《Atmosphere》:Evaluation of Precipitation and Temperature from Multiple Products and CMIP6 Simulations over the Qinghai–Tibet Plateau
编辑推荐:
气候变化正在深刻改变全球高海拔地区的降水和温度格局。青藏高原(QTP)被誉为"第三极"和"亚洲水塔",是全球气候最敏感的区域之一,在亚洲水循环、冰冻圈稳定性和区域生态安全中发挥着关键作用。然而,青藏高原复杂的地形和多样的气候导致该区域气象产品之间存在显著差异,
气候变化正在深刻改变全球高海拔地区的降水和温度格局。青藏高原(QTP)被誉为"第三极"和"亚洲水塔",是全球气候最敏感的区域之一,在亚洲水循环、冰冻圈稳定性和区域生态安全中发挥着关键作用。然而,青藏高原复杂的地形和多样的气候导致该区域气象产品之间存在显著差异,因此有必要基于原位观测记录进行全面评估。该研究利用85个气象站1960–2022年的记录,评估了四种产品:中国1 km月度数据集(CN_1km)、气候研究单元格点时间序列(CRU TS)、第五代欧洲中期天气预报中心陆面再分析资料(ERA5-Land)和TerraClimate,选择依据是这些资料具有长期连续性、产品类型多样且在该区域应用广泛。随后,研究人员将这些产品与基于CMIP6的NASA地球交换全球逐日降尺度预估(NEX–GDDP–CMIP6)的地球系统模式(ESM)模拟结果进行了比较。该评估采用关键统计指标,包括决定系数(R2)、均方根误差(RMSE)、克林-古普塔效率(KGE)和偏差,以及基于Sen斜率估计量和Mann-Kendall检验的空间分布长期趋势分析。基于站点的评估显示,温度数据集总体优于降水数据集,月平均温度的R2值为0.85–0.94,RMSE为2.38–4.79 °C,KGE为?0.04至0.86;月降水量的R2为0.74–0.81,RMSE为20.60–36.12 mm,KGE为0.42–0.86。对于距平值,温度表现(R2 = 0.41–0.67;RMSE = 0.80–1.41 °C)优于降水(R2 = 0.28–0.44;RMSE = 16.87–20.73 mm)。总体而言,CN_1km和TerraClimate提供最可靠的基于站点的温度估计,而TerraClimate显示出最稳健的降水性能。四个数据集一致表明存在增暖增湿趋势,温度以0.21–0.24 °C decade?1的速率上升,降水以4.5–5.8 mm decade?1的速率增加,表现为西部增温更强、东北部降水增加更多;但ERA5-Land中的降水趋势未达到统计显著性。NEX–GDDP–CMIP6模拟再现了可比较的增暖增湿信号(0限价0.22–0.23 °C decade?1和4.1–4.7 mm decade?1),但其降水分布与其他数据集明显不同,差异主要体现在显著的纬度梯度上。这些结果为青藏高原水文、生态和冰冻圈研究中气候强迫数据集的选择提供了参考。
气温和降水是描述天气和气候的基本变量,在地表能量平衡和水文过程中发挥关键作用,其时空变率特征对于理解陆-气反馈和改进气候模型预测能力至关重要。青藏高原作为全球海拔最高、面积最大的高原,复杂地形和独特陆-气耦合过程对区域和全球气候产生深远的热力和动力影响,升温速率约为全球平均的两倍。然而,现有评估存在三个显著局限:多数评估局限于较短时期、局部子区域或单一类别数据集;缺乏对月距平、长期演变趋势和空间趋势模式的联合评估;传统观测约束型格点数据集与地球系统模式(ESM)很少在统一比较框架内进行评估,难以确定最新耦合模式比较计划第六阶段(CMIP6)历史模拟能否客观再现观测揭示的时空气候演变。为此,该研究基于1960–2022年85个气象站观测数据,系统评估了CN_1km、CRU TS、ERA5-Land、TerraClimate四种广泛使用的气候产品及NEX–GDDP–CMIP6数据集,发表于《Atmosphere》。
研究采用的技术方法主要包括:基于85个国家气象站长序列观测数据(筛选标准包括连续观测≥60年、搬迁不超过一次、缺失率≤5%,并进行了质控和M–K突变检验)作为基准;对四种格点产品进行空间重采样至1/120°网格,采用最近邻方法;利用R
2、RMSE、KGE和偏差等统计指标进行站点尺度验证;采用Sen斜率估计量和Mann–Kendall(M–K)检验进行趋势分析;对NEX–GDDP–CMIP6的18个模式进行基于内部集合离差的双重异常值诊断,采用15%面积阈值法剔除异常模式,构建多模式集合平均和中位数。
**研究结果**
**格点数据集相对站点观测的评估**:温度方面,CN_1km和TerraClimate与站点观测一致性最高,R
2分别为0.93和0.94,RMSE分别为2.38 °C和2.39 °C,冷偏差较小,KGE分别为0.86和0.78;CRU TS和ERA5-Land表现较差,存在显著低估,偏差分别达?2.34 °C和?2.94 °C,KGE仅为0.17和?0.04。降水方面,TerraClimate表现最佳(R
