Climate Simulation and Future Scenario Projection for the Zoige Ecological Region by CMIP6 High-Resolution Models

  • Qin HU , 1 ,
  • Dongmei QI , 2, 3 ,
  • Changyan ZHOU 2 ,
  • Xianhong MENG 4 ,
  • Yaqiong LÜ 5 ,
  • Xianyu YANG 1
Expand
  • 1. College of Atmospheric Sciences,Chengdu University of Information Technology,Chengdu 610225,Sichuan,China
  • 2. Chengdu Institute of Plateau Meteorology,China Meteorological Administration,Chengdu 610072,Sichuan,China
  • 3. Sichuan Provincial Climate Center,Chengdu 610072,Sichuan,China
  • 4. Northwest Institute of Eco-Environment and Resources Chinese Academy of Sciences,Lanzhou 730000,Gansu,China
  • 5. Institute of Mountain Hazards and Environment,Chinese academic science,Chengdu 610041,Sichuan,China

Received date: 2023-10-19

  Revised date: 2024-04-07

  Online published: 2024-11-29

Copyright

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

Abstract

As a unique alpine peat swamp wetland situated on the Tibetan Plateau, climate change in the Zoige ecological region not only impacts its own fragile ecological environment, but also exerts influence over the climate dynamics of the upper reaches of the Yellow River.Moreover, it plays crucial role in the climate stabilization of the western China.To investigate the simulation ability of the current high-resolution climate models in this area and to project the possible changes of the climate in this area in the future, this paper uses the four high-resolution climate models in the Coupled Model Intercomparison Program Phase 6 (CMIP6), AWI-CM-1-1-MR, EC-Earth3, EC-Earth3-CC, MPI-ESM1-2-HR, and MPI-ESM1-2-HR, compared with the CN05.1 observation dataset provided by the National Climate Center, to evaluate the simulation capability of CMIP6 high-resolution models on the temperature and precipitation of the Zoige ecological region, and to make future temperature and precipitation projection under four different Shared Socioeconomic Pathway (SSP) scenarios.The results show that all the high-resolution CMIP6 models can simulate the distribution pattern and trend of temperature in the Zoige ecological region, but all of them have the underestimation of temperature, especially in the western Zoige ecological region, where the correlation coefficient of multi-model ensemble (MME) with the annual average time series of the observed data is 0.75, and the MME is lower than the multi-year average of the observed data by 0.75 ℃.For the precipitation simulation, there is an obvious simulation overestimation in all models as well as MME, with an overestimation of 1.45 mm·d-1 in MME, and the correlation coefficient between MME and the observed data is 0.21 for the less satisfactory simulation of precipitation trend compared with the temperature.In 2100, the SSP scenarios with low to high emission concentrations of SSP1-2.6, SSP2-4.5, SSP3-7.0, and SSP5-8.5 scenarios are expected to have warming increases of about 1.8, 3.2, 5.2 and 5.8 °C, respectively, relative to the historical baseline period; the precipitation in the Zoige ecological region is expected to increase the most in the low SSP1-2.6 scenario compared with the historical period.The increase in 2100 was about 0.4 mm·d-1 compared to the historical period, while the medium to high concentration SSP2-4.5, SSP3-7.0 and SSP5-8.5 scenarios showed a slight increase and smaller difference in precipitation changes by the end of the 21st century, with increases ranging from 0.1 mm·d-1 to 0.2 mm·d-1.The results of the study can provide scientific basis for water resource management and climate change adaptation research in the upper reaches of the Yellow River, and are also of great significance to the ecological protection of Zoige wetland.

Cite this article

Qin HU , Dongmei QI , Changyan ZHOU , Xianhong MENG , Yaqiong LÜ , Xianyu YANG . Climate Simulation and Future Scenario Projection for the Zoige Ecological Region by CMIP6 High-Resolution Models[J]. Plateau Meteorology, 2025 , 44(2) : 279 -291 . DOI: 10.7522/j.issn.1000-0534.2024.00055

