论文部分内容阅读
摘要 利用观测的亚洲中高纬区逐日最高、最低气温和CMIP6计划中28个全球气候模式资料，系统评估了CMIP6模式对亚洲中高纬区日最高温（TXx）和日最低温（TNn）的模拟性能，并对其未来演变趋势进行了科学预估。主要结论如下：1）CMIP6大部分模式能合理地模拟亚洲中高纬区TXx和TNn自南向北、自西到东逐渐降低的空间分布特征，但所有模式均在青藏高原北部地区附近存在较大的冷偏差。模式对气候平均态的模拟一致性较好，对TNn的模拟优于TXx;但是对于趋势变化模拟，对TXx的模拟与观测更为接近，而且多模式集合的模拟效果更优。2）预估结果指出，日最高气温和最低气温在21世纪均表现出显著增温趋势，其中TNn增加趋势更加明显。在SSP5-8.5排放情景下，到了21世纪末期，TXx约增加7.0 ℃，TNn约增加9.6 ℃。此外，预估结果不确定性随时间推移、排放增多而增加，其中对于TXx的预估结果可信度更高。
关键词 极端温度; CMIP6; 亚洲中高纬区; 评估; 预估
IPCC第五次评估报告指出，1880—2012年，全球平均地表温度升高了0.85 ℃（0.65～1.06 ℃）（IPCC，2013）。《中国气候变化蓝皮书（2020）》显示，2019年全球平均温度较工业化前水平高出约1.1 ℃，20世纪80年代以来，每个连续十年都比前一个十年更暖（中国气象局气候变化中心，2020）。随着气候变暖，极端气候事件频发，而相比于平均气候，极端气候事件对气候变暖的响应更敏感（Katz and Brown，1992）;而且极端气候频发极易引发气象灾害，对人类社会和生态系统均造成严重影响（Song et al.，2018;江晓菲等，2020;Sun et al.，2020;张晋韬和王芳，2020;Pérez et al，2021）。因此，深入理解极端气候变化对于防灾减灾及应对气候变化政策措施的制定具有重要的科学价值和现实意义。
全球气候模式（Global Climate Models，GCM）是进行气候变化模拟和未来预估的最有力工具（王会军等，2009;丁一汇和王会军，2016;于恩涛和孙建奇，2019;徐蓉蓉等，2021）。世界气候研究计划（World Climate Research Program，WRCP）下的国际耦合模式比较计划（Coupled Model Intercomparison Project，CMIP）目前已經进入第六阶段，CMIP6是CMIP计划实施以来参与模式最多、设计试验最完善、提供数据最庞大的一次，为评估模式对过去和当前气候变化的模拟能力、预估未来气候变化提供了重要数据基础（Eyring et al.，2016）。CMIP6计划参与的试验主要包括核心的气候诊断、评估和描述试验（Diagnostic Evaluation and Characterization of Klima，DECK），历史模拟试验（historical）和23个模式比较子计划试验（CMIP6-endorsed MIPs）。其中情景模式比较计划（Scenario Model Intercomparison Project，ScenarioMIP）中采用了新的“共享社会经济路径”（Shared Socioeconomic Pathways，SSPs），较之CMIP5的RCP情景试验，ScenarioMIP采用了多个IAM，其情景由不同的SSP（SSP1，SSP2，SSP3，SSP4和SSP5）和辐射强迫（1.9，2.6，3.4，4.5，6.0，8.5等）的矩阵组合，更加强调未来辐射强迫情景与共享社会经济情景的一致性（van Vuuren et al.，2012;O’Neill et al.，2016;Riahi et al.，2017;张丽霞等，2019）。已有研究指出CMIP5模式对极端温度的模拟优于CMIP3旧版本模式，而在模拟极端降水时表现有所不同（Kumar et al.，2014;Chen and Sun，2015;Sun et al.，2015）。CMIP5模式预估指出，在全球范围内未来极热天气将增加，极冷天气将减少，极端低温比高温增温幅度更明显（Kharin et al.，2013;Lee et al.，2020;Ying et al.，2020）;在“一带一路”区域内极端温度表现为升高趋势，增温幅度高纬度地区大于低纬度地区、高排放情景大于低排放情景（王会军等，2020;周波涛等，2020）。但目前利用CMIP6模式对亚洲中高纬区极端温度变化的研究仍是空白。
相比CMIP5模式，CMIP6模式无论在动力学参数化方案还是模式分辨率等方面，都有了较大的改进和提高（Eyring et al.，2016，詹明月等，2020）。众多学者评估了CMIP6模式对极端气候事件的模拟能力，指出CMIP6模式相比于CMIP5能更好地模拟极端气候的平均态以及趋势变化特征，但其改进程度有限（Chen et al.，2020;Fan et al.，2020;Kim et al.，2020;Lin and Chen，2020;向竣文等，2021）。基于CMIP6模式的预估指出，全球范围内极端高温和低温均呈现出了一致的增加，即未来发生高温热浪天气的概率明显增加，发生低温冷害的风险在降低，但CMIP6预估结果的不确定性相较于CMIP5有所增加（Chen et al.，2020）。也有研究指出，中国区域范围内极端高温和低温表现为一致增加趋势，但CMIP6模式的不确定性较CMIP5有所减小（Luo et al.，2020）。可见，CMIP6模式对不同区域模拟还存在差异，亟需开展深入研究。
亚洲中高纬区（35°N以北、60°E以东的亚洲区域）是全球气候变化最为敏感的地区之一。该区域经向跨度大，纬向横跨温寒两带，气候变化对该区域冰雪、冻土、植被等变化产生显著影响，同时区域内的这些变化又会对气候变化产生反馈作用，亦会影响区域乃至全球的气候变化、水资源、生态系统等（Huang et al.，2013;Xu et al.，2019;Zhang et al.，2020）。而且该区域是我国未来发展战略的核心区域，涉及“一带一路”倡议、中日韩自由贸易区建设、中俄远东地区合作发展规划和中蒙经贸合作中期发展纲要等实施。因此，开展亚洲中高纬区极端气候变化预估研究具有重大意义，可为该区域经济发展和生态文明建设提供坚实的科技支撑。 1 数据与方法
1.1 数据
研究所用数据来自全球历史气候逐日网格数据集（Global Historical Climatology Network-Daily，GHCN-D），该数据集由来自全球180多个国家和地区的超过100 000个站点的逐日观测资料组成，包括日最高和最低温度、日降水量、日降雪量和积雪深度等变量，且均经过严格的质量控制（Menne et al.，2012）。亚洲中高纬区（60°～180°E，35°～90°N）共有1 454个站点，分布情况如图1所示。本文分析变量主要为逐日最高和最低气温，时段为1950—2019年。
截至2020年12月，共有28个CMIP6模式已对外发布了历史时期的逐日最高和最低气温数据，其中19个模式有未来4种主要排放情景即SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5的数据，具体如图2。历史时期所分析时段为1950—2014年，未来预估时段为2015—2100年，其中1995—2014年为历史基准期。模式基本信息见表1。
1.2 研究方法
1.2.1 极端温度指数定义
选取由国际气候变化检测、监测和指数专家组（Expert Team on Climate Change Detection and Indices，ETCCDI）定义的极端高温指数（TXx）和极端低温指数（TNn）分别代表最高温和最低温，TXx和TNn分别定义为每年日最高温度的最大值和日最低温度的最小值（Zhang et al.，2011）。由于各模式分辨率不同，首先在模式原始网格分辨率上进行计算得到每年的极端温度指数，再运用Cressman插值法插值到1.5°×1.5°网格上;对观测数据也做类似处理。
1.2.2 泰勒图
泰勒图主要基于相关系数、均方根误差、标准差之比三个指标，比较模式模拟结果与观测之间的关系来评估模式模拟能力。相关系数表示模拟结果与观测之间空间分布的相似程度，均方根误差和标准差之比表征模拟与观测之间均值和变率的偏差大小。泰勒图简单明了地综合了这三个因子的情况（Taylor，2001）。当相关系数越大、均方根誤差越小、标准差之比越接近于1时，模式模拟结果与观测（REF）更为接近，即模式模拟能力越强。
1.2.3 综合评级指标
综合评级指标（MR）通过判断评估指标的一致性来评价模式的优劣，以此得到模式模拟能力的排序（Schuenemann and Cassano，2009;蒋帅等，2017）。首先对泰勒图中利用的三个指标（相关系数、均方根误差、标准差之比）进行排序，再利用以下公式进行综合排序来进一步评估模式的模拟能力。
