區(qū)域氣候模式(PRECIS)對(duì)黃土高原降水模擬能力的評(píng)估

呂哲敏, 李 志, 李京京,代潤(rùn)潤(rùn)

西北農(nóng)林科技大學(xué)資源環(huán)境學(xué)院,楊凌 712100

?

區(qū)域氣候模式(PRECIS)對(duì)黃土高原降水模擬能力的評(píng)估

呂哲敏, 李 志*, 李京京,代潤(rùn)潤(rùn)

西北農(nóng)林科技大學(xué)資源環(huán)境學(xué)院,楊凌 712100

黃土高原水資源短缺,嚴(yán)重制約其社會(huì)經(jīng)濟(jì)發(fā)展；全球變暖背景下,需要對(duì)該區(qū)水資源狀況進(jìn)行詳細(xì)的影響評(píng)估。區(qū)域氣候模式可提供氣候變化情景下的數(shù)據(jù),但模式的模擬精度直接影響評(píng)估結(jié)果。為此利用ERA40再分析數(shù)據(jù)作為邊界條件驅(qū)動(dòng)PRECIS,從降水頻率、降水量和極端事件3個(gè)方面,評(píng)估了PRECIS對(duì)黃土高原1960—2000年降水的模擬能力。結(jié)果表明,PRECIS能夠模擬出各要素東南-西北方向變化的空間分布特征,還可模擬出整體的時(shí)間變化趨勢(shì),其中對(duì)非汛期的模擬較好,而汛期降水日數(shù)和降水量等被嚴(yán)重高估；并且涉及干旱的指標(biāo)普遍偏低；還發(fā)現(xiàn)對(duì)于極端降水事件模式對(duì)強(qiáng)度指標(biāo)的模擬能力優(yōu)于頻率指標(biāo)。因此,還需要進(jìn)一步探討訂正方法,才能更好的應(yīng)用于氣候變化水文效應(yīng)評(píng)估。

區(qū)域氣候模式；PRECIS；黃土高原；降水

政府間氣候變化專(zhuān)門(mén)委員會(huì)(IPCC)第五次評(píng)估報(bào)告指出,全球平均地表溫度1880—2012年升高了0.85 ℃；同時(shí),極端天氣事件顯著變化,陸地上強(qiáng)降水事件增多的區(qū)域遠(yuǎn)大于減少的區(qū)域[1]。中國(guó)《第二次氣候變化國(guó)家評(píng)估報(bào)告》也指出中國(guó)陸地表面溫度、降水等氣候事件發(fā)生相應(yīng)變化[2]。這些氣候變化已經(jīng)并將繼續(xù)對(duì)自然生態(tài)系統(tǒng)和人類(lèi)社會(huì)產(chǎn)生重要的影響,為此,需要進(jìn)行氣候預(yù)測(cè)和影響評(píng)估。

目前氣候預(yù)測(cè)主要依賴(lài)全球氣候模式(GCM),但由于計(jì)算能力的限制,GCM的水平分辨率是幾百公里,雖能模擬大尺度的氣候特性,但在模擬區(qū)域氣候時(shí)誤差很大。為此,區(qū)域氣候模式(RCM)被用來(lái)進(jìn)行GCM降尺度,即在GCM大網(wǎng)格中嵌套子模式來(lái)產(chǎn)生高分辨率氣候情景[3-4]。RCM可細(xì)致描述地形、海陸分布和植被等下墊面特征,能更好模擬氣候的區(qū)域性特征；特別是提升水平分辨率時(shí),可模擬地形強(qiáng)迫等因素引起的中小尺度天氣系統(tǒng),因此,已成為研究區(qū)域氣候變化的重要工具[5- 6]。

