（气象学专业论文）ncc气候模式对中国近50a极端气候事件模拟结果的初步评估.pdf

摘要 2 0 世纪以来，在全球气候变暖的背景下，极端天气气候事件频繁发生。准确预测极端 天气气候事件能够及早预防灾害，使其造成的破坏程度降到最低。模式模拟是极端天气气 候事件预测的一种有效方式，而对模式模拟效果的评估，是应用模式进行极端气候模拟研 究和预估的基础性工作。本文基于国家气候中心0 屺c ) 气候模式对极端气温和降水事件的 模拟结果，选用了冷夜和暖昼作为表征极端气温的指数，极端降水次数和极端降水量作为 表征极端降水的指数对模式结果进行了初步评估，为n c c 气候模式在极端气候模拟和预估 方面的工作提供一定的参考。主要从空间分布、长期趋势、时空分布特征，及区域平均的 年际年代际变化特征等方面进行分析，并得出以下结论： 1 ) 模式对极端气温( 冷夜、暖昼) 的模拟评估结果： 从多年平均的空间分布上看，模式对冷夜指数的模拟能够大致体现出夏季东多西少和 冬季地域差异不显著的空间分布特征，但模拟值普遍偏大，特别表现在东南沿海地区。全 年的模拟效果具有明显的地区差异，长江中上游地区的模拟效果较好，东北和西部地区的 模拟值偏大，而东部沿海地区的模拟结果则偏小。模式对暖昼指数的模拟，夏季和全年的 模拟结果能够体现出南北的地域差异特征，大概在内蒙古的模式值比实际情况偏小的现象： 冬季的模式值较观测值基本上全国都出现偏大。 从模式对极端气温长期趋势的模拟情况上看，模式能够较好地反映出北方、西南及沿 海地区冷夜指数的减小趋势，而黄河以南内陆地区的冷夜趋势模拟效果不好，该区域夏季 ( 实际趋势增加) 与冬季( 实际趋势减少) 的趋势模拟与实际情况相反：年趋势模拟的减 少程度较实际情况偏小。相对而言，模式对暖昼趋势的模拟效果较好，能够反映出暖昼指 数增加的趋势特征，且区域差异模拟得与实际情况也较吻合。 从模式对异常空间分布型的主要模态及时间演变的模拟上看，极端气温事件空间分布 型的主要模态表现为全国一致变化和南北反向变化，模式对这两种空间型的模拟效果较好。 冷夜指数时间系数的模拟值和实际情况也较相似，模拟出了近年来冷夜事件全国减少以及 南方相对于北方有所增加的客观事实。全年暖昼指数时间系数的模拟效果较好，反映出暖 昼事件在全国范围一致增加以及北方较南方有所增加这两种特征。 总之，研究结果表明模式对极端气温事件是具有一定的模拟能力的，特别是对暖昼的 模拟能力比较强。 2 ) 模式对极端降水( 极端降水量、极端降水次数) 的模拟评估结果： 从多年平均的空间分布上看，极端降水次数的模拟效果总体较好，然而东南沿海( 夏 季和全年) 和内蒙古高原地区( 冬季) 的模拟值存在明显偏高。极端降水量呈南多北少的 纬向分布特征，模式对这一特征的模拟效果较好，但除了冬季北方存在虚假的高值区以外， 模拟值在大部分地区都偏小。 从模式对长期趋势的模拟情况上看，夏季和全年的极端降水次数长期变化趋势的模拟 效果较好，模式能够体现出全国大部分地区( 除华北及东北的部分地区) 极端降水次数增 加的趋势，但西北地区的趋势模拟结果不好；冬季极端降水次数的趋势模拟结果不如夏季 和全年。模式对中国极端降水量长期趋势的模拟效果不好，不能体现实际的变化趋势，在 许多地区表现出与实际情况完全相反的特征。 从模式对异常空间分布型的主要模态及时间演变的模拟上看，模式能够大致模拟出极 端降水次数的南北反向变化和东西反向变化这两种主要空间分布型，但对时间系数的模拟 效果较差。模式对极端降水量的空间分布类型和时间演变情况的模拟结果与极端降水次数 基本相似。 总体说来模式对极端降水事件的模拟能力不如对极端气温事件的模拟能力。 关键词：极端气候事件，极端气温，极端降水，n c c 气候模式，评估 a b s t r a c t o nt h eb a c k g r o u n do ft h eg l o b a lw a r m i n gs i a e et h e2 0 t l ac e n t u r y ，e x 仃锄ec l i m a t ee v e n t s h a v er e t l e e t e df r e q u e n t l ya l lo v e rt h ew o r l d a c c u r a t ep r e d i c t i o no fe x l r e m ew e a t h e re v e n t sc 8 1 1 p r e v e n td i s a s t e r s ，a n dm i n i m i z et h ed a m a g e m o d e ls i m u l a t i o ni s 缸e f f e c t i v ew a yo fe x t r e m e c l i m a t ea n dw e a t h e re v e n t sf o r e c a s t i n g e v a l u a t i n gt h er e s u l t so fm o d e ls i m u l a t i o n ，c 觚t e s ti t s p r e d i c ta b i l i t y , a n dp r o b a b i l i t yf