張武龍 張井勇 范廣洲

1四川省氣象臺，成都610072

2中國科學院大氣物理研究所季風系統(tǒng)研究中心，北京100190

3成都信息工程學院大氣科學學院，成都610225

1 引言

氣候系統(tǒng)模式是研究氣候變化機理和預(yù)測未來氣候變化最重要的工具。近幾十年來，在世界各國科學家的共同努力下，氣候模式有了長足的發(fā)展，并得到了廣泛應(yīng)用（Lambert and Boer，2001；Flato，2004；Behrens et al., 2012；Torres and Marengo，2014）。國際耦合模式比較計劃（CMIP）在大氣模式比較計劃（AMIP）的基礎(chǔ)上發(fā)展起來，在經(jīng)歷了CMIP1、CMIP2和CMIP3幾個階段之后（Meehl et al., 1997，2000，2005，2007；王澄海等，2009；Xin et al.,2013a），于 2008年 9月，啟動了第五階段計劃——CMIP5（Taylor et al., 2012）。CMIP5旨在解決IPCC第四次評估過程中出現(xiàn)的一些突出科學問題（IPCC，2007，2013），相對于CMIP3，該計劃試驗設(shè)計增加了年代際近期預(yù)測試驗、包含碳循環(huán)的氣候試驗和診斷氣候反饋的敏感性試驗。這不僅增強了對氣候系統(tǒng)變化的機理性認識，更提高了氣候模式的預(yù)估能力（Guo et al., 2013；Jiang and Tian，2013；Joetzjer et al., 2013；Yao et al., 2013；Zhang et al., 2013）。因此，有必要利用CMIP5提供的最新氣候系統(tǒng)模擬試驗數(shù)據(jù)，研究在全球變暖背景下的氣候變化（Diffenbaugh and Giorgi，2012；Hu et al.,2013；Kharin et al., 2013；Xin et al., 2013b）。

關(guān)于CMIP3和CMIP5模式對東亞、中國氣候變化的模擬, 研究者已開展了許多的評估工作。徐崇海等（2007）評估了22個IPCC AR4模式對東亞地區(qū)當前氣候的模擬能力，發(fā)現(xiàn)雖然所有模式對東亞地區(qū)的氣候都有一定的模擬能力，但各模式模擬效果差異較大；并且多數(shù)模式的溫度模擬值偏低，降水模擬值偏高。江志紅等（2008，2009）分析了IPCC AR4模式數(shù)據(jù)，預(yù)估21世紀中國氣候?qū)@著變暖、變濕；極端降水強度可能增強，干旱也將加重，且變化幅度與排放強度成正比。張宏芳和陳海山（2011a，2011b）的評估結(jié)果發(fā)現(xiàn)IPCC AR4全球氣候模式對東亞夏季環(huán)流氣候態(tài)模擬較好，但對東亞夏季環(huán)流年際變率的模擬較差。Qu et al.（2013）評估了16個CMIP5模式對東亞夏季降水的模擬能力，并預(yù)估全球增暖背景下，東亞夏季降水將持續(xù)增加。Jiang and Tian（2013）在CMIP3和CMIP5分別選取了23和19個氣候模式的試驗結(jié)果預(yù)估了21世紀東亞季風的變化，結(jié)果表明21世紀東亞冬季風強度整體上變化不大，夏季風略有加強。朱獻和董文杰（2013）評估了23個CMIP5模式對北半球 3～4月積雪面積的模擬能力，并通過多模式集合預(yù)估未來幾十年北半球3～4月積雪將繼續(xù)減少。Xu and Xu（2012）評估了 18個 CMIP5模式對1961～2005年中國氣溫和降水的模擬能力，指出模式普遍能夠模擬出氣溫和降水的主要空間分布特征，但是氣溫模擬值偏低而降水模擬值偏多。李振朝等（2013）檢驗了8個 CMIP5模式氣溫和降水資料在北半球及青藏高原的模擬效果，發(fā)現(xiàn)各模式對北半球氣溫和降水模擬較好，對青藏高原模擬較差。Chen（2013）利用16個CMIP5模式預(yù)估了21世紀末中國極端降水事件的變化，并指出中國年降水量將顯著增加，降水有趨于極端化發(fā)展趨勢。Wang and Chen（2013）利用35個CMIP5模式集合預(yù)估了中國氣溫、降水和氣象干旱在 21世紀的變化，他們發(fā)現(xiàn)我國冬季增溫較強，夏季增溫較弱；我國大范圍降水增加，氣象干旱和極端降水事件發(fā)生概率也在增大。這些針對東亞和中國的氣候變化研究提高了我們對氣候變化的認識，并將有助于中國更好地應(yīng)對未來氣候變化。但是，需要指出的是，針對像我國西南等地區(qū)的更細致的評估和預(yù)估尚不多見。

