1 引言
青藏高原（下称高原）平均海拔在4000 m以上, 是世界上海拔最高的高原, 其冰川覆盖面积约100000 km2, 仅次于南极、 北极和格陵兰地区, 因此常称其为第三极（Yao et al, 2012）。高原也是亚洲9条主要河流的发源地, 为下游十几亿人口提供了重要的水资源, 因此也称其为“亚洲水塔”（Immerzeel et al, 2010）。高原作为全球气候与环境变化的敏感区和脆弱区, 对东亚地区气候及生态环境有着重要的影响（蔡英等, 2003; 吴国雄等, 2013）。近三十多年来, 高原地区的近地表气温呈明显的上升趋势, 升温率超过了全球平均以及同纬度的其它地区（Gao et al, 2015a）。如果高原未来持续升温, 高原的降水可能将会发生相应的变化, 并影响高原及下游地区的生态环境和人类生产生活（张人禾等, 2015）。尤其是高原湿季（5 -9月）的降水, 占全年总降水的比例达70%以上（Cuo et al, 2017）。因此, 预估高原未来湿季降水变化具有十分重要的意义。
全球气候模式（Global Climate Model, GCM）是进行气候模拟及预估的重要工具, 为全球尺度和大陆尺度提供了重要的气候变化信息（王澄海, 2010）。然而, GCM模拟的水平分辨率较低, 难以满足区域尺度气候变化研究的需求（徐忠峰等, 2019）。CMIP5中的24个GCM对高原地区气温模拟存在冷偏差, 冬半年平均气温偏低1.1~2.5 ℃, 降水相对于观测偏多62%~183%, 仅有一半模式能模拟出高原降水的季节变化特征（Su et al, 2013）。李振朝等（2013）评估了CMIP5中的8个GCM对高原降水的模拟能力, 发现各模式都模拟出了高原的降水中心, 但对降水量的模拟相差较大。Sato et al（2008）则比较了模式水平分辨率对高原对流云模拟的影响, 相比于低分辨率的模拟结果, 高分辨率模拟能更准确地再现对流的发生时间和位置。所以, 利用区域气候模式（Regional Climate Model, RCM）对GCM的输出数据进行动力降尺度模拟被广泛应用于气候变化的研究。
RCM的分辨率较高, 包含了精细的地形和植被等下垫面信息, 并采用了更适合中小尺度过程的降水参数化方案, 从而能准确地模拟出中小尺度的天气和气候信息（Gao et al, 2017）。国内外学者利用动力降尺度方法取得了诸多的研究成果: 高学杰等（2010）利用全球环流模式FvGCM/CCM3的输出结果驱动区域气候模式RegCM3对中国及东亚地区进行了气候模拟; El-Samra et al（2017）对地中海东部地区的气候进行了动力降尺度预估, 分析了当地未来的气候变化; 姚隽琛等（2018）利用区域气候模式RegCM3进行了动力降尺度模拟, 检验了动力降尺度在热带气旋模拟能力上的增值。Gao et al（2015b）利用动力降尺度方法对高原历史阶段的气候进行了模拟, 结果表明动力降尺度方法提高了对高原气温和降水的模拟精度。因此, 相比于GCM, 动力降尺度的模拟结果更适用于高原未来降水变化的分析。
以往研究高原降水主要关注的是总降水时空分布特征（徐丽娇等, 2019）, 按照降水的性质, 可以将降水分为层云降水和对流降水两种类型, 二者分别代表了不同的降水微物理过程, 层云降水是以云冰粒子表面通过吸收水汽为主的雨滴增长过程, 而对流降水则是以云水碰撞并和为主的雨滴增长过程（杜振彩等, 2011）。高原上的地形特征复杂, 陡峭地形常常会引起局地小范围的强对流活动, 这类强降水很难被卫星红外亮温和被动微波亮温所识别（傅云飞等, 2007; 王梦晓等, 2019）。因此, 气候模式成为研究高原层云降水和对流降水的常用工具: 罗小青等（2014）研究发现高原降水呈南多北少的空间分布, 降水主要由对流产生, 且有明显的逐日和逐月变化趋势; Maussion et al（2013）利用动力降尺度结果分析了高原对流降水比例的空间分布特征, 结果表明高原降水以对流降水为主, 其中在高原腹地和东部地区尤为明显。然而, 目前研究主要关注的是高原历史阶段层云降水和对流降水的变化, 有关高原未来层云降水和对流降水变化仍有待于进一步研究。
本文使用WRF模式对CCSM4全球气候模式的输出结果进行动力降尺度模拟, 分析了高原未来总降水、 层云降水和对流降水的变化。本研究的目的包含如下两个方面: （1）相比于驱动数据, 动力降尺度对高原降水的模拟能力是否有明显改进; （2）高原未来的总降水、 层云降水和对流降水如何变化。本研究从动力降尺度角度定量分析高原未来的总降水、 层云降水和对流降水的变化特征, 不仅能够加深对高原未来降水变化的认知, 而且对于改进高原地区数值模式降水过程参数化也将是有帮助的。
