張樂英 邢雯慧 侯書秀 齊道日娜

收稿日期：2023-11-17；接受日期：2024-03-12

基金項(xiàng)目：中國長江三峽集團(tuán)有限公司科研項(xiàng)目（Z432302004）；南京林業(yè)大學(xué)人才啟動項(xiàng)目（GXL2018040）；國家自然科學(xué)基金青年項(xiàng)目（42005033）

作者簡介：張樂英，女，副教授，博士，主要從事區(qū)域氣候變化研究。E-mail：zhangleyingzi@126.com

通信作者：齊道日娜，女，高級工程師，博士，主要從事災(zāi)害性天氣機(jī)理研究。E-mail：chyi@cma.gov.cn

Editorial Office of Yangtze River. This is an open access article under the CC BY-NC-ND 4.0 license.

文章編號：1001-4179（2024） 06-0122-07

引用本文：張樂英，邢雯慧，侯書秀，等.

CMIP6模式碳中和時期長江流域降水變化及成因分析

［J］.人民長江，2024，55（6）：122-128，135.

摘要：為揭示碳中和時期長江流域降水特征，利用CMIP6模式確定了碳中和時間并對比基準(zhǔn)期研究了碳中和時期長江流域平均降水和極端降水變化，最后從大氣環(huán)流的角度分析了其可能原因。結(jié)果表明：① SSP-2.6情景達(dá)到碳中和時間為2062年，與中國碳中和政策時間基本一致。② 通過空間降尺度和偏差訂正后，CMIP6模式可以很好地模擬基準(zhǔn)期長江流域年平均降水。③ 與基準(zhǔn)期相比，碳中和時期長江流域平均降水整體偏多，降水增幅北部＞南側(cè)，上游＞下游和中游，春季＞夏季＞秋季＞冬季，其中岷沱江和嘉陵江關(guān)鍵區(qū)是降水變化大值區(qū)，需重點(diǎn)防控。長江流域中游持續(xù)干旱日數(shù)偏少，北部極端大雨日數(shù)顯著增多2.4～4.0 d，上游和下游極端大雨強(qiáng)度顯著偏強(qiáng)。④ 環(huán)流分析發(fā)現(xiàn)，冬、春和秋季渤海異常反氣旋南側(cè)的東風(fēng)異常和西北側(cè)的東南風(fēng)異常從中西太平洋帶來的暖濕氣流，以及夏季西南風(fēng)異常從孟加拉灣帶來的暖濕氣流，使得長江流域降水增多。研究成果可為長江流域相關(guān)部門制定未來碳中和時期氣候變化應(yīng)對策略提供依據(jù)。

關(guān)? 鍵? 詞：降水變化； 碳中和； CMIP6； SSP-2.6； 長江流域

中圖法分類號： TV125

文獻(xiàn)標(biāo)志碼： A

DOI：10.16232/j.cnki.1001-4179.2024.06.017

0? 引 言

長江流域是中國第一大流域，流域內(nèi)水電資源豐富，上中游支撐起了中國“西電東送”“南水北調(diào)”等重大工程建設(shè)，中下游平原地區(qū)是中國重要的糧棉基地［1-2］，且流域內(nèi)植被類型豐富，具有強(qiáng)大的水土保持、環(huán)境凈化等功能［3］，對國家經(jīng)濟(jì)安全、能源供應(yīng)和生態(tài)環(huán)境均起到重要作用。然而，長江流域受季風(fēng)及其自身特殊的地貌特征影響，夏季多暴雨，且極端降水和干旱事件頻發(fā)，嚴(yán)重制約地區(qū)發(fā)展［4-5］。因此，了解長江流域降水特征、認(rèn)識其未來變化趨勢，可為未來經(jīng)濟(jì)發(fā)展戰(zhàn)略部署和實(shí)施提供理論依據(jù)，也可為流域防災(zāi)減災(zāi)和生態(tài)保護(hù)提供科學(xué)支撐。

