CMIP5全球气候模式对中国东部雨带北推模拟的评估

金瑞萌，杨 洋

(1.科右中旗气象局，科右中旗 029400；2.贵州省织金县气象局，织金 552100)

0 引言

中国地处东亚季风区，影响东亚夏季气候的一个重要系统就是东亚夏季风。在东亚夏季风的影响下，中国东部地区的夏季降水会呈现出复杂的变化。自南海夏季风爆发后，随着夏季风的推进，中国东部形成3个雨季，分别为华南前汛期、江淮梅雨和华北雨季。中国东部夏季雨带的推进速度决定着其停滞时间的长短，进而影响中国东部的旱涝特征和雨型结构，所以对中国东部夏季雨带推进的研究是十分重要的。

全球气候模式是气候模拟和预测未来气候变化情景的重要工具和主要手段，使用全球气候模式对未来气候进行情景预测之前必须要评估模式模拟现代气候的能力[1]。为对比检验模式对历史气候及其变化的模拟能力，文章利用CMIP5的33个模式历史实验月平均降水数据，评估了33个模式对近几十年中国东部雨带推进气候态的模拟能力。初夏至盛夏东亚夏季风向北推进过程的快慢和强度的变化与中国东部7月降水异常直接相关，因此使用中国东部7月降水异常作为衡量初夏至盛夏雨带推进异常，寻找模拟能力较好的模式。

1 资料和方法

1.1 资料

文章使用的观测降水资料为APHRODITE计划的季风区(MA)子数据集，即APHRO_MA_V1101逐日降水数据集[2]，分辨率为0.25°×0.25°，时间为1961—2005年，并且将逐日降水资料处理为逐月降水资料。

模式资料来自CMIP5的33个全球气候模式模拟结果模式历史试验中降水逐月资料，表1给出了33个模式的基本信息。为了便于比较分析，观测资料和所有模式结果均采用了线性插值方法插值到了1°×1°分辨力的网格点上。

1.2 方法

1.2.1 空间相关系数

空间相关系数(R)是衡量模拟场和观测场之间关系的一个统计量，他没有单位，所以便于比较。空间相关系数(R)越接近于1(-1)时，模式模拟的效果就越好(差)。可以通过33个CMIP5模式模拟场的空间相关系数折线图直观地看出哪些模式的模拟能力较好。

1.2.2 泰勒图法

为了更加全面且直观地分析33个CMIP5模式模拟初夏至盛夏中国东部雨带的推进模拟能力，在此引入泰勒图分析方法[3]。泰勒图主要从3个方面综合考察模式模拟与观测气候场的匹配程度，分别是模式模拟与观测气候场的空间相关系数(R)、相对标准差(σf/σr)以及去除模式系统性误差的均方根误差(E＇)，三者组成1个极坐标图，可以很直观地根据模拟气候场在泰勒图中的位置判断他的模拟能力。图1为泰勒图方法的示意图，A点是观测场所在的位置，设B和C为两个模式模拟场所在的位置。在△ABC中，∠AOB的余弦值为模拟场和观测场的空间相关系数(R)，OB的长度为模拟场与观测场的标准差之比，即相对标准差(σf/σr)，AB的长度为模拟场和观测场去除模式系统性误差的均方根误差(E′)。在泰勒图中，越靠近观测值，模式的模拟效果就越好，即当空间相关系数(R)越大、相对标准差(σf/σr)越接近于1、去除模式系统性误差的均方根误差(E′)越小时，模式的模拟效果越好。在图1中，模式B的模拟能力显著优于模式C的模拟能力。将33个模式都放入泰勒图中时，就可以很直观地看出哪些模式的模拟能力较好。

图1 泰勒图方法示意图

1.2.3 S技巧评分

模拟技巧评分采用Taylor定义的公式计算：

(1)

