摘要：為探究具有更高可信度的長江流域未來氣溫和降水的時(shí)空變化特征，基于1961～2020年中國格點(diǎn)化逐日氣象觀測(cè)數(shù)據(jù)，采用2022年最新發(fā)布的NASA高分辨率降尺度數(shù)據(jù)集（N-CMIP6）中的35個(gè)氣候模式對(duì)長江流域氣溫和降水模擬能力進(jìn)行了評(píng)估，進(jìn)而預(yù)估了不同共享社會(huì)經(jīng)濟(jì)路徑（SSPs）情景下（SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5）長江流域在21世紀(jì)近期（2021～2040年）、中期（2041～2060年）和末期（2081～2100年）氣溫和降水的時(shí)空演變特征。結(jié)果表明：2021～2100年，長江流域年均氣溫和降水均呈現(xiàn)顯著上升趨勢(shì)，尤其是上游地區(qū)增溫最為明顯；到21世紀(jì)末期（2081～2100年），相較于基準(zhǔn)期（1995～2014年），長江流域平均氣溫預(yù)計(jì)將升高1.61～5.18 ℃，平均降水量將增加7.6%～12.8%；秋季溫度升高最為顯著，其次是夏季，冬季降水增幅最大，秋季次之。研究成果有助于深化對(duì)區(qū)域氣候變化的科學(xué)理解，為政府決策提供科學(xué)依據(jù)，以有效應(yīng)對(duì)和適應(yīng)氣候變化帶來的挑戰(zhàn)，進(jìn)而促進(jìn)可持續(xù)發(fā)展。

關(guān) 鍵 詞：氣溫；降水；N-CMIP6；SSPs；長江流域

中圖法分類號(hào)：P467

文獻(xiàn)標(biāo)志碼：ADOI：10.16232/j.cnki.1001-4179.2024.08.010

0 引 言

近百年來，全球氣溫持續(xù)上升，氣候變化引發(fā)的風(fēng)險(xiǎn)逐漸演變成全球安全與發(fā)展的重要挑戰(zhàn)。政府間氣候變化專門委員會(huì)（IPCC）第六次評(píng)估報(bào)告指出，近百年來全球氣候變暖毋庸置疑，2011～2020年的全球平均氣溫相對(duì)于1850～1900年升高了約1.09℃^［1］，1983～2012年可能是北半球近1 400 a以來氣溫最高的30 a^［2］。中國作為氣候變化敏感區(qū)，1901～2019年地表年平均氣溫呈顯著上升趨勢(shì)，增溫幅度遠(yuǎn)超全球平均狀況；年降水量趨勢(shì)性變化不顯著，但存在著明顯的年代際振蕩且空間差異顯著^［3-4］。中國南部的長江流域地域廣闊，地形復(fù)雜，受季風(fēng)氣候影響顯著，在全球變暖的大背景下，該區(qū)域的氣候響應(yīng)多變而復(fù)雜。長江流域的氣候變化直接關(guān)系到區(qū)域以及周邊地區(qū)居民的生活、農(nóng)業(yè)生產(chǎn)活動(dòng)，對(duì)中國生態(tài)環(huán)境、水資源、糧食安全以及社會(huì)經(jīng)濟(jì)的可持續(xù)發(fā)展也有著關(guān)鍵性影響^［5-7］。氣溫和降水是氣候變化的主要因子，研究氣溫和降水未來變化趨勢(shì)對(duì)于厘清未來氣候狀況，為氣候變化風(fēng)險(xiǎn)評(píng)估提供參考至關(guān)重要。

世界氣候變化研究計(jì)劃（WCRP）組織實(shí)施的一系列國際耦合氣候模式計(jì)劃（CMIP）極大地促進(jìn)了全球氣候變化模擬和預(yù)測(cè)預(yù)估研究的新進(jìn)展^［8-11］。CMIP最新發(fā)展到第六階段（CMIP6），相比上一代模式計(jì)劃（CMIP5），不僅有前所未有的最多數(shù)量的全球氣候模式（GCMs）參與到CMIP6計(jì)劃中，各GCMs也代表當(dāng)今氣候系統(tǒng)模式發(fā)展的前沿，模式設(shè)計(jì)科學(xué)試驗(yàn)也最為完善^［12-13］。CMIP6包括更多的物理過程和反饋機(jī)制，將共享社會(huì)經(jīng)濟(jì)路徑（SSPs）與典型濃度路徑（RCPs）相結(jié)合，構(gòu)建了7個(gè)SSPs新情景（SSP1-1.9，SSP1-2.6，SSP4-3.4，SSP2-4.5，SSP4-6.0，SSP3-7.0，SSP5-8.5）^［14-16］，在對(duì)極端天氣氣候事件的模擬能力方面也有大幅提高^［17-18］，預(yù)估結(jié)果更加可靠^［12］。

