CMIP6模式碳中和时期长江流域降水变化及成因分析

张乐英 邢雯慧 侯书秀 齐道日娜

收稿日期：2023-11-17；接受日期：2024-03-12

基金项目：中国长江三峡集团有限公司科研项目（Z432302004）；南京林业大学人才启动项目（GXL2018040）；国家自然科学基金青年项目（42005033）

作者简介：张乐英，女，副教授，博士，主要从事区域气候变化研究。E-mail：zhangleyingzi@126.com

通信作者：齐道日娜，女，高级工程师，博士，主要从事灾害性天气机理研究。E-mail：chyi@cma.gov.cn

Editorial Office of Yangtze River. This is an open access article under the CC BY-NC-ND 4.0 license.

文章编号：1001-4179（2024） 06-0122-07

引用本文：张乐英，邢雯慧，侯书秀，等.

CMIP6模式碳中和时期长江流域降水变化及成因分析

［J］.人民长江，2024，55（6）：122-128，135.

摘要：为揭示碳中和时期长江流域降水特征，利用CMIP6模式确定了碳中和时间并对比基准期研究了碳中和时期长江流域平均降水和极端降水变化，最后从大气环流的角度分析了其可能原因。结果表明：① SSP-2.6情景达到碳中和时间为2062年，与中国碳中和政策时间基本一致。② 通过空间降尺度和偏差订正后，CMIP6模式可以很好地模拟基准期长江流域年平均降水。③ 与基准期相比，碳中和时期长江流域平均降水整体偏多，降水增幅北部＞南侧，上游＞下游和中游，春季＞夏季＞秋季＞冬季，其中岷沱江和嘉陵江关键区是降水变化大值区，需重点防控。长江流域中游持续干旱日数偏少，北部极端大雨日数显著增多2.4～4.0 d，上游和下游极端大雨强度显著偏强。④ 环流分析发现，冬、春和秋季渤海异常反气旋南侧的东风异常和西北侧的东南风异常从中西太平洋带来的暖湿气流，以及夏季西南风异常从孟加拉湾带来的暖湿气流，使得长江流域降水增多。研究成果可为长江流域相关部门制定未来碳中和时期气候变化应对策略提供依据。

关  键  词：降水变化； 碳中和； CMIP6； SSP-2.6； 长江流域

中图法分类号： TV125

文献标志码： A

DOI：10.16232/j.cnki.1001-4179.2024.06.017

0  引 言

长江流域是中国第一大流域，流域内水电资源丰富，上中游支撑起了中国“西电东送”“南水北调”等重大工程建设，中下游平原地区是中国重要的粮棉基地［1-2］，且流域内植被类型丰富，具有强大的水土保持、环境净化等功能［3］，对国家经济安全、能源供应和生态环境均起到重要作用。然而，长江流域受季风及其自身特殊的地貌特征影响，夏季多暴雨，且极端降水和干旱事件频发，严重制约地区发展［4-5］。因此，了解长江流域降水特征、认识其未来变化趋势，可为未来经济发展战略部署和实施提供理论依据，也可为流域防灾减灾和生态保护提供科学支撑。

基于政府间气候变化专门委员会（IPCC）设立的国际耦合比较计划（CMIP）开展的多模式试验，前期学者们利用工业革命以来温室气体历史演变的模拟结果以及不同温室气体排放情景（SRES、RCPs等）的未来预估结果，对长江流域未来气候特征做了大量研究［6-9］。曾小凡等［6］利用CMIP3模式发现，在高排放情景下长江中下游降水减少，其他情景降水变化不显著。韩乐琼等［7］利用CMIP5模式发现未来长江流域降水增加，且低排放（RCP2.6）和高排放（RCP8.5）情景增加强度和频次均大于中等排放（RCP4.5）情景。最近IPCC第六次评估报告提出了共享社会经济（SSPs）情景下的CMIP6试验，在模式设计、分辨率及物理过程等方面均有较大改进［10-11］。利用CMIP6模式，吴健等［12］指出未来 50 a 不同情景下长江流域降水均有所增加，且 SSP-8.5＞SSP-3.7＞SSP-4.5＞SSP-2.6情景。郑衍欣等［13］预估了未来30 a长江流域降水异常，表明未来降水可能变得更为极端，表现在总降水量增加，且暴雨、大暴雨、连续无雨日也会增加。由此可见，不同温室气体排放情景预估未来长江流域不同区域降水变化趋势不同，且不同情景下强度变化幅度也不同。因此，针对特定情境或未来特定时间范围内长江流域降水如何变化需要单独评估。

