2006～2013年CMIP5模式中國降水預估誤差分析

張蓓 戴新剛

?

2006～2013年CMIP5模式中國降水預估誤差分析

張蓓1, 2戴新剛2

1蘭州大學大氣科學學院，蘭州730000;2中國科學院東亞區域氣候—環境重點實驗室，北京100029

用第五次耦合模式比較計劃（CMIP5）的10個模式模擬結果與英國東安格利亞大學（UEA）氣候研究機構（CRU）的最新降水格點分析資料比較，評估了三種典型濃度路徑（RCPs）排放情景下模式集合對2006～2013年中國降水預估誤差，結果發現模式間年降水預估在西北和東部沿海地區差異較明顯，在沿海地區模式降水估計偏少，在西部和北方大部分地區偏多；冬半年大部分地區模式降水明顯偏多，部分地區甚至偏多一倍以上；夏半年東部季風區降水估計偏少，但西部仍然偏多。模式降水誤差隨時間變化，夏半年誤差變化明顯的區域主要集中在北方和東部地區，冬半年在東北南部、華東及華南等地。此外，提高排放情景對年降水量估計影響明顯的地區主要集中在我國西部的部分地區，加劇了西北模式降水估計偏多程度，但對東部地區影響不大。El Ni?o與La Ni?a年的模式降水誤差分布相似，僅在沿海部分地區和華北北部差異較明顯，逐年誤差分布特征也與此相似。各種誤差的對比分析表明，模式降水誤差可能多來自模式本身存在的問題，如積云對流參數化、固體降水物理過程、地形處理及分辨率等。這些誤差特征說明，直接使用CMIP5模式集合情景輸出資料估計未來降水的方法存在較大的不確定性，必須對其進行評估，以降低潛在用戶或決策者們制定未來規劃的風險。

中國降水 CMIP5 RCPs排放情景 集合預估 誤差分析

1 引言

政府間氣候變化組織（IPCC）第五次評估報告（AR5）的最新評估結果表明，工業化革命以來全球氣候變暖毋庸置疑（IPCC，2013a）。自20世紀50年代以來，儀器觀測到的一系列氣候變化是過去幾十年，甚至近千年以來史無前例的，反映了人類活動可能是其主要原因之一（沈永平和王國亞，2013）。自那時以來全球地表持續升溫，1880～2012年間全球平均溫度已升高了約0.85°C，地球上大部分地區都經歷了升溫過程。氣候暖化體現在地表氣溫和海洋溫度上升、海平面上升、冰蓋消融或冰川退縮、極端氣候事件頻率增加等方面（錢忠華等，2011；趙俊虎等，2011；秦大河和Stocker，2014）。有關研究表明，未來全球氣候暖化仍可能持續，對氣候系統的影響也不會結束（IPCC，2013b）。如果任其發展，氣候變化勢必會對人類和地球生態系統造成嚴重的、普遍的，甚至是不可逆轉的影響。因此，在全球氣候暖化背景下如何較準確地預估未來氣候變化，并據此制定相應的適應與減緩措施已成為各國科學家、公眾乃至決策者們共同關心的重大問題。

全球氣候暖化已經導致降水的時空分布發生改變，并對水資源、生態系統和社會經濟發展等方面產生了深遠影響（翟建青等，2014；蘇濤和封國林，2014）。中國東部屬于東亞季風區，西部為青藏高原和內陸干旱區，地形復雜，降水量空間分布極不均勻且年際變化很大，降水預測很困難。如何較準確地預估中國未來十年甚至幾十年的降水變化趨勢一直是一個具有挑戰性的艱巨任務。加強相關問題的研究對于制定我國未來經濟規劃及防災減災的戰略部署等都具有重要的現實意義（許崇海等，2010）。

全球氣候模式是進行氣候模擬及預估的重要工具之一。近年來，相關的研究已經取得了很大的進展（Taylor et al.，2012；董文杰等，2014）?；谀Ｊ侥M結果，科學家群體對氣候模擬和氣候變化預估做了大量的研究，取得了一系列很有意義的結果。受全球氣候系統的復雜性、氣候模式的代表性及可靠性等因素的影響，模式對氣候變化的模擬尚存在許多不足和局限性（Masson and Knutti，2011）。以往的檢驗表明，多數氣候模式基本上都能模擬出全球降水的大尺度特征，不過，對區域尺度降水模擬仍存在不少問題（IPCC，2007）。一些研究表明，一般全球氣候模式對中國的氣候態都具有一定的模擬能力，但對東亞季風降水的模擬能力仍然有限（陳曉晨等，2014），可能與模式分辨率、季風系統的復雜性和青藏高原等因素有關（高學杰等，2006；姜燕敏等，2015）。目前，一些學者已基于CMIP5模式資料，評估了其對中國歷史降水的模擬能力（劉敏和江志紅，2009；Xu Y and Xu ，2012；田芝平和姜大膀，2013；Song and Zhou，2014），結果發現，大部分模式都能夠模擬出中國降水的空間分布特征和季節循環，但模擬精度的區域性差別較大，高估了中國大部分地區的降水，低估了沿海季風區降水；模式對降水演變模擬能力也十分有限。一般模式集合的模擬能力優于大部分單個模式（陳曉晨等，2014）。此外，有關研究結果還表明（Chen，2013；江志紅等，2009），到21世紀末，中國年降水量可能顯著增加，降水有趨于極端化的發展趨勢。在幾種AR5的典型路徑排放情景下，區域性平均降水將增加，其幅度在北方地區大于南方地區（Xu C H and Xu，2012）。此外，為了提高精度，還有部分學者利用CMIP5全球氣候模式結果驅動區域氣候模式，通過動力降尺度方法對中國未來降水進行估計，得到了較好的結果（Gao et al.，2013；Zou and Zhou，2013）。