目前,在中國(guó)運(yùn)用較為廣泛的RCM有英國(guó)氣象局Hadley中心開(kāi)發(fā)的PRECIS(Providing Regional Climates for Impacts Studies)以及由意大利國(guó)際理論物理中心發(fā)展的RegCM4 (Regional Climate Model Version 4)模式,這兩種模式均能夠較好地模擬出中國(guó)降水的年、季地理分布和季節(jié)變化特征[4, 7]。本文所運(yùn)用的PRECIS模型目前已在印度[8]、巴基斯坦[9]、南美洲[10]、地中海[11]等地區(qū)進(jìn)行氣候預(yù)測(cè),而且在作物產(chǎn)量[12]、水資源[13-14]、能源[13,15]等領(lǐng)域利用模型輸入與相關(guān)生態(tài)模型相耦合進(jìn)行影響評(píng)估。由于模型的模擬能力決定了氣候預(yù)測(cè)和影響評(píng)估的準(zhǔn)確性,因此檢驗(yàn)?zāi)Ｐ偷倪m用性是模型應(yīng)用的前提。需要通過(guò)設(shè)計(jì)更全面的指標(biāo)為該區(qū)域氣候模式的降水模擬能力進(jìn)行更為完善的評(píng)估,也可為模式是否適用于氣候變化影響評(píng)估提供依據(jù)。

黃土高原地處半濕潤(rùn)向半干旱和干旱的過(guò)渡帶,多年平均降水421.7 mm,降水集中且暴雨多是導(dǎo)致土壤侵蝕嚴(yán)重的主要原因之一,如土壤侵蝕主要由少數(shù)大暴雨引起,90%以上的降雨不產(chǎn)生地表徑流,一次大暴雨產(chǎn)生的侵蝕量占年總量的60%甚至90%[16-17]。此外,黃土高原的降水還具有年內(nèi)分配不均勻、多集中在夏季風(fēng)盛行期間、年際變化大等鮮明的特征。因此,要在該區(qū)域應(yīng)用PRECIS的模擬數(shù)據(jù)進(jìn)行水文模擬,需對(duì)其降水模擬能力進(jìn)行詳盡評(píng)估。為此,基于PRECIS與黃土高原50個(gè)氣象站點(diǎn)的觀測(cè)降水,對(duì)PRCIES模擬降水量、頻率和極端事件的能力進(jìn)行了評(píng)估,以期為PRECIS在該區(qū)的水文應(yīng)用提供參考。

1 數(shù)據(jù)與方法

1.1 模式介紹

PRECIS是由英國(guó)氣象局 Hadley 氣候預(yù)測(cè)與研究中心基于 GCM-HadCM3 發(fā)展的區(qū)域氣候模擬系統(tǒng),水平分辨率為50 km或25 km[18]。采用了規(guī)則的經(jīng)緯網(wǎng)格和混合垂直坐標(biāo)系。模式方程采用旋轉(zhuǎn)球坐標(biāo),網(wǎng)格點(diǎn)經(jīng)過(guò)旋轉(zhuǎn)后赤道位于研究區(qū)域內(nèi),從而獲得近似均勻的水平網(wǎng)格,旋轉(zhuǎn)坐標(biāo)下水平分辨率為0.44°×0.44°,在赤道地區(qū)分辨率約為50 km。由于分辨率較高,因此模式的時(shí)間步長(zhǎng)設(shè)為5分鐘,以保證模式的穩(wěn)定性。對(duì)流采用Gregory和Rowntree[19]提出的穿透性對(duì)流參數(shù)化方案。在大氣中取垂直氣柱,假設(shè)在此氣柱中有小的空氣塊,從下層向上迸層檢查看它是否有上升的可能,即是否受到浮力的作用。側(cè)邊界采用松弛邊界條件,緩沖區(qū)大小采用 4 個(gè)格點(diǎn)。陸面過(guò)程使用了MOSES(Met Office Surface Exchange Scheme)參數(shù)化方案[20],土壤模式使用 4 層方案來(lái)計(jì)算地表面的熱量和水分交換、土壤中熱量和水分的傳輸過(guò)程,還考慮了土壤水分相變以及水和冰對(duì)土壤熱力和動(dòng)力特征的影響。

1.2 數(shù)據(jù)來(lái)源

圖1 氣象站點(diǎn)及PRECIS網(wǎng)格分布 Fig.1 Location of weather stations and distribution of PRECIS grids

