嚴謹 李賀 汪家楠

摘要：基于1951—2010年英國東英吉利大學（East?Anglia）氣候研究中心降水資料來檢驗CMIP6模式資料中22套模式降水資料對中亞地區(qū)年平均降水的模擬能力，并挑選最優(yōu)的一批模式資料來預(yù)估中亞未來降水的時空分布特征。結(jié)果表明：在2021—2060年不同排放情景下，多模式集合平均與歷史值之差的降水氣候態(tài)分布與1951—2010年間降水氣候態(tài)分布特征明顯不同，而均方差的分布特征基本相似，在春季和冬季，中亞未來降水趨勢均體現(xiàn)出北部降水增長，南部降水減少的分布特征。未來中亞春季和冬季平均降水量在大部分地區(qū)始終出現(xiàn)變多趨勢，不同排放情景下預(yù)估降水長期趨勢變化的結(jié)果表明，中亞春季和冬季整體降水增長或減少趨勢的強度均大于以往降水變化的強度。

關(guān)?鍵?詞：CMIP6?中亞?降水?時空變化

中圖分類號：P467 文獻標識碼：A

Prediction?of?the?Spatio-Temporal?Variation?Characteristics?of?Precipitation?in?Central?Asia?Based?on?the?CMIP6?Model

YAN?Jin*???LI?He????WANG?Jianan

（Danzhou?Meteorological?Service，?Danzhou，?Hainan?Province，?571700?China）

Abstract：?Based?on?precipitation?data?from?the?Climate?Research?Unit?of?University?of?East?Anglia?in?the?UK?from?1951?to?2010，?this?study?examines?the?simulation?ability?of?the?precipitation?data?of?22?sets?of?model?in?CMIP6?model?data?on?annual?average?precipitation?in?Central?Asia，?and?selects?the?optimal?batch?of?model?data?to?predict?the?spatio-temporal?distribution?characteristics?of?precipitation?in?Central?Asia?in?the?future.?The?results?show?that?under?different?emission?scenarios?from?2021?to?2060，?the?distribution?characteristics?of?precipitation?climate?patterns?with?the?difference?between?the?average?and?historical?values?of?the?multimodal?set?are?significantly?different?from?those?from?1951?to?2010，?the?distribution?characteristics?of?mean?square?errors?are?basically?similar，?and?that?in?spring?and?winter，?the?precipitation?trend?in?Central?Asia?in?the?future?shows?the?distribution?characteristics?of?increasing?precipitation?in?the?north?and?decreasing?precipitation?in?the?south.?In?the?future，?the?average?precipitation?in?spring?and?winter?in?Central?Asia?will?always?show?an?increasing?trend?in?most?regions，?and?the?results?of?predicting?the?long-term?trend?change?of?precipitation?under?different?emission?scenarios?indicate?that?the?intensity?of?the?overall?increase?or?decrease?trend?of?precipitation?in?Central?Asia?in?spring?and?winter?is?greater?than?that?of?previous?precipitation?changes.

Key?Words：?CMIP6;?Central?Asia;?Precipitation;?Spatial?and?temporal?variation

在過去的100年中全球平均地表氣溫上升了0.74℃左右，全球變暖對全球以及區(qū)域氣候變化造成了巨大的影響，研究表明未來極端氣候變化與全球變暖強度有關(guān)[1-2]。早期的學者研究發(fā)現(xiàn)，不同的地區(qū)溫度升高與降水變化之間的聯(lián)系并不一致，區(qū)域降水變化對全球變暖的響應(yīng)也因地區(qū)而異[3]。已有大量研究證實，干旱及半干旱地區(qū)在水文變化和生態(tài)環(huán)境方面對全球變暖的響應(yīng)更加敏感[4]。受西風主導的中亞地區(qū)位于北溫帶至南亞熱帶之間，是世界上最大的內(nèi)陸干旱區(qū)，也是受全球變暖影響最強烈的地區(qū)之一，在過去的幾十年內(nèi)，中亞的地表氣溫增暖速度是北半球地表氣溫增暖速度的兩倍，具有空間變異性強、降水年際變化特征明顯的特點[5-6]。中亞干旱區(qū)在我國提出的“一帶一路”國際合作倡議中具有重要的戰(zhàn)略意義[7]，因其生態(tài)系統(tǒng)極其脆弱，小冰川大幅退縮，自然降水分布不均等因素造成水資源的不穩(wěn)定[8]影響著我國“一帶一路”倡議的順利實施。所以，研究中亞干旱區(qū)未來降水的變化特征具有重要的理論價值和實際意義。

