高原气象

高原气象 >

2025 , Vol. 44 >Issue 2: 265 - 278

DOI: https://doi.org/10.7522/j.issn.1000-0534.2024.00068

第六次国际耦合模式比较计划（CMIP6）中青藏高原气温和降水的适用性评估及极端气候事件变化预估

  • 冯波 , 1 ,
  • 孟宪红 , 2, 3 ,
  • 杨显玉 1 ,
  • 邓明珊 2, 3 ,
  • 赵林 2, 3 ,
  • 李照国 2, 3 ,
  • 尚伦宇 2, 3
展开
  • 1. 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
  • 2. 中国科学院西北生态环境资源研究院/冰冻圈科学与冻土工程重点实验室，甘肃 兰州 730000
  • 3. 甘肃省黄河源区气候与环境野外科学观测研究站，甘肃 兰州 730000
孟宪红（1980 -）， 女， 吉林通化人， 研究员， 主要从事陆面过程与气候变化研究. E-mail：

冯波（2000 -）， 男， 重庆开州人， 硕士研究生， 主要从事陆面过程与气候变化研究. E-mail：

收稿日期: 2024-01-31

  修回日期: 2024-05-08

  网络出版日期: 2024-05-08

基金资助

国家自然科学基金项目(41930759)

中国科学院“西部之光-西部交叉团队”项目(xbzg-zdsys-202215)

甘肃省重点基金项目(23JRRA654)

收起

Temperature and Precipitation Assessment and Extreme Climate Events Prediction based on the Coupled Model Intercomparison Project Phase 6 over the Qinghai-Xizang Plateau

  • Bo FENG , 1 ,
  • Xianhong MENG , 2, 3 ,
  • Xianyu YANG 1 ,
  • Mingshan DENG 2, 3 ,
  • Lin ZHAO 2, 3 ,
  • Zhaoguo LI 2, 3 ,
  • Lunyu SHANG 2, 3
Expand
  • 1. College of Atmospheric Sciences，Chengdu University of Information Technology / Sichuan Key Laboratory of Plateau Atmosphere and Environment，Chengdu 610225，Sichuan，China
  • 2. Key Laboratory of Cryosphere Science and Frozen Soil Engineering / Northwest Institute of Eco-Environment and Resources，Chinese Academy of Sciences，Lanzhou 730000，Gansu，China
  • 3. Field Scientific Observatory for Climate and Environment in the Yellow River Source Region，Lanzhou 730000，Gansu，China

Received date: 2024-01-31

  Revised date: 2024-05-08

  Online published: 2024-05-08

Copyright

© Editorial Department of Plateau Meteorology （CC BY-NC-ND）
Fold

摘要

国际耦合模式比较计划（CMIP）为生态、 水文和气候等在全球变化背景下的预估提供了可靠的科学数据。然而， 目前的气候模式仍然存在较大的偏差， 尤其在地形复杂的青藏高原地区。本文利用Detrended分位数映射（Detrended Quantile Mapping， DQM）与Delta分位数映射（Quantile Delta Mapping， QDM）方法， 基于中国区域地面气象要素驱动数据集（CMFD）， 对第六次国际耦合模式比较计划（CMIP6）中在青藏高原模拟效果较好的8个模式进行校正并对校正前后模式的气温和降水数据进行评估。结果表明， 两种校正方法均订正了模式的模拟偏差， 且两种方法对于青藏高原气温和降水数据的订正效果较为一致。基于QDM偏差校正后的模式集合平均结果对青藏高原未来（21世纪前期： 2015 - 2057年； 21世纪后期： 2058 -2100年）的极端高温、 低温事件、 大气干燥度以及降水的时空变化特征进行预估。未来不同排放情景下， 极端高温事件加剧， 其中青藏高原东南部增强最为显著， 极端高温事件随辐射强迫的增加而增强； 极端低温事件减少， 在高排放情景下（SSP370和SSP585）21世纪后期基本不出现。未来， 青藏高原地区降水和饱和水汽压差均呈现显著增加趋势， 在气候变暖的背景下， 降水的增加并不足以减缓大气干旱。其中， 夏季大气干燥度的增加趋势最为显著， 为全年的1.3~2倍。

关键词： CMIP6模式; 偏差校正; 青藏高原; 极端气候事件; 未来预估

本文引用格式

冯波 , 孟宪红 , 杨显玉 , 邓明珊 , 赵林 , 李照国 , 尚伦宇 . 第六次国际耦合模式比较计划（CMIP6）中青藏高原气温和降水的适用性评估及极端气候事件变化预估[J]. 高原气象, 2025 , 44(2) : 265 -278 . DOI: 10.7522/j.issn.1000-0534.2024.00068

Abstract

The Coupled Model Intercomparison Project （CMIP） provides reliable scientific data for predicting ecology， hydrology and climate under the backdrop of global change.However， there are large biases in current climate models， especially on the Qinghai-Xizang Plateau （QXP）.In this study， we employed Detrended Quantile Mapping （DQM） and Quantile Delta Mapping （QDM） methods to correct and evaluate the precipitation and temperature data of eight CMIP6 models with better simulation performance， utilizing the China Meteorological Forcing Dataset （CMFD）.The results showed that Both methods had corrected the simulation biases of the models， and the correction effects for temperature and precipitation data over the QXP were relatively consistent between the two methods.Then， based on the corrected multi-model ensemble mean （MME） results from QDM method， we analyzed the spatial and temporal variation characteristics of extreme high temperature events， low temperature events， atmospheric dryness and precipitation over the QXP in the early 21st century （2015 -2057） and later 21st century （2058-2100）.Under different emission scenarios in the future， extreme high temperature events strengthen， especially in the southeast of the QXP.Extreme high temperature events enhance with the increase of radiation.Extreme low temperature events decrease， with no occurrence in the later 21st century under high emission scenarios （SSP370 and SSP585）.Under different emission scenarios， precipitation and saturated vapor pressure difference both exhibit a significant increasing trend on the QXP.With global warming， the increase of precipitation does not mitigate atmospheric drought.The atmospheric dryness increases significantly under the future scenarios， especially in summer， at 1.3 to 2 times compared to annual average.

Key words： CMIP6 models; bias correction; Qinghai-Xizang Plateau; extreme climate events; future projection

