中國(guó)東北地區(qū)氣溫變化的模擬評(píng)估與未來(lái)情景預(yù)估

敖雪 趙春雨 崔妍 周曉宇 翟晴飛2 沈歷都 王濤

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

引言

氣候變化導(dǎo)致極端天氣氣候事件頻發(fā)，冰雪圈融化加劇，棲息地喪失，水資源分布失去平衡，生態(tài)系統(tǒng)遭受威脅。氣候變化不僅導(dǎo)致海平面上升，還使海岸帶遭受臺(tái)風(fēng)、暴雨等自然災(zāi)害的影響，沿海低洼地區(qū)和部分海島甚至將會(huì)面臨被淹沒(méi)的風(fēng)險(xiǎn)。氣候變化會(huì)加劇疾病傳播，威脅人類的生存與發(fā)展，也將給社會(huì)經(jīng)濟(jì)帶來(lái)巨大損失。其中，氣候變暖又是氣候變化研究中的重中之重，已經(jīng)成為政府部門(mén)重點(diǎn)關(guān)注的焦點(diǎn)之一。IPCC第五次評(píng)估報(bào)告指出，1880—2012年全球平均氣溫升高0.85 ℃(0.65—1.06 ℃)，預(yù)計(jì)到21世紀(jì)末期，全球平均氣溫將升高0.3—4.8 ℃(相對(duì)于1986—2005年)，人為溫室氣體排放越多，氣溫增幅越明顯[1]。

氣候系統(tǒng)模式是氣候變化工作中的研究工具之一，在氣候變化模擬和未來(lái)預(yù)估方面發(fā)揮著至關(guān)重要的作用。自從全球耦合模式比較計(jì)劃第五階段試驗(yàn)(CMIP5)開(kāi)始后，已經(jīng)有上百個(gè)模式參與全球氣候模擬評(píng)估，模式對(duì)全球尺度的氣溫和降水模擬也較CMIP3有所提高[2]。但由于全球模式分辨率較低，對(duì)于區(qū)域尺度氣候變化的評(píng)估能力還有待加強(qiáng)，因此利用高分辨率區(qū)域氣候模式對(duì)全球氣候模式進(jìn)行動(dòng)力降尺度就能得到氣候變量之間物理協(xié)調(diào)的高分辨率的模式結(jié)果。由于區(qū)域氣候模式更加真實(shí)完善的地形驅(qū)動(dòng)因素，在地形復(fù)雜的中小尺度區(qū)域，其模擬結(jié)果優(yōu)于全球氣候模式，對(duì)未來(lái)氣候預(yù)估的可信度也更高[3-7]。

已有研究中，有不少學(xué)者基于全球氣候模式或區(qū)域氣候模式對(duì)未來(lái)氣候變化展開(kāi)了研究，但是基于區(qū)域模式和全球模式開(kāi)展東北地區(qū)氣候的高分辨率模擬和預(yù)估對(duì)比分析的研究還比較少。Xu等[8]基于18個(gè)CMIP5模式對(duì)中國(guó)氣溫和降水展開(kāi)模擬，結(jié)果顯示大多數(shù)模式都低估了氣溫，高估了降水量，模式對(duì)氣溫的模擬能力較好，對(duì)降水的模擬能力有限。Dong等[9]利用25個(gè)CMIP5模式對(duì)極端氣溫的模擬能力進(jìn)行了評(píng)估，研究表明多模式集合數(shù)據(jù)對(duì)極端氣溫指數(shù)的模擬能力明顯優(yōu)于單個(gè)模式。Nasrollahi等[10]基于CMIP5模式對(duì)大陸干旱區(qū)極端事件進(jìn)行評(píng)估，指出模式高估了極端干旱事件，模擬效果不理想。孫偵等[11-12]評(píng)價(jià)了15 個(gè)全球氣候模式以及多模式集合對(duì)中國(guó)氣溫和降水的模擬精度，結(jié)果表明絕大部分氣候模式對(duì)氣溫降水的模擬精度均低于多模式集合，多模式集合可以在一定程度上減少單個(gè)模式對(duì)未來(lái)情景模擬氣溫和降水的不確定性。

