如今,气候变化作为科学前沿问题,已经给人类的生存和发展提出了一个重大的挑战.根据政府间气候变化专门委员会(Intergovernmental Panel on Climate Change, IPCC)第五次评估报告(AR5)(IPCC, 2013)的主要结论,1880—2012年全球平均地表气温升高了0.85(0.65~1.06)℃.而且未来的温度将会持续升高,极端暖事件进一步增多(胡伯彦等, 2013).据估计,到21世纪末(2081—2100年),全球平均地表气温将比1986—2005年增加0.3~4.8 ℃(IPCC, 2013).全球未来的降水则会呈现“干者愈干、湿者愈湿”的格局,强降水事件发生的强度和频率都可能进一步加大(Zhao et al., 2014).中国东北地区拥有丰富的林业资源,是我国最大的国有林区,林业用地面积达5350.3万公顷,森林覆盖率67.1%.活立木总蓄积量35万立方米,占全国活立木总蓄积的24.3%,是我国重要的木材生产基地(张珑晶,2014).此外,东北地区还是我国重要的商品粮基地,2012年东北地区粮食产量为11175万吨,占全国粮食总产量的19.0%,2013年更是达到了11750万吨,成为全国粮食增长最快、贡献最大的区域(关国锋等,2015).可见,东北未来气候的变化关系到全国的林业资源与粮食安全,因此研究东北的未来气候变化有着十分重要的意义.
气候模式是预测未来气候变化的重要工具(Chen, 2013).与之前的模式相比,国际耦合模式比较计划第五阶段(phase five of the Coupled Model Intercomparison Project, CMIP5)中的模式在分辨率、物理过程以及参数化等方面都有所改进(Guo et al., 2013).这些改进在对气温的模拟上效果较为明显(Chen et al., 2011; Zhao et al., 2014),如Guo等(2013)的研究表明,CMIP5模式对中国年平均气温的模拟结果优于CMIP3模式,对气温气候态的空间分布以及变化趋势等特征的模拟能力都有所提高.但CMIP5模式对降水的模拟似乎并未得到改善(Zhao et al., 2014;吴佳等, 2015).Baker和Huang(2014)的研究指出,CMIP5模式对于美国西南部冬季降水模拟误差并没有比CMIP3模拟结果有所减小.Xu和Xu(2012b)的研究则表明CMIP5模式对中国地区降水的模拟在某种程度上与CMIP3模拟结果类似.
与CMIP3不同,CMIP5采用了针对辐射强迫而设定的典型浓度路径(representative concentration pathways, RCPs)排放情景,包括了RCP8.5(高浓度路径)、RCP6、RCP4.5(中稳定浓度路径)和RCP2.6(低浓度路径)(Taylor et al., 2012).根据CMIP5全球气候模式的模拟结果,各国学者针对气候预估展开了一系列的研究,并取得了一些很有意义的成果(Otieno and Anyah, 2013; Thibeault and Seth, 2014).我国学者的研究表明,相比于20世纪末,在不同RCP情景下,21世纪未来阶段我国的气温将以显著增加为主要变化特征,且高浓度路径下的增温幅度更大(Zhao et al., 2014; Tian et al., 2015).Xu和Xu(2012a)基于11个CMIP5模式的集合结果分析了中国未来气候变化情况,指出在RCP2.6、RCP4.5和RCP8.5三种情景下,2011—2100年全国气温增加率分别为0.06 ℃/10a、0.24 ℃/10a和0.63 ℃/10a,且北方增温幅度比南方大,西北比西南增温快(Wang and Chen, 2014).对于降水,研究发现其全球变化将呈现“干者愈干、湿者愈湿”的格局(Zhao et al., 2014),中国区域平均降水将增加,且北方地区的降水相对增加幅度明显大于南方地区(Tian et al., 2015).值得注意的是,21世纪前期(2011—2040年),中国南方降水将有减少的趋势,尤其是在RCP8.5情景下(Xu and Xu, 2012a).
