CMIP6模式對亞洲中高緯區極端溫度變化的模擬及預估

蔣文好 陳活潑

摘要 利用觀測的亞洲中高緯區逐日最高、最低氣溫和CMIP6計劃中28個全球氣候模式資料，系統評估了CMIP6模式對亞洲中高緯區日最高溫（TXx）和日最低溫（TNn）的模擬性能，并對其未來演變趨勢進行了科學預估。主要結論如下：1）CMIP6大部分模式能合理地模擬亞洲中高緯區TXx和TNn自南向北、自西到東逐漸降低的空間分布特征，但所有模式均在青藏高原北部地區附近存在較大的冷偏差。模式對氣候平均態的模擬一致性較好，對TNn的模擬優于TXx;但是對于趨勢變化模擬，對TXx的模擬與觀測更為接近，而且多模式集合的模擬效果更優。2）預估結果指出，日最高氣溫和最低氣溫在21世紀均表現出顯著增溫趨勢，其中TNn增加趨勢更加明顯。在SSP5-8.5排放情景下，到了21世紀末期，TXx約增加7.0 ℃，TNn約增加9.6 ℃。此外，預估結果不確定性隨時間推移、排放增多而增加，其中對于TXx的預估結果可信度更高。

關鍵詞 極端溫度; CMIP6; 亞洲中高緯區; 評估; 預估

IPCC第五次評估報告指出，1880—2012年，全球平均地表溫度升高了0.85 ℃（0.65～1.06 ℃）（IPCC，2013）。《中國氣候變化藍皮書（2020）》顯示，2019年全球平均溫度較工業化前水平高出約1.1 ℃，20世紀80年代以來，每個連續十年都比前一個十年更暖（中國氣象局氣候變化中心，2020）。隨著氣候變暖，極端氣候事件頻發，而相比于平均氣候，極端氣候事件對氣候變暖的響應更敏感（Katz and Brown，1992）;而且極端氣候頻發極易引發氣象災害，對人類社會和生態系統均造成嚴重影響（Song et al.，2018;江曉菲等，2020;Sun et al.，2020;張晉韜和王芳，2020;Pérez et al，2021）。因此，深入理解極端氣候變化對于防災減災及應對氣候變化政策措施的制定具有重要的科學價值和現實意義。

全球氣候模式（Global Climate Models，GCM）是進行氣候變化模擬和未來預估的最有力工具（王會軍等，2009;丁一匯和王會軍，2016;于恩濤和孫建奇，2019;徐蓉蓉等，2021）。世界氣候研究計劃（World Climate Research Program，WRCP）下的國際耦合模式比較計劃（Coupled Model Intercomparison Project，CMIP）目前已經進入第六階段，CMIP6是CMIP計劃實施以來參與模式最多、設計試驗最完善、提供數據最龐大的一次，為評估模式對過去和當前氣候變化的模擬能力、預估未來氣候變化提供了重要數據基礎（Eyring et al.，2016）。CMIP6計劃參與的試驗主要包括核心的氣候診斷、評估和描述試驗（Diagnostic Evaluation and Characterization of Klima，DECK），歷史模擬試驗（historical）和23個模式比較子計劃試驗（CMIP6-endorsed MIPs）。其中情景模式比較計劃（Scenario Model Intercomparison Project，ScenarioMIP）中采用了新的“共享社會經濟路徑”（Shared Socioeconomic Pathways，SSPs），較之CMIP5的RCP情景試驗，ScenarioMIP采用了多個IAM，其情景由不同的SSP（SSP1，SSP2，SSP3，SSP4和SSP5）和輻射強迫（1.9，2.6，3.4，4.5，6.0，8.5等）的矩陣組合，更加強調未來輻射強迫情景與共享社會經濟情景的一致性（van Vuuren et al.，2012;ONeill et al.，2016;Riahi et al.，2017;張麗霞等，2019）。已有研究指出CMIP5模式對極端溫度的模擬優于CMIP3舊版本模式，而在模擬極端降水時表現有所不同（Kumar et al.，2014;Chen and Sun，2015;Sun et al.，2015）。CMIP5模式預估指出，在全球范圍內未來極熱天氣將增加，極冷天氣將減少，極端低溫比高溫增溫幅度更明顯（Kharin et al.，2013;Lee et al.，2020;Ying et al.，2020）;在“一帶一路”區域內極端溫度表現為升高趨勢，增溫幅度高緯度地區大于低緯度地區、高排放情景大于低排放情景（王會軍等，2020;周波濤等，2020）。但目前利用CMIP6模式對亞洲中高緯區極端溫度變化的研究仍是空白。

