不同升溫閾值下中國地區極端氣候事件變化預估

陳曉晨 徐影 姚遙

1 湖南省氣候中心，長沙410118

2 中國氣象局國家氣候中心，北京100081

3 中國氣象局氣候研究開放實驗室，北京100081

4 清華大學地球系統科學研究中心，北京100084

1 引言

為有效減緩和應對氣候變化、控制溫室氣體排放，包括歐盟成員國在內的一百多個國家和眾多國際組織已經將避免2°C全球變暖（相對于工業化前）作為溫室氣體減排的目標（Meinshausen et al.,2009）。一旦全球平均氣溫（ASAT）達到2°C升溫閾值，將會對包括極端天氣和氣候事件、冰川、海平面、人體健康等在內的多個方面產生深刻的影響（Schneider et al., 2007），故2°C閾值被認為是一個氣候變化影響的危險水平閾值（Joshi et al., 2011）。但從IPCC第五次評估報告（AR5）（IPCC，2013）的評估結果來看，到21世紀末，全球平均的ASAT在高排放情景（RCP8.5）下可能升溫4°C（相對于工業化前），這樣的溫度升幅將大大超過了被認為保障全球氣候變化安全的2°C閾值。The World Bank（2012）的最新報告指出：如果全球達到 4°C升溫閾值，在很多地區將會出現破紀錄的高溫熱浪事件和極端干旱、洪澇事件，并將對生態系統構成嚴峻的威脅，因此世界各國必須盡一切努力避免出現4°C增溫以防止帶來災難性的后果。而以往的研究表明，中國的溫升幅度要顯著大于全球平均（Zhou and Yu，2006），是世界上受氣候變化影響最為嚴重的地區之一（Zeng et al., 2008）。因此，深入分析全球較高升溫閾值下中國的氣候變化情況，特別是對極端氣候事件變化的認識顯得尤為現實而緊迫。

全球氣候模式作為預估未來氣候變化的重要工具，被廣泛應用在相關的研究工作中。基于耦合模式比較計劃第三階段（CMIP3）全球氣候模式的模擬數據，發現在2°C全球變暖背景下，中國氣候變暖的幅度比全球平均更大，在模式集合平均(MME) 結果中，三種排放情景下中國地區的ASAT上升2.7°C～2.9°C，降水增加3.4%～4.4%，各季節內也均為增加趨勢（姜大膀和富元海，2012）。隨著IPCC AR5的發布，一些學者基于耦合模式比較計劃第五階段（CMIP5）全球氣候模式的模擬數據得到了諸多有意義的結論：如胡芩等（2014）的評估結果表明，CMIP5模式對青藏高原地區年均地表氣溫低估了約2.3°C，對年均降水模擬偏多約1.3 mm d-1；金晨曦和周天軍（2014）的評估結果表明，參加CMIP5的四個中國模式可以合理再現東亞夏季風的高低層環流系統；周秀華和肖子牛（2014）基于CMIP5模式的結果預估了云南地區21世紀前半葉的氣候變化。Zhang（2012）基于17個CMIP5模式的結果分析了全球和中國地區在 RCP4.5排放情景下到達 2°C的時間及空間分布特征。張莉等（2013）利用29個CMIP5模式的結果分析了在三種典型濃度路徑（RCP2.6、RCP4.5和RCP8.5）下21世紀全球與中國地區平均的 ASAT變化特征和不同幅度增溫出現的時間，并進一步分析了預估結果的不確定性。

除了上述學者關注的氣候平均態的變化，極端氣候事件變化的影響更為關鍵（Lang and Sui,2013），極端氣候事件對氣候變暖的響應相對平均氣候更加敏感（Yao et al., 2013）。基于最新的CMIP5模式數據的預估結果：21世紀中國地區極暖日數和熱浪事件顯著地增多，而極冷日數和寒潮事件則呈減少的趨勢（Yao et al., 2012）；降水的極端性增強，其中全國范圍內毛毛雨頻次明顯減少，中雨、大雨和暴雨的發生頻次顯著增加（Chen, 2013）。上述極端事件變化的強度很大程度上依賴于未來輻射強迫的變化，在較高典型濃度排放路徑（RCP8.5）情景下，極端事件的變化更加顯著（Li et al., 2013）。21世紀極端氣候事件的顯著變化，增加了未來中國地區與天氣氣候相關災害發生的風險。

