全球增暖1.5 ℃和2.0 ℃下成渝經濟區及周邊地區極端溫度事件的變化預估

孫雪榕,葛非,羅浩林,封彩云

摘要 極端溫度事件不僅影響人類健康，而且易造成重大社會經濟損失，是引起重大氣候災害的原因之一。對于易受氣候變化影響的高敏感地區來說，確定區域氣候對不同程度全球變暖的響應至關重要。本文基于區域氣候降尺度試驗-東亞區域（CORDEX-EAS）數據集，預估了1.5 ℃和2.0 ℃全球升溫水平（Global Warming Levels，GWLs）下成渝經濟區及周邊地區極端溫度的未來變化趨勢。結果表明：成渝經濟區及周邊地區極端高溫指數在兩種升溫水平下均呈現明顯上升趨勢，而極端低溫指數呈現下降趨勢。極端冷暖事件具有局部對稱性特征，極端暖事件的變化幅度要大于極端冷事件的變化幅度。極端溫度指數對兩種升溫水平的響應具有差異性，除氣溫日較差外，其他指數的變化幅度在2.0 ℃GWL下大于在1.5 ℃GWL下。此外，隨著全球平均升溫幅度的增大，未來極端溫度事件的強度和發生頻率也會相應提升，極端溫度事件對額外0.5 ℃的GWL升溫閾值具有高度敏感性。本文研究了1.5 ℃和2.0 ℃GWLs下成渝經濟區及周邊地區極端溫度的未來演變，再次強調了將全球平均升溫幅度限制在1.5 ℃以內的重要性。

關鍵詞 成渝經濟區;CORDEX;區域氣候模式;氣候變化;極端溫度事件

自工業革命以來，全球氣候系統經歷了以變暖為主要特征的顯著變化，生態環境與氣候系統的穩定面臨著嚴峻的挑戰。根據政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change，IPCC）第五次評估報告（Fifth Assessment Report，AR5）指出，1880—2012年全球平均地表溫度上升了（0.85±0.2） ℃（IPCC，2013）。大量研究顯示，在全球變暖的背景下，極端天氣和氣候事件頻發、持續時間以及影響范圍也發生了顯著的變化（Rahmstorf and Coumou，2011;Tebaldi et al.，2015;周國逸等，2020），且全球變暖主要通過極端氣候的變化影響人類社會、環境（IPCC，2013）。同時，氣候變化引起的環境惡化、糧食減產、淡水資源缺乏、生態退化等問題與社會經濟可持續發展的矛盾日益突出。為了更好地適應不斷變化的氣候，采取減緩、適應戰略以應對氣候變化的脅迫，未來氣候變化的可靠預測已經成為當今極為重要的政治議題，也是人類適應性決策的現實需求（Lang and Sui，2013）。

2015年聯合國氣候變化框架公約（United Nations Framework Convention，UNFCCC）第二十一屆締約方大會（the 21st Conference of Parties，COP21）通過《巴黎協定》提出將全球平均溫度較工業化前時期上升幅度控制在2.0 ℃以內的重要目標，并力爭將變暖控制在1.5 ℃以內。該協議旨在大幅降低自20世紀80年代以來由于人為溫室氣體（GreenHouse Gas，GHG）大量排放造成的風險和影響。Mitchell et al.（2016）提出極端氣候事件的頻率和強度在不同全球變暖水平上呈增加趨勢。因此，亟需在區域范圍內針對不同的全球升溫閾值進行氣候變化的相關研究，充分認識全球變暖趨勢，并為應對氣候變化提供有效信息。

氣候模式作為氣候模擬和未來氣候變化研究的重要工具之一，被廣泛應用于相關研究中。已有學者利用國際耦合模式比較計劃第五階段的模式結果分析了各種典型濃度路徑情景下地表溫度的未來變化特征（Xu and Xu，2012;Zhang，2012;Knutti et al.，2013;Xin et al.，2013）。張莉等（2013）基于CMIP5的29個氣候模式分析了不同典型濃度路徑（Representative Concentration Pathway，RCP）情景下全球與中國平均地表溫度的變化特征及不同升溫閾值出現的時間。許多研究表明，全球氣候模式（Global Climate Models，GCMs）能夠較好地再現歷史溫度的空間分布和變化（Miao et al.，2014;McSweeney et al.，2015;Soden et al.，2018;Ruan et al.，2019）。然而全球模式分辨率多為100～300 km，對于高分辨率區域尺度氣候變化的模擬與預估能力有限，存在較大的不確定性。為了應對區域范圍內對氣候信息的更高需求，采用動力降尺度的區域氣候模式（Regional Climate Models，RCM），不僅可以提供更詳細的局地信息，還可以提高模式模擬的性能。為推動CMIP5的氣候預估產品更好地服務于氣候變化影響、適應和脆弱性評估以及政府決策，世界氣候研究計劃（World Climate Research Programme，WCRP）發起“國際區域氣候降尺度試驗”（Coordinated Regional Downscaling Experiment，CORDEX;Jones et al.，2011）計劃。目前，從CORDEX模式得出的高分辨率區域氣候集合已被廣泛用于預估未來的區域氣候變化。除了氣候平均態的變化之外，極端氣候事件變化的影響更為關鍵（Lang and Sui，2013）。Zhang et al.（2020）研究結果顯示，在1.5 ℃和2.0 ℃全球升溫水平下中國變暖幅度會超過全球平均水平。中國決策者尤其關注全球變暖所帶來的極端氣候變化。但目前為止，對成渝經濟區極端溫度事件的研究尚且較少，成渝經濟區地處四川盆地的核心地帶，地形復雜，地貌類型多樣，是氣候變化的敏感區。因此，研究未來極端溫度事件發生頻率的變化，深化對該地區氣候變化的理解和認識，為今后的防災減災工作提供強有力的理論支持，有利于最大限度減輕自然災害的損失。

