CMIP5模式對(duì)東北地區(qū)氣溫模擬能力評(píng)估

敖 雪，翟晴飛，崔 妍，趙春雨，王 濤，周曉宇，王 穎

(1.遼寧省沈陽區(qū)域氣候中心，遼寧 沈陽 110166；2.遼寧省人工影響天氣辦公室，遼寧 沈陽 110166)

?

CMIP5模式對(duì)東北地區(qū)氣溫模擬能力評(píng)估

敖 雪1，翟晴飛2*，崔 妍1，趙春雨1，王 濤1，周曉宇1，王 穎1

(1.遼寧省沈陽區(qū)域氣候中心，遼寧 沈陽 110166；2.遼寧省人工影響天氣辦公室，遼寧 沈陽 110166)

摘要：利用CMIP5的多模式集合資料和中國東北地區(qū)162個(gè)站點(diǎn)逐月平均氣溫實(shí)測資料，從時(shí)間變化和空間分布兩方面評(píng)估了CMIP5模式對(duì)1961～2005年中國東北地區(qū)氣溫的模擬能力。結(jié)果表明：全球氣候模式能夠較好地再現(xiàn)東北地區(qū)氣溫顯著增高趨勢和年平均氣溫由南向北遞減的緯向分布特征以及冷暖中心。EOF分析結(jié)果顯示，東北地區(qū)20世紀(jì)90年代以前增溫較慢，90年代之后增溫較快，東北地區(qū)年平均氣溫呈現(xiàn)南北反位相的時(shí)空變化特征。模擬結(jié)果和觀測結(jié)果具有較好的一致性。

關(guān)鍵詞：CMIP5；東北地區(qū)；氣溫；評(píng)估

近年來，氣候變化特別是全球氣候變暖對(duì)自然生態(tài)系統(tǒng)和社會(huì)經(jīng)濟(jì)發(fā)展產(chǎn)生的影響已成為重大的全球性問題，得到國際社會(huì)的普遍關(guān)注。IPCC第5次評(píng)估報(bào)告[1-2]指出，1880～2012年全球平均溫度已升高0.85 ℃(0.65～1.06 ℃)。過去30年，每10年地表溫度的增暖幅度高于1850年以來的任何時(shí)期。在北半球，1983～2012年可能是最近1400年來氣溫最高的30年，特別是1971～2010年間海洋變暖所吸收熱量占地球氣候系統(tǒng)熱能儲(chǔ)量的90%以上，海洋上層(0～700 m)已經(jīng)變暖。東北地區(qū)是中國最大的商品糧基地和農(nóng)業(yè)生產(chǎn)最具發(fā)展?jié)摿Φ牡貐^(qū)之一，同時(shí)也是中國重要的工業(yè)和能源基地。東北地域廣闊，背靠亞歐大陸，面朝太平洋，海陸差異顯著。處于溫帶季風(fēng)氣候區(qū)，雨熱同期，是典型的氣候脆弱區(qū)，在全球氣候變化中具有很強(qiáng)的敏感性[3-5]。因此在全球變暖的背景下，了解東北氣候如何變化，氣溫的分布特征具有重要意義。

近10年不少學(xué)者利用全球氣候模式對(duì)區(qū)域氣候變化進(jìn)行模擬分析，郭彥等[6]評(píng)估了CMIP5模式對(duì)中國氣溫變化的模擬能力，并與CMIP3模式對(duì)比，得出CMIP5的模擬結(jié)果較CMIP3有所提高；楊侃等[7]利用全球氣候模式對(duì)寧夏區(qū)域氣候變化進(jìn)行了模擬分析，發(fā)現(xiàn)地面氣溫的模擬值偏低，降水量的模擬值偏高；姚遙等利用8個(gè)CMIP5模式對(duì)中國極端氣溫進(jìn)行了模擬，發(fā)現(xiàn)所有極端氣溫指數(shù)模擬和觀測結(jié)果的時(shí)間相關(guān)均達(dá)到0.1顯著水平，20年一遇極端氣溫模擬和觀測結(jié)果空間相關(guān)系數(shù)為0.98[8]。眾多研究結(jié)果表明全球氣候模式對(duì)區(qū)域氣候具有一定的模擬能力。眾多學(xué)者選用多模式集合方法( Multi-model Ensembles，MME) 對(duì)多個(gè)模式總體性能進(jìn)行評(píng)估[9]，該方法不僅在一定程度上抵消了各個(gè)模式存在的偏差，并且模擬結(jié)果和觀測結(jié)果最為相似，因而和真實(shí)的自然狀態(tài)更為接近，所以被廣泛應(yīng)用于模擬和預(yù)估未來氣候變化的研究當(dāng)中[10-11]。作為中國受氣候變暖影響最為敏感的地區(qū)之一，東北地區(qū)曾經(jīng)的氣候狀況，未來的氣候變化，及其空間分布概況，這些問題仍舊缺少系統(tǒng)的研究。因此，本研究從時(shí)間變化和空間分布兩方面采用多模式集合(MME)方法系統(tǒng)地評(píng)估了CMIP5氣候系統(tǒng)模式對(duì)東北地區(qū)1961-2005年平均氣溫的模擬性能，以期為今后對(duì)東北地區(qū)的氣候預(yù)估打下基礎(chǔ)。

