政府间气候变化专门委员会（IPCC）第六次评估报告（AR6）显示全球地表平均温度自1850 -1900年以来已上升约1 ℃。在多种温室气体排放情景下， 全球平均温度会升高1.2~1.9 ℃， 未来20年将达到或超过1.5 ℃。如今地球上大部分地区已经在遭受高温极端天气（包括热浪）的影响， 当全球温升2 ℃时， 极端高温将更频繁地达到农业生产和人体健康的临界耐受阈值。亚洲地区观测到的平均温度的升高已超出自然变率的范畴， 极端暖事件增加、 极端冷事件减少， 季节性积雪的持续时间、 冰川物质和多年冻土的范围将进一步减少（IPCC， 2021）。此报告表明了未来全球变暖带来的气候变化在所有地区都将加剧。中国近年来气温不断上升， 在区域和季节上有着明显的差异， 其中中国北方与冬季增温更为明显（Ren et al， 2012； 沙万英等， 2002； 李娟等， 2020）。中国区域整体暖昼、 暖夜呈增长趋势， 冷昼、 冷夜呈减少趋势（Zhai and Pan， 2003； Zhou and Ren， 2010）， 其中黄河流域、 东北北部及周边地区暖昼增加显著（钱维宏等， 2007）， 东南沿海地区极端高温事件发生频率减少， 西北地区增加， 除西南地区部分站点外， 中国大部分地区极端低温事件发生频率在减少（章大全和钱忠华， 2008； 龚志强等， 2009）。青藏高原平均4000 m的海拔以及其独特的地形在全球气候中起着重要作用（叶笃正， 1952； Zhou et al， 2009； 冯松等， 1998； 马耀明等， 2014）。在全球变暖背景下， 青藏高原的气候变化越来越受到人们的重视， 研究表明青藏高原现在正处于加速升温阶段（段安民等， 2016； Liu and Chen， 2000； Guo and Wang， 2012）， 且高原边缘地区气候变暖要明显高于高原腹地（李林等， 2010）。同时， 由于青藏高原生态环境脆弱， 极端气候事件的发生常会给青藏高原带来很大的影响（王根绪等， 2007； 杨志刚等， 2015）， 因此有许多学者利用气象观测站资料对青藏高原的极端气温事件进行了分析， 发现近些年高原上大部分地区极端高温事件多发， 而极端低温事件发生频率减少（吴国雄等， 2013； 宋辞等， 2012）， 霜冻日数、 冰冻日数呈减少趋势， 极端最高气温与最低气温呈增加趋势（杜军等， 2013； You et al， 2008； Wang et al， 2013）。青藏高原上昼夜升温和冷暖升温还具有不对称性特点（周玉科等， 2017； 游庆龙等， 2008）， 最低气温升高幅度显著大于最高气温与平均气温， 也侧面体现了青藏高原气候变暖的一致性（马晓波和李栋梁， 2003； Ding et al， 2018； 李林等， 2009）。由于青藏高原尤其在中西部地区条件苛刻， 观测站点偏少， 观测数据匮乏， 许多研究者通过模式模拟以求得高原上较全面的极端气温指数的多年变化情况以及预估今后的发生趋势。Xu et al（2012）利用区域气候模式RegCM3研究中国极端气候变化， 结果表明1951 -2100年期间青藏高原变暖显著， 生长季长度增长明显， 霜冻日数减少明显。Lu et al（2019）利用区域气候模式RegCM4预测未来青藏高原将是中国气温升高最显著的区域， 极端暖事件增加， 极端冷事件减少。Zhang et al（2017）利用PRECIS区域气候模型系统模拟得到中国极端气温指数的变化， 结果表明21世纪末期， 青藏高原最低气温变暖幅度大于最高气温， 同时青藏高原南部和东部对极端冷暖的响应十分敏感， 其遭受气候变暖的可能性更高。陈虹举等（2021）、 陈说等（2021）评估了CMIP5多个模式对青藏高原极端气温指数的模拟能力， 李红梅和李林（2015）、 You et al（2020）则利用了CMIP5多模式集合结果分析在不同全球升温阈值下极端气温指数的变化情况， 结果表明全球温升1.5 ℃、 2 ℃、 3 ℃时， 青藏高原上的极端指数趋势幅度大于整个中国， 青藏高原上的冷指数减少， 暖指数增多， 其中2 ℃时极端温度的变化大于1.5 ℃， 但2 ℃和3 ℃之间的差异不是很明显。周天军等（2020）的结果则表明排放情景对近期（2020 -2039年）气候变化预估影响小， 末期（2080 -2099年）在RCP4.5和RCP8.5两种情景下极端气温均显著增加。各种模式模拟的结果也都表明了青藏高原未来属于气候变暖的重点。