1 引言

平均海拔超过4000 m的青藏高原是世界上海拔最高的高原， 也是长江、 黄河、 澜沧江等大型河流的发源地， 有“世界屋脊”和“亚洲水塔”之称（Immerzeel et al， 2010； 张人禾等， 2015； 段安民等， 2016； 姚檀栋等， 2019； 张建云等， 2019）。青藏高原垂直高差大， 平均海拔远超过同纬度地区， 其大地形产生的热力和动力作用对高原周边乃至亚洲天气气候产生重要影响（吴国雄等， 2005； Zhou et al， 2009； Zhao et al， 2019； 赖欣等， 2021）。联合国政府间气候变化专门委员会（Intergovernmental Panel on Climate Change， IPCC）第六次评估报告（AR6）指出， 1900 -2020年期间， 全球平均气温升高了1.3 ℃， 自1970年起全球气候变暖趋势明显加剧。青藏高原作为气候变化的“敏感区”（孙鸿烈等， 2012）， 其升温速率约为全球升温速率的2倍（Wang et al， 2008； 陈德亮等， 2015）。在全球变暖的背景下， 极端气候事件频发（吴国雄等， 2013； 马伟东等， 2020； Gong et al， 2022）， 加强对青藏高原极端气候事件的研究， 为构建稳固的高原生态安全屏障、 应对区域气候变化提供了理论基础。
由世界气候研究计划（World Climate Research Programme， WCRP）建立的国际耦合模式比较计划（Coupled Model Intercomparison Project， CMIP）通过比较气候模式的模拟能力， 促进了全球气候系统模式的发展， 同时也为生态、 水文、 社会经济等学科在全球变化背景下预估未来环境变化提供了可靠的科学数据（王澄海等， 2009； 陈晓晨等， 2014； 赵彦茜等， 2019）。随着科学技术的发展和对地球系统科学认识的提高， CMIP自创建以来， 经历了六个阶段（CMIP1-CMIP6）， CMIP计划的气候变化与模拟数据为IPCC评估报告提供了科学支撑（周天军等， 2019）。CMIP6是国际耦合模式比较计划的第六阶段， 引入了一系列新的预估情景。这些情景结合不同共享社会经济路径（SSPs）与典型浓度路径（RCPs）而构成（张丽霞等， 2019； 周天军等， 2019）。这些新情景不仅包含了人口数量、 经济发展、 生态系统、 资源利用、 制度和社会因素等各种未来变化， 还考虑了未来应对气候变化的相关政策（赵宗慈等， 2018）。相较于以往的CMIP， CMIP6模式的空间分辨率显著提升， 并且考虑的气候系统过程更为复杂（Eyring et al， 2019； 周天军等， 2019）， 能够较好地重现和预估温度、 降水、 年平均日最高气温和日最低气温等的变化趋势以及气候态的空间分布（Yang et al， 2021； Li et al， 2021； 谢文强等， 2022）。目前， CMIP6在青藏高原气候预估中得到了广泛应用。基于CMIP6数据集分析预测， 青藏高原的地表气温在未来加剧升温， 预计至本世纪中期相对于工业革命前升高超过2 ℃（孟雅丽等， 2022）， 北部高海拔地区增温速率高于东南部低海拔地区（张佳怡等， 2022）。大多数与温暖相关的极端温度指数有所增加， 与寒冷有关的指数降低（李宛鸿和徐影， 2023）。冻土大面积退化， 降水增加， 增幅在夏季最大， 冬季最小（胡桃等， 2022； 李博渊和胡芩， 2024）； 极端降水也呈现增加趋势， 在高海拔地区尤为显著（张文青等， 2023）。
因青藏高原独特的地形环境和气候条件， 气候模式在青藏高原地区的模拟仍然存在较大的偏差。此前， 众多学者对CMIP6多个模式在青藏高原的适用性进行了评估。以气温为例， 研究表明， CMIP6多个模式中， ACCESS-CM2、 AWI-CM-1-1-MR、 CESM2、 CESM2-WACCM、 EC-Earth3-Veg、 GFDL-CM4、 GFDL-ESM4、 MPI-ESM1-2-HR、 MPI-ESM1-2-LR、 MRI-ESM2-0模式在青藏高原地区对气温的模拟效果较好（Zhu and Yang， 2020； Cui et al， 2021； 张佳怡等， 2022； 孟雅丽等， 2022）。对降水而言， CMIP6多个模式中， ACCESS-CM2、 BCC-ESM1、 CAMS-CSM1-0、 CanESM5、 EC-Earth3-Veg、 EC-Earth3-Veg-LR、 KACE-1-0-G、 MPI-ESM1-2-HR、 MPI-ESM1-2-LR、 MRI-ESM2-0、 NorESM2-LM、 NorESM2-MM对于青藏高原地区降水的模拟能力较好（Zhu and Yang， 2020； Xie and Wang， 2021； Cui et al， 2021； 张佳怡等， 2022； 陈荣等， 2023； 李博渊和胡芩， 2024）。这些模式的评估均为青藏高原地区未来的气候变化研究提供了一定的参考依据。
本研究选取上述文献中评估的在青藏高原表现较好的八个模式（ACCESS-CM2、 CESM2-WACCM、 EC-Earth3-Veg、 GFDL-ESM4、 MPI-ESM1-2-LR、 MRI-ESM2-0、 NorESM2-LM、 NorESM2-MM）， 首先利用Detrended分位数映射（Detrended Quantile Mapping， DQM）与Delta分位数映射（Quantile Delta Mapping， QDM）方法对模式输出的地面气象要素驱动数据（气温、 降水、 气压、 风速、 比湿、 向下长波辐射和向下短波辐射）进行偏差校正， 以期为陆面模式提供更为准确的未来气象要素驱动数据集。然后基于气象统计方法评估了校正后的气温和降水数据在青藏高原地区的适用性。最后利用校正后的模式集合平均结果， 对青藏高原未来的极端气候事件的时空变化特征进行分析， 以期为应对青藏高原及其周边地区未来的气候变化和极端事件提供更准确和可靠的科学参考依据。

2 资料来源与方法介绍

2.1　模式数据

本研究选取在青藏高原地区模拟效果较好的8个CMIP6模式（表1）进行研究（https： //esgf-node.ipsl.upmc.fr/search/cmip6-ipsl/）， 所用气候变量包括气温、 降水、 气压、 风速、 比湿、 向下短波辐射、 向下长波辐射、 相对湿度、 日最高气温和日最低气温。以1979 -2014年的模式日数据作为基准期数据， 对2015 -2100年的SSP126、 SSP245、 SSP370、 SSP585四个不同的共享经济路径与典型浓度路径组合情景下的逐日数据进行了校正。考虑到模式之间水平空间分辨率的差异， 本研究采用双线性插值方法将所有模式数据统一插值到0.1°×0.1°的网格上， 以便于后续使用。
表1 CMIP6中8个模式的基本信息

Table 1 Basic information of the 8 models in the CMIP6

序号 模式名称 国家和机构 水平分辨率
1 ACCESS-CM2 澳大利亚， CSIRO-ACCESS 1.25°×1.75°
2 CESM2-WACCM 美国， NCAR 0.9°×1.25°
3 EC-Earth3-Veg 欧洲， EC-Earth-Cons 0.7°×0.7°
4 GFDL-ESM4 美国， GFDL 1°×1.25°
5 MPI-ESM1-2-LR 德国， MPI-M 1.865°×1.875°
6 MRI-ESM2-0 日本， MRI 1.12°×1.12°
7 NorESM2-LM 挪威， NCC 1.9°×2.5°
8 NorESM2-MM 挪威， NCC 0.9°×1.25°

2.2　验证数据

在本研究中， 用于检验模式结果以及订正效果的数据来源于国家青藏高原科学数据中心提供的中国区域地面气象要素驱动数据集（China Meteorological Forcing Dataset， CMFD）（https： //data.tpdc.ac.cn/）， 此数据集为NETCDF格式， 时间范围为1979-01-01至2018-12-31， 时间分辨率为3 h， 水平空间分辨率为0.1°。数据集以Princeton再分析资料、 GLDAS资料、 GEWEX-SRB辐射资料以及TRMM降水资料为背景， 融合了中国气象局常规气象观测数据制作而成（阳坤等， 2019）。CMFD数据集具有较高的精度， 且经过了严格的质量控制和订正， 数据质量可靠。

