CMIP6 HighResMIP对青藏高原气候模拟的评估和预估

杨珂珂 郭东林 华维 马迪 辛羽婷

摘要 高分辨率模式模拟被认为是研究资料相对欠缺的青藏高原地区气候变化的重要方法之一。第六次国际耦合模式比较计划（CMIP6）新增了高分辨率模式比较计划（HighResMIP），但其对青藏高原气候的模拟性能尚未系统评估。本研究分析了6对（更高、较低分辨率）CMIP6 HighResMIP模式对青藏高原当前气候的模拟能力，并集合预估了近期青藏高原氣候的变化趋势。相对较粗分辨率模拟，所有（2／3）模式的更高分辨率模拟减少了平均降水（气温）的区域平均偏差。泰勒图涉及指标的综合评估显示，约1／3模式的更高分辨率对平均气温和降水模拟效果优于较低分辨率，其余模式的更高分辨率则接近或者劣于较低分辨率。集合平均结果优于单个模式，且其更高分辨率模拟效果总体优于较低分辨率。更高分辨率模式集合预估显示，相对于1995—2014年，在SSP5-8.5情景下到2021—2040年青藏高原整体呈增温趋势，东南部增温相对较弱;降水从北到南呈增加-减少-增加的变化模态;青藏高原气温将平均增加（0.81±0.91） ℃，降水将平均增加（0.05±0.25） mm／d。

关键词 青藏高原; 气候变化; HighResMIP; 高分辨率模拟

青藏高原平均海拔在4 000 m以上，被称为“亚洲水塔”“地球第三极”等，其包含大量的冰川、积雪等固态水资源（Yao et al.，2012;Guo and Wang，2013;Duan and Xiao，2015），为世界约20％人口提供着生活用水（Immerzeel et al.，2010）。考虑到这些固态水资源的可持续性，在全球变暖背景下，青藏高原气候如何变化受到了广泛关注。然而，由于青藏高原地理环境复杂、观测资料稀缺，为在区域尺度研究其气候变化带来了困难。模式模拟可以研究过去和未来大尺度气候变化（Chen，2013），因此理论上在一定程度可以弥补上述不足。

全球气候模式（GCM）被广泛用于模拟全球或区域尺度过去和未来气候变化及其影响（He et al.，2019;于恩涛和孙建奇，2019;Khan et al.，2020;詹明月，2020;蒋文好和陈活泼，2021;徐蓉蓉等，2021）。在耦合模式比较计划（CMIP）的推动下，GCM的水平分辨率已经得到了明显提高。CMIP3大气模式的基本水平分辨率为250 km（Meehl et al.，2007），CMIP5大多数大气模式的水平分辨率提高到了150 km（Taylor et al.，2012）。但是，对于地形复杂的青藏高原区域而言，这样的分辨率可能仍不够，模拟结果存在较大不确定性。模式评估显示，CMIP5和CMIP6模式模拟的年和季节平均的表面温度呈现冷偏差，尤其是在秋季和冬季;降水被高估（Su et al.，2013;胡芩等，2014;You et al.，2016;Jia et al.，2019;陈炜等，2021）。总体上，CMIP6模式结果相对于CMIP5有所提高，但仍然存在冷、湿偏差（Zhu and Yang，2020;陈炜等，2021）。

针对全球模式分辨率较粗的限制，高分辨率区域模式动力降尺度模拟在青藏高原区域得以广泛开展（Maussion et al.，2010;Ji and Kang，2013;Yu et al.，2015;Gao et al.，2018;Guo et al.，2018;Niu et al.，2018;Fu et al.，2021）。Gao et al.（2018）研究显示，相较于用作边界条件的再分析资料或者GCM，RCM能更好地捕捉到观测的降水变化模态。另有学者也表明，相对全球模式，区域模式能更好地再现地形效应，从而捕捉到青藏高原温度和降水更精细的空间细节（Maussion et al.，2011;Ji and Kang，2013）。尽管区域模式降尺度方法在一定程度上提高了模拟性能，并体现了更多的区域细节，但由于区域模式动力降尺度方法需要给定边界场，边界场数据的不确定性直接会影响降尺度结果。并且，边界场的给定使得模拟区域不能与外界发生能水交换，给模拟结果带来了较大不确定性（Gao et al.，2012;Guo and Wang，2016）。

