基于CMIP5 模式的不同集合方法對鄱陽湖流域降水及氣溫模擬能力的比較

吳 濱，劉衛(wèi)林，郭慧芳，李 香，何 昊，劉麗娜

（1.南昌工程學(xué)院 江西省水文水資源與水環(huán)境重點實驗室，江西 南昌 330099；2.浙江同濟科技職業(yè)學(xué)院，浙江 杭州 311231）

0 引言

氣候變化關(guān)乎人類命運，是國際熱點問題。在全球變暖的背景下，眾多學(xué)者開展了氣候變化相關(guān)研究并進行了一系列的探討。其中全球氣候模式（Global Climate Models，GCM）作為氣候模擬和未來氣候變化情景預(yù)估的重要工具，被廣泛用于探索和預(yù)測氣候變化［1-3］。而耦合模式比較計劃CMIP5（Coupled Model Intercomparison Project Phase 5，CMIP5）作為目前最為成熟的GCMs集合，在全球、地區(qū)氣候變化及其影響研究方面受到了廣泛的應(yīng)用［4］。

CMIP5 模式的精度對研究結(jié)果的準(zhǔn)確性至關(guān)重要［5］，不少學(xué)者評估了CMIP5 對中國地區(qū)降雨氣溫的模擬能力。陳曉晨等評估了CMIP5 對中國降水及氣溫的模擬能力，發(fā)現(xiàn)多模式集合預(yù)報精度優(yōu)于單模式［6］。陶純?nèi)數(shù)热搜芯堪l(fā)現(xiàn)，在中國東北地區(qū)，模式對氣溫的模擬能力好于對降水的模擬能力［7］。張武龍等人通過2個技巧評分標(biāo)準(zhǔn)從34個模式中挑選出9種最優(yōu)模式，發(fā)現(xiàn)最優(yōu)模式集合對西南地區(qū)干濕季降水的模擬結(jié)果優(yōu)于34 個模式集合平均和大多數(shù)單個模式［8］。根據(jù)已有的研究可以發(fā)現(xiàn)，通過擇優(yōu)、集合等方式可以提高CMIP5 模式對地區(qū)降水及氣溫的預(yù)報能力。在模式集合上，提出較早且使用較為廣泛的是全模式等權(quán)集合［9，10］，之后擇優(yōu)等權(quán)集合［11］和非等權(quán)集合［12］等相關(guān)集合方法也被相繼提出。擇優(yōu)等權(quán)集合是通過給定的單個指標(biāo)或綜合評分指標(biāo)，根據(jù)模式的預(yù)報精度對多個模式進行排名，并選擇排名靠前的幾個模式進行集合的一種模式擇優(yōu)集合方法［13］。而非等權(quán)集合是通過統(tǒng)計學(xué)、機器學(xué)習(xí)等方法確定各個模式的權(quán)重并集合的方法，例如多元線性回歸分析法［14］、貝葉斯模型平均（Bayesian Model Averaging，BMA）［15］和遺傳算法［16］。有研究指出，BMA 集合預(yù)報優(yōu)于簡單集合平均［17］，但相關(guān)研究主要集中在氣溫方面［18，19］。

中國大部分地區(qū)四季分明，降水氣溫年內(nèi)變化明顯，同時由于復(fù)雜的大氣環(huán)流以及海陸熱力差異等復(fù)雜機制的影響下，年內(nèi)旱澇并存、旱澇急轉(zhuǎn)的情況時有發(fā)生［20，21］。而目前大多數(shù)學(xué)者主要注重模式及集合模型在年尺度上的擬合效果，對集合方法在年尺度、月尺度和空間上的比較關(guān)注較少。對于氣候環(huán)境復(fù)雜的地區(qū)，多角度驗證的多種集合的精度比較是有必要的。基于此，本文以鄱陽湖流域為例，基于CMIP5 的19 個氣候模式數(shù)據(jù)，比較全模式等權(quán)集合、擇優(yōu)模式等權(quán)集合、全模式BMA 集合和擇優(yōu)模式BMA 集合在年尺度、月尺度和空間上的模擬精度，探討其對流域降水與氣溫的模擬能力，為今后未來情景氣候變化預(yù)估的集合方法選擇提供參考。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)資料

