CMIP模式对冬季北半球大气环流与青藏高原冬春季气温相关关系的模拟评估

潘延 张洋 李舒婷

(南京大学 大气科学学院，南京 210023)

引 言

青藏高原拥有250万平km2的广阔面积和超过4 km的平均高度，具有除极地地区外最大的冰储量，是亚洲十余条重要河流的发源地，为超过20亿人口提供必需的水资源[1]。青藏高原也是气候变化的响应敏感区。政府间气候变化专门委员会(Intergovernmental Panel on Climate Change, IPCC)第六次评估报告[2]指出，在全球变暖背景下，青藏高原冬春季节增温显著，积雪消退，高温事件的强度和频次显著提升，由此引发的水文和气候变化将对周边和下游地区居民的生活产生重要影响。诸多研究显示，青藏高原的热力状态，通过影响周边的大气环流，可以影响东亚及下游更广阔地区的天气气候特征[3-12]。最新研究显示[13]，高原春季的热力状态，可以进一步影响东亚的夏季降水，成为次季节—季节气候预测的重要因子。因此，理解和模拟青藏高原的气温变化对于短期气候预测、应对气候变化的影响等均有重要意义。

已有研究显示，高原春季的表面气温不仅受到高原局地辐射反射率等因素影响，高原土壤温湿度和前期积雪等往往对高原春季表面气温的影响更显著[14-16]，而高原土壤温湿度和前期的积雪常受到冬季大尺度大气环流的显著影响[5,17-24]。研究[16,25]显示，北大西洋海温异常可通过激发异常Rossby波列，并通过向下游传播影响不同季节的高原降水。冬季北极海冰变化引发的类似北极涛动(Arctic Oscillation, AO)响应会激发南传的Rossby波，在高原上空形成有利于水汽输入的环流配置。ZHANG，et al[15]发现，当冬季大气环流在高原上游的北极—大西洋区域呈现AO正位相的大气环流特征、下游的东亚—太平洋区域呈现西太平洋遥相关型(Western Pacific Teleconnection Pattern, WP)负位相的大气环流特征时，从北极及高纬地区可以激发出南、北两支行星尺度波列向欧亚大陆传播，分别带来暖湿气流和冷空气在高原上空汇合，形成有利于高原降雪的水汽条件和动力条件，有利于形成大范围的降雪，使高原冬春积雪偏多、春季高原地温偏低，通过土壤的记忆作用使春季高原近地面气温偏低。这一高原春季热力异常可以进一步影响下游东亚区域的夏季降水。这些研究揭示了冬季北半球大气环流和高原冬春表面气温之间的相关关系。

气候模式是研究气候系统内相互作用机理、进行气候预测和开展气候变化预估的主要工具。然而，由于复杂的地形、气候过程的多样性及长期观测数据的缺乏，高原气候的模拟一直是气候模拟中最薄弱的环节之一[26-29]。同时，极地—中高纬度大气由于其多尺度、强非线性、变率复杂等特点，气候模式对其模拟能力一直较热带及低纬度地区偏弱。因此，当前的气候模式对观测中所发现的冬季中高纬大气环流和青藏高原的冬春表面气温的相关关系的模拟能力如何？这是利用气候模式深入研究青藏高原的气候变化之前所需要回答的问题。世界气候研究计划(World Climate Research Programme, WCRP)组织的耦合模式比较计划(Coupled Model Intercomparison Project, CMIP)为国际耦合模式的评估和发展提供了重要的平台。参与该计划的试验数据被广泛应用于气候变化相关机理以及未来气候变化特征预估等方面的研究，其结果是IPCC评估报告的重要内容之一。截至目前，第六次国际耦合模式比较计划的模式试验数据已经公布。其中历史情景模拟试验(Historical Simulations)是在基于观测的、随时间变化的、各种外强迫驱动下进行的1850年以来的历史气候模拟。该结果常用来评估模式对气候变化的模拟能力，是研究模式性能时常用的指标性情景之一。

