全球气候模式对中国降水分布.docx

全球气候模式对中国降水分布.docx

《全球气候模式对中国降水分布.docx》由会员分享，可在线阅读，更多相关《全球气候模式对中国降水分布.docx（13页珍藏版）》请在冰豆网上搜索。

全球气候模式对中国降水分布

全球气候模式对中国降水分布

气　候　系　统　变　化

第6卷　第6期2019年11月

气候变化研究进展

ADVANCESINCLIMATECHANGERESEARCH

Vol.6No.6November2019

文章编号：

1673-1719（2019）06-0398-07

全球气候模式对中国降水分布时空特征的评估和预估

许崇海1,2,3，罗勇2，徐影2

（１　中国科学院大气物理研究所，北京　１０００２９；

２　中国气象局气候研究开放实验室／国家气候中心，北京　１０００８１；３　中国科学院研究生院，北京　１０００４９）

摘　要：

使用观测和多模式集合的降水资料，评估全球气候模式对中国降水时空分布特征的模拟能力，并给出21世纪的预估。

结果表明：

全球气候模式在一定程度上能够再现中国地区降水的分布型，也能模拟出降水的区域性差异，对年降水10年、20年尺度的周期变化模拟效果较好。

21世纪SRESA1B情景下中国年及夏季降水主要模态以全国一致型为主，2045年前后由少雨型转为多雨型；冬季降水为少雨型与多雨型交替出现。

关键词：

EOF分析；小波分析；降水分布型；全球气候模式；中国中图分类号：

P426.6　　文献标识码：

A

引言

　　　　近100年来，以全球变暖为主要特征的全球气候与环境发生了重大变化，而近50年的全球变暖主要由人类活动造成［1］。

全球气候变暖导致降水的时空分布发生改变，从而对水资源、生态系统和社会经济等产生深刻影响。

我国降水量空间分布极不均匀，旱涝同时出现的情况时有发生。

因此，长期以来关于降水异常空间结构的研究在我国有着特殊的地位。

在全球变暖背景下，了解我国未来几十到上百年的降水分布特征，对防灾减灾具有重要意义。

　　　　对于未来几十到上百年气候变化的预估，目前最主要的手段是利用全球和区域气候模式。

基于IPCC第四次评估报告（AR4）20余个气候模式的模拟结果，许多科学家评估了这些模式对于中国地区

温度和降水的模拟能力［2－9］，认为气候模式对温度变化的模拟效果较好，而对降水的模拟能力有待改进。

这些研究大多是对气候平均状态和变化趋势进行评估，很少对温度和降水的空间分布特征进行评估。

因此，本文重点对IPCCAR4提供的多个模式的集合结果在我国的降水时空分布特征的模拟能力方面进行评估，并预估温室气体中等排放情景（SRESA1B）下21世纪我国降水的时空分布特征。

1资料和方法

　　　　研究中使用的观测数据为美国Xie等［10］的东亚地区高分辨率（0.5°×0.5°）降水数据。

PCMDI（programforclimatemodeldiagnosisandinter-comparison）收集提供了多个全球气候模式结果［8］，

收稿日期：

　2019-02-26；　修回日期：

2019-03-30

资助项目：

国家重点基础研究发展规划项目（2019CB421407，2019CB428401）；2019年中国气象局气候变化专项；（中－英－瑞）“中国适应气候

变化项目——气候科学”；国家自然科学基金（40875083）第一作者：

许崇海（1981—），男，博士研究生，主要从事气候变化和预估研究。

E-mail:

xuch@

３９８

Adv.Clim.ChangeRes.,2019,6（6）:

398－404

6期许崇海等：

全球气候模式对中国降水分布时空特征的评估和预估399

研究证明，多个模式的集合效果优于单个模式的效果［3，5，7－8］。

因此本研究使用的模式数据采用国家气候中心发布的《中国地区气候变化预估数据集》2.0版本，通过可靠性加权平均（reliabilityensembleaveraging,REA）方法得到的中国地区20多个模式集合平均数据［11］。