我國西南地區(qū)位于東北—西南走向的氣候生態(tài)過渡帶的南端；世界上海拔最高、地形最復(fù)雜的青藏高原、云貴高原、橫斷山區(qū)和四川盆地等構(gòu)成了該地區(qū)大陸地貌的主要特征。我國西南地區(qū)是氣候變化的敏感區(qū)和脆弱區(qū)之一。研究表明近 40年來西南地區(qū)的青藏高原、川西高原、云貴高原氣溫上升趨勢顯著，四川盆地、重慶則存在明顯的下降趨勢（馬振峰等，2006）；西部高原地區(qū)降水呈增加趨勢，而東部除重慶地區(qū)外，大部分地區(qū)降水減少（劉曉冉等，2007）。近幾十年，西南地區(qū)極端氣候事件頻發(fā)（胡豪然，2008；陳海山等，2009），對人民群眾的生產(chǎn)生活和經(jīng)濟社會發(fā)展產(chǎn)生了嚴重影響。對我國西南地區(qū)氣候變化進行更細致的評估和預(yù)估將有助于更好地應(yīng)對該地區(qū)未來的氣候變化。張武龍等（2014）的研究表明西南地區(qū)受其地形，地理位置以及季風的影響，降水的季節(jié)性差異很大，干濕季分明（如圖 1所示）；濕季（5～9月）降水量約占全年的75.7%，干季（10月至次年4月）降水量僅占全年的 24.3%左右。本文評估了34個CMIP5模式對我國西南地區(qū)（包括四川省、重慶市、貴州省、云南省和廣西壯族自治區(qū)）干濕季降水的模擬能力，并預(yù)估了RCP4.5和RCP8.5兩種典型濃度路徑下未來該地區(qū)干濕季降水的變化。

2 數(shù)據(jù)和方法

2.1 數(shù)據(jù)來源

本文所采用的降水觀測資料是國家氣候中心根據(jù)2416個中國地面氣象臺站的逐日觀測記錄，通過插值程序建立起來的一套1961～2010年中國區(qū)域水平分辨率為 0.5°×0.5°的格點數(shù)據(jù)集——CN05.2（吳佳和高學杰，2013）。

本文分析的34個CMIP5模式概況見表1（模式更詳細的信息請參見 http://cmip-pcmdi.llnl.gov/cmip5/[2013-05-15]），使用的模擬數(shù)據(jù)是CMIP5必做試驗中的歷史長期模擬試驗數(shù)據(jù)，該試驗的詳細介紹請參考文獻Taylor et al.（2012）。在模式評估中，使用 1986～2005年逐月平均降水觀測和模擬數(shù)據(jù)。由于各模式輸出的數(shù)據(jù)分辨率差異較大，為了便于模式間的相互比較，以及與觀測值進行對比分析，將所有的數(shù)據(jù)統(tǒng)一雙線性插值到 0.5°×0.5°的格點上。對于預(yù)估試驗數(shù)據(jù)，選用 RCP4.5和RCP8.5兩種情景下模式輸出的2006～2100年逐月平均降水數(shù)據(jù)，并將所有數(shù)據(jù)統(tǒng)一雙線性插值到0.5°×0.5°的格點上。

表1 34個CMIP5氣候模式概況Table 1 Information of 34 CMIP5 climate models

2.2 方法介紹

本文首先利用偏差考察各模式對我國西南地區(qū)干濕季平均降水的模擬能力，然后采用泰勒圖方法（Taylor，2001）評估各模式對干濕季降水氣候態(tài)的模擬能力。泰勒圖能將模擬與觀測的空間相關(guān)系數(shù)和標準差之比以及模擬相對于觀測場的均方根誤差3個統(tǒng)計量顯示在一張圖中，直觀地給出模式的評估結(jié)果以及模式間的差異，較為全面地反映多個模式的模擬能力。模擬和觀測之間的空間相關(guān)系數(shù)可以表示模式對主要中心位置的描述能力，標準差之比可表示模式對中心振幅的模擬能力，均方根誤差則表示模擬型態(tài)與觀測的相似性（均方根誤差越接近0表示模擬能力越高）。

圖1 1986～2005年我國西南地區(qū)（a）干季和（b）濕季的月平均降水量（單位：mm/month）Fig. 1 The monthly averages of (a)dry- and (b)wet-season precipitation over southwestern China for the period of 1986-2005 (units: mm/month)