1 資料和方法

1.1 研究區域與數據資料

成渝經濟區（104°～109°E，28°～32°N;圖1）主要包括四川省的成都、德陽、綿陽、眉山、資陽等15個市，重慶市的萬州、涪陵、渝中、大渡口、江北等31個區縣，位于長江上游，在帶動西部地區發展和促進全國區域協調發展中發揮重要作用。周邊川西高原位于青藏高原和四川盆地的過渡地帶，是我國重要的地勢突變帶，一直以來都是社會各界關注的重點。使用的數據來自區域氣候降尺度試驗-東亞區域（CORDEX-EAS）數據集，選擇其中6個氣候模式的歷史模擬試驗數據（1976—2005年）和兩種RCP情景下（RCP4.5、RCP8.5）的未來預估數據（2006—2100年），空間分辨率為0.5°×0.5°。關于這些氣候模式的基本信息見表1。下文中單個模式由RCM表示，后面括號內為相應的驅動GCM，例如CCLM5（CNRM-CM5）表示由CMIP5全球氣候模式CNRM-CM5驅動的區域氣候模式CCLM5。此外，選取歐洲中期天氣預報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）的CERA-20C地面溫度再分析數據集來評估模式的模擬能力，時間范圍是1961—2005年，空間分辨率為0.5°×0.5°，其中1961—1990年數據用于相關極端溫度指數的計算。該數據集在成渝區域和熱帶地區的適用性和可靠性較好，克服不規則分布的觀測站造成的不一致性，同時在模式評估的比較和應用方面的表現也相對突出（Luo et al.，2019;Palarz et al.，2020;Zhu et al.，2020;Dai and Wright，2021）。

為了探討成渝經濟區及周邊地區極端溫度事件對全球變暖的響應，本文采用世界氣象組織（World Meteorological Organization，WMO）和氣候變化與監測指數專家組（Expert Team on Climate Change Detection and Indices，ETCCDI;Zhang et al.，2011）推薦的極端溫度指數。考慮到研究區域的氣候特征，選取了其中的9個溫度指數進行分析。各指數的具體定義如表2所示。

1.2 1.5 ℃和2.0 ℃全球升溫水平的定義

《巴黎協定》簽署后，將全球平均增溫相較于工業化前時期限制在1.5 ℃和2.0 ℃以內的目標已經成為全世界各國政府的共識。2.0 ℃全球升溫被認為是氣候變化影響的一個危險閾值。當全球升溫2.0 ℃時，中國升溫幅度明顯高于全球平均升溫（姜大膀和富元海，2012;張莉等，2013）。CORDEX-EAS模式數據達到1.5 ℃和2.0 ℃升溫閾值的年份取決于其內部起驅動作用的CMIP5全球模式，兼顧各模式歷史氣候模擬的起始時間不同，本文統一選取1881—1910年作為不同升溫閾值的參考時段。為了消除全球平均溫度年際變率的影響，對全球模式中的平均溫度序列進行30 a滑動平均，取不同RCP情景下第1年超過1.5 ℃和2.0 ℃的30 a進行分析，以獲得相對穩定的氣候態（Lang and Sui，2013）。研究表明，全球升溫水平與排放場景之間保持相對獨立，相同的全球升溫水平下，RCP的不同對于模式溫度數據的影響很小，即相應預估是不依賴于情景的（King and Karoly，2017;王曉欣等，2019）。因此，本文將6個區域氣候模式在RCP4.5和RCP8.5場景下的12組模擬數據作為一個模式集合進行分析。CORDEX-EAS模式模擬數據的分辨率與CERA-20C觀測資料保持一致，顯著性檢驗采用Student-t檢驗。

1.3 研究方法

使用相對均方根誤差（R′MSE）來評估CORDEX-EAS模式模擬歷史參考時期（1976—2005年）極端溫度的能力（King and Karoly，2017）。首先，計算得到均方根誤差（RMSE），其定義如下：

RMSE=1n∑ni=1（X-Y）2。（1）

其中：X指模式模擬的極端溫度指數;Y指由CERA-20C得到的極端溫度指數。然后通過RMSE求得每個模式的R′MSE，其定義如下：

R′MSE=RMSE-RMSE-MedianRMSE-Median。（2）

其中RMSE-Median是指單個CORDEX-EAS模式指數RMSE的集合中位數。通常情況下，負的表示該模式的模擬效果較好（Gleckler et al.，2008;Ge et al.，2019;Zhu et al.，2020）。除此之外，為定量評估多模式集合中位數計算結果的可信度，本文還引入了信噪比（SNR）（Shi et al.，2018;王曉欣等，2019）。信噪比是氣候變化信號與噪音之間的比值，信噪比的定義如下：

SNR=|xe|1n∑ni=1（xi-xe）2。（3）

其中：xe代表某個指數的模式集合中位數;xi代表模式集合中位數預估的對應變暖時間下單個模式的對應指數。SNR>1代表模式集合模擬的氣候變化大于模式間的離差（噪音），即預估結果較為可信（李博和周天軍，2010;王曉欣等，2019）。