　　　　对观测和模拟的1961—2000年的降水进行年和季节的EOF分解，采用North等［12］的检验方法进行显著性检验，以此来评估气候模式对我国降水空间分布变化特征的模拟能力。

同时，由于小波分析可以得出时间序列周期变化的局部特征，能更清楚地看出各周期随时间的变化规律。

对中国区域、华北地区和长江中下游地区的降水序列应用Morlet小波变换进行了周期变化特征分析。

第１特征向量（图1a，方差贡献为16%）主要特征是华北地区与长江流域和华南地区年平均降水呈相反的分布型；从与其对应的时间系数变化曲线（图1e）来看，20世纪80年代以前华北降水偏多；而80年代以后长江流域和华南地区降水偏多，Zhou等［13］和Yu［14］认为这种旱涝分布由70年代以来东亚夏季风减弱导致。

年降水第2特征向量（图1c，方差贡献为13%）表现出以长江为界的南北反向变化特征，最强的信号位于淮河流域和华南地区；从其对应的时间系数变化曲线（图1g）来看，60和80年代长江以北地区多雨，以南地区少雨；而在70和90年代的大部分年份则相反。

　　　　从1961—2000年中国地区四个季节降水EOF分析的主要模态来看（通过显著性检验、方差贡献率最大的特征向量）：

冬季（图2a，EOF1，方差贡献率为48%），全国大部分地区呈现一致的特征，最强的信号位于华南地区；春季（图略，EOF1，方差贡献率为27%），整个中国在南北方向上表现为正－负－正的型态，东北－新疆北部地区和长江以南地区与西南地区为正信号；夏季（图2c，EOF1，方差贡献率为22%），中国东部地区在南北方向上表现为

20时间系数

100－10

20190－10100－10100－10

1965

1975

1985

1995年

（h）模拟EOF3（g）观测EOF2（f）模拟EOF4（e）观测EOF1

2中国地区1961—2000年降水分布型和周期特征

２．１　　观测的主要降水模态

　　　　从EOF分析得到并通过显著性检验的中国地区年降水距平的前两个特征向量及其时间系数来看，

（a）观测EOF1,16%

（b）模拟EOF4,6%

50°N40°N30°N20°N

－0.08－0.04－0.0200.020.04

40°N30°N20°N

80°E90°E110°E120°E130°EE100°

80°E90°E110°E120°E130°EE100°

图11961—2000年中国地区观测和模拟的年降水EOF分析得到的特征向量及时间系数

Fig.1EigenvectorsandcorrespondingtimecoefficientseriesoftheEOFanalysisofobservedandsimulatedannualprecipitationinChinain1961－2000（a,EOF1oftheobservation;b,EOF4ofthesimulation;c,EOF2oftheobservation;

d,EOF3ofthesimulation;e,f,g,h:

theircorrespondingtimecoefficients）

时间系数时间系数

50°N

（c）观测EOF2,13%（d）模拟EOF3,8%

时间系数

Adv.Clim.ChangeRes.,2019,6（6）:

398－404

３９９

气　候　系　统　变　化

400气候变化研究进展2019年

50°N

（a）观测EOF1,48%

50°N

（b）模拟EOF1,20%

40°N冬季

30°N

40°N

30°N

20°N20°N

80°E90°E100°E110°E120°E130°E

80°E90°E100°E110°E120°E130°E

－0.08－0.06－0.04－0.03－0.02－0.0100.010.020.030.040.06

50°N

（c）观测EOF1,22%

50°N

（d）模拟EOF4,6%

40°N

夏季

30°N

40°N

30°N

20°N20°N

E100°80°E90°E110°E120°E130°E

80°E90°E100°E110°E120°E130°E

图21961—2000年观测和模拟中国地区冬季和夏季降水EOF分析的主要模态

Fig.2SpatialpatternsoftheprincipalcomponentsoftheEOFanalysisofobserved（left）andsimulated（right）winter-（top）

andsummer-（bottom）averageprecipitationinChinain1961－2000

负－正－负－正的型态，华北－河套地区和华南地区与东北地区和江淮地区为相反信号，这种分布型态与此前的许多研究结果［15－18］一致；秋季（图略，EOF2，14%），云南－四川－甘肃－青海大部、内蒙古大部和京津地区与其他区域呈反向变化特征。

