基于CMIP6多模式集合的华中地区气候变化模拟与预估

doi:10.3969/j.issn.1673-503X.2023.06.007

摘要/Abstract

摘要：

选用华中地区1961—2014年逐日气象观测资料、1961—2100年12个CMIP6模式统计降尺度和偏差订正结果，评估CMIP6模式在区域的气温和降水量时空分布模拟结果，选出6个气温模式、4个降水量模式。基于优选模式集合的平均结果，分别分析未来SSP1-2.6、SSP2-4.5、SSP5-8.5三种情景下2021—2100年华中地区不同时期气温和降水量的变化趋势。结果表明：多模式集合平均结果的气温年际变率模拟好于降水量，降水量空间模拟好于气温。三种情景下区域气温、降水量均为增加趋势，气温增速分别为0.13 ℃/10 a、0.30 ℃/10 a、0.62 ℃/10 a, 降水量增速分别为16.2 mm/10 a、12.3 mm/10 a、19.3 mm/10 a。未来2021—2100年三种情景下华中地区降水量多为南部减小北部增大, 气温近期、中期为西部降低、中东部升高，远期除湖北西部山区降低外，其他地区均为升高趋势。

关键词: 降水量, 气温, CMIP6, 模式集合

Abstract:

Utilizing daily meteorological observation data from Central China from 1961-2014, along with downscaled and bias-corrected data from 12 CMIP6 models from 1961-2100, this study assesses the spatial and temporal distributions of temperature and precipitation simulations of the CMIP6 models for the region, using the selected temperatures from six models and the precipitation data from four models. Based on the ensemble mean of the selected model results, the change trends in temperature and precipitation for Central China during different periods from 2021 to 2100 under three future scenarios i.e. SSP1-2.6, SSP2-4.5, and SSP5-8.5 were analyzed. The results indicate that the ensemble mean provides better interannual variability in temperature simulations than those of precipitation, while the spatial simulation of precipitation is better than that of temperature. Under all three scenarios, both regional temperature and precipitation show increasing trends, with temperature rise rates of 0.13 ℃/decade, 0.30 ℃/decade, and 0.62 ℃/decade, and precipitation rise rates of 16.2 mm/decade, 12.3 mm/decade, and 19.3 mm/decade, respectively. For the future period from 2021 to 2100 under the three scenarios, precipitation in Central China is projected to decrease in the south and to increase in the north. Near-term and mid-term temperatures are expected to decrease in the west and to increase in the central and eastern parts, while the long-term trend indicates that temperature increases across the region and only decreases in the western mountainous area of Hubei.

Key words: Precipitation, Temperature, CMIP6, Model Ensemble

中图分类号:

P467

王苗,秦鹏程,佘晨旭,赵小芳,杨明伟. 基于CMIP6多模式集合的华中地区气候变化模拟与预估[J]. 气象与环境学报, 2023, 39(6): 51-60.

Miao WANG,Pengcheng QIN,Chenxu SHE,Xiaofang ZHAO,Mingwei YANG. Simulation and projection of climate change in Central China based on CMIP6 multi-model ensemble[J]. Journal of Meteorology and Environment, 2023, 39(6): 51-60.

