韓振宇， 高學(xué)杰， 徐影

1 中國氣象局國家氣候中心， 北京 100081 2 中國科學(xué)院大氣物理研究所氣候變化研究中心， 北京 100029

0 引言

全球氣候模式(global climate model, GCM)是未來氣候變化預(yù)估的重要工具，但受計算資源的限制，模式的網(wǎng)格大小多大于100 km.正在進行的第六階段國際耦合模式比較計劃(Coupled Model Intercomparison Project Phase 6, CMIP6)中，雖然有個別模式可能會進行較高分辨率的試驗，但大部分模式的分辨率不會有根本性的變化.較低分辨率，使得全球模式結(jié)果在應(yīng)用于區(qū)域尺度氣候變化分析和極端事件研究時存在較大不足.特別是在東亞地區(qū)，由于具有獨特的東亞季風(fēng)系統(tǒng)和復(fù)雜的地形、下墊面特征，全球模式對這里氣候的模擬能力相對不足，需要使用高分辨率的區(qū)域氣候模式(regional climate model, RCM)進行降尺度模擬(Gao et al., 2006).

近年來東亞范圍內(nèi)使用區(qū)域模式進行氣候變化預(yù)估的工作越來越多，特別是得益于多個國際比較計劃的實施，如區(qū)域氣候模式比較計劃RMIP(Fu et al., 2005)和區(qū)域聯(lián)合降尺度計劃CORDEX(Giorgi et al., 2009; Gutowski et al., 2016)，較多樣本的區(qū)域模式集合預(yù)估研究成為可能(如，Wu et al., 2015; Huang et al., 2015; Li et al., 2016; Park et al., 2016; Park and Min, 2019; Han et al., 2017; Im et al., 2017; Gao et al., 2018; Hui et al., 2018; Niu et al., 2018; Zhou et al., 2018, 2019; 于恩濤和孫建奇, 2019).這些研究工作多聚焦東亞的某個國家或者區(qū)域，集合樣本數(shù)多不超過10個，部分研究工作仍采用20年前研制的IPCC SRES未來排放情景(IPCC, 2000)，部分研究工作的模擬時段僅到21世紀中期.本文旨在采用盡可能多的區(qū)域模式集合樣本(共15個)，在對其模擬效果進行評估的基礎(chǔ)上，對典型排放路徑(representative concentration pathway, RCP; Van Vuuren et al., 2011)的高排放情景RCP8.5下，未來到21世紀末的東亞陸地區(qū)域的平均和極端降水的變化進行預(yù)估分析，并定量評估預(yù)估的不確定性.

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)

本文主要采用東亞區(qū)域聯(lián)合降尺度計劃(CORDEX-EA)的15組模擬結(jié)果(簡稱ensR)，其中8組的水平分辨率為25 km，7組的水平分辨率為50 km.各組模擬結(jié)果的區(qū)域設(shè)置略有不同，但都覆蓋東亞所有的陸地區(qū)域(圖1).表1 給出詳細的模式設(shè)置等信息，下文以ModXX(XX是模式編號)來代表不同模式的模擬結(jié)果，如Mod1代表全球模式CSIRO-Mk3-6-0驅(qū)動區(qū)域模式RegCM4.4進行的模擬.

模擬結(jié)果評估采用的降水觀測資料，中國范圍內(nèi)來自中國區(qū)域格點化觀測數(shù)據(jù)集CN05.1(吳佳和高學(xué)杰, 2013)，中國以外來自日本制作的數(shù)據(jù)集APHRODITE(Yatagai et al., 2009)，數(shù)據(jù)的水平分辨率都為0.5°×0.5°(經(jīng)緯度).CN05.1和其早期版本CN05(Xu et al., 2009)以及APHRODITE在氣候模式模擬評估和當代氣候變化分析等多方面都有廣泛的應(yīng)用.15組區(qū)域模式的模擬結(jié)果全部雙線性插值到與觀測資料相同的0.5°×0.5°的格點上，以方便對比分析和集合預(yù)估.

圖1 東亞主要陸地區(qū)域內(nèi)地形分布及分區(qū)情況Fig.1 Orography and the six subregions of East Asia

表1 區(qū)域氣候模式及提供驅(qū)動場的全球氣候模式的概況Table 1 Basic information on RCM ensemble members and their corresponding driving GCMs

1.2 模擬評估方法

選取冬、夏季和年降水量用于平均降水及其變化的分析；選取3個極端降水指數(shù)用于極端降水及其變化的分析，分別是最大5日降水量(Rx5day)、大雨日數(shù)(R20)和連續(xù)無降水日數(shù)(CDD)(表2).