2022年美國國家航空航天局（NASA）氣候模擬中心對(duì)CMIP6全球氣候模式輸出結(jié)果進(jìn)行偏差訂正及空間分解，獲得了高分辨降尺度數(shù)據(jù)集（N-CMIP6）。相較于上一代N-CMIP5數(shù)據(jù)集而言，N-CMIP6除具有CMIP6本身的優(yōu)勢(shì)之外，還通過降尺度技術(shù)處理CMIP6的模型輸出，可提供更高的空間分辨率數(shù)據(jù)，能更好地捕捉到地形和其他地理特征對(duì)氣候的影響，可以實(shí)現(xiàn)對(duì)區(qū)域氣候特征的精細(xì)化模擬與預(yù)估^［19-22］，這對(duì)于理解和評(píng)估局部氣候變化尤其重要^［23］。由于全球氣候模式的局限性，已有研究者采用降尺度方法構(gòu)建降尺度數(shù)據(jù)集用于氣候變化研究，然而對(duì)于大部分研究而言，或是降尺度方法局限性較大，或是模式數(shù)量有限，因而結(jié)果具有較大的不確定性。2022年最新發(fā)布的涵蓋多氣候模式輸出結(jié)果的高分辨率降尺度數(shù)據(jù)集 N-CMIP6有35個(gè)氣候模式輸出，大大提高了預(yù)測(cè)的可靠性和精確性，能夠更精細(xì)地揭示長江流域內(nèi)部不同區(qū)域的氣候變化特征，這對(duì)于區(qū)域尺度的氣候研究尤為重要。

長江流域地形復(fù)雜，氣候差異顯著，流域的氣溫和降水存在明顯的時(shí)空差異^［5］。已有學(xué)者對(duì)GCMs進(jìn)行統(tǒng)計(jì)或者動(dòng)力降尺度獲得區(qū)域氣候模式，對(duì)長江流域的氣候變化進(jìn)行了預(yù)估，在RCP4.5情景下，流域未來（2016～2035年）氣溫將升高0.66 ℃，而降水將減少2.2%，在空間上源區(qū)氣溫和降水增幅均比低海拔地區(qū)大^［24］。而基于最新的CMIP6模式模擬結(jié)果顯示，在SSPs情景下長江流域2020～2100年的氣溫增幅會(huì)在50%以內(nèi)，降水增幅會(huì)在20%以內(nèi)^［25-26］。

高分辨率氣候模型數(shù)據(jù)對(duì)于理解和預(yù)測(cè)地區(qū)氣候變化至關(guān)重要。本文首先基于氣象觀測(cè)數(shù)據(jù)分析了長江流域氣溫和降水的歷史變化，然后基于N-CMIP6的35個(gè)氣候模式輸出結(jié)果，對(duì)長江流域氣溫和降水的模擬能力進(jìn)行評(píng)估，進(jìn)一步探討21世紀(jì)不同SSPs情景（SSP1-2.6，SSP2-4.5，SSP3-7.0，SSP5-8.5）下長江流域氣溫和降水未來可能的變化。研究結(jié)果有助于深入理解長江流域內(nèi)部氣候差異，評(píng)價(jià)氣候變化對(duì)水資源、農(nóng)業(yè)、生態(tài)系統(tǒng)及社會(huì)經(jīng)濟(jì)的影響，為制定相關(guān)政策和資源管理提供科學(xué)依據(jù)，促進(jìn)區(qū)域可持續(xù)發(fā)展。

1.1 研究區(qū)概況

長江流域面積約為180萬km²，介于90°33′E～122°25′E和24°30′N～35°45′N之間，干流長江（全長約為6 300 km）發(fā)源于青藏高原的唐古拉山脈，流經(jīng)青海、西藏、云南、四川、重慶、湖北、湖南、江西、安徽、江蘇及上海等11省（自治區(qū)、直轄市），最后注入東海。整個(gè)長江流域地勢(shì)呈西高東低的趨勢(shì)，橫跨中國地勢(shì)的三大階梯，自河源至河口總落差超過5 400 m。

1.2 數(shù)據(jù)來源

觀測(cè)期氣溫和降水?dāng)?shù)據(jù)是基于中國2 400多個(gè)地面氣象臺(tái)站的觀測(cè)資料，通過距平逼近法插值得到的逐日格點(diǎn)化數(shù)據(jù)集（CN05.1）^［27］，空間分辨率為0.25°×0.25°，時(shí)間跨度為1961～2020年。