本文将评估CMIP第五次和第六次比较计划中各自36个和39个模式历史情景试验的模拟结果，通过与基于观测的再分析资料中的大气环流—高原气温之间的相关关系对比，回答下列问题：CMIP5和CMIP6模式能够在何种程度上模拟出冬季北半球大气环流和同后期的高原气温之间的相关关系？模式是否在模拟出相关关系的同时能模拟出此关系背后的物理机制？这些问题的回答对利用气候模式研究高原的气候变率和气候变化、提升模式对北半球极地—中高纬度地区和高原地区的气候模拟和预测能力都有科学和实际意义。

1 数据与方法

1.1 数据

本文使用36个CMIP5模式和39个CMIP6模式的模拟结果进行评估。表1、2分别列出了本研究用到的CMIP5和CMIP6模式。在这些模式中，有相当一部分模式为同源模式，均参加了CMIP5和CMIP6的模式比较计划，例如CMIP5的ACCESS1-0、BCC-CSM1-1、CMCC-CM、CanESM2、FGOALS-g2、GFDL-ESM2G、GISS-E2-H-CC、GISS-E2-H、INMCM4、IPSL-CM5A-LR、FIO-ESM、MIROC5、MPI-ESM-LR、MRI-ESM1、NorESM1-M，对应CMIP6中的ACCESS-CM2、BCC-CSM2-MR、CMCC-CM2-SR5、CanESM5、FGOALS-g3、GFDL-ESM4、GISS-E2-1-H、GISS-E2-2-H、INM-CM5-0、IPSL-CM6A-LR、FIO-ESM-2-0、MIROC6、MPI-ESM1-2-LR、MRI-ESM2-0、NorESM2-LM。本文也将通过这些模式在CMIP5和CMIP6中的表现，综合评估CMIP模式在大气环流—高原气候耦合关系的模拟能力的改进。

表1 本文使用的36个CMIP5模式列表

本研究所用的每个CMIP5(CMIP6)模式均选择了历史情景下的r1i1p1(r1i1p1f1)集合月平均输出结果。这一设定保证所选集合成员具有类似的初始条件、物理方案和海温等边界条件的配置。由于这一情景下CMIP5(CMIP6)模式的输出统一截止到2004(2014)年，本文选择了1973—2004(2014)年的模拟数据用于对比和评估。为了便于对比，模式输出的近地面数据使用双线性插值法被统一插值到0.5°×0.5°格点上，其他高度数据被统一插值到1°×1°格点上。CMIP模式对耦合关系的模拟结果被用来与实际观测中冬季大气环流—春季青藏高原表面气温之间的耦合关系进行对比。本文观测中的表面气温使用了美国国家大气与海洋管理局(NOAA)气侯异常监测系统(Climate Anomaly Monitoring System，CAMS)的月平均2 m气温再分析数据集[30]，空间分辨率为0.5°×0.5°。之前的多项研究通过使用多种站点资料证明了CAMS近地面气温数据能够较好反映青藏高原地表温度的变化特征。大气环流数据使用了欧洲中心第五代再分析数据集(ERA5)[31]的月平均位势高度和风场资料，空间分辨率为1°×1°。再分析资料的时间范围均为1973—2020年。研究中还使用了NCEP-Ⅰ和NCEP-Ⅱ再分析数据集来分析验证观测中冬季大气环流与高原表面气温之间的耦合关系，得到的结果与使用ERA5数据得到的结果相似，因此本文只展示ERA5的分析结果与模式结果进行对比。

表2 本文使用的39个CMIP6模式列表

1.2 方法

本文主要运用最大协方差分析方法(Maximum Covariance Analysis, MCA)计算分析北半球大气环流场与青藏高原表面气温的耦合关系。通过对北半球冬春季不同月份的热带外(20°～85°N)200 hPa位势高度场和同、后期青藏高原近地面2 m气温的协方差矩阵进行奇异值分解，得到两变量场之间的耦合MCA模态，以及随之得到的两组时间主成分(时间序列)。通过将两组变量场回归到各自的时间主成分得到同性回归系数场，并将变量场回归到另一变量的时间主成分上，得到异性回归系数场。

本文选择解释方差占比最大的一组MCA结果作为最主要模态进行分析，并使用蒙特卡洛方法检验MCA结果的显著性水平。本文所用的蒙特卡洛方法是一种随机抽样检验方法，通过打乱并重排两组变量场的其中一组的时间顺序构建一个新变量场，再与另一组原始变量场重新计算MCA解释方差占比。如此重复较多次后将每次的MCA解释方差按从大至小顺序排列成一新数组，原场MCA的解释方差在该单调递减的解释方差数组中所处的百分位数即可用来确定其显著性水平。