表2 使用的平均和極端降水指數(shù)Table 2 The mean and extreme precipitation indices employed in the study

泰勒評分S是泰勒圖的量化指標(Taylor, 2001)，它和泰勒圖一樣也被廣泛的用于模式性能評估(如，吳昊旻等, 2016; Peng et al., 2020).泰勒評分綜合了空間相關(guān)系數(shù)、均方根誤差和標準差三種量值，以數(shù)值大小來描述模式性能，其計算公式如下：

為便于評估模式的模擬性能及預(yù)估未來變化，參考Zou和Zhou(2016)和Li等(2018)，將東亞陸地區(qū)域(EA)分為6個分區(qū)(圖1)，即中國西部(WC)、蒙古(MG)、中國東北(NE)、中國華北及西北地區(qū)東部(NC)、中國江南及華南(SC)和朝鮮半島及日本(KJ).圖1中所示各分區(qū)僅包括方框內(nèi)的東亞陸地區(qū)域.

1.3 未來預(yù)估分析方法

參照IPCC第5次評估報告的分析方法(IPCC, 2013)，選取模擬中的1986—2005年作為當代時段(基準期)、2046—2065年作為21世紀中期、2079—2098年作為21世紀末期開展預(yù)估研究；所有的未來變化都是相對于基準期.給出15個模擬結(jié)果集合平均的未來各時段相對于當代模擬結(jié)果的變化情況，并給出預(yù)估結(jié)果的模式間差異，分析不確定性.多模式集合采用等權(quán)重的算術(shù)平均計算.

未來變化幅度的線性變化速率采用線性回歸方法計算；長期變化趨勢的顯著性檢驗采用Mann-Kendall方法，信度取α=0.05.變幅空間分布在不同時段的相似性用空間相關(guān)系數(shù)(spatial correlation coefficient, SCOR)表征.

未來變化預(yù)估不確定性由集合成員間同號率和信噪比(signal to noise ratio, SNR)定量表示.為了予以區(qū)分，將同號率表征的稱為增減不確定性，而將SNR表征的稱為變幅不確定性，前者關(guān)注未來正負變化是否確定，后者關(guān)注未來變化的量值是否確定.當集合成員中超過80%預(yù)估的未來正負變化與集合平均的相一致時，認為集合預(yù)估的一致性較好(Tebaldi et al., 2011)，定義為可通過同號率的檢驗.信噪比SNR即為氣候變化信號與噪聲之間的比值；氣候變化信號即是未來不同時段相對于基準期的集合平均變化量M，噪聲定義為模式間不確定性，這里選取未來預(yù)估集合成員間差異的標準差V作為噪音.

(1)

其中t是未來不同時段，m是不同集合成員，N是集合成員總數(shù)，Am(t)是未來不同時段下各集合成員預(yù)估的未來變化.當SNR大于1時，認為未來集合預(yù)估的量值不確定性較小，未來集合預(yù)估結(jié)果較為可信，定義為可通過SNR的檢驗；SNR越大表明可信度越高(李博和周天軍, 2010).

2 模擬結(jié)果評估

整個東亞陸地區(qū)域的模擬效果顯示，多數(shù)模式能夠較好模擬6個變量的多年平均值，S評分值大都在1.0以上；其中Mod9和Mod13相對較差，對各個變量的S評分值多在0.6～1.1(圖2g).

不同變量模擬效果的對比顯示，R20和CDD在6個變量中相對模擬較差，且誤差主要分布在WC、MG和SC三個區(qū)域.各模式模擬R20的誤差在NE、NC和KJ普遍都較??；各模式模擬CDD的誤差在KJ普遍較小，在NE的模擬誤差與冬季降水PRdjf誤差有一定相關(guān)性(Gao et al., 2017)，而在NC的模擬誤差與夏季降水PRjja誤差有一定相關(guān)性.

從模擬效果的區(qū)域差異來看，WC、MG和SC的總體模擬效果要低于其他區(qū)域(圖2a,2b,2e).其中，WC和MG的R20和PRdjf模擬較差，兩個區(qū)域的多年平均R20和PRdjf數(shù)值較小，除中國西南地區(qū)外多數(shù)分別不超過5天和25 mm；并且由于觀測站點較少，格點化的觀測數(shù)據(jù)存在較大的不確定性(吳佳等, 2011).PRdjf在SC區(qū)域也模擬較差，特別是基于RegCM4系列模式(Mod1-Mod5和Mod14)的模擬，冬季降水在中國南方的高值中心無法較好模擬，反而形成帶狀的雨帶分布(Gao et al., 2017; Shi et al., 2018)；Mod8和Mod13也表現(xiàn)出類似的誤差分布(圖略)，說明冬季降水在SC的模擬誤差不僅與RCM有關(guān)，也與GCM強迫有關(guān).PRjja、PRann和R20在SC普遍模擬較差；提供強迫場的GCM對季風(fēng)環(huán)流，特別是夏季風(fēng)環(huán)流的模擬誤差(姜大膀和田芝平, 2013)以及RCM物理過程參數(shù)化方案(Gao et al., 2016; Niu et al., 2020)都對這一模擬誤差有貢獻，這也是目前GCM和RCM普遍存在的問題(Jiang et al., 2016; Niu et al., 2018).

