基于CMIP 6多模式的长江流域气温、降水与径流预估

收稿日期Received：2022-03-12""" 修回日期Accepted：2022-05-07

基金项目：国家自然科学基金项目（41971025）。

第一作者：何旭（hexu9720@163.com）。

*通信作者：缪子梅（miaozimei@njfu.edu.cn），研究员。

引文格式：

何旭，缪子梅，田佳西，等. 基于CMIP 6多模式的长江流域气温、降水与径流预估. 南京林业大学学报（自然科学版），2023，48（2）：1-8.

HE X，MIAO Z M，TIAN J X， et al. Temperature， precipitation and runoff prediction in the Yangtze River basin based on CMIP 6 multi-model. Journal of Nanjing Forestry University （Natural Sciences Edition），2023，48（2）：1-8.

DOI：10.12302/j.issn.1000-2006.202203028.

摘要：【目的】探究未来气候变化对长江流域径流的影响，为长江流域及其他地区的早期洪水预警和防御措施提供依据。【方法】采用国际耦合模式比较计划第6阶段（CMIP 6）多模式集合平均（MME），结合SWAT水文模型，对长江流域1961—2014年气温、降水量和径流等进行评估，并预估了长江流域2020—2099年SSP1-1.9、SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5排放情景下的气温、降水量和径流。【结果】①相比单一模式，MME历史时期模拟气温和降水效果更好，与观测值的相关系数均大于0.90，MME可以很好地模拟出气温和降水量的空间分布规律。②由MME分析可知，2020—2099年长江流域在所有情景下的气温增幅低于50%，降水增量小于20%，在SSP5-8.5情景下模拟的温度值比SSP1-1.9时的温度值高1.23 ℃，比SSP1-2.6时的温度值高0.99 ℃。③总体上，长江流域未来的年均径流量增加显著，到21世纪末，SSP5-5.8情景下年均径流量将达到40 380 m3/s。【结论】本研究揭示了长江流域径流变化趋势与气温与降水之间的相互关系，以及模拟未来气候变化的准确度，同时认为未来长江流域气温、降水量与径流量均呈上升趋势，低碳排放情景下的洪涝灾害相对较少，可为以后长江流域洪涝灾害的预估和区域性气候变化提供依据。

关键词：长江流域；气候变化；国际耦合模式比较计划第6阶段（CMIP 6）；集合预估；径流模拟

中图分类号：P467""""""" 文献标志码：A开放科学（资源服务）标识码（OSID）：

文章编号：1000-2006（2024）02-0001-08

Temperature， precipitation and runoff prediction in the Yangtze River basin based on CMIP 6 multi-model

HE Xu1，MIAO Zimei1*，TIAN Jiaxi2，YANG Liu1，ZHANG Zengxin1，ZHU Bin1

（1.Co-Innovation Center for Sustainable Forestry in Southern China， Jiangsu Province Key Laboratory of Soil and Water Conservation and Ecological Restoration， College of Ecology and Grassland， College of Soil and Water Conservation，Nanjing Forestry University， Nanjing 210037， China; 2. College of Ecology andEnvironment， Nanjing Forestry University， Nanjing 210037， China）

Abstract： 【Objective】To explore the impact of future climate change on runoff changes in the Yangtze River Basin， and provide basis for early flood warning and prevention measures in the Yangtze River Basin and other regions. 【Method】The temperature， precipitation and runoff in the Yangtze River Basin from 1961 to 2014 were evaluated by using the Multi-mode Set Average （MME） of the International Coupled Model Intercomparison Project Phase 6 （CMIP 6） and the SWAT hydrological model， and the temperature， precipitation and runoff under SSP1-1.9， SSP1-2.6， SSP2-4.5， SSP3-7.0 and SSP5-8.5 emission scenarios from 2020 to 2099 were predicted.【Results】①Compared with the single model， MME showed better performance in simulating temperature and precipitation during historical period， and the correlation coefficient with the observation value is greater than 0.90. MME could simulate the spatial distribution of temperature and precipitation well. ②As for the MME analysis， during 2020 - 2099， the temperature increase in the Yangtze River Basin under all scenarios was less than 50%， and the precipitation increase was less than 20%. The simulated temperature under the SSP5-8.5 scenario was 1.23 ℃ higher than that under the SSP1-1.9 scenario， and 0.99 ℃ higher than that under the SSP1-2.6 scenario. ③Overall， the future annual runoff of the whole basin increased significantly， and the annual runoff even reached 40380 m3/s under the SSP5-5.8 scenario at the end of the 21 century.【Conclusion】The temperature， precipitation and runoff in the Yangtze River Basin are on the rise in the future， the flood disasters under low emission scenarios are relatively less.

