扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
不同分辨率CCSM4 对东亚和中国气候模拟能力分析
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口 上传我的文档
 下载
 收藏
该文档贡献者很忙，什么也没留下。
 下载此文档
正在努力加载中...
CMIP5全球气候模式对中国地区降水模拟能力的评估
下载积分：1099
内容提示：CMIP5全球气候模式对中国地区降水模拟能力的评估
文档格式：PDF|
浏览次数：2|
上传日期： 05:49:17|
文档星级：
该用户还上传了这些文档
CMIP5全球气候模式对中国地区降水模拟能力的评估
官方公共微信2011-张宏芳-气象科学-21个气候模式对东亚夏季环流模拟的评估：气候态_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
评价文档：
2011-张宏芳-气象科学-21个气候模式对东亚夏季环流模拟的评估：气候态
21-​张​宏​芳​-​气​象​科​学​-1​个​气​候​模​式​对​东​亚​夏​季​环​流​模​拟​的​评​估​：​气​候​态
阅读已结束，如果下载本文需要使用
想免费下载本文？
把文档贴到Blog、BBS或个人站等：
普通尺寸(450*500pix)
较大尺寸(630*500pix)
你可能喜欢 上传我的文档
 下载
 收藏
该文档贡献者很忙，什么也没留下。
 下载此文档
正在努力加载中...
LMDZ模式对江淮流域极端降水指数模拟能力的检验及预估研究
下载积分：1500
内容提示：LMDZ模式对江淮流域极端降水指数模拟能力的检验及预估研究
文档格式：PDF|
浏览次数：0|
上传日期： 02:08:24|
文档星级：
该用户还上传了这些文档
LMDZ模式对江淮流域极端降水指数模拟能力的检验及预估
官方公共微信黄海玲1,2, 江志红1 , 王志福1, 陈威霖1&&&&
1. 气象灾害教育部重点实验室, 气象灾害预报预警与评估协同创新中心, 南京信息工程大学, 南京, 210044;2. 民航华东空管局气象中心, 上海, 200335
资助课题：国家自然科学基金重点项目()、国家重点基础研究发展计划项目()、江苏省高校自然科学研究项目(12KJB170011)、江苏高校优势学科建设工程资助项目PAPD、江苏省高校“青蓝工程”创新团队项目。
作者简介: 黄海玲,主要从事气候学研究。E-mail:lan.
通讯作者: 江志红,主要从事气候学研究。E-mail:zhjiang@
摘要：利用第5次耦合模式比较计划(CMIP5)提供的39个全球气候模式模拟的年逐月500 hPa位势高度场资料,以及同期美国国家环境预测中心再分析资料,通过经验正交函数分解提取主要模态,基于泰勒图方法、概率密度函数的Brier评分和显著性评分指标,探讨CMIP5模式对东亚500 hPa高度场主要模态时空结构的模拟能力,寻求具有较好东亚环流型态模拟能力的气候模式以及模拟较好的主模态。结果表明:(1) CMIP5模式能够模拟出东亚500 hPa高度场主要模态,且各模式对冬季主要模态时空结构的模拟能力都高于夏季。(2) 各模式对冬季模态(西太平洋遥相关型)模拟能力最强,第3模态最差,对冬季主要模态空间结构模拟较好的模式为IPSL-CM5B-LR、MPI-ESM-P、CMCC-CMS、FGOALS-g2、HadGEM2-ES;夏季第1模态空间结构模拟能力最强,其次分别为第2模态和东亚-太平洋型(简记第3模态),西太平洋遥相关型较差,对夏季主要模态空间结构模拟较好的模式为ECEARTH、CanESM2、CMCC-CM、GFDL-ESM2G、IPSL-CM5A-MR。(3)对主要模态时间系数概率密度函数特征的模拟评估表明,模式对冬季第2模态概率密度函数的模拟较好,其次为西太平洋遥相关型,其主要模态时间系数的概率密度函数模拟较好的模式为CESM1-FASTCHEM、HadGEM2-ES、INM-CM4、GISS-E2-H、BCC-CSM1-1;模式对夏季第2模态时间系数的概率密度函数模拟较好,其次分别为第3模态、西太平洋遥相关型,其主要模态时间系数概率密度函数模拟较好的模式为CCSM4、HadGEM2-CC、GFDL-CM3、MRI-CGCM3、NorESM1-M。(4)综合时空结构模式模拟能力,对冬季主要模态模拟较好的前5个模式为HadGEM2-ES、IPSL-CM5B-LR、CESM1-FASTCHEM、INM-CM4、BCC-CSM1-1;夏季前5个模式为ECEARTH、CMCC-CM、CCSM4、CANESM2、MIROC5。
第5次耦合模式比较计划(CMIP5)&&&&
东亚500hPa高度场&&&&
主要模态时空结构&&&&
模式评估&&&&
The evaluation of the 500 hPa geopotential height's main modes in East Asia as done by the CMIP5 models
HUANG Hailing1,2, JIANG Zhihong1 , WANG Zhifu1, CHEN Weilin1&&&&
1. Key Laboratory of Meteorological Disaster of Ministry of Education, Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science & Technology, Nanjing 210044, C2. Huadong Meteorology Center of CAAC, Shanghai 200335, China
Abstract:Based on the
monthly 500 hPa geopotential height data from the Nation Center for Environmental Prediction (NCEP), this paper evaluates the winter's and summer's 500 hPa geopotential height in East Asia (EA) as are simulated by the 39 climate models in the the Phase 5 of the Coupled Model Intercomparison Project (CMIP5) historical simulation experiment. The Empirical Orthogonal Function (EOF), Taylor figures, Probability Density Functions (PDFs) and two assessment indicators have been used to find the models which are better in simulating the winter and summer circulation modes in EA. The results show that: (1)The models considered are able to simulate reasonably the main modes in both winter and summer, especially winter.(2) IPSL-CM5B-LR, MPI-ESM-P, CMCC-CMS, FGOALS-g2 and HadGEM2-ES are the models better at reproducing the winter's spatial structures, while ECEARTH, CanESM2, CMCC-CM, GFDL-ESM2G and IPSL-CM5A-MR are better at reproducing the summer's spatial structures. It's found that all the models considered are able to simulate reasonably these main modes with Western Pacific (WP) being the mode which is best spatially simulated and, the third mode being worst in the winter, but the first mode being the mode which is best spatially simulated with WP being worst in the summer. (3) From a temporal point of view, it is found that of all the modes for the winter the second mode simulations are best, then is WP, while for the summer the second mode also is simulated best, then are EAP and WP. CESM1-FASTCHEM, HadGEM2-ES, INM-CM4, GISS-E2-H and BCC-CSM1-1 are better at reproducing winter's PDF and CCSM4, HadGEM2-CC, GFDL-CM3, MRI-CGCM3, NorESM1-M are better at reproducing summer's. And, (4) considering of spatial and temporal structures, HadGEM2-ES, IPSL-CM5B-LR, CESM1-FASTCHEM, INM-CM4 and BCC-CSM1-1 are better than the other 34 models for the winter, and ECEARTH, CMCC-CM, CCSM4, CANESM2 and MIROC5 are better for the summer.
