自20世纪末期开始，人为排放温室气体增加所引发的气候变化已给全球社会、经济与环境带来了巨大影响.政府间气候变化专门委员会(Intergovernmental Panel on Climate Change，IPCC)在第四次评估报告(The Fourth Assessment Report，AR4)^[1]中指出：1906-2005年全球平均器测地面温度上升了0.74±0.18 ℃，到21世纪末期由温室效应引发的全球平均升温将达1.1~6.4 ℃.相对于平均气候，极端气候变化带来的影响更为显著.报告进一步指出：20世纪后期以来热带及亚热带地区的干旱强度及持续时间均有所增大，强降水事件发生的频率也有所上升.在温室效应影响下，21世纪的极端高温和强降水事件发生频率有可能不断增大.

对未来极端气候进行预估需要用到数值模拟技术.全球环流模式(General Circulation Model，GCM)虽然可以有效描述大尺度环流的变化特征，但其水平分辨率较低(200~400 km)，对由区域性强迫引起的中尺度过程和相互作用的模拟能力有限，在区域气候模拟中存在较大偏差^[2].与之相对，区域气候模式(Regional Climate Model，RCM)^[3-4]具有较高的时空分辨，能够描述各种复杂类型的下垫面特征及物理过程，利用其对全球模式结果进行降尺度分析被认为是获得高分辨率区域气候变化信息的有效手段.

为了能够对极端气候变化进行定量分析，Frich等^[5]引入10个极端气候指数作为衡量标准，它们分别是：霜日、年际极端温度差、生长季长度、热浪指数、大于日最低温度第95百分位的次数、日降水量≥10 mm的天数、最长无雨期、连续五日最大降水、简单降水强度以及大于第95百分位降水占年总降水的百分比.这些指数具有极端性低、显著性强等特点，目前已被世界各国科学家广泛应用于极端气候的预估工作中.Frei等^[6]利用多个区域模式分别嵌套HadAM3H全球环流模式，对欧洲地区1961-1990年及IPCCA2情景下2071-2100年气候分别进行了水平分辨率为50 km的模拟，并分析了未来极端降水事件的可能变化；Marengo等^[7]利用区域气候模式系统PRECIS嵌套全球环流模式HadAM3P，在相同时段和分辨率条件下对南美地区气候进行了模拟，并对6个极端气候指数进行了预估；Im等^[8]使用RegCM3区域模式嵌套ECHAM5/MPI-OM全球环流模式，对朝鲜半岛及周边地区进行了IPCC A1B情景下1971-2100年的高分辨率(20 km)气候变化模拟试验，分析了该地区10个极端气候指数的未来变化结果.类似的工作还有很多^[9-14].

国内学者在相关领域也取得了一些成果.Gao等^[15]利用RegCM2区域模式对中国地区极端气候进行预估，结果表明：未来日最高、最低温度均将显著升高，导致夏季热浪增加、冬季低温日数减少；降水日数则在北方地区显著增多，南方地区大雨日数增多明显.许吟隆等^[16]利用区域气候模式系统PRECIS进行的模拟表明：B2情景下极端高温事件由当代(1961-1990)的3%增加到未来(2071-2100)的4.5%，极端低温事件则由当代的8.5%减少到未来的6.5%，极端降水事件的发生频率明显上升.Zhang等^[17]利用PRECIS模式对未来极端气候进行进一步预估并指出：中国地区夏日日数和生长季长度都将有所增加，其中青藏高原和北部地区增幅最大，大雨日数、连续五日最大降水和简单降水强度等指数也有不同程度增大，霜日日数则将减少，并以青藏高原、东北及西北地区减幅最明显.高学杰^[18]曾针对已有工作进行了简要回顾，但总体来说国内对极端气候变化的预估工作仍较少.

