基于CMIP6模式预估中亚降水时空变化特征

严谨 李贺 汪家楠

摘要：基于1951—2010年英國东英吉利大学（East Anglia）气候研究中心降水资料来检验CMIP6模式资料中22套模式降水资料对中亚地区年平均降水的模拟能力，并挑选最优的一批模式资料来预估中亚未来降水的时空分布特征。结果表明：在2021—2060年不同排放情景下，多模式集合平均与历史值之差的降水气候态分布与1951—2010年间降水气候态分布特征明显不同，而均方差的分布特征基本相似，在春季和冬季，中亚未来降水趋势均体现出北部降水增长，南部降水减少的分布特征。未来中亚春季和冬季平均降水量在大部分地区始终出现变多趋势，不同排放情景下预估降水长期趋势变化的结果表明，中亚春季和冬季整体降水增长或减少趋势的强度均大于以往降水变化的强度。

关 键 词：CMIP6 中亚 降水 时空变化

中图分类号：P467 文献标识码：A

Prediction of the Spatio-Temporal Variation Characteristics of Precipitation in Central Asia Based on the CMIP6 Model

YAN Jin*   LI He    WANG Jianan

（Danzhou Meteorological Service， Danzhou， Hainan Province， 571700 China）

Abstract： Based on precipitation data from the Climate Research Unit of University of East Anglia in the UK from 1951 to 2010， this study examines the simulation ability of the precipitation data of 22 sets of model in CMIP6 model data on annual average precipitation in Central Asia， and selects the optimal batch of model data to predict the spatio-temporal distribution characteristics of precipitation in Central Asia in the future. The results show that under different emission scenarios from 2021 to 2060， the distribution characteristics of precipitation climate patterns with the difference between the average and historical values of the multimodal set are significantly different from those from 1951 to 2010， the distribution characteristics of mean square errors are basically similar， and that in spring and winter， the precipitation trend in Central Asia in the future shows the distribution characteristics of increasing precipitation in the north and decreasing precipitation in the south. In the future， the average precipitation in spring and winter in Central Asia will always show an increasing trend in most regions， and the results of predicting the long-term trend change of precipitation under different emission scenarios indicate that the intensity of the overall increase or decrease trend of precipitation in Central Asia in spring and winter is greater than that of previous precipitation changes.

Key Words： CMIP6; Central Asia; Precipitation; Spatial and temporal variation

在过去的100年中全球平均地表气温上升了0.74℃左右，全球变暖对全球以及区域气候变化造成了巨大的影响，研究表明未来极端气候变化与全球变暖强度有关[1-2]。早期的学者研究发现，不同的地区温度升高与降水变化之间的联系并不一致，区域降水变化对全球变暖的响应也因地区而异[3]。已有大量研究证实，干旱及半干旱地区在水文变化和生态环境方面对全球变暖的响应更加敏感[4]。受西风主导的中亚地区位于北温带至南亚热带之间，是世界上最大的内陆干旱区，也是受全球变暖影响最强烈的地区之一，在过去的几十年内，中亚的地表气温增暖速度是北半球地表气温增暖速度的两倍，具有空间变异性强、降水年际变化特征明显的特点[5-6]。中亚干旱区在我国提出的“一带一路”国际合作倡议中具有重要的战略意义[7]，因其生态系统极其脆弱，小冰川大幅退缩，自然降水分布不均等因素造成水资源的不稳定[8]影响着我国“一带一路”倡议的顺利实施。所以，研究中亚干旱区未来降水的变化特征具有重要的理论价值和实际意义。

