CMIP5不同典型濃度情景下中國(guó)極端高溫的時(shí)空變化

徐新創(chuàng)， 閆軍輝， 劉光旭， 鐘學(xué)斌

(1.湖北科技學(xué)院 資源環(huán)境科學(xué)與工程學(xué)院， 湖北 咸寧437100； 2.信陽(yáng)師范學(xué)院 地理科學(xué)學(xué)院， 河南 信陽(yáng) 464000；3.贛南師范大學(xué), 江西 贛州 341000； 4.湖北科技學(xué)院 長(zhǎng)江中游水土資源研究中心， 湖北 咸寧 437100)

CMIP5不同典型濃度情景下中國(guó)極端高溫的時(shí)空變化

徐新創(chuàng)1， 閆軍輝2*， 劉光旭3， 鐘學(xué)斌4

(1.湖北科技學(xué)院 資源環(huán)境科學(xué)與工程學(xué)院， 湖北 咸寧437100； 2.信陽(yáng)師范學(xué)院 地理科學(xué)學(xué)院， 河南 信陽(yáng) 464000；3.贛南師范大學(xué), 江西 贛州 341000； 4.湖北科技學(xué)院 長(zhǎng)江中游水土資源研究中心， 湖北 咸寧 437100)

基于CMIP5 的5個(gè)模式逐日最高溫度模擬數(shù)據(jù)，在RCP2.6、RCP4.5、RCP6.0和RCP8.5情景下，以年高溫日、強(qiáng)危害性高溫日、熱浪日數(shù)及高溫極值等4個(gè)極端高溫要素為研究對(duì)象，通過(guò)多模式集合加權(quán)平均預(yù)估了未來(lái)2011年～2099年間近期(2011年～2040年)、中期(2041年～2070年)和遠(yuǎn)期(2071年～2099年)不同時(shí)段極端高溫的時(shí)空變化，結(jié)果表明：1) 隨著排放濃度的增高，4個(gè)高溫要素值均呈增加趨勢(shì)，RCP8.5情景下增加最為劇烈；與基期(1981年～2010年)比較，RCP8.5遠(yuǎn)期(2071年～2099年)高溫日數(shù)、強(qiáng)危害性高溫日數(shù)、熱浪日數(shù)大多增加4～8倍，西北、黃淮海、東南、長(zhǎng)江中下游等區(qū)域普遍出現(xiàn)了45℃以上高溫極值；與基期比較，遠(yuǎn)期極端高溫增加1.2～7.5℃；2) 對(duì)于各高溫要素值，RCP2.6、RCP4.5中期增幅較大，而RCP6.0、RCP8.5遠(yuǎn)期增幅較大；3) 4種濃度情景下，各區(qū)域高溫要素值增量變化差異較大，其中，高溫日數(shù)、熱浪日數(shù)在東南區(qū)增量最大，其余由大至小為依次為長(zhǎng)江中下游區(qū)、黃淮海區(qū)、西北區(qū)、西南區(qū)、東北區(qū)；而強(qiáng)危害性高溫日數(shù)、年高溫極值則以長(zhǎng)江中下游區(qū)增量最大，其余由高至低為西北區(qū)、黃淮海區(qū)、東南區(qū)、西南區(qū)和東北區(qū).

情景; 中國(guó); 極端高溫; 時(shí)空變化

全球氣候變暖及其導(dǎo)致的極端氣候事件成為當(dāng)前關(guān)注的熱點(diǎn)[1-4]，利用全球氣候模式進(jìn)行全球以及區(qū)域尺度極端氣候變化的預(yù)估是當(dāng)前的主要手段.國(guó)內(nèi)在極端事件的模擬檢驗(yàn)和未來(lái)氣候變化的預(yù)估方面，早期根據(jù)IPCC第四次評(píng)估報(bào)告中的高、中、低排放情景開(kāi)展了不同區(qū)域極端降水、氣溫等方面的預(yù)估[5-6].近年來(lái)國(guó)內(nèi)外學(xué)者利用國(guó)際耦合模式實(shí)施的第3階段耦合模式比較計(jì)劃CMIP3(Coupled Model Intercomparison Project Phase 3)全球氣候模式的模擬結(jié)果，對(duì)其在全球和區(qū)域氣候極端氣候變化進(jìn)行了模擬能力試驗(yàn)和未來(lái)情景預(yù)估[7-9].最近，在改進(jìn)CMIP3基礎(chǔ)上，增加了許多新模式，并且建立了新的排放情景——代表性濃度路徑以及設(shè)計(jì)了更為合理的情景實(shí)驗(yàn)[10]，形成了第5階段耦合模式比較計(jì)劃CMIP5，其模式的模擬結(jié)果也被IPCC AR5所采用[11]，目前，相關(guān)分析也已初步開(kāi)展[12-15].

