CMIP3与CMIP5模式对中国西北干旱区气温和降水的模拟能力比较

气候系统变化

引用本文 [复制中英文]

吴晶, 王宝鉴, 杨艳芬, 等. CMIP3与CMIP5模式对中国西北干旱区气温和降水的模拟能力比较[J]. 气候变化研究进展, 2017, 13(3): 198-212. DOI: 10.12006/j.issn.1673-1719.2016.173.

[复制中文]

Wu Jing, Wang Baojian, Yang Yanfen, et al. Comparing Simulated Temperature and Precipitation of CMIP3 and CMIP5 in Arid Areas of Northwest China[J]. Climate Change Research, 2017, 13(3): 198-212. DOI: 10.12006/j.issn.1673-1719.2016.173.

[复制英文]

资助项目

国家自然科学基金项目(41501301，41405088)；西北农林科技大学基本科研业务费专项资金(Z109021604)

作者简介

吴晶，男，硕士，wujing9362@163.com。

通信作者

王宝鉴（通信作者），男，高级工程师，baojian_w@163.com

文章历史

收稿日期：2016-08-30
修回日期：2016-12-19

Contents Abstract Full text Figures/Tables PDF

CMIP3与CMIP5模式对中国西北干旱区气温和降水的模拟能力比较

吴晶 ^1,2, 王宝鉴 ¹, 杨艳芬 ³, 常燕 ⁴, 陈林 ⁵, 杨建才 ¹, 刘新伟 ¹

1. 兰州中心气象台，兰州 730020;
2. 甘肃省气象局，兰州 730020;
3. 西北农林科技大学水土保持研究所黄土高原土壤侵蚀与旱地农业国家重点实验室，杨凌 712100;
4. 中国科学院西北生态环境资源研究所寒旱区陆面过程与气候变化重点实验室，兰州 730000;
5. IPRC and Department of Atmospheric Sciences, University of Hawaii, Honolulu HI 96822, U.S

收稿日期：2016-08-30；修回日期：2016-12-19

资助项目：国家自然科学基金项目(41501301，41405088)；西北农林科技大学基本科研业务费专项资金(Z109021604)

作者简介：吴晶，男，硕士，wujing9362@163.com

通信作者：王宝鉴（通信作者），男，高级工程师，baojian_w@163.com

摘要：通过对15组CMIP3和CMIP5两代模式集合平均对中国西北干旱区气温和降水的模拟能力比较，发现CMIP5模式对气温和降水的模拟更接近观测值。CMIP5模式模拟年、春季、夏季、秋季平均气温的相关系数比CMIP3模式分别提升了0.15、0.13、0.24和0.02，冬季下降了0.07。CMIP5模式对西北干旱区的平均气温变化趋势的模拟效果比CMIP3有所提高，对年、春季、夏季、秋季、冬季趋势的模拟偏差比CMIP3分别减少了0.03 ℃ /10a、0.10 ℃ /10a、0.01 ℃ /10a、0.06 ℃ /10a、0.14 ℃ /10a。对西北干旱区平均气温年、季的模拟偏差分布上，CMIP5模式的偏差均比CMIP3低1~2 ℃。但是天山区年、季节平均气温的模拟与整体模拟偏低情况相反，CMIP3和CMIP5分别偏高3~6 ℃和1~4 ℃，对夏季的模拟偏高最严重，分别达到6 ℃和4 ℃。CMIP5模式整体对西北干旱区降水量的模拟结果与观测值的平均相关系数与CMIP3相差不大，均不超过0.1，而且偏差仍然较大。CMIP5模式对西北干旱区的降水量的变化趋势模拟效果比CMIP3有所降低，对年、春季、夏季、秋季、冬季趋势的模拟偏差比CMIP3增加了0.67 mm/10a、0.23 mm/10a、0.51 mm/10a、0.11 mm/10a、0.14 mm/10a。CMIP5模式对年、春季、夏季、秋季和冬季的降水量模拟的均方根误差相比CMIP3分别减少77.6 mm、25.5 mm、25.0 mm、18.8 mm和13.9 mm。在空间上，CMIP5模式对年、季节降水模拟仍然偏高，但是比CMIP3有明显缓解；CMIP3和CMIP5模式对夏季天山区年降水量和夏季降水量的模拟也与大部分区域偏高的趋势明显相反，两代模式对夏季天山区的降水模拟均偏低50 mm左右。

关键词：西北干旱区 CMIP3 CMIP5 平均气温降水量模拟能力

引言

历次IPCC评估报告对未来气候变化的预估和其影响对策研究中，全球气候模式是评估气候变化的重要依据^[1-4]。与之前的耦合模式比较计划(CMIP)相比，CMIP5在模式分辨率、动力框架、物理过程、参数化方案等方面进行了很大改进，模式输出的数据要素也比之前的CMIP计划更多^[5-8]。但是气候模式模拟结果与观测仍然存在较大偏差，而且在不同区域的模拟效果也不一致^[9-10]。定量评估气候模式在区域上的模拟能力，是应用气候模式进行气候变化的各种风险预估、改进发展气候模式的关键环节。

CMIP5模式对中国区域多年平均气温分布有一定模拟能力，但是不同区域的模拟偏差不同，整体表现为东部偏差小于西部^[11]，模拟的北半球的历史气温年际和年代际变化趋势比较一致，但对降水量值的模拟相差较大^[12]。大多数CMIP5模式都能模拟出全球典型干旱半干旱区观测气温时空分布特征，对1951—2005年显著增温的空间格局模拟较好，但增温幅度偏小0.1 ~ 0.3 ℃ /50a，大多数模式对全球陆地降水量的年季变化特征模拟较差，模拟的变率和趋势均明显偏弱，不同模式对全球干旱半干旱区降水的模拟存在较大的时空差异^[13]。在中国平均气温变化趋势、气温气候态空间分布和气温变化趋势空间分布上CMIP5模式较CMIP3模式有所提高，但是在西部存在明显偏冷^[14]。多数CMIP3和CMIP5模式能够模拟出中国降水由西北向东南递增的分布特点，但华南地区降水模拟偏少，西部高原地区降水模拟偏多，CMIP5模式集合平均对中国地区年平均降水的时空变化特征的模拟优于CMIP3^[15]。CMIP5对东亚地区的降水在强度、空间上的模拟均好于CMIP3，但是年降水和大部分季节降水有所高估，尤其是对青藏高原东部降水高估最严重，而低估中国南方夏季降水^[16-17]。针对气候模式对西北干旱区的模拟结果研究显示，CMIP5多个模式对中国西北干旱区的模拟主要是平均气温模拟偏低，对降水模拟偏高^[18]。于恩涛等^[19]采用MIROC5模式作为边界场和初始场驱动WRF模式，其对西北干旱区的盆地的高温中心模50˚N 40˚N海拔/m拟范围过大，且温度偏高，对天山山区的低温基本没有模拟能力，可以反映出降水的空间模态，但对降水的局地细节模拟能力较弱，对盆地降水模拟偏大，对天山山区降水中心模拟范围也偏大。