近期,崔妍等(2013)应用5个CMIP3全球气候模式在SRES B1、A1B和A2三种排放情景下的试验数据,预估中国东北地区在21世纪中期和末期的地面温度均将升高,且末期增温幅度高于中期,SRES A2情景下的增温幅度高于其他情景.但是该工作是基于CMIP3耦合模式模拟结果,且未考虑对模式气温数据进行插值时因地形起伏而产生的误差.为此,本文在考虑了地形效应影响的基础上,评估了26个CMIP5耦合模式对我国东北三省气温和降水的模拟能力,并从中筛选出了4个对东北气候模拟较优的模式,用该4个模式的集合平均预估了RCP4.5和RCP8.5两种情景下21世纪未来阶段东北三省的气温和降水的变化情况及其不确定性,并进行了相应的干旱性分析.
2 数据与方法本文所用的气候模式资料为CMIP5耦合模式历史模拟试验数据(时间段为1961—2005年)以及未来模拟试验数据(时间段为2016—2099年).根据这两个时段气温与降水数据的可利用性与完整性,共有26个耦合模式的数据可用.模式的基本信息如表 1所示,更多细节请参见http://cmip-pcmdi.llnl.gov/cmip5/.观测数据来自CN05资料(Xu et al., 2009; 吴佳和高学杰, 2013),该数据是基于全国2400多个气象站的观测资料建立起的一套0.5°×0.5°分辨率的格点资料,时间跨度为1961—2010年.
因各个模式的水平分辨率不同,故利用双线性插值法将所有模式数据和观测数据统一插值到相同的网格点上(1°×1°),然后根据相应的地形高度数据对模式的气温数据进行地形效应校正(Zhao et al., 2008)(气温直减率取0.65 ℃/100 m).本文的研究区域为中国东北三省(118°E—136°E,38°N—54°N),共计104个格点.文章所选取的对历史气候的模拟时段为1961—2005年,未来预估试验时段分别为2016—2035年(近期)、2046—2065年(中期)和2080—2099年(末期)(IPCC, 2013).
本文对未来气候的预估分析采用的是CMIP5模式在等权重系数条件(姚遥等, 2012)下的集合平均结果.该方法在气候变化评估与预估领域中已得到了广泛应用,且已有研究指出多模式集合(the multi-model ensemble mean, MME)结果优于绝大多数单个模式(Jiang et al., 2005; Chen and Sun, 2009; Chen, 2013).
全球气候模式模拟的不确定性主要来自以下两个方面:1)模式中对物理参数的选取及物理过程的描述存在较大的不确定性;2)太阳参数等外强迫及气候系统对其的响应导致模式模拟结果的不确定性(姚遥等, 2012).为定量地描述不确定性,本文引入了信噪比的概念.信噪比(λ)定义为多模式集合预估绝对值与模式间的标准差(STD)的比值.公式如下:
其中,xi为第i个模式的模拟结果,x为多模式集合平均结果(MME),n(本文n为4)为模式个数.λ > 1表示模拟的可信度高,λ < 1则表示模拟可信度低(Zhou and Yu, 2006; Xu and Xu, 2012a; Tian et al., 2015).
3 结果与分析本文首先对26个CMIP5耦合模式的模拟能力进行评估,选出较优模式,然后重点分析在不同RCP情景下较优模式的集合结果对东北三省未来气温和降水变化特征的预估及其不确定性,最后对未来的干旱变化情况进行了讨论与分析.
3.1 气温和降水的模拟与评估为了客观地衡量26个CMIP5模式对东北三省年平均气温和降水的模拟能力,本文引入了泰勒图(Taylor, 2001),从泰勒图上可直观地看出模式间模拟结果的差异.如图 1所示,图中的数字分别对应表 1中26个CMIP5气候模式,横轴上的圆点表示观测资料.其中,模式点到观测点的距离表示模拟场经观测场标准差标准化之后的中心化标准误差,模式点到原点的距离表示模拟场与观测场之间的标准差之比(这里假定观测场的标准差为1),模式点对应的方位角位置表示模拟场与观测场之间的相关系数.综合以上三个指标,当模式点离观测点越近时,表明该模式的模拟能力越强(Jiang and Tian, 2013).