極端氣溫作為一種極端氣候事件，受到各國(guó)氣象學(xué)家的普遍關(guān)注[16-17].在我國(guó)，極端高溫氣候變化的研究集中在兩個(gè)方面：一是通過(guò)器測(cè)氣象數(shù)據(jù)的統(tǒng)計(jì)分析，對(duì)過(guò)去近百年的極端高溫事件進(jìn)行研究，認(rèn)為我國(guó)20世紀(jì)氣候變化趨勢(shì)與全球變暖總趨勢(shì)基本一致，并觀測(cè)到近百年來(lái)我國(guó)平均地面氣溫已經(jīng)上升了0.5～0.8℃，而且極端溫度事件的頻率和強(qiáng)度發(fā)生了顯著變化[18-19]；二是通過(guò)考慮各種排放情景下未來(lái)極端氣溫的預(yù)估，認(rèn)為21世紀(jì)我國(guó)平均地面氣溫將上升3.9～6.0℃[20]；當(dāng)前的CMIP5中多個(gè)模式，對(duì)中國(guó)極端氣溫指數(shù)具有模擬能力，不同模式模擬不同極端氣溫指數(shù)偏差的分布相同，但具有明顯的區(qū)域特點(diǎn)[13，19].當(dāng)前對(duì)于未來(lái)極端高溫變化預(yù)估主要偏重于某一濃度情景及其單一指標(biāo)的分析，而極端高溫在不同情景、不同時(shí)段表現(xiàn)差異較大，在未來(lái)發(fā)展的不確定情形下，需要充分認(rèn)識(shí)多情景、多時(shí)段及多指標(biāo)的極端時(shí)空高溫分布特征.本文將利用CMIP5的5個(gè)模式不同情景濃度、不同時(shí)段的數(shù)據(jù)，分析高溫日、熱浪日、高溫極值及最長(zhǎng)熱浪日的時(shí)空變化.

1數(shù)據(jù)與方法

1.1數(shù)據(jù)來(lái)源

逐日氣象觀測(cè)數(shù)據(jù)(1981年～2010年)來(lái)自中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng).未來(lái)情景氣溫?cái)?shù)據(jù)(1981年～2099年)來(lái)源于CMIP5模式中HadGEM2-ES、GFDL-ESM2M， IPSL-CM5A-LR、MIROC-ESM-CHEM、NorESM1-M等5個(gè)模式氣候情景濃度數(shù)據(jù)(Representative Concentration Pathways).模式數(shù)據(jù)為逐日數(shù)據(jù)集，包括降水、氣溫(最高、最低、平均)、風(fēng)速、濕度、氣壓等多類(lèi)數(shù)據(jù)記錄，本文采用日最高氣溫值作為分析數(shù)據(jù).4種典型濃度路徑RCP2.6、RCP4.5、RCP6.0、RCP8.5情景是指到2100年輻射強(qiáng)迫分別穩(wěn)定在約2.6 W/m2，4.5 W/m2、6.0 W/m2、8.5 W/m2.本文研究時(shí)段分別為：基期(1981年～2010年)，近期(2011年～2040年)、中期(2041年～2070年)和遠(yuǎn)期(2071年～2099年).

1.2高溫和熱浪定義

1.2.1高溫 參考中國(guó)氣象局的規(guī)定，選擇35 ℃作為高溫臨界溫度值，即日最高溫度大于等于35℃統(tǒng)計(jì)為一個(gè)高溫日，并結(jié)合高溫對(duì)人體健康的影響，進(jìn)一步將高溫分為一般性高溫(35℃～38℃)、危害性高溫(38℃～40℃)和強(qiáng)危害性高溫(≥40℃)3個(gè)等級(jí).本文主要選擇分析高溫日和強(qiáng)危害性高溫日的時(shí)空分布.

