參加CMIP5計劃的四個中國模式模擬的東亞地區(qū)降水結(jié)構(gòu)特征及未來變化

林壬萍 周天軍

?

參加CMIP5計劃的四個中國模式模擬的東亞地區(qū)降水結(jié)構(gòu)特征及未來變化

林壬萍1, 2周天軍1, 3

1中國科學(xué)院大氣物理研究所大氣科學(xué)和地球流體力學(xué)數(shù)值模擬國家重點實驗室，北京100029;2中國科學(xué)院大學(xué)，北京100049;3中國科學(xué)院氣候變化研究中心，北京100029

在全球變暖的背景下，降水特征的改變體現(xiàn)為降水總量和降水結(jié)構(gòu)的變化。由于缺乏較為長期、覆蓋范圍廣的較高分辨率逐日降水資料，過去對東亞降水的研究多關(guān)注其降水量的長期趨勢和時空變率，較少涉及降水結(jié)構(gòu)的變化。本文利用當(dāng)前最新且分辨率最高、覆蓋范圍最廣的逐日亞洲陸地降水?dāng)?shù)據(jù)集（簡稱APHRODITE）以及四個中國參加第五次國際耦合模式比較計劃（簡稱CMIP5）的模式（BCC-CSM1-1，BNU-ESM，F(xiàn)GOALS-g2和FGOALS-s2），研究了東亞地區(qū)降水結(jié)構(gòu)的觀測特征及四個模式的模擬能力?；诖?，通過分析四個模式的未來預(yù)估試驗，探討東亞地區(qū)降水結(jié)構(gòu)在全球變暖背景下的變化。結(jié)果表明：整個東亞地區(qū)的累積降水量呈現(xiàn)出隨著降水強(qiáng)度的增加先增加后減小的分布形態(tài)；降水頻率則是隨著強(qiáng)度的增加顯著減小。小雨（中雨）呈現(xiàn)出南少北多（南多北少）的形態(tài)；強(qiáng)降水則較多分布在華南沿海以及日本南部地區(qū)。長期趨勢上，整個東亞地區(qū)大體上呈現(xiàn)小雨和30 mm/d以上的大雨增加，而中等強(qiáng)度降水減少的變化趨勢。四個模式對東亞降水結(jié)構(gòu)的氣候態(tài)模擬能力較好。BCC-CSM1-1和FGOALS-g2能夠合理再現(xiàn)觀測中各個強(qiáng)度降水的變化趨勢，而其他模式模擬不出中雨的減小趨勢。四個模式的未來預(yù)估表明，在全球變暖的背景下，東亞地區(qū)30 mm/d以上的強(qiáng)降水會增加。且降水強(qiáng)度越大，增加越明顯。以30°N為界，小雨（中雨）在變暖背景下呈現(xiàn)南部增加北部減少（南部減少北部增加）的變化趨勢。

東亞降水 降水結(jié)構(gòu) 降水量 降水頻率 CMIP5模式 歷史氣候模擬試驗 未來預(yù)估試驗

1 引言

在全球變暖的背景下，降水特征的改變體現(xiàn)為降水總量和降水結(jié)構(gòu)兩方面的變化（Meehl et al., 2000；New et al., 2001；Wielicki et al., 2002；Lau and Wu，2003；Lau and Wu，2007；Lin et al., 2014）。由于水分循環(huán)在大尺度范圍內(nèi)保持收支平衡，降水總量的變化相對較小，其變化幅度甚至沒有超過觀測數(shù)據(jù)的誤差范圍；而降水結(jié)構(gòu)的變化卻更為顯著且更易監(jiān)測（Lau and Wu，2007）。所謂降水結(jié)構(gòu)，即累積降水量和降水頻率隨降水強(qiáng)度的分布函數(shù)（簡稱為PDF）。在不同的地區(qū)，不同等級降水在總降水量中所占的比例并不一致，因此降水結(jié)構(gòu)的特征會有顯著的差別。在全球變暖的背景下，即使降水總量沒有明顯變化，若降水結(jié)構(gòu)發(fā)生重大轉(zhuǎn)變（如極端強(qiáng)降水增加而中等強(qiáng)度降水減弱），同樣會對人類的生活和經(jīng)濟(jì)的發(fā)展產(chǎn)生重大影響。因為更多的強(qiáng)降水發(fā)生則意味著更多的洪澇及暴雪災(zāi)害，而中等強(qiáng)度降水的減少則會導(dǎo)致干旱事件的加?。↙iu et al., 2009；董嘯等，2010）。

IPCC（Intergovernmental Panel on Climate Change）第五次評估報告指出，近100年來全球平均表面氣溫呈現(xiàn)顯著升高（IPCC，2013），中國地區(qū)過去近百年的地表氣溫也是顯著增加（Tett et al., 1999；Stott et al., 2000；IPCC，2007，2013；Dong et al., 2012）。觀測分析和數(shù)值模擬均表明，平均降水和極端降水總體上均呈現(xiàn)增加趨勢，但存在較大的區(qū)域差異。在有些區(qū)域是增強(qiáng)趨勢而在另一些區(qū)域是減弱趨勢（Allen and Ingram，2002；Meehl et al., 2007；Trenberth et al., 2007）。而降水結(jié)構(gòu)對全球變暖的響應(yīng)比降水總量顯著得多，這體現(xiàn)在極端強(qiáng)降水的增加率顯著高于總降水量的增加率（Lenderink and Meijgaard，2008；Liu et al., 2009），而中等強(qiáng)度降水則呈現(xiàn)減弱的趨勢（Liu et al., 2009；Chou and Lan，2012）。東亞地區(qū)是典型的季風(fēng)氣候區(qū)，也是全球范圍內(nèi)降水變率最大的地區(qū)之一（Tao and Chen，1987）。前人的研究多關(guān)注東亞地區(qū)降水量的長期趨勢和時空變率。觀測分析表明，隨著東亞季風(fēng)環(huán)流的減弱，中國東部30°N附近的雨帶會增強(qiáng)而華北降水會減少（Wang，2001；Yu et al., 2004；Yu and Zhou，2007；Zhou et al., 2009，2013；Zhu et al., 2012；林壬萍等，2012）。

模擬研究表明，CMIP3 & CMIP5的模式不能很好地模擬出東亞地區(qū)雨帶位置的變化（Li and Zhou，2011；Sperber et al., 2013；Song et al., 2014；Wu and Zhou，2013），其中高分辨率模式的結(jié)果優(yōu)于低分辨率模式（Kitoh and Kusunoki，2008；Song and Zhou，2014；Kitoh et al., 2013）。降水結(jié)構(gòu)的變化涉及降水頻率、降水強(qiáng)度，以及不同等級降水的變化特征，其研究基礎(chǔ)是利用較高分辨率的逐日以上降水資料（Zhai et al., 2005；王大鈞等，2006；王穎等，2006；Qian et al., 2007；李紅梅等，2008；林云萍和趙春生，2009）。由于缺乏較為長期、覆蓋范圍廣的較高分辨率逐日降水資料，過去的研究較少涉及東亞地區(qū)降水結(jié)構(gòu)的變化。

近年來，日本綜合地球環(huán)境研究所（RIHN）和日本氣象廳氣象研究所（MRI/JMA）聯(lián)合實施了APHRODITE（Asian Precipitation-Highly Resolved Observational Data Integration Towards Evaluation）計劃，建立了一套逐日的、高分辨率的網(wǎng)格化降水?dāng)?shù)據(jù)集（Yatagai et al., 2009）。目前，該數(shù)據(jù)集已經(jīng)開始被應(yīng)用于氣候變化和水循環(huán)研究、高分辨率模式結(jié)果的檢驗等領(lǐng)域（韓振宇和周天軍，2012）。例如，Kitoh and Kusunoki（2008）用該資料檢驗了20 km高分辨率全球大氣環(huán)流模式的性能，Yang et al.（2010）基于該資料分析了長江下游夏季降水 的季節(jié)內(nèi)變率等。吳佳和高學(xué)杰（2013）基于2400余個中國地面氣象臺站的觀測資料，通過插值建立了一套0.25°×0.25°（緯度×經(jīng)度）分辨率的格點化數(shù)據(jù)集（CN05.1）。CN05.1較之APHRODITE使用了更多的觀測站點數(shù)據(jù)，且包括日平均和最高、最低氣溫以及降水量４個變量，在中國范圍內(nèi)具有更高的可信度?？紤]到本文的分析范圍是東亞地區(qū)，故采用APHRODITE。與此同時，最新的CMIP5模式相比CMIP3模式，在模式分辨率和模擬性能上都有了較大的改進(jìn)（Sperber et al., 2013）。利用最新的高分辨率觀測資料和CMIP5模式的模擬和預(yù)估數(shù)據(jù)，研究東亞地區(qū)降水結(jié)構(gòu)的特征及其在變暖背景下的轉(zhuǎn)變，可以更好地反映溫度升高對副熱帶季風(fēng)區(qū)降水的影響。有助于我們理解東亞季風(fēng)降水過去的變化，并預(yù)估其未來變化。