1 引言

若尔盖生态区位于我国西部内陆和青藏高原东北缘, 是黄河上游重要的水源供给区和水源涵养地(戴洋等, 2010唐素贤等, 2016)。它作为青藏高原地区独特的高寒泥炭沼泽湿地, 具有重要的降温增湿作用(Bonan, 1995Krinner, 2003李荫堂等, 2007张一然等, 2022)。该生态区的气候变化不仅会影响当地的生态环境, 还会影响到整个黄河流域的气候状况和生态系统, 对中国西部区域气候稳定起着重要的作用(杨永兴, 1999Zhao et al, 2017孟宪红等, 2020)。
近年来, 若尔盖生态区呈现暖干化的气候变化趋势(郭洁和李国平, 2007戴洋等, 2010孟宪红等, 2020), 沼泽和周围草甸有着严重退化(白军红等, 2008冯文兰等, 2015刘志伟等, 2019)。探究若尔盖生态区气候状况, 以及未来可能的气候变化, 对帮助当地适应气候变化的影响, 保护脆弱的生态系统、 加强区域水资源管理和未来长期可持续发展有着重要意义。
目前, 全球气候模式是研究气候模拟和未来气候变化的实用工具, 被广泛应用于不同区域和时空尺度的气候研究中(Flato et al, 2014Ramesh and Goswami, 2015)。预估未来长时间尺度气候变化, 是当今研究气候演变的重点和难点。国际耦合模式比较项目(Coupled Model Intercomparison Project, CMIP)已组织了6次模式比较项目, 向气候研究人员提供了大量不同试验的全球气候模式数据(O’Neill et al, 2017; Eyring et al, 2019)。在最新的第6次模式比较计划(CMIP6)中, 历史模拟试验(Historical experiment)提供当前时段的气候模拟结果, 这有助于改进气候模式, 同时也是预测未来气候的前提。而未来共享社会经济路径情景试验(the shared socioeconomic pathway experiment, SSP)则是将气候变化情景由简单描述走向了定量化的预估, 使人类社会经济发展水平与温室气体排放相关联, 在气候变化影响与风险评估中得到广泛应用(姜彤等, 2020)。已有前人使用CMIP模式在青藏高原地区进行了气候变化研究和预估(胡芩等, 2014Zhu and Yang, 2020Cui et al, 2021陈炜等, 2021Hu et al, 2022李宛鸿和徐影, 2023陈荣等, 2023; 李博渊和胡芩, 2024), 但对于若尔盖生态区, 利用其中高分辨率模式, 在未来不同排放浓度的共享社会经济路径情景下对其未来气候可能变化预估还尚待研究。
为此, 本文选取CMIP6计划最高分辨率的四个气候系统模式数据, 评估了气候系统模式在若尔盖生态区相对于观测数据在历史气候态基准期(1980 -2014年)的气温和降水模拟能力。并分别对此区域在SSP1-2.6、 SSP2-4.5、 SSP3-7.0、 SSP5-8.5四种不同共享社会经济路径情景在未来时期(2015 -2100年)气温和降水的可能变化进行预估, 探究若尔盖生态区未来气候和降水变化的时空分布规律, 以期为黄河上游水资源科学安全管理及做出应对气候变化决策提供科学依据, 也对若尔盖湿地生态保护有着重要的意义。

2 研究区域与数据方法介绍

2.1 研究区域概况

若尔盖生态区主要位于我国青藏高原东北部, 行政区域包括四川省的若尔盖县、 红原县、 阿坝县和甘肃省的碌曲县和玛曲县。大致范围位于100.4°E -104.6°E、 30.9°N -34.8°N范围内, 其总面积约为4.5×105 km2, 海拔为3400~3900 m。它是我国面积最大和分布最集中的高原泥炭沼泽湿地, 若尔盖生态区地理分布如图1所示, 文中选取100°E -104.5°E、 30.5°N -34.5°N范围为若尔盖生态区研究范围。
图1 若尔盖生态区地理分布

Fig.1 Geographic distribution map of the Zoige ecological region

2.2 数据情况

本文对比分析了CMIP6提供的全部历史模拟试验数据, 根据数据原始分辨率最终选取了AWI-CM-1-1-MR、 EC-Earth3、 EC-Earth3-CC、 MPI-ESM1-2-HR四个高分辨率模式的月平均气温和降水数据用于本文研究, 它们的分辨率在0.70°~0.94°范围内, 有关模式基本信息可以见表1。并在四种不同共享社会经济路径情景中(SSP1-2.6、 SSP2-4.5、 SSP3-7.0和SSP5-8.5)分别进行未来若尔盖生态区气候变化预估。每种路径情景代表不同碳排放和辐射强迫下不同的未来经济发展情况, 未来共享社会经济路径情景基本信息参见表2。更多CMIP6模式细节可查询: http: //cmip-pcmdi.llnl.gov/cmip6。本文使用国家气候中心提供的月平均分辨率为0.25°×0.25°的CN05.1格点化观测数据集作为对比观测资料(吴佳和高学杰, 2013)。本文历史时期基准时段为1980 -2014年, 未来模拟时段为2015 -2100年。为了更好的分时段对未来模拟时段这一较长时期进行分析, 又将研究时段分为了21世纪近期(2015 -2040年)、 中期(2041 - 2060年)和末期(2081 -2100年)。
表1 四个高分辨率CMIP6模式基本信息

Table 1 The basic information about four high resolution CMIP6 models

模式名称 国家 研究机构 分辨率
AWI-CM-1-1-MR 德国 AWI ~0.94°×0.94°
EC-Earth3 欧洲联合 AEMET ~0.70°×0.70°
EC-Earth3-CC 欧洲联合 AEMET ~0.70°×0.70°
MPI-ESM1-2-HR 德国 MPI ~0.94°×0.94°

EC-Earth3-CC模式没有提供SSP1-2.6和SSP3-7.0数据(The EC-Earth3-CC model does not provide data for SSP1-2.6 and SSP3-7.0)

表2 CMIP6未来共享社会经济路径情景基本信息

Table 2 The basic information about CMIP6 future shared socio-economic pathway scenario

情景名称 情景类型 辐射强迫/(W•m-2)(至2100年) 情景类型
SSP1-2.6 低强迫情景 2.6 低辐射强迫、 低社会脆弱性和低减排压力的综合情景
SSP2-4.5 中等 4.5 中等辐射强迫与中等社会脆弱性的综合情景
SSP3-7.0 中等至高强迫情景 7.0 相对高的人为辐射强迫与高社会脆弱性的综合情景
SSP5-8.5 高强迫情景 8.5 高的人为辐射强迫与高社会脆弱性的综合情景

