CMIP6 全球氣候模式對(duì)青藏高原中東部地表感熱通量模擬能力評(píng)估

王美蓉 周順武 孫陽(yáng) 王軍 馬淑俊 余忠水

1 南京信息工程大學(xué)資料同化研究與應(yīng)用中心/氣象災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室/氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心/氣候與環(huán)境變化國(guó)際合作聯(lián)合實(shí)驗(yàn)室, 南京210044

2 中國(guó)科學(xué)院大氣物理研究所大氣科學(xué)和地球流體力學(xué)數(shù)值模擬國(guó)家重點(diǎn)實(shí)驗(yàn)室, 北京100029

3 南京大學(xué)國(guó)際地球系統(tǒng)科學(xué)研究所, 南京210023

4 拉薩市氣象局, 拉薩850011

5 西藏自治區(qū)氣象局西藏高原大氣環(huán)境科學(xué)研究所, 拉薩850000

1 引言

春、夏季青藏高原（以下簡(jiǎn)稱高原）是一個(gè)大氣熱源，可直接加熱對(duì)流層中層大氣（Flohn,1957; 葉篤正等, 1957; 吳國(guó)雄等, 2018）。大量研究表明春季高原地表感熱通量加熱異常對(duì)亞洲季風(fēng)具有預(yù)測(cè)意義，同時(shí)對(duì)整個(gè)北半球的大氣環(huán)流和氣候變化均有顯著影響（Duan et al., 2011, 2013; Wu et al., 2015）。高原感熱通量具有顯著的年際和年代際變化特征（張艷和錢(qián)永甫, 2004; 王歡和李棟梁,2020），并與亞洲季風(fēng)降水變率聯(lián)系密切，特別是春季高原感熱通量異常是造成江淮流域夏季降水異常 的 重 要 原 因 之 一（段 安 民 等, 2003; Wu et al.,2012; Duan et al., 2013; Wang et al., 2014）。自1980 年以來(lái)，春季高原感熱通量呈持續(xù)減弱趨勢(shì)（Duan and Wu, 2008; 陽(yáng) 坤 等, 2010; 王 美 蓉 等,2012; Wang et al., 2019），對(duì)東亞夏季降水的年代際異常造成了顯著影響（Duan et al., 2013）。進(jìn)入21 世紀(jì)后，春季高原感熱通量變化趨勢(shì)開(kāi)始出現(xiàn)轉(zhuǎn)折，表現(xiàn)為年代際增強(qiáng)（Wang et al., 2019），這一變化被認(rèn)為與同一時(shí)段中國(guó)東部季風(fēng)降水的變化有關(guān)（王歡和李棟梁, 2020）。

當(dāng)代氣候模式已成為研究氣候變化的重要工具，特別是針對(duì)資料匱乏地區(qū)，精確的氣候模擬對(duì)氣候變化認(rèn)知和預(yù)測(cè)十分重要。模式模擬與實(shí)際天氣和氣候變化總是存在誤差，因此在使用氣候模式進(jìn)行模擬之前，需要對(duì)模式的模擬能力進(jìn)行評(píng)估，以了解其模擬結(jié)果的可信度和不確定性。特別是對(duì)于高原這樣的復(fù)雜大地形，模式誤差在高原存在放大現(xiàn)象（王淑瑜和熊喆, 2004; Ding et al., 2007; Gao et al., 2020）。采用最新的國(guó)際耦合模式比較計(jì)劃第五階段（CM?P5）試驗(yàn)數(shù)據(jù)，胡芩等（2014）評(píng)估了44 個(gè)模式對(duì)高原地表氣溫和降水的模擬能力，發(fā)現(xiàn)地表氣溫模擬存在冷偏差，而對(duì)降水的模擬普遍偏大，驗(yàn)證了前人研究所得評(píng)估結(jié)果（Xu and Xu, 2012; Su et al., 2013）。而在CM?P6 中，溫度模擬冷偏差有所改善，但降水嚴(yán)重高估問(wèn)題依然存在（Zhu and Yang, 2020）。

