謝文強(qiáng) 王雙雙 延曉冬

北京師范大學(xué)地理科學(xué)學(xué)部地表過程與資源生態(tài)國家重點(diǎn)實(shí)驗(yàn)室，北京100875

1 引言

為了應(yīng)對氣候變化，世界氣象組織（WMO）和聯(lián)合國環(huán)境規(guī)劃署（UNEP）于1988年成立了政府間氣候變化專門委員會（IPCC），對全球氣候變化進(jìn)行全面觀測與分析并于1990年發(fā)布了第一次評估報告。目前為止IPCC分別于1990年、1995年、2001年、2007年及2014年正式發(fā)表了5次氣候變化評估報告，引發(fā)了人們對氣候變化問題的關(guān)心，為推動人類社會發(fā)展做出巨大貢獻(xiàn)。基于不同情景的氣候預(yù)估是歷次IPCC科學(xué)評估報告的核心內(nèi)容之一，其結(jié)果展現(xiàn)了不同政策所帶來的氣候影響和社會經(jīng)濟(jì)風(fēng)險，為政府決策提供了重要科學(xué)依據(jù)（張麗霞等, 2019）。世界氣候研究計劃耦合模擬工作組（WGCM）自1995年起，先后發(fā)起和組織了6次國際耦合模式比較計劃（CMIP）。CMIP6的實(shí)驗(yàn)設(shè)計中包含了對歷史時期的模擬實(shí)驗(yàn)，模擬1850年以來的歷史氣候變化，評估模式模擬與觀測記錄的一致性，有助于模式的改進(jìn)，以獲得更好的模擬效果。

全球氣候變暖已成為世界上公認(rèn)的事實(shí)。IPCC第五次評估報告明確指出，自1880年以來，全球地表平均氣溫上升了0.85°C，陸地的增溫幅度高于海洋，冬季氣溫增幅高于夏季（秦大河等,2007）。1951～2012年間，全球地表平均氣溫平均增溫速率為0.12°C/10a，約為1880年以來增溫速率的兩倍。同時期中國氣溫升高1.38°C，增溫速率0.23°C/10a，中國的變暖幅度明顯高于全球 （IPCC, 2013）。在整個北方大陸，單獨(dú)夜間增溫的頻率和強(qiáng)度也有顯著增加，夜間最低氣溫正在逐漸升高，白天最高氣溫也逐漸上升（Wang et al.,2020）。因此，氣候變化對人類社會的影響越來越受到人們的重視。

關(guān)于CMIP全球氣候模式對全球氣候變化的模擬，世界各國學(xué)者已經(jīng)開展了很多評估工作。Zhou et al.（2014）評估了CMIP5模式對干旱半干旱區(qū)氣溫和降水變化的模擬能力，發(fā)現(xiàn)模式能夠捕捉到過去60年全球以及干旱和半干旱地區(qū)氣溫時空變化以及地理分布，對氣溫有較好的模擬能力。許崇海等（2007）對22個海氣耦合模式的研究則指出，模式對東亞地區(qū)的氣候有較好的模擬能力，同時，對氣溫模擬效果要好于降水（Ding et al.,2007）。模式對東亞季風(fēng)區(qū)降水的模擬能力較為有限（張莉等, 2008），需要進(jìn)一步改進(jìn)。全球氣候模式在全球范圍內(nèi)對平均氣溫模擬效果好，但是對于其他變量的模擬能力存在較大差異。世界范圍內(nèi)，科研工作者們同樣針對模式對極端事件的模擬能力進(jìn)行了大量的評估（Sillmann et al., 2013a, 2013b;Zhou et al., 2014; Chen and Sun, 2015）及未來情景的預(yù)估（周秀華和肖子牛, 2014; 楊絢等, 2014; 曾毓金 和 謝 正 輝, 2015; 趙 亮 等, 2019）。Gupta et al. （2020）利用CMIP6模式降水?dāng)?shù)據(jù)分析了印度極端降水情況的變化趨勢，發(fā)現(xiàn)模式對極端降水的模擬存在著較大的不確定性。模式可以模擬出極端氣溫的整體空間分布，但是小空間尺度上的極端事件模 擬 能 力 較 差（Dong et al., 2015; Kong et al.,2019）。全球氣候模式對全球與區(qū)域尺度上的極端氣候的模擬能力存在較為明顯的區(qū)別。但是，我國學(xué)者更關(guān)心的問題則是：氣候模式在中國范圍內(nèi)的模擬能力如何？哪些模式在中國擁有最好的模擬效果？為了解決這些問題，我國學(xué)者進(jìn)行了大量研究 （崔妍等, 2013; 陶純?nèi)數(shù)? 2016; 伍清等, 2018; 魏培 培 等, 2019）：Xu and Xu（2012）利 用18個CMIP5模式對中國1961～2005年氣溫和降水的模擬能力進(jìn)行了評估，發(fā)現(xiàn)模式能較好地反映氣溫和降水的地理分布特征，在模擬增溫趨勢方面表現(xiàn)良好，但對降水的模擬能力有限（劉敏和江志紅,2009; 楊陽等, 2019）；相比于CMIP3，CMIP5模式在中國平均氣溫變化趨勢、氣候態(tài)空間分布等方面都有所提高（郭彥等, 2013; 湯秭晨等, 2021）。Luo et al.（2020）發(fā)現(xiàn)CMIP6模式對于中國的年最大日最高氣溫、持續(xù)暖日日數(shù)和暖晝等要素的模擬能力相對于CMIP5模式有所提高，但是再現(xiàn)暖晝和冷夜的能力仍然不足（向竣文等, 2021）。可以說，雖然CMIP6模式對于中國的平均氣溫、降水等已經(jīng)具有了較好的模擬能力，但是對于極端氣候事件的模擬能力依然需要提高。

