2. 中国气象局国家气候中心, 北京 100081
气候系统模式是模拟过去和现在气候以及预估未来气候变化的主要工具,IPCC第5次评估报告(AR5)中,参加耦合模式比较计划第5阶段试验(CMIP5)的多个气候系统模式采用了典型浓度路径(RCP)[1]对未来气候进行预估,这些模式对全球尺度地面气温的预估可信度很高,对降水的大尺度空间分布模拟也较IPCC第4次评估报告(AR4)得到了提高[2]。
由于计算资源的限制,这些全球模式分辨率较粗,所得结果不能满足区域尺度气候变化评估、适应研究需求。对于区域尺度气候变化预估,适用的方法之一为使用高分辨率区域气候模式对低分辨率全球模式结果进行动力降尺度。相较于统计降尺度方法,区域气候模式动力降尺度方法可以得到气候变量之间物理协调的高分辨率预估结果,特别在具有复杂地形的中国地区,区域气候模式由于其更真实的地形强迫,一般对气温、降水分布的模拟明显优于全球模式,从而对未来气候变化的预估信号也更可靠[3-7]。
为了更深入地了解中国区域21世纪的气候变化,并为气候变化影响评估研究提供高分辨率基础数据,最终为政府决策提供有科学基础的参考意见,本研究使用RegCM4.4模式,以1个CMIP5全球模式输出结果作为驱动场,针对东亚区域进行了1950—2100年的25 km高分辨率气候变化模拟预估试验,并对区域气候模式和全球模式预估的中国区域气温、降水变化进行比较分析。另外,对本研究和以往RegCM3使用相同分辨率模拟得到的未来降水预估进行了对比,初步了解区域气候模式对中国降水预估的不确定性。
1 模式、试验设计和方法试验使用的区域气候模式为意大利国际理论物理中心ICTP (The Abdus Salam International Center for Theoretical Physics)发展的区域气候模式RegCM4.4 (下文中简称RegCM4)[8],其系列模式在中国地区气候及气候变化预估等方面已有广泛的应用[3-4, 6-7, 9-12]。RegCM4运行所需的初始和侧边界条件由澳大利亚联邦科学与工业研究组织和昆士兰气候变化卓越中心(Queensland Climate Change Centre of Excellence and Commonwealth Scientific and Industrial Research Organization)研制的全球海气耦合模式CSIRO-Mk3.6.0 (下文中简称CSIRO)气候变化试验输出结果提供,耦合模式的大气模式水平分辨率为T63 (~1.875°×1.875°经纬度),垂直分层18层,海洋模式(MON2.2)水平分辨率为~0.9°×1.875°经纬度,垂直分层31层。CSIRO为CMIP5比较计划中分辨率较高的模式,且保留6小时间隔输出结果,能够满足水平分辨率25 km动力降尺度数值试验所需。关于模式和试验更详细的信息,请参见文献[13-15]。
研究中,选取CSIRO历史试验1950—2005年和RCP4.5排放情景下2006—2100年预估试验结果驱动RegCM4。试验范围为联合区域气候降尺度试验(Coordinated Regional climate Downscaling Experiment, CORDEX)东亚第二阶段推荐区域[16],覆盖整个中国及周边地区(图略),模式垂直方向18层,顶层高度为10 hPa。模式物理参数选用以往获得的东亚模拟最佳组合参数[17-18],具体为辐射传输采用NCAR CCM3方案[19],行星边界层方案使用Holtslag等[20]的方案,大尺度降水采用SUBEX方案[21],积云对流参数化采用Emanuel方案[22],陆面过程使用CLM方案[23],并在其中引入中国高精度土地覆盖资料[24]。
结果分析时,参照IPCC AR5标准,分别以1986—2005年平均值代表当代气候,2016—2035年、2046—2065年、2080—2099年平均值代表 21世纪初、中、末期气候。通过与观测资料的对比,检验RegCM4和CSIRO模式对当代气温和降水的模拟能力,随后以1986—2005年气候平均值为基准值,分析21世纪初、中、末期气温、降水的变化。
检验模式所需的气温和降水观测资料为分辨率0.25°×0.25°经纬度的格点化资料CN05.1[25],该数据集基于2416个中国地面气象台站自1961年以来的观测资料,通过“距平逼近”插值方法制作得到。
2 模式检验 2.1 气温图 1给出观测、CSIRO全球模式及其驱动下的RegCM4区域模式模拟的1986—2005年平均气温和降水。观测中(图 1a),中国东部气温基本呈纬向分布,南高北低,中国西部随地形分布,整体北部盆地气温高于南部高原。CSIRO和RegCM4均能较好地模拟观测中国地区气温的这种空间分布,但在更小尺度上,RegCM4模拟结果明显好于CSIRO,如对观测中天山、祁连山低温、柴达木和四川盆地高温的模拟等(图 1c和1e),CSIRO和RegCM4模拟和观测值间的空间相关系数分别为0.95和0.98。模拟数值上,两个模式模拟中国东部黄河以南气温和观测的偏差在±1℃之内,另外,RegCM4模拟一定程度纠正了CSIRO模拟东北南部到华北大部分地区以及青藏高原普遍存在的冷偏差。观测、CSIRO和RegCM4模拟当代中国区域平均气温分别为6.7℃、5.3℃和6.2℃,RegCM4对CSIRO模拟的冷偏差改善明显。对于1986—2005年观测到的增温趋势(0.46℃/10a),两个模式有很好的再现能力,CSIRO和RegCM4模拟增温趋势分别为0.41℃/10a和0.40℃/10a。