目前，利用最新一代CM?P6 試驗(yàn)數(shù)據(jù)評(píng)估其對(duì)高原感熱通量模擬能力的工作還很有限（Wang et al., 2019; Xie and Wang, 2021），其 中Wang et al.（2019）基于CM?P6 的12 個(gè)模式分析了春季高原感熱通量的長(zhǎng)期變化趨勢(shì)，發(fā)現(xiàn)前幾十年的減弱趨勢(shì)在2000 年左右開(kāi)始反轉(zhuǎn)，并在未來(lái)持續(xù)增強(qiáng)。本文同樣利用該12 個(gè)模式，在評(píng)估其對(duì)春季高原感熱通量強(qiáng)度模擬能力的基礎(chǔ)上，重點(diǎn)分析了其偏差原因，以此基于同樣的模式來(lái)全面評(píng)估CM?P6對(duì)春季高原感熱通量不同尺度變率的模擬水平?，F(xiàn)階段開(kāi)展此項(xiàng)評(píng)估工作對(duì)高原局地氣候變化及其影響東亞氣候的研究均十分重要，也為未來(lái)氣候預(yù)測(cè)提供有力參考。

2 資料、模式模擬和方法

2.1 資料

（1）由Duan et al（2018）基于中國(guó)氣象局在青藏高原的80 個(gè)常規(guī)氣象臺(tái)站（圖1）數(shù)據(jù)[地表溫度、空氣溫度和10 m 高度處風(fēng)速（簡(jiǎn)稱10 m風(fēng)速）]計(jì)算的1979～2016 年的地表感熱通量數(shù)據(jù)，該套數(shù)據(jù)集可免費(fèi)公開(kāi)下載（http://staff.lasg.ac.cn/amduan/index/ article/index/arid/11.html [2019-10-10]）。具體計(jì)算方法見(jiàn)2.3 部分的介紹。

（2）來(lái)自國(guó)家青藏高原科學(xué)數(shù)據(jù)中心的青藏高原地氣相互作用過(guò)程高分辨率（逐小時(shí)）綜合觀測(cè)數(shù)據(jù)集（2005～2016）（https://data.tpdc.ac.cn/zhhans/data/b9ab35b2-81fb-4330-925f-4d9860ac47c3/[2021-05-30]，馬耀明, 2020; Ma et al., 2020），該數(shù)據(jù)集包括氣象梯度數(shù)據(jù)、輻射數(shù)據(jù)、土壤以及湍流數(shù)據(jù)。本文所使用的是湍流數(shù)據(jù)中的地表感熱通量，該數(shù)據(jù)集共包含高原地區(qū)的6 個(gè)測(cè)站（圖1 中紅色五角星標(biāo)識(shí)），分別為珠穆朗瑪大氣與環(huán)境綜合觀測(cè)研究站（QOMS）、藏東南高山環(huán)境綜合觀測(cè)研究站（SETORS）、那曲高寒氣候環(huán)境觀測(cè)研究站（BJ）、納木錯(cuò)多圈層綜合觀測(cè)研究站（NAMORS）、阿里荒漠環(huán)境綜合觀測(cè)研究站（NADORS）和慕士塔格西風(fēng)帶環(huán)境綜合觀測(cè)研究站（MAWORS）。

（3）由NASA/GEWEX（National Aeronautics and Space Administration/Global Energy and Water Exchanges）的地表輻射收支（Surface Radiation Budget, SRB，https://gewex-srb.larc.nasa.gov [2021-05-30]）項(xiàng)目提供的逐月地面和大氣層頂?shù)拈L(zhǎng)波和短波輻射通量，時(shí)間段為1983～2017 年，空間分辨率為1°×1°。

2.2 模式數(shù)據(jù)

