引言
近百年来,地球气候系统正经历着以全球变暖为主要特征的显著变化[1]。20世纪80年代以来,全球变暖趋势进一步加剧,极端天气气候事件的发生频率和强度急剧增加[2],对人类生产生活造成了极大的影响和危害,引起国际社会的普遍关注[3-4]。我国地处亚欧大陆东部,东临太平洋,受其独特的地理位置和季风气候的影响,是世界上气候变率最大的地区之一,受极端事件的影响更为显著[5]。已有研究表明,中国大陆地区极端高温和极端暖事件呈明显上升趋势[6⇓-8],许多地区频繁出现超过35 ℃的高温天气,给人民生产活动和身体健康造成巨大威胁[9⇓-11]。因此,对极端气候事件特别是极端气温事件的未来变化进行准确预估,为政策制定提供抵御和适应气候灾害的科学依据是非常重要的[12]。
全球气候模式是进行气候模拟和不同排放情景下未来气候变化预估的重要工具[13⇓-15],自20世纪90年代起,世界气候研究计划（World Climate Research Program, WCRP）发起了国际耦合模式比较计划（Coupled Model Intercomparison Project, CMIP）,旨在“推动模式发展和增进对地球气候系统的科学理解”[16]。目前CMIP系列的最新版本是CMIP6,有来自全球33家机构约112个气候模式版本注册参加[17],是迄今为止参与模式数量最多、设计数值试验最丰富、所提供模拟数据最为庞大的一次计划[18]。与上一代CMIP5的典型浓度路径情景（representative concentration pathways, RCPs）相比,CMIP6新开发了一套共享社会经济路径情景（shared socioeconomic pathways, SSPs）[19]。新情景既包括人口、经济发展、生态系统、资源、制度和社会因素等未来的变化,还包括未来减缓、适应和应对气候变化的努力措施等[20]。目前一些研究工作已经采用CMIP6模式数据[21-22],ZHU等[23]基于12个CMIP6全球气候模式评估了模式对中国区域的模拟能力,发现多模式集合平均（multi-model ensemble, MME）能很好地模拟年平均温度、日最高气温最大值和日最低气温最小值的空间分布,但是很难再现冷夜和暖日的空间分布,且在青藏高原上存在很大的冷偏差;JIANG等[24]比较了两代模式对1961—2005年中国温度的模拟能力,结果表明,模式对气候态温度的模拟能力CMIP6较CMIP5有明显改进,而对年际温度的模拟能力改进不大;向竣文等[25]基于CMIP6全球气候模式数据,对中国地区未来时期极端气温进行了预估,发现未来4种情景下极端最高气温和极端最低气温都显著升高,升温幅度随着情景的变化逐渐加大。
福建省地处中国东南沿海亚热带气候带,气候条件复杂多变,极端天气气候事件频发,是气候变化的高度敏感区[26]。近几十年来,福建气温呈明显升高趋势,月极端最低气温升高速度远大于极端最高气温,闽西和闽中的山间盆地、河谷为极端高温大值分布区[27]。随着福建城市化、工业化进程不断加快,像福州5 a、20 a、100 a一遇极端高温阈值分别达到39.6、40.9和42.1 ℃[28],且高温极值越来越高,带来的灾害影响和损失日益严重。本文利用CMIP6气候模式输出的历史和未来数据,对SSP2-4.5和SSP5-8.5情景下极端气温指数进行偏差订正处理,结合广义极值（generalized extreme value, GEV）理论,预估福建省未来极端温度的变化特征,以期为生态文明建设、城市规划管理、工农业生产生活和应急防灾减灾等提供参考依据。
1 资料和方法
1.1 研究资料
观测资料采用中国气象局提供的1971—2010年CN05.1逐日气温格点数据,空间分辨率为0.25°×0.25°。该数据基于中国2400多个地面气象台站的观测资料,是一套经过质量控制和插值建立的高分辨率格点数据集,已广泛应用于气候变化研究[29]。
参照ZHU等[30]文章,模式资料选择6个在中国区域模拟效果较好的CMIP6 （ https://esgf-node.llnl.gov/search/cmip6/）气候模式（表1）,模式资料为逐日数据,空间分辨率各不相同。未来情景选取SSP2-4.5和SSP5-8.5,其中SSP2-4.5和SSP5-8.5分别代替了早期CMIP5中2个代表性浓度路径RCP4.5和RCP8.5。SSP2-4.5表示的是中等社会脆弱性和中等辐射强迫的组合,而SSP5-8.5是唯一可以实现2100年人为辐射强迫达到8.5 W·m-2的高排放共享社会经济路径。以每20 a作为一个研究时段[1991— 2010年、21世纪近期（2021—2040年）、中期（2051—2070年）和末期（2081—2100年）],选择极端事件显著增加的1991—2010年为历史参照期。考虑到观测数据和模式数据空间分辨率不同,使用双线性插值方法将所有模式数据统一插值到与观测数据分辨率（0.25°×0.25°）相同的经纬度网格上[31-32]。研究发现不同的模式对中国极端气温指数的模拟性能存在较大差异,多模式集合平均的结果能较好地模拟出中国极端气温指数的变化趋势和空间分布特征[33],文中的集合平均是6个模式算术平均值。
