长期以来气候系统模式被认为是进行气候模拟和未来气候变化预估的重要工具(Zhou et al.,2007)，他们在自然和人类活动外强迫下能够较好地模拟出全球变暖的主要特征(Zhou and Yu，2006)。在将全球气候模式应用到区域气候模拟过程中，由于计算机能力和资源的限制，模式水平分辨率一般较低，难以较好地描述区域地形和中小尺度物理和化学等作用过程，从而造成较大的模拟偏差(IPCC，2007；Xu et al.,2010)。高学杰等(2006)曾使用区域气候模式RegCM2，采用不同的水平分辨率对东亚降水进行了一系列的模拟试验，指出数值模式的水平分辨率对东亚和中国降水模拟的影响是非常重要的；Leung and Qian(2003)发现高水平分辨率提高了沿海岸山坡及盆地区域的降 水模拟效果，但在某些地区也可能过高估计降水量；Giorgi and Marinucci(1996)分析表明，降水量、云量、陆面能量通量和降水强度分布对水平分辨率比对地形强迫的作用要更加敏感，并指出物理方案对分辨率的敏感性可以明显调整地形强迫的作用；田芝平和姜大膀(2013)结合观测和再分析资料系统评价了模式水平分辨率对东亚和中国气候模拟的影响，发现不同水平分辨率对不同要素的模拟能力存在较大差异。

以往的气候模式模拟工作多集中在对湿润区气候的评估(覃卫坚等，2010；蒋晓武等，2010)，对干旱半干旱地区的分析少见，尤其是中亚地区。气候系统模式对干旱地区气候的模拟能力如何还有待深入地揭示和研究。中亚地处干旱和半干旱区，生态环境较为脆弱，我国西北的新疆地区也是该区域的一部分。该地区包括了乌兹别克斯坦、吉尔吉斯斯坦、土库曼斯坦、塔吉克斯坦、哈萨克斯坦、中国新疆和阿富汗北部等地区。由于地处欧亚大陆腹地，尤其是东南缘高山阻隔了来自印度洋、太平洋的暖湿气流，该地区气候为典型的大陆性温带沙漠、草原气候。研究表明近百年来中亚气候的变暖幅度大于中国东部季风区，甚至是后者变化幅度的两倍多(Chen et al.,2009)，就我国西北干旱区而言，特别是新疆自1987年以来气候出现由“暖干”向“暖湿”转型现象(Shi et al.,2007)。陈发虎等(2011)分析了中亚干旱区近80年来的降水变化特征及其区域差异，结果发现中亚干旱区降水对全球变暖的响应复杂，西风环流变化可能是影响中亚干旱区降水变化的主要因素。吴昊旻等(2013)利用气候模式BCC-CSM1.1的历史试验和4类典型浓度路径RCP(Representative Concentration Pathways)下未来预估试验结果，研究2011～2060年期间中亚地区年平均气温的时空演变特征。

随着模式水平分辨率的提高，气候系统模式能够更加真实地刻画下垫面类型，为研究干旱半干旱地区的气候变化提供了有力的研究工具，但是在利用不同水平分辨率的气候系统模式研究这些区域的气候变化之前，有必要深入分析模式水平分辨率的提高到底对这些地区的模拟性能有怎样的影响。基于这样的目的，本研究选取参与IPCC AR5(Intergovernmental Panel on Climate Change：Fifth Assessment Report)第五次耦合模式比较计划(CMIP5)的两种水平分辨率的BCC_CSM(Beijing Climate Center Climate System Model)气候系统模式的历史回报(Historical)试验结果，利用气候统计学方法来评估这两个不同水平分辨率的模式版本对中亚地区年平均地面气温气候要素的模拟性能，以考察模式水平分辨率对BCC_CSM气候系统模式模拟中亚气候能力的影响，为该气候系统模式的进一步改进和完善提供必要的参考。

目前，国家气候中心推出了两个版本的气候系统模式：BCC_CSM1.1(BCC_CSM version 1.1)和BCC_CSM1.1(m)(BCC_CSM version 1.1 with a moderate resolution)。 BCC_CSM1.1模式［全球分辨率约为2.8125°(纬度)×2.8125°(经度)］是由北京气候中心研发的气候系统模式。该模式是一个全球海洋—陆地—海冰—大气多圈层耦合的全球气候—碳循环耦合模式，以美国大气研究中心(NCAR)气候系统模式CCSM2的通量耦合器CPL5为基础，把国家气候中心研发的全球大气环流模式BCC_AGCM2.1和陆面过程模式BCC_AVIM1.0，与基于美国地球流体动力学实验室(GFDL)研发的全球海洋环流模式MOM4_L40和全球动力热力学海冰模式SIS实现全动态的耦合，并加入碳循环模块，能够模拟人类活动碳排放引起大气CO₂浓度变化和全球气候的影响，可满足IPCC AR5的模拟试验要求，详见Wu(2012)。大气模式BCC_AGCM2.1是一个全球谱模式，水平分辨率为T42波谱截断(全球分辨率约为2.8125°×2.8125°)，垂直分为26层。海洋分量模式MOM4_L40，水平分辨率是1°×1°，经向在热带地区加密到(1/3)°，垂直方向为40层。海冰分量为GFDL发展的模式SIS，水平分辨率与MOM_L40相同。