為了進一步量化CORDEX-EAS模式模擬性能，本文還使用泰勒圖來反映各模式的模擬情況。當相關系數越大、均方根誤差（RMSE）越小、標準差比率越小時，該模式模擬效果較好（You et al.，2021）。

2 研究結果

2.1 CORDEX-EAS模式對成渝經濟區及周邊地區極端溫度事件的模擬評估

隨著高分辨率氣候模式的迅速發展，大量學者評估了模式模擬歷史氣候的表現，結果顯示，模式在整體上能夠很好地捕捉指數的變化趨勢（Jiang et al.，2012;Yao et al.，2012;Lewis and Karoly，2013;胡芩等，2014;Pinto et al.，2016）。圖2顯示了1976—2005年單個CORDEX-EAS模式、多模式集合中位數的極端溫度指數相對均方根誤差。結果表明，各模式模擬極端溫度的能力存在較大的差異，大多數指數呈現出負的R′MSE值，在模擬極端溫度方面總體表現良好。不同氣候模式由于模擬性能的差異，其模擬結果也存在著差異，對不同類型的極端溫度指數表現不一致，這有助于評估區域氣候模式在該地區氣候變化的適應性（Guo et al.，2018）。由圖3可知，大部分指數均表現出了CORDEX各模式與CERA-20C再分析數據之間具有良好的空間相關性，相關系數均在0.8～0.9，同時暖指數的模擬結果要優于冷指數的模擬結果。對于SU、TR、WSDI等指數來說，CORDEX各模式較為集中地分布于參考值（Reference value，REF，表示由CERA-20C數據計算的極端溫度指數）兩側，模擬結果與CERA-20C再分析數據間相關性高。綜合來看，CCLM5（HadGEM2-ES）的模擬結果最好，在圖2中表現為9個極端溫度指數的相對均方根誤差中，僅有3個指數（WSDI、TX90p、TX10p）R′MSE值為正;在圖3中該模式多個指數的模擬結果非常靠近REF值。而CCLM（CNRM-CM5）模擬結果較差，6個指數R′MSE值為正，對于TR、TX10p、CSDI的模擬出現較大偏差，R′MSE值大于0.2，在對應的Taylor圖中其結果也偏離REF。

有學者指出，為了降低各個模式內部的系統性誤差，選取模式集合中位數可較為合理的反映模擬和預估的結果（Zhou et al.，2014;Dong et al.，2015;Ge et al.，2019;Zhu et al.，2020;Ge et al.，2021）。圖2（最后一行）9個極端溫度指數的R′MSE全部小于0，圖3中Ensemble Median更逼近REF值，多模式集合中位數的模擬結果明顯優于單一模式，能夠較好地反映觀測的趨勢變化。因此，本文采用多模式集合中位數作為CORDEX-EAS模式的極端溫度指數參與預估研究。

2.2 1.5 ℃和2.0 ℃的GWLs下成渝經濟區及周邊地區極端溫度事件變化特征

在全球變暖背景下，極端氣候事件的變化尤為顯著，對自然環境和人類生活造成深遠影響。因此，有必要深入分析不同升溫閾值下極端氣候事件的變化。

圖4、圖5給出了在1.5 ℃和2.0 ℃ GWLs下CORDEX-EAS模式模擬的成渝經濟區極端溫度指數的集合中位數相對于參考時期（1976—2005年）的變化。夏季日數（SU）、熱夜日數（TR）為絕對指數，這類指數以某一具體的溫度值作為衡量極端事件的閾值，對人類生活具有重要的指示意義。在1.5 ℃ GWL（2.0 ℃ GWL）下，SU、TR的平均增長分別為21 d、18 d（26 d、24 d）。暖晝日數（TX90p）、暖夜日數（TN90p）、冷晝日數（TX10p）、冷夜日數（TN10p）屬于相對指數，主要用來表現溫度在概率分布左右兩端特征的變化情況。在兩種全球升溫閾值下，暖指數均呈現出不同程度的上升趨勢，冷指數呈現明顯的下降趨勢，空間分布相類似，且由于川西高原海拔高，溫度低等因素下降幅度更大。已有研究表明未來最高、最低氣溫將逐漸升高（姜大膀等，2004;Xu et al.，2013;李東歡等，2017;周波濤等，2020）。相對于1.5 ℃ GWL，2.0 ℃ GWL閾值的上升幅度更顯著。但各個指數的表現不同，同一指數也表現出區域性差異。其中暖晝日數（TX90p）在成渝經濟區西部的變化略大于其他地區，全球增溫1.5 ℃（2.0 ℃）時，平均增長天數將達到6 d（8 d）;隨著全球升溫閾值的增大，增溫區域同樣顯著擴大，升溫最顯著的地區位于宜賓、瀘州。暖夜日數（TN90p）的上升幅度較小，在成渝經濟區存在一個低值區，而西部地區增長較大。

冷晝日數（TX10p）、冷夜日數（TN10p）在1.5 ℃全球升溫水平下平均減少4 d、2 d;2.0 ℃時為5 d、3 d。暖持續時間（WSDI）、冷持續時間（CSDI）則分別呈現出上升和下降的趨勢，在1.5 ℃ GWL （2.0 ℃ GWL）下，WSDI區域平均上升20 d（26 d），CSDI平均下降6 d（7 d），這與Zhou et al.（2014）使用CMIP5模式進行相關研究得到的結果相符。四川西南部CSDI減少趨勢最大，2.0 ℃ GWL時部分地區未來減少17 d。此外，成渝經濟區及周邊地區DTR略有上升，其變化量普遍在0.5 ℃以上。

