评估CMIP6模型在重现空间平均历史气温和降水方面的表现

《Global and Planetary Change》：Evaluation of CMIP6 models in reproducing spatially averaged historical temperature and precipitation

　　

摘要

气候变化影响评估依赖于全球气候模型（GCMs）的预测结果。这些预测的可靠性取决于它们模拟历史气候条件的能力。耦合模式比较计划（CMIP6）的最新阶段提供了一系列新一代气候模拟。然而，模型性能会随着模拟变量和空间域的不同而变化。因此，在将其用于气候变化影响评估研究之前，对其性能进行评估至关重要。本研究利用ERA5再分析数据集，对49个CMIP6全球气候模型在1940–2014年期间的逐月平均近地表气温和逐月平均日总降水量时间序列进行了空间聚合评估。模型性能通过相关系数（CC）、纳什-苏特克利夫效率（NSE）和克林-古普塔效率（KGE）进行评估。随后，这些指标通过综合排名指数（CRI）框架进行整合，以提供统一的模型排名。评估在全球、仅陆地、仅海洋以及柯本-盖格气候区范围内进行。历史时期进一步划分为1940–1979年和1980–2014年，以评估时间稳健性。结果表明，气温模拟通常比降水模拟表现出更高的技能和更强的一致性。模型排名在两个时期之间保持稳定。然而，在柯本-盖格气候区之间存在显著差异，特别是在降水方面，没有单一模型在所有气候区域中都表现一致。结果还表明，在全球平均时间序列中表现良好的模型，在气候区平均时间序列中不一定表现良好。提出的CRI框架为多域空间聚合气候时间序列的评估提供了一种系统性方法，同时强调了在选择GCMs用于气候变化影响研究时考虑空间和气候背景的重要性。

引言

可靠的未来气候预测对于评估气候变化影响以及制定有效的适应和水资源管理策略至关重要（Caretta等人，2022；Füssel，2007；IPCC，2023a）。气候变化影响水文系统、农业生产力、生态系统和人类生计。因此，需要在适当尺度上提供准确的气候信息（Adger，2006；Challinor等人，2014；Milly等人，2008；Pecl等人，2017）。全球气候预测主要通过耦合模式比较计划（CMIP）开发的全球气候模型（GCMs）生成（Eyring等人，2016；Taylor等人，2012）。CMIP6是该计划的最新阶段，它提供了更新的历史模拟和未来预测，是政府间气候变化专门委员会第六次评估报告的主要依据（IPCC，2023b）。

尽管模型物理过程和强迫数据集有所改进，但许多CMIP6 GCMs仍以较粗的空间分辨率运行。这限制了它们在模拟局地地形、陆面过程和次网格气候反馈方面的准确性（Desmet和Ngo-Duc，2022）。为解决这一问题，研究人员采用统计降尺度、动力降尺度、混合降尺度以及基于机器学习的降尺度方法，将粗分辨率GCM输出转换为更高分辨率（Alizadeh，2022；Huntingford等人，2019；IPCC，2023b；Maraun和Widmann，2018；Sachindra等人，2018；Tu等人，2021；Wang和Tian，2022）。然而，降尺度预测的质量取决于所用GCM的性能。因此，选择能够准确表征过去气候条件的模型对于科学研究和决策至关重要。GCMs通常用于评估气候变化，但其模拟结果包含与模型结构、参数化方案和校准方法相关的不确定性（Hourdin等人，2017；Schmidt等人，2017）。因此，并非所有GCMs都适合表征每个区域的历史或未来气候。许多研究建议在降尺度前评估模型（Maraun和Widmann，2018；McSweeney和Jones，2016）。然而，其他研究表明，基于历史性能排除模型可能会忽略未来气候不确定性的重要方面，并缩小预测的散布范围（McMahon等人，2015）。因此，模型评估应谨慎应用，同时考虑研究目标、模型技能和集合多样性。

大量研究评估了CMIP6模型在不同地区的性能。这些研究表明，模型技能因区域和变量而异。例如，Desmet和Ngo-Duc（2022）评估了东南亚地区的28个GCMs，确定EC-Earth3和EC-Earth3-Veg是降雨模拟中表现最佳的模型，而CNRM-CM6在温度模拟中表现出更好的技能。Nguyen-Duy等人（2023）使用GPCC降水数据和APHRODITE温度数据集分析了越南地区的29个GCMs。Ashfaq等人（2022）对美国本土的37个CMIP6模型进行了排名。他们的研究强调了在不同时间尺度上评估多个气候变量的重要性。其他研究，如Monteverde等人（2022），调查了亚马逊盆地GCMs的降水性能，发现模型通常能捕捉年循环，但在极端事件方面表现不佳。Palmer等人（2021）比较了欧洲地区的CMIP5和CMIP6预测，表明CMIP6通常预测出更强的夏季增暖和欧洲部分地区的更强干燥趋势。该研究强调了在影响应用之前检验新集合的重要性。在地中海-欧洲地区，Ferreiro-Lera等人（2024）评估了34个CMIP6 GCMs，发现模型技能存在显著的空间差异。在气温方面，MPI-ESM1–2-HR、GFDL-ESM4、CNRM-CM6–1、MRI-ESM2–0、CNRM-ESM2–1和IPSL-CM6A-LR被确定为表现最佳的模型。Ferreiro-Lera等人（2025）的配套地中海-欧洲降雨研究同样确定了包括CanESM5和CAS-ESM2–0在内的一组表现较好的模型。他们报告称，基于局地评估模型的预测可能与基于更广泛的IPCC集合解释不同。Plavcová等人（2025）评估了北大西洋-欧洲地区CMIP6模型中的降水变率，表明模型性能与大气环流的表征密切相关。在次区域尺度上，Seker和Gumus（2022）评估了土耳其地中海地区的22个CMIP6 GCMs，并根据最能再现观测站降水和气温的模型构建了多模型集合。在非洲，Feyissa等人（2023）评估了埃塞俄比亚奥莫河流域的20个CMIP6模型，表明模型性能随变量显著变化，其中GFDL-CM4在降水方面表现最佳，NorESM2-MM在最高气温方面表现最好，集合方法也表现良好。类似的模型选择也在西北非应用；例如，Gumus等人（2023）对摩洛哥使用了15个CMIP6 GCMs，并在生成未来预测之前选择了历史降水和气温表现最佳的模型。