本文所使用的N-CMIP6（NEX-GDDP-CMIP6）高分辨率降尺度模式數(shù)據(jù)，由美國國家航空航天局（NASA）氣候模擬中心發(fā)布^［28］（https：∥www.nccs.nasa.gov/services/datacollections/land-based-products/nex-gddp-cmip6）。N-CMIP6是由CMIP6原始模式下運(yùn)用大氣環(huán)流模式運(yùn)行得到的全球降尺度氣候情景組成的數(shù)據(jù)集，可用來評(píng)估氣候變化對(duì)更精細(xì)尺度下氣候響應(yīng)的過程以及局部地形對(duì)氣候條件的影響。該數(shù)據(jù)集應(yīng)用偏差校正與空間分解方法（BCSD）將原始模式輸出降尺度到0.25°×0.25°的空間分辨率，時(shí)間分辨率為逐日，時(shí)間范圍包括歷史時(shí)期（1950～2014年）以及4種情景下（SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5）的未來預(yù)估時(shí)期（2015～2100年）。本文選取該數(shù)據(jù)集中35個(gè)模式（表1）的氣溫和降水?dāng)?shù)據(jù)，選擇1961～2014年作為歷史研究時(shí)段，4種情景下（SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5）的2021～2040年、2041～2060年、2081～2100年（分別稱為21世紀(jì)近期、中期和末期）作為未來研究時(shí)段。

1.3 研究方法

1.3.1 趨勢(shì)及顯著性檢驗(yàn)

采用Theil-Sen Median趨勢(shì)分析^［29］和Mann-Kendall檢驗(yàn)^［30］來研究長江流域氣溫和降水的長期變化趨勢(shì)及其趨勢(shì)的顯著性。

Theil-Sen Median方法是一種穩(wěn)健的非參數(shù)統(tǒng)計(jì)的趨勢(shì)計(jì)算方法。該方法計(jì)算效率高，對(duì)于測(cè)量誤差和利群數(shù)據(jù)不敏感，適用于長時(shí)間序列數(shù)據(jù)的趨勢(shì)分析。其計(jì)算公式為

β=median［（x_j-x_i）/（j-i）］， jgt;i（1）

式中：x_j和x_i為時(shí)間序列數(shù)據(jù)，median代表取中值。β大于0表示時(shí)間序列呈現(xiàn)上升趨勢(shì)；β小于0表示呈下降趨勢(shì)。

Mann-Kendall方法是一種非參數(shù)統(tǒng)計(jì)檢驗(yàn)方法，其優(yōu)點(diǎn)在于不要求測(cè)量值必須符合正態(tài)分布，趨勢(shì)也無需必為線性。它不受缺失值和異常值的影響，因此廣泛應(yīng)用于水文、氣象等非正態(tài)分布序列的趨勢(shì)分析。通過計(jì)算Z統(tǒng)計(jì)量來判斷趨勢(shì)的顯著性：

式中：S為標(biāo)準(zhǔn)化統(tǒng)計(jì)量，服從正態(tài)分布，計(jì)算公式為

Var（S）為方差，計(jì)算公式為

式中：t_i是第i組數(shù)據(jù)點(diǎn)的數(shù)目。

對(duì)于給定的置信水平α：若|Z|lt;Z_1-α/2，則原假設(shè)成立，說明時(shí)間序列無明顯變化趨勢(shì)；若|Z|gt;Z_1-α/2，則否定原假設(shè)，說明時(shí)間序列數(shù)據(jù)存在顯著趨勢(shì)，且Z為正，表明序列有明顯上升趨勢(shì)；為負(fù)，則表明序列呈明顯下降趨勢(shì)。

1.3.2 泰勒?qǐng)D

使用泰勒?qǐng)D（Taylor skill score：S）^［31］評(píng)估N-CMIP6各個(gè)氣候模式對(duì)長江流域氣溫和降水的模擬性能。泰勒?qǐng)D能夠?qū)⒍嗄Ｊ降南嚓P(guān)信息集中表示，是近年來被廣泛采用的應(yīng)用于模式評(píng)估與檢驗(yàn)的有效方法，能夠?qū)⒍鄠€(gè)變量的標(biāo)準(zhǔn)差、與參考值的相關(guān)系數(shù)以及均方根偏差綜合顯示在一張二維圖上，全面清晰地反映多模式的模擬能力。標(biāo)準(zhǔn)差反映多變量自身的離散程度，相關(guān)系數(shù)表示變量值與參考值的相似性，均方根誤差表示變量與參考值之間的離散度，均方根誤差越小，表明與參考值自身的離散程度越接近。3個(gè)指標(biāo)的計(jì)算公式如下。