２．２　　模拟的主要降水模态

　　　　对多个全球模式集合的年降水距平进行EOF分析，在前4个特征向量中，第1特征向量反映南方多雨的分布型，第2特征向量反映东西部降水的差异性，但与观测的第1、2特征向量不一致，第3、4特征向量虽然不是主要特征向量，却能反映出观测的主要特征：

第3特征向量（图1d）反映出以长江为界南北反向变化的分布型，与观测降水第2特征向量（图1c）一致，从时间系数（图1h）的变化来看，在20世纪70年代和80年代模拟的降水变化趋势与与观测的第1特征向量（图1a）相对应，但是在西部地区反映出与南方地区一致的分布。

　　　　与观测相比，模式能够很好地再现冬季的主要

降水分布型（图2b）。

而对其他季节，模拟结果的次要特征向量能够在一定程度上反映观测的主要分布型。

对夏季主要降水分布型的模拟效果最差，特征向量均不能很好地模拟出东部地区的典型分布型（图2d）。

２．３　　中国地区１９６１—２０００年降水变化周期分析　　　　以1980—1999年为气候平均时段，得到整个中国区域、华北地区（110°～124°E，34°～43°N）和长江中下游地区（110°～124°E，27°～34°N）年降水距平序列，进行Morlet小波分析（图3）。

　　　　对于观测的中国年降水，1970年以后存在显著的2～4年周期变化，另外70年代到90年代初存在12～15年的周期振荡（图3a）。

尽管在1961—2000年中国地区年降水20年左右的周期变化也较显著，但由于分析的年代较短，故可信度不高。

华北地区左右的周期变化也较明显，只是在1975—1985年周期信号较弱。

长江中下游地区（图3c）70年代以后以8年左右的周期变化最为显著；在70—80年代

观测也是一致的。

模式模拟的第4特征向量（图1b）（图3b）降水以10年左右的周期变化最为显著，3年

４００

Adv.Clim.ChangeRes.,2019,6（6）:

398－404

6期许崇海等：

全球气候模式对中国降水分布时空特征的评估和预估401

图3观测和模拟的1961—2000年中国、华北、长江中下游地区年降水Morlet小波系数

Fig.3Morletwavelettransform（realparts）ofobserved（top）andsimulated（bottom）annualprecipitationseriesinChina

（left）,NorthChina（middle）,andthemiddleandlowerreachesoftheYangtzeRiver（right）in1961－2000

2～4年的周期变化也较为显著，此外也表现出12～15年左右的周期变化。

　　　　对模式模拟的年降水，中国区域降水（图3d）的20年周期变化较显著，与观测一致；对观测降水表现的2～4年周期，模拟值仅在90年代前后有所反映，但呈现出明显的5年左右的周期变化。

对华北地区年降水的模拟（图3e），能够很好地再现10年左右的周期变化，对3年左右的周期变化也能反映；在70年代信号较强而其他年代较弱，与观测相反。

对长江中下游地区年降水的模拟（图3f），20年左右的周期变化以及70年代后8～10年的周期变化比较显著，5年左右的周期变化也比较显著，与观测表现出的2～4年周期变化有所不同。

为显著；EOF2（图4b，f，方差贡献率为13%）表现出以长江为界的南北反向变化，转型发生在21世纪50年代前后，到21世纪末北方地区为多雨型，尤其是黄淮地区，而长江以南地区冬季为少雨型。

