2015－2100年黄土高原四季气候变化的时空分布趋势预测

任婧宇，赵俊侠，马红斌，彭守璋，李炳垠

（1.水利部 黄河水利委员会 黄河上中游管理局，陕西 西安710021；2.西北农林科技大学 水土保持研究所黄土高原土壤侵蚀与旱地农业国家重点实验室，陕西 杨凌712100；3.中国科学院 水利部 水土保持研究所，陕西 杨凌712100）

气候变化会对社会经济活动、农业、环境和生态系统产生深远的影响，近年来气候变化特征及未来气候趋势预测已成为全球各界关心的热点问题［1］。IPCC第五次评估报告［2］指出：20世纪50年代以来，全球几乎所有地区都出现了不同程度的升温变暖；到本世纪末，在估算最保守的排放情境下，全球地表均温可能超过1.5 ℃。中国气候变化趋势与全球变化总趋势基本一致，近50 a来增暖尤其明显，降水量以12.66 mm／10 a的速度减少［3-4］。在此背景下，中国四季气候也发生了明显变化，郁珍艳等［5］指出中国四季开始日期发生显著变化，春、夏季提早，秋、冬季推迟，20世纪80年代初期开始冷季增暖明显，进入90年代以后夏季增暖也日趋明显。这些变化会引起旱涝灾害频次和强度的增加、荒漠化趋势的增强、物候期的改变等［6］，对区域气候和生态环境产生深远影响，尤其是对气候变化的敏感区和生态环境的脆弱带［7］。而黄土高原，以其独特的地理地貌和复杂多样的生态环境成为气候变化敏感区和生态环境脆弱带的典型代表［8］，全球变暖背景下四季气候的变化对该区未来时期的植被恢复与重建、水土资源变化以及农业生产有一定的影响，会限制该地区的发展。因此，系统、详细地研究黄土高原未来时期四季气候在区域时空上的变化趋势，对其应对全球气候变化带来的负面效应并便于制定合适的适应性与缓解性策略等具有非常重要的实际意义。

利用大气环流模式（general circulation model，GCM）预估未来气候变化是目前最可行的方法。随着数值预报理论与方法、大气探测技术及计算机技术的迅速发展，GCM 模型的空间分辨率已达到几十公里甚至十几公里，能够对全球尺度下气候情形进行宏观预测与分析，但其输出分辨率依然较低，缺少区域信息，因此对区域气候变化模拟以及对未来气候变化预估（如季节、年际以及年代际预测）的准确性较低［9］。为此，通常使用降尺度方法将气候模式输出的气候数据由低分辨率、长时间间隔转化成高分辨率、短时间间隔，为区域气候变化影响评价提供理论依据和数据资料［10］。降尺度方法主要有统计降尺度和动力降尺度。与统计降尺度相比，动力降尺度需要大量参数和较多计算资源驱动［11］，并且有时不能真实反映小地理尺度上的气候变化［12］。常用的统计降尺度法有线性回归法和Delta法，目前众多学者选择Delta法对气候模式数据进行降尺度处理［13-14］。Delta法使用低空间分辨率的月气候数据和高空间分辨率的参考气候数据作为输入数据，与直接插值不同，该方法可引入地形地貌对气候的影响［13］，可得到小地理尺度上精准的降尺度气候数据。

目前已有很多针对黄土高原气候变化趋势的研究［15-16］，但大都基于气象站点资料、线性回归法或直接插值进行降尺度，研究该区气候变化规律，这很难描述气候在小地理尺度上的详细变化。此外，多数研究仅对该区历史时期的年均温和年降水量变化特征进行了研究，缺乏未来时期四季气温、降水变化趋势的研究。鉴于此，本研究以IPCC 耦合模式比较计划第5 阶 段（coupled model intercomparison project phase 5，CMIP5）发布的GCMs为基础，采用Delta法［17］进行空间降尺度，获取黄土高原未来时期高空间分辨率（约1 km）四季的温度和降水数据集，并辅以距平、Mann-Kendall趋势检验和Sen’s斜率估计等方法，对该区2015—2100年四季的气候变化、趋势特征及其空间分布进行分析，以期为该区在制定应对全球气候变化策略时提供科学依据。

