全球升温1.5℃和2.0℃情景下淮河上游干流径流量研究

基于ISI-MIP（The Inter-Sectoral Impact Model Inter-comparison Project）推荐使用的5个全球气候模式数据(HadGEM2-ES,GFDL-ESM2M,MIROC-ESM-CHEM,Nor-ESM1-M,IPSL-CM5ALR),驱动SWIM（Soil and Water Integrated Model）水文模型,研究全球升温1.5℃和2.0℃情景下淮河上游干流径流量变化,得出结论：(1)淮河上游干流径流量年际变化在2种升温情景下均呈先减小后增加趋势。全球升温1.5℃时年径流量较基准期(1986—2005年)增长9.5%,而升温2.0℃情景下涨幅更明显,高达17%。(2) 4个季节径流量在2种升温情景下较基准期均有增长,其中春季涨幅最明显,达24.4%,夏、秋、冬季涨幅分别为7.1%、16.1%、13.5%。全球升温2.0℃时淮河上游干流径流量在4个季节较基准期增长率均大于全球升温1.5℃时。(3)不同气候模式输出日径流量最大值相差较大而平均值相差较小。未来2种升温情景日径流量超过王家坝闸设计流量的日次较基准期均有增加,尤其升温2.0℃情景较基准期增多22次,较升温1.5℃情景多5.8次,表明未来升温2.0℃情景下淮河上游出现极端径流事件的可能性进一步增大。     

全球升温1.5℃和2.0℃情景下中国乡村振兴核心区极端降水的变化特征北大核心CSCD

中国乡村振兴核心区生态环境较脆弱,暴雨洪涝等气象灾害频发,在此背景下,定量、科学地评估乡村振兴核心区全球升温情景下极端降水的变化特征,能够为乡村振兴核心区防止因灾返贫策略等的制定提供一定的科学依据。本研究基于CMIP6(Coupled Model Intercomparison Project Phase 6)气候模式下不同SSPs-RCPs(Shared Socioeconomic Pathways-Representative Concentration Pathways)组合情景模拟数据,对全球升温1.5℃和2.0℃情景下中国乡村振兴核心区极端降水事件频次、强度和持续时间的变化特征进行了分析。结果表明:(1)相对于基准期(1995~2014年),全球升温1.5℃情景下,乡村振兴核心区受极端降水影响明显增大,面积占比60.91%的区域极端降水频次增加,面积占比88.19%的区域极端降水强度增强,面积占比81.07%的区域极端降水持续时间增加;(2)全球升温2.0℃情景下,乡村振兴核心区三项极端降水指标变化与升温1.5℃情景下相似,相对于基准期有增加趋势,极端降水频次、强度和持续时间面积占比分别为55.78%、85.24%、79.33%;(3)从空间角度分析,全球升温1.5℃和2.0℃情景下,乡村振兴核心区中西部相较东部可能更易受极端降水的影响,西藏片区频次和持续时间增加显著,尤其值得关注;(4)当全球升温从1.5℃到2.0℃情景,乡村振兴核心区整体极端降水特征的变化未表现出明显增减趋势及空间特征。相比1.5℃较基准期的变化,2.0℃情景下极端降水频次、强度、持续时间的增加区域范围均缩小,但平均增幅均变大,对于发生极端降水事件的乡村振兴核心区区域而言可能面临更大的风险。     

长江流域径流对全球升温1.5℃与2.0℃的响应

全球变暖影响着以流域径流要素为主导的水文水资源系统的变化。长江流域未来水资源量的时空分布对长江大保护与长江经济带的发展意义重大。为探究全球升温1.5℃和2.0℃对长江流域径流变化的影响,使用基于偏差校正的气候模式集合数据驱动两参数月水量平衡模型,比较两种升温情景下径流量的响应差异。结果表明：基于偏差校正的气候模式集合数据可以较好地代表长江流域历史时期（1976—2005年）的年平均降水和年平均蒸散发情势。两参数月水量平衡模型与参数区域化方法相结合能较好地模拟长江流域各子流域的月径流量。升温1.5℃时,无论是年径流量还是季节径流量均呈上升趋势,与历史时期相比,50%以上三级子流域的增幅超过5%;升温2.0℃时,增幅超过8%。这表明升温2.0℃情景下长江流域水资源量将进一步增加。相对于历史时期,升温1.5℃与2.0℃情景下长江流域北部降水量增幅较大;径流量增幅分布格局基本与降水量一致。汉江流域是全流域径流量增幅最显著的区域。     

