末次间冰期亚洲中部干旱区干湿变化的模拟研究

江南萱 燕青 王会军

摘要  利用国际古气候模拟对比计划第四阶段的多模式结果，分析了末次间冰期亚洲中部干旱区的干湿变化及机制。多模式集合平均结果表明，末次间冰期亚洲中部干旱区年降水减少0 7％，其中中亚地区的年降水减少2 8％，新疆地区年降水增加1 8％。水汽收支方程表明，末次间冰期中亚地区在雨季（冬春季）的降水变化主要与垂直动力项有关，新疆地区在雨季（夏季）的降水变化主要与垂直动力与热力项有关。此外，基于Penman-Montieth方法计算的亚洲中部干旱区的干旱指数在末次间冰期减小约10 2％，表明末次间冰期亚洲中部干旱区气候明显变干且存在旱区扩张的现象，这主要受到潜在蒸散变化的调控。潜在蒸散的增加进一步受到有效能量增加与地面风速增大的调控。本研究从模拟的角度揭示了末次间冰期亚洲中部干旱区干湿变化的可能特征及机制，在一定程度上有助于理解旱区气候在增暖情景下对轨道参数的响应特征。

关键词  末次间冰期; 亚洲中部干旱区; 干湿变化

亚洲中部干旱区位于亚欧大陆腹地，主要包括中亚五国（哈萨克斯坦、乌兹别克斯坦、吉尔吉斯斯坦、塔吉克斯坦以及土库曼斯坦）与我国新疆地区，是“一带一路”区域重要的组成部分（Huang et al.，2015）。作为全球最大的干旱区之一，干湿变化对于亚洲中部干旱区的淡水资源、生物多样性、人类生活以及“丝绸之路经济带”的发展都具有十分重要的影响（Chen et al.，2018;王会军等，2020）。在全球变暖背景下，亚洲中部干旱区对气候变化具有极高的敏感度（Huang et al.，2015）。已有研究表明，亚洲中部干旱区的降水在过去五十年呈增长的趋势（Chen et al.，2018;Yao et al.，2020），并且在未来RCP8 5的排放情境下继续增加（Feng and Fu，2013;Jiang et al.，2020）。然而，这种降水的增加伴随的却是亚洲中部干旱区的旱区扩张（Huang et al.，2015;Wei et al.，2019）。这主要归因为潜在蒸散的增加（Feng and Fu，2013）。这些研究结果有助于理解亚洲中部干旱区的降水与干湿气候区对于CO 2增加引起的全球变暖的响应特征。虽然中短期气候变化的主要外强迫为CO 2，但是在万年尺度上，温室气体的辐射强迫远小于由地球轨道参数变化引起的辐射异常。因此，研究亚洲中部干旱区干湿变化在轨道参数引起的增暖情景下的演变特征，有助于理解更长时间尺度下旱区气候的演变特点。

末次间冰期（130—115 ka BP）北半球气温比现代高约2 ℃，伴随着全球冰盖的缩小与海平面的升高（Andersen et al.，2004;Dutton and Lambeck，2012;Bakker and Renssen，2014;Hoffman et al.，2017;Landais et al.，2016;Turney et al.，2020），是过去80万年最暖的一个间冰期（Past Interglacials Working Group of PAGES，2016）。这种增暖主要是地球轨道参数的变化引起的大气顶太阳辐射的增加导致的，并且这种增暖可以进一步影响大气环流等变化从而调控全球气候变化（Otto-Bliesner et al.，2017，2021）。末次间冰期与未来低排放情景的外强迫虽然具有一定的差异性，但是二者的增暖幅度较一致（Gulev et al.，2021）。因此，末次間冰期为研究不同气候变暖情景下亚洲中部干旱区干湿变化提供了一个很好的机会。末次间冰期亚洲中部干旱区的降水重建结果表明，降水的增加与减少存在较大的区域／资料差异性。科桑洞的石笋记录（Cheng et al.，2012;Hu et al.，2015）与Rudak的黄土记录（Zhang et al.，2020）表明这两个地区在末次间冰期降水偏少，而伊犁河、天山中部以及塔吉克斯坦的黄土记录均表明这些区域在末次间冰期降水偏多（Ding et al.，2002;Fang et al.，2002;Yang et al.，2020）。这些重建结果有助于理解末次间冰期亚洲中部干旱区的降水变化，然而相关的动力机制仍不清晰。