從模擬效果的模式間差異來看，Mod13的模擬誤差相對較大，Mod15的模擬誤差相對較小，其他模式間沒有明顯差異.集合平均的模擬效果好于多數(shù)模式，這與之前的研究工作相一致(如，Zhou et al.,2014; Li et al., 2016; Park et al., 2016).較高分辨率(25 km；Mod1-Mod8)的模擬結(jié)果沒有明顯優(yōu)于低分辨率(50 km；Mod9-Mod15)的，僅在KJ區(qū)域和整個東亞區(qū)域，25 km分辨率模擬結(jié)果的S評分總體高于50 km的模擬結(jié)果，一定程度上反映了在較小的空間尺度上提高模擬分辨率的優(yōu)勢；但由于不是基于同一模式的不同分辨率間的比較，無法準確評估模式水平分辨率的影響(Shi et al., 2018).

圖2 不同模式集合成員對平均降水和極端降水指數(shù)多年平均值(1986—2005年)在各個區(qū)域模擬的泰勒評分Fig.2 The Taylor skills of the RCMs in simulating the spatial patterns of the mean state of precipitation and extreme precipitation indices over different regions during 1986—2005

圖3 東亞陸地區(qū)域和各分區(qū)的區(qū)域平均的PRdjf(藍色)和PRjja(紅色)相對于基準期的未來變化序列及對應(yīng)的信噪比SNR(時間序列進行了9 a 滑動平均；實線為集合平均值，填色為多模式集合范圍，圓點表示未能超過80%的同號率；圖中標注的兩行文字分別是21世紀未來全部時段、中期和末期內(nèi)通過同號率檢驗的比例及多年平均的SNR)Fig.3 Changes of the regionally averaged PRdjf (blue) and PRjja (red) relative to the reference period and the corresponding SNR (The values are smoothed by a 9-year running mean. The lines indicate the ensemble mean. Shading indicate the uncertainties among ensemble members. Solid dots cannot pass the agreement criteria. The strings in each panels indicate the percentage of time points in which changes can pass the agreement criteria and the mean SNR over the whole future periods, middle and end periods of the 21st century)

3 未來氣候變化及不確定性

3.1 平均降水的變化

3.1.1 冬季降水量

區(qū)域平均冬季降水量未來變化的集合平均顯示(圖3)，除SC外，東亞及各分區(qū)的冬季降水量在未來多數(shù)時段增加；SC的冬季降水量僅在未來近期有10%左右的增加，隨后增幅減少，變幅在0附近波動，部分時段降水減少.冬季降水量未來變幅有明顯的年代際變化特征，SC的變幅有微弱的線性減少趨勢，其他分區(qū)變幅都有線性增加趨勢，線性趨勢都可以通過5%信度的統(tǒng)計檢驗.對于區(qū)域平均的變幅，東亞平均的線性趨勢為1.1%/10 a，MG的線性增加趨勢最大(6.5%/10 a)，KJ的增加趨勢最小(0.7%/10 a)，SC的趨勢為-1.5%/10 a.MG、NE和NC的變幅值相對較大，到21世紀末期，MG的增幅接近60%，NE和NC的增幅接近40%，WC和EA的增幅在10%～20%，SC和KJ的變幅較小，低于±5%.

對于預(yù)估不確定性(圖3)，東亞平均冬季降水變化在未來65%的時段，特別是在21世紀中期之后的多數(shù)時段，可通過同號率的檢驗，說明未來冬季降水增加是較為確定的；東亞平均SNR在未來到21世紀末的多數(shù)時段內(nèi)在1附近波動，其中21世紀中期和末期的平均SNR分別為1.2和1.1(表3)，說明預(yù)估值也是較為確定的.在WC、MG、NE和NC，未來冬季降水增加及其增幅都是較為確定的，21世紀中期和末期的大于60%的時段可通過同號率檢驗，平均SNR也都超過1；特別是在MG和NE兩個分區(qū)，未來90%以上的時段都可以通過同號率檢驗，平均SNR在21世紀中期之后接近或者超過2.而在SC和KJ，無論是SNR還是同號率都反映出，這兩個分區(qū)未來冬季降水變化的正負方向和變幅值都存在很大的不確定性，可通過同號率檢驗的時段不足10%，SNR平均值甚至低于0.5.