高分辨率全球模式模拟不必设定边界范围，因此原则上可以弥补上述不足。Guo and Wang（2016）初步研究表明，当全球模式分辨率提高至与区域模式相近时，其比区域模式能更好地模拟出青藏高原气温的气候态和趋势，但对降水气候态的模拟不及区域模式。随着高性能计算资源的增加，最新的CMIP6新增了高分辨率全球模式比较计划（HighResMIP），其大气模式水平分辨率提高到了约25 km（Haarsma et al.，2016）。最近研究已经评估了CMIP6 HighResMIP模式对中亚、西非等地区气候的模拟性能（Ajibola et al.，2020;Xin et al.，2021;Chen et al.，2022;Li et al.，2022）。但是，CMIP6 HighResMIP在青藏高原地区的模拟性能如何以及更高分辨率模拟是否更具优势，目前对此还没有开展系统的研究。

本研究基于一套格点观测资料（CN05.1）系统分析了CMIP6 HighResMIP模式对青藏高原气候的模拟性能以及分辨率提高的影响，并基于高分辨率模式的集合对近期（2021—2040年）青藏高原气候变化趋势进行了预估。

1 数据和方法

1.1 数据

CMIP6 HighResMIP模拟试验分为三个层级，第一层级试验是历史强迫的大气模式比较计划，时段为1950—2014年;第二层级为百年耦合试验，时段为1950—2050年;第三层级是对第一层级的延伸，时间为2015—2050年（部分模拟可扩展到2100年），仍然使用单独大气模式进行气候预估试验（王磊等，2019）。试验中仅考虑水平分辨率变化，垂直分辨率保持不变。高分辨率试验的大气模式水平分辨率要≤50 km。更详细的试验设计信息可见Haarsma et al.（2016）。根据数据的可获取性，本文共选取了第二层级试验6对（更高、较低分辨率）模式（表1）。较高分辨率模式包括：EC-Earth3P-HR、MRI-AGCM3-2-S、HadGEM3-GC3-HM、HiRAM-SIT-HR、NICAM16-8S和FGOALS-f3-H，其大气模式水平分辨率约在19～35 km;它们相应的较低分辨率模式分别是EC-Earth3P、MRI-AGCM3-2-H、HadGEM3-GC3-MM、HiRAM-SIT-LR、NICAM16-7S和FGOALS-f3-L，它们的大气模式水平分辨率约在50～125 km。本文中高分辨率多模式等权重集合平均记为MME-H，低分辨率多模式等权重集合平均记为MME-L。选取了1995—2014年的历史模拟为模式性能评估，2015—2040年的模拟为未来预估（2021—2040年代表近期，与Intergovernmental Panel on Climate Change Sixth Assessment Report（IPCC AR6）报告标准一致）（IPCC，2021;孙颖，2021）。由于所选的HighResMIP模式未提供2050年以后的数据，因此本文仅对近期气候进行预估。HighResMIP模式未来预估情景为共享社会经济路径，其相当于CMIP6 SSP中的最高排放情景（Haarsma et al.，2016），因此本文预估可认为是SSP5-8.5情景下的近期青藏高原气候变化。选取1995—2014年作为参考期，未来与参考期间的差代表未来时期的变化。

用于评估模式的格点观测数据为CN05.1。该数据集基于2 416个气象站观测资料内插到0.25°×0.25°网格发展而成，覆盖时期为1961—2020年，是目前可获得的中国气温、降水等气候要素的最优格点观测数据集之一。该数据集已被广泛用于气候变化和模式评估研究（Guo and Wang，2016;Zhou et al.，2016;Gao et al.，2018）。

