CMIP6（第六阶段国际耦合模式比较计划），是当前国际上用于评估全球各大气候模型性能的重要计划，隶属于世界气候研究计划（WCRP）。最早起源是AMIP（大气模式比较计划），AMIP第一次活动时间为1989-1994年。后来，WCRP在1995年成立了专门的耦合模拟工作组（WGCM），正式启动了CMIP项目。

CMIP6核心作用：

• 通过不同模型的相互对比，确定每个模型的优势和不足。

• 促进各模型的持续完善，推动气候模拟技术发展，以提升全球气候变化预测的可信度。

简单来讲，CMIP6是全球科学家之间的合作项目，目的在于不断优化现有气候模型，进而提高未来气候预测准确性。

美国CESM模型

（一）CESM模型结构：

CESM（Community Earth System Model）是一套完整的地球气候系统模拟工具，由多个独立子模型构成，每个子模型分别负责模拟地球不同部分的气候过程，这些子模型之间通过MCT（Model Coupling Toolkit）进行数据耦合。

具体子模型及对应驱动变量：

模型各组件由MCT中央耦合模块统一管理，实现相互之间数据交换和耦合运算。

• 大气模型（CAM6）与海洋模型（POP2）之间交换风场、热量、海表温度等信息。

• 海洋与海冰模型（CICE5）交换海冰厚度和温度数据，以更真实地模拟极区气候变化。

（二）CESM的应用领域：

CESM可用于多种复杂的地球气候系统研究，例如：

• 物理气候系统变化（大气、海洋、陆地、海冰等之间的相互作用）

• 气候的化学过程（温室气体对全球气候的影响）

• 完整的大气层模拟（从对流层到平流层）

• 全球生态系统的反馈（陆地和海洋生态系统对气候变化的响应）

• 冰盖变化对海平面上升的影响（陆地冰盖融化）

CESM产生的数据被广泛应用于全球气候变化的研究，例如IPCC气候评估报告中使用的数据就来自CESM这种全球气候模型。

CMIP6数据管理

（一）CMIP6数据存储结构：

在终端中查看CMIP6数据目录，执行了 ls 命令，列出了 CMIP6 目录下的多个气候模型：

~/bigdisk/cmip $  ls
ACCESS-ESM1-5  BCC-CSM2-MR  CanESM5  CESM2-WACCM  CMCC-ESM2  CNRM-CM6-1  CNRM-ESM2-1  
INM-CM4-8  INM-CM5-0  IPSL-CM6A-LR  MIROC6  MRI-ESM2-0  NorESM2-LM  NorESM2-MM

这些模型来自全球多个权威机构，例如：

• 美国的NCAR（CESM2-WACCM）

• 日本的东京大学（MIROC6）

• 法国巴黎IPSL实验室（IPSL-CM6A-LR）

主要用于历史气候模拟和未来气候情景预测（SSP系列，如SSP126、245、370、585等）。

（二）CMIP6数据总大小：

执行 du -lh -d 0 命令，显示整个 cmip 目录的大小：

~/bigdisk/cmip $  du -lh -d 0
1.8T .

CMIP6整体数据规模达到1.8TB，顶我这电脑四倍的硬盘容量。

（三）以MIROC6模型为例的数据展示：

进入 MIROC6 目录，并列出可用的实验数据：

~/bigdisk/cmip $  ls MIROC6/
historical  ssp126  ssp245  ssp370  ssp585

• historical：历史气候模拟（1850-2014 年）。

• ssp126、ssp245、ssp370、ssp585：不同的未来排放情景（SSP，Shared Socioeconomic Pathways），用于预测 2015 年之后的气候变化：

  • SSP1-2.6：低排放情景（全球变暖较少）。

  • SSP2-4.5：中等排放情景（中等变暖）。

  • SSP3-7.0：较高排放情景。

  • SSP5-8.5：极端高排放情景（全球变暖最严重）。

进入 MIROC6/historical 目录后，执行 ls 命令，列出存储的气象变量：

~/bigdisk/cmip $  ls MIROC6/historical/
hurs  huss  pr  psl  rsds  tas  tasmax  tasmin  uas  vas

