中國平均降水和極端降水對(duì)氣候變暖的響應(yīng)：CMIP5模式模擬評(píng)估和預(yù)估

吳佳， 周波濤,2*， 徐影

1 國家氣候中心， 北京 100081 2 南京信息工程大學(xué)氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心， 南京 210044

?

中國平均降水和極端降水對(duì)氣候變暖的響應(yīng)：CMIP5模式模擬評(píng)估和預(yù)估

吳佳1， 周波濤1,2*， 徐影1

1 國家氣候中心， 北京 100081 2 南京信息工程大學(xué)氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心， 南京 210044

基于24個(gè)CMIP5全球耦合模式模擬結(jié)果，分析了中國區(qū)域年平均降水和ETCCDI強(qiáng)降水量(R95p)、極端強(qiáng)降水量(R99p)對(duì)增暖的響應(yīng).定量分析結(jié)果顯示，CMIP5集合模擬的當(dāng)代中國區(qū)域平均降水對(duì)增溫的響應(yīng)較觀測偏弱，而極端降水的響應(yīng)則偏強(qiáng).對(duì)各子區(qū)域氣溫與平均降水、極端降水的關(guān)系均有一定的模擬能力，并且極端降水的模擬好于平均降水.RCP4.5和RCP8.5情景下，隨著氣溫的升高，中國區(qū)域平均降水和極端降水均呈現(xiàn)一致增加的趨勢，中國區(qū)域平均氣溫每升高1 ℃，平均降水增加的百分率分別為3.5%和2.4%，R95p增加百分率為11.9%和11.0%，R99p更加敏感，分別增加21.6%和22.4%.就各分區(qū)來看，當(dāng)代的區(qū)域性差異較大，未來則普遍增強(qiáng)，并且區(qū)域性差異減小，在持續(xù)增暖背景下，中國及各分區(qū)極端降水對(duì)增暖的響應(yīng)比平均降水更強(qiáng)，并且越強(qiáng)的極端降水敏感性越大.未來北方地區(qū)平均降水對(duì)增暖的響應(yīng)比南方地區(qū)的要大，青藏高原和西南地區(qū)的R95p和R99p增加最顯著，表明未來這些區(qū)域發(fā)生暴雨和洪澇的風(fēng)險(xiǎn)將增大.

全球變暖； CMIP5； 降水； 極端降水； 區(qū)域響應(yīng)

1 引言

全球氣候正經(jīng)歷以變暖為主要特征的變化(IPCC，2013).在全球氣候變化背景下，氣候變暖與降水變化的關(guān)系是當(dāng)前氣候變化研究關(guān)注的重點(diǎn)之一.根據(jù)克勞修斯-克拉貝龍方程，溫度的增加導(dǎo)致水汽含量和降水的增加.溫度每升高1 ℃，全球水汽含量可能增加7%(Trenberth et al.，2005；Wentz et al.，2007).由于氣候變化特別是降水的變化具有明顯的區(qū)域特征，因此，有必要從區(qū)域尺度的角度探尋降水變化對(duì)溫度的響應(yīng)，這對(duì)于認(rèn)識(shí)區(qū)域氣候變化和區(qū)域適應(yīng)更為重要.

中國是氣候變化的敏感區(qū)域之一(Xu et al.，2009a).不少研究(Zhai et al.，2005；Xu et al.，2009b； Sun et al.，2010；Li et al.，2011；Wang et al.，2012；Xu and Xu，2012；陳活潑，2013；Lang and Sui, 2013；Chen and Sun，2014)揭示，中國區(qū)域的降水和極端降水對(duì)增暖具有很強(qiáng)的敏感性.隨著全球變暖，中國區(qū)域平均降水顯著增加，極端降水事件增多、強(qiáng)度增強(qiáng).例如，Qian等(2007)的研究發(fā)現(xiàn)，中國區(qū)域毛毛雨的顯著減少可能與大尺度的增暖有關(guān)系.Zhao等(2010)的研究表明中國區(qū)域降水對(duì)增暖有所響應(yīng)，在相對(duì)偏暖期，中國北方持續(xù)性降水發(fā)生時(shí)間偏晚而結(jié)束偏早，南方地區(qū)則發(fā)生時(shí)間偏早結(jié)束偏晚.孫建奇和敖娟(2013)分析了中國冬季降水和極端降水對(duì)增暖的響應(yīng)，發(fā)現(xiàn)中國區(qū)域冬季氣溫每增加1 ℃，降水和極端降水的增加百分率分別為9.7%和22.6%.該增加幅度明顯高于全球平均水平，表明中國區(qū)域冬季降水和極端降水對(duì)變暖的響應(yīng)更加敏感，也凸現(xiàn)了開展降水對(duì)增暖的區(qū)域響應(yīng)研究的重要性.

IPCC第五次評(píng)估報(bào)告指出，未來溫室氣體的排放將造成全球氣候進(jìn)一步變暖.與1986—2005年相比，預(yù)計(jì)到21世紀(jì)末，全球地表平均溫度將升高0.3～4.8 ℃.在這種背景下，未來全球極端降水將加強(qiáng).我國極端降水的未來變化趨勢與全球相一致.Zhou等(2014)分析了未來變暖背景下中國及子區(qū)域尺度上極端氣候事件的變化，指出與1986—2005年相比，年總降水量(PROPTOT)、五日最大降水量(Rx5day)、強(qiáng)降水量(R95p)均將增加，而且極端降水的增加幅度更為明顯，我國北方增加幅度冬季大于夏季，南方則相反.Chen 和Sun(2014)還研究了中國區(qū)域極端事件對(duì)CO2增加的敏感性，結(jié)果發(fā)現(xiàn)更強(qiáng)的降水事件對(duì)CO2增加的敏感性更大，并且南方與其他地區(qū)的表現(xiàn)不同.這些研究都揭示出未來極端事件對(duì)氣候變暖的響應(yīng)具有一定的區(qū)域性.陳活潑(2013)利用16個(gè)CMIP5耦合模式的集合結(jié)果分析了未來中國降水對(duì)變暖的響應(yīng)，指出未來氣溫升高1 ℃，中國年平均降水量增加1.6%，同時(shí)中國南、北方地區(qū)表現(xiàn)出一定的差異.鑒于平均降水和極端降水未來變化的區(qū)域不一致性，那么，未來變暖背景下，中國不同區(qū)域的平均降水和極端降水與氣候變暖的定量關(guān)系到底又如何？這也正是本研究的出發(fā)點(diǎn).