基于政府間氣候變化專門委員會（IPCC）設(shè)立的國際耦合比較計(jì)劃（CMIP）開展的多模式試驗(yàn)，前期學(xué)者們利用工業(yè)革命以來溫室氣體歷史演變的模擬結(jié)果以及不同溫室氣體排放情景（SRES、RCPs等）的未來預(yù)估結(jié)果，對長江流域未來氣候特征做了大量研究［6-9］。曾小凡等［6］利用CMIP3模式發(fā)現(xiàn)，在高排放情景下長江中下游降水減少，其他情景降水變化不顯著。韓樂瓊等［7］利用CMIP5模式發(fā)現(xiàn)未來長江流域降水增加，且低排放（RCP2.6）和高排放（RCP8.5）情景增加強(qiáng)度和頻次均大于中等排放（RCP4.5）情景。最近IPCC第六次評估報(bào)告提出了共享社會經(jīng)濟(jì)（SSPs）情景下的CMIP6試驗(yàn)，在模式設(shè)計(jì)、分辨率及物理過程等方面均有較大改進(jìn)［10-11］。利用CMIP6模式，吳健等［12］指出未來 50 a 不同情景下長江流域降水均有所增加，且 SSP-8.5＞SSP-3.7＞SSP-4.5＞SSP-2.6情景。鄭衍欣等［13］預(yù)估了未來30 a長江流域降水異常，表明未來降水可能變得更為極端，表現(xiàn)在總降水量增加，且暴雨、大暴雨、連續(xù)無雨日也會增加。由此可見，不同溫室氣體排放情景預(yù)估未來長江流域不同區(qū)域降水變化趨勢不同，且不同情景下強(qiáng)度變化幅度也不同。因此，針對特定情境或未來特定時間范圍內(nèi)長江流域降水如何變化需要單獨(dú)評估。

面對日益嚴(yán)重的氣候變化，IPCC全球升溫1.5 ℃特別報(bào)告指出，需要在2050年左右達(dá)到凈零碳排［14］。中國政府也向國際社會做出承諾，力爭在2030年實(shí)現(xiàn)碳達(dá)峰，在2060年實(shí)現(xiàn)碳中和。在碳中和背景下，中國未來氣候如何變化已引起廣泛關(guān)注。Chen等［15］根據(jù)碳中和目標(biāo)自行設(shè)定減排路徑，發(fā)現(xiàn)在全球其他國家排放不變僅中國實(shí)現(xiàn)碳中和目標(biāo)路徑下，21世紀(jì)末全球升溫幅度將減少0.16～0.21℃，但其并未對碳中和時期的氣候變化進(jìn)行研究。在CMIP6不同SSPs情景設(shè)定中，SSP-1.9和SSP-2.6情景可在21世紀(jì)不同時段達(dá)到碳中和目標(biāo)，而SSP-4.5和SSP-8.5則是未達(dá)到碳中和目標(biāo)的情景［10］。鄧?yán)蟮龋?6］對比了SSP-1.9和SSP-2.6情景下中國達(dá)到碳中和時期的氣候異常，發(fā)現(xiàn)SSP-1.9和SSP-2.6情境下中國碳中和時期降水異常分別增加7.1%和9.9%，但沒有分析極端異常及可能原因。

由上可見，未來不同情景下、不同時段內(nèi)長江流域降水異常存在不確定性，而碳中和目標(biāo)下長江流域未來降水如何變化尚不清楚?；诖?，本文利用CMIP6模式可達(dá)到碳中和的SSP-1.9和SSP-2.6情景，確定情景中達(dá)到碳中和的時期，研究碳中和時期長江流域平均降水和極端降水變化及可能成因，以期為長江流域相關(guān)部門制定未來碳中和時期氣候變化應(yīng)對策略提供科學(xué)支撐。

