基于CMIP6 模式对青藏高原平均降水的模拟评估与预估

季玉枝,杨小玲,周波涛,徐 昕,王 元

（1.中尺度灾害性天气教育部重点实验室，南京大学大气科学学院，南京，210023；2.江西信息应用职业技术学院，南昌，330043；3.气象灾害教育部重点实验室/气象灾害预报预警与评估协同创新中心，南京信息工程大学，南京，210044）

青藏高原是我国重要的大地形，其面积占我国陆地总面积的26.8%［1］，因其巨大的冰雪储量被称为世界“第三极”［2］.青藏高原的平均海拔高度在4000 m 以上，是亚洲河流的主要源头，滋养了十几亿人口，因此被称为“亚洲水塔”［3］.作为中纬度大地形，青藏高原通过动力作用和热力作用不仅影响着我国的天气和气候变化，也对全球气候产生深远影响［4-5］.因此，青藏高原成为国际上受到广泛关注的区域.

重现当前和过去气候及气候变化的能力是评估全球气候模式（Global Climate Model，GCM）的重要部分［5］.研究表明，GCM 可以再现气候态的大尺度特征，但在某些小范围区域气候变化模拟中会出现较大的误差，尤其是在气候变化敏感区.Phillips and Gleckler［6］评估了19 个GCM 对20世纪降水的模拟能力，发现相对于全球和区域尺度的降水观测，许多模式显示出系统性偏差，与观测到的空间变化和季节周期的振幅/相位明显不同.同样，耦合模式比较计划第五阶段（CMIP5）气候模式在再现区域性降水分布，特别是高海拔的青藏高原区域时，能模拟出高原降水从西北到东南逐渐增加的空间分布特征，但通常会表现出较大的系统性偏差［7］.Jia et al［8］评估了CMIP5 的33 个GCM 对青藏高原降水的模拟能力，结果表明所有模式均高估了青藏高原降水，而且春季和夏季有着最大的湿偏差.Su et al［7］评估了24 个GCM 对降水的模拟能力，结果表明GCM 对年平均降水率高估了62%～183%，并且只有一半的模式可以重现季节降水的空间模态分布.由于青藏高原西部测站较少，对评估模式模拟优劣程度有一定影响.总的来说，CMIP5 模式对青藏高原西部降水偏少区域的模拟差异较大，虽然都能较好地模拟出降水的极大值中心，但都存在湿偏差［9］.

除此之外，GCM 还被广泛应用于预估未来气候变化.未来气候变化对水循环和经济发展有着重要意义，GCM 预估的未来气候变化对政策决策者有着重要的参考价值.政府间气候变化专门委员 会（Intergovernmental Panel on Climate Change，IPCC）在研究气候变化及其对人类社会的影响问题时很大程度上依靠GCM 在各种排放情景下对未来气候的预估.从空间变化来看，在典型浓度路径RCP4.5 和RCP8.5 情景下，未来高原年均降水整体上将有所增加，长期（2051-2095 年）降水变化的空间分布与近期（2006-2050 年）基本一致，均为北部地区的降水增加更为显著［8］.从时间变化来看，虽然模式对未来降水的预估结果有着不确定性，但都表现出年平均降水增加的趋势［10-11］.青藏高原季节降水也呈现增加的趋势，并且呈现出冬季弱、春夏季强的季节变化特征［12］.张宏文和高艳红［13］基于动力降尺度方法，运用WRF 模式预估青藏高原降水，结果表明本世纪后期高原湿季总降水将有所增加.有研究表明，青藏高原本身的复杂地形、西部地区测站较少以及东亚季风系统的复杂性都使得模式预估的不确定性增加，此外，模式低分辨率、参数化方案等问题也都将影响模式预估的不确定性［8，14］.

