模式内部变率引起的1.5℃和2℃升温阈值出现时间模拟的不确定性研究.pdf

DOI 10.12006/j.issn.1673-1719.2018.157 季涤非 , 刘利 , 李立娟 , 等 . 模式内部变率引起的 1.5℃和 2℃升温阈值出现时间模拟的不确定性研究 [J]. 气候变化研究进展 , 2019, 15 4 343-351 Ji D F, Liu L, Li L J, et al. Uncertainties in the simulation of 1.5℃ and 2℃ warming threshold-crossing time arising from model internal variability based on CMIP5 models [J]. Climate Change Research, 2019, 15 4 343-351 模式内部变率引起的1.5℃和2℃升温 阈值出现时间模拟的不确定性研究 季涤非 1 ，刘 利 1 ，李立娟 2 ，孙 超 1 ， 于馨竹 1 ，李锐喆 1 ，张 诚 1 ，王 斌 1,2 1 清华大学地球系统科学系，北京 100084； 2 中国科学院大气物理研究所大气科学和地球流体 力学数值模拟国家重点实验室，北京 100029 气候变化研究进展 第 15 卷 第 4 期 2019 年 7 月 CLIMATE CHANGE RESEARCH V ol. 15 No. 4 July 2019 摘 要模式内部变率是模拟结果不确定性的重要来源，然而它对于 1.5℃和 2℃升温阈值出现时间不确定性的影响尚不 清楚。因此，基于耦合模式比较计划第五阶段 CMIP5的多模式数据研究了模式内部变率对 1.5℃和 2℃升温阈值出现 时间不确定性的影响以及对未来排放情景的敏感性。结果表明，模式内部变率对升温阈值出现时间模拟的影响与外强 迫的影响相当， 单个模式内部不同成员达到全球平均 1.5℃或 2℃增温的年份相差 2～ 12年；其影响具有明显的空间差异， 影响极大值出现在欧亚大陆以北洋面、 白令海峡周围区域、 北美东北部及其与格陵兰岛之间的海域、 南半球高纬地区等； 低排放情景下模式内部变率的影响大于高排放情景。 关键词CMIP5；1.5℃和 2℃升温；出现时间；模式内部变率 收稿日期 2018-11-09；修回日期 2019-01-03 资助项目 国家重点研发计划项目2017YFC1501903 作者简介 季涤非，女，硕士研究生；刘利 通信作者，男，副教授，liuli- 引 言 自 20 世纪以来，以变暖为主要特征的气候变 化 [1] 正严重影响着全球生态系统和人类的生产生 活环境。为了避免气候变化带来的严峻风险，国际 社会希望达成一个明确的全球平均地表温度上升控 制目标，其中讨论最为广泛的是将相对于工业革命 前的全球平均增温控制在 2℃以内，而这一温升控 制目标最初由欧盟于 1996 年提出，其后被 2009 年 的联合国气候变化框架公约第 15 次缔约方会 议所采纳 [2-3] 。2015 年在巴黎气候变化大会上通过 的巴黎协定进一步提出将相对于工业化前的全 球平均地表温度升高控制在 1.5℃以内。 近年来，对于升温阈值这一焦点问题，很多学 者基于不同排放情景、采用不同耦合模式完成了一 系列气候预估试验， 并取得了一系列研究进展 [4-7] 。 然而由于气候系统本身的复杂性和当前模式发展的 局限性，未来气候变化预估还存在较大不确定性。 未来气候变化预估的不确定性主要来源于外强迫的 不确定性、模式的不确定性和内部变率等 [8] 。外部 强迫的不确定性主要指人类活动引起的温室气体未 来排放路径和土地利用等的不确定性。模式的不确 气候变化研究进展 2019 年 344 气 候 系 统 变 化 定性来自模式自身结构，如动力框架、物理参数化 过程和初始条件。内部变率是指在没有外部强迫变 化情况下气候系统内部的自然演变过程，是由气候 系统自身的特性决定的 [9-10] 。外强迫和模式的不确 定性对于升温阈值模拟的影响已经得到了广泛的关 注和研究，而内部变率的影响却未得到足够的重视 和研究。 一系列研究工作表明内部变率对其他不同气候 指标都有非常重要的影响。