干旱地区是全球地气耦合最强烈的地区，也是受气候变化的响应最严重的地区之一^[20-22]，当前针对CMIP3和CMIP5两代模式对中国西北干旱区的模拟能力的评估还较少。本文拟用15组CMIP3和CMIP5模式结果，结合中国地面气温、降水0.5°×0.5°网格数据集(V2.0)，采用相关系数、平均误差、均方根误差等指标对比两代模式对中国西北干旱区平均气温和降水的时空模拟情况，进一步了解CMIP3和CMIP5两代模式在中国西北干旱区的适用性，为模式改进、气候变化预估以及未来的CMIP计划提供科学参考依据。

1 数据和方法 1.1 研究区域

中国西北干旱区地域广阔，面积约2.6×10⁶ km²，约占国土面积的1/4。中国西北干旱区位于亚欧大陆的中心地带，位于34 °~ 48 °N，72°~ 108°E(图 1)，包括新疆全部、甘肃西部、内蒙古西部和宁夏北部。中国西北干旱区北部是阿尔泰山，中部是天山山脉，南部是昆仑山山脉和祁连山，东部是贺兰山。西北干旱区属温带、暖温带干旱区，为典型的大陆性气候，日照充足，年季温差变化较大，降水量少，气候干燥。

图 1 中国西北干旱区范围 Figure 1 Arid areas of Northwest China

1.2 研究数据和方法 1.2.1 数据

本文使用CMIP3 ^①和CMIP5 ^②计划的15个耦合模式的历史模拟结果，如表 1所示。这里所使用的模式变量包括逐月平均气温、降水量，所选用的历史时段CMIP3数据为1960—1999年，CMIP5数据为1960—2005年。采用的观测数据为中国地面气温、降水0.5°×0.5°网格数据集(下文简称V2.0)，该数据集为中国气象局对2474个国家级地面站基础气象资料进行质量检测、控制和更正，利用薄盘样条法和局部薄盘光滑样条(Partial thin plate smoothing splines)进行插值处理得到的数据集，在插值时引入地形数字高程数据，以便最大可能地消除地形条件下高程对空间插值精度的影响。

表 1 本文中使用的15组气候模式 Table 1 15 Climate models in this study

① CMIP3数据来源https://esgcet.llnl.gov:8443/home/publicHomePage.do。

② CMIP5数据来源http://cmip-pcmdi.llnl.gov/cmip5/availability.html。

1.2.2 方法

由于各个模式分辨率不一，采用一阶保守映射插值^[23]方法将所有的模式数据和观测数据V2.0插值到2.5°×2.5°的网格上进行比较分析。评估两代模式采用计算模拟值和观测值之间的相关系数(R2)、平均误差(ME)、均方根误差(RMSE)和一元线性回归等方法对模式输出结果进行分析评估。

2 结果分析 2.1 平均气温模拟结果分析

CMIP3和CMIP5两代15组模式对西北干旱区的逐月平均气温的模拟值与观测数据都具有很好的相关性，相关系数均达到0.9，但是两代模拟值均比观测数据低，从相关系数上来看，CMIP5的模拟结果要略好于CMIP3(图 2)。在多年平均变化趋势上(图 3)，CMIP5的模拟更接近观测值。CMIP3和CMIP5对西北干旱区的平均气温模拟均偏低，但是CMIP5各模式比CMIP3模式模拟结果更接近观测值，而且CMIP5各模式之间的模拟结果偏差比CMIP3更小，更加接近观测值。

图 2 CMIP3与CMIP5模式对西北干旱区平均气温模拟与观测的情况 Figure 2 Simulated and observed average temperature of CMIP3 and CMIP5 model in northwest arid areas

图 3 CMIP3与CMIP5模式对西北干旱区年平均气温的模拟情况 Figure 3 Simulated annual averaged temperature of CMIP3 and CMIP5 model in northwest arid areas

对比分析CMIP3和CMIP5两代15组模式对西北干旱区的年、季节平均气温变化趋势的模拟可见(表 2)，CMIP5模式在年、季节的变化趋势模拟和观测数据趋势的偏差均小于CMIP3。CMIP3和CMIP5对西北干旱区的年平均气温模拟平均趋势分别为0.17 ℃ /10a和0.23 ℃ /10a，比观测数据的趋势分别偏低0.09 ℃ /10a和0.06 ℃ /10a。在季节上，两代模式对春季和夏季的平均气温模拟比观测数据偏高，对秋季和冬季的平均气温模拟比观测数据偏低。从趋势偏差程度上看(模拟减观测)，CMIP3模式对春、夏、秋、冬季平均气温的模拟与观测数据偏差分别为0.13 ℃ /10a、0.02 ℃ /10a、-0.10 ℃ /10a和-0.35 ℃ /10a，CMIP5模式分别为0.03 ℃ /10a、0.01 ℃ /10a、-0.04 ℃ /10a和-0.21 ℃ /10a，CMIP5模式对各个季节的趋势模拟与观测数据趋势的偏差均明显小于CMIP3。而且两代模式对年、季节的趋势模拟大多数通过了0.05的显著性检验，部分通过了0.01的显著性检验，CMIP5模式通过显著性检验的个数要多于CMIP3模式。

表 2 CMIP3、CMIP5与观测值年、季节平均气温的变化趋势 Table 2 Trends of averaged annual and seasonal temperature for CMIP3, CMIP5 and observation ℃ /10a