所用模式資料為CM?P6 全球氣候模式的歷史模擬試驗(yàn)（Historical）數(shù)據(jù)。Historical 試驗(yàn)是從工業(yè)革命前參照（piControl）試驗(yàn)的某個(gè)時(shí)間點(diǎn)啟動(dòng)，在基于觀測(cè)的、隨時(shí)間變化的各種外強(qiáng)迫驅(qū)動(dòng)下進(jìn)行1850 年以來(lái)的歷史氣候模擬。CM?P6 是CM?P 計(jì)劃實(shí)施20 多年來(lái)參與的模式數(shù)量最多、設(shè)計(jì)的數(shù)值試驗(yàn)最豐富、提供的模擬數(shù)據(jù)最為龐大的一次（周天軍等, 2019）。目前，大多數(shù)模式對(duì)歷史時(shí)期氣候的模擬時(shí)段為1850～2014 年，結(jié)合觀測(cè)數(shù)據(jù)，本文研究時(shí)段選定為1979～2014 年，并采用了12 個(gè)氣候模式的歷史數(shù)據(jù)用于研究。模式的詳細(xì)信息見(jiàn)表1，更多介紹可參考https://pcmdi.llnl.gov/CM?P6/ [2021-05-30]。考慮到模式之間的不同空間分辨率，數(shù)據(jù)后處理時(shí)均使用一階守恒插值方案將數(shù)據(jù)統(tǒng)一插值為1.5°×1.5°分辨率（Jones,1999），以便做多模式的集合等計(jì)算。此外，為避免個(gè)別模式極大值或極小值的影響，文中多模式集合的結(jié)果是通過(guò)計(jì)算多模式模擬數(shù)據(jù)的中位數(shù)所得。

表1 本文使用的12 個(gè)模式的名稱、國(guó)家、模擬集合數(shù)、分辨率和參考文獻(xiàn)Table 1 List of 12 models used in this study, including the model names, countries, numbers of ensembles, resolutions, and data references

2.3 感熱通量計(jì)算公式及比較

感熱通量（SH）的計(jì)算公式（Monin and Obukhov, 1954; Duan and Wu, 2008）如下：

其中，ρ是空氣密度，cp=1005 J kg-1K-1是常壓下的干空氣比熱，CH為熱量拖曳系數(shù)，V10為10 m平均風(fēng)速，Ts和Ta分別是地表溫度和空氣溫度。這里需要注意的是，CH值具有很強(qiáng)的日變化，依賴于大氣穩(wěn)定度、地表熱力粗糙度（陽(yáng)坤等, 2010）以及風(fēng)速（Chen et al., 1985）。本文所使用的感熱通量數(shù)據(jù)正是Duan 等（2018）依據(jù)公式（1）計(jì)算所得（以下簡(jiǎn)稱為Duan2018）?？紤]到CH的日變化特征，Duan2018 參考陽(yáng)坤等（2010）基于統(tǒng)計(jì)降尺度的方法得到逐小時(shí)的風(fēng)速大小、地表溫度和氣溫，進(jìn)而計(jì)算得出地表感熱通量數(shù)據(jù)。

為了驗(yàn)證Duan2018 的準(zhǔn)確性和可靠性，本文利用最新的高原高分辨率（逐小時(shí)）綜合觀測(cè)數(shù)據(jù)集中6 個(gè)測(cè)站的地表感熱通量的觀測(cè)值來(lái)作對(duì)比。為此，根據(jù)這6 個(gè)測(cè)站的經(jīng)、緯度信息挑選出Duan2018 中地理位置最為接近的測(cè)站（圖1、表2）進(jìn)行比較，兩對(duì)比測(cè)站之間的最短直線距離為10 km，最長(zhǎng)為125 km。MAWORS 位于高原西北端，在Duan2018 中無(wú)對(duì)應(yīng)測(cè)站，無(wú)法進(jìn)行比較。故其余5 個(gè)測(cè)站的月平均感熱通量序列的對(duì)比如圖2 所示，整體而言，Duan2018 與綜合觀測(cè)數(shù)據(jù)集的觀測(cè)結(jié)果十分接近，有較為一致的變率及變化幅度，相關(guān)系數(shù)最低為0.51（圖2c），最高可達(dá)0.74（圖2b），均通過(guò)了99%置信水平的顯著性檢驗(yàn)。因此，可推斷Duan2018 是準(zhǔn)確可信的，在本文后續(xù)中用來(lái)評(píng)估CM?P6 對(duì)高原地表感熱通量的模擬性能進(jìn)而做偏差分析。需要注意的是，由圖2 可發(fā)現(xiàn)兩套資料均有小部分缺測(cè)值，這也是觀測(cè)資料不可避免的問(wèn)題，但對(duì)本文結(jié)論無(wú)明顯影響。

