何夏曼, 姜超*, 汪君, 王襄平

1 北京林業(yè)大學(xué)生態(tài)與自然保護(hù)學(xué)院, 北京 100083 2 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

0 引言

觀測事實(shí)表明,自工業(yè)革命以來,全球范圍內(nèi)氣溫在顯著上升(蘇京志等,2016),其對自然生態(tài)系統(tǒng)及社會(huì)經(jīng)濟(jì)發(fā)展產(chǎn)生的影響引起國內(nèi)外廣泛關(guān)注 (Chen, 2013). 中國東北地區(qū)處于北半球的中高緯度,對氣候變暖響應(yīng)敏感(本文所述東北地區(qū)為狹義的東北地區(qū),即東北三省).該地區(qū)的氣溫在1956—2017年間顯著上升,平均氣溫傾向率為0.327 ℃/10 a(吳金華等, 2021),是全國最顯著增溫的地區(qū)之一(任國玉等, 2005; 賀偉等, 2013; 吳金華等, 2021).同時(shí),作為我國最重要的商品糧食基地之一,東北地區(qū)氣溫的顯著增高已成為東北糧食生產(chǎn)過程中的一個(gè)重要威脅 (周夢子等, 2017),十分有必要開展對此地區(qū)未來氣溫變化的科學(xué)研究,為今后的糧食生產(chǎn)提供科學(xué)指導(dǎo).

世界氣候研究計(jì)劃(World Climate Research Programme,WCRP)的耦合模式比較計(jì)劃(Couple Model Inter-comparison Project,CMIP)已成為氣候預(yù)估的最重要手段之一(Papalexiou et al., 2020; Chen et al., 2020).它以“推動(dòng)模式發(fā)展和增進(jìn)對地球氣候系統(tǒng)的科學(xué)理解”為目標(biāo),有助于我們加深對氣候變化的認(rèn)識和理解(周天軍等, 2019).但由于氣候系統(tǒng)的復(fù)雜性以及模式自身存在的系統(tǒng)誤差,使全球模式模擬的結(jié)果與實(shí)際觀測值有所偏差.因此,在對未來氣候做預(yù)估之前,需從多變量、多指標(biāo)、多過程對模式的模擬結(jié)果進(jìn)行綜合定量評估(趙宗慈等, 2013; 周文翀和韓振宇, 2018).氣溫作為最基本的氣候要素之一(Sun and Ao, 2013),在氣候模式的評估中一直受到大家的關(guān)注(云翔等, 2020).近年來,基于CMIP5模式模擬氣溫的結(jié)果,已有學(xué)者在中國東北地區(qū)開展了一系列模式評估工作.陶純?nèi)數(shù)?2016)利用CMIP5中45個(gè)氣候模式資料進(jìn)行系統(tǒng)的評估,指出CMIP5模式能夠較好地模擬出中國東北地區(qū)由南至北氣溫逐漸降低的空間分布特征,多模式集合結(jié)果與觀測的差值基本在-1～0.5 ℃之間.崔妍等(2013)也得出相似的結(jié)論,并指出多模式集合模擬年平均氣溫氣候態(tài)空間分布的等溫線更為平直,這可能與CMIP5模式空間分辨率低有關(guān).敖雪等(2021)通過比較RegCM4區(qū)域氣候模式與CMIP5模式對中國東北氣溫的模擬結(jié)果發(fā)現(xiàn),CMIP5模式對氣溫年際變化的模擬能力有限,這與CMIP5模式在全國(Guo et al., 2013)和全球(魏萌和喬方利, 2016)尺度上的模擬能力相似.

如今,耦合模式比較計(jì)劃已經(jīng)進(jìn)入第六階段(CMIP6).與CMIP5相比,CMIP6參與的模式數(shù)量更多,設(shè)計(jì)的數(shù)值實(shí)驗(yàn)更豐富,所提供的模擬數(shù)據(jù)更為龐大(Eyring et al., 2016; O′Neill et al., 2016; 張麗霞等, 2019; 周天軍等, 2019).Chen等(2020)通過比較CMIP6中的12個(gè)模式及其在CMIP5中對應(yīng)的早期版本發(fā)現(xiàn),CMIP6中大部分模式對中國極端氣候的模擬能力有所提高.Jiang等(2020)在0.5°×0.5°水平分辨率上分別評估了49個(gè)CMIP5模式與43個(gè)CMIP6模式對于1961—2005年中國氣溫與降水的模擬能力,認(rèn)為CMIP6模式對我國氣溫、降水的氣候態(tài)空間分布具有較好的模擬能力,其模擬結(jié)果優(yōu)于CMIP5模式.You等(2021)將中國分成四個(gè)子區(qū),發(fā)現(xiàn)CMIP6模式對中國地表年平均溫度存在低估現(xiàn)象,但均能較好地反映其空間分布,尤其是對中國北方的模擬能力較高.可見,CMIP6模式對不同區(qū)域模擬能力存在差異,需要針對不同區(qū)域開展深入研究.

