中国东北地区气温变化的模拟评估与未来情景预估

敖雪 赵春雨 崔妍 周晓宇 翟晴飞2 沈历都 王涛

(1.沈阳区域气候中心，辽宁 沈阳 110166； 2.辽宁省人工影响天气办公室，辽宁 沈阳 110166)

引言

气候变化导致极端天气气候事件频发，冰雪圈融化加剧，栖息地丧失，水资源分布失去平衡，生态系统遭受威胁。气候变化不仅导致海平面上升，还使海岸带遭受台风、暴雨等自然灾害的影响，沿海低洼地区和部分海岛甚至将会面临被淹没的风险。气候变化会加剧疾病传播，威胁人类的生存与发展，也将给社会经济带来巨大损失。其中，气候变暖又是气候变化研究中的重中之重，已经成为政府部门重点关注的焦点之一。IPCC第五次评估报告指出，1880—2012年全球平均气温升高0.85 ℃(0.65—1.06 ℃)，预计到21世纪末期，全球平均气温将升高0.3—4.8 ℃(相对于1986—2005年)，人为温室气体排放越多，气温增幅越明显[1]。

气候系统模式是气候变化工作中的研究工具之一，在气候变化模拟和未来预估方面发挥着至关重要的作用。自从全球耦合模式比较计划第五阶段试验(CMIP5)开始后，已经有上百个模式参与全球气候模拟评估，模式对全球尺度的气温和降水模拟也较CMIP3有所提高[2]。但由于全球模式分辨率较低，对于区域尺度气候变化的评估能力还有待加强，因此利用高分辨率区域气候模式对全球气候模式进行动力降尺度就能得到气候变量之间物理协调的高分辨率的模式结果。由于区域气候模式更加真实完善的地形驱动因素，在地形复杂的中小尺度区域，其模拟结果优于全球气候模式，对未来气候预估的可信度也更高[3-7]。

已有研究中，有不少学者基于全球气候模式或区域气候模式对未来气候变化展开了研究，但是基于区域模式和全球模式开展东北地区气候的高分辨率模拟和预估对比分析的研究还比较少。Xu等[8]基于18个CMIP5模式对中国气温和降水展开模拟，结果显示大多数模式都低估了气温，高估了降水量，模式对气温的模拟能力较好，对降水的模拟能力有限。Dong等[9]利用25个CMIP5模式对极端气温的模拟能力进行了评估，研究表明多模式集合数据对极端气温指数的模拟能力明显优于单个模式。Nasrollahi等[10]基于CMIP5模式对大陆干旱区极端事件进行评估，指出模式高估了极端干旱事件，模拟效果不理想。孙侦等[11-12]评价了15 个全球气候模式以及多模式集合对中国气温和降水的模拟精度，结果表明绝大部分气候模式对气温降水的模拟精度均低于多模式集合，多模式集合可以在一定程度上减少单个模式对未来情景模拟气温和降水的不确定性。

RegCM4模式在中国地区的模拟评估[13-15]和未来气候变化预估等方面[16-18]已经较广泛的应用。高学杰等[19-20]评估了多种区域气候模式对气温和降水的模拟能力，发现就中国区域而言，区域气候模式对气温和降水的模拟优于全球气候模式。翟颖佳等[21]利用RegCM4模式对北方地区干旱气候进行预估，研究表明未来北方气温呈由南至北递增趋势，21世纪中期春季和冬季气温升高较显著。王若瑜等[22]利用CCLM模式和RegCM4模式对三峡库区平均气温和极端气温进行了模拟和预估，指出模式的模拟精度较高，未来气温、高温日数呈升高趋势，高温强度则无明显变化趋势。

中国东北地区地处北半球中高纬度，气候条件复杂、生态环境脆弱，正处于工业化、信息化、城镇化和农业现代化快速发展阶段，气候变暖已对粮食安全、水安全、生态安全、能源安全以及生命财产安全等产生重要影响。为了给东北区域提供更加科学的气候变化决策依据，本文对比分析区域气候模式RegCM4和全球气候模式CMIP5对中国东北地区气温的模拟能力，并对不同排放情景下中国东北地区未来气温的可能变化进行预估，以期为更好的认识东北区域气候变化特征提供科学支撑。

