基于RegCM4模式的我國西南地區極端降水變化預估研究

劉博 陳活潑 華維

摘要 基于5個全球氣候系統模式結果驅動的高分辨率區域氣候模式（RegCM4）模擬輸出，系統評估了RegCM4模式對中國西南地區極端降水變化的模擬性能，并科學預估了中國西南地區極端降水的未來演變特征。結果表明，RegCM4模式能合理再現西南地區極端降水變化特征，但模擬的四川中部的濕偏差較大而四川盆地干偏差較大;進行偏差校正后，模擬性能有所提升，對西南地區極端降水模擬偏差有所減小。相較于當代氣候（1986—2005年），就區域平均而言在21世紀（2021—2098年），有效降水總量（Prcptot）、強降水日數（R10 mm）、日最大降水量（Rx1day）和極端降水量（R95p）都明顯增加;在RCP4.5和RCP8.5情景下，Rx1day和R95p在西南大部分地區增多，到21世紀末RCP4.5情景下增加幅度分別為16.0％和12.6％;Prcptot和R10 mm未來變化存在一定的區域差異，但Prcptot和R10 mm變化在空間上較為相似，在云南南部和四川盆地地區呈現減少趨勢，其余地區增加明顯;且RCP8.5高排放情景的變化幅度明顯大于RCP4.5情景。

關鍵詞 RegCM4; 西南地區; 極端降水; 評估; 預估

中國西南地區主要包括四川省、貴州省、云南省和重慶市，俗稱“三省一市”。該地區地形異常復雜，包括高原、盆地、山脈等，海拔落差較大（圖1），且氣候復雜多變，受熱帶季風、副熱帶季風、高原季風等多種氣候系統的共同影響（馬潔華等，2019;汪靖等，2021）。而且西南地區由于地理位置的特殊性，極易遭受山洪、滑坡、泥石流、地震等自然災害的襲擊，常常造成重大的經濟損失和人員傷亡，如2022年8月四川省彭州市龍漕溝突發山洪。因此，西南地區也是中國甚至是全球氣候變化最為敏感和脆弱的地區之一（藍天等，2021）。

政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change，IPCC）第六次評估報告（IPCC，2021）指出，隨著全球變暖的加劇，全球氣候及極端氣候將發生巨大變化。在全球氣候變暖背景下，大氣水汽含量增加，持水能力增強，這將導致全球水循環加劇，進而使得全球極端降水事件發生概率明顯增加（胡婷和孫穎，2021;姜大膀和王娜，2021;周波濤和錢進，2021）。然而，隨著國內外學者對區域尺度極端降水事件研究的不斷深入，越來越多研究結果表明，全球氣候變暖對區域尺度極端降水事件變化也有較大影響（趙天保等，2016）。西南地區是氣候變化的敏感和脆弱區，近年來極端降水事件發生概率明顯增加（王明明等，2018），例如，在2021年7月—9月，四川省共出現了5場大范圍區域性暴雨天氣過程，其中僅7月9—11日強降雨過程導致成都、達州、德陽等地12萬余人不同程度受災，直接經濟損失達到1.76億元。因此，開展全球變暖背景下西南地區極端降水未來演變趨勢研究對該地區防災減災和經濟發展具有十分重要的現實意義。

氣候模式是進行未來氣候變化預估的重要工具（蔣文好和陳活潑，2021），主要包括全球氣候模式（Global Climate Model，GCM）和區域氣候模式（Regional Climate Model，RCM）。基于耦合模式比較計劃（Coupled Model Intercomparison Project，CMIP）中的模式結果，以往研究已較為系統地評估了其對西南地區降水和極端降水變化的模擬性能。已有研究（張蓓和戴新剛，2016）指出，CMIP5模式對中國東南和華南沿海降水的模擬偏少，其余大部分地區降水模擬偏多，而對西部降水模擬偏多更為明顯;從季節上來看，對中國區域冬半年降水模擬存在高估，尤其是四川和云南北部高估更為明顯;夏半年在西南東部地區降水模擬偏少，而在西部模擬偏多。CMIP6模式雖然對中國區域極端降水的模擬能力優于CMIP5模式（王予等，2021），但CMIP6模式仍然低估了四川盆地的夏季降水，且對極端降水強度的模擬也偏弱（黃子立等，2021;楊明鑫等，2022）。這與粗分辨率的全球氣候模式無法精細刻畫西南地區的復雜地形有關，因此十分有必要利用高分辨率的區域氣候模式開展西南地區氣候變化相關研究（Coppola et al.，2021）。以往研究基于RegCM3和RegCM4模式的模擬研究結果（吳佳等，2012;王美麗，2015;童堯等，2017）指出，不同版本的區域氣候模式均高估了青藏高原東部及高原地區的總降水量（Prcptot）和強降水日數（R10mm），而對四川東部和重慶地區的Prcptot與R10mm模擬存在低估;不同季節也存在一定的差異，對云南和貴州地區的冬季Prcptot模擬偏多，其余地區偏少;而模擬的夏季Prcptot在整個西南地區均明顯偏多。

