李曉蕾，王衛(wèi)光，張淑林

（1.河海大學(xué)水文水資源學(xué)院，南京 210098；2.河海大學(xué)水文水資源與水利工程科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，南京 210098）

0 引 言

目前氣候變化正影響著自然生態(tài)系統(tǒng)和人類生態(tài)系統(tǒng)，引起了科學(xué)家們和國(guó)際社會(huì)的極大關(guān)注。政府間氣候變化專門委員會(huì)（IPCC）的《全球升溫1.5 ℃特別報(bào)告》指出，人類活動(dòng)會(huì)造成全球溫度比工業(yè)化前水平高約1.0 ℃，如果繼續(xù)以目前的速率升溫，到本世紀(jì)中期全球升溫將達(dá)到1.5 ℃［1］。這種氣候變化不僅增加水資源的壓力，而且氣溫的持續(xù)升高會(huì)強(qiáng)化水文循環(huán)，導(dǎo)致極端天氣事件的頻繁發(fā)生［2］。

長(zhǎng)江流域是世界第三大流域，對(duì)中國(guó)的社會(huì)經(jīng)濟(jì)和自然資源起著重要的作用。研究表明，全球持續(xù)變暖和大尺度大氣振蕩的變化導(dǎo)致了長(zhǎng)江流域許多地區(qū)夏季降水強(qiáng)度增加、降水日數(shù)逐漸減少［3，4］，同時(shí)水循環(huán)的加速也致使長(zhǎng)江流域地區(qū)水資源時(shí)空分布不均勻的情況更加嚴(yán)峻，是極端天氣災(zāi)害頻繁發(fā)生的重要原因［5-7］。由降水引起的洪澇干旱災(zāi)害等極端事件，如1998年長(zhǎng)江大洪水［8］（日平均降水量高達(dá)9.1 mm）以及2006年的極端干旱［9］（徑流量為此前近50年來(lái)最低水平），給人們的生命安全和生活生產(chǎn)造成了巨大的損失。因此，進(jìn)行氣候變化情景下長(zhǎng)江流域降水預(yù)估分析有助于為水資源規(guī)劃管理提供理論依據(jù)，也為相關(guān)部門制定未來(lái)氣候變化應(yīng)對(duì)策略提供科學(xué)基礎(chǔ)。

氣候變化的預(yù)估主要依靠氣候模式，近年來(lái)國(guó)際耦合模式比較計(jì)劃（CMIP）在預(yù)估氣候變化及其影響方面得到了廣泛的應(yīng)用［10-12］，給氣候變化預(yù)估提供了有力的支撐。為了分析長(zhǎng)江流域未來(lái)降水的變化特征，學(xué)者們對(duì)CMIP 在該流域降水的模擬能力做了大量的評(píng)估工作。 CMIP3 和CMIP5 中的大多數(shù)模式對(duì)長(zhǎng)江流域降水的估值偏高，但能較好地模擬出流域降水的空間分布特征，且總體均值與觀測(cè)值較接近［13-15］。研究表明CMIP5 對(duì)長(zhǎng)江流域降水的模擬能力強(qiáng)于CMIP3，且CMIP5 預(yù)測(cè)未來(lái)長(zhǎng)江流域降水增幅在4%～8%之間，其中長(zhǎng)江中下游地區(qū)的降水變化率較大［16］。目前CMIP6 正在進(jìn)行中，它提出了最新的共享社會(huì)經(jīng)濟(jì)路徑（SSP），改進(jìn)了CMIP5 中長(zhǎng)期存在的模型偏差和輻射強(qiáng)迫量化差的問(wèn)題［17，18］，且較少應(yīng)用于全球和區(qū)域氣候變化特征研究中。因此，本文基于觀測(cè)數(shù)據(jù)，評(píng)估13 個(gè)CMIP6 氣候模式在歷史情景下對(duì)長(zhǎng)江流域降水的模擬能力，并選擇4 個(gè)SSP 情景（SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5）預(yù)估數(shù)據(jù)對(duì)長(zhǎng)江流域21世紀(jì)的降水變化進(jìn)行分析，以期為長(zhǎng)江流域水資源管理和生態(tài)保護(hù)提供參考。