Key words:
500 hPa geopotential height in East Asia&&&&
Main modes' spatial and temporal structures&&&&
Model evaluation&&&&
全球气候模式是气候模拟和未来气候变化情景预估的重要工具和主要手段，利用全球气候模式开展未来气候的情景预估，首先必须评估模式对现代气候的模拟能力(;；；；；; )，特别是其对大尺度环流型态模拟能力的评估，不仅可为优选气候模式进行未来东亚区域气候变化的预估提供基础(；；，; )，也将为选择合适的大尺度背景场进行降尺度提供有效依据。
有关模式对大尺度环流模拟能力的评估，许多学者开展了大量的工作。如，)评估了第3次耦合气候模式比较计划(CMIP3)各模式对东亚夏季大气环流的模拟能力，结果表明，虽大多数模式对东亚地区海平面气压场、850 hPa风场及500 hPa位势高度场的气候态均有较强的模拟能力，但模式对东亚地区夏季主要环流系统模拟整体偏弱，评估了9个海气耦合模式对东亚冬季风的模拟能力，指出模式能成功地模拟出东亚冬季风的特征，且多数模式都模拟出了A1B情景下冬季风变弱的趋势。也有一些研究关注模式对主要遥相关型的模拟能力，如评估了CMIP3中23个气候系统模式模拟的年冬季(1—3月)北极涛动(AO)，发现22个模式中北极涛动模态都表现为北半球中高纬度大气年际变率的第1模态，综合模式对北极涛动的模态、指数变率、垂直结构及其对气候影响的模拟能力，在各方面模拟性能均较好的模式是UKMO-HadGEM1。评估了CMIP3中22个模式对北大西洋和北太平洋上主要模态特征的模拟能力，发现大部分模式高估或低估了大西洋多年代际振荡(AMO)空间模态的强度，位置与观测也存在差异。、评估了CMIP3模式对年冬季欧洲—大西洋地区海平面气压(SLP)的模拟能力，发现CMIP3模式均能较好地模拟其前4个旋转经验正交函数分解(REOF)模态，但不同模态间存在差异。江志红等(2013)评估了CMIP5模式对东亚夏季平均大气环流以及主要环流系统的模拟能力，并与CMIP3模式进行对比，发现CMIP5总体模拟能力比CMIP3有较大程度的提高；孙?等(2013)结合CMIP3和CMIP5耦合模式模拟的结果，对比评估了两代CMIP耦合模式对北太平洋海平面气压变率主要模态的模拟结果，结果发现，CMIP5多模式集合无论在空间型还是强度、时间变化的模拟都优于CMIP3多模式集合的结果。但上述有关CMIP5的模式评估一般都只考虑了部分CMIP5模式，且对东亚环流主要模态时空变率的模拟评估不多。
目前CMIP5已提供了超过50个模式的模拟结果，在东亚和亚洲季风区的模拟性能上已有一些研究(；；；，；)，但有关CMIP5模式对东亚大气环流模态结构的模拟能力仍亟待系统评估。考虑到气候模式对500 hPa高度场气候态的模拟能力最强(，；江志红等，2013；)，500 hPa也是东亚季风系统中的重要层次，其主要模态变化会导致大范围气候异常，特别是主要模态的未来变化可能决定了未来区域气候变化的结构。故选取第5次耦合气候模式比较计划(CMIP5)提供的39个模式年500 hPa高度场资料，评估各模式对东亚500 hPa大气环流主要模态时空结构的模拟能力，寻求模拟较好的模式，以便为未来东亚区域环流变化的情景预估提供模式选择依据。2 资料与方法2.1 资料介绍
采用的模式资料来自于CMIP5的39个全球气候模式模拟结果，表 1给出了所选取模式的基本信息，关于模式的详细信息可参考http://pcmdi9.llnl.gov/esgf-web-fe/。分别选取东亚地区(10°—80°N，70°E—180°)年冬、夏季500 hPa高度场为评估对象，利用同期美国国家环境预测中心(NCEP)的2.5°×2.5°再分析资料作为观测资料进行对比。为便于比较，所有模拟结果均采用双线性插值方法统一插值成2.5°×2.5°的网格。
表 1 使用的39个CMIP5模式信息
Table 1 Summary of the key characteristics of the CMIP5 models used，including acronyms，the host institution and atmospheric resolution for each model
序号模式名称研究机构(国别)大气模式分辨率(°)1ACCESS1-0联邦科学与工业研究组织—气象局(澳大利亚)1.88×1.252ACCESS1-3联邦科学与工业研究组织—气象局(澳大利亚)1.88×1.253BCC-CSM1-1北京气候中心—中国气象局(中国)2.81×2.814BCC-CSM1-1-m北京气候中心—中国气象局(中国)1.13×1.125BNU-ESM北京师范大学全球变化与地球系统科学学院(中国)2.81×2.816CCSM4美国国家大气研究中心(美国)1.25×0.947CESM1-BGC美国国家大气研究中心(美国)1.25×0.948CESM1-CAM5美国国家大气研究中心(美国)1.25×0.949CESM1-FASTCHEM美国国家大气研究中心(美国)1.25×0.9410CESM1-WACCM美国国家大气研究中心(美国)2.50×1.8911CMCC-CM意大利地中海气候研究中心(意大利)0.75×0.7512CMCC-CMS意大利地中海气候研究中心(意大利)1.88×1.8813CNRM-CM5法国气象局气象研究中心(法国)1.41×1.4014CanESM2加拿大气候模拟与分析中心(加拿大)2.81×2.7915ECEARTH欧洲中期天气预报中心(英国)1.13×1.1316FGOALS-g2中国科学院大气物理研究所(中国)2.81×3.0517FGOALS-s2中国科学院大气物理研究所(中国)2.81×1.4118GFDL-CM3美国地球物理流体动力学实验室(美国)2.50×2.0019GFDL-ESM2G美国地球物理流体动力学实验室(美国)2.50×2.0020GFDL-ESM2M美国地球物理流体动力学实验室(美国)2.50×2.0021GISS-E2-H美国航空和航天局(美国)2.50×2.0022GISS-E2-R美国航空和航天局(美国)2.50×2.0023HadCM3哈得来气候预测与研究中心(英国)3.75×2.5024HadGEM2-AO哈得来气候预测与研究中心(英国)1.88×1.25 25HadGEM2-CC哈得来气候预测与研究中心(英国)1.88×1.2526HadGEM2-ES哈得来气候预测与研究中心(英国)1.88×1.2527INM-CM4俄罗斯数值数学研究院(俄罗斯)2.00×1.5028IPSL-CM5A-LR皮埃尔-西蒙·拉普拉斯研究所(法国)3.75× 1.8929IPSL-CM5A-MR皮埃尔-西蒙·拉普拉斯研究所(法国)2.50×1.2730IPSL-CM5B-LR皮埃尔-西蒙·拉普拉斯研究所(法国)3.75×1.8931MIROC-ESM日本海洋地球科学技术处，大气海洋研究所和国家环境研究所(日本)2.81×2.7932MIROC-ESM-CHEM日本海洋地球科学技术处，大气海洋研究所和国家环境研究所(日本)2.81×2.7933MIROC4h日本气候系统研究中心，国家环境研究所和前沿气候变化研究中心(日本)0.56×0.5634MIROC5日本气候系统研究中心，国家环境研究所和前沿气候变化研究中心(日本)1.41×1.4035MPI-ESM-LR马克斯·普朗克气象研究所(德国)1.88×1.8736MPI-ESM-MR马克斯·普朗克气象研究所(德国)1.88×1.8737MPI-ESM-P马克斯·普朗克气象研究所(德国)1.88×1.8738MRI-CGCM3日本气象研究所(日本)1.13×1.1239NorESM1-M挪威气候中心(挪威)2.50×1.89
