在人类活动排放的温室气体继续增加的背景下, 全球平均地表气温在2015年已超过1 ℃^[1]。为有效控制温室气体排放, 满足《联合国气候变化框架公约》要求的“ 将大气温室气体浓度稳定在防止气候系统受到危险的人为干扰的水平之下” , 2015年的《巴黎协定》将“ 2 ℃温升目标” 正式纳入大会成果, 并提出要“ 力争把温升控制在较工业化前上升1.5 ℃以内” ^[2]。在此背景下, 1.5 ℃阈值下的气候变化及其影响受到人们越来越多的关注。当前, 政府间气候变化专门委员会(IPCC)正在组织编写1.5 ℃温升阈值气候影响的特别评估报告, 计划于2018年出版。在1.5 ℃温升阈值下, 全球气温较之2007— 2016年将增暖0.5 ℃。全球平均温度继续升高0.5 ℃, 不同地区温度会变化多少是亟待科学界回答的问题。

研究未来温度变化多依赖于气候模式。模式虽可预估不同情景下气温的演变, 给出1.5 ℃阈值下温度变化的空间分布, 但是气候模式并不完全等同于真实的气候系统, 其模拟的温度变化的空间型, 即局地气候变化特征, 与观测相比存在偏差^[3]。另外, 每个模式的气候敏感度不同, 即单位辐射强迫下升温的幅度不同, 使得模式模拟的温度变化不确定性较大^[4]。因此, 能否从观测的温度资料本身出发, 给出全球平均温度继续升高0.5 ℃、达到1.5 ℃阈值时的预估结果呢?

1990年Santer等^[5]发现模式在CO₂强迫下, 地表温度变化的空间分布在气候变化过程中比较稳定, 其时间演变可以用全球平均温度来表示, 因而可以将此空间分布型看作温度变化的主导模态, 称为“ 标度型(Scaling pattern)” ^[6]。利用标度型, 结合全球平均温度的变化, 便可得出各区域温度的变化, 即为“ 空间型标度(Pattern scaling)” 法。这个方法在气候预估中有很大的优势。若知道了温度或降水与全球平均温度有关的标度型, 那么只要预估全球平均温度的变化即可得出未来温度或降水在区域上的变化特征。在成千上万种预估情景下, 空间型标度法可以方便快捷地给出预估结果而不必耗费大量成本运行复杂的气候模式^[7]。大量研究表明, 空间型标度法在温度的预估方面比降水更有优势^{[6, 8~10]}。空间型标度法已经被应用于未来增暖的预估, 但到目前为止, 尚未见用于1.5 ℃温升阈值的工作。本文的目的之一, 是基于观测的温度资料, 利用空间型标度法预估1.5 ℃温升阈值下温度的变化, 同时, 通过与第五次耦合模式比较计划(CMIP5)多模式预估结果的比较, 理解不同预估手段在结果上的差异。空间型标度法并非完美, 它假设标度型在气候变化中是不变的, 并且局地温度的变化与全球平均温度是简单的线性关系, 这可能会给预估结果带来偏差^[7]。因此本文的目的之二, 是寻找合适的订正方法对这2个主要假设进行修正, 以求尽可能减小空间型标度法带来的误差。

采用的空间型标度法可以表示为:

ΔT(s, t)=P(s)×ΔTg(t)(1)

式中:Δ T为随时间t和空间s分布的地表气温的变化, P为不随时间变化的空间标度型, Δ Tg为随时间t变化的全球平均地表气温。这一关系中假设P不随时间变化, 并且每个空间点上气温的变化Δ T均是全球平均气温变化Δ Tg的线性函数。P即为Δ T向Δ Tg线性回归的系数。若上述2个假设成立, 可根据历史观测的温度资料得到与Δ Tg有关的标度型P_o, 再乘以0.5 ℃, 就得到全球温度在未来继续升高0.5 ℃, 达到1.5 ℃阈值时各个区域的温度变化。