夏季降水的第一特征向量（图4c，g，方差贡献率为27%）表现为大部分地区变化一致，时间系数在2045年前后符号相反，此后时间系数绝对值越来越大，即多雨型态越来越典型；这种多雨型在华北地区、西南地区最为显著，其次是东北地区，只有新疆西部极少地区表现为少雨型。

夏季降水的第二特征向量（图4d，h，方差贡献率9%）表现为以长江为界的南北反向变化，时间系数上表现为年际间的振荡变化。

年降水EOF1与夏季类似。

　　　　整个中国地区（图5a）21世纪年降水10年的周期变化比较显著；华北地区（图5b）在2030年前10年左右的周期变化比较显著，2050年以后5年左右的周期变化比较显著。

而长江中下游地区（图5c）周期性变化比较复杂，30年左右的周期变化最为显著；2050年以后，20年左右的周期变化也较为显著；此外以2040年为分界点，前后两个时期内分别存在8～12年的周期变化，这两个周期都呈现随年份增加而变长的特点。

3中国地区降水主要模态与周期特征的多模式集合预估

　　　　图4给出了21世纪SRESA1B情景下冬季和夏季降水通过显著性检验的EOF前两个模态。

预估的冬季主要降水型（图4a，e，EOF1，方差贡献率为20%）表现出周期性变化，在2001—2020年、2030—2050年和21世纪60年代为少雨型，其他年份为多雨型，这种变化在黄淮地区、长江中下游地区最

Adv.Clim.ChangeRes.,2019,6（6）:

398－404

４０１

气　候　系　统　变　化

402气候变化研究进展2019年

图421世纪SRESA1B情景下冬季和夏季降水的EOF分析的前两个特征向量及时间系数

Fig.4SpatialpatternsandtimecoefficientseriesofthefirsttwoprinciplecomponentsoftheEOFanalysisofsimulatedwinter（a,EOF1;b,EOF2）andsummer（c,EOF1;d,EOF2）precipitationinChinainthe21stcenturyundertheSRESA1Bscenario

图5预估的21世纪不同地区年降水的Morlet小波系数（a）中国区域，　（b）华北地区，　（c）长江中下游地区

Fig.5Morletwavelettransform（realparts）ofprojectedannualprecipitationseriesin（a）China,（b）NorthChina,and（c）the

middleandlowerreachesoftheYangtzeRiverin2001－2100undertheSRESA1Bscenario

4结论和讨论

　　　　应用EOF分析和Morlet小波分析的方法，评估了IPCCAR420多个气候模式对我国降水时空分布特征的模拟能力，并对SRESA1B情景下21世纪降水的时空分布特征进行了分析。

主要结论如下：

（1）气候模式能够再现1961—2000年中国地区年降水分布型，也能够表现出降水的区域性差异。

对季节降水，气候模式能够在一定程度上反映主要降水分布型，但是方差贡献比较小。

（2）从年降水的周期变化来看，模式对年降水10年、20年尺度的周期变化模拟效果较好。

　　　　（3）SRESA1B情景下，21世纪中国年及夏季降

水主要模态以全国一致型为主，在2045年由少雨型转为多雨型。

冬季降水型与上述特征不同，少雨型与多雨型交替出现。

　　　　（4）21世纪中国地区年降水10年周期变化比较显著；华北地区在2030年前10年左右的周期变化比较显著，2050年以后5年左右的周期变化比较显著。

而长江中下游地区30年左右、8～12年的周期变化较为显著。

　　　　此前模式评估研究中认为模拟区域降水的时间序列与观测值之间的时间系数较低，而从本文的分析可以看出，观测的降水模态能够被气候模式部分模拟再现，原因可能是对20世纪的模拟，气候模式考虑的因子只是外强迫（温室气体、气溶胶、太阳

４０２

Adv.Clim.ChangeRes.,2019,6（6）:

