CMIP5全球氣候模式對青藏高原地區(qū)氣候模擬能力評估

胡芩1, 2 姜大膀1, 3 范廣洲2

?

CMIP5全球氣候模式對青藏高原地區(qū)氣候模擬能力評估

胡芩姜大膀范廣洲

1中國科學(xué)院大氣物理研究所竺可楨—南森國際研究中心，北京100029;2成都信息工程學(xué)院，成都610225;3中國科學(xué)院氣候變化研究中心，北京100029

青藏高原是氣候變化的敏感和脆弱區(qū)，全球氣候模式對于這一地區(qū)氣候態(tài)的模擬能力如何尚不清楚。為此，本文使用國際耦合模式比較計(jì)劃第五階段（CMIP5）的歷史模擬試驗(yàn)數(shù)據(jù)，評估了44個(gè)全球氣候模式對1986~2005年青藏高原地區(qū)地表氣溫和降水兩個(gè)基本氣象要素的模擬能力。結(jié)果表明，CMIP5模式低估了青藏高原地區(qū)年和季節(jié)平均地表氣溫，年均平均偏低2.3°C，秋季和冬季冷偏差相對更大；模式可較好地模擬年和季節(jié)平均地表氣溫分布型，但模擬的空間變率總體偏大；地形效應(yīng)校正能夠有效訂正地表氣溫結(jié)果。CMIP5模式對青藏高原地區(qū)降水模擬能力較差。盡管它們能夠模擬出年均降水自西北向東南漸增的分布型，但模擬的年和季節(jié)降水量普遍偏大，年均降水平均偏多1.3 mm d，這主要是源于春季和夏季降水被高估。同時(shí)，模式模擬的年和季節(jié)降水空間變率也普遍大于觀測值，尤其表現(xiàn)在春季和冬季。相比較而言，44個(gè)模式集合平均性能總體上要優(yōu)于大多數(shù)單個(gè)模式；等權(quán)重集合平均方案要優(yōu)于中位數(shù)平均；對擇優(yōu)挑選的模式進(jìn)行集合平均能夠提高總體的模擬能力，其中對降水模擬的改進(jìn)更為顯著。

CMIP5模式 青藏高原 評估

1 引言

根據(jù)政府間氣候變化專門委員會(huì)（IPCC）第四次評估報(bào)告的主要結(jié)論，1906～2005年全球平均地表氣溫增加了0.74±0.18°C，最近50年的變暖很可能是由人類活動(dòng)造成的，當(dāng)代和未來氣候與環(huán)境變化問題越來越受到重視（IPCC，2007）。青藏高原是世界上海拔最高且地形復(fù)雜的高原，它通過動(dòng)力強(qiáng)迫和熱力作用在東亞和全球大氣環(huán)流中扮演著重要角色（吳國雄等，2005；Zhou et al., 2009）。由于自然生態(tài)環(huán)境惡劣，經(jīng)濟(jì)基礎(chǔ)薄弱，特別是作為主要產(chǎn)業(yè)的農(nóng)牧業(yè)易受氣候變化的不利影響，青藏高原地區(qū)是氣候變化的敏感和脆弱區(qū)域。在全球變暖背景下，20世紀(jì)中期以來青藏高原地區(qū)升溫現(xiàn)象十分顯著，氣候變化所造成的影響日益顯現(xiàn)（Liu and Chen, 2000；任國玉等，2005）。

根據(jù)有限的觀測資料，以往研究發(fā)現(xiàn)青藏高原氣候變暖與北半球和中國變暖有趨勢上的一致性和增溫突變時(shí)間上的差異性，青藏高原顯著增溫始于1980年代中期，滯后于中國大部分區(qū)域，這可能與局地冰雪反照率、寒潮和冰川融化吸熱等因素有關(guān)（Niu et al., 2004；丁一匯和張莉，2008；Wang et al., 2010；Guo and Wang，2011）。另一方面，近幾十年來青藏高原地區(qū)降水增加，表現(xiàn)在高原冬春季降水顯著增加，汛期降水微弱增加（韋志剛等，2003）；相對濕度和蒸發(fā)量也呈上升趨勢，但同時(shí)卻變得更為干旱，這一結(jié)果可能與氣候變暖相聯(lián)系（王遵婭等，2004；Xie et al., 2010）。然而，由于青藏高原地區(qū)氣象站點(diǎn)少，有效器測數(shù)據(jù)時(shí)段短，特別是在高原西部和中部地區(qū)，相應(yīng)的氣候變化認(rèn)識(shí)仍存在著很大的不確定性。

氣候模式是根據(jù)基本的物理和化學(xué)等定律所建立的描述氣候系統(tǒng)行為的數(shù)學(xué)物理方程組，它自1970年代以來迅速發(fā)展，已成為研究天氣和氣候變化的主要工具，例如中國氣候變化預(yù)估工作（Wang et al., 1993；Yu et al., 2008；Gao et al., 2011；Chen, 2013；Land and Sui, 2013；Sun and Ao, 2013）和青藏高原氣候變化歸因分析（Chen et al., 2003；Duan et al., 2006）。然而需要指出的是，任何氣候模式模擬試驗(yàn)都只是實(shí)際天氣和氣候系統(tǒng)的某種近似（曾慶存等，1989），在利用氣候模式進(jìn)行模擬之初，需要對其能力進(jìn)行必要的檢驗(yàn)以便不斷改進(jìn)氣候模式效能并客觀評價(jià)模擬結(jié)果的信度和不確定性。就中國區(qū)域而言，由于東亞季風(fēng)系統(tǒng)的復(fù)雜性和青藏高原地形的復(fù)雜影響，氣候時(shí)空變率大，早期氣候模式的能力還存在著不足之處，諸如模擬地表氣溫的冷偏差和對降水的高估，特別是模式誤差在青藏高原地區(qū)存在放大現(xiàn)象（王淑瑜和熊喆，2004；Jiang et al., 2005；Ding et al., 2007；許崇海等，2007；張莉等，2008）。