近些年來，全球極端氣候事件頻發(fā)，對人類社會造成了巨大危害，嚴(yán)重影響人類社會正常的生產(chǎn)生活活動。農(nóng)作物是人類賴以生存的食物來源，然而，高溫?zé)崂撕蜆O端冷害會導(dǎo)致糧食產(chǎn)量降低、品質(zhì)下降。為了更好地應(yīng)對極端氣候事件，氣候模式對極端氣候的模擬的準(zhǔn)確性就十分重要。因此，對最高氣溫和最低氣溫的精確預(yù)估可以提高氣候模式對極端事件的模擬能力，降低模擬誤差，更好地指導(dǎo)農(nóng)業(yè)生產(chǎn)活動，從而降低極端氣候給農(nóng)業(yè)生產(chǎn)來帶的損失。學(xué)者們已經(jīng)對CMIP6數(shù)據(jù)進(jìn)行了大量的評估工作，發(fā)現(xiàn)全球氣候模式雖然可以較好地模擬平均氣溫、降水等氣象要素，但是對于極端高溫、寒潮、晝夜溫差等對農(nóng)業(yè)生產(chǎn)有重要影響的氣象要素的模擬能力還存在較大的不確定性（Christy and Norris, 2006; Fall et al., 2011; Zhou and Ren, 2011;Williams et al., 2012）。對當(dāng)前氣候模式存在的系統(tǒng)性偏差進(jìn)行溯因分析以及校正是CMIP6著重研究的科學(xué)問題之一（周天軍等, 2019）。因此，本文利用CMIP6全球氣候模式的模擬結(jié)果，對模式模擬中國最高氣溫、最低氣溫的能力進(jìn)行多角度的定量評估，發(fā)現(xiàn)模式的優(yōu)勢和不足，有助于進(jìn)一步提高全球氣候模式在中國范圍的模擬能力，從而可以得到更為可靠的最高氣溫與最低氣溫的模擬數(shù)據(jù)，為精確預(yù)估中國地區(qū)未來最高最低氣溫與極端氣候的變化提供可靠的科學(xué)依據(jù)。

2 研究資料

2.1 模式資料

CMIP6在對歷史時期的模擬實(shí)驗(yàn)中綜合考慮了隨時間變化的外強(qiáng)迫，包括自然因素和人類活動的影響。在CMIP6的歷史時期模擬實(shí)驗(yàn)中，可用數(shù)據(jù)的起止時間為1850～2014年共165年。本研究使用的模式數(shù)據(jù)為26個CMIP6模式模擬的1961～2014年近地表最高2 m氣溫（TASMAX）和近地表最低2 m氣溫（TASMIN）的模擬結(jié)果。表1展現(xiàn)了各個模式的名稱、所屬機(jī)構(gòu)和國家、分辨率等信息。

表1 CMIP6模式簡介Table 1 Information of CMIP6 models

2.2 觀測資料

為了評估CMIP6模式的模擬結(jié)果，本研究采用由中國氣象局氣候研究開放實(shí)驗(yàn)室（吳佳和高學(xué)杰, 2013）發(fā)布的中國高分辨率數(shù)據(jù)集CN05.1的逐日最高氣溫和最低氣溫數(shù)據(jù)作為觀測資料?，F(xiàn)有可用的最高氣溫和最低氣溫的數(shù)據(jù)起止時間為1961～2018年，空間分辨率為0.25°（緯度）×0.25°（經(jīng)度）。該數(shù)據(jù)集的時間跨度較長，空間分辨率高。該數(shù)據(jù)集的生成過程只使用到了觀測站點(diǎn)的實(shí)際觀測資料做統(tǒng)計內(nèi)插，覆蓋整個中國陸地范圍（臺灣省統(tǒng)計資料缺?。?。相較于再分析資料，CN05.1的數(shù)據(jù)具有較大的可靠性。

