CMIP6 HighResMIP高分辨率气候模式对青藏高原降水模拟的评估_

2024年3月11日发(作者：自由舰新车价格)

第41卷第2期

2022年4月

暴雨灾害

TORRENTIALRAINANDDISASTERS

Vol.41No.2

Apr.2022

肖雨佳,李建,李妮娜.6HighResMIP高分辨率气候模式对青藏高原降水模拟的评估[J].暴雨灾害,41(2):215-223

XIAOYujia,LIJian,tionofCMIP6HighResMIPmodelsinSimulatingPrecipitationoverTibetanPlateau[J].Torrential

RainandDisasters,41(2):215-223

CMIP6HighResMIP高分辨率气候模式

对青藏高原降水模拟的评估

肖雨佳

，李建

，李妮娜

（1.中国气象科学研究院，北京100081；2.中国气象科学研究院灾害天气国家重点实验室，北京100081；

3.国家气象中心，北京100081)

摘要：国际耦合模式比较计划第六阶段(CMIP6)新增的高分辨率模式比较计划(HighResMIP)首次提供全球高分辨率

(25—50km)多模式集合的气候模拟试验结果。利用8个CMIP6HighResMIP模式评估了高分辨率全球气候模式对青藏高

原夏季小时降水与极端降水的模拟能力，结果表明：CMIP6高分辨率模式高(低)估了青藏高原地区的降水量和频率(强

度)，过多的降水量主要来自模式对降水频率的高估，尤其是弱降水(<2mm·h

-1

)的发生频率。模拟偏差与地形海拔密切

相关，偏差大值区主要位于高原南坡和东坡陡峭地形区。模式不能准确再现降水量与海拔之间的关系，高(低)估了高

(低)海拔地区的降水量。模式低估了降水强度随海拔升高而降低的变化速率。在日变化方面，模式能够模拟出青藏高原

降水傍晚至午夜的峰值特征，但明显低估了降水的日变化振幅。在小时极端降水方面，模式低估了高原区域平均极端降

水第95百分位数阈值，仅为观测值的57%。

关键词：国际耦合模式比较计划第六阶段(CMIP6)；高分辨率模式比较计划(HighResMIP)；青藏高原；降水；模式评估

中图分类号：P426文献标志码：ADOI：10.3969/.1004-9045.2022.02.012

EvaluationofCMIP6HighResMIPmodelsinSimulating

PrecipitationoverTibetanPlateau

XIAOYujia

,LIJian

,LINina

(eAcademyofMeteorologicalSciences，Beijing100081；eyLaboratoryofSevereWeather，ChineseAcademyof

MeteorologicalSciences，Beijing100081；alMeteorologicalCentre，Beijing100081)

Abstract:HighResolutionModelIntercomparisonProject(HighResMIP)fromtheCoupledModelIntercomparisonProject6(CMIP6),for

thefirsttime,providesglobalhigh-resolution(25—50km)nsimulationsofeightCMIP6

HighResMIPmodels,theperformanceofthestateoftheartglobalhigh-resolutionmodelsinsimulatinghourlyprecipitationandextremepre?

ultsshowthatCMIP6high-resolutionmodelsoverestimate(underesti?

mate)theprecipitationamountandfrequency(intensity).Thepositivebiasofprecipitationamountismostlycontributedbytheoverestimated

frequency,especiallythefrequencyofweakprecipitation(<2mm·h

-1

).Thesimulationdeviationsarecloselyrelatedtoterrainelevation,and

theareaswithlargebiasaremaelsfailtoaccuratelyrepro?

ducetherelationshipbetweenprecipitationamountandelevation,withoverestimation(underestimation)oftheamountinhigh(low)-altitude

sofhourlyextremeprecipitation,themodelsunderestimatethe95thpercentilethresholdofthearea-average

precipitationintensityintheplateau,whichwasonly57%oftheobservedvalue.

Keywords:CMIP6；HighResMIP；Tibetanplateau；precipitation；modelevaluation

elsunderestimatetsofdiurnalvariation,themod?

elscansimulatethelate-afternoonandmidnightpeaksofprecipitationovertheTibetanPlateau,butobviouslyunderestimatesthediurnalam?

收稿日期：2021-02-28；定稿日期：2021-06-28

资助项目：国家自然科学基金项目(91637210,41675075)

第一作者：肖雨佳，主要从事降水模拟评估研究。E-mail:**********************.