2.2 方 法2.2.1
主要时空模态的提取
利用经验正交函数分解(EOF)方法，分别对NCEP 500 hPa冬、夏季标准化高度距平场资料进行分析，提取相应的时空模态，得到主要模态和各模态对应的时间系数序列。在进行经验正交函数分解展开之前，以纬度余弦值的开方作为权重对数据进行空间加权。考虑到观测与模拟场经验正交函数分解展开提取的时空模态次序存在不一致性，将观测与模拟场分别展开，计算观测与模拟各主模态空间场间的相关系数，根据与观测场有最大的相关系数，且相应模态与其他模态不重复的原则，得到与观测场对应的模拟场主要模态。2.2.2 主要模态空间场模拟的评估
为全面、直观地比较各模式模拟主要模态空间结构的能力，引入泰勒图分析方法，比较观测与模拟场经验正交函数分解得到的主要模态空间结构间的一致性。泰勒图是由模拟与观测场空间分布的相关系数、相对标准差及其均方根误差组成的极坐标图(江志红等，2013；；)2.2.3
主要模态年际变率模拟的评估
为考察主要模态时间变率的模拟能力，计算主要模态时间系数的概率密度函数(PDF)，引入基于概率密度函数的Brier评分(记为BS)和显著性评分(简记为Sscore)2个指标，用于评估模拟与观测主要模态时间系数概率密度函数的偏差程度()。
设Pmi和Poi分别为模拟与观测场经验正交函数分解展开的时间系数在i区间的概率，则BS指标定义为
式中，n为分隔区间的个数。由式(1)可见，BS指标是模拟与观测场经验正交函数分解时间系数概率密度函数之间不重合部分的一种量度。模拟与观测的概率密度函数越接近，则BS指数的值越小，若模拟与观测的概率密度函数重合，则BS指标为0；反之，BS指数的值越大。
Sscore指标定义为
由式(2)可见，Sscore指标反映模拟与观测场经验正交函数分解时间系数概率密度函数相互重叠部分的面积。模拟与观测的概率密度函数重叠面积越大，则Sscore指数的值越大，若模拟与观测的概率密度函数重合，则Sscore=1；反之，Sscore指数的值越小。3 模态空间结构的模拟评估3.1 冬季模态空间结构的评估
分别对NCEP和CMIP5模式得到的年冬季500 hPa标准化高度距平场进行经验正交函数展开，选取冬季前3个模态，使得冬季主要模态的累积解释方差超过60%，首先考察模式对500 hPa高度场主要模态的获取能力。根据前述方法，选取模式中每个模态与NCEP每个模态空间相关系数最大的模态，定义为该模式与NCEP对应的主要模态。以CMCC-CMS模式为例，可以得到冬季第1至3模态分别与NCEP第1至3模态对应。
进一步对比主要模态的方差贡献。图 1给出了冬季NCEP与39个模式的主要模态的方差贡献以及累积解释方差。可见，冬季NCEP前3个经验正交函数分解模态的方差贡献分别占33.87%、18.28%、15.69%，整体模式前3个经验正交函数分解模态的方差贡献中位数分别为29.37%、20.31%、12.96%，其中第2模态中位数与冬季NCEP第2模态的方差贡献偏差最小，而第1模态偏差最大，说明模式整体模拟第2模态较好，第1模态较差。大多数模式500 hPa高度场EOF1模态的方差贡献都小于相应NCEP观测变量展开的方差贡献，特别是CESM1-BGC和MRI-CGCM3这两个模式与相应观测变量展开的方差贡献偏差较大。而大多数模式500 hPa高度场EOF2模态的方差贡献都大于相应NCEP观测变量展开的方差贡献，其中CESM1-WACCM偏差最大。除了CANESM2、MIROC-ESM-CHEM、MPI-ESM-LR，几乎所有模式EOF3模态的方差贡献都小于相应NCEP观测变量展开的贡献，特别是BNU-ESM偏差最大。从冬季前3个模态的累积方差看，与NCEP相应变量对比，发现除了8个模式，大多数模式的累积解释方差偏小，其中FGOALS-s2模式500 hPa 经验正交函数展开的累积方差偏差最小，而BNU-ESM模式的相应偏差最大。
图 1 冬季NCEP与39个模式的方差贡献和累积解释方差对比(黑点为观测经验正交函数分解的方差贡献)
Fig. 1 Percentage of the explained variance to the total explained variance for the NCEP and the CMIP5 models in the winter(black plots represent NCEP′s explained variance)
从冬季NCEP与CMCC-CMS的500 hPa高度场主要模态空间结构(经验正交函数分解空间场)的对比(图 2)可见，NCEP第1模态表现为南北偶极子型的空间分布，南北中心分别位于西北太平洋与欧亚大陆东岸、鄂霍次克海东北区域，类似于西太平洋遥相关(WP)的变化型态()；CMCC-CMS第1模态和NCEP第1模态的空间型分布结果基本一致，但与NCEP的空间型相比，位于鄂霍次克海东北位置的正载荷中心西移，与之相对的负载荷中心往西北方向移动，2个异常中心强度都加强。NCEP第2模态主要为三极子型的空间分布，从西北向东南方向3个异常中心分别位于北西伯利亚平原、鄂霍次克海以及西北太平洋附近；CMCC-CMS的第2模态正、负载荷中心位置与NCEP的相似，但位于北西伯利亚的负载荷中心往东南移动，正载荷中心东移，强度减弱，而位于西北太平洋附近的负载荷中心强度加强。NCEP第3模态表现为东西向偶极子型，东西向异常中心分别位于贝加尔湖附近以及东北太平洋，此外，在低纬度西太平洋160°E以东存在一个弱负载荷中心；CMCC-CMS负载荷中心强度减弱，东西伯利亚海地区位相与NCEP的相反。进一步计算NCEP的前3个主要模态与CMCC-CMS模式相应模态的空间相关系数，依次为0.962、0.912和0.887，表明CMCC-CMS模式对NCEP第1模态空间型模拟较好，第3模态模拟较差。
图 2 NCEP与CMCC-CMS模式冬季500 hPa前3个经验正交函数分解模态空间场(a.NCEP的第1模态，b. NCEP的第2模态，c. NCEP的第3模态，d. CMCC-CMS的第1模态，e. CMCC-CMS的第2模态，f. CMCC-CMS的第3模态；间隔：0.2 hPa)
Fig. 2 NCEP and CMCC-CMS′s variability modes in the winter(a. NCEP′s first mode，b. NCEP′s second mode，c. NCEP′s third mode，d.