PRECIS在黃土高原適用性評(píng)估中,主要需要模式模擬和站點(diǎn)觀測(cè)兩部分?jǐn)?shù)據(jù)。模擬數(shù)據(jù)是由本實(shí)驗(yàn)室將歐洲數(shù)值預(yù)報(bào)中心(ECMWF)的ERA40再分析數(shù)據(jù)作為邊界條件驅(qū)動(dòng)PRECIS模型產(chǎn)生,模擬區(qū)域包括黃土高原及周邊地區(qū),網(wǎng)格分辨率為50 km×50 km,資料時(shí)段為1960-01-01—2000-12-31,并且使用日模擬數(shù)據(jù)資料。觀測(cè)數(shù)據(jù)來(lái)自中國(guó)國(guó)家氣象局在黃土高原地區(qū)50個(gè)氣象站點(diǎn)的日降水?dāng)?shù)據(jù),選取的時(shí)段與模擬數(shù)據(jù)保持一致。由于PRECIS的氣候數(shù)據(jù)是按照格點(diǎn)輸出,所以在進(jìn)行對(duì)比研究時(shí),模擬數(shù)據(jù)的提取是按照觀測(cè)數(shù)據(jù)來(lái)源的50個(gè)氣象監(jiān)測(cè)點(diǎn)所在位置的經(jīng)緯度,提取最為相近的模式網(wǎng)格點(diǎn)數(shù)據(jù)(圖1)。

1.3 評(píng)估方法

針對(duì)降水量、降水頻率和極端事件3個(gè)方面對(duì)PRECIS的模擬能力進(jìn)行評(píng)估。降水量從日、月和年尺度上進(jìn)行對(duì)比；降水頻率主要評(píng)估降水日數(shù)和干濕持續(xù)時(shí)間(dry/wet spells)；極端事件使用的指標(biāo)參照Frich[21]等對(duì)極端降水指標(biāo)的定義(表1),這5個(gè)指標(biāo)是IPCC分析極端降水事件使用的指標(biāo),包含了頻率和強(qiáng)度兩方面的內(nèi)容。對(duì)于降水發(fā)生的判定,以0.1 mm為閾值。

對(duì)于上述3種要素,主要從空間分布和時(shí)間變化方面進(jìn)行評(píng)估。空間分布,利用GIS中的Kriging(克里金插值方法)分析PRECIS模擬能力的區(qū)域差異；Kriging 是一種求最優(yōu)、線形、無(wú)偏的空間內(nèi)插方法,在充分考慮觀測(cè)資料之間的相互關(guān)系后, 對(duì)每一個(gè)觀測(cè)資料賦予一定的權(quán)重系數(shù), 加權(quán)平均得到估計(jì)值[22]。時(shí)間變化,一方面直接對(duì)比變化趨勢(shì),另一方面使用秩和檢驗(yàn)、平方秩檢驗(yàn)和KS (Kolmogorov-Smirnov)檢驗(yàn)等非參數(shù)檢驗(yàn),分別用來(lái)檢驗(yàn)2組數(shù)據(jù)是否具有相同的均值、總體方差是否有差異以及數(shù)據(jù)是否服從相同數(shù)據(jù)分布。

表1 極端降水指標(biāo)的定義

2 結(jié)果與分析

2.1 降水量

2.1.1 降水量的空間分布

PRECIS基本模擬出了黃土高原降水東南多西北少的特征(圖2),但在絕對(duì)數(shù)量和空間分布上與觀測(cè)值存在一定差異。1960—2000年模擬年均降水量為792.6 mm,為觀測(cè)值的1.8倍(表2),這種高估是普遍存在的,由秩和檢驗(yàn)的結(jié)果表明僅有3個(gè)站點(diǎn)/網(wǎng)格具有相似的均值,而偏差存在區(qū)域差異(圖2)。西北部是降水量低值區(qū),其部分區(qū)域誤差小于300 mm；降水量高值區(qū)的誤差偏大,特別是東部和西部的部分區(qū)域誤差大于450 mm。并且模擬降水量的變異系數(shù)(0.47)大于觀測(cè)值(0.42),這也表明模擬值導(dǎo)致區(qū)域差異變大。

圖2 年降水量的空間分布(mm/a)Fig.2 Spatial distribution of annual mean precipitation

2.1.2 降水量的時(shí)間變化

從對(duì)各雨量的日降水事件的發(fā)生頻率進(jìn)行統(tǒng)計(jì),可知PRECIS高估了小雨(日降水量<10mm)日數(shù)而低估了日降水量>20mm的大雨日數(shù),且沒(méi)有站點(diǎn)/網(wǎng)格通過(guò)各檢驗(yàn),說(shuō)明其不能模擬出實(shí)際日降水量,并導(dǎo)致年降水量也被普遍高估(圖3),而通過(guò)降水量的年內(nèi)分布來(lái)看,對(duì)降水量的高估主要來(lái)自5—9月(圖3)。