采用最新的國際耦合模式比較計(jì)劃第五階段（CMIP5）試驗(yàn)數(shù)據(jù)，Xu and Xu（2012）在1°×1°水平分辨率上評估了18個(gè)氣候模式對于1961～2005年中國地表氣溫和降水的模擬能力，指出地表氣溫模擬值偏低而降水偏多；郭彥等（2013）在同樣水平分辨率上考查了25個(gè)氣候模式對1906～2005年中國年均地表氣溫氣候態(tài)和變化趨勢的模擬能力，指出CMIP5模式具備合理能力并較CMIP3模式有所改進(jìn)。近期，Su et al.（2013）根據(jù)176個(gè)氣象站資料，在2°×2°水平分辨率上評估了24個(gè)氣候模式對1961～2005年90°E以東青藏高原地區(qū)地表氣溫和降水的模擬能力，發(fā)現(xiàn)模式中地表氣溫偏低、降水偏多。那么如果采用現(xiàn)今更多氣候模式的試驗(yàn)數(shù)據(jù)、采用根據(jù)更多臺(tái)站資料所得的更為可靠的觀測資料，在更高的水平分辨率以便更好地識(shí)別地形條件的情形下，新一代氣候模式對于整個(gè)青藏高原地區(qū)氣候的模擬能力會(huì)是如何？青藏高原東、西部模擬情況會(huì)有什么不同？眾所周知，青藏高原地區(qū)地形變化大，那么地表氣溫模擬結(jié)果在插值過程中考慮地形效應(yīng)與否對于模式能力評估會(huì)產(chǎn)生怎樣的影響？另外，多模式等權(quán)重集合平均和多模式中位數(shù)平均方法已經(jīng)被廣泛應(yīng)用于氣候變化評估和預(yù)估工作，兩者在青藏高原地區(qū)孰優(yōu)孰劣尚不清楚。鑒于此，現(xiàn)階段亟需就青藏高原地區(qū)氣候開展專門的模式能力評估，以期服務(wù)于氣候變化研究工作。

圖1 海拔2000 m以上青藏高原范圍以及1020個(gè)計(jì)算格點(diǎn)分布

2 資料和分析方法

2.1 資料介紹

所用模式資料為CMIP5氣候模式的歷史模擬試驗(yàn)數(shù)據(jù)。相比于早期CMIP3模式，CMIP5模式的改進(jìn)主要表現(xiàn)為更高的時(shí)空分辨率和更加完善或者優(yōu)化的物理和化學(xué)參數(shù)化方案、耦合器技術(shù)、計(jì)算能力等方面，同時(shí)還有相當(dāng)一部分模式增加了動(dòng)態(tài)植被模式和碳循環(huán)模式（Taylor et al., 2012）。截至目前，共有來自20多個(gè)國際機(jī)構(gòu)的40多個(gè)模式就歷史和未來全球氣候進(jìn)行了數(shù)值模擬試驗(yàn)，大多數(shù)模式對歷史氣候的模擬時(shí)段為1850～2005年，未來預(yù)估試驗(yàn)時(shí)段為2006～2100年。首先，我們遵照IPCC第5次評估報(bào)告將參照時(shí)段選定為1986～2005年；而后，根據(jù)這一時(shí)段地表氣溫和降水?dāng)?shù)據(jù)的可利用性和完整性，共選取了44個(gè)氣候模式的歷史情景試驗(yàn)數(shù)據(jù)用于本項(xiàng)研究工作。有關(guān)模式和試驗(yàn)的基本信息請見表1，更多細(xì)節(jié)請參閱http://cmip-pcmdi.llnl.gov/cmip5/。

用于評估氣候模式的觀測資料是國家氣候中心根據(jù)2416個(gè)中國地面氣象臺(tái)站的逐日觀測記錄，通過插值程序建立起來的一套1961～2007年中國區(qū)域水平分辨率為0.5°×0.5°的格點(diǎn)數(shù)據(jù)集——CN05.2（吳佳和高學(xué)杰，2013）。

2.2 分析方法

考慮到44個(gè)氣候模式的水平分辨率不同，為便于定性和定量化比較，我們首先采用雙線性插值方法將所有模式數(shù)據(jù)統(tǒng)一插值到了0.5°×0.5°經(jīng)緯網(wǎng)格上，與觀測數(shù)據(jù)的分辨率一致。而后，選擇海拔高度在2000 m以上的青藏高原主體作為研究區(qū)域，范圍為25°～40°N和75°～105°E，共計(jì)1020個(gè)格點(diǎn)（圖1）。由于青藏高原地區(qū)海拔高，地形起伏大，44個(gè)模式所采用的水平分辨率和相應(yīng)地形資料存在著不同，而這會(huì)直接導(dǎo)致地表氣溫插值過程中產(chǎn)生誤差。事實(shí)上，Zhao et al.（2008）就曾指出插值后地表氣溫的偏差正比于海拔高度和地形的復(fù)雜度，而地形效應(yīng)校正則可明顯地減小這一偏差，特別是在中國西部和西北部的高山和荒漠地區(qū)。為此，考慮到氣候模式中的地形通常較實(shí)際地形平滑且偏低，我們在對模擬的地表氣溫?cái)?shù)據(jù)進(jìn)行插值以后，又統(tǒng)一根據(jù)實(shí)際地形資料對地表氣溫?cái)?shù)據(jù)進(jìn)行了地形效應(yīng)校正，即利用大氣溫度直減率計(jì)算訂正到實(shí)際地形高度上的地表氣溫，以便客觀評估地形效應(yīng)的影響和模式的模擬能力。本文中，大氣溫度直減率取為0.65°C (100 m)。此外，在青藏高原地區(qū)由于客觀因素的限制，觀測站點(diǎn)數(shù)較少，特別是在高原西部觀測站點(diǎn)更為稀疏，且高原東西兩部分海拔高度相差較大，本文特別分區(qū)域討論了模式模擬情況。

表1 國際耦合模式比較計(jì)劃第五階段（CMIP5）中44個(gè)氣候模式的基本信息*

*模式編號(hào)按照首字母排列，39～44號(hào)模式因無地形資料而排在后面。后兩列信息為后文工作所得結(jié)果。

在評估模式模擬能力過程中，首先比較了地表氣溫和降水在氣候平均態(tài)上的空間分布，之后就各個(gè)模式氣象要素在所選時(shí)段內(nèi)的年和季節(jié)平均變化進(jìn)行了分析，最后針對氣候模式的模擬能力進(jìn)行了定量化計(jì)算并展示在Taylor圖中。Taylor圖的原理是從兩個(gè)場的空間相關(guān)系數(shù)（）、中心化均方根誤差（）、模擬場的標(biāo)準(zhǔn)差（）和觀測場的標(biāo)準(zhǔn)差（）這四個(gè)統(tǒng)計(jì)量來比較模式結(jié)果在多大程度上與觀測場相一致（Taylor，2001）。簡言之，設(shè)和分別代表第個(gè)空間格點(diǎn)的模擬和觀測值，則模擬和觀測場的空間相關(guān)系數(shù)（）、中心化均方根誤差（）、模擬與觀測場的標(biāo)準(zhǔn)差（、）分別為

（2）

（3）

（5）

圖2 青藏高原地區(qū)1986~2005年年平均地表氣溫分布（單位：°C）：（a）CN05.2觀測；（b）44個(gè)CMIP5模式等權(quán)重集合平均