面对日益严重的气候变化，IPCC全球升温1.5 ℃特别报告指出，需要在2050年左右达到净零碳排［14］。中国政府也向国际社会做出承诺，力争在2030年实现碳达峰，在2060年实现碳中和。在碳中和背景下，中国未来气候如何变化已引起广泛关注。Chen等［15］根据碳中和目标自行设定减排路径，发现在全球其他国家排放不变仅中国实现碳中和目标路径下，21世纪末全球升温幅度将减少0.16～0.21℃，但其并未对碳中和时期的气候变化进行研究。在CMIP6不同SSPs情景设定中，SSP-1.9和SSP-2.6情景可在21世纪不同时段达到碳中和目标，而SSP-4.5和SSP-8.5则是未达到碳中和目标的情景［10］。邓荔等［16］对比了SSP-1.9和SSP-2.6情景下中国达到碳中和时期的气候异常，发现SSP-1.9和SSP-2.6情境下中国碳中和时期降水异常分别增加7.1%和9.9%，但没有分析极端异常及可能原因。

由上可见，未来不同情景下、不同时段内长江流域降水异常存在不确定性，而碳中和目标下长江流域未来降水如何变化尚不清楚。基于此，本文利用CMIP6模式可达到碳中和的SSP-1.9和SSP-2.6情景，确定情景中达到碳中和的时期，研究碳中和时期长江流域平均降水和极端降水变化及可能成因，以期为长江流域相关部门制定未来碳中和时期气候变化应对策略提供科学支撑。

1  资料和方法

1.1  研究区概况及区域划分

长江流域位于24°27′N ～35°54′N，90°33′E～122°19′E，全长6 363 km，干流流经中国11个省、自治区和直辖市，流域控制面积180万km2，横跨青藏高原、四川盆地和长江中下游平原三大地貌，雨量充沛，极易发生气象灾害［17］。

本文根据长江流域各支流属性、降雨量和来水情况，结合流域下垫面及流域内重点水库站和重点水文站控制范围，将长江流域分为10个关键区，分别是金沙江、岷沱江、嘉陵江、上干区、乌江、汉江、中干区、洞庭湖、下干区和鄱阳湖，具体分区如图1所示。

1.2  研究数据

本文使用截至2023年11月CMIP6官网上可获得的CMIP6模式输出的2015～2100年每年大气中CO2质量来确定本文研究的碳中和时期，其中 SSP-1.9和SSP-2.6情景分别有3个和8个模式，模式详细介绍见表1。此外，选用各CMIP6模式历史时期（1961～2014年）和2个SSP情景的日平均降水、风场和位势高度资料进行模式评估和未来碳中和时期降水变化及成因分析。

本文利用中国气象局国家信息中心提供的1961～2014年空间分辨率为0.5°×0.5°的日平均降水观测资料对CMIP6模式降水进行空间降尺度和偏差订正，并参考IPCC［18］选用1995～2014年作为气候变化幅度基准期（简称基准期），对比评估基准期CMIP6各模式对长江流域降水的模拟能力。

1.3  研究方法

1.3.1  碳中和时期定义

IPCC对碳中和定义为：与某一主体相关的人为CO2排放被人为CO2清除量所平衡［18］。因此，碳中和时间可以认为是大气中CO2质量不再被人为地增加，即CO2的年增长率为0的年份［16］。

图2给出了SSP-1.9和SSP-2.6情景下各模式的大气中CO2质量年变率。可以看出，SSP-1.9和SSP-2.6情景分别在2042年和2062年达到碳中和，与CMIP6情景设计中SSP-1.9和SSP-2.6在21世纪中叶可达到碳中和结果一致［10］。其中，SSP-2.6情景到达碳中和的时间与中国在2060年达到碳中和的目标也基本一致，因此下文选用SSP-2.6情景，以2062年为中心，选取前后共15 a（2055～2069年）作为本文的碳中和时期。同时，将碳中和时期（2055～2069年）与基准期（1995～2014年）降水和环流场差值作为碳中和时期的降水和环流变化进行分析。

