王雙雙 謝文強 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)國家重點實驗室，北京100875

1 引言

政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change, IPCC）第五次評估報告指出，預(yù)計到21世紀(jì)末，全球氣溫都會呈上升的趨勢，上升幅度在1.0～3.7°C之間（IPCC, 2013）。氣候變化對于地球自然系統(tǒng)和人類社會系統(tǒng)都產(chǎn)生了十分重要的影響，隨著增溫量值的增加和增溫速率的加快，給人類社會的可持續(xù)發(fā)展和生存環(huán)境帶來更大的風(fēng)險（丁一匯和王會軍, 2016）。即便如此，平均氣溫的變化也并不能完全表征氣候本身的變化，更無法全面解讀氣候變化對其他系統(tǒng)帶來的影響（Li et al., 2010; Paaijmans et al., 2010; Reside et al., 2010; Vasseur et al., 2014）。

氣溫是表征氣候變化的重要因子之一，通過平均氣溫、最低氣溫、最高氣溫等具體量的變化傳遞信息。氣溫日較差（Diurnal Temperature Range,DTR）是日最高氣溫與日最低氣溫的差值，囊括了最高氣溫與最低氣溫的綜合信息（Easterling et al.,1997; New et al., 2000），能夠反映出二者共同作用的變 化特征（Roy and Balling, 2005; Sun et al.,2019）。從1950年左右，在全球范圍內(nèi)，平均氣溫以每十年超過0.1°C的趨勢不斷升高，然而，最高氣溫的升幅卻小于最低氣溫，導(dǎo)致DTR呈下降的趨勢（Plantico et al., 1990; Alexander et al., 2006;Wang et al., 2012; IPCC, 2013）。由此可見，DTR的下降同平均氣溫的升高一樣，都能夠傳遞出氣候變 化 的 信 息（Karl et al., 1993; Liu et al., 2004;Thorne et al., 2016），對人類的健康，生態(tài)系統(tǒng)的循環(huán)，動植物的生長以及可再生能源的使用都會造成影響。但是，相較于平均氣溫的研究（Mitchell et al., 2016; Schleussner et al., 2016; Huang et al.,2017; Fu et al., 2018; 吳芳營等, 2019），與DTR相關(guān)的研究要少很多（孔鋒， 2020）。因此，將DTR作為一種表征氣候變化的指標(biāo)（Braganza et al.,2004），對于歷史時期氣候變化的診斷與未來氣候的預(yù)測起著十分重要的作用（Hansen et al., 1995）。

DTR有著空間和時間的變化特征（Karl et al.,1991）。在全球范圍內(nèi)，緯度、海陸位置、地形、城市化等差異，均會導(dǎo)致DTR不同的變化。Price et al. （1999） 研究了在1996年以前地中海東部島嶼塞浦路斯，近百年尺度上DTR隨時間的變化，根據(jù)具體的地理位置差異，每百年下降0.5～3.5°C，并且指出，這種變化是與全球其他區(qū)域的變化相一致。Bilbao et al. （2019） 分析了西班牙在1950～2011年DTR的時空變化特征，指出在地中海沿岸有很明顯的下降趨勢，而在西班牙北部、大西洋以及鄉(xiāng)村地區(qū)變化較小，并由南向北有很強的梯度趨勢。Plummer et al. （1995） 研究了澳大利亞在1951～1992年DTR的變化，指出在澳大利亞大陸的大面積區(qū)域內(nèi)，呈現(xiàn)下降的趨勢，并且在東北大陸的內(nèi)部以及西南部的小范圍區(qū)域內(nèi)下降趨勢最明顯。陳鐵喜和陳星（2007）對中國在1952～2001年DTR的時間變化以及空間分布特征進行分析，結(jié)果表明，近50年來，DTR呈下降的趨勢，并且高緯度地區(qū)下降的幅度要大于低緯度地區(qū)，由于地理條件的不同，相同緯度上變化趨勢也不一樣，同時，不同地區(qū)的變化特征也有差異。自1990年以來，在全球變暖的背景下，國際上對DTR的變化及其變化成因展開了研究，試圖通過DTR的基本變化事實和氣候模式的模擬試驗結(jié)果來認(rèn)識其變化特征和機制以及可能對全球環(huán)境帶來的影響，但與國外的研究相比，中國的DTR研究相關(guān)工作尚需深入（陳鐵喜和陳星， 2007），因此對中國DTR的研究十分必要。

