基于CMIP6 的河南省未来21 世纪气温时空变化预估

杨沛文，田德存

（华北水利水电大学，河南 郑州 450046）

全球气候变暖已经成为不争的事实，预估未来某一地区的气温变化趋势对于经济社会发展以及气象灾害防御具有重要意义。BMA 是一种通过概率预测来减少不确定性的方法，该方法基于每个模型的训练过程得出的后验概率密度函数进行加权平均[1]。BMA 方法最初被用于集合预报系统中符合正态分布的气温和海平面气压等变量[2]，后来又将它用于非正态分布的变量，如风速、降水等[3]。利用BMA 方法制作的概率预报的方差较小，因为多模式集成方法能系统地改进概率预报的效果，减小了预报的不确定性，因此预报结果更接近大气的真实值[4]。

近几年，基于CMIP6 试验数据对区域地表气温的研究已经有许多，如李纯等[5]基于7 个共享社会经济路径及代表性质量浓度路径（SSP-RCP）组合情景，对5个CMIP6 全球模式进行多模式集合平均，预估了2015—2100 年黄河上游地区年均气温的时空变化规律。庄园煌等[6]基于SSP2-4.5、SSP3-7.0 和SSP5-8.5 这3 种不同组合情景，利用CMIP6 的16 个全球模式试验数据，多模式集合预估了1.5 ℃、2 ℃温升目标下“一带一路”主要陆域气温和降水变化。河南省地处中原地区，有着“中原粮仓”之称，利用气候模式试验结果预估河南区域尺度的气温季节变化对于中国粮食安全保障具有重大意义。本文所使用模式结果分辨率低，对区域尺度气候变化预估结果精细度低，需进行降尺度处理。利用双线性插值把河南地区7 种模式模拟结果及响应变量资料转换到相同分辨率（1°×1°）的网格点上。

1 研究区域位置和数据

1.1 研究区域位置

河南省地处中国中部，位于（31°23′N—36°22′N，110°21′E—116°39′E），东接安徽、山东，北接河北、山西，西连陕西，南临湖北。河南素有“九州腹地、十省通衢”之称，是全国重要的综合交通枢纽和人流物流信息流中心。河南省地势呈望北向南、承东启西之势，地势西高东低，由平原和盆地、山地、丘陵、水面构成，地跨长江、淮河、黄河、海河流域。

1.2 研究数据

选取来自CMIP6 中通过质量控制程序的CDS（httрs://сds.сlimаtе.сореrniсus.еu/）的子集中的7 个全球气候模式。表1 给出了模式的基础信息，选取的自变量资料为历史气候模拟试验（1971—2014 年）和未来排放情景试验（2015—2099 年）的地表逐月格点平均气温序列资料，由于CMIP6 地表逐月格点平均气温序列资料有些情景没有通过质量控制程序，数据有缺失，选取数据量较全的SSP1-2.6、SSP4-3.4、SSP5-8.5这3 种共享社会经济发展路径情景（SSPs）进行分析。SSP1-2.6 即低强迫情景，2100 年辐射强迫稳定在2.6 W/m2（对比组合情景）；SSP4-3.4 即低强迫情景，2100 年辐射强迫稳定在3.4 W/m2（温室气体少量排放）；SSP5-8.5 即高强迫情景，2100 年辐射强迫稳定在8.5 W/m2（温室气体大量排放）。响应变量资料为Climаtiс Rеsеаrсh Unit（Univеrsity оf Eаst Angliа）的CRU TS Vеrsiоn 4.05（1971—2014 年）地表逐月格点平均气温序列观测资料[7]，分辨率为0.5°×0.5°。DEM数字高程数据选取于地理空间数据云（httр://www.gsсlоud.сn）中河南地区的SRTM-30 m 数据。由于各个模式的分辨率差异较大。利用双线性方法将所有数据插值至1°×1°分辨率[8]，把河南地区分割成为42 个格点进行分析计算。

表1 7 个CMIP6 全球气候模式基本信息

2 研究方法

2.1 BMA 模型方法

BMA 方法的基本思想是对任意一个可能模型，既不完全接受也不完全否定，而是通过假设任一个模型的先验概率（一般情况下各模型初始权重相等），得到一个平均模型，通过调节多个模型降低了模型结论的不确定性。由全概率定律可知，基于训练数据yT的K个统计模型｛M1，…，MK｝的预测PDF（p（y））由式（1）给出：

式（1）中：p（y|MK）为仅基于模型MK的PDF；p（MK|yT）为给定训练数据的模型MK正确的后验概率，反映模型MK与训练数据的拟合程度。

BMA 统计模型可以扩展到动态模型。基本思想是对于任何给定的预测都有一个“最佳”模型，但不知道它是哪个模型，对最佳模型的不确定性可由BMA量化。用y表示要预测的数量。每个确定性预测fk都可以进行偏差校正，从而产生偏差校正预测。然后将预测fk与条件PDF 相关联，并假设fk是集合中的最佳预测。BMA 预测模型如下：