i n do u tt h ei p 粕o l lw h yt h ee f f e c to fs i m u l a t i o ni sr i o tg o o d e n o u g h , a n dt h i se v a l u a t i o nw i l lp r o v i d ear e f e r e n c et ot h ed e v e l o p m e n to fn c c c l i m a t em o d e l b a s e d0 1 1t h ep r a c t i c a li m p o r t a n c e ，t h i sp a p e re v a l u a t eac l i m a t em o d e le x p l o i t e db yt h en a t i o n a l c l i m a t ec e n t r e ( n c c ) o ni t s a b i l i t y o fp r e d i c te x l l e m e c l i m a t ee v e n t sp r e l i m i n a r y , r e c o m m e n d i n gf o u ri n d i c a t o r s ：c o o ln i g h t sa n dw a r md a y sc h a r a c t e r i z i n ge x t r e m et e m p e r a t u r e s e v e n t sw h i l eu s i n gs t r o n g p r e c i p i t a t i o na n dh e a v yr a i n f a l ld a y st os i g n i f yt h ee x t r e m e p r e c i p i t a t i o ne v e n t s t h em e t h o d si a e l u d es p a t i a ld i s t r i b u t i o n , l o n g - t e r mm m d ，d i s t r i b u t i o na n d s p a t i o t e m p o r a lv a r i a t i o n s ，a n dt h ea n n u a la n dd e e a d a lv a r i a t i o n so fr e g i o n a la v e r a g e ，e t c a n d o b t a i as o m ee o n e l u s i o m 1 ) a s s e s s m e n tr e s u l t so f t h em o d e ls i m u l a t i n ge x t 陀m et e m p e r a t u r ee v e n t s ： f r o mt h ep o i n to fv i e wt h a ta n n u a la v e r a g es p a t i a ld i s l r i b u t e ，n c cc l i m a t em o d e lc a nr e f l e c t t h es p a t i a ld i s t r i b u d o nf e a t u r e so ft h ee x t r c m el o wt e m p e r a t u r ei n d e xi ns l l l 3 1 m c r ( t h en o r t h e a s t l a r g e rt h a nt h ew e s t e r n ) a n dw i n t e r ( n os i g n i f i c a n td i f f e r e n c e si nd i f f e r e n tr e g i o m l ) ，b u tt h e s i m u l a t i o nv a l u e sa r el a r g e r , p a r t i c u l a r l ym a n i f e s ti nt h es o u t h e a s tc o a s t a l 锄膦r e g i o n a l d i f f e r e n c e so ft h ey e a rs i m u l a t e dv a l u e s 卸呛s i g n i f i c a n t t h es i m u l a t i o no ft h em i d d l ea n d u p s t r e a mr e a c h e so fy a n g t z er i v e ri sn e a r l yc o r r e c t t h es i m u l a t e dv a l u e so ft h en o r t h e a s ta n d w e s t e r na 聆l a r g e r h o w e v e r , t h es i m u l a t i o nr e s u l t so