全球增暖1.5 ℃和2.0 ℃下成渝经济区及周边地区极端温度事件的变化预估

孙雪榕,葛非,罗浩林,封彩云

摘要 极端温度事件不仅影响人类健康，而且易造成重大社会经济损失，是引起重大气候灾害的原因之一。对于易受气候变化影响的高敏感地区来说，确定区域气候对不同程度全球变暖的响应至关重要。本文基于区域气候降尺度试验-东亚区域（CORDEX-EAS）数据集，预估了1.5 ℃和2.0 ℃全球升温水平（Global Warming Levels，GWLs）下成渝经济区及周边地区极端温度的未来变化趋势。结果表明：成渝经济区及周边地区极端高温指数在两种升温水平下均呈现明显上升趋势，而极端低温指数呈现下降趋势。极端冷暖事件具有局部对称性特征，极端暖事件的变化幅度要大于极端冷事件的变化幅度。极端温度指数对两种升温水平的响应具有差异性，除气温日较差外，其他指数的变化幅度在2.0 ℃GWL下大于在1.5 ℃GWL下。此外，随着全球平均升温幅度的增大，未来极端温度事件的强度和发生频率也会相应提升，极端温度事件对额外0.5 ℃的GWL升温阈值具有高度敏感性。本文研究了1.5 ℃和2.0 ℃GWLs下成渝经济区及周边地区极端温度的未来演变，再次强调了将全球平均升温幅度限制在1.5 ℃以内的重要性。

关键词 成渝经济区;CORDEX;区域气候模式;气候变化;极端温度事件

自工业革命以来，全球气候系统经历了以变暖为主要特征的显著变化，生态环境与气候系统的稳定面临着严峻的挑战。根据政府间气候变化专门委员会（Intergovernmental Panel on Climate Change，IPCC）第五次评估报告（Fifth Assessment Report，AR5）指出，1880—2012年全球平均地表温度上升了（0.85±0.2） ℃（IPCC，2013）。大量研究显示，在全球变暖的背景下，极端天气和气候事件频发、持续时间以及影响范围也发生了显著的变化（Rahmstorf and Coumou，2011;Tebaldi et al.，2015;周国逸等，2020），且全球变暖主要通过极端气候的变化影响人类社会、环境（IPCC，2013）。同时，气候变化引起的环境恶化、粮食减产、淡水资源缺乏、生态退化等问题与社会经济可持续发展的矛盾日益突出。为了更好地适应不断变化的气候，采取减缓、适应战略以应对气候变化的胁迫，未来气候变化的可靠预测已经成为当今极为重要的政治议题，也是人类适应性决策的现实需求（Lang and Sui，2013）。

2015年联合国气候变化框架公约（United Nations Framework Convention，UNFCCC）第二十一届缔约方大会（the 21st Conference of Parties，COP21）通过《巴黎协定》提出将全球平均温度较工业化前时期上升幅度控制在2.0 ℃以内的重要目标，并力争将变暖控制在1.5 ℃以内。该协议旨在大幅降低自20世纪80年代以来由于人为温室气体（GreenHouse Gas，GHG）大量排放造成的风险和影响。Mitchell et al.（2016）提出极端气候事件的频率和强度在不同全球变暖水平上呈增加趋势。因此，亟需在区域范围内针对不同的全球升温阈值进行气候变化的相关研究，充分认识全球变暖趋势，并为应对气候变化提供有效信息。

气候模式作为气候模拟和未来气候变化研究的重要工具之一，被广泛应用于相关研究中。已有学者利用国际耦合模式比较计划第五阶段的模式结果分析了各种典型浓度路径情景下地表温度的未来变化特征（Xu and Xu，2012;Zhang，2012;Knutti et al.，2013;Xin et al.，2013）。张莉等（2013）基于CMIP5的29个气候模式分析了不同典型浓度路径（Representative Concentration Pathway，RCP）情景下全球与中国平均地表温度的变化特征及不同升温阈值出现的时间。许多研究表明，全球气候模式（Global Climate Models，GCMs）能够较好地再现历史温度的空间分布和变化（Miao et al.，2014;McSweeney et al.，2015;Soden et al.，2018;Ruan et al.，2019）。然而全球模式分辨率多为100～300 km，对于高分辨率区域尺度气候变化的模拟与预估能力有限，存在较大的不确定性。为了应对区域范围内对气候信息的更高需求，采用动力降尺度的区域气候模式（Regional Climate Models，RCM），不仅可以提供更详细的局地信息，还可以提高模式模拟的性能。为推动CMIP5的气候预估产品更好地服务于气候变化影响、适应和脆弱性评估以及政府决策，世界气候研究计划（World Climate Research Programme，WCRP）发起“国际区域气候降尺度试验”（Coordinated Regional Downscaling Experiment，CORDEX;Jones et al.，2011）计劃。目前，从CORDEX模式得出的高分辨率区域气候集合已被广泛用于预估未来的区域气候变化。除了气候平均态的变化之外，极端气候事件变化的影响更为关键（Lang and Sui，2013）。Zhang et al.（2020）研究结果显示，在1.5 ℃和2.0 ℃全球升温水平下中国变暖幅度会超过全球平均水平。中国决策者尤其关注全球变暖所带来的极端气候变化。但目前为止，对成渝经济区极端温度事件的研究尚且较少，成渝经济区地处四川盆地的核心地带，地形复杂，地貌类型多样，是气候变化的敏感区。因此，研究未来极端温度事件发生频率的变化，深化对该地区气候变化的理解和认识，为今后的防灾减灾工作提供强有力的理论支持，有利于最大限度减轻自然灾害的损失。