基于此，本文通過分析APHRO的逐日降水資料和四個中國CMIP5模式的試驗數(shù)據(jù)，研究東亞地區(qū)降水結(jié)構(gòu)的觀測特征及其數(shù)值模擬。本文擬回答以下四個問題：1）東亞地區(qū)降水結(jié)構(gòu)的觀測特征如何？其氣候態(tài)分布和長期趨勢的主要特征是什么？2）四個中國CMIP5模式對東亞地區(qū)降水結(jié)構(gòu)特征的模擬能力如何？存在的主要偏差是什么？哪個模式最好？3）在過去的近50年里不同強(qiáng)度降水和溫度變化的關(guān)系是怎樣的？4）在全球變暖背景下，多模式預(yù)估的東亞地區(qū)降水結(jié)構(gòu)的未來變化如何？通過回答以上四方面的問題，有望增進(jìn)我們對東亞地區(qū)降水結(jié)構(gòu)的理解，并預(yù)估其未來變化。

本文其余章節(jié)安排如下：第2節(jié)為觀測和模式數(shù)據(jù)介紹，并扼要說明本文使用的分析方法；第3、4、5節(jié)分析了東亞降水的觀測特征和四個模式對其的模擬能力，降水和溫度的關(guān)系，以及四個模式預(yù)估的未來變化；第6節(jié)為小結(jié)，并對一些關(guān)鍵問題進(jìn)行討論。

2 數(shù)據(jù)和方法簡介

2.1 觀測資料簡介

本文使用的觀測降水資料為日本APHRODITE計劃制作的最新APHRO_PR_V1101逐日降水?dāng)?shù)據(jù)集（Yatagai et al., 2012）。它是當(dāng)前亞洲地區(qū)覆蓋 范圍最廣、涵蓋原始觀測數(shù)據(jù)最多、時間最長、分辨率最高的一套逐日降水?dāng)?shù)據(jù)集，空間范圍涵 蓋15°S～84°N，15°E～195°E，主要包括中國、日本、蒙古、印度、東南亞的所有國家、中亞的部分國家以及部分海洋大陸地區(qū)。該數(shù)據(jù)集有0.25°× 0.25°和0.5°×0.5°兩個分辨率版本，時間從1951 年到2007年。APHRO數(shù)據(jù)在中國地區(qū)主要采用 了中國氣象局提供的臺站資料，以及世界氣象組 織整編的GTS數(shù)據(jù)（Yatagai et al., 2009），韓振 宇和周天軍（2012）評估了這套資料在中國地 區(qū)的適用性。本文選取其0.5°分辨率版本進(jìn)行分析。

2.2 模式數(shù)據(jù)簡介

中國共有6個模式參加CMIP5，分別是由北京氣候中心研發(fā)的BCC-CSM1-1和BCC-CSM1-1-M氣候系統(tǒng)模式（董敏等，2009；王璐等，2009；頡衛(wèi)華和吳統(tǒng)文，2010；郭準(zhǔn)等，2011；Wu et al., 2014）、由北京師范大學(xué)全球變化與地球系統(tǒng)科學(xué)研究院研發(fā)的地球系統(tǒng)模式BNU-ESM（吳其重等，2013）、由中國科學(xué)院大氣物理研究所（IAP）大氣科學(xué)和地球流體力學(xué)數(shù)值模擬國家重點實驗室（LASG）發(fā)展的耦合氣候系統(tǒng)模式FGOALS的兩個版本FGOALS-g2（Li et al., 2013）和FGOALS-s2（Bao et al., 2013）、國家海洋局第一研究所研發(fā)的地球系統(tǒng)模式FIO-ESM（Qiao et al., 2013）。其中FGOALS-g2和FGOALS-s2的大氣分量分別為LASG/IAP發(fā)展的格點大氣模式GAMIL2和大氣環(huán)流譜模式SAMIL2；海洋分量均是LASG/IAP發(fā)展的大洋環(huán)流模式LICOM2（Bao et al., 2013；Li et al., 2013）。本文的分析選用BCC-CSM1-1、BNU-ESM、FGOALS-g2和FGOALS-s2四個模式，模式詳細(xì)信息見表1。

表1 四個中國CMIP5模式的名稱、機(jī)構(gòu)、以及各個分量的垂直和水平分辨率等詳細(xì)信息

2.3 分析方法簡介

2.3.1 區(qū)域和時間段

本文分析的是（20°S～50°N，100°E～145°E）范圍內(nèi)的東亞陸地地區(qū)（IPCC, 2013）。觀測和模式的空間分辨率均采用雙線性插值到跟觀測一致的0.5°×0.5°格點上。本文對觀測和四個CMIP5模式數(shù)據(jù)的分析包括三方面：

1）對歷史氣候的觀測分析：選取APHRO數(shù)據(jù)的1951～2005時間段。

2）四個CMIP5模式對歷史氣候的模擬能力評估：選取四個模式的歷史氣候模擬試驗數(shù)據(jù)，時間段為1951～2005年，時間分辨率為逐日，水平分辨率均插值到跟觀測一致。目的是通過跟觀測的比較，評估四個模式對東亞地區(qū)降水結(jié)構(gòu)的模擬能力，包括對氣候態(tài)和長期趨勢模擬能力，為下一步利用模式進(jìn)行未來預(yù)估提供依據(jù)。

3）未來預(yù)估結(jié)果的分析：分別選取RCP8.5情景下的未來預(yù)估試驗的2081～2100時間段以及歷史氣候模擬試驗的1986～2005時間段進(jìn)行對比分析。目的是通過分析四個模式的未來預(yù)估試驗，研究東亞地區(qū)降水結(jié)構(gòu)在全球變暖背景下的變化。

2.3.2 降水的分級方法

前人的研究通常將降水量按照其強(qiáng)度的大小升序排列，然后通過一定的標(biāo)準(zhǔn)將重新排列后的降水序列進(jìn)行分級，通常分為十個或者更多個等級，進(jìn)而得到各級降水的強(qiáng)度閾值。當(dāng)前的研究廣泛采用的分級標(biāo)準(zhǔn)有以下三類：

1）按照累積降水量的大小進(jìn)行分級，例如分為十級降水，其中各個等級降水的累積降水量相等，即每一級降水的累積降水量占總降水量的百分之十（Liu et al., 2009；Shiu et al., 2012）。

2）按照降水的發(fā)生頻率進(jìn)行分級，其中每一級降水的發(fā)生頻率相等（Karl and Knight，1998）；

3）按照降水強(qiáng)度的大小對降水進(jìn)行分級，通常取1 mm/d為間隔，也有降水強(qiáng)度不同則間隔不同的取法（Chou and Lan，2012；Sun et al., 2006；Sun et al., 2007；Lau and Wu，2007；Lau et al., 2013）。

為了使得觀測和四個模式的結(jié)果具有可比性，本文針對東亞地區(qū)的降水，將觀測和模式的結(jié)果統(tǒng)一按照降水強(qiáng)度的大小進(jìn)行劃分。具體分級方法如下：

（i）首先，以1 mm/d為間隔，將所有的降水?dāng)?shù)據(jù)按照其降水強(qiáng)度的大小分為101個級別。即：＜1，1～2，2～3，…，99～100，＞100 mm/d。

（ii）將降水按照1～100 mm/d的遞增順序進(jìn)行排序，計算出每一級降水的累積降水量。進(jìn)一步地，根據(jù)其累積降水量貢獻(xiàn)的大小，將降水從小到大分為小雨、中雨和大雨。小雨部分的累積降水量占總降水量的5%，簡稱為B5。大雨部分的累積降水量占總降水量的10%，簡稱為T10。排除前后的占總量25%的降水之后，剩下的中等強(qiáng)度降水，則稱為中雨，簡稱為I25。

根據(jù)這一方法，觀測降水的分級及其各級降水的變化趨勢如表2所示?？梢钥闯?，對于APHRO而言，小雨的閾值是1 mm/d，其年平均累積降水量是32 mm，約占年總降水量的5%；中雨I25的降水閾值是6～25 mm/d，其對應(yīng)的年平均累積降水量為391 mm，約占年總降水量的50%；前10%的強(qiáng)降水閾值為大于44 mm/d，其對應(yīng)的累積降水量為79 mm，約占總降水量的10%。進(jìn)一步地，小雨、中雨和大雨降水量在過去55年（1951～2005）的線性趨勢分別為－3.2、－35和20 mm，也就是說，在過去的55年里，東亞地區(qū)的大雨降水量呈現(xiàn)增加趨勢，而中雨則顯著減少。降水頻率上，小雨、中雨和大雨的頻率依次減少，即東亞地區(qū)前1 mm/d以下的小雨發(fā)生頻率最高，高達(dá)50%以上。頻率的變化趨勢上，三種強(qiáng)度降水均沒有顯著的變化趨勢。

進(jìn)一步地，針對本文所需要分析的幾個時間段，采用同樣的方法將四個模式分為小雨、中雨和大雨三個等級，其降水閾值的大小見表3?？梢钥闯?，無論在觀測還是模式中，小雨均為小于1 mm/d的降水，而中雨和大雨的閾值模式比觀測偏小，這可能是模式分辨率低于觀測以至于降水量級低于觀測所導(dǎo)致。

表2 APHRO數(shù)據(jù)的小雨（B5）、中雨（I25）和大雨（T10）的降水閾值以及各級降水在1951～2005時間段內(nèi)的氣候態(tài)年平均累積降水量、降水頻率、降水量和降水頻率的線性變化趨勢