本文基于24個(gè)CMIP5耦合模式模擬結(jié)果，首先評(píng)估CMIP5模式對(duì)20世紀(jì)歷史時(shí)期(1961—2005年)平均降水和極端降水對(duì)氣候變暖響應(yīng)的模擬能力，隨后進(jìn)一步對(duì)RCP4.5和RCP8.5情景下的預(yù)估結(jié)果進(jìn)行分析，揭示未來中國不同分區(qū)平均降水和極端降水對(duì)增暖的響應(yīng).

2 數(shù)據(jù)和方法

本文采用的數(shù)據(jù)主要為24個(gè)CMIP5耦合模式模擬的20世紀(jì)歷史氣候(historical，1961—2005)和典型濃度路徑(RCP)下2006—2099年的氣溫和降水.CMIP5所用的RCP情景共包括RCP2.6，RCP4.5，RCP6.0和RCP8.5四種情景.本文主要分析RCP4.5和RCP8.5兩種情景.RCP4.5代表中低排放情景，指的是2100年輻射強(qiáng)迫穩(wěn)定在4.5 W·m-2；RCP8.5代表高排放情景，指2100年輻射強(qiáng)迫達(dá)到8.5 W·m-2(Moss et al.，2010；Taylor et al.，2012).有關(guān)模式的詳細(xì)信息可參見表1.由于各模式的分辨率不同，為此我們通過雙線性插值方法，將所有模式的模擬數(shù)據(jù)統(tǒng)一插值到1°×1°的水平網(wǎng)格上.

為評(píng)估CMIP5模式對(duì)平均降水和極端降水與氣候變暖關(guān)系的模擬能力，我們還使用了1961—2005年的CN05.1格點(diǎn)化觀測資料.CN05.1是基于中國2400多個(gè)地面氣象臺(tái)站的觀測資料(吳佳和高學(xué)杰，2013)，通過插值建立的一套高分辨率的格點(diǎn)數(shù)據(jù)集，該資料已被廣泛應(yīng)用于氣候變化檢測、歸因和模式評(píng)估等領(lǐng)域(Gao et al.，2013；Huang et al.，2014，2015；徐集云等，2013；Yang and Jiang，2014).為了探討中國區(qū)域平均降水和極端降水事件對(duì)氣候變暖的響應(yīng)，本研究定義全年(1—12月)平均的降水量為平均降水(Pr)；選取世界氣象組織(WMO)氣候變化檢測和指標(biāo)專家組(ETCCDI)定義的強(qiáng)降水量(R95p)和極端強(qiáng)降水量(R99p)作為極端降水指標(biāo).R95p指日降水量大于95%分位值的年累計(jì)降水量，R99p指日降水量大于99%分位值的年累計(jì)降水量.

圖1 中國8個(gè)分區(qū)分布示意圖NEC(東北)：39°N—54°N，119°E—134°E；NC(華北)：36°N—46°N，111°E—119°E；EC(華東)：27°N—36°N，116°E—122°E；CC(華中)：27°N—36°N，106°E—116°E；SC(華南)：20°N—27°N，106°E—120°E；SWC1(青藏高原)：27°N—36°N，77°E—106°E；SWC2(西南)：22°N—27°N，98°E—106°E；NWC(西北)：36°N—46°N，75°E—111°E CN(中國)Fig.1 Domains of eight subregions in ChinaNEC (Northeast China): 39°N—54°N, 119°E—134°E; NC (North China): 36°N—46°N, 111°E—119°E; EC (East China): 27°N—36°N, 116°E—122°E; CC (Central China): 27°N—36°N, 106°E—116°E; SC (South China): 20°N—27°N, 106°E—120°E; SWC1 (Tibetan Plateau): 27°N—36°N, 77°E—106°E; SWC2 (Southwest China): 22°N—27°N, 98°E—106°E; NWC (Northwest China): 36°N—46°N, 75°E—111°E. CN refers to China as a whole.

表1 模式介紹Table 1 Model information

圖3 觀測和模擬的當(dāng)代(1961—2005年)極端降水(mm)分布(臺(tái)灣資料缺省)(a)觀測R95p；(b)模擬R95p；(c)觀測R99p；(d)模擬R99pFig.3 Distribution of observed and simulated precipitation extremes (mm) averaged for 1961—2005 over China(a) Observed R95p; (b) Simulated R95p; (c) Observed R99p; (d) Simulated R99p.

為分析中國不同區(qū)域降水與氣候變暖的定量關(guān)系，根據(jù)第二次氣候變化國家評(píng)估報(bào)告(氣候變化國家評(píng)估報(bào)告編寫委員會(huì), 2011)的區(qū)劃，本文將中國(CN)分為8個(gè)子區(qū)(圖1)，即NEC(東北)，NC(華北)，EC(華東)，CC(華中)，SC(華南)，SWC1(青藏高原)，SWC2(西南)，NWC(西北).本研究重點(diǎn)分析24個(gè)耦合模式在等權(quán)重系數(shù)下的多模式集合平均(MME)結(jié)果，該方法廣泛應(yīng)用于氣候變化預(yù)估研究(Meehl et al.，2007；Jiang et al.，2009；陳活潑，2013).平均降水和極端降水對(duì)增暖響應(yīng)的定量判斷計(jì)算采用線性擬合方法.研究指出，利用這種方法來研究降水對(duì)氣溫的響應(yīng)較為合理(Lambert et al.，2008).

