不同代表性濃度路徑(RCPs)下21世紀長江中下游強降水預(yù)估

韓樂瓊,韓哲,李雙林

(1.成都信息工程學(xué)院 大氣科學(xué)學(xué)院,四川 成都 610225;2.中國科學(xué)院 氣候變化研究中心,北京 l00029;3.中國科學(xué)院 大氣物理研究所 竺可楨—南森國際研究中心,北京 100029)

不同代表性濃度路徑(RCPs)下21世紀長江中下游強降水預(yù)估

韓樂瓊1,2,3,韓哲2,3,李雙林2,3

(1.成都信息工程學(xué)院 大氣科學(xué)學(xué)院,四川 成都 610225;2.中國科學(xué)院 氣候變化研究中心,北京l00029;3.中國科學(xué)院 大氣物理研究所 竺可楨—南森國際研究中心,北京 100029)

利用政府間氣候變化專門委員會第5次評估報告(IPCC AR5)耦合模式相互比較計劃第5階段(CMIP5)中所包含的8個模式資料,對長江中下游強降水的氣候特征在21世紀的變化進行預(yù)估,并與此前基于第3階段(CMIP3)的7個模式的預(yù)估結(jié)果進行了對比。所用資料既包括模式對20世紀的歷史模擬,也包括它們在未來高、中、低三種排放情景(即RCP8.5、RCP4.5、RCP2.6三種代表性濃度路徑)下的預(yù)估試驗資料。結(jié)果表明:1)不同模式的預(yù)估結(jié)果有較好的一致性。相對于20世紀最后20 a (1980—1999年),21世紀不僅強降水事件頻次、強降水事件的平均強度增加,且年際變率也有所增強。就增加幅度而言,西部強度較小,東部強度較大。2)就不同排放情景相互比較而言,在低排放情景和高排放情景(RCP2.6和RCP8.5)下,降水強度和頻次的增長均比在中等排放情景(RCP4.5)下大。3)與之前CMIP3的結(jié)果相比,盡管二者均預(yù)估未來降水強度和頻次增長,但二者增加幅度的空間分布并不一致。在CMIP5中,表現(xiàn)為自西向東幅度遞增的特點,而在CMIP3中則中部地區(qū)增幅最大。

CMIP5試驗;RCPs;長江中下游;強降水;預(yù)估

0 引言

長江中下游地區(qū)地形平坦,人口密集,經(jīng)濟和文化發(fā)達。受東亞季風(fēng)的影響,該地區(qū)是我國強降水最為頻發(fā)的地區(qū)之一(陶詩言,1980)。由于強降水事件常會引起洪澇災(zāi)害,認識其發(fā)生頻次、強度等未來演變趨勢(余錦華等,2012),對減少人民生命財產(chǎn)損失,減小社會可持續(xù)發(fā)展的潛在風(fēng)險,制訂國家中長期發(fā)展規(guī)劃,有效應(yīng)對氣候變化等具有重要意義。

政府間氣候變化專門委員會(IPCC)所設(shè)氣候系統(tǒng)模式相互比較計劃,從其第3階段(CMIP3)開始,就對工業(yè)革命以來溫室氣體歷史演變及未來溫室氣體不同排放情景,開展了多個模式的歷史模擬和未來百年的預(yù)估試驗。這些數(shù)據(jù)為認識長江中下游強降水事件的統(tǒng)計特征,預(yù)估其未來變化趨勢提供了可能(張文君和譚桂容,2012)。CMIP3采用的一組排放情景(SRES)是IPCC于2000年在《排放情景特別報告》中所推薦的,包括了高經(jīng)濟發(fā)展情景(A1)、區(qū)域資源情景(A2)、全球可持續(xù)發(fā)展情景(B1)和區(qū)域可持續(xù)發(fā)展情景(B2)等。李雙林等(2012)利用這些數(shù)據(jù),對不同排放情景下,未來長江中下游強降水事件氣候特征的變化進行了預(yù)估,得到降水強度和頻次在A2、A1B和B2情景下均有增加,而A2增幅最大,B2增幅相對較小等結(jié)果。

其他學(xué)者也利用該組數(shù)據(jù),就不同地區(qū)或不同氣候變量做過不少研究(例如:Min et al.,2004;陳活潑等,2012;富元海,2012)。姜大膀等(2004,2009)研究了A2情景下未來氣溫的變化趨勢,并分析了增幅的空間分布,顯示東北和青藏高原中部地區(qū)冬季氣溫增幅較大。陳活潑等(2012)就三個不同的情景,分析了多個模式預(yù)估的我國夏季降水的氣候演變,發(fā)現(xiàn)模式結(jié)果之間有較好的一致性,表現(xiàn)為我國東部和青藏高原地區(qū)降水均增加,而新疆地區(qū)則減少的態(tài)勢。就不同排放情景相比較而言,未來百年我國降水變化趨勢特征基本一致,東部地區(qū)的增加在A2情景下最大,而在B1情景下最小。

