CMIP6 模式对中国东部地区水循环的模拟能力评估

赵丹 张丽霞 周天军

1 中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室(LASG), 北京100029

2 中国科学院大学, 北京100049

1 引言

中国东部地处东亚季风区，人口和农业生产密集，区域水循环季节变化特征显著，水循环异常导致的旱涝灾害，常给当地生产、生活造成巨大损失（Zhang and Zhou, 2015; Liu et al., 2018）。区域水循环包括降水、蒸发、大气水汽输送和地表径流等环节，各分量的时空特征各不相同却彼此连结且相互影响，降水是连接各环节的重要纽带（Trenberth and Guillemot, 1998; Held and Soden, 2006）。因此，理解和准确模拟我国东部季风区水循环各环节的变化，对当地旱涝灾害防控具有重要意义。

受季风系统的调控作用，季风水汽输送对中国东部地区降水影响重大（Huang et al., 2004; Ding and Chan, 2005）。前人研究指出华南降水的外部水汽源地主要包括孟加拉湾、南海和西北太平洋，而中纬度西风带输送水汽对华北降水影响较大（Simmonds et al., 1999; Zhou and Yu, 2005）。最新研究通过箱体模型、欧拉和拉格朗日等解析和数值模型，量化了本地蒸发和外部水汽源对中国东部地区降水的相对贡献（Wei et al., 2012; Zhao et al.,2016, 2021; Guo et al., 2018），指出对于东亚不同地区来说，外部输送水汽对气候态降水的贡献均占主导，本地蒸发对年平均降水的贡献约20%，对气候态降水起主导作用的水汽来源并不一定主导降水年际变率。Brubaker 模型是一种基于在相对长时间尺度上假定固定区域内大气水汽量守恒的“箱体”解析模型，可以简便地计算出本地蒸发以及外部通过各边界输入水汽对区域降水的相对贡献，其中本地蒸发对区域降水的贡献比率称为降水再循环率（Brubaker et al., 1993）。Guo et al.（2019）对比了Brubaker 与两层水核算数值模型（WAM-2layers），发现二者表征的东亚气候态降水再循环率差异主要表现在高原地区。Brubaker 模型对边界选择较敏感，因此在地形复杂地区误差较大，而在其他地区结果与数值模型相近，因此可以采用Brubaker 模型用于计算中国东部地区降水再循环率。

全球气候模式是研究过去气候变化机理和预估未来气候变化的重要工具，但受全球气候系统的复杂性、气候模式的稳定性等因素影响，全球气候模式对东亚气候的模拟能力存在一定不足（Masson and Knutti, 2011; Sperber et al., 2013; Song and Zhou,2014a, 2014b）。因此在采用气候模式开展气候变化机理研究和气候预估之前，有必要对其模拟能力进行检验和评估，既为改进模式性能提供依据，又有助于理解模式结果不确定性的来源。国际耦合模式比较计划（CMIP）提供了各国气候模式数据共享和评估的平台，对全球气候模式的发展和数据资源国际共享发挥了重要作用（周天军等, 2019）。前人研究指出，CMIP3 和CMIP5 全球气候模式可以模拟出中国地区降水由西北向东南递增的分布，对华南沿海地区降水表现为低估，对华北地区和青藏高原地区表现为高估，区域平均为系统性的高估（刘敏和江志红, 2009; 陈晓晨等, 2014）。相对于再分析资料，CMIP5 模式集合平均高估黄河流域夏季蒸发，在长江流域偏差较小。对黄河流域和长江流域的夏季净水汽收入的模拟偏差与降水偏差一致，与模式对西太平洋副热带高压的强度和位置模拟相关（Bao and Feng, 2016）。CMIP3 和CMIP5大气模式中夏季西太平洋副热带高压模拟位置偏北，导致梅雨雨带模拟的偏差，而夏季降水年际变率的模拟依赖于模式对印度洋—西太平洋反气旋遥相关的再现，CMIP5 大气模式较之CMIP3 有显著改进（Song and Zhou, 2014a, 2014b）。