不同模式間模擬結(jié)果的差別反映了模式間的差異與不確定性,它主要來自模式自身對物理過程描述的差異(張艷武等, 2016).而多模式集合平均方案可以將模式之間的偏差相互抵消,使得模擬結(jié)果比單模式的模擬結(jié)果更優(yōu)(周文翀和韓振宇, 2018; Pierce et al., 2009).已有學(xué)者發(fā)現(xiàn)通過擇優(yōu)篩選后的多模式集合平均方案比所有模式集合平均方案的模擬結(jié)果要更優(yōu)(蔣帥等, 2017; 王濤等, 2020),且一般也優(yōu)于絕大多數(shù)單模式的模擬結(jié)果(崔妍等, 2013; 陶純?nèi)數(shù)? 2016).因此,有越來越多的研究開始分析多模式集合模擬結(jié)果的可靠性(Pierce et al., 2009; Chen and Sun, 2009; Yang et al., 2021).Pierce等(2009)發(fā)現(xiàn)不同數(shù)量模式的集合方案模擬能力有所差異,并指出14個(gè)模式作為樣本進(jìn)行多模式集合平均的方案能夠抵消不同模式的模擬誤差,使模擬效果較優(yōu).

目前,關(guān)于CMIP6模式對中國東北地區(qū)氣溫模擬能力的評估工作仍然較少.CMIP6模式對中國東北地區(qū)氣溫的模擬相比于CMIP5是否有所改進(jìn)？圍繞這個(gè)問題,本文利用CN05.1觀測資料、34個(gè)CMIP6模式與39個(gè)CMIP5模式數(shù)據(jù),評估兩代模式與優(yōu)選模式集合方案對中國東北地區(qū)(1961—2005年)氣溫的模擬能力,為預(yù)估中國東北地區(qū)未來氣候變化提供可靠的科學(xué)依據(jù).

1 數(shù)據(jù)與方法

1.1 全球氣候模式資料與觀測資料

本文使用CN05.1氣溫?cái)?shù)據(jù)作為觀測數(shù)據(jù),選取時(shí)間跨度為1961—2005年.該數(shù)據(jù)是根據(jù)2400余個(gè)中國地面氣象臺站的觀測資料所建立起來的網(wǎng)格數(shù)據(jù),水平分辨率為0.25°×0.25°(吳佳和高學(xué)杰, 2013).

本文分別選取CMIP5中39個(gè)模式和CMIP6中34個(gè)模式的歷史模擬數(shù)據(jù),進(jìn)行年平均氣溫的比較評估,時(shí)間跨度為1961—2005年,并選取中國東北地區(qū)(黑龍江省、吉林省、遼寧省)作為研究區(qū).表1為本研究中所使用的全球氣候模式資料的相關(guān)簡介,模式編號5-1-39為CMIP5模式,模式編號6-1-34為CMIP6模式; 其中,模式5-1至5-16為模式6-1至6-16對應(yīng)的早期版本(數(shù)據(jù)來源: https:∥esgf-node.llnl.gov/search/cmip6/; https:∥esgf-node.llnl.gov/search/cmip5/).

由于各模式的輸出數(shù)據(jù)與觀測數(shù)據(jù)的水平分辨率不相同,為了方便比較各模式間及模式與觀測資料之間的差異,將模式的輸出數(shù)據(jù)統(tǒng)一雙線性插值(胡芩等, 2014)到與觀測數(shù)據(jù)相同的水平分辨率(0.25°×0.25°)上.

1.2 地形校正

由于不同模式所使用的地形資料與水平分辨率不同,在進(jìn)行雙線插值的過程中會(huì)因地形起伏而帶來偏差.為了消除地形所帶來的偏差,本研究對雙線性插值后的模式氣溫進(jìn)行地形校正(Zhao et al., 2008; 張蓓和戴新剛, 2017).地形校正方程為

1.3 評估方法

(1) 泰勒圖

泰勒圖(Taylor, 2001)是模式評估中廣泛應(yīng)用的方法,主要基于相關(guān)系數(shù)、均方根誤差和標(biāo)準(zhǔn)差之比三個(gè)指標(biāo),比較模式模擬結(jié)果與觀測之間的相似程度與差異的大小.當(dāng)相關(guān)系數(shù)越大,均方根誤差越小,模式與觀測的標(biāo)準(zhǔn)差之比越接近于1時(shí),即在圖上模擬點(diǎn)越接近觀測點(diǎn),模式的模擬能力越強(qiáng).本文對觀測數(shù)據(jù)與模式數(shù)據(jù)先進(jìn)行標(biāo)準(zhǔn)化處理,再采用泰勒圖,從區(qū)域平均氣溫的多年變化、年平均氣溫氣候態(tài)的空間分布、年平均氣溫氣候傾向率的空間分布這三個(gè)方面,對CMIP5與CMIP6模式的模擬能力進(jìn)行評估.