未來不同升溫閾值下中國地區極端氣候事件的定量化分析對管理災害風險及政策制定有重要的指示意義，然而，這方面的研究目前仍很少見。此外，中國地區的未來氣候變化呈現明顯的區域化差異（Sui et al., 2014）。對應全球2°C變暖，中國地區變暖從南向北加強，在青藏高原地區存在一個升溫大值區；年平均降水在華南大部分地區減少，而在其余地區增加（姜大膀和富元海，2012）；東部沿海地區將更可能遭受與高溫相關的疾病和死亡，華南地區面臨洪澇和干旱等災害的風險將更高（Li et al., 2013）。因此，本文利用18個CMIP5全球氣候模式的結果，將中國地區合理劃分為8個子區域，深入認識在全球不同升溫閾值下中國各個區域的氣候變化情況，特別是極端氣候事件的變化，為更好地適應和應對氣候變化和參與國際氣候變化談判提供科學依據。

2 數據和方法

對于極端氣候事件的研究需要使用逐日分辨率以及同時具備歷史和未來三種情景下的模擬數據，因此，從多個CMIP5全球氣候模式中（Taylor et al., 2012），綜合考慮選取了18個全球氣候模式的歷史和未來的數值模擬結果，模式資料的詳細信息見表1，更多細節可參閱 http://cmip-pcmdi.llnl.gov/cmip5/[2015-06-11]。

表1 18個CMIP5全球氣候模式基本信息Table 1 Information on the 18 CMIP5 (the Coupled Model Intercomparison Project Phase 5) GCMs

21世紀不同升溫閾值是相對于工業化前的氣候而言，兼顧考慮各模式歷史氣候模擬的起始時間不同，本文統一選取1861～1900年平均作為21世紀不同升溫閾值的參考時段。而在分析不同升溫閾值下未來中國地區極端氣候事件變化時，參考IPCC AR5（2013）的定義，選取1986～2005年作為當前氣候參考時段。為便于分析，使用雙線性插值方法將所有模式結果統一插值到 1°×1°的格點上。MME的計算采用國際上廣泛使用的等權重平均方法。

本文分析時選取了 27個國際上常用的極端氣候指數，用來描述中國地區的極端氣候事件。這些極端氣候指數的詳細信息見表2，指數的定義采用氣候變化檢測和指標專家組（ETCCDI）的標準（Zhang et al., 2011）。

此外，由于氣候變化對各區域的影響有所不同，具有明顯的區域特征，本文參考第二次氣候變化國家評估報告（2011），將中國地區分為華北（NC）、東北（NEC）、華東（EC）、華中（CC）、華南（SC）、西南（SWC2）、西北（NWC）、青藏高原（SWC1）8個區域（圖1），更直觀地呈現不同區域對氣候變化的響應。

3 結果分析

3.1 不同升溫閾值發生時間

圖2所示為模式模擬的全球平均ASAT在過去及未來三種不同RCP排放情景下的變化曲線。由于全球平均ASAT具有明顯的年際變率特征，在某一年到達某升溫閾值并不能表示全球氣候系統的平均狀態已到達該閾值，故圖中的溫度距平序列均已做了 9點滑動平均處理，以此來表征全球平均的ASAT相對穩定的演變趨勢。如無特殊說明，下文的結果均做了類似的9點平滑處理。圖中藍色實線為MME變化曲線，彩色虛線為不同模式的變化曲線。結果表明，雖然在 RCP2.6排放情景下 MME并未在21世紀達到2°C升溫幅度，但仍有7個模式在21世紀上半葉（2050年之前）超過了2°C的升溫閾值。MME在RCP4.5和RCP8.5排放情景下均超過2°C，發生時間分別是2046年和2038年，在RCP8.5排放情景下達到3°C升溫閾值的時間是2060年，而在2080年升溫幅度超過了4°C，這與前人的研究結果基本一致（Zhang, 2012；張莉等，2013）。從單個模式的模擬結果看，RCP4.5排放情景下只有 GFDL-ESM2G、GFDL-ESM2M 未達到2°C增溫，RCP8.5排放情景下所有模式在21世紀上半葉都超過 2°C。在 RCP8.5排放情景下，所有模式都達到了3°C的增溫幅度，但有3個模式并未在21世紀超過4°C。

圖1 中國8個分區分布示意圖Fig. 1 Distribution of eight sub-regions in China. NWC, NC, NEC,SWC1, CC, EC, SWC2, and SC represent Northwest China, North China,Northeast China, Tibetan Plateau, Central China, East China, Southwest China, and South China, respectively

表2 27個極端氣候事件指數定義（ETCCDI）Table 2 Definition of the 27 extreme climate indices defined by the joint Commission for Climatology, Climate and Ocean:Variability, Predictability and Change, and Joint Technical Commission for Oceanography and Marine Meteorology(CCl/CLIVAR/JCOMM) Expert Team on Climate Change Detection and Indices (ETCCDI)

