1 引言
极端降水对人类生命安全、 社会经济发展和自然生态环境均有显著影响。随着全球变暖， 我国乃至全球范围内的极端降水事件发生的频率、 强度均有增加的趋势（Allan and Soden， 2008； Ou et al， 2013； Chen and Frauenfeld， 2014）。对于生态环境脆弱的地区极端降水特别是持续性多雨或少雨的影响更加严重（Mal et al， 2018）。我国西南地区以四川盆地为中心， 西邻青藏高原、 南接云贵高原、 北靠秦岭， 是全球地形起伏最大的地区之一。人类活动造成该地区植被大面积破坏， 加之地震灾害引发土石疏松， 因而进一步加剧了生态环境的脆弱性。一旦发生极端强降水事件， 容易引发泥石流、 山体滑坡和堰塞湖等地质灾害。例如2020年8月中下旬， 四川境内发生了4次大范围暴雨天气过程， 引发滑坡、 泥石流等自然灾害2091起， 造成失踪与死亡12人， 直接经济损失12.88亿。可见， 我国西南地区夏季降水总量虽不及长江中下游地区， 但其极端降水所造成危害远大于其他地区。因此， 提高西南地区降水尤其是极端降水的预报水平， 有助于防灾减灾能力的提升。
目前， 气候模式已被广泛用于极端降水模拟和未来预测。西南地区因其特殊的地理位置及复杂的地形地貌是暴雨多发区， 其中高原涡、 西南涡、 切变线和低槽是影响西南地区降水的主要低值系统（李川等， 2006）。由于低值系统空间尺度小， 生命周期短且复杂多变， 加之特殊地形的影响， 因而西南地区在我国是降水数值预报最困难的区域（肖玉华等， 2010）。第五次耦合模式比较计划（CMIP5）评估结果表明， 大部分模式普遍高估了西南山区的极端降水， 尤其是青藏高原东坡。但是， 对四川盆地降水存在一定程度的低估（Ou et al， 2013； Chen and Frauenfeld， 2014）。此外， 从模拟降水的模式间标准差来看， 西南地区的模式间标准差最大， 这表明气候模式对西南地区降水模拟的不确定性最大（陈晓晨等， 2014； Xu and Xu， 2012）。可见， 西南地区确实是我国降水动力预报最为困难的区域， 而现有的研究更多地关注中国东部地区或者青藏高原主体区域， 缺乏对西南地区的系统研究。
一些研究指出， 模式对西南地区的模拟偏差和不确定性更大可能是由于模式的分辨率不够高， 难以准确地刻画西南地区的陡峭地形（江志红等， 2009）。Li et al（2015） 利用全球大气环流模式CAM5研究了水平分辨率对东亚地区降水模拟的影响， 根据T42（~2.8°）、 T106（~1.1°）和T266（~0.45°）三种不同水平分辨率的模拟试验， 发现分辨率提高后模式能够更好地刻画高原及其周边地区的地形分布特征， 能够更好地再现夏季平均降水的空间分布。同样地， 基于CAM5模式针对美国降水的不同分辨率对比模拟试验也表明， 提高分辨率能够改善模式对美国极端降水的模拟性能， 高分辨率模拟结果更为接近极端降水观测值， 而低分辨率模拟明显低估了极端降水强度（Mahajan et al， 2015）。Chan et al（2012）基于HadGEM3-RA模式采用50 km和12 km两种不同分辨率模拟英国降水， 发现降水模拟效果的改善依赖于地形和降水性质。在威尔士山区， 提高分辨率可以明显改善模式对山区极端降水的低估现象； 而在以对流性降水为主的英格兰东北部， 提高模式分辨率却并不能显著改善极端降水的模拟性能。同时， 较多的研究工作也指出， 对于一些降水物理过程比较复杂的地区， 即使提高分辨率， 也很难达到改进极端降水模拟的效果， 所以在提高分辨率的同时还需兼顾改进物理过程（Gao et al， 2006； He et al， 2019）。西南地区除了复杂的地形特征外， 还存在空间尺度小、 生命周期短的低值环流系统， 那么仅仅提高模式分辨率， 能够在多大程度上改进降水尤其是极端降水的模拟性能？为了排除模式依赖性， 应结合多模式设计不同分辨率试验进行研究。