1 研究区概况、数据与方法

1.1 研究区概况

黄土高原位于中国中部偏北，东起太行山，西至乌鞘岭，南连秦岭，北抵长城，主要包括山西、陕西、以及甘肃、青海、宁夏、河南等省部分地区（100.8—114.6°E，33.7°—41.3°N）（附图28）。该区总面积约64.06×104km2，其中水土流失面积24.63×104km2（截至2015年底）［18］，生态环境脆弱，是气候敏感区。该区主要受暖温带半干旱大陆性季风气候的影响，冬季寒冷干燥，夏季温暖多雨；年均温约4 ℃～12 ℃，从东南向西北逐渐降低；多年平均降水量为466 mm，降水年际变化大，季节分配不均，从东南向西北降水量逐渐减少［19］；该区横跨半湿润、干旱和半干旱区，植被依次以森林带、森林草原过渡带和草原带呈明显的地带性规律分布，主要植物有辽东栋（Quercus wutɑishɑnseɑ）、油松（Pinus tɑbuliformis）、杨树（Populus）、沙棘（Hippophɑe rhɑmnoides）、和刺槐（Robiniɑpseudoɑcɑciɑ）等［25］。

1.2 数据来源

Delta降尺度所需数据包括长时间序列低空间分辨率的气候数据集和高空间分辨率的参考气候数据集（包含地形、地貌等因素）。前者采用CMIP5提供的27个GCMs的月均温和月降水量数据集（http：∥gdo-dcp.ucllnl.org／downscaled _cmip _projections／），详 细 信 息 见 表1［20］。这27 个GCMs经 过误差订正空间分解法（Bias-Correction Spatial Disaggregation，BCSD）处理，空间分辨率为0.5°［21］；时间长度是1950—2100 年，其中1950—2005 年数据是历史排放情景下的历史时期数据，2006—2100 年数据是未来气候变化典型浓度路径（representative concentration pathway，RCP）下（即RCP2.6，RCP4.5，RCP6.0和RCP8.5）的未来时期数据，由于RCP4.5和RCP6.0 相 似［2］，本 研 究 选 择3 种 路 径 情 景 下（即RCP2.6，RCP4.5 和RCP8.5）的GCMs 气 候数据进行研究。后者来源于国家生态系统观测研究网络（CNERN，http：∥www.cnern.org.cn）；该数据资料是利用全国740 个气象站点数据，使用空间插值和地理信息系统生成的气象要素栅格数据；数据为1961—2000 年各月的均值，空间分辨率是1 km。

表1 27个GCMs模式情况

此外，本研究使用研究区内外（附图29）113个气象站点数据对降尺度后的气候数据集进行评估、筛选，该站点数据来源于中国气象数据网（http：∥data.cma.cn），时间长度约为1954—2019。

1.3 降尺度过程

对上述数据使用Delta空间降尺度方法进行处理，获得2015年1月至2100年12月空间分辨率为1 km的月均温和月降水量数据，用于分析黄土高原未来时期四季气候的时空变化和趋势。Delta降尺度法是BCSD方法的一部分，其具体的降尺度计算过程［13，20，22］已在许多相关文献中得到了详细的描述。在用Delta法进行降尺度的过程中，插值方法的使用会影响所获得降尺度数据的精确性，所以本文使用了4种插值方法（三次样条插值法、双线性插值法、最近邻点插值法和双三次插值法），这4种插值方法使用MATLAB 中的内插函数进行处理。

1.4 分析方法

本研究以CRU 1961.1至1990.12 Delta降尺度的月均温和月降水量数据均值作为参考气候平均值，运用距平法、Mann-Kendall趋势检验法和Sen’s斜率估计对筛选出的2015年1月至2100年12月最适GCMs模式下降尺度的四季气候数据集进行分析，春季为3—5月，夏季为6—8月，秋季为9—11月，冬季为12—翌年2月。其中，利用距平法分析研究区2015—2100 年四季温度和降水在时间尺度上相对于参考气候平均值分别变化了多少。结合Sen’s斜率估计值的Mann-Kendall趋势检验法是用于检测研究区2015—2100年四季温度和降水的趋势。Mann-Kendall趋势检验提供度量值（Z）来检验时间序列变化趋势是否显著［23］，本 研 究 取 显 著 水 平α＝0.05，Z1－α／2＝Z0.975＝1.96。当｜Z｜≤1.96 时，认为趋势不显著；若｜Z｜＞1.96，则认为趋势显著，且如果Z＞0则认为序列存在上升趋势，Z＜0则认为序列存在下降趋势。Sen’s斜率估计可以计算出序列趋势的变化程度（s）［24］。通过Z 值分析研究区2015—2100年四季降水和温度时空尺度上趋势的显著性，使用s值反应其趋势的变化程度。

