CMIP5模式对青藏高原地表温度的模拟与预估

张珂铭 , 范广洲

（成都信息工程大学大气科学学院/高原大气与环境四川省重点实验室，成都 610225）

引言

近一个世纪以来，全球温度升高和全球变暖成为了其气候变化的主要特点，并且未来全球大部分地区的极端高温日数将会增加，强度还会增强。而在如今全球变暖的气候背景下，青藏高原作为地球的“第三级”、世界上最大的高原，也是气候变化的敏感和脆弱区[1]，其复杂的地形和独特的气候特点一直以来是国内外学者研究的热点[2−3]。近几十年来青藏高原上空的年平均温度、季平均温度在空间上都具有较高的一致性，并且在对流层（500～250hPa）和对流层上层至平流层下层（150hPa及以上）年平均温度的变化是不同的[4]。从时间尺度上看，高原上空以150hPa为分界线，温度的变化趋势不同；从空间尺度上看，在高原的不同区域，其温度的变化幅度也存在差异，并且各个气层温度都存在较为突出的年际和年代际变化[5]。何冬燕等[6]的研究表明：青藏高原四季的地表温度主要呈一致变化，均为升高趋势；在秋季，高原的东部和西部，其地表温度呈现比较显著的反向变化趋势，但总体趋势是下降的。而周婷等[7]的研究也发现高原的温度变化存在明显的年代际特征。

长期以来，气候模拟以及气候变化和未来的预估这一系列研究工作都是通过气候模式这一重要工具进行的[8−10]。为了提升对未来气候变化的预估能力，CMIP5模式设计增加了一系列实验来充实现有的理论[11]。在经历了CMIP1、CMIP2、CMIP3等发展阶段后，CMIP5模式到如今已经囊括了60多种模式，更高的时空分辨率、更完善的参数化方案和更强大的模拟能力相较于前期有了巨大的提升[12−13]。目前已有不少学者利用CMIP5模式对我国各区域进行了分析评估，且研究进展巨大。Xu 等[14]认为模式对于地表温度的模拟效果呈负偏差而降水的模拟效果则存在正偏差。郭彦等[15]通过评估25个CMIP5模式对我国年平均地表温度的模拟能力后，对CMIP5 模式的模拟能力进行了肯定。Su 等[16]评估了 其中24 个CMIP5气候模式对青藏高原地区地表温度和降水的模拟能力，验证了Xu等[14]的结论。段思汝等[5]和胡岑等[17]的研究发现：虽然CMIP5 模式对高原地区的地表温度具有不错的模拟能力，但对于降水的模拟结果不理想，而温度的模拟相较观测数据结果也存在一定程度上的冷偏差。为了对未来的气候变化进行预估，通过新的典型浓度路径进行统计分析，能够较好地预估未来气候变化的走向，而这些排放路径主要有RCP2.6、RCP4.5、RCP6.0、RCP8.5四种情景[18−19]。吴昊旻等[20]就利用了气候模式BCC-CSM1.1的历史试验资料和4类典型浓度路径下未来预估试验结果，对2011～2060年中亚地区年平均温度的时空演变特征进行了预估模拟。但受到青藏高原地形复杂以及东部季风区气候变化程度敏感的影响，气候时空变率大，早期气候模式的能力还存在着不足之处，诸如模拟地表温度的冷偏差和对降水的高估，特别是模式误差在青藏高原地区存在放大现象[21−25]。本文拟利用1980～2005年英国东英吉利亚大学的CRU观测资料和模式的历史资料集合平均得到年平均温度变化趋势，结合泰勒诊断，对青藏高原地表温度及其变化趋势进行观测与模式模拟，从而对高原未来的地表温度进行预估。

1 资料和方法

观测资料使用的是英国东英吉利亚（East Anglia）大学的 CRU (Climatic Research Unit) 1980～2005 年全球陆面月平均地表数据集，其空间水平分辨率是1°×1°。表1归纳了这些模式试验的基本信息，本文选取的模式资料是CMIP5模式中29个模式历史模拟的1980～2005年历史气候模拟试验（简称Historical试验），将其温度数据通过双线性插值法插值到CRU资料分辨率为1°×1°的网格上，再对其模式结果进行分析。本文研究时间段为1980～2005年，而研究范围为25°～40°N 和 70°～110°E的青藏高原地区。在模式的模拟能力测评过程中，本文先结合CRU观测资料和CMIP5中29个模式对青藏高原年平均地表温度进行模拟，在此基础上进行了年平均地表温度的趋势模拟，同时为了验证各模式模拟场与观测场的相关程度，验证模式稳定性，进行了泰勒诊断。利用多模式集合平均分析各个模式对于高原年平均地表温度的模拟情况，最后再在三种不同浓度排放的情景下对高原未来的地表温度进行模拟预估，最后得出结论。

