CMIP5模式對東北地區氣溫模擬能力評估

敖 雪，翟晴飛，崔 妍，趙春雨，王 濤，周曉宇，王 穎

(1.遼寧省沈陽區域氣候中心，遼寧 沈陽 110166；2.遼寧省人工影響天氣辦公室，遼寧 沈陽 110166)

?

CMIP5模式對東北地區氣溫模擬能力評估

敖 雪1，翟晴飛2*，崔 妍1，趙春雨1，王 濤1，周曉宇1，王 穎1

(1.遼寧省沈陽區域氣候中心，遼寧 沈陽 110166；2.遼寧省人工影響天氣辦公室，遼寧 沈陽 110166)

摘要：利用CMIP5的多模式集合資料和中國東北地區162個站點逐月平均氣溫實測資料，從時間變化和空間分布兩方面評估了CMIP5模式對1961～2005年中國東北地區氣溫的模擬能力。結果表明：全球氣候模式能夠較好地再現東北地區氣溫顯著增高趨勢和年平均氣溫由南向北遞減的緯向分布特征以及冷暖中心。EOF分析結果顯示，東北地區20世紀90年代以前增溫較慢，90年代之后增溫較快，東北地區年平均氣溫呈現南北反位相的時空變化特征。模擬結果和觀測結果具有較好的一致性。

關鍵詞：CMIP5；東北地區；氣溫；評估

近年來，氣候變化特別是全球氣候變暖對自然生態系統和社會經濟發展產生的影響已成為重大的全球性問題，得到國際社會的普遍關注。IPCC第5次評估報告[1-2]指出，1880～2012年全球平均溫度已升高0.85 ℃(0.65～1.06 ℃)。過去30年，每10年地表溫度的增暖幅度高于1850年以來的任何時期。在北半球，1983～2012年可能是最近1400年來氣溫最高的30年，特別是1971～2010年間海洋變暖所吸收熱量占地球氣候系統熱能儲量的90%以上，海洋上層(0～700 m)已經變暖。東北地區是中國最大的商品糧基地和農業生產最具發展潛力的地區之一，同時也是中國重要的工業和能源基地。東北地域廣闊，背靠亞歐大陸，面朝太平洋，海陸差異顯著。處于溫帶季風氣候區，雨熱同期，是典型的氣候脆弱區，在全球氣候變化中具有很強的敏感性[3-5]。因此在全球變暖的背景下，了解東北氣候如何變化，氣溫的分布特征具有重要意義。

近10年不少學者利用全球氣候模式對區域氣候變化進行模擬分析，郭彥等[6]評估了CMIP5模式對中國氣溫變化的模擬能力，并與CMIP3模式對比，得出CMIP5的模擬結果較CMIP3有所提高；楊侃等[7]利用全球氣候模式對寧夏區域氣候變化進行了模擬分析，發現地面氣溫的模擬值偏低，降水量的模擬值偏高；姚遙等利用8個CMIP5模式對中國極端氣溫進行了模擬，發現所有極端氣溫指數模擬和觀測結果的時間相關均達到0.1顯著水平，20年一遇極端氣溫模擬和觀測結果空間相關系數為0.98[8]。眾多研究結果表明全球氣候模式對區域氣候具有一定的模擬能力。眾多學者選用多模式集合方法( Multi-model Ensembles，MME) 對多個模式總體性能進行評估[9]，該方法不僅在一定程度上抵消了各個模式存在的偏差，并且模擬結果和觀測結果最為相似，因而和真實的自然狀態更為接近，所以被廣泛應用于模擬和預估未來氣候變化的研究當中[10-11]。作為中國受氣候變暖影響最為敏感的地區之一，東北地區曾經的氣候狀況，未來的氣候變化，及其空間分布概況，這些問題仍舊缺少系統的研究。因此，本研究從時間變化和空間分布兩方面采用多模式集合(MME)方法系統地評估了CMIP5氣候系統模式對東北地區1961-2005年平均氣溫的模擬性能，以期為今后對東北地區的氣候預估打下基礎。