雖然之前的SRES情景下對未來氣候的預(yù)估結(jié)果較為一致,但SRES情景沒有考慮到各國應(yīng)對氣候變化的政策對未來排放的影響。為強化排放情景對政府應(yīng)對氣候變化的參考作用,并在更大范圍內(nèi)研究潛在氣候變化,IPCC第五次評估報告(IPCC AR5)提出了以穩(wěn)定濃度為特征的新情景,并開展了4個不同代表性濃度路徑(RCPs)下的耦合模式相互比較計劃第5階段(CMIP5)(Moss et al.,2009)。新的代表性濃度路徑為模式預(yù)估未來的氣候變化提供了更加豐富的數(shù)據(jù)集。到目前為止,已有不少研究利用該數(shù)據(jù)分析了東亞季風(fēng)及降水氣候特征的未來演變(Bao,2012;Peacock,2012;Xu and Xu,2012;Jiang and Tian,2013)。其中大多數(shù)研究顯示,在21世紀中后期,相對于20世紀東亞夏季降水是增加的,而且北部降水比南部增加要多。就不同濃度路徑比較而言,高排放濃度路徑(RCP8.5)比低、中排放濃度路徑(RCP2.6、RCP4.5)下預(yù)估的增加更大。但這種增加并不是隨時間穩(wěn)定不變的。在21世紀前期,盡管三種濃度路徑均預(yù)估略微增加,但低濃度路徑(RCP2.6)下預(yù)估結(jié)果比中、高濃度路徑下(RCP4.5、RCP8.5)增加更大。這與之前基于CMIP3的結(jié)果(李雙林等,2012)不同。在CMIP3不同的SRES情景下,高、中排放情景(A2、A1B)比低排放情景(B1)下的預(yù)估結(jié)果大(李雙林等,2012)。

考慮到CMIP5模式相比之前有較大改進,分辨率有所提高,包含了更多的物理過程(Moss et al.,2009),加上它們預(yù)估的降水變化在許多地區(qū)與CMIP3不同,因此有必要利用這些最新的模擬結(jié)果,就不同濃度路徑(RCPs),分析它們對長江中下游強降水未來預(yù)估情況。通過新的結(jié)果與以前CMIP3結(jié)果的對比,有助于大家更清楚認識預(yù)估結(jié)果的可靠性,增強對未來氣候變化預(yù)估結(jié)果的信心。

1 資料與方法

1.1 觀測資料

觀測資料包括:1)中國國家氣象信息中心提供的752站逐日降水量觀測數(shù)據(jù)集,時段為1980年1月—l999年l2月。2)1980年1月—1999年12月美國環(huán)境預(yù)報中心提供的CMAP(CPC Merged Analysis of Precipitation)逐月降水量格點資料(Xie and Arki,1997)。

1.2 CMIP5和CMIP3耦合模式資料

CMIP5耦合模式資料包括:1)8個模式模擬的20世紀日降水資料。2)8個模式預(yù)估的21世紀逐日降水資料,即它們對2026—2045年在RCP2.6、RCP4.5和RCP8三種濃度路徑下逐日的降水預(yù)估。需要指出的是,盡管實際參與不同RCP情景預(yù)估的模式有16個以上,但只有其中8個的逐日降水資料可獲取,故本文分析基于這8個模式。

CMIP3耦合模式資料包括:1)7個耦合模式模擬20世紀的逐日降水資料,即“20c3m”模擬。由于其中部分模式積分結(jié)束于1999年,所以文中氣候態(tài)選取1980—1999年時段平均。2)7個耦合模式在A1B、A2、B1三種情景下21世紀(2046—2065年)的逐日降水資料。有關(guān)模式的選擇見李雙林等(2012)。

因為CMIP5和CMIP3兩組資料所用模式不同,故對它們之間的比較基于它們各自的多模式集合平均(MME)來進行。另外,由于各模式集合成員數(shù)目不同,本文僅選取其中第一組試驗結(jié)果。表1列出了所用的CMIP3和CMIP5模式的主要信息,詳見http://cmip-pcmdi.llnl.gov/cmip5/。

RCPs是指對輻射活性氣體和顆粒物排放量、濃度隨時間變化的一致性預(yù)測。作為一個集合,它涵蓋廣泛的人為氣候強迫。目前,CMIP5已在文獻中識別了4類RCPs(RCP8.5、RCP6、RCP4.5和RCP2.6)(Van Vuren et al.,2006;Riahi et al.,2007;Meinshausen et al.,2011;Zhang,2012)。RCP8.5為CO2排放參考范圍90百分位的高端路徑,RCP6和RCP4.5為中間穩(wěn)定路徑,RCP2.6是最低端的濃度路徑。在中間路徑中,RCP4.5比RCP6優(yōu)先,本文僅選取RCP4.5作為中間濃度路徑。RCP2.6與實現(xiàn)2100年相對工業(yè)革命之前全球平均升溫低于2 ℃的目標一致。RCP8.5、RCP6和RCP4.5大致可以與IPCC AR4 SRES情景A2、A1B和B1相對應(yīng)。

表1所使用的8個CMIP5海氣耦合模式和7個CMIP3海氣耦合模式簡介

Table 1 A brief introduction to the eight CMIP5 models and the seven CMIP3 coupled models,which have their outputs analyzed in the paper

編號模式研發(fā)機構(gòu)或國家大氣模式分辨率IPCCAR51BCC-CSM1.1中國T42,L262BNU-ESM中國T42,64×1283CSIRO-MK3.6.0澳大利亞192×96,L184MRI-CGCM3日本320×160,L485MIROC-ESM日本T42,L806FGOALS-g2中國128×60,L267IPSL-CM5A-LR法國96×95,L398NorESM1-M挪威144×96,L26IPCCAR41GFDL-CM2.0美國2.0°×2.5°,L242GFDL-CM2.1美國2.0°×2.5°,L243MRI-CGCM2.3.2日本0.5°～2.0°×2.5°,L234MIROC3.2(medres)日本0.5°～1.4°×1.4°,L235ECHAM5/MPI-OM德國T63(～1.9°×1.9°),L316CGCM3.1(T47)加拿大1.9°×1.9°L297CNRM-CM3法國T63(～1.9°×1.9°)L45

考慮到已有大量研究對CMIP5的模式進行了評估,以及能獲取不同RCPs下逐日降水資料的模式較少,這里不再篩選模式,直接評估8個模式的集合結(jié)果。同李雙林等(2012),長江中下游范圍選定為105～122°E、27～32°N,強降水在觀測資料中定義為日降水量超過50 mm(即暴雨),在模擬資料中定義為日降水量超過25 mm的降水事件。

