基于CMIP6多模式的長江流域未來降水變化趨勢分析

李曉蕾，王衛光，張淑林

（1.河海大學水文水資源學院，南京 210098；2.河海大學水文水資源與水利工程科學國家重點實驗室，南京 210098）

0 引 言

目前氣候變化正影響著自然生態系統和人類生態系統，引起了科學家們和國際社會的極大關注。政府間氣候變化專門委員會（IPCC）的《全球升溫1.5 ℃特別報告》指出，人類活動會造成全球溫度比工業化前水平高約1.0 ℃，如果繼續以目前的速率升溫，到本世紀中期全球升溫將達到1.5 ℃［1］。這種氣候變化不僅增加水資源的壓力，而且氣溫的持續升高會強化水文循環，導致極端天氣事件的頻繁發生［2］。

長江流域是世界第三大流域，對中國的社會經濟和自然資源起著重要的作用。研究表明，全球持續變暖和大尺度大氣振蕩的變化導致了長江流域許多地區夏季降水強度增加、降水日數逐漸減少［3，4］，同時水循環的加速也致使長江流域地區水資源時空分布不均勻的情況更加嚴峻，是極端天氣災害頻繁發生的重要原因［5-7］。由降水引起的洪澇干旱災害等極端事件，如1998年長江大洪水［8］（日平均降水量高達9.1 mm）以及2006年的極端干旱［9］（徑流量為此前近50年來最低水平），給人們的生命安全和生活生產造成了巨大的損失。因此，進行氣候變化情景下長江流域降水預估分析有助于為水資源規劃管理提供理論依據，也為相關部門制定未來氣候變化應對策略提供科學基礎。

氣候變化的預估主要依靠氣候模式，近年來國際耦合模式比較計劃（CMIP）在預估氣候變化及其影響方面得到了廣泛的應用［10-12］，給氣候變化預估提供了有力的支撐。為了分析長江流域未來降水的變化特征，學者們對CMIP 在該流域降水的模擬能力做了大量的評估工作。 CMIP3 和CMIP5 中的大多數模式對長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，且總體均值與觀測值較接近［13-15］。研究表明CMIP5 對長江流域降水的模擬能力強于CMIP3，且CMIP5 預測未來長江流域降水增幅在4%～8%之間，其中長江中下游地區的降水變化率較大［16］。目前CMIP6 正在進行中，它提出了最新的共享社會經濟路徑（SSP），改進了CMIP5 中長期存在的模型偏差和輻射強迫量化差的問題［17，18］，且較少應用于全球和區域氣候變化特征研究中。因此，本文基于觀測數據，評估13 個CMIP6 氣候模式在歷史情景下對長江流域降水的模擬能力，并選擇4 個SSP 情景（SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5）預估數據對長江流域21世紀的降水變化進行分析，以期為長江流域水資源管理和生態保護提供參考。

1 研究資料

1.1 研究區概況

長江發源于青藏高原東部，向東流入中國東海，全長約6 300 km，是中國最長、世界第三長的河流。長江流域（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，居住著中國近1/3 的人口，貢獻了全國約40%的GDP。長江流域地形呈多級階梯狀，和不同環流系統的相互作用導致了該地區復雜的氣候狀態，整體上表現為夏季濕熱，冬季寒冷干燥。流域大部分地區處于受夏季季風影響的亞熱帶和溫帶氣候區，長江源區位于寒冷干燥的高海拔地區。長江流域的降水量在年內分配很集中，年際變化很大，空間分布上呈現東部多、西部少的特點［7］。

1.2 研究數據

本文采用CMIP6 13 個全球氣候模式（表1）輸出的月平均降水的網格數據（https：//esgf-node.llnl.gov/search/cmip6/）。在CMIP6 提供的多個情景中，選取了歷史情景（historical，1995-2014年）和四種未來預估氣候情景（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迫情景［19］。由于所選取的13 個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一到0.5°×0.5°，并在每個網格上對插值后的模式數據進行偏差校正。

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

用于評估氣候模式模擬能力的觀測數據來自于國家氣象信息中心的中國地面降水日值0.5°×0.5°格點數據集（V2.0）（http：//data.cma.cn）。該套數據集利用高質量的2 472 個地面氣象觀測站的逐日降水資料，通過薄盤樣條插值方法進行了空間內插，得到了一套中國大陸地區1961-2014年的0.5°×0.5°日降水格點數據集。經評估該數據集精度高且接近實測降水數據［20］，目前已經得到廣泛應用［21-23］。

