1 引言
青藏高原作为“地球第三极”， 其上不仅分布着中低纬度最广阔的冰川、 积雪和冻土， 而且是亚洲湖泊和湿地的主要聚集地（Yao et al， 2012； 万玮等， 2014）， 同时也是亚洲重要大江大河的发源地， 因此也被称为“亚洲水塔”（Immerzeel et al， 2010； 陈德亮等， 2015； 姚檀栋等， 2019）。由于高大地形的屏障和热力抬升作用， 青藏高原在海-陆-气水分循环过程中扮演着重要的角色， 直接或间接地影响着亚洲的天气气候系统乃至全球的大气环流系统（Wu et al， 2012； Zhang et al， 2013； 徐祥德和赵天良， 2014； 赖欣等， 2022）。
在全球变暖背景下， 近几十年青藏高原呈显著变暖趋势， 其气温增长早于同纬度其他地区， 增长速率大于全球平均水平， 是全球气候变化的敏感和脆弱区域（Duan et al， 2006； Yan and Liu， 2014； Pepin et al， 2015； Zhu and Yang， 2020； 周天军等， 2020）。伴随着气温的升高， 高原水循环过程增强， 降水总体呈现增加的趋势， 增加幅度大于其他区域（李晓英等， 2016； Zhang et al， 2017； 许建伟等， 2020）。相对气温而言， 高原降水变化更为复杂且具有明显的地域性和季节性差异（吴绍洪等， 2005； Yang et al， 2014； 杨耀先等， 2022； 张宏文和高艳红， 2020）。研究表明， 高原年降水量表现出由东南向西北递减的规律， 高值区分布在雅鲁藏布江下游， 低值区分布在柴达木盆地西北部， 夏季降水占年降水一半以上， 降水峰值出现在7月（韦志刚等， 2003； Feng and Zhou， 2012； 林厚博等， 2015）。近年来， 高原年降水呈现出南部地区减少， 北部地区增加的反相变化趋势（Yao et al， 2012）。但在季节变化上， 冬季和春季降水呈增加趋势， 夏季高原大部分地区降水呈减少趋势， 只有东北部和东南部部分地区降水呈增加趋势， 秋季高原中部和东南部降水呈递增趋势， 而西南部和东北部的降水呈减少趋势（李燕， 2015； 谢欣汝， 2019）。
预估未来降水变化趋势， 目前最可行的方法是依据气候变化物理规律， 由气候模式模拟未来降水变化。自1995年国际耦合模式比较计划（Coupled Model Intercomparison Project， CMIP）问世以来， 经历了CMIP1到CMIP5阶段的发展过程， 利用CMIP气候模式对青藏高原未来不同排放情景下的气候变化已进行了大量的研究（Xu and Xu， 2012； 胡芩等， 2015； 杨阳等， 2019； 周天军等， 2020）。CMIP5模式模拟结果表明， 青藏高原未来增温幅度高于全球平均水平， 随着气温升高， 高原年均降水量和极端降水强度也呈现不同程度的增加， 且辐射强迫情景越高模拟的降水增幅越大（胡芩等， 2015； 周天军等， 2020）。2019年第六次国际耦合模式比较计划（CMIP6）结果已陆续发布， 该计划在核心试验的基础上批准了23个科学子计划及其数值试验， 是参与的模式数量最多、 设计的数值试验最丰富、 所提供的模拟数据最为庞大的一次。较之CMIP5模式， CMIP6模式考虑的过程更复杂， 模式分辨率更高， 模拟效果明显提高（周天军等， 2019； Zhu and Yang， 2020； Almazroui et al， 2020）。CMIP6模式还良好地保持了与CMIP5的衔接， 在不同共享社会经济路径（Shared Socioeconomic Pathways， SSPs）可能发生的能源结构所产生的人为排放及土地利用变化的基础上， 设计了不同共享社会经济路径（SSPs）与典型浓度路径（RCPs）辐射强迫科学组合的新情景预估试验， 为未来全球气候变化预估、 气候变化减缓以及机理研究提供了数据支撑（Eyring et al， 2016； O’neill et al， 2016； 周天军等， 2019）。因此， 从未来情景试验设计上， CMIP6模式预估结果更加科学。
