2017, Vol. 13 
2. 南京信息工程大学气象灾害预报预警与评估协同创新中心，南京 210044;
3. 中国科学院大气物理研究所气候变化研究中心，北京 100029;
4. 中国科学院大学，北京 100049
2015年12月12日，《联合国气候变化框架公约》（下称《公约》）第21次缔约方大会一致通过了《巴黎协定》这一新协议，将应对气候变化的长期目标从《公约》第二条关于稳定大气温室气体浓度水平的定性表述，以明确的升温阈值写入《巴黎协定》，标志着国际应对气候变化行动进入一个新的阶段。《巴黎协定》指出，全球各国应加强应对气候变化，把全球平均地表温度升高幅度控制在2℃之内（较工业化前水平)，并努力将升温控制在1.5℃以内。
IPCC早在1995年发布的第二次评估报告[1]中就提出，如果全球平均温度较工业革命前增加2℃，则气候变化产生严重影响的风险将显著增加。据此欧盟于1996年首次提出2℃升温阈值的长期目标。之后，科学界针对不同升温阈值下全球气候变化及其影响和风险开展了许多研究。IPCC第五次评估报告[2]最新结论指出：全球升温幅度比工业化前高出1~2℃，对粮食生产、水资源和生态系统等的影响将显著增加，全球所遭受的风险处于中等至高风险水平；而升温达到或超过4℃将处于高或非常高的风险水平。
基于区域和影响相关的气候目标——CO2允许排放量的研究[3]也表明，全球升温控制在2℃的目标无法满足世界上许多区域的要求。例如，对于地中海地区，如果全球平均温度升高2℃，那么该地区的平均温度将升高3.4℃；而如果地中海地区的升温幅度限制在2℃，那么全球的升温幅度必须不超过1.4℃。对于北极，如果全球平均温度升高2℃，该地区的平均温度则升高6℃；如果北极升温幅度控制在2℃，全球的升温幅度则需控制在0.6℃。Schleussner等[4]对比了1.5℃和2℃阈值下气候变化对珊瑚、降水、农业和海平面上升等方面的影响，结果表明两种不同阈值下气候变化对以上四方面的影响存在较大的差别。Mitchell等[5]指出是否把升温目标控制在1.5℃而不是2℃，应基于更充分的科学分析，但目前在这方面开展的研究尚不多。1.5℃阈值下全球特别是区域的气候变化特征到底如何亟需深入研究。
目前，我国在相对于工业革命前升温2~4℃方面开展了一些研究。如姜大膀等[6-7]利用CMIP3模式试验结果的分析表明，在2℃变暖阈值下，中国地区的升温幅度更大且升温由南向北增强，冬季的升温幅度大于其他季节的升温幅度。郎咸梅等[8]进一步利用CMIP3模拟结果驱动区域气候模式，研究了全球变暖2℃阈值下中国平均气候和极端气候事件变化。同样揭示中国增温由南向北加强，且年平均温度上升幅度高于同期全球平均值约0.6℃。此外，极端暖事件普遍增加，而极端冷事件减少，极端强降水事件增加，但存在较大的空间变率。利用CMIP5模式的模拟结果，Zhang[9]和张莉等[10]分析了2℃阈值下全球和中国地区的气温变化情况；陈晓晨等[11]研究了在2℃、3℃和4℃不同升温阈值时中国区域27个极端气候指数的变化；Guo等[12-13]分析了在1.5~5℃阈值下中国地区极端降水和热浪的变化特征。
上述研究主要集中于2~4℃升温阈值，对1.5℃升温阈值研究较少。而且，研究的区域仅限于中国，对整个亚洲区域未来的气候变化涉及不多。因此，本文将基于CMIP5全球气候模式模拟结果，探讨1.5~4℃升温阈值下亚洲地区未来气候的可能变化，以期为认识不同阈值下亚洲区域气候变化特征提供科学支撑。
1 数据与方法本文使用的数据为18个CMIP5全球气候模式针对历史和未来时段的模拟结果。这些模式均包含了1861—2100年和3个RCP情景（RCP2.6，RCP4.5，RCP8.5）[14]的模拟。模式基本信息见表 1。为便于分析，所有模式结果统一插值到1º×1º的格点上。
研究的区域为整个亚洲（ASIA)。为更详细地了解亚洲不同区域对全球升温阈值的响应，按照IPCC[15]的区划，将其分为中亚（CAS)、北亚（NAS)、东亚（EAS)、西亚（WAS)、南亚（SAS）和东南亚（SEAS）6个子区域。
|
表 1 18个CMIP5全球气候模式基本信息 Table 1 Basic information of 18 GCMs in CMIP5 |
文中分析的不同升温阈值均是相对于工业化前的全球气候状况。研究选取1861—1900年作为参考时段代表工业化前的气候状况，来计算达到不同升温阈值的时间。表 2列出了不同RCP情景下全球平均增温幅度达到1.5℃、2℃、3℃和4℃阈值的时间。在3种RCP情景下达到不同升温阈值时的模式个数（不区分情景，共计54个样本）分别为：1.5℃时41个，2℃时33个，3℃时20个，4℃时11个。
|
|