目前，CMIP 计划已经发展到第六阶段，为未来5～10 年气候研究提供数据支撑［15］.CMIP6 相较于CMIP5，模式数量更多，参数化方案和分辨率等方面也有不同程度的改进和提高，众多学者探究了CMIP6 模式的模拟能力较之前阶段是否有所改善.比较CMIP5 和相应CMIP6 气候模式的模拟数据发现，CMIP6 提高了中国区域降水气候态的模拟效果，减少了区域平均降水偏差［16-17］.此外，CMIP6 还提高了东亚冬季风的模拟效果，但夏季风模拟效果并未有明显改善［18］.Zhu and Yang［19］利 用CMIP5 和CMIP6 中23 个气候模式针对青藏高原降水做了评估，将CMIP6 多模式集合平均与CMIP5 结果对比发现，CMIP6 模式在柴达木盆地和西北部干旱地区模拟能力有所改善，但在湿润地区模拟降水能力较弱，且高原季节降水模拟相对于观测降水仍存在湿偏差.在预估未来气候变化上，CMIP6 结合共享社会经济路径（Shared Socioeconomic Pathways，SSPs）和辐射强迫，提出了新的气候预估情景［20］.众多学者基于此对青藏高原未来的气候变化开展研究［21-23］.研究表明，未来青藏高原降水在时间上呈现增加趋势，在空间上呈现西北向东南递增的特征.对于辐射强迫越大的情景，降水增幅越高，SSP5-8.5 情景下降水增幅接近SSP2-4.5 情景下的两倍［21-22］.李博渊和胡芩［24］指出最新的CMIP6 模式对于青藏高原降水模拟能力总体而言较差，模式模拟降水之间存在较大差异.基于现有模式数据，依据统计指标选取较优模式可获得较为统一信息，排除模式差异性对结果分析的干扰.比如，Yang et al［25-26］利用评分指数选取CMIP6 中模拟较好和较差的气候模式对中国区域未来降水进行预估，得到中国北部和西部区域降水增加显著，且模拟较优的模式相较于多模式集合平均，预估降水更多.因此，本文在评估20 个CMIP6 模式模拟青藏高原年和季节平均降水模拟能力的基础上，从中选择了对年和季节平均降水模拟较优的五个模式组成集合，比较了20 个CMIP6 模式组成的集合与择优挑选模式组成的集合在预估SSPs 情景下青藏高原地区21 世纪年和季节平均降水的变化及其差异，旨在为深入了解青藏高原气候变化提供科学参考.

1 资料和方法

1.1 资料本文采用CN05.1 格点资料来评估CMIP6 模式对青藏高原平均降水的模拟能力，该数据是根据中国气象局所属的2400 余个台站的观测资料插值而成的，分辨率为0.25°×0.25°［27］，评估时段为1995-2014 年.表1 为本文采用的CMIP6 20 个GCM 的基本信息，数据来源于https：//aims2.llnl.gov/search/？project=CMIP6/.因为模式来自不同的国家和地区，模式分辨率不一，为便于对比分析，将其双线性插值到1°×1°的网格点中.多模式集合平均为等权重平均.

表1 所使用的20 个CMIP6 模式概况Table 1 Details of 20 CMIP6 models used in this study

1.2 方法为定量评估20 个模式对降水气候态空间分布特征的模拟能力，我们使用泰勒图［28］将其形象化地表现出来.泰勒图是表现青藏高原的模拟降水数据与观测降水数据的空间相关系数（Spatial Correlation Cofficient，SCC）、中心化均方根误差（Centralized Root Mean Square Error，CRMSE）和标准差之比的综合概述图，可直观地展现和评估模式的模拟能力.其中弧度轴表示SCC，横轴和纵轴均为标准差之比，CRMSE为模式点到参照点（REF）的距离.假设模拟数据的标准差为σm，观测数据的标准差为σo，SCC，CRMSE，σm和σo之间的关系为：

其中，CRMSE的定义为：

其中，oi和fi代表观测和模拟的降水，n为样本数量.本文根据均方根误差越小越好的标准选取年平均和季节平均中模拟最优的前五个模式，用于预估青藏高原的未来降水变化趋势和空间分布.

本文基于共享社会经济路径情景SSP5-8.5和SSP2-4.5 的预估结果研究未来青藏高原地区降水的时空变化特征.SSP5-8.5 和SSP2-4.5 代表着不同的社会经济路径与辐射强迫的组合，其中SSP5-8.5 表示在SSP5 常规发展路径下到2100 年辐射强迫稳定在8.5 W·m-2，SSP2-4.5 表示在SSP2 中度发展路径下到2100 年辐射强迫稳定 在4.5 W·m-2［20］.相较之前的典型浓度路径（Representative Concentration Pathway，RCP），SSPs 情景综合考虑了人口、经济和技术等社会发展指标变化，因此能够更容易地评估气候变化减缓行动的成本和效益.