这些区域研究共同表明，GCM性能在不同模型和气候变量之间存在显著差异。然而，尽管有大量的区域工作，但使用一致的观测参考进行的全面全球尺度降水和气温评估仍有限。Yoo和Cho（2018）调查了20个CMIP5模型2006–2014年全球年降水性能，发现NorSM1-M、IPSL-CM5A-LR、BCC-CSM和GFDL-CMS是表现最佳的模型。McMahon等人（2015）评估了23个CMIP3模型在模拟降水、气温和全球陆地柯本-盖格气候分类方面的性能，建议HadCM3、MIROCm、MIUB、MPI和MRI为表现最佳的CMIP3模型。

尽管CMIP6评估研究数量不断增加，但许多研究集中在特定区域、个别变量或少量性能指标上。很少有研究使用统一的评估框架在不同空间域和气候区评估模型性能。因此，目前仍不清楚模型性能在全球、陆地、海洋和不同气候区域中是否一致，或者模型排名在不同历史时期是否保持稳定。为解决这些问题，本研究以ERA5再分析作为参考数据集，评估了49个CMIP6 GCMs在重现空间聚合的逐月平均近地表气温和逐月平均日总降水量时间序列方面的历史性能。评估涵盖1940–2014年，并通过综合排名指数（CRI）框架整合三个互补性能指标，即相关系数（CC）、纳什-苏特克利夫效率（NSE）和克林-古普塔效率（KGE）。该研究考察了模型在全球、仅陆地、仅海洋以及柯本-盖格气候区（热带、干旱、温带、寒带和极地）范围内的性能（Beck等人，2023；Peel等人，2007），并通过比较两个历史时期（1940–1979年和1980–2014年）评估了模型排名的时间稳健性。通过将多域、时间和气候机制评估结合在统一框架内，该研究对CMIP6模型在重现空间聚合月时间序列方面的性能提供了综合评估，并为气候变化影响评估中的GCM选择提供了实用指导。

章节摘要

研究时期与空间域

本研究评估全球域的历史气候模拟。CMIP6模型输出和ERA5再分析数据均分析了1940–2014年期间，该时期进一步划分为两个时期（1940–1979年和1980–2014年），以考虑气候变化信号强度的差异（世界气象组织，2017）。空间域覆盖90°S至90°N之间的所有全球陆地和海洋网格单元。除全球、仅陆地和仅海洋分析外，还

结果与讨论

为评估CMIP6 GCMs的历史性能，结果分为五个部分。第3.1节通过泰勒图和箱线图分析全球模型性能与ERA5的对比，重点关注1940–2014年全球陆地-海洋、仅陆地和仅海洋域的整体模型行为与一致性。第3.2节使用综合排名指数（CRI）提供跨多个空间域的模型性能评估，包括全球、陆地、海洋和柯本-盖格气候

结论

本研究基于49个CMIP6 GCMs重现历史空间聚合的逐月平均近地表气温和逐月平均日总降水量的能力对其进行评估。模型结果与ERA5再分析数据进行比较。三个性能指标（CC、NSE和KGE）在CRI框架内结合，以提供一致且客观的模型排名。

结果表明，CMIP6模型通常更准确且一致地模拟历史气温

CRediT作者贡献声明

Zeynep ?zcan：写作–审阅与编辑、写作–初稿、正式分析。Hasan Hüseyin Y?ld?r?m：可视化、验证、软件、调查、正式分析、数据管理。Ali Ercan：写作–审阅与编辑、监督、资源、项目管理、方法学、调查、资金获取、概念化。

未引用参考文献

Caretta等人，2022

哥白尼气候变化服务，气候数据存储，2021

利益冲突声明

作者声明，他们不存在已知的可能影响本论文所述工作的竞争经济利益或个人关系。

致谢

本研究由土耳其科学技术研究理事会（TUBITAK）资助，并获“2232-A国际杰出研究人员奖学金计划”资助，项目编号为121C102。

Zeynep ?zcan|Hasan Hüseyin Y?ld?r?m|Ali Ercan

土耳其安卡拉，中东技术大学环境工程系