通信作者：李建，主要从事东亚气候特征及变率分析研究。E-mail:***********.cn

216

暴雨灾害

第41卷

引言

有着“地球第三极”和“世界屋脊”称号的青藏高

原，由于其独特的地形和下垫面，通过热力和动力强

迫作用有效地调控了亚洲区域乃至全球的气候和大

气环流(吴国雄等，2004；徐祥德等，2019)。高原上星

罗密布的冰川、河流和湖泊等是中国、印度等亚洲地

区大江大河的发源地，为当地以及下游14亿以上人口

提供了丰富的水资源，故青藏高原也被喻为“亚洲水

塔”(Xuetal.，2008；Immerzeeletal.，2010)。在夏季，青

藏高原上空大气受感热驱动形成一个“感热气泵”，周

围大气被“抽吸”向高原辐合，丰沛的水汽输送至高原

及周边地区(吴国雄等，2018)。因此降水与极端降水

在该生态脆弱地区频发，致使山洪、滑坡、泥石流等自

然灾害的发生(黄楚慧等，2020；李长冬等，2021)，对人

民生活和社会经济发展有着重要影响。综上，对青藏

高原降水的时空特征有准确的预测预估具有十分重

要的科学意义和社会价值。

气候系统模式是理解气候系统变化机理、对其未

来变化进行气候预测和预估的主要工具(IPCC，

2013)。全球气候模式目前能基本再现许多观测到的

地球上大范围(全球尺度、半球尺度)的平均气候特征

及其演变特征，但是大多数气候模式都难以合理再现

青藏高原地区的降水，准确模拟高原地区的降水特征

一直是数值模拟领域的难题(Wangetal.，2018；Yuetal.，

2019)。早期版本的NCARCCM3中青藏高原东坡就存

在显著的虚假降水中心(Yuetal.，2000)，并且一直并

未得到有效改善(Chenetal.，2010；ZhangandChen，

2016)。Xu等(2010)评估了第三次国际耦合模式比较

计划(CMPI3)里的18个模式发现，模式对青藏高原降

水的高估可达100%。经过数年的发展，CMPI5模式仍

然对高原地区降水特征模拟不足(XuandXu，2012；Su

etal.，2013；胡芩等，2014)。水平分辨率为影响区域尺

度降水模拟性能的主要因素之一，太粗糙的分辨率无

法解析区域范围内重要的过程和特征，区域降水的模

拟特征随着分辨率的提升能得到有效改善(Delworth

etal.，2012；Jiangetal.，2016)。Li等(2015)研究了水平

分辨率对东亚降水特征模拟的影响，指出较高分辨率

下模拟的青藏高原降水分布更为真实，降水正偏差区

域范围会减小，但是降水的高估却随着分辨率的提升

而增大。

随着高性能超级计算机的迅速发展，全球高分辨

率数值模拟试验在多个模式研发机构已相继展开。在

最新的CMIP6中新增了高分辨率模式比较计划

(HighResMIP)，首次提供全球高分辨率(25—50km)多模

式集合的气候模拟试验结果。在能够更准确刻画复杂

地形影响的情况下，新一代高分辨率全球气候模式对

青藏高原降水的模拟能力如何值得探究。本文将基于

小时尺度降水特征，全面细致评估CMIP6HighResMIP

高分辨率模式对青藏高原降水与极端降水模拟能力，

增进对复杂地形区降水模拟偏差特性的认识。

1数据和方法

1.1数据介绍

1.1.1观测数据

用于评估模式的观测资料是TRMM多卫星降水

分析产品(TMPA)新版本——TRMM3B42V7，它在原

有的3B42V6的基础上进行了改善，融合了新的被动

微波辐射计的观测结果和红外辐射数据。该数据时

间分辨率为3h，空间分辨率为0.25°，空间范围为南北

纬50°，时间范围为1998—2014年，N时降水代表N时

前后1.5h时段内的平均降水(Huffmanetal.，2007)。

TRMM在模式评估研究中被广泛应用(Yuan，2013；Li

etal.，2015；Zhangetal.，2016)。

1.1.2模式数据

CMIP6HighResMIP的模式分辨率除典型CMIP6

分辨率(大气约为250km，海洋约为100km)以外，还包

含更高的分辨率(大气最高可到25km，海洋最高可为

8—25km)。HighResMIP分为3个层级试验，包括纯大

气和耦合试验，时间年度跨越1950年至2050年，并可能

扩展到2100年，还有一些其他针对性实验。本文选取分

析HighResMIPTier1的高分辨率试验历史输出结果，

Tier1试验是历史强迫的大气模式比较计划(AMIP)，也

是HighResMIP的核心试验，其运行时间为1950—2014

年，目标分辨率是25—50km，明显高于CMIP5的基本

分辨率150km，更多模式和试验细节请参阅(Haarsma

etal.，2016)。当前已有八个模式发布了高分辨率3h输

出结果，这些模式全部用于本文研究中，有关模式的基

本信息详见表1。考虑到与观测数据的时间一致性，所

有模式数据都选择了1998—2014年时段。

1.2分析方法

考虑到8个CMIP6高分辨率模式的水平分辨率

不同，为便于将模式与观测结果进行定性和定量比

较，采用双线性插值方法把模式数据统一插值到

0.25°×0.25°的经纬网格上，使其与观测数据TRMM的

分辨率保持一致。多模式集合平均技术采用等权集

合平均，即对8个模式的模拟结果取算术平均。

为减小数值模式中频繁出现的弱降水对评估结果

的影响，模式和TRMM3B42产品降水相关量的计算

中，均仅考虑各时次降水量大于0.1mm·h

-1

的降水（定

第2期肖雨佳，等：CMIP6HighResMIP高分辨率气候模式对青藏高原降水模拟的评估

表1本文使用的8个CMIP6HighResMIP模式的基本信息

Table1BasicinformationofeightCMIP6HighResMIPglobalclimatemodelsusedinthisstudy.