【Objective】This research aims to explore the impact of future climate change on predicted runoff trends in the Yangtze River basin and provide a basis for early flood warning and prevention measures in the Yangtze River basin and other regions. 【Method】Temperature， precipitation and runoff in the Yangtze River basin from 1961 to 2014 were evaluated by using the multi-mode set average （MME） of the international coupled model intercomparison project phase 6 （CMIP 6） and the SWAT hydrological model and predicted under SSP1-1.9， SSP1-2.6， SSP2-4.5， SSP3-7.0 and SSP5-8.5 emission scenarios from 2020 to 2099.【Result】（1） Compared with the single model， MME showed better performance in simulating temperature and precipitation during historical periods， with a correlation coefficient with the observation value was gt;0.90. Further， MME simulated the spatial distribution of temperature and precipitation well. （2） The MME analysis showed that during 2020 and 2099， temperature and precipitation increases in the Yangtze River basin under all scenarios were lt;50% and lt;20%， respectively. Simulated temperature under the SSP5-8.5 scenario was 1.23 ℃ higher than that under the SSP1-1.9 scenario， and 0.99 ℃ higher than that under the SSP1-2.6 scenario. （3） Overall， future annual runoff of the entire Yangtze River basin increased significantly and reached 40 380 m3/s under the SSP5-5.8 scenario at the end of the 21st century.【Conclusion】Temperature， precipitation and runoff in the Yangtze River basin are predicted to increase in the future， whereas flood disasters under low emission scenarios are relatively less likely.

Keywords：Yangtze River basin; climate change; coupled model intercomparison project phase 6（CMIP 6）; ensemble estimation; runoff simulation

全球极端气候变化对水环境的影响是极为显著的，其中气温和降水两大气候因子在时间和空间上对水循环的再分配极为关键，降水直接参与水循环的各个环节，气温也会间接通过蒸发、降水等过程影响水循环。随着国民经济的急速发展，加之人口膨胀、工业化进程的驱使，我国水生态破坏、水资源短缺、生态退化程度日益加深，严重抑制了社会经济的发展。因此，探析水文和环境的相互作用以及预估未来气候变化对区域水环境变化规律十分重要。

自20世纪90年代以来，气温持续上升和极端降水等引起的旱涝灾害造成了严重的社会经济损失，甚至危及人类生存。在应对气候极端性增强、生态环境恶化、自然灾害频发等环境问题时，量化气候变化影响因子和预估未来气候变化具有重要的现实意义。基于气候耦合模型对比项目（coupled model intercomparison project， CMIP）的快速发展，众多学者利用全球气候模式GCMs（global climate model）探究未来不同排放情景下的气候变化与生态环境的耦合关系，如：向竣文等利用CMIP 6模式评估了中国主要地区极端降水的时空变化特征;李佳瑞等利用CMIP 5的22个全球气候模式计算出长江流域未来时期的气温指数变化，发现这22个模式之间模拟结果差异较大。近几年来，通过对GCMs的比较，有学者采用多模式集合平均（multi-model ensemble，MME）来提高降水和气温预测模型性能，提升了后续模型预测结果的精度与准确性。

自“长江大保护”战略实施以来，修复长江生态环境、减缓旱涝灾害、推动长江经济带发展一直是治理长江的中心环节。夏军等通过建立分布式模型对长江流域流量变化进行定量预估发现，气候变化是长江上游流量减少的主要因素。径流作为自然环境中最为活跃的要素之一，在区域水资源调配、生态可持续利用以及水文环境演替中起着关键作用。评估未来径流的时空特征将成为未来几十年水资源可持续开发和管理的中心问题。有学者利用CMIP 5模型模拟出乌江流域近年来的降水不断上升，径流量分季节变化显著。张增信等利用气候模型和CMIP 6气候情景数据分析了长江流域未来最大日降雨量主要会出现在长江以南地区，且在中等排放情景下，极端降水增加显著。Choi等利用SWAT（soil and water assessment tool）水文模型对韩川盆地的日径流水文曲线进行率定验证并确定此区域的流量变化和抗旱水平。但近年来将两种模型结合来定量分析区域性气温、降水和径流的研究较少。SWAT模型基于植被、土壤、土地利用等数据并结合计算机3S技术，能够模拟较为复杂的物理机制过程，而CMIP 6气候模式产出的未来气候数据正是SWAT模型模拟预估未来区域性水文循环的关键，实现了模拟水文循环的全面性和综合性。