1.2 方法

利用泰勒图、相关系数、平均偏差、均方根误差和纳什效率系数（NSE）定量评估模拟与观测值之间的相似性水平。NSE表示模拟与观测值的拟合线与1∶1线的吻合程度，其范围为-∞到1;当NSE统计值接近1时，模拟值则更准确。模拟和观测值的差异显著性采用合成分析方法评估。研究区域为：75°～105°E，25°～40°N，海拔在2 000 m以上中国疆域内的青藏高原主体。6对模式的数据统一插值到CN05.1分辨率（0.25°×0.25°）进行对比。对于气温，在插值过程中考虑了地形校正。具体方法是，先使用大气温度递减率（0.65 ℃／（100 m））将模拟格点气温订正到0 m地形高度上，然后将其插值到CN05.1格点，最后再使用大气温度递减率将插值所得温度订正到对应CN05.1格点地形上。但由于CMIP6官网未提供HiRAM-SIT-HR、HiRAM-SIT-LR和NICAM6-8S、NICAM6-7S两对模式的地形资料，因此未对其气温进行地形校正，这可能会给它们的性能评估带来一定的不确定性，但由于地形仅影响系统偏差，因此不影响未来预估结果（未来与参考期的差值）。

2 结果

2.1 历史时期温度和降水气候态模拟能力评估

6对模式和它们的集合都较好地再现了青藏高原平均气温的空间分布特征（图1、2），空间相关系数为0.79～0.93（表2）。然而6对模式对温度的模拟在多数区域都存在冷偏差，主要集中在青藏高原的西南部。在6对模式中，有4对（MRI-AGCM3-2-S、MRI-AGCM3-2-H;HadGEM3-GC31-HM、HadGEM3-GC31-MM;NICAM16-8S、NICAM16-7S;FGOALS-f3-H、FGOALS-f3-L）的更高分辨率模擬相对较粗分辨率减少了冷偏差（图2），这表明对部分模式而言，分辨率提高可减小气温模拟偏差。但各组模式分辨率提高后的模拟性能提高的幅度差异较大，对于有些模式而言，提高分辨率，模拟性能提高明显，而有些则效果较弱。MME-H模拟的冷偏差比MME-L相对较小（图1、图3和图4）。

6对模式和它们的集合都总体高估了青藏高原的平均降水，区域平均高估值为0.28～1.53 mm／d。但需要注意的是，MRI-AGCM3-2-S、MRI-AGCM3-2-H、FGOALS-f3-H和FGOALS-f3-L在较大区域出现低估的现象，并且前两个模式的低估范围主要集中在青藏高原西部，后两个模式主要集中在东南部，表明模式之间存在较大差异。所有6对模式的更高分辨率模拟相对较粗分辨率均减少了对降水的高估（图5），这表明分辨率提高对降水的模拟偏差有所改进。就集合平均而言，相对于MME-L，MME-H对降水的高估减弱，且给出了更多区域细节（图1、图3和图4）。

从泰勒图（图6a）可以看出，6对模式都合理地模拟了青藏高原气温的空间分布，模式间的差异较小。从单个模式来看，2对模式的更高分辨率气温模拟的效果优于较低分辨率（NICAM16-8S、NICAM16-7S;FGOALS-f3-H、FGOALS-f3-L），其余模式的更高分辨率模拟的效果接近或者劣于低分辨率。集合平均气温模拟结果总体要优于单个模式结果，并且MME-H的模拟性能略好于MME-L（表2）。模式对降水空间变化的模拟性能要弱于气温（图6b），且模式间的差异较大。从单个模式来看，与气温类似，有2对模式的更高分辨率降水模拟的效果优于较低分辨率（NICAM16-8S、NICAM16-7S;HiRAM-SIT-HR、HiRAM-SIT-LR），其余模式的更高分辨率模拟的效果接近或者劣于低分辨率。集合平均降水模拟结果明显优于单个模式结果，并且MME-H的模拟性能好于MME-L（图6b）。综上，仅部分模式的高分辨率模式对青藏高原气温和降水的模拟能力优于低分辨率模式，因此分辨率提高对模拟性能的影响具有模式依赖性。

2.2 多模式集合预估未来近期气候变化

上面对历史时期模拟结果的评估显示，多模式集合平均模拟结果总体要优于单个模式，且更高分辨率模拟（MME-H）的集合结果优于较低分辨率（MME-L）。因此，本文基于MME-H结果对未来SSP5-8.5情景下近期青藏高原气温和降水的变化趋势进行预估，同时给出了MME-L的结果进行对比分析。