CMCC-CMS′s first mode，e. CMCC-CMS′s second mode，f. CMCC-CMS′s third mode； interval: 0.2 hPa)
从冬季各模式模拟的主要模态空间场与NCEP前3个主要模态对比的泰勒图(图 3)可以看到，各模式对第1模态(西太平洋遥相关型)模拟的相关系数基本超过0.8，而对第3模态的模拟相关系数基本在0.4—0.8，表明各模式对NCEP西太平洋遥相关型模拟能力最强，第3模态最差；大多数模式第2模态相对标准差大于1，第3模态相对标准差小于1，表明大多数模式对NCEP第2模态的模拟普遍偏强，而对NCEP第3模态的模拟普遍偏弱。且其对西太平洋遥相关型的模拟中，CCSM4、IPSL-CM5A-LR、MIROC4h、CMCC-CMS、MPI-ESM-P这5个模式与观测场的相关系数超过0.95，相对标准差在0.968—1.03，均方根误差在0.155—0.186，最接近观测点，表明其对西太平洋遥相关型模拟能力较强，类似地可以得到对第2模态模拟效果较好的前5个模式是HadGEM2-ES、BCC-CSM1-1、MPI-ESM-P、CMCC-CMS、GISS-E2-R。第3模态模拟效果较好的是CMCC-CMS、CESM1-WACCM、IPSL-CM5B-LR、FGOALS-g2、CMCC-CM。综合冬季前3个主要模态在空间型相关系数、相对标准差、均方根误差3个方面的模拟效果，得到模拟能力较强的模式为CMCC-CMS、 IPSL-CM5B-LR、MPI-ESM-P、FGOALS-g2、CCSM4，较差的是CanESM2、GFDL-ESM2M、MPI-ESM-LR。
图 3 CMIP5模式与NCEP冬季前3个模态空间结构的泰勒图比较(REF是参考值，纵坐标是标准方差)
Fig. 3 Taylor diagrams for comparison of the winter′s spatial patterns between the CMIP5 models and the NCEP，for the
first mode，second mode and third mode(reference value is denoted by REF; the radial distance from the origin is proportional to the st and ard deviation ratio)
综合冬季空间型相关、相对标准差、均方根误差以及经验正交函数分解解释方差偏差的模拟结果，可得到39个模式对东亚冬季500 hPa高度场主要空间结构模拟能力的模式排名(图 4)，色标中红色到蓝色依次是排名1到39，图中每个模式对应的每一列红色越多表示模拟能力越强，排名最好的在左侧，最差的在右侧。由图中可以看到最上面两行是模式对冬季西太平洋遥相关型依据泰勒图方法(综合相关系数、相对标准差、均方根误差)和经验正交函数分解解释方差偏差的排名，CCSM4对应的颜色最深，说明模拟最好，由此对冬季西太平洋遥相关型模拟能力较强的前5个模式为CCSM4、IPSL-CM5A-LR、MIROC4h、CMCC-CMS、MPI-ESM-P。同样用该方法，可以得到对冬季第2模态模拟效果较好的模式是BCC-CSM1-1、HadGEM2-ES、IPSL-CM5B-LR、MPI-ESM-P。对冬季第3模态模拟效果较好的是CESM1-WACCM、IPSL-CM5B-LR、MPI-ESM-P、CMCC-CMS。综合39个模式对冬季前3个模态空间型相关、相对标准差、均方根误差以及经验正交函数分解解释方差偏差的模拟结果，冬季模拟主要空间结构较好的模式为IPSL-CM5B-LR、MPI-ESM-P、CMCC-CMS、FGOALS-g2、HadGEM2-ES。
图 4 分别基于泰勒图、经验正交函数分解解释方差偏差的冬季主要模态模拟能力排名(不同色标表示模式排名)
Fig. 4 Main modes′ model evaluations ranking based on the Taylor figure and the absolute value of the EOF explained variance bias in the winter(different colors indicate model′s ranking)
3.2 夏季模态空间结构的评估
与冬季主要模态获取类似，分别对NCEP和CMIP5模式得到的年夏季500 hPa标准化高度距平场进行经验正交函数分解展开，选取夏季前4个模态，使夏季主要模态的累积解释方差超过60%，以CMCC-CMS模式为例，可以得到该模式的夏季第1模态与NCEP第1模态对应，第3、4、2模态分别与NCEP第2至4模态对应。
进一步对比夏季NCEP与39个模式主要模态的方差贡献和累积解释方差(图 5)可见，夏季NCEP 前4个经验正交函数分解模态的方差贡献分别占39.44%、10.64%、8.69%、7.77%，整体模式前4个模态的方差贡献中位数分别为35.89%、8.58%、13.46%、10.23%，其中第2模态中位数与夏季NCEP第2模态的方差贡献偏差最小，而第3模态偏差最大，说明模式整体模拟第2模态较好，第3模态较差。大多数模式500 hPa高度场EOF1模态的方差贡献都小于相应NCEP观测变量展开的方差贡献，其中INM-CM4偏差最大。大多数模式EOF2模态的方差贡献都小于相应NCEP观测变量展开的方差贡献，其中FGOALS-s2偏差较大，而GISS-E2-H的方差贡献大于相应观测变量展开的方差贡献，且偏差最大。而除了ACCESS1-0、ECEARTH、INM-CM4，几乎所有模式EOF3模态的方差贡献都大于相应NCEP观测变量展开的贡献。大多数模式EOF4模态的方差贡献都大于相应NCEP观测变量展开的方差贡献，其中BCC-CSM1-1-m偏差最大。从夏季前4个模态的累积方差看，与NCEP相应变量对比，大多数模式的累积解释方差偏大，其中ECEARTH模式500 hPa经验正交函数分解展开的累积方差偏差最小，而BCC-CSM1-1-m模式的相应偏差最大。从冬、夏季的方差贡献可以看出，模式整体对NCEP第2模态方差贡献模拟较好，且冬季第2模态偏差更小，而冬季第1模态、夏季第1、3模态均偏差较大，模拟较差，因此与夏季各模态方差贡献相比，整体模式模拟冬季方差贡献比夏季的模拟略好。
图 5 夏季NCEP与39个模式的方差贡献和累积解释方差对比(黑点为观测经验正交函数分解的方差贡献)
Fig. 5 Percentage of the explained variance to the total explained variance for the NCEP and the CMIP5 models in the summer(black plots represent NCEP′s explained variance)
