CMIP6全球气候模型在意大利卡拉布里亚地区的降水模拟评估与优选研究

　　本研究针对CMIP6气候模型在意大利卡拉布里亚地区降水模拟的可靠性问题，通过构建网格化数据集（0.25°分辨率），结合四大多准则决策方法（TOPSIS/VIKOR/Multi-MOORA/WASPAS）和元排名（Meta Ranking）分析，发现NESM3和KACE-1-0-G模型分别在日尺度和年尺度降水模拟中表现最优，INM-CM4-8模型则展现跨时间尺度的稳健性，为地中海气候热点区域的水资源管理提供关键模型筛选依据。

　　

在全球变暖加剧的背景下，地中海地区作为气候变化的"热点"，其降水模式变化对农业、生态系统和水资源管理构成严峻挑战。然而，当前气候模型（General Circulation Models, GCMs）在该区域的模拟性能存在显著差异，尤其对复杂地形驱动的降水变率捕捉不足。这一问题在意大利南部的卡拉布里亚地区尤为突出——该区域42%为山地，受伊奥尼亚海和第勒尼安海双重影响，降水梯度差异显著。传统研究多依赖单一统计指标或主观判断筛选模型，导致结果可靠性存疑。

为解决这一难题，研究人员基于NASA地球交换全球日尺度降尺度 projections（NEX-GDDP-CMIP6）数据集，对34个CMIP6模型在1990-2014年间的降水模拟能力展开系统评估。研究首先利用247个雨量站数据构建0.25°空间分辨率的网格化数据集（采用克里金外漂移插值法），随后通过两类统计指标体系（日尺度分类指标和年尺度连续指标）量化模型性能。创新性地引入多准则决策（Multi-Criteria Decision Making, MCDM）框架，整合TOPSIS、VIKOR、Multi-MOORA和WASPAS四种方法，最终通过元排名（Meta Ranking）实现模型综合排序。

关键技术方法
研究采用Bias-Correction Spatial Disaggregation（BCSD）降尺度算法处理原始GCM数据，日尺度评估使用概率检测（POD）、误报率（FAR）等分类指标，年尺度采用平均绝对误差（MAE）、均方根误差（RMSE）等连续指标。通过克里金外漂移法（KED）将247个站点数据插值为0.25°网格数据，模型性能通过四大多准则决策方法交叉验证。

研究结果

1. 空间分布验证
年降水空间分布图显示，仅ACCESS-CM2和INM-CM4-8能准确再现观测数据的空间格局，多数模型低估降水强度，而KACE-1-0-G呈现轻微高估。山地地区的降水模拟差异尤为显著，印证了地形对模型性能的关键影响。

2. 日尺度性能
NESM3模型在MMOORA、TOPSIS和VIKOR三种方法中均排名第一，主要因其优异的降水事件检测能力（POD=0.82）和较低的误报率（FAR=0.18）。FGOALS-g3虽在WASPAS方法中夺冠，但存在明显的误报偏差（POFD=0.21）。

3. 年尺度表现
KACE-1-0-G凭借最低的MAE（289.5 mm）和RMSE（406.4 mm）成为年尺度最优模型，其降水偏差（BIAS）仅163.2 mm，显著优于其他模型。值得注意的是，INM-CM4-8在两类时间尺度评估中均稳居前二，展现出色的跨尺度稳定性。

4. 模型一致性分析
元排名揭示不同决策方法间的结果差异：日尺度排名中NESM3与FGOALS-g3存在方法间最大位次差（WASPAS第1 vs VIKOR第15），而年尺度KACE-1-0-G在TOPSIS/VIKOR中夺冠但在WASPAS仅列第9，凸显多方法验证的必要性。

结论与意义
该研究建立了CMIP6模型在地中海复杂地形区的系统评估框架，首次证实NESM3（日尺度）和KACE-1-0-G（年尺度）在卡拉布里亚地区的优越性，而INM-CM4-8作为"双优"模型特别适合极端天气事件研究。方法论上，多准则决策与元排名的结合有效克服了单一指标局限性，为区域气候模型选择提供了可复制的技术范式。研究成果发表于《Journal of Hydrology》，不仅为地中海气候适应策略提供科学依据，其评估框架更可推广至全球其他气候敏感区。

研究同时指出，观测数据稀疏性和降水微物理过程的复杂性仍是模型改进的关键瓶颈。未来工作需结合更高分辨率区域模型（如WRF）与CMIP6的协同模拟，以进一步提升地中海复杂地形区的降水预测精度。