高原气象  2018, Vol. 37 Issue (5): 1440-1448  DOI: 10.7522/j.issn.1000-0534.2018.00018
0

引用本文 [复制中英文]

张磊, 王春燕, 潘小多. 2018. 基于区域气候模式未来气候变化研究综述[J]. 高原气象, 37(5): 1440-1448. DOI: 10.7522/j.issn.1000-0534.2018.00018
[复制中文]
Zhang Lei, Wang Chunyan, Pan Xiaoduo. 2018. A Review of Future Climate Change Based on Regional Climate Models[J]. Plateau Meteorology, 37(5): 1440-1448. DOI: 10.7522/j.issn.1000-0534.2018.00018.
[复制英文]

资助项目

国家自然科学基金项目(41471292,91425303)

通信作者

潘小多(1978-), 女, 浙江瑞安人, 副研究员, 主要从事降尺度方法研究、陆面过程模型及大气驱动数据制备、降水遥感产品同化研究.E-mail:panxiaoduo@lzb.ac.cn

作者简介

张磊(1992-), 男, 四川人, 硕士研究生, 主要从事未来气候情景下区域气候变化研究.E-mail:leizhang@lzb.ac.cn

文章历史

收稿日期: 2017-09-20
定稿日期: 2018-01-25
基于区域气候模式未来气候变化研究综述
张磊1,2, 王春燕3, 潘小多1,4     
1. 中国科学院西北生态环境资源研究院/遥感与信息资源实验室, 甘肃 兰州 730000;
2. 中国科学院大学, 北京 100049;
3. 兰州大学学报编辑部, 甘肃 兰州 730000;
4. 中国科学院青藏高原研究所, 北京 100101
摘要: 随着全球气候变化愈加剧烈,区域气候的差异化特征越来越明显,单单利用全球气候模式对区域气候进行研究已经不能满足时空尺度的要求。由于区域气候模式具有更高的空间分辨率等优势,使用区域气候模式能够有效解决这一问题,目前区域气候模式已在全球范围内得到广泛应用。本文简述了区域气候模式发展历程、最新研究进展以及全球主流的动力降尺度区域模式,归纳了气候情景发展;分别从气温和降水两方面着重总结了区域气候模式在全球不同区域不同情景应用情况,分析了未来全球不同区域气候变化趋势,尽管不同研究者所使用模式存在差异,对未来降水预估不尽相同,区域性比较明显,但几乎所有研究一致认为未来全球仍将经历一个持续增暖过程。文章最后对区域气候模式模拟过程中存在的问题进行了概述并对未来区域气候模式发展方向进行了展望,给出中国区域气候模式未来发展方向。
关键词: 气候变化    区域气候模式    未来气候情景    气温    降水    
1 引言

气候变化对于人类工农业生产、饮用水安全、食品安全和人类健康都会产生巨大影响(Wang et al, 2014)。全球变暖使得两极冰川融化, 海平面升高, 生物多样性减少(Haeberli et al, 1998; 吴建国等, 2009), 同时随着全球变暖趋势加剧, 干旱、强降水、热浪、冰雹、超强台风等极端气候事件在全球范围内大规模出现, 这在IPCC第五次报告(Fifth Assessment Report, AR5)中得到明确阐述(IPCC, 2013a)。对于地球上不同区域而言, 由于其纬度、海拔, 海陆分布和下垫面性质等差异, 气候变化在全球呈现不同变化特征和强度, 因此分区研究气候变化是深入了解陆气相互作用的关键。气候变化导致全球极端气候事件频发, 尤以强降水、干旱和高温热浪为主, 区域间气候明显呈现极端化特征, 洪灾和旱灾等极端气候事件导致居民房屋受损, 基础设施遭到破坏, 粮食减产甚至颗粒无收, 气候灾害每年给全球带来的经济损失高达数百亿美元并且呈增长趋势, 准确预估未来气候变化是制定适应性策略的基础。为准确预估未来气候变化, 制定合适的适应性策略, 减缓气候变化影响, 联合国政府间气候变化专门委员会(Intergovernmental Panel on Climate Change, IPCC)孕育而生, 其旨在评估未来气候变化、制定适应性策略, 为决策者提供科学参考, 减缓气候变化进程, 帮助人类更好地适应未来气候变化。

区域气候形成与变化受局地地形、水体、城市、生态系统和植被覆盖等共同影响, 单单运用全球模式研究区域气候存在较大的局限性。相较于全球气候模式而言, 区域气候模式拥有更高的分辨率, 能够更为精细地刻画不同高程陆面下气候信息, 同时, 由于其充分考虑了积云对流参数化、云微物理等过程, 能够准确展现区域气候特征, 甚至是局地尺度特征, 已被广泛应用于区域气候研究(Mihailović et al, 2016; Jaczewski et al, 2015; Marengo et al, 2010)。

2 未来气候情景的动力降尺度区域模式

利用区域气候模式对未来情景进行动力降尺度预估未来气候是目前研究热点。未来气候情景是建立在一定的驱动力和科学假设基础上, 对未来气候状态时间、空间分布的合理描述。未来气候情景根据研发团体不同分两类:排放情景和辐射强迫(社会经济情景), 前者主要由IPCC顺序开发, 包括SA90、IS92和SRES三种情景; 后者由研究团体并行开发, 包括目前应用最为广泛的典型浓度路径(Representative Concentration Pathways, RCPs)和即将面世的贡献社会经济路径(Shared Socio-economic Pathways, SSPs)。IPCC (2013b)在第五次评估报告中使用了最新研发气候情景RCPs, 该情景估算了未来一个世纪温室气体浓度所带来的辐射强迫效应, 共四种路径(RCP2.6, RCP4.5, RCP6.0和RCP8.5), 分别代表未来四种不同发展方向, 已在预估未来气候变化方面做出了巨大贡献。

