2. 江西省气象局, 南昌 330046;
3. 辽宁省气象服务中心, 沈阳 110001
2 Jiangxi Meteorology Bureau, Nanchang 330046;
3 Liaoning Meteorological Service Centre, Shenyang 110001
IPCC(Intergovernmental Panel on Climate Change)第五次报告指出,十九世纪末期以来的全球变暖是毋庸置疑的(Stocker et al.,2013)。由于温室气体的迅速增加,全球年平均地表温度有明显的上升趋势(Solomon et al.,2007)。2013年5月夏威夷监测站的CO2浓度突破了400.03 ppm(×10−6)(Kosaka and Xie,2013)。然而,如图 1所示,2000年以来全球平均温度升温不明显,甚至出现了降温(Easterling and Michael,2009)。尽管1999~2008年全球年平均温度高于多年平均值,但是并没有明显的线性增暖趋势(Kaufmann et al.,2011)。1998~2012年全球变暖的增温率为0.04℃(10 a)−1,与1951~2012年的0.11℃(10 a)−1相比,变暖速率显著减缓(Stocker et al.,2013),我们称之为全球变暖减缓,国外学者称之为Global warming hiatus(Kosaka and Xie,2013)。Cohen et al.(2009)发现与此同时北半球热带外大陆冬季的地表温度趋势存在着由增暖转变为近十年几近中性甚至变冷的系统性减弱现象。与此相伴随的是近年来北半球中高纬度地区冬季频繁发生的异常低温现象。2004~2005年,中国大部分地区冬季平均温度低于历史平均值(丁一汇和马晓青,2007)。2007~2008年的冬天,中国冬季平均温度与多年平均温度相比呈现显著的负异常(Zhang et al.,2009; Wen et al.,2009; Hong and Li,2009; Wu et al.,2010)。2009~2010年欧亚大陆和美国大部分地区出现了冬季持续性低温和暴风雪事件,冬季平均温度显著低于气候平 均值(Cattiaux et al.,2010; Seager et al.,2010)。相应的大气环流场也发生了变化,全球变暖减缓期 冬季西伯利亚高压增强,东亚大槽加深,经向环 流加强(王迪等,2014),这势必对我国春季、夏季环流和雨型分布造成影响。对于全球变暖减缓 的原因,有的学者认为可能与外强迫有关,例如平流层水汽导致的太阳辐射减弱(Solomon et al.,2010),对流层和平流层气溶胶的增多(Solomon et al.,2011)。也有学者认为这可能是气候系统自身的自然变率,特别是赤道东太平洋海温的La Niña型变冷,大部分热量可能被存储在深海之中(Meehl et al.,2011; Kosaka and Xie,2013; Tollefson,2014)。
![]() |
图 1 CRU (Climatic Research Unit)观测资料表征的1901~2012年全球陆地年平均地面温度距平(气候态为1961~1990年,单位:℃)序列,红色为9年滑动平均曲线,蓝色为四个典型时段的趋势线 Fig.1 Anomaly of global land surface mean annual air temperature form CRU (Climatic Research Unit) observations (climatology is defined as 1961-1990,units:℃),the red line showsnine-year running mean,while the blue lines are the trend lines during four typical periods |
2008年耦合模式比较计划(Coupled Model Intercomparison Project Phase,简称CMIP)通过了一组新的试验方案,开始了第5次耦合模式比较计划(CMIP5)。不同于IPCC Fourth Assessment Report(AR4)中使用的SRES A2、A1B和B1,新的排放情景以21世纪末达到的辐射强迫大小命名,称为典型浓度路径(Representative concentration pathway,简称RCP)(Van Vuuren et al.,2011),根据辐射强迫由低到高分别为RCP2.6、RCP4.5、RCP6.0和RCP8.5共四种情景,其在21世纪末达到的辐射强迫值分别为2.6、4.5、6.0和8.5 W m−2。已有部分研究利用CMIP5模拟结果分析了不同排放情景下地表气温的未来变化特征(Xu and Xu,2012; Zhang,2012; Xin et al.,2013)。郭彦等(2013)评估了25个CMIP5模式对1906~2005年中国年平均气温变化的模拟能力,指出在中国平均气温变化趋势、气温气候态空间分布和气温变化趋势空间分布三方面CMIP5模式都较CMIP3模式有所提高。张莉等(2013)分析了CMIP5计划单个模式和多模式集合平均在3种典型浓度路径下的21世纪全球与中国年平均地表气温变化特征及2℃升温阈值的出现时间。Fyfe et al.(2013)指出CMIP5计划中37个模式的117次模拟实验中模拟的过去20年全球变暖强度偏强于观测。Kosaka and Xie(2013)使用早期版本的气候模式发现如果模式中赤道 东太平洋的海表温度用观测值代替模式模拟值,模拟效果有效提高。但较少有研究评估CMIP5模 式对全球陆地各区域变暖减缓的模拟效果。那 么,CMIP5计划中多模式对2000年后全球陆地各区域地表气温升温趋势的减缓模拟效果如何?预估的未来温度又如何变化?因此,本文首先根据CRU观测地表气温分析全球变暖减缓期全球陆 地及各区域的温度变化特征和季节依赖性,并基于CMIP5计划中33个气候系统模式的历史气候模 拟和RCP2.6、RCP4.5、RCP6.0和RCP8.5情景 下的气候预估,评估多模式对全球变暖减缓的模拟效果。
