參加CMIP5計劃的四個中國模式模擬的東亞地區降水結構特征及未來變化

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降水結構特征及未來變化

林壬萍1, 2周天軍1, 3

1中國科學院大氣物理研究所大氣科學和地球流體力學數值模擬國家重點實驗室，北京100029;2中國科學院大學，北京100049;3中國科學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為降水總量和降水結構的變化。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注其降水量的長期趨勢和時空變率，較少涉及降水結構的變化。本文利用當前最新且分辨率最高、覆蓋范圍最廣的逐日亞洲陸地降水數據集（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，FGOALS-g2和FGOALS-s2），研究了東亞地區降水結構的觀測特征及四個模式的模擬能力。基于此，通過分析四個模式的未來預估試驗，探討東亞地區降水結構在全球變暖背景下的變化。結果表明：整個東亞地區的累積降水量呈現出隨著降水強度的增加先增加后減小的分布形態；降水頻率則是隨著強度的增加顯著減小。小雨（中雨）呈現出南少北多（南多北少）的形態；強降水則較多分布在華南沿海以及日本南部地區。長期趨勢上，整個東亞地區大體上呈現小雨和30 mm/d以上的大雨增加，而中等強度降水減少的變化趨勢。四個模式對東亞降水結構的氣候態模擬能力較好。BCC-CSM1-1和FGOALS-g2能夠合理再現觀測中各個強度降水的變化趨勢，而其他模式模擬不出中雨的減小趨勢。四個模式的未來預估表明，在全球變暖的背景下，東亞地區30 mm/d以上的強降水會增加。且降水強度越大，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 降水結構 降水量 降水頻率 CMIP5模式 歷史氣候模擬試驗 未來預估試驗

1 引言

在全球變暖的背景下，降水特征的改變體現為降水總量和降水結構兩方面的變化（Meehl et al., 2000；New et al., 2001；Wielicki et al., 2002；Lau and Wu，2003；Lau and Wu，2007；Lin et al., 2014）。由于水分循環在大尺度范圍內保持收支平衡，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據的誤差范圍；而降水結構的變化卻更為顯著且更易監測（Lau and Wu，2007）。所謂降水結構，即累積降水量和降水頻率隨降水強度的分布函數（簡稱為PDF）。在不同的地區，不同等級降水在總降水量中所占的比例并不一致，因此降水結構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，若降水結構發生重大轉變（如極端強降水增加而中等強度降水減弱），同樣會對人類的生活和經濟的發展產生重大影響。因為更多的強降水發生則意味著更多的洪澇及暴雪災害，而中等強度降水的減少則會導致干旱事件的加劇（Liu 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顯著升高（IPCC，2013），中國地區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）。觀測分析和數值模擬均表明，平均降水和極端降水總體上均呈現增加趨勢，但存在較大的區域差異。在有些區域是增強趨勢而在另一些區域是減弱趨勢（Allen and Ingram，2002；Meehl et al., 2007；Trenberth et al., 2007）。而降水結構對全球變暖的響應比降水總量顯著得多，這體現在極端強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），而中等強度降水則呈現減弱的趨勢（Liu et al., 2009；Chou and Lan，2012）。東亞地區是典型的季風氣候區，也是全球范圍內降水變率最大的地區之一（Tao and Chen，1987）。前人的研究多關注東亞地區降水量的長期趨勢和時空變率。觀測分析表明，隨著東亞季風環流的減弱，中國東部30°N附近的雨帶會增強而華北降水會減少（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果優于低分辨率模式（Kitoh and Kusunoki，2008；Song and Zhou，2014；Kitoh et al., 2013）。降水結構的變化涉及降水頻率、降水強度，以及不同等級降水的變化特征，其研究基礎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降水結構的變化。

