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）。追溯其历史，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的核心作用在于通过不同模型的相互对比，确定每个模型的优势和不足，从而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

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。

具体的子模型结构如下表所示：

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。例如，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。

CESM的应用领域

CESM可用于多种复杂的地球气候系统研究。在物理气候系统变化方面，它能模拟大气、海洋、陆地、海冰等之间的相互作用；在气候的化学过程研究中，可以分析温室气体对全球气候的影响；它还能进行完整的大气层模拟，从对流层到平流层；在生态系统研究方面，可以模拟全球生态系统的反馈，包括陆地和海洋生态系统对气候变化的响应；此外，还能研究冰盖变化对海平面上升的影响，特别是陆地冰盖融化的过程。

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

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）等。它们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）。

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。

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

这里的historical代表历史气候模拟（1850-2014年），而ssp126、ssp245、ssp370、ssp585则是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。其中SSP1-2.6是低排放情景（全球变暖较少）；SSP2-4.5是中等排放情景（中等变暖）；SSP3-7.0是较高排放情景；SSP5-8.5是极端高排放情景（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

这些变量分别代表：hurs是相对湿度(%)；huss是比湿(kg/kg)；pr是降水(mm/day)；psl是海平面气压(Pa)；rsds是向下短波辐射(W/m²)；tas是近地表气温(K)；tasmax/tasmin是日最高、最低气温(K)；uas/vas是东西、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。这种数据常用于长期气候趋势研究（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）以及气候模式验证（对比历史观测数据）。

参与CMIP6的模型来自全球各地。美国有CESM2、CESM2-WACCM、GFDL-ESM4；德国有MPI-ESM1-2；法国有IPSL-CM6A-LR；日本有MIROC6；挪威有NorESM2-LM/MM。中国也有多个模型参与，包括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）以及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）

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计划的主要目的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。

CMIP6认可的MIP计划（23个）

CMIP6包含23个专门的MIP计划，每个都有其特定的研究重点：

MIP之间的内在联系

这些MIP计划之间存在内在联系。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；还有一部分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

气候数据集介绍

在气候研究中，常用的数据集包括CRU 0.5 monthly和NCEP 20c。CRU 0.5 monthly是英国英吉利大学（CRU）提供的历史气候观测数据集，空间分辨率为0.5°（约50 km），时间尺度为月均值。NCEP 20c（NOAA）是美国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。数据融合后的目标是达到日尺度（daily）、空间分辨率可达1 km（通过降尺度处理实现）。

不能无限降尺度

降尺度技术虽然能提高数据分辨率，但不能无限降尺度，这有多方面的原因。

首先是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50km）推测更细尺度（如1km）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。

其次是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50km和1km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。

降尺度方法本身也有局限。降尺度方法主要分为统计降尺度（如多元回归、机器学习方法）和动力降尺度（如WRF区域气候模式模拟）两类。统计降尺度依赖历史数据质量，很难处理新的气候模式；动力降尺度精确度较高，但计算量巨大，也不能无限细化。

最后是计算资源的限制。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30km，那么1:3的嵌套网格内层为10km；1:5的嵌套网格内层为6km；1:7的嵌套网格内层为约4.3km。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：

中尺度与微尺度的区别

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1km到10km。

微尺度（Micro scale，<1 km）则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。其主要用途是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。

PRISM数据集（美国）

PRISM数据集由美国俄勒冈州立大学开发，使用地形敏感的插值方法（Parameter-elevation Regressions on Independent Slopes Model）。其基本原理是考虑地形高度、坡向、风暴轨迹、气候模式等多种因素，使结果更接近真实。空间分辨率达到4km和800m，属于高和超高空间分辨率。适用区域为美国全境，主要应用领域包括长期气候趋势分析，农业、水文、生态系统研究。官方网站：PRISM官网。

DAYMET数据集（北美）

DAYMET数据集由美国橡树岭国家实验室（ORNL）开发。其特点是时间尺度为每日（Daily Scale），空间分辨率为1km；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。主要应用领域包括生态和森林模拟、农业气象研究（如干旱评估）以及水文模型研究。官方网站：DAYMET官网。

MT-CLIM数据集（山区微气候模拟）

MT-CLIM数据集专门用于山区微气候模拟。它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。适用场景包括山区森林、植被、冰川的生态气候研究，以及计算山区降雪、冰川融化量等气象变量。官方网站：MT-CLIM官网。

三种数据集对比总结