EN中文

地理研究 >

2015 , Vol. 34 >Issue 4: 631 - 643

DOI: https://doi.org/10.11821/dlyj201504003

气候模式同站点插值外推气象数据的比较

  • 殷刚 , 1, 2, 3 ,
  • 陈曦 1 ,
  • 塔西甫拉提∙特依拜 2 ,
  • 邵华 1 ,
  • 白磊 1, 2, 3 ,
  • 胡增运 1 ,
  • 张弛 , 1 ,
  • 徐婷 4
展开
  • 1. 中国科学院新疆生态与地理研究所,荒漠与绿洲生态国家重点实验室, 乌鲁木齐 830011
  • 2. 新疆大学, 乌鲁木齐 830046
  • 3. 中国科学院大学, 北京 100049
  • 4. 新疆伊犁州气象局, 伊宁 835000
张弛（1973- ）,男,博士,研究员,博士生导师,研究方向为全球变化生态学。E-mail:

作者简介：殷刚（1971- ）,男,博士研究生,研究方向为气象学。E-mail:

收稿日期: 2014-09-21

  要求修回日期: 2015-01-05

  网络出版日期: 2015-04-10

基金资助

国家重大科学研究计划课题（2014CB954204）

国家自然科学基金项目（41361140361,11401569）

收起

A comparison study between site-extrapolation-based and regional climate model-simulated climate datasets

  • YIN Gang , 1, 2, 3 ,
  • CHEN Xi 1 ,
  • TIYIP Tashpolat 2 ,
  • SHAO Hua 1 ,
  • BAI Lei 1, 2, 3 ,
  • HU Zengyun 1 ,
  • ZHANG Chi , 1 ,
  • XU Ting 1
Expand
  • 1. State Key Laboratory of Desert and Oasis Ecology, Xinjiang Institute of Ecology and Geography, CAS, Urumqi 830011, China
  • 2. Xinjiang University, Urumqi 830046, China
  • 3. University of Chinese Academy of Sciences, Beijing 100049, China
  • 4. The Yili Weather Bureau in Xinjiang, Yining 835000, Xinjiang, China

Received date: 2014-09-21

  Request revised date: 2015-01-05

  Online published: 2015-04-10

Copyright

《地理研究》编辑部
Fold

摘要

在气象站稀疏的中亚荒漠地区采用基于大气物理机制的区域气候模式,可获得高分辨率格点气象资料进行气候变化研究。针对中亚地区1958-2001年的气候变化,采用RegCM区域气候模式对ERA40和NCEP/NCAR两套气象再分析数据进行动力降尺度至40 km,并将结果同三套基于气象站点插值外推的格点数据（CRU、WM和APHRO）进行比较。所有数据一致表明,1960年代以来新疆地区的气温显著增加,南疆地区降水增加、天山山区降水减少。除APHRO外,数据都表明北疆地区降水呈增加趋势。RegCM模拟的气温和降水数据与站点外推数据空间分布格局基本一致;但RegCM数据年平均气温低于站点外推数据,RegCM数据在新疆山区的年降水量是站点外推数据年降水量的1.3倍。由于研究区内73%的气象站点分布在中山带以下的干热气候区,站点外推数据可能低估山区降水并高估该区域气温。与站点插值外推的格点数据相比,区域气候模式具有能细致描述区域内中小尺度的地形/下垫面特征、更精确反映气象要素空间变异格局的能力。但因为缺乏足够的地面观测以及高精度遥感反演气象数据,当前尚无法全面评估区域气候模式在中亚地区尤其是山区的模拟精度。

关键词： 区域气候模式; 站点插值外推; 气候变化; 中亚

本文引用格式

殷刚 , 陈曦 , 塔西甫拉提∙特依拜 , 邵华 , 白磊 , 胡增运 , 张弛 , 徐婷 . 气候模式同站点插值外推气象数据的比较[J]. 地理研究, 2015 , 34(4) : 631 -643 . DOI: 10.11821/dlyj201504003

