基于CMIP6 的河南省未來21 世紀氣溫時空變化預估

楊沛文，田德存

（華北水利水電大學，河南 鄭州 450046）

全球氣候變暖已經成為不爭的事實，預估未來某一地區(qū)的氣溫變化趨勢對于經濟社會發(fā)展以及氣象災害防御具有重要意義。BMA 是一種通過概率預測來減少不確定性的方法，該方法基于每個模型的訓練過程得出的后驗概率密度函數進行加權平均[1]。BMA 方法最初被用于集合預報系統(tǒng)中符合正態(tài)分布的氣溫和海平面氣壓等變量[2]，后來又將它用于非正態(tài)分布的變量，如風速、降水等[3]。利用BMA 方法制作的概率預報的方差較小，因為多模式集成方法能系統(tǒng)地改進概率預報的效果，減小了預報的不確定性，因此預報結果更接近大氣的真實值[4]。

近幾年，基于CMIP6 試驗數據對區(qū)域地表氣溫的研究已經有許多，如李純等[5]基于7 個共享社會經濟路徑及代表性質量濃度路徑（SSP-RCP）組合情景，對5個CMIP6 全球模式進行多模式集合平均，預估了2015—2100 年黃河上游地區(qū)年均氣溫的時空變化規(guī)律。莊園煌等[6]基于SSP2-4.5、SSP3-7.0 和SSP5-8.5 這3 種不同組合情景，利用CMIP6 的16 個全球模式試驗數據，多模式集合預估了1.5 ℃、2 ℃溫升目標下“一帶一路”主要陸域氣溫和降水變化。河南省地處中原地區(qū)，有著“中原糧倉”之稱，利用氣候模式試驗結果預估河南區(qū)域尺度的氣溫季節(jié)變化對于中國糧食安全保障具有重大意義。本文所使用模式結果分辨率低，對區(qū)域尺度氣候變化預估結果精細度低，需進行降尺度處理。利用雙線性插值把河南地區(qū)7 種模式模擬結果及響應變量資料轉換到相同分辨率（1°×1°）的網格點上。

1 研究區(qū)域位置和數據

1.1 研究區(qū)域位置

河南省地處中國中部，位于（31°23′N—36°22′N，110°21′E—116°39′E），東接安徽、山東，北接河北、山西，西連陜西，南臨湖北。河南素有“九州腹地、十省通衢”之稱，是全國重要的綜合交通樞紐和人流物流信息流中心。河南省地勢呈望北向南、承東啟西之勢，地勢西高東低，由平原和盆地、山地、丘陵、水面構成，地跨長江、淮河、黃河、海河流域。

1.2 研究數據

選取來自CMIP6 中通過質量控制程序的CDS（httрs://сds.сlimаtе.сореrniсus.еu/）的子集中的7 個全球氣候模式。表1 給出了模式的基礎信息，選取的自變量資料為歷史氣候模擬試驗（1971—2014 年）和未來排放情景試驗（2015—2099 年）的地表逐月格點平均氣溫序列資料，由于CMIP6 地表逐月格點平均氣溫序列資料有些情景沒有通過質量控制程序，數據有缺失，選取數據量較全的SSP1-2.6、SSP4-3.4、SSP5-8.5這3 種共享社會經濟發(fā)展路徑情景（SSPs）進行分析。SSP1-2.6 即低強迫情景，2100 年輻射強迫穩(wěn)定在2.6 W/m2（對比組合情景）；SSP4-3.4 即低強迫情景，2100 年輻射強迫穩(wěn)定在3.4 W/m2（溫室氣體少量排放）；SSP5-8.5 即高強迫情景，2100 年輻射強迫穩(wěn)定在8.5 W/m2（溫室氣體大量排放）。響應變量資料為Climаtiс Rеsеаrсh Unit（Univеrsity оf Eаst Angliа）的CRU TS Vеrsiоn 4.05（1971—2014 年）地表逐月格點平均氣溫序列觀測資料[7]，分辨率為0.5°×0.5°。DEM數字高程數據選取于地理空間數據云（httр://www.gsсlоud.сn）中河南地區(qū)的SRTM-30 m 數據。由于各個模式的分辨率差異較大。利用雙線性方法將所有數據插值至1°×1°分辨率[8]，把河南地區(qū)分割成為42 個格點進行分析計算。

表1 7 個CMIP6 全球氣候模式基本信息

2 研究方法

2.1 BMA 模型方法

BMA 方法的基本思想是對任意一個可能模型，既不完全接受也不完全否定，而是通過假設任一個模型的先驗概率（一般情況下各模型初始權重相等），得到一個平均模型，通過調節(jié)多個模型降低了模型結論的不確定性。由全概率定律可知，基于訓練數據yT的K個統(tǒng)計模型｛M1，…，MK｝的預測PDF（p（y））由式（1）給出：

式（1）中：p（y|MK）為僅基于模型MK的PDF；p（MK|yT）為給定訓練數據的模型MK正確的后驗概率，反映模型MK與訓練數據的擬合程度。

BMA 統(tǒng)計模型可以擴展到動態(tài)模型。基本思想是對于任何給定的預測都有一個“最佳”模型，但不知道它是哪個模型，對最佳模型的不確定性可由BMA量化。用y表示要預測的數量。每個確定性預測fk都可以進行偏差校正，從而產生偏差校正預測。然后將預測fk與條件PDF 相關聯，并假設fk是集合中的最佳預測。BMA 預測模型如下：