BCC_CSM1.1(m)模式是由BCC_CSM1.1发展而来的中等分辨率模式(全球分辨率约为1.125°×1.125°)，与BCC_CSM1.1版本的区别在于大气模块的水平分辨率，BCC_CSM1.1(m)模式的大气环流模式为BCC_AGCM2.2，该环流模式水平分辨率为T106波谱截断。两个BCC模式垂直方向上均分为26层，顶层为2.914 hPa(王璐等，2009；颉卫华和吴统文，2010)，使用了相同的动力框架和物理过程，两者的陆面、海洋和海冰分量是相同的(辛晓歌等，2012)。

两个BCC_CSM气候系统均耦合了全球碳循环，能够较好的模拟出20世纪包含人为碳排放的全球碳浓度及其时间演变特征(Wu et al.,2014)。不少科学研究中对两个模式的模拟结果，尤其是地面气温和降水的空间和季节演变特征进行了细致分析，如石彦军等(2012)对BCC_CSM模式模拟中国区域500 hPa不同季节的位势高度场、温度场等气象要素的能力进行检验；高峰等(2012)评估了BCC_CSM1.1模式年代际试验对10年尺度全球及区域地表温度的预测能力。Wu et al.(2013)检验了BCC_CSM1.1模式对工业化前到现在对陆地和海洋碳收支情况的模拟能力，并指出全球大气CO₂浓度与厄尔尼诺振荡周期密切相关，这与观测结果一致。Xin et al.(2013)对比了BCC_CSM1.0和BCC_CSM1.1模式对中国20世纪平均地面气温的模拟性能后发现，BCC_CSM1.1模式能够更好地模拟出平均地面气温的时间演变特征，比如中国1961～1990年1°C左右的增暖幅度，BCC_CSM1.1模式的模拟结果与观测数据相一致。

本研究所使用的模式资料主要是由参与IPCC AR5第五次耦合模式比较计划(CMIP5)的BCC_CSM1.1和BCC_CSM1.1(m)模式提供的1901～2011年的历史气候模拟试验(简称Historical试验)的模式结果。

观测资料使用的是英国东英吉利亚(East Anglia)大学的CRU(Climatic Research Unit)最近释放的1901～2011年全球陆面月平均地面数据集CRU_TS_3.2，其空间水平分辨率达到0.5°×0.5°(http://badc.nerc.ac.uk/browse/badc/cru/data[05])。CRU资料在重建过程中包括了严格的时间均一性检验，空间分辨率更高，时间尺度更长，一直以来是IPCC评估报告采用的系列数据之一(IPCC，2001)。该数据集提供了包括平均温度、最高温度、最低温度、降水等要素在内的10个地表变量，在全球气候变化的科学研究中得到广泛应用(Folland et al.,2001；Jones et al.,2001)。

再分析资料为NCEP/NCAR(Kalnay et al.,1996)和ERA-40提供的数据集。NCEP/NCAR数据集是美国国家环境预报中心(NCEP)和美国国家大气研究中心(NCAR)利用观测资料、预报模式和同化系统对全球从1948年到目前的气象资料进行再分析形成的格点资料(施晓晖等，2006)。ERA-40是欧洲中期数值预报中心(ECMWF)于2003年完成第二代再分析资料。相对于第一代再分析资料(NCEP-1、NCEP-2和ERA-15)来说，ERA-40无论在空间分辨率还是时间尺度上都有较大的改进(Simmons and Gibson，2000；Uppala et al.,2004)。

为了研究气候要素的年际变率，对观测数据和模拟结果的标准差进行了计算。标准差可以反映数据的离散程度，将标准差运用到时间上可以反映变率。BCC_CSM1.1的水平分辨率为T42波谱截断，BCC_CSM1.1(m)的水平分辨率为T106波谱截断，而CRU观测数据为0.5°×0.5°，NCEP再分析资料中辐射和地表热通量变量分辨率为1.9°×1.9°。为了能够对不同分辨率的资料作对比分析，本研究在做历史回报结果检验时，将BCC_CSM1.1和BCC_ CSM1.1(m)的降水和气温数据通过双线性插值方法插值到CRU资料分辨率0.5°×0.5° 网格上；做辐射和地表热通量分析时，将两个BCC模式的模拟结果插值到NCEP的1.9°×1.9°网格以及ERA-40的1.125°×1.125°网格(为减少插值误差)。