上文所回顾的分辨率对比模拟试验大多基于单一模式进行， 且不同的模拟试验设计差别较大， 无法进行模式间的系统比较。为此， 第六次耦合模式比较计划（CMIP6）发起了首轮高分辨率模式比较计划（HighResMIP）， 旨在基于相同设定的高分辨率气候模拟试验， 开展详细的模式评估工作， 以确定水平分辨率提高所带来的模拟性能的改进效果， 并借助多模式集合的方法降低模拟的不确定性（Haarsma et al， 2016； 王磊等， 2019）。HighResMIP试验数据为模式分辨率研究提供了重要支撑。
鉴于我国西南地区地形复杂多变， 且模式分辨率是影响降水模拟性能的重要因素， 本研究拟通过比较多个CMIP6 HighResMIP模式的模拟结果， 评估当前气候模式对西南地区降水气候平均态以及极端降水的模拟能力， 分析模式水平分辨率对西南地区夏季降水气候态以及极端降水模拟的影响。
2 资料选取与方法介绍
2.1 观测资料
所选的西南地区研究区域为（21°N -35°N， 95°E -112°E， 图1）。考虑到该区域地形陡峭复杂， 为给模式评估提供较为准确的参照标准， 本文共使用了4套观测与再分析降水资料（表1）， 包括中国气象局台站逐日降水资料、 全球降水观测卫星日平均降水资料（GPM， Skofronick et al， 2017）、 基于台站观测资料插值而得到的中国区域格点降水资料（CN05.1， 吴佳和高学杰， 2013）和欧洲中心第五代再分析降水资料（ERA5， Hersbach et al， 2020）。对于台站降水资料， 考虑到西南地区气象观测站点稀疏， 本文选用了国家气象信息中心整理的中国国家级地面气象站基本气象要素日值数据集， 该数据包含了中国基本、 基准气象站、 一般气象站在内的2474个主要站点1951年1月以来地面基本气象要素逐日观测数据。该数据在西南地区共有740个站点（图1）， 在西部山区也有一定量的观测台站。文中地图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2016）1552号的标准地图制作（底图无修改）。
图1 中国西南地区（21°N -35°N， 95°E -112°E）海拔（彩色区， 单位： m）及地面台站位置（黑色圆点）分布红框区域表示四川盆地（28.5°N -32°N， 103.5°E -108°E） |
表1 本文使用的降水观测资料信息Table 1 |
| 数据名称 | 水平分辨率 | 时间分辨率 |
|---|---|---|
| CMA gauges observations | ~2400 | d |
| GPM | 0.1°×0.1° | d |
| CN 05.1 | 0.25°×0.25° | d |
| ERA5 | 0.25°×0.25° | h |
2.2 CMIP6 HighResMIP模式资料
使用的模式资料均来自CMIP6 HighResMIP模拟数据。HighResMIP旨在研究提高水平分辨率对模拟性能的改进。为了更清楚地体现水平分辨率对模拟结果的影响， 参加HighResMIP的模式均在标准分辨率下进行调试， 除水平分辩率外， 高分辨率试验与标准分辨率试验采用完全相同的设置（Haarsma et al， 2016）。HighResMIP试验积分时段为1950 -2014年， 类型为单独大气试验， 使用0.25°高分辨率逐日海温数据进行强迫。试验中的外强迫条件与CMIP6的历史气候模拟试验（Historical run）相同。本文主要分析近14年（2001 -2014年）的试验数据， 所采用的12组模式概况见表2， 每组模式均包含高、 低两个分辨率， 其中高分辨率模式的水平分辨率均高于50 km， 且比低分辨率版本的水平分辨率高一倍以上。CAMS-CSM1与GFDL-CM4因其低分辨率版本模式结果尚未上传， 本文使用了其大气模式比较试验（AMIP）数据进行替代， 因为AMIP试验同样为海温强迫大气试验。
表2 本文使用的CMIP6高分辨率计划模式的相关信息Table 2 |
| 编号 | 模式名称 | 研发机构 | 大气模式中纬度水平分辨率 |
|---|---|---|---|
1H 1L | BCC-CSM2-HR BCC-CSM2-MR | Beijing Climate Center （BCC）， China | T266 （~45 km） T106 （~110 km） |
