翟晴飛 孫鳳華 敖雪 耿樹江 李成龍 李遙 李鳴鈺

（1.中國氣象局沈陽大氣環(huán)境研究所，遼寧 沈陽 110166；2.遼寧省氣象信息中心，遼寧 沈陽 110166；3.沈陽區(qū)域氣候中心，遼寧 沈陽 110166；4.遼寧省人工影響天氣辦公室，遼寧 沈陽 110166）

引言

遼河流域是中國七大流域之一，流域內(nèi)地勢復(fù)雜，水資源豐富，人口密集，大中型城市集中，是東北區(qū)域重要的糧食產(chǎn)區(qū)，在國家生態(tài)安全和糧食安全中具有重要作用。遼河流域位于中高緯地區(qū)，屬于氣候變化敏感區(qū)域，近年來，受全球氣候變暖和人類活動的影響，遼河流域旱澇事件頻發(fā)，流域河道斷流、林木矮化和草場退化等一系列生態(tài)環(huán)境問題時(shí)常發(fā)生，農(nóng)業(yè)安全遭受影響，地區(qū)氣候變化明顯［1-2］。有研究表明［3］，水循環(huán)的加速導(dǎo)致遼河流域水資源年內(nèi)分布不均勻的問題更加嚴(yán)重，遼河流域6—9月降水量占全年總量的70%以上，是流域極端災(zāi)害事件頻繁發(fā)生的重要原因。1995年7月遼河流域暴雨較多（暴雨中心3日平均降雨266.8 mm），導(dǎo)致洪水泛濫，直接經(jīng)濟(jì)損失高達(dá)347.2億元。2000年遼河流域遭受極端干旱（流域徑流量為1956—2009年最低值），僅朝陽地區(qū)受災(zāi)人口就達(dá)200多萬，人民的生命財(cái)產(chǎn)遭受巨大損失［4］。因此，研究氣候變暖背景下遼河流域氣溫、降水時(shí)空變化以及未來變化預(yù)估，對中國東北地區(qū)水資源利用和旱澇災(zāi)害防御等具有重要意義，也可為制定未來氣候變化應(yīng)對策略提供理論依據(jù)。

氣候系統(tǒng)模式是氣候變化工作中至關(guān)重要的研究工具，在氣候變化模擬和未來預(yù)估方面發(fā)揮著重要作用［5］。目前，有部分學(xué)者利用各種模式數(shù)據(jù)對流域氣溫、降水開展了研究。劉倩等［6］利用CM IP6模式資料和ERA再分析資料對遼寧大凌河流域氣溫、降水進(jìn)行模擬預(yù)估，發(fā)現(xiàn)CM IP6模式對流域的模擬能力較好，預(yù)估表明未來流域年降水量波動劇烈，未來災(zāi)害風(fēng)險(xiǎn)增大。Yue等［7］利用CM IP6中的23個(gè)全球氣候模式對長江流域氣溫降水進(jìn)行了分析，結(jié)果表明集合模式的模擬性能好于單個(gè)模式，能較好地模擬流域氣溫降水的變化。Wang等［8］對比分析了CM IP5和CM IP6集合模式對漢江流域降水的模擬情況，研究發(fā)現(xiàn)CM IP6集合模式減少了流域降水的模擬偏差，能較好地模擬流域降水的時(shí)間變化和空間變化特征。Cui等［9］結(jié)合NECP再分析資料和HadCM 3模式資料，對中國長江流域降水開展預(yù)估，發(fā)現(xiàn)未來極端降水事件增多，降水強(qiáng)度和頻率也會增強(qiáng)。Wang等［10］利用模式資料預(yù)估了不同排放情景下長江上游流域降水未來變化特征，發(fā)現(xiàn)流域上游降水將減少，徑流將下降。Su等［11］結(jié)合CM IP5模式資料，對未來三種排放情景下長江流域降水和徑流開展預(yù)估，發(fā)現(xiàn)流域降水和徑流均呈增加趨勢。李雅培等［12］利用BCC-CSM 2-MR模式資料完成了疏勒河流域氣溫、降水模擬評估以及未來趨勢分析，發(fā)現(xiàn)該模式數(shù)據(jù)與實(shí)測數(shù)據(jù)一致性較好，未來氣溫變化高值區(qū)位于疏勒河流域稀疏地區(qū)，2015—2070年降水呈減少趨勢。目前世界氣候研究計(jì)劃已經(jīng)完成全球耦合模式比較計(jì)劃第六階段的試驗(yàn)（CM IP6），眾多模式已經(jīng)參與到全球氣候模擬評估中，IPCC（2021）指出新一代氣候模式在評估未來氣溫、降水上均有了重大研究進(jìn)展［13］。國家氣候中心的中等分辨率氣候系統(tǒng)模式BCC-CSM 2-MR參與了CM IP6實(shí)驗(yàn)計(jì)劃，該模式各參數(shù)較CM IP5試驗(yàn)計(jì)劃中的BCC-CSM 1.1模式均有所提高，對大氣輻射、深對流過程和重力波方案進(jìn)行了改進(jìn)，能更好的模擬氣候分布［14-16］；并且最新的共享社會經(jīng)濟(jì)路徑能在一定程度上改進(jìn)輻射強(qiáng)迫量化差和模型偏差［17-18］。因此，本文利用最新CM IP6的BCCCSM 2-MR模式數(shù)據(jù)結(jié)合觀測資料，開展遼河流域氣溫降水的模擬能力評估，并進(jìn)行偏差校正，預(yù)估未來不同情景下遼河流域氣溫降水的變化趨勢，分析氣候變化對遼河流域的可能影響，為地方政府水資源利用、旱澇災(zāi)害管理提供科學(xué)依據(jù)，以期為深入認(rèn)識氣候變化對遼河流域水資源的影響機(jī)制提供參考。