(2) 技能得分

在泰勒圖中,如果模式模擬結(jié)果與觀測的相關(guān)系數(shù)和標(biāo)準(zhǔn)差之比均降低,就難以判斷模式的模擬性能是否改進(jìn).因此,本文引入泰勒提出的技能得分(Taylor, 2001)(S值),用以定量評估模式對氣溫的模擬能力,并從區(qū)域平均氣溫的多年變化、年平均氣溫氣候態(tài)的空間分布和年平均氣溫氣候傾向率的空間分布這三個(gè)方面分別對模式的模擬能力進(jìn)行排名.S值的計(jì)算公式為

式中,R為模式模擬結(jié)果與觀測間的相關(guān)系數(shù),R0為模式模擬結(jié)果與觀測間相關(guān)系數(shù)的最大值,σm與σo分別為模式模擬結(jié)果與觀測資料的標(biāo)準(zhǔn)差.S值的取值范圍為0～1,S值越接近1,模式模擬能力越強(qiáng).

(3) 綜合評級指標(biāo)

除S值以外,本文還使用綜合評級指標(biāo)(Mr)(Schuenemann and Cassano, 2009)對CMIP5與CMIP6模式的綜合模擬能力進(jìn)行排名.模式的綜合模擬能力越強(qiáng),Mr越接近于1.Mr的計(jì)算公式如下：

表1 模式的基本信息Table 1 Brief introduction of the models

式中,a為CMIP5或CMIP6參與評估的模式個(gè)數(shù);b為評估指標(biāo)的個(gè)數(shù),本文使用了模式在區(qū)域平均氣溫的年際變化、年平均氣溫氣候態(tài)的空間分布、年平均氣溫氣候傾向率的空間分布的3個(gè)S值作為評估指標(biāo),因此b=3;ri為各模式對區(qū)域平均氣溫的多年變化、年平均氣溫氣候態(tài)的空間分布、年平均氣溫氣候傾向率的空間分布模擬的S值排名,例如,根據(jù)S值,ACCESS-ESM1-5(模式編號6-1)模擬區(qū)域平均氣溫的年際變化的排名為3,其r1為3.

1.4 最優(yōu)模式集合方案的設(shè)計(jì)

本文通過Mr對CMIP5與CMIP6中的單模式綜合模擬能力進(jìn)行排名.在CMIP6的34個(gè)模式中,分別對前2名、前3名…前34名模式進(jìn)行等權(quán)重集合平均(趙宗慈等, 2013; 陶純?nèi)數(shù)? 2016; Chen et al., 2020),得到34種優(yōu)選模式集合平均.根據(jù)Mr的大小,選擇34個(gè)優(yōu)選模式集合平均中綜合模擬能力最高的方案所對應(yīng)的模式個(gè)數(shù),作為后續(xù)評估最優(yōu)模式集合平均模擬能力的模式個(gè)數(shù).CMIP5的39個(gè)模式也采用相同的方法,確定最優(yōu)模式集合平均的模式個(gè)數(shù).

2 1951—2005年中國東北地區(qū)氣溫模擬結(jié)果評估

2.1 單模式模擬結(jié)果評估

(1) 區(qū)域平均氣溫多年變化特征

圖1為1961—2005年CMIP5模式與CMIP6模式對中國東北地區(qū)區(qū)域平均氣溫多年變化的模擬結(jié)果,其中黑色實(shí)線為觀測值,每年的箱線圖表征了模式模擬結(jié)果的范圍.觀測數(shù)據(jù)表明,中國東北地區(qū)年平均氣溫在0～3 ℃之間波動(dòng).CMIP5的39個(gè)模式模擬區(qū)域平均氣溫中值的多年變化范圍在-0.84～0.71 ℃,其模擬結(jié)果存在低估現(xiàn)象; CMIP6的34個(gè)模式模擬區(qū)域平均氣溫中值的多年變化范圍為-0.6～1.3 ℃,其模擬結(jié)果比CMIP5更接近觀測值.同時(shí),CMIP5的39個(gè)模式模擬區(qū)域平均氣溫的范圍在-6～6 ℃之間,比CMIP6的34個(gè)模式模擬的范圍(-5～4 ℃)要更大,說明CMIP6模式模擬年平均氣溫多年變化的一致性更高,這在CMIP6模擬東南亞地區(qū)氣溫與降水(Hamed et al., 2022)、澳大利亞極端溫度(Deng et al., 2021)的結(jié)果中也有所體現(xiàn).他們認(rèn)為,與CMIP5模擬結(jié)果相比,CMIP6模式的不確定性要低得多,模擬結(jié)果更一致.

