2 成都信息工程学院, 成都610225;
3 中国科学院气候变化研究中心, 北京100029
2 Chengdu University of Information Technology, Chengdu 610225;
3 Climate Change Research Center, Chinese Academy of Sciences, Beijing 100029
近百年来,地球气候正在经历一次以全球变暖为主要特征的显著变化。政府间气候变化专门委员会(IPCC)最新的第五次评估报告(AR5)第一工作组报告指出,近年的研究表明气候变化可能比以往认知的更为严重,1880~2012年全球地表气温升高了0.85°C,2003~2012年地表气温比1850~1900年平均上升了0.78°C,20世纪中期以来全球地表温度的升高的一半以上极有可能是由人类活动引起的;科学家们还预测,未来地表气温仍将持续增加(IPCC,2013)。为适应、减缓和应对气候变化,全球和区域尺度气候变化预估工作越来越受到重视。青藏高原是气候变化的敏感和脆弱区域,它通过动力强迫和热力作用影响着东亚和全球大气环流,并由此影响全球气候(吴国雄等,2005;Zhou et al.,2009),未来全球变暖情景下青藏高原地区气候如何变化是气候变化领域的一个热点问题。
近些年来,科研人员已使用气候模式针对未来气候开展了许多数值模拟试验和预估工作(Wang et al.,1993;Zhou and Yu,2006;Yu et al.,2008;Xu et al.,2009;Sun and Ding,2010;Gao et al.,2012a;Lang and Sui,2013;Sun and Ao,2013),并就青藏高原气候变化进行了初步的归因分析和数值模拟试验(Chen et al.,2003;高学杰等,2003;徐影等,2003;Duan et al.,2006)。最近,国际耦合模式比较计划第五阶段(CMIP5)试验数据公开发布,提供了新一代气候或者地球系统模式对未来气候变化的最新模拟结果,相应的中国区域气候变化预估工作也已陆续开展(Chen and Sun,2013;Jiang and Tian,2013)。例如,Xu and Xu(2012)根据11个CMIP5模式试验数据,对中国未来气候变化进行了初步预估,指出在不同典型浓度路径下21世纪中国地表气温升高0.54~5.67°C,降水增多且中国北方比南方变化更为显著。Li et al.(2013)利用13个CMIP5模式资料对中国未来极端气候变化进行了预估,显示中国干旱和洪涝将趋于频繁。近期,Su et al.(2013)应用24个CMIP5模式在RCP2.6和RCP8.5情景下的试验数据,预估青藏高原地表气温和降水在未来均有所增加但变化程度各异。这一工作仅强调了高和低辐射强迫情景,对应的是气候的相对极端变化,对于被广泛关注且最有可能发生的中低端典型浓度路径情景RCP4.5则没有涉及。为此,本文在评估了44个CMIP5模式对青藏高原气候模拟能力的基础上(胡芩等,2014),从中选取出对温度模拟较优的30个模式和对降水模拟较优的20个模式,集中预估了RCP4.5情景下青藏高原地区21世纪气候变化,其中特别关注的是气候模式结果间的共性以及季节尺度变化,以期为青藏高原气候和环境未来变化的科学评估提供参考。
2 资料和方法 2.1 资料介绍CMIP5试验方案主要包括历史气候模拟试验和不同典型浓度路径情景下的未来气候模拟试 验。相比于早期的CMIP3模式,CMIP5模式在空间分辨率、参数化方案、耦合器技术等方面均有改进,并有一部分模式考虑了动态植被和碳氮循环过程(Taylor et al.,2012)。在排放情景上,CMIP5试验采用了新一代的典型浓度路径(RCP)情景,即用单位面积辐射强迫来表示未来百年稳定浓度的新情景,包括RCP2.6、RCP4.5、RCP6、RCP8.5四大类(Moss et al.,2010;van Vuuren et al.,2011)。其中,中低端辐射强迫情景RCP4.5是未来最有可能发生的,相应的模式试验数据提交的也最多,对应的气候变化相对而言也更具代表性。RCP4.5情 景为辐射强迫一直到2070年左右都为增长,到2100年稳定在4.5 W/m2左右,相对于大气二氧化碳浓度达到了650 ppm(×10-6),略高于CMIP3中SRES B1情景下的550 ppm(Moss et al.,2010)。有关CMIP5模式、试验和数据的详细信息请参见http:// cmip-pcmdi.llnl.gov/cmip5/ [12]。
2.2 分析方法现阶段,气候模式对中国气候的模拟能力还存在着不足之处,诸如模拟地表气温过程中的冷偏差和对降水的高估,特别是模式误差在青藏高原地区有所放大(王淑瑜和熊喆,2004;Jiang et al.,2005;Ding et al.,2007;许崇海等,2007;张莉等,2008)。最近,我们根据观测资料,采用统计学方法系统评估了44个CMIP5模式对青藏高原地区气候的模拟能力,指出它们对年和季节地表气温的模拟较好而对降水的模拟较差,一些模式的模拟误差过大而应慎用(胡芩等,2014)。为此,本文选取模式的标准主要是综合考虑模拟与观测场之间的空间相关系数、标准差之比和标准化的中心化均方根误差,旨在保证模式对青藏高原地区地表气温和降水气候态的空间分布型和空间变率具备较好的模拟能力;在进一步兼顾模式试验数据的可利用性和完整性之后,最终分别选取了30和20个模式对青藏高原地表气温和降水变化进行预估。有关模式试验的基本信息请见表 1。