图/表 10

表1

图1

表2

图2

图3

表3

图4

图5

图6

表4

参考文献 38

1	秦大河. 气候变化科学与人类可持续发展[J]. 地理科学进展, 2014, 33 (7): 874- 883.
2	姜大膀, 富元海. 2 ℃全球变暖背景下中国未来气候变化预估[J]. 大气科学, 2012, 36 (2): 234- 246.
3	姜江, 姜大膀, 林一骅. RCP4.5情景下中国季风区及降水变化预估[J]. 大气科学, 2015, 39 (5): 901- 910.
4	阮甜, 查芊郁, 杨茹, 等. 全球升温1.5 ℃和2.0 ℃对长江寸滩站以上流域径流的影响[J]. 长江流域资源与环境, 2019, 28 (2): 407- 415.
5	李东欢, 邹立维, 周天军. 全球1.5 ℃温升背景下中国极端事件变化的区域模式预估[J]. 地球科学进展, 2017, 32 (4): 446- 457.
6	翟盘茂, 周佰铨, 陈阳. 气候变化科学方面的几个最新认知[J]. 气候变化研究进展, 2021, 17 (6): 629- 635.
7	周天军, 陈梓明, 陈晓龙, 等. IPCC AR6报告解读: 未来的全球气候——基于情景的预估和近期信息[J]. 气候变化研究进展, 2021, 17 (6): 652- 663.
8	赵宗慈, 罗勇, 黄建斌. 从检验CMIP5气候模式看CMIP6地球系统模式的发展[J]. 气候变化研究进展, 2018, 14 (6): 643- 648.
9	张丽霞, 陈晓龙, 辛晓歌. CMIP6情景模式比较计划(ScenarioMIP)概况与评述[J]. 气候变化研究进展, 2019, 15 (5): 519- 525.
10	姜彤, 吕嫣冉, 黄金龙. CMIP6模式新情景(SSP-RCP)概述及其在淮河流域的应用[J]. 气象科技进展, 2020, 10 (5): 102- 109.
11	赵宗慈, 罗勇, 黄建斌. CMIP6的设计[J]. 气候变化研究进展, 2016, 12 (3): 258- 260.
12	周天军, 邹立维, 陈晓龙. 第六次国际耦合模式比较计划(CMIP6)评述[J]. 气候变化研究进展, 2019, 15 (5): 445- 456.
13	Fu Y H , Lin Z D , Guo D . Improvement of the simulation of the summer East Asian westerly jet from CMIP5 to CMIP6[J]. Atmospheric and Oceanic Science Letters, 2020, 13 (6): 550- 558. doi: 10.1080/16742834.2020.1746175
14	魏萌, 舒启, 宋振亚, 等. CMIP6气候模式对21世纪初全球增暖减缓现象模拟能力评估与归因分析[J]. 中国科学: 地球科学, 2021, 51 (6): 947- 961.
15	Zhu H H , Jiang Z H , Li J , et al. Does CMIP6 inspire more confidence in simulating climate extremes over China?[J]. Advances in Atmospheric Sciences, 2020, 37, 1119- 1132. doi: 10.1007/s00376-020-9289-1
16	Chen H P , Sun J Q , Lin W Q , et al. Comparison of CMIP6 and CMIP5 models in simulating climate extremes[J]. Science Bulletin, 2020, 65 (17): 1415- 1418. doi: 10.1016/j.scib.2020.05.015
17	王予, 李惠心, 王会军, 等. CMIP6全球气候模式对中国极端降水模拟能力的评估及其与CMIP5的比较[J]. 气象学报, 2021, 79 (3): 369- 386.
18	胡一阳, 徐影, 李金建, 等. CMIP6不同分辨率全球气候模式对中国降水模拟能力评估[J]. 气候变化研究进展, 2021, 17 (6): 730- 743.
19	Xin X G , Wu T W , Zhang J , et al. Comparison of CMIP6 and CMIP5 simulations of precipitation in China and the East Asian summer monsoon[J]. International Journal of Climatology, 2020, 40 (15): 6423- 6440. doi: 10.1002/joc.6590
20	Lin W Q , Chen H P . Assessment of model performance of precipitation extremes over the mid-high latitude areas of Northern Hemisphere: from CMIP5 to CMIP6[J]. Atmospheric and Oceanic Science Letters, 2020, 13 (6): 598- 603. doi: 10.1080/16742834.2020.1820303
21	赵梦霞, 苏布达, 姜彤, 等. CMIP6模式对黄河上游降水的模拟及预估[J]. 高原气象, 2021, 40 (3): 547- 558.
22	李纯, 姜彤, 王艳君, 等. 基于CMIP6模式的黄河上游地区未来气温模拟预估[J]. 冰川冻土, 2022, 44 (1): 171- 178.
23	姜彤, 吕嫣冉, 黄金龙, 等. CMIP6模式新情景(SSP-RCP)概述及其在淮河流域的应用[J]. 气象科技进展, 2020, 10 (5): 102- 109.
24	李晓蕾, 王卫光, 张淑林. 基于CMIP6多模式的长江流域未来降水变化趋势分析[J]. 中国农村水利水电, 2022, 3, 1-7, 12.
25	王慧, 肖登攀, 赵彦茜, 等. 基于CMIP6气候模式的华北平原极端气温指数评估和预测[J]. 2021, 37(5): 86-94, 142.
26	黄子立, 吴小飞, 毛江玉. CMIP6模式水平分辨率对模拟我国西南地区夏季极端降水的影响评估[J]. 高原气象, 2021, 40 (6): 1470- 1483.
27	崔讲学. 华中区域气候变化评估报告: 2012[M]. 北京: 气象出版社, 2014.
28	刘敏, 王凯, 万素琴, 等. 华中区域气候变化评估报告: 2020[M]. 北京: 气象出版社, 2021.
29	任永建, 万素琴, 肖莺, 等. 华中区域气温变化的模拟评估及未来情景预估[J]. 气象学报, 2012, 70 (5): 1098- 1106.
30	王苗, 刘敏, 任永建. 基于高分辨率模拟数据RCP4.5情景下的华中区域气候变化预估[J]. 气象与环境学报, 2021, 37 (3): 65- 72. doi: 10.3969/j.issn.1673-503X.2021.03.009
31	Qin P C , Xu H M , Liu M , et al. Projected impacts of climate change on major dams in the Upper Yangtze River Basin[J]. Climate Change, 2022, 170, 8. doi: 10.1007/s10584-021-03303-w
32	刘绿柳, 魏麟骁, 徐影, 等. 气候变化对黄河流域生态径流影响预估[J]. 水科学进展, 2021, 32 (6): 824- 833.
33	王涛, 王乙舒, 沈玉敏, 等. CMIP5模式对辽宁省气温模拟能力及未来2 ℃升温阈值出现时间评估[J]. 气象与环境学报, 2020, 36 (2): 49- 61. doi: 10.3969/j.issn.1673-503X.2020.02.007
34	Torrence C , Compo G P . A practical guide to wavelet analysis[J]. Bulletin of the American Meteorogical Society, 1998, 79 (1): 61- 78. doi: 10.1175/1520-0477(1998)079<0061:APGTWA>2.0.CO;2
35	周莉, 兰明才, 蔡荣辉, 等. 21世纪前期长江中下游流域极端降水预估及不确定性分析[J]. 气象学报, 2018, 76 (1): 47- 61.
36	邓荔, 朱欢欢, 江志红. 不同情景达到碳中和下中国区域气候变化的预估[J]. 大气科学学报, 45 (3): 364- 375.
37	石英, 高学杰, 吴佳, 等. 华北地区未来气候变化的高分辨率数值模拟[J]. 应用气象学报, 2010, 21 (5): 580- 589.
38	王涛, 王乙舒, 崔妍, 等. 气候模式对东北三省降水模拟能力评估及预估[J]. 气象与环境学报, 2016, 32 (5): 52- 60. doi: 10.3969/j.issn.1673-503X.2016.05.008

