CMIP5模式对西南地区气温的模拟能力评估

引用本文 [复制中英文]

伍清, 蒋兴文, 谢洁. 2017. CMIP5模式对西南地区气温的模拟能力评估[J]. 高原气象, 36(2): 358-370. DOI: 10.7522/j.issn.1000-0534.2016.00046

Wu Qing, Jiang Xingwen, Xie Jie. 2017. Evaluation of Surface Air Temperature in Southwestern China Simulated by the CMIP5 Models[J]. Plateau Meteorology, 36(2): 358-370. DOI: 10.7522/j.issn.1000-0534.2016.00046.

[复制英文]

资助项目

国家自然科学基金项目（91337107，41405043）；四川省气象局科学技术研究开发课题青年基金（川气课题2014-青年-02）

通讯作者

蒋兴文. E-mail:xingwen.jiang@yahoo.com

作者简介

伍清 (1984), 女, 贵州安顺人, 助理研究员, 主要从事气候变化研究.E-mail:xianqing_612326@163com

文章历史

收稿日期: 2015-11-03

定稿日期: 2016-04-14

Contents Abstract Full text Figures/Tables PDF

CMIP5模式对西南地区气温的模拟能力评估

伍清¹, 蒋兴文¹, 谢洁²

1. 中国气象局成都高原气象研究所/高原与盆地暴雨旱涝灾害四川省重点实验室, 成都 610072;
2. 江苏省张家港市气象局, 张家港 215600

收稿日期: 2015-11-03; 定稿日期: 2016-04-14

资助项目: 国家自然科学基金项目（91337107，41405043）；四川省气象局科学技术研究开发课题青年基金（川气课题2014-青年-02）

作者简介: 伍清 (1984), 女, 贵州安顺人, 助理研究员, 主要从事气候变化研究.E-mail:xianqing_612326@163com

通讯作者: 蒋兴文. E-mail:xingwen.jiang@yahoo.com

摘要: 利用1961-2005年西南地区（四川、贵州、云南、重庆）115个站点的地表气温观测资料以及国际耦合模式比较第五阶段（CMIP5）的历史模拟试验数据，从气温增暖强度、年代际变化和突变三个角度，评估了40个全球气候系统模式对西南地区地表气温的模拟能力。结果表明：大部分模式能模拟出近45年来西南地区不同分区年平均气温的显著升高趋势，但仅6个模式能较好的模拟出地表气温增温幅度的海拔依赖性特征。海拔较低的四川盆地、重庆丘陵地区年平均气温在20世纪60年代至80年代后期呈降温趋势，80年代末开始升温，70年代中期到90年代中期是一个相对较冷的时期，10个模式能模拟出这种降温趋势，其中3个模式模拟降温趋势、年代际偏冷时间与观测结果最为接近，模拟效果较好。所有模式均不能模拟出气温的突变特征。总体来说，对西南地区气温变化模拟相对较好的模式有ACCESS1.0、CESM1-WACCM、CMCC-CMS、GFDL-CM2.1、GISS-E2-R-CC、MRI-ESM1、NorESM1-ME，其中，模拟效果最好的模式为ACCESS1.0。

关键词: 西南地区 CMIP5模式地表气温评估

1 引言

在全球变暖背景下, 近百年来中国平均气温明显增加, 但是不同区域的增温差异大。中国西南地区地处青藏高原东南部, 地形地貌复杂, 天气气候具有明显的区域特色。西南地区气温的变化也具有明显的独特性 (陈隆勋等, 1991、1998; 唐红玉和翟盘茂, 2005; 马振锋等, 2006; 尹文有等, 2010; Liu, 2000), 陈隆勋等 (1998)利用1951-1995年约400个站的月平均气温资料, 分析了我国平均气温的气候变化规律, 发现中国现代的气温变暖主要发生在35°N以北地区, 在35°N以南到23°N以及100°E以东地区存在一个广阔的变冷区, 变冷中心主要位于四川、贵州以及陕南。唐红玉和翟盘茂 (2005)对比研究1951-2002年中国东、西部地区地面气温变化发现, 我国主要的降温和变温最小区位于西部的四川盆地。马振锋等 (2006)对西南地区近40年来气候的年际和年代际变化特征进行了分析, 揭示了西南地区的四川盆地在20世纪80年代到90年代中期存在显著的年代际偏冷, 与全球变暖存在非同步性。Liu et al (2000)利用西南地区197个气象站点的月平均地表温度资料, 分析1955-1996年气温的变化特征, 研究结果指出西南地区地表温度的增加随海拔高度的增加而增强。这些研究事实都表明了西南地区气候变化具有显著的区域特色。西南地区是我国水资源最丰富的地区之一, 该地区气候变化对局地及其下游地区水资源存在明显影响 (Zhou et al, 2006); 此外, 随着全球变暖, 西南地区极端天气气候事件频发、多发、重发, 给人民群众生命财产和经济社会发展造成了重大损失。因此, 正确认识西南地区未来气候的可能变化及其影响是十分有必要的。

现阶段气候系统模式是进行当代气候模拟、未来气候变化预测不可替代的工具, 参与世界气候研究计划 (WCRP) 组织的耦合模式比较计划 (CMIP) 的试验数据资料被广泛应用于气候变化相关机理及未来气候变化预估等方面的研究 (范丽军, 2010; 汪方和丁一汇, 2011; 李秀萍等, 2012)。目前耦合模式比较计划已开展到第五阶段 (CMIP5), 相比于CMIP3, 参加CMIP5的全球气候模式采用更合理的参数化方案、通量处理方案、耦合器技术和情景试验设计 (Taylor, 2012)。模式的模拟数据已对外公布并提供下载, 利用此数据, 国内众多学者评估了新一代气候模式对气温降水变化 (Jiang et al, 2016; Xu Y and Xu C H, 2012; 姚遥等, 2012; 陈活泼, 2013; 郭彦等, 2013; 姜燕敏和吴昊旻, 2013; 李振朝等, 2013; 陈晓晨等, 2014; 胡芩等, 2014)、500 hPa高度场主要模态 (黄海玲等, 2015)、ENSO现象 (张芳等, 2014) 等的模拟能力, 但这些研究的区域主要关注东亚及中国, 对于我国西南地区的评估工作却不多见。一个模式能否模拟出过去气候的变化特征, 是能否将其结果作为未来气候预估的一个重要依据。因此, 在利用CMIP5模式资料开展西南区域气候预估之前, 需系统评估相关模式对西南区域过去气候的模拟能力。

过去的研究多数从区域线性增温强度的角度评估模式对气温的模拟能力。西南区域过去气候的变化并不只表现出简单的线性增温, 还表现出明显的年代际变化和均值在某一时段前后的突变 (马振锋等, 2006), 并且, 线性增温幅度还表现出随海拔高度增加而增强的特征 (Liu, 2000; 尹文有等, 2010)。认识年际突变和均值突变的对于预估某一时段的气温变化极其重要。因此, 非常有必要从多角度来评估模式对过去气温的模拟能力。本文将利用全国气象站点的实测数据, 经过质量筛选挑选出西南区域的站点实测数据, 对CMIP5资料分发中心提供的40个新一代全球气候模式在历史气候模拟试验下的地表气温模拟结果进行评估。重点检查模式是否能模拟出西南地区地表气温增温幅度对海拔高度的依赖性、四川盆地20世纪80~90年代中期偏冷、气温增温突变, 为深入研究西南区域未来气候变化奠定基础。

