高原气象

高原气象 >

2024 , Vol. 43 >Issue 1: 59 - 72

DOI: https://doi.org/10.7522/j.issn.1000-0534.2023.00029

论文

基于CMIP6模式评估结果对未来青藏高原降水多情景预估

  • 李博渊 ,
  • 胡芩
展开
  • 成都信息工程大学大气科学学院，高原大气与环境四川省重点实验室，四川 成都 610225

李博渊（1999 -）， 男， 河南巩义人， 硕士研究生， 主要从事青藏高原气候变化研究. E-mail：

收稿日期: 2022-12-02

  修回日期: 2023-03-28

  网络出版日期: 2024-01-11

基金资助

第二次青藏高原综合科学考察研究项目(2019QZKK0102); 四川省自然科学基金项目(2022NSFSC0230)

收起

Multi-Scenario Projection of Future Precipitation over the Qinghai-Xizang （Tibetan） Plateau Based on CMIP6 Model Assessment Results

  • Boyuan LI ,
  • Qin HU
Expand
  • College of Atmospheric Sciences，Chengdu University of Information Technology，Chengdu 610225，Sichuan，China

Received date: 2022-12-02

  Revised date: 2023-03-28

  Online published: 2024-01-11

Fold

摘要

青藏高原作为气候敏感区域， 其降水对东亚水文循环和气候有着巨大的影响， 因此对于其变化的研究十分重要。降水是全球水文循环的重要变量， 是受气候变化影响的重要气候系统之一， 为了探究全球气候模式对青藏高原降水的模拟能力以及探究在新模式、 新情景下未来降水可能变化， 本文使用耦合模式比较计划第6阶段（CMIP6）最新的31个气候模式逐月降水资料， 以及国家气候中心所提供的CN05.1降水观测数据集， 评估CMIP6模式对青藏高原降水的模拟能力， 并择优选择模式在不同共享社会经济路径情景下（Shared Socioeconomic Pathway， SSP）进行高原未来降水预估。结果表明： 1995 -2014年青藏高原观测降水分布模态特征为自东南向西北递减并且降水集中在夏季， 大部分模式可以模拟出降水分布和季节性趋势但几乎都有高估降水的现象， 多模式平均降水高出观测102%； 总体上CMIP6最新模式对于青藏高原降水模拟能力较差， 模式相对于观测的平均相对偏差指数为102%， 说明大部分模式表现不理想， 定量分析所有模式后选出EC-Earth3-Veg-LR， MPI-ESM1-2-LR， EC-Earth3-Veg， MRI-ESM2-0为模拟较优模式， 可大致反映出青藏高原的降水特性； 气候模式在SSP1-2.6情景下青藏高原降水增长最慢， SSP5-8.5增长最快； 从辐射强迫较弱情景SSP1-2.6到较强情景SSP5-8.5， 近期（2021 -2040年）高原降水增幅在各情景下难发现较大差别， 但中期（2041 -2060年）和末期（2081 - 2100年）有明显增长， 说明碳排放强度对近期影响较小而对长期影响大； 未来降水增幅主要发生在念青唐古拉山以南地区， 从季节性来看夏季增幅最大， 其次是春季、 秋季， 增幅最小的是冬季， 因此应当注重青藏高原未来夏季和春季的降水变化， 做好应对措施。

关键词： 青藏高原; CMIP6模式; 评估; 未来预估

本文引用格式

李博渊 , 胡芩 . 基于CMIP6模式评估结果对未来青藏高原降水多情景预估[J]. 高原气象, 2024 , 43(1) : 59 -72 . DOI: 10.7522/j.issn.1000-0534.2023.00029

Abstract

As a climate-sensitive region， precipitation over the Qinghai-Xizang （Tibetan） Plateau significantly impacts the water cycle and the climate of East Asia.Therefore， it is important to study its changes.Precipitation is an important variable in the global hydrological cycle and one of the major climate systems affected by climate change.To investigate the ability of the global climate models to simulate precipitation over the Qinghai-Xizang （Tibetan） Plateau and examine possible changes in future precipitation under the new model and scenarios， this paper uses the latest monthly precipitation data from the 31 climate models of the Coupled Model Intercomparison Project 6 （CMIP6） and the CN05.1 precipitation observation data set provided by the National Climate Center to evaluate the ability of the CMIP6 model to simulate precipitation over the Qinghai-Xizang （Tibetan） Plateau.Furthermore， better models are selected to project the future precipitation of the Qinghai-Xizang （Tibetan） Plateau under different Shared Socioeconomic Pathway （SSP） scenarios.The results show that the model distribution of observed precipitation over the Qinghai-Xizang （Tibetan） Plateau from 1995 to 2014 is characterized by a decrease from southeast to northwest and a summer precipitation concentration.Most of the models can simulate the precipitation distribution and seasonal trend， but almost all of them overestimate the precipitation phenomenon， and the average precipitation of multiple modes is 102% higher than that observed.In general， the latest model of CMIP6 has a poor ability to simulate precipitation over the Qinghai-Xizang （Tibetan） Plateau， and the average relative deviation index of the model from the observation is 102%， indicating that most of the models are not satisfactory， and EC-Earth3-Veg-LR， MPI-ESM1-2-LR， EC-Earth3-Veg， and MRI-ESM2-0 are selected as the better modes after quantitative analysis of all the models， which can roughly reflect the precipitation characteristics of the Qinghai-Xizang （Tibetan） Plateau.Climate models show the slowest increase of precipitation over the Qinghai-Xizang （Tibetan） Plateau under the SSP1-2.6 scenario and the fastest increase under SSP5-8.5.From SSP1-2.6 in the small radiative forcing scenario to SSP5-8.5 in the large scenario， the recent （from 2021 to 2040） precipitation increase on the plateau is difficult to find a large difference in each scenario， but there is a significant increase in the mid （from 2041 to 2060） and late （from 2081 to 2100） scenarios， indicating that carbon emission intensity has a small impact in the short term and a large impact in the long term.The future increase in precipitation mainly occurs in the area south of the Nianqing Tanggula Mountains， from a seasonal point of view， the summer increase is the largest， followed by spring and autumn， the smallest increase is in winter， so we should pay attention to the future summer and spring precipitation changes over the Qinghai-Xizang （Tibetan） Plateau and take coping measures.