1 资料与方法

1.1 研究资料

本文数据主要由区域气候模式RegCM4数据、参加CMIP5耦合模式比较计划的全球气候模式21个模式集合数据和观测数据构成，数据来源于国家气候中心和中国科学院大气物理研究所。区域气候模式水平分辨率为25 km，垂直方向为18层；驱动区域气候模式的初始场和侧边界值由CMIP5全球气候模式HadGEM2-ES的逐6 h输出提供。全球气候模式数据来自于PCMDI(Program for Climate Model Diagnosis and Intercomparison)公开发布的全球21个模式组提供的全球气候模式数值模拟结果，经过插值计算将其统一到同一分辨率下，利用简单平均方法获得多模式集合资料。关于RegCM4和CMIP5的详细信息请参考文献[23-25]。

模式资料分为模拟资料和预估资料两部分，模拟资料为当前气候背景时段下(1986—2005年)的气温资料，预估资料为21世纪近期(2020—2035年)、中期(2046—2065年)和末期(2080—2098年)RCP2.6、RCP4.5和RCP8.5排放情景下的气温资料；RCP(Representative Concentration Pathway)称为典型浓度路径，分别对应2100年总辐射强迫相对于1750年达到2.6 W·m-2、4.5 W·m-2、8.5 W·m-2；资料区域范围为中国东北区域(118°—136 °E，37°—54 °N)，模式资料采用分位数映射的方法进行过订正[15]。观测资料为中国东北地区(辽宁省、吉林省和黑龙江省)1986—2005年162个国家基本基准站逐日气温资料。

1.2 研究方法

本文主要从时间和空间两方面对区域气候模式RegCM4和全球气候模式CMIP5的气温模拟能力进行评估，并对3种排放情景下的中国东北地区气温进行预估。利用双线性插值方法将模式资料插值到中国东北地区162个气象站上，根据中国东北地区DEM数据对模式气温进行地形校正，将校正后的插值结果与观测资料进行对比分析，评估模式的模拟能力；然后将双线性插值得到的预估结果与同一模式下当前气候背景(1986—2005年)的模拟结果进行比较分析，得到中国东北地区未来气温的相对变化。分析中距平值均采用相对1986—2005年模拟气候场的变化值。

双线性插值又称为双线性内插，利用周围4个临近点在横坐标和纵坐标方向上做线性内插以来取得目标点数值；根据目标点与4个临近点的距离对应权重来计算目标点数值[26]。

模拟偏差是模式模拟值与观测值之差，公式如下：

(1)

式(1)中，ERR为模式与观测值之间的模拟偏差；Sim为模式值；Obs为观测值；N为样本数量。

泰勒图是由Taylor[27]提出的一种对不同模式进行比较评估的方法，该方法能较为全面且直观地同时评估多个模式模拟气象的能力。泰勒图使用3种不同的统计量(相关系数、均方根误差、标准差)来量化模式的模拟值与观测值之间的对应程度。

2 结果分析

2.1 中国东北地区气温模拟能力评估

2.1.1 年和四季气温变化的模拟

从图1可以看出，RegCM4模式和CMIP5模式对平均气温的年内循环具有很好的模拟能力，区域模式和全球模式具有较好的一致性，能很好的反映出中国东北地区7月气温最高、1月气温最低的逐月变化规律；总体而言，区域模式和全球模式模拟的气温基本小于观测气温，RegCM4模式的模拟偏差相对较小，模拟效果优于CMIP5模式；RegCM4模式除1月以外，均存在冷偏差，模式对6—7月、9—12月的模拟偏差绝对值均小于0.9 ℃，其中12月的模拟偏差仅为-0.16 ℃，模式对下半年气温的模拟能力好于上半年。CMIP5模式对1月、7月、12月的模拟效果较好，偏差绝对值均小于0.9 ℃，对比CMIP3模式对中国东北地区气温的模拟结果，可以发现CMIP5模式对气温模拟效果改进明显，平均气温的模拟偏差从-2.73 ℃降到-1.24 ℃，模拟偏差最明显的8月也从-5.8 ℃减小到-1.9 ℃[28]。RegCM4模式和CMIP5模式与观测值的相关系数均超过0.99，通过0.001的显著性检验。

