未來30 年亞洲降水情景預估及偏差訂正

楊陽 戴新剛 汪萍

1 中國科學院東亞區域氣候與環境重點實驗室，大氣物理研究所，北京 100029

2 中山大學大氣科學學院，珠海 519082

3 中國氣象科學研究院大氣成分與環境氣象研究所，北京 100081

4 蘭州大學大氣科學學院，蘭州 730000

1 引言

季風氣候區是地球上植被最繁茂、人口最密集、耕地最多、農業生產最活躍的區域（Webster,1981; Dai and Wang, 2017; Chang et al., 2018; 戴新剛和汪萍, 2020; Wang et al., 2021）。亞洲南部和東部是地球上最著名的季風區之一，其中南亞屬于熱帶季風區，東亞季風屬于副熱帶季風（Dai et al.,2004b; Ding and Chan, 2005; Wang, 2006; 朱志偉和何金海, 2013）。南亞地區的旱澇主要與季風的濤動有關，在強季風年，南亞降水偏多，洪澇災害頻發；弱季風年南亞降水偏少，部分地區干旱，影響作物收成（Revadekar and Preethi, 2012; Lu et al.,2020）。對于東亞而言，在強季風年西太平洋副熱帶高壓（簡稱西太副高）往往偏北偏東，汛期中國東南沿海及黃淮流域降水偏多，長江中下游地區降水偏少；弱季風年西太副高偏南偏西，長江及江南等地多雨（丁一匯, 1993; 陶詩言, 1980; 陶詩言等,2001），而北方干旱（Dai et al., 2003, 2005），造成糧食產量下降（Terjung et al., 1989）。影響亞洲季風降水的因子眾多，其中ENSO（El Ni?o-Southern Oscillation）是亞洲季風年際變化的主要驅動因子（ Krishnamurthy and Goswami, 2000;Fasullo and Webster, 2002）。這種影響既可以是間接的，也可以是直接的，受海溫年代尺度/多年代尺度遙相關型調制（Dai et al., 2004a; Wang et al.,2013; Zhu et al., 2014; Dong et al., 2018），如太平洋年代尺度濤動（PDO/IPO）（Feng et al., 2014;Dai et al., 2015a; Dong and Dai, 2015），北大西洋多年代尺度濤動（AMO; Naidu et al., 2020）等。此外，全球季風系統也會受到全球氣候暖化趨勢的明顯影響（Wang et al., 2015）。

通常，El Ni?o 年亞洲季風偏弱、西太平洋副熱帶高壓偏南偏西、東亞季風雨帶隨之偏南，汛期中國大陸易出現“南澇北旱”格局，冬季氣溫偏高，且易出現暖冬；反之，在La Ni?a 年亞洲季風偏強，西太平洋副熱帶高壓偏北偏東，汛期易出現所謂“Ⅰ類雨型”，即中國大陸南北降水多，中間少的格局（符淙斌, 1978; 黃榮輝等, 2003; 吳國雄等,2003; Wu et al., 2003; 王會軍等, 2020）。在PDO的正位相，北半球中緯度太平洋東部海溫偏高，西北太平洋北部海溫偏低，亞洲季風偏弱，中國大陸易出現年代尺度“南澇北旱”格局（Yang et al.,2017a, 2017b）；與此相反，PDO 的負位相使得亞洲季風偏強，冬季氣溫偏低，易出現冷冬（Wang et al., 2008; Chen et al., 2013; Yun et al., 2015; Huang et al., 2020a）。已有數值試驗證實，PDO 的位相變化還能明顯影響印度洋異常海溫分布，從而對南亞及東亞季風均產生影響（Krishnamurthy and Krishnamurthy, 2014; Wang et al., 2014）。在AMO正位相，北大西洋海溫偏暖，負位相海溫偏冷。在多年代尺度上，它不僅能影響中緯度西風帶的濕度和降水，也與亞洲季風存在關聯（Goswami et al.,2006; Krishnamurthy and Krishnamurthy, 2016; Li et al., 2017）。

