CMIP5多模式集合對(duì)東北三省未來(lái)氣候變化的預(yù)估研究

陶純?nèi)敚?姜超， 孫建新

北京林業(yè)大學(xué)林學(xué)院， 北京　100083

?

CMIP5多模式集合對(duì)東北三省未來(lái)氣候變化的預(yù)估研究

陶純?nèi)敚?姜超*， 孫建新

北京林業(yè)大學(xué)林學(xué)院， 北京100083

應(yīng)用CN05觀測(cè)資料，以及參與國(guó)際耦合模式比較計(jì)劃第5階段(CMIP5)中的26個(gè)模式，評(píng)估了新一代全球氣候模式對(duì)東北三省氣候變化模擬能力并選出4個(gè)較優(yōu)模式，發(fā)現(xiàn)經(jīng)過(guò)篩選得出的較優(yōu)模式集合平均模擬結(jié)果的可靠性得到進(jìn)一步加強(qiáng)，尤其體現(xiàn)在對(duì)氣溫的模擬上.在此基礎(chǔ)上著重分析了多模式集合在不同典型濃度路徑(RCPs)下對(duì)未來(lái)氣候變化特征的預(yù)估.結(jié)果表明：21世紀(jì)的未來(lái)階段，東北三省將處于顯著增溫的狀態(tài)，且RCP8.5情景下的增溫速率(0.53 ℃/10a)明顯高于RCP4.5情景下的速率(0.22 ℃/10a)；空間上，北部地區(qū)將成為增溫幅度最大、增溫速率最高的區(qū)域.未來(lái)降水將會(huì)相對(duì)增加，但波動(dòng)較大，21世紀(jì)末期RCP4.5和RCP8.5情景下的降水增加幅度分別為11.24%和15.95%；空間上，遼寧省西部地區(qū)將成為降水增加最為顯著的區(qū)域.根據(jù)水分盈虧量，21世紀(jì)未來(lái)階段，RCP4.5情景下的東北三省絕大多數(shù)地區(qū)未來(lái)將相對(duì)變濕，尤其到了中后期；RCP8.5情景下則是中西部地區(qū)將相對(duì)變干，其余地區(qū)則會(huì)相對(duì)變濕.

CMIP5模式； 氣候變化； 干旱； 預(yù)估； 中國(guó)東北三省

Based on simulations of the MME of the four best-fit CMIP5 models, an ongoing warming is predicted under different RCPs in Northeast China from 2006 to 2099, especially under RCP8.5 (0.53 ℃/10a), which is twice that under RCP4.5 (0.22 ℃/10a). By the end of the 21st century (2080—2099), changes in surface air temperature tend to stabilize under RCP4.5 while continuously increasing under RCP8.5. Spatially, the northern part of Northeast China generally shows greater and more rapid warming than the southern part, and the inland areas show weaker and slower warming than the coastal areas in Liaoning province.

In future, the annual mean precipitation is predicted to increase but with great fluctuations. The increasing tendency from 2006 to 2099 is 1.10%/10a under RCP4.5 and 1.48%/10a under RCP8.5, respectively. By the end of the 21st century (2080—2099), the annual mean precipitation is predicted to increase by 11.24±7.77% under RCP4.5 and 15.95±7.72% under RCP8.5, respectively relative to the period 1986—2005. Spatially, future change in precipitation over most parts of Northeast China is predicted to intensify, with the western part of Liaoning province changing the most.

Based on the analysis of water deficit, most parts of Northeast China are projected to become wetter in the mid-tern and later period of the 21th century under RCP4.5, while the eastern part would become wetter and the western part would become drier under RCP8.5, relative to the period 1986—2005.

1　引言

如今，氣候變化作為科學(xué)前沿問(wèn)題，已經(jīng)給人類的生存和發(fā)展提出了一個(gè)重大的挑戰(zhàn).根據(jù)政府間氣候變化專門委員會(huì)(Intergovernmental Panel on Climate Change, IPCC)第五次評(píng)估報(bào)告(AR5)(IPCC, 2013)的主要結(jié)論，1880—2012年全球平均地表氣溫升高了0.85(0.65～1.06)℃.而且未來(lái)的溫度將會(huì)持續(xù)升高，極端暖事件進(jìn)一步增多(胡伯彥等, 2013).據(jù)估計(jì)，到21世紀(jì)末(2081—2100年)，全球平均地表氣溫將比1986—2005年增加0.3～4.8 ℃(IPCC, 2013).全球未來(lái)的降水則會(huì)呈現(xiàn)“干者愈干、濕者愈濕”的格局，強(qiáng)降水事件發(fā)生的強(qiáng)度和頻率都可能進(jìn)一步加大(Zhao et al., 2014).中國(guó)東北地區(qū)擁有豐富的林業(yè)資源，是我國(guó)最大的國(guó)有林區(qū)，林業(yè)用地面積達(dá)5350.3萬(wàn)公頃，森林覆蓋率67.1%.活立木總蓄積量35萬(wàn)立方米，占全國(guó)活立木總蓄積的24.3%，是我國(guó)重要的木材生產(chǎn)基地(張瓏晶，2014).此外，東北地區(qū)還是我國(guó)重要的商品糧基地，2012年?yáng)|北地區(qū)糧食產(chǎn)量為11175萬(wàn)噸，占全國(guó)糧食總產(chǎn)量的19.0%，2013年更是達(dá)到了11750萬(wàn)噸，成為全國(guó)糧食增長(zhǎng)最快、貢獻(xiàn)最大的區(qū)域(關(guān)國(guó)鋒等，2015).可見(jiàn)，東北未來(lái)氣候的變化關(guān)系到全國(guó)的林業(yè)資源與糧食安全，因此研究東北的未來(lái)氣候變化有著十分重要的意義.

氣候模式是預(yù)測(cè)未來(lái)氣候變化的重要工具(Chen, 2013).與之前的模式相比，國(guó)際耦合模式比較計(jì)劃第五階段(phase five of the Coupled Model Intercomparison Project, CMIP5)中的模式在分辨率、物理過(guò)程以及參數(shù)化等方面都有所改進(jìn)(Guo et al., 2013).這些改進(jìn)在對(duì)氣溫的模擬上效果較為明顯(Chen et al., 2011; Zhao et al., 2014)，如Guo等(2013)的研究表明，CMIP5模式對(duì)中國(guó)年平均氣溫的模擬結(jié)果優(yōu)于CMIP3模式，對(duì)氣溫氣候態(tài)的空間分布以及變化趨勢(shì)等特征的模擬能力都有所提高.但CMIP5模式對(duì)降水的模擬似乎并未得到改善(Zhao et al., 2014；吳佳等, 2015).Baker和Huang(2014)的研究指出，CMIP5模式對(duì)于美國(guó)西南部冬季降水模擬誤差并沒(méi)有比CMIP3模擬結(jié)果有所減小.Xu和Xu(2012b)的研究則表明CMIP5模式對(duì)中國(guó)地區(qū)降水的模擬在某種程度上與CMIP3模擬結(jié)果類似.