图1 1986—2005年东北地区气温模拟值和观测值逐月变化Fig.1 Monthly variation of average surface temperature simulated and observed from 1986 to 2005 in Northeast China

表1给出了RegCM4模式和CMIP5模式对中国东北地区年及四季气温的模拟值及其模拟误差，结果显示两个模式均能较好的模拟出夏季气温高、冬季气温低的分布特征，模式对四季气温的模拟也均小于观测值。RegCM4模式对冬季和夏季的模拟能力较好，模拟偏差在-0.6 ℃左右，秋季次之，对春季的模拟偏差相对较大，这与CMIP5模式的模拟偏差较一致；RegCM4模式模拟的年平均气温较观测值偏低0.69 ℃，而CMIP5模式则偏低1.42 ℃。张姣艳等[29]在研究RegCM4模式和CMIP5模式对贵州过去50 a气温的模拟能力时指出,区域模式和全球模式的模拟气温均较观测气温偏小，RegCM4模式的模拟效果好于CMIP5模式。张冬峰等[30]在研究RegCM4模式对中国气候变化的模拟与预估时发现，RegCM4模式能较好的纠正全球气候模式模拟东北地区和华南地区气温上存在的冷偏差。综上所述，区域模式和全球模式对东北地区的年内气温变化均具有较好的模拟能力，RegCM4模式的模拟效果更好。

分析1986—2005年区域模式和全球模式对东北地区年平均气温年际变化的模拟结果(图略)，可以发现区域模式和全球模式均能较好的模拟出气温显著升高的变化趋势，并且与观测值的增暖趋势基本一致，RegCM4模式的升温速率为0.66 ℃/10 a，CMIP5模式的升温速率为0.45 ℃/10 a，均高于观测气温的上升趋势(0.37 ℃/10 a)，RegCM4模式表现出较明显的年际振荡特征，而CMIP5模式模拟的气温变化较平缓，RegCM4模式和CMIP5模式与观测气温的时间相关系数分别为0.62和0.49，均通过0.01显著性检验，与陶纯苇[31]、姜燕敏等[32]得出的结论相一致。

为了进一步定量分析RegCM4模式和CMIP5模式对中国东北地区气温的模拟能力，本文给出了区域模式和全球模式模拟与观测资料对比的泰勒图(图2)，泰勒图是将标准差、均方根误差和相关系数3种指标集合于一幅图上的极坐标图。其中观测资料的标准差为1，即图中的REF，当模式点距离原点的长度越接近1，到REF的距离越近，相关系数越大，代表该模式的模拟能力越好。综合上述定量化结果，可以看出模式对气温时间序列的模拟能力略低于对空间分布的模拟能力，区域模式和全球模式对空间分布的模拟能力相对集中且相关性高。区域模式和全球模式的时间序列与观测资料相关系数均大于0.4，空间相关系数均大于0.9，均是RegCM4模式的相关系数相对较高。就标准化偏差而言，比值均介于0.5—0.9之间，比较接近观测气温的标准差。综合而言，RegCM4模式标准差更接近观测标准差，相关系数更接近1，均方根误差更接近0，所以动力降尺度后的区域气候模式的模拟效果相对更好。