1 資料與方法

1.1 研究區(qū)概況

遼河位于中國東北地區(qū)的西南部，流域地理位置為116°—128°E，38°—46°N。遼河流域發(fā)源于河北省七老圖山脈的光頭山，流域海拔高度1490 m，流經(jīng)河北、內(nèi)蒙古、吉林和遼寧4?。ㄗ灾螀^(qū)），在遼寧省盤錦市注入渤海。遼河長達(dá)1345 km，流域面積為21.96×104km2。全流域由兩個(gè)水系組成，一為東、西遼河，于福德店匯流后為遼河干流，經(jīng)雙臺子河由盤山入海；二為渾河、太子河于三岔河匯合后經(jīng)大遼河由營口入海。遼河流域地處溫帶大陸性季風(fēng)氣候區(qū)，各地氣候差異較大，雨熱同季，日照時(shí)間長，冬季寒冷期長，春秋季短［19］。

1.2 資料來源

本文資料由第六次國際耦合模式比較計(jì)劃CM IP6（Coupled Model Intercomparison Project Phase 6）的中等分辨率氣候模式BCC-CSM 2-MR資料和觀測資料構(gòu)成，模式資料來源于國家氣候中心。全球氣候模式BCC-CSM 2-MR的大氣模式分量為BCCAGCM 3-MR，水平分辨率為T106，垂直分層從26層增加至46層，模式頂層從2.917 hPa提升至1.459 hPa，模擬范圍變大，精度更高，一定程度提高了模式對平流層大氣的模擬。關(guān)于CM IP6和全球氣候模式BCC-CSM 2-MR的詳細(xì)信息可參考文獻(xiàn)［20—22］。

模式資料包括歷史模擬和未來預(yù)估兩部分，歷史模擬時(shí)段選取1961—2014年，預(yù)估時(shí)段為21世紀(jì)近期（2015—2040年）、中期（2041—2070年）和遠(yuǎn)期（2071—2100年）在共享社會經(jīng)濟(jì)路徑（Shared Socio-economic Pathways，SSPs）下 的 可 持 續(xù) 發(fā) 展（SSP1-2.6）、延續(xù)歷史發(fā)展途徑（SSP2-4.5）、局部發(fā)展（SSP3-7.0）和高耗能發(fā)展（SSP5-8.5）4種排放情景下的模擬結(jié)果，要素為逐日平均氣溫、平均最高氣溫、平均最低氣溫和逐日降水；SSPs代表共享社會經(jīng)濟(jì)新氣候變化情景，反映了輻射強(qiáng)迫和社會經(jīng)濟(jì)發(fā)展間的關(guān)聯(lián)。每一個(gè)SSP代表了一種發(fā)展模式，包括相應(yīng)的人口增長、經(jīng)濟(jì)發(fā)展等特征和環(huán)境影響因素等。本文基準(zhǔn)期為1995—2014年。資料區(qū)域范圍為遼河流域（圖1）。