217

编号

模式名称

BCC-CSM2-HR

CNRM-CM6-1-HR

EC-Earth3P-HR

FGOALS-f3-H

CAMS-CSM1-0

分辨率(经度×纬度)

0.45°×0.45°

0.47°×0.47°

0.50°×0.50°

0.35°×0.35°

0.25°×0.25°

0.23°×0.35°

0.19°×0.19°

0.28°×0.28°

所属机构与国家

ChineseAcademyofMeteorologicalSciences,China

EC-EarthConsortium,Europe

BeijingClimateCenter，China

NationalCentreforMeteorologicalResearch,France

ChineseAcademyofSciences,China

MeteorologicalResearchInstitute,Japan

JAMSTEC-AORI-R-CCS,Japan

MetOfficeHadleyCentre,UKHadGEM3-GC31-HM

MRI-AGCM3-2-S

NICAM16-8S

义为有效降水），小于0.1mm·h

-1

的降水时次视为无降

水发生。夏季气候态降水量(单位：mm·d

-1

)为研究时段

内总有效降水除以该时段内总时次数再乘24。小时降

水频率(单位：%)定义为研究时段内有效降水时次数与

总时次数的百分比。小时降水强度(单位：mm·h

-1

)为有

效降水累积量除以有效降水时次数。

为了研究降水强度与频率的关系，以1mm·h

-1

为

间隔计算每个强度范围内的累积降水频率，然后再对关

注区域内各格点求平均，即得该区域降水强度与频率

之间的分布关系，降水强度—频率分布图(图4和图5)中

1mm·h

-1

降水对应频率表示为降水强度在0.1～1.1mm·h

-1

范围内的频率，2mm·h

-1

降水对应频率表示的是降水

强度在1.1～2.1mm·h

-1

范围内的频率，以此类推。

分析降水日变化相关特征时均采用北京时(Bei?

jingTime，BJT)。降水日变化振幅计算如公式(1)

-P

max

?100%

(1)

为日平均降水

其中

max

为一日内最大小时降水量，

量。

极端降水阈值的确定采用百分位方法来计算，将

各格点1998—2014年逐年夏季3h平均降水强度按从

小到大升序排序，取第95百分位数(P95)的17a平均值

作为极端降水事件的阈值。该方法常用在极端降水

的观测研究和模式评估中(江志红等，2009；李建等，

2013；赵丽等，2016)。极端降水的贡献率定义为大于

某年第95百分位数极端降水阈值的极端降水量总占

该年夏季总降水量的百分率。

2小时降水量、频率、强度的模拟

基于TRMM卫星资料，青藏高原及其周边地区夏季

平均降水量表现出来显著的空间变率(图1a)。降水量大

值区位于喜马拉雅山脉南侧，量值超过14mm·d

-1

。柴

达木盆地以及高原西北边缘是降水量的小值区，平均

降水量低于1mm·d

-1

。整体来看，青藏高原降水量表

现出自东南向西北递减的空间分布特征。与观测相

比，CMIP6高分辨率模式可以基本再现出降水量的空

间分布(图1b)。8个模式集合平均(MME)结果再现了

高原降水自东南至西北的梯度分布，在高原南侧模拟

出了降水大值带，但是模式高估了南坡的降水量，在

高原东坡出现了虚假大值中心。从降水量模拟偏差

来看(图1c)，CMIP6高分辨率模式的模拟偏差与地形

高度之间存在明显的对应关系。CMIP6MME高估了

青藏高原夏季平均降水量，其高估区域主要位于1000

米以上，占所有正偏差区的91.3%。正偏差大值区位

于青藏高原南坡和东坡陡峭地形区，分布在3000米

等高线附近，最大正偏差可达4mm·d

-1

以上。这表明

陡峭地形对降水的影响仍然是这些模式的挑战。

平均降水量可以进一步分解为平均小时降水频

率和平均小时强度，频率和强度的不同组合可能会表

现出相似的降水量气候特征，降水的合理模拟取决于

频率和强度的正确组合，因而降水频率和强度的模拟

被认为能够进一步揭示模式偏差特征(DaiandTren?

berth2004；Dai2006；Lietal.2015)。图1d、g分别给出

了观测降水频率和强度的空间分布情况。降水频率

空间变化与降水量相似，降水多发生在高原南缘、东

坡和东北祁连山脉等陡峭地形区，降水频率可达20%

以上。青藏高原降水强度主要在2mm·h

-1

以下，高原

以南的低海拔地区降水强度明显高于高原，最高可达

5mm·h

-1

以上。总体来说，CMIP6高分辨率模式能够

模拟出山脉陡峭地形处降水频发的特征(图1e)，也大

体再现了高原降水强度小而高原以南、以东低海拔地

区强度大的分布情况(图1h)，但是模式高估了大部分

区域(面积占比89.3%)的降水频率(图1f)以及低估了大

部分区域(面积占比93.1%)的降水强度(图1i)。模式对

青藏高原降水量的高估主要是降水频次模拟偏多造

成，数值模式中“低强度、高频率”的常见通病(Chenetal.，

1996；Sunetal.，2006；Dai，2006)在CMIP6高分辨率模

式中仍然存在。

218

40°N

暴雨灾害

第41卷

(a)TRMM-PA(d)TRMM-PF(g)TRMM-PI

(b)MME-PA(e)

MME-PF

(h)

MME-PI

40°N

0.511.5234578100.20.40.60.81.01.41.82.22.63.03.4

(c)Bias-PA(f)

Bias-PF

(i)

Bias-PI

432

90100

110°E80

402520105

100

510202540

110°E

8090100110°E

图1TRMM和CMIP6MME在青藏高原地区1998—2014年夏季平均降水量(单位：mm·day

-1

)、降水频率(单位：%)、降水强度

(单位：mm·h

-1

)及其偏差的空间分布(上：TRMM；中：CMIP6MME；下：CMIP6MME与TRMM之间的偏差;(a-c)为降水量；

(d-f)为降水频率；(g-i)为降水强度；黑色实线代表1000m和3000m的地形高度；(c)中红色虚线框

表示为高原南坡和东坡两个偏差关键区)

Fig.1Theclimatologicalmeansummerprecipitation(a-c)amount(mm·day

-1

),(d-f)frequency(%)and(g-i)intensity(mm·h

-1

)derivedfromTRMM(top),

CMIP6MME(middle)andthedifferencebetweenCMIP6MMEandTRMM(bottom)for1998—lack

ionsmarkedbythereddashedboxesin(c)arethesouthern

edgeandtheeasternperipheryoftheTibetanPlateauwherearethetwotypicalsimulationdeviationareasofprecipitation.