本文设置了五个定量标准来挑选相对可靠的模式:(1)研究区域内,年平均气温和降水的模拟场与观测场的空间相关系数均大于0.192(通过95%的信度水平检验)(图 1a和图 1b);(2)年平均气温和降水的空间场的中心化均方根误差与观测场标准差比值(NCRMSE)在1个标准差以内(图 1a和图 1b);(3)年平均气温的模拟时间序列与观测时间序列的相关系数大于0.294(通过95%的信度水平检验)(图 1c);(4)年平均气温的线性趋势模拟值分别介于0.194~0.582 ℃/10a(CN05气温线性趋势值的正负50%)之间且通过显著性检验(表 1);(5)年平均降水的线性趋势模拟值为负值(因为CN05降水线性趋势值为负)(表 1).最终,从26个CMIP5气候模式中选取了4个对东北三省气候历史模拟相对可靠的模式:BCC-CSM1.1、GFDL-ESM2G、GFDL-ESM2M和NorESM1-M.从泰勒图中可以看出,该4个模式的集合平均尽管可能在某些方面不如某单个模式模拟较优,但就总体而言,综合气温和降水的空间与时间方面的模拟,模式集合仍优于绝大多数单个模式.
3.2 未来气温和降水的时间变化图 2给出了4个CMIP5较优模式集合模拟的1861—2099年东北三省区域平均气温和降水的年平均距平时间序列(相对于1986—2005年),表 2为模式集合预估的21世纪东北三省年平均气温(降水)气候态的区域平均变化值.可以看到,中国东北三省在不同RCP情景下的气温均以增加为主要特征,且高浓度路径下(RCP8.5)的增温速率是中浓度路径下(RCP4.5)速率的两倍多(图 2a).此结论与Zhao等(2014)和Xu和Xu(2012a)得出的全球及中国变暖趋势类似.RCP8.5情景下,2006—2099年的东北气温变化几乎呈现直线上升趋势,增温速率为0.53 ℃/10a(通过99%的信度水平检验);且21世纪中期增温效应最为明显(0.50 ℃/10a,通过99%的信度水平检验).在RCP4.5情景下,东北气温在21世纪近期的变化情况与RCP8.5情景下相差不大,增温速率为0.46 ℃/10a(通过99%的信度水平检验);但2060年之后,气温变化则相对趋于稳定.到了21世纪末,RCP4.5和RCP8.5情景下的增温幅度分别为3.81±0.97 ℃和6.29±0.99 ℃(表 2).
21世纪的未来阶段东北三省区域平均降水量将会略微有所增加(相对于1986—2005年)(图 2b),且RCP8.5情景下的降水增加速率(1.48%/10a)和未来各时段的降水增加幅度均略高于RCP4.5情景(1.10%/10a).到了21世纪末期,RCP4.5和RCP8.5情景下东北三省的降水相对增加幅度分别为11.24±7.77%和15.95±7.72%,略高于全国降水的增加量(8%±6%和12%±8%)(Tian et al., 2015).
3.3 未来气温和降水的空间变化 3.3.1 相对于历史试验(1986—2005年)的空间变化分布图图 3为RCP4.5和RCP8.5情景下CMIP5多模式集合的东北三省未来年平均气温和降水量相对当代气候(1986—2005年)的变化.从图 3(a—f)中可以看出,21世纪的未来阶段,整个东北三省地区的气温都在上升,且北部地区增温幅度普遍大于南部地区,这与先前CMIP3的研究结论类似(崔妍等, 2013).此外,到了21世纪末期,RCP8.5情景下东北三省各区域的增温幅度越来越高于RCP4.5情景(图 2a和图 3c, 3f),北部地区尤为显著.值得注意的是,辽宁省最南边沿海地区的增温幅度要略高于东北内陆地区.对比增温前后的空间分布图(图略),发现虽然北方增温幅度高于南方,但增温后的整个东北三省未来气温分布格局仍然是南部地区高于北部.21世纪近期,RCP4.5和RCP8.5情景下东北三省的变暖幅度类似,相对增加了0.6~1.5 ℃.到了中期,RCP8.5情景下的增温幅度(2.2~3.1 ℃)开始略微高于RCP4.5情景(1.5~2.5 ℃).而末期时,两种情景下的增温幅度分别为1.9~2.6 ℃和4.1~5.4 ℃,高浓度排放下的增温幅度显著高于中低浓度排放.
图中的黑点表示信噪比大于1.从气温信噪比来看,在未来的三个时段,两种情景下东北气温的信噪比均大于1,说明CMIP5模式集合对东北三省未来气温预估的可靠性较大.且对末期气温预估的可靠性高于近期,RCP8.5情景预估的可靠性高于RCP4.5情景,对东北三省东南部地区预估的可靠性普遍高于西北部地区(图略).