2 资料与方法

使用的资料包括观测资料及模式资料。观测资料是国家气象信息中心提供的“中国地面气候资料日值数据集 (V3. 0)”中的气温日值数据, 经过质量筛选挑选出西南地区 (115个站点)1961-2005年的日平均气温资料。选取西南地区范围为 (21°N-35°N, 97°E-110°E), 主要指四川、云南、贵州、重庆地区 (图 1)。

图 1 西南地区 (21°N-35°N, 97°E-110°E) 气象站点分布 △:海拔高度>2000 m的站点, +:海拔高度在1000~2000 m的站点, ●:海拔高度 < 1000 m的站点 Figure 1 Postions of observation stations in Southwestern (21°N-35°N, 97°E-110°E) China (SWC) △ denotes the station height more than 2000 m (above sea level, ASL), + denotes the station height between 1000 and 2000 m ASL, ● denotes the station height less than 1000 m ASL

模式资料为CMIP5提供的全球气候系统模式在历史气候模拟试验 (简称historical) 下的地表气温模拟数据, 模拟时段为1850-2005年, 根据资料的可利用性, 共选取了40个气候模式的数据用于本文研究。为与观测资料时间统一, 时间范围取1961-2005年。所用模式来自挪威、美国、德国、中国、法国、俄罗斯、日本等国家的研究机构或组织, 模式的基本信息请参见表 1, 更多细节请参阅http://cmip-pcmdi.llnl.gov/cmip5/。鉴于各个模式具有不同的水平分辨率, 因此使用双线性内插值法将各模式的数据统一插值到观测站点上。

表 1 40个气候模式的基本信息 Table 1 The basic information of the 40 climate models

模式名称	所属国家	水平分辨率
BCC-CSM1.1	中国	128×64
BNU-ESM	中国	128×64
MIROC4h	日本	640×320
MIROC5	日本	256×128
MIROC-ESM-CHEM	日本	128×64
MIROC-ESM	日本	128×64
MRI-CGCM3	日本	320×160
MRI-ESM1	日本	320×160
CanESM2	加拿大	128×64
FGOALS-G2.0	中国	128×60
FIO-ESM	中国	128×64
INM-CM4	俄罗斯	180×120
IPSL-CM5A-MR	法国	144×143
IPSL-CM5B-LR	法国	96×96
IPSL-CM5A-LR	法国	96×96
CNRM-CM5-2	法国	256×128
CNRM-CM5	法国	256×128
MPI-ESM-LR	德国	192×96
MPI-ESM-MR	德国	192×96
MPI-ESM-P	德国	192×96
CMCC-CMS	意大利	192×96
CMCC-CM	意大利	480×240
CMCC-CESM	意大利	96×48
CCSM4	美国	288×192
CESM1(BGC)	美国	288×192
CESM1(CAM5)	美国	288×192
CESM1(FASTCHEM)	美国	288×192
CESM1-WACCM	美国	144×96
HadCM3	英国	96×73
EC-EARTH	欧盟	320×160
GISS-E2-H-CC	美国	144×90
GISS-E2-H	美国	144×90
GISS-E2-R	美国	144×90
GISS-E2-R-CC	美国	144×90
NorESM1-M	挪威	144×96
NorESM1-ME	挪威	144×96
CSIRO-Mk3.6	澳大利亚	192×96
ACCESS1.3	澳大利亚	192×145
ACCESS1.0	澳大利亚	192×145
GFDL-CM2.1	美国	144×90
注:水平分辨率为纬向-经向格点数

表 1 40个气候模式的基本信息 Table 1 The basic information of the 40 climate models

研究方法包括气候统计诊断中常用的线性倾向估计、滑动平均、Mann-Kendall突变检测法, 统计分析的显著性使用t检验。

研究区域包含了川西高山高原、云贵高原、四川盆地及重庆丘陵地区, 海拔落差大, 地形复杂。通过1961-2005年西南地区年平均气温线性倾向率的空间分布 (图 2) 可看出增温大值区主要位于川西高原; 云贵高原大部地区也呈增温趋势, 但增温幅度低于川西高原; 四川东北部与重庆部分地区、四川西南部与云南北部交界处存在降温中心, 这与其他研究结果 (陈隆勋等, 1991, 1998; 唐红玉等, 2005; 马振锋等, 2006; 尹文有等, 2010) 相一致。Liu et al (2000)研究指出西南区域青藏高原的增温幅度显著高于其他区域, 并且增温幅度在一定程度上表现出明显的海拔依赖性, 图 2中增温幅度在一定程度上也体现了这一特征, 因此, 根据不同的海拔将西南地区分为3个区: Ⅰ区主要包括川西高原以及云南北部海拔>2000 m的站点, 共有27个; Ⅱ区主要包括云贵高原、四川南部海拔高度在1000~2000 m之间的站点, 共有36个; Ⅲ区主要包括四川、重庆丘陵、盆地区域海拔 < 1000 m的站点, 共有52个。

图 2 1961-2005年西南地区年平均气温线性倾向率分布 (单位: ℃·(10a)^-1) Figure 2 Linear tend rate distribution of annual mean temperature over SWC from 1961 to 2005. Unit: ℃·(10a)^-1

3 气温变化趋势模拟能力

从1961-2005年西南地区各分区年平均气温随时间的演变曲线 (图 3) 可以看出, 近45年来西南地区年平均气温呈显著升高趋势, 其中, 海拔较高的Ⅰ区增温较快, 其线性增温速率为0. 20 ℃·(10a)^-1; Ⅱ区线性增温速率为0. 13℃·(10a)^-1, 略低于Ⅰ区; 海拔高度较低的Ⅲ区线性增温速率为0. 07 ℃·(10a)^-1, 增温速率最低。三个区气温增温幅度表现出明显的海拔依赖性。综合表 2及模式模拟的西南地区各分区年平均气温随时间的演变图 (图略) 来看, 能模拟出Ⅰ、Ⅱ、Ⅲ区增温趋势, 且增温速率为Ⅰ>Ⅱ>Ⅲ区的模式共有14个, 分别为ACCESS1. 0、ACCESS1. 3、CESM1-WACCM、CNRM-CM5-2、FGOALS-G2. 0、GFDL-CM2. 1、GISS-E2-H-CC、INM-CM4、MIROC5、MIROC-ESM、MPI-ESM-LR、MRI-CGCM3、MRI-ESM1、NorESM1-ME。模拟出Ⅰ、Ⅱ、Ⅲ区增温趋势的14个模式中, 增温速率模拟较好的模式有INM-CM4、MIROC-ESM、CNRM-CM5-2, 三个区增温速率分别为0. 21、0. 13和0. 11 ℃·(10a)^-1; 0. 2、0. 14和0. 01 ℃·(10a)^-1; 0. 14、0. 13和0. 08 ℃·(10a)^-1, 与观测结果较为接近, 模拟效果相对较好。值得注意的是, 除了模式MIROC-ESM对Ⅲ区增温速率模拟相对较低以外, 其余模式模拟的Ⅲ区增温速率都相对较高。

图 3 1961-2005年西南地区各分区年平均气温随时间的演变 (a) Ⅰ区, (b) Ⅱ区, (c) Ⅲ区 Figure 3 Time series of annual mean temperature for subregions over SWC from 1961 to 2005 (a) area Ⅰ, (b) area Ⅱ, (c) area Ⅲ

表 2 CMIP5模式模拟的1961-2005年西南地区各分区年平均及季节气温线性倾向率 Table 2 The linear tend rate of annual mean and seasonal temperatures for subregions over SWC from 1961 to 2005 by the CMIP5 models