此外，過去百年的全球氣候暖化已經逐漸影響到地球氣候系統的多個方面（IPCC, 2013; Dai and Wang, 2018），例如，北極海冰減少（Kumar et al., 2020）、山岳冰川融化（張宏杰等, 2018）、中太平洋暖事件增多（Ashok et al., 2007）、副熱帶高壓面積擴展（Seidel et al., 2008）等。氣候系統熱機效率的提高導致全球能量與水循環速率加快（Laliberté et al., 2015），致使極端天氣氣候事件的出現頻率呈現上升趨勢（Li et al., 2020; Zhong et al., 2020）。氣候系統的這一系列變化已經影響到區域尺度氣候及亞洲季風氣候（Sooraj et al., 2015;Duan et al., 2018; Cai et al., 2021）。這增加了氣候變化機制的復雜性，并且造成預測難度上升。因此，研究或預估未來氣候暖化背景下幾十年或百年以上區域尺度氣候的可能變化趨勢，必須得考慮未來社會經濟發展情景（IPCC, 2013）。

氣候變化趨勢是氣候年際變化及年代際變化的背景。前者往往屬于外部強迫的結果，如全球氣候暖化等，后者屬于氣候系統的內部變率，如海—氣相互作用等（Huang et al., 2020b）。未來全球氣候暖化趨勢在很大程度上取決于溫室氣體的排放情景（Dai et al., 2015b; Li et al., 2020）。目前，科學家對于未來幾十年或百年氣候趨勢預估都基于不同溫室氣體排放情景（RCPs/SSPs）下的國際耦合模式比較計劃第五/六階段（CMIP5/CMIP6）的多模式輸出數據（Taylor et al., 2012; Eyring et al., 2016）。例如，Lee and Wang （2014）基于CMIP5 模式資料對未來全球季風變化進行預估； Cook et al.（2020）分析了CMIP6 模式輸出的預估資料后指出，21 世紀全球多個地區可能存在干旱趨勢，如美國西部、中美洲、歐洲和地中海、亞馬遜、南部非洲、中國部分地區、東南亞及澳大利亞等，其中與高排放情景相比，低排放情景下某些地區的嚴重干旱會減弱甚至消失。這說明氣候暖化會在一定程度上改變全球旱澇分布格局，盡管區域性降水還會受到年際或年代際氣候變化的影響，且與多個海區的海溫遙相關型有關。

Xu et al.（2018）利用CMIP5 數據對未來50年中國極端氣溫和降水進行了預估，指出區域性極端氣候事件出現的潛在風險。Jiang et al.（2020）利用CMIP6 多模式集合數據預估了未來百年中亞干旱區降水的變化，發現在不同排放情景下中亞降水幾乎都增加，且在高排放情景（SSP5-8.5）下，降水增加更加明顯。例如，在中亞北部表現為夏季降水減少，春季降水明顯增加。張蓓等（2019）、楊陽等（2019）利用CMIP5 多模式集合數據對中國降水的預估研究表明，2016～2035/2045 年間，從中國西部的三江源區到淮河流域一帶的降水呈增加趨勢，而西南地區可能會持續干旱。

然而，一些預估檢驗也指出，CMIP5 模式輸出數據存在系統性偏差，尤其是降水，因此氣候預估時必須進行偏差訂正（張蓓和戴新剛, 2016）。模式的氣候漂移是氣候預估偏差的主要部分，大多數氣候預估研究都選擇通過兩個時段平均之差或只計算趨勢的方式消除或回避模式集合的氣候漂移（Chen et al., 2020）。此外，模式降水偏差還存在非定常振蕩，會對某些地區的幾十年降水預估產生明顯影響，對此也需要訂正。張蓓等（2019）利用線性回歸方程法訂正了2016～2035 年中國大陸情景預估降水的定常及非定常偏差。楊陽等（2019）研究發現，回歸方程偏差訂正效果還與緯度有關，提出所謂“區域組合回歸”訂正法，即在30°N 以北地區使用一種回歸方案，以南地區使用另一種，如此可以得到更高的預估降水距平符號一致率。

