CMIP6 模式对黄河水源涵养区降水和气温模拟能力的评估

吴金雨，鞠 琴，刘小妮，连子旭，张译尹，段远强

(1.河海大学 水灾害防御全国重点实验室，江苏 南京 210098； 2.长江保护与绿色发展研究院，江苏 南京210098)

全球气候模式（Global Climate Models，GCMs）是模拟气候系统特征的重要工具[1-4]，广泛应用于研究过去、现在和未来的气候变化[5-6]。随着国际耦合模式比较计划（CMIP）的不断发展和完善，与之前的5 个CMIP 计划相比，CMIP6 有更多的气候模式参与者、更加完整的设计试验和更为庞大的模拟数据，并引入了新的SSP-RCP 组合情景[7-8]。学者们对全球气候模式的模拟能力开展了众多研究，如向竣文等[9]利用CMIP6 气候模式对1979—2014 年中国主要地区极端气温与极端降水特征的模拟能力进行评估，发现其对中国不同地区的极端降水和气温的模拟能力差异较显著；Zhang 等[10]利用42 个CMIP6 模式对新疆1995—2014 年气温和降水的模拟能力进行了评估，发现模式普遍高估了新疆地区降水量，并且大多数模式高估了温度和降水的空间变异性；陈炜等[11]评估了CMIP6 中的45 个气候模式对青藏高原1985—2014 年地表气温和降水的模拟能力，发现大部分模式气温的模拟值偏低，降水的模拟普遍偏高。由于气候模式本身存在系统误差，在初始条件与参数化方案设置等方面存在差异，对不同区域、不同领域的影响程度不同，导致模拟效果存在一定的差异性[12]。全球气候变暖对区域生态环境、水资源时空分配及水文循环过程影响较大[13]。因此，需要评估CMIP6 气候模式的模拟能力，优选出比较适合区域气候变化模拟的模式，便于分析气候变化的影响。

本文以黄河流域水源涵养区为研究区域，考虑到生态系统对气候变化的脆弱性在区域之间和区域内部存在显著差异[14]，将研究区分为黄河源区、唐乃亥-兰州以上流域和渭河-伊洛河流域3 个区域。基于CMIP6 中20 种全球气候模式，采用相对误差、相关系数、确定性系数和泰勒图等评价指标，对3 个区域的降水和气温的模拟能力进行评估，优选出各区域模拟效果相对较好的气候模式，分析研究区降水、气温的空间分布特征，进一步认识气候变化对黄河流域水源涵养区的影响，为未来气候变化带来的风险和水资源变化趋势提供参考。

1 数据资料及评估方法

黄河流域水源涵养区位于黄河流域上游，面积为30.44 万km2，占黄河流域总面积的38.3%，包括黄河兰州站以上、渭河华县站以上（不含泾河）和伊洛河流域[15]，是黄河流域主要的水量来源区。研究区域自西向东海拔变化明显，气候条件复杂，降水量空间分布不均（图1）。

图1 黄河流域水源涵养区概况Fig.1 A comprehensive overview of the Yellow River Basin water conservation region

本文选用20 种CMIP6 气候模式的降水和气温作为模式数据（表1），数据来源于CMIP6 数据官网（https://esgf-node.llnl.gov/projects/cmip6）。采用中国区域地面气象要素驱动数据集（CMFD）[16-17]评估各模式对降水和气温的模拟能力。该数据集时间分辨率为3 h，空间分辨率为0.1°。为了便于对比分析，基准期统一为1985—2014 年，使用双线性插值法[18]将20 种气候模式数据空间分辨率降尺度为与CMFD 数据相同，降水单位统一为mm/d，温度单位统一为 ℃。

表1 CMIP6 全球气候模式基本信息Tab.1 Basic information of CMIP6 global climate models

为评估20 种气候模式对黄河流域水源涵养区降水和气温的模拟能力，利用几何平均法计算出3 个子区域各模式基准期内的逐月面平均量，选用降水相对误差、气温绝对误差、相关系数和确定性系数作为模拟能力评估指标，结合泰勒图综合分析，选取各区域降水和气温模拟能力相对较好的几种模式。

