CMIP6 模式對中國東部地區水循環的模擬能力評估

趙丹 張麗霞 周天軍

1 中國科學院大氣物理研究所大氣科學和地球流體力學數值模擬國家重點實驗室(LASG), 北京100029

2 中國科學院大學, 北京100049

1 引言

中國東部地處東亞季風區，人口和農業生產密集，區域水循環季節變化特征顯著，水循環異常導致的旱澇災害，常給當地生產、生活造成巨大損失（Zhang and Zhou, 2015; Liu et al., 2018）。區域水循環包括降水、蒸發、大氣水汽輸送和地表徑流等環節，各分量的時空特征各不相同卻彼此連結且相互影響，降水是連接各環節的重要紐帶（Trenberth and Guillemot, 1998; Held and Soden, 2006）。因此，理解和準確模擬我國東部季風區水循環各環節的變化，對當地旱澇災害防控具有重要意義。

受季風系統的調控作用，季風水汽輸送對中國東部地區降水影響重大（Huang et al., 2004; Ding and Chan, 2005）。前人研究指出華南降水的外部水汽源地主要包括孟加拉灣、南海和西北太平洋，而中緯度西風帶輸送水汽對華北降水影響較大（Simmonds et al., 1999; Zhou and Yu, 2005）。最新研究通過箱體模型、歐拉和拉格朗日等解析和數值模型，量化了本地蒸發和外部水汽源對中國東部地區降水的相對貢獻（Wei et al., 2012; Zhao et al.,2016, 2021; Guo et al., 2018），指出對于東亞不同地區來說，外部輸送水汽對氣候態降水的貢獻均占主導，本地蒸發對年平均降水的貢獻約20%，對氣候態降水起主導作用的水汽來源并不一定主導降水年際變率。Brubaker 模型是一種基于在相對長時間尺度上假定固定區域內大氣水汽量守恒的“箱體”解析模型，可以簡便地計算出本地蒸發以及外部通過各邊界輸入水汽對區域降水的相對貢獻，其中本地蒸發對區域降水的貢獻比率稱為降水再循環率（Brubaker et al., 1993）。Guo et al.（2019）對比了Brubaker 與兩層水核算數值模型（WAM-2layers），發現二者表征的東亞氣候態降水再循環率差異主要表現在高原地區。Brubaker 模型對邊界選擇較敏感，因此在地形復雜地區誤差較大，而在其他地區結果與數值模型相近，因此可以采用Brubaker 模型用于計算中國東部地區降水再循環率。

全球氣候模式是研究過去氣候變化機理和預估未來氣候變化的重要工具，但受全球氣候系統的復雜性、氣候模式的穩定性等因素影響，全球氣候模式對東亞氣候的模擬能力存在一定不足（Masson and Knutti, 2011; Sperber et al., 2013; Song and Zhou,2014a, 2014b）。因此在采用氣候模式開展氣候變化機理研究和氣候預估之前，有必要對其模擬能力進行檢驗和評估，既為改進模式性能提供依據，又有助于理解模式結果不確定性的來源。國際耦合模式比較計劃（CMIP）提供了各國氣候模式數據共享和評估的平臺，對全球氣候模式的發展和數據資源國際共享發揮了重要作用（周天軍等, 2019）。前人研究指出，CMIP3 和CMIP5 全球氣候模式可以模擬出中國地區降水由西北向東南遞增的分布，對華南沿海地區降水表現為低估，對華北地區和青藏高原地區表現為高估，區域平均為系統性的高估（劉敏和江志紅, 2009; 陳曉晨等, 2014）。相對于再分析資料，CMIP5 模式集合平均高估黃河流域夏季蒸發，在長江流域偏差較小。對黃河流域和長江流域的夏季凈水汽收入的模擬偏差與降水偏差一致，與模式對西太平洋副熱帶高壓的強度和位置模擬相關（Bao and Feng, 2016）。CMIP3 和CMIP5大氣模式中夏季西太平洋副熱帶高壓模擬位置偏北，導致梅雨雨帶模擬的偏差，而夏季降水年際變率的模擬依賴于模式對印度洋—西太平洋反氣旋遙相關的再現，CMIP5 大氣模式較之CMIP3 有顯著改進（Song and Zhou, 2014a, 2014b）。