MR=1-11×n×m∑ni=1ri。
其中：m为参与评估的模式个数;n为用于评估的指标个数;ri为各模式针对某个评估指标的排名，模拟能力最强的模式ri值为1，模拟能力最弱的模式ri值为m。MR越接近于1，说明模式模拟能力越强。
1.2.4 信噪比
未来预估的可信程度可利用信噪比（Signal to Noise Ratio，SNR）来表征，其具体定义为：
σ=∑Nixi1N∑Ni=1xi-1N∑Nixi2。
其中：xi为不同排放情景下的预估变化信号;N是模式数量。信噪比为多模式集合和模式间标准差的比值，反映信号和噪音之间的关系，进而反映未来预估的可信度。如果σ>1，则表明信号大于噪音，即未来预估结果较为可信，σ越大，则可信度越高（Tian et al.，2015）。
2 结果与分析
2.1 CMIP6模式对极端温度变化的模拟性能评估
2.1.1 气候平均
图3给出了CMIP6多模式集合对TXx和TNn气候平均态的模拟，其中图3c、f分别是TXx和TNn的多模式集合结果与观测结果的差异，红色区域表示模式模拟存在暖偏差，蓝色区域存在冷偏差。CMIP6的28个模式基本上能较好地再现亚洲中高纬区内极端最高和最低气温自南向北、自西到东逐渐降低的空间分布特征，但在青藏高原北部地区仍存在较大的冷偏差。多模式集合结果也能合理再现观测的极端温度指数的南北向梯度分布，以及哈萨克斯坦附近的高值中心。但对于TXx，在多模式集合结果中，青藏高原北部地区存在较大的冷偏差;此外，在亚洲中高纬区其他地区，如俄罗斯地区存在大范围的冷偏差，而其余地区如中亚区域、中国北方等地区存在明显暖偏差。对于TNn，青藏高原北部地区冷偏差仍然明显存在，但亚洲中高纬区其他地区主要以偏暖为主，其中大值中心位于切尔斯基山脉附近。总体上，CMIP6多模式集合结果能够较好再现亚洲中高纬区TXx和TNn的空间分布特征，与观测的相关系数分别高达0.86和0.94。
图4进一步给出了CMIP6中28个模式及多模式集合对亚洲中高纬区极端温度指数模拟性能的泰勒图。对于TXx，28个模式与观测的空间相关系数在0.62～0.88，其中有8个模式的空间相关系数超过0.80，模拟与观测的均方根误差在0.74～2.44之间，标准差之比均大于1，即模式对于极端高温具有较好的模拟性能。对于TNn，模拟与观测的空间相关系数在0.73～0.95，其中有25个模式的空间相关系数均超过0.90，从空间相关系数来看，CMIP6模式对TNn的模拟相对TXx更好;均方根误差在0.30～0.68，标准差之比在0.76～1.06。而不同模式对于TNn的模拟一致性也较TXx更优，表现为在泰勒图中相对应的点更为集中。另外，CMIP6多模式集合结果的模拟效果优于单个模式。
综合TXx和TNn的MR排序结果，图5给出了28个模式和多模式集合结果对亚洲中高纬区极端温度指数气候平均态模拟能力的综合排名。可见，NorESM2-LM模式对该区域极端高温的模拟性能最好，NorESM2-MM模式对极端低温的模拟最优，而多模式集合优于大部分模式结果。 2.1.2 趋势变化
图6进一步给出了观测和模式模擬的1950—2014年亚洲中高纬区区域平均的极端温度指数演变。可见，多模式集合结果均能较好再现亚洲中高纬区极端高温和极端低温的显著增加趋势，但模式模拟的极端温度指数年际变率明显小于观测结果。对于单个模式来说，几乎所有模式都能合理再现亚洲中高纬区TXx和TNn的增温趋势;对于TXx，BCC-CSM-MR（0.29 ℃/（10 a））模式模拟结果与观测最为接近;对于TNn，ACCESS-CM2（0.30 ℃/（10 a））、MPI-ESM1-2-LR（0.30 ℃/（10 a））和MRI-ESM2-0（0.32 ℃/（10 a））模式模拟结果与观测最为接近。
同样利用相关系数、均方根误差和标准差之比计算综合评级指标（图略），可以看到对亚洲中高纬区极端温度线性趋势变化模拟较好的前5个模式分别为EC-Earth3、AWI-CM-1-1-MR、MIROC6、NESM3和INM-CM5-0。其中NESM3模式在气候平均态和线性趋势的模拟中均位于前5位，模拟能力相对较好。相比于气候平均态模拟的排序结果，CMIP6模式对于极端温度指数线性趋势的模拟能力相对较弱。
2.2 亚洲中高纬区极端温度的未来变化预估
CMIP6模式对亚洲中高纬区的极端温度变化具有较好的模拟能力，在此基础上，开展其未来变化预估研究。选取前面提及的28个模式中未来4种排放情景（SSP1-2.6，SSP2-4.5，SSP3-7.0，SSP5-8.5）均有数据的19个模式进行进一步研究，其中21世纪近期定义为2021—2040年、中期为2041—2060年、末期为2081—2100年。
图7给出了CMIP6多模式集合预估的未来百年亚洲中高纬区极端温度指数的演变趋势。可以看到，在未来不同排放情景下，TXx、TNn两个极端温度指数均表现出显著增温趋势，其中TNn增温更加明显（图7）。在2040年之前，4种情景的增温趋势基本一致，此后排放情景不同，增温趋势的表现不同，SSP1-2.6和SSP2-4.5两种情景下的增温趋势趋于缓和，而SSP3-7.0和SSP5-8.5情景下，TXx、TNn在21世纪持续增温且增温幅度较大，SSP5-8.5情景下增温幅度最大。
图8和图9分别给出了多模式集合预估的TXx和TNn在未来不同时期相对于当前时段（1995—2014年）的变化。可以看到，在不同情景下，极端高温和低温在全区内均呈现为一致的增加趋势，增温幅度在高排放情景下明显高于低排放情景，且TNn的增温幅度相比TXx更大。在SSP1-2.6和SSP2-4.5情景下，极端高温的增温趋势随时间有所减小。在SSP3-7.0和SSP5-8.5排放情景下，增温速率随时间增大。TNn的增温幅度在空间上表现为北部大南部小的分布特征。总体来说，TXx和TNn在21世纪普遍表现为增温趋势，其中TNn的增幅大于TXx，且南北梯度更大。多模式集合定量估算结果指出，到了21世纪末期，在SSP1-2.6情景下，亚洲中高纬区极端高温TXx相对当前气候增加约2.3 ℃（1.8～3.8 ℃），TNn增加约2.5 ℃（0.5～4.8 ℃）;在SSP5-8.5情景下，极端高温TXx相对当前气候增加约7.0 ℃（5.8～8.5 ℃），TNn增加约9.6 ℃（7.2～12.6 ℃）。
前面给出了亚洲中高纬区未来极端温度变化的预估结果，下面进一步利用信噪比来表征未来预估结果的可靠性。在未来不同时期，高排放情景下的信噪比一般要大于低排放情景，对于TXx和TNn均是如此（图10、11），这与极端温度的相对变化空间分布特征类似（图8、9），这也说明了未来增温主要受排放的影响，排放越多，增温越显著，信噪比越大，可信度越高。进一步比较发现不同排放情景下，信噪比随时间推移呈增大趋势。
TXx变化对应的信噪比在空间上表现为自南向北递减的分布特征，其中信噪比的高值中心主要位于哈萨克斯坦和蒙古地区（图10）。未来TNn变化的信噪比空间分布与TXx有所不同（图11），在4种排放情景下，近期亚洲中高纬区内信噪比普遍小于1，表明模式集合预估的TNn变化信号小于模式间离差反映的噪音，预估结果可信度低。到了中期和末期，信噪比明显增加，但在空间上呈现为自北向南递减的分布特征，即高纬地区的增温趋势可信度比中纬度地区要高。
可见，随着未来持续增暖，亚洲中高纬区极端温度变化更为显著，极端高温和极端低温均呈现出显著的增温趋势，从而导致极端暖事件发生频率增加，冷事件减少。
3 结论
本文基于观测的亚洲中高纬区逐日最高、最低气温和CMIP6计划中28个全球气候模式资料，系统评估了CMIP6模式对亚洲中高纬区极端温度（最高温TXx和最低温TNn）变化的模拟能力;在此基础上，对该地区极端温度指数的未来演变趋势进行了科学预估。主要结论如下：
1）CMIP6模式及多模式集合结果均能合理再现亚洲中高纬区最高温和最低温自南向北、自西到东减小的空间分布特征，但在青藏高原北部地区均存在明显冷偏差。CMIP6多模式集合对TNn气候平均态的模拟要优于TXx的结果，且CMIP6模式对TNn模拟的一致性也高于TXx。此外，CMIP6大部分模式及多模式集合结果也能较好地模拟出亚洲中高纬区极端温度指数的线性趋势变化，但对于TXx的模拟更佳。相比于气候平均态，模式对趋势的模拟能力相对较差。
2）未来预估结果指出，TXx和TNn在未来百年均表现出显著增温趋势，其中TNn增温趋势更明显，且具有更明显的空间差异性，即TNn增温幅度的南北梯度更大。不同排放情景下增温趋势也有所不同。在SSP1-2.6和SSP2-4.5情景下，初期增温趋势明显，中期和末期增温减缓。但在SSP3-7.0和SSP5-8.5情景下，极端高温和极端低温均持续增加，其中SSP5-8.5情景下增温趋势最大。到了21世纪末期，在SSP5-8.5情景下，亚洲中高纬地区极端高温相对当前气候增加约7.0 ℃，而极端低温增加更为显著，约为9.6 ℃。 参考文献（References）
