Page 196 - 《高原气象》2022年第6期
P. 196

6 期                  杨明鑫等：CMIP6模式对我国西南地区夏季气候变化的模拟和预估                                       1559
               阶段，选取 2015-2100年逐月气温和降水未来情景                            ì     T i - T min  ，  T为相对误差评价指标
                                                                      ï ï1 -
               试 验 数 据 。 所 选 取 未 来 数 据 共 包 括 SSP1-2. 6、               ï ï  T max - T min
                                                                 RS i = í
               SSP2-4. 5、SSP3-7. 0、SSP5-8. 5 四种不同情景，分                 ï ï  T i - T min  ，  T为非相对误差评价指标
                                                                      ï
               别代表了可持续发展、中度发展、局部发展和常规                                 ï ï ï  T max - T min
                                                                      î
               发展 4 种路径（张丽霞等，2019），到 2100 年人为辐                                                             （4）
               射强迫分别达到 2. 6，4. 5，7. 0 和 8. 5 W·m ，其中             式中： RS i 为第 i个模式的评分值； T i 为第 i个模式根
                                                      -2
               SSP3-7. 0为新辐射强迫情景，代表了高社会脆弱性                       据具体评价指标的计算值； T max 和 T min 分别为相应
               与相对高的人为辐射强迫的组合。                                   评价指标的最大值与最小值；本文中相对误差评价
               2. 2  方法介绍                                        指标为年际变率指数 Ts，非相对误差评价指标为
                  （1）泰勒图                                         S 1 、 S 2 技巧评分。RS 取值范围为 0~1，值越大越好。
                   泰勒图（Taylor，2001）可以将模式结果与观测                    总评分由所有评价指标得分加权平均而来，总分越
               数据间的空间相关系数、标准差之比和中心化均方                            高，模拟性能越好。S 1 、 S 2 技巧评分为表示同一特
               根误差，通过一张图显示出来。能较为直观地对各                            征的不同指标，则分别赋予 0. 5 权重，其他单一指
                                                                 标赋予1. 0权重。
               模式模拟性能进行判断。根据泰勒图可引入 S 1 、 S 2
               两个技巧评分，对模式的模拟能力进行定量描述。                                模式结果受多种因素影响，模拟结果与实际存
                                    4(1 + R)                     在一定差异，对未来变化的预估也存在一定的不确
                           S 1 =                         （1）
                               ( σ ̂ + 1/σ ̂  f ) ( 1 + R 0 )    定性（Tian et al，2015；于晓晶等，2017）。本文在
                                        2
                                 f
                                    4(1 + R) 4                   模式评估阶段对单个模式以及 24 个模式的等权重
                          S 2 =                          （2）
                               ( σ ̂ + 1/σ ̂  ) (  )  4          集合平均（MME）模拟性能进行评估，并在此基础
                                        2
                                       f
                                         1 + R 0
                                 f
                                                                 上筛选出最优模式进行等权重集合平均（BMME），
               式中： R 为相关系数； R 0 为能达到的最大相关系
                                                                 对西南地区夏季未来气候变化进行预估。
               数； σ ̂ 为模拟值与观测值的标准差之比。当相关系
                    f
               数变得越来越负或模型方差趋于零或无穷大时，技                            3   模式性能评估
               能评分越趋近于 0，当模式模拟效果越好时，技能
                                                                     在模式评估阶段，分别评估了模式对空间分布
               评分越趋近于 1。与式（1）相比，式（2）更加侧重对
                                                                 与年际变率的模拟能力，并根据评价指标对各模式
               相关系数的考虑。
                                                                 进行了综合排序，使其直观地了解各模式对西南地
                  （2）年际变率的评分技巧
                                                                 区气候模拟性能的强弱。
                   除了空间特征外，年际变率也是评估模式模拟
                                                                 3. 1  气温模拟性能评估
               性能的重要因素。通过计算年际标准差，引入“对
                                                                     模式数据相对于观测值的偏差是评估模式模
               称”变率指数 Ts （Chen et al，2011），对年际变率进
                                                                 拟效果的基本指标之一，图 1给出了 24个模式及多
               行定量评估。                          2                 模式集合平均相对于观测值的偏差情况。24 个模
                                         STD o
                            Ts =  STD m  - STD m)        （3）     式中多数模式低估了西南地区夏季气温，模拟结果
                                ( STD o                          的 偏 差 范 围 在 -4. 3~2. 4 ℃ 。 其 中 GFDL-ESM4、
               式中： STD m 表示模拟场中每个格点的年际标准差；                       IPSL-CM6A-LR、NorESM2-LM 的偏差大于 2 ℃，
               STD o 表示观测场中每个格点的年际标准差。首先                         冷偏差最大的模式是 IPSL-CM6A-LR；暖偏差最大
               对区域中每个格点进行计算，然后进行区域平均，                            的模式是NorESM2-LM。ACCESS-ESM1-5、KACE-
               平均后所得到的值代表评估区域的 Ts。Ts 越接近                         1-0-G、MPI-ESM1-2-HR、MRI-ESM2-0 和 TaiESM1
               0，代表模拟年际变化的能力越强。Ts为无量纲数。                          模式相对于观测值的偏差较小，在±0. 5 ℃之间。
                  （3）RS方法                                        MME呈较小的冷偏差，偏差值为-0. 3 ℃。
                   采用改进的秩打分方法（Fu et al，2013；刘兆                       泰勒图所示评估结果（图 2）表明，绝大多数模
               飞等，2016）对各模式进行综合评价，能更加直观                          式的空间模拟效果较好，空间相关系数分布范围在
               地比较不同模式的模拟性能。改进 RS 方法可以根                          0. 82~0. 93。EC-Earth3 与观测场的空间相关性最
               据不同评价标准，综合评估气候模式在区域尺度上                            好，相关系数为 0. 93；CanESM5 相关性最差，但相
               的表现。对于每个评价指标分别给予秩评分，计算                            关系数依然达到了 0. 82。模拟温度场与观测场标
               如下：                                               准 差 之 比 在 0. 82~1. 46；中 心 化 均 方 根 误 差 在
   191   192   193   194   195   196   197   198   199   200   201