1 资料和方法

1.1 研究区域与数据资料

成渝经济区（104°～109°E，28°～32°N;图1）主要包括四川省的成都、德阳、绵阳、眉山、资阳等15个市，重庆市的万州、涪陵、渝中、大渡口、江北等31个区县，位于长江上游，在带动西部地区发展和促进全国区域协调发展中发挥重要作用。周边川西高原位于青藏高原和四川盆地的过渡地带，是我国重要的地势突变带，一直以来都是社会各界关注的重点。使用的数据来自区域气候降尺度试验-东亚区域（CORDEX-EAS）数据集，选择其中6个气候模式的历史模拟试验数据（1976—2005年）和两种RCP情景下（RCP4.5、RCP8.5）的未来预估数据（2006—2100年），空间分辨率为0.5°×0.5°。关于这些气候模式的基本信息见表1。下文中单个模式由RCM表示，后面括号内为相应的驱动GCM，例如CCLM5（CNRM-CM5）表示由CMIP5全球气候模式CNRM-CM5驱动的区域气候模式CCLM5。此外，选取欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）的CERA-20C地面温度再分析数据集来评估模式的模拟能力，时间范围是1961—2005年，空间分辨率为0.5°×0.5°，其中1961—1990年数据用于相关极端温度指数的计算。该数据集在成渝区域和热带地区的适用性和可靠性较好，克服不规则分布的观测站造成的不一致性，同时在模式评估的比较和应用方面的表现也相对突出（Luo et al.，2019;Palarz et al.，2020;Zhu et al.，2020;Dai and Wright，2021）。

为了探讨成渝经济区及周边地区极端温度事件对全球变暖的响应，本文采用世界气象组织（World Meteorological Organization，WMO）和气候变化与监测指数专家组（Expert Team on Climate Change Detection and Indices，ETCCDI;Zhang et al.，2011）推荐的极端温度指数。考虑到研究区域的气候特征，选取了其中的9个温度指数进行分析。各指数的具体定义如表2所示。

1.2 1.5 ℃和2.0 ℃全球升温水平的定义

《巴黎协定》签署后，将全球平均增温相较于工业化前时期限制在1.5 ℃和2.0 ℃以内的目标已经成为全世界各国政府的共识。2.0 ℃全球升温被认为是气候变化影响的一个危险阈值。当全球升温2.0 ℃时，中国升温幅度明显高于全球平均升温（姜大膀和富元海，2012;张莉等，2013）。CORDEX-EAS模式数据达到1.5 ℃和2.0 ℃升温阈值的年份取决于其内部起驱动作用的CMIP5全球模式，兼顾各模式历史气候模拟的起始时间不同，本文统一选取1881—1910年作为不同升温阈值的参考时段。为了消除全球平均温度年际变率的影响，对全球模式中的平均温度序列进行30 a滑动平均，取不同RCP情景下第1年超过1.5 ℃和2.0 ℃的30 a进行分析，以获得相对稳定的气候态（Lang and Sui，2013）。研究表明，全球升温水平与排放场景之间保持相对独立，相同的全球升温水平下，RCP的不同对于模式温度数据的影响很小，即相应预估是不依赖于情景的（King and Karoly，2017;王晓欣等，2019）。因此，本文将6个区域气候模式在RCP4.5和RCP8.5场景下的12组模拟数据作为一个模式集合进行分析。CORDEX-EAS模式模拟数据的分辨率与CERA-20C观测资料保持一致，显著性检验采用Student-t检验。

1.3 研究方法

使用相对均方根误差（R′MSE）来评估CORDEX-EAS模式模拟历史参考时期（1976—2005年）极端温度的能力（King and Karoly，2017）。首先，计算得到均方根误差（RMSE），其定义如下：

RMSE=1n∑ni=1（X-Y）2。（1）

其中：X指模式模拟的极端温度指数;Y指由CERA-20C得到的极端温度指数。然后通过RMSE求得每个模式的R′MSE，其定义如下：

R′MSE=RMSE-RMSE-MedianRMSE-Median。（2）

其中RMSE-Median是指单个CORDEX-EAS模式指数RMSE的集合中位数。通常情况下，负的表示该模式的模拟效果较好（Gleckler et al.，2008;Ge et al.，2019;Zhu et al.，2020）。除此之外，为定量评估多模式集合中位数计算结果的可信度，本文还引入了信噪比（SNR）（Shi et al.，2018;王晓欣等，2019）。信噪比是气候变化信号与噪音之间的比值，信噪比的定义如下：

SNR=|xe|1n∑ni=1（xi-xe）2。（3）

其中：xe代表某个指数的模式集合中位数;xi代表模式集合中位数预估的对应变暖时间下单个模式的对应指数。SNR>1代表模式集合模拟的气候变化大于模式间的离差（噪音），即预估结果较为可信（李博和周天军，2010;王晓欣等，2019）。

为了进一步量化CORDEX-EAS模式模拟性能，本文还使用泰勒图来反映各模式的模拟情况。当相关系数越大、均方根误差（RMSE）越小、标准差比率越小时，该模式模拟效果较好（You et al.，2021）。

