CIMP5气候模式对北江流域气温和降水的模拟性能评估

陈思淳，黄本胜，黄广灵，李泽君

(1. 广东省水利水电科学研究院，广东 广州 510635；2. 河口水利技术国家地方联合工程实验室，广东 广州 510635)

北江是珠江流域第二大水系，广东省最重要的水源地之一。受复杂的地形地貌及气候等因素影响，流域内洪涝、干早等自然灾害较多。近年来，在气候变暖背景下，北江流域水循环日趋复杂，水资源供需矛盾凸显，水资源管理面临巨大挑战，深入研究气候变化对流域水循环影响十分迫切。

全球气候模式(GCMs)被公认为是研究气候变化及构建未来气候变化情景最主要的工具。黄国如等[1]利用IPCC AR5发布的13个气候模式，结合VIC模型，对不同排放情景下北江飞来峡水库的极端入库洪水进行了预估，结果表明各情景下极端洪水出现概率有不同程度增加；肖恒等[2]利用CMIP5的5个气候模式，耦合VIC模型评估了Rcp4.5情景下珠江流域未来30年洪水对气候变化的响应。结果表明2011—2040年北江洪水总量可能呈减少趋势，但特大洪水可能呈增加趋势。还有学者应用CMIP5多模式集合对中国西北干旱区气温和降水的模拟能力进行评价[3]、对江苏省气候变化进行了预估[4]、对气候变化下北江流域径流[5]、典型洪涝灾害[6]等方面进行了研究。但以往的研究大多直接应用气候模式数据或集成数据，并未系统评估模式在研究区的适用性，而目前将气候模式应用于区域尺度仍存在模拟精度差、不确定性大等问题。因此，当应用全球气候模式研究气候变化对流域水循环影响时，必须首先评估模式在该地区的适用性。

目前，全球共有28个研究组的61个气候模式参与了第五阶段的全球耦合模式比较计划(CMIP5)[7]，该阶段的模式较之前更为复杂且具有更高的分辨率[8]。本文以北江流域(石角站以上)作为研究区，从气候均态、时间序列相关性、变化趋势及概率密度分布等方面，分别评价CMIP5发布的23个气候模式模拟北江流域平均气温和降水的能力，并基于多目标函数的秩评分方法对各模式在北江流域气温和降水的应用进行了综合评估。该研究对气候模式在区域尺度的评估研究及应用气候模式开展北江流域气候变化相关研究具有一定的参考价值。

1 研究区概况

北江流域位于23°～25°N，111°～114°E，集水面积约为38 488 km2，思贤滘以上干流河长为468 km。流域内多为山区和丘陵，地势北高南低，属亚热带季风型气候(见图1所示)。流域多年平均气温约为21℃，多年平均降水量约为1 800 mm，年内分布极不均匀，多集中于4—9月。

图1 北江流域概况示意

2 研究数据与方法

2.1 数据来源

1) 实测数据。研究中主要用到气象站点实测的平均气温及雨量站逐月降水量数据。其中，北江流域4个的气象站点实测数据由中国气象数据网(http://data.cma.cn/)获取，37个降水实测站点数据由广东省水文局提供。资料序列为1956—2005年，所有站点的数据序列均相对完整且通过了数据质量控制。

2) 气候模式输出数据。研究中用到的气候模式为IPCC第五次评估报告的支撑数据CMIP5(http://cmip-pcmdi.llnl.gov/index.html)最新发布的、且在各国应用较广泛的23个模式输出的平均气温和降水量数据，选用时段为1956—2005年。因选取的各GCMs模式的分辨率均不相同，评估前将气候模式输出数据统一插值到2.5°×2.5°的网格分辨率上。

2.2 研究方法

2.2.1秩评分方法

本研究基于一种多目标函数的秩评分方法对各GCMs在北江流域上的模拟能力进行评估。评估指标包括均值、标准差、年内变化特征、年际变化特征以及概率密度函数，计算完各项指标之后，再采用一个介于0～9之间的秩评分对每一项单独的评价指标来进行评价，公式如下：

(1)

式中xi为第i个模式输出结果和实测值之间的相对误差或相关统计的值。当xi表示误差时，值越大，则第i个模式在该评价指标中的秩评分就越高；当作为非相对误差评价指标时，xi越低，该评价指标中的秩评分就越低。wi为第i个评价指标的权重，属于相同特征分析的不同统计量对其权重赋值0.5，其余赋值1。RS的分数越低代表该GCMs模式的模拟效果越好。