我們注意到，已有的研究主要集中在模式對歷史氣候模擬能力的檢驗或評估方面，或是僅根據CMIP5模式的情景輸出資料對未來氣候直接進行預估，幾乎都未涉及未來氣候情景下預估的不確定性問題，其中有些研究僅考慮了模式間氣候預估的離散度。然而，模式預估的不確定性會對未來氣候變化，特別是降水變化預估精度帶來很大影響，甚至可能對潛在的用戶造成誤導。因此，在預估未來氣候變化的同時，必須對其不確定性進行評估。CMIP5模式的未來氣候預估數據始于2006年，距今已經有8～9年，可以用氣象觀測記錄對其進行檢驗，評估其不確定性。本文利用2006～2013年CMIP5模式情景預估數據與重疊期的英國氣候研究機構（CRU）的格點降水分析資料，對模式降水預估進行誤差評估，力圖揭示其基本特征。下文第2節介紹模式、數據和方法；第3節對模式預估的年降水誤差空間分布、趨勢及情景差異等進行分析；第4節給出冬、夏半年模式降水誤差分析；第5節分析El Ni?o年和La Ni?a年模式降水誤差分布特征及其差異，以及逐年模式降水誤差分布差異；最后一節是結論及簡短的討論。

2 數據與方法

第五次耦合模式比較計劃（CMIP5）采用了以穩定濃度為特征的一套新的典型濃度路徑（Representative Concentration Pathways,記為RCPs）排放情景，其中包括RCP8.5、RCP6.0、RCP4.5、RCP2.6等4種路徑情景，每種情景都提供了一種受社會經濟發展條件影響的溫室氣體排放路徑，并給出直到2100年的相應輻射強迫序列值（Meinshausen et al.，2011）。其中，RCP2.6為低排放情景，該情景下的輻射強迫先增加后減少，到2100年輻射強迫穩定在約2.6 W m?2（van Vuuren et al.，2011）；RCP4.5屬于中等強度排放情景，到2100年輻射強迫穩定在約4.5 W m?2（Thomson et al.，2011）；RCP8.5屬于高排放情景，到2100年輻射強迫大于8.5 W m?2（Riahi et al.，2011）；RCP6.0介于RCP4.5與RCP8.5之間。所選取的10個CMIP5全球氣候模式的參數列在表1中，其中只給出RCP8.5、RCP4.5和RCP2.6情景的信息，因為這些模式資料比較完整。

表1 所用10個CMIP5模式的參數信息

我們選取2006～2013年CRU（Mitchell and Jones，2005）的格點月降水分析資料（CRU_TS_ v.3.22）作為模式降水誤差評估的參考態，或視其為觀測降水，其分辨率為0.5°×0.5°。考慮到各個模式的分辨率不同，我們采用雙線性插值方法將不同分辨率的模式降水資料插值到1.0°×1.0°的格點上，再進行誤差分析。

此外，文中還計算了各模式間中國年平均降水預估的標準差及其相對標準偏差來大致刻畫模式預估結果的離散度和模式集合平均結果的不確定性。同時還給出了2006～2013年中國模式年降水誤差的年際標準差及誤差百分率的年際標準差，以此分析模式降水預估誤差的年際變化。

3 年降水預估誤差

本文中的模式降水量誤差，指所選的10個CMIP5模式輸出的2006～2013年平均降水量與對應的CRU格點分析降水量（CRU_TS_v.3.22）之差，偏多或正誤差表示模式降水預估高于觀測值，反之，低于觀測值。在下文中，當降水估計誤差或誤差趨勢＞20%時，稱之為明顯偏多或增加趨勢明顯；當其＜?20%稱之為明顯偏少；若介于二者之間，均視為誤差不明顯或接近于觀測值。下文中的“模式降水”均指由這10個模式集合平均估計的降水量。

3.1 年降水量誤差

在三種典型濃度路徑情景（RCP8.5、RCP4.5、RCP2.6）下，模式對中國大陸2006～2013年平均降水量的預估均能再現東南多、西北少的氣候特征以及降水的季節循環（圖略）。因三種情景下模式估計的年降水量誤差分布比較相似，這里僅對中等排放情景RCP4.5下的誤差進行分析。

從圖1a中可以看到，全國大部分地區模式降水量估計偏多，僅在東部沿海、華南沿海及青藏高原南部個別地區偏少，青藏高原東部平均偏多達到800 mm以上，華南沿海偏少400 mm以上。從降水估計的相對誤差 [(模式降水－觀測)/觀測] 看，模式年降水量估計明顯偏多（＞20%）的地區有：青藏高原大部、云貴高原、西北大部、華北大部和東北大部等地區（圖1b），其中對青藏高原大部、西北西部和南部、云貴高原西部及華北北部的降水量估計偏多80%，或以上；年降水量估計明顯偏少（＜?20%）的地區主要集中在華南沿海、山東半島、海南島和青藏高原南部等個別地區。這種誤差分布特征與他人對CMIP5模式歷史氣候模擬檢驗結果基本一致（Xu Y and Xu，2012；Song and Zhou，2014；劉敏和江志紅，2009），說明造成誤差的主要原因可能是模式分辨率低，或地形處理不當，或海氣耦合過程的描述不夠完善等所致（高學杰等，2004；Jiang et al.，2005；Phillips and Gleckler，2006；張莉等，2008）。

圖1 RCP4.5情景下10個CMIP5模式集合平均對中國2006～2013年平均降水估計誤差：（a）降水量誤差（模擬－觀測）；（b）降水誤差百分率 [(模擬－觀測)/觀測]

10個模式各自對降水估計的偏差不一致。計算的模式間降水預估的標準差表明，各模式對40°N以北的地區降水預估的一致性較高，對西藏、西南、江南和華南等地區模式間預估差異較大（圖2a），這同樣與CMIP5模式歷史氣候模擬結果基本一致（陳曉晨等，2014），其主要原因也可能是模式分辨率及地形影響（高學杰等，2006；江志紅等，2009）。從相對誤差來看（圖2b），對于中國大部分地區年平均降水預估模式間相對標準偏差在40%以下，東北和黃淮東部地區為20%以下，只有西北北部和青藏高原南部地區相對標準偏差較高，尤其是在西北北部大部分地區達80%以上。圖2b與圖1b對比可知，由于東部地區模式降水預估誤差百分率相對西部地區較低，所以模式間年平均降水預估差異在西北北部和東部沿海地區都較明顯。因此，集合平均方法在一定程度上能減少模式降水估計的誤差。

