肖雨佳，李建，李妮娜

（1.中國氣象科學(xué)研究院，北京 100081；2.中國氣象科學(xué)研究院災(zāi)害天氣國家重點(diǎn)實(shí)驗(yàn)室，北京 100081；3.國家氣象中心，北京 100081)

引言

有著“地球第三極”和“世界屋脊”稱號(hào)的青藏高原，由于其獨(dú)特的地形和下墊面，通過熱力和動(dòng)力強(qiáng)迫作用有效地調(diào)控了亞洲區(qū)域乃至全球的氣候和大氣環(huán)流(吳國雄等，2004；徐祥德等，2019)。高原上星羅密布的冰川、河流和湖泊等是中國、印度等亞洲地區(qū)大江大河的發(fā)源地，為當(dāng)?shù)匾约跋掠?4億以上人口提供了豐富的水資源，故青藏高原也被喻為“亞洲水塔”(Xu et al.，2008；Immerzeel et al.，2010)。在夏季，青藏高原上空大氣受感熱驅(qū)動(dòng)形成一個(gè)“感熱氣泵”，周圍大氣被“抽吸”向高原輻合，豐沛的水汽輸送至高原及周邊地區(qū)(吳國雄等，2018)。因此降水與極端降水在該生態(tài)脆弱地區(qū)頻發(fā)，致使山洪、滑坡、泥石流等自然災(zāi)害的發(fā)生(黃楚慧等，2020；李長冬等，2021)，對(duì)人民生活和社會(huì)經(jīng)濟(jì)發(fā)展有著重要影響。綜上，對(duì)青藏高原降水的時(shí)空特征有準(zhǔn)確的預(yù)測預(yù)估具有十分重要的科學(xué)意義和社會(huì)價(jià)值。

氣候系統(tǒng)模式是理解氣候系統(tǒng)變化機(jī)理、對(duì)其未來變化進(jìn)行氣候預(yù)測和預(yù)估的主要工具(IBCC，2013)。全球氣候模式目前能基本再現(xiàn)許多觀測到的地球上大范圍(全球尺度、半球尺度)的平均氣候特征及其演變特征，但是大多數(shù)氣候模式都難以合理再現(xiàn)青藏高原地區(qū)的降水，準(zhǔn)確模擬高原地區(qū)的降水特征一直是數(shù)值模擬領(lǐng)域的難題(Wang et al.，2018；Yu et al.，2019)。早期版本的NCAR CCM3中青藏高原東坡就存在顯著的虛假降水中心(Yu et al.，2000)，并且一直并未得到有效改善(Chen et al.，2010；Zhang and Chen，2016)。Xu等(2010)評(píng)估了第三次國際耦合模式比較計(jì)劃(CMBI3)里的18個(gè)模式發(fā)現(xiàn)，模式對(duì)青藏高原降水的高估可達(dá)100%。經(jīng)過數(shù)年的發(fā)展，CMBI5模式仍然對(duì)高原地區(qū)降水特征模擬不足(Xu and Xu，2012；Su et al.，2013；胡芩等，2014)。水平分辨率為影響區(qū)域尺度降水模擬性能的主要因素之一，太粗糙的分辨率無法解析區(qū)域范圍內(nèi)重要的過程和特征，區(qū)域降水的模擬特征隨著分辨率的提升能得到有效改善(Delworth et al.，2012；Jiang et al.，2016)。Li等(2015)研究了水平分辨率對(duì)東亞降水特征模擬的影響，指出較高分辨率下模擬的青藏高原降水分布更為真實(shí)，降水正偏差區(qū)域范圍會(huì)減小，但是降水的高估卻隨著分辨率的提升而增大。

隨著高性能超級(jí)計(jì)算機(jī)的迅速發(fā)展，全球高分辨率數(shù)值模擬試驗(yàn)在多個(gè)模式研發(fā)機(jī)構(gòu)已相繼展開。在最新的CMIB6中新增了高分辨率模式比較計(jì)劃(HighResMIB)，首次提供全球高分辨率(25—50 km)多模式集合的氣候模擬試驗(yàn)結(jié)果。在能夠更準(zhǔn)確刻畫復(fù)雜地形影響的情況下，新一代高分辨率全球氣候模式對(duì)青藏高原降水的模擬能力如何值得探究。本文將基于小時(shí)尺度降水特征，全面細(xì)致評(píng)估CMIB6 HighResMIB高分辨率模式對(duì)青藏高原降水與極端降水模擬能力，增進(jìn)對(duì)復(fù)雜地形區(qū)降水模擬偏差特性的認(rèn)識(shí)。