数值模式已广泛应用于探讨气候系统对于不同外强迫的响应特点与相关动力机制的历史时期气候变化研究。已有研究利用多个阶段的国际古气候模拟对比计划（Paleoclimate Modelling Intercomparison Project，简称PMIP）探讨了亚洲中部干旱区的降水与干湿气候区在地球历史时期的响应特征及机理。Xu et al.（2020）基于PMIP3模式，表明末次冰盛期（～21 ka）与中全新世（～6 ka）亚洲中部干旱区降水分别减少28 2％与5 8％，且亚洲中部干旱区在这两个时期均存在旱区扩张的现象。Wang et al.（2022）基于PMIP3／4模式进一步分析了亚洲中部干旱区在中全新世降水减少主要受到西风急流的减弱导致的水汽输送减少与局地垂直运动变化的影响。此外，Liu et al.（2018）与Liu et al.（2021）基于PMIP3模式与TraCE-21ka试验探讨了末次冰盛期及末次冰盛期以来亚洲中部干旱区气候干湿区的演变特征及对不同外强迫的响应特点。Shi et al.（2016）基于PMIP3模式表明亚洲中部干旱区的降水在中世纪异常期（～950—1250 A.D.）较小冰期（～1500—1800 A.D.）偏少主要受到西风急流北移与局地异常下沉运动的调控。需要强调的是，尽管中全新世（～6 ka）是一个太阳辐射异常与末次间冰期（～127 ka）类似的时期（Fischer and Jungclaus，2010;Otto-Bliesner et al.，2017），末次间冰期亚洲中部干旱区的干湿气候变化仍值得进一步的研究，原因在于：1）气候与外强迫之间的相互作用是一种非线性的关系，末次间冰期与中全新世的气候响应特征并不会完全一致;2）目前末次间冰期亚洲中部干旱区的气候变化尚未有全面、系统的研究。因此，本文拟解决的科学问题是：末次间冰期亚洲中部干旱区的降水及干湿气候区如何变化？相关的动力机制又为何？回答这两个问题有助于理解地球轨道参数对亚洲中部干旱区干湿环境的调控作用，同时也有助于理解不同的变暖情景下亚洲中部干旱区气候的响应特点，为未来预估中亚洲中部干旱区气候变化的风险评估提供一定的科学依据。

1 方法和资料

1 1 大气水汽收支方程

利用水汽收支方程来探讨末次间冰期亚洲中部干旱区降水的变化原因（Seager et al.，2010;Chou et al.，2013）。水汽收支方程的具体形式如下：

P′= -〈   · V q〉 ′+E′+ δ= -〈q  · V 〉 ′- 〈 V·   q〉 ′+E′+ δ 。    （1）

其中： P、q、 V 、E和 δ 分别表示降水、比湿、水平速度矢量、蒸发和残差项;（）′表示末次间冰期相对于工业革命前的气候态异常;〈〉表示1 000～300 hPa的垂直积分。假设 P坐标系的垂直速度（ ω ）在地面与对流层顶均为0 m·s  -1 ，大气水汽收支方程可进一步分解为：

P′= -〈     pq′〉-〈 ω′   p 〉-〈  ·   q′〉- 〈 V′·    〉+E′+ δ  。   （2）

其中： （）  - 表示工业革命前的气候态;-〈     pq′〉与 -〈 ω ′   p 〉分别表示垂直水汽平流的热力与动力项;-〈  ·   q′〉与-〈 V′·    〉分 别表示水平水汽平流的热力与动力项。式（2）中，热力项与大气中水汽含量（比湿）的变化有关，动力项与速度异常相联系。

1 2 干旱指数（AI）的定义与计算

利用干旱指数（Aridity index，AI）来研究末次间冰期亚洲中部干旱区干湿气候分区的变化。干旱指数定义为年降水（ P ）与年潜在蒸散量（PET）的比值。用公式表示为：

AI=  P  PET 。    （3）

根据Middleton and Thomas（1997）提出的划分标准，全球可划分为5种干湿气候区：极端干旱区（AI<0 05）、干旱区（0 05≤AI<0 2）、半干旱区（0 2≤AI<0 5）、半湿润半干旱区（0 5≤AI<0 65）与湿润区（AI≥0 65）。

在干旱指数的计算中，潜在蒸散是一个重要的变量，具有多种计算方式。在众多方式中，利用Penman-Montieth（PM）方程对潜在蒸散的估算效果最佳（Jensen et al.，1990;Allen et al.，1998）。PM方程综合考虑了能量驱动因子（例如，净辐射通量、地表气温）及大气动力因子（例如，饱和水汽压差、风速）对潜在蒸散变化的影响（Penman and Keen，1948;Monteith，1965）。PM方程具体计算潜在蒸散方法如下：

PET  PM = 0.408 Δ（ R  n -G）+ γ  900 T   mean  +273 U 2（e  s -e  a ）  Δ+ γ（1+0.34 U  2） 。    （4）

其中： Δ 表示饱和水汽压曲线斜率（kPa·℃  -1 ）; R  n 和G分 别为净辐射和土壤热通量（MJ·m  -2 · d  -1 ），二者的差值（ R  n- G ）表示用于蒸发的有效能量; γ 为干湿表常数（kPa·℃  -1 ）; T   mean 为2 m处的日均气温（℃），由日最高气温与日最低气温的平均值表示; U  2为2 m处的风速（m·s  -1 ）; e  s和 e  a分别为饱和水汽压和实际水汽压（kPa），二者的差值（ e  s- e  a）表示饱和水汽压差， e  s由日最高气温与日最低气温计算的饱和水汽压的平均值表示， e  a由相对湿度计算得到。

