21世纪前期中国降水预估及其订正

用全球格点分析数据集（CRU TSv4.0）月降水资料和24个CMIP5（Coupled Model Intercomparison Project Phase 5）模式历史模拟数据以及RCP4.5情景下的预估数据,分析了多模式集合平均降水的偏差特征并进行了扣除模式气候漂移和一元对数差分回归订正。结果表明,模式降水在西部和北部明显偏多,东南沿海偏少;冷季（11月至次年4月）在全国大部分地区模式降水偏多,暖季（5～10月）东南沿海季风区偏少。1956～2005年多模式集合平均历史模拟降水偏差中84%属于气候漂移,其余是偏差的非定常模态。扣除气候漂移后,RCP4.5情景下2006～2015年中国模式降水预估偏差减小90%以上,大部分地区降水偏差百分率分布在±5%以内,仅在青藏高原西部和西北中部等地区模式降水偏多10%～40%;暖季降水偏差分布与年降水量类似;冷季偏差较大,北方降水偏多,南方偏少。检验表明,一元线性对数差分回归方程订正后,模式降水对于2006～2015年期间西南和江南中部的干旱少雨气候均能再现,且距平同号率高于多模式集合平均和扣除气候漂移的结果。用该方法对RCP4.5情景下2016～2035年模式预估降水进行订正,结果显示,南方（淮河以南）降水减少5%～20%,河套、内蒙古和华北北部减少20%～40%,东北南部、淮河流域、西北大部增加10%～40%及以上,东南沿海和台湾省降水增加10%～20%。以上降水预估结果说明,在RCP4.5情景下,21世纪前期持续十年的西南干旱会略有缓解,但南方降水偏少格局变化不大,淮河流域和三江源区及其以西等地降水可能明显增加。中国降水异常分布总体呈现南北少、中间多的格局,但北方和西部高山地带的降水预估存在较大的不确定性。     

CMIP6情景模式比较计划（ScenarioMIP）概况与评述

情景模式比较计划（ScenarioMIP）是第六次国际耦合模式比较计划（CMIP6）最重要的子计划之一。该子计划基于不同共享社会经济路径可能发生的能源结构所产生的人为排放及土地利用变化,设计了一系列新的情景预估试验,为未来气候变化机理研究以及气候变化减缓和适应研究提供关键的数据支持。文中将重点介绍ScenarioMIP的试验设计及模式参与情况,并对其应用前景加以讨论和展望。     

NUIST-ESM模式及其参与CMIP6的方案

近几年来,南京信息工程大学（NUIST）地球系统模拟中心致力于地球系统模式研发。最新发展的第三版本南京信息工程大学地球系统模式（NUIST-ESM v3）在原有的基础上改进了边界层方案与对流参数化方案,调整了模式中云物理过程,改进了耦合物理过程和海冰反照率等过程。此版本作为参加第六次国际耦合模式比较计划（CMIP6）的模式之一,注册了气候诊断、评估和描述试验（DECK）和历史气候模拟试验（Historical）以及ScenarioMIP、DAMIP、GMMIP、DCPP、PMIP、VolMIP和GeoMIP等7个比较子计划试验。目前DECK和Historical试验都已经完成,正将数据提交到ESGF数据发布平台。CMIP6模式比较子计划也将陆续完成并将发布数据,以供国内外学者下载使用。     

清华大学CIESM模式及其参与CMIP6的方案

世界气候研究计划（WCRP）组织实施第六次国际耦合模式比较计划（CMIP6),清华大学联合国内多家单位,通过多年的模式研发,完成联合地球系统模式（CIESM),除了CMIP6的气候诊断、评估和描述试验（DECK）和历史气候模拟试验（Historical),模式拟参与6个CMIP6子计划。通过介绍该模式的基本情况及其参与的试验子计划,为今后模式试验数据使用者提供参考。     

基于CMIP6气候模式的新疆积雪深度时空格局研究

积雪深度的变化对地表水热平衡起着至关重要的作用。选用了国际耦合模式比较计划第六阶段（CMIP6）中目前情景比较齐全的五个全球气候模式,通过对比新疆地区1979—2014年积雪深度长时间序列数据集,评估了气候模式在新疆地区模拟积雪深度的模拟能力,接着预估了未来不同SSPs-RCPs情景下新疆地区在2021—2040年（近期）、2041—2060年（中期）、2081—2100年（末期）相对于基准期（1995—2014年）的积雪深度变化。气温和降水对积雪深度变化有着重要的影响,因此还分析了新疆地区到21世纪末期气温和降水的变化趋势。结果表明：订正后的气候模式模拟的积雪深度数据与观测数据的相关系数均达到0.8以上,其中1月至3月与观测数据的结果更为吻合。气候模式基本上能够反映积雪深度年内变化的基本特征,气候模式模拟的积雪深度空间分布和观测数据具有相似的特征。气温和降水在未来不同情景下均会波动上升,其中气温的增幅相对比较明显,达0.43 ℃·（10a）^-1,而降水的增幅为0.63 mm·（10a）^-1,新疆未来的气候总体上呈现出变暖变湿的趋势。新疆地区的平均积雪深度在未来不同时期相对基准期均呈增加的趋势。SSP1-1.9情景下,21世纪近期、中期和末期北部大部分地区的积雪深度将会有所增加;SSP1-2.6情景下,北部阿尔泰山地区的积雪深度在21世纪近期有所减小,但中期和末期将会有所增加;SSP2-4.5情景下,21世纪不同时期东部地区的积雪深度将会有所增加,北部和中部大部分地区在不同时期积雪深度将会变小;SSP3-7.0情景下,21世纪不同时期北部和西南地区的积雪深度将会普遍变小,东部地区的积雪深度将普遍增加;SSP4-3.4和SSP4-6.0情景下,21世纪不同时期西南昆仑山地区的积雪深度将会普遍变小,东部地区的积雪深度将普遍增加;SSP5-8.5情景下,北部阿尔泰山地区和东部地区的积雪深度将普遍增加。     

