Page 17 - 《高原气象》2021年第5期
P. 17

高     原      气     象                                 40 卷
              978
             征（姚檀栋等，2017），是气候变化的敏感区和脆弱                            表1   NEX-GDDP数据集21个CMIP5全球气候模式
             区（秦 大 河 和 丁 永 建 ，2009；丁 永 建 和 秦 大 河 ，                                 基本信息
             2009）。气候变化将对该区域的积雪、多年冻土以                              Table 1  Information of 21 CMIP5 global climate
             及高原生物群落带来重大影响（秦大河和丁永建，                                        models in NEX-GDDP dataset
             2009；丁永建和秦大河，2009；程志刚等，2007；崔                       编号        模式名称         所属国家         单位
             鹏 等 ，2017；李 韧 等 ，2012；于 海 英 和 许 建 初 ，                1       ACCESS1-0     澳大利亚      CSIRO-BOM
             2009），同时使得自然灾害爆发频次增加，例如，干                            2       bcc-csm1-1     中国          BCC
             旱、洪涝、雪灾和低温霜冻等（郭晓宁，2010；马伟                            3       BNU-ESM        中国         GCESS
             东，2019；赵志龙等，2013），这些变化和灾害对高                          4        CanESM2       加拿大        CCCMA
             原社会经济发展产生重要影响。因此，青藏高原极                               5        CCSM4         美国         NCAR
             端气候研究已成为当下气候变化研究领域的热点。                               6       CESM1-BGC      美国      NSF-DOE-NCAR
                  然而，青藏高原地面气象观测站点少，且主要                            7       CNRM-CM5       法国        CERFACS
             集中在东部地区，广袤的西部地区气象站点稀少，                               8      CSIRO-Mk3-6-0  澳大利亚     CSIRO-QCCCE
             观测数据匮乏，制约了对青藏高原整体与区域气候                               9       GFDL-CM3       美国       NOAA-GFDL
             变化的全面与准确了解和认识，因此气候模式数据                               10     GFDL-ESM2G      美国       NOAA-GFDL
             就成为青藏高原气候变化研究的重要工具之一（肖                               11     GFDL-ESM2M      美国       NOAA-GFDL
             林鸿等，2016）。CMIP5（耦合模式比较计划第 5 阶                        12       inmcm4        俄罗斯         UNM
             段）模式是模拟全球历史时期和预估未来气候变化                               13     IPSL-CM5A-LR    法国          IPSL
             的主要工具，与 CMIP3模式相比，CMIP5模式的模                          14    IPSL-CM5A-MR     法国          IPSL
             拟能力更强（Taylor et al，2012），能够模拟出全球                     15       MIROC5        日本         MIROC
             气候变化的大尺度变化特征。CMIP5 模式模拟数                             16      MIROC-ESM      日本         MIROC
             据也被广泛的应用于区域极端气候的研究和预估                                17   MIROC-ESM-CHEM    日本         MIROC
             中（Chen and Sun，2015；胡浩林，2013；沈雨辰等，                   18     MPI-ESM-LR      德国         MPI-M
             2014；姚遥等，2012；于灏等，2020；王玉琦等，                         19     MPI-ESM-MR      德国         MPI-M
             2019），但是不同模式对不同区域极端气候指数的                             20      MRI-CGCM3      日本          MRI
             模拟性能差异较大（蒋帅等，2017），即使用多模式                            21      NorESM1-M      挪威          NCC
             集合平均值为区域气候变化做出相应解释（Chen et                         对中国极端温度指数的模拟能力，并给出了相应的
             al，2015，2017），然而 CMIP5 模式中各个模式对区                   优选模式。在青藏高原区，已有的研究也表明
             域极端气候的模拟能力并不明确，对极端气候的刻                             NEX-GDPP 数据比 CMIP5 模式对季节气温和降水
             画准确性各异。其次 CMIP5 模式数据空间分辨率                          量的时空分布模拟结果更接近于历史观测资料
             差异较大，且分辨率都比较低，不能够满足区域气                            （Mishra et al，2019），同时也有学者对 NEX-GDDP
             候变化研究的需要。2015 年美国航空航天局发布                           和 CMIP5 模式对青藏高原模拟的偏差进行了矫正
             了 首 套 基 于 CMIP5 的 多 模 式 高 分 辨 率 数 据 集             （陈说等，2019）。整体来说，相比于 CIMP5 模式的
             NASA Earth Exchange/Global Daily Downscaled        结果，NEX-GDDP 在区域尺度上能够给出更多的
             Projections（NEX-GDDP），它利用统计降尺度方法，                  气候变化信息，具有更佳的模拟表现（Chen et al，
             将表 1 中 21 个 CMIP5 模式模拟得到的历史时期                      2017；Li et al，2016；Bao and Wen，2017；李金洁
             （1950-2005年）和两种情景下（RCP4. 5和RCP8. 5）                等，2019）。目前 CMIP6 数据处于发布和初步应用
             预估时段（2006-2100 年）的逐日降水、最高气温和                       阶段，各模式分辨率差异较大（周天军等，2019），
             最 低 气 温 数 据 转 换 成 0. 25° ×0. 25° 空 间 分 辨 率         相比较，NEX-GDDP 分辨率较高且统一，目前仍具
             （Thrasher et al，2013）。在整个中国区域内，相比                  有较强的应用价值。
             于 CMIP5 模式数据，NEX-GDDP 数据在中国最冷                          纵观当前对 NEX-GDDP 数据模拟能力的评
             月、最暖月和极端降水空间分布方面的刻画更加接                             估，学者已近开展了相应的研究。然而该数据对青
             近于历史统计数据（Bao and Wen，2017；Chen et                  藏高原极端气候变化的模拟能力如何？目前尚未
             al，2017；周莉等，2018）。也有学者（李金洁等，                       见诸报道。为此，文中从极端降水与极端温度两个
             2019）从极端温度的视角，评估了 NEX-GDDP 数据                      方面，全面评估 NEX-GDDP 数据中 21 个模式对青
   12   13   14   15   16   17   18   19   20   21   22