doi10.12006/j.issn.1673-1719.2018.153石英 , 韩振宇 , 徐影 , 等 . 6.25 km 高分辨率降尺度数据对雄安新区及整个京津冀地区未来极端气候事件的预估 [J]. 气候变化研究进展 , 2019, 15 2 140-149Shi Y, Han Z Y, Xu Y, et al. Future changes of climate extremes in Xiongan New Area and Jing-Jin-Ji district based on high resolution 6.25 km combined statistical and dynamical downscaling datasets [J]. Climate Change Research, 2019, 15 2 140-1496.25 km 高分辨率降尺度数据对雄安新区及整个京津冀地区未来极端气候事件的预估石 英，韩振宇，徐 影，周波涛，吴 佳中国气象局国家气候中心，北京 100081气候变化研究进展第 15 卷 第 2 期 2019 年 3 月 CLIMATE CHANGE RESEARCHVol. 15 No. 2March 2019摘 要 基于 RCP4.5 情景下 6.25 km 高分辨率统计降尺度数据，使用国际上通用的极端气候事件指数，分析雄安新区及整个京津冀地区未来极端气候事件的可能变化。首先对当代模拟结果进行评估，结果表明，集合平均模拟可以较好地再现大部分极端气候事件指数的分布，且对与气温有关的极端气候事件指数模拟效果较好。但也存在一定偏差，特别是对连续干旱日数 CDD 的模拟效果相对较差。集合平均的预估结果表明，未来在全球变暖背景下，雄安新区及整个京津冀地区均表现为极端暖事件增多，极端冷事件减少，连续干旱日数减少，极端强降水事件增多。具体来看，到21 世纪末期，日最高气温最高值 TXx 和日最低气温最低值 TNn 在整个区域上都是增加的，大部分地区增加值分别超过 2.4℃和 3.2℃；夏季日数 SU 和热带夜数 TR 也都表现为增加，但两者的变化分布基本相反，其中 SU 在山区增加幅度较大，平原地区增加幅度较小，而 TR 在平原地区的增加值较山区更显著，两个指数未来增加值分别为 20 ～40 d 和 5 ～ 40 d；霜冻日数 FD 和冰冻日数 ID 都表现为减少，减少值分别超过 10 d 和 5 d；与降水有关的极端气候事件指数， CDD、降雨日数 R1mm 和中雨日数 R10mm 的变化均以减少为主，但数值较小，一般都在 ‒10 ～ 0 之间；最大 5 d 降水量 RX5day、降水强度 SDII 和大雨日数 R20mm 主要表现为增加，增加值一般在 0 ～ 25 之间。从区域平均的变化来看，与气温有关的极端气候事件指数的变化趋势较为显著，与降水有关的极端气候事件指数变化趋势较小。两个区域对比来看，雄安新区模式间的不确定性更大，反映出模式对较小区域模拟的不足。关键词 区域气候模式；雄安新区；京津冀地区；极端事件收稿日期 2018-11-02； 修回日期 2018-12-07资助项目 国家重点研发计划 2018YFA0606301,2017YFA0605002；国家自然科学基金项目 41805063， 41375104作者简介 石英，女，副研究员， ；韩振宇 通信作者 ，男，高级工程师， 引 言气候变化将影响极端天气气候事件的发生频率、强度、空间范围及持续时间，并可导致前所未有的极端天气气候事件。耦合模式比较计划第五阶段 CMIP5[1]模式预估结果显示，全球尺度上， 21 世纪末暖事件的出现频率和幅度将会增加，冷事件将会减少；强降水频率或强降水占总雨量的比例可能增加，同时某些地区干旱程度将加剧[2]。与全球平均的结果类似，未来中国区域暖事件增加，冷事件减少，气 候 系 统 变 化2 期 141石英，等 6.25 km 高分辨率降尺度数据对雄安新区及整个京津冀地区未来极端气候事件的预估高温日数增加，日最高气温最高值和日最低气温最低值均升高，且高排放情景下的变幅更大[3]。在上述全球和中国极端气候事件变化的背景下，作为北京非首都功能疏解集中承载地， 2017 年 4 月 1 日正式宣布成立的雄安新区未来极端气候事件将如何变化，是值得关注的问题。