式（2）中：wk為預測k 模型為最佳模型的后驗概率，它是基于k 模型在訓練期間的預測性能得出的；可以解釋為y以為條件的條件PDF。

在這種情況下，BMA 預測均值只是給定預測的y的條件期望，即：

這可以被視為確定性預測，并且可以與集合中的單個預測或集合平均值進行比較。

2.2 河南省未來21 世紀氣溫時空變化評估方法

為了研究河南地區(qū)未來氣溫的時空變化，把時期分為21 世紀初期（2021—2040 年）、中期（2050—2069年）和末期（2080—2099 年）3 個階段[9]。同樣對比期也根據前面的時間間隔進行劃分，對比期定為1992—2011 年。由于夏冬2 季為極端天氣，即高溫、低溫高發(fā)季節(jié)，持續(xù)的夏季高溫會加劇干旱的發(fā)生，尤其在農業(yè)生產方面，使農作物產量下降，給農業(yè)生產造成較大影響。持續(xù)低溫會帶來寒潮和霜凍等災害，給人民生產生活帶來嚴重的影響。為3 個時期分別進行夏冬2 季劃分，研究河南地區(qū)年內夏冬季節(jié)氣溫變化的差異程度。

3 數據分析

3.1 訓練期確定

本文通過BMA 模型評估結果和觀測值的均方根誤差（RMSE）來選擇最優(yōu)訓練期。選取1971—2007年月平均氣溫參與滑動訓練，檢驗期為2008—2014 年，分別對河南省42 個格點進行滑動訓練。發(fā)現每個格點得出的曲線趨勢一致，隨著訓練期的延長BMA 模型的RMSE 逐步縮小，1971—1998 年RMSE 穩(wěn)定在3.0 左右。由于格點數量較多這里只列出3 個格點的RMSE（如圖1 所示），最終決定把1998—2007 年作為訓練期，將2008—2014 年作為檢驗期代入建立BMA 模型。

圖1 滑動訓練RMSE 圖

3.2 BMA 模型權重確定

模型權重反映了該模式為最佳回報模式的概率，即權重越大，表明該模式的模擬能力越強。表2 為參與集合的7 個模式在其中3 個格點的權重值，可以看出MIROC6 模式在河南省的權重值在這3 個格點里都超過了0.5，表現出了非常好的模擬性能。然后對剩余39 個格點進行同樣操作，發(fā)現與這3 個格點得出的結論基本一致。大量研究結果表明，CMIP6 多模式集合平均模擬效果要好于任何一個單模式的模擬效果[6-7]，最后通過BMA 模型對各個模式進行集成。

表2 BMA 模型權重

4 模型結果與分析

4.1 不同時期地表氣溫變化特征分析

基于最優(yōu)訓練期下的模型參數，由式（4）可以得到未來變化的貝葉斯模型平均預估值，對42 個格點進行算術平均，河南省不同情景相對于對比期未來不同時期的夏、冬區(qū)域升溫情況如表3、表4 所示。

表3 夏季區(qū)域升溫（單位：℃）

表4 冬季區(qū)域升溫（單位：℃）

從表中可以看出，溫室氣體排放量較低時，即SSP1-2.6 和SSP4-3.4 情景下，夏季的平均升溫幅度比冬天高，而且隨著溫室氣體排放量增加，中后期的夏季和冬季平均升溫幅度相比有減少的趨勢。當溫室氣體排放量較大，即SSP5-8.5 情景時，特別是后期時夏季和冬季平均升溫幅度僅僅相差0.038 ℃，基本一致。即隨著溫室氣體排放量的增加，季節(jié)變化對升溫幅度的影響在減小。

4.2 地表氣溫變化的空間特征分析

圖2、圖3、圖4 為河南省3 種不同情景下未來不同時期的升溫幅度空間變化圖，圖5為河南省DEM圖。可以看出除了SSP4-3.4 情景下的21 世紀初期以外，未來升溫幅度最高的地區(qū)為河南省西部高程較高的地方，而且隨著溫室氣體排放量的增加，河南省西部海拔較高的地方升溫越明顯。

圖2 SSP1-2.6 情景下21 世紀前期、中期和后期夏季氣溫升溫空間分布

圖3 SSP4-3.4 情景下21 世紀前期、中期和后期夏季氣溫升溫空間分布

圖4 SSP5-8.5 情景下21 世紀前期、中期和后期夏季氣溫升溫空間分布

圖5 河南省DEM 圖

5 結論

利用CMIP6 的7 個全球氣候模式的模擬結果和CRU TS Vеrsiоn 4.05 地表逐月格點平均氣溫序列觀測資料，并基于集成貝葉斯模型平均對河南省地表氣溫進行最優(yōu)訓練期的選取試驗，對21 世紀河南省氣溫時空變化展開研究，得出以下幾點結論：利用最優(yōu)訓練期的貝葉斯平均法對河南省21 世紀氣溫狀況進行模擬，在7 個全球耦合模式中，模擬能力最強的模式為MIROC6 模型；將克里金插值與DEM 數字高程圖結合，可以看出升溫幅度最高的為地勢較高的山區(qū)；溫室氣體排放量增加引起區(qū)域升溫，季節(jié)變化特征較小。