表1 6个CMIP6全球气候模式基本信息
Tab.1
| 序号 | 模式 | 研究机构 | 空间分辨率 |
|---|---|---|---|
| 1 | BCC-CSM2-MR | 中国气象局国家气候中心 （BCC） | 1.125°×1.125° |
| 2 | EC-Earth3-Veg | 欧盟地球系统模式联盟 | 0.7°×0.7° |
| 3 | GFDL-ESM4 | 美国大气与海洋管理局地球物理流体动力实验室 （GFDL） | 1.0°×1.25° |
| 4 | IPSL-CM6A-LR | 法国皮埃尔-西蒙拉普斯研究所 （IPSL） | 1.26°×2.5° |
| 5 | MRI-ESM2-0 | 日本气象研究所（MRI） | 1.125°×1.125° |
| 6 | NorESM2-MM | 挪威气候中心 （NCC） | 0.94°×1.25° |
本文附图涉及的地图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2017）3320号的标准地图制作,底图无修改。
1.2 指标与方法
1.2.1 极端气温指数
表2 极端气温指数定义
Tab.1
| 名称 | 缩写 | 定义 | 单位 |
|---|---|---|---|
| 极端最高气温 | TXx | 每年日最高气温的最大值 | ℃ |
| 极端最低气温 | TNn | 每年日最低气温的最小值 | ℃ |
| 夏季日数 | Su | 每年日最高气温大于25 ℃的全部日数 | d |
| 暖昼日数 | TX90p | 每年日最高气温大于90百分位阈值的日数 | d |
1.2.2 偏差订正方法
采用分位数映射（quantile-mapping, QM）方法对CMIP6全球气候模式数据进行偏差订正。该方法是在选定的时段内,分别计算模拟值和观测值的累积分布函数（cumulative distribution function, CDF）,构建两者之间的传递函数（transfer function, TF）,然后根据传递函数,订正其他时段内模拟值的CDF,最终达到降低模式模拟误差的目的。参考童尧等[36]的做法,首先选取1971—1990年为原始训练期,建立传递函数：
式中：TF为传递函数;
文中使用参数传递函数（PTFl）,公式如下：
式中：
然后选取1991—2010年历史参照期进行独立样本回报检验,将建立好的传递函数应用于该时段,即：
式中：
最后将传递函数分别应用到21世纪近期、中期和末期,从而订正3个时期的模式模拟结果值。
1.2.3 泰勒图
采用泰勒图[37]对历史参照期极端气温的模拟效果进行评估。泰勒图可以将两个场或者序列间的相关系数、归一化标准差及均方根误差这3个指标放在同一张图上,相关系数可以表示模拟结果与观测值之间空间分布的相似程度,归一化标准差和均方根误差则分别表示模拟结果的空间均匀性和强度与观测值之间的差异。因为三者之间存在数学转换关系,可以从泰勒图上直观地比较出不同模式模拟能力的优劣。
1.2.4 广义极值分布法
2 结果分析
2.1 极端气温指数偏差订正及模拟评估
图1为历史参照期福建省4个极端气温指数模拟场相对于观测场的泰勒图。可以看出,大多数极端气温指数模拟值与观测值的空间相关系数由订正前的0.3~0.7提高到0.6~0.9,模拟值中心化均方根误差由订正前的0.7~1.0降低到0.5~0.8,归一化的标准差订正后为0.7~1.2。Su和TX90p的空间相关系数订正效果最好,其中Su订正前空间相关系数大多为0.3~0.6,订正后提升至0.7~0.9,第6个模式订正前最差为0.24,订正后为0.75;部分模式TX90p订正前空间相关系数接近0,存在气候漂移现象[41],订正后提升至0.7~0.8。从6个CMIP6气候模式集合平均来看,也是Su、TX90p订正效果最好,其中Su归一化标准差由订正前的0.64提升至0.86,TX90p由订正前的0.63提升至0.92。由此可见,经过QM偏差订正后,6个CMIP6气候模式历史参照期极端气温指数与观测更为接近,可见订正后的结果用于未来情景预估相对合理和可信。因此,下文用订正后6个模式的集合平均值来分析21世纪不同时期极端气温指数相对于历史参照期的时空变化特征。
图1
图1
历史参照期福建省4个极端气温指数模拟场相对于观测场的泰勒图
（a） QM偏差订正前,（b） QM偏差订正后（1~6对应
Fig.1