圖3 降水量的時(shí)間變化Fig.3 Temporal changes of precipitation amount

整體而言,模式可以模擬出月和年降水量的時(shí)間變化。以1981—1990年的月均降水為例(圖3),模式可以模擬月降水的時(shí)間變化,特別是非汛期的模擬值與觀測(cè)值非常相似；但汛期的降水量被嚴(yán)重高估。如7月誤差最大達(dá)到57 mm,是觀測(cè)值的61.3%；12月誤差最小僅為2.7 mm。PRECIS可以較好模擬黃土高原整個(gè)區(qū)域的年降水變化趨勢(shì),如模擬和觀測(cè)年降水量的傾向率分別為-0.63 mm/a和-1.80 mm/a。盡管平方秩檢驗(yàn)表明22個(gè)站點(diǎn)/網(wǎng)格具有相似的方差,但僅3個(gè)站點(diǎn)/網(wǎng)格通過(guò)了KS檢驗(yàn),說(shuō)明模式?jīng)]有模擬出多數(shù)站點(diǎn)年降水的分布。

表2 年降水量的統(tǒng)計(jì)參數(shù)與統(tǒng)計(jì)檢驗(yàn)結(jié)果

* 通過(guò)檢驗(yàn)的站點(diǎn)/總站點(diǎn)

2.2 降水頻率

2.2.1 降水日數(shù)的空間分布

PRECIS模擬的降水日數(shù)與觀測(cè)值有較大差距(表3)。觀測(cè)和模擬的年均降水日數(shù)分別為80 d/a和148 d/a,模擬值是觀測(cè)值的1.9倍；50個(gè)站點(diǎn)/網(wǎng)格中有1個(gè)站點(diǎn)/網(wǎng)格通過(guò)了秩和檢驗(yàn),表明PRECIS不能很好模擬降水日數(shù)的年均值。觀測(cè)和模擬的變異系數(shù)分別為0.37和0.31(表3),說(shuō)明站點(diǎn)/網(wǎng)格間的變異程度,模擬值較觀測(cè)值有所下降,即空間分布上模擬值的變異性更弱。

模式基本模擬出了降水日數(shù)東南多西北少的特點(diǎn)(圖4),但如表3所示在絕對(duì)數(shù)量上遠(yuǎn)高于觀測(cè)值。降水日數(shù)最少的分布區(qū)域,模擬值和觀測(cè)值比較吻合,均在內(nèi)蒙西部；降水日數(shù)較多的區(qū)域,觀測(cè)值是黃土高原東南部,而模擬值的空間范圍明顯變小,是沿東北-西南方向的一個(gè)條帶。從絕對(duì)值來(lái)看(圖4),誤差最小的區(qū)域在陜西南部,差值小于40 d/a；大部分區(qū)域的誤差介于40—60 d/a；誤差最大的是黃土高原西部的小部分區(qū)域,集中在青海東部、甘肅和寧夏南部,大于80 d/a。

2.2.2 降水日數(shù)的時(shí)間變化

PRECIS模擬出了降水日數(shù)的年內(nèi)分布,夏季降水頻繁而其他季節(jié)相對(duì)較少(圖5)。但模式普遍高估了各個(gè)月份的降水日數(shù),特別是5—9月的誤差最大,平均差值9 d,而10—4月的平均誤差約為2 d。PRECIS模擬的年均降水日數(shù)進(jìn)行平方秩檢驗(yàn),結(jié)果表明28個(gè)站點(diǎn)/網(wǎng)格的觀測(cè)和模擬數(shù)據(jù)具有相似的變異程度(表3),并結(jié)合圖5,可知觀測(cè)和模擬的年均降水日數(shù)有相似的波動(dòng)性。但PRECIS沒(méi)有模擬出其時(shí)間變化趨勢(shì),觀測(cè)和模擬的年均降水日數(shù)分別以-0.45 d/a和+0.34 d/a的速度遞減和遞增；而KS檢驗(yàn)也表明僅有1個(gè)站點(diǎn)/網(wǎng)格的數(shù)據(jù)具有相似的分布(表3)。