区域气候模式这一概念最初是由Dickinson (1989)Giorgi (1990)根据数值天气预报提出, 其基本思想是将区域气候模式单步嵌套入全球气候模式中, 全球模式为其提供初始场和侧边界条件, 动力框架基于中尺度模式(Mesoscale Model, MM), 并将中尺度模式中的陆面过程和辐射传输过程进行升级、参数优化, 得到最初的区域气候模式。经过近40年发展, 区域气候模式已经发展至第四代, 全球各机构根据不同研究对象对区域气候模式进行了本地优化, 逐步形成适合本地的区域气候模式, 如美国NCEP的区域谱模式RSM (Regional Spectrum Model), 美国西北太平洋国家实验室PNNLRCM (Pacific Northwest National Laboratory Regional Climate Model), 英国Hadley中心PRECIS (Providing Regional Climates for Impacts Studies), 中国科学院区域环境系统集成模式RIEMS(Regional Integrated Environment Modeling System), 中国气象局国家气候中心RegCM_NCC (Regional Climate Model National Climate Centre)和意大利国际理论物理中心的RegCM (Regional Climate Model)等, 其中意大利国际理论物理中心区域气候模式在全球范围内应用最广泛。目前, 区域气候模式开展的工作主要包括未来气候变化预估研究(Ozturk et al, 2016; Nuñez et al, 2009), 过去气候模拟及模式性能检验(宗培书等, 2017; 熊喆, 2004), 极端气候事件模拟(Jaczewski et al, 2015; Dosio, 2016), 模式敏感性试验和参数优化(Tiwari et al, 2015; Almazroui, 2016; 徐小玉等, 2016), 模式嵌套研究(Giorgi, 1990; Diallo et al, 2018)等。

自区域气候模式概念被提出后, 无论机理还是过程研究均得到快速发展, 目前这种技术已日趋成熟。近些年, 研究者试图通过改进参数化方案和优化强迫场等方式来提高区域气候模式的模拟性能。韩振宇等(2015)将中国高精度土地覆盖数据引入区域气候模式, 新引入的下垫面覆盖数据在一定程度上减少了气温和降水模拟的误差; 董广涛等(2016)对驱动模式初始场进行订正, 纠正了由于初始场所带来的系统性误差, 建立了一套基于初始场订正技术的区域气候模式系统; 卫翔谦等(2016)在区域气候模式中引入新的海洋湍流参数化方案, 有效提升了模拟性能; Ding et al (2006)针对东亚地区地形特征对NCAR的RegCM进行了物理参数化改进, 对于地形陡峭区域, 指出利用包络地形法或重力波拖曳法能够有效消除虚假降水; 也有学者采用多模式集合方式提高模拟精度(Saeed et al, 2017; Jeong et al, 2015); Thatcher et al (2015)提出一种耦合大气-海洋区域气候模式的替代方法。近些年, 由Liang et al (2001)研发的新一代区域气候模式CWRF (Climate extension of WRF)已在气候变化预估、极端气候事件预测、气候机理研究等方面得到广泛应用, 其相对MM5 (short for Fifth-Generation Penn State/NCAR Mesoscale Model)、WRF (The Weather Research and Forecasting Model)和RegCM等模式有了较大改进, 充分考虑了中尺度和行星尺度的相互作用; 进一步调整了对流参数化过程, 云微物理过程和侧边界条件等; 同时也充分考虑了云-气溶胶-辐射间的相互作用。相比MM5和WRF等模式, CWRF不仅能很好地模拟气温空间分布、极值位置, 而且对于降水模拟也明显优于其他模式。但就目前而言, CWRF在国内开展的工作还相对较少。区域气候模式发展至今, 动力框架和参数化过程已经相当完善, 简单改进模式参数化方案对性能提升有限, 国际上越来越趋向于使用多模式集合以减少模拟过程中的不确定性, 包括亚洲的RMIP (Regional Climate Model Inter-comparison Project)计划、欧洲的ENSEMBLES计划和美洲的NARCAP计划等。为了加强国际区域气候间的比较, 更好地为IPCC提供参考和评估局地气候变化, 世界气候研究计划项目(World Climate Research Program, WCRP)启动了区域气候降尺度试验计划, 中国科学院大气物理研究所发起了RMIP亚洲区域模式比较计划以及国际“大气化学-气候模式比较计划”(Atmospheric Chemistry and Climate Model Intercomparison Project, ACMIP)等。

3 全球不同区域未来气温和降水变化的研究综述 3.1 未来气温 3.1.1 亚洲地区

几乎所有研究均认为未来亚洲普遍增温, 气候的区域化特征显著。研究表明未来中国北方增温将持续(翟颖佳等, 2016), 增温极值将出现在青藏高原等地(张冬峰等, 2017; Xu et al, 2013); 俄罗斯远东增温同样明显(Meleshko et al, 2008); 日本在21世纪末增温将超过2 ℃(Kurihara et al, 2005); 中亚地区整体增温显著, 21世纪末普遍增温3~7 ℃ (Ozturk et al, 2016); 南亚印度中部增温明显(韩振宇等, 2016)。整体而言, 高纬度地区增温幅度大于中低纬度地区, 呈现由低纬向高纬递增的趋势。RCP8.5情景下, 亚洲大部分地区21世纪中期相对20世纪末增温超过2 ℃, 南亚和东南亚增温超过3 ℃ (IPCC, 2013a)。对于亚洲地区未来气温的预估, 需要充分了解下垫面性质, 准确刻画海陆分布及地形, 特别喜马拉雅山脉, 进一步优化物理参数化方案。