據上述分析，將全球平均的ASAT在21世紀達到不同升溫閾值的情形分為四種：在RCP4.5排放情景下達到2°C增溫（以下簡稱RCP4.5-2°C）、在 RCP8.5排放情景下達到 2°C、3°C、4°C 增溫（以下分別簡稱 RCP8.5-2°C、RCP8.5-3°C、RCP8.5-4°C）。在這四種不同升溫閾值情形下（RCP4.5-2°C、RCP8.5-2°C、RCP8.5-3°C 和 RCP8.5-4°C）MME 預估全球平均降水分別增加 2.9%、2.8%、4.3%和6.1%，即隨升溫閾值升高全球平均降水增加。這也與過去研究認為的全球平均降水隨溫度變化關系為1%～3%/°C的結論相一致（Mitchell et al., 1987;Held and Soden, 2006），未來降水的這種變化主要受大氣能量平衡變化及與環流、濕度和溫度的相互作

用所影響（Previdi, 2010; O’Gorman et al., 2012）。

圖2 （a）RCP2.6、（b）RCP4.5和（c）RCP8.5排放情景下全球平均的ASAT距平序列（單位：°C）（相對于1861～1900年基準期）Fig. 2 Time series of global annual average surface air temperature (ASAT) anomalies (units: °C) under scenarios (a) RCP2.6 (Representative Concentration Pathways), (b) RCP4.5, and (c) RCP8.5, with reference to the baseline climatology during 1861-1900. MME represents the results of multi-model ensemble mean value

3.2 不同升溫閾值下中國地區氣候平均態的變化

圖3給出全球平均ASAT達到不同升溫閾值時中國及8個分區溫度和降水的相應變化。結果表明，在四種不同升溫閾值情況下，中國地區平均的ASAT相對工業化前的增溫幅度分別達到 2.6°C、2.5°C、4.0°C、5.2°C，均超過相應的全球升溫閾值。東北、西北、華北以及青藏高原地區在四種不同升溫閾值情況下變暖幅度高于中國其他地區，這與前人研究的結論相一致（Jiang et al., 2009; Chen and Frauenfeld，2014）。這四個地區在 RCP4.5-2°C 和RCP8.5-2°C情況下增幅均超過2.6°C；西北地區增幅最大，在RCP8.5-4°C情形下可達5.7°C。而華東、華南、華中和西南地區在四種不同升溫閾值情況下變暖幅度相對較小。華南和西南地區在RCP8.5-2°C情形下增暖均為 1.9°C，均低于全球平均增暖。綜合來看，中國8個分區表現為一致性增暖，高緯度和高海拔地區對全球變暖的響應強于中低緯地區；全球升溫閾值越高，中國各地區增暖幅度越大。

從圖3b可見，未來全球增暖背景下，中國地區平均降水表現為增多的趨勢，在 RCP4.5-2°C、RCP8.5-2°C、RCP8.5-3°C 和 RCP8.5-4°C 情形下，中國地區平均降水相對工業化前分別增加 3.5%、2.0%、5.5%、8.9%，除了RCP8.5-2°C外，中國平均降水在其他情形略大于同期全球平均降水的變化。區別于平均氣溫的變化，不同升溫閾值下中國地區平均降水的變化呈現出明顯的區域特征。當全球平均ASAT在RCP4.5排放情景下升高2°C時，MME預估我國東北、華北、西北和青藏地區的降水增多，華南降水減少，華東、華中和西南地區降水無明顯變化，即從整體上我國將表現為南澇北旱格局減輕的趨勢，其中西北地區變化幅度最大，在RCP8.5-4°C情形下增幅約為18.0%。隨升溫閾值的升高，我國北方和高原地區的降水增幅呈增大趨勢，Chen and Sun（2009）利用CMIP3模式數據也得出了類似的預估結果。需要指出的是，全球氣候模式預估未來降水的局地變化時存在較大的不確定性，在南方大部分地區，模式預估結果間的一倍標準差（圖3b中豎線范圍）高于模式集合平均預估的變化幅度，這主要是由于中國各區域的降水本身具有較強的年代際振蕩（Xu and Xu，2012），對于降水變化幅度相對較小的地區，每個模式只使用一個集合成員時，內部變率會對結果產生相對較大的影響（Deser et al.，2012）。

圖3 中國8個地區在不同升溫閾值下年平均（a）氣溫的變化（單位：°C）和（b）降水的變化（單位：%）（相對于1861～1900年基準期）Fig. 3 Changes in annual (a) ASAT (units: °C) and (b) average precipitation (units: %) over eight sub-regions in China under different temperature thresholds,with reference to the baseline climatology during 1861-1900

