黃芳，甘淼，于洋，他志杰，張海燕，皮原月，孫凌霄，于瑞德

(1 中國科學(xué)院新疆生態(tài)與地理研究所 荒漠與綠洲生態(tài)國家重點實驗室， 烏魯木齊 830011； 2 中國科學(xué)院大學(xué)， 北京 100049； 3 西北農(nóng)林科技大學(xué)， 西安 712100)(2019年7月25日收稿； 2019年11月21日收修改稿)

政府間氣候變化組織第5次評估報告表明，工業(yè)化革命以來全球氣候變暖毋庸置疑[1]。氣候變暖將帶來干旱、洪澇、海平面上升、極端氣候事件等自然災(zāi)害，嚴(yán)重威脅人類生存環(huán)境及社會經(jīng)濟發(fā)展。而對未來氣候進行模擬和預(yù)估則可提前進行災(zāi)害防范，從而降低損害，保障經(jīng)濟發(fā)展。全球氣候模式是進行未來氣候模擬及預(yù)估的重要工具，各國科學(xué)家利用全球氣候模式對氣候變化預(yù)估進行了大量研究。趙天保等[2]選取17個CMIP5模式研究，發(fā)現(xiàn)全球及不同干旱半干旱區(qū)的未來氣溫變化均以顯著增溫為主，而降水的未來變化情景基本上呈現(xiàn)出“干愈干、濕愈濕”的時空特征。姚遙等[3]對中國未來極端氣溫進行多模式集合預(yù)估，發(fā)現(xiàn)20年一遇最高(低)氣溫在中國地區(qū)均呈現(xiàn)升高趨勢。張芳等[4]評估17個CMIP5模式對厄爾尼諾—南方濤動(ENSO)的模擬能力，結(jié)果表明，這些模式基本上能模擬出ENSO現(xiàn)象的一些主要特征。但是，由于氣候系統(tǒng)的復(fù)雜性以及模型建立條件的局限性等因素，氣候模式對氣候變化的模擬及預(yù)估存在很多的不確定性。如Grotch等[5]的研究表明，全球平均模擬氣溫與觀測值之差小于0.9 ℃；董文杰等[6]研究發(fā)現(xiàn)CMIP5模式對全球尺度的氣候現(xiàn)象變化模擬能力較強，但對區(qū)域尺度的氣候現(xiàn)象及其相關(guān)的區(qū)域氣候的模擬能力存在較大的區(qū)域差異。不少學(xué)者對未來氣候變化的預(yù)估進行了研究，但對未來氣候變化預(yù)估不確定性的研究還相對較少，為減少災(zāi)害損失，以及為其他陸面過程等研究提供參考，對未來氣候的較準(zhǔn)確預(yù)估十分必要。

中亞位于亞歐大陸中部，為“一帶一路”建設(shè)的重要支點地區(qū)，狹義的中亞包括哈薩克斯坦、吉爾吉斯斯坦、塔吉克斯坦、烏茲別克斯坦、土庫曼斯坦5個國家，圖1為中亞地區(qū)數(shù)字高程與行政區(qū)劃圖。由于中亞地處歐亞大陸腹地，尤其是東南緣高山阻隔了來自印度洋、太平洋的暖濕氣流，氣候干旱，生態(tài)環(huán)境脆弱，為典型溫帶大陸性氣候[7]。作為全球最大的非地帶性干旱區(qū)，中亞對氣候系統(tǒng)的變化異常敏感[8]，在全球氣候變暖的大背景下，對中亞未來氣候變化的研究十分必要。陳鵬翔等[9]評估多個氣候模式對中亞地區(qū)春季降水的模擬能力，并對中亞未來春季降水進行預(yù)估。姜燕敏等[10]評估20個CMIP5模式對中亞氣溫的模擬能力，表明各模式能較好地模擬中亞溫度變化趨勢以及年平均氣溫的空間分布特點。吳昊旻等[11]利用10個CMIP5模式對中亞降水特征參數(shù)進行系統(tǒng)評估，同時預(yù)估未來中亞年降水將呈增加趨勢。已有學(xué)者運用氣候模式對中亞氣候變化進行模擬及預(yù)估的研究。然而，對中亞氣候模擬及預(yù)估的誤差研究較少，本文對中亞降水的模式模擬誤差進行分析，以期為學(xué)者進行更準(zhǔn)確的中亞氣候變化預(yù)估、為決策者提供更準(zhǔn)確的信息以及為中亞陸面過程等其他生態(tài)地理的研究提供更準(zhǔn)確的參考與依據(jù)。