雖然已有一系列的研究用CMIP5/CMIP6 對未來百年或21 世紀后三十年的降水進行預估，但幾乎均未考慮其中的非定常偏差訂正問題（Li et al.,2019; Cook et al., 2020; Jiang et al., 2020; Wang et al.,2020），增加了預估結果的不確定性。本文基于CMIP5 多模式集合輸出資料，在中等排放情景（RCP4.5）下，對未來30 年（2021～2050）亞洲降水進行預估并對其做定常和非定常偏差訂正，給出未來30 年亞洲可能出現的旱澇分布格局或變化趨勢。下文的第二節介紹了所用數據和方法；第三節是CMIP5 歷史氣候模擬的偏差分析；第四節對降水預估偏差進行訂正檢驗，并建立統計回歸訂正模型；第五節給出未來30 年亞洲降水預估結果；最后一節是總結和討論。

2 數據和方法

本文使用耦合模式比較計劃第五階段（CMIP5）中多模式輸出的1960～2005 年歷史氣候模擬及未來RCP4.5 排放情景下（2006～2015 及2021～2050 年）的逐月降水數據（Taylor et al., 2012），以及英國氣候研究所全球陸地格點分析數據集（CRU TS v4.0）中的格點月降水量（Harris et al.,2020），其分辨率為0.5°×0.5°，視為觀測降水。考慮到過多模式的集合平均可能會使結果更接近于氣候的強迫場結果（Dai et al., 2015a），而模式過少又會造成降水集合平均的統計穩定性變差。另一方面，在降水演變中的趨勢項一般都很弱，其年代際變化就顯得更為重要，這就要求在選取模式數量上既不能太多，也不能太少。本文選用了20 個常用的CMIP5 模式，所選模式參數見表1。

由于CMIP5 各模式分辨率不一致，本文使用雙線性插值法將每個模式的降水和觀測格點分析降水都統一插值到1.0°×1.0°經緯網格點上再進行計算。本文使用三種模式偏差訂正法，第一種是去除模式氣候漂移，即通過去除模式和觀測降水的平均偏差來實現；后兩種分別為一元對數回歸和一元年際增量回歸（或一元差分回歸）（Fan et al., 2009;張凱靜等, 2017）。根據這三種偏差訂正法在地理區域上的優劣又進一步可以設計區域組合回歸偏差訂正法，即在30°N 以南/北使用一元年際增量或一元對數回歸法對偏差進行訂正（楊陽等, 2019），并對檢驗期中的盲區（距平符號相反區）再用去除模式氣候漂移的結果進行補充訂正填補。兩種回歸模型參數均以1960～2005 年為訓練期，通過20個CMIP5 模式集合平均降水和觀測降水（CRU TS v4.0）確定。

3 歷史氣候降水模擬

CMIP5 歷史氣候模擬中的多模式集合平均對亞洲降水氣候分布型具有一定的模擬能力（楊陽等, 2019）。圖1a 是20 個CMIP5 模式集合平均模擬的1960～2005 年亞洲區域的年降水（簡稱為模式降水，下同）。與觀測降水（圖1b）比較可以看到，模式集合能基本再現1960～2005 年亞洲氣候平均年降水分布的主要特征。例如，在亞洲季風區，包括南亞、東亞及東南亞等地降水較多，中國西北、中亞和阿拉伯半島等干旱氣候區降水稀少等。然而，若仔細比較二者可以發現模式降水依舊存在偏差。例如，模式降水在北方偏多，致使干旱或半干旱區的范圍縮小，這在中國西北和中亞最為明顯，而模式降水在青藏高原東部明顯偏多，但在印度次大陸偏少。

圖1 1960～2005 年亞洲氣候平均年降水量（單位：mm）：(a) 20 個CMIP5 模式集合模擬；（b）觀測（CRU TS v4.0）Fig. 1 Climate mean annual precipitation (units: mm) from 1960 to 2005: (a) Climate mean simulated using 20 CMIP5 models; (b) observations(CRU TS v4.0)

暖季（5～10 月）和冷季（11 月至次年4 月）的模式降水偏差分布不同。用模式降水減去觀測降水得到模式降水的偏差，對其再除以觀測降水便可以得到偏差百分率。圖2a 表示暖季即亞洲南部季風季節的模式降水偏差百分率，可見20 個CMIP5模式集合對亞洲季風區大部分地區降水模擬偏弱，如中國東南沿海和華南沿海、南亞、朝鮮半島、日本關西地區、越南大部等地，其中模式降水在印度半島中北部偏少超過40%，在越南中北部、緬甸西南部、朝鮮半島和日本關西地區偏少約30%，在中國華南沿海偏少10%～20%，在我國東南沿海偏少5%～10%。相反，在中國西部、北部，中亞、遠東和阿拉伯半島等地模式降水明顯偏多，其中青藏高原、華北、中亞南部、阿拉伯半島大部模式降水偏多40%以上，在中國東北、中亞北部、印度南部、中南半島西南部模式降水偏少20%～30%。