1 數(shù)據(jù)和方法

1.1 數(shù)據(jù)介紹

1.1.1 觀測數(shù)據(jù)

用于評(píng)估模式的觀測資料是TRMM多衛(wèi)星降水分析產(chǎn)品(TMBA)新版本——TRMM 3B42 V7，它在原有的3B42 V6的基礎(chǔ)上進(jìn)行了改善，融合了新的被動(dòng)微波輻射計(jì)的觀測結(jié)果和紅外輻射數(shù)據(jù)。該數(shù)據(jù)時(shí)間分辨率為3 h，空間分辨率為0.25°，空間范圍為南北緯50°，時(shí)間范圍為1998—2014年，N時(shí)降水代表N時(shí)前后1.5 h時(shí)段內(nèi)的平均降水(Huffman et al.，2007)。TRMM在模式評(píng)估研究中被廣泛應(yīng)用(Yuan，2013；Li et al.，2015；Zhang et al.，2016)。

1.1.2 模式數(shù)據(jù)

CMIB6 HighResMIB的模式分辨率除典型CMIB6分辨率(大氣約為250 km，海洋約為100 km)以外，還包含更高的分辨率(大氣最高可到25 km，海洋最高可為8—25 km)。HighResMIB分為3個(gè)層級(jí)試驗(yàn)，包括純大氣和耦合試驗(yàn)，時(shí)間年度跨越1950年至2050年，并可能擴(kuò)展到2100年，還有一些其他針對(duì)性實(shí)驗(yàn)。本文選取分析HighResMIB Tier 1的高分辨率試驗(yàn)歷史輸出結(jié)果，Tier 1試驗(yàn)是歷史強(qiáng)迫的大氣模式比較計(jì)劃(AMIB)，也是HighResMIB的核心試驗(yàn)，其運(yùn)行時(shí)間為1950—2014年，目標(biāo)分辨率是25—50 km，明顯高于CMIB5的基本分辨率150 km，更多模式和試驗(yàn)細(xì)節(jié)請(qǐng)參閱(Haarsma et al.，2016)。當(dāng)前已有八個(gè)模式發(fā)布了高分辨率3 h輸出結(jié)果，這些模式全部用于本文研究中，有關(guān)模式的基本信息詳見表1?？紤]到與觀測數(shù)據(jù)的時(shí)間一致性，所有模式數(shù)據(jù)都選擇了1998—2014年時(shí)段。

表1 本文使用的8個(gè)CMIP6 HighResMIP模式的基本信息Table 1 Basic information of eight CMIB6 HighResMIB global climate models used in this study.

1.2 分析方法

考慮到8個(gè)CMIB6高分辨率模式的水平分辨率不同，為便于將模式與觀測結(jié)果進(jìn)行定性和定量比較，采用雙線性插值方法把模式數(shù)據(jù)統(tǒng)一插值到0.25°×0.25°的經(jīng)緯網(wǎng)格上，使其與觀測數(shù)據(jù)TRMM的分辨率保持一致。多模式集合平均技術(shù)采用等權(quán)集合平均，即對(duì)8個(gè)模式的模擬結(jié)果取算術(shù)平均。

為減小數(shù)值模式中頻繁出現(xiàn)的弱降水對(duì)評(píng)估結(jié)果的影響，模式和TRMM 3B42產(chǎn)品降水相關(guān)量的計(jì)算中，均僅考慮各時(shí)次降水量大于0.1 mm·h-1的降水（定義為有效降水），小于0.1 mm·h-1的降水時(shí)次視為無降水發(fā)生。夏季氣候態(tài)降水量(單位：mm·d-1)為研究時(shí)段內(nèi)總有效降水除以該時(shí)段內(nèi)總時(shí)次數(shù)再乘24。小時(shí)降水頻率(單位：%)定義為研究時(shí)段內(nèi)有效降水時(shí)次數(shù)與總時(shí)次數(shù)的百分比。小時(shí)降水強(qiáng)度(單位：mm·h-1)為有效降水累積量除以有效降水時(shí)次數(shù)。