根据前人的研究，多模式等权重集合平均比多模式集合中位数模拟结果要好，并且根据模式模拟表现优选的模式集合平均相较于所有模式集合平均的模拟能力又有所提高［29］.因此在预估青藏高原降水变化时，将分析20 个CMIP6 模式的集合平均（All Multi-model Ensemble，AMME）和优选模式集合平均（Best Multi-model Ensemble，BMME）在不同情景下预估的年和季节平均降水的时空变化特征，使用置信水平为90%的t检验来检验统计显著性.

2 降水评估和预估结果分析

2.1 历史时期降水评估本文主要评估模式对青藏高原年（1-12 月，ANN）、冬季（12-2 月，DJF）、春季（3-5 月，MAM）、夏季（6-8 月，JJA）和秋季（9-11 月，SON）降水的模拟能力.图1 为观测和CMIP6 模式集合平均模拟的青藏高原年和季节平均降水的气候态与模式偏差的空间分布.大体上看，AMME 能够较好地模拟出观测的年和季节平均降水从东南向西北递减的空间分布特征，但均存在高估降水现象.就全年平均降水而言（图1a1），降水大值中心在高原东南部的横断山脉处，最小值位于中北部的柴达木盆地处.而AMME 在雅鲁藏布江南部有一个明显的虚假降水大值中心（图1a2）.与CMIP5 相似，CMIP6 AMME 在大部分地区均表现为湿偏差，尤其在南部和北部地区（图1a3）.从季节平均降水来看，青藏高原地区冬季降水（图1b1）稀少，日平均降水量大部分地区不足0.5 mm·d-1，夏季（图1d1）降水量最多，东部地区可达6 mm·d-1以上.春季（图1c1）大部分地区降水在1 mm·d-1，秋季（图1e1）降水量略大于春季，东部大部分地区可达到1 mm·d-1以上，春、秋两季的降水中心均位于青藏高原东南边界处.AMME 季节模拟结果仍存在高估降水的现象.冬季AMME 降水偏差最大（图1b2 和图1b3），在南部和西北部降水偏差达700%以上.春季（图1c2 和图1c3）的湿偏差大于秋季（图1e2 和图1e3），较大偏差出现在青藏高原西北部.夏季（图1d2 和1d3）青藏高原东南部AMME 模拟值在7 mm·d-1以上，也明显高于观测值.总的来说，AMME 对青藏高原年和季节平均降水模拟均存在湿偏差，湿偏差大值区主要集中在高原的南北缘，且冬季模拟的湿偏差最大.

图1 青藏高原地区1995-2014 年历史观测（左列）和AMME 模拟（中列）降水气候态（单位：mm·d-1）及相对偏差（右列）分布图:从上到下分别为年（1-12 月，ANN）、冬季（12-2 月，DJF）、春季（3-5 月，MAM）、夏季（6-8 月，JJA）、秋季（9-11 月，SON）Fig.1 Spatial distributions of CN05.1 (left panel)，AMME (central panel) precipitation climatology (units: mm·d-1)and relative biases between CN05.1 and AMME (right panel) for annual (ANN)，winter (DJF)，spring (MAM)，summer (JJA) and autumn (SON) during 1995-2014 over the Qinghai-Xizang Plateau

图2 是1995-2014 年青藏高原地区CMIP6模式模拟相对于观测年和季节平均降水的泰勒图，可综合表征模式对气候态降水的模拟能力.泰勒图中散点代表模式，弧度轴表示观测降水分布与模式降水分布的SCC，横轴纵轴代表模式与观测的标准差比值，而模式到REF 的距离代表CRMSE.从泰勒图的原理来看，SCC越大，CRMSE越小，标准差之比越接近1，模式模拟能力越好.除冬季外，全年平均和其他三个季节的SCC都在0.6～0.9，说明CMIP6 模式对全年平均和春、夏、秋三个季节平均降水的空间分布模拟较好.大多数模式的冬季SCC在0.6 以下，FGOALS-g3 的空间相关系数为0.3，说明模式对冬季降水的空间分布模拟较差.而且冬季模式分布较为分散，说明不同模式模拟的降水空间分布能力也存在较大差异.其次，对于CRMSE，全年和夏季都在3.0 以下，春季和秋季均仅有一个模式在3.0 以上，但冬季的CRMSE都在3.0 以上，并且NESM3 可达到6.45，说明模式模拟不同季节降水的能力有所不同，并且对冬季平均降水的模拟还存在较大缺陷.最后，所有季节和全年平均的标准差之比都大于1.0，其中冬季标准差之比数值最大，都在2.0 以上，说明所有模式均高估了青藏高原年和季节平均降水的空间变率，其中冬季更为明显.不同模式由于分辨率、地形处理等因素的影响在模拟青藏高原时存在较大差异，同一模式对全年平均和季节降水的模拟能力也不尽相同，但可以肯定的是，通过对SCC，CRMSE和标准差之比在全年平均和所有季节平均的比较，根据泰勒图可以直观地看到模式对全年和夏季降水的模拟能力最优，具体表现为模式分布相对集中，均方根误差最小.对秋季和春季模拟能力相仿，相对于全年和夏季较差，而冬季表现最差.