3 結(jié)果分析

3.1 地表氣溫

地表氣溫是最基本和最重要的氣象要素之一，也是氣候變化中最受關(guān)注的指標(biāo)。由圖2所示的1986～2005年年均地表氣溫的觀測和模擬分布可見，青藏高原地區(qū)地表氣溫的最直接影響因素是海拔高度。44個(gè)CMIP5模式等權(quán)重集合平均能夠較好地模擬出年均地表氣溫的主要分布特征，即低溫中心位于高原西北部高海拔地區(qū)，高溫中心位于喜馬拉雅山脈東南端，高原北部和東南部邊緣以及柴達(dá)木盆地這些地表氣溫較暖地區(qū)也可在模擬中較清晰地分辨出來。不足的是，由于氣候模式的水平分辨率相對較粗，模擬的地表氣溫較觀測場更為平滑，還有就是部分局部性特征難以精細(xì)刻畫，特別是在高原南部和中西部地區(qū)較為明顯。另外值得注意的是，CMIP5模式集合平均值較觀測值系統(tǒng)性偏低，模擬的冷區(qū)范圍明顯偏大，年均地表氣溫的大值和低值區(qū)都偏低。

1986～2005年，所有44個(gè)模式等權(quán)重集合平均（MME）的氣候態(tài)平均值較觀測偏低2.3°C（圖3），其中BNU-ESM、CESM1 (WACCM)、CMCC- CESM、FIO-ESM模擬值比觀測偏暖，其他40個(gè)模式的模擬值偏低。44個(gè)模式的模擬偏差落在 －6.2°C～1.8°C范圍內(nèi)；冷偏差最大的模式是CNRM-CM5，偏冷幅度為6.2°C，偏冷超過1°C、2°C、3°C、4°C和5°C的模式個(gè)數(shù)分別為36、20、11、6和3個(gè)；四個(gè)模擬偏暖的模式中幅度最大的是CESM1 (WACCM) 的1.8°C。這說明新一代的CMIP5模式對于青藏高原地區(qū)年均地表氣溫氣候態(tài)的整體模擬能力仍有不足，所模擬的總體冷性偏差與早期氣候模式一樣且幅度大體相仿（王淑瑜和熊喆，2004；Jiang et al., 2005；許崇海等，2007），并與之前CMIP5部分模式的評估結(jié)果相似（Xu and Xu, 2012；郭彥等，2013）。分區(qū)域來看，高原西部（東經(jīng)90°以西）多模式集合區(qū)域平均較觀測偏低4.3°C（圖3），而高原東部（東經(jīng)90°以東）偏低值僅為0.6°C，表明模式在青藏高原的冷偏差主要源于西部地區(qū)，這應(yīng)該與下墊面和地形復(fù)雜度以及站點(diǎn)稀疏有關(guān)。

關(guān)于地形效應(yīng)校正的作用，除了CMCC- CESM、CMCC-CM、CMCC-CMS、EC-EARTH、FIO-ESM和HadGEM2-AO共6個(gè)缺少地形資料的模式外，圖3表明除MIROC4h模式外的其余所有37模式中地形校正后地表氣溫都進(jìn)一步偏冷。有地形資料的38個(gè)模式集合平均值在地形校正前后下降了1.5°C，地形校正后相比于觀測偏低3.8°C，東、西部區(qū)域相比于觀測分別偏低1.2°C、6.2°C。這是因?yàn)闅夂蚰Ｊ皆谇嗖馗咴貐^(qū)的地形資料通常較實(shí)際地形平滑且總體偏低，在對其進(jìn)行校正過程中會(huì)使得地形抬升，從而引起地表氣溫變冷。但好的方面是，模式的原始地形資料相對平滑而且粗糙，它們對相應(yīng)觀測資料0.5°×0.5°水平分辨率上的次網(wǎng)格地形的描述不足，地形校正后會(huì)使得地表氣溫的空間分布與觀測更加接近，下面將做進(jìn)一步分析。

Taylor圖結(jié)果顯示（圖4），各模式對青藏高原地表氣溫的模擬能力總體上較為接近，少數(shù)模式模擬偏差較大。在未做地形效應(yīng)校正時(shí)，各模式對觀測場的空間分布型模擬得已較好，相關(guān)系數(shù)位于0.53～0.85范圍內(nèi)，均通過了99%信度檢驗(yàn)；模擬與觀測場的標(biāo)準(zhǔn)差之比落于0.88～1.84之間，即各模式能都能夠較好地模擬出青藏高原地區(qū)年均地表氣溫的空間變率；中心化均方根誤差位于0.64～1.64范圍內(nèi)，表明各模式在內(nèi)部誤差上存在著一定的區(qū)別，而這直接與模式的動(dòng)力框架和物理過程以及參數(shù)化方案等方面有關(guān)。從單個(gè)模式來看，對青藏高原年均地表氣溫氣候態(tài)模擬最好的5個(gè)模式是ACCESS1.0、ACCESS1.3、HadGEM2-CC、HadGEM2- ES、HadGEM2-AO，相對較差的模式有FGOALS- g2、GFDL-ESM2G、GFDL-ESM2M、MIROC5、MIROC-ESM、MIROC-ESM-CHEM，特別是FGOALS-g2的中心化均方根誤差明顯大于其他模式。在計(jì)算44個(gè)模式的集合平均過程中，我們采用了常用的MME和中位數(shù)平均（Me）兩種方案，總的來說它們的結(jié)果要優(yōu)于大多數(shù)單個(gè)模式的模擬效果，這與以往的評估結(jié)果是一致的（Jiang et al., 2005, 2009；許崇海等，2007；Xu and Xu, 2012；郭彥等，2013）。其次，MME的空間相系數(shù)為0.80，模擬與觀測場的標(biāo)準(zhǔn)差之比是1.07，標(biāo)準(zhǔn)化之后的中心化均方根誤差是0.65；Me的三項(xiàng)統(tǒng)計(jì)量值依次為0.73、1.16、0.76，這充分說明就青藏高原年均地表氣溫而言MME較ME方案更優(yōu)。

圖3 相對于觀測，各模式及其等權(quán)重集合平均1986～2005年青藏高原年平均地表氣溫偏差（單位：°C）。填色為地形校正前結(jié)果，斜線為地形校正后結(jié)果，星號(hào)標(biāo)注模式因無地形資料而未做校正

