 mm·d-1的微弱降水概率增加了1.6%左右，1～5 mm·d-1和5～10 mm·d-1的小雨概率分別減小0.6%和0.5%，中到大雨的概率總體而言有輕微的減小，50 mm·d-1以上的暴雨概率減小0.3%左右。江淮和蘇南地區(qū)同樣是0～1 mm·d-1的微弱降水概率增加，1～5 和5～10 mm·d-1的小雨概率有所減少，蘇北地區(qū)則有所不同，0～1和1～5 mm·d-1的降水概率均有所增加，5～10 mm·d-1的小雨概率減小，3個(gè)不同區(qū)域的中到大雨概率總體而言都有所減小，其中蘇北地區(qū)減小較為明顯，蘇南地區(qū)中雨概率有所增加，50 mm·d-1以上的暴雨概率在3個(gè)區(qū)域均有所減少，蘇南地區(qū)減少最為明顯，約為0.5%左右。

圖11 降水概率分布在未來時(shí)段相對(duì)于現(xiàn)代時(shí)段的變化：(a)全省；(b)蘇北；(c)江淮；(d)蘇南

日平均氣溫概率分布的變化如圖12所示?？傮w而言，高溫發(fā)生的概率有所增加，中低溫的概率則減小。對(duì)于全省而言，25 ℃以上的氣溫概率總體有所增加，概率增加的峰值在27.5 ℃附近，增加幅度約為0.7%，35 ℃以上的高溫概率也有微弱的增加；另一方面，0 ℃以下的低溫概率總體減小，概率減小峰值在-6℃附近，減小約0.4%；在0～25 ℃范圍內(nèi)，除了0～5 ℃的氣溫概率有輕微的增加，其他溫度段概率均有所減小。3個(gè)區(qū)域的氣溫概率分布變化情況與全省類似，25 ℃以上的氣溫概率同樣有顯著的增加，概率增加峰值分別在30、26和26 ℃附近，概率增加值分別約為0.7%、0.8%和1.0%；對(duì)于低溫段，蘇北、江淮和蘇南地區(qū)分別在-2.5、2和2.5 ℃以下的氣溫概率有所減小。

圖12 日平均氣溫概率分布在未來時(shí)段相對(duì)于現(xiàn)代時(shí)段的變化：(a)全??；(b)蘇北；(c)江淮；(d)蘇南

3.3 極端指數(shù)

為了探討江蘇省極端降水和氣溫的變化情況，計(jì)算了4個(gè)極端降水指數(shù)和4個(gè)極端氣溫指數(shù)在未來相對(duì)于現(xiàn)代時(shí)段的變化，極端降水指數(shù)的變化情況如圖13所示。由圖13a可見，干指數(shù)CDD在江蘇中部和北部表現(xiàn)為減小的特征，減小幅度在0～-10 d之間，并在蘇北大部分地區(qū)通過α=0.05顯著性檢驗(yàn)，蘇南地區(qū)的CDD存在增加的趨勢，意味著該區(qū)域在未來將會(huì)出現(xiàn)更長時(shí)間的連續(xù)無降水日，無錫和蘇州北部的CDD增加最為明顯，在4 d以上，并通過顯著性檢驗(yàn)。CWD的變化特征與CDD存在相反的空間分布型態(tài)(圖13b)，即在中北部增加而在南部減小，說明中北部連續(xù)無降水日數(shù)將縮短而連續(xù)降水日數(shù)將延長，徐州、宿遷北部、連云港一帶的CWD增加最為明顯，在0.5 d以上，并且通過顯著性檢驗(yàn)，另外南通東部和蘇州南部的CWD也有顯著的增加。Rx5在全省范圍內(nèi)總體呈減小趨勢(圖13c)，在江蘇南部邊緣減小程度較大，可達(dá)-30 mm以上，并通過α=0.05顯著性檢驗(yàn)；其在北部邊緣的少數(shù)格點(diǎn)呈增加趨勢，增加幅度在0～15 mm之間。圖13d顯示，R95在全省范圍內(nèi)均表現(xiàn)為顯著的增加趨勢，并且除南京地區(qū)外在其他所有格點(diǎn)均通過α=0.05顯著性檢驗(yàn)，增加幅度從內(nèi)陸向沿海逐漸遞增，范圍在20～200 mm，這說明江蘇省的極端降水量將在未來呈現(xiàn)大幅增加。