Change in Extreme Climate Events over China Based on CMIP5

The changes in a selection of extreme climate indices(maximum of daily maximum temperature(TXx),minimum of daily minimum temperature(TNn),annual total precipitation when the daily precipitation exceeds the 95th percentile of wet-day precipitation(very wet days,R95p),and the maximum number of consecutive days with less than 1 mm of precipitation(consecutive dry days,CDD))were projected using multi-model results from phase 5 of the Coupled Model Intercomparison Project in the early,middle,and latter parts of the 21st century under different Representative Concentration Pathway(RCP)emissions scenarios.The results suggest that TXx and TNn will increase in the future and,moreover,the increases of TNn under all RCPs are larger than those of TXx.R95p is projected to increase and CDD to decrease significantly.The changes in TXx,TNn,R95p,and CDD in eight sub-regions of China are different in the three periods of the 21st century,and the ranges of change for the four indices under the higher emissions scenario are projected to be larger than those under the lower emissions scenario.The multi-model simulations show remarkable consistency in their projection of the extreme temperature indices,but poor consistency with respect to the extreme precipitation indices.More substantial inconsistency is found in those regions where high and low temperatures are likely to happen for TXx and TNn,respectively.For extreme precipitation events(R95p),greater uncertainty appears in most of the southern regions,while for drought events(CDD)it appears in the basins of Xinjiang.The uncertainty in the future changes of the extreme climate indices increases with the increasing severity of the emissions scenario.     

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。     

RCP4.5情景下中国季风区及降水变化预估

本文使用国际耦合模式比较计划第五阶段(CMIP5)中共46个全球气候模式的数值试验结果,通过对中国区域的年、夏季和冬季降水气候态的模拟能力评估,择优选取了18个气候模式用来预估RCP4.5情景下21世纪中国季风区范围、季风降水及其强度变化。结果表明,相对于1986~2004年参考时段,RCP4.5情景下多数模式和所有模式集合平均在不同时段内均模拟出中国季风区面积、季风降水及其强度的增加趋势,最明显的时段出现在2081~2099年。其中,季风区面积扩张是导致季风降水增加的主要因素。在机制上,热力与动力条件变化均有利于季风降水强度的增加以及更多的水汽进入中国东部,从而引起季风区范围的扩大。     

土地利用变化对20世纪中国地区气候干湿变化的影响

利用CMIP5耦合模式历史情景和土地利用情景结果,定量评估了模拟的土地利用变化对20世纪中国地区气候干湿变化的影响。结果表明,土地利用的变化加剧了20世纪中国地区干旱化的进程,其贡献约为1/3。其中,湿润区具有显著变干的趋势,土地利用变化的贡献约为35.4%;半干旱区显著变干,土地利用对半干旱地区变干的贡献不显著;两种情景下干旱区干湿变化都不显著。在土地利用情景下,中国地区土地利用的变化主要表现为一级土地的减少和牧草用地的增加,二者分别从国土面积的72.7%和12.9%(1901年)变为36.0%和41.9%(2004年),且1950年代之后变化速率显著增大。其中大面积显著的变化主要发生在青藏高原、内蒙古以及新疆北部地区,导致这些地区降水减少、温度降低,而降水减少带来的干旱化作用大于温度降低带来的变湿作用。     

全球气候模式中赤道东太平洋海表温度的季节循环：从CMIP5到CMIP6

The sea surface temperature(SST) seasonal cycle in the eastern equatorial Pacific(EEP) plays an important role in the El Ni?o–Southern Oscillation(ENSO) phenomenon. However, the reasonable simulation of SST seasonal cycle in the EEP is still a challenge for climate models. In this paper, we evaluated the performance of 17 CMIP6 climate models in simulating the seasonal cycle in the EEP and compared them with 43 CMIP5 climate models. In general, only CESM2 and SAM0-UNICON are able to successfully capture the annual mean SST characteristics,and the results showed that CMIP6 models have no fundamental improvement in the model annual mean bias.For the seasonal cycle, 14 out of 17 climate models are able to represent the major characteristics of the observed SST annual evolution. In spring, 12 models capture the 1–2 months leading the eastern equatorial Pacific region 1(EP1; 5°S–5°N, 110°–85°W) against the eastern equatorial Pacific region 2(EP2; 5°S–5°N, 140°–110°W). In autumn,only two models, GISS-E2-G and SAM0-UNICON, correctly show that the EP1 and EP2 SSTs vary in phase. For the CMIP6 MME SST simulation in EP1, both the cold bias along the equator in the warm phase and the warm bias in the cold phase lead to a weaker annual SST cycle in the CGCMs, which is similar to the CMIP5 results. However,both the seasonal cold bias and warm bias are considerably decreased for CMIP6, which leads the annual SST cycle to more closely reflect the observation. For the CMIP6 MME SST simulation in EP2, the amplitude is similar to the observed value due to the quasi-constant cold bias throughout the year, although the cold bias is clearly improved after August compared with CMIP5 models. Overall, although SAM0-UNICON successfully captured the seasonal cycle characteristics in the EEP and the improvement from CMIP5 to CMIP6 in simulating EEP SST is clear, the fundamental climate models simulated biases still exist.