Abstract

Regional Climate Model (RegCM) simulations, which is based on the fundamental physical and metrological mechanisms, could produce high-resolution climate dataset, without being limited by the availability of meteorological stations in Central Asia. In order to analyze the climate change in Xinjiang from 1958 to 2001, this study used the RegCM model to downscale the ERA40 and NCEP/NCAR reanalysis datasets to a 40-km resolution, and compared the simulation results with three widely used extrapolation datasets (CRU, WM and APHRO). All datasets indicated increased temperature in Xinjiang, increased precipitation in southern Xinjiang, and decreased precipitation in the Tianshan mountainous areas. All datasets except for the APHRO interpolated data indicated increased precipitation in northern Xinjiang. Our analysis showed similar spatial patterns in temperature and precipitation between the RegCM simulated and the extrapolation datasets. However, the simulated regional mean temperature was -3℃ lower than that of the extrapolated datasets. The simulated precipitation in the Tianshan mountainous areas was about twice the value of the extrapolated datasets. Because 73% of the meteorological stations in the study located at the low-mountain areas or the desert plains were in relatively hot and dry climate regimes, extrapolation datasets based on observations at these stations tended to overestimate temperature and underestimate precipitation. Compared with the extropolation method, regional climate modelling considers the detailed topography/landsurface characteristics in the study region at meso-/micro-scales, and is capable to reflect the spatial variation of major climatological elements with higher precision. However, due to limited sparse field observations and a lack of high-resolution remote-sensing-based climate datasets, we are currently unable to fully evaluate the accuracy of the model simulated climate datasets in central Asia, especially in the mountainous areas.

Key words： regional climate model; climate extrapolation; climate change; Central Asia

1 引言

亚洲中部干旱区（简称中亚）的地形特征造成了其气候要素的巨大空间异质性,尤其在山区具有明显的气候垂直差异。如中亚东部的新疆地区,其北部的阿尔泰山、中部的天山和南部的昆仑山以及准格尔盆地和塔里木盆地使新疆具有三山两盆的复杂地形。南北两个盆地有干旱的塔克拉玛干沙漠和古尔班通古特沙漠,而中部的天山地区却因雨量丰沛号称“中亚水塔”[1,2]。
在全球气候变化影响下,近50年中亚地区经历了剧烈的气候变化,对该地区的社会经济和生态系统稳定产生重要影响[3,4]。以往的气候变化空间格局研究[5-8]大多采用基于气象站点观测记录的空间插值外推资料,如东英格兰大学气候研究中心构建的空间分辨率为0.5°的全球月平均气候资料CRU[5]、美国特拉华大学气候研究中心空间分辨率为0.5°气候数据资料WM[6]以及空间分辨率为0.25°的亚洲陆地逐日降水数据集APHRO[7,8]。然而中亚地形和气候复杂,气象站点稀疏且分布不均匀,主要分布在较为干旱的绿洲—荒漠平原地区和中低山带,湿润的中高山带站点极其稀少[9]。在站点稀少、地形复杂的地区,通过简单的站点插值外推难以准确反映气象要素（特别是降水数据）的空间格局[10,11]。
高空间分辨率的区域气候模式能较准确的模拟出气温和降水在区域尺度上的空间分布,弥补站点资料匮乏地区对栅格化气象数据的需求。与站点插值数据相比,区域气候模式数据具有较高的分辨率,能够描述物理过程及其参数化,可获取更精细尺度的强迫信息,能细致描述区域内中小尺度的地形、下垫面状况等区域特征,对于区域与局地大气环流系统的描述更精确[12,13]。选择中亚地区（图1）,采用RegCM4.3区域气候模式对ERA40[14]和NCEP/NCAR[15,16]两套气象再分析数据进行动力降尺度至40 km,模拟1958-2001年间气温和降水变化,并将结果同三套基于站点插值外推数据（CRU、WM和APHRO）进行比较。研究模式数据和站点外推数据年际尺度距平的变化趋势,对中亚地区近50年的气候变化时空格局特征进行分析。
Fig. 1 Location of the study area

图1 研究区位置示意图

2 数据来源与研究方法

采用RegCM区域气候模式对NCEP和ERA40进行动力降尺度分别得到NCEP-RegCM和ERA40-RegCM。基于气象站观测数据,空间插值得到的站点插值外推数据为CRU[5]、WM[17] 和APHRO[7],上述数据详细信息见表1。
Tab. 1 Main parameters of datasets

