气象学报  2019, Vol. 77 Issue (4): 728-744   PDF    
http://dx.doi.org/10.11676/qxxb2019.042
中国气象学会主办。
0

文章信息

周梦子, 周广胜, 吕晓敏, 周莉, 汲玉河. 2019.
ZHOU Mengzi, ZHOU Guangsheng, Lü Xiaomin, ZHOU Li, JI Yuhe. 2019.
1.5和2℃升温阈值下中国温度和降水变化的预估
Projection of temperature and precipitation changes over China under global warming of 1.5 and 2℃
气象学报, 77(4): 728-744.
Acta Meteorologica Sinica, 77(4): 728-744.
http://dx.doi.org/10.11676/qxxb2019.042

文章历史

2018-06-06 收稿
2019-01-29 改回
1.5和2℃升温阈值下中国温度和降水变化的预估
周梦子1 , 周广胜1,2 , 吕晓敏1 , 周莉1 , 汲玉河1     
1. 中国气象科学研究院, 北京, 100081;
2. 南京信息工程大学气象灾害预警协同创新中心, 南京, 210044
摘要: 基于CMIP5耦合气候模式模拟结果对1.5和2℃升温阈值时中国温度和降水变化的分析表明,1.5℃升温阈值时,中国年平均升温由南向北加强且在青藏高原地区有所放大,季节尺度上升温的空间分布与其类似,就区域平均而言,RCP2.6、RCP4.5和RCP8.5情景下中国年平均气温分别升高1.83、1.75和1.88℃,气温的季节变幅以冬季升高最为显著;除华南和西南地区外中国大部分地区年平均降水量增多,降水的季节差异明显,以夏季降水的分布模态与年平均降水量的分布最为相似,区域平均的年降水量分别增加5.03%、2.82%和3.27%,季节尺度上以冬季降水增幅最大。2℃升温阈值时,RCP4.5和RCP8.5情景下中国年平均温度的空间分布与1.5℃升温阈值基本一致,中国年平均气温分别升高2.49和2.54℃,季节尺度上气温的变化以秋、冬季增幅最大;中国范围内年平均降水量基本表现为增多趋势,其中,西北和长江中下游部分地区表现为明显的季节差异,区域平均的年降水量分别增加6.26%和5.86%。与1.5℃升温阈值相比较,2℃升温阈值时中国年平均温度在RCP4.5和RCP8.5情景下分别升高0.74和0.76℃,降水则分别增加3.44%和2.59%,空间上温度升高以东北、西北和青藏高原最为显著,降水则在东北、华北、青藏高原和华南地区增加最为明显。
关键词: CMIP5耦合气候模式    气候变化    预估    1.5℃升温阈值    2℃升温阈值    
Projection of temperature and precipitation changes over China under global warming of 1.5 and 2℃
ZHOU Mengzi1 , ZHOU Guangsheng1,2 , Lü Xiaomin1 , ZHOU Li1 , JI Yuhe1     
1. Chinese Academy of Meteorological Sciences, Beijing 100081, China;
2. Collaborative Innovation Center on Forecast Meteorological Disaster Warning and Assessment, Nanjing University of Information Science & Technology, Nanjing 210044, China
Abstract: Based on the outputs of CMIP5 under three Representative Concentration Pathways (RCPs) scenarios, temperature and precipitation changes over China in the context of global warming of 1.5 and 2℃ are projected and their differences are further compared. The results show that in the context of global warming of 1.5℃ (relative to the reference period 1986-2005, the same hereafter), amplitudes of annual and seasonal mean temperature warming enhance towards high-latitude region especially in the Qinghai-Tibet Plateau. Annual mean air temperature over China will increase 1.83, 1.75 and 1.88℃ respectively under the RCP2.6, RCP4.5 and RCP8.5 scenarios with largest increases in the winter. Except for South China and Southwest China, most areas of China will experience more precipitation but the increase will be different between various seasons. The enhancement in annual mean precipitation over China ranges from 2.82% to 5.03%, and the largest increase occurs in the winter. The spatial distributions of temperature change are similar under the conditions of 1.5 and 2℃ global warming. When global warming is 2℃, annual temperature over China will increase 2.49 and 2.54℃ under the RCP4.5 and RCP8.5 scenarios, respectively. Annual precipitation will increase in most areas of China, whereas there are obvious seasonal differences in Northwest China and the middle and lower reaches of Yangtze River. Compared with the situation under the 1.5℃ threshold, more temperature and precipitation increases can be expected under the 2℃ threshold. The most significant increases in temperature will occur in Northeast China, Northwest China and the Qinghai-Tibet Plateau, while significant precipitation changes will occur in Northeast China, North China, the Qinghai-Tibet Plateau and South China.
Key words: CIMP5    Climate change    Projection    1.5℃ global warming    2℃ global warming    
1 引言

工业化革命以来全球气候正经历以变暖为主要特征的变化,由此引发的其他气候要素的变化对世界环境、经济可持续发展造成了巨大威胁(IPCC,2013),气候变化及其影响评估研究已成为地学领域的前沿课题。

目前,中外学者采用时间切片的方法对气候预估开展了系列工作,如梁玉莲等(2016)预估了21世纪末期(2081—2100年)中国气温和降水的变化;Cook等(2015)对2050—2099年美国的干旱风险进行了系统分析。这些研究预估了相同温室气体浓度下的气候变化特征,能够为决策者在特定的年代制定相应的减排措施提供科学依据。但是,由于气候敏感性及其反馈过程的差异,不同模式模拟的相同年份全球升温幅度并不一致。而且,尽管温室气体对降水有直接的影响(Allen, et al,2002),但是这种效应比其通过温度对降水的间接影响要小得多(Andrews,et al,2010)。正因为如此,基于升温水平下的气候变化预估已引起科学界和政府部门的关注。

2℃全球升温被认为是气候变化影响的一个危险阈值。当全球升温2℃时,不同地区的升温幅度不尽相同,整体表现为陆地升温比海洋快,并以北极的升温幅度最大(Jiang,et al,2016);就降水而言,全球年平均降水量增多,但表现出明显的区域特征(Jiang,et al,2016),以欧洲地区为例,2℃升温阈值时欧洲北部夏季降水增多而南部地区却表现为减少(Vautard,et al,2014)。2℃升温阈值下中国的气候变化预估研究也取得了很大进展,研究指出,当全球温度升高2℃,中国的升温幅度明显高于全球平均,且表现为从南向北加强;区域平均的降水量亦有所增多(姜大膀等,2012Zhang,2012张莉等,2013)。就极端事件而言,2℃升温阈值时中国极端暖性温度事件普遍增多, 而极端冷性温度事件减少(郎咸梅等,2013);极端降水频率增加且强度增大(Sui,et al,2018)。