Key words： Qinghai-Xizang （Tibetan） Plateau; CMIP6 models; evaluation; future projection

1 引言

青藏高原， 也被称为世界“第三极”（Qiu， 2008）， 是世界上最高和最广阔的高原， 其特殊的地理环境和地表特征形成了极其复杂的气候条件， 并通过动力作用和热强迫机制对区域内以及全球气候产生巨大影响。除此之外， 青藏高原也是亚洲主要河流系统的来源， 于是被称为亚洲的水塔（Immerzeel et al， 2010）， 这些河流养活了下游超过10亿人， 因此在全球变暖趋势下， 青藏高原未来降水的预测对于人类经济生产发展有着重要的科学意义， 同时作为全球气候变化的高敏感区域， 对于模式预测的准确度具有一定挑战。
IPCC第六次评估报告中指出， 自1850 -1900年以来， 全球地表平均温度已上升约1 ℃， 气候变化正在加剧水循环、 影响降水特征、 加快多年冻土融化和海平面上升， 人类对气候系统的影响是明确的， 未来全球变暖已然是不争的事实（赵宗慈等， 2020； IPCC， 2021）。使用CMIP5多模型集合结果表明， 与同一纬度的非山区相比， 山区的变暖速度将增加， 寒季尤为显著（Rangwala et al， 2013）。在全球变暖的情况下， 青藏高原产生永久冻土降解（Xue et al， 2009）， 热强迫减弱以及陆地蒸发量增加（Yang et al， 2014）等气候变化， 使其未来变化更难以预估， 除此之外极端气候事件的发生日趋频繁， 突出表现为： 一方面与气温有关的极端事件频发， 另一方面， 由于变暖导致的水循环加快与大范围的环流调整， 使得极端降水事件急剧增多， 事件持续时间变长（卢珊等， 2020）。
大气环流模式（General Circulation Model， GCM）是评估气候变化和气候预估的重要工具（Ramesh and Goswami， 2015）， 在气候变化归因分析（Chen et al， 2017； He et al， 2019）和预测气候变化（杨绚等， 2014； Jia et al， 2019）方面作出了很大贡献。预估未来长时间尺度气候变化的结果， 是当今研究气候演变的重点和难点。国际耦合模式比较项目（Coupled Model Intercomparison Project， CMIP）迄今为止已组织了6次模式比较项目（CMIP6）， 目的是对现有大气模式进行对比评估以测试有效性。CMIP6设置了历史模拟实验以发现模型的优势和不足， 这有助于改进模型， 同时也是预测未来气候的前提。共享社会经济路径（SSP）的设定是研究气候变化影响与预估的重要环节， 使气候变化情景由简单描述走向了定量化的预估， 使人类社会经济发展水平与温室气体排放相关联， 在能源、 水资源、 农业等领域和区域的气候变化影响与风险评估中得到广泛应用（姜彤等， 2020）。前人基于CMIP5计划结果已经做了大量工作， 研究显示高原未来整体有变暖湿趋势， 高原区域内中到强降水和风暴的发生会更频繁（Hui et al， 2018； 王玉琦等， 2019）， 大多数CMIP5气候模式都能合理地模拟出年循环的降水格局， 但均高估了青藏高原的降水， 尤其是在春季和夏季， 尽管它们能够模拟出年均降水自西北向东南渐增的分布型， 但模拟的年和季节降水量普遍偏大（Su et al， 2013； 胡芩等， 2014； Jia et al， 2019）。此外， CMIP5模式对青藏高原降水模拟量级和变化趋势仍有较大偏差， 特别是在高山地形复杂地区（Su et al， 2016）。对于新版本CMIP6模式， 已有前人评估了CMIP6模式在青藏高原上降水的模拟能力（Zhu and Yang， 2020； Cui et al， 2021； Lun et al， 2021； 陈炜等， 2021）， 但利用模拟较优模式， 在较全面的SSP1-2.6、 SSP2-4.5、 SSP3-7.0、 SSP5-8.5四种不同的共享社会经济路径情景下对青藏高原未来降水变化预估还尚待研究。
为此， 本文采用已发布的CMIP6计划中的 31个历史时期气候系统模式数据， 评估了GCMs在青藏高原上相对于观测数据历史基准期（1995 -2014年）的降水模拟能力， 基于定量化的结果挑选拟合效果较好的模式， 分别对高原21世纪近期（2021 - 2040年）， 中期（2041 -2060年）和末期（2081 -2100年）时间段内的SSP1-2.6、 SSP2-4.5、 SSP3-7.0、 SSP5-8.5四种不同共享社会经济路径情景的降水可能变化进行预估， 并探究其未来降水变化的空间分布规律。

2 研究区域概况与数据来源

2.1　研究区域概况

青藏高原地势高昂， 地形复杂， 光照和地热资源充足， 平均海拔在4000 m以上， 由于这种特殊的地理环境形成了青藏高原极其复杂的气候条件， 从东南到西北呈现出湿度递减的特征， 即从暖湿到干冷。青藏高原的降水随着空间和季节也会有非常大的变化， 由于多重高山的阻挡， 避免了北方冷空气和南部暖湿气流的进入， 青藏高原年降水量由东南2000 mm逐渐减少到西北50 mm以下（许建伟等， 2020）。本文选取在25°N -40°N， 70°E -105°E范围内海拔2000 m以上的青藏高原区域作为研究区。

2.2　数据来源

本文选用CMIP6可提供的全部31个历史模拟试验数据对高原降水进行评估， 并使用CMIP5中提供的20个气候模式与CMIP6结果进行对比验证。最后基于CMIP6模式评估挑选模拟较优模式， 在SSP1-2.6、 SSP2-4.5、 SSP3-7.0、 SSP5-8.5四种不同共享社会经济路径情景中分别使用模拟较优模式进行未来变化预估。本文使用国家气候中心提供的CN05.1格点化观测数据集作为对比观测资料， 分辨率为0.5°×0.5°。有关CMIP6模式基本信息可以参考表1， 有关CMIP5模式基本信息可参考表2， 更多CMIP6模式细节可通过官方网站： http： //cmip-pcmdi.llnl.gov/cmip6查询。青藏高原边界地理信息来源于《论青藏高原范围与面积》一文数据的发表， 详情见： https：//doi.org/10.3974/geodb. 2014.01.12V1（张镱锂等， 2014）。
表1 模型相互比较计划第六阶段（CMIP6）31个气候模型的基本信息