2 = 0.81,RMSE = 20.60 mm,KGE = 0.86);CN_1km和CRU TS性能相当;ERA5-Land表现最弱,存在显著正偏差(20.18 mm),KGE仅0.42。距平评估显示类似模式:温度距平中CN_1km、TerraClimate和CRU TS准确性相近,ERA5-Land偏差显著;降水距平中TerraClimate最优,ERA5-Land最弱。
**多源数据集温度与降水的区域变化**:1960–2022年间,四数据集一致显示青藏高原显著增温趋势(0.21–0.24 °C decade
?1),其中TerraClimate增温最强(0.24 °C decade
?1);降水总体呈增加趋势(4.5–5.8 mm decade
?1),但ERA5-Land的降水趋势未达显著性。空间分布上,温度呈西北-东南梯度,降水从西北向东南递增;ERA5-Land将高降水区(>900 mm)扩展至藏东南、滇西北和川西地区。趋势空间格局显示,增温在西部、北部和中部更强;降水增加主要集中在北部、东北部和东部,南部和西南部边缘存在局地干旱趋势。增幅温度趋势空间一致性高,而降水趋势空间变率更大、数据集依赖性更强。
**NEX–GDDP–CMIP6模拟的异常值诊断与集合构建**:异常值诊断表明,CanESM5存在显著降水偏差,异常空间范围分别达均值和中位数降水指标的42.2%和39.2%;TaiESM1和CMCC–CM2–SR5存在显著温度偏差,极端面积覆盖率达100%。这三个模式被剔除,保留15个模式构建筛选集合。
**NEX–GDDP–CMIP6历史数据集评估**:1960–2014年间,CMIP6集合平均和中值分别显示0.23 °C decade
?1和0.22 °C decade
?1的增温趋势,与观测(0.22和0.21 °C decade
?1)基本一致但略偏强;降水集合平均和中值分别以4.7 mm decade
?1和4.1 mm decade
?1增加,但观测降水趋势的不确定性更大。空间格局上,CMIP6成功再现了温度的大尺度分布,但在青藏高原南部存在冷偏差;降水则呈现明显的纬度梯度,与观测经典的西北-东南水分梯度差异显著,未能充分分辨雅鲁藏布江河谷的地形降水核心。趋势空间分布上,CMIP6增温模式较平滑,而降水趋势的空间差异更为显著。
**讨论与研究意义**
该研究通过63年85个国家级气象站的标准化质控数据,较以往研究在观测时段长度、站点数量和数据可靠性方面均有提升。温度产品整体显著优于降水产品,这与近地表温度的空间连续性较强、受海拔依赖性递减率控制有关;而降水固有的间歇性、局地性以及与地形抬升、对流触发和南亚季风输送的复杂相互作用,导致其不确定性更大。TerraClimate通过多源统计融合将粗分辨率大气再分析场与高分辨率气候背景场结合,取得了最优的综合性能;ERA5-Land的系统性冷偏差和湿偏差则反映了亚网格海拔偏差和复杂地形上云动力学、对流过程的表征困难。
NEX–GDDP–CMIP6集合虽然能合理再现大尺度增暖增湿轨迹,但其降水空间格局过于平滑的经向梯度掩盖了季风驱动的西北-东南水分通道和雅鲁藏布水汽走廊的局地地形降水特征,这与其粗网格分辨率有关。青藏高原持续的增暖增湿趋势反映了全球变暖背景下区域能量和水循环的显著重组,增温速率约是全球平均的两倍,由冰雪-反照率反馈、冻土退化相关长波辐射变化、高海拔水汽-云辐射效应等多因素驱动;而增湿信号的空间异质性则受印度季风水汽路径、地形增强效应和雅鲁藏布大峡谷水汽输送走廊的共同控制。
**研究结论**
该研究的主要结论如下:所有评估指标均显示温度产品可靠性显著高于降水产品;CN_1km和TerraClimate温度性能最优,TerraClimate降水性能最佳,ERA5-Land偏差最大。四数据集一致检测到青藏高原稳健的增温趋势(0.21–0.24 °C decade
?1)和总体增湿趋势(4.5–5.8 mm decade
?1),但增湿信号的空间异质性和数据集依赖性更强;ERA5-Land的降水趋势未达0.05显著性水平。优化后的NEX–GDDP–CMIP6集合合理再现了0.22–0.23 °C decade
?1的增暖轨迹和4.1–4.7 mm decade
?1的增湿趋势,但未能再现青藏高原降水的观测空间配置,其平滑的南北向梯度掩盖了季风驱动的西北-东南水分通道和雅鲁藏布布地形降水格局。总体而言,青藏高原温度相关研究应优先选用中国1 km月度数据集或TerraClimate;降水研究中,若偏差控制为首要考虑则推荐CRU TS,综合优选则为TerraClimate。