夏季NCEP与CMCC-CMS的500 hPa高度场空间结构的对比(图 6)表明，NCEP第1模态空间型态呈单级分布，除了日本群岛140°E附近存在反相的正载荷中心外，基本全区域变化一致；CMCC-CMS第1模态正载荷中心强度加强，范围扩大，延伸至鄂霍次克海附近，其他空间型态与NCEP第1模态相似。NCEP第2模态表现为四极子型，从西北向东南4个异常中心分别位于北西伯利亚平原、贝加尔湖以东60°N附近、东北太平洋以及低纬度西太平洋；CMCC-CMS第3模态对应NCEP第2模态，NCEP中位于北西伯利亚平原的正载荷中心转为负载荷中心，位于贝加尔湖以东60°N附近负载荷中心减弱，位于东北太平洋附近正载荷中心东移，强度加强。NCEP第3模态中表现为3个异常中心位置由南向北分别位于东北太平洋、鄂霍次克海和东西伯利亚海，表现为东亚-太平洋型，类似于地区从低纬度到中高纬度呈负、正、负的东亚-太平洋(EAP)遥相关型分布()，但中心位置有差别；CMCC-CMS第4模态对应NCEP第3模态，位于东西伯利亚海的负载荷中心位置西移，东北太平洋的负载荷中心北抬东移至中纬度太平洋，而低纬度太平洋出现弱正载荷中心，位于鄂霍次克海正载荷中心强度加强。NCEP的第4模态中表现为北面有2个正载荷中心，分别位于贝加尔湖以北以及东西伯利亚海与鄂霍次克海之间，南面负载荷中心位于西太平洋，表现为西太平洋遥相关型()；CMCC-CMS第2模态对应NCEP第4模态，与NCEP空间型对比，北面的2个正载荷中心合并成1个，位于贝加尔湖以北，强度加强，而位于西太平洋的负载荷中心强度也加强。进一步计算NCEP的前4个主要模态与CMCC-CMS模式相应模态的空间相关系数，依次为0.819、0.462、0.647和0.744，表明CMCC-CMS模式对NCEP第1模态空间型模拟最好，第2模态模拟较差，其次分别为西太平洋遥相关型和第3模态。
图 6 夏季NCEP与CMCC-CMS经验正交函数分解展开的主要模态(a. NCEP第1模态，b. NCEP第2模态，c. NCEP第3模态，d. NCEP第4模态，e. CMCC-CMS第1模态，f. CMCC-CMS第3模态，g. CMCC-CMS第4模态，h. CMCC-CMS第2模态; 间隔：0.2 hPa)
Fig. 6 NCEP and CMCC-CMS′s variability modes in the summer(a. NCEP′s first mode，b. NCEP′s second mode，c. NCEP′s third mode，d. NCEP′s fourth mode，e. CMCC-CMS′s first mode，f. CMCC-CMS′s third mode，g. CMCC-CMS′s fourth mode，h. CMCC-CMS′ interval:0.2 hPa)
为全面定量评估各模式对东亚地区500 hPa高度场主要经验正交函数分解模态空间结构的模拟能力，给出了夏季各模式模拟的主要模态空间场与NCEP前4个主要模态对比的泰勒图(图 7)，可以看到，各模式对夏季第1模态模拟的相关系数基本超过0.7，第2模态的相关系数基本在0.7—0.8，第3模态的相关系数在0.6—0.9，而对夏季西太平洋遥相关型的模拟相关系数基本在0.4—0.7，表明各模式对夏季NCEP第1模态模拟能力最强，其次分别为第2模态和第3模态，西太平洋遥相关型最差；大多数模式第3模态和西太平洋遥相关型相对标准差大于1，第2模态相对标准差小于1，表明大多数模式对NCEP第3模态、西太平洋遥相关型的模拟普遍偏强，而对第2模态的模拟普遍偏弱。且其对第1模态模拟中，MIROC-ESM、CNRM-CM5、MIROC4h、CanESM2、MIROC-ESM-CHEM这5个模式与观测场的相关系数超过0.89，相对标准差在0.968—1.03，均方根误差在0.155—0.186，最接近观测点，表明其对西太平洋遥相关型的模拟能力较强，同样可以得到第2模态模拟效果较好的前5个模式是GFDL-CM3、HadGEM2-CC、CMCC-CM、MIROC4h、CESM1-BGC。第3模态模拟效果较好的是ACCESS1-0、CanESM2、HadGEM2-ES。西太平洋遥相关型模拟效果较好的是FGOALS-s2、CESM1-CAM5、HadGEM2-AO、CESM1-FASTCH EM、CESM1-WACCM。基于夏季空间型相关、相对标准差、均方根误差3个方面的模拟效果，综合夏季前4个主要模态，模拟能力较强的模式为Can ESM2、 IPSL-CM5A-MR、CESM1-WACCM、GFD L-ESM2M、ACCESS1-0，较差的是GISS-E2-R、CCSM4、FGOALS-g2。
图 7 CMIP5模式与NCEP前4个模态夏季空间型态的泰勒图比较(REF是参考值，纵坐标是标准方差)
Fig. 7 Taylor diagrams for comparison of the summer′s spatial patterns between the CMIP5 models and the NCEP，for the first mode，second mode，third mode and fourth mode(Reference value is denoted by REF and the radial distance from the origin is proportional to the st and ard deviation ratio)
综合夏季空间型相关、相对标准差、均方根误差以及经验正交函数分解解释方差偏差的模拟结果，从39个模式对东亚夏季500 hPa高度场主要空间结构模拟能力的模式排名(图 8)可以看到，对夏季第1模态模拟能力较强的模式为CESM1-FASTCHEM、IPSL-CM5A-LR、CESM1-WACCM、ECEARTH；对夏季第2模态模拟效果较好的模式是CMCC-CMS、CESM1-WACCM、ECEARTH；夏季第3模态模拟效果较好的是INM-CM4、ECEARTH、CMCC-CMS、HadCM3；夏季西太平洋遥相关型模拟效果较好的是ACCESS1-0、CMCC-CM、CANESM2、CESM1-BGC。综合39个模式对夏季前4个模态空间型相关、相对标准差、均方根误差以及经验正交函数分解解释方差偏差的模拟结果，夏季模拟主要空间结构较好的模式为ECEARTH、CANESM2、CMCC-CM、GFDL-ESM2G、IPSL-CM5A-MR。对比图 4与图 8，模式对冬季空间结构综合评估的一致性比对夏季空间结构综合评估要高，表明模式对冬季模态空间结构的模拟较好。
图 8 同图 4，但为分别基于泰勒图、经验正交函数分解解释方差偏差的夏季主要模态模拟能力排名
Fig. 8 As in Fig. 4 but for
the summer
4 主要模态时间变率模拟的评估4.1 模式对东亚冬季模态时间变率的模拟
为考察CMIP5模式对上述主要模态空间结构的强度、出现频次等时间变率特征的模拟能力，计算观测与各模式冬季主要模态时间系数的概率密度函数曲线。由冬季NCEP与39个CMIP5模式前3个模态时间系数的概率密度函数曲线的对比(图 9)可以看到，对冬季西太平洋遥相关型、冬季第2模态的时间变化，大多数模式经验正交函数分解的时间系数0值附近出现概率较观测大，表明模式模拟上述模态弱变化出现频次偏多，NCEP冬季第3模态时间系数-1—0出现概率高于绝大多数模式，表明模式模拟弱负变化的能力偏低。
图 9 冬季主要模态NCEP与CMIP5模式时间系数的概率密度函数(PDF)(a． EOF1模态，b. EOF2模态，c. EOF3模态；黑线是NCEP，彩线是CMIP5模式)
Fig. 9 PDFs of the variability modes for the NCEP(black line) and the CMIP5 models(color lines)in the winter(a． EOF1 mode，b. EOF2 mode，c. EOF3 mode)