Table 1 The models compare basic information from 31 climate models in Phase 6 of the Program （CMIP6）

序号 模式名称 国家和机构 水平分辨率 SSP1-2.6 SSP2-4.5 SSP3-7.0 SSP5-8.5
1 ACCESS-CM2 澳大利亚， CSIRO-ACCESS 1.25°×1.75°
2 AWI-CM-1-1-MR 德国， AWI 0.93°×0.94°
3 BCC-CSM2-MR 中国， BCC 1.12°×1.12°
4 CAMS-CSM1.0 中国， CAMS 1.12°×1.12°
5 CanESM5 加拿大， CCCma 2.81°×2.81°
6 CAS-ESM2.0 中国， IAP-CAS 1.41°×1.41°
7 CESM2-WACCM 美国， NCAR 0.9°×1.25°
8 CMCC-CM2-SR5 意大利， CMCC 0.9°×1.25°
9 CMCC-ESM2 意大利， CMCC 0.9°×1.25°
10 EC-Earth3 欧洲， EC-Earth-Cons 0.7°×0.7°
11 EC-Earth3-CC 欧洲， EC-Earth-Cons 0.7°×0.7° × ×
12 EC-Earth3-Veg 欧洲， EC-Earth-Cons 0.7°×0.7°
13 EC-Earth3-Veg-LR 欧洲， EC-Earth-Cons 1.125°×1.125°
14 FGOALS-f3-L 中国， IAP-CAS 1°×1.25°
15 FGOALS-g3 中国， IAP-CAS 2.0°×2.0°
16 FIO-ESM v2.0 中国， FIO 0.9°×1.25° ×
17 GFDL-ESM4 美国， GFDL 1°×1.25°
18 IITM-ESM 印度， ITTM 2.0°×2.0°
19 INM-CM4-8 俄罗斯， INM 1.5°×2.0°
20 INM-CM5-0 俄罗斯， INM 1.5°×2.0°
21 IPSL-CM6A-LR 法国， IPSL 1.27°×2.5°
22 KACE-1-0-G 韩国， NIMS-KMA 1.25°×1.875°
23 KIOST-ESM 韩国， KIOST 1.9°×1.9° ×
24 MIROC6 日本， MIROC 1.4°×1.4°
25 MPI-ESM1-2-HR 德国， DKRZ 0.9°×0.9°
26 MPI-ESM1-2-LR 德国， MPI-M 1.865°×1.875°
27 MRI-ESM2.0 日本， MRI 1.12°×1.12°
28 NESM3 中国， NUIST 1.9°×1.9° ×
29 NorESM2-LM 挪威， NCC 1.9°×2.5°
30 NorESM2-MM 挪威， NCC 0.9°×1.25°
31 TaiESM1 中国， CCliCS 0.9°×1.25°

×表示此模式未提供此情景数据

表2 模型相互比较计划第五阶段（CMIP5）20个气候模型的基本信息

Table 2 The models compare basic information from 20 climate models in Phase 5 of the Program （CMIP5）

序号 模式名称 国家和机构 水平分辨率
1 ACCESS1.0 澳大利亚， CSIRO-ACCESS 1.875°×1.25°
2 BCC-CSM1.1 中国， BCC 2.8°×2.8°
3 BCC-CSM1.1（m） 中国， BCC 1.1°×1.1°
4 BNU-ESM 中国， GCESS 2.8°×2.8°
5 CanESM2 澳大利亚， CCCma 2.8°×2.8°
6 CSIRO-Mk3.6.0 澳大利亚， CSIRO-QCCCE 1.875°×1.875°
7 FIO-ESM 中国， FIO 2.8°×2.8°
8 GFDL-CM3 美国， NOAA-GFDL 2.5°×2°
9 HadGEM2-ES 英国， MOHC 1.875°×1.25°
10 INM-CM4 俄罗斯， INM 1.5°×2°
11 IPSL-CM5A-LR 法国， IPSL 3.75°×1.875°
12 IPSL-CM5A-MR 法国， IPSL 2.5°×1.25°
13 IPSL-CM5B-LR 法国， IPSL 3.75°×1.875°
14 MRI-CGCM3 日本， MRI 1.125°×1.125°
15 FGOALS-g2 中国， LASG-CESS 2.8125°×3°
16 GFDL-ESM2G 美国， NOAA-GFDL 2.5°×2°
17 GFDL-ESM2M 美国， NOAA-GFDL 2.5°×2°
18 MIROC5 日本， MIROC 1.4°×1.4°
20 MIROC-ESM 日本， MIROC 2.8°×2.8°
20 MIROC-ESM-CHEM 日本， MIROC 2.8°×2.8°
模式评估时段为1995 -2014年， 未来模拟时段为2015 -2100年。每种未来共享社会经济路径情景代表不同的经济发展情况与不同的碳排放， 与辐射强迫相关联， 即从SSP1-2.6到SSP5-8.5碳排放逐渐增大， 辐射强迫提高， 更多有关未来情景试验基本信息可参考表3。
表3 CMIP6未来情景实验基本信息

Table 3 CMIP6 future scenario experiment basic information

序号 情景名称 辐射强度类型

2100年辐射强迫

/（W·m-2）

 情景基本信息
1 SSP1-2.6 低强迫情景 2.6 代表了低脆弱性、 低减缓压力和低辐射强迫的综合影响
2 SSP2-4.5 中等 4.5 代表了中等社会脆弱性与中等辐射强迫的组合
3 SSP3-7.0 中等至高强迫情景 7.0 代表了高社会脆弱性与相对高的人为辐射强迫的组合
4 SSP5-8.5 高强迫情景 8.5 唯一可以实现2100年人为辐射强迫达到8.5 W·m-2的共享社会经济路径