3 中國平均降水和極端降水對(duì)增溫響應(yīng)的模擬能力評(píng)估

首先通過與觀測資料的對(duì)比，評(píng)估CMIP5多模式集合平均對(duì)中國區(qū)域氣溫、平均降水和極端降水空間分布的模擬能力.圖2和圖3分別給出了CN05.1和Historical試驗(yàn)?zāi)M的1961—2005年中國區(qū)域平均氣溫、降水和極端降水的分布.由圖2可以看到，觀測中氣溫(圖2a)在中國東部受緯度影響呈北冷南暖的形勢，西部則受地形影響顯著.CMIP5模式(圖2b)很好地再現(xiàn)了觀測中氣溫的分布型，模擬的平均氣溫與觀測的空間相關(guān)系數(shù)高達(dá)0.96(通過99%統(tǒng)計(jì)顯著檢驗(yàn)).但模擬在中國西部至內(nèi)蒙一帶及東北等地存在偏冷的誤差，西北部分地區(qū)偏冷超過2 ℃，這種系統(tǒng)性冷偏差在以往的全球模式模擬中也普遍存在，可能與全球氣候模式分辨率較粗，對(duì)于地形的描述存在誤差有關(guān)(Jiang et al.，2005；許崇海等，2007；Xu and Xu，2012).觀測中年平均降水(圖2c)呈東南沿海向西北內(nèi)陸逐漸減少的分布，東南沿海降水最多，達(dá)1500 mm以上，西北的盆地附近最少，不到50 mm.CMIP5模式(圖2d)能夠較好的模擬出觀測中的降水分布，模擬與觀測的空間相關(guān)系數(shù)為0.79(通過99%統(tǒng)計(jì)顯著檢驗(yàn)).不過，模式模擬的降水在長江以北大部分地區(qū)普遍偏多，西北和青藏高原偏多達(dá)75%以上，這種現(xiàn)象也存在于以往的全球模式中，同樣與全球模式對(duì)于復(fù)雜地形的反映有限有關(guān)(Jiang et al.，2005；Phillips and Gleckler，2006；Xu and Xu，2012)，南方地區(qū)偏差較小，在±10%之間.

觀測中R95p(圖3a)和R99p(圖3c)的分布與年平均降水(圖2c)類似，其分布特點(diǎn)基本為由東南沿海向西北內(nèi)陸遞減，東南沿海的R95p和R99p分別達(dá)400 mm和125 mm以上，西北的盆地附近基本不足10 mm.CMIP5模式對(duì)這兩個(gè)極端降水指數(shù)的分布具有較好的模擬能力(圖3b和圖3d)，模擬與觀測的空間相關(guān)系數(shù)值分別為0.78和0.77(均通過99%統(tǒng)計(jì)顯著檢驗(yàn)).與平均降水類似，模式對(duì)極端降水分布的模擬也存在北方地區(qū)模擬偏多的誤差，尤其在西北地區(qū)，偏差達(dá)75%以上，這種偏差同樣與模式對(duì)地形的刻畫能力不足有關(guān).南方大部分地區(qū)模擬偏差較小，偏差值在±10%之間.

圖4給出了觀測和模擬集合平均數(shù)據(jù)揭示的中國區(qū)域平均氣溫與降水、極端降水對(duì)應(yīng)關(guān)系的散點(diǎn)圖.其中，橫坐標(biāo)為中國區(qū)域平均的氣溫距平，縱坐標(biāo)為平均降水或極端降水距平(均相對(duì)于1986—2005年).該圖可以反映溫度距平和降水、極端降水距平的對(duì)應(yīng)關(guān)系.由圖4a可見，1961—2005年的氣溫變化在-1～1 ℃之間，相應(yīng)的降水變化介于-3%～3%，平均降水距平與氣溫距平時(shí)間序列的相關(guān)系數(shù)為0.28(通過90%統(tǒng)計(jì)顯著檢驗(yàn)).模擬(圖4b)中平均降水變化與氣溫之間也存在明顯的線性對(duì)應(yīng)關(guān)系，兩者的相關(guān)系數(shù)為0.37，通過99%統(tǒng)計(jì)顯著檢驗(yàn).就中國區(qū)域平均而言，溫度每增加1 ℃，觀測中降水增加2.7%；MME模擬中增加1.3%，比觀測偏小.其原因可能是模式對(duì)于氣溶膠及其輻射效應(yīng)、云物理過程的模擬存在偏差，導(dǎo)致模擬的降水對(duì)氣溫的敏感性比觀測要弱(Lambert et al.，2008).通過對(duì)比24個(gè)模式的響應(yīng)情況發(fā)現(xiàn)，有3個(gè)模式(CCSM4，INMCM4，MIROC5)模擬的響應(yīng)值較觀測偏大，其余均偏小，其中3個(gè)模式(GFDL-ESM2G，MIROC-ESM，MRI-CGCM3)為負(fù)響應(yīng)，與觀測相反(見表2).

