林芷葉 葛非 金正睿 孫雪榕

摘要 本文利用26個CMIP6全球氣候模式，研究了21世紀末東南亞極端降水事件的變化，通過分解水汽收支方程分析降水變化的動力和熱力效應。結果表明，21世紀末（2071—2100年）相對歷史參考期（1985—2014年），東南亞大部分地區(qū)的氣候態(tài)降水、極端降水事件的發(fā)生頻率和強度均顯著增加。除大于10 mm降水日數（R10mm）外，其他極端降水指數在SSP5-8.5情景下的變化幅度比SSP2-4.5情景更大。其中強降水量貢獻率（R95pTOT）的增長幅度最大，在SSP2-4.5（SSP5-8.5）情景下增加22％（41％）。極端降水變化對氣候變暖的響應存在明顯的區(qū)域性差異。加里曼丹島將出現更短時集中的極端降水。蘇門答臘島南部的極端降水頻率略有減小，且可能發(fā)生較強的持續(xù)性干旱事件。進一步分析水汽收支方程可知，SSP2-4.5（SSP5-8.5）情景下，熱力作用項對P-E（降水減蒸發(fā)）的變化貢獻為65％（64％），并且模式間一致性更高。而動力作用項對P-E的變化呈抵消趨勢，貢獻為35％（36％）。這說明相比大尺度環(huán)流變化，大氣比濕變化引起的水汽輻合是未來東南亞降水量增多的主要因子。

關鍵詞東南亞;CMIP6;極端降水事件;氣候變化;水汽收支方程

自20世紀中葉以來，隨著溫室氣體排放導致全球增暖，全球極端氣候的演變趨勢發(fā)生變化（Alexander et al.，2006;Fischer and Knutti，2015），陸地極端降水事件的發(fā)生頻率和強度呈增加趨勢（Ali and Mishra，2017）?？焖俚娜蜃兣ㄟ^改變大氣水汽含量、大尺度環(huán)流和水汽供應等加劇熱帶地區(qū)極端降水事件的產生（Sillmann et al.，2017;Chen and Sun，2018）。東南亞低洼地區(qū)廣闊，人口眾多，氣候的年際變化受到復雜的熱帶季風系統和海氣相互作用的共同影響（Krishnan et al.，2016;Ge et al.，2017，2021b;Kim et al.，2019）。該區(qū)域對極端天氣的抵御、恢復和適應能力不足，極端降水的增多對當地的經濟生產發(fā)展和人民安全產生重大影響。過去幾十年間，東南亞大范圍的洪水和干旱事件增多，極端氣候不斷加劇（Chang et al.，2005;Cheong et al.，2018;Zhu et al.，2020b;Sun et al.，2022）。已有研究表明，21世紀末濕潤的熱帶地區(qū)降水呈增長趨勢，東南亞地區(qū)極端降水事件發(fā)生的頻率和強度增加（Tangang et al.，2019;IPCC，2021）。因此，開展東南亞未來極端降水事件的預估以及極端事件產生帶來的影響研究，有利于加強對該地區(qū)氣候敏感性的認識和理解，同時對各國采取積極措施，減少極端降水帶來的風險具有重要意義。

如今，全球氣候模式（Global Climate Models，GCM）被廣泛用于研究歷史氣候變化機理及預測未來氣候（周波濤等，2020;蔣文好和陳活潑，2021;鄧荔等，2022;Jin et al.，2023）。世界氣候研究計劃（World Climate Research Program，WCRP）新推出的第6次國際耦合模式比較計劃（Coupled Model Intercomparison Project Phase 6，CMIP6）的框架結合了共享社會經濟路徑（Shared Socioeconomic Pathways，SSPs）和經典濃度路徑RCPs（Representative Concentration Pathway，RCPs）。CMIP6在參數化方案、物理過程和分辨率等方面相比CMIP5均有顯著改進（詹明月等，2020;陳煒等，2021）。CMIP6中的情景模式比較計劃（Scenario Model Intercomparison，Scenario MIP）的SSP2-4.5和SSP5-8.5分別代表中等輻射強迫和高輻射強迫情景（ONeill et al.，2017）。近年來，國內外學者利用CMIP6全球氣候模式及區(qū)域氣候模式，包括東南亞區(qū)域動力降尺度（CORDEX-SEA）對降水和極端降水事件開展一系列研究（Ge et al.，2019b，2021a;Supari et al.，2020;Tang et al.，2021a）。已有研究表明，未來東南亞的降水量將呈增長趨勢（Supharatid et al.，2022），干旱地區(qū)比濕潤地區(qū)降雨量的增加幅度?。℉amed et al.，2022），21世紀中期和末期中南半島的極端降水事件發(fā)生更頻繁（Tang et al.，2021b）。CORDEX-SEA對東南亞氣候態(tài)降水空間分布的模擬存在濕偏差（Tangang et al.，2020）。全球平均氣溫比工業(yè)化前升高2 ℃時，中南半島大部分地區(qū)的極端降水強度將增大，緬甸北部比東南亞其他區(qū)域受到更嚴重的影響（Tangang et al.，2018）。

在分析極端降水事件變化特征的基礎上，進一步探尋降水變化的物理機制至關重要。全球變暖將加劇全球水循環(huán)（Allan and Soden，2008;OGorman and Schneider，2009）。根據克勞修斯-克拉珀龍（Clausius-Clapeyron）方程，溫度每升高1 ℃，大氣飽和水汽壓約非線性增長6.8％。全球增暖背景下，大氣水汽含量隨溫度的增長率約為7 ％／K，降雨量的增長率約為1 ％／K ～3 ％／K（Held and Soden，2006;Meehl et al.，2007）。其中降水變化主要受動力和熱力過程影響（Taylor et al.，2012）。由于大氣水汽含量隨變暖增多，更多的水汽可以凝結成降水，熱力效應普遍能解釋大尺度極端降水的變化（Min et al.，2011;Kharin et al.，2013）?；谒罩Х匠痰脑\斷，在增暖背景下，全球季風降水變化的區(qū)域差異主要來源于動力效應的差異（Endo and Kitoh，2014）。有研究表明，熱力效應導致21世紀末東北亞地區(qū)夏季平均降水量增加，而動力效應導致朝鮮半島中部的降水減少（Lee et al.，2017）。當全球平均氣溫升高大于2 ℃時，季風環(huán)流增強引起的動力效應在東亞夏季風降水增加中起主導作用，而當增暖幅度較小時，水汽增加引起的熱力效應起主導作用（Li et al.，2019;程軍等，2022）。

