重慶地區極端高溫事件的模擬研究

魏麟驍，李永華，何卷雄，唐紅玉，辛曉歌

(1.重慶市氣候中心，重慶　401147；2.中國科學院大氣物理研究所國際氣候與環境科學中心，北京　100029；3.中國氣象局國家氣候中心，北京　100081)

1　引言

重慶位于西南地區東部，屬亞熱帶季風性濕潤氣候，地處長江上游，氣候災害頻發，尤其是與高溫有關的災害較多。近幾十年來，由于人類活動和自然因素的綜合影響，全球極端降水和高溫事件頻發，而重慶地區的高溫災害尤其嚴重，對經濟和社會的發展造成了很大影響。20世紀中期以來，中國地區的暖事件增加而冷事件減少，并且暖事件對平均態改變的敏感程度比冷事件高[1]。例如2003年夏季，高溫熱浪席卷歐洲，打破了近500 a的記錄，造成上萬人死亡[2]，同年，我國長江流域也出現了大范圍的高溫事件。2006年夏季，重慶和四川地區遭受特大伏旱，造成的災害十分嚴重[3]。2013年夏季，我國南方地區遭受大范圍的熱浪襲擊，影響的范圍、持續時間和強度均為歷史罕見。鑒于此，我國很多學者對極端高溫開展了大量的研究。況雪源等[4]對近50多年來全國群發性高溫事件進行了識別，發現2000年以后的群發性高溫事件都是5個年代中最顯著的，并且長江以南地區發生頻率最高。唐恬等[5]對2013年我國南方高溫天氣進行了分析，發現這次高溫事件的發生次數突破了歷史記錄，其中，8月的極端高溫十分突出。因此，提前對高溫事件做出準確預測對國計民生意義重大，也是氣象部門的服務重點之一。

隨著我國短期氣候預測系統的不斷發展，月動力延伸期預測(DERF2.0)產品在氣候預測業務中得到廣泛應用[6,7]，預測水平逐年提升，但是全球模式對于區域氣候的模擬能力有限，在業務應用中需要使用更高分辨率的區域氣候模式對地表氣溫和極端高溫事件進行模擬和預測。高學杰等[8]使用區域氣候模式單向嵌套全球模式的輸出結果對東亞地區的氣候進行了模擬和預估，發現區域模式提供了氣溫和降水更詳細的空間分布信息，對夏季的季風降水型模擬也有了很大改進。李東歡等[9]利用中國科學院大氣物理研究所全球模式 FGOALS-g2 的模擬數據驅動區域氣候模式 RegCM3，發現相對于全球模式，區域模式由于水平分辨率較高，能在刻畫地表氣溫分布的細節上體現出優勢。余正[10]通過對1961—2005年的模擬研究表明，IAP AGCM4.1模式可以較好的模擬出高溫日數的空間分布特征，但是高估了華北、江淮流域和川渝地區等地的高溫日數。許建偉等[11]利用NCEP/DOE再分析資料驅動WRF模式對1999—2008年夏季黑河流域及其周邊地區的氣溫和降水進行了模擬，結果表明，在復雜地形條件下，WRF模式較再分析資料能夠更精細地模擬出復雜地形條件下氣溫和降水的分布特征。由此可見采用動力降尺度的方法進行短期氣候預測是具有一定優勢的，本文的目的是分析重慶短期氣候預測系統(IAP AGCM4.1和WRF的耦合模式)對重慶夏季地表氣溫和極端高溫事件的模擬能力，并對使用該系統預測極端高溫事件提出建議。

2　資料和方法

2.1　模式簡介

使用的耦合模式(IAP AGCM_WRF)是在中國科學院大氣物理研究所IAP AGCM4.1和美國的中尺度數值模式WRF3.2的基礎上建立的。IAP-AGCM4.1模式的水平分辨率為1.4°×1.4°，模式層頂為10 hPa。大氣環流模式的初始條件來自于NCEP/DOE再分析資料，海溫(SST)和海冰(SEA ICE)來自于美國國家海洋和大氣管理局(NOAA)的逐周OISST資料。中尺度模式的水平分辨率為20 km，中心點位于(29°N，106°E)，經緯方向的格點數為111×111，范圍覆蓋了我國西南的大部分地區，模式的垂直方向為31層。該系統的運行步驟是首先將IAP-AGCM4.1每隔6 h輸出的氣候要素場進行空間插值，生成驅動WRF模式的初始和邊界條件，接下來再運行WRF模式，得到預測結果。在正式開始試驗前，我們進行了大量的參數化方案敏感性試驗(2000—2014年)，通過與再分析資料的對比，選出了模擬效果較好且運行比較穩定的參數化方案組合(見表1)。同時，也使用了NCEP/DOE再分析資料為驅動場開展了模擬，參數化方案的配置、海溫和海冰覆蓋資料與上一個試驗相同，2個試驗的積分時間段都為1982年1月1日—2014年12月31日。