2 研究结果

2.1 CORDEX-EAS模式对成渝经济区及周边地区极端温度事件的模拟评估

随着高分辨率气候模式的迅速发展，大量学者评估了模式模拟历史气候的表现，结果显示，模式在整体上能够很好地捕捉指数的变化趋势（Jiang et al.，2012;Yao et al.，2012;Lewis and Karoly，2013;胡芩等，2014;Pinto et al.，2016）。圖2显示了1976—2005年单个CORDEX-EAS模式、多模式集合中位数的极端温度指数相对均方根误差。结果表明，各模式模拟极端温度的能力存在较大的差异，大多数指数呈现出负的R′MSE值，在模拟极端温度方面总体表现良好。不同气候模式由于模拟性能的差异，其模拟结果也存在着差异，对不同类型的极端温度指数表现不一致，这有助于评估区域气候模式在该地区气候变化的适应性（Guo et al.，2018）。由图3可知，大部分指数均表现出了CORDEX各模式与CERA-20C再分析数据之间具有良好的空间相关性，相关系数均在0.8～0.9，同时暖指数的模拟结果要优于冷指数的模拟结果。对于SU、TR、WSDI等指数来说，CORDEX各模式较为集中地分布于参考值（Reference value，REF，表示由CERA-20C数据计算的极端温度指数）两侧，模拟结果与CERA-20C再分析数据间相关性高。综合来看，CCLM5（HadGEM2-ES）的模拟结果最好，在图2中表现为9个极端温度指数的相对均方根误差中，仅有3个指数（WSDI、TX90p、TX10p）R′MSE值为正;在图3中该模式多个指数的模拟结果非常靠近REF值。而CCLM（CNRM-CM5）模拟结果较差，6个指数R′MSE值为正，对于TR、TX10p、CSDI的模拟出现较大偏差，R′MSE值大于0.2，在对应的Taylor图中其结果也偏离REF。

有学者指出，为了降低各个模式内部的系统性误差，选取模式集合中位数可较为合理的反映模拟和预估的结果（Zhou et al.，2014;Dong et al.，2015;Ge et al.，2019;Zhu et al.，2020;Ge et al.，2021）。图2（最后一行）9个极端温度指数的R′MSE全部小于0，图3中Ensemble Median更逼近REF值，多模式集合中位数的模拟结果明显优于单一模式，能够较好地反映观测的趋势变化。因此，本文采用多模式集合中位数作为CORDEX-EAS模式的极端温度指数参与预估研究。

2.2 1.5 ℃和2.0 ℃的GWLs下成渝经济区及周边地区极端温度事件变化特征

在全球变暖背景下，极端气候事件的变化尤为显著，对自然环境和人类生活造成深远影响。因此，有必要深入分析不同升温阈值下极端气候事件的变化。

图4、图5给出了在1.5 ℃和2.0 ℃ GWLs下CORDEX-EAS模式模拟的成渝经济区极端温度指数的集合中位数相对于参考时期（1976—2005年）的变化。夏季日数（SU）、热夜日数（TR）为绝对指数，这类指数以某一具体的温度值作为衡量极端事件的阈值，对人类生活具有重要的指示意义。在1.5 ℃ GWL（2.0 ℃ GWL）下，SU、TR的平均增长分别为21 d、18 d（26 d、24 d）。暖昼日数（TX90p）、暖夜日数（TN90p）、冷昼日数（TX10p）、冷夜日数（TN10p）属于相对指数，主要用来表现温度在概率分布左右两端特征的变化情况。在两种全球升温阈值下，暖指数均呈现出不同程度的上升趋势，冷指数呈现明显的下降趋势，空间分布相类似，且由于川西高原海拔高，温度低等因素下降幅度更大。已有研究表明未来最高、最低气温将逐渐升高（姜大膀等，2004;Xu et al.，2013;李东欢等，2017;周波涛等，2020）。相对于1.5 ℃ GWL，2.0 ℃ GWL阈值的上升幅度更显著。但各个指数的表现不同，同一指数也表现出区域性差异。其中暖昼日数（TX90p）在成渝经济区西部的变化略大于其他地区，全球增温1.5 ℃（2.0 ℃）时，平均增长天数将达到6 d（8 d）;随着全球升温阈值的增大，增温区域同样显著扩大，升温最显著的地区位于宜宾、泸州。暖夜日数（TN90p）的上升幅度较小，在成渝经济区存在一个低值区，而西部地区增长较大。

冷昼日数（TX10p）、冷夜日數（TN10p）在1.5 ℃全球升温水平下平均减少4 d、2 d;2.0 ℃时为5 d、3 d。暖持续时间（WSDI）、冷持续时间（CSDI）则分别呈现出上升和下降的趋势，在1.5 ℃ GWL （2.0 ℃ GWL）下，WSDI区域平均上升20 d（26 d），CSDI平均下降6 d（7 d），这与Zhou et al.（2014）使用CMIP5模式进行相关研究得到的结果相符。四川西南部CSDI减少趋势最大，2.0 ℃ GWL时部分地区未来减少17 d。此外，成渝经济区及周边地区DTR略有上升，其变化量普遍在0.5 ℃以上。