模式组	年		春季		夏季		秋季		冬季
模式组	CMIP3	CMIP5	CMIP3	CMIP5	CMIP3	CMIP5	CMIP3	CMIP5	CMIP3	CMIP5
1	0.08	0.33^**	0.05	0.42^**	0.18^**	0.28^**	0.06	0.37^**	0.08	0.24
2	0.20	0.36^**	0.34^**	0.28^**	0.28^**	0.38^**	0.48^**	0.38^**	0.50^**	0.42^**
3	0.24^**	0.15^**	0.22^*	0.18^*	0.29^**	0.24^**	0.25^**	0.29^**	0.21	−0.21
4	0.18^**	0.19^**	0.02	0.04	0.14^**	0.20^**	0.23^*	0.27^**	0.34^*	0.25^*
5	0.22^**	0.24^**	0.06	0.26^**	0.09	0.29^**	0.22^*	0.34^**	0.58^**	0.09
6	0.12	0.02	0.17		0.11	0.08	0.14	0.06	0.11	0
7	0.08	0.16^**	−0.07	0.03		0.09^*	0.11	0.21^**	0.20	0.30^**
8	0.26^**	0.28^**	0.28^*	0.26^*	0.27^**	0.18^**	0.21^**	0.38^**	0.32^*	0.31^*
9	0.22^*	0.16^**	0.31	−0.07	0.15	0.11^*	0.17	0.29^**	0.29	0.33
10	0.16^*	0.35^**	0.13	0.15	0.09	0.37^**	0.27^*	0.34^**	0.09	0.61^**
11	0.19^**	0.27^**	0.17	0.27	0.15^**	0.28^**	0.27^**	0.31^**	0.21^*	0.19^*
12	0.14^*	0.28^**	0.05	0.22^*	0.17^*	0.34^**	0.21	0.37^**	0.21	0.25
13	0.24^**	0.13^*	0.27^*	0.14	0.36^**	0.09	0.18^*	0.27^**	0.20	−0.06
14	0.07	0.34^**	0.09	0.24^*	0.08	0.36^**	0.13	0.30^**	0.11	0.48^**
15	0.18^**	0.17^**	−0.02	0.29^**	0.23^**	0.23^**	0.28^**	0.12	0.18	0.06
模式平均	0.17	0.23	0.14	0.18	0.17	0.24	0.22	0.29	0.24	0.22
观测	0.26^**	0.29^**	0.01	0.15	0.15^*	0.23^**	0.32^**	0.33^**	0.59^**	0.43^**
模式平均减观测	−0.09	−0.06	0.13	0.03	0.02	0.01	−0.10	−0.04	−0.35	−0.21
注：^表示通过0.05的显著性检验，^*表示通过0.01的显著性检验。

表 2 CMIP3、CMIP5与观测值年、季节平均气温的变化趋势 Table 2 Trends of averaged annual and seasonal temperature for CMIP3, CMIP5 and observation ℃ /10a

从CMIP3、CMIP5模拟的平均气温与观测值的年、季节相关系数上来看(表 3)，15个CMIP5模式平均对西北干旱区年、春季、夏季、秋季和冬季平均气温的模拟结果与观测值的相关系数依次为0.45、0.09、0.47、0.26和0.11，而CMIP3模式依次为0.30、-0.04、0.23、0.24和0.18，两代模式对夏季和秋季的模拟相关系数要明显好于春季和冬季。相比CMIP3，CMIP5模式对年、春季、夏季和秋季平均气温的模拟相关系数均有所提高，年和夏季的相关系数提升最明显。15组模式中有2个CMIP3模式和8个CMIP5模式对年平均气温的模拟相关系数超过0.50，其中11个CMIP5模式的相关系数通过了0.01的显著性检验。两代模式对春季平均气温的平均相关系数均很低，不到0.10，各个模式对春季平均气温的模拟相关系数也很低，绝大多数在0.20以下，CMIP3的8个模式出现负相关系数，CMIP5有4个模式出现负相关系数。对夏季平均气温的相关系数，15个CMIP5模式相关系数位于0.25 ~ 0.65之间，有7个CMIP5模式超过0.50，12个CMIP5模式通过了0.05的显著性检验，9个CMIP5模式通过了0.01的显著性检验。两代模式对秋季平均气温的模拟平均相关系数变化不大，其中有6个CMIP3模拟相关系数超过0.30，7个CMIP5模拟相关系数超过0.30。两代模式对冬季气温的模拟相关系数结果均很差，只有3个CMIP3模式和2个CMIP5模式对冬季平均气温的相关系数超过0.30，CMIP5多模式冬季平均气温的相关系数要小于CMIP3。

表 3 CMIP3、CMIP5与观测值年、季节平均气温的相关系数 Table 3 Correlation coefficient of averaged annual and seasonal temperature between CMIP3, CMIP5 and observation

模式组	年		春季		夏季		秋季		冬季
模式组	CMIP3	CMIP5	CMIP3	CMIP5	CMIP3	CMIP5	CMIP3	CMIP5	CMIP3	CMIP5
1	0.32^*	0.64^**	−0.18	0.28	0.38^*	0.52^**	0.05	0.43^**	0.24	0.34^*
2	0.04	0.68^**	0.09	0.14	0.25	0.62^**	0.48^**	0.50^**	0.28	0.23
3	0.24	0.53^**	0.15	0.26	0.25	0.48^**	0.03	0.39^**	−0.04	−0.05
4	0.36^*	0.64^**	−0.16	0.02	0.22	0.46^**	0.21	0.33^*	0.24	0.26
5	0.35^*	0.52^**	0.07	0.08	0.26	0.65^**	0.27	0.20	0.30	0.11
6	0.51^**	0.14	0.03	−0.03	0.41^**	0.29	0.30	−0.02	0.11	−0.13
7	0.39^*	0.49^**	0.14	0.15	0.34^*	0.37^*	0.41^**	0.29	0.13	0.16
8	0.50^**	0.46^**	−0.04	0.37^*	−0.04	0.27	0.16	0.37^*	0.47^**	0.08
9	0.31	0.19	−0.14	−0.08	−0.06	0.38^*	0.44^**	0.21	0.24	−0.01
10	0.18	0.45^**	−0.17	0.03	0.17	0.65^**	0.13	0.18	−0.06	0.16
11	0.34^*	0.59^**	−0.12	0.05	0.14	0.56^**	0.38^*	0.38^**	0.26	0.37^*
12	0.22	0.51^**	−0.26	−0.01	0.48^**	0.35^*	0.13	0.26	0	0.16
13	0.24	0.12	−0.11	−0.28	0.13	0.25	0.16	−0.07	0.08	0.04
14	0.31	0.51^**	0	0.30^*	0.35^*	0.63^**	0.35^*	0.34^*	0.13	0.09
15	0.17	0.34^*	0.10	0.10	0.10	0.50^**	0.16	0.15	0.30	−0.17
平均	0.30	0.45	−0.04	0.09	0.23	0.47	0.24	0.26	0.18	0.11
注：^表示通过0.05的显著性检验，^*表示通过0.01的显著性检验。

表 3 CMIP3、CMIP5与观测值年、季节平均气温的相关系数 Table 3 Correlation coefficient of averaged annual and seasonal temperature between CMIP3, CMIP5 and observation