圖4 1986~2005年青藏高原地區(qū)CMIP5模式模擬相對于觀測年平均地表氣溫場的Taylor圖。圖中數(shù)字對應(yīng)于表1中的模式，棕、藍(lán)色數(shù)字和圖形分別表示地形校正前、后結(jié)果；紅色和綠色圖形代表挑選模式后的結(jié)果，分別對應(yīng)地形校正前、后。圓點(diǎn)為模式等權(quán)重集合平均MME，三角為模式中位數(shù)平均Me。斜虛線代表空間相關(guān)系數(shù)99%信度水平

比較地形效應(yīng)校正前后的計(jì)算結(jié)果，圖4清晰地顯示地形效應(yīng)校正可以改進(jìn)各模式及其集合平均對于青藏高原年均地表氣溫的模擬能力。具體而言，地形效應(yīng)校正后的各模式結(jié)果與觀測場的空間相關(guān)系數(shù)明顯增大，由原來的0.53～0.85升至0.81～0.97；對于觀測場空間變率的模擬能力在有些模式中變得更加合理，但在其他模式中變差，總的來說模式模擬的年均地表氣溫空間變率變大；綜合上述兩項(xiàng)因素之后，各模式的中心化均方根誤差明顯變小，直觀表現(xiàn)在它們的值系統(tǒng)性地更加靠近觀測點(diǎn)REF。對所有44個(gè)模式進(jìn)行平均之后，MME的空間相系數(shù)達(dá)到0.95，模擬與觀測場的標(biāo)準(zhǔn)差之比為1.22，標(biāo)準(zhǔn)化后的中心化均方根誤差是0.43；Me的三項(xiàng)統(tǒng)計(jì)量值分別是0.93、1.23、0.51。這充分說明，在青藏高原地區(qū)考慮實(shí)際地形對于地表氣溫插值的作用可以有效提高模式的模擬能力，而這主要是因?yàn)榈匦涡?yīng)校正可以更加細(xì)致地反映地形起伏對于地表氣溫的影響，從而改進(jìn)模式對于地表氣溫空間分布型的模擬能力。另外，地形效應(yīng)校正前模擬性能較好的模式在校正后仍然保持較好，差的模式仍然較差。MME方案總體上要優(yōu)于Me方案。

如前所述，評估模式模擬能力的目的之一是為了更好地改進(jìn)模式的模擬性能，并使用模擬較好的模式和好的集合方案進(jìn)行相應(yīng)的氣候變化模擬和預(yù)估研究。為此，我們剔除了模擬能力相對較差的模式，進(jìn)一步對挑選出的較優(yōu)模式進(jìn)行了定量化評估。下一步挑選較優(yōu)模式我們主要考慮兩方面的因素，一是模式的三個(gè)統(tǒng)計(jì)量計(jì)算值都有較優(yōu)表現(xiàn)，二是盡可能囊括較多的模式，使結(jié)果有較高可信度?？紤]到地形效應(yīng)校正前后各模式的性能優(yōu)劣和排序變化不大，此處的擇優(yōu)標(biāo)準(zhǔn)為在地形效應(yīng)校正前，一是模擬與觀測場的空間相關(guān)系數(shù)通過99%信度水平檢驗(yàn)，二是模擬與觀測場的標(biāo)準(zhǔn)差之比小于1.5，三是標(biāo)準(zhǔn)化后的中心化均方根誤差小于1.0。相應(yīng)地，37個(gè)模式通過了擇優(yōu)標(biāo)準(zhǔn)（詳見表1），而其余7個(gè)模式?jīng)]有通過。相比于所有44個(gè)模式的MME和Me方案，圖4顯示無論是地形校正前還是之后，擇優(yōu)后的37個(gè)模式的MME和Me較之所有模式結(jié)果均有了不同程度的改進(jìn)。

在季節(jié)尺度上，各模式及其集合平均對青藏高原地表氣溫氣候態(tài)的模擬能力存在著差別，大多數(shù)模式在所有季節(jié)均表現(xiàn)為冷偏差，并在春季（3~5月平均，MAM）和夏季（6～8月平均，JJA）相對較小而在秋季（9～11月平均，SON）和冬季（12、1、2月平均，DJF）較大，地形效應(yīng)校正后上述冷偏差總體放大（圖5）。在地形效應(yīng)校正前的春、夏、秋、冬季，分別有32、25、42、42個(gè)模式模擬了冷偏差，44個(gè)模式的等權(quán)重集合平均值相比于觀測分別偏低了1.2°C、0.5°C、3.1°C、3.5°C；在對38個(gè)模式結(jié)果進(jìn)行地形效應(yīng)校正后，相應(yīng)的冷偏差模式數(shù)為37、35、38、38，44個(gè)模式集合平均值相比于觀測偏低擴(kuò)大至2.5°C、1.8°C、4.4°C、4.8°C。由此可知，前述模式的年均冷偏差主要來自于秋季和冬季模擬偏差。而從分區(qū)域情況來看，模式模擬的季節(jié)性冷偏差在青藏高原西部均要比東部大，這與年平均情況相一致。

圖5 相對于觀測，各模式及其等權(quán)重集合平均1986～2005年青藏高原春季（MAM）、夏季（JJA）、秋季（SON）和冬季（DJF）季節(jié)平均地表氣溫偏差（單位：°C）。填色為地形校正前結(jié)果，斜線為地形校正后結(jié)果，星號(hào)標(biāo)注模式因無地形資料而未做校正

圖6 1986～2005年青藏高原地區(qū)CMIP5模式模擬相對于觀測春季（MAM）、夏季（JJA）、秋季（SON）和冬季（DJF）平均地表氣溫場的Taylor圖。圖中數(shù)字對應(yīng)于表1中的模式，棕、藍(lán)色數(shù)字和圖形分別表示地形校正前、后結(jié)果；紅色和綠色圖形代表挑選模式后的結(jié)果，分別對應(yīng)地形校正前、后。圓點(diǎn)為模式等權(quán)重集合平均MME，三角為模式中位數(shù)平均Me。斜虛線代表空間相關(guān)系數(shù)99%信度水平