图2 CMIP6 20 个模式和AMME 模拟的1995-2014 年青藏高原年（a）和季节平均（b～e）降水泰勒图Fig.2 Taylor diagrams for annual (a) and seasonal (b～e) simulation precipitation of 20 CMIP6 models and AMME during 1995-2014 over the Qinghai-Xizang Plateau

综合比较AMME 对全年平均和所有季节降水的模拟能力发现，AMME 对全年、冬季、春季、夏季和秋季平均降水的均方根误差分别为1.54，3.48，1.46，1.38 和1.46，标准差之比均大于1.0，从小到大依次是夏季、春季、秋季和冬季.相对于其他20 个模式的模拟能力，AMME 的均方根误差在春季中为前五名，全年平均、冬季和秋季都处于第六位，夏季处于第八位，说明AMME 的模拟能力优于大部分模式.根据CRMSE越小越好的标准，在20 个模式中分别选取了模拟全年和各季节平均降水能力最好的五个模式，见表2.其中EC-Earth3-Veg 和EC-Earth3 在全年平均和所有季节的降水模拟能力中均排在前五名，表明这两个模式模拟年和季节平均降水均表现较好.另外来自国家气候中心的BCC-CSM2-MR 模拟全年和除冬季外的其他季节平均降水也均进入了优选模式的前五名，但对冬季降水模拟效果略逊，说明其对冬季青藏高原的降水变化研究不够充分，但这也是国际耦合模式普遍存在的问题.

表2 模拟年和季节平均降水的五个最优模式Table 2 The 5 optimal models in simulating annual and seasonal precipitation

2.2 中期和长期降水预估图3 显示了1961-2100 年青藏高原全年和季节平均降水相较基准期降水变化的时间序列.该图体现的是青藏高原地区（20°～50°N，60°～110°E）降水区域平均的结果.总体而言，SSP5-8.5 和SSP2-4.5 情景下青藏高原全年和季节平均降水均呈增加趋势，且SSP5-8.5 的增幅大于SSP2-4.5.对于全年平均降水（图3a），在两组情景下，AMME 预估到21 世纪末青藏高原降水将分别增加12.78% 和25.72%，BMME 预估到21 世纪末青藏高原年降水将分别增加14.10%和27.98%，均大于AMME 增幅.

图3 历史时期（1961-2014 年，黑线）与在SSP5-8.5（红线）和SSP2-4.5（蓝线）情景下2015-2100 年AMME（实线）和BMME（虚线）预估的青藏高原年（a）和（b～e）季节平均降水异常的20 年滑动平均的时间序列（相对于1995-2014 年）Fig.3 Time series of relative biases for annual (a) and seasonal (b～e) precipitation between observations (1961-2014)and AMME (solid line)，BMME (dotted line) under SSP5-8.5 (blue line) and SSP2-4.5 (red line)during 2015-2100 over the Qinghai-Xizang Plateau

对于冬季（图3b），在本世纪中期阶段，时间序列呈现AMME 降水增幅大于BMME 的特点，而到本世纪末，BMME 降水增幅明显大于AMME.具体而言，AMME 预估SSP2-4.5 和SSP5-8.5 情景下到21 世纪末增幅分别为10.52%和21.43%，BMME 预估增幅则要更大，分别为11.83%和25.31%.与全年平均相比，青藏高原冬季平均降水量的增幅有所减小，从图6b和图7b 的降水变化空间分布可知，这主要是未来高原南部降水减少造成的.

对于春季（图3c），到21 世纪末，SSP2-4.5 情景下的AMME 和BMME 预估降水增加15.79%和21.16%，SSP5-8.5 情景下增幅更大，AMME和BMME 预估降水增幅可分别达到29.35%和43.13%，均大于全年和冬季平均降水增幅.

