CMIP5氣候模式對云南氣候變化模擬評估及未來情景預估

田孟勤，張 杰，羅 陽，王 超，何肖國

(1.貴陽市氣象局,貴州 貴陽 550001；2.貴州省息烽縣氣象局,貴州 息烽 551100)

0 引言

隨著全球變暖的日益加劇，各國政府及科學家將未來氣候變化作為研究中心。全球氣候模式能夠模擬大氣環流、海陸之間的相互作用，構建溫室氣體排放情景，有了未來溫室氣體可能的排放情況，就能夠對未來世界氣候的可能變化進行模擬和預估。為了保證全球氣候模式能夠準確模擬未來氣候變化，將模式模擬數據與觀測資料進行比對，對氣候模式的可靠性進行綜合評價也是人們關注的熱點問題[1-4]。目前，國際耦合模式比較計劃已經進行到第五階段( Coupled Model Intercomparison Project Phase 5 ，以下簡稱CMIP5)，利用CMIP5公布的最新預估數據開展了大量的研究：基于CMIP5的37個不同氣候模式和HadCRUT4數據，Knutti and Sedlácek et al. 研究發現CMIP5的預估氣溫空間分布特征與IPCC AR4的結果較為相似[2]，而Fyfe et al.發現近20 a全球變暖幅度明顯小于氣候模式模擬結果[3]；郭彥等利用CMIP5氣候模式輸出數據對1906—2005年中國平均氣溫變化進行了模擬和評估，發現CMIP5模式相較于CMIP3模式在模擬的準確度上都有所提高[5]。在區域尺度上，Su Fengge et al.和姜燕敏等分別對CMIP5氣候模式結果在青藏高原和中亞地區的模擬能力進行了評估[6-7]。此外，一些學者還采用不同極端氣候指數，對CMIP5的模式結果進行了評估和預估分析[8-9]。

云南位于我國西南地區，屬低緯度山地高原地形，地勢由北向南成階梯型分布，地貌復雜多變，作為全球生物多樣性最豐富的地區之一和世界級的基因庫，該地區氣候變化對全球變化較為敏感[10]。正因如此，利用CMIP5模式模擬數據對云南地區未來氣候變化特征進行預估，不僅有助于改進模式在復雜地形條件下的氣候模擬能力，更有利于開展氣候變化背景下的山地生態系統的適應性管理和加強生物多樣性的保護工作。

1 數據和方法

1.1 數據來源

本文中采用的觀測數據來自中國氣象局國家信息中心，包括云南地區31個國家氣象站點1986—2005年降水、氣溫的逐月數據(圖1)。模式數據包括IPCC AR5中使用的8個氣候模式數據及21個氣候模式的簡單集合平均數據(表1)，其中氣候基準期數據為1986—2005年的模擬數據，未來預估數據為在排放情景RCP2.6、RCP4.5、RCP8.5下的模式輸出數據。預估時段采用IPCC AR5 推薦的“near-term”(2020—2035年)。為方便與觀測數據的比較，采用雙線性插值法將8個氣候模式和模式集合數據統一插值到氣象站點上。

圖1 云南省氣象站點與氣候模式格點分布圖Fig.1 Distributions of meterological stations and GCMs in Yunnan Province

表1 CMIP5 氣候模式概況(粗體為本研究采用的8個模式)Tab.1 Information of CMIP5 climate models

續表1 CMIP5 氣候模式概況(粗體為本研究采用的8個模式)

1.2 研究方法

本文采用相關系數與均方根誤差對CMIP5在氣候基準期(1986—2005年)的模擬數據與31個觀測站點觀測數據進行分析，評估其模擬效果相。大多數文獻對于模式的評估往往分別比較相關系數與均方根誤差，Taylor在PCMDI(Program for climate Model Diagnosis and Intercomparison)的技術報告上發表了Taylor Diagram，在二維圖上對相關系數與均方根誤差進行體現[11]。其原理如下：

(1)

(2)

(3)

(4)

其中，fn為模式數據；rn為觀測數據；σf為模式標準差；σr為觀測數據標準差；上標“￣”為平均值；N為云南地區的格點數。

空間相關系數可以用來表征兩個平均場(觀測和模擬)的空間差異與相似程度，計算公式如下：

COR=

(5)

2 各模式對云南氣溫、降水模擬能力評估

2.1 年平均氣溫與降水量的模擬

對圖2進行分析可以得出：8個模式均能模擬出云南降水在1986—2005年間的增加趨勢，但模式F (FGOALS-s2)的降水和氣溫趨勢明顯高于觀測數據的趨勢；對氣溫的趨勢模擬中，僅模式J (MRI-CGCM3) 模擬出了下降趨勢，顯然與實際觀測數據的趨勢不符，而其余7個模式均為上升趨勢，與實際觀測數據的趨勢一致。與氣溫、降水觀測數據的趨勢相比較，模式集合數據的趨勢均與氣溫、降水觀測數據的趨勢較為接近。

圖2 氣候模式對年平均氣溫、降水(1986—2005年)線性趨勢的模擬比較(粗實線為觀測數據線性趨勢，字母B代表模式集合數據的趨勢線，字母(C-J)所代表模式見表1)Fig.2 The observed and simulated linear trend of annual precipitation (left) and temperature (right) during 1986—2005

從表2的統計結果可看出：對降水、氣溫趨勢模擬最好的兩個模式分別是模式J(MRI-CGCM3)和模式D(BNU-ESM)；雖然模式J的降水趨勢與觀測降水趨勢較為接近，但其年平均降水的空間分布特征模擬結果與觀測結果相差較遠；分析模式數據對氣溫的空間分布特征模擬結果發現，多模式集合數據要優于8個氣候模式數據，與觀測數據最為接近；總體來看，多模式集合數據和各氣候模式模擬數據在降水的空間分布特征模擬上要比氣溫的空間分布特征模擬效果要差。