觀測資料為遼河流域（遼寧省、吉林省、內(nèi)蒙古自治區(qū)、河北?。?961—2014年80個(gè)國家基本、基準(zhǔn)站逐日平均氣溫、平均最高氣溫、平均最低氣溫和逐日降水。

1.3 研究方法

利用雙線性插值方法將模式資料插值到遼河流域80個(gè)國家基本基準(zhǔn)站上，根據(jù)遼河流域DEM數(shù)據(jù)對模式氣溫進(jìn)行地形校正，將校正后的插值結(jié)果與觀測資料進(jìn)行相關(guān)分析等，評估BCC-CSM 2-MR模式的模擬性能；然后將插值后的預(yù)估結(jié)果與基準(zhǔn)期（1995—2014年）的模擬結(jié)果進(jìn)行比較分析，并結(jié)合趨勢分析、相關(guān)分析、偏差分析等得到未來遼河流域氣溫和降水的相對變化。分析未來預(yù)估的相對變化均采用相對于基準(zhǔn)期1995—2014年的變化值。

地形校正：模式分辨率的大小和地形數(shù)據(jù)的差異會導(dǎo)致模式氣溫插值時(shí)產(chǎn)生偏差，該偏差正比于海拔高度和地形復(fù)雜度，因此結(jié)合DEM數(shù)據(jù)和氣溫直減率對模式氣溫進(jìn)行校正［23］，公式為

式（1）中，為校正后的模式氣溫；T為原始模式氣溫；γ為氣溫直減率；ΔZ為地形高度差。

相關(guān)分析：利用皮爾遜相關(guān)系數(shù)來描述兩組隨機(jī)變量線性相關(guān)程度，用相關(guān)系數(shù)r表示，r取值為-1.0～1.0。當(dāng)r＞0時(shí)，表示兩組變量呈正相關(guān)，越接近1.0，正相關(guān)越顯著；當(dāng)r＜0時(shí)，表明兩組變量呈負(fù)相關(guān)，越接近-1.0，負(fù)相關(guān)越顯著；r＝0，表示兩組變量獨(dú)立［24］。

趨勢分析：利用線性傾向估計(jì)來分析氣候變化趨勢，回歸系數(shù)b的符號表示氣候變量x的趨勢傾向，當(dāng)b＞0時(shí)，表明隨時(shí)間t的增加x呈上升趨勢；b＜0時(shí)，表明隨時(shí)間t的增加x呈下降趨勢。b的大小反映了上升或者下降的速率，即上升或下降的傾向程度［24］。

雙線性插值：又稱為雙線性內(nèi)插，利用周圍4個(gè)臨近點(diǎn)的橫坐標(biāo)和縱坐標(biāo)做線性內(nèi)插以取得目標(biāo)點(diǎn)數(shù)值；根據(jù)目標(biāo)點(diǎn)與4個(gè)臨近點(diǎn)的距離對應(yīng)權(quán)重來計(jì)算目標(biāo)點(diǎn)數(shù)值［25］。

模擬偏差：模式模擬值與觀測值之差，公式為

式（2）中，ERR為模式與觀測值之間的模擬偏差；Sim為模式值；Obs為觀測值；N為樣本數(shù)量。

2 結(jié)果分析

2.1 遼河流域氣溫降水模擬能力評估

2.1.1年、季、月氣溫降水變化的模擬評估

“一帶一路”倡議促進(jìn)了東西方文化的交流互鑒，也給圖書館帶來了新的發(fā)展機(jī)遇與挑戰(zhàn)，圖書館應(yīng)通過文化傳承、交流與學(xué)習(xí)、創(chuàng)新服務(wù)等形式，積極在“一帶一路”建設(shè)中發(fā)揮重要作用［3］。對此，相關(guān)研究文章從多個(gè)角度進(jìn)行了闡述。

表1 1961—2014年中等分辨率氣候模式BCC-CSM 2-MR模擬的遼河流域氣溫、降水與觀測值的差異Table 1 Differences between the simulated temperature and precipitation by themedium-resolution climatemodel BCC-CSM 2-MR and observations from 1961 to 2014 in the Liaohe River Basin