在冷季，亞洲大部分地區模式降水偏多且超過40%，尤其在高緯度地區降水偏多更為明顯（圖2b）。與模式集合模擬的夏季風降水偏少相反，冷季印度半島大部分地區的模式降水偏多，北部偏多30%～40%，僅在中國華南沿海、中南半島、中亞南部、阿拉伯半島等地模式降水偏少，其中在華南沿海和中南半島偏少10%～20%，在中亞南部及伊朗高原偏少20%～30%，在阿拉伯半島東南部偏少超過40%。可見CMIP5 歷史氣候模擬降水中存在明顯偏差，在使用前必須做不確定性分析并進行偏差訂正。

4 模式降水預估偏差

20 個CMIP5 模式集合平均預估的2006～2015 年亞洲暖季降水偏差分布型（圖3a）與1960～2005年歷史氣候模擬降水偏差分布相似（圖2a）。例如，預估降水在東亞北部偏多，其中在中國西部、蒙古國及中亞北部等地偏多達40%及以上；在亞洲低緯度及阿拉伯半島等地降水偏少，其中印度中北部和孟加拉國大部偏少40%及以上，巴基斯坦、阿拉伯半島部分地區、越南中北部、中國的華南沿海和朝鮮半島等地偏少20%～30%。同樣，模式集合預估的2006～2015 年亞洲冷季降水偏差分布型（圖3b）也與1960～2005 年平均歷史氣候模擬亞洲冷季降水偏差（圖2b）相似。這種相似性說明二者偏差分布型幾乎不隨時間變化，說明CMIP5氣候模式集合存在系統性偏差即模式氣候漂移。張蓓和戴新剛（2016）對CMIP5 模式集合偏差的分析表明，模式降水的氣候漂移約占總偏差的80%或以上。可見2006～2015 年平均降水預估偏差的絕大部分應該屬于模式集合氣候漂移，具有準定常性。因此，在CMIP5 模式集合的氣候預估中直接扣除模式氣候漂移可以減少降水預估的不確定性。通常的做法是用模式集合預估降水減去過去一段歷史氣候模擬降水來消除模式氣候漂移。這里假設模式氣候漂移是定常的。然而，比較圖3 和圖2 中偏差分布的細節就會發現，二者之間還存在一些小的差異。例如，在中國東部沿海地區預估的降水偏少率幅度要大于歷史氣候模擬；在我國的華北和東北、蒙古國、中亞等地預估降水偏多率要高于歷史氣候模擬（圖3a，圖2a）。同樣冷季的預估降水與歷史氣候模擬降水在我國華南沿海和南亞等地也存在明顯差異（圖3b，圖2b）。這些差異說明，模式預估降水偏差還受到非定常偏差的影響，同樣需要加以訂正。

圖2 1960～2005 年20 個CMIP5 模式集合平均亞洲降水的偏差百分率：（a）暖季（5～10 月）降水；（b）冷季（11 月至次年4 月）降水Fig. 2 Bias percentage of Asian precipitation between the ensemble mean of 20 CMIP5 models during 1960-2005: (a) Warm season (May-October);(b) cold season (November throughout next April)

圖3 RCP4.5 情景下2006～2015 年20 個CMIP5 模式集合平均與觀測（CRU TS v4.0）亞洲降水的偏差百分率：（a）暖季；（b）冷季Fig. 3 Bias percentage of Asian precipitation between the ensemble mean of 20 CMIP5 models and the observation (CRU TS v 4.0) during 2006-2015 under the RCP4.5 scenario: (a) Warm season; (b) cold season