與年平均情形相似，定量化計(jì)算結(jié)果表明大多數(shù)模式對于青藏高原地區(qū)季節(jié)平均地表氣溫氣候態(tài)的模擬能力較好，在地形效應(yīng)校正前氣候模式對于冬季地表氣溫的模擬能力要優(yōu)于其他三個(gè)季節(jié)，地形效應(yīng)校正后氣候模式的能力均有系統(tǒng)性的提高，并在春、夏、秋季體現(xiàn)得更為明顯（圖6）。以MME為例，地形效應(yīng)校正前的空間相關(guān)系數(shù)在春、夏、秋、冬季分別為0.77、0.78、0.78、0.75，模擬與觀測場的標(biāo)準(zhǔn)差之比分別為1.24、1.13、1.23、1.10，標(biāo)準(zhǔn)化后的中心化均方根誤差分別為0.72、0.69、0.72、0.70；在地形效應(yīng)校正后，相應(yīng)四個(gè)季節(jié)的空間相關(guān)系數(shù)分別是0.93、0.95、0.95、0.89，模擬與觀測場的標(biāo)準(zhǔn)差之比為1.25、1.15、1.27、1.24，標(biāo)準(zhǔn)化后的中心化均方根誤差分別為0.68、0.65、0.69、0.68。另外，同樣與年平均結(jié)果相似，MME對于青藏高原季節(jié)平均地表氣溫的模擬能力總體上要好于Me，唯一的例外是地形效應(yīng)校正后冬季地表氣溫的模擬效果相對而言Me要略好于MME。總體上，對于年均地表氣溫模擬能力較優(yōu)的模式對于季節(jié)平均態(tài)的模擬能力亦好，反之亦然，后者突出表現(xiàn)在BCC-CSM1.1、FGOALS-g2、MIROC4h、MIROC5-ESM、MIROC-ESM-CHEM結(jié)果上。

3.2 降水

早期全球氣候模式在東亞地區(qū)降水氣候態(tài)模擬方面存在著不足，特別表現(xiàn)在對降水的普遍高估和對東亞夏季降水模擬的有限能力上（Jiang et al., 2005；許崇海等，2007；張莉等，2008）。青藏高原地區(qū)平均海拔高且地形起伏大，年和季節(jié)平均降水空間變率大，全球氣候模式對這一地區(qū)降水的模擬能力如何之前尚未有過專門的評估工作。圖7清楚地表明，1986~2005年觀測的青藏高原地區(qū)年均降水大值區(qū)位于高原西南部，小值區(qū)位于柴達(dá)木盆地及高原西北邊緣，在大尺度上表現(xiàn)為降水從西北向東南漸增?？傮w上講，CMIP5模式等權(quán)重集合平均能夠合理模擬出上述年均降水梯度分布特征，但在量值和細(xì)節(jié)上存在著明顯不足，主要表現(xiàn)在：與早期的全球氣候模式一樣，CMIP5模式模擬的年均降水在整個(gè)青藏高原地區(qū)均表現(xiàn)為偏多狀態(tài)；在青藏高原中部和南部，特別是在藏東南地區(qū)，模式模擬的年均降水分布型過于平滑而有較大偏差；在藏東南地區(qū)，模式結(jié)果中存在一個(gè)虛假的降水大值中心，最大降水值超過8.0 mm d，這明顯高于觀測中的2.0 mm d左右年均降水量。

圖7 青藏高原地區(qū)1986～2005年年平均降水分布（單位：mm d?1）：（a）CN05.2觀測；（b）CMIP5模式等權(quán)重集合平均

統(tǒng)計(jì)1986~2005年青藏高原區(qū)域平均的年均降水量，顯示所有模式的模擬值偏高且都在0.5 mm d以上，偏差超過1.0 mm d、1.5 mm d、2.0 mm d、2.5 mm d的模式個(gè)數(shù)分別為29、11、3、1個(gè)（圖8）。偏差最小的5個(gè)模式是EC-EARTH、IPSL-CM5A- LR、MRI-CGCM3、CSIRO-Mk3.6.0、CanESM2，最大的模式是BNU-ESM，MME較觀測偏多1.3 mm d。在青藏高原西部MME較觀測偏多0.7 mm d，而東部則偏多1.8 mm d，因此就降水而言模式在西部的模擬能力要優(yōu)于東部地區(qū)，這主要是由于多數(shù)模式在藏東南地區(qū)模擬了一個(gè)虛假的降水大值中心。由此可見，CMIP5模式對于青藏高原地區(qū)年均降水氣候態(tài)的整體模擬能力仍有很大不足，模擬值在青藏高原地區(qū)總體呈現(xiàn)降水偏多這一結(jié)果與之前CMIP5部分模式的評估結(jié)果相似（Xu and Xu, 2012；郭彥等，2013；Su et al., 2013）。

圖8 相對于CN05.2觀測值，各模式及其等權(quán)重集合平均模擬的1986～2005年青藏高原地區(qū)平均降水偏差（單位：mm d?1）

Taylor圖所示的定量化結(jié)果表明，CMIP5模式對青藏高原年均降水的模擬能力彼此間差異很大（圖9）。首先，所有模式的空間相關(guān)系數(shù)都超過了99%信度水平檢驗(yàn)，說明模式對于青藏高原地區(qū)年均降水氣候態(tài)的空間分布型模擬較好，其次，除了FGOALS-g2外，其余43個(gè)模式結(jié)果與觀測場標(biāo)準(zhǔn)差之比全部大于1.00，其中有19個(gè)模式的值大于2.50，CESM1 (CAM5) 和CMCC-CM表現(xiàn)得尤為突出，這說明43個(gè)模式普遍高估了青藏高原地區(qū)年均降水的空間變率；除BCC-CSM1.1 (m)、CMCC-CESM、FGOALS-g2、HadCM3外，其余40個(gè)模式的標(biāo)準(zhǔn)化的中心化均方根誤差都要大于1.00，其中19個(gè)模式的值大于2.00，這意味著大多數(shù)模式對于青藏高原地區(qū)年均降水的總體模擬能力有限。另外，同年均地表氣溫的分析結(jié)果一致，44個(gè)模式MME的空間相關(guān)系數(shù)為0.77，模擬與觀測場的標(biāo)準(zhǔn)差之比為2.02，標(biāo)準(zhǔn)化后的中心化均方根誤差為1.42，所有三個(gè)值均要優(yōu)于相應(yīng)Me的統(tǒng)計(jì)值，表明MME的結(jié)果更為可靠。

圖9 在參照時(shí)段1986～2005年，青藏高原地區(qū)CMIP5模式模擬相對于觀測年平均降水場的Taylor圖。實(shí)心圓為模式等權(quán)重集合平均MME，實(shí)心三角為模式中位數(shù)平均Me，其中紅色和綠色分別對應(yīng)所有模式和擇優(yōu)挑選模式的結(jié)果。斜虛線對應(yīng)空間相關(guān)系數(shù)的99%信度水平