Taylor diagrams of simulated fields of four extreme temperature indices relative to observation fieldsin Fujian Province during historical reference period
（a） before bias correction by QM method,（b） after bias correction by QM method（numbers 1 to 6 correspond to the model serial number in
图2为历史参照期TXx、TNn、Su和TX90p模拟值经QM偏差订正后空间分布。可以看出,TXx全省大部为20~23 ℃,南部高、北部低;TNn全省大部为12~18 ℃,沿海高、内陆低;Su为130~190 d,其空间分布与TXx分布类似;TX90p全省差异较小,为10.8~11.0 d,表现为西北内陆多、沿海少。
图2
图2
历史参照期TXx（a）和TNn（b）（单位：℃）,Su（c）和TX90p（d）（单位：d）模拟值经QM订正后空间分布
Fig.2
The spatial distribution of TXx （a） and TNn （b） （Unit：℃）,Su （c） and TX90p （d） （Unit：d）simulations corrected by QM method during historical reference period
2.2 福建省未来极端气温指数变化预估
2.2.1 时间变化
表3为SSP2-4.5和SSP5-8.5情景下21世纪不同时期福建极端气温指数相对于参照期的变化。可以看出,所有指数在未来均呈增加趋势,且随着时间推移增幅不断加大。在SSP2-4.5情景下,TXx在21世纪近期升高1.11 ℃,末期升高2.76 ℃,SSP5-8.5情景下TXx 在21世纪末期出现4.86 ℃的巨大增幅。TNn与TXx类似,SSP2-4.5情景下21世纪末期升高2.38 ℃,SSP5-8.5情景下升高达4.55 ℃。Su未来也将大幅增加,SSP2-4.5情景下21世纪末增加38.57 d,而SSP5-8.5情景下增加66.12 d。TX90p在21世纪相对于参照期同样在增加,以SSP5-8.5情景为例,21世纪近期增加9.55 d,中期增加28.60 d,末期增加47.98 d。
表3 SSP2-4.5和SSP5-8.5情景下21世纪不同时期福建极端气温指数相对于历史参照期的变化
Tab.3
| 情景 | 时期 | TXx/ºC | TNn/ºC | Su/d | TX90p/d |
|---|---|---|---|---|---|
| 21世纪近期 | 1.11 | 1.00 | 15.94 | 8.04 | |
| SSP2-4.5 | 21世纪中期 | 2.12 | 1.88 | 31.82 | 19.89 |
| 21世纪末期 | 2.76 | 2.38 | 38.57 | 27.34 | |
| 21世纪近期 | 1.20 | 1.22 | 18.89 | 9.55 | |
| SSP5-8.5 | 21世纪中期 | 2.93 | 2.78 | 41.18 | 28.60 |
| 21世纪末期 | 4.86 | 4.55 | 66.12 | 47.98 |
2.2.2 空间变化
图3为SSP2-4.5情景下福建省21世纪不同时期极端气温指数相对于历史参照期变化值的空间分布。可以看出,TXx西北内陆增幅大、东南沿海增幅小;福建西北部TXx在21世纪近期升高1.1~1.2 ℃,中期升高2.2~2.4 ℃,末期升高2.8~3.0 ℃;对应的3个时期福建东南部分别升高0.8~1.0、1.6~2.0、2.2~2.6 ℃。TNn分布与TXx类似,增幅略小,21世纪末期东南部升高2.0~2.2 ℃,西北部升高2.3~2.5 ℃。福建西南部是Su增量大值区,该区域从21世纪近期的17~22 d增加至末期的41~45 d,增幅翻倍。TX90p福建东南部增加最快,从21世纪近期的8~10 d增加至末期的29~33 d,增加超过3倍。
图3
图3
SSP2-4.5情景下21世纪近期（上）、中期（中）和末期（下）福建省TXx和TNn（单位：℃）,Su和TX90p（单位：d）相对于历史参照期变化值的空间分布
（黑点通过α=0.05的显著性检验。下同）
Fig.3
Spatial distribution of change values of TXx and TNn （Unit：℃）,Su and TX90p （Unit：d） in near-term （the top）,mid-term （the middle） and late-term （the bottom）of the 21st century relative to historical reference period in Fujian Province under SSP2-4.5 scenario