圖1 中亞地區(qū)數(shù)字高程和行政區(qū)劃圖Fig.1 Digital elevation map for Central Asia and administrative divisions

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

本研究采用英國東英吉利大學(xué)氣候研究中心(Climatie Research Unit，CRU)提供的2006年1月至2017年12月的再分析全球逐月降水量數(shù)據(jù)集(水平分辨率為0.5°×0.5°)作為參考觀測數(shù)據(jù)，該數(shù)據(jù)集在中亞地區(qū)的適用性已經(jīng)過研究及檢驗[12-15]。

第5次耦合模式比較計劃(CMIP5)氣候模式的試驗數(shù)據(jù)，大多數(shù)模式對歷史氣候的模擬時段為1850—2005年，未來預(yù)估試驗時段為2006—2100年。對未來氣候變化的預(yù)估，CMIP5采用以穩(wěn)定濃度為特征的典型濃度路徑(RCPs)排放情景，包括RCP8.5、RCP4.5、RCP2.6等多種情景試驗[16-19]。每種情景提供一種受社會以及經(jīng)濟發(fā)展條件影響的溫室氣體的排放路徑，且給出直到2100年的相應(yīng)輻射強迫序列值。本研究將參照時段選定為2006年1月至2017年12月，根據(jù)這一時段降水?dāng)?shù)據(jù)的可利用性和完整性，共選取24個CMIP5氣候模式在RCP4.5排放情景下的未來預(yù)估試驗數(shù)據(jù)。有關(guān)模式基本信息詳見表1，包括模型名稱、來源和水平分辨率。為了與CRU數(shù)據(jù)進行比較，將24種CMIP5模型的水平分辨率回歸到0.5°×0.5°格點上進行誤差分析。

表1 選取的24個CMIP5氣候模型Table 1 24 CMIP5 climate models selected

1.2 研究方法

由于氣候模型沒有相同的水平分辨率，因此有必要通過雙線性插值將氣候模型數(shù)據(jù)插值到0.5°×0.5°網(wǎng)格，以減少不同水平分辨率對比較結(jié)果的影響。多模式集合方法(multi-model ensemble, MME)是將簡單模型進行等權(quán)重集合平均，可以包含比單個模型更全面的信息，預(yù)估結(jié)果更接近于觀測值，因此它通常被認(rèn)為優(yōu)于單個模型，并被廣泛使用。

本文中的模式預(yù)估誤差指所選24個CMIP5模式輸出的2006—2017年平均降水量與對應(yīng)CRU格點的分析降水量之差，偏多或正誤差則表示模式降水預(yù)估值高于觀測值，反之，則表示低于觀測值。此外，還計算了中亞降水預(yù)估的誤差百分率、各模式間標(biāo)準(zhǔn)差來刻畫模式預(yù)估誤差偏離程度及模式間預(yù)估結(jié)果的離散度，從而分析模式集合預(yù)估的不確定性。為避免趨勢估計中的小樣本問題，模式降水預(yù)估誤差趨勢均采用每一格點2012—2017年模式集合降水誤差平均值減去2006—2011年的對應(yīng)值，來近似表示。

2 降水空間分布特征

由于研究區(qū)常年受西風(fēng)環(huán)流的影響，降水具有西風(fēng)區(qū)降水的特征[20]，即冬季與春季是亞洲中部干旱區(qū)的主要雨期。因此本文對降水季節(jié)的分析僅將一年劃分為冬半年和夏半年，同時考慮到研究的序列長度太短，故計算冬半年降水時，將當(dāng)年1—5月和12月的降水合并，近似作為冬半年降水，6—11月定義為夏半年。