為了便于比較分析，通過雙線性插值方法將所有模式數(shù)據(jù)統(tǒng)一插值到0.25°（緯度）×0.25°（經(jīng)度）的經(jīng)緯度網(wǎng)格上。由于模式資料和觀測資料的時間跨度不同，因此，本文只考慮中國陸地范圍，選用的研究時間為1961～2014年共計54年。

3 集成方法與評估指標(biāo)

3.1 多模式集合平均方法

本文使用的多模式集合平均數(shù)據(jù)為CMIP6多模式數(shù)據(jù)的簡單算術(shù)平均。該方法在模式評估中得到了廣泛應(yīng)用（郭彥等, 2013; 陶純?nèi)數(shù)? 2016）。

3.2 主成分分析方法

主成分分析又稱為經(jīng)驗(yàn)正交函數(shù)（Empirical Orthogonal Function, EOF）分解。一個氣象要素場可以視為空間和時間的函數(shù)。將某氣候變量場的資料以矩陣形式給出：

其中，m為網(wǎng)格點(diǎn)，n為時間點(diǎn)，xij表示第i個格點(diǎn)上第j時刻的觀測或模擬值。

EOF展開是將氣象場分解為空間函數(shù)矩陣V和時間系數(shù)矩陣T兩部分的乘積之和，即

即xij可看作m個空間函數(shù)vik和時間函數(shù)tkj的線性組合。這一過程將變量場的主要信息集中由幾個典型特征向量表現(xiàn)出來?？臻g函數(shù)可以反映氣候場的空間分布特征，時間函數(shù)則反映了場的時間變化規(guī)律。

3.3 評估指標(biāo)

為了定量化評估CMIP6模式模擬結(jié)果對中國范圍最高最低氣溫的模擬效果，本文采用歸一化標(biāo)準(zhǔn)差（Standard Deviation）、空間相關(guān)系數(shù)（Spatial Correlation Coefficient）、均方根誤差（Root Mean Square Error, RMSE）和中心化均方根誤差（RMSE' ）4個指標(biāo)來進(jìn)行評估。

4 研究結(jié)果

4.1 日最高氣溫和最低氣溫

1961～2014年，中國陸地平均日最高氣溫存在上升的趨勢，速率為2.15°C/100 a。CMIP6多模式集合平均對該趨勢的模擬速率為2.14°C/100 a。所有模式都可以模擬出最高最低氣溫的增溫趨勢 （圖1），與現(xiàn)有研究結(jié)果一致（Zhao et al., 2014; You et al., 2021）。CMIP6模式對最高氣溫的變化趨勢的模擬集中在2.0°C/100 a，對最低氣溫的變化趨勢的模擬則集中在2.5°C/100 a（表2）。BCC-ESM1對最高氣溫增溫趨勢的模擬結(jié)果為2.15°C/100 a，EC-Earth3對最低氣溫增溫趨勢的模擬結(jié)果為3.91°C/100 a，與觀測結(jié)果接近。同時，多模式集合平均的模擬結(jié)果要好于大部分模式，可以有效改善模式對最高氣溫變化趨勢的模擬。

表2 觀測和CMIP6模式模擬的中國最高氣溫和最低氣溫變化線性趨勢Table 2 Linear trends of China’s average maximum and minimum air temperature from observations and CMIP6 models simulations

圖1 觀測結(jié)果（紅點(diǎn)）及CMIP6多模式模擬（綠點(diǎn)：多模式集合平均，白點(diǎn)：模式模擬結(jié)果的中位數(shù)點(diǎn)）的中國最高最低氣溫變化線性趨勢分布（圖形與中軸線的距離越大表示模式模擬結(jié)果為該值的數(shù)量多）Fig. 1 Linear trend distributions of China-wide average maximum and minimum air temperature from observations (red) and CMIP6 models(green: Multi-model ensemble, white: Median point of simulations)(larger distance between the graph and the central axis indicates a greater number of model simulations that result in that value)