為了研究降水強(qiáng)度與頻率的關(guān)系，以1 mm·h-1為間隔計(jì)算每個(gè)強(qiáng)度范圍內(nèi)的累積降水頻率，然后再對(duì)關(guān)注區(qū)域內(nèi)各格點(diǎn)求平均，即得該區(qū)域降水強(qiáng)度與頻率之間的分布關(guān)系，降水強(qiáng)度—頻率分布圖(圖4和圖5)中1 mm·h-1降水對(duì)應(yīng)頻率表示為降水強(qiáng)度在0.1～1.1 mm·h-1范圍內(nèi)的頻率，2 mm·h-1降水對(duì)應(yīng)頻率表示的是降水強(qiáng)度在1.1～2.1 mm·h-1范圍內(nèi)的頻率，以此類推。

圖4 高原南坡不同強(qiáng)度(單位：mm·h-1)降水的頻率(單位：%)分布情況((a)中Y軸采用標(biāo)準(zhǔn)坐標(biāo)；(b)中Y軸采用對(duì)數(shù)坐標(biāo);黑色三角形為TRMM觀測;彩色圓點(diǎn)表示8個(gè)CMIP6 HighResMIP模式)Fig.4 The frequency-intensity relationship on the southern slope of Tibetan Plateau.The Y-axis in(a)uses standard coordinates.The Y-axis in(b)uses logarithmic coordinates.The black triangle is TRMM observation and the colored dots represent 8 CMIP6 HighResMIP models

分析降水日變化相關(guān)特征時(shí)均采用北京時(shí)(Bei?jing Time，BJT)。降水日變化振幅計(jì)算如公式(1)

其中Pmax為一日內(nèi)最大小時(shí)降水量，Pˉ為日平均降水量。

極端降水閾值的確定采用百分位方法來計(jì)算，將各格點(diǎn)1998—2014年逐年夏季3 h平均降水強(qiáng)度按從小到大升序排序，取第95百分位數(shù)(B95)的17 a平均值作為極端降水事件的閾值。該方法常用在極端降水的觀測研究和模式評(píng)估中(江志紅等，2009；李建等，2013；趙麗等，2016)。極端降水的貢獻(xiàn)率定義為大于某年第95百分位數(shù)極端降水閾值的極端降水量總占該年夏季總降水量的百分率。

2 小時(shí)降水量、頻率、強(qiáng)度的模擬

基于TRMM衛(wèi)星資料，青藏高原及其周邊地區(qū)夏季平均降水量表現(xiàn)出來顯著的空間變率(圖1a)。降水量大值區(qū)位于喜馬拉雅山脈南側(cè)，量值超過14 mm·d-1。柴達(dá)木盆地以及高原西北邊緣是降水量的小值區(qū)，平均降水量低于1 mm·d-1。整體來看，青藏高原降水量表現(xiàn)出自東南向西北遞減的空間分布特征。與觀測相比，CMIB6高分辨率模式可以基本再現(xiàn)出降水量的空間分布(圖1b)。8個(gè)模式集合平均(MME)結(jié)果再現(xiàn)了高原降水自東南至西北的梯度分布，在高原南側(cè)模擬出了降水大值帶，但是模式高估了南坡的降水量，在高原東坡出現(xiàn)了虛假大值中心。從降水量模擬偏差來看(圖1c)，CMIB6高分辨率模式的模擬偏差與地形高度之間存在明顯的對(duì)應(yīng)關(guān)系。CMIB6 MME高估了青藏高原夏季平均降水量，其高估區(qū)域主要位于1 000米以上，占所有正偏差區(qū)的91.3%。正偏差大值區(qū)位于青藏高原南坡和東坡陡峭地形區(qū)，分布在3 000米等高線附近，最大正偏差可達(dá)4 mm·d-1以上。這表明陡峭地形對(duì)降水的影響仍然是這些模式的挑戰(zhàn)。