2 资料和方法本文使用的观测资料为英国East Anglia大学提供的CRU TS 3.21全球地表月平均温度(http:// adc.nerc.ac.uk/view/badc.nerc.ac.uk_ATOM_dataent_1256223773328276 [07]),空间分辨率为0.5°×0.5°。研究时段为1901~2012年。春季为当年3~5月,夏季为6~8月,秋季为9~11月,冬季为当年12月至次年2月。
本文使用了参加CMIP5计划的33个模式的两类试验输出的逐月地表气温资料,第一类为历史 气候模拟,从1901年至2005年12月;第二类为不同排放情景下的未来情景模拟,分别为RCP2.6,RCP4.5,RCP6.0和RCP8.5,从2006年1月至2050年12月,以评估模式对全球变暖减缓的模拟能力,所用模式的介绍如表 1所示。
![]() |
表 1 文中采用的CMIP5模式和资料概况 Table 1 Information of CMIP5 climate models |
全球变暖具有显著的季节和区域不均匀性(Cohen et al.,2012)。因此,本文依据季明霞(2009)对全球陆地分区的方法,即根据20世纪全球陆地各个地区不同的增暖速率,将全球陆地(南极除外)分成13个区域,如图 2所示,图中各数值为该区域陆地面积占全球陆地面积的百 分比S(i)。采用气候序列变化趋势的诊断方法计 算不同地区的增暖速率,并计算了各区域相对于 全球陆地年平均温度增温速率的贡献率X(i),具体公式为
$X(i)=\frac{A(i)\times S(i)}{G}$ | (1) |
因此,不同区域对全球陆地年平均温度增温率变化的贡献Y(i)为
$Y(i)=\frac{({{A}_{2}}(i)-{{A}_{1}}(i))\times S(i)}{{{G}_{2}}-{{G}_{1}}}\text{, }\!\!~\!\!\text{ }$ | (2) |
![]() |
图 2 全球13 个区域的划分及各区域相对于全球陆地平均的面积百分比 Fig.2 Definition of thirteen regions over global land and their area fractions relative to global land surface |
不同季节对于某区域年平均气温增温速率变化的贡献Z(i)为
$Z(i)=\frac{{{B}_{2}}(i)-{{B}_{1}}(i)}{{{A}_{2}}(i)-{{A}_{1}}(i)}\times 100\text{ }\!\!%\!\!\text{ }$ | (3) |
图 1为CRU资料表征的全球陆地年平均温度距平(相对于1961~1990年平均)的演变。图中曲线清晰地表明了全球陆地平均地表温度的升高和变暖过程,19世纪初全球陆地平均的温度距平约为-0.3℃,至20世纪温度已升高至0.7℃,增温率高达0.89℃(100 a)−1(1901~2012年)。值得注意的是,全球陆地平均温度并不是简单的线性增长,它存在显著的年代际尺度波动。19世纪10年代至40年代温度缓慢升高,增温率为0.16℃(10 a)−1(表 2)。随后,温度出现了下降 [-0.15℃(10 a)−1],全球陆地进入一个相对冷期。之后全球陆地温度变化平缓。从1970年代后期开始,全球陆地温度突然开始加速升温,增温率高达0.30℃(10 a)−1,约为1911~1940年增温率的两倍。加速升温期持续了20余年后,至2000年后全球陆地气温的变率减缓,降为0.14℃(10 a)−1,进入全球变暖减缓期(Global Warming hiatus)。因此,依据全球陆地平均温度增温率的变化,可以定义四个典型的温度变化期,如表 2所示,分别为升温期(1911~1940年)、降温期(1941~1958年)、加速期(1976~1999年)和减缓期(2000~2012年)。本文重点关注2000年前后加速期和减缓期温度增温率的变化。
![]() |
表 2 全球陆地年平均地面温度的四个典型时段 Table 2 Four typical periods for global l and surface mean temperature variation |
依据季明霞(2009)对全球陆地分区的方法(图 2),全球陆地13个区域在1901~2012年及四个典型时段的温度增温率及其对全球陆地温度变化的贡献率如表 3所示。对于百年尺度(1901~2012年),增温率名列前三名的地区均为40°N以北的中高纬度地区,分别为欧亚中高纬 [1.45°C(100 a)−1]、北美中高纬 [1.27°C(100 a)−1]和俄罗斯北方地区[1.21°C(100 a)−1],由此可见中高纬地区对于全球陆地温度变化的重要性。这其中又以欧亚中高纬升温最快,占全球陆地平均的19.13%。
![]() |