圖5 觀測(cè)與模擬降水日數(shù)的時(shí)間變化和季節(jié)分布Fig.5 Temporal changes and seasonal patterns of the observed and simulated wet days

2.2.3 干濕持續(xù)時(shí)間

由于PRECIS模擬了偏多的降水日數(shù),因此,對(duì)連續(xù)降水日數(shù)的模擬也偏高,但對(duì)連續(xù)干旱日數(shù)的模擬偏低(圖6)。觀測(cè)和模擬的年均連續(xù)降水日數(shù)分別為2 d和3 d,相應(yīng)的年均連續(xù)干旱日數(shù)分別為7 d和4 d,而秩和檢驗(yàn)的結(jié)果也表明幾乎沒(méi)有站點(diǎn)/網(wǎng)格具有相似的均值(表3)。模式模擬的降水干濕持續(xù)時(shí)間在站點(diǎn)間的差異明顯變大,圖4中按站點(diǎn)統(tǒng)計(jì)的模擬值較觀測(cè)值起伏更大,且變異系數(shù)也明顯增大(表3),表明PRECIS導(dǎo)致空間變異性增大,不能很好地模擬黃土高原干濕持續(xù)時(shí)間的空間分布。

圖6 年均連續(xù)降水及干旱的時(shí)間變化、站點(diǎn)差異Fig.6 Spatiotemporal changes of annual mean continuous dry days and wet days

連續(xù)降水日數(shù)的觀測(cè)值與模擬值具有相似的年際變化,但較觀測(cè)值更加平緩,線性傾向率分別為-0.007和-0.002 d/a；觀測(cè)與模擬的連續(xù)干旱日數(shù)具有不同的變化趨勢(shì),分別以+0.02 d/a和-0.02 d/a的速度遞減和遞增。連續(xù)降水和干旱日數(shù)分別有16和24個(gè)站點(diǎn)/網(wǎng)格數(shù)據(jù)通過(guò)了平方秩檢驗(yàn),表明PRECIS模擬出了部分站點(diǎn)/網(wǎng)格數(shù)據(jù)的波動(dòng)程度；但KS檢驗(yàn)的結(jié)果表明近乎沒(méi)有站點(diǎn)/網(wǎng)格數(shù)據(jù)具有相似的數(shù)據(jù)分布(表3)。

2.3 極端事件

5個(gè)極端降水指標(biāo),除了CDD (最長(zhǎng)無(wú)雨期)被低估26%以外,CWD (最長(zhǎng)有雨期)、R10 (大雨日數(shù))、R5d (最大連續(xù)5d降水量)和R95t (極端降水貢獻(xiàn)率)分別被高估100%、62%、44%和8% (表4),且這些偏差在變量和站點(diǎn)間存在較大差異(圖7)。秩和檢驗(yàn)表明R95t一致性較高,其次為R5d,分別有30個(gè)和13個(gè)站點(diǎn)/網(wǎng)格否定了有顯著差異的假設(shè)；而其他3個(gè)指標(biāo)通過(guò)秩和檢驗(yàn)的站點(diǎn)/網(wǎng)格數(shù)少于10個(gè),這表明PRECIS對(duì)極端降水強(qiáng)度方面的模擬效果好于頻率。5個(gè)指標(biāo)中除了R95t以外模擬與觀測(cè)的變異系數(shù)均有明顯差別,說(shuō)明模擬值明顯改變了極端降水指標(biāo)的空間變異性,這將會(huì)影響其模擬空間分布的能力。

圖7 各極端降水指標(biāo)的各站點(diǎn)差異及年際變化Fig.7 Spatiotemporal variations of the observed and simulated extreme precipitation indices

對(duì)于時(shí)間變化,極值指標(biāo)被高估或低估的趨勢(shì)基本在各個(gè)年份中都有所出現(xiàn),但PRECIS能模擬區(qū)域整體年際變化的總體趨勢(shì),并且通過(guò)秩和檢驗(yàn)的站點(diǎn)越多的變量對(duì)時(shí)間變化的模擬越好,如R95t在很多年份與觀測(cè)值基本一致。但對(duì)于各個(gè)站點(diǎn)/網(wǎng)格來(lái)說(shuō),各極值指標(biāo)的一致性存在很大差異,如R95t、R5d和CDD分別有30、13和12個(gè)站點(diǎn)/網(wǎng)格通過(guò)了KS檢驗(yàn),而其他指標(biāo)僅有幾個(gè)站點(diǎn)/網(wǎng)格通過(guò)KS檢驗(yàn),說(shuō)明對(duì)于表示降水強(qiáng)度的極端指標(biāo)在模擬觀測(cè)數(shù)據(jù)的分布時(shí)好于表示頻率的指標(biāo)。