1? 資料和方法

1.1? 研究區(qū)概況及區(qū)域劃分

長江流域位于24°27′N ～35°54′N，90°33′E～122°19′E，全長6 363 km，干流流經(jīng)中國11個省、自治區(qū)和直轄市，流域控制面積180萬km2，橫跨青藏高原、四川盆地和長江中下游平原三大地貌，雨量充沛，極易發(fā)生氣象災(zāi)害［17］。

本文根據(jù)長江流域各支流屬性、降雨量和來水情況，結(jié)合流域下墊面及流域內(nèi)重點(diǎn)水庫站和重點(diǎn)水文站控制范圍，將長江流域分為10個關(guān)鍵區(qū)，分別是金沙江、岷沱江、嘉陵江、上干區(qū)、烏江、漢江、中干區(qū)、洞庭湖、下干區(qū)和鄱陽湖，具體分區(qū)如圖1所示。

1.2? 研究數(shù)據(jù)

本文使用截至2023年11月CMIP6官網(wǎng)上可獲得的CMIP6模式輸出的2015～2100年每年大氣中CO2質(zhì)量來確定本文研究的碳中和時期，其中 SSP-1.9和SSP-2.6情景分別有3個和8個模式，模式詳細(xì)介紹見表1。此外，選用各CMIP6模式歷史時期（1961～2014年）和2個SSP情景的日平均降水、風(fēng)場和位勢高度資料進(jìn)行模式評估和未來碳中和時期降水變化及成因分析。

本文利用中國氣象局國家信息中心提供的1961～2014年空間分辨率為0.5°×0.5°的日平均降水觀測資料對CMIP6模式降水進(jìn)行空間降尺度和偏差訂正，并參考IPCC［18］選用1995～2014年作為氣候變化幅度基準(zhǔn)期（簡稱基準(zhǔn)期），對比評估基準(zhǔn)期CMIP6各模式對長江流域降水的模擬能力。

1.3? 研究方法

1.3.1? 碳中和時期定義

IPCC對碳中和定義為：與某一主體相關(guān)的人為CO2排放被人為CO2清除量所平衡［18］。因此，碳中和時間可以認(rèn)為是大氣中CO2質(zhì)量不再被人為地增加，即CO2的年增長率為0的年份［16］。

圖2給出了SSP-1.9和SSP-2.6情景下各模式的大氣中CO2質(zhì)量年變率。可以看出，SSP-1.9和SSP-2.6情景分別在2042年和2062年達(dá)到碳中和，與CMIP6情景設(shè)計(jì)中SSP-1.9和SSP-2.6在21世紀(jì)中葉可達(dá)到碳中和結(jié)果一致［10］。其中，SSP-2.6情景到達(dá)碳中和的時間與中國在2060年達(dá)到碳中和的目標(biāo)也基本一致，因此下文選用SSP-2.6情景，以2062年為中心，選取前后共15 a（2055～2069年）作為本文的碳中和時期。同時，將碳中和時期（2055～2069年）與基準(zhǔn)期（1995～2014年）降水和環(huán)流場差值作為碳中和時期的降水和環(huán)流變化進(jìn)行分析。

1.3.2? 空間降尺度和偏差訂正

基于模式模擬和觀測降水之間的百分比差值，對1961～2014年0.5°×0.5°分辨率的觀測資料進(jìn)行反距離加權(quán)空間插值（inverse distance weight，IDW）到各CMIP6模式格點(diǎn)上，計(jì)算模式格點(diǎn)上的權(quán)重系數(shù)，并根據(jù)權(quán)重系數(shù)通過IDW對各CMIP6模式插值，降尺度得到空間分辨率為0.5°×0.5°的模式降水資料。然后，以1961～2014年為訓(xùn)練期，將訓(xùn)練期觀測降水和CMIP6模式降水利用等距離累積分布函數(shù)進(jìn)行校正偏差［19-20］，通過得到的校正偏差進(jìn)一步訂正基準(zhǔn)期（1995～2014年）以及未來碳中和時期（2055～2069年）的模式降水結(jié)果。

