基于CMIP6多模式的长江流域未来降水变化趋势分析

李晓蕾，王卫光，张淑林

（1.河海大学水文水资源学院，南京 210098；2.河海大学水文水资源与水利工程科学国家重点实验室，南京 210098）

0 引 言

目前气候变化正影响着自然生态系统和人类生态系统，引起了科学家们和国际社会的极大关注。政府间气候变化专门委员会（IPCC）的《全球升温1.5 ℃特别报告》指出，人类活动会造成全球温度比工业化前水平高约1.0 ℃，如果继续以目前的速率升温，到本世纪中期全球升温将达到1.5 ℃［1］。这种气候变化不仅增加水资源的压力，而且气温的持续升高会强化水文循环，导致极端天气事件的频繁发生［2］。

长江流域是世界第三大流域，对中国的社会经济和自然资源起着重要的作用。研究表明，全球持续变暖和大尺度大气振荡的变化导致了长江流域许多地区夏季降水强度增加、降水日数逐渐减少［3，4］，同时水循环的加速也致使长江流域地区水资源时空分布不均匀的情况更加严峻，是极端天气灾害频繁发生的重要原因［5-7］。由降水引起的洪涝干旱灾害等极端事件，如1998年长江大洪水［8］（日平均降水量高达9.1 mm）以及2006年的极端干旱［9］（径流量为此前近50年来最低水平），给人们的生命安全和生活生产造成了巨大的损失。因此，进行气候变化情景下长江流域降水预估分析有助于为水资源规划管理提供理论依据，也为相关部门制定未来气候变化应对策略提供科学基础。

气候变化的预估主要依靠气候模式，近年来国际耦合模式比较计划（CMIP）在预估气候变化及其影响方面得到了广泛的应用［10-12］，给气候变化预估提供了有力的支撑。为了分析长江流域未来降水的变化特征，学者们对CMIP 在该流域降水的模拟能力做了大量的评估工作。 CMIP3 和CMIP5 中的大多数模式对长江流域降水的估值偏高，但能较好地模拟出流域降水的空间分布特征，且总体均值与观测值较接近［13-15］。研究表明CMIP5 对长江流域降水的模拟能力强于CMIP3，且CMIP5 预测未来长江流域降水增幅在4%～8%之间，其中长江中下游地区的降水变化率较大［16］。目前CMIP6 正在进行中，它提出了最新的共享社会经济路径（SSP），改进了CMIP5 中长期存在的模型偏差和辐射强迫量化差的问题［17，18］，且较少应用于全球和区域气候变化特征研究中。因此，本文基于观测数据，评估13 个CMIP6 气候模式在历史情景下对长江流域降水的模拟能力，并选择4 个SSP 情景（SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5）预估数据对长江流域21世纪的降水变化进行分析，以期为长江流域水资源管理和生态保护提供参考。

1 研究资料

1.1 研究区概况

长江发源于青藏高原东部，向东流入中国东海，全长约6 300 km，是中国最长、世界第三长的河流。长江流域（90°33'E～2°25' E，24°30'N～35°45'N）覆盖面积约180 km2，是世界第三大流域，居住着中国近1/3 的人口，贡献了全国约40%的GDP。长江流域地形呈多级阶梯状，和不同环流系统的相互作用导致了该地区复杂的气候状态，整体上表现为夏季湿热，冬季寒冷干燥。流域大部分地区处于受夏季季风影响的亚热带和温带气候区，长江源区位于寒冷干燥的高海拔地区。长江流域的降水量在年内分配很集中，年际变化很大，空间分布上呈现东部多、西部少的特点［7］。

1.2 研究数据

本文采用CMIP6 13 个全球气候模式（表1）输出的月平均降水的网格数据（https：//esgf-node.llnl.gov/search/cmip6/）。在CMIP6 提供的多个情景中，选取了历史情景（historical，1995-2014年）和四种未来预估气候情景（2015-2100年）：SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5，分别代表低等、中等、中等至高等和高等排放强迫情景［19］。由于所选取的13 个气候模式的空间分辨率较低且模式间存在差异，采用双线性插值的方法将所有模式的空间分辨率统一到0.5°×0.5°，并在每个网格上对插值后的模式数据进行偏差校正。

表1 13个CMIP6 气候模式的信息Tab.1 Information of 13 CMIP6 models

用于评估气候模式模拟能力的观测数据来自于国家气象信息中心的中国地面降水日值0.5°×0.5°格点数据集（V2.0）（http：//data.cma.cn）。该套数据集利用高质量的2 472 个地面气象观测站的逐日降水资料，通过薄盘样条插值方法进行了空间内插，得到了一套中国大陆地区1961-2014年的0.5°×0.5°日降水格点数据集。经评估该数据集精度高且接近实测降水数据［20］，目前已经得到广泛应用［21-23］。