fe a s t e r nc o a s t a la r e a sa r es m a l l e r t h e s i m u l a t i o nr e s u l t so ft h ee x t r e m eh i g ht e m p e r a t u r ei a d e xi ns u l i i m e l - sa n dy e a r s8 r ea b l et or e f l e c t t h er e g i o n a lf e a t u r e sb e t w e e nt h en o r t ha n ds o u t h ，h o w e v e r , t h es i m u l a t e dv a l u e so ft h ec e n t r a l a n dw e s t e r nr e g i o n so fi n n e rm o n g o l i aa r es m a l l e rt h a nt h ea c t u a ls i t u a t i o n , t h es i m u l a t e dv a l u e s o fw i n t e ra l el a r g e rt h a na c t u a lv a l u e f r o mt h ep o i n to fl o n g - t e r mt r e n d st h a tm o d e ls i m u l a t e s ，t h em o d e lc 阻r e f l e c tt h et r e n dt h a t t h ee x 仃锄el o wt e m p e r a t u r ei n d e xo ft h et t o r t h s o u t h w e s ta n dc o a s t a lr e g i o n st u r ns m a l l e r , b u t t h es i m u l a t e dv a l u e so f t h ei n l a n da l e a sl o c a t e d 也es o u t ho f y e l l o wr i v e ra r eu n s a t i s f a c t o r y t h e t r e n do ft h i sr e g i i ns l i m m e r ( t h ea c t u a lt r e n di si n c r e a s e la n dw i n t e r ( t h ea c t u a lt r e n di s m d e c r e a s e ) i st o t a l l yo p p o s i t e ，b u tt h ed e c r e a s et r e n di ny e a r si ss m a l l e rt h a nt h ea c t u a ls i t u a t i o n r e l a t i v e l y , t h es i m u l a t e dr e s u l t so ft h ee x t r e m eh i g ht e m p e r a t u r ei n d e xa s a t i s f a c t o r y t h e m o d e lc o u l dr e f l e c tt h ef e a t u r et h a tt h ei n d e xi si n c r e a s e ，a n dt h er e g i o n a ld i f f e r e n c e sa r ea l s o c o n s i s t e n tw i t ht h ea c t u a ls i t u a t i o n j u d g i n g t h em o d e lo fe o fa n a l y s i s ，t h em a i nm o d e so ft h es p a t i a ld i s t r i b u t i o na b o u t t h ee x t r e m et e m p e r a t u r ee v e n t si n c l u d et h en a t i o n a lc o n s i s t e n c ya n dt h ec o n t r a s tb e t w e e nt h e n o r t ha n dt h es o u t h a n dt h es i m u l a t i o nr e s u l t sa r ；es a t i s f a c t o r y t h et i m ec o e 伍c i e n t s0 1 1t h e e x t r e m el o wt e m p e r a t u r ei n d e xo ft h em o d e lv a l u ea r es i m i l a rt ot h ea c t u a ls i t u a t i o n i tr e f l e c t s t h