2.3　偏差校正方法

Detrended分位数映射（Detrended Quantile Mapping， DQM）方法是一种用于气候模式输出的偏差校正方法， 用于提高气候预测的准确性。该方法首先去除了模式数据和观测数据中的长期趋势， 以确保校正不受非气候信号的影响， 然后对去趋势后的数据进行分位数映射以校正偏差， 最后将去除的趋势重新加入到校正后的模式数据中， 以保留适当的长期趋势特征（Bürger et al， 2013； Cannon et al， 2015）。
Delta分位数映射（Quantile Delta Mapping， QDM）方法相对于DQM偏差校正方法， 在所有分位数上都保留了历史模拟和未来预测之间的相对变化， 考虑了平均值和极端值。QDM方法通过比较观测数据和模式输出之间的分位数差异来进行校正， 会保留模式预测的相对变化同时调整以更好地匹配历史时期（Cannon et al， 2015； Fauzi et al， 2020； Qin and Dai， 2022； 童尧等， 2022）。

2.4　极端高温、 低温事件

对各个格点， 以基准期重排列的日最高气温的第90个百分位值作为阈值， 日最高气温连续3天及其以上超过阈值为一次极端高温事件； 以基准期重排列的日最低气温的第10个百分位值作为阈值， 日最低气温连续3天及其以上低于阈值为一次极端低温事件（韩佳昊等， 2021； 陈金雨等， 2022）。
表2 极端高温、 低温事件的定义

Table 2 Definition of extreme high and low temperature events

事件名称 定义
极端高温 事件 日最高气温连续3天及其以上大于基准期第90个百分位
极端低温 事件 日最低气温连续3天及其以上小于基准期第10个百分位

3 CMIP6多模式在青藏高原的适用性评估

为评估偏差校正后的CMIP6多模式在青藏高原地区的适用性， 本研究将CMIP6基准期（1979 - 2014年）分为两个时期： 校正期（1979 -1998年）和验证期（1999 -2014年）。基于1979 -1998年的CMFD数据， 采用DQM方法和QDM方法对校正期和验证期的CMIP6数据进行偏差校正， 利用1999 -2014年的CMFD数据对校正后验证期的CMIP6数据进行验证。
由图1（a）可知， 校正后的CMIP6多模式和多模式集合平均的年平均气温变化趋势与CMFD数据更为一致， 各模式的年平均气温的最大值和最小值之间差由4.33~6.48 ℃减小至0.39~2.07 ℃， 显著减少了个别模式在个别年份的偏差（后称原始CMIP6多模式集合平均为MME， QDM方法偏差校正后的CMIP6多模式集合平均为QMME， DQM方法偏差校正后的CMIP6多模式集合平均为DMME）。QMME与DMME气温的变化趋势和数值基本一致， 与MME相比更接近CMFD数据。在平均气温的空间分布上［图1（b）~（i）］， CMFD数据、 MME、 DMME和QMME在平均气温的空间分布的特征基本一致， 气温在青藏高原西北部和中部较低， 南部和东南部较高。与MME相比， DMME和QMME的平均气温在空间分布上精度有所提升， 与CMFD数据的平均气温的空间分布特征更加吻合。校正前后CMIP6数据与CMFD气温的空间分布呈现较强的一致性， 空间相关系数均在0.93~0.94之间。
图1 校正期和验证期CMIP6在青藏高原偏差校正前后的平均气温的年际变化（a）以及空间分布（b~i）

（a）年际变化， （b）校正期CMFD， （c）校正期MME， （d）校正期DMME， （e）校正期QMME， （f）验证期CMFD， （g）验证期MME， （h）验证期DMME， （i）验证期QMME。对应颜色的阴影表示多模式年平均气温的最大值和最小值

Fig.1 Annual variations （a） and the spatial distribution （b~i） of the average air temperature from original and corrected CMIP6 models during calibration period and validation period on the Qinghai-Xizang Plateau.（a） Annual variations， （b） CMFD during calibration period， （c） MME during calibration period， （d） DMME during calibration period， （e） QMME during calibration period， （f） CMFD during validation period， （g） MME during validation period， （h） DMME during validation period， （i） QMME during validation period.The shadows in each corresponding color represent the maximum and minimum of the annual mean temperature

降水的年际变化表明［图2（a）］， 经过DQM和QDM偏差校正后， CMIP6多模式的年平均降水最大值和最小值之间差由0.72~1.19 mm·d-1减小至0.09~0.34 mm·d-1。校正前的CMIP6模式对降水模拟偏高， 偏差校正后的结果降低了降水的湿偏差， 在数值上与CMFD数据更接近。然而， 校正后的模式对降水年际变化的模拟仍然存在一定的偏差。由空间分布［图2（b）~（i）］可知， 校正前后的CMIP6多模式集合平均结果呈现相似的分布特征， 青藏高原的西北部、 北部和中部降水较少， 东南部和南部降水较多， 降水大值区位于青藏高原的东南部， 校正前后的模式降水结果与CMFD数据的空间相关系数相差较小。由于地形复杂性， 偏差校正后的模式结果在小尺度上仍存在偏差， 但总体而言， 校正后的模式集合平均结果与CMFD数值和空间分布更为接近。
图2 校正期和验证期CMIP6在青藏高原偏差校正前后的平均降水的年际变化（a）以及空间分布（b~i）

（a）年际变化， （b）校正期CMFD， （c）校正期MME， （d）校正期DMME， （e）校正期QMME， （f）验证期CMFD， （g）验证期MME， （h）验证期DMME， （i）验证期QMME。对应颜色的阴影表示多模式年平均降水的最大值和最小值

Fig.2 Annual variations （a） and the spatial distribution （b~i） of the average precipitation from original and corrected CMIP6 models during calibration period and validation period on the Qinghai-Xizang Plateau.（a） Annual variations， （b） CMFD during calibration period， （c） MME during calibration period， （d） DMME during calibration period， （e） QMME during calibration period， （f） CMFD during validation period， （g） MME during validation period， （h） DMME during validation period， （i） QMME during validation period.The shadows in each corresponding color represent the maximum and minimum of the annual mean precipitation

为进一步评估校正前后的CMIP6模式在青藏高原的适用性。本文选取常用的气象统计变量平均偏差和均方根误差， 将验证期校正前后不同模式及其多模式集合平均结果与CMFD数据进行对比。就气温而言［图3（a）］， 除MPI-ESM1-2-HR模式之外， 其他模式在经过DQM、 QDM偏差校正后的平均偏差均有显著降低， 其中NorESM2-LM模式的改善尤为显著， 平均偏差降低约3.13 ℃。校正后， 所有模式的均方根误差显著降低， 降幅为1.18~2.71 ℃， 且多模式集合平均的结果明显优于单个模式。由图3（b）可知， CMIP6多个模式均存在降水模拟偏高的不足， 而偏差校正后的模式降水的平均偏差显著下降， 平均偏差范围由0.56~1.51 mm·d-1降低至0.04~0.22 mm·d-1， 同时， 均方根误差降低了0.53~2.44 mm·d-1。
图3 验证期CMIP6各模式和多模式集合平均在青藏高原偏差校正前后气温（a）和降水（b）的平均偏差和均方根误差

Fig.3 The average bias and the root mean square error of temperature （a） and precipitation （b） between the original CMIP6 models and the corrected CMIP6 models during validation period on the Qinghai-Xizang Plateau

经过DQM和QDM方法校正后的CMIP6模式在青藏高原地区对于气温和降水模拟效果均显著提高。CMIP6多模式集合平均结果在偏差校正前后， 其模拟效果均明显优于单一模式， 这是由于多模式集合平均消除了单一模式的“噪音”， 显著提高了模式的模拟能力（胡芩等， 2015； 于灏等， 2020； 张文青等， 2023； 陈荣等， 2023）。本研究利用DQM和QDM方法进行偏差校正后的模式对于气温和降水的模拟效果相差较小， 但QDM偏差校正方法在未来模拟中因外推时间过长所产生的偏差比DQM偏差校正方法的小（Cannon et al， 2015）。因此本文选取QDM偏差校正后的CMIP6模式集合平均结果进一步分析青藏高原未来的极端气候事件。