2.3 研究方法

考虑到若尔盖生态区区域范围和便于对历史时期气候系统模式模拟值与观测数据进行比较和评估, 本文采用双线性插值的方法将所有模式数据插值到0.25°×0.25°分辨率。在历史时期量化分析高分辨率CMIP6模式对若尔盖生态区气候模拟能力, 在文中使用了几种统计方法。
相关系数(R)可用来描述模式模拟值与观测值的时空相似性:
R = 1 N n = 1 N ( f n - f ¯ ) ( r n - r ¯ ) / σ r σ f
式中: N为气温或降水在研究区域内的格点总数; f为模式模拟值, f ¯为模式模拟平均值; r为观测值, r ¯为观测平均值; σ r σ f为观测值与模式模拟值的标准差。
观测场的标准差( σ r)和模拟场的标准差( σ f)定义为:
σ r = 1 N n = 1 N ( r n - r ¯ ) 2
σ f = 1 N n = 1 N ( f n - f ¯ ) 2
标准差之比代表观测场和模拟场之间的相对离散程度, 如标准差之比接近于1, 说明两组数据的离散程度相似; 如标准差之比大于1, 表示第一个数据集中的数据相对于第二个数据集更分散或更不稳定。
均方根误差(RMSE)可用来体现观测场和模拟场之间的偏差, 范围在0至无穷大, 数值越低代表模拟效果越好, 反之则越差。定义为:
R M S E = 1 N n = 1 N ( f n - r n ) 2

3 若尔盖生态区气温和降水模拟情况

图2(a)为AWI-CM-1-1-MR、 EC-Earth3、 EC-Earth3-CC、 MPI-ESM1-2-HR四个高分辨率模式在历史气候态基准时期1980 -2014年若尔盖生态区平均气温及多模式集合平均(MME)与观测数据对比图。从图2(a)可以看到, 在整个历史气候态基准时期各个模式模拟气温结果都是显著上升的, 上升趋势与观测数据较为一致。各模式与观测数据年平均相关系数依次为0.67、 0.59、 0.52和0.54, MME与观测数据相关系数为0.75, 均通过了95%显著性水平检验。这说明模式可以很好地重现观测的变化趋势, 特别是MME结果对比单个模式更为准确。但是值得注意的是, 模式模拟明显存在冷偏差, 除AWI-CM-1-1-MR模式外, 其余模式在整个时段模拟结果几乎都比观测数据偏低。多年平均结果中各模式依次比观测偏低0.06、 1.80、 1.30和0.43 ℃, MME对比观测数据偏低0.75 ℃。这与前人研究中在高原地区气候系统模式存在着对于气温的冷偏差相一致, 但是偏差小于整个青藏高原地区(胡芩等, 2014Zhu and Yang, 2020陈炜等, 2021Hu et al, 2022)。图2(b)则为降水时间序列图, 图2(b)中显示各个模式以及MME的降水模拟结果都明显较观测资料偏多, 各模式依次偏多2.07、 0.84、 0.91和1.99 mm·d-1, MME偏多1.45 mm·d-1。与气温模拟相比, 模式模拟的降水变化趋势并没有很好地重现观测数据的变化趋势, 降水年平均MME与观测数据的相关系数为0.21, 通过了95%显著性水平检验。
图2 1980-2014年若尔盖生态区平均气温(a, 单位: ℃)和降水量(b, 单位: mm·d-1)时间序列图

Fig.2 Time series of average temperature (a, unit: ℃) and precipitation (b, unit: mm·d-1) in the Zoige ecological region from 1980 to 2014

再从空间分布态来看一下模式结果与观测数据的对比。对比CN05.1观测数据, CMIP6模式在若尔盖生态区可较好模拟出气温呈现东南-西北方向降低的分布形态(图3), 但较明显在西部存在气温显著低估的状况, 特别是在EC-Earth3和EC-Earth3-CC模式中。但AWI-CM-1-1-MR和MPI-ESM1-2-HR模式对于东南部暖区模拟也存在低估的情况。这与模式的晴空长波辐射模拟偏弱有关(Wang et al, 2023Wu et al, 2023), 地表辐射和感热通量的模拟偏差会引起冷偏差, 而地表反照率的高估也与积雪覆盖参数化不足有关(Fletcher et al, 2015Meng et al, 2018)。另外, 高海拔地区观测站通常建在平坦的地形或山谷中, 模型中的预设地形高于实际值, 导致了气温的低估(Yang et al, 2016)。
图3 若尔盖生态区1980 -2014年CMIP6模式AWI-CM-1-1-MR、 EC-Earth3、 EC-Earth3-CC和MPI-ESM1-2-HR, 与CN05.1观测数据(Obs)多年平均气温分布(单位: ℃)

Fig.3 The multi-year average temperature distribution based on the CMIP6 models AWI-CM-1-1-MR, EC-Earth3, EC-Earth3-CC, and MPI-ESM1-2-HR compared with the CN05.1 observational data (Obs) in the Zoige ecological region during 1980 -2014.Unit: ℃

若尔盖生态区1980 -2014年CMIP6模式与CN05.1观测数据多年平均降水分布如图4所示。模式可以模拟出若尔盖地区南部降水偏多, 北部降水偏少的分布型, 但在南部存在较大的高估, 放大了观测数据中降水量的大值区量级和范围。气候系统模式中对于降水的高估通常与陡峭地形地区水汽平流的处理不足相关(Zhang and Li, 2016; Xu et al, 2018)。对比来说, EC-Earth3和EC-Earth3-CC模式相比AWI-CM-1-1-MR和MPI-ESM1-2-HR模式模拟分布型较好。
图4 若尔盖生态区1980 -2014年CMIP6模式AWI-CM-1-1-MR、 EC-Earth3、 EC-Earth3-CC和MPI-ESM1-2-HR, 与CN05.1观测数据(Obs)多年平均降水分布(单位: mm·d-1

Fig.4 The multi-year average precipitation distribution based on the CMIP6 models AWI-CM-1-1-MR, EC-Earth3, EC-Earth3-CC, and MPI-ESM1-2-HR compared with the CN05.1 observational data (Obs) in the Zoige ecological region during 1980 -2014.Unit: mm·d-1

