《Urban Science》：Implications of CMIP6 GCM-Based Climate Variability for Photovoltaic Potential over Four Selected Urban Areas in Central and Southeast Europe During Summer (1971–2020)
Erzsébet Kristóf and
Tímea Kalmár
编辑推荐：
本研究针对CMIP6 GCMs在光伏潜力（PVpot）评估中的适用性问题，聚焦中欧和东南欧四个低地城市（贝尔格莱德、布达佩斯、维也纳、布拉格），分析了原始GCM数据在1971–2020年夏季期间的关键大气变量（tasmax、rsds、wsp）和PVpot的模拟性能。研究揭示GCMs普遍高估太阳辐射、低估最高气温，导致高PVpot天数被显著高估，并识别出EC-Earth3系列模型相对ERA5再分析数据最为准确。该工作为区域气候模型降尺度及光伏能源规划提供了关键的模型评估依据。
近年来，全球太阳能光伏（PV）发电装机容量迅猛增长，尤其是在欧洲。然而，光伏发电的效率高度依赖于气象条件，而气候变化正使得大气变量（如温度、太阳辐射、风速）的长期趋势充满不确定性。要准确评估光伏潜力（PVpot），进而规划未来的能源系统，可靠的未来气候预测至关重要。这通常依赖于全球环流模型（GCMs）的输出，尤其是在没有经过复杂的统计或动力降尺度处理的原始GCM数据，也常被直接用于代表特定地点的气候特征。问题是，这些“粗线条”的GCMs模拟结果到底有多可靠？它们能如实反映中欧和东南欧等研究相对较少的地区的光伏潜力吗？这正是本研究要探究的核心。
为此，研究人员聚焦于中欧和东南欧四个具有代表性的低地大城市：贝尔格莱德（塞尔维亚）、布达佩斯（匈牙利）、维也纳（奥地利）和布拉格（捷克）。他们选取了10个第六次国际耦合模式比较计划（CMIP6）框架下的GCMs，分析了它们在1971–2000、1981–2010和1991–2020三个重叠的30年期间，夏季（6、7、8月，简称JJA）的关键大气变量表现。这些变量包括最大近地表气温（tasmax）、地表向下短波辐射（rsds）和近地表风速（wsp），它们正是计算PVpot的主要驱动因子。研究以广泛使用的ERA5再分析数据集作为评估的“金标准”，通过一系列统计方法，深入剖析了GCMs的模拟能力。这项研究发表于《Urban Science》期刊，为理解GCMs在该区域光伏潜力评估中的不确定性和偏差提供了宝贵见解。
为了完成这项评估，研究人员主要运用了几项关键技术方法。首先，是数据预处理与空间代表性处理：从ESGF节点下载了10个CMIP6 GCMs的1971–2020年逐日数据，并将其双线性插值到四个研究城市的精确坐标，为每个地点生成一条时间序列。同时，从哥白尼气候数据存储库获取了ERA5和ERA5-Land再分析数据，并通过计算与GCM网格（1.25° × 1.25°）面积相当区域的空间平均值，获得了可比较的代表性时间序列。其次，是基于分布的模型评估：利用Wasserstein距离（W1）度量GCMs（及ERA5-Land）每日大气变量经验分布与ERA5参考分布之间的差异，该距离为零表示完美匹配。最后，是平均季节循环与光伏潜力计算：计算了各变量在30年期间内每个JJA日的平均值，构建了平均季节循环时间序列，并据此计算每日平均PVpot。评估时，通过皮尔逊相关系数（r）和标准差比率（sd ratio）来比较GCMs与ERA5在季节循环形态和变率上的一致性。
研究结果揭示了GCMs模拟性能的多个层面：
2.3.1. 基于日大气变量的分布GCM评估
分析发现，CMIP6 GCMs普遍存在系统性偏差。在四个城市和所有时间段内，绝大多数GCMs都高估了地表向下短波辐射（rsds），同时低估了最高近地表气温（tasmax）。对于近地表风速（wsp），不同GCMs的表现不一致，有些高估，有些低估，但总体上与ERA5的差异小于对rsds和tasmax的偏差。与ERA5-Land相比，GCMs的Wasserstein距离通常更大，表明GCMs的偏差比更高分辨率的再分析数据集（ERA5-Land）与ERA5之间的差异更显著。
2.3.2. 基于日大气变量平均季节循环的GCM评估
在模拟大气变量的平均季节循环（即一年内每日平均值的变化形态）方面，GCMs的表现因变量而异。对于tasmax，大部分GCMs的季节循环形态与ERA5高度相关（r值高），但模拟的变幅（标准差）普遍偏小（sd ratio < 1）。对于rsds，GCMs的季节循环形态相关性也很高，但模拟的变幅显著偏大（sd ratio > 1），这与分布评估中发现的高估现象一致。对于wsp，GCMs的季节循环形态模拟能力较差（r值较低），且变幅的模拟也不一致（sd ratio围绕1波动较大）。
2.3.3. 基于光伏潜力（PVpot）的GCM评估
这是本研究的核心发现。由于GCMs普遍高估rsds并低估tasmax，这两者的偏差共同作用，导致了一个关键结果：GCMs显著高估了夏季高光伏潜力（PVpot, 90）的天数。PVpot, 90指的是PVpot达到其第90百分位阈值（即较高水平）的天数。在几乎所有GCMs和所有四个地区，从1971-2000年到1991-2020年，模拟的PVpot, 90天数都呈现增加趋势。然而，通过与ERA5对比，这种增加趋势可能被GCMs固有的偏差所放大。在模型间比较中，EC-Earth3及其不同配置版本（EC-Earth3-Veg, EC-Earth3-CC）在模拟rsds、tasmax以及最终的PVpot方面，显示出与ERA5最好的一致性，被认为是本研究中最准确的GCMs。
研究结论与意义可以归纳为以下几点：
- 1.
揭示了CMIP6 GCMs的关键偏差：本研究明确指出，未经偏差校正的CMIP6 GCMs原始数据在用于中欧和东南欧低地城市的光伏潜力评估时，存在系统性高估太阳辐射、低估最高气温的倾向，这一偏差组合直接导致了对高光伏产出天数的显著高估。
- 2.
评估了模型性能并识别出优选模型：在评估的10个GCMs中，EC-Earth3系列模型（包括EC-Earth3, EC-Earth3-Veg, EC-Earth3-CC）在关键变量和光伏潜力方面与再分析数据吻合度最佳，可作为该区域未来动力降尺度研究或气候影响评估的优先驱动数据源。
- 3.
强调了原始GCM数据使用的不确定性：研究结果警示，直接使用粗分辨率的GCM格点时间序列来代表单个地理位置（尤其在可再生能源评估中），可能会引入显著偏差，影响规划与决策的可靠性。因此，在使用前进行严格的模型评估与偏差认知至关重要。
- 4.
为区域气候与能源研究提供方法论参考：研究所采用的基于分布（Wasserstein距离）和基于季节循环（相关系数与标准差比率）的评估框架，为系统性评估GCMs在特定区域和特定应用（如可再生能源）中的表现提供了可借鉴的方法。
- 5.
填补了研究空白并指明方向：该工作聚焦于光伏潜力研究相对较少的东中欧和东南欧地区，弥补了知识缺口。同时，研究也为后续工作指明了方向，例如将这些性能较好的GCMs（如EC-Earth3）进行动力降尺度，以获得更高分辨率、更可靠的区域未来光伏潜力预估，从而更好地支持该地区的能源转型战略和城市气候适应规划。