式中，R为空间相关系数；σ为模拟结果相对于观测结果的空间标准差；R0为最大空间相关系数，文中取为1。S越接近1(0)，模拟效果越好(差)。

2 中国东部雨带北推气候态的模拟评估

2.1 雨带气候态的结果分析

图2给出了中国东部地区(110°～122°E)观测的1961—2000年的月平均降水气候态的时间—纬度剖面图。从图中可以看出：东部雨带在初夏到盛夏有一个明显的向北推进的特征；5月上旬雨带开始向北推进；6月初雨带北跳至28°N附近的长江流域南部地区，江淮梅雨就此开始；7月初雨带再次北跳，到达33°N附近的黄淮地区。

图2 1961—2000年中国东部地区(110°E～122°E)的月平均降水气候态时间—纬度剖面图(单位：mm/d)

2.2 模式模拟能力评估

为对比检验模式对历史气候及其变化的模拟能力，文章利用了CMIP5 33个模式历史实验月平均降水数据对1961—2000年中国东部雨带北推气候态进行了模拟，为了寻找模拟能力较好的模式，文章就33个模式对1961—2000年中国东部雨带推进气候态的模拟能力进行评估。

图3是33个CMIP5模式模拟6月、7月以及7月与6月差值的降水气候态的泰勒图。从图中可以发现，从整体来看，模式对6月降水气候态的模拟能力最好，33个模式的空间相关系数基本上都大于0.7，相对标准差在0.5～1.0的模式非常多，去除模式系统性误差的均方根误差在1个标准差之间的模式也非常多；其次是对7月与6月差值降水气候态的模拟，对7月降水气候态的模拟能力总体要差一些。所有模式模拟中，NorESM1-M模式对7月与6月差值降水气候态的模拟是效果最好的，空间相关系数为0.92，去除模式系统性误差的均方根误差在0.4个标准差之间，且相对标准差在1.0左右。

图3 33个CMIP5模式模拟6，7月以及7月与6月差值降水气候态的泰勒图(数字1-33表示33个模式，三角表示7月与6月差值，星号表示7月，圆点表示6月)

为了对比不同模式之间模拟能力的差异，在此设置3个定量标准来挑选模拟能力相对较好的模式，首先空间相关系数大于0.9；其次去除模式系统性误差的均方根误差在0.5个标准差以内；最后，相对标准差在0.7～1.3。由此最终得到模拟能力较好的模式有5个，其中没有对7月降水气候态模拟能力较好的模式；对6月降水气候态模拟能力较好的模式是inmcm4模式；对7月与6月差值降水气候态的模拟能力较好的模式分别是BNU-ESM模式、NorESM1-M模式、MPI-ESM-LR模式和HadGEM2-CC模式，其中NorESM1-M模式的模拟能力最好的。

图4是33个CMIP5模式模拟6月、7月以及7月与6月差值降水气候态的空间相关系数。图4a为6月降水气候态的空间相关系数，可以看出17个模式模拟能力较好，其中最好的是CSIRO-Mk3-6-0和HadGEM2-CC，模拟能力最差的模式是MIROC-ESM。

图4b为7月降水气候态的空间相关系数，可以看出有4个模式的模拟能力比较好，分别是：CNRM-CM5，GFDL-CM3，HadGEM2-CC和inmcm4，模拟能力最差的模式是EC-EARTH。

图4c为7月与6月差值降水气候态的空间相关系数，可以看出有14个模式模拟能力较好，其中最好的是HadGEM2-CC，模拟能力最差的模式是EC-EARTH。

综上所述，由空间相关系数评估的结果是，33个模式中CNRM-CM5，HadGEM2-CC和inmcm4模式的模拟能力最好。

图5是33个CMIP5模式模拟6月、7月以及7月与6月差值降水气候态的S技巧评分。图5a为6月降水气候态的S技巧评分，可以看出有11个模式模拟能力较好，其中最好的是MPI-ESM-LR和MRI-CGCM3，最差的是MIROC-ESM。

