全球升温1.5℃和2.0℃情景下贵州省极端降水的变化特征*

张娇艳，李 霄，陈早阳，李 扬，周 涛

全球升温1.5℃和2.0℃情景下贵州省极端降水的变化特征*

张娇艳1,2，李 霄1，陈早阳1，李 扬3，周 涛1

（1.贵州省气候中心，贵阳 550002；2.贵州省山地气候与资源重点实验室，贵阳 550002；3.贵州省贵阳市气象局，贵阳 550001）

利用CCSM4和IPSL-CM5A-MR模式1961-2005年历史模拟和2006−2098年RCP2.6和RCP4.5排放情景下的逐日降水以及1961−2005年贵州省84个气象台站逐日降水资料，使用偏差校正改善模式模拟能力，通过降水强度、日最大降水量和强降水量等9个指标探究全球升温1.5℃和2.0℃条件下贵州省极端降水变化特征。结果表明：贵州省RCP2.6和RCP4.5情景下各极端降水指数虽然波动幅度较大，但总体上均呈现增加的趋势，且相对于基准期（1986−2005年）而言全球升温2.0℃时各极端降水指数增幅约为升温1.5℃时的两倍。在升温2.0℃下9个极端降水指数概率密度曲线尾端均向右延伸，表明在升温2.0℃情景下各极端降水指数中高值出现的概率增大。因此，将全球升温控制在1.5℃而不是2.0℃意义重大。

气候变化；贵州省；升温1.5℃；升温2.0℃；极端降水

工业革命以来，全球气候正经历着以变暖为主要特征的变化，由此区域降水发生显著变化，同时持续的升温还将增强其对自然系统以及人类系统的影响[1−2]。相对于工业革命前期全球平均温度上升2℃是一个危险阈值，届时气候变化将导致气候系统各个圈层，例如海平面上升、海洋酸化、生物多样性、粮食产量、极端天气和气候事件等方面发生不可逆的或者灾难性的变化，最终对人类生存造成严重威胁[3−4]。另外对于许多地区尤其是小岛国及非洲等气候脆弱地区，升温目标控制在2℃依旧存在较高的风险[5−6]。为应对气候变化的不利影响，2015年在《联合国气候变化框架公约》第21次缔约方会议一致通过了将2℃升温幅度阈值目标正式写入《巴黎协定》，并继续争取把升温幅度限定在1.5℃[7]。

中国政府在第七十五届联合国大会上提出，应对气候变化《巴黎协定》代表了全球绿色低碳转型的大方向，是保护地球家园需要采取的最低限度行动，各国必须迈出决定性步伐。中国将提高国家自主贡献力度，采取更加有力的政策和措施，二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和。这是中国首次向全球明确实现碳中和的时间点，也是迄今为止各国中做出的最大减少全球变暖预期的气候承诺。随后，碳中和、碳达峰成为中国“十四五”污染防治攻坚战的主攻目标，这是第一次将碳达峰、碳中和目标写入经济和社会发展五年规划，充分体现了中国积极应对气候变化展现的大国担当。为了科学应对气候变化，需要对未来气候变化特征进行合理预估，为制定碳达峰、碳中和相应的减排措施提供科学依据。郎咸梅等[8]利用区域气候模式在SRES A1B情景下对东亚地区进行的高分辨率数值模拟试验数据，就全球变暖背景升温2℃情景下中国平均气候和极端气候事件变化进行了预估。周梦子等[9]基于CMIP5耦合气候模式模拟结果对1.5℃和2.0℃升温阈值时中国温度和降水的变化进行了预估分析。王艳君等[10]基于区域气候模式COSMO-CLM及5个全球气候模式研究了全球升温1.5℃和2.0℃目标下长江流域极端降水的变化特征。丁凯熙等[11]基于部门间影响模式比较计划（ISI-MIP）下5个全球气候模式降水数据对未来全球升温1.5℃和2.0℃下澜沧江流域极端降水的变化情况进行了预估。周刊社等[12]利用CMIP5模式对西藏羌塘国家自然保护区气温、降水和植被净初级生产力等进行了预估。

本研究拟针对气象灾害多发、频发的贵州省，基于全球气候模式数据，探究全球1.5℃和2.0℃情景下其极端降水变化特征，以期为防范和化解气象灾害风险提供科学指南，筑牢扶贫搬迁安置点气象防灾减灾第一道防线，防止搬迁群众因灾致贫返贫，助力地方脱贫攻坚工作。