為了分析干旱指数变化的可能原因，采用Feng and Fu（2013）给出的定量估算降水和潜在蒸散量对干旱指数变化的影响的方法，计算公式如下：

Δ AI≈ F （ Δ P）+G（ Δ PET）。   （5）

F（ Δ P）=  Δ P  PET 。   （6）

G （ Δ PET）= -  P  PET 2  Δ PET+  P  PET 3 （ Δ PET） 2≈  Δ AI- F （ Δ  P ）。    （7）

此外，我们还采用了Fu and Feng（2014）提出的方法来量化气温、有效能量、相对湿度和风速对PM方法计算得到的潜在蒸散量的相对贡献。令有效能量，AE= R  n- G ， g = 900  T   mean +273 ，用下标“0”和“1”分别代表工业革命前与末次间冰期的气候平均值，用 δ 代表两个时期气候态的差值，则潜在蒸散量的变化可表示为：

δ PET≈  0.408× Δ （ T   mean1 ）× AE  0+ γ× g（ T    mean1 ）× U  0× e   s （  T    mean1 ）×（1-RH 0）  Δ （  T    mean1 ）+ γ ×（1+0.34×  U    1 ） -PET 0+

0.408× Δ （  T    mean1 ）× δ AE  Δ （  T    mean1 ）+ γ ×（1+0.34×  U    1 ） +   γ× g（ T    mean1 ）×  U    0 ×  e    s （  T    mean1 ）×（- δ RH）  Δ（  T    mean1 ）+ γ ×（1+0.34×  U    1 ） +  γ× g（ T    mean1 ）× δ U× e    s （  T    mean1 ）×（1-RH 1）  Δ （ T   mean1 ）+ γ ×（1+0.34× U    1 ） 。    （8）

其中：RH是相对湿度（％）。根据式（8），气温变化造成的潜在蒸散量的变化为公式右侧的前两项，有效能量、相对湿度以及风速变化对潜在蒸散量的贡献分别为右侧第三、四、五项。该公式表明，增加的平均气温、地表风速与有效能量有利于潜在蒸散量的增强，进而使得干旱指数减小（气候变干）;反之，增加的相对湿度会使得潜在蒸散量减小，从而造成干旱指数增大（气候变湿）。

1 3 PMIP4模式

本文利用参加PMIP4的13个全球气候模式的末次间冰期模拟试验  （lig127k）与工业革命前控制试验（piControl）  来探讨末次间冰期亚洲中部干旱区的干湿变化（表1）。在水汽收支的分析中，由于ACCESS-ESM1-5模式风场数据的问题（Jiang et al.，2022）与NESM3模式蒸发数据的缺失，在计算集合平均结果时未采用这两个模式;在计算干旱指数时，由于相关模式变量的缺失，仅采用7个模式的集合平均结果进行分析（表1）。利用超过2／3的模式与多模式集合平均结果具有相同的变化信号作为多模式集合平均结果的显著性检验（即降水分析中超过9个模式具有相同的信号即为显著，干旱指数分析中超过5个模式具有相同的信号即为显著）。

地球轨道参数是末次间冰期主要的外强迫，包括了地轴倾角、偏心率以及岁差。末次间冰期轨道三要素的变化引起不同纬度与季节的大气顶太阳辐射分布与数值的变化，造成亚洲中部干旱区夏季大气顶太阳辐射增加约50 W·m  -2 ，冬季大气顶太阳辐射减小约25 W·m  -2 （Otto-Bliesner et al.，2017）。此外，末次间冰期的大气温室气体浓度较工业革命前偏低，末次间冰期（工业革命前）的CO 2、CH 4与N 2O浓度分别为275 ppm（284 ppm）（1 ppm=10  -6 ）、685 ppb（808 ppb）与255 ppb（273 ppb）（1 ppb=10  -9 ）（Otto-Bliesner et al.，2017）。此外，我们校正了末次间冰期的轨道日历效应（Bartlein and Shafer，2019），利用双线性插值将所有的模式数据与再分析资料插值至1°×1°的水平分辨率。

2 结果分析

2 1 模式评估

首先基于CRU（Climatic Research Centre）降水资料（Harris et al.，2020），利用泰勒图评估了PMIP4末次间冰期模式对应的工业革命前控制试验（ piControl ）对亚洲中部干旱区（50°～95°E，35°～50°N）

降水的模拟能力（图1）。CRU降水资料已被广泛用于PMIP3／4降水模拟的评估（Jiang et al.，2021;Wang et al.，2022）。

泰勒图的结果表明，虽然PMIP4模式对于亚洲中部干旱区的季节降水的模拟能力不一且对于夏季降水的模拟能力具有较大差别（模式相对于CRU的标准差从小于0 75至大于 1 5 不等），大多數PMIP4模式仍能较好地模拟出亚洲中部干旱区降水的空间特征，模式与观测降水的年平均、春季平均、夏季平均、秋季平均与冬季平均的空间相关系数分别为（0 90±0 04）（0 87±0 04）（0 86±0 05）（0 89±0 03）与（0 90±0 03）。相较于大多数PMIP4模式，多模式集合平均结果对于亚洲中部干旱区的降水模拟效果更优。多模式集合平均结果与CRU的年平均、春季平均、夏季平均、秋季平均与冬季平均的空间相关系数分别为0 93、0 91、0 91、0 93与0 93，均方根误差均小于0 75。因此，我们进一步给出了PMIP4多模式集合平均结果模拟得到的工业革命前亚洲中部干旱区的降水空间分布特征，并根据降水中心将亚洲中部干旱区划分为中亚地区（50°～75°E，35°～50°N）与新疆地区（75°～95°E，35°～50°N）（图2a—o）。总体来说，虽然多模式平均结果与观测相比仍存在一定偏差（对亚洲中部干旱区的降水量存在一定的高估且多模式集合平均结果模拟得到的新疆地区春季降水较夏季降水偏多），但是多模式集合平均结果仍能够较好地再现观测资料中中亚地区降水集中在冬春季节、新疆地区的夏季降水对年降水量有重要贡献的特征（图2p、q）。