圖2是CRU觀測資料的中亞2006—2017多年平均及夏半年、冬半年平均降水空間分布圖。從圖2(a)可以看出，在中亞地區(qū)CRU資料的年均降水空間分布整體呈現(xiàn)東南高、東北次之、西南降水量較低的特征，同時主要表現(xiàn)為一個高值中心和一個低值中心，高值中心出現(xiàn)在烏茲別克斯坦、塔吉克斯坦與吉爾吉斯斯坦交界區(qū)域，降水年均最大可達722 mm·a-1，低值中心則出現(xiàn)在土庫曼斯坦、烏茲別克斯坦和哈薩克斯坦西南地區(qū)，年均最小值93 mm·a-1。圖2(b)夏半年降水空間分布沒有明顯的高值中心和低值中心，降水主要呈現(xiàn)為西南向東北遞增的分布特征。圖2(c)的冬半年降水分布無明顯低值中心，高值中心位于烏茲別克斯坦、塔吉克斯坦與吉爾吉斯斯坦交界區(qū)域，降水整體呈東南高、西北次之、中部較低的分布特征。

圖2 CRU觀測的中亞2006—2017多年平均降水空間分布Fig.2 CRU observation of the spatial distribution of the average precipitation in Central Asia from 2006 to 2017

3 年降水預(yù)估誤差

因3種排放情景下模式年降水預(yù)估誤差的分布相似(圖略)，這里僅對中等排放情景即RCP4.5情景下的預(yù)估誤差特征進行分析。

從圖3(a)可看出模式集合對中亞大部分地區(qū)的降水預(yù)估偏多，尤其是吉爾吉斯斯坦、塔吉克斯坦及哈薩克斯坦東部區(qū)域，平均偏多200 mm以上，預(yù)估偏少的區(qū)域主要位于哈薩克斯坦南部與烏茲別克斯坦和吉爾吉斯斯坦的交界區(qū)域。同時由圖3(b)降水預(yù)估誤差百分率看出，模式對哈薩克斯坦東部區(qū)域及烏茲別克斯坦與土庫曼斯坦大部分區(qū)域的降水模擬效果好于中亞西北及東南部，預(yù)估誤差百分率50%以上的區(qū)域大部分位于東南部高原以及西北山區(qū)。中亞年降水量有山區(qū)多、平原少的分布特點[21-23]，以往研究表明提高模式分辨率可明顯改善氣候模式對中亞降水變化模擬能力，且模式分辨率的提高，能夠更好地表現(xiàn)出地形的影響[9-11]，模式分辨率及對地形的處理是引起中亞降水模式預(yù)估誤差的原因之一。24個模式各自對中亞降水的預(yù)估偏差不一致，圖3(c)計算的模式間降水預(yù)估標(biāo)準(zhǔn)差表明，各模式對中亞中西部及北部區(qū)域降水預(yù)估的一致性較高，對中亞東部及南部等地區(qū)模式間預(yù)估差異較大，尤其東南部帕米爾高原差異可達600 mm·a-1，這種模擬的不確定性主要是由于全球氣候模式的分辨率較低，對陡峭地形難以進行細(xì)致描述。

圖3(d)為2006—2017中亞多年平均降水預(yù)估誤差趨勢，圖中顯示中亞大部分區(qū)域的多年平均降水預(yù)估誤差呈減少的趨勢，僅東部與西部的少數(shù)區(qū)域降水預(yù)估誤差有增大趨勢。由于氣候系統(tǒng)或模式自身的原因，圖3(a)模式集合對中亞大部分地區(qū)多年平均的降水預(yù)估偏多，而中亞地區(qū)年降水整體上表現(xiàn)出增加趨勢[22-23]，可能為圖3(d)模式集合對中亞大部分地區(qū)降水預(yù)估誤差有減少趨勢的主要原因。這些模式降水預(yù)估誤差的復(fù)雜特征增加了使用CMIP5模式輸出資料來預(yù)估未來中亞降水長期變化的不確定性。