正在進行的CMIP6 是最新一代模式比較計劃，提供了相較于前幾代數量更多、試驗設計更完備的氣候模式數據（周天軍等, 2019）。當前有關CMIP6的評估工作表明其對中國東部地區降水的模擬總體表現與CMIP5 一致，但在空間分布和降水趨勢模擬方面有所提升，這可能與CMIP6 中西北太平洋海溫的模擬偏差減小有關（Xin et al., 2020; Jiang et al., 2020）。但是，目前新一代CMIP6 模式對中國東部地區水循環的模擬能力尚不清楚。降水、蒸發和水汽輸送是區域水循環的重要環節，是連接大氣與陸地水圈的紐帶，因此本文重點關注水循環的上述三個分量的氣候態特征，圍繞以下問題展開：（1）CMIP6 模式對東部季風區水循環各分量的氣候平均態的模擬能力如何？（2）局地蒸發和外部水汽輸送對CMIP6 模式中干濕偏差的貢獻如何？（3）模式中外部水汽輸送的偏差來源是什么？

2 資料與方法

2.1 模式和資料介紹

本文評估的19 個CMIP6 模式來自7 個國家（地區）13 個不同機構，模式分辨率在0.7°～2.8°之間，各模式信息見表1。我們采用歷史模擬試驗數據，所用變量包括降水、蒸發、地面氣壓、各層比濕、經向風和緯向風。

表1 19 個CMIP6 全球氣候模式基本信息Table 1 Basic information of the 19 CMIP6 (Coupled Model Intercomparison Project Phase 6) models

本文采用如下觀測和再分析資料來評估模式模擬性能：（1）CN05.1 逐月降水數據集，水平分辨率為0.5°×0.5°（吳佳和高學杰, 2013）；（2）全球陸面數據同化產品（Global Land Data Assimilation Systems, GLDAS）的蒸發數據（Rodell et al., 2004）；（3）歐洲中期天氣預報中心（ECWMF）的ERAInterim 和ERA5（Dee et al., 2011; Hersbach et al.,2019）、美國國家航空航天局（NASA）的MERRA2（Gelaro et al., 2017）以及日本氣象廳（JMA）的JRA-55（Kobayashi et al., 2015）再分析水汽和環流資料。

本文研究時段為1979～2014 年，所用數據均為月平均數據，均采用雙線性插值方法插值到1°×1°分辨率以便于定量評估模式性能。文中春、夏、秋和冬季分別指3～5 月、6～8 月、9～11 月和12 月至次年2 月。

2.2 外部水汽和當地蒸發對區域降水貢獻的計算方法

本文采用二元大氣水汽通量模型Brubaker 模型（Brubaker et al., 1993）計算區域降水再循環率（ ρ），計算公式為

其中，E為區域平均蒸發量，A為區域面積，Fin為流入區域內的整層水汽量。采用Trenberth（1991）的方法計算大氣整層積分緯向（Fu）和經向（Fv）水汽通量：

2.3 模式技巧評估方法

為了對各模式的模擬性能進行定量評估，我們采用以下技巧評分公式對模式在水循環的多方面進行評分（Chen et al., 2013）：

其中，R為模式與觀測的相關系數，SDR 為模式模擬的標準差與觀測的標準差之間的比值。

3 結果分析

本文關注水循環的以下關鍵過程：降水、蒸發、水汽輸送以及不同來源水汽對降水的貢獻，將從年平均氣候態、季節循環等角度對CMIP6 模式進行系統評估，并分析模式誤差的來源。

