基于高分辨率格點數(shù)據(jù)集CN05.1和區(qū)域氣候模式RegCM4對4個全球氣候模式動力降尺度模擬（CdR、EdR、HdR、MdR）,識別了觀測和模擬的1981—2005年中國群發(fā)性高溫事件（CHTE）。在此基礎(chǔ)上,評估了模式對中國CHTE的模擬能力。結(jié)果表明:4個動力降尺度模擬以及多模式集合（MME）均能很好地模擬出中國CHTE頻次、持續(xù)時間和累計強度的空間分布。不過,HdR模擬的CHTE發(fā)生次數(shù)在新疆地區(qū)略偏少,而其他3個模擬試驗的CHTE次數(shù)在中國東南部略偏多。觀測中CHTE持續(xù)時間、極端強度、累計強度、最大影響面積、平均影響面積、綜合強度等的頻率分布規(guī)律均能被合理再現(xiàn)。MME也能很好模擬觀測揭示的CHTE綜合強度以及頻次、持續(xù)時間、強度、影響面積等單項指標(biāo)的上升趨勢。單模式成員亦可再現(xiàn)大多數(shù)指標(biāo)的上升趨勢,但也存在一定不足,如EdR模擬的CHTE綜合強度呈減弱趨勢,MdR模擬的CHTE頻次和極端強度呈弱的下降趨勢。 

【文章來源】：氣候變化研究進展. 2020,16(06)北大核心CSCD

【文章頁數(shù)】：10 頁

【部分圖文】：

1981—2005年平均的中國群發(fā)性高溫事件的持續(xù)時間和累計強度空間分布

對觀測（CN05.1）和模擬的中國CHTE進行了識別，結(jié)果如表1所示。CN05.1結(jié)果顯示，1981—2005年間共識別出194次CHTE，其中嚴(yán)重、重度、中度和輕度等級事件分別為19、38、77和60次。MME模擬中，共識別出213次CHTE，略高于觀測結(jié)果。對于單模式模擬而言，除Hd R模擬的CHTE次數(shù)偏低外，其他3個模擬均高估了CHTE的發(fā)生次數(shù)，這主要是由于模擬的輕度事件明顯偏多所致。圖1為觀測和模擬中所識別CHTE發(fā)生月份的頻率分布。對比可以發(fā)現(xiàn)，模擬與觀測具有一致的月際變化。即CHTE最早出現(xiàn)在4月，最晚出現(xiàn)在9月，在7月達到峰值，4、5、9月發(fā)生的CHTE所占比例之和均不到7%。2.1 氣候態(tài)

表3列出了觀測的和模擬的1981—2005年中國CHTE各指標(biāo)的變化趨勢。觀測結(jié)果顯示，CHTE各度量指標(biāo)均呈上升趨勢，意味著CHTE發(fā)生頻次增多，強度變強，影響加劇。MME模擬能較好地捕捉到觀測中CHTE各度量指標(biāo)的這一演變趨勢，但在數(shù)值上存在偏差。單模式模擬也可以再現(xiàn)大多數(shù)指標(biāo)的上升趨勢，但不同模擬之間存在一定差異。對于綜合強度指標(biāo)，Cd R、Hd R和Md R一致模擬為增加趨勢，并且Cd R模擬結(jié)果與觀測較為接近；但是Ed R模擬的卻為減弱趨勢。對于單指標(biāo)而言，Cd R、Ed R和Hd R均模擬出與觀測一致的增加趨勢，且Cd R模擬的變化幅度更接近觀測，而Ed R模擬的CHTE各指標(biāo)增幅速率普遍偏小。Md R模擬的CHTE頻次和極端強度為弱的下降趨勢。2.3 頻率分布

【參考文獻】：
期刊論文
[1]分位數(shù)映射法在RegCM4中國氣溫模擬訂正中的應(yīng)用[J]. 韓振宇,童堯,高學(xué)杰,徐影.  氣候變化研究進展. 2018(04)
[2]Projected Changes in Temperature and Precipitation Extremes over China as Measured by 50-yr Return Values and Periods Based on a CMIP5 Ensemble[J]. Ying XU,Xuejie GAO,Filippo GIORGI,Botao ZHOU,Ying SHI,Jie WU,Yongxiang ZHANG.  Advances in Atmospheric Sciences. 2018(04)
[3]Performance of RegCM4 over Major River Basins in China[J]. Xuejie GAO,Ying SHI,Zhenyu HAN,Meili WANG,Jia WU,Dongfeng ZHANG,Ying XU,Filippo GIORGI.  Advances in Atmospheric Sciences. 2017(04)
[4]Comparison of convective parameterizations in RegCM4 experiments over China with CLM as the land surface model[J]. GAO Xue-Jie,SHI Ying,Filippo GIORGI.  Atmospheric and Oceanic Science Letters. 2016(04)
[5]中國平均降水和極端降水對氣候變暖的響應(yīng):CMIP5模式模擬評估和預(yù)估[J]. 吳佳,周波濤,徐影.  地球物理學(xué)報. 2015(09)
[6]Changes in Regional Heavy Rainfall Events in China during 1961–2012[J]. ZOU Xukai,REN Fumin.  Advances in Atmospheric Sciences. 2015(05)
[7]基于CMIP5模式的中國地區(qū)未來高溫災(zāi)害風(fēng)險預(yù)估[J]. 董思言,徐影,周波濤,侯美亭,李柔珂,於琍,張永香.  氣候變化研究進展. 2014(05)
[8]基于CMIP5模式的中國地區(qū)未來洪澇災(zāi)害風(fēng)險變化預(yù)估[J]. 徐影,張冰,周波濤,董思言,於琍,李柔珂.  氣候變化研究進展. 2014(04)
[9]中國近50年來群發(fā)性高溫事件的識別及統(tǒng)計特征[J]. 況雪源,王遵婭,張耀存,孫丞虎,侯威.  地球物理學(xué)報. 2014(06)
[10]中國冬季區(qū)域性極端低溫事件分類及其與氣候指數(shù)極端性的聯(lián)系[J]. 王曉娟,沈柏竹,龔志強,封國林.  物理學(xué)報. 2013(22)



本文編號：3495925