气温作为反映气候变化最重要的指标之一，对自然生态以及人类的生产生活环境产生重大影响。IPCC第4次评估报告指出，1906年至今全球地表平均温度上升了0.74℃，许多研究结果(秦大河等，2007；王绍武等，2005；赵宗慈等，2005，2007)表明，全球气候正呈现以变暖为主要特征的显著变化。不过区域气候变化对全球变暖的响应存在较大差异(张世轩等，2011；陈发虎等，2011；蒋晓武等，2010)。过去的研究多集中在东亚等区域气候的变化(蒋晓武等，2010；覃卫坚等，2010；袁昌洪等，2007；刘晓东等，2002)，对中亚地区未来气候变化的研究尚少。中亚地处干旱和半干旱区，生态环境较为脆弱，中国西北地区也是该区域的一部分，因此，揭示中亚地区未来气候变化的时空演变特征，为决策者制订应对气候变化的策略提供必要的科学依据具有重要的现实意义和科学价值。

长期以来气候系统模式被认为是进行气候模拟和未来气候变化预估的重要工具(雷杨娜等，2010；Zhou et al，2007)，在自然和人类活动外强迫下能够较好地模拟出全球变暖的主要特征(Zhou et al，2006)。许多研究通过气候模式或者多模式集合(江志红等，2008，2009；赵宗慈等，2008；周天军等，2008；Feng et al，2011)预估了中国气温和降水的变化，同时讨论了各种模式在CO₂倍增(Li et al，2011a，2011b)、A1B(李博等，2010)等不同排放背景下气候预估的不确定性。一些学者指出，21世纪若干天气、气候极端事件发生频率会增加(高学杰，2007；林彩燕等，2009)。

最近的第5次国际耦合模式比较计划(Coupled Model Intercomparison Project Phase 5，CMIP5)为预估中亚地区未来气候变化提供了最新的数据。该计划在关注历史气候模拟和增加针对近期10—30 年时间尺度气候预测(Taylor et al，2012)的同时，开发了以稳定浓度为特征的一套新情景——典型排放路径(representative concentration pathways，RCPs)，并将其应用到气候变化影响、适应和缓解的各种预估中(Moss et al，2009；林而达等，2008；罗勇，2009)。当前，IPCC已经在现有文献中确认了4类典型排放路径(RCP8.5、RCP6.0、RCP4.5、RCP2.6)( van Vuuren et al，2008；Moss et al，2007)情景试验，其中，RCP8.5是CO₂排放参考范围为90个百分位数的高端路径；RCP6.0和RCP4.5均为中间稳定路径，且RCP4.5的优先级高于RCP6.0；RCP2.6是CO₂排放参考范围为10个百分位数的低端路径(陈敏鹏等，2010)。这些试验为系统研究中亚气候变化对全球变暖的响应及揭示其内在的物理机制提供了大量的分析资料。

中亚地区包括乌兹别克斯坦、吉尔吉斯斯坦、土库曼斯坦、塔吉克斯坦、哈萨克斯坦，中国新疆和阿富汗北部等地区。由于地处欧亚大陆腹地，尤其是东南缘高山阻隔了来自印度洋、太平洋的暖湿气流，该地区气候为典型的大陆性温带沙漠、草原气候，总体上受西风环流和北大西洋涛动的影响(Rogers et al，1979；Aizen et al，2001)，显著有别于受季风环流控制的东亚地区。研究表明，近百年来中亚气候的变暖幅度大于中国东部季风区，甚至是后者变化幅度的两倍多(Chen et al，2009)，就中国西北干旱区而言，特别是新疆自1987年以来气候出现由“暖干”向“暖湿”转型现象(Shi et al，2007)。作为亚洲中部干旱区的主体部分，在全球变暖的背景下，中亚地区未来气候对全球气候变暖表现出怎样的区域性响应？其空间分布特征怎样？内在的可能机制又是什么？这些问题至今仍缺少系统的研究。本研究旨在利用参与IPCC AR5第5次耦合模式比较计划(CMIP5)的BCC-CSM1.1模式(北京气候中心气候系统模式1.1版)，预估4类典型排放路径情景下中亚地区年平均地面气温在未来50 a(2011—2060年)的时空分布特征和演变规律。2 资料和方法