2.3　研究方法

为了便于对观测值与模式值之间相互比较和评测， 考虑到不同模式之间的分辨率不同， 首先采用双线性插值的方法将所有模式数据统一插值到0.5°×0.5°分辨率（胡芩等， 2014； 伍清等， 2017； 陈炜等， 2021； 李斐斐和刘朝晖， 2022）。在历史模式对高原降水模拟能力评估方面， 为了量化模式和观测值之间的误差大小， 本文使用了几种统计方法来评估模式的模拟效果， 以便于比较工作以及挑选合适的模式进行未来预估。
相对偏差（RE）定义为：
R E = S ¯ - O ¯ O ¯ × 100 %
式中： S ¯为模式年降水面积平均； O ¯为青藏高原观测值年降水面积平均； 时期均为1995 -2014年。
相关系数（R）可用来描述观测值与模拟的时空相似性， 定义为：
R = 1 N ∑ n = 1 N f n - f ¯ r n - r ¯ / σ r σ f
式中： f为模式的面积平均值； r为观测数据的面积平均值； σ r σ f为模式与观测值的标准差； N 为各要素在研究区域内的格点总数。模拟场的标准差（ σ f）和观测场的标准差（ σ r）定义为：
σ r = 1 N ∑ n = 1 N r n - r ¯ 2
σ f = 1 N ∑ n = 1 N ( f n - f ¯ ) 2
式中： σ f ,   σ r都代表了数据的离散程度。
均方根误差（RMSE）可用来体现观测和模拟之间的均值差， 定义为：
R M S E = 1 N ∑ n = 1 N f n - r n 2
其范围可在0至无穷大， 数值越低代表拟合效果越好， 数值越大代表拟合越差。

3 CMIP6模式对青藏高原降水的模拟能力评估

图1所示为1995 -2014年青藏高原地区31个模式模拟和观测数据年平均降水强度空间分布。从图1中可以看出， 降水空间分布为东南向西北部递减， 呈现阶梯带状分布， 其中低值中心位于柴达木盆地和青藏高原西部、 北部的边界地区， 最高值中心位于念青唐古拉山以南低海拔地区以及横断山脉附近。比较各个模式与观测值来看， 大多数模式可以模拟出青藏高原的降水分布情况， 但是几乎所有模式都存在高估降水现象。对于部分地区的降水强度模拟方面， 模式还有不足， 例如CESM2-WACCM模式， 在其南部明显有一虚假的大值降水中心， 降水强度最大达到12 mm·d-1， 周围地区降水强度也达8~10 mm·d-1， 这与真实观测值有明显不同， 模拟值高于观测值， 为4~4.5 mm·d-1。从空间分布来说， 31个气候模式中拟合较好的6个模式为： EC-Earth3-Veg-LR， EC-Earth3， EC-Earth3-Veg， KIOST-ESM， MRI-ESM2-0， KACE-1-0-G， 但大部分拟合较好的模式在模拟高原南部地区时降水强度仍然比实际观测值高出6~8 mm·d-1， 对于横断山脉附近的降水预估大部分模式也有超过2 mm·d-1的高估偏差。但是对于青藏高原西北地区， 很多模式基本能够模拟出与观测值相差不大的低值中心， 降水强度的空间拟合效果较好。
图1 1995 -2014年青藏高原地区31个CMIP6模式模拟及多模式平均和观测数据年平均降水强度空间分布（单位： mm·d-1）

Fig.1 Spatial distribution of annual average precipitation intensity in 31 CMIP6 models simulated and multi-model average and observed data over the Qinghai-Xizang （Tibetan） Plateau from 1995 to 2014.Unit： mm·d-1

模式在青藏高原1995 -2014年相对于观测值的年平均相对偏差（图2）显示几乎所有模式的相对偏差超过50%， 模式平均相对偏差指数为102%， 但相较于CMIP5中平均相对偏差大于110%有所优化（Su et al， 2013）。本次研究中具有最高相对偏差的模式为FGOALS-G3， 达到170%， 具有最低相对偏差的FGOALS-F3-L模式为40%左右， 相对偏差最低的前5名模式为（40%~52%）： FGOALS-F3-L， EC-Earth3-Veg， EC-Earth3， Earth3-CC， IPSL-CM6A-LR。总体上来看， 青藏高原模拟和观测的年降水变化对应关系较差， 需要进一步优化。
图2 1995 -2014年青藏高原模式降水强度相对于观测值的区域平均年平均相对偏差的绝对值（ R E）

Fig.2 Absolute values of model relative error （ R E） of precipitation intensity relative to observed values over the Qinghai-Xizang （Tibetan） Plateau from 1995 to 2014

图3为观测数据与CMIP6模式及多模式集合平均值多年月平均情况， 高原季节变化主要受西风急流经向移动、 南亚夏季风和高原夏季风季节推进的影响（杨耀先等， 2022）， 模式与观测数据显示80%的年降水都集中在5 -9月， 青藏高原冬季和春季干燥， 表明高原降水受夏季暖湿的季风气流和冬季西风所支配。大多数模式虽然可以较好地模拟出季节降水趋势（夏强冬弱）， 但是总体来看， 这些模型始终高估了所有季节的观测降水。多模式集合月降水强度平均值总体上相对观测数据高出102%， 4 -10月模式模拟降水强度比观测高出2.0~3.0倍， 其中夏季（6 -9月）的多模式集合平均降水强度比观测值高出60%， 相对于CMIP5中80.0%的数值有所减少（Su et al， 2013）。因此相比CMIP5多模式集合均值和观测值的降水季节性预测对比， CMIP6模式性能有所提升。
图3 1995 -2014年期间青藏高原31个模式及模式平均和CN05.1观测数据的平均月降水强度（单位： mm·d-1）

Fig.3 Mean monthly precipitation intensity for 31 models and model averages and CN05.1 observations over the Qinghai-Xizang （Tibetan） Plateau for the period 1995 -2014.Unit： mm·d-1