鉴于CMIP5模式大气变量的水平分辨率彼此间存在着不同,为便于定性和定量化比较,同时考虑到气候变化的影响和应对研究通常在较高的水平分辨率上开展,所有模式结果都被双线性内插到0.5°×0.5°分辨率经纬网格点上(备注:我们也在2.5°×2.5°水平分辨率上进行了相应计算,所得结果与之差别不大)。青藏高原选定为75°~105°E和25°~40°N范围内海拔高度在2000 m以上的主体区域。1986~2005年视为参考时段,2016~2035年、2046~2065年和2081~2100年分别表示21世纪早期、中期和末期,同时也计算了21世纪最后十年(2090年代)的平均变化。鉴于在青藏高原地区多模式等权重集合平均和中位数集合方案都要优于大多数单个模式的模拟性能,而且等权重集合平均方案要优于中位数集合方案(胡芩等,2014),下文重点分析了CMIP5模式的等权重集合平均结果。
3 结果分析 3.1 地表气温首先将青藏高原地区1020个网格点上的年均地表气温进行面积加权平均,而后得到了各模式及其集合平均的模拟预估结果(图 1)。相对于1986~2005参考时段,在RCP4.5情景下青藏高原年均地表气温尽管有一定的年际变率,但在21世纪总体上表现为持续上升。2006~2100年,各模式中年均地表气温的线性趋势为0.08~0.49°C/10a,30个模式等权重集合平均的线性趋势为0.26°C/10a。各模式在本世纪末的变暖多在1~4°C,2090年代平均增温2.7°C,这一结果介于先前研究中RCP2.6的1.8°C和RCP8.5的4.1°C之间(Su et al.,2013)。另外,11个CMIP5模式预估在RCP4.5情景下21世纪中国年均地表气温的变化趋势为0.24°C/10a、末期升温2.5°C(Xu and Xu,2012),这说明青藏高原增暖较中国平均而言要稍大一些,这与早期模式的预估结果是一致的(Jiang et al.,2009),通常被认为与高原地区冰雪变化及其反照率反馈作用有关(Giorgi et al.,1997)。
由于气候模式之间在动力框架、物理过程、生物地球化学过程、参数化方案以及时空分辨率等方面存在差别,导致它们对相同强迫条件的响应不同,具体表现为相同数值试验的模式结果间存在分歧。在RCP4.5情景下,尽管所有模式模拟的青藏高原年均地表气温均为上升趋势,但变暖幅度在模式间不尽相同,有些模式的增暖偏强,而有些则偏弱,大多数模式结果分布在多模式集合平均附近(图 1)。2006~2100年,30个模式的逐年标准差总体上稳定,并随时间有所放大,但相比于变暖幅度本身仍是一个小量,这表明青藏高原年均地表气温变暖显著且在模式之间具有较好的一致性。
相对于1986~2005年参照时段,青藏高原年均地表气温增幅随着大气温室气体浓度持续增加而变大。以21世纪早、中和末期为例(图 2),年均地表气温变化的空间分布型在各时期之间相似,增温大值区主要位于高原中部和喜马拉雅山脉西部,小值区位于高原北部柴达木盆地、高原东部和东南部海拔较低地区。在早、中和末期,多模式集合平均的年均增温分别在0.8~1.3°C、1.6~2.5°C和2.1~3.1°C范围内,相对应的区域平均变暖值是1.1°C、2.1°C和2.7°C。而且,三个时期年均地表气温变化全部区域都通过了95%信度水平的t检验,显示了较高的可靠性。同时,青藏高原地区2006~2100年年均地表气温线性趋势分布与上述集合平均值变化有很好的一致性,具体表现为增温大的区域总体上对应着快速增暖区,反之亦然(图 2d)。另外需要指出的是,高原西南部和中部海拔较高地区的增温幅度通常较大而且较快,早、中和末期青藏高原地区年均地表气温增幅与海拔高度的相关系数分别为0.79、0.80和0.77,变暖与海拔高度有统计显著的正相关关系,这与近几十年观测资料所示的青藏高原增温存在海拔依赖现象相一致(Liu et al.,2009;Qin et al.,2009)。
在季节尺度上,青藏高原区域平均的季节平均地表气温均呈上升趋势(图 3)。就多模式集合平均而言,2006~2100年春、夏、秋和冬季区域平均地表气温的线性变化趋势分别为0.24°C/10a、0.24°C/10a、0.26°C/10a和0.28°C/10a,冬季升温水平相对最高,秋季次之;相对于参照时段,2090年代四季依次增温了2.7°C、2.6°C、2.8°C和3.0°C。另外,季节平均地表气温的年际变率较年平均状况总体偏大,具体表现为各季节的30个模式结果之间的标准差范围明显更大。总的来说,模式间的离散度在冬季最大,春季和秋季次之,夏季最小,与此相对应的是地表气温预估结果的不确定性依次减小;与年平均结果类似,各季节模式间离散度随时间有所加大,意味着预估结果的不确定性随时间增加。
季节平均地表气温变化的空间分布主要表现为青藏高原全域性增温并在区域之间有所不同,21世纪末期增温幅度较之早期和中期明显偏高(图 4)。在所分析的三个时段里,春季和夏季分布型与年平均情形类似,存在位于高原中部和喜马拉雅山脉西南处的增温大值区和位于高原北部柴达木盆地、东部及东南部的增温小值区;秋季,在高原中部和西部之间有一连续的升温大值区;而在冬季,高原中部、南部至喜马拉雅山脉东部这一大部分区域为升温大值区。对比四个季节,冬季升温幅度最高且升温大值区范围最大,夏季则相对最小。在21世纪早、中和末期,青藏高原区域平均的春季地表气温分别上升了1.1°C、2.1°C和2.6°C,夏季上升了1.0°C、2.0°C和2.5°C,秋季上升了1.1°C、2.6°C和2.7°C,冬季上升了1.2°C、2.3°C和2.9°C。