表1 数据集主要参数

数据集名称 变量 时间覆盖 时间分辨率 区域 空间分辨率
NCEP 气温、降水 1979-2011 日 全球 2.5°
ERA40 气温、降水 1957-2002 日 全球 2.5°
NCEP-RegCM 气温、降水 1948-2010 日 中亚 40 km
ERA40-RegCM 气温、降水 1979-2010 日 中亚 40 km
CRU 气温、降水 1901-2009 月 全球 0.5°
WM 气温、降水 1900-2008 月 全球 0.5°
APHRO 降水 1951-2007 日 全球 0.25°
区域气候模式RegCM4.3中参数设置如下：水平分辨率为40 km,东西方向112格点,南北方向84格点,网格中心为74.21°E、44.76°N,投影为Lambert投影,垂直层划分23层,顶层气压为50 hPa;初始边界场采用水平分辨率2.5°的ERA40再分析数据和NCEP/NCAR再分析数据,时间序列取模式数据和站点插值数据时间序列的公共部分。海温数据选择GISST（1948-2002年）,模式中行星边界层选择为Holtslag格式,积云对流方案为Emanuel MIT格式,侧边界条件为指数松弛条件,陆面过程描述为BATs。模式中地形数据选择USGS的GTOPO 30的30″DEM数字高程模型,地表植被数据选择USGS分辨率为30″的GLCC（global land cover characterization）。
为对比分析模式数据和三套站点外推数据,定义研究区为52°E~96°E、30°N~51°N。基于地貌和气候特征将研究区域划分为三个研究子区：北疆准格尔研究子区（85.03°E~90.30°E、44.30°N~46.50°N）、天山山区研究子区（70.12°E~87.70°E、41.40°N~44.10°N）和南疆塔里木研究子区（76.90°E~87.53°E、37.31°N~41.21°N）。以下分别简称为北疆研究区、天山研究区、南疆研究区。
对每个研究子区所有格点的年平均气温（或年总降水量）进行区域平均,得到该区域的年平均气温（或年总降水量）,对RegCM数据和站点插值外推数据进行相关性分析,并进行相关性显著检验。在时间序列趋势分析中,Mann-Kendall检验（MK检验）是一种非参数检验方法,该方法不需要样本遵从一定的分布,也不受少数异常值的干扰,适用于降水、径流、气温和水质等要素时间序列的趋势变化研究[18]。为分析RegCM数据和站点插值数据在三个不同研究区的1958-2001年气温和降水变化特征和规律,采用MK检验研究气温和降水的变化趋势、突变特征。

3 结果分析

3.1 气温空间格局比较

ERA40-RegCM（图2a）和NCEP-RegCM（图2b）的多年平均气温空间格局基本一致,低值中心（小于-15 ℃）出现在喀喇昆仑山地区,但前者的低值中心面积小于后者。RegCM数据同站点外推数据的空间格局分布总体上一致,相关系数在0.58~0.77之间,并且显著相关（P<0.05）,北疆研究区的相关系数要高于其他两个研究区（表2）。
Fig. 2 The mean annual temperature over the period 1958-2001 from NECP-RegCM, ERA40-RegCM, CRU and WM

图2 1958-2001年NECP-RegCM、ERA40-RegCM、CRU 和 WM 的多年平均气温

Tab. 2 The correlation coefficients of mean annual temperature between RegCM and extrapolation datasets in different sub-regions

表2 不同子区内RegCM气温与站点外推数据的相关系数

子研究区 驱动数据源 模拟数据与站点外推数据的相关系数
CRU WM
北疆准格尔 ERA40 0.73 0.72
NCEP/NCAR 0.77 0.77
南疆塔里木 ERA40 0.58 0.69
NCEP/NCAR 0.61 0.69
天山山区 ERA40 0.66 0.72
NCEP/NCAR 0.70 0.75

3.2 降水空间格局比较

表3表明在三个研究区内,RegCM数据同站点外推数据显著相关（P<0.05）。其中,RegCM降水数据与APHRO和WM的年降水数据的空间分布一致性较高,平均相关系数分别为0.58和0.57,同CRU的相关系数为0.46。但RegCM降水数据能够更准确地反映出阿勒泰山与杭爱山之间地区和阿尔金山与祁连山之间地区山盆型地貌的降水空间分布特征（图3a、图3b）。除了APHRO数据（图3e）反映出阿拉套山降水中心的特征外,CRU和WM基本没有反映新疆及周边地区山盆构造对区域降水格局的影响（图3c、图3d）。在天山研究区RegCM数据的年降水量是CRU数据的1.34倍、WM数据的1.30倍和APHRO数据的1.26倍。
Tab. 3 The correlation coefficients and average annual precipitations between RegCM and extrapolation datasets in different sub-regions

表3 不同子区内RegCM降水数据与站点外推数据的相关系数及多年平均降水

子研究区 驱动数据源 模拟数据与站点外推数据的相关系数 模拟数据与站点外推数据的年降水量(mm)
CRU WM APHRO RegCM CRU WM APHRO
北疆
准格尔		 ERA40 0.55 0.52 0.51 192 150 173 149
NCEP 0.61 0.64 0.63 178
南疆
塔里木		 ERA40 0.61 0.60 0.59 90 90 83 61
NCEP 0.49 0.55 0.61 71
天山山区 ERA40 0.62 0.59 0.65 400 282 291 300
NCEP 0.71 0.65 0.69 356
Fig. 3 The average annual precipitation comparison between RegCM and extrapolation datasets over the period 1958-2001

