Page 26 - 《高原气象》2025年第6期

高 原 气 象 44 卷
1434
系 数 也 同 样 大 于 IsoGSM-Free 自 由 运 行 模 式 。
IsoGSM2 模式融合不同再分析资料模拟的季节平
18
均降水 δ O 和观测数据的相关系数的差是 0. 002~
0. 01， 而同一再分析资料 JRA55融合不同模式对模
拟结果相关系数的差是 0. 02~0. 24（表 2、 3）。可见
模式的改变对青藏高原降水 δ O 季节变化模拟的
18
影响比再分析资料变化带来的影响更突出。
18
3. 4 青藏高原降水δ O年际分布特征的多模式比较
18
从前文青藏高原的季节降水 δ O 平均模拟可
以看出， 在青藏高原不同分区， 降水稳定同位素变
化表现出不同的特征， 那么各模式对降水 δ O 的
18
18
年际分布模拟情况如何呢？青藏高原降水 δ O 的
18
图5 TNIP观测数据和模式模拟的多年月份平均δ O数据 年际变化受多种因素影响， 例如气温、 湿度、 气
Fig. 5 Climate mean monthly precipitation δ O data from
18
压、 气团的性质、 海拔、 复杂的降水条件以及特殊
TNIP station data and model simulations
的事件（如 ENSO）等。因此， 结合 32°N -33°N 作
数都超过 0. 87， 远大于 IsoGSM-Free 自由运行的相
为青藏高原气候分界线的分区结果， 本研究将非
关系数 0. 73。iCAM6-ERA5 的模拟线性回归线比 季风区（35°N -40°N）、 过渡区（30°N -35°N）、 季
iCAM6-Free 更接近对角线， 且 iCAM6-Free 的截距 风区（25°N -30°N）的多模式降水 δ O 年际分布分
18
偏大。值得注意的是， 融合 NCEPR 再分析资料对 别绘制于图 7（a）~（c）。并在 3 个分区分别选择了
18
青藏高原夏季降水 δ O 的模拟效果偏弱， 但其相关 TNIP 监测时间较为连续的代表城市站点： 德令哈

图6 青藏高原城市TNIP观测数据和模式模拟的多年月份平均δ O数据图
18
Fig. 6 Climate mean monthly precipitation δ O data from TNIP station data
18
of cities on the Qinghai-Xizang Plateau and model simulations