由于观测资料缺失，气候系统模式被学者们认为是模拟和预估中亚未来气候变化最可行的手段[9]。针对基于CMIP5模式对中亚降水进行预估已有大量研究，有学者发现[10]，在RCP4.5排放情景下，21世纪前期的中亚地区降水呈整体减少的趋势，中期以及末期，降水逐渐增多。还有研究表明，中亚南部地区在未来30年的降水相对其上世纪末期的平均降水量可能会减少10%左右[11]。第六次国际耦合模式比较计划（CMIP6）提出了最新的预估情景以及预估未来气候变化的最新数据，也是实施CMIP计划以来设计试验最完善、模式数量和模式数据最多的一次[12-13]。所有模式组均完成了历史气候模拟试验以及评估和描述试验，且输出统一标准的结果，因此试验具有较好的连续性和可比性[14]。其中，ScenarioMIP（情景模式比较计划）基于可能发生的土地利用变化以及人为排放设计出新的未来情景预估试验，是不同的SSP（共享社会经济路径）与辐射强迫的组合[11，15]。CMIP6对CMIP5进行了改进和完善，保留了原先四种典型排放路径且又新增了三种排放路径 [16-17]。有学者将基于CMIP6模式模拟亚洲中高纬度极端降水的结果与CMIP5相对比，发现尽管不同模式和评估指标结果存在一些差异，但大多数模式的新版本模拟极端降水的能力较CMIP5有所增强[18]。已有对中亚降水相关的预估研究更多地集中在年降水变化上，但中亚降水在季节上存在着明显的差异，且各个模式在不同季节的适用性也并不相同，因此有必要针对不同季节进行模式评估和预估。

1 资料与方法

本文利用英国东英吉利大学（East Anglia）气候研究中心（简称CRU）降水资料作为观测资料来检验CMIP6模式资料中22套模式降水资料（表1）对中亚地区1951—2010年平均降水的模拟能力，并挑选最优的一批模式资料来预估中亚未来降水的时空分布特征。为了统一计算，利用双线性插值法将各模式的历史模拟结果插值到1°×1°的网格点上。

为了量化评估各模式资料对中亚地区降水的模拟能力，下面统计CRU降水资料与各模式降水资料间的Bias（偏差）、RMSE（均方根误差）、R（趋势相关系数）以及SC（空间相关系数），它们的计算公式如下[19]：

其中M代表模式数据，O代表观测数据（即CRU降水数据），观察计算公式可以看出，当Bias和RMSE它们的绝对值越小以及R和SC的值越大，则代表模式模拟的结果越接近观测值，模拟的效果也越好。而同一个模式在不同季节的模拟效果并不相同，本文为了挑选中亚降水量最大的冬季和春季中模拟效果最优的几个模式，分季节进行统计计算，具体计算结果如表2所示。

如表2所示，因为表现较好的统计值所对应的模式并不统一，为了挑选出综合表现较好的最优模式，利用综合评级指数MR来计算这22个模式的整体排名，MR的计算公式如下[20]：

其中m是参评模型的总数，即为本文中的22个模式，n为指数的个数，即指Bias、RMSE、R、SC这4个统计值，代表各模式的统计值对应的排名。最好的模式排名为1，最差的模式排名为22，所以MR值越接近1代表模式的模拟效果越好。接下来我们挑选冬春季中MR值大于0.6的模式来预估中亚未来降水的时空分布特征。

2结果分析

根据以上挑选模式的规则，挑选出春季的模式为CMCC-CM2-SR5，FIO-ESM-2-0，INM-CM5-0，NESM3；挑选出冬季的模式為BCC-CSM2-MR，CanESM5，CESM2-WACCM。为了进一步说明各季节所挑选出的最佳模式的可靠性，利用多模式集合平均[21]的方法（MME）求得1951—2010年间模拟降水量在春季和冬季的平均降水量、均方差分布以及趋势分布和EOF分析的前2个模态。1951—2010年春季，在中亚的大部分地区，CRU所观测到的降水量低于100mm，降水的大值区主要集中在位于帕米尔高原的塔吉克斯坦和吉尔吉斯斯坦，降水量可达200mm以上。四个模式的集合平均值很好地再现了所观测到的中亚春季降水的空间分布特征与强度。与之类似的是，观测到的降水均方差分布特征与春季降水的气候态分布特征非常相似且模式的集合平均也很好地产生了相似的均方差分布。五个最佳模型的集合平均和CRU春季降水均是在帕米尔高原以及哈萨克斯坦的大部分区域呈增长趋势，在土库曼斯坦呈明显的减少趋势，两者的分布特征十分相似，但从数值大小来看，模式集合平均降水的增长或减小的强度要大于CRU的观测结果。

为了了解1951—2010年期间，四个模式的集合平均与CRU春季降水更细致的降水特征分布情况，对比两者春季EOF分析的前2个模态，发现模式集合平均和CRU春季降水的EOF1与EOF2均有较好的一致性，中亚春季降水存在着南北方向上的差异性，降水变化率最大的区域位于帕米尔高原及土库曼斯坦的西南部一带。