1資料和方法

1.1研究資料

研究資料包括觀測資料和模式模擬資料兩部分，并將資料長度統(tǒng)一為1961～2005年。本文使用東北地區(qū)162個(gè)氣象站逐月平均氣溫資料作為觀測資料，已對(duì)資料進(jìn)行了初步的質(zhì)量控制。

單個(gè)模式的模擬能力有局限性，模式集合可以較好地模擬出我國氣候的平均狀態(tài)，而且已有研究指出多模式集合結(jié)果對(duì)中國氣候總體上要較單個(gè)模式具有更為可靠的模擬能力[12-14]。所以本文將23個(gè)CMIP5全球氣候模式的月平均資料，經(jīng)過雙線性插值將不同分辨率的模式資料插值到1°×1°的同一格點(diǎn)分布，區(qū)域范圍為東亞地區(qū)(60°～149° E，0.5°～69.5° N)，利用簡單算術(shù)平均方法得到多模式集合資料。

1.2研究方法

本文主要從時(shí)間變化和空間分布兩個(gè)方面評(píng)估CMIP5模式對(duì)中國東北地區(qū)平均氣溫的模擬能力。首先利用雙線性插值將模式資料插值到中國東北地區(qū)162個(gè)氣象站上，然后將插值結(jié)果與同時(shí)段觀測資料進(jìn)行比較分析，并對(duì)觀測和模擬的1961～2005年的氣溫?cái)?shù)據(jù)進(jìn)行EOF分析和顯著性檢驗(yàn)[15]，評(píng)估模式對(duì)基本氣候要素時(shí)空變化特征的模擬能力。

常用EOF對(duì)氣象要素場進(jìn)行分析，EOF不僅可以提取氣象要素場隨時(shí)間變化的空間特征模式，還可以提取時(shí)間變化的特征模式，具有適應(yīng)性廣、收斂快等優(yōu)點(diǎn)[16]。

2結(jié)果與分析

2.1全球氣候模式對(duì)時(shí)間變化模擬能力的評(píng)估

2.1.1年內(nèi)變化表1為1961～2005年東北地區(qū)年和季節(jié)氣溫的模擬值、觀測值和模擬誤差，其中MME為多模式集合值，OBS為觀測值。從表1可知，模式對(duì)東北區(qū)域氣候具有一定的模擬能力，對(duì)氣溫的模擬略偏低，年平均氣溫偏低1.49 ℃，其中春季誤差最大，達(dá)到2.25 ℃，冬季誤差最小，模式對(duì)夏季和冬季的模擬較春秋兩季更好。

表1MME模擬1961～2005年東北地區(qū)

平均氣溫與觀測值的差異

℃

進(jìn)一步分析1961～2005年東北45年逐月平均氣溫的對(duì)比結(jié)果，由圖1可以看出，多模式集合很好地模擬出了溫度逐月變化的總體特征。7月溫度最高，1月溫度最低，呈單峰狀。模式對(duì)1月、7～12月模擬結(jié)果較好，模擬誤差均在1.5 ℃以內(nèi)，其中對(duì)1月的模擬偏差僅為0.7 ℃?？傊Ｊ浇Y(jié)果能較好地再現(xiàn)氣溫的逐月變化，但是在數(shù)值上均小于觀測值。