由表1可知，BCC-CSM 2-MR模式對遼河流域年和四季平均氣溫、最高氣溫、最低氣溫的模擬均小于實(shí)測值。模式對秋季和冬季的模擬性能明顯優(yōu)于夏季和春季。敖雪等［5］研究發(fā)現(xiàn)RegCM 4模式和CM IP5模式對四季的氣溫模擬也均表明，冬季氣溫模擬能力較好，春季的模擬偏差最大。模式對最低氣溫的模擬偏差相對較小，平均氣溫次之，平均最高氣溫的模擬偏差較大。其中，模式對秋季最低氣溫的模擬偏差僅為-0.03℃，與觀測值非常接近。就降水而言，除了夏季以外，模擬降水均較觀測降水偏多，對夏季降水的模擬較觀測值偏少6.76 mm，模式對夏季、秋季和冬季降水的模擬較好?？傮w而言，氣候模式BCC-CSM 2-MR對遼河流域年內(nèi)氣溫降水均具有較好的模擬能力，氣溫上存在冷偏差，偏差小于2℃。

由圖2可知，BCC-CSM 2-MR模式對遼河流域氣溫和降水的年內(nèi)循環(huán)有較好的模擬效果，模式模擬的平均氣溫、平均最高（最低）氣溫基本低于觀測值，而模擬的降水略高于觀測值。模式能較好的模擬出遼河流域7月氣溫最高、降水最多，1月氣溫最低、降水最少的變化規(guī)律?？傮w而言，模式對平均最低氣溫的模擬偏差相對較小，模擬偏差為-1.9～0.4℃，10月的模擬偏差最小，僅0.05℃；模式對平均氣溫的模擬偏差為-2.2～-0.3℃，11月的模擬偏差最小，為-0.3℃；模式對平均最高氣溫的模擬偏差相對較大，為-3.3～-0.8℃，9月的模擬偏差最??；模式對下半年氣溫的模擬能力好于上半年。就降水而言，模式對降水的模擬偏差為-1.9～16.8 mm，9—12月降水模擬偏差相對較小，9月的模擬偏差最小，僅0.1 mm。模擬與觀測值的相關(guān)系數(shù)均超過0.99，通過了0.001的顯著性檢驗(yàn)。

圖2 1961—2014年遼河流域平均氣溫（a）、平均最高氣溫（b）、平均最低氣溫（c）、降水量（d）模擬值和觀測值逐月變化Fig.2 M onthly variations of average tem perature（a），maxim um tem perature（b），m inimum tem perature（c），and precipitation（d）of the simulated and observations from 1961 to 2014 in the Liaohe River Basin

由圖3可知，BCC-CSM 2-MR模式能較好地模擬出遼河流域平均氣溫、平均最高（最低）氣溫的顯著增溫趨勢，模擬值的增溫速率分別為0.26℃/10 a、0.21℃/10 a、0.35℃/10 a，均高于觀測值的增溫速率（0.24℃/10 a、0.19℃/10 a、0.34℃/10 a），模式能較好地模擬出氣溫的年際振蕩特征，模式與觀測值的相關(guān)系數(shù)分別為0.63、0.59、0.78，均通過了0.01顯著性檢驗(yàn)。1961—2014年遼河流域觀測和模擬的降水均無明顯變化趨勢，二者一致性較好，相關(guān)系數(shù)為0.51，通過了0.01顯著性檢驗(yàn)。

圖3 1961—2014年遼河流域平均氣溫（a）、平均最高氣溫（b）、平均最低氣溫（c）、降水量（d）模擬值和觀測值的逐年變化Fig.3 Year-by-year variations of average temperature（a），maximum tem perature（b），m inimum temperature（c），and precipitation（d）of the simulated and observations from 1961 to 2014 in the Liaohe River Basin