对长江流域而言，有些问题如中下游频繁的洪涝灾害是否与极端的气候变化有关，未来极端气候的影响下该地区的水文环境将会怎样变化，以及在不同未来情景下此流域径流变化趋势等尚不清楚。因此，本研究利用CMIP 6多模式多情景数据分析长江流域区域尺度气温、降水和径流时空变化及未来情景预估，通过耦合气候模式与SWAT水文模型能够更加精准预估未来区域气候变化以及径流变化下的水环境。根据历史观测数据，分析8个GCM模式集合平均（MME）模拟评估长江流域的温度和降水趋势变化，基于5个SSP情景利用CMIP 6模拟数据探究长江流域未来气温降水的时空分布模式，以实测水文数据为基础利用SWAT模型开展长江流域降水气温变化下未来径流关系研究，以期为长江流域及其他地区的早期洪水预警和防御措施提供依据。

1" 材料与方法

1.1" 研究区概况

长江流域（90°33′～122°25′E，24°30′～35°45′N）是世界三大流域之一，发源于青海省唐古拉山，汇入东海，全长6 397 km。长江流域是中国主要的优良水源供给区域和高密度发展经济带，良好的气候条件是长江流域水资源保护、生产建设布局和可持续发展的重要支柱。长江流域气候变化特征显著且极端水文事件频发，基于我国南涝北旱的水资源分布特点，长江上游、中游和下游径流变化受温度和降水影响较大。

1.2" 数据来源及模型构建

1.2.1" CMIP 6模式数据

本研究根据自身的研究需求，以及考虑到模式之间的结构差异性和符合本研究区气候预测的可靠性，选取8个具有5种排放情景的CMIP 6气候模式进行气温模拟评估（表1），详细信息可参考网址http：//esgf-node.llnl.gov/sea rch/CMIP 6//。采用的实测降水与气温数据选择中国气象局国家气象信息中心（http： //data.cma.cn/）提供的长江流域1961—2014年175个气象站点月平均气温和降水数据集作为模拟未来气温特征的对照标准，空间分辨率为0.5°×0.5°。模拟气温和降水网格数据由CMIP 6中共8个全球气候模式输出所得的月平均格点数据集。数据包括历史时期（1961—2014年）和未来预测时期（2020—2099年）2个阶段。

研究利用5种未来共享社会经济路径（shared socioeconomic pathway，SSP）：SSP1-1.9、SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5，提供了多种耦合模型的预测结果。在IPCC假设中，这5种不同碳浓度排放情景依次代表碳排放水平逐渐升高、温度升高幅度变大的强迫情景，发展路径依次为：可持续发展、中度发展、局部或不一致发展、不均衡发展和高化石燃料消耗发展。

1.2.2" SWAT模型构建

本研究驱动SWAT水文模型进行径流模拟所用到的主要有土地利用、土壤属性、降水与气温数据及实测日径流数据。土壤属性数据来源于国家地球系统科学数据中心（http：//www.geodata.cn/），土地利用数据来源于中国科学院资源环境科学数据中心（http：//www.resclc.cn）中国区数据集，土壤与土地利用数据的初始空间分辨率为1 km×1 km，后利用空间分解法将数据处理为0.5°×0.5°分辨率。为了更加直观地分析长江流域上中下游水文环境变化，选取大通、汉口和寸滩水文站实测径流数据，这3个水文站分别代表了长江流域下游、中游和上游，所用的实测径流数据均来自长江流域《水文年鉴》。采用ARCSWAT对模型进行参数率定，SSP1-2.6、SSP2-4.5、SSP5-8.5排放情景下将获得的径流序列进行未来径流的变化模拟评估。

1.3" 数据处理

1.3.1" 降尺度处理与偏差订正

基于模式模拟和观测气温之间百分比差值，对1961—2014年的气温观测数据进行反距离加权空间插值（inverse distance weight，IDW），将气温观测数据插值到初始CMIP 6格点上，再通过IDW重新插值，利用空间分解（spatial disaggregation，SD）法计算经纬度。SD法具有稳定的统计关系，即在未来气候情景下将尺度降为0.5°× 0.5°空间分辨率的CMIP 6气温模式数据插值后，利用等距离累积分布函数（EDCDF）校正偏差，将计算得出的权重系数插值到气温观测网格点上，这对处理气候的可变性更有优势且校正后的偏差消除效果明显。EDCDF表达式如下：

x～m-p，adjst=xm-p+F -1a-c-F -1m-c。（1）

式中：x～m-p，adjst为校正后的模型数据；xm-p为校正期内模型输出数据；Fm-p为校正期内模型的累积分布函数；F -1a-c和F -1m-c分别为参考期内观测数据和模型模拟值的分位数函数。