3.1.2 欧洲地区

随着全球气候变暖, 欧洲正遭受高温热浪侵袭, 2015年欧洲经历了500年来最热夏季, 气温升高导致冰川消融, 海平面上升。未来欧洲将经历一个持续增温过程(Beniston et al, 2007); 塞尔维亚等地土壤层增温明显(Mihailović et al, 2016);波兰高温热浪发生频率有所增加(Jaczewski et al, 2015), 这也与近年来欧洲发生的高温热浪事实相吻合; 21世纪中期欧洲中部和东部增温1~3 ℃, 末期增温将超过5 ℃ (Giorgi et al, 2004; Déqué et al, 2007)。不同研究者根据研究区域性质不同选择不同物理参数化方案, 针对模式优化的方式不尽相同, 所得出的结论存在差别, 但总体均认为欧洲仍将经历持续增温过程, 其中欧洲南部夏季和欧洲北部冬季增温幅度最大(IPCC, 2013a)。对于欧洲气候预估, 需要进一步考虑地中海、黑海、阿尔卑斯山脉、大高加索山脉等地形因素对局地气候影响, 同时也需要加深对积雪消融带来反照率变化的认识。

3.1.3 美洲地区

气候变暖导致美洲地区皮肤病肆掠, 北美洲西部山脉积雪面积逐渐减少, 高温热浪天气频发, 拉丁美洲农业面临巨大挑战。未来北美地区冬季增温趋势显著, 寒潮频率和强度均减弱(Šeparović et al, 2013), 高纬地区增温明显高于低纬地区, 呈现由低纬向高纬递增的趋势; 南美5°N15°S之间热带区域增温迅速(Marengo et al, 2010); 巴西东北部气温大幅度上升(Marengo et al, 2017), 圣保罗大都市圈未来凉爽天数将减少, 温暖天数将增加(Batista et al, 2016)。无论哪种情景, 21世纪中期和末期北美洲气温都将有所增加, RCP8.5情景下21世纪中期绝大多数国家增温超过2 ℃, 末期增温将超过4 ℃。南美洲未来增温极值将出现在中部一带, RCP2.6情景下, 中美洲和南美洲分别增温0.6 ℃和2 ℃, RCP8.5情景下这两个地区分别增温3.6 ℃和5.2 ℃(IPCC, 2013a)。利用模式对北美洲未来气候进行预估, 需要充分考虑地形、海陆热力性质差异等因素影响; 而对于南美洲, 在考虑地形及海陆热力性质变化差异的同时需要进一步考虑下垫面变化影响, 特别是亚马逊热带雨林逐渐减少对未来气候的影响, 所以未来在模式中改进陆面过程, 增加动态植被和下垫面是提升模式性能的关键。

3.1.4 非洲地区

气候变化所带来的影响已得到全球的广泛关注, 大量研究表明全球气候变暖给非洲的工农业生产和环境带来巨大的影响。非洲热带地区, 特别是热带西非, 增温预计将比全球平均水平提前10~20年, 21世纪非洲增温速度明显高于其他地区(James et al, 2013; Sanderson et al, 2011); 本世纪末增温达到最大(刘玉洁等, 2016); 同时高温热浪时长和强度均有所增加(Dosio, 2016)。整个非洲南部和北部增温普遍高于中部地区, RCP2.6情景下, 21世纪中期和末期非洲大陆增温普遍低于2 ℃, RCP8.5情景下, 到21世纪中期非洲大陆增温将超过2 ℃, 21世纪末增温幅度更大, 将超过4 ℃(IPCC, 2013a)。

3.1.5 其他区域

澳洲、北极、南极等地变暖趋势也是得到肯定的, 全球变暖使得澳大利亚等地沙漠化更加严重, 南北极冰盖逐渐减少。Andrys et al (2017)指出西澳西南地区未来土壤水分明显减少, 白天增温高于夜间, 最低气温明显高于目前; Lenaerts et al (2016)对南极地区未来冰盖和地表质量平衡研究发现在RCP2.6情境下, 整个21世纪南极地区将增温约2 K, 而在RCP8.5情景下, 这种增温效应将更加明显, 增温将超过4 K; Przybylak (2016)发现到21世纪末, 除格陵兰岛大部外, 北极地区普遍增温将超过4 ℃, 其中北冰洋区域增温将超过6 ℃, 巴伦支海北部增温甚至超过10 ℃。澳洲地区未来将经历一个持续变暖过程, 其中澳大利亚增温幅度明显高于其他地区, 南北两极由于气温增加, 将进一步导致冰盖范围减少, 海平面上升。预估未来南北两极气候变化, 需要考虑由于南北两极冰盖减少而导致的反照率变化。

3.2 未来降水 3.2.1 亚洲地区

与全球普遍增温趋势不同, 降水在不同地点存在较大差异。未来中国西部地区降水将持续增加, 东部表现出较大差异(张冬峰等, 2017), 北方由于降水增加, 干旱有所缓和(Chen et al, 2013), 东北和长江中下游地区干旱时长和强度均有所增加(Liu et al, 2012), 西北夏季降水将增加(Gao et al, 2012); 在RCP4.5和RCP8.5两种情景下, 中亚降水略有减少, 干旱在中亚仍将持续(Ozturk et al, 2016); 21世纪末韩国降水普遍增加, 降水主要集中在78月, 年降水小于5 mm日数明显减少(Lee et al, 2013); 印度也将经历增湿过程, 降水主要集中在西北邦西南部, 增幅达12%~30%, 东北部增幅在5%~18%, 北部和东部增幅达6%~24% (Akhter et al, 2016)。RCP8.5情景下, 21世纪中期亚洲中高纬度降水呈现增加趋势, 到21世纪末期, 东部和南部降水呈现增加趋势; RCP2.6情景下, 亚洲地区整个21世纪降水变化并不显著(IPCC, 2013a)。由于地形影响, 降水预估相对较为困难, 对于亚洲地区降水预估, 在模式中充分考虑青藏高原地形影响是十分有必要的。