本文使用MM5V3区域气候模式单向嵌套ECHAM5全球环流模式的输出结果，对中国地区当代及未来气候进行模拟，并已针对气候平均态结果进行了初步分析^[19]，结果表明：地面温度在中国大部分地区模拟偏低，降水量模拟偏多，降水位置模拟偏北；各季节地面温度在未来均将有所升高，升温幅度北方大于南方、冬季大于夏季；降水则在秋季和冬季有所增加，春季和夏季呈现“北方减少、南方增多”的分布.本文将首先检验模式对中国地区当代极端气候的模拟能力，在此基础上对IPCC A1B情景下21世纪中期6个极端温度指数和6个极端降水指数的变化进行预估，最后给出总结和讨论.

本文选用的区域模式为美国宾州大学(Pennsylvania State University，PSU)和美国国家大气研究中心(National Center for Atmospheric Research，NCAR)共同研发的第五代中尺度模式的第三版MM5V3(Fifth-generation Penn.State/ NCAR Mesoscale Model Version 3)^[20-21].模式模拟中心为35°N、105°E，经纬向格点数分别为92和111，水平分辨率为50km，模拟区域包括了整个中国地区(图 1).模式垂直方向分为23层，顶层气压为100 hPa.试验过程中采用的主要物理参数化方案包括Kain-Fritsch积云对流方案^[22]、CCM2辐射方案^[23]及NOAH陆面过程方案^[24].模式积分采用松弛边界条件，以15个格点做为侧边界缓冲区.

图 1

Fig. 1

图 1 模式的模拟区域及地形高度 Fig. 1 Simulation domain (shadowed area) and topographic height

用于驱动区域模式的初始场和边界场资料来自IPCC数据分发中心提供的ECHAM5全球环流模式结果^[25].模拟试验分为两个部分：实际温室气体浓度下的当代控制试验(20C)和IPCC A1B温室气体排放情景^[26]下的未来气候变化试验(A1B).控制实验的积分时段为1978-01-01至2000-12-31，气候变化试验的积分时段为2038-01-01至2070-12-31.在后文中分别将两组试验的前3年结果作为模式积分的初始化时间，本文仅选取1981-2000年和2041-2060年两个20年的模拟结果进行分析.

为了能够对中国地区未来极端温度和降水事件的变化做出较为全面的预估，本文在综合参考前人工作的基础上选取了12个能够展现极端气候不同层面变化特征的指数.6个极端温度指数分别为：极端高温(TX1D)、极端低温(TN1D)、暖日日数(HD)、霜日日数(FD)、相对高温(TX95t)、相对低温(TN5t)；6个极端降水指数分别为：单日最大降水(RX1D)、连续五日最大降水(RX5D)、最长无雨期(MDRY)、强降水日数(R25)、简单降水强度(SDII)、极端降水总量(R95t).所有指数的定义在表 1中给出.

表 1(Table 1)

表 1 极端温度指数和极端降水指数的定义 Table 1 Definition of indices based on temperature extremes and precipitation extremes

表 1 极端温度指数和极端降水指数的定义 Table 1 Definition of indices based on temperature extremes and precipitation extremes

用于检验当代极端气候模拟能力的实测资料：逐日最高、最低温度采用了Xu等^[27]制作的中国地区同期格点资料，水平分辨率为0.5°×0.5°；逐日降水采用了日本综合地球环境学研究所(Research Institute for Humanity and Nature，RIHN)和日本气象厅气象研究所(Meteorological Research Institute/ Japan Meteorological Agency，MRI/JMA)制作的东亚地区同期格点资料^[28]，水平分辨率为0.25°× 0.25°.

图 2给出了中国地区1981-2000年日最高、最低温度的观测和模拟结果.从观测结果可以看出(图 2a、2c)，日最高、最低温度在中国东部地区均具有明显的纬向分布形式，其中江淮和华南地区温度较高，东北地区温度较低；西部地区温度受地形影响分布较为复杂，塔里木盆地、柴达木盆地及四川盆地区域温度较高，青藏高原及祁连山地区温度较低.MM5V3模式基本能够模拟出日最高、最低温度的上述空间分布特征，但也存在一定的模拟偏差.日最高温度(图 2b)在中国大部分地区模拟偏低2 ℃以上，偏差较大的区域主要集中在东北、华北、长江中下游及青藏高原地区，在四川盆地及新疆局部地区则存在一定的温度模拟暖偏差.日最低温度(图 2d)在中国中部及南部也存在模拟偏低的情况，但偏差幅度整体小于日最高温度，且在东北局部及西北大部分地区模拟结果偏高明显.日最高、最低温度的偏差可能由模式的系统性误差引起^[29].