表2 氣候模式對云南地區年平均氣溫、降水(1986—2005年)模擬結果統計Tab.2 Statistic feature of observed and simulated annual temperature (left) and precipitation (right) during 1986—2005

2.2 基準期逐月氣溫與降水變化模擬

如圖3所示：與觀測數據相比，在基準期逐月氣溫的模擬上多模式集合的均方根誤差和標準差均為最小，盡管各氣候模式與觀測數據的相關系數大致分布在0.95附近，但各氣候模式均存在較大的均方根誤差和標準差；而對于降水而言，多模式集合的月降水數據與觀測數據相關系數最高，8個模式的均方根誤差均較大，說明氣候模式的模擬數據與觀測數據所呈現的實際結果之間還存在著較大偏差。

2.3 氣溫與降水年內變化模擬

鑒于與觀測數據相比，月平均降水、月氣溫序列的模擬結果存在著較大的均方根誤差和標準差，為了進一步對模式數據的模擬能力進行分析，驗證模式數據與觀察數據的吻合程度，對模擬數據和觀測數據的月降水和月氣溫在年內的變化情況進行對比分析，結果如圖4 所示：月降水的年內變化存在季節性變化，夏季降水明顯多于春秋季節，在降水的年內分布模擬上，8個氣候模式數據雖然能夠模擬出年內降水的季節性變化，但在雨季降水峰值的模擬上效果較差，而多模式集合數據不僅能夠很好的模擬出降水的季節性變化，而且對降水峰值模擬的效果也明顯較好；基準期內月平均氣溫觀測值雖呈現季節變化，但月與月之間差值較小，8個氣候模式數據對春、秋、冬季的氣溫模擬效果差，遠遠低于觀測值，僅夏季(6—8月)氣溫與觀測數據較為接近，無法模擬出云南高原氣候的特點，而多模式集合數據則與實際觀測結果中氣溫的年內變化較為接近。

圖3 觀測數據(A)與多模式集合(B)、各模式(C-J)月降水、氣溫序列的Talor圖 (綠色曲線為均方根誤差)Fig.3 The observed (A), Multi model (B) and Models (C-J) Talor diagram of annual precipitation (left) and temperature (right) during 1986—2005

圖4 氣候模式對月平均氣溫、降水(1986—2005年)的模擬比較(白色柱狀圖為觀測值，黃色為多模式集合數據，藍色和粉色為8個模式結果的箱點圖，其中，粉色框上下邊界分別代表均值標準誤差的95% 置信線，黑點代表8個模式)Fig.4 The observed and simulated monthly mean temperature (left) and monthly precipitation (right) during 1986—2005

3 未來氣溫與降水變化預估

鑒于8個氣候模式在降水、氣溫的模擬上與觀測數據存在較大差異，本文對未來(2020—2035年)氣溫和降水變化的預估采用多模式集合數據。從未來3種排放情景下云南氣溫、降水空間變化幅度(圖5)上可看出，與多模式集合基準期模擬結果相比，未來3種情景下云南縱向嶺谷地區降水增加幅度為1%～3%；3種排放情景下，整個云南地區降水均呈現西增東減態勢，RCP8.5情景下降水變幅最大；未來氣溫則表現為一致升高，RCP8.5情景下氣溫變幅最大。

圖5 未來(2020—2035年)3種情景下云南降水、氣溫變化幅度(與21個模式集合的基準期數據比較)Fig.5 Distribution of annual precipitation(left) and temperature (right) during 2016—2035 under RCP 2.6,RCP 4.5 and RCP 8.5 scenarios in Yunnan Province

續圖5 未來(2020—2035年)3種情景下云南降水、氣溫變化幅度(與21個模式集合的基準期數據比較)Fig.5 Distribution of annual precipitation(left) and temperature (right) during 2016—2035 under RCP 2.6,RCP 4.5 and RCP 8.5 scenarios in Yunnan Province

4 結論

本文基于CMIP5的8個氣候模式和多模式集合數據(21個氣候模式簡單集合)和觀測數據，評估了其在基準期內對云南氣溫、降水的模擬能力，并應用多模式集合數據，預估了未來不同排放情景下(RCP2.6、RCP4.5、RCP8.5)云南地區氣溫、降水的空間分布趨勢。結果如下：

①多模式集合和部分模式能較好的模擬出基準期內氣溫、降水的年際變化趨勢；在空間分布特征上，氣候模式(包括多模式集合)對降水的模擬偏差較差，對氣溫的模擬相對較好；但在月平均氣溫和月降水的年內分布模擬上，多模式集合數據的模擬效果明顯優于8個氣候模式數據，因此在進行氣候變化預估時采用多模式集合數據

②預估結果表明，在未來3種排放情景下云南地區降水呈西增東減的空間部分特征，縱向嶺谷地區降水增加幅度為1%～3%，且在RCP8.5情景下降水變幅最大，而氣溫在3種排放情景下則表現為一致的增加，RCP8.5情景下增幅最大。

致謝:本研究所使用的全球氣候模式氣候變化預估數據，是由國家氣候中心研究人員對數據進行的整理、分析和惠許使用。原始數據由各模式組提供，由WGCM(JSC/CLIVAR Working Group on Coupled Modelling)組織PCMDI (Program for Climate Model Diagnosis and Intercomparison)搜集歸類。多模式數據集的維護由美國能源部科學辦公室提供資助。