在评价模式模拟技巧时，本文用到的指标主要有：空间相关系数R、中心化均方根误差E′、空间场标准差σ和由这三者计算的技巧评分SC[32]。模式与观测结果之间的R越大、E′越小、σ越相似意味着模拟效果越好。R、E′和SC的计算方法如公式(1)、(2)、(3)所示。

(1)

(2)

(3)

本文通过诊断MCA结果对应环流场空间模态激发的波活动通量(Wave Activity Flux，WAF)来分析冬季北半球大气环流和青藏高原气候异常的联系机制。本文采用Takaya, et al[33]提出的方法计算波活动通量。该方法假设背景流纬向非均匀且缓慢变化，使用扰动流函数和背景流场计算得到波活动通量。具体的方法如式(4)所示：

(4)

其中：U为风速；ψ′为扰动流函数；x表示经向距离；y表示纬向距离；p表示垂直气压；f0表示科里奥利参数；S表示浮力频率。在准地转的假设下，波活动通量方向可表征大尺度波动的能量传播方向，WAF的诊断可以揭示影响高原气候的遥相关波列，帮助分析冬季大气环流与高原气候的遥相关机制。

2 主要结果

2.1 模式模拟的相关关系

冬春季节北半球大气环流十分活跃，高原降水、积融雪情况复杂，这一时期内大气环流与高原气候之间的关系变化迅速。已有分析表明[15]，冬末的大气环流异常与随后春季青藏高原气温的遥相关关系具有次季节尺度的变化特征，表现为2月大气环流场与同期及后期高原气温之间的相关性逐渐增强，到4月相关关系最强，之后相关关系迅速消失。即当2月大气环流在高原上游的北极—大西洋区域呈现AO正位相的大气环流特征、下游的东亚—太平洋区域呈现西太平洋遥相关型负位相的大气环流特征时，从北极及高纬地区激发的波列向下游传播到达青藏高原上空，有利于在高原形成大范围的降雪，引起后期尤其是4月高原气温偏冷。为了尽可能全面地讨论模式模拟的环流—高原之间的相关关系，在模式评估时将时间范围放宽到冬春季的1—5月间，对这一时间段内的北半球大气环流和同后期青藏高原2 m气温逐月计算MCA结果，并进行蒙特卡洛显著性检验，选择显著性超过α=0.05的大气环流—高原气温MCA模态。在本文的分析中，将主要关注这些显著的耦合模态。

图1给出了历史情景下观测中及36个CMIP5模式的模拟结果中北半球200 hPa位势高度场与同后期高原2 m气温的MCA模态通过α=0.05显著性检验的情况。再分析资料的MCA结果中，2月环流与2—4月高原气温的耦合关系均超过α=0.05的显著性水平，并且两组变量各自的时间主成分相关系数均超过了0.5，呈显著相关。这与之前的研究结论一致，即冬季大气环流和春季青藏高原热力状态之间存在很强且显著的相关性。在CMIP5的模拟结果中，一共有26个CMIP5模式重现出了显著的耦合关系(除ACCESS1-0、CMCC-CMS、CMCC-CM、GFDL-CM3、GFDL-ESM2G、GISS-E2-H、GISS-E2-R-CC、HadGEM2-CC、MIROC-ESM-CHEM、NorESM-M外)。这些模式结果显示了1—4月位势高度场与同后期的青藏高原气温之间显著的相关关系。相比之下，图2中有37个CMIP6模式(除CESM-FV2、INM-CM5-0)模拟出了显著的环流—高原耦合关系，覆盖了更多月份的位势高度场—高原气温组合，表明在CMIP6中有更多的模式能够模拟出冬季大气环流场和高原冬春气温之间的耦合关系。

图1 观测与CMIP5模式中不同月份的200 hPa位势高度场与同后期青藏高原2 m温度场的MCA结果(蓝色显示高于α=0.05显著性的MCA结果)