例如，Wittenberg [11] 基 于美国地球物理流体动力学实验室GFDL的气候 系统模式CM2.1开展了 2220 年的工业革命前参 照试验PI-control 试验，采用给定的 1860 年太阳 辐射、地表覆盖和大气成分等，并分析了后 2000 年 Niño3 区 150°～ 90° W，5° S ～ 5° N的海表温 度时间序列，发现在不同模拟时间段厄尔尼诺－南 方涛动ENSO的振幅会出现明显差异，而这一差 异正是体现了内部变率的影响。除了利用单次长 时间 PI-control 试验识别模式内部变率外，更为常 用的识别方法是比较单个模式不同初值集合成员 模拟结果之间的差异 [9,12-19] 。例如 Deser 等 [9] 利用 CCSM3 多样本和 CMIP3 多模式数据发现对于欧亚 大陆尤其是欧洲和中西伯利亚、北美西部和南 极洲等地 20052060 年地表温度年平均趋势的模 拟，内部变率引起的不确定性甚至超过了不同模式 间模拟结果的差异。Hawkins 等 [20] 基于 CMIP3 多 模式发现内部变率是 2010 年之前全球平均气温年 代际变化预测不确定性的最主要来源。除温度外， 内部变率对全球/区域季节平均降水的年代际预 测也有重要的影响 [8] ；并且内部变率在区域尺度上 的影响更加明显 [13] 。 然而，作为气候模拟不确定性的重要来源，内 部变率对升温阈值模拟的影响尚未引起足够重视。 已有的研究工作主要集中在外强迫和模式不确定性 对升温阈值模拟的影响。例如，张莉等 [21] 评估了耦合 模式比较计划第五阶段CMIP5模式对 21 世纪全球 和中国年平均地表温度变化和 2℃升温的模拟情况， 认为在长期气候预估中，排放情景设计的不确定性 大于模式本身的不确定性， 而在同一种排放情景下， 模式增温模拟结果的差异可能是因为不同模式对温 室气体辐射强迫的敏感度不同。敏感度是指全球平 均地表温度对相对于工业化前水平 CO 2 浓度加倍 的平衡响应，而敏感度不同其实就是模式的不确定 性的显示。因此本文将着重探讨内部变率引起的达 到 1.5℃和 2℃升温阈值时间的不确定性，并分析其 在全球及不同区域的不确定性是否相同，最后还探 讨了内部变率引起的不确定性对排放情景的敏感性。 1 数据和方法 1.1 数据 本研究使用来自于 CMIP5 多模式的历史试验 和 21 世纪气候预估试验的逐月地表气温数据。历 史试验的积分时间为 1850年 1月2005年 12月， 其中MIROC5 模式积分到2012 年 12 月。21 世 纪气候预估试验共有 4 种不同排放情景，分别为 RCP2.6、RCP4.5、RCP6.0和 RCP8.5，积分时间是 2006 年 1 月2100 年 12 月。同一模式各试验集合 成员仅在初始场上有区别 ① ，而外强迫场等条件相 同，因此集合成员结果之间的差异可在一定程度上 刻画模式内部变率引起的不确定性。本研究选取历 史试验和未来排放情景试验中集合成员数不低于 3 的 7 个模式表 1。这里需要特别说明的是，由于 ① https//esgf-node.llnl.gov/projects/esgf-llnl/。 表 1 所用模式和成员数目 Table 1 Model descriptions and simulation members 模式名称 CanESM2 CCSM4 CSIRO-Mk3-6-0 FIO-ESM IPSL-CM5A-LR MIROC5 MPI-ESM-LR 历史试验 RCP2.6 RCP4.5 RCP6.0 RCP8.5 5 6 10 3 6 5 3 5 6 10 3 4 3 3 5 6 10 3 4 3 3 0 6 10 3 0 3 0 5 6 10 3 4 3 4 期 345 季涤非，等模式内部变率引起的 1.5℃和 2℃升温阈值出现时间模拟的不确定性研究 本文所采用的 CMIP5 提供数据的限制每个模式 可提供的成员数量较少，内部变率的影响可能会 有所低估。同时为了保持一致性，每个模式输出数 据都用双线性插值方法插值到 2.5° 2.5° 经纬网格。 1.2 方法 因为国际上广泛讨论的升温阈值是相对于工 业革命前，这里选取 18501900 年全球平均地表 温度作为增温的基准值 [1] 。考虑到气温变化序列具 有明显的年际变化，因此对其作了 9 a 滑动平均， 并将地表增温超过 1.5℃ 2℃的第一年定义为 1.5℃ 2℃ 增温的出现时间 [22-24] 。