正在进行的CMIP6 是最新一代模式比较计划，提供了相较于前几代数量更多、试验设计更完备的气候模式数据（周天军等, 2019）。当前有关CMIP6的评估工作表明其对中国东部地区降水的模拟总体表现与CMIP5 一致，但在空间分布和降水趋势模拟方面有所提升，这可能与CMIP6 中西北太平洋海温的模拟偏差减小有关（Xin et al., 2020; Jiang et al., 2020）。但是，目前新一代CMIP6 模式对中国东部地区水循环的模拟能力尚不清楚。降水、蒸发和水汽输送是区域水循环的重要环节，是连接大气与陆地水圈的纽带，因此本文重点关注水循环的上述三个分量的气候态特征，围绕以下问题展开：（1）CMIP6 模式对东部季风区水循环各分量的气候平均态的模拟能力如何？（2）局地蒸发和外部水汽输送对CMIP6 模式中干湿偏差的贡献如何？（3）模式中外部水汽输送的偏差来源是什么？

2 资料与方法

2.1 模式和资料介绍

本文评估的19 个CMIP6 模式来自7 个国家（地区）13 个不同机构，模式分辨率在0.7°～2.8°之间，各模式信息见表1。我们采用历史模拟试验数据，所用变量包括降水、蒸发、地面气压、各层比湿、经向风和纬向风。

表1 19 个CMIP6 全球气候模式基本信息Table 1 Basic information of the 19 CMIP6 (Coupled Model Intercomparison Project Phase 6) models

本文采用如下观测和再分析资料来评估模式模拟性能：（1）CN05.1 逐月降水数据集，水平分辨率为0.5°×0.5°（吴佳和高学杰, 2013）；（2）全球陆面数据同化产品（Global Land Data Assimilation Systems, GLDAS）的蒸发数据（Rodell et al., 2004）；（3）欧洲中期天气预报中心（ECWMF）的ERAInterim 和ERA5（Dee et al., 2011; Hersbach et al.,2019）、美国国家航空航天局（NASA）的MERRA2（Gelaro et al., 2017）以及日本气象厅（JMA）的JRA-55（Kobayashi et al., 2015）再分析水汽和环流资料。

本文研究时段为1979～2014 年，所用数据均为月平均数据，均采用双线性插值方法插值到1°×1°分辨率以便于定量评估模式性能。文中春、夏、秋和冬季分别指3～5 月、6～8 月、9～11 月和12 月至次年2 月。

2.2 外部水汽和当地蒸发对区域降水贡献的计算方法

本文采用二元大气水汽通量模型Brubaker 模型（Brubaker et al., 1993）计算区域降水再循环率（ ρ），计算公式为

其中，E为区域平均蒸发量，A为区域面积，Fin为流入区域内的整层水汽量。采用Trenberth（1991）的方法计算大气整层积分纬向（Fu）和经向（Fv）水汽通量：

2.3 模式技巧评估方法

为了对各模式的模拟性能进行定量评估，我们采用以下技巧评分公式对模式在水循环的多方面进行评分（Chen et al., 2013）：

其中，R为模式与观测的相关系数，SDR 为模式模拟的标准差与观测的标准差之间的比值。

3 结果分析

本文关注水循环的以下关键过程：降水、蒸发、水汽输送以及不同来源水汽对降水的贡献，将从年平均气候态、季节循环等角度对CMIP6 模式进行系统评估，并分析模式误差的来源。