為了確定成渝經濟區極端溫度對不同升溫閾值的響應，圖6給出了極端溫度指數的百分比變化。顯然，除了TX10p、TN10p、CSDI的集合中位數小于零外，其余指數的變化都大于零，說明與1976—2005年相比，極端高溫事件有增加的趨勢。在1.5 ℃ GWL（2.0 ℃ GWL）下，SU的增幅為16.9%（26.3%），TR、WSDI的增幅可至30%（40%）以上。TN90p增幅較小，明顯小于TX90p的增長趨勢，在1.5 ℃ GWL和2.0 ℃ GWL下分別為4.6%和6.2%。對于極端低溫指數來說，在1.5 ℃ GWL（2.0℃ GWL）下，TX10p下降了7.1%（9.9%），TN10p下降了27.9%（38.1%），TN10p的減少趨勢明顯大于TX10p，CSDI下降幅度最大，下降了40%（51.8%）。值得注意的是，各指數均表現出在2.0 ℃ GWL時的變化幅度總是大于1.5 ℃ GWL時的變化幅度，表明將全球升溫控制在1.5 ℃以內的重要性。另外，可以看到無論是1.5 ℃ GWL 還是2.0 ℃ GWL，極端溫度變化基本一致。但當前的氣候模式預估未來不同升溫閾值下極端溫度事件的變化仍具有一定的不確定性，所有模式中，對于極端高溫指數HadGEM3-RA（HadGEM2-AO）偏離中位數較大，而對于極端低溫指數CCLM5（CNRM-CM5）偏離中位數較大，并且隨著升溫閾值的升高，偏離越遠。

2.3 額外0.5 ℃增溫對成渝經濟區及周邊地區極端溫度事件變化的影響

前人研究已經發現了降低全球變暖水平的重要性，特別是極端高溫事件的增長將有所放緩（Tebaldi and Wehner，2018）。因此量化1.5 ℃和2.0 ℃ GWLs之間的極端氣候的影響差異同樣十分重要。成渝經濟區及周邊地區1.5 ℃和2.0 ℃ GWLs極端溫度指數變化量的差值（2.0 ℃ GWL減去1.5 ℃ GWL;圖7）。

在研究區域內，額外0.5 ℃升溫使各極端溫度指數在2.0 ℃ GWL的變化均比1.5 ℃ GWL更為顯著。這與大量學者之前的研究結果非常吻合，其普遍認為全球升溫幅度越大，區域極端溫度事件發生的頻率也會相應提升（姜大膀和富元海，2012;Hulme，2016;King and Karoly，2017;Chen and Sun，2019）。0.5 ℃增溫使SU、TR分別增加了5 d、6 d，其中WSDI的差異最為明顯，在2.0 ℃ GWL的日數要比1.5 ℃ GWL多8 d，意味著如果全球升溫無法控制，那么該地區面臨的持續高溫風險將會迅速提升。相比于暖事件，冷事件的平均變化幅度較低，在成渝經濟區的變化不明顯，CSDI平均減少了兩天，相對指數差值不大，TX90p、TN90p分別增加2 d、1 d，TX10p、TN10p均減少1 d。因此，若將全球增溫控制在1.5 ℃以內能夠減少極端高溫事件的發生強度及頻率（江曉菲等，2020）。DTR在兩種升溫水平下變化的差值體現出了明顯的區域性特點，不同升溫閾值間差異不明顯，最多不超過0.2 ℃。

3 結論與討論

利用CERA-20C再分析資料評估了6個COEDEX-EAS模式對成渝經濟區及周邊地區極端溫度事件歷史模擬的表現，在此基礎上利用多模式集合中位數探討了1.5 ℃和2.0 ℃ GWLs下，該地區未來極端溫度事件的變化特征，研究了極端溫度事件對于兩種全球升溫水平差異的響應，得出以下主要研究結果：

1）未來全球升溫1.5 ℃和2.0 ℃水平下，極端溫度指數顯著變化，表現為極端高溫指數均呈現上升趨勢，極端低溫指數呈現下降趨勢，且極端高溫顯著于極端低溫。極端冷暖事件具有局部對稱性的特征，成渝經濟區極端溫度事件變化特征明顯。此外，各指數在2.0 ℃ GWL的變化要普遍大于1.5 ℃ GWL。隨著全球平均溫度的升高，未來預計會發生更多的極端溫度事件。

2）不同指數之間，變化的百分比具有顯著差異。但無論是1.5 ℃ GWL還是2.0 ℃ GWL，在不同情景下的極端溫度變化基本一致。除了TX10p、TN10p、CSDI的集合中位數小于零外，其余指數的變化均大于零。全球升溫水平從1.5 ℃升高至2.0 ℃時，SU的增幅從16.9%上升至26.3%，TR從30.6%上升至46.5%;TN90p增幅明顯小于TX90p，TN10p的下降趨勢明顯大于TX10p;而DTR的變化幅度最小，僅為1%和0.6%（1.5 ℃ GWL、2.0 ℃ GWL）。極端暖事件變化幅度比極端冷事件變化幅度大，表明成渝經濟區極端高溫事件將急劇增加。