表3 東亞陸地區(qū)域平均的各變量未來變化在不同時段內(nèi)通過同號率檢驗的比例(P)及多年平均的SNR

圖4a和4c為21世紀末期冬季降水量變幅和SNR的空間分布.在東亞大陸約30°N以北的區(qū)域以及日本島35°N以北的區(qū)域，冬季降水普遍增加，且大陸的增幅多超過40%，日本島的增幅多超過20%，最大增幅在新疆塔里木盆地附近，可超過200%；且這些區(qū)域的同號率和SNR都較高.在SC的多數(shù)區(qū)域，冬季降水增加，但增幅多小于10%，且不確定性較大.在WC區(qū)域的南端，即中國的西南地區(qū)，冬季降水減少，減幅多在10%以內(nèi)，部分地區(qū)的模式間一致性較好，但是SNR未超過1.

3.1.2 夏季降水量

無論是東亞全部陸地區(qū)域平均，還是各分區(qū)的平均，夏季降水量都在未來的絕大多數(shù)時段增加；但在除KJ外的各分區(qū)，增幅都較小(圖3).夏季降水量未來增幅有明顯的年代際變化特征，同時也有微弱的線性增加趨勢，線性趨勢都可以通過5%信度的統(tǒng)計檢驗.對于區(qū)域平均的變幅，東亞平均的線性趨勢為0.6%/10 a，KJ的線性增加趨勢最大(1.5%/10 a)，WC的增加趨勢最小(0.2%/10 a).到21世紀末，東亞平均及多數(shù)分區(qū)的夏季降水量的增幅都不超過10%；僅有KJ夏季降水量的增幅接近15%.

對于預(yù)估不確定性(圖3)，從SNR來看，除KJ外，各分區(qū)和整個東亞平均的夏季降水量未來增加值的不確定性普遍較大；僅在KJ區(qū)域，夏季降水量未來預(yù)估值的SNR在部分時段可大于1，其中21世紀中期和末期的平均SNR分別為1.1和1.2.從同號率來看，東亞陸地區(qū)域平均的夏季降水增加在多數(shù)時段，特別是2060 s之前，都是較為確定的；各集合成員同號率大于80%的時段占59%(表3).除KJ外，各分區(qū)夏季降水量增加的同號率在多數(shù)時段低于80%，不確定性較高.

圖4 21世紀末期PRdjf 和 PRjja 相對于基準期的變化(a—b，%)及信噪比(c—d；圖a和圖b中陰影表示集合成員中超過80%的集合成員預(yù)估未來變化符號一致且與集合平均的變化符號相同)Fig.4 Spatial patterns for the changes relative to the reference period (a—b) and the corresponding SNR (c—d) in PRdjf and PRjja over the end of 21st century (Hatched areas in Figs. a—b indicate that 80% or more of ensemble members agree on the sign of change.)

圖4b和4d為21世紀末期夏季降水量變幅和SNR的空間分布.僅在WC北部區(qū)域以及NE和KJ的多數(shù)區(qū)域存在大范圍的夏季降水增加，且WC和KJ增幅相對較大，WC北部和KJ的增幅大都超過10%；同號率和SNR都顯示，夏季降水預(yù)估變化在WC北部和KJ較為確定.其余地區(qū)正負變化相間分布，且變幅較小，不確定性高.

3.1.3 年降水量

在東亞多數(shù)的陸地區(qū)域，夏季降水量在全年占主導(dǎo)，因此年降水量的未來變化特征與夏季降水量的類似.無論是東亞全部陸地區(qū)域平均，還是各分區(qū)的平均，年降水量都在未來的絕大多數(shù)時段增加(圖5).在SC和KJ兩個分區(qū)，年降水量的增幅在多數(shù)時段都未超過夏季降水量的增幅；而在其余分區(qū)，年降水量的增幅相對較大.年降水量未來增幅都有明顯的年代際變化特征，SC的變幅有微弱的線性減少趨勢，其他分區(qū)變幅都有線性增加趨勢，線性趨勢都可以通過5%信度的統(tǒng)計檢驗.對于區(qū)域平均的變幅，東亞平均的線性趨勢為0.7%/10 a，MG的線性增加趨勢最大(1.5%/10 a)，KJ的增加趨勢最小(0.6%/10 a)，SC的趨勢為-0.2%/10 a.到21世紀末，東亞平均及各分區(qū)的年降水量的增幅大都不超過10%.