模式	Ⅰ区					Ⅱ区					Ⅲ区
模式	年平均	春季	夏季	秋季	冬季	年平均	春季	夏季	秋季	冬季	年平均	春季	夏季	秋季	冬季
ACCESS1.0	0.31^*	0.26^*	0.21^*	0.24^*	0.55^*	0.18^*	0.16^*	0.16^*	0.16^*	0.24^*	0.15^*	0.09	0.22^*	0.13^*	0.13
ACCESS1.3	0.05	0.00	0.10^*	0.02	0.06	0.03	-0.02	0.09	0.02	0.01	0.02	-0.03	0.11^*	0.01	-0.04
BCC-CSM1.1	0.13^*	-0.08	0.29^*	0.25^*	0.06	0.09	-0.24	0.32^*	0.20^*	0.08	0.10	-0.21	0.30^*	0.21^*	0.12
BNU-ESM	0.13^*	0.04	0.23^*	0.16	0.11	0.14^*	0.12	0.23^*	0.11	0.09	0.21^*	0.25^*	0.19^*	0.12	0.26
CanESM2	0.24^*	0.22	0.24^*	0.35^*	0.12	0.22^*	0.19	0.21^*	0.36^*	0.10	0.22^*	0.16	0.18=^*	0.39^*	0.13
CCSM4	0.25^*	0.19^*	0.25^*	0.37^*	0.18	0.18^*	0.15^*	0.22^*	0.32^*	0.03	0.23^*	0.14	0.33^*	0.34^*	0.12
CESM1(BGC)	0.16^*	0.18^*	0.19^*	0.11	0.17^*	0.10^*	0.06	0.19^*	0.10	0.04	0.12^*	0.13	0.19^*	0.04	0.14
CESM1(CAM5)	0.22^*	0.18^*	0.12^*	0.27^*	0.33^*	0.12^*	0.05	0.06	0.18^*	0.17	0.13^*	0.03	0.11^*	0.23^*	0.17
CESM1(FASTCHEM)	0.26^*	0.17	0.27^*	0.25^*	0.35^*	0.25^*	0.21^*	0.26^*	0.26^*	0.24^*	0.25^*	0.14	0.33^*	0.37^*	0.14
CESM1-WACCM	0.25^*	0.24^*	0.16^*	0.33^*	0.25^*	0.16^*	0.18^*	0.14^*	0.26^*	0.04	0.15^*	0.13	0.16^*	0.25^*	0.08
CMCC-CESM	0.23^*	0.23^*	0.23^*	0.16^*	0.26	0.25^*	0.28	0.29^*	0.19^*	0.19	0.21^*	0.24	0.18^*	0.22^*	0.19
CMCC-CM	0.22^*	0.20^*	0.22^*	0.21^*	0.27^*	0.19^*	0.24^*	0.21^*	0.17^*	0.14	0.23^*	0.29^*	0.21^*	0.22^*	0.21^*
CMCC-CMS	0.27^*	0.19^*	0.22^*	0.27^*	0.40^*	0.24^*	0.16	0.20^*	0.22^*	0.37^*	0.25^*	0.09	0.23^*	0.20^*	0.43^*
CNRM-CM5	0.06	0.04	0.03	0.13	0.04	0.03	0.06	0.09	0.09	-0.08	-0.03	-0.01	0.01	0.10	-0.18
CNRM-CM5-2	0.14^*	0.14	0.13^*	0.12	0.15	0.13^*	0.12	0.14^*	0.10	0.17^*	0.08	0.03	0.08	0.14	0.10
CSIRO-Mk3.6	0.12^*	0.07	0.14^*	0.20^*	0.07	0.13^*	0.06	0.14^*	0.21^*	0.12	0.12^*	0.00	0.15^*	0.19^*	0.13
EC-EARTH	0.20^*	0.22^*	0.21^*	0.23^*	0.12	0.15^*	0.19^*	0.21^*	0.14^*	0.06	0.16^*	0.22^*	0.21^*	0.09	0.12
FGOALS-G2.0	0.26^*	0.25^*	0.15^*	0.30^*	0.28	0.21^*	0.08	0.19	0.29^*	0.24^*	0.20^*	0.02	0.14	0.34^*	0.24
FIO-ESM	0.19^*	0.12	0.20^*	0.13	0.27^*	0.12^*	0.03	0.18^*	0.08	0.16	0.17^*	0.10	0.19^*	0.16	0.20^*
GFDL-CM2.1	0.25^*	0.32^*	0.20^*	0.13	0.30	0.17^*	0.30^*	0.13^*	0.07	0.10	0.15	0.26^*	0.03	0.04	0.20
GISS-E2-H	0.11	0.22^*	0.01	0.11	0.08	-0.02	0.08	-0.14	0.05	-0.06	-0.06	-0.04	-0.11	0.05	-0.12
GISS-E2-H-CC	0.26^*	0.33^*	0.25^*	0.23^*	0.21^*	0.15^*	0.20^*	0.10	0.15^*	0.14	0.12^*	0.19^*	0.10	0.21^*	-0.03
GISS-E2-R	0.11	0.16	0.06	0.02	0.20^*	0.04	0.11	-0.02	-0.06	0.14	0.08	0.04	-0.04	0.07	0.26^*
GISS-E2-R-CC	0.18^*	0.33^*	0.21^*	0.22^*	-0.06	0.12^*	0.20^*	0.17^*	0.22^*	-0.12	0.14^*	0.23^*	0.13	0.31^*	-0.10
HadCM3	0.13^*	0.14	0.21^*	0.12^*	0.01	0.18^*	0.24^*	0.20^*	0.13^*	0.12	0.14^*	0.25^*	0.26^*	0.11	-0.07
INM-CM4	0.21^*	0.18	0.18^*	0.14	0.29	0.13^*	0.14	0.13^*	0.12	0.12	0.11^*	-0.01	0.10^*	0.17	0.19
IPSL-CM5A-LR	0.21^*	0.23	0.33^*	0.08	0.19	0.16^*	0.14	0.32^*	-0.01	0.15	0.18^*	0.16	0.33^*	0.04	0.16
IPSL-CM5A-MR	0.31^*	0.29^*	0.26^*	0.23^*	0.46^*	0.26^*	0.30^*	0.24^*	0.16^*	0.33^*	0.28^*	0.14	0.32^*	0.23^*	0.42^*
IPSL-CM5B-LR	0.33^*	0.28^*	0.28^*	0.41^*	0.38^*	0.25^*	0.23^*	0.23^*	0.33^*	0.21	0.26^*	0.21	0.24^*	0.39^*	0.22
MIROC4h	0.22^*	0.31^*	0.24^*	0.14^*	0.18	0.26^*	0.39^*	0.25^*	0.18^*	0.24^*	0.29^*	0.32^*	0.27^*	0.24^*	0.31^*
MIROC5	0.08	-0.05	0.10	0.15^*	0.12	0.06	0.01	0.04	0.13^*	0.06	0.05	0.04	-0.04	0.08	0.10
MIROC-ESM	0.20^*	0.02	0.17^*	0.23^*	0.35	0.14^*	0.03	0.27^*	0.15^*	0.06	0.01	-0.20^*	0.17	0.04	0.01
MIROC-ESM-CHEM	0.08	0.02	0.03	0.14	0.14	-0.01	-0.16	-0.01	-0.08	-0.17	-0.01	-0.10	-0.03	0.06	0.02
MPI-ESM-LR	0.25^*	0.38^*	0.19^*	0.15	0.26^*	0.24^*	0.49^*	0.18^*	0.103	0.18^*	0.20^*	0.36^*	0.13^*	0.14	0.16
MPI-ESM-MR	0.37^*	0.34^*	0.27^*	0.44^*	0.45^*	0.31^*	0.29^*	0.33^*	0.42^*	0.21^*	0.36^*	0.36^*	0.36^*	0.47^*	0.29^*
MPI-ESM-P	0.11	-0.03	0.17^*	0.13	0.17	0.05	-0.03	0.17^*	-0.03	0.06	0.13	0.06	0.27^*	0.05	0.14
MRI-CGCM3	0.12^*	0.12	0.07	0.20^*	0.10	0.09^*	0.12	0.02	0.11	0.12	0.08	0.13	0.03	0.12	0.06
MRI-ESM1	0.12^*	0.09	0.09	0.15	0.15	0.11^*	0.07	0.13^*	0.15^*	0.09	0.09^*	0.10	0.09	0.05	0.11
NorESM1-M	0.18^*	0.04	0.18^*	0.35^*	0.08	0.11^*	-0.03	0.17^*	0.31^*	-0.06	0.10^*	-0.04	0.14^*	0.28^*	0.01
NorESM1-ME	0.17^*	0.16	0.14^*	0.09	0.28^*	0.14^*	0.11	0.08^*	0.14	0.20	0.11^*	0.09	0.08	0.17^*	0.07
观测值a	0.20^*	0.11	0.16^*	0.18^*	0.33^*	0.13^*	0.05	0.09^*	0.14^*	0.26^*	0.07	0.02	-0.03	0.11	0.19^*
b	0.08	-0.03	0.10	0.02	0.19	-0.05	-0.22	0.10	-0.02	-0.06	-0.17^*	-0.33	-0.15	-0.04	-0.11
c	0.36^*	0.40^*	0.15	0.47^*	0.40	0.27^*	0.35	0.03	0.42^*	0.34	0.35^*	0.62	0.16	0.47^*	0.25
注:表中^*表示数据通过了95%信度检验。“观测值”的a行数据、b行数据、c行数据分别为1961-2005年、1961-1985年、19862005年气温线性倾向率 (单位: ℃·(10a)^-1)