图 2

Fig. 2

图 2 1981-2000年平均的日最高、最低温度空间分布 观测：（a）日最高温度（Tmax），（c）日最低温度（Tmin）；模拟偏差：（b）日最高温度，（d）日最低温度. Fig. 2 Spatial distribution for annual mean daily maximum/minimum temperature during 1981-2000 Observation:(a) Daily maximum temperature (Tmax); (c) Daily minimum temperature (Tmin); Simulation bias:(b)Tmax; (d)Tmin.

图 3给出了中国地区1981-2000年日最高、最低温度的概率统计结果，总体来看MM5V3模式能够较好地再现两种温度的概率分布特征.如图 3a所示，观测和模拟的日最高温度概率均呈“双峰”型分布，模拟结果较观测向低值频段有所偏移，特别在-15~0 ℃区间及峰值附近偏移明显；模拟结果与实际观测之间的相关系数为0.96.日最低温度概率的观测和模拟结果(图 3b)则均显示为“单峰”型，且两者的分布形态总体较为一致，模拟结果与实际观测之间的相关系数达到0.98，只有在0 ℃的峰值附近模拟概率明显高于观测概率.

图 3

Fig. 3

图 3 1981-2000年日最高、最低温度的概率统计结果 （a）日最高温度；（b）日最低温度. Fig. 3 Probability distribution for daily maximum/minimum temperature during 1981-2000 (a)Tmax; (b)Tmin.

本文参照国家气象局颁布的降水等级划分标准对降水进行分类，将日降水总量在25.0~49.9 mm范围内的定义为大雨，50.0~99.9 mm范围内的定义为暴雨.图 4给出了中国地区1981-2000年大雨和暴雨强度降水年平均日数的空间分布结果.根据观测(图 4a)，大雨强度降水主要集中在“黑河-腾冲”线以东，其中江淮和华南大部分地区年平均日数在9 d以上，东北和华北地区则在1~5 d之间. MM5V3模式(图 4b)对江淮和华南地区大雨日数空间分布的模拟效果较好，但模拟结果在东北、华北、华中及西北部分地区偏多、四川东部及重庆地区偏少.图 4c显示中国地区暴雨强度降水主要集中在江淮及华南地区，其年平均日数一般不超过7 d.模式对暴雨日数(图 4c)的模拟在东南沿海地区偏多显著，总体偏差幅度达到2~6 d，在东北、中部及云南部分地区也偏多，只有四川东部地区暴雨日数模拟结果较实际观测偏少.

图 4

Fig. 4

图 4 1981-2000年大雨和暴雨强度降水年平均日数空间分布 观测：（a）大雨；（c）暴雨；模拟：（b）大雨；（d）暴雨. Fig. 4 Spatial distribution for annual mean heavy and torrential rainy days during 1981-2000 Observation:(a) Heavy rain; (c) Torrential rain; Simulation:(b) Heavy rain; (d) Torrential rain.

图 5给出了中国地区1981-2000年大雨和暴雨日数的概率统计结果，其中将日降水量≥1.0 mm的定义为有雨.如图所示，1981-2000年大雨日数占总有雨日数的0~0.2% (图 5a)，暴雨日数则占0~0.04%(图 5b)，且日数概率在各自降水区间内均随着降水强度的增加而下降.MM5V3模式对两种强度降水日数的概率分布均具有一定的模拟能力，模拟结果与实际观测之间的相关系数分别达到0.99和0.98，但存在的问题是模拟结果均较实际观测偏大，其中大雨日数概率偏大0.05%~0.2%，暴雨日数概率偏大0.01%~0.04%.