近年來，日本綜合地球環境研究所（RIHN）和日本氣象廳氣象研究所（MRI/JMA）聯合實施了APHRODITE（Asian Precipitation-Highly Resolved Observational Data Integration Towards Evaluation）計劃，建立了一套逐日的、高分辨率的網格化降水數據集（Yatagai et al., 2009）。目前，該數據集已經開始被應用于氣候變化和水循環研究、高分辨率模式結果的檢驗等領域（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 的季節內變率等。吳佳和高學杰（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×經度）分辨率的格點化數據集（CN05.1）。CN05.1較之APHRODITE使用了更多的觀測站點數據，且包括日平均和最高、最低氣溫以及降水量４個變量，在中國范圍內具有更高的可信度。考慮到本文的分析范圍是東亞地區，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（Sperber et al., 2013）。利用最新的高分辨率觀測資料和CMIP5模式的模擬和預估數據，研究東亞地區降水結構的特征及其在變暖背景下的轉變，可以更好地反映溫度升高對副熱帶季風區降水的影響。有助于我們理解東亞季風降水過去的變化，并預估其未來變化。

基于此，本文通過分析APHRO的逐日降水資料和四個中國CMIP5模式的試驗數據，研究東亞地區降水結構的觀測特征及其數值模擬。本文擬回答以下四個問題：1）東亞地區降水結構的觀測特征如何？其氣候態分布和長期趨勢的主要特征是什么？2）四個中國CMIP5模式對東亞地區降水結構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年里不同強度降水和溫度變化的關系是怎樣的？4）在全球變暖背景下，多模式預估的東亞地區降水結構的未來變化如何？通過回答以上四方面的問題，有望增進我們對東亞地區降水結構的理解，并預估其未來變化。

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

2 數據和方法簡介

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逐日降水數據集（Yatagai et al., 2012）。它是當前亞洲地區覆蓋 范圍最廣、涵蓋原始觀測數據最多、時間最長、分辨率最高的一套逐日降水數據集，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。該數據集有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數據在中國地區主要采用 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數據（Yatagai et al., 2009），韓振 宇和周天軍（2012）評估了這套資料在中國地 區的適用性。本文選取其0.5°分辨率版本進行分析。

2.2 模式數據簡介

中國共有6個模式參加CMIP5，分別是由北京氣候中心研發的BCC-CSM1-1和BCC-CSM1-1-M氣候系統模式（董敏等，2009；王璐等，2009；頡衛華和吳統文，2010；郭準等，2011；Wu et al., 2014）、由北京師范大學全球變化與地球系統科學研究院研發的地球系統模式BNU-ESM（吳其重等，2013）、由中國科學院大氣物理研究所（IAP）大氣科學和地球流體力學數值模擬國家重點實驗室（LASG）發展的耦合氣候系統模式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的地球系統模式FIO-ESM（Qiao et al., 2013）。其中FGOALS-g2和FGOALS-s2的大氣分量分別為LASG/IAP發展的格點大氣模式GAMIL2和大氣環流譜模式SAMIL2；海洋分量均是LASG/IAP發展的大洋環流模式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，模式詳細信息見表1。

表1 四個中國CMIP5模式的名稱、機構、以及各個分量的垂直和水平分辨率等詳細信息

2.3 分析方法簡介

2.3.1 區域和時間段

本文分析的是（20°S～50°N，100°E～145°E）范圍內的東亞陸地地區（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模式數據的分析包括三方面：

1）對歷史氣候的觀測分析：選取APHRO數據的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據，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降水結構的模擬能力，包括對氣候態和長期趨勢模擬能力，為下一步利用模式進行未來預估提供依據。

3）未來預估結果的分析：分別選取RCP8.5情景下的未來預估試驗的2081～2100時間段以及歷史氣候模擬試驗的1986～2005時間段進行對比分析。目的是通過分析四個模式的未來預估試驗，研究東亞地區降水結構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度的大小升序排列，然后通過一定的標準將重新排列后的降水序列進行分級，通常分為十個或者更多個等級，進而得到各級降水的強度閾值。當前的研究廣泛采用的分級標準有以下三類：

1）按照累積降水量的大小進行分級，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）按照降水的發生頻率進行分級，其中每一級降水的發生頻率相等（Karl and Knight，1998）；