1.3.3? 泰勒圖

本文利用泰勒圖檢驗(yàn)各模式對基準(zhǔn)期長江流域降水的模擬能力，以找到模擬能力強(qiáng)的模式對碳中和時期長江流域降水進(jìn)行預(yù)估。泰勒圖是一種表示模式與觀測結(jié)果之間在相關(guān)性、標(biāo)準(zhǔn)差和均方根差異方面匹配程度的圖形工具，被廣泛應(yīng)用于氣象領(lǐng)域模式評估中［21-22］。泰勒圖中，扇形表示模式與觀測空間的相關(guān)系數(shù)，相關(guān)系數(shù)越大表示模式對觀測空間相關(guān)度越高，模擬能力越好；橫縱軸表示標(biāo)準(zhǔn)差之比，是各模式數(shù)據(jù)標(biāo)準(zhǔn)差與觀測資料標(biāo)準(zhǔn)差的比值，標(biāo)準(zhǔn)差之比越接近1，表示模式模擬能力越好；從參考點(diǎn)REF點(diǎn)到圖上任何一點(diǎn)的徑向距離表示模式與觀測結(jié)果之間的均方根誤差，即模式與觀測數(shù)據(jù)的離散程度，其計(jì)算公式為

RMSE=? 1nni=1xi－xobs2

式中：RMSE為均方根誤差；n表示樣本量，本文為長江流域格點(diǎn)數(shù)；xi為模式中樣本值，即各模式中長江流域各格點(diǎn)上的降水值；xobs為觀測資料中長江流域平均降水量。從公式可以看出，模式中各模擬值與觀測平均值越接近，則均方根誤差越小，表示模式模擬能力越好。

1.3.4? 極端降水指數(shù)

根據(jù)氣候變化檢測和指數(shù)專家組定義的持續(xù)干旱日數(shù)、極端大雨日數(shù)和極端大雨強(qiáng)度表征極端降水指數(shù)，并用CMIP6模式碳中和時期和基準(zhǔn)期極端降水指數(shù)的差值描述未來極端降水變化，定義見表2［23-24］。

2? 結(jié)果分析

2.1? 基準(zhǔn)期模擬評估

圖3給出了基準(zhǔn)期各模式模擬長江流域年平均降水的泰勒圖。需要說明的是，GFDL-ESM4模式雖然輸出大氣CO2質(zhì)量，但并未輸出SSP-2.6情景下降水和其他氣象參數(shù)，因此不參與評估。可以看到，經(jīng)過空間降尺度和偏差訂正后的CMIP6各模式年平均降水與觀測資料較為接近，表現(xiàn)在空間相關(guān)系數(shù)均大于0.99，標(biāo)準(zhǔn)差之比接近1，且均方根誤差均小于0.25。相比之下，模式CanESM5-1的模擬能力最弱，而去除該模式后的模式平均相比單一模式結(jié)果模擬能力最高。因此，下文選擇上述模擬好的6個模式的平均結(jié)果分析CMIP6模式對長江流域降水的模擬和預(yù)估。

圖4為觀測資料和泰勒圖所選最優(yōu)模式平均的長江流域基準(zhǔn)期年平均降水分布。觀測資料中長江流域年平均降水有3個大值中心，分別位于上游的金沙江和岷沱江中部交界處、中游的洞庭湖中部以及下游的鄱陽湖東北側(cè)，且降水強(qiáng)度下游中心＞中游中心＞上游中心（圖4（a））。除下游洞庭湖東北側(cè)的降水中心偏弱外，CMIP6模式平均結(jié)果可以很好地模擬出各降水中心（圖4（b）、（c））。