准确预估青藏高原未来降水的变化趋势， 是认识青藏高原的“水塔”功能， 及对生态环境影响的重要前提。基于此， 本文通过已发布的25个CMIP6模式的历史数据以及SSP1-2.6、 SSP2-4.5、 SSP3-7.0和SSP5-8.5情景下的预估数据， 首先对青藏高原历史时期（1961 -2014年）降水变化的模拟效果进行评估， 然后分近期（2020 -2039年）、 中期（2040 - 2059年）和末期（2080 -2099年）3个时段分析未来青藏高原降水变化趋势和时空变化规律， 并探究等降水量线的变迁， 最终实现对青藏高原未来降水变化规律的全面认识， 为认知青藏高原未来的气候环境变化提供科学参考。
2 数据来源与方法介绍
本文参照已有研究成果（张镱锂等， 2019）和中国科学院地理科学与资源研究所提供的最新青藏高原边界数据， 选取青藏高原25°N -40°N， 70°E - 105°E， 海拔2500 m以上的区域作为研究区范围， 如图1 所示。
2.1 数据来源
选取25个CMIP6模式的逐月降水数据（https： //esgf-node.llnl.gov/search/cmip6/）， 各模式基本信息见表1 。模式评估数据时间段为1961年1月至2014年12月， 未来预估数据时间段为2015年1月至2099年12月。未来时段的研究选取SSP1-2.6、 SSP2-4.5、 SSP3-7.0和SSP5-8.5四种不同的共享社会经济路径预估情景， 这些情景是共享经济社会路径（SSPs； O’Neill et al， 2016）和典型浓度路径（RCP）辐射强迫的科学组合（Eyring et al， 2016； O’neill et al， 2016）（表2 ）。
表1 第六次国际耦合模式比较计划（CMIP6）中25个地球气候系统模式基本信息Table 1 Basic information on the 25 Earth-Climate SystemModels in the Coupled Model Intercomparison Project Sixth Phase （CMIP6） |
| 序号 | 模式名称 | 所属国家 | 研发机构简称 | 模式分辨率 （经向×纬向） |
|---|---|---|---|---|
| A | ACCESS-CM2 | 澳大利亚 | CSIRO-ARCCSS | 1.875°×1.25° |
| B | ACCESS-ESM1-5 | 澳大利亚 | CSIRO | 1.875°×1.25° |
| C | AWI-CM-1-1-MR | 德国 | AWI | 0.94°×0.93° |
| D | BCC-CSM2-MR | 中国 | BCC | 1.12°×1.12° |
| E | CAMS-CSM1-0 | 中国 | CAMS | 1.12°×1.12° |
| F | CESM2-WACCM | 美国 | NCAR | 1.25°×0.9° |
| G | CMCC-CM2-SR5 | 意大利 | CMCC | 1.12°×1.12° |
| H | CanESM5 | 加拿大 | CCCma | 2.81°×2.77° |
| I | EC-Earth3-Veg | 欧洲 | EC-Earth-Cons | 0.7°×0.7° |
| J | EC-Earth3 | 欧洲 | EC-Earth-Cons | 0.7°×0.7° |
| K | FGOALS-f3-L | 中国 | CAS | 1.25°×1° |
| L | FGOALS-g3 | 中国 | CAS | 2°×2.02° |
| M | GFDL-ESM4 | 美国 | NOAA-GFDL | 1.25°×1° |
| N | IITM-ESM | 印度 | CCCR-IITM | 1.88°×1.91° |
| O | INM-CM4-8 | 俄罗斯 | INM | 2°×1.5° |
| P | INM-CM5-0 | 俄罗斯 | INM | 2°×1.5° |
| Q | IPSL-CM6A-LR | 法国 | IPSL | 2.5°×1.27° |
| R | KACE-1-0-G | 韩国 | NIMS-KMA | 1.875°×1.25° |