3）成渝經濟區及周邊地區的極端溫度對于不同全球升溫水平的響應具有差異性，其中顯著的差異體現在WSDI上，2.0 ℃ GWL的WSDI要比1.5 ℃下多8 d。對于額外0.5 ℃的全球升溫水平，研究區域極端溫度事件表現出了高度的敏感性，即全球升溫幅度越大，區域極端溫度事件發生的頻率也會相應提升。這意味著如果全球升溫得不到有效控制，此地區將面臨更大的極端溫度天氣風險。

西南地理條件特殊，是氣候變化的敏感區。隨著全球平均氣溫的升高，該區域增溫顯著，且增溫區域擴大明顯。本文結果呈現出極端高溫指數與極端低溫指數整體為相反趨勢的現象，可能是由于東亞地區夏秋季反氣旋環流的加強，亞洲季風系統的減弱使氣溫升高;而冬春季氣旋加強，西風強度加強，從而減少冬季風和冷空氣南侵，極端冷事件減少（You et al.，2011;王岱等，2016）。除了大氣環流，影響極端氣候的變化也與城市化及城市熱島效應有關（吳婕等，2015;儲鵬等，2016）。城市熱島效應的加劇，導致該地區高溫熱浪事件將頻繁發生。高原氣候變化對周邊地區造成重大影響，是全球氣候變化的重點研究區。青藏高原及周邊地區的極端溫度事件頻發，表現為暖晝和暖夜日數增多、冷晝和冷夜日數減少，這與本文成渝經濟區的研究結果高度一致。此前，You et al.（2016）發現青藏高原地區經歷了顯著升溫并且這種升溫趨勢可能會長期存在。青藏高原作為高敏感區，由于地形復雜等原因，導致該地區存在較大的冷偏差，地面平均溫度一直被低估（You et al.，2021）。這意味著未來青藏高原地區溫度將持續升高，凍土層可能會發生更加顯著的熱退化，對區域的生態環境、水質安全以及高原氣候系統產生深遠的影響（李紅梅和李林，2015;王寧練等，2019;李菲等，2021）。

先前的研究大多集中在較高的變暖水平上，而忽略了1.5 ℃和2.0 ℃之間的氣候變化所帶來的風險（Seneviratne et al.，2016;Vautard et al.，2014）。Schleussner et al.（2016）研究了極端氣候及相關影響在全球范圍內的變化，發現全球變暖的1.5 ℃和2.0 ℃之間存在巨大差異。同時國內不少學者預測了中國極端氣候對不同升溫閾值的響應，表明將升溫限制在1.5 ℃而不是2.0 ℃或更高的溫度，可以避免一系列氣候變化的影響（Ge et al.，2019;徐文馨等，2020;江曉菲等，2020）。但令人遺憾的是，預計到21世紀中期，全球平均升溫可能會超過1.5 ℃。為防止劇烈的氣候變化，各國應該遵守減排承諾，采用綠色發展和可持續發展社會經濟發展路徑以減少極端氣候災害帶來的經濟損失。雖然在不同的RCP情景下的預測結果一般不會有很大變化，但在某些特殊區域可能會出現異常特征（Shi et al.，2018）。為了進一步驗證研究結果，未來可用CMIP6為氣候變化預估提供的更為豐富的全球氣候模式數據，以得到更為可靠的氣候變化可能結果。

參考文獻（References）

Chen H P，Sun J Q，2019.Increased population exposure to extreme droughts in China due to 0.5 ℃ of additional warming[J].Environ Res Lett，14（6）：064011.doi：10.1088/1748-9326/ab072e.

儲鵬，江志紅，李慶祥，等，2016.城市分類對中國城市化影響評估的不確定性分析[J].大氣科學學報，39（5）：661-671. Chu P，Jiang Z H，Li Q X，et al.，2016.Analysis of the effect of uncertainty in urban and rural classification on urbanization impact assessment[J].Trans Atmos Sci，39（5）：661-671.doi：10.13878/j.cnki.dqkxxb.20130303003.（in Chinese）.

Dai L，Wright J S，2021.Long-term variability of relationships between potential large-scale drivers and summer precipitation in North China in the CERA-20C reanalysis[J].Atmosphere，12（1）：81.doi：10.3390/atmos12010081.

Dong S Y，Xu Y，Zhou B T，et al.，2015.Assessment of indices of temperature extremes simulated by multiple CMIP5 models over China[J].Adv Atmos Sci，32（8）：1077-1091.doi：10.1007/s00376-015-4152-5.

Ge F，Zhu S P，Peng T，et al.，2019.Risks of precipitation extremes over Southeast Asia：does 1.5 ℃ or 2 ℃ global warming make a difference？[J].Environ Res Lett，14（4）：044015.doi：10.1088/1748-9326/aaff7e.

Ge F，Zhu S P，Luo H L，et al.，2021.Future changes in precipitation extremes over Southeast Asia：insights from CMIP6 multi-model ensemble[J].Environ Res Lett，16（2）：024013.doi：10.1088/1748-9326/abd7ad.

Gleckler P J，Taylor K E，Doutriaux C，2008.Performance metrics for climate models[J].J Geophys Res：Atmos，113（D6）：D06104.doi：10.1029/2007JD008972.

Guo D L，Sun J Q，Yu E T，2018.Evaluation of CORDEX regional climate models in simulating temperature and precipitation over the Tibetan Plateau[J].Atmos Ocean Sci Lett，11（3）：219-227.doi：10.1080/16742834.2018.1451725.