1.2.2熱浪 考慮到人類(lèi)對(duì)氣候長(zhǎng)期的適應(yīng)性，采用相對(duì)閾值與絕對(duì)閾值相結(jié)合的方法來(lái)設(shè)置熱浪的臨界溫度值，定義熱浪為：至少持續(xù)3 d，日最高溫度不低于1981年～2010年樣本概率分布第95個(gè)百分位溫度值，同時(shí)該值不低于32℃.

1.3數(shù)據(jù)處理與分析方法

關(guān)于IPCC5中采用的全球模式對(duì)中國(guó)地表氣溫的模擬性能已有較多的檢驗(yàn)和分析[22-23]，認(rèn)為大部分模式基本上能夠模擬出中國(guó)氣溫的變化，但不同模式對(duì)東亞季風(fēng)氣溫的空間分布模擬差異較大，多模式集合一般優(yōu)于大部分單個(gè)模式的結(jié)果.本文在利用HadGEM2-ES、GFDL-ESM2M， IPSL-CM5A-LR、MIROC-ESM-CHEM、NorESM1-M等5個(gè)模式日最高氣溫?cái)?shù)值的基礎(chǔ)上，首先，將分辨率不同的5模式數(shù)據(jù)，使用雙線性插值統(tǒng)一插值到128×256的高斯網(wǎng)格上.然后，利用5模式數(shù)據(jù)與器測(cè)數(shù)據(jù)(1981年～2010年)的偏差確定各模式權(quán)重系數(shù)，采用加權(quán)平均數(shù)方法，綜合計(jì)算各網(wǎng)格值；最后，通過(guò)克里金插值法獲得中國(guó)高溫日、強(qiáng)危害性高溫日、熱浪日、極端高溫等要素的時(shí)空分布圖，并利用Arcgis空間分析模塊進(jìn)行計(jì)算與分析.

此外，在參考文獻(xiàn)[24]的基礎(chǔ)上，結(jié)合本研究實(shí)際需要，將中國(guó)大致劃分為東北(NE)、黃淮海(NC)、西北(NE)、西藏(XZ)、西南(SW)、長(zhǎng)江中下游(HH)及東南(SE)等7個(gè)區(qū)域，為表述方便，將東北、黃淮海、長(zhǎng)江中下游、東南及西南5個(gè)區(qū)域統(tǒng)稱為東部，西北、西藏統(tǒng)稱為西部，由于西藏區(qū)未達(dá)到極端高溫等級(jí)，文中圖表未列出該區(qū)數(shù)據(jù).

2模擬能力評(píng)估

5個(gè)模式集合較好地模擬了中國(guó)極端高溫氣候要素平均狀態(tài)(表1).其中，高溫日數(shù)相對(duì)誤差較小，總體偏低，但不超過(guò)1%；熱浪日數(shù)誤差相對(duì)較大，在排放濃度較低時(shí)偏高，隨著濃度增加模擬結(jié)果偏差偏低，最大達(dá)-3.54%.4個(gè)典型濃度中以RCP4.5偏差相對(duì)較小，并且模擬結(jié)果隨著典型濃度增大而偏大.另外，通過(guò)空間上1981年～2010年模擬數(shù)據(jù)與器測(cè)數(shù)據(jù)的相關(guān)分析(圖略)，集合模式數(shù)據(jù)與器測(cè)數(shù)據(jù)最小相關(guān)系數(shù)為0.613，最大相關(guān)系數(shù)達(dá)0.954，均達(dá)到顯著性水平(P<0.01).因此，總體而言，5個(gè)模式集合能較好地模擬中國(guó)區(qū)域極端高溫氣候的時(shí)空變化.

表1 1981年～2010年中國(guó)區(qū)域極端高溫要素模擬相對(duì)誤差

3預(yù)估結(jié)果分析

3.1高溫日數(shù)時(shí)空格局變化

在低濃度與高濃度排放情景下，未來(lái)35℃以上的高溫日數(shù)呈現(xiàn)增加趨勢(shì)，高濃度排放情景下高溫日數(shù)增加更為顯著.從不同區(qū)域來(lái)看(表2)，隨著排放濃度增高，各區(qū)域平均高溫日數(shù)均呈增加趨勢(shì).