| S | MIROC6 | 日本 | MIROC | 1.4°×1.4° |
| T | MPI-ESM1-2-HR | 德国 | DKRZ | 0.94°×0.93° |
| U | MPI-ESM1-2-LR | 德国 | MPI-M | 1.875°×1.875° |
| V | MRI-ESM2-0 | 日本 | MRI | 1.12°×1.12° |
| W | NESM3 | 中国 | NUIST | 1.88°×1.88° |
| X | NorESM2-LM | 挪威 | NCC | 2.5°×1.89° |
| Y | NorESM2-MM | 挪威 | NCC | 1.25°×0.94° |
表2 情景模式比较计划中未来时段试验情景描述Table 2 ScenarioMIP experiment scenario descriptions in future period |
| 情景 | 辐射强迫类型 | 2100年辐射强迫 /（W·m-2） | SSP | 情景描述 |
|---|---|---|---|---|
| SSP1-2.6 | 低 | 2.6 | 1可持续发展 | 代表低脆弱性、 低减缓压力和低辐射强迫的综合影响 |
| SSP2-4.5 | 中 | 4.5 | 2中度发展 | 代表中等社会脆弱性与中等辐射强迫的组合 |
| SSP3-7.0 | 高 | 7.0 | 3局部发展 | 代表相对较高社会脆弱性与人为辐射强迫的组合 |
| SSP5-8.5 | 高 | 8.5 | 5常规发展 | 唯一一个排放高到足以在2100年产生8.5 W·m-2辐射强迫的排放情景 |
为评估CMIP6模式对降水的模拟能力， 使用中国气象局国家气象科学数据中心提供的中国地面气候资料月值数据集（https： //data.cma.cn/）中青藏高原范围内1961 -2014年时间序列完整的共计76个气象站点逐月降水数据（以下简称观测数据）。
2.2 研究方法
对模式降水的模拟能力评估， 精确的观测降水资料显得尤为重要。首先对青藏高原1961 -2014年时间段的站点观测数据进行了筛选， 选取时间序列完整的76个站点， 对个别站点缺测和异常值已按照数据集说明进行质量控制和缺测值插补。采用双线性插值法将各模式数据插值到气象站所在格点上， 通过分析模式模拟值和观测值之间的偏差以及模式模拟值与观测值在空间模态上的标准差、 均方根误差和相关系数， 利用标准化泰勒图直观展示， 以给出模式模拟能力的总体效果。
由于各模式的空间分辨率不同， 采用双线性插值法（Ma and Zhou， 2016； Chen et al， 2017）， 将各模式数据统一插值到0.5°×0.5°的网格上， 共1214个格点。然后采用线性回归统计和移除气候漂移法等对不同情景下的未来降水的线性变化趋势和降水变化空间特征进行分析。结合前人的研究（Chen et al， 2020； Jiang et al， 2020； 赵梦霞等， 2020）， 将参考时段设置为1995 -2014年（即现在）， 对未来分三个时期进行分析， 分别为近期（2020 -2039年）、 中期（2040 -2059年）和末期（2080 -2099年）。
3 结果分析
3.1 模式对青藏高原降水模拟能力评估
为评估CMIP6模式数据对青藏高原降水的模拟能力， 使用气象站点观测数据为验证数据， 比较分析了模式模拟的平均降水与观测降水在历史时期（1961 -2014年）的标准差、 均方根误差和相关系数。从图2 （a）中可看到， 所有模式的年降水均值与观测年降水均值的差都大于0 mm， 说明模式模拟的降水在青藏高原存在系统性偏差（湿偏差）， 偏差在0.6~2.0 mm·d-1。其中偏差最大的模式为ACCESS-ESM1-5， 其次为CMCC-CM2-SR5、 NESM3、 INM-CM5-0、 MIROC6； 偏差最小的模式为CanESM5， 其次为EC-Earth3、 EC-Earth3-Veg、 FGOALS-g3、 FGOALS-f3-L。从图2 （b）可看出， 大部分模式都能较好地模拟青藏高原历史时期的降水变化特征， 所有模式模拟的降水场与观测场的相关系数在0.5~0.9之间， 大部分模式的标准差之比在1~1.8之间， 且均方根误差在0.5~1.5之间。另外， 多模式集合平均（MME）模拟的相关系数、 标准差比值、 中心化均方根误差分别为0.81、 1.37和0.79。由上可得， 模拟效果较好的5个模式为NorESM2-LM、 CanESM5、 MRI-ESM2-0、 KACE-1-0-G和ACCESS-CM2， MME模拟效果优于大部分模式。