1961～2014年，中國陸地平均最低氣溫同樣存在上升趨勢（圖2），速率為3.92°C/100 a，約為最高氣溫增長速率的兩倍，該結(jié)果與IPCC（2013）的研究結(jié)果一致。同時，最高氣溫和最低氣溫的變化趨勢也與平均氣溫的變化趨勢一致（Zhou and Yu, 2006）。CMIP6多模式集合平均對最低氣溫增暖趨勢的模擬速率為2.34°C/100 a，多模式的模式間離散度達(dá)到0.41°C/100 a。這表明，所有模式都可以模擬出最低氣溫的增溫趨勢，但不同模式對該趨勢的模擬能力存在一定差異，模式對于平均氣溫的模擬存在同樣的特征（郭彥等, 2013）。

圖2 觀測（實(shí)線）、CMIP6集合平均（虛線）以及CMIP6多模式模擬（陰影）1961～2014中國平均（a）最高氣溫距平和（b）最低氣溫距平Fig. 2 Observed (solid line), CMIP6 ensemble mean (dashed line), and CMIP6 models simulated (shaded) annual (a) maximum air temperature anomalies and (b) minimum air temperature anomalies over China from 1961 to 2014

在中國陸地范圍內(nèi)，在82%的格點(diǎn)上絕大多數(shù)模式模擬結(jié)果與觀測呈現(xiàn)出正相關(guān)，CMIP6多模式能較好地模擬出大范圍的空間分布特征。不同模式模擬結(jié)果在空間上存在較大差異：模式在中國西北地區(qū)的模擬與觀測呈顯著正相關(guān)，模式間的一致性較高。同時，在華北和兩廣地區(qū)的模擬效果稍差。幾乎所有模式在西部地區(qū)的模擬值與觀測的相關(guān)性要好于東部地區(qū)。NorESM2-MM、CanESM5等模式與觀測結(jié)果較為一致，在絕大多數(shù)格點(diǎn)都呈現(xiàn)顯著正相關(guān)。如圖3a所示，NorESM2-MM在77%的格點(diǎn)呈現(xiàn)顯著正相關(guān)關(guān)系；同時，KIOST-ESM模式在86%的格點(diǎn)上呈現(xiàn)出正相關(guān)關(guān)系（圖3b）。陶純?nèi)數(shù)龋?016）指出CMIP5多模式集合可以較好地再現(xiàn)東北地區(qū)氣溫的空間分布規(guī)律。CMIP6集合平均（MME）的模擬效果要遠(yuǎn)好于任何一個單模式的模擬效果，全國范圍內(nèi)呈現(xiàn)出顯著正相關(guān)關(guān)系，僅對山東地區(qū)的模擬與觀測相關(guān)性較低，整體模擬效果很好。

圖3 CMIP6模式模擬1961～2014中國年均最高氣溫評估結(jié)果：（a）NorESM2-MM模式與觀測相關(guān)性；（c）KIOST-ESM模式與觀測相關(guān)性；（e）多模式集合模擬結(jié)果（MME）（陰影部分表示該格點(diǎn)有95%以上的模式呈現(xiàn)出同樣的相關(guān)性變化）；（b）、（d）、（f）分別為（a）、（c）、（e）三個模式相關(guān)關(guān)系的顯著性檢驗(yàn)結(jié)果（綠色部分表示該格點(diǎn)可以通過0.05的顯著性檢驗(yàn)，圖f中陰影部分表示該格點(diǎn)有80%以上的模式在該格點(diǎn)的相關(guān)性是顯著的）Fig. 3 Evaluation results of the annual average maximum air temperature in China from 1961 to 2014 simulated by CMIP6 models: (a) correlation between the NorESM2-MM simulation and observation; (c) correlation between the KIOST-ESM simulation and observation; (e) multi-model ensemble results (MME) (the shaded part indicates that 95% of the patterns in the grid show the same variation in correlation); (b), (d), and (f) are the significance test results of the correlation between models in (a), (c), and (e), respectively (the green part indicates that the grid point can pass the 0.05 significance test, and the shaded part in Fig. 3f indicates that more than 80% of the patterns in the grid point are significantly correlated)