2 2 末次间冰期亚洲中部干旱区降水变化

PMIP4多模式集合平均结果表明末次间冰期亚洲中部干旱区的年平均降水相对于工业革命前减少0 7％。其中，降水在中亚北部增加，南部减少，整体减少2 8％;在新疆中部减少，在南北部增加，整体增加1 8％（图3）。末次间冰期中亚地区降水的减少与中全新世的变化类似，而末次间冰期新疆地区年降水增加，与中全新世新疆地区年降水减少存在一定的差异（Wang et al.，2022）。这种差异可能是由于末次间冰期夏季太阳辐射增加幅度较中全新世更明显造成的新疆地区夏秋季节降水增加幅度更大所导致的。

进一步分析末次间冰期亚洲中部干旱区在四个季节降水的变化特征（图4）。多模式集合平均结果表明，末次间冰期中亚地区降水在春季减少1 8％，在夏季减少1 3％，在秋季减少1 5％，在冬季减少10 3％;新疆地区的降水在春季减少5 9％，在夏季增加14 1％，在秋季增加8 6％，在冬季减少3 8％。可以看到，中亚地区年降水的减少主要是由于冬季降水减少主导，新疆地区年降水的增加主要是由于夏季降水增加主导。此外，由于中亚地区降水集中在冬春季节，新疆地区降水集中在夏季。因此，进一步分析冬春季节中亚地区降水变化与夏季新疆地区降水变化的原因。

多模式集合平均结果表明，末次间冰期中亚的冬春季节降水在约45°N以南减少（10％～50％），在约45°N以北稍有增加（5％～10％）（图5a）。根据水汽收支方程，中亚南部的降水减少主要与水平动力项与垂直动力项相关;中亚北部的降水增加主要与垂直动力项相关，同时水平与垂直的热力项也有一定的正贡献（图5b、c）。此外，末次间冰期，对于夏季新疆降水变化而言，在约43°N以南显著增加（可达约200％），在约43°N以北减少（10％～25％）（图6a）。根据水汽收支方程，新疆南部的降水增加与垂直动力与热力项有关，北部的降水减少主要与水平热力项相关，同时垂直动力项与热力项也有正贡献（图6b、c）。这种环流与比湿的变化进一步与地球轨道参数变化引起的太阳辐射的变化造成的温度的变化相联系（即末次间冰期，地球轨道参数的变化造成的亚洲中部干旱区在夏季／冬春季节的增温／降温，可通过热成风关系影响大气环流;同时，这种增温／降温对蒸发及空气热容的影响造成了末次间冰期亚洲中部干旱区比湿的增加／降低）。

2 3  末次间冰期亚洲中部干旱区的干湿气候区变化

基于PMIP4多模式集合平均结果，PM方法计算得到的亚洲中部干旱区干旱指数在末次间冰期减小（约10 2％），并且这种减小在塔吉克斯坦与新疆北部最为明显，表明末次间冰期亚洲中部干旱区气候明显变干（图7a）。此外，干旱指数的变化表明亚洲中部干旱区存在旱区扩张的现象，包括半干旱區向干旱区转变、半湿润半干旱区向干旱区转变与湿润区向半湿润-半干旱-干旱区转变（图7b、c）。

干旱指数的变化主要受到降水与潜在蒸散量的影响，而潜在蒸散量是气温、有效能量、相对湿度和风速的函数。因此，干旱指数的变化受到降水、气温、有效能量、相对湿度和风速的共同影响。在末次间冰期，PM方法计算得到的亚洲中部干旱区的降水变化会造成干旱指数增加约0 3％，潜在蒸散量的变化会造成干旱指数减小约10 5％（图8）。这表明亚洲中部干旱区潜在蒸散的变化对干旱指数的减小（区域气候变干）有主要贡献。此外，末次间冰期，平均气温的降低与相对湿度的增加对亚洲中部干旱区潜在蒸散的增加有负贡献，有效能量的增加与地表风速的增大对潜在蒸散的增加均有正贡献（图9）。此外，这些变量的变化进一步与地球轨道参数变化造成的太阳辐射的变化引起的温度变化直接或间接相关（即末次间冰期，气温与有效能量的变化与地球轨道参数变化引起的大气顶太阳辐射变化直接相关，而地球轨道参数变化造成的温度变化改变了大气的热容与蒸发从而间接影响了大气相对湿度的变化，地表风速的变化也受到边界层内温度变化造成的热力结构调整的影响）。

