面向影响评估研究的偏差校正高分辨率高分辨率模式比较计划数据集

《Scientific Data》：A Bias-Corrected HighResMIP Dataset for Impact Assessment Studies

　　

气候影响评估日益需要能够捕捉精细尺度过程的高分辨率气候预估。虽然高分辨率模式比较计划（HighResMIP）提供了水平分辨率达25–50 km、无需统计降尺度的全球气候模拟，但其系统性偏差仍限制了这些数据在影响评估研究中的直接应用。本研究提出BC-HiRMIP，即首个全面全球偏差校正的高分辨率模式比较计划试验数据集，具有日时间分辨率和0.5°空间分辨率，覆盖1979–2050年。该数据集涵盖四个全球气候模式（MPI-ESM1-2-XR、EC-Earth3P-HR、CNRM-CM6-1-HR、HadGEM3-GC31-HM），包含多达11个基本气象变量（温度、降水、湿度、辐射、风场和气压），平衡气候敏感度范围为2.99–5.62 °C。数据采用IS climate change信号保留方法进行偏差校正，以W5E5 v2.0作为参考数据集，在各分布分位数上保持模式预估的气候变化信号。跨多种气候区的全面验证表明，该方法显著降低了偏差，且原始与偏差校正后的气候变化信号及分布特征差异较小。这一标准化、多变量、多模式数据集弥合了气候模拟能力与环境影响评估需求之间的差距，可应用于水文、农业、可再生能源及气候服务研究。

气候影响评估对高分辨率气候预估的需求日益增长，以捕捉地形降水、海岸梯度、极端事件和地形修正温度模式等精细尺度过程。第六阶段耦合模式比较计划（CMIP6）为气候科学和服务奠定了坚实基础，但多数CMIP6模式仍运行于约100 km及以上的水平分辨率，对于许多区域和局地应用而言过于粗糙。为提升粗分辨率地球系统模式（ESM）的分辨率并增强其在局地尺度的应用，文献中主要存在两种途径：统计降尺度和基于区域气候模式（RCM）的动力降尺度。统计降尺度利用全球气候模式大尺度气候变量与局地观测之间的统计关系预测未来局地条件，假设这些关系在时间上保持稳定；而动力降尺度则将高分辨率区域气候模式嵌套于较粗分辨率的全球气候模式中，通过物理方程模拟局地气候过程，捕捉地形和陆海对比等区域动力学特征。然而，两种方法均引入额外不确定性和处理流程，有时会复合固有的模式偏差。统计降度假设尺度关系在气候变化下保持平稳，而区域气候模式模拟计算昂贵，且通常覆盖有限区域而非全球。

高分辨率模式比较计划（HighResMIP）在CMIP6框架内建立，旨在探索全球气候模式提高分辨率的效益，参与模式达到25–50 km水平分辨率，可与许多区域模式媲美但具有全球覆盖。利用高分辨率模式比较计划试验的研究已证明，与标准分辨率CMIP6模式相比，其在极端温度、强降水事件和区域气候特征方面表现 improved，尤其在复杂地形和沿海区域。这种改进的地形特征和海岸梯度表征对山区、小岛国和沿海区域的影响评估尤为宝贵，因为较粗分辨率模式系统性低估这些区域的局地气候变异性和极端事件强度。已有超过160篇同行评审研究利用高分辨率模式比较计划试验，涵盖极端事件分析、季风动力学、热带气旋预估和海洋-大气相互作用等应用领域。

高分辨率模式比较计划试验提供历史模拟（1950–2014）和高排放情景下的近期预估（2015–2050），称为highres-future。尽管这一时间跨度不同于标准CMIP6典型的世纪尺度预估（延伸至2100年），但1950–2050窗口与近期影响评估需求高度契合，为基础设施、城市规划、水资源和农业系统等即时适应规划提供相关数据。例如，用于水资源规划的水文模式对降水相态分区（雨与雪）、海拔依赖温度梯度和降水空间分布高度敏感，这些正是高分辨率模式比较计划原生分辨率可能提供优势的领域。农业模拟需要全面的气象强迫，包括温度极端值、降水、辐射和湿度；冰冻圈应用（包括雪文、冻土动力学和冰川模拟）对降水相态和海拔依赖梯度尤为敏感。可再生能源部门也需要准确的风能和太阳辐射数据，高分辨率模式比较计划改进的地形通道效应和云过程表征有望在偏差得到良好处理的情况下增强资源评估。