研究指出,将全球升温目标控制在2℃时对许多地区尤其是小岛国及非洲等气候脆弱地区依旧存在较高的风险(Nangombe,et al,2018Seneviratne,et al,2016)。《巴黎协定》的通过是人类应对气候变化的重要里程碑,使得1.5℃温控目标逐渐被接受。1.5℃升温对自然和人类系统的评估工作已经陆续开展(江志红等,2017孔莹等,2017翟盘茂等,2017)。Schleussner等(2016)系统分析了极端气候事件、水资源可利用量、作物产量、海平面高度等在1.5和2℃升温阈值下的差异,指出伴随着升温阈值的提高,全球暖昼日数增加,地中海地区水分可用量的减少从9%增至17%,干日的持续时间则从7%增至11%,海平面高度则上升30%;King等(2017)对澳大利亚地区的研究表明,相对于1.5℃全球升温,在2℃升温阈值下该区极端高温事件的发生频率明显增大,但是极端降水的差异并不明显。政府间气候变化专门委员会(IPCC)参阅了最新的相关研究文献,已于2018年10月发布了《IPCC全球升温1.5℃特别报告》,让政府和公众充分认识了气候变化带来的威胁。就中国地区而言,1.5至2.0℃的0.5℃额外升温,将使其平均温度升高0.5—1.0℃(徐影等,2017);极端高温事件增加35%—46%(Li,et al,2018);极端低温事件强度明显下降,最强极端低温事件中心由西北和西南转移到华中和华南等地(王安乾等,2017);关于塔里木河的实际蒸散以及海河流域受干旱的人口比例的差异也开展了相关研究工作(Su,et al,2017Sun,et al,2017)。

综上,关于2℃升温阈值时中国气候变化的预估研究相对比较完善,涵盖了平均气候和极端气候。但是,1.5℃升温阈值时中国区域气候变化的特征研究还很零散,主要涉及极端事件的分析(李东欢等,2017Guo,et al, 2016, 2017),1.5℃升温阈值下中国平均气候变化的预估分析及其与2℃升温阈值下的差异研究还未见系统报道。基于此,本研究将利用CMIP5耦合气候模式,探讨在不同排放情景(RCP2.6、RCP4.5和RCP8.5)下1.5和2℃升温阈值时中国气温和降水在年平均和季节尺度上的变化,并定量分析1.5和2℃升温对中国气候造成的影响差异,从而为中国制定相应的减排措施提供科学依据。

2 数据和方法

基于CMIP5耦合模式获得历史试验和典型浓度路径(RCP)下的温度和降水数据,不同排放情景下使用的模式数量及其具体信息见表 1。由于不同模式的水平分辨率不同,为了便于比较,所有模式结果均采用双线性插值方法统一插值到空间分辨率为1.0°×1.0°的格点上。考虑到气候模式在不同地区的表现能力不同,基于泰勒图对模式进行优选是一种可行的方案(Taylor,2001)。但是,对温度模拟较好的模式其对降水的模拟能力不一定高(初祁等,2015),且当使用的模式数量过少时放大了模式的内部变率反而导致结果存在偏差(胡婷等,2017)。相关研究(张学珍等,2017)已经表明,多模式集合平均的结果凸出了模式对外强迫的响应,具有较高的信噪比,能够模拟当代中国的升温趋势(Guo,et al,2013),且能较好地刻画中国降水从东南向西北减少的分布特征(Xu, et al,2012)。因此,本研究基于收集到的所有的模式模拟数据,采用等权重进行集合平均,以此对中国未来的气温和降水进行预估。

表 1  CMIP5中气候模式的基本信息 Table 1  Basic information of global climate models of CMIP5
序号 模式名称 国家 水平分辨率 排放情景
RCP2.6 RCP4.5 RCP8.5
1 ACCESS1.0 澳大利亚 ~1.9°×1.25°
2 ACCESS1.3 澳大利亚 ~1.9°×1.25°
3 BCC-CSM1.1 中国 ~2.8°×~2.8°
4 BNU-ESM 中国 ~2.8°×~2.8°
5 CanESM2 加拿大 ~2.8°×2.8°
6 CCSM4 美国 1.25°×~0.9°
7 CESM1-BGC 美国 1.25°×~0.9°
8 CMCC-CMS 意大利 0.75°×~0.75°
9 CMCC-CM 意大利 ~1.9°×~1.9°
10 CNRM-CM5 法国 ~1.4°×~1.4°
11 CSIRO-MK3-6-0 澳大利亚 ~1.9°×~1.9°
12 GFDL-CM3 美国 2.5°×~2.0°
13 GFDL-ESM2G 美国 2.5°×~2.0°
14 GFDL-ESM2M 美国 2.5°×~2.0°
15 HadGEM2-CC 英国 ~1.9°×1.25°
16 HadGEM2-ES 英国 ~1.9°×1.25°
17 INM-CM4 俄罗斯 2.0°×1.5°
18 IPSL-CM5A-LR 法国 3.75°×~1.9°
19 IPSL-CM5A-MR 法国 2.5°×~1.25°
20 IPSL-CM5B-LR 法国 3.75°×~1.9°
21 MIROC5 日本 ~1.4°×~1.4°
22 MIROC-ESM 日本 ~2.8°×~2.8°
23 MIROC-ESM-CHEM 日本 ~2.8°×~2.8°
24 MPI-ESM-LR 德国 ~1.9°×~1.9°
25 MPI-ESM-MR 德国 ~1.9°×~1.9°
26 MRI-CGCM3 日本 ~1.1°×~1.1°
27 NorESM1-M 挪威 2.5°×~1.9°
注:“√”为不同情景下使用的气候模式。