3 结论与讨论

本文通过PMIP4的  lig127k  试验的多模式集合平均结果研究了末次间冰期亚洲中部干旱区的干湿变化。得到的主要研究结论如下：

1）降水：末次间冰期中亚地区的年降水减少2 8％，新疆地区年降水增加1 8％。其中，中亚地区降水在春季减少1 8％，在夏季减少1 3％，在秋季减少1 5％，在冬季减少10 3％;新疆地区的降水在春季减少5 9％，在夏季增加14 1％，在秋季增加8 6％，在冬季减少3 8％。根据水汽收支方程，垂直动力项对中亚冬春季节与新疆夏季降水变化均有重要贡献（图10）。

2）干湿气候区：PM方法计算得到的亚洲中部干旱区干旱指数在末次间冰期减小约10 2％，表明末次间冰期亚洲中部干旱区气候明显变干，且存在旱区扩张的现象。这种干旱指数的减小主要受到潜在蒸散增大的调控。潜在蒸散的增加主要与有效能量的增加与地面风速的增大有关（图10）。

此外，我们的研究仍存在一些不确定性。从重建的角度出发，PMIP4模式模拟的亚洲中部干旱区的降水减少与Rudak（67 1°E，39 0°N）的黄土记录（Zhang et al.，2020）、科桑洞（81 8°E，42 9°N）的石笋记录（Cheng et al.，2012;Hu et al.，2015）一致。此外，PMIP4模式模拟的蒙古的降水减少与青藏高原的降水增加也与Kurtak（91 5°E，55 1°N）的黄土记录（Chlachula，2003）、纳木错（91°E，30 3°N）的孢粉记录（Zhao et al.，2003）、天门洞（90 7°E，30 9°N）的石笋记录（Cai et al.，2010）一致。然而， 伊犁河（83 3°E，43 4°N）、天山中部（85 6°E， 44 2°N ;87 5°E，44 0°N）以及塔吉克斯坦（69 8°E，38 4°N） 的黄土记录均表明这些区域在末次间冰期降水偏多（Ding et al.，2002;Fang et al.，2002;Yang et al.，2020），而模式模拟结果表明这些区域的降水偏少。重建与模式的不确定性共同造成了二者在末次间冰期的差异。对于重建而言，不确定性主要来源于重建的指标可能包含了除了降水之外的其他气候信息（如温度等），且可能更多地受到局地气候的影响，而非大尺度环流的影响。此外，不同记录的定年方法与结果存在一定的差异性，对于模式选定的127 ka时间点的描绘可能不完全一致。对于模式而言，模式的参数化方案与分辨率均有可能影响模式中降水的模拟结果。同时，PMIP4末次间冰期试验是基于127 ka开展的平衡模拟试验，对末次间冰期的气候演变特征的描绘能力有限。未来高分辨率代用资料的构建与末次间冰期高时空分辨率的瞬变试验的开展有助于进一步理解末次间冰期亚洲中部干旱区的气候演变特征。

為了更好地理解亚洲中部干旱区的干湿变化在暖期的变化特点，进一步比较了亚洲中部干旱区的干湿变化在不同增暖情境下的响应特征。对于年降水而言，末次间冰期与中全新世的亚洲中部干旱区的降水异同点主要来自于末次间冰期与中全新世大气顶太阳辐射异常的分布类似然而幅度更大所导致的。此外，末次间冰期的气候明显变干与旱区扩张的现象在中全新世也存在，只是幅度较中全新世偏大（Xu et al.，2020）。然而，在未来预估的不同排放情景与增温目标下，虽然亚洲中部干旱区降水与潜在蒸散均增加，但是中亚地区旱区扩张，新疆地区旱区收缩，这可能与二者的气候敏感度不同有关（Feng and Fu，2013;Wei et al.，2019）。末次间冰期与未来排放情景预估中降水与气候干湿区变化的差异性可能来源于亚洲上空大尺度环流系统对轨道参数与温室气体浓度的响应特征不一致所导致的（He and Zhou，2020）。综上，亚洲中部干旱区的干湿变化对不同外强迫引起的增暖情景的响应特征的差异性可为未来预估中不同变暖情景下亚洲中部干旱区的风险评估提供科学依据。

致谢： PMIP4模式结果与CRU资料可在https：／／esgf-node.llnl.gov／projects／cmip6／与https：／／sites.uea.ac.uk／cru／在线下载，谨致谢忱。

参考文献（References）

Alle n R G，Pereira L S，Raes D，et al.，1998.Crop evapotranspiration：guidelines for computing crop water requirements［M］.Rome：FAO.

Andersen K K，Azuma N，Barnola J M，et al.，2004.High-resolution record of Northern Hemisphere climate extending into the last interglacial period［J］.Nature，431（7005）：147-51.doi：10 1038／nature02805.

Bakker P，Renssen H，2014.Last interglacial model-data mismatch of thermal maximum temperatures partially explained［J］.Climate Past，10（4）：1633-1644.doi：10 5194／cp-10-1633-2014.

Bartlein P J，Shafer S L，2019.Paleo calendar-effect adjustments in time-slice and transient climate-model simulations （PaleoCalAdjust v1 0）：impact and strategies for data analysis［J］.Geosci Model Dev，12（9）：3889-3913.doi：10 5194／gmd-12-3889-2019.

Bauer S E，Tsigaridis K，Faluvegi G，et al.，2020.Historical （1850—2014） aerosol evolution and role on climate forcing using the GISS ModelE2 1 contribution to CMIP6［J］.J Adv Model Earth Syst，12（8）.doi：10 1029／2019ms001978.