在對中國百年尺度的氣候變化研究方面，中國氣象臺站于1951年才開始有完整的氣象觀測，在這之前，僅有少數(shù)觀測資料，且殘缺不全，因此英國東英吉利大學(xué)（University of East Anglia）氣候研究中心（Climatic Research Unit, CRU）的月尺度高精度格點數(shù)據(jù)集被學(xué)者廣泛應(yīng)用。杜澤玉等 （2021）利用CRU數(shù)據(jù)集分析了中國山西省1901～2016年的氣溫時空演變特征，結(jié)果表明，在百年時間段內(nèi)山西省的年平均氣溫和各季節(jié)氣溫均呈現(xiàn)出波動上升的趨勢。Xu et al. （2019）利用CRU數(shù)據(jù)集提供的1901～2005年的氣溫數(shù)據(jù)，研究了中國冬季氣溫與太平洋年代際振蕩（Pacific Decadal Oscillation, PDO）指數(shù)的空間相關(guān)性。任余龍等 （2012）分析了青藏高原近百年來地面溫度的時空變化特征，表明高原氣溫結(jié)構(gòu)的空間一致性特征以及不斷升溫的變化趨勢。聞新宇等（2006）驗證了CRU資料與中國測站資料在氣溫變化方面的高相關(guān)性，說明利用CRU數(shù)據(jù)描述中國區(qū)域內(nèi)的氣候變化可靠性很高。因此，可以利用CRU數(shù)據(jù)集表征百年尺度上中國區(qū)域內(nèi)DTR的變化特征，并探究其時空變化規(guī)律。

世界氣候研究計劃（World Climate Research Program, WCRP）為研究氣候變化領(lǐng)域出現(xiàn)的科學(xué)挑戰(zhàn)，發(fā)起了耦合模式比較計劃（Coupled Model Intercomparison Project, CMIP），以“推動模式發(fā)展和增進對地球氣候系統(tǒng)的科學(xué)理解”。氣候模式是研究歷史時期氣候變化規(guī)律的有力工具（王紹武等, 2013），對溫度等關(guān)鍵氣候要素模擬能力的評價是模式性能優(yōu)劣的重要指標(biāo)。同時，對模式性能的評估，也可以為進一步完善氣候系統(tǒng)模式提供科學(xué)依據(jù)（林朝暉等, 2018）。因此，本文利用最新一代的耦合模式比較計劃第六階段（Coupled Model Intercomparison Project 6, CMIP6）中 的28個氣候模式對中國DTR的模擬能力進行評估，探究中國區(qū)域內(nèi)DTR隨時間的變化規(guī)律以及空間分布特征，并選出模擬效果相對可靠的模式，為預(yù)估未來中國的氣候做鋪墊。

2 數(shù)據(jù)和方法

2.1 觀測數(shù)據(jù)

本文所采用的觀測數(shù)據(jù)為英國東英吉利大學(xué)氣候研究中心最新一代4.04版本（CRU_TS v4.04）數(shù)據(jù)集，涵蓋的時間范圍為1901～2019年。該數(shù)據(jù)集由全球氣象臺站觀測網(wǎng)絡(luò)的月尺度數(shù)據(jù)插值得到，包含了平均氣溫、最高氣溫、最低氣溫、DTR等變量，覆蓋了除南極洲以外的全球陸地表面區(qū)域，保持每年更新（Harris et al., 2020）。選用該數(shù)據(jù)集的月尺度DTR變量，并提取高空間分辨率經(jīng)緯網(wǎng)格0.5°（緯度）×0.5°（經(jīng)度），作為觀測數(shù)據(jù)進行驗證。