如图7所示，MME-H预估在SSP5-8.5情景下到近期整个青藏高原均呈现增温趋势。相对1995—2014年，绝大部分地区增温在0.8 ℃以上，东南部增温相对其余区域较弱。MME-L预估的增温空间分布模态与MME-H具有一定的差异，其预估的增温相对较弱区域为青藏高原西南部和柴达木盆地，而不是东南部。就区域平均气温变化序列的趋势而言，MME-H模拟的温度在1995—2014年的趋势为 0.36 ℃／（10 a）（MME-L：0.22 ℃／（10 a）），接近但小于观测趋势0.45 ℃／（10 a）（图8a）。MME-H预估的2021—2040年区域平均气温随时间呈逐渐升高趋势（图8a），相对1995—2014年将平均升高（0.81±0.91） ℃。MME-L预估的气温将平均升高（0.80±1.01） ℃，与MME-L结果接近，但不确定性范围增大（图7和图8）。

对于降水，MME-H预估在SSP8.5情景下到近期青藏高原北部和东南部降水增多，西南以及中部部分地区降水减少。MME-L预估的降水空间变化模态与MME-H较为相似，但MME-H由于分辨率更高，因此给出了更多的区域细节（图7）。就区域平均降水变化序列的趋势而言，MME-H和MME-L模拟的降水在1995—2014年无明显变化趋势，与观测结果相似（图8b）。MME-H预估的2021—2040年区域平均降水随时间呈弱增加趋势（图8b），相对1995—2014年将平均增加（0.05±0.25） mm／d。MME-L预估的降水将平均升高（0.02±0.37） mm／d，低于MME-H结果，其不确定性范围较MME-H增大（图7和图8）。

3 讨论

青藏高原复杂的地形条件使其成为检验分辨率提高对模拟性能影响的理想之地。一直以来，不管是全球模式还是区域模式，它们的模拟结果在青藏高原上均体现为冷和湿的偏差（Su et al.，2013;Guo et al.，2018;Zhu and Yang，2020）。Guo and Wang（2016）研究显示，区域模式会加大作为其驱动场的粗分辨率（1.125°）全球模式中青藏高原地区的冷偏差，而与区域模式分辨率相近的高分辨率（ 0.562 5°）全球模式可明显减少这种冷偏差。这一结果的后半部分得到了当前研究的进一步证实。也就是，当分辨率进一步提高时[从较粗分辨率范围（1.25°×1.0°～0.5°×0.5°，不同模式分辨率相异）到较高分辨率范围（0.35°×0.35°～0.19°×0.19°）]，多数全球模式的冷偏差减小，尤其是青藏高原西部（图2）。但需要注意的是，青藏高原西部台站稀少，造成CN05.1资料可能在这些地区存在一定偏差（吴佳和高学杰，2013），因此可能引起了评估结果的不确定性。对于降水，Guo and Wang（2016）研究显示，高分辨率（0.562 5°）全球模式可在一定程度上减少粗分辨率（1.125°）全球模式中的湿偏差。当前研究也进一步证实了这一结果，当分辨率进一步提高时，6对模式的湿偏差均减少（图5）。相较于气温，模式分辨率提高对降水的改进更明显，主要原因是降水具有明显的局地性或零散性特征，受地形影响较大（黄子立等，2021;Xin et al.，2021）。本研究讨论了全球模式分辨率提高对青藏高原冷、湿偏差的影响，关于引起这种冷、湿偏差的物理过程与机制还需要进一步深入研究。Chen et al.（2017）指出气候模式高估了青藏高原积雪，其通过积雪反照率反馈作用引起了冷偏差（Zhu and Yang，2020）。已有研究也表明模拟的湿偏差可能与季风系统等有关（Su et al.，2013;Gu et al.，2020;Zhu and Yang，2020）。