从CMIP5模式集合在两种情景下对东北三省未来年平均降水预估的空间分布图(图 3g—3l)可以看出,除了RCP4.5情景下吉林省东南部地区在21世纪初期降水会有略微减少外,东北三省未来的降水将普遍增加,但波动较大(相对于1986—2005年)(图 2b).此结论与Xu和Xu(2012a)的研究结果略有不同,其用11个CMIP5模式集合平均预估全国未来降水变化情况,得出中国东北三省的降水量在未来各个时间段都会相对增加.产生此类差异很有可能是与所用模式不同有关.从图 3(g—l)可以看出,在2065年之前,两种情景下降水的增加幅度相差不大,到了21世纪末期,RCP8.5情景下的增加幅度高于RCP4.5情景下.此外,在末期,RCP4.5情景下东北三省降水增加幅度约为5.0%~15.3%,此结论与Chen(2013)用16个耦合模式集合预估未来全国降水得出的东北三省降水增加幅度为8%~16%的结果相近.整体来看,东北三省的西南角,即辽宁省西部地区降水的增加最为显著,尤其是RCP8.5情景下的末期,降水增加幅度已达到了25%以上.分析表明,RCP4.5和RCP8.5情景下,21世纪东北三省的降水分布格局依然是从东南部向西北部逐渐递减(图略).
与气温相比,模式对东北降水模拟的可靠性也是随着时间的推移,可靠性逐渐增强.但值得注意的是,模式集合对21世纪近期降水模拟的可靠性较低,中期之后可靠性逐渐加强,且对北部降水预估的可靠性普遍高于南部.
从Xu和Xu(2012a)利用11个CMIP5全球耦合模式的集合平均结果得到的全国信噪比空间分布来看,其东北三省的气温信噪比值分布在1~6之间,降水信噪比值分布在0~4之间.而本文得到的气温信噪比最大可达到10(图略),降水信噪比虽在RCP4.5情景下的近期较低,但在中期后明显提高.说明经过筛选得出的较优模式集合平均结果对东北三省气候模拟的可靠性进一步加强了,尤其体现在对气温的模拟上.
3.3.2 未来气温和降水的线性趋势变化为了分析东北三省未来气候线性趋势的空间分布情况,将CMIP5模式集合预估的年平均气温和降水趋势值绘于图 4中.如图 4(a—c)所示,RCP4.5情景下,21世纪近期东北三省一直处于增温状态(均通过95%的信度水平检验),且东北部地区的增温速率最快,最大增温率达到了0.61 ℃/10a.到了中期,东北三省的增温速率较近期有所下降,速率值分布在0.12~0.44 ℃/10a之间.末期,东北三省的中部地区气温变化速率为负,开始呈现逐渐减小的趋势.RCP8.5情景下(图 4d—4f),未来21世纪东北三省的气温均处于增加的状态(均通过95%的信度水平检验),且北部地区的增温速率普遍高于南部地区,到了末期,黑龙江省最北部增温速率达到了0.69 ℃/10a.
对比1986—2005年的降水线性趋势变化图(图略)发现,在RCP4.5情景下(图 4g—4i),21世纪近期,辽宁省西部和黑龙江省东部地区降水增加速率最大(0.12~0.16 mm·d-1/10a),并通过95%的信度水平检验.到了中后期,东北三省各地区的降水速率较近期有所减慢,但均未通过显著性检验.RCP8.5情景下,虽然近期的多年平均(2016—2035年)降水量有所增加(图 3j),但降水速率则是呈现西部为正东部为负的趋势.其中黑龙江省北部地区的降水变化速率为正,降水逐渐增加;吉林省东部地区的降水变化速率则为负,呈现逐渐减少趋势.到了21世纪中期,东北三省的西部地区降水增加速率最快,最大降水增加率达到了0.15 mm·d-1/10a.
3.4 未来干旱性分析有研究表明,虽然中国大部分地区未来降水增加,但因为气温升高蒸发加剧,中国许多地方仍将变干旱(Wang and Chen, 2014).如中国西南部地区,未来干旱在RCP8.5情景下会进一步加强(Wang et al., 2014).根据前文的分析,我国东北三省未来气温将显著升高,降水量也较20世纪有所增加,那么东北未来气候将会变得干旱还是湿润?为此,本文引入了一个较为简单的干旱指标——水分盈亏量(曾丽红等, 2011)来衡量东北三省的干旱变化情况.其计算公式见式(1):
(1) |
式中,K为某时段的水分盈亏量,P为某时段的降水量,PEm为某时段的潜在蒸散量.当K > 0时,表明水分存在盈余,为气候湿润季节;K < 0时,表明水分存在亏缺,为气候干燥季节(曾丽红等, 2011).