2.2 模式數(shù)據(jù)

本文對CMIP6全球氣候模式中的28個模式歷史期間模擬試驗（Historical）的結(jié)果進行評估，作為CMIP6試驗設(shè)計第二級基礎(chǔ)試驗的歷史氣候模擬試驗是由溫室氣體、土地利用、太陽輻射、氣溶膠等外強迫驅(qū)動（周天軍等， 2019），歷史數(shù)據(jù)涵蓋的時間范圍為1850～2014年。DTR數(shù)據(jù)來源于日最高氣溫（TASMAX）和日最低氣溫（TASMIN）數(shù)據(jù)集。28個CMIP6模式的相關(guān)介紹見表1，空間分辨率最高[0.7°（緯度）×0.7°（經(jīng)度）]的模式為瑞典EC-Earth-Consortium機構(gòu)的3個模式，分別為EC-Earth3模式、EC-Earth3-AerChem模式和ECEarth3-Veg模式，空間分辨率最低[2.8°（緯度）×2.8°（經(jīng)度）]的模式為中國北京氣候中心的BCCESM1模式和加拿大CCCma機構(gòu)的CanESM5模式。

表1 28個CMIP6模式簡介Table 1 Description of the 28 CMIP6 models used in the study

2.3 分析方法

本文的研究區(qū)域為中國陸地，利用中國邊界掩膜數(shù)據(jù)從各模式和CRU觀測數(shù)據(jù)中提取中國陸地面積上的DTR數(shù)據(jù)，并且根據(jù)中國科學(xué)院地理科學(xué)與資源研究所資源環(huán)境科學(xué)與數(shù)據(jù)中心公布的中國自然地理六大區(qū)域分布數(shù)據(jù)集（圖1），對東北、中南、華東、華北、西北、西南各區(qū)域的DTR數(shù)據(jù)分季節(jié)進行比較（劉穎杰和林而達, 2008）。選取兩套數(shù)據(jù)集的最大時間交集1901～2014年作為研究的時間范圍，將觀測數(shù)據(jù)與CMIP6模式歷史輸出數(shù)據(jù)相比較，對CMIP6模式進行評估。

圖1 中國六大區(qū)域分布Fig. 1 Six regional distributions in China

2.3.1 雙線性插值與多模式集合

在模式評估中，由于模式的空間分辨率各不相同，為了探究28個模式的綜合模擬效果，采用雙線性插值的方法，將計算得到的CMIP6各模式模擬的DTR數(shù)據(jù)插值到CRU的0.5°（緯度）×0.5°（經(jīng)度）空間分辨率上，以計算多模式集合。多模式集合是取28個全球氣候模式的中位數(shù)得到，可以避免特別差的模式對結(jié)果的影響，也可以避免平滑掉有用信號，使得模式模擬與觀測結(jié)果更為接近（李佳瑞等, 2020; Luo et al., 2020）。將Mi（第i個模式的DTR值，i=1, 2,…, 28）按從小到大的順序排序，計算多模式集合的中位數(shù)值E的方法為

其中M14和M15分別為排名第14位和第15位的模式DTR值。

2.3.2 評估指標(biāo)

Taylor評分（Taylor Score, TS）是對模式模擬能力進行綜合評價的指標(biāo)（Wang et al., 2018），當(dāng)模式模擬的效果能完美再現(xiàn)觀測時，TS=1；當(dāng)模式模擬的結(jié)果完全脫離觀測時，TS=0，計算方法為

其中，R為觀測與模式之間的相關(guān)系數(shù)，R0為最大相關(guān)系數(shù)（這里取R0=0.999），σo、σm分別為觀測和模式的標(biāo)準(zhǔn)差，Oi、Mi分別表示觀測和模式的DTR值，、分別表示觀測和模式的DTR平均值。

