温室效应引起的江淮流域气候变化预估

选用英国Hadley中心的RCM-PRECIS模式进行江淮流域气候变化的数值模拟。在验证了PRECIS在江淮流域模拟能力的基础上,对未来CO₂增加后江淮流域的气候变化响应进行了预估。结果表明：在B2情景下,整个江淮流域都将继续增暖,到本世纪末（2071-2100年）区域年平均温度将增加2.9℃,夏季将可能出现更多的高温事件,而冬季极端低温事件减少;降水量呈增加趋势,强降水（尤其是120 mm以上的降水）日数也将增多。     

海南21世纪气候变化预估分析

利用RCP4.5和RCP8.5情景下区域气候模式RegCM4.0单向嵌套BCC_CSM1.1全球气候系统模式输出结果中海南岛区域的格点进行站点插值后的预估数据,分析了海南本岛21世纪气候变化情景,结果表明:21世纪海南岛总体呈变暖、变湿趋势.在RCP4.5情景下,年增暖倾向率为1.4℃/100a,在RCP8.5情景下,年增暖倾向率为3.4℃/100a.RCP4.5情景下,增温幅度最大的是冬季;RCP8.5情景下,前期增温幅度最大的是冬季,中期增温幅度最大的是夏季,后期增温幅度最大的在秋季.21世纪年降水距平百分率的变化有明显的阶段性变化.RCP4.5情景下前、后期降水增多不明显,中期增多明显;RCP8.5情景下前、后期的降水增加幅度比中期更明显.21世纪冷季降水可能减少,秋季可能更明显,冬季次之;暖季降水可能增加,夏季可能更明显.     

区域气候模式对温室效应引起的中国地区气候变化的数值模拟

利用基于 ＲｅｇＣＭ２的区域气候模式并单向嵌套澳大利亚 ＣＳＩＲＯ Ｒ２１Ｌ９全球海－气耦合模式，进行了温室气体二氧化碳浓度倍增对中国气候变化影响的数值试验研究。控制试验结果表明：区域模式由于具有较高的分辨率，因而对中国区域地面气温和降水的模拟效果较全球模式有了较大提高；模式对 ２×ＣＯ２敏感性试验结果表明了在 ＣＯ２浓度倍增情况下，由于温室效应，中国区域的地面气温将有明显升高，降水也将呈增加趋势。     

东南亚地区未来气候变化的区域气候模式预估

在联合区域气候降尺度试验CORDEX(Coordinated Regional Climate Downscaling Experiment)的框架下,使用全球气候模式MPI-ESM-MR（简称MPI）的模拟结果,驱动区域气候模式RegCM4(Regional Climate Mode version 4),开展了在中等温室气体排放路径RCP4.5下的东南亚区域21世纪气候变化预估试验。试验中模式的水平分辨率为25 km×25 km,积分时间为1981～2099年。模式对东南亚区域当代（1986～2005年）气候的模拟结果表明：MPI与RegCM4对这一区域年平均气温、降水的空间分布特征均具有较好的模拟能力;相比于全球模式,高分辨率的RegCM4提供了空间分布上更为精细的气候信息,但其模拟的气温存在系统性冷偏差,对降水的模拟则普遍偏多。对未来气候变化的预估显示,MPI与RegCM4预估的未来气温均一致表现为增加,至21世纪末期（2081～2099年）,预估的区域年平均气温升高幅度分别为1.8°C和1.7°C。二者对降水的预估则存在较大差异,MPI预估的年平均降水有不同程度增加,而Reg...     

新疆地区未来气候变化的区域气候模式集合预估

本文基于一套在5个全球气候模式结果驱动下,RegCM4区域气候模式对东亚25km水平分辨率的集合预估,分析了中、高温室气体典型排放路径(RCP4.5和RCP8.5)下,21世纪不同时期新疆地区的未来气候变化.对模式当代气候模拟结果的检验表明,区域模式的模拟集合(ensR)总体上能够很好地再现当代新疆平均气温、降水和极端...     