本文所用的19 個氣候模式數(shù)據(jù)來源于http：//pcmdi-cmip.llnl.gov/cmip5/availability.html，模式基本信息見表1。

表1 CMIP5模式Tab.1 CMIP5 mode

研究選用實測資料為鄱陽湖流域26 個地面氣象觀測站的逐日平均氣溫和降水量數(shù)據(jù)，數(shù)據(jù)來源于中國氣象局國家氣象信息中心氣象數(shù)據(jù)共享平臺（https：//data.cma.cn/）。數(shù)據(jù)的年份為1961 年至2005 年。求出各個站點的月累計降水量和月平均氣溫，平均后即為流域月平均氣溫和月降水量。

考慮到CMIP5 各個模式分辨率不盡相同，為方便與觀測資料對比分析，采用雙線性插值法將CMIP5 各個模式的數(shù)據(jù)統(tǒng)一插值到觀測站點上。

1.2 方 法

1.2.1 多模式集合方法

1.2.1.1 算術(shù)平均集成

算術(shù)平均集成是一種簡單且常用的多模式集成方法，是將多個模式的模擬值進行算術(shù)平均，其計算公式為：

1.2.1.2 BMA方法

BMA 是一種結(jié)合多個統(tǒng)計模型進行聯(lián)合推斷和預(yù)測并可以產(chǎn)生高度集中的概率密度函數(shù)的統(tǒng)計后處理方法［22］。假設(shè)Y代表預(yù)測變量，f1，f2，f3，…，fn分別代表n個不同模型的預(yù)測結(jié)果，則BMA的概率預(yù)估可表示為多模式條件概率的加權(quán)形式：

式中：wi為第i個模式權(quán)重，表示第i個模式在模型訓(xùn)練期對預(yù)報的相對貢獻程度，非負(fù)且滿足；表示預(yù)報變量Y在第i個模式預(yù)報fi下的條件概率。

BMA模型變量預(yù)報均值為［23］：

式中：σi為模型給定數(shù)據(jù)的模擬結(jié)果的方差，可以通過對數(shù)似然函數(shù)估計和，然后應(yīng)用期望最大化算法（EM）對其進行求解。

1.2.2 模式評估方法

為客觀評估CMIP5 各模式及各種集合方法對鄱陽湖流域氣溫和降水的模擬能力，本文引入了泰勒圖分析方法。泰勒圖是近年來被廣泛應(yīng)用于模式模擬能力評估的方法，它將模擬數(shù)據(jù)和實測數(shù)據(jù)之間的相關(guān)系數(shù)、標(biāo)準(zhǔn)差和中心化均方根誤差綜合展示在一張極坐標(biāo)圖上，能直觀清晰地反映多個模式的模擬效果［24］。本文采用標(biāo)準(zhǔn)化泰勒圖，即將泰勒圖中的標(biāo)準(zhǔn)差、均方根誤差用相對標(biāo)準(zhǔn)差和相對中心化均方根誤差表示。其中相對標(biāo)準(zhǔn)差、相對中心化均方根誤差及相關(guān)系數(shù)表達式分別如下：

式中：std為實測系列的標(biāo)準(zhǔn)差；fi，oi分別為模式模擬值及實測值；n為CMIP5模式個數(shù)。

模式點離觀測點越近，表明該模式的模擬能為越強。為方便，將相對標(biāo)準(zhǔn)差、相對中心化均方根誤差簡稱為標(biāo)準(zhǔn)差和均方根誤差。

