全球模式是进行气候模拟和预估的重要工具，已经被广泛应用于气候变化及其机制的研究中。我国处于东亚季风区，具有复杂的地形和下垫面特征，气候的季节变化和年际变化及环境和生态系统的变化都非常显著，一直是数值模拟的难点地区(Wang，2000；Kang et al., 2002)。为此，许多学者考察了全球气候模式对我国气候的模拟能力(赵宗慈，1990；罗勇和赵宗慈，1997；Wang et al., 2000；高学杰等，2004；Jiang et al., 2005；Zhou and Yu， 2006)。例如，赵宗慈(1990)评估了6个全球环流模式在中国区域模拟效果，发现模式对气温的模拟效果最佳，降水的总体分布特征可以模拟出来，但数值相差较大。高学杰等(2004)分析了NCAR/CCM3全球环流模式结果，发现模式对中国气温有较好的模拟效果，对降水的模拟效果则比较差，最大误差是在我国中西部出现了一个大的虚假降水中心。并指出，这和许多全球模式的结果类似，反映了东亚季风区降水模拟的难度。

与全球模式相比，区域模式由于具有较高分辨率和较完善的物理过程，从而能够改进模式对局地要素的描述，能够更好地模拟出区域气候变化特征，对我国气候也有较好的模拟能力(符淙斌等，1998；Gao et al., 2002，2008，2011；高学杰等， 2003，2004；熊喆，2004；Ding et al., 2006a，2006b；Ju and Wang， 2006；许吟隆等，2006；Ju et al., 2007；张冬峰等，2007；Cui et al., 2008；汤剑平等，2008；Yu et al., 2010；Wang et al., 2011；Zong and Wang， 2011)。许吟隆等(2006)利用区域气候模式PRECIS单向嵌套全球海气耦合气候模式HadCM3的大气部分HadAM3P，进行50 km水平分辨率的模拟，结果表明：PRECIS模式能够很好地模拟中国区域地表气温的局地分布特征；它对中国北方地区降水的模拟效果优于南方地区，模拟的冬季降水型态分布较好，而夏季降水对地形比较敏感，东南沿海地区降水的模拟值偏低。张冬峰等(2007)使用ECMWF再分析资料ERA-40驱动区域气候模式RegCM3，对东亚地区进行了15年的数值积分试验，结果表明：模式可较好地模拟中国地表气温的分布和季节变化，但存在系统性的冷偏差；对降水的变化模拟也较好，但地理分布的模拟存在一定偏差。

数值模式对气候的模拟存在很大的不确定性，有必要尝试使用不同的区域模式进行气候模拟研究。WRF(Weather Research and Forecasting)模式从V3版本开始，参数化方案、海冰、反照率和海表温度的处理有了重要的改进，增强了对气候的模拟能力。已有研究表明，WRF模式能较好地模拟区域气候特征(Leung et al., 2006；Lo et al., 2008；Bukovsky and Karoly， 2009；Caldwell et al., 2009；Qian et al., 2010；Yu et al., 2010)。例如，Yu et al.(2010)使用区域气候模式WRF单向嵌套全球环流模式CAM，进行25年的动力降尺度模拟，发现WRF模式模拟的中国区域气温和降水与观测更加接近，空间相关系数更高，均方根误差更小。我们也将选用WRF模式进行东亚区域的气候模拟试验，并与观测结果进行对比分析，检验该模式对中国气候的模拟能力。

使用区域模式进行气候变化模拟试验，需要全球模式提供初始场和侧边界条件。在参加国际耦合模式比较计划第三阶段(CMIP3)试验的22个全球模式中，MIROC3.2_hires模式(下文简称MIROC模式)是对中国气候特别是东部季风区气候平均态模拟效果最好的模式(许崇海等，2007)。本试验的WRF模式版本为V3.3.1，初始场和侧边界条件由MIROC模式提供，每6 h输入模式一次。关于MIROC模式更详细的介绍可以参考文献( K-1 Model Developers，2004)。

模式采用Lambert投影，水平分辨率为50 km，纬向164格点，经向128格点，中心点位于(35°N，102°E)。垂直σ坐标分为28层，模式顶层气压为50 hPa。试验采用的物理选项见表 1。模式的积分时间为1980年1月1日至2000年12月31日，1980年的积分结果被视作模式的初始化阶段结果，不用于分析，后20年的结果用于本文的分析。图 1给出全球和区域模式在东亚地区的地形分布及区域模式的模拟范围。区域模式分辨率较高，能够更细致和精确地描述海岸线和地形分布，中国境内的天山、祁连山、柴达木盆地、四川盆地等地形特征都比全球模式的明显。