Boucher O，Servonnat J，Albright A L，et al.，2020.Presentation and evaluation of the IPSL-CM6A-LR climate model［J］.Journal of Advances in Modeling Earth Systems，12：e2019ms002010.

Cai Y J，Cheng H，An Z S，et al.，2010.Large variations of oxygen isotopes in precipitation over south-central Tibet during Marine Isotope Stage 5［J］.Geology，38（3）：243-246.

Cao J，Wang B，Yang Y M，et al.，2018.The NUIST Earth System Model （NESM） version 3：description and preliminary evaluation［J］.Geosci Model Dev，11（7）：2975-2993.doi：10 5194／gmd-11-2975-2018.

Chen X，Wang S S，Hu Z Y，et al.，2018.Spatiotemporal characteristics of seasonal precipitation and their relationships with ENSO in Central Asia during 1901—2013［J］.J Geogr Sci，28（9）：1341-1368.

Cheng H，Zhang P Z，Sptl C，et al.，2012.The climatic cyclicity in semiarid-arid central Asia over the past 500 000 years［J］.Geophys Res Lett，39（1）.doi：10 1029／2011gl050202.

Chlachula J，2003.The Siberian loess record and its significance for reconstruction of Pleistocene climate change in north-central Asia［J］.Quat Sci Rev，22（18／19）：1879-1906.doi：10 1016／s0277-3791（03）00182-3.

Chou C A，Chiang J C H，Lan C W，et al.，2013.Increase in the range between wet and dry season precipitation［J］.Nat Geosci，6（4）：263-267.

Danabasoglu G，Lamarque J F，Bacmeister J，et al.，2020.The community earth system model version 2 （CESM2）［J］.J Adv Model Earth Syst，12（2）：e2019MS001916.doi：10 1029／2019ms001916.

Ding Z L，Ranov V，Yang S L，et al.，2002.The loess record in southern Tajikistan and correlation with Chinese loess［J］.Earth Planet Sci Lett，200（3／4）：387-400.

Dutton A，Lambeck K，2012.Ice volume and sea level during the last interglacial［J］.Science，337（6091）：216-219.doi：10 1126／science.1205749.

Fang X M，Shi Z T，Yang S L，et al.，2002.Loess in the Tian Shan and its implications for the development of the Gurbantunggut Desert and drying of northern Xinjiang［J］.Chin Sci Bull，47（16）：1381-1387.

Feng S，Fu Q，2013.Expansion of global drylands under a warming climate［J］.Atmos Chem Phys，13（19）：10081-10094.

Fischer N，Jungclaus J H，2010.Effects of orbital forcing on atmosphere and ocean heat transports in Holocene and Eemian climate simulations with a comprehensive Earth system model［J］.Climate Past，6（2）：155-168.doi：10 5194／cp-6-155-2010.

Fu Q，Feng S，2014.Responses of terrestrial aridity to global warming［J］.J Geophys Res，119（13）：7863-7875.

Gulev S K，Thorne P W，Ahn J，et al.，2021.Changing state of the climate system［R］／／Climate change 2021：the physical science basis.Cambridge，United Kingdom and New York，NY，USA：Cambridge University Press：287-422.

Guo C C，Bentsen M，Bethke I，et al.，2019.Description and evaluation of NorESM1-F：a fast version of the Norwegian Earth System Model （NorESM）［J］.Geosci Model Dev，12（1）：343-362.doi：10 5194／gmd-12-343-2019.

Harris I，Osborn T J，Jones P，et al.，2020.Version 4 of the CRU TS monthly high-resolution gridded multivariate climate dataset［J］.Sci Data，7（1）：109.doi：10 1038／s41597-020-0453-3.

He C，Zhou W，2020.Different enhancement of the East Asian summer monsoon under global warming and interglacial epochs simulated by CMIP6 models：role of the subtropical high［J］.J Climate，33（22）：9721-9733.doi：10 1175／jcli-d-20-0304 1.

Hoffman J S，Clark P U，Parnell A C，et al.，2017.Regional and global sea-surface temperatures during the last interglaciation［J］.Science，355（6322）：276-279.doi：10 1126／science.aai8464.

Hu C，Wang Y，Li A，et al.，2015.Comparison of stalagmite records of precipitation changes in eastern monsoon region and northwest arid region of China［J］.Earth Sciences-Journal of China University of Geosciences，40（1）：268-274.

Huang W，Chen J H，Zhang X J，et al.，2015.Definition of the core zone of the “westerlies-dominated climatic regime”，and its controlling factors during the instrumental period［J］.Sci China Earth Sci，58（5）：676-684.

Jensen M E，Burman R D，Allen R G，1990.Evapotranspiration and irrigation water requirements［C］.New York：American Society of Civil Engineers.

Jiang J，Zhou T J，Chen X L，et al.，2020.Future changes in precipitation over Central Asia based on CMIP6 projections［J］.Environ Res Lett，15（5）：054009.doi：10 1088／1748-9326／ab7d03.