平均降水量可以進(jìn)一步分解為平均小時(shí)降水頻率和平均小時(shí)強(qiáng)度，頻率和強(qiáng)度的不同組合可能會(huì)表現(xiàn)出相似的降水量氣候特征，降水的合理模擬取決于頻率和強(qiáng)度的正確組合，因而降水頻率和強(qiáng)度的模擬被認(rèn)為能夠進(jìn)一步揭示模式偏差特征(Dai and Tren?berth 2004；Dai 2006；Li et al.2015)。圖1d、g分別給出了觀測降水頻率和強(qiáng)度的空間分布情況。降水頻率空間變化與降水量相似，降水多發(fā)生在高原南緣、東坡和東北祁連山脈等陡峭地形區(qū)，降水頻率可達(dá)20%以上。青藏高原降水強(qiáng)度主要在2 mm·h-1以下，高原以南的低海拔地區(qū)降水強(qiáng)度明顯高于高原，最高可達(dá)5 mm·h-1以上?？傮w來說，CMIB6高分辨率模式能夠模擬出山脈陡峭地形處降水頻發(fā)的特征(圖1e)，也大體再現(xiàn)了高原降水強(qiáng)度小而高原以南、以東低海拔地區(qū)強(qiáng)度大的分布情況(圖1 h)，但是模式高估了大部分區(qū)域(面積占比89.3%)的降水頻率(圖1f)以及低估了大部分區(qū)域(面積占比93.1%)的降水強(qiáng)度(圖1i)。模式對(duì)青藏高原降水量的高估主要是降水頻次模擬偏多造成，數(shù)值模式中“低強(qiáng)度、高頻率”的常見通病(Chen et al.，1996；Sun et al.，2006；Dai，2006)在CMIB6高分辨率模式中仍然存在。

圖1 TRMM和CMIP6 MME在青藏高原地區(qū)1998—2014年夏季平均降水量(單位：mm·day-1)、降水頻率(單位：%)、降水強(qiáng)度(單位：mm·h-1)及其偏差的空間分布(上：TRMM；中：CMIP6 MME；下：CMIP6 MME與TRMM之間的偏差;(a-c)為降水量；(d-f)為降水頻率；(g-i)為降水強(qiáng)度；黑色實(shí)線代表1 000 m和3 000 m的地形高度；(c)中紅色虛線框表示為高原南坡和東坡兩個(gè)偏差關(guān)鍵區(qū))Fig.1 The climatological mean summer precipitation(a-c)amount(mm·day-1),(d-f)frequency(%)and(g-i)intensity(mm·h-1)derived from TRMM(top),CMIP6 MME(middle)and the difference between CMIP6 MME and TRMM(bottom)for 1998—2014 over the Tibetan Plateau region.Thick black contours represent the terrain heights of 1000 and 3000 m.Two regions marked by the red dashed boxes in(c)are the southern edge and the eastern periphery of the Tibetan Plateau where are the two typical simulation deviation areas of precipitation.

為了進(jìn)一步了解降水偏差與海拔之間的關(guān)系，圖2和圖3分別給出了84°—93°E和29°—33°N平均降水特征的經(jīng)向和緯向剖面圖。從84°—93°E平均降水特征的緯向分布來看，TRMM(圖2a藍(lán)線)的降水量大值區(qū)位于高原南坡26.5°N附近的低海拔處，降水量隨海拔升高先增加再減少，與前人的相關(guān)研究結(jié)論一致(Saler?no et al.，2015)。CMIB6 MME(圖2a紅線)能夠模擬出降水量隨海拔升高先增加后減少的特征，但其低估了高原南坡的最大降水量，且模擬的降水量大值區(qū)位置偏北、海拔偏高。對(duì)于降水頻率來說(圖2b)，觀測依舊呈現(xiàn)隨海拔升高先增加再減小的特征；相較于降水量大值區(qū)，降水頻率大值區(qū)的位置在坡面更高處。模式依舊能夠再現(xiàn)降水頻率和地形之間的關(guān)系，但模式同樣存在峰值位置模擬偏北、海拔偏高的問題，且模式高估了所有海拔高度上的降水頻率。在降水強(qiáng)度方面(圖2c)，觀測中最大降水強(qiáng)度出現(xiàn)在低海拔地區(qū)(約60 m海拔高度)，在60 m高度以上，降水強(qiáng)度隨海拔線性減小(通過P<0.01的顯著性檢驗(yàn))。CMIB6 MME能夠模擬出降水強(qiáng)度與海拔高度呈負(fù)相關(guān)的變化趨勢，但其變化速率低于觀測，觀測中海拔每升高100 m，降水強(qiáng)度可減小0.05 mm·h-1，而模式中僅減小0.02 mm·h-1。模式低估了所有海拔高度上的降水強(qiáng)度，偏差大值區(qū)分布在低海拔地區(qū)，隨海拔升高強(qiáng)度偏差逐漸減小。