本文更高分辨率模式集合预估（MME-H）显示，在SSP5-8.5情景下到近期（2021—2040年）青藏高原东南部增温相对其他地区较弱。这一结果与区域模式集合预估的RCP8.5情景下2016—2035年的变化结果（相对1986—2005年）相似（Guo et al.，2018）。同时，其也与区域模式RegCM4预估的RCP8.5情景下2089—2099年的变化结果（相对1995—2005年）类似（Ji and Kang，2013）。对于降水，MME-H预估出在SSP5-8.5情景下到近期青藏高原地区从北向南呈增加—减少—增加的变化模态。这一变化模态与区域模式集合预估的RCP8.5情景下2016—2035年的结果（相对1986—2005年）十分相似（Guo et al.，2018），不同的是MME-H预估的南部降水增加强于北部，而区域模式集合预估却与之相反。这一变化模态也与区域模式RegCM4预估的RCP8.5情景下2089—2099年的結果（相对1995—2005年）较为相似（Ji and Kang，2013）。尽管未来预估结果与现实相比可能存在较大不确定性，但多种研究之间较好的一致性能增加预估的可信度。本研究基于多个高分辨率全球模式的集合，预估了青藏高原气温和降水在近期的变化，并将其与已有工作进行了对比，未来需进一步深入研究这种气候变化的物理机制。

4 结论

本文利用CMIP6 HighResMIP研究了全球模式分辨率提高对青藏高原气候模拟性能的影响，并基于多个高分辨率气候模式集合，预估了近期青藏高原的气候变化趋势，得到如下主要结果：

1）揭示了全球模式分辨率提高总体可减少青藏高原气温和降水的模拟偏差，但综合泰勒图涉及指标来看，仅少部分（1／3）全球模式的分辨率提高可改进模拟性能。气候模式分辨率提高后的集合结果要优于其较低分辨率的集合结果。

2）在SSP5-8.5情景下，相对1995—2014年，到近期（2021—2040年）青藏高原东南部增温相对其他地区较弱，降水从北到南呈增加-减少-增加的变化模态;青藏高原区域平均气温将平均增加（0.81±0.91） ℃，降水将增加（0.05±0.25） mm／d。

这些结果将有助于理解气候模式分辨率提高对青藏高原气候模拟的影响以及近期青藏高原气候的演变趋势。针对青藏高原气候模拟，在研究方法上，前人已经从采用单个较粗分辨率全球模式（许吟隆等，2003），到多个较粗分辨率全球模式（Su et al.，2013;胡芩等，2014;Zhu and Yang，2020），再到单个区域模式（Gao et al.，2013;Ji and Kang，2013），再到多个区域模式（Guo et al.，2018）。本文进一步拓展方法到采用多个高分辨率（0.35°×0.35°～0.19°×0.19°）全球模式开展了青藏高原气候的模拟与预估研究。鉴于青藏高原地形的高度复杂性，未来有必要进一步提高全球模式分辨率开展该地区的气候模拟研究。

参考文献（References）

Ajibola F O，Zhou B T，Tchalim Gnitou G，et al.，2020.Evaluation of the performance of CMIP6 HighResMIP on West African precipitation［J］.Atmosphere，11（10）：1053.doi：10.3390／atmos11101053.

Chen H P，2013.Projected change in extreme rainfall events in China by the end of the 21st century using CMIP5 models［J］.Chin Sci Bull，58（12）：1462-1472.doi：10.1007／s11434-012-5612-2.

Chen Q L，Ge F，Jin Z R，et al.，2022.How well do the CMIP6 HighResMIP models simulate precipitation over the Tibetan Plateau？［J］.Atmos Res，279：106393.doi：10.1016／j.atmosres.2022.106393.

陳炜，姜大膀，王晓欣，2021.CMIP6模式对青藏高原气候的模拟能力评估与预估研究［J］.高原气象，40（6）：1455-1469. Chen W，Jiang D B，Wang X X，2021.Evaluation and projection of CMIP6 models for climate over the Qinghai-Xizang（Tibetan）plateau［J］.Plateau Meteor，40（6）：1455-1469.doi：10.7522／j.issn.1000-0534.2021.zk003.（in Chinese）.

Chen X L，Liu Y M，Wu G X，2017.Understanding the surface temperature cold bias in CMIP5 AGCMs over the Tibetan Plateau［J］.Adv Atmos Sci，34（12）：1447-1460.doi：10.1007／s00376-017-6326-9.

Duan A M，Xiao Z X，2015.Does the climate warming hiatus exist over the Tibetan Plateau？［J］.Sci Rep，5：13711.doi：10.1038／srep13711.