4 青藏高原的极端气候事件未来预估

4.1　青藏高原的极端高温和极端低温事件预估

本文将从21世纪前期（2015 -2057年）和21世纪后期（2058 -2100年）对青藏高原极端气候事件进行预估。在21世纪前期， SSP126、 SSP245、 SSP370及SSP585四种情景下的极端高温事件年平均发生频率呈现轻微下降趋势， 平均年发生频率为4.33~4.62次， 而年平均持续时间从约40 d， 以0.58、 0.91、 0.93及1.19 d·a-1的趋势增加。四种情景下， 极端低温事件的年平均发生频率及持续时间均随时间下降， 分别以每10年-0.50次、 -0.48次、 -0.59次及-0.73次的趋势降低， 年平均发生频率为3.04~3.45次， 其年平均持续时间的下降趋势分别为-0.47、 -0.67、 -0.81及-1.02 d·a-1（所有趋势均通过99.5%的显著性检验）。在21世纪后期， SSP126情景下极端高温事件的年平均发生频率变化不大， 维持在约4.39次， 持续67.26 d。而在SSP245、 SSP370和SSP585情景中， 随着辐射强迫的增加， 发生频率呈现下降趋势， 平均年发生频率分别降至3.74次、 3.26次和2.9次， 相应的平均年持续时间分别为81.61 d、 93.35 d和106.57 d。对于极端低温事件， 无论是发生频率还是持续时间在四个情景中都未呈现明显变化趋势。平均年发生频率分别为2.48次、 0.97次、 0.50次和0.32次， 相应的平均年持续时间分别为13.84 d、 4.61 d、 2.19 d和1.36 d。
结合图4和图5可知， 在21世纪前期， 四种未来情景下极端高温事件的发生频率差异不明显， 其高发区均位于青藏高原东南部， 平均年发生频率超过6次。低发区位于青藏高原西北部， 平均年发生频率少于3次。在前三个未来情景中， 极端高温事件的持续时间相差不大， 超过95%的区域平均年持续时间为40~60 d， 而在SSP585情景下， 超过60 d的区域占比高达38%。极端低温事件在SSP245、 SSP370、 SSP585情景下的平均年发生频率差异不明显， 70%的区域为3~4次， 低值区主要位于南部。对于平均年持续时间， SSP126情景下约50%的区域为15~20 d， SSP245情景下82%的区域为20~25 d， 而在SSP370和SSP585情景下， 约73%的区域为25~30 d， 高值区主要位于东北部。在21世纪后期， 随着辐射强迫的增加， 极端高温事件的发生频率减少， 低发区域自西部向东部扩大。SSP126情景下， 有65%的区域极端高温事件的平均年持续时间为60~70 d； SSP245情景下， 持续时间为70~80 d的区域占比约57%； SSP370情景下， 80%的区域平均年持续时间为80~100 d； 而SSP585情景下， 有75%的区域平均年持续时间为90~110 d， 高值区主要位于东南部。对于极端低温事件， 在SSP126情景下的69%的区域平均每年发生2~3次， 57%的区域的平均年持续时间为10~25 d， 高值区主要在中部。在SSP245情景下， 高达99%的区域平均年发生频率为0~2次， 52%的区域平均年持续时间为2~4 d。在SSP370和SSP585情景下， 极端低温事件极少发生。
图4 青藏高原2015 -2057年、 2058 -2100年极端高温和极端低温事件的平均发生频率的空间分布（单位： 次·a-1）

（a）~（d） 分别为SP126、 SSP245、 SSP370和SSP585情景下2015 -2057年的极端高温事件； （e）~（h）分别为SP126、 SSP245、 SSP370和SSP585情景下2058 -2100年的极端高温事件； （i）~（l）分别为SP126、 SSP245、 SSP370和SSP585情景下2015 -2057年的极端低温事件； （m）~（p）分别为SP126、 SSP245、 SSP370和SSP585情景下2058-2100年的极端低温事件

Fig.4 Spatial distribution of the average frequency of extreme high and extreme low temperature events over the Qinghai-Xizang Plateau during 2015 -2057 and 2058 -2100.Unit： times·a-1.In Fig.4， （a）~（d） represents extreme high temperature events during 2015 -2057 under the SP126， SSP245， SSP370 and SSP585 scenario， respectively； （e）~（h） represents extreme high temperature events during 2058 - 2100 under the SP126， SSP245， SSP370 and SSP585 scenario， respectively； （i）~（l） represents extreme low temperature events during 2015 -2057 under the SP126， SSP245， SSP370 and SSP585 scenario， respectively； （m）~（p） represents extreme low temperature events during 2058 -2100 under the SP126， SSP245， SSP370 and SSP585 scenario， respectively

图5 青藏高原2015 -2057年、 2058 -2100年极端高温和极端低温事件的平均持续天数的空间分布（单位： d·a-1）

（a）~（d） 分别为SP126、 SSP245、 SSP370和SSP585情景下2015 -2057年的极端高温事件； （e）~（h）分别为SP126、 SSP245、 SSP370和SSP585情景下2058 -2100年的极端高温事件； （i）~（l）分别为SP126、 SSP245、 SSP370和SSP585情景下2015 -2057年的极端低温事件； （m）~（p）分别为SP126、 SSP245、 SSP370和SSP585情景下2058 -2100年的极端低温事件

Fig.5 Spatial distribution of the average duration days of extreme high and extreme low temperature events over the Qinghai-Xizang Plateau during 2015 -2057 and 2058 -2100.Unit： d·a-1.In Fig.5， （a）~（d） represents extreme high temperature events during 2015 -2057 under the SP126， SSP245， SSP370 and SSP585 scenario， respectively； （e）~（h） represents extreme high temperature events during 2058 -2100 under the SP126， SSP245， SSP370 and SSP585 scenario， respectively； （i）~（l） represents extreme low temperature events during 2015 -2057 under the SP126， SSP245， SSP370 and SSP585 scenario， respectively； （m）~（p） represents extreme low temperature events during 2058 -2100 under the SP126， SSP245， SSP370 and SSP585 scenario， respectively

4.2　青藏高原大气干燥度的未来预估

饱和水汽压差（Vapor Pressure Deficit， VPD）是表示饱和水汽压与空气中的实际水汽压之间差值的参数， 可以作为干旱指标以表示大气的干燥程度， VPD值越高， 表示大气越干燥； VPD值越低， 表示大气越湿润（Mahto and Mishra， 2023）。未来的平均VPD相对于基准期在四个情景下分别增加10.54%、 14.78%、 19.06%、 24.91%。如图6（b）所示， 在21世纪前期， 四个未来情景下年平均VPD均随时间呈现增长趋势， 分别为0.59 Pa·a-1、 0.91 Pa·a-1、 1.02 Pa·a-1和1.36 Pa·a-1。在21世纪后期， SSP126情景下的年平均VPD在326.51 Pa附近波动， 而SSP245的增长速率减缓至0.53 Pa·a-1， SSP370和SSP585情景下的增长趋势加剧， 分别为1.64 Pa·a-1和2.63 Pa·a-1（所有趋势均通过99.5%的显著性检验）。四种情景在21世纪前期和后期都呈现与基准期相似的空间分布特征， 低值区主要位于青藏高原中部， 高值区位于青海北部［图6（a）， （c）~（j）］。在21世纪前期， 四种情景下， 约80%的区域年平均VPD均小于400 Pa， 四个情景VPD的变化区域差异性较小。21世纪后期， 随着辐射强迫的增加， 年平均VPD的分布表现出显著差异。相较于前期， SSP126情景下82%的区域VPD增加了0~20 Pa， SSP245情景下约70%的区域增加了20~50 Pa， SSP370情景下65%的区域增加了40~80 Pa， 而在SSP585情景下增幅最大， 尤其是在青海北部， 增幅超过300 Pa。
图6 青藏高原年平均饱和水汽压差（VPD）在1979 -2014年（a）、 2015 -2057年（c~f）和2058 -2100年（g~j）的空间分布及其年际变化（b）（单位： Pa）