2.1.2氣溫降水空間分布的模擬評估

1961—2014年遼河流域氣溫、降水量模擬和觀測的空間分布見圖4，對比遼河流域氣溫降水的模擬場和觀測場可以發(fā)現(xiàn)，觀測資料和模式資料均顯示平均氣溫、平均最高（最低）氣溫呈緯向分布，空間上呈現(xiàn)南部高北部低的分布趨勢，模擬和觀測的平均氣溫和平均最低氣溫的最大值均出現(xiàn)在遼寧大連，觀測的平均最高氣溫最大值出現(xiàn)在遼寧朝陽，模擬的平均最高氣溫最大值則出現(xiàn)在遼寧建昌；模擬和觀測的平均氣溫、平均最高（最低）氣溫最小值均出現(xiàn)在吉林臨江。該模式能較好的模擬出遼河流域冷暖中心位置，空間相關(guān)系數(shù)均超過0.9，通過了0.01的顯著性檢驗(yàn)。對比模擬氣溫和觀測氣溫的差異可以看出，觀測氣溫均較模擬氣溫偏高，模式存在一定的冷偏差，其中平均最低氣溫的冷偏差相對較小。在區(qū)域尺度信息上，觀測氣溫等值線局地性更強(qiáng)，小尺度信息更加完整，而BCC-CSM 2-MR模式模擬的等溫線明顯較觀測氣溫更加平直，這可能是中等分辨率全球氣候模式的分辨率還不夠高，不能像區(qū)域氣候模式那樣模擬出遼河流域氣溫的小尺度信息［20］。就降水而言，模式能較好地模擬出遼河流域降水自東南向西北逐漸減少的空間分布形勢，降水量較少地區(qū)基本位于遼河流域水系稀疏地區(qū)，但是流域西北部模擬降水量明顯較觀測降水量偏多，而東南部地區(qū)模擬降水量則較觀測降水量偏少，模擬和觀測的550mm降水量等值線基本一致，空間相關(guān)系數(shù)為0.83，明顯高于BCC-CSM 1.1m模式（0.54）［26］。辛?xí)愿璧龋?4］研究表明，BCC-CSM 2-MR模式模擬的降水量相對于BCC-CSM 1.1m模式增加了1—2 mm·d-1，更加接近觀測值，對降水量的模擬能力明顯提高。

2.2 遼河流域氣溫、降水量未來預(yù)估

2.2.1年、季變化

從表2和表3可以看出，相對于1995—2014年，遼河流域平均氣溫和最高（最低）氣溫在不同時(shí)期均表現(xiàn)出SSP5-8.5情景下增溫最顯著，SSP1-2.6情景下增溫最小。在21世紀(jì)近期，SSP2-4.5情景下氣溫增幅大于SSP3-7.0，其他時(shí)期，SSP2-4.5增幅小于SSP3-7.0。21世紀(jì)近期4種情景下氣溫增幅差異較小，中期次之，遠(yuǎn)期不同情景對氣溫增幅的影響顯著。不同時(shí)期不同情景氣溫增幅均表現(xiàn)為平均最低氣溫＞平均氣溫＞平均最高氣溫。不同情景下，遼河流域氣溫估算值略高于中國氣溫變化估算值，與中國東北地區(qū)氣溫增溫幅度較為接近［14，27］。就四季而言，除了SSP1-2.6之外，平均氣溫和最高（最低）氣溫均表現(xiàn)為冬季和春季增溫幅度較大，與李雅培等［12］的研究結(jié)論較一致。就降水而言，年降水量距平百分率除了在SSP5-8.5情景下近期出現(xiàn)了減少，其他時(shí)期均呈不同程度的增加。在四季中，夏季降水量增幅較其他季節(jié)顯著；就排放情景而言，SSP5-8.5情景下，夏季降水量增幅最大，其次為SSP3-7.0和SSP2-4.5，SSP1-2.6情景下增幅最小；并且夏季的降水量增幅遠(yuǎn)期＞中期＞近期，SSP5-8.5情景下，21世紀(jì)遠(yuǎn)期的夏季降水量距平百分率增幅達(dá)61.6%，春季和秋季降水量距平百分率增幅為5%—25%，冬季降水量距平百分率基本呈減少趨勢。

由圖5可知，遼河流域未來平均氣溫和最高（最低）氣溫均呈增加趨勢，平均氣溫在不同排放情景下對應(yīng)的增暖速率分別為0.63℃/10 a、0.62℃/10 a、0.32℃/10 a、0.13℃/10 a，最高（最低）氣溫對應(yīng)的增溫趨勢分別為0.62℃/10 a（0.67℃/10 a）、0.6℃/10 a（0.66℃/10 a）、0.33℃/10 a（0.34℃/10 a）、0.14℃/10 a（0.18℃/10 a）；SSP2-4.5、SSP3-7.0、SSP5-8.5三種情景下，預(yù)估的最高（最低）氣溫增加趨勢均通過顯著性檢驗(yàn)，升溫遠(yuǎn)期＞中期＞近期，模式在SSP3-7.0、SSP5-8.5情景下的氣溫模擬差異 較小，SSP1-2.6和SSP2-4.5情景下差異相對較大。整體而言，平均氣溫和最高（最低）氣溫均表現(xiàn)出排放情景越高，增溫速率越快，呈現(xiàn)出較明顯的年際振蕩特征。就降水而言，4種情景下模式預(yù)估的遼河流域降水距平百分率均呈增加趨勢，不同排放情景下對應(yīng)的增加速率分別為2.0%/10 a、2.7%/10 a、2.8%/10 a、5.9%/10 a，模式預(yù)估的年降水量相對歷史均值（1995—2014年）均有不同程度的增多，降水量在21世紀(jì)近期雖然有增加但是并不明顯，降水量的增加主要集中在中期和遠(yuǎn)期。姜彤等［28］利用CM IP6預(yù)估淮河流域降水量變化指出，不同情景下預(yù)估降水量均呈增加趨勢，SSP3-7.0、SSP5-8.5情景下降水量增幅最大，降水量增長速率快于CM IP5預(yù)估結(jié)果。