气温是构成气候的重要气象要素，本研究在年时间尺度上研究BCC_CSM两种分辨率的气候模式对1948～2011年期间中亚地区地面气温的模拟能力，并结合辐射和地表热通量等要素，进一步分析模式分辨率提高对中亚气候模拟性能的影响，从而为模式改进提供参考。

图 1是中亚地区(35°N～55°N，50°E～95°E)区域平均的BCC_CSM1.1和BCC_CSM1.1(m)历史模拟试验结果和CRU资料的年平均地面气温在1948～2011年间的时间变化特征。两个模式与观测结果的相关系数分别为0.613和0.633，均通过了99%的信度检验。趋势分析的结果显示观测结果和两个模式的模拟结果均呈显著的增温趋势，BCC_CSM1.1模式结果的增温趋势与CRU资料更为接 近。10年滑动平均可以较好反映年代际变化特征，从该曲线来看，三者的时间演变特征大致相同。

图 1

Fig. 1

图 1 1948～2011年中亚区域年平均地面气温演变特征(直线：线性拟合；虚线：10年滑动平均；单位：°C)Fig. 1 Time series of the mean annual surface air temperature regionally averaged over Central Asia during 1948−2011(Straight lines: linear fitting; dashed curves: 10-year running mean; units: °C)

图 2a是中亚地区年平均地面气温观测结果的空间分布图。从数值高低分布来看，CRU数据中气温低于零度的区域，主要出现在中国新疆南部以及中国、蒙古和俄罗斯三国的交界处。高值中心(大于12°C)区域主要分布在乌兹别克斯坦和土库曼斯坦，在中国新疆塔里木盆地中也有高值中心出 现。在乌兹别克斯坦、土库曼斯坦和哈萨克斯坦南部，年平均气温由南向北递减。由图 2b和图 2c可知，两个BCC模式均能模拟出中亚地区地面气温由南向北递减的分布趋势，尤其是乌兹别克斯坦、土库曼斯坦和哈萨克斯坦南部一带。BCC-CSM1.1模式能够部分模拟出中国新疆的地面气温分布，但数值和位置差异较大。BCC-CSM1.1(m)较BCC- CSM1.1有较大改进，对新疆塔里木盆地地区的地面气温空间分布模拟较好，只是数值略为偏低。

图 2

Fig. 2

图 2 1948～2011年中亚地区气候态的(a)CRU年平均地面气温、(b)BCC_CSM1.1和(c)BCC_CSM1.1(m)模拟结果、(d)BCC_CSM1.1和(e)BCC_CSM1.1(m)模拟结果与观测数据差异场以及(f)两个模式结果之间差异场的空间分布(单位：°C)Fig. 2 The spatial distribution of the climatology of(a)the CRU observed，(b)BCC_CSM1.1 and (c)BCC_CSM1.1(m)modeled mean annual surface air temperature，differences between observations and the simulation from(d)BCC_CSM1.1 and (e)BCC_CSM1.1(m)，and (f)modeled mean annual surface air temperature differences between the two models over Central Asia averaged over 1948−2011(units: °C)

从差异场(图 2d和图 2e)来看两个模式对中亚地区的气温模拟同时存在高估(正值区)和低估(负值区)。从等值线数值来看，高估的程度远低于低估。高估的误差数值范围在0～2°C，其区域主要集中在哈萨克斯坦境内和乌兹别克斯坦的西北部，在中国新疆有零星的分布。低估的误差远大于高估，主要体现在中国新疆的塔里木盆地。BCC_CSM1.1模式的误差大于10°C，且低估的区域较大。BCC_CSM1.1(m)的模拟效果优于BCC_CSM1.1，误差数值减小，同时低估区域缩小，在中国新疆的塔里木盆地表现尤为明显。从两个模式间的地面气温差异场(图 2f)来看，差异较大的区域位于中国新疆塔里木盆地，BCC_CSM1.1(m)较BCC_CSM1.1更加接近观测值。另外在中国、蒙古和俄罗斯三国交界处，以及哈萨克斯坦东南部到土库曼斯坦东部一带也有较显著的改进，差异数值在2°C左右。可能由于BCC_CSM1.1(m)气候模式水平分辨率的提高，能较好地刻画新疆中部沙漠地区的下垫面特征。