进一步计算了1980 -2014年若尔盖生态区四个CMIP6高分辨率模式气温模拟场与观测场之间的对比统计量, 包括月平均时间相关系数、 多年平均空间相关系数、 均方根误差和两者标准差之比(表3)。结果表明各个模式时间相关系数和空间相关系数都表现的较为优异, AWI-CM-1-1-MR、 EC-Earth3、 EC-Earth3-CC和MPI-ESM1-2-HR与月平均观测数据的时间相关系数分别为0.80、 0.86、 0.71和0.68, 都通过了95%显著性检验。多年平均空间相关系数依次为0.95、 0.98、 0.98和0.95, 同样通过了95%显著性检验。这说明CMIP6高分辨率模式气温要素在时间趋势变化和空间分布中对若尔盖生态区模拟较好。再对比均方根误差, AWI-CM-1-1-MR、 EC-Earth3-CC和MPI-ESM1-2-HR三个模式相对较小, 都为1.5左右, 而EC-Earth3模式均方根误差为1.98, 偏差相比较大。模拟场标准差与观测场标准差之比, EC-Earth3和EC-Earth3-CC是表现较好的模式, 模拟场标准差与观测场标准差之比接近于1。总体来说, 各个模式的表现在不同方面各有优劣, 但对比观测资料都能较好的刻画气温在若尔盖生态区的气候态情况。
表3 1980 -2014年若尔盖生态区CMIP6模式气温模拟结果与CN05.1观测资料统计关系

Table 3 The statistical relationship between the temperature simulation results of CMIP6 models and the CN05.1 observational data in the Zoige ecological region during 1980 -2014

模式名称 时间相关系数 空间相关系数 均方根误差 模拟场与观测场标准差之比
AWI-CM-1-1-MR 0.80 0.95 1.54 0.76
EC-Earth3 0.86 0.98 1.98 0.95
EC-Earth3-CC 0.71 0.98 1.51 0.96
MPI-ESM1-2-HR 0.68 0.95 1.53 0.81
同样地, 1980 -2014年若尔盖生态区CMIP6模式降水量模拟结果与CN05.1观测资料统计关如表4所示。AWI-CM-1-1-MR模式在与观测数据的月平均时间相关系数和多年平均空间相关系数中表现最好, 分别为0.62和0.85, 通过了95%的显著性检验。MPI-ESM1-2-HR模式与观测数据的多年平均空间相关系数同样也为0.85。EC-Earth3模式与观测数据的月平均时间系数表现在四个模式中较差, 为0.28, 但也通过了95%的显著性检验。但EC-Earth3模式, 以及EC-Earth3-CC模式在均方根误差中表现优异, 分别为1.05和1.12, 而AWI-CM-1-1-MR模式和MPI-ESM1-2-HR模式均方根误差则较大, 分别为2.19和2.11。而模拟场与观测场标准差表明四个高分辨率CMIP6模式表现地都不理想, 依次分别为2.66、 2.24、 2.31和2.59, 均远超于1, 这说明模式模拟场数据的离散程度远远超过了观测场数据。总体来说, 由于降水数据的不连续性等因素, CMIP6高分辨率模式在若尔盖生态区相较于气温要素模拟较不理想, 这也同青藏高原气候系统模式对气温和降水要素的模拟情况相一致(胡芩等, 2014Cui et al, 2021陈炜等, 2021Hu et al, 2022张春雨等, 2023; 李博渊和胡芩, 2024)。
表4 1980 -2014年若尔盖生态区CMIP6模式降水量模拟结果与CN05.1观测资料统计关系

Table 4 The statistical relationship between the precipitation simulation results of CMIP6 models and the CN05.1 observational data in the Zoige ecological region during 1980 -2014

模式名称 时间相关系数 空间相关系数 均方根误差 模拟场与观测场标准差之比
AWI-CM-1-1-MR 0.62 0.85 2.19 2.66
EC-Earth3 0.28 0.73 1.05 2.24
EC-Earth3-CC 0.41 0.74 1.12 2.31
MPI-ESM1-2-HR 0.50 0.85 2.11 2.59

4 若尔盖生态区未来不同情景气温和降水预估情况

准确模拟高海拔地区气候特征一直是气候模拟领域的难题(Wang et al, 2018Yu et al, 2019)。虽然在若尔盖生态区CMIP6高分辨率模式普遍存在对气温的模拟低估和对降水的高估, 但是我们可以用未来时段气候要素相对于历史气候基准时段的变化量, 分析未来气候的可能变化。
四种不同未来共享社会经济路径情景下, 2015 -2100年CMIP6模式对比于1980 -2014年历史时期, 若尔盖生态区气温变化(图5)。从图5中可以看到, 四种SSP情景下, 若尔盖生态区未来气温对比与历史时期都是增加的。随着不同未来共享社会经济路径情景温室气体浓度的增加, 若尔盖生态区气温变化趋势也显著提升。在最低浓度未来共享社会经济路径情景SSP1-2.6中, 未来时期若尔盖生态区气温增长较不显著, 预估2100年增温相对于历史时期约为1.8 ℃; 而在最高浓度情景SSP5-8.5中, 若尔盖生态区气温显著增加, 到2100年, 增温相对于历史时期约为5.8 ℃。中等浓度和中高浓度情景SSP2-4.5和SSP3-7.0, 21世纪末增温相对于历史时期分别为3.2 ℃和5.2 ℃。在这种增温幅度下, 会对若尔盖生态区水资源、 生态环境和生物多样性保护带来极大挑战。
图5 对比于1980 -2014年历史时期, 2015 -2100年CMIP6高分辨率模式MME四种SSP情景下若尔盖生态区气温预估时间序列图