圖2 高原高分辨率綜合觀測(cè)數(shù)據(jù)集（紅線）與Duan2018（黑線）的5 個(gè)對(duì)應(yīng)測(cè)站地表感熱通量（單位：W m-2）的逐月時(shí)間演變。左下角數(shù)字為兩條序列的相關(guān)系數(shù)Fig. 2 Temporal evolutions of sensible heating flux (units: W m-2) at the corresponding five stations for the high-resolution integrated observational dataset (red lines) and Duan2018 (black lines). The correlation coefficients of the two sequences are shown in the bottom left corner of the figures

表2 高原高分辨率綜合觀測(cè)數(shù)據(jù)集與Duan2018 中對(duì)應(yīng)站點(diǎn)的相關(guān)信息，包括站點(diǎn)名稱，經(jīng)、緯度及對(duì)應(yīng)測(cè)站間的直線距離Table 2 List of the stations in the high-resolution integrated observational dataset and Duan2018, including the station names, latitude, longitude, and the straight-line distance between the two corresponding stations

圖1 高原80 個(gè)常規(guī)氣象臺(tái)站（黑色實(shí)心點(diǎn)）和6 個(gè)最新的綜合觀測(cè)臺(tái)站（紅色五角星）地理位置分布。彩色陰影表示地形高度（單位：m），藍(lán)色框區(qū)域（27°～39°N，85°～105°E）為下文中CM?P6 模擬數(shù)據(jù)的區(qū)域平均范圍，紅色框內(nèi)是互相做對(duì)比的兩測(cè)站位置Fig. 1 Geographical distributions of the 80 meteorological stations (black solid dots) and the six latest integrated observation stations (red stars) on the Tibetan Plateau (TP). Colored shadings indicate terrain height (units: m), the blue box indicates the regional average range (27°–39°N, 85°–105°E)of the CM?P6 (the sixth phase of the Coupled Model ?ntercomparison Project) simulations below, and the red box shows the positions of the two stations being compared to each other

3 高原中東部地表感熱通量的模擬評(píng)估

以下將高原中東部77 個(gè)測(cè)站的地表感熱通量數(shù)據(jù)（Duan2018）與CM?P6 模擬試驗(yàn)結(jié)果做對(duì)比分析，分別從年循環(huán)和季節(jié)平均等方面來(lái)評(píng)估模式的模擬性能。其中春季感熱通量尤為重要，是重點(diǎn)分析內(nèi)容。

3.1 地表感熱通量年循環(huán)

Duan2018 在春季（3～5 月）的地表感熱通量最為顯著，5 月達(dá)到峰值，之后隨著高原夏季風(fēng)來(lái)臨而逐漸減弱，并在冬季最弱（圖3）。相比較而言，CM?P6 多模式模擬的高原感熱通量中位數(shù)的年循環(huán)變化曲線與Duan2018 大體類似，感熱通量極值也出現(xiàn)在5 月，但不同的是，模式模擬的感熱通量強(qiáng)度在1～5 月份整體偏低，而夏季的模擬強(qiáng)度和Duan2018 更為接近，這就導(dǎo)致了模擬的感熱通量年循環(huán)較Duan2018 存在一定的位相差異，表現(xiàn)為模擬的春季感熱通量低于夏季，這可能與模式模擬的春季高原降水偏多有關(guān)（3.2 中詳細(xì)討論）。具體地，12 個(gè)模式模擬的感熱通量年循環(huán)不盡相同，大部分模式均較Duan2018偏低，其中模式M?ROC6 的模擬感熱通量數(shù)值最低。CESM2 和CESM2-WACCM 模擬的夏、秋季感熱通量與Duan2018 最為接近。12 個(gè)模式中，有3 個(gè)模式（CNRM-ESM2-1、CNRM-CM6-1 和G?SS-E2-1-G）模擬感熱通量明顯較Duan2018 偏高，但這種偏高僅表現(xiàn)在5～10 月，其他月份則明顯偏低。

圖3 1979～2014 年氣候平均的高原中東部地表感熱通量的年循環(huán)序列。黑色實(shí)線為77 個(gè)測(cè)站平均，即Duan2018，12 條虛線分別為12 個(gè)模式的區(qū)域（27°～39°N，85°～105°E）平均，紅色實(shí)線則為12 條虛線的中位數(shù)Fig. 3 Annual cycle of the climatological mean sensible heating flux over the central and eastern TP during 1979–2014. The black and red solid lines represent the sensible heating flux of the 77-station average (Duan2018) and median of the 12-CM?P6 modes, respectively. The other 12 dashed lines indicate the regional (27°–39°N, 85°–105°E) averaged sensible heating flux of the 12 models