（a）1979 -2014年， （b）年际变化， （c）SSP126情景下2015 -2057年， （d）SSP245情景下2015 -2057年， （e）SSP370情景下2015 -2057年， （f）SSP585情景下2015 -2057年， （g）SSP126情景下2058 -2100年， （h）SSP245情景下2058 -2100年， （i）SSP370情景下2058 -2100年， （j） SSP585情景下2058 -2100年

Fig.6 Spatial distribution and annual variations of the annual average vapor pressure deficit over the Qinghai-Xizang Plateau during 1979 -2014， 2015-2057 and 2058 -2100.Unit： Pa.（a） 1979 -2014， （b） Annual variations， （c） 2015 -2057 under the SSP126 scenario， （d） 2015 -2057 under the SSP245 scenario， （e） 2015 -2057 under the SSP370 scenario， （f） 2015 -2057 under the SSP585 scenario， （g） 2058 -2100 under the SSP126 scenario， （h） 2058 -2100 under the SSP245 scenario， （i） 2058 -2100 under the SSP370 scenario， （j） 2058 -2100 under the SSP585 scenario

夏季平均VPD的平均值大约是全年平均值的1.53倍［图6（b）， 图7（b）］。21世纪前期， SSP126情景下夏季平均VPD的增长趋势缓慢， 其余情景下的夏季平均VPD的增长趋势分别为1.80 Pa·a-1、 1.30 Pa·a-1、 1.95 Pa·a-1。在21世纪后期， SSP126情景下的夏季平均VPD在508.78 Pa附近波动， 而SSP245情景下增长减缓， 为0.53 Pa·a-1。SSP370和SSP585情景下的夏季VPD增长趋势较为明显， 分别为2.93 Pa·a-1和4.16 Pa·a-1（所有趋势均通过99.5%的显著性检验）。在21世纪前期， 四种情景下的夏季平均VPD在西藏自治区北部和青海南部较低， 约55%的区域小于400 Pa， 高值区域依旧位于青海北部［图7（a）， （c）~（j）］。与前期相比， SSP126情景下21世纪后期80%的区域增加不超过40 Pa。随着辐射强迫的增加， SSP245、 SSP370和SSP585情景下分别有约19%、 41%、 60%的区域增幅超过100 Pa。特别是在SSP585情景下， 约10%的区域增幅超过250 Pa， 增幅最大的区域位于在青海北部， 其夏季平均VPD最高达到2400 Pa。
图7 青藏高原夏季平均饱和水汽压差（VPD）在1979 -2014年（a）、 2015 -2057年（c~f）和2058 -2100年（g~j）的空间分布及其年际变化（b）（单位： Pa）

（a）1979 -2014年， （b）年际变化， （c）SSP126情景下2015 -2057年， （d）SSP245情景下2015 -2057年， （e）SSP370情景下2015 -2057年， （f）SSP585情景下2015 -2057年， （g）SSP126情景下2058 -2100年， （h）SSP245情景下2058 -2100年， （i）SSP370情景下2058 -2100年， （j） SSP585情景下2058-2100年

Fig.7 Spatial distribution and annual variations of the summer average vapor pressure deficit over the Qinghai-Xizang Plateau during 1979 -2014， 2015-2057 and 2058-2100.Unit： Pa.（a） 1979-2014， （b） Annual variations， （c） 2015 -2057 under the SSP126 scenario， （d）2015 -2057 under the SSP245 scenario， （e） 2015 -2057 under the SSP370 scenario， （f） 2015 -2057 under the SSP585 scenario， （g） 2058 -2100 under the SSP126 scenario， （h） 2058 -2100 under the SSP245 scenario， （i） 2058 -2100 under the SSP370 scenario， （j） 2058 -2100 under the SSP585 scenario

4.3　青藏高原未来降水预估

在基准期， CMIP6模式中MME年降水量约为CMFD数据的2.2倍， 极大高估了年降水量， 而且明显低估了观测的年降水量的增加趋势， 低估约2.81 mm·a-1［图8（b）］。与MME相比， QMME对年降水量的模拟结果在数值上与CMFD数据更为接近。由于CMIP6模式本身对降水趋势的低估， QMME的降水趋势仍然呈现低估的现象。在不同的未来情景中， SSP126、 SSP245、 SSP370、 SSP585的21世纪前期的年降水量增加趋势分别为1.67 mm·a-1、 0.91 mm·a-1、 1.12 mm·a-1、 1.60 mm·a-1， 其中SSP126情景下年降水量增加趋势最大。在21世纪后期， SSP126情景下的年降水量增加趋势很小， 其余情景下的年降水量增加趋势分别为 0.84 mm·a-1、 2.23 mm·a-1、 3.14 mm·a-1。除21世纪前期的SSP126情景外， 其他情景下降水的趋势随辐射强迫的增加而增加， 在21世纪后期尤其显著（所有趋势均通过99.5%的显著性检验）， 可能是因为中高纬度大气环流、 北大西洋和印度洋海温增加所引起的（陈荣等， 2023）。在21世纪前期的SSP245， SSP370， SSP585情景下西藏东南部的平均年降水量相比于基准期有下降， 下降量在50 mm以内， SSP370情景下的川西地区也有所下降［图8（a）， （c）~（j）］。21世纪前期降水量增加最多的区域是SSP126情景下的川西地区达到了100 mm以上， 其余地区普遍增加量在50 mm以内。与基准期相比， 四个情景下21世纪后期的降水量在青藏高原所有区域均增加。SSP126、 SSP245、 SSP370、 SSP585情景下分别平均增加77.42 mm、 80.02 mm、 89.34 mm、 143.23 mm。其中SSP585情景下的平均年降水量远超其他情景， SSP585情景下降水量增幅最大的区域为西藏东南部， 增量达到了600 mm以上， 年降水量超过2000 mm。降水的高值区在青藏高原的东南部， 与印度洋和孟加拉湾的西南水汽输送显著增加有关（冯蕾和周天军， 2017）。随着辐射强迫的增加， 21世纪前期和后期的降水量差异逐渐增大。
图8 青藏高原年降水量在1979 -2014年（a）、 2015 -2057年（c~f）和2058 -2100年（g~j）的空间分布及其年际变化（b）（单位： mm）

（a）1979 -2014年， （b）年际变化， （c）SSP126情景下2015 -2057年， （d）SSP245情景下2015 -2057年， （e）SSP370情景下2015 -2057年， （f）SSP585情景下2015 -2057年， （g）SSP126情景下2058 -2100年， （h）SSP245情景下2058 -2100年， （i）SSP370情景下2058 -2100年， （j） SSP585情景下2058 -2100年

