MM5V3模式對IPCC A1B情景下中國地區(qū)極端事件的模擬和預(yù)估

胡伯彥，湯劍平，王淑瑜

1 南京大學(xué)大氣科學(xué)學(xué)院，南京 210093

2 南京大學(xué)氣候與全球變化研究院，南京 210093

3 民航華東空管局氣象中心，上海 200335

1 引 言

自20世紀(jì)末期開始，人為排放溫室氣體增加所引發(fā)的氣候變化已給全球社會、經(jīng)濟與環(huán)境帶來了巨大影響.政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change，IPCC）在第四次評估報告（The Fourth Assessment Report，AR4）［1］中指出：1906—2005年全球平均器測地面溫度上升了0.74±0.18℃，到21世紀(jì)末期由溫室效應(yīng)引發(fā)的全球平均升溫將達1.1～6.4℃.相對于平均氣候，極端氣候變化帶來的影響更為顯著.報告進一步指出：20世紀(jì)后期以來熱帶及亞熱帶地區(qū)的干旱強度及持續(xù)時間均有所增大，強降水事件發(fā)生的頻率也有所上升.在溫室效應(yīng)影響下，21世紀(jì)的極端高溫和強降水事件發(fā)生頻率有可能不斷增大.

為了能夠?qū)O端氣候變化進行定量分析，F(xiàn)rich等［5］引入10個極端氣候指數(shù)作為衡量標(biāo)準(zhǔn)，它們分別是：霜日、年際極端溫度差、生長季長度、熱浪指數(shù)、大于日最低溫度第95百分位的次數(shù)、日降水量≥10mm的天數(shù)、最長無雨期、連續(xù)五日最大降水、簡單降水強度以及大于第95百分位降水占年總降水的百分比.這些指數(shù)具有極端性低、顯著性強等特點，目前已被世界各國科學(xué)家廣泛應(yīng)用于極端氣候的預(yù)估工作中.Frei等［6］利用多個區(qū)域模式分別嵌套HadAM3H全球環(huán)流模式，對歐洲地區(qū)1961—1990年及IPCC A2情景下2071—2100年氣候分別進行了水平分辨率為50km的模擬，并分析了未來極端降水事件的可能變化；Marengo等［7］利用區(qū)域氣候模式系統(tǒng)PRECIS嵌套全球環(huán)流模式HadAM3P，在相同時段和分辨率條件下對南美地區(qū)氣候進行了模擬，并對6個極端氣候指數(shù)進行了預(yù)估；Im 等［8］使用RegCM3 區(qū)域模式嵌套ECHAM5／MPI－OM全球環(huán)流模式，對朝鮮半島及周邊地區(qū)進行了IPCC A1B情景下1971—2100年的高分辨率（20km）氣候變化模擬試驗，分析了該地區(qū)10個極端氣候指數(shù)的未來變化結(jié)果.類似的工作還有很多［9－14］.

國內(nèi)學(xué)者在相關(guān)領(lǐng)域也取得了一些成果.Gao等［15］利用RegCM2區(qū)域模式對中國地區(qū)極端氣候進行預(yù)估，結(jié)果表明：未來日最高、最低溫度均將顯著升高，導(dǎo)致夏季熱浪增加、冬季低溫日數(shù)減少；降水日數(shù)則在北方地區(qū)顯著增多，南方地區(qū)大雨日數(shù)增多明顯.許吟隆等［16］利用區(qū)域氣候模式系統(tǒng)PRECIS進行的模擬表明：B2情景下極端高溫事件由當(dāng)代（1961—1990）的3%增加到未來（2071—2100）的4.5%，極端低溫事件則由當(dāng)代的8.5%減少到未來的6.5%，極端降水事件的發(fā)生頻率明顯上升.Zhang等［17］利用PRECIS模式對未來極端氣候進行進一步預(yù)估并指出：中國地區(qū)夏日日數(shù)和生長季長度都將有所增加，其中青藏高原和北部地區(qū)增幅最大，大雨日數(shù)、連續(xù)五日最大降水和簡單降水強度等指數(shù)也有不同程度增大，霜日日數(shù)則將減少，并以青藏高原、東北及西北地區(qū)減幅最明顯.高學(xué)杰［18］曾針對已有工作進行了簡要回顧，但總體來說國內(nèi)對極端氣候變化的預(yù)估工作仍較少.