图3 1958-2001年RegCM平均降水数据与站点外推数据对比

3.3 气温距平和降水距平长时间序列趋势分析

比较图4a、图4c和图4e可以看出,RegCM与两套站点外推数据年平均气温的距平变化一致。从20世纪50年代末,新疆地区的气温距平呈现下降趋势,60年代中期出现小幅度回升,之后剧烈下降,但从1970年左右又出现大幅度回升,80年代中期有所下降。在20世纪90年代和21世纪开始的10年中,气温距平维持在较高水平。降水距平比较中,三个研究区内NCEP-RegCM降水距平与三套站点外推数据的整体变化趋势接近,并有-1.9 mm/10 a的线性趋势,1958-2001年44年间RegCM的年降水距平的线性趋势为0.85 mm/10 a。
Fig. 4 The comparison of temperature and precipitation anomaly in different sub-regions

图4 不同子区内RegCM数据与站点外推数据气温和降水距平时间序列图

表4表明RegCM数据多年平均气温（NCEP-RegCM和ERA40-RegCM的平均值）在三个研究区均低于站点外推数据多年平均气温（CRU和WM的平均值）。其中RegCM多年平均气温在北疆、南疆、天山三个研究区分别为3.11 ℃、6.60 ℃和0.75 ℃。站点外推数据多年平均气温分别为5.16 ℃、10.14 ℃和3.84 ℃。站点外推数据与RegCM多年平均气温的最大差值出现在北疆研究区（3.54 ℃）,最小差值出现在南疆研究区（2.05 ℃）。
Tab. 4 The mean annual temperature trends and MK results over the period 1958-2001 from RegCM and extrapolation datasets in different sub-regions

表4 1958-2001年RegCM数据与站点外推数据在不同研究区内气温变化趋势和MK检验结果

研究区 数据集 多年平均气温 K(℃/10a) 突变年份 突变前平均气温(℃) 突变后平均气温(℃) 突变后/突变前
北疆
准格尔		 NCEP-RegCM 2.95 0.28* 1977 2.37 3.39 1.43
ERA40-RegCM 3.26 0.08
CRU 5.75 0.43* 1987 5.39 6.51 1.21
WM 4.56 0.30* 1977 4.15 4.88 1.18
南疆
塔里木		 NCEP-RegCM 6.51 0.13
ERA40-RegCM 6.68 -0.02
CRU 10.26 0.22* 1994 10.12 10.89 1.08
WM 10.01 0.12* 1996 9.94 10.60 1.07
天山山区 NCEP-RegCM 0.58 0.12
ERA40-RegCM 0.91 -0.01
CRU 4.34 0.30* 1989 4.13 4.88 1.18
WM 3.33 0.23* 1989 3.12 3.77 1.21

注：*表示在95%水平上显著。

1958-2001年间,NCEP-RegCM、CRU和WM数据都表现出增温趋势,其中NCEP-RegCM在北疆研究区增温显著（P<0.05）,站点插值数据在三个研究区域内均表现出显著增温。而ERA40-RegCM数据无显著的变化,在南疆研究区和天山研究区甚至出现降温趋势,气温变化率分别为-0.02 ℃/10 a和-0.01 ℃/10 a。MK检验表明四套数据的气温突变与线性回归得到的显著增温结论一致,其中NCEP-RegCM突变后的平均气温是突变前平均气温的1.43倍,站点插值数据的发生显著突变的年份在天山研究区发生在20世纪80年代后期。
1958-2001年的降水变化研究中（表5）,RegCM多年平均降水（NCEP和ERA40的平均值）在三个研究区内均高于站点外推数据多年平均降水（CRU、WM和APHRO的平均值）。其中,RegCM数据多年平均降水在北疆、南疆、天山三个研究区分别为184.62 mm、80.71 mm和377.79 mm,站点外推数据多年平均降水分别为157.10 mm、69.07 mm和291.01 mm,依据天山研究区426.7 mm的降水数据[19],RegCM数据更接近实际降水量,而站点外推数据出现136 mm的低估,与天山研究区为“中亚水塔”[1,2]的论断不符。RegCM和站点外推数据多年平均降水最大差值出现在天山研究区（86.78 mm）,最小差值出现在南疆研究区（11.64 mm）。与其他三套数据相比,ERA40在三个研究区内的降水值最高,在北疆、南疆、天山三个研究区的多年平均降水分别为191.72 mm、90.07 mm和399.88 mm。
Tab. 5 Average annual precipitation trends and MK results over the period 1958-2001 from RegCM and extrapolation datasets in different sub-regions