3.2.2 欧洲地区

近年来, 欧洲极端干旱、强降水等事件频发, 2015年欧洲遭受了极端干旱时间, 不仅持续事件长, 而且波及范围广; 2016年欧洲暴雨成灾, 德国、英国、法国等多座城市遭受了洪水侵袭, 给国家带来了巨大的经济损失, 科学了解未来降水变化对于制定合理适应性策略具有十分重要的意义。未来欧洲地区降水变化在季节和区域差异较大, 冬季由于大西洋气旋活动加强导致西欧、中欧和北欧地区降水量增加, 地中海南部区域由于反气旋活动增强而导致降水减少, 夏季则刚好相反(Giorgi et al, 2004); 21世纪末期, 英国冬季降水普遍增加, 不同排放情景下存在差异, 总体增幅在15%~35%, 冬季强降水将引发洪灾等一系列问题, 相反, 夏季降水将减少30%~50% (石秋池, 2006); 地中海地区降水普遍减少, 春季和夏季尤为明显(Edoardo et al, 2017)。整个21世纪欧洲大陆降水普遍增加, 但到21世纪末北欧和南欧部分地区降水将减少(IPCC, 2013a)。预估未来欧洲气候变化, 需要在模式中进一步考虑地形效应、环流作用等因素的影响。

3.2.3 美洲地区

全球气候变化导致美洲极端天气事件频发, 美国时常遭受龙卷风、洪灾、旱灾、雷暴等袭击, 墨西哥等地出现异常降雪, 中美洲、加勒比海、南美洲东北部等地旱灾事件频发, 洪灾和旱灾给当地居民生产生活造成了极大的影响, 特别是对南美洲发展中国家的经济发展产生了极大阻碍。北美洲北部地区标准降水指数SPI(Standardized Precipitation Index)将显著增加, 而南部地区将变干旱, 未来洪灾和旱灾等事件将频发(Swain et al, 2015); 21世纪上半叶, 美国东南部降水呈现两种截然不同的格局, 东南部以南降水明显减少, 以北地区降水将增加(Li et al, 2013); 南美洲热带区域降水减少, 副热带区域将增加(Sánchez et al, 2015); 巴西东北部、中部至东部和亚马逊南部未来降水均呈现减少趋势, 而秘鲁至厄瓜多尔西北海岸和阿根廷北部地区未来降水将急剧增加(Marengo et al, 2010)。整体而言, 未来北美高纬地区所有RCP情景年平均年降水量都将增加, RCP8.5情景下高纬地区增幅更大, RCP2.6情景增幅虽不及RCP8.5, 但增加范围明显更广, 相比之下, 墨西哥大部分地区在RCP8.5情景下21世纪中期平均降水量将有所下降, 到21世纪后期降水减少范围将进一步扩大, 覆盖墨西哥大部以及美国中南部和西南部地区; 21世纪中期和末期中美洲和南美洲降水普遍减少, 仅在阿根廷和乌拉圭一带出现增加。21世纪末, 中美洲平均年降水减少10%, 主要集中在夏季降水, 南美洲安第斯山脉东部热带地区降水减少15%(IPCC, 2013a)。

3.2.4 非洲地区

对于绝大多数非洲国家来说, 农业占据着国家经济的主导地位, 降水变化对非洲地区的影响明显高于全球其他地区。近年来, 由于非洲地区持续干旱, 加之耕种管理技术落后, 粮食减产, 给国家食品安全带来了巨大挑战, 准确预估未来降水变化, 对于制定有效适应性策略, 减少经济损失具有重要的意义。未来情景下西非以西、萨赫勒东部和萨赫勒下萨省将变湿润, 而几内亚海岸以东和几内亚海岸将变干(Adeniyi et al, 2016); 南非年总降水量有所减少, 而降水强度和连续干旱天数均将增加(Pinto et al, 2016); Fotso-Nguemo et al (2017)发现在RCP8.5情景下, 21世纪末中非地区降水量将减少5 mm·d-1, 在RCP4.5和RCP2.6情景下未来几内亚, 加蓬, 刚果西北部和维多利亚等地降水量减少1~2 mm·d-1, 而非洲高原地区降水预计会增加。21世纪中期和后期, RCP8.5情景下, 非洲北部地中海地区和非洲南部区域年平均降水量将会减少, 而在非洲中部和东部地区降水将会增加, RCP2.6情景下整个21世纪非洲降水变化并不明显(IPCC, 2013a)。

3.2.5 其他区域

准确预估未来降水变化能够有效帮助制定合适的适应性策略, 减少极端气候事件产生的影响。Andrys et al (2017)指出未来西澳西南部夏季降水存在很大的不确定性, 不同模式对该区域预估结果可能完全相反, 所有结果均显示夏季降水强度波动较大; 未来新西兰地区雪天将呈减少趋势(Hendrikx et al, 2012); Lenaerts et al (2016)在对南极地区冰盖和质量平衡研究时发现, 在全球变暖背景下, 南极地区降水将增加, 其中主要以降雪为主; 北极未来降水存在很大不确定性(Przybylak, 2016)。未来无论哪种RCP气候情景, 21世纪中期和后期澳洲降水普遍减少, RCP2.6情景下减少并不显著, RCP8.5情景下降水减少主要集中在澳大利亚西南海域(IPCC, 2013a)。

4 存在的问题

尽管区域气候模式已经取得了长足进步, 模拟结果具有一定的可信度, 但对于精细刻画未来气候变化, 模式发展仍有很长的路要走。现阶段许多模式均能够给出未来气候变化的总体趋势, 但是模式间的横向比较存在很大的差异。气候模拟中存在许多不确定性, 主要包括:模式本身的不确定性、排放情景的不确定性和区域化技术的不确定性。另外由于全球不同地区植被覆盖的差异, 简单使用模式所提供的地表植被数据很难对全球区域气候进行准确的预估; 区域气候模式的单向嵌套机制使得区域模式不能时时给予全球模式以反馈, 同时云在气候模式中存在很大的不确定性, 其反射太阳辐射的同时也向外发射长波辐射, 精确定量描述云微物理过程面临极大的挑战。