圖2 RCP4.5情景下10個CMIP5模式對2006～2013年中國年降水預估的（a）標準差及（b）相對標準偏差

3.2 年降水誤差趨勢

模式年降水誤差會隨時間變化，其線性趨勢可以作為這種變化的一種度量。該誤差趨勢等價于模式降水量趨勢與CRU格點降水量趨勢之差。為了避免趨勢估計中的小樣本問題，我們采用每一格點2010～2013年模式降水量誤差平均值（圖3b）減去2006～2009年的對應值（圖3a），近似表示這一時段模式降水量誤差趨勢或模式降水趨勢誤差（圖3c）；用該趨勢除以2006～2009年模式降水誤差的絕對值就得到模式降水誤差百分率趨勢（圖3d）。

圖3 RCP4.5情景下（a）2006～2009及（b）2010～2013 模式年降水量誤差和（c）2006～2013年降水量誤差趨勢及其（d）百分率

因三種典型路徑排放情景（RCP8.5, RCP4.5, RCP2.6）下模式降水誤差趨勢分布很接近，故只分析其中等排放情景（RCP4.5）。從圖3c可以看出，華北、東北、河套南部、青藏高原西南端、遼東半島、江南中東部、長江下游和華南沿海等地模式年降水量誤差趨勢為負，其中華北、東北大部、遼東半島、江南中東部、長江下游和華南沿海等地誤差趨勢達到?200 mm (8a)?1及其以下，其誤差百分率趨勢也均小于?20% (8a)?1（圖3d）；在河套以東的黃河與淮河之間、西南大部及山東半島等地年降水量誤差趨勢為正，其中西南大部、河南省和遼東半島等地的模式降水誤差趨勢達200 mm (8a)?1以上，其降水誤差百分率趨勢均超過20% (8a)?1。可見，中國東部CMIP5模式降水誤差隨時間變化比較快，西部變化相對較慢。不難推知，在2006～2009年間模式降水估計偏多地區（見圖3a），正（負）的誤差趨勢意味著該地模式降水估計偏多狀況趨于增強（減弱），即誤差變大（?。?；在其間模式降水估計偏少地區，正（負）的誤差趨勢意味著該地模式降水估計偏少情況趨于減弱（增強），即誤差變?。ù螅?。對比圖3d和圖3a可知，在華北、東北大部、河套及其南部、江蘇沿海等地模式降水誤差趨于減弱；在遼東半島、河套以東的黃淮之間、西南大部、華南沿海等地的模式降水誤差趨于增強。這些模式降水誤差演變的復雜特征增加了使用CMIP5模式輸出資料估計未來中國降水長期變化的不確定性。

3.3 排放情景差異

盡管三種情景下模式估計的年降水量誤差分布非常相似，但是誤差大小是有差異的。高排放情景（RCP8.5）與低排放情景（RCP2.6）之間的模式降水估計誤差等價于兩種情景下模式降水量的估計差異。計算表明這兩種情景下年降水量誤差的差異在一些地區比較明顯，盡管CMIP5模式的情景預估僅積分了8年（2006～2013）。圖4a顯示，RCP8.5相對于RCP2.6的年降水量估計在西北、長江至黃河之間地區、南方沿海及云南省等地偏多，在華北和東北大部、青藏高原南部和江南北部等地偏少，其中四川盆地、云南省、華南沿海和福建沿海偏多60 mm以上，在青藏高原南部、云貴高原東部，降水估計偏少60 mm以上，在華北和東北南部偏少20～40 mm。從相對差異來看（圖4b），全國大部分地區差異并不明顯，只在西北西部的部分地區年降水誤差差異達到40%～60%，個別地區達到80%，在青藏高原西部的部分地區降水誤差減小20%以上。因此，提高排放情景對年降水量估計影響明顯的地區主要集中在我國西部的部分地區，對東部地區影響不大。鑒于三種情景下模式降水誤差分布的相似性，對比圖4b和圖1b不難發現，高排放情景使得西北大部和青藏高原北部的年降水量估計偏多的現象增強，但使得華北、東北大部、遼東半島、山東半島、東南沿海、華南沿海及云貴高原大部的降水量估計誤差變小。因此，不同地區模式年降水量估計的精度隨排放路徑情景而變，對于全國而言并不存在一致的模式降水最優排放路徑情景。這可能與模式或集合模式本身的誤差分布特征有關。因此，對于一個地區而言，應該選擇最適合于當地的模式情景降水估計，盡管它可能與實際的排放情景偏離較遠。

圖4 RCP8.5與RCP2.6情景下模式2006～2013年降水量（a）差異及其（b）百分率

4 模式季節降水估計誤差

通常，所謂季節是指天文季節，它是根據地球的公轉將一年劃分為四個季節，即春季、夏季、秋季和冬季，并規定每個季節長度為三個月。這種季節劃分在中緯度能基本契合氣候的變化特征，但在較低緯度卻不盡然（侯威等，2011）。例如，一般在熱帶地區僅有雨季和旱季之分。中國大部分地區屬于東亞季風區，華南沿海的季風降水即華南前汛期降水始于5月，南海季風爆發或更早。因此，為了兼顧南方與北方氣候降水的差異，我們僅將12個月劃分為夏半年和冬半年，前者定義為5月至10月，屬于季風影響的季節，后者定義為當年11月至來年4月?？紤]到所研究的序列長度太短，在計算冬半年降水時，將當年1～4月和11～12月合并近似作為冬半年。