胡芩，姜大膀，范廣洲，2014.CMIP5全球氣候模式對青藏高原地區氣候模擬能力評估[J].大氣科學，38（5）：924-938. Hu Q，Jiang D B，Fan G Z，2014.Evaluation of CMIP5 models over the Qinghai-Tibetan Plateau[J].Chin J Atmos Sci，38（5）：924-938.（in Chinese）.

Hulme M，2016.1.5 ℃ and climate research after the Paris Agreement[J].Nat Clim Change，6（3）：222-224.doi：10.1038/nclimate2939.

IPCC，2013.Climate Change 2013：the physical science basis[R].Cambridge and New York：Cambridge University Press.

姜大膀，富元海，2012.2 ℃全球變暖背景下中國未來氣候變化預估[J].大氣科學，36（2）：234-246. Jiang D B，Fu Y H，2012.Climate change over China with a 2 ℃ global warming[J].Chin J Atmos Sci，36（2）：234-246.doi：10.3878/j.issn.1006-9895.2011.11074.（in Chinese）.

姜大膀，王會軍，郎咸梅，2004.SRES A2情景下中國氣候未來變化的多模式集合預測結果[J].地球物理學報，47（5）：776-784. Jiang D B，Wang H J，Lang X M，2004.Multimodel ensemble prediction for climate change trend of China under SRES A2 scenario[J].Chin J Geophys，47（5）：776-784.doi：10.3321/j.issn：0001-5733.2004.05.007.（in Chinese）.

江曉菲，江志紅，李偉，2020.全球增溫1.5和2 ℃下中國東部極端高溫風險預估[J].大氣科學學報，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）.

Jiang Z H，Song J，Li L，et al.，2012.Extreme climate events in China：IPCC-AR4 model evaluation and projection[J].Clim Change，110（1/2）：385-401.doi：10.1007/s10584-011-0090-0.

Jones C，Giorgi F，Asrar G，2011.The coordinated regional downscaling experiment：CORDEX an international downscaling link to CMIP5[J].CLIVAR Exchanges，16（02）：34-40.

King A D，Karoly D J，2017.Climate extremes in Europe at 1.5 and 2 degrees of global warming[J].Environ Res Lett，12（11）：114031.doi：10.1088/1748-9326/aa8e2c.

Knutti R，Masson D，Gettelman A，2013.Climate model genealogy：generation CMIP5 and how we got there[J].Geophys Res Lett，40（6）：1194-1199.doi：10.1002/grl.50256.

Lang X M，Sui Y，2013.Changes in mean and extreme climates over China with a 2 ℃ global warming[J].Chin Sci Bull，58（12）：1453-1461.doi：10.1007/s11434-012-5520-5.

Lewis S C，Karoly D J，2013.Evaluation of historical diurnal temperature range trends in CMIP5 models[J].J Climate，26（22）：9077-9089.doi：10.1175/jcli-d-13-00032.1.

李博，周天軍，2010.基于IPCC A1B情景的中國未來氣候變化預估：多模式集合結果及其不正確定性[J].氣候變化研究進展，6（4）：270-276.Li B，Zhou T J，2010.Projected climate change over China under SRES A1B scenario：multi-model ensemble and uncertainties[J].Adv Clim Change Res，6（4）：270-276.doi：10.3969/j.issn.1673-1719.2010.04.007.（in Chinese）.

李東歡，鄒立維，周天軍，2017.全球1.5 ℃溫升背景下中國極端事件變化的區域模式預估[J].地球科學進展，32（4）：446-457. Li D H，Zou L W，Zhou T J，2017.Changes of extreme indices over China in response to 1.5 ℃ global warming projected by a regional climate model[J].Adv Earth Sci，32（4）：446-457.doi：10.11867/j.issn.1001-8166.2017.04.0446.（in Chinese）.

李菲，郜永祺，萬欣，等，2021.全球變暖與地球“三極”氣候變化[J].大氣科學學報，44（1）：1-11. Li F，Gao Y Q，Wan X，et al.，2021.Earths “three-poles” climate change under global warming[J].Trans Atmos Sci，44（1）：1-11.doi：10.13878/j.cnki.dqkxxb.20201031003.（in Chinese）.

李紅梅，李林，2015.2 ℃全球變暖背景下青藏高原平均氣候和極端氣候事件變化[J].氣候變化研究進展，11（3）：157-164. Li H M，Li L，2015.Mean and extreme climate change on the Qinghai-Tibetan Plateau with a 2 ℃ global warming[J].Progressus Inquisitiones De Mutat Clim，11（3）：157-164.doi：10.3969/j.issn.1673-1719.2015.03.001.（in Chinese）.

Luo H L，Ge F，Yang K Q，et al.，2019.Assessment of ECMWF reanalysis data in complex terrain：Can the CERA-20C and ERA-Interim data sets replicate the variation in surface air temperatures over Sichuan，China？[J].Int J Climatol，39（15）：5619-5634.doi：10.1002/joc.6175.

McSweeney C F，Jones R G，Lee R W，et al.，2015.Selecting CMIP5 GCMs for downscaling over multiple regions[J].Clim Dyn，44（11/12）：3237-3260.doi：10.1007/s00382-014-2418-8.

Miao C Y，Duan Q Y，Sun Q H，et al.，2014.Assessment of CMIP5 climate models and projected temperature changes over northern Eurasia[J].Environ Res Lett，9（5）：055007.doi：10.1088/1748-9326/9/5/055007.