第六次国际耦合模式比较计划（CMIP6）包含23个模式比较子计划， 关注了不同科学问题， 其中一个是情景模式比较计划。相较于CMIP5， 此次计划采用了并行方式的思路， 由共享社会经济路径（Shared Socioeconomic Pathways， SSPs）和典型浓度路径（Representative Concentration Pathways， RCPs）共同构成组合的温室气体排放情景。共享社会经济路径（SSPs）描述了在没有气候变化或者气候政策影响下， 未来社会与生态系统的发展趋势， SSPs包含了5种路径， 分别是可持续路径（SSP1）、 中间路径SSP2、 区域竞争路径SSP3、 不平等路径SSP4、 化石燃料发展路径SSP5， 与不同RCPs结合形成了多组可满足一定研究需求的情景（O’neill et al， 2016； Keywan et al， 2017）。有学者已利用该模式对部分地区的气温和降水做了评估和预估工作（赵梦霞等， 2021； 陈炜等， 2021）。本文利用CMIP6多组情景模式模拟结果对青藏高原极端气温指数进行分析， 在评估CMIP6模式对青藏高原极端气温指数模拟能力的基础上， 得到多个情景下的青藏高原极端气温指数未来变化趋势， 为青藏高原的未来气候变化研究与生态环境保护提供更多参考。

本文利用CMIP6共28个全球气候模式的逐日温度数据， 计算了日最高气温最高值（TXx）、 日最低气温最低值（TNn）、 霜冻日数（FD）、 冰冻日数（ID）、 暖昼指数（TX90p）、 冷夜指数（TN10p）6个极端气温指数， 其定义见表1， 有关气候模式的基本信息见表2， 其中包含历史气候模拟试验以及SSP1-1.9、 SSP1-2.6、 SSP2-4.5、 SSP3-7.0、 SSP4-3.4、 SSP4-6.0、 SSP5-8.5等7种排放情景下的未来预估结果， 各情景信息见表3。用于对模式模拟能力进行评估的观测资料来自国家气候中心制作的CN05.1数据集（吴佳和高学杰， 2013）， 该数据集采用了中国气象局2400余个台站资料， 利用“距平逼近”方法进行插值得到的， 分辨率为0.25°×0.25°， 时间长度为1961 -2014年。文中涉及的地图是基于中华人民共和国自然资源部地图技术审查中心标准地图服务系统下载的审图号为GS（2019）1822号的中国地图制作， 底图无修改。

模式评估时间段为1986 -2014年， 未来预估时间段为2015 -2100年， 其中2021 -2040年为近期， 2041 -2060年为中期， 2081 -2100年为末期， 基准期为1995 -2014年。考虑到各个模式之间的分辨率差异， 利用双线性插值将28个模式的模拟结果以及观测资料统一插值到0.5°×0.5°水平分辨率， 再进行多模式集合平均（以下简称MME）。青藏高原选取范围为25°N -40°N， 75°E -106°E。

对模式的模拟能力进行评估时， 用泰勒图来表示， 泰勒图可将模式模拟结果与观测数据之间的相关系数、 中心均方根误差和标准差之比呈现在一张图上， 其中方位角表示相关系数， 模式点到REF点的距离为均方根误差， 原点到模式点的径向距离表示标准差之比。一般相关系数越高， 标准差之比越接近1， 均方根误差越小， 表明模式的模拟能力越好。