RCP2.6情景下，中期、遠(yuǎn)期與近期比較， 各區(qū)增量較小，在近期各區(qū)高溫日數(shù)增量都在10 d以下，至遠(yuǎn)期，長(zhǎng)江中下游區(qū)、東南區(qū)、黃淮海區(qū)高溫日數(shù)增加較大，分別增加了16 d、15 d和11 d，區(qū)域平均高溫日數(shù)分別達(dá)到26 d，27 d和20 d，增量較小的是東北區(qū)和西南區(qū)，分別增加了2 d和4 d.但總體而言，在RCP2.6情景下，各區(qū)高溫日數(shù)增量不大.

從RCP8.5情景來(lái)看，高溫日數(shù)則增加迅速.在中期時(shí)，各區(qū)域高溫日數(shù)一般可達(dá)基期5～10倍；在遠(yuǎn)期時(shí)，各區(qū)域高溫日數(shù)大幅增加，西北、東南、黃淮海、長(zhǎng)江中下游區(qū)等區(qū)域大部分年高溫日數(shù)均已達(dá)60 d以上.東南區(qū)域高溫日數(shù)最高，達(dá)87 d，長(zhǎng)江中下游區(qū)則達(dá)73 d，即使是最低的東北區(qū)也達(dá)到19 d，超過(guò)了基期各區(qū)的高溫日數(shù).RCP4.5和RCP6.0情景下高溫日數(shù)增長(zhǎng)趨勢(shì)處于RCP2.6與RCP8.5之間，只是RCP6.0在近期、中期增長(zhǎng)幅度略小于RCP4.5，但在遠(yuǎn)期高于RCP4.5.

表2 各區(qū)域不同情景不同時(shí)段平均高溫日數(shù)

3.2強(qiáng)危害性高溫時(shí)空格局變化

在基期，強(qiáng)危害性高溫(40℃及以上)主要在我國(guó)新疆南部出現(xiàn)頻次較高，其他區(qū)域出現(xiàn)較少(表3).在RCP2.6情景下，長(zhǎng)江中下游、黃淮海平原中南部及東南區(qū)部分區(qū)域有所增加，但增加幅度不大.在RCP8.5情景下，40℃以上高溫區(qū)域影響范圍明顯擴(kuò)大，特別是中遠(yuǎn)期，西北40℃以上高溫日平均為17 d，部分區(qū)域最高可達(dá)30 d以上，黃淮海、長(zhǎng)江中下游平均可達(dá)15 d、19 d以上.由表2可以看出，40℃以上高溫日數(shù)增加主要表現(xiàn)在中遠(yuǎn)期，隨著排放濃度增加各區(qū)強(qiáng)危害性高溫日數(shù)呈增加趨勢(shì).其中，RCP2.6與RCP4.5情景相類(lèi)似，由中期向遠(yuǎn)期發(fā)展時(shí)增加幅度并不高，如在RCP2.6情景中遠(yuǎn)期，西北、黃淮海、長(zhǎng)江中下游地區(qū)40℃以上高溫日平均為2～3 d，RCP4.5情景時(shí)為4～6 d.

在RCP6.0與RCP8.5情景下，從中期至遠(yuǎn)期，強(qiáng)危害性高溫增加幅度較大，如RCP6.0情景下，西北、黃淮海、長(zhǎng)江中下游區(qū)域高溫日數(shù)中期為2～4 d，遠(yuǎn)期則為7～8 d；而RCP8.5情景下西北、黃淮海、長(zhǎng)江中下游區(qū)域中期極端高溫日數(shù)為5～7 d，遠(yuǎn)期平均可達(dá)15～19 d，增加速度顯著加快，在此時(shí)期，長(zhǎng)江中下游區(qū)域強(qiáng)危害性高溫將達(dá)到19d，將成為未來(lái)極端危害性高溫日數(shù)暴發(fā)次數(shù)最為頻繁的區(qū)域.相比較而言，東北、西南區(qū)平均強(qiáng)危害性高溫日數(shù)增加并不明顯.