圖1　1961～2005年東北地區(qū)氣溫模擬值和觀測值的逐月變化

2.1.2年際變化圖2為1961～2005年多模式集合對(duì)東北地區(qū)年平均氣溫年際變化的模擬結(jié)果。從中可以看出，多模式集合能很好地模擬出1961～2005年東北地區(qū)的顯著增暖趨勢，并且與觀測值的增暖趨勢基本一致，多模式集合的增暖速率為0.28 ℃/10年；1961～2005年東北地區(qū)氣溫觀測值呈顯著上升趨勢，增暖速率為0.37 ℃/10年，多模式集合的增暖速率要略低于觀測值，但均通過0.05顯著性檢驗(yàn)，與姜燕敏等[17]得出的結(jié)論相一致。并且模擬值對(duì)年平均氣溫的模擬偏低，模擬值和觀測值的相關(guān)系數(shù)達(dá)到0.61。

結(jié)合11年滑動(dòng)平均曲線進(jìn)行分析，可以看出，觀測值的年際振蕩明顯大于模擬值，模擬值的振蕩幅度在1 ℃以內(nèi)，而觀測值在2 ℃左右，這也說明模式對(duì)極值起到一定的平滑作用。

2.2全球氣候模式對(duì)空間分布模擬能力的評(píng)估

2.2.1平均氣溫氣候的態(tài)空間分布圖3為中國東北地區(qū)年平均氣溫多模式集合模擬場、觀測場以及差值場。對(duì)比觀測場和多模式集合模擬場可以看出，模式對(duì)氣溫的模擬結(jié)果呈緯向分布，能很好地模擬出東北地區(qū)年平均氣溫南高北低的分布格局，并且模擬出的冷暖中心位置與觀測場非常接近。觀測資料顯示，東北地區(qū)大部分地區(qū)的年平均氣溫大于0 ℃，小于0 ℃的地區(qū)出現(xiàn)在黑龍江的西北部，高值區(qū)域主要在遼寧南部，0 ℃等值線分布在黑龍江大興安嶺地區(qū)。對(duì)比模擬值，可以發(fā)現(xiàn)，兩者在數(shù)值上存在一定偏差，模擬值基本上都低于觀測值，并且模擬值的0 ℃線較觀測值偏南，模擬的等溫線較觀測值更加平直，這可能是由于全球氣候模式分辨率較低，未能很好模擬出年平均氣溫的小尺度信息[18]。從差值場(圖3c)可以發(fā)現(xiàn)，模擬值和觀測值差異不大，在2.7 ℃以內(nèi)，在

吉林東部的靖宇、東崗和松江等地區(qū)模擬值大于觀測值，差值在1 ℃之內(nèi)，其他地區(qū)的模擬值普遍偏小。模擬誤差較大的地區(qū)主要集中在黑龍江東北部、西南部地區(qū)和吉林西部部分地區(qū)，模式對(duì)吉林東部、遼寧東部地區(qū)氣溫模擬誤差相對(duì)較小，效果較好。

圖2　1961～2005年東北地區(qū)平均氣溫演變特征

a：多模式集合模擬場；b：觀測場；c：差值場(模擬值-觀測值)圖3　1961～2005年東北地區(qū)年平均氣溫(℃)的空間分布

2.2.2 平均氣溫變化線性趨勢的空間分布圖4分別為中國東北地區(qū)年平均氣溫多模式集合數(shù)據(jù)、觀測數(shù)據(jù)以及它們的差值數(shù)據(jù)在每個(gè)格點(diǎn)的氣溫變化率的空間分布情況。觀測結(jié)果顯示，整個(gè)東北地區(qū)呈現(xiàn)顯著增溫趨勢，除黑龍江饒河、肇源和遼寧本溪外，其余站點(diǎn)均通過了0.05的可信度檢驗(yàn)。氣溫變化率介于0.07～0.70 ℃/10年之間，不同區(qū)域增幅有所差異，增溫幅度較大區(qū)域位于黑龍江的西部和北部地區(qū)，增幅數(shù)值在0.53 ℃/10年以上；增長較小的區(qū)域位于吉林東部和遼寧除中部外的大部分地區(qū)，數(shù)值在0.32 ℃/10年以下。