图 3是过去64年来观测和模拟的中亚年平均地面气温标准差以及模拟结果和观测之间差异的空间分布。CRU资料显示，年平均地面气温标准差呈现由南向北递增的趋势。中亚北部的哈萨克斯坦北部和俄罗斯，标准差大于1.0°C，在蒙古西部出现了1.2°C的高值区域。而低值区域主要集中在中国新疆、阿富汗北部以及塔吉克斯坦一带。在中国新疆南部和东部，数值小于0.7°C。BCC_CSM1.1和BCC_CSM1.1(m)两个模式较好地再现了中亚年平均地面气温标准差由南向北递增的总体趋势，但在细节处差异较明显。在中亚北部地区，两个模式均存在较明显的高估，BCC-CSM1.1模式略好于BCC-CSM1.1(m)。对中国新疆低值区域的模拟，整体趋势一致，但BCC-CSM1.1模式比BCC-CSM1.1(m)更接近于观测数值。

图 3

Fig. 3

图 3 1948～2011年：(a)CRU观测；(b)BCC_CSM1.1和(c)BCC_CSM1.1(m)模拟的中亚地区年平均地面气温标准差；(d，e)两个BCC_CSM模式模拟结果与观测以及(f)两个BCC_CSM模式模拟结果差异场的空间分布(单位：°C)Fig. 3 The spatial distribution of st and ard deviation of(a)the CRU observed，(b)BCC_CSM1.1 and (c)BCC_CSM1.1(m)modeled mean annual surface air temperature，differences between observations and the simulation from(d)BCC_CSM1.1 and (e)BCC_CSM1.1(m)，and (f)modeled st and ard deviation of mean annual surface air temperature differences of the two models over Central Asia averaged over 1948−2011(units: °C)

图 3d和图 3e是两个BCC_CSM模式与CRU观测数据标准差的差值场。两个模式的标准差较CRU观测资料同时存在偏高与偏低，在中亚北面以偏高为主，南面以偏低为主。相对于BCC_CSM1.1(m)，BCC_CSM1.1模式与观测数据更为接近，仅在哈萨克斯坦北部和俄罗斯、中国新疆东部以及阿富汗北部到吉尔吉斯斯坦一带高于0.8°C。BCC_CSM1.1(m)模式模拟结果的标准差在俄罗斯、中国新疆东部和中部地区偏高0.4°C以上，仅在哈萨克斯坦西南部、土库曼斯坦和乌兹别克斯坦一带的偏差小于0.1°C。图 3f是两个BCC模式的差异场，BCC_CSM1.1(m)模式标准差较BCC_ CSM1.1的整体偏高，差异最大的区域集中在中国新疆北部、哈萨克斯坦东部到俄罗斯和蒙古交界一带，数值达到0.3°C以上，其次是里海北部沿岸，范围较小，数值在0.3°C。

陆气间动量和热量交换对于气候变化和大气环流起着不容忽视的作用，为了进一步研究两种BCC模式的模拟能力差异，引入了感热通量、潜热通量。图 4a是NCEP再分析资料显示中亚地区的年感热通量空间分布。整个中亚地区，感热通量以正值为主，在俄罗斯境内出现负值区域，在中国、俄国、蒙古交界处以北有一个小的负值中心。高值区域位于里海沿岸，最大值出现在土库曼斯坦、乌兹别克斯坦、伊朗及阿富汗北部，数值达到50 W m⁻²以上。此外，在中国的新疆东部地区也出现了高值区域，数值在40 W m⁻²左右。对比图 2a，感热通量的分布与年平均气温较为相似，高低值中心的空间分布总体上保持对应关系。两个BCC模式对中亚区域的年感热通量空间分布模拟结果尚可(图 4b和图 4c)，对土库曼斯坦、乌兹别克斯坦、伊朗及阿富汗北部的高值区域模拟较好。但对俄罗斯境内的负值区域，模拟效果不理想。

图 4

Fig. 4

图 4 1948～2011年：(a)NCEP再分析资料感热通量空间分布；(b)BCC_CSM1.1和(c)BCC_CSM1.1(m)模拟的中亚地区年平均地面感热；(d、e)两个BCC_CSM模式模拟结果与NCEP再分析资料之间差异场的空间分布以及(f)两个BCC_CSM模式模拟结果之间差异场的空间分布(单位：W m−2)Fig. 4 The spatial distribution of the(a)NCEP reanalysis，(b)BCC_CSM1.1 and (c)BCC_CSM1.1(m)modeled mean annual surface sensible heat fluxes，and difference between NCEP reanalysis and the simulation from(d)BCC_CSM1.1 and (e)BCC_CSM1.1(m)，and (f)modeled mean annual surface sensible heat flux differences of the two models over Central Asia averaged over 1948−2011(units: W m−2)