Fu Y H，Gao X J，Zhu Y M，et al.，2021.Climate change projection over the Tibetan Plateau based on a set of RCM simulations［J］.Adv Clim Change Res，12（3）：313-321.doi：10.1016／j.accre.2021.01.004.

Gao X J，Shi Y，Zhang D F，et al.，2012.Climate change in China in the 21st century as simulated by a high resolution regional climate model［J］.Chin Sci Bull，57（10）：1188-1195.doi：10.1007／s11434-011-4935-8.

Gao X J，Wang M L，Giorgi F，2013.Climate change over China in the 21st century as simulated by BCC_CSM1.1-RegCM4.0［J］.Atmos Ocean Sci Lett，6（5）：381-386.doi：10.3878／j.issn.1674-2834.13.0029.

Gao Y H，Xiao L H，Chen D L，et al.，2018.Comparison between past and future extreme precipitations simulated by global and regional climate models over the Tibetan Plateau［J］.Int J Climatol，38（3）：1285-1297.doi：10.1002／joc.5243.

Gu H H，Wang X Y，2020.Performance of the RegCM4.6 for high-resolution climate and extreme simulations over Tibetan Plateau［J］.Atmosphere，11（10）：1104.doi：10.3390／atmos11101104.

Guo D L，Wang H J，2013.Simulation of permafrost and seasonally frozen ground conditions on the Tibetan Plateau，1981—2010［J］.J Geophys Res Atmos，118（11）：5216-5230.doi：10.1002／jgrd.50457.

Guo D L，Wang H J，2016.Erratum to：comparison of a very-fine-resolution GCM with RCM dynamical downscaling in simulating climate in China［J］.Adv Atmos Sci，33（6）：794.doi：10.1007／s00376-016-0001-4.

Guo D L，Sun J Q，Yu E T，2018.Evaluation of CORDEX regional climate models in simulating temperature and precipitation over the Tibetan Plateau［J］.Atmos Ocean Sci Lett，11（3）：219-227.doi：10.1080／16742834.2018.1451725.

Haarsma R J，Roberts M J，Vidale P L，et al.，2016.High resolution model intercomparison project （HighResMIPv1.0） for CMIP6［J］.Geosci Model Dev，9（11）：4185-4208.doi：10.5194／gmd-9-4185-2016.

He S C，Yang J，Bao Q，et al.，2019.Fidelity of the observational／reanalysis datasets and global climate models in representation of extreme precipitation in East China［J］.J Climate，32（1）：195-212.doi：10.1175／jcli-d-18-0104.1.

胡芩，姜大膀，范广洲，2014.CMIP5全球气候模式对青藏高原地区气候模拟能力评估［J］.大气科学，38（5）：924-938. Hu Q，Jiang D B，Fan G Z，2014.Evaluation of CMIP5 models over the Qinghai-Tibetan Plateau［J］.Chin J Atmos Sci，38（5）：924-938.doi：10.3878／j.issn.1006-9895.2013.13197.（in Chinese）.

黃子立，吴小飞，毛江玉，2021.CMIP6模式水平分辨率对模拟我国西南地区夏季极端降水的影响评估［J］.高原气象，40（6）：1470-1483. Huang Z L，Wu X F，Mao J Y，2021.An evaluation for impacts of the horizontal resolution of CMIP6 models on simulating extreme summer rainfall over Southwest China［J］.Plateau Meteor，40（6）：1470-1483.doi：10.7522／j.issn.1000-0534.2021.zk010.（in Chinese）.

Immerzeel W W，van Beek L P H，Bierkens M F P，2010.Climate change will affect the Asian water towers［J］.Science，328（5984）：1382-1385.doi：10.1126／science.1183188.

IPCC，2021.Climate change 2021：the physical science basis［M］.Cambridge：Cambridge University Press.

Ji Z M，Kang S C，2013.Double-nested dynamical downscaling experiments over the Tibetan Plateau and their projection of climate change under two RCP scenarios［J］.J Atmos Sci，70（4）：1278-1290.doi：10.1175／jas-d-12-0155.1.

Jia K，Ruan Y F，Yang Y Z，et al.，2019.Assessing the performance of CMIP5 global climate models for simulating future precipitation change in the Tibetan Plateau［J］.Water，11（9）：1771.doi：10.3390／w11091771.