5 模式降水偏差訂正

5.1 模式氣候漂移

在CMIP5 模式集合降水預估中扣除模式氣候漂移有多種方式，例如，可以在模式降水預估中減去歷史氣候模擬中一個時期平均的降水偏差，或常用的做法是只計算預估降水的相對變化，即計算一段時間平均的預估降水與另一時間段平均的歷史氣候模擬降水之差，以此扣除所謂模式氣候漂移，其中假定模式氣候漂移不隨時間段變化。這在很大程度上可以削弱模式降水的氣候漂移偏差，減小降水預估的不確定性。圖4 給出了2006～2015 年CMIP5多模式集合平均降水預估相對于1976～2005 年CMIP5 歷史氣候模擬平均值（參考態）的距平百分率。圖4a 顯示，在中等排放情景RCP4.5 下，2006～2015 年暖季預估降水在亞洲大陸大部分地區都有所增多，其中，我國西北中東部和南亞西北部降水增加率為5%～10%，阿拉伯半島降水增加10%～20%，在我國江南、四川盆地、華北西部、中南半島中部、印度的部分地區、青藏高原西部、蒙古國東部、里海周邊及東非東北海岸等地降水減少。在冷季，2006～2015 年模式預估降水在北方增多，南方減少，其中降水增多比較明顯的區域位于我國西北東部、印度西北部、巴基斯坦、貝加爾湖附近及遠東等地，增加幅度在5%～10%之間；而降水減少的區域主要位于中國中東部、南部、西南部、青藏高原東南部、印度東北部、伊朗、及阿拉伯半島等地（圖4b）。

圖4 RCP4.5 情景下2006～2015 年20 個CMIP5 模式集合預估降水相對于1976～2005 年歷史氣候模擬降水的距平百分率（上）及其與觀測降水（CRU TS v4.0）的距平符號一致格點（“+”）分布（下）：（a、c）暖季；（b、d）冷季Fig. 4 Percentage of the precipitation anomaly projected using 20 CMIP5 models ensemble mean vs the counterpart of its historical simulations for 1976-2005 (upper panel) and distributions of grid points with the same sign (marked as “+”) in the precipitation anomaly with the observation (CRU TS v4.0，lower panel) in Asia during 2006-2015 under the RCP4.5 scenario: (a, c) Warm season; (b, d) cold season

然而，進一步分析扣除氣候漂移后預估降水與觀測距平符號的一致性，發現在許多地區都存在不一致的情形，即存在預估盲區。圖4c 顯示幾乎有一半格點的預估降水距平與觀測距平相反，即沒有預估能力，距平符號一致率僅為49%。這說明圖4a的預估降水距平在這些“盲區”（距平反號區）無效，其中包括中國的東北和華北北部、中東部大部分地區、西北大部及青藏高于南部等地。但是，冷季模式預估降水的距平符號一致率較高，達到68%，距平符號不一致的格點主要集中在40°N 附近緯度帶及中亞等地。這說明，僅扣除模式氣候漂移存在一定局限性，模式降水預估的非定常偏差亦很重要，需要對其做進一步訂正，以降低模式降水預估的不確定性。

除距平符號一致率外，模式降水預估偏差還存在距平幅度的偏差，即盡管模式降水距平符號與觀測一致，若距平幅度與觀測相比太小也沒有實際意義。對比圖5a、b 與圖4a、b 發現，大部分地區模式預估降水距平都遠小于觀測。例如，在模式預估的暖季區域性降水增多幅度明顯較小的區域有我國西北東部或三江源區、印度次大陸、巴基斯坦和阿富汗、中南半島西部，以及高緯度地帶；模式預估降水負距平幅度明顯偏小區域為我國西南及東北部分地區、伊朗南部、里海附近及印度東北部等（圖5a，圖4a）。比較圖4b 與圖5b 可知，冷季模式預估降水距平幅度明顯低于觀測，盡管模式預估的冷季降水距平與觀測之間的符號一致率遠高于暖季。例如，模式冷季降水增多幅度在我國華北和東北、印度次大陸中部及西北部、中南半島大部、菲律賓群島、俄羅斯遠東及西西伯利亞等地明顯偏小；在模式預估冷季降水偏少的區域距平幅度也明顯偏弱，如我國西南部、青藏高原東部、印度西北部、伊朗高原及阿拉伯半島東部等地。因此，模式降水偏差訂正不僅要提高其距平符號一致率，也要考慮解決模式預估降水距平幅度過低的問題。此外，為進一步減少模式偏差，除了模式氣候漂移還應考慮對模式降水非定常偏差的訂正。