此外, 从图 3可看出西南地区各分区年平均气温在1985年前后存在明显的不一致性, Ⅰ区和Ⅱ区在1985年前气温变化较平稳, 没有明显上升或下降趋势, 1985年后气温逐渐升高; Ⅲ区在1985年前呈降温趋势, 1985年后开始升温。因此, 我们将研究时段分为1961-1985年及1986-2005两个时段, 分别讨论这两个时段气温线性倾向率变化情况。表 2中给出了观测气温的1961-1985年、1986-2005年西南地区各分区年平均及季节气温线性倾向率。由表中观测气温的线性倾向率变化可知, 1961-1985年, Ⅰ区年平均气温变化较平稳, 没有明显上升或下降趋势, 其线性增温速率为0. 08 ℃·(10a)^-1; Ⅱ区年平均气温呈降温趋势, 降温速率为-0. 05 ℃·(10a)^-1, 但降温不显著; Ⅲ区年平均气温呈显著降温趋势, 降温速率为-0. 17 ℃·(10a)^-1。19862005年, Ⅰ区、Ⅱ区、Ⅲ区年平均气温均表现出一致的显著升温趋势, 增温速率分为0. 36 ℃·(10a)^-1、0. 27 ℃·(10a)^-1、0. 35 ℃·(10a)^-1。从各分区四季气温线性倾向率变化来看, 1961-1985年, Ⅰ区除春季外, 其他季节都表现出增温趋势, 其中夏、冬季增温较秋季强; Ⅱ区除夏季呈升温趋势外, 其余季节均呈降温趋势, 其中春季降温较强; Ⅲ区四季均呈降温趋势, 其中春季降温最强, 秋季最弱。1986-2005年, Ⅰ区、Ⅱ区、Ⅲ区四季气温均呈快速升温趋势, 尤其是春、秋季, 增温速率强于夏、冬季。

对1961-1985年、1986-2005年西南地区各分区年平均气温变化趋势及线性倾向率 (表略) 模拟较好的模式, Ⅰ区有BNU-ESM、EC-EARTH、CSIRO-Mk3. 6、FIO-ESM、GISS-E2-H-CC、NorE-SM1-M; Ⅱ区有GFDL-CM2. 1、GISS-E2-H-CC、MIROC5; Ⅲ区有ACCESS1. 0、EC-EARTH、GF-DL-CM2. 1、GISS-E2-H-CC、IPSL-CM5A-LR、MIROC5。对季节气温变化趋势及线性倾向率模拟相对较好的模式, Ⅰ区有ACCESS1. 0、BNU-ESM、EC-EARTH、GISS-E2-R、MIROC4h; Ⅱ区有ACCESS1. 3、EC-EARTH、GISS-E2-R-CC、HadCM3、IPSL-CM5A-LR、MIROC4h、MRI-ESM1; Ⅲ区有ACCESS1. 0、EC-EARTH、GISS-E2-H-CC、GISS-E2-R。

从不同季节气温随时间的演变 (图 4) 可以看出, Ⅰ区四季平均气温都表现出一致的升温趋势, 增温速率分别为0. 11、0. 16、0. 18和0. 33 ℃·(10a)^-1, 春季升温相对较弱, 冬季升温较强。Ⅱ区四季气温仍表现出一致的升温趋势, 但升温幅度要低于Ⅰ区, 其增温速率分别为0. 05、0. 09、0. 14和0. 26 ℃·(10a)^-1, 秋冬季升温要强于春夏季。Ⅲ区四季气温增温速率分别为0. 01、-0. 03、0. 11和0. 19 ℃·(10a)^-1, 春季气温增温幅度小, 夏季气温呈降温趋势, 秋季增温比春季强, 冬季增温最强, 但相对于Ⅰ、Ⅱ区冬季的增温要弱。分别对比四季各分区的增温速率, 发现增温速率均是Ⅰ>Ⅱ>Ⅲ区, 表明四季气温增温幅度表现出明显的海拔依赖性。对各分区四季气温增温趋势及增暖幅度海拔依赖性模拟较好的模式, 春季有ACCESS1. 0、CanESM2、CCSM4、CESM1(CAM5)、CESM1-WACCM、CMCC-CMS、CNRM-CM5-2、CSIRO-Mk3. 6、FGOALS-G2. 0、GFDL-CM2. 1、GISS-E2-R、IPSL-CM5B-LR、NorESM1-ME; 夏季有MIROC5;秋季有ACCESS1. 0、CESM1(BGC)、CES-M1-WACCM、CMCC-CMS、EC-EARTH、GFDL-CM2. 1、MIROC5、MIROC-ESM、NorESM1-M; 冬季有ACCESS1. 0、CESM1(FASTCHEM)、MIROC-ESM、MPI-ESM-LR、NorESM1-ME。

图 4 1961-2005年西南地区各分区Ⅰ区 (a~d), Ⅱ区 (e~h) 和Ⅲ区 (i~l) 四季气温随时间的演变第1~4列分别为春季、夏季、秋季和冬季 Figure 4 Time series of seasonal temperature for subregions areaⅠ(a~d), areaⅡ (e~h) and area Ⅲ (i~l) over SWC from 1961 to 2005 The column 1~4 represent the spring, summer, autumn and winter, respectively