eo b j e c t i v ef a c t st h a tt h ee x t r e m el o wt e m p e r a t u r ee v e n t sa r er e d u c i n gd u r i n gt h en a t i o n w i d e ， a n de v e n t si ns o u t ha r er i s i n gt h e n o r t h t h es i m u l a t i o nr e s u l t so ft h ee x t r e m eh i g ht e m p e r a t u r e i n d e xd u r i n gt h ew h o l ey e a r sa l ew e l l ，c o u l dr e f l e 贮- tt h ef a c t st h a tt h ee x t r e l n eh i 【g ht e m p e r a t u r e e v e n t sa r er i s i n gd u r i n gt h en a t i o n w i d e ，a n de v e n t si nn o r t ha r er i s i n gt h es o u t h i ns u m m a r y , t h e r e s u l t ss h o wt h a tt h em o d e li sa b l et or e f l e c tt h ef e a t u r eo nt h ee x t r e m et e m p e r a t u r ee v e n t s i n 刘吐i 瑚t h er e s u l t ss h o wt h a tt h ec a p a b i l i t i e so fn c cc l i m a t em o d e lb ys i m u l a t e e x t r e m et e m p e r a t u r ee v e n t si sp r e t t y9 0 0 d ，p a r t i c u l a r l yi ns i m u l a t i n gw a r md a y s 2 ) e v a l u a t i o nc o n c l u s i o n so ft h em o d e lb ys i m u l a t i n ge x t r e m ep r e c i p i t a f i o ne v e n t s ： f r o mt h ep o i n to f v i e wt h a ta n n u a la v e r a g es p a t i a ld i m 慨，o v e r a l l ，t h es i m u l a t e dv a l u e s o ft h en u m b e ro fe x t r e m ep r e c i p i t a t i o ni ss a t i s f a c t o r y , b u tt h ev a l u e s0 1 1t h es o u t h e a s tc o a s t ( t h e s u m m e r sa n dy e a r s ) a n dt h ei n n e rm o n g o l i ap l a t e a u ( t h ew i n t e r s ) a r es e r i o u st o ol a r g e t h e e x t l e 1 1 1 ep r e c i p r a t i o ns h o w st h ec h a r a c t e r i s t i c so ft h ez o n a ld i s t r i b u t i o nt h a tt h es o u t hr e g i o nl e s s t h a nt h en o r t hr e g i o n , b u tt h es i m u l a t e dv a l u e sa r eg e n e r a ls m a l l e rt h a nt h ea c t u a ls i t u a t i o n h o w e v e r , t h e r ei saf a l s eh i g hv a l u e sr e g i o ni nn o r t h e r nw i n t e r f r o mt h ep o i n to f l o n g - t e r mt r e n d st h a tm o d e ls i m u l a t e s ，t h en u m b e ro fs i m u l a t i o nr e s u l t so f t h el o n g - t e r mt r e n df o rt h ee x t r e m ep r e c i p i t a t i o nd u r i n gt h es u m m e r sa n dy e a r sa r ep r e t t yg o