多模式集合結(jié)果顯示，整個(gè)東北地區(qū)均出現(xiàn)了顯著增溫趨勢，所有站點(diǎn)均通過了0.05的可信度檢驗(yàn)。氣溫變化率介于0.18～0.31 ℃/10年之間，基本小于觀測值，北部增溫趨勢較南部明顯，高值區(qū)位于黑龍江北部地區(qū)，整個(gè)遼寧地區(qū)均處在低值區(qū)，而實(shí)際情況在遼寧中部地區(qū)存在部分高值區(qū)域。多模式集合數(shù)據(jù)減去觀測數(shù)據(jù)，得到差值場。差值場的數(shù)值范圍在-0.43～0.2 ℃/10年之間，負(fù)值區(qū)域明顯多于正值區(qū)域。黑龍江西部地區(qū)模擬的氣溫變化率明顯低于觀測值，數(shù)值在-0.43～-0.18 ℃/10年之間，正值區(qū)域主要位于黑龍江東部和遼寧北部地區(qū)。

為了進(jìn)一步檢驗(yàn)?zāi)Ｊ降哪M性能，將觀測數(shù)據(jù)和多模式集合數(shù)據(jù)進(jìn)行EOF分析并通過了顯著性檢驗(yàn)，對(duì)比兩者年平均氣溫的前兩個(gè)特征向量的空間分布及其對(duì)應(yīng)的時(shí)間系數(shù)(圖5)。圖5a為觀測數(shù)據(jù)的第一特征向量的空間分布，對(duì)應(yīng)所占的方差比例為85.8%，主要特征為整個(gè)東北地區(qū)呈現(xiàn)一致的負(fù)值；結(jié)合對(duì)應(yīng)的時(shí)間系數(shù)變化曲線(圖5c)來看，1961～2005年期間時(shí)間系數(shù)呈明顯下降趨勢(通過了0.01的可信度檢驗(yàn))，20世紀(jì)90年代之前為正值，之后為負(fù)值，可知整個(gè)東北地區(qū)從20世紀(jì)60年代以來一直呈增溫趨勢，20世紀(jì)90年代以前增溫較慢，90年代之后增溫較快。其中黑龍江漠河、饒河、肇源、雞西、林口以及遼寧本溪一帶增溫較緩慢，這與圖4得出的結(jié)論一致。在吉林地區(qū)，存在一個(gè)明顯的負(fù)值中心，與模式的模擬結(jié)果(圖5b)比較可以發(fā)現(xiàn)，兩者負(fù)值區(qū)域的分布相似，負(fù)值中心都出現(xiàn)在吉林地區(qū)。模式數(shù)據(jù)第一特征向量的空間分布也是一致呈負(fù)值，所占方差比例為97.7%；其對(duì)應(yīng)的時(shí)間系數(shù)變化曲線(圖5d)也呈明顯下降趨勢(通過了0.01的可信度檢驗(yàn))，20世紀(jì)90年代之前為正值，之后為負(fù)值，與觀測值具有很好的一致性。EOF1表明觀測和模擬的東北地區(qū)年平均氣溫在1961～2005年具有整體一致的變化特征。

圖4　1961～2005年東北地區(qū)年平均氣溫變化線性趨勢的空間分布

圖5　1961～2005年東北地區(qū)觀測和模擬的年平均氣溫EOF1分析得到的特征向量及時(shí)間系數(shù)

圖6為觀測數(shù)據(jù)和多模式集合數(shù)據(jù)的EOF第二特征向量的空間分布和對(duì)應(yīng)時(shí)間系數(shù)。從圖6a和6b中可以看出，觀測場和模式場都呈現(xiàn)東北地區(qū)年平均氣溫南北反位相的特征，南部為正，北部為負(fù)，負(fù)值中心均出現(xiàn)在黑龍江北部，正值中心均出現(xiàn)在遼寧，遼寧呈現(xiàn)一致的正值，模擬結(jié)果和觀測結(jié)果一致性較好。時(shí)間系數(shù)變化曲線如圖6c和圖6d所示，觀測結(jié)果和模擬結(jié)果對(duì)應(yīng)的曲線正負(fù)波動(dòng)，兩者的線性變化趨勢均不顯著。

3結(jié)論

本文利用東北地區(qū)162個(gè)氣象站1961～2005年逐月平均氣溫?cái)?shù)據(jù)，從時(shí)間變化和空間分布兩方面來評(píng)估CMIP5多模式集合對(duì)東北地區(qū)氣溫的模擬能力，主要結(jié)論如下：