圖13 降水極端指數(shù)在未來時(shí)段相對(duì)于現(xiàn)代時(shí)段的變化，包括CDD(a，單位：d)，CWD(b，單位：d)，Rx5(c，單位：mm)以及R95(d，單位：mm)，黑點(diǎn)代表極端指數(shù)變化通過α=0.05顯著性檢驗(yàn)的格點(diǎn)(虛等值線表示負(fù)值)

極端氣溫指數(shù)的變化如圖14所示，極端高溫和極端低溫都有顯著的上升(圖14a、b)，極端高溫TXx升高幅度由沿海向內(nèi)陸遞增，并在全省范圍內(nèi)通過α=0.05顯著性檢驗(yàn)，南京、徐州西部地區(qū)的TXx升高幅度最大，可達(dá)1.8 ℃以上。極端低溫TNn的變化呈現(xiàn)出與TXx不同的空間分布型態(tài)，高值區(qū)位于蘇北的徐州、宿遷、連云港地區(qū)，升高幅度在2 ℃以上，南京地區(qū)的TNn升高幅度較小，并且沒有通過顯著性檢驗(yàn)。由于未來氣溫的普遍升高，暖持續(xù)日數(shù)WSDI也存在顯著的增加趨勢(圖14c)，其增加幅度由東北向西南逐漸遞增，蘇州、南京地區(qū)以及宿遷、淮安、徐州等3市的西部地區(qū)WSDI增加幅度較大，可達(dá)13 d以上，連云港、鹽城地區(qū)的WSDI增加幅度較小，在10 d以下。圖14d顯示冷持續(xù)日數(shù)CSDI在全省范圍內(nèi)均為減小趨勢，并在大部分區(qū)域通過α=0.05顯著性檢驗(yàn)，蘇北地區(qū)減小幅度更大，可達(dá)-1.5 d以上。

圖14 氣溫極端指數(shù)在未來時(shí)段相對(duì)于現(xiàn)代時(shí)段的變化，包括TXx(a，單位：℃)，TNn(b，單位：℃)，WSDI(c，單位：d)以及CSDI(d，單位：d)，黑點(diǎn)代表極端指數(shù)變化通過α=0.05顯著性檢驗(yàn)的格點(diǎn)(虛等值線表示負(fù)值)

4 結(jié)論

本文基于已有的25 km低分辨率數(shù)值模擬結(jié)果，運(yùn)用WRF模式采用5km高分辨率對(duì)江蘇省現(xiàn)代15 a的氣候進(jìn)行動(dòng)力降尺度模擬，并在RCP8.5排放情景下對(duì)未來15 a的氣候進(jìn)行預(yù)估。主要結(jié)論如下：

(1)5 km高分辨率降尺度模擬總體而言對(duì)25 km分辨率模擬有顯著的提高，降水的負(fù)偏差有所降低，氣溫冷偏差也有所改善，對(duì)于全年平均而言，全省平均降水偏差由-1.05 mm·d-1降低至-0.51 mm·d-1，氣溫偏差由-4.34 ℃降低至-2.59 ℃。

(2)高分辨率降尺度模擬顯著改善了25 km分辨率模擬對(duì)0～1 mm·d-1的微弱降水概率的高估，對(duì)其他強(qiáng)度降水的概率模擬也有一定的改善；模式模擬的氣溫概率分布譜相比觀測向低溫方向偏移，5 km高分辨率降尺度模擬試驗(yàn)效果有顯著的提升，尤其對(duì)20 ℃以上氣溫概率的低估顯著減小。