目前气候模式对降水的模拟能力较气温弱。观测到的中国地区降水基本呈从东南向西北递减的空间分布(图 1b),两个模式大致能够模拟这种空间分布,RegCM4对一些小尺度地形降水如柴达木盆地的降水低值和祁连山脉的降水高值模拟更好(图 1f)。两个模式模拟的南方降水中心位置和观测差别较大,观测的降水中心位于江南东部,而CSIRO和RegCM4模拟的降水中心位于青藏高原东南部(图 1d和1f)。另外,RegCM4模拟和观测的空间相关系数(0.55)低于CSIRO (0.77),可能和制作CN05.1资料的站点数据分辨率有关,RegCM4模式分辨率明显高于站点数据分辨率,模拟地形降水也明显较CN05.1偏强(图 1f)。模拟降水数值上,两个模式模拟中国东部长江以南降水整体偏少10 %~25 % (图 1b、1d和1f),其他大部分地区偏多。中国区域平均观测、CSIRO和RegCM4模拟降水在1986—2005年均没有明显的趋势变化,CSIRO和RegCM4模拟当代年平均降水分别为745 mm和989 mm,较观测(624 mm)明显偏多(详细分析和图略)。
3 未来气候变化预估 3.1 气温图 2给出CSIRO和RegCM4预估的21世纪初、中、末期中国气温变化。两个模式预估21世纪中国区域各地区气温持续上升,但由于不同模式、不同区域对温室气体强迫的反馈、响应不同,模式预估增温幅度具有区域性特征。
CSIRO预估21世纪初期中国西部大部分地区升温1.0℃以上,东部大部分地区升温不足1.0℃,东北北部升温最小(图 2a)。21世纪中期,除东北部分地区和青藏高原东部,大部分地区升温在2.4~3.0℃,东部升温幅度略高于西部(图 2c)。21世纪末期,东部升温幅度整体明显高于西部,西部大部分地区升温3.0~3.3℃,东部大部分地区升温3.3~3.9℃,但东北北部升温仍然最小,局部地区不足2.0℃(图 2e)。
RegCM4预估中国区域21世纪各个时期西部升温幅度稳定大于东部地区,青藏高原升温幅度最大,东北地区升温幅度最小(图 2b、2d和2f),除青藏高原外,大部分地区升温幅度小于同期CSIRO。21世纪初期、中期和末期,西部大部分地区分别升温0.8~1.4℃、2.1~3.0℃和2.4~3.9℃,东部大部分地区分别升温0.4~1.0℃、1.5~2.1℃和1.8~3.0℃。
值得注意的是CSIRO和RegCM4预估中国未来升温分布和CMIP5模式集合预估分布存在明显不同,后者预估21世纪各个时期增温大值区基本稳定在青藏高原和中国北方地区,中国南方升温幅度较小[26]。本研究中CSIRO和RegCM4均预估21世纪冬季(12—2月)稳定增强的东亚大槽控制东北地区(图 5a和5b),受其影响,东北地区维持较小的升温幅度。另外,CSIRO预估升温大值区逐渐从西部移向东部,主要是由于21世纪中、末期夏季(6—8月),CSIRO预估显著增强的反气旋环流控制中国东部大部分地区(图 5c)。整体而言,除东北地区外,RegCM4预估的升温空间分布和CMIP5模式集合预估更为相近[26]。
表 1给出CSIRO和RegCM4预估的21世纪初、中、末期中国区域平均的冬、夏季和年平均的气温变化和增温趋势。两个模式在3个时期均表现出冬季升温幅度最大,夏季升温幅度最小的特点,且CSIRO预估升温幅度大于RegCM4。21世纪末期CSIRO和RegCM4预估气温分别上升3.2℃和2.7℃,较CMIP5模式集合预估中国区域平均升温2.6℃[27]稍高。两个模式预估21世纪初、中期冬季、夏季和年平均气温增温趋势较大,在0.23~0.53℃/10a之间,21世纪末期,增温趋势放缓,在-0.07~0.09℃/10a之间,这种增温趋势的变化和CMIP5模式集合预估结果基本一致[27]。
图 3给出CSIRO和RegCM4预估的2006—2099年中国区域平均逐年冬季、夏季、年平均气温变化。CSIRO和RegCM4预估区域平均冬季气温变化在大多数年份波动幅度一致(图 3a),增温趋势分别为0.37℃/10a和0.34℃/10a;两个模式预估夏季和年平均气温变化在2030年以前基本相似,之后CSIRO预估升温幅度明显高于RegCM4 (图 3b和3c),夏季增温趋势分别为0.37℃/10a和0.27℃/10a,年平均增温趋势分别为0.34℃/10a和0.28 ℃/10a。
3.2 降水温室气体强迫导致的增暖以及增温幅度的区域性不同,影响未来大气环流和大气持水能力,从而影响降水变化。图 4给出CSIRO和RegCM4预估的21世纪初、中、末期中国降水变化。
CSIRO预估21世纪初期中国区域大部分地区降水变化较小,在±5 % (图 4a)。21世纪中期和末期,CSIRO预估降水除了在青藏高原东部到西南地区北部呈相反变化外,其余大部分地区降水增、减的空间分布整体相似(图 4c和4e),表现为西部大部分地区、东北部分地区和东部黄河以南大部分地区降水增加0~25%,河套及其以南和华北降水减少0~25%。