蒋文好，陈活泼，2021.CMIP6模式对亚洲中高纬区极端温度变化的模拟及预估［J］.大气科学学报，44（4）：592-603. Jiang W H，Chen H P，2021.Assessment and projection of changes in temperature extremes over the mid-high latitudes of Asia based on CMIP6 models［J］.Trans Atmos Sci，44（4）：592-603.doi：10.13878／j.cnki.dqkxxb.20210203001.（in Chinese）.

Khan A，Koch M，Tahir A，2020.Impacts of climate change on the water availability，seasonality and extremes in the upper Indus Basin（UIB）［J］.Sustainability，12（4）：1283.doi：10.3390／su12041283.

Li L L，Li J，Yu R C，2022.Evaluation of CMIP6 HighResMIP models in simulating precipitation over Central Asia［J］.Adv Clim Change Res，13（1）：1-13.doi：10.1016／j.accre.2021.09.009.

Maussion F，Scherer D，Finkelnburg R，et al.，2011.WRF simulation of a precipitation event over the Tibetan Plateau，China：an assessment using remote sensing and ground observations［J］.Hydrol Earth Syst Sci，15（6）：1795-1817.doi：10.5194／hess-15-1795-2011.

Meehl G A，Covey C，Delworth T，et al.，2007.THE WCRP CMIP3 multimodel dataset：a new era in climate change research［J］.Bull Amer Meteor Soc，88（9）：1383-1394.doi：10.1175／bams-88-9-1383.

Niu X R，Wang S Y，Tang J P，et al.，2018.Ensemble evaluation and projection of climate extremes in China using RMIP models［J］.Int J Climatol，38（4）：2039-2055.doi：10.1002／joc.5315.

Su F G，Duan X L，Chen D L，et al.，2013.Evaluation of the global climate models in the CMIP5 over the Tibetan Plateau［J］.J Climate，26（10）：3187-3208.doi：10.1175／jcli-d-12-00321.1.

孙颖，2021.人类活动对气候系统的影响：解读IPCC第六次评估报告第一工作组报告第三章［J］.大气科学学报，44（5）：654-657. Sun Y，2021.Impact of humanactivities on climate system：an interpretation of Chapter Ⅲ of WGⅠreport of IPCC AR6［J］.Trans Atmos Sci，44（5）：654-657.doi：10.13878／j.cnki.dqkxxb.20210816009.（in Chinese）.

Taylor K E，Stouffer R J，Meehl G A，2012.An overview of CMIP5 and the experiment design［J］.Bull Amer Meteor Soc，93（4）：485-498.doi：10.1175／bams-d-11-00094.1.

王磊，包庆，何编，2019.CMIP6高分辨率模式比較计划（HighResMIP）概况与评述［J］.气候变化研究进展，15（5）：498-502. Wang L，Bao Q，He B，2019.Short commentary on CMIP6 high resolution model intercomparison project（HighResMIP）［J］.Clim Change Res，15（5）：498-502.doi：10.12006／j.issn.1673-1719.2019.077.（in Chinese）..

吴佳，高学杰，2013.一套格点化的中国区域逐日观测资料及与其它资料的对比［J］.地球物理学报，56（4）：1102-1111. Wu J，Gao X J，2013.A gridded daily observation dataset over China region and comparison with the other datasets［J］.Chin J Geophys，56（4）：1102-1111.（in Chinese）.

Xin X G，Wu T W，Jie W H，et al.，2021.Impact of higher resolution on precipitation over China in CMIP6 HighResMIP models［J］.Atmosphere，12（6）：762.doi：10.3390／atmos12060762.

徐蓉蓉，梁信忠，段明铿，2021.CWRF对青藏高原气温和降水模拟效果的综合评估［J］.大气科学学报，44（1）：104-117. Xu R R，Liang X Z，Duan M K，2021.Evaluation of CWRF simulation of temperature and precipitation on the Qinghai-Tibet Plateau［J］.Trans Atmos Sci，44（1）：104-117.doi：10.13878／j.cnki.dqkxxb.20201103001.（in Chinese）.