2 模式介绍和资料来源
2.1 全球气候模式
CCSM4（The Community Climate System Model Version 4）是一个全球气候模式, 它包括了陆地、 海洋、 大气和海冰四个模块, 这四个模块之间通过耦合器进行状态信息和通量交换（田芝平等, 2012）。CCSM4参加了第五次耦合模式比较计划CMIP5（the fifth phase of the Coupled Model Intercomparison Project）。相比于上一个版本, CCSM4不仅支持更高精度的分辨率, 而且模式中的参数化方案和物理过程也得到了明显改进（Cook et al, 2012）。Xu et al（2017）从动力降尺度的角度评估了CMIP5中14个GCM对高原气象要素的模拟能力, 研究表明CCSM4和CNRM-CM5要优于其它GCM。因此, 本研究采用CCSM4（下称CCSM）的输出结果作为动力降尺度的驱动场。所采用的空间分辨率为1.25°×0.9°, 时间分辨率为6 h, 经纬网格数为288×200, 垂直层数为26层, 海洋垂直层数为60层, 时间长度为1979 -2100年。
2.2 区域气候模式
本研究采用WRF（Weather Research and Forecasting Model）区域气候模式对高原进行动力降尺度模拟。WRF模式模拟的降水可划分为两种（Skamarock et al, 2008）, 一种是对流不稳定所产生的“对流性降水”, 另一种是大尺度抬升凝结所产生的“大尺度环流性降水”, 二者之和等于模式模拟的总降水。模拟的水平分辨率为30 km, 中心点为（106°E, 35°N）, 格点数为210×154, 模拟区域几乎覆盖了整个东亚地区, 相比于CCSM驱动数据, WRF能更精细地再现高原地形的空间分布特征（图1）。此外, 模式垂直方向共有27层, 最高层气压为50 hPa, 驱动数据每6 h输入一次, 模拟的积分步长为120 s, 模式结果每3 h输出一次。模拟时段为1979 -2100年, 历史评估的时段为1998 -2005年, 未来预估的时段为2070 -2099年。更详细的模式设置可参考Gao et al（2017）。
2.3 资料来源
为验证动力降尺度对高原总降水、 层云降水和对流降水的模拟性能, 本文利用热带降雨测量任务（Tropical Rainfall Measuring Mission, TRMM）的两类产品3B43和3A12作为验证数据, 3B42是由TRMM等卫星和地面共同反演的降水资料, 3B43则是3B42的月尺度数据, 空间分辨率为0.25°, 选取的时间段为1998 -2005年。该数据在高原显示出很好的适用性, 在月时间尺度上和观测数据相关系数达到0.9以上（郝振纯等, 2011）, 被广泛应用于高原降水的研究（齐文文等, 2013; 孙礼璐等, 2019）。3A12月平均格点数据是由TRMM卫星微波成像仪所观测的微波亮温, 并结合辐射传输模式和云数值模式所反演的结果, 覆盖范围为40°S -40°N, 空间分辨率为0.5°, 包括地表对流云降水率和层云降水率等降水类型信息（刘奇等, 2007）。Wang et al（2015）利用3A12数据分析了高原地区云水含量和可降水量的垂直分布特征, 王晓聪等（2012）也利用该数据评估了SAMIL大气环流模式中两种对流方案的模拟结果。
3 结果分析
3.1 模式对高原总降水率的模拟评估
为了评估动力降尺度及其驱动数据对高原总降水（层云降水和对流降水之和）的模拟能力, 本文使用TRMM 3B43数据作为验证数据, 分析了CCSM和WRF模式模拟的1998-2005年高原湿季（5 -9月）总降水率的空间分布特征。从图2（a）可知, TRMM数据显示, 高原湿季总降水率呈现为从东南向西北逐级减小的空间分布特征, 在高原南部山谷存在一个高值区。CCSM和WRF模式均能较好地再现这一空间分布特征, 但也存在一定的湿偏差, 尤其是在高原南部地区。CCSM高估了高原湿季总降水率, 其偏差和均方根误差分别为2.58 mm∙d-1和3.55 mm∙d-1, 其中在6月和7月的降水模拟误差相对较大（表1）。相比于低分辨率的驱动数据, WRF模式减小了与验证数据的偏差和均方根误差, 分别减小到了0.96 mm∙d-1 和 1.74 mm∙d-1。由此可见, 相比于低分辨率的驱动数据, 动力降尺度模拟能更好地再现高原湿季总降水率的空间分布特征。