其中,潜在蒸散量采用了Thornthwaite (1948)方法求得,计算公式见式(2):
(2) |
式中,PEm为潜在蒸散量(mm/月),Ti为月平均气温(℃),H为年热量指数,A为常数.
年热量指数H由式(3)计算:
(3) |
常数A由式(4)计算:
(4) |
当月平均气温Ti≤0℃时,月潜在蒸散量PEm=0(mm/月).
刘珂和姜大膀(2015)采用SPEI (Standardized Precipitation-Evapotranspiration Index)干旱指标,用10个CMIP5模式的试验数据预估RCP4.5情景下21世纪中国干湿变化情况,得到在该情景下的中国区域年平均SPEI值逐年减小,说明中国区域整体有逐年变干的趋势.但其并未分析年平均SPEI的空间分布情况.故本文将着重从空间特征方面来分析未来东北三省的干湿变化情况.图 5为不同情景下东北三省未来年平均水分盈亏量变化的空间分布图(相对于1986—2005年).从图 5(a—c)可以看出,RCP4.5情景下,在21世纪近期,东北三省的南部地区将会变得相对干旱.这是因为相比于过去,该区域的降水增加幅度较小,局部地区甚至出现负增长(图 3g),而由增温引起的蒸散量逐渐增大,蒸散量增加幅度超过了降水增加幅度,水分盈亏量呈减小趋势,所以将相对变旱.而东北三省的北部地区在近期则会相对变湿10%左右,该区域虽增温幅度略高于南方,但降水量的增加幅度超过了由增温引起的蒸散量的增加幅度,水分盈亏量呈增加趋势,所以将会变得相对湿润.到了中后期,RCP4.5情景下的东北三省普遍都将相对变湿,相对变湿0~40%,尤其是西南部地区,该区域虽然位于东北的南部,气温较高,但增温幅度与东北内陆地区相差不大(图 3b和3c),而受渤海海域的影响,该区域降水的增加却远高于内陆地区(图 3h和3i),降水增加幅度超过蒸散量增加幅度,所以将会变得相对湿润.此结论与刘珂和姜大膀(2015)得到的未来东北有较弱的变湿趋势的结论类似.但与Wang和Chen(2014)的结论略有不同,其给出了中国区域的PDSI (Palmer Drought Severity Index)变化空间分布图,发现在RCP4.5情景下,未来21世纪东北三省的北部将会略微变干,尤其到了中后期;而南部地区则没有明显的变干或变湿趋势.这种差异的产生可能是因为PDSI指数除了考虑蒸散量与降水量之外,还考虑了径流量及土壤湿度等因素.
从RCP8.5情景下(图 5d—5f)东北三省未来水分盈亏量变化的分布特征图(相对于1986—2005年)可以看出,在该情景下,东北三省将划分为两个部分:中间偏西部地区将相对变干旱,其余地区则会相对变湿润,尤其是在21世纪中后期,这种现象更为明显.出现此类分布格局是因为在该情景下,东北三省的中西部地区气温升高幅度虽与周边相差不大,但降水的增加幅度普遍低于周边,低于蒸散量的增加幅度,水分盈亏量呈现减小的趋势,故将相对变旱.而除了上述区域之外,其余地区的降水量较为充沛,虽然未来气温的升高将会导致潜在蒸散量增加,但降水的增加幅度更大,所以将会变得相对湿润.有研究表明(Shi and Xu, 2007; 刘珂和姜大膀, 2015),当代东北三省中部和南部属于湿润地区,其余区域属于半湿润地区.总体来说,即东南部比西北部湿润.RCP8.5情景下水分盈亏量变化的分布格局,也再一次验证了高浓度路径情景下未来气候将会变得“干者愈干、湿者愈湿”的结论(Zhao et al., 2014).