本文使用MM5V3區(qū)域氣候模式單向嵌套ECHAM5全球環(huán)流模式的輸出結(jié)果，對中國地區(qū)當(dāng)代及未來氣候進行模擬，并已針對氣候平均態(tài)結(jié)果進行了初步分析［19］，結(jié)果表明：地面溫度在中國大部分地區(qū)模擬偏低，降水量模擬偏多，降水位置模擬偏北；各季節(jié)地面溫度在未來均將有所升高，升溫幅度北方大于南方、冬季大于夏季；降水則在秋季和冬季有所增加，春季和夏季呈現(xiàn)“北方減少、南方增多”的分布.本文將首先檢驗?zāi)Ｊ綄χ袊貐^(qū)當(dāng)代極端氣候的模擬能力，在此基礎(chǔ)上對IPCC A1B情景下21世紀(jì)中期6個極端溫度指數(shù)和6個極端降水指數(shù)的變化進行預(yù)估，最后給出總結(jié)和討論.

2 模式和資料簡介

本文選用的區(qū)域模式為美國賓州大學(xué)（Pennsylvania State University，PSU）和美國國家大氣研究中心 （National Center for Atmospheric Research，NCAR）共同研發(fā)的第五代中尺度模式的第三版 MM5V3（Fifth－generation Penn.State／NCAR Mesoscale Model Version 3）［20－21］.模式模擬中心為35°N、105°E，經(jīng)緯向格點數(shù)分別為92和111，水平分辨率為50km，模擬區(qū)域包括了整個中國地區(qū)（圖1）.模式垂直方向分為23層，頂層氣壓為100hPa.試驗過程中采用的主要物理參數(shù)化方案包括 Kain－Fritsch積云對流方案［22］、CCM2輻射方案［23］及 NOAH 陸面過程方案［24］.模式積分采用松弛邊界條件，以15個格點做為側(cè)邊界緩沖區(qū).

圖1 模式的模擬區(qū)域及地形高度Fig.1 Simulation domain（shadowed area）and topographic height

用于驅(qū)動區(qū)域模式的初始場和邊界場資料來自IPCC數(shù)據(jù)分發(fā)中心提供的ECHAM5全球環(huán)流模式結(jié)果［25］.模擬試驗分為兩個部分：實際溫室氣體濃度下的當(dāng)代控制試驗（20C）和IPCC A1B溫室氣體排放情景［26］下的未來氣候變化試驗（A1B）.控制實驗的積分時段為1978－01－01至2000－12－31，氣候變化試驗的積分時段為2038－01－01至2070－12－31.在后文中分別將兩組試驗的前3年結(jié)果作為模式積分的初始化時間，本文僅選取1981—2000年和2041—2060年兩個20年的模擬結(jié)果進行分析.

表1 極端溫度指數(shù)和極端降水指數(shù)的定義Table 1 Definition of indices based on temperature extremes and precipitation extremes

為了能夠?qū)χ袊貐^(qū)未來極端溫度和降水事件的變化做出較為全面的預(yù)估，本文在綜合參考前人工作的基礎(chǔ)上選取了12個能夠展現(xiàn)極端氣候不同層面變化特征的指數(shù).6個極端溫度指數(shù)分別為：極端高溫（TX1D）、極端低溫（TN1D）、暖日日數(shù)（HD）、霜日日數(shù)（FD）、相對高溫（TX95t）、相對低溫（TN5t）；6個極端降水指數(shù)分別為：單日最大降水（RX1D）、連續(xù)五日最大降水（RX5D）、最長無雨期（MDRY）、強降水日數(shù)（R25）、簡單降水強度（SDII）、極端降水總量（R95t）.所有指數(shù)的定義在表1中給出.

用于檢驗當(dāng)代極端氣候模擬能力的實測資料：逐日最高、最低溫度采用了Xu等［27］制作的中國地區(qū)同期格點資料，水平分辨率為0.5°×0.5°；逐日降水采用了日本綜合地球環(huán)境學(xué)研究所（Research Institute for Humanity and Nature，RIHN）和日本氣象廳氣象研究所（Meteorological Research Institute／Japan Meteorological Agency，MRI／JMA）制作的東亞地區(qū)同期格點資料［28］，水平分辨率為0.25°×0.25°.