1 研究資料

1.1 研究區(qū)概況

長(zhǎng)江發(fā)源于青藏高原東部，向東流入中國(guó)東海，全長(zhǎng)約6 300 km，是中國(guó)最長(zhǎng)、世界第三長(zhǎng)的河流。長(zhǎng)江流域（90°33'E～2°25' E，24°30'N～35°45'N）覆蓋面積約180 km2，是世界第三大流域，居住著中國(guó)近1/3 的人口，貢獻(xiàn)了全國(guó)約40%的GDP。長(zhǎng)江流域地形呈多級(jí)階梯狀，和不同環(huán)流系統(tǒng)的相互作用導(dǎo)致了該地區(qū)復(fù)雜的氣候狀態(tài)，整體上表現(xiàn)為夏季濕熱，冬季寒冷干燥。流域大部分地區(qū)處于受夏季季風(fēng)影響的亞熱帶和溫帶氣候區(qū)，長(zhǎng)江源區(qū)位于寒冷干燥的高海拔地區(qū)。長(zhǎng)江流域的降水量在年內(nèi)分配很集中，年際變化很大，空間分布上呈現(xiàn)東部多、西部少的特點(diǎn)［7］。

1.2 研究數(shù)據(jù)

本文采用CMIP6 13 個(gè)全球氣候模式（表1）輸出的月平均降水的網(wǎng)格數(shù)據(jù)（https：//esgf-node.llnl.gov/search/cmip6/）。在CMIP6 提供的多個(gè)情景中，選取了歷史情景（historical，1995-2014年）和四種未來(lái)預(yù)估氣候情景（2015-2100年）：SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5，分別代表低等、中等、中等至高等和高等排放強(qiáng)迫情景［19］。由于所選取的13 個(gè)氣候模式的空間分辨率較低且模式間存在差異，采用雙線性插值的方法將所有模式的空間分辨率統(tǒng)一到0.5°×0.5°，并在每個(gè)網(wǎng)格上對(duì)插值后的模式數(shù)據(jù)進(jìn)行偏差校正。

表1 13個(gè)CMIP6 氣候模式的信息Tab.1 Information of 13 CMIP6 models

用于評(píng)估氣候模式模擬能力的觀測(cè)數(shù)據(jù)來(lái)自于國(guó)家氣象信息中心的中國(guó)地面降水日值0.5°×0.5°格點(diǎn)數(shù)據(jù)集（V2.0）（http：//data.cma.cn）。該套數(shù)據(jù)集利用高質(zhì)量的2 472 個(gè)地面氣象觀測(cè)站的逐日降水資料，通過(guò)薄盤樣條插值方法進(jìn)行了空間內(nèi)插，得到了一套中國(guó)大陸地區(qū)1961-2014年的0.5°×0.5°日降水格點(diǎn)數(shù)據(jù)集。經(jīng)評(píng)估該數(shù)據(jù)集精度高且接近實(shí)測(cè)降水?dāng)?shù)據(jù)［20］，目前已經(jīng)得到廣泛應(yīng)用［21-23］。

2 研究方法

2.1 偏差校正

基于參考期（1961-1994年）的觀測(cè)數(shù)據(jù)和模擬數(shù)據(jù)，使用等距累積分布函數(shù)匹配方法（EDCDFm）對(duì)雙線性插值后的模式數(shù)據(jù)（1995-2100年）進(jìn)行偏差校正，該方法考慮到累積分布函數(shù)（CDF）在參考期和校正期之間的差異［24］，在長(zhǎng)江流域降水偏差校正方面有著廣泛的應(yīng)用［14，15］?？杀硎緸槭剑?）：

2.2 統(tǒng)計(jì)分析方法

利用Thiel-Sen 斜率估計(jì)方法確定長(zhǎng)江流域降水在時(shí)間上的變化趨勢(shì)，與簡(jiǎn)單的線性回歸相比，該方法不受數(shù)據(jù)異常值的影響［25］。Mann-Kendall 通常被應(yīng)用于水文、氣候等領(lǐng)域的趨勢(shì)檢驗(yàn)，本文中我們使用該方法來(lái)檢驗(yàn)趨勢(shì)在P=95%的顯著水平下是否具有統(tǒng)計(jì)學(xué)意義。

多模式集合平均方法（MME）是一種較好的能夠減小模型模擬不確定性的方法，被廣泛應(yīng)用于模型模擬方面［26-28］。因此，為了更好地對(duì)研究結(jié)果進(jìn)行分析，本文使用MME 來(lái)最小化CMIP6模式模擬結(jié)果的誤差。