图2 与图1相似，但为CMIP6模式的结果

为评估模式对耦合关系的模拟，本文选择了观测中2月北半球大气环流场和4月青藏高原2 m气温场的MCA结果作为模式评估的参考标准。这一MCA模态的时间主成分之间相关系数超过0.63，解释方差最大，为81%，表明了两组要素场之间存在高度的相关性。其持续时间在冬春之间，最能够代表冬季环流场和春季高原之间的耦合关系。基于这一标准，首先对模式模拟中通过显著性检验的各MCA空间模态进行了评估。图3给出了CMIP5模式中不同模式、不同月份组合的MCA模态的泰勒分布。对于CMIP5模式，大部分模式的位势高度回归系数场空间相关性在0～7(图3a、b)，有11个模式的相关系数超过0.5：ACCESS1-3，CESM1-BGC，CESM1-CAM5，CMCC-CESM，CSIRO-Mk3-6-0，HadGEM2-AO，HadGEM2-ES，IPSL-CM5A-LR，IPSL-CM5A-MR，IPSL-CM5B-LR，MPI-ESM-LR。这些模式结果的标准差都大于参考模态的标准差，中心均方根误差也较大，表明模式模拟结果相对于参考态仍有较大偏差。在模拟高原气温回归系数场时(图3c、d)，CMIP5模式的表现均弱于它们在模拟位势高度场上的表现，所有结果与参考态的空间相关性都在0.4以下，相对标准差分布也更分散，这表明当前的气候模式在模拟高原气候时仍有很大提升空间。

图3 36个CMIP5模式的200 hPa位势高度场—高原2 m气温场MCA结果的泰勒分布：(a)位势高度场同性回归系数场；(b)位势高度场异性回归系数场；(c)高原2 m气温场同性回归系数场；(d)高原2 m气温场异性回归系数场

CMIP6模式模拟的MCA模态中，位势高度场与观测中的情况有更强的相似性(图4a、b)。ACCESS-ESM1-5，BCC-CSM2-MR，CAMS-CSM1-0，CAS-ESM2-0，CESM2-WACCM，E3SM-1-1，FIO-ESM-2-0，GISS-E2-1-G，GISS-E2-2-H，INM-CM4-8，IPSL-CM6A-LR-INCA，IPSL-CM6A-LR，KIOST-ESM，MPI-ESM1-2-LR，MRI-ESM2-0，NorESM2-MM等16个模式的相关系数超过0.5，相对标准差也更集中分布在1.0附近，比CMIP5的模拟结果更接近观测中情况。当进入5月后，MCA模态中位势高度场与参考态之间的相关系数减小到0.3以下(未显示)，表明模拟的耦合关系在春末发生较大改变，和实际观测情况相比出现了较大偏差。CMIP6模式对高原气温回归系数场的模拟结果(图4c、d)同样相比对大气环流场的模拟偏弱，且相对CMIP5模式改进不明显。根据泰勒分布的结果，CMIP5和CMIP6共同特点是对耦合模态中位势高度同性场的模拟结果比其他结果更具有区分度，因此更适合用于评估不同模式结果对冬季大气环流—同后期高原气温耦合关系的模拟能力。

图4 和图3相同，但为CMIP6模式的结果

在对MCA耦合模态时间变率的模拟上，CMIP5模式的模拟结果与观测结果的相关性较弱，模式与观测时间主成分的相关系数范围在-0.3～0.5之间(图5a)。CMIP6模式模拟结果的时间相关性结果要好于CMIP5, 相关系数在-0.1～0.7之间，有更多的模式模拟出的时间变率与观测之间显著相关，有8个模式的相关系数超过0.5(图6a)。大部分CMIP5和CMIP6模式都模拟出了在较长时间尺度上的青藏高原整体升温趋势(图5b、6b),个别模式出现了微弱的增加(图5c、6c)。模式整体上能够模拟出高原表面气温的长期变化趋势。需要注意的是，虽然CMIP模式使用了与观测一致的外强迫，但受初值等因素的影响，模式中年际变率的时间序列常常与观测无法一一对应。即模式虽然能模拟出观测中的空间模态，但在模拟这些模态的位相演变时经常出现偏差。因此，在分析CMIP模式的模拟结果时，通常不期望模式的时间序列与观测的时间序列有很高的相关系数。尽管如此，本文的分析结果显示，CMIP6模式在模拟大气环流的年际变化规律时，其能力较CMIP5模式有了明显提高。