與CMIP3不同，CMIP5采用了針對(duì)輻射強(qiáng)迫而設(shè)定的典型濃度路徑(representative concentration pathways, RCPs)排放情景，包括了RCP8.5(高濃度路徑)、RCP6、RCP4.5(中穩(wěn)定濃度路徑)和RCP2.6(低濃度路徑)(Taylor et al., 2012).根據(jù)CMIP5全球氣候模式的模擬結(jié)果，各國(guó)學(xué)者針對(duì)氣候預(yù)估展開了一系列的研究，并取得了一些很有意義的成果(Otieno and Anyah, 2013; Thibeault and Seth, 2014).我國(guó)學(xué)者的研究表明，相比于20世紀(jì)末，在不同RCP情景下，21世紀(jì)未來(lái)階段我國(guó)的氣溫將以顯著增加為主要變化特征，且高濃度路徑下的增溫幅度更大(Zhao et al., 2014; Tian et al., 2015).Xu和Xu(2012a)基于11個(gè)CMIP5模式的集合結(jié)果分析了中國(guó)未來(lái)氣候變化情況，指出在RCP2.6、RCP4.5和RCP8.5三種情景下，2011—2100年全國(guó)氣溫增加率分別為0.06 ℃/10a、0.24 ℃/10a和0.63 ℃/10a，且北方增溫幅度比南方大，西北比西南增溫快(Wang and Chen,2014).對(duì)于降水，研究發(fā)現(xiàn)其全球變化將呈現(xiàn)“干者愈干、濕者愈濕”的格局(Zhao et al., 2014)，中國(guó)區(qū)域平均降水將增加，且北方地區(qū)的降水相對(duì)增加幅度明顯大于南方地區(qū)(Tian et al., 2015).值得注意的是，21世紀(jì)前期(2011—2040年)，中國(guó)南方降水將有減少的趨勢(shì)，尤其是在RCP8.5情景下(Xu and Xu, 2012a).

近期，崔妍等(2013)應(yīng)用5個(gè)CMIP3全球氣候模式在SRES B1、A1B 和A2三種排放情景下的試驗(yàn)數(shù)據(jù)，預(yù)估中國(guó)東北地區(qū)在21世紀(jì)中期和末期的地面溫度均將升高，且末期增溫幅度高于中期，SRES A2情景下的增溫幅度高于其他情景.但是該工作是基于CMIP3耦合模式模擬結(jié)果，且未考慮對(duì)模式氣溫?cái)?shù)據(jù)進(jìn)行插值時(shí)因地形起伏而產(chǎn)生的誤差.為此，本文在考慮了地形效應(yīng)影響的基礎(chǔ)上，評(píng)估了26個(gè)CMIP5耦合模式對(duì)我國(guó)東北三省氣溫和降水的模擬能力，并從中篩選出了4個(gè)對(duì)東北氣候模擬較優(yōu)的模式，用該4個(gè)模式的集合平均預(yù)估了RCP4.5和RCP8.5兩種情景下21世紀(jì)未來(lái)階段東北三省的氣溫和降水的變化情況及其不確定性，并進(jìn)行了相應(yīng)的干旱性分析.

2　數(shù)據(jù)與方法

本文所用的氣候模式資料為CMIP5耦合模式歷史模擬試驗(yàn)數(shù)據(jù)(時(shí)間段為1961—2005年)以及未來(lái)模擬試驗(yàn)數(shù)據(jù)(時(shí)間段為2016—2099年).根據(jù)這兩個(gè)時(shí)段氣溫與降水?dāng)?shù)據(jù)的可利用性與完整性，共有26個(gè)耦合模式的數(shù)據(jù)可用.模式的基本信息如表1所示，更多細(xì)節(jié)請(qǐng)參見(jiàn)http:∥cmip-pcmdi.llnl.gov/cmip5/.觀測(cè)數(shù)據(jù)來(lái)自CN05資料(Xu et al., 2009; 吳佳和高學(xué)杰, 2013)，該數(shù)據(jù)是基于全國(guó)2400多個(gè)氣象站的觀測(cè)資料建立起的一套0.5°×0.5°分辨率的格點(diǎn)資料，時(shí)間跨度為1961—2010年.

因各個(gè)模式的水平分辨率不同，故利用雙線性插值法將所有模式數(shù)據(jù)和觀測(cè)數(shù)據(jù)統(tǒng)一插值到相同的網(wǎng)格點(diǎn)上(1°×1°)，然后根據(jù)相應(yīng)的地形高度數(shù)據(jù)對(duì)模式的氣溫?cái)?shù)據(jù)進(jìn)行地形效應(yīng)校正(Zhao et al., 2008)(氣溫直減率取0.65 ℃/100 m).本文的研究區(qū)域?yàn)橹袊?guó)東北三省(118°E—136°E，38°N—54°N)，共計(jì)104個(gè)格點(diǎn).文章所選取的對(duì)歷史氣候的模擬時(shí)段為1961—2005年，未來(lái)預(yù)估試驗(yàn)時(shí)段分別為2016—2035年(近期)、2046—2065年(中期)和2080—2099年(末期)(IPCC, 2013).

本文對(duì)未來(lái)氣候的預(yù)估分析采用的是CMIP5模式在等權(quán)重系數(shù)條件(姚遙等, 2012)下的集合平均結(jié)果.該方法在氣候變化評(píng)估與預(yù)估領(lǐng)域中已得到了廣泛應(yīng)用，且已有研究指出多模式集合(the multi-model ensemble mean, MME)結(jié)果優(yōu)于絕大多數(shù)單個(gè)模式(Jiang et al., 2005;Chen and Sun, 2009; Chen, 2013).

全球氣候模式模擬的不確定性主要來(lái)自以下兩個(gè)方面：1)模式中對(duì)物理參數(shù)的選取及物理過(guò)程的描述存在較大的不確定性；2)太陽(yáng)參數(shù)等外強(qiáng)迫及氣候系統(tǒng)對(duì)其的響應(yīng)導(dǎo)致模式模擬結(jié)果的不確定性(姚遙等, 2012).為定量地描述不確定性，本文引入了信噪比的概念.信噪比(λ)定義為多模式集合預(yù)估絕對(duì)值與模式間的標(biāo)準(zhǔn)差(STD)的比值.公式如下：

3　結(jié)果與分析

本文首先對(duì)26個(gè)CMIP5耦合模式的模擬能力進(jìn)行評(píng)估，選出較優(yōu)模式，然后重點(diǎn)分析在不同RCP情景下較優(yōu)模式的集合結(jié)果對(duì)東北三省未來(lái)氣溫和降水變化特征的預(yù)估及其不確定性，最后對(duì)未來(lái)的干旱變化情況進(jìn)行了討論與分析.