在RCP4.5情景下,尽管存在一定的年际变率和模式间差别,2006~2100年青藏高原地区区域平均的年均降水总体上表现为弱的增加(图 5)。20个模式模拟的线性趋势在-0.18%/10a至3.79%/10a之间,平均为1.15%/10a。2090年代较参考时段增加了10.4%,结合先前研究中RCP2.6和RCP8.5情景下本世纪末青藏高原年均降水分别增加了6.0%和13.0%(Su et al.,2013),表明高原年均降水在多种情景下均表现为小幅增加。与上述年均地表气温变化不同,年均降水变幅在模式之间的差异有所放大,具体表现为20个模式模拟结果的标准差较大,在数值上与它们模拟的集合平均变化值相当,因而信度相对要低一些。另外,20个模式模拟的年均降水变化的标准差随时间有所扩大,意味着模式间的不确定随时间增加,这与前述的年均地表气温结果相似。
相对于参考时段,本世纪早、中和末期青藏高原地区年均降水变化的空间分布型在彼此之间具有很好的一致性,表现为高原西南部至中部多为增加大值区,在其余地区变幅则相对较小,在高原东南部和西南部边缘区还存在有微弱减少的区域(图 6)。就整个高原而言,三个时期变化的最大值分别为15.2%、17.8%和21.3%,最小值分别为-1.8%、-0.9%和1.4%,区域平均的年均降水变化分别为4.4%、7.9%和11.7%。进一步的95%信度水平检验显示,本世纪早期仅高原西部大部分地区的年均降水变化信度较高,中期则为高原西部和部分中部地区,而末期则扩展到除东南部外的大部分高原地区,表明随着辐射强迫的增加高原年降水变化的信噪比增加。另外应指出的是,上述通过信度检验的区域总体上对应着气候模式能力评估中降水模拟效果较好的区域(胡芩等,2014),这说明在青藏高原地区气候模式能力的改进将会有助于提高未来降水变化预估的信度。就2006~2100年整个时段而言,年均降水的线性趋势分布主要表现为西南至中部地区增速快,而在东西两侧相对较慢;另外,在统计意义上增加显著的区域主要集中在中西部部分地区,它们大体上与上述年均降水增加大值区相匹配(图 6d)。
在季节尺度上,青藏高原区域平均的春、夏、秋和冬季降水在未来也均表现为增加(图 7),20个模式集合平均的线性趋势分别为1.03%/10a、1.28%/10a、1.04%/10a和1.15%/10a,2090年代较参照时段分别增加了10.2%、12.6%、8.8%和7.0%,其中夏季的增幅要高于其余三季。从模式离散度上来看,秋季的不确定性最小,而冬季降水标准差范围明显比其余三季大,可靠性相应的要差一些;与年均降水结果不同的是,季节尺度上的不确定性范围随时间没有明显变化,总体上保持稳定。在本世纪早、中和末期(图 8),夏季降水变化的分布型与年平均情形一致,大值区主要位于高原的西南部,小值区位于中东部和东部地区,这说明未来年均降水变化主要取决于夏季,这与青藏高原地区年均气候态降水主要来自于夏季是一致的(Sui et al.,2013)。其余三季降水变化分布型则与年平均情况有所差异,主要特征是在早期和中期降水在高原西南和东南部略有减少,大部分区域都为降水增加区域;末期降水变化在幅度上与前期相比差异不大,在西南部出现小范围的减少区。就20个模式的集合平均而言,本世纪早、中和末期青藏高原区域平均的春季降水分别增加了4.0%、8.1%、11.1%,夏季增加了6.8%、12.2%、15.8%,秋季增加了3.5%、6.5%、9.4%,冬季增加了0.7%、5.0%、9.2%。
本文利用对青藏高原气候模拟能力较好的CMIP5模式的试验数据,在RCP4.5情景下对本世纪青藏高原气候进行了预估研究,其中地表气温和降水变化分别源自30和20个模式的试验数据。主要结论有:
(1)2006~2100年,青藏高原区域平均的年均地表气温变化趋势为0.26°C/10a;高海拔地区的增温幅度相对较大,而在低的地区则较小;2090s平均升温2.7°C,21世纪末期增温幅度明显高于早期和中期;春、夏、秋、冬季均表现为升温,变暖速度分别为0.24°C/10a、0.24°C/10a、0.26°C/10a、0.28°C/10a,冬季温升水平相对最大。
(2)21世纪青藏高原降水小幅增加,平均变化趋势为1.15%/10a;中西部地区增幅较大且信度较高;2090年代较参考时段增加了10.4%;四季降水总体上均增加,春、夏、秋、冬季的线性趋势分别为1.03%/10a、1.28%/10a、1.04%/10a、1.15%/10a,夏季降水的增幅相对最大。
(3)年和季节平均地表气温和降水变化在各模式间存在差别,地表气温的预估结果具有较高的信度,降水的则相对偏低。
最后需要说明的是,尽管本文使用了最新的CMIP5模式,并在质量控制的前提下择优挑选了模式,但它们对青藏高原气候的模拟能力仍有许多不足,如对地表气温模拟偏冷以及对降水的高估等(胡芩等,2014),加之根据人类社会未来最有可能生活和发展方式所给出的新一代典型浓度路径情景的代表性如何尚不明确,观测资料的不足也限制了我们对年代际和更长时间尺度气候变率的认识,上述预估结果因此含有一定的不确定性。进一步综合考虑以往的预估工作,可以看到全球和区域气候模式的数值试验均表明21世纪青藏高原升温,尽管变化幅度在彼此之间有所差异,但全球变暖背景下青藏高原变暖的趋势是模式间的共性(徐影等,2003;Xu and Xu,2012;Gao et al.,2013;Su et al.,2013)。对于降水未来变化而言,全球气候模式中多以小幅增加为主(Xu and Xu,2012;Su et al.,2013),但在区域气候模式试验中则主要表现为减少(Gao et al.,2012b;Gao et al.,2013),两者间的不同充分体现了高原降水预估的不确定性,其内在原因可能与模式分辨率、地形描述、物理过程和参数化方案等因素有关,还需要进一步研究。