表1 CMIP5模式中29个气候模型的基本信息

2 青 藏 高 原 年 平 均 地 表 温 度 变 化 特 征 和趋势

2.1 CMIP5模式对青藏高原年平均地表温度的模拟评估

如图1，从观测场结果来看，青藏高原北部比南部的温度更低，在高原西北部颜色最深，为其低温中心。而CMIP5中选取的模式还是能够较好的模拟出年平均地表温度的分布特征。但需要注意的是，CMIP5绝大多数模式模拟出来的结果相较于观测资料均系统性偏低，并且冷区的范围更大，出现了负偏差。其中CNRM-CM5、CNRM-CM5-2、IPSL-CM5A-LR、IPSLCM5A-MR、IPSL-CM5B-LR、MIROC4h、MIROC-ESM、MIROC-ESM-CHEM、MRI-CGCM3、MRI-ESM1这些模式模拟出的结果呈现的负偏差相对于其他模式来说更明显一些，在冬夏两季尤为突出。如图2a，GFDLCM3、GISS-E2-H、GISS-E2-R、IPSL-CM5A-LR、IPSLCM5A-MR、IPSL-CM5B-LR、MIROC-ESM、MIROCESM-CHEM这几个模式在夏季出现了较为明显的负偏差，而CanESM2的模拟结果相对于观测结果又略高；如图2b，所有29个模式在冬季的模拟结果相较于观测结果均出现负偏差，只有CMCC-CESM这个模式的模拟结果与观测结果最为接近，但模拟的冷涡中心较观测结果有所南移。上述分析表明，虽然模式的整体模拟能力仍有欠缺，但是其地表温度的模拟结果较观测数据的总体冷偏差与之前的气候模式是相同的，并且偏差幅度也大致相似[12−13]。而整体来说高原西部（90°E以西）模拟的负偏差相较于高原东部来说更明显一些。同时，年平均温度模拟效果较好的几个模式（ACCESS1.0、ACCESS1.3、CMCC-CESM）在季节平均的模拟效果也比其他模式更接近于观测结果。

图1 1980～2005年青藏高原年平均地表温度观测以及CMIP5多模式模拟结果

图2 1980～2005年青藏高原季平均地表温度观测与CMIP5多模式模拟结果（a. 夏季，b. 冬季）

那么是否年平均地表温度模拟结果较好的模式，就一定会在季平均地表温度的模拟中与观测结果吻合程度更高且效果更好呢？泰勒图(Taylor diagram)是判定和比较模式模拟出来的结果与观测值偏差程度的研究工具，通过空间相关系数、均方差和变化的振幅来体现[26]。

如图3所示，所选取的29个模式相关系数区间为0.7～0.95，模拟结果与观测数据的标准差之比在0.73～1.35这个区间范围内，也就是说每个模式都能够较好模拟出青藏高原地区年平均地表温度的空间变率。从单个模式上来看，对青藏高原年平均地表温度气候模拟结果较好的几个模式是ACCESS1.0、CMCCCM、CNRM-CM5、HadGEM2-CC、MPI-ESM-MR，而MIROC-ESM-CHEM模式的模拟结果与观测场的标准差之比几乎接近1.5，说明此模式对于青藏高原年平均地表温度的总体模拟能力有限。