从模式与NCEP再分析资料的差异场看(图 4d和图 4e)，多数区域的误差在10 W m⁻²以下，主要有哈萨克斯坦和中国新疆大部分区域。两个模式的模拟误差分布较为接近，偏高的区域均集中在中亚北部的俄罗斯和中国、塔吉克斯坦和阿富汗交界处。偏低区域分布于里海沿岸地区。其中BCC_ CSM1.1(m)模式模拟偏高区域较BCC_CSM1.1小，且偏高的数值减小，俄罗斯境内的偏高误差减小较为明显；但对于里海沿岸模拟偏低区域，BCC_ CSM1.1的模拟效果略好于BCC_CSM1.1(m)。

图 4f是两个模式模拟的感热通量差异场。在大部分区域，两个模式的差异在5 W m⁻²以下。将该差异场结合图 4d进行分析，模式差异场中的负值区域，主要集中在俄罗斯境内、里海沿岸以及中国新疆南部及北部等地区，在图 4d中显示为正值；而模式差异场中的正值区域，位于中国新疆西部的塔里木盆地，在图 4d中表现为负值。这说明，在上述区域内，BCC_CSM1.1(m)模式模拟结果相对于BCC_CSM1.1模式改进较为明显。对比图 4f和图 2f(年平均气温模拟差异场)，二者高低值分布较为相似，存在对应关系，在中国的新疆地区表现尤为明显。

图 5a是中亚地区NCEP再分析资料年潜热通量的空间分布。与感热通量(图 4a)和年平均气温(图 2a)的空间分布近乎相反，潜热通量的低值中心出现在哈萨克斯坦南部、土库曼斯坦、乌兹别克斯坦及阿富汗北部一带以及中国新疆的东部地区。高值中心主要位于中亚北面的俄罗斯境内、里海及沿岸以及中国新疆南部和西藏地区。两个BCC模式的模拟误差以模拟偏低为主，误差最大的区域位于中亚北部的俄罗斯境内，BCC-CSM1.1(m)模式比BCC-CSM1.1略好，误差的数值有所减小。模拟偏高的区域则出现在里海沿岸，即哈萨克斯坦西南部，呈现一个小的高值中心。

图 5

Fig. 5

图 5 1948～2011年：(a)NCEP再分析资料潜热通量空间分布；(b)BCC_CSM1.1和(c)BCC_CSM1.1(m)模拟的中亚地区年平均地面潜热；(d、e)两个BCC_CSM模式模拟结果与NCEP再分析资料之间差异场的空间分布以及(f)两个BCC_CSM模式模拟结果之间差异场的空间分布(单位：W m−2)Fig. 5 The spatial distribution of the(a)NCEP reanalysis，(b)BCC_CSM1.1 and (c)BCC_CSM1.1(m)modeled mean annual surface latent heat fluxes，and difference between NCEP reanalysis and the simulation from(d)BCC_CSM1.1 and (e)BCC_CSM1.1(m)，and (f)modeled mean annual surface latent heat flux differences of the two models over Central Asia averaged over 1948−2011(units: W m−2)

从两个模式的差值场(图 5f)来看，整体的模拟结果差别较小，里海地区的差异最大，其次是中国、哈萨克斯坦、俄罗斯交界处以及中国新疆地区。结合图 5d进行分析，BCC_CSM1.1(m)模式相对BCC_CSM1.1改进的区域主要表现为：(1)在图 5d中显示为负值，而在图 5f中对应呈现正值的区 域，主要出现在中国、俄罗斯、哈萨克斯坦、蒙古交界处到中国新疆北部、中国新疆西南部到阿富汗北部以及里海地区；(2)在图 5d显示为正值而在图 5f中呈现负值的区域，主要位于中国新疆塔里木盆地地区。图 5f中的高低值空间分布与图 4f的近乎相反，这些正负区域出现的位置，同时也是BCC_CSM1.1(m)模式相对BCC_CSM1.1改进的地方。对比这些区域与图 2 f，除了数值相反之外，其高低值空间分布存在着一定的对应关系，在中国新疆地区表现比较明显。

关于再分析资料的优缺点及适用性，不少专家和学者做了研究，如：Josey(2001)利用海上浮标测量资料比较NCEP/NCAR和ERA-40再分析资料的表面热通量的差异，结果表明，相比于NCEP/ NCAR再分析资料，ERA-40再分析资料的热通量更接近于实际观测的结果；周连童(2009)利用台站观测资料以及NCEP/NCAR和ERA-40再分析资料，计算并比较了在我国西北地区春夏季感热输送的差异，并指出从年代际时间尺度上，ERA-40再分析资料的感热数据更接近于实际台站观测资料计算得到的感热数据；赵天保和符淙斌(2006)就中国区域气温和降水两种基本气候变量在空间分布及其变化趋势上对ERA-40和NCEP-2与观测资料之间的差异做了一些比较和分析，结果表明：两套再分析资料基本上都能反映出中国 区域的温度场和降水场的时空分布，再分析资料在东部地区的可信度高于西部，温度场的可信度要高于降水场，ERA-40可信度要高于NCEP-2；王同美等(2011)对NCEP-1、NCEP-2和ERA-40这3类资料中的垂直积分的总加热率和地表感热通量进行比较，并指出垂直积分的总非绝热加热在空间分布上三套资料基本一致，NCEP两套资料在大值中心的分布上相似，但量值上NCEP-2和ERA-40比较接近。为了进一步佐证模式分辨率提高对模式性能的提升，利用欧洲中心的ERA-40再分析资料，对1958～2001的感热和潜热数据作进一步探讨。