图 5

Fig. 5

图 5 1981-2000年大雨和暴雨日数的概率统计结果 （a）大雨；（b）暴雨. Fig. 5 Probability distribution for heavy and torrential rainy days during 1981-2000 (a) Heavy rain; (b) Torrential rain.

本文仅给出了MM5V3区域模式模拟的中国地区极端气候结果，模拟过程中存在的不确定性在其它区域模式结果中同样有所体现^[30].总体来看MM5V3模式对中国地区的极端温度和极端降水能够进行较好的模拟，利用其对未来极端气候进行预估是可行的.

图 6给出了中国地区IPCCA1B情景下未来极端温度指数变化的空间分布，表 2则给出了当代及未来极端温度指数的均值和趋势结果.由图 6a可见，未来年平均极端高温(TX1D)在中国地区均将升高，且升温幅度具有从南向北递增的纬向分布特征.全国平均极端高温升高了2.4 ℃(表 2)，其中华北、内蒙古及西北地区升温幅度较大.当代及未来极端高温均具有上升趋势，趋势系数分别为0.4 ℃/ decade和1.0℃/decade，未来升温速率将明显增大.

图 6

Fig. 6

图 6 研究区极端温度指数变化的空间分布结果 （a）极端高温；（b）极端低温；（c）暖日日数；（d）霜日日数；（e）相对高温；（f）相对低温. Fig. 6 Spatial distribution for the change of extreme temperature indices (a) TX1D;(b) TN1D;(c) HD; (d) FD; (e) TX95t;(f) TN5t.

表 2(Table 2)

表 2 当代及未来极端温度指数的均值和线性趋势 Table 2 Mean value and linear trend of extreme temperature indices in present and future

表 2 当代及未来极端温度指数的均值和线性趋势 Table 2 Mean value and linear trend of extreme temperature indices in present and future

与极端高温类似，未来年平均极端低温(TN1D)在中国地区也将一致升高(图 6b)，平均升温达到2.7 ℃(表 2)，总体升温幅度大于极端高温.极端低温的变化在东北地区北部及东部、黄土高原、长江中下游平原及青藏高原西部地区均较为明显，这些地区温度升高基本都在2.8 ℃以上，其中黄土高原地区甚至超过3.7 ℃.当代及未来极端低温也均具有上升趋势，升温速率二者大致相同，分别为0.5 ℃/decade和0.6 ℃/decade.

图 6c显示未来年平均暖日日数(HD)在青藏高原以外的中国地区均将增加，其中东部、中部及西南大部分地区增幅都超过了30 d.全国平均暖日日数增加了19.1 d，变化幅度达到32.9%.趋势分析结果显示未来暖日日数将逐年增加，其变化速率达到6.2 d/decade，与当代的1.3 d/decade相比升高明显.

图 6d显示未来年平均霜日日数(FD)在中国地区一致减少，其中在江淮局部及青藏高原大部分地区日数减少都将超过20 d，变化幅度较大，东北及华南沿海地区的减幅相对不明显.未来全国平均霜日日数将减少20.2 d，与当代相比减幅为-12.3%.此外，当代与未来霜日日数均具有下降趋势，趋势系数未来为-8.9 d/decade，当代为-4.2 d/decade，未来日数减少速率更大.

与极端高温相比，中国地区未来年平均相对高温(TX95t)的总体变化幅度不大(图 6e)，全国平均升温仅0.6 ℃(表 2).具体来看，只有环渤海、内蒙古中部、江苏和安徽局部以及新疆局部地区升温幅度在1℃以上，而在东北地区北部、四川西部以及广西地区升温则不足0.4 ℃.当代与未来的相对高温也均呈现出上升趋势，温度升高速率未来达到0.3 ℃/ decade，略大于当代的0.1 ℃/decade.