根據前人的研究，區域氣候模式對于將其驅動的大尺度模式的模擬結果會有較大改進，那么與觀測資料驅動的區域氣候模式的模擬結果相比其差距如何？這是本文要解決的問題。本文將分析IAP-AGCM4.1驅動的WRF3.2模式對重慶夏季地表氣溫及極端高溫事件的模擬結果，并討論IAP-AGCM4.1驅動的WRF模式(IWRF)與再分析資料(NCEP/DOE)驅動的WRF模式(NWRF)在模擬結果上的差異。本文的結論對于探討重慶短期氣候預測系統在預測極端高溫的能力上具有一定的參考價值，并對如何使用該系統提出建議。

2.2　觀測資料和分析方法

使用CN05.1格點資料來檢驗模式的模擬性能，該資料的分辨率為0.25°×0.25°，使用了中國境內2 400個臺站的觀測資料，采用距平逼近法，由氣候場和距平場分別插值后疊加得到[12,13]。使用的平均氣溫、最高和最低氣溫資料，起始時間為1982年1月1日—2014年12月31日。為了方便與觀測資料進行比較，先將2個模式的結果統一插值到與觀測資料相同的格點上。對模擬結果進行檢驗所用的統計量包括模擬結果與觀測場的偏差、均方根誤差、皮爾遜相關系數，以上3類檢驗方法的計算公式分別為：

(1)

(2)

(3)

表1　模式選項設置Tab.1　Main physics options in the experiment

根據重慶地區地表氣溫的分布情形以及重慶市氣候中心預測業務的常用劃分方法，將重慶地區劃分為4個子區域，如圖1所示。

圖1　重慶地形以及文中的4個分區。黑色方框分別表示4個分區：西部(W:28.5～30.5°N，105～107°E)、中部(M:29～31°N，107～108°E)、東北部(NE:30～32°N，108～110°E)和東南部(SE:28～30°N，108～110°E)Fig.1　The topography of the east of the southwest area (shading,units:m) and distribution of 4 sub-regions in the east of the southwest area.The boxes illustrate the 4 sub-regions:western region(W:28.5～30.5°N，105～107°E),central region(M:29～31°N，107～108°E),northeastern region(NE:30～32°N，108～110°E) and southeastern region(SE:28～30°N，108～110°E)

名稱縮寫定義單位熱浪持續指數HWDI至少持續3 d,日最高溫度不低于基準期第90個百分位數的天數d暖晝指數TX90p每年日最高氣溫大于或者等于基準期內90%分位數的天數占統計日數的百分比d日最高氣溫最大值TXx每年日最高氣溫最大值℃

3　結果分析

3.1　夏季地表氣溫氣候態模擬

從觀測來看，重慶地區的平均、最高和最低氣溫氣候態的空間分布特征較為相似：高溫區出現在盆地中部和東南部，低溫區主要出現在高海拔地區。

IWRF模式可以較好的模擬出3個地表氣溫指標的空間分布，能夠再現盆地中部和東南部地區的高溫中心，但是模擬的高溫中心量級偏大(圖略)。IWRF模擬的平均氣溫在盆地中部和東北、東南大部地區主要表現為1～3 ℃的暖偏差，高海拔地區為冷偏差；模擬的最高氣溫的偏差分布與平均氣溫相似，盆地南部的最大偏差在3 ℃左右，高海拔地區的偏差也較平均氣溫大；相對來說，IWRF對于最低氣溫模擬的較好，在盆地四周為1 ℃左右的暖偏差。