由表 4可知两代模式对暖季(夏季和秋季)平均气温的模拟与观测的RMSE要小于冷季(春季和冬季)。CMIP5模式对年、春季、夏季、秋季的平均气温模拟与观测值的平均RMSE小于CMIP3模式，减少均超过0.50 ℃，其中夏季的RMSE减少最明显，达1 ℃。但是CMIP5模式对冬季平均气温的模拟与观测的RMSE比CMIP3偏高0.26 ℃。

表 4 CMIP3、CMIP5与观测值年、季节平均气温的均方根误差 Table 4 RMSE of averaged annual and seasonal temperature between CMIP3, CMIP5 and observation

模式组	年		春季		夏季		秋季		冬季
模式组	CMIP3	CMIP5	CMIP3	CMIP5	CMIP3	CMIP5	CMIP3	CMIP5	CMIP3	CMIP5
1	3.84	3.02	5.09	3.61	3.79	3.05	3.91	3.30	4.50	4.24
2	4.84	2.62	4.88	4.10	3.83	2.74	8.71	3.23	4.63	3.50
3	3.42	3.85	4.40	4.35	4.15	2.73	3.78	4.70	3.88	5.23
4	2.22	2.63	2.81	3.23	3.29	2.70	2.23	3.16	3.21	3.61
5	3.11	3.13	4.22	4.23	3.63	3.51	3.32	2.98	3.57	3.66
6	4.24	2.64	4.30	3.14	5.42	3.86	4.04	2.66	4.96	5.90
7	3.92	2.30	4.16	2.72	5.01	3.47	3.66	2.39	4.74	6.18
8	2.04	1.89	2.87	2.28	3.44	2.15	2.13	2.14	2.56	2.94
9	4.60	4.95	5.78	5.78	4.98	4.55	4.44	5.47	6.27	5.29
10	5.62	2.92	8.09	4.51	6.64	3.09	4.94	3.11	4.37	3.57
11	2.88	2.65	4.00	3.23	3.65	3.15	2.60	2.48	3.54	3.48
12	2.07	2.18	2.85	2.75	2.34	2.46	2.26	2.24	3.13	3.42
13	3.32	2.82	4.03	3.79	4.00	2.35	3.48	3.34	3.20	4.22
14	3.15	2.21	4.83	3.12	3.37	2.30	3.23	2.29	3.30	3.94
15	2.07	2.42	2.50	2.73	2.34	2.32	2.51	3.12	3.32	3.90
平均	3.42	2.82	4.32	3.57	3.99	2.96	3.68	3.12	3.95	4.21

表 4 CMIP3、CMIP5与观测值年、季节平均气温的均方根误差 Table 4 RMSE of averaged annual and seasonal temperature between CMIP3, CMIP5 and observation

年平均气温的模拟与观测值相关系数的空间分布上(图 4)，相同区域CMIP5模式的平均相关系数均高于CMIP3，CMIP3对西北干旱区的年平均气温的模拟相关系数在0.15 ~ 0.30之间，而CMIP5在0.20 ~ 0.45之间。除了在西北干旱区西南小部分地区，相关系数沿着纬线由北向南逐渐递增。各个季节平均气温的模拟相关系数的空间分布上，除了冬季，其他季节相同区域CMIP5的平均相关系数均高于CMIP3，而且低纬度地区的相关系数要高于高纬度地区，其中，夏季和秋季区域各个对应空间的相关系数明显好于春季和冬季。CMIP3对夏季的模拟平均相关系数为0 ~ 0.20，而CMIP5对夏季的模拟平均相关系数为0.20 ~ 0.40，而且中东部地区通过了0.05的显著性检验，局地通过0.01的显著性检验；CMIP3对秋季的模拟相关系数为0.10 ~ 0.20，而CMIP5对秋季的模拟相关系数为0.10 ~ 0.30，而且低纬度部分地区通过0.05的显著性检验；两代模式对西北干旱区春季和冬季平均气温的模拟相关系数均很小，春季整个区域模拟相关系数均在0.10以下，冬季除了CMIP3对西北干旱区东部模拟相关系数超过0.10外，在其余区域两代模式的相关系数均低于0.10。

图 4 CMIP3、CMIP5年、季平均气温与观测值相关系数的空间分布 Figure 4 Spatial distribution of correlation coefficient of annual and seasonal temperature between CMIP3, CMIP5 and observation

年平均气温的模拟平均误差(模拟减观测)的空间分布上(图 5)，CMIP5的年平均气温的误差明显小于CMIP3。CMIP3和CMIP5的误差空间分布大体一致，西北干旱区南部模拟偏低最严重，东部模拟偏差较小，北部模拟略微偏高。CMIP5模式在干旱区北部和东部模拟偏差的程度在-1 ~ 1 ℃范围明显大于CMIP3模式，CMIP5模式在干旱区南部和东部模拟偏低的程度明显小于CMIP3模式。在天山区，两代模式模拟年平均气温均偏高，CMIP3偏高4 ~ 5 ℃，CMIP5偏高2 ~ 3 ℃。

图 5 CMIP3、CMIP5年、季节平均气温的平均误差的空间分布(模拟减观测) Figure 5 Spatial distribution of mean error of annual and seasonal temperature between CMIP3, CMIP5 and V2.0 (simulated minus observed)

CMIP3和CMIP5模式对西北干旱区各个季节平均气温模拟能力的空间分布与年平均气温的分布大体一致(图 5)，但是在各个季节上的偏差有所不同，在春季和秋季，CMIP3和CMIP5两代模式在天山区域模拟偏差分别为3 ~ 4 ℃和2 ~ 3 ℃，对西北干旱区南部地区的平均气温模拟均偏差分别为-6 ~ -3 ℃和-4 ~ -1 ℃，对西北干旱区东部和北部地区的平均气温模拟均偏差分别为-4 ~ -2 ℃和-3 ~ -1 ℃。在夏季，两代气候模式对天山区模拟偏差分别为3 ~ 6 ℃和1 ~ 5 ℃，对西北干旱区北部模拟均偏差分别为1 ~ 4 ℃和0 ~ 2 ℃，对西北干旱区南部模拟均偏差分别为-6 ~ -2 ℃和-6 ~ -1 ℃，对西北干旱区东部模拟均偏差为-3 ~ 0 ℃。在冬季，两代模式对西北干旱区北部、中南部、东部部分地区模拟偏高，对其他地区模拟偏低，但是CMIP5模式偏差处于-1 ~ 1 ℃的范围，明显大于CMIP3。综上所述，CMIP3和CMIP5模式对天山区域四季的模拟均偏暖。在对各个季节整个区域的模拟偏差空间分布上，CMIP5模式的偏差均小于CMIP3模式的偏差1 ~ 2 ℃左右。