3 對DTR的模擬評估

3.1 年際變化

氣候模式對DTR的模擬取決于模式在日尺度上的表現(xiàn)，因此捕捉DTR的變化是具有挑戰(zhàn)性的 （Stone and Weaver, 2003）。為了評估CMIP6模式對DTR在1901～2014年時間段內(nèi)逐年變化的模擬能力，將28個氣候模式、多模式集合以及CRU觀測的年均DTR變化繪制于圖2中。從圖2中可以看出，CRU觀測結(jié)果顯示，在百年尺度上，DTR整體呈一個下降的趨勢，從1901年開始，至2014年結(jié)束，DTR下降了0.4°C。通過對比CMIP6模式模擬的結(jié)果，所有模式都能夠再現(xiàn)出DTR下降的趨勢，但相較于觀測值存在有一定偏差，其中GISS-E2-1-G模式下降幅度最大，下降超過1°C；NorESM2-MM模式下降幅度最小，下降在0.03°C左右；EC-Earth3模式、EC-Earth3-Veg模式和FGOALS-g3模式模擬效果最好，下降幅度在0.4°C左右，與觀測值的變化最為接近。多模式集合同樣能夠模擬出DTR下降的趨勢，表現(xiàn)較為平穩(wěn)，介于對DTR變化高估與低估的單模式幅度變化范圍之間，下降幅度在0.4°C左右，與觀測較為接近。

圖2 CRU觀測、多模式集合和28個氣候模式在1901～2014年均氣溫日較差距平值的年際變化Fig. 2 Interannual variations of the CRU observation dataset, ensemble, and 28 climate models about annual Diurnal Temperature Range (DTR)anomalies from 1901 to 2014

將百年尺度劃分為3個不同階段的氣候態(tài)以研究DTR的年際變化，第一氣候態(tài)定為1901～1940年，從觀測看，在前20年，DTR呈現(xiàn)上升的趨勢，上升幅度在0.25°C，從1921～1930年左右，DTR呈現(xiàn)下降的趨勢，下降幅度在0.4°C，后10年，DTR有明顯的上升趨勢，上升幅度在0.65°C左右。總體來說，在該氣候態(tài)內(nèi)，DTR呈現(xiàn)一個波動上升的趨勢，上升幅度在0.5°C。CMIP6模式模擬的結(jié)果顯示，大多數(shù)模式不能夠反映出DTR在前期波動的升降趨勢，尤其低估了1931～1940年明顯的上升，其中 KACE-1-0-G模式和KIOST-ESM模式，偏離觀測最多。多模式集合表現(xiàn)較好，幾乎與觀測具有一樣的升降趨勢。第二氣候態(tài)定為1941～1970年，從觀測看，該氣候態(tài)內(nèi)是DTR升降變化以及波動最大的階段，升降幅度最大范圍在0.6°C左右，總體來說，在該氣候態(tài)內(nèi)，DTR呈現(xiàn)一個下降的趨勢，下降幅度在0.3°C左右，只有少數(shù)模式能夠反映出DTR升降的趨勢，3個MPI模式模擬效果較好，多模式集合低估了DTR的變化。第三氣候態(tài)定為1971～2014年，從觀測看，除了前期有小幅度的上升，DTR總體呈現(xiàn)很明顯的下降趨勢，下降幅度在0.6°C，GISS-E2-1-G模式模擬效果最好，2個INM模式、KACE-1-0-G模式和KIOST-ESM模式，模擬效果較差，高估了DTR的變化幅度，多模式集合能夠再現(xiàn)出前期的上升以及后期的下降趨勢，只是低估了DTR的變化范圍。

綜上所述，在評估CMIP6模式對中國DTR年際變化的模擬能力時，時間尺度的選擇不同，氣候模式對于DTR年際變化的模擬能力也不同，在百年尺度上，模式模擬更接近于觀測，多模式集合也有較好的表現(xiàn)，而在30年或40年氣候態(tài)內(nèi)，時間尺度選擇越短，模式模擬能力越差，多模式集合也出現(xiàn)較大的偏差，對氣候模式的模擬能力要求越高。