同時，引入一個綜合評價指標(biāo)Ms來評價模式的綜合模擬能力［25］。

式中：n為選用的GCMs 個數(shù)（n=19）；k為評估指標(biāo)個數(shù)，本文選擇泰勒圖中的標(biāo)準(zhǔn)差、中心化均方根誤差和相關(guān)系數(shù)作為評估指標(biāo)（k=3）；ranki為各模式在第i個評估指標(biāo)下的排名。

根據(jù)選用的CMIP5 模式個數(shù)n的不同，本文用到的集合模型有全模式等權(quán)集合、基于Ms擇優(yōu)模式等權(quán)集合、全模式BMA集合（以下簡稱BMA 集合）、基于Ms 的擇優(yōu)模式BMA 集合（以下簡稱BMA-Ms集合）。

2 結(jié)果及分析

2.1 GCMs單模式比較與擇優(yōu)

2.1.1 氣 溫

圖2 為CMIP5 單模式氣溫泰勒圖?？梢钥闯觯煌Ｊ綄鉁氐哪M具有一定的差異，從均方根誤差來看，最優(yōu)的是MPI-ESM-LR 模式，其均方根誤差為0.26，但其相關(guān)系數(shù)和標(biāo)準(zhǔn)差分別為0.97 和0.91，在19 個模式中排名第7 和第9。若從相關(guān)系數(shù)來看，最優(yōu)的是CSIRO-MK360 模式，其相關(guān)系數(shù)為0.97，但其標(biāo)準(zhǔn)差為1.11，排第13。模式在不同的指標(biāo)上有著不同的精度。根據(jù)Ms指標(biāo)對CIMP5 單模式模擬能力排序（表2），綜合最優(yōu)模型是MIROC5，標(biāo)準(zhǔn)差、均方根誤差和相關(guān)系數(shù)分別排第5、第2 和第10，而Ms 排名第2 的模型是MPI-ESM-LR，其標(biāo)準(zhǔn)差、均方根誤差和相關(guān)系數(shù)排名分別為第9、第1和第7，Ms排名結(jié)果較為合理。根據(jù)Ms排序結(jié)果，氣溫?fù)駜?yōu)建模的前6個最優(yōu)模式為MIROC5、MRI-ESM-LR、Can-ESM2、CSIROMK360、IPRL-CM5A-MR、GFDL-CM3。

表2 各模式氣溫模擬精度排名Tab.2 Ranking of temperature simulation accuracy of each model

圖2 氣溫泰勒圖Fig.2 Temperature taylor chart

繪制實測值與Ms 排名前6 個最優(yōu)模式的氣溫年變化過程（圖3），可以看出鄱陽湖流域1961年至2005年多年平均氣溫為17.4 ℃，而Ms 排名第1 的模式MIROC5 模擬的多年平均值為17.7 ℃，整體偏高估了流域的氣溫；Ms 排名第2 的模式MPIESM-LR，其模擬的多年平均氣溫為17.2 ℃，整體低估了流域的實際氣溫。還可以看出，流域?qū)崪y值變化范圍為16.6～18.5 ℃，而部分模式的模擬值最低低于14 ℃，特別是排名第6 的模式GFDL-CM3其模擬的多年平均值僅為15.4，誤差較為明顯。

圖3 流域?qū)崪y氣溫與6個最優(yōu)模式模擬值年變化過程Fig.3 The annual variation process of the measured temperature and the simulated values of the six optimal models in the basin

2.1.2 降 水

在降水方面，流域模式模擬值與實測值相關(guān)系數(shù)總體在0.4～0.6左右，小于氣溫（圖4）。其中標(biāo)準(zhǔn)差、均方根誤差和相關(guān)系數(shù)排名第1 的模式分別為MPI-ESM-LR、MIROC-ESMCHEM、NorESM1-M，模式在不同的指標(biāo)下有不同的排名（表3）。在Ms排名中，NorESM1-M 排名第1，其標(biāo)準(zhǔn)差、均方根誤差和相關(guān)系數(shù)分別為0.9、0.82 和0.64，排名第5、第2 和第1；而排名第2 的GISS-E2-H 其標(biāo)準(zhǔn)差、均方根誤差和相關(guān)系數(shù)分別為0.87、0.83 和0.52，排名第8、第3 和第2，Ms 排名結(jié)果較為合理。根據(jù)Ms排名結(jié)果，降水擇優(yōu)集合的前6 個最優(yōu)模式是NorESM1-M、GISS-E2-H、MPI-ESM-MR、GFDL-ESM2M、GFDL-ESM2G、MIROC-ESM-CHEM。