2 研究方法

2.1 偏差校正

基于参考期（1961-1994年）的观测数据和模拟数据，使用等距累积分布函数匹配方法（EDCDFm）对双线性插值后的模式数据（1995-2100年）进行偏差校正，该方法考虑到累积分布函数（CDF）在参考期和校正期之间的差异［24］，在长江流域降水偏差校正方面有着广泛的应用［14，15］。可表示为式（1）：

2.2 统计分析方法

利用Thiel-Sen 斜率估计方法确定长江流域降水在时间上的变化趋势，与简单的线性回归相比，该方法不受数据异常值的影响［25］。Mann-Kendall 通常被应用于水文、气候等领域的趋势检验，本文中我们使用该方法来检验趋势在P=95%的显著水平下是否具有统计学意义。

多模式集合平均方法（MME）是一种较好的能够减小模型模拟不确定性的方法，被广泛应用于模型模拟方面［26-28］。因此，为了更好地对研究结果进行分析，本文使用MME 来最小化CMIP6模式模拟结果的误差。

3 结果与分析

3.1 模式模拟能力评估

通过将偏差校正后的1995-2014年模拟数据与观测数据进行对比可以发现，CMIP6 所模拟的长江流域降水量较观测值的略高。如表2 所示，在年尺度上，1995-2014年观测降水的多年平均值为607.65 mm，模型模拟多年平均降水量为676.97 mm；在季节尺度上，春、夏、秋、冬观测降水量的多年平均值分别为184.89、241.23、122.42、59.11 mm，该时期模式模拟的季节降水量分别为195.00、286.95、131.68、63.34 mm，观测值与模拟值之间的差异在夏秋两季较大，在春季和冬季较小。此外，从空间分布可以看出，降水模拟值比观测值偏高，但总体上两者的降水量空间分布比较一致，见图1。年尺度上，长江中下游地区降水量充沛，降水量在1 650 mm 左右，而在长江上游和源头地区的降水量相对较少。在季节尺度上，春冬两季降水的模拟值在空间分布上与观测值基本一致且两者之间差异较小，在长江中下游地区降水量比较充足，并呈扇形逐渐向上游地区递减［图1（a）和图1（e）］；夏秋两季的流域降水比春冬多，虽然气候模拟的降水量与观测值之间的差异较大，但也能刻画出在源头和上游地区降水较为充足的特征［图1（b）和图1（c）］。

表2 1995-2014年长江流域不同时间尺度观测和模拟的多年平均降水量 mmTab.2 Annual average precipitation observed and simulated at different time scales in the Yangtze River Basin from 1995 to 2014

图1 1995-2014年不同时间尺度长江流域降水观测值（上）与模拟值（下）的空间分布Fig.1 Spatial distribution of observed（top）and simulated（bottom）precipitation in the Yangtze River Basin at different time scales from 1995 to 2014

从降水量的年内分布来看，多年月平均降水模拟值与观测值的变化趋势和年内分布特征一致，见图2。逐月降水的多模式集合平均值略高于观测值，其中，5-9月模拟值与观测值之间的偏差比其他月份的大，且该时期的模式之间的不确定性也较大。图3 展示了1995-2014年各个模式的多年月平均降水与观测值之间关系的标准化泰勒图，离观测点（OBS）越近，则表示模型模拟的效果越好。相比之下，多模型集合平均所在的点MME和模式EC-Earth3-Veg 比较接近观测值，均方根误差RMSD分别为0.39、0.33，相关性系数分别为0.96、0.95，标准差分别为1.20、0.82。此外，13个模式中大部分模式的相关系数都超过了0.75，标准差在0.8～1.6之间，均方根误差处于0.3～0.8之间，基于各个模式的性能，表现较优的模型有IPSL-CM6A-LR、MPIESM1-2-LR 以及MPI-ESM1-2-HR。较单一模式而言，多模式集合平均表现出一定的稳定性，并且能够缩小模式之间的不确定性，因此研究未来长江流域降水的时空变化采用多模式集合平均的方法。

图2 1995-2014年长江流域逐月降水观测值与模式模拟值的逐月变化Fig.2 Monthly variation of observed and simulated precipitation over the Yangtze River Basin from 1995 to 2014

图3 1995-2014年不同气候模式模拟值与观测值的逐月降水泰勒图Fig.3 Monthly precipitation Taylor diagram of simulated under different climate models and observed from 1995 to 2014