鑒于相當(dāng)一部分模式不能合理模擬青藏高原地區(qū)年均降水氣候態(tài)，我們進(jìn)一步挑選出模擬能力較優(yōu)的模式進(jìn)行評估，以期為日后的青藏高原降水變化預(yù)估工作提供參考。另外，模式對青藏高原降水的模擬能力總體上來說都不如地表氣溫，模擬與觀測場的標(biāo)準(zhǔn)差之比、標(biāo)準(zhǔn)化后的中心化均方根誤差都有所放大，所以標(biāo)準(zhǔn)也有所不同。擇優(yōu)的標(biāo)準(zhǔn)為：一是模擬與觀測場間的空間相關(guān)系數(shù)通過99%信度水平檢驗(yàn)，二是模擬與觀測場間的標(biāo)準(zhǔn)差之比小于2.50，三是模擬相對于觀測場的標(biāo)準(zhǔn)化的中心化均方根誤差小于2.00。據(jù)此，共有25個(gè)模式通過了篩查（詳見表1），與此相對應(yīng)的MME和Me值分別標(biāo)于圖9中?？梢郧宄乜吹?，相比于所有44個(gè)模式的統(tǒng)計(jì)值，擇優(yōu)挑選出的25個(gè)模式的MME和Me均要明顯更優(yōu)。具體表現(xiàn)在，25個(gè)模式MME的空間相關(guān)系數(shù)由原來的0.77升至0.84，模擬與觀測場的標(biāo)準(zhǔn)差之比由原來的2.02縮小至1.16，標(biāo)準(zhǔn)化后的中心化均方根誤差由原來的1.42降至0.95；相應(yīng)的Me統(tǒng)計(jì)量也類似地向更優(yōu)的方向變化；而且25個(gè)模式的MME值總體上要優(yōu)于相應(yīng)的Me值。

圖10 相對于CN05.2觀測值，各模式及其等權(quán)重集合平均模擬的1986~2005年春季（MAM）、夏季（JJA）、秋季（SON）和冬季（DJF）青藏高原地區(qū)平均降水偏差（單位：mm d?1）

與年平均情況相仿，所有四個(gè)季節(jié)都呈現(xiàn)出降水模擬偏多的情況（圖10），其中春季和夏季降水高估幅度要比秋季和冬季更大一些。所有44個(gè)模式MME結(jié)果表明，夏季和春季降水模擬偏多程度最大，為1.8 mm d；而后為秋季偏多1.1 mm d；冬季相對最小，偏多0.7 mm d。相應(yīng)的Taylor圖顯示，模式對青藏高原地區(qū)秋季的降水型模擬最優(yōu)且相對集中，夏季次之，春季較差，而冬季最差（圖11）。秋季，所有模式模擬的降水與觀測場的相關(guān)系數(shù)都通過了99%信度水平檢驗(yàn)，模擬與觀測降水場的空間變率比值大多在2.50以內(nèi)，標(biāo)準(zhǔn)化后的均方根誤差大多小于2.00。夏季，除CESM1 (CAM5)外的43個(gè)模式對降水型的模擬較好，約半數(shù)模 式模擬的降水空間變率較觀測偏大2.50以上，標(biāo)準(zhǔn)化后的均方根誤差超半數(shù)在2.00以內(nèi)。春季，MIROC-ESM和MIROC-ESM-CHEM不能合理模擬降水分布型，約一半模式模擬的空間變率與觀測之比要大于3.0，其中CESM1 (BGC)、CESM1 (CAM5)、CESM1 (WACCM)、CMCC-CM、GISS- E2-R、MIROC4h的值甚至大于4.00，大多數(shù)模式的標(biāo)準(zhǔn)化后的均方根誤差值較秋季和夏季明顯放大。冬季，模式的模擬能力非常有限，CMCC-CESM和FGOALS-g2不能合理模擬降水分布型，所有44個(gè)模式模擬的降水空間變率都要遠(yuǎn)大于觀測值，模擬與觀測場的標(biāo)準(zhǔn)差比均大于2.50，標(biāo)準(zhǔn)化后的中心化均方根誤差很大，模擬偏差較大。以44個(gè)模式的MME值為例，模擬與觀測場的空間相關(guān)系數(shù)為0.47，但模擬與觀測場的標(biāo)準(zhǔn)差之比達(dá)到了4.12，標(biāo)準(zhǔn)化后的中心化均方根誤差大至3.94。另外需要說明的是，就各個(gè)季節(jié)平均的青藏高原地區(qū)降水態(tài)而言，所有44個(gè)模式的MME和Me結(jié)果要優(yōu)于大多數(shù)模式的結(jié)果，根據(jù)年平均降水擇優(yōu)標(biāo)準(zhǔn)挑選出來的25個(gè)模式的MME和Me要相對好一些，但改進(jìn)幅度在季節(jié)間存在差異。

圖11 在參照時(shí)段1986～2005年，青藏高原地區(qū)CMIP5模式模擬相對于觀測春季（MAM）、夏季（JJA）、秋季（SON）和冬季（DJF）平均降水場的Taylor圖。實(shí)心圓為模式等權(quán)重集合平均MME，實(shí)心三角為模式中位數(shù)平均Me，其中紅色和綠色分別對應(yīng)所有模式和擇優(yōu)挑選模式的結(jié)果。斜虛線對應(yīng)空間相關(guān)系數(shù)的99%信度水平

4 結(jié)論

本文利用CMIP5新一代氣候模式所有可利用的歷史模擬試驗(yàn)數(shù)據(jù)，結(jié)合最新的觀測資料，從定性和定量角度評估了44個(gè)全球氣候模式對青藏高原地區(qū)地表氣溫與降水氣候態(tài)的模擬能力，并討論了地形效應(yīng)校正對地表氣溫模擬的影響以及等權(quán)重集合平均和中位數(shù)平均兩種方案的優(yōu)劣。主要結(jié)論有：

（1）CMIP5模式對青藏高原地區(qū)地表氣溫分布型具備合理的模擬能力，所有模式模擬的年均地表氣溫較觀測均偏低，平均偏低2.3°C；除極個(gè)別模式外，模擬的各季節(jié)地表氣溫也普遍偏低，在秋季和冬季表現(xiàn)得最為明顯；模擬能力在高原東部較之西部要好；根據(jù)模式和實(shí)際地形資料進(jìn)行地形效應(yīng)校正后，所有模式對年和季節(jié)平均地表氣溫氣候態(tài)的模擬能力明顯提高，這主要是因?yàn)槟Ｊ娇梢愿玫啬M地表氣溫的空間分布型。

（2）相比于地表氣溫，CMIP5模式對青藏高原降水的模擬能力明顯不足。模式可以刻畫出年均降水的分布型，但模擬的年和季節(jié)平均降水量相對觀測顯著偏多，等權(quán)重集合平均值比觀測年均偏多1.3 mm d；在季節(jié)尺度上，春季和夏季降水的高估最為明顯。青藏高原西部模擬情況要優(yōu)于東部，這主要是由于多數(shù)模式結(jié)果在藏東南地區(qū)存在著一個(gè)虛假的降水大值中心。另外，除極個(gè)別模式外，年和季節(jié)降水空間變率普遍大于觀測值，特別是在春季和冬季。因此，許多模式的模擬結(jié)果不好，不適于進(jìn)行青藏高原地區(qū)降水變化的模擬研究。