基于GCM和RCM的模擬結果，國內學者針對西南地區未來氣候變化也開展了系列研究。基于CMIP5模式的預估研究指出，未來我國北方地區極端降水增幅明顯大于南方地區，其中青藏高原和西南地區的R95p和R99p顯著增加，意味著西南地區發生洪澇災害風險也更大（吳佳等，2015）。基于CMIP6模式的預估結果指出，未來在西南較為發達的城市如成都、重慶、川西高原和昆明等，暴雨發生概率明顯增加（黃曉遠和李謝輝，2022）。基于RegCM3模式模擬結果（徐集云等，2013）進一步指出，到21世紀中期（2041—2060年），青藏高原、云南西部以及四川盆地部分地區冬季降水將減少，中國西北地區夏季降水增加，而青藏高原總降水量將減少。使用單一海氣耦合模式CSIRO-Mk3.6.0輸出結果驅動RegCM4模式（張冬峰等，2017）的預估結果表明，在21世紀，除青藏高原外，中國其余地區降水均呈增加趨勢，且增幅隨時間推移顯著增加。

雖然以往研究已基于全球氣候模式和高分辨率區域氣候模式結果針對西南地區氣候變化開展了較為系統的分析，但由于全球氣候模式分辨率較粗，且已有研究大多基于單個區域氣候模式的結果，針對西南地區未來氣候變化的預估結果仍存在較大的不確定性。因此，十分有必要利用多個高分辨率區域氣候模式結果進一步開展西南地區未來極端降水變化預估研究，減少預估結果的不確定性，更好地服務于當地未來規劃制定及防災減災工作。

1 資料和方法

1.1 資料

本文主要采用多個全球海氣耦合模式結果驅動的高分辨率區域氣候模式（RegCM4）模擬輸出，系統評估其對西南地區極端降水變化的模擬性能，并科學預估其未來變化趨勢。RegCM4模式模擬采用通用陸面模式中的陸面過程方案和Emanuel（MIT-Emanuel）對流參數化方案（Gao et al.，2016，2017），并使用了改進的中國土地覆蓋數據（韓振宇等，2015）。模式模擬區域與東亞聯合區域氣候降尺度試驗（CORDEX）第二階段推薦的區域一致，包括整個中國地區（Giorgi et al.，2009;Ciarlo et al.，2021）;模式水平分辨率為0.25°×0.25°。運行所需的初始條件和邊界條件來自于5個全球氣候模式（CMIP5模式）CSIRO-Mk3-6-0（CS;Rotstayn et al.，2010）、EC-EARTH（EC;Hazeleger et al.，2010）、HadGEM2-ES（Had;Collins et al.，2011）、MPI-ESM-MR（MPI;Stevens et al.，2013）和NorESM1-M（Nor;Bentsen et al.，2013）（詳細信息見表1）。觀測資料來自CN05.1格點化觀測數據集（分辨率為0.25°×0.25°），該數據集由我國1961年以來2400多個臺站的觀測資料通過“距平逼近”插值得到的（吳佳和高學杰，2013）。

1.2 方法

相比全球氣候模式，區域氣候模式模擬精度有了一定的提高，但模擬結果仍存在明顯的系統偏差（童堯等，2017）。為了減少偏差帶來的影響，本文利用均值校正法對高分辨率的區域氣候模式輸出的逐日降水進行了偏差校正，即基于逐日降水觀測資料，將RegCM4模式模擬的逐日降水氣候平均用觀測值進行訂正，該方法計算簡便，可有效減少模式模擬與觀測之間的偏差。

研究西南地區極端降水事件選用的極端降水指數來自世界氣象組織氣候變化檢測和指標專家組（Expert Team on Climate Change Detection and Indices，ETCCDI）定義的4個代表指數（表2），包括有效降水日的總降水量（Prcptot）、強降水日數（R10mm）、日最大降水量（Rx1day）和極端降水量（R95p）。為了方便比較，文中評估和預估總降水量、日最大降水量和極端降水量采用相對變化（單位：％），而極端降水日數評估和預估采用絕對變化（單位：d）。

在進行模式性能評估時，主要使用泰勒圖（Taylor，2001）系統展示RegCM4模式多個輸出結果對中國西南地區極端降水的模擬性能，它能夠簡潔且直觀地給出各個模式的模擬能力。泰勒圖主要展示RegCM4模式模擬與觀測之間的空間相關系數、與觀測標準差之比及中心均方根誤差;當RegCM4模式與觀測的空間相關系數越大、標準差之比越接近于1且均方根誤差越小時，即RegCM4模式對西南地區極端降水模擬結果與觀測（REF）更為接近時，說明RegCM4模式的模擬效果越好。

年際變率指數（the Model Variability Index，MVI）也被廣泛運用到模式模擬性能評估當中（Gleckler et al.，2008）。Xu et al.（2022）使用年際變率指數分析CMIP5和CMIP6模式對中國極端降水事件年際變率模擬性能，結果表明：相較于CMIP5模式，CMIP6模式能更好地模擬中國極端降水事件的年際變率。MVI主要運用模式與觀測標準差之比來計算，當MVI值越小則表示模式對年際變率的模擬性能越好，計算公式如下：

2 結果分析

2.1 RegCM4模式對西南極端降水的模擬性能評估

圖2—4分別給出了RegCM4模式模擬的西南地區1986—2005年平均的R10mm、Rx1day和R95p相對觀測的偏差分布，同時也給出了經過偏差校正后的結果（紅色代表干偏差，藍色代表濕偏差）。5個區域模式和多模式集合平均對R10mm、Rx1day和R95p模擬偏差的空間分布較為類似。