3.1氣溫和降水的模擬與評(píng)估

為了客觀地衡量26個(gè)CMIP5模式對(duì)東北三省年平均氣溫和降水的模擬能力，本文引入了泰勒?qǐng)D(Taylor, 2001)，從泰勒?qǐng)D上可直觀地看出模式間模擬結(jié)果的差異.如圖1所示，圖中的數(shù)字分別對(duì)應(yīng)表1中26個(gè)CMIP5氣候模式，橫軸上的圓點(diǎn)表示觀測(cè)資料.其中，模式點(diǎn)到觀測(cè)點(diǎn)的距離表示模擬場(chǎng)經(jīng)觀測(cè)場(chǎng)標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化之后的中心化標(biāo)準(zhǔn)誤差，模式點(diǎn)到原點(diǎn)的距離表示模擬場(chǎng)與觀測(cè)場(chǎng)之間的標(biāo)準(zhǔn)差之比(這里假定觀測(cè)場(chǎng)的標(biāo)準(zhǔn)差為1)，模式點(diǎn)對(duì)應(yīng)的方位角位置表示模擬場(chǎng)與觀測(cè)場(chǎng)之間的相關(guān)系數(shù).綜合以上三個(gè)指標(biāo)，當(dāng)模式點(diǎn)離觀測(cè)點(diǎn)越近時(shí)，表明該模式的模擬能力越強(qiáng)(Jiang and Tian, 2013).

表1　模式的基本信息Table 1　Basic information on the climate models

注：(1) 模式名稱按首字母順序排列.(2) 線性趨勢(shì)為1961—2005年氣溫和降水的趨勢(shì)變化值，*表示通過(guò)95%的信度水平檢驗(yàn).(3) CN05為觀測(cè)資料；加粗的模式為選出的4個(gè)相對(duì)可靠模式，MME為該4個(gè)模式集合平均結(jié)果.

圖1　在參照時(shí)段1961—2005年，東北三省模擬場(chǎng)相對(duì)于觀測(cè)場(chǎng)的泰勒?qǐng)D：(a)氣溫空間分布；(b)降水空間分布；(c)氣溫時(shí)間序列.實(shí)心正方形為模式集合，橫軸上的圓點(diǎn)表示觀測(cè)Fig.1　Taylor diagram for displaying the statistics of spatial distributions of 45-year (1961—2005) mean (a) surface air temperature, (b) precipitation and (c) temporal variability of regionally averaged surface air temperature in Northeast China. The solid square represents MME and observation is considered as the point in abscissa axis

本文設(shè)置了五個(gè)定量標(biāo)準(zhǔn)來(lái)挑選相對(duì)可靠的模式：(1)研究區(qū)域內(nèi)，年平均氣溫和降水的模擬場(chǎng)與觀測(cè)場(chǎng)的空間相關(guān)系數(shù)均大于0.192(通過(guò)95%的信度水平檢驗(yàn))(圖1a和圖1b)；(2)年平均氣溫和降水的空間場(chǎng)的中心化均方根誤差與觀測(cè)場(chǎng)標(biāo)準(zhǔn)差比值(NCRMSE)在1個(gè)標(biāo)準(zhǔn)差以內(nèi)(圖1a和圖1b)；(3)年平均氣溫的模擬時(shí)間序列與觀測(cè)時(shí)間序列的相關(guān)系數(shù)大于0.294(通過(guò)95%的信度水平檢驗(yàn))(圖1c)；(4)年平均氣溫的線性趨勢(shì)模擬值分別介于0.194～0.582 ℃/10a(CN05氣溫線性趨勢(shì)值的正負(fù)50%)之間且通過(guò)顯著性檢驗(yàn)(表1)；(5)年平均降水的線性趨勢(shì)模擬值為負(fù)值(因?yàn)镃N05降水線性趨勢(shì)值為負(fù))(表1).最終，從26個(gè)CMIP5氣候模式中選取了4個(gè)對(duì)東北三省氣候歷史模擬相對(duì)可靠的模式：BCC-CSM1.1、GFDL-ESM2G、GFDL-ESM2M和NorESM1-M.從泰勒?qǐng)D中可以看出，該4個(gè)模式的集合平均盡管可能在某些方面不如某單個(gè)模式模擬較優(yōu)，但就總體而言，綜合氣溫和降水的空間與時(shí)間方面的模擬，模式集合仍優(yōu)于絕大多數(shù)單個(gè)模式.

3.2未來(lái)氣溫和降水的時(shí)間變化

圖2給出了4個(gè)CMIP5較優(yōu)模式集合模擬的1861—2099年?yáng)|北三省區(qū)域平均氣溫和降水的年平均距平時(shí)間序列(相對(duì)于1986—2005年)，表2為模式集合預(yù)估的21世紀(jì)東北三省年平均氣溫(降水)氣候態(tài)的區(qū)域平均變化值.可以看到，中國(guó)東北三省在不同RCP情景下的氣溫均以增加為主要特征，且高濃度路徑下(RCP8.5)的增溫速率是中濃度路徑下(RCP4.5)速率的兩倍多(圖2a).此結(jié)論與Zhao等(2014)和Xu和Xu(2012a)得出的全球及中國(guó)變暖趨勢(shì)類似.RCP8.5情景下，2006—2099年的東北氣溫變化幾乎呈現(xiàn)直線上升趨勢(shì)，增溫速率為0.53 ℃/10a(通過(guò)99%的信度水平檢驗(yàn))；且21世紀(jì)中期增溫效應(yīng)最為明顯(0.50 ℃/10a，通過(guò)99%的信度水平檢驗(yàn)).在RCP4.5情景下，東北氣溫在21世紀(jì)近期的變化情況與RCP8.5情景下相差不大，增溫速率為0.46 ℃/10a(通過(guò)99%的信度水平檢驗(yàn))；但2060年之后，氣溫變化則相對(duì)趨于穩(wěn)定.到了21世紀(jì)末，RCP4.5和RCP8.5情景下的增溫幅度分別為3.81±0.97 ℃和6.29±0.99 ℃(表2).

表2　CMIP5模式集合對(duì)不同情景下東北三省氣溫 和降水的變化預(yù)估(相對(duì)于1986—2005年)Table 2　The projection of surface air temperature and precipitation over Northeast China during 2016—2035, 2046—2065 and 2080—2099 by the CMIP5 multi-models ensemble average based on that during 1986—2005.

注：括號(hào)內(nèi)為模式間的一個(gè)標(biāo)準(zhǔn)差.