（3）無論是對年和季節(jié)平均地表氣溫還是降水而言，模式等權(quán)重集合或者中位數(shù)集合方案要優(yōu)于大多數(shù)單個(gè)模式的模擬性能，對降水來說尤其如此，而且等權(quán)重集合方案要優(yōu)于中位數(shù)集合方案；如果在對單個(gè)模式進(jìn)行評估的基礎(chǔ)上擇優(yōu)挑選模式，而后再對擇優(yōu)的模式進(jìn)行集合平均，所得結(jié)果的性能較簡單所有模式集合平均會(huì)進(jìn)一步提高。

綜合而言，與早期氣候模式相似，CMIP5中的新一代氣候模式模擬的青藏高原地區(qū)年和季節(jié)地表氣溫普遍存在冷偏差，但對于地表氣溫氣候態(tài)的分布型和空間變率已經(jīng)具備較好的模擬能力。CMIP5模式模擬年和季節(jié)降水的能力有限，盡管它們能較好地模擬降水氣候態(tài)的分布型，但模擬降水量普遍偏大，空間變率模擬偏差較大，應(yīng)慎重使用。研究過程中還發(fā)現(xiàn)，同一研究機(jī)構(gòu)的多個(gè)版本模式總體上模擬能力相當(dāng)，不同模式的模擬能力或多或少存在差別，如何從機(jī)理方面開展進(jìn)一步的分析工作尚在思考中。另外需要指出的是，由于青藏高原地區(qū)地形復(fù)雜，相對于全球氣候模式，區(qū)域氣候模式可能會(huì)有更好的模擬能力，因此有必要對全球和區(qū)域氣候模式結(jié)果進(jìn)行對比分析。此外，青藏高原地區(qū)觀測臺(tái)站較少，西部地區(qū)尤為稀疏，據(jù)此所得的格點(diǎn)化資料也會(huì)存在不確定性。

致謝 感謝文中表1所示的CMIP5各模式組提供模擬試驗(yàn)數(shù)據(jù)，感謝國家氣候中心提供CN05.2觀測數(shù)據(jù)集。

Chen B, Chao W C, Liu X. 2003. Enhanced climatic warming in the Tibetan Plateau due to doubling CO: A model study [J]. Climate Dyn., 20: 401–413.

Chen H. 2013. Projected change in extreme rainfall events in China by the end of the 21st century using CMIP5 models [J]. Chinese Science Bulletin, 58: 1462–1472.

Ding Y H, Ren G Y, Zhao Z C, et al. 2007. Detection, causes and projection of climate change over China: An overview of recent progress [J]. Advances in Atmospheric Sciences, 24: 954–971.

丁一匯, 張莉. 2008. 青藏高原與中國其他地區(qū)氣候突變時(shí)間的比較 [J]. 大氣科學(xué), 32: 794–805. Ding Yihui, Zhang Li. 2008. Intercomparison of the time for climate abrupt change between the Tibetan Plateau and other regions in China [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 32: 794–805.

Duan A M, Wu G X, Zhang Q, et al. 2006. New proofs of the recent climate warming over the Tibetan Plateau as a result of the increasing greenhouse gases emissions [J]. Chinese Science Bulletin, 51: 1396–1400.

Gao X J, Shi Y, Giorgi F. 2011. A high resolution simulation of climate change over China [J]. Science in China Series D: Earth Sciences, 54: 462–472.

Guo D L, Wang H J. 2011. The significant climate warming in the northern Tibetan Plateau and its possible causes [J]. International Journal of Climatology, 32: 1775–1781.

郭彥, 董文杰, 任福民, 等. 2013. CMIP5模式對中國年平均氣溫模擬及其與CMIP3模式的比較 [J]. 氣候變化研究進(jìn)展, 9: 181–186. Guo Yan, Dong Wenjie, Ren Fumin, et al. 2013. Assessment of CMIP5 simulations for China annual average surface temperature and its comparison with CMIP3 simulations [J]. Advances in Climate Change Research (in Chinese), 9: 181–186.

IPCC. 2007. Climate Change 2007: The Physical Science Basis [M]. Solomon S, Qin D, Manning M, et al., Eds. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press, 1–940.

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: 479–495.

Jiang D B, Zhang Y, Sun J Q. 2009. Ensemble projection of 1–3°C warming in China [J]. Chinese Science Bulletin, 54: 3326–3334.

Lang X M, Sui Y. 2013. Changes in mean and extreme climates over China with a 2°C global warming [J] Chinese Science Bulletin, 58: 1453–1461.

Liu X D, Chen B D. 2000. Climatic warming in the Tibetan Plateau during recent decades [J]. J. Climate, 20: 1729–1742.

Niu T, Chen L X, Zhou Z J. 2004. The characteristics of climate change over the Tibetan Plateau in the last 40 years and the detection of climatic jumps [J]. Advances in Atmospheric Sciences, 21: 193–203.

任國玉, 徐銘志, 初子瑩, 等. 2005. 近54年中國地面氣溫變化 [J]. 氣候與環(huán)境研究, 10: 717–727. Ren Guoyu, Xu Mingzhi, Chu Ziying, et al. 2005. Changes of surface air temperature in China during 1951–2004 [J]. Climatic and Environmental Research (in Chinese), 10: 717–727.

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]. J. Climate, 26: 3187– 3208.

Sun J Q, Ao J. 2013. Changes in precipitation and extreme precipitation in a warming environment in China [J]. Chinese Science Bulletin, 58: 1395–1401.

Taylor K E. 2001. Summarizing multiple aspects of model performance in a single diagram [J]. J. Geophys. Res., 106 (D7): 7183–7192.

Taylor K E, Stouffer R J, Meehl G A. 2012. An overview of CMIP5 and the experiment design [J]. Bull. Amer. Meteor. Soc., 93: 485–498.

Wang H J, Zeng Q C, Zhang X H. 1993. The numerical simulation of the climatic change caused by COdoubling [J]. Science in China Series B: Chemistry, 36: 451–462

Wang S P, Wang Z H, Piao S L, et al. 2010. Regional differences in the timing of recent air warming during the past four decades in China [J]. Chinese Science Bulletin, 55: 1968–1973.

王淑瑜, 熊喆. 2004. 5個(gè)海氣耦合模式模擬東亞區(qū)域氣候能力的初步分析 [J]. 氣候與環(huán)境研究, 9: 240–250. Wang Shuyu, Xiong Zhe. 2004. The preliminary analysis of 5 coupled ocean–atmosphere global climate models simulation of regional climate in Asia [J]. Climatic and Environmental Research (in Chinese), 9: 240–250.