2.1.2 气温空间分布的模拟

对比中国东北地区区域模式和全球模式的模拟场和观测场(图3)，观测资料显示气温呈纬向分布，整体上呈现南高北低，辽宁省大连地区年平均气温最高，低值区位于黑龙江省西北部大兴安岭地区，东北大部分地区平均气温大于0 ℃，0 ℃等值线分布于大兴安岭呼玛县。区域模式和全球模式结果均能很好的再现中国东北气温由北向南逐渐升高的空间分布格局，且模式模拟出的冷暖中心位置与观测结果基本一致，RegCM4模式和CMIP5模式与观测场的空间相关系数分别为0.98和0.93，通过0.01的显著性检验。对比区域模式和全球模式模拟结果的差异可以发现，在区域尺度信息上，RegCM4模式的模拟结果明显优于CMIP5模式，对CMIP5模式模拟的冷偏差有一定改善，空间分布与观测值更为接近；CMIP5模式模拟的等温线明显较RegCM4模式和观测气温更加平直，其原因可能是CMIP5模式的分辨率较低，不能很好的模拟中国东北地区气温的小尺度信息[33]。张艳武等[34]指出CMIP5模式模拟的不确定性一方面与下垫面复杂的物理特性有关，另一方面也是因为CMIP5模式的分辨率不高，对复杂地形难以细致描述。对比观测和模拟结果表明，区域模式和全球模式对气温的模拟均偏低，且区域模式和全球模式的0 ℃等值线均较观测值偏南，这可能与近年来城市热岛效应有关[35-36]。巩崇水等[37]利用RegCM4模式对中国过去30 a气温降水进行模拟，研究表明RegCM4模式在中国范围内的模拟结果整体略低于观测值，中国东北地区的误差相对较小，在-2～0 ℃之间；朱涛等[38]基于RegCM3模式和RegCM4模式模拟中国近29 a夏季气温，研究发现中国地区普遍存在冷偏差，与本文结论相一致。RegCM4模式与观测场的差异基本在-1～0 ℃之间，模拟误差自东向西逐渐增大，误差主要集中在吉林东部地区；CMIP5模式与观测值的偏差主要在-1.5～0.0 ℃之间，偏差主要分布在黑龙江地区，模式对辽宁和吉林东南部地区的模拟效果相对较好。

图2 1986—2005年区域气候模式RegCM4和全球气候模式CMIP5与观测资料对比的气温时间序列(a)和气温空间分布(b)泰勒图Fig.2 Taylor diagrams showing a comparison of time-series (a) and spatial distribution of temperature (b) simulated by the RegCM4 and CMIP5 with the observations from 1986 to 2005

单位为℃图3 1986—2005年东北地区年平均气温观测值(a)、区域气候模式RegCM4模拟值(b)和全球气候模式CMIP5模拟值(c)空间分布Fig.3 Spatial distributions of the temperature simulated by the observations (a),the RegCM4 model (b),and the CMIP5 model (c)averaged from 1986 to 2005 in Northeast China

2.2 中国东北地区气温变化情景预估

2.2.1 年和四季变化

表2给出了区域模式和全球模式预估21世纪不同时期中国东北区域年和四季气温相对变化结果。区域模式和全球模式在近期、中期、末期均表现为RCP8.5情景下气温增幅最大， RCP4.5情景次之，RCP2.6情景下气温增幅最小。RegCM4模式和CMIP5模式预估的近期气温增幅差异较小，排放情景对气温的影响小，RCP8.5情景和RCP2.6情景下气温相差0.1℃左右；从中期开始，不同排放情景下气温变化明显增大，RCP8.5情景下气温增幅为RCP2.6情景下气温增幅的两倍多；21世纪末期，RCP4.5和RCP8.5情景下气温增幅的差异进一步增大，RCP8.5情景下气温增幅为RCP2.6情景下增幅的三倍多。此结论与陶纯苇[39]、敖雪等[40]预估中国东北地区未来气温变化得出的结论类似。三种排放情景下，中国东北地区气温估算值均高于全球气温变化估算值，与中国地区平均气温增温幅度较为接近[34]。就四季气温而言，区域模式和全球模式均表现为冬季和秋季气温增幅较大，春季次之，夏季气温增幅最小的变化特点，与胡芩等[41]的研究结论较一致，且3种排放情景下RegCM4模式预估的升温幅度均大于CMIP5模式预估结果。

表2 区域气候模式RegCM4和全球气候模式CMIP5对东北地区21世纪近期(2020—2035年)、中期(2046—2065年)和末期(2080—2098年)年及四季平均气温相对变化的预估结果(相对于1986—2005年)Table 2 Results of relative changes of the annual and seasonal surface temperature in Northeast China from 2020-2035,2046-2065,and 2080-2098 predicted by the RegCM4 and CMIP5 models (relative to those from 1986 to 2005) ℃