1.3.2" SWAT模型参数率定与验证

将气象数据输入SWAT水文模型进行径流模拟，以R2（相对误差）和Nash-Sutcliffe效率系数（NS系数，式中记为NS）作为模型适用性的评价标准，以决定模型的模拟效果，R2和NS越接近1模型模拟效果越好，具体计算公式如下：

R2=ni=1（Qo，i-Qo）（Qs，i-Qs）〗2∑ni=1（Qo，i-Qo）2∑ni=1（Qs，i-Qs）;（2）

NS=1-∑ni=1（Qo-Qs）2i/∑ni=1（Qo，i-Qo）。（3）

式中：Q为流量;Q为流量均值；Qo为实测值；Qs为模拟值；i表示第i个数据；n为数据长度。

2" 结果与分析

2.1" GCM 1961—2014年气温模拟效果的评估

本研究利用8个气候模式集合平均（MME）法模拟气温变化结果，得出对未来长江流域月均温的变化特征预估。选择泰勒图（图1）对GCM 1961—2014年气温的模拟效果进行评估，通过标准偏差、中心均方根差（RMSE）以及他们之间的相关系数进行直观的模型模拟能力评价。从图中可以看出，1961—2014年8个模型经偏差订正后，气温与降水量的模拟值均与观测值较为接近。在温度泰勒图中（图1a）气温模拟值与观测值的相关性一致较高，MME模拟值最接近观测值，8个气候模式之间差异较小，8个相关系数均大于0.96，而中心均方根差值（RMSE）则均小于1.20，标准偏差均大于7.00，IPSL-CM6A-LR相对于其他模型中心均方根差值最小。在降水量泰勒图中（图1b）MME的模拟值与观测值最为接近，其相关系数为0.93， RMSE为16.00，标准偏差为52.00。而对于单模式CMIP 6来说，这8个模型的各项指标具有一定偏差，8个模式之间对降水量的模拟效果不同。CanESM5的平均降水量相关系数最低（0.79），中心均方根误差最高（RMSE为30），MIROC在8个模式中模拟降水方面表现最好（相关系数为0.86，RMSE为25.5），比其他模型能够更好地模拟长江流域降水量的变化。与MIROC模式相比，MME的准确度更高。偏差校正之后的MME与观测值有较高的相似度，模拟温度的相关系数大于0.99，模拟降水的相关系数大于0.90，在长江流域气温和降水量的时间变异性上模拟效果表现最好。因此以MME为主进行长江流域气温与降水量变化趋势的情景预估。

黑色线代表标准差；绿色线代表中心均方根误差；黄色线代表相关性。Black lines corresponded to standard deviation; green lines for centered RMSE differences; yellow lines corresponded to correlations.

2.2" MME气温与降水的时空分布

从长江流域的年平均气温和降水看，1961—2014年间观测值与模拟值的变化趋势基本一致（图2）。长江流域整体气温与降水均呈现上、中、下游逐渐上升的趋势变化，偏差校正后的MME在长江流域气温与降水的模拟效果较好。根据图2a、2b可以看出，赣江流域年平均气温均被显著高估了，而通天河水域的气温被低估了。长江流域的气温从西北方向（-8 ℃）向东南方向（20 ℃）逐渐升高。长江上游源头以及金沙江水域、大渡河、雅砻江、岷江以北的边缘地区历史年平均气温均小于9 ℃，而长江中下游的湘江、嘉陵江以南、赣江流域的历史年平均气温均大于15 ℃，长江中下游的气温高于长江上游及源区。根据图2c、2d可以看出，历史时期长江流域降水从小到大均呈现源区降水量lt;中游降水量lt;下游降水量。尤其在长江下游大部分地区年降水量都大于500 mm。此外，MME模型明显高估了部分地区降水量的情况，格拉丹东地区被高估了大于100 mm的降水量，大渡河下游年降水量也被显著高估。总体而言，此流域降水量自西北方向（lt;300 mm）向东南方向（gt;1 200 mm）呈趋势性增加，MME模型对长江流域表现出较好的模拟能力。

研究发现长江流域高温与强降水在流域中下游出现较多，且年际变化较为明显，加快了此流域的水循环，为暴雨形成和径流量增加创造条件，可能导致了长江中下游洪涝灾害的频繁发生。