为定量比较模式对冬季经验正交函数分解时间系数概率密度函数特征的模拟能力，计算了BS和Sscore指标。注意到BS指标值越接近0，Sscore指标越接近1，说明模式模拟能力越好。图 10给出了表征39个模式对于前3个模态时间系数概率密度函数模拟能力的BS指标和Sscore指标的盒须图。图 10a显示冬季第2模态的BS中位数最小，BS值为0.043%，且方框-盒须分布紧凑，离散度较小，说明模式整体模拟第2模态概率密度函数较好，其次依次是西太平洋遥相关型、第3模态；图 10b显示3个模态冬季Sscore中位数都在0.85以上，相应的值依次为0.936、0.940、0.888，其中冬季第2模态的Sscore中位数略大于西太平洋遥相关型，且第2模态的方框-盒须Sscore分布紧凑，最大值最接近1。因此，由基于冬季BS和Sscore指标时间系数概率密度函数的百分位评估都可以看出，模式对冬季第2模态的模拟较好，其次是西太平洋遥相关型，对第3模态模拟较差。
图 10 39个模式冬季主要模态时间系数(a. BS指标，b. Sscore指标)的盒须图(方框对应的是第25、50和75百分位指标值，两端的须分别为最小和最大值)
Fig. 10 Box-plots of the main modes′(a)Brier score(BS)(%) and (b)significance score(Sscore)for the 39 models in the winter(the box and whiskers plots indicate the 25th，50th，and 75th percentile，as well as minimum and maximum values，respectively)
计算各模式冬季3个模态的BS和Sscore指标(图 11)，考虑到BS指标值越接近0，Sscore指标越接近1，模式模拟能力越好，可以得到39个模式冬季西太平洋遥相关型中模拟能力均较强的模式为IPSL-CM5B-LR、INM-CM4、CESM1-FASTCHEM、GISS-E2-H、IPSL-CM5A-LR；第2模态中模拟能力均较强的模式为BCC-CSM1-1、FGOALS-s2、MPI-ESM-MR；对第3模态模拟能力均较强的模式为HadGEM2-ES、ECEARTH、CESM1-FASTCHE M、CESM1-WACCM。为了直观反映CMIP5模式对每个模态时间系数概率密度函数的模拟能力以及综合排名，图 12给出了基于BS、Sscore指标的模式对东亚500 hPa高度场每个模态时间系数概率密度函数综合模拟能力排名。每个模态名称下对应的两栏中，从上到下依次为BS指标排名和Sscore指标排名。可见基于BS、Sscore指标对冬季前3个模态时间系数概率密度函数模拟较好的前5个模式为CESM1-FASTCHEM、HadGEM2-ES、INM-CM4、GISS-E2-H、BCC-CSM1-1。
图 11 39个模式冬季前3个模态的BS和Sscore指标值(靠近0的3条线表示3个模态下BS值，靠近1的3条线表示Sscore值，红线、蓝线、绿线依次表示的第1模态、第2模态、第3模态)
Fig. 11 BS and Sscore values for the NCEP and the CMIP5 models′ three modes in the winter(the three lines close to 0 indicate three modes′ BS and the ones close to 1 indicate three modes′ Sscore. The red line represents the first mode，the blue line represents the second mode and the green line represents the third mode)
图 12 同图 4，但为基于BS、Sscore的冬季主要模态时间系数概率密度函数的模拟能力排名
Fig. 12 As in Fig. 4 but for the main modes′ PDF model evaluations ranking based on BS and Sscore in the winter
4.2 模式对东亚夏季模态时间变率的模拟
从夏季NCEP与39个CMIP5模式前3个模态时间系数概率密度函数曲线的对比(图 13)可以看出，对夏季第2、第3模态的时间变化，大多数模式经验正交函数分解时间系数0值附近出现概率较观测大，表明模式模拟上述模态弱变化出现频次偏多，观测夏季第1模态、夏季西太平洋遥相关型时间系数-1—0出现概率高于绝大多数模式，表明模式模拟弱负变化的能力偏低。
图 13 夏季主要模态NCEP(黑线)与CMIP5模式(彩线)时间系数的概率密度函数(a. 第1模态，b. 第2模态，c. 第3模态，d. 第4模态)
Fig. 13 As in Fig. 9 but for the summer
图 14为表征39个模式对于夏季前4个经验正交函数分解时间系数概率密度函数模拟能力的BS指标和Sscore指标的盒须图。图 14a中，夏季的4个模态中第1模态的第50百分位(简称中位数)较大，为0.232%，且其方框-盒须BS分布离散，说明模式整体模拟能力较差，而其他3个模态的中位数依次为0.044%、0.081%、0.097%，其中，第2模态中位数较小且其方框-盒须BS分布紧凑，说明模式对该模态的时间系数概率密度函数变化整体模拟能力较好，其次分别为第3模态、西太平洋遥相关型；图 14b中，显然夏季在4个模态中第1模态的中位数较小，为0.869，且其方框-盒须Sscore分布离散，说明模式整体模拟能力较差，而其他3个模态的中位数依次为0.939、0.916、0.912，其中，第2模态中位数较大且其方框-盒须Sscore分布紧凑，说明模式整体模拟能力较好，因此，模式对夏季第2模态概率密度函数模拟较好，其次分别为第3模态、西太平洋遥相关型，对第1模态模拟较差。
图 14 39个模式夏季主要模态时间系数(a)BS指标和(b)Sscore指标盒须图(方框对应的是第25、50和75百分位指标值，两端的须分别为最小和最大值)
Fig. 14 Box-plots of the main modes′(a)Brier score(BS)(%) and (b)significance score(Sscore)for the 39 models in the summer(The box and whiskers plots indicate the 25th，50th，and 75th，percentile，as well as minimum and maximum values，respectively)
为清楚地看出各模式夏季前4个模态的BS和Sscore指标值，图 15给出了各模式夏季4个模态的BS和Sscore指标，同样为了直观反映CMIP5模式对夏季每个模态时间系数概率密度函数的模拟能力以及综合排名，图 16给出了基于BS、Sscore指标的模式对东亚500 hPa高度场夏季每个模态时间系数概率密度函数综合模拟能力排名。由图 16可以看到，39个模式夏季第1模态中模拟能力均较强的模式为MPI-ESM-P、NorESM1-M、CMCC-CM、HadGEM2-CC；第2模态中模拟能力均较强的模式为GFDL-CM3、CCSM4、HadGEM2-CC、MRI-CGCM3、HadGEM2-ES；第3模态中模拟能力均较强的模式为FGOALS-g2、CMCC-CMS、MIROC-ESM；西太平洋遥相关型中模拟能力均较强的模式为MRI-CGCM3、HadGEM2-CC、MIROC5、ACCESS1-3、GFDL-CM3。基于BS、Sscore指标对夏季前4个模态时间系数概率密度函数模拟较好的模式为CCSM4、HadGEM2-CC、GFDL-CM3、MRI-CGCM3、NorESM1-M。对比图 12与图 16，可以看出模式对冬季主要模态时间系数概率密度函数和模拟一致性较好，说明相对夏季，模式对冬季时间系数概率密度函数评估较好。