图2 1998 -2005年TRMM 3B43 (a), CCSM (b), WRF (c)数据中高原湿季（5 -9月）总降水率的空间分布 (单位: mm∙d-1)Fig.2 Spatial distributions of the wet season (from May to September) total precipitation rate over the QTP for TRMM 3B43 (a), CCSM (b) and WRF (c) from 1998 to 2005.Unit: mm∙d-1 |
表1 1998 -2005年TRMM 3B43, CCSM和WRF数据中高原湿季总降水率的统计量Table 1 Annual mean wet season total precipitation rate averaged over the QTP for TRMM 3B43, CCSM and WRF from 1998 to 2005 |
| 月份 | 平均值/(mm∙d-1) | 偏差/(mm∙d-1) | 均方根误差/(mm∙d-1) | ||||
|---|---|---|---|---|---|---|---|
| TRMM | CCSM | WRF | CCSM | WRF | CCSM | WRF | |
| 5 | 1.71 | 4.02 | 2.66 | 2.31 | 0.95 | 3.49 | 1.92 |
| 6 | 2.92 | 5.88 | 3.81 | 2.96 | 0.89 | 4.79 | 1.94 |
| 7 | 3.56 | 6.67 | 4.76 | 3.11 | 1.2 | 4.73 | 2.42 |
| 8 | 3.34 | 5.73 | 4.15 | 2.39 | 0.81 | 3.84 | 2.50 |
| 9 | 2.19 | 4.28 | 3.12 | 2.09 | 0.93 | 3.04 | 1.70 |
| 平均 | 2.74 | 5.32 | 3.70 | 2.58 | 0.96 | 3.55 | 1.74 |
偏差和均方根误差为WRF/CCSM与TRMM 3B43计算得出 |
3.2 模式对高原对流降水比例的模拟评估
从1998 -2005年TRMM、 CCSM和WRF数据中高原湿季对流降水比例（对流降水占总降水的比例）的空间分布（图3）可以看出, TRMM 数据显示, 高原湿季降水以对流降水为主, 高原平均值为63.7% [图3(a)]; 而CCSM模拟的高原湿季降水则以层云降水为主, 对流降水比例较低, 高原平均值为37.67% [图3(b)]; 与驱动数据不同, WRF模式模拟的高原湿季降水以对流降水为主, 高原平均值为51.44%, 其中在高原腹地和东南地区尤为明显, 与验证数据更为接近[图3(c)]。动力降尺度模拟结果与以往的研究结果相似, Gao et al（2019）利用云顶高度和雷达回波强度特征对全球降水测量计划卫星GPM（Global Precipitation Measurement）的降水进行重分类, 结果表明高原夏季降水以对流降水为主, 其中在高原腹地高达60%~90%。Sugimoto et al（2010）和Maussion et al（2013）的研究结果也表明高原腹地和东部地区降水以对流降水为主。
CCSM模拟的对流降水比例比WRF模式普遍偏低, 尤其是在高原腹地。为了进一步揭示其成因, 本文分析了CCSM和WRF模式模拟的500 hPa和200 hPa风场及其散度分布（图4）, CCSM模拟的高原腹地低空呈现为较弱的辐合场[图4(a)], 而高空呈现为较弱的辐散场[图4(c)], 当地对流活动不显著, 导致对流降水对总降水的贡献小, 对流降水比例较低。相比于驱动数据, WRF模式模拟的分辨率更高, 对高原的地形特征描述更为准确, 尤其是在海拔较高的高原腹地（见图1）, 并且采用更适合中小尺度过程的降水参数化方案, 从而更好地模拟地形对降水过程的影响, 在高原腹地低空呈现为更强的辐合场[图4(b)], 而高空呈现为更强的辐散场[图4（d）], 使得地表大气呈现出更明显的垂直上升运动, 当地对流活动显著, 对流降水对总降水的贡献大, 对流降水比例较高, 这可能是CCSM和WRF模式模拟的高原腹地对流降水比例差异的主要原因。