2 研究方法

2.1 偏差校正

基于參考期（1961-1994年）的觀測數據和模擬數據，使用等距累積分布函數匹配方法（EDCDFm）對雙線性插值后的模式數據（1995-2100年）進行偏差校正，該方法考慮到累積分布函數（CDF）在參考期和校正期之間的差異［24］，在長江流域降水偏差校正方面有著廣泛的應用［14，15］。可表示為式（1）：

2.2 統計分析方法

利用Thiel-Sen 斜率估計方法確定長江流域降水在時間上的變化趨勢，與簡單的線性回歸相比，該方法不受數據異常值的影響［25］。Mann-Kendall 通常被應用于水文、氣候等領域的趨勢檢驗，本文中我們使用該方法來檢驗趨勢在P=95%的顯著水平下是否具有統計學意義。

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，被廣泛應用于模型模擬方面［26-28］。因此，為了更好地對研究結果進行分析，本文使用MME 來最小化CMIP6模式模擬結果的誤差。

3 結果與分析

3.1 模式模擬能力評估

通過將偏差校正后的1995-2014年模擬數據與觀測數據進行對比可以發現，CMIP6 所模擬的長江流域降水量較觀測值的略高。如表2 所示，在年尺度上，1995-2014年觀測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；在季節尺度上，春、夏、秋、冬觀測降水量的多年平均值分別為184.89、241.23、122.42、59.11 mm，該時期模式模擬的季節降水量分別為195.00、286.95、131.68、63.34 mm，觀測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，長江中下游地區降水量充沛，降水量在1 650 mm 左右，而在長江上游和源頭地區的降水量相對較少。在季節尺度上，春冬兩季降水的模擬值在空間分布上與觀測值基本一致且兩者之間差異較小，在長江中下游地區降水量比較充足，并呈扇形逐漸向上游地區遞減［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值之間的差異較大，但也能刻畫出在源頭和上游地區降水較為充足的特征［圖1（b）和圖1（c）］。

表2 1995-2014年長江流域不同時間尺度觀測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年不同時間尺度長江流域降水觀測值（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

從降水量的年內分布來看，多年月平均降水模擬值與觀測值的變化趨勢和年內分布特征一致，見圖2。逐月降水的多模式集合平均值略高于觀測值，其中，5-9月模擬值與觀測值之間的偏差比其他月份的大，且該時期的模式之間的不確定性也較大。圖3 展示了1995-2014年各個模式的多年月平均降水與觀測值之間關系的標準化泰勒圖，離觀測點（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MME和模式EC-Earth3-Veg 比較接近觀測值，均方根誤差RMSD分別為0.39、0.33，相關性系數分別為0.96、0.95，標準差分別為1.20、0.82。此外，13個模式中大部分模式的相關系數都超過了0.75，標準差在0.8～1.6之間，均方根誤差處于0.3～0.8之間，基于各個模式的性能，表現較優的模型有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出一定的穩定性，并且能夠縮小模式之間的不確定性，因此研究未來長江流域降水的時空變化采用多模式集合平均的方法。

圖2 1995-2014年長江流域逐月降水觀測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值的逐月降水泰勒圖Fig.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江流域的年內、年際分布特征。因此，基于CMIP6 多模式來預估和分析長江流域未來不同氣候情景下的降水變化趨勢具有較好的參考價值。

3.2 不同情景下的降水變化預估

3.2.1 降水的時間變化

相對于歷史時期（1995-2014年），未來不同情景下長江流域的年降水量在時間變化上都顯著上升，見圖4。SSP5-8.5 情景下上升趨勢最大，年降水量以每年2.99 mm 的速度增加，并在2100年達到1 696.20 mm；而SSP1-2.6 和SSP2-4.5 情景下變化趨勢較小，分別以每年1.53、1.70 mm 的速度增加，在21 世紀60年代前增加較快，之后逐漸趨于平緩，分別在2100年達到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。總的來看，未來長江流域年降水量隨著輻射強迫水平的上升而增加速度越快。

圖4 不同氣候情景下1995-2100年長江流域年降水量的時間變化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年的進行對比，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比較一致，SSP3-7.0 情景下逐月降水的增量低于其他的3 個情景，SSP5-8.5 情景下的降水增幅最大。未來時期的月降水量相較于歷史時期的都明顯增加，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月長江流域雨水較多的時期，一直持續到10月份左右，降水量的漲幅開始縮小。