圖3 RCP4.5情景下中亞2006—2017年均降水預(yù)估誤差分析Fig.3 Analysis of precipitation estimation error in Central Asia from 2006 to 2017 under scenario RCP4.5

4 季節(jié)降水預(yù)估誤差

同樣因3種排放情景下模式預(yù)估季節(jié)降水量誤差的分布較相似(圖略)，這里僅對RCP4.5情景下的季節(jié)降水預(yù)估誤差進行分析，夏半年及冬半年降水預(yù)估誤差趨勢由其2012—2017年均誤差值減去2006—20011年的平均值算得。

4.1 夏半年降水預(yù)估誤差

中亞夏季副熱帶環(huán)流較穩(wěn)定，秋季西風(fēng)較弱，中亞整體在夏秋季降水偏少，地形與局部小氣候是形成夏半年降水的主要原因[24]。從圖4(a)可以看出，在中亞大部分區(qū)域，模式對中亞夏半年降水的預(yù)估呈正誤差，即預(yù)估降水量比觀測偏多，尤其東南部高原山地區(qū)域，平均偏多達100 mm以上，預(yù)估誤差偏少區(qū)域則大部分位于哈薩克斯坦東部。同時模式對中亞中西部及北部哈薩克斯坦模擬效果，較東南部以及南部區(qū)域好(圖4(b))。模式各自對中亞夏半年降水的預(yù)估偏差計算表明，各模式對中亞夏半年整體預(yù)估的一致性較高，模式間標(biāo)準(zhǔn)差由中亞東部及東南部向西北減小，帕米爾高原地區(qū)預(yù)估差異最大(圖4(c))。圖4(d)為夏半年中亞降水預(yù)估誤差趨勢，圖中顯示除西北、東部少數(shù)區(qū)域呈增大趨勢外，中亞中部、東北及東南部大部分區(qū)域夏半年降水預(yù)估誤差呈負(fù)趨勢，即預(yù)估誤差有減少的趨勢。

4.2 冬半年降水預(yù)估誤差

冬季中亞主要受地中海—咸海長波槽控制，春季主要受中東副熱帶急流即西南氣流的影響，冬春季環(huán)流系統(tǒng)復(fù)雜且活躍，使得中亞降水偏多，冬季及春季為中亞的主要雨期[24]，模式對中亞大部分地區(qū)冬半年降水預(yù)估誤差偏多(圖5(a))，尤其哈薩克斯坦中部以及西部誤差百分率平均大于50%，偏多尤為明顯(圖5(b))，預(yù)估偏少的區(qū)域主要位于哈薩克斯坦東部以及烏茲別克斯坦與土庫曼斯坦的東部和吉爾吉斯斯坦與塔吉克斯坦西部部分區(qū)域。冬半年降水預(yù)估模式間標(biāo)準(zhǔn)差表明，各模式對中亞大部分區(qū)域冬半年降水預(yù)估的一致性較高，對東南部帕米爾高原地區(qū)預(yù)估差異較大(圖5(c))。圖5(d)為冬半年中亞降水預(yù)估誤差趨勢，顯示除中亞西北、東部少數(shù)區(qū)域，中亞大部分區(qū)域冬半年降水預(yù)估誤差呈負(fù)趨勢，即冬半年降水預(yù)估誤差呈減少趨勢。