首先计算了28个CMIP6全球气候模式模拟6个极端气温指数的泰勒图。图1给出了1986 -2014年TXx、 TNn、 ID、 FD这4个极端气温指数的泰勒图。从图1中可以看出， 大部分模式能够较好地模拟青藏高原的4个极端气温指数。对于TXx， 大部分模式与观测值的相关系数为0.6~0.9， 与观测值的标准差之比为0.86~1.62， 均方根误差为0.47~1.14， MME相关系数为0.82， 标准差之比为0.97， 均方根误差为0.6， 说明了MME对TXx有较好的模拟效果， 其中模拟效果稍差的是KIOST-ESM， 相关系数为0.38， 标准差之比超过2.0， 均方根误差为1.96。对于TNn， 模式与观测值相关系数为0.55~0.88， 标准差之比为0.94~1.89， 均方根误差为0.48~1.42， MME相关系数为0.81， 标准差之比为1.08， 均方根误差为0.65， 表现出较好的模拟效果， 其中模拟效果较差的是IPSL-CM6A-LR， 相关系数为0.68， 标准差之比为1.89， 均方根误差为1.42。对于ID， 模式与观测值相关系数为0.54~0.87， 标准差之比为0.78~1.3， 均方根误差为0.5~0.9， MME相关系数为0.81， 标准差之比为0.9， 均方根误差为0.59， 在所有模式中模拟效果属于前列。对于FD， 模式与观测值之间的相关系数为0.76~0.94， 标准差之比为0.84~1.26， 均方根误差为0.34~0.77， MME相关系数为0.88， 标准差之比为0.98， 均方根误差为0.48， 说明了MME对FD模拟效果比较好。4个极端气温指数的泰勒图相比可以看出， 模式对于ID、 FD的模拟效果比较好， 其次是TXx， TNn相比稍差一点， 但无论是对哪一个极端气温指数的模拟， MME模拟效果都是比较好的。与CMIP5模式模拟结果相比（Zhu et al， 2020）， CMIP6的模拟效果相差不大。

CMIP6模式对暖昼指数（TX90p）与冷夜指数（TN10p）的模拟效果（泰勒图略）则不如其他4个指数。相关评估结果（Zhu et al， 2020； Luo et al， 2020）也提到CMIP6对青藏高原的暖昼和冷夜模拟能力不足。CMIP6气候模式模拟出的TX90p与观测数据之间的相关系数最高为0.66， 且出现了负相关， 标准差之比大部分在0.93~5.88之间， 均方根误差大部分在1.07~5.96之间， 其中MME相关系数为0.2， 标准差之比为0.93， 均方根误差为1.22。模拟的TN10p结果与观测数据之间的相关系数最高为0.71， 也出现了负相关， 标准差之比在0.54~2.42之间， 均方根误差在0.48~1.42之间， 模拟效果稍好于TX90p， 其中MME相关系数为0.37， 标准差之比为0.54， 均方根误差为0.65。与CMIP5结果相比（Zhu et al， 2020）， CMIP6的MME模拟的TX90p和TN10p在标准差和均方根误差有明显改善。从以上数据来看， CMIP6单个气候模式对于TX90p与TN10p的模拟效果差异大， 而MME模拟效果虽较其余4个极端气温指数差， 但模拟效果较稳定。

从空间分布（图2）来看， MME模拟的极端气温指数分布特征与观测值分布基本一致， 但对于不同指数模拟偏差的空间分布有一定差异。对于TXx， 大值区出现在高原北部， 并且由东部向西部指数逐渐减小， 相比观测值， 模式模拟的高原大部分地区偏低， 尤其是东南部和西部指数偏低3 ℃以上， 而靠北部则偏高2 ℃以上。对于TNn， 大值区出现在高原西部， 模式模拟出的高原大部分地区的指数值不高于-30 ℃， 相比观测值， 整体偏低， 南部偏低10 ℃以上， 越往北， 偏差越小。对于ID， 高原东南部指数偏低， 由东南部向西北部指数逐渐增大， 相比观测值， 整体偏高， 高原南部最大偏高100 d以上， 北部偏差减小。FD的分布特征与ID大致相同， 由高原东部向西部逐渐递增， 相比观测值， 除了高原西南与东北部分地区模拟值偏高30 d以上， 其余大部分地区的模拟值偏低。高原上的TX90p大致呈现东低西高的分布特征， 模拟值比观测值整体偏高， 北部和西部偏高2.5%以上， 南部偏高2%以下。高原上的TN10p则是大致呈东高西低的分布特征， 模拟值整体偏低， 大部分地区偏低0.5%~1.5%， 东部偏低1.5%以上。