目前，增暖背景下東南亞地區(qū)極端降水的預估研究仍存在完善的空間。21世紀末氣候態(tài)降水變化的熱力和動力成因尚未探究。本文使用26個CMIP6全球氣候模式的歷史試驗數據以及兩種共享社會經濟路徑（SSP2-4.5和SSP5-8.5）的預估數據，研究東南亞21世紀末（2071—2100年）極端降水事件相對于歷史參考期（1985—2014年）的變化。通過分解水汽收支方程，量化熱力（變暖引起的水汽增加）和動力（大氣環(huán)流變化）效應對氣候態(tài)降水變化的相對貢獻，分析降水變化的動力和熱力過程及模式間模擬的一致性。

1 資料來源和方法

1.1 數據來源

本文研究區(qū)域為東南亞（95°～140°E，10°S～23°N），包含泰國、柬埔寨、老撾、越南、菲律賓、馬來西亞、新加坡、印度尼西亞等國家，主要島嶼分布如圖1所示。基于26個CMIP6全球氣候模式（表1）歷史試驗數據（1985—2014年）和兩種共享社會經濟途徑下（SSP2-4.5和SSP5-8.5）的預估（2071—2100年）數據，分析極端降水事件的變化特征，量化熱力和動力效應對降水變化的貢獻。使用的變量包括降水量、蒸發(fā)量、地面氣壓場、風場和比濕。除降水量和蒸發(fā)量采用逐日數據外，其他物理量采用逐月數據。由于各模式分辨率不同，本文通過反距離加權插值法將各模式統一插值到0.5°×0.5°網格，與觀測數據的分辨率一致。

本文的觀測數據為東南亞氣候評估和數據集（Southeast Asian Climate Assessment ＆ Dataset，SACA＆D）的每日網格化降水數據SA-OBSv2.0（van den Besselaar et al.，2017）。該數據集的時間范圍為1981—2017年，空間分辨率為0.5°×0.5°和0.25°×0.25°，包含4個變量（日平均氣溫、日最低氣溫、日最高氣溫和日降水量）。由于SACA＆D僅對達到質量標準的站點數據進行網格化，SA-OBS對于研究東南亞區(qū)域的降水變化較為準確和可靠（van den Besselaar et al.，2017;Ge et al.，2019a）。為了研究極端降水事件的未來變化特征，本文使用SA-OBS的逐日降水量數據計算歷史參考期的極端降水指數，選取時段為1985—2014年，空間水平分辨率為0.5°×0.5°。選用由氣候變化監(jiān)測和指數專家組（Expert Team on Climate Change Detection and Indices，ETCCDI）推薦的6個極端降水指數（表2）進行分析研究。

1.2 研究方法

本文使用標準差比率（SDR）和相對均方根誤差（RMSE′）評估歷史參考期（1985—2014年）的極端降水指數。其中標準差比率（SDR）的計算公式如下：

其中：x表示各模式模擬的氣候態(tài)極端降水指數；y表示觀測場的氣候態(tài)極端降水指數；n為格點數； 和 分別為模式和觀測數據的區(qū)域平均值。標準差比率表征模擬與觀測之間均值和變率的偏差大小，越接近1表示模式模擬結果與觀測越相近，模擬結果越好。對于模式相對均方根誤差（RMSE′）的計算，首先計算各模式的均方根誤差（RMSE），二者分別定義如下：

其中：x表示各模式模擬的氣候態(tài)極端降水指數；y表示觀測場的氣候態(tài)極端降水指數；RMSEMedian表示各模式均方根誤差（RMSE）的集合中位數。相對均方根誤差（RMSE′）呈負值表示模擬效果較好（Gleckler et al.，2008；Zhu et al.，2020a；Sun et al.，2022）。

本文通過診斷水汽收支方程來定量評估熱力作用和動力作用對降水變化的影響程度（Seager et al.，2010）。計算方程如下：

其中：表示水平風場的月平均值；表示比濕的月平均值；而u′和q′為二者與其月平均值的偏差；ps為地面氣壓；g為重力加速度；ρw為水汽密度；E為蒸發(fā)量；P為降水量；Res為殘差項；fur表示未來預估期；his表示歷史參考期；δTH和δDY分別表示為比濕變化引起的熱力作用和大氣平均環(huán)流變化引起的動力作用對P-E（降水減蒸發(fā)）變化的影響。根據方程降水量的變化（δP）可分解為局地蒸發(fā)量變化（δE）、熱力作用變化（δTH）、動力作用變化（δDY）和瞬變渦旋水汽變化（δTE）以及殘差（Res）。Res相比其他幾項量級較小，對降水變化的貢獻可忽略不計（Seager et al.，2010；Endo and Kitoh，2014；Chen et al.，2022）。