2.2.2 趋势变化

图4给出了RegCM4模式和CMIP5模式预估中国东北地区2020—2098年气温距平的相对变化。由图4可见，3种排放情景，中国东北地区年平均气温均呈显著增加趋势，RegCM4模式在不同排放情景下对应的增暖速率分别为0.69 ℃/10 a、0.35 ℃/10 a、0.042 ℃/10 a，CMIP5模式对应的增温趋势分别为0.62 ℃/10 a、0.23 ℃/10 a、0.025 ℃/10 a，在RCP4.5和RCP8.5排放情景下，区域模式和全球模式预估的气温升温趋势均通过0.05显著性检验，21世纪末期增暖最为显著，中期次之，近期的增暖相对缓慢，且气温变化在2060年左右趋于平稳，与陶纯苇等[29]的预估结果较为一致。区域模式和全球模式在RCP2.6和RCP8.5排放情景下差异较小，RCP4.5排放情景下差别较大，这种差别可能与模式的气候敏感度以及模拟技巧有关[42]。区域模式和全球模式均表现出排放情景越高，中国东北地区气温的升温速率越显著；RegCM4模式的增温幅度较CMIP5模式显著，且RegCM4模式表现出较明显的年际振荡特征，CMIP5模式预估的气温变化则相对平缓。

图4 区域气候模式和全球气候模式预估三种排放情景下2020—2098年东北地区平均气温相对变化(相对于1986—2005年)Fig.4 Variations of the average temperature evolution characteristics predicted by the RegCM4 and CMIP5 models under the three emission scenarios from 2020 to 2098 in Northeast China (relative to those from 1986 to 2005)

2.2.3 空间分布

图5给出了3种排放情景下中国东北地区中期和末期气温相对变化的空间分布。由图5可知，不同排放情景下，区域模式和全球模式预估的气温中期、末期的空间分布格局基本一致，均呈现由南向北逐渐增大的纬向分布特征，辽宁地区增温幅度最小，增幅高值区位于黑龙江省大兴安岭地区。中期和末期，均显示RCP2.6情景下气温增幅最小，RCP8.5情景下气温增幅最显著，略高于RCP4.5情景。21世纪近期，3种排放情景下气温变化较小，气候变暖对温室气体排放假设的敏感性较小(图略)，但随着时间推移，中期和末期各情景之间差异增大。RCP2.6情景下，中国东北地区的增温幅度基本在1—2 ℃之间，末期增温略大于中期；RCP4.5情景下，RegCM4模式预估的增温幅度大于CMIP5模式，中期气温增幅分布在2.5—3.2 ℃之间，末期增温幅度为3.3—3.9 ℃(RegCM4)；李熠等[43]利用全球和区域模式预估未来气温变化时指出，RCP4.5情景下北方地区气温升高2—3 ℃，增温幅度明显高于南方地区；RCP8.5情景下，气温进一步升高，中期气温增幅较RCP4.5情景下超过0.5 ℃，末期气温增幅约为中期气温的两倍，无论是近期、中期还是末期，均是黑龙江地区增温幅度较大且增温范围跨度较广。虽然北部升温幅度较南部明显，但是升温后未来中国东北地区的气温分布特征仍是南部气温高于北部。

图5 RCP2.6(图a、d、g、j)、RCP4.5(图b、e、h、k)、RCP8.5(图c、f、i、l)情景下，区域气候模式RegCM4(图a、b、c和g、h、i)和全球气候模式CMIP5(图d、e、f和j、k、l)预估东北地区21世纪中期(图a、b、c、d、e、f)和末期(图g、h、i、j、k、l)平均气温相对变化(相对于1986—2005年)空间分布Fig.5 Spatial distributions of change in annual mean surface temperature in Northeast China from 2046-2065 (a,b,c,d,e,f) and 2081-2100 (g,h,i,j,k,l) under the RCP2.6 (a,d,g,j),RCP4.5 (b,e,h,k),RCP8.5 (c,f,i,l) predicted by the RegCM4 (a-c,g-i) and CMIP5 (d,e,f,j,k,l) models (relative to those from 1986 to 2005)

3 结论与讨论

(1) RegCM4模式和CMIP5模式能够很好地再现中国东北地区气温的逐月变化规律，模式模拟气温小于观测气温，RegCM4模式的模拟偏差相对较小，模拟效果优于CMIP5模式。模式与观测值的相关系数均超过0.99，RegCM4模式对下半年气温的模拟能力好于上半年，CMIP5模式对1月、7月、12月的模拟效果较好，区域模式和全球模式对冬季和夏季的模拟效果均优于秋季和春季。