3 結(jié)果與分析

3.1 模式模擬能力評(píng)估

通過(guò)將偏差校正后的1995-2014年模擬數(shù)據(jù)與觀測(cè)數(shù)據(jù)進(jìn)行對(duì)比可以發(fā)現(xiàn)，CMIP6 所模擬的長(zhǎng)江流域降水量較觀測(cè)值的略高。如表2 所示，在年尺度上，1995-2014年觀測(cè)降水的多年平均值為607.65 mm，模型模擬多年平均降水量為676.97 mm；在季節(jié)尺度上，春、夏、秋、冬觀測(cè)降水量的多年平均值分別為184.89、241.23、122.42、59.11 mm，該時(shí)期模式模擬的季節(jié)降水量分別為195.00、286.95、131.68、63.34 mm，觀測(cè)值與模擬值之間的差異在夏秋兩季較大，在春季和冬季較小。此外，從空間分布可以看出，降水模擬值比觀測(cè)值偏高，但總體上兩者的降水量空間分布比較一致，見圖1。年尺度上，長(zhǎng)江中下游地區(qū)降水量充沛，降水量在1 650 mm 左右，而在長(zhǎng)江上游和源頭地區(qū)的降水量相對(duì)較少。在季節(jié)尺度上，春冬兩季降水的模擬值在空間分布上與觀測(cè)值基本一致且兩者之間差異較小，在長(zhǎng)江中下游地區(qū)降水量比較充足，并呈扇形逐漸向上游地區(qū)遞減［圖1（a）和圖1（e）］；夏秋兩季的流域降水比春冬多，雖然氣候模擬的降水量與觀測(cè)值之間的差異較大，但也能刻畫出在源頭和上游地區(qū)降水較為充足的特征［圖1（b）和圖1（c）］。

表2 1995-2014年長(zhǎng)江流域不同時(shí)間尺度觀測(cè)和模擬的多年平均降水量 mmTab.2 Annual average precipitation observed and simulated at different time scales in the Yangtze River Basin from 1995 to 2014

圖1 1995-2014年不同時(shí)間尺度長(zhǎng)江流域降水觀測(cè)值（上）與模擬值（下）的空間分布Fig.1 Spatial distribution of observed（top）and simulated（bottom）precipitation in the Yangtze River Basin at different time scales from 1995 to 2014

從降水量的年內(nèi)分布來(lái)看，多年月平均降水模擬值與觀測(cè)值的變化趨勢(shì)和年內(nèi)分布特征一致，見圖2。逐月降水的多模式集合平均值略高于觀測(cè)值，其中，5-9月模擬值與觀測(cè)值之間的偏差比其他月份的大，且該時(shí)期的模式之間的不確定性也較大。圖3 展示了1995-2014年各個(gè)模式的多年月平均降水與觀測(cè)值之間關(guān)系的標(biāo)準(zhǔn)化泰勒?qǐng)D，離觀測(cè)點(diǎn)（OBS）越近，則表示模型模擬的效果越好。相比之下，多模型集合平均所在的點(diǎn)MME和模式EC-Earth3-Veg 比較接近觀測(cè)值，均方根誤差RMSD分別為0.39、0.33，相關(guān)性系數(shù)分別為0.96、0.95，標(biāo)準(zhǔn)差分別為1.20、0.82。此外，13個(gè)模式中大部分模式的相關(guān)系數(shù)都超過(guò)了0.75，標(biāo)準(zhǔn)差在0.8～1.6之間，均方根誤差處于0.3～0.8之間，基于各個(gè)模式的性能，表現(xiàn)較優(yōu)的模型有IPSL-CM6A-LR、MPIESM1-2-LR 以及MPI-ESM1-2-HR。較單一模式而言，多模式集合平均表現(xiàn)出一定的穩(wěn)定性，并且能夠縮小模式之間的不確定性，因此研究未來(lái)長(zhǎng)江流域降水的時(shí)空變化采用多模式集合平均的方法。

圖2 1995-2014年長(zhǎng)江流域逐月降水觀測(cè)值與模式模擬值的逐月變化Fig.2 Monthly variation of observed and simulated precipitation over the Yangtze River Basin from 1995 to 2014

圖3 1995-2014年不同氣候模式模擬值與觀測(cè)值的逐月降水泰勒?qǐng)DFig.3 Monthly precipitation Taylor diagram of simulated under different climate models and observed from 1995 to 2014

以上分析表明，雖然CMIP6 模式模擬的降水較觀測(cè)值有所偏高，但差異不大，并且模式能夠很好地刻畫出降水在長(zhǎng)江流域的年內(nèi)、年際分布特征。因此，基于CMIP6 多模式來(lái)預(yù)估和分析長(zhǎng)江流域未來(lái)不同氣候情景下的降水變化趨勢(shì)具有較好的參考價(jià)值。