• hurs：相对湿度 (%)

• huss：比湿 (kg/kg)

• pr：降水 (mm/day)

• psl：海平面气压 (Pa)

• rsds：向下短波辐射 (W/m²)

• tas：近地表气温 (K)

• tasmax/tasmin：日最高、最低气温 (K)

• uas/vas：东西、南北向风速 (m/s)

这些变量通常以 NetCDF 格式（.nc 文件）存储。

CMIP6月尺度数据

月尺度数据，指的是将日尺度数据按月进行平均后存储，数据量明显降低，适合长时间序列的气候变化趋势分析。

常用于：

• 长期气候趋势（如1850-2100年全球升温趋势）

• 不同排放情景下区域气候变化分析（如中国、欧洲）

• 气候模式验证（对比历史观测数据）

参与CMIP6的部分模型 ：

• 美国：CESM2、CESM2-WACCM、GFDL-ESM4

• 德国：MPI-ESM1-2

• 法国：IPSL-CM6A-LR

• 日本：MIROC6

• 挪威：NorESM2-LM/MM

• 中国模型：

  • BCC-CSM2-MR、BCC-ESM1（北京气候中心）

  • FGOALS-f3-L、FGOALS-g3（中科院大气物理所）

  • CIESM（中科院地球系统模型）

  • FIO-ESM-2-0（中国海洋大学）

月尺度数据因处理效率高、计算资源要求低，成为气候变化长期趋势分析和政策研究的重要依据。

CMIP6子比较计划（MIPs）

（一）子比较计划（MIP）的定义和作用

• 子比较计划（MIP） 是CMIP6框架下的一系列专题研究计划，每个计划都有特定的科学问题，全球研究团队利用全球气候模型（GCM）进行标准化的模拟实验，比较不同模型的结果。