表3 各區(qū)域不同情景不同時(shí)段強(qiáng)危害性高溫日數(shù)

3.3熱浪日數(shù)時(shí)空格局變化

熱浪的變化反映了區(qū)域高溫過(guò)程特征.與高溫日數(shù)相比，未來(lái)我國(guó)年均熱浪日數(shù)增加幅度更加明顯.除青藏高原，我國(guó)其他大部分地區(qū)熱浪日數(shù)均呈快速增加趨勢(shì)(圖1)，特別是到遠(yuǎn)期，除青藏高原、東北等區(qū)域外，我國(guó)其余各地年均都已達(dá)到50日以上.在各種濃度下，預(yù)估東南區(qū)平均熱浪日數(shù)最多，其余各區(qū)高溫日數(shù)由多至少依次分別為長(zhǎng)江中下游區(qū)域、黃淮海、西北、西南及東北區(qū).熱浪日數(shù)最多的東南區(qū)，在RCP2.6濃度下，該區(qū)在近期、中期、遠(yuǎn)期熱浪日數(shù)平均約為25.7 d、32.4 d和33.5 d，而在RCP8.5濃度下，不同時(shí)期熱浪日數(shù)分別為28.8 d、57.6 d、100.1 d.最少的東北區(qū)，熱浪日數(shù)在RCP2.6情景下不同時(shí)段分別為5.0 d、8.0 d及7.7d，在RCP8.5情景下則為6.5 d、18.0 d及36.8 d.

從增長(zhǎng)幅度來(lái)看(與基期相比較)，在4種濃度情景下，東北區(qū)熱浪日數(shù)增長(zhǎng)幅度最大，而其余各區(qū)增長(zhǎng)幅度均小于東北區(qū)，特別是在高濃度情景下，增長(zhǎng)幅度更加顯著.如在RCP2.6濃度情景下，東北區(qū)近期、中期、遠(yuǎn)期的熱浪日數(shù)分別增長(zhǎng)了0.9、1.4、1.5倍，大于同期其余各區(qū)增加幅度，在RCP8.5濃度下該區(qū)熱浪日數(shù)更是分別增長(zhǎng)了1.26、5.4和11.7倍，都遠(yuǎn)高于其它各區(qū).增長(zhǎng)幅度最小的是黃淮海與長(zhǎng)江中下游區(qū).可以看出，隨著排放濃度的增高，溫度相對(duì)較低區(qū)域熱浪日數(shù)變化更加明顯.

圖1 4種濃度情景下未來(lái)我國(guó)年均熱浪日數(shù)時(shí)空變化趨勢(shì)Fig.1 Temporal and spatial variation trend on the number of heat wave days in China under four concentration scenarios

3.4高溫極值時(shí)空格局變化

基準(zhǔn)時(shí)段，除新疆南部、黃淮海平原部分區(qū)域最高氣溫可達(dá)到40～45℃以外，其余大部分區(qū)域最高氣溫一般在35～40℃之間(圖2).與基期比較，RCP2.6情景下近期黃淮海平原中西部、內(nèi)蒙古西部40～45℃最高氣溫出現(xiàn)范圍明顯擴(kuò)大，影響范圍更是擴(kuò)展到長(zhǎng)江流域及華南西部廣西等區(qū)域，但此時(shí)期45℃以上年最高氣溫仍只出現(xiàn)新疆南部區(qū)域；中期與遠(yuǎn)期年最高氣溫變化主要體現(xiàn)在黃淮海平原中南部及長(zhǎng)江中下游流域，從這些區(qū)域可看出40℃以上年最高氣溫出現(xiàn)范圍有向東向南發(fā)展趨勢(shì).在RCP8.5情景下，早期最高氣溫影響范圍與RCP2.6中期情景下類(lèi)似，而中、遠(yuǎn)期最高氣溫持續(xù)增長(zhǎng)幅度和影響范圍更大.中期時(shí)，黃淮海、長(zhǎng)江中下游及東南區(qū)域最高氣溫均達(dá)到40～45℃，西北的新疆、內(nèi)蒙等部分區(qū)域最高氣溫可達(dá)45℃以上.至遠(yuǎn)期，我國(guó)新疆大部、黃淮海、東南、長(zhǎng)江中下游等區(qū)域極端最高氣溫都會(huì)達(dá)到45℃以上，而東北、內(nèi)蒙等大部最高氣溫可達(dá)40～45℃，在這一情景下，高溫天氣會(huì)屢屢突破人群的耐受極限.