图2 CMIP6模式模拟的青藏高原1961 -2014年年均降水与观测数据之间的偏差（a）以及泰勒图（b）REF代表观测， MME是多模式集合平均Fig.2 Bias （a） and Taylor diagram （b） in simulating precipitation between individual models in CMIP6 and observational data over the Qinghai-Xizang Plateau during 1961 -2014.REF represents the observations， MME represents the multi-model ensemble mean |
图3 CMIP6模式模拟的青藏高原1961 -2014年年均降水和观测降水的时间序列（a）以及偏差移除后的多模式集合平均与观测数据的趋势比较（b）Fig.3 Time series of annual mean precipitation in observational data and individual CMIP6 models over the Qinghai-Xizang Plateau during 1961-2014 （a） and trend comparison between multi-model ensemble mean after the bias was removed and the observational data （b） |
3.2 2015-2099年青藏高原降水变化特征
3.2.1 降水的年际变化
CMIP6模式模拟的青藏高原年降水量在历史时期和未来总体都呈波动增加趋势（图4 ）， 在1961 - 2014年间， 多模式集合平均（MME）降水增加较缓慢， 以9.4 mm·（10a）-1速率波动增加。在2015 - 2099年间， 不同SSP情景下MME降水变化趋势在21世纪中前期较为接近， 呈平缓的波动增加趋势， 而到21世纪60年代后， 不同SSP情景下MME降水变化趋势差异显著。除SSP1-2.6情景下的MME降水在2060年后不再增加， 其他三种排放情景下都呈持续增加趋势， 但增加速率不同， SSP5-8.5情景下的增加速率最大， 为24.1 mm·（10a）-1。相对于1995 -2014年， 在SSP1-2.6、 SSP2-4.5、 SSP3-7.0和SSP5-8.5情景下， 到21世纪末年降水量将分别增加64.8 mm、 93.6 mm、 146.2 mm和180.4 mm。因此， 在较高的排放情景下， 降水的增加速率最大， 且各模式模拟结果范围也较大， 这可能与强辐射强迫相关的近地面气温变化不确定性较大有关（周天军等， 2020； Chen et al， 2020）。
图4 25个模式及多模式集合平均模拟的青藏高原在不同情景下1961 -2099年年降水量变化趋势（距平值相对于1995 -2014年参考时段）Fig.4 Annual mean precipitation changes of the Qinghai-Xizang Plateau from 25 CMIP6 models and their multi-model ensemble mean during 1961 -2099 under different SSP scenarios （the anomaly is relative to 1995 -2014） |
3.2.2 降水变化趋势空间特征
3.2.3 不同时期降水增幅的变化特征