许吟隆，薛峰，林一骅，2003.不同温室气体排放情景下中国21世纪地面气温和降水变化的模拟分析［J］.气候与环境研究，8（2）：209-217. Xu Y L，Xue F，Lin Y H，2003.Changes of surface air temperature and precipitation in China during the 21st century simulated by HadCM2 under different greenhouse gas emission scenarios［J］.Clim Environ Res，8（2）：209-217.doi：10.3969／j.issn.1006-9585.2003.02.008.（in Chinese）.

Yao T D，Thompson L G，Mosbrugger V，et al.，2012.Third pole environment （TPE）［J］.Environ Dev，3：52-64.doi：10.1016／j.envdev.2012.04.002.

You Q L，Min J Z，Kang S C，2016.Rapid warming in the Tibetan Plateau from observations and CMIP5 models in recent decades［J］.Int J Climatol，36（6）：2660-2670.doi：10.1002／joc.4520.

于恩涛，孙建奇，2019.基于多区域模式集合的中国西部干旱区极端温度未来预估［J］.大气科学学报，42（1）：46-57. Yu E T，Sun J Q，2019.Extreme temperature projection over northwestern China based on multiple regional climate models［J］.Trans Atmos Sci，42（1）：46-57.doi：10.13878／j.cnki.dqkxxb.20181109001.（in Chinese）.

Yu E T，Sun J Q，Chen H P，et al.，2015.Evaluation of a high-resolution historical simulation over China：climatology and extremes［J］.Clim Dyn，45（7／8）：2013-2031.doi：10.1007／s00382-014-2452-6.

詹明月，王国杰，陆姣，等，2020.基于CMIP6多模式的长江流域蒸散发预估及影响因素［J］.大气科学学报，43（6）：1115-1126. Zhan M Y，Wang G J，Lu J，et al.，2020.Projected evapotranspiration and the influencing factors in the Yangtze River Basin based on CMIP6 models［J］.Trans Atmos Sci，43（6）：1115-1126.doi：10.13878／j.cnki.dqkxxb.20200927002.（in Chinese）.

Zhou B T，Xu Y，Wu J，et al.，2016.Changes in temperature and precipitation extreme indices over China：analysis of a high-resolution grid dataset［J］.Int J Climatol，36（3）：1051-1066.doi：10.1002／joc.4400.

Zhu Y Y，Yang S N，2020.Evaluation of CMIP6 for historical temperature and precipitation over the Tibetan Plateau and its comparison with CMIP5［J］.Adv Clim Change Res，11（3）：239-251.doi：10.1016／j.accre.2020.08.001.

High-resolution model simulation is considered one of the important methods for studying climate change over the Tibetan Plateau （TP），which is characterized with scarce observations.The High Resolution Model Intercomparison Project （HighResMIP） has been added to the Sixth International Coupled Model Comparison Program （CMIP6），but its simulation performance has not been systematically evaluated over the TP.In this study，we evaluate the ability of CMIP6 HighResMIP models to simulate historical climate over the TP and perform an ensemble projection of the TP climate trend in the near future.The results show that，when compared to lower-resolution simulations，higher-resolution simulations of almost all （two-thirds） models reduce the area-mean bias of annual mean precipitation （surface air temperature）.A combined assessment of the Taylor diagram involving indices shows that higher-resolution simulations of about one-third of the models outperform their lower-resolution simulations for both annual mean surface air temperature and precipitation，while higher-resolution simulations of the rest of the models are close to or inferior to their lower-resolution simulations.Multi-model ensemble results outperform individual model results，and their higher-resolution simulation generally outperforms the lower-resolution simulation.Under the SSP5-8.5 scenario，an ensemble of higher-resolution models projects significant warming over the TP during 2021—2040 compared to 1995—2014，with relatively weak warming in the southeastern part.Projected precipitation shows an increasing-decreasing-increasing pattern from north to south.The annual mean surface air temperature will increase by （0.81±0.91） ℃ and precipitation will increase by （0.05±0.25） mm／d on average over the TP.These findings are useful for understanding the impact of improved model resolution on climate simulation performance over the TP and the evolution of the TPs climate in a warming future world.

Tibetan Plateau;climate change;HighResMIP;high-resolution simulation

doi：10.13878／j.cnki.dqkxxb.20220808001

（責任编辑：张福颖）