泰勒图[19]将模式数据与观测数据之间的标准差（S）、均方根误差（R）和相关系数（r）在一张图上展示，模式对应点与观测点距离越接近，表明模拟能力越好。

2 研究结果

基于CMIP6 的20 种气候模式，不同气候模式对黄河流域水源涵养区的3 个区域（黄河源区、唐乃亥-兰州以上流域和渭河-伊洛河流域）的降水和气温的模拟能力差异比较大， 采用降水和气温的相关系数大于0.6、确定性系数大于0 作为选取模式的标准，选取各区域降水和气温综合模拟能力均较好的气候模式。

2.1 黄河源区降水和气温模拟能力评估

由各气候模式对黄河源区降水和气温模拟结果与观测值多年平均值的对比结果（表2）可知，绝大多数模式对黄河源区的气温模拟能力表现非常好，相关系数大于0.95，其中ACCESS-ESM1-5 和TaiESM1 的模式相关系数高达0.978，EC-Earth3-Veg-LR 模式的相关系数最小（为0.952），确定性系数基本在0.8 以上。绝大多数模式对降水的模拟效果相对较差，相关系数为0.5～0.9，EC-Earth3-Veg 模式的相关系数最大（为0.892），仅有EC-Earth3-Veg-LR 和IPSL-CM6A-LR 两个气候模式确定性系数超过0.5。由图2 可知，不同模式对降水的模拟在泰勒图上分布较为离散，差异性显著，离观测点相对较近的模式分别为BCC-CSM2-MR、EC-Earth3-Veg、EC-Earth3-Veg-LR 和IPSL-CM6A-LR。不同模式对气温的模拟在泰勒图上分布较为集中，距离观测点较近，这表明模拟能力普遍较好。

表2 GCMs 降水和气温模拟结果与观测值多年平均值的比较（黄河源区）Tab.2 Comparative analysis of precipitation and temperature patterns in Global Climate Model (GCM) simulations and observational data (the Yellow River source area)

图2 20 种CMIP6 气候模式降水与气温泰勒图（黄河源区）Fig.2 Taylor plots of precipitation and temperature for 20 CMIP6 climate models (the Yellow River source area)

黄河源区1985—2014 年观测多年面平均降水为1.5 mm/d，多年面平均气温为−2.4 ℃。从多年月平均降水（图3(a)）可见，各气候模式模拟的降水年内月变化普遍大于观测值，少数模式的降水年内变化与观测值不一致，观测降水的年内变化趋势为先增后减，在6、7 月降水量达到最大，但部分模式降水峰值出现在不连续的2 个月。从GCMs 多年月平均气温模拟与观测比较（图3(b)）可见，多年月平均气温模拟的总体变化趋势与观测值基本一致，误差最大的是IPSL-CM6A-LR 模式。综上所述，本文优选出在黄河源区模拟能力相对较好的4 个气候模式，分别为BCC-CSM2-MR、EC-Earth3-Veg、EC-Earth3-Veg-LR、GFDL-ESM4。

图3 基准期多年平均降水和气温年变化模拟与观测比较（黄河源区）Fig.3 Simulation and observation comparison of annual average precipitation and temperature changes in the reference period (the Yellow River source area)

2.2 唐乃亥-兰州以上流域降水和气温模拟能力评估

由各气候模式对唐乃亥-兰州以上流域降水和气温模拟结果与观测值多年平均值的对比结果（表3）可知，绝大多数模式对气温的模拟能力表现非常好，相关系数与确定性系数大部分在0.9 以上，绝对误差最大的是IPSL-CM6A-LR 模式（高达−4.2 ℃），最小的有2个模式（为0 ℃）。对比各模式对降水的模拟结果可知，绝大多数模式的相关系数分布在0.7～0.9，最大的是TaiESM1 模式（高达0.874），最小的是ACCESS-