從增量來(lái)看，與基期比較，在RCP2.6情景下，長(zhǎng)江中下游流域各時(shí)段高溫極值增量最大，近期、中期、遠(yuǎn)期分別增溫1.6℃、2.5℃和2.8℃，其次是東南區(qū)增溫較大，分別上升1.4℃、2.1℃和2.4℃，增溫最小的是西北區(qū)，分別為0.7℃、1.0℃和1.2℃.從RCP2.6增溫趨勢(shì)來(lái)看，近期增溫較快，中、后期增溫趨勢(shì)緩和，東北、西南區(qū)遠(yuǎn)期與中期比較出現(xiàn)了負(fù)增溫.RCP4.5年最高氣溫增量比RCP2.6情景高，發(fā)展趨勢(shì)相似，只是西南區(qū)增量要略高于東北區(qū).

除增量略低外，RCP6.0情景各區(qū)年最高氣溫變化與RCP8.5類(lèi)似.從RCP8.5情景來(lái)看，RCP8.5年最高氣溫增量明顯高于RCP2.6情景，增量最大的仍然是長(zhǎng)江中下游區(qū)，其近期、中期、遠(yuǎn)期年最高氣溫增量分別為2.1℃、4.4℃和7.5℃.其余各區(qū)在近期東南區(qū)增溫最大，為1.8℃，黃淮海區(qū)增溫最小，為0.9℃，中期仍是東南區(qū)增量最大，3.8℃，東北、西南次之，增量為3.5℃.從增溫趨勢(shì)來(lái)看，RCP8.5情景下近期至遠(yuǎn)期增溫速率普遍增快，在近期增溫最快的是長(zhǎng)江中下游區(qū)，其次是東南區(qū)，最小的是黃淮海平原區(qū)；中期增溫最快的是東北、黃淮海與長(zhǎng)江中下游區(qū)，與近期比較增溫達(dá)2.2℃，其次是西南、東南區(qū)增溫2.0℃，最小的是西北區(qū)增量為0.7℃；遠(yuǎn)期增溫最快的則是西北區(qū)，與中期比較增溫3.7℃，其次是西南區(qū)為3.6℃，增量最小的則是東北區(qū)，年最高氣溫與中期比較增量為1.9℃.

圖2 不同典型濃度情景下極端高溫時(shí)空分布Fig.2 Temporal and spatial variation trend on the value of extreme temperature under four concentration scenarios

4結(jié)論與討論

本文利用CMIP5多模式氣候情景數(shù)據(jù)，分析了中國(guó)2011年～2099年不同時(shí)段高溫日、極端危害高溫日、熱浪日及極端高溫的時(shí)空格局變化，總體而言，隨著排放濃度的增高，各高溫要素值總體呈現(xiàn)增加的趨勢(shì).具體如下.

1) 對(duì)于高溫日數(shù)，與基期比較，在四種排放濃度下，近期各區(qū)增量都不大，中期增加明顯；從中期至遠(yuǎn)期，除RCP2.6變化不大外，其余各濃度情景下高溫日數(shù)增加顯著，特別是RCP8.5情景下，高溫日數(shù)增加迅速；此外，高溫日數(shù)以東南區(qū)增加最多.

2) 對(duì)于強(qiáng)危害性高溫日數(shù)變化，與基期比較，RCP2.6與RCP4.5情景時(shí)增加幅度并不高，RCP6.0與RCP8.5兩種情景近期變化也不大，而中期、遠(yuǎn)期強(qiáng)危害性高溫日增加幅度較大.在RCP8.5遠(yuǎn)期情景下，長(zhǎng)江中下游區(qū)域?qū)⒊蔀閺?qiáng)危害性高溫日數(shù)暴發(fā)次數(shù)最為頻繁的區(qū)域.

3) 從熱浪日數(shù)來(lái)看，與基期相比較，四種排放濃度下熱浪日數(shù)都呈增加趨勢(shì)，RCP8.5情景下增加最為劇烈；從區(qū)域來(lái)看，東南區(qū)熱浪日數(shù)最多，東北區(qū)熱浪日數(shù)增幅最大，增量最小的是黃淮海與長(zhǎng)江中下游區(qū).

4) 從年高溫極值來(lái)看，在RCP2.6、RCP4.5情景下，長(zhǎng)江中下游流域各時(shí)段高溫極值增量最大，其次是東南區(qū)、增量最小的是西北區(qū).RCP6.0、RCP8.5情景下，比RCP2.6情景下高溫極值大幅提增高，增量最大的依然是長(zhǎng)江中下游區(qū)，最小的是黃淮海區(qū)，但在不同時(shí)段各區(qū)域增加幅度有較大差異.各種情景下，極端高溫值遠(yuǎn)期增幅在1.2～7.5℃之間.