图 6f显示未来年平均相对低温(TN5t)在新疆及云南局部地区将有所降低，但降温幅度不大，在中国其它地区则依旧为升高，其中两个温度增幅较大的地区分别为四川、贵州、湖南交界地带以及黑龙江西部地区.全国平均相对低温升高了0.6℃，线性趋势则当代及未来均不明显.

回顾以往，王冀等^[31]利用IPCC数据分发中心提供的7个全球模式结果对中国地区A2、A1B、B2情景下的5个极端温度指数进行了集合预估，结果表明：霜冻日数和温度年较差具有下降趋势；生长季长度、暖夜指数和热浪指数则为明显的上升趋势；各指数在空间尺度上基本保持一致的增加或减少变化趋势，只有温度年较差除外.这些结论与本文对6个极端温度指数进行预估得到的结果基本一致.

图 7和表 3分别给出了中国地区极端降水指数的未来变化空间分布结果以及当代和未来的指数均值与趋势结果.如图 7a所示，未来年平均单日最大降水(RX1D)在中国大部分地区都将有所增加，其中在华中、江淮、华南以及西南地区增幅超过10%，局部地区超过30%，在东北南部、内蒙古西部以及西北局部地区则有所减少；全国平均单日最大降水增加了8.7 mm，增幅为13.4%.趋势结果显示当代及未来单日最大降水均为上升，降水增多速率未来达到5.1 mm/decade，大于当代的2.6 mm/decade.

图 7

Fig. 7

图 7 极端降水指数变化的空间分布结果 （a）单日最大降水；（b）连续五日最大降水；（c）最长无雨期；（d）强降水日数；（e）简单降水强度；（f）极端降水总量. Fig. 7 Spatial distribution for the change of extreme precipitation indices (a) RX1D;(b) RX5D;(c) MDRY; (d) R25;(e) SDII; (f) R95t.

表 3(Table 3)

表 3 当代及未来极端降水指数的均值和线性趋势 Table 3 Mean value and linear trend of extreme precipitation indices in present and future

表 3 当代及未来极端降水指数的均值和线性趋势 Table 3 Mean value and linear trend of extreme precipitation indices in present and future

未来年平均连续五日最大降水(RX5D)的变化(图 7b)与单日最大降水基本一致，均在华中、江淮、华南以及西南地区有所增加，增幅为10%~30%，在东北大部、内蒙古以及西北局部地区为减少，特别在环渤海北部及内蒙古西部地区减幅超过30%.全国平均连续五日最大降水未来比当代增加了12.6 mm，增加幅度为10.7%，且线性趋势均为上升，趋势系数未来(9.5 mm/decade)大于当代(5.9 mm/decade).

中国地区年平均最长无雨期(MDRY)的变化如图 7c所示，与当代相比，未来华南地区最长无雨期将显著增长，广东、广西和贵州部分地区增幅超过30 d；而在东北及华北大部分地区最长无雨期将缩短，其中环渤海北部及内蒙古与黑龙江交界地区减幅达30 d以上；西部地区的变化总体较为复杂.未来全国平均最长无雨期将增长1.2 d，增幅为7.6%，线性趋势当代不明显(0.1 d/decade)，未来则为下降趋势(-2.8 d/decade).

未来年平均强降水日数(R25)的变化在中国地区不明显(图 7d)，只有江淮及华南地区稍有增多，全国平均结果增加了0.6 d，增幅仅为8.5%.强降水日数的线性趋势在当代和未来均为上升，且增加速率基本一致，当代为0.7 d/decade，未来为0.8 d/ decade.

图 7e显示未来中国大部分地区年平均简单降水强度(SDⅡ)都将增强，平均增幅为8.9%.与强降水日数变化结果类似，简单降水强度也在中国东南地区变化较为明显，其中在山东、江西、广东地区均增加了25%以上，而在东北大部及内蒙古西部地区有所减弱.当代与未来简单降水强度的线性趋势均为上升，变化速率未来(0.5 mm/d/decade)稍高于当代(0.3 mm/d/decade).