2H 2L | CAMS-CSM1-0-HR CAMS-CSM1-0 | Chinese Academy of Meteorological Sciences （CAMS）， China | T255 （~50 km） T106 （~110 km） |
3H 3L | CNRM-CM6-1-HR CNRM-CM6-1 | Centre National de Recherches Météorologiques （CNRM）/CERFACS， France | T359 （~35 km） T127（~100 km） |
4H 4L | EC-Earth3P-HR EC-Earth3P | EC Earth Consortium | T511 （~40 km） T255 （~80 km） |
5H 5L | ECMWF-IFS-HR ECMWF-IFS-LR | European Centre for Medium-Range Weather Forecasts （ECMWF） | Tco399 （~50km） Tco199 （~100km） |
6H 6L | FGOALS-f3-H FGOALS-f3-L | LASG， Institute of Atmospheric Physics， Chinese Academy of Sciences （CAS）， China | C384 （~25km） C96 （~100km） |
7H 7L | GFDL-CM4C192 GFDL-CM4 | NOAA， Geophysical Fluid Dynamics Laboratory （GFDL）， USA | C192 （~50 km） C96 （~100 km） |
8H 8L | HadGEM3-GC31-HM HadGEM3-GC31-LM | Met Office Hadley Centre， United Kingdom | N512（~25km） N96（~100km） |
9H 9L | IPSL-CM6A-HR IPSL-CM6A-LR | Institute Pierre-Simon Laplace （IPSL）， France | N256 （~50km） N96 （~100km） |
10H 10L | MPI-ESM1-2-XR MPI-ESM1-2-HR | Max Planck Institute for Meteorology （MPI-M）， Germany | T255 （~50 km） T127 （~100 km） |
11H 11L | MRI-AGCM3-2-S MRI-AGCM3-2-H | Meteorological Research Institute （MRI）， Japan | TL959 （~20 km） TL319（~48 km） |
12H 12L | NICAM16-8S NICAM16-7S | University of Tokyo， National Institute for Environmental Studies and Japan Agency for Marine-Earth Science and Technology， Japan | 28 km 56 km |
2.3 评估方法
因为观测资料和各个模式模拟结果的分辨率均不相同， 在计算模式结果与台站观测的均方根误差和相关系数时需要进行插值。尽管模式评估的常规方法是将模式数据插值成相同网格、 并与实况融合的降水格点数据进行对比分析， 但本文主要研究气候模式对西南地区极端降水的模拟性能， 而大多融合降水资料在西南地区表征性能较差， 尤其对大雨以上强度降水严重低估。以当前使用气象台站数量最多的中国区域小时降水量融合产品（CMPA01）为例， 该产品是中国30000余个自动站与CMORPH卫星观测降水融合而得到的 （沈艳等， 2013）。在我国西部地区， 它相对于台站资料的相关系数仅为0.3， 远低于全国平均值0.792， 且对大雨（2.5~8.0 mm·h-1）、 暴雨（8.0~16.0 mm·h-1）及大暴雨（≥ 16.0 mm·h-1）的相对误差分别约为 -13.747%、 -23.906%和-30.967%； 均方根误差分别为2.398， 4.898和9.960 mm·h-1 （沈艳等， 2013）。因此， 为了充分发挥台站观测资料的优势， 本文参考伍清等（2017）评估CMIP5模式在西南地区的模拟性能的做法， 采用最邻插值法将不同分辨率的模式数据统一插值到气象台站， 然后采用泰勒图（Taylor， 2001）以台站观测为参考而评估各模式对夏季降水气候态和夏季极端降水百分比的模拟能力。