1.5和2℃升温阈值是相对于工业化革命前期(1861—1890年)而言的,但不同学者对其的定义方式不尽相同,Zhang等(2018)考虑到模式的气候敏感度不同,分别计算了每个模式达到相应阈值的时间进而计算多模式集合的结果;文中则直接以多模式集合平均的结果作为达到相应阈值的时间,RCP2.6、RCP4.5和RCP8.5排放情景下全球地表温度达到1.5℃升温阈值的时间分别为2029、2028和2025年,RCP2.6情景并未达到2℃升温阈值,RCP4.5和RCP8.5排放情景下达到2℃升温阈值的时间分别为2048和2040年,更多具体计算过程参见周梦子等(2018)。需要注意的是,在对中国气候变化进行预估时并未采用计算升温阈值时的参考时段,而是以1986—2005年作为当前气候的参考时段,以使预估结果更加直观实用,并方便与其他研究结果进行横向比较。1.5℃升温阈值下年平均的中国气候变化指的是,以达到1.5℃阈值的年份为基础,分别向前向后推算4 a,计算9 a等权重系数下多模式集合平均的结果相对于参考时段的变化(其中降水使用距平百分比表示),同时为了兼顾不同气候模式对预估结果的影响,以单个模式模拟结果组成的集合的5%—95%分位数来表示预估的不确定性。季节变化的预估依此类推,其中春季、夏季、秋季和冬季分别指3—5月、6—8月、9—11月和12月—次年2月。为了更加直观地分析中国气候的变化,文中采用Hansen等(2012)的定义方法,计算未来中国区域平均的气温和降水相对于历史时期的距平值与其历史时期变率的比值,分别以0.43σ(σ为标准差)、1σ和3σ来定义不同等级的气候变化。以气温为例,当比值在±0.43σ之间时为正常,>0.43σ为较热,>1σ为非常热,>3σ为极热天气,降水亦然。当多模式集合平均达到1.5℃(2℃)升温阈值时,若此时单个模式的9 a滑动平均值介于1.3—1.7℃(1.8—2.2℃),则该模式对应的9 a的数据作为样本被挑选出来,并与其他符合条件的模式组成新的数据集,由此计算未来某一情景某一升温阈值下中国气候变化的概率密度,并用高斯分布对其进行拟合。

在分析1.5和2℃升温阈值下中国气温和降水的变化差异时,采用合成分析方法对其进行显著性检验。设多模式集合平均的气温(或降水)在1.5和2℃升温阈值下平均值分别为xy,方差分别为s12s22,假设它们总体均值无显著性差异的条件下,统计量为遵从自由度为m+n-2的t分布,式中,mn为年数,此处为9 a。

3 结果分析 3.1 1.5和2℃升温阈值下中国年和季节温度变化的预估及其差异

图 1给出了1.5℃升温阈值时中国年平均和季节尺度上温度的变化。相对于参考时段(1986—2005年),1.5℃升温阈值时,RCP2.6情景下中国年平均气温升高表现为从南到北增强,大值区主要位于东北、西北和青藏高原,青藏高原的异常高值通常被认为与冰雪反照率有关(姜大膀等,2012Giorgi,et al, 1997),3种情景下的空间分布基本相同;季节尺度上气温变化的空间分布与年平均气温的空间分布类似,主要表现为高纬度和高海拔地区升温幅度较大。以冬季为例,在1.5℃升温阈值时3种排放情景预估的东北地区升温幅度超过1.4℃,而中国南部地区的升温幅度则只有0.8℃。2℃升温阈值时中国年平均气温的空间分布与1.5℃时类似,但其升温幅度明显增大;季节上,东北和青藏高原部分地区冬季的升温幅度明显大于年平均,这与Sui等(2015)的结论一致。RCP4.5和RCP8.5情景下气温的空间分布基本类似(图 1)。进一步地,将本研究中基于CMIP5瞬变试验的结果与基于平衡态模拟试验的结果进行对比,表明其在空间分布上均表现为高纬度和高海拔地区升温幅度更大(Li,et al,2018);同样地,基于空间型标度法的预估结果也与本研究的结果基本一致(陈晓龙等,2017)。

图 1  相对于参考时段(1986—2005年)3种典型浓度(a1—e1. RCP2.6, a2—e2. RCP4.5, a3—e3. RCP8.5)路径情景下1.5℃升温阈值时多模式集合平均预估的中国年(a)和季节(b.春,c.夏,d.秋,e.冬)温度变化(单位:℃)的空间分布 Fig. 1  Changes in annual (a) and seasonal (b. Spring, c. Summer, d. Autumn, e. Winter) mean temperature (unit: ℃) over China under the condition of 1.5℃ global warming (relative to the reference period 1986—2005), as shown by multi-model ensemble means under the RCP2.6 (a1-e1), RCP4.5 (a2-e2) and RCP8.5 (a3-e3) scenarios

为定量刻画多模式集合平均计算结果的可信度,引入信噪比的概念,其为多模式集合平均的绝对值与模式离差的比值,比值>1表示模式模拟的未来气候变化信号大于模式间的噪音,即多模式集合平均的预估结果是可信的,反之亦然(李博等,2010)。在此,以年平均温度变化为例,绘制了其信噪比的空间分布。无论是在1.5℃还是2℃升温阈值下,整个中国地区的信噪比都大于1,表明模式预估的结果是可信的(图 3)。

图 3  3种典型浓度路径(a. RCP2.6, b、d. RCP4.5, c、e. RCP8.5)情景下1.5℃(a-c)和2℃(d、e)升温阈值时中国年平均气温变化的信噪比(单位:℃/℃) Fig. 3  Signal-to-noise ratios (unit: ℃/℃) of annual temperature changes under conditions of 1.5 (a-c) and 2℃ (d, e) global warming for the RCP2.6 (a), RCP4.5 (b, d) and RCP8.5 (c, e) scenarios

为了更加客观地评估1.5和2℃升温阈值下中国气温变化的差异,图 4给出了多模式集合平均的RCP4.5和RCP8.5情景下两种升温阈值时中国温度变化的空间分布。1.5至2℃的0.5℃额外升温使得中国年平均气温显著升高,并表现为从南向北升温幅度不断增大,以东北、西北和青藏高原部分地区升高最为明显,两种情景下的空间分布类似。季节尺度上不同阈值下气温差异的空间分布与年平均气温差异的空间分布基本类似,只在细节上略有不同。RCP8.5情景下,春季东北地区气温升幅略低,东北西北部地区并未通过显著性t检验。