研究使用1951— 2005年的HadCRUT4地表气温观测资料^[11]。选取这一时段的原因是数据足够长, 可得到可信的标度型; 空间分布足够广, 能覆盖全球大部分区域; 与模式历史模拟时段一致。HadCRUT4资料有100个集合成员, 反映了资料的系统性误差, 用来评估观测的不确定性。本研究还利用了CMIP5中21个气候模式(表1)在4种典型浓度路径情景下(RCP2.6, RCP4.5, RCP6.0, RCP8.5)预估的地表气温^[12], 模式数据均插值到观测的5° × 5° 的网格上。使用模式结果有2个目的, 一是针对空间型标度法的2个假设对方法进行订正, 二是与基于观测的空间型标度法预估结果进行对比。

由于空间型标度法的2个假设可能并不完全成立, 即未来的标度型P_f可能发生变化, 需要对观测中的标度型P_o进行订正, 并且需要考虑非线性因素对最终结果的影响。订正方法如下:

(1)未来标度型订正

P_m1为模式历史时期(1951— 2005年)与全球平均温度有关的标度型, P_m2为模式未来预估时期(2006— 2099年)的标度型。利用21个模式, 建立模式间P_m1与P_m2-P_m1的线性回归方程(2), 得到订正系数A和B, 即通过P_m1来估计未来与历史时期标度型的偏差。

Pm2-Pm1≈A×Pm1+B(2)

利用订正系数A和B来订正观测的标度型P_o, 作为预估未来气温变化的标度型P_f:

Pf=Po+A×Po+B(3)

(2)非线性因素订正

使用每个模式预估时期的标度型P_m2结合空间型标度法估算继续升温0.5 ℃时全球温度的分布, 并与模式实际预估1.5 ℃阈值相对于1 ℃时的温度变化进行比较, 得到因线性假设造成预估结果的偏差, 即:

ΔTn=[ΔT(1.5℃)–ΔT(1℃)]-Pm2×0.5℃(4)

将多模式平均的Δ Tn作为非线性因素的影响叠加到基于订正后观测标度型的预估结果中, 最终得到继续升温0.5 ℃时预估的地表温度变化:

ΔT=Pf×0.5℃+ΔTn(5)

由于订正系数A, B以及非线性订正项Δ Tn均与情景有关, 因此可以得到4种预估情景下基于观测标度型的预估结果。

首先对观测的空间型进行订正, 再利用空间型标度法预估全球平均气温继续升高0.5 ℃时的温度变化, 并进行非线性因素的订正, 最后给出4种情景下的预估结果, 并与模式结果进行比较。

3.1 订正观测的标度型

空间型标度法中标度型不变的假设在某些区域并不成立(图1), 从多模式集合平均来看, 模式预估时段与历史时段相比, 全球平均温度每升高1 ℃, 东亚及北太平洋地区、北极地区会有更大升温, 而东欧至中亚、靠近南极大陆的南大洋、靠近格陵兰岛的北大西洋升温幅度变小。4种预估情景中均有一致的标度型变化特征。标度型的变化在模式间也有较大的不确定性, 特别是中高纬度地区(图1等值线)。

利用公式(2)和(3)的方法对模式自身历史时期的标度型进行订正后(图1右列), 可以看出, 多模式集合平均的订正结果与预估期间基本一致, 消除了偏差, 并且模式间的不确定性也大大减小。订正的效果与外强迫的强弱有关, 在RCP8.5中模式间不确定性最小, 订正效果最好(图1h)。4种情景下订正的观测标度型在全球和区域尺度上的差异不大, 也说明了订正方法的稳健性, 因此将此方法用来订正观测标度型是可行的。

表1

Table 1

表1(Table 1)