觀測中極端降水指數(shù)R95p(圖4c)的變化在±10%之間，與氣溫距平的相關(guān)系數(shù)為0.32(通過99%統(tǒng)計(jì)顯著檢驗(yàn))，R99p(圖4e)的變化較平均降水和R95p都要大，介于±15%之間，與氣溫距平的相關(guān)系數(shù)也為0.32(通過99%統(tǒng)計(jì)顯著檢驗(yàn)).氣溫每升高1 ℃，中國區(qū)域平均R95p將增加7.8%，R99p則將增加11.7%.MME模擬同樣能夠再現(xiàn)極端降水變化與增溫之間的線性對(duì)應(yīng)關(guān)系，相比年平均降水更為敏感.R95p和R99p的變化值則分別在-5%～5%和-15%～5%之間(圖4d、4f).模擬的2個(gè)極端降水指數(shù)距平與氣溫距平的相關(guān)系數(shù)均高于0.85，通過99%統(tǒng)計(jì)顯著檢驗(yàn).從回歸關(guān)系來看，中國平均氣溫每升高1 ℃，R95p和R99p分別增加8.0%和15.3%，高于觀測揭示的7.8%和11.7%.模擬的極端降水對(duì)增溫的響應(yīng)偏強(qiáng)，可能與CMIP5模式對(duì)中國地區(qū)R95p和R99p事件的模擬偏強(qiáng)有關(guān)(陳曉晨，2014).就單個(gè)模式而言，模擬的R95p響應(yīng)值變化范圍為1%(MIROC-ESM-CHEM)～12.3%(MIROC5).其中，有10個(gè)模式的響應(yīng)值比觀測值偏大；R99p響應(yīng)范圍介于1.8%(MIROC-ESM-CHEM)～20.8%(GFDL-ESM2M和MPI-ESM-LR)，其中，15個(gè)模式模擬的響應(yīng)值高于觀測值(見表2).

進(jìn)一步給出了針對(duì)中國及8個(gè)區(qū)域的觀測和模擬結(jié)果(圖5).可以看到，觀測中東北、華北、華中和西南地區(qū)年平均氣溫每升高1 ℃，降水將分別減少-0.9%、-4.4%、-3.7%和-4.2%，MME模擬出了華中和西南的負(fù)響應(yīng)，但模擬比觀測偏弱.觀測中其他地區(qū)平均降水對(duì)升溫的響應(yīng)均為正，青藏高原地區(qū)最為敏感，氣溫每升高1 ℃，年平均降水增加4.8%.MME模擬可以再現(xiàn)青藏高原、西北及中國區(qū)域平均的正響應(yīng)，但與觀測之間仍存在一定偏差.此外，東北、華北、華東及華南地區(qū)模擬的響應(yīng)與觀測相反(圖5a).對(duì)于這四個(gè)區(qū)域，24個(gè)模式中分別有12、11、9和17個(gè)模式的模擬值與觀測值相反.就R95p(圖5b)來看，觀測中除東北、華北和華中外，其他地區(qū)均為增加；MME模擬則在中國及8個(gè)子區(qū)域都為增加.模式模擬的華東和中國區(qū)域平均的響應(yīng)值與觀測值最為接近，青藏高原和西北地區(qū)的響應(yīng)偏強(qiáng)，華南和西南地區(qū)則偏弱，東北、華北和華中地區(qū)與觀測相反，24個(gè)模式中模擬值與觀測值相反的模式分別有8、12和10個(gè).觀測中青藏高原的R99p(圖5c)對(duì)增溫的響應(yīng)為弱的減少，氣溫每升高1 ℃，R99p減少0.5%，而MME模擬表現(xiàn)為增加22.3%(共有22個(gè)模式呈現(xiàn)正的響應(yīng)特征).觀測中其他區(qū)域R99p對(duì)溫度的響應(yīng)均為增加；模擬除在華東地區(qū)較觀測偏弱外，其他地區(qū)都表現(xiàn)為偏強(qiáng).

表2 觀測和模式模擬的中國區(qū)域平均降水、極端降水對(duì)增暖的響應(yīng)(單位：%/℃)Table 2 Response of mean precipitation and precipitation extremes to warming over China region from observation and model simulations (unit: %/℃)

圖4 觀測和模擬的1961—2005年(相對(duì)于1986—2005)中國區(qū)域(a，b)平均降水、(c，d)R95p和(e，f)R99p對(duì)增溫響應(yīng)的散點(diǎn)圖(橫坐標(biāo)：氣溫距平，℃；縱坐標(biāo)：平均降水、R95p和R99p距平，%)Fig.4 Scatter plots of observed and simulated responses of (a, b) precipitation, (c, d) R95p and (e, f) R99p to warming during 1961—2005 (relative to 1986—2005) over China (X-coordinate: temperature anomaly (℃); Y-coordinate: precipitation, R95p and R99p anomaly, %)

圖5 中國及其8個(gè)分區(qū)(a)平均降水、(b)R95p和(c)R99p對(duì)升溫的響應(yīng)(單位：%/℃)淺藍(lán)色：觀測；深藍(lán)色：historical模擬；黃色：RCP4.5預(yù)估；粉色：RCP8.5預(yù)估.Fig.5 Response of (a) annual mean precipitation, (b) R95p and (c) R99p over China and its subregions to warming (unit: %/℃)Light blue indicates observation, dark blue indicates historical simulation, yellow indicates RCP4.5 projection, and pink indicates RCP8.5 projection.

圖6 RCP4.5和RCP8.5情景下2006—2099年(相對(duì)于1986—2005)中國區(qū)域(a，b)平均降水、(c，d)R95p和(e，f)R99p對(duì)增溫響應(yīng)的散點(diǎn)圖(橫坐標(biāo)：氣溫距平，℃；縱坐標(biāo)：平均降水、R95p和R99p距平，%)Fig.6 Scatter plots of projected responses of (a, b) mean precipitation, (c, d) R95p and (e, f) R99p to warming during 2006—2099 (relative to 1986—2005) over China under RCP4.5 and RCP8.5 scenarios (X-coordinate: temperature anomaly, ℃；Y-coordinate: precipitation, R95p and R99p anomaly, %)

總體而言，模式能夠較好地模擬中國區(qū)域平均氣溫和降水、極端降水的空間分布.對(duì)中國及各子區(qū)域氣溫與降水、極端降水的關(guān)系的模擬也具有一定的能力，并且極端降水的模擬好于平均降水，這為其未來響應(yīng)的定量預(yù)估奠定了基礎(chǔ).

