《Climate Services》：Exploiting CMIP6 models for assessment and future projections of precipitation over the Tibetan Plateau
编辑推荐：
全球气候变化正以前所未有的速度加速，对地球产生深远影响。耦合模式比较计划第六阶段（CMIP6）推进了未来气候预估，并促进了气候适应策略。针对青藏高原（TP），研究人员利用历史降水评估了20个CMIP6模式的性能，并确定了一个代表性模式（BCC-CSM2-MR）
全球气候变化正以前所未有的速度加速，对地球产生深远影响。耦合模式比较计划第六阶段（CMIP6）推进了未来气候预估，并促进了气候适应策略。针对青藏高原（TP），研究人员利用历史降水评估了20个CMIP6模式的性能，并确定了一个代表性模式（BCC-CSM2-MR），用于预估四个排放情景（SSP126、SSP245、SSP370、SSP585）下近期、中期和长期时期的降水。在近期，青藏高原北部降水预计增加，而南部地区将减少。在长期，整个高原预计出现广泛降水增加，且在更高排放情景下信号更强。此外，藏东南山区的热带雨林-季雨林生态区被识别为高降水热点区域。在SSP585情景下，该生态区可降水汽（PWV）预计增加30–40%，而降水仅增加约10%。基于标准化回归的统计关联分析表明，PWV和近地表气温在归一化绝对系数幅度中占据最大相对份额，分别为53.28%和43.11%（两者p<0.001）。标准化降水指数（SPI）分析表明区域中度干旱条件，因为降水增加无法缓解水文亏缺。本研究可为青藏高原适应性气候与环境政策的制定提供有价值的见解。
全球气候变化加速，深刻影响降水格局，尤其在青藏高原（TP）这一“亚洲水塔”地区，其复杂地形和气候机制对降水模拟带来巨大挑战。尽管CMIP6模式在分辨率与物理过程上较CMIP5显著提升，但模式对TP降水的模拟仍存在系统性湿偏差，且不同模式间性能差异显著，缺乏统一评估与代表性模式选择。为此，研究人员开展此项研究，旨在评估20个CMIP6模式的历史降水模拟性能，筛选代表性模式，并预估未来不同排放情景下TP降水的时空变化，识别热点生态区，分析其水文气候响应，为区域气候适应政策提供科学依据。研究人员首先基于历史降水观测数据（1995–2014），通过偏差、泰勒图、泰勒技巧评分（TSS）和综合评分（CS）等指标，评估20个CMIP6模式（来自不同国家机构，如BCC、CSIRO等）的降水模拟能力，发现BCC-CSM2-MR在多项指标中表现均衡，被选为代表模式。随后，利用该模式在SSP126、SSP245、SSP370、SSP585四个情景下，预估TP近期（2015–2040）、中期（2041–2070）和长期（2071–2100）的降水变化，并引入生态分区框架（9个生态区，源自地形与植被综合划分），识别出热带雨林-季雨林生态区（Ecoregion H）为降水热点。进一步，研究人员分析该热点区的可降水汽（PWV）、近地表气温（Tas）、蒸散发（Evspsbl）和风速（Sfcwind）等变量，采用标准化多元回归模型量化各变量对降水的相对贡献（PWV占53.28%，Tas占43.11%），并使用标准化降水指数（SPI）评估干旱状况。该研究发表在《Climate Services》上，为TP的水文气候脆弱性评估和水资源规划提供了关键科学信息。
**关键方法：** 研究人员利用20个CMIP6模式的历史降水数据（1995–2014）与1-km分辨率观测数据集（来自国家青藏高原数据中心）对比，通过双线性插值统一空间分辨率至1°×1°网格，并匹配139个气象站，采用偏差、泰勒图、相关系数（R）、均方根误差（RMSE）及泰勒技巧评分（TSS）和综合评分（CS）评估模式性能，选择BCC-CSM2-MR为代表模式。未来预估采用四个SSP情景（SSP126、SSP245、SSP370、SSP585），划分为近期、中期和长期。使用标准化多元回归模型（z-score归一化）量化PWV、Tas、蒸散发、风速的标准化回归系数及相对贡献份额（C
i），并采用基于Gamma分布的标准化降水指数（SPI）评估干旱等级。
**研究结果：**
**3.1 评估CMIP6模式降水模拟性能：** 通过偏差分析（图2a）发现，20个CMIP6模式均高估降水（湿偏差，偏置范围0.16–1.92 mm/day），其中BCC-CSM2-MR、MRI-ESM2-0、ACCESS-CM2等偏差较小。泰勒图（图2b）显示，空间相关系数（R）在0.40–0.70之间，RMSE在1.50–2.00 mm/day，多数模式表现合格。基于气象站点的泰勒图（图3）表明，FGOALS-f3-L、IPSL-CM6A-LR、ACCESS-CM2、BCC-CSM2-MR表现较优。TSS和CS排名（表4）中，BCC-CSM2-MR均位列前三，被视为代表性模式。
**3.2 未来TP降水预估：** 3.2.1 年际变率：通过线性回归分析（图4），所有情景下降水均呈增加趋势，高排放情景（SSP585）增加最显著，长期（2071–2100）峰值达3.23 mm/day（2089年），低排放情景（SSP126）增加较温和。3.2.2 空间分布：通过双线性插值至0.5°分辨率（图5），降水呈东南向西北递减，南部和东南部（受印度季风及地形抬升影响）降水最多，高排放情景下中期和长期增强明显，最大达8.12 mm/day。
**3.3 不同生态区降水：** 基于背景场（1995–2014平均值）的差值分析（图6），近期呈现北增南减的梯度，南部生态区B和H降水减少；长期则全高原增加，Ecoregion H（藏东南热带雨林-季雨林生态区）降水峰值超5.5 mm/day（图7），被识别为降水热点。
**3.4 水文气候特征与未来变化：** 在热点区Ecoregion H，背景场（图8）显示高PWV、高温、高蒸散发及低风速。SSP585下长期（图10），PWV增加30–40%，降水仅增0–10%，温度增0–10%，蒸散发增0–10%，风速略降。标准化多元回归（图11）表明PWV和气温的标准化系数相对份额达53.28%和43.11%（p<0.001），蒸散发和风速合计不足3.70%。SPI分析（图12）显示，历史与未来情景下Ecoregion H的SPI值主要处于-1.5至-1范围，对应中度干旱，高排放情景下干旱加剧，降水增加无法缓解水文亏缺。
**讨论部分：** 研究人员指出，基于BCC-CSM2-MR单一模式的结果应视为情景预估而非确定性预测，无法完全表征多模式不确定性；双线性插值可能平滑地形诱导的降水梯度；统计关联（偏相关与回归）受共线性、时间依赖等影响，不代表因果机制。未来研究需整合多模式集合、模型加权、观测约束和涌现约束方法（如Chai等、Fan等研究）以降低不确定性。**结论翻译：** 总体而言，本研究提供了基于代表性模式的青藏高原未来降水变化及相关水文气候特征评估，为理解潜在水资源挑战和支持气候适应策略提供了有用的科学信息。