观测资料使用的是英国East Anglia大学Climatic Research Unit(CRU)最近发布的1901—2009年全球陆面月平均地面数据集CRU_TS_3.1，其空间分辨率为0.5°×0.5°(http://badc.nerc.ac.uk/browse/badc/cru/data)，这套数据是通过将站点观测资料插值到经纬网格点上而得到的(Mitchell et al，2005)，该数据集提供了10个地表变量，包括平均温度、最高温度、最低温度、降水、云量、气温日较差、水汽压、霜日、露日、潜在蒸散(闻新宇等，2006)。与其他类似资料相比，CRU资料存在如下优势：在资料的重建过程中包括了严格的时间均一性检验，空间分辨率更高，时间尺度更长，CRU资料一直是IPCC评估报告采用的系列数据之一(Houghton et al，2001)，这套资料已经被广泛用于全球气候变化的科学研究中( Foll and et al，2001；Jone et al，2001)。

模拟资料主要是由参与IPCC AR5第5次耦合模式比较计划的BCC-CSM1.1模式提供的1901—2009年的历史气候模拟试验(简称历史试验)以及2011—2060年4种典型排放路径情景下的模拟结果，这些试验的详细介绍请参考文献(Taylor et al，2012)。BCC-CSM1.1模式是基于美国大气研究中心(NCAR)CCSM 2.0.1 通量耦合器将全球大气环流模式BCC_AGCM2.1、陆面过程模式BCC_AVIM1.0、全球海洋环流模式MOM4_L40和全球动力热力学海冰模式SIS耦合而成的气候系统模式，该模式中包含碳循环模块，能够模拟人类活动导致的大气 CO₂浓度变化对全球气候的影响(Wu et al，2008，2012)。BCC-CSM1.1的水平分辨率为 T42波谱截断(全球分辨率近似 2.8125°×2.8125°)，垂直分为 26 层。目前已有不少学者利用BCC-CSM1.1开展了较多的科学研究。例如董敏等(2009)检验了BCC_AGCM2.0.1对热带季节内振荡的模拟能力，郭准等(2011)评估了BCC_AGCM对云辐射强迫的模拟能力，王璐等(2009)分析了BCC_CSM对亚澳季风年际变率的模拟情况，指出模式能够较好地再现当前的气候特点，整体性能优于CAM3.0(Collins et al，2004，2006)。Xin等(2012)研究指出，BCC-CSM1.1历史试验模拟的全球和中国平均地面气温与观测结果的相关系数分别达到0.9和0.57。截至2005年，模式模拟结果比气候平均态(1961—1990年平均)增暖1℃左右，与观测结果一致。

本研究主要采用趋势分析、滑动平均和经验正交函数分解等方法，研究2011—2060年中亚地区年平均地面气温的时空分布特征和趋势演变规律。3 BCC-CSM1.1历史模拟能力检验

为了检验BCC-CSM1.1对中亚地区地面气温的模拟性能和可靠性，首先利用双线性插值方法将BCC-CSM1.1 1901—2009年历史模拟结果插值到CRU资料分辨率的0.5°×0.5°网格点上，然后将历史模拟试验结果与CRU资料进行对比，以评估该气候模式模拟中亚地区历史气候变化的能力，只有在对BCC-CSM1.1模式性能有了一个较全面认识之后，才能更好地把握中亚地区未来气候变化预估结果的可靠性。3.1 1901—2009年中亚地区年平均气温的趋势变化特征

分析中亚地区(35°—55°N，50°—95°E)区域平均的BCC-CSM1.1历史模拟试验结果和CRU资料的年平均地面气温在1901—2009年的时间变化特征(图 1)可知，观测和模拟结果的相关系数为0.464，通过了99%的置信度检验。线性趋势结果表明，观测和模拟结果均呈显著的升温趋势(超过99%置信度检验)，不过BCC-CSM1.1模拟结果的升温趋势比CRU资料的略大。从10 a滑动平均(可以较好反映年代际变化特征)曲线可以看出，两者的时间演变特征大致分为两个阶段，1901—1976年一直保持在4.5—5.5℃的小幅振动，而1976年后气温表现出较为一致的明显上升趋势。这些分析表明BCC-CSM1.1很好地模拟出了中亚地区年平均地面气温的时间演变特征和显著上升趋势。