地球生态系统海-陆-气之间相互作用巨大而复杂, 是一个典型的非线性系统, 使用模式很难全面刻画系统内部的相互作用, 而模式本身就是对现实物理过程的一个近似, 这就导致模式模拟结果存在很大不确定性。尽管气候模式一直都在发展, 但由于真实过程是极其复杂的, 想要消除模式所带来的不确定性几乎不可能。气候模式中最主要的不确定性来源于云辐射参数化以及海气、陆气和海陆间相互作用及能量交换过程, 对这些因子刻画不准确将直接影响模拟效果。气候模式中对大气环流和海气相互作用的参数化以及对云微物理过程和降水过程的简化处理使得模拟结果存在偏差, 目前全球范围内没有任何一个模式能够准确模拟所有气候变量。

未来气候情景已经得到广泛应用, 但由于人类活动过程极其复杂, 未来社会经济发展、土地利用、科学技术、能源结构和温室气体排放等因素存在很大的变率以及气候情景需要建立在一系列假设的基础上, 从而导致了排放情景存在很大的不确定性, 其不确定性主要来自四个方面: (1)温室气体排放的不确定性; (2)政府对温室气体排放做出的决定存在不确定性; (3)未来技术进步和新能源利用对温室气体排放的不确定性; (4)没有完整的反映过去和未来状况的排放清单。气候情景作为气候模式输入源之一, 其不确定性直接决定了模拟结果的不确定。其次, 全球发展存在不均衡, 各个国家发展模式差别较大, 特别是发展中国家, 仅仅使用现有气候情景对未来气候变化进行预估必定存在很大的不确定性, 考虑适合发展中国家的气候情景十分有必要。

对于区域气候研究, 全球气候模式不能很好的描述区域气候特征和陆面过程等, 因此利用区域化技术对全球模式输出结果进行区域化处理是研究区域气候变化的最为有效的手段。目前, 气候中的区域化技术主要包括四类: (1)提高全球气候模式分辨率; (2)建立分辨率可变的全球气候模式, 提高区域模式分辨率; (3)插值; (4)降尺度。由于全球模式本身就存在较大的不确定性, 其输出结果进行区域化处理必然导致结果同样不准确, 同时由于不同的降尺度方法处理相同的资料也会使结果差异较大, 区域化技术虽然已经在气候变化方面得到了广泛的应用, 但要想提高模式模拟精度仍还有很长的路要走。

5 结论和展望

首先对区域气候模式发展、研究进展和气候情景三个方面进行了简述, 指出未来情景下利用区域气候模式动力降尺度研究未来气候变化十分有效; 其次针对全球不同区域未来气候变化分别从气温和降水两方面进行着重阐述, 未来全球普遍增温, 降水表现出较大差异; 接着对目前区域气候模式中存在的问题进行总结; 最后提出区域气候模式未来发展方向。

IPCC在AR5中明确指出, 近百年来, 全球整体变暖, 导致这种现象的主要原因是人类活动排放的温室气体, 这比前四次评估报告更为精确, 同时由于全球气候变化, 全球范围内观测到的极端气候事件也在逐年增加(IPCC, 2013a)。在即将到来的AR6中, IPCC将致力于全球升温高于工业化前1.5 ℃的影响以及相关的全球温室气体排放路径分析, 加强全球气候变化威胁、可持续发展和努力消除贫困等方面的研究, 努力为将全球增暖限制在1.5 ℃以内提供最有效参考。同时, 针对全球不同区域气候变化、极端气候事件等, IPCC将在AR6中给出更为合理、准确的表述, 评估气候变化的区域影响。

由于地球生态系统内部作用过程十分复杂, 目前模式很难全方位刻画系统内部的所有过程, 因此想要提高模式性能, 必须全方位考虑地球生态系统的方方面面, 但就目前的研究进展来看, 人类对地球生态系统的认识还是十分有限的, 尤其是对云微物理过程认识的不足。其次, 简单提高模式的分辨率不能够显著提高模式对于区域气候的模拟能力, 并且需要花费更大的计算成本和存储空间, 提高模式空间分辨率不是优化模式的最佳选择。

对于未来气候模式的发展, 从硬件层面讲需要更高性能的超级计算机和更大的存储空间; 从模式本身发展来说, 首先需要加深对地球生态系统基本过程的认知, 尤其是云微物理过程, 进一步发展适合研究区的陆面过程、积云对流参数化方案等, 充分考虑云微物理间的相互作用并进行精确描述。其次, 定量化描述气候情景的不确定性对于模式性能的提升也是至关重要的, 气候情景基于全球尺度, 由于区域间差异, 不同地区未来发展状况存在较大差异, 因此对于不同区域, 制定合适的气候情景能够有效提高模式模拟精度。同时由于模式提供的下垫面资料与实际存在较大偏差, 简单利用模式提供资料进行模拟必然导致模拟结果不准确, 在模式中引进适合研究区的资料也是提高模拟精度的关键。另外, 由于模式的核心部分大多取自国外, 简单利用国外技术对本国气候进行模拟本身就存在很多问题, 因此发展适合本国的气候模式是十分有必要的。最后, 改进区域化技术对于提高模式精度也是必不可少的。随着计算性能的逐步提高, 计算机在将来有能力更为精确的模拟出云的反馈过程, 并给出定量的描述, 将实测数据和卫星资料同化进入系统这都将是未来气候模式发展的主要方向。

我国对区域气候模式的研究相对较晚, 且大部分集中于应用分析研究, 虽然成果显著, 但与部分发达国家相比仍有明显差距, 特别是在模式基础研究和新模式研发等方面。因此, 加强区域气候模式基础研究十分有必要, 简单引进国外模式对我国气候进行研究必然存在很多问题, 加强学科交叉建设, 深入模式机理研究, 发展适合我国基本情况的模式是提升模拟精度的基础; 由于我国城镇化迅速, 许多自然下垫面变为城镇用地, 加之我国地形复杂, 简单使用模式自带陆面资料很难满足模拟精度需要, 加强野外调查, 融入遥感观测数据, 发展我国高精度地面资料是提升模式性能的关键; 改革开放几十年, 我国经济飞速发展, 发展路径与发达国家存在差异, 开展适合我国经济发展的气候情景研究是减少排放情景不确定性的根本。

