评估NEX-GDDP-CMIP6多模型集合平均方法相较于传统CMIP6模型在准确反映南美洲历史温度模式方面的增强优势

《Environmental Challenges》：Evaluating the Enhanced Benefits of Multi-Model Ensemble Mean from NEX-GDDP-CMIP6 versus Native CMIP6 Models in Accurately Representing Historical Temperature Patterns in South America

本研究评估了NEX-GDDP-CMIP6集合与原生CMIP6模型在1950-2014年南美七个气候亚区的温度模拟性能，使用ERA5-Land数据作为观测基准，通过六种统计指标分析发现，NEX集合普遍高估温度（尤其在高海拔区），而原生CMIP6在低海拔区表现更优，但两者均存在显著偏差，需改进模型以提高区域适用性。

　　### 气候模型在南美洲的温度模拟表现：NEX-GDDP-CMIP6与CMIP6模型的对比分析

#### 引言

随着全球气候变化的加剧，精确的气候预测对于制定有效的环境政策、农业规划以及灾害应对策略至关重要。南美洲作为一个地理环境复杂、气候多样性显著的地区，其温度变化不仅影响当地生态系统，还与干旱预测、森林火灾评估等重要研究领域密切相关。因此，对南美洲区域气候模型的评估，尤其是对温度模拟的准确性，具有重要意义。全球气候模型（GCMs）作为气候研究的重要工具，其模拟结果在一定程度上反映了实际气候的变化趋势。然而，由于模型分辨率的限制和对复杂过程的模拟不足，GCMs往往存在系统性偏差，影响其在特定区域的预测能力。

为改善这一问题，NEX-GDDP-CMIP6（NEX集合）通过有效的偏差校正和空间离散化技术，对GCMs进行了优化，从而提升其在区域尺度上的模拟精度。NEX集合的数据通常比原始CMIP6模型具有更高的分辨率，能够更细致地反映局部气候特征。然而，NEX集合的模型表现仍然存在显著差异，特别是在南美洲的不同子区域中，部分模型表现出较大的偏差，而另一些则在某些区域表现出较高的准确性。本文旨在通过比较NEX集合与原始CMIP6模型在南美洲七个子区域中的表现，评估其在温度模拟中的优劣，并识别出表现最佳的模型。

#### 材料与方法

本研究覆盖南美洲的多个子区域，包括西北部南美洲（NWS）、北部南美洲（NSA）、南美洲季风区（SAM）、东北部南美洲（NES）、西南部南美洲（SWS）、东南部南美洲（SES）以及南部南美洲（SSA）。这些子区域的划分基于最新的IPCC第六次评估报告，反映了南美洲在不同气候带和地形条件下的多样性。研究中采用的数据包括NEX-GDDP-CMIP6集合中的22个温度模型，以及等量的原始CMIP6模型。所有模型和再分析数据均被重新映射到标准的纬度-经度网格（0.25° × 0.25°）上，使用双线性插值方法以确保数据的一致性和可比性。

在评估模型性能时，研究者采用了多种统计指标，包括平均偏差（MB）、相关系数（r）、平均绝对误差（MAE）、均方根误差（RMSE）、改进的Kling-Gupta效率（KGE'）和泰勒技能评分（TSS）。这些指标分别计算了不同聚合时间尺度下的模型表现，并在区域尺度上进行平均。通过将NEX集合与原始CMIP6模型进行比较，研究者试图识别出两者在模拟精度上的系统性差异。

#### 结果

##### 年度温度模拟表现

研究结果表明，NEX集合模型在大多数南美洲子区域中表现出温度高估的倾向，其平均偏差（MB）在NWS、NSA、SAM、SES和SSA等子区域中达到1.84 ± 2.3°C。相比之下，原始CMIP6模型在NES和SSA等子区域中显示出混合偏差，其中NES子区域表现出显著的低估现象，而SSA则存在一定的低估。这些偏差在不同子区域中的表现存在差异，NEX集合模型在高海拔地区（如安第斯山脉）表现出更好的模拟效果，其平均绝对误差（MAE）和均方根误差（RMSE）均有所降低。然而，在SES和SSA等低海拔地区，NEX集合模型的误差仍然较高。

##### 季节性温度模拟表现

在季节性温度模拟方面，NEX集合模型在所有季节中均表现出较高的平均偏差（MB），特别是在JJA（6-8月）季节，其MB值达到1.65 ± 3.8°C。相比之下，原始CMIP6模型在MAM（3-5月）季节中表现出较高的相关系数（r），尤其在SES、SWS和SSA等子区域中，r值超过0.8，显示出较好的模拟能力。然而，NEX集合模型在某些季节中表现出更高的误差，如在DJF（12-2月）季节，其MAE值达到3.66 ± 1.7°C和4.29 ± 1.2°C，分别在SWS和SSA子区域中出现。

此外，KGE'和TSS等指标的分析也揭示了模型之间的差异。NEX集合模型在SES和SWS子区域中表现出更高的KGE'值，而原始CMIP6模型在大多数子区域中具有更高的TSS值。这表明，尽管NEX集合模型在某些区域表现出色，但其在其他区域的表现仍需进一步优化。

#### 讨论

研究发现，NEX集合模型和原始CMIP6模型在南美洲不同子区域中表现出系统性偏差。例如，在NWS和SAM子区域中，NEX集合模型普遍高估温度，而原始CMIP6模型则在NES和SSA子区域中表现出低估现象。这种偏差可能源于模型对地表能量平衡的模拟不足，尤其是在复杂地形和土地-大气耦合过程中。此外，NEX集合模型在某些季节中表现出更高的偏差，这可能与统计降尺度和偏差校正过程中的误差有关。

原始CMIP6模型在模拟季节性温度时表现出更高的相关系数（r），特别是在MAM季节中，其r值超过0.8，显示出较好的预测能力。然而，在DJF季节中，NEX集合模型的r值较低，甚至出现负值，表明其在模拟冬季温度时存在较大的不确定性。这可能与模型对热带和副热带急流的模拟不足有关，这些急流对温度分布有重要影响。

总体而言，NEX集合模型在高海拔地区表现出更好的模拟效果，其偏差校正和空间离散化技术有效提升了温度模拟的准确性。然而，在低海拔地区，原始CMIP6模型仍然具有一定的优势。这表明，模型的选择需要根据具体的区域和季节进行调整，以确保模拟结果的可靠性。

#### 结论

本文通过比较NEX集合模型与原始CMIP6模型在南美洲七个子区域中的温度模拟表现，揭示了两者在不同区域和季节中的系统性偏差。NEX集合模型在大多数子区域中表现出温度高估的倾向，而原始CMIP6模型则在某些区域表现出混合偏差。研究结果强调了模型选择的重要性，特别是在地形复杂和气候多样的地区，需要采用区域降尺度和基于观测数据的偏差校正方法，以提高模拟精度。

此外，研究还指出，NEX集合模型在高海拔地区（如安第斯山脉）表现出较高的模拟准确性，这对于高海拔农业和冰川水源的预测具有重要意义。然而，在某些季节和子区域中，NEX集合模型的偏差仍然较高，因此需要进一步的模型改进和数据验证。总体而言，本文的研究为南美洲的气候预测提供了重要的参考，有助于制定更有效的气候适应和减缓策略。