王遵婭, 丁一匯, 何金海, 等. 2004. 近50年來中國氣候變化特征的再分析 [J]. 氣象學(xué)報(bào), 62: 228–236. Wang Zunya, Ding Yihui, He Jinhai, et al. 2004. An updating analysis of the climate change in China in recent 50 years [J]. Acta Meteorologica Sinica (in Chinese), 62: 228–236.

韋志剛, 黃榮輝, 董文杰. 2003. 青藏高原氣溫和降水的年際和年代際變化 [J]. 大氣科學(xué), 27: 157–170. Wei Zhigang, Huang Ronghui, Dong Wenjie. 2003. Interannual and interdecadal variations of air temperature and precipitation over the Tibetan Plateau [J]. Chinese Journal of Atmospheric Science (in Chinese), 27: 157–170.

吳國雄, 劉屹岷, 劉新, 等. 2005. 青藏高原加熱如何影響亞洲夏季的氣候格局 [J]. 大氣科學(xué), 29: 47–56. Wu Guoxiong, Liu Yimin, Liu Xin, et al. 2005. How the heating over the Tibetan Plateau affects the Asian climate in summer [J]. Chinese Journal of Atmospheric Science (in Chinese), 29: 47–56.

吳佳, 高學(xué)杰. 2013. 一套格點(diǎn)化的中國區(qū)域逐日觀測資料及其與其它資料的對比 [J]. 地球物理學(xué)報(bào), 56: 1102–1111. Wu Jia, Gao Xuejie. 2013. A gridded daily observation dataset over China region and comparison with the other datasets [J]. Chinese Journal of Geophysics (in Chinese), 56: 1102–1111.

Xie H, Ye J S, Liu X M, et al. 2010. Warming and drying trend on the Tibetan Plateau (1971–2005) [J]. Theor. Appl. Climatol., 101: 241–253.

許崇海, 沈新勇, 徐影. 2007. IPCC AR4模式對東亞地區(qū)氣候模擬能力的分析 [J]. 氣候變化研究進(jìn)展, 3: 287–292. Xu Chonghai, Shen Xinyong, Xu Ying. 2007. An analysis of climate change in East Asia by using the IPCC AR4 simulations [J]. Advances in Climate Change Research (in Chinese), 3: 287–292.

Xu Y, Xu C. 2012. Preliminary assessment of simulations of climate changes over China by CMIP5 multi-models [J]. Atmospheric and Oceanic Science Letters, 5: 489–494.

Yu Y Q, Zhi H, Wang B, et al. 2008. Coupled model simulations of climate changes in the 20th century and beyond [J]. Advances in Atmospheric Sciences, 25: 641–654.

曾慶存, 張學(xué)洪, 袁重光. 1989. 氣候模式的概念、方法和現(xiàn)狀 [J]. 地球科學(xué)進(jìn)展, (3): 1–26. Zeng Qingcun, Zhang Xuehong, Yuan Chongguang. 1989. The concept, method and current studying situation of the climate models [J]. Advances in Earth Science (in Chinese), (3): 1–26.

張莉, 丁一匯, 孫穎. 2008. 全球海氣耦合模式對東亞季風(fēng)降水模擬的檢驗(yàn) [J]. 大氣科學(xué), 32: 261–276. Zhang Li, Ding Yihui, Sun Ying. 2008. Evaluation of precipitation simulation in East Asian monsoon areas by coupled ocean–atmosphere general circulation models [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 32: 261–276.

Zhao T B, Guo W D, Fu C B. 2008. Calibrating and evaluating reanalysis surface temperature error by topographic correction [J]. J. Climate, 21: 1440–1446.

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 Series D: Earth Sciences, 52: 1679–1693.

胡芩, 姜大膀, 范廣洲. 2014. CMIP5全球氣候模式對青藏高原地區(qū)氣候模擬能力評估[J]. 大氣科學(xué), 38 (5): 924?938, doi:10.3878/j.issn.1006-9895. 2013.13197. Hu Qin, Jiang Dabang, Fan Guangzhou. 2014. Evaluation of CMIP5 models over the Qinghai–Tibetan Plateau [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 38 (5): 924?938.

Evaluation of CMIP5 Models over the Qinghai–Tibetan Plateau

HU Qin, JIANG Dabang, and FAN Guangzhou

1,,100029;2,610225;3,,100029

The ability of climate models in reproducing climate over the Qinghai–Tibetan Plateau, where the natural environment is sensitive and vulnerable to climate change, remains unclear. Here, we examine the performance of 44 models participating in the Fifth Phase of the Coupled Model Intercomparison Project (CMIP5) over the Qinghai–Tibetan Plateau by comparing their outputs with ground observations of surface air temperature and precipitation for the period 1986–2005. The results show that CMIP5 models underestimate annual and seasonal temperatures, with an average of －2.3°C for the annual mean and larger cold biases in autumn and winter. CMIP5 models can reasonably capture the climatological spatial patterns of annual and seasonal temperatures, but they overestimate spatial variability. The ability of CMIP5 models in reproducing annual and seasonal temperatures can be improved through topographic correction. Comparatively, CMIP5 models perform poorly in reproducing annual and seasonal precipitation. They can capture the climatological spatial pattern of annual precipitation that mainly features a northwest-to-southeast increase, but they overestimate annual and seasonal precipitation amounts, with an average of 1.3 mm dfor the annual mean mainly derived from spring and summer. Moreover, the simulated spatial variability of annual and seasonal precipitation is greater than that in the observation, particularly in spring and winter. In general, the ensemble mean of 44 models shows a better skill than most of individual models; the 44-model ensemble mean with the same weights performs better than the median of 44 models; and the ensemble mean of the chosen models with a demonstrable ability can further improve the skills of climate models, particularly for annual and seasonal precipitation.

CMIP5 models, The Qinghai–Tibetan Plateau, Evaluation

1006–9895(2014)05–0924–15

P467

A

10.3878/j.issn.1006-9895.2013.13197

2013–06–20，2013–12–25收修定稿

中國科學(xué)院戰(zhàn)略性先導(dǎo)科技專項(xiàng)——青藏高原圈層相互作用及其資源環(huán)境效應(yīng)XDB03020602，國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃項(xiàng)目2012CB955401，國家自然科學(xué)基金項(xiàng)目41175072、41375084

胡芩，女，1989年出生，碩士研究生，主要從事氣候變化研究。E-mail: huqin@mail.iap.ac.cn

姜大膀，E-mail: jiangdb@mail.iap.ac.cn