表5 RegCM数据与站点外推数据在不同研究区内1958-2001年的多年平均降水趋势和MK检验结果

研究区域 数据集 多年平均降水(mm) K(mm/a) 突变年份 突变前平均降水(mm) 突变后平均降水(mm) 突变后/突变前
北疆
准格尔		 NCEP-RegCM 177.51 0.21
ERA40-RegCM 191.72 0.27
CRU 149.61 0.63
WM 173.37 1.24* 1989 162.03 200.41 1.24
APHRO 148.40 -0.23
南疆
塔里木		 NCEP-RegCM 71.36 0.08
ERA40-RegCM 90.07 0.49* 1973 82.42 94.02 1.14
CRU 83.80 0.11
WM 60.66 0.78* 1988 53.75 75.48 1.40
APHRO 62.76 0.46*
天山山区 NCEP-RegCM 355.69 -0.86
ERA40-RegCM 399.88 0.30
CRU 281.54 -0.31
WM 291.10 -0.11
APHRO 300.39 -0.33

注：*表示在95%水平上显著。

在降水变化研究中,WM在北疆研究区,ERA40-RegCM、WM和APHRO在南疆研究区均表现出降水显著增加趋势（P<0.05）,降水增长率分别为1.24 mm/a、0.49 mm/a、0.78 mm/a和0.46 mm/a。在北疆研究区,除APHRO（-0.23 mm/a）外,其他四套数据均反映出降水增加趋势;在南疆研究区所有数据反映出降水增加趋势,以WM的0.78 mm/a为最大,在天山研究区除ERA40-RegCM外,其他数据表现出降水减少趋势。
降水突变检验结果显示WM在北疆、南疆两研究区和ERA40-RegCM在南疆研究区发生降水形态的突变,对应的突变年份分别为1989年、1988年和1973年。其中WM在南疆研究区突变前后降水变化巨大,其突变后平均降水与突变前平均降水比值高达1.4,其他数据降水无显著的突变,这与降水的显著性趋势分析具有一致性,降水的突变时间和增加趋势反映出20世纪80年代新疆降水的增加导致洪灾频发[19,20]。
中亚山区的气温与降水随着高程发生急剧变化,中山带以上气温低,在高山大盆的地形影响下西风环流的水汽在山区集中形成降水。但是基于站点外推的三套空间插值数据CRU、WM和APHRO所依据的气象站点绝大部分分布在相对干旱高温的低山和荒漠—绿洲平原区,即使山区站点也多在谷地（图5）。受气象站数量稀疏及其分布不均匀的影响,站点外推气象数据在中亚地区具有很大的不确定性[8]。
Fig. 5 Spatial distribution of the meteorological stations in different geographical zones ( the alpline, the subalpline and the plain), Xinjiang

图5 新疆地区高山带、中山带和低山丘陵带的气象站点空间分布

为进一步分析站点空间分布对插值外推数据精度的影响,选择新疆地区同时有降水和温度数据的47个气象站,参考陈曦等[1,21]提出的标准,按海拔划分为3个高山站（2650~5445 m）、10个中山站（1700~2650 m）和34个低山丘陵—平原站（<1700 m）（图5）。高山带、中山带和低山丘陵带气象站的平均（1960-2011年）年均气温分别为1.4 ℃、5.3 ℃和8.8 ℃,误差率分别为62%、34%和35%。平均年降水量分别为123.6 mm、268.5 mm和106.9 mm,误差率分别为88%、38%和68%。占总数73%的低山丘陵—平原站的气温比山区高4.6~7.4 ℃,而中山站降水为低山丘陵—平原站的2.5倍。进一步选取6对（图5）广泛分布且距离较近（水平距离小于100 km）的山区—低山丘陵气象站进行配对分析,发现山区和低山平原的气温和降水显著差异（P<0.01）（表6）。
Tab.6 The comparison of temperature and precipitation between mountain stations and low-lying plain stations

表6 山区和低山平原气象站的气温和降水比较

组号 配对气象站 编号 经度(°) 纬度(°) 海拔(m) 垂直划分 温度(℃) 降水(mm) M降水∶L降水
1 昭苏 51437 81.08 43.09 1721 M 3.5 511.3 1.8
伊宁 51431 81.20 43.57 1266 L 9.2 278.6
2 巴音布鲁克 51542 84.09 43.02 2517 M 4.3 277.2 1.3
巴伦台 51467 84.40 44.26 886 L 6.9 206.9
3 乌鲁木齐 51463 87.37 43.47 1781 M 7.4 265.8 1.9
昌吉 51365 87.32 44.12 493 L 6.5 142.8
4 托里 51241 83.36 45.56 1993 M 5.5 245.5 2.2
克拉玛依 51243 84.51 45.36 654 L 8.7 111.0
5 巴里坤 52101 93.00 43.36 2440 M 2.9 219.8 5.7
哈密 52203 93.31 42.49 562 L 10.1 38.7
6 阿合奇 51711 78.27 40.56 2113 M 6.8 219.0 2.2
柯坪 51720 79.03 40.30 1279 L 11.7 98.2

