CMIP5模式对东北地区气温模拟能力评估

敖 雪，翟晴飞，崔 妍，赵春雨，王 涛，周晓宇，王 颖

(1.辽宁省沈阳区域气候中心，辽宁 沈阳 110166；2.辽宁省人工影响天气办公室，辽宁 沈阳 110166)



CMIP5模式对东北地区气温模拟能力评估

敖 雪1，翟晴飞2*，崔 妍1，赵春雨1，王 涛1，周晓宇1，王 颖1

(1.辽宁省沈阳区域气候中心，辽宁 沈阳 110166；2.辽宁省人工影响天气办公室，辽宁 沈阳 110166)

摘要：利用CMIP5的多模式集合资料和中国东北地区162个站点逐月平均气温实测资料，从时间变化和空间分布两方面评估了CMIP5模式对1961～2005年中国东北地区气温的模拟能力。结果表明：全球气候模式能够较好地再现东北地区气温显著增高趋势和年平均气温由南向北递减的纬向分布特征以及冷暖中心。EOF分析结果显示，东北地区20世纪90年代以前增温较慢，90年代之后增温较快，东北地区年平均气温呈现南北反位相的时空变化特征。模拟结果和观测结果具有较好的一致性。

关键词：CMIP5；东北地区；气温；评估

近年来，气候变化特别是全球气候变暖对自然生态系统和社会经济发展产生的影响已成为重大的全球性问题，得到国际社会的普遍关注。IPCC第5次评估报告[1-2]指出，1880～2012年全球平均温度已升高0.85 ℃(0.65～1.06 ℃)。过去30年，每10年地表温度的增暖幅度高于1850年以来的任何时期。在北半球，1983～2012年可能是最近1400年来气温最高的30年，特别是1971～2010年间海洋变暖所吸收热量占地球气候系统热能储量的90%以上，海洋上层(0～700 m)已经变暖。东北地区是中国最大的商品粮基地和农业生产最具发展潜力的地区之一，同时也是中国重要的工业和能源基地。东北地域广阔，背靠亚欧大陆，面朝太平洋，海陆差异显著。处于温带季风气候区，雨热同期，是典型的气候脆弱区，在全球气候变化中具有很强的敏感性[3-5]。因此在全球变暖的背景下，了解东北气候如何变化，气温的分布特征具有重要意义。

近10年不少学者利用全球气候模式对区域气候变化进行模拟分析，郭彦等[6]评估了CMIP5模式对中国气温变化的模拟能力，并与CMIP3模式对比，得出CMIP5的模拟结果较CMIP3有所提高；杨侃等[7]利用全球气候模式对宁夏区域气候变化进行了模拟分析，发现地面气温的模拟值偏低，降水量的模拟值偏高；姚遥等利用8个CMIP5模式对中国极端气温进行了模拟，发现所有极端气温指数模拟和观测结果的时间相关均达到0.1显著水平，20年一遇极端气温模拟和观测结果空间相关系数为0.98[8]。众多研究结果表明全球气候模式对区域气候具有一定的模拟能力。众多学者选用多模式集合方法( Multi-model Ensembles，MME) 对多个模式总体性能进行评估[9]，该方法不仅在一定程度上抵消了各个模式存在的偏差，并且模拟结果和观测结果最为相似，因而和真实的自然状态更为接近，所以被广泛应用于模拟和预估未来气候变化的研究当中[10-11]。作为中国受气候变暖影响最为敏感的地区之一，东北地区曾经的气候状况，未来的气候变化，及其空间分布概况，这些问题仍旧缺少系统的研究。因此，本研究从时间变化和空间分布两方面采用多模式集合(MME)方法系统地评估了CMIP5气候系统模式对东北地区1961-2005年平均气温的模拟性能，以期为今后对东北地区的气候预估打下基础。

1资料和方法

1.1研究资料

研究资料包括观测资料和模式模拟资料两部分，并将资料长度统一为1961～2005年。本文使用东北地区162个气象站逐月平均气温资料作为观测资料，已对资料进行了初步的质量控制。

单个模式的模拟能力有局限性，模式集合可以较好地模拟出我国气候的平均状态，而且已有研究指出多模式集合结果对中国气候总体上要较单个模式具有更为可靠的模拟能力[12-14]。所以本文将23个CMIP5全球气候模式的月平均资料，经过双线性插值将不同分辨率的模式资料插值到1°×1°的同一格点分布，区域范围为东亚地区(60°～149° E，0.5°～69.5° N)，利用简单算术平均方法得到多模式集合资料。

1.2研究方法

本文主要从时间变化和空间分布两个方面评估CMIP5模式对中国东北地区平均气温的模拟能力。首先利用双线性插值将模式资料插值到中国东北地区162个气象站上，然后将插值结果与同时段观测资料进行比较分析，并对观测和模拟的1961～2005年的气温数据进行EOF分析和显著性检验[15]，评估模式对基本气候要素时空变化特征的模拟能力。