表 3 CRU观测得到全球陆地平均及13个区域1901~2012年、P Ⅰ(1911~1940年)、P Ⅱ(1941~1958年)、P Ⅲ(1976~1999年)和P Ⅳ(2000~2012年)年平均温度的增温率及各区域相对于全球陆地平均的贡献率。此外表中还给出了P Ⅱ与P Ⅰ之间、P Ⅲ与P Ⅱ之间和P Ⅳ与P Ⅲ之间增温率的变化 [单位:°C(10 a)−1]以及各区域相对于全球陆地平均增温率变化的贡献率 Table 3 The trend of annual mean air temperature derived from CRU observations for global l and mean and thirteen regions during four typical periods,and their contribution to global l and surface mean variation. The table also shows the change [units: °C(10 a)−1] of the trend between P Ⅱ and P Ⅰ,P Ⅲ and P Ⅱ,P Ⅳ and P Ⅲ,respectively,as well as their contribution to the change of the trend of global l and surface mean temperature |
在降温期(1941~1958年),全球陆地13个区域中有10个区域的温度增温率为负值,即全球77%以上的陆地一致表现为降温。在加速期(1976~1999年),9个区域的增温率显著高于升温期(1911~1940年),这其中有7个区域的增温率达到了升温期的2倍以上。2000年后的减缓期,同样有9个区域的温度变率小于加速期(1976~1999),全球变暖的步伐减缓,全球39%以上的陆地出现了负值的增温率,呈现降温趋势。可见,大多数区域温度演变特征与全球陆地平均的特征一致,然而,也存在显著的区域性特征和季节依赖性。
其中,以欧亚中高纬度地区最为特殊、最为重要。在本文最为关注的加速期和减缓期,其在加速期(1976~1999年)的增温率高达0.50℃(10 a)−1,比全球陆地平均偏高60%以上,贡献率也为13个区域中最高(20.36%)。2000年后,它的增温率陡降至-0.17℃(10 a)−1,是全球陆地最强的降温区。与加速期相比,增温率下降了-0.67°C(10 a)−1,为全球陆地全球变暖的减缓贡献了49.13%。由表 3我们也不难发现,从升温期至减缓期,在四个典型时段两两之间的转折中欧亚中高纬的贡献率依次为12.36%、18.82%和49.13%,贡献率逐步升高,这表明欧亚中高纬的重要性日益增大。
欧亚中高纬地区不同的季节在加速期和减缓期的表现特征也不同。表 4列出了欧亚中高纬四个季节在加速期和减缓期的温度变率。在加速期,四个季节一致表现为升温,其中冬季的升温趋势最为显著,高达1.0℃(10 a)−1。而2000年后的减缓期,春、夏和冬季的增温率都显著下降,春季和冬季甚至出现了降温趋势,冬季的降温趋势最强,达到-1.68℃(10 a)−1,因此从加速期至减缓期温度的增温率下降了-2.68℃(10 a)−1,为欧亚中高纬年平均温度增温率的减缓贡献了103.88%。而与冬季紧邻的秋季是四季中唯一表现为增温率升高的季节,在减缓期其增温率为1.09℃(10 a)−1,升高了0.86℃(10 a)−1。可见,在欧亚中高纬地区秋季和冬季在减缓期中呈现出反位相变化的趋势,是什么原因造成了欧亚中高纬地区秋、冬季在减缓期的反位相变化?这一现象值得将来的进一步研究。
![]() |
表 4 欧亚中高纬地区各季节温度变率及其对该区域年平均温度变率的贡献 Table 4 The trend of seasonal temperature over Eurasian middle-high latitudes region during P Ⅲ and P Ⅳ,and their contribution to the variation of annual mean temperature variation |
上文讨论了全球陆地及欧亚中高纬地区在加速期和减缓期的温度变化特征。那么,这些特征在CMIP5多模式评估计划中是否得到很好呈现? 在未来情景下温度又将如何变化? 本文选取CMIP5计划下33个模式的历史气候模拟和不同排放情景下的未来情景模拟进行评估。
4.1 历史气候试验图 3给出了本文使用的33个模式历史气候试验模拟的全球陆地年平均地面温度随时间的演变。历史气候试验时段截止为2005年,因此本节讨论的时段为1901~2005年。各模式都存在一定的系统偏差,平均而言与CRU观测的偏差约为-2℃至1℃之间(图 3a)。去除气候态(1961~1990年)后,33个模式历史试验模拟的温度距平与CRU十分接近,尤其是70年代之后与CRU观测的偏差仅为±0.5℃内(图 3b)。33个模式与CRU观测的相关系数均在0.5以上,国家气候中心研发的BCC-CSM1.1模式最高,为0.85(表 5)。
![]() |
图 3 1901~2005年CRU观测资料与33个模式历史气候试验资料的全球陆地平均地表(a)温度序列及其(b)温度距平(气候态1961~1990年)序列。单位:°C Fig.3 (a)Global l and surface mean air temperature during 1901−2005 and (b)its anomaly relative to 1961-1990 from CRU observations and historical results of 33 climate models. Units: °C |