夏季极端降水日数基于百分位法定义（Thomas et al， 1999）来确定， 将2001 -2014年西南地区台站观测的日降水量序列的第95个百分位值定义为极端降水事件阈值。经统计表明， 西南地区极端降水阈值为29.8 mm， 因而日降水量大于或等于29.8 mm即为极端降水日。
3 西南地区夏季降水气候态模拟性能分析
图2是观测和模拟的2001 -2014年中国西南地区夏季平均降水量的空间分布。从图2中可见， 三套观测资料所呈现的西南地区夏季降水空间分布基本一致， 总体特征为自南至北逐渐减少。四川盆地降水量明显少于周围山区， 其西侧横断山脉地区存在一条横跨四川、 云南呈西南-东北走向的雨带。考虑到青藏高原南缘缺乏气象台站， 台站观测和CN05.1所呈现的高原南缘降水无参考意义。但从GMP可以看出， 青藏高原和云贵高原南缘降水量明显大于高原主体区域。ERA5再分析产品所反映的降水量整体高于三套观测资料， 其中在青藏高原东坡横断山脉区域最为明显， 但西南-东北走向的雨带仍然清晰可见。此外， ERA5在青藏高原南缘降水量明显多于GPM。可见， ERA5再分析降水资料受地形影响较大。
比较CMIP6模式模拟结果， EC-Earth3P和ECMWF-IFS两组模式模拟的降水空间分布与观测最为接近。进一步对比二者的不同分辨率版本， 高分辨率版本EC-Earth3P-H［图2（4H）］相对于低分辨率版EC-Earth3P［图2（4L）］能够更好地模拟四川盆地及其西侧的降水量； 而高分辨率版本ECMWF-IFS-HR［图2（5H）］的整体降水量大小相对其低分辨率版本ECMWF-IFS-HR［图2（5L）］更接近观测。其他模式主要存在两类误差。一是较多模式在四川盆地（图2中红框区域）降水存在显著低估， 其中误差最显著的模式为BCC-CSM2、 CAMS-CSM1-0、 CNRM-CM6-1、 FGOALS-f3、 GFDL-CM4、 IPSL-CM6以及NICAM16等7组模式。对比7组模式的高、 低分辨率结果， 可以发现提高模式分辨率并不能显著改进四川盆地降水的低估误差。对于其他5组对四川盆地降水模拟较好的模式， 分辨率提高除对盆地周围靠近山地的降水模拟有一定影响外， 对盆地中心降水量影响同样不大。可见， 提高分辨率对四川盆地降水模拟的影响改进不明显， 而要提高四川盆地的降水模拟性能， 可能需要进一步改进模式的物理过程。第二类误差为大部分模式虽然可以模拟出青藏高原东坡横断山脉区西南-东北走向的雨带， 但是降水量形态和强度差异较大。对于几乎所有模式的低分辨率模拟结果， 因模式所刻画的地形坡度不如高分辨率版本精确， 地形对降水强迫相对较弱， 导致横断山脉区雨带范围较宽， 降水量相对较少。而对于模式的高分辨率模拟结果， 随着分辨率提高， 模式对横断山脉地形坡度刻画得更为精细， 地形强迫导致的水汽辐合上升运动增强， 横断山脉区雨带更为紧凑明显， 雨带走向更加接近观测。在降水强度方面， 虽然模式分辨率提高后模拟的雨带强度强于台站和卫星观测， 但是比较类似ERA5。Tao et al （2020）在评估CMIP5历史试验中水平分辨率对横断山脉地区降水模拟的影响时同样指出， 模式分辨率提高能够更加合理地刻画模式中的地形坡度， 通过改进地形陡峭区的水汽辐合垂直上升运动， 进而提高横断山脉的雨带模拟。但该研究中每个模式仅有单一分辨率模拟结果， 且模式间参数化方案存在差异， 不能简单地认为是分辨率的影响。然而， 本文使用CMIP6 HighResMIP试验产品， 每组模式均含有高、 低两种分辨率， 由此比较同一模式不同分辨率的结果， 可直接证明模式分辨率的影响。