在考察单个模式 内部的增温时间模拟受内部变率的影响时，计算了 该模式所有成员 1.5℃ 2℃升温阈值出现年份的 标准差，标准差越大表示内部变率引起的不确定性 越大。 除全球平均外，本文还在区域尺度上考察了地 表温度相对于 18501900 年的升温时间，特别是 考察了未来地表温度变化预估对内部变率比较敏感 的北极、南极、欧亚大陆北部、北美西部、中西伯 利亚等区域 [9-10,13] ，以及青藏高原图 1） ，各区域 具体范围见表 2。 2 内部变率对达到1.5℃和2℃升温阈值时 间模拟不确定性的影响 表 3 给出 RCP4.5 情景下单个模式所有成员在 全球及不同区域最早、最晚达到 1.5℃增温的年份 以及标准差。标准差的大小表征了内部变率引起 的不确定性对单个模式预测增温年份的影响。从 表中可以看出，标准差的数值普遍比较大，部分 模式在某些地区的标准差 10，这表明同一模式不 同成员的预测增温年份之间有数年到数十年的跨 度。从全球尺度来看，大部分模式内部不同成员 之间达到 1.5℃增温的年份相差 10 年以内。其中 CSIRO-Mk3-6-0 模式的不确定性稍大一些，在该 模式所有成员中，最早在 2030年达到 1.5℃增温， 最晚在 2042 年。从区域尺度来看，单个模式内部 所有成员在 6 个区域达到 1.5℃增温年份的标准差 普遍都大于全球，其中南极和中西伯利亚高原的不 确定性较大。有 3 个模式南极区域的标准差 10， 其中 MIROC5 模式的标准差最大22.19。在南极 MIROC5 模式所有成员中最早在 2057 年就达到了 1.5℃增温，但是也有成员在 21 世纪末增温都未达 到 1.5℃。MPI-ESM-LR 模式所有成员的南极区域 1.5℃增温最早和最晚出现时间分别是 2027 年和 2061 年，相差 34 年。 表 4 是在 RCP4.5 情景下单个模式所有成员在 全球及不同区域最早、最晚达到 2℃增温的年份以 及标准差，与表 3 的总体特征类似，内部变率引起 表 2 区域名称及范围 Table 2 Regions and their scopes 区域名称 全球 北极 南极 欧亚大陆北部 北美西部 中西伯利亚 青藏高原 范围 90° S ～ 90° N 60° ～ 90° N 60° ～ 90° S 40° ～ 75° N,15° ～ 160° E 25° ～ 75° N,90° ～ 125° W 50° ～ 75° N,90° ～ 130° E 26° ～ 42° N,70° ～ 105° E 图 1 CanESM2 模式（所有成员的平均值）在 RCP4.5 排放 情景下 2℃增温出现时间的空间分布 Fig. 1 The spatial distribution of 2℃ warming threshold-crossing time under RCP4.5 for CanESM2 the average of all members. a northern Eurasia, b western North America, c Central Siberia, d Tibet plateau 90˚N 60˚E 2000 60˚N 30˚N EQ 30˚S 60˚S 90˚S 120˚E 180˚ 120˚W 60˚W 0˚ 0˚ 60˚E 120˚E 180˚ 120˚W 60˚W 0˚ 0˚ 90˚N 60˚N 30˚N EQ 30˚S 60˚S 90˚S 2020 2040 2060 2080 年 注白色区域表示到 2100 年模式仍未达到 2℃增温； a欧亚大陆北部，b北美西部，c中西伯利亚，d青藏高原。 气候变化研究进展 2019 年 346 气 候 系 统 变 化 表 3 RCP4.5 情景下单个模式所有成员在不同区域最早、最晚达到 1.5℃增温的年份以及标准差 Table 3 The earliest and latest year to reach 1.5℃ warming and standard deviation of all members for each model under RCP4.5 in different regions 模式名称 注“ N”表示在 2100年以前没有达到 1.5℃增温。 