年平均极端降水总量(R95t)的变化在中国地区具有“北减南增”的空间分布(图 7f)，降水增加区域主要集中在东南地区，两个降水增加中心分别位于山东、安徽交界地带以及江西、福建、广东一带；降水减少区域则为东北、华北及西北局部地区.总体来看未来极端降水总量依旧以增加为主，全国平均增幅达到14.3%.趋势分析结果显示当代与未来极端降水总量均具有上升趋势，降水增加速率未来(46.9 mm/ decade)高于当代(37.7 mm/decade).

综合分析极端降水指数的变化可见，未来中国南方地区干旱有可能加重，北方地区降水日数则有所增加；与之相对，南方地区降水趋向于极端化，北方地区极端降水有所减弱.上述结论与江志红等^[32]根据全球模式对极端降水进行预估得到的结果相一致.

本文利用ECHAM5全球环流模式结果驱动MM5V3区域气候模式，分别对中国地区当代(1978-2000年)及未来(2038-2070年)气候进行了长期模拟试验，并选取1981-2000年及2041-2060年结果进行分析.首先检验区域模式对当代极端温度和极端降水的模拟能力，在此基础上对IPCC A1B情景下21世纪中期6个极端温度指数和6个极端降水指数的变化进行预估.得到以下结论：

(1) MM5V3模式对中国地区当代日最高、最低温度的空间分布及概率特征均具有一定的模拟能力，但日最高温度模拟结果在中国大部分地区偏低，冷偏差幅度在东北、华北、长江中下游以及西北地区较明显；日最低温度则在南方地区模拟偏低，北方地区模拟偏高.与实际观测相比，模式模拟的日最高温度概率分布向低值频段偏移，日最低温度概率分布在0 ℃的峰值附近偏高.

(2) MM5V3模式同样能够对中国地区强降水(大雨和暴雨)年平均日数的空间分布进行有效模拟，存在的问题是降水日数模拟结果在东部地区明显偏多，四川局部地区偏少，模拟的降水日数概率统计结果与实际观测相比均偏高.

(3)中国地区21世纪中期极端高温、极端低温和相对高温在全国范围内都将升高，且升温幅度北方大于南方；霜日日数一致减少，其中江淮及青藏高原地区减幅相对较大；暖日日数除在青藏高原地区减少外，在其它地区均增多；相对低温则在新疆及云南局部地区有所降低，其它地区均为升高.当代与未来各极端温度指数的线性趋势也较为一致，其中极端高温、极端低温、暖日日数、相对高温均具有上升趋势，霜日日数则为下降趋势，只有相对低温线性趋势不明显.

(4)中国地区21世纪中期极端降水指数的变化具有一定区域特征，单日最大降水、连续五日最大降水、最长无雨期、强降水日数、简单降水强度以及极端降水总量在江淮、华南及西南地区均显著增加，而在东北及内蒙古地区减少.未来中国南方地区降水整体趋向于极端化；北方地区降水日数有所增加，但降水的极端化趋势减弱.除最长无雨期外，其它极端降水指数的当代及未来线性趋势均为上升.

以上结论对于我们更好地了解MM5V3区域气候模式模拟性能及中国地区未来极端气候变化都具有一定意义，但应注意到极端事件大部分由中小尺度系统所引起，对其进行模拟需要模式具有较高的水平分辨率.本文受计算资源限制，利用区域模式进行的模拟水平分辨率仅为50 km，一些更为细致的极端气候变化特征无法被考察.高分辨率条件下的气候变化模拟研究可参考石英等^[33]、高学杰等^[34]和吴佳等^[35]的工作.此外，本文对未来极端气候变化的预估也仅局限在IPCCA1B温室气体排放情景下，模拟结果中并未包括土地利用变化、气溶胶辐射效应以及其它温室气体排放情景的影响，这些不足都需要在以后的工作中予以改进.最后，对未来极端气候进行预估不同模式可能给出不同结果，进行多模式集合可以使模拟结果中的不确定性得到有效控制.