表1(Table 1)

表 1 模式选项设置 Table1 Main physics options in the experiment 类别 名称 微物理参数化方案 WSM6方案 积云对流参数化方案 Kain-Fritsch方案 陆面过程 Noah陆面模式 行星边界层(PBL)方案 Yonsei University边界层方案 长波辐射方案 CAM长波辐射方案 短波辐射方案 CAM短波辐射方案

表 1 模式选项设置 Table1 Main physics options in the experiment

图1 （a）MIROC 模式地形分布（单位：m）；（b）WRF 模式的地形分布（单位：m）及其模拟范围（填色部分） Figure1 (a) Topography (m) of the MIROC (Model for Interdisciplinary Research on Climate) model; (b) Topography (m) and simulation domain (shaded) of the WRF (Weather Research and Forecasting) model

用于和模拟对比的气温资料采用的是中国气象局根据751个观测台站的气温资料所整理得到的0.5°(纬度)×0.5°(经度)格点资料(Xu et al., 2009)，降水采用的是Xie et al.(2007)发展的东亚0.5°(纬度)×0.5°(经度)格点日降水数据集。需要说明的是，气温和降水的观测数据为0.5°(纬度)×0.5°(经度)的格点数据，全球模式为145×73的高斯格点分布，区域模式分辨率为50 km，在计算相关系数和均方根误差之前，先将两个模式的模拟结果统一插值到了观测数据的0.5°(纬度)×0.5°(经度)的格点上。

本文对模拟性能的检验将主要集中于气温和降水的平均气候态及其年际变率上。研究气温的年际变率时，采用的是反映变量围绕平均值的平均变化程度的物理量：标准差；研究降水的年际变率 时，采用标准差与平均降水量的比值：变异系数。由于不同地区降水标准差受当地平均降水量的影响显著，将降水标准差除以平均降水量后不仅可以表征降水变率的大小，同时也消除了不同地区降水量量级的差异(石英等，2010)。

空间相关系数(COR)和均方根误差(RMSE)表示如下：

标准差(STD)和变异系数(CV)表示如下：

首先，我们根据公式(1)和(2)，计算了模拟与观测的气温在各季节及其年平均的空间相关系数和均方根误差，在表 2中给出。其中，年平均是指1981～2000年20年的平均，春季定义为3～5月，夏季为6～8月，秋季为9～11月，冬季为12月以及1月和2月(下文同)。可以看出，气温空间相关系数值均在0.9以上，表明模式对气温模 拟较好，且WRF模式的模拟要好于MIROC模 式。但是从春季、秋季以及年平均来看，WRF模 式模拟对应的均方根误差却是大于MIROC模式的模拟。

表2(Table 2)

表 2 全球和区域模式模拟各季节平均气温与观测的空间 相关系数（COR）和均方根误差（RMSE） Table2 Spatial correlation coefficient (COR) and root- mean-square error (RMSE) between observed and simulated seasonal temperature by the MIROC model and the WRF model COR RMSE(°C) MIROC模式 WRF模式 MIROC模式 WRF模式 春季 0.93 0.97 4.21 5.06 夏季 0.91 0.95 3.86 3.82 秋季 0.94 0.96 3.10 3.87 冬季 0.93 0.95 3.90 3.49 年平均 0.93 0.96 3.50 3.88

表 2 全球和区域模式模拟各季节平均气温与观测的空间 相关系数（COR）和均方根误差（RMSE） Table2 Spatial correlation coefficient (COR) and root- mean-square error (RMSE) between observed and simulated seasonal temperature by the MIROC model and the WRF model