圖5 2006～2015 年亞洲觀測（CRU TS v4.0）降水距平百分率：（a）暖季；（b）冷季。參考態：1976～2005 年Fig. 5 Percentage of precipitation anomaly in Asia from CRU TS v4.0 for 2006-2015: (a) Warm season; (b) cold season. Reference years: 1976-2005

5.2 回歸偏差訂正

模式降水的定常和非定常偏差可以通過回歸模型等方式統一訂正，但統計方法可以訂正的僅為非定常偏差中的統計平穩部分。根據楊陽等（2019）對中國大陸降水預估偏差訂正的檢驗表明，一元對數回歸和一元年際增量回歸等模型對模式降水偏差訂正的效果較好。因此，本文選擇一元對數回歸和一元年際增量回歸模型，檢驗其對亞洲模式降水預估偏差的訂正效果。這兩種統計模型的建立都基于1961～2005 年CMIP5 歷史氣候模擬降水數據和降水觀測數據（CRU TS v4.0）。

圖6a 表示，使用一元對數回歸訂正偏差后的2006～2015 年暖季模式預估降水相對于1976～2005 年觀測氣候平均值的距平及其與觀測降水距平同號格點分布（“+”），距平一致格點率為56.6%，明顯高于圖4c 的49%，而且降水距平幅度與圖4a相當。但圖6c 顯示，一元對數回歸偏差訂正在南亞次大陸幾乎無效，其在30°N 以南距平同號率僅為46.7%，以北達到60%。這說明一元對數回歸訂正法在低緯度存在較多盲區，比較適合訂正中高緯度暖季模式降水偏差。

圖6 RCP4.5 情景下2006～2015 年線性回歸訂正后亞洲暖季模式預估降水與觀測降水距平百分率（上）及其距平同號格點分布（下）：（a、c）一元對數回歸；（b、d）一元年際增量回歸。參考態：1976～2005 年Fig. 6 Anomaly percentage of the warm season precipitation projected using 20 CMIP5 model ensemble mean under RCP4.5 for 2006-2015 (upper)and the corresponding grid distribution with the correct sign (“+”) with the observation precipitation anomaly (lower): (a, c) Logarithmic regression; (b,d) year-to-year increment regression. Reference years: 1976-2005

比較圖6b 與圖5b 可知，一元年際增量回歸訂正后預估降水距平幅度高于一元對數回歸，與觀測比較接近，其距平符號一致率為62%，高于對數回歸，其30°N 以南距平同號率甚至達到約67%，也明顯高于對數回歸，但在30°N 以北與對數回歸相當（圖6d）。因此，在暖季可以用所謂“組合訂正法”，即在30°N 以南選用一元年際增量回歸進行偏差訂正，而30°N 以北用一元對數回歸訂正法。鑒于一元對數回歸訂正后降水距平在北方太小，在暖季本文還是使用一元年際增量回歸訂正，盡管其降水距平在北方幅度超過觀測降水距平（見圖5a）。

在冷季，圖7a，b 顯示，一元對數回歸訂正后降水距平幅度依舊小于一元年際增量回歸，后者的幅度接近于觀測值（圖5b）。而圖7c，d 中一元對數回歸的距平符號一致率僅為48%，一元年際增量回歸的略高，為51%。根據圖7c 中距平符號不一致的區域即盲區（空白處），可以推斷使用一元對數回歸偏差訂正后冷季在華北、南亞西北部及中南半島大部等地的降水偏少無效（圖7a）。同樣，使用一元年際增量回歸偏差訂正后冷季降水在我國華北、中南半島等地偏少，在我國三江源區、中亞南部等地偏多的估計也均無效。比較圖7c，d不難看出，二者在南方和北方的距平符號一致率不同，距平同號格點的分布亦不一樣。統計結果表明，一元對數回歸在30°N 以南為56%，遠高于一元年際增量回歸的48%；相反，前者的距平同號率在北方只有45%，低于后者的53%。因此，對于2006～2015 年冷季降水預估偏差訂正，可以用所謂“組合訂正法”，即在30°N 以南選用一元對數回歸訂正，以北用一元年際增量回歸訂正。