常用EOF对气象要素场进行分析，EOF不仅可以提取气象要素场随时间变化的空间特征模式，还可以提取时间变化的特征模式，具有适应性广、收敛快等优点[16]。

2结果与分析

2.1全球气候模式对时间变化模拟能力的评估

2.1.1年内变化表1为1961～2005年东北地区年和季节气温的模拟值、观测值和模拟误差，其中MME为多模式集合值，OBS为观测值。从表1可知，模式对东北区域气候具有一定的模拟能力，对气温的模拟略偏低，年平均气温偏低1.49 ℃，其中春季误差最大，达到2.25 ℃，冬季误差最小，模式对夏季和冬季的模拟较春秋两季更好。

表1MME模拟1961～2005年东北地区

平均气温与观测值的差异

℃

进一步分析1961～2005年东北45年逐月平均气温的对比结果，由图1可以看出，多模式集合很好地模拟出了温度逐月变化的总体特征。7月温度最高，1月温度最低，呈单峰状。模式对1月、7～12月模拟结果较好，模拟误差均在1.5 ℃以内，其中对1月的模拟偏差仅为0.7 ℃。总之，模式结果能较好地再现气温的逐月变化，但是在数值上均小于观测值。

图1　1961～2005年东北地区气温模拟值和观测值的逐月变化

2.1.2年际变化图2为1961～2005年多模式集合对东北地区年平均气温年际变化的模拟结果。从中可以看出，多模式集合能很好地模拟出1961～2005年东北地区的显著增暖趋势，并且与观测值的增暖趋势基本一致，多模式集合的增暖速率为0.28 ℃/10年；1961～2005年东北地区气温观测值呈显著上升趋势，增暖速率为0.37 ℃/10年，多模式集合的增暖速率要略低于观测值，但均通过0.05显著性检验，与姜燕敏等[17]得出的结论相一致。并且模拟值对年平均气温的模拟偏低，模拟值和观测值的相关系数达到0.61。

结合11年滑动平均曲线进行分析，可以看出，观测值的年际振荡明显大于模拟值，模拟值的振荡幅度在1 ℃以内，而观测值在2 ℃左右，这也说明模式对极值起到一定的平滑作用。

2.2全球气候模式对空间分布模拟能力的评估

2.2.1平均气温气候的态空间分布图3为中国东北地区年平均气温多模式集合模拟场、观测场以及差值场。对比观测场和多模式集合模拟场可以看出，模式对气温的模拟结果呈纬向分布，能很好地模拟出东北地区年平均气温南高北低的分布格局，并且模拟出的冷暖中心位置与观测场非常接近。观测资料显示，东北地区大部分地区的年平均气温大于0 ℃，小于0 ℃的地区出现在黑龙江的西北部，高值区域主要在辽宁南部，0 ℃等值线分布在黑龙江大兴安岭地区。对比模拟值，可以发现，两者在数值上存在一定偏差，模拟值基本上都低于观测值，并且模拟值的0 ℃线较观测值偏南，模拟的等温线较观测值更加平直，这可能是由于全球气候模式分辨率较低，未能很好模拟出年平均气温的小尺度信息[18]。从差值场(图3c)可以发现，模拟值和观测值差异不大，在2.7 ℃以内，在

吉林东部的靖宇、东岗和松江等地区模拟值大于观测值，差值在1 ℃之内，其他地区的模拟值普遍偏小。模拟误差较大的地区主要集中在黑龙江东北部、西南部地区和吉林西部部分地区，模式对吉林东部、辽宁东部地区气温模拟误差相对较小，效果较好。

图2　1961～2005年东北地区平均气温演变特征

a：多模式集合模拟场；b：观测场；c：差值场(模拟值-观测值)图3　1961～2005年东北地区年平均气温(℃)的空间分布

2.2.2 平均气温变化线性趋势的空间分布图4分别为中国东北地区年平均气温多模式集合数据、观测数据以及它们的差值数据在每个格点的气温变化率的空间分布情况。观测结果显示，整个东北地区呈现显著增温趋势，除黑龙江饶河、肇源和辽宁本溪外，其余站点均通过了0.05的可信度检验。气温变化率介于0.07～0.70 ℃/10年之间，不同区域增幅有所差异，增温幅度较大区域位于黑龙江的西部和北部地区，增幅数值在0.53 ℃/10年以上；增长较小的区域位于吉林东部和辽宁除中部外的大部分地区，数值在0.32 ℃/10年以下。