图 1 1901—2009年中亚区域年平均地面气温演变特征 (a．CRU，b．BCC-CSM1.1；黑直线：线性拟合，虚线：10 a滑动平均) Fig. 1 Time series of the annual mean surface air temperature regionally averaged over central Asia during 1901 to 2009 (a．CRU，and b．BCC-CSM1.1; black lines: linear regression; dashed curves: 10 a moving average)

图选项

对比图 2a、b可以看出，BCC-CSM1.1较好地模拟出了中亚地区1901—2009年气候态年平均地面气温的空间分布特征。从气温的高低值分布来看，BCC-CSM1.1能较好地再现CRU数据中气温低于0℃的区域，主要出现在中国新疆南部，具体表现在中国、蒙古和俄罗斯三国的交界处。模拟的高值中心(大于12℃)区域与CRU的结果也大体吻合，主要分布在乌兹别克斯坦和土库曼斯坦。从等值线的形态分布看，哈萨克斯坦境内4与8℃的等值线基本一致。较为遗憾的是，中国新疆地区存在的8—12℃的气温中心BCC-CSM1.1没能模拟出来，这可能是由于BCC-CSM1.1气候模式分辨率较低，不能准确地刻画新疆中部沙漠地区的下垫面特征。

图 2 1901—2009年中亚地区气候态的年平均地面气温空间分布(a．CRU，b．BCC-CSM1.1；单位：℃) Fig. 2 Spatial distributions of the climatology of the annual mean surface air temperature over central Asia averaged over 1901-2009(a．CRU，and b．BCC-CSM1.1；unit: ℃)

图选项

为了进一步检验BCC-CSM1.1的模拟性能，将其与CRU观测资料一起进行经验正交函数分解，并对比二者前两个特征向量的空间分布以及对应的时间系数演变特征。CRU资料(BCC-CSM1.1模拟结果)前两个经验正交函数分解的模态所占方差比例分别为54.87%和13.47%(55.49%和14.24%)，比例均较为接近。将CRU资料第1特征向量的空间分布(图 3a)与BCC-CSM1.1的模拟结果(图 3b)进行对比可知，两者较为相似，整个中亚区域表现为一致的正值，且高值区域均分布在哈萨克斯坦的大部分区域。经验正交函数分解的第1特征向量(EOF1)反映了观测和模拟的中亚整个区域的年平均气温在1901—2009年具有整体一致(同增或同减)的变化特征。

图 3 1901—2009年中亚地区年平均地面气温经验正交函数分解第1模态的空间分布(a、b)及其对应的时间系数 (c、d；黑直线：线性拟合，虚线：10 a滑动平均)(a、c．CRU，b、d．BCC-CSM1.1) Fig. 3 Spatial distributions(a，b) and the time coefficient series(c，d; black lines: linear regression; dashed curves: 10 a moving average)of the EOF1 mode of the CRU observed(a，c) and BCC-CSM1.1 modeled(b，d)annual mean surface air temperatures over central Asia during 1901 to 2009

图选项

CRU资料和BCC-CSM1.1模拟结果的EOF1对应的时间系数分别如图 3c、d所示，线性趋势分析表明两者均呈显著上升趋势(超过99%置信度检验)。对CRU资料的EOF1对应的时间系数作10 a滑动平均，结果显示，1970年前，曲线一直保持较平稳的上下波动，1970年后，表现出急剧上升的趋势。BCC-CSM1.1模拟结果EOF1对应的时间系数的滑动平均曲线与CRU略有不同，1990年前，该曲线表现为小幅度波动下的缓慢上升，1990年后，呈现出较为显著的上升趋势，这与图 1的变化趋势较为相似。

从CRU资料(图 4a)和BCC-CSM1.1历史模拟结果(图 4b)的经验正交函数分解第2特征向量(EOF2)的空间分布可见，BCC-CSM1.1较好地模拟出了CRU资料中亚地区年平均地面气温变化南北反向的特点，北部均为正值，南面均为负值，0线均出现在哈萨克斯坦中部。EOF2所对应的时间系数的线性趋势表明，观测和模拟结果(图 4c、d)均无明显的线性变化趋势。从10 a滑动平均曲线看，两者的变化均不大，波动范围在10以内。