1.3.2  空间降尺度和偏差订正

基于模式模拟和观测降水之间的百分比差值，对1961～2014年0.5°×0.5°分辨率的观测资料进行反距离加权空间插值（inverse distance weight，IDW）到各CMIP6模式格点上，计算模式格点上的权重系数，并根据权重系数通过IDW对各CMIP6模式插值，降尺度得到空间分辨率为0.5°×0.5°的模式降水资料。然后，以1961～2014年为训练期，将训练期观测降水和CMIP6模式降水利用等距离累积分布函数进行校正偏差［19-20］，通过得到的校正偏差进一步订正基准期（1995～2014年）以及未来碳中和时期（2055～2069年）的模式降水结果。

1.3.3  泰勒图

本文利用泰勒图检验各模式对基准期长江流域降水的模拟能力，以找到模拟能力强的模式对碳中和时期长江流域降水进行预估。泰勒图是一种表示模式与观测结果之间在相关性、标准差和均方根差异方面匹配程度的图形工具，被广泛应用于气象领域模式评估中［21-22］。泰勒图中，扇形表示模式与观测空间的相关系数，相关系数越大表示模式对观测空间相关度越高，模拟能力越好；横纵轴表示标准差之比，是各模式数据标准差与观测资料标准差的比值，标准差之比越接近1，表示模式模拟能力越好；从参考点REF点到图上任何一点的径向距离表示模式与观测结果之间的均方根误差，即模式与观测数据的离散程度，其计算公式为

RMSE=  1nni=1xi－xobs2

式中：RMSE为均方根误差；n表示样本量，本文为长江流域格点数；xi为模式中样本值，即各模式中长江流域各格点上的降水值；xobs为观测资料中长江流域平均降水量。从公式可以看出，模式中各模拟值与观测平均值越接近，则均方根误差越小，表示模式模拟能力越好。

1.3.4  极端降水指数

根据气候变化检测和指数专家组定义的持续干旱日数、极端大雨日数和极端大雨强度表征极端降水指数，并用CMIP6模式碳中和时期和基准期极端降水指数的差值描述未来极端降水变化，定义见表2［23-24］。

2  结果分析

2.1  基准期模拟评估

图3给出了基准期各模式模拟长江流域年平均降水的泰勒图。需要说明的是，GFDL-ESM4模式虽然输出大气CO2质量，但并未输出SSP-2.6情景下降水和其他气象参数，因此不参与评估。可以看到，经过空间降尺度和偏差订正后的CMIP6各模式年平均降水与观测资料较为接近，表现在空间相关系数均大于0.99，标准差之比接近1，且均方根误差均小于0.25。相比之下，模式CanESM5-1的模拟能力最弱，而去除该模式后的模式平均相比单一模式结果模拟能力最高。因此，下文选择上述模拟好的6个模式的平均结果分析CMIP6模式对长江流域降水的模拟和预估。

图4为观测资料和泰勒图所选最优模式平均的长江流域基准期年平均降水分布。观测资料中长江流域年平均降水有3个大值中心，分别位于上游的金沙江和岷沱江中部交界处、中游的洞庭湖中部以及下游的鄱阳湖东北侧，且降水强度下游中心＞中游中心＞上游中心（图4（a））。除下游洞庭湖东北侧的降水中心偏弱外，CMIP6模式平均结果可以很好地模拟出各降水中心（图4（b）、（c））。

2.2  碳中和时期降水变化

图5分别给出了长江流域冬季、春季、夏季和秋季碳中和时期和基准期降水的比较。在未来碳中和时期，4个季节长江流域降水均较基准期偏多，且北侧高于南侧，其中岷沱江和嘉陵江偏多最为明显。对比4个季节，春季偏多最明显，其次是夏季和秋季，冬季偏多程度弱，且不同季节降水距平中心略有差异。春季，全区均表现为降水偏多，大值中心位于鄱阳湖，次值中心位于岷沱江和嘉陵江，偏多中心均大于0.8 mm/d（图5（b））。夏季，主要表现为长江流域西北部降水偏多，大值中心为金沙江、岷沱江和嘉陵江，次值中心位于汉江（图5（c））。秋季，长江上游降水偏多，偏多中心也位于岷沱江和嘉陵江（图5（d））。冬季，降水偏多主要在中下游，但程度较弱，约0.2～0.4 mm/d（图5（a））。 因此，碳中和时期长江流域降水比基准期偏多，且春季降水偏多程度最大，其中上游北侧的岷沱江和嘉陵江在春、夏和秋季均是降水偏多的大值中心，需要重点防控。