由以上分析可知, 根据实际地形海拔将西南地区分为三个区, 各分区年平均气温及季节气温的增温幅度都表现出明显的海拔依赖性, 评估模式对这一特征的模拟能力发现, 模式ACCESS1. 0、CESM1-WACCM、GFDL-CM2. 1、MIROC5、MIROC-ESM、NorESM1-ME模拟相对较好。若根据模式地形海拔高度进行分区, 模式模拟的气温增温幅度是否也具有海拔依赖性特征?为探讨这一问题, 利用模式地形资料, 根据各个模式的地形海拔进行分区, 发现模式ACCESS1. 0、CESM1-WACCM、GFDL-CM2. 1、MIROC5、MIROC-ESM、Nor-ESM1-ME仍能模拟出气温增温强度对海拔的依赖性特征。

为进一步评估模式是否能模拟出观测的年代际变化趋势, 对观测及模式模拟的气温距平做了11年滑动平均, 图 5给出了三个区观测及模式模拟的年平均气温距平11年滑动平均趋势变化, 图中选取的模式为模拟结果与观测结果较一致的模式。从图 5a可看出, Ⅰ区在20世纪60年代初至70年代末, 气温变化比较平稳, 80年代初气温开始增暖, 到80年代末气温距平为正距平, 开始快速升温。模拟结果较好的模式有ACCESS1. 0、CMCC-CMS、HadCM3、CESM1-WACCM、CMCC-CESM、CNRM-CM5-2、GISS-E2-R-CC、MRI-CGCM3。从图 5b看出, Ⅱ区在20世纪60年代至80年代初气温变化没有明显的上升或下降趋势, 但处于一个相对低温时期; 80年代初后开始逐渐升温, 到90年代初气温距平为正距平, 气温快速增加。对Ⅱ区气温变化趋势模拟较好的模式有: ACCESS1. 0、EC-EARTH、BNU-ESM、GFDL-CM2. 1、GISS-E2-H-CC、GISS-E2-R-CC、MRI-CGCM3、MRI-ESM1。海拔较低的Ⅲ区主要包括四川盆地、重庆丘陵区域, 以往的研究表明该区域在20世纪80年代到90年代中期存在显著的年代际偏冷, 与全球变暖存在非同步性, 模式能否模拟出该区域的降温是本次研究评估模式模拟能力的重点。图 5c给出了Ⅲ区气温距平的变化趋势, 由图可知该区气温从20世纪60年代至80年代后期呈降温趋势, 80年代末开始升温, 至90年代中期后气温距平为正距平, 70年代中期到90年代中期是一个相对较冷的时期, 90年代中期后快速升温。能模拟出降温趋势的模式有ACCESS1. 0、ACCESS1. 3、CESM1-WACCM、GISS-E2-H-CC、GI-SS-E2-R、GISS-E2-R-CC、IPSL-CM5A-LR、HadCM3、MIROC-ESM、MPI-ESM-P, 其中ACCESS1. 0、CESM1-WACCM、MIROC-ESM模拟的降温趋势、降温时间与观测结果最为接近, 模拟效果较好。

图 5 1961-2005年西南地区各分区年平均气温距平11年滑动平均演变 (a) Ⅰ区, (b) Ⅱ区, (c) Ⅲ区 Figure 5 11-year moving average of anomalous annual mean temperature for subregions over SWC from 1961 to 2005 (a) area Ⅰ, (b) area Ⅱ, (c) area Ⅲ

从各分区不同季节的气温距平11年滑动平均趋势演变 (图略) 来看, Ⅰ区春季从20世纪60年代中期到80年代中期气温呈下降趋势, 80年代中期后开始快速增温; 夏、秋、冬季无明显的低温时期, 表现为持续增温。Ⅱ区春季气温在20世纪60年代末至80年代中期呈降温趋势, 80年代末气温开始增暖, 70年代初到90年代中期为相对低温时期; 夏季气温在60年代末至80年代中期快速增温, 随后增温趋势变缓, 增温幅度变化不大; 秋季气温在60年代末至80年代末缓慢上升, 90年代初开始快速增温; 冬季气温在60年代末至80年代中期缓慢上升, 80年代后期开始快速增温。Ⅲ区气温春季增温幅度小, 在20世纪60年代末至80年代末呈降温趋势, 90年代初开始增暖, 70年代中期到90年代中期为明显的低温时期; 夏季70年代中至80年代后期, 气温呈降温趋势, 80年代末气温开始增暖, 70年代中期到90年代初期为相对低温时期; 秋季气温在70年代中至80年代末缓慢上升, 90年代初开始快速增暖; 冬季气温在70年代中至80年代中期, 气温缓慢上升, 80年代末气温开始快速增暖, 秋冬季增暖比春夏季强。

对各分区四季气温变化趋势模拟较好的模式, Ⅰ区春季有ACCESS1. 3、BNU-ESM、CSIRO-Mk3. 6、MIROC-ESM-CHEM; 夏季有ACCESS1. 3、CESM1(FASTCHEM)、CNRM-CM5-2、IPSL-CM5B-LR、MPI-ESM-LR、NorESM1-M; 秋季有EC-EARTH、GISS-E2-H-CC、GISS-E2-R-CC、IPSL-CM5A-MR; 冬季有CESM1-WACCM、GISS-E2-H-CC、IPSL-CM5B-LR、MPI-ESM-MR、NorESM1-ME。Ⅱ区春季有ACCESS1. 3、BNU-ESM、MRI-ESM1、NorESM1-M; 夏季有INM-CM4、IPSL-CM5B-LR、MRI-ESM1、NorESM1-M、NorESM1-ME; 秋季有ACCESS1. 0、GISS-E2-R-CC、IPSL-CM5A-MR、MPI-ESM-MR、MRI-ESM1;冬季有ACCESS1. 0、CMCC-CMS、CSIRO-Mk3. 6、MPI-ESM-LR、NorESM1-ME。Ⅲ区春季有BCC-CSM1. 1、INM-CM4、NorESM1-M、NorESM1-ME; 夏季有GFDL-CM2. 1、GISS-E2-H、GISS-E2-R; 秋季有ACCESS1. 0、CMCC-CMS、FIO-ESM、GISS-E2-H-CC、IPSL-CM5A-MR、MIROC4h;冬季有CSIRO-Mk3. 6、MIROC4h、MPI-ESM-LR、MRI-ESM1。

4 气温突变模拟能力

从西南地区各分区年平均气温的MK突变检验 (图 6) 中可以看出, Ⅰ区气温从20世纪80年代中期开始有明显的增温趋势, 并且这个增暖是一种突变, 它的起始时段发生在1991年; Ⅱ区气温从20世纪80年代中期开始也有显著增温趋势, 突然升温的起始时段发生在1996年; Ⅲ区气温从20世纪90年代初开始虽然也有增温, 但是这种增温并不显著, 突然升温起始时间为1998年。Ⅰ区最先开始快速升温, 而Ⅲ区较晚。

图 6 1961-2005年西南地区各分区年平均气温的MK突变检验 (a) Ⅰ区, (b) Ⅱ区, (c) Ⅲ区, 图中两条直线为95%临界值线, 临界值: |U|_0.05=1. 96 Figure 6 Mann-Kendall tests of annual mean temperature for subregions over SWC from 1961 to 2005 (a) areaⅠ, (b) areaⅡ, (c) area Ⅲ. Two lines indicate the critical limits of tests of significance level at the 0.05, and the critical value was set to be |U|_0.05=1. 96