![]() |
表 5 CRU观测与CMIP5多模式的全球陆地平均气温的相关系数及其在1901~2005年、P Ⅰ、P Ⅱ和P Ⅲ的增温率,P Ⅱ-P Ⅰ和P Ⅲ-P Ⅱ时段间的增温率变化 Table 5 Correlation coefficients of global land surface mean temperature from CRU observations and those from historical simulations of CMIP5 models.The table also gives the trends during 1901-2005,P Ⅰ,P Ⅱ,and P Ⅲ,as well as the changes of trend between P Ⅱ and P Ⅰ,P Ⅱ and P Ⅲ. |
为了评估33个模式对全球陆地温度演变特征的模拟效果,并从中挑选模拟效果较好的模式,我们计算了各模式在1901~2005年世纪尺度以及前3个典型时段的增温速率,如表 5所示。我们将其与CRU观测进行比较,如其位于观测值的1±20%区间内,则认为其较好地模拟了该时段的温度变率。同时,我们也对比了前3个典型时段相邻两个时段之间增温率的变化,如模式值位于观测值1±40%区间内,则认为其较好地刻画了这两个时段增温率的变化,在表 5中加“*”表示。虽然各模式温度的演变曲线与观测的偏差仅为±0.5℃内(图 3b),但33个模式中仅有42%的模式较好地刻画了1901~2005年世纪尺度温度的增温率。3个典型时段中各有10、2和13个模式的模拟效果较好。虽然33个模式中仅有2个模式较好地刻画了降温期的增温率,但分别有7个模式抓住了升温期至降温期增温率的下降,8个模式模拟出了从降温期到加速期增温率的显著升高。在所有6组评估中若有4组或以上的模拟效果较好,我们认定该模式模拟效果较佳。由此,我们得到了四个效果较好的模式,它们分别是BCC-CSM1.1、IPSL-CM5A-MR、MRI-ESM1及CESM1-WACCM模式。4个模式模拟的全球陆地平均温度演变如图 4所示,BCC-CSM1.1和IPSL-CM5A-MR模式的表现尤为突出,系统偏差小,始终与CRU观测温度较为接近。
![]() |
图 4 1901~2005年CRU观测与4个模式CMIP5 历史气候试验的全球陆地年平均地表(a)温度序列和(b)温度距平序列(气候态为1961~1990年)。单位:°C Fig.4 Global l and surface(a)mean temperature during 1901-2005 and (b)its anomaly relative to 1961-1990 from CRU observations and historical results of four climate models. Units: °C |
在历史气候试验中对全球陆地平均温度模拟效果较好的四个模式,对于减缓期温度增温率的突然下降模拟效果如何?因历史气候试验仅到2005年,因此在本节对减缓期模拟能力的评估中,各 模式资料中2000~2005年为历史气候试验结果,2006~2012年为各模式在不同排放情景下(RCP2.6,RCP4.5和RCP8.5)的未来情景预估,其中MRI-ESM1模式仅有RCP8.5情景下的预估。
图 5给出了全球陆地及欧亚中高纬地区在1976~1999年、2000~2012年的增温率以及两时段的差值。对于全球陆地平均(图 5a),CRU表征的观测中1976~1999年的增温率高达0.3℃(10 a)−1,2000年后降至0.13℃(10 a)−1,全球变暖减缓了50%以上(图 5c)。欧亚中高纬地区的减缓幅度更大,2000~2012年甚至转为降温趋势(图 5b,5c)。对此,IPSL-CM5A-MR模式虽然它对全球陆地平均气温在2005年前的演变模拟效果较好,但在三种排放情景下得到的全球陆地平均2000~2012年的增温率均高于1976~1999年加速期的温度变率;它模拟的2000年后欧亚中高纬温度变率在RCP8.5情景下略低于2000年前,但总体而言IPSL-CM5A-MR模式对全球变暖减缓的模拟是不理想的。CESM1-WACCM模式也同样效果欠佳,在RCP2.6情景下模拟的增温率虽然在全球陆地及欧亚中高纬地区都出现了下降,但2000年后增温率偏高,使得模拟的全球变暖减缓偏弱,全球陆地平均的增温率仅降低了-0.02℃(10 a)−1,欧亚中高纬地区的减缓程度仅为观测的1/5。对于全球变暖减缓模拟较为出色的是BCC-CSM1.1模式在RCP2.6情景下的模拟及MRI-ESM1模式在RCP8.5情景下的模拟。他们模拟的全球变暖减缓在全球陆地为-0.19℃ /10a(BCC-CSM1.1)和-0.27℃(10 a)−1(MRI-ESM1),在欧亚中高纬地区分别为-0.56℃(10 a)−1(BCC-CSM1.1)和-0.64℃(10 a)−1(MRI-ESM1),与CRU观测的全球陆地-0.17℃(10 a)−1和欧亚中高纬-0.67℃(10 a)−1十分接近。两者间,又以BCC-CSM1.1在RCP2.6情景下的模拟更优,MRI-ESM1模式在RCP8.5下的模拟的2000年后温度变率偏低,它模拟的全球陆地温度在2000年后为显著的降温。
![]() |