然而，与所有气候模式一样，高分辨率模式比较计划模拟也存在系统性偏差，尤其在降水强度、温度极端值和区域气候模式方面，这些偏差限制了其在无统计偏差校正情况下的直接影响评估应用。尽管偏差校正的CMIP6产品已广泛可用，但目前尚无全面的偏差校正高分辨率模式比较计划试验公开可用。研究人员只能在分辨率限制（较粗的全球气候模式）或计算密集的自定义偏差校正之间做出选择，这成为近期多项影响研究中的显著障碍。

气候服务界已识别出对标准化、文档完善且高质量气候数据集的更广泛需求，以实现可重复研究和业务应用。跨部门影响模式比较计划（ISIMIP）和NEX-GDDP-CMIP6等框架已成功为CMIP5和CMIP6数据建立此类标准，创建共同参考以促进多模式影响评估和跨研究比较。然而，尽管高分辨率模式比较计划具有潜在附加价值，但尚未完全整合入此类标准化框架。标准化高分辨率模式比较计划产品的缺乏，代表了气候模拟界技术能力与影响评估和适应规划界实际需求之间的显著差距。

本研究呈现一个全球偏差校正的高分辨率模式比较计划数据集，据研究人员所知，这是首个按照标准化框架准备的公开可用的多模式、多变量高分辨率模式比较计划产品。该数据集涵盖11个基本气候变量，来自四个高分辨率模式比较计划试验，称为面向影响评估研究的偏差校正高分辨率模式比较计划数据集（BC-HiRMIP）。BC-HiRMIP数据集覆盖1979–2050年，包括历史模拟（1979–2014）和高排放未来情景（highres-future，2015–2050）。该数据集独特地提供来自原生高分辨率全球模式（25–50 km）的偏差校正数据，经水平重映射至0.5°分辨率，但除偏差校正外不经过任何额外的统计降尺度步骤。这种方法减少了与进一步统计降尺度相关的复合不确定性，填补了需要物理一致高分辨率强迫以捕捉精细尺度过程且不确定性较小的应用的关键空白。

变量选择遵循已建立的影响模拟框架，包括温度变量（平均气温（tas）、最低气温（tasmin）、最高气温（tasmax））、降水（总降水量（pr）和降雪量（prsn））、相对湿度（hurs）和比湿（huss）、地表气压（ps）、风速（sfcWind）以及短波辐射（rsds）和长波辐射（rlds）。除tasmax、tasmin、prsn和huss外，所有变量直接使用ISIMIP3BASD方法以W5E5 v2.0数据集为参考进行偏差校正；这些豁免变量采用间接方法在其他变量偏差校正后推导得到。形成BC-HiRMIP的四个模式包括MPI-ESM1-2-XR、EC-Earth3P-HR、CNRM-CM6-1-HR和HadGEM3-GC31-HM，这些试验跨越广泛的平衡气候敏感度范围（2.99–5.62 °C），同时代表不同的模拟中心和模式参数化方案。

本研究采用W5E5 v2.0作为偏差校正高分辨率模式比较计划试验的参考输入。W5E5 v2.0是全球融合数据集，将陆地WFDE5数据和海洋ERA5数据合成为一体，其降水在陆地和海洋上均针对全球降水气候学计划v2.3（GPCP）的月总量进行偏差校正，确保与观测降水估算的一致性。该数据集具有日时间分辨率和0.5°水平空间分辨率，提供1979–2019年一致的全球覆盖。

研究选取参与高分辨率模式比较计划试验的四个模式：MPI-ESM1-2-XR、EC-Earth3P-HR、CNRM-CM6-1-HR和HadGEM3-GC31-HM。这四个模式代表了高分辨率模式比较计划中提供完整历史期（1950–2014）和未来预估（2015–2050）所需全套影响相关变量的所有参与方。highres-future模拟遵循SSP5-8.5情景，旨在近似CMIP5的RCP8.5强迫轨迹，同时融入更新的社会经济路径框架。试验提供广泛的气候变量，包括tas、tasmin、tasmax、pr、prsn、hurs、huss、rlds、rsds、sfcWind和ps，涵盖2.99–5.62 °C的平衡气候敏感度范围，为影响评估界提供量化不同模式响应于各种变暖轨迹的机会。