1 资料与方法

1.1 降水资料

模式数据来自国家气候中心收集和整理的2个CMIP5模式（CCSM4和IPSL-CM5A-MR），这2个模式是从8个常用的CMIP5模式经过泰勒图对逐日降水数据进行检验挑选出，在贵州省的模拟效果最好[13]。为便于使用，将模式数据统一插值为1°×1°（CCSM4和IPSL-CM5A-MR模式原分辨率分别为288×192、144×143，其中分辨率以纬向−经向格点数表示），包括1961−2005年历史模拟和2006−2098年RCP2.6和RCP4.5温室气体排放情景下的逐日降水资料。历史实况部分使用贵州省1961−2005年84个气象台站逐日降水资料。为便于分析，将CMIP5模式资料利用双线性插值法插值到贵州省84个站点，所有计算及绘图都以站点为基础，具体站点分布如图1所示。另外根据国际常用做法[8−9]，基准期定义为1986−2005年。

图1 贵州省84个站点的空间分布

1.2 模拟数据的偏差校正

虽然CCSM4和IPSL-CM5A-MR模式是利用泰勒图检验出的模拟效果最好的数据，但是仍存在一定误差。因此，需要对贵州省84个站点模式降水数据进行偏差校正处理[14]，即

1.3 全球升温1.5℃和2.0℃时间的确定

研究表明，1986−2005年全球平均气温较工业革命前（1850−1900年）已经升高0.61℃[1]，因此，在此基础上继续升高0.89℃和1.39℃后，全球升温幅度将达到1.5℃和2.0℃。根据多模式集合平均的结果，RCP2.6情景下预计在2029年全球升温达到1.5℃阈值；RCP4.5情景下预计在2049年达到升温2.0℃阈值[1,15]。为降低选择单一年份对结果带来的不确定性[16]，分别以2029年和2049年为中心，前后各推10a，选择 RCP2.6情景下2020−2039年和RCP4.5情景下2040−2059年作为全球升温1.5℃和2.0℃的模拟时段。

1.4 极端降水指数定义

极端降水指数选取气候变化检测和指数专家组（ETCCDI）推荐的湿日降水量（PRCPTOT）、降水强度（SDII）、日最大降水量（Rx1d）、连续5d最大降水量（Rx5d）、强降水量（R95p）和极强降水量（R99p）指数，还有年降水量和干/湿季降水量，具体定义见表1。这些极端降水指数的评价方法在其它研究中也得到了广泛使用[11,17]。

2 结果与分析

2.1 模式对历史时段极端降水指数的模拟能力验证

以各站1961−2005年实测逐日降水量为基础，对CCSM4和IPSL-CM5A-MR两个气候模式模拟的逐日降水量数据进行偏差校正，分别计算表2中所列的9个极端降水指数。考虑到相对于单一模式，多模式平均对极端降水的模拟效果更佳，因此，将校正后2个模式的极端降水指数进行平均得到最终极端降水指数结果（记为MME，Multi-model ensemble）。

采用多年平均、标准差、相对误差和空间相关系数4个指标，通过与观测资料的对比，评价校正后的模式降水数据对贵州省极端降水模拟的适用性[11]。结果如表2所示。多年平均值和标准差均基于各站平均值计算，相对误差为观测的多年平均值与MME的多年平均值之间的比较，空间相关系数为观测的逐站多年平均值与MME的逐站多年平均值之间的相关系数。

表1 极端降水指数的定义

由表2可见，MME模拟贵州省各极端降水指数的多年平均值除干季降水量外，均小于观测实况值，其中相对误差绝对值最大的是Rx1d（日最大降水量），达到40.2%；而由标准差表征的MME各极端降水指数与观测实况相比的离散度较为接近；另外，除干季降水量外其它指数的空间相关系数（基于站点）均高达0.6及以上，且通过了0.01水平的显著性检验，表明MME对贵州省各极端降水的空间分布模拟能力较好。