Fig.8 Spatial distribution and annual variations of the average precipitation over the Qinghai-Xizang Plateau during 1979 -2014， 2015 -2057 and 2058 -2100.Unit： mm.（a）1979 -2014， （b）Annual variations， （c）2015 -2057 under the SSP126 scenario， （d）2015 -2057 under the SSP245 scenario， （e）2015 -2057 under the SSP370 scenario， （f）2015 -2057 under the SSP585 scenario， （g）2058 -2100 under the SSP126 scenario， （h）2058 -2100 under the SSP245 scenario， （i）2058 -2100 under the SSP370 scenario， （j）2058 -2100 under the SSP585 scenario

5 结论

本文选取了在青藏高原模拟效果较好的8个模式（ACCESS-CM2、 CESM2-WACCM、 EC-Earth3-Veg、 GFDL-ESM4、 MPI-ESM1-2-LR、 MRI-ESM2-0、 NorESM2-LM、 NorESM2-MM）， 采用DQM和QDM方法对模式的地面气象驱动要素、 日最低气温和日最高气温进行偏差校正， 评估偏差校正前后的CMIP6模式在青藏高原地区的适用性。基于校正后的CMIP6模式， 对青藏高原21世纪前期和后期的极端高温事件、 极端低温事件、 大气干燥度和降水的时空变化特征进行预估。得到的主要结论如下：
（1） 校正后的CMIP6模式在青藏高原区域的气温和降水的空间分布以及年际变化趋势与校正前相比与CMFD数据更为一致， 且校正前后多模式集合平均的结果均优于单个模式的结果； 利用DQM和QDM方法校正后的模式对于气温和降水的模拟效果差异较小。由于青藏高原海拔较高且地形复杂， 年和季节降水的空间变率大， 校正前后CMIP6对降水的模拟效果均不及气温。
（2） 在21世纪前期（2015 -2057年）， 极端高温事件的强度随辐射强迫增加而增强， 在青藏高原的东南部强度最高， 发生频率轻微减少， 然而极端高温事件持续时间增加； 极端低温事件的强度随辐射强迫增加而增强， 而发生频率和持续时间随时间减少。21世纪后期（2058 -2100年）， 极端高温事件与前期变化较为一致， 极端低温事件的强度随辐射强迫增加而减弱， 在SSP370和SSP585情景下极少发生。极端高温、 低温事件变化差异与未来升温加剧和日平均极端低温比日平均极端高温增温更明显有关。
（3） 在未来情景下， 大气干燥度的增加趋势随辐射强迫的增加更加显著， 高值区位于青海北部， 高值区形成原因可能是地处柴达木盆地， 南有青藏高原、 北有昆仑山脉和祁连山脉， 阻碍了印度洋西南季风和东南季风， 水汽输送不足而导致VPD较高。夏季平均VPD是全年平均VPD的1.53倍， 增长趋势为全年的1.3~2倍； 21世纪后期青海北部的夏季平均VPD最高可达2400 Pa。降水的变化趋势随辐射强迫的增加而增加， 在21世纪后期尤其显著。而降水的增加不足以减缓气候变暖造成的大气干旱， 未来大气会变得更干燥， 干旱进一步加剧。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Bürger G， Sobie S R， Cannon A J， et al， 2013.Downscaling extremes： an intercomparison of multiple methods for future climate［J］.Journal of Climate， 26（10）： 3429-3449.DOI： 10.1175/jcli-d-12-00249.1 .

Cannon A J， Sobie S R， Murdock T Q， 2015.Bias correction of GCM precipitation by quantile mapping： how well do methods preserve changes in quantiles and extremes［J］.Journal of Climate， 28（17）： 6938-6959.DOI： 10.1175/JCLI-D-14-00754.1 .

Cui T， Li C， Tian F， 2021.Evaluation of temperature and precipitation simulations in CMIP6 Models over the Tibetan Plateau［J］.Earth and Space Science， 8（7）： 1-20.DOI： 10.1029/2020EA001620 .

Eyring V， Cox P M， Flato G M， et al， 2019.Taking climate model evaluation to the next level［J］.Nature Climate Change， 9（2）： 102-110.DOI： 10.1038/s41558-018-0355-y .

Fauzi F， Kuswanto H， Atok R M， 2020.Bias correction and statistical downscaling of earth system models using quantile delta mapping （QDM） and bias correction constructed analogues with quantile mapping reordering （BCCAQ）［J］.Journal of Physics， 1538（1）： 012050-012050.DOI： 10.1088/1742-6596/1538/1/012050 .

Gong X W， Wang X Y， Li Y Q， et al， 2022.Observed changes in extreme temperature and precipitation indices on the Qinghai-Tibet Plateau， 1960-2016［J］.Frontiers in Environmental Science， 10（0）： 0-0.DOI： 10.3389/fenvs.2022.888937 .

Immerzeel W W， van Beek L P H， Bierkens M F P， 2010.Climate change will affect the Asian water towers［J］.Science， 328（5984）： 1382-1385.DOI： 10.1126/science.1183188 .

Li C， Zwiers F W， Zhang X B， et al， 2021.Changes in annual extremes of daily temperature and precipitation in CMIP6 Models［J］.Journal of Climate， 34（9）： 3441-3460.DOI： 10.1175/jcli-d-19-1013.1 .

Mahto S S， Mishra V， 2023.Flash drought intensification due to enhanced land-atmospheric coupling in India［J］.Journal of Climate， 36： 1-31.DOI： 10.1175/jcli-d-22-0477.1 .

Qin X Q， Dai C， 2022.Comparison of different quantile delta mapping schemes in frequency analysis of precipitation extremes over mainland Southeast Asia under climate change［J］.Journal of Hydrology， 606： 127421-127421.DOI： 10.1016/j.jhydrol.2021. 127421 .

Wang B， Bao Q， Zwiers F W， et al， 2008.Tibetan Plateau warming and precipitation changes in East Asia［J］.Geophysical Research Letters， 35（14）： 0-0.DOI： 10.1029/2008GL034330 .

Xie Z， Wang B， 2021.Summer heat sources changes over the Tibetan Plateau in CMIP6 Models［J］.Environmental Research Letters， 16（6）： 064060-064060-064060.DOI： 10.1088/1748-9326/ac0279 .

Yang X L， Zhou B T， Xu Y， et al， 2021.CMIP6 evaluation and projection of temperature and precipitation over China［J］.Advances in Atmospheric Sciences， 38（5）： 817-830.DOI： 10.1007/s00376-021-0351-4 .

Zhao P， Li Y Q， Guo X L， et al， 2019.The Tibetan Plateau surface-atmosphere coupling system and its weather and climate effects： the Third Tibetan Plateau Atmospheric Science Experiment［J］.Journal of Meteorological Research， 33（3）： 375-399.DOI： 10.1007/s13351-019-8602-3 .

Zhou X J， Zhao P， Chen J M， et al， 2009.Impacts of thermodynamic processes over the Tibetan Plateau on the Northern Hemispheric climate［J］.Science in China Series D： Earth Sciences， 52（11）： 1679-1693.DOI： 10.1007/s11430-009-0194-9 .

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（3）： 239-251.DOI： 10.1016/j.accre.2020.08.001 .

陈德亮， 徐柏青， 姚檀栋， 等， 2015.青藏高原环境变化科学评估： 过去、 现在与未来［J］.科学通报， 60（32）： 3023-3035.DOI： 10.1360/N972014-01370.Chen D L ，

Xu B Q， Yao T D， et al， 2015.Assessment of past， present and future environmental changes on the Tibetan Plateau［J］.Chinese Science Bulletin， 60（32）： 3025-3035.DOI： 10.1360/N972014-01370 .