將A股上證指數(shù)與美股道瓊斯工業(yè)指數(shù)放在一起做對比來看，2018年的走勢大致可分為三段。第一段是二者同漲同跌，方向一致，時間段從1月初到3月中旬。這段時間全球市場并未出現(xiàn)大的風(fēng)險，主要股指表現(xiàn)差別不大，均以震蕩為主。一月份道指震蕩走高，而上證指數(shù)在1月份銀行地產(chǎn)等大藍籌的發(fā)力下，也快速跟隨上漲。在一輪大漲之后，2月份上證指數(shù)和道指均出現(xiàn)大幅回調(diào)，幅度超過10個百分點，而在三月初兩大指數(shù)又迎來一輪強力反彈。不過略有差別的是，道指只是正常的技術(shù)性調(diào)整，而上證指數(shù)直接跌出一個島型反轉(zhuǎn)的技術(shù)形態(tài)。

3 中國地區(qū)當(dāng)代極端氣候的模擬和檢驗

3.1 極端溫度

圖2給出了中國地區(qū)1981—2000年日最高、最低溫度的觀測和模擬結(jié)果.從觀測結(jié)果可以看出（圖2a、2c），日最高、最低溫度在中國東部地區(qū)均具有明顯的緯向分布形式，其中江淮和華南地區(qū)溫度較高，東北地區(qū)溫度較低；西部地區(qū)溫度受地形影響分布較為復(fù)雜，塔里木盆地、柴達木盆地及四川盆地區(qū)域溫度較高，青藏高原及祁連山地區(qū)溫度較低.MM5V3模式基本能夠模擬出日最高、最低溫度的上述空間分布特征，但也存在一定的模擬偏差.日最高溫度（圖2b）在中國大部分地區(qū)模擬偏低2℃以上，偏差較大的區(qū)域主要集中在東北、華北、長江中下游及青藏高原地區(qū)，在四川盆地及新疆局部地區(qū)則存在一定的溫度模擬暖偏差.日最低溫度（圖2d）在中國中部及南部也存在模擬偏低的情況，但偏差幅度整體小于日最高溫度，且在東北局部及西北大部分地區(qū)模擬結(jié)果偏高明顯.日最高、最低溫度的偏差可能由模式的系統(tǒng)性誤差引起［29］.

圖3給出了中國地區(qū)1981—2000年日最高、最低溫度的概率統(tǒng)計結(jié)果，總體來看MM5V3模式能夠較好地再現(xiàn)兩種溫度的概率分布特征.如圖3a所示，觀測和模擬的日最高溫度概率均呈“雙峰”型分布，模擬結(jié)果較觀測向低值頻段有所偏移，特別在－15～0℃區(qū)間及峰值附近偏移明顯；模擬結(jié)果與實際觀測之間的相關(guān)系數(shù)為0.96.日最低溫度概率的觀測和模擬結(jié)果（圖3b）則均顯示為“單峰”型，且兩者的分布形態(tài)總體較為一致，模擬結(jié)果與實際觀測之間的相關(guān)系數(shù)達到0.98，只有在0℃的峰值附近模擬概率明顯高于觀測概率.

3.2 極端降水

本文參照國家氣象局頒布的降水等級劃分標(biāo)準(zhǔn)對降水進行分類，將日降水總量在25.0～49.9mm范圍內(nèi)的定義為大雨，50.0～99.9mm范圍內(nèi)的定義為暴雨.圖4給出了中國地區(qū)1981—2000年大雨和暴雨強度降水年平均日數(shù)的空間分布結(jié)果.根據(jù)觀測（圖4a），大雨強度降水主要集中在“黑河—騰沖”線以東，其中江淮和華南大部分地區(qū)年平均日數(shù)在9d以上，東北和華北地區(qū)則在1～5d之間.MM5V3模式（圖4b）對江淮和華南地區(qū)大雨日數(shù)空間分布的模擬效果較好，但模擬結(jié)果在東北、華北、華中及西北部分地區(qū)偏多、四川東部及重慶地區(qū)偏少.圖4c顯示中國地區(qū)暴雨強度降水主要集中在江淮及華南地區(qū)，其年平均日數(shù)一般不超過7d.模式對暴雨日數(shù)（圖4c）的模擬在東南沿海地區(qū)偏多顯著，總體偏差幅度達到2～6d，在東北、中部及云南部分地區(qū)也偏多，只有四川東部地區(qū)暴雨日數(shù)模擬結(jié)果較實際觀測偏少.

圖5給出了中國地區(qū)1981—2000年大雨和暴雨日數(shù)的概率統(tǒng)計結(jié)果，其中將日降水量≥1.0mm的定義為有雨.如圖所示，1981—2000年大雨日數(shù)占總有雨日數(shù)的0～0.2%（圖5a），暴雨日數(shù)則占0～0.04%（圖5b），且日數(shù)概率在各自降水區(qū)間內(nèi)均隨著降水強度的增加而下降.MM5V3模式對兩種強度降水日數(shù)的概率分布均具有一定的模擬能力，模擬結(jié)果與實際觀測之間的相關(guān)系數(shù)分別達到0.99和0.98，但存在的問題是模擬結(jié)果均較實際觀測偏大，其中大雨日數(shù)概率偏大0.05%～0.2%，暴雨日數(shù)概率偏大0.01%～0.04%.