图2给出了1961−2005年贵州省基于站点的实测和MME模拟的极端降水指数空间分布。由图可见，除干季降水量外，MME均能较好地模拟贵州省各极端降水指数自西北向东向南逐渐增大的分布特征，且西南和南部的大值中心位置也几乎一致。但是，MME低估了对SDII、Rx1d、Rx5d、R95p和R99p的模拟。结合表1和图2可知，总的来说除干季降水外，MME对1961−2005年贵州省极端降水具有一定的模拟能力，尤其是能准确呈现各指数的空间分布，可以利用MME来评价未来不同升温情景下贵州省极端降水的变化特征。

2.2 未来升温1.5℃和2.0℃情景下极端降水指数的变化特征

2.2.1时间变化

图3给出了贵州省RCP2.6和RCP4.5情景下各极端降水指数的时间变化及其线性趋势。由图可见，各指数虽然波动幅度较大，但总体均呈增加的趋势。图4给出了基准期、升温1.5℃（2020−2039年）和升温2.0℃（2040−2059年）下各极端降水指数变化箱线图。由图可见，除Rx1d和干季降水量以外，随着全球气温的升高，各极端降水指数均增大（均以中位线对应的数值为参照），但升温1.5℃和2.0℃对应下的增量有所不同，其中R99p增幅最大，分别为19.0%和49.5%；R95p增幅次之，分别为21.7%和29.4%；之后依次为Rx5d、SDII、PRCPTOT、年降水量和湿季降水量。Rx1d在升温1.5℃时与基准期（1986−2005年）持平，但在升温2.0℃时增幅为16.5%；干季降水量在升温1.5℃时增幅为12.8%，但在升温2.0℃时有所减少，减幅为0.3%。除此之外，相对于基准期而言，全球升温2.0℃时各极端降水指数增幅约为升温1.5℃时的两倍。不难看出，随着全球气温的升高，贵州省极端降水事件出现的可能性在不断增大，因此，将全球升温控制在1.5℃而不是2.0℃意义重大，丁凯熙等的研究中也得到同样的结果[11]。

表2 两个CMIP5模式模拟结果经偏差校正后计算的各极端降水指数的平均值（MME）与同期观测值计算结果的对比（1961−2005年）

注：*表示相关系数通过0.01水平的显著性检验。MME为在各站以1961−2005年实测逐日降水量资料为基础，对2个气候模式模拟的逐日降水量数据进行偏差校正，然后重新分别计算9个极端降水指数，再将校正后2个模式的极端降水指数进行平均得到最终的极端降水指数结果。

Note:*is P＜0.01. MME refers the average extreme precipitation indices calculated by two models data which were corrected based on the observed daily precipitation data from 1961 to 2005 at each station.

图2 1961−2005年基于站点的实测值和MME模拟的极端降水指数空间分布

注：a表示观测值，b表示MME。

Note: a is observed data, and b is MME data.

图3 RCP2.6（2006−2039）和RCP4.5（2006−2059）情景下贵州省各极端降水指数的时间变化及其线性趋势

图4 不同情景下贵州省各极端降水指数平均值的统计箱线图

2.2.2 空间变化

图5为贵州省基于站点的不同情景下各极端降水指数的空间分布。对比基准期和全球升温1.5℃下贵州省各极端降水指数的差异来看，PRCPTOT、年降水量和湿季降水量在贵州省东部地区呈现减少的态势，减幅最大接近40mm，而中西部地区主要呈现增加的趋势，增幅最大接近50mm。Rx1d在西南部和东南部减少1～5mm，在西部和北部地区增加1～6mm；Rx5d除在东南部减少2～6mm，其余地区均以增加为主，升幅集中在4～12mm。SDII、R95p、R99p和干季降水量的特征相似，均以增加的态势为主，升幅分别在0.1～0.5mm·d−1、20～100mm、10～50mm和2～12mm。

对比升温1.5℃与2.0℃下贵州省各极端降水指数的差异可见，除干季降水量在全省呈现减少态势（减幅集中在2～10mm）外，其余各指标在全省均呈现增加态势，且增量由西北向东南不断增大。其中，PRCPTOT、SDII、Rx1d、Rx5d、R95p、R99p、年降水量和湿季降水量的增量分别为20～90mm、0.1～0.5mm·d−1、8～20mm、5～30mm、10～100mm、30～80mm、20～100mm和20～70mm。