为检验碳中和时期长江流域极端降水情况，图6进一步给出了碳中和时期持续干旱日数、极端大雨日数和极端大雨强度与基准期的差值分布。碳中和时期，长江上中游岷沱江、嘉陵江、上干区、乌江、洞庭湖西部以及汉江西部持续干旱日数偏少，最多可达2.4 d，其他地区变化不明显（图6（a））。极端大雨日数在长江流域北部显著增多2.4 d，其中最大中心位于金沙江中部至岷沱江和嘉陵江北部，异常可达4 d（图6（b））。极端大雨强度上游和下游显著偏多，可达0.9 mm/d，中游变化不大（图6（c））。

综合季节平均降水和极端降水变化可以发现，与基准期相比，碳中和时期长江流域平均降水整体偏多，北部强于南侧、上游强于中游和下游，其中岷沱江和嘉陵江最为明显。

2.3  碳中和时期降水变化成因分析

图7给出了碳中和时期相较基准期850 hPa风场和500 hPa位势高度变化。可以看出，850 hPa环流场上冬、春和秋季在中国东部渤海均表现为异常的反气旋环流，伴随南部有异常的气旋型环流，但不同季节环流中心位置以及500 hPa位势高度异常略有差异。冬季，中国渤海东部850 hPa到500 hPa均表现为深厚的反气旋，长江流域位于异常反气旋环流的西北侧，中下游受东南风异常控制，从西太平洋带来的暖湿气流，有利于冬季长江流域中下游降水增加（图7（a））。春季和秋季，长江流域位于850 hPa异常反气旋环流的西侧，盛行东风和东北风异常，从海洋上带来一定的暖湿气流，有利于降水增加（图7（b）、（d））。同时，春季长江流域北部受异常西北风影响，东风和西北风异常在长江流域中下游辐合，对应上升运动，且500 hPa为低压异常，有利于整层辐合，增强上升运动，使得春季长江流域降水增加最显著，尤其在中下游。

与其他3个季节不同，夏季长江流域上中游中北部主要受西南风异常影响，西南风异常从孟加拉湾带来大量的暖湿气流，有利于夏季长江流域上中游中北部降水异常（图7（c））。同时，500 hPa高度场上印度和缅甸地区为低压异常，有利于南支槽加强，进一步增强了向夏季长江流域输送暖湿气流的西南风异常。此外，长江流域上游位于500 hPa低压异常东北侧，盛行东南风异常，带来的暖湿气流也有利于长江流域降水增多。这与邢雯慧等［25］研究指出主汛期影响长江流域降水的水汽来源主要来自孟加拉湾的结果一致。

因此，对于碳中和时期长江流域降水变化，冬、春和秋季主要关注渤海区域的异常反气旋环流，以及春季长江流域北侧的西北风异常；夏季则是来自孟加拉湾的西南风异常。

3  结 论

在碳中和政策背景下，本文根据CMIP6模式预估了碳中和时期长江流域降水变化及可能原因，主要结果如下：（1） SSP-1.9情景和SSP-2.6情景达到碳中和时间分别为2042年和2062年，SSP-2.6情景与中国碳中和政策时间基本一致。本文选用SSP-2.6情景，以碳中和时间前后15 a（2055～2069年）为碳中和时期，利用碳中和时期与气候变化幅度基准期的降水和环流差异分析碳中和时期长江流域降水变化及可能原因。

（2） 经过空间降尺度和偏差订正后的CMIP6模式可以很好地模拟出基准期长江流域年平均降水，尤其是位于上游金沙江和岷沱江中部交界处、中游洞庭湖中部以及下游鄱阳湖东北侧的3个降水大值中心。