2.2? 碳中和時期降水變化

圖5分別給出了長江流域冬季、春季、夏季和秋季碳中和時期和基準(zhǔn)期降水的比較。在未來碳中和時期，4個季節(jié)長江流域降水均較基準(zhǔn)期偏多，且北側(cè)高于南側(cè)，其中岷沱江和嘉陵江偏多最為明顯。對比4個季節(jié)，春季偏多最明顯，其次是夏季和秋季，冬季偏多程度弱，且不同季節(jié)降水距平中心略有差異。春季，全區(qū)均表現(xiàn)為降水偏多，大值中心位于鄱陽湖，次值中心位于岷沱江和嘉陵江，偏多中心均大于0.8 mm/d（圖5（b））。夏季，主要表現(xiàn)為長江流域西北部降水偏多，大值中心為金沙江、岷沱江和嘉陵江，次值中心位于漢江（圖5（c））。秋季，長江上游降水偏多，偏多中心也位于岷沱江和嘉陵江（圖5（d））。冬季，降水偏多主要在中下游，但程度較弱，約0.2～0.4 mm/d（圖5（a））。 因此，碳中和時期長江流域降水比基準(zhǔn)期偏多，且春季降水偏多程度最大，其中上游北側(cè)的岷沱江和嘉陵江在春、夏和秋季均是降水偏多的大值中心，需要重點(diǎn)防控。

為檢驗(yàn)碳中和時期長江流域極端降水情況，圖6進(jìn)一步給出了碳中和時期持續(xù)干旱日數(shù)、極端大雨日數(shù)和極端大雨強(qiáng)度與基準(zhǔn)期的差值分布。碳中和時期，長江上中游岷沱江、嘉陵江、上干區(qū)、烏江、洞庭湖西部以及漢江西部持續(xù)干旱日數(shù)偏少，最多可達(dá)2.4 d，其他地區(qū)變化不明顯（圖6（a））。極端大雨日數(shù)在長江流域北部顯著增多2.4 d，其中最大中心位于金沙江中部至岷沱江和嘉陵江北部，異?？蛇_(dá)4 d（圖6（b））。極端大雨強(qiáng)度上游和下游顯著偏多，可達(dá)0.9 mm/d，中游變化不大（圖6（c））。

綜合季節(jié)平均降水和極端降水變化可以發(fā)現(xiàn)，與基準(zhǔn)期相比，碳中和時期長江流域平均降水整體偏多，北部強(qiáng)于南側(cè)、上游強(qiáng)于中游和下游，其中岷沱江和嘉陵江最為明顯。

2.3? 碳中和時期降水變化成因分析

圖7給出了碳中和時期相較基準(zhǔn)期850 hPa風(fēng)場和500 hPa位勢高度變化?？梢钥闯?，850 hPa環(huán)流場上冬、春和秋季在中國東部渤海均表現(xiàn)為異常的反氣旋環(huán)流，伴隨南部有異常的氣旋型環(huán)流，但不同季節(jié)環(huán)流中心位置以及500 hPa位勢高度異常略有差異。冬季，中國渤海東部850 hPa到500 hPa均表現(xiàn)為深厚的反氣旋，長江流域位于異常反氣旋環(huán)流的西北側(cè)，中下游受東南風(fēng)異?？刂?，從西太平洋帶來的暖濕氣流，有利于冬季長江流域中下游降水增加（圖7（a））。春季和秋季，長江流域位于850 hPa異常反氣旋環(huán)流的西側(cè)，盛行東風(fēng)和東北風(fēng)異常，從海洋上帶來一定的暖濕氣流，有利于降水增加（圖7（b）、（d））。同時，春季長江流域北部受異常西北風(fēng)影響，東風(fēng)和西北風(fēng)異常在長江流域中下游輻合，對應(yīng)上升運(yùn)動，且500 hPa為低壓異常，有利于整層輻合，增強(qiáng)上升運(yùn)動，使得春季長江流域降水增加最顯著，尤其在中下游。

與其他3個季節(jié)不同，夏季長江流域上中游中北部主要受西南風(fēng)異常影響，西南風(fēng)異常從孟加拉灣帶來大量的暖濕氣流，有利于夏季長江流域上中游中北部降水異常（圖7（c））。同時，500 hPa高度場上印度和緬甸地區(qū)為低壓異常，有利于南支槽加強(qiáng)，進(jìn)一步增強(qiáng)了向夏季長江流域輸送暖濕氣流的西南風(fēng)異常。此外，長江流域上游位于500 hPa低壓異常東北側(cè)，盛行東南風(fēng)異常，帶來的暖濕氣流也有利于長江流域降水增多。這與邢雯慧等［25］研究指出主汛期影響長江流域降水的水汽來源主要來自孟加拉灣的結(jié)果一致。