圖4 降水泰勒圖Fig.4 Precipitation Taylor Chart

表3 各模式降水模擬精度排名Tab.3 Precipitation simulation accuracy ranking of each model

繪制實測值與Ms 排名前6 個最優(yōu)模式的降水年變化過程（圖5），可以看出鄱陽湖流域1961年至2005年多年平均降水量為1 693.1 mm，其Ms排名第1 的模式NorESM1-M 的多年模擬值為1 370.6 mm，排名第2 的模式GISS-E2-H 的多年模擬值為1 586 mm，其他4 個模式的模擬值也低于實測值，6 個最優(yōu)模式都低估了流域的實際降水量。同時流域在1963 年降水量為1 162.6 mm，是研究時段中的最小值，而集合中而排名第5 的集合GFDL-ESM2G，其最小值為1990年的614 mm，模擬誤差顯著。

圖5 流域?qū)崪y降水與6個最優(yōu)模式模擬值年變化過程Fig.5 The annual variation process of the measured precipitation in the basin and the simulated values of the six optimal models

總的來看，氣溫最優(yōu)模式的3個泰勒圖指標(biāo)都優(yōu)于降水，同時在泰勒圖上，19個的模式的氣溫模擬值明顯比降水更接近與實測點，這說明CMIP5 氣候模式對氣溫的擬合結(jié)果好于降水。同時氣溫和降水基本都低估了流域的實測值，單一的模式與實測值有明顯的誤差。

這一區(qū)域人口規(guī)模多達2600萬，太和醫(yī)院的外來患者占了相當(dāng)大的比例。門急診大廳設(shè)有外埠患者接待中心，承接這部分患者。為了服務(wù)患者，太和醫(yī)院醫(yī)生和管理層還有頗多創(chuàng)意，其中就包括2013年成立的“星星急救科普小分隊”。

2.2 集合在年尺度上的比較

以1961年至1995年為BMA 率定期，1996年至2005年為驗證期，比較集合在年尺度上的模擬精度。

2.2.1 氣 溫

繪制流域氣溫實測值與各集合模型模擬值在1961 年至2005 年的年變化過程（圖6）。可以看出在率定期，流域多年平均氣溫為17.3 ℃，而全模式等權(quán)集合和Ms 等權(quán)集合的多年平均氣溫分別為16.6 ℃和16.7 ℃，總體低估了流域的實際氣溫，而BMA集合和BMA-Ms集合的多年平均氣溫都為17.3 ℃，和實際值相等。在驗證期，氣溫實際平均值為17.9 ℃，而全模式等權(quán)集合、擇優(yōu)等權(quán)集合、BMA 集合和BMA-Ms 集合的模擬值分別為17.1、17.3、17.7 與17.8 ℃。無論是在率定期和驗證期，最接近實際值的集合為BMA-Ms 集合，其次是BMA 集合，而全模式等權(quán)集合和擇優(yōu)等權(quán)集合模擬值與氣溫實際值有著0.6 ℃的誤差，模擬能力低于BMA集合和BMA-Ms集合。

圖6 流域氣溫實測值和集合模擬值年變化過程Fig.6 The annual variation process of the measured and ensemble simulated air temperature in the basin