细直线为变化趋势, 阴影区域为95%的置信区间

Fig.5 The temperature projection time series for the Zoige ecological region from 2015 to 2100 under MME of four SSP scenarios of CMIP6 high-resolution models, compared to the historical period of 1980 -2014.Thin lines represent the trend of change, and the shaded areas indicate the 95% confidence interval

对应的2015 -2100年CMIP6模式四种未来共享社会经济路径情景下对比于1980 -2014年历史时期, 若尔盖生态区降水量变化(图6)。与气温要素不同的是, 降水量的变化增长并不随着SSP情景浓度增长而线性增长。在低浓度SSP情景SSP1-2.6中, 若尔盖生态区降水量相比于历史时期降水量增加最为显著, 2100年增幅对比历史时期约为0.4 mm·d-1。而中等浓度到高浓度SSP2-4.5、 SSP3-7.0和SSP5-8.5情景, 到21世纪末期降水变化较小且差异微弱, 但对比历史基准时期都略有增长, 增加幅度为0.1~0.2 mm·d-1
图6 对比于1980 -2014年历史时期, 2015 -2100年CMIP6高分辨率模式MME在四种SSP情景下若尔盖生态区降水预估时间序列图

Fig.6 The precipitation projection time series for the Zoige ecological region from 2015 to 2100 under MME of four SSP scenarios of CMIP6 high-resolution models, compared to the historical period of 1980 -2014.Thin lines represent the trend of change, and the shaded areas indicate the 95% confidence interval

进一步分析了若尔盖生态区气候要素在未来不同时期不同SSP情景下空间分布态的变化特征。若尔盖生态区四种SSP情景下未来近期(2015 - 2040年)、 中期(2041 -2060年)、 末期(2081 -2100年)和整个时期(2015 -2100年)CMIP6模式气温多模式平均预估结果空间分布(图7)。若尔盖生态区在未来时段及其子时期其气温空间分布仍呈现东南-西北由高到低的分布形态。增温快的区域位于生态区东南部, 增温较慢的区域在生态区西北部。若尔盖生态区东南部海拔相对较低, 地势陡峭, 有多条河流分布在此, 而西北部则是海拔相对较高的湿地。区域增温的不均匀性将会对未来的水资源变化带来极大的影响。在中期和末期, 气温明显比早期增加明显, 在中高等和高等SSP情景SSP3-7.0和SSP5-8.5表现更为突出, 特别是在21世纪末期。
图7 若尔盖生态区四种情景SSP1-2.6、 SSP2-4.5、 SSP3-7.0和SSP5-8.5未来近期(2015 -2040年, 第一列)、 中期(2041 -2060年, 第二列)、 末期(2081 -2100年, 第三列)和整个时期(2015 -2100年, 第四列)CMIP6模式气温多模式平均预估结果空间分布(单位: ℃)

Fig.7 Spatial distribution of multi-model average temperature projection of CMIP6 models under four scenarios-SSP1-2.6, SSP2-4.5, SSP3-7.0, and SSP5-8.5 for the near term (2015 -2040, first column), the middle term (2041 -2060, second column), the end term (2081 -2100, third column) and the entire period (2015 -2100, fourth column) in the Zoige ecological region.Unit: °C

降水量在未来时期的分布, 与历史基准时期类似, 仍然在若尔盖生态区南部偏东位置有一个大的降水中心(图8)。在这种降水未来分布下, 若尔盖生态区东南部地形陡峭, 容易形成泥石流等地质灾害, 在此区域内的河流径流量也会有很大改变; 西北湿地区域则受降水变化的影响较小。值得注意的是, 若尔盖生态区降水预估结果未来分布, 低排放SSP情景SSP1-2.6下, 降水增加明显比其余情景更多, 降水大致中心分布也更为广泛, 特别是在21世纪末期, 这也与图6中结果相一致。近年来, 若尔盖生态区呈现暖干化的气候变化趋势(郭洁和李国平, 2007戴洋等, 2010孟宪红等, 2020)。而由高分辨率CMIP6模式预估结果可知, 未来若尔盖生态区降水变化严格受到温室气体排放的影响, 只有在采取非常严格的减排措施SSP1-2.6情景下, 此地降水才会有较明显的增加。
图8 若尔盖生态区四种情景SSP1-2.6、 SSP2-4.5、 SSP3-7.0和SSP5-8.5未来近期(2015 -2040年, 第一列)、 中期(2041 -2060年, 第二列)、 末期(2081 -2100年, 第三列)和整个时期(2015 -2100年, 第四列)CMIP6模式降水多模式平均预估结果空间分布(单位: mm·d-1

Fig.8 Spatial distribution of multi-model average precipitation projection of CMIP6 models under four scenarios-SSP1-2.6, SSP2-4.5, SSP3-7.0, and SSP5-8.5, for the near term (2015 -2040, first column), the middle term (2041 -2060, second column), the end term (2081 -2100, third column) and the entire period (2015 -2100, fourth column) in the Zoige ecological region (unit: mm·d-1

气候预估的不确定性主要包括未来情景的不确定性、 模式的不确定性和气候内部变率的不确定性(IPCC, 2021)。图9可知CMIP6高分辨率各模式对若尔盖生态区温度和降水预估结果的差异性。温度在各个模式之间差异小于1 ℃, 在SSP5-8.5情景差异最小, 为0.5 ℃。降水差异性在0.75~0.96 mm·d-1之间。
图9 若尔盖生态区2015 -2100年温度(单位: ℃)和降水(单位: mm·d-1)CMIP6多模式预估结果箱须图