4 总结和讨论东北三省气温和降水的未来变化对全国林业及社会经济的发展有着重要的意义.因此,本文在评估26个CMIP5模式对东北三省气候变化模拟能力的基础上,依据泰勒图和线性趋势值选出对东北模拟较优的4个模式,利用模式集合平均结果重点分析了RCP4.5和RCP8.5两种情景下东北三省年平均气温和降水的未来变化特征,并分析了其不确定性.然后根据干旱指标——水分盈亏量对研究区域内未来的干旱情况进行了讨论与分析.主要结论如下:
(1)对气温的分析表明,2006—2099年中国东北三省在不同RCP情景下的气温均以增加为主要变化特征,且RCP8.5情景下的增温速率(0.53 ℃/10a)明显高于RCP4.5情景下的速率(0.22 ℃/10a).到了21世纪末期,RCP4.5情景下的气温变化趋于稳定,而RCP8.5情景下的气温则持续上升,两种情景下的温度分别升高了3.81±0.97 ℃和6.29±0.99 ℃(相对于1986—2005年).从气温变化的空间分布上来看,未来东北三省的北部地区增温幅度普遍大于南部地区,辽宁省部分沿渤海地区的增温幅度略高于内陆地区.
(2)未来东北三省的区域平均降水量将会有所加大,2006—2099年将分别以1.10%/10a(RCP4.5)和1.48%/10a(RCP8.5)的速率增加,但波动较大.到21世纪末期,RCP4.5和RCP8.5情景下的降水增加幅度分别达到11.24±7.77%和15.95±7.72%(相对于1986—2005年).从降水变化的空间分布可以看出,未来东北三省绝大部分地区的降水将普遍增加,且辽宁省西部地区降水的增加最为显著.
(3)通过对东北三省未来气温和降水变化的信噪比空间分布的分析可以看出,CMIP5多模式集合对东北三省未来气温的预估可靠性较大(信噪比均大于1),对降水模拟则是随着时间的推移,可靠性逐渐增强,且对北部降水预估的可靠性高于南部.整体来看,经过筛选得出的4个较优模式对东北三省气候模拟的可靠性进一步加强了,尤其体现在对气温的模拟上.
(4)对东北三省未来气温和降水线性趋势的空间分布分析来看,RCP4.5情景下,未来21世纪东北三省的东北部地区增温速率最快,2016—2035年达到最大增温率(0.61 ℃/10a),降水则是在21世纪近期,辽宁省西部和黑龙江省东部地区降水增加速率最大;而RCP8.5情景下,三个时间段的东北三省北部地区增温速率(最大增温率达到0.69 ℃/10a)均普遍高于南部地区,降水变化速率则是2065年前北部地区增加最快,最大降水增加率可达0.15 mm·d-1/10a.
(5)利用Thornthwaite公式计算潜在蒸散量,并用水分盈亏量(降水量-潜在蒸散量)来考察东北三省未来的干湿情况.结果表明,相对于1986—2005年,RCP4.5情景下,21世纪近期东北三省南部地区的蒸散量增加幅度超过降水增加幅度,将变得相对干旱,北部地区则会相对变湿;到了中后期则整个研究区域普遍变湿.而RCP8.5情景下,东北三省的中西部地区将相对变干旱,其余地区则会相对变湿润.
综合而言,虽然本文选用了最新的CMIP5全球气候模式,并择选了模拟较优的模式,但它们对东北三省气候的模拟仍存在一定的不确定性,尤其体现在降水上.此外,因篇幅限制,本文计算潜在蒸散量时采用了所需气象要素较少的Thornthwaite方法.在以后的工作中,将进一步采用误差相对较小的FAO Penman-Monteith方法来计算潜在蒸散量,并加强全球气候模式与区域模式的相结合,来更好地预测未来气候变化.
致谢感谢文中表 1所示的CMIP5各模式组提供模拟试验数据,感谢国家气候中心提供CN05观测数据集.