相比CMIP5模式，CMIP6模式無論在動力學參數化方案還是模式分辨率等方面，都有了較大的改進和提高（Eyring et al.，2016，詹明月等，2020）。眾多學者評估了CMIP6模式對極端氣候事件的模擬能力，指出CMIP6模式相比于CMIP5能更好地模擬極端氣候的平均態以及趨勢變化特征，但其改進程度有限（Chen et al.，2020;Fan et al.，2020;Kim et al.，2020;Lin and Chen，2020;向竣文等，2021）。基于CMIP6模式的預估指出，全球范圍內極端高溫和低溫均呈現出了一致的增加，即未來發生高溫熱浪天氣的概率明顯增加，發生低溫冷害的風險在降低，但CMIP6預估結果的不確定性相較于CMIP5有所增加（Chen et al.，2020）。也有研究指出，中國區域范圍內極端高溫和低溫表現為一致增加趨勢，但CMIP6模式的不確定性較CMIP5有所減小（Luo et al.，2020）。可見，CMIP6模式對不同區域模擬還存在差異，亟需開展深入研究。

亞洲中高緯區（35°N以北、60°E以東的亞洲區域）是全球氣候變化最為敏感的地區之一。該區域經向跨度大，緯向橫跨溫寒兩帶，氣候變化對該區域冰雪、凍土、植被等變化產生顯著影響，同時區域內的這些變化又會對氣候變化產生反饋作用，亦會影響區域乃至全球的氣候變化、水資源、生態系統等（Huang et al.，2013;Xu et al.，2019;Zhang et al.，2020）。而且該區域是我國未來發展戰略的核心區域，涉及“一帶一路”倡議、中日韓自由貿易區建設、中俄遠東地區合作發展規劃和中蒙經貿合作中期發展綱要等實施。因此，開展亞洲中高緯區極端氣候變化預估研究具有重大意義，可為該區域經濟發展和生態文明建設提供堅實的科技支撐。

1 數據與方法

1.1 數據

研究所用數據來自全球歷史氣候逐日網格數據集（Global Historical Climatology Network-Daily，GHCN-D），該數據集由來自全球180多個國家和地區的超過100 000個站點的逐日觀測資料組成，包括日最高和最低溫度、日降水量、日降雪量和積雪深度等變量，且均經過嚴格的質量控制（Menne et al.，2012）。亞洲中高緯區（60°～180°E，35°～90°N）共有1 454個站點，分布情況如圖1所示。本文分析變量主要為逐日最高和最低氣溫，時段為1950—2019年。

截至2020年12月，共有28個CMIP6模式已對外發布了歷史時期的逐日最高和最低氣溫數據，其中19個模式有未來4種主要排放情景即SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5的數據，具體如圖2。歷史時期所分析時段為1950—2014年，未來預估時段為2015—2100年，其中1995—2014年為歷史基準期。模式基本信息見表1。

1.2 研究方法

1.2.1 極端溫度指數定義

選取由國際氣候變化檢測、監測和指數專家組（Expert Team on Climate Change Detection and Indices，ETCCDI）定義的極端高溫指數（TXx）和極端低溫指數（TNn）分別代表最高溫和最低溫，TXx和TNn分別定義為每年日最高溫度的最大值和日最低溫度的最小值（Zhang et al.，2011）。由于各模式分辨率不同，首先在模式原始網格分辨率上進行計算得到每年的極端溫度指數，再運用Cressman插值法插值到1.5°×1.5°網格上;對觀測數據也做類似處理。