其次，為了定量描述模式的模擬能力，根據(jù)Taylor（2001）的研究，選取兩個技巧評分S1和S2來定量評估每個模式對西南地區(qū)干濕季降水的模擬能力，技巧評分值越大說明該模式的模擬能力越好，即：

其中，R為模擬值和觀測值之間的相關(guān)系數(shù)，R0為可得到的最大相關(guān)系數(shù)，fσ?為模擬值與觀測值的標準差之比。當模擬值的方差接近觀測值的方差時，模擬值和觀測值的空間相關(guān)系數(shù)越接近R0，而技巧評分愈接近單位1。當方差比值接近0或無限大或相關(guān)系數(shù)接近－1時，技巧評分接近 0。技巧評分 S1重點考慮了方差的性能，而技巧評分 S2更側(cè)重于考慮模擬值和觀測值之間的空間相關(guān)系數(shù)。

在模式評估階段，我們評估了所有 34個模式等權(quán)重集合平均（MME）的模擬性能（Jiang et al.,2005；徐崇海等，2007）以及單個模式的模擬能力。此外，在技巧評分S1和S2中都排名前10位模式的等權(quán)重集合平均（MME-S）也參與模式評估，為多模式集合預(yù)估未來的氣候變化奠定基礎(chǔ)。

3 模式評估

圖2給出了1986～2005年模式模擬的我國西南地區(qū)干濕季平均降水偏差。如圖2所示，34個模式中有30個模式模擬的干季降水偏多，25個模式模擬的濕季降水偏多。對于干季降水，大部分模式的模擬偏差在－20%～60%之間，還有四個模式的模擬偏差超過了60%；對于濕季降水，大部分模式的模擬偏差在－20%～40%之間。下面利用泰勒圖分析1986～2005年34個模式對干濕季降水的模擬性能。

圖3給出了1986～2005年我國西南地區(qū)干濕季降水泰勒圖分析的結(jié)果，表2給出了模擬值與觀測值的標準差之比fσ?、空間相關(guān)系數(shù)R及技巧評分（S1，S2）。結(jié)合圖3a和表2，我們可以發(fā)現(xiàn)所有34個模式中有18個模式能模擬出西南地區(qū)干季降水的主要空間分布特征，其模擬與觀測場的空間相關(guān)系數(shù)均通過了 99%的信度水平檢驗，最高為ACCESS1-0的0.71；其中有16個模式的模擬與觀測場標準差之比小于2。另一方面，所有34個模式有 17個模式能模擬出西南地區(qū)濕季降水的主要空間分布特征（圖 3b），其模擬與觀測場的空間相關(guān)系數(shù)均通過了 99%的信度水平檢驗，最高為HadGEM2-ES的0.69；其中有15個模式的模擬與觀測場標準差之比小于 2。綜合上述評估結(jié)果，我們發(fā)現(xiàn)34個CMIP5模式對我國西南地區(qū)干濕季降水的模擬能力差異比較大，有部分模式模擬的空間相關(guān)系數(shù)甚至出現(xiàn)了負值，這意味著挑選一些對西南地區(qū)干濕季降水模擬能力相對較優(yōu)的模式看來是必要的。

圖2 相對于觀測值，CMIP5模式模擬的1986～2005年我國西南地區(qū)（a）干季和（b）濕季平均降水偏差Fig. 2 With reference to observation, the averaged (a)dry- and (b)wet-season precipitation biases over southwestern China for the period of 1986-2005 as derived from CMIP5 models

我們分別計算了所有 34個模式模擬干濕季降水的技巧評分S1和 S2（見表2），在技巧評分 S1和S2中排名前10的模式用星號標注。結(jié)果表明對干季降水模擬最優(yōu)的模式包括：ACCESS1-0，ACCESS1-3，CanESM2，CMCC-CM，HadCM3，HadGEM2-CC，HadGEM2-ES，MIROC5，MRI-CGCM3，選為干季降水的MME-S成員；對濕季降水模擬最優(yōu)的模式包括：ACCESS1-0，ACCESS1-3，HadCM3，HadGEM2-CC，HadGEM2-ES，inmcm4，IPSLCM5A-LR，IPSL-CM5A-MR，MRI-CGCM3，選為濕季降水的MME-S成員。

圖3 在參照時段1986～2005年，CMIP5模式模擬我國西南地區(qū)（a）干季和（b）濕季降水相對于觀測場的泰勒圖。紅虛線代表空間相關(guān)系數(shù)99%信度水平；REF：觀測；方位角：空間相關(guān)系數(shù)；半徑：標準差之比；到REF的距離：均方根誤差Fig. 3 Taylor program for (a)dry- and (b)wet-season precipitation over southwestern China between CMIP5 models and observations for the period of 1986–2005. Red dotted line corresponds to the 99% confidence level; REF: observation; azimuthal position: spatial correlation coefficient; radial distance: ratio of standard deviation; distance from REF point: root mean square error