多模式集合结果显示，整个东北地区均出现了显著增温趋势，所有站点均通过了0.05的可信度检验。气温变化率介于0.18～0.31 ℃/10年之间，基本小于观测值，北部增温趋势较南部明显，高值区位于黑龙江北部地区，整个辽宁地区均处在低值区，而实际情况在辽宁中部地区存在部分高值区域。多模式集合数据减去观测数据，得到差值场。差值场的数值范围在-0.43～0.2 ℃/10年之间，负值区域明显多于正值区域。黑龙江西部地区模拟的气温变化率明显低于观测值，数值在-0.43～-0.18 ℃/10年之间，正值区域主要位于黑龙江东部和辽宁北部地区。

为了进一步检验模式的模拟性能，将观测数据和多模式集合数据进行EOF分析并通过了显著性检验，对比两者年平均气温的前两个特征向量的空间分布及其对应的时间系数(图5)。图5a为观测数据的第一特征向量的空间分布，对应所占的方差比例为85.8%，主要特征为整个东北地区呈现一致的负值；结合对应的时间系数变化曲线(图5c)来看，1961～2005年期间时间系数呈明显下降趋势(通过了0.01的可信度检验)，20世纪90年代之前为正值，之后为负值，可知整个东北地区从20世纪60年代以来一直呈增温趋势，20世纪90年代以前增温较慢，90年代之后增温较快。其中黑龙江漠河、饶河、肇源、鸡西、林口以及辽宁本溪一带增温较缓慢，这与图4得出的结论一致。在吉林地区，存在一个明显的负值中心，与模式的模拟结果(图5b)比较可以发现，两者负值区域的分布相似，负值中心都出现在吉林地区。模式数据第一特征向量的空间分布也是一致呈负值，所占方差比例为97.7%；其对应的时间系数变化曲线(图5d)也呈明显下降趋势(通过了0.01的可信度检验)，20世纪90年代之前为正值，之后为负值，与观测值具有很好的一致性。EOF1表明观测和模拟的东北地区年平均气温在1961～2005年具有整体一致的变化特征。

图4　1961～2005年东北地区年平均气温变化线性趋势的空间分布

图5　1961～2005年东北地区观测和模拟的年平均气温EOF1分析得到的特征向量及时间系数

图6为观测数据和多模式集合数据的EOF第二特征向量的空间分布和对应时间系数。从图6a和6b中可以看出，观测场和模式场都呈现东北地区年平均气温南北反位相的特征，南部为正，北部为负，负值中心均出现在黑龙江北部，正值中心均出现在辽宁，辽宁呈现一致的正值，模拟结果和观测结果一致性较好。时间系数变化曲线如图6c和图6d所示，观测结果和模拟结果对应的曲线正负波动，两者的线性变化趋势均不显著。

3结论

本文利用东北地区162个气象站1961～2005年逐月平均气温数据，从时间变化和空间分布两方面来评估CMIP5多模式集合对东北地区气温的模拟能力，主要结论如下：

(1)多模式集合能够很好地再现东北地区气温的年变化，模式对冬季和夏季的模拟效果优于春季和秋季。多模式集合的年际振荡明显小于观测值，但是能很好地模拟出东北地区显著增温趋势，模式的增暖速率要低于观察数据的增暖速率。

图6　1961～2005年东北地区观测和模拟的年平均气温EOF2分析得到的特征向量及时间系数

(2)多模式集合能很好地模拟出东北地区年平均气温的空间分布特征：气温由南向北逐渐降低，呈纬向分布，并且能模拟出冷暖中心，模式模拟值普遍偏小，误差在1.5 ℃之内。

(3)多模式集合对气温变化线性趋势空间分布的模拟结果较观测结果有一定差异，多模式集合的气温变化率基本小于观测值，增温幅度较大的地区均主要位于黑龙江北部，模式和观测结果表明整个东北区域呈现显著增温趋势。

(4)EOF1分析结果显示，东北地区从20世纪60年代以来一直呈显著增温趋势，20世纪90年代以前增温较慢，90年代之后增温较快。其中黑龙江漠河、饶河、肇源、鸡西、林口以及辽宁本溪一带增温较缓慢；EOF2分析结果呈现东北地区年平均气温南北反位相的特征，南部为正，北部为负，负值中心均出现在黑龙江北部，正值中心均出现在辽宁。EOF分析表明观测和模拟的东北地区年平均气温在1961～2005年具有较好的一致性。

4讨论

本文从时间空间两个方面对东北地区模拟场与观测场进行了对比分析，结果表明CMIP5多模式集合对东北地区的气温具有一定的模拟能力。但由于物理参数的选取、模式分辨率、模式参数化和响应过程的差异，使得全球气候模式对东北地区平均气温的模拟仍具有一定的不确定性，如何进一步改进全球模式，更有效地利用多模式集合方法，而不是单单运用简单平均方法实现模式集合，这些问题都是值得我们继续研究的。

参考文献：

[1] IPCC. Climate change 2013: the physical science basis. Working group I contribution to the fifrth assessment report of the Intergovernmental Panel on Climate Change[M]. Cambridge: Cambridge University Press, 2013: 760-816.