1.2.2 泰勒圖

泰勒圖主要基于相關系數、均方根誤差、標準差之比三個指標，比較模式模擬結果與觀測之間的關系來評估模式模擬能力。相關系數表示模擬結果與觀測之間空間分布的相似程度，均方根誤差和標準差之比表征模擬與觀測之間均值和變率的偏差大小。泰勒圖簡單明了地綜合了這三個因子的情況（Taylor，2001）。當相關系數越大、均方根誤差越小、標準差之比越接近于1時，模式模擬結果與觀測（REF）更為接近，即模式模擬能力越強。

1.2.3 綜合評級指標

綜合評級指標（MR）通過判斷評估指標的一致性來評價模式的優劣，以此得到模式模擬能力的排序（Schuenemann and Cassano，2009;蔣帥等，2017）。首先對泰勒圖中利用的三個指標（相關系數、均方根誤差、標準差之比）進行排序，再利用以下公式進行綜合排序來進一步評估模式的模擬能力。

MR=1-11×n×m∑ni=1ri。

其中：m為參與評估的模式個數;n為用于評估的指標個數;ri為各模式針對某個評估指標的排名，模擬能力最強的模式ri值為1，模擬能力最弱的模式ri值為m。MR越接近于1，說明模式模擬能力越強。

1.2.4 信噪比

未來預估的可信程度可利用信噪比（Signal to Noise Ratio，SNR）來表征，其具體定義為：

σ=∑Nixi1N∑Ni=1xi-1N∑Nixi2。

其中：xi為不同排放情景下的預估變化信號;N是模式數量。信噪比為多模式集合和模式間標準差的比值，反映信號和噪音之間的關系，進而反映未來預估的可信度。如果σ>1，則表明信號大于噪音，即未來預估結果較為可信，σ越大，則可信度越高（Tian et al.，2015）。

2 結果與分析

2.1 CMIP6模式對極端溫度變化的模擬性能評估

2.1.1 氣候平均

圖3給出了CMIP6多模式集合對TXx和TNn氣候平均態的模擬，其中圖3c、f分別是TXx和TNn的多模式集合結果與觀測結果的差異，紅色區域表示模式模擬存在暖偏差，藍色區域存在冷偏差。CMIP6的28個模式基本上能較好地再現亞洲中高緯區內極端最高和最低氣溫自南向北、自西到東逐漸降低的空間分布特征，但在青藏高原北部地區仍存在較大的冷偏差。多模式集合結果也能合理再現觀測的極端溫度指數的南北向梯度分布，以及哈薩克斯坦附近的高值中心。但對于TXx，在多模式集合結果中，青藏高原北部地區存在較大的冷偏差;此外，在亞洲中高緯區其他地區，如俄羅斯地區存在大范圍的冷偏差，而其余地區如中亞區域、中國北方等地區存在明顯暖偏差。對于TNn，青藏高原北部地區冷偏差仍然明顯存在，但亞洲中高緯區其他地區主要以偏暖為主，其中大值中心位于切爾斯基山脈附近。總體上，CMIP6多模式集合結果能夠較好再現亞洲中高緯區TXx和TNn的空間分布特征，與觀測的相關系數分別高達0.86和0.94。

圖4進一步給出了CMIP6中28個模式及多模式集合對亞洲中高緯區極端溫度指數模擬性能的泰勒圖。對于TXx，28個模式與觀測的空間相關系數在0.62～0.88，其中有8個模式的空間相關系數超過0.80，模擬與觀測的均方根誤差在0.74～2.44之間，標準差之比均大于1，即模式對于極端高溫具有較好的模擬性能。對于TNn，模擬與觀測的空間相關系數在0.73～0.95，其中有25個模式的空間相關系數均超過0.90，從空間相關系數來看，CMIP6模式對TNn的模擬相對TXx更好;均方根誤差在0.30～0.68，標準差之比在0.76～1.06。而不同模式對于TNn的模擬一致性也較TXx更優，表現為在泰勒圖中相對應的點更為集中。另外，CMIP6多模式集合結果的模擬效果優于單個模式。