3）按照降水強度的大小對降水進行分級，通常取1 mm/d為間隔，也有降水強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果具有可比性，本文針對東亞地區的降水，將觀測和模式的結果統一按照降水強度的大小進行劃分。具體分級方法如下：

（i）首先，以1 mm/d為間隔，將所有的降水數據按照其降水強度的大小分為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的遞增順序進行排序，計算出每一級降水的累積降水量。進一步地，根據其累積降水量貢獻的大小，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，剩下的中等強度降水，則稱為中雨，簡稱為I25。

根據這一方法，觀測降水的分級及其各級降水的變化趨勢如表2所示。可以看出，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%的強降水閾值為大于44 mm/d，其對應的累積降水量為79 mm，約占總降水量的10%。進一步地，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，東亞地區的大雨降水量呈現增加趨勢，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，即東亞地區前1 mm/d以下的小雨發生頻率最高，高達50%以上。頻率的變化趨勢上，三種強度降水均沒有顯著的變化趨勢。

進一步地，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。可以看出，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致。

表2 APHRO數據的小雨（B5）、中雨（I25）和大雨（T10）的降水閾值以及各級降水在1951～2005時間段內的氣候態年平均累積降水量、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

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度的分布和降水頻率大小隨降水強度的分布。兩者PDF的氣候態分布特征顯示了降水結構的氣候態特征，而PDF在過去50年里的轉變，則降水結構的變化特征，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情景下的未來預估試驗的2081～2100年三個時間段內的降水閾值，單位是mm/d。這三個時間段是全文分析所用到的時間段

3 降水結構的觀測特征及其數值模擬

在接下來的分析中，本文首先基于APHRO數據研究過去50年里東亞地區降水結構的觀測特征，包括其氣候態特征和長期趨勢，以期對東亞降水結構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據與觀測進行對比，從氣候態和長期趨勢兩個方面評估四個模式對東亞降水結構的模擬能力。以下的分析從氣候態和長期趨勢兩方面展開。

3.1 氣候態

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果，而彩色實線代表模式的結果。觀測中，累積降水量隨著降水強度的增加呈現出先增加后減小的分布形態。累積降水量的最大值位于3 mm/d，隨后迅速減小。對總降水量貢獻最大的降水主要發生在20 mm/d的強度以下。四個CMIP5模式均能合理再現觀測中先增加后減小的分布形態，且最大的累積降水量也主要發生在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度的降水而低估了40 mm/d以上的強降水。對25 mm/d以下強度降水的高估上，BNU-ESM模式最強而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1951～2005年的氣候態（a）年平均累積降水量和（b）降水頻率（FOC）隨降水強度的分布情況（PDF）。橫坐標是每一個等級降水的降水強度，按照1 mm/d分級；縱坐標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果，而彩色實線代表四個模式的結果

圖1b給出了觀測和四個模式的氣候態降水頻率隨降水強度的分布情況。可以看出，觀測中隨著降水強度的增加，降水頻率呈現顯著的減小趨勢，3 mm/d以上降水的發生頻率低于10%。這種分布形態是合理的，大強度的降水發生頻率理應顯著低于中雨和小雨。四個模式均能合理再現出觀測中頻率的PDF分布特征，分布形態與觀測幾乎一致。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，四個模式對強度高于50 mm/d的降水的發生頻率均存在低估。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，中雨和大雨則多分布在中國華南沿海以及日本南部地區。四個模式對中雨和大雨在華南沿海和日本南部的大值區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，大體上可以再現出華南沿海和日本地區的大值區。模式對中國西部地區小雨的累積降水量模擬偏弱，而對中國西部地區的中雨模擬偏強。也就是說，四個模式均不能合理再現中國西部地區（25°～35°N，100°～110°E）的降水結構特征。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，出現虛假的大值中心，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空間分布特征，并且與中雨的空間分布特征進行對比。可以看出，總降水量的分布形態主要是由中雨的分布特征決定。也就是說，東亞地區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-s2四個模式氣候態累積降水量的空間分布特征，從左到右分別是中等強度降水（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。說明對于中等強度降水和強降水而言，發生次數多的地區，則累積降水量偏大。對小雨而言，觀測中呈現出北部多南部少的分布形態，發生次數相對較高的地區主要位于東亞西北部、40°N以北的地區，該地區主要為降水量偏少的沙漠和戈壁為主。結合圖2可知，東亞西北部干旱地區的小雨發生次數偏多但強度偏小。同時，圖2中小雨累積降水量偏多的中國西南部地區，小雨頻率卻偏少，則說明該地區小雨的強度是偏大的。四個模式均能較為合理的再現觀測中各級降水的發生頻率的空間分布特征，對小雨的南少北多型分布以及強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度降水的發生頻率，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-s2四個模式氣候態降水頻率的空間分布特征，從左到右分別是三種強度降水，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的降水結構模擬不合理。小雨的發生次數過少而中雨發生次數過多，進而導致了對模擬的該地區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生，卻不能模擬出其大小的區別。