RegCM4模式在中國(guó)地區(qū)的模擬評(píng)估[13-15]和未來(lái)氣候變化預(yù)估等方面[16-18]已經(jīng)較廣泛的應(yīng)用。高學(xué)杰等[19-20]評(píng)估了多種區(qū)域氣候模式對(duì)氣溫和降水的模擬能力，發(fā)現(xiàn)就中國(guó)區(qū)域而言，區(qū)域氣候模式對(duì)氣溫和降水的模擬優(yōu)于全球氣候模式。翟穎佳等[21]利用RegCM4模式對(duì)北方地區(qū)干旱氣候進(jìn)行預(yù)估，研究表明未來(lái)北方氣溫呈由南至北遞增趨勢(shì)，21世紀(jì)中期春季和冬季氣溫升高較顯著。王若瑜等[22]利用CCLM模式和RegCM4模式對(duì)三峽庫(kù)區(qū)平均氣溫和極端氣溫進(jìn)行了模擬和預(yù)估，指出模式的模擬精度較高，未來(lái)氣溫、高溫日數(shù)呈升高趨勢(shì)，高溫強(qiáng)度則無(wú)明顯變化趨勢(shì)。

中國(guó)東北地區(qū)地處北半球中高緯度，氣候條件復(fù)雜、生態(tài)環(huán)境脆弱，正處于工業(yè)化、信息化、城鎮(zhèn)化和農(nóng)業(yè)現(xiàn)代化快速發(fā)展階段，氣候變暖已對(duì)糧食安全、水安全、生態(tài)安全、能源安全以及生命財(cái)產(chǎn)安全等產(chǎn)生重要影響。為了給東北區(qū)域提供更加科學(xué)的氣候變化決策依據(jù)，本文對(duì)比分析區(qū)域氣候模式RegCM4和全球氣候模式CMIP5對(duì)中國(guó)東北地區(qū)氣溫的模擬能力，并對(duì)不同排放情景下中國(guó)東北地區(qū)未來(lái)氣溫的可能變化進(jìn)行預(yù)估，以期為更好的認(rèn)識(shí)東北區(qū)域氣候變化特征提供科學(xué)支撐。

1 資料與方法

1.1 研究資料

本文數(shù)據(jù)主要由區(qū)域氣候模式RegCM4數(shù)據(jù)、參加CMIP5耦合模式比較計(jì)劃的全球氣候模式21個(gè)模式集合數(shù)據(jù)和觀測(cè)數(shù)據(jù)構(gòu)成，數(shù)據(jù)來(lái)源于國(guó)家氣候中心和中國(guó)科學(xué)院大氣物理研究所。區(qū)域氣候模式水平分辨率為25 km，垂直方向?yàn)?8層；驅(qū)動(dòng)區(qū)域氣候模式的初始場(chǎng)和側(cè)邊界值由CMIP5全球氣候模式HadGEM2-ES的逐6 h輸出提供。全球氣候模式數(shù)據(jù)來(lái)自于PCMDI(Program for Climate Model Diagnosis and Intercomparison)公開(kāi)發(fā)布的全球21個(gè)模式組提供的全球氣候模式數(shù)值模擬結(jié)果，經(jīng)過(guò)插值計(jì)算將其統(tǒng)一到同一分辨率下，利用簡(jiǎn)單平均方法獲得多模式集合資料。關(guān)于RegCM4和CMIP5的詳細(xì)信息請(qǐng)參考文獻(xiàn)[23-25]。

模式資料分為模擬資料和預(yù)估資料兩部分，模擬資料為當(dāng)前氣候背景時(shí)段下(1986—2005年)的氣溫資料，預(yù)估資料為21世紀(jì)近期(2020—2035年)、中期(2046—2065年)和末期(2080—2098年)RCP2.6、RCP4.5和RCP8.5排放情景下的氣溫資料；RCP(Representative Concentration Pathway)稱為典型濃度路徑，分別對(duì)應(yīng)2100年總輻射強(qiáng)迫相對(duì)于1750年達(dá)到2.6 W·m-2、4.5 W·m-2、8.5 W·m-2；資料區(qū)域范圍為中國(guó)東北區(qū)域(118°—136 °E，37°—54 °N)，模式資料采用分位數(shù)映射的方法進(jìn)行過(guò)訂正[15]。觀測(cè)資料為中國(guó)東北地區(qū)(遼寧省、吉林省和黑龍江省)1986—2005年162個(gè)國(guó)家基本基準(zhǔn)站逐日氣溫資料。