图 4  RCP4.5(a1—e1)和RCP8.5(a2—e2)情景下1.5和2℃升温阈值时中国年(a)和季节(b.春,c.夏,d.秋,e.冬)气温变化(单位:℃)的差异(其中打点区域表示通过95%显著性t检验) Fig. 4  Differences between annual (a) and seasonal (b. Spring, c. Summer, d. Autumn, e. Winter) mean temperature changes (unit: ℃) under the conditions of 1.5℃ (a1-e1) and 2℃ (a2-e2) global warming(Dotted areas indicate significance at the 95% confidence level by t-test)

就区域平均而言,相对于参考时段(1986—2005年),1.5℃升温阈值时RCP2.6、RCP4.5和RCP8.5情景下中国年平均气温分别升高1.22、1.14和1.17℃,表明相对于工业化革命前期,中国将分别升温1.83、1.75和1.78℃(1986—2005年相对于工业化革命前期温度升高0.61℃(IPCC,2014)),略高于全球升温幅度,RCP4.5、RCP8.5情景下年平均增幅略低于RCP2.6,这可能是由于气候敏感性的差异造成的(姜大膀等,2016);而在2℃升温阈值时,RCP4.5和RCP8.5情景下中国区域平均气温将分别升高1.88和1.93℃,即相对于工业化革命前期中国年平均气温将分别升高2.49和2.54℃,略低于Sui等(2015)的升温幅度(2.6℃),但仍高于全球升温阈值(表 2)。进一步对比发现,同一升温阈值下不同情景预估的中国未来气温差异不大,即不同排放情景下不同时刻达到相同阈值时中国气温变化无显著差异,胡婷等(2017)的分析也支持了本研究的结论,即区域的气温响应是独立于排放情景的;而随着升温阈值的提高,中国平均气温明显升高,从1.5到2℃升温阈值,RCP4.5和RCP8.5情景下中国年平均气温分别升高0.74和0.76℃。图 5是不同情景不同升温阈值水平下中国年平均气温变化的概率密度分布,相对于历史时期而言,在全球升温1.5和2℃时,中国年平均气温的概率密度曲线明显向右移动且分布变宽,且2℃升温阈值时,曲线向右偏移程度更大,即意味着,1.5至2℃的0.5℃额外升温使得中国的平均气温明显升高,极热天气出现的概率明显增大,3σ、5σ的气温异常将分别成为1.5和2℃升温阈值下的常态。季节尺度上,1.5℃升温阈值时RCP2.6情景下中国春季、夏季、秋季和冬季的区域平均气温分别升高1.21、1.20、1.26和1.19℃,升幅基本与年平均气温类似,RCP4.5和RCP8.5情景下的表现亦如此,但是由于不同气候模式对季节尺度气温的模拟离散度较大,其90%的分位数预估区间明显大于年平均气温的预估区间;2℃升温阈值时的季节尺度上的气温变幅也在年平均气温升幅附近波动(表 2)。总体而言,春季和夏季的气温升幅略小于年平均气温,而秋季和冬季气温的升幅则高于年平均气温(RCP2.6情景下的冬季除外)。

表 2  3种典型浓度路径情景下1.5和2℃升温阈值时中国区域平均的年和季节温度变化(单位:℃) Table 2  Changes in annual and seasonal mean temperature (unit: ℃) under conditions of 1.5℃ and 2℃ global warming (relative to reference period 1986—2005) for three different scenarios
1.5℃ 2.0℃
RCP2.6 RCP4.5 RCP8.5 RCP4.5 RCP8.5
1.22(0.54, 1.94) 1.14(0.43, 1.78) 1.17(0.64, 1.75) 1.88(0.98, 2.72) 1.93(0.98, 2.84)
春季 1.21(0.44, 2.05) 1.07(0.39, 1.69) 1.11(0.43, 1.80) 1.80(1.15, 2.82) 1.81(1.01, 2.74)
夏季 1.20(0.34, 1.92) 1.11(0.48, 1.81) 1.13(0.46, 1.70) 1.82(0.90, 2.48) 1.88(0.95, 2.57)
秋季 1.26(0.34, 1.98) 1.20(0.34, 1.76) 1.20(0.46, 1.74) 1.94(0.90, 2.83) 2.00(0.99, 2.85)
冬季 1.19(0.18, 1.91) 1.19(0.23, 1.93) 1.22(0.65, 1.86) 1.94(0.82, 2.90) 2.00(1.25, 3.17)
*注:括号中为90%分位数区间。
图 5  3种典型浓度路径情景下1.5和2℃升温阈值时中国年平均气温变化的概率密度分布 Fig. 5  Probability density distributions of annual mean temperature changes over China under conditions of 1.5 and 2℃ global warming (relative to the reference period 1986—2005)
3.2 1.5和2℃升温阈值下中国年和季节降水变化的预估及其差异

1.5℃升温阈值时不同排放情景下中国年平均和季节尺度的降水变化如图 6。RCP2.6情景下,除长江流域部分地区外中国年平均降水量整体表现为增多的趋势,其中以西北地区降水增多最为明显,这就意味着目前该区正在经历的暖湿化过程在不久的将来仍将持续;RCP4.5和RCP8.5情景下中国年平均降水的空间分布与RCP2.6情景类似,但其变化幅度略低,且在西南和华南地区降水减少的趋势更为明显,周秀华等(2014)对云南地区的气候预估也表明,2020年之前,云南附近地区将经历相对干旱的时期。季节上,RCP2.6情景下,春季青藏高原南部、华南地区降水减少;夏季降水的空间分布与年平均降水的分布基本一致,这是因为在中国尤其是东部地区降水主要发生在夏季,夏季的降水变化决定着年降水量的多少,相较于年平均降水,夏季降水减少区域沿长江流域扩展;秋季长江中下游地区依旧表现为降水减少的趋势;冬季则在云南地区出现一个少雨带。RCP4.5情景下,春季除华南地区外内蒙古和东北部分地区的降水也在减少;夏季塔克拉玛干沙漠部分地区降水也在减少;秋季和冬季除青藏高原南部地区外,与RCP2.6情景下的空间分布基本类似。RCP8.5情景下,不同季节的降水分布与RCP4.5基本相同。就整体而言,模式在不同情景下的青藏高原地区的评估结果差异较大,这可能是因为青藏高原地区海拔较高且地形起伏较大,气候模式对其降水的模拟能力相对较弱,模式误差在该区存在放大现象(Ding,et al,2007胡芩等,2014)。