圖2 84°—93°E平均(a)降水量(單位：mm·d-1)、(b)降水頻率(單位：%)、(c)降水強(qiáng)度(單位：mm·h-1)的經(jīng)向剖面圖(藍(lán)線為TRMM；紅線為CMIP6-MME；黑線為海拔高度(單位：m))Fig.2 Precipitation(a)amount(unit:mm·d-1),(b)frequency(unit:%)and(c)intensity(unit:mm·h-1)averaged between 84°—93°E.Blue line:TRMM;Red line:CMIP6-MME;Black line:elevation(unit:m).

29°—33°N平均降水特征的經(jīng)向分布體現(xiàn)了高原東坡降水與地形之間的關(guān)系。觀測中東坡降水量大值區(qū)位于1 700 m附近(圖3a藍(lán)線)，CMIB6 MME模擬的降水量峰值位置較觀測海拔偏高，且模式低估了約1 000 m以下低海拔地區(qū)的降水量，高估了約1 000 m以上高海拔地區(qū)的降水量(圖3a紅線)。模式能模擬出觀測中揭示的降水頻率隨海拔升高先增加再減小的變化特征，但模擬的降水頻率隨海拔升高而增加的速率較大，降水頻率峰值位置較觀測偏東、海拔偏低(圖3b)。模式低估了東坡降水強(qiáng)度隨海拔升高而減弱的變化速率，降水強(qiáng)度的負(fù)偏差隨海拔升高逐漸減小(圖3c)。綜合強(qiáng)度和頻率偏差來看，不論東坡還是南坡，模式對(duì)低海拔地區(qū)降水量的低估主要是由于降水強(qiáng)度模擬不足，而對(duì)高海拔地區(qū)的高估則主要是受到頻率模擬偏多的影響。

圖3 29°—33°N平均(a)降水量(單位：mm·d-1)、(b)降水頻率(單位：%)、(c)降水強(qiáng)度(單位：mm·h-1)的緯向剖面圖(藍(lán)線為TRMM；紅線為CMIP6-MME；黑線為海拔高度(單位:m))Fig.3 Precipitation(a)amount(unit:mm·day-1),(b)frequency(unit:%)and(c)intensity(unit:mm·h-1)averaged between 29°—33°N.Blue line:TRMM;Red line:CMIP6-MME;Black line:elevation(unit:m)