2 CMIP5模式對氣候態(tài)的模擬

通過評估模式對20世紀歷史降水的模擬能力,可以為了解模式性能提供一些基本認識,因此首先對模擬的降水氣候態(tài)進行評估。圖1比較了不同模式模擬的20世紀氣候態(tài)及其與觀測差異?？梢?8個模式基本再現(xiàn)從東南沿海向北部內(nèi)陸減少的降水空間分布格局。盡管如此,模擬的大值中心位置和強度與觀測結(jié)果還存在一些差異,大部分模式模擬的降水值偏少,在海洋上和中國南部尤其明顯。這點在它們與觀測結(jié)果的差值場上很清楚(圖1)。說明CMIP5模式與CMIP3的模式存在類似的模式偏差。

圖1 8個CMIP5模式模擬的夏季平均降水與觀測(CMAP)降水的差值(單位:mm/d;(a)—(h)為不同模式結(jié)果;為便于與氣候態(tài)比較,圖中另外用粗實線顯示了CMAP氣候平均態(tài)降水4 mm/d等值線的位置;陰影代表幾個不同差值大小(-4,-2,2,4)包含的區(qū)域)Fig.1 Distribution of difference of climatological summer mean rainfall in the eight CMIP5 models relative to the observed(CMAP)(units:mm/d;(a)—(h) corresponds to the eight CMIP5 models.The contour of 4 mm/d of the observed climatological mean rainfall is displayed additionally.Shading represents the region contained by the contours-4,-2,2 and 4)

上述分析無法明確相對于CMIP3、CMIP5模式的模擬結(jié)果是否有所提高。為此,圖2利用Taylor圖(Taylor,2001),給出了一些更定量的比較?？梢钥闯?在東亞區(qū)域模式降水與觀測結(jié)果的空間相關(guān)系數(shù)為0.5～0.8,相對較好的模式有MRI-CGCM3和IPSL-CM5A-LR,而FGOAL-g2和MIROC-ESM較差。研究表明,CMIP3模式降水與觀測結(jié)果的空間相關(guān)系數(shù)大多為0.3～0.6(李雙林等,2012;圖1)。說明相比CMIP3,CMIP5模式對東亞降水的模擬確實有明顯的改善。就空間標準差而言,FGOAL-g2和NorESM1-M模擬的空間標準差與觀測結(jié)果很接近。MIROC-ESM和IPSL-CM5A-LR的模擬值過低,而CSIRO-MK3.6.0模擬的空間變率偏大。從均方根誤差來看,MRI-CGCM3和IPSL-CM5A-LR模擬相對較好,而FGOAL-g2模擬較差,這與降水差值場結(jié)果較為一致。此外,相比于CMIP3,CMIP5的各模式的均方根誤差也更小。表明CMIP5模式模擬的降水更接近觀測結(jié)果。

下面評估CMIP5模式模擬的強降水事件的氣候特征。這里強降水頻次是就研究區(qū)域所有站點(模式則為格點)平均而言的,而強降水事件的強度則是這樣確定的:1)將每天各站點(模式為格點)降水大于等于50 mm(模式為大于等于25 mm)的值記錄下來;2)把單個站點(格點)整個夏季的強降水量相加,為其當(dāng)年的強降水事件的降水總量,再用強降水總量除于該站點(格點)的強降水頻次,記為站點(格點)當(dāng)年的強降水強度;3)對區(qū)域各個站點的強降水強度做平均,得到區(qū)域平均的強降水強度。由于個別模式中某些格點整個夏季日降水都沒有達到25 mm,這種區(qū)域平均將不能反映局地性強的強降水事件的氣候特征。

圖2 模式模擬的東亞夏季平均降水和觀測(CMAP)降水的Taylor圖(“REF”為參考點;字符“1”、“2”、…、“8”分別代表模式NorESM1-M、BCC-CSM1.1、BNU-ESM、CSIRO-MK3.6.0、FGOALS-g2、IPSL-CM5A-LR、MIROC-ESM、MRI-CGCM3)Fig.2 Taylor diagram for the East Asian summer seasonal mean rainfall in the eight CMIP5 models and in the CMAP observations(“REF” is the reference dot,and the digitals “1”,“2”,…,and “8” represent the models,NorESM1-M,BCC-CSM1.1,BNU-ESM,CSIRO-MK3.6.0,FGOALS-g2,IPSL-CM5A-LR,MIROC-ESM,and MRI-CGCM3,respectively)

表2給出了觀測和各模式模擬的強降水強度、頻次的多年平均的比較?？紤]到多模式集合平均(MME)比單個模式的結(jié)果更為可靠(Lee and Wang,2014),在表2的最后一列分別給出了CMIP5和CMIP3多模式的平均值(MME_CMIP5和MME_CMIP3)?？梢钥吹?MME_CMIP5的強降水頻次平均為2.94,與觀測值2.63非常接近,而MME_CMIP3則為1.76,與觀測值相比明顯偏低。就強降水事件的平均降水強度而言,也是MME_CMIP5高于MME_CMIP3。這再次表明,相比CMIP3,CMIP5各模式對中國降水的模擬已有一定改善。此外,由表2還可見,CMIP5多數(shù)模式模擬的強降水頻次與觀測結(jié)果相近(1～4次),但強降水事件的平均強度偏小。模擬頻次較差的模式是IPSL-CM5A-LR和FGOAL-g2。盡管BNU-ESM模式模擬的強降水頻次較多,但若按照觀測強降水事件的定義標準(50 mm/d)重新計算時,強降水頻次均值降為0.35,還是明顯低于觀測值。