注：M：山区气象站,L：低山丘陵平原气象站,编号为国际气象组织WMO规划的气象站编号。

以上分析表明研究区气候受地形影响显著。如果没有对降水、气温与高程的关系进行修正,仅基于气象站观测资料进行插值外推,很可能会低估山区降水并高估气温。例如CRU、WM和APHRO数据均显示天山研究区的年均降水量不足300 mm,显著低于实际年降水量426.7 mm[19]。而基于ERA40的RegCM动力降尺度在天山研究区模拟的年降水量可达400 mm,更接近山区实际降水强度。上述结果表明RegCM动力降尺度模拟可获得较高精度的空间网格数据,能够捕捉到地形对局部气候的影响,而且能够避免观测站点分布不均带来的偏差。另一方面,如果不能充分考虑气象要素同高程之间的密切关系,而直接从数目稀少且分布不均的气象站点资料进行插值外推,可能得到具有严重误差的格点数据,导致对气象空间格局的分析误差。
值得注意的是,以往的研究常用CRU等站点外推数据作为观测值来评价区域气候模拟的精度,并得出区域气候模式高估中亚干旱—半干旱区降水的结论[22,23]。如果站点外推数据本身就存在对降水的低估,将严重影响到结论的正确性。例如,Small等[24]采用0.5°分辨率Legates和Willmott气象外推数据（LWC）验证RegCM的模拟结果,发现模拟结果在西天山高海拔地区明显高于LWC数据;并分析认为,这是因为地面观测资料的缺乏造成了LWC插值数据本身出现误差所致。姜燕敏等[25]研究忽略尺度效应以及地形的影响,直接将模型模拟的空间格点输出进行线性插值的结果同站点观测值进行比较。因新疆山区站点多分布在干旱谷地和山脚,结果造成站点观测值低于模拟值（往往代表一个较大区域）的现象。此外,天山山区低温强风的干扰也可能导致仪器低测降水量,可能导致站点观测资料的系统性低估[26,27]。由于CRU、WM、APHRO是基于站点观测资料插值生成,而这些气象站的准确位置并未公布,再加上研究区气象站（特别在山区）稀少,因此当前无法在排除插值所用站点的前提下,使用其他地面站点观测数据对气象插值资料的精度进行客观评价。未来随着类似TRMM[28]（该产品仅针对于热带地区）的全球降水遥感产品的成熟,将可能对站点外推和气候模拟的精度进行客观评价。就当前而言,RegCM模拟所显示的天山研究区近400 mm的年降水量比三套站点外推资料平均不到290 mm的年降水量更符合天山山区覆盖有大量森林的事实。因为森林生态系统一般需要400 mm以上的年降水才能存在。

4 结论与讨论

基于分析可得出以下结论：
（1）RegCM模拟的天山研究区平均年降水为356~400 mm,接近此前报道的天山地区426.7 mm的平均年降水量[19],而CRU、WM、APHRO等站点插值数据在天山研究区的平均年降水仅为290 mm,不但明显低于前人估测,而且如此少量的降水也无法支持天山茂密的云杉林的生存。RegCM模拟虽在高原山地地区有较大不确定性[22],但由于从机制上考虑了地形对气候系统的影响[29,30],因此比站点插值法能够更好地体现出中亚山区与干旱盆地的降水分异格局[31,32]。
（2）线性回归分析和MK检验结果显示,在三个研究区中,RegCM和站点外推数据均表明44年中北疆地区增温速率最大,平均每10年增温0.25 ℃。其中增温突变发生在1977年,突变后（1978-2001年）比突变前（1958-1976年）的气温平均增加43%。RegCM数据和站点插值数据均反映出南疆地区降水增加趋势,平均增加0.37 mm/a。1958-2001年间WM在所有数据中降水增幅最大,在北疆地区和南疆地区的降水变化率为1.24 mm/a和0.78 mm/a;突变年份分别为1989年和1988年,且突变后平均降水增加24%和40%。
（3）相对于站点外推数据,基于物理机制模式的动力降尺度模拟可以避免站点分布不均对构建空间网格数据集的不利影响,应用在中亚这样站点稀少、地形复杂、气象要素空间分异明显的区域具有重要价值。
然而区域气候模拟若设置不当也会造成误差。如Small等[24]在模拟中亚五国降水时,因模拟域（simulation domain）紧接在研究区外而导致研究区西北外缘的降水模拟值偏低。这是因为RegCM在模拟时将域边界（domain boundary）的云雨量都设为0,而降水的发生需要云雨量超过一定的容限值。因此模拟中在水汽流入（inflow）的方向上（这里是西风环流的来向）需要较大的缓冲区进行长时间收敛平衡,以保证研究区在此方向上的云雨量值被提升至降水容限以上。Small等的研究[24]因西北方向的模拟域同研究区间的缓冲太窄,致使模拟时这里的云雨量未能及时增长到合理值。与前人研究相比,本研究在模拟区域和研究区之间留有较大空间（图1）。尽管如此,考虑到中亚复杂地形对中尺度气候系统的强烈影响[22],研究中所采用的40 km分辨率不足以精确反映天山地区的气温和降水格局。为准确模拟中亚地区特别是山区的气候特征,需在以后研究中进一步提高区域气候模拟的空间分辨率,并在模拟中采用最新的下垫面数据。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
万瑜, 曹兴, 崔玉玲. 中天山北坡山区近30a气候变化特征. 干旱气象, 2012, 30(4): 575-582.