2.2 降水量模拟结果分析

CMIP3和CMIP5两代模式对西北干旱区的逐月降水量整体模拟都具有较好的相关性，CMIP3的平均相关系数为0.68，R2为0.61，CMIP5的平均相关系数为0.73，R2为0.66，但是模拟值均偏高，CMIP5的模拟结果偏低量要小于CMIP3(图 6)。在多年平均变化上(图 7)，CMIP5和CMIP3对西北干旱区的降水量模拟均偏高，但是对整个西北干旱区的降水量的模拟偏差上看，CMIP5各个模式比CMIP3模式的模拟结果更接近观测值，CMIP3各个模式的模拟结果偏差较大，更加分散。

图 6 CMIP3与CMIP5模式对西北干旱区降水量模拟与观测的情况 Figure 6 Simulated and observed precipitation of CMIP3 and CMIP5 in northwest arid areas

图 7 CMIP3与CMIP5各个模式对西北干旱区年降水量的模拟情况 Figure 7 Simulated annual precipitation of CMIP3 and CMIP5 in northwest arid areas

对比分析CMIP3和CMIP5两代15组模式对西北干旱区的年、季节降水量变化趋势的模拟可见，CMIP5模式在年、季节的变化趋势模拟和观测数据趋势的偏差均大于CMIP3(表 5)。CMIP3和CMIP5对西北干旱区的年降水量模拟平均趋势分别为3.35 mm /10a和2.80 mm/10a，比观测数据的趋势分别偏低2.34 mm/10a和3.01 mm/10a。在季节上，两代模式对春季的降水量趋势模拟比观测数据趋势偏高，两代模式对夏、秋和冬季的降水量趋势模拟比观测数据的趋势偏低，其中对夏季降水趋势模拟的偏低最严重。从趋势偏差程度上看(模拟减观测)，CMIP3模式对春、夏、秋、冬季降水量趋势的模拟与观测数据趋势的偏差分别为0.41 mm/10a、-2.64 mm/10a、-0.23 mm/10a和-0.07 mm/10a，CMIP5模式模拟的偏差分别为0.64 mm/10a、-3.15 mm/10a、-0.34 mm/10a和-0.21 mm/10a，CMIP3模式对各个季节的降水量趋势模拟与观测数据趋势的偏差均明显小于CMIP5。而且两代模式对年、季节的降水量趋势模拟部分通过了0.05的显著性检验，个别通过了0.01的显著性检验。

表 5 CMIP3、CMIP5与观测值年、季节降水量的变化趋势 Table 5 Trends of averaged annual and seasonal precipitation for CMIP3, CMIP5 and observation

模式组	年		春季		夏季		秋季		冬季
模式组	CMIP3	CMIP5	CMIP3	CMIP5	CMIP3	CMIP5	CMIP3	CMIP5	CMIP3	CMIP5
1	3.02	−2.91	1.55	1.62	0.87	−1.55	−0.49	−2.96	1.20	−0.21
2	6.98	5.92^*	0.89	0.47	7.02^*	2.13	−1.29	3.13^**	0.21	0.29
3	−2.31	6.05^*	2.68	2.39^*	−5.03	3.67^*	−0.35	1.06	−0.22	−1.31^**
4	0.95	6.70	−0.23	2.12	−0.83	0.54	1.57	3.00	−0.09	0.77
5	6.56	−2.98	3.29	0.84	−0.06	−1.05	1.96	−2.86	2.13	0.04
6	1.04	3.97	2.72	2.16	−0.29	0.19	−1.70	0.58	−0.04	1.16
7	4.81	7.20^**	3.41^*	2.20	4.76	0.20	−4.36	1.55	0.96	3.60^**
8	2.02	2.53	1.69	3.44^*	0.01	−0.57	0.02	−0.91	−0.11	0.30
9	−3.71	7.6^*	−4.34	2.74	−1.07	2.94	−0.80	1.12	1.75	0.65
10	5.30	2.68	1.62	0.52	3.55	−0.53	−2.04	1.30	1.21	1.23
11	10.99^**	6.65^**	1.49	2.65^**	3.87^*	1.90	3.67^**	0.93	1.77^*	0.84
12	13.61^**	−11.96^**	6.85^**	−3.65^**	1.54	−6.31^**	5.87^**	−2.48	−1.05	0.85
13	−5.11	3.22^*	−1.19	1.54	−3.68	1.17	−0.82	0.23	0.67	−0.02
14	0.60	3.40	−1.87	1.35	2.87	−1.20	−1.19	2.44	0.78	0.68
15	5.52	3.90	0.70	2.42	2.16	−0.22	2.31	1.03	0.41	0.26
模式平均	3.35	2.80	1.28	1.52	1.05	0.09	0.16	0.48	0.64	0.61
观测	5.69^*	5.81^**	0.87	0.88	3.69^*	3.24^**	0.39	0.82	0.71	0.82
模式平均减观测	−2.34	−3.01	0.41	0.64	−2.64	−3.15	−0.23	−0.34	−0.07	−0.21^*
注：^表示通过0.05的显著性检验，^*表示通过0.01的显著性检验。mm/10a

表 5 CMIP3、CMIP5与观测值年、季节降水量的变化趋势 Table 5 Trends of averaged annual and seasonal precipitation for CMIP3, CMIP5 and observation

CMIP5模式整体对西北干旱区年降水量的模拟结果与观测值的平均相关系数与CMIP3相差不大，均为0.10左右(表 6)。两代模式对各个季节降水量的相关性均不好，平均相关系数均小于0.10。相比CMIP3模式，大部分CMIP5模式对年、季节降水的模拟相关系数有所提高。个别模式对西北干旱区的降水量模拟相关系数较好，如CMIP3的3个模式(CGCM3_1_T63、IPSL_CM4和HadCM3)和CMIP5的3个模式(CMCC-CM、IPSL-CM5A-MR和HadCM3)对年降水量的模拟相关系数都超过了0.20；CMIP3的CGCM3_1_T63、IPSL_CM4和MPI_ECHAM5等3个模式对夏季降水量的模拟相关系数超过0.20，CMIP5的GISS-E2-H、CMCC-CM、INMCM4、CCSM4和HadCM3等5个模式对夏季降水量的模拟相关系数超过0.20。在对降水量模拟的相关系数的空间分布上，两代模式的模拟结果均很差，相关系数均小于0.10。CMIP5模式对年、四季的降水量模拟的RMSE均小于CMIP3模式，有较大的提高(表 7)，但是CMIP5的RMSE依然较大。