图3 CMIP5模式对青藏高原年平均气温的模拟结果相对于观测结果的Taylor图

如春季的泰勒诊断图所示（图4a），模式的相关系数范围区间为0.71～0.93，离散程度较夏季更为收敛，且大部分模式的标准差之比落在1周围，说明整体对空间变率的模拟效果还是不错的，且在年平均模拟表现较好的模式，同样在春季保持着比较好的模拟结果。如夏季的泰勒诊断图所示（图4b），总体的模拟结果相较年平均都有不同程度的偏差，空间相关系数降低到0.7～0.92，并且标准差之比的离散程度开始变大，而且在年平均模拟结果中模拟能力稍差的IPSL-CM5AMR这个模式在夏季的相关系数的偏差更大，说明模式模拟也会受到高原温度差异的影响。如秋季的泰勒诊断图所示（图4c），模式的模拟效果最好，整体的空间相关系数在0.8～0.95这个范围，而效果较好的几个模式空间相关系数更是达到了0.9～0.95，模拟结果与观测场的标准差之比接近1的模式较其他季节更多，其中以CMCC-CM模式在秋季的模拟效果最好，和年平均模拟呈现的结果相吻合。如冬季的泰勒诊断图所示（图4d），虽然空间相关系数有所下滑，但是模拟与观测场的标准差之比的值收敛程度较高。通过对比评估模式模拟的青藏高原年平均和季平均温度空间变率，结果反映出青藏高原气候的季节性差异会对模拟的效果产生一定的影响。但从总体上来看，年平均地表温度模拟情况较好和季节平均的模拟情况呈正相关，即在年平均温度上表现较好的模式，季平均模拟的表现也比较客观，尤其是MIROC-ESMCHEM模式最为明显；反之亦然。

图4 CMIP5模式对青藏高原季平均地表温度的模拟结果相对于观测结果的Taylor图（a. 春季，b. 夏季，c. 秋季，d. 冬季）

2.2 CMIP5模式对青藏高原年平均和季平均地表温度变化趋势的模拟评估

如图5所示，对比青藏高原年平均地表温度变化趋势的观测结果与CMIP5中29个模式的模拟结果可知，主要的年平均地表温度温变化表现为增温，这是温室效应影响下全球变暖导致的结果；大部分的模式模拟结果与CRU观测结果吻合，并且高原西部比东部的上升趋势更明显，达到了0.04～0.06°C/10a左右；但值得注意的是，GFDL-CM3和ACCESS1.0模式出现了比较明显的偏差，高原东部的上升趋势比西部更显著，而CanESM2这个模式显示出的增温趋势则集中在高原中部。在夏季（图6a），MRI-CGCM3对于高原西部的模拟出现了下降趋势，偏差较大；MIROCESM-CHEM模式对于高原东部温度的模拟有所夸大。在冬季（图6b），有13个模式夸大了青藏高原的增温速率；同样也是MIROC-ESM-CHEM这个模式，在高原北侧呈现的温度变化趋势不升反降，模拟表现较差。

图5 CRU资料与CMIP5中29个气候模式模拟的青藏高原年平均地表温度变化趋势对比

图6 CRU资料及CMIP5中29个气候模式模拟的青藏高原季平均地表温度变化趋势对比（a. 夏季，b. 冬季）

通过上述分析发现：在季节平均中出现偏差的模式相较于年平均有所增加，一方面说明季节性差异对于模拟的效果有一定影响，另一方面说明可能模式对于温度趋势的模拟效果不如对温度的模拟效果稳定；而且大部分模拟的趋势结果相对于观测结果来说偏高，也就是说模式模拟出的趋势超出实际观测的趋势，这也和近年来全世界做出的一系列防止全球变暖的措施有关。

2.3 青藏高原年、季平均地表温度观测结果与模式模拟集合平均的对比

如图7和图8所示，观测资料显示青藏高原年平均地表温度从-1.5℃开始波动，但是总体是呈现增温趋势的，在1999年年平均地表温度达到研究范围的峰值，高于−1℃；而MMM模式集合平均模拟的年平均地表温度，虽然同观测资料一样呈上升趋势，但是比观测结果低了2.6℃左右。由欧洲中心提供的两个模式ACCESS1.0和ACCESS1.3的模拟精度最高，与观测场最为接近，模拟效果最好。近三分之二的模式模拟精度较多模式集合平均效果更好，这也说明大多模式对于青藏高原年平均地表温度的模拟表现较为理想。