下面来讨论冬季最优模式的集合平均与CRU观测的中亚冬季降水的气候态分布，均方差，以及趋势分布的一致性。结果表明，冬季最优模式的集合平均结果依然较好地捕捉到了CRU观测结果的分布特征，降水及其均方差的大值区均位于帕米尔高原一带，降水趋势分布特征表现为帕米尔高原及哈萨克斯坦北部及西北部地区降水呈增长趋势，咸海周边地区降水呈减少趋势。与春季对比结果相似的是，模式集合平均模拟的降水趋势强度依然稍强于CRU观测结果。

从冬季的EOF分析结果来看，两者的第一和第二模态分布特征较相似，主要体现了中亚冬季降水在帕米尔高原及其周边地区与中亚其他区域降水的变化存在差异性。

总之，从上述分析结果来看，春季和冬季的最优模式集合平均很好地再现了CRU资料观测到的降水气候态分布，均方差分布，以及趋势分布和主要EOF模态的时空分布特征。一定程度上提供了接下来我们利用最优模式集合平均来预估中亚未来降水的科学依据。

3中亚降水预估

为了更好地体现未来中亚春季和冬季降水的变化情况，利用各季节最优模式集合平均2021—2060年的降水序列与1951—2010年降水序列的差来计算各季节在不同排放情景下降水气候态分布，均方差分布以及趋势分布和EOF分析。

结果表明，在2021—2060年期间，4个最优模式集合平均在不同排放情景下与历史值之差的春季降水气候态，均方差以及降水趋势的空间分布特征比较相似，尤其是气候态和均方差在SSP126、SSP245以及SSP585排放情景下的预测结果基本一致，未来中亚春季降水大值区仍集中在帕米尔高原一带，且年际变化幅度较大。从降水趋势来看，中亚春季降水在不同排放情景下均显示出哈萨克斯坦北部以及天山山脉一带降水增长，其余中低纬地区降水减少的分布特征。其中，SSP245情景下的中亚春季降水整体增长趋势要强于其他情形下的模拟结果。

为了更详细地了解未来中亚春季降水的时空分布特征，对比不同排放情景下与历史值之差的中亚春季降水量EOF前2个模态。结果表明未来中亚春季降水在不同排放情景下基本均表现出帕米尔高原一带降水与其他区域降水的变化不一致的特点。稍有不同的是，SSP126和SSP585情景下的EOF第二模态，除哈萨克斯坦西北部外，中亚其余地区春季降水具有相同符号的空间一致变化特征，代表在此情景下中亚这片区域的春季降水变化较一致。

区别于春季，3个最优模式集合平均在不同排放情景下与历史值之差的冬季中亚降水量大值区位于帕米尔高原的西部地区，低值区位于天山山脉及哈萨克斯坦北部一带。从均方差结果来看，帕米尔高原及哈萨克斯坦西北部一带，中亚冬季降水的年际变化幅度较大。从降水的趋势分布来看，不同排放情景下均表现出中亚北部区域降水增长，南部区域降水减少的特点。且SSP245排放情景下中亚降水的减小趋势强于其他排放情景模拟的结果。

对比不同排放情景下与历史值之差的中亚冬季EOF分析的前2个模态，EOF1结果显示，中亚低纬地区与哈萨克斯坦西北部具有相反符号的空间不一致变化特征，EOF2结果表明，帕米尔高原一带的降水与中亚其他地区的降水有着相反的变化特征。

4结论

在本文研究中，我们根据模式数据模拟CRU观测数据性能的强弱，从22个CMIP6模式中挑选出模拟能力较好的模式进行多模式集合平均来预估2021—2060年期间中亚春季和冬季降水的时空分布特征。春季和冬季最佳模式集合平均的历史试验数据较好地模拟出了1951—2010年CRU所观测的气候态分布，均方差分布以及趋势分布和EOF的分布特征。在2021—2060年不同排放情景下，多模式集合平均與历史值之差的降水气候态分布与1951—2010年间降水气候态分布特征明显不同，而均方差的分布特征基本相似，在春季和冬季，中亚未来降水趋势均体现出北部降水增长，南部降水减少的分布特征。从不同排放情景下与历史值之差的降水气候态变化情况来看，未来中亚春季和冬季平均降水量在大部分地区始终出现变多趋势。不同排放情景下预估降水长期趋势变化的结果表明，与1950—2010年相比，中亚春季和冬季整体降水增长或减少趋势的强度均大于以往降水变化的强度，这也意味着未来中亚气候变化将更加剧烈。

参考文献：

[1]  WANG X， JIANG D， LANG X. Future Extreme Climate Changes Linked to Global Warming Intensity[J]. Science Bulletin， 2017， 62（24）：1673–1680.