• 这些MIP计划的目的主要是：

  • 对比不同模型表现，找出模型的优缺点；

  • 深入研究特定的气候过程（如碳循环、气溶胶、云反馈等）；

  • 为预测未来气候变化提供科学依据，并为IPCC报告提供基础数据支持。

简单来讲，MIP是针对具体气候问题进行的专题模型评估，有助于全球气候模型的持续发展和完善。

（二）CMIP6认可的MIP计划（23个）

具体的MIP计划包括：

（三）MIP之间的内在联系

• 一部分MIP关注具体的气候过程（如云反馈CFMIP、极地放大PAMIP、冰盖ISMIP6）。

• 一部分MIP聚焦气候预测（如年代际预测DCPP、未来排放情景ScenarioMIP）。

• 一部分MIP关注外部强迫因素的研究（如火山喷发VolMIP、土地利用变化LUMIP）。

气候数据集

（一）气候数据集介绍

• CRU 0.5 monthly：

  • 英国英吉利大学（CRU）提供的历史气候观测数据集。

  • 空间分辨率为 0.5^\circ （约50 km），时间尺度为月均值。

• NCEP 20c（NOAA）：

  • 美国NOAA提供的20世纪气候重建数据（大约从1850年至今）。

  • 通常用于与其他数据源进行数据融合，目的是提高数据精度和分辨率。

数据融合后的目标：日尺度（daily）、空间分辨率可达1 km（通过降尺度处理实现）。

 （二）不能无限降尺度

具体原因和限制条件包括：

1. 原始数据分辨率的限制

• 降尺度本质上是从粗分辨率数据（如 50\,km ）推测更细尺度（如 1\,km ）的气候信息。

• 原始数据中本来不存在更小尺度的信息，强行缩放只能是插值，而非物理真实的模拟。

2. 物理过程的尺度效应

不同气候过程有其适用的空间尺度：

• 降水、风场、云层等现象在 50\,km 和 1\,km 尺度表现完全不同。例如局地对流降水在细尺度下才明显。

• 温度等变量在复杂地形区（山区）也需要足够细的尺度才能真实反映空间变化。

3. 降尺度方法本身的局限

降尺度方法主要分为两类：

• 统计降尺度（如多元回归、机器学习方法）：依赖历史数据质量，很难处理新的气候模式。

• 动力降尺度（如WRF区域气候模式模拟）：精确度较高，但计算量巨大，也不能无限细化。

4. 计算资源的限制

• 动力降尺度（例如WRF）通常需要大量计算资源，一般最多到1-10 km的水平。

• 统计降尺度虽计算负担较小，但若没有高质量数据支撑，精度可能降低。

WRF 模型网格嵌套比例

在使用 WRF 模式（天气研究与预报模式） 时，经常会设置多个嵌套网格，每一层网格之间的分辨率通常用一定比例表示：

常见的嵌套比例包括 1:3 、 1:5 、 1:7 等。

举个实际的例子，如果外层网格分辨率为 15\,km ，那么：

• 1:3 的嵌套网格：内层为 5\,km

• 1:5 的嵌套网格：内层为 3\,km

• 1:7 的嵌套网格：内层为约 2.1\,km

这种网格嵌套的设计直接决定了模拟的分辨率与精细程度，同时也影响计算资源的使用。

积云对流参数化方案的适用尺度

WRF 模型中，对于不同的网格尺度，需要考虑是否开启积云对流参数化方案：

中尺度（Meso scale）与微尺度（Micro scale）的区别

中尺度（Meso scale，1–1000 km）：

• 主要研究中尺度天气系统，例如锋面、飑线、热带气旋、台风和季风低压。

• WRF 常见的模拟尺度为 1\,km 到 10\,km 。

微尺度（Micro scale，<1 km）：

• 研究更小尺度的天气现象，如湍流、城市热岛、局地风暴的内部结构。

• 通常使用超高分辨率（<1 km，甚至百米级），并配合LES（大涡模拟）技术进行研究。

格点化观测数据（Gridded Observations）

格点化观测数据指的是利用有限的气象站点数据，通过空间插值或模型计算的方法，得到空间连续、高分辨率的气象数据集。

主要用途：

• 弥补气象站数据在空间上的不连续性；

• 广泛应用于气候研究、生态模拟、环境评估、水文研究等领域。

本次主要涉及的三种国际上常用的格点化数据集包括：

（一）PRISM 数据集（美国）

• 开发单位：美国俄勒冈州立大学（Oregon State University）

• 基本原理：

  • 使用地形敏感的插值方法（Parameter-elevation Regressions on Independent Slopes Model）。

  • 考虑地形高度、坡向、风暴轨迹、气候模式等多种因素，使结果更接近真实。

• 空间分辨率： 4\,km 和 800\,m ，属于高和超高空间分辨率。

• 适用区域：美国全境

• 主要应用领域：长期气候趋势分析，农业、水文、生态系统研究。

• 官方网站：PRISM官网

（二）DAYMET 数据集（北美）

• 开发单位：美国橡树岭国家实验室（ORNL）

• 数据类型与特点：

  • 时间尺度为每日（Daily Scale），空间分辨率为 1\,km ；

  • 提供每日气温、降水、短波辐射等多个变量；

  • 数据范围覆盖北美（美国、加拿大、墨西哥）；

  • 使用空间插值与地形校正方法提高精度。

• 主要应用领域：

  • 生态和森林模拟；

  • 农业气象研究，如干旱评估；

  • 水文模型研究。

• 官方网站：DAYMET官网

（三）MT-CLIM 数据集（山区微气候模拟）

• 数据特点：

  • 专门用于山区微气候模拟；

  • 利用低海拔站点数据，推算高海拔地区的气温、辐射、湿度等气候变量；

  • 地形校正算法考虑了地形高度、坡度等因素。

• 适用场景：

  • 山区森林、植被、冰川的生态气候研究；

  • 计算山区降雪、冰川融化量等气象变量。

• 官方网站：MT-CLIM官网

（四）三种数据集对比总结表格