3.1 东部季风区水循环各环节气候态的模拟

我们首先评估CMIP6 模式对东部季风区的降水、蒸发及大气水汽收支气候平均态的模拟能力。图1 为观测和模式模拟的1979～2014 年平均降水强度的水平分布及差值，观测中降水呈现由西北向东南递增的特征（图1a），模式集合平均（MME）可以较好地模拟出该特征，与观测的空间相关系数为0.92（图1b）。19 个模式与观测的相关系数最高为0.94（UKESM1-0-LL），最低为0.67（BCCESM1）。MME 模拟的降水整体偏多，研究区区域平均的降水较之观测偏多0.28 mm d-1（图1c）。有7 个模式相对观测降水偏多，12 个模式偏少，最大湿偏差为1.04 mm d-1（MIROC-ES2L），最大干偏差为-0.48 mm d-1（MRI-ESM2-0）。对于华南沿海地区，90%的模式模拟的降水偏少，上述特征与CMIP3 和CMIP5 模式偏差一致。此外，CMIP3 和CMIP5 模式模拟的华北降水偏多（陈晓晨等, 2014），CMIP6 模式中约50%的模式在华北地区模拟的降水偏多，模式MME 为弱正偏差（0.12 mm d-1），体现了CMIP6 模式在华北降水模拟方面的改善。

图1 1979～2014 年中国东部地区气候态年平均降水强度（单位：mm d-1）的水平分布：（a）CN05.1 资料；（b）CMIP6 模式集合平均（MME）；（c）MME 与CN05.1 资料的差值。红色框区为中国东部地区（下同），R 表示MME 与观测在中国东部地区的空间相关系数，bias 表示中国东部地区平均的MME 相对于观测的偏差Fig. 1 Horizontal distributions of the climatological annual mean precipitation intensity (units: mm d-1) in eastern China for 1979-2014:(a) CN05.1 data; (b) MME (multi-model ensemble) of CMIP6; (c) differences between MME and CN05.1 data. The red boxes indicate eastern China(the same below). R is the spatial correlation coefficient between MME and CN05.1 data over eastern China, and the bias represents the differences of the regional average precipitation values between MME and CN05.1 data over eastern China

图2 为1979～2014 年GLDAS 资料与CMIP6模式模拟的年平均蒸发强度分布及差值。从GLDAS 资料的空间分布来看，研究区的气候态蒸发量与降水量分布特征一致，由西北向东南递增（图2a）。模式MME 的结果基本可以模拟出观测中蒸发的分布特征，与观测的空间相关系数为0.89，大值中心较之观测偏南（图2b）。模式与观测的空间相关系数范围为0.71～0.92，其中最高的为欧洲中心两个模式，最低为CESM2-WACCM 模式，模式间差异较小。19 个模式表现为一致的正偏差（0.03～0.98 mm d-1），MME 与观测的差值为0.34 mm d-1（图2c）。

图2 1979～2014 年中国东部地区气候态年平均的蒸发强度（单位：mm d-1）的水平分布：（a）GLDAS 资料；（b）CMIP6 模式MME；（c）MME 与GLDAS 资料的差值Fig. 2 Horizontal distributions of the climatological annual evaporation intensity (units: mm d-1) in eastern China for 1979-2014: (a) GLDAS (Global Land Data Assimilation Systems) data; (b) MME of CMIP6; (c) differences between MME and GLDAS data

我们进一步给出了观测、多套再分析资料以及CMIP6 模式中东部季风区（图1、2 中红色框区）水分平衡的年循环分布（图3）。受季风影响，观测及四套再分析资料的降水和蒸发年循环均表现为夏季的单峰分布，降水在6 月达到最大，蒸发则在7 月最强。观测的降水峰值为5.61 mm d-1，各再分析资料的降水峰值略高于观测，几套再分析资料集合平均的峰值为6.25 mm d-1。各月的蒸发均低于降水，观测和再分析资料集合平均的蒸发峰值分别为3.10 mm d-1和3.51 mm d-1。就降水与蒸发之差（P－E）而言，再分析资料与观测的年循环特征基本一致，峰值出现在6 月，前者峰值（3.22 mm d-1）较之后者（2.88 mm d-1）偏高。CMIP6 模式MME 可再现观测的降水、蒸发及P－E的年循环单峰特征，只是降水和P－E的峰值均滞后于观测一个月，蒸发的峰值与观测一致，出现在7 月。MME 的降水在冬春季略大于观测，夏季与观测接近，蒸发则在全年均大于观测，P－E在夏季小于观测和所有的再分析资料。