NWRF模擬的T2m和Tmax的高值中心在量級上要好于IWRF，模擬的Tmin的分布特征與IWRF相近(圖略)。在盆地內部和東南部地區，NWRF模擬的T2m和Tmax的偏差均小于IWRF，尤其對于盆地南部改進最大，這與使用了較為準確的強迫場有很大關系，但是NWRF對于Tmin的模擬效果沒有IWRF的效果好。通過IWRF與NWRF之間的差值場可以看到，IWRF主要在盆地中部出現暖偏差，偏差幅度在1～2 ℃之間。

圖2　1982—2014年夏季重慶地表氣溫的氣候態和模式模擬偏差(單位：℃)，從上到下依次為日平均氣溫T2m、日最高氣溫Tmax、日最低氣溫Tmin；左列為觀測資料的氣候態分布，第2、第3列分別為IWRF和NWRF的模擬偏差,右列為IWRF減去NWRF的模擬結果Fig.2　Climatology and simulation bias of summer surface air temperature during 1982-2014 (units:℃).The top,middle and bottom row indicates the results of t2m,tmax,and tmin,respectively.The first column indicates the results from CN05.1,the second column indicates the bias between IWRF and CN05.1,the third column indicates the bias between NWRF and CN05.1,and the last column indicates the bias between IWRF and NWRF.

模式時間空間相關系數TaveTmaxTmin差值TaveTmaxTmin均方根誤差TaveTmaxTminIWRFNWRF逐月逐月0.960.950.940.930.970.970.980.200.67-0.37-0.14-0.791.520.841.951.220.910.99

IWRF和NWRF模擬的3個地表氣溫指標與觀測的空間相關系數均在0.9以上，說明這2個試驗結果均對夏季氣溫的空間分布有較好的表征。從偏差和均方根誤差來看，NWRF除最低氣溫較IWRF大外，平均氣溫和最高氣溫均優于IWRF。總體來看，這2個試驗對于重慶夏季氣溫的模擬表現的都較好。

圖3給出了2個試驗對夏季重慶氣溫概率密度分布的模擬情況，可以看到，2個試驗對地表氣溫3個指標的概率密度分布都有較好的模擬，IWRF與NWRF的概率分布相似，對最低氣溫模擬的最好，對于其余2個指標，IWRF與觀測相比右移，其模擬的極端高溫略偏多，與圖2f相對應。

圖3　1982—2014年中國夏季地表氣溫概率密度分布(單位：℃)，(a)T2m、(b)Tmax、(c)Tmin。圖中的概率密度分布使用所選時段、所選區域中各個點的逐日數據(不是區域平均) 計算而成。黑色表示觀測資料CN05.1中的結果，紅色表示IWRF模擬的結果，藍色表示NWRF模擬的結果Fig.3　Frequency distribution of daily (a)t2m,(b)tmax and(c)tmin from individual grid (not average).Black indicates the results from CN05.1,red indicates the results from IWRF and green indicates the results from NWRF

根據上文所劃分的4個子區域，對地表氣溫進行區域平均可以更直觀地考察2個試驗對地表氣溫的模擬能力。從圖4(a,b,c)可以看到，除了最低氣溫，IWRF模擬的其余2個氣溫指標普遍高于觀測。IWRF對西部和中部地區的模擬偏差較大。使用泰勒圖可以更直觀的表征模擬和觀測的地表氣溫的空間相似程度，2個試驗的空間分布歸一化標準差大多介于0.5～2.5之間。從空間相關系數來看，對于各個子區域的空間分布都有較好的模擬。總體來看，IWRF模擬的西部和中部地區的平均氣溫和最高氣溫偏差較大，NWRF的表現好于IWRF，它們對最低氣溫的模擬效果較好。

圖4　區域平均的地表氣溫(單位：℃),(a)、(b)、(c)分別為T2m、Tmax和Tmin，黑色表示CN05.1，紅色表示IWRF，藍色表示NWRF；(d)T2m、(e)Tmax和(f)Tmin為泰勒圖，紅色表示IWRF模擬結果，綠色表示NWRF模擬結果,1～4分別表示文中劃分的W、M、NE、SE 4個子區域Fig.4　(a),(b) and (c)indicates the regional averaged summer surface air temperature (units:℃),t2m,tmax and tmin,respectively,black indicates CN05.1,red indicates IWRF and blue indicates NWRF.(d),(e) and (f) indicates the Taylor diagram for displaying pattern statistics of T2m,Tmax,Tmin,respectively.Red indicates the results from IWRF,and blue indicates the results from NWRF.1-4 represents W,M,NE and SE.