参考文献
Adeniyi M O. 2016. The consequences of the IPCC AR5 RCPs 4.5 and 8.5 climate change scenarios on precipitation in West Africa[J]. Climatic Change, 139(2): 245–263. DOI:10.1007/s10584-016-1774-2
Akhter J, Das L, Deb A. 2016. CMIP5 ensemble-based spatial rainfall projection over homogeneous zones of India[J]. Climate Dyn, 49(5/6): 1885–1916.
Almazroui M, Islam M N, Al-Khalaf A K, et al. 2016. Best convective parameterization scheme within RegCM4 to downscale CMIP5 multi-model data for the CORDEX-MENA/Arab domain[J]. Theor Appl Climatol, 124(3/4): 807–823.
Andrys J, Kala J, Lyons T J. 2017. Regional climate projections of mean and extreme climate for the southwest of Western Australia (1970-1999 compared to 2030-2059)[J]. Climate Dyn, 48(5/6): 1723–1747.
Batista R J R, Gonçalves F L T, Rocha R P D. 2016. Present climate and future projections of the thermal comfort index for the metropolitan region of São Paulo, Brazil[J]. Climatic Change, 137(3/4): 439–454.
Beniston M, Stephenson D B, Christensen O B, et al. 2007. Future extreme events in European climate:An exploration of regional climate model projections[J]. Climatic Change, 81(1): 71–95. DOI:10.1007/s10584-006-9139-x
Chen H P, Sun J Q, Chen X L. 2013. Future changes of drought and flood events in China under a global warming scenario[J]. Atmos Oceanic Sci Lett, 6(1): 8–13. DOI:10.1080/16742834.2013.11447051
Déqué M, Rowell D P, Lüthi D, et al. 2007. An intercomparison of regional climate simulations for Europe:Assessing uncertainties in model projections[J]. Climatic Change, 81(1): 53–70.
Diallo I, Giorgi F, Stordal F. 2018. Influence of Lake Malawi on regional climate from a double-nested regional climate model experiment[J]. Climate Dyn, 50(9/10): 3397–3411.
Dickinson R E, Errico R M, Giorgi F, et al. 1989. A regional climate model for the western United States[J]. Climatic Change, 15(3): 383–422.
Ding Y H, Shi X L, Liu Y M, et al. 2006. Multi-year simulations and experimental seasonal predictions for rainy seasons in China by using a nested regional climate model (RegCM_NCC). Part Ⅰ:Sensitivity Study[J]. Adv Atmos Sci, 23(4): 487–503. DOI:10.1007/s00376-006-0487-2
Dosio A. 2016. Projection of temperature and heat waves for Africa with an ensemble of CORDEX Regional Climate Models[J]. Climate Dyn, 49(1/2): 493–519.
Edoardo B, Paola M, Myriam M, et al. 2017. Numerical simulation of the period 1971-2100 over the mediterranean area with a regional model, Scenario SRES-A1B[J]. Sustainability, 9(12): 2192. DOI:10.3390/su9122192
Fotso-Nguemo T C, Vondou D A, Tchawoua C, et al. 2017. Assessment of simulated rainfall and temperature from the regional climate model REMO and future changes over Central Africa[J]. Climate Dyn, 48(11/12): 3685–3705.
Gao X J, Shi Y, Zhang D F, et al. 2012. Climate change in China in the 21st century as simulated by a high resolution regional climate model[J]. Chinses Sci Bull, 57(10): 1188–1195. DOI:10.1007/s11434-011-4935-8
Giorgi F. 1990. Simulation of regional climate using a limited area model nested in a general circulation model[J]. J Climate, 3(9): 941–964. DOI:10.1175/1520-0442(1990)003<0941:SORCUA>2.0.CO;2
Giorgi F, Bi X Q, Pal J S. 2004. Mean, interannual variability and trends in a regional climate change experiment over Europe. I. Present-day climate (1961-1990)[J]. Climate Dyn, 23(7/8): 839–858.
Haeberli W, Beniston M. 1998. Climate change and its impacts on glaciers and permafrost in the Alps[J]. Ambio, 27(4): 258–265.
Hendrikx J, Hreinsson E Ö. 2012. The potential impact of climate change on seasonal snow in New Zealand:Part Ⅱ-Industry vulnerability and future snowmaking potential[J]. Theor Appl Climatol, 110(4): 619–630. DOI:10.1007/s00704-012-0713-z
IPCC. 2013a. Climate change 2013:Impacts, adaptation, and vulnerability. Part B:Regional aspects. Working group Ⅱ contribution to the fifth assessment report of the intergovernmental panel on climate change[M]. Cambridge: Cambridge University Press, United Kingdom and New York, NY, USA, 1199-1612.
IPCC. 2013b. Climate change 2013:The physical science basis. Contribution of working group I to the fifth assessment report of the intergovernmental panel on climate change[M]. Cambridge: Cambridge University Press, United Kingdom and New York, NY, USA, 208-221.
Jaczewski A, Brzóska B, Wibig J. 2015. Comparison of temperature indices for three IPCC SRES scenarios based on RegCM simulations for Poland in 2011-2030 period[J]. Meteorol Z, 24(1): 99–106. DOI:10.1127/metz/2014/0457
James R, Washington R. 2013. Changes in African temperature and precipitation associated with degrees of global warming[J]. Climatic Change, 117(4): 859–872. DOI:10.1007/s10584-012-0581-7
Jeong D I, Sushama L, Diro G T, et al. 2015. Projected changes to high temperature events for Canada based on a regional climate model ensemble[J]. Climate Dyn, 46(9-10): 3163–3180.
Kurihara K, Ishihara K, Sasaki H, et al. 2005. Projection of climatic change over Japan due to global warming by high-resolution regional climate model in MRI[J]. SOLA, 1(1): 97–100.
Lee S, Bae D H, Cho C H. 2013. Changes in future precipitation over South Korea using a global high-resolution climate model[J]. Asia-Pacific J Atmos Sci, 49(5): 619–624. DOI:10.1007/s13143-013-0054-6