（1）標(biāo)準(zhǔn)差（σ）。

式中：N表示變量x的個(gè)數(shù)，μ表示N個(gè)變量的平均值。

（2）相關(guān)系數(shù)（R）。

式中：f_n記為參考值;m_n標(biāo)記為變量;f—和m—為f與m的平均值；σ_f和σ_m是其標(biāo)準(zhǔn)差。

（3）均方根誤差（E）。

2 結(jié)果與分析

2.1 1961～2020年氣溫和降水的演變

1961～2020年，長江流域的年平均氣溫為11.02 ℃，總體呈現(xiàn)顯著的上升趨勢(shì)（圖1（a））。1976年記錄了最低的年平均氣溫，為10.28 ℃。進(jìn)入21世紀(jì)之后，流域氣溫升幅顯著加快，以2016年的年平均氣溫最高，達(dá)到11.90 ℃，相較于1976年上升了1.62 ℃。從氣溫距平結(jié)果（圖1（b））看，在2000年之前，氣溫距平值大多低于-0.30 ℃，其中1976年記錄了最低距平值，為-0.74 ℃。21世紀(jì)以來，氣溫距平值轉(zhuǎn)為正值，并呈現(xiàn)出加速上升的態(tài)勢(shì)，平均升溫速率達(dá)到0.25 ℃/10 a。

長江流域四季平均氣溫均呈現(xiàn)顯著的上升趨勢(shì)（表2）。四季上升速率分別為：春季0.24 ℃/10 a，夏季0.12 ℃/10 a，秋季0.20 ℃/10 a，冬季0.28 ℃/10 a，均通過了0.01的顯著性水平檢驗(yàn)。冬春季節(jié)升溫最快，可達(dá)夏季增溫速率的2倍。2000年后，各季節(jié)氣溫上升趨勢(shì)尤其顯著，2001～2020年，相較于1961～2000年增溫約0.91 ℃，0.53 ℃，0.77 ℃和0.89 ℃。研究表明長江流域正在經(jīng)歷一個(gè)明顯的氣候變暖過程，冬季變暖尤其顯著。

1961～2020年，長江流域年平均降水量大約為1 116.82 mm，在2010年之前，降水量的年度波動(dòng)較大，但整體未表現(xiàn)出顯著的長期增加或減少趨勢(shì)（圖2），1978年長江流域的年降水量最低，大約為942.90 mm。2010年以后，降水量呈現(xiàn)明顯上升趨勢(shì)，其中2020年降水量達(dá)到了60 a中的最大值，約為1 419.72 mm，比1978年增加了476.82 mm。年降水量距平值結(jié)果（圖2（b））方面，盡管在20世紀(jì)末至21世紀(jì)初的幾年中曾出現(xiàn)負(fù)距平值，但2010年后，正距平值變得更為頻繁且幅度更大。

長江流域四季降水量在1961～2020年間呈現(xiàn)不同的變化趨勢(shì)（表2）。春季和秋季降水量表現(xiàn)出明顯的波動(dòng)性，多年以來沒有顯著變化趨勢(shì)，但大致在2010年后大幅增加。冬季的流域年均降水量以5 mm/10 a的速率呈現(xiàn)持續(xù)增加的趨勢(shì)。夏季平均降水量約為506.56 mm，約占全年降水量的45%，多年來以9.5 mm/10 a的速率顯著增加，通過了0.01的顯著性水平檢驗(yàn)。

空間分布上，長江流域年平均氣溫和年平均降水量在整體上均大致呈現(xiàn)自西北向東南逐漸增加的趨勢(shì)（圖3）。年均氣溫和降水量在長江上游青藏高原地區(qū)最小，分別為-7.0 ℃和194 mm，在長江中下游江西省南部最大，分別為18.9 ℃和2 030 mm。在四川盆地地區(qū)，年均氣溫和年降水量呈現(xiàn)向四川盆地中心增加的趨勢(shì)，年均氣溫最高能達(dá)到18 ℃左右，年降水量最高能達(dá)到1 500 mm左右。