從多模式集合平均可以看到，R10mm濕偏差主要位于四川中部（高估45 d以上），特別在四川南部高估60 d以上，而在四川東部存在較大的干偏差（模擬偏少15 d左右），整體上多模式集合平均對R10mm高估26 d左右（圖2）;但從西南地區區域平均來看，各模式對西南地區R10mm模擬仍然偏多23～31 d，其中EC偏差最大，MPI偏差最小（表3）;整體上來看，模式對四川西部、云南和貴州模擬偏差較小，對于這些地區模擬效果較好，這與RegCM3模擬結果較為一致（徐集云等，2013）。校正后的模式對西南地區R10mm模擬偏差集中在 ±15 d左右，干偏差主要位于四川盆地，其余地區為濕偏差區;校正后的模式對R10mm模擬偏多 4.8～6.8 d，其中Had偏差最小，EC最大。對比校正前后偏差的空間分布可以看出，校正后的模式可以有效減小RegCM4模式對四川中部的濕偏差，同時也有效減小四川盆地的干偏差。

而對于Rx1day，偏差空間分布與R10mm相似，在四川中部、云南和貴州存在明顯濕偏差，尤其在四川南部部分格點高估200％以上，而在四川盆地存在干偏差（低估50％左右;圖3）;但從區域平均來看，模式明顯高估了Rx1day，為66.2％～74.7％，多模式集合平均高估約69.5％。經過校正后，偏差有所減小，為52.2％～59.4％;從空間分布來看，模式對Rx1day模擬偏差主要集中為-50％～75％，校正后的模式可以減小西南大部分地區的濕偏差和四川盆地的干偏差;但在四川南部和云南南部部分地區仍然存在較大的濕偏差，這與童堯等（2017）研究結果一致。該區域的偏差可能主要與這些地區的復雜地形分布有關，使得模式對這些地區的降水模擬存在較大偏差（高學杰等，2006;張蓓和戴新剛，2016;童堯等，2022）。

而對于R95p，在西南地區東部存在干偏差，特別是四川盆地，R95p偏少60％以上;濕偏差位于西南地區西部，特別是川西高估明顯（川西部分地區高估80％以上）;而對于模式CS、EC和Nor在云南南部高估明顯，且多模式集合平均對云南南部也是明顯高估;從整體上來看，模式對云南北部和貴州的模擬效果較好（圖4），但從區域平均上來看模式高估72.9％～80.4％，多模式集合平均高估約77.0％（表3）。經過偏差校正后，模式對西南地區高估幅度明顯減小，為24.2％～32.7％，多模式集合平均高估約29.6％;從空間分布來看，模式對西南地區模擬偏差主要集中在±40％，濕偏差仍位于西南地區西部，干偏差位于西南地區東部;但校正后的模式可以有效減少模式對西南地區西部的濕偏差（高估40％左右），同時減小模式對西南地區東部的干偏差（偏少40％左右）;但四川中部和四川盆地部分地區差異仍然明顯。

整體上看，經過偏差校正后，模式模擬結果有了一定的改進，有效減小了西南地區西部的濕偏差和西南地區東部的干偏差，從區域平均上來看，校正后的模式對R10mm模擬的效果好于Rx1day和R95p模擬的效果（表3）。有研究表明（Qin et al.，2021;童堯，2021），區域氣候模式和全球模式都可以描述極端降水事件變化特征，但全球模式各模式間模擬一致性較差，區域氣候模式間一致性較好;區域氣候模式對于地形復雜地區極端降水模擬性能較好，能更好地提供極端降水空間分布細節，同時更好描述地形引起降水差異。對比單個模式與多模式集合平均可以發現，多模式集合平均的模擬性能優于大部分模式模擬性能。

圖5給出了5個區域模式和多模式集合平均計算的MVI指數。RegCM4模式模擬的MVI基本都大于0.27，其中CS模擬的極端降水指數MVI值超過了0.92，而Had和MPI的MVI較小（小于0.35），說明Had和MPI對極端降水年際變率的模擬性能較好;多模式集合平均的MVI值為0.42。經過校正后，MVI整體上減小，但CS模擬的MVI值仍為0.50，而EC、Had和MPI的MVI都小于0.10，

且多模式集合平均的MVI值為0.07。整體上來看，RegCM4模式模擬結果經過校正后，MVI值明顯減小，這也意味著在一定程度上提高了對西南地區極端降水年際變率的模擬性能，且校正后EC、Had和MPI模擬性能較好，多模式集合平均模擬性能優于多數模式。

為了進一步直觀地比較RegCM4模式的模擬能力，圖6給出了多個RegCM4模式對西南地區極端降水模擬性能的泰勒圖。對于Rx1day，CS模擬結果與觀測的空間相關系數最大，為0.55，而EC空間相關系數僅為0.13，多模式集合平均的空間相關系數為0.36;校正后的模式空間相關系數明顯增加，均大于0.82，特別是CS和MPI空間相關系數更是達到0.90以上，多模式集合平均的空間相關系數達到0.88（圖6a）。模式與觀測標準差之比在0.88～1.38;相較于觀測標準差，Had與觀測標準差之比（為1.02）接近于1，而CS標準差較大（1.38）;校正后，除CS（1.51）和Nor（1.48）外，其余模式的標準差均與觀測標準差相差不大（1.16～1.23），EC標準差與觀測更為接近，多模式集合平均標準差與觀測標準差之比僅為1.21。