對于預(yù)估不確定性(圖5)，從SNR來看，除KJ外，各分區(qū)和整個東亞平均的年降水量未來增加值的不確定性多低于夏季降水量.東亞所有陸地平均的SNR在多數(shù)時段大于1；但各分區(qū)的SNR值仍普遍小于1，僅在WC和MG的多數(shù)時段以及NE的21世紀末期，SNR可以超過1.從同號率來看，東亞陸地區(qū)域平均的年降水增加在多數(shù)時段，特別是2060 s之前，都是較為確定的，但21世紀末期多數(shù)時段的變化無法通過同號率檢驗；總的來看，通過同號率檢驗的時段占到77%(表3).對于各分區(qū)平均，年降水量在NE的21世紀中期之前時段、NC的21世紀中期、SC的多數(shù)時段以及KJ的21世紀末期，其未來變化無法通過同號率檢驗，其他分區(qū)和時段的未來年降水量增加都較為確定.

圖6a和6c為21世紀末期年降水量變幅和SNR的空間分布.在除SC以外的多數(shù)區(qū)域，年降水量都將增加.在MG大部分區(qū)域以及WC和NE的北部區(qū)域，增幅相對較大，多超過15%，最大增幅可超過40%，且同號率和SNR都可通過檢驗.在NC和KJ，增幅大都在5%～15%，部分區(qū)域的年降水增加及其增幅的不確定性較小.而在SC分區(qū)，多數(shù)地區(qū)變幅較小，且部分地區(qū)年降水減少，變幅多在±10%以內(nèi)；同號率和SNR都較小，表現(xiàn)出較大的不確定性.

3.2 極端降水的變化

3.2.1 強降水量Rx5day

東亞及各分區(qū)的Rx5day在未來各時段增加，且增幅的線性增加趨勢明顯，都可通過5%信度的統(tǒng)計檢驗(圖5).對于區(qū)域平均的變幅，東亞平均的線性趨勢為2.2%/10 a，各分區(qū)增幅線性增加趨勢差異不大，在2.0%/10 a～2.4%/10 a之間.各分區(qū)的增幅大小差異也不大，到21世紀末期，增幅大都在20%左右.在各個分區(qū)的多數(shù)時段，Rx5day的相對變化幅度都高于PRann和PRjja，說明在未來降水普遍增加的背景下，極端值變化幅度更大.

各分區(qū)的SNR在未來近期都較小，其中MG的SNR小于1，且這一時段的同號率在MG也較低，表現(xiàn)出較大的不確定性.對于其他分區(qū)及整個東亞平均，無論是SNR還是同號率都反映出，未來Rx5day增加及其增幅都是較為確定的，SNR均值大都超過1.5，在90%以上的時段集合同號率大于80%(表3和圖5).

圖6b和6d為21世紀末期Rx5day變幅和SNR的空間分布.在東亞幾乎所有的陸地區(qū)域，Rx5day都在增加，增幅大都在10%～25%，分布較為均勻，增幅最大值位于塔里木盆地和青藏高原東南緣附近，可超過40%.多數(shù)區(qū)域的模式間同號率可通過檢驗，但僅在MG大部分區(qū)域以及WC和NE的北部區(qū)域，SNR大于1，與年降水量未來變化SNR值的總體分布類似(圖6c).可以看出，相比較大范圍的區(qū)域平均值(圖5)，各網(wǎng)格點上的未來變化值表現(xiàn)出更大的不確定性.

3.2.2 強降水日數(shù)R20

東亞及各分區(qū)的R20在未來各時段增加，且增幅的線性增加趨勢明顯，都可通過5%信度的統(tǒng)計檢驗(圖7).對于區(qū)域平均的變幅，東亞平均的線性趨勢為0.1 d/10 a，各分區(qū)增幅線性增加趨勢都不大，最大趨勢不超過0.2 d/10 a.各分區(qū)的增幅都較小，到21世紀末期，增幅大都不超過2天.

圖5 同圖3，但為PRann(紅色)和Rx5day(藍色) Fig.5 Same as Fig.3, but for PRann (red) and Rx5day (blue)

圖6 同圖4，但為PRann和Rx5dayFig.6 Same as Fig.4, but for PRann and Rx5day

圖7 同圖3，但為R20(藍色)和CDD(紅色)Fig.7 Same as Fig.3, but for R20 (blue) and CDD (red)

圖8 同圖4，但為R20和CDDFig.8 Same as Fig.4, but for R20 and CDD

圖9 東亞陸地區(qū)域和各分區(qū)的平均和極端降水未來變化在21世紀中期和末期兩個時段的空間相似度(圓點表示基于各集合成員計算，盒須圖表示25th和75th分位數(shù)及中位數(shù)，星號表示基于集合平均計算)Fig.9 Spatial similarities of changes over middle and end of the 21st century for mean and extreme precipitation (The dots represent the calculation results based on each ensemble members. The box and whisker plots show the value of 25th, 75th and median. The asterisks represent the calculation results based on the ensemble mean)