陈金雨， 陶辉， 翟建青， 等， 2022.中巴经济走廊极端高温事件风险评估［J］.自然灾害学报， 31（4）： 65-74.DOI： 10.13577/j.jnd.2022.0406.Chen J Y ，

Tao H， Zhai J Q， et al， 2022.Risk assessment of extreme high temperature events over the China-Pakistan Economic Corridor［J］.Journal of Natural Disasters， 31（4）： 65-74.DOI： 10.13577/j.jnd.2022.0406 .

陈荣， 段克勤， 尚溦， 等， 2023.基于CMIP6模式数据的1961-2099年青藏高原降水变化特征分析［J］.高原气象， 42（2）： 294-304.DOI： 10.7522/j.issn.1000-0534.2021.00084.Chen R ，

Duan K Q， Shang W， et al， 2023.Characteristics of precipitation change over the Qinghai-Xizang Plateau from 1961 to 2099 based on CMIP6 Models［J］.Plateau Meteorology， 42（2）： 294-304.DOI： 10.7522/j.issn.1000-0534.2021.00084 .

陈晓晨， 徐影， 许崇海， 等， 2014.CMIP5全球气候模式对中国地区降水模拟能力的评估［J］.气候变化研究进展， 10（3）： 217-225.DOI： 10.3969/j.issn.1673-1719.2014.03.011.Chen X C ，

Xu Y， Xu C H， et al， 2014.Assessment of precipitation simulations in China by CMIP5 multi-models［J］.Climate Change Research， 10（3）： 217-225.DOI： 10.3969/j.issn.1673-1719.2014.03.011 .

段安民， 肖志祥， 吴国雄， 2016.1979-2014年全球变暖背景下青藏高原气候变化特征［J］.气候变化研究进展， 12（5）： 374-381.DOI： 10.12006/j.issn.1673-1719.2016.039.Duan A M ，

Xiao Z X， Wu G X， 2016.Characteristics of climate change over the Tibetan Plateau under the global warming during 1979-2014［J］.Climate Change Research， 12（5）： 374-381.DOI： 10.12006/j.issn.1673-1719.2016.039 .

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 ，

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 .

韩佳昊， 张琪， 王丽荣， 等， 2021.海河平原夏玉米主要生育期发生高温干旱并发事件的气候学分析［J］.中国农业气象， 42（6）： 507-517.DOI： 10.3969/j.issn.1000-6362.2021.06.006.Han J H ，

Zhang Q， Wang L R， et al， 2021.Climatological analysis of extreme heat and drought concurrent events in main growth periods of summer maize in Haihe Plain［J］.Chinese Journal of Agrometeorology， 42（6）： 507-517.DOI： 10.3969/j.issn.1000-6362.2021.06.006 .

胡芩， 姜大膀， 范广洲， 2015.青藏高原未来气候变化预估： CMIP5模式结果［J］.大气科学， 39（2）： 260-270.DOI： 10.3878/j.issn.1006-9895.1406.13325.Hu Q ，

Jiang D B， Fan G Z， 2015.Climate change projection on the Tibetan Plateau： results of CMIP5 Models［J］.Chinese Journal of Atmospheric Sciences， 39（2）： 260-270.DOI： 10.3878/j.issn.1006-9895.1406.13325 .

胡桃， 吕世华， 常燕， 等， 2022.CMIP6模式对青藏高原多年冻土变化的分析预估［J］.高原气象， 41（2）： 363-375.DOI： 10.7522/j.issn.1000-0534.2022.00009.Hu T ，

Lv S H， Chang Y， et al， 2022.Analysis and prediction of permafrost changes in Qinghai-Xizang Plateau by CMIP6 climate models［J］.Plateau Meteorology， 41（2）： 363-375.DOI： 10.7522/j.issn.1000-0534.2022.00009 .

赖欣， 范广洲， 华维， 等， 2021.青藏高原陆气相互作用对东亚区域气候影响的研究进展［J］.高原气象， 40（6）： 1263-1277.DOI： 10.7522/j.issn.1000-0534.2021.zk018.Lai X ，

Fan G Z， Hua W， et al， 2021.Progress in the study of influence of the Qinghai-Xizang Plateau land atmosphere interaction on East Asia regional climate［J］.Plateau Meteorology， 40（6）： 1263-1277.DOI： 10.7522/j.issn.1000-0534.2021.zk018 .

李博渊， 胡芩， 2024.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， 43（1）： 59-72.DOI： 10.7522/j.issn.1000-0534.2023.00029.Li B Y ，

Hu Q， 2024.Multi-scenario projection of future precipitation over the Qinghai-Xizang （Tibetan） Plateau based on CMIP6 Model assessment results［J］.Plateau Meteorology， 43（1）： 59-72.DOI： 10.7522/j.issn.1000-0534.2023.00029 .

李宛鸿， 徐影， 2023.CMIP6模式对青藏高原极端气温指数模拟能力评估及预估［J］.高原气象， 42（2）： 305-319.DOI： 10.7522/j.issn.1000-0534.2022.00032.Li W H ，

Xu Y， 2023.Evaluation and projection of extreme temperature indices over the Qinghai-Xizang Plateau by CMIP6 Models［J］.Plateau Meteorology， 42（2）： 305-319.DOI： 10.7522/j.issn.1000-0534.2022.00032 .

马伟东， 刘峰贵， 周强， 等， 2020.1961-2017年青藏高原极端降水特征分析［J］.自然资源学报， 35（12）： 3039-3050.DOI： 10.31497/zrzyxb.20201218.Ma W D ，

Liu F G， Zhou Q， et al， 2020.Characteristics of extreme precipitation over the Qinghai-Tibet Plateau from 1961 to 2017［J］.Journal of Natural Resources， 35（12）： 3039-3050.DOI： 10.31497/zrzyxb.20201218 .

孟雅丽， 段克勤， 尚溦， 等， 2022.基于CMIP6模式数据的 1961-2100年青藏高原地表气温时空变化分析［J］.冰川冻土， 44（1）： 24-33.DOI： 10.7522/j.issn.1000-0240.2022.0017.Meng Y L ，

Duan K Q， Shang W， et al， 2022.Analysis on spatiotemporal variations of near-surface air temperature over the Tibetan Plateau from 1961 to 2100 based on CMIP6 models’ data［J］.Journal of Glaciology and Geocryology， 44（1）： 24-33.DOI： 10.7522/j.issn.1000-0240.2022.0017 .

孙鸿烈， 郑度， 姚檀栋， 等， 2012.青藏高原国家生态安全屏障保护与建设［J］.地理学报， 67（1）： 3-12.DOI： 10.11821/xb201201001.Sun H L ，

Zheng D， Yao T D， et al， 2012.Protection and construction of the national ecological security shelter zone on Tibetan Plateau［J］.Acta Geographica Sinica， 67（1）： 3-12.DOI： 10.11821/xb201201001 .

童尧， 韩振宇， 高学杰， 2022.QM和QDM方法对中国极端气候的高分辨率气候变化模拟的误差订正对比［J］.气候与环境研究， 27（3）： 383-396.DOI： 10.3878/j.issn.1006-9585.2021.21037.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］.Climatic and Environmental Research， 27（3）： 383-396.DOI： 10.3878/j.issn.1006-9585.2021.21037 .

王澄海， 吴永萍， 崔洋， 2009.CMIP研究计划的进展及其在中国地区的检验和应用前景［J］.地球科学进展， 24（5）： 461-468.DOI： 10.3321/j.issn： 1001-8166.2009.05.001.Wang C H ，

Wu Y P， Cui Y， 2009.Evaluating the progress of the CMIP and its application prospect in China［J］.Advances in Earth Science， 24（5）： 461-468.DOI： 10.3321/j.issn： 1001-8166.2009.05.001 .