3.3 不同升溫閾值下中國地區極端溫度事件的變化

在全球變暖背景下，一些地區的極端氣候事件的變化可能比氣候平均態的變化更加顯著，從而對自然環境和人類生活造成深遠影響。因此，有必要深入分析不同升溫閾值下中國地區極端氣候事件的變化。本文選取了 27個極端氣候指數來全面地綜合考察極端氣候事件的變化特征，其中有 16個指數用于衡量極端氣溫事件，為便于分析，根據這些指數的定義將這16個指數分為三大類。

第一類表征極端氣溫的指數包括日最高氣溫最大值（TXx）、日最高氣溫最小值（TXn）、日最低氣溫最大值（TNx）、日最低氣溫最小值（TNn）和溫度日較差（DTR）。這類指數主要用來表現極端氣溫的強度特征以及最高、低溫之間的相對變化。圖4給出了多模式預估的這一類指數在全球不同升溫閾值下中國地區的變化情況。為了反映模式預估結果的不確定性，用盒須圖表示 18個模式模擬的差異范圍，盒須圖的上、下虛線分別表示模式最高、最低預估范圍，箱體的上、下邊界分別表示多模式結果的上、下四分位，即箱體的范圍反映了多模式預估結果的50%可能性區間。

在不同升溫閾值情形下，中國及各個區域平均的TXx、TXn、TNx、TNn均呈現增加的特征，且隨著閾值的增加，這些指數的增加幅度更大，但各個指數的表現不同，同一指數也表現出區域性差異。這些指數中，TNn的增幅最大，TNx的增幅最小，在RCP8.5排放情景下全球平均ASAT相對工業化前升高4°C時，MME預估中國地區平均TNn相對參考時段（1986～2005年）將升高5.3°C，TNx的增幅為4.3°C，相比TNn的增暖約小1.0°C，TXx和TXn的變化則介于這兩者之間，分別為4.4°C和4.6°C。從各分區的變化情況來看，TXn和TNn的區域性差異高于TXx和TNx，且在較高升溫閾值情形下，差異更大，如RCP8.5-4°C情景下，MME預估東北地區的TNn相對參考時段的增暖為6.5°C，而對華南地區為3.3°C，二者相差近一倍。由于TXn和TNn一般發生在冬季，這一變化特征也同未來冬季北半球高緯度地區增暖高于中低緯度地區這一預估結論相一致（Knutti and Sedlá?ek, 2013）。

DTR是每日最高氣溫與最低氣溫的年平均值，反映了晝夜溫差的平均狀態。在未來不同升溫閾值情形下，中國地區平均的 DTR略有減少，但不顯著，當全球平均的ASAT升高4°C時，MME預估中國地區平均DTR將減少0.1°C。MME對中國各分區在未來不同升溫閾值情形下的預估盡管變化情況不一，但均不顯著，最多不超過 0.3°C。我國北方（NEC、NC和NWC）和青藏高原地區由于最低氣溫的增暖幅度略大于最高氣溫，故 DTR略有減少，減少幅度的不確定性隨升溫閾值的升高而增大。

第二類表征極端氣溫的指數分別為冷夜指數（TN10p）、暖夜指數（TN90p）、冷晝指數（TX10p）和暖晝指數（TX90p）。這類指數以氣候基準期的百分位數作為表示溫度極端性的閾值，在該定義下，通過統計極端事件發生的頻率特征，從而可以反映出溫度在概率分布左右兩端特征的變化情況。從圖5可以看出，在未來不同升溫閾值情景下，TN90p、TX90p表現為顯著地增多，即表明將會發生更多的暖夜和暖晝，且隨著閾值的升高而顯著地增多；TN10p、TX10p則表現為一定程度地減小，即冷夜和冷晝的發生頻率將有所減少，且隨著閾值的升高減少幅度越大。在這四個指數中，TN90p的變化最為明顯，當全球平均的ASAT升高4°C時，MME預估中國區域平均的TN90p將增加49.9%。當前的氣候模式對極端氣候的模擬存在較大的不確定性，各單個模式間的結果差異較大，且隨升溫閾值的升高，模式之間的差異越大。這四個指數中，TX90p的不確定性范圍最大， TX10p相對較小。

第三類表征極端氣溫的指數分別為生長季節長度（GSL）、霜凍指數（FD）、夏季日數（SU）、熱帶夜數（TR）、持續冷期指數（CSDI）、持續暖期指數（WSDI）和冰凍日數（ID）。這類指數以某一具體的溫度值為衡量極端事件的閾值，這些閾值（如0°C、25°C等）對作物生長，人類生活等都具有重要的指示意義，通過統計超過這些固定閾值的事件的頻率，可以反映一部分極端氣溫事件的持續性特征。從圖6可以明顯看出，中國地區平均的GSL、SU、TR、WSDI表現為顯著增加的變化特征，增幅隨著閾值的升高而增加，而FD、ID則表現為顯著減少的變化特征，隨著閾值的升高而減少幅度越大。中國地區平均的CSDI為減少趨勢，但并不顯著，不同升溫閾值間的差異也不明顯。