图 2给出MIROC模式和WRF模式模拟的1981～2000年中国年平均气温和同时期观测值，及其它们之间的差值场。两个模式对中国年平均地表气温分布状态模拟效果较好，除青藏高原外，大 致呈由南向北逐渐降低的趋势，符合实际情况。MIROC模式模拟出了气温由南向北逐渐降低的 趋势，但在青藏高原的大部分地区模拟气温明显 偏低。从和观测的差值场(图 2b)看来，东部地 区气温的模拟相对较好，绝大多数地区模拟比观 测偏高，西部地区模拟相对较差。WRF模式模拟 的气温整体上较好，在西部地区，模拟出了天山 及其南北地区的气温差异，以及青藏高原和祁连 山脉的低温区；在东部，模拟出了气温由南向北的渐变。WRF模式还很好地模拟出了四川盆地的高温和我国最北方区域的低温。从和观测的差值场(图 2d)看来，华北、华中、华南、华东地区模拟都 很不错，青藏高原地区气温偏低一些。从两个模 拟的气温差中(图 2f)可以发现，WRF模式模 拟的气温在绝大多数地区，特别是中国东部，是偏低的。

图2 中国区域年平均气温：（a）MIROC 模式结果；（b）MIROC 模式结果减观测；（c）WRF 模式结果；（d）WRF 模式结果减观测；（e）观测；（f） WRF 模式结果减 MIROC 模式结果 Figure2 Annual mean temperature: (a) MIROC; (b) MIROC minus observation; (c) WRF; (d) WRF minus observation; (e) observation; (f) WRF minus MIROC

两模式模拟的1981～2000年冬季气温和同时期观测气温及其差值由图 3给出。两个模式都很好地模拟出了东北地区气温的南北递减，WRF模 式能很好地模拟出天山及其南北地区的气温差 异。从差值场来看，两个模式都对北疆的气温有所高估，对青藏高原地区的气温模拟是冷偏差。WRF模式对东部地区的气温模拟总体上要好于MIROC模式，特别是在黄河以南地区。WRF模式在全国大部分地区，特别是东部地区，模拟气温高于MIROC模式。

图3 同图 2，但为冬季平均 Figure3 Same as Fig. 2, but for winter

图 4给出两模式模拟的1981～2000年夏季平均气温及其和同时期观测气温的比较。在MIROC模式模拟结果里，华北出现大范围高温，而华南地区高温区域却偏小。WRF模式对这样的状况有 所改进，华北的高温区域缩小了，两广地区的高 温范围有所扩大。不过，两个模式都能模拟出塔里木盆地和四川盆地的高温。从WRF模式模拟结果和观测的差值场(图 4d)来看，除青藏高原地区，全国大部分地区的模拟气温和观测气温都很接近(偏差小于1.5 °C)。而MIROC模式的结果却差许多，尤其是在长江以北地区(图 4b)。从WRF模式和MIROC模式模拟地表气温的差值来看(图 4f)，WRF模式模拟的东部地区也基本是偏低1.5 °C以上。

图4 同图 2，但为夏季平均 Figure4 Same as Fig. 2, but for summer

表 3给出中国区域模拟降水与各季节以及年平 均观测降水的空间相关系数和均方根误差。MIROC模式模拟的降水和观测降水的空间相关系数在0.8左右，表明它对降水的模拟比较好。WRF模式模拟降水对应的空间相关系数要小于MIROC模式。这可能是WRF模式在天山和塔里木盆地等地区表现欠佳，模拟出极大降水或极少降水。

表3(Table 3)

表 3 全球和区域模式模拟各季节平均降水与观测的空间相 关系数和均方根误差 Table3 COR and RMSE between observed and simulated seasonal precipitation by the MIROC model and the WRF model COR RMSE(mm/d) MIROC模式 WRF模式 MIROC模式 WRF模式 春季 0.79 1.22 0.76 1.31 夏季 0.79 2.47 0.67 3.56 秋季 0.80 1.32 0.79 1.78 冬季 0.80 0.66 0.75 0.86 年平均 0.83 2.97 0.77 3.27

表 3 全球和区域模式模拟各季节平均降水与观测的空间相 关系数和均方根误差 Table3 COR and RMSE between observed and simulated seasonal precipitation by the MIROC model and the WRF model