表 6 CMIP3、CMIP5与观测值年、季节降水量的相关系数 Table 6 Correlation coeffcient of annual and seasonal precipitation between CMIP3, CMIP5 and observation

模式组	年		春季		夏季		秋季		冬季
模式组	CMIP3	CMIP5	CMIP3	CMIP5	CMIP3	CMIP5	CMIP3	CMIP5	CMIP3	CMIP5
1	−0.09	−0.20	−0.09	−0.03	0.01	−0.07	−0.01	−0.34	0.44^**	0.03
2	0.29	0.07	0.03	0.06	0.41^**	−0.08	0.03	−0.06	0.05	−0.11
3	0.09	0.11	0.04	0.13	0.03	0.02	−0.04	−0.04	0.07	−0.20
4	0.13	0.17	0.12	0.07	0.01	−0.03	0	0.04	0.13	−0.01
5	−0.14	0.08	−0.17	−0.03	−0.23	0.02	−0.05	−0.08	−0.32	0.04
6	0.15	0.15	0.21	0.06	0.06	0.25	0.28	0.11	−0.18	0.15
7	−0.02	−0.03	0.06	−0.12	−0.12	−0.25	−0.08	0.12	−0.01	0.08
8	0.12	0.32^*	0.03	0.20	0.07	0.25	0.03	0.07	0.16	0.04
9	−0.01	0.08	−0.19	0.13	0.03	0.21	−0.10	0.10	0.29	0.18
10	0.24	0.29	0.03	0.21	0.35^**	0.03	0.10	−0.13	−0.07	0.14
11	0.19	0.06	−0.10	−0.04	0.07	−0.01	0.21	0.35^*	0.25	0.06
12	0.13	−0.25	0.14	−0.17	0.25	−0.20	−0.18	0.20	0.02	0.01
13	0.07	0.19	−0.04	0.23	0.05	0.03	0.20	0.11	−0.06	0.13
14	0.15	0.14	0.15	−0.19	0.16	0.32^*	−0.20	−0.11	0.08	0.09
15	0.35^*	0.26	0.12	−0.10	0.13	0.29	0.10	−0.07	0.10	−0.02
平均	0.11	0.10	0.02	0.03	0.08	0.05	0.02	0.02	0.06	0.04
注：^表示通过0.05的显著性检验，^*表示通过0.01的显著性检验。mm/10a

表 6 CMIP3、CMIP5与观测值年、季节降水量的相关系数 Table 6 Correlation coeffcient of annual and seasonal precipitation between CMIP3, CMIP5 and observation

表 7 CMIP3、CMIP5与观测值年、季节降水量的均方根误差 Table 7 RMSE of annual and seasonal precipitation between CMIP3, CMIP5 and observation

模式组	年		春季		夏季		秋季		冬季
模式组	CMIP3	CMIP5	CMIP3	CMIP5	CMIP3	CMIP5	CMIP3	CMIP5	CMIP3	CMIP5
1	293.2	270.5	87.9	99.7	134.6	104.3	71.8	65.9	32.1	39.1
2	196.8	149.9	74.5	57.6	91.7	83.5	48.8	42.3	21.4	20.3
3	464.6	138.5	146.2	52.6	183.7	65.5	103.4	35.3	65.6	19.1
4	182.2	152.2	84.0	71.3	81.0	74.9	39.3	34.7	31.5	22.5
5	216.4	204.4	86.9	79.1	83.2	80.6	59.7	53.5	46.4	30.4
6	402.8	359.2	102.3	101.4	159.9	119.5	117.9	101.5	68.7	75.0
7	405.4	332.1	106.1	102.8	162.8	95.2	113.0	92.6	70.9	84.1
8	138.1	132.3	68.9	59.4	64.4	64.0	40.1	32.3	33.2	30.8
9	424.2	276.8	177.7	125.4	114.6	76.0	100.4	65.1	83.8	53.8
10	454.7	143.3	156.6	56.7	118.1	64.6	108.3	35.7	98.4	41.6
11	212.9	177.9	80.7	73.8	78.6	64.5	54.6	45.7	29.2	29.6
12	181.3	188.5	76.7	66.3	80.9	87.5	44.4	43.1	39.0	31.0
13	174.7	129.8	101.3	43.6	72.3	73.1	31.4	33.3	57.3	18.7
14	279.3	231.5	102.0	87.8	87.2	91.4	80.0	55.4	65.6	35.7
15	201.4	178.3	101.1	92.7	77.1	71.1	47.0	42.5	32.3	34.6
平均	281.9	204.3	103.5	78.0	106.0	81.0	70.7	51.9	51.7	37.8

表 7 CMIP3、CMIP5与观测值年、季节降水量的均方根误差 Table 7 RMSE of annual and seasonal precipitation between CMIP3, CMIP5 and observation

年降水模拟偏差的空间分布上(图 8)，CMIP3和CMIP5的误差空间分布大体一致，均沿着纬线由低纬度向高纬度依次递减，相比CMIP3，CMIP5对年降水量的模拟误差空间分布基本一致，但是对相同区域CMIP5的模拟误差比CMIP3小。在西北干旱区低纬度地区，CMIP3模拟年降水量偏高严重，超过400 mm，CMIP5的模拟有明显改善，降低至200 ~ 300 mm，CMIP5在高纬度地区的误差也明显减小，年降水误差在-50 ~ 50 mm的范围明显扩大。从对季节的模拟降水偏差来看，对春季西北干旱区低纬度降水模拟偏高最严重，CMIP3模式对低纬度地区的模拟偏高超过150 ~ 200 mm，对高纬度模拟偏差在0 ~ 100 mm，而CMIP5模式对低纬度地区的模拟偏高超过75 ~ 150 mm，对高纬度模拟偏差在-25 ~ 75 mm；CMIP3对低纬度地区夏季降水模拟普遍偏高，而且各个区域偏高量值差异较大，对高纬度大部分地区夏季降水的模拟偏低50 mm左右，对天山区夏季降水模拟偏低50 ~ 100 mm，CMIP5的偏差分布与CMIP3一致，但是偏差量级明显要小；对秋季和冬季的降水模拟偏差除了极少数地区之外，大部分降水偏差在±50 mm以内，但是CMIP5模式偏差处于±25 mm范围的区域，明显好于CMIP3。整体来看，CMIP5模式对西北干旱区的年、季节降水的空间分布模拟的能力均较CMIP3模式有所提高。