因此，對于碳中和時期長江流域降水變化，冬、春和秋季主要關(guān)注渤海區(qū)域的異常反氣旋環(huán)流，以及春季長江流域北側(cè)的西北風(fēng)異常；夏季則是來自孟加拉灣的西南風(fēng)異常。

3? 結(jié) 論

在碳中和政策背景下，本文根據(jù)CMIP6模式預(yù)估了碳中和時期長江流域降水變化及可能原因，主要結(jié)果如下：（1） SSP-1.9情景和SSP-2.6情景達(dá)到碳中和時間分別為2042年和2062年，SSP-2.6情景與中國碳中和政策時間基本一致。本文選用SSP-2.6情景，以碳中和時間前后15 a（2055～2069年）為碳中和時期，利用碳中和時期與氣候變化幅度基準(zhǔn)期的降水和環(huán)流差異分析碳中和時期長江流域降水變化及可能原因。

（2） 經(jīng)過空間降尺度和偏差訂正后的CMIP6模式可以很好地模擬出基準(zhǔn)期長江流域年平均降水，尤其是位于上游金沙江和岷沱江中部交界處、中游洞庭湖中部以及下游鄱陽湖東北側(cè)的3個降水大值中心。

（3） 與基準(zhǔn)期相比，碳中和時期長江流域平均降水整體偏多，北部強(qiáng)于南側(cè)、上游強(qiáng)于中游和下游。春季最顯著，最大差值可達(dá)0.8 mm/d；其次是夏季和秋季，冬季最弱，其中岷沱江和嘉陵江關(guān)鍵區(qū)是碳中和時期全年降水變化大值區(qū)，需重點(diǎn)防控。對極端降水而言，長江中游持續(xù)干旱日數(shù)偏少，最多可達(dá)2.4 d；極端大雨日數(shù)在長江流域北部顯著增多2.4～4.0 d；極端大雨強(qiáng)度上游和下游顯著偏多，可達(dá)0.9 mm/d。

（4） 環(huán)流分析發(fā)現(xiàn)，碳中和時期冬、春和秋季主要受渤海地區(qū)異常反氣旋南側(cè)的東風(fēng)和西北側(cè)東南風(fēng)從中西太平洋帶來的暖濕氣流影響，有利于長江流域降水增多。其中，春季低層和高層整層輻合使得其降水變化最顯著。夏季，長江流域主要受西南風(fēng)異?？刂疲瑥拿霞永瓰硯泶罅康呐瘽駳饬?，有利于夏季降水增多。

本文研究碳中和時期長江流域降水變化與前人預(yù)估不同情景下未來長江流域降水異常結(jié)果基本一致，即表現(xiàn)為全區(qū)降水增多［7，12，16］。但整體降水變化強(qiáng)度弱于高排放情景［13］，這也體現(xiàn)了中國碳中和政策的重要性和必要性。需要指出的是，本文利用CMIP6模式預(yù)估中國碳中和時期長江流域降水變化結(jié)果存在一定的不確定性。一方面是模式本身存在不確定性，且限制于目前在SSP-2.6情景下僅有8個模式給出了大氣中CO2質(zhì)量，模式數(shù)量相對較少，可能會增加模擬的不確定性，后續(xù)期待更多模式的優(yōu)化集合平均結(jié)果以降低不準(zhǔn)確性。另一方面，SSP-2.6情景設(shè)定為大氣中CO2質(zhì)量增量在持續(xù)減少，尤其碳中和時間后大氣中CO2質(zhì)量也在減少，但實(shí)際碳中和政策下大氣中CO2如何減少以及碳中和后是否還會繼續(xù)減少目前還不確定。因此，本文只以達(dá)到碳中和時間為中心，選取了前后CO2變率較小的15 a作為碳中和時期進(jìn)行研究，以期為未來碳中和時期長江流域降水變化提供一定的理論依據(jù)，但還需專門針對中國碳中和路徑情景設(shè)定的試驗(yàn)來提高準(zhǔn)確性。

參考文獻(xiàn)：［1］? 夏細(xì)禾，陶聰.長江流域水資源統(tǒng)一調(diào)度實(shí)踐與思考［J］.人民長江，2022，53（12）：69-74.