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

由于模式的預測期較長，我們將未來時期從2021年開始劃分成3個時期：2021-2040年（21世紀近期）、2041-2070年（21世紀中期）、2071-2100年（21 世紀末期），以便于分析四個情景下不同時期長江流域在不同時間尺度上相對于歷史時期的降水變化率，見圖6。在年尺度上，長江流域年降水量在各情景下的變化率隨時間增長，在近期的變化較小，末期的變化率最大。從各情景來看，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，隨著時間的推移，各個情景下的降水變化率都在逐漸增大，在末期達到峰值，尤其是在SSP5-8.5情景下，春夏降水變化率分別達到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上升，在末期分別達到9.38%和13.12%。冬季是降水變化率最大的季節，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期的分布與季節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，降水變化率為負值，降水量較歷史時期的低。

圖6 不同情景下，未來各個時期不同時間尺度長江流域降水量相對于歷史時期（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）

總的來說，不同情景下3 個時段長江流域的年降水量都在隨時間推移而增加；季節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值，這可能會加大未來季節交替時期流域洪澇干旱等災害發生的可能性。

3.2.2 降水的空間變化

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

圖7 SSP1-2.6情景下，2021-2040年（上），2041-2070年（中）和2071-2100年（下）長江流域降水量相對歷史時期（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域在長江源區和中上游北方地區［圖7（a）］；SSP2-4.5 和SSP3-7.0 以及SSP5-8.5 情景下，近期的長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江源區和中上游偏北地區［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水平，變化率高值中心主要位于降水量相對較少的長江源區和中上游南部區域。秋季，四個情景下流域大部分地區的近期降水變化率都為負值，低值中心在中上游的北部區域，到末期流域降水變化率達到最大值，尤其是在長江源區和中下游地區，變化率在20%左右。冬季，SSP3-7.0 情景下，長江流域上游南部地區的降水變化量在近期和中期為負值，降水量比歷史時期的低［圖9（d）］；其他3 個情景下的流域降水均表現為正增長，降水增幅隨著時間增大，SSP5-8.5 情景下末期的北部區域降水變化率最大，在38%左右，而南部地區變化率較小［圖10（d）］。

圖8 SSP2-4.5情景下，2021-2040年（上），2041-2070年（中）和2071-2100年（下）長江流域降水量相對歷史時期（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）長江流域降水量相對歷史時期（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）長江流域降水量相對歷史時期（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，不同情景下長江流域的年降水在近期較歷史時期的低，在中期和末期長江源區和中上游地區的降水量明顯增加。此外，春季降水變化率高值中心主要位于長江源區和中上游北部地區；夏季降水變化率普遍較低，相對而言變化率較高的區域集中在源頭區和中上游區；秋季在中上游北部地區近期和中期的降水量下降，可能導致流域干旱的可能性加大，在源區和中下游地區降水變化率呈正值；冬季在中游北部地區降水變化較大。中后期春冬兩季的降水在源區和中游地區的大幅增加有利于長江流域水資源的補給，也有可能增加洪澇災害發生的可能性，秋季中上游地區降水的下降也會加速水資源短缺。

4 結 論

基于CMIP6 比較計劃，采用長江流域的降水觀測資料作為驗證數據，評估了經過偏差校正后的13個CMIP6氣候模式對長江流域的降水模擬能力，并在4 個SSP 情景（SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5）下，對長江流域的未來降水的時空變化進行了預估分析。主要結果如下：

（1）偏差校正后的模式輸出數據對長江流域降水的模擬偏大，但與觀測值得差異較小并且能很好地模擬出降水在年內和年際間的變化特點，在空間尺度上模擬值也符合當地實際情況。

（2）時間尺度上，未來長江流域的年降水量隨著情景的強迫輻射水平的上升，增加趨勢越顯著。2021-2040年（近期）各情景下的年降水量增長緩慢，到2071-2100年（末期）降水增幅達到峰值。季節尺度上，總體表現為冬季變化率最大，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，降水量較歷史時期的有所下降。

（3）空間尺度上，未來長江流域年降水量變化率較大的區域主要集中在降水相對較少的長江源區和中游地區。在季節尺度上，春、夏季降水變化率高值中心位于長江源區和中上游地區，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近期和中期的降水量下降，降水量增加的區域集中在源區和中下游地區；在冬季，整個流域的降水都有增加，尤其是在高排放情景下的末期，長江流域北部地區降水變化率最大，南部地區變化率偏小。 □