表1 21个CMIP5模式的基本信息 Table 1 Basic information of 21 CMIP5 models 模式名称 机构/国家 大气分辨率 (纬度× 经度, 层数) 海洋分辨率 (纬度× 经度, 层数) BCC-CSM1-1 BCC-CMA/中国 64 × 128, L26 232 × 360, L40 BCC-CSM1-1-m BCC-CMA/中国 160 × 320, L26 232 × 360, L40 CCSM4 NSF-DOE-NCAR/美国 192 × 288, L27 384 × 320, L60 CESM1-CAM5 NSF-DOE-NCAR/美国 192 × 288, L27 384 × 320, L60 CSIRO-Mk3-6-0 CSIRO-QCCCE/澳大利亚 96 × 192, L18 189 × 192, L31 FGOALS-s2 LASG-IAP/中国 64 × 128, L26 196 × 360, L30 GFDL-CM3 NOAA-GFDL/美国 90 × 144, L48 200 × 360, L50 GFDL-ESM2G NOAA-GFDL/美国 90 × 144, L24 210 × 360, L63 GFDL-ESM2M NOAA-GFDL/美国 90 × 144, L24 200 × 360, L50 GISS-E2-H NASA-GISS/美国 89 × 144, L40 180 × 360, L26 GISS-E2-R NASA-GISS/美国 89 × 144, L40 180 × 288, L32 HadGEM2-AO NIMR-KMA/韩国 144 × 192, L60 216 × 360, L40 HadGEM2-ES MOHC/英国 144 × 192, L38 216 × 360, L40 IPSL-CM5A-LR IPSL/法国 96 × 96, L39 149 × 182, L31 IPSL-CM5A-MR IPSL/法国 143 × 144, L39 149 × 182, L31 MIROC5 MIROC/日本 128 × 256, L40 224 × 256, L50 MIROC-ESM MIROC/日本 64 × 128, L80 192 × 256, L44 MIROC-ESM-CHEM MIROC/日本 64 × 128, L80 192 × 256, L44 MRI-CGCM3 MRI/日本 160 × 320, L48 368 × 360, L51 NorESM1-M NCC-NMI/挪威 96 × 144, L26 384 × 320, L53 NorESM1-ME NCC-NMI/挪威 96 × 144, L26 384 × 320, L53

表1 21个CMIP5模式的基本信息 Table 1 Basic information of 21 CMIP5 models

图2给出了订正后的观测标度型(图2a, c, e, g), 以及与未订正的区别(图2b, d, f, h)。4种情景下的订正结果相近。与未订正相比, 主要差别为北半球中高纬度的纬向三波结构, 其中最明显的是欧亚大陆中部、北美东北部的升温变慢, 而北太平洋、北美东南部、欧洲以北地区的升温变快。订正后, 欧洲中部升温变慢而南部变快; 印度北部和中国南部升温变快。北大西洋出现“ 暖— 冷— 暖” 的三极型结构。东南太平洋靠近赤道的地区升温变慢, 靠近南美沿岸地区升温变快。西南太平洋和西南大西洋的升温变快。订正后的热带大西洋升温在赤道南北两侧变化相反, 北侧变慢而南侧加快。印度洋升温变慢, 但靠近非洲大陆的西印度洋以及阿拉伯海地区升温加快, 在北印度洋呈现“ 西暖东冷” 的偶极型结构。

图1

Fig.1

Figure Option ViewDownloadNew Window

图1 4种预估情景下订正前后CMIP5模式中未来和历史时期地表气温标度型差异的集合平均以及模式的不确定性 (a), (c), (e), (g)为4种情景下预估时段(2006— 2099年)和历史模拟时段(1951— 2005年)的空间标度型之差(即公式(2)中的Pm2-Pm1); 填色为多模式集合平均, 等值线为模式间的标准差; (b), (d), (f), (h)与(a), (c), (e), (g)类似, 为利用公式(2)得到的订正系数A和B根据公式(3)对模式历史时段的标度型进行订正后的结果, 单位为℃/℃Fig.1 CMIP5 model ensemble mean and uncertainty of differences between future and historical scaling pattern of surface air temperature under the four scenarios (a), (c), (e), (g)Uncorrected differences in scaling pattern between projection (2006-2099) and historical (1951-2005) periods(that is Pm2-Pm1 in Equation (2)); Shadings are multi-model ensemble mean and contours the intermodal standard deviation; (b), (d), (f), (h) is the same as (a), (c), (e), (g), but for the corrected results based on Equation (3), units:℃/℃