Chen H P，Sun J Q，2015.Assessing model performance of climate extremes in China：an intercomparison between CMIP5 and CMIP3[J].Climate Chang，129（1/2）：197-211.doi：10.1007/s10584-014-1319-5.
Chen H P，Sun J Q，Lin W Q，et al.，2020.Comparison of CMIP6 and CMIP5 models in simulating climate extremes[J].Sci Bull，65（17）：1415-1418.doi：10.1016/j.scib.2020.05.015.
丁一匯，王会军，2016.近百年中国气候变化科学问题的新认识[J].科学通报，61（10）：1027-1041. Ding Y H，Wang H J，2016.Newly acquired knowledge on the scientific issues related to climate change over the recent 100 years in China[J].Chin Sci Bull，61（10）：1027-1041.doi：10.1360/N972015-00638.（in Chinese）.
Eyring V，Bony S，Meehl G A，et al.，2016.Overview of the Coupled Model Intercomparison Project Phase 6 （CMIP6） experimental design and organization[J].Geosci Model Dev，9（5）：1937-1958.doi：10.5194/gmd-9-1937-2016.
Fan X W，Miao C Y，Duan Q Y，et al.，2020.The performance of CMIP6 versus CMIP5 in simulating temperature extremes over the global land surface[J].J Geophys Res：Atmos，125（18）：e2020JD033031.doi：10.1029/2020JD033031.
Huang J Y，Liu Y，Ma L，et al.，2013.Methodology for the assessment and classification of regional vulnerability to natural hazards in China：the application of a DEA model[J].Nat Hazards，65（1）：115-134.doi：10.1007/s11069-012-0348-5.
IPCC，2013.Climate change 2013：the physical science basis[M].Cambridge：Cambridge University Press：1535.
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）.
蒋帅，江志红，李伟，等，2017.CMIP5模式对中国极端气温及其变化趋势的模拟评估[J].气候变化研究进展，13（1）：11-24. Jiang S，Jiang Z H，Li W，et al.，2017.Evaluation of the extreme temperature and its trend in China simulated by CMIP5 models[J].Clim Chang Res，13（1）：11-24.doi：10.12006/j.issn.1673-1719.2016.053.（in Chinese）.
Katz R W，Brown B G，1992.Extreme events in a changing climate：variability is more important than averages[J].Climate Change，21（3）：289-302.doi：10.1007/BF00139728.
Kim Y H，Min S K，Zhang X B，et al.，2020.Evaluation of the CMIP6 multi-model ensemble for climate extreme indices[J].Weather Clim Extrem，29：100269.doi：10.1016/j.wace.2020.100269.
Kharin V V，Zwiers F W，Zhang X，et al.，2013.Changes in temperature and precipitation extremes in the CMIP5 ensemble[J].Climate Change，119（2）：345-357.doi：10.1007/s10584-013-0705-8. Kumar D，Kodra E，Ganguly A R，2014.Regional and seasonal intercomparison of CMIP3 and CMIP5 climate model ensembles for temperature and precipitation[J].Clim Dyn，43（9/10）：2491-2518.doi：10.1007/s00382-014-2070-3.
Lee Y，Paek J，Park J S，et al.，2020.Changes in temperature and rainfall extremes across East Asia in the CMIP5 ensemble[J].Theor Appl Climatol，141（1/2）：143-155.doi：10.1007/s00704-020-03180-w.
Lin W Q，Chen H P，2020.Assessment of model performance of precipitation extremes over the mid-high latitude areas of Northern Hemisphere：from CMIP5 to CMIP6[J].Atmos Ocean Sci Lett，13（6）：598-603.doi：10.1080/16742834.2020.1820303.
Luo N，Guo Y，Gao Z B，et al.，2020.Assessment of CMIP6 and CMIP5 model performance for extreme temperature in China[J].Atmos Ocean Sci Lett，13（6）：589-597.doi：10.1080/16742834.2020.1808430.
Menne M J，Durre I，Vose R S，et al.，2012.An overview of the global historical climatology network-daily database[J].J Atmos Ocean Technol，29（7）：897-910.doi：10.1175/jtech-d-11-00103.1.
ONeill B C，Tebaldi C，Vuuren D，et al.，2016.The Scenario Model Intercomparison Project （ScenarioMIP） for CMIP6[J].Geoscientific Model Development，9：3461-3482.
Pérez J，Correa-Araneda F，Lépez-Rojo N，et al.，2021.Extreme temperature events alter stream ecosystem functioning[J].Ecol Indic，121：106984.doi：10.1016/j.ecolind.2020.106984.
Riahi K，van Vuuren D P，Kriegler E，et al.，2017.The Shared socioeconomic pathways and their energy，land use，and greenhouse gas emissions implications：an overview[J].Glob Environ Chang，42：153-168.doi：10.1016/j.gloenvcha.2016.05.009.