图 6  同图 1,但为降水(单位:%) Fig. 6  Same as Fig. 1 but for precipitation (unit: %)

2℃升温阈值时,中国年平均降水量变化的空间分布与1.5℃升温阈值类似,但整体幅度较1.5℃升温阈值时略大,东北、华北和西北大部分地区降水将增加8%以上,且西南和长江流域降水减少的区域在收缩(图 7)。季节尺度上,除春季青藏高原东南部和华南地区、夏季新疆西北部和长江中下游地区、秋季的华中地区和冬季的青藏高原南部和西南地区外,中国其他区域降水均表现为增多趋势,RCP4.5和RCP8.5的分布形式基本相同。值得注意的是,不论是1.5℃还是2℃升温阈值,夏季长江中下游地区都表现为降水减少,这可能与东亚夏季风的增强有关(陈活泼等,2012Sui,et al,2015),西太平洋副热带高压脊线的北进南退、脊点的西伸东撤亦能影响该区降水的分布(陈红,2014赵俊虎等,2012)。

图 7  同图 2,但为降水(单位:%) Fig. 7  Same as Fig. 2 but for precipitation (unit: %)
图 2  相对于参考时段(1986—2005年)在RCP4.5(a1—e1)和RCP8.5(a2—e2)情景下2℃升温阈值时多模式集合平均预估的中国年(a)和季节(b.春,c.夏,d.秋,e.冬)气温变化(单位:℃)的空间分布 Fig. 2  Changes in annual (a) and seasonal (b. Spring, c. Summer, d. Autumn, e. Winter) mean temperature (unit: ℃) in China under the condition of 2℃ global warming (relative to the reference period 1986-2005), as shown by multi-model ensemble means under the RCP4.5 (a1-e1) and RCP8.5 (a2-e2) scenarios

同样地,分析了中国年平均降水变化的信噪比(图略)。结果表明,相对于气温,降水的信噪比明显较低,只在2℃升温阈值时的东北地区和西北部分地区>1,说明模式预估的降水变化的可信度较低。

图 8给出了RCP4.5和RCP8.5情景下1.5和2℃升温阈值时多模式集合平均的中国降水变化的差异。RCP4.5情景下,相对于1.5℃升温阈值,2℃升温阈值时中国年平均降水量略有增多,表现为华北、东北、青藏高原和华南地区降水增多明显,而西北地区降水则有小幅减少。季节上,从1.5℃到2℃升温阈值,降水总体表现为增多趋势,春季、夏季和冬季降水差异的空间分布与年降水量相似,但是通过显著性检验的区域明显缩小;秋季,除西北地区外长江中下游地区降水也在减少。RCP8.5情景下,1.5和2℃升温阈值下降水差异的空间分布与RCP4.5下较为类似,但是不论年降水还是季节降水,其降水减少的区域较RCP4.5情景下增大。

图 8  同图 4,但为降水(单位:%) Fig. 8  Same as Fig. 4 but for precipitation (unit: %)

1.5℃升温阈值时中国年平均降水量在RCP2.6情景下增加5.03%,较其他情景更为明显,这可能是由于该情景下降水量对温度的响应更为敏感造成的(吴佳等,2015);2℃升温阈值时RCP4.5和RCP8.5情景下中国年平均降水分别增加6.26%和5.86%,略低于Sui等(2015)的7%的预估结果(表 3)。1.5至2℃的0.5℃额外升温使得中国年平均降水量增多,RCP4.5和RCP8.5情景下分别增加3.44%和2.59%。同样地,本研究分析了不同升温情景下中国年平均降水变化的概率分布(图 9),其概率密度曲线略向右移动但远小于气温的变化。除RCP8.5情景下的1.5℃升温阈值外,其余分布的变幅均增大,表明未来中国年平均降水量的变率增大,洪涝和干旱出现的概率增大。2℃升温阈值下的概率密度曲线较1.5℃时向右偏移更明显,进一步证明了0.5℃额外升温下中国年平均降水量将增多。降水的季节变化与年平均变化一致,都表现出增加的趋势,在1.5℃升温阈值时春季、夏季、秋季和冬季区域平均的降水在RCP2.6情景下分别增加5.84%、4.31%、4.84%和6.47%,RCP4.5和RCP8.5情景下的增幅略低(表 3)。总体而言,以冬季降水增加幅度最为明显,这可能是因为,在全球变暖背景下,东亚冬季风减弱,而偏弱的冬季风使得冷空气势力减弱,有利于低纬度的暖湿气流北上,使得冬季降水增多(孙建奇等,2013Hori, et al,2006)。

表 3  同表 2,但为降水(单位:%) Table 3  Same as Table 2 but for precipitation (unit: %)
1.5℃ 2.0℃
RCP2.6 RCP4.5 RCP8.5 RCP4.5 RCP8.5
5.03(-3.02, 9.60) 2.82(-2.24, 5.76) 3.27(-0.60, 6.20) 6.26(0.29, 13.29) 5.86(-1.17, 11.86)
春季 5.84(-7.57, 12.39) 2.68(-4.77, 7.81) 4.27(-3.87, 9.59) 6.27(-9.27, 15.85) 6.40(-4.38, 12.29)
夏季 4.31(-2.44, 9.23) 1.86(-4.05, 4.66) 2.30(-2.72, 7.47) 5.77(-0.64, 14.20) 4.56(-2.10, 10.61)
秋季 4.84(-2.85, 12.53) 3.67(-3.13, 9.58) 3.66(-4.70, 10.20) 6.37(-7.56, 14.63) 5.66(-5.61, 13.63)
冬季 6.47(-3.02, 12.03) 4.02(-6.66, 12.16) 4.73(-7.29, 20.10) 7.89(-6.96, 18.80) 9.71(-10.41, 21.52)
图 9  同图 5,但为中国年平均降水 Fig. 9  Same as Fig. 5 but for annual precipitation
4 结论和讨论

基于可利用的CMIP5耦合气候模式的模拟结果,综合分析了RCP2.6、RCP4.5和RCP8.5排放情景下1.5和2℃升温阈值时年平均和季节尺度上中国气温和降水的变化,并对比分析了两种升温阈值时中国气候变化的差异,主要结论如下:

1.5℃升温阈值时中国年平均气温变化主要表现为北部升高较南部更为明显,不同排放情景下的分布基本类似;其季节变化的空间分布除在细节上与年平均气温略有差异外基本一致。RCP2.6、RCP4.5和RCP8.5排放情景下中国区域平均的年际气温增幅差别不大,分别升高1.83、1.75和1.78℃,高于全球升温幅度,这主要是因为全球平均的气温变化包含了海洋,而海洋升温比陆地慢;季节尺度上气温升幅在年际升幅附近波动。1.5℃升温阈值时中国大部分地区年平均降水量增多,且北部降水增大幅度大于南部地区,其中,RCP2.6情景下长江中上游部分地区降水略有减少,而在RCP4.5和RCP8.5情景下降水减少的区域向西南和华南延伸;同一地区不同季节的降水变化趋势不尽相同,其中以夏季降水的分布模态与年降水量最为相似。由于不同排放情景下降水对温度升高的敏感性不同,RCP2.6、RCP4.5和RCP8.5情景下降水的预估结果略有差异,相对于历史参考时段分别增加5.03%、2.82%和3.27%;季节尺度上区域平均的中国降水亦表现出增加趋势,且以冬季增幅最大。2℃升温阈值时,温度变化的空间分布模态基本上与1.5℃升温阈值时相似,但是其升温幅度更大;年平均降水量的增幅也在增大且华南地区的干旱化趋势基本消失,除西北和长江中下游部分地区表现出明显的季节差异,其他地区在各个季节都表现为降水增加的趋势。

从1.5到2℃升温阈值时中国的年平均气温和降水的变化幅度都将升高,气温约升高0.7℃,而降水约增加3%,季节尺度的气温和降水亦表现为不同程度的增加。空间分布上,气温以东北、西北和青藏高原部分地区升温幅度最大,且在中国大部分地区都通过了显著性t检验。降水在华北、东北、青藏高原和华南地区增加显著,而西北地区降水则有小幅减少。

综合而言,不同升温阈值发生时中国气温和降水在3种排放情景下的差别较小,明显小于因为升温阈值不同而造成的差异,也就意味着,当将全球气温升高控制在1.5℃时能够减少一定的风险。当然,在全球变暖背景下极端事件发生的概率显著增大,未来将进一步评估在以上两种升温阈值下中国极端气温和降水的变化,深入分析1.5℃全球升温相对于2℃降低的风险。

需要指出的是,尽管CMIP5耦合模式在各方面较以往的全球模式均有一定的改进和提高,但其对降水的模拟还存在较大的不确定性(Taylor, et al,2012),在上述分析中也已经指出,模式对降水的预估结果可信度较低,未来可以结合分辨率更高的区域气候模式进行研究,提高结论的可信度(Wu,et al,2015)。另外,在《巴黎协定》之前,相对于工业化革命前的1.5℃升温的低排放情景并未被正式考虑,CMIP5的大部分模式在达到上述升温水平后其预估的全球变暖会持续增加,也就是说,目前所采用的分析是建立在一种瞬态变化下的升温响应而不是一种稳态的升温,因此,需要大量专门为研究1.5和2℃影响和差异而设计的模式试验。目前0.5℃额外升温和预估影响计划(HAPPI)基于CMIP5的大气模块以指定的海温和海冰进行驱动开展了大量的试验,且已取得部分进展(Mitchell,et al,2017; Wehner,et al,2018)。未来将结合该计划的模拟结果,进一步完善不同升温水平下中国的气候预估。