青藏高原变暖速率超过全球平均水平（Zhu and Yang， 2020）， 随着气候变暖， 青藏高原未来降水总体呈增加趋势， 增加趋势强于全球平均水平（周天军等， 2020）， 且排放情景越高， 降水增加幅度越大， 不同情景下降水变化的差异随时间而增大（图4 ）。因此， 以近期（2020 -2039年）、 中期（2040 - 2059年）和末期（2080 -2099年）相对于参考时段1995 -2014年的变化， 来探究四种情景下高原降水在不同时期的变化幅度（图6 ）。在低辐射强迫SSP1-2.6情景下， 高原年降水量增幅最小， 在近期（2020 -2039年）、 中期（2040 -2059年）和末期（2080 -2099年）相对于参考时段的变化范围分别为 -82.8~86.4 mm、 -28.8~154.8 mm和3.7~230.4 mm。在高辐射强迫SSP5-8.5情景下， 年降水增幅最大， 变化范围分别为-46.8~72.6 mm、 2.8~241.2 mm和28.8~579.6 mm。
图6 相对于1995 -2014年参考时段， 多模式集合平均预估的不同情景下青藏高原未来年降水在近期（a， 2020 -2039年）、 中期（b， 2040 -2059年）和末期（c， 2080 -2099年）的空间变化Fig.6 Spatial distribution of the annual precipitation by multi-model ensemble mean projections under different SSP scenarios during the near-term （a， 2020 -2039）， mid-term （b， 2040 -2059） and long-term （c， 2080 -2099） over the Qinghai-Xizang Plateau relative to 1995 -2014 |
相对于参考时段， 高原未来降水增幅在近期、 中期和末期呈现不同的空间分布规律（图6 ）。在近期， 降水增幅呈现南北分布特征， 北部增幅为正， 南部为负， 其高值区分布在高原中西部和昆仑山区， 低值区分布在南部地区［图6 （a）］， 说明高原降水在近期保持着与近年来较为一致的变化特征， 即北部和中西部降水呈增加趋势， 南部降水呈减少趋势（Yang et al， 2014； Wang et al， 2018）。而在中期和末期， 南北降水增幅都为正值， 其高值区主要分布在南部地区， 低值区主要分布在柴达木盆地和帕米尔高原［图6 （b）~（c）］。
因高原未来降水变化在近期呈现南北相反的变化特征， 南部降水呈减少趋势［图6 （a）］， 图7 分析了高原南部降水在2015 -2099年的变化趋势。发现相对于1995 -2014年， 高原南部降水增幅呈现先负后正的变化趋势， 且排放情景不同， 降水增幅由负转正的时间不同， 在SSP1-2.6情景下， 其转变时间是2035年前后， 在SSP2v4.5、 SSP3-7.0和SSP5-8.5情景下是2050年前后（图7 ）。说明高原南部降水在未来将经历先减少后增加的过程， 且末期增加幅度远大于北部［图6 （c）］。因此， 随着气候变暖， 未来西风环流和季风环流强度发生变化， 使得高原水汽输送过程发生不同的变化（陈德亮等， 2015）， 降水变化趋势和空间格局随之发生较大变化。
3.3 2015 -2099年青藏高原干湿变化特征
在气候区划和干湿气候变化研究中， 年均降水量低于200 mm的区域为干旱区， 200~400 mm为半干旱区， 400~800 mm为半湿润区， 800 mm以上区域为湿润区， 等降水量线的变迁实质上是区域干湿变化问题。基于未来排放情景下的青藏高原的干湿变化预估， 可以加深对高原地区水资源分布的理解， 并对高原冰川的稳定或前进以及生态安全有着重要的影响。
多模式集合平均（MME）降水比观测数据系统性偏高为1.3 mm·d-1， 故为探究未来青藏高原等降水量线的空间分布， 对MME降水进行了系统性偏差校正。图8 为未来不同情景下青藏高原等降水量线的空间分布位置。从图8 中可以看出， 不同情景下2015 -2099年高原等降水量线空间分布规律基本一致， 在高原东部呈现东南向西北递减， 西部呈西南向东北递减的特征， 这与基于CRU数据分析的结果相似（高艳红等， 2020）。与历史时期［图8 （e）］相比， 高原未来干旱区面积减小， 湿润区面积增加， 且排放情景越高， 干旱区面积越小， 湿润区面积越大。未来400 mm和800 mm等降水量线总体呈现高原东部向西北迁移、 西部向东北迁移的趋势， 排放情景越高， 移动越明显， 区域上以高原东部地区和帕米尔高原迁移最为显著。