表3 GCMs 降水和气温模拟结果与观测值多年平均值的比较（唐乃亥-兰州以上流域）Tab.3 Comparative analysis of precipitation and temperature patterns in Global Climate Model (GCM) simulations and observational data (the Tangnaihai-Lanzhou basin)

ESM1-5 模式（为0.588）。确定性系数多为负数，最大的是IPSL-CM6A-LR 模式（为0.378）；相对误差最大的是INM-CM5-0 模式（高达244.3%），最小的是MRI-ESM2-0 模式（为39.5%）。由图4 可知，气温的模拟结果在泰勒图上的分布较密集，离观测点相对较近的模式有CanESM5 和NorESM2-MM，离观测点最远的是CMCC-CM2-SR5 模式。降水的模拟结果在泰勒图上分布较为离散，离观测点相对较近的模式有ECEarth3-Veg 和IPSL-CM6A-LR，最远的是INM-CM5-0 模式。

图4 20 种CMIP6 气候模式降水与气温泰勒图（唐乃亥-兰州以上流域）Fig.4 Taylor plots of precipitation and temperature for 20 CMIP6 climate models (the Tangnaihai-Lanzhou basin)

唐乃亥-兰州以上流域1985—2014 年观测多年多年面平均气温为1.3 ℃，面平均降水为1.2 mm/d，从GCMs 多年月平均气温与降水的模拟与观测比较（图5）可知，多年月平均气温模拟的总体趋势与观测值基本一致，夏季误差最大的是MICRO6 模式，冬季误差最大的是IPSL-CM6A-LR 模式。从多年月平均降水来看，模拟值都大于观测值，观测降水的年内变化趋势为先增后减，在6、7 月降水量达到最大，但部分模式降水峰值出现在不连续的2 个月。综上所述，本文优选出在唐乃亥-兰州以上流域模拟能力相对较好的4 个气候模式，分别为EC-Earth3-Veg、EC-Earth3-Veg-LR、GFDL-ESM4、MRI-ESM2-0。

图5 基准期多年平均降水和气温年变化模拟与观测比较（唐乃亥-兰州以上流域）Fig.5 Simulation and observation comparison of annual average precipitation and temperature changes in the reference period (the Tangnaihai-Lanzhou basin)

2.3 渭河-伊洛河流域降水和气温模拟能力评估

由各气候模式对渭河-伊洛河流域降水和气温模拟结果与观测值多年平均值的对比结果（表4）可知：绝大多数模式对气温的模拟能力表现非常好，相关系数都在0.95 以上，大多数模式确定性系数在0.9 以上，绝对误差最大的是CMCC-CM2-SR5 模式（高达−3.7 ℃），最小的是TaiESM1 模式（为0 ℃）。绝大多数模式模拟降水的相关系数为0.5～0.7，最大的是TaiESM1 模式（为0.724），最小的是INM-CM5-0 模式（为0.441）, 相对误差最大的是CMCC-CM2-SR5 模式（高达141.3%），最小的是MRI-ESM2-0 模式（为−1.1%）。确定性系数多为负数，最大的是EC-Earth3-Veg 模式（为0.204）。由图6 可知，气温的模拟结果在泰勒图上的分布较密集，CanESM5、INM-CM4-8、NorESM2-MM 和TaiESM1 离观测点相对较近。各模式对降水的模拟结果在泰勒图上分布较为离散，离观测点相对较近的模式有ACCESS-CM2、ACCESS-ESM1-5、EC-Earth3-Veg 和EC-Earth3-Veg-LR，最远的是CMCC-CM2-SR5 模式。

表4 GCMs 降水和气温模拟结果与观测值多年平均值的比较（渭河-伊洛河流域）Tab.4 Comparative analysis of precipitation and temperature patterns in Global Climate Model (GCM) simulations and observational data (the Weihe-Yiluo River basin)