图 15 39个模式夏季前4个模态的BS和Sscore指标值(靠近0的4条线表示4个模态下BS值，靠近1的4条线表示Sscore值，红线、蓝线、绿线、黑线依次表示的第1模态、第2模态、第3模态、第4模态)
Fig. 15 BS and Sscore value for NCEP and the CMIP5 models' four modes in the summer(the four lines close to 0 indicate four modes′ BS and the ones close to 1 indicate four modes′ Sscore. The red line represents the first mode，the blue line represents the second mode，the green line represents the third mode and the black line represents the fourth mode)
图 16 同图 4，但为基于BS、Sscore的夏季主要模态时间系数概率密度函数模拟能力排名
Fig. 16 As in Fig. 4 but for the main modes′ PDF model evaluations rankingbased on BS and Sscore in the summer
5 主要模态时空结构的综合评估
由前面分析可以看到，泰勒图方法和经验正交函数分解解释方差偏差从主要模态的空间场评估模式的模拟能力，BS和Sscore指标则从主要模态时间变率方面对模式模拟能力进行评估，为综合考察模式对空间结构和时间系数概率密度函数的模拟情况，图 17给出了CMIP5 39个模式基于时空结构的综合排名。由图 17a可知，冬季西太平洋遥相关型时空结构模拟较好的前5个模式分别为IPSL-CM5A-LR、CESM1-FASTCHEM、IPSL-CM5B-LR、FGOALS-g2、GISS-E2-H，第2模态则为BCC-CSM1-1、CMCC-CMS、FGOALS-s2、FGOALS-g2、HadGEM2-ES，而第3模态得到的较好的模式为CESM1-WACCM、HadGEM2-ES、ECEARTH、CNRM-CM5。基于泰勒图方法、经验正交函数分解解释方差偏差、BS和Sscore指标，综合模式对东亚冬季500 hPa高度场主要模态的时空结构的模拟能力，其模拟性能均较好的模式为HadGEM2-ES、IPSL-CM5B-LR、CESM1-FASTCHEM、INM-CM4、BCC-CSM1-1。图 17b中夏季第1模态时空结构模拟较好的模式分别为CESM1-FASTCHEM、HadGEM2-ES、ECEARTH，第2模态则为CCSM4、ECEARTH、CNRM-CM5、HadGEM2-CC，而第3模态得到的较好的模式为CMCC-CMS、FGOALS-g2、ACCESS1-3，西太平洋遥相关型得到的较好的模式为MRI-CGCM3、CANESM2、CMCC-CM、MIROC5。基于泰勒图方法、经验正交函数分解解释方差偏差、BS和Sscore指标，综合模式对东亚夏季500 hPa高度场主要模态的时空结构的模拟能力，其模拟性能均较好的模式为ECEARTH、CMCC-CM、CCSM4、CANESM2、MIROC5。图 17a与图 17b相比，也能看出从空间结构、时间系数概率密度函数两方面，模式对冬季模拟比夏季较好。
图 17 同图 4，但为39个模式基于时空结构模拟能力排名(a. 冬季，b. 夏季)
Fig. 17 As in Fig. 4 but based on the spatial and temporal structures simulationsevaluation of the 39 models in the(a)winter and (b)summer
6 结论和讨论
以NCEP再分析资料为观测基础，利用CMIP5提供的39个气候模式对当前气候(年)模拟试验的结果，选取东亚500 hPa位势高度场作为评估对象，通过经验正交函数分解提取主要模态，利用泰勒图方法、概率密度函数的Brier评分(BS)和显著性评分(Sscore)指标，评估各模式对东亚500 hPa 位势高度场主要模态时空结构的模拟能力，寻求具有较好模拟能力的气候模式以及模拟较好的模态。得到如下结论：
(1)CMIP5模式能基本模拟东亚冬、夏季500 hPa 高度场的主要模态，且各模式对冬季主要模态时空结构的模拟能力都高于夏季。
(2)各模式对冬季西太平洋遥相关型模拟能力最强，对第3模态模拟较差，综合各模式对冬季前3个模态空间结构的模拟能力，模拟较好的模式为IPSL-CM5B-LR、MPI-ESM-P、CMCC-CMS、FGOALS-g2、HadGEM2-ES；各模式对夏季第1模态模拟能力最强，其次分别为第2模态和第3模态，西太平洋遥相关型较差，综合其对前4个主要模态空间结构模拟能力，较好的模式为ECEARTH、CanESM2、CMCC-CM、GFDL-ESM2G、IPSL-CM5A-MR。相对夏季，模式对冬季空间结构模拟较好。
(3)对主要模态时间系数概率密度函数特征的模拟评估表明，模式对冬季第2模态概率密度函数模拟较好，其次为西太平洋遥相关型，对第3模态模拟较差，综合模式对冬季前3个模态的模拟能力，其模拟时间系数概率密度函数较好的模式为CESM1-FASTCHEM、HadGEM2-ES、INM-CM4、GISS-E2-H、BCC-CSM1-1；模式对夏季第2模态时间系数概率密度函数模拟较好，其次分别为第3模态、西太平洋遥相关型，对第1模态模拟较差，综合夏季前4个模态的模拟能力，其时间系数概率密度函数模拟较好的模式为CCSM4、HadGEM2-CC、GFDL-CM3、MRI-CGCM3、NorESM1-M。冬夏比较，模式对冬季主要模态时间系数概率密度函数的模拟较好。
(4)基于泰勒图方法、经验正交函数分解解释方差偏差、BS和Sscore指标，综合模式对东亚500 hPa高度场主要模态的时空结构的模拟能力，对冬季模拟较好的模式为HadGEM2-ES、IPSL-CM5B-LR、CESM1-FASTCHEM、INM-CM4和BCC-CSM1-1；夏季则为 ECEARTH、CMCC-CM、CCSM4、CANESM2、MIROC5。
通过经验正交函数分解提取主要模态，评估各模式的模态模拟能力，发现各模式对不同模态的模拟能力存在差异，同一模式对不同模态的模拟能力也有差异，表明模式对任一模态的模拟能力可能与该模态物理过程的模拟有关，相关机制显然值得进一步研究。此外，鉴于本研究是以NCEP资料作为观测事实的，其评估结果必然受到NCEP再分析资料的影响，而再分析资料自身存在着不确定性，未来需要进一步与ERA-40、ERA-interim、JRA25等再分析资料进行比较，以减少评估结果的不确定性。
致谢：感谢世界气候研究计划耦合模式工作组和各模式机构提供CMIP5模式资料，感谢美国NOAA提供的NCEP/NCAR大气再分析资料。
江志红, 陈威霖, 宋洁等. 2009. 7 个IPCC AR4 模式对中国地区极端降水指数模拟能力的评估及其未来情景预估. 大气科学, 33 (1): 109-120. Jiang Zhihong, Chen Weilin, Song Jie, et al. 2009. Projection and evaluation of the precipitation extremes indices over China based on seven IPCC AR4 coupled climate models.