图7 青藏高原年平均地表温度的观测结果与CMIP5中26个气候模式模拟结果及其集合平均的对比（红线为所有模式集合平均）

图8 青藏高原季平均地表温度的观测结果与CMIP5中26个气候模式模拟结果及其集合平均的对比（a. 夏季，b. 冬季；红线为所有模式集合平均）

在冬夏两季，增温还是高原地表温度变化趋势的主旋律，但冬季温度变化趋势在1995年有明显的向下波动，并且多模式集合平均的温度比观测资料的温度普遍低了2.6℃左右，和年平均地表温度对比结论相吻合。在夏季，GISS-E2-H模式与观测场数据和MMM多模式集合平均温度相比，对高原地区的温度模拟明显低估，和前文的模拟结果一致。在不同季节，部分模式模拟结果出现波动的幅度稍大，也印证了青藏高原季节性变化是影响模式模拟结果的重要因素之一。

3 未来不同排放情景下青藏高原年平均地表温度差异随时间的变化

图9给出了青藏高原地区在3种不同排放情景下未来近百年相对于1980～2005年的升温幅度，从图中可知，未来3种不同典型浓度排放情景下的年平均地表温度均有所升高，到21世纪末期，低浓度情景下的增温趋势最小，约升高1.5℃，而中浓度情景和高浓度情景下的温度上升幅度均超过3℃，分别为3.2℃和6.5℃。

图9 不同排放情景下青藏高原年平均地表温度差异随时间的变化

在RCP2.6低浓度模式下，多模式集合平均预估的青藏高原年平均地表温度变化趋势为先升高，但升高幅度逐步放缓，其中模式平均预估的升温峰值出现在21世纪40年代后期和21世纪60年代中期；模式预估的升温范围在0.8～2.6℃，略高于全球温度变化趋势，说明21世纪青藏高原升温有可能控制在2℃之内。

在RCP4.5中浓度模式下，多模式集合平均预估的青藏高原年平均地表温度变化趋势也是逐渐升高；但从21世纪70年代后期开始，升温幅度会趋于平缓，并逐步控制在3.2℃左右，升温峰值出现在21世纪50年代中后期，从21世纪80年代后期开始升温幅度开始稳定在3℃左右。

在RCP8.5高浓度模式下，多模式集合平均预估的青藏高原年平均地表温度变化趋势则是快速升高；到21世纪末期，多模式集合平均的上升值突破了6℃，明显高于RCP2.6低浓度模式和RCP4.5中浓度模式的预估结果；从2076年开始，升温值就已经达到了5℃，并且随着时间推移，增温趋势呈现连续上升，增温幅度持续加大，并且极有可能突破6.5℃，接近于全球增温数值的两倍；这也说明高浓度排放情景下青藏高原对于增温响应非常敏感。

4 结论

本文通过CRU提供的1980～2005 年全球陆面月平均地面数据集以及CMIP5中29个模式的Historical试验，对25°～40°N 和 70°～110°E青藏高原主体地区的年、季平均地表温度及其变化趋势进行了模拟分析，再利用多模式集合平均对比分析了各模式模拟青藏高原地区地表温度的效果，最后在三种不同浓度排放情况下对青藏高原未来的地表温度变化进行了预估。结论如下：

（1）CMIP5的模式能够较好地模拟出青藏高原年平均地表温度，但是模拟结果较观测结果而言总体偏低，偏差值大约在2.6°C。同时在季平均的模拟上也存在类似的负偏差，冬季尤为明显，并且90°E以西的高原西部比东部的低温情况更加显著。

（2）高原90°E以西的地区比东部的升温趋势更大，达到了0.04～0.06°C/10a，但是模式模拟温度比观测资料而言也是呈现负偏差，模式模拟的能力还需要进一步提升。

（3）模式对高原年平均和季平均地表温度的模拟能力呈现正相关，在年平均模拟较好的模式在季平均的模拟中效果也比较理想；反之亦然。

（4）模式集合平均的模拟能力总体优于单个模式，无论是对于年平均地表温度还是季平均地表温度，同时模式的择优筛选也有利于模拟结果的精准化，即对模拟效果较好的单个模式进行择优选取再进行集合平均，所得结果肯定优于未择优结果。同时MMM模式集合平均同样存在季节性差异。

（5）青藏高原未来的增温趋势与外辐射强迫的强度呈正相关，高原地区对高浓度排放情景下的增温效应比中低浓度更加剧烈，并且升温值在21世纪末极有可能突破6.5℃。