1.2 研究方法

本文主要從時(shí)間和空間兩方面對(duì)區(qū)域氣候模式RegCM4和全球氣候模式CMIP5的氣溫模擬能力進(jìn)行評(píng)估，并對(duì)3種排放情景下的中國(guó)東北地區(qū)氣溫進(jìn)行預(yù)估。利用雙線性插值方法將模式資料插值到中國(guó)東北地區(qū)162個(gè)氣象站上，根據(jù)中國(guó)東北地區(qū)DEM數(shù)據(jù)對(duì)模式氣溫進(jìn)行地形校正，將校正后的插值結(jié)果與觀測(cè)資料進(jìn)行對(duì)比分析，評(píng)估模式的模擬能力；然后將雙線性插值得到的預(yù)估結(jié)果與同一模式下當(dāng)前氣候背景(1986—2005年)的模擬結(jié)果進(jìn)行比較分析，得到中國(guó)東北地區(qū)未來(lái)氣溫的相對(duì)變化。分析中距平值均采用相對(duì)1986—2005年模擬氣候場(chǎng)的變化值。

雙線性插值又稱為雙線性內(nèi)插，利用周?chē)?個(gè)臨近點(diǎn)在橫坐標(biāo)和縱坐標(biāo)方向上做線性內(nèi)插以來(lái)取得目標(biāo)點(diǎn)數(shù)值；根據(jù)目標(biāo)點(diǎn)與4個(gè)臨近點(diǎn)的距離對(duì)應(yīng)權(quán)重來(lái)計(jì)算目標(biāo)點(diǎn)數(shù)值[26]。

模擬偏差是模式模擬值與觀測(cè)值之差，公式如下：

(1)

式(1)中，ERR為模式與觀測(cè)值之間的模擬偏差；Sim為模式值；Obs為觀測(cè)值；N為樣本數(shù)量。

泰勒?qǐng)D是由Taylor[27]提出的一種對(duì)不同模式進(jìn)行比較評(píng)估的方法，該方法能較為全面且直觀地同時(shí)評(píng)估多個(gè)模式模擬氣象的能力。泰勒?qǐng)D使用3種不同的統(tǒng)計(jì)量(相關(guān)系數(shù)、均方根誤差、標(biāo)準(zhǔn)差)來(lái)量化模式的模擬值與觀測(cè)值之間的對(duì)應(yīng)程度。

2 結(jié)果分析

2.1 中國(guó)東北地區(qū)氣溫模擬能力評(píng)估

2.1.1 年和四季氣溫變化的模擬

從圖1可以看出，RegCM4模式和CMIP5模式對(duì)平均氣溫的年內(nèi)循環(huán)具有很好的模擬能力，區(qū)域模式和全球模式具有較好的一致性，能很好的反映出中國(guó)東北地區(qū)7月氣溫最高、1月氣溫最低的逐月變化規(guī)律；總體而言，區(qū)域模式和全球模式模擬的氣溫基本小于觀測(cè)氣溫，RegCM4模式的模擬偏差相對(duì)較小，模擬效果優(yōu)于CMIP5模式；RegCM4模式除1月以外，均存在冷偏差，模式對(duì)6—7月、9—12月的模擬偏差絕對(duì)值均小于0.9 ℃，其中12月的模擬偏差僅為-0.16 ℃，模式對(duì)下半年氣溫的模擬能力好于上半年。CMIP5模式對(duì)1月、7月、12月的模擬效果較好，偏差絕對(duì)值均小于0.9 ℃，對(duì)比CMIP3模式對(duì)中國(guó)東北地區(qū)氣溫的模擬結(jié)果，可以發(fā)現(xiàn)CMIP5模式對(duì)氣溫模擬效果改進(jìn)明顯，平均氣溫的模擬偏差從-2.73 ℃降到-1.24 ℃，模擬偏差最明顯的8月也從-5.8 ℃減小到-1.9 ℃[28]。RegCM4模式和CMIP5模式與觀測(cè)值的相關(guān)系數(shù)均超過(guò)0.99，通過(guò)0.001的顯著性檢驗(yàn)。

圖1 1986—2005年?yáng)|北地區(qū)氣溫模擬值和觀測(cè)值逐月變化Fig.1 Monthly variation of average surface temperature simulated and observed from 1986 to 2005 in Northeast China