3.2 季節(jié)平均的空間分布

比較春、夏季Duan2018 與模擬感熱通量的空間分布（圖4）。從圖4 中Duan2018 的結(jié)果可以看出，春季感熱通量最為強(qiáng)盛，大值區(qū)主要分布在高原中部和北部地區(qū)，感熱通量數(shù)值均在60 W m-2以上，甚至部分區(qū)域超過(guò)80 W m-2（圖4a）。進(jìn)入夏季，高原北部的感熱通量高值區(qū)依然持續(xù)存在，其他大部分地區(qū)的感熱通量則因雨季來(lái)臨而整體減弱，特別是高原南部減弱幅度十分明顯，而整體的空間分布型與春季較為類似（圖4c）。秋、冬季高原感熱通量相較而言則要弱得多，大部分區(qū)域感熱通量數(shù)值在40 W m-2以下（圖略）。從CM?P6的多模式模擬結(jié)果（圖4b、d）來(lái)看，感熱通量的空間分布在夏季和Duan2018 較為一致，表現(xiàn)為高原東南部感熱通量低值區(qū)和北部高值區(qū)，但對(duì)北部大值區(qū)的模擬存在低估，模擬偏低達(dá)30 W m-2左右。相比較，模式、Duan2018 中春季感熱通量的空間分布及強(qiáng)度均存在一定偏差，即Duan2018 中感熱通量中部高東部低的空間分布在模式中并不明顯，特別是模式對(duì)高原中部感熱通量大值區(qū)的把握欠佳，在感熱通量數(shù)值上，模擬結(jié)果整體偏小。

圖4 1979～2014 年平均的高原中東部（a、c）Duan2018 和（b、d）多模式模擬的（a、b）春季、（c、d）夏季高原感熱通量的空間分布（單位：W m-2）Fig. 4 Spatial distributions of the (a, b) spring and (c, d) summer mean sensible heating flux (units: W m-2) over the central and eastern TP for the (a,c) Duan2018 and (b, d) CM?P6 multi-models during 1979–2014

4 春季高原感熱通量模擬偏差及成因分析

通過(guò)上述分析，不難發(fā)現(xiàn)CM?P6 多模式模擬感熱通量整體較Duan2018 偏低，其中春季感熱通量偏差較大，主要表現(xiàn)在對(duì)大值區(qū)域的模擬異常偏低。因此，接下來(lái)重點(diǎn)分析CM?P6 多模式對(duì)春季高原感熱通量模擬普遍偏低的原因。由圖5a 可見(jiàn)，12 個(gè)模式模擬的春季高原感熱通量長(zhǎng)時(shí)間序列均較Duan2018 明顯偏低，甚至個(gè)別模式結(jié)果與之差別甚遠(yuǎn)。Duan2018 的多年平均值為62.86 W m-2，年際變率強(qiáng)度為1.90 W m-2，而模擬感熱通量的多年平均中位數(shù)僅為41.88 W m-2，且模式之間存在較大不確定性（標(biāo)準(zhǔn)差為8.55 W m-2），但年際變化強(qiáng)度與Duan2018 基本相當(dāng)，為1.64 W m-2（表3）。與 Duan2018 最 為 接 近 的 模 式 是 G?SS-E2-1-G（53.47 W m-2），但其年際變率偏強(qiáng)（標(biāo)準(zhǔn)差為5.23 W m-2），而模擬感熱通量與Duan2018 偏差最大的模式則是M?ROC6，在所有模式中感熱通量數(shù)值最小，氣候均值僅為Duan2018 的1/3 左右（表3）。