為了定量評估28個氣候模式對中國區(qū)域內(nèi)DTR變化的模擬能力，計算了1901～2014年中國區(qū)域內(nèi)標(biāo)準(zhǔn)化之后的年均DTR觀測場與模擬場之間的時間相關(guān)系數(shù)、標(biāo)準(zhǔn)差之比和中心化的均方根誤差，并將以上信息統(tǒng)一繪制于泰勒圖中（Jiang and Tian, 2013; Zhao et al., 2014）（圖3）。泰勒圖可以表示兩個場或者兩組序列之間的相關(guān)系數(shù)、標(biāo)準(zhǔn)差和均方根誤差，并將這三個指標(biāo)放在同一張圖上，因為這三者之間存在著算數(shù)上的三角轉(zhuǎn)換關(guān)系，因此可以從泰勒圖上全面清楚地比較出各模式模擬結(jié)果的好壞（陶純?nèi)數(shù)? 2016），當(dāng)標(biāo)準(zhǔn)差之比、相關(guān)系數(shù)越接近于1，均方根誤差越接近于0，表示模式模擬結(jié)果越接近于觀測。圖3給出了CMIP6模式模擬的1901～2014年DTR年際變化的泰勒圖，模擬與觀測之間的效果可以通過以上3個變量來體現(xiàn)，可以分析得到，MRI-ESM2-0、

圖3 CMIP6模式模擬的1901～2014年氣溫日較差年際變化的泰勒圖（紅點Ref表示觀測，扇形半徑上的值表示模式相較于觀測的標(biāo)準(zhǔn)差，扇形弧上的值表示模式與觀測的相關(guān)系數(shù)，扇形內(nèi)綠色虛線圓弧上的值表示模式與觀測之間的均方根誤差）Fig. 3 Taylor diagram of the interannual variation of the DTR simulated by CMIP6 models from 1901 to 2014. The red dot Ref represents the observation, the value on the fan-shaped radius represents the standard deviation of the model compared to the observation, the value on the fan-shaped arc represents the correlation coefficient between the model and the observation, and the value on the green dotted arc inside the fan-shaped represents the root-mean-square error between the model and the observation

GISS-E2-1-G、CanESM5、EC-Earth3、EC-Earth3-AerChem、EC-Earth3-Veg、GFDL-CM4、GFDLESM4、FGOALS-g3模式與觀測的相關(guān)性較好，相關(guān)系數(shù)超過了0.5，說明這些模式在模擬DTR年際變化中，與觀測具有較高的一致性；KACE-1-0-G、GISS-E2-1-G模式與觀測的標(biāo)準(zhǔn)差之比最接近于1，說明這兩個模式自身對于DTR年際變化模擬的離散程度最接近于觀測；MRI-ESM2-0、GISS-E2-1-G、CanESM5、EC-Earth3、EC-Earth3-AerChem、ECEarth3-Veg、GFDL-CM4、GFDL-ESM4、FGOALSg3、FGOALS-f3-L、MPI-ESM1-2-HR模式與觀測之間的均方根誤差最小，均方根誤差在0.9以內(nèi)，說明這些模式相較于其他模式與觀測之間的偏差最?。幌噍^于單模式模擬，多模式集合并沒有明顯的優(yōu)勢。

泰勒圖呈現(xiàn)的3個指標(biāo)顯示出了氣候模式對于DTR年際變化模擬不同的能力，為了能夠?qū)⒍喾N指標(biāo)融合在一起，綜合性地評價氣候模式模擬能力的高低，引入TS評分指標(biāo)。通過圖4可以看出，MRI-ESM2-0、GISS-E2-1-G、CanESM5模式的評分最高，TS在0.6以上；ACCESS-ESM1-5、AWICM-1-1-MR、BCC-ESM1模式的評分最低，TS在0.3以下；多模式集合的評分為0.38，其中ECEarth3、FGOALS-g3、GFDL-ESM4等18個模式的TS超過0.38，具有較好的表現(xiàn)。