RegCM4预估21世纪初、中、末期中国西部除了青藏高原南部外,大部分地区降水增加,增加幅度随时间逐渐增大,到21世纪末期新疆大部分地区降水增加超过25% (图 4b,4d和4f)。受季风影响的东部地区,RegCM4预估各个时期降水变化一致性较西部差,如东北南部到华北大部分地区以及长江中、下游沿江地区,21世纪中期降水增加为主,21世纪末期降水减少为主等。另外,西南地区降水减少幅度和面积随时间逐渐增大,到21世纪末期降水减少区域从云南、贵州向东北延伸至长江中游,降水减少10%~25%。
CSIRO和RegCM4预估中国未来降水变化空间分布均和CMIP5模式集合预估分布不同,CMIP5集合预估21世纪中期以后中国降水普遍增加[26]。同时,CSIRO和RegCM4之间预估降水变化也存在明显不同,如河套地区,21世纪中、末期,CSIRO预估降水减少,而RegCM4预估降水增加;华北地区,21世纪中期CSIRO预估降水减少,RegCM4预估降水增加;西南地区,21世纪末期CSIRO预估降水仅在云南部分地区减少,RegCM4则预估西南大部分地区到长江中游降水减少。全球模式和区域模式之间预估降水变化的不同主要由不同的模式分辨率和地形强迫引起[4, 11]。考虑到中国季风气候特点,图 5分冬、夏季节给出两个模式在各自分辨率和地形强迫下21世纪末期700 hPa风场和降水变化分布。
和以往研究[27]相似,全球模式和区域模式预估冬季中国区域内降水变化差别不大(图 5a和5b),北方地区在增强西风、东部大部分地区在增强东南暖湿气流作用下降水增加,仅在西南地区RegCM4预估偏北异常气流明显较CSIRO强,降水减少范围较CSIRO大。夏季,区域模式更高的分辨率和更强的地形强迫,对全球模式较小的环流变化会产生放大作用[27],两个模式预估降水变化有很大不同。对西北地区而言,RegCM4预估未来西风更强,因而降水增加的面积和幅度均较CSIRO大。中国东部地区,虽然两个模式均预估未来西南气流减弱,但RegCM4预估异常反气旋位置较CSIRO偏西,黄淮、江淮北部以及江南部分地区受东部海上偏东北气流影响降水增加(图 5d);CSIRO预估中东部大部分地区处于异常反气旋中心位置,降水减少(图 5c)。两个模式对各自分辨率和地形强迫在不同季节的响应,引起年降水变化信号有较大的不同(图 4e和4f)。
表 2给出21世纪初、中、末期中国区域平均的冬季、夏季和年降水变化和趋势。CSIRO和RegCM4均预估21世纪初期冬季降水减少、夏季降水增加,相应的年降水变化较小;21世纪中、末期,两个模式预估冬季降水持续增加,到21世纪末期区域平均降水分别增加29%和14%,受夏季降水略减少影响,两个模式预估年降水略增。不同于气温变化趋势,两个模式预估21世纪各个时期降水变化趋势随时间增减不明显。
图 6给出CSIRO和RegCM4预估的2006—2099年中国区域平均逐年冬季、夏季、年降水变化。区域平均尺度上,CSIRO和RegCM4预估冬季降水呈现出较强的年际变化,大多数年份CSIRO降水波动幅度较大,冬季降水分别以5.2%/10a和2.3 %/10a速率增加,夏季降水分别以0.9%/10a和0.3%/10a的速率减少,相应年降水分别以0.4 %/10a和0.2% /10a的速率增加。
为初步了解区域模式预估未来降水的不确定性,这里比较本次模拟结果和高学杰等[28]使用RegCM3区域气候模式嵌套MIROC3.2_hires全球模式在IPCC SRES A1B温室气体排放下的模拟结果,虽然两次模拟中使用模式、温室气体排放以及选用物理参数方案均不同,但分辨率均为25 km,因而可以用来比较讨论其预估的不确定性。考虑到MIROC3.2_hires模拟试验设计的原因,MIROC3.2_hires嵌套RegCM3试验中分别以1981—2000年、2041—2060年、2081—2100年平均值代表当代、21世纪中、末期气候。图 7给出两次模拟预估中21世纪中、末期降水变化的一致情况。
冬季,两次模拟中21世纪中、末期中国北方大部分地区降水一致增加,青藏高原南部降水一致减少(图 7a和7b)。夏季,两次模拟中国西部均西风加强,因而降水变化信号也比较一致,以大部分地区增加,青藏高原和西南地区减少为主;中国东部降水变化一致性较差,特别在长江以北RegCM4模拟环流变化和RegCM3模拟存在明显差别(图略),导致除了东北小部分地区降水一致减少外,大部分地区呈相反的变化趋势(图 7c和7d)。同样年降水变化一致性在西部较好,东部北方地区一致较差(图 7e和7f)。
4 结论和讨论使用区域气候模式RegCM4,嵌套CSIRO全球模式输出结果,在RCP4.5情景下,进行了东亚地区25 km水平分辨率151年的模拟试验,比较分析了CSIRO和RegCM4模式对中国地区气温、降水的模拟能力和21世纪气候变化预估结果,主要结论如下。
(1) RegCM4对中国地面气温和降水的模拟好于CSIRO,能够较好地提供复杂地形地区更小尺度的气候信息,并较好地纠正了CSIRO的冷偏差。同时,RegCM4也延续了驱动模式CSIRO的误差,如两个模式模拟中国南方地区降水中心位置偏差相似,模拟南方地区降水数值也都较观测偏小。