图4进一步给出了CMIP6中31个模式降水强度模拟性能的热力图， 总体上大部分模式对青藏高原的降水拟合效果不理想， 不能很好地反映出实际降水情况， 有少数的模式拟合偏差相对于其他模式明显偏大， 不适用于降水未来预估， 但同时可以发现， 仍有部分模式在拟合上效果良好， 相较其他模式可以反映出青藏高原降水特性。31个模式与观测值之间的降水空间相关系数在春季为0~0.52， 夏季0.02~0.46， 秋季0.01~0.55， 冬季0~0.64， 其中春季R值最大的模式是TaiESM1， 夏季R值最大的模式是EC-Earth3-Veg-LR， 秋季R值最大的模式是KACE-1-0-G， 其次ACCESS-CM2模式也较高， 达到0.51， 冬季R值最高的模式是CMCC-ESM2。除去每季的最高值最低值， 四季的模拟与观测场的标准差之比多数大于1.0， 基本落在0.5~6.0范围之间， 其中春季和秋季大部分超过2.0， 位于2.0~3.0， 小部分在1.0~2.0， 夏季大部分位于1.0~2.0， 有的模式达到1以下， 最低达0.59， 这说明模式对青藏高原夏季的年均降水空间变率拟合较其他季节好， 冬季的表现差， 平均标准差比值达到3.65， 数值明显偏大。总体来看， 季节降水空间变动的拟合效果从好到差排序为： 夏季、 秋季、 春季、 冬季。四季的模拟与观测的RMSE位于0.20~6.08 mm·d-1， 但除了个别模式达到3 mm·d-1以上， 大部分模式不论在何季， 基本位于1~3 mm·d-1的区间内， 这说明在内部各模式误差上存在一定的区别。四季中， 冬季大部分的模式RMSE小于1 mm·d-1， 夏季RMSE最大为6.08 mm·d-1 最小为1.83 mm·d-1。
图4 青藏高原1995 -2014年四季模式降水与观测降水拟合统计指标热力图

Fig.4 Thermal map of the statistical indicators fitting between the four-season precipitation and the observed precipitation over the Qinghai-Xizang （Tibetan） Plateau from 1995 to 2014

相比之下， 对于青藏高原降水拟合能力较好的模式为： EC-Earth3-Veg-LR， MPI-ESM1-2-LR， EC-Earth3-Veg， MRI-ESM2-0。由图1年降水分布可以看出， 4个模式均能表现出同观测资料大致相同的空间变化分布。EC-Earth3-Veg-LR四季的R值分别为0.09、 0.46、 0.09、 0.36， 其中夏季R值在所有模式中最大， MPI-ESM1-2-LR四季的R值分别为0.37、 0.28、 0.39、 0.1， EC-Earth3-Veg四季的R值分别为0.27、 0.24、 0.02、 0.34， MRI-ESM2-0的R值分别为0.02、 0.38、 0.26、 0.28， 这说明在历史实验中所选四种模式表现较为平稳。四个模式的RMSE指数表现同样优于其他模式， 例如EC-Earth3-Veg-LR四季RMSE分别为1.13 mm·d-1、 2.56 mm·d-1、 1.23 mm·d-1、 0.53 mm·d-1， MRI-ESM2-0四季RMSE分别为0.02 mm·d-1、 0.38 mm·d-1、 0.26 mm·d-1、 0.28 mm·d-1， 而平均四季RMSE分别为2.37 mm·d-1、 3.41 mm·d-1、 1.9 mm·d-1、 0.89 mm·d-1， 所选模式RMSE值小于平均值。虽然有部分其他模式在R或者RMSE指数上具有同样或略优于所选模式的表现， 但其在图1中的表现并未达到所选模式的效果， 例如TaiESM1、 ACCESS-CM2等模式。表1中列举出在不同情景下有缺失数据的模式共4个， 分别为EC-Earth3-CC、 FIO-ESM-2-0、 KIOST-ESM、 NESM3， 由于FIO-ESM-2-0未能显示出年降水分布趋势， KIOST-ESM的标准差之比较其他模式过大， 以及EC-Earth3-CC和NESM3模式R值指标表现不佳， 其中EC-Earth3-CC在春、 夏、 秋三季中均小于0.1， NESM3在秋季为0.04， 冬季为0.1， 故均不考虑选用， 对后续研究结果无影响。因此， 综合比较所有模式的历史实验表现， 所选4种模式可用于青藏高原未来降水预估工作。
根据图5所示的高原1995 -2005年CMIP5和CMIP6多模式平均与观测降水强度的差值空间分布， 可以发现在大部分地区， CMIP6相对于CMIP5的降水偏差更小。这些地区包括高原西部、 西南部以及高原北部的柴达木盆地附近。但由于CMIP6模式模拟相对于观测降水整体仍然偏高， 因此模式平均值在高原东南部地区出现了大值区， 该区域偏差超过CMIP5。综上所述， 通过比较CMIP5和CMIP6的空间分布可以得出结论： 在高原的大部分地区， CMIP6模式的降水模拟优于CMIP5模式， 具有一定的进步。
图5 青藏高原1995 -2005年CMIP5与CMIP6多模式平均相对于观测降水强度的差值空间分布（单位： mm·d-1）

Fig.5 Spatial distribution of the difference between the multi-model average of CMIP5 and CMIP6 simulations and observations for precipitation intensity over the Qinghai-Xizang （Tibetan） Plateau during 1995 -2005.Unit： mm·d-1

4 未来不同情景下青藏高原降水变化预估

虽然CMIP6模式普遍高估了青藏高原的降水， 但相对CMIP5模式具有一定的提升。我们进一步在评估基础上， 综合优选出模拟最佳的4个模式， 即EC-Earth3-Veg-LR， MPI-ESM1-2-LR， EC-Earth3-Veg， MRI-ESM2-0， 对未来不同情景下青藏高原降水进行预估。预估时段包括近期（2021 - 2040年）， 中期（2041 -2060年）以及末期（2081 - 2100年）。因为与任何单个模式相比， 多模式集合平均值通常能减少模式误差（Duan et al， 2010）， 所以在此使用多模式集合平均值进行预估分析。从图6可以看出， 近期相对于历史基准时期（1995 - 2014年）具有一个很小幅度的上升， 平均降水强度增加约2%， 并且不同的情景下， 降水趋势大致一致； 中期较历史基准时期平均增加6%， 不同情景增长幅度有所差异， SSP5-8.5情景增长最快； 末期相对近期和中期增长最明显， 降水相对于历史基准时期平均增加14%且不同情景差异明显， 其中SSP5-8.5较基准期增幅23%， SSP1-2.6增幅7%。综上， 不同模式下在短期内降水变化不大， 长期内会有较大变化并且降水增幅从SSP1-2.6到SSP5-8.5呈递增趋势。
图6 CMIP6多模式集合预估在青藏高原不同情境下相对于历史基准期（1995 -2014年）年平均降水强度变化量