綜合TXx和TNn的MR排序結果，圖5給出了28個模式和多模式集合結果對亞洲中高緯區極端溫度指數氣候平均態模擬能力的綜合排名。可見，NorESM2-LM模式對該區域極端高溫的模擬性能最好，NorESM2-MM模式對極端低溫的模擬最優，而多模式集合優于大部分模式結果。

2.1.2 趨勢變化

圖6進一步給出了觀測和模式模擬的1950—2014年亞洲中高緯區區域平均的極端溫度指數演變。可見，多模式集合結果均能較好再現亞洲中高緯區極端高溫和極端低溫的顯著增加趨勢，但模式模擬的極端溫度指數年際變率明顯小于觀測結果。對于單個模式來說，幾乎所有模式都能合理再現亞洲中高緯區TXx和TNn的增溫趨勢;對于TXx，BCC-CSM-MR（0.29 ℃/（10 a））模式模擬結果與觀測最為接近;對于TNn，ACCESS-CM2（0.30 ℃/（10 a））、MPI-ESM1-2-LR（0.30 ℃/（10 a））和MRI-ESM2-0（0.32 ℃/（10 a））模式模擬結果與觀測最為接近。

同樣利用相關系數、均方根誤差和標準差之比計算綜合評級指標（圖略），可以看到對亞洲中高緯區極端溫度線性趨勢變化模擬較好的前5個模式分別為EC-Earth3、AWI-CM-1-1-MR、MIROC6、NESM3和INM-CM5-0。其中NESM3模式在氣候平均態和線性趨勢的模擬中均位于前5位，模擬能力相對較好。相比于氣候平均態模擬的排序結果，CMIP6模式對于極端溫度指數線性趨勢的模擬能力相對較弱。

2.2 亞洲中高緯區極端溫度的未來變化預估

CMIP6模式對亞洲中高緯區的極端溫度變化具有較好的模擬能力，在此基礎上，開展其未來變化預估研究。選取前面提及的28個模式中未來4種排放情景（SSP1-2.6，SSP2-4.5，SSP3-7.0，SSP5-8.5）均有數據的19個模式進行進一步研究，其中21世紀近期定義為2021—2040年、中期為2041—2060年、末期為2081—2100年。

圖7給出了CMIP6多模式集合預估的未來百年亞洲中高緯區極端溫度指數的演變趨勢。可以看到，在未來不同排放情景下，TXx、TNn兩個極端溫度指數均表現出顯著增溫趨勢，其中TNn增溫更加明顯（圖7）。在2040年之前，4種情景的增溫趨勢基本一致，此后排放情景不同，增溫趨勢的表現不同，SSP1-2.6和SSP2-4.5兩種情景下的增溫趨勢趨于緩和，而SSP3-7.0和SSP5-8.5情景下，TXx、TNn在21世紀持續增溫且增溫幅度較大，SSP5-8.5情景下增溫幅度最大。

圖8和圖9分別給出了多模式集合預估的TXx和TNn在未來不同時期相對于當前時段（1995—2014年）的變化。可以看到，在不同情景下，極端高溫和低溫在全區內均呈現為一致的增加趨勢，增溫幅度在高排放情景下明顯高于低排放情景，且TNn的增溫幅度相比TXx更大。在SSP1-2.6和SSP2-4.5情景下，極端高溫的增溫趨勢隨時間有所減小。在SSP3-7.0和SSP5-8.5排放情景下，增溫速率隨時間增大。TNn的增溫幅度在空間上表現為北部大南部小的分布特征。總體來說，TXx和TNn在21世紀普遍表現為增溫趨勢，其中TNn的增幅大于TXx，且南北梯度更大。多模式集合定量估算結果指出，到了21世紀末期，在SSP1-2.6情景下，亞洲中高緯區極端高溫TXx相對當前氣候增加約2.3 ℃（1.8～3.8 ℃），TNn增加約2.5 ℃（0.5～4.8 ℃）;在SSP5-8.5情景下，極端高溫TXx相對當前氣候增加約7.0 ℃（5.8～8.5 ℃），TNn增加約9.6 ℃（7.2～12.6 ℃）。