由公式（1）可知，感熱通量變化主要受制于10 m 風(fēng)速、地氣溫差和熱量拖拽系數(shù)的變化。首先分析10 m 風(fēng)速的模擬情況（圖5b、表3），發(fā)現(xiàn)觀測(cè)和模擬風(fēng)速均表現(xiàn)出一定的年際變化，絕大多數(shù)模式模擬的10 m 風(fēng)速較觀測(cè)偏大，僅有2 個(gè)模式（UKESM1-0-LL 和M?ROC6）的模擬風(fēng)速相對(duì)較小，與觀測(cè)接近。就1979～2014 年的氣候態(tài)均值來(lái)看，在觀測(cè)中高原中東部10 m 風(fēng)速的區(qū)域均值為2.73 m s-1，而12 個(gè)模式的中位數(shù)數(shù)值為3.53 m s-1，明顯高于觀測(cè)。僅有一個(gè)模式（UKESM1.0-LL）均值較觀測(cè)略偏小，而與觀測(cè)氣候均值最為接近的模式是M?ROC6，風(fēng)速均值為2.79 m s-1（表3）。可見(jiàn)，10 m 風(fēng)速的模擬狀況不是導(dǎo)致感熱通量模擬偏低的原因。再來(lái)看地氣溫差的模擬情況（圖5c），顯然，所有模式模擬的地氣溫差均較觀測(cè)明顯偏低，近幾十年觀測(cè)中地氣溫差的氣候均值為4.52°C，而模式氣候均值中位數(shù)僅為0.76°C，平均冷偏差達(dá)將近4°C。從單個(gè)模式模擬的結(jié)果來(lái)看，各模式的地氣溫差強(qiáng)度較為接近，強(qiáng)度范圍為0.02°C～2.20°C（表3）。

He doesn’t study as/so hard as his brother.他學(xué)習(xí)不如他弟弟努力。

表3 1979～2014 年觀測(cè)、12 個(gè)模式及12 個(gè)模式平均計(jì)算所得高原中東部區(qū)域春季平均感熱通量（單位：W m-2）、感熱通量年際變率（單位：W m-2）、10 m 風(fēng)速（單位：m s-1）和地氣溫差（單位：°C）的氣候態(tài)Table 3 Climatological mean of the spring sensible heating flux (units: W m-2) and its interannual variability (units: W m-2),wind speed (units: m s-1) at 10-m height, and land–air temperature differences (units: °C) obtained from observations, 12-models simulations, mean of 12-models simulations over the central and eastern during 1979–2014

圖5 1979～2014 年春季觀測(cè)、模擬的高原中東部（a）感熱通量、（b）10 m 風(fēng)速和（c）地氣溫差的時(shí)間演變序列。黑色實(shí)線為Duan2018，紅色實(shí)線為所有模式序列的中位數(shù)，其余曲線分別為12 個(gè)模式的模擬結(jié)果Fig. 5 Temporal evolutions of the (a) sensible heating flux, (b) wind speed at 10-m height, and (c) land–air temperature differences for observations(Duan2018) and multi-models during 1979–2014. The black and red solid lines indicate the elements of Duan2018 and the median of the multi-models,respectively, the other 12 dashed lines indicate the regional averaged elements of the 12 models

因此，綜合感熱通量、風(fēng)速和地氣溫差的模擬情況，可以發(fā)現(xiàn)，模式模擬感熱通量的普遍偏低可能主要?dú)w因于地氣溫差模擬的冷偏差。以模式M?ROC6 為例，相較其他模式而言，其模擬的風(fēng)速與觀測(cè)較為接近，但由于其模擬的地氣溫差存在嚴(yán)重冷偏差，導(dǎo)致感熱通量模擬結(jié)果偏低。此外，除了風(fēng)速和地氣溫差會(huì)影響感熱通量的變化，公式（1）中可以看出系數(shù)ρcpCH（這里將其定義為C）也可能會(huì)對(duì)感熱通量的變化有所影響。