圖10 東亞及不同分區(qū)區(qū)域平均的平均和極端降水的21世紀未來變化線性趨勢及中期和末期的平均變化值(左下角表格表示東亞陸地平均，其余表格對應(yīng)各個分區(qū)；*表示通過同號率的檢驗，#表示通過SNR的檢驗)Fig.10 Schematic diagram showing the changes in mean and extreme precipitation over East Asia and six subregions (The lower left table shows values over the whole land area of East Asia, and others show values over the six subregions. The asterisk indicates that changes can pass the criteria set for agreement, and the hash indicates that changes can pass the criteria set for SNR)

相比Rx5day，各分區(qū)和整個東亞平均R20變化的SNR都較小.對于東亞所有陸地平均，未來全時段、21世紀中期和21世紀末期的平均SNR分別是1.5、1.6和1.4(表3)，說明R20東亞平均的未來增幅是較為確定的.但對于各分區(qū)，僅在WC、MG和NE的多數(shù)時段，SNR的值可超過1；在NC，21世紀末期的SNR可超過1；在SC和KJ，SNR在全部時段都小于1或者在1附近.從同號率來看，SC和KJ的多數(shù)時段，R20未來增加的不確定性較大；其余分區(qū)在多數(shù)時段內(nèi)的同號率都可通過檢驗.因此，無論是SNR還是同號率都反映出，對于WC、MG和NE以及東亞整個區(qū)域平均，R20未來增加及其增幅在多數(shù)時段都是較為確定的；在NC，21世紀末期的變化較為確定；而在SC和KJ，多數(shù)時段的不確定性都較大(圖7).

圖8a和8c為21世紀末期R20變幅和SNR的空間分布.除去中國東南沿海，在東亞幾乎所有的陸地區(qū)域，R20都在增加，但增幅較小，大都在2天以內(nèi)；青藏高原東南緣和日本島的增幅較大，青藏高原處的最大增幅可超過5天.約30°N以北的多數(shù)區(qū)域，模式間增減不確定性較?。坏珒H在青藏高原東側(cè)、內(nèi)蒙古中部、蒙古東側(cè)一直到東北北部的部分區(qū)域，SNR數(shù)值可超過1.相比Rx5day，R20的未來增幅表現(xiàn)出較大的不確定性.

3.2.3 干旱日數(shù)CDD

相比強降水的兩個指數(shù)，CDD未來變化有較大的空間差異，總體表現(xiàn)為南增北減(圖7).東亞平均、WC、MG和NE的CDD在未來各時段減少，且減幅隨時間增加；NC的未來變化不大；SC和KJ的CDD在未來多數(shù)時段增加，且增幅隨時間增加.對于區(qū)域平均的變幅，東亞平均的線性趨勢接近0，MG的線性減少趨勢最大(-0.7 d/10 a)，SC的增加趨勢最大(0.6 d/10 a).到21世紀末，MG的CDD將減少接近8 d，SC將增加接近6 d；其余各分區(qū)和東亞平均的變幅都較小，不超過3 d.

CDD未來變化的SNR，僅在MG的多數(shù)時段可超過1，說明其余各分區(qū)CDD未來變幅的量值有較大的不確定性.從同號率來看，僅在CDD減少的三個分區(qū)，其多數(shù)時段的同號率可以超過80%.因此，無論是SNR還是同號率都反映出，在MG的多數(shù)時段，CDD未來減少及其減幅都是較為確定的；在NE和SC的末期以及WC的中期時段，CDD變化也是較為確定(表3和圖7).

圖8b和8d為21世紀末期CDD變幅的空間分布.CDD變化表現(xiàn)出“南增北減”的空間分布，變幅多在±8天以內(nèi)；最大減幅位于內(nèi)蒙古西部、新疆南部、青海北部和蒙古、中國東北的部分地區(qū)，最大增幅位于四川東部.除中國西藏大部、東北東部和日本北部外，無論南北，在變幅較大的區(qū)域，模式間增減不確定性較??；但僅在變幅較大(超過8天)的附近區(qū)域，SNR可超過1，說明這些區(qū)域的CDD未來正負變化及其變幅都是較為確定的.

4 討論和結(jié)論

4.1 討論

以往研究發(fā)現(xiàn)，全球氣候模式模擬的未來氣候變化，特別是氣溫變化的空間分布，在氣候變化過程中比較穩(wěn)定(Tebaldi and Arblaster, 2014).可以用全球平均氣溫對某個時段/某個排放情景下變幅的空間分布進行標準化，進而用全球平均氣溫隨時間/排放情景的變化，推算其他時段/排放情景下的氣候變化空間分布.這種方法被稱為Pattern scaling，在IPCC AR5報告中曾有詳細的介紹(IPCC, 2013).