長江流域年均氣溫和年均降水量的長期變化趨勢(shì)在空間上呈現(xiàn)出顯著差異（圖4）。全流域范圍內(nèi)，年平均氣溫均呈現(xiàn)顯著增長趨勢(shì)（通過0.05顯著性水平檢驗(yàn)），并呈現(xiàn)增幅自上下游向中游逐漸減少的空間分布特征（0.02～0.43 ℃/10 a），流域上游和下游的年均氣溫增幅最大，均達(dá)到0.4 ℃/10 a以上；長江流域年降水量在下游呈顯著增加趨勢(shì)，入?？诟浇鼌^(qū)域增幅最大，為113 mm/10 a，上游區(qū)域降水略有增加，增幅大致在0～30 mm；流域西南部多年來降水量略呈減少趨勢(shì)，但大部分地區(qū)未通過顯著性趨勢(shì)檢驗(yàn)。

2.2 N-CMIP6高分辨率數(shù)據(jù)集對(duì)氣溫降水模擬性能的評(píng)估

圖5為35個(gè)模式模擬的基準(zhǔn)期（1995～2014年）長江流域年均氣溫和年降水量的泰勒?qǐng)D。35個(gè)模式模擬的年均氣溫相關(guān)系數(shù)范圍為0.97～0.98，多模式集合平均（MME）為0.97;標(biāo)準(zhǔn)差范圍為7.0～7.5 ℃，MME為7.4 ℃，觀測(cè)為7.0 ℃;均方根誤差范圍為1.46～1.63 ℃，MME為1.52 ℃。對(duì)于降水量而言，35個(gè)模式模擬結(jié)果和觀測(cè)降水的空間相關(guān)系數(shù)介于0.92～0.96，MME為0.95；標(biāo)準(zhǔn)差范圍為336～420 mm，MME為368 mm，觀測(cè)為377 mm；均方根誤差范圍為111～160 mm，MME為117 mm。因此，N-CMIP6各模式對(duì)長江流域的多年平均氣溫和降水量的空間分布均有較好的模擬能力，MME對(duì)長江流域年平均氣溫和降水量的模擬性能要優(yōu)于大多數(shù)模式，可減少由不同模式誤差帶來的不確定性，使模擬值在氣候態(tài)上更接近觀測(cè)值。因而，本次研究將采用MME對(duì)未來長江流域的氣溫和降水進(jìn)行預(yù)估。

2.3 2021～2100年氣溫和降水預(yù)估

2021～2100年，長江流域年均氣溫和年均降水量在各SSPs情景下均顯著上升，通過了0.01的顯著性水平檢驗(yàn)（圖6）。在SSP1-2.6情景下，氣溫和降水量的增幅最小，分別為0.11 ℃/10 a和8.9 mm/10 a；在SSP5-8.5情景下，氣溫和降水量的增幅最大，分別為0.68 ℃/10 a和13.27 mm/10 a。相較于SSP1-2.6情景而言，平均氣溫增加6倍，降水增加1.5倍。隨著時(shí)間的推移，不同情景之間的差異變得更加顯著?？偟膩碚f，無論是氣溫還是降水，長江流域的增幅都遵循SSP5-8.5gt;SSP3-7.0gt;SSP2-4.5gt;SSP1-2.6的順序，這表明溫室氣體排放量越大，長江流域的平均氣溫和降水量增加越多。

在各SSPs情景下，長江流域年平均氣溫和降水量相對(duì)于基準(zhǔn)期的變化如圖7所示。隨著時(shí)間的推移，年均氣溫和降水量均明顯增加。相較于基準(zhǔn)期，年降水量在21世紀(jì)近期（2021～2040年）預(yù)計(jì)將增加1.5%～4.8%（SSP3-7.0～SSP1-2.6），中期（2041～2060年）和末期（2081～2100年）預(yù)計(jì)分別增加3.0%～7.6%（SSP3-7.0～SSP1-2.6）和7.6%～12.8%（SSP3-7.0～SSP5-8.5），較近期將增加2～5倍；年均氣溫在21世紀(jì)近期增溫0.68～1.12 ℃（SSP3-7.0～SSP5-8.5），21世紀(jì)中期以后，SSP1-2.6情景下氣溫增速減緩，中期和末期預(yù)計(jì)將增溫1.5 ℃左右，而SSP5-8.5持續(xù)快速增溫2.27～5.18 ℃。