更進(jìn)一步地，將公式（1）簡(jiǎn)化為

其中，T為地氣溫差，而V為10 m 風(fēng)速。則可推導(dǎo)出：

為定量估計(jì)在均值上模式模擬感熱通量和Duan2018的偏差及成因，這里可進(jìn)一步將公式（3）變形為

其中，分子部分為模式均值與計(jì)算或觀測(cè)均值的差值，而分母為計(jì)算或觀測(cè)的氣候平均值，那么公式（4）則體現(xiàn)了在均值上模擬感熱通量與Duan2018偏差的相對(duì)變化及成因。計(jì)算結(jié)果如圖6 所示，可知12 個(gè)模式模擬的春季高原感熱通量均較Duan2018 偏低，而風(fēng)速的模擬普遍偏高，其中模式MR?-ESM2-0 的模擬風(fēng)速偏差最大，約為觀測(cè)氣候態(tài)均值的1.16 倍，僅有一個(gè)模式（UKESM1-0-LL）的風(fēng)速較觀測(cè)略偏低，顯然風(fēng)速的模擬偏大并不是感熱通量模擬偏低的成因，這和以上定性分析結(jié)果一致。很明顯，在所有模式中地氣溫差表現(xiàn)為一致偏低，其偏差值均高于觀測(cè)氣候態(tài)均值的50%，最高（模式G?SS-E2-1-G）可與觀測(cè)均值相當(dāng)。此外部分模式（BCC-CSM2-MR、BCC-ESM1、?PSL-CM6A-LR 及MR?-ESM2.0）中系數(shù)C的低估也對(duì)感熱通量模擬偏低有一定貢獻(xiàn)，但是弱于地氣溫差的冷偏差作用，而其他8 個(gè)模式中的系數(shù)C均偏高。因此，通過(guò)定量分析明確了地氣溫差的模擬冷偏差是造成感熱通量模擬偏低的主要原因。

圖6 1979～2014 年12 個(gè)模式模擬結(jié)果與觀測(cè)在感熱通量（紅色柱）、風(fēng)速（綠色柱）、地氣溫差（黃色柱）和系數(shù)C（灰色柱）上的偏差的相對(duì)變化Fig. 6 Relative variations in the deviation between the 12-models simulations and observation for sensible heating flux (red bars), wind speed (green bars), land–air temperature difference (yellow bars), and coefficient C (gray bars) during 1979–2014

圖7 1979～2014 年觀測(cè)（左）和CM?P6 模式集合平均（右）的春季高原中東部（a、d）地氣溫差、（b、e）地表溫度和（c、f）氣溫的空間分布Fig. 7 Spatial distributions of the (a, d) land–air temperature difference, (b, e) surface temperature, and (c, f) air temperature over the central and eastern TP for the observation (left) and ensemble mean of CM?P6 models (right) during 1979–2014

進(jìn)一步探究地表溫度的模擬冷偏差原因。由地表能量平衡方程（Lu and Cai, 2009）可知，地表溫度變化與短波輻射通量和潛熱通量關(guān)系密切。任余龍等（2021）利用地表能量平衡方程診斷新疆地表溫度模擬偏低的狀況，指出模式模擬的潛熱值偏大是主要原因。圖8 所示為觀測(cè)和CM?P6 多模式模擬的多年平均地表凈短波輻射通量和降水的空間分布。從短波輻射來(lái)看，觀測(cè)（衛(wèi)星輻射資料GEWEXSRB）和模式結(jié)果較為相似，但在地表溫度冷偏差較大的高原中部地區(qū)，GEWEX-SRB 資料的地面凈短波輻射較模式模擬結(jié)果明顯偏強(qiáng)，這可能是造成多模式模擬地表溫度存在冷偏差的一方面因素。更重要地，從降水的空間分布可以看出，多模式模擬結(jié)果在整個(gè)高原均較觀測(cè)偏強(qiáng)，特別是在高原偏北部和南部地區(qū)，這也是地表溫度冷偏差較大的區(qū)域（圖7b、e）。由此可知，地表溫度的模擬冷偏差可能與高原降水模擬偏強(qiáng)有密切聯(lián)系。

圖8 1979～2014 年平均的（a、c）觀測(cè)和（b、d）CM?P6 多模式模擬的春季高原（a、b）地表凈短波輻射通量（來(lái)自GEWEX-SRB 衛(wèi)星輻射資料，單位：W m-2）和（c、d）降水量距平（單位：mm d-1）的空間分布Fig. 8 Spatial distributions of the spring mean (a, b) net shortwave radiation flux (from the GEWEX-SRB dataset, units: W m-2) and (c, d)precipitation anomalies (units: mm d-1) over the central and eastern TP for the (a, c) observations and (b, d) CM?P6 multi-model simulations during 1979–2014

