Page 91 - 《高原气象》2025年第5期

5 期 陈沪宁等：CMIP6模式对川渝夏季复合热浪与青藏高原大气热源关系的模拟差异及原因 1209
评估 28 个 CMIP6 全球气候模式对川渝地区夏季复 表1 28个CMIP6全球气候模式基本信息
合热浪、 高原夏季大气热源以及二者相关关系的模 Table 1 Basic information of 28 global coupled
拟能力； 探讨模式对川渝地区夏季复合热浪与高原 climate models from CMIP6
东南部大气热源关系模拟差异的可能原因。 序 分辨率
模式名称 机构/所属国家及地区
号 （经度×纬度）
2 资料来源和方法介绍 1 ACCESS-CM2 ACCESS/澳大利亚 1. 9°×1. 3°

2. 1 模式和资料介绍 2 ACCESS-ESM1-5 ACCESS/澳大利亚 1. 9°×1. 3°
本文使用 28 个 CMIP6 全球气候模式的历史 3 AWI-CM-1-1-MR AWI/德国 0. 9°×0. 9°
（1985 -2014 年）模拟试验数据（Eyring et al， 2016； 4 BCC-CSM2-MR BCC/中国 1. 1°×1. 1°
周天军等， 2019）， 基本信息见表 1。所用的单层变 5 CanESM5 CCCma/加拿大 2. 8°×2. 8°
量包括逐日近地面日最高和日最低气温、 逐月地表 6 CMCC-ESM2 CMCC/意大利 1. 3°×0. 9°
气压和总云量， 三维变量包括逐月气温、 垂直速 7 CNRM-CM6-1 CNRM/法国 1. 4°×1. 4°
度、 位势高度、 经向风和纬向风。 8 CNRM-ESM2-1 CNRM/法国 1. 4°×1. 4°
本文使用的日最高气温和日最低气温观测资 9 EC-Earth3-Veg-LR EC-Earth-Consortium/欧盟 1. 1°×1. 1°
料来自国家气候中心发布的 CN05. 1 数据集（吴佳 10 EC-Earth3-Veg EC-Earth-Consortium/欧盟 0. 7°×0. 7°
和高学杰， 2013）， 水平分辨率为 0. 25°×0. 25°； 再 11 EC-Earth3 EC-Earth-Consortium/欧盟 0. 7°×0. 7°
分析资料为欧洲中期天气预报中心（ECMWF）的新 12 FGOALS-g3 CAS/中国 2. 0°×2. 3°
一代再分析资料 ERA5（Hersbach et al， 2020）， 变量 13 GISS-E2-1-G NASA-GISS/美国 2. 5°×2. 0°
包括逐月气温、 垂直速度、 位势高度、 地表气压、 14 HadGEM3-GC31-LL MOHC/英国 1. 9°×1. 3°
总云量、 经向风和纬向风， 分辨率为 1. 0°×1. 0°； 青 15 INM-CM4-8 INM/俄罗斯 2. 0°×1. 5°
藏高原边界数据来自国家青藏高原科学数据中心 16 INM-CM5-0 INM/俄罗斯 2. 0°×1. 5°
青藏高原边界数据总集（张镱锂， 2019）。文中涉及 17 IPSL-CM6A-LR IPSL/法国 2. 5°×1. 3°
的地图是基于中华人民共和国自然资源部地图技 18 KACE-1-0-G NIMS/韩国 1. 9°×1. 3°
术审查中心标准地图服务系统下载的审图号为 GS 19 MIROC6 MIROC/日本 1. 4°×1. 4°
（2022）1061号中国地图制作， 底图无修改。 20 MIROC-ES2H MIROC/日本 1. 4°×1. 4°
模式数据和观测数据均采用双线性插值法插 21 MIROC-ES2L MIROC/日本 2. 8°×2. 8°
值到 1. 0°×1. 0°分辨率网格， 便于与再分析资料结 22 MPI-ESM1-2-HR MPI/德国 0. 9°×0. 9°
果进行对比。 23 MPI-ESM1-2-LR MPI/德国 1. 9°×1. 9°
2. 2 复合热浪事件的定义 24 MRI-ESM2-0 MRI/日本 1. 1°×1. 1°
本文采用以往研究里常用的基于局地气温百 25 NorESM2-LM NCC/挪威 2. 5°×1. 9°
分位数的相对阈值法来识别川渝地区夏季复合热 26 NorESM2-MM NCC/挪威 1. 3°×0. 9°
浪（Li et al， 2021； Liu et al， 2023； Lu et al， 2024）。 27 TaiESM1 AS-RCEC/中国台湾 1. 3°×0. 9°
对于百分位数的估计， 通常使用自举方法基于研究 28 UKESM1-0-LL MOHC/英国 1. 9°×1. 3°
时段（1985-2014年）夏季的以每日为中心的15天滑
动窗口进行计算（You et al， 2017； Liu et al， 2023）， 90 百分位数时， 被识别为一次复合热浪事件（李双
可以在合理的样本量下提供与时间上一致的结果。 双等， 2023； Zhou et al， 2024； Jin et al， 2024）， 具
当连续 3天及以上每日最高和最低气温都超过其第 体公式如下：

th 90 )
th
Z = í ≥ T max (i，t ) 90 and T min (i，t ) ≥ T min (i，t ) （1）
ì1， (at least 3 consecutive days T max (i，t )
(i，t )
î 0， others
式中： i 和 t 分别表示数据的格点位置和对应的时 cy， HWF）来表征复合热浪事件， 定义为每年夏季
参与复合热浪事件的总日数。
间； 变量 Z 表示是否发生复合热浪事件； T max 和 T min
分别表示日最高和日最低气温； T max 90 和 T min 90 th 2. 3 大气热源的计算
th
分别表示日最高和日最低气温的第90百分位数。 大气热源是反映空气柱能量收支的物理量。
同时引入复合热浪日数（Heat Wave Frequen‐ 本文根据热力学方程， 采用倒算法计算非绝热加热