数据预处理方面，对于采用360天日历（每月30天）的HadGEM3，研究人员将其转换为标准格里高利日历，因为偏差校正框架需要基于格里高利日和月的日历对齐。具体方法为：从二月移除一到两个"伪"日（非闰年两天，闰年一天），并对格里高利历31天的月份（一月、三月、五月、七月、八月、十月和十二月）进行线性插值生成缺失的31日。此转换影响不到2.5%的年时间步，但将格里高利日历月的结构施加于均匀30天月的模式。虽然这确保了与所用偏差校正方法的兼容性，但可能改变模式内部时间结构的某些方面。所有数据集均插值至0.5°水平分辨率：tas、tasmin、tasmax、sfcWind、hurs、huss、ps采用双线性重映射方法，pr、prsn、rsds和rlds采用保守重映射方法。历史期限制为1979年起始，受参考数据时间范围限制。根据ISIMIP3BASD方法描述，温度极端值tasmin和tasmax首先转换为温度距平（tasrange=tasmax-tasmin）和温度偏度（tasskew=(tas-tasmin)/(tasmax-tasmin)）；对于固态降水prsn，生成比率prsnratio=prsn/pr用于偏差校正。

偏差校正方法采用跨部门影响模式比较计划（ISIMIP）开发并标准化的ISIMIP3BASD方法。该方法对每个格点和校准窗口拟合参数分布，并使用Kolmogorov-Smirnov检验评估；若参数拟合被拒绝，则自动回退到非参数经验量化映射。这一机制是ISIMIP3BASD方法的核心保障，确保原始气候模式预估变化在整个过程中保持物理一致性。ISIMIP3BASD的趋势保留在分位数层面操作：对于温度，保留历史时期与未来时期之间的绝对差异（加法趋势）；对于降水，保留各分位数上的比率（乘法趋势）。这意味着模式预估的全分布偏移，包括中位数、尾部和极端值的变化均被保留。该方法通过间接调整途径保留tas、tasmin、tasmax之间以及pr和prsn之间的关系。对于有界变量如相对湿度（hurs，物理上约束于0–100%），ISIMIP3BASD通过将调整值上限设定为100%并保留参考饱和事件频率来防止过饱和，但这可能限制偏差校正再现观测湿度趋势的能力。ISIMIP3BASD根据变量特征采用最佳分布方法，使其在调整多变量多模式试验方面具有独特价值。研究采用分样本验证，以1979–2000年为训练期调整2001–2014年，并对照2001–2014年参考数据进行验证；最终偏差校正以1979–2014年（36年）为训练期，调整模式模拟的历史期（1979–2014）和未来预估（2015–2050）。

后处理阶段，tasmin和tasmax从调整后的tas、tasrange和tasskew通过反向方程重新生成；类似地，降雪量prsn从偏差校正的pr和prsnratio重新生成。比湿（huss）未直接使用ISIMIP3BASD进行偏差校正，而是根据偏差校正的地表气压（ps）、平均气温（tas）和相对湿度（hurs），按照Arden Buck（1981）方程推导得到：饱和水汽压e_s=6.1121×exp[(18.678-T/234.5)(T/(257.14+T))] hPa，实际水汽压e=(hurs/100)×e_s，比湿q=εe/(p-(1-ε)e)，其中ε=0.622，T为以°C为单位的tas。所有输出变量均对照ISIMIP3BASD定义的变量特定边界进行检查，将超出物理合理范围的值约束在边界内，这类情况在偏差校正后极为罕见且仅出现在孤立的模式-情景组合中。

研究还选取五个不同气候区的1°×1°格点验证偏差校正在不同气候类型中再现W5E5 v2.0数据集分布的能力，这些区域涵盖热带（西非、北澳大利亚）、温带（南欧）、大陆性（东亚）和亚热带（南美洲）气候。

技术验证方面，分样本验证（以1979–2000年校准调整2001–2014年）表明，相对于原始模式输出，评估期（2001–2014）内多个变量的偏差显著改善。温度偏差校正模式与参考在所有分位数和区域显示强一致性，相关系数持续超过0.95，残余偏差降至接近可忽略水平。降水偏差校正在分布主体（5th-75th分位数）表现良好，但在最上端分位数（95th-99th分位数）性能下降，HadGEM3-HM和MPI-XR尤为明显。HadGEM3-HM原始模式降水在四个区域中表现明显较差，代表基线缺陷，使可靠调整尤为挑战。长波辐射rlds的偏差校正性能在各模式间不一致，EC-Earth在某些季节偏差校正后略有增加，出现轻微过度校正，但这并非在所有模式中一致出现，可能反映偏差校正方法与模式特定特征或内部变率之间的相互作用，而非方法的系统性局限。

气候评估研究关注利用地理信息系统（GIS）和相关气候指标评估区域气候变化特征与影响。该部分通过空间分析识别气候模式变化趋势，量化关键气候变量的空间分布特征，为理解区域气候动态提供科学依据。研究采用多源遥感数据和气象观测资料，结合空间插值技术，生成高分辨率气候评估图层，支持区域气候风险识别与适应性管理策略制定。