本研究中关于NRMSE的定义及计算公式见文献[9]；趋势统计量Z、Sen’s 斜率β通过MK非参数检验方法计算[9-10]；参数BS(Brier Score)代表概率预测的均方差[11]，Sscore(Significance score)计算了实测数据和模拟数据的分布在每个等份序列值累计概率的最小值，描述的是实测数据和模拟数据概率密度函数之间的重叠程度[12]，两个指标均用于评价模式对各要素概率密度分布特征的模拟能力。

3 结果分析

3.1 气候模式模拟区域气温能力的评价

基于不同指标对CMIP5的23个模式输出的北江流域平均气温月序列的评价结果见图2和表1，分别包括均值、标准差、NRMSE、月序列相关系数、趋势统计量Z、Sen’s 斜率β、BS和Sscore等统计量。北江流域历史时段多年平均气温为20.2℃，各模式的模拟值介于18.3℃～28.1℃之间，大部分GCMs模拟的平均气温高于实测值。BNU-ESM和CNRM-CM5模式模拟的平均气温最接近实测值，偏差仅为0.1℃，说明其对北江流域平均气温的均态特征模拟能力相对较好；GISS-E2-H模式的模拟值与实测差别最大，偏差高达7.9℃，极大地高估了历史时段的气温。

表1 GCMs模式对北江流域平均气温的模拟评估结果

注：图中序号即为表1中模式编号。

北江流域实测平均气温的标准差为6.7℃，各气候模式模拟的标准差介于0.5℃～6.5℃，其中CSIRO-Mk3.6模式模拟值的标准差与实测偏差最小，NorESM1-M模式与实测偏差最大。这表明多数气候模式模拟值的变化幅度与历史实测接近但略偏小，还有部分模式严重偏小。各GCMs的NRMSE值介于0.04～1.47，其中CESM1-BGC模式的NRMSE最小，仅为0.04。

通过计算，除了9个GCMs的年内相关系数小于0.9以外，其余14个模式模拟值与实测值年内变化的相关系数均大于0.99，说明这些模式对于平均气温的时间序列特征具有较好的模拟能力。Mann-Kendall趋势计算结果表明，北江流域历史实测平均气温的Z值为2.98，通过了95%的置信度检验，说明呈显著上升趋势。气候模式模拟数据的Z值介于0.02～6.88之间，其中21个模式的Z值通过了95%的置信度检验，但上升幅度偏高。北江流域实测平均气温的Sen’s斜率β为0.14，GCMs数据的Sen’s斜率β在0～0.31内变化，其中CCSM4模式的β值与实测相差最小。

BS和Sscore均用百分比数值表示(见表1)，若某GCM的BS值趋于0，且Sscore值大于85%，则说明该模式的模拟值在研究区的概率密度分布十分接近历史实测。表1中各GCMs的BS值范围为0.03%～0.36%，接近于0；Sscore值范围为60%～90%，多数模式超过70%，少数模式超过85%。总体来看，FIO-ESM、CNRM-CM5和CSIRO-Mk3.6模式模拟值的概率密度分布与实测最相似。

基于各项统计量，利用秩评分方法综合评估各模式在北江流域对平均气温的模拟能力，结果表明，模拟表现最优的4个模式分别为CSIRO-Mk3.6、FIO-ESM、CNRM-CM5和BNU-ESM，秩评分分别为3.88、4.28、5.28及5.95；模拟表现较差的4个模式分别为GFDL-CM3、NorESM1-M、CCSM4和GISS-E2-H，秩评分分别为47.82、38.41、36.51及36.43。

图3为北江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。总的来看，CSIRO-Mk3.6模式的模拟值与实测相比略微偏低，年际变化趋势与实测较为相似，变化幅度相比实测偏小；模拟能力最差的GFDL-CM3模式不仅极大地高估了北江流域的年平均气温，变化趋势与实测数据相差亦较大。

图3 北江流域实测年平均气温与CMIP5模拟

3.2 气候模式模拟区域降水能力的评价

图4和表2给出了利用不同评价指标对23个气候模式降水量月序列的评价结果。与平均气温相比，GCMs模式对降水量的模拟能力普遍表现较差。北江流域历史时段多年平均降水量为1 751.9 mm，各模式模拟年降水量为1 001.9～3 177.3 mm，多数模式的模拟值低于实测值，其中CNRM-CM5模式模拟的平均值与实测最接近，偏差为153.9 mm，模拟值偏低，而NorESM1-M模式的模拟值与实测偏差最大，偏差量为1 425.4 mm。

注：图中序号即为表2中模式编号。

北江流域历史时段实测降水量的标准差为116.0 mm，GCMs模式模拟的标准差介于40.5～166.1 mm，大部分模式模拟的标准差低于90 mm，这表明大部分模式模拟的降水量变化幅度与北江流域历史实测值相比偏小，GCMs在降水稳定的区域模拟能力可能更强。