為了進一步探究熱力作用變化和動力作用變化中的水汽輸送情況，計算大氣低層水汽通量，定義如下：

其中：QTH和QDY分別表示地表到700 hPa垂直積分的低層水汽輸送通量（Giannini et al.，2018）。

2 研究結果

2.1 東南亞歷史時期極端降水事件模擬評估

圖2展示了1985—2014年模式模擬的極端降水指數與觀測數據的相對均方根誤差和標準差比值。結果顯示，有接近三分之一的模式對最大連續(xù)濕潤日數（CWD）模擬的相對均方根誤差大于0.3，表現出比較差的模擬能力。絕大部分模式的CWD和強降水量貢獻率（R95pTOT）的標準差比值大于2，說明模式對于CWD和R95pTOT空間分布的再現能力相對其他極端降水指數較弱。FGOALS-g3、IPSL-CM6A-LR、INM-CM4-8和INM-CM5-0的模擬結果較差，對6個極端指數模擬的相對均方根誤差均大于0，部分指數的標準差比值也比其他模式更偏離1。有研究表明，模式的集合中位數能在有效減小模式間的系統性誤差的基礎上呈現多模式預估結果（Zhou et al.，2014;孫雪榕等，2021）。

圖2最右列為26個CMIP6模式的集合中位數。多模式集合中位數對極端降水指數模擬的相對均方根誤差均為負值，標準差比值較其他單一模式相比也更接近于1，模擬能力比單個模式更為優(yōu)秀。為了減少模式間的不確定性，下文采用多模式集合中位數進一步分析21世紀末東南亞極端降水變化特征及可能原因。

2.2 東南亞極端降水事件的未來演變特征

為了分析21世紀末期相對于歷史參考期，東南亞極端降水事件的變化特征，多模式集合中位數預估的6個極端降水指數的空間分布如圖3所示。其中CDD（CWD）表示干旱（降雨）的持續(xù)時間，PRCPTOT為年降水總量，R10mm表征極端降水頻率，R95pTOT和SDII表征極端降水強度。從圖3可以看出，在兩種排放情景下極端降水指數的空間變化分布較為一致，極端降水事件顯著變化區(qū)域普遍位于加里曼丹島和中南半島南部。最大連續(xù)干旱日數（CDD）在中南半島北部呈減少趨勢，在中南半島南部和蘇門答臘島南部則明顯增加，SSP5-8.5情景下增加達12 d（圖3b）。東南亞大部分區(qū)域的最大連續(xù)濕潤日數（CWD）呈減少趨勢，在SSP5-8.5情景下中南半島南部、加里曼丹島北部和菲律賓群島減少超過15 d，變化幅度明顯大于SSP2-4.5情景（圖3d）。CDD和CWD的變化表明，全球變暖背景下東南亞的大部分區(qū)域在21世紀末會經歷更長的干旱期和更短的雨期，加劇氣候的極端程度。

對于中南半島、加里曼丹島和新幾內亞島，年降水總量（PRCPTOT）的增長較為顯著。在SSP5-8.5情景下，加里曼丹島大部分區(qū)域PRCPTOT增加超過300 mm（圖3f）。除小部分東南亞南部區(qū)域外，兩種情景下預估的PRCPTOT 和大于10 mm降水日數（R10mm）均呈整體增加趨勢（圖3e—h）。強降水量貢獻率（R95pTOT）和降水強度（SDII）變化的空間分布較為一致，中南半島西北部和加里曼丹島中部的增加幅度明顯高于其他地區(qū)（圖3i—l）。在SSP2-4.5（SSP5-8.5）情景下，R95pTOT和SDII區(qū)域平均的增幅分別為6％（12％）和1 mm／d（1.5 mm／d）。蘇門答臘島南部的極端降水變化特征與其他區(qū)域不同，PRCPTOT和R10mm呈減少趨勢，而CDD增加幅度較大，表明該區(qū)域未來極端降水的強度增長較弱，極端降水頻率和總量略有減小，且可能發(fā)生較強的持續(xù)干旱事件。

對于模式集合中位數的區(qū)域平均預估結果，除CWD呈減少趨勢外，其他極端指數均呈增加趨勢。其中增加幅度最大的為R95pTOT，在SSP2-4.5（SSP5-8.5）情景下區(qū)域平均的增長幅度為22％（41％）。CDD的增加幅度為8％（23％），CWD的減少幅度為5％（12％）;PRCPTOT、R10mm和SDII增加幅度較小，增加幅度分別為4％（6％）、4％（4％）和7％（11％）。除R10mm外，其他極端降水指數在SSP5-8.5情景下的變化幅度比SSP2-4.5情景更大。另外，模式在SSP5-8.5情景下的模擬不確定性更大。相比其他指數，CDD和R95pTOT的模式間模擬差異較大，表明模式對這兩個極端降水指數的模擬存在較大的不確定性。綜上所述，除蘇門答臘島的部分區(qū)域，21世紀末東南亞整體呈現出極端降水總量、頻率和強度均顯著增加，連續(xù)降水日數減少的趨勢。對于21世紀末期的東南亞海洋性大陸，極端降水的持續(xù)性較歷史時期相對減弱，但降水在時空上的集中程度顯著增長，發(fā)生洪澇災害的風險有所增加。

2.3 影響東南亞降水未來變化的動力和熱力過程

由于極端降水占年降水總量的比例普遍較高，極端降水事件的變化對總降水的變化有顯著影響。為了進一步研究東南亞的氣候變化，本文利用水汽收支方程揭示影響東南亞降水未來變化的動力和熱力因子。首先對東南亞氣候態(tài)降水的未來變化進行分析。圖5展示了21世紀末東南亞SSP2-4.5和SSP5-8.5情景下模式集合中位數預估的空間分布，包括降水量、蒸發(fā)量和降水量與蒸發(fā)量差值（P-E）的氣候態(tài)變化。東南亞大部分地區(qū)在兩情景下氣候態(tài)降水呈增加趨勢。SSP2-4.5情景下，降水量顯著增長的區(qū)域主要位于加里曼丹島和新幾內亞島，增加幅度大于0.8 mm／d，在蘇門答臘島南部為減少趨勢，與PRCPTOT的空間分布變化基本一致（圖5a）。對于SSP5-8.5情景，除菲律賓群島南部的部分地區(qū)降水量減少，其他區(qū)域都呈增加趨勢，變化普遍大于1.2 mm／d（圖5d），相比SSP2-4.5情景有明顯加強。