参考文献
陈红. 2014. CMIP5气候模式对中国东部夏季降水年代际变化的模拟性能评估. 气候与环境研究, 19(6): 773–786. Chen H. 2014. Validation of the CMIP5 climate models in simulating decadal variations of summer rainfall in eastern China. Climate Environ Res, 19(6): 773–786. (in Chinese)
陈活泼, 孙建奇, 陈晓丽. 2012. 我国夏季降水及相关大气环流场未来变化的预估及不确定性分析. 气候与环境研究, 17(2): 171–183. Chen H P, Sun J Q, Chen X L. 2012. The projection and uncertainty analysis of summer precipitation in China and the variations of associated atmospheric circulation field. Climate Environ Res, 17(2): 171–183. (in Chinese)
陈晓龙, 周天军. 2017. 使用订正的"空间型标度"法预估1.5℃温升阈值下地表气温变化. 地球科学进展, 32(4): 435–445. Chen X L, Zhou T J. 2017. Surface air temperature projection under 1.5℃ warming threshold based on corrected pattern scaling technique. Adv Earth Sci, 32(4): 435–445. (in Chinese)
初祁, 徐宗学, 刘文丰, 等. 2015. 24个CMIP5模式对长江流域模拟能力评估. 长江流域资源与环境, 24(1): 81–89. Chu Q, Xu Z X, Liu W F, et al. 2015. Assessment on 24 global climate models in the CMIP5 over the Yangtze River. Resour Environ Yangtze Basin, 24(1): 81–89. DOI:10.11870/cjlyzyyhj201501011 (in Chinese)
胡芩, 姜大膀, 范广洲. 2014. CMIP5全球气候模式对青藏高原地区气候模拟能力评估. 大气科学, 38(5): 924–938. Hu Q, Jiang D B, Fan G Z. 2014. Evaluation of CMIP5 models over the Qinghai-Tibetan Plateau. Chinese J Atmos Sci, 38(5): 924–938. (in Chinese)
胡婷, 孙颖, 张学斌. 2017. 全球1.5和2℃温升时的气温和降水变化预估. 科学通报, 62(26): 3098–3111. Hu T, Sun Y, Zhang X B. 2017. Temperature and precipitation projection at 1.5 and 2℃ increase in global mean temperature. Chinese Sci Bull, 62(26): 3098–3111. (in Chinese)
姜大膀, 富元海. 2012. 2℃全球变暖背景下中国未来气候变化预估. 大气科学, 36(2): 234–246. Jiang D B, Fu Y H. 2012. Climate change over China with a 2℃ global warming. Chinese J Atmos Sci, 36(2): 234–246. (in Chinese)
姜大膀, 刘叶一. 2016. 温室效应会使地球温度上升多高?——关于平衡气候敏感度. 科学通报, 61(7): 691–694. Jiang D B, Liu Y Y. 2016. How hot will the greenhouse world be?-A brief review of equilibrium climate sensitivity. Chinese Sci Bull, 61(7): 691–694. (in Chinese)
江志红, 刘征宇, 乐旭, 等. 2017. 全球增暖1.5℃下东亚气候系统的响应及其情景预估. 中国基础科学, 19(5): 29–34. Jiang Z H, Liu Z Y, Yue X, et al. 2017. Response and ensemble projection of East Asian climate system under the global warming of 1.5℃. China Basic Sci, 19(5): 29–34. DOI:10.3969/j.issn.1009-2412.2017.05.006 (in Chinese)
孔莹, 王澄海. 2017. 全球升温1.5℃时北半球多年冻土及雪水当量的响应及其变化. 气候变化研究进展, 13(4): 316–326. Kong Y, Wang C H. 2017. Responses and changes in the permafrost and snow water equivalent in the northern hemisphere under a scenario of 1.5℃ warming. Climate Change Res, 13(4): 316–326. (in Chinese)
郎咸梅, 隋月. 2013. 全球变暖2℃情景下中国平均气候和极端气候事件变化预估. 科学通报, 58(12): 1453–1461. Lang X M, Sui Y. 2013. Changes in mean and extreme climates over China with a 2℃ global warming. Chinese Sci Bull, 58(12): 1453–1461. (in Chinese)
李博, 周天军. 2010. 基于IPCC A1B情景的中国未来气候变化预估:多模式集合结果及其不确定性. 气候变化研究进展, 6(4): 270–276. Li B, Zhou T J. 2010. Projected climate change over China under SRES A1B scenario:Multi-model ensemble and uncertainties. Adv Climate Change Res, 6(4): 270–276. DOI:10.3969/j.issn.1673-1719.2010.04.007 (in Chinese)
李东欢, 邹立维, 周天军. 2017. 全球1.5℃温升背景下中国极端事件变化的区域模式预估. 地球科学进展, 32(4): 446–457. Li D H, Zou L W, Zhou T J. 2017. Changes of extreme indices over China in response to 1.5℃ global warming projected by a regional climate model. Adv Earth Sci, 32(4): 446–457. (in Chinese)
梁玉莲, 延晓冬. 2016. RCPs情景下中国21世纪气候变化预估及不确定性分析. 热带气象学报, 32(2): 183–192. Liang Y L, Yan X D. 2016. Prediciton of climate change over China and uncertainty analysis during the 21st century under RCPs. J Trop Meteor, 32(2): 183–192. (in Chinese)
孙建奇, 敖娟. 2013. 中国冬季降水和极端降水对变暖的响应. 科学通报, 58(12): 1395–1401. Sun J Q, Ao J. 2013. Changes in precipitation and extreme precipitation in a warming environment in China. Chinese Sci Bull, 58(12): 1395–1401. (in Chinese)
王安乾, 苏布达, 王艳君, 等. 2017. 全球升温1.5℃与2.0℃情景下中国极端低温事件变化与耕地暴露度研究. 气象学报, 75(3): 415–428. Wang A Q, Su B D, Wang Y J, et al. 2017. Variation of the extreme low-temperature events and farmland exposure under global warming of 1.5℃ and 2.0℃. Acta Meteor Sinica, 75(3): 415–428. (in Chinese)
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. 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. (in Chinese)
徐影, 周波涛, 吴婕, 等. 2017. 1.5~4℃升温阈值下亚洲地区气候变化预估. 气候变化研究进展, 13(4): 306–315. Xu Y, Zhou B T, Wu J, et al. 2017. Asian climate change in response to four global warming targets. Climate Change Res, 13(4): 306–315. (in Chinese)
翟盘茂, 余荣, 周佰铨, 等. 2017. 1.5℃增暖对全球和区域影响的研究进展. 气候变化研究进展, 13(5): 465–472. Zhai P M, Yu R, Zhou B Q, et al. 2017. Research progress in impact of 1.5℃ global warming on global and regional scales. Climate Change Res, 13(5): 465–472. (in Chinese)
张莉, 丁一汇, 吴统文, 等. 2013. CMIP5模式对21世纪全球和中国年平均地表气温变化和2℃升温阈值的预估. 气象学报, 71(6): 1047–1060. Zhang L, Ding Y H, Wu T W, et al. 2013. The 21st century annual mean surface air temperature change and the 2℃ warming threshold over the globe and China as projected by the CMIP5 models. Acta Meteor Sinica, 71(6): 1047–1060. (in Chinese)
张学珍, 李侠祥, 徐新创, 等. 2017. 基于模式优选的21世纪中国气候变化情景集合预估. 地理学报, 72(9): 1555–1568. Zhang X Z, Li X X, Xu X C, et al. 2017. Ensemble projection of climate change scenarios of China in the 21st century based on the preferred climate models. Acta Geogr Sinica, 72(9): 1555–1568. (in Chinese)
赵俊虎, 封国林, 杨杰, 等. 2012. 夏季西太平洋副热带高压的不同类型与中国汛期大尺度旱涝的分布. 气象学报, 70(5): 1021–1031. Zhao J H, Feng G L, Yang J, et al. 2012. Analysis of the distribution of the large-scale drought/flood of summer in China under different types of the western Pacific subtropical high. Acta Meteor Sinica, 70(5): 1021–1031. (in Chinese)
周梦子, 周广胜, 吕晓敏, 等. 2018. 基于CMIP5耦合气候模式的1.5℃和2℃升温阈值出现时间研究. 气候变化研究进展, 14(3): 221–227. Zhou M Z, Zhou G S, Lyu X M, et al. 2018. CMIP5-based threshold-crossing times of 1.5℃ and 2℃ global warming above pre-industrial levels. Climate Change Res, 14(3): 221–227. (in Chinese)