[Wan Yu, Cao Xin, Cui Yulin.Analysis of climate change tengency in north piedmont of middle Tianshan Mountain over recent 30 years. Journal of Arid Meteorology, 2012, 30(4): 575-582.]

[2]
沈永平. 中亚天山是全球气候变化和水循环变化的热点地区. 冰川冻土, 2009, 31(4): 780-780.

[Shen Yongping.Central Asia Tianshan is the hot spot of global climate change and water cycle change. Journal of Glaciology and Geocryology, 2009, 31(4): 780-780.]

[3]
陈发虎, 黄伟, 靳立亚. 全球变暖背景下中亚干旱区降水变化特征及其空间差异. 中国科学, 2011, 41(11): 1647-1657.

[Chen Fahu, Huang Wei, Jin Liya, et al.Spatiotemporal precipitation variations in the arid Central Asia in the context of global warming. Science China, 2011, 41(11): 1647-1657.]

[4]
Zwiers F W, Alexander L V, Hegerl G C.Climate extremes: Challenges in estimating and understanding recent changes in the frequency and intensity of extreme climate and weather events. In: Ghassem R A, James W H. Climate Science for Serving Society. Berlin: Springer Netherlands, 2013: 339-389.

[5]
Mitchell T D, Jones P D.An improved method of constructing a database of monthly climate observations and associated high-resolution grids. International Journal of Climatology, 2005, 25(6): 693-712.

[6]
Willmott C J, Robeson S M.Climatologically aided interpolation (CAI) of terrestrial air temperature. International Journal of Climatology, 1995, 15(2): 221-229.

[7]
Yatagai A, Arakawa O, Kamiguchi K.APHRODITE: Constructing a long-term daily gridded precipitation dataset for Asia based on a dense network of rain gauges. Bulletin of the American Meteorological Society, 2012, 93(9): 1401-1415.

[8]
韩振宇, 周天军. APHRODITE高分辨率逐日降水资料在中国大陆地区的适用性. 大气科学, 2012, 36(2): 361-373.

[Han Zhenyu, Zhou Tianjun.Assessing the quality of APHRODITE high-resolution daily precipitation dataset over contiguous China. Atmospheric Sciences, 2012, 36(2): 361-373.]

[9]
Lanhai L, Lei B, Yanan Y, et al.Patterns of climate change in Xinjiang projected by IPCC SRES. Journal of Resources and Ecology, 2013, 4(1): 27-35.

[10]
Lioubimtseva E, Cole R.Uncertainties of climate change in arid environments of Central Asia. Reviews in Fisheries Science, 2006, 14(1-2): 29-49.

[11]
Xu Ying, Gao Xuejie, Shen Yan.A daily temperature dataset over China and its application in validating a RCM simulation. Advances in Atmospheric Sciences, 2009, 26(4): 763-772.

[12]
周建玮, 王咏青. 区域气候模式RegCM3应用研究综述. 气象科学, 2008, 27(6): 702-708.

[Zhou Jianwei, Wang Yongqing.The advance in application and research of regional climate model RegCM3. Scientia Meteorologica Sinica, 2008, 27(6): 702-708.]

[13]
高学杰, 石英, 张冬峰. RegCM3 对21世纪中国区域气候变化的高分辨率模拟. 科学通报, 2012, 57(5): 374-381.

[Gao Xuejie, Shi Yin, Zhang Dongfeng.Climate change in China in the 21st century as simulated by a high resolution regional climate model. Chinese Science Bulletin, 2012, 57(5): 374-381.]

[14]
Uppala S M, Kallberg P W, Simmons A J, et al.The ERA40 reanalysis. Quarterly Journal of the Royal Meteorological Society, 2005, 131(612): 2961-3012.