表1給出了RegCM4模式和CMIP5模式對(duì)中國(guó)東北地區(qū)年及四季氣溫的模擬值及其模擬誤差，結(jié)果顯示兩個(gè)模式均能較好的模擬出夏季氣溫高、冬季氣溫低的分布特征，模式對(duì)四季氣溫的模擬也均小于觀測(cè)值。RegCM4模式對(duì)冬季和夏季的模擬能力較好，模擬偏差在-0.6 ℃左右，秋季次之，對(duì)春季的模擬偏差相對(duì)較大，這與CMIP5模式的模擬偏差較一致；RegCM4模式模擬的年平均氣溫較觀測(cè)值偏低0.69 ℃，而CMIP5模式則偏低1.42 ℃。張姣艷等[29]在研究RegCM4模式和CMIP5模式對(duì)貴州過(guò)去50 a氣溫的模擬能力時(shí)指出,區(qū)域模式和全球模式的模擬氣溫均較觀測(cè)氣溫偏小，RegCM4模式的模擬效果好于CMIP5模式。張冬峰等[30]在研究RegCM4模式對(duì)中國(guó)氣候變化的模擬與預(yù)估時(shí)發(fā)現(xiàn)，RegCM4模式能較好的糾正全球氣候模式模擬東北地區(qū)和華南地區(qū)氣溫上存在的冷偏差。綜上所述，區(qū)域模式和全球模式對(duì)東北地區(qū)的年內(nèi)氣溫變化均具有較好的模擬能力，RegCM4模式的模擬效果更好。

分析1986—2005年區(qū)域模式和全球模式對(duì)東北地區(qū)年平均氣溫年際變化的模擬結(jié)果(圖略)，可以發(fā)現(xiàn)區(qū)域模式和全球模式均能較好的模擬出氣溫顯著升高的變化趨勢(shì)，并且與觀測(cè)值的增暖趨勢(shì)基本一致，RegCM4模式的升溫速率為0.66 ℃/10 a，CMIP5模式的升溫速率為0.45 ℃/10 a，均高于觀測(cè)氣溫的上升趨勢(shì)(0.37 ℃/10 a)，RegCM4模式表現(xiàn)出較明顯的年際振蕩特征，而CMIP5模式模擬的氣溫變化較平緩，RegCM4模式和CMIP5模式與觀測(cè)氣溫的時(shí)間相關(guān)系數(shù)分別為0.62和0.49，均通過(guò)0.01顯著性檢驗(yàn)，與陶純?nèi)擺31]、姜燕敏等[32]得出的結(jié)論相一致。

為了進(jìn)一步定量分析RegCM4模式和CMIP5模式對(duì)中國(guó)東北地區(qū)氣溫的模擬能力，本文給出了區(qū)域模式和全球模式模擬與觀測(cè)資料對(duì)比的泰勒?qǐng)D(圖2)，泰勒?qǐng)D是將標(biāo)準(zhǔn)差、均方根誤差和相關(guān)系數(shù)3種指標(biāo)集合于一幅圖上的極坐標(biāo)圖。其中觀測(cè)資料的標(biāo)準(zhǔn)差為1，即圖中的REF，當(dāng)模式點(diǎn)距離原點(diǎn)的長(zhǎng)度越接近1，到REF的距離越近，相關(guān)系數(shù)越大，代表該模式的模擬能力越好。綜合上述定量化結(jié)果，可以看出模式對(duì)氣溫時(shí)間序列的模擬能力略低于對(duì)空間分布的模擬能力，區(qū)域模式和全球模式對(duì)空間分布的模擬能力相對(duì)集中且相關(guān)性高。區(qū)域模式和全球模式的時(shí)間序列與觀測(cè)資料相關(guān)系數(shù)均大于0.4，空間相關(guān)系數(shù)均大于0.9，均是RegCM4模式的相關(guān)系數(shù)相對(duì)較高。就標(biāo)準(zhǔn)化偏差而言，比值均介于0.5—0.9之間，比較接近觀測(cè)氣溫的標(biāo)準(zhǔn)差。綜合而言，RegCM4模式標(biāo)準(zhǔn)差更接近觀測(cè)標(biāo)準(zhǔn)差，相關(guān)系數(shù)更接近1，均方根誤差更接近0，所以動(dòng)力降尺度后的區(qū)域氣候模式的模擬效果相對(duì)更好。