在SSP2-4.5（SSP5-8.5）情景下，P-E的區(qū)域平均增長量為0.19 mm／d（0.3 mm／d）。其中SSP2-4.5情景下，蘇門答臘島南部、菲律賓群島和中南半島中部的P-E呈減少的變化趨勢（圖5c），氣候趨于弱干旱。與之相比，SSP5-8.5情景下中南半島P-E增加的范圍擴大，東南亞的大部分區(qū)域的P-E一致表現為增加的演變趨勢（圖5f）。對于整個東南亞區(qū)域，SSP2-4.5和SSP5-8.5情景下降水量平均增加0.31 mm／d和0.45 mm／d，蒸發(fā)量平均增加0.12 mm／d和0.16 mm／d（圖7）。由于降水量和P-E變化的空間分布較為相似且蒸發(fā)量變化較小，P-E的變化趨勢主要由降水量的變化控制。上述分析表明，21世紀末東南亞的大部分區(qū)域氣候更加濕潤，這與之前大多數對東南亞降水的預估結論一致（Hamed et al.，2022;Supharatid et al.，2022）。

為了定量預估東南亞未來氣候變化中大氣比濕變化和環(huán)流變化的影響，本文進一步利用水汽收支方程分析熱力作用項（TH）和動力作用項（DY）對降水變化的相對貢獻。圖6分別展示了SSP2-4.5和SSP5-8.5情景下TH和DY變化的空間分布，圖中矢量表示TH和DY的低層水汽通量輸送。從圖中可以看出，兩種排放情景下TH和DY的變化對P-E變化均有顯著貢獻。其中TH主要表現為正變化，加里曼丹島北部有明顯的水汽通量輻合（圖6a、c）。與SSP2-4.5情景相比，SSP5-8.5情景下TH的增長幅度更大，水汽輸送更強且氣旋式環(huán)流變化更明顯。兩情景下TH與P-E變化的空間分布場也能較好對應，水汽輸送的氣旋式環(huán)流中心與P-E的增長大值區(qū)同樣位于加里曼丹島。與之相反，在中南半島東南部、蘇門答臘島和加里曼丹島東部和南部DY對P-E的變化起負貢獻，水汽通量表現為明顯的輻散（圖6b、d）。

圖7給出了21世紀末期，SSP2-4.5和SSP5-8.5情景下東南亞的水汽收支方程各項相對于歷史參考期的氣候態(tài)變化。對于SSP2-4.5（SSP5-8.5）情景下的區(qū)域平均值，TH增加0.36 mm／d（0.68 mm／d），占P-E增加量的65％（64％）;DY減少幅度為0.19 mm／d（0.38 mm／d），占P-E增加量的35％（36％），抵消了一部分TH增加帶來的P-E變化。瞬變渦旋水汽項（TE）變化的量級較小，對降水變化沒有明顯影響。定量分析表明，21世紀末東南亞的大氣比濕變化對P-E的變化起主導作用，與之相比，大尺度環(huán)流變化的作用較不明顯。相對于蒸發(fā)量和DY的變化，熱力效應的增強對降水演變影響更大。氣候變暖背景下，大氣的熱力環(huán)境變化導致水汽含量隨之變化，有利于增加水汽供應，引發(fā)更多局地對流性降水，為東南亞的降水強度增大提供有利條件（Ge et al.，2019b，2021a）。

圖8和圖9分別為SSP2-4.5和SSP5-8.5情景下水汽收支方程各項變化的模式一致性。模式一致性定義為相對變化都為正或都為負的模式數量，相對變化一致的模式越多，一致性越強（Seager et al.，2014;Nissen and Ulbrich，2017;Luo et al.，2022）?？臻g分布上看，兩情景下方程各項的模式變化一致性基本相似，SSP5-8.5情景下一致性略高于SSP2-4.5情景。氣候態(tài)降水量、蒸發(fā)量和P-E的變化在東南亞大部分區(qū)域的模式一致性都較高，模擬出一致變化的模式普遍占模式總數的70 ％以上。熱力作用項在中南半島北部主要呈減少趨勢，模式一致性較差。值得注意的是，東南亞南部地區(qū)，包括蘇門答臘島、加里曼丹島、蘇拉維西島和新幾內亞島的TH均呈現出較好的模式一致性，表現為正變化的模式基本達到24個以上，占模式總數的80％，模式間模擬差異較小，預測不確定性較低（圖8d、9d）。DY在東南亞區(qū)域整體的模式間模擬差異較大，變化一致性較低，表現出模式預測的不確定性較高（圖8e、9e）。

3 結論與討論

本文利用SA-OBS數據集評估了26個CMIP6全球氣候模式對東南亞氣候態(tài)極端降水事件歷史模擬性能。綜合評估結果，分析在21世紀末兩種排放情景（SSP2-4.5和SSP5-8.5）下極端降水事件的變化特征。通過分解水汽收支方程分析熱力和動力過程對降水未來變化的影響程度，結合模式對方程各項模擬的一致性，初步探討極端降水變化的可能原因。所得到的結論總結如下：

1）21世紀末東南亞極端降水事件變化的區(qū)域差異較大，其中PRCPTOT和R10mm在加里曼丹島顯著增加。蘇門答臘島南部的極端降水變化較小，CDD增加幅度較大，發(fā)生持續(xù)性干旱事件的風險增大。對東南亞整體而言，除CWD呈減少趨勢外，其他極端降水指數呈增加趨勢。增加幅度最大的為R95pTOT，在SSP2-4.5（SSP5-8.5）情景下區(qū)域平均的增長幅度為22％（41％）。PRCPTOT、R10mm和SDII增加幅度較小，除R10mm外，其他極端指數在SSP5-8.5情景下的變化幅度比SSP2-4.5情景更大。兩種排放情景下，21世紀末東南亞大部分區(qū)域均表現出年降水總量、極端降水頻率和強度的顯著增加趨勢，連續(xù)降水日數減少，降水更集中。