由于觀測資料缺失，氣候系統(tǒng)模式被學者們認為是模擬和預(yù)估中亞未來氣候變化最可行的手段[9]。針對基于CMIP5模式對中亞降水進行預(yù)估已有大量研究，有學者發(fā)現(xiàn)[10]，在RCP4.5排放情景下，21世紀前期的中亞地區(qū)降水呈整體減少的趨勢，中期以及末期，降水逐漸增多。還有研究表明，中亞南部地區(qū)在未來30年的降水相對其上世紀末期的平均降水量可能會減少10%左右[11]。第六次國際耦合模式比較計劃（CMIP6）提出了最新的預(yù)估情景以及預(yù)估未來氣候變化的最新數(shù)據(jù)，也是實施CMIP計劃以來設(shè)計試驗最完善、模式數(shù)量和模式數(shù)據(jù)最多的一次[12-13]。所有模式組均完成了歷史氣候模擬試驗以及評估和描述試驗，且輸出統(tǒng)一標準的結(jié)果，因此試驗具有較好的連續(xù)性和可比性[14]。其中，ScenarioMIP（情景模式比較計劃）基于可能發(fā)生的土地利用變化以及人為排放設(shè)計出新的未來情景預(yù)估試驗，是不同的SSP（共享社會經(jīng)濟路徑）與輻射強迫的組合[11，15]。CMIP6對CMIP5進行了改進和完善，保留了原先四種典型排放路徑且又新增了三種排放路徑?[16-17]。有學者將基于CMIP6模式模擬亞洲中高緯度極端降水的結(jié)果與CMIP5相對比，發(fā)現(xiàn)盡管不同模式和評估指標結(jié)果存在一些差異，但大多數(shù)模式的新版本模擬極端降水的能力較CMIP5有所增強[18]。已有對中亞降水相關(guān)的預(yù)估研究更多地集中在年降水變化上，但中亞降水在季節(jié)上存在著明顯的差異，且各個模式在不同季節(jié)的適用性也并不相同，因此有必要針對不同季節(jié)進行模式評估和預(yù)估。

1?資料與方法

本文利用英國東英吉利大學（East?Anglia）氣候研究中心（簡稱CRU）降水資料作為觀測資料來檢驗CMIP6模式資料中22套模式降水資料（表1）對中亞地區(qū)1951—2010年平均降水的模擬能力，并挑選最優(yōu)的一批模式資料來預(yù)估中亞未來降水的時空分布特征。為了統(tǒng)一計算，利用雙線性插值法將各模式的歷史模擬結(jié)果插值到1°×1°的網(wǎng)格點上。

為了量化評估各模式資料對中亞地區(qū)降水的模擬能力，下面統(tǒng)計CRU降水資料與各模式降水資料間的Bias（偏差）、RMSE（均方根誤差）、R（趨勢相關(guān)系數(shù)）以及SC（空間相關(guān)系數(shù)），它們的計算公式如下[19]：

其中M代表模式數(shù)據(jù)，O代表觀測數(shù)據(jù)（即CRU降水數(shù)據(jù)），觀察計算公式可以看出，當Bias和RMSE它們的絕對值越小以及R和SC的值越大，則代表模式模擬的結(jié)果越接近觀測值，模擬的效果也越好。而同一個模式在不同季節(jié)的模擬效果并不相同，本文為了挑選中亞降水量最大的冬季和春季中模擬效果最優(yōu)的幾個模式，分季節(jié)進行統(tǒng)計計算，具體計算結(jié)果如表2所示。

如表2所示，因為表現(xiàn)較好的統(tǒng)計值所對應(yīng)的模式并不統(tǒng)一，為了挑選出綜合表現(xiàn)較好的最優(yōu)模式，利用綜合評級指數(shù)MR來計算這22個模式的整體排名，MR的計算公式如下[20]：