季節(jié)方面，21世紀(jì)近期、中期和末期，春季氣溫分別較基準(zhǔn)期增加0.3～0.7 ℃（SSP3-7.0～SSP5-8.5），1.0～1.8 ℃（SSP1-2.6～SSP5-8.5）和1.1～4.4 ℃（SSP1-2.6～SSP5-8.5）；夏季較春季增溫幅度更大，分別增加1.0～1.3 ℃（SSP3-7.0～SSP5-8.5），1.6～2.4 ℃（SSP1-2.6～SSP5-8.5），1.7～5.1 ℃（SSP1-2.6～SSP5-8.5）；冬季，在各SSPs情景下，21世紀(jì)近期年均氣溫較基準(zhǔn)期均略有下降，降幅約-0.7～-0.3 ℃（SSP3-7.0～SSP5-8.5），而后明顯增溫，中期和末期分別增溫0.2～0.9 ℃（SSP1-2.6～SSP5-8.5）和0.3～3.9 ℃（SSP1-2.6～SSP5-8.5）；秋季在四季中增幅最大，近期、中期、末期增溫可達(dá)1.0 ℃～1.5 ℃（SSP3-7.0～SSP5-8.5），1.8～2.7 ℃（SSP1-2.6～SSP5-8.5），2.0～5.7 ℃（SSP1-2.6～SSP5-8.5），對(duì)全年氣溫的增加有最大的貢獻(xiàn)（圖8）。

相較于基準(zhǔn)期，除SSP3-7.0情景下，長江流域的秋季降水在21世紀(jì)近期略有減少之外，其他情景和季節(jié)下，降水均增加（圖9）。21世紀(jì)近期、中期和末期，春季降水預(yù)計(jì)分別增加0.6%～4.7%（SSP3-7.0～SSP1-2.6）、3.2%～8.4%（SSP3-7.0～SSP1-2.6）和8.0%～16.6%（SSP3-7.0～SSP5-8.5）；夏季分別增加1.7%～3.7%（SSP3-7.0～SSP1-2.6），2.5%～5.6%（SSP3-7.0～SSP1-2.6）和7.0%～9.0%（SSP1-2.6～SSP5-8.5）；秋季分別為-2.0%～3.2%（SSP3-7.0～SSP5-8.5）、-0.4%～5.0%（SSP3-7.0～SSP1-2.6）和5.4%～10.8%（SSP3-7.0～SSP1-2.6）；冬季降水增幅最大，分別為1.7%～6.2%，2.1%～11.6%和7.3%～16.6%，均在SSP3-7.0情景下降水量最少，在SSP1-2.6情景下降水量最大。

長江流域年均氣溫和年降水量相較于基準(zhǔn)期的變化幅度在各情景各時(shí)期下的空間分布類似，均呈現(xiàn)從長江中上游向長江中下游，即西北向東南部逐漸減小的格局（圖10～11）。年降水量僅在SSP2-4.5、SSP3-7.0情景下的近期和SSP3-7.0情景下的中期在長江中下游南部地區(qū)發(fā)生小幅度下降，最大不超過10%；而年均氣溫在各情景的各個(gè)時(shí)期下，均顯著增溫。在長江流域上游地區(qū)，年均氣溫和年降水量在各情景下相較于其他地區(qū)均呈現(xiàn)最為顯著的相對(duì)變化，在SSP5-8.5情景下，21世紀(jì)末期，年均氣溫和年降水量變化幅度均達(dá)到最大值，分別較基準(zhǔn)期增溫6.0 ℃和增濕47%。

3 結(jié) 論

近年來，長江流域極端降水干旱事件頻發(fā)，造成了巨大的經(jīng)濟(jì)損失，正確認(rèn)識(shí)氣候變化特征對(duì)于長江流域生產(chǎn)生活的開展和生態(tài)環(huán)境保護(hù)具有十分重要的意義。本文基于中國格點(diǎn)化氣象觀測(cè)數(shù)據(jù)集（CN05.1）分析了長江流域氣溫和降水的演變特征，然后采用NASA高分辨率降尺度數(shù)據(jù)集（N-CMIP6）中35個(gè)全球氣候模式輸出結(jié)果對(duì)長江流域氣溫和降水進(jìn)行了模擬能力評(píng)估，得到了較好的模擬效果。主要結(jié)論如下：

（1）1961～2020年，長江流域年均氣溫和降水顯著上升，冬春季節(jié)溫升最快，冬夏季節(jié)增濕最大。年平均氣溫和降水量在空間分布上均呈現(xiàn)自西北向東南逐漸增加，以及在四川盆地地區(qū)向中心增加的趨勢(shì)，長江下游地區(qū)為整個(gè)流域氣溫和降水的最大值區(qū)，分別達(dá)到18.9 ℃和2 030 mm。年降水量在長江中游四川盆地等局部地區(qū)呈現(xiàn)下降趨勢(shì)，年均氣溫在全流域顯著上升。

（2）經(jīng)過降尺度偏差校正處理的高分辨率數(shù)據(jù)集N-CMIP6各模式結(jié)果能較好地再現(xiàn)觀測(cè)氣溫和降水的時(shí)空變化特征，且多模式集合平均結(jié)果優(yōu)于大多數(shù)單個(gè)模式。