图5 36个CMIP5模式的显著MCA结果中：(a)位势高度场时间主成分；(b)2 m气温场时间主成分与观测中对应结果的相关系数；(c)2 m气温场时间主成分的线性变化趋势(黑色虚(点)线表示α=0.05(0.10)显著性水平)

图6 同图5，但为39个CMIP6模式模拟结果

为了全面地量化模式的耦合关系的模拟能力，本文用Taylor[32]中的经典评分公式计算了CMIP5和CMIP6模式模拟的技巧评分SC。利用这一基于模拟结果的空间相关系数和相对标准差的评分对所有模式的MCA模态的空间模拟能力进行综合评价，并选择评分大于0.35的“好”模式进一步考察其MCA模态的空间特征。在CMIP5模式中，CMCC-CESM，CESM1-CAM5，MIROC5，MPI-ESM-LR，CESM1-BGC，CSIRO-Mk3-6-0，IPSL-CM5A-LR，GISS-E2-R 8个模式获得了超过0.35的评分(图7)。这些模式MCA模态中的位势高度场都具有明显的北极—环极地区的负—正信号分布，在接近欧洲的北大西洋上空有交替分布的正负中心(图7a2、a3、a5—a8),这些特征与观测十分接近。值得注意的是，大部分模式MCA模态中位势高度场上青藏高原上空均出现了明显的负信号，对应着青藏高原气温的负异常，而CESM-BGC和CSIRO-Mk3-6-0在青藏高原上空的信号较弱或未体现(图7a6、a7)，对应的高原信号也明显弱于其他模式。上述模式中MCA模态两组变量的时间主成分相关系数都超过0.5，表明两者变化的高度相关性。

图7 技巧评分超过0.35的CMIP5模式不同月份的200 hPa位势高度场—青藏高原2 m气温的MCA结果：(a)位势高度场同性相关模态；(b)2 m气温场异性相关模态；(c)位势高度场(蓝色)和气温场(黄色)对应时间主成分

在CMIP6模式中，INM-CM4-8，MPI-ESM1-2-LR，E3SM-1-1，MRI-ESM2-0，FIO-ESM-2-0，KIOST-ESM，CAMS-CSM1-0，CAS-ESM2-0，KACE-1-0-G，BCC-CSM2-MR，GISS-E2-2-H，ACCESS-ESM1-5 12个模式获得了超过0.35的评分，这些模式MCA模态中的位势高度场(图8)同样表现出了负—正的纬向偶极子结果，空间结构比CMIP5更加规则。所有评分超过0.35的模式在北极—北大西亚上空都出现了清晰的负正对比，除KIOST-ESM(图8a6)的其他模式中北太平洋的高纬度和中纬度之间都出现了正—负结构，和观测中的WP结构相似。两场时间主成分同样高度相关。由此可见，CMIP6模式对大气环流—高原气温耦合模态的模拟有了进一步提升。

图8 同图7,但为CMIP6 模式结果

为了进一步比较CMIP5和CMIP6模式对MCA模态中位势高度场和高原气温场的模拟偏差，图9、10展示了CMIP5和CMIP6各模式中显著MCA结果与观测值之间均方根误差的平均值E，定义为：

(5)

其中：N代表用于计算的模式MCA结果数；f代表模式中MCA结果；r代表作为参考的观测结果。

CMIP5模式对耦合模态中位势高度场模拟的最大误差分布在北极圈内的北大西洋—格陵兰区域、巴伦支喀拉海区域和白令海峡附近，并沿纬度下降逐渐减弱(图9a)；气温场的误差主要分布在高原中部和西南部，在观测中信号较大的中西部区域也有分布(图9b)。CMIP6模式对耦合模态中大气环流场的模拟误差的分布特征几乎和CMIP5一致(图10a)，但是CMIP6各模式与高原气温场的均方根误差数值显著减小(图10b)，这说明尽管仍然存在误差，但是CMIP6模式结果整体上更加趋近于观测的结果。