序号	模式	国家	分辨率/(纬度°×经度°)	情景	历史时间/预估时间
1	ACCESS-CM2	澳大利亚	1.2°×1.8°	HIS/126/245/370/585	1901—2014年/2015—2100年
2	ACCES-ESM1-5	澳大利亚	1.2°×1.8°	HIS/126/245/370/585	1901—2014年/2015—2100年
3	BCC-CSM2-MR	中国	1.1°×1.1°	HIS/126/245/370/585	1961—2014年/2005—2100年
4	CCCma-CanESM5	加拿大	2.8°×2.8°	HIS/126/245/370/585	1961—2014年/2005—2100年
5	CNRM-CM6-1	法国	1.4°×1.4°	HIS/126/245/370/585	1850—2014年/2005—2100年
6	Hadgem3-gc31-LL	英国	1.3°×1.9°	HIS/126/245/585	1901—2014年/2015—2100年
7	INM-CM4-8	俄罗斯	1.5°×2.0°	HIS/126/245/585	1901—2014年/2015—2100年
8	INM-CM5-0	俄罗斯	1.5°×1.5°	HIS/126/245/585	1901—2014年/2015—2100年
9	IPSL-CM6A-LR	法国	1.3°×2.5°	HIS/126/245/585	1901—2014年/2015—2100年
10	MIROC6	日本	1.4°×1.4°	HIS/126/245/585	1901—2014年/2015—2100年
11	MPI-ESM1-2-HR	德国	0.9°×0.9°	HIS/126/245/585	1901—2014年/2015—2100年
12	MRI-ESM2-0	德国	1.1°×1.1°	HIS/126/245/585	1901—2014年/2015—2100年

序号	模式	气温			降水
序号	模式	空间相关系数	标准差比	均方根误差/℃	空间相关系数	标准差比	均方根误差/mm
1	ACCESS-CM2	0.84^*	1.27^*	0.04^*	0.98	0.96	3.51
2	ACCES-ESM1-5	0.82	1.26	0.04	0.99	1.02	1.93
3	BCC-CSM2-MR	0.83^*	1.25^*	0.05^*	0.98	1.16	7.62
4	CCCma-CanESM5	0.83	1.29	0.04	0.98	0.93	3.34
5	CNRM-CM6-1	0.84^*	1.29^*	0.05^*	0.98^*	1.01^*	2.61^*
6	Hadgem3-gc31-Ⅱ	0.84^*	1.26^*	0.05^*	0.98	0.97	3.83
7	INM-CM4-8	0.84	1.28	0.05	0.98^*	0.97^*	2.24^*
8	INM-CM5-0	0.83^*	1.28^*	0.05^*	0.98	1.04	2.15
9	IPSL-CM6A-LR	0.83	1.28	0.04	0.97^*	0.93^*	2.70^*
10	MIROC6	0.82^*	1.26^*	0.05^*	0.98^*	1.02^*	2.89^*
11	MPI-ESM1-2-HR	0.85	1.32	0.05	0.98	0.89	2.46
12	MRI-ESM2-0	0.84	1.28	0.55	0.97	1.01	4.64
优选模式集合平均		0.84	1.26	0.04	0.98	0.98	2.22