2.3.3 概率分布函數(shù)

前人在研究降水特征及其變化趨勢的工作中，常常用到PDF（Lau and Wu，2007；李建等，2010）。在本文的分析中，PDF分布分別用于研究累積降水量大小隨降水強(qiáng)度的分布和降水頻率大小隨降水強(qiáng)度的分布。兩者PDF的氣候態(tài)分布特征顯示了降水結(jié)構(gòu)的氣候態(tài)特征，而PDF在過去50年里的轉(zhuǎn)變，則降水結(jié)構(gòu)的變化特征，尤其是極端降水的變化。

表3 四個模式歷史氣候模擬試驗的1951～2005年和1986～2005年以及RCP8.5情景下的未來預(yù)估試驗的2081～2100年三個時間段內(nèi)的降水閾值，單位是mm/d。這三個時間段是全文分析所用到的時間段

3 降水結(jié)構(gòu)的觀測特征及其數(shù)值模擬

在接下來的分析中，本文首先基于APHRO數(shù)據(jù)研究過去50年里東亞地區(qū)降水結(jié)構(gòu)的觀測特征，包括其氣候態(tài)特征和長期趨勢，以期對東亞降水結(jié)構(gòu)的觀測特征有較為清楚的了解。與此同時，將四個中國CMIP5模式的歷史氣候模擬試驗數(shù)據(jù)與觀測進(jìn)行對比，從氣候態(tài)和長期趨勢兩個方面評估四個模式對東亞降水結(jié)構(gòu)的模擬能力。以下的分析從氣候態(tài)和長期趨勢兩方面展開。

3.1 氣候態(tài)

3.1.1 累積降水量和降水頻率的PDF分布特征

圖1a中給出了觀測和四個模式的氣候態(tài)年平均累積降水量的PDF分布，時間是1951～2005年。其中黑色實線和灰色條柱代表觀測的結(jié)果，而彩色實線代表模式的結(jié)果。觀測中，累積降水量隨著降水強(qiáng)度的增加呈現(xiàn)出先增加后減小的分布形態(tài)。累積降水量的最大值位于3 mm/d，隨后迅速減小。對總降水量貢獻(xiàn)最大的降水主要發(fā)生在20 mm/d的強(qiáng)度以下。四個CMIP5模式均能合理再現(xiàn)觀測中先增加后減小的分布形態(tài)，且最大的累積降水量也主要發(fā)生在3～4 mm/d的降水量級上。但是，四個模式均顯著高估了較小強(qiáng)度的降水而低估了40 mm/d以上的強(qiáng)降水。對25 mm/d以下強(qiáng)度降水的高估上，BNU-ESM模式最強(qiáng)而FGOALS-s2最弱。FGOALS- g2的累積降水量在3 mm/d之后的減小趨勢較觀測和其他模式最顯著，到大約10 mm/d之后則低于觀測。而其他三個模式累積降水量在40 mm/d之前始終高于觀測，尤其是BNU-ESM模式，減小趨勢最弱。

圖1 東亞地區(qū)1951～2005年的氣候態(tài)（a）年平均累積降水量和（b）降水頻率（FOC）隨降水強(qiáng)度的分布情況（PDF）。橫坐標(biāo)是每一個等級降水的降水強(qiáng)度，按照1 mm/d分級；縱坐標(biāo)分別是年平均累積降水量和降水頻率。黑色實線代表觀測的結(jié)果，而彩色實線代表四個模式的結(jié)果

圖1b給出了觀測和四個模式的氣候態(tài)降水頻率隨降水強(qiáng)度的分布情況?？梢钥闯?，觀測中隨著降水強(qiáng)度的增加，降水頻率呈現(xiàn)顯著的減小趨勢，3 mm/d以上降水的發(fā)生頻率低于10%。這種分布形態(tài)是合理的，大強(qiáng)度的降水發(fā)生頻率理應(yīng)顯著低于中雨和小雨。四個模式均能合理再現(xiàn)出觀測中頻率的PDF分布特征，分布形態(tài)與觀測幾乎一致。由于50 mm/d以上降水的頻率非常小，故將50 mm/d以上降水的頻率分布單獨繪制在圖1b的小圖中，以便于更清楚地看到四個模擬與觀測間的差別。可以看到，四個模式對強(qiáng)度高于50 mm/d的降水的發(fā)生頻率均存在低估。其中BNU-ESM和FGOALS-g2較之BCC-CSM1-1和FGOALS-s2對降水頻率的低估更為明顯。

3.1.2 三種等級降水的氣候態(tài)空間分布特征

圖2給出了觀測和四個CMIP5模式中的小雨（B5）、中雨（I25）以及大雨（T10）1951～2005年累積降水量的氣候態(tài)空間分布特征。觀測中，小雨較多分布在中國西部和東北以及日本北部地區(qū)，中雨和大雨則多分布在中國華南沿海以及日本南部地區(qū)。四個模式對中雨和大雨在華南沿海和日本南部的大值區(qū)分布特征有較好的模擬能力。除FGOALS-s2能夠大體上合理反映出觀測小雨的空間分布特征和大值中心外，模式模擬的小雨累積降水量與觀測相差較大。不僅模式中小雨累積降水量比觀測顯著偏大，空間分布特征也有大的差別。四個模式對中雨的模擬上，大體上可以再現(xiàn)出華南沿海和日本地區(qū)的大值區(qū)。模式對中國西部地區(qū)小雨的累積降水量模擬偏弱，而對中國西部地區(qū)的中雨模擬偏強(qiáng)。也就是說，四個模式均不能合理再現(xiàn)中國西部地區(qū)（25°～35°N，100°～110°E）的降水結(jié)構(gòu)特征。另外，BNU-ESM和FGOALS-g2模式對（35°N，110°E）附近的大雨降水量模擬偏強(qiáng)，出現(xiàn)虛假的大值中心，這很可能是由于模式分辨率不足引起的（Gao et al., 2008）。

圖2 從上到下分別為觀測和BCC-CSM1-1、BNU-ESM、FGOALS-g2、FGOALS-s2四個模式氣候態(tài)年平均累積降水量的空間分布特征，從左到右分別是三種強(qiáng)度降水，即小雨（B5）、中雨（I25）以及大雨（T10），時間范圍是1951～2005年

圖3給出了觀測和四個模式中總降水量的氣候態(tài)空間分布特征，并且與中雨的空間分布特征進(jìn)行對比。可以看出，總降水量的分布形態(tài)主要是由中雨的分布特征決定。也就是說，東亞地區(qū)降水型的空間分布特征是由中雨的空間分布特征決定的。

圖3 從上到下分別為觀測和BCC-CSM1-1、BNU-ESM、FGOALS-g2、FGOALS-s2四個模式氣候態(tài)累積降水量的空間分布特征，從左到右分別是中等強(qiáng)度降水（I25）和總降水量（Total），時間范圍是1951～2005年

圖4給出了觀測和四個CMIP5模式中的小雨（B5）、中雨（I25）以及大雨（T10）1951～2005年降水頻率的氣候態(tài)空間分布特征。觀測中，除小雨外，中雨和大雨降水頻率的空間分布特征與累積降水量的分布一致。說明對于中等強(qiáng)度降水和強(qiáng)降水而言，發(fā)生次數(shù)多的地區(qū)，則累積降水量偏大。對小雨而言，觀測中呈現(xiàn)出北部多南部少的分布形態(tài)，發(fā)生次數(shù)相對較高的地區(qū)主要位于東亞西北部、40°N以北的地區(qū)，該地區(qū)主要為降水量偏少的沙漠和戈壁為主。結(jié)合圖2可知，東亞西北部干旱地區(qū)的小雨發(fā)生次數(shù)偏多但強(qiáng)度偏小。同時，圖2中小雨累積降水量偏多的中國西南部地區(qū)，小雨頻率卻偏少，則說明該地區(qū)小雨的強(qiáng)度是偏大的。四個模式均能較為合理的再現(xiàn)觀測中各級降水的發(fā)生頻率的空間分布特征，對小雨的南少北多型分布以及強(qiáng)降水的在東南沿海和日本的分布都模擬較好。但是模式高估了中國西南部四川盆地附近的中等強(qiáng)度降水的發(fā)生頻率，BNU-ESM和FGOALS-g2模式對35°N，110°E附近的大雨降水頻率的模擬也偏大。

圖4 從上到下分別為觀測和BCC-CSM1-1、BNU-ESM、FGOALS-g2、FGOALS-s2四個模式氣候態(tài)降水頻率的空間分布特征，從左到右分別是三種強(qiáng)度降水，即小雨（B5）、中雨（I25）以及大雨（T10），時間范圍是1951～2005年