4.1 降水誤差

10個模式集合在三種典型路徑排放情景下估計的2006～2013年夏半年或冬半年降水量均存在明顯的誤差。相對而言，冬半年模式降水量估計偏多區域明顯大于夏半年。對于RCP4.5情景，夏半年在中國東部和南部沿海、青藏高原南部和新疆的天山山區等地，模式降水偏少，其余地區均偏多（圖5a）；在冬半年，除了在華南沿海的部分地區及海南省的模式降水量偏小外，全國其余地區普遍偏多（圖5c）。從模式降水估計的相對誤差看，夏半年模式降水明顯偏多（＞20%）地區，除了華北北部和東北西部外，主要集中在中國西部；模式降水明顯偏少（＜?20%）的地區，除了青藏高原南部和新疆的個別地區外，主要集中在中國東部和華南沿海、海南島及臺灣等地（圖5b）。在冬半年，模式降水明顯偏少的地區只有海南省和廣東沿海，在中國北方、西南及青藏高原大部分地區模式降水明顯偏多（圖5d）。對比冬、夏半年模式降水誤差分布的差異可以發現，模式降水估計偏多地區多位于山區和冬季，說明這些誤差可能與模式分辨率低、固體降水物理過程描述不完善等有關。另一方面，模式降水估計明顯偏少的地區主要集中在夏半年的東亞季風區的東南沿海，說明，除了模式分辨率問題外，這些誤差可能還與其積云對流參數化方案不完善，或季風過程模擬不好等有關。

圖5 RCP4.5情景下中國2006～2013夏半年（5～10月）和冬半年（11～4月）模式降水誤差（左）及其百分率（右）：（a, b）夏半年；（c, d）冬半年

4.2 季節降水誤差趨勢

模式季節降水誤差也隨時間變化，其趨勢等價于模式季節降水趨勢與CRU格點降水趨勢之差。同樣，季節降水誤差趨勢也由其2010～2013年平均值減去2006～2009年的平均值算得。計算表明，三種路徑情景（RCP2.6，RCP4.5，RCP8.5）下2006～2013年冬半年或夏半年的降水誤差趨勢分布均非常相似（圖略），這里僅給出RCP4.5的結果。

在RCP4.5情景下，夏半年模式降水誤差趨勢為負的地區主要出現在東北、華北、河套、青藏高原南端、江南中東部及華南沿海等地，其余大部分地區模式降水誤差趨勢為正（圖6a），在華北、東北及河套等地模式降水誤差趨勢達到?200 mm (8a)?1及其以下，其誤差百分率趨勢也均小于?20% (8a)?1（圖6b）；在西北西部的部分地區、西南大部及黃淮之間等地，模式降水誤差呈明顯增強趨勢（＞20%）；在冬半年，全國大部分地區模式降水誤差趨勢為正（圖6c），其中河套、華北西部、江南西部、廣東及海南省等地區模式降水誤差趨勢明顯，僅在東北南部、江南東部和新疆北部等部分地區模式降水誤差趨勢為負值，呈明顯下降趨勢（圖6d）。

圖6 RCP4.5情景下中國2006～2013夏半年和冬半年降水量誤差趨勢（左）及其百分率（右）：（a, b）夏半年；（c, d）冬半年

一個地區模式降水誤差的未來趨勢也與當地誤差特征本身有關。對于前四年（2006～2009）冬或夏半年模式降水估計偏多地區，正（負）的模式降水誤差趨勢意味著降水偏多情形趨于增強（減弱）；在模式降水估計偏少地區，正（負）的模式降水誤差趨勢意味著降水偏少情形趨于減弱（增強）。因此，比較圖6b和圖7a可以發現，夏半年模式降水估計誤差趨于明顯減小 [＜?20% (8a)?1] 的地區有，東北、華北大部及河套等地；模式降水誤差趨于明顯增加 [＞20% (8a)?1] 的地區出現在遼東半島、淮河流域、西北西部、西南部分地區等。對比圖6d和圖7b不難發現，冬半年模式降水誤差呈明顯增加趨勢的地區位于河套、華北西部、江南西部、廣東及海南省等地；模式降水誤差趨于明顯減弱的地區出現在東北南部、江南東部及新疆北部等地。因此，CMIP5模式的季節降水誤差分布形勢復雜，且是非定常的。這增加了未來降水預估誤差訂正的難度。

圖7 RCP4.5情景下中國2006～2009（a）夏半年和（b）冬半年模式降水量誤差分布

4.3 排放情景差異

對于季節降水而言，RCP8.5和RCP2.6情景下的模式降水量誤差也存在差異，且等價于兩種情景下的季節降水量差異。2006～2013年期間，夏半年RCP8.5相對于RCP2.6的降水量在華北、東北大部、青藏高原南部、西南及江南西部等地偏少，其余地區偏多（圖8a）；冬半年，在東北南部、黃河流域、長江中下游及青藏高原南部降水估計偏小，其余地區偏多（圖8c）。

從模式降水量的相對差異看（圖8b），隨著溫室氣體排放增強，夏半年RCP8.5相對于RCP2.6降水量明顯增長（＞20%）的地區主要集中在中國西北部和四川盆地的部分地區，明顯減弱（＜?20%）的地區位于青藏高原西部和華北的部分地區，其余地區變化不明顯；在冬半年，RCP8.5模式降水量明顯增大區域擴大，包括西北大部、華北北部和云貴高原等地，降水量明顯減少的地區主要在青藏高原南部和西部、甘肅南部等地，其余地區變化不大（圖8d），即排放情景對當地降水的影響不大。對于2006～2013年 RCP2.6模式降水估計偏多地區，RCP8.5相對于其模式降水明顯偏多（少），意味著該地區的降水估計偏多現象會隨著排放強度增加而明顯增強（減弱），即誤差明顯增大（變小）；反之，對于RCP2.6模式降水偏少地區，RCP8.5的模式降水量明顯偏多（少），意味著該地區的降水估計偏少現象會隨著排放強度增加而明顯減弱（增強），即誤差明顯變小（增大）。鑒于三種典型路徑排放情景下模式降水誤差相似的特點，對比圖8b，8d和圖7b，7d不難發現，夏半年模式降水誤差隨排放強度明顯增加的地區出現在西北中部、四川盆地及青藏高原西部等部分地區，模式降水誤差隨排放強度減小的地區只有青藏高原西端的個別地區；在冬半年，模式降水誤差隨排放強度明顯增加的地區有西北大部、華北北部、云貴高原及青藏高原北部等地，降水誤差隨排放強度明顯減小的地區位于甘肅東部、青藏高原南部和西部等地。這些復雜的模式誤差特征表明，不同路徑情景下不同季節、不同地區的CMIP5模式集合降水估計的不確定性是不一樣的。