图 5 CRU及各模式在不同排放情景下(a)全球陆地和(b)欧亚中高纬年平均陆地气温在P Ⅲ(1976~1999年)加速期和P Ⅳ(2000~2012年)减缓期的增温率 [单位:°C(10 a)−1],以及(c)两时段的增温率的差 [单位:°C(10 a)−1] Fig.5 The trend of l and surface air temperature from CRU observations and CMIP5 models under different RCPs over(a)global l and and (b)Eurasian middle-high latitudes during P Ⅲ(1976-1999) and P Ⅳ(2000-2012),as well as(c)the change of the trend between them. Units: °C(10 a)−1 |
对于欧亚中高纬四季温度在加速期和减缓期的演变特征(图 6),也以BCC-CSM1.1在RCP2.6情景下和MRI-ESM1模式在RCP8.5下的模拟较好。与CRU观测一致,它们模拟的秋季温度在2000后温度变率加大,表现为秋季地面温度的加剧升高。其余三个季节均为变暖减缓,其中以冬季减缓幅 度最大,BCC-CSM1.1模式预估的增温率减缓了 -1.13℃(10 a)−1;MRI-ESM1模式为-1.62℃(10 a)−1。因此,BCC-CSM1.1模式和MRI-ESM1模式较好刻画了2000年前后欧亚大陆温度秋冬季节反位相变化的特征。其余模式及BCC-CSM1.1模式在另两个排放情景下均未抓住这一特征。CESM1- WACCM在三种排放情景下的模拟均为冬季温度增温率加大而秋季减小,与观测恰恰相反。IPSL- CM5A-MR在RCP2.6和RCP4.5情景下四季均表现为变暖的加剧。BCC-CSM1.1模式在RCP4.5情景下模拟的四季温度均在2000年后增温率减小,没有预估出秋季的加剧升温。
![]() |
图 6 CRU及各模式在不同排放情景下欧亚中高纬度(a-d)四个季节陆地气温在P Ⅲ(1976~1999年)、P Ⅳ(2000~2012年)减缓期的增温率[单位:°C(10 a)−1],及(e)两个时段增温率的差[单位:°C(10 a)−1] Fig.6 (a-d)The trends of seasonal l and surface temperature from CRU observations and CMIP5 models under different RCPs over Eurasian middle-high latitudes during P Ⅲ and P Ⅳ,and (e)their difference. [Units: °C(10 a)−1] |
Tollefson(2013)预估全球变暖减缓可能于2018年结束。通过上文的分析可见,对于全球及欧亚中高纬地区全球变暖减缓特征模拟较好的是BCC-CSM1.1在RCP2.6情景下模拟和MRI-ESM1模式在RCP8.5下的模拟。图 7给出了两个模式 对未来温度的预估。对于全球陆地平均地面气 温,BCC-CSM1.1模式在RCP2.6情景下预估的温度在2012年后恢复上升,增温率为0.29℃(10 a)−1;MRI-ESM1在RCP8.5情景下预估的全球温度低于BCC-CSM1.1,2030年前全球温度以0.21℃(10 a)−1的增温率缓慢升高,之后温度加速升高 [增温率为0.49℃(10 a)−1],使得其预估的温度与BCC-CSM1.1模式的预估相当。对于欧亚中高纬度的温度,BCC-CSM1.1模式在RCP2.6情景下预估的温度在2012年后仍处于减缓阶段,其温度距平维持在1.2℃左右;但2020年后温度发生突变,跃至2℃附近振荡。而MRI-ESM1在RCP8.5情景下预估的欧亚中高纬度温度在2030年前一直维持几乎为零的增温率,2030年后迅速升高,增温率高达0.51℃(10 a)−1。
![]() |
图 7 1960~2050年(a)全球及(b)欧亚中高纬度温度距平(单位:°C)的演变(5年滑动平均,气候态是1961~1990年)。图中黑色实线为观测CRU,红色为MRI-ESM1模式,蓝色为BCC-CSM1.1模式 Fig.7 Projected annual mean l and surface air temperature anomalies(five-year running mean,relative to 1961-1990 climatological mean,units: °C)during 1960 to 2050 over(a)global l and and (b)Eurasian mid-high latitudes. The black,red,and blue lines mark the CRU observations,model results of MRI-ESM1 and BCC-CSM1.1,respectively |
本文基于CRU观测资料,分析讨论了2000年后全球及欧亚中高纬度地区全球变暖的减缓特 征,评估了CMIP5试验多模式对全球变暖减缓的模拟,并对未来气温变化进行预估。得出以下结论:
(1)2000年后全球陆地平均地面气温的增温率大幅下降,呈现全球变暖减缓特征。全球陆地平均气温的增温率仅为0.14℃(10 a)−1,为1976~1999年加速期增温率的一半。全球变暖减缓为全球性特征,全球陆地13个区域中有9个地区的增温率小于加速期,其中4个地区甚至出现了降温。