［2］? 吳靜芬，李丁，劉笑杰，等.長江經(jīng)濟(jì)帶糧食生產(chǎn)時空動態(tài)演變及影響因素分析［J］.農(nóng)業(yè)現(xiàn)代化研究，2021，42（3）：407-417.

［3］? 陳亮，王學(xué)雷，楊超，等.2000年—2015年長江流域植被GPP時空變化特征及其驅(qū)動因子［J］.華東師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，55（4）：630-638.

［4］? 張芳華，陳濤，張芳，等.2020年6～7月長江中下游地區(qū)梅汛期強(qiáng)降水的極端性特征［J］.氣象，2020，46（11）：1405-1414.

［5］? 郭廣芬，杜良敏，肖鶯，等.長江流域夏季極端降水時空分布特征［J］.干旱氣象，2021，39（2）：235-243.

［6］? 曾小凡，周建中，翟建青，等.2011～2050年長江流域氣候變化預(yù)估問題的探討［J］.氣候變化研究進(jìn)展，2011，7（2）：116-122.

［7］? 韓樂瓊，韓哲，李雙林.不同代表性濃度路徑（RCPs）下21世紀(jì)長江中下游強(qiáng)降水預(yù)估［J］.大氣科學(xué)學(xué)報(bào)，2014，37（5）：529-540.

［8］? 陳曉晨，徐影，許崇海，等.CMIP5 全球氣候模式對中國地區(qū)降水模擬能力評估［J］.氣候變化研究進(jìn)展，2014，10（3）：217-225.

［9］? 周莉，蘭明才，蔡榮輝，等.21世紀(jì)前期長江中下游流域極端降水預(yù)估及不確定性分析［J］.氣象學(xué)報(bào)，2018，76（1）：47-61.

［10］O NEILL B C，TEBALDI C，VAN VUUREN D P，et al.The scenario model intercomparison project （Scenario MIP） for CMIP6［J］.Geoscientific Model Development，2016，9（9）：3461-3482.

［11］XIN X G，WU T W，ZHANG J，et al.Comparison of CMIP6 and CMIP5 simulations of precipitation in China and the East Asian summer monsoon［J］.International Journal of Climatology，2020，40（15）：6423-6440.

［12］吳健，夏軍，曾思棟，等.CMIP6 全球氣候模式對長江流域氣候變化的模擬評估與未來預(yù)估［J］.長江流域資源與環(huán)境，2023，32（1）：137-150.

［13］鄭衍欣，李雙林，何源.共享社會經(jīng)濟(jì)路徑（SSPs）下未來30年長江流域夏季降水預(yù)估［J］.大氣科學(xué)，2023，47（5）：1405-1420.

［14］IPCC.Global warming of 1.5℃：summary for policymakers［M］.Cambridge：Cambridge University Press，2018.

［15］CHEN J W，CUI H J，XU Y Y，et al.Long-term temperature and sea-level rise stabilization before and beyond 2100：estimating the additional climate mitigation contribution from Chinas recent 2060 carbon neutrality pledge［J］.Environmental Research Letter，2021，16（7）：074032.

［16］鄧?yán)螅鞖g歡，江志紅.不同情景達(dá)到碳中和下中國區(qū)域氣候變化的預(yù)估［J］.大氣科學(xué)學(xué)報(bào)，2022，45（3）：364-375.