圖8 RCP8.5與RCP2.6情景下2006～2013年模式降水量估計誤差差異（左）及其百分率（右）：（a, b）夏半年；（c, d）冬半年

5 年際降水預估誤差與ENSO循環

ENSO（El Ni?o/La Ni?a and Southern Oscillation）循環對全球氣候的年際變化有最為顯著的影響（Huang et al.，1998），與每年中國的旱澇分布密切關聯（王小玲和宋文玲，2009）。ENSO是指發生在熱帶中、東太平洋的大尺度海氣相互作用的過程（張人禾和巢紀平，2002）。其中El Ni?o是指赤道中東太平洋海表溫度明顯偏暖的現象，屬于ENSO的正位相，或稱之為暖位相；La Ni?a是指赤道中東太平洋海溫明顯偏冷的現象，屬于ENSO的負位相，或稱之為冷位相。而南方濤動（SO）是在廣闊的熱帶太平洋和印度洋海平面氣壓場之間存在的蹺蹺板現象，與ENSO循環關聯。根據日本氣象廳（JMA）公布的ENSO指數（http://coaps.fsu. edu/jma），2006～2013年期間共出現了兩次El Ni?o事件和兩次La Ni?a事件，其中2006年和2009年定為El Ni?o年，2007和2010年定為La Ni?a年，即每個El Ni?o事件后緊跟著一個La Ni?a事件。眾所周知，一般這兩種事件均在圣誕節前后達到最強，通常次年5月是個轉換點。因此，若根據天文定年，會將一個完整的El Ni?o或La Ni?a事件撕裂，不利于完整刻畫一個ENSO事件及其對年平均氣溫或降水的影響。為此，科學家不得不將其分為El Ni?o/La Ni?a當年及次年。為了克服天文定年的缺陷，我們用5月至次年4月定義一個ENSO“年”（簡記為年，下同），即2006年/2009年5月至2007年/2010年4月定義為El Ni?o年，2007年/2010年5月至2008年/2011年4月定義為La Ni?a年，并將兩個相同事件的年降水量平均作為該事件的合成降水分布。

在RCP4.5情景下，模式對El Ni?o年的降水估計，除了在東南沿海一帶偏少外，其余地區均偏多（圖9a），其中青藏高原東部偏多600～800 mm以上，廣東沿海偏少400 mm左右。從降水誤差百分率看，在El Ni?o年中國西部和華北北部模式降水估計明顯偏多（＞20%），僅在東部沿海和海南省明顯偏少（＜?20%）（圖9b）；而在La Ni?a年中國大部分地區的模式降水誤差分布與El Ni?o年相近（圖9c），僅在東南沿海部分地區轉為明顯偏多，在山東半島和遼寧省等部分地區轉為明顯偏少（圖9d）。這兩種事件下相似的模式降水誤差分布說明，大范圍的模式降水估計誤差可能是模式本身存在問題，赤道太平洋海溫變化引起的降水誤差變化僅僅局限于環渤海灣及東南沿海的部分地區。這表明熱帶海溫的異常強迫對中國大陸的模式降水誤差分布影響不大。

圖9 RCP4.5情景下（a、b）El Ni?o和（c、d）La Ni?a年（5月至來年4月）中國年降水量誤差（左）及其百分率（右）

盡管El Ni?o和La Ni?a年的模式降水估計誤差比較接近，分布也類似，但進一步的計算表明，模式降水年際之間的差異依然比較明顯。計算的RCP4.5情景下的2006～2013年際降水誤差的標準差，呈現東南大、西北小的走勢（圖10a），與年降水量的氣候分布類似。模式年際降水誤差百分率間的標準差顯示（圖10b），在中國大部分地區差異較小，大多都在40%以下，東部地區多低于20%，華北北部略高，青藏高原西北部和新疆東部誤差百分率年際差異較大，超過80%。這些結果表明，CMIP5模式集合對于降水的年際變化估計，在中國的中、東部有一定的參考價值，但在西北誤差較大。

圖10 RCP4.5情景下2006～2013年CMIP5模式估計的中國年降水誤差的（a）年際標準差及（b）誤差百分率間的年際標準差

6 結論與討論

綜上所述，在三種典型路徑排放情景下，所選的10個CMIP5 模式對2006～2013年中國年及季節降水的預估都存在一定的誤差，其地理分布也比較相似，其主要特征簡述如下：

（1）模式集合估計的年降水量在大部分地區都偏多，東南和華南沿海偏少，明顯偏多地區主要位于西部，明顯偏少的地區僅局限于華南沿海、海南省和山東半島等地。

（2）模式降水估計在冬半年明顯偏多，僅廣東沿海和海南島偏少；夏半年在東部季風區誤差較小，明顯偏多地區集中在青藏高原及西北部分地區，沿海地區降水估計明顯偏少。

（3）2006～2013年間模式降水量估計的誤差趨勢在東部季風區和東北地區比較明顯，夏半年趨勢相似于年降水量，但冬半年在中國大部分地區降水誤差呈增加趨勢，只有東北南部、新疆北部、江南中部等個別地區降水誤差呈減少趨勢。

（4）模式降水誤差隨排放路徑情景變化。RCP8.5相對于RCP2.6的年降水差異明顯的地區主要集中在西北西部和青藏高原西端，高排放導致西北的模式降水偏多現象加劇，但青藏高原的降水誤差減少。夏半年的情形類似于年降水量，但在冬半年，除了青藏高原南部外，RCP8.5情景下模式降水誤差均偏大，即高排放情景導致西北、華北、青藏高原北部及云貴高原模式降水偏多情形加重。