2）與歷史時期相比，21世紀末兩情景下氣候態(tài)降水在東南亞大部分地區(qū)呈明顯的增加趨勢，增加的大值區(qū)主要位于加里曼丹島和新幾內亞島，氣候態(tài)降水量演變的空間變化分布與PRCPTOT相似。SSP2-4.5和SSP5-8.5情景下降水量的區(qū)域平均增長量分別為0.31 mm／d和0.45 mm／d，P-E分別增長0.19 mm／d和0.3 mm／d。降水量和P-E變化的空間分布較一致，蒸發(fā)量的變化幅度較小，降水量增加對P-E的增長趨勢起主導作用。

3）通過分解水汽收支方程可得，SSP2-4.5（SSP5-8.5）情景下熱力作用項的增加幅度更大，占P-E增加量的65％（64％），動力作用項對P-E的貢獻率為35％（36％）。熱力作用項變化的模擬一致性較高，SSP5-8.5情景下熱力作用項對P-E的貢獻更顯著。由于P-E的增長趨勢由降水量的變化主導，熱力和動力效應對21世紀末氣候態(tài)降水的增加均有顯著貢獻。氣候變暖背景下，大氣比濕變化相比大尺度環(huán)流場的變化對21世紀末東南亞降水的增加產生更大影響。

本研究發(fā)現，21世紀末期中等排放情景下，東南亞極端降水事件的發(fā)生強度及降水總量的增長幅度弱于高排放情景。通過分解水汽收支方程，發(fā)現氣候態(tài)降水增長主要與比濕變化引起的熱力作用有關。由于東南亞復雜的陸海分布和地形，氣候受亞澳季風系統等大尺度環(huán)流影響，溫度和降水的變化呈季節(jié)性不對稱（Chou et al.，2007;Robertson et al.，2011）。復雜的海氣相互作用和遙相關，如ENSO和熱帶季節(jié)內震蕩（Madden-Julian Oscillation，MJO）的影響也使該地區(qū)存在較大的氣候變率，東南亞雨季和旱季的降水和極端降水事件變化存在一定差異（Ge et al.，2017，2021b;Yoneyama and Zhang，2020）。并且當前的氣候模式在分辨率、參數化方案和物理過程模擬等方面依然存在不足，對東南亞降水的預估仍然存在較大的不確定性。為了加強模式集合預估對氣候變暖的一致響應，通過選用對歷史參考期模擬效果較好的模式（Tang et al.，2021b;Wang et al.，2021;Khadka et al.，2022）或使用偏差校正方法（Gu et al.，2019;陳說等，2021）提高模式集合預估的可信度。同時需要注意的是，利用水汽收支方程對模式降水的分解存在著一定的緯度差異，如熱帶地區(qū)的降水分解與原數據的相關性高于中高緯地區(qū)（Zhou et al.，2018）。另外，由于不同模式水平分辨率的差異，模式對復雜地形的降水過程模擬存在一定的不確定性。對于本研究使用的水汽收支方程，殘差項中包含的地表水汽通量變化（-qsus·SymbolQC@ps）也可能產生一定影響（Seager et al.，2010;Dai et al.，2022）。

對于未來極端降水變化的機理，水汽輸送和長期維持的大尺度大氣環(huán)流是分析區(qū)域極端降水的熱力和動力機制的基礎（Durn-Quesada et al.，2010;Espinoza et al.，2018）。預估結果表明，未來會有更強的水汽輸送，區(qū)域極端降水機制可能是由變暖引起的水汽來源和輸送機制的變化（Lavers et al.，2015;Liu et al.，2020）。Pfahl et al.（2017）對極端降水的預估結果分析表明，熱力效應通常會導致全球大多數區(qū)域的極端降水強度增加，而動力效應可能增強或抵消區(qū)域極端降水的增長。副熱帶極端降水強度的變化受水平尺度的異常上升運動影響，熱帶地區(qū)季節(jié)平均環(huán)流的變化也可能是影響極端降水強度的重要因素（Tandon et al.，2018）。尹家波等（2021）基于能量收支和水汽平衡方程，對極端降水事件的熱力項和動力項進行分解，得到高溫下極端事件的水汽輸送能力受限由動力學約束造成。未來有待探究東南亞極端降水的熱力和動力過程，揭示極端降水影響機理并得到更可靠的預估結果，從而更全面的評估極端氣候風險。

參考文獻（References）

Alexander L V，Zhang X，Peterson T C，et al.，2006.Global observed changes in daily climate extremes of temperature and precipitation［J］.J Geophys Res Atmos，111（D5）：D05109.doi：10.1029／2005JD006290.

Ali H，Mishra V，2017.Contrasting response of rainfall extremes to increase in surface air and dewpoint temperatures at urban locations in India［J］.Sci Rep，7（1）：1228.doi：10.1038／s41598-017-01306-1.

Allan R P，Soden B J，2008.Atmospheric warming and the amplification of precipitation extremes［J］.Science，321（5895）：1481.doi：10.1126／science.1160787.

Chang C P，Wang Z，McBride J，et al.，2005.Annual cycle of Southeast Asia—Maritime continent rainfall and the asymmetric monsoon transition［J］.J Climate，18（2）：287-301.doi：10.1175／jcli-3257.1.

Chen H P，Sun J Q，2018.Projected changes in climate extremes in China in a 1.5 ℃ warmer world［J］.Int J Climatol，38（9）：3607-3617.doi：10.1002／joc.5521.