MME模型的模拟偏差大小情况见表2，经分析，MME年平均降水量和气温差异较小，在差值比范围（-5%，5%〗内分别仅占16.17%、14.69%。偏差校正后的MME模型对长江流域气温的偏差较大，在差值比范围≤-50%时达到了20.62%，gt;50%时占11.42%，对降水的模拟偏差较小，在差值比范围≤-50%以及gt;50%时，仅占2.37%和8.90%。温度的模拟值与观测值差值比在（10%，50%〗区间的占23.29%，这表明了MME模型模拟的温度在长江流域有被高估的现象；而降水量的模拟值与观测值差值比在（-50%，-10%〗区间的占36.80%，这说明MME模型对长江流域年平均降水量存在低估的现象。

由图2可知，MME模拟值与观测值差异较小，为探究未来时期的气温与降水量的年际变化，以1961—2014年的历史观测数据为基准，探究1961—2099年长江流域MME模拟的年平均气温与降水量变化趋势。在历史时期，气温与降水量的模拟值与观测值变化趋势相似，MME模式模拟的气温年际变化较小且呈现轻微上升的趋势（图3a），温度差异均保持在±10%以内，图3b中模拟降水量在历史时期的年际变化范围较大（±20%），这与实际观测值的结果相似。

长江流域2020—2099年MME气温与降水量的变化在5种未来碳排放情景下具有一定的差异性，与降水相比，气温在碳排放情景下的变化趋势较为显著（图3）且未来气温与降水均呈现逐渐上升的趋势。随着SSP情景的加剧，长江流域的气温增长趋势变大（图3a），在SSP5-8.5情景下模拟的气温比SSP1-1.9时的高1.23 ℃，比SSP1-2.6时的气温高0.99 ℃。在降水方面，5种情景之间的趋势变化并不显著（图3b）。2090—2099年预估的气温与降水量时空变异性范围（图3a、3b右边的灰条）与2020—2099年MME预估范围相近吻合，故气温将会持续升高，而降水量的升高趋势不显著。在SSP5-8.5情景下， 2090年气温将升高50%左右，而降水量将增加10%，用MME对5种情景预测的变化趋势较为稳定，变化范围较小。总体而言，在所有情景下长江流域的气温增加会在50%以内，降水量增加会在20%以内，极端降水和气温及降水量、气温距平显著增加，这说明长江流域在21世纪后半叶的强降水和高温会持续影响当地水文环境，对未来洪峰流量变化具有一定影响。

阴影区域代表模型年平均值的±1标准差范围。图中右侧的灰色条形代表了MME模式对2090—2099年平均气温与降水的模拟估算范围。The period 2020 to 2099 represents future forecast scenarios from different SSPS. The shaded areas represent the ±1 standard deviation range of the annual mean of the model. The gray bar on the right represents the MME model’s simulated range of average temperature and precipitation from 2090 to 2099.

2.3" 长江流域未来径流模拟

本研究基于水文资料数据构建的SWAT模型，选定2006年为预热期，2006—2013是率定期，2014—2017为模型验证期。利用SWAT-CUP中Sufi2算法进行率定分析得到河岸调蓄基流因子、SCS径流曲线系数与地下水延迟系数为最敏感的3个系数。以及利用ARCSWAT对2006—2013年内的日径流进行500次率定，从而筛选出最优参数，采用R2和NS系数展开对长江上、中、下游模拟效果的探究（表3）。从表中可以看出，大通站的NS系数和R2都是达到了最大为0.80和0.86，且3个站点率定期和验证期的NS系数均大于0.50，故模型的模拟可信度较高，并且各站点的R2均大于0.60，这说明模拟值与实测值之间的相关性很高，模型模拟的准确性很好。

对长江流域上、中、下游3个站点（寸滩站、汉口站、大通站）径流模拟的结果见图4，可以看出2006—2017年间SWAT模型模拟的径流量和实测径流量的变化趋势相似，经CMIP 6模拟数据预估的未来2020—2099年各站点径流变化均呈显著上升趋势，并随着情景SSP1-2.6、SSP2-4.5、SSP5-8.5的增大，预测的年均径流量相应增大。

在历史与未来时期各站点年均径流量呈现大通站gt;汉口站gt;寸滩站。大通站（图4a）历史时期的径流增加趋势最为显著，年均径流量（2 000～34 000 m3/s）一直处在相对较高的水平，2010、2012和2016年均出现了较大的洪峰流量，在未来3种情景预估下，大通站的年均径流量增加显著，到21世纪末SSP5-5.8情景下年均径流量甚至达到40 380 m3/s。汉口站（图4b）历史时期的年均径流量呈现的正负变化趋势相当，年均流量模拟效果较好，而在2070年后各情景的径流预估变化波动较为明显，预测2070年后会出现径流峰值。寸滩站（图4c）的模拟结果显示在历史时期未出现明显的洪峰流量年份，模拟效果有一定的偏差，且枯水期流量存在一定程度的偏低，在未来SSP1-2.6情境预估下，寸滩站年均径流量在2080—2099年径流量的增加趋势相对于SSP2-4.5和SSP5-8.5情景较低。以上表明未来在低排放情境下，长江流域下游的洪涝灾害将会显著减少。

