通过整合相对重要性指标、折中编程指数和Jenks优化分类方法来选择CMIP6降水模型

《Science of The Total Environment》：Selecting CMIP6 precipitation models by integrating relative importance metrics, compromise programming index, and Jenks optimized classification

本研究提出一种综合评估方法，结合相对重要性指标（RIMs）、妥协编程指数（CPI）和Jenks优化分类（JOC），筛选出适用于伊朗降水预测的最佳CMIP6模型（MPI-ESM1–2-LR）。基于CHIRPS和ERA5观测数据，评估发现该模型在历史模拟中表现最优。未来预测表明，在SSP5–8.5情景下，伊朗93%的网格点降水将显著减少，且2-9月普遍下降，10-1月略有增加，凸显水资源危机风险。

　　本研究旨在评估14个CMIP6全球气候模型（GCMs）在伊朗降水模拟中的表现，并利用先进的排名方法选择最适合用于预测未来降水时空分布的模型。伊朗作为中东地区面积最大的国家，其气候多样且干旱与半干旱区域占全国的近90%，因此对降水模式的准确预测对于水资源管理、农业规划和应对气候变化具有重要意义。研究通过结合相对重要性指标（RIMs）、妥协规划指数（CPI）和Jenks优化分类（JOC）三种方法，建立了一种新的框架，用于全国范围内的模型评估与选择。

### 研究背景与意义

温室气体的累积效应是导致降水模式变化和气温上升的重要因素，而这种变化在发展中国家尤为显著。近年来，伊朗面临诸多水文挑战，如乌尔米亚湖的干涸、地表水可用性显著下降以及地下水过度开采等问题。这些现象与降水时空分布的变化以及干旱期的频率和持续时间增加密切相关。因此，决策者需要可靠的水文气候变量预测，以制定应对措施。

然而，长期地面观测数据的不完整性和空间覆盖不足，给气候趋势和变率的量化带来了挑战。因此，研究中采用了两种广泛使用的格点数据集——CHIRPS（气候危害小组红外降水与站点数据）和ERA5（欧洲中期天气预报中心第五代再分析降水产品）——作为替代方案。通过比较不同模型的性能，本研究识别出在模拟历史降水方面表现最佳的模型，并将其用于未来降水预测，从而提高预测的可靠性。

### 方法概述

研究采用了一种两步方法，首先通过RIMs对GCMs进行初步排名，然后使用CPI对排名结果进行重新聚合，以形成最终的模型评估。CPI通过最小化每个指标值与理想值之间的距离，实现多指标的综合评估。同时，JOC方法被用于分类GCMs，以减少选择模型时的主观性。

此外，研究还采用了偏倚校正方法，特别是Delta Change（DC）方法，以减少GCMs模拟数据与观测数据之间的差异和不确定性。DC方法通过将未来变化信号（异常值）应用于观测数据集，而非直接依赖GCMs对未来条件的模拟，从而提高预测的准确性。该方法已被证明在不同尺度上都具有较高的可靠性。

### 研究区域

伊朗国土面积约为164.2万平方公里，位于中东，北临里海，南接波斯湾和阿曼湾。其地形多样，海拔范围从-28米到5610米，年均降水量约为230毫米，其中北部山区降水量可达1500毫米，而中部沙漠地区降水量接近0。这种广泛的降水差异要求在模型选择时考虑区域的特殊性。

### 数据与模型

研究使用了14个CMIP6模型的降水数据，这些模型在空间分辨率和物理过程描述上有所差异。其中，MPI-ESM1–2-LR模型在两种数据集（CHIRPS和ERA5）中均表现出最佳的模拟性能，其CPI值为0。为了确保模型间的可比性，所有数据均被重新格点化为1°分辨率。

此外，研究采用了三种共享社会经济路径（SSPs）情景：SSP1–2.6（乐观情景）、SSP2–4.5（中间情景）和SSP5–8.5（悲观情景）。这些情景代表了不同的温室气体排放路径和经济和社会发展情况，为未来规划和适应策略提供了广泛的参考。

### 模型评估结果

研究通过多种统计指标评估了CHIRPS和ERA5数据集的准确性，包括皮尔逊相关系数（r）、均方根误差（RMSE）、平均绝对误差（MAE）和偏差（Bias）。结果表明，虽然两种数据集都与观测数据表现出合理的相关性，但其空间表现和不同指标的性能有所差异。ERA5在北伊朗和东南地区表现出更高的相关性，而CHIRPS在西部和南部地区表现较好。此外，两种数据集在不同区域的误差分布也存在差异，这反映了不同数据集在不同地理环境下的适用性。