3.2 不同情景下的降水變化預(yù)估

3.2.1 降水的時(shí)間變化

相對(duì)于歷史時(shí)期（1995-2014年），未來(lái)不同情景下長(zhǎng)江流域的年降水量在時(shí)間變化上都顯著上升，見圖4。SSP5-8.5 情景下上升趨勢(shì)最大，年降水量以每年2.99 mm 的速度增加，并在2100年達(dá)到1 696.20 mm；而SSP1-2.6 和SSP2-4.5 情景下變化趨勢(shì)較小，分別以每年1.53、1.70 mm 的速度增加，在21 世紀(jì)60年代前增加較快，之后逐漸趨于平緩，分別在2100年達(dá)到1 573.34和1 574.56 mm。在SSP3-7.0情景下，年降水量在2060年以前的增加比較緩慢，之后的上升速度較快?？偟膩?lái)看，未來(lái)長(zhǎng)江流域年降水量隨著輻射強(qiáng)迫水平的上升而增加速度越快。

圖4 不同氣候情景下1995-2100年長(zhǎng)江流域年降水量的時(shí)間變化Fig.4 Temporal variation of annual precipitation in the Yangtze River Basin during 1995-2100 under different climate scenarios

將2015-2100年4 種情景下的多年月平均降水量與1995-2014年的進(jìn)行對(duì)比，見圖5。從降水的逐月變化可以看出，SSP1-2.6 和SSP2-4.5 情景下的逐月降水量變化趨勢(shì)比較一致，SSP3-7.0 情景下逐月降水的增量低于其他的3 個(gè)情景，SSP5-8.5 情景下的降水增幅最大。未來(lái)時(shí)期的月降水量相較于歷史時(shí)期的都明顯增加，從2月開始也就是冬春交替之際，降水量的漲幅逐漸增大，尤其是在6-8月長(zhǎng)江流域雨水較多的時(shí)期，一直持續(xù)到10月份左右，降水量的漲幅開始縮小。

圖5 歷史時(shí)期（1995-2014年）和未來(lái)時(shí)期（2015-2100年）不同氣候情景下長(zhǎng)江流域降水的逐月趨勢(shì)變化Fig.5 Monthly trends of precipitation in the Yangtze River Basin under different climate scenarios in the future period

由于模式的預(yù)測(cè)期較長(zhǎng)，我們將未來(lái)時(shí)期從2021年開始劃分成3個(gè)時(shí)期：2021-2040年（21世紀(jì)近期）、2041-2070年（21世紀(jì)中期）、2071-2100年（21 世紀(jì)末期），以便于分析四個(gè)情景下不同時(shí)期長(zhǎng)江流域在不同時(shí)間尺度上相對(duì)于歷史時(shí)期的降水變化率，見圖6。在年尺度上，長(zhǎng)江流域年降水量在各情景下的變化率隨時(shí)間增長(zhǎng)，在近期的變化較小，末期的變化率最大。從各情景來(lái)看，近期各情景下的年降水量變化率：SSP1-2.6＞SSP2-4.5＞SSP5-8.5＞SSP3-7.0；中 期 ：SSP1-2.6＞SSP5-8.5＞SSP2-4.5＞SSP3-7.0；末 期 ：SSP5-8.5＞SSP1-2.6＞SSP2-4.5＞SSP3-7.0。在季節(jié)尺度上，降水在冬季降水變化率最高，秋季的變化率最低。在春季和夏季，隨著時(shí)間的推移，各個(gè)情景下的降水變化率都在逐漸增大，在末期達(dá)到峰值，尤其是在SSP5-8.5情景下，春夏降水變化率分別達(dá)到16.8%、12.0%。秋季降水量的變化率總體保持在較低的水平，不同情景下的降水變化不同，在SSP2-4.5 和SSP3-7.0 情景下，近期的降水較歷史時(shí)期的低，然后在中期緩慢上升，變化率在5%左右；SSP1-2.6和SSP5-8.5 情景下的降水變化率從近期到末期持續(xù)上升，在末期分別達(dá)到9.38%和13.12%。冬季是降水變化率最大的季節(jié)，但在近期降水變化幅度都比較低，到中期各情景下的降水變化率差異較大：SSP1-2.6（12.89%）＞SSP5-8.5（9.12%）＞SSP2-4.5（1.50%）＞SSP3-7.0（0.43%）；到末期冬季降水變化率達(dá)到峰值：SSP1-2.6（15.11%）＞SSP2-4.5（12.23%）＞SSP5-8.5（12.14%）＞SSP3-7.0（6.66%）。月尺度上的降水變化率在不同情景時(shí)期的分布與季節(jié)降水變化率比較吻合，從圖6 可以看出，1-3月、12月的降水變化率較大，尤其是在SSP1-2.6和SSP5-8.5情景下的中期和末期。5-8月，各情景下的降水變化率都普遍偏低。此外，在9-11月，SSP2-4.5 和SSP3-7.0 情景下的近期和中期，降水變化率為負(fù)值，降水量較歷史時(shí)期的低。