Schuenemann K C，Cassano J J，2009.Changes in synoptic weather patterns and Greenland precipitation in the 20th and 21st centuries：1.evaluation of late 20th century simulations from IPCC models[J].J Geophys Res：Atmos，114（D20）：D20113.doi：10.1029/2009JD011705.
Song S，Li F D，Lu Y L，et al.，2018.Spatio-temporal characteristics of the extreme climate events and their potential effects on crop yield in Ethiopia[J].J Resour Ecol，9（3）：290-301.
Sun C，Xiao Z N，Sun J Q，et al.，2020.Projection of temperature change and extreme temperature events in the Lancang-Mekong River basin[J].Atmos Ocean Sci Lett，13（1）：16-25.doi：10.1080/16742834.2020.1696143.
Sun Q H，Miao C Y，Duan Q Y，2015.Comparative analysis of CMIP3 and CMIP5 global climate models for simulating the daily mean，maximum，and minimum temperatures and daily precipitation over China[J].J Geophys Res：Atmos，120（10）：4806-4824.doi：10.1002/2014JD022994. Taylor K E，2001.Summarizing multiple aspects of model performance in a single diagram[J].J Geophys Res：Atmos，106（D7）：7183-7192.doi：10.1029/2000JD900719.
Tian D，Guo Y，Dong W J，2015.Future changes and uncertainties in temperature and precipitation over China based on CMIP5 models[J].Adv Atmos Sci，32（4）：487-496.doi：10.1007/s00376-014-4102-7.
van Vuuren D P，Riahi K，Moss R，et al.，2012.A proposal for a new scenario framework to support research and assessment in different climate research communities[J].Glob Environ Chang，22（1）：21-35.doi：10.1016/j.gloenvcha.2011.08.002.
王会军，王涛，姜大膀，等，2009.我国气候变化将比模式预期的小吗？[J].第四纪研究，29（6）：1011-1014. Wang H J，Wang T，Jiang D B，et al.，2009.Will the climate change smaller than the projection？[J].Quat Sci，29（6）：1011-1014.doi：10.3969/j.issn.1001-7410.2009.06.01.（in Chinese）.
王会军，唐国利，陈海山，等，2020.“一带一路”区域气候变化事实、影响及可能风险[J].大气科学学报，43（1）：1-9. Wang H J，Tang G L，Chen H S，et al.，2020.The Belt and Road region climate change：facts，impacts and possible risks[J].Trans Atmos Sci，43（1）：1-9.doi：10.13878/j.cnki.dqkxxb.20191110003.（in Chinese）.
向竣文，张利平，邓瑶，等，2021.基于CMIP6的中国主要地区极端气温/降水模拟能力评估及未来情景预估[J].武汉大学学报（工学版），54（1）：46-57，81. Xiang J W，Zhang L P，Deng Y，et al.，2021.Projection and evaluation of extreme temperature and precipitation in major regions of China by CMIP6 models[J].Eng J Wuhan Univ，54（1）：46-57，81.doi：10.14188/j.1671-8844.2021-01-007.（in Chinese）.
Xu K，Lu R Y，Mao J Y，et al.，2019.Circulation anomalies in the mid-high latitudes responsible for the extremely hot summer of 2018 over northeast Asia[J].Atmos Ocean Sci Lett，12（4）：231-237.
徐蓉蓉，梁信忠，段明铿，2021.CWRF对青藏高原气温和降水模拟效果的综合评估[J].大气科学学报，44（1）：104-117. Xu R R，Liang X Z，Duan M K，2021.Evaluation of CWRF simulation of temperature and precipitation on the Qinghai-Tibet Plateau[J].Trans Atmos Sci，44（1）：104-117.doi：10.13878/j.cnki.dqkxxb.20201103001.（in Chinese）.
Ying H，Zhang H Y，Sun Y，et al.，2020.CMIP5-based spatiotemporal changes of extreme temperature events during 2021—2100 in mainland China[J].Sustainability，12（11）：4418.doi：10.3390/su12114418.
于恩涛，孙建奇，2019.基于多区域模式集合的中国西部干旱区极端温度未来预估[J].大气科学学报，42（1）：46-57. Yu E T，Sun J Q，2019.Extreme temperature projection over northwestern China based on multiple regional climate models[J].Trans Atmos Sci，42（1）：46-57.doi：10.13878/j.cnki.dqkxxb.20181109001.（in Chinese）.
詹明月，王國杰，陆姣，等，2020.基于CMIP6多模式的长江流域蒸散发预估及影响因素[J].大气科学学报，43（6）：1115-1126. Zhan M Y，Wang G J，Lu J，et al.，2020.Projected evapotranspiration and the influencing factors in the Yangtze River Basin based on CMIP6 models[J].Trans Atmos Sci，43（6）：1115-1126.doi：10.13878/j.cnki.dqkxxb.20200927002.（in Chinese）. 张晋韬，王芳，2020.《巴黎协定》排放情景下中亚地区极端温度变化响应[J].自然灾害学报，29（3）：119-128. Zhang J T，Wang F，2020.Extreme temperature change in central Asia in responses to national-committed emission reductions under the Paris Agreement[J].J Nat Disasters，29（3）：119-128.doi：10.13577/j.jnd.2020.0313.（in Chinese）.
张丽霞，陈晓龙，辛晓歌，2019.CMIP6情景模式比较计划（ScenarioMIP）概况与评述[J].气候变化研究进展，15（5）：519-525. Zhang L X，Chen X L，Xin X G，2019.Short commentary on CMIP6 scenario model intercomparison project（ScenarioMIP）[J].Clim Chang Res，15（5）：519-525.（in Chinese）.
Zhang M，Yu H P，King A D，et al.，2020.Greater probability of extreme precipitation under 1.5 ℃ and 2 ℃ warming limits over East-Central Asia[J].Clim Chang，162（2）：603-619.doi：10.1007/s10584-020-02725-2.
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 Chang，2（6）：851-870.doi：10.1002/wcc.147.
中国气象局气候变化中心，2020.中国气候变化蓝皮书（2020）[R].北京：科学出版社. CMA，2020.Blue book on climate change in China （2020）[R].Beijing：Science Press.（in Chinese）.
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）.
Assessment and projection of changes in temperature extremes over the mid-high latitudes of Asia based on CMIP6 models
JIANG Wenhao1，CHEN Huopo2
1Key Laboratory of Meteorological Disaster，Ministry of Education （KLME）/Joint International Research Laboratory of Climate and Environment Change （ILCEC）/Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters （CIC-FEMD），Nanjing University of Information Science & Technology，Nanjing 210044，China;
2Nansen-Zhu International Research Centre，Institute of Atmospheric Physics，Chinese Academy of Sciences，Beijing 100029，China
In this study，the performance of Coupled Model Intercomparison Project Phase 6 （CMIP6） models in simulating the temperature extremes，including the annual maximum of daily maximum temperature （TXx） and annual minimum of daily minimum temperature （TNn） over the mid-high latitudes of Asia are comprehensively assessed，as are their future changes.The main findings are as follows：1） The observed spatial distributions of extreme temperatures that decreases from south to north and west to east over the mid-high latitude of Asia are reasonably reproduced by most CMIP6 models，but the cold bias is still obvious over the Tibetan Plateau.Additionally，the higher skill is generally observed for the climate mean simulation of TNn rather than TXx，while a relatively higher skill is for the TXx of the trend simulation.The multimodel ensemble mean （MME） generally outperforms the individual models.2） The results of future projection indicate that both TXx and TNn show a significant increasing trend in the 21st century，but the increase in magnitude of TNn is shown to be much greater than that of TXx.Under the SSP5-8.5 scenario，both TXx and TNn are projected to increase by approximately 7.0 ℃ and 9.6 ℃ by the end of the 21st century，with respect to the current state （1995—2014）.The projection uncertainty is estimated to increase with time and scenarios，and the increase of TXx shows a higher model agreement.