3.1 東部季風區水循環各環節氣候態的模擬

我們首先評估CMIP6 模式對東部季風區的降水、蒸發及大氣水汽收支氣候平均態的模擬能力。圖1 為觀測和模式模擬的1979～2014 年平均降水強度的水平分布及差值，觀測中降水呈現由西北向東南遞增的特征（圖1a），模式集合平均（MME）可以較好地模擬出該特征，與觀測的空間相關系數為0.92（圖1b）。19 個模式與觀測的相關系數最高為0.94（UKESM1-0-LL），最低為0.67（BCCESM1）。MME 模擬的降水整體偏多，研究區區域平均的降水較之觀測偏多0.28 mm d-1（圖1c）。有7 個模式相對觀測降水偏多，12 個模式偏少，最大濕偏差為1.04 mm d-1（MIROC-ES2L），最大干偏差為-0.48 mm d-1（MRI-ESM2-0）。對于華南沿海地區，90%的模式模擬的降水偏少，上述特征與CMIP3 和CMIP5 模式偏差一致。此外，CMIP3 和CMIP5 模式模擬的華北降水偏多（陳曉晨等, 2014），CMIP6 模式中約50%的模式在華北地區模擬的降水偏多，模式MME 為弱正偏差（0.12 mm d-1），體現了CMIP6 模式在華北降水模擬方面的改善。

圖1 1979～2014 年中國東部地區氣候態年平均降水強度（單位：mm d-1）的水平分布：（a）CN05.1 資料；（b）CMIP6 模式集合平均（MME）；（c）MME 與CN05.1 資料的差值。紅色框區為中國東部地區（下同），R 表示MME 與觀測在中國東部地區的空間相關系數，bias 表示中國東部地區平均的MME 相對于觀測的偏差Fig. 1 Horizontal distributions of the climatological annual mean precipitation intensity (units: mm d-1) in eastern China for 1979-2014:(a) CN05.1 data; (b) MME (multi-model ensemble) of CMIP6; (c) differences between MME and CN05.1 data. The red boxes indicate eastern China(the same below). R is the spatial correlation coefficient between MME and CN05.1 data over eastern China, and the bias represents the differences of the regional average precipitation values between MME and CN05.1 data over eastern China

圖2 為1979～2014 年GLDAS 資料與CMIP6模式模擬的年平均蒸發強度分布及差值。從GLDAS 資料的空間分布來看，研究區的氣候態蒸發量與降水量分布特征一致，由西北向東南遞增（圖2a）。模式MME 的結果基本可以模擬出觀測中蒸發的分布特征，與觀測的空間相關系數為0.89，大值中心較之觀測偏南（圖2b）。模式與觀測的空間相關系數范圍為0.71～0.92，其中最高的為歐洲中心兩個模式，最低為CESM2-WACCM 模式，模式間差異較小。19 個模式表現為一致的正偏差（0.03～0.98 mm d-1），MME 與觀測的差值為0.34 mm d-1（圖2c）。

圖2 1979～2014 年中國東部地區氣候態年平均的蒸發強度（單位：mm d-1）的水平分布：（a）GLDAS 資料；（b）CMIP6 模式MME；（c）MME 與GLDAS 資料的差值Fig. 2 Horizontal distributions of the climatological annual evaporation intensity (units: mm d-1) in eastern China for 1979-2014: (a) GLDAS (Global Land Data Assimilation Systems) data; (b) MME of CMIP6; (c) differences between MME and GLDAS data

我們進一步給出了觀測、多套再分析資料以及CMIP6 模式中東部季風區（圖1、2 中紅色框區）水分平衡的年循環分布（圖3）。受季風影響，觀測及四套再分析資料的降水和蒸發年循環均表現為夏季的單峰分布，降水在6 月達到最大，蒸發則在7 月最強。觀測的降水峰值為5.61 mm d-1，各再分析資料的降水峰值略高于觀測，幾套再分析資料集合平均的峰值為6.25 mm d-1。各月的蒸發均低于降水，觀測和再分析資料集合平均的蒸發峰值分別為3.10 mm d-1和3.51 mm d-1。就降水與蒸發之差（P－E）而言，再分析資料與觀測的年循環特征基本一致，峰值出現在6 月，前者峰值（3.22 mm d-1）較之后者（2.88 mm d-1）偏高。CMIP6 模式MME 可再現觀測的降水、蒸發及P－E的年循環單峰特征，只是降水和P－E的峰值均滯后于觀測一個月，蒸發的峰值與觀測一致，出現在7 月。MME 的降水在冬春季略大于觀測，夏季與觀測接近，蒸發則在全年均大于觀測，P－E在夏季小于觀測和所有的再分析資料。