为了确定成渝经济区极端温度对不同升温阈值的响应，图6给出了极端温度指数的百分比变化。显然，除了TX10p、TN10p、CSDI的集合中位数小于零外，其余指数的变化都大于零，说明与1976—2005年相比，极端高温事件有增加的趋势。在1.5 ℃ GWL（2.0 ℃ GWL）下，SU的增幅为16.9%（26.3%），TR、WSDI的增幅可至30%（40%）以上。TN90p增幅较小，明显小于TX90p的增长趋势，在1.5 ℃ GWL和2.0 ℃ GWL下分别为4.6%和6.2%。对于极端低温指数来说，在1.5 ℃ GWL（2.0℃ GWL）下，TX10p下降了7.1%（9.9%），TN10p下降了27.9%（38.1%），TN10p的减少趋势明显大于TX10p，CSDI下降幅度最大，下降了40%（51.8%）。值得注意的是，各指数均表现出在2.0 ℃ GWL时的变化幅度总是大于1.5 ℃ GWL时的变化幅度，表明将全球升温控制在1.5 ℃以内的重要性。另外，可以看到无论是1.5 ℃ GWL 还是2.0 ℃ GWL，极端温度变化基本一致。但当前的气候模式预估未来不同升温阈值下极端温度事件的变化仍具有一定的不确定性，所有模式中，对于极端高温指数HadGEM3-RA（HadGEM2-AO）偏离中位数较大，而对于极端低温指数CCLM5（CNRM-CM5）偏离中位数较大，并且随着升温阈值的升高，偏离越远。

2.3 额外0.5 ℃增温对成渝经济区及周边地区极端温度事件变化的影响

前人研究已经发现了降低全球变暖水平的重要性，特别是极端高温事件的增长将有所放缓（Tebaldi and Wehner，2018）。因此量化1.5 ℃和2.0 ℃ GWLs之间的极端气候的影响差异同样十分重要。成渝经济区及周边地区1.5 ℃和2.0 ℃ GWLs极端温度指数变化量的差值（2.0 ℃ GWL减去1.5 ℃ GWL;图7）。

在研究区域内，额外0.5 ℃升温使各极端温度指数在2.0 ℃ GWL的变化均比1.5 ℃ GWL更为显著。这与大量学者之前的研究结果非常吻合，其普遍认为全球升温幅度越大，区域极端温度事件发生的频率也会相应提升（姜大膀和富元海，2012;Hulme，2016;King and Karoly，2017;Chen and Sun，2019）。0.5 ℃增温使SU、TR分别增加了5 d、6 d，其中WSDI的差异最为明显，在2.0 ℃ GWL的日数要比1.5 ℃ GWL多8 d，意味着如果全球升温无法控制，那么该地区面临的持续高温风险将会迅速提升。相比于暖事件，冷事件的平均变化幅度较低，在成渝经济区的变化不明显，CSDI平均减少了两天，相对指数差值不大，TX90p、TN90p分别增加2 d、1 d，TX10p、TN10p均减少1 d。因此，若将全球增温控制在1.5 ℃以内能够减少极端高温事件的发生强度及频率（江晓菲等，2020）。DTR在两种升温水平下变化的差值体现出了明显的区域性特点，不同升温阈值间差异不明显，最多不超过0.2 ℃。

3 结论与讨论

利用CERA-20C再分析资料评估了6个COEDEX-EAS模式对成渝经济区及周边地区极端温度事件历史模拟的表现，在此基础上利用多模式集合中位数探讨了1.5 ℃和2.0 ℃ GWLs下，该地区未来极端温度事件的变化特征，研究了极端温度事件对于两种全球升温水平差异的响应，得出以下主要研究结果：

1）未來全球升温1.5 ℃和2.0 ℃水平下，极端温度指数显著变化，表现为极端高温指数均呈现上升趋势，极端低温指数呈现下降趋势，且极端高温显著于极端低温。极端冷暖事件具有局部对称性的特征，成渝经济区极端温度事件变化特征明显。此外，各指数在2.0 ℃ GWL的变化要普遍大于1.5 ℃ GWL。随着全球平均温度的升高，未来预计会发生更多的极端温度事件。

2）不同指数之间，变化的百分比具有显著差异。但无论是1.5 ℃ GWL还是2.0 ℃ GWL，在不同情景下的极端温度变化基本一致。除了TX10p、TN10p、CSDI的集合中位数小于零外，其余指数的变化均大于零。全球升温水平从1.5 ℃升高至2.0 ℃时，SU的增幅从16.9%上升至26.3%，TR从30.6%上升至46.5%;TN90p增幅明显小于TX90p，TN10p的下降趋势明显大于TX10p;而DTR的变化幅度最小，仅为1%和0.6%（1.5 ℃ GWL、2.0 ℃ GWL）。极端暖事件变化幅度比极端冷事件变化幅度大，表明成渝经济区极端高温事件将急剧增加。

3）成渝经济区及周边地区的极端温度对于不同全球升温水平的响应具有差异性，其中显著的差异体现在WSDI上，2.0 ℃ GWL的WSDI要比1.5 ℃下多8 d。对于额外0.5 ℃的全球升温水平，研究区域极端温度事件表现出了高度的敏感性，即全球升温幅度越大，区域极端温度事件发生的频率也会相应提升。这意味着如果全球升温得不到有效控制，此地区将面临更大的极端温度天气风险。