圖6 不同情景下，未來(lái)各個(gè)時(shí)期不同時(shí)間尺度長(zhǎng)江流域降水量相對(duì)于歷史時(shí)期（1995-2014年）變化率的色度圖Fig.6 The“portrait”diagram of the precipitation change rate of Yangtze River Basin in different time scales and future periods relative to the historical period（1995-2014）

總的來(lái)說(shuō)，不同情景下3 個(gè)時(shí)段長(zhǎng)江流域的年降水量都在隨時(shí)間推移而增加；季節(jié)降水變化率在冬季最大，春季和夏季的降水變化比較平緩，秋季的最小，并且在SSP3-7.0 情景下秋季的近期降水變化率為負(fù)值，這可能會(huì)加大未來(lái)季節(jié)交替時(shí)期流域洪澇干旱等災(zāi)害發(fā)生的可能性。

3.2.2 降水的空間變化

圖7～圖10 展示了不同氣候情景下，未來(lái)各個(gè)時(shí)段長(zhǎng)江流域在年尺度和季節(jié)尺度上降水變化率的空間分布。在年尺度上，近期長(zhǎng)江流域年降水量的增量普遍偏低，并且在SSP3-7.0情景下，中上游地區(qū)降水變化率為負(fù)值；中期和后期各情景下的降水變化率在全流域范圍內(nèi)都逐漸增大，降水變化較大的區(qū)域主要集中在降水較少的長(zhǎng)江源區(qū)和中游地區(qū)，而在下游地區(qū)降水變化率較低。

圖7 SSP1-2.6情景下，2021-2040年（上），2041-2070年（中）和2071-2100年（下）長(zhǎng)江流域降水量相對(duì)歷史時(shí)期（1995-2014）的空間分布Fig.7 Spatial distribution of precipitation under SSP1-2.6 scenarios during 2021-2040（top），2041-2070（middle）and 2071-2100（bottom）over the Yangtze River Basin relative to the historical period（1995-2014）

降水變化率在各季節(jié)的空間分布也存在著差異。春季，在SSP1-2.6 情景下，降水變化率最大的區(qū)域在長(zhǎng)江源區(qū)和中上游北方地區(qū)［圖7（a）］；SSP2-4.5 和SSP3-7.0 以及SSP5-8.5 情景下，近期的長(zhǎng)江流域南部降水有所下降，但是到中期和末期全流域的降水都有所上升，變化率高值中心均在長(zhǎng)江源區(qū)和中上游偏北地區(qū)［圖8（a）、圖9（a）、圖10（a）］。夏季，全流域降水整體保持在較低的增長(zhǎng)水平，變化率高值中心主要位于降水量相對(duì)較少的長(zhǎng)江源區(qū)和中上游南部區(qū)域。秋季，四個(gè)情景下流域大部分地區(qū)的近期降水變化率都為負(fù)值，低值中心在中上游的北部區(qū)域，到末期流域降水變化率達(dá)到最大值，尤其是在長(zhǎng)江源區(qū)和中下游地區(qū)，變化率在20%左右。冬季，SSP3-7.0 情景下，長(zhǎng)江流域上游南部地區(qū)的降水變化量在近期和中期為負(fù)值，降水量比歷史時(shí)期的低［圖9（d）］；其他3 個(gè)情景下的流域降水均表現(xiàn)為正增長(zhǎng)，降水增幅隨著時(shí)間增大，SSP5-8.5 情景下末期的北部區(qū)域降水變化率最大，在38%左右，而南部地區(qū)變化率較?。蹐D10（d）］。

圖8 SSP2-4.5情景下，2021-2040年（上），2041-2070年（中）和2071-2100年（下）長(zhǎng)江流域降水量相對(duì)歷史時(shí)期（1995-2014）的空間分布Fig.8 Spatial distribution of precipitation under SSP2-4.5 scenarios during 2021-2040（top），2041-2070（middle）and 2071-2100（bottom）over the Yangtze River Basin relative to the historical period（1995-2014）