2.1.2 氣溫空間分布的模擬

對(duì)比中國(guó)東北地區(qū)區(qū)域模式和全球模式的模擬場(chǎng)和觀測(cè)場(chǎng)(圖3)，觀測(cè)資料顯示氣溫呈緯向分布，整體上呈現(xiàn)南高北低，遼寧省大連地區(qū)年平均氣溫最高，低值區(qū)位于黑龍江省西北部大興安嶺地區(qū)，東北大部分地區(qū)平均氣溫大于0 ℃，0 ℃等值線分布于大興安嶺呼瑪縣。區(qū)域模式和全球模式結(jié)果均能很好的再現(xiàn)中國(guó)東北氣溫由北向南逐漸升高的空間分布格局，且模式模擬出的冷暖中心位置與觀測(cè)結(jié)果基本一致，RegCM4模式和CMIP5模式與觀測(cè)場(chǎng)的空間相關(guān)系數(shù)分別為0.98和0.93，通過(guò)0.01的顯著性檢驗(yàn)。對(duì)比區(qū)域模式和全球模式模擬結(jié)果的差異可以發(fā)現(xiàn)，在區(qū)域尺度信息上，RegCM4模式的模擬結(jié)果明顯優(yōu)于CMIP5模式，對(duì)CMIP5模式模擬的冷偏差有一定改善，空間分布與觀測(cè)值更為接近；CMIP5模式模擬的等溫線明顯較RegCM4模式和觀測(cè)氣溫更加平直，其原因可能是CMIP5模式的分辨率較低，不能很好的模擬中國(guó)東北地區(qū)氣溫的小尺度信息[33]。張艷武等[34]指出CMIP5模式模擬的不確定性一方面與下墊面復(fù)雜的物理特性有關(guān)，另一方面也是因?yàn)镃MIP5模式的分辨率不高，對(duì)復(fù)雜地形難以細(xì)致描述。對(duì)比觀測(cè)和模擬結(jié)果表明，區(qū)域模式和全球模式對(duì)氣溫的模擬均偏低，且區(qū)域模式和全球模式的0 ℃等值線均較觀測(cè)值偏南，這可能與近年來(lái)城市熱島效應(yīng)有關(guān)[35-36]。鞏崇水等[37]利用RegCM4模式對(duì)中國(guó)過(guò)去30 a氣溫降水進(jìn)行模擬，研究表明RegCM4模式在中國(guó)范圍內(nèi)的模擬結(jié)果整體略低于觀測(cè)值，中國(guó)東北地區(qū)的誤差相對(duì)較小，在-2～0 ℃之間；朱濤等[38]基于RegCM3模式和RegCM4模式模擬中國(guó)近29 a夏季氣溫，研究發(fā)現(xiàn)中國(guó)地區(qū)普遍存在冷偏差，與本文結(jié)論相一致。RegCM4模式與觀測(cè)場(chǎng)的差異基本在-1～0 ℃之間，模擬誤差自東向西逐漸增大，誤差主要集中在吉林東部地區(qū)；CMIP5模式與觀測(cè)值的偏差主要在-1.5～0.0 ℃之間，偏差主要分布在黑龍江地區(qū)，模式對(duì)遼寧和吉林東南部地區(qū)的模擬效果相對(duì)較好。

圖2 1986—2005年區(qū)域氣候模式RegCM4和全球氣候模式CMIP5與觀測(cè)資料對(duì)比的氣溫時(shí)間序列(a)和氣溫空間分布(b)泰勒?qǐng)DFig.2 Taylor diagrams showing a comparison of time-series (a) and spatial distribution of temperature (b) simulated by the RegCM4 and CMIP5 with the observations from 1986 to 2005

單位為℃圖3 1986—2005年?yáng)|北地區(qū)年平均氣溫觀測(cè)值(a)、區(qū)域氣候模式RegCM4模擬值(b)和全球氣候模式CMIP5模擬值(c)空間分布Fig.3 Spatial distributions of the temperature simulated by the observations (a),the RegCM4 model (b),and the CMIP5 model (c)averaged from 1986 to 2005 in Northeast China