表2 氣候模式BCC-CSM 2-MR對遼河流域21世紀(jì)近期、中期和遠(yuǎn)期年及四季平均氣溫和降水量增幅的預(yù)估結(jié)果（相對于1995—2014年）Table 2 The predictive results of relative variations of annual and seasonal temperature and precipitation in the Liaohe River Basin during 2015-2040，2041-2070，and 2071-2100 by BCC-CSM 2-MR model（relatire to 1995-2014）

表3 氣候模式BCC-CSM 2-MR對遼河流域21世紀(jì)近期、中期和遠(yuǎn)期年及四季平均最高氣溫和最低氣溫增幅的預(yù)估結(jié)果（相對于1995—2014年）Table 3 The predictive results of relative variations of annual and seasonalmaximum temperature and m inimum temperature in the Liaohe River Basin during 2015-2040，2041-2070，and 2071-2100 by BCC-CSM 2-MR model（relatire to 1995-2014）

圖5 2015—2100年氣候模式BCC-CSM 2-MR預(yù)估的四種排放情景下遼河流域平均氣溫（a）、平均最高氣溫（b）、平均最低氣溫（c）、降水量（d）距平變化Fig.5 Anomaly variations in tem perature（a），maximum temperature（b），m inimum tem perature（c）and p recipitation（d）by BCC-CSM 2-MR model under the four em ission scenarios during 2015-2100 in the Liaohe River Basin

2.2.3空間分布變化

由圖6可知，SSP1-2.6情景下，遼河流域平均氣溫和平均最低（最高）氣溫空間分布形勢基本一致，遼河上游內(nèi)蒙西部地區(qū)氣溫增幅最小，遼河中下游遼寧南部和中北部地區(qū)增幅較大，平均氣溫和平均最低（最高）氣溫增幅為1.0—1.6℃；SSP2-4.5情景下，除了遼河上游內(nèi)蒙古西部地區(qū)氣溫增幅較小外，遼寧南部大連地區(qū)氣溫增幅也較小，遼寧中北部和吉林地區(qū)氣溫增幅較大，平均氣溫和平均最低（最高）氣溫增幅為1.8—2.4℃；SSP3-7.0和SSP5-8.5情景下均顯示，遼河下游大連等地區(qū)氣溫增幅最小，遼寧北部和吉林地區(qū)氣溫增幅顯著，平均氣溫和平均最低（最高）氣溫增幅為2.0—3.2℃和2.6—3.8℃。隨著輻射強(qiáng)迫的增大，平均氣溫和平均最低（最高）氣溫增幅持續(xù)增大，顯著增溫地區(qū)逐漸集中于遼河流域東北部。就降水量而言，四種情景下降水量距平百分率均為正值，流域降水量呈增多趨勢。SSP1-2.6和SSP2-4.5情景下預(yù)估降水量距平百分率大致呈現(xiàn)自西南向東北遞減分布形勢，降水量增幅大值區(qū)位于遼寧西部地區(qū)，降水量距平百分率增幅超過11%。SSP3-7.0和SSP5-8.5情景下降水量距平百分率呈自西向東逐漸遞減的經(jīng)向分布形勢，降水量增幅顯著區(qū)域位于流域上游的內(nèi)蒙古和遼寧西部，降水量距平百分率增幅分別超過18%和25%。