1資料和方法

1.1研究資料

研究資料包括觀測資料和模式模擬資料兩部分，并將資料長度統一為1961～2005年。本文使用東北地區162個氣象站逐月平均氣溫資料作為觀測資料，已對資料進行了初步的質量控制。

單個模式的模擬能力有局限性，模式集合可以較好地模擬出我國氣候的平均狀態，而且已有研究指出多模式集合結果對中國氣候總體上要較單個模式具有更為可靠的模擬能力[12-14]。所以本文將23個CMIP5全球氣候模式的月平均資料，經過雙線性插值將不同分辨率的模式資料插值到1°×1°的同一格點分布，區域范圍為東亞地區(60°～149° E，0.5°～69.5° N)，利用簡單算術平均方法得到多模式集合資料。

1.2研究方法

本文主要從時間變化和空間分布兩個方面評估CMIP5模式對中國東北地區平均氣溫的模擬能力。首先利用雙線性插值將模式資料插值到中國東北地區162個氣象站上，然后將插值結果與同時段觀測資料進行比較分析，并對觀測和模擬的1961～2005年的氣溫數據進行EOF分析和顯著性檢驗[15]，評估模式對基本氣候要素時空變化特征的模擬能力。

常用EOF對氣象要素場進行分析，EOF不僅可以提取氣象要素場隨時間變化的空間特征模式，還可以提取時間變化的特征模式，具有適應性廣、收斂快等優點[16]。

2結果與分析

2.1全球氣候模式對時間變化模擬能力的評估

2.1.1年內變化表1為1961～2005年東北地區年和季節氣溫的模擬值、觀測值和模擬誤差，其中MME為多模式集合值，OBS為觀測值。從表1可知，模式對東北區域氣候具有一定的模擬能力，對氣溫的模擬略偏低，年平均氣溫偏低1.49 ℃，其中春季誤差最大，達到2.25 ℃，冬季誤差最小，模式對夏季和冬季的模擬較春秋兩季更好。

表1MME模擬1961～2005年東北地區

平均氣溫與觀測值的差異

℃

進一步分析1961～2005年東北45年逐月平均氣溫的對比結果，由圖1可以看出，多模式集合很好地模擬出了溫度逐月變化的總體特征。7月溫度最高，1月溫度最低，呈單峰狀。模式對1月、7～12月模擬結果較好，模擬誤差均在1.5 ℃以內，其中對1月的模擬偏差僅為0.7 ℃。總之，模式結果能較好地再現氣溫的逐月變化，但是在數值上均小于觀測值。

圖1　1961～2005年東北地區氣溫模擬值和觀測值的逐月變化

2.1.2年際變化圖2為1961～2005年多模式集合對東北地區年平均氣溫年際變化的模擬結果。從中可以看出，多模式集合能很好地模擬出1961～2005年東北地區的顯著增暖趨勢，并且與觀測值的增暖趨勢基本一致，多模式集合的增暖速率為0.28 ℃/10年；1961～2005年東北地區氣溫觀測值呈顯著上升趨勢，增暖速率為0.37 ℃/10年，多模式集合的增暖速率要略低于觀測值，但均通過0.05顯著性檢驗，與姜燕敏等[17]得出的結論相一致。并且模擬值對年平均氣溫的模擬偏低，模擬值和觀測值的相關系數達到0.61。

結合11年滑動平均曲線進行分析，可以看出，觀測值的年際振蕩明顯大于模擬值，模擬值的振蕩幅度在1 ℃以內，而觀測值在2 ℃左右，這也說明模式對極值起到一定的平滑作用。