Chen Q L，Ge F，Jin Z R，et al.，2022.How well do the CMIP6 HighResMIP models simulate precipitation over the Tibetan Plateau？［J］.Atmos Res，279：106393.doi：10.1016／j.atmosres.2022.106393.

陳說，葉濤，劉葦航，等，2021.NEX-GDDP和CMIP5對青藏高原地區(qū)近地面氣象場歷史和未來模擬的評估與偏差校正［J］.高原氣象，40（2）：257-271. Chen S，Ye T，Liu W H，et al.，2021.Evaluation and bias correction of the historical and future near-surface climate forcing in NEX-GDDP and CMIP5 over the qinghai-Xizang plateau［J］.Plateau Meteor，40（2）：257-271.doi：10.7522／j.issn.1000-0534.2020.00019.（in Chinese）.

陳煒，姜大膀，王曉欣，2021.CMIP6模式對青藏高原氣候的模擬能力評估與預估研究［J］.高原氣象，40（6）：1455-1469. Chen W，Jiang D B，Wang X X，2021.Evaluation and projection of CMIP6 models for climate over the Qinghai-Xizang（Tibetan）Plateau［J］.Plateau Meteor，40（6）：1455-1469.doi：10.7522／j.issn.1000-0534.2021.zk003.（in Chinese）.

程軍，顧鵬，馬依依，2022.增暖背景下東亞夏季風區(qū)降水演變的空間模態(tài)及其形成機制［J］.大氣科學學報，45（2）：239-246. Cheng J，Gu P，Ma Y Y，2022.Spatial patterns of East Asian summer monsoon rainfall under warming climate［J］.Trans Atmos Sci，45（2）：239-246.doi：10.13878／j.cnki.dqkxxb.20200601001.（in Chinese）.

Cheong W K，Timbal B，Golding N，et al.，2018.Observed and modelled temperature and precipitation extremes over Southeast Asia from 1972 to 2010［J］.Int J Climatol，38（7）：3013-3027.doi：10.1002／joc.5479.

Chou C A，Tu J Y，Tan P H，2007.Asymmetry of tropical precipitation change under global warming［J］.Geophys Res Lett，34（17）.doi：10.1029／2007gl030327.

Dai L，Cheng T F，Lu M Q，2022.Anthropogenic warming disrupts intraseasonal monsoon stages and brings dry-get-wetter climate in future East Asia［J］.NPJ Clim Atmos Sci，5：11.doi：10.1038／s41612-022-00235-9.

鄧荔，朱歡歡，江志紅，2022.不同情景達到碳中和下中國區(qū)域氣候變化的預估［J］.大氣科學學報，45（3）：364-375. Deng L，Zhu H H，Jiang Z H，2022.Projection of climate change in China under carbon neutral scenarios［J］.Trans Atmos Sci，45（3）：364-375.doi：10.13878／j.cnki.dqkxxb.20220323015.（in Chinese）.

Durn-Quesada A M，Gimeno L，Amador J A，et al.，2010.Moisture sources for Central America：identification of moisture sources using a Lagrangian analysis technique［J］.J Geophys Res，115（D5）.doi：10.1029／2009jd012455.

Endo H，Kitoh A，2014.Thermodynamic and dynamic effects on regional monsoon rainfall changes in a warmer climate［J］.Geophys Res Lett，41（5）：1704-1711.doi：10.1002／2013gl059158.

Espinoza V，Waliser D E，Guan B，et al.，2018.Global analysis of climate change projection effects on atmospheric rivers［J］.Geophys Res Lett，45（9）：4299-4308.doi：10.1029／2017gl076968.

Fischer E M，Knutti R，2015.Anthropogenic contribution to global occurrenceof heavy-precipitation andhigh-temperature extremes［J］.Nat Clim Change，5：560-564.doi：10.1038／nclimate2617.

Ge F，Zhi X F，Ahmad Babar Z，et al.，2017.Interannual variability of summer monsoon precipitation over the Indochina Peninsula in association with ENSO［J］.Theor Appl Climatol，128（3）：523-531.doi：10.1007／s00704-015-1729-y.

Ge F，Peng T，Fraedrich K，et al.，2019a.Assessment of trends and variability in surface air temperature on multiple high-resolution datasets over the Indochina Peninsula［J］.Theor Appl Climatol，135（3）：1609-1627.doi：10.1007／s00704-018-2457-x.

Ge F，Zhu S P，Peng T，et al.，2019b.Risks of precipitation extremes over Southeast Asia：does 1.5 ℃ or 2 ℃ global warming make a difference？［J］.Environ Res Lett，14（4）：044015.doi：10.1088／1748-9326／aaff7e.

Ge F，Zhu S P，Luo H L，et al.，2021a.Future changes in precipitation extremes over Southeast Asia：insights from CMIP6 multi-model ensemble［J］.Environ Res Lett，16（2）：024013.doi：10.1088／1748-9326／abd7ad.

Ge F，Zhu S P，Sielmann F，et al.，2021b.Precipitation over Indochina during the monsoon transition：modulation by Indian Ocean and ENSO regimes［J］.Climate Dyn，57（9）：2491-2504.doi：10.1007／s00382-021-05817-6.

Giannini A，Lyon B，Seager R，et al.，2018.Dynamical and thermodynamic elements of modeled climate change at the East African margin of convection［J］.Geophys Res Lett，45（2）：992-1000.doi：10.1002／2017gl075486.

Gleckler P J，Taylor K E，Doutriaux C，2008.Performance metrics for climate models［J］.J Geophys Res Atmos，113（D6）：D06104.doi：10.1029／2007JD008972.

Gu L，Chen J，Xu C Y，et al.，2019.The contribution of internal climate variability to climate change impacts on droughts［J］.Sci Total Environ，684：229-246.doi：10.1016／j.scitotenv.2019.05.345.