表2 34個CMIP5模式模擬和觀測的干濕季降水標準差之比?fσ、空間相關(guān)系數(shù)R、技巧評分（S1, S2）Table 2 The ratios of standard deviation ?fσ, the spatial correlation coefficient R, and the skill scores (S1 and S2)of dry- and wet-season precipitation between 34 CMIP5 climate models and observations

圖4給出了 1986～2005年我國西南地區(qū)干濕季降水的多模式集合平均相對于觀測值差異的空間分布，從圖中可以看到多模式集合平均對西南大部分地區(qū)的干濕季降水存在高估。在干季，MME高估了除云南南部和廣西大部區(qū)域的降水，尤其是四川和云南北部的降水高估更為明顯。在濕季，MME高估了西南地區(qū)西部降水，低估了東部降水。相對干季和濕季，MME-S都比MME普遍有更小的模擬誤差，這表明選擇最優(yōu)模式集合有助于改善對我國西南地區(qū)干濕季降水的模擬能力。表3給出了多模式集合平均和觀測值的標準差之比fσ?、空間相關(guān)系數(shù)R及技巧分（S1，S2），我們可以看到MME-S較MME都有更好的表現(xiàn)，MME-S提高了模擬值與觀測值的空間相關(guān)系數(shù)和標準差之比，并且MME-S的技巧分也遠遠大于MME。

圖4 1986～2005年我國西南地區(qū)（a，b）干季和（c，d）濕季降水的多模式集合平均相對于觀測值差異的空間分布場：（a，c）MME-S；（b，d）MME。MME-S：最優(yōu)模式集合平均；MME：34個CMIP5模式集合平均Fig. 4 Spatial distribution of (a, b)dry- and (c, d)wet-season precipitation differences between the multi-model ensemble means and observations over southwestern China for the period of 1986–2005: (a, c)MME-S; (b, d)MME. MME-S: the ensemble mean of optimum models; MME: the 34-model ensemble mean

表3 多模式集合平均和觀測干濕季降水的標準差之比?fσ、空間相關(guān)系數(shù)R、技巧評分（S1，S2）Table 3 The ratios of standard deviation?fσ, the spatial correlation coefficient R, and the skill scores (S1 and S2)of dry- and wet-season precipitation between the multi-model ensemble means and observations

4 未來預(yù)估

在模式評估階段，我們不僅評估了單個模式的模擬能力，還比較了MME和MME-S的模擬性能?？傮w而言，MME-S的表現(xiàn)優(yōu)于MME，更普遍優(yōu)于大多數(shù)單個模式，我們選用 MME-S對 RCP4.5和RCP8.5兩種情景下我國西南地區(qū)干濕季降水的變化進行了預(yù)估。需要指出的是，雖然 MME-S對于降水值的模擬仍存在較大誤差，但是MME-S提高了模擬值與觀測值的空間相關(guān)系數(shù)和標準差之比。這里的預(yù)估是相對于1986～2005年氣候平均態(tài)，MME-S對于21世紀西南地區(qū)干濕季降水相對變化空間分布的預(yù)估，而不是對降水變化值本身的預(yù)估。

圖5給出了在RCP4.5和RCP8.5兩種情景下，相對于1986～2005年氣候平均態(tài)，MME-S預(yù)估21世紀初期（2016～2035年）、中期（2046～2065年）和末期（2080～2099年）我國西南地區(qū)干季降水變化的空間分布。在RCP4.5情景下，21世紀初期我國西南地區(qū)干季降水變化表現(xiàn)為川西高原和廣西降水增多，而四川盆地及攀西地區(qū)、重慶、貴州和云南的大部分地區(qū)降水減少；21世紀中期和末期整個西南地區(qū)干季降水普遍增多。在RCP8.5情景下，21世紀初期西南地區(qū)平均干季降水變化表現(xiàn)為川西高原降水增多，而四川盆地及攀西地區(qū)、重慶、貴州、云南和廣西的大部分地區(qū)降水減少；21世紀中期和末期，除小部分面積外，西南地區(qū)干季降水增多。