全球升温1.5℃与2.0℃目标下长江流域极端降水的变化特征

基于区域气候模式COSMO-CLM及5个全球气候模式(GFDL-ESM2M,HadGEM2-ES, IPSL-CM5A-LR, MIROC-ESM-CHEM, NorESM1-M)1961—2100年逐日降水数据,采用重现期法计算20 a与50 a一遇极端降水量,研究全球升温1.5℃和2.0℃目标下长江流域极端降水的变化特征。研究发现:全球升温1.5℃目标下,长江流域20 a与50 a一遇极端降水量分别为78和93 mm,相比1986—2005年将增加10%和9%;空间上表现为中下游普遍增加,最大增幅145%,上游地区则主要表现为减少趋势;全球升温2.0℃目标下,20 a与50 a一遇极端降水量分别为81和98 mm,将较基准期上升14%和15%;中下游极端降水量显著上升,最大增幅约188%,上游成都平原以西以北明显下降;随全球升温由1.5℃至2.0℃时,20 a与50 a一遇极端降水量分别增加4%和6%,中下游较上游增幅更明显,最大增幅136%。因此,将温室气体减排目标控制在1.5℃水平对减缓长江流域尤其是中下游地区极端降水事件影响具有重要的意义。     

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

潮白河流域为北京主要供水源,其水资源量对北京用水保障至关重要,因此开展该流域在全球1.5℃和2.0℃升温下的径流预估研究具有现实意义。利用1961—2001年WATCH数据对SWAT水文模型进行率定和验证,在此基础上,应用第五次耦合模式比较计划(CMIP5)中5个全球气候模式在典型浓度路径(RCP4.5、RCP6.0和RCP8.5)下预估的全球1.5℃和2.0℃升温下的数据驱动SWAT模型,开展了潮白河流域气温、降水及径流量的变化预估研究,并量化评估由气候模式和RCPs导致的水文效应的不确定性。结果表明：(1) SWAT模型基本能较好地模拟潮白河流域的月径流特征,应用该模型进行气候变化对径流量的影响评估是可行的。(2)在全球1.5℃和2.0℃升温下,潮白河流域年平均温度较基准期(1976—2005年)分别增加1.5℃和2.2℃,年平均降水量也增加4.9%和7.0%。预估的年径流量在全球1.5℃升温下总体略有增加,盛夏和秋初的径流量占全年的比例也有所增加;在全球2.0℃升温下,年径流量增幅达30%以上,但夏季径流量占全年的比例明显减少。(3)在全球2.0℃升温下,潮白河流域极端丰水流量明显增加,洪涝发生风险增大。(4)未来气温、降水量和径流量的预估都存在一定的不确定性,在全球2.0℃升温下不确定性更大;相对而言,径流量的不确定性要远大于降水量的不确定性;无论是全球1.5℃升温下还是2.0℃升温下,预估不确定性主要来源于全球气候模式。     

