IPCC AR5全球气候模式对杨楼流域气温模拟精度评价及预估

，，，

(1. 广东省水利水电科学研究院，广东广州510220；2. 中山大学 土木工程学院，广东广州510220；3.黄河水利委员会黄河水利科学研究院，河南郑州450000)

杨楼流域位于淮河流域西北部，处于南北气候的分界线，属于暖温带半湿润半干旱气候，是针对淮北平原研究的封闭性实验小流域。淮北平原是安徽省重要的农业经济区，但气候敏感，地表水时空分布极为不均。近年来，由于气候变暖导致旱灾加剧，地表水资源愈发贫乏，农业生产遭受影响，水资源管理和社会经济发展均面临极大挑战。因此，研究区域未来气候变化趋势可为保障未来水资源安全和灾害防御等提供科学依据。

联合国政府间气候变化专门委员会(the Intergovernmental Panel on Climate Change，IPCC)利用全球气候模式(GCMs)不同排放情景的模拟结果所发布的评估报告是目前最科学的研究气候变化的报告，而全球气候模式被认为是用于预测未来气候变化最有效的工具。吴志勇等[1]在RCP情景下利用IPCC AR5气候模式模拟数据与VIC，预估了未来气候变化对淮河流域水循环的影响，结果表明淮河上游未来多年平均气温均呈增加趋势，平均增幅为0.2 ℃～1.7 ℃；高超等[2]利用实测数据和IPCC AR4中的海气耦合模式模拟数据分析了淮河流域过去和未来50 a的气候变化趋势，结果表明不同排放情景下未来气温均有所上升，冬季升高最快。此外，还有关于淮河流域气温[3]、降雨[4]、径流[5]、暴雨[6]等要素对气候变化的响应研究。然而，以往的研究多直接将气候模式数据或集成数据应用于大尺度的研究区，且并未对气候模式在研究区的适用性展开系统评估。随着CMIP5分辨率进一步提高[7]，利用气候模式研究小流域未来气候变化已成为可能，但仍面临诸如尺度不匹配、模拟精度差等问题。因此，应用全球气候模式在区域尺度上预估未来气候情景变化时，必须首先评估模式在该研究区的模拟能力[8]。

本文以杨楼流域为研究区，基于地面实测气温资料，利用秩评分方法评估了IPCC AR5发布的23个全球气候模式对气温的模拟能力，挑选出适用于研究区的模式，并基于模式数据预测杨楼流域未来时段气温的变化特征，为进一步研究气候变化和人类活动对区域水资源影响提供依据。

1 研究区概况与资料

杨楼流域位于安徽省萧县杨楼镇境内，集水面积约250 km2，年平均气温约14 ℃～15 ℃，多年平均降水量约763 mm，研究区概况见图1。

图1 杨楼流域示意

本次研究利用IPCC AR5最新发布的23个气候模式的月平均气温资料，与同期杨楼流域平均气温进行对比分析，评估气候模式对杨楼流域气温的模拟能力，历史时段为1981—2005年，选取的气候模式见表2。由于各GCMs的分辨率存在差异，故评估前统一对模式数据进行重新插分网格，分辨率处理至2.5°×2.5°。杨楼流域暂无气象观测站点，故历史期实测气温数据移用杨楼水文站相邻气象站——砀山站的气象资料，数据由中国气象科学数据共享服务网提供(http://cdc.cma.gov.cn/home.do)，且数据质量经过严格检验，具有较高的可信度。

2 研究方法

本次研究利用秩评分方法评估GCMs在区域尺度上的模拟能力，评价指标包括均值、标准差、年内变化特征、年际变化特征以及概率密度函数等(表1)，各项指标计算完成后，再采用一个介于0～9的秩评分单独评价每项指标，由式(1)进行赋分。

(1)

式中xi——第i个气候模式输出结果和实测值之间的相对误差或相关统计的值;wi——第i个评价指标在秩评分方法中的权重。各统计对象的定义及计算方法在此不赘述，可参考相关文献[9-13]。

表1 气候统计变量的评估指标及权重

3 结果与讨论

3.1 气候模式对月平均气温的模拟能力评估

GCMs对研究区月平均气温的模拟结果见表2。杨楼流域历史时段的平均气温为14.5 ℃，各模式的模拟值介于9.6 ℃～16.3 ℃之间，其中CanESM2模式模拟的平均气温最接近实测值，偏差仅为0.04 ℃(表中气温均值显示至小数点后一位)，INM-CM4模式的模拟值偏离实测最大，偏差高达4.87 ℃，极大地低估了历史时段的气温。大部分GCMs模拟的平均气温低于实测值约1.5 ℃，这与刘敏等的评价结果[8]及李秀萍等[14]的评估结果一致。

杨楼流域历史期平均气温的标准差为9.5 ℃，GCMs模拟的标准差介于9.1 ℃～11.9 ℃，且多集中在9.5 ℃～11.0 ℃，其中MPI-ESM-LR模式模拟值的标准差与实测最接近，HadGEM2-AO模式与实测相差最大。这说明大部分GCMs模拟的平均气温的变化幅度与历史实测较为接近但略微偏大。气候模式模拟的NRMSE变化范围在0.20～0.62之间，其中CanESM2模式的NRMSE最小，而除了INM-CM4和IPSL-CM5B-LR模式之外，其余模式的NRMSE均小于0.38，说明多数气候模式在杨楼流域模拟的平均气温与历史实测值差异较小。

