8个CMIP5模式对中国极端气温的模拟和预估

气候变化研究进展 ›› 2012, Vol. 8 ›› Issue (4): 250-256.

8个CMIP5模式对中国极端气温的模拟和预估

姚遥¹,罗勇^2,3,黄建斌³

1 南京信息工程大学/气象灾害省部共建教育部重点实验室;
2 中国气象局国家气候中心;
3 清华大学地球系统数值模拟教育部重点实验室/清华大学地球系统科学研究中心

收稿日期:2011-11-28 修回日期:2012-02-05 出版日期:2012-07-30 发布日期:2012-07-30
通讯作者: 姚遥 E-mail:yaoraistlin@gmail.com
基金资助:
国家重点基础研究发展计划

Evaluation and Projection of Temperature Extremes over China Based on 8 Modeling Data from CMIP5

Received:2011-11-28 Revised:2012-02-05 Online:2012-07-30 Published:2012-07-30

摘要/Abstract

摘要： 利用8个耦合模式比较计划第五阶段（CMIP5）模式结果，采用加权平均方法进行多模式集合，并与NCEP再分析资料进行对比分析，评估了CMIP5模式对中国极端气温的模拟效果，在此基础上，对未来极端气温进行预估。CMIP5模式对中国8个极端气温指数和20年一遇最高（低）气温有模拟能力，所有极端气温指数模拟和观测结果的时间相关均达到0.10显著性水平，20年一遇最高、最低气温模拟和观测结果空间相关系数均超过0.98。在中等排放RCP4.5情景下，未来中国极暖（冷）日数增多（减少），到21世纪中期热浪指数增加2.6倍，到21世纪末期寒潮指数减少71%，20年一遇最高（低）气温在中国地区均呈现升高趋势，局部升温幅度达到4℃。

关键词: CMIP5, 极端气温, RCP4.5情景, 重现期, 预估

Abstract: Evaluation and projection of temperature extremes over China are carried out with 8 model data from CMIP5. Compared with the NCEP reanalysis data, multi-model weighted ensemble has a capacity of reproducing the 8 temperature extreme indices and 20-year return values of annual maximum/minimum temperature. The time correlation coefficients of all the 8 indices between multi-model ensemble and the reanalysis can reach 0.10 significance level and the spatial correlation coefficients of 20-year return values of annual maximum/minimum temperature are greater than 0.98. Under the RCP4.5 scenario, more extreme warm and less cold events are expected over China in multi-model ensemble. By the middle of the 21st century, the heat wave duration index will be multiplied 2.6 times. At the end of the 21st century, the cold wave duration index will decrease 71%, and the 20-year return values will increase 4℃ in parts of China for the maximum/minimum temperature.

Key words: CMIP5, temperature extremes, RCP4.5 scenario, return period, projection

姚遥罗勇黄建斌. 8个CMIP5模式对中国极端气温的模拟和预估[J]. 气候变化研究进展, 2012, 8(4): 250-256.

[1]	徐粒,李倩,王瑛,黄靖玲,许映军. 气候变化情景下泥石流危险性响应分析[J]. 气候变化研究进展, 2020, 16(4): 415-423.
[2]	陈曦,李宁,张正涛,刘佳伟,王芳. 全球热浪人口暴露度预估——基于热应力指数[J]. 气候变化研究进展, 2020, 16(4): 424-432.
[3]	张奇谋,王润,姜彤,陈松生. RCPs情景下汉江流域未来极端降水的模拟与预估[J]. 气候变化研究进展, 2020, 16(3): 276-286.
[4]	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.
[5]	钱诚,张文霞. CMIP6检测归因模式比较计划（DAMIP）概况与评述[J]. 气候变化研究进展, 2019, 15(5): 469-475.
[6]	季涤非,刘利,李立娟,孙超,于馨竹,李锐喆,张诚,王斌. 模式内部变率引起的1.5℃和2℃升温阈值出现时间模拟的不确定性研究[J]. 气候变化研究进展, 2019, 15(4): 343-351.
[7]	香薇,程志刚,周波涛,宾昕,冯冬蕾. 1975—2016年秦巴山区极端气温事件的空间差异性分析[J]. 气候变化研究进展, 2018, 14(4): 362-370.
[8]	王胜,许红梅,王德燕,宋阿伟,段春锋,何冬燕. 基于CMIP5模式安徽省植被净初级生产力预估[J]. 气候变化研究进展, 2018, 14(3): 266-274.
[9]	郝莹,马京津,安晶晶,王元,许红梅. 全球1.5℃和2.0℃升温下潮白河流域气候和径流量变化预估[J]. 气候变化研究进展, 2018, 14(3): 237-246.
[10]	江晓菲,李伟,游庆龙. 中国未来极端气温变化的概率预估及其不确定性[J]. 气候变化研究进展, 2018, 14(3): 228-236.
[11]	周梦子,周广胜,吕晓敏,周莉,汲玉河. 基于CMIP5耦合气候模式的1.5℃和2℃升温阈值出现时间研究[J]. 气候变化研究进展, 2018, 14(3): 221-227.
[12]	周建琴, 黄玮, 朱勇, 李蒙, 周波涛. 云南气候舒适度分布和变化特征及未来变化趋势预估[J]. 气候变化研究进展, 2018, 14(2): 144-154.
[13]	朱再春, 刘永稳, 刘祯, 朴世龙. CMIP5模式对未来升温情景下全球陆地生态系统净初级生产力变化的预估[J]. 气候变化研究进展, 2018, 14(1): 31-39.
[14]	张冬峰, 韩振宇, 石英. CSIRO Mk3.6.0模式及其驱动下RegCM4.4模式对中国气候变化的预估[J]. 气候变化研究进展, 2017, 13(6): 557-568.
[15]	徐影周波涛吴婕韩振宇张永香吴佳. 1.5～4℃升温阈值下亚洲地区气候变化预估[J]. 气候变化研究进展, 2017, 13(4): 306-315.