雄安新区地处京津冀腹地，其气候变化依赖于更大的区域尺度。而整个京津冀地区位于东亚季风区北缘，人口稠密，属于半干旱半湿润地区，在我国政治经济生活中占有重要地位。一般来说，进行未来气候变化预估的主要工具是全球气候模式，徐影等[4-5]利用多个 CMIP5 全球模式模拟结果，分析不同排放情景下中国区域未来极端气温和降水的变化情况，并进一步分析洪涝灾害风险，结果显示，与整个中国区域的变化一致，未来京津冀地区极端暖事件增多，极端冷事件减少，极端强降水以增加为主，干旱事件则呈减少趋势，同时未来此区域是洪涝灾害发生的高风险区。但由于全球模式水平分辨率较粗等问题，预估结果存在较大的不确定性，且已有研究表明，对于中国区域来说，由于其区域气候、地形和陆表状况的复杂性，全球模式对这里气候的模拟存在较多问题，其中最突出的是在我国中西部产生虚假降水中心[6-9]，对此区域未来气候变化的预估也显示出较大不足[10]。而高分辨率的区域气候模式对这一地区气候相对有更好的模拟能力，对极端气候事件也有较好的描述[11-13]。近年来，针对京津冀地区当代气候变化特征的研究已有很多，如温度日较差的变化分析[14]，与气温和降水有关的极端事件指数的空间和时间变化特征分析[15-16]，冰雹的气候特征和突变分析[17]等，对雄安新区这一特定区域的研究也已出现[18-19]，但对此区域未来气候变化的预估还相对较少。本文基于使用 RegCM4.4 区域气候模式在 5 个不同的CMIP5 全球模式驱动下所进行的高分辨率 25 km东亚气候变化预估模拟结果的进一步降尺度结果6.25 km，针对雄安新区及整个京津冀地区，在模式模拟性能检验的基础上，分析这一地区未来极端气候事件的变化。值得注意的是，吴婕等[19]曾对其中 4 个 25 km 的区域气候变化模拟结果进行了分析，并重点给出了未来雄安新区及周边区域水资源变化情况。但由于雄安新区范围较小， 25 km 分辨率情况下，仅有 2 个点，为了进一步给出更细致的预估结果，同时满足影响评估等研究工作的需要，使用统计降尺度方法将上述模拟结果和另外一个全球模式 NorESM1-M 驱动下的区域气候变化模拟结果进一步降尺度到 6.25 km 具体方法及详细介绍参见 Han 等[20]，本文将主要基于 6.25 km 降尺度结果预估未来此区域极端气候事件的变化。1 数据与方法1.1 数据综合考虑台站数据的连续性、完整性，所选用的观测资料为包括雄安新区在内的整个京津冀区域175个国家气象台站 2008 2017年的观测资料[20]。选用的模式资料为意大利国际理论物理研究中心 ICTP 所发展的区域气候模式 RegCM4.4[21]，嵌套 CMIP5 中 5 个全球气候模式，即英国欧洲中期天气预报中心 ECMWF的 EC-EARTH、澳大利亚的 CSIRO-Mk3-6-0、德国马普研究所的 MPI-ESM-MR、英国哈德莱中心的 HadGEM2-ES 和挪威的NorESM1-M 进行的 RCP4.5 排放情景下、水平分辨率为 25 km 的 CORDEX-EA 区域区域气候降尺度协同试验东亚区域 [22] 21 世纪气候变化的模拟结果[23-25]。在上述模拟试验基础上，为满足影响评估等研究工作需要，使用统计降尺度方法进一步将 5 个区域气候变化模拟的结果降尺度到 6.25 km[20, 26-27]。统计降尺度采用分位数映射方法[26-28]，针对各个网格点的逐日序列进行。参照的观测数据是多源融合分析产品 CLDAS V2.0 数据 China Meteorological Administration Land Data Assimilation System[29-30]。CLDAS 数据由国家气象信息中心研制，包括气温、降水、气压、湿度、风速和短波辐射 6 个变量，其中气温以 ECMWF 数值分析/预报产品为背景场，通过多重网格三维变分技术融合地面自动站观测数据而形成，降水以 CMORPH（ Climate Prediction Center Morphing 卫星降水和自动站观测降水融合而成。