为了更加直观地对比同一模式不同分辨率对西南地区的降水模拟性能， 本文绘制了2001 -2014年中国西南地区夏季降水的泰勒图（图3）。由图3可见， CN05.1、 GPM和ERA5三套观测资料与地面台站观测资料之间的均方根误差都相对较小， 其中GPM卫星观测与台站资料最为接近。从模式总体表现来看， 各模式与观测的空间相关系数均在0.75以上， 高分辨率模拟结果均超过0.8。但CMIP5模式中很少有模式的空间相关系数能够达到0.7（张武龙等， 2015； 于灏等， 2020）， 可见CMIP6模式对西南地区降水的模拟性能相对于CMIP5具有显著改进。其中， 模拟能力最为突出的模式为ECMWF-IFS和EC-Earth3P， 它们各自与台站观测的空间相关系数高达0.95以上， 均方根误差小于其他模式结果。在模式分辨率影响方面， 除BCC-CSM2和HadGEM3-GC31以外， 其余10组模式的高分辨率版本的降水模拟性能均优于低分辨率版本， 其中分辨率对MPI-ESM1-2和MRI-AGCM3-2的改进效果最为明显。
总之， 在西南地区夏季降水气候态模拟方面， ECMWF-IFS和EC-Earth3P模式总体模拟性能最好， 但超过半数的模式存在四川盆地降水明显低估的现象。模式水平分辨率提高能够改善绝大多数模式的降水模拟性能， 主要表现为横断山脉区域降水空间分布和强度更接近观测， 更加类似ERA5再分析结果。但对于低估四川盆地降水的模式， 提高分辨率对四川盆地降水负偏差的改进有限。可见， 提高水平分辨率， 对地形陡峭的山地降水改进更为明显。
4 西南地区夏季极端降水模拟性能分析
4.1 降水强度-频率关系
图4是基于2001 -2014年四套观测与再分析资料计算的西南地区夏季降水强度-频率关系分布。从图4中可以看出， 台站资料日降水达50~100 mm·d-1的发生概率约2%， 相当于一个夏季约发生2次， 降水强度为100~150 mm·d-1的发生概率为0.4%， 约为每3个夏季发生1次； 降水强度为150~200 mm·d-1的发生概率为0.06%， 约20个夏季发生1次； 降水强度大于200 mm·d-1的概率接近0.03%， 约40个夏季发生1次。GPM卫星观测在各个降水强度的发生频率基本与台站观测一致， 而CN05.1与ERA5在极端降水频次和强度方面均比台站观测偏小， 尤其是CN05.1在100 mm·d-1以上强度降水的发生频率比台站观测至少小1个量级。
从CMIP6 HighResMIP各组模式模拟的降水强度-频率关系分布（图5）来看， GFDL-CM4在降水强度分布上最接近观测； 而BCC-CSM2， FGOALS-f3， HadGEM3-GC31和NICAM16等4个模式在100 mm·d-1 以上强度降水的发生频率相对偏多， 而CNRM-CM6-1则相对偏少； 其他模式则显著偏小， 尤其是ECMWF-IFS、 EC-Earth3P和MPI-ESM1-2几乎无法模拟出200 mm·d-1 以上的极端降水事件。CMIP5模式对极端降水同样存在低估问题（于灏等， 2020； Li et al， 2020）。对比CMIP5模式模拟结果， CMIP6 HighResMIP模式在极端降水强度低估方面有一定程度的改进， 这可能与CMIP6模式分辨率整体提高有关。对比同一模式不同分辨率的模拟效果， 可以发现除FGOALS-f3和MRI-AGCM3-2外， 其他模式随水平分辨率的提高， 所模拟的50 mm·d-1以上的强降水事件发生频率均明显增加， 可见提高模式分辨率可一定程度改进极端降水强度的模拟。
4.2 极端降水百分比的空间分布