中国地区气候变化预估产品简介

气候变化问题是21世纪各国可持续发展中面临的重大课题。为了给国内从事气候变化和气候变化影响评估方面工作的业务、科研人员及单位提供一套使用方便的中国和东亚地区未来气候变化预估数据,中国气象局国家气候中心的科研人员对IPCC第四次评估报告中用到的20多个全球气候模式以及国家气候中心运行得到的一个区域气候模式的数据进行了加工和分析处理,形成了一套“中国地区气候变化预估数据集（第一版）”。本数据集可以在国家气候中心的网站（http：／／ncc．cma．gov．cn）上下载。     

中国气候变化的检测及预估

对近5a来中国科学家在气候变化的检测及预估等方面的研究工作及主要成果进行了总结:采用最新的器测时期资料和代用温度资料对中国地区近50a、100a的温度和降水变化规律进行再分析,初步重建了中国过去1000a的地表温度序列;对20世纪中国气候变化进行了检测,分析了中国气候变化的原因;预估了中国21世纪气候变化。结果表明:近百年中国气候变化的主要特征与全球气候变化的趋势一致。中国近百年增暖的幅度为0.5～0.8℃,比全球同期增温略高。近50a中国平均气温升高以北方为主,升温速率达0.8℃/10a,远大于北半球平均的升温速率。中国雨型的年代际变化明显,西北西部从20世纪80年代中降水明显增多,以新疆最为显著。中国东部则由70年代末以前的北涝南旱型转为以后的南涝北旱型。气候变暖后,中国的极端天气和气候事件的发生频率和强度也出现了变化。     

全球气候变化预估最新研究进展

总结了近5 a来对全球气候变化预估的研究进展,着重分析和介绍近几年全球气候变化预估研究的特点,热点和难点。     

青藏高原未来气候变化预估:CMIP5模式结果

本文使用国际耦合模式比较计划第5阶段(CMIP5)中对青藏高原气候模拟较优的气候模式, 在RCP4.5中等偏低辐射强迫情景下对青藏高原未来气候变化进行了预估研究。结果表明, 青藏高原年均地表气温在2006~2100年的线性趋势平均为0.26℃/10a, 增暖幅度与海拔高度大体成正比;相比于1986~2005年参考时段, 2090年代平均升温2.7℃, 21世纪末期增温幅度明显高于早期和中期;在早、中和末期, 年均增温分别为0.8~1.3℃、1.6~2.5℃和2.1~3.1℃;各季节也均为变暖趋势, 其中冬季增温最大。对于年均降水来说, 未来百年将小幅增加, 集合平均趋势为1.15%/10a, 2090年代较参考时段增加10.4%;在早、中和末期的变化范围分别为-1.8%至15.2%、-0.9%至17.8%和1.4%至21.3%;季节降水也呈增加趋势, 夏季增幅明显高于其余三个季节且在21世纪末期较大, 青藏高原未来年均降水增加主要来自于夏季。需要指出的是, 上述预估结果在气候模式间存在着一定的差异, 未来气候变化的不确定性范围较大, 地表气温的可信度相对较高, 而降水的则偏低。     

南水北调东线工程流域未来气候变化预估

利用国家气候中心全球大气海洋环流模式(NCC／IAP T63),考虑IPCC SRES A2(高排放)和A1B(中等排放)两种人类排放情景,对2030年前南水北调东线工程流域气候变化进行了预估。结果表明,由于人类活动,未来30a东线区域将变暖,尤以1月(冬季)东线北部地区变暖最明显,其中A2情景,2010年1月变暖约5℃,2020年1月变暖约7℃。7月(夏季)东线南部变暖最小,其中,2010年为0.2℃,2020年为0.9℃。值得注意的是,人类活动对未来30a东线区域降水的影响不明显,A2情景可能略有增加趋势,A1B情景可能略有减少趋势。     

中国区域气候模式对1991年江淮流域特大暴雨过程的模拟

文章引进了美国NCAR的区域气候模式,并对该模式进行了改造和改进,建立了能适合中国区域性气候特征,模拟中国区域性气候的模式。在此基础上运用该模式对1991年夏季长江流域强降水过程进行了模拟计算,结果表明,该模式具有模拟长江流域强降水过程的能力。     