2.2 中國(guó)東北地區(qū)氣溫變化情景預(yù)估

2.2.1 年和四季變化

表2給出了區(qū)域模式和全球模式預(yù)估21世紀(jì)不同時(shí)期中國(guó)東北區(qū)域年和四季氣溫相對(duì)變化結(jié)果。區(qū)域模式和全球模式在近期、中期、末期均表現(xiàn)為RCP8.5情景下氣溫增幅最大， RCP4.5情景次之，RCP2.6情景下氣溫增幅最小。RegCM4模式和CMIP5模式預(yù)估的近期氣溫增幅差異較小，排放情景對(duì)氣溫的影響小，RCP8.5情景和RCP2.6情景下氣溫相差0.1℃左右；從中期開(kāi)始，不同排放情景下氣溫變化明顯增大，RCP8.5情景下氣溫增幅為RCP2.6情景下氣溫增幅的兩倍多；21世紀(jì)末期，RCP4.5和RCP8.5情景下氣溫增幅的差異進(jìn)一步增大，RCP8.5情景下氣溫增幅為RCP2.6情景下增幅的三倍多。此結(jié)論與陶純?nèi)擺39]、敖雪等[40]預(yù)估中國(guó)東北地區(qū)未來(lái)氣溫變化得出的結(jié)論類似。三種排放情景下，中國(guó)東北地區(qū)氣溫估算值均高于全球氣溫變化估算值，與中國(guó)地區(qū)平均氣溫增溫幅度較為接近[34]。就四季氣溫而言，區(qū)域模式和全球模式均表現(xiàn)為冬季和秋季氣溫增幅較大，春季次之，夏季氣溫增幅最小的變化特點(diǎn)，與胡芩等[41]的研究結(jié)論較一致，且3種排放情景下RegCM4模式預(yù)估的升溫幅度均大于CMIP5模式預(yù)估結(jié)果。

表2 區(qū)域氣候模式RegCM4和全球氣候模式CMIP5對(duì)東北地區(qū)21世紀(jì)近期(2020—2035年)、中期(2046—2065年)和末期(2080—2098年)年及四季平均氣溫相對(duì)變化的預(yù)估結(jié)果(相對(duì)于1986—2005年)Table 2 Results of relative changes of the annual and seasonal surface temperature in Northeast China from 2020-2035,2046-2065,and 2080-2098 predicted by the RegCM4 and CMIP5 models (relative to those from 1986 to 2005) ℃

2.2.2 趨勢(shì)變化

圖4給出了RegCM4模式和CMIP5模式預(yù)估中國(guó)東北地區(qū)2020—2098年氣溫距平的相對(duì)變化。由圖4可見(jiàn)，3種排放情景，中國(guó)東北地區(qū)年平均氣溫均呈顯著增加趨勢(shì)，RegCM4模式在不同排放情景下對(duì)應(yīng)的增暖速率分別為0.69 ℃/10 a、0.35 ℃/10 a、0.042 ℃/10 a，CMIP5模式對(duì)應(yīng)的增溫趨勢(shì)分別為0.62 ℃/10 a、0.23 ℃/10 a、0.025 ℃/10 a，在RCP4.5和RCP8.5排放情景下，區(qū)域模式和全球模式預(yù)估的氣溫升溫趨勢(shì)均通過(guò)0.05顯著性檢驗(yàn)，21世紀(jì)末期增暖最為顯著，中期次之，近期的增暖相對(duì)緩慢，且氣溫變化在2060年左右趨于平穩(wěn)，與陶純?nèi)數(shù)萚29]的預(yù)估結(jié)果較為一致。區(qū)域模式和全球模式在RCP2.6和RCP8.5排放情景下差異較小，RCP4.5排放情景下差別較大，這種差別可能與模式的氣候敏感度以及模擬技巧有關(guān)[42]。區(qū)域模式和全球模式均表現(xiàn)出排放情景越高，中國(guó)東北地區(qū)氣溫的升溫速率越顯著；RegCM4模式的增溫幅度較CMIP5模式顯著，且RegCM4模式表現(xiàn)出較明顯的年際振蕩特征，CMIP5模式預(yù)估的氣溫變化則相對(duì)平緩。

圖4 區(qū)域氣候模式和全球氣候模式預(yù)估三種排放情景下2020—2098年?yáng)|北地區(qū)平均氣溫相對(duì)變化(相對(duì)于1986—2005年)Fig.4 Variations of the average temperature evolution characteristics predicted by the RegCM4 and CMIP5 models under the three emission scenarios from 2020 to 2098 in Northeast China (relative to those from 1986 to 2005)