数据的空间分辨率是 0.0625 0.0625， 京津冀范围内平均约 6.25 km，时间范围是 20082017 年，全部用于传递函数的构建。在参照时段2008 2017 年内，分别计算观测和模式模拟值的累积概率分布函数，构建两者之间的传递函数。然后利用传递函数，订正所有模拟时段内模拟值的累积概率分布函数，这样在误差订正的同时达到空间降尺度的目的。此外，在检验模式模拟性能时，为了更加直接地与台站观测资料进行比对，将同时段 20082017 年 的模式模拟结果插值到站点上，但在预估未来气候变化时，文中选取的是 6.25 km 降尺度结果中的 1986 2005 年作为当代时段、 20792098 年作为 21 世纪末期，主要给出 5 个模拟结果集合平均的 21 世纪末期极端气候事件相对于当代模拟结果的变化情况。1.2 极端气候事件指数基于 6.25 km 高分辨率的统计降尺度结果，计算了国际上通用的 27 个极端气候事件指数[31]。本文将主要给出其中 12 个极端气候事件指数的模拟和预估结果，包括 6 个与气温相关的极端气候事件指数 日最高气温最高值、日最低气温最低值、夏季日数、热带夜数、霜冻日数、冰冻日数 和 6 个与降水相关的极端气候事件指数 连续干旱日数、最大 5 d 降水量、降水强度、降雨日数、中雨日数、大雨日数，见表 1。2 结果分析2.1 对当代极端气候事件的模拟与评估图 1 给出与气温有关的 6 个极端气候事件指数多年集合平均模拟与观测的差。可以看出，与观测相比，集合平均模拟的 TXx 在整个京津冀地区以冷偏差和相差不大为主，个别站点的偏差值超过 2℃； TNn 则以暖偏差为主，最大偏差值超过2 ℃。 SU 在整个区域大都是偏少的， TR 和 ID 主要是偏多的， FD 则为偏多和偏少的相间分布。具体到雄安新区来看，集合平均模拟的区域内几个站点 TXx 为微弱的冷暖偏差相间分布， TNn 均为暖偏差； SU、 FD 较观测一致偏少， TR 和 ID 则偏多，相比较来看， SU、 FD 的偏少和 TR 的偏多较其他指数的偏差显著，偏多和偏少值一般超过 5 d。集合平均模拟整个京津冀地区 TXx、 TNn、 SU、TR、 FD 和 ID 与观测的空间相关系数分别为 0.95、0.96、 0.96、 0.97、 0.97 和 0.98，模拟效果较好。与降水有关的 6 个极端气候事件指数多年集合平均模拟与观测的差在图 2 中给出。可以看出，与观测相比，集合平均模拟的 CDD 在整个京津冀地区以偏多为主，个别站点的偏差值可以达到 1倍以上，其余 5 个指数主要是偏少的，其中 SDII和 R20mm的偏少较为显著，大部分站点偏少超过10。雄安新区集合平均模拟与观测的偏差值与整个京津冀地区基本一致，除 CDD 外，其余 5 个指数也都是偏少的， CDD 表现为偏多，但偏差值相对较小，在 25 以内。集合平均模拟整个京津冀地区 CDD、 RX5day、 SDII、 R1mm、 R10mm和 R20mm与观测的空间相关系数分别为 ‒0.26、 0.88、 0.91、 0.73、0.81 和 0.89。对比与气温相关的极端气候事件指数，与降水相关的极端气候事件指数模拟效果较差，这是模式普遍存在的问题，尤其是对于尺度较小的区域来说，降水模拟的不确定性更大。表 1 极端气候事件指数定义Table 1 Definition of climate extremes指数 定义日最高气温最高值 TXx）日最低气温最低值 TNn）夏季日数 SU热带夜数 TR）霜冻日数 FD）冰冻日数 ID）连续干旱日数 CDD最大 5 d 降水量 RX5day降水强度 SDII）降雨日数 R1mm）中雨日数 R10mm）大雨日数 R20mm）单位每年日最高气温的最大值每年日最低气温的最小值每年日最高气温＞ 25℃的全部天数每年日最低气温＞ 20℃的全部天数每年日最低气温＜ 0℃的全部天数每年日最高气温＜ 0℃的全部天数每年最长连续无降水日数每年最大的连续 5 d 降水量年降水量与降水日数的比值每年日降水量≥ 1 mm 的天数每年日降水量≥ 10 mm 的天数每年日降水量≥ 20 mm 的天数℃℃dddddmmmm/dddd气候变化研究进展 2019 年气 候 系 统 变 化2.2 与气温有关的极端气候事件的未来变化图 3 给出 RCP4.5 情景下 21 世纪末期与气温有关的 6 个极端气候事件指数的变化。