前面的分析主要關(guān)注了氣候模式對(duì)夏季平均態(tài)降水特征的模擬能力，不同降水強(qiáng)度下的降水頻率分布也是降水氣候特征的重要組成部分，降水頻率與強(qiáng)度之間的關(guān)系是評(píng)估模式對(duì)降水特性模擬能力的重要指標(biāo)(Li et al.，2015)。針對(duì)降水量的兩個(gè)典型偏差關(guān)鍵區(qū)(圖1c中紅色虛線框)：高原南坡(84°—93°E，26.5°—29°N)和高原東坡(101°—104°E，29°—33°N)，進(jìn)行更為細(xì)致的偏差特征分析。圖4和5分別給出了高原南坡和東坡兩個(gè)關(guān)鍵偏差區(qū)不同強(qiáng)度降水的頻率分布，以1 mm·h-1為間隔計(jì)算每個(gè)強(qiáng)度范圍內(nèi)的累積降水頻率。高原南坡的強(qiáng)度—頻率分布如圖4所示，CMIB6高分辨率模式模擬的不同降水強(qiáng)度下的降水頻率分布與觀測存在較大差異。大部分模式均高估了2 mm·h-1以下弱降水的頻率(圖4a)，觀測中2 mm·h-1以下弱降水的累積頻率為12%，而模式集合平均結(jié)果可達(dá)43%，占總降水頻率偏差的105%。圖4b Y軸使用對(duì)數(shù)坐標(biāo)可以放大降水強(qiáng)度—頻率分布的尾端分布情況，可以清晰看到大部分模式低估了3 mm·h-1以上降水的頻率。另外，大部分模式低估了高原南坡最大降水強(qiáng)度，尤其是CNRM-CM6-1-HR和EC-Earth3B-HR模式，其模擬的最大降水強(qiáng)度分別為18 mm·h-1和19 mm·h-1，而觀測中最大降水強(qiáng)度可達(dá)70 mm·h-1。FGOALS-f3-H和HadGEMS-GC31-HM模式對(duì)11~38 mm·h-1范圍內(nèi)的降水頻率存在一定的高估，觀測中該強(qiáng)度范圍內(nèi)降水的累計(jì)降水頻率為0.42%，而模式分別可達(dá)0.70%和0.54%。在高原東坡(圖5)，大部分模式表現(xiàn)出了與南坡相似的降水強(qiáng)度和頻率的分布特征，高估了2 mm·h-1以下弱降水的頻率和低估了3 mm·h-1以上降水的頻率，并且低估了最大降水強(qiáng)度。但MRI-AGCM3-2-S模式高估了21 mm·h-1以上降水的頻率，其模擬的最大降水強(qiáng)度超過觀測結(jié)果，出現(xiàn)了虛假極端強(qiáng)降水。

圖5 與圖4相同，但為高原東坡Fig.5 Same as Fig.4,but for the east slope of Tibetan Plateau.

3 降水日變化的模擬

日變化是地球氣候系統(tǒng)最基本的變化模態(tài)之一，降水的日變化與地表溫度、濕對(duì)流、云層的形成以及邊界層的發(fā)展密切相關(guān)(Yang and Slingo，2001；So?rooshian et al.，2002)。受局地和大尺度的動(dòng)力、熱力條件的影響，降水的日變化存在鮮明的區(qū)域差異(Yu et al.，2014)。降水日變化的研究是充分理解天氣氣候系統(tǒng)以及水汽循環(huán)區(qū)域性特征的一個(gè)重要方面，也是評(píng)估模式對(duì)降水特性模擬能力的重要內(nèi)容。

圖6給出了青藏高原地區(qū)夏季平均降水量日峰值時(shí)刻的空間分布。CMIB6高分辨率模式能夠模擬出觀測中揭示的青藏高原傍晚至午夜(17∶00—02∶00 BT)的降水峰值時(shí)刻，但模式中，降水呈午夜峰值的區(qū)域明顯多于觀測。對(duì)于海拔3 000米以上的地區(qū)，模式中有27.2%的區(qū)域降水峰值在23∶00—02∶00 BT，而觀測中僅為10.0%。從高原到四川盆地，降水日峰值位相存在經(jīng)向上向東滯后的演變過程，四川盆地的降水峰值主要出現(xiàn)在05∶00—08∶00 BT(圖6a)，而模式中盆地基本為清晨(02∶00—05∶00 BT)降水，較觀測模擬偏早(圖6b)。在高原南緣，觀測中顯示降水峰值出現(xiàn)在05∶00—08∶00 BT，但模式中高原南坡部分區(qū)域模擬較觀測偏早，為清晨(02∶00—05∶00 BT)峰值，以及部分區(qū)域還表現(xiàn)出不準(zhǔn)確的午后(14∶00—17∶00 BT)峰值。

圖6 觀測(a)和CMIP6 MME模擬(b)的夏季降水量日變化峰值空間分布(單位：BT,黑色實(shí)線代表1 000 m和3 000 m的地形高度)Fig.6 Spatial distributions of the diurnal peaks(BT)of summer precipitation amount derived from(a)TRMM and(b)CMIP6 MME.Thick black contours represent the terrain heights of 1 000 and 3000 m.