[15]
Bromwich D H, Fogt R L.Strong trends in the skill of the ERA40 and NCEP-NCAR reanalyses in the high and midlatitudes of the Southern Hemisphere, 1958-2001. Journal of Climate, 2004, 17(23): 4603-4619.

[16]
Kalnay E, Kanamitsu M, Kistler R, et al.The NCEP/NCAR 40-year reanalysis project. Bulletin of the American Meteorological Society, 1996, 77(3): 437-471.

[17]
Willmott C J, Matsuura K.On the use of dimensioned measures of error to evaluate the performance of spatial interpolators. International Journal of Geographical Information Science, 2006, 20(1): 89-102.

[18]
Yue S, Pilon P, Cavadias G.Power of the mann-kendall and spearman's rho tests for detecting monotonic trends in hydrological series. Journal of Hydrology, 2002, 259(1): 254-271.

[19]
杨莲梅. 新疆极端降水的气候变化. 地理学报, 2003, 58(4): 577-583.

[Yang Lianmei.Climate change of extreme precipitation in Xinjiang. Acta Geographica Sinica, 2003, 58(4): 577-583.]

[20]
姜逢清, 胡汝骥, 杨跃辉. 新疆洪灾时间序列突变及其气候原因分析. 冰川冻土, 2004, 26(6): 674-681.

[Jiang Fengqing, Hu Ruji, Yang Yuehui.Abrupt change in the time sequences of flood disasters in Xinjiang and its possible climate reasons. Journal of Glaciology and Geocryology, 2004, 26(6): 674-681.]

[21]
陈曦, 夏军, 钱静. 三工河流域分布式水文模型研究. 干旱区地理, 2003, 26(4): 305-308.

[Chen Xi, Xia Jun, Qian Jing.Study on distributed hydrological model in Sangong River Basin. Arid Land Geography, 2003, 26(4): 305-308.]

[22]
IPCC. Climate change 2007: The physical science basis. In: Solomon S, Qin D, Manning M, et al. Contribution of Working Group 1 to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York: Cambridge University Press, 2007: 608-629.

[23]
Schiemann R, Luthi D, Vidale P L, et al.The precipitation climate of Central Asia: Intercomparison of observational and numerical data sources in a remote semiarid region. International Journal of Climatology, 2008, 28(3): 295-314.

[24]
Small E E, Giorgi F, Sloan L C.Regional climate model simulation of precipitation in central Asia: Mean and interannual variability. Journal of Geophysical Research: Atmospheres (1984-2012), 1999, 104(D6): 6563-6582.

[25]
姜燕敏, 吴昊旻. 20个CMIP5模式对中亚地区年平均气温模拟能力评估. 气候变化研究进展, 2013, 9(2): 110-116.

[Jiang Yanmin, Wu Haomin.Simulation capabilities of 20 CMIP5 models for annual mean air temperatures in Central Asia. Advances in Climate Change Research, 2013, 9(2): 110-116.]

[26]
Adam J C, Lettenmaier D P.Adjustment of global gridded precipitation for systematic bias. Journal of Geophysical Research: Atmospheres (1984-2012), 2003, 108(D9): 4257-4272.

[27]
Elguindi N, Giorgi F.Simulating multi-decadal variability of Caspian Sea level changes using regional climate model outputs. Climate Dynamics, 2006, 26(2-3): 167-181.

[28]
Liu Z, Ostrenga D, Teng W.Tropical rainfall measuring mission (TRMM) precipitation data and services for research and applications. Bulletin of the American Meteorological Society, 2012, 93(9): 1317-1325.

[29]
祝合勇, 杨太保, 田洪阵. 1973-2010年阿尔金山冰川变化. 地理研究, 2013, 32(8): 1430-1438.

[Zhu Heyong, Yang Taibao, Tian Hongzhen.Glacier variation in the Altun Mountains from 1973 to 2010. Geographical Research, 2013, 32(8): 1430-1438.]

[30]
Barry R G.Mountain Weather and Climate. New York: Cambridge University Press, 2013.

[31]
陈曦. 中国干旱区自然地理. 北京: 科学出版社, 2010.

[Chen Xi.Physical Geography of Arid Land in China. Beijing: Science Press, 2010.]

[32]
姚晓军, 张晓, 孙美平. 1960-2010年中国西北地区水分盈亏量时空特征. 地理研究, 2013, 32(4): 607-616.

[Yao Xiaojun, Zhang Xiao, Sun Meiping.Spatial-temporal characteristics of water deficit in Northwest China from 1960 to 2010. Geographical Research, 2013, 32(4): 607-616.]

Options
文章导航

/

〈 〉