10.500.51221.510.500.511.52

为了进一步了解降水偏差与海拔之间的关系，图

2和图3分别给出了84°—93°E和29°—33°N平均降水

特征的经向和纬向剖面图。从84°—93°E平均降水特

征的纬向分布来看，TRMM(图2a蓝线)的降水量大值区

位于高原南坡26.5°N附近的低海拔处，降水量随海拔

升高先增加再减少，与前人的相关研究结论一致(Saler?

noetal.，2015)。CMIP6MME(图2a红线)能够模拟出降

水量随海拔升高先增加后减少的特征，但其低估了高

原南坡的最大降水量，且模拟的降水量大值区位置偏

北、海拔偏高。对于降水频率来说(图2b)，观测依旧呈

降

水

量

(

)

4000

26272829°N

2000

(a)

TRMM

MME

Elevation

现随海拔升高先增加再减小的特征；相较于降水量大

值区，降水频率大值区的位置在坡面更高处。模式依

旧能够再现降水频率和地形之间的关系，但模式同样

存在峰值位置模拟偏北、海拔偏高的问题，且模式高估

了所有海拔高度上的降水频率。在降水强度方面(图

2c)，观测中最大降水强度出现在低海拔地区(约60m海

拔高度)，在60m高度以上，降水强度随海拔线性减小

(通过P<0.01的显著性检验)。CMIP6MME能够模拟出

降水强度与海拔高度呈负相关的变化趋势，但其变化

速率低于观测，观测中海拔每升高100m，降水强度可

(b)

8000

海

拔

降

水

强

度

(

)

6000

4000

2000

4.0

3.5

3.0

2.5

2.0

1.5

1.0

0.5

0.0

26272829°N

2000

4000

(c)

TRMM

MME

Elevation

8000

6000

海

拔

降

水

频

率

TRMM

MME

Elevation

8000

6000

海

拔

272829°N

图284°—93°E平均(a)降水量(单位：mm·d

-1

)、(b)降水频率(单位：%)、(c)降水强度(单位：mm·h

-1

)的经向剖面图

(蓝线为TRMM；红线为CMIP6-MME；黑线为海拔高度(单位：m))

Fig.2Precipitation(a)amount(unit:mm·d

-1

),(b)frequency(unit:%)and(c)intensity(unit:mm·h

-1

)averaged

between84°—93°ne:TRMM;Redline:CMIP6-MME;Blackline:elevation(unit:m).

第2期肖雨佳，等：CMIP6HighResMIP高分辨率气候模式对青藏高原降水模拟的评估

219

减小0.05mm·h

-1

，而模式中仅减小0.02mm·h

-1

。模式

低估了所有海拔高度上的降水强度，偏差大值区分布

在低海拔地区，随海拔升高强度偏差逐渐减小。

29°—33°N平均降水特征的经向分布体现了高原

东坡降水与地形之间的关系。观测中东坡降水量大

值区位于1700m附近(图3a蓝线)，CMIP6MME模拟

的降水量峰值位置较观测海拔偏高，且模式低估了约

1000m以下低海拔地区的降水量，高估了约1000m

以上高海拔地区的降水量(图3a红线)。模式能模拟出

降

水

量

(

)

98100102104

(a)

TRMM

MME

Elevation

观测中揭示的降水频率随海拔升高先增加再减小的

变化特征，但模拟的降水频率随海拔升高而增加的速

率较大，降水频率峰值位置较观测偏东、海拔偏低(图

3b)。模式低估了东坡降水强度随海拔升高而减弱的

变化速率，降水强度的负偏差随海拔升高逐渐减小(图

3c)。综合强度和频率偏差来看，不论东坡还是南坡，

模式对低海拔地区降水量的低估主要是由于降水强

度模拟不足，而对高海拔地区的高估则主要是受到频

率模拟偏多的影响。

TRMM

MME

Elevation

8000

6000

降

水

频

率

海

拔

4000

2000

(b)

98100102104

8000

6000

海

拔

4000

2000

降

水

强

度

(

)

2.0

1.5

1.0

0.5

0.0

(c)

TRMM

MME

Elevation

8000

6000

4000

2000

海

拔

106°E

106°E98100102104

106°E

图329°—33°N平均(a)降水量(单位：mm·d

-1

)、(b)降水频率(单位：%)、(c)降水强度(单位：mm·h

-1

)

的纬向剖面图(蓝线为TRMM；红线为CMIP6-MME；黑线为海拔高度(单位:m))

Fig.3Precipitation(a)amount(unit:mm·day

-1

),(b)frequency(unit:%)and(c)intensity(unit:mm·h

-1

)averagedbetween

29°—33°ne:TRMM;Redline:CMIP6-MME;Blackline:elevation(unit:m)