周秀华, 肖子牛. 2014. 基于CMIP5资料的云南及周边地区未来50年气候预估. 气候与环境研究, 19(5): 601–613. Zhou X H, Xiao Z N. 2014. Climate projection over Yunnan Province and the surrounding regions based on CMIP5 data. Clim Environ Res, 19(5): 601–613. (in Chinese)
Allen M R, Ingram W J. 2002. Constraints on future changes in climate and the hydrologic cycle. Nature, 419(6903): 224–232.
Andrews T, Forster P M, Boucher O, et al. 2010. Precipitation, radiative forcing and global temperature change. Geophys Res Lett, 37(14): L14701.
Cook B I, Ault T R, Smerdon J E. 2015. Unprecedented 21st century drought risk in the American Southwest and Central Plains. Sci Adv, 1(1): e1400082. DOI:10.1126/sciadv.1400082
Ding Y H, Ren G Y, Zhao Z C, et al. 2007. Detection, causes and projection of climate change over China:An overview of recent progress. Adv Atmos Sci, 24(6): 954–971. DOI:10.1007/s00376-007-0954-4
Giorgi F, Hurrell J W, Marinucci M R, et al. 1997. Elevation dependency of the surface climate change signal:A model study. J Climate, 10(2): 288–296. DOI:10.1175/1520-0442(1997)010<0288:EDOTSC>2.0.CO;2
Guo X J, Huang J B, Luo Y, et al. 2016. Projection of precipitation extremes for eight global warming targets by 17 CMIP5 models. Nat Hazards, 84(3): 2299–2319. DOI:10.1007/s11069-016-2553-0
Guo X J, Huang J B, Luo Y, et al. 2017. Projection of heat waves over China for eight different global warming targets using 12 CMIP5 models. Theor Appl Climatol, 128(3-4): 507–522. DOI:10.1007/s00704-015-1718-1
Guo Y, Dong W J, Ren F M, et al. 2013. Surface air temperature simulations over China with CMIP5 and CMIP3. Adv Climate Change Res, 4(3): 145–152.
Hansen J, Sato M, Ruedy R. 2012. Perception of climate change. Proc Natl Acad Sci USA, 109(37): E2415–E2423. DOI:10.1073/pnas.1205276109
Hori M E, Ueda H. 2006. Impact of global warming on the East Asian winter monsoon as revealed by nine coupled atmosphere-ocean GCMs. Geophys Res Lett, 33(3): L03713.
IPCC. 2013. Climate Change 2013: The Physical Science Basis. Contribution of Working Group Ⅰ to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York, USA: Cambridge University Press, 1535pp
IP CC. 2014. Climate Change 2014:Mitigation of Climate Change. Contribution of Working Group Ⅲ to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York. USA: Cambridge University Press: 1454pp.
Jiang D B, Sui Y, Lang X M. 2016. Timing and associated climate change of a 2℃ global warming. Int J Climatol, 36(14): 4512–4522. DOI:10.1002/joc.4647
King A D, Karoly D J, Henley B J. 2017. Australian climate extremes at 1.5℃ and 2℃ of global warming. Nat Climate Change, 7(6): 412–416. DOI:10.1038/nclimate3296
Li D H, Zhou T J, Zou L W, et al. 2018. Extreme high-temperature events over East Asia in 1.5℃ and 2℃ warmer futures:Analysis of NCAR CESM low-warming experiments. Geophys Res Lett, 45(3): 1541–1550.
Mitchell D, Achutarao K, Allen M, et al. 2017. Half a degree additional warming, prognosis and projected impacts (HAPPI):Background and experimental design. Geosci Model Dev, 10(2): 571–583. DOI:10.5194/gmd-10-571-2017
Nangombe S, Zhou T J, Zhang W X, et al. 2018. Record-breaking climate extremes in Africa under stabilized 1.5℃ and 2℃ global warming scenarios. Nat Climate Change, 8(5): 375–380. DOI:10.1038/s41558-018-0145-6
Schleussner C F, Lissner T K, Fischer E M, et al. 2016. Differential climate impacts for policy-relevant limits to global warming:The case of 1.5℃ and 2℃. Earth Syst Dynam, 7(2): 327–351. DOI:10.5194/esd-7-327-2016
Seneviratne S I, Donat M G, Pitman A J, et al. 2016. Allowable CO2 emissions based on regional and impact-related climate targets. Nature, 529(7587): 477–483. DOI:10.1038/nature16542
Su B D, Jian D N, Li X C, et al. 2017. Projection of actual evapotranspiration using the COSMO-CLM regional climate model under global warming scenarios of 1.5℃ and 2.0℃ in the Tarim River Basin, China. Atmos Res, 196: 119–128.
Sui Y, Lang X M, Jiang D B. 2015. Temperature and precipitation signals over China with a 2℃ global warming. Climate Res, 64(3): 227–242. DOI:10.3354/cr01328
Sui Y, Lang X M, Jiang D B. 2018. Projected signals in climate extremes over China associated with a 2℃ global warming under two RCP scenarios. Int J Climatol, 38(S1): e678–e697.
Sun H M, Wang Y J, Chen J, et al. 2017. Exposure of population to droughts in the Haihe River Basin under global warming of 1.5 and 2.0℃ scenarios. Quat Int, 453: 74–84.
Taylor K E. 2001. Summarizing multiple aspects of model performance in a single diagram. J Geophys Res, 106(D7): 7183–7192. DOI:10.1029/2000JD900719
Taylor K E, Stouffer R 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
Vautard R, Gobiet A, Sobolowski S, et al. 2014. The European climate under a 2℃ global warming. Environ Res Lett, 9(3): 034006. DOI:10.1088/1748-9326/9/3/034006
Wehner M, Stone D, Mitchell D, et al. 2018. Changes in extremely hot days under stabilized 1.5 and 2.0℃ global warming scenarios as simulated by the HAPPI multi-model ensemble. Earth Syst Dynam, 9(1): 299–311.
Wu J, Gao X J, Xu Y L, et al. 2015. Regional climate change and uncertainty analysis based on four regional climate model simulations over China. Atmos Oceanic Sci Lett, 8(3): 147–152. DOI:10.1080/16742834.2015.11447252
Xu Y, Xu C H. 2012. Preliminary assessment of simulations of climate changes over China by CMIP5 multi-models. Atmos Oceanic Sci Lett, 5(6): 489–494. DOI:10.1080/16742834.2012.11447041
Zhang W X, Zhou T J, Zou L W, et al. 2018. Reduced exposure to extreme precipitation from 0.5℃ less warming in global land monsoon regions. Nat Commun, 9(1): 3153.
Zhang Y. 2012. Projections of 2.0℃ warming over the globe and China under RCP4. 5. Atmos Oceanic Sci Lett, 5(6): 514–520. DOI:10.1080/16742834.2012.11447047