(2)全球陆地13个区域中以欧亚中高纬地区最为特殊。加速期增温率达到0.50℃(10 a)−1,为全球陆地最大;2000年后温度增温率陡降至-0.17℃(10 a)−1,为全球最强降温区,为全球变暖的减缓贡献了49.13%。而且,欧亚中高纬地区秋、冬季温度在2000年前后出现了反位相变化特征。与加速期相比,冬季温度的增温率在减缓期下降了-2.68℃(10 a)−1,与此同时秋季温度的增温率升高了0.86℃(10 a)−1,为四季中唯一表现为变暖加剧的季节。
(3)CMIP5多模式计划中仅BCC-CSM1.1在RCP2.6情景下和MRI-ESM1模式在RCP8.5下的模拟较好地预估了全球及欧亚中高纬地区在2000年后增温率的下降、以及欧亚中高纬秋冬温度的反位相变化特征。BCC-CSM1.1在RCP2.6情景下预估欧亚中高纬地区2012年后温度距平保持在1.2℃左右,2020年后温度发生突变,跃至2℃附近振荡。而MRI-ESM1在RCP8.5情景下预估的欧亚中高纬度温度在2030年前一直维持几乎为零的增温率,但2030年后迅速升高[增温率0.51℃(10 a)−1]。
本文根据CRU观测发现,在全球陆地平均地面温度的变化中欧亚中高纬地区占较大的贡献。其贡献率在四个时段中逐步升高,表明它的重要性日益增大。我们计算了CMIP5计划33个模式在不同排放情景下预估的全球陆地及欧亚中高纬在减缓期(2000~2012年)的增温率,如图 8所示。88组模式试验预估的全球陆地气温增温率与欧亚中高纬温度增温率存在较为显著的线性相关,相关系数达到0.638。这表明欧亚中高纬温度变化在全球陆地中所占的较大贡献,欧亚中高纬的温度变率在一定程度上可以表征全球陆地平均的温度变率,欧亚中高纬温度增温率偏高,则全球陆地平均气温也可能偏高。欧亚中高纬地区已成为全球陆地气温变化的高敏感区。
![]() |
图 8 CMIP5多模式在不同排放情景下P Ⅳ(2000~2012年)全球陆地平均年平均地面气温的增温率 [单位:°C(10 a)−1] 与欧亚中高纬地区地面气温增温率[单位:(10 a)−1] 的散点图。图中黑色圆点为CRU观测 Fig.8 The scatter diagram of the trends of annual mean air temperature from CMIP5 climate models during P Ⅳ period over global l and surface with those over Eurasian middle-high latitudes. The black dot shows CRU observations. Units: °C(10 a)−1 |
通过本文的分析,我们也可以看到BCC- CSM1.1模式对全球变暖减缓的模拟效果较好,它对1901~2005年全球陆地平均温度的模拟效果也最好,与CRU观测的相关系数高达0.85。BCC- CSM1.1是我国国家气候中心研发的气候系统模式,是一个全球海洋—陆地—海冰—大气多圈层耦合的全球气候—碳循环耦合模式。BCC-CSM1.1模式针对全球变暖减缓模拟的良好表现表明了我国研发模式能力的不断提高,这为我国气候变化的业务能力提供了有力支撑。
[1] | Cattiaux J, Vautard R, Cassou C, et al. 2010. Winter 2010 in Europe: A cold extreme in a warming climate[J]. Geophys. Res. Lett., 37 (20): L20704, doi: 10.1029/2010GL044613. |
[2] | Cohen J, Barlow M, Saito K. 2009. Decadal fluctuations in planetary wave forcing modulate global warming in late boreal winter[J]. J. Climate, 22 (16): 4418-4426, doi: 10.1175/2009JCLI2931.1. |
[3] | Cohen J, Furtado J C, Barlow M, et al. 2012. Asymmetric seasonal temperature trends[J]. Geophys. Res. Lett., 39 (4): L04705, doi: 10.1029/2011GL050582. |
[4] | 丁一汇, 马晓青. 2007. 2004/2005年冬季强寒潮事件的等熵位涡分析[J]. 气象学报, 65 (5): 695-707. Ding Yihui, Ma Xiaoqing. 2007. Analysis of isentropic potential vorticity for a strong cold wave in 2004/2005 winter[J]. Acta Meteorologica Sinica (in Chinese), 65 (5): 695-707, doi: 10.11676/qxxb2007.065. |
[5] | Easterling D R, Michael M F. 2009. Is the climate warming or cooling?[J]. Geophys. Res. Lett., 36(8): L08706, doi: 10.1029/2009GL037810. |
[6] | Fyfe J C, Gillett N P, Zwiers F W. 2013. Overestimated global warming over the past 20 years[J]. Nature Climate Change, 3 (9): 767-769, doi: 10.1038/nclimate1972. |