Baker N C, Huang H P. 2014. A comparative study of precipitation and evaporation between CMIP3 and CMIP5 climate model ensembles in semiarid regions. Journal of Climate , 27 (10) : 3731-3749. DOI:10.1175/JCLI-D-13-00398.1 | |
Chen H P, Sun J Q. 2009. How the "best" models project the future precipitation change in China. Advances in Atmospheric Sciences , 26 (4) : 773-782. DOI:10.1007/s00376-009-8211-7 | |
Chen H P. 2013. Projected change in extreme rainfall events in China by the end of the 21st century using CMIP5 models. Chin. Sci. Bull. , 58 (12) : 1462-1472. DOI:10.1007/s11434-012-5612-2 | |
Chen W L, Jiang Z H, Li L. 2011. Probabilistic projections of climate change over China under the SRES A1B scenario using 28 AOGCMs. Journal of Climate , 24 (17) : 4741-4756. DOI:10.1175/2011JCLI4102.1 | |
Cui Y, Li Q, Zhou X Y, et al. 2013. Simulation and projection of the surface temperature based on five global climate models over the northeast China. Journal of Meteorology and Environment , 29 (4) : 37-46. DOI:10.3969/j.issn.1673-503X.2013.04.006 | |
Guan G F, Li H, Zheng H, et al. 2015. Research on key technologies of land security of commodity grain base in Northeast China. Territory & Natural Resources Study (2) : 37-39. | |
Guo Y, Dong W J, Ren F M, et al. 2013. Surface air temperature simulations over China with CMIP5 and CMIP3. Advances in Climate Change Research , 4 (3) : 145-152. DOI:10.3724/SP.J.1248.2013.145 | |
Hu B Y, Tang J P, Wang S Y. 2013. Evaluation and projection of extreme events over China under IPCC A1B scenario by MM5V3 model. Chinese J. Geophys. , 56 (7) : 2195-2206. DOI:10.6038/cjg20130707 | |
IPCC. 2013. Climate change 2013:the physical science basis.//Stocker T F, Qin D H, Plattner G K, et al., eds. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York, NY, USA:Cambridge University Press. | |
Jiang D B, Wang H J, Lang X M. 2005. Evaluation of East Asian climatology as simulated by seven coupled models. Advances in Atmospheric Sciences , 22 (4) : 479-495. DOI:10.1007/BF02918482 | |
Jiang D B, Tian Z P. 2013. East Asian monsoon change for the 21st century:results of CMIP3 and CMIP5 models. Chinese Science Bulletin , 58 (12) : 1427-1435. DOI:10.1007/s11434-012-5533-0 | |
Liu K, Jiang D B. 2015. Projected changes in the dry/wet climate of China under the RCP4.5 scenario.. Chinese Journal of Atmospheric Sciences , 39 (3) : 489-502. DOI:10.3878/j.issn.1006-9895.1406.14119 | |
Otieno V O, Anyah R O. 2013. CMIP5 simulated climate conditions of the Greater Horn of Africa (GHA). Part Ⅱ:projected climate. Climate Dynamics , 41 (7-8) : 2099-2113. DOI:10.1007/s00382-013-1694-z | |
Shi X H, Xu X D. 2007. Regional characteristics of the interdecadal turning of winter/summer climate modes in Chinese mainland. Chinese Science Bulletin , 52 (1) : 101-112. DOI:10.1007/s11434-007-0007-5 | |
Taylor K E. 2001. Summarizing multiple aspects of model performance in a single diagram. Journal of Geophysical Research Atmospheres , 106 (D7) : 7183-7192. DOI:10.1029/2000JD900719 | |
Taylor K E, Stouffer B J, Meehl G A. 2012. An overview of CMIP5 and the experiment design. Bull. Amer. Meteor. Soc. , 93 (4) : 485-498. DOI:10.1175/BAMS-D-11-00094.1 | |
Thibeault J M, Seth A. 2014. Changing climate extremes in the Northeast United States:observations and projections from CMIP5. Climatic Change , 127 (2) : 273-287. DOI:10.1007/s10584-014-1257-2 | |
Thornthwaite C W. 1948. An approach toward a rational classification of climate. Geographical Review , 38 (1) : 55-94. DOI:10.2307/210739 | |