图2

Fig.2

Figure Option ViewDownloadNew Window

图2 4种预估情景下订正后HadCRUT4资料的标度型及与未订正的差别 (a), (c), (e), (g)根据4种情景下得到的订正系数(公式(2)中A和B), 利用公式(3)对HadCRUT4观测资料1951— 2005 年的空间标度型进行订正的结果; (b), (d), (f), (h) 为订正后与未订正之差, 单位为℃/℃Fig.2 Corrected scaling pattern in HadCRUT4 data and differences from the uncorrected under the four scenarios (a), (c), (e), (g) Corrected scaling pattern in HadCRUT4 data during 1951-2005 using Equation (3) based on the derived parameters A and B in Equation (2) under the four scenarios; (b), (d), (f), (h) Differences between the corrected and uncorrected results, units: ℃/℃

3.2 非线性因素的影响

根据公式(4), 利用模式考察了非线性对空间型标度法预估结果的影响。如图3所示, 非线性因素对北半球中高纬度地区影响最大, 如欧洲和北美, 以及靠近南极大陆的部分地区, 而60° S~30° N所受影响较小。4种情景略有不同, RCP2.6中非线性影响下欧洲的暖异常较小, 而北太平洋的冷异常较大(图3a), RCP4.5中北美地区有显著的暖异常(图3b), RCP8.5中欧亚大陆北部暖异常范围增大, 强度增强(图3d)。

3.3 1.5 ℃温升阈值下区域增暖幅度的最佳估计

结合图2中对观测标度型进行订正的结果以及图3中非线性因素的影响, 利用公式(5)估算了全球平均气温继续升高0.5 ℃后温度变化的空间分布(图4a, c, e, g), 并且给出了全球以及主要区域的升温情况(表2, 图5)。可以看出, 4种情景下的预估结果相似。将结果进行全球平均得到的升温接近0.5 ℃(表2), 加上当前的1 ℃升温, 达到了1.5 ℃阈值的水平, 证明了空间型标度法的订正过程是合理的。

由图4可见, 当全球平均温升达到1.5 ℃阈值的水平时, 较当前升温最显著的区域位于北半球中高纬度陆地, 全球大部分陆地升温在0.6 ℃以上, 北极附近的升温大于1 ℃, 东亚陆地(主要为中国东部地区)升温约0.7 ℃。陆地升温比海洋高约0.3 ℃, 北半球和热带海洋的升温比南半球高约0.2 ℃。北大西洋区域和东南太平洋是2个较明显的升温极小值区域, 可能和局地的深对流以及下层冷水上翻有关, 显示出较强的海洋热吸收特征。南大洋以及两极地区因观测资料缺乏未能给出预估结果。

表2

Table 2

表2(Table 2)

表2 基于订正后HadCRUT4的观测标度型预估的1.5 ℃阈值下全球及区域地表气温相对于当前气候(2007— 2016年, 相对工业革命前升温1 ℃左右)时的变化(单位:℃) Table 2 Projected surface air temperature changes at global and reginal scales at 1.5 ℃ threshold relative to the current 1 ℃ warming (2007-2016, relative to the pre-industrial period) based on corrected scaling pattern in HadCRUT4 RCP2.6 RCP4.5 RCP6.0 RCP8.5 全球 0.47 0.48 0.49 0.49 北半球 0.57 0.58 0.59 0.59 南半球 0.37 0.38 0.39 0.39 海洋 0.40 0.41 0.42 0.42 陆地 0.67 0.69 0.69 0.69 东亚陆地 0.75 0.69 0.71 0.69 中国 0.77 0.71 0.73 0.74 中国北部 0.91 0.76 0.86 0.84 中国中部 0.76 0.66 0.69 0.71 中国南部 0.62 0.59 0.55 0.60 青藏高原 0.69 0.75 0.70 0.72 注:各区域预估的标准差在 0.01℃以内, 因此未在表中给出; 选取东亚陆地的范围为20° ~50° N, 90° ~140° E; 中国区域范围见图6a