对于夏季（图3d），两组情景下AMME 和BMME 的预估降水变化差异较小.到21 世纪末，在SSP2-4.5 情景下AMME 降水增加12.85%，BMME 降水增加13.19%，而在SSP5-8.5 情景下，BMME 预估降水增幅略小于AMME，分别为24%和26.46%.对比季节而言，夏季预估降水增幅大于冬季，但小于春季.

对于秋季（图3e），与上述季节预估结果不同的是，两组情景下BMME 预估降水变化往往小于AMME，尤其是在本世纪后期.到21 世纪末，AMME 预估的未来时期降水在SSP2-4.5 情景下增加12.89%，BMME 预估降水增加9.9%.在SSP5-8.5 情景下，AMME 和BMME 预估降水增幅分别为30.4%和25.12%.

综上所述，两组情景下，未来青藏高原全年和季节平均降水总体上均呈现增加趋势，且SSP5-8.5 情景增幅大于SSP2-4.5.到21 世纪末，除夏季和秋季外，BMME 预估年和季节平均降水增幅往往大于AMME.对比各季节平均，春季降水增幅百分比最大，表明未来年平均降水的增加主要来源于春季降水的增加.

在SSP2-4.5 情景下，AMME 和BMME 预估的本世纪中期降水变化如图4 所示.SSP5-8.5 情景下降水变化如图5 所示.SSP2-4.5 情景下（图4a1 和图4a2）AMME 预估本世纪中期青藏高原年平均降水呈现增加的趋势，区域平均降水增幅为7.82%，其中西北部增幅较大，东南部增幅较小.BMME 将这一变化特征表现得更加明显.区域平均降水增幅为10.49%，西北部地区降水增幅普遍大于8%.SSP5-8.5 情景下两组模式集合预估的本世纪中期年平均降水变化的空间分布与SSP2-4.5 情景一致，而增幅大于SSP2-4.5（图5a1 和图5a2）.在SSP5-8.5 情景下AMME 预估青藏高原地区本世纪中期年降水增加10.87%，BMME 预估增幅更大，为13.16%.

图4 SSP2-4.5 情景下青藏高原地区中期（2046-2065 年）相对于1995-2014 年的年（a）和季节平均（b～e）降水变化Fig.4 Projected percentage changes for annual (a) and seasonal (b～e) precipitation under SSP2-4.5 over the period 2046-2065 relative to 1995-2014

图5 SSP5-8.5 情景下青藏高原中期（2046-2065 年）相对于1995-2014 年的年（a）和季节平均（b～e）降水变化Fig.5 Projected percentage changes for annual (a) and seasonal (b～e) precipitation under SSP5-8.5 over the period 2046-2065 relative to 1995-2014

对于冬季，与全年平均降水变化不同的是，SSP2-4.5 情景下（图4b1 和图4b2），两组模式集合预估青藏高原中北部降水有增加的趋势，而南部降水呈现减少的趋势.从区域平均上看，BMME 预估青藏高原冬季降水增幅为6.99%，略大于AMME 预估的6.46%.在SSP5-8.5 情景下（图5b1 和图5b2），AMME 和BMME 预估青藏高原中北部冬季降水增幅更大，整体而言，SSP5-8.5 情景下的冬季降水增幅分别为7.79% 和5.36%，BMME 预估降水小于AMME，且 比SSP2-4.5 情景下BMME 预估增幅更小.这主要是因为高原南部降水减少的幅度更大.

对于春季，与全年平均降水变化相似，青藏高原降水呈现增加的趋势，北部与西部降水增幅大于南部与东部（图4c1，4c2 和 图5c1，5c2）.在SSP2-4.5 情景下，AMME 预估青藏高原春季降水增幅为10.32%，BMME 预估降水增幅为15.37%，降水增幅大值区位于柴达木盆地.在SSP5-8.5 情景下，AMME 和BMME 预估降水增幅分别为13.26%和18.88%.

对于夏季，除东部部分地区外，两组模式集合均预估青藏高原降水呈现增加趋势.在SSP2-4.5 情景下（图4d1 和图4d2），降水增幅大值区位于西部和北部，且BMME 预估降水增幅更大.在SSP5-8.5 情景下，两组模式集合预估夏季降水增幅都 有明显增 大（图5d1 和图5d2），AMME 和BMME 预估降水增幅分别为 11.64% 和12.25%，大于SSP2-4.5 情景下8.14%和8.43%的降水增幅.