空间评估聚焦于1985–2014年和2021–2050年两个时段（分别代表各情景的最后三十年），以标准30年气候期评估性能。通过空间图评估数据集与参考W5E5 v2.0的对比，计算原始模拟（或校正后）与参考的差异。平均气温（tas）方面，原始高分辨率模式比较计划试验在不同地点存在低估或高估：CNRM在北极、格陵兰、喜马拉雅、15°N–45°N沿线和南美洲西海岸低估温度达-5°C；EC-Earth3P在南极和俄罗斯东北部高估达+5°C；HadGEM3和MPI-XR与参考一致性较好，但在北冰洋略偏冷，赤道海洋高估，中亚、俄罗斯东北部和加拿大部分地区超过+3°C。偏差校正后，这些差异降至最低。气候变化信号（Signal CORR）方面，四个模式在陆地上显示相似的预估气候变化模式，但在极地海洋存在 slight differences：MPI-XR预估海洋增温+1°C，CRNM和EC-Earth3P为+1–2°C，HadGEM3为+2°C。温度气候变化信号（Signal DIFF）代表各分位数每格点的绝对增温趋势，偏差校正后信号差异围绕零分布，证实气候变化信号得到保留。

降水方面，四个模式均显示巨大高估，尤其在海洋（30°S–30°N之间），南美洲东北部和非洲中部部分地区低估。偏差校正后这些差异显著降低。大陆降水预估为0–0.6 mm/day，赤道海洋约1.0 mm/day或更高。偏差校正显著保留了原始气候变化信号，仅赤道孤立区域存在轻微差异。赤道区域略有高估（0.2–0.6 mm/day），HadGEM3最高，CRNM最低。所有模式在热带辐合带（ITCZ）部分区域、西非中部、格陵兰东北部和印度（CRNM）出现轻微减弱（-0.2至-0.6 mm/day），MPI-XR在印度也略有低估。赤道区域和印度次大陆偏差校正后略强的信号可能与降水差异以绝对值表示有关；高平均降水区域绝对差异自然更大，可能增强调整的表现幅度。这些赤道区域差异也可能反映模式在ITCZ定位或其他关键环流系统方面的局限，此类情况下偏差校正难以充分或有效解决底层模式缺陷。

短波和长波辐射（rsds和rlds）方面，rsds高估达±30 W/m2，rlds达±20 W/m2，CRNM是高低估最显著的试验。偏差校正后这些差异降至最低。CNRM、MPI-XR和EC-Earth3P预估rlds增加约+5–10 W/m2，高纬度rsds达+5 W/m2；HadGEM3显示rlds约+15 W/m2，rsds>+5 W/m2。所有模式预估中非rsds降低，亚洲东西海岸向下至-5 W/m2或更多。信号差异在多数区域接近零，表明ISIMIP3BASD基本保留了原始气候变化信号，局地偏差达±2 W/m2。相对湿度（hurs）、地表风速（sfcWind）、降雪（prsn）、地表气压（ps）和衍生比湿（huss）显示类似性能模式。

时序评估计算了偏差校正前后全球平均时间序列，使用面积加权使每个格点按其实际表面积贡献。温度方面，原始EC-Earth3P试验表现最好，tas、tasmin和tasmax与参考差异最小；CNRM试验差异最大，温度总体低估约-1°C；HadGEM3也低估温度；MPI-XR略微高估tasmin并稍高估tasmax。降水在偏差校正前所有模式高估0.3–0.5 mm/day。EC-Earth3P模拟hurs差异最小，CNRM和HadGEM3略高估约+1%，MPI-XR略低估约-1%。rsds方面，CNRM高估约+9 W/m2，EC-Earth3P、HadGEM3和MPI-XR约+4 W/m2；除HadGEM3外，所有模式预估全球rsds降至约185 W/m2。rlds方面，CNRM低估达-10 W/m2，其他三个模式差异很小。sfcWind方面，CNRM和HadGEM3高估约+5 m/s，EC-Earth3P高达+2 m/s，MPI-XR低估约-1 m/s。偏差校正显著准确降低了所有这些偏差。

月气候学分布显示，虽然全球气候模式成功捕捉观测变量的季节相位，但原始输出存在显著系统性偏差：降水所有模式存在系统性湿偏差（~0.2–0.3 mm/day），偏差校正后基本消除，仅残余轻微低估~0.05 mm/day；地表风速显示不同程度的模式漂移，CNRM和HadGEM3需从~6.5显著下调至6.1 m/s，而MPI-XR初始保真度较高；气温（tas、tasmin、tasmax）和长波辐射经偏差校正向上调整，同时保留季节模式；短波辐射下降约5 W/m2，表明所有全球气候模式均高估。