Jiang N X，Yan Q，Wang H，2021.General characteristics of climate change over China and associated dynamic mechanisms during the Last Interglacial based on PMIP4 simulations［J］.Glob Planet Change，208：103700.doi：10 1016／j.gloplacha.2021 103700.

Jiang N X，Yan Q，Wang H J，2022.Deciphering the variations and mechanisms of the westerly jets across the Northern Hemisphere during the Last Interglacial based on PMIP4 models［J］.Climate Dyn，58（11／12）：3279-3295.doi：10 1007／s00382-021-06100-4.

Landais A，Masson-Delmotte V，Capron E，et al.，2016.How warm was Greenland during the last interglacial period？［J］.Climate Past，12（9）：1933-1948.doi：10 5194／cp-12-1933-2016.

Li L J，Yu Y Q，Tang Y L，et al.，2020.The flexible global ocean-atmosphere-land system model grid-point version 3 （FGOALS-g3）：description and evaluation［J］.J Adv Model Earth Syst，12（9）.doi：10 1029／2019ms002012.

Liu S S，Jiang D，Lang X，et al.，2018.A multi-model analysis of moisture changes during the last glacial maximum［J］.Quat Sci Rev，191：363-377.doi：10 1016／j.quascirev.2018 05 029.

Liu S S，Lang X，Jiang D，et al.，2021.Time-varying responses of dryland aridity to external forcings over the last 21 ka［J］.Quat Sci Rev，262：106989.doi：10 1016／j.quascirev.2021 106989.

Middleton N J，Thomas D S，1997.World atlas of desertification［M］.2nd ed.London：Arnold.

Monteith J L，1965.Evaporation and environment［J］.Symp Soc Exp Biol，19：205-234.

Ohgaito R，Yamamoto A，Hajima T，et al.，2021.PMIP4 experiments using MIROC-ES2L Earth system model［J］.Geosci Model Dev，14（2）：1195-1217.doi：10 5194／gmd-14-1195-2021.

Otto-Bliesner B L，Braconnot P，Harrison S P，et al.，2017.The PMIP4 contribution to CMIP6-Part 2：two interglacials，scientific objective and experimental design for Holocene and Last Interglacial simulations［J］.Geosci Model Dev，10（11）：3979-4003.doi：10 5194／gmd-10-3979-2017.

Otto-Bliesner B L，Brady E C，Zhao A N，et al.，2021.Large-scale features of Last Interglacial climate：Results from evaluating the lig127k simulations for the Coupled Model Intercomparison Project （CMIP6）-Paleoclimate Modeling Intercomparison Project （PMIP4）［J］.Climate Past，17（1）：63-94.

Past Interglacials Working Group of PAGES，2016.Interglacials of the last 800 000 years［J］.Rev Geophys，54（1）：162-219.doi：10 1002／2015rg000482.

Penman H L，Keen B A，1948.Natural evaporation from open water，bare soil and grass［J］.Proc R Soc Lond A，193（1032）：120-145.doi：10 1098／rspa.1948 0037.

Seager R，Naik N，Vecchi G A，2010.Thermodynamic and dynamic mechanisms for large-scale changes in the hydrological cycle in response to global warming［J］.J Climate，23（17）：4651-4668.doi：10 1175／2010jcli3655 1.

Seland ，Bentsen M，Olivié D，et al.，2020.Overview of the Norwegian Earth System Model （NorESM2） and key climate response of CMIP6 DECK，historical，and scenario simulations［J］.Geosci Model Dev，13（12）：6165-6200.doi：10 5194／gmd-13-6165-2020.

Shi J B，Yan Q，Jiang D，et al.，2016.Precipitation variation over eastern China and arid central Asia during the past millennium and its possible mechanism：perspectives from PMIP3 experiments［J］.J Geophys Res Atmos，121：11989-12004.doi：10 1002／2016JD025126.

Sidorenko D，Rackow T，Jung T，et al.，2015.Towards multi-resolution global climate modeling with ECHAM6-FESOM.Part I：model formulation and Mean climate［J］.Climate Dyn，44（3／4）：757-780.doi：10 1007／s00382-014-2290-6.

Turney C S M，Jones R，McKay N P，et al.，2020.A global mean sea-surface temperature dataset for the Last Interglacial （129-116 kyr） and contribution of thermal expansion to sea-level change ［J］.Earth Syst Sci Data，12：3341-3356.

Volodin E M，Mortikov E V，Kostrykin S V，et al.，2018.Simulation of the modern climate using the INM-CM48 climate model［J］.Russ J Numer Anal Math Model，33（6）：367-374.doi：10 1515／rnam-2018-0032.

王會军，唐国利，陈海山，等，2020.“一带一路”区域气候变化事实、影响及可能风险［J］.大气科学学报，43（1）：1-9. Wang H J，Tang G L，Chen H S，et al.，2020.The Belt and Road region climate change：facts，impacts and possible risks［J］.Trans Atmos Sci，43（1）：1-9.doi：10 13878／j.cnki.dqkxxb.20191110003.（in Chinese）.

Wang T，Xu H N，Jiang D B，et al.，2022.Mechanisms of reduced mid-Holocene precipitation in arid central Asia as simulated by PMIP3／4 models［J］.J Geophys Res Atmospheres，127（8）：e2021JD03615.doi：10 1029／2021jd036153.

