模式分析比较类文献

• Zhu et al.,2020, Does CMIP6 Inspire More Confidence in Simulating Climate Extremes over China?
• Li et al.,2017, Western Pacific emergent constraint lowers projected increase in Indian summer monsoon rainfall
• Bracegirdle&Stephenson,2013, On the Robustness of Emergent Constraints Used in Multimodel Climate Change Projections of Arctic Warming

Zhu et al.,2020, Does CMIP6 Inspire More Confidence in Simulating Climate Extremes over China?

大气环流模式是理解气候系统的重要工具，可以重现过去、预测未来。为了使模式之间能更好地对比，World Climate Research Programme下面的Working Group on Coupled Modelling发起了Coupled Model Intercomparison Project，致力于提供标准化的气候模拟和输出，促进在不同科学团体之间使用这种模拟。自其成立以来，CMIP对Intergovernmental Panel on Climate Change的各期报告做了巨大贡献。根据IPCC的第五期报告，CMIP5模式在地表气温模拟及大尺度降水方面的模拟性能有显著提高，且地表气温的模拟技巧高于降水模拟。在模拟亚洲夏季风各方面时，CMIP5比CMIP3要好很多。

近期，多个研究关注于CMIP模式模拟中国气候的能力，得出了相对一致的结论——与CMIP3模式相比，CMIP5模式的表现更好。然而，在温度和降水方面依然存在偏差。例如，中国西部的冷偏差始终存在，TP东部高估的降水偏差。在中国西部和山地地区的极端降水总是会被高估，而中国南部的降水则经常被低估。

如今，CMIP进入第六期，其模式具有更高的空间分辨率和更优秀的参数化方案。大多数模式小组都发布了他们的新模拟，并发布了从CMIP5到CMIP6的模型演化文档。然而，很少有研究评估CMIP6模式的集合特征，尤其是在模拟中国极端气候方面的特征。而这正是该文想要解决的，其拟解决的科学问题有两个：

1. CMIP6模式集合平均在模拟中国极端气候方面的表现如何？
2. 从CMIP5到CMIP6其模拟性能提高了多少？

为了解决这些问题，该文使用技能得分指标对12个CMIP6气候模型（截至2019年8月的模式数量）的模拟进行了定量评估，并与30个CMIP5模式对比。尽管这12个CMIP6模式并不一定都是30个CMIP5模式的继承者，但该文的目标是评估CMIP两个阶段模式的集合平均行为。

结果发现：

• CMIP6模式集合平均可以很好地模拟年平均温度、最高日最大温度、最低日最低温度的空间分布。但在模拟冷夜和暖日时依然存在困难，且在TP有很大的冷偏差。
• 在模拟极端降水时的表现比模拟温度的表现差。与CMIP5相比，CMIP6在模拟降水的气候态指数及年际变率上有所改进，除了连续的干旱天数。区域平均的降水偏差从CMIP5的127%降到了CMIP6的79%。
• 最显著的特征是，CMIP5中持续且普遍的中国南部的干偏差现象在CMIP6中有所减弱。但TP东部的湿偏差依然存在，只是比CMIP5弱一些。

Li et al.,2017, Western Pacific emergent constraint lowers projected increase in Indian summer monsoon rainfall

印度夏季风（ISM）是全球气候系统中的重要成分，为人口密集国家提供了一年中的大部分降水。ISM降水的细小变化也能在南亚激起巨大的社会经济影响，包含农业、生态系统、水资源、金融级健康。例如，2002年ISM降水减少了19%，造成经济损失高达数十亿美元，影响了10多亿人的生活。因此，确定区域ISM降雨对全球变暖的响应，对适应气候变化具有重要意义。

IPCC第五期报告总结道：气候模式有力地预测了温室效应下ISM降雨的增加，而预测的ISM降雨变化随着人为强迫的增加而增加。该结果严重依赖于气候模式的预测，因为在强自然变率背景下，很难通过仪器记录来检测由温室效应引起的季风降雨变化。然而，在目前的气候模拟中，气候模式普遍存在严重的系统偏差（例如热带西太平洋的过度降水），这可能会降低未来预测的可靠性。在该文中，作者表明历史模拟中热带西太平洋的过度降水偏差会通过影响热带太平洋海温增暖模态及周围季风环流来放大ISM降水对温室气体的响应。利用西太平洋降水观测值进行修正后，预测的ISM降雨增加量和温室气体强迫作用下的模型间不确定性均大幅减小。该文利用24个CMIP5模式的历史模拟及RCP8.5模拟来代表现在和未来的气候。

以往的研究表明模式间对热带西太平洋SST增暖模拟的差异是亚澳季风环流和降水预估不确定性的主要来源。更特别的是，模式间统计量及模拟实验都表明ISM环流和降水预估的模式间差异都与热带西太平洋增暖高度相关。另一方面，西太平洋SST增暖受局地降水和云量带来的云辐射负反馈作用所抑制。因此，如果西太平洋的云量和降水过多，会有一个强云辐射反馈，从而抑制局地SST增暖。事实上，ISM降水变化的模式间差异与热带西太平洋及东南印度洋历史时期降水显著相关。在CMIP3的集合平均中也得到了类似的结果。

Bracegirdle&Stephenson,2013, On the Robustness of Emergent Constraints Used in Multimodel Climate Change Projections of Arctic Warming

北极地区近期经历了一些剧烈的s气候变化，尤其是自1979年以来海冰的迅速减少，以及自20世纪90年代末以来格陵兰岛冰盖的减少。这些变化可能会对海平面及海洋环流有重要影响。

气候模式模拟表明与预测的全球平均温度的变暖相比，北极对流层下部的变暖被放大了。然而，极地放大效应振幅在不同模式中有很大差异。对CMIP3的研究表明预测的冬季海冰附近地表气温的模式间差异可以被历史模拟的气候态差异所解释。更具体地说，在集合平均地海冰附近，模式模拟地历史地表温度偏冷的话（即海冰偏多），得到的未来增暖就会更强（与海冰到开放海域的过渡有关）。响应的这种状态依赖性提供了一个紧急约束，这可以用了减弱与模式相关的不确定性，提高预测精确度。也有发现并利用其他变量的紧急约束，如北极海冰范围和雪反照率等其他变量。

然而，紧急约束也可能是虚假的，并可能因为特定气候模式组合中常见的结构错误而偶然出现。此外，紧急约束会对集合平均中单个气候模式高度敏感，换句话说，即某个特定模式可能会过度影响。该文通过比较CMIP5和CMIP3模式中的紧急约束、利用Cook诊断辨认影响力最大的模式来验证紧急约束的有效性。利用集合回归来定量考察高纬度冬季地表气温的紧急约束。为了考虑CMIP3和CMIP5中使用的不同未来情景，用每个模式各自的全球平均温度变化来将格点温度变化标准化。