2.2.3 空間分布

圖5給出了3種排放情景下中國(guó)東北地區(qū)中期和末期氣溫相對(duì)變化的空間分布。由圖5可知，不同排放情景下，區(qū)域模式和全球模式預(yù)估的氣溫中期、末期的空間分布格局基本一致，均呈現(xiàn)由南向北逐漸增大的緯向分布特征，遼寧地區(qū)增溫幅度最小，增幅高值區(qū)位于黑龍江省大興安嶺地區(qū)。中期和末期，均顯示RCP2.6情景下氣溫增幅最小，RCP8.5情景下氣溫增幅最顯著，略高于RCP4.5情景。21世紀(jì)近期，3種排放情景下氣溫變化較小，氣候變暖對(duì)溫室氣體排放假設(shè)的敏感性較小(圖略)，但隨著時(shí)間推移，中期和末期各情景之間差異增大。RCP2.6情景下，中國(guó)東北地區(qū)的增溫幅度基本在1—2 ℃之間，末期增溫略大于中期；RCP4.5情景下，RegCM4模式預(yù)估的增溫幅度大于CMIP5模式，中期氣溫增幅分布在2.5—3.2 ℃之間，末期增溫幅度為3.3—3.9 ℃(RegCM4)；李熠等[43]利用全球和區(qū)域模式預(yù)估未來(lái)氣溫變化時(shí)指出，RCP4.5情景下北方地區(qū)氣溫升高2—3 ℃，增溫幅度明顯高于南方地區(qū)；RCP8.5情景下，氣溫進(jìn)一步升高，中期氣溫增幅較RCP4.5情景下超過(guò)0.5 ℃，末期氣溫增幅約為中期氣溫的兩倍，無(wú)論是近期、中期還是末期，均是黑龍江地區(qū)增溫幅度較大且增溫范圍跨度較廣。雖然北部升溫幅度較南部明顯，但是升溫后未來(lái)中國(guó)東北地區(qū)的氣溫分布特征仍是南部氣溫高于北部。

圖5 RCP2.6(圖a、d、g、j)、RCP4.5(圖b、e、h、k)、RCP8.5(圖c、f、i、l)情景下，區(qū)域氣候模式RegCM4(圖a、b、c和g、h、i)和全球氣候模式CMIP5(圖d、e、f和j、k、l)預(yù)估東北地區(qū)21世紀(jì)中期(圖a、b、c、d、e、f)和末期(圖g、h、i、j、k、l)平均氣溫相對(duì)變化(相對(duì)于1986—2005年)空間分布Fig.5 Spatial distributions of change in annual mean surface temperature in Northeast China from 2046-2065 (a,b,c,d,e,f) and 2081-2100 (g,h,i,j,k,l) under the RCP2.6 (a,d,g,j),RCP4.5 (b,e,h,k),RCP8.5 (c,f,i,l) predicted by the RegCM4 (a-c,g-i) and CMIP5 (d,e,f,j,k,l) models (relative to those from 1986 to 2005)

3 結(jié)論與討論

(1) RegCM4模式和CMIP5模式能夠很好地再現(xiàn)中國(guó)東北地區(qū)氣溫的逐月變化規(guī)律，模式模擬氣溫小于觀測(cè)氣溫，RegCM4模式的模擬偏差相對(duì)較小，模擬效果優(yōu)于CMIP5模式。模式與觀測(cè)值的相關(guān)系數(shù)均超過(guò)0.99，RegCM4模式對(duì)下半年氣溫的模擬能力好于上半年，CMIP5模式對(duì)1月、7月、12月的模擬效果較好，區(qū)域模式和全球模式對(duì)冬季和夏季的模擬效果均優(yōu)于秋季和春季。

(2) RegCM4模式的增暖速率為0.66 ℃/10 a，CMIP5模式的增暖速率為0.45 ℃/10 a，均高于觀測(cè)氣溫的上升趨勢(shì)(0.37 ℃/10 a)，RegCM4模式表現(xiàn)出較明顯的年際振蕩特征，而CMIP5模式模擬的氣溫變化較平緩。相較于CMIP5模式，RegCM4模式標(biāo)準(zhǔn)差更接近觀測(cè)標(biāo)準(zhǔn)差，相關(guān)系數(shù)更接近1，均方根誤差更接近0。

(3) 區(qū)域模式和全球模式均能很好的再現(xiàn)東北地區(qū)氣溫由北向南逐漸升高的空間分布格局，且模式模擬出的冷暖中心位置與觀測(cè)結(jié)果基本一致，模式與觀測(cè)場(chǎng)的空間相關(guān)系數(shù)分別為0.98(RegCM4)和0.93(CMIP5)。在區(qū)域尺度信息上，RegCM4模式的模擬結(jié)果明顯優(yōu)于CMIP5模式，對(duì)模擬的冷偏差有一定改善，區(qū)域模式和全球模式的模擬值基本偏小，偏差主要在-1.5～0.0 ℃之間。