从图中可以看出，集合平均模拟的 TXx、 TNn 未来都将升高，且 TNn 的升温较 TXx 更显著； SU、 TR 将增多，FD、 ID 则将减少。具体到空间分布来看， TXx 的升温除在京津冀区域北部略低于 2.4 ℃以外，其他区域升温值大都超过 2.6℃，雄安新区升温值在2.6 ～ 3.0 ℃之间；与 TXx 的变化表现不同， TNn在整个京津冀区域升温值基本都超过 3.2℃，且区域北部、中部和东部是升温的大值区，最大升温值超过 4.0℃，雄安新区升温值在 3.4 ～ 3.8℃之间；结合京津冀区域地形分布来看， SU 基本为山区增幅大，平原地区增幅小，数值由平原地区的不足25 d 增加到北部山区的超过 35 d，雄安新区增加值在 20 ～ 25 d 之间； TR 的分布与 SU 的分布基本相反，平原地区增加值较山区更显著，雄安新区增加值大都在 30 ～ 35 d 之间； FD 与 ID 的分布差异也较大，其中 FD 在区域南部为减少的大值区，而ID 的减少值在北部更明显，南部相对较小，雄安新区的变化值分别在 ‒20 ～ ‒15 d 和 ‒15 ～ ‒10 d 之间。京津冀区域平均的 TXx、 TNn、 SU、 TR、 FD 和 ID变化值分别为 2.72 ℃、 3.52 ℃、 27 d、 25 d、 ‒16 d和 ‒12 d，相应的雄安新区区域平均变化值分别为2.72℃、 3.51℃、 23 d、 34 d、 ‒16 d 和 ‒10 d（表 2。图 4 给出 RCP4.5 情景下雄安新区和整个京津冀地区 21 世纪与气温有关的 6 个极端气候事件指数区域平均的变化。可以看出，集合平均模拟的TXx、 TNn 未来将升高， SU、 TR 将增多， FD、ID 则将减少。其中 TXx、 TNn、 FD 和 ID 的趋势变化在两个区域差别较小，雄安新区 4 个指数的趋势变化值分别为 0.30 ℃ /10a、 0.39 ℃ /10a、 ‒1.8 d/10a 和 ‒1.2 d/10a，京津冀地区各指数的趋势变化值则分别为 0.29℃ /10a、 0.39℃ /10a、 ‒1.7 d/10a 和图 1 集合平均模拟的多年平均 TXx、 TNn、 SU、 TR、 FD 和 ID 与观测的差Fig. 1 Differences of temperature-related climate extremes of TXx, TNn, SU, TR, FD and ID over the entire Jing-Jin-Ji area between the ensemble mean and observation注标记“ ”指模拟与观测的差值通过 0.05 显著性检验的点。40˚N38˚N42˚N36˚N40˚N38˚N42˚N36˚N113˚E 115˚E 117˚E 119˚E 113˚E 115˚E 117˚E 119˚E 113˚E 115˚E 117˚E 119˚E2℃2℃10d10d10d10da TXxd TRb TNne FDc SUf ID雄安新区2 期 143石英，等 6.25 km 高分辨率降尺度数据对雄安新区及整个京津冀地区未来极端气候事件的预估‒1.3 d/10a。 SU 和 TR 的差异相对较大，其中模拟TR 的变化在雄安新区更显著，而 SU 在京津冀地区变化更明显，两个区域 SU 的趋势变化值分别为2.5 d/10a、 2.8 d/10a， TR 的变化则分别为 3.3 d/10a和 2.8 d/10a。从预估的不确定性角度来看，相对来说，雄安新区各个指数变化的不确定性较大，特别是 TXx 和 TNn 两个指数，多模式模拟的变化范围基本覆盖京津冀地区的变化范围。2.3 与降水有关的极端气候事件的未来变化图 5 给出 RCP4.5 情景下 21 世纪末期与降水有关的 6 个极端气候事件指数的变化。总体来看，集合平均模拟的 CDD 未来将减少， RX5day、 SDII 和R20mm 以增加为主， R1mm 变化不大， R10mm 则主要表现为整个京津冀区域西部增加、东部减少。