（3） 与基准期相比，碳中和时期长江流域平均降水整体偏多，北部强于南侧、上游强于中游和下游。春季最显著，最大差值可达0.8 mm/d；其次是夏季和秋季，冬季最弱，其中岷沱江和嘉陵江关键区是碳中和时期全年降水变化大值区，需重点防控。对极端降水而言，长江中游持续干旱日数偏少，最多可达2.4 d；极端大雨日数在长江流域北部显著增多2.4～4.0 d；极端大雨强度上游和下游显著偏多，可达0.9 mm/d。

（4） 环流分析发现，碳中和时期冬、春和秋季主要受渤海地区异常反气旋南侧的东风和西北侧东南风从中西太平洋带来的暖湿气流影响，有利于长江流域降水增多。其中，春季低层和高层整层辐合使得其降水变化最显著。夏季，长江流域主要受西南风异常控制，从孟加拉湾带来大量的暖湿气流，有利于夏季降水增多。

本文研究碳中和时期长江流域降水变化与前人预估不同情景下未来长江流域降水异常结果基本一致，即表现为全区降水增多［7，12，16］。但整体降水变化强度弱于高排放情景［13］，这也体现了中国碳中和政策的重要性和必要性。需要指出的是，本文利用CMIP6模式预估中国碳中和时期长江流域降水变化结果存在一定的不确定性。一方面是模式本身存在不确定性，且限制于目前在SSP-2.6情景下仅有8个模式给出了大气中CO2质量，模式数量相对较少，可能会增加模拟的不确定性，后续期待更多模式的优化集合平均结果以降低不准确性。另一方面，SSP-2.6情景设定为大气中CO2质量增量在持续减少，尤其碳中和时间后大气中CO2质量也在减少，但实际碳中和政策下大气中CO2如何减少以及碳中和后是否还会继续减少目前还不确定。因此，本文只以达到碳中和时间为中心，选取了前后CO2变率较小的15 a作为碳中和时期进行研究，以期为未来碳中和时期长江流域降水变化提供一定的理论依据，但还需专门针对中国碳中和路径情景设定的试验来提高准确性。

参考文献：［1］  夏细禾，陶聪.长江流域水资源统一调度实践与思考［J］.人民长江，2022，53（12）：69-74.

［2］  吴静芬，李丁，刘笑杰，等.长江经济带粮食生产时空动态演变及影响因素分析［J］.农业现代化研究，2021，42（3）：407-417.

［3］  陈亮，王学雷，杨超，等.2000年—2015年长江流域植被GPP时空变化特征及其驱动因子［J］.华东师范大学学报（自然科学版），2021，55（4）：630-638.

［4］  张芳华，陈涛，张芳，等.2020年6～7月长江中下游地区梅汛期强降水的极端性特征［J］.气象，2020，46（11）：1405-1414.

［5］  郭广芬，杜良敏，肖莺，等.长江流域夏季极端降水时空分布特征［J］.干旱气象，2021，39（2）：235-243.

［6］  曾小凡，周建中，翟建青，等.2011～2050年长江流域气候变化预估问题的探讨［J］.气候变化研究进展，2011，7（2）：116-122.

［7］  韩乐琼，韩哲，李双林.不同代表性浓度路径（RCPs）下21世纪长江中下游强降水预估［J］.大气科学学报，2014，37（5）：529-540.

［8］  陈晓晨，徐影，许崇海，等.CMIP5 全球气候模式对中国地区降水模拟能力评估［J］.气候变化研究进展，2014，10（3）：217-225.

［9］  周莉，兰明才，蔡荣辉，等.21世纪前期长江中下游流域极端降水预估及不确定性分析［J］.气象学报，2018，76（1）：47-61.

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

［11］XIN X G，WU T W，ZHANG J，et al.Comparison of CMIP6 and CMIP5 simulations of precipitation in China and the East Asian summer monsoon［J］.International Journal of Climatology，2020，40（15）：6423-6440.

［12］吴健，夏军，曾思栋，等.CMIP6 全球气候模式对长江流域气候变化的模拟评估与未来预估［J］.长江流域资源与环境，2023，32（1）：137-150.

［13］郑衍欣，李双林，何源.共享社会经济路径（SSPs）下未来30年长江流域夏季降水预估［J］.大气科学，2023，47（5）：1405-1420.

［14］IPCC.Global warming of 1.5℃：summary for policymakers［M］.Cambridge：Cambridge University Press，2018.