[2]  MA Z G，FU C B. Global Aridification in the Second Half of the 20th Century and its Relationship to Large-Scale Climate Background[J].Science in China Series D. Earth Sciences，2007，50：776-788.

[3]  SMITH S D，HUXMAN T E，ZITZER S F，et al. Elevated CO2 Increases Productivity and Invasive Species Success in an Arid Ecosystem[J]. Nature，2000，408（6808）：79-82.

[4]  迪麗努尔·托列吾别克，李栋梁.近115a中亚干湿气候变化研究[J].干旱气象，2018，36（2）：185-195.

[5]  康世昌，郭万钦，吴通华，等. “一带一路”区域冰冻圈变化及其对水资源的影响[J].地球科学进展，2020，35（1）：1-17.

[6]  郝林钢，左其亭，刘建华，等.“一带一路”中亚区水资源利用与经济社会发展匹配度分析[J].水资源保护，2018，34（4）：42-48.

[7]  李立凡，陈佳骏.中亚跨境水资源：发展困境与治理挑战[J].国际政治研究，2018，39（3）：89-107，5.

[8]  JIANG Z H，SONG J，LI L，et al. Extreme Climate Events in China： IPCC-AR4 Model Evaluation and Projection[J]. Climatic Change， 2012， 110（1-2）：385-401.

[9]  陈鹏翔，江志红，彭冬梅.基于BP-CCA统计降尺度的中亚春季降水的多模式集合模拟与预估[J].气象学报，2017，75（2）：236-247.

[10]  杨阳，戴新刚，汪萍.未来30年亚洲降水情景预估及偏差订正[J].大气科学，2022，46（1）：40-54.

[11]  张丽霞，陈晓龙，辛晓歌.CMIP6情景模式比较计划（ScenarioMIP）概况与评述[J].气候变化研究进展，2019，15（5）：519-525.

[12]  周天军，邹立维，陈晓龙.第六次国际耦合模式比较计划（CMIP6）评述[J].气候变化研究进展，2019，15（5）：445-456.

[13]  辛晓歌，吴统文，张洁，等.BCC模式及其开展的CMIP6试验介绍[J]. 气候变化研究进展，2019，15（5）：533-539.

[14]  PU Y，LIU H B，YAN R J，et al. CAS FGOALS-g3 Model Datasets for the CMIP6 Scenario Model Intercomparison Project（ScenarioMIP）[J]. Advances in Atmospheric Sciences， 2020， 37（10）：1081-1092.

[15]  VUUREN D P V，PIAHI K，MOSS R H，et al. A Proposal for a New Scenario Framework to Support Research and Assessment in Different Climate Research Communities[J]. Global Environmental Change， 2012， 22（1）：21-35.

[16]  张建梅.基于CMIP6全球气候模式的澜沧江流域气候变化初步评估[D].南京：南京信息工程大学，2020.

[17]  Lin W， Chen H. Assessment of Model Performance of Precipitation Extremes over the Mid-high Latitude Areas of Northern Hemisphere： from CMIP5 to CMIP6[J]. Atmospheric and Oceanic Science Letters， 2020， 13（6）：598-603.

[18]  Guo H， Bao A M， Chen T， et al. Assessment of CMIP6 in Simulating Precipitation over Arid Central Asia[J]. Atmospheric Research， 2021， 252： 105451.

[19]  W. Li， Jiang， Z.， J. Xu， et al. Extreme Precipitation Indices over China in CMIP5 Models. Part I： Model Evaluation[J]. J. Climate，2015，28：8603–8619.

[20]  姜燕敏，吴昊旻.20个CMIP5模式对中亚地区年平均气温模拟能力评估[J].气候变化研究进展，2013，9（2）：110-116.

[21]  江志红，陈威霖，宋洁，等.7个IPCC AR4模式对中国地区极端降水指数模拟能力的评估及其未来情景预估[J].大气科学，2009，33（1）：109-120.