［17］肖志祥，譚江紅.長江流域夏季降水異常主要模態(tài)變化特征及其成因分析［J］.高原氣象，2018，37（5）：165-173.

［18］IPCC.Climate change 2021：the physical science basis［R］.Cambridge，New York：Cambridge University Press，2021.

［19］WOOD A W，LEUNG L R，SRIDHAR V，et al．Hydrologic implications of dynamical and statistical approaches to downscaling climate model outputs［J］.Climate Change，2004，62（1）：189-216.

［20］WANG L，CHEN W.Equiratio cumulative distribution function matching as an improvement to the equidistant approach in bias correction of precipitation［J］.Atmospheric Science Letters，2014，15（1）：1-6.

［21］TAYLOR K.Summarizing multiple aspects of model performance in a single diagram［J］.Journal of Geophysical Research，2001，106（D7）：7183-7192.

［22］孫曉玲，謝文欣，周波濤.CMIP6模式對亞洲陸地生態(tài)系統(tǒng)的模擬評估與預(yù)估［J］.氣候變化研究進(jìn)展，2023，19（1）：49-62.

［23］尹紅，孫穎.基于ETCCDI指數(shù)2017年中國極端溫度和降水特征分析［J］.氣候變化研究進(jìn)展，2019，15（4）：363-373.

［24］SILLMANN J，KHARIN V V，ZWIERS F W，et al.Climate extreme indices in the CMIP5 multimodel ensemble：part 2.future climate projections［J］.Journal of Geophysical Research，2013，118（6）：2473-2493.

［25］邢雯慧，王堅(jiān)紅，張方偉，等.秋汛期影響漢江流域降水的水汽通道特征研究［J］.人民長江，2019，50（2）：101-106.

（編輯：謝玲嫻）

Precipitation changes over Changjiang River Basin under carbon neutrality period in CMIP6 models and its possible cause

ZHANG Leying1，XING Wenhui2，HOU Shuxiu1，CHYI Dorina3

（1.Collaborative Innovation Center of Sustainable Forestry in Southern China of Jiangsu Province，Nanjing Forestry University，Nanjing 210037，China;

2.Bureau of Hydrology，Changjiang Water Resources Commission，Wuhan 430010，China；

3.China Meteorological Administration Training Centre，Beijing 100081，China）

Abstract：

To reveal the precipitation anomaly over the Changjiang River Basin under carbon neutrality period，we defined the carbon neutrality period in CMIP6 models，analyzed the average and extreme precipitation differences between the carbon neutrality period and the reference period for climate change amplitude，and gave its possible causes from the atmospheric circulation anomalies.The results showed that：① The carbon neutrality year is 2062 under the SSP-2.6 scenario，which is consistent with the carbon neutrality policy of China.② After the spatial downscaling and bias revision，the CMIP6 models can well simulate the precipitation in the Changjiang River Basin.③ During the carbon neutrality period，the average precipitation over the Changjiang River Basin increases significantly with larger anomalies in the north （upper reaches） than in the south （lower and middle reaches），and the order in seasons is spring>summer>autumn>winter.Especially，the anomalies over the Minjing River，Tuojiang River，and Jialing River are the maximum center in all seasons，which need special attention in the future.Continuous drought days decrease over the middle reaches of Changjiang River Basin，extreme heavy rain days significantly increase by 2.4～4.0 days over the north，and extreme heavy rain intensity enhances over the upper and lower reaches.④ The easterly and southeasterly anomalies over south and northwest of the Bohai Sea anticyclone in winter，spring，and autumn bring warm and moist flow from the central and western Pacific to the Changjiang River Basin，which favors the precipitation during the carbon neutrality.Meanwhile，the southwesterly anomaly，conveying warm and moist flow from the Bay of Bengal，contributes to the positive precipitation anomaly in summer.These results can provide a basis for relevant departments in the Changjiang River Basin to develop climate change response strategies for the future carbon neutrality period.

Key words：

precipitation variation; carbon neutrality; CMIP6; SSP-2.6; Changjiang River Basin