SRES A2情景下中国区域21世纪末平均和极端气候变化的模拟

利用Hadley气候预测与研究中心的区域气候模式系统PRECIS单向嵌套该中心全球海-气耦合气候模式HadCM3高分辨率的大气部分HadAM3H,分析了SRES A2情景下2071-2100年相对于气候基准时段（1961-1990年）中国区域的气候变化,包括气温和降水的年际、季节和日时间尺度的变化以及极端气候事件的变化趋势。模拟结果表明：气温呈明显增加趋势,其中新疆和东北地区增温明显。而降水表现了更大的年际变化和季节变化,冬季南方降水减少,但沿黄河流域的降水明显增加,夏季与冬季相比呈现出相反的趋势。此外,连续高温日数呈现增加趋势,而连续霜冻日数呈现减少趋势。连续湿日数也表现出一定的增加趋势。     

土地利用变化对我国区域气候影响的数值试验

使用RegCM2区域气候模式单向嵌套澳大利亚CSIRO R21L9全球海-气耦合模式,通过将中国区域植被覆盖由理想状况改变为实际状况的数值试验对比分析,探讨了当代中国土地利用变化对中国区域气候的影响,并对结果进行了统计显著性检验。研究表明,土地利用的变化,会导致我国西北等地区年平均降水减少,导致年平均气温在内陆部分地区升高和在沿海个别地区降低,引起许多地方夏季日平均最高气温升高,而冬季日平均最低气温则在我国东部部分地区降低的同时在西北地区升高,土壤湿度的变化表现为大范围的降低。研究同时表明,相同的土地变化在不同的地理环境下引起的气候要素变化有一定的不一致性。     

Projected Climate Change in the Northwestern Arid Regions of China: An Ensemble of Regional Climate Model Simulations

The projected temperature and precipitationchange under different emissions scenarios using Coupled Model Intercomparison Project Phase 5 models over the northwestern arid regions of China(NWAC) were analyzed using the ensemble of three high-resolution dynamical downscaling simulations: the simulation of the Regional Climate Model version 4.0(Reg CM4) forced by the Beijing Climate Center Climate System Model version 1.1(BCC_CSM1.1); the Hadley Centre Global Environmental Model version 3 regional climate model(Had GEM3-RA) forced by the Atmosphere-Ocean coupled Had GEM version 2(Had GEM2-AO); and the Weather Research and Forecasting(WRF) model forced by the Norwegian community Earth System Model(Nor ESM1-M). Model validation indicated that the multimodel simulations reproduce the spatial and temporal distribution of temperature and precipitation well. The temperature is projected to increase over NWAC under both the 4.5 and 8.5 Representative Concentration Pathways scenarios(RCP4.5 and RCP8.5, respectively) in the middle of the 21 st century, but the warming trend is larger under the RCP8.5 scenario. Precipitation shows a significant increasing trend in spring and winter under both RCP4.5 and RCP8.5; but in summer, precipitation is projected to decrease in the Tarim Basin and Junggar Basin. The regional averaged temperature and precipitation show increasing trends in the future over NWAC; meanwhile, the large variability of the winter mean temperature and precipitation may induce more extreme cold events and intense snowfall events in these regions in the future.     

温室效应对我国东部地区气候影响的高分辨率数值试验

使用RegCM3区域气候模式,单向嵌套NASA/NCAR 的全球环流模式FvGCM的输出结果,对中国东部地区进行了在实际温室气体浓度下当代1961~1990年和在IPCC A2温室气体排放情景下21世纪末期2071~2100年各30年时间长度,水平分辨率为20 km的气候变化模拟试验。首先分析全球和区域模式对中国东部地区当代气候的模拟情况,结果表明全球模式对中国东部地区气温的总体分布型模拟较好,但存在冷偏差,区域模式在对这个冷偏差有所纠正的同时,提供了气温地理分布更详细的信息。全球模式模拟的年降水中心位于长江流域,与观测差别较大,区域模式对此同样也有改进,降水高值区主要位于区域南部,并表现出较强的地形强迫特征。区域模式的模拟结果还表明,至21世纪末期,在温室效应作用下,中国东部的气温将明显升高,年平均气温的升高值在2.7~4.0℃之间,其中北部升温大于南部,冬季升温大于夏季。冬季升温表现出明显的随纬度增加而增加的分布型。模拟区域内年平均降水将增加,增加值一般在10%以上,部分地区达到30%。降水增加在夏季较明显,区域内以普遍增加为主,冬季降水自山东半岛至湖南地区将减少,其他地区增加。此外,对夏季高温日数和冬季低温日数及年平均大雨日数的变化也进行了分析。     

Temperature Extremes from Canadian Regional Climate Model (CRCM) Climate Change Projections

Future climate projections of extreme events can help forewarn society of high-impact events and allow the development of better adaptation strategies. In this study a non-stationary model for Generalized Extreme Value (GEV) distributions is used to analyze the trend in extreme temperatures in the context of a changing climate and compare it with the trend in average temperatures.