對比圖4(b)和圖5(b)誤差百分率顯示出夏半年預(yù)估誤差在東南部少數(shù)區(qū)域明顯，冬半年則在哈薩克斯坦西北部預(yù)估誤差更為明顯。夏季伊朗高原帕米爾高原常為南亞高壓控制，降水較少，而中亞哈薩克斯坦西部與北部降水四季均勻，其他區(qū)域降水季節(jié)變化明顯[24]，冬半年與夏半年誤差百分率的顯著差異很大程度表現(xiàn)在模式對夏半年與冬半年大氣環(huán)流的模擬能力的差異。同時對比圖4(c)和圖5(c)，中亞夏半年模式間標(biāo)準(zhǔn)差整體較冬半年偏小即夏半年降水模擬一致性較冬半年好。中亞夏季副熱帶環(huán)流較穩(wěn)定，降水多隨副熱帶西風(fēng)急流位置的南北變化而變化，當(dāng)中緯為地中海槽—伊朗副熱帶高壓環(huán)流控制，降水較少且較均勻，冬季地中?！毯ｉL波槽深厚活躍，易造成中亞降水天氣[23-24]，冬夏半年模式間標(biāo)準(zhǔn)差差異也表現(xiàn)出各模式積云對流參數(shù)化方案與降水物理過程的描述等模式間參數(shù)差異等引起的模式間降水預(yù)估差異。多模式集合對中亞降水季節(jié)預(yù)估誤差存在差異，冬半年預(yù)估不確定性較夏半年更明顯，對未來氣候預(yù)估進行訂正也應(yīng)考慮季節(jié)差異。

圖4 RCP4.5情景下中亞2006—2017夏半年降水預(yù)估誤差分析Fig.4 Analysis of precipitation estimation error in the six months of summer in 2006-2017 Central Asia under scenario RCP4.5

圖5 RCP4.5情景下中亞2006—2017冬半年降水預(yù)估誤差分析Fig.5 Analysis of precipitation estimation error in the six months of winter in 2006-2017 Central Asia under scenario RCP4.5

5 ENSO年降水誤差

厄爾尼諾—南方濤動(ENSO)對全球的氣候都會產(chǎn)生一定影響，如洪澇、臺風(fēng)、干旱等[25]，是全球氣候系統(tǒng)中尤為顯著的年際變化現(xiàn)象。厄爾尼諾是指赤道中東太平洋的海溫明顯偏暖的現(xiàn)象，拉尼娜則是指赤道中東太平洋的海面溫度明顯偏冷的現(xiàn)象。根據(jù)ENSO指數(shù)(http:∥coaps.fsu.edu/jma)，2006—2017年期間共出現(xiàn)4次厄爾尼諾事件及2次拉尼娜事件，其中2006、2009、2014、2015年為厄爾尼諾年，2007和2010年為拉尼娜年。這兩種事件一般都在圣誕節(jié)前后達到最強，且次年5月為事件轉(zhuǎn)換點，故科學(xué)家不得不將兩事件分為厄爾尼諾/拉尼娜當(dāng)年及次年。為統(tǒng)計分析的方便，本研究將ENSO當(dāng)年5月至次年4月定義為一個ENSO年，并將相同事件的年降水量進行平均作為該事件下的降水分布進行分析[25]。

在RCP4.5排放情景下，對比圖6與圖3發(fā)現(xiàn)厄爾尼諾年、拉尼娜年和2006—2017多年平均降水預(yù)估誤差空間分布極為相似，說明兩種事件背景下的中亞降水預(yù)估誤差決定了多年平均降水預(yù)估誤差。多模式集合對El Nino年的降水預(yù)估誤差，除在哈薩克斯坦西部巴爾喀什湖區(qū)域及哈薩克斯坦、烏茲別克斯坦與吉爾吉斯斯坦的交界區(qū)域預(yù)估偏少外，其余地區(qū)均偏多(圖6(a))。拉尼娜年的降水預(yù)估誤差同厄爾尼諾年有相似的空間分布，預(yù)估偏少區(qū)域的面積較厄爾尼諾年有明顯減少，偏多區(qū)域面積有所擴大，尤其咸海區(qū)域預(yù)估偏多明顯。同時，這兩種事件背景下降水預(yù)估誤差空間分布極為相似說明，大范圍的模式降水預(yù)估誤差可能是模式本身存在的問題。

圖6 RCP4.5情景下中亞2006—2017厄爾尼諾、拉尼娜年降水預(yù)估誤差分析Fig.6 Analysis of precipitation estimation error for the year of El Nino and La Nina in Central Asia 2006-2017 under scenario RCP4.5