通过以上分析可知，在不同的气候变化情景下，径流的变幅是气候变暖的一种响应结果，未来长江流域水资源的变化在气候变化影响下较为明显。定量评估未来2020—2099年气温和降水并结合3种未来气候情景下的径流变化，发现长江流域未来温度升高与降水增加会促进径流量的增加，到21世纪末，3种排放情景下径流均呈增加趋势且由于降水量和温度的不断升高，长江下游的径流量将达新高，而情景SSP1-2.6下由于降水量和气温的增幅最小，径流变化在未来时期是较为理想的。因此，有效控制碳排放、减缓气温与降水量的增长速度，可有效减少洪涝灾害的发生，减轻长江水患。

3" 讨" 论

研究发现，利用MME集合平均法对8个偏差校正后的CMIP 6模式进行处理后，可以有效地避免独立模式之间的结构差异性，并且能够很好地模拟长江流域气温与降水的变化趋势，李晓蕾等同样基于纠偏后的MME模式对长江流域降水变化做出研究，得出MME对于未来气候变化的预估优于单一气候模型。然而自CIMP 6模式被开发运用以来，各个研究者出于提高气候预估可靠性以及减少预测预估的不确定性，MME多模式集合成为研究的热点，并产出了大量的研究结论，这就造成对于大多数独立气候模式自身性能的关注度减少，减少了独立模式的不确定性对预测结果影响的思考。因此，在今后的研究中，应根据实际情况，基于数量众多的独立气候模式以及观测数据，展开独立模型之间的预估性能研究，从而有效地区分各个模型的独立性和同源性。模拟长江流域未来2020—2099年降水、气温和径流均有增加的趋势，且排放情景越高，增幅相应越大，其中对模拟数据与观测数据进行对比发现，长江中上游大渡河的年平均降水被显著高估了50%。李佳瑞等利用CMIP 5预估气候变化时同样出现了显著高估的情况，这可能是由于所选的气候模型性能参数不同以及研究区的地理环境差异所导致的。尽管本研究对所采用的气候数据进行了插值和偏差订正，降低了数据的变异性，然而各个气候模式的内部运行过程可能会根据不同情况随着时间模拟变量变化而变化。这也与模型内部结构或模型初始条件的设置有一定的关系，需进一步加深各个模型在不同区域参数化设定以及地理环境适应性的研究，从而提高模拟精度和更高水平的置信度。

利用SWAT水文模型进行长江流域径流模拟时，由于水文环境变化的不确定性和差异性，仅采用单一水文模型模拟多年的径流变化使得结果均值化，为确保模拟结果的准确性和可靠性，可综合考虑加入其他水文模型进行对比研究，从而提供更加科学全面的研究结果。径流变化是一个复杂的水文环境变化过程，不仅与气候因子中降水量和气温有关，人类活动、土地利用（覆被变化）、下垫面同样是影响径流变化的重要因素，因此，综合考虑径流变化的驱动因子，研究区未来径流的模拟评估会更具精准性和科学性。

本研究基于气象站观测资料，结合CMIP 6多集合平均模式对长江流域气温和降水进行历史和未来时空分布模拟，并在此基础上利用SWAT水文模型研究了未来长江上、中、下游径流变化，得到以下结论：

1）8个CMIP 6模式和MME模式在整个长江流域气温相关系数均大于0.96，降水相关系数均大于0.80，MME模式模拟效果最好，模拟气温的相关系数大于0.99，模拟降水量的相关系数大于0.90。1961—2014年，MME模式预估的气温从长江源头（-8 ℃）向长江下游（20 ℃）逐渐升高，重庆等地有温度被高估的情况。模拟降水量自长江流域西北（lt;300 mm）向东南（gt;1 200 mm）逐渐呈现趋势性增加，气温与降水量增幅在2020—2090年间较为明显。

2）未来5种SSP情景下，长江流域的气温与降水量的增加速率会随着情景变高而升高。2020—2090年MME预估的气温与降水量的变化范围与2090—2099年所预估的范围相吻合，总体而言，在所有情景下长江流域未来时期的气温增加会在50%以内，降水量增加会在20%以内。