對于R95p，模式與觀測的空間相關系數小于0.31，其中MPI空間相關系數最大，CS空間相關系數最小僅為0.13，而多模式集合平均的空間相關系數僅為0.21;校正后的模式空間相關系數達到0.87以上，其中CS、EC和Had模式空間相關系數更是達到0.90以上，多模式集合平均空間相關系數達到0.92（圖6b）。模式與觀測的標準差比值在0.83～1.15，其中Nor標準差與觀測相差不大，標準差之比僅為1.08，多模式集合平均標準差與觀測標準差之比為0.92;校正后的模式與觀測的標準差比值在0.89～1.53，其中EC和Had標準差與觀測標準差相差不大（分別為1.01和1.03）。而對于R10mm（圖略），模式標準差與觀測標準差之比大于1.48，其中CS和Nor標準差之比更是達到1.95以上;校正后的模式與觀測的標準差比有明顯減小，模式與觀測標準差之比在0.94～0.98之間，多模式集合平均標準差與觀測標準差之比為1.2。因此，校正后的模式對西南地區極端降水的模擬效果明顯要優于RegCM4模式的直接輸出結果，且多模式集合平均模擬性能要好于大部分模式。

2.2 RegCM4模式對西南地區極端降水的未來變化預估

以往研究表明溫室氣體排放增加導致全球增暖，但不同區域增溫幅度不同，進而導致不同地區大氣環流和大氣持水能力也存在顯著區域差異（孫穎，2021），從而影響區域尺度極端降水的變化。那么在未來不同溫室氣體排放情景下，西南地區極端降水將如何演變是一個值得關注的科學問題。從2.1節對RegCM4模式模擬性能評估可以看到，均值校正后的RegCM4模式對西南地區極端降水變化的模擬能力有所提高。因此，下面將采用校正后的RegCM4模式模擬結果，科學預估RCP4.5和RCP8.5兩種情景下21世紀初期（2021—2040年）、中期（2041—2060年）和末期（2081—2098年）西南地區極端降水的未來演變趨勢。

圖7給出了RegCM4多模式集合平均預估的未來（2021—2098年）4種極端降水指數相較于當代氣候（1986—2005年）的變化，可以看到，在RCP4.5情景下，西南地區年降水總量Prcptot和強降水日數R10mm沒有明顯的變化趨勢，呈現較強的年際波動，到21世紀末期，相較當前氣候（1986—2005年）分別增加了0.5％和0.8 d。但日最大降水量Rx1day和極端降水量R95p在未來呈現明顯的增加趨勢，到21世紀末，相比當前氣候分別增加了12.0％和8.1％。不同于RCP4.5情景，西南地區Prcptot和R10mm在RCP8.5情景下呈現明顯的增加趨勢，到21世紀末，兩者相比當前氣候分別增加17.5％和4.7 d;Rx1day和R95p增加趨勢更為顯著，到21世紀末，兩者分別增加24.9％和30.9％。

從空間分布上來看，在RCP4.5情景下相較于當前氣候，在21世紀初期Prcptot變化存在較大的區域差異，在四川盆地和云南東部地區呈現減少趨勢，整體上減少4％左右，而其他地區明顯增加，尤其在川西地區，增加明顯;區域平均的Prcptot相較于當前氣候增加3.9％（表4）。在RCP8.5情景下，減少的區域范圍有所擴大，從四川盆地向西南擴大到四川南部和云南南部區域，尤其在云南南部，減少尤其明顯，幅度約6％（圖8）;多模式集合平均的區域總降水量相對增加約3.8％，這與以往研究結果基本一致（張武龍等，2015）。對于強降水日數，在RCP4.5情景下西南大部分地區明顯增多，尤其在川西增多明顯（增多3 d以上），西南地區平均增加約1.5 d;但在RCP8.5情景下，四川盆地到四川南部和云南南部出現了明顯減少趨勢，特別是云南南部部分地區減少達3 d以上，但西南地區區域平均仍增加約1.3 d。對于日最大降水量，RCP4.5和RCP8.5情景下的預估結果表明，整個西南地區表現出一致的明顯增多趨勢，尤其在RCP4.5情景下四川中部增多超過了20％;相對于當前氣候，西南地區Rx1day在RCP4.5和RCP8.5情景下分別增加約11.3％和12.7％。與Rx1day相似，極端降水量在整個西南地區也呈現一致的增加，相較于當前氣候分別增加10.0％和9.9％。