表 2 多模式集合平均中全球平均地表温度相对于工业化时期达到不同升温阈值的时间 Table 2 Time period for the warming in global surface temperature relative to preindustrial era reaching the threshold as indicated by the multimodel ensemble simulation |
本文所用极端事件指数为国际上通用的极端气候指数，包括：极端高温（TXx)、极端低温（TNn)、5日最大降水量（RX5day）和强降水量（R95p)，具体定义见表 3。采用Hansen等[16]的方法来定义平均气候和极端气候的变化：以平均温度为例，当某个时段相对于参考时期平均气候的距平值在±0.43倍标准差（s）之间时，为正常；> 0.43s（ < -0.43s）认为是较热的天气（冷的天气)；> 1s ( < -1s)被定义为是一个非常热（非常冷）的天气；> 3s（ < -3s）为极热或极冷的天气。
|
|
表 3 极端温度与降水指数定义 Table 3 Definition for temperature and precipitation extreme indices |
图 1为不同升温阈值下亚洲及其6个子区域的温度和降水变化。由图 1(a)可见，在1.5℃、2℃、3℃和4℃升温阈值下，整个亚洲地区的平均温度相对工业化前分别升高2.3℃、3.0℃、4.6℃和6.0℃，均高于全球平均水平。这种升温具有全区一致性，其中，北亚升温幅度最大，东南亚升温幅度最小。在1.5℃阈值时，北亚升温幅度为2.7℃；东南亚升温幅度略高于全球平均。在4℃阈值时，北亚的升温幅度达到7.0℃；东南亚的升温幅度为4.4℃。总体来说，全球平均温度升温阈值越高，整个亚洲地区的增暖幅度越大，且高纬度地区对全球变暖的响应要强于中低纬地区。从黑线表示的不确定范围来看，北亚地区各个模式和情景间的差别最大。
|
注：图中黑线表示模式和不同温室气体排放情景间不确定范围，黑色圆点表示中值，黑色短横线分别表示最大和最小值。 图 1 不同升温阈值下亚洲及其分区的温度和降水变化（相对于1861—1900年） Figure 1 Changes of temperature and precipitation (relative to 1861-1900) over Asia and its subregions under different thresholds of the warming in global surface temperature |
对平均降水而言（图 1b)，在1.5℃、2℃、3℃和4℃升温阈值下，整个亚洲区域相比工业化前分别增加4.4%、5.8%、10.2%和13.0%，具有明显的区域性特征。当全球平均温度升高1.5℃时，北亚降水增加最明显（9%)，其次是中亚（5%)、南亚（4%）和东亚（3%)，而西亚和东南亚的降水变化较小，分别为0.1%和0.2%。在2℃升温阈值下，北亚、南亚、东亚和中亚的降水将明显增加，增加幅度分别为12%、7%、4%、4%，而东南亚的降水变化不明显，仅为1%，西亚区域甚至减少3.2%。在4℃升温阈值下，亚洲及其6个子区域的降水均将增多。总而言之，随着升温阈值的升高，亚洲区域的平均降水总体将会增加，但存在不同的区域特征，降水增加主要出现在北亚和中亚，西亚地区的降水平均虽然变化不大，但在模式和情景间的差别最大。
2.2 不同升温阈值下亚洲极端温度和降水变化图 2为1.5℃、2℃、3℃和4℃阈值下，亚洲6个子区域极端高温（TXx）和极端低温（TNn）变化的概率密度分布。与参考时段（1861—1900年）相比，全球平均温度升高1.5~4℃时，亚洲不同区域的TXx概率密度曲线均向右移动，表明随着全球变暖加剧，TXx的平均值都将增大，较热天气出现的概率将增加，极热天气将会更频繁地发生。尤其在西亚地区，TXx的平均值增加最明显，将给本就高温干旱的西亚带来更严重的影响。此外，西亚、东亚、南亚和东南亚等区域的曲线形状变得更宽，揭示TXx的标准差变大，亦即TXx的变化幅度加大，尤其是在东南亚（尽管该区域平均温度的增幅相对较小)，出现破纪录天气的概率将会大大增加；对比亚洲不同地区极端高温的变化，处于高纬度地区的北亚和中亚，概率密度曲线的形状与其他地区相比更陡峭，说明这两个地区TXx的升高趋势更为稳定和集中（标准差小)。从多模式模拟的不同升温幅度的不确定范围（阴影区域）来看，升温阈值越高时，不确定性也越大（图 2a)，这与以往的结论[17]相一致。
|
