这篇文档属于类型a，即报告了一项原创性科学研究。以下是针对该研究的学术报告：
中国地区CMIP6模式对相邻日极端温度变化事件的评估研究
第一作者及机构
该研究由北京师范大学地表过程与资源生态国家重点实验室的Shuaifeng Song和Xiaodong Yan合作完成，发表于Theoretical and Applied Climatology期刊（2022年，第150卷，53–72页），DOI: 10.1007/s00704-022-04142-0。
研究领域与动机
在全球变暖背景下，极端天气气候事件的频率和强度显著增加，但公众最直接的体感温度变化往往源于相邻日温度的剧烈波动（即ETCN，Extreme Temperature Change between Neighboring Days）。ETCN事件（如极端降温EC和极端增温EW）不仅影响生态系统，还与人类疾病风险（如心血管疾病、传染病）及社会经济活动密切相关。然而，针对中国地区的ETCN事件，全球气候模式（GCMs）的模拟能力尚未得到系统评估。
科学问题与目标
本研究旨在：
1. 评估35个CMIP6（Coupled Model Intercomparison Project Phase 6）模式对中国地区ETCN事件的模拟能力；
2. 分析ETCN事件的时空分布特征及变化趋势；
3. 筛选适用于不同区域和季节的最优模式，为未来气候预测提供理论支持。
1. 数据来源与预处理
- 观测数据：采用中国气象局国家气候中心提供的1981–2014年逐日最高温（Tmax）和最低温（Tmin）数据，覆盖2298个气象站。
- 模式数据：下载35个CMIP6模式的“historical”实验数据（相同时间范围），分辨率差异通过双线性插值统一至观测站点尺度。
2. ETCN事件定义
- 阈值设定：基于相对阈值法，将相邻日温差（Tcn = Ti − Ti−1）的第10百分位（极端降温EC）和第90百分位（极端增温EW）作为事件判定标准。
- 分类：EC事件（Tcn < 第10百分位）和EW事件（Tcn > 第90百分位）。
3. 评估指标与方法
- 年循环特征：计算年循环指数（ACI），比较模拟与观测的季节性振幅。
- 空间模式：通过泰勒技能得分（TS）评估空间相关性。
- 趋势分析：线性倾向估计法计算ETCN事件频率的变化趋势。
- 年际变率：利用年际变率技能（IVS）量化模拟与观测的一致性。
- 多模式集合（MME）：对35个模式进行等权重平均，对比其与单一模式的性能。
4. 综合评分（CRI）
结合上述指标，对每个模式进行排名，筛选最优模式。
1. 观测特征
- 频率差异：1981–2013年，中国年均EW事件频率（19.042天）高于EC事件（17.980天）。
- 季节分布：EW事件多发生于春季（5.0天），EC事件集中于秋季（4.751天）。
- 区域差异：华南（SC）EW事件最频繁（年均19.344天），而青藏高原（TP）事件最少。
2. CMIP6模式性能
- 年循环模拟：多数模式能较好捕捉EW和EC事件的季节特征，但对EW事件的模拟更可靠（ACI更接近1）。
- 空间模式：EW事件的TS得分普遍高于EC事件，表明模式对增温事件的模拟更准确。
- 偏差：多数模式高估EW频率（年均偏差+0.279至+1.452天），低估EC频率（偏差−2.517至+0.476天）。
- 趋势与变率：模式能模拟EC事件的下降趋势（−0.317天/10年），但难以再现EW事件的上升趋势（观测+1.092天/10年）。
3. 最优模式筛选
- EW事件：MPI-ESM-1–2-HAM表现最佳（CRI最高）；
- EC事件：FGOALS-F3-L最优。
- MME效果：MME在气候态模拟中表现优于单一模式，但对趋势和年际变率的改进有限。
科学意义
1. 首次系统评估了CMIP6模式对中国ETCN事件的模拟能力，填补了该领域的研究空白；
2. 揭示了模式在EC和EW事件模拟中的系统性偏差，为模式改进提供方向；
3. 筛选的区域和季节最优模式可为未来气候变化风险评估提供可靠工具。
应用价值
1. 为公共卫生部门预测ETCN相关的疾病风险（如心血管疾病、呼吸道感染）提供数据支持；
2. 指导农业和生态系统适应极端温度波动。
局限性
- 模式对复杂地形区（如TP）的模拟能力仍需提升；
- MME在趋势模拟中的表现不佳，需进一步优化集合方法。
此研究为CMIP6模式在中国极端温度变化研究中的应用奠定了重要基础，并为后续气候适应策略制定提供了科学依据。