398－404

6期许崇海等：

全球气候模式对中国降水分布时空特征的评估和预估403

常数等）的变化，而难以考虑气候系统内部自然变率现象（例如实际的ENSO年代际变化）。

另外，这是否意味着实际的降水变化模态，本质是气候系统圈层相互作用的结果（即内部变率），外强迫或者某一因子的作用只是令其中某一种模态增强或者减弱；圈层相互作用的结果使得模式能够再现这种降水型，但是由于模式中外强迫或者起作用的因子与实际有偏差，故导致模拟和观测的时间变化对不起来？

　　　　目前全球气候模式对中国地区降水的模拟和预估存在较大不确定性［19］，未来需要在改进全球气候模式及多模式集合平均计算方法、减少未来温室气体排放情景的不确定性等方面加强研究。

致　谢：

本研究使用的全球气候模式数据，经国家气候中心对数据进行整理、分析和惠许使用。

原始数据由WGCM（JSC/CLIVARworkinggrouponcoupledmodelling）组织PCMDI搜集归类。

参考文献

[1]

IPCC.Climatechange2019:

thephysicalsciencebasis.ContributionofworkinggroupItothefourthassessmentreportoftheIntergovernmentalPanelonClimateChange[M].Cambridge,UK:

CambridgeUniversityPress,2019:

1－996[2]

JiangDB,WangHJ,LangXM.EvaluationofEastAsianclimatologyassimulatedbysevencoupledmodels[J].AdvancesinAtmosphericSciences,2019,22（4）:

479－495[3]

ZhouTJ,YuRC.TwentiethcenturysurfaceairtemperatureoverChinaandtheglobesimulatedbycoupledclimatemodels[J].JournalofClimate,2019,19（22）:

5843－5858[4]

姜大膀,王会军,郎咸梅.全球变暖背景下东亚气候变化的最新情景

预测　[J].地球物理学报,2019,47:

590－596

[5]刘敏,江志红.13个IPCCAR4模式对中国区域近40a气候模拟能力

的评估[J].南京气象学院学报,2019,32

（2）:

256－268

[6]王淑瑜,熊吉吉.5个海气耦合模式模拟东亚区域气候能力的初步分析

[J].气候与环境研究,2019,9

（2）:

240－250

[7]许崇海,沈新勇,徐影.IPCCAR4模式对东亚地区气候模拟能力的

分析[J].气候变化研究进展,2019,3（5）:

287－292

[8]许崇海.多模式对中国地区气候变化检测和预估研究[D].南京:

南

京信息工程大学,2019

[9]张莉,丁一汇.全球海气耦合模式对我国极端强降水模拟检验[J].应

用气象学报,2019,19（6）:

760－769

[10]XiePingping,YatagaiAkiyo,ChenMingyue,etal.Agauge-basedanalysis

ofdailyprecipitationoverEastAsia[J].JournalofHydrometeorology,2019,8:

608－626

[11]XuY,GaoXJ,FilippoG.UpgradestotheREAmethodforproducing

probabilisticclimatechangeprojections[J].ClimateResearch,2019,12,doi:

10.3354/cr00835

[12]NorthGR,ThomasLB,RobertFC,etal.Samplingerrorsinthe

estimationofempiricalorthogonalfunctions[J].MonthlyWeatherReview,1982,110:

699－706

[13]ZhouT,GongD,LiJ,etal.Detectingandunderstandingthemulti-decadal

variabilityoftheEastAsiansummermonsoon——recentprogressandstateofaffairs[J].MeteorologischeZeitschrift,2019,18（4）:

455－467[14]YuRC.Troposphericcoolingandsummermonsoonweakeningtrend

overEastAsia[M].GeophysicalResearchLetters,2019,31,L22212,doi:

10.1029/2019GL021270

[15]张庆云,吕俊梅,杨莲梅,等.夏季中国降水型的年代际变化与大气

内部动力过程及外强迫因子关系[J].大气科学,2019,31