2.2.2 降 水

繪制流域降水實測值和各集合模型模擬值在1961 年至2005 年的年變化過程（圖7）。在率定期，流域?qū)嶋H多年平均降水量為1 671.2 mm，而全模式等權(quán)集合和Ms等權(quán)集合的模擬值為1 388.1 mm 和1 322.2 mm，與實際值差了300 mm 左右；BMA集合和BMA-Ms 集合的多年平均降水量與實際值相等。在驗證期，流域?qū)嶋H多年平均降水量為1 769.6 mm，全模式等權(quán)集合、擇優(yōu)等權(quán)集合、BMA 集合和BMA-Ms 集合的模擬值分別為1 373、1 360.5、1 678.5和1 718.6 mm，可以看出BMA-Ms 集合的模擬值最接近實際值，其次是BMA 集合、全模式等權(quán)集合和擇優(yōu)等權(quán)集合。

圖7 流域降水實測值和集合模擬值年變化過程Fig.7 The annual variation process of the measured and ensemble simulated precipitation values in the basin

可以看出，無論是在率定期還是驗證期，全模式等權(quán)集合和擇優(yōu)等權(quán)集合低估了流域的年降水量及年平均氣溫，而BMA集合和BMA-Ms 集合的模擬精度高于全模式等權(quán)集合和擇優(yōu)等權(quán)集合；其中BMA-Ms 集合的模擬能力好于BMA 集合，即在年尺度上，BMA-Ms集合對流域氣候變化的描述更準(zhǔn)確。

2.3 集合在月尺度上的比較

2.3.1 氣 溫

分別計算率定期（1961 年1 月至1995 年12 月）和驗證期（1996 年1 月至2005 年12 月）集合氣溫模擬值與實際值的標(biāo)準(zhǔn)差、均方根誤差、相關(guān)系數(shù)、相對誤差和Nash 效率系數(shù)，根據(jù)這些指標(biāo)對集合在月尺度上的精度進行說明，并以Ms 擇優(yōu)方法基于這5個精度指標(biāo)對集合模擬效果進行排名（表4）。

表4 集合模擬值氣溫結(jié)果比較Tab.4 Comparison of ensemble simulated air temperature results

在率定期，Ms 排名第1 的集合是BMA 集合，其標(biāo)準(zhǔn)差為0.983，僅次于Ms 等權(quán)集合，而其他的4 個精度指標(biāo)都為4 種集合中最優(yōu)值。BMA-Ms集合、Ms等權(quán)集合和全模式等權(quán)集合分別排名第2、第3 和第4。在驗證期，Ms 排名第1 的集合仍是BMA 集合，除標(biāo)準(zhǔn)差外，其他精度指標(biāo)都為4 個集合的最優(yōu)值。排名第2、第3 和第4 的集合為BMA-Ms 集合、全模式等權(quán)集合和Ms 等權(quán)集合?？梢钥闯?，盡管在年尺度上BMA-Ms 集合氣溫模擬能力略好于BMA 集合，但是在月尺度的氣溫模擬上，BMA集合有著比BMA-Ms集合更好的表現(xiàn)。

為進一步觀察集合在單個月上的氣溫模擬精度，繪制率定期12個月的流域?qū)崪y值和4種集合模擬值箱型圖（圖8）。可以看出4 種集合氣溫模擬值從1 月至12 月表現(xiàn)出先增大、后減少的特征，與實際情況相符。實際值的上下限寬度和上下四分位數(shù)寬度基本大于集合模擬值，即集合模擬值的分布域?qū)挾刃∮趯嶋H值，在模擬時可能會低估或高估月的實際值。例如在1 月份，全模式等權(quán)集合和Ms 等權(quán)集合的上限值僅等于實際值的中位數(shù)，而BMA集合和BMA-Ms集合的中位數(shù)基本等于實際值的中位數(shù)，但其上限小于實際值的上四分位數(shù)，4種集合都低估了1月的實際氣溫。在3月份，這4種集合的中位數(shù)基本等于實際值的上四分位數(shù)，集合模擬在一些年份會高估3 月份的實際氣溫。