(4) 未來(lái)中國(guó)東北地區(qū)在不同排放情景下的年及四季氣溫均呈升高趨勢(shì)，RCP2.6情景下增溫相對(duì)較小，其次為RCP4.5，RCP8.5情景下增幅最顯著；冬季和秋季氣溫增幅較大，夏季氣溫增幅最小。RCP4.5和RCP8.5排放情景下，區(qū)域模式和全球模式均是末期增暖最為顯著，中期次之，近期的增暖相對(duì)緩慢，氣溫變化在2060年左右趨于平穩(wěn)。3種排放情景下，RegCM4模式的增溫幅度均大于CMIP5模式，且RegCM4模式表現(xiàn)出較明顯的年際振蕩特征，CMIP5模式預(yù)估的氣溫變化則相對(duì)平緩。

(5) 區(qū)域模式和全球模式預(yù)估的東北地區(qū)不同時(shí)期不同排放情景下的氣溫分布格局比較一致，均呈現(xiàn)出自南向北逐漸增大的緯向分布特征，增溫低值區(qū)位于遼寧，增幅高值區(qū)位于黑龍江省大興安嶺地區(qū)；RCP8.5情景下氣溫增幅最大，中期氣溫增幅較RCP4.5情景下超過(guò)0.5 ℃，末期氣溫增幅約為中期氣溫的兩倍；無(wú)論是近期、中期還是末期，均是黑龍江地區(qū)增溫幅度較大且增溫范圍跨度較廣；雖然北部升溫幅度較南部明顯，但是升溫后未來(lái)中國(guó)東北地區(qū)的氣溫分布特征仍是南部氣溫高于北部。與CMIP3相比，CMIP5多模式集合平均對(duì)中國(guó)東北地區(qū)氣溫變化趨勢(shì)、氣溫空間分布上的模擬能力均有所提高，能更好地再現(xiàn)氣溫的年際變化規(guī)律和四季分布，平均氣溫的模擬偏差從-2.73 ℃降到-1.24 ℃，模擬偏差最明顯的8月也從-5.8 ℃減小到-1.9 ℃，CMIP5對(duì)冬季氣溫的模擬效果也有顯著提高[28、31]；模擬場(chǎng)和觀測(cè)場(chǎng)的空間相關(guān)性也從0.86提高到0.93；但是兩代模式均存在顯著的冷偏差以及空間分布差異偏小的問(wèn)題，RegCM4不僅能很好地改善模式模擬上的冷偏差，對(duì)于區(qū)域尺度信息的模擬也與觀測(cè)值更為接近，總體而言，RegCM4對(duì)中國(guó)東北地區(qū)氣溫有較強(qiáng)的模擬能力。在預(yù)估方面，A2、A1B、B1這3種情景下，CMIP3預(yù)估的21世紀(jì)末期中國(guó)東北地區(qū)氣溫增溫均在3 ℃以上，3種排放情景間的差異較小[44]；對(duì)比CMIP5和RegCM4的預(yù)估結(jié)果可以發(fā)現(xiàn)，RCP2.6情景下增溫均在1.6 ℃以下，RCP4.5和RCP8.5情景下氣溫增幅顯著；且RegCM4的增溫幅度較CMIP5顯著，表現(xiàn)出較明顯的年際振蕩特征。

綜合而言，雖然本文選用的高分辨率區(qū)域氣候模式和全球模式的多模式集合的模擬結(jié)果與觀測(cè)結(jié)果比較接近，但總體而言高分辨率區(qū)域模式對(duì)中國(guó)東北地區(qū)氣溫的模擬效果更好，更適應(yīng)于中國(guó)東北地區(qū)未來(lái)氣溫的預(yù)估，但是該模式在未來(lái)氣候變化預(yù)估上仍存在不確定性。其中區(qū)域氣候模式內(nèi)部變率以及該模式對(duì)全球氣候模式側(cè)邊界條件的依賴性導(dǎo)致區(qū)域模式預(yù)估的不確定性[45]；全球氣候模式的低分辨率會(huì)導(dǎo)致對(duì)大氣環(huán)流模擬的偏差，為模式預(yù)估帶來(lái)不確定性[46]；溫室氣體排放情景的不確定性以及動(dòng)力降尺度方法的優(yōu)劣都會(huì)為預(yù)估帶來(lái)不確定性；所以為了降低模式預(yù)估的不確定性，在未來(lái)的研究工作中需要利用更多的全球氣候模式結(jié)果驅(qū)動(dòng)多個(gè)區(qū)域氣候模式，結(jié)合更多源的觀測(cè)資料更好地評(píng)估模式的性能，以期減少未來(lái)預(yù)估方面的不確定性，為中國(guó)東北區(qū)域適應(yīng)氣候變化提供科學(xué)依據(jù)。