图 6a是ERA-40资料中亚地区年平均感热的空间分布图。将其与实况CRU(图 2a)相比，ERA-40的空间分布特征与观测数据基本一致，主要的高低值区域分布的范围与位置和实况基本对应。ERA-40与NCEP资料(图 4a)相比，ERA-40在乌兹别克斯坦、土库曼斯坦和阿富汗北部一带的数值较NCEP要低，并且与北部俄罗斯境内的低值中心不一致。两个BCC模式对中亚地区感热的模拟以高估为主，从差值场看，随着模式水平分辨率的提高，BCC_CSM1.1(m)的模拟性能较BCC_CSM1.1有较大改善，在哈萨克斯坦北部地区模拟偏高的区域数值减少了5 W m⁻²以上。结合图 6f和图 6d，模式性能改善最大的区域集中在正负值中心区域，如中国新疆塔里木盆地和新疆北部，中国、俄罗斯、哈萨克斯坦、蒙古交界处等，与前面利用NCEP资料的分析结论一致。

图 6

Fig. 6

图 6 1958～2001年：(a)ERA-40再分析资料感热通量空间分布；(b)BCC_CSM1.1和(c)BCC_CSM1.1(m)模拟的中亚地区年平均地面感热；(d、e)两个BCC_CSM模式模拟结果与ERA-40再分析资料以及(f)两个BCC_CSM模式模拟结果之间差异场的空间分布(单位：W m−2)Fig. 6 The spatial distribution of the(a)ERA-40 reanalysis，(b)BCC_CSM1.1 and (c)BCC_CSM1.1(m)modeled mean annual surface sensible heat fluxes，and difference between ERA-40 reanalysis and the simulation from(d)BCC_CSM1.1 and (e)BCC_CSM1.1(m) and (f)modeled mean annual surface sensible heat flux differences of the two models over Central Asia averaged over 1958−2001(units: W m−2)

图 7a是ERA-40年平均潜热空间分布，乌兹别克斯坦中部和土库曼斯坦一带的低值区域以及在俄罗斯境内的高值区域，均较NCEP要小，但中国新疆南部的低值区域远大于NCEP资料。两个BCC模式对中亚地区感热的模拟结果与ERA-40差异总体上小于10 W m⁻²，以低估为主，仅在中国新疆塔里木盆地和里海东岸为高估。由差值场(图 7d和图 7e)能够看出，随着模式水平分辨率的提高，BCC_CSM1.1(m)的模拟性能较BCC_CSM1.1有较大改善，与ERA-40再分析资料更为接近，主要表现为哈萨克斯坦中部和中国新疆，模拟误差减少2 W m⁻²以上。结合图 7f和图 7d，BCC_CSM1.1(m)相对于BCC_CSM1.1模式的改进区域与图 5f所示相同。

图 7

Fig. 7

图 7 1958～2001年：(a)ERA-40再分析资料潜热通量空间分布；(b)BCC_CSM1.1和(c)BCC_CSM1.1(m)模拟的中亚地区年平均地面潜热；(d，e)两个BCC_CSM模式模拟结果与ERA-40再分析资料以及(f)两个BCC_CSM模式模拟结果之间差异场的空间分布(单位: W m−2)Fig. 7 The spatial distribution of the(a)ERA-40 reanalysis，(b)BCC_CSM1.1 and (c)BCC_CSM1.1(m)modeled mean annual surface latent heat fluxes，and difference between ERA-40 reanalysis and the simulation from(d)BCC_CSM1.1 and (e)BCC_CSM1.1(m) and (f)modeled mean annual surface latent heat flux differences of the two models over Central Asia averaged over 1958−2001(units: W m−2)