本文僅給出了MM5V3區(qū)域模式模擬的中國地區(qū)極端氣候結(jié)果，模擬過程中存在的不確定性在其它區(qū)域模式結(jié)果中同樣有所體現(xiàn)［30］.總體來看MM5V3模式對中國地區(qū)的極端溫度和極端降水能夠進行較好的模擬，利用其對未來極端氣候進行預(yù)估是可行的.

4 中國地區(qū)未來極端氣候的模擬和預(yù)估

4.1 極端溫度

圖6給出了中國地區(qū)IPCC A1B情景下未來極端溫度指數(shù)變化的空間分布，表2則給出了當(dāng)代及未來極端溫度指數(shù)的均值和趨勢結(jié)果.由圖6a可見，未來年平均極端高溫（TX1D）在中國地區(qū)均將升高，且升溫幅度具有從南向北遞增的緯向分布特征.全國平均極端高溫升高了2.4℃（表2），其中華北、內(nèi)蒙古及西北地區(qū)升溫幅度較大.當(dāng)代及未來極端高溫均具有上升趨勢，趨勢系數(shù)分別為0.4℃／decade和1.0℃／decade，未來升溫速率將明顯增大.

與極端高溫類似，未來年平均極端低溫（TN1D）在中國地區(qū)也將一致升高（圖6b），平均升溫達到2.7℃（表2），總體升溫幅度大于極端高溫.極端低溫的變化在東北地區(qū)北部及東部、黃土高原、長江中下游平原及青藏高原西部地區(qū)均較為明顯，這些地區(qū)溫度升高基本都在2.8℃以上，其中黃土高原地區(qū)甚至超過3.7℃.當(dāng)代及未來極端低溫也均具有上升趨勢，升溫速率二者大致相同，分別為0.5℃／decade和0.6℃／decade.

圖6c顯示未來年平均暖日日數(shù)（HD）在青藏高原以外的中國地區(qū)均將增加，其中東部、中部及西南大部分地區(qū)增幅都超過了30d.全國平均暖日日數(shù)增加了19.1d，變化幅度達到32.9%.趨勢分析結(jié)果顯示未來暖日日數(shù)將逐年增加，其變化速率達到6.2d／decade，與當(dāng)代的 1.3d／decade相比升高明顯.

圖6d顯示未來年平均霜日日數(shù)（FD）在中國地區(qū)一致減少，其中在江淮局部及青藏高原大部分地區(qū)日數(shù)減少都將超過20d，變化幅度較大，東北及華南沿海地區(qū)的減幅相對不明顯.未來全國平均霜日日數(shù)將減少20.2d，與當(dāng)代相比減幅為－12.3%.此外，當(dāng)代與未來霜日日數(shù)均具有下降趨勢，趨勢系數(shù)未來為－8.9d／decade，當(dāng)代為－4.2d／decade，未來日數(shù)減少速率更大.

與極端高溫相比，中國地區(qū)未來年平均相對高溫（TX95t）的總體變化幅度不大（圖6e），全國平均升溫僅0.6℃（表2）.具體來看，只有環(huán)渤海、內(nèi)蒙古中部、江蘇和安徽局部以及新疆局部地區(qū)升溫幅度在1℃以上，而在東北地區(qū)北部、四川西部以及廣西地區(qū)升溫則不足0.4℃.當(dāng)代與未來的相對高溫也均呈現(xiàn)出上升趨勢，溫度升高速率未來達到0.3℃／decade，略大于當(dāng)代的0.1℃／decade.

圖6f顯示未來年平均相對低溫（TN5t）在新疆及云南局部地區(qū)將有所降低，但降溫幅度不大，在中國其它地區(qū)則依舊為升高，其中兩個溫度增幅較大的地區(qū)分別為四川、貴州、湖南交界地帶以及黑龍江西部地區(qū).全國平均相對低溫升高了0.6℃，線性趨勢則當(dāng)代及未來均不明顯.