具体到空间分布来看， CDD 的减少在整个京津冀区域相差不大，变化值一般在 ‒15 ～ 0 之间，雄安新区变化范围大都在 ‒15 ～ ‒5 之间。 RX5day除区域北部及零散分布的小部分区域为减少外，其余大部分地区都是增加的，增加值一般超过 5，雄安新区增加值相对较小，在 0 ～ 5 之间。与 RX5day相比， SDII 的变化幅度较小，大部分地区增加值不足 5，区域西北部、南部及东部部分地区最大增加值超过 5，雄安新区变化范围一般在 0 ～ 5之间。对于不同等级的降雨日数来说， R1mm在整个京津冀区域基本都是减少的，但减少值较小，一般在 ‒5 ～ 0 之间； R10mm在北京大部、天津及河北东部大部分地区将减少，减幅一般超过 5，河北南部及西部少部分地区表现为增加，增加值一般不足 10； R20mm在整个京津冀区域的西部以增加为主，东部则主要是减少的，其中最大增加值超过 25，最大减幅则超过 10。京津冀区域平均的 CDD、 RX5day、 SDII、 R1mm、 R10mm和 R20mm的变化值分别为 ‒5.1、 6.6、 2.6、 ‒1.4、 ‒2.1图 2 集合平均模拟的多年平均 CDD、 RX5day、 SDII、 R1mm、 R10mm和 R20mm与观测的相对误差Fig. 2 Similar to Fig. 1, but for the percentage bias in precipitation-related climate extremes of CDD, RX5day, SDII, R1mm, R10mm and R20mm注标记“ ”指模拟与观测的差值通过 0.05 显著性检验的点。40˚N38˚N42˚N36˚N40˚N38˚N42˚N36˚N113˚E 115˚E 117˚E 119˚E 113˚E 115˚E 117˚E 119˚E 113˚E 115˚E 117˚E 119˚E100 相对误差 /气候变化研究进展 2019 年气 候 系 统 变 化图 3 集合平均模拟的 RCP4.5 情景下 21 世纪末期（ 2079 2098 年） TXx、 TNn、 SU、 TR、 FD 和 ID 的变化（相对于 1986 2005 年）Fig. 3 Future changes of temperature-related climate extremes of TXx, TNn, SU, TR, FD and ID at the end of the 21st century under RCP4.5 scenario relative to 1986-2005注图中打点区域为通过 0.05 显著性检验的地区。40˚N38˚N42˚N36˚N40˚N38˚N42˚N36˚N113˚E 115˚E 117˚E 119˚E 113˚E 115˚E 117˚E 119˚E 113˚E 115˚E 117˚E 119˚E2.4a TXxd TRb TNne FDc SUf ID2.8 3.2 3.6 4.0 ℃ 2.4 2.8 3.2 3.6 4.0 ℃ 5 15 25 35 45 d5 15 25 35 45 d -30 -20 0 d-10 -30 -20 0 d-10表 2 RCP4.5 情景下雄安新区和京津冀地区区域平均的 21 世纪末期 2079 2098 年极端事件的变化相对于 1986 2005 年Table 2 Regional mean changes of climate extremes under RCP4.5 scenario at the end of the 21st century compared with the present day 1986-2005 over Xiongan New Area and Jing-Jin-Ji areas, respectively指数 雄安新区TXx/℃TNn/℃SU/dTR/dFD/dID/d京津冀地区2.723.512334‒16‒102.723.522725‒16‒12CDD/RX5day/SDII/R1mm/R10mm/R20mm/‒8.64.12.4‒1.7‒4.63.8‒5.16.62.6‒1.4‒2.12.0指数 雄安新区 京津冀地区和 2.0，相应的雄安新区区域平均变化值分别为‒8.6、 4.1、 2.4、 ‒1.7、 ‒4.6和 3.8（表 2）。