Mitchell D，James R，Forster P M，et al.，2016.Realizing the impacts of a 1.5 ℃ warmer world[J].Nat Clim Change，6（8）：735-737.doi：10.1038/nclimate3055.

Palarz A，Luterbacher J，Ustrnul Z，et al.，2020.Representation of low-tropospheric temperature inversions in ECMWF reanalyses over Europe[J].Environ Res Lett，15（7）：074043.doi：10.1088/1748-9326/ab7d5d.

Pinto I，Lennard C，Tadross M，et al.，2016.Evaluation and projections of extreme precipitation over southern Africa from two CORDEX models[J].Clim Change，135（3/4）：655-668.doi：10.1007/s10584-015-1573-1.

Rahmstorf S，Coumou D，2011.Increase of extreme events in a warming world[J].PNAS，108（44）：17905-17909.doi：10.1073/pnas.1101766108.

Ruan Y F，Liu Z F，Wang R，et al.，2019.Assessing the performance of CMIP5 GCMs for projection of future temperature change over the lower Mekong basin[J].Atmosphere，10（2）：93.doi：10.3390/atmos10020093.

Schleussner C F，Lissner T K，Fischer E M，et al.，2016.Differential climate impacts for policy-relevant limits to global warming：the case of 1.5 ℃ and 2 ℃[J].Earth Syst Dynam，7（2）：327-351.doi：10.5194/esd-7-327-2016.

Seneviratne S I，Donat M G，Pitman A J，et al.，2016.Allowable CO2 emissions based on regional and impact-related climate targets[J].Nature，529（7587）：477-483.doi：10.1038/nature16542.

Shi C，Jiang Z H，Chen W L，et al.，2018.Changes in temperature extremes over China under 1.5 ℃ and 2 ℃ global warming targets[J].Adv Clim Change Res，9（2）：120-129.doi：10.1016/j.accre.2017.11.003.

Soden B J，Collins W D，Feldman D R，2018.Reducing uncertainties in climate models[J].Science，361（6400）：326-327.doi：10.1126/science.aau1864.

Tebaldi C，Wehner M F，2018.Benefits of mitigation for future heat extremes under RCP4.5 compared to RCP8.5[J].Clim Change，146（3/4）：349-361.doi：10.1007/s10584-016-1605-5.

Tebaldi C，ONeill B，Lamarque J F，2015.Sensitivity of regional climate to global temperature and forcing[J].Environ Res Lett，10（7）：074001.doi：10.1088/1748-9326/10/7/074001.

Vautard R，Gobiet A，Sobolowski S，et al.，2014.The European climate under a 2 ℃ global warming[J].Environ Res Lett，9（3）：034006.doi：10.1088/1748-9326/9/3/034006.

王岱，游慶龍，江志紅，等，2016.中國極端氣溫季節變化對全球變暖減緩的響應分析[J].冰川凍土，38（1）：36-46. Wang D，You Q L，Jiang Z H，et al.，2016.Response of seasonal extreme temperatures in China to the global warming slow down[J].J Glaciol Geocryol，38（1）：36-46.（in Chinese）.

王寧練，姚檀棟，徐柏青，等，2019.全球變暖背景下青藏高原及周邊地區冰川變化的時空格局與趨勢及影響[J].中國科學院院刊，34（11）：1220-1232. Wang N L，Yao T D，Xu B Q，et al.，2019.Spatiotemporal pattern，trend，and influence of glacier change in Tibetan Plateau and surroundings under global warming[J].Bull Chin Acad Sci，34（11）：1220-1232.doi：10.16418/j.issn.1000-3045.2019.11.005.（in Chinese）.

王曉欣，姜大膀，郎咸梅，2019.CMIP5多模式預估的1.5 ℃升溫背景下中國氣溫和降水變化[J].大氣科學，43（5）：1158-1170. Wang X X，Jiang D B，Lang X M，2019.Temperature and precipitation changes over China under a 1.5 ℃ global warming scenario based on CMIP5 models[J].Chin J Atmos Sci，43（5）：1158-1170.（in Chinese）.

吳婕，徐影，師宇，2015.華南地區城市化對區域氣候變化的影響[J].氣候與環境研究，20（6）：654-662. Wu J，Xu Y，Shi Y，2015.Urbanization effects on local climate change in South China[J].Clim Environ Res，20（6）：654-662.doi：10.3878/j.issn.1006-9585.2015.14228.（in Chinese）.

Xin X G，Cheng Y J，Wang F，et al.，2013.Asymmetry of surface climate change under RCP2.6 projections from the CMIP5 models[J].Adv Atmos Sci，30（3）：796-805.doi：10.1007/s00376-012-2151-3.

Xu C H，Xu Y，2012.The projection of temperature and precipitation over China under RCP scenarios using a CMIP5 multi-model ensemble[J].Atmos Ocean Sci Lett，5（6）：527-533.doi：10.1080/16742834.2012.11447042.

Xu J Y，Shi Y，Gao X J，et al.，2013.Projected changes in climate extremes over China in the 21st century from a high resolution regional climate model （RegCM3）[J].Chin Sci Bull，58（12）：1443-1452.doi：10.1007/s11434-012-5548-6.

徐文馨，陳杰，顧磊，等，2020.長江流域徑流對全球升溫1.5 ℃與2.0 ℃的響應[J].氣候變化研究進展，16（6）：690-705. Xu W X，Chen J，Gu L，et al.，2020.Runoff response to 1.5 ℃ and 2.0 ℃ global warming for the Yangtze River Basin[J].Clim Change Res，16（6）：690-705.doi：10.12006/j.issn.1673-1719.2019.207.（in Chinese）.