2.2.3 极端降水概率分布

采用非参数估计中的核密度估计来拟合极端降水的概率分布情况，该方法在前人的许多研究中都得到了应用[11,18−20]。如图6所示，除Rx5d和干季降水量以外，其余指数概率密度曲线随着气温的升高逐渐向右移动，说明贵州省极端降水均值基本都有所增加，但各指数的方差变化有所差异。值得一提的是，在升温2.0℃下9个极端指数概率密度曲线尾端均向右延伸，表明在该情景下各极端指数中高值出现的概率增大，因此，无论从降水强度还是降水量的角度来看，未来极端事件发生的可能性在增大。

3 结论与讨论

3.1 结论

（1）在各站以1961−2005年实测逐日降水量数据为基础对2个气候模式模拟的逐日降水量数据进行偏差校正，分别计算9个极端降水指数，再将校正后的2个模式的极端降水指数进行平均得到最终极端降水指数结果MME。采用多年平均、标准差、相对误差和空间相关系数4个指标对MME进行评估，除干季降水外，MME对1961−2005年贵州省极端降水具有一定的模拟能力，尤其是能准确呈现各指数的空间分布，可以利用MME来评价未来不同升温情景下贵州省极端降水的变化特征。

（2）贵州省RCP2.6和RCP4.5情景下各极端降水指数虽然波动幅度较大，但总体上均呈现增加的趋势。除Rx1d和干季降水量外，随着全球气温的升高，各极端降水指数均增大，但升温1.5℃和2.0℃对应下的增量有所不同，其中R99p增幅最大，分别为19.0%和49.5%。相对于基准期而言全球升温2.0℃时各极端降水指数增幅基本上约为升温1.5℃时的两倍。

（3）除干季降水量以外，升温1.5℃条件下贵州省各极端降水指数相对于基准期基本呈现中西部地区增加、东部地区减少的态势；而升温2.0℃条件下各极端降水指数相对于升温1.5℃下在全省均呈现增加态势。因此，随着温度的升高，极端事件发生的可能性也会随之增大。

（4）在升温2.0℃条件下9个极端指数概率密度曲线尾端均向右延伸，表明在该情景下各极端指数中高值出现的概率增大。

3.2 讨论

贵州省RCP2.6和RCP4.5情景下各极端降水指数总体上均呈现增加的趋势，且相对于基准期（1986−2005年）而言，全球升温2.0℃时各极端降水指数增幅约为升温1.5℃条件下的两倍。在升温2.0℃下9个极端降水指数概率密度曲线尾端均向右延伸，表明在升温2.0℃条件下各极端指数中高值出现的概率增大。以上研究结果与前人在不同升温阈值下极端降水事件的变化研究结果相似[8−11]。同时极端降水量的增大，可能引发更多的气象灾害事件，带来更大的社会经济损失，因此，未来在贵州省应该及时更新防洪标准，汛期加强洪水预报和预警，积极做好对易地扶贫搬迁群众后续的扶持工作，切实巩固脱贫攻坚成果；另外，充分利用降水增加形成的径流发电以最大程度趋利避害[11]。将全球升温控制在1.5℃而不是2.0℃意义重大，碳达峰和碳中和事关中华民族永续发展和构建人类命运共同体。

图5 不同情景下贵州省基于站点极端降水指数模拟值的空间分布

注：a表示升温1.5℃与基准期差值，b表示升温2.0℃与升温1.5℃差值；粗黑线表示0线。

Note: a refers to the difference between the warming of 1.5℃ and base period, b refers to the difference between the warming of 2.0℃and 1.5℃. The thick black line indicates the zero line.

图6 不同情景下贵州省各极端降水指数概率密度分布

需要指出的是，尽管CMIP5耦合模式在各方面较以往的全球模式均存在一定的改进和提高，但在降水的模拟上还存在较大的不确定性[21]。2021年8月，政府间气候变化专门委员会正式发布了IPCC第六次评估报告第一工作组报告《气候变化2021：自然科学基础》，第二和第三工作组报告将于2022年第一季度发布，综合评估报告将于2022年第三季度发布，待其相关模式结果完全公布后，还将就相关领域继续开展更深入和全面的研究。

[1] IPCC.Climate change 2013:the physical science basis.IPCC working group I contribution to AR5[M].Cambridge, UK,New York,USA:Cambridge University Press,2013.