圖4 CMIP6模式模擬的1901～2014年氣溫日較差年際變化的TS評分（虛線表示多模式集合的評分線，可以直觀地與單模式進行比較）Fig. 4 Taylor score of the interannual variation of the DTR simulated by CMIP6 models from 1901 to 2014. The dotted line represents the scoring line for the ensemble and can be compared intuitively with the single model

3.2 氣候平均態(tài)

根據(jù)以上CMIP6模式對DTR年際變化的模擬中可以看到，在1941～1970年氣候態(tài)內(nèi)，只有少數(shù)CMIP6模式的模擬比較接近于觀測，那么在該時間段內(nèi)，CMIP6模式對DTR空間分布的模擬效果是怎么樣的呢？圖5中給出了CMIP6模式模擬的1941～1970年DTR氣候平均態(tài)的空間分布。從觀測可以看出，中國DTR呈現(xiàn)北方地區(qū)高、南方地區(qū)低；西部地區(qū)高、東部地區(qū)低；內(nèi)陸地區(qū)高、沿海地區(qū)低；高原地區(qū)高、平原盆地地區(qū)低的空間分布特征。DTR的最低值分布在山東、浙江、福建、廣東等沿海地區(qū)，四川盆地地區(qū)以及海南、臺灣等地，在6～8°C的范圍之內(nèi)，最高值出現(xiàn)在新疆、甘肅、青海、西藏等地，在18°C以上。

圖5 CMIP6模式模擬與CRU觀測的1941～1970年氣溫日較差氣候平均態(tài)的空間分布Fig. 5 Climatology of the annual mean DTR from 1941 to 1970 simulated by CMIP6 models and CRU over China

通過對比CMIP6模式模擬的結(jié)果，可以看出，所有模式在不同區(qū)域都存在一個不同程度的低估或高估DTR的現(xiàn)象，4個EC模式的表現(xiàn)最好，對于DTR空間分布的模擬最接近于觀測；KIOSTESM模式和CanESM5模式對西北部地區(qū)的模擬出現(xiàn)大面積高估現(xiàn)象，比觀測要高4°C左右，分布特征不明顯，而ACCESS兩個模式對于西部地區(qū)的模擬則是出現(xiàn)了明顯的低估現(xiàn)象，比觀測要低6°C左右，未能體現(xiàn)出該區(qū)域DTR的分布特征；FGOALS兩個模式、NorESM2-MM模式以及SAM0-UNICON模式對于南北地區(qū)日較差分布的差異性特征沒有體現(xiàn)出來，模擬效果不佳；其他模式基本能夠再現(xiàn)出觀測中呈現(xiàn)的北高南低、西高東低等DTR空間分布特征。多模式集合模擬效果較好，雖然在西部、北部和東部沿海地區(qū)有一定的低估現(xiàn)象，但是基本能夠呈現(xiàn)出觀測中的空間分布特征。

為了進一步探究CMIP6模式對于DTR變化的模擬能力以及目前DTR變化的趨勢，選取距離現(xiàn)階段最近的兩個歷史時期氣候態(tài)（1985～2014年和1955～1984年）進行比較，并利用t檢驗方法，對變化情況進行顯著性檢驗，以說明兩個氣候態(tài)差異的顯著程度，圖6 中給出了DTR氣候平均態(tài)變化的空間分布。 從觀測可以看出，全國絕大部分地區(qū)的DTR都在下降，呈現(xiàn)北方較南方下降幅度更大的特點，其中東北地區(qū)、華北地區(qū)以及西北地區(qū)的DTR下降最多，在1°C以上，并通過了顯著性檢驗；而在青海的東部、四川盆地以及華南等地出現(xiàn)了一些不確定性DTR增大的情況，上升幅度很小，在0.2°C以內(nèi)，沒有通過顯著性檢驗。