3 未來長江中下游強降水的預(yù)估

3.1 強降水頻次的變化

考慮到不同模式空間分辨率不同,本文對模式輸出的日降水進行了空間插值。由于研究區(qū)域所包含的站點(格點)數(shù)量較少,下面主要分析區(qū)域平均情況。圖3給出了單個模式及多模式集合平均(MME)對未來20 a的強降水頻次的預(yù)估。為了與過去進行對比,圖3還給出了“20c3m”對1980—1999年的模擬及CMIP3在三種排放情景下對未來的預(yù)估結(jié)果。

可以看到,在RCP2.6下,大部分模式預(yù)估的頻次都高于RCP4.5和RCP8.5,而且更強降水事件的頻次也是在RCP2.6下出現(xiàn)得多。例如,NorESM1-M預(yù)估RCP2.6下的最大強降水次數(shù)達到8.2,遠遠高于“20c3m”及另外兩個較大濃度路徑下的預(yù)估值。與20世紀的模擬相比,大部分模式在該濃度路徑下模擬的頻次值分布相對離散,變化幅度較大,表現(xiàn)出年際變率增大的趨勢。在RCP8.5下,強降水頻次雖然高于RCP4.5,但還是略低于RCP2.6。又如BNU-ESM模式,它預(yù)估在RCP8.5下,2044年前后的出現(xiàn)頻次高達11。而在RCP4.5下,相對于前兩種情景,大部分模式預(yù)估較小的頻次,且頻次分布的年際變率小。這與Xu and Xu(2012)關(guān)于三種濃度路徑下各模式預(yù)估降水結(jié)果有一致性。Xu and Xu(2012)預(yù)估在20世紀前期,在RCP2.6濃度路徑下的降水增加高于RCP4.5和RCP8.5,甚至有些模式在兩個較高濃度路徑下的降水反而出現(xiàn)下降趨勢。這種降水的減小可能與強降水事件頻數(shù)的減少有關(guān)。此外,FGOALS-g2對20世紀的模擬和21世紀的預(yù)估均較小,與之前的分析也是一致的。

從多模式集合來看,同樣的特征更為清楚(圖3i)。CMIP5模式的預(yù)估結(jié)果在RCP4.5下年際變率較小,在RCP2.6和RCP8.5下則較大。這三種排放情景模擬的年際變率相對于20世紀模擬結(jié)果,均呈現(xiàn)增長趨勢。另外,相對于CMIP3,CMIP5預(yù)估的強降水頻次明顯偏高。

上述關(guān)于強降水頻次的年際變化結(jié)果在表3中反映得更為清楚。首先,未來20 a,在RCP2.6和RCP8.5下,一半以上的模式預(yù)估年際變率增強,尤其是NorESM1-M、CSIRO-MK3.6.0兩個模式。MME顯示,在這兩種排放情景下,年際標準差相比20世紀增加約20%。但在RCP4.5濃度路徑下,只有NORESM1-M、CSIRO-MK3.6.0和FGOAL-g2等模式預(yù)估的年際變率增強,其他模式則預(yù)估減少。所以,MME顯示頻次的年際變率減小。CMIP3預(yù)估的年際變率小,可能與這些模式模擬的降水偏小有關(guān)。

表28個CMIP5模式模擬的強降水頻次和強度的氣候態(tài)與觀測結(jié)果的比較(作為參考,最后一欄的括號中給出了7個CMIP3模式的多模式集合平均結(jié)果)

Table 2 A comparison of the climatological mean occurrence frequency and strength of heavy rainfall events in the eight CMIP5 models with those in the observed(As a comparison,the multiple model ensemble of seven CMIP3 models is displayed additionally in the parentheses of the last column)

CMAPIPSL-CM5A-LRNorESM1-MBCC-CSM1.1BNU-ESMCSIRO-MK3.6.0MRI-CGCM3MIROC-ESMFGOALS-g2MME/(CMIP3)頻次2.630.792.464.675.164.223.322.540.392.94/(1.76)強度70.214.8427.8638.2231.5732.7138.829.378.927.78/(21.52)

圖3 21世紀預(yù)估試驗預(yù)估的、不同RCPs濃度路徑下未來20年(2026—2045年)的強降水頻次逐年演變,及與20世紀歷史模擬試驗(20c3m)后20 a(1980—1999年)的比較((a)—(h)對應(yīng)不同的模式,(i)為多模式集合平均結(jié)果(MME);為了便于比較,CMIP3不同SRES排放情景下的預(yù)估結(jié)果以彩色線條給出;橫坐標“1—20”分別對應(yīng)“1980—1999”年(歷史模擬),或“2026—2045“年(未來預(yù)估))Fig.3 A comparison of temporal evolution of occurrence frequency of heavy rainfall events simulated in the last 20 years of the 20th century by the CMIP3 historical experiments (20c3m) with that projected for the 20 years (2026—2045) of the 21st century by the CMIP5 projection experiments((a)—(h) correspond to the eight CMIP5 models,respectively,and (i) is the multiple model ensemble(MME).For comparison,the MME projection by the seven CMIP3 models under the three SRES emissions is additionally displayed in color curves in (i).The digitals “1—20” in the horizontal axis in all the panels correspond to year 1980—1999 for historical simulations and year 2024—2045 for the future projection)