圖3 1979～2014 年觀測、再分析資料及CMIP6 模式中國東部地區區域平均的（a）降水、（b）蒸發及（c）降水與蒸發之差（P－E）的氣候態年循環分布。黑色線、紅色線和深藍色線分別代表觀測、CMIP6 模式MME 和再分析資料集合平均，淺藍色線、黃色線、綠色線和紫色線分別代表MERRA2、ERA-Interim、JRA55 和ERA5，灰色線代表CMIP6 各模式Fig. 3 Climatological annual cycle of the (a) precipitation, (b) evaporation, and (c) their differences (P－E) in the observations, reanalysis, and CMIP6 models area-averaged over eastern China for 1979-2014. The black, red, and dark blue lines represent the observation, MME, and reanalysis mean, respectively. The light blue, yellow, green, and purple lines represent MERRA2 (Modern-Era Retrospective Analysis for Research and Applications) data, ERA-Interim (European Centre for Medium-Range Weather Forecasts (ECMWF) interim reanalysis) data, JRA55 (Japanese 55-year Reanalysis) data, and ERA5 (Fifth major global reanalysis produced by ECMWF) data, respectively. Gray lines denote the CMIP6 models

就各模式間的差異而言，蒸發的模式間離差最小，P－E最大，最大差異均出現在夏季。較之觀測的降水、蒸發和P－E，均方根誤差（RMSE）最小的模式分別為IPSL-CM6A-LR（0.41 mm d-1），MRI-ESM2-0（0.14 mm d-1）和CESM2（0.33 mm d-1），RMSE 最大的模式分別為MIROC-ES2L（1.30 mm d-1），MIROC-ES2L（1.01 mm d-1）和GISS-E2-1-H（1.05 mm d-1）。由圖3c 可以看到大多數模式模擬的P－E較之觀測和再分析資料偏小，但仍有部分模式較之觀測和再分析資料偏多。同時我們發現，BCC-ESM1、CAMS-CSM1-0、GISS-E2-1-G、GISS-E2-1-H 和NESM 五個模式的P－E年循環分布與觀測不符，峰值出現在春季而不在夏季，且其夏季的P－E較之觀測和其他模式顯著偏少，此偏差主要是由降水年循環的模擬偏差造成，春季降水偏多，夏季降水顯著偏少（圖略）。從年平均的降水和P－E來看，這五個模式在全部模式中屬于偏高，但在夏季其P－E和降水都偏少，則無法根據它們正確地分析干、濕模式的模擬差異，故在分析模式模擬誤差來源時將其排除。

為了分析不同模式中干、濕差異產生的原因，我們以再分析資料中的ERA5 作為參考場，選取與觀測和再分析資料干濕季年循環分布一致的模式（即排除BCC-ESM1、CAMS-CSM1-0、GISS-E2-1-G、GISS-E2-1-H 和NESM 五個模式）中模擬P－E值最大的五個模式（UKESM1-0-LL、CESM2-WACCM、CESM2、MIROC6、MIROC-ES2L）和最小的五個模式（BCC-CSM2、MRI-ESM2-0、IPSLCM6A-LR、GFDL-CM4、EC-Earth3-Veg）分別代表CMIP6 模式中偏濕和偏干的模式。因為CMIP6模式整體的降水與蒸發之差相對于各再分析資料均偏?。ū憩F為干偏差），故文中只選取ERA5 作為參考場對模式間的差異進行比較分析。