图3 1979～2014 年观测、再分析资料及CMIP6 模式中国东部地区区域平均的（a）降水、（b）蒸发及（c）降水与蒸发之差（P－E）的气候态年循环分布。黑色线、红色线和深蓝色线分别代表观测、CMIP6 模式MME 和再分析资料集合平均，浅蓝色线、黄色线、绿色线和紫色线分别代表MERRA2、ERA-Interim、JRA55 和ERA5，灰色线代表CMIP6 各模式Fig. 3 Climatological annual cycle of the (a) precipitation, (b) evaporation, and (c) their differences (P－E) in the observations, reanalysis, and CMIP6 models area-averaged over eastern China for 1979-2014. The black, red, and dark blue lines represent the observation, MME, and reanalysis mean, respectively. The light blue, yellow, green, and purple lines represent MERRA2 (Modern-Era Retrospective Analysis for Research and Applications) data, ERA-Interim (European Centre for Medium-Range Weather Forecasts (ECMWF) interim reanalysis) data, JRA55 (Japanese 55-year Reanalysis) data, and ERA5 (Fifth major global reanalysis produced by ECMWF) data, respectively. Gray lines denote the CMIP6 models

就各模式间的差异而言，蒸发的模式间离差最小，P－E最大，最大差异均出现在夏季。较之观测的降水、蒸发和P－E，均方根误差（RMSE）最小的模式分别为IPSL-CM6A-LR（0.41 mm d-1），MRI-ESM2-0（0.14 mm d-1）和CESM2（0.33 mm d-1），RMSE 最大的模式分别为MIROC-ES2L（1.30 mm d-1），MIROC-ES2L（1.01 mm d-1）和GISS-E2-1-H（1.05 mm d-1）。由图3c 可以看到大多数模式模拟的P－E较之观测和再分析资料偏小，但仍有部分模式较之观测和再分析资料偏多。同时我们发现，BCC-ESM1、CAMS-CSM1-0、GISS-E2-1-G、GISS-E2-1-H 和NESM 五个模式的P－E年循环分布与观测不符，峰值出现在春季而不在夏季，且其夏季的P－E较之观测和其他模式显著偏少，此偏差主要是由降水年循环的模拟偏差造成，春季降水偏多，夏季降水显著偏少（图略）。从年平均的降水和P－E来看，这五个模式在全部模式中属于偏高，但在夏季其P－E和降水都偏少，则无法根据它们正确地分析干、湿模式的模拟差异，故在分析模式模拟误差来源时将其排除。

为了分析不同模式中干、湿差异产生的原因，我们以再分析资料中的ERA5 作为参考场，选取与观测和再分析资料干湿季年循环分布一致的模式（即排除BCC-ESM1、CAMS-CSM1-0、GISS-E2-1-G、GISS-E2-1-H 和NESM 五个模式）中模拟P－E值最大的五个模式（UKESM1-0-LL、CESM2-WACCM、CESM2、MIROC6、MIROC-ES2L）和最小的五个模式（BCC-CSM2、MRI-ESM2-0、IPSLCM6A-LR、GFDL-CM4、EC-Earth3-Veg）分别代表CMIP6 模式中偏湿和偏干的模式。因为CMIP6模式整体的降水与蒸发之差相对于各再分析资料均偏小（表现为干偏差），故文中只选取ERA5 作为参考场对模式间的差异进行比较分析。

