编辑推荐：
在气候变化背景下，加拿大未来气候预测至关重要。研究人员开展 “Bias-corrected high-resolution temperature and precipitation projections for Canada” 研究，利用 SPQM 方法生成 SPQM-CMIP6-CAN 数据集。该数据集对多领域研究意义重大，能助力决策与风险评估。
气候变化如同一场无形却威力巨大的风暴，正席卷全球，加拿大也未能幸免。在过去几十年间，加拿大平均年气温上升约 1.7°C，几乎是全球平均速率的两倍 。这一变化引发了当地和区域水文气候变量的改变，给国家的基础设施可持续性、沿海社区、人类健康以及生态系统都带来了巨大风险。例如，当前加拿大基础设施的设计和修复依赖历史水文气候数据，却忽视了未来的变化；农业领域也因气候变暖出现了改变，且预计还会加剧。此外，在评估未来洪水影响等方面，也急需高分辨率的未来预测数据集。然而，全球气候模型（GCMs）虽能提供未来气候模拟，但空间分辨率相对较粗，在区域尺度存在偏差，无法满足加拿大本地应用的需求。而且，现有的加拿大未来气候预测数据集存在诸多不足，如空间分辨率低、时间分辨率低、未涵盖所有 CMIP6 模型模拟等。为了填补这些空白，来自加拿大卡尔加里大学、曼尼托巴大学、埃及开罗大学、加拿大萨斯喀彻温大学、捷克生命科学大学等机构的研究人员开展了一项研究 ，相关成果发表在《Scientific Data》上。
研究人员为了准确预测加拿大未来的气候状况，开展了 “Bias-corrected high-resolution temperature and precipitation projections for Canada” 这一主题的研究。他们运用了多种关键技术方法：首先，选择了 Ensemble Meteorological Dataset for North America (EMDNA) 数据（1979 - 2014 年）作为气候模型模拟分位数映射（QM）的参考数据集，该数据集融合了站点观测和再分析模型输出 。其次，考虑了所有可用的 CMIP6 气候模型及其对应的集合成员，涵盖了 27 个用于温度预测的模型（581 次模拟）和 34 个用于降水预测的模型（693 次模拟），并将这些模拟重新网格化到 0.1°×0.1° 的分辨率 。最后，使用了一种新颖的半参数分位数映射（SPQM）方法对 CMIP6 的预测结果进行偏差校正 。
研究结果
- 数据集构建：成功构建了 SPQM-CMIP6-CAN 数据库，包含 693 个降水模拟和 581 个温度模拟，以每日为尺度，分辨率达 0.1°，时间跨度至 2100 年 。
- 时间验证：偏差校正后的未来模拟时间序列在观测期后表现出平滑的连续性，保留了各情景的变异性和非平稳性 。不同共享社会经济路径（SSP）下，加拿大年平均温度均呈上升趋势 。例如，在最乐观的 SSP1 - 2.6 情景下，预计 2070 年后年平均温度将稳定在约 - 3.6°C，相比 1979 - 2014 年观测平均值升高 2.05°C 。降水方面，随着全球变暖加剧，各 SSP 情景下降水均呈上升趋势，不同纬度的降水变化存在差异 。
- 空间验证：SPQM-CMIP6-CAN 模拟重现了与原始模拟相似的空间变异性模式 。温度方面，高纬度地区变暖更为明显，这一现象被称为北极放大效应 。降水数据也呈现出强烈的空间变异性，与观测、记录和文献相符，多数地区降水增加，东西海岸增加更显著，草原地区则较为温和 。
- 额外验证见解：在日尺度上对 CanESM5 模型的研究发现，该模型的降水和温度产品空间模式与观测模式一致 。从观测数据到预测数据的过渡期间，时间序列数据表现出平稳过渡，且保留了每月的变化模式，这进一步验证了偏差校正和重映射技术的有效性 。
研究结论表明，SPQM-CMIP6-CAN 数据集在多种验证中表现出色，能够有效反映加拿大未来的气候状况，包括温度和降水的变化趋势、空间分布等。该数据集的构建和验证为水文、环境、生态等多领域研究提供了宝贵资源，有助于量化气候模型、其变体配置和未来情景带来的不确定性 。然而，研究也指出偏差校正技术存在一定局限性，如假设投影与观测遵循相同分布可能不合理，且未考虑时空依赖结构等 。尽管如此，SPQM-CMIP6-CAN 数据集在实际应用中仍具有重要价值，能为加拿大制定适应和缓解气候变化的策略提供有力支持，在水资源管理、农业生产、城市规划、生态保护和公共健康等多个领域发挥关键作用，帮助相关部门提前做好应对准备，减少气候变化带来的不利影响 。