图 4 1901—2009年中亚地区年平均地面气温经验正交函数分解第2模态的空间分布(a、b)及其对应的时间系数 (c、d；黑直线：线性拟合，虚线：10 a滑动平均)(a、c．CRU，b、d．BCC-CSM1.1) Fig. 4 As in Fig. 3 but for the EOF2 mode

图选项

以上从历史气温的时间变化趋势、气候态空间分布特征和主要的经验正交函数模态及相应的时间系数演变特征等方面出发，对BCC-CSM1.1的性能进行了检验，结果表明，该模式能够较好地模拟中亚地区气温的时空变化特征。因此，利用BCC-CSM1.1预估2011—2060年中亚地区气温的时空分布特征和演变规律是可行的。4 未来50年中亚地区不同排放情景下地面气温变化特征的预估4.1 年平均地面气温变化的趋势特征

从不同典型排放路径下BCC-CSM1.1预估的2011—2060年中亚区域年平均地面气温演变特征(图 5)可以清楚地看出，一元线性回归系数全为正值，表明中亚地区地面气温总体表现为上升趋势，延续了过去的变暖态势。随着温室气体浓度的增加，气温的气候倾向率(线性回归趋势系数的10倍，单位：℃/10 a)也随之增大，由0.14℃/10 a增大至0.43℃/10 a。RCP2.6(RCP4.5、RCP6.0和RCP8.5)情景下预估的未来50年地表气温变暖趋势通过了95%(99%)置信度检验(Livezey et al，1983)。从10 a滑动平均曲线发现，RCP2.6情景下预估的未来50年的年平均地面气温在2025年(达到7.3℃)之前呈显著升温趋势；2025—2039年维持小幅波动上升；2039年(达到极值7.6℃)后，表现出小幅度下降趋势，并维持在7.0—7.5℃。RCP4.5情景下的曲线在2037年前维持6.5—7.3℃的小幅振荡，而2037年之后，波动幅度变小，并保持在7.6—7.8℃。RCP6.0与RCP8.5的10 a滑动平均曲线相对于前两者，较为接近线性拟合趋势线，没有较大幅度的波动，总体保持上升趋势。

图 5 不同典型排放路径下BCC-CSM1.1预估的2011—2060年中亚区域年平均地面气温的时间演变 (a．RCP2.6，b．RCP4.5，c．RCP6.0，d．RCP8.5；黑直线：线性拟合; 虚线：10 a滑动平均，*表示通过0.05显著性水平检验，**表示通过0.01显著性水平检验) Fig. 5 Variations of the annual mean surface air temperatures regionally averaged over central Asia projected by the BCC-CSM1.1 under the different RCPs during 1901 to 2009 (a．RCP2.6，b．RCP4.5，c．RCP6.0，and d．RCP8.5；black lines: linear regression; dashed curves: 10 a moving average;*. denotes that it is significant at the 95% confidence level，**. denotes that it is significant at the 99% confidence level)

图选项

图 6给出了BCC-CSM1.1各预估试验2041—2060年平均地面气温与该模式气候模拟试验1981—2000年平均地面气温的差值。在4种典型排放路径下，中亚地区的升温表现出两个主要特点：(1)升温幅度空间分布不均，北部升温幅度大于南部。高(低)值升温(降温)区出现在哈萨克斯坦中北部(里海沿岸)。同时发现在RCP6.0情形下，中亚地区整体升温的梯度最大，主要体现在哈萨克斯坦，其南北差异达到0.9℃，其他3种情形下中亚区域升温的梯度相对较小，升温幅度相对均匀。(2)随典型排放路径的升高，中亚地区升温的幅度明显加大，最大升温幅度由1.9℃(RCP2.6)增加到3.2℃(RCP8.5)。