Hamed M M，Nashwan M S，Shahid S，et al.，2022.Inconsistency in historical simulations and future projections of temperature and rainfall：a comparison of CMIP5 and CMIP6 models over Southeast Asia［J］.Atmos Res，265：105927.doi：10.1016／j.atmosres.2021.105927.

Held I M，Soden B J，2006.Robust responses of the hydrological cycle to global warming［J］.J Climate，19（21）：5686-5699.doi：10.1175／jcli3990.1.

IPCC，2021.Climate change 2021：the physical science basis［R］／／Masson-Delmotte V，Zhai P M，Pirani A，et al.Contribution of Working Group I to the Assessment Report of the Intergovernmental Panel on Climate Change.Cambridge and New York：Cambridge University Press.

蔣文好，陳活潑，2021.CMIP6模式對亞洲中高緯區(qū)極端溫度變化的模擬及預估［J］.大氣科學學報，44（4）：592-603. Jiang W H，Chen H P，2021.Assessment and projection of changes in temperature extremes over the mid-high latitudes of Asia based on CMIP6 models［J］.Trans Atmos Sci，44（4）：592-603.doi：10.13878／j.cnki.dqkxxb.20210203001.（in Chinese）.

Jin Z R，Ge F，Chen Q L，et al.，2023.To what extent horizontal resolution improves the simulation of precipitation in CMIP6 HighResMIP models over Southwest China？［J］.Front Earth Sci，10：1003748.

Khadka D，Babel M S，Abatan A A，et al.，2022.An evaluation of CMIP5 and CMIP6 climate models in simulating summer rainfall in the Southeast Asian monsoon domain［J］.Int J Climat，42（2）：1181-1202.doi：10.1002／joc.7296.

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.doi：10.1007／s10584-013-0705-8.

Kim I W，Oh J，Woo S，et al.，2019.Evaluation of precipitation extremes over the Asian domain：observation and modelling studies［J］.Climate Dyn，52（3）：1317-1342.doi：10.1007／s00382-018-4193-4.

Krishnan R，Sabin T P，Vellore R，et al.，2016.Deciphering the desiccation trend of the South Asian monsoon hydroclimate in a warming world［J］.Climate Dyn，47（3）：1007-1027.doi：10.1007／s00382-015-2886-5.

Lavers D A，Ralph F M，Waliser D E，et al.，2015.Climate change intensification of horizontal water vapor transport in CMIP5［J］.Geophys Res Lett，42（13）：5617-5625.doi：10.1002／2015gl064672.

Lee D，Min S K，Jin J，et al.，2017.Thermodynamic and dynamic contributions to future changes in summer precipitation over Northeast Asia and Korea：a multi-RCM study［J］.Climate Dyn，49（11）：4121-4139.doi：10.1007／s00382-017-3566-4.

Li Z B，Sun Y，Li T，et al.，2019.Future changes in East Asian summer monsoon circulation and precipitation under 1.5 to 5 ℃ of warming［J］.Earths Future，7（12）：1391-1406.doi：10.1029／2019ef001276.

Liu B J，Tan X Z，Gan T Y，et al.，2020.Global atmospheric moisture transport associated with precipitation extremes：mechanisms and climate change impacts［J］.Wires Water，7（2）.doi：10.1002／wat2.1412.

Luo X，Ge J，Guo W D，et al.，2022.The biophysical impacts of deforestation on precipitation：results from the CMIP6 model intercomparison［J］.J Climate，35（11）：3293-3311.doi：10.1175／JCLI-D-21-0689.1.

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

Min S K，Zhang X B，Zwiers F W，et al.，2011.Human contribution to more-intense precipitation extremes［J］.Nature，470（7334）：378-381.doi：10.1038／nature09763.

Nissen K M，Ulbrich U，2017.Increasing frequencies and changing characteristics of heavy precipitation events threatening infrastructure in Europe under climate change［J］.Nat Hazards Earth Syst Sci，17（7）：1177-1190.doi：10.5194／nhess-17-1177-2017.

OGorman P A，Schneider T，2009.The physical basis for increases in precipitation extremes in simulations of 21st-century climate change［J］.Proc Natl Acad Sci USA，106（35）：14773-14777.doi：10.1073／pnas.0907610106.

ONeill B C，Kriegler E，Ebi K L，et al.，2017.The roads ahead：narratives for shared socioeconomic pathways describing world futures in the 21st century［J］.Glob Environ Change，42：169-180.doi：10.1016／j.gloenvcha.2015.01.004.

Pfahl S，OGorman P A，Fischer E M，2017.Understanding the regional pattern of projected future changes in extreme precipitation［J］.Nat Climate Change，7：423-427.doi：10.1038／nclimate3287.

Robertson A W，Moron V，Qian J H，et al.，2011.The global monsoon system：research and forecast［M］.2nd ed.Singapore：World Scientific Publication Company：85-98.

Seager R，Naik N，Vecchi G A，2010.Thermodynamic and dynamic mechanisms for large-scale changes in the hydrological cycle in response to global warming［J］.J Climate，23（17）：4651-4668.doi：10.1175／2010JCLI3655.1.

Seager R，Neelin D，Simpson I，et al.，2014.Dynamical and thermodynamical causes of large-scale changes in the hydrological cycle over North Americain response to global warming［J］.J Climate，27（20）：7921-7948.doi：10.1175／JCLI-D-14-00153.1.

Sillmann J，Stjern C W，Myhre G，et al.，2017.Slow and fast responses of mean and extreme precipitation to different forcing in CMIP5 simulations［J］.Geophys Res Lett，44（12）：6383-6390.doi：10.1002／2017GL073229.

孫雪榕，葛非，羅浩林，等，2021.全球增暖1.5℃和2.0℃下成渝經濟區(qū)及周邊地區(qū)極端溫度事件的變化預估［J］.大氣科學學報，44（6）：875-887. Sun X R，Ge F，Luo H L，et al.，2021.Projected changes of temperature extremes in Chengdu-Chongqing Economic Zone and its surrounding areas under 1.5 ℃ and 2.0 ℃global warming［J］.Trans Atmos Sci，44（6）：875-887.doi：10.13878／j.cnki.dqkxxb.20201221001.（in Chinese）.