对于秋季，与冬季降水变化的空间分布相似，在SSP2-4.5 情景下，BMME 预估青藏高原秋季降水呈现北增南减的趋势.区域平均而言，BMME 预估秋季降水增幅为6.34%，小于AMME 预估的7.82%.在SSP5-8.5 情景下，两组模式集合预估绝大多数地区秋季降水都将有所增加，增幅相较SSP2-4.5 情景下也都有所增大.

总体而言，除冬季和秋季南部部分地区和夏季东部部分地区外，两组模式集合预估年和季节平均降水呈现增加的趋势，其中SSP5-8.5 情景下的增幅大于SSP2-4.5.BMME 预估全年和春、夏季降水增幅大于AMME 预估.除冬季外，青藏高原北部和西部的年和季节平均降水增幅往往大于南部和东部.

到本世纪末，在两组情景下，AMME 和BMME 预估的青藏高原全区域的年平均降水都将有所增加，与中期降水变化分布具有较好的一致性，表现为AMME 预估降水增幅最大的区域位于青藏高原的西部与北部，BMME 相较AMME 的预估增幅有所增大（图6a1，6a2 和图7a1，7a2）.就区域平均而言，AMME 和BMME 预估SSP2-4.5 情景下青藏高原年平均降水增幅为12.78%和14.10%.相较于低排放情景，SSP5-8.5 情景下两组模式集合预估的降水增幅有较大差异，增幅分别为25.72%和27.98%.

图6 SSP2-4.5 情景下青藏高原长期（2081-2100 年）降水相对于1995-2014 年的年（a）和季节平均（b～e）降水变化Fig.6 Projected percentage changes for annual (a) and seasonal (b～e) precipitation under SSP2-4.5 over the period 2081-2100 relative to 1995-2014

在季节尺度上，与中期季节平均降水变化分布相似，在两组情景下，除了冬季和秋季南部地区、夏季东部地区表现为降水减少以外，其他大部分地区表现为季节平均降水量的增加.

对于冬季，SSP2-4.5 情景下两组模式集合预估青藏高原降水呈现“北增南减”的分布特征，降水减少的大值区位于西南地区，降水增加的大值区位于东部和北部地区，BMME 预估变化幅度大于AMME（图6b1 和图6b2）.从区域平均上看，BMME 预估青藏高原冬季降水增幅为11.83%，AMME 为10.52%.SSP5-8.5 情景下，降水减少区域主要集中在西南地区，其他大部分地区表现为降水量的增加（图7b1 和图7b2）.整体而言，AMME 预估降水增加21.43%，BMME 预估降水增加25.31%.

对于春季，SSP2-4.5 情景下预估降水（图6c1和图6c2）在青藏高原为增加趋势，大部分地区的降水增幅在12%以上.就区域平均而言，BMME预估降水增幅为21.16%，AMME 为15.79%，BMME 预估降水增幅大于AMME.在SSP5-8.5情景与SSP2-4.5 情景下得到的结论一致（图7c1和图7c2），区域平均之后，AMME 预估降水增幅为29.35%，BMME 为43.13%.

对于夏季，SSP2-4.5 情景下两组模式集合的预估结果（图6d1 和图6d2）表明青藏高原长期降水增加的大值区位于青藏高原西部，而BMME 预估东部存在降水减少的趋势.在SSP5-8.5 情景下，两组模式集合均预估在高原东部存在降水减少的区域，除此之外，青藏高原总体上以降水增加为主.对比SSP2-4.5 情景，SSP5-8.5 情景下青藏高原的长期降水预估中心不仅出现在高原西部，还出现在高原北部.整体而言，SSP5-8.5 情景下AMME 预估降水增幅为26.46%，BMME 预估降水增幅（图7d2）接近24%.

对于秋季，SSP2-4.5 情景AMME 预估降水（图6e1）表明降水增加的极大值中心出现在高原西南部和东北部，降水中心增幅在16%以上，但BMME 预估降水（图6e2）在青藏高原西部的降水极大值中心消失，在东北部的降水极大值中心范围减小，东南部降水增多，整体而言，BMME 比AMME 预估降水减少约3%.在SSP5-8.5 情景下（图7e1 和图7e2），BMME 比AMME 预估降水增幅减少约5%.