注：概率密度分布指温度距平除以标准差，相对于1861—1900年；阴影区为不确定范围，由于不同升温阈值的变化值差别较小，其他的曲线被覆盖在紫色的4℃升温阈值下；图例中升温阈值括号内的值为样本数，下同。 图 2 亚洲区域极端高温（TXx, a）和极端低温（TNn, b）变化的概率密度分布 Figure 2 Probability density distribution of extreme high temperature (TXx, a) and extreme low temperature (TNn, b) over Asia (Anomaly divided by standard deviation, relative to 1861−1900, the uncertainty range is shaded. Different threshold changes is smaller, the other curve is covered in the purple 4℃ temperature threshold) |
TNn的变化情况（图 2b）基本与TXx类似。与参考时段（1861—1900年）相比，不同升温阈值下，TNn的概率分布曲线也呈现出向右移动，表明TNn的平均值将升高，较冷气候出现的概率将减少。同样，对比不同地区，亚洲北部地区概率曲线的形状比较窄，表明TNn将会稳定上升，低温事件将减少，东南亚的概率密度曲线形状与其他地区相比更为宽泛，说明这个地区TNn的变化幅度更大。
对比TXx和TNn，还可以发现在西亚地区，TXx比TNn向右偏移更明显，说明该地区未来发生极热天气的概率更大。另外，相比TXx而言，CMIP5模式预估的TNn在1.5~4℃升温阈值下的变化更为一致，也就是说，对TNn预估的不确定性比对TXx预估的不确定性要小。
图 3给出了1.5℃、2℃、3℃和4℃阈值下极端降水指数的概率分布。对于5日最大降水量（RX5day）（图 3a)，概率分布曲线除在北亚向右偏移外（表明RX5day增加)，在其他5个区域变化不大，但变幅均增加，意味着这些地区的极端降水量的变率会加大。1.5℃升温阈值下的情况与其他升温阈值下的结果差别不明显，只是随着升温阈值的升高，不确定性逐渐增大。强降水量（R95p）的变化（图 3b）显示，不同升温阈值下亚洲6个分区均呈现强降水量变幅增大，也就是说，未来亚洲地区降水的极端性将增强，出现强降水的概率将加大。总之，未来随着全球变暖，亚洲地区在极端降水过程的总量（RX5day）有所增加的同时，极端强降水（R95p）事件所产生的概率也将增多。
|
图 3 同图 2，但为5日最大降水量（RX5day, a）和强降水量（R95p, b） Figure 3 Same as in Fig. 2, but for (RX5day, a) and (R95p, b) |
如前文所述，目前对于1.5℃升温阈值的情况更为关注。为此，我们给出了1.5℃和2℃阈值下亚洲平均温度和降水变化的空间差异（图 4)。全球升温1.5℃背景下，相比2℃升温阈值，整个亚洲区域的升温幅度都降低。亚洲区域平均的温度偏低0.7℃。其中，北亚最明显，降低幅度达1℃以上；降低最小的位于南亚和东南亚，降低幅度为0.5℃左右。对于降水，亚洲大部分地区的增幅会减少5%~20%，尤其是处于高纬度地区的北亚和中亚地区。但西亚地区和南亚西部的增幅会增加10%~15%。总体来看，亚洲区域平均的降水在全球变暖1.5℃时的增加量要比2℃时减少1.5%。
|
注：图中黑色圆点表示通过95%的信度检验。 图 4 1.5℃和2℃升温阈值下平均温度(a)和平均降水(b)变化的差值分布（1.5℃减2℃） Figure 4 Difference of temperature (a) and precipitation (b) between 2℃ and 1.5℃ thresholds (Black dots are expressed by 95% confidence test) |
图 5显示了极端温度和极端降水在1.5℃和2℃阈值下的差别。与2℃升温阈值相比，1.5℃阈值下亚洲大部分区域的TXx升温幅度降低0.6℃以上，尤其在北亚和中亚地区（图 5a)；TNn增温幅度的降低相比TXx更为明显，中亚、北亚和东亚西部地区增温幅度降低达到1.6℃以上（图 5b)。对比TXx和TNn在1.5℃和2℃时的升温情况还可看出，亚洲区域TXx升温幅度的降低是均匀分布的，而TNn升温幅度则是在亚洲中高纬地区减小更明显，尤其是中亚地区，而在低纬度地区差别较小。
|
图 5 1.5℃和2℃升温阈值下极端温度和极端降水变化的差值分布（1.5℃减2℃） Figure 5 Same as in Fig. 4, but for TXx (a), TNn (b), RX5day (c) and R95p (d) |