日變化振幅是研究日變化的另一個(gè)重要指標(biāo)。從圖7給出的降水日變化振幅空間分布來看，青藏高原降水日變化振幅較大，觀測和模擬均有超過65%以上的區(qū)域日變化振幅大于60%。但是模式模擬的降水日變化振幅明顯低于觀測值，在海拔3 000米以上的區(qū)域里，觀測中有12%的區(qū)域日變化振幅超過140%，而模式模擬的最大日變化振幅低于130%。模式中日變化振幅大值區(qū)位于高原以北的塔里木盆地區(qū)域。此外，模式中降水雨帶位置(高原南坡和東坡)的日變化振幅基本低于60%，說明該區(qū)域晝夜皆有較多的降水，但在觀測中日變化振幅可達(dá)90%以上。

圖7 觀測(a)和CMIP6 MME模擬(b)的夏季降水量日變化振幅空間分布(單位：%;黑色實(shí)線代表1 000 m和3 000 m的地形高度)Fig.7 Spatial distributions of the diurnal amplitude(unit:%)of summer precipitation amount derived from(a)TRMM and(b)CMIP6 MME.Thick black contours represent the terrain heights of 1 000 and 3 000 m.

4 小時(shí)極端降水的模擬

在氣候變暖的背景下，全球大部分區(qū)域日極端降水有增多的趨勢以及降水強(qiáng)度有增強(qiáng)的趨勢(Min et al.，2011)，溫度的變化使得極端降水趨于在短時(shí)內(nèi)發(fā)生，小時(shí)尺度極端降水變化速率更劇烈(Westra et al.,2014)。開展小時(shí)尺度極端降水模擬能力的評(píng)估對(duì)提高氣象防災(zāi)減災(zāi)有重要意義。

圖8分別給出了觀測和模式的青藏高原小時(shí)極端降水閾值(B95)的空間分布情況?；赥RMM觀測，高原南坡為極端降水閾值的大值區(qū)，最高可達(dá)15 mm·h-1以上。在四川盆地西部也存在一個(gè)極端降水閾值的大值中心，強(qiáng)度低于高原南坡。CMIB6高分辨率模式模擬的極端降水閾值的空間分布與觀測大體相似，其與觀測的空間相關(guān)系數(shù)可達(dá)0.89，但是模式明顯低估了高原地區(qū)極端降水閾值。觀測中高原區(qū)域平均極端降水閾值為4.37 mm·h-1，而模式值僅為2.50 mm·h-1，相當(dāng)于觀測的57%。

圖8 觀測(a)和CMIP6 MME模擬(b)夏季小時(shí)極端降水第95百分位數(shù)閾值的空間分布(單位：mm·h-1;黑色實(shí)線代表1 000 m和3 000 m的地形高度)Fig.8 Spatial distributions of the 95th percentile threshold of summer hourly extreme precipitation(unit:mm·h-1)derived from(a)TRMM and(b)CMIP6 MME.Thick black contours represent the terrain heights of 1 000 and 3 000 m.

觀測和模擬的青藏高原區(qū)域多年平均夏季極端降水貢獻(xiàn)率如圖9所示。模式對(duì)青藏高原極端降水貢獻(xiàn)率的空間分布模擬能力較差，其與觀測的空間關(guān)鍵相關(guān)系數(shù)僅為0.47。模式中極端降水貢獻(xiàn)率表現(xiàn)出了高原四周高、海拔3 000 m以上高原主體低的分布特征。模式中的極端降水貢獻(xiàn)率大值區(qū)也分布在塔里木盆地，與觀測一致，但模式高估了該區(qū)域的極端降水貢獻(xiàn)率。模式中高原主體區(qū)域的平均極端降水貢獻(xiàn)率為24%，低于觀測值(27%)。相反，在高原南坡雨帶區(qū)域，模式的極端降水貢獻(xiàn)率明顯高于觀測，說明模式中該區(qū)域的夏季降水更多是由極端降水貢獻(xiàn)。

圖9 觀測(a)和CMIP6 MME模擬(b)夏季小時(shí)極端降水量貢獻(xiàn)率(單位：%)的空間分布(黑色實(shí)線代表1 000 m和3 000 m的地形高度)Fig.9 Spatial distributions of the summer hourly extreme precipitation fraction(unit:%)derived from(a)TRMM and(b)CMIP6 MME.Thick black contours represent the terrain heights of 1000 and 3000 m.