西南地理条件特殊，是气候变化的敏感区。随着全球平均气温的升高，该区域增温显著，且增温区域扩大明显。本文结果呈现出极端高温指数与极端低温指数整体为相反趋势的现象，可能是由于东亚地区夏秋季反气旋环流的加强，亚洲季风系统的减弱使气温升高;而冬春季气旋加强，西风强度加强，从而减少冬季风和冷空气南侵，极端冷事件减少（You et al.，2011;王岱等，2016）。除了大气环流，影响极端气候的变化也与城市化及城市热岛效应有关（吴婕等，2015;储鹏等，2016）。城市热岛效应的加剧，导致该地区高温热浪事件将频繁发生。高原气候变化对周边地区造成重大影响，是全球气候变化的重点研究区。青藏高原及周边地区的极端温度事件频发，表现为暖昼和暖夜日数增多、冷昼和冷夜日数减少，这与本文成渝经济区的研究结果高度一致。此前，You et al.（2016）发现青藏高原地区经历了显著升温并且这种升温趋势可能会长期存在。青藏高原作为高敏感区，由于地形复杂等原因，导致该地区存在较大的冷偏差，地面平均温度一直被低估（You et al.，2021）。这意味着未来青藏高原地区温度将持续升高，冻土层可能会发生更加显著的热退化，对区域的生态环境、水质安全以及高原气候系统产生深远的影响（李红梅和李林，2015;王宁练等，2019;李菲等，2021）。

先前的研究大多集中在较高的变暖水平上，而忽略了1.5 ℃和2.0 ℃之间的气候变化所带来的风险（Seneviratne et al.，2016;Vautard et al.，2014）。Schleussner et al.（2016）研究了极端气候及相关影响在全球范围内的变化，发现全球变暖的1.5 ℃和2.0 ℃之间存在巨大差异。同时国内不少学者预测了中国极端气候对不同升温阈值的响应，表明将升温限制在1.5 ℃而不是2.0 ℃或更高的温度，可以避免一系列气候变化的影响（Ge et al.，2019;徐文馨等，2020;江晓菲等，2020）。但令人遗憾的是，预计到21世纪中期，全球平均升温可能会超过1.5 ℃。为防止剧烈的气候变化，各国应该遵守减排承诺，采用绿色发展和可持续发展社会经济发展路径以减少极端气候灾害带来的经济损失。虽然在不同的RCP情景下的预测结果一般不会有很大变化，但在某些特殊区域可能会出现异常特征（Shi et al.，2018）。为了进一步验证研究结果，未来可用CMIP6为气候变化预估提供的更为丰富的全球气候模式数据，以得到更为可靠的气候变化可能结果。

参考文献（References）

Chen H P，Sun J Q，2019.Increased population exposure to extreme droughts in China due to 0.5 ℃ of additional warming[J].Environ Res Lett，14（6）：064011.doi：10.1088/1748-9326/ab072e.

储鹏，江志红，李庆祥，等，2016.城市分类对中国城市化影响评估的不确定性分析[J].大气科学学报，39（5）：661-671. Chu P，Jiang Z H，Li Q X，et al.，2016.Analysis of the effect of uncertainty in urban and rural classification on urbanization impact assessment[J].Trans Atmos Sci，39（5）：661-671.doi：10.13878/j.cnki.dqkxxb.20130303003.（in Chinese）.

Dai L，Wright J S，2021.Long-term variability of relationships between potential large-scale drivers and summer precipitation in North China in the CERA-20C reanalysis[J].Atmosphere，12（1）：81.doi：10.3390/atmos12010081.

Dong S Y，Xu Y，Zhou B T，et al.，2015.Assessment of indices of temperature extremes simulated by multiple CMIP5 models over China[J].Adv Atmos Sci，32（8）：1077-1091.doi：10.1007/s00376-015-4152-5.

Ge F，Zhu S P，Peng T，et al.，2019.Risks of precipitation extremes over Southeast Asia：does 1.5 ℃ or 2 ℃ global warming make a difference？[J].Environ Res Lett，14（4）：044015.doi：10.1088/1748-9326/aaff7e.

Ge F，Zhu S P，Luo H L，et al.，2021.Future changes in precipitation extremes over Southeast Asia：insights from CMIP6 multi-model ensemble[J].Environ Res Lett，16（2）：024013.doi：10.1088/1748-9326/abd7ad.

Gleckler P J，Taylor K E，Doutriaux C，2008.Performance metrics for climate models[J].J Geophys Res：Atmos，113（D6）：D06104.doi：10.1029/2007JD008972.

Guo D L，Sun J Q，Yu E T，2018.Evaluation of CORDEX regional climate models in simulating temperature and precipitation over the Tibetan Plateau[J].Atmos Ocean Sci Lett，11（3）：219-227.doi：10.1080/16742834.2018.1451725.

胡芩，姜大膀，范廣洲，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 Q，Jiang D B，Fan G Z，2014.Evaluation of CMIP5 models over the Qinghai-Tibetan Plateau[J].Chin J Atmos Sci，38（5）：924-938.（in Chinese）.

Hulme M，2016.1.5 ℃ and climate research after the Paris Agreement[J].Nat Clim Change，6（3）：222-224.doi：10.1038/nclimate2939.

IPCC，2013.Climate Change 2013：the physical science basis[R].Cambridge and New York：Cambridge University Press.

姜大膀，富元海，2012.2 ℃全球变暖背景下中国未来气候变化预估[J].大气科学，36（2）：234-246. Jiang D B，Fu Y H，2012.Climate change over China with a 2 ℃ global warming[J].Chin J Atmos Sci，36（2）：234-246.doi：10.3878/j.issn.1006-9895.2011.11074.（in Chinese）.