图9 CMIP5模式显著 MCA结果与观测中的:(a)位势高度同性回归系数场;(b)2 m气温异性回归系数场之间的均方根误差平均

图10 同图9，但为CMIP6模式结果

在上述对耦合模态大气环流场模拟偏差的分析中，误差较大的区域分布在北极圈内的北大西洋—格陵兰区域、巴伦支喀拉海区域和白令海峡附近。在前期的研究[14]中显示，也是极地—高原之间的南北两支遥相关波列产生的关键区之一。该遥相关波列对高原的冬季降水及高原春季的热力状态常产生重要影响。因此，接下来将讨论模式MCA结果中大气环流场的遥相关过程，以评估模式是否能较好模拟环流—高原遥相关耦合关系的物理机制。

2.2 遥相关关系的物理机制

上述对CMIP5和CMIP6模式模拟的MCA结果分析显示，相比于对高原2 m气温场和MCA模态的时间变率的模拟，CMIP5和CMIP6模式均对耦合模态中的大气环流场体现了更好的模拟能力。根据已有的研究[14]，MCA模态中的大气环流场总体上体现了异位相的AO和 WP的叠加，在这种环流型下，北极附近所激发的南、北两支行星Rossby波在高原上空附近汇合，常带来冷暖空气的交汇，进而引起大范围降雪，影响后期高原的热力状态。在本节中，将进一步讨论模式模拟的大气环流模态以及与之相关的Rossby波波列，从而评价模式对耦合机制的模拟能力。

首先评估模式模拟的MCA模态中的大气环流型的空间分布特征。观测中MCA模态的大气环流型与AO和WP在时间和空间上都具有显著的相关关系。在时间序列上，2月北半球位势高度场的主成分与同期AO序列的相关性达到0.36，与WP的相关性达到-0.7，均超过α=0.01的显著性水平。为了比较CMIP各模式对这一相关性的模拟能力，本文分别计算了各模式结果中位势高度场的时间主成分与观测时间主成分及同期(2月)AO和WP时间序列的相关系数，得到的结果绘制在图11上。在CMIP5和CMIP6的模式模拟中，模式与观测时间主成分的相关系数与AO、WP的相关系数之间均出现了显著的相关关系(图11a、b)，这些模式模拟的MCA大气环流模态与AO有良好的相关性，和WP的相关性更强。上述结果表明CMIP模式能够正确地模拟大气环流场的AO/WP反相位叠加的特征，并且CMIP6模式中位势高度场相关参数整体上更加接近观测结果。图11进一步分析了模式和观测中MCA模态中大气环流场的时间序列之间的相关性与上一节使用的技巧评分SC的关系。在CMIP5模式中，两者之间没有显著的相关性(相关系数为-0.16)，表明空间模拟性能较好的模式可能仍然缺乏对时间变率的模拟能力。而在CMIP6模式中，这一系数提升到0.24，超过α=0.05显著性水平，并且分布更加密集，表明CMIP6模式对耦合模态的空间分布和时间变率模拟性能的同步性有所提高(图11c)。

图11 所有CMIP5/CMIP6模式显著MCA结果的位势高度场时间主成分与观测对应结果的相关性与：(a)位势高度场时间主成分与参考态同期AO序列相关性；(b)位势高度场时间主成分与参考态同期WP序列相关性；(c)位势高度同性回归系数场评分的散点

本文进一步诊断比较了各模式耦合模态中大气环流场对应的波活动通量，评价模式能否再现观测中的波动能量传播途径及耦合关系背后的物理过程。图12中的CMIP5模式往往能模拟出遥相关波列中单支波列的部分特征，如CMCC-CESM(图12b), CESM1-CAM5(图12c), MPI-ESM-LR(图12e),IPSL-CM5A-LR(图12h)模拟出了南支波列在欧洲大陆上空到阿拉伯海的部分(但部分在高原以西上空中断)，这支波列与AO环流型相关；MIROC5(图12d), CESM1-BGC(图12f), CSIRO-Mk3-6-0(图12g)模拟出了北支波列，这支波列会诱导形成有利于冷空气南下到达高原的环流背景。

图12 观测与评分较高的CMIP5模式中波活动通量(箭矢，m2·s-2)和MCA相关流函数异常(填色，106m2·s-1)