通过计算，各模式模拟平均气温的年内相关系数均大于0.99，说明GCMs能很好地模拟杨楼流域平均气温的年内变化特征。由于各模式模拟的气温年内变化差别较小，故表2中将各模式的年内相关系数均赋值为1。通过Mann-Kendall趋势计算，历史时段实测平均气温的Mann-Kendall统计量Z值为2.29，通过了95%的置信度检验，呈显著上升趋势。大部分GCMs模拟数据的Z值介于1.40～3.30，其中有9个模式的Z值均通过了95%的置信度检验。实测月平均气温的Sen’s斜率β为0.42，多数GCMs模拟数据的β在0.18～0.72之间，其中GFDL-CM3模式的β值与实测最接近。

BS和Sscore是用于评价概率预测准确度的指标，二者均为百分比数值(表2)。各气候模式的BS值介于0.03%～0.36%，接近于0；Sscore值介于60%～90%，且大多数模式超过70%，少数模式超过85%。假设某气候模式的BS值接近0，且Sscore值超过85%，则说明该模式模拟的平均气温在研究区的概率密度分布与历史实测相似度很高。由表2可知，CCSM4、BCC_CSM1.1和MPI-ESM-MR模式模拟的平均气温的概率密度分布最接近于实测。

基于各项统计量，利用秩评分方法综合评估各GCMs在杨楼流域对平均气温的模拟能力。结果表明，模拟能力最优的3个模式分别为FIO-ESM、CanESM2及BCC_CSM1.1，秩评分分别为8.58、8.96、11.50；模拟能力较差的3个模式分别为INM-CM4、IPSL-CM5B-LR和HadCM3，秩评分分别为44.67、35.61、26.40(表2)。图2为杨楼流域历史时段实测年平均气温与最优最差模式模拟数据对比。FIO-ESM模式的模拟值虽然略低于实测值，但年际变化趋势与实测吻合度较高，尤其在1990年以前，能较好地表现与实测数据相似的变化趋势，变化幅度相比实测偏大；INM-CM4模式不仅明显低估了杨楼流域的年平均气温，变化趋势与实测相差亦较大，常呈现相反的波动状态。

图2 实测年平均气温与最优最差模式模拟数据对比

3.2 气候模式对流域未来气温的预估

基于Delta统计降尺度方法，利用模拟能力较优的模式预估杨楼流域未来时段(2011—2035年)的气温，并与历史时段(1981—2010年)气温进行对比分析，进一步揭示研究区在气候变化影响下未来气温的变化特征。由于资料限制，目前只获取了IPCC AR5的中等排放情景(即rcp4.5情景，表示至2100年辐射强迫稳定在4.5 W/m2，CO2当量浓度达到约650×10-6左右)下BCC_CSM1.1模式的气温日数据(包括最高气温、平均气温及最低气温)。

表2 全球气候模式对平均气温的模拟评估结果

杨楼流域历史时段最高气温、平均气温及最低气温均呈增加趋势，其中最低气温的上升趋势最明显，平均气温较平缓(图3)。BCC_CSM1.1模式在rcp4.5情景下模拟的未来时段各气候变量仍呈上升趋势，其中最高气温的气候变率为0.63 ℃/10a，平均气温的气候变率为0.53 ℃/10a，最低气温的气候变率为0.32 ℃/10a，最高气温增幅最大，最低气温增幅最小且低于历史期的变化倾率。从均值的角度看，BCC_CSM1.1模式模拟的杨楼流域未来时段多年平均气温为15.3 ℃，与历史时段相比升高了0.69 ℃；多年平均最高气温与最低气温分别为20.8 ℃和10.7 ℃，与历史时段相比则分别上升了0.72 ℃和0.64 ℃。

图3 杨楼流域不同时段气温的年际变化

图4为杨楼流域未来时段气温相对于历史时段实测气温距平变化。与历史时段相比，杨楼流域未来时段各月平均最高气温以上升趋势为主，除1、4、12月份呈下降趋势外，其余月份均增加，其中6月份增幅最大，高达2.1 ℃；各月平均气温多呈增加趋势(除1月和10月小幅降低)，幅度在0.1 ℃～1.8 ℃之间；各月平均最低气温在6—8月份增幅较明显，1、4、10、12月份呈不同幅度的减少。整体而言，3个变量在冬季增幅较小，而在春夏两季增幅较大。

图4 杨楼流域未来气温距平变化

4 结论

a) IPCC AR5的多数气候模式均能较好地模拟杨楼流域历史期平均气温的变化规律，但模拟值普遍偏低，因此认为对最优模式组的数据简单校正后可进一步用于区域尺度的气候变化研究；模拟表现最好的3个模式分别为FIO-ESM、CanESM2、BCC_CSM1.1模式。

b) BCC_CSM1.1模式在rcp4.5情景下模拟的杨楼流域未来时段最高气温、平均气温及最低气温均呈不同幅度的上升趋势，其中最高气温增幅最大；未来多年平均最高气温、平均气温及最低气温与历史期相比分别增加0.72、0.69和0.64 ℃；从年内变化来看，相较于历史时期，未来气温增加主要集中在春夏两季。