表2 基于订正后HadCRUT4的观测标度型预估的1.5 ℃阈值下全球及区域地表气温相对于当前气候(2007— 2016年, 相对工业革命前升温1 ℃左右)时的变化(单位:℃) Table 2 Projected surface air temperature changes at global and reginal scales at 1.5 ℃ threshold relative to the current 1 ℃ warming (2007-2016, relative to the pre-industrial period) based on corrected scaling pattern in HadCRUT4

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 4种预估情景下, 根据公式(4)计算的多模式集合平均的Δ Tn 反映的是非线性因素对空间型标度法结果的影响, 单位为℃Fig.3 Multi-model ensemble mean of Δ Tn based on Equation (4) under the four scenarios Representing the effects of nonlinear factors on the projected results based on pattern scaling method, units: ℃

图4

Fig.4

Figure Option ViewDownloadNew Window

图4 空间型标度法预估的地表气温变化及其与多模式集合平均结果的差异 (a), (c), (e), (g)基于订正的观测标度型预估的4种情景下1.5 ℃阈值相对于当前气候(2007— 2016年, 相对工业革命前升高1 ℃左右) 地表气温的变化, 并依公式(5)进行了非线性因素订正; (b), (d), (f), (h)为左列与模式集合平均的预估结果之差, 单位为℃Fig.4 Projected changes in surface air temperature based on pattern scaling method and the differences from multi-model ensemble mean (a), (c), (e), (g) Projected surface air temperature changes at 1.5 ℃ threshold relative to the current 1 ℃ warming (2007-2016, relative to the pre-industrial period) based on corrected scaling pattern in HadCRUT4 and further correcting the effects of nonlinear factors based on Equation (5); (b), (d), (f), (h) Differences from the projection of multi-model ensemble mean under the four scenarios, units:℃

图5

Fig.5

Figure Option ViewDownloadNew Window

图5 空间型标度法和CMIP5模式预估4种情景下1.5 ℃阈值相对于当前气候(2007— 2016年, 相对工业革命前升高1 ℃左右)北半球、南半球、海洋、陆地和东亚陆地地表气温的变化 对应观测和模拟结果, 分别给出了HadCRUT4资料中100个成员以及21个CMIP5模式结果的± 1标准差范围Fig.5 Projected surface air temperature changes in the Northern Hemisphere, Southern Hemisphere, oceans, land and East Asian land at 1.5 ℃ threshold relative to the current 1 ℃ warming (2007-2016, relative to the pre-industrial period) based on pattern scaling method and CMIP5 models under the four scenarios Bars denote the ± 1 standard errors in observation and models based on 100 members of HadCRUT4 data and twenty-one CMIP5 models, respectively

3.5 中国区域温度变化

图6给出了空间型标度法预估的1.5 ℃阈值时中国区域的温度变化, 并与模式结果进行比较。由于4种情景下升温的空间分布差别很小(图4a, c, e, g), 为简便起见, 在空间型上考察4种情景下的平均结果(图6a)。可见, 随着纬度升高, 中国地区升温逐渐变大(图6a)。中国北部比中部高0.1 ℃以上, 中部比南部高0.1 ℃左右(表2)。青藏高原区域升温0.7 ℃左右, 在除RCP2.6的其他3个情景下与中国区域平均升温接近, 而在RCP2.6中较中国区域平均偏小约0.1℃(表2)。4种情景下, 中国区域平均升温区别不大, 但在各子区域内的升温幅度差异较明显。其中RCP2.6下, 中国北部和中部的升温明显大于其他情景。由于中国北部和中部是化石燃料使用的集中区域, RCP2.6情景中化石燃料的用量快速降低可能导致气溶胶排放减少, 从而造成局地增暖。