o d , i t c a l lr e f l e c tt h et r e n dt h a tt h en u m b e ro fe x t r e m ep r e c i p i t a t i o ni nt h en a t i o n w i d ei sr i s i n g ( e x c e p t t h ep a r t so fn o r t ha n dn o r t h e a s to fc h i n a ) ，b u tt h et r e n do ft h en o r t h w e s ti sn o ts a t i s f a c t o r y n e t r e n ds i m u l a t i o nr e s u l t so ft h en u m b e ro fe x t r e m ep r e c i p i t a t i o na r ew o v et h a nt h es l n n m e r sa n d t h ey e a r s t h et r e n ds i m u l a t i o no ft h em o d e li nc h i n ai su n s a t i s f a c t o r y , c o u l dn o tr e f l e c tt h e a c t u a lt r e n d ，b u tm o s to f r e g i o n se v e nr e f l e c tac o m p l e t e l yo p p o s i t er e s u l t a s s e s sf i - o me o fa n a l y s i s ，t h et y p eo fs p a t i a ld i s t r i b u t i o no ft h en u m b e ro fe x t r e m e p r e c i p i t a t i o na l es i m i l a rt ot h ee x t r e m ep r e c i p i t a t i o n ，d i s p l a yo p p o n e n tc h a n g ei nt h en o r t ha n d i v s o u t h ，a n do p p o n e n tc h a n g ei nt h ee a s ta n dw e s t t h em o d e li sa b l et or e f l e c tt h et w ot y p e so f s p a c ed i s t r i b u t i o n ，b u tt h ee f f e c to f t h et i m ec o e f f i c i e n t ss i m u l a t i o ni su n s a t i s f a c t o r y o v e r a l l ，n c cc l i m a t em o d e l ss i m u l a t i o nc a p a c i t yo fe x t r e m ep r e c i p i t a t i o ne v e n t si si n f e r i o r t os i m u l a t e de x t r e m et e m p e r a t u r ee v e n t s k e yw o r d s ：e x t r e m ec l i m a t ee v e n t s ，e x t r e m et e m p e r a t u r e s ，e x t r e m ep r e c i p i t a t i o n ， n c cc l i m a t em o d e l ，e v a l u a t i o n v 学位论文独创性声明 本人郑重声明： 1 、坚持以“求实、创新”的科学精神从事研究工作。 2 、本论文是我个人在导师指导下进行的研究工作和取得的研究 成果。 3 、本论文中除引文外，所有实验、数据和有关材料均是真实的。 4 、本论文中除引文和致谢的内容外，不包含其他人或其它机构 已经发表或撰写过的研究成果。 5 、其他同志对本研究所做的贡献均已在论文中作了声明并表示 了谢意。 作者签名：猛 e t期：丝! ! ：鱼 学位论文使用授权声明 本人完全了解南京信息工程大学有关保留、使用学位论文的规 定，学校有权保留学位论文并向国家主管部门或其指定机构送交论 文的电子版和纸质版；有权将学位论文用于非赢利目的的少量复制 并允许论文进入学校图书馆被查阅；有权将学位论文的内容编入有 关数据库进行检索；有权将学位论文的标题和摘要汇编出版。保密 的学位论文在解密后适用本规定。 作者签名：邂 e l期：丝! ! ：鱼 第一章绪论 第一章绪论 1 1 研究背景 二十世纪以来，全球气候变暖已成为一个不争的事实。i p c c a r 4 的报告指出，近百年 来气温上升了0 5 6 - - 0 9 2 ，并且预测，至二十一世纪末，全球地表气温将上升1 1 “4 c ， 这种变暖的程度是史无前例的，研究的结果将全球变暖的原因归结为人类活动的影响，主 要表现为c 0 2 等温室气体的排放【l 】。