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）；標準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（大于0.25）。不同的模式之間對比，FGOALS-s2和FGOALS-g2對觀測的三種強度降水空間分布的模擬能力強于BCC-CSM1-1和BNU-ESM。FGOALS- g2 模擬效果最優，BNU-ESM和BCC-CSM1-1模擬效果有待改進。需要說明的是，圖5a中小雨的結果只給出了FGOALS-s2的。原因在于其他三個模式中模式與觀測的標準差之比均大于1.5，超出了圖5a的范圍。

圖5 評估四個模式對氣候態（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（角坐標表示模式結果與觀測的空間相關系數；縱坐標表示模式標準差與觀測標準差之比。角坐標和縱坐標越接近于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增加趨勢；而低于40 mm/d降水的累積降水量則呈現明顯的減少趨勢，且減少趨勢的量級遠大于強降水的增加趨勢。隨著降水強度的增加，觀測中各個強度降水的趨勢呈現出從負到正的變化趨勢。但是，若關注相對變化的話，則降水強度越強，增加趨勢越明顯（圖略）。

四個模式中BCC-CSM1-1和FGOALS-g2能夠合理再現觀測中降水趨勢變化的分布形態，對小于40 mm/d降水的減少趨勢模擬最為合理，形態和量級均與觀測較為一致。BNU-ESM和FGOALS-s2模式均不能再現出小于40 mm/d降水的減少趨勢，而是整個降水譜呈現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強度范圍內的降水趨勢為負，與觀測和其他三個模式結果相反。

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以下的降水的強度是呈現顯著減小趨勢的。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，與觀測正好相反。

4 溫度和降水的關系

本文第3節的研究表明，東亞地區的降水結構在1951～2005時間段內呈現大雨增加，小雨和中雨減少的變化趨勢。尤其是極端強降水的增加非常明顯。Emori and Brown（2005）從影響降水的物理機制出發，指出熱力因子（即大氣水汽含量，與全球平均溫度有關）比動力因子（大氣環流）更易解 釋強降水的顯著增多現象。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）。據此理論，近年來強降水的增加可能與全球增暖有密切聯系。

本文為了進一步探討東亞地區降水結構轉變與全球性增暖之間的關系，采用了Liu et al.,（2009）提出的一種新的統計方法來分析1951～2005年間的觀測和模式中降水與溫度的關系。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度降水的貢獻（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，如圖7所示。

圖6 東亞地區不同強度降水的區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果

觀測中（圖7a），極端強降水（第10類）的變化率為約10%/K。即當全球平均溫度升高1°C時，極端強降水將增加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）則呈現負的變化率。也就是說，當全球平均溫度升高1°C時，所有小雨和大多數中雨呈現約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降水與溫度變化之間的關系，且中等強度的降水隨溫度的升高是呈現正的變化率（圖7c）。BCC-CSM1-1、FGOALS-g2和FGOALS-s2三個模式均能模擬出極端強降水增加與全球增暖之間的關系，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。BNU- ESM不能合理的模擬出該響應，是模式中影響降水和溫度關系的物理過程還不夠完善導致的。模式中的水汽含量和整層可降水量對增暖的響應誤差，可能是引起降水響應誤差的來源。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（Zhou et al., 2014；陳曉龍等，2014）。此外，模式中云微物理參數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。