在不同升溫閾值情形下，除華南地區GSL增加較小外，中國其他分區的GSL都有明顯增多，其中青藏高原地區增加幅度最大。在RCP8.5排放情景下，全球平均氣溫升高 2°C、3°C、4°C 時，MME預估青藏高原地區的GSL將分別增多24.3天、42.7天和58.2天。同時，青藏高原地區GSL變化的預估不確定性也要高于其他地區，相同的升溫閾值情形下，其最高和最低的預估之差可達 38天。相比其它地區，青藏高原地區也是FD、SU、ID變化最明顯的地區；但是，由于青藏高原高原的高海拔特征，平均氣溫相對較低，因而即使在全球平均的ASAT升高4°C時，SU和TR只有相對較小的增加。與之相反，我國華南和西南地區平均氣溫較高，ID已幾乎為0，因而在全球增暖的背景下，ID不再出現明顯的變化。

圖4 中國8個分區在不同升溫閾值下（a）TXx、（b）TXn、（c）TNx、（d）TNn和（e）DTR的變化盒須圖。單位：°CFig. 4 Boxplots of changes in (a) TXx (maximum value of daily max temperature), (b) TXn (minimum value of daily max temperature), (c) TNx (maximum value of daily min temperature), (d) TNn (minimum value of daily min temperature), and (e) DTR (diurnal temperature range) over eight regions in China under different temperature thresholds. Units: °C

圖5 同圖4，但為（a）TN10p、（b）TN90p、（c）TX10p和（d）TX90p。單位：%Fig. 5 As Fig. 4, but for (a) TN10p (cool nights), (b) TN90p (warm nights), (c) TX10p (cool days), and (d) TX90p (warm days). Units: %

圖6 同圖4，但為（a）GSL、（b）FD、（c）SU、（d）TR、（e）CSDI、（f）WSDI和（g）ID。單位：dFig. 6 As Fig. 4, but for (a) GSL (growing season length), (b) FD (frost days), (c) SU (summer days), (d) TR (tropical nights), (e) CSDI (cold spell duration indicator), (f) WSDI (warm spell duration indicator), and (g) ID (ice days). Units: d

3.4 不同升溫閾值下中國地區極端降水事件的變化

類似地，根據定義將 11個用于衡量極端降水事件的指數分為兩大類。第一類指數為降水日數（R1mm）、中雨日數（R10mm）、大雨日數（R20mm）、連續干日（CDD）、連續濕日（CWD）。這些指數反映了極端降水發生的頻率以及干濕狀況的最長持續時間。從圖7可以看出，這幾個指數表現出中國地區平均變化較小，而區域性變化差異較大的特點。如從中國地區平均來看，R1無明顯變化（RCP8.5-4°C情景下變化為 0.9天），而在華南地區為減少，西北地區為增多趨勢，但多模式之間的預估存在較大的不確定性，使這種變化的趨勢并不顯著。模式預估中國及各地區平均的R10 mm和R20 mm都有一定的增加，其中西南地區增幅最大，西北地區增幅最小，模式間的不確定性在西南地區最大，如RCP8.5-4°C情景下西南地區R10 mm的最高和最低預估相差超過12天。

圖7 同圖4，但為（a）R1mm、（b）R10mm、（c）R20mm、（d）CDD和（e）CWD。單位：dFig. 7 As Fig. 4, but for (a) R1mm (number of precipitation days), (b) R10mm (number of heavy precipitation days), (c) R20mm (number of very heavy precipitation days), (d) CDD (consecutive dry days), and (e) CWD (consecutive wet days). Units: d

在未來不同升溫閾值下，我國東北、華北和西北地區的 CDD均有所減少，其中西北地區減少幅度最大，MME預估RCP8.5-4°C情景下其CDD可能減少8.5天，幅度大于中國區域平均的3.3天。模式對未來四種不同升溫閾值情景下 CDD變化的預估存在較大的不確定性，尤其是在 RCP8.5-4°C情景下，最高和最低預估間差異在西南地區可達40天以上。在未來各升溫閾值下，中國及各分區平均的CWD均無明顯變化，各情景間的不確定范圍也無明顯差別，不確定性較高的地區主要是青藏高原地區和西南地區。