全球变暖使海平面上升，同时加速了水汽循环的速度。 在此背景下，全球气候异常变化的频率显著增加，因此在近5 0 a 来，强气候灾害事件在全 球范围内时有发生。这种气候现象在中国区域的表现同全球其他区域是一致的。 气候平均态表明了考察期间气候变化的趋势，而对人类的生存造成最大威胁的罪魁祸 首则是极端天气气候事件。在全球气候变暖的背景下，极端气温及极端降水事件的发生频 率显著上升，给世界各国的社会经济带来了巨大的负面影响。在这种情况下，中国每年因 为极端天气气候灾害造成了极大的经济损失。以2 0 0 8 年为例，冬季中国南方地区经历了历 史上罕见的低温雨雪冰冻天气过程，1 5 个省约1 3 0 万平方公里不同程度受灾。同年初夏， 南方地区又出现了四次大规模的极端降水过程，珠江流域和湘江上游发生了较大洪灾，造 成了1 7 7 人死亡，盛夏和入秋也发生了大规模的极端降水过程。因此对极端天气气候事件 的研究，有助于预测灾害性天气事件的发生，并且及早做好预防工作【2 】。 学术界对极端天气气候事件已展开了深入的研究，对极端气候事件的模拟是一种有效 的预测方法，而对模式在极端天气气候事件的模拟效果方面的评估，可以检验模式对极端 天气气候事件提前预测的能力，并且寻找出模拟效果不好的原因，进一步提出改进措施。 基于这方面的实际意义，本文对n c c 气候模式在极端天气气候事件的模拟能力方面进行初 步的评价。 1 2 极端天气气候事件的研究进展 1 2 1 极端气温事件的研究进展 学术界对极端气温事件进行了深入的研究。m a n t o n 等人对东南亚和南太平洋的极端气 温事件的变化趋势进行了研究，认为1 9 6 1 年后，这些地区的极端高温日数显著增加，而极 端低温事件则显著减少【3 】ae a s t e r l i n g 等人对美国东北部地区的极端气温事件的变化趋势进 第一章绪论 行了研究认为这些地区极端低温事件不断减少【4 j 。p l u m m e t 等人对澳大利亚和新西兰的极 端气温事件的变化进行了研究，得到了同样的结论【5 】。g r u z a 等人对俄罗斯的极端气温事件 进行研究，认为其极端高温日数明显增加【6 1 。b r a b s o n 等研究英国中部地区1 7 7 2 - - - 2 0 0 0 年 的日平均气温记录，发现夏季高温和冬季低温的极端气温事件发生频率都增大【7 】。我国学者 也对极端气温方面进行了深入的研究。王冀等人对东北地区冬季极端气温变化进行了研究， 认为春季日气温距平呈现由高纬度向低纬度，由东向西增加的趋势，近5 0 a 来，日气温距 平强度呈现正趋势，且冷日与冷夜呈现减少趋势，而暖昼与暖夜呈现增加趋势【8 】。周秀杰 等人对黑龙江气候变暖对极端天气气候事件的影响进行研究，认为温度上升导致了极端气 温与极端降水事件频率上升【9 】。何卷雄等对江苏夏季极端气温与大气环境的关系进行研究， 认为海气耦合作用对区域气温场异常形态有显著影响【l o 】。刘吉峰等对我国极端气温的变化 特征进行分区，认为依据极端高温和极端低温可分为1 2 个和1 1 个区域【1 1 1 。章大全等人的 研究表明我国年均高温次数在5 0 a 中呈上升趋势，而极端低温事件则呈现下降趋势【1 2 】。潘 晓华等对气温极端值的选取进行研究，根据第9 5 个和第5 个百分位值来确定气温极端值及 其阈值【1 3 】。翟盘茂等对北方近5 0 a 来温度和极端降水事件的变化进行研究，认为冷夜日数 显著减小，而暖昼日数趋于增加【1 4 】。任国玉等人的研究结果表明全国地面气温在近百年来 呈现显著升高，中国现代增温最明显的地区有东北、华北、西北和青藏高原北部地区，最 显著的季节在冬季和春季【l 习。还有许多学者对中国部分省份的极端气温的变化，以及中国 气温变化概论进行研究【1 6 h 1 9 1 。 1 2 2 极端降水事件的研究进展 f r i t h 等对北半球的极端降水的分布进行了研究，认为在全球变暖的影响下北半球极端 事件发生频率显著上升，特别在高纬度地区，增多的趋势更加明型2 们。z h a i 等人对中国区 域的极端降水事件的变化趋势及区域分布进行了研究，认为在中国区域内极端降水事件有 增加的趋势【2 l 】。z h a n g 等人利用气候模型对中国未来的极端气候特征的区域变化趋势进行 研究【2 2 】。p h i l i p s 等人对i p c ca r 4 的2 0 个最新全球模式的降水模拟能力进行评估，认为 新模式的模拟能力有所增强，特别是模式集合的模拟能力强于单个模式t 2 3 1 。s u n 等对新一 代全球模式对降水次数及降水量的模拟能力进行评价，指出该模式的模拟结果的降水频次 明显过多【2 4 】。d a i 等人对全球气候变化进行研究，结果表明严重干旱和潮湿的趋势变小 2 5 】。 g r o i s m a 等人对各国强降水事件的变化趋势进行研究认为各地的强降水事件的发生频率明 显增强【2 6 】。e a s t e r l i n g 的研究结果表明，强降水量与总降水量变化具有高度致性，总降水 量增力n c j j 强降水量的增幅更大【2 7 】。