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準差的范圍

5 東亞降水結構的未來變化

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致的溫度顯著升高的未來情景下，東亞地區降水結構會發生怎樣的變化。所用到的試驗數據包括耦合模式的歷史氣候模擬試驗（Historical）以及RCP8.5情景下的未來預估試驗。將未來預估的后20年（2081～2100）結果與當前氣候模擬的后20年（1986～2005）相比較，可研究溫度升高對東亞地區降水結構的影響。本文主要從PDF分布的變化和氣候態空間分布的變化來研究降水結構在全球變暖背景下的轉變。

首先，根據降水的分級方法，表3中給出了兩個時間段內四個模式的降水閾值。可以看出，當全球溫度升高后，東亞地區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的降水量級轉變。為了更好地將未來預估的氣候特征與當前氣候進行對比，本文統一將閾值選定為未來預估下的閾值，即表3中最后三列的結果。

5.1 累積降水量和頻率PDF分布的變化

圖8為未來預估的后20年（2081～2100）減去20世紀后20年（1986～2005）的累積降水量和降水頻率，表示21世紀相對于20世紀的變化程度。圖8a為累積降水量的變化，單位是mm。可以看 出，在變暖背景下，四個模式模擬的20 mm/d以上的降水均呈現增加趨勢。對40 mm/d以上強度的降水而言，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降水變化的預估上，四個模式各有不同。BNU-ESM和FGOALS-g2模式預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降水量會增加，但小雨和中雨的變化則結論不一致。圖8b和8c是降水頻率的絕對變化和相對變化率，可以看出，四個模式預估的20 mm/d以上降水的發生頻率均呈現增加趨勢，且降水強度越大，增加率越顯著。由于BNU-ESM強降水的氣候態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中略去關于BNU-ESM的結果。

5.2 累積降水量和降水頻率空間分布的變化

東亞地區累積降水量的變化與降水頻率的變化是大體上相對應的。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為未來預估中2081～2100年的氣候態降水頻率與歷史氣候模擬試驗中1986～2005年氣候態值之差。圖9中給出了四個模式集合平均的結果，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。未來預估情景下，整個東亞地區的小雨呈現出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了中雨減小，反之亦然。對T10強降水而 言，整個東亞地區一致的增加。

圖8 （a，b）東亞地區未來預估（2081～2100年）相對于現代氣候（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，東亞地區降水結構將會發生轉變，強降水在整個區域一致增加。從圖1a可知，中等強度降水在東亞地區總降水量中占主導地位。因此，整個東亞地區降水量變化的空間型由中雨的變化主導；中雨的降水量呈現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以南地區的中雨顯著減少，因此中國南方地區很可能干旱形勢變得更加嚴峻。

結合圖4中觀測的小雨和中雨降水頻率的氣候態，可知小雨和中雨的變化存在內在聯系，當小雨增加（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生向相反方向轉換的趨勢。小雨的氣候態分布很可能從南少北多轉變為南多北少；而中雨則從南多北少轉變成南少北多。

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

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

6 小結與討論

6.1 小結

本文通過分析APHRO高分辨率逐日降水資料，研究了東亞地區降水結構的觀測特征，包括各級降水的累積降水量和降水頻率的氣候態和長期趨勢。在此基礎上，評估了中國四個CMIP5模式對東亞地區降水結構的模擬能力。并進一步基于四個模式的未來預估試驗結果，探討了東亞地區降水結構在全球變暖背景下的未來變化。本文的主要結論如下：

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

2）四個模式對東亞降水結構的氣候態模擬能力較好，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能夠合理再現觀測降水的趨勢PDF分布，其他模式均不能合理再現中雨的減小趨勢，且強降水的增加率比觀測偏弱。BCC-CSM1-1、FGOALS-g2和FGOALS- s2均能合理再現出累積降水量和降水頻率的相對變化隨著降水強度增加而顯著增加的趨勢。