temperature extremes;CMIP6;the mid-high latitudes of Asia;assessment;projection
doi：10.13878/j.cnki.dqkxxb.20210203001
（責任编辑：刘菲）
关键词 极端温度; CMIP6; 亚洲中高纬区; 评估; 预估
IPCC第五次评估报告指出，1880—2012年，全球平均地表温度升高了0.85 ℃（0.65～1.06 ℃）（IPCC，2013）。《中国气候变化蓝皮书（2020）》显示，2019年全球平均温度较工业化前水平高出约1.1 ℃，20世纪80年代以来，每个连续十年都比前一个十年更暖（中国气象局气候变化中心，2020）。随着气候变暖，极端气候事件频发，而相比于平均气候，极端气候事件对气候变暖的响应更敏感（Katz and Brown，1992）;而且极端气候频发极易引发气象灾害，对人类社会和生态系统均造成严重影响（Song et al.，2018;江晓菲等，2020;Sun et al.，2020;张晋韬和王芳，2020;Pérez et al，2021）。因此，深入理解极端气候变化对于防灾减灾及应对气候变化政策措施的制定具有重要的科学价值和现实意义。
全球气候模式（Global Climate Models，GCM）是进行气候变化模拟和未来预估的最有力工具（王会军等，2009;丁一汇和王会军，2016;于恩涛和孙建奇，2019;徐蓉蓉等，2021）。世界气候研究计划（World Climate Research Program，WRCP）下的国际耦合模式比较计划（Coupled Model Intercomparison Project，CMIP）目前已經进入第六阶段，CMIP6是CMIP计划实施以来参与模式最多、设计试验最完善、提供数据最庞大的一次，为评估模式对过去和当前气候变化的模拟能力、预估未来气候变化提供了重要数据基础（Eyring et al.，2016）。CMIP6计划参与的试验主要包括核心的气候诊断、评估和描述试验（Diagnostic Evaluation and Characterization of Klima，DECK），历史模拟试验（historical）和23个模式比较子计划试验（CMIP6-endorsed MIPs）。其中情景模式比较计划（Scenario Model Intercomparison Project，ScenarioMIP）中采用了新的“共享社会经济路径”（Shared Socioeconomic Pathways，SSPs），较之CMIP5的RCP情景试验，ScenarioMIP采用了多个IAM，其情景由不同的SSP（SSP1，SSP2，SSP3，SSP4和SSP5）和辐射强迫（1.9，2.6，3.4，4.5，6.0，8.5等）的矩阵组合，更加强调未来辐射强迫情景与共享社会经济情景的一致性（van Vuuren et al.，2012;O’Neill et al.，2016;Riahi et al.，2017;张丽霞等，2019）。已有研究指出CMIP5模式对极端温度的模拟优于CMIP3旧版本模式，而在模拟极端降水时表现有所不同（Kumar et al.，2014;Chen and Sun，2015;Sun et al.，2015）。CMIP5模式预估指出，在全球范围内未来极热天气将增加，极冷天气将减少，极端低温比高温增温幅度更明显（Kharin et al.，2013;Lee et al.，2020;Ying et al.，2020）;在“一带一路”区域内极端温度表现为升高趋势，增温幅度高纬度地区大于低纬度地区、高排放情景大于低排放情景（王会军等，2020;周波涛等，2020）。但目前利用CMIP6模式对亚洲中高纬区极端温度变化的研究仍是空白。
相比CMIP5模式，CMIP6模式无论在动力学参数化方案还是模式分辨率等方面，都有了较大的改进和提高（Eyring et al.，2016，詹明月等，2020）。众多学者评估了CMIP6模式对极端气候事件的模拟能力，指出CMIP6模式相比于CMIP5能更好地模拟极端气候的平均态以及趋势变化特征，但其改进程度有限（Chen et al.，2020;Fan et al.，2020;Kim et al.，2020;Lin and Chen，2020;向竣文等，2021）。基于CMIP6模式的预估指出，全球范围内极端高温和低温均呈现出了一致的增加，即未来发生高温热浪天气的概率明显增加，发生低温冷害的风险在降低，但CMIP6预估结果的不确定性相较于CMIP5有所增加（Chen et al.，2020）。也有研究指出，中国区域范围内极端高温和低温表现为一致增加趋势，但CMIP6模式的不确定性较CMIP5有所减小（Luo et al.，2020）。可见，CMIP6模式对不同区域模拟还存在差异，亟需开展深入研究。
亚洲中高纬区（35°N以北、60°E以东的亚洲区域）是全球气候变化最为敏感的地区之一。该区域经向跨度大，纬向横跨温寒两带，气候变化对该区域冰雪、冻土、植被等变化产生显著影响，同时区域内的这些变化又会对气候变化产生反馈作用，亦会影响区域乃至全球的气候变化、水资源、生态系统等（Huang et al.，2013;Xu et al.，2019;Zhang et al.，2020）。而且该区域是我国未来发展战略的核心区域，涉及“一带一路”倡议、中日韩自由贸易区建设、中俄远东地区合作发展规划和中蒙经贸合作中期发展纲要等实施。因此，开展亚洲中高纬区极端气候变化预估研究具有重大意义，可为该区域经济发展和生态文明建设提供坚实的科技支撑。 1 数据与方法
1.1 数据
研究所用数据来自全球历史气候逐日网格数据集（Global Historical Climatology Network-Daily，GHCN-D），该数据集由来自全球180多个国家和地区的超过100 000个站点的逐日观测资料组成，包括日最高和最低温度、日降水量、日降雪量和积雪深度等变量，且均经过严格的质量控制（Menne et al.，2012）。亚洲中高纬区（60°～180°E，35°～90°N）共有1 454个站点，分布情况如图1所示。本文分析变量主要为逐日最高和最低气温，时段为1950—2019年。
截至2020年12月，共有28个CMIP6模式已对外发布了历史时期的逐日最高和最低气温数据，其中19个模式有未来4种主要排放情景即SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5的数据，具体如图2。历史时期所分析时段为1950—2014年，未来预估时段为2015—2100年，其中1995—2014年为历史基准期。模式基本信息见表1。
1.2 研究方法
1.2.1 极端温度指数定义
选取由国际气候变化检测、监测和指数专家组（Expert Team on Climate Change Detection and Indices，ETCCDI）定义的极端高温指数（TXx）和极端低温指数（TNn）分别代表最高温和最低温，TXx和TNn分别定义为每年日最高温度的最大值和日最低温度的最小值（Zhang et al.，2011）。由于各模式分辨率不同，首先在模式原始网格分辨率上进行计算得到每年的极端温度指数，再运用Cressman插值法插值到1.5°×1.5°网格上;对观测数据也做类似处理。
1.2.2 泰勒图
泰勒图主要基于相关系数、均方根误差、标准差之比三个指标，比较模式模拟结果与观测之间的关系来评估模式模拟能力。相关系数表示模拟结果与观测之间空间分布的相似程度，均方根误差和标准差之比表征模拟与观测之间均值和变率的偏差大小。泰勒图简单明了地综合了这三个因子的情况（Taylor，2001）。当相关系数越大、均方根誤差越小、标准差之比越接近于1时，模式模拟结果与观测（REF）更为接近，即模式模拟能力越强。
1.2.3 综合评级指标
综合评级指标（MR）通过判断评估指标的一致性来评价模式的优劣，以此得到模式模拟能力的排序（Schuenemann and Cassano，2009;蒋帅等，2017）。首先对泰勒图中利用的三个指标（相关系数、均方根误差、标准差之比）进行排序，再利用以下公式进行综合排序来进一步评估模式的模拟能力。
MR=1-11×n×m∑ni=1ri。
其中：m为参与评估的模式个数;n为用于评估的指标个数;ri为各模式针对某个评估指标的排名，模拟能力最强的模式ri值为1，模拟能力最弱的模式ri值为m。MR越接近于1，说明模式模拟能力越强。
1.2.4 信噪比
未来预估的可信程度可利用信噪比（Signal to Noise Ratio，SNR）来表征，其具体定义为：
σ=∑Nixi1N∑Ni=1xi-1N∑Nixi2。
其中：xi为不同排放情景下的预估变化信号;N是模式数量。信噪比为多模式集合和模式间标准差的比值，反映信号和噪音之间的关系，进而反映未来预估的可信度。如果σ>1，则表明信号大于噪音，即未来预估结果较为可信，σ越大，则可信度越高（Tian et al.，2015）。