前面給出了亞洲中高緯區未來極端溫度變化的預估結果，下面進一步利用信噪比來表征未來預估結果的可靠性。在未來不同時期，高排放情景下的信噪比一般要大于低排放情景，對于TXx和TNn均是如此（圖10、11），這與極端溫度的相對變化空間分布特征類似（圖8、9），這也說明了未來增溫主要受排放的影響，排放越多，增溫越顯著，信噪比越大，可信度越高。進一步比較發現不同排放情景下，信噪比隨時間推移呈增大趨勢。

TXx變化對應的信噪比在空間上表現為自南向北遞減的分布特征，其中信噪比的高值中心主要位于哈薩克斯坦和蒙古地區（圖10）。未來TNn變化的信噪比空間分布與TXx有所不同（圖11），在4種排放情景下，近期亞洲中高緯區內信噪比普遍小于1，表明模式集合預估的TNn變化信號小于模式間離差反映的噪音，預估結果可信度低。到了中期和末期，信噪比明顯增加，但在空間上呈現為自北向南遞減的分布特征，即高緯地區的增溫趨勢可信度比中緯度地區要高。

可見，隨著未來持續增暖，亞洲中高緯區極端溫度變化更為顯著，極端高溫和極端低溫均呈現出顯著的增溫趨勢，從而導致極端暖事件發生頻率增加，冷事件減少。

3 結論

本文基于觀測的亞洲中高緯區逐日最高、最低氣溫和CMIP6計劃中28個全球氣候模式資料，系統評估了CMIP6模式對亞洲中高緯區極端溫度（最高溫TXx和最低溫TNn）變化的模擬能力;在此基礎上，對該地區極端溫度指數的未來演變趨勢進行了科學預估。主要結論如下：

1）CMIP6模式及多模式集合結果均能合理再現亞洲中高緯區最高溫和最低溫自南向北、自西到東減小的空間分布特征，但在青藏高原北部地區均存在明顯冷偏差。CMIP6多模式集合對TNn氣候平均態的模擬要優于TXx的結果，且CMIP6模式對TNn模擬的一致性也高于TXx。此外，CMIP6大部分模式及多模式集合結果也能較好地模擬出亞洲中高緯區極端溫度指數的線性趨勢變化，但對于TXx的模擬更佳。相比于氣候平均態，模式對趨勢的模擬能力相對較差。

2）未來預估結果指出，TXx和TNn在未來百年均表現出顯著增溫趨勢，其中TNn增溫趨勢更明顯，且具有更明顯的空間差異性，即TNn增溫幅度的南北梯度更大。不同排放情景下增溫趨勢也有所不同。在SSP1-2.6和SSP2-4.5情景下，初期增溫趨勢明顯，中期和末期增溫減緩。但在SSP3-7.0和SSP5-8.5情景下，極端高溫和極端低溫均持續增加，其中SSP5-8.5情景下增溫趨勢最大。到了21世紀末期，在SSP5-8.5情景下，亞洲中高緯地區極端高溫相對當前氣候增加約7.0 ℃，而極端低溫增加更為顯著，約為9.6 ℃。

參考文獻（References）

Chen H P，Sun J Q，2015.Assessing model performance of climate extremes in China：an intercomparison between CMIP5 and CMIP3[J].Climate Chang，129（1/2）：197-211.doi：10.1007/s10584-014-1319-5.

Chen H P，Sun J Q，Lin W Q，et al.，2020.Comparison of CMIP6 and CMIP5 models in simulating climate extremes[J].Sci Bull，65（17）：1415-1418.doi：10.1016/j.scib.2020.05.015.

丁一匯，王會軍，2016.近百年中國氣候變化科學問題的新認識[J].科學通報，61（10）：1027-1041. Ding Y H，Wang H J，2016.Newly acquired knowledge on the scientific issues related to climate change over the recent 100 years in China[J].Chin Sci Bull，61（10）：1027-1041.doi：10.1360/N972015-00638.（in Chinese）.