3.2　夏季極端高溫事件氣候態模擬

從圖5可知，日最高氣溫最大值(TXx)與地表氣溫指標的分布相似，都是在西部地區出現大值中心，IWRF和NWRF都能較好的模擬出TXx的空間分布和強度，兩者對于東北部和東南部地區的模擬存在較強的冷偏差，這可能是由于地形的原因造成的。觀測場上，熱浪持續指數(HWDI)的大值中心出現在四川東北部地區，并向東擴展到重慶的中部和東北部地區，基本在6 d左右，IWRF和NWRF與實況相比模擬的HWDI偏少，就偏差圖來看，IWRF的結果優于NWRF，偏差區域主要出現在四川的東北部，偏少1～2 d左右，而NWRF模擬的模擬結果在整個區域都偏少。觀測場上，暖晝指數(TX90p)的大值中心出現在重慶大部以及湖北和湖南部分地區，IWRF的模擬結果仍然好于NWRF，偏差主要出現在東北部部分地區，偏少0.5～1 d；NWRF的模擬結果在重慶大部地區都偏少，尤其在東北部地區偏少最多，偏少1～2 d。從極端高溫指數的空間分布來看，除了TXx，IWRF對HWDI和TX90p的模擬要好于NWRF。

圖5　1982—2014年夏季重慶極端高溫氣候態，從上到下依次為日最高氣溫最大值TXx(單位：℃)、熱浪持續指數HWDI(單位：d)、暖晝指數TX90p(單位：d)；左列為觀測場的氣候態結果，第2、第3列分別為IWRF和NWRF的模擬偏差,右列為IWRF減去NWRF的模擬結果Fig.5　Climatology and simulation bias of summer high temperature indices during 1982-2014.The top row indicates the results of TXx (units:℃),the middle row indicates the results of HWDI (units:day),and the bottom row indicates the results of TX90p (units:day).The left column indicates the results from CN05.1,the second column indicates the bias between IWRF and CN05.1,the third column indicates the bias between NWRF and CN05.1,and the last column indicates the bias between IWRF and NWRF

圖6為2個試驗對于極端高溫事件區域平均的模擬結果，IWRF和NWRF模擬的TXx(圖6a)在東北部地區偏低較為明顯，偏差幅度在2～3 ℃之間，但是，對西部地區模擬的較好。IWRF模擬的HWDI在各區域都要好于NWRF，在西部和東南部地區模擬的較好，NWRF在各區域模擬的HWDI都偏少2～4 d。在這4個區域，它們對TX90p都模擬的很好。本文也計算了2個試驗模擬的極端高溫事件的空間相關系數和均方根誤差，IWRF模擬的TXx 4個區域的空間相關系數均在0.8以上，但是均方根誤差較大，最大出現在東北地區，NWRF的模擬結果與IWRF相似。它們對于HWDI和TX90p的空間分布模擬的較差，但是在西部地區和東南部地區有一定的模擬能力，相關系數在0.3左右，均方根誤差也較小。總之，這2個試驗對于TX90p和HWDI的空間分布模擬能力弱于對TXx的模擬。

圖6　區域平均的極端高溫指數，(a)、(b)、(c)分別為TXx(單位：℃)、HWDI(單位：d)和TX90p(單位：d)，黑色表示CN05.1，紅色表示IWRF，藍色表示NWRFFig.6　(a),(b) and (c)indicates the regional averaged extreme temperature indices,TXx,HWDI and TX90p,respectively,black indicates CN05.1,red indicates IWRF and blue indicates NWRF

3.3　極端高溫事件演變的模擬

按照上文劃分的4個區域，計算了它們區域平均的模擬和觀測的氣候指標距平的年際變化情況(相較于1982—2011年)。圖7為觀測和模擬的重慶極端氣溫指標的年際變化曲線，在西部地區，NWRF模擬出的TXx與觀測差距較大，相關系數只有0.23，但是對于東南部地區模擬的較好，相關系數達到0.51。對于熱浪持續指數和暖晝指數，NWRF與觀測的相關系數都在0.6～0.8之間，超過了0.01信度的顯著性檢驗，2006年是重慶地區有氣象資料記錄以來最嚴重的高溫干旱年，無論是熱浪持續指數還是暖晝指數，NWRF在這4個區域都能模擬出該極值，這與使用了較為準確的強迫場有關。IWRF不能模擬出極端高溫事件的年際變化特征。