图4 CCSM (a, c)和WRF (b, d)模式模拟的1998-2005年高原湿季的500 hPa（a, b）和200 hPa（c, d）风场（矢量, 单位: m∙s-1）及其散度（彩色区, 单位: s-1）的空间分布Fig.4 The wet season averaged wind field (vector, unit: m∙s-1) and divergence (color area, unit: s-1) at 500 hPa (a, b) and 200 hPa (c, d) over the QTP for CCSM (a, c) and WRF (b, d) simulated from 1998 to 2005 |
3.3 高原降水随海拔的变化特征
从TRMM、 CCSM和WRF数据中1998 -2005年高原湿季总降水率随海拔的变化[图5(a)]可以看出, TRMM数据显示, 高原湿季总降水率随海拔的升高而减小, 其中在海拔2000~3000 m明显减小, 且主要分布在高原南部山谷和柴达木盆地。CCSM模拟的高原湿季总降水率也随海拔的升高而减小, 但在各海拔均存在较大的模拟偏差, 其中在海拔2000~4000 m的地区尤为明显。相比于驱动数据, WRF模式模拟的高原湿季总降水率在各海拔的模拟偏差均有所减小, 尤其是在海拔2000~3000 m的地区, 高原湿季总降水率随海拔的变化特征与验证数据较为一致。此外, 从对流降水比例随海拔的变化来看: TRMM数据显示高原湿季对流降水比例在各海拔的数值范围为60%~70%, 对流降水比例随海拔升高的变化较小[图5(b)]; 而CCSM明显低估了各海拔的对流降水比例, 其数值范围为30%~50%; 相比于驱动数据, WRF模式模拟的对流降水比例在各海拔与验证数据更为接近, 尤其是在海拔4000~5000 m的高原西部地区。综上所述, 相比于低分辨率的驱动数据, 动力降尺度模拟能够更好地再现高原湿季总降水率和对流降水比例随海拔的变化特征。
3.4 高原未来降水的空间变化特征
CCSM和WRF模式预估的高原未来湿季总降水、 层云降水和对流降水相对于历史时期的相对变化（图6）显示, 在CCSM预估的结果中[图6(a), (b)], 高原未来湿季的总降水、 层云降水和对流降水增加, 其中对流降水增加的尤为明显, 且在RCP8.5情景下的增幅高于RCP4.5情景（表2）。同样, WRF预估的未来两个情景下高原湿季总降水也增加, 但空间上呈“北增南减”的变化特征[图6(c), (d)], 高原平均变化率分别为6.93 %和10.59 %, 其中高原层云降水明显减少[图6(g), (h)], 两个情景下的高原平均变化率分别为-9.87%和-18.92%, 而对流降水明显增加[图6(k), (l)], 未来两个情景下的高原平均变化率分别为29.91%和51.82%。综上所述, CCSM和WRF模式预估的高原未来湿季总降水均增加, 但是层云降水对总降水的贡献不同: 在CCSM预估的结果中, 层云降水和对流降水增加, 导致高原总降水增加; 在WRF模式预估的结果中, 层云降水的减少导致高原南部总降水减少, 而对流降水的增加导致高原北部总降水增加。
图6 CCSM和WRF模式预估的高原湿季总降水（a~d）、 层云降水（e~h）和对流降水（i~l）在RCP4.5和RCP8.5情景下未来（2070 -2099年）相对于历史时期（1980-2005年）的相对变化（单位: %）黑色圆点表示通过了0.05显著性检验 Fig.6 Relative changes of the total (a~d), stratiform (e~h), convective (i~l) precipitation projected by CCSM and WRF for wet season in the future (from 2070 to 2099) under the scenario of RCP4.5 and RCP8.5 compared to the historical period (from 1980 to 2005).Unit: %.Black dots denote the changes have passed the significant level at 0.05 |