统计量	情景	未来	近期	中期	远期
气温变幅/℃	SSP2-4.5	1.29	0.34	1.01	2.14
气温变幅/℃	RCP4.5	2.08	1.13	2.07	2.88
气温变化趋势/(℃/10 a)	SSP2-4.5	0.30	0.39	0.33	0.15
气温变化趋势/(℃/10 a)	RCP4.5	0.30	0.27	0.46	-0.11
降水变率/(%)	SSP2-4.5	6.85	3.24	8.62	8.67
降水变率/(%)	RCP4.5	2.79	2.73	-1.86	7.58
降水变化趋势/(mm/10 a)	SSP2-4.5	12.3	10.8	40.6	-0.6
降水变化趋势/(mm/10 a)	RCP4.5	7.71	-21.13	18.19	35.00

[1]	贾晓红, 李琦. 京藏高速呼集段道路结冰期CLDAS气温适用性及其在交通风险预警中的应用[J]. 气象与环境学报, 2023, 39(6): 96-104.
[2]	高金兰,温华洋,郑小艺,曹亚楠,王云. 三套再分析降水资料在安徽省的适用性评估[J]. 气象与环境学报, 2023, 39(4): 47-56.
[3]	孟鑫,张瑜,赵婷婷,王迪,马云龙,张旭. 1961—2019年中国东北地区夏季降水特征及其与前期ENSO的关系[J]. 气象与环境学报, 2023, 39(4): 103-113.
[4]	姜珊, 张淑杰, 张菁, 董秋婷, 宋晓巍, 赵璇, 于璐, 杨黎黎. 基于SPI和SPEI指数的辽宁省大豆生长季干旱时空变化特征[J]. 气象与环境学报, 2023, 39(4): 130-137.
[5]	童俊,孟旭芹,赵亮,张晓辉,彭九慧,李婷. 1991—2020年河北省倒春寒时空特征及气象指标分析[J]. 气象与环境学报, 2023, 39(4): 162-168.
[6]	王冬妮,王美玉,任景全,郭巧,李军伟. 1981—2018年吉林省玉米适时播种的水热条件变化特征[J]. 气象与环境学报, 2023, 39(3): 132-139.
[7]	曲辉辉, 王冬冬, 闫敏慧, 翟墨, 刘丹, 闫平, 王晓明, 姜丽霞. 1971—2018年黑龙江省玉米需水量与有效降水量耦合度演变特征[J]. 气象与环境学报, 2022, 38(5): 81-87.
[8]	翟晴飞, 孙凤华, 敖雪, 耿树江, 李成龙, 李遥, 李鸣钰. 基于BCC-CSM2-MR模式CMIP6试验的辽河流域气温降水模拟与预估[J]. 气象与环境学报, 2022, 38(4): 27-36.
[9]	姜珊,张海旭,张菁,宋晓巍,李石,于璐,王新秀. 1981—2020年沈阳地区春玉米生长季水热资源时空特征[J]. 气象与环境学报, 2022, 38(4): 76-84.
[10]	梁寒,阎琦,李爽,张宸赫,于亚鑫,黄阁,孙虹雨,桑明刚. 2019年沈阳一次凌晨气温骤升过程成因精细分析[J]. 气象与环境学报, 2022, 38(3): 45-51.
[11]	马瑞丰,许敬红,严良政. 2013—2018年大连中心城区臭氧时空变化及其影响因子分析[J]. 气象与环境学报, 2022, 38(3): 75-84.
[12]	肖袁俊,李保山,宋文丹,程勇翔,黄敬峰. 1998—2016年中国PM_2.5浓度变化对气温的影响研究[J]. 气象与环境学报, 2022, 38(3): 85-92.
[13]	齐铎, 刘松涛, 赵广娜, 高梦竹. 基于多模式集成冬半年气温预报偏差修正[J]. 气象与环境学报, 2022, 38(3): 119-126.
[14]	娄德君, 潘昕浓, 王冀, 张雪梅, 高振铎. 基于慢特征分析的哈尔滨市气温预测研究[J]. 气象与环境学报, 2022, 38(3): 150-155.
[15]	孟莹莹, 李树岭, 赵玲, 白雪梅, 闫敏慧. 三种气温预报产品黑龙江省预报效果检验[J]. 气象与环境学报, 2022, 38(2): 21-30.