k a r l 对美国、前苏联和中国的强降水事件进行了研究， 2 第一章绪论 认为强降水量对季或年降水量的贡献明显上升【2 羽。h e i n o 等人认为过去的5 0 a 中，极端降 水的线性趋势具有地域差异，但各地极端降水的增长趋势大于总降水量的增长趋势【2 9 1 。黄 玉霞等人对西北地区极端降水的时空分布特征进行分析，认为西北地区的极端降水空间异 常可分为六种气候区，各异常区的降水存在十年以上较长周期和3 0 年短周期振荡p 叭。胡 豪然等对四川盆地汛期极端降水事件的时空分布特征进行分析，认为该地区汛期极端降水 事件的发生频次分布与降水量分布差异较大，由西向东呈阶梯状递减趋势，川西高原与四 川盆地之间以及盆地东西部之间的反位相变化是川渝地区汛期极端降水事件发生频次最主 要的两个空间异常模态 3 l 】。杨金虎的研究表明，中国西北汛期极端降水事件发生频次的空 间分布分为高原东部区、南疆区、北疆区、西北东部区、青海高原区及河套区等六个区域 【3 2 】：并且认为中国年极端强降水事件集中度与集中区自西北向东南均呈“低高低”的分 布特点，其异常空间分布也存在很大的区域差异；从区域平均来看，西北西部是中国年极端强 降水事件最分散的区域，东北是最集中的区域【3 3 1 。杨素英等人的研究表明东北地区极端降水 事件阈值由东南沿海向西北内陆逐渐减小。6 9 月是极端降水事件集中出现月份【列。江志红 等人对中国东部日极端降水的拟合试验表明极端降水事件总体上都呈现出由东南向西北方 减小的趋势，且南北差异较大，南方的极端降水量值可能达到北方地区的两倍以上【3 5 】。蔡敏等 对我国东北极端降水的时空分布特征进行分析，认为近5 0 年来，极端降水趋势虽无明显变 化，但其时空差异较大，符合g u m b e l 分布的极端降水重现期的地理空间分布，大致特征是， 东南大、西北小，两湖盆地、黄海海湾及辽东半岛也有高值区【3 嗣。李红梅等人的研究表明近 4 0 a 来长江流域的极端降水事件的发生频率显著增加【3 7 1 。江志红等对未来中国极端降水事 件的模拟结果表明长江中下游南部平均降水量对平均温度升高有正响应，模拟得到的区域 极端降水概率分布曲线有明显的向右平移，导致大量级的极端降水的概率增大【3 引。张勇等对 中国未来极端降水事件变化进行研究，表明未来长江流域洪涝灾害事件发生的频率将可能 增大【3 9 l 。张天宇对长江中下游地区汛期极端降水事件进行分析，结果表明长江中下游汛期 极端强降水事件发生频次的多寡很大程度上影响着汛期总降水量的多少。一致性异常分布 特征是长江中下游地区汛期极端强降水事件发生频次的最主要空间模态【柏j 。罗伯良对湖南 地区极端降水事件的变化趋势进行研究，认为湖南地区近4 4 a 极端降水量和极端降水日数 呈显著上升趋势【4 l 】。江志红等对i p c ca r 4 对二十一世纪极端降水的模拟能力进行研究， 认为北方增温幅度大于南方，降水的增加也主要集中在北方，降水在冬、春季增加较显著， 新一代全球系统模式对2 l 世纪中国气候变化预估的可靠性得到了提高【4 2 】。 3 第一章绪论 1 3 本文的主要工作和意义 n c c 气候模式是目前国家气候中心正在发展的新一代气候模式，但较之于i p c c 的若 干模式存在一定差距。另外，中国区域地形复杂，气候类型多样，模式要对中国极端气候 事件进行准确模拟具有非常高的难度，而模式这方面的性能又具有及其重要的现实意义。 因此对极端气候事件的模拟是一种有效的预测方法，而对模式在极端天气气候事件的模拟 效果方面的评估，可以检验模式对极端天气气候事件提前预测的能力，并且寻找出模拟效 果不好的原因，进一步提出改进措施。对n c c 气候模式在极端气候事件方面的模拟效果进 行验证研究对模式的改进具有极其重要的意义。本文对n c c 气候模式在极端气候模拟方面 的效果进行初步评估，主要进行了以下几点工作： 1 ) 对我国4 3 7 站的观测数据进行整理，分析极端气温和极端降水指标的实际观测数据在 空间分布、长期趋势、时空分布特征以及区域平均的年际年代际变化等方面的特征； 2 ) 对n c c 气候模式的模拟结果进行极端气温事件的模拟能力方面的评估。极端气温的指 标有冷夜指数和暖昼指数，主要从空间分布、长期趋势、时空分布特征以及区域平均 的年际年代际变化等方面与实际观测值进行比较，以评价模式在不同地区、不同季节 以及不同年代对极端气温的模拟能力； 3 ) 对n c c 气候模式的逐日降水模拟结果数据进行极端降水事件模拟能力方面的初步评 估。极端降水事件的指标有极端降水次数及极端降水量，从空间分布、长期趋势、时 空分布特征以及区域平均的年际年代际变化等方面与实际观测值进行比较研究，从而 得到模式在不同地区、不同季节以及不同年代对极端降水事件的模拟能力评价。 4 第二章资料方法介绍 第二章资料方法介绍 2 1 观测资料介绍 本文所用资料是由中国国家气侯中心整编的7 5 3 站逐日最高气温、最低气温和逐日降 水资料。考虑到缺测以及台站迁徙等造成序列不完整，本文用于分析的观测资料采用时间 序列为1 9 5 8 2 0 0 5 年，剔除缺失数据较多( 缺测大于5 ) 的站点。最后选取了4 3 7 个站点， 站点分布情况见图2 1 。 