The analysis is performed using the climate projections of the Canadian Regional Climate Model (CRCM), under an IPCC SRES A2 greenhouse gas emissions scenario, over North America. Annual extremes in daily minimum and maximum temperatures are analyzed. Significant positive trends for the location parameter of the GEV distribution are found, indicating an expected increase in extreme temperature values. The scale parameter of the GEV distribution, on the other hand, reveals a decrease in the variability of temperature extremes in some continental regions. Trends in the annual minimum and maximum temperatures are compared with trends in average winter and summer temperatures, respectively. In some regions, extreme temperatures exhibit a significantly larger increase than the seasonal average temperatures.

The CRCM projections are compared with those of its driving model and framed in the context of the Coupled Model Intercomparison Project, phase 3 (CMIP3) Global Climate Model projections. This enables us to establish the CRCM position within the CMIP3 climate projection uncertainty range. The CRCM is validated against the HadEX2 dataset in order to assess the CRCM representation of temperature extremes in the present climate. The validation is also framed in the context of CMIP3 validation results. The CRCM cold extremes validate better and are closer to the driving model and CMIP3 projections than the hot extremes.     

江淮梅雨期极端降水的气候特征

应用1959—2000年江淮地区76站逐日降水资料,对梅雨期月降水量进行REOF分解。将江淮区分为4个具有不同梅雨期降水空间分布特征的区域,进而分别分析这4个区域梅雨期暴雨以上极端降水的季节、年际和年代际变化特征,以及周期振荡和突变性质。结果表明:4个区暴雨以上极端降水总量和极端降水日数最大值均发生在梅雨期,梅雨期极端降水呈上升趋势,且具有不同的年际和年代际变化特征;江淮西南区梅雨期暴雨总量和暴雨日数在20世纪90年代还存在明显上升突变现象;4个区梅雨期极端降水存在不同时间尺度的周期振荡。     

RCPs情景下贵州省气候变化预估分析

使用国际耦合模式比较计划第五阶段CMIP5的模式结果,在不同RCP情景下对贵州省未来气温、降水进行了预估。通过对气温、降水的模拟值和实测值的标准化均方根误差的评估得知,模式对贵州省气温的模拟能力较强,对降水的模拟能力相对较差。预估结果表明:未来在RCP8.5、RCP4.5和RCP2.6情景下贵州省气温均是明显的上升趋势,降水小幅度增加,增温(增湿)速率分别为0.5℃/10a(1.0%/10a)、0.2℃/10a(0.9%/10a)和0.1℃/10a(0.6%/10a),到了21世纪末期相对于基准期气温(降水)分别增加4.5℃(5.2%)、2.3℃(5.4%)和1.3℃(4.2%)。空间分布总体上增温幅度从西南向东北逐渐变大,而降水相对于基准期变化的区域性差异较大。总体来说,21世纪温室气体浓度越高,增温增湿速率越快。     

Uncertainty in Regional Climate Model Mean Runoff Projections under Climate Change: Case Study of Labrador's Churchill River Basin

An ensemble of seven climate models from the North American Regional Climate Change Assessment Program (NARCCAP) was used to examine uncertainty in simulated runoff changes from a base period (1971–2000) to a future period (2041–2070) for the Churchill River basin, Labrador, Canada. Three approximations for mean annual runoff from each ensemble member were included in the analysis: (i) atmospheric moisture convergence, (ii) the balance between precipitation and evaporation, and (iii) instantaneous runoff output from respective land-surface schemes. Using data imputation (i.e., reconstruction) and variance decomposition it was found that choice of regional climate model (RCM) made the greatest contribution to uncertainty in the climate change signal, whereas the boundary forcing of a general circulation model (GCM) played a smaller, though non-negligible, role. It was also found that choice of runoff approximation made a substantial contribution to uncertainty, falling between the contribution from RCM and GCM choice. The NARCCAP output and imputed data were used to calculate mean and median annual changes and results were presented via probability distribution functions to facilitate decision making. Mean and median increases in runoff for the basin were found to be 11.2% and 8.9%, respectively.