我們進一步定量評估了模式中本地蒸發及各邊界輸入水汽對研究區降水的相對貢獻（圖4）。對于中國東部地區降水而言，ERA5 中降水再循環率呈現自冬季向秋季逐漸增加的年循環特征，9 月達到最大（31%），冬季最?。s5%），說明研究區外輸入的水汽對該地區降水起主導作用。南邊界輸入水汽貢獻率的年循環特征與降水一致，夏季達峰值（約65%），其余月份降水由西邊界輸入水汽主導（41%～76%），東邊界和北邊界輸入水汽的貢獻率僅為0～20%。CMIP6 模式整體可以模擬出降水各水汽來源貢獻率的年循環特征。與ERA5相比，模式MME 的差異主要表現在本地蒸發以及東邊界和北邊界輸入水汽的貢獻偏大，而西邊界和南邊界輸入水汽的貢獻偏小，偏差依次為4.8%，2.37%，1.52%，-3.72%和-4.98%。比較干模式和濕模式模擬結果，兩類模式在西邊界的偏差與模式MME 比較一致，整體而言濕模式均比干模式以及MME 結果更接近ERA5，尤其是濕模式對南邊界輸入水汽貢獻的模擬與ERA5 非常接近，而干模式的偏差則較MME 更大。

圖4 1979～2014 年ERA5 資料與CMIP6 模式中（a）本地蒸發和（b）西邊界、（c）東邊界、（d）北邊界、（e）南邊界來源水汽對中國東部地區降水貢獻率的年循環。ERA5、CMIP6 模式MME、濕模式平均和干模式平均分別用黑色、紅色、綠色和黃色線表示，陰影表示19個CMIP6 模式的范圍，下同Fig. 4 Climate mean annual cycles of contributions to the precipitation over eastern China from the (a) local evaporation, moisture influxes from (b)western boundary, (d) eastern boundary, (d) northern boundary, (e) southern boundary derived from ERA5 data and CMIP6 models during 1979-2014.Results for ERA5, MME of CMIP6, wet models mean, and dry models mean are represented by black, red, green, and yellow lines, respectively.Shadings indicate the range of 19 CMIP6 models, the same below

圖5 給出了CMIP6 各模式在氣候態平均降水、蒸發分布，降水、蒸發，P－E，降水再循環率，西、東、北及南邊界輸入水汽對降水貢獻率的年循環分布方面的技巧評分。可以看到，模式整體在蒸發年循環分布方面模擬技巧最高（模式平均評分0.97），而對東邊界輸入水汽的降水貢獻率模擬較差（0.45）。對于P－E年循環分布與觀測不符的五個模式，其中CAMS-CSM1-0、GISS-E2-1-G、GISS-E2-1-H 為降水年循環評分最低的三個，同時這五個模式的降水和P－E年循環與觀測的相關系數均是較低的五個模式。19 個模式中各項平均評分最高的模式為CNRM-ESM2-1（0.89），最低的模式為GISS-E2-1-H（0.68）。

圖5 1979～2014 年CMIP6 各模式在氣候態平均降水（Clim_PRE）、蒸發分布（Clim_EVP），降水（AC_PRE）、蒸發（AC_EVP），P－E（AC_P-E），降 水 再 循 環 率（Recycling），西（Contribution_west）、東（Contribution_east）、北（Contribution_north）及 南（Contribution_south）邊界輸入水汽對降水貢獻率的年循環分布方面的技巧評分Fig. 5 Skill score of each CMIP6 model in simulating the climatological precipitation (Clim_PRE) and evaporation (Clim_EVP), annual cycle of precipitation (AC_PRE), evaporation (AC_EVP), P－ E (AC_P-E), precipitation recycling ratio (Recycling), the contribution of western(Contribution_west), eastern (Contribution_east), northern (Contribution_north), and southern (Contribution_south) influx to the precipitation during 1979-2014

3.2 水汽輸送對降水貢獻的模擬誤差來源

前文分析發現CMIP6 模式對蒸發年循環及降水再循環率的模擬偏差較小，說明降水水汽來源偏差主要源自對外部輸入水汽的模擬。因此，我們給出了外部四個方向進入研究區的水汽通量，以解釋模式偏差及模式間的差異（圖6）。ERA5 中研究區內總水汽輸入量年循環特征與P－E類似，在6月達到峰值（532.39×106kg s-1）。就各邊界而言，由南邊界輸入的水汽量年循環特征與輸入的水汽總量一致，6 月份占比達66%（352.41×106kg s-1）。與ERA5 相比，模式模擬的輸入水汽總量在5～10月期間與ERA5 相當，模式偏差及模式間差異在夏季最大，輸入的水汽總量少于ERA5，導致圖4a中降水再循環率整體偏高，其中干模式結果偏差更大。模式在南邊界的差異與輸入水汽總量一致，模式總體偏少，干模式偏差較MME 偏差更大，濕模式則略多于ERA5。而對于其他三條邊界，在各邊界上水汽輸入量的大值時段，模式MME 的水汽輸入量相對ERA5 偏多，濕模式在各邊界上同樣更接近ERA5?？傮w而言，模式中輸入到研究區的水汽總量差異主要由夏季的南邊界水汽輸入量主導。