回顧以往，王冀等［31］利用IPCC數(shù)據(jù)分發(fā)中心提供的7個全球模式結(jié)果對中國地區(qū)A2、A1B、B2情景下的5個極端溫度指數(shù)進行了集合預(yù)估，結(jié)果表明：霜凍日數(shù)和溫度年較差具有下降趨勢；生長季長度、暖夜指數(shù)和熱浪指數(shù)則為明顯的上升趨勢；各指數(shù)在空間尺度上基本保持一致的增加或減少變化趨勢，只有溫度年較差除外.這些結(jié)論與本文對6個極端溫度指數(shù)進行預(yù)估得到的結(jié)果基本一致.

表2 當(dāng)代及未來極端溫度指數(shù)的均值和線性趨勢Table 2 Mean value and linear trend of extreme temperature indices in present and future

圖6 研究區(qū)極端溫度指數(shù)變化的空間分布結(jié)果（a）極端高溫；（b）極端低溫；（c）暖日日數(shù)；（d）霜日日數(shù)；（e）相對高溫；（f）相對低溫.Fig.6 Spatial distribution for the change of extreme temperature indices（a）TX1D；（b）TN1D；（c）HD；（d）FD；（e）TX95t；（f）TN5t.

4.2 極端降水

圖7和表3分別給出了中國地區(qū)極端降水指數(shù)的未來變化空間分布結(jié)果以及當(dāng)代和未來的指數(shù)均值與趨勢結(jié)果.如圖7a所示，未來年平均單日最大降水（RX1D）在中國大部分地區(qū)都將有所增加，其中在華中、江淮、華南以及西南地區(qū)增幅超過10%，局部地區(qū)超過30%，在東北南部、內(nèi)蒙古西部以及西北局部地區(qū)則有所減少；全國平均單日最大降水增加了8.7mm，增幅為13.4%.趨勢結(jié)果顯示當(dāng)代及未來單日最大降水均為上升，降水增多速率未來達到5.1mm／decade，大于當(dāng)代的2.6mm／decade.

圖7 極端降水指數(shù)變化的空間分布結(jié)果（a）單日最大降水；（b）連續(xù)五日最大降水；（c）最長無雨期；（d）強降水日數(shù)；（e）簡單降水強度；（f）極端降水總量.Fig.7 Spatial distribution for the change of extreme precipitation indices（a）RX1D；（b）RX5D；（c）MDRY；（d）R25；（e）SDII；（f）R95t.

表3 當(dāng)代及未來極端降水指數(shù)的均值和線性趨勢Table 3 Mean value and linear trend of extreme precipitation indices in present and future

未來年平均連續(xù)五日最大降水（RX5D）的變化（圖7b）與單日最大降水基本一致，均在華中、江淮、華南以及西南地區(qū)有所增加，增幅為10%～30%，在東北大部、內(nèi)蒙古以及西北局部地區(qū)為減少，特別在環(huán)渤海北部及內(nèi)蒙古西部地區(qū)減幅超過30%.全國平均連續(xù)五日最大降水未來比當(dāng)代增加了12.6mm，增加幅度為10.7%，且線性趨勢均為上升，趨勢系數(shù)未來（9.5mm／decade）大于當(dāng)代（5.9mm／decade）.

中國地區(qū)年平均最長無雨期（MDRY）的變化如圖7c所示，與當(dāng)代相比，未來華南地區(qū)最長無雨期將顯著增長，廣東、廣西和貴州部分地區(qū)增幅超過30d；而在東北及華北大部分地區(qū)最長無雨期將縮短，其中環(huán)渤海北部及內(nèi)蒙古與黑龍江交界地區(qū)減幅達30d以上；西部地區(qū)的變化總體較為復(fù)雜.未來全國平均最長無雨期將增長1.2d，增幅為7.6%，線性趨勢當(dāng)代不明顯（0.1d／decade），未來則為下降趨勢（－2.8d／decade）.

未來年平均強降水日數(shù)（R25）的變化在中國地區(qū)不明顯（圖7d），只有江淮及華南地區(qū)稍有增多，全國平均結(jié)果增加了0.6d，增幅僅為8.5%.強降水日數(shù)的線性趨勢在當(dāng)代和未來均為上升，且增加速率基本一致，當(dāng)代為0.7d／decade，未來為0.8d／decade.

圖7e顯示未來中國大部分地區(qū)年平均簡單降水強度（SDII）都將增強，平均增幅為8.9%.與強降水日數(shù)變化結(jié)果類似，簡單降水強度也在中國東南地區(qū)變化較為明顯，其中在山東、江西、廣東地區(qū)均增加了25%以上，而在東北大部及內(nèi)蒙古西部地區(qū)有所減弱.當(dāng)代與未來簡單降水強度的線性趨勢均為上升，變化速率未來（0.5mm／d／decade）稍高于當(dāng)代（0.3mm／d／decade）.