2 2 模式资料介绍 图2 1 中国4 3 7 站的分布情况 n c c 气候模式是我国国家气候中心研究开发的新一代气候模式。它是在n c a r c a m 3 ( c o m m u n i t ya t m o s p h e r em o d e lv e r s i o n 3 ，c o l l i n s ，2 0 0 4 ) 的基础上经过改进形成的，其 动力框架及主要物理过程在董敏等( 2 0 0 9 ) 和w u 等( 2 0 0 8 ) 的文章中有详细介绍【4 3 】，- 4 4 5 1 ，主要 的改进如下： ( 1 ) 改进了一个新的参考大气和参考面气压，因此原模式的预报量中的气温( t ) 和地面气压 q s ) 则变为它们对参考大气气温的偏差和对参考面气压的偏差； ( 2 ) 引入了新的对流参数化方案，同时对方案中的一些具体参数进行了调整； ( 3 ) 采用了对流调整方案； ( 4 ) 采用了雪盖参数化方案； ( 5 ) 鉴于洋面上潜热通量计算受风速的影响较大，采用了新的潜热通量计算方案【“1 。 n c c 气候模式水平分辨率为t 4 2 ，积分时间从1 8 7 0 年至2 0 0 6 年。本文的研究中，为 了方便比对两套资料，使模式资料与观测资料的时间序列匹配，选取了中国区域1 9 5 8 - 2 0 0 5 年的逐日最高气温、最低气温和降水资料，并通过双线性插值法将要素分别插值到站点。 第二章资料方法介绍 2 3 评价指标 由于中国地处东亚季风区，显著的季风气候和青藏高原大地形等因素造成了我国气候 类型的多样性，另外我国地域广阔，纬度跨度大，各地地形复杂幅员辽阔，地形地貌多样， 气候状况十分复杂，不能绝对地规定极端气温事件和极端降水事件标准，应考虑不同地区 的气候状况，所以不适合采用绝对阈值判断极端事件。本文从政府间气候变化委员会指数 专家小组e t c c d m t 提供的2 7 个表征极端天气气候变化的气候代用指数中选取三个指标，分别 表征极端气温和极端降水的指数，其中冷夜日数( t n 5 p ) 和暖昼日数( t x 9 5 p ) 分别用来 表征极端低温和极端高温，极端降水量( r 9 5 p ) 用来表征极端降水，另外引入翟盘茂定义 的极端降水事件的次数也作为一个指标，称为极端降水次数( r 9 5 t ) 。其单位、定义如表 2 1 所示。本文采用1 9 6 1 1 9 9 0 年为标准气候态，作为阈值选取区间。阈值的选取办法本文依 据翟盘茂等 1 3 1 对极端事件的定义方法。极端气温阈值的选取办法参照翟盘茂等对极端气温 的定义方法，将某站1 9 6 1 1 9 9 0 年间同一日期日的最高温( 最低温) 按照升序排列，得到该 日概率第9 5 ( 5 ) 个百分位上的值，取所有这些日期日的最大( 最小) 值作为阈值，大于( 小 于) 阈值则称之为暖昼( 冷夜) 。降水阈值的选取为：取逐年湿日( 日降水量卸1m m ) 降 水量序列的第9 5 个百分位值的3 0 a 平均值定义为极端降水事件的阈值，当某站某日降水量 超过这一阈值时，就称之为极端降水事件。概率的具体算法参, , 昭, , b o n s a l 等脚】的计算方法： 如果某个气象要素有，1 个值，将这r 个值按升序排列：工l x 2 ，洳，x n ，某个值小 于或等于孙的概率为1 伽- 0 3 1 ) ( n + 0 3 8 ) 。其中，m 为砌的序号，行为某个气象要素值的 个数。第9 5 个百分位值是指巳= 9 5 所对应的洳值；当m 为整数时，取第9 5 个百分位阈值为 ，其中m 为砀的序号；当肌不为整数时，则取第m 百分位阈值为( x r 。 + 1 。i ) 2 。 表2 1极端天气气候事件指数的定义 代码指标名称定义单位 t n 5 p 冷夜日数日最低气温( i n ) 第9 5 百分位值的日数 日数 r 9 5 p 极端降水量日降水量 第9 5 百分位值的总降水量 m m i 圆5 t 极端降水次数日降水量 第9 5 百分位值的天数日数 6 第二章资料方法介绍 2 4 分析方法 1 双线性插值法 双线性插值，又称为双线性内插。在气象以及很多学科上由于两套资料空间不对应造 成分析困难，常常采用双线性插值的办法将某一套资料插值到与另一套资料对应的空间上。 在数学上，双线性插值由两个变量的插值函数的线性插值扩展，其核心思想是在两个方向 分别进行一次线性插值4 引。本文采用双线性插值法将模式结果插值到站点，以此为基础进 行极端天气气候指数的计算和比对。 2 e o f ( e m p i r i c a lo r t h o g o n a lf u n c t i o n s ) 分析方法 e o f 方法是气象上多变量分析中常用的方法之一。它把随时间变化的气象要素场分解 为空间函数部分和时间函数部分，空间函数部分概括气象场的地域分布特征，这部分是不 随时间变化的；而时间函数部分则由空间变量的线性组合所构成，称为主分量，这些主分 量的头几个占原空间变化总方差的很大部分，研究主分量随时间变化的规律能代替对场的 时间变化的研究n 7 矧。 3 多项式曲线拟合 本文采用多项式拟合分析模式模拟出的气候指数和实际气候指数在年际年代际变化上 的区别，以此评价模式对极端天气气候事件年际年代际变化的模拟能力8 3 。 4 相关分析 本