图 6 不同典型排放路径下BCC-CSM1.1预估的中亚地区2041—2060年平均的年平均地面气温与历史模拟试验模拟的1981—2000年平均地面气温差值空间分布 (a．RCP2.6，b．RCP4.5，c．RCP6.0，d．RCP8.5；单位℃) Fig. 6 Spatial distributions of the difference over central Asia between the projected near surface air temperatures under the different RCPs averaged over 2041-2060 and the simulated near surface air temperatures averaged over 1981-2000 by the BCC-CSM1.1 model(a．RCP2.6，b．RCP4.5，c．RCP6.0，and d．RCP8.5； unit: ℃)

图选项

为了分析不同地区的气温变化趋势，对中亚区域每个格点未来50年的年平均地面气温序列做线性回归分析，得到相应的气候倾向率(线性回归趋势系数的10倍，单位℃/10 a，图 7)，用灰色表示通过95%置信度检验的区域。在4类典型排放路径下，中亚地区的年平均地面气温的气候倾向率均大于0，整体呈升温趋势，只是不同区域的变化趋势有所差异。RCP2.6情景下气温升高趋势最明显的区域集中在中国新疆西北、哈萨克斯坦东部和吉尔吉斯斯坦交界处以及里海东岸的哈萨克斯坦西部、乌兹别克斯坦西部和土库曼斯坦西部地区，高值中心大于0.16℃/10 a。中国新疆西北部区域相对其东部(0.06℃/10 a)升温趋势要明显得多。灰色区域显示，里海沿岸地区以及中国新疆、哈萨克斯坦、塔吉克斯坦和吉尔吉斯斯坦交界处气温升高趋势显著。在RCP4.5情景下，气温变化趋势由西北向东南逐渐减少。高值区域出现在哈萨克斯坦西北部，气候倾向率在0.40℃/10 a以上。增温速率在0.30℃/10 a以上的区域集中在哈萨克斯坦和乌兹别克斯坦西部。在中国新疆地区存在低值中心，为0.22℃/10 a。在RCP6.0情景下，大于0.40℃/10 a高值中心出现在中亚北部，大致在俄罗斯境内，大于0.30℃/10 a区域的面积较RCP4.5情形下明显增多。低值区域位置位于中国新疆、吉尔吉斯斯坦和塔吉克斯坦交界处，中心数值为0.22℃/10 a。哈萨克斯坦北部与俄罗斯交界处以及里海沿岸等值线密集，变化梯度较大。在RCP8.5情形下，中亚地区整体增温速率均在0.40℃/10 a以上，高值区域位于俄罗斯、蒙古和中国新疆交界地带以及乌兹别克斯坦、吉尔吉斯斯坦、土库曼斯坦和中国新疆西部交界处，为0.46℃/10 a。低值区域出现在哈萨克斯坦的东部和中部，中国新疆的东南部，最小数值也在0.40℃/10 a。综合4种典型排放路径，除了RCP2.6，其他排放情景下整个中亚地区升温趋势均为显著。并且，随着典型排放路径的升高，气温的升高趋势愈加明显，同时显著升温的区域范围也增大。

图 7 不同典型排放路径下BCC-CMS1.1预估的中亚地区2011—2060年年平均地面气温气候倾向率空间分布(a．RCP2.6，b．RCP4.5，c．RCP6.0，d．RCP8.5；单位：℃/10 a，灰色区域通过0.05显著性水平) Fig. 7 As in Fig. 6 but for the linear trend of the annual mean surface air temperatures averaged over 2011 to 2060(a．RCP2.6，b．RCP4.5，c．RCP6.0，and d．RCP8.5； unit:℃/10 a; gray area is significant at the 95% confidence level)

图选项

在经验正交函数分析中，通过显著性检验的前几个特征向量能够最大限度地表征某一区域气候变量场变率的分布结构，所代表的空间分布型是该变量的典型分布结构(黄嘉佑，2007)。表 1是对BCC-CSM1.1预估的50 a(2011—2060年)中亚地面气温的归一化场做经验正交函数分解所得到的前3个向量所占总方差比例。由于从第3向量开始，其百分比已经小于10%，对气温整体变化影响不显著，并且，前3个向量的累计方差占总方差的比例都大于75%，故下面仅选取了前两个特征向量进行分析。