前面的分析主要关注了气候模式对夏季平均态

降水特征的模拟能力，不同降水强度下的降水频率分

布也是降水气候特征的重要组成部分，降水频率与强

度之间的关系是评估模式对降水特性模拟能力的重

要指标(Lietal.，2015)。针对降水量的两个典型偏差

关键区(图1c中红色虚线框)：高原南坡(84°—93°E，

26.5°—29°N)和高原东坡(101°—104°E，29°—33°N)，

进行更为细致的偏差特征分析。图4和5分别给出了

降

水

频

率

-1

降水强度/(mm·h)

6070

(a)

TRMM

BCC-CSM2-HR

CAMS-CSM1-0

CNRM-CM6-1-HR

EC-Earth3P-HR

FGOALS-f3-H

HadGEM3-GC31-HM

MRI-AGCM3-2-S

NICAM16-8S

高原南坡和东坡两个关键偏差区不同强度降水的频

率分布，以1mm·h

-1

为间隔计算每个强度范围内的累

积降水频率。高原南坡的强度—频率分布如图4所

示，CMIP6高分辨率模式模拟的不同降水强度下的降

水频率分布与观测存在较大差异。大部分模式均高估

了2mm·h

-1

以下弱降水的频率(图4a)，观测中2mm·h

-1

以下弱降水的累积频率为12%，而模式集合平均结果

可达43%，占总降水频率偏差的105%。图4bY轴使

(b)

TRMM

BCC-CSM2-HR

CAMS-CSM1-0

CNRM-CM6-1-HR

EC-Earth3P-HR

FGOALS-f3-H

HadGEM3-GC31-HM

MRI-AGCM3-2-S

NICAM16-8S

降

水

频

率

-2

-4

降水强度/(mm·h

-1

)

6070

图4高原南坡不同强度(单位：mm·h

-1

)降水的频率(单位：%)分布情况((a)中Y轴采用标准坐标；(b)中Y轴采用对数坐标;

黑色三角形为TRMM观测;彩色圆点表示8个CMIP6HighResMIP模式)

Fig.4Thefr-axisin(a)-axisin

(b)cktriangleisTRMMobservationandthecoloreddotsrepresent8CMIP6HighResMIPmodels

220

暴雨灾害

第41卷

用对数坐标可以放大降水强度—频率分布的尾端分布

情况，可以清晰看到大部分模式低估了3mm·h

-1

以上降

水的频率。另外，大部分模式低估了高原南坡最大降

水强度，尤其是CNRM-CM6-1-HR和EC-Earth3P-HR

模式，其模拟的最大降水强度分别为18mm·h

-1

和

19mm·h

-1

，而观测中最大降水强度可达70mm·h

-1

。

FGOALS-f3-H和HadGEMS-GC31-HM模式对11~38

mm·h

-1

范围内的降水频率存在一定的高估，观测中该

(a)

TRMM

BCC-CSM2-HR

CAMS-CSM1-0

CNRM-CM6-1-HR

EC-Earth3P-HR

FGOALS-f3-H

HadGEM3-GC31-HM

MRI-AGCM3-2-S

NICAM16-8S

强度范围内降水的累计降水频率为0.42%，而模式

分别可达0.70%和0.54%。在高原东坡(图5)，大部分

模式表现出了与南坡相似的降水强度和频率的分

布特征，高估了2mm·h

-1

以下弱降水的频率和低估了

3mm·h

-1

以上降水的频率，并且低估了最大降水强

度。但MRI-AGCM3-2-S模式高估了21mm·h

-1

以上

降水的频率，其模拟的最大降水强度超过观测结果，

出现了虚假极端强降水。

(b)

TRMM

BCC-CSM2-HR

CAMS-CSM1-0

CNRM-CM6-1-HR

EC-Earth3P-HR

FGOALS-f3-H

HadGEM3-GC31-HM

MRI-AGCM3-2-S

NICAM16-8S

降

水

频

率

降

水

频

率

-2

-4

0204060

-1

降水强度/(mm·h)

0204060

-1

降水强度/(mm·h)

图5与图4相同，但为高原东坡

Fig.5SameasFig.4,butfortheeastslopeofTibetanPlateau.

3降水日变化的模拟

日变化是地球气候系统最基本的变化模态之一，

降水的日变化与地表温度、湿对流、云层的形成以及

边界层的发展密切相关(YangandSlingo，2001；So?

rooshianetal.，2002)。受局地和大尺度的动力、热力条

件的影响，降水的日变化存在鲜明的区域差异(Yuetal.，

2014)。降水日变化的研究是充分理解天气气候系统

以及水汽循环区域性特征的一个重要方面，也是评估

模式对降水特性模拟能力的重要内容。

40°N

(a)TRMM

图6给出了青藏高原地区夏季平均降水量日峰值

时刻的空间分布。CMIP6高分辨率模式能够模拟出

观测中揭示的青藏高原傍晚至午夜(17∶00—02∶00

BT)的降水峰值时刻，但模式中，降水呈午夜峰值的区

域明显多于观测。对于海拔3000米以上的地区，模

式中有27.2%的区域降水峰值在23∶00—02∶00BT，而

观测中仅为10.0%。从高原到四川盆地，降水日峰值

位相存在经向上向东滞后的演变过程，四川盆地的降

水峰值主要出现在05∶00—08∶00BT(图6a)，而模式中

盆地基本为清晨(02∶00—05∶00BT)降水，较观测模拟

(b)MME

北京时间

8090100110°E8090100110°E

图6观测(a)和CMIP6MME模拟(b)的夏季降水量日变化峰值空间分布(单位：BT,

黑色实线代表1000m和3000m的地形高度)

Fig.6Spatialdistributionsofthediurnalpeaks(BT)ofsummerprecipitationamountderivedfrom(a)TRMMand

(b)lackcontoursrepresenttheterrainheightsof1000and3000m.