从时间分布来看（表4）， MME模拟的极端气温指数线性变化趋势与观测基本一致， 其中FD模拟稍差。各极端气温指数模拟值与观测数据的时间相关系数中效果较好的是ID、 FD、 TX90p、 TN10p， 都通过了0.01水平显著性检验， TXx、 TNn的相关性稍弱。

结合泰勒图以及时间、 空间场分布的模拟评估结果来看， MME的模拟结果无论是稳定性还是模拟效果显然是优于单个气候模式， 因此下文将采用MME的结果来预估青藏高原未来的极端气温指数变化趋势。

利用28个CMIP6全球气候模式与CN05.1格点化观测数据对青藏高原1986 -2014年日最高气温最高值（TXx）、 日最低气温最低值（TNn）、 霜冻日数（FD）、 冰冻日数（ID）、 暖昼指数（TX90p）、 冷夜指数（TN10p）这6个极端气温指数的模拟效果进行了评估， 并对青藏高原相关极端气温指数的未来变化特征进行了分析， 主要结论如下：

（1） 28个CMIP6全球气候模式对青藏高原极端气温指数有一定模拟能力， 其中对TXx、 TNn、 FD、 ID模拟效果较好， 对TX10p、 TN10p模拟效果较差， 多模式集合平均结果相比单个气候模式模拟结果更稳定， 也能有较好的模拟效果。28个模式的集合平均能够较好地模拟出极端气温指数在青藏高原的时间、 空间分布特征， 但针对不同指数模拟效果有差异， 对ID、 TX90p模拟值整体偏高， 对TNn、 TN10p模拟值整体偏低， 对FD、 TXx模拟值存在空间上分布差异。

（2） CMIP6模式预估整个青藏高原上TXx、 TNn、 TX90p未来相对于1995 -2014年都呈上升趋势， FD、 ID、 TN10p则呈减少趋势。21世纪末， 极端高温TXx在高原西部增温明显， 极端低温TNn在高原南部增温明显， 且极端低温比极端高温增温更明显。ID、 FD在高原东南部减少明显。与极端高温相关的TX90p在高原西南部增加明显， 与极端低温相关的TN10p在高原东南部减少明显。

（3） 不同SSP情景下， 近期内青藏高原上极端气温指数相对于1995 -2014年的变化幅度差异较小， 其中TXx、 TNn、 FD、 ID在SSP4-3.4情景下变化幅度最大， TX90p、 TN10p在SSP5-8.5情景下变化幅度最大。除了SSP1-1.9情景下极端气温指数随时间变化幅度会减小， 一般随着时间增长， 极端气温指数的变化幅度逐渐增大， 各情景之间的差异也增大。并且辐射强迫越大， 极端气温指数的变化幅度越大， 21世纪末期时， 极端气温指数在SSP5-8.5情景下变化最大， 在SSP1-1.9情景下变化最小。

（4） SSP1-2.6情景下， 中国若在2030年前实现碳达峰， 青藏高原地区TXx平均增温不超过1.12 ℃， TNn平均增温不超过0.84 ℃， FD减少不超过9.1天， ID减少不超过9.7天， TX90p增长不超过8.4%， TN10p减少不超过2.6%。若在2060年前实现碳中和， 青藏高原地区的TXx平均增温不超过1.72 ℃， TNn平均增温不超过1.59 ℃， FD减少不超过15.6天， ID减少不超过17天， TX90p增长不超过15%， TN10p减少不超过3.4%。

本文根据CMIP6全球气候模式模拟的结果来分析青藏高原未来极端气温指数的变化趋势， 许多研究也指出CMIP6模式模拟出的青藏高原气温相比观测值偏低， 计算出的极端气温指数有不同偏差， 在准确性上有一定欠缺， 并且由于高原地区地形复杂， 模式的模拟结果存在的不确定性也较大， 因此只是作为大致的趋势分析参考。