全球升温1.5℃与2.0℃情景下中国极端低温事件变化与耕地暴露度研究

基于区域气候模式COSMO-CLM（CCLM）模拟的1960-2100年逐日最低气温数据及2000年中国土地利用数据,采用强度-面积-持续时间（Intensity-Area-Duration,IAD）方法,以全球升温1.5℃（RCP 2.6情景）和2.0℃（RCP 4.5情景）为目标,研究不同持续时间中国极端低温事件变化特征、最强极端低温事件强度与面积关系和最强中心空间分布,分析极端低温事件下耕地面积暴露度的变化规律。研究发现:（1）全球升温1.5℃情景下,持续1至9 d的极端低温事件频次相对于基准期（1986-2005年）下降30%-54%,强度变化-1%-8.8%,影响面积下降7%-21%;升温2.0℃,频次下降48%-80%,强度上升6%-11.5%,影响面积则在-14%-19%变化。（2）全球不同升温情景有可能发生强度和面积超过基准期最强事件的极端低温。全球升温1.5-2.0℃时,同等面积上的最强极端低温事件强度明显下降,但最强极端低温事件中心由西北和西南转移到华中和华南等地。（3）不同升温情景下,暴露于极端低温事件的中国耕地面积明显少于基准期,且升温幅度越高下降程度越大。最强极端低温事件的耕地暴露度则随温度的升高而增大。升温1.5℃时,华东、华北与华中等地暴露在最强极端低温事件的耕地面积相对于基准期有所增大,升温2.0℃时,华东与华北等地有大幅度上升。全球不同升温情景下,极端低温事件频次与影响面积持续下降,但强度上升;随着升温幅度的增大,这种差异变化特征越来越明显;特别应注意的是,随着温度上升,发生强度和面积超过当前记录到的最强极端低温事件的可能性增大;应加强极端事件的预警、预报和监测,减缓经济社会的损失。      

全球1.5℃和2.0℃升温对中国小麦产量的影响研究

采用部门间影响模式比较计划（ISI-MIP）的气候模式,确定全球升温1.5℃和2.0℃出现的时间,并结合农业技术转移决策支持系统（DSSAT）模型模拟小麦的产量,最终选取4套数据对比研究中国小麦区温度和降水变化特征以及各区域小麦产量变化趋势,综合评价了不同升温情景对中国小麦产量的影响。结果表明：(1)在全球升温1.5℃和2.0℃背景下,我国小麦生育期内温度相对于工业革命前分别升高1.17℃和1.81℃。两种升温情景下我国春麦区升温幅度大于冬麦区升温幅度。春麦区中新疆春麦区升温幅度最大,西北春麦区升温幅度最小;冬麦区中温度变化最大和最小的麦区分别为西南冬麦区和黄淮冬麦区。(2)在全球升温1.5℃和2.0℃情景下,我国小麦生育期内降水相对于历史时段(1986—2005年)分别增加9.1%和11.3%。从各麦区来看,两种升温情景下春麦区降水增加幅度略大于冬麦区的增加幅度。所有麦区中只有新疆春麦区降水低于历史时段降水。春麦区降水增加幅度最大的麦区为北部春麦区。冬麦区中降水增加较大的麦区为北部冬麦区和黄淮冬麦区,降水增加较小的麦区为华南冬麦区和西南冬麦区。(3)两种升温情景下,我国小麦单产相对于历史时段(1986—2005年)平均减产分别为5.2%和4.6%,两种升温情景对中国小麦产量并没有显著的差异。在全球升温大背景下我国春小麦主要呈现增产趋势,冬小麦主要呈现减产趋势。减产幅度较大的麦区为华南冬麦区和青藏春麦区,增产幅度最大的麦区为西北春麦区。从各麦区产量减产面积比例上看,我国各麦区减产面积所占比例趋势为从北向南由多变少再变多,其中华南冬麦区减产面积所占比例最大,北部冬麦区最小。     

升温1.5℃和2.0℃情景下中亚地区干旱耕地暴露度研究

基于CMIP5中的5个全球气候模式统计降尺度的降水、最高和最低气温等数据,利用标准降水蒸发指数（SPEI）和强度-面积-持续时间（IAD）方法识别全球升温1.5℃与2.0℃情景下中亚地区干旱事件,结合30 m分辨率土地利用数据,探讨中亚干旱事件的演变及耕地暴露度变化。结果表明：相比基准期（1986—2005年),中亚地区的降水和潜在蒸发量均有所增加;全球升温1.5℃与2.0℃情景下,中亚地区的干旱事件频次、强度和面积均将增加,其中重旱和极旱事件的频次和影响面积大幅上升,而中旱事件的频次和影响面积持续下降;1986—2005年中亚地区年均干旱耕地暴露度约11.5万km2,全球升温1.5℃和2.0℃情景下,干旱耕地暴露度将分别上升到17.9万km2和28.6万km2,且暴露在极旱下的耕地面积增加最明显。全球升温1.5℃与2.0℃情景下,增加的干旱事件将会严重威胁当地农业生产和粮食安全,中亚地区需对干旱事件采取长期的减缓与适应措施。     