第2期肖雨佳，等：CMIP6HighResMIP高分辨率气候模式对青藏高原降水模拟的评估

221

偏早(图6b)。在高原南缘，观测中显示降水峰值出现

在05∶00—08∶00BT，但模式中高原南坡部分区域模

拟较观测偏早，为清晨(02∶00—05∶00BT)峰值，以及

部分区域还表现出不准确的午后(14∶00—17∶00BT)

峰值。

日变化振幅是研究日变化的另一个重要指标。

从图7给出的降水日变化振幅空间分布来看，青藏高

原降水日变化振幅较大，观测和模拟均有超过65%以

40°N

(a)TRMM

上的区域日变化振幅大于60%。但是模式模拟的降

水日变化振幅明显低于观测值，在海拔3000米以上

的区域里，观测中有12%的区域日变化振幅超过

140%，而模式模拟的最大日变化振幅低于130%。模

式中日变化振幅大值区位于高原以北的塔里木盆地

区域。此外，模式中降水雨带位置(高原南坡和东坡)

的日变化振幅基本低于60%，说明该区域昼夜皆有较

多的降水，但在观测中日变化振幅可达90%以上。

(b)MME

160

140

120

100

8090100110°E8090100110°E

图7观测(a)和CMIP6MME模拟(b)的夏季降水量日变化振幅空间分布(单位：%;黑色实线代表1000m和3000m的地形高度)

Fig.7Spatialdistributionsofthediurnalamplitude(unit:%)ofsummerprecipitationamountderivedfrom(a)TRMMand

(b)lackcontoursrepresenttheterrainheightsof1000and3000m.

4小时极端降水的模拟

在气候变暖的背景下，全球大部分区域日极端降

水有增多的趋势以及降水强度有增强的趋势(Minetal.，

2011)，温度的变化使得极端降水趋于在短时内发生，

小时尺度极端降水变化速率更剧烈(Westraetal.,

2014)。开展小时尺度极端降水模拟能力的评估对提

高气象防灾减灾有重要意义。

图8分别给出了观测和模式的青藏高原小时极端

40°N

(a)TRMM-P95

降水阈值(P95)的空间分布情况。基于TRMM观测，高

原南坡为极端降水阈值的大值区，最高可达15mm·h

-1

以上。在四川盆地西部也存在一个极端降水阈值的

大值中心，强度低于高原南坡。CMIP6高分辨率模式

模拟的极端降水阈值的空间分布与观测大体相似，其

与观测的空间相关系数可达0.89，但是模式明显低估

了高原地区极端降水阈值。观测中高原区域平均极端

降水阈值为4.37mm·h

-1

，而模式值仅为2.50mm·h

-1

，相

当于观测的57%。

(b)MME-P95

mm/h

8090100110°E8090100110°E

图8观测(a)和CMIP6MME模拟(b)夏季小时极端降水第95百分位数阈值的空间分布(单位：mm·h

-1

;

黑色实线代表1000m和3000m的地形高度)

Fig.8Spatialdistributionsofthe95thpercentilethresholdofsummerhourlyextremeprecipitation(unit:mm·h

-1

)derivedfrom(a)TRMM

and(b)lackcontoursrepresenttheterrainheightsof1000and3000m.

观测和模拟的青藏高原区域多年平均夏季极端

降水贡献率如图9所示。模式对青藏高原极端降水贡

献率的空间分布模拟能力较差，其与观测的空间关键

相关系数仅为0.47。模式中极端降水贡献率表现出了

高原四周高、海拔3000m以上高原主体低的分布特

征。模式中的极端降水贡献率大值区也分布在塔里

木盆地，与观测一致，但模式高估了该区域的极端降

水贡献率。模式中高原主体区域的平均极端降水贡

222

暴雨灾害

第41卷

40°N

(a)TRMM

(b)MME

32.5

27.5

22.5

17.5

12.5

7.5

8090100110°E8090100110°E

图9观测(a)和CMIP6MME模拟(b)夏季小时极端降水量贡献率(单位：%)的空间分布(黑色实线代表1000m和3000m的地形高度)

Fig.9Spatialdistributionsofthesummerhourlyextremeprecipitationfraction(unit:%)derivedfrom(a)TRMM

and(b)lackcontoursrepresenttheterrainheightsof1000and3000m.