表2為1961—2005年CMIP5和CMIP6模式模擬的中國東北地區(qū)區(qū)域平均氣溫線性趨勢.觀測資料顯示,東北地區(qū)呈顯著增溫趨勢,其線性趨勢為0.43 ℃/10a(p<0.001).CMIP5的39個(gè)模式均能模擬出增暖趨勢,模擬的線性趨勢結(jié)果在0.02～0.65 ℃/10a之間,其中,有30個(gè)模式模擬的增暖趨勢通過顯著性檢驗(yàn)(p<0.05).所有CMIP5模式模擬的線性趨勢平均值為0.23 ℃/10a,中位數(shù)為0.22 ℃/10a,比觀測數(shù)據(jù)要低.CMIP5中模擬增溫趨勢大小與觀測最接近的模式為CanESM2(模式編號5-3),模擬值為0.42 ℃/10a.而CMIP6的34個(gè)模式模擬的線性趨勢結(jié)果分布在-0.05～0.49 ℃/10a之間,其中有25個(gè)模式模擬的增溫趨勢通過顯著性檢驗(yàn)(p<0.05).CMIP6所有模式模擬的線性趨勢平均值為0.26 ℃/10a,中位數(shù)為0.31 ℃/10a,比CMIP5模式模擬結(jié)果的更接近觀測.其中,CMIP6中對增溫趨勢模擬最好的模式是CanESM5(模式編號6-3)和NorESM2-MM(模式編號6-32),其模擬的線性趨勢分別為0.44 ℃/10a和0.42 ℃/10a.雖然CMIP5與CMIP6的模式大部分都能模擬出增溫趨勢,但普遍存在低估現(xiàn)象,CMIP5的低估程度更大.CanESM2(模式編號5-3)及CanESM5(模式編號6-3)在這兩階段中模擬結(jié)果均較好.

圖1 1961—2005年CMIP5(a) 與CMIP6 (b) 模式模擬中國東北地區(qū)區(qū)域平均氣溫多年變化箱線圖 圖中黑色實(shí)線為觀測數(shù)據(jù),箱線圖由上至下為最大值、第75百分位數(shù)、中位數(shù)、第25百分位數(shù)和最小值.Fig.1 Time series of regionally averaged surface temperature over the three provinces in Northeast China for the CMIP5(a) and CMIP6 (b) models during 1961—2005 Black solid lines indicate the observation. The box indicates the 25th and 75th percentiles, a bar indicates the 50th percentile, and whiskers indicate the max and min datum.

表2 1961—2005年CMIP5、CMIP6模式模擬的中國東北地區(qū)年平均氣溫線性趨勢Table 2 Linear trends of annual mean surface air temperature over the three provinces in Northeast China for the CMIP5 and CMIP6 models during 1961—2005

為了進(jìn)一步評估和比較CMIP5與CMIP6模式對中國東北地區(qū)區(qū)域平均氣溫多年變化模擬能力的差異,本文使用泰勒圖來評估模式模擬性能(圖2).就模式與觀測的相關(guān)系數(shù)而言,39個(gè)CMIP5模式模擬結(jié)果與觀測的相關(guān)系數(shù)介于0.1～0.5之間,其中21個(gè)模式與觀測的相關(guān)系數(shù)大于0.3; 而CMIP6所有模式的模擬結(jié)果與觀測的相關(guān)系數(shù)集中在0.3～0.5之間,比CMIP5單模式的模擬結(jié)果要更優(yōu).從模擬結(jié)果與觀測的標(biāo)準(zhǔn)差之比來看,CMIP5模式模擬結(jié)果與觀測的標(biāo)準(zhǔn)差之比在0.3左右,而CMIP6模式的模擬結(jié)果與觀測的標(biāo)準(zhǔn)差之比在0.4左右,其比CMIP5模式的模擬效果更優(yōu).從模擬結(jié)果與觀測的均方根誤差來說,CMIP5與CMIP6模式的模擬結(jié)果與觀測的均方根誤差都相對集中在1.0～1.2之間.總的來說,CMIP6模式對區(qū)域平均氣溫的模擬能力優(yōu)于CMIP5模式.