第二類指數為日最大降水量（RX1day）、五日最大降水量（RX5day）、強降水量（R95p）、極端強降水量（R99p）、降水強度（SDII）、濕日總降水量（PRCPTOPT），這類指數從量級上反映了極端降水的強度特征（圖8）。從中國地區平均來看，在全球平均氣溫達到2°C、3°C、4°C升溫閾值下，這些指標均呈現增加趨勢，即表現為未來中國地區的降水極端性在增強，不僅單次降水過程的量級（SDII）將增大，極端降水過程的量級（RX1day、RX5day）也有所增加，同時，極端降水事件所產生的總降水量（R95p和R99p）也將增多。隨著升溫閾值的升高，這幾個指數所描述的極端降水的強度都隨之不斷增強。當全球平均的ASAT升高3°C時，MME結果表明中國平均的 RX5day相比參考時段增加12.5 mm，在4°C情形下這一增幅為17.0 mm。在不同排放路徑不同時刻達到相同升溫閾值時，中國地區平均極端降水的強度無顯著差異。如全球平均溫度分別在RCP4.5和RCP8.5排放情景下達到2°C閾值時，MME預估中國地區平均R99p相比參考時段的增幅分別為21.2 mm和21.9 mm。從中國各分區的結果來看，極端降水強度在中國8個分區均為增加趨勢，且增幅隨升溫閾值的升高而增大。從這個五個指數綜合來看，西南地區降水強度的極端性增幅最大，西北地區增幅最小。當全球平均的 ASAT增加 4°C時，西南地區 R99p相對參考時段增加116.5 mm，這一結果高出中國平均增幅近兩倍，高出西北地區增幅近六倍。對比中國各分區平均降水在不同升溫閾值下的變化情況可以發現，盡管華東、華中、華南和西南地區的平均降水在未來不同升溫閾值下多表現為減少的趨勢，但極端降水強度的變化則為一致地增加，表明降水的極端性在增強，這一變化特征也與 CMIP5模式預估的全球大部分地區極端降水變化相一致（Sillmann et al.，2013）。

從這六個極端降水指標的盒須圖可見（圖8），當前的氣候模式預估未來不同升溫閾值下極端降水強度的變化具有較大的不確定性，且這種不確定性隨升溫閾值的升高而增大。在不同排放路徑下達到相同升溫閾值時，極端降水強度的預估結果不確定性無明顯差異。當全球平均氣溫升高4°C時，多模式預估中國區域平均日最大降水量相對參考時段的50%變化范圍為7.4 mm至12.8 mm之間，多模式預估可能發生的最高增幅是最低增幅的近三倍，分別為18.7 mm和6.0 mm。對比中國8個分區的預估結果可以發現，六種極端降水強度指標總體表現為在增幅較大地區不確定性也較大。同樣的升溫閾值下，MME預估西南地區的降水極端性增幅高于其他地區，其不確定范圍也高于其他地區；西北地區由于降水量級較小，其極端降水變化的信號也相對較弱，多模式對其預估的不一致性也相對較小。在 RCP8.5-3°C升溫閾值下，多模式預估西南地區的強降水量變化 50%的可能性為 22.9 mm至124.1 mm之間；而在西北地區，這一范圍為17.6 mm至31.6 mm。需要指出的是，盡管多模式對未來不同升溫閾值下極端降水強度特征變化的定量預估存在較大的不確定性，但多數模式對中國幾乎所有分區的預估結果均顯示出一致的變化趨勢，即中國地區極端降水的強度在未來以增加為主要變化特征。

圖8 同圖4，但為（a）RX1day（單位：mm）、（b）RX5day（單位：mm）、（c）R95p（單位：mm）、（d）R99p（單位：mm）、（e）SDII（單位：mm d-1）和（f）PRCPTOT（單位：mm）Fig. 8 As Fig. 4, but for (a) RX1day (max 1-day precipitation amount; units: mm), (b) RX5day (max 5-day precipitation amount; units: mm), (c) R95p (very wet days; units: mm), (d) R99p (extremely wet days; units: mm), (e) SDII (simple daily intensity index; units: mm d-1), and (f) PRCPTOT (annual total wet-day precipitation; units: mm)

4 結論

本文利用了 18個 CMIP5全球氣候模式的結果，評估了全球平均的ASAT在21世紀到達2°C、3°C、4°C升溫閾值時，中國地區溫度、降水平均氣候態以及極端氣候事件的相應變化，主要結論如下：

（1）多數模式集合結果表明，RCP2.6排放情景下，全球平均 ASAT沒有達到 2°C閾值，RCP4.5和RCP8.5排放情景下，預估全球平均的ASAT相對工業化前升溫2°C的時間分別可能為2046年和2038年。在RCP8.5排放情景下，多數模式預估全球平均氣溫將在2080年超過4°C閾值。