Lenaerts J T M, Vizcaino M, Fyke J, et al. 2016. Present-day and future Antarctic ice sheet climate and surface mass balance in the Community Earth System Model[J]. Climate Dyn, 47(5/6): 1367–1381.
Li C E K, Fuhrmann C M. 2013. Climate of the Southeast USA:Past, present, and future[M]. Climate of the Southeast United States: Island Press/Center for Resource Economics, 845-854.
Liang X Z, Kunkel K E, Samel A N. 2001. Development of a regional climate model for U. S. midwest applications. Part I:Sensitivity to buffer zone treatment[J]. J Climate, 14(23): 4363–4378. DOI:10.1175/1520-0442(2001)014<4363:DOARCM>2.0.CO;2
Liu K, Jiang D B, Jian-Yong M A. 2012. Drought over China in the 21st Century:Results of RegCM3[J]. Atmos Oceanic Sci Lett, 5(6): 509–513. DOI:10.1080/16742834.2012.11447037
Marengo J A, Ambrizzi T, Rocha R P D, et al. 2010. Future change of climate in South America in the late twenty-first century:intercomparison of scenarios from three regional climate models[J]. Climate Dyn, 35(6): 1073–1097. DOI:10.1007/s00382-009-0721-6
Marengo J A, Torres RR, Alves L M. 2017. Drought in Northeast Brazil-past, present, and future[J]. Theor Appl Climatol, 129(3/4): 1189–1200.
Meleshko V P, Kattsov V M, Govorkova V A, et al. 2008. Climate of Russia in the 21st century. Part 3. Future climate changes calculated with an ensemble of coupled atmosphere-ocean general circulation CMIP3 models[J]. Russian Meteor Hydrol, 33(9): 541–552. DOI:10.3103/S106837390809001X
Mihailović D T, Drešković N, Arsenić I, et al. 2016. Impact of climate change on soil thermal and moisture regimes in Serbia:An analysis with data from regional climate simulations under SRES-A1B[J]. Sci Total Environ, 571(41): 398–409.
Nuñez M N, Solman S A, Cabré M F. 2009. Regional climate change experiments over southern South America. Ⅱ:Climate change scenarios in the late twenty-first century[J]. Climate Dyn, 32(7-8): 1081–1095. DOI:10.1007/s00382-008-0449-8
Ozturk T, Turp M T, Türke M, et al. 2016. Projected changes in temperature and precipitation climatology of central asia cordex region 8 by using regcm4.3. 5[J]. Atmos Res, 183: 296–307.
Pinto I, Lennard C, Tadross M, et al. 2016. Evaluation and projections of extreme precipitation over southern Africa from two CORDEX models[J]. Climatic Change, 135(3/4): 655–668.
Przybylak R. 2016. Scenarios of the Arctic future climate[M]. The Climate of the Arctic: Springer International Publishing, 266-269.
Saeed F, Almazroui M, Islam N, et al. 2017. Intensification of future heat waves in Pakistan:a study using CORDEX regional climate models ensemble[J]. Nat Hazards, 87(3): 1635–1647. DOI:10.1007/s11069-017-2837-z
Sánchez E, Solman S, Remedio A R C, et al. 2015. Regional climate modelling in CLARIS-LPB:a concerted approach towards twenty-first century projections of regional temperature and precipitation over South America[J]. Climate Dyn, 45(7/8): 2193–2212.
Sanderson M G, Hemming D L, Betts R A. 2011. Regional temperature and precipitation changes under high-end (≥ 4℃)global warming[J]. Phil Trans R Soc A, 369(1934): 85–98. DOI:10.1098/rsta.2010.0283
Swain S, Hayhoe K. 2015. CMIP5 projected changes in spring and summer drought and wet conditions over North America[J]. Climate Dyn, 44(9/10): 2737–2750.
Thatcher M, Mcgregor J, Dix M, et al, 2015. A new approach for coupled regional climate modeling using more than 10, 000 cores[C]//International Symposium on Environmental Software Systems. Springer, Cham, 599-607.
Tiwari P R, Kar S C, Mohanty U C, et al. 2015. The role of land surface schemes in the regional climate model(RegCM) for seasonal scale simulations over Western Himalaya[J]. Atmósfera, 28(2): 129–142. DOI:10.1016/S0187-6236(15)30005-9
Wang J X, Huang J K, Yang J. 2014. Overview of impacts of climate change and adaptation in China's agriculture[J]. Journal of Integrative Agriculture, 13(1): 1–17.
Xu J Y, Shi Y, Gao X J, et al. 2013. Projected changes in climate extremes over China in the 21st century from a high resolution regional climate model (RegCM3)[J]. Chinese Sci Bull, 58(12): 1443–1452. DOI:10.1007/s11434-012-5548-6
董广涛, 陈葆德, 陈伯民, 等. 2016. 边界强迫场订正的区域气候模式对2013年夏季中国东部极端高温预测的改进试验[J]. 气象, 42(1): 97–106. Dong G T, Chen B D, Chen B M, et al. 2016. The improvement of predicting extreme heat event of Eastern China in summer 2013 through correcting lateral boundary condition of regional climate model[J]. J Meteor, 42(1): 97–106. DOI:10.3969/j.issn.1673-8411.2016.01.024
韩振宇, 高学杰, 石英, 等. 2015. 中国高精度土地覆盖数据在RegCM4/CLM模式中的引入及其对区域气候模拟影响的分析[J]. 冰川冻土, 37(4): 857–866. Han Z Y, Gao X J, Shi Y, et al. 2015. Development of Chinese high resolution land cover data for theRegCM4/CLM and its impact on regional climate simulation[J]. J Glaciol Geocryol, 37(4): 857–866.
韩振宇, 周天军, 邹立维. 2016. FGOALS/RegCM动力降尺度对南亚夏季气候变化的预估[J]. 气候与环境研究, 21(2): 153–166. Han Z Y, Zhou T J, Zou L W. 2016. Projected summer climate changes over South Asia based on the nested FGOALS/RegCM Model[J]. Climatic Environ Res, 21(2): 153–166.
刘玉洁, 戴君虎, 陈鹏飞, 等. 2016. 未来RCP4.5情景下非洲地区主要气候要素时空演变特征[J]. 地球信息科学学报, 18(11): 1522–1528. Liu Y J, Dai J H, Chen P F, et al. 2016. Temporal-spatial variation of climate factors in africa under representative concentration pathways scenario 4.5[J]. Geo-Inf Sci, 18(11): 1522–1528.