图6 20 种CMIP6 气候模式降水与气温泰勒图（渭河-伊洛河流域）Fig.6 Taylor plots of precipitation and temperature for 20 CMIP6 climate models (the Weihe-Yiluo River basin)

渭河-伊洛河流域1985—2014 年观测多年面平均气温为9.3 ℃，多年面平均降水为1.6 mm/d。从GCMs 多年月平均气温与降水的模拟与观测比较（图7）可知，各模式模拟气温的月变化过程十分相近，夏季误差最大的是MRI-ESM2-0 模式，冬季误差最大的是CMCC-CM2-SR5 和IPSL-CM6A-LR 模式。从模拟的多年月平均降水（图7（a））来看，对降水月变化过程的模拟存在一定的低估和高估现象。综上所述，本文优选出在渭河-伊洛河流域模拟能力相对较好的2 个气候模式，分别为EC-Earth3-Veg、EC-Earth3-Veg-LR。

图7 基准期多年平均降水和气温年变化模拟与观测比较（渭河-伊洛河流域）Fig.7 Simulation and observation comparison of annual average precipitation and temperature changes in the reference period (the Weihe-Yiluo River basin)

3 空间分析

基于选取模式的标准，选取黄河源区、唐乃亥-兰州以上流域和渭河-伊洛河流域综合模拟能力较好的气候模式（表5）。其中，EC-Earth3-Veg-LR 模式对兰州以上流域模拟较好，但对渭河-伊洛河流域的模拟效果较差，EC-Earth3-Veg 模式在3 个区域的模拟能力相对最好，因此，本文采用EC-Earth3-Veg 模式对黄河流域水源涵养区的降水与气温空间分布特征进一步分析。

表5 黄河流域水源涵养区降水和气温综合模拟能力较好的GCMsTab.5 GCMs with good comprehensive simulation ability of precipitation and temperature in three areas of the Yellow River Basin water conservation region

3.1 降水分布特征

黄河流域水源涵养区基准期观测多年平均降水空间分布如图8(a)，EC-Earth3-Veg 模式基准期多年平均降水空间分布如图8(b)。可见，总体上研究区域内观测多年平均降水呈现北少南多的分布特征，降水量为0.4～2.4 mm/d，大部分区域为0.4～1.6 mm/d。EC-Earth3-Veg 模式降水分布特征与观测值相近，表明该模式对黄河流域水源涵养区降水有一定的模拟能力，但降水量存在一定偏差，总体上模拟值高于观测值。

图8 黄河流域水源涵养区基准期多年平均降水空间分布Fig.8 Spatial distribution of multi-year average precipitation in the reference period of the Yellow River Basin water conservation region

EC-Earth3-Veg 模式多年平均降水和观测多年平均降水的差值空间分布见图9，3 个区域各范围差值见表6。可见，多年平均降水在黄河源区的差值分布在0.3～1.3 mm/d，各区段中占比最大的是0.6～0.9 mm/d，为64.89%；在唐乃亥-兰州以上流域的差值分布在−0.3～1.2 mm/d，其中−0.3～0.3 mm/d 占20.75%，各区段中占比最大的是0.6～0.9 mm/d，为51.54%；在渭河-伊洛河流域的差值分布在−0.3～1.2 mm/d，其中−0.3～0.3 mm/d 占41.34%，各区段中占比最大的是0.3～0.6 mm/d，为47.74%。由此可见，空间上，EC-Earth3-Veg模式在3 个区域的降水模拟能力存在差异，呈现西高东低的分布特征，即在黄河源区偏差最大，唐乃亥-兰州以上流域次之，渭河-伊洛河流域最好。

表6 3 个区域EC-Earth3-Veg 模拟的基准期降水量与观测值差值分布Tab.6 Distribution of differences of precipitation between ECEarth3-Veg’s simulation and observation in three areas