對于區(qū)域氣候模式模擬的未來氣候變化的空間分布，很多研究也報道過，變幅的空間分布在不同時段/排放情景間有著一定程度的相似性(如, Hui et al., 2018; Li et al., 2018).本文對所關(guān)注的6個降水相關(guān)量，定量分析了21世紀中期和末期兩個時段的變幅之間的空間相似度(圖9).僅看單個模式模擬結(jié)果，對于3個極端指數(shù)，無論是在東亞整體，還是在各個分區(qū)，各個模式的模擬結(jié)果大都表現(xiàn)出較高的空間相似度，SCOR多大于0.5.對于季節(jié)和年降水量，冬季和年降水量得到的空間相關(guān)系數(shù)相對較高；從25th百分位來看，對于東亞整體空間分布，SCOR在冬季最高、年平均次之，而對于各個分區(qū)，SCOR在年均值最高、冬季次之；反映出未來氣候變化中自然變率的影響可能在夏季較大.還可以看出，相對于極端指數(shù)，平均降水得到空間相關(guān)系數(shù)有較大的模式間差異，說明極端氣候的未來變化可能受到溫室氣體等外強迫的影響更大.多模式集合平均可以一定程度上削弱自然變率的影響，基于集合平均值得到的SCOR普遍高于模式間的最高值或者75th分位數(shù).不同區(qū)域之間沒有明顯的差異，從集合平均結(jié)果以及集合中位數(shù)來看，WC區(qū)域內(nèi)的相關(guān)系數(shù)比其他分區(qū)略低，反映出未來氣候變化中自然變率可能在中國西部的影響較大.

總體來說，在RCP8.5情景下，東亞陸地區(qū)域平均降水和極端降水未來變幅的空間分布隨外強迫變化有較高的穩(wěn)定性.在東亞區(qū)域尺度上，不同排放情景下變幅的空間相似度如何，變幅隨時間/情景的變化與外強迫變化的關(guān)系是否是線性的，還有待研究.

4.2 結(jié)論

利用CORDEX-EA計劃的15個區(qū)域氣候模式的模擬結(jié)果，以6個變量代表平均和極端降水，對東亞陸地各個區(qū)域未來降水的時空變化進行集合預(yù)估，并分析未來變化的不確定性，得出的主要結(jié)論如下：

(1)區(qū)域氣候模式基本上能夠再現(xiàn)多年平均的東亞陸地區(qū)域及各分區(qū)的平均和極端降水分布，但Mod9和Mod13相對較差.各個模式的模擬誤差主要集中在WC、MG和SC三個區(qū)域，WC和MG區(qū)域的R20和CDD、以及SC區(qū)域的PRjja、PRann和R20普遍模擬較差.25km和50km分辨率的模擬結(jié)果對比顯示，僅在KJ區(qū)域和整個東亞區(qū)域，水平分辨率對模擬能力有一定影響；但受模式依賴性的影響，這一結(jié)論不一定有普遍性.

(2)RCP8.5情景下，未來到21世紀末期，ensR集合預(yù)估的平均和極端強降水在東亞各區(qū)域多表現(xiàn)為增加，干旱日數(shù)表現(xiàn)為南增北減，且變幅多隨時間增大.平均降水PRdjf、PRjja和PRann的增幅大值分別位于WC、KJ和WC，極端強降水Rx5day和R20變化的空間分布較為均勻，CDD的增幅和減幅大值分別位于SC和MG.模式間預(yù)估同號率(標準差)，沒有明顯的隨時間增加(減少)，但受變幅隨時間增大的影響，部分變量區(qū)域平均值對應(yīng)的SNR有顯著增加的趨勢.

(3)圖10總結(jié)了各區(qū)域平均的未來變化及不確定性，具體如下.需注意，具體到各網(wǎng)格點上的未來變化，還有一定的空間差異，且不確定性更高.對于東亞陸地區(qū)域平均，到21世紀末期，平均降水PRdjf、PRjja和PRann分別增加12.5%、4.8%和6.6%，極端降水Rx5day、R20和CDD分別增加18.1%、0.9 d和減少1.5 d.其中PRdjf、Rx5day和R20的變化確定性較高.

中國西部WC區(qū)域，到21世紀末期，平均降水PRdjf、PRjja和PRann分別增加14.0%、3.1%和6.9%，極端降水Rx5day、R20和CDD分別增加16.8%、1.0 d和減少2.4 d.其中PRdjf、Rx5day和R20的變化確定性較高，PRann和CDD可通過同號率檢驗，但SNR較低.