2 结果与分析

2.1 均温和降水降尺度结果评估

Peng等人［22］使用Delta法对黄土高原28个GCMs月均温和月降水量数据进行空间降尺度获取1 km 空间分辨率的月气候数据，其中的27个GCMs与本研究涉及到的GCMs相同。同时，其降尺度过程中也使用了4种插值方法（三次样条插值法、双线性插值法、最近邻点插值法和双三次插值法）进行处理，所用插值方法也与本研究相同。Peng 等［22］使用1991 年1月至2005年12月均温和降水量的站点观测数据对GCMs 1991年1月至2005年12月的降尺度数据进行了评估，从其研究结果可知，使用Delta法将黄土高原GCMs网格分辨率为0.5°×0.5°的月均温和月降水量气象数据降尺度到分辨率为1 km×1 km 的网格上是可行的，所用到的4种插值方法中双线性插值法处理的降尺度结果具有更高精度，且NorESM1-M 模式是最适合模拟未来时期黄土高原地区月均温降尺度的气候模式，GFDL-ESM2M 模式是最适合模拟未来时期黄土高原地区月降水量降尺度的气候模式（见图1）。

本研究通过回归分析发现，使用双线性插值法处理的Nor ESM1-M 模式四季月均温降尺度值与观测值具有很好的线性关系，决定系数分别为0.93，0.89，0.99和0.90（图1a1，1b1，1c1，1d1）。同样，使用双线性插值法处理的GFDL-ESM2M 模式四季月降水量降尺度值与观测值也具有很好的线性关系，决定系数分别为0.88，0.86，0.99和0.99（图1a2，1b2，1c2和1d2）。因此，本研究将使用双线性插值法处理的Nor ESM1-M 模式月均温降尺度数据和GFDLESM2M 模式月降水量降尺度数据对黄土高原2015—2100年四季均温和降水的变化趋势进行分析。

2.2 黄土高原四季均温变化趋势分析

对研究区2015—2100年的四季均温进行距平运算，结果见图2。从图2可知，与气候平均值相比，整个黄土高原3种RCP情景下的四季均温距平波动均较为剧烈，四季均温均在RCP8.5情景下的变化范围最大，分别比气候平均值高0.11℃～4.90℃，0.03℃～5.46℃，0.02℃～5.59 ℃和0.26 ℃～7.51 ℃。比较表2中的结果发现，随着进入21 世纪初期（2015—2040年）、中期（2041—2070年）、末期（2071—2100年），3种RCP情景下四季的平均距平均逐渐增大；到了21世纪末期，3种RCP情景下距平之间的变化均有显著差异；同一RCP情景下，无论在哪一时期，冬季均温的距平变化在四季中均是最大的。表3统计可知，随着排放情景的升高（即RCP2.6，RCP4.5，RCP8.5），2015—2100年四季均温的平均距平均逐渐增大；春季平均值分别为0.83±0.09℃，1.34±0.10 ℃，2.12±0.15 ℃，夏季平均值分别为0.79±0.05℃，1.33±0.10 ℃，2.29±0.16℃，秋季平均值分别为1.13±0.07 ℃，1.60±0.08 ℃，2.64±0.17 ℃，冬季的平均值分别为1.49±0.12 ℃，2.09±0.13 ℃，3.26±0.20 ℃；3种排放情景下，冬季均温距平的变化在四季中均是最大的。根据Mann-Kendall趋势检验法可知在95%的置信水平下（表3），除了RCP2.6情景下春季、秋季的均温无显著变化趋势，其余排放情景下的季均温均呈显著上升趋势，同一排放情景下，四季中冬季的上升速率几乎是最快的。