圖4a—c是CMIP5各模式預(yù)估的強降水頻次均值和標準差與20世紀模擬的均值和標準差的比值的散點圖,圖中分別給出了三種濃度路徑下的結(jié)果?？梢钥吹?在三種濃度路徑下,大部分模式二種比值均大于1,再次表明預(yù)估的頻次和年際變率具有增加趨勢。從頻次標準差的比值(縱坐標)看,在RCP2.6和RCP8.5濃度路徑下,頻次年際變率增加趨勢相對明顯,其中以NorESM1-M、BNU-ESM、CSIRO-MK3.6.0和FGOAL-g2模式,特別是NorESM1-M最為顯著。NorESM1-M預(yù)估的標準差增長了一倍。而在RCP4.5下,強降水頻次年際變率增長比在RCP2.6下弱,與之前的分析結(jié)果一致。有趣的是,BCC-CSM1.1和MME_CMIP5的標準差和均值的兩個比值相近,幾乎位于同一個位置,圖中只能看到一個點,說明其變率的增加與均值的增加幾乎一致。

表320世紀歷史模擬試驗(20c3m)模擬的強降水頻次年際標準差及其與CMIP5不同模式在RCP2.6、RCP4.5、RCP8.5三種濃度路徑的比較(表中同時給出了8個CMIP5模式多模式集合平均(MME),及7個CMIP3模式的MME;CMIP3模擬所用的未來排放情景包括A1B、A2和B2)

Table 3 A comparison of the standard deviation of annual averaged occurrence frequency of heavy rainfall events simulated by the 20c3m models and projected by the CMIP5 models under the three emission scenario RCP2.6,RCP4.5 and RCP8.5(The multi-model ensemble(MME) results for both CMIP5 and CMIP3 models are also given.The emission scenario used in CMIP3 include A1B,A2,and B2)

d

這種趨勢在MME(圖4d)中也很清楚。三種濃度路徑(RCP2.6、RCP4.5和RCP8.5)對應(yīng)的橫坐標值分別為1.13、1.07和1.08,意味著頻次均值將分別增加約13%、7%和8%。標準差比值在RCP2.6和RCP8.5下分別為1和2,即不變或增加約10%,而在RCP4.5下為0.98,意味著減小的趨勢,驗證了表3的結(jié)果。對應(yīng)CMIP3的三種排放情景下,它們預(yù)估的頻次均值相對于20世紀均增加了。因CMIP5的RCP4.5情景大體對應(yīng)于CMIP3的B1情景。因為在B1情景下,年際變率增長盡管相對于A1B和A2較弱,但是相對于20世紀仍然是增長的。這不同于RCP4.5下的預(yù)估結(jié)果。在RCP4.5下預(yù)估是減小的趨勢。這種不一致可能與CMIP5模式改善了物理過程,從而性能得到改進有關(guān)。

3.2 強降水強度的變化

圖5a—c給出了CMIP5 MME預(yù)估的三種RCPs平均降水與“20c3m”的差異分布?？梢钥匆?在三種濃度路徑下,西部地區(qū)強度減小,東部地區(qū)增加。但東部地區(qū)降水強度增加的幅度和區(qū)域遠遠大于西部地區(qū)降水強度減小的幅度和區(qū)域,這解釋了預(yù)估的降水強度從區(qū)域平均看是增加的現(xiàn)象。這與CMIP3在不同排放情景下的結(jié)果相同。另外,從三個濃度路徑相比來看,RCP2.6預(yù)估的增加較多。

圖5d—f顯示了CMIP5 MME在三種RCPs下強降水事件期間平均的降水強度分布。為了比較,圖中也給出了CMIP3 MME在三種SRES情景下(A1B、B1、A2)對應(yīng)的預(yù)估值?？梢钥吹?在RCPs下,表現(xiàn)出一致的自西向東強度增強,而在SRES情景下則在中部出現(xiàn)強度大值中心,最大的是高排放的A2情景。與頻次分析有些類似的是,與其對應(yīng)的B1比較,RCP4.5預(yù)估的強度更強。

此外,本文還分析了各模式“20c3m”和RCPs下預(yù)估的降水強度的盒須圖(圖略)。除了IPSL-CM5A-LR模式外,其他模式預(yù)估的降水強度中位數(shù)均高于“20c3m”,說明未來20 a強降水強度是增大的。在RCP2.6濃度路徑下,降水強度的年際變率增大。模式NorESM1-M和CSIRO-MK3.6.0預(yù)估的強度集中在25～35 mm/d,而IPSL-CM5A-LR和FGOALS-g2預(yù)估的強度則為5～20 mm/d。在RCP8.5下,除了IPSL-CM5A-LR和NOREMSM1-M外,其余模式預(yù)估的降水強度最大值都有所增加,與RCP2.6相比差別不大。最明顯的差異在年際變率上。大部分模式年際分布比20世紀更加離散,出現(xiàn)極值的次數(shù)多,意味著年際變率更大。在RCP4.5下,降水強度的年際變率最小。這與表3顯示的頻次年際變率結(jié)果類似,即RCP4.5預(yù)估的降水頻次增加最小。

圖4 CMIP5模式模擬的21世紀強降水頻次(標準差)與20世紀強降水頻次(標準差)的比值及其多模式集合平均(MME)比值的散點圖(橫坐標為平均值的比值,縱坐標為標準差的比值;(a)、(b)、(c)對應(yīng)三種不同RCP情景,即RCP2.6、RCP4.5、RCP8.5;其中,“a—i”各點分別對應(yīng)模式IPSL-CM5A-LR、NorESM1-M、BCC-CSM1.1、BNU-ESM、CSIRO-MK3.6.0、MRI-CGCM3、MIROC-ESM、FGOALS-g2及MME。(d)是集合平均后的比值;其中,“RCP2.6”、“RCP4.5”、“RCP8.5”以及“A2”、“A1B”、“B1”分別代表不同的CMIP5的不同濃度路徑和CMIP3不同排放情景)Fig.4 The scatter diagram of the ratio of occurrence frequency(standard deviation) of heavy rainfall events in the 21st century projection to that by the 20th century historical simulation (20c3m)(The horizontal axis is the ratio of occurrence frequency,and the vertical axis is the ratio of the standard deviation.(a),(b),(c) represent the three emission scenarios (RCP2.6,RCP4.5,and RCP8.5),in which the dots marked with “a”,“b”,…,“i” represent the models,IPSL-CM5A-LR,NorESM1-M,BCC-CSM1.1,BNU-ESM,CSIRO-MK3.6.0,MRI-CGCM3,MIROC-ESM,FGOALS-g2,and their MME,respectively.(d) depicts the ratio of their MME in both the CMIP5 and CMIP3 models.The emission scenarios used in CMIP3 include A2,A1B,and B1)