圖6 CMIP6模式模擬與CRU觀測1985～2014年相較1955～1984年氣溫日較差氣候平均態(tài)變化的空間分布（帶點區(qū)域即為通過95%信度檢驗）Fig. 6 Change of the annual mean DTR from 1955-1984 to 1985-2014 simulated by CMIP6 models and CRU data over China. The dotted areas pass the 95% confidence test

通過對比CMIP6模式模擬的結(jié)果，可以看出，大多數(shù)模式都能夠模擬出中國大范圍區(qū)域內(nèi)1985～2014氣候態(tài)較1955～1984氣候態(tài)DTR下降的特點。其中EC-Earth3、FGOALS-g3、GFDL-CM4、GISS-E2-1-G和MIROC6模式的模擬效果最好，雖然在不同的地區(qū)呈現(xiàn)出不同程度上DTR升高的現(xiàn)象，但是最接近于觀測的特征分布。而ACCESSCM2、ACCESS-ESM1-5、INM-CM5-0和MPI-ESM-1-2-HAM模式出現(xiàn)了大范圍DTR升高的現(xiàn)象，模擬效果不佳；CanESM5模式表現(xiàn)出DTR減小的效果最為明顯，但是分布特征并沒有模擬出來。多模式集合表現(xiàn)為全國所有區(qū)域DTR的減小，并且通過顯著性檢驗，基本能夠再現(xiàn)東北、華北以及西北地區(qū)DTR明顯下降的特征，只是低估了下降的幅度，在0.4°C以內(nèi)。

為了比較CMIP6模式對中國不同區(qū)域DTR變化的模擬能力，分春季、夏季、秋季、冬季對中國六大區(qū)域進行評估，圖7給出了CMIP6模式模擬的1941～1970年氣候態(tài)時段內(nèi)中國六大區(qū)域不同季節(jié)DTR的變化趨勢。從圖中可以看到在6個區(qū)域中，觀測值全部落在模式模擬值之間，說明CMIP6模式中具有較好的模式能夠?qū)Σ煌瑓^(qū)域不同季節(jié)尺度上的DTR變化進行較好的模擬。觀測值顯示30年內(nèi)DTR呈現(xiàn)一個下降的趨勢，四個季節(jié)中，下降最明顯的是在夏季，其中東北、華東和華北區(qū)域降幅超過0.5°C，下降最不明顯的是在冬季，其中西北和西南區(qū)域基本上沒有明顯的下降趨勢。

圖7 CMIP6模式模擬1941～1970年中國六大區(qū)域不同季節(jié)氣溫日較差變化的小提琴圖（黃色五角星代表觀測值，白色圓點代表中位數(shù)，上下邊界代表最大、最小值，箱體的寬窄表示模式數(shù)據(jù)的分布密度，越寬表示數(shù)據(jù)越集中，越窄表示數(shù)據(jù)越稀疏）Fig. 7 Violin plot of the DTR variation in different seasons during 1941-1970 simulated by CMIP6 models over six regions of China (yellow fivepointed star represents the observed value, white dot represents the median, and the upper and lower boundaries represent the maximum and minimum values, respectively. The width of the box represents the distribution density of the model data. The wider the box is, the more concentrated the data are. The narrower the box is, the sparser the data are)

通過對比CMIP6模式模擬的結(jié)果，可以看出，在不同的區(qū)域和不同的季節(jié)，模式都存在一個明顯的高估或者低估DTR變化的現(xiàn)象，模式在東北區(qū)域的模擬能力相差最大，尤其是春季，最低估模式與最高估模式之間相差接近2°C，在西南區(qū)域的模擬能力最為接近，四季中，模式之間的偏差不超過1°C。多模式集合顯示，除了在東北春季、西北冬季、西南春季和冬季有小范圍低估現(xiàn)象外，其他區(qū)域季節(jié)中，都高估了DTR的變化，其中對于春季和冬季的模擬，多模式集合最為接近于觀測，相比較單模式，具有一定的優(yōu)勢。