圖2　在不同RCP情景下CMIP5模式集合對(duì)東北三省未來(lái)區(qū)域平均(a)氣溫和(b)降水變化的情景預(yù)估.圖中所示的是相對(duì)于1986—2005年歷史試驗(yàn)的年平均氣溫距平和年平均降水距平百分率的時(shí)間序列，陰影部分為模式間的一個(gè)標(biāo)準(zhǔn)差.不同RCP情景下的未來(lái)(2006—2099年)氣溫 (℃/10a)和降水(%/10a)趨勢(shì)以數(shù)字表示，其中加*的數(shù)字表示通過(guò)99%的信度水平檢驗(yàn)Fig.2　(a) Annual mean surface air temperature anomalies and (b) precipitation anomaly percentage, averaged over Northeast China, relative to 1986—2005, under different RCP scenarios (RCPs) simulations of the CMIP5 multi-model ensemble (MME) mean with one inter-model standard deviation (shading). The temperature (℃/10a) and precipitation (%/10a) trends under different RCPs are also shown, and the numbers with the asterisk indicate statistical significance at the 1% level

21世紀(jì)的未來(lái)階段東北三省區(qū)域平均降水量將會(huì)略微有所增加(相對(duì)于1986—2005年)(圖2b)，且RCP8.5情景下的降水增加速率(1.48%/10a)和未來(lái)各時(shí)段的降水增加幅度均略高于RCP4.5情景(1.10%/10a).到了21世紀(jì)末期，RCP4.5和RCP8.5情景下東北三省的降水相對(duì)增加幅度分別為11.24±7.77%和15.95±7.72%，略高于全國(guó)降水的增加量(8%±6%和12%±8%)(Tian et al., 2015).

3.3未來(lái)氣溫和降水的空間變化

3.3.1相對(duì)于歷史試驗(yàn)(1986—2005年)的空間變化分布圖

圖3為RCP4.5和RCP8.5情景下CMIP5多模式集合的東北三省未來(lái)年平均氣溫和降水量相對(duì)當(dāng)代氣候(1986—2005年)的變化.從圖3(a—f)中可以看出，21世紀(jì)的未來(lái)階段，整個(gè)東北三省地區(qū)的氣溫都在上升，且北部地區(qū)增溫幅度普遍大于南部地區(qū)，這與先前CMIP3的研究結(jié)論類似(崔妍等, 2013).此外，到了21世紀(jì)末期，RCP8.5情景下東北三省各區(qū)域的增溫幅度越來(lái)越高于RCP4.5情景(圖2a和圖3c,3f)，北部地區(qū)尤為顯著.值得注意的是，遼寧省最南邊沿海地區(qū)的增溫幅度要略高于東北內(nèi)陸地區(qū).對(duì)比增溫前后的空間分布圖(圖略)，發(fā)現(xiàn)雖然北方增溫幅度高于南方，但增溫后的整個(gè)東北三省未來(lái)氣溫分布格局仍然是南部地區(qū)高于北部.21世紀(jì)近期，RCP4.5和RCP8.5情景下東北三省的變暖幅度類似，相對(duì)增加了0.6～1.5 ℃.到了中期，RCP8.5情景下的增溫幅度(2.2～3.1 ℃)開始略微高于RCP4.5情景(1.5～2.5 ℃).而末期時(shí)，兩種情景下的增溫幅度分別為1.9～2.6 ℃和4.1～5.4 ℃，高濃度排放下的增溫幅度顯著高于中低濃度排放.

圖3　CMIP5模式集合在RCP 4.5(a—c,g—i)和RCP 8.5(d—f,j—l)情景下對(duì)東北三省未來(lái)年平均氣溫 (℃)(a—f)和降水 (%)(g—l)氣候態(tài)的預(yù)估.圖中為未來(lái)氣溫和降水與1986—2005年歷史試驗(yàn)的差異.未來(lái)3個(gè)時(shí)段分別為:(a,d,g,j) 2016—2035年; (b,e,h,k) 2046—2065年; (c,f,i,l) 2080—2099年.圖中黑點(diǎn)表示信噪比大于1Fig.3　The changes in surface air temperature (℃) (a—f) and precipitation (%) (g—l) under RCP4.5 (a—c, g—i) and RCP8.5 (d—f, j—l) projections minus historical simulations (1986—2005) in Northeast China during (a,d,g,j) 2016—2035, (b,e,h,k) 2046—2065, and (c,f,i,l) 2080—2099. The black dots denote a signal to noise ratio greater than 1

圖中的黑點(diǎn)表示信噪比大于1.從氣溫信噪比來(lái)看，在未來(lái)的三個(gè)時(shí)段，兩種情景下東北氣溫的信噪比均大于1，說(shuō)明CMIP5模式集合對(duì)東北三省未來(lái)氣溫預(yù)估的可靠性較大.且對(duì)末期氣溫預(yù)估的可靠性高于近期，RCP8.5情景預(yù)估的可靠性高于RCP4.5情景，對(duì)東北三省東南部地區(qū)預(yù)估的可靠性普遍高于西北部地區(qū)(圖略).

從CMIP5模式集合在兩種情景下對(duì)東北三省未來(lái)年平均降水預(yù)估的空間分布圖(圖3g—3l)可以看出，除了RCP4.5情景下吉林省東南部地區(qū)在21世紀(jì)初期降水會(huì)有略微減少外，東北三省未來(lái)的降水將普遍增加，但波動(dòng)較大(相對(duì)于1986—2005年)(圖2b).此結(jié)論與Xu和Xu(2012a)的研究結(jié)果略有不同，其用11個(gè)CMIP5模式集合平均預(yù)估全國(guó)未來(lái)降水變化情況，得出中國(guó)東北三省的降水量在未來(lái)各個(gè)時(shí)間段都會(huì)相對(duì)增加.產(chǎn)生此類差異很有可能是與所用模式不同有關(guān).從圖3(g—l)可以看出，在2065年之前，兩種情景下降水的增加幅度相差不大，到了21世紀(jì)末期，RCP8.5情景下的增加幅度高于RCP4.5情景下.此外，在末期，RCP4.5情景下東北三省降水增加幅度約為5.0%～15.3%，此結(jié)論與Chen(2013)用16個(gè)耦合模式集合預(yù)估未來(lái)全國(guó)降水得出的東北三省降水增加幅度為8%～16%的結(jié)果相近.整體來(lái)看，東北三省的西南角，即遼寧省西部地區(qū)降水的增加最為顯著，尤其是RCP8.5情景下的末期，降水增加幅度已達(dá)到了25%以上.分析表明，RCP4.5和RCP8.5情景下，21世紀(jì)東北三省的降水分布格局依然是從東南部向西北部逐漸遞減(圖略).

與氣溫相比，模式對(duì)東北降水模擬的可靠性也是隨著時(shí)間的推移，可靠性逐漸增強(qiáng).但值得注意的是，模式集合對(duì)21世紀(jì)近期降水模擬的可靠性較低，中期之后可靠性逐漸加強(qiáng)，且對(duì)北部降水預(yù)估的可靠性普遍高于南部.

從Xu和Xu(2012a)利用11個(gè)CMIP5全球耦合模式的集合平均結(jié)果得到的全國(guó)信噪比空間分布來(lái)看，其東北三省的氣溫信噪比值分布在1～6之間，降水信噪比值分布在0～4之間.而本文得到的氣溫信噪比最大可達(dá)到10(圖略)，降水信噪比雖在RCP4.5情景下的近期較低，但在中期后明顯提高.說(shuō)明經(jīng)過(guò)篩選得出的較優(yōu)模式集合平均結(jié)果對(duì)東北三省氣候模擬的可靠性進(jìn)一步加強(qiáng)了，尤其體現(xiàn)在對(duì)氣溫的模擬上.