3）本研究采用的SWAT模型模拟效果较好，2006—2017年长江流域年均径流量呈现长江下游（28 000～42 000 m3/s）gt;长江中游（22 000～32 000 m3/s）gt;长江上游（10 000～16 000 m3/s）。预测2070年后会出现径流峰值，并随着3种碳排放情景的不断加剧，各站点的径流量呈现上升趋势，即气温升高与降水量增加会促进径流量增加，主要表现在下游区域，这表明气候变化是影响长江流域中下游洪涝灾害的重要因素。同时，大通站在未来SSP5-8.5情境下，径流量的增加趋势最明显，为40 380 m3/s;未来在低排放情景下，长江流域下游的洪涝灾害将会显著减少。

参考文献（reference）：

［1］MOLINI A，KATUL G G，PORPORATO A．Maximum discharge from snowmelt in a changing climate．Geophysical Research，2011，38（5）：387-404．DOI：10.1029/2010gl046477.

［2］徐宗学，李景玉．水文科学研究进展的回顾与展望．水科学进展，2010，21（4）：450-459．XU Z X，LI J Y．Progress in hydrological sciences：past，present and future．Adv Water Sci，2010，21（4）：450-459．DOI：10.14042/j.cnki.32.1309.2010.04.003.

［3］周砺，刘金平，陈丽芳，等．当前国际水文学科技术领域的研究方向．水文，2005，25（4）：30-32，59．ZHOU L，LIU J P，CHEN L F，et al．Current research trend in the international technology field of hydrology．Hydrology，2005，25（4）：30-32，59．

［4］姜彤，苏布达，王艳君，等．四十年来长江流域气温、降水与径流变化趋势．气候变化研究进展，2005，1（2）：65-68．JIANG T，SU B D，WANG Y J，et al．Trends of temperature，precipitation and runoff in the Yangtze River basin from 1961 to 2000．Adv Clim Change Res，2005，1（2）：65-68．

［5］向竣文，张利平，邓瑶，等．基于CMIP 6的中国主要地区极端气温/降水模拟能力评估及未来情景预估．武汉大学学报（工学版），2021，54（1）：46-57，81．XIANG J W，ZHANG L P，DENG Y，et al．Projection and evaluation of extreme temperature and precipitation in major regions of China by CMIP6 models．Eng J Wuhan Univ，2021，54（1）：46-57，81．DOI：10.14188/j.1671-8844.2021-01-007.

［6］李佳瑞，牛自耕，冯岚，等．CMIP 5模式对长江和黄河流域极端气温指标的模拟与预估．地球科学，2020，45（6）：1887-1904．LI J R，NIU Z G，FENG L，et al．Simulation and prediction of extreme temperature indices in Yangtze and Yellow River basins by CMIP5 models．Earth Sci，2020，45（6）：1887-1904．

［7］TIAN J X，ZHANG Z X，AHMED Z，et al．Projections of precipitation over China based on CMIP 6 models．Stoch Environ Res Risk Assess，2021，35（4）：831-848．DOI：10.1007/s00477-020-01948-0.

［8］CHOI J R，CHUNG I M，JEUNG S J，et al．Development and verification of the available number of water intake days in ungauged local water source using the SWAT model and flow recession curves．Water，2021，13（11）：1-24．DOI：10.3390/w13111511.

［9］夏军，王渺林．长江上游流域径流变化与分布式水文模拟．资源科学，2008，30（7）：962-967．XIA J，WANG M L．Runoff changes and distributed hydrologic simulation in the upper reaches of Yangtze River．Resour Sci，2008，30（7）：962-967．

班春广，陶辉，董义阳，等．未来气候情景下塔里木河干流日径流过程模拟研究．干旱区研究，2018，35（4）：770-778．BAN C G，TAO H，DONG Y Y，et al．Simulation of daily runoff process in the mainstream area of the Tarim River under future climate scenario．Arid Zone Res，2018，35（4）：770-778．DOI：10.13866/j.azr.2018.04.03.