總體而言，四個中國的CMIP5模式可以合理再現(xiàn)觀測中三種等級降水的累積降水量和降水頻率的空間分布特征，對降水頻率分布的模擬要好于對降水強(qiáng)度的模擬。但是四個模式對中國西部的四川盆地和云貴高原地區(qū)的降水結(jié)構(gòu)模擬不合理。小雨的發(fā)生次數(shù)過少而中雨發(fā)生次數(shù)過多，進(jìn)而導(dǎo)致了對模擬的該地區(qū)小雨累積降水量偏少和中雨累積降水量偏大。四個模式對小雨頻率的空間分布的模擬是較為合理的（圖4），但是僅FGOASL-s2對小雨累積降水量的模擬與觀測接近，其他三個模式模擬的累積降水量的分布與頻率分布類似，量值上遠(yuǎn)大于觀測（圖2）。說明BCC-CSM1-1、BNU-ESM和FGOALS-g2不能很好地分辨小于1 mm/d小雨的具體量值，僅能模擬出降水的發(fā)生，卻不能模擬出其大小的區(qū)別。

為定量比較四個模式歷史氣候模擬試驗對各級降水氣候態(tài)分布的模擬能力，圖 5給出了四個模式對三種等級降水的氣候態(tài)累計降水量以及降水頻率的泰勒圖。整體來看，四個模式對降水頻率的模擬略好于累計降水量。從空間系數(shù)上看，模式對T10的累計降水量以及B5的頻率的模擬能力略高（大于0.7）；標(biāo)準(zhǔn)化的均方根誤差上看，模式對T10和B25累計降水量和頻率的模擬能力略強(qiáng)（大于0.25）。不同的模式之間對比，F(xiàn)GOALS-s2和FGOALS-g2對觀測的三種強(qiáng)度降水空間分布的模擬能力強(qiáng)于BCC-CSM1-1和BNU-ESM。FGOALS- g2 模擬效果最優(yōu)，BNU-ESM和BCC-CSM1-1模擬效果有待改進(jìn)。需要說明的是，圖5a中小雨的結(jié)果只給出了FGOALS-s2的。原因在于其他三個模式中模式與觀測的標(biāo)準(zhǔn)差之比均大于1.5，超出了圖5a的范圍。

圖5 評估四個模式對氣候態(tài)（1951～2005年）（a）年平均累計降水量和（b）降水頻率模擬能力的泰勒圖（角坐標(biāo)表示模式結(jié)果與觀測的空間相關(guān)系數(shù)；縱坐標(biāo)表示模式標(biāo)準(zhǔn)差與觀測標(biāo)準(zhǔn)差之比。角坐標(biāo)和縱坐標(biāo)越接近于1，表示模式中的空間分布越接近于觀測。）

3.2 長期趨勢

3.2.1 累積降水量的長期趨勢

圖6a給出了累積降水量在1951～2005年之間的線性趨勢隨降水強(qiáng)度的分布情況，即趨勢的PDF。其中，降水變化的單位是mm (55 a)?1；由于60 mm/d以上降水的變化相對較小，故單獨將其繪制在圖6a的小圖中，以便于更清楚地看到60 mm/d以上降水的變化。在觀測中，高于40 mm/d降水的累積降水量均呈現(xiàn)增加趨勢；而低于40 mm/d降水的累積降水量則呈現(xiàn)明顯的減少趨勢，且減少趨勢的量級遠(yuǎn)大于強(qiáng)降水的增加趨勢。隨著降水強(qiáng)度的增加，觀測中各個強(qiáng)度降水的趨勢呈現(xiàn)出從負(fù)到正的變化趨勢。但是，若關(guān)注相對變化的話，則降水強(qiáng)度越強(qiáng)，增加趨勢越明顯（圖略）。

四個模式中BCC-CSM1-1和FGOALS-g2能夠合理再現(xiàn)觀測中降水趨勢變化的分布形態(tài)，對小于40 mm/d降水的減少趨勢模擬最為合理，形態(tài)和量級均與觀測較為一致。BNU-ESM和FGOALS-s2模式均不能再現(xiàn)出小于40 mm/d降水的減少趨勢，而是整個降水譜呈現(xiàn)較為一致的增加趨勢。從圖6a的小圖中可以看出，四個模式均低估了觀測中強(qiáng)降水的增加趨勢，其中FGOALS-s2的量級最接近觀測，BNU-ESM模式模擬的60～80 mm/d強(qiáng)度范圍內(nèi)的降水趨勢為負(fù)，與觀測和其他三個模式結(jié)果相反。

3.2.2 降水頻率的長期趨勢

圖6b類于圖6a，但為降水頻率的變化趨勢。可以看出，觀測中降水頻率的變化趨勢與累積降水量的變化并不一致。相反，20 mm/d強(qiáng)度以下的降水頻率是增加的，這與累積降水量是減少的相反，說明觀測中20 mm/d以下的降水的強(qiáng)度是呈現(xiàn)顯著減小趨勢的。四個模式中FGOALS-s2對頻率趨勢的模擬與觀測最接近而其他三個模式與觀測差別較大。BCC-CSM1-1和FGOALS-g2模擬的40 mm/d以下降水頻率的變化趨勢為負(fù)，與觀測正好相反。

4 溫度和降水的關(guān)系

本文第3節(jié)的研究表明，東亞地區(qū)的降水結(jié)構(gòu)在1951～2005時間段內(nèi)呈現(xiàn)大雨增加，小雨和中雨減少的變化趨勢。尤其是極端強(qiáng)降水的增加非常明顯。Emori and Brown（2005）從影響降水的物理機(jī)制出發(fā)，指出熱力因子（即大氣水汽含量，與全球平均溫度有關(guān)）比動力因子（大氣環(huán)流）更易解 釋強(qiáng)降水的顯著增多現(xiàn)象。按照克拉伯龍水汽方程，在全球平均溫度升高時，飽和水汽壓呈指數(shù)增加（7%），那么大氣中的可降水量也必然隨之增加（Allen and Ingram，2002；Trenberth et al., 2003；Held and Soden，2006）。據(jù)此理論，近年來強(qiáng)降水的增加可能與全球增暖有密切聯(lián)系。

本文為了進(jìn)一步探討東亞地區(qū)降水結(jié)構(gòu)轉(zhuǎn)變與全球性增暖之間的關(guān)系，采用了Liu et al.,（2009）提出的一種新的統(tǒng)計方法來分析1951～2005年間的觀測和模式中降水與溫度的關(guān)系。通過計算降水和氣溫的兩年之差，以年較差序列取代單純的時間序列，從而提取氣溫變化對不同強(qiáng)度降水的貢獻(xiàn)（具體方法詳見Liu et al.,（2009）和Shiu et al.,（2012））。該方法可用于研究降水對溫度變化的響應(yīng)，如圖7所示。

圖6 東亞地區(qū)不同強(qiáng)度降水的區(qū)域平均的累積降水量在1951～2005年間的長期趨勢。（a）為累積降水量的線性趨勢；（b）為累積降水量的相對變化率。黑色實線代表觀測而彩色實線代表模式結(jié)果

觀測中（圖7a），極端強(qiáng)降水（第10類）的變化率為約10%/K。即當(dāng)全球平均溫度升高1°C時，極端強(qiáng)降水將增加10%。低于第10類降水的中到大雨（第6～9類降水）以及小雨（第1類降水）則呈現(xiàn)負(fù)的變化率。也就是說，當(dāng)全球平均溫度升高1°C時，所有小雨和大多數(shù)中雨呈現(xiàn)約2～5%/K的變化率。四個模式中僅BNU-ESM不能合理的模擬極端強(qiáng)降水與溫度變化之間的關(guān)系，且中等強(qiáng)度的降水隨溫度的升高是呈現(xiàn)正的變化率（圖7c）。BCC-CSM1-1、FGOALS-g2和FGOALS-s2三個模式均能模擬出極端強(qiáng)降水增加與全球增暖之間的關(guān)系，且量級也為約10%/K（圖7b，d，e）。圖7反映的是觀測和模式中降水對增暖的響應(yīng)。BNU- ESM不能合理的模擬出該響應(yīng)，是模式中影響降水和溫度關(guān)系的物理過程還不夠完善導(dǎo)致的。模式中的水汽含量和整層可降水量對增暖的響應(yīng)誤差，可能是引起降水響應(yīng)誤差的來源。前面研究表明，BNU-ESM對溫室氣體的敏感度，在參加CMIP5的幾個中國模式中屬于較高的，部分原因在于水汽反饋較強(qiáng)（Zhou et al., 2014；陳曉龍等，2014）。此外，模式中云微物理參數(shù)化方案以及氣溶膠的模擬偏差，也可能會影響降水對溫度的響應(yīng)。

圖7 （a）觀測和（b）?（e）四個模式中十個等級降水隨溫度升高的相對變化率。黑色實線代表了兩個標(biāo)準(zhǔn)差的范圍

5 東亞降水結(jié)構(gòu)的未來變化

在接下來的分析中，本文基于四個中國CMIP5模式，研究在溫室氣體顯著增加所導(dǎo)致的溫度顯著升高的未來情景下，東亞地區(qū)降水結(jié)構(gòu)會發(fā)生怎樣的變化。所用到的試驗數(shù)據(jù)包括耦合模式的歷史氣候模擬試驗（Historical）以及RCP8.5情景下的未來預(yù)估試驗。將未來預(yù)估的后20年（2081～2100）結(jié)果與當(dāng)前氣候模擬的后20年（1986～2005）相比較，可研究溫度升高對東亞地區(qū)降水結(jié)構(gòu)的影響。本文主要從PDF分布的變化和氣候態(tài)空間分布的變化來研究降水結(jié)構(gòu)在全球變暖背景下的轉(zhuǎn)變。