Eyring V，Bony S，Meehl G A，et al.，2016.Overview of the Coupled Model Intercomparison Project Phase 6 （CMIP6） experimental design and organization[J].Geosci Model Dev，9（5）：1937-1958.doi：10.5194/gmd-9-1937-2016.

Fan X W，Miao C Y，Duan Q Y，et al.，2020.The performance of CMIP6 versus CMIP5 in simulating temperature extremes over the global land surface[J].J Geophys Res：Atmos，125（18）：e2020JD033031.doi：10.1029/2020JD033031.

Huang J Y，Liu Y，Ma L，et al.，2013.Methodology for the assessment and classification of regional vulnerability to natural hazards in China：the application of a DEA model[J].Nat Hazards，65（1）：115-134.doi：10.1007/s11069-012-0348-5.

IPCC，2013.Climate change 2013：the physical science basis[M].Cambridge：Cambridge University Press：1535.

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）.

蔣帥，江志紅，李偉，等，2017.CMIP5模式對中國極端氣溫及其變化趨勢的模擬評估[J].氣候變化研究進展，13（1）：11-24. Jiang S，Jiang Z H，Li W，et al.，2017.Evaluation of the extreme temperature and its trend in China simulated by CMIP5 models[J].Clim Chang Res，13（1）：11-24.doi：10.12006/j.issn.1673-1719.2016.053.（in Chinese）.

Katz R W，Brown B G，1992.Extreme events in a changing climate：variability is more important than averages[J].Climate Change，21（3）：289-302.doi：10.1007/BF00139728.

Kim Y H，Min S K，Zhang X B，et al.，2020.Evaluation of the CMIP6 multi-model ensemble for climate extreme indices[J].Weather Clim Extrem，29：100269.doi：10.1016/j.wace.2020.100269.

Kharin V V，Zwiers F W，Zhang X，et al.，2013.Changes in temperature and precipitation extremes in the CMIP5 ensemble[J].Climate Change，119（2）：345-357.doi：10.1007/s10584-013-0705-8.

Kumar D，Kodra E，Ganguly A R，2014.Regional and seasonal intercomparison of CMIP3 and CMIP5 climate model ensembles for temperature and precipitation[J].Clim Dyn，43（9/10）：2491-2518.doi：10.1007/s00382-014-2070-3.

Lee Y，Paek J，Park J S，et al.，2020.Changes in temperature and rainfall extremes across East Asia in the CMIP5 ensemble[J].Theor Appl Climatol，141（1/2）：143-155.doi：10.1007/s00704-020-03180-w.

Lin W Q，Chen H P，2020.Assessment of model performance of precipitation extremes over the mid-high latitude areas of Northern Hemisphere：from CMIP5 to CMIP6[J].Atmos Ocean Sci Lett，13（6）：598-603.doi：10.1080/16742834.2020.1820303.

Luo N，Guo Y，Gao Z B，et al.，2020.Assessment of CMIP6 and CMIP5 model performance for extreme temperature in China[J].Atmos Ocean Sci Lett，13（6）：589-597.doi：10.1080/16742834.2020.1808430.

Menne M J，Durre I，Vose R S，et al.，2012.An overview of the global historical climatology network-daily database[J].J Atmos Ocean Technol，29（7）：897-910.doi：10.1175/jtech-d-11-00103.1.

ONeill B C，Tebaldi C，Vuuren D，et al.，2016.The Scenario Model Intercomparison Project （ScenarioMIP） for CMIP6[J].Geoscientific Model Development，9：3461-3482.

Pérez J，Correa-Araneda F，Lépez-Rojo N，et al.，2021.Extreme temperature events alter stream ecosystem functioning[J].Ecol Indic，121：106984.doi：10.1016/j.ecolind.2020.106984.

Riahi K，van Vuuren D P，Kriegler E，et al.，2017.The Shared socioeconomic pathways and their energy，land use，and greenhouse gas emissions implications：an overview[J].Glob Environ Chang，42：153-168.doi：10.1016/j.gloenvcha.2016.05.009.