图9 EC-Earth3-Veg 模拟的基准期降水量与观测值的差异Fig.9 Comparison of the values of precipitation in reference period between EC-Earth3-Veg’s simulation and observation

3.2 气温分布特征

黄河流域水源涵养区基准期观测多年平均气温空间分布见图10(a)，EC-Earth3-Veg 模式基准期多年平均气温空间分布见图10(b)。可见，观测多年平均气温为−10～16 ℃，呈现西低东高的分布特征，且西部区域与东部区域温差较大。EC-Earth3-Veg 模式多年平均气温空间分布特征与观测值相近，但随地理变化过渡更明显，主要温度范围在−8～12 ℃。总体上模拟值分布更加紧凑。

图10 黄河流域水源涵养区基准期多年平均气温空间分布Fig.10 Spatial distribution of multi-year average temperature in the reference period of the Yellow River Basin water conservation region

EC-Earth3-Veg 模式多年平均气温和观测多年平均气温的差值空间分布见图11，3 个区域各范围差值见表7。可见，多年平均气温在黄河源区的差值分布在−8～6 ℃，其中−2～2 ℃占60.68%，各区段中占比最大的是−2～0 ℃，为45.96%；在唐乃亥-兰州以上流域的差值分布在−8～16 ℃，其中−2～2 ℃占43.05%，−4～4 ℃占78.38%，各区段中占比最大的是−2 ～ 0 ℃，为23.84%；在渭河-伊洛河流域的差值分布在−6～16 ℃，其中−2～2 ℃占47.74%，−4～4 ℃占87.19%，各区段中占比最大的是−4 ～ −2 ℃，为31.44%。由此得出，空间上，EC-Earth3-Veg 模式在黄河流域水源涵养区3 个区域的气温模拟能力存在差异，即在唐乃亥-兰州以上流域偏差最大，渭河-伊洛河流域次之，黄河源区最好。

表7 3 个区域EC-Earth3-Veg 模拟的基准期气温与观测值差值分布Tab.7 Distribution of differences of temperature between ECEarth3-Veg’s simulation and observation in three areas

图11 EC-Earth3-Veg 模拟的基准期气温与观测值的差值Fig.11 Comparison of the values of temperature in reference period between EC-Earth3-Veg’s simulation and observation

4 结 语

本文将黄河流域水源涵养区分成黄河源区、渭河-伊洛河流域、唐乃亥-兰州以上流域3 个子区域，采用相对误差、相关系数、确定性系数和泰勒图等评估指标综合评估20 种CMIP6 气候模式的模拟能力，并利用优选的气候模式分析黄河流域水源涵养区降水、气温的空间分布特征，主要结论如下：

（1）气候模式对气温模拟的相关系数均在0.95 以上，各区域大多数模式确定性系数在0.9 以上，泰勒图上的偏差较小。降水普遍存在高估，且相对误差较大，确定性系数多为负数，泰勒图上的偏差较大。总体上，气候模式对气温的模拟效果优于降水，部分模式可以再现黄河流域水源涵养区的气温和降水的年变化特征。

（2）20 个模式在黄河源区的模拟能力最好，唐乃亥-兰州以上流域次之，渭河-伊洛河流域最差。基于选取模式的标准，分别选取了黄河源区、唐乃亥-兰州以上流域和渭河-伊洛河流域综合模拟能力较好的气候模式。经综合比较，EC-Earth3-Veg 模式在3 个区域的模拟能力最好，以此模式可以进一步分析黄河流域水源涵养区降水和气温的空间分布特征。

（3）EC-Earth3-Veg 模式模拟的降水和气温与多年观测值在空间分布上均存在一定差异。降水总体上模拟值高于观测值，在黄河源区偏差最大，唐乃亥-兰州以上流域次之，渭河-伊洛河流域最好。气温在唐乃亥-兰州以上流域偏差最大，渭河-伊洛河流域次之，黄河源区最好。