综上所述，与中期降水变化的分布一致，到本世纪末，在两组情景下，除了冬季和秋季南部地区、夏季东部地区表现为降水减少以外，其他大部分地区表现为全年和季节平均降水量的增加，且长期降水增幅大于中期.通过SSP2-4.5 与SSP5-8.5 情景的对比可知，辐射强迫越高，预估降水增幅越大，即SSP5-8.5 情景下预估降水增幅大于SSP2-4.5 情景.除夏季与秋季外，BMME 预估降水增幅往往大于AMME.对比各季节平均，冬季降水增幅最少，这与高原南部较大范围的降水减少有关.除冬季外，青藏高原大部分地区的季节降水均将有所增加，其中春季降水增幅最大.

3 结论

本文利用20 个CMIP6 模式历史数据与CN05.1 观测数据进行对比，评估了CMIP6 模式对青藏高原年和季节平均降水的模拟能力.并根据中心化均方根误差择优选取了五个模式，基于20 个模式的AMME 与BMME 的预估结果，分析了青藏高原未来降水的时空变化特征，得到了如下结论.

（1）CMIP6 模式能很好地模拟青藏高原降水从东南向西北递减的空间分布特点，但仍存在湿偏差，尤其是冬季.模式之间模拟结果有所差异，同一模式对不同季节的模拟能力也不尽相同.经过评估，模式EC-Earth3-Veg 和EC-Earth3 模拟全年和各季节平均降水均取得较高排名.此外，BCC-CSM2-MR 在模拟除冬季外的年和季节平均降水时也表现出良好的性能.

（2）两组情景下两组模式集合的预估结果表明，未来青藏高原全年和季节平均降水总体上均呈现增加趋势，且SSP5-8.5 情景增幅大于SSP2-4.5.除夏季和秋季以及中期（2046-2065 年）冬季降水外，BMME 预估年和季节平均降水增幅往往大于AMME.对比各季节平均，BMME 预估春季降水增幅百分比最大，表明未来年平均降水的增加主要来源于春季降水的增加.

（3）从降水变化的空间分布上看，中期降水变化与长期（2081-2100 年）分布一致，在两组情景下，除了冬季和秋季南部地区、夏季东部地区表现为降水减少以外，其他大部分地区表现为全年和季节平均降水量的增加，且长期降水增幅大于中期，SSP5-8.5 情景下预估降水增幅大于SSP2-4.5 情景.BMME 预估中期全年和春、夏季降水增幅大于AMME，预估长期全年和冬、春季平均降水增幅大于AMME.除冬季外，青藏高原北部和西部的年和季节平均降水增幅往往大于南部和东部.CMIP6 模式较CMIP5 模式的模拟能力有所改进和提高，但对青藏高原降水的模拟仍存在系统性偏差.系统性偏差可能与模式的低分辨率有关.青藏高原复杂的地形引发许多过程，例如局地环流，这些过程会因模式的低分辨率而无法模拟.以全年平均降水的模拟排名为例，ECEarth3-Veg 和EC-Earth3 是20 个模式中模拟表现最好的，其空间分辨率也是最高的.另外，在选取最优模式时，根据不同的标准选取的模式可能会有所不同，对于不同区域使用同一指标所选取的最优模式也会有所不同.

本研究基于CMIP6 的20 个模式，评估高原降水模拟情况，并预估未来降水变化情况，但观测数据差异、模式选择差异和评估时间差异等因素均会对研究结果产生影响.如张佳怡等［23］采用中国区域地面气象要素驱动数据集及CMIP6 中的24 个气候模式，选取1979-2014 年为基准期，在不同情景下预估2061-2080 年降水变幅为-1%～21%.李博渊和胡芩［24］的研究表明选取1995-2014 年为基准期，SSP5-8.5 情景下降水增幅为23%.虽然预估结果有所差异，但以上研究均表明降水量在未来呈现增长趋势，且在SSP5-8.5 情景下降水增幅最大.

此外，由于本文使用的CN05.1 观测资料由气象站点插值而成，但高原站点稀疏，冬季降水较少，并且主要以降雪为主，存在不可忽略的观测误差，在评估模式高估冬季降水方面存在误差.Zhou et al［30］使用多种观测降水资料评估模式模拟效果，减少了高原地区降水观测资料的不足所带来的误差.未来将结合GPCC，CMORPH 等卫星降水数据详细分析CMIP6 气候模式对高原冬季降水的模拟效果.