Schuenemann K C，Cassano J J，2009.Changes in synoptic weather patterns and Greenland precipitation in the 20th and 21st centuries：1.evaluation of late 20th century simulations from IPCC models[J].J Geophys Res：Atmos，114（D20）：D20113.doi：10.1029/2009JD011705.

Song S，Li F D，Lu Y L，et al.，2018.Spatio-temporal characteristics of the extreme climate events and their potential effects on crop yield in Ethiopia[J].J Resour Ecol，9（3）：290-301.

Sun C，Xiao Z N，Sun J Q，et al.，2020.Projection of temperature change and extreme temperature events in the Lancang-Mekong River basin[J].Atmos Ocean Sci Lett，13（1）：16-25.doi：10.1080/16742834.2020.1696143.

Sun Q H，Miao C Y，Duan Q Y，2015.Comparative analysis of CMIP3 and CMIP5 global climate models for simulating the daily mean，maximum，and minimum temperatures and daily precipitation over China[J].J Geophys Res：Atmos，120（10）：4806-4824.doi：10.1002/2014JD022994.

Taylor K E，2001.Summarizing multiple aspects of model performance in a single diagram[J].J Geophys Res：Atmos，106（D7）：7183-7192.doi：10.1029/2000JD900719.

Tian D，Guo Y，Dong W J，2015.Future changes and uncertainties in temperature and precipitation over China based on CMIP5 models[J].Adv Atmos Sci，32（4）：487-496.doi：10.1007/s00376-014-4102-7.

van Vuuren D P，Riahi K，Moss R，et al.，2012.A proposal for a new scenario framework to support research and assessment in different climate research communities[J].Glob Environ Chang，22（1）：21-35.doi：10.1016/j.gloenvcha.2011.08.002.

王會軍，王濤，姜大膀，等，2009.我國氣候變化將比模式預期的小嗎？[J].第四紀研究，29（6）：1011-1014. Wang H J，Wang T，Jiang D B，et al.，2009.Will the climate change smaller than the projection？[J].Quat Sci，29（6）：1011-1014.doi：10.3969/j.issn.1001-7410.2009.06.01.（in Chinese）.

王會軍，唐國利，陳海山，等，2020.“一帶一路”區域氣候變化事實、影響及可能風險[J].大氣科學學報，43（1）：1-9. Wang H J，Tang G L，Chen H S，et al.，2020.The Belt and Road region climate change：facts，impacts and possible risks[J].Trans Atmos Sci，43（1）：1-9.doi：10.13878/j.cnki.dqkxxb.20191110003.（in Chinese）.

向竣文，張利平，鄧瑤，等，2021.基于CMIP6的中國主要地區極端氣溫/降水模擬能力評估及未來情景預估[J].武漢大學學報（工學版），54（1）：46-57，81. Xiang J W，Zhang L P，Deng Y，et al.，2021.Projection and evaluation of extreme temperature and precipitation in major regions of China by CMIP6 models[J].Eng J Wuhan Univ，54（1）：46-57，81.doi：10.14188/j.1671-8844.2021-01-007.（in Chinese）.

Xu K，Lu R Y，Mao J Y，et al.，2019.Circulation anomalies in the mid-high latitudes responsible for the extremely hot summer of 2018 over northeast Asia[J].Atmos Ocean Sci Lett，12（4）：231-237.

徐蓉蓉，梁信忠，段明鏗，2021.CWRF對青藏高原氣溫和降水模擬效果的綜合評估[J].大氣科學學報，44（1）：104-117. Xu R R，Liang X Z，Duan M K，2021.Evaluation of CWRF simulation of temperature and precipitation on the Qinghai-Tibet Plateau[J].Trans Atmos Sci，44（1）：104-117.doi：10.13878/j.cnki.dqkxxb.20201103001.（in Chinese）.

Ying H，Zhang H Y，Sun Y，et al.，2020.CMIP5-based spatiotemporal changes of extreme temperature events during 2021—2100 in mainland China[J].Sustainability，12（11）：4418.doi：10.3390/su12114418.