不同升温情景下中国东北地区平均气候和极端气候事件变化预估

利用区域气候模式RegCM4的逐日气温和降水资料,预估1.5℃和2.0℃升温情景下,东北地区平均气候和极端气候事件的变化。结果表明：RCP4.5排放情景下,模式预计在2030年和2044年左右稳定达到1.5℃和2.0℃升温;两种升温情景下,东北地区气温、积温、生长季长度均呈增加趋势,且增幅随着升温阈值的升高而增加;1.5℃升温情景下,年平均气温增幅为1.19℃,年平均降水距平百分率增幅为5.78%,积温增加247.1℃·d,生长季长度延长7.0 d;2.0℃升温情景下气温、积温、生长季长度增幅较1.5℃升温情景下显著,但是年和四季降水普遍减少,年降水距平百分率减小1.96%。两种升温情景下,极端高温事件显著增加,极端低温事件显著减少,极端降水事件普遍增加。霜冻日数、结冰日数均呈显著减少趋势,热浪持续指数呈显著增加趋势;未来东北地区降水极端性增强,不仅单次降水过程的量级增大,极端降水过程的量级也明显增大,随着升温阈值的增大,极端降水的强度也逐渐增大。     

CMIP5多模式预估的1.5℃升温背景下中国气温和降水变化

本文使用国际耦合模式比较计划第五阶段（CMIP5）中39个全球气候模式的试验数据,预估了相对于工业革命前期全球1.5℃升温背景下中国气温和降水变化。根据多模式中位数预估结果,在不同典型浓度路径（RCPs）情景下,相对于工业革命前期全球1.5℃升温分别发生在2034年（RCP2.6）、2033年（RCP4.5）和2029年（RCP8.5）。全球升温1.5℃时,中国年和季节气温平均上升1.8℃和1.6～2.1℃,其中冬季最强。增温总体上由南向北加强,青藏高原为高值中心。年和各季节增温均超过其自然内部变率,区域平均的信噪比分别为3.4和1.6～2.7。年和季节降水整体上在中国北方增加、华南减少;区域平均的年降水增加1.4%,季节降水增加0.1%～5.1%,冬季增幅最大。年和季节降水变化要远小于其自然内部变率,区域平均的信噪比仅为0.1和0.01～0.2。总体上,模式对气温预估的不确定性较小,对降水的偏大,其中对季节尺度预估的不确定性要高于年平均结果。     

1.5～4℃升温阈值下亚洲地区气候变化预估

基于18个CMIP5模式在RCP情景下的模拟结果,综合分析了全球升温1.5～4℃阈值下亚洲地区平均温度和降水以及极端温度和降水的变化,并着重对比了1.5℃与2℃升温阈值下的异同。结果表明：相比工业化前,在全球升温1.5℃、2℃、3℃和4℃阈值下,亚洲区域平均温度将分别升高2.3℃、3.0℃、4.6℃和6.0℃,高纬度地区的响应大于中低纬地区;降水分别增加4.4%、5.8%、10.2%和13.0%,存在明显的区域差异。极热天气将增加,极冷天气将减少;极端降水量的变率将会加大。与2℃升温阈值相比：1.5℃阈值下亚洲平均温度的上升幅度将降低0.5～1.0℃以上,大部分地区的降水增幅减少5%～20%,但西亚和南亚西部的降水则偏多10%～15%;极端高温的增温幅度在亚洲地区均匀下降,而极端低温的增温幅度在亚洲中高纬地区降低显著;亚洲大部分地区极端降水的增加幅度减弱,但在西亚会增强。全球升温1.5℃和2℃时,亚洲发生非常热天气的概率相比基准期（1861-1900年）均将增加1倍以上,发生极热天气的概率普遍增加10%;发生极端强降水的概率增加10%。     