姜大膀，王会军，郎咸梅，2004.SRES A2情景下中国气候未来变化的多模式集合预测结果[J].地球物理学报，47（5）：776-784. Jiang D B，Wang H J，Lang X M，2004.Multimodel ensemble prediction for climate change trend of China under SRES A2 scenario[J].Chin J Geophys，47（5）：776-784.doi：10.3321/j.issn：0001-5733.2004.05.007.（in Chinese）.

江晓菲，江志红，李伟，2020.全球增温1.5和2 ℃下中国东部极端高温风险预估[J].大气科学学报，43（6）：1056-1064. Jiang X F，Jiang Z H，Li W，2020.Risk estimation of extreme high temperature in Eastern China under 1.5 and 2 ℃ global warming[J].Trans Atmos Sci，43（6）：1056-1064.doi：10.13878/j.cnki.dqkxxb.20201011001.（in Chinese）.

Jiang Z H，Song J，Li L，et al.，2012.Extreme climate events in China：IPCC-AR4 model evaluation and projection[J].Clim Change，110（1/2）：385-401.doi：10.1007/s10584-011-0090-0.

Jones C，Giorgi F，Asrar G，2011.The coordinated regional downscaling experiment：CORDEX an international downscaling link to CMIP5[J].CLIVAR Exchanges，16（02）：34-40.

King A D，Karoly D J，2017.Climate extremes in Europe at 1.5 and 2 degrees of global warming[J].Environ Res Lett，12（11）：114031.doi：10.1088/1748-9326/aa8e2c.

Knutti R，Masson D，Gettelman A，2013.Climate model genealogy：generation CMIP5 and how we got there[J].Geophys Res Lett，40（6）：1194-1199.doi：10.1002/grl.50256.

Lang X M，Sui Y，2013.Changes in mean and extreme climates over China with a 2 ℃ global warming[J].Chin Sci Bull，58（12）：1453-1461.doi：10.1007/s11434-012-5520-5.

Lewis S C，Karoly D J，2013.Evaluation of historical diurnal temperature range trends in CMIP5 models[J].J Climate，26（22）：9077-9089.doi：10.1175/jcli-d-13-00032.1.

李博，周天軍，2010.基于IPCC A1B情景的中国未来气候变化预估：多模式集合结果及其不正确定性[J].气候变化研究进展，6（4）：270-276.Li B，Zhou T J，2010.Projected climate change over China under SRES A1B scenario：multi-model ensemble and uncertainties[J].Adv Clim Change Res，6（4）：270-276.doi：10.3969/j.issn.1673-1719.2010.04.007.（in Chinese）.

李东欢，邹立维，周天军，2017.全球1.5 ℃温升背景下中国极端事件变化的区域模式预估[J].地球科学进展，32（4）：446-457. Li D H，Zou L W，Zhou T J，2017.Changes of extreme indices over China in response to 1.5 ℃ global warming projected by a regional climate model[J].Adv Earth Sci，32（4）：446-457.doi：10.11867/j.issn.1001-8166.2017.04.0446.（in Chinese）.

李菲，郜永祺，万欣，等，2021.全球变暖与地球“三极”气候变化[J].大气科学学报，44（1）：1-11. Li F，Gao Y Q，Wan X，et al.，2021.Earths “three-poles” climate change under global warming[J].Trans Atmos Sci，44（1）：1-11.doi：10.13878/j.cnki.dqkxxb.20201031003.（in Chinese）.

李红梅，李林，2015.2 ℃全球变暖背景下青藏高原平均气候和极端气候事件变化[J].气候变化研究进展，11（3）：157-164. Li H M，Li L，2015.Mean and extreme climate change on the Qinghai-Tibetan Plateau with a 2 ℃ global warming[J].Progressus Inquisitiones De Mutat Clim，11（3）：157-164.doi：10.3969/j.issn.1673-1719.2015.03.001.（in Chinese）.

Luo H L，Ge F，Yang K Q，et al.，2019.Assessment of ECMWF reanalysis data in complex terrain：Can the CERA-20C and ERA-Interim data sets replicate the variation in surface air temperatures over Sichuan，China？[J].Int J Climatol，39（15）：5619-5634.doi：10.1002/joc.6175.

McSweeney C F，Jones R G，Lee R W，et al.，2015.Selecting CMIP5 GCMs for downscaling over multiple regions[J].Clim Dyn，44（11/12）：3237-3260.doi：10.1007/s00382-014-2418-8.

Miao C Y，Duan Q Y，Sun Q H，et al.，2014.Assessment of CMIP5 climate models and projected temperature changes over northern Eurasia[J].Environ Res Lett，9（5）：055007.doi：10.1088/1748-9326/9/5/055007.

Mitchell D，James R，Forster P M，et al.，2016.Realizing the impacts of a 1.5 ℃ warmer world[J].Nat Clim Change，6（8）：735-737.doi：10.1038/nclimate3055.

Palarz A，Luterbacher J，Ustrnul Z，et al.，2020.Representation of low-tropospheric temperature inversions in ECMWF reanalyses over Europe[J].Environ Res Lett，15（7）：074043.doi：10.1088/1748-9326/ab7d5d.