圖6給出了在RCP4.5和RCP8.5兩種情景下，相對于1986～2005年氣候平均態(tài)，MME-S預(yù)估21世紀初期、中期和末期我國西南地區(qū)濕季降水變化的空間分布。在RCP4.5情景下，21世紀初期西南地區(qū)濕季降水變化表現(xiàn)為川西高原、貴州和廣西大部分地區(qū)降水增多，而四川盆地及攀西地區(qū)、重慶和云南降水減少；21世紀中期和末期，除部分地區(qū)外，西南地區(qū)濕季降水增多，且東部降水增加明顯。在RCP8.5情境下，21世紀初期西南地區(qū)濕季降水變化表現(xiàn)為川西高原、重慶、貴州和廣西大部分地區(qū)降水增多，而四川盆地及攀西地區(qū)和云南降水減少；21世紀中期和末期，與RCP4.5情景類似，西南地區(qū)濕季降水增加，且東部降水增加明顯，幅度較RCP4.5情景大。

5 結(jié)論和討論

基于 CN05.2降水觀測資料，評估了 34個CMIP5耦合模式對我國西南地區(qū)干濕季降水的模擬能力，并預(yù)估了RCP4.5和RCP8.5兩種情景下干濕季降水的未來變化。主要結(jié)論如下：

34個CMIP5模式中有30個模式模擬的干季降水偏多，大部分模式的模擬偏差在－20%～60%之間，有4個模式的模擬偏差超過了60%；25個模式模擬的濕季降水偏多，大部分模式的模擬偏差在－20%～40%之間。

（1）通過泰勒圖方法，我們發(fā)現(xiàn) 34個模式對我國西南地區(qū)干濕季降水的模擬能力差異較大。對于干季降水，34個模式中有16個模式的模擬值與觀測值的空間相關(guān)系數(shù)通過了 99%的信度水平檢驗，且標準差之比小于2。對于濕季降水，34個模式有 15個模式的模擬值與觀測值的空間相關(guān)系數(shù)通過了99%的信度水平檢驗，且標準差之比小于2。

（2）我們分別挑選出了對干濕季降水模擬最優(yōu)的9個模式參與模式集合評估。最優(yōu)模式集合平均對西南地區(qū)干濕季降水氣候態(tài)的空間分布模擬較好，但大部分地區(qū)高估了降水值。最優(yōu)模式集合平均的模擬能力要優(yōu)于 34個模式的集合平均，更要優(yōu)于大多數(shù)單個模式。

（3）進一步利用最優(yōu)的9個模式對我國西南地區(qū)未來降水變化進行了預(yù)估。相對于 1986～2005年氣候平均態(tài)，21世紀初期西南地區(qū)干季降水變化表現(xiàn)為川西高原降水增多，而四川盆地及攀西地區(qū)、重慶、貴州和云南的大部分地區(qū)降水減少；21世紀中期和末期，除小部分地區(qū)外，西南地區(qū)干季降水增多。21世紀初期西南地區(qū)濕季降水變化表現(xiàn)為川西高原、貴州和廣西大部分地區(qū)降水增多，而四川盆地及攀西地區(qū)和云南降水減少；21世紀中期和末期，除部分地區(qū)外，西南地區(qū)濕季降水增多，且東部降水增加明顯。在RCP8.5情景下，降水的變化幅度要強于RCP4.5情景。

圖5 相對于1986～2005年氣候平均態(tài)，21世紀（a，b）初期（2016～2035）、（c，d）中期（2046～2065）和（e，f）末期（2080～2099）我國西南地區(qū)干季降水變化的空間分布：（a，c，e）RCP4.5；（b，d，f）RCP8.5Fig. 5 Spatial distribution of projected changes in dry-season precipitation over southwestern China from the reference period (1986–2005)to (a, b)beginningof-century (2016–2035), (c, d)mid-century (2046–2065), and (e, f)end-of-century (2080–2099)under two emissions scenarios (a, c, e)RCP4.5 and (b, d, f)RCP8.5

圖6 相對于1986～2005年氣候平均態(tài)，21世紀（a，b）初期（2016～2035）、（c，d）中期（2046～2065）和（e，f）末期（2080～2099）我國西南地區(qū)濕季降水變化的空間分布：（a，c，e）RCP4.5；（b，d，f）RCP8.5Fig. 6 Spatial distribution of projected changes in wet-season precipitation over southwestern China from the reference period (1986–2005)to (a, b)beginningof-century (2016–2035), (c, d)mid-century (2046–2065), and (e, f)end-of-century (2080–2099)under two emissions scenarios (a, c, e)RCP4.5 and (b, d, f)RCP8.5