圖6 BCC-CSM 2-MR模式預(yù)估的遼河流域在SSP1-2.6（a）、SSP2-4.5（b）、SSP3-7.0（c）、SSP5-8.5（d）情景下平均氣溫、SSP1-2.6（e）、SSP2-4.5（f）、SSP3-7.0（g）、SSP5-8.5（h）情景下平均最高氣溫、SSP1-2.6（i）、SSP2-4.5（j）、SSP3-7.0（k）、SSP5-8.5（l）情景下平均最低氣溫和SSP1-2.6（m）、SSP2-4.5（n）、SSP3-7.0（o）、SSP5-8.5（p）情景下降水距平百分率相對變化空間分布（相對于1995-2014年）Fig.6 Spatial distributions of the anomaly relative changes in the average temperature under SSP1-2.6（a）、SSP2-4.5（b）、SSP3-7.0（c）、SSP5-8.5（d）em ission scenarios，maximum tem perature SSP1-2.6（e）、SSP2-4.5（f）、SSP3-7.0（g）、SSP5-8.5（h）em ission scenarios，m inimum temperature SSP1-2.6（i）、SSP2-4.5（j）、SSP3-7.0（k）、SSP5-8.5（l）em ission scenarios and percentage of precipitation SSP1-2.6（m）、SSP2-4.5（n）、SSP3-7.0（o）、SSP5-8.5（p）em ission scenarios by BCC-CSM 2-MR model from 2015 to 2100 in the Liaohe River Basin（relative to 1995-2014）

3 結(jié)論

（1）BCC-CSM 2-MR模式能較好的模擬遼河流域氣溫和降水的月、季、年變化，模擬的平均氣溫、平均最高（最低）氣溫小于觀測值，模擬的降水量略高于觀測值。模式對秋季和冬季氣溫的模擬性能明顯優(yōu)于夏季和春季，對夏季、秋季和冬季降水的模擬較好，對夏季降水量的模擬較觀測值偏少6.76 mm。

（2）模式資料較好的模擬了平均氣溫、平均最高（最低）氣溫緯向分布形勢，空間上呈現(xiàn)南高北低的分布趨勢，能較好的模擬出遼河流域冷暖中心位置。觀測氣溫均較模擬氣溫偏高，模式存在冷偏差。就降水而言，模式能較好的模擬出遼河流域降水自東南向西北逐漸減少的空間分布形勢。西北部模擬降水量明顯較觀測降水量偏多，而東南部地區(qū)模擬降水量則較觀測降水量偏少。

（3）21世紀(jì)近期，4種情景下遼河流域氣溫增幅差異較小，中期次之，遠(yuǎn)期差異較顯著。就四季而言，除SSP1-2.6之外，平均氣溫和最高（最低）氣溫均表現(xiàn)為冬季和春季增溫顯著。年降水量距平百分率除了在SSP5-8.5情景下的近期表現(xiàn)為減少之外，均呈現(xiàn)不同程度的增加；在四季中，夏季降水量增幅最顯著，遠(yuǎn)期夏季降水量距平百分率增幅達(dá)61.6%，春季和秋季的增幅為5%—25%，冬季基本呈減少趨勢。

（4）模式預(yù)估未來遼河流域平均氣溫和最高（最低）氣溫均呈升高趨勢，升溫遠(yuǎn)期＞中期＞近期，平均氣溫和最高（最低）氣溫均表現(xiàn)出排放情景越高，氣溫的增加速率越快。4種情景下模式預(yù)估的降水量距平百分率均呈增加趨勢，不同情景下對應(yīng)的增暖速率分別為2.0%/10 a、2.7%/10 a、2.8%/10 a、5.9%/10 a，未來降水的增加主要集中在中期和遠(yuǎn)期。

（5）SSP1-2.6情景下，平均氣溫和平均最低（最高）氣溫空間分布形勢基本一致，遼河上游內(nèi)蒙古西部地區(qū)氣溫增幅最小，遼河中下游遼寧南部和中北部地區(qū)增幅較大；SSP3-7.0和SSP5-8.5情景下均顯示遼寧北部和吉林地區(qū)氣溫增幅顯著。未來4種情景下流域降水均呈增多趨勢，SSP1-2.6和SSP2-4.5情景下降水量增幅呈自西南向東北遞減，降水量增幅高值區(qū)位于遼寧西部。SSP3-7.0和SSP5-8.5情景下降水量呈自西向東逐漸遞減的經(jīng)向分布形勢，降水量增幅顯著區(qū)域位于流域上游的內(nèi)蒙古和遼寧西部。