从西南地区各分区四季气温的突变检验来看, Ⅰ区四季气温均为显著增温, 四季气温突变年份分别为1994年、1986年、1993年和1985年, 夏冬季气温突变时间相对于春秋季的早 (图 7a~d); Ⅱ区气温在夏、秋、冬季增暖比较显著, 而春季增暖不显著, 四季气温突变年份分别为1997年、1978年、1994年和1993年 (图 7e~h), 夏季气温突变时间最早, 秋冬季突变时间相当, 春季稍晚; Ⅲ区气温在夏季没有上升趋势, 春秋季的增暖不显著, 冬季显著增暖, 春、秋、冬季气温突变年份分别为2004年、1997年和1995年 (图 7i~l)。对比三个区春、秋、冬季气温的突变时间发现, Ⅰ区突变时间最早, Ⅱ区次之, Ⅲ区最晚。

图 7 1961-2005年西南地区各分区Ⅰ区 (a~d), Ⅱ区 (e~h) 和Ⅲ区 (i~l) 四季气温的MK突变检验图中两条直线为95%临界值线, 临界值: |U|_{0. 05}= 1. 96, 第1~4列分别为春季、夏季、秋季和冬季 Figure 7 Mann-Kendall tests of seasonal temperature for subregions area Ⅰ(a~d), area Ⅱ (e~h) and area Ⅲ (i~l) over SWC from 1961 to 2005 Two lines indicate the critical limits of tests of significance level at the 0. 05, and the critical value was set to be |U|_{0. 05}=1. 96. The column 1~4 represent the spring, summer, autumn and winter

通过40个模式模拟的西南地区各分区年平均气温及四季气温的突变年份 (表 3) 可以看出, 绝大部分模式不能合理模拟出各分区年平均气温、四季气温的突变。模式模拟气温突变年份与观测的突变年份前后相差两年, 则认为模式正确模拟出突变时间。综合模式模拟的西南地区各分区年平均气温、四季气温的MK突变检验图 (图略) 和表 3来看, 能模拟出年平均气温变化趋势、突变及突变时间的模式, Ⅰ区有BNU-ESM、MIROC-ESM-CHEM; Ⅱ区有ACCESS1. 0、CanESM2、EC-EARTH、GFDL-CM2. 1、GISS-E2-R-CC、HadCM3、IPSL-CM5A-LR、MIROC-ESM-CHEM、MRI-CGC-M3; Ⅲ区有ACCESS1. 0、CanESM2、CCSM4、CESM1-WACCM、EC-EARTH、GISS-E2-R、GISS-E2-R-CC、HadCM3、IPSL-CM5A-LR、IPSL-CM5A-MR、MIROC4h。对于四季气温突变及突变时间模拟较好的模式, Ⅰ区春季有CESM1(CAM5)、GISS-E2-R-CC、INM-CM4、MIROC4h、MRI-CG-CM3、MRI-ESM1;夏季有BCC-CSM1. 1、BNU-ESM、CMCC-CESM、CMCC-CM、CMCC-CMS、FG-OALS-G2. 0、IPSL-CM5A-LR; 秋季有IPSL-CM5A-MR; 冬季有GFDL-CM2. 1、INM-CM4、NorESM1-ME。Ⅱ区春季有ACCESS1. 0、CESM1-WACCM、HadCM3;夏季有MPI-ESM-LR; 秋季有CanESM2、FIO-ESM、GISS-E2-R-CC、HadCM3、INM-CM4、IPSL-CM5A-MR、MIROC4h;冬季有ACCESS1. 0、CMCC-CMS。Ⅲ区春季有GISS-E2-R; 夏季有CNRM-CM5、GFDL-CM2. 1、MIROC-ESM、MRI-CGCM3;秋季有FIO-ESM、HadCM3、INM-CM4;冬季有CMCC-CMS、IPSL-CM5B-LR、MIROC4h。

表 3 CMIP5模式模拟的1961-2005年西南地区各分区年平均及四季气温的突变年份 Table 3 Abrupt change year of annual mean and seasonal temperatures for subregions over SWC from 1961 to 2005 by the CMIP5 models

模式	Ⅰ区					Ⅱ区					Ⅲ区
模式	年平均	春季	夏季	秋季	冬季	年平均	春季	夏季	秋季	冬季	年平均	春季	夏季	秋季	冬季
“观测值”	1991	1994	1986	1993	1985	1996	1997	1978	1994	1993	1998	2004	/	1997	1995
ACCESS1.0	/	1997	1996	2000	1992	1997	1998	1995	2000	1992	1999	1998	1997	2000	2000
ACCESS1.3	/	/	1996	/	/	/	/	1994	/	/	/	/	1996	/	/
BCC-CSM1.1	1982	/	1984	1989	/	/	/	1981	1972	/	1984	/	1983	1978	/
BNU-ESM	1990	/	1985	/	/	1989	/	1990	1977	1984	1989	/	1992	1978	1999
CanESM2	1999	/	1992	1988	/	1995	2001	1993	1992	1998	1999	2000	1989	1992	1999
CCSM4	/	1977	/	1969	/	/	/	/	/	/	1996	/	/	1979	/
CESM1(BGC)	/	/	1995	/	1964	/	/	/	/	/	/	/	1999	/	/
CESM1(CAM5)	/	1996	1995	1987	1964	1970	/	/	1981	1964	1977	/	/	1990	/
CESM1(FASTCHEM)	/	1969	/	1996	1988	/	/	/	1985	1987	1980	/	1980	/	1973
CESM1-WACCM	/	1997	1997	1984	1976	/	1998	1995	1985	/	1999	2000	1995	1985	/
CMCC-CESM	1980	/	1988	/	/	1980	1976	1988	1980	/	1990	1980	1989	1980	/
CMCC-CM	1979	1979	1984	1990	1974	1977	1980	/	/	1980	1980	1979	1990	1992	/
CMCC-CMS	/	/	1988	1987	1994	1987	/	1983	1986	1994	/	/	1981	/	1995
CNRM-CM5	/	/	/	1998	/	/	/	2000	2002	/	/	/	/	/	1977
CNRM-CM5-2	1980	/	1980	/	/	1975	1973	1984	1997	/	/	/	1996	2000	/
CSIRO-Mk3.6	1995	/	1997	1977	/	1987	/	1995	1975	/	/	/	1975	/	/
EC-EARTH	1995	1984	/	1999	/	1995	1987	/	1997	2003	1997	1989	1985	2002	2002
FGOALS-G2.0	/	1975	1985	1973	1996	1988	/	1991	1975	1984	1994	/	1999	/	1989
FIO-ESM	1986	/	1992	1996	1980	1979	/	1984	1994	1978	1986	/	1995	1995	1977
GFDL-CM2.1	/	1980	1996	/	1987	1994	1977	1996	1997	1988	1995	1982	/	/	/
GISS-E2-H	1996	/	/	/	/	/	/	/	2002	/	/	/	/	2001	/
GISS-E2-H-CC	1988	1985	1991	1990	1988	1989	1975	1994	/	2000	1995	/	2003	2000	2003
GISS-E2-R	1995	/	1997	/	1996	2002	/	2003	/	/	2000	2005	2004	2004	/
GISS-E2-R-CC	2001	1994	/	/	/	1995	1993	1985	1995	/	1998	1998	1978	1984	/
HadCM3	1998	/	2000	/	/	1997	1996	1998	1992	1998	1996	/	1996	1995	/
INM-CM4	1983	1994	/	/	1984	1979	/	1973	1996	1975	1979	/	1972	1996	1983
IPSL-CM5A-LR	1994	/	1988	/	2001	1997	/	/	/	2000	1997	/	/	2002	2000
IPSL-CM5A-MR	1984	1978	/	1993	1980	/	1985	/	1995	1996	/	/	/	1986	1980
IPSL-CM5B-LR	/	/	/	1975	1980	1983	/	1984	1984	/	/	/	/	1985	1996
MIROC4h	1998	1996	/	1998	1996	/	1994	1985	1993	1996	/	1997	/	1994	1995
MIROC5	/	/	/	/	/	/	/	2004	1991	/	/	/	1981	/	/
MIROC-ESM	1986	/	1975	1987	1989	1985	/	1975	1985	1989	/	/	/	/	1999
MIROC-ESM-CHEM	1992	/	/	/	/	1996	/	2001	1995	1978	1999	2005	2001	/	/
MPI-ESM-LR	1978	1995	1980	/	1980	1985	1994	1980	/	1987	1988	/	1980	/	1991
MPI-ESM-MR	/	1994	1994	/	/	/	1980	1982	/	1986	/	1983	1986	/	/
MPI-ESM-P	2002	/	1973	/	/	/	/	1973	/	/	1999	/	1974	2000	/
MRI-CGCM3	1996	/	/	/	/	1998	/	/	/	/	/	/	/	/	/
MRI-ESM1	1996	/	/	1996	/	1992	/	1985	1985	/	1988	/	1969	/	1998
NorESM1-M	/	/	1983	1989	/	/	/	1981	1984	/	1990	/	/	1976	/
NorESM1-ME	1998	1998	/	2001	1984	/	/	/	2002	1972	/	/	/	/	/
注: “/”表示无突变, 加粗数据表示气温变化趋势与观测相反

