在全球变暖加速的背景下，中国极端气温事件正呈现“更热、更频繁”的新常态。近期，实验室气候变化关键过程与驱动力团队董思言联合北京师范大学研究人员在最新研究中，基于多维评估指标系统检验了NASA高分辨率数据集（NEX-GDDP-CMIP6）对中国极端温度的模拟能力。研究采用DISO方法集成相关系数、平均绝对误差、均方根误差和偏差四项统计指标，对中国八大气候分区进行综合评估。研究发现，当前气候模拟在复杂地形区存在显著偏差，揭示了冷热极端事件模拟的不对称性。未来高排放情景下极端高温风险将呈非线性放大，为区域气候适应提供关键科学依据。

研究显示，气候模式对基础温度变量（T_min/T_max）的模拟在平原地区表现良好，但在高纬度（东北地区）和高海拔（青藏高原）地带出现显著系统性偏差。青藏高原地区系统性低估最低温度的升温趋势，但对极端低温指数存在高估现象。这主要源于雪反照率反馈机制的模拟缺陷；而东北地区则因边界层过程参数化不足导致寒冷事件强度被低估。研究揭示了冷热极端事件模拟的不对称性。极端寒冷指数（如FD、TN10p）的DISO值显著高于基础变量T_min，而极端高温指数（如TX90p）的DISO值低于T_max。这种不对称性在青藏高原最为显著，模型高估寒冷事件频率达30%，主要源于未充分解析雪-反照率反馈机制和边界层过程参数化不足。不同未来情景预估显示出显著的空间分异特征，在SSP5-8.5高排放情景下，冷夜频率在全国范围下降，青藏高原地区降幅最显著；暖昼频率在东南地区增幅最大。区域对比显示，中等排放情景（SSP2-4.5）下变化幅度显著低于高排放情景。

图1 基于DISO值的区域平均极端温度指数模拟综合排序结果。

图2 根据DISO值（a）选择模拟每个地区极端温度指数的模拟效果最佳模式。箱形图说明了关键变量和极端温度指数（b）的DISO值，蓝色虚线代表Tmin的中位数，橙色虚线代表Tmax的中位数。

该成果为区域气候适应、极端事件早期预警提供了可直接落地的模型选择策略，目前已发表于《International Journal of Climatology》。

文章信息：Zhu, L., S. Dong, X. Yan, and Z. Han. 2025. “DISO Based Evaluation of NEX-GDDP-CMIP6 Dataset for Projecting Extreme Temperature Indices in China.” International Journal of Climatology, e70074. https://doi.org/10.1002/joc.70074.