相比 CMIP3，CMIP5模式已有較大程度的發(fā)展，在模式分辨率和試驗設(shè)計等方面有一定的改進（Taylor et al., 2012），但模式模擬結(jié)果仍然存在較大的不確定性（Yao et al., 2012; Chen, 2013; Hua et al., 2013）。我國西南地區(qū)地理位置特殊、地形復(fù)雜，模式對這一地區(qū)的準確模擬的難度更大。其次，相對于我國西南地區(qū)空間范圍而言，大部分模式的分辨率依然比較粗，為了與觀測值作比較，我們將模式數(shù)據(jù)統(tǒng)一插值到 0.5°×0.5°的格點上，增加了模式結(jié)果應(yīng)用中的不確定性。因此，雖然部分CMIP5模式能較好的模擬出我國西南地區(qū)干濕季降水的氣候態(tài)特征，但模式模擬能力仍有不足，我們的預(yù)估結(jié)果可能仍存在較大的不確定性。將來為了更好地對我國西南地區(qū)氣候變化進行模擬和預(yù)估，我們將采用高分辨率的區(qū)域氣候模式模擬等降尺度方法（Zhang et al., 2008；Feng et al., 2011；Gao et al.,2011；Wang et al., 2011）。另外，還應(yīng)注意到由于模式物理參數(shù)化方案、對外強迫的響應(yīng)能力等不同，如何利用更有效的多模式集合方法，如加權(quán)平均方法（Xu et al., 2010），提高模式集合的模擬能力，更好的為我們的評估和預(yù)估工作服務(wù)也是值得研究的問題。

（

）

Behrens L K, Martin T, Semenov V A, et al. 2012. The Arctic sea ice in the CMIP3 climate model ensemble—Variability and anthropogenic change[J]. The Cryosphere Discussions, 6 (6): 5317–5344.

Chen H P. 2013. Projected change in extreme rainfall events in China by the end of the 21st century using CMIP5 models [J]. Chin. Sci. Bull., 58 (12):1462–1472.

陳海山, 范蘇丹, 張新華. 2009. 中國近50 a極端降水事件變化特征的季節(jié)性差異 [J]. 大氣科學學報, 32 (6): 744–751. Chen Haishan, Fan Sudan, Zhang Xinhua. 2009. Seasonal differences of variation characteristics of extreme precipitation events over China in the last 50 years [J]. Transactions of Atmospheric Sciences (in Chinese), 32 (6):744–751.

Diffenbaugh N S, Giorgi F. 2012. Climate change hotspots in the CMIP5 global climate model ensemble [J]. Climatic Change, 114 (3-4): 813–822.

Feng L, Zhou T J, Wu B, et al. 2011. Projection of future precipitation change over China with a high-resolution global atmospheric model [J].Adv. Atmos. Sci., 28 (2): 464–476.

Flato G M. 2004. Sea-ice and its response to CO2forcing as simulated by global climate models [J]. Climate Dyn., 23 (3-4): 229–241.

Gao X J, Shi Y, Giorgi F. 2011. A high resolution simulation of climate change over China [J]. Sci. China Earth Sci., 54 (3): 462–472.

Guo Y, Dong W J, Ren F M, et al. 2013. Surface air temperature simulations over China with CMIP5 and CMIP3 [J]. Advances in Climate Change Research, 4 (3): 145–152.

胡豪然, 毛曉亮, 梁玲. 2008. 近50年川渝地區(qū)夏季極端高溫事件的時空演變特征 [J]. 高原山地氣象, 28 (3): 15–20. Hu Haoran, Mao Xiaoliang, Liang Ling. 2008. Temporal and spatial variations of extreme High-temperature event of summer over Sichuan and Chongqing region in last 50 years [J]. Plateau and Mountain Meteorology Research (in Chinese), 28 (3): 15–20.

Hu Y Y, Tao L J, Liu J P. 2013. Poleward expansion of the Hadley circulation in CMIP5 simulations [J]. Adv. Atmos. Sci., 30 (3): 790–795.

Hua W J, Chen H S, Sun S L. 2013. Uncertainty in land surface temperature simulation over China by CMIP3/CMIP5 models [J]. Theor. Appl.Climatol., 17 (3-4): 463–474, doi:10.1007/s00704-013-1020-z.

IPCC. 2007. Climate Change 2007: The Physical Science Basis [M].Solomon S, Qin D, Manning M, et al., Eds. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press, 1–940.

IPCC. 2013. Summary for policymarkers [M/OL]// IPCC. Climate Change 2013: The Physical Science Basis. Cambridge: Cambridge University Press, in press. 2013-09-30 [2013-09-30]. http://www.climate2013.org/images/uploads/WGI_AR5_SPM_brochure.pdf.

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.

Jiang D B, Wang H J, Lang X M. 2005. Evaluation of East Asian climatology as simulated by seven coupled models [J]. Adv. Atmos. Sci.,22 (4): 479–495.