[2] IPCC.Climate change 2014:synthesis report.Contribution of working groups I,II and III to the Fifth assessment report of the intergovernmental panel on climate change[M]. Geneva,Switzerland:IPCC,2014:151.

[3] Schneider S H,Semenov S,Patwardhan A,et al.Assessing key vulnerabilities and the risk from climate change.In: Parry M L,Canziani O F,Palutikof J P,et al(eds.). Climate change 2007:impacts,adaptation and vulnerability. Contribution of working group II to the Fourth assessment report of the intergovernmental panel on climate change[M]. Cambridge: Cambridge University Press,2007:779-810.

[4] Fischlin A,Midgley G F,Price J T,et al.Ecosystems,their properties,goods,and services.In:Parry M L,Canziani O F,Palutikof J P,et al.eds.Climate change 2007:impacts, adaptation and vulnerability.Contribution of working group II to the Fourth assessment report of the intergovernmental panel on climate change[M].Cambridge:Cambridge University Press,2007:211-272.

[5] Nangombe S,Zhou T J,Zhang W X,et al.Record-breaking climate extremes in Africa under stabilized 1.5℃and 2℃global warming scenarios[J].Nat Climate Change,2018, 8(5):375-380.

[6] Seneviratne S I,Donat M G,Pitman A J,et al.Allowable CO2emissions based on regional and impact related climate targets[J].Nature,2016,529(7587):477-483.

[7] UNFCCC.The Paris agreement.Decision 1/CP. 21[R].Paris: UNFCCC,2015.

[8] 郎咸梅,隋月.全球变暖2℃情景下中国平均气候和极端气候事件变化预估[J].科学通报,2013,58(8):734-742.

Lang X M,Sui Y.Changes in mean and extreme climates over China with a 2℃ global warming[J].Chin Sci Bull, 2013,58(8):734-742.(in Chinese)

[9] 周梦子,周广胜,吕晓敏,等.1.5和2℃升温阈值下中国温度和降水变化的预估[J].气象学报,2019,77(4):728-744.

Zhou M Z,Zhou G S,Lv X M,et al.Projection of temperature and precipitation changes over China under global warming of 1.5 and 2℃[J].Acta Meteorologica Sinica, 2019,77(4):728-744.(in Chinese)

[10] 王艳君,刘俸霞,翟建青,等.全球升温1.5℃与2.0℃目标下长江流域极端降水的变化特征[J].气象科学,2019,39 (4):540-547．

Wang Y J,Liu F X,Zhai J Q,et al.Variation characteristics of extreme precipitation in the Yangtze River Basin under the global warming 1.5℃ and 2.0℃[J].Journal of the Meteorological Sciences,2019,39( 4):540-547.(in Chinese)

[11] 丁凯熙,张利平,佘敦先,等.全球升温1.5℃和2.0℃情景下澜沧江流域极端降水的变化特征[J].气候变化研究进展, 2020,16 (4):466-479.

Ding K X,Zhang L P,She D X,et al.Variation of extreme precipitation in Lancang River basin under global warming of 1.5℃ and 2.0℃[J].Advances in Climate Change Research, 2020,16 (4):466-479.(in Chinese)

[12] 周刊社,杜军,沈旭,等.气候变化背景下羌塘国家自然保护区植被净初级生产力时空变化[J].中国农业气象,2021, 42(8):627-641

Zhou K S,Du J,Shen X,et al.Spatial and temporal variability of vegetation net primary productivity in Qiangtang National Nature Reserve under climate change[J].Chinese Journal of Agrometeorology,2021,42(8):627-641. (in Chinese)

[13] 张娇艳,李扬,张东海,等.基于CMIP5全球气候模式的21世纪贵州省极端降水事件预估[J].中国农业气象, 2017,38(10):655-662.

Zhang J Y,Li Y,Zhang D H,et al.Projected changes in extreme precipitation events in Guizhou based on CMIP5 simulations over the 21st century[J].Chinese Journal of Agrometeorology,2017,38(10):655-662.(in Chinese)

[14] Li H X,Chen H P,Wang H J,et al.Future precipitation changes over China under 1.5℃ and 2.0℃ global warming targets by using CORDEX regional climate models [J].Science of the Total Environment,2018,640- 641:543-554.