首先，根據(jù)降水的分級方法，表3中給出了兩個時間段內(nèi)四個模式的降水閾值?？梢钥闯?，當(dāng)全球溫度升高后，東亞地區(qū)T10降水的閾值除FGOALS-g2外均顯著增加了。這說明整個降水譜在變暖背景下會向更強(qiáng)的降水量級轉(zhuǎn)變。為了更好地將未來預(yù)估的氣候特征與當(dāng)前氣候進(jìn)行對比，本文統(tǒng)一將閾值選定為未來預(yù)估下的閾值，即表3中最后三列的結(jié)果。

5.1 累積降水量和頻率PDF分布的變化

圖8為未來預(yù)估的后20年（2081～2100）減去20世紀(jì)后20年（1986～2005）的累積降水量和降水頻率，表示21世紀(jì)相對于20世紀(jì)的變化程度。圖8a為累積降水量的變化，單位是mm?？梢钥?出，在變暖背景下，四個模式模擬的20 mm/d以上的降水均呈現(xiàn)增加趨勢。對40 mm/d以上強(qiáng)度的降水而言，四個模式的增加量從高到低分別是FGOALS-s2、BCC-CSM1-1、BNU-ESM和FGOALS- g2。對小于20 mm/d降水變化的預(yù)估上，四個模式各有不同。BNU-ESM和FGOALS-g2模式預(yù)估的未來降水會增加而另外兩個模式則減少。也就是說，四個模式一致顯示變暖背景下未來的強(qiáng)降水量會增加，但小雨和中雨的變化則結(jié)論不一致。圖8b和8c是降水頻率的絕對變化和相對變化率，可以看出，四個模式預(yù)估的20 mm/d以上降水的發(fā)生頻率均呈現(xiàn)增加趨勢，且降水強(qiáng)度越大，增加率越顯著。由于BNU-ESM強(qiáng)降水的氣候態(tài)降水量和降水頻率都非常小，其相對變化過于顯著，因此圖8c中略去關(guān)于BNU-ESM的結(jié)果。

5.2 累積降水量和降水頻率空間分布的變化

東亞地區(qū)累積降水量的變化與降水頻率的變化是大體上相對應(yīng)的。且通過對四個模式歷史氣候模擬的評估可知，模式對降水頻率空間分布的模擬較好，可信度較累積降水量的模擬要高。因此，本文重點討論四個模式預(yù)估的降水頻率變化。事實上，累積降水量的未來變化與降水頻率基本上一致（圖略）。

圖9為未來預(yù)估中2081～2100年的氣候態(tài)降水頻率與歷史氣候模擬試驗中1986～2005年氣候態(tài)值之差。圖9中給出了四個模式集合平均的結(jié)果，以及四個模式各自相對于集合平均的偏差，或者說模式間的“離差”（Zhou and Yu, 2006；李博和周天軍，2010）。集合平均的結(jié)果反映了在溫室氣體升高引起的全球變暖背景下，各級降水的降水頻率的變化量及其空間分布特征。未來預(yù)估情景下，整個東亞地區(qū)的小雨呈現(xiàn)出30°N以北減少而30°N以南增加的變化趨勢；相反地，中雨則呈現(xiàn)出30°N以北增加而以南減少的變化趨勢。很明顯地，小雨和中雨的變化趨勢存在一致性，小雨增加的地方恰好對應(yīng)了中雨減小，反之亦然。對T10強(qiáng)降水而 言，整個東亞地區(qū)一致的增加。

圖8 （a，b）東亞地區(qū)未來預(yù)估（2081～2100年）相對于現(xiàn)代氣候（1986～2005年）的（a）累積降水量和（b）降水頻率的差值隨降水強(qiáng)度的分布情況；（c）同（b），但為降水頻率的相對變化率

綜上所述，全球變暖之后，東亞地區(qū)降水結(jié)構(gòu)將會發(fā)生轉(zhuǎn)變，強(qiáng)降水在整個區(qū)域一致增加。從圖1a可知，中等強(qiáng)度降水在東亞地區(qū)總降水量中占主導(dǎo)地位。因此，整個東亞地區(qū)降水量變化的空間型由中雨的變化主導(dǎo)；中雨的降水量呈現(xiàn)出南部減少北部增加的趨勢（圖略），而降水總量的變化趨勢也是如此（圖略）。因此，在未來，盡管溫度升高會使得極端降水顯著增加；但由于30°N以南地區(qū)的中雨顯著減少，因此中國南方地區(qū)很可能干旱形勢變得更加嚴(yán)峻。

結(jié)合圖4中觀測的小雨和中雨降水頻率的氣候態(tài)，可知小雨和中雨的變化存在內(nèi)在聯(lián)系，當(dāng)小雨增加（減少）時則中雨減少（增加）。在全球變暖背景下，小雨和中雨的分布型很可能會發(fā)生向相反方向轉(zhuǎn)換的趨勢。小雨的氣候態(tài)分布很可能從南少北多轉(zhuǎn)變?yōu)槟隙啾鄙?；而中雨則從南多北少轉(zhuǎn)變成南少北多。

從四個模式與集合平均的偏差來看，四個模式盡管預(yù)估的空間型與集合平均結(jié)果大體相當(dāng)（圖略），但是模式間仍舊存在較大的不確定性。BCC- CSM1-1預(yù)估的小雨在整個東亞地區(qū)較之集合平均存在正異常；而中雨則在整個東亞地區(qū)存在負(fù)異常，近20°以南地區(qū)存在明顯的正異常；大雨預(yù)估與中雨類似，較之集合平均而言，在整個東亞地區(qū)呈現(xiàn)負(fù)異常，僅在東亞西南角呈現(xiàn)明顯的正異常。BNU-ESM預(yù)估的三種強(qiáng)度降水的變化較之集合平均，與BCC-CSM1-1有著大體相反的偏差分布；小雨在大部分區(qū)域較之集合平均呈現(xiàn)負(fù)異常，中雨和大雨呈現(xiàn)正異常。FGOALS-g2預(yù)估的三種強(qiáng)度降水在未來的變化，較之集合平均大體上呈現(xiàn)負(fù)異常。而FGOALS-s2預(yù)估的三種強(qiáng)度降水在未來的變化，較之集合平均則大體上呈現(xiàn)正的異常。

圖9 從上到下分別為四個模式集合平均的2081～2100年氣候態(tài)降水頻率預(yù)估值與其模擬的1986～2005年歷史氣候態(tài)降水頻率之差值以及四個模式分別模擬的相應(yīng)差值與集合平均結(jié)果的偏差；從左到右分別為三種強(qiáng)度降水，即小雨（B5）、中雨（I25）和大雨（T10）。圖中頻率變化的單位是%

6 小結(jié)與討論

6.1 小結(jié)

本文通過分析APHRO高分辨率逐日降水資料，研究了東亞地區(qū)降水結(jié)構(gòu)的觀測特征，包括各級降水的累積降水量和降水頻率的氣候態(tài)和長期趨勢。在此基礎(chǔ)上，評估了中國四個CMIP5模式對東亞地區(qū)降水結(jié)構(gòu)的模擬能力。并進(jìn)一步基于四個模式的未來預(yù)估試驗結(jié)果，探討了東亞地區(qū)降水結(jié)構(gòu)在全球變暖背景下的未來變化。本文的主要結(jié)論如下：

1）觀測中，整個東亞地區(qū)累積降水量的PDF分布呈現(xiàn)出先增加，在3 mm/d處達(dá)到最大值，然后顯著減小的分布形態(tài)，降水量以30 mm/d以下的中雨占主導(dǎo)；而降水頻率則是隨著強(qiáng)度的增加呈現(xiàn)顯著減小的分布形態(tài)。氣候態(tài)空間分布上，小雨和中雨的分布形態(tài)正好相反，小雨呈現(xiàn)出南少北多而中雨則呈現(xiàn)南多北少的形態(tài)，強(qiáng)降水較多分布在華南沿海以及日本南部地區(qū)。長期趨勢上，整個東亞地區(qū)大體上呈現(xiàn)40 mm/d以上的大雨增加，而40 mm/d以下強(qiáng)度的降水減少的變化趨勢。

2）四個模式對東亞降水結(jié)構(gòu)的氣候態(tài)模擬能力較好，各級降水的空間分布特征與觀測大體上一致，但在中國西部地區(qū)模擬的小雨偏少而中雨偏多。四個模式中BCC-CSM1-1和FGOALS-g2能夠合理再現(xiàn)觀測降水的趨勢PDF分布，其他模式均不能合理再現(xiàn)中雨的減小趨勢，且強(qiáng)降水的增加率比觀測偏弱。BCC-CSM1-1、FGOALS-g2和FGOALS- s2均能合理再現(xiàn)出累積降水量和降水頻率的相對變化隨著降水強(qiáng)度增加而顯著增加的趨勢。