石秋池. 2006. 英国关于未来气候变化的报告[J]. 中国水利, 4(21): 52–53. Shi Q C. 2006. Report on future climate change from the UK[J]. China Water Resour, 4(21): 52–53. DOI:10.3969/j.issn.1000-1123.2006.04.020
卫翔谦, 左洪超, 武利阳, 等. 2016. RegCM4.3气候模式引入新的海洋湍流参数化方案对中国夏季降水模拟的影响[J]. 兰州大学学报(自然科学版), 52(5): 664–651. Wei X Q, Zuo H C, Wu L Y, et al. 2016. The impact of New ocean turbulence parameterization scheme introduced into RegCM4.3 climate model on the summer precipitation simulation in China[J]. Journal of Lanzhou University (Natural Sciences), 52(5): 664–651.
吴建国, 吕佳佳, 艾丽. 2009. 气候变化对生物多样性的影响:脆弱性和适应[J]. 生态环境学报, 18(2): 693–703. Wu J G, Lü J J, Ai L. 2009. The impacts of climate change on the biodiversity:Vulnerability and Adaptation[J]. Ecol Environ, 18(2): 693–703. DOI:10.3969/j.issn.1674-5906.2009.02.056
熊喆. 2004. 区域气候模式RIEMS对东亚气候的模拟[J]. 气候与环境研究, 9(2): 28–37. Xiong Z. 2004. The multiyear surface climatology of RIEMS over East Asia[J]. Climatic Environ Res, 9(2): 28–37.
徐小玉, 王亚非. 2016. 利用RegCM4.0模拟5-8月青藏高原异常加热的下游效应[J]. 高原气象, 35(5): 1169–1181. Xu X Y, Wang Y F. 2016. Simulation of the effect of Qinghai-Xizang Plateau anomalous heating on the downstream flow from May to August by RegCM4.0[J]. Plateau Meteor, 35(5): 1169–1181. DOI:10.7522/j.issn.1000-0534.2015.00058
张冬峰, 韩振宇, 石英. 2017. CSIRO-Mk3.6. 0模式及其驱动下RegCM4.4模式对中国气候变化的预估[J]. 气候变化研究进展, 13(6): 557–568. Zhang D F, Han Z Y, Shi Y. 2017. Comparison of climate projection between the driving CSIRO-Mk3.6. 0 and the downscaling simulation of RegCM4.4 over China[J]. Adv Clim Chang Res, 13(6): 557–568.
翟颖佳, 李耀辉, 徐影. 2016. RCPs情景下中国北方地区干旱气候变化特征[J]. 高原气象, 35(1): 94–106. Zhai Y J, Li Y H, Xu Y. 2016. Aridity change characteristics over northern region of China under RCPs scenario[J]. Plateau Meteor, 35(1): 94–106. DOI:10.7522/j.issn.1000-0534.2014.00078
宗培书, 周晶. 2017. RSM模式对中国东部夏季降水模拟能力的检验[J]. 气象科学, 37(1): 101–109. Zong P S, Zhou J. 2017. Simulation on summer monsoon precipitation over eastern China by using regional spectral model[J]. J Meteor Sci, 37(1): 101–109.
A Review of Future Climate Change Based on Regional Climate Models
ZHANG Lei1,2 , WANG Chunyan3 , PAN Xiaoduo1,4     
1. Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences//Laboratory of Remote Sensing and Geospatial Science, Lanzhou 730000, Gansu, China;
2. University of Chinese Academy of Sciences, Beijing 100049, China;
3. Editorial Department of Journal of Lanzhou University, Lanzhou 730000, Gansu, China;
4. Institute of Tibetan Plateau Research, Chinese Academy of Sciences, Beijing 100101, China
Abstract: Regional climate differentiation is becoming more and more obvious with global climate change, regional climate tends to be extreme. Droughts, heavy rainfall, heat waves, snow, super typhoons and other extreme weather events that have brought huge losses all over the world every year are very frequent across the global. Research on small-scale regional climate using the global climate models can't meet the requirements of spatial scale, temporal scale, the regional scale assessment of climate change and adaptation research. The global climate model reproduce climatic characteristics from large scale and it can't finely show the local information at different elevations. A full understanding of the inter-regional climate differences is very important for a more accurate prediction of future climate change. As the regional climate models have a more complete physical mechanism and higher spatial resolution, it has made a great deal of improvement over the global climate model and can solve the problem the global climate model faced and has been widely used in regional climate research, notable results have been achieved. In this paper, we sketched the development of the regional climate model, summarized the latest research progress in the regional climate model, the world's major regional climate models, and the development of climate scenarios. And we also summarized the general trend of climate change in different regions of the world from temperature and precipitation, research findings in different regions can help to have a better understanding of future climate change and also can help policymakers develop appropriate applicability strategies that will reduce the loss caused by climate change. Although the models used by the researchers may be different, the precipitation estimates are not the same, and there are significant regional characteristics in different region, almost all studies agree that in the future the world will continue to experience a process of sustained warming. Based on a summary of future climate change in different regions, then we discussed the current problems of the regional climate model, including the uncertainty of the model itself, the uncertainty of emissions scenarios and the complexity of the earth-atmosphere system. Finally, for the problems in the regional climate model, we summarized the solutions in term of current regional climate models, and looked forward to the development of the regional climate model and give the trend of the future regional climate model in China.
Key words: Climate change    regional climate model    future climate scenarios    temperature    precipitation