［15］CHEN J W，CUI H J，XU Y Y，et al.Long-term temperature and sea-level rise stabilization before and beyond 2100：estimating the additional climate mitigation contribution from Chinas recent 2060 carbon neutrality pledge［J］.Environmental Research Letter，2021，16（7）：074032.

［16］邓荔，朱欢欢，江志红.不同情景达到碳中和下中国区域气候变化的预估［J］.大气科学学报，2022，45（3）：364-375.

［17］肖志祥，谭江红.长江流域夏季降水异常主要模态变化特征及其成因分析［J］.高原气象，2018，37（5）：165-173.

［18］IPCC.Climate change 2021：the physical science basis［R］.Cambridge，New York：Cambridge University Press，2021.

［19］WOOD A W，LEUNG L R，SRIDHAR V，et al．Hydrologic implications of dynamical and statistical approaches to downscaling climate model outputs［J］.Climate Change，2004，62（1）：189-216.

［20］WANG L，CHEN W.Equiratio cumulative distribution function matching as an improvement to the equidistant approach in bias correction of precipitation［J］.Atmospheric Science Letters，2014，15（1）：1-6.

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

［22］孙晓玲，谢文欣，周波涛.CMIP6模式对亚洲陆地生态系统的模拟评估与预估［J］.气候变化研究进展，2023，19（1）：49-62.

［23］尹红，孙颖.基于ETCCDI指数2017年中国极端温度和降水特征分析［J］.气候变化研究进展，2019，15（4）：363-373.

［24］SILLMANN J，KHARIN V V，ZWIERS F W，et al.Climate extreme indices in the CMIP5 multimodel ensemble：part 2.future climate projections［J］.Journal of Geophysical Research，2013，118（6）：2473-2493.

［25］邢雯慧，王坚红，张方伟，等.秋汛期影响汉江流域降水的水汽通道特征研究［J］.人民长江，2019，50（2）：101-106.

（编辑：谢玲娴）

Precipitation changes over Changjiang River Basin under carbon neutrality period in CMIP6 models and its possible cause

ZHANG Leying1，XING Wenhui2，HOU Shuxiu1，CHYI Dorina3

（1.Collaborative Innovation Center of Sustainable Forestry in Southern China of Jiangsu Province，Nanjing Forestry University，Nanjing 210037，China;

2.Bureau of Hydrology，Changjiang Water Resources Commission，Wuhan 430010，China；

3.China Meteorological Administration Training Centre，Beijing 100081，China）

Abstract：

To reveal the precipitation anomaly over the Changjiang River Basin under carbon neutrality period，we defined the carbon neutrality period in CMIP6 models，analyzed the average and extreme precipitation differences between the carbon neutrality period and the reference period for climate change amplitude，and gave its possible causes from the atmospheric circulation anomalies.The results showed that：① The carbon neutrality year is 2062 under the SSP-2.6 scenario，which is consistent with the carbon neutrality policy of China.② After the spatial downscaling and bias revision，the CMIP6 models can well simulate the precipitation in the Changjiang River Basin.③ During the carbon neutrality period，the average precipitation over the Changjiang River Basin increases significantly with larger anomalies in the north （upper reaches） than in the south （lower and middle reaches），and the order in seasons is spring>summer>autumn>winter.Especially，the anomalies over the Minjing River，Tuojiang River，and Jialing River are the maximum center in all seasons，which need special attention in the future.Continuous drought days decrease over the middle reaches of Changjiang River Basin，extreme heavy rain days significantly increase by 2.4～4.0 days over the north，and extreme heavy rain intensity enhances over the upper and lower reaches.④ The easterly and southeasterly anomalies over south and northwest of the Bohai Sea anticyclone in winter，spring，and autumn bring warm and moist flow from the central and western Pacific to the Changjiang River Basin，which favors the precipitation during the carbon neutrality.Meanwhile，the southwesterly anomaly，conveying warm and moist flow from the Bay of Bengal，contributes to the positive precipitation anomaly in summer.These results can provide a basis for relevant departments in the Changjiang River Basin to develop climate change response strategies for the future carbon neutrality period.

Key words：

precipitation variation; carbon neutrality; CMIP6; SSP-2.6; Changjiang River Basin