Sun X R，Ge F，Fan Y，et al.，2022.Will population exposure to heat extremes intensify over Southeast Asia in a warmer world？［J］.Environ Res Lett，17（4）：044006.doi：10.1088／1748-9326／ac48b6.

Supari，Tangang F，Juneng L，et al.，2020.Multi-model projections of precipitation extremes in Southeast Asia based on CORDEX-Southeast Asia simulations［J］.Environ Res，184：109350.doi：10.1016／j.envres.2020.109350.

Supharatid S，Nafung J，Aribarg T，2022.Projected changes in temperature and precipitation over mainland Southeast Asia by CMIP6 models［J］.J Water Climate Change，13（1）：337-356.doi：10.2166／wcc.2021.015.

Tandon N F，Zhang X B，Sobel A H，2018.Understanding the dynamics of future changes in extreme precipitation intensity［J］.Geophys Res Lett，45（6）：2870-2878.doi：10.1002／2017GL076361.

Tang B，Hu W T，Duan A M，2021a.Assessment of extreme precipitation indices over Indochina and South China in CMIP6 models［J］.J Climate，34（18）：7507-7524.doi：10.1175／JCLI-D-20-0948.1.

Tang B，Hu W T，Duan A M，2021b.Future projection of extreme precipitation indices over the Indochina Peninsula and South China in CMIP6 models［J］.J Climate，34（21）：8793-8811.doi：10.1175／JCLI-D-20-0946.1.

Tangang F，Supari S，Chung J X，et al.，2018.Future changes in annual precipitation extremes over Southeast Asia under global warming of 2 ℃［J］.APN Sci Bull，8（1）.doi：10.30852／sb.2018.436.

Tangang F，Santisirisomboon J，Juneng L，et al.，2019.Projected future changes in mean precipitation over Thailand based on multi-model regional climate simulations of CORDEX Southeast Asia［J］.Int J Climat，39（14）：5413-5436.doi：10.1002／joc.6163.

Tangang F，Chung J X，Juneng L，et al.，2020.Projected future changes in rainfall in Southeast Asia based on CORDEX-SEA multi-model simulations［J］.Climate Dyn，55（5／6）：1247-1267.doi：10.1007／s00382-020-05322-2.

Taylor K E，Stouffer R J，Meehl G A，2012.An overview of CMIP5 and the experiment design［J］.Bull Amer Meteor Soc，93（4）：485-498.doi：10.1175／BAMS-D-11-00094.1.

van den Besselaar E J M，van der Schrier G，Cornes R C，et al.，2017.SA-OBS：a daily gridded surface temperature and precipitation dataset for southeast Asia［J］.J Climate，30（14）：5151-5165.doi：10.1175／jcli-d-16-0575.1.

Wang L，Qian Y，Leung L R，et al.，2021.Multiple metrics informed projections of future precipitation in China［J］.Geophys Res Lett，48（18）：e93810.doi：10.1029／2021gl093810.

尹家波，郭生練，顧磊，等，2021.中國極端降水對氣候變化的熱力學響應機理及洪水效應［J］.科學通報，66（33）：4315-4325. Yin J B，Guo S L，Gu L，et al.，2021.Thermodynamic response of precipitation extremes to climate change and its impacts on floods over China［J］.Chin Sci Bull，66（33）：4315-4325.doi：10.1360／TB-2021-0438.（in Chinese）.

Yoneyama K，Zhang C，2020.Years of the maritime continent［J］.Geophys Res Lett，47（12）：e87182.doi：10.1029／2020gl087182.

詹明月，王國杰，陸姣，等，2020.基于CMIP6多模式的長江流域蒸散發(fā)預估及影響因素［J］.大氣科學學報，43（6）：1115-1126. Zhan M Y，Wang G J，Lu J，et al.，2020.Projected evapotranspiration and the influencing factors in the Yangtze River Basin based on CMIP6 models［J］.Trans Atmos Sci，43（6）：1115-1126.doi：10.13878／j.cnki.dqkxxb.20200927002.（in Chinese）.

Zhou B T，Wen Q H，Xu Y，et al.，2014.Projected changes in temperature and precipitation extremes in China by the CMIP5 multimodel ensembles［J］.J Climate，27（17）：6591-6611.doi：10.1175／JCLI-D-13-00761.1.

Zhou S J，Huang G，Huang P，2018.Changes in the East Asian summer monsoon rainfall under global warming：moisture budget decompositions and the sources of uncertainty［J］.Climate Dyn，51（4）：1363-1373.doi：10.1007／s00382-017-3959-4.

Zhu S P，Ge F，Fan Y，et al.，2020a.Conspicuous temperature extremes over Southeast Asia：seasonal variations under 1.5 ℃ and 2 ℃ global warming［J］.Climate Change，160（3）：343-360.doi：10.1007／s10584-019-02640-1.

Zhu S P，Ge F，Sielmann F，et al.，2020b.Seasonal temperature response over the Indochina Peninsula to a worst-case high-emission forcing：a study with the regionally coupled model ROM［J］.Theor Appl Climatol，142（1）：613-622.doi：10.1007／s00704-020-03345-7.

周波濤，徐影，韓振宇，等，2020.“一帶一路” 區(qū)域未來氣候變化預估［J］.大氣科學學報，43（1）：255-264. Zhou B T，Xu Y，Han Z Y，et al.，2020.CMIP5 projected changes in mean and extreme climate in the Belt and Road region［J］.Trans Atmos Sci，43（1）：255-264.doi：10.13878／j.cnki.dqkxxb.20191125009.（in Chinese）.