我们进一步定量评估了模式中本地蒸发及各边界输入水汽对研究区降水的相对贡献（图4）。对于中国东部地区降水而言，ERA5 中降水再循环率呈现自冬季向秋季逐渐增加的年循环特征，9 月达到最大（31%），冬季最小（约5%），说明研究区外输入的水汽对该地区降水起主导作用。南边界输入水汽贡献率的年循环特征与降水一致，夏季达峰值（约65%），其余月份降水由西边界输入水汽主导（41%～76%），东边界和北边界输入水汽的贡献率仅为0～20%。CMIP6 模式整体可以模拟出降水各水汽来源贡献率的年循环特征。与ERA5相比，模式MME 的差异主要表现在本地蒸发以及东边界和北边界输入水汽的贡献偏大，而西边界和南边界输入水汽的贡献偏小，偏差依次为4.8%，2.37%，1.52%，-3.72%和-4.98%。比较干模式和湿模式模拟结果，两类模式在西边界的偏差与模式MME 比较一致，整体而言湿模式均比干模式以及MME 结果更接近ERA5，尤其是湿模式对南边界输入水汽贡献的模拟与ERA5 非常接近，而干模式的偏差则较MME 更大。

图4 1979～2014 年ERA5 资料与CMIP6 模式中（a）本地蒸发和（b）西边界、（c）东边界、（d）北边界、（e）南边界来源水汽对中国东部地区降水贡献率的年循环。ERA5、CMIP6 模式MME、湿模式平均和干模式平均分别用黑色、红色、绿色和黄色线表示，阴影表示19个CMIP6 模式的范围，下同Fig. 4 Climate mean annual cycles of contributions to the precipitation over eastern China from the (a) local evaporation, moisture influxes from (b)western boundary, (d) eastern boundary, (d) northern boundary, (e) southern boundary derived from ERA5 data and CMIP6 models during 1979-2014.Results for ERA5, MME of CMIP6, wet models mean, and dry models mean are represented by black, red, green, and yellow lines, respectively.Shadings indicate the range of 19 CMIP6 models, the same below

图5 给出了CMIP6 各模式在气候态平均降水、蒸发分布，降水、蒸发，P－E，降水再循环率，西、东、北及南边界输入水汽对降水贡献率的年循环分布方面的技巧评分。可以看到，模式整体在蒸发年循环分布方面模拟技巧最高（模式平均评分0.97），而对东边界输入水汽的降水贡献率模拟较差（0.45）。对于P－E年循环分布与观测不符的五个模式，其中CAMS-CSM1-0、GISS-E2-1-G、GISS-E2-1-H 为降水年循环评分最低的三个，同时这五个模式的降水和P－E年循环与观测的相关系数均是较低的五个模式。19 个模式中各项平均评分最高的模式为CNRM-ESM2-1（0.89），最低的模式为GISS-E2-1-H（0.68）。

图5 1979～2014 年CMIP6 各模式在气候态平均降水（Clim_PRE）、蒸发分布（Clim_EVP），降水（AC_PRE）、蒸发（AC_EVP），P－E（AC_P-E），降 水 再 循 环 率（Recycling），西（Contribution_west）、东（Contribution_east）、北（Contribution_north）及 南（Contribution_south）边界输入水汽对降水贡献率的年循环分布方面的技巧评分Fig. 5 Skill score of each CMIP6 model in simulating the climatological precipitation (Clim_PRE) and evaporation (Clim_EVP), annual cycle of precipitation (AC_PRE), evaporation (AC_EVP), P－ E (AC_P-E), precipitation recycling ratio (Recycling), the contribution of western(Contribution_west), eastern (Contribution_east), northern (Contribution_north), and southern (Contribution_south) influx to the precipitation during 1979-2014

3.2 水汽输送对降水贡献的模拟误差来源

前文分析发现CMIP6 模式对蒸发年循环及降水再循环率的模拟偏差较小，说明降水水汽来源偏差主要源自对外部输入水汽的模拟。因此，我们给出了外部四个方向进入研究区的水汽通量，以解释模式偏差及模式间的差异（图6）。ERA5 中研究区内总水汽输入量年循环特征与P－E类似，在6月达到峰值（532.39×106kg s-1）。就各边界而言，由南边界输入的水汽量年循环特征与输入的水汽总量一致，6 月份占比达66%（352.41×106kg s-1）。与ERA5 相比，模式模拟的输入水汽总量在5～10月期间与ERA5 相当，模式偏差及模式间差异在夏季最大，输入的水汽总量少于ERA5，导致图4a中降水再循环率整体偏高，其中干模式结果偏差更大。模式在南边界的差异与输入水汽总量一致，模式总体偏少，干模式偏差较MME 偏差更大，湿模式则略多于ERA5。而对于其他三条边界，在各边界上水汽输入量的大值时段，模式MME 的水汽输入量相对ERA5 偏多，湿模式在各边界上同样更接近ERA5。总体而言，模式中输入到研究区的水汽总量差异主要由夏季的南边界水汽输入量主导。