以上分析表明，虽然CMIP6 模式模拟的降水较观测值有所偏高，但差异不大，并且模式能够很好地刻画出降水在长江流域的年内、年际分布特征。因此，基于CMIP6 多模式来预估和分析长江流域未来不同气候情景下的降水变化趋势具有较好的参考价值。

3.2 不同情景下的降水变化预估

3.2.1 降水的时间变化

相对于历史时期（1995-2014年），未来不同情景下长江流域的年降水量在时间变化上都显著上升，见图4。SSP5-8.5 情景下上升趋势最大，年降水量以每年2.99 mm 的速度增加，并在2100年达到1 696.20 mm；而SSP1-2.6 和SSP2-4.5 情景下变化趋势较小，分别以每年1.53、1.70 mm 的速度增加，在21 世纪60年代前增加较快，之后逐渐趋于平缓，分别在2100年达到1 573.34和1 574.56 mm。在SSP3-7.0情景下，年降水量在2060年以前的增加比较缓慢，之后的上升速度较快。总的来看，未来长江流域年降水量随着辐射强迫水平的上升而增加速度越快。

图4 不同气候情景下1995-2100年长江流域年降水量的时间变化Fig.4 Temporal variation of annual precipitation in the Yangtze River Basin during 1995-2100 under different climate scenarios

将2015-2100年4 种情景下的多年月平均降水量与1995-2014年的进行对比，见图5。从降水的逐月变化可以看出，SSP1-2.6 和SSP2-4.5 情景下的逐月降水量变化趋势比较一致，SSP3-7.0 情景下逐月降水的增量低于其他的3 个情景，SSP5-8.5 情景下的降水增幅最大。未来时期的月降水量相较于历史时期的都明显增加，从2月开始也就是冬春交替之际，降水量的涨幅逐渐增大，尤其是在6-8月长江流域雨水较多的时期，一直持续到10月份左右，降水量的涨幅开始缩小。

图5 历史时期（1995-2014年）和未来时期（2015-2100年）不同气候情景下长江流域降水的逐月趋势变化Fig.5 Monthly trends of precipitation in the Yangtze River Basin under different climate scenarios in the future period

由于模式的预测期较长，我们将未来时期从2021年开始划分成3个时期：2021-2040年（21世纪近期）、2041-2070年（21世纪中期）、2071-2100年（21 世纪末期），以便于分析四个情景下不同时期长江流域在不同时间尺度上相对于历史时期的降水变化率，见图6。在年尺度上，长江流域年降水量在各情景下的变化率随时间增长，在近期的变化较小，末期的变化率最大。从各情景来看，近期各情景下的年降水量变化率：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。在季节尺度上，降水在冬季降水变化率最高，秋季的变化率最低。在春季和夏季，随着时间的推移，各个情景下的降水变化率都在逐渐增大，在末期达到峰值，尤其是在SSP5-8.5情景下，春夏降水变化率分别达到16.8%、12.0%。秋季降水量的变化率总体保持在较低的水平，不同情景下的降水变化不同，在SSP2-4.5 和SSP3-7.0 情景下，近期的降水较历史时期的低，然后在中期缓慢上升，变化率在5%左右；SSP1-2.6和SSP5-8.5 情景下的降水变化率从近期到末期持续上升，在末期分别达到9.38%和13.12%。冬季是降水变化率最大的季节，但在近期降水变化幅度都比较低，到中期各情景下的降水变化率差异较大：SSP1-2.6（12.89%）＞SSP5-8.5（9.12%）＞SSP2-4.5（1.50%）＞SSP3-7.0（0.43%）；到末期冬季降水变化率达到峰值：SSP1-2.6（15.11%）＞SSP2-4.5（12.23%）＞SSP5-8.5（12.14%）＞SSP3-7.0（6.66%）。月尺度上的降水变化率在不同情景时期的分布与季节降水变化率比较吻合，从图6 可以看出，1-3月、12月的降水变化率较大，尤其是在SSP1-2.6和SSP5-8.5情景下的中期和末期。5-8月，各情景下的降水变化率都普遍偏低。此外，在9-11月，SSP2-4.5 和SSP3-7.0 情景下的近期和中期，降水变化率为负值，降水量较历史时期的低。

图6 不同情景下，未来各个时期不同时间尺度长江流域降水量相对于历史时期（1995-2014年）变化率的色度图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）

总的来说，不同情景下3 个时段长江流域的年降水量都在随时间推移而增加；季节降水变化率在冬季最大，春季和夏季的降水变化比较平缓，秋季的最小，并且在SSP3-7.0 情景下秋季的近期降水变化率为负值，这可能会加大未来季节交替时期流域洪涝干旱等灾害发生的可能性。