对于极端降水变化，相比2℃，全球平均温度升高1.5℃时，亚洲大部分区域RX5day的增加都呈减弱趋势，尤其是在东南亚地区（10 mm左右），只有在西亚部分地区会加强（图 5c）；R95p的减弱在东南亚表现得更为明显，可达50 mm以上，但在西亚地区则为增加的趋势（图 5d)。
为进一步考查1.5℃和2℃阈值下亚洲地区极端温度和极端降水的变化，表 4给出了亚洲6个分区极端温度和极端降水变化的绝对值 > 1σ和 > 3σ的概率。可见，在参考时期（1861—1900年)，亚洲6个分区发生非常热（ > 1σ）和非常冷（ < 1σ）天气的概率为20%~40%。到全球升温1.5℃和2℃时，非常热天气发生的概率将达到50%~80%，相比基准期增加至少1倍，这种增加在东南亚和西亚最明显；同时，出现非常冷天气的概率降到10%~20%，比基准期降低1~2倍。在基准期发生极热或者极冷天气（ > 3σ或者 < -3σ）的概率为0。如果全球升温1.5℃，亚洲区域发生极热天气的概率普遍将会增加10%，东南亚和西亚将会达到20%，升温2℃时，西亚地区发生极热天气的概率将会比升温1.5℃时又增加10%。同时亚洲区域发生极冷天气的概率变为0。
|
|
表 4 1.5℃和2℃升温阈值下极端温度与极端降水概率 Table 4 Probability of temperature and precipitation extremes under 1.5℃ and 2℃thresholds |
对于极端降水，在全球升温1.5℃和2℃时，亚洲除北亚外的5个分区出现RX5day > 1σ的概率均比基准期增加10%，但 > 3σ的概率在1.5℃阈值下只发生在北亚和东亚；在2℃阈值下只出现在北亚和中亚，其他地区无变化；对于R95p，1.5℃和2℃时超过1σ的情况在6个分区的概率相同，并比基准期增加10%以上；超过3σ发生极端强降水的概率在所有区域中将增加10%。
3 结论与讨论基于18个CMIP5模式的模拟结果，综合分析了1.5~4℃升温阈值下亚洲地区平均温度和降水及极端温度和降水的变化，并着重对比了1.5℃与2℃升温阈值时的异同，所得结果如下。
(1) 1.5℃、2℃、3℃和4℃升温阈值背景下，相对工业化前，亚洲区域平均温度分别增暖2.3℃、3.0℃、4.6℃和6.0℃；降水分别增加4.4%、5.8%、10.2%和13.0%。总体来讲，随着升温阈值的加大，亚洲增暖幅度逐渐上升，且高纬度地区的响应大于中低纬地区；降水将会增加，且区域性特征明显。
(2) 1.5~4℃升温阈值下，亚洲区域极端高温和极端低温的平均值和变幅都将加大，极热天气将会增加，极冷天气将会减少；极端强降水将增加，极端降水量的变率将会加大。随着升温阈值的升高，不确定范围增大。
(3) 与全球升温2℃相比，在1.5℃阈值背景下，亚洲整个区域升温幅度将减弱0.5~1℃以上，大部分地区的降水增幅会偏少5%~20%，尤其是处于高纬度地区的北亚和中亚地区，但西亚和南亚西部的降水则偏多10%~15%。
(4) 与全球升温2℃相比，在1.5℃阈值背景下，亚洲地区极端高温的增加幅度均匀下降；亚洲中高纬特别是中亚地区，极端低温增加幅度的降低最为明显，低纬度地区差别较小；亚洲大部分地区极端降水强度增加幅度减弱，但在西亚地区会加大，东南亚地区的强降水量减少明显，但在西亚地区增加。
(5) 全球升温1.5℃和2℃时，亚洲区域发生非常热天气的概率相比基准期将增加至少1倍，出现非常冷天气的概率将减少1~2倍。全球升温1.5℃，亚洲区域发生极热天气的概率普遍将会增加10%，东南亚和西亚将会增加20%，而升温2℃时，西亚地区发生极热天气的概率将会再增加10%。升温1.5℃和2℃时，亚洲发生极端强降水的概率将增加10%。
总之，对于不同的升温阈值，亚洲地区平均温度的升高幅度都高于全球，降水的变化较为复杂，存在不同的区域特征；未来出现极热天气的概率会大幅度提高，极冷天气将会减少，出现极端强降水事件的概率也会加大。随着升温阈值的升高，上述结果的不确定性也逐渐增大。
此外，本文的分析方法，主要是针对1.5℃、2℃、3℃和4℃增温的，结果的分析也是以全球增温幅度为标准来做多模式、多情景的集合。但实际上，不同温室气体排放情景下全球达到不同升温幅度时不同区域的温度变化是依赖于情景的，也就是不同的温室气体排放情景在同样的全球增温阈值下所对应的温升区域分布是存在显著差异的[11, 18]。
| [1] |
IPCC. Climate change 1995: the science of climate change[M]. Cambridge: Cambridge University Press, 1995.