4 結(jié)論與討論

本文利用CRU_TS v4.04觀測數(shù)據(jù)作為驗證，對28個CMIP6氣候模式在模擬中國區(qū)域內(nèi)DTR年際變化、氣候平均態(tài)變化以及分區(qū)域和季節(jié)變化的能力進行評估，探究了DTR隨時間的變化規(guī)律以及空間分布特征，并選出模擬效果相對可靠的模式，得到以下結(jié)論：

（1）在模擬1901～2014百年尺度DTR年際變化中，所有CMIP6模式都能夠再現(xiàn)出DTR下降的趨勢，模式與觀測之間的相關(guān)系數(shù)在0.1～0.7，均方根誤差在0.6～1.5，TS評分在0.2～0.7，MRIESM2-0模式與觀測之間的相關(guān)系數(shù)（0.65）最大，均方根誤差（0.8）最小，TS（0.67）最高，模擬能力最好，與觀測值具有較高的一致性。多模式集合同樣能夠模擬出DTR下降的趨勢，表現(xiàn)較為平穩(wěn)，介于對DTR變化高估與低估的單模式幅度變化范圍之間，下降幅度在0.4°C左右，與觀測較為接近。

（2）在模擬1941～1970年DTR氣候平均態(tài)的空間分布中，雖然28個模式在不同區(qū)域存在一個不同程度的低估或高估DTR的現(xiàn)象，但是基本可以再現(xiàn)DTR北方地區(qū)高、南方地區(qū)低；西部地區(qū)高、東部地區(qū)低；內(nèi)陸地區(qū)高、沿海地區(qū)低；高原地區(qū)高、平原盆地地區(qū)低的空間分布特征, 4個EC模式的表現(xiàn)最好，對于DTR空間分布的模擬最接近于觀測。多模式集合模擬效果較好，雖然在西部、北部和東部沿海地區(qū)有一定的低估現(xiàn)象，但是基本能夠呈現(xiàn)出觀測中的空間分布特征。

（3）在模擬1985～2014年相較于1955～1984年DTR氣候平均態(tài)變化的空間分布中，大多數(shù)模式能夠再現(xiàn)中國大范圍區(qū)域內(nèi)DTR下降的空間分布特征，其中EC-Earth3、FGOALS-g3和GFDLCM4等模式的模擬效果最好，最接近于觀測的特征分布。多模式集合表現(xiàn)為全國所有區(qū)域DTR的減小，基本能夠再現(xiàn)東北、華北以及西北地區(qū)DTR明顯下降的特征，只是低估了下降的幅度，在0.4°C以內(nèi)。

（4）在模擬1941～1970年不同區(qū)域和不同季節(jié)尺度DTR的變化中，觀測值全部落在模式模擬值之間，說明具有模式能夠?qū)ζ溥M行較好的模擬。模式在東北區(qū)域的模擬能力相差最大，在西南區(qū)域的模擬能力最為接近。多模式集合顯示，對于春季和冬季的模擬，多模式集合最為接近于觀測，相比較單模式，具有一定的優(yōu)勢。

本文從對中國區(qū)域內(nèi)DTR年際變化、氣候平均態(tài)變化以及分區(qū)域和季節(jié)變化角度評估了CMIP6模式的模擬能力，整體來說，模式能夠再現(xiàn)出一定的時間演變和空間分布特征，綜合以上評估結(jié)果，MRI-ESM2-0模式對DTR的年際變化模擬最好，EC-Earth3模式對DTR的氣候平均態(tài)變化模擬最好，與觀測之間最為接近，但是仍與觀測之間存在一定的偏差，模式對于DTR的模擬仍然面臨著挑戰(zhàn)。多模式中位數(shù)集合能夠模擬出DTR在年際變化和氣候平均態(tài)變化中的一些特征，同時對于春季和冬季的模擬，多模式集合最為接近于觀測，優(yōu)于單模式模擬。