2 结果与分析
2.1 CMIP6模式对极端温度变化的模拟性能评估
2.1.1 气候平均
图3给出了CMIP6多模式集合对TXx和TNn气候平均态的模拟，其中图3c、f分别是TXx和TNn的多模式集合结果与观测结果的差异，红色区域表示模式模拟存在暖偏差，蓝色区域存在冷偏差。CMIP6的28个模式基本上能较好地再现亚洲中高纬区内极端最高和最低气温自南向北、自西到东逐渐降低的空间分布特征，但在青藏高原北部地区仍存在较大的冷偏差。多模式集合结果也能合理再现观测的极端温度指数的南北向梯度分布，以及哈萨克斯坦附近的高值中心。但对于TXx，在多模式集合结果中，青藏高原北部地区存在较大的冷偏差;此外，在亚洲中高纬区其他地区，如俄罗斯地区存在大范围的冷偏差，而其余地区如中亚区域、中国北方等地区存在明显暖偏差。对于TNn，青藏高原北部地区冷偏差仍然明显存在，但亚洲中高纬区其他地区主要以偏暖为主，其中大值中心位于切尔斯基山脉附近。总体上，CMIP6多模式集合结果能够较好再现亚洲中高纬区TXx和TNn的空间分布特征，与观测的相关系数分别高达0.86和0.94。
图4进一步给出了CMIP6中28个模式及多模式集合对亚洲中高纬区极端温度指数模拟性能的泰勒图。对于TXx，28个模式与观测的空间相关系数在0.62～0.88，其中有8个模式的空间相关系数超过0.80，模拟与观测的均方根误差在0.74～2.44之间，标准差之比均大于1，即模式对于极端高温具有较好的模拟性能。对于TNn，模拟与观测的空间相关系数在0.73～0.95，其中有25个模式的空间相关系数均超过0.90，从空间相关系数来看，CMIP6模式对TNn的模拟相对TXx更好;均方根误差在0.30～0.68，标准差之比在0.76～1.06。而不同模式对于TNn的模拟一致性也较TXx更优，表现为在泰勒图中相对应的点更为集中。另外，CMIP6多模式集合结果的模拟效果优于单个模式。
综合TXx和TNn的MR排序结果，图5给出了28个模式和多模式集合结果对亚洲中高纬区极端温度指数气候平均态模拟能力的综合排名。可见，NorESM2-LM模式对该区域极端高温的模拟性能最好，NorESM2-MM模式对极端低温的模拟最优，而多模式集合优于大部分模式结果。 2.1.2 趋势变化
图6进一步给出了观测和模式模擬的1950—2014年亚洲中高纬区区域平均的极端温度指数演变。可见，多模式集合结果均能较好再现亚洲中高纬区极端高温和极端低温的显著增加趋势，但模式模拟的极端温度指数年际变率明显小于观测结果。对于单个模式来说，几乎所有模式都能合理再现亚洲中高纬区TXx和TNn的增温趋势;对于TXx，BCC-CSM-MR（0.29 ℃/（10 a））模式模拟结果与观测最为接近;对于TNn，ACCESS-CM2（0.30 ℃/（10 a））、MPI-ESM1-2-LR（0.30 ℃/（10 a））和MRI-ESM2-0（0.32 ℃/（10 a））模式模拟结果与观测最为接近。
同样利用相关系数、均方根误差和标准差之比计算综合评级指标（图略），可以看到对亚洲中高纬区极端温度线性趋势变化模拟较好的前5个模式分别为EC-Earth3、AWI-CM-1-1-MR、MIROC6、NESM3和INM-CM5-0。其中NESM3模式在气候平均态和线性趋势的模拟中均位于前5位，模拟能力相对较好。相比于气候平均态模拟的排序结果，CMIP6模式对于极端温度指数线性趋势的模拟能力相对较弱。
2.2 亚洲中高纬区极端温度的未来变化预估
CMIP6模式对亚洲中高纬区的极端温度变化具有较好的模拟能力，在此基础上，开展其未来变化预估研究。选取前面提及的28个模式中未来4种排放情景（SSP1-2.6，SSP2-4.5，SSP3-7.0，SSP5-8.5）均有数据的19个模式进行进一步研究，其中21世纪近期定义为2021—2040年、中期为2041—2060年、末期为2081—2100年。
图7给出了CMIP6多模式集合预估的未来百年亚洲中高纬区极端温度指数的演变趋势。可以看到，在未来不同排放情景下，TXx、TNn两个极端温度指数均表现出显著增温趋势，其中TNn增温更加明显（图7）。在2040年之前，4种情景的增温趋势基本一致，此后排放情景不同，增温趋势的表现不同，SSP1-2.6和SSP2-4.5两种情景下的增温趋势趋于缓和，而SSP3-7.0和SSP5-8.5情景下，TXx、TNn在21世纪持续增温且增温幅度较大，SSP5-8.5情景下增温幅度最大。
图8和图9分别给出了多模式集合预估的TXx和TNn在未来不同时期相对于当前时段（1995—2014年）的变化。可以看到，在不同情景下，极端高温和低温在全区内均呈现为一致的增加趋势，增温幅度在高排放情景下明显高于低排放情景，且TNn的增温幅度相比TXx更大。在SSP1-2.6和SSP2-4.5情景下，极端高温的增温趋势随时间有所减小。在SSP3-7.0和SSP5-8.5排放情景下，增温速率随时间增大。TNn的增温幅度在空间上表现为北部大南部小的分布特征。总体来说，TXx和TNn在21世纪普遍表现为增温趋势，其中TNn的增幅大于TXx，且南北梯度更大。多模式集合定量估算结果指出，到了21世纪末期，在SSP1-2.6情景下，亚洲中高纬区极端高温TXx相对当前气候增加约2.3 ℃（1.8～3.8 ℃），TNn增加约2.5 ℃（0.5～4.8 ℃）;在SSP5-8.5情景下，极端高温TXx相对当前气候增加约7.0 ℃（5.8～8.5 ℃），TNn增加约9.6 ℃（7.2～12.6 ℃）。
前面给出了亚洲中高纬区未来极端温度变化的预估结果，下面进一步利用信噪比来表征未来预估结果的可靠性。在未来不同时期，高排放情景下的信噪比一般要大于低排放情景，对于TXx和TNn均是如此（图10、11），这与极端温度的相对变化空间分布特征类似（图8、9），这也说明了未来增温主要受排放的影响，排放越多，增温越显著，信噪比越大，可信度越高。进一步比较发现不同排放情景下，信噪比随时间推移呈增大趋势。
TXx变化对应的信噪比在空间上表现为自南向北递减的分布特征，其中信噪比的高值中心主要位于哈萨克斯坦和蒙古地区（图10）。未来TNn变化的信噪比空间分布与TXx有所不同（图11），在4种排放情景下，近期亚洲中高纬区内信噪比普遍小于1，表明模式集合预估的TNn变化信号小于模式间离差反映的噪音，预估结果可信度低。到了中期和末期，信噪比明显增加，但在空间上呈现为自北向南递减的分布特征，即高纬地区的增温趋势可信度比中纬度地区要高。
可见，随着未来持续增暖，亚洲中高纬区极端温度变化更为显著，极端高温和极端低温均呈现出显著的增温趋势，从而导致极端暖事件发生频率增加，冷事件减少。
3 结论
本文基于观测的亚洲中高纬区逐日最高、最低气温和CMIP6计划中28个全球气候模式资料，系统评估了CMIP6模式对亚洲中高纬区极端温度（最高温TXx和最低温TNn）变化的模拟能力;在此基础上，对该地区极端温度指数的未来演变趋势进行了科学预估。主要结论如下：
1）CMIP6模式及多模式集合结果均能合理再现亚洲中高纬区最高温和最低温自南向北、自西到东减小的空间分布特征，但在青藏高原北部地区均存在明显冷偏差。CMIP6多模式集合对TNn气候平均态的模拟要优于TXx的结果，且CMIP6模式对TNn模拟的一致性也高于TXx。此外，CMIP6大部分模式及多模式集合结果也能较好地模拟出亚洲中高纬区极端温度指数的线性趋势变化，但对于TXx的模拟更佳。相比于气候平均态，模式对趋势的模拟能力相对较差。
2）未来预估结果指出，TXx和TNn在未来百年均表现出显著增温趋势，其中TNn增温趋势更明显，且具有更明显的空间差异性，即TNn增温幅度的南北梯度更大。不同排放情景下增温趋势也有所不同。在SSP1-2.6和SSP2-4.5情景下，初期增温趋势明显，中期和末期增温减缓。但在SSP3-7.0和SSP5-8.5情景下，极端高温和极端低温均持续增加，其中SSP5-8.5情景下增温趋势最大。到了21世纪末期，在SSP5-8.5情景下，亚洲中高纬地区极端高温相对当前气候增加约7.0 ℃，而极端低温增加更为显著，约为9.6 ℃。 参考文献（References）
Chen H P，Sun J Q，2015.Assessing model performance of climate extremes in China：an intercomparison between CMIP5 and CMIP3[J].Climate Chang，129（1/2）：197-211.doi：10.1007/s10584-014-1319-5.
Chen H P，Sun J Q，Lin W Q，et al.，2020.Comparison of CMIP6 and CMIP5 models in simulating climate extremes[J].Sci Bull，65（17）：1415-1418.doi：10.1016/j.scib.2020.05.015.