评估洞察方面，影响评估界通常要求消除全分布偏差，因此偏好量化映射方法而非仅处理分布单矩的简单方法。研究通过各选定气候区的面积加权区域平均时间序列，比较经验分位数（5th–99th）评估试验再现参考分布和极端值的能力。平均气温（调整）分布无论区域或气候类型均以极高精度模拟。原始模拟分布未能匹配参考，尤其在评估气候极端值时尾部错配明显。HadGEM3试验仅捕捉少数分位数，未能充分表征其余分位数；与其他高分辨率模式比较计划试验相比，HadGEM3模拟温度/降水变率相对于W5E5存在 substantially larger discrepancies，其变率结构在多个区域偏离其余集合范围。虽然偏差校正部分降低系统性分布误差，但无法纠正根本错误表征的变率，偏差校正HadGEM3输出不应被视为与其他调整高分辨率模式比较计划试验质量等同，尤其在敏感于温度/降水变率的应用中。

调整降水在包括西非、东亚和南欧极端值大部分在内良好再现参考分布，但某些区域罕见极端值仍存在显著差异。南美洲和澳大利亚，BC-HiRMIP21显示高达95th分位数的高精度，但罕见极端事件（>95th分位数）存在明显低估，幅度因试验而异。偏差校正降水在某些区域最上端分位数（95th分位数以上）性能下降，与基于分位数偏差校正在表征分布尾部方面的已知局限一致。Theme?l等（2012）研究表明，经验统计校正方法在分布主体表现良好，但因尾部样本量有限，向极端值偏离增加；Switanek等（2017）指出标准量化映射可能扭曲高度偏斜分布如高分别降水；Berg等（2024）进一步论证极端分位数不能总是被可靠校正，应伴随显式不确定性边界。BC-HiRMIP21中观察到的偏差反映经验偏差校正方法的固有局限而非一般方法失效，用户在解释这些分布尾部或专门针对罕见降水极端值的分析时应谨慎，需附加不确定性评估。

小提琴图显示参考、原始模拟和调整数据集的概率密度函数形状。偏差校正将原始模拟的巨大分布错配转变为镜像参考数据集。例如，HadGEM3在偏差校正前未能准确捕捉西非分布或形状，偏差校正后该模式分布发生巨大转变。尽管有这些改进，BC-HiRMIP21仍基于单变量偏差校正框架。ISIMIP3BASD保留选定的变量间关系（如tas、tasmin、tasmax之间以及pr和prsn之间），但未显式约束所有变量和格点的完整多变量依赖结构。这一局限对复合极端分析尤为重要，其中变量间的时间共现和强度关系（如并发高温和干旱，或降水和风极端值）可能未完全保留。调查多变量极端或复合灾害、或对空间模式高度敏感的其他应用（如流域水文、区域农业评估）的用户，应在应用前评估其特定领域的空间结构是否得到充分表征。

使用W5E5 v2.0作为参考意味着BC-HiRMIP21继承该模式输出的所有不确定性，尤其在高纬度区域、复杂地形以及非洲和南美洲部分观测站网稀疏、模式依赖大量参数化的区域。这些不确定性通过偏差校正传播，可能影响观测覆盖稀疏区域偏差校正预估的可靠性。Spuler等（2023）表明，即使ISIMIP3BASD等趋势保留偏差校正方法，也可能在某些地点显著改变干旱极端值，尤其干旱区域，这些变化可能局部很大（50–100%），源于基于经验累积分布函数的趋势保留与用于偏差校正的参数化分位数映射之间的结构性错配。参数分布（如降水的伽马分布）可能不足以代表尾部行为，导致尽管保留平均趋势，低降水极端值仍出现放大扭曲。

总结而言，BC-HiRMIP21提供稳健的、全球偏差校正数据集，涵盖四个高分辨率模式比较计划试验的11个气候变量，覆盖历史和高分辨率未来情景，具有广泛的平衡气候敏感性。验证涵盖跨多种气候类型和区域的空间覆盖、方法的趋势保留能力以及模拟参考数据集相似分位数和形状的能力。BC-HiRMIP21为影响评估和整个气候研究界提供基础数据集，提供健康、水文、农业、能源、生态系统和气候极端研究的变量套件。数据的多变量、多模式覆盖以及使用相同参考和偏差校正方法，有助于减少通常由不一致数据集模拟引起的不确定性。BC-HiRMIP21是首个全面的、基于高分辨率模式比较计划试验的全球偏差校正气候数据集，分辨率为0.5°且未经过实质性统计降尺度，从而为气候研究和服务界提供当前数据集不确定性量化的替代方案。