（5）El Ni?o與La Ni?a 年的模式降水誤差分布相似，僅在沿海的部分地區和華北北部誤差比較明顯。2006～2013年模式降水誤差年際變化呈現東南大、西北小的走勢，但其誤差百分率的年際差異在西北較大，中東部地區較小。

各類CMIP5模式降水誤差特征及其差異主要反映了模式本身存在問題，如物理過程參數化的缺陷、模式分辨率不足或地形處理不夠完善等；另一方面，也反映了排放情景或季節背景等對模式降水預估精度存在一定影響。分析這些誤差特征可以發現改進模式的線索，提高模擬水平。例如，在沿海地區，模式降水偏少的現象主要出現在夏半年，說明模式模擬的季風降水偏弱，可能與模式的積云對流化方案或海氣相互作用等物理過程描述不完善有關，也可能是無法模擬臺風或熱帶氣旋降水所致。再如，冬季模式降水普遍偏多的現象可能是由于模式固體降水或降雪物理過程存在較大缺陷。這些誤差的存在說明，直接用CMIP5模式集合輸出資料估計未來降水變化存在很大的不確定性，可能會誤導潛在用戶或決策者，增加未來經濟發展規劃制定的不確定性。因此，在使用基于未來社會經濟情景的CMIP5模式輸出資料估計未來氣候變化時，需要對其不確定性進行評估，降低風險。

參考文獻(：References)

Chen H P. 2013. Projected change in extreme rainfall events in China by the end of the 21st century using CMIP5 models [J]. Chinese Sci. Bull., 58 (12): 1462–1472, doi:10.1007/s11434-012-5612-2.

陳曉晨, 徐影, 許崇海, 等. 2014. CMIP5全球氣候模式對中國地區降水模擬能力的評估[J]. 氣候變化研究進展, 10 (3): 217–225. Chen Xiaochen, Xu Ying, Xu Chonghai, et al. 2014. Assessment of precipitation simulations in China by CMIP5 multi-models [J]. Adv. Climate Change Res. (in Chinese), 10 (3): 217–225, doi:10.3969/j.issn. 1673-1719.2014.03.011.

董文杰, 周天軍, 郭彥, 等. 2014. 氣候現象及其與未來區域氣候變化的聯系[J]. 氣候變化研究進展, 10 (1): 60–64. Dong Wenjie, Zhou Tianjun, Guo Yan, et al. 2014. Climate phenomena and their relevance for future regional climate change [J]. Adv. Climate Change Res. (in Chinese), 10 (1): 60–64, doi:10.3969/j.issn.1673-1719.2014.01.013.

高學杰，林萬濤，Kucharsky F，等. 2004. 實況海溫強迫的CCM3模式對中國區域氣候的模擬能力[J]. 大氣科學, 28 (1): 78–90. Gao Xuejie, Lin Wantao, Kucharsky F, et al. 2004. A simulation of regional climate in China by using CCM3 and observed SST [J]. Chinese J. Atmos. Sci. (in Chinese), 28 (1): 78–90, doi:10.3878/j.issn.1006-9895.2004. 01.08.

高學杰, 徐影, 趙宗慈, 等. 2006. 數值模式不同分辨率和地形對東亞降水模擬影響的試驗[J]. 大氣科學, 30 (2): 185–192. Gao Xuejie, Xu Ying, Zhao Zongci, et al. 2006. Impacts of horizontal resolution and topography on the numerical simulation of East Asian precipitation [J]. Chinese J. Atmos. Sci. (in Chinese), 30 (2): 185–192,doi:10.3878/j.issn. 1006-9895.2006.02.01.

Gao X J, Wang M L, Giorgi F. 2013. Climate change over China in the 21st century as simulated by BCC_CSM1.1-RegCM4.0 [J]. Atmos. Oceanic Sci. Lett., 6 (5): 381–386, doi:10.3878/j.issn.1674-2834.13.0029.

侯威, 孫樹鵬, 張世軒, 等. 2011. 東亞地區大氣環流的季節劃分及其時空變化特征[J]. 物理學報, 60 (10): 781–789. Hou Wei, Sun Shupeng, Zhang Shixuan, et al. 2011. Season division and its temporal and spatial variation features of general atmospheric circulation in East Asia [J]. Acta Physica Sinica (in Chinese), 60 (10): 781–789, doi:10.7498/aps.60. 109201.

Huang J P, Higuchi K, Shabbar A. 1998. The relationship between the North Atlantic Oscillation and El Ni?o–Southern Oscillation [J]. Geophys. Res. Lett., 25 (14): 2707–2710.

IPCC. 2007. Climate Change 2007: The Physical Science Basis [M]. Solomon S D, Qin M, Manning Z, et al., eds. Cambridge, UK and New York, NY, USA: Cambridge University Press, 1009pp.

IPCC. 2013a. Climate Change 2013: The Physical Science Basis. Final Draft Underlying Scientific–Technical Assessment [M]. Stocker T F, Qin D, Plattner G K, et al., eds. Cambridge, UK and New York, NY, USA: Cambridge University Press, 5.

IPCC. 2013b. Climate Change 2013: The Physical Science Basis. Summary for Policymakers [M]. Stocker T F, Qin D, Plattner G K, et al., eds. Cambridge, UK and New York, NY, USA: Cambridge University Press, 19.

Jiang D B, Wang H J, Lang X M. 2005. Evaluation of East Asian climatology as simulated by seven coupled models [J]. Adv. Atmos. Sci., 22 (4): 479–495, doi:10.1007/BF02918482.