3）在全球變暖的背景下，30 mm/d以上的強(qiáng)降水的降水量和降水頻率會增加，且降水強(qiáng)度越大，其增加越明顯。降水量和降水頻率變化的空間分布上，小雨和中雨呈現(xiàn)出相反的空間型。以30°N為界，小雨的變化為南部增加和北部減少，而中雨的變化則為南部減少和北部增加。降水總量的變化是由中等強(qiáng)度降水主導(dǎo)的。四個模式的預(yù)估均表明：當(dāng)溫度升高后，中國東部地區(qū)的降水型很可能發(fā)生轉(zhuǎn)變。對強(qiáng)降水而言，四個模式預(yù)估的降水量和降水頻率在整個東亞地區(qū)呈現(xiàn)出區(qū)域一致的增加趨勢。也就是說，溫度升高后，東亞地區(qū)的強(qiáng)降水會顯著增加。

6.2 討論

前人對全球尺度降水的研究表明，根據(jù)Clausius- Clapeyron（C?C）方程，大氣中的含水量會隨著溫度的升高按照7%/K的速率增加（Trenberth，1998；Allen and Ingram，2002；Semenov and Bengtsson，2002；Trenberth et al., 2003），而事實上觀測和模式中反映的降水總量的增加率僅為1%～3%/K（Held and Soden，2006；Sun et al., 2006；Vecchi and Soden，2007；Adler et al., 2008；Stephens and Ellis，2008），顯著低于C?C方程的理論值。但是強(qiáng)降水的增加率顯著高于7%/K（Lenderink and Meijgaard，2008；Liu et al., 2009），同時中等強(qiáng)度降水呈現(xiàn)出減少的趨勢（Liu et al., 2009；Chou and Lan，2012）。本文將東亞地區(qū)的降水分為三個強(qiáng)度等級，研究了三種強(qiáng)度降水的降水量和降水頻率在東亞地區(qū)的觀測特征和未來變化。不僅在區(qū)域尺度上驗證了前人的結(jié)論，更進(jìn)一步給出了不同等級降水變化的空間分布特征，且指出了降水頻率的氣候態(tài)特征和長期趨勢。在降水結(jié)構(gòu)變化的解釋上，本文基于統(tǒng)計分析，給出了全球增暖與東亞地區(qū)各種強(qiáng)度降水變化的定量關(guān)系。

近幾十年來東亞地區(qū)氣溶膠含量的迅速增加，也會對該地區(qū)的降水結(jié)構(gòu)產(chǎn)生影響（Che et al., 2007；Lau et al., 2008；Ramanathan et al., 2005；Ramanathan and Carmichael，2008；Sahu et al., 2008）。首先，通過氣溶膠的直接加熱效應(yīng)引起水汽輻合變化，進(jìn)而導(dǎo)致降水分布的變化（Lau et al., 2008）；其次，氣溶膠的半直接效應(yīng)通過增加云的蒸發(fā)，造成云量和云反照率的減小，從而減少東亞地區(qū)的降水量；最后，氣溶膠還可以通過其間接效應(yīng)（云反照率效應(yīng)和云生命期效應(yīng)）影響云和降水的形成。即氣溶膠粒子的增多會增加云滴數(shù)濃度但使云滴粒子變小，更小的云滴會抑制云滴間的碰并過程，抑制暖云降水（小雨）的產(chǎn)生，增加云的高度，延長云的生命期。數(shù)值模擬研究表明，在水汽輸送充足、大氣層結(jié)不穩(wěn)定的季風(fēng)區(qū)，氣溶膠增加所引起的暖云降水減少，會使得云的生命期延長，容易發(fā)展成深對流云達(dá)到更高的高度，進(jìn)而引起更強(qiáng)的降水。即增加了季風(fēng)區(qū)降水的強(qiáng)度（Fan et al., 2012；Li and Zhou，2011；Rosenfeld et al., 2008）。對降水結(jié)構(gòu)的影響上，氣溶膠的間接效應(yīng)會使得小雨減少，強(qiáng)降水增加。

Liu et al.,（2009）指出，降水的變化與溫度的變化之間存在著顯著的依賴關(guān)系。當(dāng)全球平均溫度升高時，強(qiáng)降水顯著增加，并且進(jìn)一步指出這種規(guī)律在區(qū)域尺度上也成立。本文基于同樣的統(tǒng)計方法，在東亞地區(qū)驗證了這一結(jié)論（圖7）。RCP8.5情景是未來預(yù)估中溫室氣體增加最為明顯的情景，該情景下全球平均溫度的升高趨勢最為顯著（Taylor et al., 2012）。四個模式在RCP8.5情景下預(yù)估的東亞地區(qū)極端降水呈現(xiàn)顯著并且一致的增加趨勢（圖9），根據(jù)降水對溫度的依賴關(guān)系，顯然是由于溫度升高導(dǎo)致。

在東亞地區(qū)，小雨和中雨的變化呈現(xiàn)出內(nèi)在一致性（圖4和圖9）。即小雨偏多（少）的地區(qū)中雨偏少（多）；同時小雨呈現(xiàn)增加（減少）趨勢的地區(qū)中雨則呈現(xiàn)減少（增加）趨勢。這種內(nèi)在一致性很可能與引發(fā)小雨和中雨的不同類型的云以及他們之間的內(nèi)在聯(lián)系有關(guān)。Lau and Wu（2007）在解釋熱帶降水變化時指出，小雨和中雨大體上對應(yīng)的是暖云降水和混合云降水。當(dāng)暖云降水增加后，會消耗掉中低層云，使得上層云通過深對流運動可獲得的水汽減少，則混合云的形成會減少，因而使得中雨減少；反之亦然。

（References：）

Adler R F, Gu G J, Wang J J, et al. 2008. Relationships between global precipitation and surface temperature on interannual and longer timescales (1979–2006) [J]. J. Geophys. Res.: Atmospheres (1984–2012), 113 (D22): D22104, doi:10.1029/2008JD010536.

Allen M R, Ingram W J. 2002. Constraints on future changes in climate and the hydrologic cycle [J]. Nature, 419 (6903): 224–232.

Bao Q, Lin P F, Zhou T J, et al. 2013. The flexible global ocean- atmosphere-land system model, spectral version 2: FGOALS-s2 [J]. Adv. Atmos. Sci., 30 (3): 561–576, doi:10.1007/s00376-012-2113-9.

Che H Z, Zhang X Y, Li Y, et al. 2007. Horizontal visibility trends in China 1981–2005 [J]. Geophysical Research Letters, 34 (24): L24706.

Chou C, Lan C W. 2012. Changes in the annual range of precipitation under global warming [J]. J. Climate, 25 (1): 222–235.

陳曉龍，周天軍，郭準(zhǔn). 2014. 影響氣候系統(tǒng)模式溫室氣體敏感度的反饋過程——基于FGOALS 模式的研究 [J]. 中國科學(xué)：地球科學(xué)，44: 322–332. Chen X L, Zhou T J, Guo Z. 2014. Climate sensitivities of two versions of FGOALS model to idealized radiative forcing [J]. Science China: Earth Sciences (in Chinese), doi:10.1007/s11430-013- 4692-4.

董敏, 吳統(tǒng)文, 王在志, 等. 2009. 北京氣候中心大氣環(huán)流模式對季節(jié)內(nèi)振蕩的模擬[J]. 氣象學(xué)報, 67 (6): 912–922. Dong M, Wu T W, Wang Z Z, et al. 2009. Simulations of the tropical intraseasonal oscillations by the AGCM of the Beijing Climate Center [J]. Acta Meteorologica Sinica (in Chinese), 67 (6): 912–922.

董嘯, 周順武, 胡中明, 等. 2010. 近50年來東北地區(qū)暴雪時空分布特征[J]. 氣象, 36 (12): 74–79. Dong X, Zhou S W, Hu Z M, et al. 2010. Characteristics of spatial and temporal variation of heavy snowfall in Northeast China in recent 50 years [J]. Meteorological Monthly (in Chinese), 36 (12): 74–79.

Dong X, Xue F, Zhang H, et al. 2012. Evaluation of surface air temperature change over China and the globe during the twentieth century in IAP AGCM4.0 [J]. Atmos. Oceanic Sci. Lett., 5 (5): 435–438.

Emori S, Brown S. 2005. Dynamic and thermodynamic changes in mean and extreme precipitation under changed climate [J]. Geophys. Res. Lett., 32 (17): L17706.

Fan J W, Leung L R, Li Z Q, et al. 2013. Aerosol impacts on clouds and precipitation in eastern China: Results from bin and bulk microphysics [J]. J. Geophys. Res.: Atmospheres (1984–2012), 117 (D16), doi: 10.1029/ 2011JD016537.

Gao Xuejie, Shi Ying, Song Ruiyan, et al. 2008. Reduction of future monsoon precipitation over China: Comparison between a high resolution RCM simulation and the driving GCM [J]. Meteor. Atmos. Phys., 100 (1–4): 73–86, doi:10.1007/s00703-008-0296-5.

郭準(zhǔn), 吳春強(qiáng), 周天軍, 等. 2011. LASG/IAP和BCC大氣環(huán)流模式模擬的云輻射強(qiáng)迫之比較[J]. 大氣科學(xué), 35 (4): 739–752. Guo Z, Wu C Q, Zhou T J, et al. 2011. A comparison of cloud radiative forcings simulated by LASG/IAP and BCC atmospheric general circulation models [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 35 (4): 739–752.