(2) CSIRO和RegCM4均预估21世纪中国各地区气温持续上升,总体上CSIRO增温幅度大于RegCM4,并具有一定的地域性、时间性特征。从21世纪初期到末期,CSIRO预估升温大值区从中国西部移向东部,而RegCM4预估升温大值区一直稳定在青藏高原。两个模式预估中国区域平均气温变化表现出很高的一致性,21世纪初期到中期增温速率较大,末期增温速率减小,升温幅度冬季 > 年平均 > 夏季。RegCM4预估气温变化空间分布和区域平均升温数值更接近CMIP5模式集合预估。
(3) CSIRO和RegCM4不同的分辨率和地形强迫,激发两个模式未来大气环流变化不同,中国西部在增强西风影响下,大部分地区降水以持续增加为主,东部则由于模式预估未来大气环流变化表现出明显的不一致性(以夏季差别最为明显),从而引起降水变化信号的不一致。两个模式均预估中国区域平均年降水量微弱增加,其中冬季降水明显增加,夏季降水微弱减少。同样,相同分辨率的两个区域模式RegCM4和RegCM3对中国区域的气候变化试验,选用的模式、温室气体强迫等不同,未来大气环流变化也不同,两个试验中,受季风影响明显的中国东部中、高纬度地区,降水变化信号不一致性最强。
本研究试验使用的驱动场CSIRO对中国气候变化预估和CMIP5模式集合预估差别较大,同样RegCM4预估降水变化与以往RegCM3区域模式相同分辨率预估的降水变化在中国东部不一致明显(冬季中、高纬除外),反映了全球模式、区域模式预估中国未来降水的不确定性。
减小气候变化预估不确定性的途径,除了完善全球和区域气候模式外,多模式集合预估是有效手段之一,如相比CMIP3,CMIP5中使用了更多的全球模式,模式集合模拟能力好于单个模式[2]。目前,对于区域模式的集合预估研究在国际上已经开始[16],Diallo等[29]使用多个全球模式驱动多个区域模式预估了非洲西部的气候变化,研究结果表明,基于多全球模式的多区域模式降尺度气候变化模拟集合结果可以减少区域气候变化预估不确定性。类似的东亚地区动力降尺度集合预估试验还未开展,未来进行相关研究将有助于得到中国地区气候变化更可靠的信息,为国家适应气候变化、提高防灾减灾能力提供服务。
[1] |
Meinshausen M, Smith S J, Calvin K, et al. The RCP greenhouse gas concentrations and their extensions from 1765 to 2300[J]. Climatic Change, 2011, 109: 213-241. DOI:10.1007/s10584-011-0156-z |
[2] |
IPCC. Climate change 2013:the physical science basis[M]. Cambridge: Cambridge University Press, 2013.
|
[3] |
Gao X J, Zhao Z C, Ding Y H, et al. Climate change due to greenhouse effects in China as simulated by a regional climate model[J]. Advances in Atmospheric Sciences, 2001, 18(6): 1224-1230. DOI:10.1007/s00376-001-0036-y |
[4] |
Gao X J, Xu Y, Zhao Z C, et al. On the role of resolution and topography in the simulation of East Asia precipitation[J]. Theoretical and Applied Climatology, 2006, 86(1): 173-185. |
[5] |
Yu E T, Wang H J, Sun J Q. A quick report on a dynamical downscaling simulation over China using the nested model[J]. Atmospheric Ocean Science Letters, 2010, 3(6): 325-329. DOI:10.1080/16742834.2010.11446886 |
[6] |
Gao X J, Wang M L, Giorgi F. Climate change over China in the 21st century as simulated by BCC_CSM1.1-RegCM4.0[J]. Atmospheric Ocean Science Letters, 2013, 6(5): 381-386. DOI:10.1080/16742834.2013.11447112 |
[7] |