全球 北极 南极 欧亚大陆 北美西部 中西伯利亚 青藏高原 标准差 最早 最晚 标准差 最早 最晚 标准差 最早 最晚 标准差 最早 最晚 标准差 最早 最晚 标准差 最早 最晚 标准差 最早 最晚 CanESM2 CCSM4 CSIRO-Mk3-6-0 FIO-ESM IPSL-CM5A-LR MIROC5 MPI-ESM-LR 1.00 2.42 3.07 3.61 2.63 3.21 2.08 2016 2014 2030 2028 2010 2034 2021 2018 2020 2042 2035 2015 2040 2025 6.31 3.06 6.06 3.79 7.79 2.52 4.93 1998 1975 1998 1984 1982 1996 1977 2010 1984 2020 1991 1998 2001 1986 6.31 6.02 4.54 3.79 16.98 22.19 17.09 1998 1996 2010 2013 2010 2057 2027 2010 2010 2025 2020 2046 N 2061 1.10 4.13 6.46 11.85 5.74 4.62 9.29 2010 1989 2011 1997 1998 2010 1981 2012 2000 2030 2018 2010 2018 1998 0.00 1.83 3.18 7.57 1.29 1.15 6.24 2010 1997 2020 1999 1997 2011 1998 2010 2001 2032 2013 2000 2013 2010 0.89 6.03 6.62 9.87 9.83 2.31 18.68 2010 1982 2012 1992 1988 2010 1961 2012 1998 2033 2010 2010 2014 1998 4.02 4.80 3.77 8.89 4.11 4.93 6.35 2001 1982 2013 1997 1987 2015 1999 2010 1998 2024 2014 1997 2024 2010 表 4 RCP4.5 情景下单个模式所有成员在不同区域最早、最晚达到 2℃增温的年份以及标准差 Table 4 The earliest and latest year to reach 2℃ warming and standard deviation of all members for each model under RCP4.5 in different regions 模式名称 注“N”表示在 2100年以前没有达到 2℃增温。 全球 北极 南极 欧亚大陆 北美西部 中西伯利亚 青藏高原 标准差 最早 最晚 标准差 最早 最晚 标准差 最早 最晚 标准差 最早 最晚 标准差 最早 最晚 标准差 最早 最晚 标准差 最早 最晚 CanESM2 CCSM4 CSIRO-Mk3-6-0 FIO-ESM IPSL-CM5A-LR MIROC5 MPI-ESM-LR 2.45 2.42 3.22 N 1.73 3.21 3.61 2016 2014 2046 N 2029 2062 2039 2018 2020 2056 N 2033 2068 2046 1.34 4.55 7.10 15.18 10.50 5.20 7.57 2010 1988 2010 2001 1989 2001 1986 2013 2000 2034 2031 2010 2010 2000 2.61 1.63 4.34 1.00 11.00 N 5.20 2019 2013 2025 2030 2052 N 2092 2026 2017 2039 2032 2075 N N 1.92 4.81 4.88 13.32 2.00 4.04 13.86 2013 2001 2028 2017 2010 2023 1986 2018 2016 2045 2043 2014 2031 2010 2.35 3.72 2.54 11.72 4.79 1.00 2.31 2014 2010 2031 2014 2011 2022 2010 2020 2018 2039 2036 2022 2024 2014 2.07 7.70 5.21 12.50 1.00 13.00 14.05 2012 1990 2029 1998 2010 2011 1982 2017 2010 2045 2023 2012 2034 2010 5.81 5.27 3.27 6.08 3.50 3.21 7.23 2010 2014 2029 2024 2010 2030 2011 2023 2030 2041 2035 2017 2036 4 期 347 季涤非，等模式内部变率引起的 1.5℃和 2℃升温阈值出现时间模拟的不确定性研究 的区域尺度达到 2℃增温年份的不确定性普遍大于 全球平均，其中北极和中西伯利亚高原的不确定 性较大。