基于多重集合方法的51个CMIP6模型在伊朗历史地表气温模拟中的综合评估与不确定性分析

《Scientific Reports》：Comprehensive assessment of historical surface air temperature simulations over iran using 51 CMIP6 models

　　

摘要

降低区域地表气温（SAT）预测的不确定性对于伊朗等国家的适应型规划至关重要，因为复杂的地形条件和有限的适应能力加剧了这些国家的气候脆弱性。本研究以CRU_TS4.08观测数据为参照，系统评估了51个CMIP6模型、传统的等权重多模型集合（MME）以及基于模型性能的多模型加权集合（WMME）对伊朗1980–2014年历史地表气温的模拟表现。在模型评估之前，独立地将基于观测的参照数据集（CRU_TS4.08）与ERA5、CPC以及48个气象站的观测数据进行对比验证，以确保后续模型排序不受参照数据集选择的影响。采用互补的空间诊断和统计诊断方法对模型性能进行评估，包括温度偏差、均方根误差（RMSE）、空间相关性、Taylor图、年际变率、长期增温趋势以及信噪比等指标。分析结果表明，尽管大多数CMIP6模型成功再现了伊朗的大尺度空间温度格局，但仍存在显著的季风和模型间差异。在大多数单个模型中，干旱内陆地区以冷偏差为主，而在山区，暖偏差在所有季节及年度尺度上日益占主导，导致气候平均值和时间变率方面均存在较大的模型间离散度。MME和WMME在多项独立评估指标中始终优于几乎所有单独的CMIP6模型。总体而言，WMME产生了更小的空间偏差、更低的RMSE、与观测年际变率的一致性更高，对历史增温的表征更为稳健，同时有效地减少了相互抵消的暖偏差和冷偏差误差。尽管几乎所有模型都再现了观测到的增温方向，但在增温幅度和信号显现方面仍存在显著差异，凸显了集合模型在降低预测不确定性方面的重要性。除首次对51个CMIP6模型在伊朗历史地表气温方面的表现进行综合评估外，本研究还提出了一种双重稳健性框架，将基于观测参照数据集的独立验证与集合方法的系统评估相结合。所提出的框架为提升气候复杂区域的气候评估置信度提供了一种可推广的方法论，同时也认识到仅凭历史模拟表现并不能保证未来的预测能力。