(1)多模式集合能夠很好地再現(xiàn)東北地區(qū)氣溫的年變化，模式對(duì)冬季和夏季的模擬效果優(yōu)于春季和秋季。多模式集合的年際振蕩明顯小于觀測值，但是能很好地模擬出東北地區(qū)顯著增溫趨勢，模式的增暖速率要低于觀察數(shù)據(jù)的增暖速率。

圖6　1961～2005年東北地區(qū)觀測和模擬的年平均氣溫EOF2分析得到的特征向量及時(shí)間系數(shù)

(2)多模式集合能很好地模擬出東北地區(qū)年平均氣溫的空間分布特征：氣溫由南向北逐漸降低，呈緯向分布，并且能模擬出冷暖中心，模式模擬值普遍偏小，誤差在1.5 ℃之內(nèi)。

(3)多模式集合對(duì)氣溫變化線性趨勢空間分布的模擬結(jié)果較觀測結(jié)果有一定差異，多模式集合的氣溫變化率基本小于觀測值，增溫幅度較大的地區(qū)均主要位于黑龍江北部，模式和觀測結(jié)果表明整個(gè)東北區(qū)域呈現(xiàn)顯著增溫趨勢。

(4)EOF1分析結(jié)果顯示，東北地區(qū)從20世紀(jì)60年代以來一直呈顯著增溫趨勢，20世紀(jì)90年代以前增溫較慢，90年代之后增溫較快。其中黑龍江漠河、饒河、肇源、雞西、林口以及遼寧本溪一帶增溫較緩慢；EOF2分析結(jié)果呈現(xiàn)東北地區(qū)年平均氣溫南北反位相的特征，南部為正，北部為負(fù)，負(fù)值中心均出現(xiàn)在黑龍江北部，正值中心均出現(xiàn)在遼寧。EOF分析表明觀測和模擬的東北地區(qū)年平均氣溫在1961～2005年具有較好的一致性。

4討論

本文從時(shí)間空間兩個(gè)方面對(duì)東北地區(qū)模擬場與觀測場進(jìn)行了對(duì)比分析，結(jié)果表明CMIP5多模式集合對(duì)東北地區(qū)的氣溫具有一定的模擬能力。但由于物理參數(shù)的選取、模式分辨率、模式參數(shù)化和響應(yīng)過程的差異，使得全球氣候模式對(duì)東北地區(qū)平均氣溫的模擬仍具有一定的不確定性，如何進(jìn)一步改進(jìn)全球模式，更有效地利用多模式集合方法，而不是單單運(yùn)用簡單平均方法實(shí)現(xiàn)模式集合，這些問題都是值得我們繼續(xù)研究的。

參考文獻(xiàn)：

[1] IPCC. Climate change 2013: the physical science basis. Working group I contribution to the fifrth assessment report of the Intergovernmental Panel on Climate Change[M]. Cambridge: Cambridge University Press, 2013: 760-816.

[2] 沈永平,王國亞.IPCC第一工作組第五次評(píng)估報(bào)告對(duì)全球氣候變化認(rèn)知的最新科學(xué)要點(diǎn)[J].冰川凍土,2013,35(5):1068-1076.

[3] 姜曉艷,劉樹華,馬明敏,等.東北地區(qū)百年降水時(shí)間序列變化規(guī)律的小波分析[J].氣象與環(huán)境學(xué)報(bào),2013,29(4):37-46.

[4] 吳正方,靳英華,劉吉平,等.東北地區(qū)植被分布全球氣候變化區(qū)域響應(yīng)[J].地理科學(xué),2003,23(5):564-570.

[5] 賀偉,布仁倉,熊在平,等.1961～2005年東北地區(qū)氣溫和降水變化趨勢[J].生態(tài)學(xué)報(bào),2013,33(2):519-531.

[6] 郭彥,董文杰,任福民,等.CMIPS模式對(duì)中國年平均氣溫模擬及其與CMIP3模式的比較[J].氣候變化研究進(jìn)展,2013,9(3):181-186.

[7] 楊侃,徐吟隆,陳曉光,等.全球氣候模式對(duì)寧夏區(qū)域未來氣候變化的情景模擬分析[J].氣候與環(huán)境研究,2007,12(5):629-637.