上、 中、 下的横线分别代表上四分位数, 中位数, 下四分位数; 上下线段分别为最大值和最小值

Fig.9 The boxplot of temperature (unit: °C) and precipitation (unit: mm·d⁻¹) based on CMIP6 models for the Zoige ecological region, where the upper, middle, and lower horizontal lines represent the upper quartile, median, and lower quartile, respectively; the upper and lower whiskers indicate the maximum and minimum values of the data

5 结论

本文使用高分辨率CMIP6气候系统模式对若尔盖生态区气温、 降水要素在历史基准气候态的模拟能力进行了评估, 并对未来四种未来共享社会经济路径情景下若尔盖生态区未来可能的气候状况进行了预估。得到了如下结果:
(1) 四种高分辨率CMIP6模式AWI-CM-1-1-MR、 EC-Earth3、 EC-Earth3-CC和MPI-ESM1-2-HR都可以模拟出若尔盖生态区气温在当前历史基准气候态的变化趋势, 各模式与观测数据年平均相关系数依次为0.67、 0.59、 0.52和0.54, MME与观测数据相关系数为0.75, 均通过了95%显著性水平检验; 但是模式模拟明显存在冷偏差, 多年平均结果中各模式依次比观测偏低0.06、 1.80、 1.30和0.43 ℃, MME对比观测数据偏低0.75 ℃。模式也可以模拟出气温呈现东南-西北方向降低的分布形态, 但较明显在西部存在气温显著低估的状况。
(2) 对于降水模拟, 各个模式以及MME都明显存在模拟高估, 各模式依次偏多2.07、 0.84、 0.91和1.99 mm·d-1, MME偏多1.45 mm·d-1, MME与观测数据的相关系数为0.21, 通过了95%显著性检验; 模式可以模拟出若尔盖地区南部降水偏多, 北部降水偏少的分布型, 但在南部存在较大的高估。对于气温变化趋势的模拟相比降水更理想。
(3) 未来预估结果中, 预计到2100年, SSP情景排放浓度从低到高SSP1-2.6、 SSP2-4.5、 SSP3-7.0和SSP5-8.5情景分别相对于历史基准时期增温1.8、 3.2、 5.2和5.8 ℃; 若尔盖生态区在未来时段及其子时期其气温空间分布仍呈现东南—西北由高到低的分布形态; 在中期和末期, 气温明显比早期增加明显, 在中高等和高等SSP情景SSP3-7.0和SSP5-8.5表现更为突出, 特别是在21世纪末期。
(4) 若尔盖生态区降水量相比于历史时期在低浓度SSP1-2.6情景下增加最为显著, 2100年增幅对比历史时期约为0.4 mm·d-1, 而中等浓度到高浓度SSP2-4.5、 SSP3-7.0和SSP5-8.5情景, 到21世纪末期降水变化略有增长且差异较小, 增加幅度为0.1~0.2 mm·d-1之间; 空间分布态仍在若尔盖生态区南部偏东位置呈现有一个大的降水中心。温度在各个模式之间差异小于1 ℃, 在SSP5-8.5情景差异最小, 为0.5 ℃。降水差异性在0.75~0.96 mm·d-1之间。
总体来说, CMIP6高分辨率模式对于若尔盖生态区气温和降水的模拟与观测数据之间仍然存在一定的偏差, 低估了若尔盖生态区在当前气候基准态的气温和高估了降水量。此地气候状况的复杂性、 独特的地理环境、 台站观测数据偏少以及气候系统模式的不完善性, 使得准确模拟高海拔地区气候特征一直是气候模拟领域的难题(Wang et al, 2018Yu et al, 2019)。但使用CMIP6高分辨率模式对若尔盖生态区未来在不同SSP情景下气候可能变化进行预估, 仍可对认识此地气候变化趋势有一定的帮助。下一步工作计划使用合理的统计或动力降尺度方法对气候系统模式数据在若尔盖生态区的模拟进行进一步分析, 或使用CMIP6高分辨率模式比较计划(HighResMIP)数据对未来气候变化进行进一步的分析。
Bonan G B1995.Sensitivity of a GCM simulation to inclusion of inland water surfaces[J].Journal of Climate8(11): 2691-2704.DOI: 10.1175/1520-0442(1995)008<2691: SOAGST>2.0.CO; 2 .

Cui T Li C Tian F Q2021.Evaluation of temperature and precipitation simulations in CMIP6 models over the Tibetan Plateau[J].Earth and Space Science8(7): e2020EA001620.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 Change9(2): 102-110.DOI: 10.1038/s41558-018-0355-y .

Flato G Marotzke J Abiodun B, et al, 2014.Evaluation of climate models[M].Climate Change 2013: The Physical Science Basis.Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change.Cambridge University Press, 741-866.

Fletcher C G Thackeray C W Burgers T M2015.Evaluating biases in simulated snow albedo feedback in two generations of climate models[J].Journal of Geophysical Research: Atmospheres120(1): 12-26.DOI: 10.1002/2014JD022546 .

Hu Q Hua W Yang K Q, et al, 2022.An assessment of temperature simulations by CMIP6 climate models over the Tibetan Plateau and differences with CMIP5 climate models[J].Theoretical and Applied Climatology148(1-2): 223-236.DOI: 10.1007/s00704-022-03944-6 .

IPCC, 2021.Climate Change 2021: The physical science basis: contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change[M].Cambridge: Cambridge University Press, Cambridge, United Kingdom and New York, USA, 3-32.