其中m是參評模型的總數(shù)，即為本文中的22個模式，n為指數(shù)的個數(shù)，即指Bias、RMSE、R、SC這4個統(tǒng)計值，代表各模式的統(tǒng)計值對應(yīng)的排名。最好的模式排名為1，最差的模式排名為22，所以MR值越接近1代表模式的模擬效果越好。接下來我們挑選冬春季中MR值大于0.6的模式來預(yù)估中亞未來降水的時空分布特征。

2結(jié)果分析

根據(jù)以上挑選模式的規(guī)則，挑選出春季的模式為CMCC-CM2-SR5，F(xiàn)IO-ESM-2-0，INM-CM5-0，NESM3；挑選出冬季的模式為BCC-CSM2-MR，CanESM5，CESM2-WACCM。為了進一步說明各季節(jié)所挑選出的最佳模式的可靠性，利用多模式集合平均[21]的方法（MME）求得1951—2010年間模擬降水量在春季和冬季的平均降水量、均方差分布以及趨勢分布和EOF分析的前2個模態(tài)。1951—2010年春季，在中亞的大部分地區(qū)，CRU所觀測到的降水量低于100mm，降水的大值區(qū)主要集中在位于帕米爾高原的塔吉克斯坦和吉爾吉斯斯坦，降水量可達200mm以上。四個模式的集合平均值很好地再現(xiàn)了所觀測到的中亞春季降水的空間分布特征與強度。與之類似的是，觀測到的降水均方差分布特征與春季降水的氣候態(tài)分布特征非常相似且模式的集合平均也很好地產(chǎn)生了相似的均方差分布。五個最佳模型的集合平均和CRU春季降水均是在帕米爾高原以及哈薩克斯坦的大部分區(qū)域呈增長趨勢，在土庫曼斯坦呈明顯的減少趨勢，兩者的分布特征十分相似，但從數(shù)值大小來看，模式集合平均降水的增長或減小的強度要大于CRU的觀測結(jié)果。

為了了解1951—2010年期間，四個模式的集合平均與CRU春季降水更細致的降水特征分布情況，對比兩者春季EOF分析的前2個模態(tài)，發(fā)現(xiàn)模式集合平均和CRU春季降水的EOF1與EOF2均有較好的一致性，中亞春季降水存在著南北方向上的差異性，降水變化率最大的區(qū)域位于帕米爾高原及土庫曼斯坦的西南部一帶。

下面來討論冬季最優(yōu)模式的集合平均與CRU觀測的中亞冬季降水的氣候態(tài)分布，均方差，以及趨勢分布的一致性。結(jié)果表明，冬季最優(yōu)模式的集合平均結(jié)果依然較好地捕捉到了CRU觀測結(jié)果的分布特征，降水及其均方差的大值區(qū)均位于帕米爾高原一帶，降水趨勢分布特征表現(xiàn)為帕米爾高原及哈薩克斯坦北部及西北部地區(qū)降水呈增長趨勢，咸海周邊地區(qū)降水呈減少趨勢。與春季對比結(jié)果相似的是，模式集合平均模擬的降水趨勢強度依然稍強于CRU觀測結(jié)果。

從冬季的EOF分析結(jié)果來看，兩者的第一和第二模態(tài)分布特征較相似，主要體現(xiàn)了中亞冬季降水在帕米爾高原及其周邊地區(qū)與中亞其他區(qū)域降水的變化存在差異性。

總之，從上述分析結(jié)果來看，春季和冬季的最優(yōu)模式集合平均很好地再現(xiàn)了CRU資料觀測到的降水氣候態(tài)分布，均方差分布，以及趨勢分布和主要EOF模態(tài)的時空分布特征。一定程度上提供了接下來我們利用最優(yōu)模式集合平均來預(yù)估中亞未來降水的科學依據(jù)。

3中亞降水預(yù)估

為了更好地體現(xiàn)未來中亞春季和冬季降水的變化情況，利用各季節(jié)最優(yōu)模式集合平均2021—2060年的降水序列與1951—2010年降水序列的差來計算各季節(jié)在不同排放情景下降水氣候態(tài)分布，均方差分布以及趨勢分布和EOF分析。