### 偏倚校正

研究采用了Delta Change（DC）方法对GCMs的模拟数据进行偏倚校正。DC方法通过将未来变化信号应用于观测数据集，从而提高预测的准确性。该方法在不同尺度上已被证明是有效且易于操作的。然而，需要注意的是，DC方法主要关注平均值的调整，而对标准差、湿日频率和降水强度的调整则较为有限。

### 未来降水预测

研究利用排名最高的MPI-ESM1–2-LR模型，基于CHIRPS和ERA5数据集，预测了伊朗未来近期（2025–2054）和远期（2055–2084）的降水变化。预测结果表明，在近期，降水变化呈现出混合趋势，既有增加也有减少，而远期则表现出更显著的减少趋势，特别是在SSP2–4.5和SSP5–8.5情景下，伊朗超过90%的格点预计将经历降水减少。

具体而言，对于SSP1–2.6情景，近期降水增加主要集中在中央和西部地区，而远期则主要集中在东南地区。对于SSP2–4.5情景，近期降水增加区域相对有限，远期则进一步扩大，且降水减少趋势更为明显。而在SSP5–8.5情景下，无论近期还是远期，降水减少趋势都更为显著，尤其在远期，几乎整个国家都可能出现降水下降。

### 月度降水预测

进一步的分析表明，降水变化在不同月份也存在显著差异。研究发现，在近期和远期，从二月到九月的降水均出现显著下降，而十月到一月则出现增加。特别是在SSP5–8.5情景下，二月的降水下降最为显著，而一月的降水增加则最为明显。这些变化对水资源管理和农业规划具有重要影响，特别是在春季播种期和夏季生长期内。

此外，研究还分析了降水变化的不确定性。在不同的SSP情景下，降水变化的幅度存在显著差异，特别是在一月和十二月，两种数据集都显示出较大的变化范围。相比之下，夏季月份（六月至九月）的变化范围较小，说明模型在这些时间段内的预测一致性较高。

### 与已有研究的对比

本研究的结果与一些已有研究的发现相符，也存在一些差异。例如，Raeesi等人（2024）在研究中使用了CMIP6模型对伊朗的地下水资源进行了预测，指出在SSP5–8.5情景下，降水可能会减少约6.3%。这些结果与本研究的预测趋势一致，表明降水减少在不同区域和时间段内是普遍存在的。然而，与Dehban等人（2025）的预测结果不同，他们认为在所有SSP情景下，八月的降水增加最为显著。这种差异可能源于方法上的不同，如他们采用了加权集成的方法，而本研究则基于更严格的模型选择标准。

### 研究意义与展望

本研究的成果为伊朗未来降水变化提供了可靠的预测框架，并为水资源管理、农业规划和应对气候变化的政策制定提供了重要依据。通过结合RIMs、CPI和JOC方法，研究提供了一种新的、系统性的模型评估方式，能够更精确地识别在特定应用和区域中表现最佳的GCMs。

未来的研究可以进一步探索不同排名方法的优缺点，以提高模型选择的可靠性。同时，可以将本研究的方法扩展到其他气候变量，如温度，以更全面地评估气候变化的影响。此外，使用更多的格点数据集和CMIP6模型，可以进一步提高模型选择的稳健性，并更好地反映模型内部变异性。综合考虑时间与空间维度的模型性能评估也是未来研究的重要方向。

### 结论

本研究首次在国家尺度上评估了14个CMIP6模型在伊朗降水模拟中的表现，并结合RIMs、CPI和JOC方法对模型进行了排名和分类。研究发现，MPI-ESM1–2-LR模型在两种数据集下均表现出最佳性能。未来降水预测显示，无论是近期还是远期，降水减少趋势在SSP5–8.5情景下尤为显著，尤其是在南部和东部地区。这些变化可能对水资源、农业生产以及相关经济和社会领域带来重大挑战。

因此，研究建议采取多种适应措施，如提高水资源利用效率、多样化水源供给、优化灌溉时间安排、调整播种时间以及推广抗旱作物品种。通过这些措施，伊朗可以更好地应对未来降水减少带来的风险，保障水资源安全和农业可持续发展。本研究的方法也可以推广到其他地区和气候变量，为全球范围内的气候变化影响评估提供参考。