对于模拟的极端降水百分比， CNRM-CM6［图6（3H）］、 FGOALS-f3［图6（6H）］ 、 FDL-CM4［图6（7H）］和HadGEM3-GC31［图6（8H）］等四组模式的空间分布最接近观测； 而BCC-CMS2［图6（1H）］和NICAM16［图6（12H）］模拟强度显著偏大， 尤其是在四川东部和青藏高原极端降水百分比明显偏高； 其他模式模拟的降水强度均偏小， 尤其是EC-Earth3P、 IPSL-CM6和MPI-ESM1-2极端降水百分比偏小更为严重。对比同一模式不同分辨率， 无论是降水原本模拟偏强还是偏弱， 模式分辨率提高后极端降水百分比均进一步增大， 但FGOALS-f3和MPI-ESM1-2除外。FGOALS-f3低分辨率版本所模拟的极端降水偏多， 而当分辨率提高后， 极端降水有所减少， 但更接近观测。从空间分布来看， 模式分辨率提高后， 极端降水增加的区域主要为海拔变化较大的山区， 例如横断山脉区和青藏高原南缘， 而地形相对平坦的区域极端降水百分比变化并不大。可见， 图5中水平分辨率提高后强降水出现频率增加， 可能主要是来源于山地区域降水强度的增加。
从夏季极端降水百分比的泰勒图（图7）来看， 观测资料中GPM卫星观测与站点观测值最为接近， 相关系数高于0.99， 均方根误差小于CN 05.1格点观测和ERA5再分析资料。对于模拟结果， HadGEM3-GC31-HM对西南地区夏季极端降水百分比的模拟与站点的空间相关系数高达0.93， 均方根误差最小， 为模拟效果最好。其次， CNRM-CM6-1、 ECMWF-IFS、 FGOALS-f3和GFDL-CM4四者的高分辨率版本空间相关系数均在0.85以上， 且均方根误差均在0.5 mm·d-1左右。
在模拟方面， CNRM-CM6［图8（3H）］、 FGOALS-f3［图8（6H）］、 GFDL［图8（7H）］和HadGEM-GC31［图8（8H）］等4个模式模拟的空间分布最为合理， 但前三个模式在四川盆地存在明显偏低， 而HadGEM-GC31在广西的极端降水天数明显偏多， 这可能和模式本身的气候态模拟偏差有关［图2］。BCC-CSM4和NICAM16所模拟的极端降水天数在四川东部和青藏高原明显偏高， 其分布与其极端降水百分率空间分布类似。其他模式均存在不同程度的低估现象， 其中EC-Earth3P、 IPSL-CM6和MPI-ESM1所模拟的极端降水天数最低， 全区域均少于3天。此外， BCC-CSM2、 CAMS-CSM1-0、 CNRM-CM6-1、 FGOALS-f3、 GFDL-CM4、 IPSL-CM6以及NICAM16等7组模式在四川盆地的极端降水天数明显低于观测， 与之气候平均态分布类似。同样地， 模式分辨率提高对极端降水天数模拟的影响区域在于海拔变化较大的山区。
综上可见， CMIP6高分辨率模式对西南地区极端降水强度和频率的模拟存在较大差异。其中， CNRM-CM6， FGOALS-f3， GFDL和HadGEM-GC31模拟的极端降水效果较好， 无论是降水强度-频率关系还是极端降水百分比和极端降水天数， 均接近台站观测。但受气候平均态模拟偏差影响， CNRM-CM6， FGOALS-f3和GFDL-CM4等三个模式在四川盆地的极端降水天数明显偏低， 而HadGEM-GC31在广西地区极端降水强度明显偏强。BCC-CSM4和NICAM16所模拟的极端降水强度在四川东部和青藏高原明显偏高。而其他大部分模式各项极端降水指标均明显偏低， 尤其是EC- Earth3P、 IPSL-CM6和MPI-ESM1偏低最为严重。此外， 在降水强度模拟方面， 提高分辨率可以改进极端降水的发生频率， 但不能完全消除偏差。而这种改进主要是来源于对山地极端降水对模拟， 而平坦地区如四川盆地的模拟偏差， 仅靠提高分辨率还不能有效改善。
5 结论和讨论
基于目前可公开下载的12组CMIP6 HighResMIP模式资料， 评估了当前气候模式对我国西南复杂地形区域夏季降水气候态和极端降水的模拟性能， 并分析了模式水平分辨率对极端降水模拟性能的影响， 得到如下主要结论：
（1） 在夏季降水气候态模拟方面， 各模式与台站观测之间的空间相关系数均超过0.75， 与CMIP5模式相比， 模拟性能显著提升。其中， ECMWF-IFS和EC-Earth3P两个模式总体性能最好， 与台站观测之间的空间相关系数超过0.95， 能够很好地再现西南地区夏季降水气候态的空间分布特征及雨量大小。四川盆地降水低估一直是气候模式的突出问题， 本文所选的12个模式中BCC-CSM2、 CAMS-CSM1-0、 CNRM-CM6-1、 FGOALS-f3、 GFDL-CM4、 IPSL-CM6以及NICAM16等7组模式仍然对四川盆地的降水模拟存在明显低估现象。此外， 模式分辨率的提高使横断山脉区域的降水空间分布和强度更接近观测和ERA5资料， 但对四川盆地的改进效果非常有限。