Fig.6 Based on different future scenarios CMIP6 multi-model ensemble estimated the change of the annual precipitation intensity compare to the historical average precipitation （1995 -2014）

从未来降水强度变化的空间分布来看（图7）， 降水增加的主要区域位于念青唐古拉山以南海拔2200 m以下地区。小幅增加区位于青藏高原的唐古拉山以西和柴达木盆地附近， 增加幅度呈现从东南向西北减弱的趋势。对于近期， 除高原东南部存在降水增幅较小或降水减少的情况， 其余部分总体是增加趋势。但从辐射强迫较小情景SSP1-2.6到较大情景SSP5-8.5， 近期高原降水增幅在各情景下很难发现较大的差别。对于中期和末期， 随着辐射强迫情景提高可以看出有明显不同， 青藏高原东南部有较强的降水增幅， 尤其在末期， 对比SSP1-2.6， SSP5-8.5情景下青藏高原南部最大降水可增加1.2 mm·d-1。此外， 在同一个SSP情景下， 近期到末期高原降水的增加趋势显著， 不仅高原东南地区降水增加， 在青藏高原西北高海拔地区同样具有0~0.4 mm·d-1降水增加的趋势。同时在高强度的情境下， 随时间推移降水增加幅度越快。相关研究表明， 青藏高原东南部降水增大的可能原因是在全球变暖的总体趋势下， 来自印度洋、 孟加拉湾的水汽输送增加并与当地的气候平均水汽相叠加， 导致青藏高原水汽辐合增加， 降水增大（冯蕾等， 2017）。
图7 不同共享社会经济路径情景下青藏高原近期（2021 -2040年）， 中期（2041 -2060年）， 末期（2081 -2100年）相对于基准历史时期（1995 -2014）的降水强度变化空间分布（单位： mm·d-1）

Fig.7 Spatial distribution of precipitation intensity change over the Qinghai-Xizang （Tibetan） Plateau in the near-term （2021 -2040）， middle-term （2041 -2060）， and long period （2081 -2100） relative to the historical period （1995 -2014） under different SSP scenarios.Unit： mm·d-1

为探索青藏高原未来季节性降水强度变化， 选取不同SSP情景， 在近期、 中期、 末期分别进行多模式集合平均的季节性降水增幅研究（图8~10）。整体来看， 从近期到末期高原降水增加显著， 且降水增加范围明显扩大， 影响至整个青藏高原地区， 但主要增加地区仍在青藏高原南部喜马拉雅山脉和东南部海拔较低区域。从同一季节来看， 近期不同情景的变化并不明显（图8）， 而中期和末期具有明显的不同（图9， 图10）， 显示出从SSP1-2.6到SSP5-8.5情景高原降水增幅的显著增加， 这说明碳排放量及辐射强迫在21世纪前期对青藏高原降水的影响较小， 但在长期影响下会越来越大。通过三个时期的季节间对比发现， 降水增幅主要发生在春季， 夏季和秋季， 冬季降水虽然增加， 但相较于其他季节最少。末期内夏季降水增幅是春季的1.18倍， 是秋季的1.89倍。由此可得， 未来青藏高原降水在末期夏季增幅最大， 春季次之， 然后是秋季， 最后是冬季。因此， 应对未来青藏高原夏季和春季的降水增加引起重视， 做好防护措施， 防范可能造成的洪涝灾害。
图8 不同共享社会经济路径情景下青藏高原降水强度近期（2021 -2040年）相对于基准历史时期（1995 -2014年）季节变化空间分布（单位： mm·d-1）

Fig.8 Spatial distribution of seasonal precipitation intensity change in the near-term （2021 -2040） over the Qinghai-Xizang （Tibetan） Plateau under different SSP scenarios relative to the historical period （1995 -2014）.Unit： mm·d-1

图9 不同共享社会经济路径情景下青藏高原降水强度中期（2041 -2060年）相对于基准历史时期（1995 -2014年）季节变化空间分布（单位： mm·d-1）

Fig.9 Spatial distribution of seasonal precipitation intensity change in the middle-term （2041 -2060） over the Qinghai-Xizang （Tibetan） Plateau under different SSP scenarios relative to the historical period （1995 -2014）.Unit： mm·d-1

图10 不同共享社会经济路径情景下青藏高原降水强度末期（2081 -2100年）相对于基准历史时期（1995 -2014年）季节变化空间分布（单位： mm·d-1）

Fig.10 Spatial distribution of seasonal precipitation intensity change in the long period （2081 -2100） over the Qinghai-Xizang （Tibetan） Plateau under different SSP scenarios relative to the historical period （1995 -2014）.Unit： mm·d-1

5 结论

本文以青藏高原作为研究对象， 使用CMIP6最新31个全球气候模式， 通过不同的时间尺度以及运用多种统计方法比较不同模式之间的差异， 评估各模式对青藏高原模拟降水能力； 通过评估后的结果择优挑选出了4个模式， 对未来时段近期、 中期和末期青藏高原的可能降水强度变化进行了预估。最后研究得出以下结论：
（1） 模式显示降水高值位于念青唐古拉山以南低海拔地区以及横断山脉附近， 这与观测数据基本一致， 大部分模式可以模拟出青藏高原降水自东南向西北方向递减的降水空间分布以及季节性差异， 但几乎所有模式都存在对高原降水高估的情况；
（2） CMIP6模式相较于CMIP5模式， 在模拟青藏高原地区降水方面有小幅度的提升， 但不同模式在降水模拟上性能有好有差， 综合考虑定量指标， 挑选EC-Earth3-Veg-LR， MPI-ESM1-2-LR， EC-Earth3-Veg， MRI-ESM2-0为模拟较优模式；
（3） 在未来青藏高原降水预估中， 近期表现为一种平缓的变化状态， 较历史基准时期增长2%， 降水增加幅度不大； 中期和末期降水变化较历史基准时期分别平均增幅约6%和14%。不同SSP情景下， 近期降水增加趋势较为一致， 中期和末期越强的情景增幅越为明显。在末期SSP5-8.5较历史基准时期增幅23%， 较SSP1-2.6增幅7%；
（4） 未来降水空间分布上， 随着时间的推移和情景强度的增加， 降水增幅更加明显， 青藏高原南部、 喜马拉雅山脉和东南海拔较低地区降水增加幅度最大， 增加范围明显扩大， 总体为东南向西北递减的趋势。未来青藏高原降水在夏季增幅最大， 冬季增幅最小。总体来看， 碳排放浓度增加越快， 青藏高原未来降水增幅越强。
总体来说， CMIP6模式对于青藏高原降水的模拟与观测数据之间仍然存在很大的偏差， 大部分模式极大高估了高原降水强度。青藏高原特殊的地理环境、 气候变化的复杂性、 台站观测数据较少以及大气模式的不完善性， 这些因素共同导致了气候系统模式在高原上表现欠缺的结果， 这也是目前气候系统模式性能提升的难点。但是相比前一代CMIP5模式而言， 新一代CMIP6模式也有明显的进步， 特别是在季节变化和空间分布中， 表现得更为优异。