值得注意的是，雖然新一代CMIP5全球模式模擬極端溫度結(jié)果比上一代模式有了相當(dāng)大程度的提高，但在對(duì)極端溫度持續(xù)性的模擬誤差仍然較大.此外，由于未來(lái)排放情景本身的不確定性和各類(lèi)模式的不足，雖然計(jì)算上采取了多模式加權(quán)平均集合預(yù)估的思路，盡量在可控制的范圍內(nèi)減少模式結(jié)果的不確定性，但模式的不足仍然會(huì)使不確定性存在，特別是在空間結(jié)構(gòu)上各模式差異較大.因此，未來(lái)的工作是盡可能多地增加模擬模式進(jìn)入評(píng)估系統(tǒng)，同時(shí)也需要通過(guò)進(jìn)一步優(yōu)化模式計(jì)權(quán)，提高預(yù)估精確性.

[1] MILLY P C D， WETHERALD R T， DUNNE K A， et al. Increasing risk of great floods in a changing climate [J]. Nature， 2002，415 (6871): 514-517.

[2] IPCC.Climate Change 2007:The Physical Science Basis. Contri-bution of Working Group I to the Fourth Assessment Report ofthe Intergovernmental Panel on Climate Change[M].Cambridge: Cambridge University Prsee，2007:996．

[3] 張 勇， 曹利娟， 許吟隆， 等. 未來(lái)我國(guó)極端溫度事件變化情景分析[J].應(yīng)用氣象學(xué)報(bào)， 2008， 19 (6): 655-660.

[4] 張曉華， 高 云， 祁 悅， 等. IPCC第五次評(píng)估報(bào)告第一工作組主要結(jié)論對(duì)《聯(lián)合國(guó)氣候變化框架條約》進(jìn)程的影響分析[J].氣候變化研究進(jìn)展， 2014， 10(1):14-19．

[5] 張?jiān)鲂牛?欒以玲， 姜 彤， 等. 長(zhǎng)江三角洲極端降水趨勢(shì)及未來(lái)情景預(yù)估[J].南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版)， 2008， 32(3):4-7.

[6] 江志紅， 陳威霖， 宋 潔， 等. 7個(gè)IPCC AR4模式對(duì)中國(guó)地區(qū)極端降水指數(shù)模擬能力的評(píng)估及其未來(lái)情景預(yù)估[J].大氣科學(xué)， 2009， 33(1): 109-120．

[7] FREI C， SCH?LL R， FUKUTOME S， et al. Future change of precipitation extremes in Europe:an intercomparison of scenarios from regional climate models[J].J Geophys Res， 2006， 111(D6):1-22．

[8] INES A V M， HANSEN J W. Bias correction of daily GCM rainfall for crop simulation studies[J].Agric Forest Meteorol， 2006， 138(1-4):44-53.

[9] 王 冀， 江志紅， 丁裕國(guó)， 等. 21 世紀(jì)中國(guó)極端氣溫指數(shù)變化情況預(yù)估[J]. 資源科學(xué)， 2008， 30 (7): 1084-1092.

[10] TAYLOR K E，STOUFFER R J，MEEHL G A.An overview of Cmip5 and the experiment design[J]. B Am Meteorol Soc， 2012， 93(4):485-498.

[11] IPCC. Climate Change 2013:The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change[M].Cambridge: Cambridge University Prsee， 2013:1535.

[12] 姜大膀， 田芝平. 21 世紀(jì)東亞季風(fēng)變化: CMIP3和CMIP5 模式預(yù)估結(jié)果[J].科學(xué)通報(bào)， 2013， 58(8):707-716．

[13] 姚 遙， 羅 勇， 黃建斌. 8個(gè)CMIP5模式對(duì)中國(guó)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．

[14] SILLMANN J，KHARIN V V，ZHANG X，et al. Climate extremes indices in the CMIP5 multimodal ensemble: Part 1.Model evaluation in the present climate[J]. J Geophys Res， 2013， 118(4):1716-1733.

[15] PEREZ J，MENENDEZ M，MENDEZ F J，et al. Evaluating the performance of CMIP3 and CMIP5 global climate models over the northeast Atlantic region[J]. Clim Dyn， 2014, 43(9-10): 2663-2680.