|
| [2] |
IPCC. Climate change 2014: synthesis report[M]. Cambridge: Cambridge University Press, 2014.
|
| [3] |
Seneviratne S I, Donat M G, Pitman A J, et al. Allowable CO2 emissions based on regional and impact-related climate targets[J]. Nature, 2016, 529(7587): 477-483. DOI:10.1038/nature16542 |
| [4] |
Schleussner C F, Lissner T K, Fischer E M, et al. Differential climate impacts for policy-relevant limits to global warming: the case of 1.5 ℃ and 2 ℃[J]. Earth System Dynamics, 2016, 7(2): 327-351. DOI:10.5194/esd-7-327-2016 |
| [5] |
Mitchell D, James R, Forster P M, et al. Realizing the impacts of a 1.5 ℃ warmer world[J]. Nature Climate Change, 2016, 6(8): 735-737. DOI:10.1038/nclimate3055 |
| [6] |
姜大膀, 富元海. 2℃全球变暖背景下中国未来气候变化预估[J]. 大气科学, 2012, 36(2): 234-246. DOI:10.3878/j.issn.1006-9895.2011.11074 |
| [7] |
Jiang D B, Zhang Y, Sun J Q. Ensemble projection of 1-3℃ warming in China[J]. Chinese Science Bulletin, 2009, 54: 3326-3334. DOI:10.1007/s11434-009-0313-1 |
| [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: 734-742. |
| [9] |
Zhang Y. Projections of 2.0℃ warming over the globe and China under RCP4.5[J]. Atmospheric and Oceanic Science Letters, 2012, 5(6): 514-520. |
| [10] |
张莉, 丁一汇, 吴统文, 等. 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, 2013, 71(6): 1047-1060. DOI:10.11676/qxxb2013.087 |
| [11] |
陈晓晨, 徐影, 姚遥. 不同升温阈值下中国地区极端气候事件变化预估[J]. 大气科学, 2015, 39(6): 1123-1135. |
| [12] |
Guo X, Huang J, Luo Y, et al. Projection of precipitation extremes for eight global warming targets by 17 CMIP5 models[J]. Natural Hazards, 2016, 84(3): 2299-2319. DOI:10.1007/s11069-016-2553-0 |
| [13] |
Guo X, Huang J, Luo Y, et al. Projection of heat waves over China for eight different global warming targets using 12 CMIP5 models[J]. Theoretical and Applied Climatology, 2017, 128(3): 507-522. |
| [14] |
Taylor K E, Stouffer B J, Meehl G A. An overview of CMIP5 and the experiment design[J]. Bulletin of the American Meteorological Society, 2012, 93: 485-498. DOI:10.1175/BAMS-D-11-00094.1 |
| [15] |
IPCC. Climate change 2013: the physical science basis[M]. Cambridge: Cambridge University Press, 2013.
|
| [16] |
Hansen J, Sato M, Ruedy R. Perception of climate change[J]. Proceedings of the National Academy of Sciences of the United States of America, 2012, 109(37): E2415-2423. DOI:10.1073/pnas.1205276109 |
| [17] |
Zhou B T, Wen H Q Z, Xu Y, et al. Projected changes in temperature and precipitation extremes in China by the CMIP5 multimodel ensembles[J]. Journal of Climate, 2014, 27: 6591-6611. DOI:10.1175/JCLI-D-13-00761.1 |
| [18] |
Chen X L, Zhou T. Uncertainty in crossing time of 2℃ warming threshold over China[J]. Science Bulletin, 2016, 61(18): 1451-1459. DOI:10.1007/s11434-016-1166-z |
2. Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science & Technology, Nanjing 210044, China;
3. Climate Change Research Center, Institute of Atmospheric Sciences, Chinese Academy of Sciences, Beijing 100029, China;
4. University of Chinese Academy of Sciences, Beijing 100049, China