王学全，卢琦，李保国．应用模糊综合评判方法对青海省水资源承载力评价研究．中国沙漠，2005，25（6）：944-949． WANG X Q，LU Q，LI B G．Fuzzy comprehensive assessment for carrying capacity of water resources in Qinghai Province．J Desert Res，2005，25（6）：944-949．

陈梓延，王艳君，苏布达，等．基于多模式的乌江流域径流对气候变化的响应研究．长江流域资源与环境，2021，30（8）：1927-1937．CHEN Z Y，WANG Y J，SU B D，et al．Research on the response of runoff to climate change in Wujiang River basin based on multi-model．Resour Environ Yangtze Basin，2021，30（8）：1927-1937．

张增信，栾以玲，姜彤，等．长江三角洲极端降水趋势及未来情景预估．南京林业大学学报（自然科学版），2008，32（3）：5-8． ZHANG Z X，LUAN Y L，JIANG T，et al．Changes of extreme precipitation in the Yangtze River Delta and its pre-evaluation for future．J Nanjing For Univ （Nat Sci Ed），2008，32（3）：5-8．

张增信， 张强， 张金池， 等. 2050年前长江流域极端降水预估. 气候变化研究进展，2008（21）：32-36.ZHANG Z X， ZHANG Q， ZHANG J C. Projection of future precipitation extremes change（2001-2050）in the Yangtze River basin. Clim Cha Res，2008（21）：32-36.

刘君龙，袁喆，许继军，等．长江流域气象干旱演变特征及未来变化趋势预估．长江科学院院报，2020，37（10）：28-36．LIU J L，YUAN Z，XU J J，et al．Meteorological drought evolution characteristics and future trends in the Yangtze River basin．J Yangtze River Sci Res Inst，2020，37（10）：28-36．DOI：10.11988/ckyyb.20190830.

周天军，邹立维，陈晓龙．第六次国际耦合模式比较计划（CMIP 6）评述．气候变化研究进展，2019，15（5）：445-456．ZHOU T J，ZOU L W，CHEN X L．Commentary on the Coupled Model Intercomparison Project Phase 6（CMIP6）．Clim Change Res，2019，15（5）：445-456．DOI：10.12006/j.issn.1673-1719.2019.193.

曹丽格，方玉，姜彤，等．IPCC影响评估中的社会经济新情景（SSPs）进展．气候变化研究进展，2012，8（1）：74-78．CAO L G，FANG Y，JIANG T，et al．Advances in shared socio-economic pathways for climate change research and assessment．Progressus Inquisitiones DE Mutat Clim，2012，8（1）：74-78．DOI：10.3969/j.issn.1673-1719.2012.01.012.

WENG Y， CAI W， WANG C. The application and future directions of the shared socioeconomic pathways （SSPs）. Climate Change Research， 2020，16（2）： 215-222.

CHEN W Y，WANG H，HUANG W L，et al．Shared social-economic pathways （SSPs） modeling：application of global multi-region energy system model．Energy Procedia，2017，142：2467-2472．DOI：10.1016/j.egypro.2017.12.184.

YUNUS F，CHANG N K，FAKARUDDIN F J，et al．Modelling of surface air temperature element in Malaysia．Dev Earth Sci，2015，3：10.DOI：10.14355/des.2015.03.002.

WOOD A W，LEUNG L R，SRIDHAR V，et al．Hydrologic implications of dynamical and statistical approaches to downscaling climate model outputs．Clim Change，2004，62（1/2/3）：189-216．DOI：10.1023/B：CLIM.0000013685.99609.9e.

WANG L，CHEN W．Equiratio cumulative distribution function matching as an improvement to the equidistant approach in bias correction of precipitation．Atmos Sci Lett，2014，15（1）：1-6．DOI：10.1002/asl2.454.

陶纯苇，姜超，孙建新．CMIP 5多模式集合对东北三省未来气候变化的预估研究．地球物理学报，2016，59（10）：3580-3591．TAO C W，JIANG C，SUN J X．Projection of future changes in climate in northeast China using a CMIP5 multi-model ensemble．Chin J Geophys，2016，59（10）：3580-3591．

程娅蓓．亚澳季风年际变率主模态的模拟评估与预测方法研究．南京：南京信息工程大学，2016．CHENG Y B．The simulation assessment and prediction method research on the major modes of the Asian-Australian monsoon interannual variability．Nanjing：Nanjing University of Information Science amp; Technology，2016．

李晓蕾，王卫光，张淑林．基于CMIP 6多模式的长江流域未来降水变化趋势分析．中国农村水利水电，2022（3）：1-7，12．LI X L，WANG W G，ZHANG S L．A trend analysis of future precipitation in the Yangtze River basin based on CMIP6 multi-model．China Rural Water Hydropower，2022（3）：1-7，12．

KATIRAIE-BOROUJERDY P S，AKBARI A" A，CHAVOSHIAN A，et al．Assessment of seven CMIP5 model precipitation extremes over Iran based on a satellite-based climate data set．Int J Climatol，2019，39（8）：3505-3522．DOI：10.1002/joc.6035.

（责任编辑" 孟苗婧" 郑琰燚）