圖8 驗證期流域氣溫實測值與各集合模擬值箱型圖Fig.8 Box plots of measured and simulated values of temperature in the basin during the validation period

2.3.2 降 水

以4種集合的降水模擬值與實際值的標(biāo)準(zhǔn)差、均方根誤差、相關(guān)系數(shù)、相對誤差和Nash 效率系數(shù)說明4 種集合方法在月尺度上的降水模擬能力（表5）?？梢钥闯?，在率定期，Ms排名第1的是BMA 集合，除相對誤差外，各精度指標(biāo)都為4 種集合方法中的最優(yōu)值。排名第2、第3、第4的集合為BMA-Ms集合、Ms等權(quán)集合和全模式等權(quán)集合。在驗證期，Ms 排名第1 的集合是全模式等權(quán)集合，其均方根誤差、相關(guān)系數(shù)和相對誤差為4種集合中的最優(yōu)值，BMA集合排名第2。

表5 集合模擬值降水結(jié)果比較Tab.5 Comparison of ensemble simulated precipitation results

為觀察集合在單個月上的降水模擬精度，繪制率定期12個月的流域?qū)崪y值和集合模擬值箱型圖（圖9）。在1月至5月，流域降水逐漸上升，4 種集合的模擬值也具有相同的變化。在6月，4種集合模擬的上四分位數(shù)都小于實際值的下四分位數(shù)，整體低估了流域6 月的實際降水量，其中BMA 集合和BMA-Ms 集合模擬值更接近實際值，模擬精度好于全模式等權(quán)集合和Ms等權(quán)集合。在6月至12月，流域降水基本呈現(xiàn)下降趨勢，4種集合模擬值也具有相同的變化。

圖9 流域降水實測值與各集合模擬值箱型圖Fig.9 Box plots of measured values of precipitation in the basin and simulated values of each set

比較4種集合模擬值在月尺度上的精度后，可以看出，集合模擬值能夠較好的表現(xiàn)出氣溫和降水在年內(nèi)12個月上的變化，但可能會有高估或低估的情況。總的來看，BMA 集合在氣溫率定期、氣溫驗證期、降水率定期Ms 排名都為第1，在降水驗證期排名第2。模擬效果整體較好。

2.4 集合在空間上的比較

為驗證4 種集合模型在流域空間模擬效果，通過反距離權(quán)重法繪制4種集合模型的氣溫與降水空間分布圖（圖10和11）。

圖1 研究區(qū)及相關(guān)站點Fig.1 Study area and related sites

2.4.1 氣 溫

從圖10 可以看出，鄱陽湖流域氣溫具有南高北低，東高西低的特征，而全模式等權(quán)集合、Ms等權(quán)集合、BMA 集合和BMAMs 集合模擬值都能表現(xiàn)出氣溫南高北低這一特征，同時BMA集合和BMA-Ms 集合模擬值還較好的表現(xiàn)出流域氣溫東高西低的特征。在流域北部，大多數(shù)地區(qū)的多年平均氣溫為16.3～18.9 ℃，全模式等權(quán)集合和Ms 等權(quán)集合的氣溫為16.3～17.2 ℃；在流域中東部，地區(qū)平均氣溫為18～18.9 ℃，而全模式等權(quán)集合和Ms 等權(quán)集合的氣溫為17.2～18 ℃；總的來看，全模式等權(quán)集合和Ms等權(quán)集合低估了大部分地區(qū)的實際氣溫。而BMA集合和BMA-Ms集合模擬情 況符合流域的實際情況。

圖10 流域氣溫分布圖Fig.10 Distribution map of temperature in the basin

2.4.2 降 水

從圖11 可以看出，鄱陽湖流域降水具有東高西低、北高南低的分布特征，且除龍南、贛州附近地區(qū)外，其他地區(qū)的多年平均降水量都達到了1 537 mm 以上，而全模式等權(quán)集合和Ms 等權(quán)集合模擬值在流域上都低于1 537 mm，低估程度較為嚴(yán)重。而BMA 集合和BMA-Ms 集合的模擬值在流域上表現(xiàn)出東高西低、北高南低的分布特征，模擬情況接近于實際值。