综合模式预估 1.5℃和 2℃增温的情况来 看，内部变率引起的区域尺度达到升温阈值时间的 不确定性普遍大于全球平均，其中极地和中西伯 利亚高原增温出现时间的不确定性较大。单个模 式不同成员达到全球平均 1.5℃或 2℃增温的时间 最大相差 10 年左右，虽然小于不同模式之间的差 异，但是和已有研究中不同排放情景下的差异相 当 [21,23-24] ，例如， Jiang 等 [23] 基于 CMIP5 的 39 个 模式数据得出在 RCP4.5 情景下不同模式最早出现 全球平均 2℃增温的时间是 2017 年，有 5 个模式 在该情景下的全球平均增温并未达到 2℃；RCP4.5 和 RCP8.5 情景下达到全球平均 2℃增温的时间分 别是 2054 年和 2042 年。周梦子等 [24] 利用 CMIP5 的 27 个模式研究表明在 RCP4.5 情景下 90 信度 区间内，不同模式最早达到全球平均 1.5℃增温 的时间是 2012 年，最晚是 2041 年；在 RCP2.6、 RCP4.5和 RCP8.5情景下基于多模式集合平均结果 的全球平均 1.5℃增温出现时间分别是 2029、2028 和 2025 年，RCP4.5 和 RCP8.5 情景下达到全球平 均 2℃增温的时间则分别是 2048和 2040年。此外， 由于 CMIP5 数据提供的每个模式的模拟样本数量 较少，内部变率的影响很可能会被低估，如果能 获取更多的模拟成员， 单个模式内部不同成员 1.5℃ 或 2℃增温出现时间的差异可能还会进一步扩大。 3 内部变率对达到1.5℃和2℃升温阈值时 间不确定性影响的空间分布 内部变率引起的 1.5℃和 2℃升温阈值出现时 间的不确定性在某些区域尺度上远大于全球平均 的影响，为进一步考察其影响的空间分布，图 2 给出了 7 个模式所有成员在 RCP4.5 排放情景下达 到 1.5℃增温年份的标准差的空间分布。CanESM2 模式所有成员达到 1.5℃增温年份的标准差的大 值区分布在南北半球高纬，主要是北极和南极。 CCSM4 模式的大值区域分布在北半球高纬的白 令海峡周围海域，北极圈附近的巴伦支海、挪威 海、格陵兰海以及南半球环南极大陆周边海域。 CSIRO-Mk3-6-0 模式的标准差大值区域在南北半 球都明显扩大了一些，在北半球有 3 个大值区， 比 CCSM4 模式增加了北美东北与格陵兰岛之间 海域的大值区域，在南半球高纬则呈带状分布。 FIO-ESM 模式的大值区域主要分布在北半球阿拉 斯加及其周围海域和南极玛丽伯德地沿海。IPSL- CM5A-LR 模式在北半球的标准差数值比其他模式 都要小一些。MIROC5 和 MPI-ESM-LR 模式的大 值区也分布在北半球中高纬和南半球高纬地区，此 外，这两个模式的南半球中纬海洋在 RCP4.5 排放 情景下没有达到 1.5℃增温。总体来看，这 7 个模 式所有成员达到 1.5℃增温年份的标准差的空间分 布模态比较接近，单个模式内部成员之间的不确定 性呈现极向增大的趋势，大值区主要出现在北半球 欧亚大陆北部洋面、北冰洋与太平洋交界区域、北 美东北部及其与格陵兰岛之间的海域，以及南半球 高纬。这一空间分布形态与模式引起的不确定性的 结果相近，Wang 等 [25] 使用 CMIP5 的 39 个模式数 据分析 4℃增温的全球空间分布时发现模式之间的 不确定性也主要出现在北半球高纬海洋和南极海岸 附近。 7 个模式在 RCP4.5 排放情景下达到 2℃增温 年份的标准差的空间分布模态与 1.5℃增温的情况 相近，大值分布在南、北半球高纬，但是标准差 的数值减小，内部变率引起的不确定性小于 1.5℃ 增温的情况。 