由图 6和图 7的分析可知，NCEP资料与ERA- 40均能够较好的反应中亚地区的气候变化特征，两类再分析资料与BCC模式的分析结论一致。因 此，在后面的分析中，仅加入了NCEP资料的辐射通量，以对两个模式的模拟效果做进一步检验。图 8是中亚地区NCEP再分析资料的年地面短波净辐射，两个BCC模式的模拟结果以及差值场的空间分布。从图 8a可见，中亚地区的短波净辐射总体呈现由南向北递减的趋势，高值中心出现在中国西藏及新疆南部和土库曼斯坦南部及阿富汗北部一带。在中亚北部的俄罗斯境内出现最低值。地面短波净辐射受地形影响较大，图中塔吉克斯坦、吉尔吉斯斯坦一带的数值明显较同纬度地区要低。BCC-CSM1. 1和BCC-CSM1.1(m)模式均能够模拟出中亚地区短波净辐射由南向北递减的趋势特 征，并且对土库曼斯坦及阿富汗北部一带的高值区域模拟较好。BCC-CSM1.1(m)模式较BCC-CSM1.1有所改进。BCC-CSM1.1的模拟结果，在中国新疆西部与吉尔吉斯斯坦和塔吉克斯坦交界处呈现出一个低值区域。在BCC-CSM1.1(m)模式下，该误差区域不仅数值减小，而且区域明显缩小。结合图 2a分析短波净辐射对年平均气温分布的影响，在乌兹别克斯坦、土库曼斯坦和哈萨克斯坦南部，年平均气温由南向北递减的趋势与图 8a中的较为一致，可以推测，该地区的年平均气温空间差异主要是由于太阳短波辐射所引起。地形和下垫面对年平均气温数值分布的影响不可忽略，在中国新疆塔里木盆地和新疆南部表现较为明显。

图 8

Fig. 8

图 8 1948～2011年：(a)NCEP再分析资料短波净辐射；(b)BCC_CSM1.1和(c)BCC_CSM1.1(m)模拟的中亚地区年平均地面短波净辐射；(d、e)两个BCC_CSM模式 模拟结果与NCEP再分析资料以及(f)两个BCC_CSM模式模拟结果之间差异场的空间分布(单位: W m−2)Fig. 8 The spatial distribution of the(a)NCEP reanalysis，(b)BCC_CSM1.1 and (c)BCC_CSM1.1(m)modeled mean annual surface net shortwave radiation，and difference between NCEP reanalysis and the simulation from(d)BCC_CSM1.1 and (e)BCC_CSM1.1(m) and (f)modeled mean annual surface net shortwave radiation differences of the two models over Central Asia averaged over 1958−2001(units: W m−2)

图 8d和图 8e是BCC模式和NCEP资料的差值场。BCC-CSM1.1模式模拟结果主要体现为偏低10 W m⁻²为主，在中国的新疆南部地区，偏低程度最高。仅仅在阿富汗北部一带以及中国的新疆北部出现模拟偏高区域。BCC-CSM1.1(m)模式与BCC-CSM1.1相比，除了有模拟偏低区域，还存在较明显的偏高区域，以阿富汗北部、吉尔吉斯斯坦和塔吉克斯坦一带最为明显，此外还出现在中国新疆北部及哈萨克斯坦南部。图 8f是两个BCC模式之间的差异场，在整个中亚地区以正值为主。两个模式最大差异出现在中国新疆南部的塔里木盆地地区，其次是哈萨克斯坦东南部、塔吉克斯坦和吉尔吉斯斯坦一带。两个模式差异为正的区域，在图 8d中表现为负值，这说明BCC_CSM1.1(m)模式对短波净辐射的模拟效果在整个中亚地区较BCC_CSM1.1有较大改进，尤其是中国新疆塔里木盆地一带。模式分辨率的提高，能够更好地表现出地形及下垫面的影响。

图 9是中亚地区NCEP再分析资料及模式模拟的年长波净辐射空间分布及模式与实况及模式之间的差异场。由图 9a可知，中亚地区的年均长波辐射分布主要表现为由南向北递减的趋势。最低值出现在俄罗斯境内，数值在60 W m⁻²以下。高值区域集中于土库曼斯坦和阿富汗北部地区以及中国新疆南部和西藏北部一带，数值超过100 W m⁻²。两个BCC模式对中亚地区长波净辐射由南向北递减的趋势均模拟较好，但高、低值区域的分布仍存在差异。BCC-CSM1.1模式对俄罗斯境内低值中心的模拟偏低10 W m⁻²，对土库曼斯坦和阿富汗北部高值区域的模拟较好，但对中国新疆和西藏北部的高值区域模拟效果较差，仅模拟出一小块90～100 W m⁻²的区域。BCC-CSM1.1(m)模式较BCC- CSM1.1有较大改进。对俄罗斯境内低值区域的模拟，数值和区域位置与实况较为接近。对于中国新疆地区高值区域的模拟较BCC-CSM1.1有较大改进，模拟数值更接近实况，只是区域范围偏北。