RCP4.5 情景下雄安新区和整个京津冀地区 21世纪与降水有关的 6 个极端气候事件指数区域平均的变化在图 6 中给出。总体来看，集合平均模拟的 6 个极端降水事件指数变化趋势均不明显，仅有京津冀地区的 CDD 和 RX5day两个指数的趋势变化通过了 0.05 的显著性检验。其中 CDD 总体显示2 期 145石英，等 6.25 km 高分辨率降尺度数据对雄安新区及整个京津冀地区未来极端气候事件的预估图 4 集合平均模拟的 RCP4.5 情景下 21 世纪（ 2006 2098 年）雄安新区和京津冀地区与气温有关的极端气候事件指数区域平均的变化（相对于 1986 2005 年）Fig. 4 Changes of temperature-related climate extremes averaged over Xiongan New Area and Jing-Jin-Ji areas under RCP4.5 scenario compared with the present day 1986-2005 图 5 同图 3，但为与降水相关的极端气候事件指数 CDD、 RX5day、 SDII、 R1mm、 R10mm和 R20mm的变化（相对于 1986 2005 年）Fig. 5 Similar to Fig. 3, but for precipitation-related climate extremes of CDD, RX5day, SDII, R1mm, R10mm and R20mm compared to 1986-2005注红色和蓝色阴影区分别为雄安新区和京津冀地区 5 个模拟的变化范围； 6 个极端气候事件指数的变化均通过 0.05 的显著性检验。6420840-440200100-10-20-30100-10-20-306040200a TXxd TR b TNne FDc SU f IDTXx/℃TR/dTNn/℃FD/dSU/dID/d2020 2040 2060 2080 年 2020 2040 2060 2080 年 2020 2040 2060 2080 年雄安新区 京津冀地区 40˚N38˚N42˚N36˚N40˚N38˚N42˚N36˚N113˚E 115˚E 117˚E 119˚E 113˚E 115˚E 117˚E 119˚E 113˚E 115˚E 117˚E 119˚E-20a CDDd R1mmb RX5daye R10mmc SDIIf R20mm0 5 10 20 -15-10 -5 15 -50 0 5 10 50 -25 -10 -5 25 -50 0 5 10 50 -25-10 -5 25-50 0 5 10 50 -25 -10 -5 25 -50 0 5 10 50 -25 -10 -5 25 -50 0 5 10 50 -25 -10 -5 25气候变化研究进展 2019 年气 候 系 统 变 化图 6 同图 4，但为与降水有关的极端气候事件指数区域平均的变化（相对于 1986 2005 年）Fig. 6 Similar to Fig. 4, but for precipitation-related climate extremes relative to 1986-2005注红色和蓝色阴影区分别为雄安新区和京津冀地区 5 个模拟的变化范围；京津冀 CDD 和 RX5day通过 0.05 的显著性检验，其他均未通过。50250-2515010050-5050250100500-507525-25-75-503010-10a CDDd R1mmb Rx5daye R10mm c SDIIf R20mmCDD/R1mm/RX5day/R10mm/SDII/R20mm/2020 2040 2060 2080 年 2020 2040 2060 2080 年 2020 2040 2060 2080 年雄安新区 京津冀地区 -300-25-50出一个微弱减少的趋势，趋势变化值在两个区域均为 ‒0.4/10a； RX5day的增加趋势相对较显著，雄安新区和京津冀地区变化率分别为 1.2/10a 和1.0/10a；降水强度 SDII 在雄安新区表现为微弱的减少趋势，京津冀地区则为较弱的增加趋势，两个区域的趋势变化值分别为 ‒0.1/10a和 0.3/10a。