Zhao 等 [26] 基于CMIP5 模式发现 20062100 年地表温度年代际趋势模式之间不确 定性最大的区域也是在北极、南极和其他北半球高 纬度地区。 4 内部变率引起的不确定性对排放情景的 敏感性 为更全面考察内部变率引起的不确定性对排 放情景的敏感性，表 5 给出了 CMIP5 中 7 个模 式内部所有成员在 RCP2.6、RCP4.5、RCP6.0 和 RCP8.5 情景下全球平均地表温度达到 1.5℃增温年 份的标准差和极差，除了 CCSM4、IPSL-CM5A-LR 气候变化研究进展 2019 年 348 气 候 系 统 变 化 图 2 CMIP5 的 7 个模式所有成员在 RCP4.5 排放情景下达到 1.5℃增温年份的标准差的空间分布 Fig. 2 The spatial distribution for the standard deviation of 1.5℃ warming threshold-crossing time among all members for each model under RCP4.5 注白色区域表示到 2100 年模式仍未达到 1.5℃增温。 30˚E 60˚N EQ 60˚S 90˚E 150˚E 150˚W 90˚W 30˚W 60˚N EQ 60˚S 30˚E 90˚E 150˚E 150˚W 90˚W 30˚W 30˚E 90˚E 150˚E 150˚W 90˚W 30˚W 30˚E 90˚E 150˚E 150˚W 90˚W 30˚W 30˚E 60˚N EQ 60˚S 90˚E 150˚E 150˚W 90˚W 30˚W 60˚N EQ 60˚S 30˚E 90˚E 150˚E 150˚W 90˚W 30˚W 30˚E 90˚E 150˚E 150˚W 90˚W 30˚W 30˚E 90˚E 150˚E 150˚W 90˚W 30˚W 30˚E 60˚N EQ 60˚S 90˚E 150˚E 150˚W 90˚W 30˚W 60˚N EQ 60˚S 30˚E 90˚E 150˚E 150˚W 90˚W 30˚W 30˚E 90˚E 150˚E 150˚W 90˚W 30˚W 30˚E 90˚E 150˚E 150˚W 90˚W 30˚W 30˚E 60˚N EQ 60˚S 90˚E 150˚E 150˚W 90˚W 30˚W 60˚N EQ 60˚S 30˚E 90˚E 150˚E 150˚W 90˚W 30˚W CanESM2 CCSM4 CSIRO-Mk3-6-0 FIO-ESM IPSL-CM5A-LR MIROC5 MPI-ESM-LR 10 15 20 25 30 35 40 a 和 MIROC5 模式，其余模式的最大标准差都出现 在 RCP2.6 情景下。CSIRO-Mk3-6-0 模式的极差， 即最晚和最早达到 1.5℃增温年份之差，在 4 个排 放情景下都是 12 年，但是 RCP2.6 情景下的标准 差最大。另外，在 RCP6.0 情景下有数据的 4 个模 式的标准差和极差都比 RCP4.5 和 RCP8.5 情景下 4 期 349 季涤非，等模式内部变率引起的 1.5℃和 2℃升温阈值出现时间模拟的不确定性研究 表 5 模式所有成员在 4 个排放情景下达到全球 1.5℃增温 年份的标准差和极差 Table 5 Standard deviation and range of 1.5℃ global warming threshold-crossing time among all members for each model under four emission scenarios 表 6 模式所有成员在 4 个排放情景下达到全球 2℃增温年 份的标准差和极差 Table 6 Standard deviation and range of 2℃ global warming threshold-crossing time among all members for each model under four emission scenarios 模式名称 CanESM2 CCSM4 CSIRO-Mk3-6-0 FIO-ESM IPSL-CM5A-LR MIROC5 MPI-ESM-LR RCP2.6 RCP4.5 RCP6.0 RCP8.5 2.41/6 N 9.34/29 N 3.11/7 N N 2.45/6 2.42/7 3.22/10 N 1.73/4 3.21/6 3.61/7 4.45/11 2.17/6 5.29/10 2.08/5 0.89/2 2.42/7 1.99/7 1.00/2 1.41/3 2.08/4 1.73/3 注“N”表示在 2100 年以前没有达到 2℃增温。 