Yao Y，Luo Y，Huang J B，2012.Evaluation and projection of temperature extremes over China based on CMIP5 model[J].Adv Clim Change Res，3（4）：179-185.doi：10.3724/sp.j.1248.2012.00179.

You Q L，Kang S C，Aguilar E，et al.，2011.Changes in daily climate extremes in China and their connection to the large scale atmospheric circulation during 1961—2003[J].Clim Dyn，36（11/12）：2399-2417.doi：10.1007/s00382-009-0735-0.

You Q L，Min J Z，Kang S C，2016.Rapid warming in the Tibetan Plateau from observations and CMIP5 models in recent decades[J].Int J Climatol，36（6）：2660-2670.doi：10.1002/joc.4520.

You Q L，Cai Z Y，Wu F Y，et al.，2021.Temperature dataset of CMIP6 models over China：evaluation，trend and uncertainty[J].Clim Dyn，57（1/2）：17-35.doi：10.1007/s00382-021-05691-2.

Zhang G W，Zeng G，Iyakaremye V，et al.，2020.Regional changes in extreme heat events in China under stabilized 1.5 ℃ and 2.0 ℃ global warming[J].Adv Clim Change Res，11（3）：198-209.doi：10.1016/j.accre.2020.08.003.

張莉，丁一匯，吳統文，等，2013.CMIP5模式對21世紀全球和中國年平均地表氣溫變化和2 ℃升溫閾值的預估[J].氣象學報，71（6）：1047-1060. Zhang L，Ding Y H，Wu T W，et al.，2013.The 21st century annual mean surface air temperature change and the 2 ℃ warming threshold over the globe and China as projected by the CMIP5 models [J].Acta Meteorol Sin，71（6）：1047-1060.（in Chinese）.

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 Change，2（6）：851-870.doi：10.1002/wcc.147.

Zhang Y，2012.Projections of 2.0 ℃ warming over the globe and China under RCP4.5[J].Atmos Ocean Sci Lett，5（6）：514-520.doi：10.1080/16742834.2012.11447047.

Zhou B T，Wen Q H，Xu Y，et al.，2014.Projected changes in temperature and precipitation extremes in China by the CMIP5 multimodel ensembles[J].J Climate，27（17）：6591-6611.doi：10.1175/jcli-d-13-00761.1.

周波濤，徐影，韓振宇，等，2020.“一帶一路”區域未來氣候變化預估[J].大氣科學學報，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）.

周國逸，李琳，方雪純，等，2020.近60 a來全球河川徑流量變化趨勢及影響因素分析[J].大氣科學學報，43（6）：1076-1085. Zhou G Y，Li L，Fang X C，et al.，2020.Trend and influencing factors of global river discharge in recent 60 years[J].Trans Atmos Sci，43（6）：1076-1085.doi：10.13878/j.cnki.dqkxxb.20201018001.（in Chinese）.

Zhu S P，Ge F，Fan Y，et al.，2020.Conspicuous temperature extremes over Southeast Asia：seasonal variations under 1.5 ℃ and 2 ℃ global warming[J].Clim Change，160（3）：343-360.doi：10.1007/s10584-019-02640-1.

Projected changes of temperature extremes in Chengdu-Chongqing Economic Zone and its surrounding areas under 1.5 ℃ and 2.0 ℃ global warming

SUN Xuerong1，GE Fei1，LUO Haolin2，FENG Caiyun1

1School of Atmospheric Sciences/Plateau Atmosphere and Environment Key Laboratory of Sichuan Province/Joint Laboratory of Climate and Environment Change，Chengdu University of Information Technology，Chengdu 610225，China;

2School of Atmospheric Sciences，Sun Yat-sen University，Zhuhai 519082，China

Extreme temperature events are one of the causes of climate risk，and they often exert severe impacts on human health and leave large socioeconomic damages.It is therefore vital to investigate the regional climate response to different global warming levels for highly sensitive area vulnerable to climate change.Based on the CORDEX-EAS experiments，this paper evaluates the projected changes of extremetemperature in Chengdu-Chongqing Economic Zone and its surrounding areas under 1.5 ℃ and 2.0 ℃ global warming levels （GWLs）.Results show that at the two GWLs，the extreme high temperature indices show an obvious upward trend，and the extreme low temperature indices show a downward trend in Chengdu-Chongqing Economic Zone and its surrounding areas.Extreme cold and warm events have the characteristics of local symmetry，and the change amplitude of extreme warm events is greater than that of extreme cold events.The responses ofextreme temperature indices to the two GWLs are different.Except for daily temperature range，variation ranges of other indices are greater at 2.0 ℃ GWL than those at 1.5 ℃ GWL.In addition，the intensity and frequency of extreme temperature events will increase in a warmer future，indicating that the extreme temperature events are highly sensitivity to the additional 0.5 ℃ warming （from 1.5 ℃ to 2.0 ℃）.This paper comprehensively investigates the future evolution of extreme temperature in Chengdu-Chongqing Economic Zone and its surrounding areas under 1.5 ℃ and 2.0 ℃ GWLs，emphasizing the necessity of restricting mean global warming to less than 1.5 ℃.

Chengdu-Chongqing Economic Zone;CORDEX;regional climate model;climate change;extreme temperature event

doi：10.13878/j.cnki.dqkxxb.20201221001

（責任編輯：袁東敏）