致谢 感谢文中表 1所示的CMIP5各模式组提供试验数据。感谢两位审稿人的宝贵评阅意见。[1] | Chen B, Chao W C, Liu X.2003.Enhanced climatic warming in the Tibetan Plateau due to doubling CO2:A model study[J].Climate Dyn., 20 (4):401-413. |
[2] | Chen H P, Sun J Q.2013.Projected change in East Asian summer monsoon precipitation under RCP scenario[J].Meteor.Atmos.Phys., 121 (1-2):55-77. |
[3] | Duan A M, Wu G X, Zhang Q, et al.2006.New proofs of the recent climate warming over the Tibetan Plateau as a result of the increasing greenhouse gases emissions[J].Chinese Science Bulletin, 51 (11):1396-1400. |
[4] | Ding Y H, Ren G Y, Zhao Z C, et al.2007.Detection, causes and projection of climate change over China:An overview of recent progress[J].Advances in Atmospheric Sciences, 24 (6):954-971. |
[5] | 高学杰, 李栋梁, 赵宗慈, 等.2003.温室效应对我国青藏高原及青藏铁路沿线气候影响的数值模拟[J].高原气象, 22 (5):458-463.Gao Xuejie, Li Dongliang, Zhao Zongci, et al.2003.Numerical simulation for influence of greenhouse effects on climatic change of Qinghai-Xizang Plateau along Qinghai-Xizang railway[J].Plateau Meteorology (in Chinese), 22 (5):458-463. |
[6] | Gao X J, Shi Y, Zhang D F, et al.2012a.Climate change in China in the 21st century as simulated by a high resolution regional climate model[J].Chinese Science Bulletin, 57 (10):1188-1195. |
[7] | Gao X J, Shi Y, Zhang D F, et al.2012b.Uncertainties in monsoon precipitation projections over China:Results from two high resolution RCM simulations[J].Climate Research, 52:213-226. |
[8] | Gao X J, Wang M L, Giorgi F.2013.Climate change over China in the 21st century as simulated by BCC_CSM1.1-RegCM4.0[J].Atmospheric and Oceanic Science Letters, 6 (5):381-386. |
[9] | Giorgi F, Hurrell J W, Marinucci M R, et al.1997.Elevation dependency of the surface climate change signal:A model study[J].J.Climate, 10 (2):288-296. |
[10] | 胡芩, 姜大膀, 范广洲.2014.CMIP5全球气候模式对青藏高原地区气候模拟能力评估[J].大气科学, 38 (5):924-938.Hu Qin, Jiang Dabang, Fan Guangzhou.2014.Evaluation of CMIP5 models over the Qinghai- Tibetan Plateau[J].Chinese Journal of Atmospheric Sciences (in Chinese), 38 (5):924-938. |
[11] | IPCC.2013.Summary for Policymakers[M].// Stocker T F, Qin D, Plattner G K, et al.Climate Change 2013:The Physical Science Basis.Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change.Cambridge, United Kingdom and New York, NY, USA:Cambridge University Press, 1-27. |