CMIP6模式对耦合模态的模拟中更多的模式能够模拟出类似两支波列的结构(FIO-ESM-2-0, 图13e; GISS-E2-H, 图13k)。有的模式增强了对单支波列的模拟能力，如E3SM1-1(图13c)，CAMS-CSM1-0(图13g)和BCC-CSM2-MR(图13j)对南支波列的模拟。但仍有一些评分较高的模式没有表现出更接近真实情况的对双波列的模拟能力，能量传输的主要路径发生了偏移(如ACCESS-ESM1-5，图13l)，与观测中的结果有明显的不一致。有些评分较低的模式反而表现出了对北支波列的模拟能力(GISS-E2-1-G-CC和GISS-E2-1-H，结果未展示)。这些结果表明，在不同集合中，即使能较好模拟耦合关系的模式在动力机制上仍然可能存在不足。

图13 同图12，但为CMIP6模式模拟结果

同源模式的WAF诊断结果中，CMIP5中 IPSL-CM5A-LR(图12h)模拟出了类似观测的南支波列结构，但是其源头在北大西洋靠近欧洲的海面上空，而非观测中的靠近极圈的高纬度地区。CMIP6同源模式中出现了BCC-CSM2-MR(图13j), NorESM2-LM(未展示)等显著结果，对他们的WAF诊断均发现了较好的波列形态，均重现了结构较为完整的挪威海—阿拉伯半岛—高原西南侧的南支波列。因此，CMIP6在整体上对冬季环流和春季青藏高原气温的耦合关系的空间、时间模拟能力更强，对机制的捕捉能力更接近实际结果。

2.3 同源模式比较

为了全面比较CMIP全体和单个模式对大气环流—高原气温耦合关系的模拟性能，本文进一步讨论了15组同源模式模拟的显著MCA结果。通过比较它们各自的空间模拟能力技巧评分(SC)、时间变率模拟能力(与观测中大气环流场时间主成分相关性)、重要机制复现能力(与AO和WP序列的相关性及模拟波列的真实性)等方面来评价它们所代表的CMIP5和CMIP6模式的模拟能力。图14展示了CMIP5和CMIP6同源模式对各月份两变量场之间耦合关系模拟的各项得分。结果显示，更多的CMIP6同源模式(14个)模拟出了显著的冬季大气环流同后期高原气温之间的耦合关系，并且覆盖了更多的月份。ACCESS-CM2, BCC-CSM2-MR, CMCC-CM2-SR5, CanESM5, FGOALS-g3, GFDL-ESM4, GISS-E2-2-H, FIO-ESM-2-0, MRI-ESM2-0, NorESM2-LM 10个模式比他们在CMIP5中的结果更好，其中有6个模式在CMIP6中首次模拟出显著相关关系，另外4个最高相关系数高于CMIP5中结果(图14a、b)。CMIP6同源模式对耦合模态时间变率的模拟性能有所提升，CMIP5模拟结果的相关系数平均为0.11，CMIP6为0.28。但从它们的时间主成分与AO和WP时间序列的最高相关性来看，CMIP6模式提升不明显(CMIP5与AO/WP相关系数均值为0.06和-0.16，CMIP6为0.01和-0.17)。

图14 CMIP5(第一列)和CMIP6(第二列)同源模式显著MCA的空间技巧SC评分(a、b)、时间主成分与观测时间主成分(c、d)、时间主成分与AO序列(e、f)、时间主成分与WP序列(g、h)的相关关系

3 结论

研究显示，冬季北极—中高纬和青藏高原之间的大气环流常通过南北两支波列联系在一起，显著影响高原的冬季降雪、继而影响高原春季的热力状况及夏季的东亚降水。冬季大气环流与高原春季气温的这一联系也为次季节—季节气候预测提供了可能途径。本文评估了CMIP5的 36个模式和 CMIP6 的39个模式对这一观测中的相关关系的模拟能力。利用最大协方差分析方法，本文计算并比较了观测和模式中冬季北半球200 hPa位势高度场与同后期青藏高原近地面气温的耦合关系。整体而言，大部分CMIP模式能够模拟出显著的冬季北半球大气环流与青藏高原冬春气温之间的相关关系，且CMIP6模式模拟相关特征和作用机制的能力较CMIP5均有所提升。主要结论如下：