大。在 2℃增温时间的模拟结果中表 6） ，除了 4 个模式在 RCP2.6 情景下未出现 2℃增温，CSIRO- Mk3-6-0 和 IPSL-CM5A-LR 模式的最大标准差和 极差都出现在 RCP2.6 情景下，且随着排放情景 增强而减小；CanESM2 模式在 RCP2.6 和 RCP4.5 情景下的标准差和极差大于 RCP8.5 情景。这一 现象类似于模式不确定性对升温阈值出现时间模 拟的影响，如 Chen 等 [22] 基于 CMIP5 模式分析 了 RCP4.5 和 RCP8.5 情景下中国出现 2℃增温的 时间，发现在 RCP4.5 情景下的模式不确定性大于 RCP8.5 情景。 5 结论和讨论 为定量研究内部变率对升温阈值出现时间的影 响，本文选取历史试验和未来排放情景试验的集合 成员不低于 3 的 7 个 CMIP5 模式，分析内部变率 引起的 1.5℃和 2℃升温阈值相关模拟的不确定性， 主要结论如下。 1 内部变率对 1.5℃和 2℃升温阈值出现时间 的影响不可忽略，与外强迫的影响相当。单个模式 内部不同成员达到全球平均 1.5℃或 2℃增温的年 份最大相差 10 年左右。内部变率引起的区域尺度 达到 1.5℃或 2.0℃增温年份的不确定性普遍大于 全球平均，其中极地和中西伯利亚高原的不确定性 最大。 2 CanESM2、CCSM4、CSIRO-Mk3-6-0、 FIO-ESM、IPSL-CM5A-LR、MIROC5和 MPI- ESM-LR 7 个模式由内部变率引起的达到 1.5℃或 2℃升温阈值时间不确定性的空间分布相似，大值 分布在北半球欧亚大陆以北洋面、北冰洋与太平洋 交界区域、 北美东北部及其与格陵兰岛之间的海域， 以及南极海岸附近。 3 内部变率引起的不确定性与排放情景强度 密切相关，7 个模式达到 1.5℃和 2℃升温时间的 最大标准差和极差大多出现在 RCP2.6 情景下，而 最小标准差和极差几乎都出现在 RCP8.5 情景下。 这表明排放越少，内部变率引起的不确定性越大， 因此在设计不同排放情景试验时要更多地考虑到内 部变率引起的不确定性。 内部变率对 1.5℃和 2℃升温阈值出现时间模 拟影响比较大的区域主要集中在南北两极和北半球 高纬地区，与 Dai 等 [10] 利用 CESM1 和 CanESM2 模式的两个大型模拟集合研究内部变率对地表温度 年代际趋势影响的空间分布一致，可能与海冰模拟 的变化有关，而海冰模拟的不确定性可以通过海气 耦合过程的通量交换影响大气模拟。此外，从内部 变率引起的不确定性的全球空间分布可以看出， 模式名称 CanESM2 CCSM4 CSIRO-Mk3-6-0 FIO-ESM IPSL-CM5A-LR MIROC5 MPI-ESM-LR RCP2.6 RCP4.5 RCP6.0 RCP8.5 1.87/4 3.08/9 4.10/12 32.91/57 1.63/4 1.53/2 3.21/6 1.00/2 2.42/6 3.07/12 3.61/7 2.63/5 3.21/6 2.08/4 3.15/9 3.75/12 7.57/14 5.86/11 1.00/2 1.37/4 3.53/12 2.31/4 2.83/6 2.31/4 2.08/4 注值的含义为标准差/极差，空白表示没有数据，下同。 气候变化研究进展 2019 年 350 气 候 系 统 变 化 内部变率引起的达到 2℃增温年份的不确定性小于 1.5℃增温的情况，这可能是由于达到 1.5℃增温的 模拟时间早于 2℃增温，而内部变率在模拟前期的 影响更大，因为随着时间增长，外强迫对模拟不确 定性的贡献占比增加。Hawkins 等 [20] 基于 CMIP3 数据分析发现虽然内部变率的振幅保持不变，但是 内部变率对 21 世纪全球年代际平均地表温度预估 不确定性影响的贡献比例在 3 种不确定性来源外 强迫、模式、内部变率中随着时间增加而减小， 而外强迫的贡献比例随时间增加而增大。