3）在全球變暖的背景下，30 mm/d以上的強降水的降水量和降水頻率會增加，且降水強度越大，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度降水主導的。四個模式的預估均表明：當溫度升高后，中國東部地區的降水型很可能發生轉變。對強降水而言，四個模式預估的降水量和降水頻率在整個東亞地區呈現出區域一致的增加趨勢。也就是說，溫度升高后，東亞地區的強降水會顯著增加。

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），同時中等強度降水呈現出減少的趨勢（Liu et al., 2009；Chou and Lan，2012）。本文將東亞地區的降水分為三個強度等級，研究了三種強度降水的降水量和降水頻率在東亞地區的觀測特征和未來變化。不僅在區域尺度上驗證了前人的結論，更進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特征和長期趨勢。在降水結構變化的解釋上，本文基于統計分析，給出了全球增暖與東亞地區各種強度降水變化的定量關系。

近幾十年來東亞地區氣溶膠含量的迅速增加，也會對該地區的降水結構產生影響（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引起水汽輻合變化，進而導致降水分布的變化（Lau et al., 2008）；其次，氣溶膠的半直接效應通過增加云的蒸發，造成云量和云反照率的減小，從而減少東亞地區的降水量；最后，氣溶膠還可以通過其間接效應（云反照率效應和云生命期效應）影響云和降水的形成。即氣溶膠粒子的增多會增加云滴數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）的產生，增加云的高度，延長云的生命期。數值模擬研究表明，在水汽輸送充足、大氣層結不穩定的季風區，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，容易發展成深對流云達到更高的高度，進而引起更強的降水。即增加了季風區降水的強度（Fan et al., 2012；Li and Zhou，2011；Rosenfeld et al., 2008）。對降水結構的影響上，氣溶膠的間接效應會使得小雨減少，強降水增加。

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系。當全球平均溫度升高時，強降水顯著增加，并且進一步指出這種規律在區域尺度上也成立。本文基于同樣的統計方法，在東亞地區驗證了這一結論（圖7）。RCP8.5情景是未來預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情景下預估的東亞地區極端降水呈現顯著并且一致的增加趨勢（圖9），根據降水對溫度的依賴關系，顯然是由于溫度升高導致。

在東亞地區，小雨和中雨的變化呈現出內在一致性（圖4和圖9）。即小雨偏多（少）的地區中雨偏少（多）；同時小雨呈現增加（減少）趨勢的地區中雨則呈現減少（增加）趨勢。這種內在一致性很可能與引發小雨和中雨的不同類型的云以及他們之間的內在聯系有關。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的是暖云降水和混合云降水。當暖云降水增加后，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. 2014. 影響氣候系統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：地球科學，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, 吳統文, 王在志, 等. 2009. 北京氣候中心大氣環流模式對季節內振蕩的模擬[J]. 氣象學報, 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, 吳春強, 周天軍, 等. 2011. LASG/IAP和BCC大氣環流模式模擬的云輻射強迫之比較[J]. 大氣科學, 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的適用性[J]. 大氣科學, 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.

頡衛華, 吳統文. 2010. 全球大氣環流模式BCC_AGCM2. 0. 1對1998年夏季江淮流域強降水過程的回報試驗研究[J]. 大氣科學, 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估: 多模式集合結果及其不確定性[J]. 氣候變化研究進展, 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, 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降水變化 [J]. 大氣科學, 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. 中國地區不同強度降水的變化趨勢 [J]. 北京大學學報(自然科學版), 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系[J]. 熱帶氣象學報, 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, 吳統文, 等. 2009. BCC大氣環流模式對亞澳季風年際變率主導模態的模擬 [J]. 氣象學報, 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, 等. 2006. 中國雨日的氣候變化[J]. 大氣科學, 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, 高學杰. 2013. 一套格點化的中國區域逐日觀測資料及與其他資料的對比[J]. 地球物理學報, 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降水結構特征及未來變化 [J]. 大氣科學, 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；網絡預出版日期2014-07-08

中國科學院戰略性先導科技專項XDA05110300，全球變化國家重大科學研究計劃“高分辨率氣候系統模式的研制與評估”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