献率为24%，低于观测值(27%)。相反，在高原南坡雨

带区域，模式的极端降水贡献率明显高于观测，说明

模式中该区域的夏季降水更多是由极端降水贡献。

5结论与讨论

本文聚焦降水的小时尺度特征，细致评估了

CMIP6HighResMIP高分辨率气候模式对青藏高原夏

季降水的模拟能力，得到以下主要结论：

(1)CMIP6高分辨率模式对青藏高原夏季降水量

的模拟存在高估，偏差大值区主要位于高原南坡和东

坡陡峭地形区。模式高估了大部分区域的降水频率

而低估了降水强度，模式对青藏高原降水量的高估主

要是降水频次模拟偏多造成的。对比分析降水强度

与频率的关系发现，大部分模式高估了2mm·h

-1

以下

弱降水的频率，低估了3mm·h

-1

以上降水的频率和最

大降水强度。模式对降水频率的高估主要是弱降水

的贡献。

(2)高原南坡和东坡降水模拟偏差与海拔密切相

关。模式不能准确再现降水量与海拔之间的关系，模

式低(高)估了高(低)海拔区域的降水，模拟的降水量大

值区海拔偏高。模式低估了降水强度随海拔升高而

降低的变化速率，降水强度负偏差的大值区主要分布

在低海拔地区，随海拔升高偏差逐渐减小。在降水频

率与海拔关系的模拟上，对于高原南坡，模式存在降

水频率大值区模拟偏北、海拔偏高的问题；对于高原

东坡，模式存在降水频率大值区模拟偏东、海拔偏低

的问题。

(3)降水日变化的评估表明，CMIP6高分辨率模式

能够模拟出青藏高原傍晚至午夜(17∶00—02∶00BT)

的降水峰值时刻，但是模式对四川盆地降水峰值时间

模拟偏早，且在高原南坡部分区域模拟出虚假的午后

峰值。此外，模式明显低估了青藏高原降水的日变化

振幅。

(4)在小时极端降水的模拟方面，模式对高原小时

极端降水强度的空间分布表现出了良好的模拟能力，

但模式低估了高原区域平均极端降水阈值，仅为观测

值的57%。模式对青藏高原极端降水贡献率的空间

分布模拟能力较差，对高原主体区域的夏季极端降水

贡献率存在一定的低估，而在高原南坡雨带区域表现

出了更高的极端降水贡献率。

本文利用最新的CMIP6HighResMIP多模式结果，

评估了当前气候模式对高原地区降水的模拟能力，发

现高原陡峭地形区降水模拟偏差在新一代高分辨率

模式中仍存在。青藏高原及其周边地区地形复杂，高

原大地形影响效应十分突出，复杂地形处的降水十分

复杂。本文从小时尺度降水特征出发，认识了高分辨

率模式降水偏差的精细化特征，但仅对降水变量进行

了评估，结合产生降水的天气背景环流来评估模式有

助于加深对模式模拟偏差的理解(AgelLandM,2020;

Brownetal.,2010)。在研究过程中还发现不同模式的

降水日变化模拟存在着一定的差异，黄安宁等(2008)

曾指出夏季降水日变化模拟对模式物理过程参数化

方案有较强的敏感性，从模式间模拟差异分析物理参

数化方案的影响值得进一步探究。此外本研究仅使

用了TRMM观测资料，对观测数据的不确定性也应作

进一步讨论。

参考文献:

黄安宁,张耀存,朱坚.2008.物理过程参数化方案对中国夏季降水日变化

模拟的影响[J].地球科学进展,(11):1174-1184

黄楚惠,李国平,张芳丽,等.2020.近10a气候变化影响下四川山地暴雨事

件的演变特征[J].暴雨灾害,39(4):335-343

胡芩,姜大膀,范广洲.5全球气候模式对青藏高原地区气候模

拟能力评估[J].大气科学,38(5):924-938

江志红,陈威霖,宋洁,等.2009.7个IPCCAR4模式对中国地区极端降水

指数模拟能力的评估及其未来情景预估[J].大气科学,33(1):

109-120

李建,宇如聪,孙溦.2013.中国大陆地区小时极端降水阈值的计算与分

第2期肖雨佳，等：CMIP6HighResMIP高分辨率气候模式对青藏高原降水模拟的评估

223

析[J].暴雨灾害,32(1):11-16

李跃清,张晓春.2011.“雅安天漏”研究进展[J].暴雨灾害,30(4):289-295

李长冬,冼进业,刘勇,等.2021.暴雨作用下基于滑坡互信息量的白家包

滑坡变形响应机制研究[J].暴雨灾害,40(1):19-26

吴国雄,毛江玉,段安民,等.2004.青藏高原影响亚洲夏季气候研究的最

新进展[J].气象学报,62(5):528-540

吴国雄,刘屹岷,何编,等.2018.青藏高原感热气泵影响亚洲夏季风的机

制[J].大气科学,42(3):488-504

徐祥德,董李丽,赵阳,等.2019.青藏高原“亚洲水塔”效应和大气水分循

环特征[J].科学通报,64(27):2830-2841

曾庆存,宇如聪,彭贵康,等.1994.“雅安天漏”研究Ⅲ：特征、物理量结构

及其形成机制[J].大气科学,1994(06):649-659

赵丽,韩雪云,杨青.2016.近50a西北干旱区极端降水的时空变化特征[J].

沙漠与绿洲气象,10(1):19-26

AgelL,lDoCMIP6HistoricalRunsMatchOb-

itationandExtremePrecipitation-Related

Circulation?[J].JournalofClimate,33(22):1-36

BrownJR,JakobC,uationofRainfallFrequen-

cyandIntensityovertheAustralianRegioninaGlobalClimateModel[J].