图6 1979～2014 年平均的ERA5 资料与CMIP6 模式外部输入到中国东部地区的水汽通量（MI）的年循环：（a）水汽输入总量；（b）西边界；（c）东边界；（d）北边界；（e）南边界Fig. 6 Climate mean annual cycles of (a) total moisture influxes (MI) and (b) western boundary, (d) eastern boundary, (d) northern boundary, (e)southern boundary moisture influxes derived from ERA5 data and CMIP6 models to eastern China during 1979-2014

为了更细致地分析模式中水汽流入量的差异来源，我们进一步将大气在垂直方向上分为三层：低层（地表至700 hPa），中层（700～400 hPa）和高层（400～100 hPa）。由图7 所示，对于夏季，ERA5 和模式MME 在西边界和北边界的总水汽流入中，中层水汽所占比例最高，在东边界和南边界则以低层水汽主导。但通过比较ERA5 与MME 各层流入水汽的差异，可以发现四条边界上差异最大的均为低层流入的水汽，所以接下来我们主要针对低层来分析模式偏差来源。

图7 1979～2014 年平均的ERA5 资料与CMIP6 模式中由（a）西、（b）东、（c）北、（d）南边界不同层（整层、高、中、低）进入中国东部地区的水汽通量。实线表示ERA5 资料，虚线表示CMIP6 模式MME。整层、低层、中层和高层水汽分别用黑色、红色、黄色和蓝色线表示Fig. 7 Climate mean of moisture influxes to eastern China via (a) western, (b) eastern, (c) northern, and (d) southern boundary in different levels(vertical integrate, low-level, mid-level, and high-level) during 1979-2014 derived from ERA5 data and CMIP6 models. Solid lines indicate ERA5 data and dash lines indicate MME of CMIP6. Whole, low-level, mid-level, and high-level moisture influxes are represented by black, red, yellow, and blue lines, respectively

根据公式2 和3 可知，决定水汽通量大小的要素为风速和大气比湿。为了进一步量化这两个要素在决定各边界水汽通量中所起的作用，我们比较了各边界上ERA5 和19 个CMIP6 模式的低层夏季水汽流入通量和其对应的低层风速以及低层水汽含量的相关关系（图8）。总体而言，决定模式中各边界低层水汽输入的主要因素为低层风场的强度，各边界上水汽输入量与风场的相关系数均高于其与水汽含量的相关系数，尤其是在起主导作用的南边界上，相关系数分别为0.97 和0.50，即CMIP6 中各边界的水汽输入量的模式间差异主要由风场的差异来主导。具体而言，ERA5 中，四条边界中经南边界输入的水汽通量最高，其次为东、西和北边界。比较而言，模式整体的风场在西边界、东边界和北边界较ERA5 均偏强，而在南边界多数模式偏弱。水汽含量在西边界和北边界偏高，南边界偏低，东边界偏差较小。湿模式整体的水汽含量在各边界均较干模式偏高，风场在南边界较干模式偏强，在其余边界则无显著差异。

图8 1979～2014 年平均的ERA5 资料与CMIP6 模式中夏季各边界低层水汽输入量（横坐标）与水汽含量（纵坐标，左列）、风场（纵坐标，右列）的散点图。绿色字母表示湿模式，棕色字母表示干模式，红点表示ERA5 资料Fig. 8 Scatter plots of climate mean summer low-level moisture influxes (x-axis) versus low-level water vapor content (y-axis, left panel), low-level wind field (y-axis, right panel) at each boundary in ERA5 data and CMIP6 models during 1979-2014. Green letters, brown letters, and red dots indicate wet models, dry models, and ERA5 data, respectively

