CMIP6模型在鄱阳湖流域极端降水模拟中的性能评估与未来时空演变预测

全球气候变化背景下，鄱阳湖流域极端降水事件频发，但现有CMIP6模型模拟存在精度不足和时空分布偏差问题。本研究创新性地结合分位数映射与多模型加权集成方法，系统评估了15个CMIP6模型对降水强度(PRCPTOT)、频率(R10mm)和持续时间(RX5day)的模拟能力，发现优化后的集成方案将均方根误差降低至0.93，空间相关系数提升至0.67。未来情景预测显示，SSP585情景下R99p极端强降水将增长39%，且北部地区成为降水增强热点，为流域防洪减灾提供了高精度科学依据。

　　

随着全球变暖加剧，极端降水事件已成为威胁人类社会可持续发展的重大气候挑战。作为长江流域最大的淡水湖，鄱阳湖近年来频繁遭遇"旱涝急转"现象——2020年流域遭遇超历史大洪水，2022年又出现罕见干旱，这种极端水文事件的反常波动与降水格局的改变密切相关。然而，现有气候模型对区域性极端降水的模拟存在显著偏差，特别是对短时强降水(RX1day)和持续性强降水(RX5day)的时空分布特征捕捉不足，这严重制约了流域防洪减灾决策的科学性。

为突破这一技术瓶颈，Yinxin Ge等人在《Journal of the Indian Chemical Society》发表研究，首次将非参数分位数映射(quantile mapping)与基于性能排序的时空多模型加权集成策略相结合，系统评估了CMIP6（第六次国际耦合模式比较计划）在鄱阳湖流域的适用性。研究团队选取PRCPTOT（年总降水量）、SDII（日降水强度）等8个极端降水指数，通过泰勒技能评分(TS)和年际变率评分(IVS)量化模型性能，进而构建考虑空间结构、时间变异性和偏差分布的新型权重分配方案。

关键技术方法包括：1) 使用0.25°分辨率的CHM_PRE格点降水数据集作为观测基准；2) 对15个CMIP6模型进行分位数偏差校正；3) 开发包含标准化均方根误差(CRMSE)、空间相关系数(R)等5项指标的综合评价体系；4) 采用Sen斜率估计和Mann-Kendall检验分析未来趋势。

研究结果揭示：

1. 1.

   模型性能评估：优化后的多模型集成方案显著提升模拟精度，空间标准偏差比接近1.07，对R95p（超过95%分位数的强降水）的TS评分达0.86。其中CMCC-ESM2和TaiESM1模型表现最佳，而传统简单集合平均会低估R25mm（日降水≥25mm天数）达19.55%。

2. 2.

   未来情景预测：

   • •

     强度特征：SSP585情景下2075-2100年RX5day最大增幅达137.39mm，北部地区成为降水增强核心区

   • •

     频率变化：R10mm在SSP370情景下增长6.55天，呈现"北增南稳"空间分异

   • •

     阈值响应：R99p（超过99%分位数的极端降水）对排放情景最敏感，SSP585下增幅达804.26mm

3. 3.

   驱动机制：研究表明降水增强与大气持水能力（遵循Clausius-Clapeyron关系）和东亚夏季风环流调整密切相关，北部地区因地形抬升和副热带高压边缘水汽输送增强成为风险热点。

讨论部分指出，该研究的创新权重方案克服了传统方法忽视时空一致性的缺陷，首次量化了不同共享社会经济路径(SSP)下鄱阳湖流域极端降水的非线性响应。但作者也承认，CMIP6模型对中小尺度对流过程的分辨率不足，且静态阈值法（如固定使用1991-2014年百分位阈值）可能低估气候变暖背景下的极端事件强度。这些发现不仅为长江中游城市群应对"极端降水-干旱"复合灾害提供决策依据，其开发的模型优化框架也可推广至全球类似流域的气候风险评估。未来研究将融合动力降尺度与深度学习算法，进一步降低区域降水预测的不确定性。