5 結(jié)論和討論

基于站點(diǎn)觀測(cè)、衛(wèi)星輻射資料和CM?P6 新一代氣候模式的歷史模擬試驗(yàn)數(shù)據(jù)，本文定量評(píng)估了12 個(gè)全球氣候模式對(duì)高原中東部地區(qū)地表感熱通量的模擬能力，并分析了模擬偏差的可能原因。主要結(jié)論有：

（1）CM?P6 多模式對(duì)高原中東部地區(qū)地表感熱通量的年循環(huán)的模擬數(shù)值較Duan2018 偏低；對(duì)地表感熱通量的季節(jié)平均空間分布型的模擬較為合理，與Duan2018 十分接近，但數(shù)值偏弱，尤其春季高原中部地區(qū)的感熱通量大值區(qū)在模式中被嚴(yán)重低估。

（2）區(qū)域平均而言，1979～2014 年以來(lái)，CM?P6 多模式模擬的春季高原地表感熱通量均較Duan2018 明顯偏低，平均偏低約21 W m-2，且模式之間存在較大不確定性。模式G?SS-E2-1-G 模擬的感熱通量與Duan2018 數(shù)值最為接近，但年際變率偏強(qiáng)；而與Duan2018 數(shù)值偏差最大的模式是M?ROC6，在所有模式中感熱通量數(shù)值最小，氣候均值僅為Duan2018 的1/3 左右。進(jìn)一步的定性和定量歸因分析表明，多模式模擬的春季高原10 m風(fēng)速和地氣溫差分別較觀測(cè)偏高和偏低，系數(shù)C在大多數(shù)模式中偏高，這表明CM?P6 模式模擬的春季高原感熱通量偏低主要是由地氣溫差的模擬冷偏差所造成的。

（3）地氣溫差的模擬冷偏差在整個(gè)高原中東部地區(qū)普遍存在，整體偏低3.5°C 以上，特別在高原南部和北部地區(qū)，冷偏差可達(dá)5°C～6°C。地表溫度和空氣溫度的模擬結(jié)果均較臺(tái)站觀測(cè)存在冷偏差，其中地表溫度冷偏差更為明顯，區(qū)域平均偏差強(qiáng)度可達(dá)6.78°C，進(jìn)一步分析發(fā)現(xiàn)，這可能與多模式對(duì)高原降水值模擬偏強(qiáng)有關(guān)。

在高原地區(qū)，全球氣候模式模擬的溫度普遍存在冷偏差，而這種偏差在不同季節(jié)、不同模式、高原不同區(qū)域的歸因都可能有所不同，以往相關(guān)分析指出地表溫度模擬冷偏差與地表反照率（Wu et al.,2021）、物理過(guò)程參數(shù)化方案（徐蓉蓉等, 2021）、模式分辨率（Ji and Kang, 2013）等諸多要素有關(guān)，本文也提出可能與模式模擬的高原降水偏強(qiáng)相關(guān)。上述研究還指出提高模式中的陸面和云過(guò)程、選擇合適的分辨率和參數(shù)化方案等對(duì)降低高原上地表溫度偏差至關(guān)重要，可見(jiàn)目前高原氣候模擬仍面臨不小挑戰(zhàn)。

對(duì)于幅員遼闊、地形復(fù)雜且站點(diǎn)稀缺的高原而言，未來(lái)的氣候變化研究工作將對(duì)模式更加依賴，因此評(píng)估模式在高原地區(qū)模擬水平非常重要。本文主要利用高原中東部地區(qū)的有限觀測(cè)數(shù)據(jù)計(jì)算的感熱通量評(píng)估了CM?P6 多模式的模擬性能，且值得注意的是Duan2018 與直接觀測(cè)感熱通量數(shù)據(jù)之間也有一定誤差。而對(duì)資料匱乏的高原西部而言，無(wú)法給出進(jìn)一步探討，期待未來(lái)能夠有更多可使用的資料開(kāi)展更加細(xì)致的機(jī)理分析工作。

致謝感謝文中表1 所示的CM?P6 各模式組提供的模擬試驗(yàn)數(shù)據(jù)，感謝Duan et al.（2018）提供的站點(diǎn)觀測(cè)及計(jì)算數(shù)據(jù)，感謝國(guó)家青藏高原科學(xué)數(shù)據(jù)中心提供的綜合觀測(cè)數(shù)據(jù)集。