（3）2021～2100年，長江流域年均氣溫和年均降水量在各情景下均呈現(xiàn)顯著上升趨勢(shì)，其中年均氣溫和降水在SSP5-8.5情景下增幅最大，分別為0.68 ℃/10 a和13.27 mm/10 a；年降水量僅在SSP2-4.5、SSP3-7.0情景下的21世紀(jì)近期（2021～2040年）和SSP3-7.0情景下的中期（2041～2060年）長江中下游南部地區(qū)有小幅度下降，降幅不超過10%；年均氣溫在各情景下均增多；末期（2081～2100年），在SSP5-8.5情景下，年均氣溫和降水的變化幅度均達(dá)到最大值，分別較基準(zhǔn)期（1995～2014年）增加6.0 ℃和47%。

（4）在21世紀(jì)近期，各季節(jié)在SSP3-7.0情景下增溫幅度相對(duì)較小，到中期和末期，SSP1-2.6情景下氣溫變化趨于平緩且增幅最小，SSP5-8.5情景下在各個(gè)時(shí)段下均增溫最大。降水量在冬季增幅最大，近期、中期和末期分別增加1.7%～6.2%，2.1%～11.6%和7.3%～16.6%（SSP3-7.0～SSP1-2.6），秋季降水在21世紀(jì)近期雖然略有減少，但中期開始顯著增加，到末期增幅僅次于冬季，達(dá)到5.4%～10.8%（SSP3-7.0 ～ SSP1-2.6）。

參考文獻(xiàn)：

［1］IPCC.Climate change 2021：the physical science basis［M］.Cambridge：Cambridge University Press，2021.

［2］翟盤茂，周佰銓，陳陽，等.氣候變化科學(xué)方面的幾個(gè)最新認(rèn)知［J］.氣候變化研究進(jìn)展，2021，17（6）：629-635.

［3］中國氣象局氣候變化中心.中國氣候變化藍(lán)皮書2020［M］.北京：科學(xué)出版社，2020.

［4］陳梓延，姜彤，王艷君，等.基于CMIP6模式的烏江流域氣溫與降水時(shí)空變化［J］.人民長江，2022，53（11）：53-60.

［5］YANG C.Characterization of precipitation and temperature equilibrium and its driving forces in the Yangtze River Basin under climate change［J］.Climate Dynamics，2023，61（11/12）：5861-5873.

［6］姜彤，蘇布達(dá)，王艷君，等.四十年來長江流域氣溫、降水與徑流變化趨勢(shì)［J］.氣候變化研究進(jìn)展，2005，1（2）：65-68.

［7］邢雯慧，李春龍，王樂.基于區(qū)域氣候模式RegCM4的長江流域降水預(yù)報(bào)效果分析［J］.水利水電快報(bào)，2018，39（10）：1-4，15.

［8］周天軍，鄒立維，吳波，等.中國地球氣候系統(tǒng)模式研究進(jìn)展：CMIP計(jì)劃實(shí)施近20年回顧［J］.氣象學(xué)報(bào)，2014，72（5）：892-907.

［9］ZHAO T B，CHEN L，MA Z G.Simulation of historical and projected climate change in arid and semiarid areas by CMIP5 models［J］.Chinese Science Bulletin，2014，59：412-429.

［10］DONAT M G，LOWRY A L，ALECANDER L V，et al.More extreme precipitation in the world’s dry and wet regions［J］.Nature Climate Change，2016，6（5）：508-513.

［11］ZHAO T B，DAI A G.Uncertainties in historical changes and future projections of drought.Part Ⅱ：model-simulated historical and future drought changes［J］.Climatic Change，2017，144（3）：535-548.

［12］EYRING V，BONY S，MEEHL G A，et al.Overview of the coupled model intercomparison project phase 6（CMIP6）experimental design and organization［J］.Geoscientific Model Development，2016，9（5）：1937-1958.

［13］周天軍，鄒立維，陳曉龍.第六次國際耦合模式比較計(jì)劃（CMIP6）評(píng)述［J］.氣候變化研究進(jìn)展，2019，15（5）：445-456.

［14］張麗霞，陳曉龍，辛?xí)愿?，?CMIP6情景模式比較計(jì)劃（ScenarioMIP）概況與評(píng)述［J］.氣候變化研究進(jìn)展，2019，15（5）：519-525.

［15］MOSS R H，EDMONDS J A，HIBBARD K A，et al.The next generation of scenarios for climate change research and assessment［J］.Nature，2010，463（7282）：747-756.