[8] 姚遙,羅勇,黃建斌.8個(gè)CMIP5模式對(duì)中國極端氣溫的模擬和預(yù)估[J].氣候變化研究進(jìn)展,2012,8(4):250-256.

[9] 劉珂.中國區(qū)域氣候的GCM與RCM模擬結(jié)果的對(duì)比分析[D].北京:中國農(nóng)業(yè)科學(xué)院,2011:7-9.

[10] Cubasch U, Meehl G A, Boer G J, et al. Projections of future climate change[C]∥Houghton J T, Ding Y, Griggs D J. Climate change 2001: the scientific basis. Cambridge: Cambridge University Press, 2001: 525-582.

[11] 徐敏,于庚康,徐經(jīng)緯,等.不同分辨率下全球氣候模式的集合結(jié)果檢驗(yàn)[J].氣象科學(xué),2013,33(2):160-167.

[12] 劉敏,江志紅.13個(gè)IPCCAR4模式對(duì)中國區(qū)域近40a氣候模擬能力的評(píng)估[J].南京氣象學(xué)院學(xué)報(bào),2009,32(2):256-268.

[13] 許崇海.多模式對(duì)中國地區(qū)氣候變化檢測和預(yù)估研究[D].南京:南京信息工程大學(xué),2007.

[14] 許崇海,羅勇,徐影.全球氣候模式對(duì)中國降水分布時(shí)空特征的評(píng)估和預(yù)估[J].氣候變化研究進(jìn)展,2010,6(6):398-404.

[15] North G R, Thomas L B, Robert F C, et al. Sampling errors in the estimation of empirical orthogonal functions [J]. Monthly Weather Review, 1982, 110: 699-706.

[16] 黃嘉佑.轉(zhuǎn)動(dòng)主分量分析在天氣氣候分析中的應(yīng)用[J].氣象,1988(9):47-51.

[17] 姜燕敏,吳昊旻.20個(gè)CMIP5模式對(duì)中亞地區(qū)年平均氣溫模擬能力評(píng)估[J].氣候變化研究進(jìn)展,2013,9(2):110-116.

[18] 崔研,李倩,周曉宇,等.5個(gè)全球氣候模式對(duì)中國東北地區(qū)平均氣溫的模擬與預(yù)估[J].氣象與環(huán)境學(xué)報(bào),2013,29(4):37-46.

(責(zé)任編輯：許晶晶)

收稿日期：2016-01-07

基金項(xiàng)目：公益性行業(yè)(氣象)科研專項(xiàng)“近百年全球陸地氣候變化監(jiān)測技術(shù)與應(yīng)用”(GYHY201206012)；2014年中國氣象局氣候變化專項(xiàng)“近百年區(qū)域氣候變化序列建立及不確定性評(píng)估”(CCSF201338)；遼寧省氣象局2013年備案課題(201305);遼寧省氣象局2014年課題(201405)。

作者簡介：敖雪(1986─)，女，工程師，碩士，主要從事氣候變化研究。*通訊作者：翟晴飛。

中圖分類號(hào)：P467

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001-8581(2016)07-0105-06

Assessment of Capability of CMIP5 Model to Simulate Air Temperature in Northeast China

AO Xue1， ZHAI Qing-fei2*, CUI Yan1, ZHAO Chun-yu1, WANG Tao1, ZHOU Xiao-yu1, WANG Ying1

(1. Shenyang Regional Climate Center of Liaoning, Shenyang 110166, China;2. Liaoning Weather Modification Office, Shenyang 110166, China)

Abstract：Using the multi-mode collection data of CMIP5 and the monthly average air temperature data of 162 sites in the northeast of China, we assessed the ability of CMIP5 model to simulate the air temperature in the northeast of China from 1961 to 2005 from the aspects of time change and spatial distribution. The results showed that the global climate model could better reappear the significant rising trend of air temperature, the latitudinal distributive characteristics of average annual air temperature which decreased gradually from south to north, and the cold-warm center in Northeast China. EOF analysis indicated that: in the northeast of China, the warming was slow before the 1990s, and was fast after the 1990s; the average annual air temperature revealed the temporal and spatial variation characteristics of north-south anti-phase. The simulative results and observation results had a better consistency.

Key words：CMIP5; Northeast China; Air temperature; Assessment