韓振宇, 周天軍. 2012. APHRODITE高分辨率逐日降水資料在中國大陸地區(qū)的適用性[J]. 大氣科學(xué), 36 (2): 361–373, doi:10.3878/j.issn. 1006-9895.2011.11043. Han Z Y, Zhou T J. 2012. Assessing the quality of APHRODITE high-resolution daily precipitation dataset over contiguous China [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 36 (2): 361–373.

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

IPCC. 2007. Climate Change 2007: The Physical Science Basis [M]. Solomon S, Qin D, Maning M, et al., Eds. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press, 996pp.

IPCC. 2013. Climate Change 2013: The Physical Science Basis [M]. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press.

頡衛(wèi)華, 吳統(tǒng)文. 2010. 全球大氣環(huán)流模式BCC_AGCM2. 0. 1對1998年夏季江淮流域強(qiáng)降水過程的回報試驗研究[J]. 大氣科學(xué), 34 (5): 962–978, doi:10.3878/j.issn.1006-9895.2010.05.11. Jie W H, Wu T W. 2010. Hindcast for the 1998 summer heavy precipitation in the Yangtze and Huaihe River valley using BCC_AGCM2.0.1 model [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 34 (5): 962–978.

Karl T R, Knight R W. 1998. Secular trends of precipitation amount, frequency, and intensity in the United States [J]. Bull. Amer. Meteor. Soc., 79 (2): 231-241.

Kitoh A, Kusunoki S. 2008. East Asian summer monsoon simulation by a 20-km mesh AGCM [J]. Climate Dyn., 31 (4): 389–401.

Kitoh A, Endo H, Kumar K K, et al. 2013. Monsoons in a changing world: A regional perspective in a global context [J]. J. Geophys. Res.: Atmos., 118 (8): 3053–3065, doi:10.1002/jgrd.50258.

Lau K M, Wu H T. 2003. Warm rain processes over tropical oceans and climate implications [J]. Geophys. Res. Lett., 30 (24): 2290, doi:10.1029/ 2003GL018567.

Lau K M, Wu H T. 2007. Detecting trends in tropical rainfall characteristics, 1979–2003 [J]. Int. J. Climatol., 27 (8): 979–988.

Lau K M, Ramanathan V, Wu G X, et al. 2008. The joint aerosol–monsoon experiment [J]. Bull. Am. Meteor. Soc., 89 (3): 369–383.

Lau K M, Wu H T, Kim K M. 2013. A canonical response of precipitation characteristics to global warming from CMIP5 models [J]. Geophys. Res. Lett., 40 (12): 3163–3169.

Lenderink G, van Meijgaard E. 2008. Increase in hourly precipitation extremes beyond expectations from temperature changes [J]. Nature Geoscience, 1 (8): 511–514.

Li B, Zhou T J. 2011. El Ni?o-Southern Oscillation-related principal interannual variability modes of early and late summer rainfall over East Asia in sea surface temperature-driven atmospheric general circulation model simulations [J]. J. Geophys. Res.: Atmos. (1984–2012), 116 (D14): D14118, doi:10.1029/2011JD015691.

李博, 周天軍. 2010. 基于IPCC A1B情景的中國未來氣候變化預(yù)估: 多模式集合結(jié)果及其不確定性[J]. 氣候變化研究進(jìn)展, 6 (4): 270–276. Li B, Zhou T J. 2010. Projected climate change over China under SRES A1B scenario: Multi-model ensemble and uncertainties [J]. Advances in Climate Change Research (in Chinese), 6 (4): 270–276.

李紅梅, 周天軍, 宇如聰. 2008. 近四十年我國東部盛夏日降水特性變化分析[J]. 大氣科學(xué), 32 (2): 358–370, doi:10.3878/j.issn.1006-9895. 2008.02.14. Li H M, Zhou T J, Yu R C. 2008. Analysis of July?August daily precipitation characteristics variation in eastern China during 1958–2000 [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 32 (2): 358–370.

李建, 宇如聰, 陳昊明, 等. 2010. 對三套再分析資料中國大陸地區(qū)夏季降水量的評估分析 [J]. 氣象, 36 (12): 1–9. Li J, Yu R C, Chen H M, et al. 2010. Evaluation and analyses of summer rainfall over mainland China in three reanalysis datasets [J]. Meteorological Monthly (in Chinese), 36 (12): 1–9.

Li L J, Lin P F, Yu Y Q, et al. 2013. The Flexible Global Ocean- Atmosphere-Land System model, Grid-point Version 2: FGOALS-g2 [J]. Adv. Atmos. Sci., 30 (3): 543–560, doi:10.1007/s00376-012-2140-6.

林壬萍, 周天軍, 薛峰, 等. 2012. NCEP/NCAR再分析資料所揭示的全球季風(fēng)降水變化 [J]. 大氣科學(xué), 36 (5): 1027–1040, doi:10.3878/j.issn. 1006-9895.2012.11222. Lin Renping, Zhou Tianjun, Xue Feng, et al. 2012. The global monsoon variability revealed by NCEP/NCAR reanalysis data [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 36 (5): 1027–1040.

Lin R P, Zhou T J, Qian Y. 2014. Evaluation of global monsoon precipitation changes based on five reanalysis datasets [J]. J. Climate, 27 (3): 1271–1289.

林云萍, 趙春生. 2009. 中國地區(qū)不同強(qiáng)度降水的變化趨勢 [J]. 北京大學(xué)學(xué)報(自然科學(xué)版), 45 (6): 995–1002. Lin Y P, Zhao C S. 2009. Trends of precipitation of different intensity in China [J]. Acta Scientiarum Naturalium Universitatis Pekinensis (in Chinese), 45 (6): 995–1002.

Liu S C, Fu C B, Shiu C J, et al. 2009. Temperature dependence of global precipitation extremes [J]. Geophys. Res. Lett., 36 (17): L17702, doi:10.1029/2009GL040218.

Meehl G A, Stocker T F, Collins W D, et al. 2007. Global climate projections [M]// Climate Change 2007: The Physical Science Basis. Cambridge: Cambridge University Press, 747–845.

Meehl G A, Zwiers F, Evans J, et al. 2000. Trends in extreme weather and climate events: Issues related to modeling extremes in projections of future climate change [J]. Bull. Amer. Meteor. Soc., 81 (3): 427–436.

New M, Todd M, Hulme M, et al. 2001. Precipitation measurements and trends in the twentieth century [J]. Int. J. Climatol., 21 (15): 1899–1922.

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 [J]. Geophys. Res. Lett., 34 (11): L11705, doi:10.1029/2007GL029631.

Qiao F L, Song Z Y, Bao Y, et al. 2013. Development and evaluation of an earth system model with surface gravity waves [J]. J. Geophys. Res., 118: 4514–4524, doi:10.1002/jgrc.20327.

Ramanathan V, Chung C, Kim D, et al. 2005. Atmospheric brown clouds: Impacts on South Asian climate and hydrological cycle [J]. 102 (15): 5326-5333.

Ramanathan V, Carmichael G. 2008. Global and regional climate changes due to black carbon [J]. Nat. Geosci., 1 (4): 221–227.

Rosenfeld D, Lohmann U, Raga G, et al. 2008. Flood or drought: How do aerosols affect precipitation? [J]. Science, 321 (5894): 1309–1313.

Sahu S K, Beig G, Sharma C. 2008. Decadal growth of black carbon emissions in India [J]. Geophys. Res. Lett., 35 (2).

Semenov V, Bengtsson L. 2002. Secular trends in daily precipitation characteristics: Greenhouse gas simulation with a coupled AOGCM [J]. Climate Dyn., 19 (2): 123–140.

Song Fengfei, Zhou Tianjun. 2014. Interannual variability of East Asian summer monsoon simulated by CMIP3 and CMIP5 AGCMs: Skill dependence on Indian ocean–western Pacific anticyclone teleconnection [J]. J. Climate, 27 (4): 1679–1697, doi:10.1175/JCLI-D-13-00248.1

Song F F, Zhou T J, Qian Y. 2014. Responses of East Asian summer monsoon to natural and anthropogenic forcings in the 17 latest CMIP5 models [J]. Geophys. Res. Lett., 41 (2): 596–603, doi:10.1002/ 2013GL058705.

Sperber K R, Annamalai H, Kang I S, et al. 2013. The Asian summer monsoon: An intercomparison of CMIP5 vs. CMIP3 simulations of the late 20th century [J]. Climate Dyn., 41 (9–10): 2711–2744, doi:10.1007/ s00382-012-1607-6.

Stephens G L, Ellis T D. 2008. Controls of global-mean precipitation increases in global warming GCM experiments [J]. J. Climate, 21 (23): 6141–6155.

Stott P A, Tett S F B, Jones G S, et al. 2000. External control of 20th century temperature by natural and anthropogenic forcing [J]. Science, 290 (5499): 2133–2137.

Shiu C J, Liu S C, Fu C B, et al. 2012. How much do precipitation extremes change in a warming climate? [J]. Geophys. Res. Lett., 39 (17).

Sun Y, Solomon S, Dai A G, et al. 2006. How often does it rain? [J]. J. Climate, 19 (6): 916–934.

Sun Y, Solomon S, Dai A G, et al. 2007. How often will it rain? [J]. J. Climate, 20 (19): 4801–4818.