表4 各極端降水指標(biāo)的基本統(tǒng)計(jì)與檢驗(yàn)

3 結(jié)論

通過(guò)評(píng)估PRECIS對(duì)黃土高原降水頻率、降水量和極端事件等方面的模擬情況,發(fā)現(xiàn)模式可以模擬出降水各指標(biāo)沿東南-西北方向變化的空間分布特征,但模擬值與觀測(cè)值有較大差距,如降水量和降水日數(shù)均約為觀測(cè)值的1.8倍；對(duì)各指標(biāo)低值區(qū)的模擬效果好于高值區(qū)；以及由于模擬降水日數(shù)過(guò)多,導(dǎo)致持續(xù)降水時(shí)間偏高而持續(xù)干旱時(shí)間偏低。并且,模式也可模擬出各要素的整體時(shí)間變化趨勢(shì),但存在季節(jié)差異,以及對(duì)于非汛期的模擬效果通常優(yōu)于汛期。普遍高估小雨日數(shù)、低估大雨日數(shù),并且對(duì)部分指標(biāo)時(shí)間變化模擬效果不好,如觀測(cè)和模擬的年降水日數(shù)分別以-0.45 d/a 和+0.34 d/a的速度變化,模擬與觀測(cè)的連續(xù)干旱日數(shù)分別以+0.02 d/a和-0.02 d/a的速度變化。極端降水指標(biāo)中對(duì)極端降水貢獻(xiàn)率(R95t)的模擬效果最好,其他指標(biāo)的情況與降水日數(shù)和降水量類(lèi)似；但整體而言,對(duì)降水強(qiáng)度的指標(biāo)的模擬能力優(yōu)于頻率指標(biāo)。上述結(jié)果與其他區(qū)域的評(píng)估結(jié)果比較相似[23- 25],說(shuō)明PRECIS的誤差是普遍存在的,表明模式不能直接用于水文效應(yīng)評(píng)估。

本研究的評(píng)估結(jié)果也存在一定程度的不確定性。如果對(duì)黃土高原觀測(cè)資料格網(wǎng)化插值后與模式結(jié)果比較[26],可能會(huì)對(duì)評(píng)估結(jié)果產(chǎn)生一定影響,但由于誤差的普遍存在,可能對(duì)結(jié)果不會(huì)有很大的影響。模式本身存在一定的不足之處。如黃土高原橫跨不同氣候帶和地貌單元,而RCM物理過(guò)程尚不完善,不能夠很好地刻畫(huà)地形復(fù)雜和氣候差異大的小尺度氣候[27]；并且由于次網(wǎng)格積云參數(shù)化、云-輻射參數(shù)化和陸面過(guò)程參數(shù)化的不確定性可能造成模式存在系統(tǒng)偏差[28]；氣候模式分辨率的選擇都會(huì)影響模式的模擬結(jié)果[29]。

[1] IPCC. Climate Change 2013: The Physical Science Basis: Intergovernmental Panel on Climate Change, Working Group I Contribution to the IPCC Fifth Assessment Report (AR5). New York: Cambridge University Press, 2013.

[2] 《氣候變化國(guó)家評(píng)估報(bào)告》編寫(xiě)委員會(huì)編著. 第二次氣候變化國(guó)家評(píng)估報(bào)告. 北京: 科學(xué)出版社, 2011.

[3] Xu Y, Xu C H. Preliminary assessment of simulations of climate changes over China by CMIP5 multi-models. Atmospheric and Oceanic Science Letters, 2012, 5(6): 489- 494.

[4] Gao X J, Wang M L, Giorgi F. Climate change over China in the 21st century as simulated by BCC_CSM1.1-RegCM4.0. Atmospheric and Oceanic Science Letters, 2013, 6(5): 381- 386.

[5] 徐賓, 許吟隆, 張勇, 趙秀娟. PRECIS模擬區(qū)域的選擇對(duì)寧夏區(qū)域氣候模擬效果的敏感性分析. 中國(guó)農(nóng)業(yè)氣象, 2007, 28(2): 118- 123.