[7] | 郭彦, 董文杰, 任福民, 等. 2013. CMIP5模式对中国年平均气温模拟及其与CMIP3模式的比较[J]. 气候变化研究进展, 9 (3): 181-186. Guo Yan, Dong Wenjie, Ren Fumin, et al. 2013. Assessment of CMIP5 simulations for China annual average surface temperature and its comparison with CMIP3 simulations[J]. Progressus Inquisitiones De Mutatione Climatis (in Chinese), 9 (3): 181-186, doi: 10.3969/j.issn. 1673-1719.2013. 03.004. |
[8] | Hong C C, Li T. 2009. The extreme cold anomaly over southeast Asia in February 2008: Roles of ISO and ENSO[J]. J. Climate, 22 (13): 3786-3801, doi: 10.1175/2009JCLI2864.1. |
[9] | 季明霞. 2009. 欧亚大气环流与地表气温之间的反馈和相互作用[D]. 兰州大学博士学位论文. Ji Mingxia. 2009. Response and interact between atmospheric circulation and temperature of Eurasian[D]. Ph. D dissertation (in Chinese), Lanzhou Univserstiy. |
[10] | Kaufmann R K, Kauppi H, Mann M L, et al. 2011. Reconciling anthropogenic climate change with observed temperature 1998-2008[J]. Proceedings of the National Academy of Sciences of the United States of America, 108 (29): 11790-11793, doi: 10.1073/pnas.1102467108. |
[11] | Kosaka Y, Xie S P. 2013. Recent global-warming hiatus tied to equatorial Pacific surface cooling[J]. Nature, 501 (7467): 403-407, doi: 10.1038/ nature12534. |
[12] | Meehl G A, Arblaster J M, Fasullo J T, et al. 2011. Model-based evidence of deep-ocean heat uptake during surface-temperature hiatus periods[J]. Nature Climate Change, 1 (7): 360-364, doi: 10.1038/nclimate1229. |
[13] | Seager R, Kushnir Y, Nakamura J, et al. 2010. Northern Hemisphere winter snow anomalies: ENSO, NAO and the winter of 2009/10[J]. Geophys. Res. Lett., 37 (14): L14703, doi: 10.1029/2010GL043830. |
[14] | Solomon S, Qin D, Manning M, et al. 2007. Climate Change 2007: The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change[M]. Cambridge: Cambridge University Press. |
[15] | Solomon S, Rosenlof K H, Portmann R W, et al. 2010. Contributions of stratospheric water vapor to decadal changes in the rate of global warming[J]. Science, 327 (5970): 1219-1223, doi: 10.1126/science. 1182488. |
[16] | Solomon S, Daniel J S, Neely III R R, et al. 2011. The persistently variable "background" stratospheric aerosol layer and global climate change[J]. Science, 333 (6044): 866-870, doi: 10.1126/science.1206027. |
[17] | Stocker T F, Qin D, Plattner G K, et al. 2013. IPCC Climate Change 2013: The Physical Science Basis[M]. Cambridge: Cambridge University Press. |