[15] Gao X J,Shi Y,Zhang D F,et al.Uncertainties in monsoon precipitation projections over China:results from two high-resolution RCM simulations[J].Climate Res.,2012,52: 213-226．

[16] Chen J,Gao C,Zeng X F,et al.Assessing changes of river discharge under global warming of 1. 5℃ and 2℃ in the upper reaches of the Yangtze River Basin:approach by using multiple-GCMs and hydrological models[J].Quatern. Int.,2017,453:63-73.

[17] 徐影,周波涛,吴婕,等.1.5～4℃升温阈值下亚洲地区气候变化预估[J].气候变化研究进展,2017,13 (4):306-315.

Xu Y,Zhou B T,Wu J,et al.Asian climate change in response to for global warming targets[J].Advances in Climate Change Research,2017,13 (4):306-315.(in Chinese)

[18] 刘俸霞,王艳君,赵晶,等.全球升温1.5℃与2.0℃情景下长江中下游地区极端降水的变化特征[J].长江流域资源与环境,2017,26 (5):133-143.

Liu F X,Wang Y J,Zhao J,et al.Variations of the extreme precipitation under the global warming of 1.5℃ and 2.0℃ in the Mid Lower reaches of the Yangtze River basin[J]. Resources and Environment in the Yangtze Basin,2017, 26(5):133-143.(in Chinese)

[19] Ren D,Leslie L M,Lynch M J.Trends in storm-triggered landslides over southern California[J]. Journal of Applied Meteorology and Climatology,2014,53(2):217-233.

[20] Teegavarapu R S V,Goly A,Obeysekera J.Influences of Atlantic multidecadal oscillation phases on spatial and temporal variability of regional precipitation extremes[J]. Journal of Hydrology,2013,495(15):74-93.

[21] Taylor K E,Stouffer R J,Meehl G A.An overview of CMIP5 and the experiment design[J].Bull Amer Meteor Soc,2012, 93(4):485-498.

Variation of Extreme Precipitation over Guizhou under the Global Warming of 1.5℃ and 2.0℃

ZHANG Jiao-yan1,2, LI Xiao1, CHEN Zao-yang1, LI Yang3, ZHOU Tao1

(1. Guizhou Climate Center, Guiyang 550002, China; 2. Guizhou Key Lab of Mountainous Climate and Resources, Guiyang 550002; 3.Guiyang Meteorological Bureau, Guiyang 550001)

Guizhou province suffered frequently from natural hazards induced by severe weathers. It was necessary to investigate the features of extreme precipitation under the global warming scenarios quantitatively and scientifically to keep the relocated groups away from returning to the poverty due to disasters. Based on the daily precipitation of historical simulation from 1961 to 2005 and under RCP2.6/RCP4.5 emission scenarios during 2006−2098 from CCSM4/ IPSL-CM5A-MR modes, as well as daily precipitation data of 84 meteorological stations over Guizhou from 1961 to 2005, the characteristics of extreme precipitation changes in Guizhou under the global warming of 1.5℃and 2.0℃ were explored through 9 indicators including precipitation intensity, daily maximum precipitation and heavy precipitation, using bias correction to improve the simulation capabilities. It was demonstrated that the extreme precipitation indices in RCP 2.6 and RCP 4.5 scenarios over Guizhou had a large fluctuation range, but uprising trend could be found. Of more interest was that the increase approximately doubled under the scenario of 2.0℃-warming comparing to 1.5℃-warming, which were based on extreme precipitation indices from 1986−2005. The tail ends of the probability density curves of the 9 indies all extended to the right at 2.0℃, indicating that more extreme precipitation events might occur under the scenario of 2.0℃-warming. Therefore, it was essential to make control on the global warming and keep the warming within 1.5℃.

Climate change; Guizhou; Global warming of 1.5℃; Global warming of 2.0℃; Extreme precipitation

10.3969/j.issn.1000-6362.2022.04.001

张娇艳,李霄,陈早阳,等.全球升温1.5℃和2.0℃情景下贵州省极端降水的变化特征[J].中国农业气象,2022,43(4):251-261

2021−07−07

贵州省气象局科研业务项目[黔气科登（2021）01−07号]

李扬，副研级高级工程师，主要从事气候变化研究工作，E-mail: lyon81504687@163.com

张娇艳，E-mail:mylove813jiaojiao@163.com