针对在 RCP2.6 情景下，内部变率引起的达到 1.5℃和 2℃ 升温阈值年份不确定性最大，即排放越少的情景不 确定性越大的情况，是否与外强迫的强度等因素有 关还需要进一步探讨。Chen 等 [22] 对比了 RCP4.5 和 RCP8.5 情景下中国 2℃增温模拟的不确定性， 结果差异并不大，不确定性的主要来源是达到 2℃ 增温时的增温速率，而中等排放情景 RCP4.5 下的 增温速率明显小于高等排放情景 RCP8.5。最后需 要指出的是，由于 CMIP5 提供模拟成员数量的限 制，使得本文研究中内部变率的影响有可能会被低 估，未来会基于更大样本量的试验，例如美国国 家大气研究中心NCAR的大型模拟集合CESM LENS [27] 和即将发布的 CMIP6 数据，进一步研究 内部变率的影响。 参考文献 IPCC. Climate change 2013 the physical science basis [M]. Cambridge Cambridge University Press, 2013 UNFCCC. Communications received from parties in relation to the listing in the chapeau of the Copenhagen Accord [EB/OL]. 2010 [2012- 07-05]. http//unfcc.int/meetings/cop_accord/items/5276.php Randalls S. History of the 2℃ climate target [J]. Wiley Interdisciplinary Reviews Climate Change, 2010, 1 4 598-605 Arora V K, Scinocca J F, Boer G J, et al. Carbon emission limits required to satisfy future representative concentration pathways of greenhouse gases [J]. Geophysical Research Letters, 2011, 38 5 387-404 Baek H J, Lee J, Lee H S, et al. Climate change in the 21st century simulated by HadGEM2-AO under representative concentration pathways [J]. Asia-pacific Journal of Atmospheric Sciences, 2013, 49 5 603-618 Meehl G A, Washington W M, Arblaster J M, et al. Climate change [1] [4] [3] [5] [2] [6] projections in CESM1 CAM5 compared to CCSM4 [J]. Journal of Climate, 2013, 26 17 6287-6308 Wang Z, Lin L, Zhang X, et al. Scenario dependence of future changes in climate extremes under 1.5 ℃ and 2 ℃ global warming [J]. Scientific Reports, 2017, 7 46432 Hawkins E, Sutton R. The potential to narrow uncertainty in projections of regional precipitation change [J]. Climate Dynamics, 2011, 37 1-2 407-418 Deser C, Phillips A, Bourdette V, et al. Uncertainty in climate change projections the role of internal variability [J]. Climate Dynamics, 2012, 38 3-4