Krinner G2003.Impact of lakes and wetlands on boreal climate[J].Journal of Geophysical Research: Atmospheres108(D16): 4520.DOI: 10.1029/2002JD002597 .

Meng X H Lyu S H Zhang T T, et al, 2018.Simulated cold bias being improved by using MODIS time-varying albedo in the Tibetan Plateau in WRF model[J].Environmental Research Letters13(4): 044028.DOI: 10.1088/1748-9326/aab44a .

O'Neill B C Kriegler E Ebi K L, et al, 2017.The roads ahead: Narratives for shared socioeconomic pathways describing world futures in the 21st century[J].Global Environmental Change, 42, 169-180.DOI: 10.1016/j.gloenvcha.2015.01.004 .

Ramesh K V Goswami P2015.Assessing reliability of regional climate projections: the case of Indian monsoon[J].Scientific Reports4(1): 4071.DOI: 10.1038/srep04071 .

Wang L Q Liu Z C Lang X M Jiang D B2023.Understanding surface air temperature cold bias over China in CMIP6 models[J].Journal of Geophysical Research: Atmospheres, 128: e2023JD039515.DOI: 10.1029/2023JD039515 .

Wang X J Pang G J Yang M X2018.Precipitation over the Tibetan Plateau during recent decades: a review based on observations and simulations[J].International Journal of Climatology38(3): 1116-1131.DOI: 10.1002/joc.5246 .

Wu Y T Hu X M Li Z N, et al, 2023.Remote effect of model systematic bias in tropical SST on the cold bias over the Tibetan Plateau[J].Climate Dynamics60(7-8), 2219-2234.DOI: 10. 1007/s00382-022-06421-y.Xu J W , KoldunovN, RemedioAR C, et al, 2018.On the role of horizontal resolution over the Tibetan Plateau in the REMO regional climate model[J].Climate Dynamics, 51(11-12): 4525-4542.DOI: 10.1007/s00382-018-4085-7 .

Yang H Jiang Z H Li L2016.Biases and improvements in three dynamical downscaling climate simulations over China[J].Climate Dynamics47(9-10): 3235-3251.DOI: 10.1007/s00382-016-3023-9 .

Yu R C Zhang Y Wang J J, et al, 2019.Recent Progress in Numerical Atmospheric Modeling in China[J].Advances in Atmospheric Sciences, 36(): 938-960.DOI: 10.1007/s00376-019-8203-1 .

Zhang Y Li J2016.Impact of moisture divergence on systematic errors in precipitation around the Tibetan Plateau in a general circulation model[J].Climate Dynamics47(9-10): 2923-2934.DOI: 10.1007/s00382-016-3005-y .

Zhao N Xu M Z Li Z W, et al, 2017.Macroinvertebrate distribution and aquatic ecology in the Ruoergai (Zoige) Wetland, the Yellow River source region[J].Frontiers of Earth Science11 (3): 554-564.DOI: 10.1007/s11707-016-0616-x .

Zhu Y Y Yang S N2020.Evaluation of CMIP6 for historical temperature and precipitation over the Tibetan Plateau and its comparison with CMIP5[J].Advances in Climate Change Research11(3): 239-251.DOI: 10.1016/j.accre.2020.08.001 .

白军红, 欧阳华, 崔保山, 等, 2008.近40 年来若尔盖高原高寒湿地景观格局变化[J].生态学报28(5): 2245-2252.DOI: 10.3321/j.issn: 1000-0933.2008.05.041.Bai J H

Ouyang H Cui B S, et al, 2008.Changes in landscape pattern of alpine wetlands on the Zoige Plateau in the past four decades[J].Acta Ecologica Sinica28(5): 2245-2252.DOI: 10.3321/j.issn: 1000-0933.2008.05.041 .

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): 305-319.DOI: 10.7522/j.issn.1000-0534.2021.00084.Chen Y

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 Meteorology42(2): 305-319.DOI: 10.7522/j.issn.1000-0534.2021.00084 .

陈炜, 姜大膀, 王晓欣, 2021.CMIP6模式对青藏高原气候的模拟能力评估与预估研究[J].高原气象40(6): 1455-1469.DOI: 10.7522/j.issn.1000-0534.2021.zk003.Chen W

Jiang D B Wang X X2021.Evaluation and projection of CMIP6 models for climate over the Qinghai-Xizang (Tibetan) Plateau[J].Plateau Meteorology40(6): 1455-1469.DOI: 10.7522/j.issn.1000-0534.2021.zk003 .

戴洋, 罗勇, 王长科, 等, 2010.1961-2008年若尔盖高原湿地的气候变化和突变分析[J].冰川冻土32(1): 35-42.DOI: 10.7522/j.issn.1000-0240.2010.0005.Dai Y

Luo Y Wang C K, et al, 2010.Climate variation and abrupt change in wetland of Zoige Platea during 1961-2008[J].Journal of Glaciology and Geocryology32(1): 35-42.DOI: 10.7522/j.issn.1000-0240.2010.0005 .

冯文兰, 钟昊哲, 王永前, 等, 2015.2001-2013年若尔盖地区植被退化的时空格局分析[J].草地学报23(2): 239-245.DOI: 10.11733/j.issn.1007-0435.2015.02.004.Feng W L

Zhong H Z Wang Y Q, et al, 2015.Spatio-temporal analyses of vegetation degradation patterns in Zoige from 2001 to 2013[J].Acta Agrestia Sinica23(2): 239-245.DOI: 10.11733/j.issn.1007-0435.2015.02.004 .