年平均極端降水總量（R95t）的變化在中國地區(qū)具有“北減南增”的空間分布（圖7f），降水增加區(qū)域主要集中在東南地區(qū)，兩個降水增加中心分別位于山東、安徽交界地帶以及江西、福建、廣東一帶；降水減少區(qū)域則為東北、華北及西北局部地區(qū).總體來看未來極端降水總量依舊以增加為主，全國平均增幅達到14.3%.趨勢分析結(jié)果顯示當(dāng)代與未來極端降水總量均具有上升趨勢，降水增加速率未來（46.9mm／decade）高于當(dāng)代（37.7mm／decade）.

綜合分析極端降水指數(shù)的變化可見，未來中國南方地區(qū)干旱有可能加重，北方地區(qū)降水日數(shù)則有所增加；與之相對，南方地區(qū)降水趨向于極端化，北方地區(qū)極端降水有所減弱.上述結(jié)論與江志紅等［32］根據(jù)全球模式對極端降水進行預(yù)估得到的結(jié)果相一致.

5 結(jié)論與討論

本文利用ECHAM5全球環(huán)流模式結(jié)果驅(qū)動MM5V3區(qū)域氣候模式，分別對中國地區(qū)當(dāng)代（1978—2000年）及未來（2038—2070年）氣候進行了長期模擬試驗，并選取1981—2000年及2041—2060年結(jié)果進行分析.首先檢驗區(qū)域模式對當(dāng)代極端溫度和極端降水的模擬能力，在此基礎(chǔ)上對IPCC A1B情景下21世紀(jì)中期6個極端溫度指數(shù)和6個極端降水指數(shù)的變化進行預(yù)估.得到以下結(jié)論：

（1）MM5V3模式對中國地區(qū)當(dāng)代日最高、最低溫度的空間分布及概率特征均具有一定的模擬能力，但日最高溫度模擬結(jié)果在中國大部分地區(qū)偏低，冷偏差幅度在東北、華北、長江中下游以及西北地區(qū)較明顯；日最低溫度則在南方地區(qū)模擬偏低，北方地區(qū)模擬偏高.與實際觀測相比，模式模擬的日最高溫度概率分布向低值頻段偏移，日最低溫度概率分布在0℃的峰值附近偏高.

（2）MM5V3模式同樣能夠?qū)χ袊貐^(qū)強降水（大雨和暴雨）年平均日數(shù)的空間分布進行有效模擬，存在的問題是降水日數(shù)模擬結(jié)果在東部地區(qū)明顯偏多，四川局部地區(qū)偏少，模擬的降水日數(shù)概率統(tǒng)計結(jié)果與實際觀測相比均偏高.

（3）中國地區(qū)21世紀(jì)中期極端高溫、極端低溫和相對高溫在全國范圍內(nèi)都將升高，且升溫幅度北方大于南方；霜日日數(shù)一致減少，其中江淮及青藏高原地區(qū)減幅相對較大；暖日日數(shù)除在青藏高原地區(qū)減少外，在其它地區(qū)均增多；相對低溫則在新疆及云南局部地區(qū)有所降低，其它地區(qū)均為升高.當(dāng)代與未來各極端溫度指數(shù)的線性趨勢也較為一致，其中極端高溫、極端低溫、暖日日數(shù)、相對高溫均具有上升趨勢，霜日日數(shù)則為下降趨勢，只有相對低溫線性趨勢不明顯.

（4）中國地區(qū)21世紀(jì)中期極端降水指數(shù)的變化具有一定區(qū)域特征，單日最大降水、連續(xù)五日最大降水、最長無雨期、強降水日數(shù)、簡單降水強度以及極端降水總量在江淮、華南及西南地區(qū)均顯著增加，而在東北及內(nèi)蒙古地區(qū)減少.未來中國南方地區(qū)降水整體趨向于極端化；北方地區(qū)降水日數(shù)有所增加，但降水的極端化趨勢減弱.除最長無雨期外，其它極端降水指數(shù)的當(dāng)代及未來線性趨勢均為上升.