[6] Yu E T, Wang H J, Sun J Q. A quick report on a dynamical downscaling simulation over China using the nested model. Atmospheric and Oceanic Science Letters, 2010, 3(6): 325- 329.

[7] 王芳棟, 李濤, 許吟隆, 陳書(shū)馳. PRECIS和RegCM3對(duì)中國(guó)區(qū)域氣候的長(zhǎng)期模擬比較. 中國(guó)農(nóng)業(yè)氣象, 2012, 33(2): 159- 165.

[8] Kumar K K, Patwardhan S K, Kulkarni A, Kamala K, Rao K K, Jones R. Simulated projections for summer monsoon climate over India by a high-resolution regional climate model (PRECIS). Current Science, 2011, 101(3): 312- 316.

[9] Ul Islam S, Rehman N, Sheikh M M. Future change in the frequency of warm and cold spells over Pakistan simulated by the PRECIS regional climate model. Climatic Change, 2009, 94(1/2): 35- 45.

[10] Marengo J, Jones R, Alves L M, Valverde M C. Future change of temperature and precipitation extremes in South America as derived from the PRECIS regional climate modeling system. International Journal of Climatology, 2009, 29(15): 2241- 2255.

[11] Kotroni V, Lykoudis S, Lagouvardos K, Lalas D. A fine resolution regional climate change experiment for the Eastern Mediterranean: Analysis of the present climate simulations. Global and Planetary Change, 2008, 64(1/2): 93- 104.

[12] 馬欣, 吳紹洪, 戴爾阜, 張雪艷, 康相武, 潘韜. 氣候變化對(duì)我國(guó)水稻主產(chǎn)區(qū)水資源的影響. 自然資源學(xué)報(bào), 2011, 26(6): 1052- 1064.

[13] Piao S L, Ciais P, Huang Y, Shen Z H, Peng S S, Li J S, Zhou L P, Liu H Y, Ma Y C, Ding Y H, Friedlingstein P, Liu C Z, Tan K, Yu Y Q, Zhang T Y, Fang J Y. The impacts of climate change on water resources and agriculture in China. Nature, 2010, 467(7311): 43- 51.

[14] Rao K K, Patwardhan S K, Kulkarni A, Kamala K, Sabade S S, Kumar K K. Projected changes in mean and extreme precipitation indices over India using PRECIS. Global and Planetary Change, 2014, 113: 77- 90.

[15] Bloom A, Kotroni V, Lagouvardos K. Climate change impact of wind energy availability in the Eastern Mediterranean using the regional climate model PRECIS. Natural Hazards and Earth System Sciences, 2008, 8(6): 1249- 1257.

[16] 李志, 趙西寧. 1961—2009年黃土高原氣象要素的時(shí)空變化分析. 自然資源學(xué)報(bào), 2013, 28(2): 287- 299.

[17] 李志, 鄭粉莉, 劉文兆. 1961—2007年黃土高原極端降水事件的時(shí)空變化分析. 自然資源學(xué)報(bào), 2010, 25(2): 291- 299.

[18] Jones R. Generating High Resolution Climate Change Scenarios using PRECIS. Exeter: Met Office Hadley Centre, 2004.

[19] Gregory D, Rowntree P R. A mass flux convection scheme with representation of cloud ensemble characteristics and stability-dependent closure. Monthly Weather Review, 1990, 118(7): 1483- 1506.

[20] Cox P M, Betts R A, Bunton C B, Essery R L H, Rowntree P R, Smith J. The impact of new land surface physics on the GCM simulation of climate and climate sensitivity. Climate Dynamics, 1999, 15(3): 183- 203.

[21] Frich P, Alexander L V, Della-Marta P, Gleason B, Haylock M, Klein Tank A M G, Peterson T. Observed coherent changes in climatic extremes during the second half of the twentieth century. Inter-Research Climate Research, 2002, 19(3): 193- 212.

[22] 尚宗波, 高瓊, 楊奠安. 利用中國(guó)氣候信息系統(tǒng)研究年降水量空間分布規(guī)律. 生態(tài)學(xué)報(bào), 2001, 21(5): 689- 694.