到21世紀中期，Prcptot在川西高原和重慶地區明顯增加，RCP8.5情景下增幅更大。在RCP4.5?情景下，云南大部分地區均出現明顯的減少趨勢，南部部分地區減少幅度更是超過了10％;在RCP8.5情景下，減少區域的范圍進一步擴大到西南地區中部和東南部，且減少幅度更大（圖9），這與張冬峰等（2017）研究結果一致。但從西南地區區域平均來看，西南地區Prcptot仍為增多，分別增加約4.5％和5.1％。對強降水日數，云南南部部分地區在RCP4.5情景下呈現減少趨勢，而在RCP8.5情景下減少范圍進一步擴大到整個云南南部，且減少幅度有所增加;而其他地區表現出一致增加趨勢，尤其在川西地區增加明顯，且RCP8.5情景下的增加幅度明顯大于RCP4.5情景，相較當前氣候分別增加約1.5和1.4 d。在21世紀中期，日最大降水量在RCP4.5和RCP8.5情景下均表現出一致增加趨勢，特別是四川地區增加幅度明顯。對于極端降水量，在RCP4.5和RCP8.5情景下，云南南部部分地區出現了弱的減少趨勢，而其他地區明顯增加，特別是在川西增加明顯，在RCP4.5情景下川西增加12％以上，而RCP8.5情景下增加超過18％。

到21世紀末期，在RCP4.5和RCP8.5情景下，川西和重慶地區呈現出增多趨勢，且RCP8.5情景下增幅更大，川西地區增加幅度更是超過了20％。在RCP4.5情景，年降水總量有2個明顯的減少區域，一個為四川盆地到四川南部地區，另一個為云南南部到貴州北部地區，但減少幅度較弱;而RCP8.5情景下2個減少區的范圍有所縮小，而增加區域范圍擴大，如四川盆地地區，年總降水量在RCP4.5情景表現為減少趨勢，但在RCP8.5情景為增加，增幅達到了5％（圖10）。從區域平均上來看，到21世紀末，Prcptot分別增加了6.1％和14.6％。對于強降水日數，川西、重慶和貴州部分地區均有所增加，其中川西增加幅度最明顯（RCP8.5情景下增加幅度超過12 d）;而在RCP4.5情景下，四川盆地和云南南部地區R10mm呈現減少趨勢;RCP8.5情景下云南南部減少區域范圍相對較小，而四川盆地強降水日數由減少轉變為增加趨勢（增幅約4％）;對于整個西南地區來說，強降水日數在RCP4.5和RCP8.5情景下分別增加約1.8和3.2 d。對于Rx1day，在未來兩種情景下整個西南地區基本呈現一致的增加趨勢，其中四川、重慶、貴州地區在RCP8.5高排放情景下的增幅（40％以上）明顯要大于RCP4.5情景的結果（25％左右）。與Rx1day變化類似，在兩種情景下R95p在整個西南地區也基本呈現出一致的增加趨勢，且RCP8.5情景下的增幅大于RCP4.5情景。

3 討論和結論

本文基于CN05.1觀測數據，系統評估了高分辨率區域氣候模式RegCM4對西南地區極端降水的模擬性能，并科學預估了RCP4.5和RCP8.5兩種情景下21世紀西南地區極端降水的未來演變趨勢。主要結論如下：

1）從整體上來看，RegCM4模式對西南地區極端降水模擬效果較好，但在四川盆地存在較大的干偏差，四川中部存在較大的濕偏差;經過均值校正后，模式對四川盆地的干偏差和四川中部的濕偏差均有所減小。校正后的模式能夠較好地模擬極端降水指數的空間分布，其空間標準差與觀測更為接近，且有效提高了與觀測的空間相關系數;對于極端降水指數年際變率的模擬也有了一定程度的提升，且多模式集合平均模擬效果要優于大部分模式結果。

2）基于高分辨率區域氣候模式RegCM4的預估結果表明，西南地區未來極端降水整體呈現較為一致的變化趨勢，但也存在區域差異，尤其是年降水總量和強降水日數的變化，區域差異明顯。對于年降水總量和強降水日數，其變化趨勢在空間上基本表現出類似特征，在總降水量減少（增加）的區域強降水日數也減少（增加）;其減少區域主要集中在四川盆地和云南南部地區，減少區域范圍和幅度在21世紀中期最大，而到了21世紀末期，減少范圍有所縮小，其中在RCP8.5情景下，年降水總量和強降水日數由減少轉變為增加趨勢。對于日最大降水量和極端降水量，在RCP4.5和RCP8.5情景下，未來整個西南地區基本呈現一致的增加趨勢，尤其是川西地區，增加尤其明顯;到了21世紀末，相比當前氣候日最大降水量和極端降水量分別增加了23.2％和21.2％。

當然，本文研究還存在一定的局限性。雖然使用了多個全球氣候模式驅動的高分辨率區域氣候模式結果進行分析，但對于具有復雜地形的西南地區來說，區域氣候模式模擬仍存在較大偏差，其未來氣候變化預估結果仍存在較大的不確定性，尤其對于極端降水變化。因此，在后續工作中，可借助CORDEX東亞試驗中的多個高分辨率區域氣候模式模擬結果，結合CMIP6高分辨率模式比較計劃中的多個高分辨率全球氣候模式結果，發展觀測約束預估方法，降低預估不確定性，并進一步開展西南地區極端氣候未來變化預估研究，更好地服務于西南地區氣候變化應對政策與措施的制定。

參考文獻（References）

Bentsen M，Bethke I，Debernard J B，et al.，2013.The Norwegian Earth System Model，NorESM1-M—Part 1：description and basic evaluation of the physical climate［J］.Geosci Model Dev，6（3）：687-720.doi：10.5194／gmd-6-687-2013.