图 8 CMIP3、CMIP5年、季节降水量的平均误差的空间分布(模拟减观测) Figure 8 Spatial distribution of mean error of annual and seasonal precipitation between CMIP3, CMIP5 and V2.0 (simulated minus observed)

3 结论与讨论

通过对两代气候模式在中国西北干旱区的平均气温和降水模拟能力的分析可以得到以下结论。

(1) CMIP3和CMIP5两代模式对西北干旱区的平均气温模拟整体偏低，夏季和秋季的平均气温的模拟结果要好于春季和冬季，相比CMIP3，CMIP5对夏季平均气温的模拟能力提高最大。两代模式对西北干旱区的降水量模拟整体偏高，大多模式的年、季节的模拟相关系数均小于0.10，相比CMIP3，CMIP5模式对夏季的降水量模拟效果明显提高。

(2) 两代模式对西北干旱区各个区域的模拟偏差也不同，整体来看对平均气温模拟偏低，对降水量模拟偏高。两代模式对研究区南部平均气温的模拟误差偏低最严重，沿着纬度偏差依次递减，对研究区南部降水的模拟误差偏低最严重，沿着纬度偏差依次递减。相比而言，CMIP5模式在相同区域年、季节平均气温的模拟偏差比CMIP3降低1 ~ 2 ℃，在相同区域年降水的模拟偏差比CMIP3明显降低50 mm左右，季节偏差明显降低25 mm左右。

(3) CMIP5模式对西北干旱区的平均气温的变化趋势模拟效果比CMIP3有所提高，对年、春季、夏季、秋季、冬季趋势的模拟偏差比CMIP3减少了0.03 ℃ /10a、0.10 ℃ /10a、0.01 ℃ /10a、0.06 ℃ /10a、0.14 ℃ /10a；CMIP5模式对西北干旱区的降水量的变化趋势模拟效果比CMIP3有所降低，对年、春季、夏季、秋季、冬季趋势的模拟偏差比CMIP3增加了0.67 mm/10a、0.23 mm/10a、0.51 mm/10a、0.11 mm/10a、0.14 mm/10a。

(4)两代模式对天山区年平均气温的模拟与整体偏低的情况相反，CMIP3和CMIP5分别偏高3 ~ 6 ℃和1 ~ 4 ℃，对夏季的模拟偏高最严重，分别达到6 ℃和4 ℃左右；对夏季天山区降水的模拟也与整体偏高的趋势明显相反，两代模式对夏季天山区的降水模拟分别偏低50 mm左右。造成这种误差的原因除了模式自身模拟误差之外，也有可能由于山区的观测站点较少，从而得到的观测数据与实际情况有所偏差。

相比CMIP3，CMIP5模式在分辨率、参数化的改进，以及模式研发者将CMIP5模式的参数化和分辨率的调整比CMIP3更加匹配。CMIP5模式平均气温和降水的集合平均结果相对CMIP3有所改进，但是每一个模式的模拟结果未必有所提高。与CMIP3的气候模式相比，新一代的CMIP5气候模式对西北干旱区平均气温、降水的模拟效果有明显的提高，但是对降水的模拟偏差依然较大，相关系数依旧较小，两代模式均对西北干旱区的降水量缺乏模拟能力。造成模式对中国西北干旱区平均气温、降水量模拟误差过大除了模式本身的系统误差外^[24]，还有可能是由插值方法的不确定性产生^[25-26]。中国西北干旱区气象观测站点稀少和复杂的地形因素^[27-28]也是产生气象要素模拟误差的主要原因。西北干旱区的大山脉、盆地、荒漠等不同下垫面增加了模式中的陆面过程方案、边界层方案等物理过程的复杂性，造成对西北干旱区的模拟效果相比其他地区偏差更大^[29]。另外，采用的观测数据质量也有待提高，V2.0数据为只采用了气象站点观测数据而制作的数据集，需要采用多源有效的数据进行数据融合，建立更全面的数据集。此外，对单一气象要素的模拟评价有很大不确定性，结合其他多种气象要素进行综合比较评估也许更加全面。