在中國陸地范圍內(nèi)，單格點(diǎn)尺度上絕大多數(shù)模式模擬結(jié)果與觀測正相關(guān)的格點(diǎn)數(shù)占比達(dá)到97%（圖4c），顯著的格點(diǎn)也有所增加（圖4f）。相較于對最高氣溫的模擬，模式對最低氣溫的模擬與觀測結(jié)果的相關(guān)性普遍更高，模擬能力更強(qiáng)。我們的結(jié)果與CMIP5模式（沈雨辰, 2014）一致，模式對最低氣溫氣候態(tài)的模擬能力較強(qiáng)。如圖4a所示，CanESM5在所有格點(diǎn)上均與觀測數(shù)據(jù)呈顯著正相關(guān)，好于其他模式；同時，INM-CM5-0模式在90%的格點(diǎn)上呈現(xiàn)出正相關(guān)關(guān)系，雖然稍低于其他模式，但是該模式對于年均最低氣溫也具有一定的模擬能力。CMIP6集合平均（MME）數(shù)據(jù)的模擬效果要遠(yuǎn)好于任何一個單模式的模擬效果，全國范圍內(nèi)呈現(xiàn)出顯著正相關(guān)關(guān)系。不同模式與觀測最低氣溫的相關(guān)關(guān)系顯著性差異較大（圖4f），幾乎所有模式在中國西北部地區(qū)與觀測呈現(xiàn)顯著相關(guān)關(guān)系，但在南方地區(qū)的相關(guān)關(guān)系稍弱。說明CMIP6模式對于西北部地區(qū)的模擬能力較為穩(wěn)定，對于南方地區(qū)的模擬能力有待進(jìn)一步提高。

4.2 日最高氣溫和最低氣溫氣候態(tài)空間分布

取1995～2014年20年作為氣候態(tài)，計算氣候態(tài)平均值，以此來評估CMIP6模式以及集合平均數(shù)據(jù)對中國最高氣溫、最低氣溫氣候態(tài)空間分布的模擬能力。

圖5為1995～2014年中國年均最高最低氣溫CMIP6模式模擬和多模式集合平均數(shù)據(jù)與CN05.1觀測數(shù)據(jù)的空間分布情況。26個CMIP6模式都可以模擬出氣候態(tài)的最高最低氣溫的空間分布特征：青藏高原地區(qū)的最高最低氣溫低于全國其他地區(qū)，從高緯向低緯、從內(nèi)陸向沿海地區(qū)最高最低氣溫逐漸升高，這也與全國平均氣溫的空間分布特征相一致。從圖4我們可以看出，CMIP6多模式集合相比于單個模式，更接近于CN05.1的觀測結(jié)果。 IPCCAR4多模式也表現(xiàn)出同樣的特征（智協(xié)飛等, 2010）。

圖4 CMIP6模式模擬1961～2014中國年均最低氣溫評估結(jié)果：（a）CanESM5模式與觀測相關(guān)性；（c）INM-CM5-0模式與觀測相關(guān)性； （e）多模式集合模擬結(jié)果（MME）（陰影部分表示該格點(diǎn)有95%的模式呈現(xiàn)出同樣的相關(guān)性變化）;（b）、（d）、（f）分別為（a）、（c）、 （e）三個模式相關(guān)關(guān)系的顯著性檢驗(yàn)結(jié)果（綠色部分表示該格點(diǎn)可以通過0.05水平的顯著性檢驗(yàn)，4f中陰影部分表示該格點(diǎn)有80%以上的模式在該格點(diǎn)的相關(guān)性是顯著的）Fig. 4 Evaluation results of the annual average minimum air temperature in China simulated by the CMIP6 model from 1961 to 2014: (a) Correlation between the CanESM5 simulation and observation; (c) correlation between the INM-CM5-0 simulation and observation; (e) multi-model ensemble results (MME) (the shaded part indicates that 95% of the patterns in the grid show the same variation in correlation); (b), (d), and (f) are the significance test results of the correlation between models in (a), (c), and (e), respectively (the green part indicates that the grid point can pass the 0.05 significance test, and the shaded part in Fig. 4f indicates that more than 80% of the patterns in the grid point are significantly correlated)

圖5 （a、b）CMIP6模式模擬的、（c、d）CN05.1數(shù)據(jù)、（e、f）CMIP6集合平均（MME）模擬的1995～2014年氣候態(tài)中國最高（左側(cè)）和最低（右側(cè)）氣溫空間分布Fig. 5 Spatial distributions of China's annual mean maximum (left panel) and minimum (right panel) air temperature from 1995 to 2014 simulated by the (a, b) CMIP6 models, (c, d) CN05.1 data, and (e, f) CMIP6 ensemble mean (MME)