郭洁, 李国平, 2007.若尔盖气候变化及其对湿地退化的影响[J].高原气象26(2): 422-428.DOI: 10.3321/j.issn: 1000-0534.2007.02.027.Guo J

Li G P2007.Climate change in Zoige Plateau marsh wetland and its impact on wetland degradation [J].Plateau Meteorology26(2): 422-428.DOI: 10.3321/j.issn: 1000-0534.2007.02.027 .

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.DOI: 10.3878/j.issn.1006-9895.2013.13197.Hu Q

Jiang D B Fang G Z2014.Evaluation of CMIP5 models over the Qinghai-Tibetan Plateau[J].Chinese Journal of Atmospheric Sciences38(5): 924-938.DOI: 10.3878/j.issn.1006-9895.2013.13197 .

姜彤, 王艳君, 苏布达, 等, 2020.全球气候变化中的人类活动视角: 社会经济情景的演变[J].南京信息工程大学学报(自然科学版)12(1): 68-80.DOI: 10.13878/j.cnki.jnuist.2020.01.009.Jiang T

Wang Y J Su B D, et al, 2020.Perspectives of human activities in global climate change: evolution of socio-economic scenarios 2020[J].Journal of Nanjing University of Information Science & Technology (Natural Science Edition)12(1): 68-80.DOI: 10.13878/j.cnki.jnuist.2020.01.009 .

李博源, 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 Q2024.Multi-Scenario projection of future precipitation over the Qinghai-Xizang (Tibetan) Plateau based on CMIP6 model assessment results[J].Plateau Meteorology43(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 Y2023.Evaluation and projection of extreme temperature indices over the Qinghai-Xizang Plateau by CMIP6 Models[J].Plateau Meteorology42(2): 305-319.DOI: 10.7522/j.issn.1000-0534.2022.00032 .

李荫堂, 李志勇, 方飞, 等, 2007.湿地降温增湿效应的数值模拟研究[J].西安交通大学学报41(7): 825-828.DOI: 10.3321/j.issn: 0253-987X.2007.07.016.Li Y T

Li Z Y Fang F, et al, 2007.Numerical simulation on cooling and humidifying effects of wetlands[J].Journal of Xi'an Jiaotong University41(7): 825-828.DOI: 10.3321/j.issn: 0253-987X.2007.07.016 .

刘志伟, 李胜男, 韦玮, 等, 2019.近三十年青藏高原湿地变化及其驱动力研究进展[J].生态学杂志38(3): 856-862.DOI: 10.13292/j.1000-4890.201903.002.Liu Z W

Li S N Wei W, et al, 2019.Research progress on alpine wetland changes and driving forces in Qinghai-Tibet Plateau during the last three decades[J].Chinese Journal of Ecology38(3): 856-862.DOI: 10.13292/j.1000-4890.201903.002 .

孟宪红, 陈昊, 李照国, 等, 2020.三江源区气候变化及其环境影响研究综述[J].高原气象39(6): 1133-1143.DOI: 10.7522/j.issn.1000-0534.2019.00144.Meng X H

Chen H Li Z G, et al, 2020.Review of climate change and its environmental influence on the Three-River Regions[J].Plateau Meteorology39(6): 1133-1143.DOI: 10.7522/j.issn.1000-0534.2019.00144 .

唐素贤, 马坤, 张英虎, 等, 2016.若尔盖高寒湿地蓄水能力评估[J].水土保持通报36(3): 219-223.DOI: 10.13961/j.cnki.stbctb.2016.03.037.Tang S X

Ma K Zhang Y H, et al, 2016.Assessment of water storage capacity in Zoige Alpine wetland[J].Bulletin of Soiland Water Conservation36(3): 219-223.DOI: 10.13961/j.cnki.stbctb.2016.03.037 .

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它资料的对比[J].地球物理学报56(4): 1102-1111.DOI: 10.6038/cjg20130406.Wu J

Gao X J2013.A gridded daily observation dataset over China region and comparison with the other datasets[J].Chinese Journal of Geophysics56(4): 1102-1111.DOI: 10.6038/cjg20130406 .

杨永兴, 1999.若尔盖高原生态环境恶化与沼泽退化及其形成机制[J].山地学报17(4): 318-323.DOI: 10.16089/j.cnki.1008-2786.1999.04.006.Yang Y X , 1999.Ecological environment deterioration, mire degeneration and their formation mechanism in the Zoige Plateau[J].Journal of Mountain Science, 17(4): 318-323.DOI: 10.16089/j.cnki.1008-2786.1999.04.006 .

张春雨, 刘爱利, 吕嫣冉, 等, 2023.基于CMIP6青藏高原腹地气候模拟评估及时空分析[J].高原气象42(5): 1144-1159.DOI: 10.7522/j.issn.1000-0534.2022.00104.Zhang C Y

Liu A L Y R, et al, 2023.Spatial-temporal analysis and assessment of CMIP6 based climate simulation over the Qinghai-Xizang (Tibet) Plateau's hinterland[J].Plateau Meteorology42(5): 1144-1159.DOI: 10.7522/j.issn.1000-0534.2022.00104 .

张一然, 文小航, 罗斯琼, 等, 2022.近20 年若尔盖湿地植被覆盖变化与气候因子关系研究[J].高原气象41 (2): 317-327.DOI: 10.7522/j.issn.1000-0534.2021.00076.Zhang Y R

Wen X H Luo S Q, et al, 2022.Study on the relationship between vegetation cover change and climate Factors in Zoige wetland in recent 20 Years[J].Plateau Meteorology41 (2): 317-327.DOI: 10.7522/j.issn.1000-0534.2021.00076 .

Outlines

/