图1 1991年1月至2005年12月黄土高原四季均温和降水量观测值与降尺度值的特征

表2 2015－2100年黄土高原3种RCP情景下不同时间段四季均温变化的平均值 ℃

图2 2015－2100年黄土高原四季均温距平变化

表3 2015－2100年黄土高原四季均温3种RCP情景下变化的平均值（℃）、标准误差SE，Z 及s（℃／10 a）

在研究区内的每个栅格上对2015—2100年3种RCP情景下的四季均温进行Mann-Kendall趋势检验和Sen’s斜率估算，其趋势的空间分布如附图29所示。除了RCP2.6 情景，其余两种RCP 情景下四季均温通过显著性检验的区域均为整个黄土高原地区（附 图29b1，29b2，29b3，29b4）黑 框 区 域 和（附 图29c1，29c2，29c3，29c4黑 框 区 域）。RCP2.6 情 景 下，春季均温通过显著性检验的区域集中在宁夏、内蒙古、青海和山西部分以外的黄土高原中部地区（附图29a1黑框区域），占黄土高原面积的69.27%；夏季通过显著性检验的区域集中在贵德、同仁和大同以外的地区（附图29a2黑框区域），占黄土高原面积的98.38%；秋季通过显著性检验的区域集中在黄土高原东北部地区（附图29a3黑框区域），占黄土高原面积的57.17%；冬季通过显著性检验的区域集中在青海部分区域以及临洮以外的地区（附图29a4黑框区域），占黄土高原面积的93.01%。

未来时期这些区域3种RCP情景下四季均温全部呈上升趋势。且由表4可知，3种RCP情景下四季均温的上升速率均有较大差异，空间变异系数为2.06～30.40%，其中同种RCP情景下冬季均温的空间变异系数最大。随着排放情景的升高（即RCP2.6，RCP4.5，RCP8.5），未来时期四季升温的平均速率均逐渐增大，且RCP8.5情景下冬季升温的平均速率最大，为0.61 ℃／10 a，上升速度由东南向西北逐渐变大；RCP2.6和RCP4.5情景下，冬季均温的上升速度均由西南向北逐渐变大；RCP4.5 情景下，春季均温上升速度由东南向西北逐渐变大，夏季由西南向北逐渐变大；RCP8.5 情景下，春季均温上升速度由南向西北逐渐变大。

表4 2015－2100年黄土高原四季均温显著趋势空间分布的变化特征

2.3 黄土高原四季降水量变化趋势分析

对黄土高原2015—2100年的四季降水进行距平运算，结果见图3。从图3可知，与气候平均值相比，整个黄土高原3种RCP情景下的四季降水距平百分比均剧烈波动，春季、夏季降水在RCP4.5情景下的变化范围最大，分别为－73.04%～147.18%和－53.80%～65.50%；秋季、冬季降水在RCP8.5情景下的变化范围最大，－71.85%～114.70%和－84.36%～222.80%。比较表5中的结果发现，随着进入21世纪初期（2015—2040 年）、中 期（2041—2070 年）、末 期（2071—2100年），春季降水在3种RCP情景下与气候平均值相比均是增加的，夏季降水只在RCP8.5情景下是增加的，冬季在RCP4.5和RCP8.5情景下是增加的。表6统计可知，随着排放情景的升高（即RCP2.6，RCP4.5，RCP8.5），2015—2100年春季和冬季降水的距平均值均逐渐增大，与气候平均值相比降水是增加的；其余季节降水的距平均值增减不一，春季平均值分别为（13.58±4.32）%，（16.38±4.09）%，（22.98±3.94）%，夏季平均值分别为（1.30±2.56）%，（－0.31±2.64）%，（11.51±2.47）%，秋季平均值分别为（－2.06±3.72）%，（2.40±3.79）%，（1.98±4.18）%，冬季的平均值分别为（8.83±6.02）%，（18.53±7.16）%，（26.34±7.85）%；3种排放情景下，冬季降水距平均值在四季中几乎是最大的。根据Mann-Kendall趋势检验法可知在95 %的置信水平下（表6），除了RCP4.5和RCP8.5 情景下春季降水呈显著上升趋势，上升速率分别为3.13 mm／10 a和4.45 mm／10 a，其余排放情景下的季降水均无显著变化趋势。