結(jié)果表明，在2021—2060年期間，4個最優(yōu)模式集合平均在不同排放情景下與歷史值之差的春季降水氣候態(tài)，均方差以及降水趨勢的空間分布特征比較相似，尤其是氣候態(tài)和均方差在SSP126、SSP245以及SSP585排放情景下的預(yù)測結(jié)果基本一致，未來中亞春季降水大值區(qū)仍集中在帕米爾高原一帶，且年際變化幅度較大。從降水趨勢來看，中亞春季降水在不同排放情景下均顯示出哈薩克斯坦北部以及天山山脈一帶降水增長，其余中低緯地區(qū)降水減少的分布特征。其中，SSP245情景下的中亞春季降水整體增長趨勢要強于其他情形下的模擬結(jié)果。

為了更詳細地了解未來中亞春季降水的時空分布特征，對比不同排放情景下與歷史值之差的中亞春季降水量EOF前2個模態(tài)。結(jié)果表明未來中亞春季降水在不同排放情景下基本均表現(xiàn)出帕米爾高原一帶降水與其他區(qū)域降水的變化不一致的特點。稍有不同的是，SSP126和SSP585情景下的EOF第二模態(tài)，除哈薩克斯坦西北部外，中亞其余地區(qū)春季降水具有相同符號的空間一致變化特征，代表在此情景下中亞這片區(qū)域的春季降水變化較一致。

區(qū)別于春季，3個最優(yōu)模式集合平均在不同排放情景下與歷史值之差的冬季中亞降水量大值區(qū)位于帕米爾高原的西部地區(qū)，低值區(qū)位于天山山脈及哈薩克斯坦北部一帶。從均方差結(jié)果來看，帕米爾高原及哈薩克斯坦西北部一帶，中亞冬季降水的年際變化幅度較大。從降水的趨勢分布來看，不同排放情景下均表現(xiàn)出中亞北部區(qū)域降水增長，南部區(qū)域降水減少的特點。且SSP245排放情景下中亞降水的減小趨勢強于其他排放情景模擬的結(jié)果。

對比不同排放情景下與歷史值之差的中亞冬季EOF分析的前2個模態(tài)，EOF1結(jié)果顯示，中亞低緯地區(qū)與哈薩克斯坦西北部具有相反符號的空間不一致變化特征，EOF2結(jié)果表明，帕米爾高原一帶的降水與中亞其他地區(qū)的降水有著相反的變化特征。

4結(jié)論

在本文研究中，我們根據(jù)模式數(shù)據(jù)模擬CRU觀測數(shù)據(jù)性能的強弱，從22個CMIP6模式中挑選出模擬能力較好的模式進行多模式集合平均來預(yù)估2021—2060年期間中亞春季和冬季降水的時空分布特征。春季和冬季最佳模式集合平均的歷史試驗數(shù)據(jù)較好地模擬出了1951—2010年CRU所觀測的氣候態(tài)分布，均方差分布以及趨勢分布和EOF的分布特征。在2021—2060年不同排放情景下，多模式集合平均與歷史值之差的降水氣候態(tài)分布與1951—2010年間降水氣候態(tài)分布特征明顯不同，而均方差的分布特征基本相似，在春季和冬季，中亞未來降水趨勢均體現(xiàn)出北部降水增長，南部降水減少的分布特征。從不同排放情景下與歷史值之差的降水氣候態(tài)變化情況來看，未來中亞春季和冬季平均降水量在大部分地區(qū)始終出現(xiàn)變多趨勢。不同排放情景下預(yù)估降水長期趨勢變化的結(jié)果表明，與1950—2010年相比，中亞春季和冬季整體降水增長或減少趨勢的強度均大于以往降水變化的強度，這也意味著未來中亞氣候變化將更加劇烈。

參考文獻：

[1] ?WANG?X，?JIANG?D，?LANG?X.?Future?Extreme?Climate?Changes?Linked?to?Global?Warming?Intensity[J].?Science?Bulletin，?2017，?62（24）：1673–1680.

[2] ?MA?Z?G，F(xiàn)U?C?B.?Global?Aridification?in?the?Second?Half?of?the?20th?Century?and?its?Relationship?to?Large-Scale?Climate?Background[J].Science?in?China?Series?D.?Earth?Sciences，2007，50：776-788.