圖6 1979～2014 年平均的ERA5 資料與CMIP6 模式外部輸入到中國東部地區的水汽通量（MI）的年循環：（a）水汽輸入總量；（b）西邊界；（c）東邊界；（d）北邊界；（e）南邊界Fig. 6 Climate mean annual cycles of (a) total moisture influxes (MI) and (b) western boundary, (d) eastern boundary, (d) northern boundary, (e)southern boundary moisture influxes derived from ERA5 data and CMIP6 models to eastern China during 1979-2014

為了更細致地分析模式中水汽流入量的差異來源，我們進一步將大氣在垂直方向上分為三層：低層（地表至700 hPa），中層（700～400 hPa）和高層（400～100 hPa）。由圖7 所示，對于夏季，ERA5 和模式MME 在西邊界和北邊界的總水汽流入中，中層水汽所占比例最高，在東邊界和南邊界則以低層水汽主導。但通過比較ERA5 與MME 各層流入水汽的差異，可以發現四條邊界上差異最大的均為低層流入的水汽，所以接下來我們主要針對低層來分析模式偏差來源。

圖7 1979～2014 年平均的ERA5 資料與CMIP6 模式中由（a）西、（b）東、（c）北、（d）南邊界不同層（整層、高、中、低）進入中國東部地區的水汽通量。實線表示ERA5 資料，虛線表示CMIP6 模式MME。整層、低層、中層和高層水汽分別用黑色、紅色、黃色和藍色線表示Fig. 7 Climate mean of moisture influxes to eastern China via (a) western, (b) eastern, (c) northern, and (d) southern boundary in different levels(vertical integrate, low-level, mid-level, and high-level) during 1979-2014 derived from ERA5 data and CMIP6 models. Solid lines indicate ERA5 data and dash lines indicate MME of CMIP6. Whole, low-level, mid-level, and high-level moisture influxes are represented by black, red, yellow, and blue lines, respectively

根據公式2 和3 可知，決定水汽通量大小的要素為風速和大氣比濕。為了進一步量化這兩個要素在決定各邊界水汽通量中所起的作用，我們比較了各邊界上ERA5 和19 個CMIP6 模式的低層夏季水汽流入通量和其對應的低層風速以及低層水汽含量的相關關系（圖8）。總體而言，決定模式中各邊界低層水汽輸入的主要因素為低層風場的強度，各邊界上水汽輸入量與風場的相關系數均高于其與水汽含量的相關系數，尤其是在起主導作用的南邊界上，相關系數分別為0.97 和0.50，即CMIP6 中各邊界的水汽輸入量的模式間差異主要由風場的差異來主導。具體而言，ERA5 中，四條邊界中經南邊界輸入的水汽通量最高，其次為東、西和北邊界。比較而言，模式整體的風場在西邊界、東邊界和北邊界較ERA5 均偏強，而在南邊界多數模式偏弱。水汽含量在西邊界和北邊界偏高，南邊界偏低，東邊界偏差較小。濕模式整體的水汽含量在各邊界均較干模式偏高，風場在南邊界較干模式偏強，在其余邊界則無顯著差異。

圖8 1979～2014 年平均的ERA5 資料與CMIP6 模式中夏季各邊界低層水汽輸入量（橫坐標）與水汽含量（縱坐標，左列）、風場（縱坐標，右列）的散點圖。綠色字母表示濕模式，棕色字母表示干模式，紅點表示ERA5 資料Fig. 8 Scatter plots of climate mean summer low-level moisture influxes (x-axis) versus low-level water vapor content (y-axis, left panel), low-level wind field (y-axis, right panel) at each boundary in ERA5 data and CMIP6 models during 1979-2014. Green letters, brown letters, and red dots indicate wet models, dry models, and ERA5 data, respectively