气候模式模拟值的NRMSE为0.47～1.63，有9个模式的NRMSE小于0.8，表现尚可，其中CanESM2模式的误差相对最小，NRMSE为0.47，NorESM1-M模式的NRMSE最大，高达1.63。年内相关系数表示气候模式模拟的降水量年内变化与实测降水年内变化的相关性。各GCMs模拟降水量的年内相关系数在0.05(GISS-E2-H)和0.90(CNRM-CM5)之间，其中，大于0.8以上的模式有8个(见表2)。

表2 GCMs模式对降水量的模拟评估结果

M-K趋势性分析结果表明，北江流域历史时段降水呈不显著的下降趋势，Z为-0.23，未通过95%置信度检验。GCMs模拟数据中有12个模式呈不显著的下降趋势，仅MIROC5模式呈显著下降趋势。实测年降水量的Sen’s斜率为-16.4，模式模拟的Sen’s值范围介于-65.5～72.9。

GCM模式模拟的BS值介于0.03%～0.55%，Sscore值介于17%～85%，约一半的模式超过70%。由表2可知，CanESM2、MPI-ESM-MR和CNRM-CM5模式模拟的降水在北江流域的概率密度分布最接近于实测。

基于各模式计算的统计量，综合评估GCMs在北江流域降水的模拟性能。结果表明，表现最好的4个模式分别为CanESM2、MPI-ESM-MR、MPI-ESM-LR及CNRM-CM5，秩评分分别为13.12、14.01、15.11及15.59；表现较差的4个模式分别为MIROC-ESM、NorESM1-M、GISS-E2-H和GFDL-CM3，秩评分分别为40.00、38.10、37.18和36.39。

图5为CMIP5模式在北江流域模拟能力最优及最差的两个模式与实测年降水量与对比。综合来看，CanESM2模式的模拟值低于实测值，但年际间的波动与实测吻合度相对较高；MIROC-ESM模式明显低估了北江流域年降水量，年际间波动与实测数据基本吻合，偶尔呈现相反的波动状态。

图5 北江流域实测年降水量与最优最差模式模拟数据比较

3.3 气候与降水综合评价结果

基于秩评分方法对CMIP5气候模式输出的平均气温与降水综合评价结果见表3。结果表明：① 总体而言，来自法国CNRM-CERFACS研究所的CNRM-CM5输出的气温与降水数据在北江流域表现相对最优。FIO-ESM(中国)、CSIRO-Mk3.6(澳大利亚)和BNU-ESM(中国)等模式的整体表现也较好，且这些模式对单个要素具有较强的模拟能力，如CSIRO-Mk3.6模式对气温的模拟能力是所有模式中最强的。② 尽管某些模式在所有要素的综合表现欠佳，但其模拟单个要素的能力可能较强，如CanESM2对区域降水量的模拟能力表现最优，但模拟气温的能力则相对欠佳。当然对于不同地区，气候模式的模拟能力也不尽相同。如GFDL-CM3模式模拟北江流域气候变量的表现是所有模式中最差的，但在其他地区，该模式可能会有较好的模拟表现。

表3 GCMs模式月平均气温及降水的秩评分结果统计

4 结语

本研究以北江流域作为研究区，从气候均态、时间序列相关性、变化趋势及概率密度分布特征等多个角度，基于秩评分方法综合评估了23个CMIP5气候模式在北江流域模拟气温与降水的能力，主要结论如下。

1) 气候模式评价结果对评价指标有较大依赖性，不同评价指标得到的评价结果可能完全相反。例如，从年内相关系数来看，BCC-CSM1.1模式输出的平均气温表现优秀，但若以概率密度分布为指标，则其表现相对一般；ACCESS1.0模式用标准差和年内相关系数评价模拟降水的能力时表现也截然相反。因此，评估气候模式应用于区域尺度时，评价指标的选取尤为重要，建议选用多指标从不同角度进行综合评价。

2) 不同要素的评价结果显示，CMIP5模式对北江流域平均气温的模拟表现较优，对降水的模拟能力相对较差。多数模式模拟北江流域平均气温偏高，而模拟降水量偏低。

3) 气温和降水的综合评价结果表明，CNRM-CM5模式在北江流域表现最优，尽管其模拟气温和降水的能力并不是所有模式中最强的。FIO-ESM、CSIRO-Mk3.6和BNU-ESM(中国)等模式的整体表现亦较好，对单个要素通常具有较强的模拟能力。有些模式尽管综合表现欠佳，但其模拟单个要素的能力可能较强，如CanESM2模式对北江流域降水量的模拟能力表现最强，对平均气温的模拟表现则相对偏弱。