Wei Y，Yu H，Huang J P，et al.，2019.Drylands climate response to transient and stabilized 2 ℃ and 1 5 ℃ global warming targets［J］.Climate Dyn，53（3／4）：2375-2389.doi：10 1007／s00382-019-04860-8.

Xu H N，Wang T，Wang H J，et al.，2020.The PMIP3 simulated climate changes over arid central Asia during the mid-Holocene and last glacial maximum［J］.Acta Geol Sin Engl Ed，94（3）：725-742.

Yang H，Li G Q，Huang X，et al.，2020.Loess depositional dynamics and paleoclimatic changes in the Yili Basin，Central Asia，over the past 250 ka［J］.CATENA，195：104881.doi：10 1016／j.catena.2020 104881.

Yao J Q，Chen Y N，Zhao Y，et al.，2020.Climatic and associated atmospheric water cycle changes over the Xinjiang，China［J］.J Hydrol，585：124823.doi：10 1016／j.jhydrol.2020 124823.

Zhang J R，Zhou X Y，Long H，2020.Late Quaternary loess accumulation at the Rudak section in Uzbekistan，central Asia：chronology and palaeoclimate implications［J］.Palaeogeogr Palaeoclimatol Palaeoecol，547：109695.doi：10 1016／j.palaeo.2020 109695.

Zhang Q，Berntell E，Axelsson J，et al.，2021.Simulating the mid-Holocene，last interglacial and mid-Pliocene climate with EC-Earth3-LR［J］.Geosci Model Dev，14（2）：1147-1169.doi：10 5194／gmd-14-1147-2021.

Zhao X，Zhu D，Yan F，et al.，2003.Climate change and lake-level variation of Namco，Xizang since the last interglacial stage［J］.Quaternary Sciences，2003，23 （1）：41-52.

Zheng W P，Yu Y Q，Luan Y H，et al.，2020.CAS-FGOALS datasets for the two interglacial epochs of the Holocene and the last interglacial in PMIP4［J］.Adv Atmos Sci，37（10）：1034-1044.doi：10 1007／s00376-020-9290-8.

Ziehn T，Lenton A，Law R M，et al.，2017.The carbon cycle in the Australian Community Climate and Earth System Simulator （ACCESS-ESM1）-Part 2：historical simulations［J］.Geosci Model Dev，10（7）：2591-2614.doi：10 5194／gmd-10-2591-2017.

Deciphering the variations of wet-dry conditions over Arid Central Asia during the Last Interglacial based on PMIP4 models

JIANG Nanxuan  1，2 ，YAN Qing  1，3 ，WANG Huijun  1，3

1Nansen-Zhu International Research Centre，Institute of Atmospheric Physics，Chinese Academy of Sciences，Beijing 100029，China;

2University of Chinese Academy of Sciences，Beijing 100049，China;

3Key Laboratory of Meteorological Disaster／Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters，Nanjing University of Information Science ＆ Technology，Nanjing 210044，China

Climate change over drylands in a warmer climate and its responses to Earths orbit can be better understood by an investigation of climate change across arid Central Asia during the Last Interglacial （LIG）.Based on the Paleoclimate Modelling Intercomparison Project Phase 4 （PIMP4），we analyze variations in wet-dry conditions and associated mechanisms over arid Central Asia during the LIG.The results show that during the LIG，the annual precipitation is reduced by 0 7％ over arid Central Asia，with precipitation decreasing by 2 8％ over Central Asia while increasing by 1 8％ over Xinjiang compared to the preindustrial period.Over Central Asia，the precipitation decreases by 1 8％，1 3％，1 5％，and 10 3％ in the spring，summer，autumn，and winter，respectively，indicating that the reduced annual precipitation is mainly due to changes in winter.According to the moisture budget equation，variations in precipitation over Central Asia during the rainy season （winter and spring） are mainly caused by the vertical dynamic term.Moreover，precipitation over Xinjiang is reduced by 5 9％ and 3 8％ in spring and winter，respectively，and increased by 14 1％ in summer and 8 6％ in autumn，indicating that the majority of the rise in annual precipitation is a result of precipitation in summer.Consequently，the moisture budget analysis suggests that the vertical dynamic and thermodynamic terms contribute most to the variations in precipitation over Xinjiang.In addition，the aridity index over arid Central Asia decreases by approximately 10 2％ during the LIG based on the Penman-Montieth method，which indicates that arid Central Asia experience a drier condition.Furthermore，drylands over arid Central Asia had expanded during that period，including the transition from semi-arid to arid regions，from sub-humid and semi-arid to arid regions，and from humid to sub-humid，semi-arid and arid regions.Hence，the reduced aridity index over arid Central Asia is a result of increased potential evaporation at that time.This increased evaporation is further linked with negative contributions from decreased surface air temperature and increased relative humidity，as well as positive contributions from enhanced surface wind speed and available energy.Our study provides a possible map for changes in wet-dry conditions over arid Central Asia in a warmer climate induced by the Earths orbit and sheds light on risk assessments for arid Central Asia in different warming scenarios.

Last Interglacial;Arid Central Asia;wet-dry conditions

doi：10 13878／j.cnki.dqkxxb.20220620001

（責任编辑：刘菲）