姜燕敏, 黃安寧, 吳昊旻. 2015. 不同水平分辨率 BCC_CSM模式對中亞地面氣溫模擬能力評估 [J]. 大氣科學, 39 (3): 535–547. Jiang Yanmin, Huang Anning, Wu Haomin. 2015. Evaluation of the performance of Beijing climate center climate system model with different horizontal resolution in simulating the annual surface temperature over Central Asia [J]. Chinese J. Atmos. Sci. (in Chinese), 39 (3): 535–547, doi:10.3878/j.issn.1006-9895.1408.14133.

江志紅, 陳威霖, 宋潔, 等. 2009. 7個IPCC AR4 模式對中國地區極端降水指數模擬能力的評估及其未來情景預估 [J]. 大氣科學, 33 (1): 109–120. Jiang Zhihong, Chen Weilin, Song Jie, et al. 2009. Projection and evaluation of the precipitation extremes indices over China based on seven IPCC AR4 coupled climate models [J]. Chinese J. Atmos. Sci. (in Chinese), 33 (1): 109–120, doi:10.3878/j.issn.1006-9895.2009.01.10.

劉敏, 江志紅. 2009. 13個IPCC AR4模式對中國區域近40a氣候模擬能力的評估[J]. 南京氣象學院學報, 32 (2): 256–268. Liu Min, Jiang Zhihong. 2009. Simulation ability evaluation of surface temperature and precipitation by thirteen IPCC AR4 coupled climate models in China during 1961–2000 [J]. Journal of Nanjing Institute of Meteorology (in Chinese), 32 (2): 256–268, doi:10.3969/j.issn.1674-7097.2009.02.013.

Masson D, Knutti R. 2011. Spatial-scale dependence of climate model performance in the CMIP3 ensemble [J]. J. Climate, 24 (11): 2680–2692, doi:10.1175/2011JCLI3513.1.

Meinshausen M, Smith S J, Calvin K, et al. 2011. The RCP greenhouse gas concentrations and their extensions from 1765 to 2300 [J]. Climatic Change, 109 (1–2): 213–241, doi:10.1007/s10584-011-0156-z.

Mitchell T D, Jones P D. 2005. An improved method of constructing a database of monthly climate observations and associated high-resolution grids [J]. Int. J. Climatol., 25 (6): 693–712, doi:10.1002/joc.1181.

Phillips T J, Gleckler P J. 2006. Evaluation of continental precipitation in 20th century climate simulations: The utility of multimodel statistics [J]. Water Resour. Res., 42 (3): W03202, doi:10.1029/2005WR004313.

錢忠華, 侯威, 楊萍, 等. 2011. 最概然溫度背景下不同氣候態中國夏冬季極端溫度事件時空分布特征[J]. 物理學報, 60 (10): 819–830. Qian Zhonghua, Hou Wei, Yang Ping, et al. 2011. Characteristics of spatiotemporal distribution of extreme temperature events over China mainland in different climate states against the backdrop of most probable temperature [J]. Acta Physica Sinica (in Chinese), 60 (10): 819–830, doi:10.7498/aps.60.109204.

秦大河, Stocker T. 2014. IPCC第五次評估報告第一工作組報告的亮點結論[J]. 氣候變化研究進展, 10 (1): 1–6. Qin Dahe, Stocker T. 2014. Highlights of the IPCC Working Group I Fifth Assessment Report [J]. Adv. Climate Change Res. (in Chinese), 10 (1): 1–6, doi:10.3969/j.issn. 1673-1719.2014.01.001.

Riahi K, Rao S, Krey V, et al. 2011. RCP8.5—A scenario of comparatively high greenhouse gas emissions [J]. Climatic Change, 109 (1–2): 33–57, doi:10.1007/s10584-011-0149-y.

沈永平, 王國亞. 2013. IPCC第一工作組第五次評估報告對全球氣候變化認知的最新科學要點[J]. 冰川凍土, 35 (5): 1068–1076. ShenYongping, Wang Guoya. 2013. Key findings and assessment results ofIPCC WGI Fifth Assessment Report [J]. Journal of Glaciology and Geocryology (in Chinese), 35 (5): 1068–1076, doi:10.7522/j.issn. 1000-0240.2013.0120.

Song F, Zhou T. 2014. Interannual variability of East Asian summer monsoon simulated by CMIP3 and CMIP5 AGCMs: Skill dependence on Indian Ocean–western Pacific anticyclone teleconnection [J]. J. Climate, 27 (4): 1679–1697, doi:10.1175/JCLI-D-13-00248.1.

蘇濤, 封國林. 2014. 中國夏季大氣水分循環特征及再分析資料對比分析[J]. 物理學報, 63 (24): 249201-1–249201-13. Su Tao, Feng GuoLin. 2014. The characteristics of the summer atmospheric water cycle over China and comparison of ERA-Interim and MERRA reanalysis [J]. Acta Phys. Sin. (in Chinese), 63 (24): 249201-1–249201-13, doi:10.7498/ aps.63.249201.

Taylor K E, Stouffer R J, Meehl G A. 2012. An overview of CMIP5 and the experiment design [J]. Bull. Amer. Meteor. Soc., 93 (4): 485–498, doi:10.1175/BAMS-D-11-00094.1.

Thomson A M, Calvin K V, Smith S J, et al. 2011. RCP4.5: A pathway for stabilization of radiative forcing by 2100 [J]. Climatic Change, 109 (1–2): 77–94, doi:10.1007/s10584-011-0151-4.

田芝平, 姜大膀. 2013. 不同分辨率CCSM4對東亞和中國氣候模擬能力分析[J]. 大氣科學, 37 (1): 171–186. Tian Zhiping, Jiang Dabang. 2013. Evaluation of the performance of low- to high-resolution CCSM4 over East Asia and China [J]. Chinese J. Atmos. Sci. (in Chinese), 37 (1): 171–186, doi:10.3878/j.issn.1006-9895.2012.12050.

van Vuuren D P, Stehfest E, den Elzen M G J, et al. 2011. RCP2.6: Exploring the possibility to keep global mean temperature increase below 2°C [J]. Climatic Change, 109 (1–2): 95–116, doi:10.1007/s10584- 011-0152-3.