4 未來變化預(yù)估

圖6給出RCP4.5和RCP8.5排放情景下氣溫與年平均降水、極端降水的關(guān)系.可以看到，RCP4.5情景下，2006—2099年的增溫值在0～3 ℃之間.相應(yīng)的平均降水變化與增溫的相關(guān)系數(shù)值達(dá)0.94，存在很好的線性對(duì)應(yīng)關(guān)系(圖6a)，中國區(qū)域平均氣溫每升高1 ℃，MME模擬的平均降水將增加3.5%，明顯高于當(dāng)代.單個(gè)模式模擬的降水響應(yīng)變化介于-1.2%(MPI-ESM-MR)～5.3%(MIROC5)之間，其中9個(gè)模式的模擬值高于集合平均值(表2).由圖6c、6e可以看到，R95p和R99p變化對(duì)增溫的響應(yīng)更為敏感，相關(guān)系數(shù)值分別為0.98和0.97.MME預(yù)估結(jié)果顯示，氣溫每升高1 ℃，R95p將增加11.9%，R99p將增加21.6%.單個(gè)模式模擬的R95p響應(yīng)的變化幅度為6.9%(IPSL-CM5B-LR)～16.0%(MRI-CGCM3)；模擬的R99p響應(yīng)的變化范圍介于10.2%(CNRM-CM5)～27.5%(MRI-CGCM3)之間(見表2).總的來說，RCP4.5情景下，平均降水和極端降水對(duì)增溫的響應(yīng)比當(dāng)代要強(qiáng)，并且更強(qiáng)的極端降水指數(shù)變化更顯著.

RCP8.5情景下，2006—2099年的升溫幅度在0～6 ℃之間，明顯高于RCP4.5情景.MME預(yù)估的平均降水變化與升溫的相關(guān)系數(shù)達(dá)0.97，中國區(qū)域平均氣溫每升高1 ℃，平均降水增加2.4%(圖6b)，略低于RCP4.5情景.單個(gè)模式預(yù)估的變化幅度介于0.9%(MPI-ESM-MR)～4.1%(NorESM1-M)之間(表2).R95p和R99p的變化與升溫之間存在很好的相關(guān)關(guān)系，相關(guān)系數(shù)值都為0.99(圖6d、6f).同樣可以看到，R95p對(duì)增溫的敏感性比平均降水要高，但比更強(qiáng)的極端降水指數(shù)R99p要低.MME預(yù)估結(jié)果顯示，氣溫每升高1 ℃，R95p和R99p將分別增加11.0%和22.4%.就單個(gè)模式而言，氣溫每升高1 ℃，R95p將增加5.0%(IPSL-CM5B-LR)～14.6%(NorESM1-M)，R99p將增加8.5%(IPSL-CM5B-LR)～37.9%(GFDL-ESM2M)(表2).注意到，RCP8.5情景下，平均降水和極端降水對(duì)升溫的響應(yīng)幅度與RCP4.5情景相比并沒有明顯差異，同時(shí)，兩種情景下的響應(yīng)程度分別與Chen和Sun(2014)在2倍和3倍CO2排放情景下的模擬結(jié)果相當(dāng).

以下進(jìn)一步探討RCP4.5和RCP8.5情景下中國8個(gè)區(qū)域的平均降水和極端降水對(duì)增溫的敏感性差異.由圖5a可以看到，南方地區(qū)(包括華東、華中、華南和西南)當(dāng)代年平均降水對(duì)增溫的響應(yīng)都為負(fù)，未來在變暖背景下則均轉(zhuǎn)為明顯的正響應(yīng)，其他地區(qū)當(dāng)代和未來均為正響應(yīng).RCP4.5情景下平均降水對(duì)增暖的敏感性最高，RCP8.5情景則較RCP4.5稍低.RCP4.5情景下，各分區(qū)年平均降水對(duì)增溫的響應(yīng)幅度普遍在(3%～5%)/℃之間，華北地區(qū)的敏感性最高，氣溫每升高1 ℃，平均降水增加4.7%，華南地區(qū)敏感性最低，為2.8%.RCP8.5情景下，各分區(qū)年平均降水對(duì)增溫的響應(yīng)幅度較RCP4.5要小，在(1%～4%)/℃之間，華北和華南仍分別為最敏感和最不敏感區(qū)域，氣溫每升高1 ℃，平均降水分別增加3.9%和1.3%.

圖5b給出未來極端降水指數(shù)R95p對(duì)增溫的響應(yīng)，可以看到，相比當(dāng)代，RCP4.5和RCP8.5情景下各分區(qū)R95p對(duì)增溫的響應(yīng)值均將增大，但各區(qū)域之間的差異比當(dāng)代要小，青藏高原和西南地區(qū)最為敏感.RCP4.5情景下，氣溫每升高1 ℃，中國及各分區(qū)的R95p都將增加10%以上，青藏高原和西南地區(qū)則都為14.1%，東北和華南地區(qū)增加值相對(duì)較小，分別為10.8%和10.2%.RCP8.5情景下各區(qū)域的響應(yīng)強(qiáng)度與RCP4.5一致，青藏高原增加13.9%，西南地區(qū)則比RCP4.5要高，為15.7%，東北和華南分別增加10.9%和9.7%.注意到，RCP8.5情景下，R95p對(duì)增溫的響應(yīng)與RCP4.5類似，但除東北和西南地區(qū)較RCP4.5略高外，RCP8.5情景對(duì)增暖的敏感性總體比RCP4.5要低.

