The Qinghai-Xizang Plateau is a hot spot in global change research， and climate models are important data sources for studying climate change in this region.In this study， using a gridded meteorological dataset based on ground observation （CN05.1）， we evaluated the performance of 15 models from the Fifth Phase of the Coupled Model Intercomparison Project （CMIP5） and their downscaled high-resolution dataset （NEX-GDDP） in simulating daily maximum/minimum near-surface air temperature， precipitation and mean near-surface wind speed in the Qinghai-Xizang Plateau during 1966-2005.A trend-preserving bias correction， the Inter-Sectoral Impact Model Intercomparison Project （ISI-MIP） approach， was used to train and validate the above data and further applied to bias-correct CMIP5 and NEX-GDDP data in the future period.Our results indicate that： （1） In the training period （1986 -2005）， NEX-GDDP tends to overestimate daily maximum air temperature （1.04 ℃） and daily minimum air temperature （0.23 ℃）， and underestimate precipitation （-0.11 mm）.CMIP5 underestimates daily mean near-surface wind speed （-0.11 m·s-1）.There are large biases in annual/seasonal mean/total values and extreme values.（2） In the validation period （1966 -1985）， bias correction increased correlation coefficient of daily data （except air temperature）， and reduced root square error and mean bias.It also greatly reduced the bias in annual/seasonal mean/total values and extreme values.（3） In the future period （2006 -2095）， our bias-correction process preserved the trend of annual/seasonal mean/total values and extreme values， adjusted their base values and spatial distribution to enable a better connection to historical values.Our results can provide important reference for researches on future climate change and its impacts in the Qinghai-Xizang Plateau region.
Shuo CHEN
,
Tao YE
,
Weihang LIU
,
Aihui WANG
. Evaluation and Bias Correction of the Historical and Future Near-Surface Climate Forcing in NEX-GDDP and CMIP5 over the Qinghai-Xizang Plateau[J]. Plateau Meteorology, 2021
, 40(2)
: 257
-271
.
DOI: 10.7522/j.issn.1000-0534.2020.00019
[1]Accadia C， Mariani S， Casaioli M， et al， 2003.Sensitivity of precipitation forecast skill scores to bilinear interpolation and a simple nearest-neighbor average method on high-resolution verification grids［J］.Weather and Forecasting， 18（5）： 918-932.
[2]Bao Y， Wen X Y， 2017.Projection of China's near-and long-term climate in a new high-resolution daily downscaled dataset NEX-GDDP［J］.Journal of Meteorological Research， 31（1）： 236-249.
[3]Chen H P， Sun J Q， Li H X， 2017.Future changes in precipitation extremes over China using the NEX-GDDP high-resolution daily downscaled data-set［J］.Atmospheric and Oceanic Science Letters， 10（6）： 403-410.
[4]Chen L， Frauenfeld O W， 2014.A comprehensive evaluation of precipitation simulations over China based on CMIP5 multimodel ensemble projections［J］.Journal of Geophysical Research： Atmospheres， 119（10）： 5767-5786.
[5]Giorgi F， Marinucci M R， 1996.An investigation of sensitivity of simulated precipitation to model resolution and its implications for climate studies［J］.Monthly Weather Review， 124（1）： 148-166.
[6]Gu H H， Yu Z B， Yang C G， et al， 2018.High-resolution ensemble projections and uncertainty assessment of regional climate change over China in CORDEX East Asia［J］.Hydrology and Earth System Sciences， 22（5）： 3087-3103.
[7]Guo D L， Sun J Q， Yu E T， 2018.Evaluation of CORDEX regional climate models in simulating temperature and precipitation over the Tibetan Plateau［J］.Atmospheric and Oceanic Science Letters， 11（3）： 219-227.
[8]Hempel S， Frieler K， Warszawski L， et al， 2013.A trend-preserving bias correction-the ISI-MIP approach［J］.Earth System Dynamics， 4（2）： 219-236.
[9]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［J］.International Journal of Climatology， 38（Suppl）： 78-94.
[10]Jiang D B， Tian Z P， Lang X M， 2016.Reliability of climate models for China through the IPCC third to fifth assessment reports［J］.International Journal of Climatology， 36（3）： 1114-1133.
[11]Jiang D B， Wang H J， Lang X M， 2005.Evaluation of East Asian climatology as simulated by seven coupled models［J］.Advances in Atmospheric Sciences， 22（4）： 479-495.
[12]Knutti R， Furrer R， Tebaldi C， et al， 2010.Challenges in combining projections from multiple climate models［J］.Journal of Climate， 23（10）： 2739-2758.
[13]Liu X D， Chen B D， 2000.Climatic warming in the Tibetan Plateau during recent decades［J］.International Journal of Climatology， 20（14）： 1729-1742.
[14]Ma Y M， Kang S C， Zhu L P， et al， 2008.Roof of the world： Tibetan observation and research platform［J］.Bulletin of the American Meteorological Society， 89（10）： 1487-1492.
[15]Mishra S K， Jain S， Salunke P， et al， 2019.Past and future climate change over the Himalaya-Tibetan Highland： inferences from APHRODITE and NEX-GDDP data［J］.Climatic Change， 156（3）： 315-322.