圖5 多模式集合平均后預(yù)估的21世紀20 a(2026—2045年)強降水事件的多年平均降水強度,及其與歷史模擬的20世紀20 a(1980—1999年)平均強度的差值((a)、(b)、(c)分別為CMIP5的3個RCPs情景下與20c3m歷史模擬的差值;(d)、(e)、(f)分別為CMIP5模式在3個RCPs下預(yù)估的強降水事件平均降水強度;(g)、(h)、(i)同(d)、(e)、(f),但分別為CMIP3模式在A1B、B1及A2排放情景下的結(jié)果)Fig.5 The spatial distribution of the MME averaged rainfall strength of heavy rainfall events in the 21st century projection(2026—2045) and its difference relative to the 20th century simulation(1980—1999)((a)—(c) represent the difference of the 21st century projections(2026—2045) minus the 20thcentury simulations (1980-1999);(d)—(f) is the averaged strength of the 21st century projection under the three RCP scenarios;(g)—(i) as (d)—(f),but for the CMIP3 under the three scenarios A1B,B1,and A2)

為進一步明確降水強度變化,下面分析各模式降水強度標準差和均值在21世紀的預(yù)估結(jié)果和20世紀模擬結(jié)果之比值(圖6)。從標準差看,與圖4的結(jié)果相同,在RCP4.5下大多數(shù)模式預(yù)估的強度年際變率減小,而在RCP8.5和RCP2.6下則增加。但有三個模式(BNU-ESM、NorESM1-M和MRI-CGCM3)例外,它們在三個情景下,預(yù)估的年際變率均減少。在RCP2.6濃度路徑下,CSIRO-MK3.6.0模式預(yù)估的強度年際變率增長最大,達1.2倍。在RCP8.5下,標準差之比高于1的模式比RCP2.6更多,表明了大部分模式在RCP8.5下預(yù)估年際變率增加比RCP2.6更明顯。從MME看,除RCP4.5外,其余兩種濃度路徑下預(yù)估的年際變率都是增加的。

從均值來看,在三個濃度路徑下,大部分模式預(yù)估強度均值是增加的,與圖5的分析結(jié)果一致。但是RCP4.5均值增長幅度最小。MME的降水強度均值在RCP2.6、RCP4.5和RCP8.5下,分別為1.1、1.06和1.07,表明增長率約為10%、6%和7%。相應(yīng)的年際變率比(縱坐標)分別為1.13、0.89、1.11,表明在RCP2.6和RCP8.5下,強度增長為13%和11%,而在RCP4.5下,強度年際變率減小11%。這些與CMIP3三種SRES情景既有相似之處,又有不同之處。相似之處是,降水強度都增加;不同之處是,RCP三種情景下年際變率均增加,但在SRES B1情景下預(yù)估年際變率變化比A1B、A2的小(李雙林等,2012)。

圖6 CMIP5模式模擬的21世紀強降水強度(標準差)與20世紀強降水強度(標準差)的比值及其多模式集合平均(MME)比值的散點圖(橫坐標為平均值的比值,縱坐標為標準差的比值;(a)、(b)、(c)對應(yīng)三種不同RCP情景，即RCP2.6、RCP4.5、RCP8.5；其中,“a—i”各點分別對應(yīng)模式IPSL-CM5A-LR、NorESM1-M、BCC-CSM1.1、BNU-ESM、CSIRO-MK3.6.0、MRI-CGCM3、MIROC-ESM、FGOALS-g2及MME)Fig.6 The scatter diagram of the ratio of rainfall strength(standard deviation) of heavy rainfall events in the 21st century projection to that by the 20th century historical simulation (20c3m)(The horizontal axis is the ratio of rainfall strength,and the vertical axis is the ratio of the standard deviation.(a),(b),(c) represent the three emission scenarios(RCP2.6,RCP4.5,and RCP8.5),in which the dots marked with “a”,“b”,…,“i” represent the models,IPSL-CM5A-LR,NorESM1-M,BCC-CSM1.1,BNU-ESM,CSIRO-MK3.6.0,MRI-CGCM3,MIROC-ESM,FGOALS-g2,and their MME,respectively)

圖7 強降水事件降水強度的概率分布比較((a)—(h)為CMIP5模式歷史模擬試驗中20 a(1980—1999年)模擬,及21世紀預(yù)估試驗中三種濃度路徑RCP2.6、RCP4.5、RCP8.5下20 a(2026—2045年)的預(yù)估結(jié)果,(i)為8個CMIP5模式的集合平均結(jié)果(MME8)及其與7個CMIP3模式在三種排放情景(A1B、A2、B1)的比較(MME7))Fig.7 A comparison of the probability distribution function of rainfall strength of heavy rainfall events((a)—(h) correspond to the historical simulation (20c3m) of 20 years in the 20th century(1980—1999) and the projection of 20 years in the 21st century(2026—2045) under the three RCPs.(i) is the MME of eight CMIP5 models(MME8).The MME of the seven CMIP3 models(MME7) under the three scenarios(A1B,A2,and B1) is additionally shown for comparison)