[3] ?SMITH?S?D，HUXMAN?T?E，ZITZER?S?F，et?al.?Elevated?CO2?Increases?Productivity?and?Invasive?Species?Success?in?an?Arid?Ecosystem[J].?Nature，2000，408（6808）：79-82.

[4] ?迪麗努爾·托列吾別克，李棟梁.近115a中亞干濕氣候變化研究[J].干旱氣象，2018，36（2）：185-195.

[5] ?康世昌，郭萬欽，吳通華，等.?“一帶一路”區(qū)域冰凍圈變化及其對水資源的影響[J].地球科學進展，2020，35（1）：1-17.

[6] ?郝林鋼，左其亭，劉建華，等.“一帶一路”中亞區(qū)水資源利用與經(jīng)濟社會發(fā)展匹配度分析[J].水資源保護，2018，34（4）：42-48.

[7] ?李立凡，陳佳駿.中亞跨境水資源：發(fā)展困境與治理挑戰(zhàn)[J].國際政治研究，2018，39（3）：89-107，5.

[8] ?JIANG?Z?H，SONG?J，LI?L，et?al.?Extreme?Climate?Events?in?China：?IPCC-AR4?Model?Evaluation?and?Projection[J].?Climatic?Change，?2012，?110（1-2）：385-401.

[9] ?陳鵬翔，江志紅，彭冬梅.基于BP-CCA統(tǒng)計降尺度的中亞春季降水的多模式集合模擬與預(yù)估[J].氣象學報，2017，75（2）：236-247.

[10] ?楊陽，戴新剛，汪萍.未來30年亞洲降水情景預(yù)估及偏差訂正[J].大氣科學，2022，46（1）：40-54.

[11] ?張麗霞，陳曉龍，辛曉歌.CMIP6情景模式比較計劃（ScenarioMIP）概況與評述[J].氣候變化研究進展，2019，15（5）：519-525.

[12] ?周天軍，鄒立維，陳曉龍.第六次國際耦合模式比較計劃（CMIP6）評述[J].氣候變化研究進展，2019，15（5）：445-456.

[13] ?辛曉歌，吳統(tǒng)文，張潔，等.BCC模式及其開展的CMIP6試驗介紹[J].?氣候變化研究進展，2019，15（5）：533-539.

[14] ?PU?Y，LIU?H?B，YAN?R?J，et?al.?CAS?FGOALS-g3?Model?Datasets?for?the?CMIP6?Scenario?Model?Intercomparison?Project（ScenarioMIP）[J].?Advances?in?Atmospheric?Sciences，?2020，?37（10）：1081-1092.

[15] ?VUUREN?D?P?V，PIAHI?K，MOSS?R?H，et?al.?A?Proposal?for?a?New?Scenario?Framework?to?Support?Research?and?Assessment?in?Different?Climate?Research?Communities[J].?Global?Environmental?Change，?2012，?22（1）：21-35.

[16] ?張建梅.基于CMIP6全球氣候模式的瀾滄江流域氣候變化初步評估[D].南京：南京信息工程大學，2020.

[17] ?Lin?W，?Chen?H.?Assessment?of?Model?Performance?of?Precipitation?Extremes?over?the?Mid-high?Latitude?Areas?of?Northern?Hemisphere：?from?CMIP5?to?CMIP6[J].?Atmospheric?and?Oceanic?Science?Letters，?2020，?13（6）：598-603.

[18] ?Guo?H，?Bao?A?M，?Chen?T，?et?al.?Assessment?of?CMIP6?in?Simulating?Precipitation?over?Arid?Central?Asia[J].?Atmospheric?Research，?2021，?252：?105451.

[19] ?W.?Li，?Jiang，?Z.，?J.?Xu，?et?al.?Extreme?Precipitation?Indices?over?China?in?CMIP5?Models.?Part?I：?Model?Evaluation[J].?J.?Climate，2015，28：8603–8619.

[20] ?姜燕敏，吳昊旻.20個CMIP5模式對中亞地區(qū)年平均氣溫模擬能力評估[J].氣候變化研究進展，2013，9（2）：110-116.

[21] ?江志紅，陳威霖，宋潔，等.7個IPCC?AR4模式對中國地區(qū)極端降水指數(shù)模擬能力的評估及其未來情景預(yù)估[J].大氣科學，2009，33（1）：109-120.