3 个不同等级的降水日数都表现为减少，其中雄安新区 R1mm、 R10mm和 R20mm的趋势变化值分别为‒0.2/10a、 ‒0.1/10a 和 ‒0.1/10a，京津冀地区则分别为 ‒0.1/10a、 ‒0.4/10a 和 ‒0.1/10a。从预估的不确定性角度来看，与气温类似，相对来说，雄安新区未来各个指数变化的不确定性较大，反映出区域模式对局地或者特定区域模拟的不足。3 结论与讨论基于使用区域气候模式 RegCM4.4，单向嵌套 5 个不同的全球模式进行的 RCP4.5 排放情景下CORDEX-EA 区域 25 km 水平分辨率气候变化模拟的进一步降尺度预估结果 6.25 km，针对雄安新区和整个京津冀地区，在模式模拟性能检验的基础上，分析了未来极端气候事件的变化。主要结论如下。1 高分辨率的统计降尺度预估数据可以较好地再现雄安新区及整个京津冀地区当代极端气候事件指数的分布，模拟与气温有关的极端气候事件指数与观测的空间相关系数较高，一般超过 0.95，与降水有关的极端气候事件指数除 CDD 外一般超过0.73，对与气温有关的极端气候事件指数的模拟明显优于与降水有关的极端气候事件指数。2 多模式集合预估结果表明，未来雄安新区及整个京津冀地区的暖事件将增多，冷事件将减少。其中 TXx 和 TNn 未来都将升高，且 TNn 的升温较 TXx 更显著，两者的升温值分别超过 2.4℃和3.2℃； SU、 TR 将增多，增加值分别在 20 ～ 40 d和 5 ～ 40 d 之间； FD、 ID 将减少，减幅分别超过10 d 和 5 d。对于区域平均的指数变化来说，雄安新区与整个京津冀地区 TXx、 TNn、 FD 和 ID 这 4个指数的变化表现较为一致，而 SU 和 TR 的差异相对较大，其中模拟 TR 的变化在雄安新区更显著，而 SU 的变化在京津冀地区更明显。两个区域对比来看，雄安新区未来极端气候事件变化的不确定性更大。3 多模式集合预估与降水有关的 6 个极端气候事件指数的变化差异较大，其中 CDD、 R1mm和R10mm 主要表现为减少，但数值较小，一般都在‒10 ～ 0 之间； RX5day、 SDII 和 R20mm 以增加为主，增加值一般在 0 ～ 25 之间。对于区域平均的指2 期 147石英，等 6.25 km 高分辨率降尺度数据对雄安新区及整个京津冀地区未来极端气候事件的预估数变化来说，除京津冀地区的 CDD 和 RX5day（趋势变化值分别为 ‒0.4/10a 和 1.0/10a 外，其余指数均未表现出明显的趋势，且与气温类似，相对来说，雄安新区未来各个指数变化的不确定性较大，反映出对局地或者特定区域模拟具有更大的不确定性。使用统计降尺度方法将区域气候模式的模拟结果进一步进行降尺度以提高其分辨率是进行更小区域气候变化预估及用于影响评估研究的重要手段。但由于观测台站分布的不均匀性及观测资料时间序列的不足，在进行统计降尺度时会有一定的局限。未来可以在此基础上，使用双重嵌套方法针对雄安新区等特定区域，运用区域气候模式进行更高分辨率 如几公里至十几公里 的动力降尺度模拟。所得到的结果除了可以直接进行气候变化相关分析外，还可以与统计降尺度方法进行比较，以得到更可靠的预估结果并更好地为这一地区的气候变化适应决策服务。参考文献Taylor K E, Stouffer B J, Meehl G A. An overview of CMIP5 and the experiment design [J]. Bulletin of the American Meteorological Society, 2012, 93 485-498IPCC. Managing the risks of extreme events and disasters to advance climate change adaptation [M]. Cambridge Cambridge University Press, 2012 582秦大河 . 