更強(qiáng)的極端強(qiáng)降水指數(shù)R99p對(duì)升溫的響應(yīng)最為敏感(圖5c)，未來各分區(qū)的響應(yīng)幅度也將進(jìn)一步增強(qiáng).與R95p類似，青藏高原和西南地區(qū)敏感性最高，東北和華南最低.RCP4.5情景下，氣溫每升高1 ℃，各分區(qū)R99p增加均將超過18%，青藏高原和西南地區(qū)增加值分別達(dá)到27.9%和25.7%，東北和華南則分別為18.4%和17.2%，其他區(qū)域基本介于18%～22%之間.RCP8.5情景下，氣溫每升高1 ℃，青藏高原的R99p增加最顯著，達(dá)30.7%，西南地區(qū)次之，為33.2%，相對(duì)來說，東北和華南的響應(yīng)仍較小，分別為20.5%和20.1%，其他區(qū)域增加值在20%～23%左右.注意到，與平均降水和R95p不同的是，R99p在RCP8.5情景下的響應(yīng)比RCP4.5情景要大.

5 總結(jié)與討論

本文利用CMIP5中的24個(gè)耦合模式結(jié)果，分析了當(dāng)代、RCP4.5和RCP8.5情景下中國平均降水和極端降水對(duì)氣候變暖的響應(yīng)特征，并進(jìn)一步探討了中國8個(gè)子區(qū)域的敏感性差異，得出以下結(jié)論.

CMIP5模式能夠較好地模擬出當(dāng)代中國區(qū)域平均氣溫、平均降水和極端降水的空間分布特征.中國區(qū)域平均降水和極端降水的變化與增溫存在很好的線性對(duì)應(yīng)關(guān)系，CMIP5模式模擬的平均降水對(duì)增溫的響應(yīng)較觀測偏弱，極端降水則偏強(qiáng)，這與模式對(duì)平均降水和極端降水的模擬存在偏差有關(guān)，除此之外觀測資料的不確定性也是一個(gè)方面(葉柏生等，2008；Xu et al.，2009c；Li and Yan，2010；吳佳和高學(xué)杰，2013).MME預(yù)估的未來平均降水和極端降水對(duì)增暖的敏感性都比當(dāng)代要高，并且極端強(qiáng)降水量(R99p)對(duì)于增暖的敏感性最高.由此可以看出，隨著中國區(qū)域氣溫的升高，平均降水和極端降水均呈現(xiàn)一致增加的趨勢.

對(duì)于各分區(qū)來說，未來平均降水對(duì)增暖的響應(yīng)在北方大部分地區(qū)較大，R95p和R99p對(duì)增暖的敏感性更高.總的來看，當(dāng)代平均降水和極端降水對(duì)增溫的響應(yīng)存在較大的差異，未來的差異則有所減小.與中國區(qū)域平均類似，各子區(qū)域未來極端降水對(duì)增暖的響應(yīng)均比平均降水要敏感，R99p的敏感性最高.在RCP4.5和RCP8.5情景下，各分區(qū)平均降水和極端降水對(duì)增暖的敏感性都將升高，并且一些在當(dāng)代為負(fù)響應(yīng)的區(qū)域，未來也都轉(zhuǎn)為正響應(yīng).極端指數(shù)R95p和R99p對(duì)增暖的響應(yīng)均在青藏高原和西南地區(qū)最為敏感，東北和華南敏感性較低.

盡管CMIP5耦合模式在各方面均比以往的全球模式有一定的改進(jìn)和提高，但其模擬的降水及其變化還存在較大的不確定性(Taylor et al.，2012；陳活潑，2013).未來可以利用高分辨率區(qū)域氣候模式的集合結(jié)果開展研究，可望得到更可靠的結(jié)論(Gao et al.，2012；Wu et al.，2015).以往的研究還指出降水和極端降水在不同的季節(jié)對(duì)增暖的響應(yīng)存在差異(孫建奇和敖娟，2013)，因此進(jìn)行分季節(jié)探討可以得到更全面的結(jié)果.另外，本研究只是關(guān)注氣候變化本身，未來也有必要從氣候變化相對(duì)于背景變率的信噪比角度開展進(jìn)一步的工作(Sui et al., 2014).

Chen H P. 2013. Projected change in extreme rainfall events in China by the end of the 21st century using CMIP5 models.ChineseSci.Bull., 58(12): 1462-1472, doi: 10.1007/s11434-012-5612-2.Chen H P, Sun J Q. 2014. Sensitivity of climate changes to CO2emissions in China.Atmos.OceanicSci.Lett., 7(5): 422-427, doi: 10.3878/j.issn.1674-2834.14.0028.Chen X C. 2014. Assessment of the precipitation over China simulated by CMIP5 multi-models [Master′s thesis] (in Chinese). Beijing: Chinese Academy of Meteorological Science. Gao X J, Shi Y, Zhang D F, et al. 2012. Uncertainties in monsoon precipitation projections over China: Results from two high-resolution RCM simulations.ClimateRes., 52: 213-226, doi: 10.3354/cr01084.

Gao X J, Wang M L, Giorgi F. 2013. Climate change over China in the 21st century as simulated by BCC_CSM1.1-RegCM4.0. Atmos.OceanicSci.Lett., 6(5): 381-386, doi: 10.3878/j.issn.1674-2834.13.0029.

Huang Y Y, Wang H J, Fan K. 2014. Improving the prediction of the Summer Asian-Pacific oscillation using the interannual increment approach.J.Climate, 27(21): 8126-8134, doi: 10.1175/JCLI-D-14-00209.1.

Huang Y Y, Wang H J, Fan K, et al. 2015. The western Pacific subtropical high after the 1970s: westward or eastward shift?.ClimateDyn., 44(7-8): 2035-2047, doi: 10.1007/s00382-014-2194-5.

IPCC. 2013. Climate change 2013: the physical science basis. ∥Stocker T F, Qin D H, Plattner G K, et al. eds. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press, 1535.Jiang D B, Wang H J, Lang X M. 2005. Evaluation of East Asian climatology as simulated by seven coupled models.AdvancesinAtmosphericSciences, 22(4): 479-495.