图 9

Fig. 9

图 9 1948～2011年：(a)NCEP再分析资料长波净辐射；(b)BCC_CSM1.1和(c)BCC_CSM1.1(m)模拟的中亚地区年平均地面长波净辐射；(d、e)两个BCC_CSM模式 模拟结果与NCEP再分析资料以及(f)两个BCC_CSM模式模拟结果之间差异场的空间分布(单位: W m−2)Fig. 9 The spatial distribution of the(a)NCEP reanalysis，(b)BCC_CSM1.1 and (c)BCC_CSM1.1(m)modeled mean annual surface net longwave radiation，and difference between NCEP reanalysis and the simulation from(d)BCC_CSM1.1 and (e)BCC_CSM1.1(m) and (f)modeled mean annual surface net longwave radiation differences of the two models over Central Asia averaged over 1958−2001(units: W m−2)

图 9d和图 9e是两个BCC模式对中亚长波净辐射模拟结果与实况的差异场。两个模式对中国新疆南部和西藏北部区域的模拟均呈现较明显的偏低，数值差异在50 W m⁻²以上。BCC_CSM1.1模式对中亚地区的模拟以偏低为主，仅在阿富汗北部地区出现偏高区域；BCC-CSM1.1(m)模式的模拟效果要好于BCC-CSM1.1模式，模拟误差在－2～2 W m⁻²的区域明显增多，模拟偏高的区域也多于BCC-CSM1.1模式，主要体现在中国新疆北部及塔里木盆地、乌兹别克斯坦南部、土库曼斯坦西部和阿富汗北部一带，误差在20 W m⁻²以下。图 9f是两个BCC模式的差异场。整体来看，BCC-CSM1.1(m)模式比BCC-CSM1.1的模拟偏高，差异最大的地方位于中国新疆的塔里木盆地，数值达到了 30 W m⁻²，其次是新疆南部、哈萨克斯坦南部到阿富汗北部一带以及中蒙交界处。

(1)BCC_CSM1.1和BCC_CSM1.1(m)两个模式均能够模拟出中亚地区显著增温以及地面气温标准差由南向北递增的总体趋势。BCC_CSM1.1(m)对中亚地面年平均气温空间分布的模拟效果优于BCC_CSM1.1，误差数值减小，同时低估区域缩小，在中国新疆的塔里木盆地表现尤为明显。而对中亚年平均地面气温标准差的模拟，BCC-CSM1.1模式略好于BCC-CSM1.1(m)，其模拟结果与观测数据更为接近。

(2)两个BCC模式对中亚地区年感热通量空间分布的模拟结果中，对土库曼斯坦和乌兹别克斯坦等地的高值区域模拟较好，但对俄罗斯境内的负值区域，模拟效果不理想；两个模式对中亚地区的年潜热模拟误差均以偏低为主。与BCC-CSM1.1模式相比，BCC-CSM1.1(m)对中亚地区热通量的模拟效果改进最大的区域集中在中国、俄罗斯、哈萨克斯坦、蒙古交界处到中国新疆北部、中国新疆西南部到阿富汗北部以及里海地区。

(3)BCC-CSM1.1和BCC-CSM1.1(m)模式均能够模拟出中亚地区短波净辐射和长波辐射由南向北递减的趋势特征。模式分辨率的提高，能够更好地表现出地形对长/短波辐射分布的影响。BCC-CSM1.1(m)模式的模拟结果较BCC-CSM1.1有较大改进，数值和区域位置与实况较为接近，对于中国新疆地区短波净辐射数值模拟以及长波净辐射高值区域模拟改进明显，模拟数值更接近实况。

比较两个BCC模式对地面净通量(包含长/ 短波辐射、感热、潜热等)与地面气温的模拟误 差，两者的数值大小和空间分布均有较好的对应关系。模式对地面净通量模拟性能提高的区域，同时也是地面气温模拟性能得到改善的地方。尽管不同水平分辨率的BCC模式对不同气象要素的模拟能力存在较大差异，但大气模式、陆面过程模式分辨率的提升，对气温及与之相关的感热通量模拟性能的改善均影响较大。

Gao et al.(2013)利用BCC_CSM1.1模式的历史试验结果以及RCP4.5和RCP8.5情景下对未来气候预估结果来驱动区域气候模式RegCM4.0(分辨率为50 km)，进而对两个模式的模拟性能进行检验，结果表明：模式分辨率的提高，使RegCM4.0模式能够更好地模拟出气温和降水气候变化信号在空间上的细节，比如高分辨率的RegCM4.0模式对中国东部地区气温的模拟能力较BCC_CSM1.1有较大改进；高分辨率模式才能精确重现降水量的空间分布，尤其是地形效应所引起的降水。本研究的结论与上述文献基本一致，高分辨率模式在中亚地区气温模拟中表现出了一定优势，不过低分辨率也有少数优于高分辨率的地方。因此，全面提高模式模拟性能不仅需要提高分辨率，而且同时要对其他方面(如对流、积云等)进行改进。