3.3.2未來(lái)氣溫和降水的線性趨勢(shì)變化

為了分析東北三省未來(lái)氣候線性趨勢(shì)的空間分布情況，將CMIP5模式集合預(yù)估的年平均氣溫和降水趨勢(shì)值繪于圖4中.如圖4(a—c)所示，RCP4.5情景下，21世紀(jì)近期東北三省一直處于增溫狀態(tài)(均通過(guò)95%的信度水平檢驗(yàn))，且東北部地區(qū)的增溫速率最快，最大增溫率達(dá)到了0.61 ℃/10a.到了中期，東北三省的增溫速率較近期有所下降，速率值分布在0.12～0.44 ℃/10a之間.末期，東北三省的中部地區(qū)氣溫變化速率為負(fù)，開始呈現(xiàn)逐漸減小的趨勢(shì).RCP8.5情景下(圖4d—4f)，未來(lái)21世紀(jì)東北三省的氣溫均處于增加的狀態(tài)(均通過(guò)95%的信度水平檢驗(yàn))，且北部地區(qū)的增溫速率普遍高于南部地區(qū)，到了末期，黑龍江省最北部增溫速率達(dá)到了0.69 ℃/10a.

對(duì)比1986—2005年的降水線性趨勢(shì)變化圖(圖略)發(fā)現(xiàn)，在RCP4.5情景下(圖4g—4i)， 21世紀(jì)近期，遼寧省西部和黑龍江省東部地區(qū)降水增加速率最大(0.12～0.16 mm·d-1/10a)，并通過(guò)95%的信度水平檢驗(yàn).到了中后期，東北三省各地區(qū)的降水速率較近期有所減慢，但均未通過(guò)顯著性檢驗(yàn).RCP8.5情景下，雖然近期的多年平均(2016—2035年)降水量有所增加(圖3j)，但降水速率則是呈現(xiàn)西部為正東部為負(fù)的趨勢(shì).其中黑龍江省北部地區(qū)的降水變化速率為正，降水逐漸增加；吉林省東部地區(qū)的降水變化速率則為負(fù)，呈現(xiàn)逐漸減少趨勢(shì).到了21世紀(jì)中期，東北三省的西部地區(qū)降水增加速率最快，最大降水增加率達(dá)到了0.15 mm·d-1/10a.

圖4　CMIP5模式集合在RCP 4.5(a—c,g—i)和RCP8.5(d—f,j—l)情景下對(duì)東北三省未來(lái)年平均氣溫(℃/10a) (a—f)和降水(mm·d-1/10a) (g—l)線性趨勢(shì)的預(yù)估分布.未來(lái)3個(gè)時(shí)段分別為:(a,d,g,j) 2016—2035年; (b,e,h,k) 2046—2065年; (c,f,i,l) 2080—2099年.圖中黑點(diǎn)表示通過(guò)95%的信度水平檢驗(yàn)Fig.4　Spatial distribution of the linear trends of the surface air temperature (℃/10a) (a—f) and precipitation (mm·d-1/10a) (g—l) under RCP4.5 (a—c,g—i) and RCP8.5 (d—f,j—l) in Northeast China during (a,d,g,j) 2016—2035, (b,e,h,k) 2046—2065, and (c,f,i,l) 2080—2099. The black dots indicate statistical significance at the 95% confidence level.

3.4未來(lái)干旱性分析

有研究表明，雖然中國(guó)大部分地區(qū)未來(lái)降水增加，但因?yàn)闅鉁厣哒舭l(fā)加劇，中國(guó)許多地方仍將變干旱(Wang and Chen, 2014).如中國(guó)西南部地區(qū)，未來(lái)干旱在RCP8.5情景下會(huì)進(jìn)一步加強(qiáng)(Wang et al., 2014).根據(jù)前文的分析，我國(guó)東北三省未來(lái)氣溫將顯著升高，降水量也較20世紀(jì)有所增加，那么東北未來(lái)氣候?qū)?huì)變得干旱還是濕潤(rùn)?為此，本文引入了一個(gè)較為簡(jiǎn)單的干旱指標(biāo)——水分盈虧量(曾麗紅等, 2011)來(lái)衡量東北三省的干旱變化情況.其計(jì)算公式見(jiàn)式(1)：

(1)

式中，K為某時(shí)段的水分盈虧量，P為某時(shí)段的降水量，PEm為某時(shí)段的潛在蒸散量.當(dāng)K>0時(shí)，表明水分存在盈余，為氣候濕潤(rùn)季節(jié)；K<0時(shí)，表明水分存在虧缺，為氣候干燥季節(jié)(曾麗紅等, 2011).

其中，潛在蒸散量采用了Thornthwaite (1948)方法求得，計(jì)算公式見(jiàn)式(2):

(2)

式中，PEm為潛在蒸散量(mm/月)，Ti為月平均氣溫(℃)，H為年熱量指數(shù)，A為常數(shù).

年熱量指數(shù)H由式(3)計(jì)算：

(3)

常數(shù)A由式(4)計(jì)算：

A=6.75×10-7H3-7.71×10-5H2

+1.792×10-2H+0.49,

(4)

當(dāng)月平均氣溫Ti≤0℃時(shí)，月潛在蒸散量PEm=0(mm/月).

劉珂和姜大膀(2015)采用SPEI (Standardized Precipitation-Evapotranspiration Index)干旱指標(biāo)，用10個(gè)CMIP5模式的試驗(yàn)數(shù)據(jù)預(yù)估RCP4.5情景下21世紀(jì)中國(guó)干濕變化情況，得到在該情景下的中國(guó)區(qū)域年平均SPEI值逐年減小，說(shuō)明中國(guó)區(qū)域整體有逐年變干的趨勢(shì).但其并未分析年平均SPEI的空間分布情況.故本文將著重從空間特征方面來(lái)分析未來(lái)東北三省的干濕變化情況.圖5為不同情景下東北三省未來(lái)年平均水分盈虧量變化的空間分布圖(相對(duì)于1986—2005年).從圖5(a—c)可以看出，RCP4.5情景下，在21世紀(jì)近期，東北三省的南部地區(qū)將會(huì)變得相對(duì)干旱.這是因?yàn)橄啾扔谶^(guò)去，該區(qū)域的降水增加幅度較小，局部地區(qū)甚至出現(xiàn)負(fù)增長(zhǎng)(圖3g)，而由增溫引起的蒸散量逐漸增大，蒸散量增加幅度超過(guò)了降水增加幅度，水分盈虧量呈減小趨勢(shì)，所以將相對(duì)變旱.而東北三省的北部地區(qū)在近期則會(huì)相對(duì)變濕10%左右，該區(qū)域雖增溫幅度略高于南方，但降水量的增加幅度超過(guò)了由增溫引起的蒸散量的增加幅度，水分盈虧量呈增加趨勢(shì)，所以將會(huì)變得相對(duì)濕潤(rùn).到了中后期，RCP4.5情景下的東北三省普遍都將相對(duì)變濕，相對(duì)變濕0～40%，尤其是西南部地區(qū)，該區(qū)域雖然位于東北的南部，氣溫較高，但增溫幅度與東北內(nèi)陸地區(qū)相差不大(圖3b和3c)，而受渤海海域的影響，該區(qū)域降水的增加卻遠(yuǎn)高于內(nèi)陸地區(qū)(圖3h和3i)，降水增加幅度超過(guò)蒸散量增加幅度，所以將會(huì)變得相對(duì)濕潤(rùn).此結(jié)論與劉珂和姜大膀(2015)得到的未來(lái)東北有較弱的變濕趨勢(shì)的結(jié)論類似.但與Wang和Chen(2014)的結(jié)論略有不同，其給出了中國(guó)區(qū)域的PDSI (Palmer Drought Severity Index)變化空間分布圖，發(fā)現(xiàn)在RCP4.5情景下，未來(lái)21世紀(jì)東北三省的北部將會(huì)略微變干，尤其到了中后期；而南部地區(qū)則沒(méi)有明顯的變干或變濕趨勢(shì).這種差異的產(chǎn)生可能是因?yàn)镻DSI指數(shù)除了考慮蒸散量與降水量之外，還考慮了徑流量及土壤濕度等因素.