1.5和2℃升温阈值下中国温度和降水变化的预估

基于CMIP5耦合气候模式模拟结果对1.5和2℃升温阈值时中国温度和降水变化的分析表明,1.5℃升温阈值时,中国年平均升温由南向北加强且在青藏高原地区有所放大,季节尺度上升温的空间分布与其类似,就区域平均而言,RCP2.6、RCP4.5和RCP8.5情景下中国年平均气温分别升高1.83、1.75和1.88℃,气温的季节变幅以冬季升高最为显著;除华南和西南地区外中国大部分地区年平均降水量增多,降水的季节差异明显,以夏季降水的分布模态与年平均降水量的分布最为相似,区域平均的年降水量分别增加5.03%、2.82%和3.27%,季节尺度上以冬季降水增幅最大。2℃升温阈值时,RCP4.5和RCP8.5情景下中国年平均温度的空间分布与1.5℃升温阈值基本一致,中国年平均气温分别升高2.49和2.54℃,季节尺度上气温的变化以秋、冬季增幅最大;中国范围内年平均降水量基本表现为增多趋势,其中,西北和长江中下游部分地区表现为明显的季节差异,区域平均的年降水量分别增加6.26%和5.86%。与1.5℃升温阈值相比较,2℃升温阈值时中国年平均温度在RCP4.5和RCP8.5情景下分别升高0.74和0.76℃,降水则分别增加3.44%和2.59%,空间上温度升高以东北、西北和青藏高原最为显著,降水则在东北、华北、青藏高原和华南地区增加最为明显。      

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

模式内部变率是模拟结果不确定性的重要来源,然而它对于1.5℃和2℃升温阈值出现时间不确定性的影响尚不清楚。因此,基于耦合模式比较计划第五阶段(CMIP5)的多模式数据研究了模式内部变率对1.5℃和2℃升温阈值出现时间不确定性的影响以及对未来排放情景的敏感性。结果表明,模式内部变率对升温阈值出现时间模拟的影响与外强迫的影响相当,单个模式内部不同成员达到全球平均1.5℃或2℃增温的年份相差2~12年;其影响具有明显的空间差异,影响极大值出现在欧亚大陆以北洋面、白令海峡周围区域、北美东北部及其与格陵兰岛之间的海域、南半球高纬地区等;低排放情景下模式内部变率的影响大于高排放情景。     

全球升温1.5℃与2.0℃情景下中国东南沿海致灾气旋的时空变化

将造成经济损失的热带气旋定义为致灾气旋。基于气象观测站的逐日气压、风速和降水量数据确定致灾气旋阈值,结合区域气候模式COSMO-CLM(CCLM)在1961—2100年的输出资料,预估致灾气旋发生频数及其风速与降水量,分析全球升温1.5 ℃与2.0 ℃情景下,中国东南沿海地区致灾气旋时空变化特征。结果表明:(1) 1986—2015年,东南沿海地区致灾气旋发生频数共计180个,整体呈上升趋势,平均风速和降水量分别为8.7 m/s和129.8 mm,对浙江东部及广东东部沿海影响最严重。(2)全球升温1.5 ℃,2020—2039年致灾气旋频数将由基准期(1986—2005年)的111个上升至138个,增加区域主要位于广东省西南地区及福建省南部地区;平均风速和降水量分别上升15%和17%,至8.4 m/s和109.9 mm,以福建省沿海地区增加最明显。(3)全球升温2.0 ℃,2040—2059年致灾气旋频数较1986—2005年增加33%,将达148个;风速上升32%,以浙江省东部、福建和广东省接壤的沿海地区及广东省南部增幅最大;降水量上升35%,以福建与广东省接壤的沿海地区及广东省西南地区增加明显。(4)相比升温1.5 ℃,全球气温额外升高0.5 ℃,东南沿海地区致灾气旋频数及其风速与降水量将分别上升9%、17%和18%。努力将温升控制在1.5 ℃,对降低致灾气旋频率和强度增加所导致的影响具有重要意义。      