2.2全球氣候模式對空間分布模擬能力的評估

2.2.1平均氣溫氣候的態空間分布圖3為中國東北地區年平均氣溫多模式集合模擬場、觀測場以及差值場。對比觀測場和多模式集合模擬場可以看出，模式對氣溫的模擬結果呈緯向分布，能很好地模擬出東北地區年平均氣溫南高北低的分布格局，并且模擬出的冷暖中心位置與觀測場非常接近。觀測資料顯示，東北地區大部分地區的年平均氣溫大于0 ℃，小于0 ℃的地區出現在黑龍江的西北部，高值區域主要在遼寧南部，0 ℃等值線分布在黑龍江大興安嶺地區。對比模擬值，可以發現，兩者在數值上存在一定偏差，模擬值基本上都低于觀測值，并且模擬值的0 ℃線較觀測值偏南，模擬的等溫線較觀測值更加平直，這可能是由于全球氣候模式分辨率較低，未能很好模擬出年平均氣溫的小尺度信息[18]。從差值場(圖3c)可以發現，模擬值和觀測值差異不大，在2.7 ℃以內，在

吉林東部的靖宇、東崗和松江等地區模擬值大于觀測值，差值在1 ℃之內，其他地區的模擬值普遍偏小。模擬誤差較大的地區主要集中在黑龍江東北部、西南部地區和吉林西部部分地區，模式對吉林東部、遼寧東部地區氣溫模擬誤差相對較小，效果較好。

圖2　1961～2005年東北地區平均氣溫演變特征

a：多模式集合模擬場；b：觀測場；c：差值場(模擬值-觀測值)圖3　1961～2005年東北地區年平均氣溫(℃)的空間分布

2.2.2 平均氣溫變化線性趨勢的空間分布圖4分別為中國東北地區年平均氣溫多模式集合數據、觀測數據以及它們的差值數據在每個格點的氣溫變化率的空間分布情況。觀測結果顯示，整個東北地區呈現顯著增溫趨勢，除黑龍江饒河、肇源和遼寧本溪外，其余站點均通過了0.05的可信度檢驗。氣溫變化率介于0.07～0.70 ℃/10年之間，不同區域增幅有所差異，增溫幅度較大區域位于黑龍江的西部和北部地區，增幅數值在0.53 ℃/10年以上；增長較小的區域位于吉林東部和遼寧除中部外的大部分地區，數值在0.32 ℃/10年以下。

多模式集合結果顯示，整個東北地區均出現了顯著增溫趨勢，所有站點均通過了0.05的可信度檢驗。氣溫變化率介于0.18～0.31 ℃/10年之間，基本小于觀測值，北部增溫趨勢較南部明顯，高值區位于黑龍江北部地區，整個遼寧地區均處在低值區，而實際情況在遼寧中部地區存在部分高值區域。多模式集合數據減去觀測數據，得到差值場。差值場的數值范圍在-0.43～0.2 ℃/10年之間，負值區域明顯多于正值區域。黑龍江西部地區模擬的氣溫變化率明顯低于觀測值，數值在-0.43～-0.18 ℃/10年之間，正值區域主要位于黑龍江東部和遼寧北部地區。

為了進一步檢驗模式的模擬性能，將觀測數據和多模式集合數據進行EOF分析并通過了顯著性檢驗，對比兩者年平均氣溫的前兩個特征向量的空間分布及其對應的時間系數(圖5)。圖5a為觀測數據的第一特征向量的空間分布，對應所占的方差比例為85.8%，主要特征為整個東北地區呈現一致的負值；結合對應的時間系數變化曲線(圖5c)來看，1961～2005年期間時間系數呈明顯下降趨勢(通過了0.01的可信度檢驗)，20世紀90年代之前為正值，之后為負值，可知整個東北地區從20世紀60年代以來一直呈增溫趨勢，20世紀90年代以前增溫較慢，90年代之后增溫較快。其中黑龍江漠河、饒河、肇源、雞西、林口以及遼寧本溪一帶增溫較緩慢，這與圖4得出的結論一致。在吉林地區，存在一個明顯的負值中心，與模式的模擬結果(圖5b)比較可以發現，兩者負值區域的分布相似，負值中心都出現在吉林地區。模式數據第一特征向量的空間分布也是一致呈負值，所占方差比例為97.7%；其對應的時間系數變化曲線(圖5d)也呈明顯下降趨勢(通過了0.01的可信度檢驗)，20世紀90年代之前為正值，之后為負值，與觀測值具有很好的一致性。EOF1表明觀測和模擬的東北地區年平均氣溫在1961～2005年具有整體一致的變化特征。