從RCP8.5情景下(圖5d—5f)東北三省未來(lái)水分盈虧量變化的分布特征圖(相對(duì)于1986—2005年)可以看出，在該情景下，東北三省將劃分為兩個(gè)部分：中間偏西部地區(qū)將相對(duì)變干旱，其余地區(qū)則會(huì)相對(duì)變濕潤(rùn)，尤其是在21世紀(jì)中后期，這種現(xiàn)象更為明顯.出現(xiàn)此類分布格局是因?yàn)樵谠撉榫跋?，東北三省的中西部地區(qū)氣溫升高幅度雖與周邊相差不大，但降水的增加幅度普遍低于周邊，低于蒸散量的增加幅度，水分盈虧量呈現(xiàn)減小的趨勢(shì)，故將相對(duì)變旱.而除了上述區(qū)域之外，其余地區(qū)的降水量較為充沛，雖然未來(lái)氣溫的升高將會(huì)導(dǎo)致潛在蒸散量增加，但降水的增加幅度更大，所以將會(huì)變得相對(duì)濕潤(rùn).有研究表明(Shi and Xu, 2007; 劉珂和姜大膀, 2015)，當(dāng)代東北三省中部和南部屬于濕潤(rùn)地區(qū)，其余區(qū)域?qū)儆诎霛駶?rùn)地區(qū).總體來(lái)說(shuō)，即東南部比西北部濕潤(rùn).RCP8.5情景下水分盈虧量變化的分布格局，也再一次驗(yàn)證了高濃度路徑情景下未來(lái)氣候?qū)?huì)變得“干者愈干、濕者愈濕”的結(jié)論(Zhao et al., 2014).

圖5　CMIP5模式集合在RCP 4.5(a,b,c)和RCP 8.5(d,e,f)情景下對(duì)東北三省未來(lái)年平均水分盈虧量變化(%)的預(yù)估.圖中為未來(lái)水分盈虧量相對(duì)于1986—2005年的距平百分率.未來(lái)3個(gè)時(shí)段分別為: (a),(d) 2016—2035年; (b),(e) 2046—2065年; (c), (f) 2080—2099年Fig.5　The changes in water deficit (%) under RCP4.5 (a,b,c) and RCP8.5 (d,e,f) projections relative to 1986—2005 in Northeast China during (a, b) 2016—2035, (c, d) 2046—2065, and (e, f) 2080—2099

4　總結(jié)和討論

東北三省氣溫和降水的未來(lái)變化對(duì)全國(guó)林業(yè)及社會(huì)經(jīng)濟(jì)的發(fā)展有著重要的意義.因此，本文在評(píng)估26個(gè)CMIP5模式對(duì)東北三省氣候變化模擬能力的基礎(chǔ)上，依據(jù)泰勒?qǐng)D和線性趨勢(shì)值選出對(duì)東北模擬較優(yōu)的4個(gè)模式，利用模式集合平均結(jié)果重點(diǎn)分析了RCP4.5和RCP8.5兩種情景下東北三省年平均氣溫和降水的未來(lái)變化特征，并分析了其不確定性.然后根據(jù)干旱指標(biāo)——水分盈虧量對(duì)研究區(qū)域內(nèi)未來(lái)的干旱情況進(jìn)行了討論與分析.主要結(jié)論如下：

(1) 對(duì)氣溫的分析表明，2006—2099年中國(guó)東北三省在不同RCP情景下的氣溫均以增加為主要變化特征，且RCP8.5情景下的增溫速率(0.53 ℃/10a)明顯高于RCP4.5情景下的速率(0.22 ℃/10a).到了21世紀(jì)末期，RCP4.5情景下的氣溫變化趨于穩(wěn)定，而RCP8.5情景下的氣溫則持續(xù)上升，兩種情景下的溫度分別升高了3.81±0.97 ℃和6.29±0.99 ℃(相對(duì)于1986—2005年).從氣溫變化的空間分布上來(lái)看，未來(lái)東北三省的北部地區(qū)增溫幅度普遍大于南部地區(qū)，遼寧省部分沿渤海地區(qū)的增溫幅度略高于內(nèi)陸地區(qū).

(2) 未來(lái)東北三省的區(qū)域平均降水量將會(huì)有所加大，2006—2099年將分別以1.10%/10a(RCP4.5)和1.48%/10a(RCP8.5)的速率增加，但波動(dòng)較大.到21世紀(jì)末期，RCP4.5和RCP8.5情景下的降水增加幅度分別達(dá)到11.24±7.77%和15.95±7.72%(相對(duì)于1986—2005年).從降水變化的空間分布可以看出，未來(lái)東北三省絕大部分地區(qū)的降水將普遍增加，且遼寧省西部地區(qū)降水的增加最為顯著.

(3) 通過(guò)對(duì)東北三省未來(lái)氣溫和降水變化的信噪比空間分布的分析可以看出，CMIP5多模式集合對(duì)東北三省未來(lái)氣溫的預(yù)估可靠性較大(信噪比均大于1)，對(duì)降水模擬則是隨著時(shí)間的推移，可靠性逐漸增強(qiáng)，且對(duì)北部降水預(yù)估的可靠性高于南部.整體來(lái)看，經(jīng)過(guò)篩選得出的4個(gè)較優(yōu)模式對(duì)東北三省氣候模擬的可靠性進(jìn)一步加強(qiáng)了，尤其體現(xiàn)在對(duì)氣溫的模擬上.