Ciarlo J M，Coppola E，Fantini A，et al.，2021.A new spatially distributed added value index for regional climate models：the EURO-CORDEX and the CORDEX-CORE highest resolution ensembles［J］.Climate Dyn，57（5／6）：1403-1424.doi：10.1007／s00382-020-05400-5.

Collins W J，Bellouin N，Doutriaux-Boucher M，et al.，2011.Development and evaluation of an Earth-System model：HadGEM2［J］.Geosci Model Dev，4（4）：1051-1075.doi：10.5194／gmd-4-1051-2011.

高學杰，徐影，趙宗慈，等，2006.數值模式不同分辨率和地形對東亞降水模擬影響的試驗［J］.大氣科學，30（2）：185-192. Gao X J，Xu Y，Zhao Z C，et al.，2006.Impacts of horizontal resolution and topography on the numerical simulation of East Asian precipitation［J］.Chin J Atmos Sci，30（2）：185-192.（in Chinese）.

Gao X J，Shi Y，Giorgi F，2016.Comparison of convective parameterizations in RegCM4 experiments over China with CLM as the land surface model［J］.Atmos Ocean Sci Lett，9（4）：246-254.doi：10.1080／16742834.2016.1172938.

Gao X J，Shi Y，Han Z Y，et al.，2017.Performance of RegCM4 over major river basins in China［J］.Adv Atmos Sci，34（4）：441-455.doi：10.1007／s00376-016-6179-7.

Giorgi F，Jones C，Asrar G R，2008.Addressing climate information needs at the regional level：the CORDEX framework［J］.WMO Bull，53（3）：175.

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.

韓振宇，高學杰，石英，等，2015.中國高精度土地覆蓋數據在RegCM4／CLM模式中的引入及其對區域氣候模擬影響的分析［J］.冰川凍土，37（4）：857-866. Han Z Y，Gao X J，Shi Y，et al.，2015.Development of Chinese high resolution land cover data for the RegCM4／CLM and its impact on regional climate simulation［J］.J Glaciol Geocryol，37（4）：857-866.doi：10.7522／j.issn.1000-0240.2015.0095.（in Chinese）.

Hazeleger W，Severijns C，Semmler T，et al.，2010.EC-Earth：a seamless earth-system prediction approach in action[J].Bull Amer Meteor Soc，91（10）：1357-1364.doi：10.1175／2010bams2877.1.

胡婷，孫穎，2021.IPCC AR6報告解讀：人類活動對氣候系統的影響［J］.氣候變化研究進展，17（6）：644-651. Hu T，Sun Y，2021.Interpretation of IPCC AR6 on human influence on the climate system［J］.Clim Change Res，17（6）：644-651.doi：10.12006／j.issn.1673-1719.2021.205.（in Chinese）.

黃曉遠，李謝輝，2022.基于CMIP6的西南暴雨洪澇災害風險未來預估［J］.應用氣象學報，33（2）：231-243. Huang X Y，Li X H，2022.Future projection of rainstorm and flood disaster risk in southwest China based on CMIP6 models［J］.J Appl Meteor Sci，33（2）：231-243.doi：10.11898／1001-7313.20220209.（in Chinese）.

黃子立，吳小飛，毛江玉，2021.CMIP6模式水平分辨率對模擬我國西南地區夏季極端降水的影響評估［J］.高原氣象，40（6）：1470-1483. Huang Z L，Wu X F，Mao J Y，2021.An evaluation for impacts of the horizontal resolution of CMIP6 models on simulating extreme summer rainfall over southwest China［J］.Plateau Meteor，40（6）：1470-1483.doi：10.7522／j.issn.1000-0534.2021.zk010.（in Chinese）.

IPCC，2021.Climate change 2021：the physical science basis［R］.Cambridge：Cambridge University Press.

姜大膀，王娜，2021.IPCC AR6報告解讀：水循環變化［J］.氣候變化研究進展，17（6）：699-704. Jiang D B，Wang N，2021.Water cycle changes：Interpretation of IPCC AR6［J］.Clim Change Res，17（6）：699-704.doi：10.12006／j.issn.1673-1719.2021.160.（in Chinese）.

蔣文好，陳活潑，2021.CMIP6模式對亞洲中高緯區極端溫度變化的模擬及預估［J］.大氣科學學報，44（4）：592-603. Jiang W H，Chen H P，2021.Assessment and projection of changes in temperature extremes over the mid-high latitudes of Asia based on CMIP6 models［J］.Trans Atmos Sci，44（4）：592-603.doi：10.13878／j.cnki.dqkxxb.20210203001.（in Chinese）.

藍天，霍利微，王冀，等，2021.2011年夏季西南極端干旱事件及其成因［J］.大氣科學學報，44（6）：927-937. Lan T，Huo L W，Wang J，et al.，2021.Extreme drought event and its causes in Southwest China in summer 2011［J］.Trans Atmos Sci，44（6）：927-937.doi：10.13878／j.cnki.dqkxxb.20190801007.（in Chinese）.

馬潔華，孫建奇，汪君，等，2019.2018年夏季我國極端降水及滑坡泥石流災害預測［J］.大氣科學學報，42（1）：93-99. Ma J H，Sun J Q，Wang J，et al.，2019.Real-time prediction for 2018 JJA extreme precipitation and landslides［J］.Trans Atmos Sci，42（1）：93-99.doi：10.13878／j.cnki.dqkxxb.20181214001.（in Chinese）.