从4种典型排放路径下预估的2011—2060年中亚地区年平均地面气温的EOF1的空间分布(图 8)可知，对于RCP2.6和RCP4.5两种情形，在哈萨克斯坦中部地区均出现高值中心，而且，两者的位置较相似。在RCP6.0情景下，高值区域较前两者偏东，中心位置在中国新疆和哈萨克斯坦交界处。而在RCP8.5情景下，高值中心又偏西，大致出现在里海附近。在4种典型排放路径下，经验正交函数分解第1特征向量的空间分布均为正值，即在空间上中亚地区表现出一致的变化特征(同增同减)，只是强度和高值中心出现的位置有所差异。2011—2060年，中亚地区的气温变化将主要呈现出1个高值中心区域，并且，范围较大，出现在哈萨克斯坦及部分周边地区。该变化特征延续了3.3节的中亚历史气温变化经验正交函数分解第1特征向量的空间分布型。

图 8 4种典型排放路径下BCC-CMS1.1预估的2011—2060年中亚地区年平均地面气温EOF1模态的空间分布(a．RCP2.6，b．RCP4.5，c．RCP6.0，d．RCP8.5) Fig. 8 Spatial distributions of the EOF1 mode of the projected annual mean surface air temperatures over central Asia under the 4 RCPs during 2011 to 2060(a．RCP2.6，b．RCP4.5，c．RCP6.0，and d．RCP8.5)

图选项

EOF1所对应的时间系数(图 9)，表征该向量随时间推移及其空间分布型特征的强弱而变化。在4种典型排放路径下，其一元线性拟合始终是显著的，并且，随着排放强度的增大，增暖趋势更为明显。其中，在RCP2.6与RCP4.5情景下线性拟合通过了95%置信度检验，而在RCP6.0与RCP8.5情景下更是超过99%置信度检验。RCP2.6情景下，10 a滑动平均序列呈现出由“低—高—低”的变化趋势：2011—2024年有一个比较明显的上升趋势；2024年之后以小幅波动为主；并在2040年之后表现出微弱的下降趋势。在RCP4.5情景下，曲线整体呈上升趋势，其中，2012、2016和2033年数值较低。在其余2种情景下，10 a滑动平均曲线以上升趋势为主，且以RCP8.5情景下的上升趋势最为明显。对比4.1节的研究结论，由于EOF1模态的方差贡献最大，中亚地区年平均地面气温的上升趋势特征主要来自于EOF1特征向量。

图 9 4种典型排放路径下BCC-CMS1.1预估的2011—2060年中亚地区年平均地面气温EOF1模态对应的时间系数序列(a．RCP2.6，b．RCP4.5，c．RCP6.0，d．RCP8.5；黑直线：线性拟合; 虚线：10 a滑动平均，*表示通过0.05显著性水平，**表示通过0.01显著性水平) Fig. 9 Time coefficient series for the EOF1 mode of the projected annual mean surface air temperatures over central Asia under the 4 RCPs during 2011 to 2060(a．RCP2.6，b．RCP4.5，c．RCP6.0，and d．RCP8.5； black lines: linear regression; dashed curves: 10 a moving average，*denotes that it is significant at the 95% confidence level；** denotes that it is significant at the 99% confidence level)

图选项

图 10、11分别是4种典型排放路径下预估的2011—2060年中亚地区年平均地面气温的EOF2特征向量的空间分布特征及其对应的时间系数。与EOF1模态相比，中亚年平均地面气温归一化场的EOF2模态表现为南北反向的空间分布特征，延续了3.3节的结论。4类典型排放路径情景下，0等值线始终位于哈萨克斯坦中部，只是每种情形下，0等值线的走势稍有不同。高值区域始终位于哈萨克斯坦以北区域，低值中心的位置却有所变化。RCP2.6情景下低值中心存在于中国新疆西部、吉尔吉斯斯坦、塔吉克斯坦和阿富汗北部；而RCP4.5情景下低值中心西移，出现在土库曼斯坦和阿富汗的交界处；RCP6.0与RCP4.5情景下年平均地面气温的EOF2模态分布类似；RCP8.5情景下低值中心出现在中国新疆西部。对EOF2模态所对应的时间序列做一元线性拟合和10 a滑动平均，发现在4种情景下，一元线性拟合系数均大于0，表明这种模态下地面气温均有上升的趋势，不过仅RCP6.0情景下的增加趋势通过95%置信度检验。10 a滑动平均曲线维持小幅波动，变化趋势均不明显。