以上結(jié)論對于我們更好地了解MM5V3區(qū)域氣候模式模擬性能及中國地區(qū)未來極端氣候變化都具有一定意義，但應(yīng)注意到極端事件大部分由中小尺度系統(tǒng)所引起，對其進行模擬需要模式具有較高的水平分辨率.本文受計算資源限制，利用區(qū)域模式進行的模擬水平分辨率僅為50km，一些更為細致的極端氣候變化特征無法被考察.高分辨率條件下的氣候變化模擬研究可參考石英等［33］、高學(xué)杰等［34］和吳佳等［35］的工作.此外，本文對未來極端氣候變化的預(yù)估也僅局限在IPCC A1B溫室氣體排放情景下，模擬結(jié)果中并未包括土地利用變化、氣溶膠輻射效應(yīng)以及其它溫室氣體排放情景的影響，這些不足都需要在以后的工作中予以改進.最后，對未來極端氣候進行預(yù)估不同模式可能給出不同結(jié)果，進行多模式集合可以使模擬結(jié)果中的不確定性得到有效控制.

（References）

［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 Intergovernmental Panel on Climate Change.Cambridge：Cambridge University Press，2007.

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

［3］Dickinson R E，Errico R M，Giorgi F，et al.A regional climate model for the western United States.Climatic Change，1989，15（3）：383－422.

［4］Giorgi F.Simulation of regional climate using a limited area model nested in a general circulation model.J.Climate，1990，3（9）：941－963.

［5］Frich P，Alexander L V，Della－Marta P，et al.Observed coherent changes in climatic extremes during the second half of the twentieth century.Climate Res.，2002，19（3）：193－212.

［6］Frei C，Sch?ll R，F(xiàn)ukutome S，et al.Future change of precipitation extremes in Europe： Intercomparison of scenarios from regional climate models.J.Geophys.Res.，2006，111（D6）：D06105，doi：10.1029／2005JD005965.

［7］Marengo J A，Jones R，Alves L M，et al.Future change of temperature and precipitation extremes in South America as derived from the PRECIS regional climate modeling system.Int.J.Climatol.，2009，29（15）：2241－2255.

［8］Im E S，Jung I W，Bae D H.The temporal and spatial structures of recent and future trends in extreme indices over Korea from a regional climate projection.Int.J.Climatol.，2011，31（1）：72－86.

［9］Christensen J H，Christensen O B.Climate modelling：severe summertime flooding in Europe.Nature，2003，421（6925）：805－806.

［10］Boo K O，Kwon W T，Oh J H，et al.Response of global warming on regional climate change over Korea：an experiment with the MM5model.Geophys.Res.Lett.，2004，31（21）：L21206.

［11］Boo K O，Kwon W T，Back H J，et al.Change of extreme events of temperature and precipitation over Korea using regional projection of future climate change.Geophys.Res.Lett.，2006，33（1）：L01701.

［12］Beniston M，Stephenson D B，Christensen O B，et al.Future extreme events in European climate：an exploration of regional climate model projections.Climatic Change，2007，81（1）：71－95.

［13］Bell J L，Sloan L C，Snyder M A.Regional changes in extreme climatic events： A future climate scenario.J.Climate，2004，17（1）：81－87.

［14］Herrera S，F(xiàn)ita L，F(xiàn)ernández J，et al.Evaluation of the mean and extreme precipitation regimes from the ENSEMBLES regional climate multimodel simulations over Spain.J.Geophys.Res.， 2010， 115 （D21）： D21117， doi： 10.1029／2010JD013936.

［15］Gao X J，Zhao Z C，Giorgi F.Changes of extreme events in regional climate simulations over East Asia.Adv.Atmos.Sci.，2002，19（5）：927－942.

［16］許吟隆，黃曉瑩，張勇等.中國21世紀(jì)氣候變化情景的統(tǒng)計分析.氣候變化研究進展，2005，1（2）：80－84.Xu Y L，Huang X Y，Zhang Y，et al.Statistical analyses of climate change scenarios over China in the 21st century.Advances in Climate Change Research （in Chinese），2005，1（2）：80－84.

［17］Zhang Y，Xu Y L，Dong W J，et al.A future climate scenario of regional changes in extreme climate events over China using the PRECIS climate model.Geophys.Res.Lett.，2006，33（24）：L24702.

［18］高學(xué)杰.中國地區(qū)極端事件預(yù)估研究.氣候變化研究進展，2007，3（3）：162－166.Gao X J.Researches in projection of extreme events in China.Advances in Climate Change Research （in Chinese），2007，3（3）：162－166.

［19］胡伯彥，湯劍平，王淑瑜.中國地區(qū)IPCC A1B情景下21世紀(jì)中期氣候變化的數(shù)值模擬試驗.氣象科學(xué)，2012，32（2）：127－136.Hu B Y，Tang J P.Wang S Y.A numerical simulation for mid－21st century climate change over China under IPCC A1B scenario.Journal of the Meteorological Sciences （in Chinese），2012，32（2）：127－136.