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

［17］王磊，包慶，何編.CMIP6高分辨率模式比較計(jì)劃（HighResMIP）概況與評(píng)述［J］.氣候變化研究進(jìn)展，2019，15（5）：498-502.

［18］CHEN H P，SUN J Q，LIN W Q，et al.Comparison of CMIP6 and CMIP5 models in simulating climate extremes［J］.Science Bulletin，2020，65：1415-1418.

［19］HUANG X Y，SWAIN D L，HALL A D.Future precipitation increase from very high resolution ensemble downscaling of extreme atmospheric river storms in California［J］.Science Advances，2020，6：eaba1323.

［20］DAVOLIO S，VERCELLNO M，MIGLIETTA M M，et al.The influence of an atmospheric river on a heavy precipitation event over the western Alps［J］.Weather and Climate Extremes，2023，39：100542.

［21］GORI A，LIN N，XI D Z，et al.Tropical cyclone climatology change greatly exacerbates US extreme rainfall-surge hazard［J］.Nature Climate Change，2022，12（2）：171-178.

［22］ZHAO M.Simulations of atmospheric rivers，their variability，and response to global warming using GFDL′s new high-resolution general circulation model［J］.Journal of Climate，2020，33（23）：10287-10303.

［23］HUANG D，YAN P，ZHU J，et al.Uncertainty of global summer precipitation in the CMIP5 models：a comparison between high-resolution and low-resolution models［J］.Theoretical and Applied Climatology，2018，132：55-69.

［24］陶輝，黃金龍，翟建青，等.長江流域氣候變化高分辨率模擬與RCP4.5情景下的預(yù)估［J］.氣候變化研究進(jìn)展，2013，9（4）：246-251.

［25］何旭，繆子梅，田佳西，等.基于CMIP 6多模式的長江流域氣溫、降水與徑流預(yù)估［J］.南京林業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2024，48（2）：1-8.

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

［27］吳佳，高學(xué)杰.一套格點(diǎn)化的中國區(qū)域逐日觀測(cè)資料及與其它資料的對(duì)比［J］.地球物理學(xué)報(bào)，2013，56（4）：1102-1111.

［28］THRASHER B，WANG W，MICHAELIS A，et al.NASA global daily downscaled projections，CMIP6［J］.Scientific Data，2022，9：262.

［29］SEN P K.Estimates of the regression coefficient based on Kendall′s tau［J］.Journal of the American Statistical Association，1968，63：1379-1389.

［30］MCLEOD A I.Kendall rank correlation and Mann-Kendall trend test［J］.R Package Kendall，2005，602：1-10.

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

（編輯：謝玲嫻）

Future projection on temperature and precipitation in Changjiang River

Basin based on N-CMIP6

WEN Shanshan^1，2，WANG Zhichen¹，ZHAI Jianqing³，JIANG Fushuang¹，ZHOU Biao¹

（1.School of Geography and Tourism，Anhui Normal University，Wuhu 241002，China; 2.Anhui Province Key Laboratory of Earth Surface Processes and Regional Response in the Yangtze-Huaihe River Basin，Wuhu 241002，China; 3.National Climate Center，China Meteorological Administration，Beijing 100081，China）

Abstract：To explore the temporal and spatial characteristics of future temperature and precipitation changes in the Changjiang River Basin with higher reliability，based on the grid meteorological observation data of China from 1961 to 2020，we use 35 climate models from the latest high-resolution downscaled dataset （N-CMIP6） released by NASA in 2022 to evaluate the temperature and precipitation simulation capability over the Changjiang River Basin.Future projections are made for temperature and precipitation changes over the Changjiang River Basin under three shared socioeconomic pathways （SSPs） scenarios （SSP1-2.6，SSP2-4.5，SSP3-7.0，and SSP5-8.5） in the 21st century，the near term （2021～2040），mid-term （2041～2060），and late-term （2081～2100）.The results show that in the 21st century，the average temperature and precipitation in the Changjiang River Basin will show a significant upward trend，especially in the upper reaches.By the end of the 21st century （2081～2100），compared with the baseline period （1995～2014），the average temperature in the Changjiang River Basin is projected to rise by 1.61～5.18 ℃，with average precipitation increasing by 7.6%～12.8%.The temperature increase in autumn is the most significant，followed by summer，and the precipitation increase in winter is the largest，followed by autumn.This study can deepen the scientific understanding of the regional climate change in the Changjiang River Basin and provide a basis for decision-making to respond to climate change and promote sustainable development.

Key words：temperature; precipitation; N-CMIP6; SSPs; Changjiang River Basin