圖9 SSP3-7.0情景下，2021-2040年（上），2041-2070年（中）和2071-2100年（下）長(zhǎng)江流域降水量相對(duì)歷史時(shí)期（1995-2014）的空間分布Fig.9 Spatial distribution of precipitation under SSP3-7.0 scenarios during 2021-2040（top），2041-2070（middle）and 2071-2100（bottom）over the Yangtze River Basin relative to the historical period（1995-2014）

圖10 SSP5-8.5情景下，2021-2040年（上），2041-2070年（中）和2071-2100年（下）長(zhǎng)江流域降水量相對(duì)歷史時(shí)期（1995-2014）的空間分布Fig.10 Spatial distribution of precipitation under SSP5-8.5 scenarios during 2021-2040（top），2041-2070（middle）and 2071-2100（bottom）over the Yangtze River Basin relative to the historical period（1995-2014）

綜上所述，不同情景下長(zhǎng)江流域的年降水在近期較歷史時(shí)期的低，在中期和末期長(zhǎng)江源區(qū)和中上游地區(qū)的降水量明顯增加。此外，春季降水變化率高值中心主要位于長(zhǎng)江源區(qū)和中上游北部地區(qū)；夏季降水變化率普遍較低，相對(duì)而言變化率較高的區(qū)域集中在源頭區(qū)和中上游區(qū)；秋季在中上游北部地區(qū)近期和中期的降水量下降，可能導(dǎo)致流域干旱的可能性加大，在源區(qū)和中下游地區(qū)降水變化率呈正值；冬季在中游北部地區(qū)降水變化較大。中后期春冬兩季的降水在源區(qū)和中游地區(qū)的大幅增加有利于長(zhǎng)江流域水資源的補(bǔ)給，也有可能增加洪澇災(zāi)害發(fā)生的可能性，秋季中上游地區(qū)降水的下降也會(huì)加速水資源短缺。

4 結(jié) 論

基于CMIP6 比較計(jì)劃，采用長(zhǎng)江流域的降水觀測(cè)資料作為驗(yàn)證數(shù)據(jù)，評(píng)估了經(jīng)過(guò)偏差校正后的13個(gè)CMIP6氣候模式對(duì)長(zhǎng)江流域的降水模擬能力，并在4 個(gè)SSP 情景（SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5）下，對(duì)長(zhǎng)江流域的未來(lái)降水的時(shí)空變化進(jìn)行了預(yù)估分析。主要結(jié)果如下：

（1）偏差校正后的模式輸出數(shù)據(jù)對(duì)長(zhǎng)江流域降水的模擬偏大，但與觀測(cè)值得差異較小并且能很好地模擬出降水在年內(nèi)和年際間的變化特點(diǎn)，在空間尺度上模擬值也符合當(dāng)?shù)貙?shí)際情況。

（2）時(shí)間尺度上，未來(lái)長(zhǎng)江流域的年降水量隨著情景的強(qiáng)迫輻射水平的上升，增加趨勢(shì)越顯著。2021-2040年（近期）各情景下的年降水量增長(zhǎng)緩慢，到2071-2100年（末期）降水增幅達(dá)到峰值。季節(jié)尺度上，總體表現(xiàn)為冬季變化率最大，春季和夏季比較平緩，秋季變化率最小，并且在SSP3-7.0情景下，近期的秋季降水變化率為負(fù)值，然后在中期降水緩慢上升。月尺度上的降水變化率與季節(jié)的變化率相吻合，1-3月、12月的降水變化率最大；5-8月，降水量充沛但變化率普遍偏低；9-11月，SSP2-4.5 和SSP3-7.0 情景下的近期和中期，降水量較歷史時(shí)期的有所下降。

（3）空間尺度上，未來(lái)長(zhǎng)江流域年降水量變化率較大的區(qū)域主要集中在降水相對(duì)較少的長(zhǎng)江源區(qū)和中游地區(qū)。在季節(jié)尺度上，春、夏季降水變化率高值中心位于長(zhǎng)江源區(qū)和中上游地區(qū)，并且夏季全流域降水變化率普遍較低；秋季在中上游北部地區(qū)近期和中期的降水量下降，降水量增加的區(qū)域集中在源區(qū)和中下游地區(qū)；在冬季，整個(gè)流域的降水都有增加，尤其是在高排放情景下的末期，長(zhǎng)江流域北部地區(qū)降水變化率最大，南部地區(qū)變化率偏小。 □