(2) 年平均氣溫氣候態(tài)與氣候傾向率的空間分布

圖3為1961—2005年中國東北地區(qū)CMIP5與CMIP6模式模擬的年平均氣溫氣候態(tài)空間分布和年平均氣溫氣候傾向率空間分布相對于觀測的泰勒圖.對于年平均氣溫氣候態(tài)空間分布而言(圖3a—b),CMIP6的34個(gè)模式的模擬結(jié)果一致性較高,體現(xiàn)為相對應(yīng)的點(diǎn)在泰勒圖中分布更為集中.29個(gè)模式與觀測的相關(guān)系數(shù)大于0.95,31個(gè)模式與觀測的均方根誤差小于0.5; CMIP5的39個(gè)模式也很好地模擬出了中國東北地區(qū)的年平均氣溫氣候態(tài),表現(xiàn)在27個(gè)模式的模擬結(jié)果與觀測的相關(guān)系數(shù)大于0.9,25個(gè)模式的模擬結(jié)果與觀測的均方根誤差小于0.5,但與CMIP6模式相比,CMIP5模式模擬結(jié)果之間的差異較大,且模擬能力沒有CMIP6模式優(yōu).從年平均氣溫氣候傾向率的空間分布的模擬能力來看(圖3c—d),CMIP5的39個(gè)模式中,有17個(gè)模式的模擬結(jié)果與觀測的相關(guān)系數(shù)大于0.5,僅有8個(gè)模式模擬結(jié)果與觀測的均方根誤差小于0.75; 對于CMIP6的34個(gè)模式而言,20個(gè)模式的模擬結(jié)果與觀測的相關(guān)系數(shù)大于0.5,15個(gè)模式的模擬結(jié)果與觀測數(shù)據(jù)的均方根誤差小于0.75.CMIP5與CMIP6模式對年平均氣溫氣候傾向率的空間分布模擬能力都較低,但相比于CMIP5模式,CMIP6模式的模擬結(jié)果更為理想.

圖2 1961—2005年中國東北地區(qū)CMIP5 (a)、CMIP6 (b)模式模擬的區(qū)域平均氣溫相對于觀測的 區(qū)域平均氣溫多年變化的泰勒圖 圖中黑色空心點(diǎn)為觀測值.Fig.2 Taylor diagrams for time series of regionally averaged surface air temperature of the three provinces in Northeast China between CMIP5 (a), CMIP6 (b) models and observations for the period 1961—2005 Black hollow dots indicate observation.

圖3 同圖2,但為年平均氣溫氣候態(tài)(a,b)與年平均氣溫氣候傾向率(c,d)空間分布的泰勒圖Fig.3 Same asFig.2,but Taylor diagram for spatial distributions of annual mean surface air temperature (a,b) and its trends (c,d)

2.2 最優(yōu)模式集合平均對中國東北地區(qū)氣溫的評估

(1) 最優(yōu)模式集合平均方案的設(shè)計(jì)

為了篩選模擬性能較好的模式做優(yōu)選模式集合平均,本文通過S值,將CMIP5與CMIP6模式模擬能力量化,尤其關(guān)注CMIP6模式和它在CMIP5中早期版本S值的變化.從表3可以看出,相比于CMIP5,CMIP6模式整體上在區(qū)域平均氣溫多年變化、年平均氣溫氣候態(tài)空間分布和年平均氣溫氣候傾向率空間分布的模擬結(jié)果均有所進(jìn)步,平均S值為0.54、0.91及0.49(CMIP5的平均S值分別為0.51、0.84及0.28).CMIP6及相應(yīng)模式在CMIP5中早期版本的模擬能力相比較,有9個(gè)CMIP6模式(占共有模式個(gè)數(shù)的56.3%)比其在CMIP5中的早期版本對區(qū)域平均多年變化模擬結(jié)果的S值有所升高,其中,模擬能力進(jìn)步最大的模式為MPI-ESM1-2-LR(模式編號6-14),S值從0.242提升到0.776.從年平均氣溫氣候傾向率空間分布的模擬結(jié)果來看,有8個(gè)模式(占共有模式個(gè)數(shù)的50%)的模擬能力相對于CMIP5中的早期版本有所提高,且其S值提高的平均幅度(0.488)要大于模式對區(qū)域平均氣溫多年變化模擬結(jié)果的S值提高的平均幅度(0.267),其中,提高幅度最大的模式為MPI-ESM1-2-LR(模式編號6-14),S值從0.012提升到0.856.對于年平均氣溫氣候態(tài)空間分布的模擬結(jié)果而言,有14個(gè)CMIP6模式(占共有模式個(gè)數(shù)的87.5%)相對于CMIP5中的早期版本的模擬能力有所提升,提升幅度最大的為FGOALS-g3(模式編號6-7),S值從0.705提升到0.930,有進(jìn)步的模式的S值提升幅度平均值為0.073.相反,一些模式對氣溫的模擬能力比其在CMIP5中的早期版本有所下降,如CanESM5(模式編號6-3)對區(qū)域平均氣溫多年變化、年平均氣溫氣候態(tài)空間分布及年平均氣溫氣候傾向率空間分布的模擬能力均下降.總體來看,CMIP6的大部分模式比CMIP5的早期版本模擬性能有所提高,這在Chen等(2020)研究CMIP6對中國極端氣候模擬性能中也得出相似的結(jié)論.

