Page 183 - 《高原气象》2022年第6期

高 原 气 象 41 卷
1546
表2 CMIP6中7个GCMs模式基本信息
Table 2 Basic information of the selected 7 GCMs from CMIP6
模式名称 研发机构 格点数 分辨率
ACCESS-CM2 澳大利亚联邦科学与工业研究组织 192×144 1. 875°×1. 250°
ACCESS-ESM1-5 澳大利亚联邦科学与工业研究组织 192×144 1. 875°×1. 250°
BCC-CSM2-MR 北京国家气候中心 320×160 1. 125°×1. 125°
CNRM-CM6-1 法国国家气象研究中心 256×128 1. 406°×1. 406°
EC-Earth-Veg 欧洲EC-Earth联盟 512×256 0. 703°×0. 703°
GFDL-ESM4 美国大气海洋局 288×120 1. 250°×1. 000°
MRI-ESM2-0 日本气象厅气象研究所 320×160 1. 125°×1. 125°

格点的日尺度降水气温数据进行气候变化分析。 结果的模拟能力，以图形的形式直观地展示模拟值
通过多变量偏差校正（Multivariate Bias Correction， 与观测值之间的标准差之比（σ）、相关系数（R）和
f
MBC）方法对选取的模式格点数据进行偏差校正， 均方根误差（RMSE）。σ 和 RMSE 约束模拟值与观
f
减小全球气候模式在区域尺度上的模拟偏差，提高 测值之间的偏差大小，R 反映模拟结果与观测值之
气候模式数据的模拟精度（李雅培等，2021）。 间的相似程度（胡一阳等，2021）。σ 、RMSE和 R计
f
为提高气温、降水的模拟精度，克服单一模式 算公式如下：
不确定性大等问题（Kharin and Zwiers，2002；Kang σ f = σ y （1）
and Jin，2006），本文采用多模式集合平均法，对 σ x
CMIP6的 7个全球气候模式数据进行集合平均。以 1 n ) 1 2
RMSE = ∑ [( x i - x ˉ) - ( y i - y ˉ) ] 2 （2）
1971-2014 年为校验期，2021-2100 年为预估期， ( n i = 1
选取情景模式比较计划（Scenario Model Intercom‐ 1 n ( x i - x ˉ) ( y i - y ˉ)
R = ∑ （3）
parison Project，ScenarioMIP）中 的 核 心 试 验 情 景 n i = 1 σ x σ y
（张丽霞等，2019），对未来不同辐射强迫情景下气 式中：n 为时间长度；i 为时间； x ˉ、 y ˉ分别为观测值
候要素的变化进行评估（表 3）和趋势分析。情景模 和模拟值的平均值；σ 、σ 分别为观测值和模拟值
x
y
式比较计划采用新的“共享社会经济路径”（Shared 的标准差。当模拟值的 RMSE越小越趋近于 0，σ 和
f
Socioeconomic Pathways，SSPs）和 辐 射 强 迫 情 景 R 越 大 越 趋 近 于 1，表 示 模 拟 值 越 靠 近 观 测 点
（Representative Concentration Pathways，RCPs）的 （REF），说明模拟效果越好。
矩阵组合（钱永明等，2021），描述在没有气候变化 3. 2. 2 综合评级指标
或者气候政策影响下未来社会的可能发展，更加强 当模拟效果都比较接近时，引入综合评级指标
调未来辐射强迫情景与共享社会经济情景的一 S 能定量化描述模拟结果，从而更客观地评估模拟
致性。 能力（Taylor，2001）：

表3 CMIP6情景比较计划-核心试验情景的基本信息 S = 4(1 + R ) 4 （4）
2
1
Table 3 Basic information about core experiments ( ) ( ) 4
σ f +
in ScenarioMIP in CMIP6 σ f 1 + R O
RCPs 式中：R为模拟值与观测值之间的相关系数；σ 为模
f
情景 SSPs 强迫类型
-2
/ （W·m ） 拟值与观测值的标准差之比；R 为最大相关系数。
O
SSP1-2. 6 SSP 1（可持续发展） 低强迫 2. 6 S越接近1，说明模拟效果越好。
SSP2-4. 5 SSP 2（中度发展） 中等强迫 4. 5 3. 2. 3 Mann-Kendall趋势检验
SSP3-7. 0 SSP 3（局部发展） 中等至高强迫 7. 0 Mann-Kendall 趋势检验是分析数据序列变化
趋势的非参数检验方法，该方法对数据样本的分布
SSP5-8. 5 SSP 5（常规发展） 高强迫 8. 5
无要求，也不受缺失值或异常值的影响，在具有随
3. 2 研究方法 机性的水文、气象要素的趋势识别中具有很好的适
3. 2. 1 泰勒图 用性（景丞等，2016），因此被广泛用于水文、气象
泰勒图能很好地评估 CMIP6 多模式集合平均 等趋势性检验中。其原理是对于给定的置信水平