圖7 同圖6，但為冷季降水Fig. 7 Same as Fig. 6, but for cold season precipitation

顯然，單純地使用一元對數回歸或一元年際增量回歸偏差訂正法都不能得到冷季預估降水的最優偏差訂正效果，若將二者組合起來可以得到更優結果。圖8 即是用區域組合回歸法進行偏差訂正后得到的2006～2015 年亞洲暖季和冷季降水距平百分率分布，其中暖季在30°N 以南用一元年際增量回歸訂正，以北用一元對數回歸訂正（圖8a）。相反，冷季在在30°N 以南用一元對數訂正，以北用一元年際增量訂正（圖8b）。顯然，組合訂正后圖8 與圖5 的距平幅度大小更為接近，距平符號一致率也高于單純的一元年際增量回歸訂正或一元對數回歸訂正的結果。不過，如果參考圖6c，d 可知，圖8a 中的暖季降水預估結果在中南半島中南部、南亞西北部、西北東部等地的預估均無效，因為是盲區（圖6c，d）。但些盲區在圖4c 中卻是有效區，可以用其中的預估降水距平填補這些區域，以降低預估的不確定性。同樣，參考圖7c，d 可知，在圖8b 中的印度中南部、南亞西北部、中南半島中北部、中國西南部、華北大部、西北東部及新疆南部等地的區域組合降水預估亦均無效。也可以參考圖4d，用其降水距平填補這些盲區。因此，區域組合訂正法也需要結合去模式氣候漂移的結果進行補充訂正，以進一步減少亞洲降水預估的不確定性。

圖8 在RCP4.5 情景下20 個CMIP5 模式集合預估并進行組合回歸訂正后2006～2015 年亞洲降水距平百分率: （a）在暖季30°N 以北用一元對數回歸訂正，以南用一元年際增量回歸訂正；（b）冷季與暖季相反。參考態：1976～2005 年Fig. 8 Asian precipitation anomaly percentage projected using CMIP5 20 model ensemble mean under the RCP4.5 scenario with bias correction for 2006-2015 versus that of the 1976-2005 observation: (a) Logarithm regression in the north of 30°N with year-to-year increment regression in the south for the warm seasons; (b) opposite combination in the regressions for the cold seasons

6 未來30 年亞洲降水預估

在RCP4.5 情景下用區域組合回歸訂正法對20 個CMIP5 模式集合平均預估的未來30 年（2021～2050）亞洲降水進行偏差訂正，其中暖季用一元年際增量回歸訂正，冷季在30°N 以南用一元對數回歸訂正，30°N 以北用一元年際增量回歸訂正。對于一元對數或年際增量回歸訂正法可能的盲區用單純去模式漂移結果填補，如果后者在檢驗期屬于有效區，否則不予填補訂正。圖9a 顯示，相對于1976～2005 年氣候平均，2021～2050 年暖季降水距平分布與2006～2015 年類似（見圖6b），即中國西南部和江南中部、南亞東北部、環里海南部、阿拉伯半島東北部等地降水偏少10%～20%；從中國的三江源區到淮河流域降水增加20%左右，東北南部降水增加約10%；新疆北部降水增加約10%，南部增加約20%，華北和東北大部降水減少10%～20%；中南半島北部降水增加約10%，南部變化不大（圖9c）；亞洲高緯度地帶降水略有增加。

圖9b，d 顯示，在2021～2050 年亞洲冷季預估降水呈現北方增加、南方減少的格局。其中南亞降水減少最明顯，達-10%左右，中國西南部約為～5%；西北和青藏高原降水增加幅度約為20%～40%，華北和東北增加約5%，西伯利亞及遠東降水增加約為10%～40%。這里考慮到一元對數回歸與年際增量回歸在冷季降水預估的盲區較多，例如在南亞、中南半島、中國北方大部等（圖7c，d），因此在降水距平符號選擇上主要參考圖9d 及圖7d；在降水距平幅度估計上，如果在圖9b 與圖9d 中同號，則選擇前者，否則選擇后者，若遇到二者共同的盲區則不再做預估推薦。