图 5给出MIROC模式和WRF模式模拟和观测的1981～2000年中国区域年平均降水及它们之间的差。从图中可以看到，观测的年平均降水由东南沿海向西北内陆逐渐减少，东南沿海降水值在1500 mm以上，西北塔里木盆地、柴达木盆地等降水量在500 mm以下，南北降水差异明显。从MIROC模式和观测降水的差值场(图 5b)看来，全年降水的模拟也是东部地区要好于西部地区，在天山以南的新疆大部和甘肃的大部地区都模拟了较多的降水，青藏高原南麓和东侧也出现异常降水高值区，即虚假降水中心，这也是全球模式模拟普遍存在的问题(高学杰等，2004；Jiang et al., 2005)。WRF模式的模拟在此区域有很大的改进(图 5c)。但是WRF模式的模拟对塔里木盆地的降水有很 大低估，在75%以上。总体上，两个模式对南方降水模拟要好于北方地区，东部地区要好于西部地区。这或许跟地形和其他下垫面的状况有很大的 关系。WRF模式能改进西南地区的降水模拟，但 有所高估了地形和下垫面状况的作用。例如，青藏高原周边的山脉区域以及天山及其西侧的降水 量被高估，而塔里木盆地的沙漠地区的降水有所 低估。

图5 中国区域年平均降水：（a）MIROC 模式结果；（b）MIROC 模式结果减观测；（c）WRF 模式结果；（d）WRF 模式结果减观测；（e）观测；（f） WRF 模式结果减 MIROC 模式结果 Figure5 Annual mean precipitation: (a) MIROC; (b) MIROC minus observation; (c) WRF; (d)WRF minus observation; (e) observation; (f) WRF minus MIROC

图 6是MIROC和WRF模式模拟的和观测的1981～2000年中国区域冬季降水及它们之间的差。整体看来，两个模式模拟的中国东南部地区降水明显比观测偏少。MIROC模式模拟的北方降水明显多于观测。WRF模式改进了我国北方特别是华北地区的降水模拟，但在四川盆地以及长江以南部分地区模拟的降水偏少50%以上。从两个模式模拟降水的差值看来，WRF模式模拟的要偏少，大多地区偏少25%以上(图 6f)。

图6 同图 5，但为冬季平均 Figure6 Same as Fig. 5, but for winter

夏季是我国降水量最多的季节，其降水量占全年降水的大部分份额。观测中(图 7e)，降水大致呈由东南向西北递减的趋势，大部分地区的降水值在250 mm以上，长江流域及其以南地区则大多在500 mm以上，南部沿海及雅鲁藏布江东麓数值最大，在750 mm以上。总体上，模拟较好的区域仍然是东部区域。WRF模式较好地模拟出了塔里木盆地和柴达木盆地的少雨区。从差值场来看，MIROC模式在东部地区模拟较好，但在西部地区模拟的降水偏多，在长江中下游地区的降水较观测偏少。WRF模式对长江中下游地区的降水有一定的改进，使得降水量更接近观测一些。不过，WRF模式在西部地区的塔里木盆地和柴达木盆地以及青藏高原中西部低估了降水，与实际观测相比，部分地区偏少50%以上。

图7 同图 5，但为夏季平均 Figure7 Same as Fig. 5, but for summer

根据公式(3)和(4)计算得到的两个模式模拟和观测的1981～2000年中国区域年平均气温STD和降水CV如图 8所示。可以看出，观测的年平均气温标准差基本呈南部低、北部高的分布形势，新疆北部、内蒙古中部是数值较高的区域，中心STD值在0.8 °C以上，表明这些地区年际变率较大。30°N以南大部分地区数值在0.5 °C以下，新疆西南部和山东半岛部分地区数值也相对较低，表明这些地区年际变率相对较小。MIROC模式模拟的平均气温标准差，在青藏高原数值较高，大于0.8 °C，黑龙江和新疆的北部部分区域超过0.6 °C，其他地区在0.6 °C以下。云南西部、黄河中上游地区等是数值较低的地区，模拟与观测差异较大。在WRF模式的模拟结果里，青藏高原区域也是大值区，在0.8 °C以上，表明该地区年际变率较大。东北地区也是STD大值区，基本都是在0.5 °C以上。塔里木盆地，黄河流域及其以南地区为STD小值区，全部在0.5 °C以下。两个模式对STD分布及其大小的模拟与观测都有较大不同，特别是在青藏高原地区，表明模式里该区域有很大的年际变率。WRF模式给出的我国除青藏高原以外的南方地区的平均气温标准差更接近观测一些，在北方的标准差高值区的也更接近观测，例如东北和内蒙中西部地区。