[16]Reichler T， Kim J， 2008.How well do coupled models simulate today's climate？［J］.Bulletin of the American Meteorological Society， 89（3）： 303-311.
[17]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.
[18]Taylor K E， Stouffer R J， Meehl G A， 2012.An overview of CMIP5 and the experiment design［J］.Bulletin of the American Meteorological Society， 93（4）： 485-498.
[19]Thrasher B， Maurer E P， McKellar C， et al， 2012.Technical Note： Bias correcting climate model simulated daily temperature extremes with quantile mapping［J］.Hydrology and Earth System Sciences， 16（9）： 3309-3314.
[20]Wang X J， Pang G J， Yang M X， 2018.Precipitation over the Tibetan Plateau during recent decades： a review based on observations and simulations［J］.International Journal of Climatology， 38（3）： 1116-1131.
[21]Wang X J， Pang G J， Yang M X， et al， 2016.Effects of modified soil water-heat physics on RegCM4 simulations of climate over the Tibetan Plateau［J］.Journal of Geophysical Research： Atmospheres， 121（12）： 6692-6712.
[22]Xie P P， Yatagai A， Chen M Y， et al， 2007.A Gauge-based analysis of daily precipitation over East Asia［J］.Journal of Hydrometeorology， 8（3）： 607-626.
[23]Xing N， Li J P， Wang L N， 2017.Multidecadal Trends in Large-Scale Annual Mean SATa Based on CMIP5 Historical Simulations and Future Projections［J］.Engineering， 3（1）： 136-143.
[24]Xu Y， Gao X J， Shen Y， et al， 2009.A daily temperature dataset over China and its application in validating a RCM simulation［J］.Advances in Atmospheric Sciences， 26（4）： 763-772.
[25]Yang F， Lu H， Yang K， et al， 2017.Evaluation of multiple forcing data sets for precipitation and shortwave radiation over major land areas of China［J］.Hydrology and Earth System Sciences， 21（11）： 5805-5821.
[26]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.
[27]Yang K， Ye B S， Zhou D G， et al， 2011.Response of hydrological cycle to recent climate changes in the Tibetan Plateau［J］.Climatic Change， 109（3/4）： 517-534.
[28]Yang M X， Nelson F E， Shiklomanov N I， et al， 2010.Permafrost degradation and its environmental effects on the Tibetan Plateau： A review of recent research［J］.Earth-Science Reviews， 103（1/2）： 31-44.
[29]Yao T D， Thompson L， Yang W， 2012.Different glacier status with atmospheric circulations in Tibetan Plateau and surroundings［J］.Nature Climate Change， 2（9）： 663-667.
[30]Yatagai A， Kamiguchi K， Arakawa O， et al， 2012.APHRODITE： Constructing a long-term daily gridded precipitation dataset for Asia based on a dense network of rain gauges［J］.American Meteorological Society， 93（9）： 1401-1415.
[31]Yu Y， Shao Q X， Lin Z H， 2018.Regionalization study of maximum daily temperature based on grid data by an objective hybrid clustering approach［J］.Journal of Hydrology， 564： 149-163.
[32]Zhai P M， Pan X H， 2003.Trends in temperature extremes during 1951-1999 in China［J］.Geophysical Research Letters， 30（17）： 1913.DOI： 10.1029/2003GL018004.
[33]Zhang X B， Alexander L， Hegerl G C， et al， 2011.Indices for monitoring changes in extremes based on daily temperature and precipitation data［J］.Wiley Interdisciplinary Reviews Climate Change， 2（6）： 851-870.
[34]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 （Earth Sciences）， 52（11）： 1679-1693.
[35]高谦， 江志红， 李肇新， 2017.多模式动力降尺度对中国中东部地区极端气温指数的模拟评估［J］.气象学报， 75（6）： 917-933.
[36]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.
[37]刘文丰， 徐宗学， 李发鹏， 等， 2014.基于ASD统计降尺度的雅鲁藏布江流域未来气候变化情景［J］.高原气象， 33（1）： 26-36.DOI： 10.7522/j.issn.1000-0534.2012.00176.
[38]马佳宁， 高艳红， 2019.近50年黄河上游流域年均降水与极端降水变化分析［J］.高原气象， 38（1）： 124-135.DOI： 10.7522/j.issn.1000-0534.2018.00126．
[39]史培军， 王爱慧， 孙福宝， 等， 2016.全球变化人口与经济系统风险形成机制及评估研究［J］.地球科学进展， 31（8）： 775-781.
[40]田展， 冯磊， 陈葆德， 等， 2008.情景在气候变化研究中的应用研究进展［J］.高原气象， 27（增刊）： 16-21.
[41]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．
[42]吴佳， 高学杰， 2013.一套格点化的中国区域逐日观测资料及与其他资料的对比［J］.地球物理学报， 56（4）： 1102-1111.
[43]许崇海， 沈新勇， 徐影， 2007.IPCC AR4模式对东亚地区气候模拟能力的分析［J］.气候变化研究进展， 3（5）： 287-292.
[44]张莉， 丁一汇， 孙颖， 2008.全球海气耦合模式对东亚季风降水模拟的检验［J］.大气科学， 32（2）： 261-276.