为了进一步明确风场和水汽含量对东亚东部地区水汽输送的贡献，我们比较了模式中夏季平均低层风场及大气可降水量与ERA5 的差异（图9）。对于北边界和西边界而言，模式MME 及干、湿两类模式的低层水汽含量都表现为系统性正偏差，而MME 和干模式在南边界和东边界上为负偏差，干模式偏差更大，湿模式则为正偏差。由于决定模式中各边界低层水汽流入通量差异的主导因素为相应的低层风场，故在此给出低层风场的水平分布。东亚季风区夏季低层盛行西南季风，CMIP6 模式MME 与ERA5 的差值表现为平均西风偏强，研究区东南部的西北太平洋地区呈现气旋性环流偏差，使得东边界和南边界上分别为东北风和北风偏差，减弱了南边界进入研究区的水汽输送（图9a、b）。比较干、湿模式发现，湿模式与ERA5 的差值（图9c）在南边界和东边界上分别为偏南和偏东风偏差，有利于加强气候态风场对水汽的输送。干模式的偏差特征与MME 基本一致，但偏差强度更大。综上可知，西风偏强为CMIP6 模式一致的系统性偏差，造成模式间对输入研究区的水汽总量的模拟差异的主要原因在于对西北太平洋副热带高压西南侧的西南风场的模拟差异。

图9 1979～2014 年夏季平均的低层风场（箭头，单位：m s-1）、水汽含量（阴影，单位：mm）分布：（a）ERA5 资料；（b）CMIP6 模式MME、（c）湿模式MME、（d）干模式MME 与ERA5 资料的差值。黑色斜线区域表示水汽含量差异通过15%显著性水平，风场差值场只显示了通过15%显著性水平检验的区域Fig. 9 Spatial distributions of climate summer mean low-level winds (arrows, units: m s-1) and water vapor content (shadings, units: mm) during 1979-2014: (a) ERA5 data; differences between (b) MME of CMIP6 models, (c) wet models mean, (d) dry models mean and ERA5. The black lines indicate that the difference in water vapor content is at the 15% significance level. Only the wind difference vectors statistically at the 15% significance level are shown

前人研究指出中国东部季风区的水汽来源主要有孟加拉湾、南海和西太平洋（丁一汇和胡国权,2003），流入南边界的水汽主要是由西南季风和西太平洋副热带高压反气旋西南缘的东南风辐合输送。图10 中以10°～20°N 纬向风速最小的位置（红色点）来表示西南季风与副热带高压西南缘东南风的辐合位置。由图可见，ERA5、19 个CMIP6 模式MME、湿模式和干模式中辐合开始的位置分别为136°E、137°E、128°E 和141°E，MME 中风场辐合位置比ERA5 稍偏东，而干模式较之湿模式辐合位置明显偏东13 个经度。为进一步定量说明辐合带位置与南边界水汽输送通量的相关性，图11 给出了19 个模式的西北太平洋辐合带位置与低层夏季南边界水汽流入通量和其对应的低层风速的散点图。可以看到，辐合带位置与南边界水汽流入通量以及南边界低层风速都具有显著的相关关系，相关系数分别达到-0.85 和-0.9。辐合带位置越偏东，导致研究区南侧的东南风强度越弱，从而使得通过南边界的风场强度较弱，水汽输送随之偏弱。可见，模式对西北太平洋辐合带的模拟能力，对于中国东部季风区水汽流入以及区域内水循环的准确模拟具有重要作用（Bao and Feng, 2016）。CMIP6 模式平均模拟结果与最新一代再分析资料ERA5 非常接近，但模式间的差异较大。同时可以发现，模式MME 及干模式中西太平洋副热带高压位置相较于ERA5 更偏东北，与CMIP5 模拟结果类似（Song and Zhou, 2014a, 2014b），从而辐合带位置偏东，使得研究区南边界风场偏弱，输入水汽量偏少。而湿模式中西太平洋副热带高压位置与ERA5 相比为西北偏差，从而辐合带位置偏西，经南边界输入水汽量偏多。