已有研究指出模式個(gè)數(shù)會(huì)影響多模式集合平均的模擬能力(Pierce et al., 2009).因此,本文引入Mr,分析在不同模式個(gè)數(shù)的情況下,優(yōu)選集合方案的綜合模擬能力的高低,此指標(biāo)已被廣泛運(yùn)用于模式評估中(蔣帥等, 2017; Schuenemann and Cassano, 2009).Mr的計(jì)算是基于S值對區(qū)域平均氣溫的多年變化、年平均氣溫氣候態(tài)空間分布、年平均氣溫氣候傾向率空間分布這三個(gè)方面的排名,它的高低表示了優(yōu)選模式集合平均對這三個(gè)方面的綜合模擬能力,如果這三個(gè)方面的S值排名相互之間的相關(guān)性過高,就會(huì)導(dǎo)致S值排名的評分權(quán)重偏大或偏小.本文在使用Mr來評估優(yōu)選模式集合平均的綜合模擬能力之前,先分別對CMIP5與CMIP6中基于S值對區(qū)域平均氣溫的多年變化、年平均氣溫氣候態(tài)空間分布、年平均氣溫氣候傾向率空間分布的排名進(jìn)行了兩兩相關(guān)性檢測,結(jié)果發(fā)現(xiàn)相關(guān)系數(shù)均不超過0.4,且大部分未通過顯著性檢驗(yàn),因此,本文使用Mr作為評估指標(biāo)是可靠的.

由圖4可以看出,無論是CMIP5還是CMIP6,優(yōu)選集合方案的模擬能力與模式個(gè)數(shù)的關(guān)系都不是簡單的正相關(guān)關(guān)系.隨著模式個(gè)數(shù)的增多,在相同模式個(gè)數(shù)的條件下,CMIP6模式優(yōu)選集合方案的模擬能力一般要高于CMIP5,其模式模擬能力下降的速率也要低于CMIP5,且最終會(huì)保持在一個(gè)較為穩(wěn)定的水平,而CMIP5的優(yōu)選集合方案隨著模式個(gè)數(shù)的增多,模擬能力呈現(xiàn)先上升后下降的趨勢.從優(yōu)選集合方案的綜合模擬能力來說,隨著模式個(gè)數(shù)的增加,CMIP5與CMIP6優(yōu)選集合方案的Mr逐漸升高,說明隨著模式的增加,優(yōu)選集合方案的模擬能力也在上升,這與Pierce等(2009)所得出的結(jié)論相似.他們通過CMIP3的21個(gè)模式對美國西部地區(qū)的日最低氣溫進(jìn)行了歸因分析,發(fā)現(xiàn)多模式集合的模擬效果會(huì)隨著集合樣本數(shù)量的增加而升高,周文翀和韓振宇(2018)在中國黃河流域使用絕對誤差、均方根誤差、秩評分等評估指標(biāo)也得到了類似的結(jié)論.CMIP5與CMIP6優(yōu)選集合的Mr值均在模式個(gè)數(shù)為12左右達(dá)到峰值(圖4d),隨后逐漸下降.這說明當(dāng)使用綜合模擬能力最佳的12個(gè)模式做集合平均時(shí),能夠最好地模擬出中國東北地區(qū)的氣溫特點(diǎn).但在其他地區(qū),使用不同的評估指標(biāo)對不同氣候變量進(jìn)行研究,該結(jié)論是否仍然成立,需要進(jìn)一步的研究,如對于美國西部的日最低氣溫而言,Pierce等(2009)使用均方根誤差、技能得分等評估指標(biāo)對CMIP3的模擬能力進(jìn)行評估,認(rèn)為未經(jīng)過優(yōu)選的CMIP3多模式集合模擬效果將隨著隨機(jī)集合樣本增加而提高,且在達(dá)到一定樣本數(shù)量之后逐漸穩(wěn)定.他認(rèn)為模式個(gè)數(shù)至少為14才能夠保證不同氣候模式的模擬誤差相互抵消,提高多模式集合模擬效果的可信度.