图3 2015－2100年黄土高原四季降水量距平百分比变化

表5 2015－2100年黄土高原3种RCP情景下不同时间段四季降水量变化的平均值 %

表6 2015－2100年黄土高原四季降水3种RCP情景下变化的平均值（mm）、标准误差SE，Z 及s（mm／10 a）

在研究区内的每个栅格上对2015—2100年3种RCP情景下四季降水进行Mann-Kendall趋势检验和Sen’s斜率估算，其趋势的空间分布如附图30所示。

春季降水在RCP2.6情景下没有通过显著性检验的区域（附图30a1），其余两种RCP 情景下通过显著性检验的区域分别集中在黄土高原西北部、南部（附图30b1黑框区域）和北部以外的大部分地区（附图30c1黑框区域），这些区域呈上升趋势，分别占黄土高原面积的41.70%和92.78%；夏季降水在3种RCP情景下均有通过显著性检验的区域，分别集中在黄土高原最西端极少数地区（附图30a2蓝框区域）、西南部（附图30b2黑框区域）和最南端极少部分地区（附图30c2黑框区域），其中RCP2.6情景下的这些区域呈下降趋势，RCP4.5和RCP8.5情景下的区域呈上升趋势，分别仅占黄土高原面积的0.05%，6.35%和0.05%；秋季降水只在RCP8.5情景下有通过显著性检验的区域，主要集中在黄土高原东南部地区（附图30c3蓝框区域），这些区域呈下降趋势，占黄土高原面积的5.43%；冬季降水在3种RCP情景下均有通过显著性检验的区域，且这些区域均呈上升趋势，分别集中在宁夏部分地区（附图30a4黑框区域）、黄土高原西南部内蒙古部分地区（附图30b4黑框区域）和西北端青海、宁夏部分地区（附图30c4黑框区域），分别占黄土高原面积的3.63%，13.14%和4.49%。

由表7可知，不管区域显著趋势是上升还是下降，3种RCP情景下四季降水的变化速率均有较大差异，空间变异系数为10.57%～42.79%。对比所有RCP情景下四季降水的空间变异系数，春季降水的最大，且其内降水的上升速度均由北向南逐渐变大；同种RCP情景下，夏季降水的上升速度均为最大，其平均值分别为9.30 mm／10 a和10.81 mm／10 a；秋季降水的下降速度由西北向东南逐渐变大，平均速率为7.36 mm／10 a；冬季降水上升的速度均较小，平均速率只有0.61 mm／10 a，0.37 mm／10 a和0.48 mm／10 a。

表7 2015－2100年黄土高原四季降水量显著趋势空间分布的变化特征

3 讨论

目前，区域尺度上的未来气候变化及趋势研究中通常存在一定的不确定性，该不确定性主要来自所用气候模式和降尺度过程。为满足研究气候变化的需要，世界气候研究计划（WCRP）耦合模式工作组（WGCM）联合国际地圈—生物圈计划、地球系统集成与建模项目以及世界上20多个知名的气候模拟机构共同组织实施了国际耦合模式比较计划（CMIP）［25］。本研究所用的CMIP5发布的气候模式是目前为止最全面的气候模式［25］，被诸多学者应用于一系列区域气候变化研究［1，22］。CMIP5 模式在SRES情景的基础上进行了重大改进，结合了RCPs去表征未来温室气体排放情景，3种情景依据全球温室气体排放程度确定CO2的排放范围和每个情景的辐射强度［26］，与耦合模式比较计划第三阶段（CMIP3）的气候模式相比，CMIP5模式采用了更合理的参数化方案、通量处理方案和耦合器技术，以提高气候模式的模拟和预估能力，增强对气候系统变化的机理性认识［26］。且本研究采用多个气候模式数据（27个GCMs在多种排放情景下的数据）进行研究，降低了不同模式、不同干扰设定对区域未来气候预估的不确定性。Delta空间降尺度过程中采用了高空间分辨率的参考气候数据集，其中包含地形效应，得到的高空间分辨率网格地图数据包含了详细的地理信息，比如精确的地理位置、面积信息，且本研究降尺度过程中使用了4种插值法，这在一定程度上降低了Delta法在插值处理过程所产生的误差。Peng等［22］使用与本研究相同的方法和数据降尺度到1 km 空间分辨率，其研究结果表明，在黄土高原地区使用Delta法将GCMs气象数据降尺度到1 km的网格上是可行的，且GCMs 降尺度数据比GCMs原始数据更加接近站点观测数据。因此，本研究分析黄土高原未来时期四季气候变化时空分布特征所得到的结果也较为可信。