图5b为7月降水气候态的S技巧评分，可以看出11个模式模拟能力较好，其中最好的是inmcm4，模拟能力最差的模式是EC-EARTH。

图5c为7月与6月差值降水气候态的S技巧评分，可以看出有6个模式中模拟能力较好，其中最好的是NorESM1-M，模拟能力最差的模式是CanESM2。

综上所述，由S技巧评分评估的结果是：33个模式中CNRM-CM5模式的模拟能力最好，这个模式对6月、7月以及7月与6月差值降水气候态的模拟都有很好的模拟能力，模拟能力最差的模式是MIROC-ESM，EC-EARTH和CanESM2。

结合泰勒图(inmcm4和NorESM1-M模式模拟能力最好)、空间相关系数(CNRM-CM5、HadGEM2-CC和inmcm4模式的模拟能力最好)和S技巧评分(CNRM-CM5模式的模拟能力最好)的评估结果，可以看出inmcm4 和CNRM-CM5模式对中国东部雨带北推气候态的模拟能力最好。

图4 33个CMIP5模式模拟(a)6月；(b)7月；(c)7月与6月差值月平均降水气候态的空间相关系数

图5 33个CMIP5模式模拟(a)6月；(b)7月；(c)7月与6月差值降水气候态的S技巧评分

3 7月中国东部降水趋势的模拟评估

3.1 7月东部降水趋势的观测结果

图6为1961—2005年中国东部7月降水趋势的观测结果，可以看出1961—2005年黄河以南地区的降水基本上呈增加趋势，大值中心在湖南、广东，趋势值大于0.5 (mm/d)/10 a；黄河以北地区降水呈减少趋势，大值中心在渤海湾附近，趋势值大于0.6 (mm/d)/10 a。趋势没有通过95%置信度检验。

3.2 模式模拟能力评估

与对中国东部雨带北推气候态的模拟评估相同，对33个CMIP5模式模拟的7月中国东部降水趋势也要进行评估。图7为33个CMIP5模式模拟7月降水趋势的空间相关系数，从图中可以看出，只有3个模式的空间相关系数大于0.6，其中CanESM2模式的模拟能力是33个模式中最好，空间相关系数达到了0.8。在33个模式中，空间相关系数为负值的模式有18个，可以看出整体模式模拟能力都不是很好。

图6 观测的1961—2005年中国东部7月降水趋势(单位：(mm/d)/10 a)

图7 33个CMIP5模式模拟7月降水趋势的空间相关系数

图8为33个CMIP5模式模拟7月降水趋势的S技巧评分，从图中可以看出，有8个模式的S技巧评分大于0.6，其中HadGEM2-CC模式的S技巧评分达到0.8，是33个模式中模拟能力最好的模式。可以看出33个模式对中国东部7月降水趋势的模拟均不是很好。

图8 33个CMIP5模式模拟7月降水趋势的S技巧评分

总体来说，33个模式对7月中国东部降水趋势的模拟能力都不太好，结合S技巧评分和空间相关系数的评估结果来看，模拟能力最好的两个模式是HadGEM2-CC和CanESM2。

4 结束语

文章利用1961—2005年观测的APHRO_MA_V1101逐月降水资料和CMIP5的33个全球气候模式模拟结果模式历史试验中降水逐月资料，对比检验了模式对历史气候及其变化的模拟能力，评估了33个CMIP5模式对近几十年中国东部雨带推进气候态的模拟能力。得到如下主要结论：

1)综合泰勒图、空间相关系数和S技巧评分3种评估方法的结果来看，33个CMIP5模式中，对中国东部雨带北推气候态的模拟能力最好的是inmcm4和CNRM-CM5模式。

2)1961-2005年中国东部7月降水趋势在黄河以南地区增加，在黄河以北地区降水减少。33个CMIP5模式对中国东部7月降水趋势的模拟能力都不太好。

从文章的分析可以看出，以不同的方式方法评测模式的模拟能力或者模拟不同的观测量时，各模式的模拟能力是不同的。因此，为了给气候变化提供更有价值的依据，有必要进一步对气候模式的模拟结果作多时空尺度的全面评估[4]。除此之外，文章仅对33个CMIP5模式对降水的模拟进行了评估，要想更客观的评价模式的模拟能力，需要对其他多个物理量的模拟效果作一个综合的评估。