為了進一步明確風場和水汽含量對東亞東部地區水汽輸送的貢獻，我們比較了模式中夏季平均低層風場及大氣可降水量與ERA5 的差異（圖9）。對于北邊界和西邊界而言，模式MME 及干、濕兩類模式的低層水汽含量都表現為系統性正偏差，而MME 和干模式在南邊界和東邊界上為負偏差，干模式偏差更大，濕模式則為正偏差。由于決定模式中各邊界低層水汽流入通量差異的主導因素為相應的低層風場，故在此給出低層風場的水平分布。東亞季風區夏季低層盛行西南季風，CMIP6 模式MME 與ERA5 的差值表現為平均西風偏強，研究區東南部的西北太平洋地區呈現氣旋性環流偏差，使得東邊界和南邊界上分別為東北風和北風偏差，減弱了南邊界進入研究區的水汽輸送（圖9a、b）。比較干、濕模式發現，濕模式與ERA5 的差值（圖9c）在南邊界和東邊界上分別為偏南和偏東風偏差，有利于加強氣候態風場對水汽的輸送。干模式的偏差特征與MME 基本一致，但偏差強度更大。綜上可知，西風偏強為CMIP6 模式一致的系統性偏差，造成模式間對輸入研究區的水汽總量的模擬差異的主要原因在于對西北太平洋副熱帶高壓西南側的西南風場的模擬差異。

圖9 1979～2014 年夏季平均的低層風場（箭頭，單位：m s-1）、水汽含量（陰影，單位：mm）分布：（a）ERA5 資料；（b）CMIP6 模式MME、（c）濕模式MME、（d）干模式MME 與ERA5 資料的差值。黑色斜線區域表示水汽含量差異通過15%顯著性水平，風場差值場只顯示了通過15%顯著性水平檢驗的區域Fig. 9 Spatial distributions of climate summer mean low-level winds (arrows, units: m s-1) and water vapor content (shadings, units: mm) during 1979-2014: (a) ERA5 data; differences between (b) MME of CMIP6 models, (c) wet models mean, (d) dry models mean and ERA5. The black lines indicate that the difference in water vapor content is at the 15% significance level. Only the wind difference vectors statistically at the 15% significance level are shown

前人研究指出中國東部季風區的水汽來源主要有孟加拉灣、南海和西太平洋（丁一匯和胡國權,2003），流入南邊界的水汽主要是由西南季風和西太平洋副熱帶高壓反氣旋西南緣的東南風輻合輸送。圖10 中以10°～20°N 緯向風速最小的位置（紅色點）來表示西南季風與副熱帶高壓西南緣東南風的輻合位置。由圖可見，ERA5、19 個CMIP6 模式MME、濕模式和干模式中輻合開始的位置分別為136°E、137°E、128°E 和141°E，MME 中風場輻合位置比ERA5 稍偏東，而干模式較之濕模式輻合位置明顯偏東13 個經度。為進一步定量說明輻合帶位置與南邊界水汽輸送通量的相關性，圖11 給出了19 個模式的西北太平洋輻合帶位置與低層夏季南邊界水汽流入通量和其對應的低層風速的散點圖?？梢钥吹?，輻合帶位置與南邊界水汽流入通量以及南邊界低層風速都具有顯著的相關關系，相關系數分別達到-0.85 和-0.9。輻合帶位置越偏東，導致研究區南側的東南風強度越弱，從而使得通過南邊界的風場強度較弱，水汽輸送隨之偏弱。可見，模式對西北太平洋輻合帶的模擬能力，對于中國東部季風區水汽流入以及區域內水循環的準確模擬具有重要作用（Bao and Feng, 2016）。CMIP6 模式平均模擬結果與最新一代再分析資料ERA5 非常接近，但模式間的差異較大。同時可以發現，模式MME 及干模式中西太平洋副熱帶高壓位置相較于ERA5 更偏東北，與CMIP5 模擬結果類似（Song and Zhou, 2014a, 2014b），從而輻合帶位置偏東，使得研究區南邊界風場偏弱，輸入水汽量偏少。而濕模式中西太平洋副熱帶高壓位置與ERA5 相比為西北偏差，從而輻合帶位置偏西，經南邊界輸入水汽量偏多。