参考文献

[1]	IPCC. Climate change 2001: the science of climate change[M]. Cambridge: Cambridge University Press, 2001.
[2]	IPCC. Climate change 2007: the physical science basis[M]. Cambridge: Cambridge University Press, 2007.
[3]	Jonathan T O, Gerald A M, Bony S, et al. Climate data challenges in the 21st century[J]. Science, 2011, 331: 700-702. DOI:10.1126/science.1197869
[4]	Fowler H J, Blenkinsop S, Tebaldi C. Linking climate change modeling to impacts studies: recent advances in downscaling techniques for hydrological modeling[J]. International Journal of Climatology, 2007, 27(12): 1547-1578. DOI:10.1002/(ISSN)1097-0088
[5]	Meehl G A, Covey C, Mc Avaney B, et al. Overview of the coupled model intercomparison project[J]. Bulletin of the American Meteorological Society, 2005, 86: 89-93. DOI:10.1175/BAMS-86-1-89
[6]	Meehl G A, Covey C, Delworth T, et al. The WCRP CMIP3 multimodel dataset:a new era in climate change research[J]. Bulletin of the American Meteorological Society, 2007, 88: 1383-1394. DOI:10.1175/BAMS-88-9-1383
[7]	Taylor K E, Stouffer R J, Meehl G A. An overview of CMIP5 and the experiment design[J]. Bulletin of the American Meteorological Society, 2012, 93: 485-498. DOI:10.1175/BAMS-D-11-00094.1
[8]	秦大河, ThomasStocker, 259名作者和TSU (驻尼泊尔和北京). IPCC第五次评估报告第一工作组报告的亮点结论[J]. 气候变化研究进展, 2014, 10(1): 1-6.
[9]	Reichler T, Kim J. How well do coupled models simulate today's climate?[J]. Bulletin of the American Meteorological Society, 2008, 89: 303-311. DOI:10.1175/BAMS-89-3-303
[10]	董文杰, 周天军, 郭彦, 等. 气候现象及其与未来区域气候变化的连续[J]. 气候变化研究进展, 2014, 10(1): 60-64.
[11]	张艳武, 张莉, 徐影. CMIP5模式对中国地区气温模拟能力评估与预估[J]. 气候变化研究进展, 2016, 12(1): 10-19. DOI:10.12006/j.issn.1673-1719.2015.113
[12]	李振朝, 韦志刚, 吕世华, 等. CMIP5部分模式气温和降水模拟结果在北半球及青藏高原的检验[J]. 高原气象, 2013, 32(4): 921-928. DOI:10.7522/j.issn.1000-0534.2012.00088
[13]	赵天保, 陈亮, 马柱国. CMIP5多模式对全球典型干旱半干旱区气候变化的模拟与预估[J]. 科学通报, 2014, 59: 1148-1163.
[14]	郭彦, 董文杰, 任福民, 等. CMIP5模式对中国年平均气温模拟及其与CMIP3模式的比较[J]. 气候变化研究进展, 2013, 9(3): 181-186.
[15]	陈晓晨, 徐影, 许崇海, 等. CMIP5全球气候模式对中国地区降水模拟能力的评估[J]. 气候变化研究进展, 2014, 10(3): 217-225.
[16]	Chen H P, Sun J Q. Robustness of precipitation projections in China: comparison between CMIP5 and CMIP3 models[J]. Atmospheric And Oceanic Science Letters, 2014, 7(1): 67-73. DOI:10.1080/16742834.2014.11447137
[17]	Kusunoki S, Arakawa O. Are CMIP5 models better than CMIP3 models in simulating precipitation over East Asia?[J]. Journal of Climate, 2015, 28: 5601-5621. DOI:10.1175/JCLI-D-14-00585.1
[18]	吴晶, 罗毅, 李佳, 等. CMIP5模式对中国西北干旱区模拟能力评价[J]. 干旱区地理, 2014, 37(3): 499-508.
[19]	于恩涛, 孙建奇, 吕光辉, 等. 西部干旱区未来气候变化高分辨率预估[J]. 干旱区地理, 2015, 38(3): 429-437.
[20]	符淙斌, 董文杰, 温刚, 等. 全球变化的区域响应和适应[J]. 气象学报, 2003, 61(2): 245-250. DOI:10.11676/qxxb2003.023
[21]	Dai A. Drought under global warming: a review[J]. Climatic Change, 2011, 2: 45-65.
[22]	Koster R D, Dirmeyer P A, Guo Z C, et al. Regions of strong coupling between soil moisture and precipitation[J]. Science, 2004, 305(5687): 1138-1140. DOI:10.1126/science.1100217
[23]	Jones P W. First-and second-order conservative remapping schemes for grids in spherical coordinates[J]. Monthly Weather Review, 1999, 127(9): 2204-2210. DOI:10.1175/1520-0493(1999)127<2204:FASOCR>2.0.CO;2
[24]	Mikyoung J, Reto K, Douglas W N. Local eigenvalue analysis of CMIP3 climate model errors[J]. Tellus, 2008, 60A: 992-1000.
[25]	Price D T, McKenny D W, Nalder I A, et al. A comparison of two statistical methods for spatial interpolation of Canadian monthly mean climate data[J]. Agricultural and Forest Meteorology, 2000, 101: 81-94. DOI:10.1016/S0168-1923(99)00169-0
[26]	Francisco J M. Comparison of different geostatistical approaches to map climate variables: application to precipitation[J]. International Journal of Climatology, 2010, 30: 620-631.
[27]	Diodato N. The influence of topographic co-variables on the spatial variability of precipitation over small regions of complex terrain[J]. International Journal of Climatology, 2005, 25: 351-363. DOI:10.1002/(ISSN)1097-0088
[28]	Cristina P, Nuria B, Josep E, et al. Seasonal precipitation interpolation at the Valencia region with multivariate methods using geographic and topographic information[J]. International Journal of Climatology, 2010, 30: 1547-1563.
[29]	黄荣辉, 周德刚, 陈文, 等. 关于中国西北干旱区陆-气相互作用及其对气候影响研究的最近进展[J]. 大气科学, 2013, 37(2): 189-210. DOI:10.3878/j.issn.1006-9895.2012.12303

Comparing Simulated Temperature and Precipitation of CMIP3 and CMIP5 in Arid Areas of Northwest China

Wu Jing^1,2, Wang Baojian¹, Yang Yanfen³, Chang Yan⁴, Chen Lin⁵, Yang Jiancai¹, Liu Xinwei¹

1. Lanzhou Central Meteorological Observatory, Lanzhou 730020, China;
2. Gansu Provincial Meteorological Bureau, Lanzhou 730020, China;
3. State Key Laboratory of Soil Erosion and Dryl and Farming on the Loess Plateau, Institute of Soil and Water Conservation, Northwest A & F University, Yangling 712100, China;
4. Key Laboratory of Land Surface Process and Climate Change in Cold and Arid Regions Chinese Academy of Science, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, China;
5. IPRC and Department of Atmospheric Sciences, University of Hawaii, Honolulu HI 96822, U.S

Abstract: The ensemble mean of simulated temperature and precipitation of CMIP5 and CMIP3 in arid areas of Northwest China was compared, the results showed that CMIP5 was more close to the observed value. Comparing with CMIP3, the correlation coefficient of CMIP5 was improved by 0.15 for year, 0.13 in spring, 0.24 in summer and 0.02 in autumn, while decreased by 0.07 in winter. CMIP5 simulated better trend of mean temperature than CMIP3 in the arid area of Northwest China, the biases reduced by 0.03 ℃ per decade for year, 0.1 ℃ per decade for spring, 0.01 ℃ per decade for summer, 0.06 ℃ per decade for autumn and 0.14℃ per decade for winter, respectively. The annual and seasonal bias of CMIP5 was 1-2 ℃ lower than CMIP3 in the arid area of Northwest China, but temperature for both CMIP3 and CMIP5 were 3-6 ℃ and 1-4 ℃ higher than observation in Tianshan Mountains, especially in summer, which was reached to 6 ℃ and 4 ℃, respectively. Two models showed little difference in the correlation coefficient between simulated and observed precipitation, which was lower than 0.1, but the bias was still higher. The precision of precipitation trend for CMIP5 was lower than CMIP3, the biases increased by 0.67 mm per decade for year, 0.23 mm per decade for spring, 0.51 mm per decade for summer, 0.11 mm per decade for autumn, and 0.14 mm per decade for winter, respectively. The root mean square error of precipitation of CMIP5 was decreased by 77.6 mm, 25.5 mm, 25.0 mm, 18.8 mm and 13.9 mm for annual, spring, summer, autumn and winter, respectively. In spatial, CMIP5 still simulated higher annual and seasonal precipitation, but was better than CMIP3. Conversely, CMIP3 and CMIP5 gave lower annual and seasonal precipitation in the Tianshan Mountains, which was 50 mm lower than the observation.

Key words: the northwest arid areas CMIP3 CMIP5 average temperature precipitation simulation ability