Pinto I，Lennard C，Tadross M，et al.，2016.Evaluation and projections of extreme precipitation over southern Africa from two CORDEX models[J].Clim Change，135（3/4）：655-668.doi：10.1007/s10584-015-1573-1.

Rahmstorf S，Coumou D，2011.Increase of extreme events in a warming world[J].PNAS，108（44）：17905-17909.doi：10.1073/pnas.1101766108.

Ruan Y F，Liu Z F，Wang R，et al.，2019.Assessing the performance of CMIP5 GCMs for projection of future temperature change over the lower Mekong basin[J].Atmosphere，10（2）：93.doi：10.3390/atmos10020093.

Schleussner C F，Lissner T K，Fischer E M，et al.，2016.Differential climate impacts for policy-relevant limits to global warming：the case of 1.5 ℃ and 2 ℃[J].Earth Syst Dynam，7（2）：327-351.doi：10.5194/esd-7-327-2016.

Seneviratne S I，Donat M G，Pitman A J，et al.，2016.Allowable CO2 emissions based on regional and impact-related climate targets[J].Nature，529（7587）：477-483.doi：10.1038/nature16542.

Shi C，Jiang Z H，Chen W L，et al.，2018.Changes in temperature extremes over China under 1.5 ℃ and 2 ℃ global warming targets[J].Adv Clim Change Res，9（2）：120-129.doi：10.1016/j.accre.2017.11.003.

Soden B J，Collins W D，Feldman D R，2018.Reducing uncertainties in climate models[J].Science，361（6400）：326-327.doi：10.1126/science.aau1864.

Tebaldi C，Wehner M F，2018.Benefits of mitigation for future heat extremes under RCP4.5 compared to RCP8.5[J].Clim Change，146（3/4）：349-361.doi：10.1007/s10584-016-1605-5.

Tebaldi C，ONeill B，Lamarque J F，2015.Sensitivity of regional climate to global temperature and forcing[J].Environ Res Lett，10（7）：074001.doi：10.1088/1748-9326/10/7/074001.

Vautard R，Gobiet A，Sobolowski S，et al.，2014.The European climate under a 2 ℃ global warming[J].Environ Res Lett，9（3）：034006.doi：10.1088/1748-9326/9/3/034006.

王岱，游慶龙，江志红，等，2016.中国极端气温季节变化对全球变暖减缓的响应分析[J].冰川冻土，38（1）：36-46. Wang D，You Q L，Jiang Z H，et al.，2016.Response of seasonal extreme temperatures in China to the global warming slow down[J].J Glaciol Geocryol，38（1）：36-46.（in Chinese）.

王宁练，姚檀栋，徐柏青，等，2019.全球变暖背景下青藏高原及周边地区冰川变化的时空格局与趋势及影响[J].中国科学院院刊，34（11）：1220-1232. Wang N L，Yao T D，Xu B Q，et al.，2019.Spatiotemporal pattern，trend，and influence of glacier change in Tibetan Plateau and surroundings under global warming[J].Bull Chin Acad Sci，34（11）：1220-1232.doi：10.16418/j.issn.1000-3045.2019.11.005.（in Chinese）.

王晓欣，姜大膀，郎咸梅，2019.CMIP5多模式预估的1.5 ℃升温背景下中国气温和降水变化[J].大气科学，43（5）：1158-1170. Wang X X，Jiang D B，Lang X M，2019.Temperature and precipitation changes over China under a 1.5 ℃ global warming scenario based on CMIP5 models[J].Chin J Atmos Sci，43（5）：1158-1170.（in Chinese）.

吴婕，徐影，师宇，2015.华南地区城市化对区域气候变化的影响[J].气候与环境研究，20（6）：654-662. Wu J，Xu Y，Shi Y，2015.Urbanization effects on local climate change in South China[J].Clim Environ Res，20（6）：654-662.doi：10.3878/j.issn.1006-9585.2015.14228.（in Chinese）.

Xin X G，Cheng Y J，Wang F，et al.，2013.Asymmetry of surface climate change under RCP2.6 projections from the CMIP5 models[J].Adv Atmos Sci，30（3）：796-805.doi：10.1007/s00376-012-2151-3.

Xu C H，Xu Y，2012.The projection of temperature and precipitation over China under RCP scenarios using a CMIP5 multi-model ensemble[J].Atmos Ocean Sci Lett，5（6）：527-533.doi：10.1080/16742834.2012.11447042.

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].Chin Sci Bull，58（12）：1443-1452.doi：10.1007/s11434-012-5548-6.

徐文馨，陈杰，顾磊，等，2020.长江流域径流对全球升温1.5 ℃与2.0 ℃的响应[J].气候变化研究进展，16（6）：690-705. Xu W X，Chen J，Gu L，et al.，2020.Runoff response to 1.5 ℃ and 2.0 ℃ global warming for the Yangtze River Basin[J].Clim Change Res，16（6）：690-705.doi：10.12006/j.issn.1673-1719.2019.207.（in Chinese）.

Yao Y，Luo Y，Huang J B，2012.Evaluation and projection of temperature extremes over China based on CMIP5 model[J].Adv Clim Change Res，3（4）：179-185.doi：10.3724/sp.j.1248.2012.00179.

You Q L，Kang S C，Aguilar E，et al.，2011.Changes in daily climate extremes in China and their connection to the large scale atmospheric circulation during 1961—2003[J].Clim Dyn，36（11/12）：2399-2417.doi：10.1007/s00382-009-0735-0.