圖11 流域降水量分布圖Fig.11 Distribution map of precipitation in the basin

對比了全模式等權(quán)集合、Ms 等權(quán)集合、BMA 集合以及BMA-Ms集合的模擬能力可以發(fā)現(xiàn)，全模式等權(quán)集合和Ms等權(quán)集合整體低估了鄱陽湖流域的實際氣溫和降水年際波動、年內(nèi)波動和流域多年分布，而 BMA 集合和BMA-Ms 集合的模擬結(jié)果更符合流域的實際情況，非等權(quán)集合方法的模擬精度高于等權(quán)集合方法。

許多研究都證實了GCMs數(shù)據(jù)對降水的模擬存在較大的不足［26］，特別是單個模式可能存在一定的誤差，而在以往的研究中，大多數(shù)學(xué)者使用簡單算術(shù)平均法進行多模式集合以提高模擬精度［27，28］。本文的研究結(jié)論指出，等權(quán)集合方法對氣溫和降水的模擬能力盡管好于單個氣候模式，但可能會有較為明顯低估情況，若不進行一定的校正可能會低估未來的氣溫和降水變化情況，因此在使用等權(quán)集合方法進行多模式集合時，可能需要根據(jù)實際情況進行模擬結(jié)果進行一定的校正，或考慮BMA等非等權(quán)集合方法。

3 結(jié)論

基于19種GCM降水與氣溫數(shù)據(jù)以及鄱陽湖流域26個氣象站點1961～2005 年降水與氣溫實測數(shù)據(jù)，分析了全模式等權(quán)集合、Ms 等權(quán)集合、BMA 集合以及BMA-Ms 集合在年尺度、月尺度和空間上的模擬能力，得出的主要結(jié)論如下。

（1）19 種模式以及4 種集合方法對氣溫的模擬能力較好，對降水的模擬能力較差。

（2）在年尺度上，全模式等權(quán)集合和Ms 等權(quán)集合總的低估了流域的氣溫和降水；而全模式BMA集合和BMA-Ms集合能較好的表征流域多年氣候平均態(tài)，其中BMA-Ms 集合的模擬能力最優(yōu)。

（3）在月尺度上，全模式BMA集合的氣溫模擬效果最好，而在降水方面，不同集合方法在率定期和驗證區(qū)有著不同的表現(xiàn)；在率定期全模式BMA 集合模擬效果最好，在驗證期則是全模式等權(quán)集合模擬效果最好。從Ms 排名上看，全模式BMA 集合在氣溫率定期、氣溫驗證期、降水率定期排名第1，在降水驗證期排名第2，模擬能力總的較好。

（4）在空間上，流域氣溫呈現(xiàn)南高北低，東高西低的分布特征，全模式等權(quán)集合和Ms 等權(quán)集合僅能表現(xiàn)出南高北低的分布特征，且低估了流域的實測氣溫；而全模式BMA 集合和BMA-Ms 集合模擬值更接近流域的實際值且更符合流域的分布特征。在降水方面，流域降水呈現(xiàn)東高西低、北高南低的分布特征，全模式等權(quán)集合和Ms 等權(quán)集合模擬值明顯低估了流域的實測值，模擬誤差顯著。而全模式BMA集合和BMA-Ms集合模擬值及分布接近流域?qū)崪y值，空間模擬精度高于全模式等權(quán)集合和Ms等權(quán)集合。

（5）在年尺度、月尺度和空間分布上，4 種集合中對流域擬合最好的集合是全模式BMA集合和BMA-Ms集合；其中全模式BMA 集合在月尺度上好于BMA-Ms集合，而BMA-Ms集合在年尺度上好于全模式BMA集合。