Zou L W, Zhou T J. Near future (2016-40) summer precipitation changes over China as projected by a regional climate model (RCM) under the RCP8.5 emissions scenario:comparison between RCM downscaling and the driving GCM[J]. Advances in Atmospheric Sciences, 2013, 30(3): 806-818. DOI:10.1007/s00376-013-2209-x |
[8] |
Giorgi F, Coppola E, Solmon F, et al. RegCM4:model description and preliminary tests over multiple CORDEX domains[J]. Climate Research, 2012, 52: 7-29. DOI:10.3354/cr01018 |
[9] |
Gao X J, Zhang D F, Chen Z X, et al. Land use effects on climate in China as simulated by a regional climate model[J]. Science in China Series:Earth Sciences Earth Sci, 2007, 50(4): 620-628. DOI:10.1007/s11430-007-2060-y |
[10] |
Zhang D F, Zakey A S, Gao X J, et al. Simulation of dust aerosol and its regional feedbacks over East Asia using a regional climate model[J]. Atmospheric Chemistry and Physics, 2009, 9: 1095-1110. DOI:10.5194/acp-9-1095-2009 |
[11] |
Gao X J, Shi Y, Zhang D F, et al. Uncertainties in monsoon precipitation projections over China:result from two high-resolution RCM simulations[J]. Climate Research, 2012, 52: 213-226. DOI:10.3354/cr01084 |
[12] |
张冬峰, 高学杰, 罗勇, 等. RegCM4.0对一个全球模式20世纪气候变化试验的中国区域降尺度:温室气体和自然变率的贡献[J]. 科学通报, 2015, 60(17): 1631-1642. |
[13] |
Gordon H B, Rotstayn L D, McGregor J L, et al. The CSIRO Mk3 climate system model[R]. Technical report No. 60, CSIRO atmospheric research, Aspendale, Victoria, Australia, 2002:130
|
[14] |
Gordon H, O'Farrell S, Collier M, et al. The CSIRO Mk3.5 climate model[R]. Technical report No. 21, The center for Australian weather and climate research, Aspendale, Victoria, Australia, 2010:62
|
[15] |
Rotstayn L D, Jeffrey S J, Collier M A, et al. Aerosol and greenhouse gas induced changes in summer rainfall and circulation in the Australasian region:a study using single-forcing climate simulations[J]. Atmospheric Chemistry and Physics, 2012, 12: 6377-6404. DOI:10.5194/acp-12-6377-2012 |
[16] |
Giorgi F, Jones C, Asrar G, et al. Addressing climate information needs at the regional level:the CORDEX framework[J]. WMO Bulletin, 2009, 58(3): 175-183. |
[17] |
Gao X J, Shi Y, Giorgi F. Comparison of convective parameterizations in RegCM4 experiments over China with CLM as the land surface model[J]. Atmospheric Ocean Science Letters, 2016, 9(4): 246-254. DOI:10.1080/16742834.2016.1172938 |