蒙古MG區(qū)域，到21世紀末期，平均降水PRdjf、PRjja和PRann分別增加48.7%、3.0%和12.1%，極端降水Rx5day、R20和CDD分別增加14.8%、0.4 d和減少6.6 d.除PRjja外，其余變量變化的確定性都較高.

中國東北NE區(qū)域，到21世紀末期，平均降水PRdjf、PRjja和PRann分別增加31.7%、6.2%和9.7%，極端降水Rx5day、R20和CDD分別增加18.4%、1.2 d和減少3.1 d.除PRjja外，其余變量變化的確定性都較高.

中國華北及西北地區(qū)東部NC區(qū)域，到21世紀末期，平均降水PRdjf、PRjja和PRann分別增加27.1%、3.2%和7.8%，極端降水Rx5day、R20和CDD分別增加18.2%、1.1 d和0.5 d.其中PRdjf、Rx5day和R20的變化確定性較高，PRann可通過同號率檢驗，但SNR較低.

中國江南及華南SC區(qū)域，到21世紀末期，平均降水PRdjf、PRjja和PRann分別減少1.5%和增加5.4%、1.3%，極端降水Rx5day、R20和CDD分別增加19.5%、0.7 d和5.3 d.僅有Rx5day和CDD的未來變化確定性較高.

朝鮮半島和日本KJ區(qū)域，到21世紀末期，平均降水PRdjf、PRjja和PRann分別增加4.3%、12.4%和5.5%，極端降水Rx5day、R20和CDD分別增加19.3%、1.4 d和1.8 d.其中PRjja和Rx5day的變化確定性較高，CDD可通過同號率檢驗，但SNR較低.

本文ensR的預(yù)估結(jié)果與以往GCM和RCM預(yù)估結(jié)果對比顯示，PRdjf、Rx5day、R20和CDD的預(yù)估結(jié)論較為一致，而PRjja和PRann的差異較大，這與本文對預(yù)估不確定性的分析結(jié)果相同.具體來說，ensR預(yù)估與以往GCM和RCM預(yù)估結(jié)果一致顯示，PRdjf在中國南方部分地區(qū)及日本南部減少而其余區(qū)域增加(IPCC, 2013; Wu et al., 2015; Zou and Zhou, 2017; Shi et al., 2018).ensR預(yù)估PRjja在WC北部和KJ有較大幅度的降水增加，而在其余區(qū)域降水增幅較小且部分地區(qū)降水減少，但CMIP5全球模式預(yù)估未來東亞多數(shù)陸地區(qū)域PRjja都在增加；PRann未來變化也有類似的差異(IPCC, 2013; Zhou et al., 2014).將ensR的PRjja和PRann預(yù)估結(jié)果與其他單個RCM或者RCM集合結(jié)果對比，既有較為一致的(Zou and Zhou, 2016; Hui et al., 2018; Shi et al., 2018; Kim et al., 2021)，也有不一致的(Li et al., 2016; Zou and Zhou, 2016)；充分說明PRjja和PRann預(yù)估的模式間差異較大(圖4、圖6和IPCC(2013)的圖AI.SM8.5.113、圖AI.SM8.5.115).對于3個極端降水指數(shù)的未來變化，ensR預(yù)估結(jié)果與CMIP5全球模式(Zhou et al., 2014)和其他RCM(Zou and Zhou, 2016; Hui et al., 2018; Niu et al, 2018; Shi et al., 2018)都有較好的一致性，特別是CDD未來變化的南北差異分布.需要注意，各預(yù)估結(jié)果都存在一定的不確定性，且預(yù)估的變化幅度和具體空間范圍不完全一致.

CORDEX進一步加強與CMIP6的協(xié)作，目前是CMIP6的23個科學(xué)子計劃之一.CORDEX區(qū)域評估的協(xié)調(diào)輸出(CORDEX-CORE; http:∥www.cordex.org/experiment-guidelines/cordex-core/; Gutowski et al., 2016)，正在推進全球各區(qū)域10～20 km分辨率的高分辨率模擬，包括至少兩組情景(RCP8.5和RCP2.6)、3個全球模式(覆蓋高、中、低不同的氣候敏感度)用以驅(qū)動區(qū)域模式.本文用到的25 km分辨率的模擬輸出，都將貢獻到CORDEX-CORE.覆蓋全球主要陸地區(qū)域的、多GCM-多RCM的“完整矩陣”輸出，將有助于在全球尺度上進行降尺度增值分析/分辨率的影響、極端氣候及風(fēng)險未來變化預(yù)估、不確定性來源分析、未來變化的成因分析等.

致謝感謝文中表1所示的各區(qū)域模式組提供模擬試驗數(shù)據(jù).