（2）當全球平均的 ASAT 升高 2°C、3°C、4°C時，MME預估中國地區平均的 ASAT變化約為2.6°C、4.0°C、5.2°C，我國北方和青藏高原地區的增暖強于其他地區。在各升溫閾值下，我國降水表現為北方降水增多，南方降水減少或不變的趨勢，即表現為我國南澇北旱可能得以緩解。我國北方地區降水的增幅隨閾值的升高而增大，其中西北地區增幅最大，在RCP8.5-4°C情形下增加約18.0%。

（3）在全球平均的 ASAT 升高 2°C、3°C、4°C時，中國地區極端暖事件（如TN90p、TX90p、TR）明顯增多，極端冷事件（如FD、TN10p、TX10p）減少，隨閾值的升高，這些變化幅度增大。在RCP8.5-4°C情景下 TNn相對參考時段約增暖5.3°C，高于TXx、TXn和TNx的增幅。DTR在各升溫閾值下均無明顯變化趨勢，CSDI在不同升溫閾值下的變化差異相對較小。

（4）在不同升溫閾值下，中國地區降水的極端性也體現出增強的趨勢，強降水事件發生的頻率（如 R10mm、R20mm）將會升高，極端降水事件的強度（如 RX5day、R99p）也明顯地增加。隨升溫閾值的升高，極端降水也有增強的趨勢，在RCP8.5-3°C和RCP8.5-4°C情形下，中國地區平均的RX5day變化分別約為12.5 mm和17.0 mm。從整體看來，我國西南地區極端降水強度的增幅高于其他地區，在RCP8.5-4°C情形下，R99p的增幅為中國地區平均的近兩倍，為西北地區約六倍。

需要指出的是，上述結論主要依據全球氣候模式的模擬結果，由于氣候系統的復雜性，當前對其相關反饋過程和機制的理解仍存在很大不足，氣候模式也難以對其復雜的物理過程進行細致的描述（Gleick et al.，2010）。因此，對未來不同升溫閾值下氣候變化評估的完善也依賴于對氣候系統進一步的認識及氣候模式的發展。

致謝 感謝各模式組提供CMIP5模擬結果。

（References）

Chen H P. 2013. Projected change in extreme rainfall events in China by the end of the 21st century using CMIP5 models [J]. Chinese Science Bulletin, 58 (12): 1462-1472.

Chen H P, Sun J Q. 2009. How the “best” models project the future precipitation change in China [J]. Adv. Atmos. Sci., 26 (4): 773-782.

Chen L, Frauenfeld O W. 2014. Surface air temperature changes over the twentieth and twenty-first centuries in China simulated by 20 CMIP5 models [J]. J. Climate, 27 (11): 3920-3937.

Gleick P H, Adams R M, Amasino R M, et al. 2010. Climate change and the integrity of science [J]. Science, 328 (5979): 689-690.

Deser C, Phillips A, Bourdette V, et al. 2012. Uncertainty in climate change projections: The role of internal variability [J]. Climate Dyn., 38 (3-4):527-546.

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

胡芩, 姜大膀, 范廣洲. 2014. CMIP5全球氣候模式對青藏高原地區氣候模擬能力評估 [J]. 大氣科學, 38 (5): 924-938, doi:10.3878/j.issn.1006-9895.2013.13197. Hu Q, Jiang D B, Fan G Z. 2014. Evaluation of CMIP5 models over the Qinghai-Tibetan Plateau [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 38 (5): 924-938, doi:10.3878/j.issn.1006-9895.2013.13197.

IPCC. 2013. Climate Change 2013: The Physical Science Basis [M]//Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, UK and New York, USA: Cambridge University Press, 89pp.

姜大膀, 富元海. 2012. 2°C全球變暖背景下中國未來氣候變化預估 [J].大氣科學, 36 (2): 234-246. Jiang D B, Fu Y H. 2012. Climate change over China with a 2°C global warming [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 36 (2): 234-246.

Jiang D B, Zhang Y, Sun J Q. 2009. Ensemble projection of 1-3°C warming in China [J]. Chinese Science Bulletin, 54 (18): 3326-3334.

金晨曦, 周天軍. 2014. 參加CMIP5的四個中國氣候模式模擬的東亞冬季風年際變率 [J]. 大氣科學, 38 (3): 453-468, doi:10.3878/j.issn.1006-9895.2013.13180. Jin C X, Zhou T J. 2014. Analysis of the interannual variations of the East Asian winter monsoon simulation by four CMIP5 GCMs [J]. Chinese Journal of Atmospheric Sciences (inChinese), 38 (3): 453-468, doi:10.3878/j.issn.1006-9895.2013.13180.

Joshi M, Sutton R, Lowe J, et al. 2011. Projections of when temperature change will exceed 2°C above pre-industrial levels [J]. Nature Climate Change, 1 (8): 407-412.