CMIP6模式對于整個中國東部地區(qū)氣候態(tài)最高氣溫的模擬結(jié)果標(biāo)準(zhǔn)差在3°C以內(nèi)（圖6a），一致性較高，西部地區(qū)模式間的標(biāo)準(zhǔn)差稍高于東部地區(qū)。不同模式對西北地區(qū)氣候態(tài)最高氣溫的模擬結(jié)果存在較為明顯的差異，在青藏高原兩側(cè)的差異最為明顯。與最高氣溫的模擬情況類似，CMIP6多模式對氣候態(tài)最低氣溫的模擬在空間上存在同樣明顯的差異（圖6b）。模式對中國東部地區(qū)氣候態(tài)最低氣溫的模擬能力要好于對最高氣溫的模擬，但是在青藏高原地區(qū)模式對最高氣溫的模擬效果好于最低氣溫。胡芩等（2014）指出CMIP5模式在青藏高原地區(qū)可以較好地模擬出年均地表氣溫分布特征，但是模擬的空間變率總體偏大。我們的研究可以得出同樣的結(jié)論：CMIP6模式對于氣候態(tài)最高氣溫和最低氣溫的模擬在東部地區(qū)一致性較高，模擬能力好，在西部地區(qū)差異較大。同時，模式對氣候態(tài)最高氣溫模擬能力好于最低氣溫。

圖6 CMIP6模式模擬1995～2014年平均的中國（a）最高氣溫和（b）最低氣溫空間分布的模式間標(biāo)準(zhǔn)差Fig. 6 Standard deviation of the spatial distribution of the CMIP6 model-simulated (a) maximum and (b) minimum air temperature in China averaged from 1995 to 2014

對于氣候態(tài)最高氣溫空間分布模擬（圖7），CMIP6多模式與觀測的空間相關(guān)系數(shù)集中在0.87～0.97之間，最低氣溫的空間相關(guān)系數(shù)大于0.9，高于最高氣溫的相關(guān)性。EC-Earth3與觀測的空間相關(guān)系數(shù)（最高氣溫：0.970、最低氣溫：0.979）在所有模式中最高，多模式集合模擬最高最低氣溫與觀測的空間相關(guān)系數(shù)分別為0.944和0.961。相較于最高氣溫，最低氣溫的模擬結(jié)果更接近于觀測，標(biāo)準(zhǔn)差與觀測較為一致。多模式集合平均可以有效減小模擬和觀測標(biāo)準(zhǔn)差的差異，同時也可以一定程度上提高與觀測的相關(guān)性。CMIP6多模式和多模式集合的中心化均方根誤差集中在1.5～4左右，其中EC-Earth3、EC-Earth3-Veg的中心化均方根誤差最小，在所有模式中表現(xiàn)最好。多模式集合平均與觀測數(shù)據(jù)的中心化均方根誤差為2.35，與多個模式模擬結(jié)果相比沒有顯著提升，說明多模式集合對減少均方根誤差的效果不明顯。同樣，有研究指出多模式集合對華東和上海地區(qū)氣溫的模擬存在均值偏高，方差偏低的現(xiàn)象（吳蔚等, 2016）。

圖7 CMIP6模式1995～2014年平均的中國（a）最高氣溫和（b）最低氣溫空間分布模擬結(jié)果的Taylor圖（紅點(diǎn)：多模式集合平均；REF：觀測；到REF的距離：中心化均方根誤差；半徑：標(biāo)準(zhǔn)差之比；方位角：空間相關(guān)系數(shù)；綠色符號：模式中相關(guān)性最高的前三個模式；橙色符號：模式中標(biāo)準(zhǔn)差與觀測最為接近的前三個模式；數(shù)字：與表1中序號對應(yīng)的模式的評估結(jié)果）Fig. 7 Taylor diagrams of simulation results for the average spatial distribution of (a) maximum and (b) minimum air temperature in China from 1995 to 2014 (red dot: Multi-model ensemble; REF: Observation; distance from REF point: Centralized root mean square error; radial distance: Ratio of standard deviation; azimuthal position: Spatial correlation coefficient; Green symbols: The top three patterns with the highest correlation among the patterns; Orange symbols: The first three models in which the standard deviation is closest to the observation; Numbers: Evaluation results for the pattern corresponding to the ordinal number in Table 1)

可見，無論是對氣候態(tài)最高氣溫還是最低氣溫，CMIP6多模式都可以進(jìn)行較為精確的模擬，多模式集合平均可以在一定程度上提高CMIP6模式對氣候態(tài)最高氣溫最低氣溫空間分布的模擬能力，效果均好于大部分模式。值得注意是的，對于不同變量，在改進(jìn)CMIP模式模擬效果時，采取多模式集合平均的方法并不是總能取得更好的效果：沈雨辰 （2014）、吳蔚等（2016）指出，CMIP5多模式集合對氣候態(tài)氣溫具有較強(qiáng)的模擬能力，但是同樣存在方差較大的現(xiàn)象。左正康等（2020）提出了基于時空分布式的CMIP5氣候多模式集合方法，發(fā)現(xiàn)基于時空分布式的多模式集合優(yōu)于單一模式和等權(quán)集合。因此，在使用CMIP模式進(jìn)行研究時，應(yīng)更加謹(jǐn)慎。