(4) 對(duì)東北三省未來(lái)氣溫和降水線性趨勢(shì)的空間分布分析來(lái)看，RCP4.5情景下，未來(lái)21世紀(jì)東北三省的東北部地區(qū)增溫速率最快，2016—2035年達(dá)到最大增溫率(0.61 ℃/10a)，降水則是在21世紀(jì)近期，遼寧省西部和黑龍江省東部地區(qū)降水增加速率最大；而RCP8.5情景下，三個(gè)時(shí)間段的東北三省北部地區(qū)增溫速率(最大增溫率達(dá)到0.69 ℃/10a)均普遍高于南部地區(qū)，降水變化速率則是2065年前北部地區(qū)增加最快，最大降水增加率可達(dá)0.15 mm·d-1/10a.

(5) 利用Thornthwaite公式計(jì)算潛在蒸散量，并用水分盈虧量(降水量-潛在蒸散量)來(lái)考察東北三省未來(lái)的干濕情況.結(jié)果表明，相對(duì)于1986—2005年，RCP4.5情景下，21世紀(jì)近期東北三省南部地區(qū)的蒸散量增加幅度超過(guò)降水增加幅度，將變得相對(duì)干旱，北部地區(qū)則會(huì)相對(duì)變濕；到了中后期則整個(gè)研究區(qū)域普遍變濕.而RCP8.5情景下，東北三省的中西部地區(qū)將相對(duì)變干旱，其余地區(qū)則會(huì)相對(duì)變濕潤(rùn).

綜合而言，雖然本文選用了最新的CMIP5全球氣候模式，并擇選了模擬較優(yōu)的模式，但它們對(duì)東北三省氣候的模擬仍存在一定的不確定性，尤其體現(xiàn)在降水上.此外，因篇幅限制，本文計(jì)算潛在蒸散量時(shí)采用了所需氣象要素較少的Thornthwaite方法.在以后的工作中，將進(jìn)一步采用誤差相對(duì)較小的FAO Penman-Monteith方法來(lái)計(jì)算潛在蒸散量，并加強(qiáng)全球氣候模式與區(qū)域模式的相結(jié)合，來(lái)更好地預(yù)測(cè)未來(lái)氣候變化.

致謝感謝文中表1所示的CMIP5各模式組提供模擬試驗(yàn)數(shù)據(jù)，感謝國(guó)家氣候中心提供CN05觀測(cè)數(shù)據(jù)集.

Baker N C, Huang H P. 2014. A comparative study of precipitation and evaporation between CMIP3 and CMIP5 climate model ensembles in semiarid regions.JournalofClimate, 27(10): 3731-3749, doi: 10.1175/JCLI-D-13-00398.1.

Chen H P, Sun J Q. 2009. How the “best” models project the future precipitation change in China.AdvancesinAtmosphericSciences, 26(4): 773-782, doi: 10.1007/s00376-009-8211-7.

Chen H P. 2013. Projected change in extreme rainfall events in China by the end of the 21st century using CMIP5 models.Chin.Sci.Bull., 58(12): 1462-1472, doi: 10.1007/s11434-012-5612-2.

Chen W L, Jiang Z H, Li L. 2011. Probabilistic projections of climate change over China under the SRES A1B scenario using 28 AOGCMs.JournalofClimate, 24(17): 4741-4756, doi: 10.1175/2011JCLI4102.1.

Cui Y, Li Q, Zhou X Y, et al. 2013. Simulation and projection of the surface temperature based on five global climate models over the northeast China.JournalofMeteorologyandEnvironment(in Chinese), 29(4): 37-46, doi: 10.3969/j.issn.1673-503X.2013.04.006.

Guan G F, Li H, Zheng H, et al. 2015. Research on key technologies of land security of commodity grain base in Northeast China.Territory&NaturalResourcesStudy(in Chinese), (2): 37-39.

Guo Y, Dong W J, Ren F M, et al. 2013. Surface air temperature simulations over China with CMIP5 and CMIP3.AdvancesinClimateChangeResearch, 4(3): 145-152, doi: 10.3724/SP.J.1248.2013.145.

Hu B Y, Tang J P, Wang S Y. 2013. Evaluation and projection of extreme events over China under IPCC A1B scenario by MM5V3 model.ChineseJ.Geophys. (in Chinese), 56(7): 2195-2206, doi: 10.6038/cjg20130707.

IPCC. 2013. Climate change 2013: the physical science basis. ∥ Stocker T F, Qin D H, Plattner G K, et al., eds. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press.

Jiang D B, Wang H J, Lang X M. 2005. Evaluation of East Asian climatology as simulated by seven coupled models.AdvancesinAtmosphericSciences, 22(4): 479-495.

Jiang D B, Tian Z P. 2013. East Asian monsoon change for the 21st century: results of CMIP3 and CMIP5 models.ChineseScienceBulletin, 58(12): 1427-1435, doi: 10.1007/s11434-012-5533-0. Liu K, Jiang D B. 2015. Projected changes in the dry/wet climate of China under the RCP4.5 scenario.ChineseJournalofAtmosphericSciences(in Chinese), 39(3): 489-502, doi: 10.3878/j.issn.1006-9895.1406.14119. Otieno V O, Anyah R O. 2013. CMIP5 simulated climate conditions of the Greater Horn of Africa (GHA). Part II: projected climate.ClimateDynamics, 41(7-8): 2099-2113, doi: 10.1007/s00382-013-1694-z.

Shi X H, Xu X D. 2007. Regional characteristics of the interdecadal turning of winter/summer climate modes in Chinese mainland.ChineseScienceBulletin, 52(1): 101-112, doi: 10.1007/s11434-007-0007-5. Taylor K E. 2001. Summarizing multiple aspects of model performance in a single diagram.JournalofGeophysicalResearchAtmospheres, 106(D7): 7183-7192.

Taylor K E, Stouffer B J, Meehl G A. 2012. An overview of CMIP5 and the experiment design.Bull.Amer.Meteor.Soc., 93(4): 485-498, doi: 10.1175/BAMS-D-11-00094.1.

Thibeault J M, Seth A. 2014. Changing climate extremes in the Northeast United States: observations and projections from CMIP5.ClimaticChange, 127(2): 273-287, doi: 10.1007/s10584-014-1257-2. Thornthwaite C W. 1948. An approach toward a rational classification of climate.GeographicalReview, 38(1): 55-94.

Tian D, Guo Y, Dong W J. 2015. Future changes and uncertainties in temperature and precipitation over China based on CMIP5 models.AdvancesinAtmosphericSciences, 32(4): 487-496, doi: 10.1007/s00376-014-4102-7.

Wang L, Chen W. 2014. A CMIP5 multimodel projection of future temperature, precipitation, and climatological drought in China.InternationalJournalofClimatology, 34(6): 2059-2078, doi: 10.1002/joc.3822.

Wang L, Chen W, Zhou W. 2014. Assessment of future drought in Southwest China based on CMIP5 multimodel projections.AdvancesinAtmosphericSciences, 31(5): 1035-1050, doi: 10.1007/s00376-014-3223-3.