Knutti R, Sedlá?ek J. 2013. Robustness and uncertainties in the new CMIP5 climate model projections [J]. Nature Climate Change, 3 (4):369-373.

Lang X M, Sui Y. 2013. Changes in mean and extreme climates over China with a 2°C global warming [J]. Chinese Science Bulletin, 58 (12):1453-1461.

Li J F, Zhang Q, Chen Y D, et al. 2013. GCMs-based spatiotemporal evolution of climate extremes during the 21st century in China [J]. J.Geophys. Res., 118 (19): 11017-11035.

Meinshausen M, Meinshausen N, Hare W, et al. 2009. Greenhouse-gas emission targets for limiting global warming to 2°C [J]. Nature, 458(7242): 1158-1162.

Mitchell J F B, Wilson C A, Cunnington W M. 1987. On CO2climate sensitivity and model dependence of results [J]. Quart. J. Roy. Meteor.Soc., 113 (475): 293-322.

Previdi M, 2010. Radiative feedbacks on global precipitation [J]. Environ.Res. Lett., 5: 025211.

O’Gorman P, Allan R, Byrne M, et al. 2012. Energetic constraints on precipitation under climate change [J]. Surv. Geophys., 33 (3-4):585-608.

Schneider S H, Semenov S, Patwardhan A, et al. 2007. Assessing key vulnerabilities and the risk from climate change [M]// Parry M L,Canziani O F, Palutikof J P, et al. Climate Change 2007: Impacts,Adaptation and Vulnerability. Contribution of Working Group II to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, UK: Cambridge University Press, 976pp.

《第二次氣候變化國家評估報告》編寫委員會. 2011. 第二次氣候變化國家評估報告 [M]. 北京: 科學出版社, 710pp. “Second National Assessment Report on Climate Change” Writing Committee. 2011.Second National Assessment Report on Climate Change (in Chinese) [M].Beijing: Science Press, 710pp.

Sillmann J, Kharin V V, Zwiers F W, et al. 2013. Climate extremes indices in the CMIP5 multimodel ensemble. Part 2. Future climate projections [J].J. Geophys. Res., 118 (6): 2473-2493.

Sui Y, Lang X M, Jiang D B. 2014. Time of emergence of climate signals over China under the RCP4.5 scenario [J]. Climatic Change, 125 (2):265-276.

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.

The World Bank. 2012. Turn down the heat: Why a 4°C warmer world must be avoided [R]. Washington DC: The World Bank, 84pp.

Xu C H, Xu Y. 2012. The projection of temperature and precipitation over China under RCP scenarios using a CMIP5 multi-model ensemble [J].Atmospheric and Oceanic Science Letters, 5 (6): 527-533.

Yao Y, Luo Y, Huang J B. 2012. Evaluation and projection of temperature extremes over China based on CMIP5 model [J]. Adv. Climate Change Res., 3 (4): 179-185.

Yao Y, Luo Y, Huang J B, et al. 2013. Comparison of monthly temperature extremes simulated by CMIP3 and CMIP5 models [J]. J. Climate, 26 (19):7692-7707.

Zeng N, Ding Y H, Pan J H, et al. 2008. Climate change—The Chinese challenge [J]. Science, 319 (5864): 730-731.

張莉, 丁一匯, 吳統文, 等. 2013. CMIP5模式對21世紀全球和中國年平均地表氣溫變化和 2°C升溫閾值的預估 [J]. 氣象學報, 71 (6):1047-1060. Zhang L, Din Y H, Wu T W, et al. 2013. The 21st century annual mean surface air temperature change and the 2°C warming threshold over the globe and China as projected by the CMIP5 models [J].Acta Meteorologica Sinica (in Chinese), 71 (6): 1047-1060.

Zhang Y. 2012. Projections of 2.0°C warming over the globe and China under RCP4.5 [J]. Atmos. Oceanic Sci. Lett., 5: 514-520.

Zhang X B, Alexander L, Hegerl G C, et al. 2011. Indices for monitoring changes in extremes based on daily temperature and precipitation data [J].Wiley Interdisciplinary Reviews: Climate Change, 2 (6): 851-870.

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

周秀華, 肖子牛. 2014. 基于CMIP5資料的云南及周邊地區未來50年氣候預估 [J]. 氣候與環境研究, 19 (5): 601-613, doi:10.3878/j.issn.1006-9585.2013.13080. Zhou X H, Xiao Z N. 2014. Climate projection over Yunnan Province and the surrounding regions based on CMIP5 data[J]. Climatic and Environmental Research (in Chinese), 19 (5): 601-613,doi:10.3878/j.issn.1006-9585.2013.13080.