王小玲, 宋文玲. 2009. ENSO與登陸我國熱帶氣旋的關系研究[J]. 熱帶氣象學報, 25 (5): 576–580. Wang Xiaoling, Song Wenling. 2009. A study on relationships between ENSO and landfalling tropical cyclones in China [J]. J. Trop. Meteor. (in Chinese), 25 (5): 576–580, doi:10.3969/j. issn.1004-4965.2009.05.008.

許崇海, 羅勇, 徐影. 2010. 全球氣候模式對中國降水分布時空特征的評估和預估[J]. 氣候變化研究進展, 6 (6): 398–404. Xu Chonghai, Luo Yong, Xu Ying. 2010. Assessment and projection for spatial-temporal distribution of precipitation in China based on global climate models [J]. Adv. Climate Change Res. (in Chinese), 6 (6): 398–404, doi:10.3969/j. issn.1673-1719.2010.06.002.

Xu C H, Xu Y. 2012. The projection of temperature and precipitation over China under RCP scenarios using a CMIP5 multi-model ensemble [J]. Atmos. Oceanic Sci. Lett., 5 (6): 527–533.

Xu Y, Xu C H. 2012. Preliminary assessment of simulations of climate changes over China by CMIP5 multi-models [J]. Atmos. Oceanic Sci. Lett., 5 (6): 489–494, doi:10.1080/16742834.2012.11447041.

翟建青, 占明錦, 蘇布達, 等. 2014. 對IPCC第五次評估報告中有關淡水資源相關結論的解讀[J]. 氣候變化研究進展, 10 (4): 240–245. Zhai Jianqing, Zhan Mingjin, Su Buda, et al. 2014. The interpretation of freshwater resources in the Fifth Assessment Report of IPCC [J]. Advances in Climate Change Research (in Chinese), 10 (4): 240–245, doi:10.3969/j.issn.1673-1719.2014.04.002.

張莉, 丁一匯, 孫穎. 2008. 全球海氣耦合模式對東亞季風降水模擬的檢驗[J]. 大氣科學, 32 (2): 261–276. Zhang Li, Ding Yihui, Sun Ying. 2008. Evaluation of precipitation simulation in East Asian monsoon areas by coupled ocean–atmosphere general circulation models [J]. Chinese J. Atmos. Sci. (in Chinese), 32 (2): 261–276, doi:10.3878/j.issn.1006-9895. 2008.02.06.

張人禾, 巢紀平. 2002. 對ENSO循環機理的一些新認識[J]. 氣候與環境研究, 7 (2): 175–183. Zhang Renhe, Chao Jiping. 2002. Some new aspects in understanding of ENSO cycle [J]. Clim. Environ. Res. (in Chinese), 7 (2): 175–183, doi:10.3969/j.issn.1006-9585.2002.02.005.

趙俊虎, 封國林, 張世軒, 等. 2011. 近48年中國的季節變化與極端溫度事件的聯系[J]. 物理學報, 60 (9): 099205. Zhao Junhu, Feng Goulin, Zhang Shixuan, et al. 2011. Seasonal changes in China during recent 48 years and their relationship with temperature extremes [J]. Acta Physica Sinica (in Chinese), 60 (9): 099205.

Zou L W, Zhou T J. 2013. Near future (2016–40) summer precipitation changes over China as projected by a regional climate model (RCM) under the RCP8.5 emissions scenario: Comparison between RCM downscaling and the driving GCM [J]. Adv. Atmos. Sci., 30 (3): 806–818, doi:10.1007/s00376-013-2209-x.

Assessment of the Deviation of China Precipitation Projected by CMIP5 Models for 2006–2013

ZHANG Bei1, 2and DAI Xin’gang2

1,730000;2,,,100029

This study focuses on investigating the deviation of 2006–2013 mean precipitation projected by the multi-model ensemble over China using the outputs of 10 CMIP5 climate models under various RCP scenarios, in comparison with the latest grid precipitation from the CRU, University of East Anglia. The results show that there are obvious differences in projected precipitation among the 10 models for Northwest China and the eastern coastal zone. The model-ensemble precipitation is overestimated in northern and western parts of China and underestimated in the coastal zone. In the winter-half year, the precipitation is obviously overestimated in most parts of China, even double or more than observed, but underestimated in the coastal zone; while in the summer-half year, it is underestimated in the eastern monsoon zone and overestimated in western China. The deviation changes with time, and its trend is apparent in northern and eastern parts in the summer-half year, and in Northeast, eastern and southern China in the winter-half year. In addition, the overestimation of precipitation is intensified in the northwest of China if using RCP8.5 scenario, but relatively weaker for the scenarios in East or South China. Besides, although the patterns of deviation are similar in El Ni?o and La Ni?a years, the interannual difference of the deviation is still obvious in some parts of North China and coastal areas. The different deviation seemingly results from defects in the models themselves, such as their physical processes, cumulus convection parameterizations, representation of solid precipitation, topography treatment, and spatial resolution. The deviation reveals that there would be severe uncertainty if estimating China precipitation directly using CMIP5 model outputs. Hence, it is necessary to estimate the uncertainty before using the output data, so as to reduce the potential risk for users or decision-makers responsible for future development plans.

China precipitation, CMIP5 ( Coupled Model Intercomparison Project Phase 5), RCPs (Representative Concentration Pathways) scenarios, Ensemble estimate, Deviation analysis

1006-9895(2016)05-0981-14

P467

A

10.3878/j.issn.1006-9895.1511.15212

2015-06-09；網絡預出版日期 2015-11-20

張蓓，女，1993年出生，碩士研究生，主要從事氣候變化研究。E-mail: zhangb13@lzu.edu.cn

戴新剛，E-mail: daixg@tea.ac.cn

國家重點基礎研究發展計劃（973計劃）項目2013CB430201，國家自然科學基金項目41475075、41075058

Funded by National Basic Research Program of China (973 Program, Grant 2013CB430201), National Natural Science Foundation of China (NSFC) (Grant 41475075, 41075058)