[18] |
Gao X J, Shi Y, Han Z Y, et al. Performance of RegCM4 over major river basins in China[J]. Advances in Atmospheric Sciences, 2017, 34(4): 441-455. DOI:10.1007/s00376-016-6179-7 |
[19] |
Kiehl J, Hack J, Bonan G, et al. Description of the NCAR community climate model (CCM3)[R]. NCAR Technical Note, 1993, 11(2):55-60
|
[20] |
Holtslag A, Bruijn E, Pan H L. A high resolution air mass transformation model for short-range weather forecasting[J]. Monthly Weather Review, 1990, 118: 1561-1575. DOI:10.1175/1520-0493(1990)118<1561:AHRAMT>2.0.CO;2 |
[21] |
Pal J S, Small E E, Eltahir E. Simulation of regional-scale water and energy budgets:representation of subgrid cloud and precipitation processes within RegCM[J]. Journal of Geophysical Research Atmospheres, 2000, 105(D24): 29579-29594. DOI:10.1029/2000JD900415 |
[22] |
Emanuel K A. A scheme for representing cumulus convection in large-scale models[J]. Journal of the Atmospheric Sciences, 1991, 48(21): 2313-2335. DOI:10.1175/1520-0469(1991)048<2313:ASFRCC>2.0.CO;2 |
[23] |
Oleson K W, Niu G Y, Yang Z L, et al. Improvements to the community land model and their impact on the hydrological cycle[J]. Journal of Geophysical Research Atmospheres, 2008, 113. |
[24] |
韩振宇, 高学杰, 石英, 等. 中国高精度土地覆盖数据在RegCM4/CLM模式中的引入及其对区域气候模拟影响的分析[J]. 冰川冻土, 2015, 37(4): 857-866. |
[25] |
吴佳, 高学杰. 一套格点化的中国区域逐日观测资料及与其它资料的对比[J]. 地球物理学报, 2013, 56(4): 1102-1111. DOI:10.6038/cjg20130406 |
[26] |
Xu C H, Xu Y. The projection of temperature and precipitation over China under RCP scenarios using a CMIP5 multi-model ensemble[J]. Atmospheric Ocean Science Letters, 2012, 5(6): 527-533. |
[27] |
《第三次气候变化国家评估报告》编写委员会. 第三次气候变化国家评估报告[M]. 北京: 科学出版社, 2015.
|
[28] |
高学杰, 石英, 张冬峰, 等. RegCM43对21世纪中国区域气候变化的高分辨率模拟[J]. 科学通报, 2012, 57(5): 374-381. |
[29] |
Diallo I, Sylla M B, Giorgi F, et al. Multimodel GCM-RCM ensemble-based projections of temperature and precipitation over West Africa for the early 21st century[J]. International Journal of Geophysics, 2012, 972896. DOI:10.1155/2012/972896 |
2. National Climate Center, China Meteorological Administration, Beijing 100081, China