参考文献

null
Chen X L， Liu Y M， Wu G X， 2017.Understanding the surface temperature cold bias in CMIP5 AGCMs over the Tibetan Plateau［J］.Advances in Atmospheric Sciences， 34（12）： 1447-1460.DOI： 10.1007/s00376-017-6326-9 .
null
Cui T， Li C， Tian F Q， 2021.Evaluation of temperature and precipitation simulations in CMIP6 models over the Tibetan Plateau［J］.Earth and Space Science， 8（7）： e2020EA001620. DOI： 10. 1029/2020EA001620 .
null
Duan Q Y， Phillips T J， 2010.Bayesian estimation of local signal and noise in multimodel simulations of climate change［J］.Journal of Geophysical Research， 115（D18）： D18123.DOI： 10. 1029/2009JD013654 .
null
He C， Wang Z Q， Zhou T J， et al， 2019.Enhanced latent heating over the tibetan plateau as a key to the enhanced East Asian Summer Monsoon Circulation under a warming climate［J］.Journal of Climate， 32（11）： 3373-3388.DOI： 10.1175/JCLI-D-18-0427.1 .
null
Hui P H， Tang J P， Wang S Y， et al， 2018.Climate change projections over China using regional climate models forced by two CMIP5 global models.Part II： projections of future climate： projections of climate over China with Multi-RCM driven by CMIP5 GCM［J］.International Journal of Climatology， 38： e78-e94.DOI： 10.1002/joc.5409 .
null
Immerzeel W W， Van Beek LPH， Bierkens MFP， 2010.Climate change will affect the Asian water towers［J］.Science， 328（5984）： 1382-1385.DOI： 10.1126/science.1183188 .
null
IPCC， 2021.Climate change 2021： the physical science basis： contribution of working group I to the sixth assessment report of the Intergovernmental Panel on Climate Change［M］.Cambridge： Cambridge University Press， In press.DOI： 10.1017/9781009157896 .
null
Jia K， Ruan Y F， Yang Y Z， et al， 2019.Assessing the performance of CMIP5 global climate models for simulating future precipitation change in the Tibetan Plateau［J］.Water， 11（9）： 1771.DOI： 10.3390/w11091771 .
null
Lun Y R， Liu L， Cheng L， et al， 2021.Assessment of GCMs simulation performance for precipitation and temperature from CMIP5 to CMIP6 over the Tibetan Plateau［J］.International Journal of Climatology， 41（7）： 39944018.DOI： 10.1002/joc.7055 .
null
Qiu J， 2008.China： the third pole［J］.Nature， 454（7203）： 393-396.DOI： 10.1038/454393a .
null
Ramesh K V， Goswami P， 2015.Assessing reliability of regional climate projections： the case of Indian monsoon［J］.Scientific Reports， 4（1）： 4071.DOI： 10.1038/srep04071 .
null
Rangwala I， Sinsky E， Miller J R， 2013.Amplified warming projections for high altitude regions of the northern hemisphere mid-latitudes from CMIP5 models［J］.Environmental Research Letters， 8（2）： 024040.DOI： 10.1088/1748-9326/8/2/024040 .
null
Su F G， Duan X L， Chen D L， et al， 2013.Evaluation of the global climate models in the CMIP5 over the Tibetan Plateau［J］.Journal of Climate， 26（10）： 3187-3208.DOI： 10.1175/JCLI-D-12-00321.1 .
null
Su F， Zhang L， Ou T， et al， 2016.Hydrological response to future climate changes for the major upstream river basins in the Tibetan Plateau［J］.Global and Planetary Change， 136： 82-95.DOI： 10.1016/j.gloplacha.2015.10.012 .
null
Xue X， Guo J， Han B S， et al， 2009.The effect of climate warming and permafrost thaw on desertification in the Qinghai-Tibetan Plateau［J］.Geomorphology， 108（3/4）： 182-190.DOI： 10.1016/j.geomorph.2009.01.004 .
null
Yang K， Wu H， Qin J， et al， 2014.Recent climate changes over the Tibetan Plateau and their impacts on energy and water cycle： A review［J］.Global and Planetary Change， 112： 79-91.DOI： 10. 1016/j.gloplacha.2013.12.001 .
null
Zhu Y Y， Yang S N， 2020.Evaluation of CMIP6 for historical temperature and precipitation over the Tibetan Plateau and its comparison with CMIP5［J］.Advances in Climate Change Research， 11： 239-251.DOI： 10.1016/j.accre.2020.08.001 .
null
陈炜， 姜大膀， 王晓欣， 2021.CMIP6 模式对青藏高原气候的模拟能力评估与预估研究［J］.高原气象， 40（6）： 1455-1469.DOI： 10.7522/j.issn.1000-0534.2021.zk003.Chen W ，
null
Jiang D B， Wang X X， 2021.Evaluation and projection of CMIP6 models for climate over the Qinghai-Xizang （Tibetan） Plateau［J］.Plateau Meteorology， 40（6）： 1455-1469.DOI： 10.7522/j.issn. 1000-0534.2021.zk003 .
null
冯蕾， 周天军， 2017.20 km高分辨率全球模式对青藏高原夏季降水变化的预估［J］.高原气象， 36（3）： 587-595.DOI： 10.7522/j.issn.1000-0534.2016.00045.Feng L ，