（The dark dots passed the 0.05 significance test. the same as below ）
图4为SSP5-8.5情景下福建省21世纪不同时期极端气温指数相对于历史参照期变化值的空间分布。可以看出,各指数变化值的空间分布与SSP2-4.5相似。SSP5-8.5排放情景下,21世纪末期,福建西北部TXx升高4.8~5.2 ℃、TNn升高4.6~5.0 ℃,福建中南部Su增加68~74 d、TX90p增加48~55 d。
图4
图4
SSP5-8.5情景下21世纪近期（上）、中期（中）和末期（下）福建省TXx和TNn（单位：℃）,Su和TX90p（单位：d）相对于历史参照期变化值的空间分布
Fig.4
Spatial distribution of change values of TXx and TNn （Unit：℃）,Su and TX90p （Unit：d） in near-term （the top）,mid-term （the middle） and late-term （the bottom）of the 21st century relative to historical reference period in Fujian Province under SSP5-8.5 scenario
2.3 TXx及其重现期的变化
图5为SSP2-4.5和SSP5-8.5情景下21世纪不同时期福建省20、50、100 a一遇TXx相对于历史参照期的变化。可以看出,无论是20 a一遇、50 a一遇、还是100 a一遇的TXx增幅都相对一致。SSP2-4.5情景下,增温较为匀速稳定,21世纪近期增温约1 ℃,中期约2 ℃,末期达到3 ℃;而SSP5-8.5情景下,增温呈加速趋势,21世纪近期和中期约1.5~3.0 ℃,末期甚至达到5.0 ℃及以上。
图5
图5
SSP2-4.5（a）、SSP5-8.5（b）情景下21世纪不同时期福建省20、50、100 a一遇TXx相对于历史参照期的变化
Fig.5
The change of TXx of 20-year,50-year and 100-year return periods during different period in the 21st century relative to historical reference period in Fujian Province under SSP2-4.5 (a) and SSP5-8.5 (b) scenarios
IPCC第六次评估报告[42] 指出,极端高温事件发生的频率会随着气候变暖而增大。如果不加以控制,预计未来20 a全球升温相对于1850年工业化前或达到甚至超过1.5 ℃,那么以前每50 a才发生一次的极端高温事件,未来大约每6 a就会出现一次;如果未来全球平均气温升高4 ℃,极端高温事件每1~2 a就会出现一次。对于福建区域,本文计算了历史参照期20 a一遇TXx在未来的重现期（图6）。可以看出,两种情景下,历史参照期20 a一遇TXx在21世纪近期4 a左右就会重现,到21世纪中期和末期,平均1~2 a就会重现。在SSP5-8.5情景下,历史参照期20 a一遇的极端最高气温在21世纪末期每年都可能发生。
图6
图6
SSP2-4.5、SSP5-8.5情景下福建省历史参照期20 a一遇TXx在21世纪不同时期的重现期
Fig.6
The return period of TXx under 20-year return period in historical reference period in different periods in the 21st century under SSP2-4.5 and SSP5-8.5 scenarios
3 结论
基于CMIP6模拟数据和高分辨率逐日格点观测数据,分别采用分位数映射法和泰勒图对福建省极端气温指数模拟值进行了订正和评估,发现在历史参照期（1991—2010年）极端气温指数相对于观测值中心化均方根误差由订正前的0.7~1.0降低到0.5~0.8,归一化标准差订正后为0.7~1.2,大多数极端气温指数模拟值与观测值的空间相关系数由订正前的0.3~0.7提高到0.6~0.9。在此基础上,分析SSP2-4.5和SSP5-8.5情景下福建省21世纪近期（2021—2040年）、中期（2051—2070年）和末期（2081—2100年）订正后的极端气温指数相对于历史参照期的时空变化特征,并重点关注极端最高气温TXx重现期的变化。得到如下结论。
（1）不同情景下,21世纪不同时期福建省极端气温指数相对于历史参照期均呈现升高的趋势,且随着时间推移增幅不断加大。SSP5-8.5情景下升温更为明显,表现为至21世纪末期,极端最高气温TXx升高4.86 ℃,极端最低气温TNn升高4.55 ℃,夏季日数Su增加66.12 d,暖昼日数TX90p增加47.98 d。