Tian D, Guo Y, Dong W J. 2015. Future changes and uncertainties in temperature and precipitation over China based on CMIP5 models. Advances in Atmospheric Sciences , 32 (4) : 487-496. DOI:10.1007/s00376-014-4102-7 | |
Wang L, Chen W. 2014. A CMIP5 multimodel projection of future temperature, precipitation, and climatological drought in China. International Journal of Climatology , 34 (6) : 2059-2078. DOI:10.1002/joc.3822 | |
Wang L, Chen W, Zhou W. 2014. Assessment of future drought in Southwest China based on CMIP5 multimodel projections. Advances in Atmospheric Sciences , 31 (5) : 1035-1050. DOI:10.1007/s00376-014-3223-3 | |
Wu J, Gao X J. 2013. A gridded daily observation dataset over China region and comparison with the other datasets. Chinese J. Geophys. , 56 (4) : 1102-1111. DOI:10.6038/cjg20130406 | |
Wu J, Zhou B T, Xu Y. 2015. Response of precipitation and its extremes over China to warming:CMIP5 simulation and projection. Chinese J. Geophys. , 58 (9) : 3048-3060. DOI:10.6038/cjg20150903 | |
Xu C H, Xu Y. 2012a. The projection of temperature and precipitation over China under RCP scenarios using a CMIP5 multi-model ensemble. Atmospheric and Oceanic Science Letters , 5 (6) : 527-533. | |
Xu Y, Gao X J, Shen Y, et al. 2009. A daily temperature dataset over China and its application in validating a RCM simulation. Advances in Atmospheric Sciences , 26 (4) : 763-772. DOI:10.1007/s00376-009-9029-z | |
Xu Y, Xu C H. 2012b. Preliminary assessment of simulations of climate changes over China by CMIP5 multi-models. Atmospheric & Oceanic Science Letters , 5 (6) : 489-494. | |
Yao Y, Luo Y, Huang J B. 2012. Evaluation and projection of temperature extremes over China based on 8 modeling data from CMIP5. Progressus Inquisitiones DE Mutatione Climatis , 8 (4) : 250-256. | |
Zeng L H, Song K S, Zhang B. 2011. Spatial and temporal structure of water deficit over Northeast China during the period of 1951-2008. Journal of Natural Resources , 26 (5) : 858-870. | |
Zhang L J. 2014. Research on the efficiency evaluation and subregion optimization of forestry circular economy model in northeast state-owned forestry[Master thesis] (in Chinese). Harbin:Northeast Agricultural University. | |
Zhao T B, Guo W D, Fu C B. 2008. Calibrating and evaluating reanalysis surface temperature error by topographic correction. Journal of Climate , 21 (6) : 1440-1446. DOI:10.1175/2007JCLI1463.1 | |
Zhao T B, Chen L, Ma Z G. 2014. Simulation of historical and projected climate change in arid and semiarid areas by CMIP5 models. Chin. Sci. Bull. , 59 (4) : 412-429. DOI:10.1007/s11434-013-0003-x | |
Zhou T J, Yu R C. 2006. Twentieth-century surface air temperature over China and the globe simulated by coupled climate models. Journal of Climate , 19 (22) : 5843-5858. DOI:10.1175/JCLI3952.1 | |
崔妍, 李倩, 周晓宇, 等. 2013. 5个全球气候模式对中国东北地区地面温度的模拟与预估. 气象与环境学报 , 29 (4) : 37–46. DOI:10.3969/j.issn.1673-503X.2013.04.006 | |
关国锋, 李宏, 郑浩, 等. 2015. 东北商品粮基地土地保障关键技术研究-技术需求与研究框架. 国土与自然资源研究 (2) : 37–39. | |
胡伯彦, 汤剑平, 王淑瑜. 2013. MM5V3模式对IPCC A1B情景下中国地区极端事件的模拟和预估. 地球物理学报 , 56 (7) : 2195–2206. DOI:10.6038/cjg20130707 | |
刘珂, 姜大膀. 2015. RCP4. 5情景下中国未来干湿变化预估.大气科学 , 39 (3) : 489–502. DOI:10.3878/j.issn.1006-9895.1406.14119 | |
吴佳, 高学杰. 2013. 一套格点化的中国区域逐日观测资料及与其它资料的对比. 地球物理学报 , 56 (4) : 1102–1111. DOI:10.6038/cjg20130406 | |
吴佳, 周波涛, 徐影. 2015. 中国平均降水和极端降水对气候变暖的响应:CMIP5模式模拟评估和预估. 地球物理学报 , 58 (9) : 3048–3060. DOI:10.6038/cjg20150903 | |
姚遥, 罗勇, 黄建斌. 2012. 8个CMIP5模式对中国极端气温的模拟和预估. 气候变化研究进展 , 8 (4) : 250–256. | |
曾丽红, 宋开山, 张柏. 2011. 1951-2008年东北地区水分盈亏量时空格局. 自然资源学报 , 26 (5) : 858–870. | |
张珑晶. 2014.东北国有林区林业循环经济模式效率评价与分区优化研究[硕士论文].哈尔滨:东北农业大学. http://cdmd.cnki.com.cn/article/cdmd-10224-1014346879.htm | |