[23] 石英, 高學(xué)杰, Giorgi F, 宋瑞艷, 吳佳, 董文杰. 全球變暖背景下中國(guó)區(qū)域不同強(qiáng)度降水事件變化的高分辨率數(shù)值模擬. 氣候變化研究進(jìn)展, 2010, 6(3): 164- 169.

[24] 王芳棟, 許吟隆, 李濤. 區(qū)域氣候模式PRECIS對(duì)中國(guó)氣候的長(zhǎng)期數(shù)值模擬試驗(yàn). 中國(guó)農(nóng)業(yè)氣象, 2010, 31(3): 327- 332.

[25] 張延偉, 姜逢清, 魏文壽, 王雯雯, 劉明哲, 韓茜, 洪雯, 陸恒. 1961―2004年新疆降水極值概率分布特征. 中國(guó)沙漠, 2012, 32(2): 503- 508.

[26] 吳佳, 高學(xué)杰. 一套格點(diǎn)化的中國(guó)區(qū)域逐日觀測(cè)資料及與其它資料的對(duì)比. 地球物理學(xué)報(bào), 2013, 56(4): 1102- 1111.

[27] Pan Z, Christensen J H, Arritt R W, Gutowski W J Jr, Takle E S, Otieno F. Evaluation of uncertainties in regional climate change simulations. Journal of Geophysical Research: Atmospheres, 2001, 106(D16): 17735- 17751.

[28] Kato H, Nishizawa K, Hirakuchi H, Kadokura S, Oshima N, Giorgi F. Performance of RegCM2.5/NCAR-CSM nested system for the simulation of climate change in East Asia caused by global warming. Journal of the Meteorological Society of Japan, 2001, 79(1): 99- 121.

[29] 劉向培, 王漢杰, 劉金波. 區(qū)域氣候模式分辨率對(duì)夏季降水模擬的影響. 水科學(xué)進(jìn)展, 2011, 22(5): 615- 623.

Verifying the applicability of PRECIS-simulated precipitation on the Loess Plateau

Lü Zhemin, LI Zhi*, LI Jingjing, DAI Runrun

CollegeofNaturalResourcesandEnvironment,Yangling712100,China

The Loess plateau is primarily a rain-fed agricultural area in China, and water is one of the main factors affecting agricultural production in the region. As a result of global warming, precipitation is a critical variable affecting the water cycle and plant growth. The simulation accuracy of precipitation directly influences climate change projections and impact assessments. The regional climate model, PRECIS (Providing Regional Climates for Impacts Studies), has been widely used for climate change projection; however, its capability for impact studies has been rarely assessed. Using ERA40 reanalysis data as the boundary conditions, precipitation on the Loess Plateau during 1960—2000 was simulated and its applicability was evaluated through comparison with the observed precipitation frequency, amount, and extreme events. PRECIS simulated the spatial distribution of precipitation changes along the southeast-northwest direction; however, the wet days and precipitation amounts were overestimated by 1.8 times the recorded amounts, and the indices related to the drought index were greatly underestimated. PRECIS simulated the low values more accurately than the high values of each index. The model simulated the temporal changes more accurately in the dry season due to an overestimation of wet days and precipitation in the flood season. For extreme indices, PRECIS simulated intensity-related indices more accurately than those related to frequency. Overall, PRECIS cannot be directly used to assess the impacts of climate change on hydrology, and the model calibration method should be discussed further.

regional climate model; PRECIS; Loess Plateau; precipitation

霍英東基金資助項(xiàng)目(141016)；國(guó)家自然科學(xué)基金資助項(xiàng)目(41101022)；中央高校基本科研業(yè)務(wù)費(fèi)資助項(xiàng)目(2014YQ003, 2452015105)

2015- 04- 17;

日期:2016- 01- 22

10.5846/stxb201504170788

*通訊作者Corresponding author.E-mail: lizhibox@126.com

呂哲敏, 李志, 李京京,代潤(rùn)潤(rùn).區(qū)域氣候模式(PRECIS)對(duì)黃土高原降水模擬能力的評(píng)估.生態(tài)學(xué)報(bào),2016,36(20):6618- 6627.

Lü Z M, Li Z, Li J J, Dai R R.Verifying the applicability of PRECIS-simulated precipitation on the Loess Plateau.Acta Ecologica Sinica,2016,36(20):6618- 6627.