丁一匯，王会军，2016.近百年中国气候变化科学问题的新认识[J].科学通报，61（10）：1027-1041. Ding Y H，Wang H J，2016.Newly acquired knowledge on the scientific issues related to climate change over the recent 100 years in China[J].Chin Sci Bull，61（10）：1027-1041.doi：10.1360/N972015-00638.（in Chinese）.
Eyring V，Bony S，Meehl G A，et al.，2016.Overview of the Coupled Model Intercomparison Project Phase 6 （CMIP6） experimental design and organization[J].Geosci Model Dev，9（5）：1937-1958.doi：10.5194/gmd-9-1937-2016.
Fan X W，Miao C Y，Duan Q Y，et al.，2020.The performance of CMIP6 versus CMIP5 in simulating temperature extremes over the global land surface[J].J Geophys Res：Atmos，125（18）：e2020JD033031.doi：10.1029/2020JD033031.
Huang J Y，Liu Y，Ma L，et al.，2013.Methodology for the assessment and classification of regional vulnerability to natural hazards in China：the application of a DEA model[J].Nat Hazards，65（1）：115-134.doi：10.1007/s11069-012-0348-5.
IPCC，2013.Climate change 2013：the physical science basis[M].Cambridge：Cambridge University Press：1535.
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）.
蒋帅，江志红，李伟，等，2017.CMIP5模式对中国极端气温及其变化趋势的模拟评估[J].气候变化研究进展，13（1）：11-24. Jiang S，Jiang Z H，Li W，et al.，2017.Evaluation of the extreme temperature and its trend in China simulated by CMIP5 models[J].Clim Chang Res，13（1）：11-24.doi：10.12006/j.issn.1673-1719.2016.053.（in Chinese）.
Katz R W，Brown B G，1992.Extreme events in a changing climate：variability is more important than averages[J].Climate Change，21（3）：289-302.doi：10.1007/BF00139728.
Kim Y H，Min S K，Zhang X B，et al.，2020.Evaluation of the CMIP6 multi-model ensemble for climate extreme indices[J].Weather Clim Extrem，29：100269.doi：10.1016/j.wace.2020.100269.
Kharin V V，Zwiers F W，Zhang X，et al.，2013.Changes in temperature and precipitation extremes in the CMIP5 ensemble[J].Climate Change，119（2）：345-357.doi：10.1007/s10584-013-0705-8. Kumar D，Kodra E，Ganguly A R，2014.Regional and seasonal intercomparison of CMIP3 and CMIP5 climate model ensembles for temperature and precipitation[J].Clim Dyn，43（9/10）：2491-2518.doi：10.1007/s00382-014-2070-3.
Lee Y，Paek J，Park J S，et al.，2020.Changes in temperature and rainfall extremes across East Asia in the CMIP5 ensemble[J].Theor Appl Climatol，141（1/2）：143-155.doi：10.1007/s00704-020-03180-w.
Lin W Q，Chen H P，2020.Assessment of model performance of precipitation extremes over the mid-high latitude areas of Northern Hemisphere：from CMIP5 to CMIP6[J].Atmos Ocean Sci Lett，13（6）：598-603.doi：10.1080/16742834.2020.1820303.
Luo N，Guo Y，Gao Z B，et al.，2020.Assessment of CMIP6 and CMIP5 model performance for extreme temperature in China[J].Atmos Ocean Sci Lett，13（6）：589-597.doi：10.1080/16742834.2020.1808430.
Menne M J，Durre I，Vose R S，et al.，2012.An overview of the global historical climatology network-daily database[J].J Atmos Ocean Technol，29（7）：897-910.doi：10.1175/jtech-d-11-00103.1.
ONeill B C，Tebaldi C，Vuuren D，et al.，2016.The Scenario Model Intercomparison Project （ScenarioMIP） for CMIP6[J].Geoscientific Model Development，9：3461-3482.
Pérez J，Correa-Araneda F，Lépez-Rojo N，et al.，2021.Extreme temperature events alter stream ecosystem functioning[J].Ecol Indic，121：106984.doi：10.1016/j.ecolind.2020.106984.
Riahi K，van Vuuren D P，Kriegler E，et al.，2017.The Shared socioeconomic pathways and their energy，land use，and greenhouse gas emissions implications：an overview[J].Glob Environ Chang，42：153-168.doi：10.1016/j.gloenvcha.2016.05.009.
Schuenemann K C，Cassano J J，2009.Changes in synoptic weather patterns and Greenland precipitation in the 20th and 21st centuries：1.evaluation of late 20th century simulations from IPCC models[J].J Geophys Res：Atmos，114（D20）：D20113.doi：10.1029/2009JD011705.
Song S，Li F D，Lu Y L，et al.，2018.Spatio-temporal characteristics of the extreme climate events and their potential effects on crop yield in Ethiopia[J].J Resour Ecol，9（3）：290-301.