[16] GRIFFITHS G M， CHAMBERS L E， HAYLOCK M R， et al. Change in mean temperature as a predictor of extreme temperature change in the Asia-Pacific region [J]. International Journal of Climatology， 2005， 25(10): 1301-1330.

[17] RUSTICUCCI M. Observed and simulated variability of extreme temperature events over South America [J]. Atmospheric Research， 2012， 106(3): 1-17.

[18] ZHAI P M， PAN X H. Trends in temperature extremes during 1951-1999 in China[J]. Geophys Res Lett， 2003， 30(17)，169-172.

[19] 謝 莊， 蘇德斌， 虞海燕， 等. 北京地區(qū)熱度日和冷度日的變化特征[J].應(yīng)用氣象學(xué)報(bào)， 2007， 18(2): 232-236．

[20] 秦大河， 丁一匯， 蘇紀(jì)蘭， 等. 中國(guó)氣候與環(huán)境演變?cè)u(píng)估(Ⅰ):中國(guó)氣候與環(huán)境變化及未來(lái)趨勢(shì)[J].氣候變化研究進(jìn)展， 2005， 1(1): 4-9．

[21] JIANG Z H， SONG J， LI L， et al. Extreme climate events in China: IPCC-AR4 model evaluation and projection [J]. Climatic Change， 2012， 110(1-2): 385-401.

[22] 姜 江， 姜大膀， 林一驊. RCP4.5 情景下中國(guó)季風(fēng)區(qū)及降水變化預(yù)估 [J].大氣科學(xué)， 2015， 39(5):901-910．

[23] 吳 蔚， 穆海振， 梁卓然， 等. CMIP5 全球氣候模式對(duì)上海極端氣溫和降水的情景預(yù)估[J]. 氣候與環(huán)境研究， 2016， 21 (3): 269-281.

[24] 徐新創(chuàng)， 戴爾阜， 張學(xué)珍， 等. 中國(guó)降水強(qiáng)度趨勢(shì)變化及其對(duì)降水量影響分析[J].地理研究， 2014， 33(7):1335-1447．

Temporal and spatial variations of extremely high temperature in China under different emission scenarios of CMIP5

XU Xinchuang1， YAN Junhui2， LIU Guangxu3， ZHONG Xuebin4

(1.The School of Resources Environment Science and Technology， Hubei University of Science and Technology， Xianning， Hubei 437100;2.College of Urban and Environmental Sciences， Xinyan Normal University， Xinyang， Henan 464000; 3. Gannan Normal University， Ganzhou， Jiangxi 341000; 4.The School of Resources Environment Science and Technology， Land and Water Resources Research Center of the Middle Changjiang River， Xianning， Hubei 437100)

Based on the scenarios data of five climate modes by the Coupled Model Intercomparison Project Phase 5， this paper analyzes the temporal and spatial variation of extreme temperature indexes， including the number of high temperature days， strong hazard high temperature days， heat waves days and the maximum temperature under the Representative Concentration Pathway 2.6， 4.5， 6.0 and 8.5 during the year from 2011 to 2099. Results show that: 1) as the increase of emission concentration the four high temperature index value are elevated， in which RCP8.5 scenario changed most. 2) From the near (2011-2040)， the mid (2041-2070) to long term (2071-2099)， the values of high temperature various are increased， and the values in the RCP2.6 and RCP4.5 increase higher in the mid period than other two terms， while in the RCP6.0 and RCP8.5 the values increase highest in the long term. 3) The increment of the four various values is great difference in different regions under four scenarios concentrations. The number of high temperature days and heatwave days has highest increment in the southeast， the next turn is the middle and lower reaches of the Yangtze River， the North， Northwest， Southwest and Northeast of China， while the strong hazard high temperature days and the maximum temperature are the highest increments in the middle and lower reaches of the Yangtze River， and the next turn is the northwest， the North， the southeast， the southwest and the northeast.

scenario; China; extremely high temperature; temporal and spatial variation

2017-04-07.

國(guó)家自然科學(xué)基金項(xiàng)目(41501051；41561020)；湖北省教育廳人文社科基金項(xiàng)目(16d094).

10.19603/j.cnki.1000-1190.2017.04.021

1000-1190(2017)04-0548-07

P731.11；P467

A

*通訊聯(lián)系人. E-mail: yanjh2015@126.com.