null
Zhou T J， 2017.Projection of summer precipitation change over the Qinghai-Tibetan Plateau with a 20 km high-resolution Global Climate Model［J］.Plateau Meteorology， 36（3）： 587-595.DOI： 10.7522/j.issn. 1000-0534.2016.00045 .
null
胡芩， 姜大膀， 范广洲， 2014.CMIP5 全球气候模式对青藏高原地区气候模拟能力评估［J］.大气科学， 38（5）： 924-938.DOI： 10.3878/j.issn.1006-9895.2013.13197.Hu Q ，
null
Jiang D B， Fan G Z， 2014.Evaluation of CMIP5 Models over the Qinghai-Tibetan Plateau［J］.Chinese Journal of Atmospheric Sciences， 38（5）： 924-938.DOI： 10.3878/j.issn.1006-9895.2013.13197 .
null
姜彤， 王艳君， 苏布达， 等， 2020.全球气候变化中的人类活动视角： 社会经济情景的演变［J］.南京信息工程大学学报（自然科学版）， 12（1）： 68-80.DOI： 10.13878/j.cnki.jnuist.2020.01. 009.Jiang T ，
null
Wang Y J， Su B D， et al， 2020.Perspectives of human activities in global climate change： evolution of socio-economic scenarios［J］.Journal of Nanjing University of Information Science & Technology （Natural Science Edition）， 12（1）： 68-80.DOI： 10.13878/j.cnki.jnuist.2020.01.009 .
null
李斐斐， 刘朝晖， 2022.CMIP5 模式对青藏高原中东部夏季降水双极型模拟能力的评估［J］.海洋气象学报， 42（2）： 22-32.DOI： 10.19513/j.cnki.issn.2096-3599.2022.02.003.Li F F ，
null
Liu C H， 2022.Evaluation of simulation performance of CMIP5 models for the dipole oscillation of summer precipitation over the central and eastern Tibetan Plateau［J］.Journal of Marine Meteorology， 42（2）： 22-32.DOI： 10.19513/j.cnki.issn.2096-3599.2022. 02.003 .
null
卢珊， 胡泽勇， 王百朋， 等， 2020.近 56 年中国极端降水事件的时空变化格局［J］.高原气象， 39（4）： 683-693.DOI： 10.7522/j.issn.1000-0534.2019.00058.Lu S ，
null
Hu Z Y， Wang B P， et al， 2020.Spatio-temporal patterns of extreme precipitation events over China in recent 56 Years［J］.Plateau Meteorology， 39（4）： 683-693.DOI： 10.7522/j.issn.1000-0534.2019.00058 .
null
王玉琦， 鲍艳， 南素兰， 2019.青藏高原未来气候变化的热动力成因分析［J］.高原气象， 38（1）： 29-41.DOI： 10.7522/j.issn. 1000-0534.2018.00066.Wang Y Q ，
null
Bao Y， Nan S L， 2019.Dynamic and thermodynamic effects on climate changes over the Qinghai-Tibetan Plateau in response to global warming［J］.Plateau Meteorology， 38（1）： 29-41.DOI： 10.7522/j.issn.1000-0534. 2018.00066 .
null
伍清， 蒋兴文， 谢洁， 2017.CMIP5模式对西南地区气温的模拟能力评估［J］.高原气象， 36（2）： 358-370.DOI： 10.7522/j.issn.1000-0534.2016.00046.Wu Q ，
null
Jiang X W， Xie J， 2017.Evaluation of surface air temperature in southwestern China simulated by the CMIP5 models［J］.Plateau Meteorology， 36（2）： 358-370.DOI： 10.7522/j.issn.1000-0534.2016.00046 .
null
许建伟， 高艳红， 彭保发， 等， 2020.1979-2016年青藏高原降水的变化特征及成因分析［J］.高原气象， 39（2）： 234-244.DOI： 10.7522/j.issn.1000-0534.2019.00029.Xu J W ，
null
Gao Y H， Peng B F， et al， 2020.Change characteristics of precipitation and its cause during 1979-2016 over the Qinghai-Tibetan Plateau［J］.Plateau Meteorology， 39（2）： 234-244.DOI： 10.7522/j.issn. 1000-0534.2019.00029 .
null
杨绚， 李栋梁， 汤绪， 2014.基于CMIP5多模式集合资料的中国气温和降水预估及概率分析［J］.中国沙漠， 34（3）： 795-804.DOI： 10.7522/j.issn.1000-694X.2013.00381.Yang X ，
null
Li D L， Tang X， 2014.Probability assessment of temperature and precipitation over China by CMIP5 multi-model ensemble［J］.Journal of Desert Research， 34（3）： 795-804.DOI： 10.7522/j.issn. 1000-694X.2013.00381 .
null
杨耀先， 胡泽勇， 路富全， 等， 2020.青藏高原近 60 年来气候变化及其环境影响研究进展［J］.高原气象， 41（1）： 1-10.DOI： 10.7522/j.issn.1000-0534.2021.00117.Yang Y X ，
null
Hu Z Y， Lu F Q， et al， 2020.Progress of recent 60 years' climate change and its environmental impacts on the Qinghai-Xizang Plateau［J］.Plateau Meteorology， 41（1）： 1-10.DOI： 10.7522/j.issn.1000-0534.2021.00117 .
null
张镱锂， 李炳元， 郑度， 2014.《论青藏高原范围与面积》一文数据的发表——青藏高原范围界线与面积地理信息系数数据［J］.地理学报， 69（）： 65-68.DOI： 10.11821/dlxb2014S012.Zhang Y L ，
null
Li B Y， Zheng D， 2014.The publication of the data of the paper "On the Extent and Area of the Tibetan Plateau" — the data of the limit of the extent and the geographic information coefficient of the area of the Tibetan Plateau［J］.Acta Geographica Sinica， 69（）： 65-68.DOI： 10.11821/dlxb2014S012 .
null
赵宗慈， 罗勇， 黄建斌， 2020.未来20年全球继续变暖吗？［J］.气候变化研究进展， 16（5）： 652-656.DOI： 10.12006/ j.issn.1673-1719.2020.040.Zhao Z C ，
null
Luo Y， Huang J B， 2020.Will global warming continue in the next 20 years？［J］.Climate Change Research， 16（5）： 652-656.DOI： 10.12006/ j.issn. 1673-1719.2020.040 .
Options
文章导航

/

〈 〉

本系统由北京玛格泰克科技发展有限公司设计开发 技术支持：support@magtech.com.cn