You Q L，Min J Z，Kang S C，2016.Rapid warming in the Tibetan Plateau from observations and CMIP5 models in recent decades[J].Int J Climatol，36（6）：2660-2670.doi：10.1002/joc.4520.

You Q L，Cai Z Y，Wu F Y，et al.，2021.Temperature dataset of CMIP6 models over China：evaluation，trend and uncertainty[J].Clim Dyn，57（1/2）：17-35.doi：10.1007/s00382-021-05691-2.

Zhang G W，Zeng G，Iyakaremye V，et al.，2020.Regional changes in extreme heat events in China under stabilized 1.5 ℃ and 2.0 ℃ global warming[J].Adv Clim Change Res，11（3）：198-209.doi：10.1016/j.accre.2020.08.003.

張莉，丁一汇，吴统文，等，2013.CMIP5模式对21世纪全球和中国年平均地表气温变化和2 ℃升温阈值的预估[J].气象学报，71（6）：1047-1060. Zhang L，Ding Y H，Wu T W，et al.，2013.The 21st century annual mean surface air temperature change and the 2 ℃ warming threshold over the globe and China as projected by the CMIP5 models [J].Acta Meteorol Sin，71（6）：1047-1060.（in Chinese）.

Zhang X B，Alexander L，Hegerl G C，et al.，2011.Indices for monitoring changes in extremes based on daily temperature and precipitation data[J].Wiley Interdiscip Rev：Clim Change，2（6）：851-870.doi：10.1002/wcc.147.

Zhang Y，2012.Projections of 2.0 ℃ warming over the globe and China under RCP4.5[J].Atmos Ocean Sci Lett，5（6）：514-520.doi：10.1080/16742834.2012.11447047.

Zhou B T，Wen Q H，Xu Y，et al.，2014.Projected changes in temperature and precipitation extremes in China by the CMIP5 multimodel ensembles[J].J Climate，27（17）：6591-6611.doi：10.1175/jcli-d-13-00761.1.

周波涛，徐影，韩振宇，等，2020.“一带一路”区域未来气候变化预估[J].大气科学学报，43（1）：255-264. Zhou B T，Xu Y，Han Z Y，et al.，2020.CMIP5 projected changes in mean and extreme climate in the Belt and Road region[J].Trans Atmos Sci，43（1）：255-264.doi：10.13878/j.cnki.dqkxxb.20191125009.（in Chinese）.

周国逸，李琳，方雪纯，等，2020.近60 a来全球河川径流量变化趋势及影响因素分析[J].大气科学学报，43（6）：1076-1085. Zhou G Y，Li L，Fang X C，et al.，2020.Trend and influencing factors of global river discharge in recent 60 years[J].Trans Atmos Sci，43（6）：1076-1085.doi：10.13878/j.cnki.dqkxxb.20201018001.（in Chinese）.

Zhu S P，Ge F，Fan Y，et al.，2020.Conspicuous temperature extremes over Southeast Asia：seasonal variations under 1.5 ℃ and 2 ℃ global warming[J].Clim Change，160（3）：343-360.doi：10.1007/s10584-019-02640-1.

Projected changes of temperature extremes in Chengdu-Chongqing Economic Zone and its surrounding areas under 1.5 ℃ and 2.0 ℃ global warming

SUN Xuerong1，GE Fei1，LUO Haolin2，FENG Caiyun1

1School of Atmospheric Sciences/Plateau Atmosphere and Environment Key Laboratory of Sichuan Province/Joint Laboratory of Climate and Environment Change，Chengdu University of Information Technology，Chengdu 610225，China;

2School of Atmospheric Sciences，Sun Yat-sen University，Zhuhai 519082，China

Extreme temperature events are one of the causes of climate risk，and they often exert severe impacts on human health and leave large socioeconomic damages.It is therefore vital to investigate the regional climate response to different global warming levels for highly sensitive area vulnerable to climate change.Based on the CORDEX-EAS experiments，this paper evaluates the projected changes of extremetemperature in Chengdu-Chongqing Economic Zone and its surrounding areas under 1.5 ℃ and 2.0 ℃ global warming levels （GWLs）.Results show that at the two GWLs，the extreme high temperature indices show an obvious upward trend，and the extreme low temperature indices show a downward trend in Chengdu-Chongqing Economic Zone and its surrounding areas.Extreme cold and warm events have the characteristics of local symmetry，and the change amplitude of extreme warm events is greater than that of extreme cold events.The responses ofextreme temperature indices to the two GWLs are different.Except for daily temperature range，variation ranges of other indices are greater at 2.0 ℃ GWL than those at 1.5 ℃ GWL.In addition，the intensity and frequency of extreme temperature events will increase in a warmer future，indicating that the extreme temperature events are highly sensitivity to the additional 0.5 ℃ warming （from 1.5 ℃ to 2.0 ℃）.This paper comprehensively investigates the future evolution of extreme temperature in Chengdu-Chongqing Economic Zone and its surrounding areas under 1.5 ℃ and 2.0 ℃ GWLs，emphasizing the necessity of restricting mean global warming to less than 1.5 ℃.

Chengdu-Chongqing Economic Zone;CORDEX;regional climate model;climate change;extreme temperature event

doi：10.13878/j.cnki.dqkxxb.20201221001

（責任编辑：袁东敏）