于恩濤，孫建奇，2019.基于多區域模式集合的中國西部干旱區極端溫度未來預估[J].大氣科學學報，42（1）：46-57. Yu E T，Sun J Q，2019.Extreme temperature projection over northwestern China based on multiple regional climate models[J].Trans Atmos Sci，42（1）：46-57.doi：10.13878/j.cnki.dqkxxb.20181109001.（in Chinese）.

詹明月，王國杰，陸姣，等，2020.基于CMIP6多模式的長江流域蒸散發預估及影響因素[J].大氣科學學報，43（6）：1115-1126. Zhan M Y，Wang G J，Lu J，et al.，2020.Projected evapotranspiration and the influencing factors in the Yangtze River Basin based on CMIP6 models[J].Trans Atmos Sci，43（6）：1115-1126.doi：10.13878/j.cnki.dqkxxb.20200927002.（in Chinese）.

張晉韜，王芳，2020.《巴黎協定》排放情景下中亞地區極端溫度變化響應[J].自然災害學報，29（3）：119-128. Zhang J T，Wang F，2020.Extreme temperature change in central Asia in responses to national-committed emission reductions under the Paris Agreement[J].J Nat Disasters，29（3）：119-128.doi：10.13577/j.jnd.2020.0313.（in Chinese）.

張麗霞，陳曉龍，辛曉歌，2019.CMIP6情景模式比較計劃（ScenarioMIP）概況與評述[J].氣候變化研究進展，15（5）：519-525. Zhang L X，Chen X L，Xin X G，2019.Short commentary on CMIP6 scenario model intercomparison project（ScenarioMIP）[J].Clim Chang Res，15（5）：519-525.（in Chinese）.

Zhang M，Yu H P，King A D，et al.，2020.Greater probability of extreme precipitation under 1.5 ℃ and 2 ℃ warming limits over East-Central Asia[J].Clim Chang，162（2）：603-619.doi：10.1007/s10584-020-02725-2.

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

中國氣象局氣候變化中心，2020.中國氣候變化藍皮書（2020）[R].北京：科學出版社. CMA，2020.Blue book on climate change in China （2020）[R].Beijing：Science Press.（in Chinese）.

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）.

Assessment and projection of changes in temperature extremes over the mid-high latitudes of Asia based on CMIP6 models

JIANG Wenhao1，CHEN Huopo2

1Key Laboratory of Meteorological Disaster，Ministry of Education （KLME）/Joint International Research Laboratory of Climate and Environment Change （ILCEC）/Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters （CIC-FEMD），Nanjing University of Information Science & Technology，Nanjing 210044，China;

2Nansen-Zhu International Research Centre，Institute of Atmospheric Physics，Chinese Academy of Sciences，Beijing 100029，China

In this study，the performance of Coupled Model Intercomparison Project Phase 6 （CMIP6） models in simulating the temperature extremes，including the annual maximum of daily maximum temperature （TXx） and annual minimum of daily minimum temperature （TNn） over the mid-high latitudes of Asia are comprehensively assessed，as are their future changes.The main findings are as follows：1） The observed spatial distributions of extreme temperatures that decreases from south to north and west to east over the mid-high latitude of Asia are reasonably reproduced by most CMIP6 models，but the cold bias is still obvious over the Tibetan Plateau.Additionally，the higher skill is generally observed for the climate mean simulation of TNn rather than TXx，while a relatively higher skill is for the TXx of the trend simulation.The multimodel ensemble mean （MME） generally outperforms the individual models.2） The results of future projection indicate that both TXx and TNn show a significant increasing trend in the 21st century，but the increase in magnitude of TNn is shown to be much greater than that of TXx.Under the SSP5-8.5 scenario，both TXx and TNn are projected to increase by approximately 7.0 ℃ and 9.6 ℃ by the end of the 21st century，with respect to the current state （1995—2014）.The projection uncertainty is estimated to increase with time and scenarios，and the increase of TXx shows a higher model agreement.

temperature extremes;CMIP6;the mid-high latitudes of Asia;assessment;projection

doi：10.13878/j.cnki.dqkxxb.20210203001

（責任編輯：劉菲）