基于EQM统计降尺度的意大利CMIP6气候预测数据集（1985-2100）：高分辨率气候影响评估的新工具

针对全球环流模型(GCMs)在意大利地区分辨率不足的问题，G.Fedele等研究人员通过经验分位数映射(EQM)方法，将9个CMIP6模型与CERRA再分析数据结合，构建了0.05°高分辨率气候预测数据集（1985-2100），涵盖SSP1-2.6和SSP3-7.0两种情景下的6项关键气候变量(ECVs)。该研究填补了CMIP6区域气候模型集的空白，为气候适应政策制定提供了精细化数据支持。

　　

气候变化的精细化预测一直是科学界的重大挑战，尤其在复杂地形区域如意大利，全球环流模型(GCMs)因分辨率不足（通常50-数百公里）难以捕捉局地气候特征。尽管CMIP6提供了最新的共享社会经济路径(SSPs)情景，但缺乏配套的区域气候模型(RCMs)限制了其在地方尺度应用。意大利作为地中海气候敏感区，亟需高分辨率数据支持适应策略制定。

为此，CMCC基金会（欧洲地中海气候变化研究中心）的G.Fedele、A.Reder和P.Mercogliano团队在《Scientific Data》发表研究，首次利用经验分位数映射(EQM)方法对9个CMIP6模型进行统计降尺度，生成5.5公里分辨率的SD-EQM_GCMs_IT数据集。该数据集覆盖1985-2100年，包含SSP1-2.6（低挑战）和SSP3-7.0（高挑战）两种情景下的日值数据，涉及2米温度（tas/tasmax/tasmin）、相对湿度(hurs)、风速(sfcWind)和降水(pr)等6个关键气候变量(ECVs)。

研究采用三大关键技术：1）时间一致性预处理，将不同日历格式（365/360天）的原始数据统一为公历；2）空间插值优化，通过双三次插值将GCMs数据匹配CERRA网格；3）基于CERRA再分析数据（欧洲5.5公里分辨率）的EQM偏差校正，通过累积分布函数(CDF)转换实现变量分布校准。

研究结果
背景与摘要
研究指出现有CMIP6全球模型无法反映意大利复杂地形下的气候细节，而动态降尺度(DD)方案如EURO-CORDEX仍基于CMIP5且计算成本高昂。SD-EQM_GCMs_IT通过统计方法填补了这一空白。

方法
双三次插值相比最近邻法更好保留了原始模型的大尺度格局（图2）。EQM在训练期（1985-2014）成功将模型偏差归零，如UKESM1-0-LL的温度偏差从16°C降至接近0°C（图3-4）。

数据记录
数据集以NetCDF格式存储，遵循CF元数据标准，提供WGS84坐标系下的日值数据。降水单位采用mm，温度单位为℃，风速为m/s（表3）。

技术验证
概率密度函数(PDF)分析显示调整后变量与CERRA分布高度吻合（图5）。趋势分析表明EQM未显著改变原始模型的气候信号（表4-5）。SSP3-7.0情景下2071-2100年的平均温度增幅达6.5°C，降水呈现南北反向变化（图10-11）。

结论与讨论
该研究创建了意大利首个基于CMIP6的高分辨率气候数据集，其优势在于：1）计算效率高于动态降尺度；2）通过9模型集合量化不确定性；3）直接支持PNACC（意大利国家适应计划）指标计算。局限性包括EQM对趋势保留的潜在影响，以及CERRA在超局部尺度（<4公里）的精度限制。未来可结合人工智能(AI)方法进一步优化。

这项成果为地中海地区气候风险评估提供了里程碑式工具，其5.5公里分辨率显著提升了极端事件（如热浪、暴雨）的模拟能力，助力行业和社区制定精准适应措施。数据集已通过CMCC平台开放共享，配套可视化工具可在Dataclime平台获取。