江志紅, 張霞, 王冀. 2008. IPCC-AR4模式對中國21世紀氣候變化的情景預(yù)估 [J]. 地理研究, 27 (4): 787–799. Jiang Zhihong, Zhang Xia,Wang Ji. 2008. Projection of climate change in China in the 21st century by IPCC-AR4 models [J]. Geographical Research (in Chinese), 27 (4):787–799.

江志紅, 陳威霖, 宋潔, 等. 2009. 7個IPCC AR4模式對中國地區(qū)極端降水指數(shù)模擬能力的評估及其未來情景預(yù)估 [J]. 大氣科學, 33 (1):109–120. Jiang Zhihong, Chen Weilin, Song Jie, et al. 2009. Projection and evaluation of the precipitation extremes indices over china based on seven IPCC AR4 coupled climate models [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 33 (1): 109–120.

Joetzjer E, Douville H, Delire C, et al. 2013. Present-day and future Amazonian precipitation in global climate models: CMIP5 versus CMIP3[J]. Climate Dyn., 41 (11-12): 2921–2936.

Kharin V V, Zwiers F W, Zhang X, et al. 2013. Changes in temperature and precipitation extremes in the CMIP5 ensemble [J]. Climate Change, 119(2): 345–357.

Lambert S J, Boer G J. 2001. CIMP1 evaluation and intercomparison of coupled climate models [J]. Climate Dyn., 17 (2-3): 83-106.

李振朝, 韋志剛, 呂世華, 等. 2013. CMIP5部分模式氣溫和降水模擬結(jié)果在北半球及青藏高原的檢驗 [J]. 高原氣象, 32 (4): 921–928. Li Zhenchao, Wei Zhigang, Lü Shihua, et al. 2013. Verifications of surface air temperature and precipitation from CMIP5 model in Northern Hemisphere and Qinghai-Xizang plateau [J]. Plateau Meteorology (in Chinese), 32 (4): 921–928.

劉曉冉, 李國平, 范廣洲, 等. 2007. 我國西南地區(qū) 1960～2000年降水資源變化的時空特征 [J]. 自然資源學報, 22 (5): 783–792. Liu Xiaoran, Li Guoping, Fan Guangzhou, et al. 2007. Spatial and temporal characteristics of precipitation resource in Southwest China during 1961-2000 [J]. Journal of Natural Resources (in Chinese), 22 (5):783-792.

馬振峰, 彭駿, 高文良, 等. 2006. 近40年西南地區(qū)的氣候變化事實 [J].高原氣象, 25 (4): 633–642. Ma Zhenfeng, Peng Jun, Gao Wenliang, et al. 2006. Climate variation of Southwest China in recent 40 years [J].Plateau Meteorology (in Chinese), 25 (4): 633–642.

Meehl G A, Boer J, Covey C, et al. 1997. Intercomparison makes for a better climate model [J]. Eos, Trans. Amer. Geophys. Union, 78 (41):445–451.

Meehl G A, Boer J, Covey C, et al. 2000. The Coupled Model Intercomparison Project (CMIP)[J]. Bull. Amer. Meteor. Soc., 81:313–318.

Meehl G A, Covey C, McAvaney B, et al. 2005. Overview of the coupled model intercomparison project [J]. Bull. Amer. Meteor. Soc., 86 (1):89–93.

Meehl G A, Covey C, Delworth T, et al. 2007. The WCRP CMIP3 multimodel dataset: A new era in climate change research [J]. Bull. Amer.Meteor. Soc., 88 (9): 1383–1394, doi:10.1175/BAMS-88-9-1383.

Qu X, Huang G, Zhou W. 2013. Consistent responses of East Asian summer mean rainfall to global warming in CMIP5 simulations [J]. Theor. Appl.Climatol., 117 (1-2): 123–131, doi:10.1007/s00704-013-0995-9.

Taylor K E. 2001. Summarizing multiple aspects of model performance in a single diagram [J]. Journal of Geophysical Research, 106 (D7): 7183–7192.

Taylor K E, Stouffer R J, Meehl G A. 2012. An overview of CMIP5 and the experiment design [J]. Bulletin of the American Meteorological Society,93(4): 485–498.

Torres R R, Marengo J A. 2014. Climate change hotspots over South America: From CMIP3 to CMIP5 multi-model datasets [J]. Theoretical and Applied Climatology, 117 (3-4): 579–587, doi:10.1007/s00704-013-1030-x.