表2 CCSM和WRF模式预估的高原湿季总降水、 层云降水和对流降水在RCP4.5和RCP8.5情景下未来（2070 -2099年）相对于历史时期（1980 -2005年）的相对变化率Table 2 Projected relative changes of the wet season total, stratiform and convective precipitation averaged over the QTO in the future (from 2070 to 2099) under the scenario of RCP4.5 and RCP8.5 compared to the historical period (from 1980 to 2005) for CCSM and WRF |
| 降水 | CCSM | WRF | ||
|---|---|---|---|---|
| RCP4.5 | RCP8.5 | RCP4.5 | RCP8.5 | |
| 总降水 | 6.19% | 10.75% | 6.93% | 10.59% |
| 层云降水 | 3.93% | 5.68% | -9.87% | -18.92% |
| 对流降水 | 10.67% | 20.11% | 29.91% | 51.82% |
3.5 高原未来降水变化随海拔的分布特征
从高原未来湿季总降水、 层云降水和对流降水变化随海拔的分布来看, 在未来的两个情景下, CCSM预估的总降水随着海拔的升高而略微增加, 而WRF模式预估的总降水随着海拔升高其增幅有所减小, 且在RCP8.5情景较RCP4.5情景更为明显[图7(a)]; CCSM预估的高原湿季层云降水随着海拔升高而明显增加, 而WRF模式预估的高原湿季层云降水则随着海拔升高呈现出相反的变化特征[图7(b)]; CCSM预估的对流降水随着海拔升高变化较小, 而WRF预估的对流降水随着海拔升高增幅明显减小[图7(c)]。综上所述, CCSM预估的高原湿季层云降水和对流降水在各海拔均增加, 导致总降水在各海拔的增加, 而WRF模式预估的总降水在海拔4000 m上下呈明显的变化差异, 在海拔4000 m以下, 对流降水的增加导致总降水的增加, 在海拔4000 m以上, 层云降水的减少导致总降水的减少。
图7 CCSM和WRF模式预估的高原湿季总降水（a）、 层云降水（b）和对流降水（c）在RCP4.5和RCP8.5情景下未来（2070 -2099年）相对于历史时期（1980 -2005年）的相对变化随海拔分布Fig.7 Linear trends of relative change of total, stratiform and convective precipitation with elevation from the CCSM and WRF for wet season in the future (from 2070 to 2099) under the scenarios of RCP4.5 and RCP8.5 compared to historical from 1980 to 2005 |
4 结论与讨论
利用CCSM4全球气候模式的输出结果驱动WRF区域气候模式进行动力降尺度模拟, 首先评估了动力降尺度对高原湿季总降水率和对流降水比例的模拟能力, 然后对比了CCSM和WRF模式预估的高原湿季总降水变化的差异, 并从层云降水和对流降水解释其变化的成因, 得到以下主要结论:
（1） 相比于低分辨率的驱动数据, 动力降尺度减小了高原湿季总降水率和对流降水比例的模拟误差, 能够更好地再现1998 -2005年高原湿季总降水率和对流降水比例空间分布及随海拔分布的特征。
（2） 从空间变化来看, CCSM预估的高原湿季总降水、 层云降水和对流降水均增加。而在WRF模式预估的结果中, 高原湿季总降水也增加, 但空间上呈“北增南减”的变化特征, 其中层云降水的减少导致高原南部总降水减少, 而对流降水的增加导致高原北部总降水增加。
（3） 从随海拔分布来看, CCSM预估的高原湿季总降水、 层云降水和对流降水在各海拔均增加, 且随海拔升高的变化较小。而WRF模式预估的高原湿季总降水变化在海拔4000 m上下差异明显, 在海拔4000 m以下, 对流降水的增加导致总降水增加, 在海拔4000 m以上, 层云降水的减少导致总降水减少。
本文基于对动力降尺度模拟结果的分析, 重点探讨了CCSM和WRF模式预估的高原湿季总降水变化差异, 从层云降水和对流降水解释其变化的成因。需要说明的是, 气候模式模拟和TRMM卫星观测的层云降水和对流降水并不完全一致, 但是两者仍存在诸多的共性, 故气象专家广泛地利用卫星观测资料验证模式模拟的结果（胡亮等, 2011）。希望通过一系列的研究, 拓展对高原未来降水变化的认知。