4.3 最高氣溫和最低氣溫的主成分分析

本研究利用經(jīng)驗(yàn)正交函數(shù)（EOF）對1961～2014年中國最高氣溫和最低氣溫CN05.1觀測及模式模擬數(shù)據(jù)進(jìn)行分解，以考察CMIP6模式對1961～2014年期間中國最高最低氣溫的主要空間型態(tài)及其時間演變的模擬能力。經(jīng)過檢驗(yàn)，僅有EOF分解的前兩個主要空間模態(tài)相互獨(dú)立。因此在下文中僅對前兩個主要空間模態(tài)及其時間系數(shù)進(jìn)行分析。

無論是對于最高氣溫還是最低氣溫，CMIP6模式對第一模態(tài)的模擬與觀測的相關(guān)性都比較高，并且都可以通過顯著性檢驗(yàn)。通過圖8可以看到，GISS-E2-1-G模式對最高氣溫第一模態(tài)的相關(guān)性 （0.78）最高，時間相關(guān)性TCC1（Temporal Correlation Coefficient）達(dá)到0.53。MRI-ESM2-0模式對最低氣溫第一模態(tài)的相關(guān)性最高（0.54），并且PC1 （Principal Component）的相關(guān)性TCC1達(dá)到0.73。這說明這些模式對觀測最高最低氣溫第一空間模態(tài)及其時間變化具有較好的模擬能力。對比最高氣溫第一模態(tài)的相關(guān)性，CMIP6模式對最低氣溫第一模態(tài)的空間相關(guān)性要稍低，說明模式對于最高氣溫的模擬效果要好于最低氣溫。對于最高氣溫第二模態(tài)，CMIP6模式模擬結(jié)果與觀測的相關(guān)性要普遍高于第一模態(tài)，集中在0.85左右，但是其時間相關(guān)系數(shù)卻普遍較低，最低氣溫第二模態(tài)表現(xiàn)出與最高氣溫模擬同樣的特征。并且多模式集合并不能提高對最高氣溫第二空間模態(tài)時間演變的模擬能力。

圖8 26個CMIP6模式與觀測1961～2014年中國最低氣溫EOF前兩個模態(tài)的空間和時間相關(guān)系數(shù)（ACC1代表第一模態(tài)空間相關(guān)系數(shù)；ACC2代表第二模態(tài)空間相關(guān)系數(shù)；TCC1代表第一模態(tài)時間序列的相關(guān)系數(shù)；TCC2代表第二模態(tài)時間序列的相關(guān)系數(shù)）Fig. 8 Spatial and temporal correlation coefficients for the first two EOF principal components of the minimum air temperature during 1961-2014 over China between the CMIP6 models and CN05.1 (ACC1 and ACC2 indicate the spatial correlation coefficients for the first and second EOF principal components, respectively. TCC1 and TCC2 correspond to the temporal correlation coefficients for the first and second principal components,respectively)

圖9～12分別給出了觀測及模式模擬的最高最低氣溫EOF分解的空間模態(tài)及相應(yīng)的時間序列。觀測最高氣溫EOF第一模態(tài)在全國范圍內(nèi)呈現(xiàn)一致變化的特征（圖9），PC1解釋的方差為52.63%；對照時間序列，可以發(fā)現(xiàn)該模態(tài)對應(yīng)的時間系數(shù)在1987年前為負(fù)值，在1987年之后變?yōu)檎?，呈現(xiàn)出顯著的年代際變化特征。對于第二模態(tài)，在東北地區(qū)內(nèi)為正值，在青藏高原和西南地區(qū)呈現(xiàn)負(fù)值，表明東北地區(qū)與西南地區(qū)呈現(xiàn)相反的變化特征。PC2解釋的方差為16.74%，前兩個模態(tài)總的方差貢獻(xiàn)率可以達(dá)到69.37%，能夠反映出最高氣溫的空間分布狀態(tài)及變化。GISS-E2-1-G對最高氣溫空間模態(tài)的模擬效果與觀測一致性高（圖10），可以模擬出第一、二模態(tài)的空間分布情況，并且方差貢獻(xiàn)率較為接近。

圖9 觀測的最高氣溫EOF分解的（a）第一、（b）第二空間模態(tài)及（c、d）其時間序列Fig. 9 (a) First and (b) second spatial modes of the observed maximum air temperature EOF decomposition and (c, d) their principal components (PCs)

圖10 同圖9，但為GISS-E2-1-G模擬結(jié)果Fig. 10 Same as Fig. 9, but for GISS-E2-1-G simulation