[18] | Tollefson J. 2014. Climate change: The case of the missing heat[J]. Nature, 505 (7483): 276-278, doi: 10.1038/505276a. |
[19] | Tollefson J. 2013. Climate change: The forecast for 2018 is cloudy with record heat[J]. Nature, 499 (7457): 139-141, doi: 10.1038/499139a. |
[20] | Van Vuuren D P, Edmonds J A. Kainuma M, et al. 2011. A special issue on the RCPs[J]. Climatic Change, 109 (1-2): 1-4, doi: 10.1007/s10584-011-0157-y. |
[21] | 王迪, 何金海, 祁莉, 等. 2015. 全球变暖减缓背景下欧亚中高纬度秋冬温度变化特征及其可能原因[J]. 气象科学. Wang Di, He Jinhai, Qi Li, et al. 2015. Air temperature variation characters in autumn and winter over Eurasian mid and high latitude under global warming and its possible reasons[J]. Journal of the Meteorological Science (in Chinese), doi: 10.3969/2014jms.0023. |
[22] | Wen M, Yang S, Kumar A, et al. 2009. An analysis of the large-scale climate anomalies associated with the snowstorms affecting China in January 2008[J]. Mon. Wea. Rev., 137 (3): 1111-1131, doi: 10.1175/2008MWR2638.1. |
[23] | Wu Z W, Li J P, Jiang Z H, et al. 2010. Predictable climate dynamics of abnormal East Asian winter monsoon: Once-in-a-century snowstorms in 2007/2008 winter[J]. Climate Dyn., 37 (7-8): 1661-1669, doi: 10.1007/s00382-010-0938-4. |
[24] | Xin X G, Cheng Y J, Wang F, et al. 2013. Asymmetry of surface climate change under RCP2.6 projections from the CMIP5 models[J]. Adv. Atmos. Sci., 30 (3): 796-805, doi: 10.1007/s00376-012-2151-3. |
[25] | Xu C H, Xu Y. 2012. The projection of temperature and precipitation over China under RCP scenarios using a CMIP5 multi-model ensemble[J]. Atmos. Oceanic. Sci. Lett., 5 (6): 527-533. |
[26] | 张莉, 丁一汇, 吴统文, 等. 2013. CMIP5模式对21世纪全球和中国年平均地表气温变化和2℃升温阈值的预估[J]. 气象学报, 71 (6): 1047-1060. Zhang Li, Ding Yihui, Wu Tongwen, et al. 2013. The 21st century annual mean surface air temperature change and the 2℃ warming threshold over the globe and China as projected by the CMIP5 models[J]. Acta Meteorologica Sinica (in Chinese), 71 (6): 1047-1060, doi: 10.11676/ qxxb2013.087. |
[27] | Zhang Y. 2012. Projection of 2.0℃ warming over the globe and China under RCP4.5[J]. Atmos. Oceanic. Sci. Lett., 5 (6): 514-520. |
[28] | Zhang Z Y, Gong D Y, Hu M, et al. 2009. Anomalous winter temperature and precipitation events in southern China[J]. J. Geophys. Sci., 19 (4): 471-488, 10.1007/s11442-009-0471-8. |