5 结论与讨论

利用1961-2005年西南地区地表气温的观测资料, 根据实际地形海拔高度将西南地区分为川西高原及云南北部高海拔地区; 云贵高原、四川南部地区; 四川盆地及重庆丘陵低海拔地区, 从气温增温强度对海拔的依赖性、四川盆地20世纪80~90年代中期偏冷、气温增温突变方面来评估CMIP5的40个模式对气温模拟能力, 得到以下主要结论:

(1) 1961-2005年, 西南地区不同分区的年平均气温呈显著升高趋势, 但在1985年前后存在明显的不一致性, 1961-1985年, Ⅰ区、Ⅱ区气温变化较平稳, Ⅲ区呈降温趋势; 1986-2005年, Ⅰ区、Ⅱ区、Ⅲ区都表现出一致的显著升温趋势。40个CMIP5模式中, 大部分模式能模拟出近45年来西南地区不同分区的年平均气温呈显著升高趋势, 但只有个别模式对1985年前后气温变化的模拟相对较好。观测的年平均气温、季节平均气温增温幅度都表现出明显的海拔依赖性, 模式只能模拟出年平均气温或某一季节气温增温幅度对海拔的依赖性, 相对来说, 模式ACCESS1. 0、CESM1-WACCM、GFDL-CM2. 1、MIROC5、MIROC-ESM、Nor-ESM1-ME对这一特征的模拟较好。

(2) 海拔较低的四川盆地、重庆丘陵地区年平均气温在20世纪60年代至80年代后期呈降温趋势, 80年代末开始升温, 70年代中期到90年代中期是一个相对较冷的时期, 90年代中期后快速升温。10个模式模拟出了这一区域年平均气温的降温趋势, 其中, 模式ACCESS1. 0、CESM1-WACCM、MIROC-ESM模拟的降温趋势、年代际偏冷时间与观测结果最为接近, 模拟效果较好。

(3) 西南地区不同分区的气温存在明显的突变现象, 年平均气温、季节平均气温在高海拔地区比低海拔地区突变时间早。40个模式都不能完整地模拟出不同分区的年平均气温及四季气温的突变, 只能模拟出某一分区的某一季节气温或年平均气温的突变, 模拟结果稍好的模式有ACCESS1. 0、GFDL-CM2. 1、GISS-E2-R-CC、HadCM3、INM-CM4、MIROC4h。

总的来说, CMIP5模式对1961-2005年西南地区气温变化的模拟效果并不理想。综合模式对气温增温强度对海拔高度的依赖性、四川盆地20世纪80年代到90年代中期偏冷、气温增温突变三个方面的模拟评估, 模拟相对较好的模式有ACCESS1. 0、CESM1-WACCM、CMCC-CMS、GFDL-CM2. 1、GISS-E2-R-CC、MRI-ESM1、NorESM1-ME, 其中, 模拟效果最好的模式为ACCESS1. 0。

对于四川盆地20世纪80年代到90年代的偏冷, Li et al (1995)对四川省的变冷进一步作了研究, 提出四川变冷是大气气溶胶增加所致, 参与本研究的模式BCC-CSM1. 1虽然使用的强迫场资料包含气溶胶 (辛晓歌等, 2012), 但却没模拟出80年代到90年代的偏冷。此外, 分辨率较高的模式MIROC4h、CMCC-CM也没能很好的模拟西南地区气温的变化。因此, 影响模式对西南地区气温模拟能力的因素仍有待探究。