图10 1979～2014 年夏季平均的850 hPa 风场（单位：m s-1）的水平分布：（a）ERA5 资料；（b）CMIP6 模式MME；（c）湿模式MME；（d）干模式MME。红点为西北太平洋地区纬向风速最小的位置，即西北太平洋辐合带的位置Fig. 10 Spatial distributions of climate summer mean winds at 850 hPa during 1979-2014 derived from (a) ERA5 data, (b) MME of CMIP6, (c)MME of wet models, and (d) MME of dry models. The red dots indicate the locations of the minimum wind speed over the Northwest Pacific, i.e., the location of the Northwest Pacific convergence zone

图11 1979～2014 多年平均夏季ERA5 资料与CMIP6 模式西北太平洋辐合带经度位置与南边界低层（a）水汽输入量、（b）风场的散点图。绿色字母表示湿模式，棕色字母表示干模式，红点表示ERA5 资料Fig. 11 Scatter plots of the climate summer mean location of the Northwest Pacific convergence zone versus (a) low-level moisture influxes and (b)low-level wind field at the southern boundary in ERA5 data and CMIP6 models during 1979-2014. Green letters, brown letters, and red dots indicate wet models, dry models, and ERA5, respectively

4 总结

本文基于观测和ERA5 再分析资料，评估了CMIP6 的19 个模式对中国东部季风区水循环气候态的模拟能力，并分析了模式中降水水汽来源贡献的模拟误差来源。主要结论如下：

（1）对气候态分布而言，模式MME 的降水较之观测在研究区区域平均偏多0.28 mm d-1，主要表现在华北地区，而在华南沿海地区，大多数模式模拟的降水偏少，而蒸发在19 个模式中均为空间分布较均匀的正模拟偏差。对于年循环分布，模式MME 可再现观测的降水、蒸发及P－E的单峰特征，但降水和P－E的峰值均滞后于观测一个月，蒸发峰值与观测一致。MME 以及大多数模式模拟的P－E较之观测和再分析资料偏小。

（2）对于中国东部地区降水而言，研究区外输入的水汽起主导作用，降水再循环率9 月达最大（31%）。夏季降水由南边界进入的水汽主导（贡献约65%），其余月份降水基本由西边界进入的水汽主导（41%～76%）。CMIP6 模式可以模拟出ERA5 中降水各水汽来源贡献率的年循环特征，只是较之ERA5 模式模拟的降水再循环率偏大（MME 年平均偏大4.8%）以及由南边界进入的水汽贡献偏小（-4.98%）。19 个模式对降水再循环率模拟的最大偏差和最小偏差分别为1.23%和0.37%，对由南边界输入的水汽贡献偏差分别为-10.71%和0.37%。

（3）相较于ERA5，模式对中国东部地区降水的模拟偏差主要源自对外部输入水汽的模拟，模式间差异由夏季自南边界低层输入的水汽通量主导。在决定水汽通量的两个要素风场和大气比湿中，CMIP6 中各边界的水汽输入量的模式间差异主要由风场的差异主导，模式模拟的西风均较之ERA5偏强，干、湿模式间主要差异源自湿模式中研究区南侧的西南风场更强。不同模式对西南风场强度的再现受到其对西北太平洋辐合带的模拟的影响，辐合带位置越偏东，研究区南侧的西南风强度越弱，从而使得通过南边界的风场较弱，水汽输送随之偏少。

本文的分析结果指出了多数CMIP6 模式模拟中国东部地区P－E偏少，造成此偏差的原因是西北太平洋辐合带模拟位置偏东，从而使得通过南边界进入中国东部地区的水汽偏少。为今后气候模式研发在西北太平洋辐合带模拟方面提供参考，从而有助于提高模式对东亚水循环的模拟能力。