[12] | Jiang D B, Tian Z P.2013.East Asian monsoon change for the 21st century:Results of CMIP3 and CMIP5 models[J].Chinese Science Bulletin, 58 (12):1427-1435. |
[13] | Jiang D B, Wang H J, Lang X M.2005.Evaluation of East Asian climatology as simulated by seven coupled models[J].Advances in Atmospheric Sciences, 22 (4):479-495. |
[14] | Jiang D B, Zhang Y, Sun J Q.2009.Ensemble projection of 1-3℃ warming in China[J].Chinese Science Bulletin, 54 (18):3326-3334. |
[15] | Lang X M, Sui Y.2013.Changes in mean and extreme climates over China with a 2℃ global warming[J].Chinese Science Bulletin, 58 (12):1453- 1461. |
[16] | Li J F, Zhang Q, Chen Y Q, et al.2013.GCMs-based spatiotemporal evolution of climate extremes during the 21st century in China[J].Journal of Geophysical Research:Atmospheres, 118 (19):11017-11035. |
[17] | Liu X D, Cheng Z G, Yan L B, et al.2009.Elevation dependency of recent and future minimum surface air temperature trends in the Tibetan Plateau and its surroundings[J].Global and Planetary Change, 68 (3):164-174. |
[18] | Moss R H, Edmonds J A, Hibbard K A, et al.2010.The next generation of scenarios for climate change research and assessment[J].Nature, 463 (7282):747-756. |
[19] | Qin J, Yang K, Liang S L, et al.2009.The altitudinal dependence of recent rapid warming over the Tibetan Plateau[J].Climatic Change, 97 (1-2):321-327. |
[20] | Su F G, Duan X L, Chen D L, et al.2013.Evaluation of the global climate models in the CMIP5 over the Tibetan Plateau[J].J.Climate, 26 (10):3187-3208. |
[21] | Sui Y, Jiang D B, Tian Z P.2013.Latest update of the climatology and changes in the seasonal distribution of precipitation over China[J].Theor.Appl.Climatol., 113 (3-4):599-610. |
[22] | Sun J Q, Ao J.2013.Changes in precipitation and extreme precipitation in a warming environment in China[J].Chinese Science Bulletin, 58 (12):1395-1401. |
[23] | Sun Y, Ding Y H.2010.A projection of future changes in summer precipitation and monsoon in East Asia[J].Science in China Series D:Earth Sciences, 53 (2):284-300. |
[24] | Taylor K E, Stouffer B J, Meehl G A.2012.An overview of CMIP5 and the experiment design[J].Bull.Amer.Meteor.Soc., 93 (4):485-498. |
[25] | van Vuuren D P, Edmonds J, Kainuma M, et al.2011.The representative concentration pathways:An overview[J].Climatic Change, 109 (1-2):5-31. |
[26] | Wang H J, Zeng Q C, Zhang X H.1993.The numerical simulation of the climatic change caused by CO2 doubling[J].Science in China Series B:Chemistry, 36 (4):451-462. |