参考文献

	Jiang D B, Tian Z P, Lang X M. 2016. Reliability of climate models for China through the IPCC third to fifth assessment reports[J]. Int J Climatol, 36(3): 1114–1133. DOI:10.1002/joc.2016.36.issue-3
	Li X W, Zhou X J, Li W L, et al. 1995. The cooling of Sichuan province in recent 40 years and its probable mechanisms[J]. Acta Meteor Sinica, 9(1): 57–68.
	Liu X D, Chen B D. 2000. Climatic warming in the Tibetan Plateau during recent decades[J]. Int J Climatol, 20(14): 1729–1742. DOI:10.1002/(ISSN)1097-0088
	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
	Xu Y, Xu C H. 2012. Preliminary assessment of simulations of climate changes over China by CMIP5 multi-models[J]. Atmos Ocean Sci Lett, 6(5): 489–494.
	Zhou L G, Wang D, Dai S B, et al. 2009. A study on the exceptionally low flow of Yangtze River in the flood season of 2006[J]. J Natural Resour, 24(3): 448–456.
	陈活泼. 2013. CMIP5模式对21世纪末中国极端降水事件变化的预估[J]. 科学通报, 58(8): 743–752.
	Chen Huopo. 2013. Projected change in extreme rainfall events in China by the end of the 21st century using CMIP5 models[J]. Chin Sci Bull, 58(8): 743–752.
	陈隆勋, 朱文琴, 王文, 等. 1998. 中国近45年来气候变化的研究[J]. 气象学报, 56(3): 257–271. DOI:10.11676/qxxb1998.023
	Chen Longxun, Zhu Wenqin, Wang Wen, et al. 1998. Studies on climate change in China in recent 45 years[J]. Acta Meteor Sinica, 56(3): 257–271.
	陈隆勋, 邵永宁, 张清芬. 1991. 近四十年我国气候变化的初步分析[J]. 应用气象学报, 2(2): 164–173.
	Chen Longxun, Shao Yongning, Zhang Qinfen. 1991. Preliminary analysis of climatic change during the last 39 years in China[J]. J Appl Meteor Sci, 2(2): 164–173.
	陈晓晨, 徐影, 许崇海, 等. 2014. CMIP5全球气候模式对中国地区降水模拟能力的评估[J]. 气候变化研究进展, 10(3): 217–225.
	Chen Xiaochen, Xu Ying, Xu Chonghai, et al. 2014. Assessment of Precipitation Simulations in China by CMIP5 Multi-models[J]. Progressus Inquisitiones DE Mutatione Climatis, 10(3): 217–225.
	范丽军. 2010. 统计降尺度方法集合预估华东气温的初步研究[J]. 高原气象, 29(2): 392–402.
	Fan Lijun. 2010. Preliminary study of statistically downscaled temperature ensemble predictions in Eastern China[J]. Plateau Meteor, 29(2): 392–402.
	郭彦, 董文杰, 任福民, 等. 2013. CMIP5模式对中国年平均气温模拟及其与CMIP3模式的比较[J]. 气候变化研究进展, 9(3): 181–186.
	Guo Yan, Dong Wenjie, Ren Fumin, et al. 2013. Assessment of CMIP5 simulations for China annual average surface temperature and its comparison with CMIP3 simulations[J]. Progressus Inquisitiones DE Mutatione Climatis, 9(3): 181–186.
	黄海玲, 江志红, 王志福, 等. 2015. CMIP5模式对东亚500 hPa高度场主要模态时空结构模拟能力的评估[J]. 气象学报, 73(1): 110–127. DOI:10.11676/qxxb2015.065
	Huang Hailing, Jiang Zhihong, Wang Zhifu, et al. 2015. The evaluation of the 500 hPa geopotential height's main modes in East Asia as done by the CMIP5 models[J]. Acta Meteor Sinica, 73(1): 110–127.
	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[J]. 大气科学, 38(5): 924–938.
	Hu Qin, Jiang Dabang, Fan Guangzhou. 2014. Evaluation of CMIP5 Models over the Qinghai-Tibetan Plateau[J]. Chinese J Atmos Sci, 38(5): 924–938.
	姜燕敏, 吴昊旻. 2013. 20个CMIP5模式对中亚地区年平均气温模拟能力评估[J]. 气候变化研究进展, 9(2): 110–116.
	Jiang Yanmin, Wu Haomin. 2013. Simulation capabilities of 20 CMIP5 models for annual mean air temperatures in Central Asia[J]. Progressus Inquisitiones DE Mutatione Climatis, 9(2): 110–116.
	李秀萍, 徐宗学, 程华琼. 2012. 多模式集合预估21世纪淮河流域气候变化情景[J]. 高原气象, 31(6): 1622–1635.
	Li xiuping, Xu zongxue, Cheng huaqiong. 2012. Projection of climate change with various emission scenarios over Huaihe river basin in the 21^st century[J]. Plateau Meteor, 31(6): 1622–1635.
	李振朝, 韦志刚, 吕世华, 等. 2013. CMIP5部分模式气温和降水模拟结果在北半球及青藏高原的检验[J]. 高原气象, 32(4): 921–928. DOI:10.7522/j.issn.1000-0534.2012.00088
	Li Zhenchao, Wei Zhigang, Lü Shihua, et al. 2013. Verification of surface air temperature and precipitation from CMIP5 model in northern hemisphere and Qinghai-Xizang Plateau[J]. Plateau Meteor, 32(4): 921–928. DOI:10.7522/j.issn.1000-0534.2012.00088
	马振锋, 彭骏, 高文良, 等. 2006. 近40年西南地区的气候变化事实[J]. 高原气象, 25(4): 633–642.
	Ma Zhenfeng, Peng Jun, Gao Wenliang, et al. 2006. Climate variation of southwest China in recent 40 years[J]. Plateau Meteor, 25(4): 633–642.
	唐红玉, 翟盘茂. 2005. 1951-2002年中国东、西部地区地面气温变化对比[J]. 地球物理学报, 48(3): 526–534.
	Tang Hongyu, Zhai Panmao. 2005. Comparison of variations of surface air temperatures in eastern and western China during 1951-2002[J]. Chinese J Geophys, 48(3): 526–534.
	汪方, 丁一汇. 2011. 不同排放情景下模拟的21世纪东亚积雪面积变化趋势[J]. 高原气象, 30(4): 869–877.
	Wang Fang, Ding Yihui. 2011. Trend of snow cover fraction in East Asia in 21^th century under different scenarios[J]. Plateau Meteor, 30(4): 869–877.
	辛晓歌, 吴统文, 张洁. 2012. BCC气候系统模式开展的CMIP5试验介绍[J]. 气候变化研究进展, 8(5): 378–382.
	Xin Xiaoge, Wu Tongwen, Zhang Jie. 2012. Introduction of CMIP5 experiments carried out by BCC climate system model[J]. Progressus Inquisitiones DE Mutatione Climatis, 8(5): 378–382.
	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[J]. 气候变化研究进展, 8(4): 250–256.
	Yao Yao, Luo Yong, Huang Jianbin. 2012. Evaluation and projection of temperature extremes over China based on 8 modeling data from CMIP5[J]. Progressus Inquisitiones DE Mutatione Climatis, 8(4): 250–256.
	尹文有, 田文寿, 琚建华. 2010. 西南地区不同地形台阶气温时空变化特征[J]. 气候变化研究进展, 6(6): 429–435.
	Yin Wenyou, Tian Wenshou, Ju Jianhua. 2010. Spatial-temporal characteristics of temperatures on different terrains of southwest China[J]. Adv Climate Change Res, 6(6): 429–435.
	张芳, 董敏, 吴统文. 2014. CMIP5模式对ENSO现象的模拟能力评估[J]. 气象学报, 72(1): 30–48. DOI:10.11676/qxxb2014.011
	Zhang Fang, Dong Min, Wu Tongwen. 2014. Evaluation of the ENSO features simulations as done by the CMIP5 models[J]. Acta Meteor Sinica, 72(1): 30–48.

Evaluation of Surface Air Temperature in Southwestern China Simulated by the CMIP5 Models

WU Qing¹ , JIANG Xingwen¹ , XIE Jie²

1. Institute of Plateau Meteorology, China Meteorological Administration, Chengdu/Heavy Rain and Drought-Flood Disasters in Plateau and Basin Key Laboratory of Sichuan Province, Chengdu 610072, China;
2. Zhangjiagang Meteorological Bureau, Zhangjiagang 215600, China

Abstract: The simulated abilities of 40 models for the surface air temperature in Southwestern China (SWC) are evaluated from the perspective of the warming amplitude, interdecadal variation and abrupt changes by using the surface air temperature observational data at 115 stations in Southwestern China (Sichuan, Guizhou, Yunnan and Chongqing) from 1961 to 2005 and the output of the historical simulations from 40 models participating in the Fifth Phase of the Coupled Model Intercomparison Project (CMIP5). The results show that most of the models can reproduce the increasing trend of the annual mean temperature in different areas of SWC in recent 45 years, however, only six models can better capture the features that the increasing amplitude of the surface air temperature is dependent on altitude. Annual mean temperature in lower altitude Sichuan Basin and Chongqing hills presents dropping trend from 1960s to 1980s, increasing trend from the late 1980s, and cool period from the middle of 1970s to the middle of 1990s. 10 modes could simulated the cooling trend, but the cooling trend and decadal slants cold time is well simulated in only 3 models. All models failed to simulate the characteristics of the temperature mutations. In general, model ACCESS1.0、CESM1-WACCM、CMCC-CMS、GFDL-CM2.1、GISS-E2-R-CC、MRI-ESM1、NorESM1-ME are relatively well in simulating the change of the surface air temperature in SWC, among them, the best is ACCESS1.0.

Key Words: Southwestern China CMIP5 Models Surface air temperature Evaluation