觀測最低氣溫（圖11）EOF第一模態(tài)在全國范圍內(nèi)均為正值，呈現(xiàn)一致變化的特征，PC1解釋的方差為75.96%；對照時間序列，可以發(fā)現(xiàn)該模態(tài)對應(yīng)的時間系數(shù)在1987年前為負(fù)值，在1987年之后變?yōu)檎?，同樣呈現(xiàn)出增長的趨勢。對于第二模態(tài)，也表現(xiàn)出與最高氣溫同樣的特征。MRIESM2-0對最低氣溫空間模態(tài)的模擬效果（圖12）與觀測一致性高，但是方差貢獻(xiàn)率差異較大。

圖11 觀測的最低氣溫EOF分解的（a）第一、（b）第二空間模態(tài)及（c、d）其時間序列Fig. 11 (a) First and (b) second spatial modes of the observed minimum air temperature EOF decomposition and (c, d) their principal components (PCs)

圖12 同圖11，但為MRI-ESM2-0模擬結(jié)果Fig. 12 Same as Fig. 11, but for MRI-ESM2-0 simulation

5 結(jié)論與討論

本文基于CN05.1觀測資料，分析了26個CMIP6模式對中國陸地范圍年平均的最高氣溫和最低氣溫的分布狀態(tài)和變化的模擬結(jié)果，得出以下結(jié)論：

（1）CN05.1觀測資料顯示，1961～2014年，最高氣溫、最低氣溫都存在增長趨勢，最高氣溫的增長速率為2.15°C/100 a；最低氣溫的增長速率為最高氣溫的兩倍，速率為3.92°C/100 a。CMIP6多模式集合平均對最高氣溫增暖趨勢的模擬速率為2.12°C/100 a，對最低氣溫增暖趨勢的模擬速率為2.34°C/100 a。CMIP6模式都能模擬出這種最高最低氣溫長時間尺度的增長的趨勢，但不同模式對該趨勢的模擬能力存在較大差異。模式中BCCESM1和EC-Earth3對最高氣溫和最低氣溫趨勢的模擬效果最好，模擬結(jié)果分別為2.15°C/100 a和3.91°C/100 a，相較于其他模式，更接近于CN05.1的觀測結(jié)果。多模式集合可以有效提高模式對這兩種趨勢的模擬能力。

（2）CMIP6多模式可以較好的模擬出中國范圍內(nèi)的最高氣溫和最低氣溫格點(diǎn)尺度時間變化的空間分布特征，也可以較好地還原氣候態(tài)的最高最低氣溫的空間分布。模式在整個中國東部地區(qū)的標(biāo)準(zhǔn)差在2°C以內(nèi)，在西部地區(qū)差異較大，對最高氣溫模擬的一致性高于最低氣溫。EC-Earth3與觀測的空間相關(guān)系數(shù)（0.97）高于其他模式；EC-Earth3的空間相關(guān)系數(shù)（0.98）相比其他模式最高，同時也高于最高氣溫且中心化均方根誤差（2.01）最小。同時，CMIP6多模式集合平均可以在一定程度上提高CMIP6模式對氣候態(tài)最高氣溫最低氣溫空間分布的模擬能力，可以有效減小模擬和觀測標(biāo)準(zhǔn)差的差異，同時也可以一定程度上提高與觀測的相關(guān)性。

（3）在本文選取的26個CMIP6模式中，GISSE2-1-G和MRI-ESM2-0兩個模式可以很好地模擬出1961～2014年中國最高氣溫和最低氣溫EOF第一模態(tài)及其時間演變，并且空間相關(guān)性分別可以達(dá)到0.78和0.54，時間相關(guān)性超過0.5。模式對EOF第二模態(tài)時間演變的模擬能力相對較弱，只有少數(shù)模式可以通過顯著性檢驗(yàn)。此外，多模式集合平均并不能顯著提高模式對最高最低氣溫EOF主要模態(tài)及其時間變化的模擬能力。

綜合而言，CMIP6多模式對中國范圍內(nèi)最高氣溫和最低氣溫已具備較好的模擬能力：BCC-ESM1等模式對最高氣溫最低氣溫長時間尺度的變化趨勢和空間分布相較于其他模式有較強(qiáng)的模擬能力，EC-Earth3等模式則可以更好地模擬出氣候態(tài)最高氣溫和最低氣溫空間分布等特征。由于中國陸地面積廣闊，地形復(fù)雜多變，模式的分辨率也各有不同，進(jìn)一步加大了模式模擬的差異與不確定性。因此，如何更好的對CMIP6模式數(shù)據(jù)進(jìn)行多模式集合，得到更可靠的信息，值得進(jìn)一步研究。