吴国雄， 段安民， 张雪芹， 等， 2013.青藏高原极端天气气候变化及其环境效应［J］.自然杂志， 35 （3）： 167-171.DOI： 10.3969/j.issn.0253-9608.2013.03.002.Wu G X ，

Duan A M， Zhang X Q， et al， 2013.Extreme weather and climate changes and its environmental effects over the Tibetan Plateau［J］.Chinese Journal of Nature， 35 （3）： 167-171.DOI： 10.3969/j.issn.0253-9608.2013.03.002 .

吴国雄， 刘屹岷， 刘新， 等， 2005.青藏高原加热如何影响亚洲夏季的气候格局［J］.大气科学， 29（1）： 47-56.DOI： 10.3878/j.issn.1006-9895.2005.01.06.Wu G X ，

Liu Y M， Liu X， et al， 2005.How the heating over the Tibetan Plateau affects the Asian climate in summer［J］.Chinese Journal of Atmospheric Sciences， 29（1）： 47-56.DOI： 10.3878/j.issn.1006-9895.2005.01.06 .

谢文强， 王双双， 延晓冬， 2022.CMIP6全球气候模式对中国年平均日最高气温和最低气温模拟的评估［J］.气候与环境研究， 27（1）： 63-78.DOI： 10.3878/j.issn.1006-9585.2021.21027.Xie W Q ，

Wang S S， Yan X D， 2022.Evaluation on CMIP6 global climate model simulation of the annual mean daily maximum and minimum air temperature in China［J］.Climatic and Environmental Research， 27（1）： 63-78.DOI： 10.3878/j.issn.1006-9585.2021.21027 .

阳坤， 何杰， 唐文君， 等， 2019.中国区域地面气象要素驱动数据集（1979-2018）［DB/OL］.国家青藏高原数据中心.［2024-01-28］.DOI： 10.11888/AtmosphericPhysics.tpe.249369.file.Yang K ，

He J， Tang W J， et al， 2019.China meteorological forcing dataset （1979-2018）［DB/OL］.National Tibetan Plateau / Third Pole Environment Data Center.［2024-01-28］.DOI： 10.11888/AtmosphericPhysics.tpe.249369.file .

姚檀栋， 邬光剑， 徐柏青， 等， 2019.“亚洲水塔”变化与影响［J］.中国科学院院刊， 34（11）： 1203-1209.DOI： 10.16418/j.issn.1000-3045.2019.11.003.Yao T D ，

Wu G J， Xu B Q， et al， 2019.Asian Water Tower change and its impacts［J］.Bulletin of Chinese Academy of Sciences， 34（11）： 1203-1209.DOI： 10.16418/j.issn.1000-3045.2019.11.003 .

于灏， 周筠珺， 李倩， 等， 2020.基于CMIP5模式对四川盆地湿季降水与极端降水的研究［J］.高原气象， 39（1）： 68-79.DOI： 10.7522/j.issn.1000-0534.2019.00007.Yu H ，

Zhou Y J， Li Q， et al， 2020.Study on precipitation and extreme precipitation in the wet season in Sichuan Basin based on CMIP5 Models［J］.Plateau Meteorology， 39（1）： 68-79.DOI： 10.7522/j.issn.1000-0534.2019.00007 .

张佳怡， 伦玉蕊， 刘浏， 等， 2022.CMIP6多模式在青藏高原的适应性评估及未来气候变化预估［J］.北京师范大学学报（自然科学版）， 58（1）： 77-89.DOI： 10.12202/j.0476-0301.2021114.Zhang J Y ，

Lun Y R， Liu L， et al， 2022.CMIP6 evaluation and projection of climate change in Tibetan Plateau［J］.Journal of Beijing Normal University （Natural Science）， 58（1）： 77-89.DOI： 10.12202/j.0476-0301.2021114 .

张建云， 刘九夫， 金君良， 等， 2019.青藏高原水资源演变与趋势分析［J］.中国科学院院刊， 34（11）： 1264-1273.DOI： 10.16418/j.issn.1000-3045.2019.11.009.Zhang J Y ，

Liu J F， Jin J L， et al， 2019.Evolution and trend of water resources in Qinghai-Tibet Plateau［J］.Bulletin of Chinese Academy of Sciences， 34（11）： 1264-1273.DOI： 10.16418/j.issn.1000-3045.2019.11.009 .

张丽霞， 陈晓龙， 辛晓歌， 2019.CMIP6情景模式比较计划（ScenarioMIP）概况与评述［J］.气候变化研究进展， 15（5）： 519-525.DOI： 10.12006/j.issn.1673-1719.2019.082.Zhang L X ，

Chen X L， Xin X G， 2019.Short commentary on CMIP6 Scenario Model Intercomparison Project （ScenarioMIP）［J］.Climate Change Research， 15（5）： 519-525.DOI： 10.12006/j.issn.1673-1719.2019.082 .

张人禾， 苏凤阁， 江志红， 等， 2015.青藏高原21世纪气候和环境变化预估研究进展［J］.科学通报， 60（32）： 3036-3047.DOI： 10.1360/N972014-01296.Zhang R H ，

Su F G， Jiang Z H， et al， 2015.An overview of projected climate and environmental changes across the Tibetan Plateau in the 21st century［J］.Chinese Science Bulletin， 60（32）： 3036-3047.DOI： 10.1360/N972014-01296 .

张文青， 刘浏， 伦玉蕊， 等， 2023.青藏高原未来极端降水时空变化特征及海拔依赖性研究［J］.水土保持学报， 37 （2）： 149-158+216.DOI： 10.13870/j.cnki.stbcxb.2023.02.018.Zhang W Q ，

Liu L， Lun Y R， et al， 2023.Spatial-temporal variation characteristics of future extreme precipitation and its elevation dependency over the Qinghai-Tibet Plateau［J］.Journal of Soil and Water Conservation， 37 （2）： 149-158+216.DOI： 10.13870/j.cnki.stbcxb.2023.02.018 .

赵彦茜， 肖登攀， 柏会子， 2019.CMIP5气候模式对中国未来气候变化的预估和应用［J］.气象科技， 47（4）： 608-621.DOI： 10.19517/j.1671-6345.20180431.Zhao Y X ，

Xiao D P， Bai H Z， 2019.Projection and application for future climate in china by CMIP5 climate model［J］.Meteorological Science and Technology， 47（4）： 608-621.DOI： 10.19517/j.1671-6345.20180431 .

赵宗慈， 罗勇， 黄建斌， 2018.从检验CMIP5气候模式看CMIP6地球系统模式的发展［J］.气候变化研究进展， 14（6）： 643-648.DOI： 10.12006/j.issn.1673-1719.2018.036.Zhao Z C ，

Luo Y， Huang J B， 2018.The detection of the CMIP5 climate model to see the development of CMIP6 earth system models［J］.Climate Change Research， 14（6）： 643-648.DOI： 10.12006/j.issn.1673-1719.2018.036 .

周天军， 邹立维， 陈晓龙， 2019.第六次国际耦合模式比较计划（CMIP6）评述［J］.气候变化研究进展， 15（5）： 445-456.DOI： 10.12006/j.issn.1673-1719.2019.193.Zhou T J ，

Zhou L W， Chen X L， 2019.Commentary on the coupled model intercomparison project phase 6（CMIP6）［J］.Climate Change Research， 15（5）： 445-456.DOI： 10.12006/j.issn.1673-1719.2019.193 .

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