（2） 在夏季极端降水模拟方面， 各模式对西南地区极端降水强度和频率的模拟能力差异较大， 且大部分模式对极端降水频率和强度存在低估现象。CNRM-CM6、 FGOALS-f3、 GFDL和HadGEM-GC31等4个模式对西南地区极端降水的模拟性能相对较好， 不仅能够模拟极端降水强度-频率关系、 而且能够重现极端降水百分比和极端降水天数； 在降水强度-频率关系和极端降水百分比空间分布方面模拟性能较高。虽然前三个模式在四川盆地的极端降水天数明显偏低， 而HadGEM-GC31在广西北部降水降水强度偏强。但其他模式模拟的各项极端降水指标均明显偏低， 尤其是EC-Earth3P、 IPSL-CM6和MPI-ESM1偏低最为严重。高、 低分辨率试验的对比分析表明， 提高模式分辨率可以有效改善山地极端降水发生频率的模拟， 从而提高模式性能。
总体来讲， 模式对降水强度-频率关系的模拟基本决定了模式对极端降水的模拟性能， 因为其决定了模式的自身属性（水汽平流、 参数化等）能否模拟出强度较强的降水事件。ECMWF-IFS、 EC-Earth3P、 IPSL-CM6A、 MPI-ESM-2和MRI-AGCM-2等5个模式对50 mm·d-1 以上的降水频率明显低于观测［图5］。因此这5个模式的极端降水量百分率和极端降水发生日数均明显偏少。而且， 随着模式分辨率提高， 5个模式的降水强度-频率关系模拟虽有一定改进， 但是从极端降水百分比的空间分布［图6］可见， 这种改进主要来源于陡峭地形附近的降水强度增强。可见， 模式分辨率主要对复杂地形区的极端降水有改进效果。但是， 对于降水强度明显偏弱的模式， 其原因可能更多地来自于模式本身的参数化方案， 例如与水汽输送相关的平流过程、 与大尺度降水相关的云微物理过程和深对流相关的对流参数化方案。例如， Yang et al （2021）指出， 因物理参数化方案不同， 不同模式中大尺度降水和对流降水占比具有明显差异， 而且强降水过程部分在模式中来源于模拟的对流降水， 而部分模式则来源于模拟的大尺度降水。
模式分辨率提高能更好地刻画地形的坡度变化， 进而改善模式对地形强迫水汽输送和垂直运动的模拟， 最终对极端降水的模拟性能有所改进。对比12组模式的高、 低分辨率模式结果， 可以发现高分辨率能够更好地模拟青藏高原南缘和横断山脉的雨带强度。有研究指出， 因为模式分辨率偏低而导致的不精确地形描述， 会造成模式对大气垂直水汽通量辐散的模拟偏差以及对环流热力和动力过程的模拟不足， 从而导致模式在极端降水方面的误差（Wang et al， 2021）。可见， 模式分辨率对复杂地形区的降水模拟具有重要影响。
但是， 本文选取的12模式中超过半数的模式对西南地区降水气候态模拟存在明显低估， 这种低估现象在春季同样存在， 且不因为模式分辨率提高而得到较大改进（Li et al， 2015， Wu and Mao， 2016）。这种不受模式分辨率影响的四川盆地降水误差更多可能受模式参数化方案或者水汽平流过程影响。一方面， 四川盆地降水主要受高原涡、 西南涡、 切变线和低槽等低值系统影响（李川等， 2006）。模式的参数化方案能否合理地模拟该类低值系统， 对四川盆地降水模拟有重要影响。另一方面， 受盆地地形限制， 进入盆地的冷空气容易在盆地内因绕流而形成局地涡旋。同时盆地和山地之间的地形高度差强迫过山气流产生爬流运动， 加强垂直上升运动， 形成暴雨等极端降水（金妍和李国平， 2021）。而模式分辨率的提高， 可以更加精确地描述地形高度差， 有利于扰流和爬流的形成。但是气流上升过程中， 与水汽凝结相关的云微物理过程和对流强度相关的对流参数化方案均对降水强度具有重要影响， 此外与水汽通量密切相关的平流过程和以及地形拖拽方案也具有重要作用（钟水新， 2020）。可见， 在提高模式分辨率无法改进四川盆地降水模拟的情况下， 应该进一步考虑模式参数化方案的影响。有关模式对四川盆地降水误差相关的物理过程和动力过程分析， 将在接下来的工作中开展。