图 10 同图 8，但为EOF2模态 Fig. 10 As in Fig. 8 but for the EOF2 mode

图选项

图 11 同图 9，但为EOF2模态(*表示通过0.05显著性水平) Fig. 11 As in Fig. 9 but for the EOF2 mode

图选项

从前面的分析可知，4种典型排放路径下中亚地区50 a(2011—2060年)的年平均地面气温的变化特征主要来自于EOF1模态的贡献。为了进一步揭示中亚地区年平均地面气温变化与环流变化的内在联系，将4种情景下预估的2011—2060年年平均850 hPa风矢量场分别回归到年平均地面气温EOF1模态对应的标准化时间系数上，回归系数反映的是风矢量场的异常分布特征。结合图 8分析图 12可以发现，4种典型排放路径下中亚地区年平均地面气温在中亚850 hPa风场上较好地对应着一个反气旋(气旋)性异常环流，异常环流的符号主要由标准化时间系数的符号确定，异常环流的强度由图中的回归系数与年平均地面气温的EOF1模态对应的标准化时间系数的乘积来决定。在这个异常环流控制下，使得中亚地区年平均地面气温变化呈现出全场一致的特征(同增或者同减)，并且，异常环流的中心区域对应着EOF1特征向量的高值区。

图 12 4种典型排放路径下BCC-CMS1.1预估的2011—2060年中亚地区年平均850 hPa风矢量场回归到预估的年平均地面气温EOF1模态对应的标准化时间系数上的趋势系数(a．RCP2.6，b．RCP4.5，c．RCP6.0，d．RCP8.5；矢量场，阴影区表示通过了95%置信度检验) Fig. 12 Spatial distributions of the regressions of the projected annual mean 850 hPa wind vectors on the st and ardized time coefficient series for the EOF1 mode of the projected annual mean near surface air temperatures over central Asia under the 4 RCPs from 2011 to 2060(vectors).The regions over 95% significant at the 95% confidence level are shaded(a．RCP2.6，b．RCP4.5，c．RCP6.0，and d．RCP8.5)

图选项

(1)利用CRU观测数据检验了BCC-CSM1.1的模拟性能和可靠性，结果表明，BCC-CSM1.1能较好地模拟出1901—2009年中亚地区气温的显著上升趋势及气候态的空间分布特征。从经验正交函数分析结果发现，BCC-CSM1.1模式能够较好地表现出中亚气温一致升高以及南北反相位波动这两个主要模态的时空变化特征。

(2)未来预估试验结果表明，在未来50 a中亚地区整体呈增温趋势，除了RCP2.6，其他排放情景下升温趋势显著。并且，伴随着典型排放路径的升高，气温的上升愈加明显，同时升温显著区域也增大。经验正交函数分析结果的主要模态还是延续过去的空间分布特征。EOF1模态及其所对应的时间系数表明未来50 a中亚地区年平均地面气温表现为全场一致升温特征，并且，中亚地区的升温强度随着温室气体排放浓度的增加而增强。进一步的分析表明，不同典型排放路径下预估的未来50 a中亚地区年平均地面气温的EOF1模态在中亚上空850 hPa等压面上均对应有一个反气旋(气旋)性异常环流，在这个异常环流控制下，中亚地区年平均地面气温变化表现为全场一致的特征。EOF2模态表明中亚年平均地面气温变化呈现出南北反位相的基本特征，相应的时间系数主要表现为小幅度波动，变化趋势特征不明显。

本研究在检验BCC-CSM1.1性能的基础上，利用该模式预估中亚地区2011—2060年的年气温时空分布特征和趋势演变规律，以年平均资料作为预估的基础数据。中亚气候总体上受西风环流和北大西洋涛动影响(Rogers et al，1979；Aizen et al，2001)较为显著，而西风环流及北大西洋涛动均具有明显的季节性特征(李崇银等，2004；张耀存等，2008)。因此，为了能够进一步揭示中亚地区气候变化规律，需要缩短时间尺度，按季节甚至按月对相关要素进行分析，这将在未来的研究中做深入探讨。