為了更清晰地認識各模式預(yù)估的21世紀降水強度的變化,圖7給出了各模式及MME的強度概率分布。為了比較,同時給出了CMIP3的MME結(jié)果。可以看到,除了IPSL-CM5A-LR和MIROC-ESM模式外,其他6個模式及MME相對于20世紀都呈現(xiàn)較為明顯的右偏,即未來易于出現(xiàn)更強強度的強降水事件。NorESM1-M、BNU-ESM和MRI-CGCM3不僅出現(xiàn)右偏形式,而且高值出現(xiàn)頻率也要高出2%左右。NorESM1-M預(yù)估的強度在三種濃度路徑下,集中分布范圍由20世紀的25～30 mm/d偏移至30～35 mm/d。MME(圖7i)也顯示降水強度分布呈現(xiàn)右偏狀態(tài),在大值區(qū)域分布更多。與CMIP3相比,RCPs濃度路徑下的強度值集中于28～30 mm/d,高于A1B和B1情景,但小于A2情景。

4 結(jié)論

本文就CMIP5多個模式20世紀的降水氣候態(tài)模擬與觀測結(jié)果進行了對比。在此基礎(chǔ)上,分析了在不同排放情景(RCPs)下未來20 a(2026—2045年)長江中下游強降水事件氣候特征的變化趨勢,并與以前(李雙林等,2012)基于CMIP3的預(yù)估結(jié)果進行了比較。得到以下結(jié)論:

1)從模式對強降水事件氣候態(tài)的模擬來看,大多數(shù)CMIP5模式模擬的強降水事件頻次與觀測結(jié)果相近,年均為1～4次。多模式集合平均為2.94次,比CMIP3多模式集合平均的1.76次高,更接近于實際觀測的2.63次。從降水強度的空間分布及大小看,CMIP5模式也優(yōu)于CMIP3模式。這意味著CMIP5模式性能已有明顯的提高,其對未來的預(yù)估應(yīng)更可信。

2)未來20年長江中下游強降水事件頻次呈現(xiàn)上升趨勢。但頻次年際變率依排放情景還存在一些不確定性。高和低排放情景(RCP8.5和RCP2.6)下,強降水頻次均表現(xiàn)為增大趨勢,但中等排放情景(RCP4.5)下卻表現(xiàn)為稍減少趨勢。盡管預(yù)估頻次增加與CMIP3一致,但預(yù)估頻次年際變率趨勢與CMIP3略有區(qū)別。CMIP3在大致對應(yīng)的三種排放情景下,強降水頻次的年際變率均增長。

3)在三種RCPs情景下,長江中下游地區(qū)強降水事件的平均降水強度變化表現(xiàn)出區(qū)域差異,即西部平均強度減弱,而東部平均強度增強。這與CMIP3的預(yù)估結(jié)果有所不同。CMIP3預(yù)估,在大致對應(yīng)的三種排放情景下,平均強度增強的大值中心都是在中部。

4)在三種RCPs情景下,未來強降水事件降水強度的概率分布呈現(xiàn)出右偏的趨勢,即特別強的降水事件傾向于多發(fā)。

5)從不同排放情景的比較來看,低和高排放情景(RCP2.6和RCP8.5)下預(yù)估的降水強度和頻次的變化均比中等排放情景(RCP4.5)下大。這點類似于CMIP3。CMIP3也預(yù)估低和高排放情景(A1B和A2)下,降水強度和頻次的增加要大于中等排放情景(B1)。Lee and Wang(2014)對一般降水預(yù)估的研究發(fā)現(xiàn),21世紀前期,在RCP2.6濃度路徑下的降水增長大于另外兩個濃度路徑。這表明強降水事件中的降水強度與總降水表現(xiàn)出類似的趨勢,在一定程度上說明本文結(jié)果可能是合理的。

無論是這里CMIP5的預(yù)估結(jié)果,還是以前CMIP3的預(yù)估結(jié)果,均體現(xiàn)出強降水事件強度和發(fā)生頻率在未來是增加的。在全球變暖背景下,由于氣溫升高,空氣達到飽和需要更多的水汽量,這為極端強降水事件的頻繁發(fā)生提供了潛在的水汽條件。因此,從物理上看,本文的預(yù)估結(jié)果應(yīng)是合理的。

需要指出的是,盡管大部分模式表現(xiàn)出較好的一致性,即在不同RCPs濃度路徑下,CMIP5預(yù)估21世紀強降水事件頻次、強度均呈現(xiàn)增多、增強趨勢,但并不是所有模式結(jié)果完全一致,說明還存在模式依賴性。此外,盡管CMIP5預(yù)估強降水頻次和強度的年際變率均呈現(xiàn)增大趨勢,與以前CMIP3結(jié)果(李雙林等,2012)一致,但降水強度增幅卻表現(xiàn)出西部較小、東部較大的空間差異性,這與CMIP3預(yù)估結(jié)果不同。其合理性及物理成因尚需進一步分析。

陳活潑,孫建奇,陳曉麗.2012.我國夏季降水及相關(guān)大氣環(huán)流場未來變化的預(yù)估及不確定性分析[J].氣候與環(huán)境研究,17(2):171-183.

富元海,2012.CMIP3 模式預(yù)估的21世紀東亞夏季降水年際變率變化過程[J].中國科學(xué):地球科學(xué),42(12):1937-1950.

姜大膀,王會軍,郎咸梅.2004.SRES A2情景下中國氣候未來變化的多模式集合預(yù)測結(jié)果[J].地球物理學(xué)報,47(5):776-784.

姜大膀,張穎,孫建奇.2009.中國地區(qū)1～3 ℃變暖的集合預(yù)估分析[J].科學(xué)通報,54(24):3870-3877.

李雙林,韓樂瓊,卞潔.2012.基于IPCC AR4部分耦合模式結(jié)果的21世紀長江中下游暴雨預(yù)估[J].暴雨災(zāi)害,31(3):193-200.