式（2）中：wk为预测k 模型为最佳模型的后验概率，它是基于k 模型在训练期间的预测性能得出的；可以解释为y以为条件的条件PDF。

在这种情况下，BMA 预测均值只是给定预测的y的条件期望，即：

这可以被视为确定性预测，并且可以与集合中的单个预测或集合平均值进行比较。

2.2 河南省未来21 世纪气温时空变化评估方法

为了研究河南地区未来气温的时空变化，把时期分为21 世纪初期（2021—2040 年）、中期（2050—2069年）和末期（2080—2099 年）3 个阶段[9]。同样对比期也根据前面的时间间隔进行划分，对比期定为1992—2011 年。由于夏冬2 季为极端天气，即高温、低温高发季节，持续的夏季高温会加剧干旱的发生，尤其在农业生产方面，使农作物产量下降，给农业生产造成较大影响。持续低温会带来寒潮和霜冻等灾害，给人民生产生活带来严重的影响。为3 个时期分别进行夏冬2 季划分，研究河南地区年内夏冬季节气温变化的差异程度。

3 数据分析

3.1 训练期确定

本文通过BMA 模型评估结果和观测值的均方根误差（RMSE）来选择最优训练期。选取1971—2007年月平均气温参与滑动训练，检验期为2008—2014 年，分别对河南省42 个格点进行滑动训练。发现每个格点得出的曲线趋势一致，随着训练期的延长BMA 模型的RMSE 逐步缩小，1971—1998 年RMSE 稳定在3.0 左右。由于格点数量较多这里只列出3 个格点的RMSE（如图1 所示），最终决定把1998—2007 年作为训练期，将2008—2014 年作为检验期代入建立BMA 模型。

图1 滑动训练RMSE 图

3.2 BMA 模型权重确定

模型权重反映了该模式为最佳回报模式的概率，即权重越大，表明该模式的模拟能力越强。表2 为参与集合的7 个模式在其中3 个格点的权重值，可以看出MIROC6 模式在河南省的权重值在这3 个格点里都超过了0.5，表现出了非常好的模拟性能。然后对剩余39 个格点进行同样操作，发现与这3 个格点得出的结论基本一致。大量研究结果表明，CMIP6 多模式集合平均模拟效果要好于任何一个单模式的模拟效果[6-7]，最后通过BMA 模型对各个模式进行集成。

表2 BMA 模型权重

4 模型结果与分析

4.1 不同时期地表气温变化特征分析

基于最优训练期下的模型参数，由式（4）可以得到未来变化的贝叶斯模型平均预估值，对42 个格点进行算术平均，河南省不同情景相对于对比期未来不同时期的夏、冬区域升温情况如表3、表4 所示。

表3 夏季区域升温（单位：℃）

表4 冬季区域升温（单位：℃）

从表中可以看出，温室气体排放量较低时，即SSP1-2.6 和SSP4-3.4 情景下，夏季的平均升温幅度比冬天高，而且随着温室气体排放量增加，中后期的夏季和冬季平均升温幅度相比有减少的趋势。当温室气体排放量较大，即SSP5-8.5 情景时，特别是后期时夏季和冬季平均升温幅度仅仅相差0.038 ℃，基本一致。即随着温室气体排放量的增加，季节变化对升温幅度的影响在减小。

4.2 地表气温变化的空间特征分析

图2、图3、图4 为河南省3 种不同情景下未来不同时期的升温幅度空间变化图，图5为河南省DEM图。可以看出除了SSP4-3.4 情景下的21 世纪初期以外，未来升温幅度最高的地区为河南省西部高程较高的地方，而且随着温室气体排放量的增加，河南省西部海拔较高的地方升温越明显。

图2 SSP1-2.6 情景下21 世纪前期、中期和后期夏季气温升温空间分布

图3 SSP4-3.4 情景下21 世纪前期、中期和后期夏季气温升温空间分布

图4 SSP5-8.5 情景下21 世纪前期、中期和后期夏季气温升温空间分布

图5 河南省DEM 图

5 结论

利用CMIP6 的7 个全球气候模式的模拟结果和CRU TS Vеrsiоn 4.05 地表逐月格点平均气温序列观测资料，并基于集成贝叶斯模型平均对河南省地表气温进行最优训练期的选取试验，对21 世纪河南省气温时空变化展开研究，得出以下几点结论：利用最优训练期的贝叶斯平均法对河南省21 世纪气温状况进行模拟，在7 个全球耦合模式中，模拟能力最强的模式为MIROC6 模型；将克里金插值与DEM 数字高程图结合，可以看出升温幅度最高的为地势较高的山区；温室气体排放量增加引起区域升温，季节变化特征较小。