Wu J, Gao X J. 2013. A gridded daily observation dataset over China region and comparison with the other datasets.ChineseJ.Geophys. (in Chinese), 56(4): 1102-1111, doi: 10.6038/cjg20130406.

Wu J, Zhou B T, Xu Y. 2015. Response of precipitation and its extremes over China to warming: CMIP5 simulation and projection.ChineseJ.Geophys. (in Chinese), 58(9): 3048-3060, doi: 10.6038/cjg20150903.

Xu C H, Xu Y. 2012a. The projection of temperature and precipitation over China under RCP scenarios using a CMIP5 multi-model ensemble.AtmosphericandOceanicScienceLetters, 5(6): 527-533. Xu Y, Gao X J, Shen Y, et al. 2009. A daily temperature dataset over China and its application in validating a RCM simulation.AdvancesinAtmosphericSciences, 26(4): 763-772, doi: 10.1007/s00376-009-9029-z.

Xu Y, Xu C H. 2012b. Preliminary assessment of simulations of climate changes over China by CMIP5 multi-models.Atmospheric&OceanicScienceLetters, 5(6): 489-494. Yao Y, Luo Y, Huang J B. 2012. Evaluation and projection of temperature extremes over China based on 8 modeling data from CMIP5.ProgressusInquisitionesDEMutationeClimatis(in Chinese), 8(4): 250-256.

Zeng L H, Song K S, Zhang B. 2011. Spatial and temporal structure of water deficit over Northeast China during the period of 1951-2008.JournalofNaturalResources(in Chinese), 26(5): 858-870. Zhang L J. 2014. Research on the efficiency evaluation and subregion optimization of forestry circular economy model in northeast state-owned forestry [Master thesis] (in Chinese). Harbin: Northeast Agricultural University.

Zhao T B, Guo W D, Fu C B. 2008. Calibrating and evaluating reanalysis surface temperature error by topographic correction.JournalofClimate, 21(6): 1440-1446, doi: 10.1175/2007JCLI1463.1. Zhao T B, Chen L, Ma Z G. 2014. Simulation of historical and projected climate change in arid and semiarid areas by CMIP5 models.Chin.Sci.Bull., 59(4): 412-429, doi: 10.1007/s11434-013-0003-x.

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

附中文參考文獻(xiàn)

崔妍, 李倩, 周曉宇等. 2013. 5個(gè)全球氣候模式對(duì)中國(guó)東北地區(qū)地

面溫度的模擬與預(yù)估. 氣象與環(huán)境學(xué)報(bào), 29(4): 37-46, doi: 10.3969/j.issn.1673-503X.2013.04.006.

關(guān)國(guó)鋒, 李宏, 鄭浩等. 2015. 東北商品糧基地土地保障關(guān)鍵技術(shù)研究-技術(shù)需求與研究框架. 國(guó)土與自然資源研究, (2): 37-39.

胡伯彥, 湯劍平, 王淑瑜. 2013. MM5V3模式對(duì)IPCC A1B情景下中國(guó)地區(qū)極端事件的模擬和預(yù)估. 地球物理學(xué)報(bào), 56(7): 2195-2206, doi: 10.6038/cjg20130707.

劉珂, 姜大膀. 2015. RCP4.5情景下中國(guó)未來(lái)干濕變化預(yù)估. 大氣科學(xué), 39(3): 489-502, doi: 10.3878/j.issn.1006-9895.1406.14119.

吳佳, 高學(xué)杰. 2013. 一套格點(diǎn)化的中國(guó)區(qū)域逐日觀測(cè)資料及與其它資料的對(duì)比. 地球物理學(xué)報(bào), 56(4): 1102-1111, doi: 10.6038/cjg20130406.

吳佳, 周波濤, 徐影. 2015. 中國(guó)平均降水和極端降水對(duì)氣候變暖的響應(yīng): CMIP5模式模擬評(píng)估和預(yù)估. 地球物理學(xué)報(bào), 58(9): 3048-3060, doi: 10.6038/cjg20150903.

姚遙, 羅勇, 黃建斌. 2012. 8個(gè)CMIP5模式對(duì)中國(guó)極端氣溫的模擬和預(yù)估. 氣候變化研究進(jìn)展, 8(4): 250-256.

曾麗紅, 宋開山, 張柏. 2011. 1951—2008年?yáng)|北地區(qū)水分盈虧量時(shí)空格局. 自然資源學(xué)報(bào), 26(5): 858-870.

張瓏晶. 2014. 東北國(guó)有林區(qū)林業(yè)循環(huán)經(jīng)濟(jì)模式效率評(píng)價(jià)與分區(qū)優(yōu)化研究[碩士論文]. 哈爾濱: 東北農(nóng)業(yè)大學(xué).

(本文編輯胡素芳)

Projection of future changes in climate in Northeast China using a CMIP5 multi-model ensemble

TAO Chun-Wei, JIANG Chao*, SUN Jian-Xin

CollegeofForestry,BeijingForestryUniversity,Beijing100083,China

Based on observational data of CN05 and the outputs of 26 CMIP5 (Coupled Model Inter-comparison Project Phase 5) models adopted in the Fifth Assessment of the Intergovernmental Panel on Climate Change (IPCC AR5), the abilities of the 26 CMIP5 models to simulate surface air temperature and precipitation of the three provinces in Northeast China during 1961—2005 were assessed. Four best-fit models were selected by Taylor Diagram out of the 26 CMIP5 models, and simulations of future changes in climate and associated uncertainties under different representative concentration pathways (RCPs) by the multi-model ensemble mean (MME) of the four models were examined. The MME of the four best-fit CMIP5 models has higher credibility to simulate the climate change in Northeast China, especially for surface air temperature. Based on estimates of water deficit, future climatological drought in Northeast China was analyzed under RCP4.5 and RCP8.5 over three time periods (i.e. 2016—2035, 2046—2065, and 2080—2099).

CMIP5 models; Climate change; Drought; Projection; Northeast China

10.6038/cjg20161006.

國(guó)家林業(yè)公益性行業(yè)科研專項(xiàng)(201404201)，北京林業(yè)大學(xué)青年科技啟動(dòng)基金(BLX2011002)資助.

陶純?nèi)敚?990年生，碩士研究生，主要從事全球氣候變化生態(tài)學(xué)方面的研究.E-mail:tcw_peach1020@163.com

姜超，女，講師，主要從事陸地碳循環(huán)與全球氣候變化的模擬研究.E-mail:jiangchao@bjfu.edu.cn

10.6038/cjg20161006

P461

2015-11-16，2016-07-20收修定稿

陶純?nèi)敚?姜超， 孫建新. 2016. CMIP5多模式集合對(duì)東北三省未來(lái)氣候變化的預(yù)估研究. 地球物理學(xué)報(bào)，59(10):3580-3591,

Tao C W, Jiang C, Sun J X. 2016. Projection of future changes in climate in Northeast China using a CMIP5 multi-model ensemble.ChineseJ.Geophys. (in Chinese),59(10):3580-3591,doi:10.6038/cjg20161006.