4 讨论
最新一代CMIP（CMIP6）模式预估的未来青藏高原降水变化趋势和空间差异较CMIP5更为显著（胡芩等， 2015）， 这可能是模式自身和排放情景差异的原因（O’neill et al， 2016； 周天军等， 2019）。CMIP6模式下未来青藏高原降水在近期延续了近年来的变化特征（Yang et al， 2014； Wang et al， 2018）， 呈现南部减少， 北部增加的趋势， 之后南北都呈增加趋势， 但南部增幅远大于北部。而CMIP5结果显示未来高原南北降水一直呈现增加趋势， 并未出现南北相反的变化趋势（胡芩等， 2015； 周天军等， 2020）。对于模式本身， CMIP6模式的分辨率更高， 考虑的物理过程更为复杂， 能更精细地呈现降水空间特征， 并对青藏高原北部的柴达木盆地和高原西北部等干旱地区的降水量模拟准确性更高（周天军等， 2019； Zhu and Yang， 2020）。对于情景， CMIP6模式采用不同共享社会经济路径（SSPs）与典型浓度路径（RCPs）辐射强迫科学组合的新情景， 使未来预估结果更合理（Eyring et al， 2016； O’neill et al， 2016）。因此， CMIP6模式较CMIP5模式在青藏高原降水时空变化模拟上有明显提升， 能提供更可靠的预估结果。未来青藏高原南部降水近期减少， 末期迅速增加， 原因可能是中高纬度大气环流和高原热力作用调整的年代际差异引起， 也可能与北大西洋海温异常有关（陈德亮等， 2015； 李燕， 2015； Shang et al， 2021）。如高原上空西风急流显著减弱， 且位置偏南时， 高原南部降水就会减少； 高原北部的热源强于南部时， 水汽向北部传输， 北部降水就会增加， 南部可能会减少（李燕， 2015）。
所有模式结果都表明21世纪青藏高原降水以增加为主， 说明全球变暖背景下青藏高原降水增加是模式间的共性（胡芩等， 2015； 周天军等， 2020）。CMIP6模拟的青藏高原在SSP5-8.5情景下到21世纪末年降水量增加将近200 mm， 说明在高排放SSP5-8.5情景下到21世纪末高原大部分的半干旱区变为半湿润区， 植被生长变得越来越好， 会有更多“绿色”出现。青藏高原降水增加即可导致“亚洲水塔”供水增加， 河流水量增加， 也可导致高原上空水汽增加， 水汽输送增强， 使得下游地区降水增多， 更多的水资源可以被利用， 但也会引起汛期极端降水事件的增多， 使下游地区发生洪灾的概率增加。因此， 未来须加强极端降水事件的预估， 及时了解洪涝等灾害的发生规律， 制定减缓和利用的策略， 实现社会经济的可持续发展。
5 结论
本文基于CMIP6的25个气候模式的模拟数据， 通过比较历史时期（1961 -2014年）模式模拟值和观测值， 评估了各模式对青藏高原历史时期降水变化的模拟能力。发现多模式集合平均模拟效果优于多数单模式， 进而选取多模式集合平均对未来四种情景（SSP1-2.6、 SSP2-4.5、 SSP3-7.0和SSP5-8.5）下青藏高原的降水变化特征进行分析。主要结论如下：
（1） CMIP6模式模拟的青藏高原年降水量在时间上（1961 -2099年）呈增加趋势， 未来（2015 - 2099年）降水变化趋势在空间上呈现西北向东南递增的分布格局， 且排放情景越高， 增加越显著。
（2） 相对于1995 -2014年参考时段， 多模式集合平均模拟的未来青藏高原年降水量在近期呈现北增南减的特征， 增幅高值区分布在高原中西部和昆仑山区， 而中期、 末期高原降水南北相反的变化特征消失， 都呈增加趋势， 南部增幅高于北部， 且排放情景越高， 增幅越大， 空间差异性越大。
（3） 在不同情景下， 未来高原等降水量线空间规律基本一致， 在高原东部呈现东南向西北递减， 西部呈西南向东北递减特征； 干湿变化呈现干旱区面积减小， 湿润区面积增加， 且排放情景越高， 湿润区面积越大。