赵天保等［27］研究结果表明，在不同RCP情景下，未来时期中国干旱半干旱区都以增温为主要特征，高等浓度路径下（RCP8.5）增温趋势更显著，且可能是气温升高、降水增多最为显著的区域之一。黄土高原横跨半湿润、干旱和半干旱区，本文结果表明，21世纪其四季温度变化趋势与赵天保等［27］研究结果相似，四季均温均在RCP8.5情景下的变化范围最大，且3种排放情景下，冬季均温的增温幅度在四季中均是最大的。程 雪 蓉 等［28］研 究 结 果 指 出，2010—2099 年RCP4.5和RCP8.5情景下，中国的气温增加明显，并呈现出春弱秋冬强的特征；冬季全国的降水线性趋势普遍较小，春夏季全国的降水趋势普遍增大。本研究黄土高原在RCP4.5和RCP8.5情景下，四季气温增加明显，其中秋冬增温的平均值均高于春夏；降水只在春季呈上升趋势，其他季节均无显著变化趋势，且RCP4.5情景下春季、夏季降水量的增幅最大，这与程雪蓉等［28］研究结果相比相似。但本文黄土高原地区的降水在RCP8.5情景下秋季、冬季降水量的增幅最大，这与程雪蓉等［28］的研究结果不太一致。黄土高原气候变化特征与中国气候变化特征结果相似，说明黄土高原区域气候对全国气候变暖有显著响应。但在小地理尺度上，不同地区四季温度和降水的变化趋势却会有明显差异，产生这种差异的原因可能是气候变化在空间上具有差异性，降水和气温受区域大气条件、地形地貌、下垫面等多种因素影响，具有明显的区域性特征。且四季温度和降水在未来时期的变化趋势差异也与所用气候模式描述的物理过程及模拟巧技有关，与所用模式的气候敏感度也有关［29］。

20世纪以来，全球变暖已被广泛接受，并认为它已经并且正在对社会经济活动、农业、环境和生态系统产生深远影响。然而，目前在全球变暖的成因、幅度、空间分布及其未来变化等问题上还存在着不同的意见。本文研究了黄土高原未来时期四季气候的变化趋势，只得到了一些初步结果，对于造成未来时期黄土高原区域特定季节下气候变化的成因等问题，还需展开进一步的研究。

4 结论

（1）本文所用的27个GCMs中，最适合模拟黄土高原未来时期四季月均温和月降水量Delta降尺度的气候模式分别是Nor ESM1-M 和GFDL-ESM2M模式。

（2）2015—2100年黄土高原区域四季均温除了RCP2.6情景下的春季、秋季无显著趋势，其余情景下四季均温均呈显著上升趋势，且同一情景下冬季上升速率是最快的；四季降水量只有RCP4.5和RCP8.5情景下的春季呈显著上升趋势，其余排放情景下四季降水量均无显著趋势。

（3）3种RCP情景下，2015—2100年黄土高原区域四季均温在21 世纪初期（2015—2040 年）、中期（2041—2070年）和末期（2071—2100年）相比于气候平均值均是增加的，且RCP8.5情景下冬季均温的变化最大；降水量只在春季均是增加的，冬季只在RCP4.5和RCP8.5情景下是增加的，但冬季降水的变化在四季中是最大的。

（4）空间分布上，四季均温在RCP2.6情景下为黄土高原部分地区呈显著上升趋势，RCP4.5 和RCP8.5情景下为整个黄土高原地区均呈显著上升趋势；3种RCP情景下，四季降水量趋势在空间分布上具有很大差异，春季降水量增加速率均由北向南逐渐变大，秋季的下降速率由西北向东南逐渐变大；同种RCP情景下，夏季降水的增加速率最大，冬季增加速率较小。