表3 CMIP5模式、CMIP6模式對區(qū)域平均多年變化、年平均氣溫空間分布和年平均氣溫氣候傾向率 空間分布的S值與MrTable 3 The interannual variations of regionally averaged surface air temperature, the spatial distributions of annual mean air surface temperature and the trends for the CMIP5 and CMIP6 models by a comprehensive metric proposed by Taylor and composite rating indicator

圖4 不同模式的個(gè)數(shù)對優(yōu)選模式集合平均方案模擬能力的影響. (a—c) 分別為基于S值的優(yōu)選模式集合平均對年平均氣溫氣 候態(tài)空間分布、區(qū)域平均氣溫多年變化及年平均氣溫氣候傾向率的模擬能力. (d) 為基于Mr的優(yōu)選模式集合平均的模擬能力Fig.4 The influence of the number of ensemble members on the models′ capability for spatial distributions of annual mean surface air temperature (a), interannual variations of regionally averaged surface air temperature (b) and spatial distributions of annual mean surface air temperature trends (c) based on the S value (a—c) and Mr (d)

本文最終通過Mr,篩選出CMIP5與CMIP6中綜合模擬能力前12名模式,其中,CMIP5模式的前12名為：CESM1-BGC,CanESM2,GFDL-ESM2M,BCC-CSM1-1-M,ACCESS1-3,MPI-ESM-P,MIROC4h,ACCESS1-0,CCSM4,CMCC-CM,BCC-CSM1-1,CESM1-FASTCHEM; CMIP6選中的模式為：TaiESM1,MPI-ESM1-2-LR,CMCC-CM2-HR4,GISS-E2-1-H,E3SM-1-0,E3SM-1-1,GFDL-CM4,GISS-E2-1-G,CESM2-WACCM,CESM2-FV2,FGOALS-f3-L,NESM3.CMIP5與CMIP6前12名模式分別在等權(quán)重系數(shù)條件下集合平均,得到CMIP5(MME5)與CMIP6最優(yōu)模式集合平均方案(MME6).

(2) 最優(yōu)模式集合平均模擬結(jié)果

圖5a為CMIP5與CMIP6的最優(yōu)模式集合平均模擬的區(qū)域平均氣溫多年變化、年平均氣溫氣候態(tài)空間分布及年平均氣溫氣候傾向率空間分布相對于觀測的泰勒圖.MME6對區(qū)域平均氣溫多年變化的模擬能力沒有明顯進(jìn)步,然而,相比于MME5,MME6能更好地模擬出年平均氣溫氣候態(tài)及氣候傾向率的空間分布,在開展對中國東北地區(qū)年平均氣溫氣候態(tài)及氣候傾向率空間分布的預(yù)估研究時(shí),可以考慮采用最優(yōu)模式集合平均的方式進(jìn)行預(yù)估.

從區(qū)域平均氣溫的多年變化來看(圖5b),MME5所模擬的區(qū)域平均多年變化比MME6平均更接近觀測數(shù)據(jù),但其模擬的線性趨勢為0.27 ℃/10a(p<0.001),略小于MME6所模擬的增溫趨勢0.28 ℃/10a(p<0.001),也小于觀測數(shù)據(jù)(0.43 ℃/10a).與單模式的模擬結(jié)果相比,MME5與MME6的模擬結(jié)果并不占優(yōu)勢,均有一定程度低估,這跟篩選指標(biāo)Mr有關(guān),Mr高雖然說明模式的綜合模擬能力強(qiáng),但是可能會(huì)弱化了其對某單一變量的模擬能力,具體是因?yàn)镸ME5與MME6對區(qū)域平均氣溫的多年變化的S值排名靠后(分別為19名和14名),但年平均氣溫氣候態(tài)及其氣候傾向率的空間分布的S值排名都在前10名,因此Mr較高.

觀測數(shù)據(jù)顯示(圖6a),中國東北地區(qū)年平均氣溫氣候態(tài)空間分布整體上由北至南逐漸升高,黑龍江省最北部低溫區(qū)年平均氣溫在-4 ℃以下,遼寧省的西南部年平均氣溫在6 ℃以上.MME5與MME6均能大致模擬出東北地區(qū)年平均氣溫由北至南逐漸升高的分布特點(diǎn)以及高、低溫中心的分布,但普遍存在低估的現(xiàn)象.MME5的模擬結(jié)果中(圖6b),除遼寧東部、吉林東部存在暖偏差,其余地區(qū)大部分被低估.MME6的模擬結(jié)果比MME5更接近觀測值(圖6c),尤其是對遼寧東部、吉林東部的暖偏差有了一定改善.