基于CMIP5耦合气候模式的1.5℃和2℃升温阈值出现时间研究

利用CMIP5耦合气候模式的模拟结果,分析了不同排放情景下1.5℃和2℃升温阈值出现的时间。多模式集合平均结果表明：RCP2.6、RCP4.5和RCP8.5排放情景下,全球地表温度将分别在2029年、2028年和2025年达到1.5℃升温阈值;RCP2.6情景下直至21世纪末期都未达到2℃升温阈值,RCP4.5和RCP8.5排放情景下达到2℃升温阈值的时间分别为2048年和2040年。伴随着排放情景的升高,完成从1.5℃升温阈值到2℃升温阈值所需要的时间缩短。区域尺度上,达到同一升温阈值的时间主要表现为陆地比海洋早,且陆地对排放情景差异的敏感性相对较差,而海洋达到升温阈值的时间则随着排放情景的升高而明显提前。中国达到相应升温阈值的时间要早于全球,且以东北和西北地区出现的时间最早。     

全球升温1.5℃和2.0℃背景下北京市暴雨洪涝淹没风险研究

基于第五次耦合模式比较计划(CMIP5)的5个气候模式模拟结果,结合FloodArea模型,对RCP8.5情景下全球升温1.5℃和2.0℃时,北京市极端降水和淹没风险进行分析。结果表明：北京市极端降水量呈从西南向东北逐渐减少的分布趋势。在升温2.0℃时,极端降水和淹没风险增加较升温1.5℃时明显,郊区极端降水增加最明显的地区是房山和门头沟,城区极端降水量增加最明显的地区是海淀、石景山和丰台区。海淀区出现一级和二级淹没风险的面积最大,其次是丰台和石景山区。郊区的延庆和怀柔是发生一级淹没风险面积最大的地区。     

全球升温控制在1.5℃和2.0℃时中国分省人口格局

《巴黎协定》正式生效, 为国际社会应对气候变化提出新的机遇与挑战,也必将对中国人口、资源和环境带来重要影响。本文结合IPCC发布的可持续发展（SSP1)、中度发展（SSP2)、局部或不一致发展（SSP3)、不均衡发展（SSP4)、常规发展（SSP5）5种共享社会经济路径,以2010年中国第六次人口普查数据为基准,综合考虑人口现状和发展政策设定不同发展路径下各省人口模型的相关参数,在全球升温控制在1.5℃和2.0℃时,对比研究中国和各省分年龄、性别、教育水平的人口演变和分布特征。结果表明：(1)全球升温1.5℃时,SSP1和SSP4路径下总人口较2010年增加0.44亿人;升温2.0℃时,SSP2和SSP3路径下较2010年分别增加0.23亿和0.67亿人,SSP5路径下减少约0.12亿人。5种路径下中国人口将在2025-2035年达到峰值,人口峰值正处于全球升温1.5℃期间。(2)全球升温1.5℃时,除了东北地区和四川、安徽省外,多数省（市）人口均较2010年有所增加;升温2.0℃时,西北、西南和以东南沿海地区为主的发达省份保持较高的人口增量,其他地区人口开始呈减少趋势。(3)在全球升温1.5℃和2.0℃期间,大部分省份人口达到峰值,其中SSP3路径下广西人口最多,可达1.13亿,其他路径下广东省人口最多,达1.53亿。(4)未来中国65岁以上老龄人口比重呈现东北高、西南低的分布特征。与全球升温1.5℃相比,升温2.0℃时的老龄化趋势进一步加重,东北地区老龄化问题最严重。采用绿色和可持续发展路径,全球升温控制在2.0℃之内是中国社会经济发展的科学选择。     