Qin P H，Xie Z H，Zou J，et al.，2021.Future precipitation extremes in China under climate change and their physical quantification based on a regional climate model and CMIP5 model simulations［J］.Adv Atmos Sci，38（3）：460-479.doi：10.1007／s00376-020-0141-4.

Rotstayn L D，Collier M A，Dix M R，et al.，2010.Improved simulation of Australian climate and ENSO-related rainfall variability in a global climate model with an interactive aerosol treatment［J］.Int J Climatol，30（7）：1067-1088.doi：10.1002／joc.1952.

Stevens B，Giorgetta M，Esch M，et al.，2013.Atmospheric component of the MPI-M earth system model：ECHAM6［J］.J Adv Modeling Earth Syst，5（2）：146-172.doi：10.1002／jame.20015.

孫穎，2021.人類活動對氣候系統的影響：解讀IPCC第六次評估報告第一工作組報告第三章［J］.大氣科學學報，44（5）：654-657. Sun Y，2021.Impact of humanactivities on climate system：an interpretation of Chapter Ⅲ of WGⅠreport of IPCC AR6［J］.Trans Atmos Sci，44（5）：654-657.doi：10.13878／j.cnki.dqkxxb.20210816009.（in Chinese）.

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.

童堯，2021.區域模式結果的誤差訂正和對中國氣候變化的集合預估［D］.北京：中國科學院大學. Tong Y，2021.Error correction of regional model results and ensemble prediction of climate change in China［D］.Beijing：University of Chinese Academy of Sciences.（in Chinese）.

童堯，高學杰，韓振宇，等，2017.基于RegCM4模式的中國區域日尺度降水模擬誤差訂正［J］.大氣科學，41（6）：1156-1166. Tong Y，Gao X J，Han Z Y，et al.，2017.Bias correction of daily precipitation simulated by RegCM4 model over China［J］.Chin J Atmos Sci，41（6）：1156-1166.doi：10.3878／j.issn.1006-9895.1704.16275.（in Chinese）.

童堯，韓振宇，高學杰，2022.QM和QDM方法對中國極端氣候的高分辨率氣候變化模擬的誤差訂正對比［J］.氣候與環境研究，27（3）：383-396.Tong Y，Han Z Y，Gao X J，2022.Bias correction in climate extremes over China for high-resolution climate change RegCM4 simulations using QM and QDM methods［J］.Clim Environ Res，27（3）：383-396.doi：10.3878／j.issn.1006-9585.2021.21037.（in Chinese）.

汪靖，張少波，袁利平，2021.西南地區極端降水變化特征分析［J］.氣象科技進展，11（6）：31-37. Wang J，Zhang S B，Yuan L P，2021.Analysis on the characteristics of extreme precipitation in southwestern China［J］.Adv Meteorol Sci Technol，11（6）：31-37.doi：10.3969／j.issn.2095-1973.2021.06.005.（in Chinese）.

王美麗，2015.RegCM4.4區域氣候模式對中國當代氣候及極端事件的高分辨率數值模擬 ［D］.北京：中國氣象科學研究院. Wang M L，2015.A High resolution simulation of present climate and extreme events over East Asia by RegCM4.4［D］.Beijing：Chinese Academy of Meteorology Sciences.（in Chinese）.

王明明，魏鳴，王皓，等，2018.成都地區一次持續性暴雨過程的水汽特征分析［J］.大氣科學學報，41（6）：861-871. Wang M M，Wei M，Wang H，et al.，2018.An analysis of the characteristics of the water vapor during a persistent rainstorm event in Chengdu［J］.Trans Atmos Sci，41（6）：861-871.doi：10.13878／j.cnki.dqkxxb.20160410012.（in Chinese）.

王予，李惠心，王會軍，等，2021.CMIP6全球氣候模式對中國極端降水模擬能力的評估及其與CMIP5的比較［J］.氣象學報，79（3）：369-386. Wang Y，Li H X，Wang H J，et al.，2021.Evaluation of CMIP6 model simulations of extreme precipitation in China and comparison with CMIP5［J］.Acta Meteorol Sin，79（3）：369-386.doi：10.11676／qxxb2021.031.（in Chinese）.

吳佳，高學杰，2013.一套格點化的中國區域逐日觀測資料及與其它資料的對比［J］.地球物理學報，56（4）：1102-1111. Wu J，Gao X J，2013.A gridded daily observation dataset over China region and comparison with the other datasets［J］.Chin J Geophys，56（4）：1102-1111.（in Chinese）.

吳佳，高學杰，石英，2012.中國20年一遇氣溫和降水極值變化的高分辨率模擬［J］.氣候變化研究進展，8（4）：243-249. Wu J，Gao X J，Shi Y，2012.Changes of 20-year return temperature and precipitation extremes over China simulated by RegCM3［J］.Progressus Inquisitiones DE Mutat Clim，8（4）：243-249.doi：10.3969／j.issn.1673-1719.2012.04.002.（in Chinese）.