Tao S Y, Chen L X. 1987. A review of recent research on the East Asian summer monsoon in China [M]// Monsoon Meteorology. Oxford, UK: Oxford University Press, 60–92.

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.

Tett S F B, Stott P A, Allen M R, et al. 1999. Causes of twentieth century temperature changenear the Earth’s surface [J]. Nature, 399 (6736): 569–572.

Trenberth K E. 1998. Atmospheric moisture residence times and cycling: Implications for rainfall rates and climate change [J]. Climatic Change, 39 (4): 667–694.

Trenberth K E, Dai A G, Rasmussen R M, et al. 2003. The changing character of precipitation [J]. Bull. Amer. Meteor. Soc., 84(9): 1205– 1217.

Trenberth K E, Jones P D, Ambenje P, et al. 2007. Observations: Surface and atmospheric climate change [M]// Solomon S, Qin D, Manning M, et al., Eds. Climate Change 2007: The Physical Science Basis. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press, 236– 336.

Vecchi G A, Soden B J. 2007. Global warming and the weakening of the tropical circulation [J]. J. Climate, 20 (17): 4316–4340.

Wu Bo, Zhou T J. 2013. Relationships between the East Asian?western North Pacific monsoon and ENSO simulated by FGOALS-s2 [J]. Adv. Atmos. Sci., 30 (3): 713–725, doi:10.1007/s00376-013-2103-6.

王大鈞, 陳列, 丁裕國. 2006. 近40年來中國降水量、雨日變化趨勢及與全球溫度變化的關(guān)系[J]. 熱帶氣象學(xué)報, 22 (3): 283–289. Wang D J, Chen L, Ding Y G. 2006. The change trend in rainfall, wet days of China in recent 40 years and the correlation between the change trend and the change of global temperature [J]. Journal of Tropical Meteorology (in Chinese), 22 (3): 283–290.

Wang H J. 2001. The weakening of the Asian monsoon circulation after the end of 1970’s [J]. Adv. Atmos. Sci., 18 (3): 376–386.

王璐, 周天軍, 吳統(tǒng)文, 等. 2009. BCC大氣環(huán)流模式對亞澳季風(fēng)年際變率主導(dǎo)模態(tài)的模擬 [J]. 氣象學(xué)報, 67 (6): 973–982. Wang L, Zhou T J, Wu T W, et al. 2009. Simulation of the leading mode of Asian Australian monsoon interannual variability with the Beijing Climate Center atmospheric general circulation model [J]. Acta Meteorologica Sinica (in Chinese), 67 (6): 973–982.

王穎, 施能, 顧駿強(qiáng), 等. 2006. 中國雨日的氣候變化[J]. 大氣科學(xué), 30 (1): 162–170, doi:10.3878/j.issn.1006-9895.2006.01.14. Wang Y, Shi N, Gu J Q, et al. 2006. Climatic variations of wet days in China [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 30 (1): 162–170.

Wielicki B A, Wong T, Allan R P, et al. 2002. Evidence for large decadal variability in the tropical mean radiative energy budget [J]. Science, 295 (5556): 841–844.

吳佳, 高學(xué)杰. 2013. 一套格點化的中國區(qū)域逐日觀測資料及與其他資料的對比[J]. 地球物理學(xué)報, 56 (4): 1102–1111. Wu Jia, Gao Xuejie. 2013. A gridded daily observation dataset over China region and comparison with the other datasets [J]. Chinese Journal of Geophysics (in Chinese), 56 (4): 1102–1111.

吳其重, 馮錦明, 董文杰, 等. 2013. BNU-ESM模式及其開展的CMIP5試驗介紹 [J]. 氣候變化研究進(jìn)展. 9 (4): 291–294. Wu Q Z, Feng J M, Dong W J, et al. 2013. Introduction of the CMIP5 experiments carried out by BNU-ESM [J]. Advances in Climate Change Research (in Chinese), 9 (4): 291–294.

Wu T W, Song L C, Li W P, et al. 2014. An overview of BCC climate system model development and application for climate change studies [J]. J. Meteor. Res., 28 (1): 34–56, doi:10.1007/s13351-014-3041-7.

Yang J, Wang B, Bao Q. 2010. Biweekly and 21–30-day variations of the subtropical summer monsoon rainfall over the lower reach of the Yangtze River basin [J]. J. Climate, 23 (5): 1146–1159.

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

Yatagai A, Kamiguchi K, Arakawa O, et al. 2012. APHRODITE: Constructing a long-term daily gridded precipitation dataset for Asia based on a dense network of rain gauges [J]. Bull. Amer. Meteor. Soc., 93 (9): 1401–1415, doi:10.1175/BAMS-D-11-00122.1.

Yu R C, Wang B, Zhou T J. 2004. Tropospheric cooling and summer monsoon weakening trend over East Asia [J]. Geophys. Res. Lett., 31 (22): L22212, doi:10.1029/2004GL021270.

Yu R C, Zhou T J. 2007. Seasonality and three-dimensional structure of interdecadal change in the East Asian monsoon [J]. J. Climate, 20 (21): 5344–5355.

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

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

Zhou Tianjun, Yu R, Zhang J, et al. 2009. Why the western Pacific subtropical high has extended westward since the late 1970s [J]. J. Climate, 22, 2199-2215.

Zhou Tianjun, Chen Xiaolong, Dong Lu, et al. 2014. Chinese contribution to CMIP5: An overview of five Chinese models’ performances [J]. J. Meteor. Res., 28 (4): 481–509.

Zhou T, Song F, Lin R, et al. 2013. The 2012 North China floods: Explaining an extreme rainfall event in the context of a long-term drying tendency [J]// Explaining Extreme Events of 2012 from a Climate Perspective. Bulletin of the American Meteorological Society, 94 (9): S49–S51.

Zhu C W, Wang B, Qian W H, et al. 2012. Recent weakening of northern East Asian summer monsoon: A possible response to global warming [J]. Geophys. Res. Lett., 39 (9): L09701, doi:10.1029/2012GL051155.

林壬萍, 周天軍. 2015. 參加CMIP5計劃的四個中國模式模擬的東亞地區(qū)降水結(jié)構(gòu)特征及未來變化 [J]. 大氣科學(xué), 39 (2): 338?356, doi: 10.3878/j.issn. 1006-9895.1407.14110. Lin Renping, Zhou Tianjun. 2015. Reproducibility and future projections of the precipitation structure in East Asia in four Chinese GCMs that participated in the CMIP5 experiments [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 39 (2): 338?356.

Reproducibility and Future Projections of the Precipitation Structure in East Asia in Four Chinese GCMs That Participated in the CMIP5 Experiments

LIN Renping1, 2and ZHOU Tianjun1, 3

1,,1000292,1000493,100029

Under the current global warming tendency,precipitation change is characterized by either a change in the amount of total rainfall or a shift in the precipitation structure. Due to lack of access to high-resolution data for the daily rainfall of the entire East Asian region, previous studies in East Asia mainly focused on spatial-temporal variations in precipitation amounts rather than its structure. Based on the latest daily precipitation APHRODITE (Asian Precipitation-Highly Resolved Observational Data Integration Towards Evaluation) data and the outputs of four Chinese CMIP5 (Coupled Model Intercomparison Project Phase 5) models (BCC-CSM1-1, BNU-ESM, FGOALS-g2, and FGOALS-s2), the authors investigated the characteristics of precipitation structures in East Asia. The authors also examined future projections made by these models.The results indicate that the amount of climatological rainfall observed reaches a maximum at the intermediate range and tails off toward the high and low rain rates. With respect to frequency, a rate of 1 mm/d occurs far more frequently than any other rain rates. More (less) light (moderate) rain occurs in the north than in the south. Extreme heavy precipitation mainly occurs on the southeast coast of China and south of Japan. With respect to the long-term trend, light rain and heavy rain (＞30 mm/d) increase while moderate rain decreases.The climatology of the precipitation structure in East Asia is adequately reproduced by all four models. BCC-CSM1-1 and FGOALS-g2 can reproduce the rainfall trends of all the rain rate types. FGOALS-s2 and BNU-ESM cannot reproduce the downward trend of moderate rain. Based on projections by the four models, heavy rain (＞30 mm/d) will increase under global warming. The higher the extreme heavy rain, the more significant the increasing trend. Light (moderate) rain will increase (decrease) in the south and decrease (increase) in the north as global warming progresses. Further analysis indicates that the increase in extreme heavy rain is mainly due to rise in the global mean air temperature.

East Asian precipitation, Precipitation structure, Rainfall amount, Precipitation frequency, CMIP5 models, Historical run, Projection of future climate

1006-9895(2015)02-0338-19

P467

A

10.3878/j.issn.1006-9895.1407.14110

2014-01-11；網(wǎng)絡(luò)預(yù)出版日期2014-07-08

中國科學(xué)院戰(zhàn)略性先導(dǎo)科技專項XDA05110300，全球變化國家重大科學(xué)研究計劃“高分辨率氣候系統(tǒng)模式的研制與評估”項目2010CB951904

林壬萍，女，1986年出生，博士研究生，主要從事季風(fēng)降水和氣候模擬研究。E-mail: linrenping@mail.iap.ac.cn

周天軍，E-mail: zhoutj@lasg.iap.ac.cn