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

利用全球气候模式、多模式集合和辽宁省气象观测数据,评估了不同典型浓度路径下19个全球气候模式和多模式集合对辽宁省气温变化模拟能力和可信度。结果表明:最优模式模拟结果优于多模式集合,具有较高的可信度。随着全球二氧化碳排放浓度增加,气温变化率和可信度呈增加趋势,首次达到2℃年份呈提前趋势,大部分站点出现在2011年之前,且出现年份越晚,升幅往往越高,反之亦然。大部分站点首次稳定到达2℃阈值开始年份在2022年之前,结束年份出现在2019—2026年,持续时间在13 a以下,开始年份均呈西早—东晚分布形势,结束时间和持续时间分布较均匀,且随着全球二氧化碳排放浓度增加,升温幅度呈上升趋势。不同典型浓度路径下各区域最高温、最低温和平均气温出现年份和变化特征均比较一致。     

全球增暖1.5/2℃下中国区域极端降水的风险变化及其影响因子

利用24个CMIP6全球气候模式的逐日降水模拟资料,基于广义极值分布（GEV）模型,研究了全球增暖1.5/2℃下我国20、50和100 a重现期极端降水的未来风险变化。可以发现,相对于历史时期（1995—2014年）,全球升温1.5和2℃下极端降水发生概率风险空间分布相近,总体上呈现增加趋势,但额外增暖0.5℃将导致更高的风险。如50 a重现期极端降水,在增暖1.5/2℃下其重现期将分别变为17/14 a,极端降水将变得更加频繁。不同区域对气候变暖的响应存在区域差异,其中中国西部长江黄河中上游和青藏高原地区、中国东部长江黄河中下游及其以南地区,极端降水发生概率比达到3以上,局部更是达到5以上,为我国极端降水气候变化响应高敏感区域。进一步,基于概率分布函数从理论角度探讨了位置和尺度参数对发生概率风险的影响与贡献度量,并用于探讨极端降水气候平均态和变率变化对极端降水发生风险的影响,结果显示：位置和尺度参数的增量变化、风险变化率存在着显著的东西部差异,从而导致极端降水发生风险的影响因素存在差异。如中国西部尽管极端降水气候平均态和变率变化幅度不大,但因风险变化率较高,从而导致该区域的发生风险大幅增加;与之相反,中国东部风险变化率较小,但气候平均态和年际变率增幅较大,同样导致该区域风险增加依然较高;此外,相对于位置参数,全国大部分区域主要是尺度参数的变化导致极端降水未来风险增大。     

全球增温1.5和2℃下中国东部极端高温风险预估

2013年中国中东部地区经历了一次破纪录的极端高温,给社会经济及人民财产造成了严重损失。利用高分辨率的观测格点数据集以及参与CMIP5的17个全球气候模式数据,通过分位数映射的偏差订正方法对模式模拟的逐日最高温度数据进行订正;在此基础上,研究了2013年的破纪录极端高温以及多年（20、50和100 a）一遇极端高温在未来全球增温1.5和2℃下的风险。结果表明,在未来增温1.5℃（2℃）下,2013年极端高温强度的发生风险将会增加为历史时期（1986-2005年）的3.0倍（6.1倍）,极端高温日数增加为历史时期的5.6倍（12.6倍）。从1.5℃到2℃,额外的0.5℃的增温将会使2013年极端高温强度和日数在未来的发生风险分别增加到2.0倍和2.3倍。对于不同重现期的极端高温来说,越极端的极端高温在未来发生的风险越大,并且极端高温日数增加的风险要大于极端高温强度增加的风险。历史时期平均每20、50、100 a发生一次的极端高温日数在未来增温1.5℃下将会变为平均每4、8、15 a发生一次,在增温2℃下变为平均每2、3、6 a发生一次。历史时期20、50、100 a一遇的极端高温强度在未来增温1.5℃下将会变为7、14、27 a一遇,在未来增温2℃下变为4、6、8 a一遇。