JournalofClimate,23(24):6504-6525

ChenM,DickinsonRE,ZengX,isonofPrecipitation

ObservedovertheContinentalUnitedStatestoThatSimulatedbya

ClimateModel[J].JournalofClimate,9(9):2233-2249

ChenH,ZhouT,NealeR,manceoftheNewNCAR

CAM3.5inEastAsianSummerMonsoonSimulations:Sensitivityto

ModificationsoftheConvectionScheme[J].JournalofClimate,23(13):

3657-3675

itationCharacteristicsinEighteenCoupledClimate

Models[J].JournalofClimate,19(18):4605-4630

DelworthTL,RosatiA,AndersonW,tedClimateand

ClimateChangeintheGFDLCM2.5High-ResolutionCoupledCli-

mateModel[J].JournalofClimate,25(8):2755-2781

DaiA,rnalCycleandItsDepictioninthe

CommunityClimateSystemModel[J].JournalofClimate,17(5):

930-951

HuffmanGJ,AdlerRF,BolvinDT,MMultisatellite

PrecipitationAnalysis(TMPA):Quasi-Global,Multiyear,Com-

bined-SensorPrecipitationEstimatesatFineScales[J].JournalofHy-

drometeorology,8:38-55

HaarsmaRJ,RobertsMJ,LuigiVP,solutionModel

IntercomparisonProject(HighResMIPv1.0)forCMIP6[J].Geoscientif-

icModelDevelopment,9(11):4185-4208

ImmerzeelWW,BeekLPHV,eChange

WillAffecttheAsianWaterTowers[J].Science,328(5984):1382-1387

eChange2013:ThePhysicalScienceBasis[M].Cam-

bridge:CambridgeUniversityPress,Cambridge:Cambridgeuniversity

JiangD,TianZ,ilityofclimatemodelsforChina

throughtheIPCCThirdtoFifthAssessmentReports[J].International

JournalofClimatology,36(3):1114-1133

LiJ,YuR,YuanW,itationoverEastAsiasimulatedby

NCARCAM5atdifferenthorizontalresolutions[J].JournalofAdvanc-

esinModelingEarthSystems,7(2):774-790

MinSK,ZhangX,ZwiersFW,ontributiontomore-in-

tenseprecipitationextremes[J].Nature,470(7334),378-381

SalernoF,GuyennonN,ThakuriS,ecipitation,warm

t(cen-

tralHimalaya)inthelast2decades(1994—2013)[J].Cryosphere,9(3):

1229-1247

SuF,DuanX,ChenD,tionoftheGlobalClimateModels

intheCMIP5overtheTibetanPlateau[J].JournalofClimate,26(10):

3187-3208

SorooshianS,GaoK,HsuR,lVariabilityofTropical

RainfallRetrievedfromCombinedGOESandTRMMSatelliteInfor-

mation[J].JournalofClimate,15(9):983-1001

StockerTF,QinD,PlattnerGK,,2013:ClimateChange2013:

butionofWorkingGroupItothe

FifthAssessmentReportoftheIntergovernmentalPanelonClimate

Change[J].ComputationalGeometry,18(2):95-123

SunY,SolomonS,DaiA,enDoesItRain?[J].Journal

ofClimate,19(6):916-934

WangX,PangG,itationovertheTibetanPlateaudur-

ingrecentdecades:areviewbasedonobservationsandsimulations[J].

InternationalJournalofClimatology,38(3):1116-1131

WestraS,FowlerHJ,EvansJP,changestotheintensity

andfrequencyofshortdurationextremerainfall[J].ReviewsofGeo-

physics,52(3):522-555

XuY,GaoX,estothereliabilityensembleaveraging

methodforproducingprobabilisticclimate-changeprojections[J].Cli-

mateResearch,41(1):61-81

XuX,LuC,ShiX,atertower:Anatmosphericperspec-

tive[J].GeophysicalResearchLetters,35(20):L20815

XuY,inaryAssessmentofSimulationsofClimate

ChangesoverChinabyCMIP5Multi-Models[J].Atmosphericand

OceanicScienceLetters,5(6):489-494

YangGY,rnalCycleintheTropics[J].Monthly

WeatherReview,129(4):784-801

YuR,ChenH,initionandCharacteristicsofRegional

RainfallEventsDemonstratedbyWarmSeasonPrecipitationoverthe

BeijingPlain[J].JournalofHydrometeorology,16(1):396-406

YuR,LiJ,ChenH,ssinstudiesoftheprecipitationdiur-

nalvariationovercontiguousChina[J].JournalofMeteorologicalRe-

search,28:877-902

YuR,LiW,ZhangX,efeaturesrelatedtoEasternChina

summerrainfallintheNCARCCM3[J].AdvancesinAtmosphericSci-

ences,17:503-518

YuR,ZhangY,WangJ,ProgressinNumericalAtmo-

sphericModelinginChina[J].AdvancesinAtmosphericSciences,36

(9):938-960

lcyclesofprecipitationoversubtropicalChinain

IPCCAR5AMIPsimulations[J].AdvancesinAtmosphericSciences,

30(6)

ZhangY,ingCAM5andSuperparameterizedCAM5

SimulationsofSummerPrecipitationCharacteristicsoverContinental

EastAsia:MeanState,Frequency-IntensityRelationship,DiurnalCy-

cle,andInfluencingFactors[J].JournalofClimate,29(3):1067-1089

（责任编辑邓雯）

更多推荐

降水,模式,模拟,高原,频率,观测

CMIP6 HighResMIP高分辨率气候模式对青藏高原降水模拟的评估_

发布评论取消回复

最近发表

热门文章

标签列表

CMIP6 HighResMIP高分辨率气候模式对青藏高原降水模拟的评估_

相关文章

发布评论取消回复

最近发表

热门文章

标签列表