6 討論與結(jié)論

綜上所述，選取的24個CMIP5模式集合平均對2006—2017年中亞年、季降水預(yù)估都存在一定誤差，主要特征簡述如下：

1)對于中亞大部分地區(qū)多模式集合預(yù)估降水均偏多，預(yù)估偏少區(qū)域主要位于巴爾喀什湖區(qū)域及天山山脈與帕米爾高原西部部分地區(qū)，且中亞西北及東南區(qū)域誤差較明顯。各模式對中亞中部、西部以及北部區(qū)域降水預(yù)估的一致性較高，東部及南部山地高原模式間預(yù)估差異較大。且中亞大部分區(qū)域的年降水預(yù)估誤差呈減小的趨勢。

2)夏半年中亞中西部大部分地區(qū)降水預(yù)估呈正誤差，即預(yù)估偏多，東南及南部部分區(qū)域預(yù)估偏多明顯，偏少區(qū)域主要位于哈薩克斯坦東部以及天山山脈西部部分區(qū)域。各模式對中亞中西部預(yù)估的一致性較高，東部及東南部模式間預(yù)估差異最大。夏半年中亞除西北、東部少數(shù)區(qū)域，其余大部分地區(qū)降水預(yù)估誤差呈減小趨勢。

3)模式對中亞大部分地區(qū)冬半年降水預(yù)估誤差偏多，哈薩克斯坦中西部預(yù)估偏多較明顯。各模式對中亞冬半年降水預(yù)估的一致性較高，差異較大區(qū)域為東南部帕米爾高原地區(qū)。冬半年降水預(yù)估誤差呈大范圍減小趨勢。

4)對ENSO年的降水預(yù)估誤差分析顯示，厄爾尼諾年與拉尼娜年模式降水預(yù)估誤差大小存在差異，同時兩種事件背景下的誤差空間分布相似。

24個CMIP5模式集合降水預(yù)估誤差的各類特征及其差異分析主要反映模式本身存在問題，如模式分辨率不足及降水物理過程描述不完善等；同時也反映季節(jié)背景對模式降水預(yù)估存在一定影響。通過這些不同的誤差特征分析，可為模式的改進提供線索和依據(jù)。如中亞東南部吉爾吉斯斯坦和塔吉克斯坦大部分地區(qū)年、冬半年、夏半年降水預(yù)估誤差明顯，考慮由于非均勻下墊面與氣流活動形成復(fù)雜的陸氣過程，而模式的積云對流參數(shù)化方案或陸氣相互作用等大氣物理過程描述不完善，致使模式預(yù)估誤差明顯。這些模式預(yù)估誤差的存在說明，將CMIP5模式集合平均直接用于預(yù)估未來降水變化存在很多不確定性，未來進行降水預(yù)估前需對不確定性進行評估，同時不斷完善模式過程及參數(shù)，提高預(yù)估準(zhǔn)確性。

未來可以考慮從以下方面進行模式改進:中亞地勢東南高、西北低，水汽受地形抬升作用，降水主要集中在山區(qū)，非均勻下墊面對中亞降水空間分布的影響明顯，可考慮進行地形效應(yīng)校正或通過降尺度提高模式分辨率[26]；中亞位于亞洲中部，環(huán)流系統(tǒng)復(fù)雜，水汽來源復(fù)雜，大氣環(huán)流主要受中緯度大氣環(huán)流的緯向波動傳播與青藏高原季風(fēng)的控制，形成冬春為主要雨季的西風(fēng)區(qū)降水特征，同時其“西風(fēng)模態(tài)”的形成也與大西洋多年代際振蕩密切相關(guān)[14-15,27-28]。在進行誤差分析以及提高模式預(yù)估準(zhǔn)確性時，則可考慮針對不同區(qū)域完善模式積云對流參數(shù)化方案；中亞干旱區(qū)下墊面陸氣相互作用過程較復(fù)雜，能量閉合度問題的研究也對改進氣候模擬預(yù)估具有很大意義[29]。