圖4　1961～2005年東北地區年平均氣溫變化線性趨勢的空間分布

圖5　1961～2005年東北地區觀測和模擬的年平均氣溫EOF1分析得到的特征向量及時間系數

圖6為觀測數據和多模式集合數據的EOF第二特征向量的空間分布和對應時間系數。從圖6a和6b中可以看出，觀測場和模式場都呈現東北地區年平均氣溫南北反位相的特征，南部為正，北部為負，負值中心均出現在黑龍江北部，正值中心均出現在遼寧，遼寧呈現一致的正值，模擬結果和觀測結果一致性較好。時間系數變化曲線如圖6c和圖6d所示，觀測結果和模擬結果對應的曲線正負波動，兩者的線性變化趨勢均不顯著。

3結論

本文利用東北地區162個氣象站1961～2005年逐月平均氣溫數據，從時間變化和空間分布兩方面來評估CMIP5多模式集合對東北地區氣溫的模擬能力，主要結論如下：

(1)多模式集合能夠很好地再現東北地區氣溫的年變化，模式對冬季和夏季的模擬效果優于春季和秋季。多模式集合的年際振蕩明顯小于觀測值，但是能很好地模擬出東北地區顯著增溫趨勢，模式的增暖速率要低于觀察數據的增暖速率。

圖6　1961～2005年東北地區觀測和模擬的年平均氣溫EOF2分析得到的特征向量及時間系數

(2)多模式集合能很好地模擬出東北地區年平均氣溫的空間分布特征：氣溫由南向北逐漸降低，呈緯向分布，并且能模擬出冷暖中心，模式模擬值普遍偏小，誤差在1.5 ℃之內。

(3)多模式集合對氣溫變化線性趨勢空間分布的模擬結果較觀測結果有一定差異，多模式集合的氣溫變化率基本小于觀測值，增溫幅度較大的地區均主要位于黑龍江北部，模式和觀測結果表明整個東北區域呈現顯著增溫趨勢。

(4)EOF1分析結果顯示，東北地區從20世紀60年代以來一直呈顯著增溫趨勢，20世紀90年代以前增溫較慢，90年代之后增溫較快。其中黑龍江漠河、饒河、肇源、雞西、林口以及遼寧本溪一帶增溫較緩慢；EOF2分析結果呈現東北地區年平均氣溫南北反位相的特征，南部為正，北部為負，負值中心均出現在黑龍江北部，正值中心均出現在遼寧。EOF分析表明觀測和模擬的東北地區年平均氣溫在1961～2005年具有較好的一致性。

4討論

本文從時間空間兩個方面對東北地區模擬場與觀測場進行了對比分析，結果表明CMIP5多模式集合對東北地區的氣溫具有一定的模擬能力。但由于物理參數的選取、模式分辨率、模式參數化和響應過程的差異，使得全球氣候模式對東北地區平均氣溫的模擬仍具有一定的不確定性，如何進一步改進全球模式，更有效地利用多模式集合方法，而不是單單運用簡單平均方法實現模式集合，這些問題都是值得我們繼續研究的。

參考文獻：

[1] IPCC. Climate change 2013: the physical science basis. Working group I contribution to the fifrth assessment report of the Intergovernmental Panel on Climate Change[M]. Cambridge: Cambridge University Press, 2013: 760-816.

[2] 沈永平,王國亞.IPCC第一工作組第五次評估報告對全球氣候變化認知的最新科學要點[J].冰川凍土,2013,35(5):1068-1076.

[3] 姜曉艷,劉樹華,馬明敏,等.東北地區百年降水時間序列變化規律的小波分析[J].氣象與環境學報,2013,29(4):37-46.

[4] 吳正方,靳英華,劉吉平,等.東北地區植被分布全球氣候變化區域響應[J].地理科學,2003,23(5):564-570.

[5] 賀偉,布仁倉,熊在平,等.1961～2005年東北地區氣溫和降水變化趨勢[J].生態學報,2013,33(2):519-531.