中国极端天气气候事件和灾害风险管理与适应国家评估报告 精华版 [M]. 北京 科学出版社 , 2015 109徐影 . 中国未来极端气候事件变化预估图集 [M]. 北京 气象出版社 , 2015 175徐影 , 张冰 , 周波涛 , 等 . 基于 CMIP5 模式的中国地区未来洪涝灾害风险变化预估 [J]. 气候变化研究进展 , 2014, 10 4 268-275Gao 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 1224-1230Zhou T J, Li Z X. Simulation of the East Asian summer monsoon by using a variable resolution atmospheric GCM [J]. Climate Dynamics, 2002, 19 167-180Xu Y, Gao X J, Giorgi F. Upgrades to the REA for producing probabilistic climate change predictions [J]. Climate Research, 2010, 41 61-81Xu Y, Wu J, Shi Y, et al. Change in extreme climate events over China based on CMIP [J]. Atmospheric and Oceanic Science Letters, 2015, 8 [1][4][3][5][2][6][7][8][9][10]185-192Zhou T J, Yu R C. Twentieth century surface air temperature over China and the globe simulated by coupled climate models [J]. Journal of Climate, 2006, 19 5843-5858Gao X J, Shi Y, Song R Y, et al. Reduction of future monsoon precipitation over China comparison between a high resolution RCM simulation and the driving GCM [J]. Meteorology and Atmospheric Physics, 2008, 100 1 73-86Gao X J, Shi Y, Zhang D F, et al. Uncertainties in monsoon precipitation projections over China results from two high-resolution RCM simulations [J]. Climate Research, 2012, 52 1 213-226Ji Z M, Kang S C. uation of extreme climate events using a regional climate model for China [J]. International Journal of Climatology, 2015, 35 888-902刘伟东 , 尤焕苓 , 孙丹 . 1961 2010 年京津冀及其周边区域温度日较差变化特征 [J]. 气候与环境研究 , 2016, 21 2 167-174Mei C, Liu J H, Chen M T, et al. Multi-decadal spatial and temporal changes of extreme precipitation patterns in northern China Jing-Jin-Ji district, 1960-2013 [J]. Quaternary International, 2018, 476 1-13Jiang R G, Yu X, Xie J C, et al. Recent changes