Sun C，Xiao Z N，Sun J Q，et al.，2020.Projection of temperature change and extreme temperature events in the Lancang-Mekong River basin[J].Atmos Ocean Sci Lett，13（1）：16-25.doi：10.1080/16742834.2020.1696143.
Sun Q H，Miao C Y，Duan Q Y，2015.Comparative analysis of CMIP3 and CMIP5 global climate models for simulating the daily mean，maximum，and minimum temperatures and daily precipitation over China[J].J Geophys Res：Atmos，120（10）：4806-4824.doi：10.1002/2014JD022994. Taylor K E，2001.Summarizing multiple aspects of model performance in a single diagram[J].J Geophys Res：Atmos，106（D7）：7183-7192.doi：10.1029/2000JD900719.
Tian D，Guo Y，Dong W J，2015.Future changes and uncertainties in temperature and precipitation over China based on CMIP5 models[J].Adv Atmos Sci，32（4）：487-496.doi：10.1007/s00376-014-4102-7.
van Vuuren D P，Riahi K，Moss R，et al.，2012.A proposal for a new scenario framework to support research and assessment in different climate research communities[J].Glob Environ Chang，22（1）：21-35.doi：10.1016/j.gloenvcha.2011.08.002.
王会军，王涛，姜大膀，等，2009.我国气候变化将比模式预期的小吗？[J].第四纪研究，29（6）：1011-1014. Wang H J，Wang T，Jiang D B，et al.，2009.Will the climate change smaller than the projection？[J].Quat Sci，29（6）：1011-1014.doi：10.3969/j.issn.1001-7410.2009.06.01.（in Chinese）.
王会军，唐国利，陈海山，等，2020.“一带一路”区域气候变化事实、影响及可能风险[J].大气科学学报，43（1）：1-9. Wang H J，Tang G L，Chen H S，et al.，2020.The Belt and Road region climate change：facts，impacts and possible risks[J].Trans Atmos Sci，43（1）：1-9.doi：10.13878/j.cnki.dqkxxb.20191110003.（in Chinese）.
向竣文，张利平，邓瑶，等，2021.基于CMIP6的中国主要地区极端气温/降水模拟能力评估及未来情景预估[J].武汉大学学报（工学版），54（1）：46-57，81. Xiang J W，Zhang L P，Deng Y，et al.，2021.Projection and evaluation of extreme temperature and precipitation in major regions of China by CMIP6 models[J].Eng J Wuhan Univ，54（1）：46-57，81.doi：10.14188/j.1671-8844.2021-01-007.（in Chinese）.
Xu K，Lu R Y，Mao J Y，et al.，2019.Circulation anomalies in the mid-high latitudes responsible for the extremely hot summer of 2018 over northeast Asia[J].Atmos Ocean Sci Lett，12（4）：231-237.
徐蓉蓉，梁信忠，段明铿，2021.CWRF对青藏高原气温和降水模拟效果的综合评估[J].大气科学学报，44（1）：104-117. Xu R R，Liang X Z，Duan M K，2021.Evaluation of CWRF simulation of temperature and precipitation on the Qinghai-Tibet Plateau[J].Trans Atmos Sci，44（1）：104-117.doi：10.13878/j.cnki.dqkxxb.20201103001.（in Chinese）.
Ying H，Zhang H Y，Sun Y，et al.，2020.CMIP5-based spatiotemporal changes of extreme temperature events during 2021—2100 in mainland China[J].Sustainability，12（11）：4418.doi：10.3390/su12114418.
于恩涛，孙建奇，2019.基于多区域模式集合的中国西部干旱区极端温度未来预估[J].大气科学学报，42（1）：46-57. Yu E T，Sun J Q，2019.Extreme temperature projection over northwestern China based on multiple regional climate models[J].Trans Atmos Sci，42（1）：46-57.doi：10.13878/j.cnki.dqkxxb.20181109001.（in Chinese）.
詹明月，王國杰，陆姣，等，2020.基于CMIP6多模式的长江流域蒸散发预估及影响因素[J].大气科学学报，43（6）：1115-1126. Zhan M Y，Wang G J，Lu J，et al.，2020.Projected evapotranspiration and the influencing factors in the Yangtze River Basin based on CMIP6 models[J].Trans Atmos Sci，43（6）：1115-1126.doi：10.13878/j.cnki.dqkxxb.20200927002.（in Chinese）. 张晋韬，王芳，2020.《巴黎协定》排放情景下中亚地区极端温度变化响应[J].自然灾害学报，29（3）：119-128. Zhang J T，Wang F，2020.Extreme temperature change in central Asia in responses to national-committed emission reductions under the Paris Agreement[J].J Nat Disasters，29（3）：119-128.doi：10.13577/j.jnd.2020.0313.（in Chinese）.
张丽霞，陈晓龙，辛晓歌，2019.CMIP6情景模式比较计划（ScenarioMIP）概况与评述[J].气候变化研究进展，15（5）：519-525. Zhang L X，Chen X L，Xin X G，2019.Short commentary on CMIP6 scenario model intercomparison project（ScenarioMIP）[J].Clim Chang Res，15（5）：519-525.（in Chinese）.
Zhang M，Yu H P，King A D，et al.，2020.Greater probability of extreme precipitation under 1.5 ℃ and 2 ℃ warming limits over East-Central Asia[J].Clim Chang，162（2）：603-619.doi：10.1007/s10584-020-02725-2.
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 Chang，2（6）：851-870.doi：10.1002/wcc.147.
中国气象局气候变化中心，2020.中国气候变化蓝皮书（2020）[R].北京：科学出版社. CMA，2020.Blue book on climate change in China （2020）[R].Beijing：Science Press.（in Chinese）.
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）.
Assessment and projection of changes in temperature extremes over the mid-high latitudes of Asia based on CMIP6 models
JIANG Wenhao1，CHEN Huopo2
1Key Laboratory of Meteorological Disaster，Ministry of Education （KLME）/Joint International Research Laboratory of Climate and Environment Change （ILCEC）/Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters （CIC-FEMD），Nanjing University of Information Science & Technology，Nanjing 210044，China;
2Nansen-Zhu International Research Centre，Institute of Atmospheric Physics，Chinese Academy of Sciences，Beijing 100029，China
In this study，the performance of Coupled Model Intercomparison Project Phase 6 （CMIP6） models in simulating the temperature extremes，including the annual maximum of daily maximum temperature （TXx） and annual minimum of daily minimum temperature （TNn） over the mid-high latitudes of Asia are comprehensively assessed，as are their future changes.The main findings are as follows：1） The observed spatial distributions of extreme temperatures that decreases from south to north and west to east over the mid-high latitude of Asia are reasonably reproduced by most CMIP6 models，but the cold bias is still obvious over the Tibetan Plateau.Additionally，the higher skill is generally observed for the climate mean simulation of TNn rather than TXx，while a relatively higher skill is for the TXx of the trend simulation.The multimodel ensemble mean （MME） generally outperforms the individual models.2） The results of future projection indicate that both TXx and TNn show a significant increasing trend in the 21st century，but the increase in magnitude of TNn is shown to be much greater than that of TXx.Under the SSP5-8.5 scenario，both TXx and TNn are projected to increase by approximately 7.0 ℃ and 9.6 ℃ by the end of the 21st century，with respect to the current state （1995—2014）.The projection uncertainty is estimated to increase with time and scenarios，and the increase of TXx shows a higher model agreement.
temperature extremes;CMIP6;the mid-high latitudes of Asia;assessment;projection
doi：10.13878/j.cnki.dqkxxb.20210203001
（責任编辑：刘菲）