李博, 周天军. 2010. 基于IPCC A1B情景的中国未来气候变化预估: 多模式集合结果及其不确定性. 气候变化研究进展, 6(4): 270-276. Li Bo, Zhou Tianjun. 2010. Projected climate change over China under SRES A1B scenario: Multi-model ensemble and uncertainties.
李崇银. 2000. 气候动力学引论(第2版). 北京: 气象出版社, 198-202. Li Congyin. 2000. Climate Dynamics Introduction (The second edition). Beijing: China Meteorological Press, 198-202(in Chinese)
孙?, 丁瑞强. 2013. CMIP3和CMIP5模式对北太平洋海平面气压变率主导模态的模拟和评估. 中国科技论文在线, 4(1974): . Sun Yan, Ding Ruiqiang. 2013. Simulation and assessment of the leading modes of the North Pacific sea level pressure anomalies based on CMIP3 and CMIP5.
田亮, 江志红, 陈威霖. 2015. CMIP5 气候模式对东亚夏季平均环流场模拟能力的评估. 气候与环境研究,待刊, Tian Liang, Jiang Zhihong, Chen Weilin.2015. Evaluation of summer average circulation simulation over East Asia by CMIP5 climate models. Climatic Enviro Res, in press (in Chinese)
辛晓歌, 周天军, 宇如聪. 2008. 气候系统模式对北极涛动的模拟. 地球物理学报, 51(2): 337-351. Xin X G, Zhou T J, Yu R C. 2008. The Arctic Oscillation in coupled climate models.
张宏芳, 陈海山. 2011a. 21 个气候模式对东亚夏季环流模拟的评估Ⅰ:气候态. 气象科学, 31(2): 119-128. Zhang Hongfang, Chen Haishan. 2011a. Evaluation of summer circulation simulation over East Asia by 21 climate models.Part Ⅰ: Climatology.
张宏芳, 陈海山. 2011b. 21个气候模式对东亚夏季环流模拟的评估Ⅱ: 年际变化. 气象科学, 31(3): 247-257. Zhang Hongfang, Chen Haishan. 2011b. Evaluation of summer circulation simulation over East Asia by 21 climate models. Part Ⅱ: Interannual variability.
张文君, 宇如聪, 周天军. 2008. 中国土壤湿度的分布与变化Ⅱ: 耦合模式模拟结果评估. 大气科学, 32(5): . Zhang Wenjun, Yu Rucong, Zhou Tianjun. 2008. Spatial distribution and temporal variation of soil moisture over China. Part Ⅱ: The evalHuations for coupled models simulations.
周天军, 李立娟, 李红梅等. 2008. 气候变化的归因和预估模拟研究. 大气科学, 32(4): 906-922. Zhou Tianjun, Li Lijuan, Li Hongmei, et al. 2008. Progress in climate change attribution and projection studies.
Belleflamme A, Fettweis X, Lang C, et al. 2013. Current and future atmospheric circulation at 500 hPa over Greenland simulated by the CMIP3 and CMIP5 global models.
Casado M J, Pastor M A. 2011. Use of variability modes to evaluate AR4 climate models over the Euro-Atlantic region.
Chen W, Jiang Z, Laurent L. 2011a. Probabilistic projections of climate change over China under the SRES A1B scenario using 28 AOGCMs.
Chen W, Jiang Z, Laurent L, et al. 2011b. Simulation of regional climate change under the IPCC A2 scenario in southeast China.
Dong L Zhou T J. 2014. The Indian ocean sea surface temperature warming simulated by CM-IP5 models during the 20th century: competing forcing roles of GHGs and anthropogenic a-erosols.
Fu G B, Liu Z F, Charles S P, et al. 2013. A score-based method for assessing the performance of GCMs: A case study of southeastern Australia.
He C, Zhou T J. 2014. The two interannual variability modes of the Western North Pacific Subtropical High simulated by 28 CMIP5-AMIP models.
Hori M E, Ueda H. 2006. Impact of global warming on the East Asian winter monsoon as revealed by nine coupled atmosphere-ocean GCMs.
Jiang Z H, Song J, Li L, et al. 2012. Extreme climate events in China: IPCC-AR4 model evaluation and projection.
Kitoh A, Endo H, Krishna Kumar K, et al. 2013. Monsoons in a changing world: A regional perspective in a global context.
Li H M, Feng L, Zhou T J. 2011a. Multi-model projection of July-August climate extreme changes over China under CO2 doubling. Part I: Precipitation.
Li H M, Feng L, Zhou T J. 2011b. Multi-model projection of July-August climate extreme changes over China under CO2 doubling. Part II: Temperature.
Pastor M A, Casado M J. 2012. Use of circulation types classifications to evaluate AR4 climate models over the Euro-Atlantic region.
Perkins S E, Pitman A J, Holbrook N J, et al. 2007. Evaluation of the AR4 climate models' simulated daily maximum temperature, minimum temperature, and precipitation over Australia using probability density functions.
Schuenemann K C, Cassano J J. 2009. Changes in synoptic weather patterns and Greenland precipitation in the 20th and 21st centuries: 1. Evaluation of late 20th century simulations from IPCC models.
Song F D, Zhou T J, Yun Q. 2014a. Responses of East Asian summer monsoon to natural and anthropogenic forcings in the 17 latest CMIP5 models.
Song F F, Zhou T J. 2014b. Interannual variability of East Asian summer monsoon simulated by CMIP3 and CMIP5 AGCMs: Skill dependence on Indian Ocean-Western Pacific anticyclone teleconnection. J Climate, 27(4):
Sperber K R, Annamalai H, Kang I S, et al. 2013. The Asian summer monsoon: An intercomparison of CMIP5 vs. CMIP3 simulations of the late 20th century.
Stoner A M K, Hayhoe K, Wuebbles D J. 2009. Assessing general circulation model simulations of atmospheric teleconnection patterns.
Taylor K E. 2001. Summarizing multiple aspects of model performance in a single diagram.
Taylor K E, Stouffer R J, Meehl G A. 2012. An overview of CMIP5 and the experiment design.
Zhou T J, Yu R C. 2006. Twentieth century surface air temperature over China and the globe simulated by coupled climate models.}