圖5 1961—2005年中國東北地區(qū)CMIP5與CMIP6最優(yōu)模式集合方案(MME5與MME6)模擬相對于觀測 在3個(gè)角度下的泰勒圖(a)與其模擬中國東北地區(qū)區(qū)域平均氣溫多年變化的結(jié)果(b) (a)中圓形、方形、三角形分別表示最優(yōu)模式集合方案對年平均氣溫氣候態(tài)空間分布、區(qū)域平均氣溫多年變化、 年平均氣溫氣候傾向率空間分布的模擬結(jié)果.Fig.5 Taylor diagrams for the three provinces in Northeast China between the preferred models ensemble mean for CMIP5 (a, MME5)/ CMIP6 (b, MME6) and observations under 3 dimensions for the period 1961—2005(a) and interannual variations of regionally averaged surface air temperature over the three provinces in Northeast China for MME5 and MME6 during 1961—2005 (b) The circle, square and triangle characters respectively indicate spatial distributions of annual mean surface air temperature, interannual variations of regionally averaged surface air temperature and spatial distributions of annual mean surface air temperature trends in (a).

圖6 1961—2005年中國東北地區(qū)觀測場(a、d)與CMIP5(b、e)、CMIP6(c、f)最優(yōu)模式集合方案(MME5與MME6)的 年平均氣溫氣候態(tài)空間分布(a—c,單位：℃)及其氣候傾向率空間分布(d—f,單位：℃/10a)Fig.6 Spatial distributions of annual mean surface air temperature (a—c,units=℃) and trends (d—f, units=℃/10a) of the three provinces in Northeast China over the period of 1961—2005 for the CN05.1 (a,d), CMIP5 (b,e) and CMIP6 (c,f) preferred models ensemble mean (MME5, MME6)

從氣候傾向率的空間分布來看,中國東北地區(qū)均在升溫,其中黑龍江省、吉林省的大部分區(qū)域氣候傾向率大于0.4 ℃/10a,遼寧省的氣候傾向率在0.15～0.35 ℃/10a之間(圖6d).MME5與MME6的模擬結(jié)果均不理想,雖能大致模擬出東北地區(qū)的增溫速率由北到南逐漸減小,但數(shù)值上普遍出現(xiàn)低估,尤其是在黑龍江北部低估最明顯(圖6e—f).

3 結(jié)論

中國東北地區(qū)對全國農(nóng)業(yè)、林業(yè)與經(jīng)濟(jì)發(fā)展具有重要的意義(陶純?nèi)數(shù)? 2016),而模式作為預(yù)估未來氣候的重要方法(Chen et al., 2020),越來越多地被科學(xué)界所使用,評估模式的可靠性并探討CMIP6對中國東北地區(qū)氣溫的模擬是否有所進(jìn)步至關(guān)重要.本文通過泰勒圖、S值以及Mr,系統(tǒng)地評估了39個(gè)CMIP5模式和34個(gè)CMIP6模式對中國東北地區(qū)年平均氣溫特征的模擬能力,分析CMIP6單模式與MME6的模擬能力是否有所提高; 在此基礎(chǔ)上,探討了模式個(gè)數(shù)對優(yōu)選模式集合平均模擬結(jié)果的影響.主要結(jié)論如下：

(1) 絕大多數(shù)CMIP6模式對中國東北地區(qū)年平均氣溫氣候態(tài)空間分布的模擬效果最好,且模擬結(jié)果一致性較高,但對于區(qū)域平均氣溫的多年變化及其線性趨勢存在低估.相比于CMIP5,CMIP6整體上能更好地模擬出年平均氣溫特征,但兩代模式對年平均氣溫氣候傾向率空間分布的模擬能力有限.從CMIP6與其在CMIP5中的早期版本比較來看,CMIP6模式對區(qū)域平均氣溫的多年變化、年平均氣溫氣候態(tài)空間分布及年平均氣溫氣候傾向率空間分布的模擬能力有所提高,改善模式個(gè)數(shù)占CMIP5與CMIP6共有模式個(gè)數(shù)的56.3%、87.5%和50%.

(2) 優(yōu)選模式集合方案比所有模式的集合平均方案及大多數(shù)單模式更優(yōu),隨著集合平均方案的模式個(gè)數(shù)的增加,模式的綜合模擬能力呈“上升-下降”的趨勢.此外,沒有一個(gè)模式能夠在所有情況下都表現(xiàn)最佳,因此,在做多模式集合平均時(shí),模式用戶需要根據(jù)自己的需要進(jìn)行優(yōu)選,并確定模式樣本的個(gè)數(shù).

(3) MME5與MME6均能模擬出年平均氣溫由南到北遞減以及其趨勢由南到北遞增的特點(diǎn).相比于MME5,MME6能更好地模擬出東北地區(qū)的年平均氣溫氣候態(tài)空間分布及年平均氣溫氣候傾向率空間分布,然而,MME6對區(qū)域平均氣溫多年變化的模擬能力要略低于MME5,這是由于篩選指標(biāo)Mr會(huì)忽略模式對某單一變量的模擬能力.因此,雖然MME6的綜合模擬能力較優(yōu),但MME6不能很好地模擬出東北地區(qū)區(qū)域平均氣溫多年變化.