Jiang D B, Zhang Y, Sun J Q. 2009. Ensemble projection of 1～3 ℃ warming in China.ChineseSci.Bull., 54(18): 3326-3334.Lambert F H, Stine A R, Krakauer N Y, et al. 2008. How much will precipitation increase with global warming.EOS, 89(21): 193-200.

Lang X M, Sui Y. 2013. Changes in mean and extreme climates over China with a 2 ℃ global warming.ChineseScienceBulletin, 58(12): 1453-1461.Li H M, Feng L, Zhou T J. 2011. Multi-model projection of July-August climate extreme changes over China under CO2doubling. Part I: Precipitation.Adv.Atmos.Sci., 28(2): 433-447.

Li Z, Yan Z W. 2010. Application of multiple analysis of series for homogenization to Beijing daily temperature series (1960—2006).Adv.Atmos.Sci., 27(4): 777-787.

Meehl G A, Stocker T F, Collins W D, et al. 2007. Climate change 2007: The physical science basis. ∥ Solomon S, Qin D, Manning M, et al., eds. Contribution of Working Group 1 to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York: Cambridge University Press, 1-18.

Moss R H, Edmonds J A, Hibbard K A, et al. 2010. The next generation of scenarios for climate change research and assessment.Nature, 463(7282): 747-756.

National Report Committee. 2011. China′s National Assessment Report on Climate Change (in Chinese). Beijing: Science Press.Phillips T J, Gleckler P J. 2006. Evaluation of continental precipitation in 20th century climate simulations: the utility of multimodel statistics.WaterResourcesResearch, 42(3): W03202, doi: 10.1029/2005WR004313.Qian W H, Fu J L, Yan Z W. 2007. Decrease of light rain events in summer associated with a warming environment in China during 1961-2005.Geophys.Res.Lett., 34: L11705, doi: 10.1029/2007GL029631.Sui Y, Lang X M, Jiang D B. 2014. Time of emergence of climate signals over China under the RCP4.5 scenario.ClimaticChange, 125(2): 265-276, doi: 10.1007/s10584-014-1151-y.

Sun J Q, Wang H J, Yuan W, et al. 2010. Spatial-temporal features of intense snowfall events in China and their possible change.J.GeophysRes., 115: D16110.

Sun J Q, Ao J. 2013. Changes in precipitation and extreme precipitation in a warming environment in China.ChineseSci.Bull., 58(12): 1395-1401, doi: 10.1007/s11434-012-5542-z.Taylor K E, Stouffer B J, Meehl G A. 2012. An overview of CMIP5 and the experiment design.Bull.Amer.Meteor.Soc., 93(4): 485-498.Trenberth K E, Fasullo J, Smith L. 2005. Trends and variability in column-integrated atmospheric water vapor.ClimateDyn., 24(7-8): 741-758.

Wang H J, Sun J Q, Chen H P, et al. 2012. Extreme climate in China: Facts, simulation and projection.Meteorol.Z., 21(3): 279-304.Wentz F J, Ricciardulli L, Hilburn K, et al. 2007. How much more rain will global warming bring.Science, 317(5835): 233-235.

Wu J, Gao X J. 2013. A gridded daily observation dataset over China region and comparison with the other datasets.ChineseJournalofGeophysics(in Chinese), 56(4): 1102-1111, doi: 10.6038/cjg20130406.

Wu J, Gao X J, Xu Y L, et al. 2015. Regional climate change and uncertainty analysis based on four regional climate model simulations over China.Atmos.OceanicSci.Lett., 8(3): 147-152, doi: 10.3878/AOSL20150013.Xu C H, Shen X Y, Xu Y. 2007. An analysis of climate change in East Asia by using the IPCC AR4 simulations.AdvancesinClimateChangeResearch(in Chinese), 3(5): 287-292.

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

Xu J Y, Shi Y, Gao X J, et al. 2013. Projected changes in climate extremes over China in the 21st century from a high resolution regional climate model (RegCM3).ChineseSci.Bull., 58(12): 1443-1452, doi: 10.1007/s11434-012-5548-6.

Xu Y, Gao X J, Giorgi F. 2009a. Regional variability of climate change hot-spots in East Asia.Adv.Atmos.Sci., 26(4): 783-792.Xu Y, Xu C H, Gao X J, et al. 2009b. Projected changes in temperature and precipitation extremes over the Yangtze River Basin of China in the 21st century.Quater.Int., 208(1-2): 44-52.

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

Yang K Q, Jiang D B. 2014. Recent change of the South Asian High.Atmos.OceanicSci.Lett., 7(4): 330-333, doi: 10.3878/j.issn.1674-2834.14.0003.

Ye B S, Chen P, Yang D Q, et al. 2008. Effects of the bias-correction on changing tendency of precipitation over China.JournalofGlaciologyandGeocryology(in Chinese), 30(5): 717-725.

Zhai P M, Zhang X B, Wan H, et al. 2005. Trends in total precipitation and frequency of daily precipitation extremes over China.J.Climate, 18(7): 1096-1108.

Zhao P, Yang S, Yu R C. 2010. Long-term changes in rainfall over eastern China and large-scale atmospheric circulation associated with recent global warming.J.Climate, 23(6): 1544-1562.

Zhou B T, Wen Q H, Xu Y, et al. 2014. Projected changes in temperature and precipitation extremes in China by the CMIP5 multimodel ensembles.J.Climate, 27(17): 6591-6611.

附中文參考文獻(xiàn)

陳活潑. 2013. CMIP5模式對(duì)21世紀(jì)末中國極端降水事件變化的預(yù)估. 科學(xué)通報(bào), 58(8): 743-752.