3.2.2 降水的空间变化

图7～图10 展示了不同气候情景下，未来各个时段长江流域在年尺度和季节尺度上降水变化率的空间分布。在年尺度上，近期长江流域年降水量的增量普遍偏低，并且在SSP3-7.0情景下，中上游地区降水变化率为负值；中期和后期各情景下的降水变化率在全流域范围内都逐渐增大，降水变化较大的区域主要集中在降水较少的长江源区和中游地区，而在下游地区降水变化率较低。

图7 SSP1-2.6情景下，2021-2040年（上），2041-2070年（中）和2071-2100年（下）长江流域降水量相对历史时期（1995-2014）的空间分布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）

降水变化率在各季节的空间分布也存在着差异。春季，在SSP1-2.6 情景下，降水变化率最大的区域在长江源区和中上游北方地区［图7（a）］；SSP2-4.5 和SSP3-7.0 以及SSP5-8.5 情景下，近期的长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，变化率高值中心均在长江源区和中上游偏北地区［图8（a）、图9（a）、图10（a）］。夏季，全流域降水整体保持在较低的增长水平，变化率高值中心主要位于降水量相对较少的长江源区和中上游南部区域。秋季，四个情景下流域大部分地区的近期降水变化率都为负值，低值中心在中上游的北部区域，到末期流域降水变化率达到最大值，尤其是在长江源区和中下游地区，变化率在20%左右。冬季，SSP3-7.0 情景下，长江流域上游南部地区的降水变化量在近期和中期为负值，降水量比历史时期的低［图9（d）］；其他3 个情景下的流域降水均表现为正增长，降水增幅随着时间增大，SSP5-8.5 情景下末期的北部区域降水变化率最大，在38%左右，而南部地区变化率较小［图10（d）］。

图8 SSP2-4.5情景下，2021-2040年（上），2041-2070年（中）和2071-2100年（下）长江流域降水量相对历史时期（1995-2014）的空间分布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）

图9 SSP3-7.0情景下，2021-2040年（上），2041-2070年（中）和2071-2100年（下）长江流域降水量相对历史时期（1995-2014）的空间分布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）

图10 SSP5-8.5情景下，2021-2040年（上），2041-2070年（中）和2071-2100年（下）长江流域降水量相对历史时期（1995-2014）的空间分布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）

综上所述，不同情景下长江流域的年降水在近期较历史时期的低，在中期和末期长江源区和中上游地区的降水量明显增加。此外，春季降水变化率高值中心主要位于长江源区和中上游北部地区；夏季降水变化率普遍较低，相对而言变化率较高的区域集中在源头区和中上游区；秋季在中上游北部地区近期和中期的降水量下降，可能导致流域干旱的可能性加大，在源区和中下游地区降水变化率呈正值；冬季在中游北部地区降水变化较大。中后期春冬两季的降水在源区和中游地区的大幅增加有利于长江流域水资源的补给，也有可能增加洪涝灾害发生的可能性，秋季中上游地区降水的下降也会加速水资源短缺。

4 结 论

基于CMIP6 比较计划，采用长江流域的降水观测资料作为验证数据，评估了经过偏差校正后的13个CMIP6气候模式对长江流域的降水模拟能力，并在4 个SSP 情景（SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5）下，对长江流域的未来降水的时空变化进行了预估分析。主要结果如下：

（1）偏差校正后的模式输出数据对长江流域降水的模拟偏大，但与观测值得差异较小并且能很好地模拟出降水在年内和年际间的变化特点，在空间尺度上模拟值也符合当地实际情况。

（2）时间尺度上，未来长江流域的年降水量随着情景的强迫辐射水平的上升，增加趋势越显著。2021-2040年（近期）各情景下的年降水量增长缓慢，到2071-2100年（末期）降水增幅达到峰值。季节尺度上，总体表现为冬季变化率最大，春季和夏季比较平缓，秋季变化率最小，并且在SSP3-7.0情景下，近期的秋季降水变化率为负值，然后在中期降水缓慢上升。月尺度上的降水变化率与季节的变化率相吻合，1-3月、12月的降水变化率最大；5-8月，降水量充沛但变化率普遍偏低；9-11月，SSP2-4.5 和SSP3-7.0 情景下的近期和中期，降水量较历史时期的有所下降。

（3）空间尺度上，未来长江流域年降水量变化率较大的区域主要集中在降水相对较少的长江源区和中游地区。在季节尺度上，春、夏季降水变化率高值中心位于长江源区和中上游地区，并且夏季全流域降水变化率普遍较低；秋季在中上游北部地区近期和中期的降水量下降，降水量增加的区域集中在源区和中下游地区；在冬季，整个流域的降水都有增加，尤其是在高排放情景下的末期，长江流域北部地区降水变化率最大，南部地区变化率偏小。 □