（2）在SSP2-4.5和SSP5-8.5情景下各极端气温指数的未来变化较为相似。表现为TXx呈现西北内陆增幅大、东南沿海增幅小的趋势;TNn分布与TXx类似,增幅略小;Su福建西南部增量是大值区;而TX90p在福建东南部增幅最大。在SSP5-8.5情景下,21世纪末期,福建西北部TXx升高4.8~5.2 ℃、TNn升高4.6~5.0 ℃,福建中南部Su增加68~74 d、TX90p增加48~55 d。
（3）SSP2-4.5情景下,21世纪3个时期增温较为匀速,而SSP5-8.5情景下,升温呈加速趋势。两种情景下,历史参照期20 a一遇的TXx在21世纪近期4 a左右将会出现一次,21世纪中期和末期1~2 a就会发生。
参考文献
Observed variability and trends in extreme climate events: a brief review
[J].
Comparison of CMIP6 and CMIP5 models in simulating climate extremes
[J].
The next generation of scenarios for climate change research and assessment
[J].
Overview of the Coupled Model Intercomparison Project Phase 6(CMIP6) experimental design and organization
[J].
Comparison of CMIP6 and CMIP5 simulations of precipitation in China and the East Asian summer monsoon
[J].
Simulated relationship between wintertime ENSO and East Asian summer rainfall: From CMIP3 to CMIP6
[J].
Does CMIP6 inspire more confidence in simulating climate extremes over China?
[J].
Differences between CMIP6 and CMIP5 models in simulating climate over China and the East Asian monsoon
[J].
Projection of climate extremes in China, an incremental exercise from CMIP5 to CMIP6
[J].
Variations in start date, end date, frequency and intensity of yearly temperature extremes across China during the period 1961-2017
[J].
Bias-corrected climate projections for South Asia from coupled model intercomparison project-6
[J].
Reliability of climate models for China through the IPCC Third to Fifth Assessment Reports
[J].
Global observed changes in daily climate extremes of temperature and precipitation
[J].
Detection of anthropogenic influence on fixed threshold indices of extreme temperature
[J].
Summarizing multiple aspects of model performance in a single diagram
[J].
L-moments analysis and estimation of distributions using linear combinations of order statistics
[J].
Twentieth-century surface air temperature over China and the global simulated by coupled climate models
[J].
Incorporating model quality information in climate change detection and attribution studies
[J].