圖9 RCP4.5 情景下經偏差訂正后20 個CMIP5 模式集合預估的2021～2050 年亞洲年暖季（左）和冷季（右）降水距平百分率：（a）一元年際增量回歸訂正；（b）組合回歸訂正即一元年際增量回歸（30°N 以北）和一元對數回歸（30°N 以南）；（c，d）去除模式氣候漂移后暖季和冷季降水距平百分率。圖a 和b 的參考態：1976～2005 年觀測降水；圖c 和d 的參考態：1976～2005 年 CMIP5 歷史模擬降水Fig. 9 Bias-corrected precipitation anomaly percentage projected using CMIP5 20 model ensemble mean under RCP4.5 scenario for 2021-2050 in the warm season (left) and cold season (right): (a) Year-to-year increment regression; (b) year-to-year increment regression in the north of 30°N and logarithm in the south; (c, d) model drift removed for warm and cold seasons, respectively. Figures a and b are with reference to the 1976-2005 observation; figures c and d are with reference to the precipitation of the CMIP5 historical climate simulation for 1976-2005

7 討論與結論

本文分析了CMIP5 多模式集合歷史模擬及預估降水偏差在亞洲的分布特征，檢驗了三種偏差訂正法，即去模式氣候漂移、一元對數回歸及年際增量回歸在2006～2015 年亞洲降水預估中的偏差訂正效果，構造了區域組合回歸偏差訂正法，預估了2021～2050 年暖季和冷季亞洲降水的可能變化。主要結論如下：

（1）在CMIP5 歷史氣候模擬中，多模式集合平均降水在亞洲存在明顯偏差，在中國華南沿海、南亞、越南、朝鮮半島、伊朗南部及阿拉伯半島等地均偏少，其中在南亞明顯偏少，達-20%～-40%，而在青藏高原、內蒙古、蒙古國等地偏多達30%～40%。

（2）2006～2015 年CMIP5 多模式集合預估降水偏差分布與歷史氣候模擬類似，說明模式的氣候漂移偏差具有準定常性，可以通過歷史氣候模擬確定并在預估中扣除。

（3）用CMIP5 預估時段的平均降水模式減去歷史氣候模擬時段平均降水可以在很大程度上消去模式氣候漂移，但預估的降水距平幅度明顯偏弱，盡管距平符號一致率較高。

（4）對于2006～2015 年降水預估檢驗了兩種偏差訂正方法，即一元對數和年際增量回歸訂正法，發現其各有優勢區域及盲區，偏差訂正后前者在北方的距平幅度較小，后者偏大。以此構造了南北區域組合回歸訂正法，即暖季在30°N 以南使用一元年際增量回歸，以北用一元對數或年際增量回歸訂正；相反，冷季在30°N 以南用一元對數回歸訂正，以北用一元年際增量回歸訂正，可以獲得更優的偏差訂正效果。

（5）對于組合回歸訂正法的盲區，用去模式氣候漂移后的結果填補，若也遇到盲區則放棄預估推薦。

（6）經區域組合回歸偏差訂正及去模式氣候漂移的附加訂正后，在RCP4.5 情景下對2021～2050 年的亞洲降水進行了預估。結果表明，相對于1976～2005 年氣候平均，在暖季，中國南方、南亞東北部、中亞南部、阿拉伯半島東北部等地降水減少10%～20%，從中國的三江源區到淮河流域帶降水增加約20%，東北南部降水增加約10%，新疆北部降水增加約10%，南部約20%；華北和東北大部降水減少約10%～20%；中南半島北部降水增加約10%，南部變化不大；亞洲高緯度地帶降水略有增加。在冷季，亞洲降水呈現北方增加，南方減少的格局，其中南亞降水減少最明顯，達-10%左右，中國西南部約為-5%，中國西部降水增加幅度約為20%～40%，華北和東北增加約5%，亞洲高緯度降水增加約為10%～40%。

降水預估結果表明，隨著全球氣候暖化未來30 年的亞洲的降水格局會發生或多或少的變化，中國西部洪澇可能會增多，暖季西南和華北降水可能會減少，冷季南亞北部和中亞南部等地可能出現干旱災害。不同偏差訂正結果的檢驗還表明，可以設計更加復雜的偏差訂正方法，更細分辨率的偏差訂正組合方案，以期進一步減小模式降水預估的不確定性。