圖10 1979～2014 年夏季平均的850 hPa 風場（單位：m s-1）的水平分布：（a）ERA5 資料；（b）CMIP6 模式MME；（c）濕模式MME；（d）干模式MME。紅點為西北太平洋地區緯向風速最小的位置，即西北太平洋輻合帶的位置Fig. 10 Spatial distributions of climate summer mean winds at 850 hPa during 1979-2014 derived from (a) ERA5 data, (b) MME of CMIP6, (c)MME of wet models, and (d) MME of dry models. The red dots indicate the locations of the minimum wind speed over the Northwest Pacific, i.e., the location of the Northwest Pacific convergence zone

圖11 1979～2014 多年平均夏季ERA5 資料與CMIP6 模式西北太平洋輻合帶經度位置與南邊界低層（a）水汽輸入量、（b）風場的散點圖。綠色字母表示濕模式，棕色字母表示干模式，紅點表示ERA5 資料Fig. 11 Scatter plots of the climate summer mean location of the Northwest Pacific convergence zone versus (a) low-level moisture influxes and (b)low-level wind field at the southern boundary in ERA5 data and CMIP6 models during 1979-2014. Green letters, brown letters, and red dots indicate wet models, dry models, and ERA5, respectively

4 總結

本文基于觀測和ERA5 再分析資料，評估了CMIP6 的19 個模式對中國東部季風區水循環氣候態的模擬能力，并分析了模式中降水水汽來源貢獻的模擬誤差來源。主要結論如下：

（1）對氣候態分布而言，模式MME 的降水較之觀測在研究區區域平均偏多0.28 mm d-1，主要表現在華北地區，而在華南沿海地區，大多數模式模擬的降水偏少，而蒸發在19 個模式中均為空間分布較均勻的正模擬偏差。對于年循環分布，模式MME 可再現觀測的降水、蒸發及P－E的單峰特征，但降水和P－E的峰值均滯后于觀測一個月，蒸發峰值與觀測一致。MME 以及大多數模式模擬的P－E較之觀測和再分析資料偏小。

（2）對于中國東部地區降水而言，研究區外輸入的水汽起主導作用，降水再循環率9 月達最大（31%）。夏季降水由南邊界進入的水汽主導（貢獻約65%），其余月份降水基本由西邊界進入的水汽主導（41%～76%）。CMIP6 模式可以模擬出ERA5 中降水各水汽來源貢獻率的年循環特征，只是較之ERA5 模式模擬的降水再循環率偏大（MME 年平均偏大4.8%）以及由南邊界進入的水汽貢獻偏?。?4.98%）。19 個模式對降水再循環率模擬的最大偏差和最小偏差分別為1.23%和0.37%，對由南邊界輸入的水汽貢獻偏差分別為-10.71%和0.37%。

（3）相較于ERA5，模式對中國東部地區降水的模擬偏差主要源自對外部輸入水汽的模擬，模式間差異由夏季自南邊界低層輸入的水汽通量主導。在決定水汽通量的兩個要素風場和大氣比濕中，CMIP6 中各邊界的水汽輸入量的模式間差異主要由風場的差異主導，模式模擬的西風均較之ERA5偏強，干、濕模式間主要差異源自濕模式中研究區南側的西南風場更強。不同模式對西南風場強度的再現受到其對西北太平洋輻合帶的模擬的影響，輻合帶位置越偏東，研究區南側的西南風強度越弱，從而使得通過南邊界的風場較弱，水汽輸送隨之偏少。

本文的分析結果指出了多數CMIP6 模式模擬中國東部地區P－E偏少，造成此偏差的原因是西北太平洋輻合帶模擬位置偏東，從而使得通過南邊界進入中國東部地區的水汽偏少。為今后氣候模式研發在西北太平洋輻合帶模擬方面提供參考，從而有助于提高模式對東亞水循環的模擬能力。