图8 1981～2000 年中国区域（a、c、e）年平均气温的标准差和（b、d、f）降水变异系数：（a、b）MIROC 模式；（c、d）WRF 模式；（e、f）观 测 Figure8 (a, c, e) Standard deviation (STD) of surface air temperature and (b, d, f) coefficient of variation (CV) of precipitation in China during 1981–2000: (a, b) MIROC model; (c, d) WRF model; (e, f) observation

观测中，年平均降水的CV值(图 8f)在我国南方较小，北方较大。西北和青藏高原西部地区最大，中心值在0.4以上，表明这些区域年平均降水的变化较大。MIROC模式的模拟(图 8b)，除东北北部、华北部分地区数值在0.2以上外，其余大部分地区CV值都在0.05～0.15之间，表明这些区 域降水年际变率很小，与观测差异较大。整体看 来，WRF模式的表现要好许多，与观测较为一 致，在华北和西部相对为大值区。不同的是，在河套及其附近地区，WRF模式模拟CV值较大，在0.2以上，而观测中数值大多在0.15～0.25之间。

本文使用区域气候模式WRF模式单向嵌套全球气候模式MIROC模式就中国区域进行长时间积分模拟试验，检验了WRF模式对中国气候及其变化的模拟性能。通过跟实际观测的不同季节地表气温和降水的比较，分析了两个模式对我国当前气候及其年际变率模拟的异同点。

总体上，两个模式都能较好模拟出中国年平均地表气温分布，除青藏高原外，大致呈由南向北逐渐降低的趋势，符合实际情况。WRF模式模拟的气温整体上低于MIROC模式。MIROC模式对中国 年平均地表气温分布状态模拟效果较好，模拟出了气温由南向北逐渐降低的趋势。但在青藏高原的大部分地区模拟气温明显偏低。WRF模式模拟的气 温整体上较好，在西部地区，模拟出了天山及其南北地区的气温差异，以及青藏高原和祁连山脉的低温区；在东部，模拟出了气温由南向北的渐变。WRF模式对气温分布的描述更为细致，模拟出了四川盆地的高温和我国最北方区域的低温。MIROC模式对夏季气温的模拟能力相对较差，在华北出现大范围高温，而华南地区高温区域却偏小。WRF模式对这样的状况有所改进，华北的高温区域缩小了，两广地区的高温范围有所扩大。另外，WRF模式在青藏高原地区模拟的气温整体偏低。

MIROC模拟的降水和观测降水的空间相关系数在0.8左右，表明它对降水的模拟比较好。对 于降水分布的模拟，WRF模式要好于MIROC模式。总体上，两个模式对南方地区的降水模拟要好于北方地区，东部地区要好于西部地区。WRF模式很好地模拟出了地形降水，例如青藏高原周边的山脉区域以及天山及其西侧的降水区；对干旱区降水的模拟也好于MIROC模式，例如塔里木盆地、柴达木盆地以及内蒙古和甘肃的部分干旱和半干旱区域。MIROC模式在青藏高原东南侧出现较大区域的降水大值区，即虚假降水中心，这也是全球模式模拟普遍存在的问题，WRF模式能改进该地区降水的模拟。

两个模式对年平均气温和降水年际变率的模拟能力均较差，WRF模式相对MIROC模式有一 定的改进。观测的年平均气温标准差基本呈南部低、北部高的分布形势，新疆北部、内蒙古西部是数值较高的区域，中心STD值在0.8 °C以上，表明这些地区年际变率较大。30°N以南大部分地区数值在0.5 °C以下，新疆西南部和山东半岛部分地区数值也相对较低，表明这些地区年际变率相对较小。两个模式对STD分布及其大小的模拟与观测都有较大不同，特别是在青藏高原地区，表明模式里该区域有很大的年际变率。WRF模式给出的我国 除青藏高原以外的南方地区的平均气温标准差 更接近观测一些，表明南方区域年际变率相对较小。在北方的标准差高值区的也更接近观测，例 如东北和内蒙中西部地区。对于降水的变异系 数，WRF模式的性能要比全球模式MIROC模式好许多，与观测较为一致，基本上在南方较小，北方较大。在华北和西部相对为大值区。总体上，相对于气候平均态的模拟来说，两个模式对年平均气温和降水年际变率的模拟能力均较差，WRF模式相对MIROC模式有一定的改进。

致谢 国家气候中心高学杰研究员和日本国立环境研究所的Manabu Abe博士为本试验提供了MIROC3.2_hires模式资料，在此表示感谢。