(2) RegCM4模式的增暖速率为0.66 ℃/10 a，CMIP5模式的增暖速率为0.45 ℃/10 a，均高于观测气温的上升趋势(0.37 ℃/10 a)，RegCM4模式表现出较明显的年际振荡特征，而CMIP5模式模拟的气温变化较平缓。相较于CMIP5模式，RegCM4模式标准差更接近观测标准差，相关系数更接近1，均方根误差更接近0。

(3) 区域模式和全球模式均能很好的再现东北地区气温由北向南逐渐升高的空间分布格局，且模式模拟出的冷暖中心位置与观测结果基本一致，模式与观测场的空间相关系数分别为0.98(RegCM4)和0.93(CMIP5)。在区域尺度信息上，RegCM4模式的模拟结果明显优于CMIP5模式，对模拟的冷偏差有一定改善，区域模式和全球模式的模拟值基本偏小，偏差主要在-1.5～0.0 ℃之间。

(4) 未来中国东北地区在不同排放情景下的年及四季气温均呈升高趋势，RCP2.6情景下增温相对较小，其次为RCP4.5，RCP8.5情景下增幅最显著；冬季和秋季气温增幅较大，夏季气温增幅最小。RCP4.5和RCP8.5排放情景下，区域模式和全球模式均是末期增暖最为显著，中期次之，近期的增暖相对缓慢，气温变化在2060年左右趋于平稳。3种排放情景下，RegCM4模式的增温幅度均大于CMIP5模式，且RegCM4模式表现出较明显的年际振荡特征，CMIP5模式预估的气温变化则相对平缓。

(5) 区域模式和全球模式预估的东北地区不同时期不同排放情景下的气温分布格局比较一致，均呈现出自南向北逐渐增大的纬向分布特征，增温低值区位于辽宁，增幅高值区位于黑龙江省大兴安岭地区；RCP8.5情景下气温增幅最大，中期气温增幅较RCP4.5情景下超过0.5 ℃，末期气温增幅约为中期气温的两倍；无论是近期、中期还是末期，均是黑龙江地区增温幅度较大且增温范围跨度较广；虽然北部升温幅度较南部明显，但是升温后未来中国东北地区的气温分布特征仍是南部气温高于北部。与CMIP3相比，CMIP5多模式集合平均对中国东北地区气温变化趋势、气温空间分布上的模拟能力均有所提高，能更好地再现气温的年际变化规律和四季分布，平均气温的模拟偏差从-2.73 ℃降到-1.24 ℃，模拟偏差最明显的8月也从-5.8 ℃减小到-1.9 ℃，CMIP5对冬季气温的模拟效果也有显著提高[28、31]；模拟场和观测场的空间相关性也从0.86提高到0.93；但是两代模式均存在显著的冷偏差以及空间分布差异偏小的问题，RegCM4不仅能很好地改善模式模拟上的冷偏差，对于区域尺度信息的模拟也与观测值更为接近，总体而言，RegCM4对中国东北地区气温有较强的模拟能力。在预估方面，A2、A1B、B1这3种情景下，CMIP3预估的21世纪末期中国东北地区气温增温均在3 ℃以上，3种排放情景间的差异较小[44]；对比CMIP5和RegCM4的预估结果可以发现，RCP2.6情景下增温均在1.6 ℃以下，RCP4.5和RCP8.5情景下气温增幅显著；且RegCM4的增温幅度较CMIP5显著，表现出较明显的年际振荡特征。

综合而言，虽然本文选用的高分辨率区域气候模式和全球模式的多模式集合的模拟结果与观测结果比较接近，但总体而言高分辨率区域模式对中国东北地区气温的模拟效果更好，更适应于中国东北地区未来气温的预估，但是该模式在未来气候变化预估上仍存在不确定性。其中区域气候模式内部变率以及该模式对全球气候模式侧边界条件的依赖性导致区域模式预估的不确定性[45]；全球气候模式的低分辨率会导致对大气环流模拟的偏差，为模式预估带来不确定性[46]；温室气体排放情景的不确定性以及动力降尺度方法的优劣都会为预估带来不确定性；所以为了降低模式预估的不确定性，在未来的研究工作中需要利用更多的全球气候模式结果驱动多个区域气候模式，结合更多源的观测资料更好地评估模式的性能，以期减少未来预估方面的不确定性，为中国东北区域适应气候变化提供科学依据。