(1)CMIP5中36个模式和CMIP6中39个模式中的冬季北半球位势高度场与同后期青藏高原2 m气温场的MCA结果显示，大部分模式能够模拟出2月大气环流与2—4月青藏高原2 m气温之间显著的耦合关系，但是模拟结果的MCA模态的空间和时间分布特征与观测结果的相关性因模式而异。大部分CMIP5模式的位势高度场空间相关性在0.7以下，只有11个模式结果的空间相关性超过了0.5。这些模式结果的标准差都大于观测中模态的标准差，中心均方根误差也较大，表明模式结果相对于观测结果仍有较大偏差，空间上偏差较大区域集中于北极圈附近格陵兰、巴伦支喀拉海和白令海峡附近。CMIP6模式模拟结果中MCA模态的位势高度场空间分布特征更贴近观测，有16个模式的耦合关系与观测中MCA模态的相关系数超过了0.5，最高达到0.9，相对标准差等结果也显示其比CMIP5的结果更接近观测。

(2)在对MCA模态年际变率的模拟上，CMIP6模式模拟的时间主成分与观测相关性要好于CMIP5，前者有更多组结果与观测中MCA时间主成分之间具有较强相关性。在较长时间尺度上大部分模式都模拟出了青藏高原温度的整体升温趋势。本文根据Taylor[32]的技巧评分公式计算各模式对MCA大气环流空间模态的模拟能力，以此来评价各模式的表现。分析显示，在CMIP6模式的模拟中，具有较高评分的模式在时间变率的模拟上和观测更加接近，而在CMIP5模式的模拟中，上述相关性并不明显。

(3)本文进一步评估了各模式模拟的MCA模态背后的动力过程。观测中MCA模态的大气环流场与AO和WP在时间和空间上都具有显著的相关关系，伴随这一大气环流场，极地—高纬度激发的南北两支波列分别经过挪威海—欧洲大陆—阿拉伯半岛和喀拉海—巴伦支海—西伯利亚蒙古在高原上空汇合，影响高原的气候。CMIP5模式的结果表明，对于模拟较好的模式，其模拟的大气环流场与AO和WP在空间和时间上也有更好的相关性，CMIP6模式同样如此。通过对各模态对应的波活动通量进行诊断对比，发现在CMIP5模式中，表现最好的模式能模拟出单一波列的部分特征，但是CMIP6中有更多模式对极地—高原波列具有较强的模拟能力，表现在有模式能够模拟出类似两支波列的结构。另有一些模式增强了对单支波列的模拟能力。但空间模拟技巧评分和重现波列的能力并不完全对应。从波列结构来看，CMIP6中更多模式模拟出了较好的波列形态，其中CMCC-CM2-SR5和IPSL-CM6A-LR均重现了结构较为完整的挪威海-阿拉伯半岛—高原西南侧的南支波列，其他模式也能重现部分喀拉海—高原北侧的北支波列。结合上述定量与定性的结果，可以认为CMIP6在整体上对冬季环流和春季青藏高原气温的次季节相关关系的模拟能力更强，对机制的模拟能力更接近实际结果。

(4)本研究还关注了同源模式所代表的两代CMIP模式对冬季环流和春季青藏高原气温的次季节相关关系的改进。整体而言，CMIP6有更多的同源模式模拟出了冬季大气环流—同后期高原气温之间的相关关系，其中有6个模式在CMIP6中首次模拟出显著的相关关系。有4个CMIP6模式比CMIP5评分更高，其他模式的最高评分比原先略有降低。CMIP6对时间变率的模拟有所提升，但在同源模式中这一改变幅度较小。从它们的时间主成分与AO和WP系数的相关性来看，模式几乎没有提升。此外，尽管相较于CMIP5模式，CMIP6模式结果整体上更加趋近观测中的2 m气温场空间模态，但CMIP6模式在对于MCA模态中高原2 m气温场空间变化的模拟总体仍然弱于对北半球大气环流场的模拟能力。这也说明，在提升高原气候的模拟能力方面，仍有许多需要改进的地方。