Wang L, Chen W. 2013. A CMIP5 multimodel projection of future temperature, precipitation, and climatological drought in China [J]. Int. J.Climatol., 34 (6): 2059–2078. doi: 10.1002/joc.3822

王澄海, 吳永萍, 崔洋. 2009. CMIP研究計劃的進展及其在中國地區(qū)的檢驗和應(yīng)用前景 [J]. 地球科學進展, 24 (5): 461–468. Wang Chenghai, Wu Yongping, Cui Yang. 2009. Evaluating the progress of the CMIP and its application prospect in China [J]. Advances in Earth Science (in Chinese), 24 (5): 461–468.

Wang H J, Yu E T, Yang S. 2011. An exceptionally heavy snowfall in Northeast China: Large-scale circulation anomalies and hindcast of the NCAR WRF model [J]. Meteor. Atmos. Phys., 113 (1-2): 11–25

吳佳, 高學杰. 2013. 一套格點化的中國區(qū)域逐日觀測資料及與其它資料的對比 [J]. 地球物理學報, 56 (4): 1102–1111. Wu Jia, Gao Xuejie.2013. A gridded daily observation dataset over China region and comparison with the other datasets [J]. Chinese Journal of Geophysics (in Chinese), 56(4): 1102–1111.

Xin X G, Wu T W, Zhang J. 2013a. Introduction of CMIP5 experiments carried out with the climate system models of Beijing Climate Center [J].Advances in Climate Change Research, 4 (1): 41–49.

Xin X G, Cheng Y J, Wang F, et al. 2013b. Asymmetry of surface climate change under RCP2.6 projections from the CMIP5 models [J]. Adv.Atmos. Sci., 30 (3): 796–805.

徐崇海, 沈新勇, 徐影. 2007. IPCC AR4 模式對東亞地區(qū)氣候模擬能力的分析 [J]. 氣候變化研究進展, 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 Research (in Chinese), 3 (5): 287–292.

Xu Y, Xu C H. 2012. Preliminary assessment of simulations of climate changes over China by CMIP5 multi-models [J]. Atmos. Oceanic Sci.Lett., 5 (6): 489–494.

Xu Y, Gao X, Giorgi F. 2010. Upgrades to the reliability ensemble averaging method for Producing Probabilistic climate-change Projections [J].Climate Research, 41 (1): 61–81.

Yao Y, Luo Y, Huang J B. 2012. Evaluation and projection of temperature extremes over China based on CMIP5 model [J]. Advances in Climate Change Research, 3 (4): 179–185.

Yao Y, Luo Y, Huang J B, et al. 2013. Comparison of monthly temperature extremes simulated by CMIP3 and CMIP5 models [J]. J. Climate, 26 (19):7692–7707.

張宏芳, 陳海山. 2011a. 21個氣候模式對東亞夏季環(huán)流模擬的評估: Ⅰ氣候態(tài) [J]. 氣象科學, 31 (2): 119–128. Zhang Hongfang, Chen Haishan. 2011a. Evaluation of summer circulation simulation over East Asia by 21 climate models. Part I: Climatology [J]. Scientia Meteorologica Sinica (in Chinese), 31 (2): 119–128.

張宏芳, 陳海山. 2011b. 21個氣候模式對東亞夏季環(huán)流模擬的評估: Ⅱ年際變化 [J]. 氣象科學, 31 (3): 247–257. Zhang Hongfang, Chen Haishan. 2011b. Evaluation of summer circulation simulation over East Asia by 21 climate models. Part II: Interannual variability [J]. Scientia Meteorologica Sinica (in Chinese), 31 (3): 247–257.

Zhang J, Li L, Zhou T J, et al. 2013. Evaluation of spring persistent rainfall over East Asia in CMIP3/CMIP5 AGCM simulations [J]. Adv. Atmos.Sci., 30 (6): 1587–1600.

Zhang J Y, Wang W C, Leung L R. 2008. Contribution of land-atmosphere coupling to summer climate variability over the contiguous United States[J]. J. Geophys. Res., 113, D22109, doi:10.1029/2008JD010136.

張武龍, 張井勇, 范廣洲. 2014. 我國西南地區(qū)干濕季降水的主模態(tài)分析 [J]. 大氣科學, 38 (3): 590–602. Zhang Wulong, Zhang Jingyong,Fan Guangzhou. 2014. Dominant modes of dry- and wet-season precipitation in southwestern China [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 38 (3): 590–602.

朱獻, 董文杰. 2013. CMIP5耦合模式對北半球3–4月積雪面積的歷史模擬和未來預(yù)估 [J]. 氣候變化研究進展, 9 (3): 173–180. Zhu Xian,Dong Wenjie. 2013. Evaluation and projection of Northern Hemisphere March–April snow covered area simulated by CMIP5 coupled climate models [J]. Adv. Clim. Change Res. (in Chinese), 9 (3): 173–180.