5 結(jié)論與討論

本文聚焦降水的小時(shí)尺度特征，細(xì)致評(píng)估了CMIB6 HighResMIB高分辨率氣候模式對(duì)青藏高原夏季降水的模擬能力，得到以下主要結(jié)論：

(1)CMIB6高分辨率模式對(duì)青藏高原夏季降水量的模擬存在高估，偏差大值區(qū)主要位于高原南坡和東坡陡峭地形區(qū)。模式高估了大部分區(qū)域的降水頻率而低估了降水強(qiáng)度，模式對(duì)青藏高原降水量的高估主要是降水頻次模擬偏多造成的。對(duì)比分析降水強(qiáng)度與頻率的關(guān)系發(fā)現(xiàn)，大部分模式高估了2 mm·h-1以下弱降水的頻率，低估了3 mm·h-1以上降水的頻率和最大降水強(qiáng)度。模式對(duì)降水頻率的高估主要是弱降水的貢獻(xiàn)。

(2)高原南坡和東坡降水模擬偏差與海拔密切相關(guān)。模式不能準(zhǔn)確再現(xiàn)降水量與海拔之間的關(guān)系，模式低(高)估了高(低)海拔區(qū)域的降水，模擬的降水量大值區(qū)海拔偏高。模式低估了降水強(qiáng)度隨海拔升高而降低的變化速率，降水強(qiáng)度負(fù)偏差的大值區(qū)主要分布在低海拔地區(qū)，隨海拔升高偏差逐漸減小。在降水頻率與海拔關(guān)系的模擬上，對(duì)于高原南坡，模式存在降水頻率大值區(qū)模擬偏北、海拔偏高的問題；對(duì)于高原東坡，模式存在降水頻率大值區(qū)模擬偏東、海拔偏低的問題。

(3)降水日變化的評(píng)估表明，CMIB6高分辨率模式能夠模擬出青藏高原傍晚至午夜(17∶00—02∶00 BT)的降水峰值時(shí)刻，但是模式對(duì)四川盆地降水峰值時(shí)間模擬偏早，且在高原南坡部分區(qū)域模擬出虛假的午后峰值。此外，模式明顯低估了青藏高原降水的日變化振幅。

(4)在小時(shí)極端降水的模擬方面，模式對(duì)高原小時(shí)極端降水強(qiáng)度的空間分布表現(xiàn)出了良好的模擬能力，但模式低估了高原區(qū)域平均極端降水閾值，僅為觀測值的57%。模式對(duì)青藏高原極端降水貢獻(xiàn)率的空間分布模擬能力較差，對(duì)高原主體區(qū)域的夏季極端降水貢獻(xiàn)率存在一定的低估，而在高原南坡雨帶區(qū)域表現(xiàn)出了更高的極端降水貢獻(xiàn)率。

本文利用最新的CMIB6 HighResMIB多模式結(jié)果，評(píng)估了當(dāng)前氣候模式對(duì)高原地區(qū)降水的模擬能力，發(fā)現(xiàn)高原陡峭地形區(qū)降水模擬偏差在新一代高分辨率模式中仍存在。青藏高原及其周邊地區(qū)地形復(fù)雜，高原大地形影響效應(yīng)十分突出，復(fù)雜地形處的降水十分復(fù)雜。本文從小時(shí)尺度降水特征出發(fā)，認(rèn)識(shí)了高分辨率模式降水偏差的精細(xì)化特征，但僅對(duì)降水變量進(jìn)行了評(píng)估，結(jié)合產(chǎn)生降水的天氣背景環(huán)流來評(píng)估模式有助于加深對(duì)模式模擬偏差的理解(Agel L and M,2020;Brown et al.,2010)。在研究過程中還發(fā)現(xiàn)不同模式的降水日變化模擬存在著一定的差異，黃安寧等(2008)曾指出夏季降水日變化模擬對(duì)模式物理過程參數(shù)化方案有較強(qiáng)的敏感性，從模式間模擬差異分析物理參數(shù)化方案的影響值得進(jìn)一步探究。此外本研究僅使用了TRMM觀測資料，對(duì)觀測數(shù)據(jù)的不確定性也應(yīng)作進(jìn)一步討論。