陶詩言.1980.中國之暴雨[M].北京:科學(xué)出版社.

余錦華,李佳耘,丁裕國.2012.利用二維極值分布模擬我國幾個代表站的強降水概率特征.大氣科學(xué)學(xué)報,35(6):652-657.

張文君,譚桂容.2012.全球變暖形勢下中國陸表水分的變化.大氣科學(xué)學(xué)報,35(5):550-563.

Bao Q.2012.Projected changes in Asian summer monsoon in RCP scenarios of CMIP5[J].Atmos Ocean Sci Lett,5(1):43-48.

Jiang D B,Tian Z P.2013.East Asian monsoon change for the 21st century:Results of CMIP3 and CMIP5 models[J].Chin Sci Bull,58(12):1427-1435.doi:10.1007/s11434-012-5533-0.

Lee J Y,Wang B.2014.Future change of global monsoon in the CMIP5[J].Climate Dyn,42(1/2):101-109.doi:10.1007/s00382-012-1564-0.

Meinshausen M,Smith S J,Calvin K,et al.2011.The RCP greenhouse gas concentrations and their extensions from 1765 to 2300[J].Climatic Change,109:213-241.

Min S K,Park E H,Kwon W T.2004.Future projections of East Asian climate change from multi-AOGCM ensembles of IPCC SRES scenario simulations[J].J Meteor Soc Japan,82:1187-1211.

Moss R,Edmonds J,Hibbard K,et al.2009.The next generation of scenarios for climate change research and assessment[J].Nature,463:747-756.

Peacock S.2012.Projected twenty-first-century changes in temperature,precipitation,and snow cover over North America in CCSM4[J].J Climate,25:4405-4429.

Riahi K,Gruebler A,Nakicenovic N.2007.Scenarios of long-term socio-economic and environmental development under climate stabilization[J].Technol Forecast Soc Chang,74(7):887-935.

Riahi K,Rao S P,Krey V,et al.2011.RCP8.5-A scenario of comparatively high greenhouse gas emissions[J].Climatic Change,109:33-57.

Taylor K E.2001.Summarizing multiple aspects of model performance in a single diagram[J].J Geophys Res,106:7183-7192.

Van Vuren D P,Eickhout B,Lucas P L,et al.2006.Long-term multi-gas scenarios to stabilise radiative forcing:Exploring costs and benefits within an integrated assessment framework[J].The Energy Journal,3:201-234.

Xie P,Arkin P A.1997.Global Precipitation:A l7-year monthly analysis based on gauge observations,satellite estimates,and numerical model outputs[J].Bull Amer Meteor Soc,78:2539-2558.

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

Zhang Y.2012.Projections of 2.0 C warming over the globe and China under RCP4.5[J].Atmos Oceanic Sci Lett,5(6):514-520.

(責(zé)任編輯：倪東鴻)

ProjectionofheavyrainfalleventsinthemiddleandlowerreachesoftheYangtzeRivervalleyinthe21stcenturyunderdifferentrepresentativeconcentrationpathways

HAN Le-qiong1,2,3,HAN Zhe2,3,LI Shuang-lin2,3

(1.College of Atmospheric Sciences,Chengdu University of Information Technology,Chengdu 610225,China;2.Climate Change Research Center,Chinese Academy of Sciences,Beijing 100029,China;3.Nansen-Zhu International Research Centre,Institute of Atmospheric Physics,Chinese Academy of Sciences,Beijing 100029,China)

This paper evaluates the future projection of heavy rainfall events in the middle and lower reaches of the Yangtze River valley based on outputs of eight coupled models attending the Coupled Model Intercomparison Project phase 5(CMIP5) from IPCC AR5.The experiments under different representative concentration pathways(RCPs) are compared with each other,and with the previous CMIP3 experiments as well.The outputs from the historical simulation of CMIP5 are also utilized as a base to derive future trends.The results suggest an agreement among all the CMIP5 models,in that both the strength and the occurrence frequency of heavy rainfall events are projected to increase in the 21st century relative to the last twenty years of the 20th century(1980—1999).In contrast,the strength increase in the east of the region is even greater than that in the west.Besides,the interannual variability of heavy rainfall events is also projected to enhance in the future.As for different RCPs,the projected increases in the strength and occurrence frequency of heavy rainfall events in RCP2.6 and RCP8.5 are greater than those in RCP4.5.In comparison to CMIP3,the projected increases in the strength and occurrence frequency are even larger,albeit a significant difference in the spatial distribution in the latter projection.The projected maximum increase in the rainfall amplitude in CMIP3 is located in the central region,while it is in the east of the region in CMIP5.

CMIP5 test;RCPs;middle and lower reaches of Yangtze River valley;heavy rainfall;projection

2013-05-12;改回日期2014-03-19

公益性行業(yè)(氣象)科研專項(GYHY201006022);中國科學(xué)院戰(zhàn)略性先導(dǎo)專項(XDA05090406)

韓哲,博士,研究方向為氣候變化,hanzhe@mail.iap.ac.cn.

10.13878/j.cnki.dqkxxb.20130512001.

1674-7097(2014)05-0529-12

P435

A

10.13878/j.cnki.dqkxxb.20130512001

韓樂瓊,韓哲,李雙林.2014.不同代表性濃度路徑(RCPs)下21世紀長江中下游強降水預(yù)估[J].大氣科學(xué)學(xué)報,37(5):529-540.

Han Le-qiong,Han Zhe,Li Shuang-lin.2014.Projection of heavy rainfall events in the middle and lower reaches of the Yangtze River valley in the 21st century under different representative concentration pathways[J].Trans Atmos Sci,37(5):529-540.(in Chinese)