图6

Fig.6

Figure Option ViewDownloadNew Window

图6 空间型标度法预估1.5 ℃阈值相对于当前气候(2007— 2016年, 相对工业革命前升高1 ℃左右)中国区域地表气温的变化及与模式预估结果的差别 (a)4种情景下升温空间分布的平均结果; (b)空间型标度法与模式预估结果之差; (c)2种方法预估中国及4个子区域的升温及其不确定性; 4个子区域定义为:北部(NC; 20° ~50° N, 75° ~135° E)、中部(CC; 30° ~40° N, 105° ~120° E)、南部(SC; 20° ~30° N, 100° ~120° E)和 青藏高原地区(TP; 30° ~40° N, 75° ~105° E); 对应观测和模拟结果, 分别给出了HadCRUT4资料中100个成员以及21个CMIP5模式结果的± 1标准差范围Fig.6 Projected surface air temperature changes in the China region at 1.5 ℃ threshold relative to the current 1 ℃ warming (2007-2016, relative to the pre-industrial period) based on pattern scaling method and CMIP5 models and their differences (a)Averaged surface air temperature changes across the four scenarios; (b) Differences between pattern scaling method and CMIP5 model ensemble mean; (c) Comparisons of warming degree and uncertainty in the China region and four sub-regions under the four scenarios between pattern scaling method and model projection. The four sub-regions are defined as below: Northern China (NC; 20° ~50° N, 75° ~135° E), Central China (CC; 30° ~ 40° N, 105° ~120° E ), Southern China (SC; 20° ~30° N, 100° ~120° E) and Tibetan Plateau (TP; 30° ~40° N, 75° ~105° E ). Bars denote the ± 1 standard errors in observation and models based on one hundred members of HadCRUT4 data and twenty-one CMIP5 models, respectively

与模式集合平均结果相比, 基于观测标度型的预估结果在中国大部分地区与其差别在± 0.05 ℃以内, 但在中部和北部的局部地区, 预估的升温相对于模式偏高约0.1 ℃, 青藏高原的局部地区升温则偏小0.15 ℃左右(图6b)。上述差异主要表现在RCP2.6, RCP4.5和RCP6.0中, 而在RCP8.5中2种方法区别不大(图6c)。与全球尺度的预估结果类似, 空间型标度法预估中国及各子区域升温的不确定性远小于模式结果(图6c)。

本文利用空间型标度法, 基于观测的空间型对未来到达1.5 ℃温升阈值时全球地表温度相对于2007— 2016年(相对工业革命前升温1 ℃左右)的变化进行了预估。为了减小空间型标度法的2个假设造成的偏差, 利用CMIP5的21个模式结果的不确定性信息对观测的空间型进行订正, 并且考虑了非线性因素对结果的影响。主要结论总结如下:

(1)未来预估时期温度的空间标度型与历史时期存在差异, 利用模式间的不确定性建立两者的偏差和历史时期标度型的关系, 可以用来订正历史时期的标度型, 能够显著改善未来标度型在中低纬度的偏差。

(2)订正后的观测标度型与未订正相比, 主要表现在欧亚大陆中部升温变慢和北太平洋的升温变快, 位于北半球中高纬度三波结构中。

(3)使用订正的空间型标度法进行预估的结果显示, 全球平均温度继续升高0.5 ℃达到1.5 ℃阈值时, 增暖最大的区域位于北半球中高纬度, 其升温超过0.8 ℃, 大部分陆地升温超过0.6 ℃, 东亚陆地升温约0.7 ℃, 陆地比海洋升温高约0.3 ℃, 北半球比南半球温度高约0.2 ℃。4种预估情景下到达1.5 ℃阈值时气温变化的差异较小。

(4)将空间型标度法的预估结果与传统的多模式结果进行比较, 发现基于观测标度型进行温度预估的不确定性远小于模式预估的不确定性, 但多模式集合平均的结果在大部分地区与基于观测的空间型标度法预估结果一致, 表明多模式集合平均预估的温度具有较高的可信度。

(5)空间型标度法预估中国区域在1.5 ℃阈值时较2007— 2016年升温0.7 ℃以上。由南到北, 升温幅度递增; 中国北部升温比南部偏高约0.1~0.3 ℃。青藏高原升温与中国平均接近, 而在RCP2.6中较中国区域平均偏小0.1 ℃左右。RCP2.6情景下, 中国北部和中部升温明显大于其他情景, 这可能和大强度减排导致气溶胶的快速减少有关。空间型标度法预估中国区域升温的不确定性也远小于模式结果。