CMIP6模型与NEX-GDDP-CMIP6数据集对湿热浪事件的模拟能力评估及其偏差校正效果研究

推荐：本研究针对全球气候模型(CMIP6)及其偏差校正数据集(NEX-GDDP-CMIP6)在湿热浪事件模拟中的准确性展开评估。通过对比1981-2014年历史数据与GMFD观测数据集，发现CMIP6高估了湿热浪事件数量(HWN)、频率(HWF)和持续时间(HWD)，而低估了强度(HWM)。NEX-GDDP-CMIP6通过分位数映射(QM)方法改善了HWM偏差，但对时间自相关的校正有限。研究为气候风险评估提供了关键数据质量参考，并推荐了各区域最优模型。

　　

随着全球变暖加剧，湿热浪（由高温高湿复合事件构成）对人类健康的威胁日益凸显。这类事件的典型特征是湿球温度(T_w)超过生理耐受阈值35°C，会阻碍人体通过排汗散热的能力。历史上如2003年欧洲热浪等事件已造成数万人死亡，而现有研究显示CMIP6等气候模型在模拟这类复合极端事件时存在显著偏差。

中国研究人员通过系统评估32个CMIP6模型及其偏差校正版本NEX-GDDP-CMIP6在1981-2014年间对湿热浪的模拟性能，发现原始模型普遍高估事件数量（HWN平均偏差+10%）和持续时间（HWD偏差+25%），但低估事件强度（HWM偏差-9%）。这种偏差主要源于模型对极端T_w的低估以及过度持续的温度自相关性。虽然NEX-GDDP-CMIP6通过分位数映射显著改善了HWM偏差（校正率达88.7%），但对时间序列结构的修正效果有限。研究创新性地提出湿热浪强度指标HWI（Heatwave Intensity），揭示其受HWM与HWD协同影响的机制，并为不同大陆推荐了最优模型，如亚洲区多模型集合(MME)、欧洲区MIROC-ES2L等。

关键技术方法包括：基于GMFD观测数据构建湿热浪五项指标（HWN/HWF/HWD/HWM/HWI）；采用分位数映射进行偏差校正；通过泰勒技能评分(TSs)和综合评级指数(CRI)评估模型性能；分析T_w时间自相关性解释偏差成因。

主要研究结果：

1. 湿热浪事件特征模拟：CMIP6在欧亚大陆中纬度等地高估HWN达96%，而NEX-GDDP-CMIP6在美洲地区改善显著（如北美东部HWN偏差降低75%）。
2. 温度阈值与持续性：模型低估极端T_w值导致HWM偏差，而夸大的自相关性使>5天持续事件占比虚高（贡献总HWN偏差60%以上）。
3. 模型优化推荐：多模型集合在北美和亚洲表现最优，而HadGEM3-GC31-MM在年际变率模拟中表现突出。

该研究首次在全球尺度上系统评估了湿热浪的模型模拟能力，指出当前偏差校正方法在时间持续性修正上的局限性。成果发表于《Weather and Climate Extremes》，不仅为气候模型改进提供方向——如优化陆-气相互作用和降水过程参数化，更警示直接使用原始模型数据进行风险评估可能导致过度预估。研究推荐的最优模型组合可为区域气候适应规划提供更可靠的数据基础，特别是在东亚季风区等湿热浪高风险区域。