(3)WRF模式能夠模擬出降水極端指數(shù)的基本分布，除CWD以外，高分辨率模擬對(duì)其他3個(gè)降水極端指數(shù)的模擬均有顯著的提升，并對(duì)TXx之外的其他3個(gè)極端氣溫指數(shù)的模擬效果也有所改善。

(4)在RCP8.5排放情景下，江蘇省降水在不同季節(jié)存在不同的變化特征，夏季降水以減少為主，減小幅度在-0.4～-2 mm·d-1，春季降水則以增加為主，增加幅度在0～0.8 mm·d-1，秋冬季節(jié)降水變化不顯著，全年平均而言，江蘇省降水在未來存在減少趨勢。

(5)對(duì)降水和氣溫的概率分布變化分析表明，小雨里的微弱降水發(fā)生概率將增加，強(qiáng)度稍高的小雨、中到大雨以及暴雨發(fā)生的概率則降低。雖然暴雨發(fā)生概率降低，但是暴雨強(qiáng)度增強(qiáng)，導(dǎo)致極端強(qiáng)降水R95顯著增加，幅度在20～200 mm。

(6)氣溫25 ℃以上高溫發(fā)生的概率在未來有所增加，而0 ℃以下的低溫發(fā)生概率則減小。極端高溫和極端低溫都有顯著的升高，升高幅度分別在0.6～2 ℃和0.3～2.7 ℃，由于高溫概率增加，從而導(dǎo)致暖持續(xù)日數(shù)也顯著增加，而冷持續(xù)日數(shù)則減小。

5 不確定性討論

本文采用GFDL全球模式結(jié)果驅(qū)動(dòng)的區(qū)域氣候模擬結(jié)果作為初始邊界條件，采用WRF模式進(jìn)一步進(jìn)行高分辨率降尺度模擬，通過調(diào)整模擬區(qū)域和物理參數(shù)化方案得到了適合江蘇省高分辨率模擬的試驗(yàn)方案，由于僅采用一種驅(qū)動(dòng)場進(jìn)行模擬研究，所采用的高分辨率模擬試驗(yàn)方案是否適用于其他驅(qū)動(dòng)場還存在一定的不確定性，另外，不同的全球模式結(jié)果對(duì)于不同氣象要素在不同區(qū)域的模擬效果也存在差異，因此，今后還需要對(duì)多種低分辨率模擬結(jié)果進(jìn)行降尺度研究，從而分析其差異并減少不確定性。

另一方面，本文在對(duì)未來氣候變化進(jìn)行高分辨率降尺度預(yù)估時(shí)，由于計(jì)算資源和數(shù)據(jù)來源的限制，僅針對(duì)RCP8.5一種排放情景進(jìn)行研究，其預(yù)估結(jié)果也存在一定的不確定性，今后還需進(jìn)一步針對(duì)不同排放情景進(jìn)行高分辨率模擬預(yù)估，從而更加客觀地探討江蘇省未來氣候變化特征。

由于受模式系統(tǒng)誤差的影響，傳統(tǒng)動(dòng)力降尺度的模擬結(jié)果往往會(huì)出現(xiàn)較大的偏差，這又在一定程度上限制了該方法在氣候變化影響評(píng)估中的應(yīng)用。不管采用哪種動(dòng)力降尺度方法，其模擬結(jié)果仍然強(qiáng)烈依賴于全球模式和區(qū)域模式本身的性能，尤其是模式對(duì)氣候的時(shí)間演變特征的模擬能力。隨著計(jì)算機(jī)技術(shù)的發(fā)展，未來在東亞地區(qū)開展小于3 km 分辨率區(qū)域氣候預(yù)測十分可行，在部分關(guān)鍵區(qū)域可以達(dá)到百米甚至更高分辨率，可以使得很多物理過程實(shí)現(xiàn)顯式計(jì)算，可以考慮更加真實(shí)的復(fù)雜地形的作用，區(qū)域氣候預(yù)測性能預(yù)期也會(huì)得到進(jìn)一步提升。