CMIP6多模型降尺度揭示北半球冬季积雪深度0.05°高分辨率数据集及其气候响应机制

本刊推荐：针对CMIP6模型积雪深度数据空间分辨率不足(>1°)的问题，中国科学院地理科学与资源研究所团队创新性融合Delta统计降尺度和空间特征转移技术，构建了全球首个0.05°北半球冬季(12-3月)积雪深度数据集NHMSD(1980-2100)。经2062个地面站点验证，其RMSE(24.78-28.36 cm)显著优于ERA5-Land(41.29 cm)和GLDAS(39.97 cm)，为冰雪经济可持续发展和水资源管理提供了关键数据支撑。

　　随着全球变暖加剧，北半球积雪分布正经历显著变化，这对冬季旅游业选址规划、区域水资源管理和气候评估构成严峻挑战。传统CMIP6(第六次国际耦合模式比较计划)模型输出的积雪深度数据存在空间分辨率低(普遍>1°)、系统性偏差大等问题，难以满足区域尺度精细化研究需求。特别是高山滑雪场选址、冰雪产业布局等商业决策亟需高精度长期积雪数据支撑。在此背景下，中国科学院地理科学与资源研究所联合香港大学等机构的研究团队在《Scientific Data》发表了突破性研究成果。

研究团队创造性整合两种统计降尺度方法：首先采用Delta法将21个CMIP6模型的原始数据从1-2.8°降尺度至0.25°，再结合MODIS积雪覆盖率(MOD10C1)的空间特征转移技术进一步提升至0.05°分辨率。关键技术包括：1)基于2000-2014年基准期建立FDSD(0.25°随机森林重建数据集)与CMIP6的积雪气候学关系；2)利用积雪概率(SCP=FSC/CI)分配0.25°网格内25个子像元的权重；3)将降尺度后的2000-2014年数据作为新基准，外推至1980-2100年全时段。研究整合了GSOD、GHCN和青藏高原积雪数据集(QTPSD)共2062个地面站点验证数据。

研究结果显示，降尺度后的NHMSD数据集在空间细节刻画能力上取得质的飞跃。以BCC-CSM2-MR模型2014年3月数据为例，原始1.13°分辨率数据难以识别喜马拉雅和落基山脉的积雪梯度，而0.05°NHMSD清晰呈现了地形驱动的积雪空间异质性。定量验证表明，21个模型降尺度后的RMSE平均降低32.6%，其中NorESM2-MM模型从53.42 cm改善至25.92 cm。尽管相关系数(CORR=0.26-0.36)仍略低于再分析数据，但BIAS(10.88-15.09 cm)较ERA5-Land(21.61 cm)显著降低。值得注意的是，加拿大气候中心的CanESM5系列模型在降尺度后出现轻微性能下降，可能与模型参数化方案有关。

分月评估揭示NHMSD在12月表现最优(RMSE中位数13 cm)，1月次之，2-3月误差增大，这与积雪消融期相变过程复杂性增加有关。未来情景(2015-2023)评估显示，SSP126路径下17个模型的BIAS小于ERA5-Land(18.26 cm)，但高排放情景(SSP585)尚未显现显著差异，说明气候响应存在滞后效应。研究还发现，所有数据集在浅雪区(<10 cm)普遍高估、深雪区(>40 cm)低估，这与气象站多分布在低海拔区导致的采样偏差有关。

该研究创建了目前空间分辨率最高(0.05°)的北半球冬季积雪深度多模型集成数据集，时间跨度涵盖历史时期(1980-2014)和四种SSP情景(2015-2100)。其创新价值主要体现在三方面：方法学上，Delta法与空间特征转移的耦合策略突破了传统动态降尺度计算量大的瓶颈；应用层面，数据精度满足滑雪场选址、雪藻分布预测等产业需求；科学意义上，为评估积雪-气候反馈机制提供了新工具。局限在于格陵兰地区数据缺失和高海拔区域验证不足，未来可通过融合激光测高数据进一步优化。数据集已通过Zenodo开源，将助力全球变化研究和冰冻圈科学的发展。