[2] 沈永平,王国亚.IPCC第一工作组第五次评估报告对全球气候变化认知的最新科学要点[J].冰川冻土,2013,35(5):1068-1076.

[3] 姜晓艳,刘树华,马明敏,等.东北地区百年降水时间序列变化规律的小波分析[J].气象与环境学报,2013,29(4):37-46.

[4] 吴正方,靳英华,刘吉平,等.东北地区植被分布全球气候变化区域响应[J].地理科学,2003,23(5):564-570.

[5] 贺伟,布仁仓,熊在平,等.1961～2005年东北地区气温和降水变化趋势[J].生态学报,2013,33(2):519-531.

[6] 郭彦,董文杰,任福民,等.CMIPS模式对中国年平均气温模拟及其与CMIP3模式的比较[J].气候变化研究进展,2013,9(3):181-186.

[7] 杨侃,徐吟隆,陈晓光,等.全球气候模式对宁夏区域未来气候变化的情景模拟分析[J].气候与环境研究,2007,12(5):629-637.

[8] 姚遥,罗勇,黄建斌.8个CMIP5模式对中国极端气温的模拟和预估[J].气候变化研究进展,2012,8(4):250-256.

[9] 刘珂.中国区域气候的GCM与RCM模拟结果的对比分析[D].北京:中国农业科学院,2011:7-9.

[10] Cubasch U, Meehl G A, Boer G J, et al. Projections of future climate change[C]∥Houghton J T, Ding Y, Griggs D J. Climate change 2001: the scientific basis. Cambridge: Cambridge University Press, 2001: 525-582.

[11] 徐敏,于庚康,徐经纬,等.不同分辨率下全球气候模式的集合结果检验[J].气象科学,2013,33(2):160-167.

[12] 刘敏,江志红.13个IPCCAR4模式对中国区域近40a气候模拟能力的评估[J].南京气象学院学报,2009,32(2):256-268.

[13] 许崇海.多模式对中国地区气候变化检测和预估研究[D].南京:南京信息工程大学,2007.

[14] 许崇海,罗勇,徐影.全球气候模式对中国降水分布时空特征的评估和预估[J].气候变化研究进展,2010,6(6):398-404.

[15] North G R, Thomas L B, Robert F C, et al. Sampling errors in the estimation of empirical orthogonal functions [J]. Monthly Weather Review, 1982, 110: 699-706.

[16] 黄嘉佑.转动主分量分析在天气气候分析中的应用[J].气象,1988(9):47-51.

[17] 姜燕敏,吴昊旻.20个CMIP5模式对中亚地区年平均气温模拟能力评估[J].气候变化研究进展,2013,9(2):110-116.

[18] 崔研,李倩,周晓宇,等.5个全球气候模式对中国东北地区平均气温的模拟与预估[J].气象与环境学报,2013,29(4):37-46.

(责任编辑：许晶晶)

收稿日期：2016-01-07

基金项目：公益性行业(气象)科研专项“近百年全球陆地气候变化监测技术与应用”(GYHY201206012)；2014年中国气象局气候变化专项“近百年区域气候变化序列建立及不确定性评估”(CCSF201338)；辽宁省气象局2013年备案课题(201305);辽宁省气象局2014年课题(201405)。

作者简介：敖雪(1986─)，女，工程师，硕士，主要从事气候变化研究。*通讯作者：翟晴飞。

中图分类号：P467

文献标志码：A

文章编号：1001-8581(2016)07-0105-06

Assessment of Capability of CMIP5 Model to Simulate Air Temperature in Northeast China

AO Xue1， ZHAI Qing-fei2*, CUI Yan1, ZHAO Chun-yu1, WANG Tao1, ZHOU Xiao-yu1, WANG Ying1

(1. Shenyang Regional Climate Center of Liaoning, Shenyang 110166, China;2. Liaoning Weather Modification Office, Shenyang 110166, China)

Abstract：Using the multi-mode collection data of CMIP5 and the monthly average air temperature data of 162 sites in the northeast of China, we assessed the ability of CMIP5 model to simulate the air temperature in the northeast of China from 1961 to 2005 from the aspects of time change and spatial distribution. The results showed that the global climate model could better reappear the significant rising trend of air temperature, the latitudinal distributive characteristics of average annual air temperature which decreased gradually from south to north, and the cold-warm center in Northeast China. EOF analysis indicated that: in the northeast of China, the warming was slow before the 1990s, and was fast after the 1990s; the average annual air temperature revealed the temporal and spatial variation characteristics of north-south anti-phase. The simulative results and observation results had a better consistency.

Key words：CMIP5; Northeast China; Air temperature; Assessment