[6] 郭彥,董文杰,任福民,等.CMIPS模式對中國年平均氣溫模擬及其與CMIP3模式的比較[J].氣候變化研究進展,2013,9(3):181-186.

[7] 楊侃,徐吟隆,陳曉光,等.全球氣候模式對寧夏區域未來氣候變化的情景模擬分析[J].氣候與環境研究,2007,12(5):629-637.

[8] 姚遙,羅勇,黃建斌.8個CMIP5模式對中國極端氣溫的模擬和預估[J].氣候變化研究進展,2012,8(4):250-256.

[9] 劉珂.中國區域氣候的GCM與RCM模擬結果的對比分析[D].北京:中國農業科學院,2011:7-9.

[10] Cubasch U, Meehl G A, Boer G J, et al. Projections of future climate change[C]∥Houghton J T, Ding Y, Griggs D J. Climate change 2001: the scientific basis. Cambridge: Cambridge University Press, 2001: 525-582.

[11] 徐敏,于庚康,徐經緯,等.不同分辨率下全球氣候模式的集合結果檢驗[J].氣象科學,2013,33(2):160-167.

[12] 劉敏,江志紅.13個IPCCAR4模式對中國區域近40a氣候模擬能力的評估[J].南京氣象學院學報,2009,32(2):256-268.

[13] 許崇海.多模式對中國地區氣候變化檢測和預估研究[D].南京:南京信息工程大學,2007.

[14] 許崇海,羅勇,徐影.全球氣候模式對中國降水分布時空特征的評估和預估[J].氣候變化研究進展,2010,6(6):398-404.

[15] North G R, Thomas L B, Robert F C, et al. Sampling errors in the estimation of empirical orthogonal functions [J]. Monthly Weather Review, 1982, 110: 699-706.

[16] 黃嘉佑.轉動主分量分析在天氣氣候分析中的應用[J].氣象,1988(9):47-51.

[17] 姜燕敏,吳昊旻.20個CMIP5模式對中亞地區年平均氣溫模擬能力評估[J].氣候變化研究進展,2013,9(2):110-116.

[18] 崔研,李倩,周曉宇,等.5個全球氣候模式對中國東北地區平均氣溫的模擬與預估[J].氣象與環境學報,2013,29(4):37-46.

(責任編輯：許晶晶)

收稿日期：2016-01-07

基金項目：公益性行業(氣象)科研專項“近百年全球陸地氣候變化監測技術與應用”(GYHY201206012)；2014年中國氣象局氣候變化專項“近百年區域氣候變化序列建立及不確定性評估”(CCSF201338)；遼寧省氣象局2013年備案課題(201305);遼寧省氣象局2014年課題(201405)。

作者簡介：敖雪(1986─)，女，工程師，碩士，主要從事氣候變化研究。*通訊作者：翟晴飛。

中圖分類號：P467

文獻標志碼：A

文章編號：1001-8581(2016)07-0105-06

Assessment of Capability of CMIP5 Model to Simulate Air Temperature in Northeast China

AO Xue1， ZHAI Qing-fei2*, CUI Yan1, ZHAO Chun-yu1, WANG Tao1, ZHOU Xiao-yu1, WANG Ying1

(1. Shenyang Regional Climate Center of Liaoning, Shenyang 110166, China;2. Liaoning Weather Modification Office, Shenyang 110166, China)

Abstract：Using the multi-mode collection data of CMIP5 and the monthly average air temperature data of 162 sites in the northeast of China, we assessed the ability of CMIP5 model to simulate the air temperature in the northeast of China from 1961 to 2005 from the aspects of time change and spatial distribution. The results showed that the global climate model could better reappear the significant rising trend of air temperature, the latitudinal distributive characteristics of average annual air temperature which decreased gradually from south to north, and the cold-warm center in Northeast China. EOF analysis indicated that: in the northeast of China, the warming was slow before the 1990s, and was fast after the 1990s; the average annual air temperature revealed the temporal and spatial variation characteristics of north-south anti-phase. The simulative results and observation results had a better consistency.

Key words：CMIP5; Northeast China; Air temperature; Assessment