［20］Chen F，Dudhia J.Coupling an advanced land surfacehydrology model with the Penn State－NCAR MM5modeling system.Part I：Model implementation and sensitivity.Mon.Wea.Rev.，2001，129（4）：569－585.

［21］Chen F，Dudhia J.Coupling an advanced land surfacehydrology model with the Penn State－NCAR MM5modeling system.Part II：Preliminary model validation.Mon.Wea.Rev.，2001，129（4）：587－604.

［22］Kain J S，F(xiàn)ritsch J M.A one－dimensional entraining／detraining plume model and its application in convective parameterization.Journal of the Atmospheric Sciences，1990，47（23）：2784－2802.

［23］Briegleb B P. Delta－Eddington approximation for solar radiation in the NCAR Community Climate Model.J.Geophys.Res.，1992，97（D7）：7603－7612.

［24］Ek M B，Mitchell K E，Lin Y，et al.Implementation of Noah land surface model advances in the National Centers for Environmental Prediction operational mesoscale Eta model.J.Geophys.Res.，2003，108（D22）：8851，doi：10.1029／2002JD003296.

［25］Arpe K，Hagemann S，Jacob D，et al.The realism of the ECHAM5models to simulate the hydrological cycle in the Arctic and North European area.Nordic Hydrology，2005，36（4－5）：349－367.

［26］Nakicenovic N，Alcamo J，Davis G，et al.Special Report on Emissions Scenarios（SRES），A Special Report of Working Group III of the Intergovernmental Panel on Climate Change.Cambridge：Cambridge University Press，2000.

［27］Xu Y，Gao X J，Shen Y，et al.A daily temperature dataset over China and its application in validating a RCM simulation.Adv.Atmos.Sci.，2009，26（4）：763－772.

［28］Yatagai A，Arakawa O，Kamiguchi K，et al.A 44－year daily gridded precipitation dataset for Asia based on a dense network of rain gauges.SOLA，2009，5：137－140.

［29］張勇，許吟隆，董文杰等.SRES B2情景下中國區(qū)域最高、最低氣溫及日較差變化分布特征初步分析.地球物理學(xué)報，2007，50（3）：714－723.Zhang Y，Xu Y L，Dong W J，et al.A preliminary analysis of distribution characteristics of maximum and minimum temperature and diurnal temperature range changes over China under SRES B 2scenario.Chinese J.Geophys.（in Chinese），2007，50（3）：714－723.

［30］Feng J M，F(xiàn)u C B.Inter－comparison of 10－year precipitation simulated by several RCMs for Asia.Adv.Atmos.Sci.，2006，23（4）：531－542.

［31］王冀，江志紅，丁裕國等.21世紀(jì)中國極端氣溫指數(shù)變化情況預(yù)估.資源科學(xué)，2008，30（7）：1084－1092.Wang J，Jiang Z H，Ding Y G，et al.Multi－model ensemble prediction of extreme temperature indices in China.Resources Sciences，（in Chinese），2008，30（7）：1084－1092.

［32］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.Jiang Z H，Chen W L，Song J，et al.Projection and evaluation of the precipitation extremes indices over China based on seven IPCC AR4coupled climate models.Chinese Journal of Atmospheric Sciences（in Chinese），2009，33（1）：109－120.

［33］石英，高學(xué)杰.溫室效應(yīng)對我國東部地區(qū)氣候影響的高分辨率數(shù)值試驗.大氣科學(xué)，2008，32（5）：1006－1018.Shi Y，Gao X J.Influence of greenhouse effect on eastern China climate simulated by a high resolution regional climate model.Chinese Journal of Atmospheric Sciences （in Chinese），2008，32（5）：1006－1018.

［34］高學(xué)杰，石英，Giorgi F.中國區(qū)域氣候變化的一個高分辨率數(shù)值模擬.中國科學(xué)，2010，40（7）：911－922.Gao X J，Shi Y，Giorgi F.A high resolution simulation of climate change over China.Sci.China Earth Sci.，2010，53（3）：462－472.

［35］吳佳，高學(xué)杰，石英等.新疆21世紀(jì)氣候變化的高分辨率模擬.冰川凍土，2011，33（3）：479－487.Wu J，Gao X J，Shi Y，et al.Climate change over Xinjiang region in the 21st century simulated by a high resolution regional climate model.Journal of Glaciology and Geocryology（in Chinese），2011，33（3）：479－487.