陳曉晨. 2014. CMIP5全球氣候模式對(duì)中國降水模擬能力的評(píng)估

[碩士論文]. 北京: 中國氣象科學(xué)研究院.

氣候變化國家評(píng)估報(bào)告編寫委員會(huì). 2011. 第二次氣候變化國家評(píng)估報(bào)告. 北京: 科學(xué)出版社.

孫建奇, 敖娟. 2013. 中國冬季降水和極端降水對(duì)變暖的響應(yīng). 科學(xué)通報(bào), 58(8): 674-679.

吳佳, 高學(xué)杰. 2013. 一套格點(diǎn)化的中國區(qū)域逐日觀測資料及與其它資料的對(duì)比. 地球物理學(xué)報(bào), 56(4): 1102-1111, doi: 10.6038/cjg20130406.

許崇海, 沈新勇, 徐影. 2007. IPCC AR4模式對(duì)東亞地區(qū)氣候模擬能力的分析. 氣候變化研究進(jìn)展, 3(5): 287-292.

徐集云, 石英, 高學(xué)杰等. 2013. RegCM3對(duì)中國21世紀(jì)極端氣候事件變化的高分辨率模擬. 科學(xué)通報(bào), 58(8): 724-733.

葉柏生, 成鵬, 楊大慶等. 2008. 降水觀測誤差修正對(duì)降水變化趨勢的影響. 冰川凍土, 30(5): 717-725.

(本文編輯 胡素芳)

Response of precipitation and its extremes over China to warming: CMIP5 simulation and projection

WU Jia1, ZHOU Bo-Tao1,2*, XU Ying1

1NationalClimateCenter,Beijing100081,China2CollaborativeInnovationCenteronForecastandEvaluationofMeteorologicalDisasters,NanjingUniversityofInformationScience&Technology,Nanjing210044,China

The relationship between regional precipitation change and warming is an important open issue in climate change physical science. Because precipitation in China has strong sensitivity to warming, quantitative assessment and projection on the responses of precipitation and its extremes in a warming world are crucial for better understanding of regional climate change and helpful for regional adaption to climate change.For this reason, based on simulations of 24 models from Coupled Model Intercomparison Project Phase 5 (CMIP5), this study assesses the ability of the models in simulating the responses of annual mean precipitation and its extremes to warming over China and its subregions, and then projects their change under the RCP4.5 and RCP8.5 scenarios that represent respectively a medium-low and high radiative forcing. The annual mean precipitation is defined as the total amount of precipitation from January to December. The precipitation extremes are measured by the R95p (very wet days) and R99p (extremely wet days) indices, which are defined by the Expert Team on Climate Change Detection and Indices (ETCCDI). According to the definition of ETCCDI, the R95p and R99p refer to annual total precipitation when the daily precipitation exceeds the 95th and the 99th percentile of the wet day precipitation, respectively. Eight subregions determined by administrative boundaries and societal and geographical conditions, i.e., NEC(Northeast China), NC(North China), EC(East China), CC(Central China), SC(South China), SWC1(Tibetan Plateau), SWC2(Southwest China), and NWC(Northwest China), are used in this study. The model performance is validated through the comparison for the time period from 1961 to 2005 between the historical simulation and the gridding observation dataset with a horizontal resolution of 0.25°×0.25° in latitude and longitude.Quantitative analysis shows that the CMIP5 multi-model ensemble(MME) can generally capture the spatial features of the temperature, mean precipitation and precipitation extremes as well as the relationship of precipitation and its extremes with temperature over China. However, it underestimates the response of mean precipitation while overestimates the response of precipitation extremes over China region in historical period. The CMIP5 MME also has some abilities in reproducing the responses of the mean precipitation and its extremes to the warming over the subregions of China, and better performance can be found for the precipitation extremes. Under the RCP4.5 and RCP8.5 scenarios, concurrent with the temperature rising, the mean precipitation and precipitation extremes are projected to increase consistently over China. As the regional mean temperature rises by 1 ℃, the mean precipitation will increase by 3.5% and 2.4%, and the R95p will increase by 8.0% and 11.9%, respectively. The response of R99p is much more sensitive, respectively with an increase of 15.3% and 21.6%. For the subregions of China, they all show positive response and the regional difference will decrease in the future. Moreover, the sensitivity of the precipitation extremes to the warming is higher than that of the mean precipitation. The stronger the precipitation extreme is, the higher sensitivity it will have. Besides, the response of the mean precipitation to the warming is larger in Northern China than in Southern China. The largest increases in R95p and R99p are projected in the Tibetan Plateau and Southwest China, indicating an increasing risk of heavy rainfall and floods.

Warming; CMIP5; Precipitation; Precipitation extremes; Regional response

吳佳， 周波濤， 徐影. 2015. 中國平均降水和極端降水對(duì)氣候變暖的響應(yīng)：CMIP5模式模擬評(píng)估和預(yù)估.地球物理學(xué)報(bào)，58(9):3048-3060,

10.6038/cjg20150903.

Wu J, Zhou B T, Xu Y. 2015. Response of precipitation and its extremes over China to warming: CMIP5 simulation and projection.ChineseJ.Geophys. (in Chinese),58(9):3048-3060,doi:10.6038/cjg20150903.

10.6038/cjg20150903

P461

2015-05-09，2015-07-07收修定稿

公益性行業(yè)(氣象)科研專項(xiàng)(GYHY201306019)，國家自然科學(xué)基金(41275078)，氣候變化專項(xiàng)(CCSF201329)聯(lián)合資助.

吳佳，女，1984年生，副研究員，主要從事區(qū)域氣候模擬及氣候變化研究. E-mail: wujia@cma.gov.cn

*通訊作者 周波濤，男，1979年生，研究員，從事氣候變化及古氣候模擬研究. E-mail: zhoubt@cma.gov.cn