吳佳，周波濤，徐影，2015.中國平均降水和極端降水對氣候變暖的響應：CMIP5模式模擬評估和預估［J］.地球物理學報，58（9）：3048-3060. Wu J，Zhou B T，Xu Y，2015.Response of precipitation and its extremes over China to warming：CMIP5 simulation and projection［J］.Chin J Geophys，58（9）：3048-3060.doi：10.6038／cjg20150903.（in Chinese）.

Xu H W，Chen H P，Wang H J，2022.Future changes in precipitation extremes across China based on CMIP6 models［J］.Int J Climatol，42（1）：635-651.doi：10.1002／joc.7264.

徐集云，石英，高學杰，等，2013.RegCM3對中國21世紀極端氣候事件變化的高分辨率模擬［J］.科學通報，58（8）：724-733. Xu J Y，Shi Y，Gao X J，et al.，2013.RegCM3 high-resolution simulation of extreme climate events in China in the 21st century［J］.Chin Sci Bull，58（8）：724-733.doi：10.1360／csb2013-58-8-724.（in Chinese）.

楊明鑫，肖天貴，李勇，等，2022.CMIP6模式對我國西南地區夏季氣候變化的模擬和預估[J].高原氣象，41（6）：1557-1571. Yang M X，Xiao T G，Li Y，et al.，2022.Evaluationand projection of climate change in Southwest China using CMIP6 models[J].Plateau Meteor，41（6）：1557-1571.doi：10.7522/j.issn.1000-0534.2021.00119.（in Chinese）.

張蓓，戴新剛，2016.2006—2013年CMIP5模式中國降水預估誤差分析［J］.大氣科學，40（5）：981-994. Zhang B，Dai X G，2016.Assessment of the deviation of China precipitation projected by CMIP5 models for 2006—2013［J］.Chin J Atmos Sci，40（5）：981-994.doi：10.3878／j.issn.1006-9895.1511.15212.（in Chinese）.

張冬峰，韓振宇，石英，2017.CSIRO-Mk3.6.0模式及其驅動下RegCM4.4模式對中國氣候變化的預估［J］.氣候變化研究進展，13（6）：557-568.Zhang D F，Han Z Y，Shi Y，2017.Comparison of climate projection between the driving CSIRO-Mk3.6.0 and the downscaling simulation of RegCM4.4 over China［J］.Clim Change Res，13（6）：557-568.doi：10.12006／j.issn.1673-1719.2017.101.（in Chinese）.

張武龍，張井勇，范廣洲，2015.CMIP5模式對我國西南地區干濕季降水的模擬和預估［J］.大氣科學，39（3）：559-570. Zhang W L，Zhang J Y，Fan G Z，2015.Evaluation and projection of dry-and wet-season precipitation in southwestern China using CMIP5 models［J］.Chin J Atmos Sci，39（3）：559-570.doi：10.3878／j.issn.1006-9895.1408.14136.（in Chinese）.

趙天保，李春香，左志燕，2016.基于CMIP5多模式評估人為和自然因素外強迫在中國區域氣候變化中的相對貢獻［J］.中國科學：地球科學，46（2）：237-252. Zhao T B，Li C X，Zuo Z Y，2016.Contributions of anthropogenic and external natural forcings to climate changes over China based on CMIP5 model simulations［J］.Sci Sin Terrae，46（2）：237-252.doi：10.1007／s11430-015-5207-2.（in Chinese）.

周波濤，錢進，2021.IPCC AR6報告解讀：極端天氣氣候事件變化［J］.氣候變化研究進展，17（6）：713-718. Zhou B T，Qian J，2021.Changes of weather and climate extremes in the IPCC AR6［J］.Clim Change Res，17（6）：713-718.doi：10.12006／j.issn.1673-1719.2021.167.（in Chinese）.

Based on the outputs of the high-resolution regional climate model （RegCM4） driven by the results of five global climate system models，the simulation performance of RegCM4 for precipitation extremes in Southwest China is systematically evaluated.Furthermore，the future precipitation extremes in Southwest China are also evaluated.The results indicate that the RegCM4 models can reasonably reproduce the climate means for the period from 1986 to 2005，but there are greater biases over Southwest China，especially over central Sichuan and the Sichuan basin.Thus，bias correction is implemented on the RegCM4 outputs，and it can significantly reduce the bias of precipitation extremes over Southwest China.For future changes in precipitation extremes，the total wet day precipitation （Prcptot），very heavy precipitation days （R10mm），maximum day precipitation （Rx1day），and extreme precipitation （R95p） are projected to increase significantly across Southwest China over the 21st century under the representative concentration pathways （RCP） 4.5 and 8.5 scenarios.Compared to the current climate （1986—2005），all the precipitation extreme indices exhibit an increasing trend in the future.Both Rx1day and R95p are projected to increase in most areas of Southwest China under the scenarios of RCP4.5 and RCP8.5 in the 21st century，and are reported to respectively increase by approximately 16.0％ and 12.6％ at the end of the 21st century under the RCP4.5 scenario.The future changes in Prcptot and R10mm show great regionality，with both showing a decreasing trend in southern Yunnan and the Sichuan Basin，while the other regions show an increasing trend.Additionally，these changes in Prcptot and R10mm under the RCP8.5 scenario are considerably higher than those under the RCP4.5 scenario.

RegCM4;Southwest China;precipitation extremes;assessment;projection

doi：10.13878／j.cnki.dqkxxb.20220927005

（責任編輯：張福穎）