[27] | 王淑瑜, 熊喆.2004.5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, 9 (2):240-250.Wang Shuyu, Xiong Zhe.2004.The preliminary analysis of 5 coupled ocean-atmosphere global climate models simulation of regional climate in Asia[J].Climatic and Environmental Research (in Chinese), 9 (2):240-250. |
[28] | 吴国雄, 刘屹岷, 刘新, 等.2005.青藏高原加热如何影响亚洲夏季的气候格局[J].大气科学, 29 (1):47-56.Wu Guoxiong, Liu Yimin, Liu Xin, et al.2005.How the heating over the Tibetan Plateau affects the Asian climate in summer[J].Chinese Journal of Atmospheric Sciences (in Chinese), 29 (1):47-56. |
[29] | 许崇海, 沈新勇, 徐影.2007.IPCC AR4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, 3 (5):287-292.Xu Chonghai, Shen Xinyong, Xu Ying.2007.An analysis of climate change in East Asia by using the IPCC AR4 simulations[J].Advances in Climate Change Research (in Chinese), 3 (5):287-292. |
[30] | 徐影, 丁一汇, 李栋梁.2003.青藏地区未来百年气候变化[J].高原气象, 22 (5):451-457.Xu Ying, Ding Yihui, Li Dongliang.2003.Climatic change over Qinghai and Xizang in 21st century[J].Plateau Meteorology (in Chinese), 22 (5):451-457. |
[31] | Xu C H, Xu Y.2012.The projection of temperature and precipitation over China under RCP scenarios using a CMIP5 multi-model ensemble[J].Atmospheric and Oceanic Science Letters, 5 (6):527-533. |
[32] | Xu Y, Xu C H, Gao X J, et al.2009.Projected changes in temperature and precipitation extremes over the Yangtze River basin of China in the 21st century[J].Quaternary International, 208 (1-2):44-52. |
[33] | Yu Y Q, Zhi H, Wang B, et al.2008.Coupled model simulations of climate changes in the 20th century and beyond[J].Advances in Atmospheric Sciences, 25 (4):641-654. |
[34] | 张莉, 丁一汇, 孙颖.2008.全球海气耦合模式对东亚季风降水模拟的检验[J].大气科学, 32 (2):261-276.Zhang Li, Ding Yihui, Sun Ying.2008.Evaluation of precipitation simulation in East Asian monsoon areas by coupled ocean-atmosphere general circulation models[J].Chinese Journal of Atmospheric Sciences (in Chinese), 32 (2):261-276. |
[35] | Zhou T J, Yu R C.2006.Twentieth-century surface air temperature over China and the globe simulated by coupled climate models[J].J.Climate, 19 (22):5843-5858. |
[36] | Zhou X J, Zhao P, Chen J M, et al.2009.Impacts of thermodynamic processes over the Tibetan Plateau on the Northern Hemispheric climate[J].Science in China Series D:Earth Sciences, 52 (11):1679-1693. |