圖7　1982—2014年觀測和模擬的極端氣溫指標距平的年際變化(相對于1982—2011年)：從上到下依次為日最高氣溫最大值TXx、極端高溫日數HWDI、暖晝指數TX90pFig.7　Interannual variations of observed and simulated extreme temperature indicies for 1982—2014 with reference period 1982—2011:(a,b,c,d) TXx; (e,f,g,h) HWDI,(i,j,k,l) TX90p

圖8　1982—2014年夏季重慶極端高溫指數的趨勢變化(擴大了100倍)，從上到下依次為日最高氣溫最大值TXx(單位：℃)、熱浪持續指數(單位：d)、暖晝指數TX90p(單位：d)；左列為觀測場的趨勢分布，第2、3列分別為IWRF和NWRF的趨勢分布Fig.8　The geographic distribution of the observed (a,d,g) and simulated by IWRF (b,e,h) and NWRF (c,f,i) long-term trends per year for 1982—2014 for extreme temperature indices in the eastern part of Southwest China,(a,b,c),(d,e,f),(g,h,i) represent TXx,HWDI,TX90p,respectively

為了考察這2個試驗對于重慶極端高溫事件長期變化趨勢的模擬能力，分別計算了觀測與模擬的這3個極端氣溫指數的線性趨勢。圖8a、8b和8c為TXx的長期變化趨勢，從觀測中可以看到，重慶大部地區每年的最高氣溫最大值都呈現出了增加趨勢，這2個試驗均未能模擬出這種一致性的增加趨勢。圖8d、8e和8f是熱浪持續指數的變化趨勢，觀測中，四川和重慶東北部地區的增加趨勢十分顯著，其余地區也都呈現出增加的趨勢，IWRF未能模擬出這種增加趨勢，在四川東北部和重慶中西部地區呈減小趨勢，重慶東部地區為增加趨勢，NWRF對于這種全區一致的增加趨勢模擬的較好。圖8g、8h、8i為暖晝指數的趨勢分布圖，觀測中的趨勢分布和熱浪持續指數的分布較為一致，只是增加的趨勢更為顯著，IWRF同樣未能模擬出這種增加趨勢，但是可以模擬西部部分地區和東南、東北部分地區暖晝指數的增加趨勢，NWRF模擬得最好，只是趨勢值偏小。

4　結論

本文比較了重慶短期氣候預測系統和NCEP/DOE再分析資料驅動的WRF模式對重慶夏季地表氣溫和極端高溫事件的模擬能力，主要結論如下：

①2個試驗均能模擬出平均、最高和最低氣溫的空間分布，NWRF模擬的平均氣溫和最高氣溫高值中心的量級要好于IWRF，但是，IWRF模擬的最低氣溫要優于NWRF。它們對3個地表氣溫指標的概率密度分布都有較好的模擬。總體上，2個試驗對于重慶夏季氣溫的空間分布模擬的很好。

②它們都能較好的模擬出西部地區TXx的空間分布，但對于東部地區存在較強的冷偏差。IWRF和NWRF模擬的熱浪持續指數和暖晝指數偏少，但是，IWRF的模擬結果優于NWRF。

③NWRF對于極端氣溫指數的年際變化特征具有較強的模擬能力，IWRF不能模擬出極端高溫事件的年際變化。

④NWRF能夠模擬出HWDI和TX90p的增加趨勢，但是不能模擬出TXx的趨勢變化。IWRF對這3個極端高溫指數的長期變化趨勢沒有模擬能力。

本文的結論表明IWRF對于重慶地表氣溫指標具有較好的模擬能力，對于極端高溫事件模擬能力不足，但是，其模擬的熱浪持續指數和暖晝指數的空間分布要好于NWRF，并且模擬的暖晝指數在西部和東南部地區誤差較小，這說明應用該系統進行極端高溫事件的預測還存在較大的局限性，應用該系統預測極端高溫事件時需要格外注意。