陳君潔，丁一民，高 爽，萬愉快，朱 磊

（1.寧夏大學土木與水利工程學院，銀川 750021；2.旱區(qū)現(xiàn)代農(nóng)業(yè)水資源高效利用教育部工程研究中心，銀川 750021）

0 引言

大氣層中持續(xù)增加的溫室氣體（CO2、CH4等）阻擋了熱量向外逃逸，明顯改變了地球原有的氣候環(huán)境[1]。世界氣象組織（WMO）的統(tǒng)計數(shù)據(jù)表明，自有觀測記錄以來20 個最熱的年份都出現(xiàn)在過去22 年中（1998-2019 年），并且隨著大氣層中溫室氣體濃度進一步突破現(xiàn)有觀測記錄，這種升溫趨勢仍將持續(xù)[2]。在大多數(shù)預估模型中，如果保持當前溫室氣體排放水平，全球平均溫度到本世紀末將進一步上升3～5 ℃[3,4]。伴隨著全球變暖，極端氣候事件的發(fā)生頻率也在顯著增加，已經(jīng)對自然生態(tài)系統(tǒng)和人類社會產(chǎn)生了不可忽視的影響[3,5]。

玉米是我國第一大糧食作物，具有產(chǎn)量高，易于栽培等特點，適宜種植區(qū)較廣[6]。由于玉米生長直接依賴于光照、溫度、降水和二氧化碳濃度等氣候環(huán)境因子，因而在面臨極端氣候事件時更為敏感和脆弱。大量的研究表明，極端高溫在影響玉米發(fā)育速率的同時也會影響花粉結構和功能，致使籽粒發(fā)育不良并嚴重影響其孕穗率和結實率，從而導致產(chǎn)量的大幅度下降[7]。暴雨會對玉米的種子、葉片以及莖稈造成毀壞，也容易導致農(nóng)田積水較多，不利于玉米根系發(fā)育，出現(xiàn)爛根現(xiàn)象，誘發(fā)各類病蟲害，導致玉米減產(chǎn)[8]。與此同時，暴雨可能會導致地面徑流和深層滲漏的發(fā)生，在降低雨水利用效率的同時致使農(nóng)田養(yǎng)分流失，進而增加灌溉需水量，威脅灌溉系統(tǒng)的穩(wěn)定性。因此，評估玉米生育期內(nèi)極端氣候事件的時空演變規(guī)律對糧食安全和水資源可持續(xù)利用具有重要研究意義。

黃淮海地區(qū)作為我國夏玉米的主要產(chǎn)區(qū)，其種植面積與產(chǎn)量分別約占全國的28%和30%[9]。以往的研究關注了該地區(qū)歷史時期的氣候變化特征，但與玉米生長和耗水高度相關的極端氣候事件時空演變規(guī)律還有待進一步研究[10-12]。因此，本文利用基于分位數(shù)映射的偏差校正方法（QM）和107 個氣象站點實測數(shù)據(jù)，校正了11 種耦合模式第六次比較計劃（CMIP6）氣候模式（GCM），結合高溫熱害和極端暴雨指標，評估了該地區(qū)未來兩個時期（2021-2050 年和2051-2080 年）夏玉米生育期內(nèi)極端氣候事件的時空演變規(guī)律，以期為區(qū)域農(nóng)業(yè)生產(chǎn)和水資源管理提供參考。

1 材料與方法

1.1 研究區(qū)概況

黃淮海地區(qū)位于我國東部，分布范圍大致為111.5°～122.5°E，30.0°～42.5°N，包括河北省、河南省、山東省、安徽省、江蘇省、北京市和天津市共7個省及直轄市（圖1）。該地區(qū)的氣候類型是溫帶大陸性季風氣候，降水主要集中在夏季，多年平均氣溫和降水量分別為12.09 ℃和484.5 mm[13]。目前，黃淮海地區(qū)≥10℃的年累積溫度約為3 700～4 700 ℃·d，從北向南逐漸升高；年降水量從研究區(qū)域的東南部到西北部呈下降趨勢，由大約1 000 mm 減少到600 mm，而且大致60%～70%的年降水量發(fā)生在6-9月的夏玉米生育期內(nèi)[14]。

圖1 黃淮海地區(qū)107個氣象站點的空間分布Fig.1 Distribution of 107 meteorological stations in Huang-Huai-Hai region

1.2 研究數(shù)據(jù)

地面氣象站點觀測數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)（http:∕∕data.cma.cn∕），包含107 個站點1978-2017 年的逐日最高溫度和降水量數(shù)據(jù)。此外，本文還統(tǒng)計了黃淮海地區(qū)7個省及直轄市的夏玉米1992-2013年平均播種日期與成熟日期，以此確定夏玉米的生育周期，具體統(tǒng)計結果見表1，相關數(shù)據(jù)同樣來源于中國氣象數(shù)據(jù)網(wǎng)。

表1 黃淮海地區(qū)夏玉米生育期Tab.1 Phenology of summer maize in Huang-Huai-Hai Region

大氣環(huán)流模式（GCM）是評估氣候變化影響的主要手段[15-17]。耦合模式第六次比較計劃（CMIP6）提出了最新的共享路徑（SSP），并且對CMIP5 模式中一直存在的輻射強迫量化差與模型偏差等疑難問題進行了改善[18,19]。本文所涉及的11個CMIP6 全 球 氣 候 模 式 數(shù) 據(jù) 來 源 于https:∕∕esgf-node.llnl.gov∕search∕cmip6，時間序列為1978-2080 年，時間尺度為日尺度，詳細信息見表2。SSP2-4.5 是對CMIP5 模式中RCP4.5 情景的升級，該情景結合了中等社會脆弱性與中等輻射強迫，被廣泛應用在區(qū)域降尺度與氣候預測計劃中[20]。SSP5-8.5是CMIP5模式中RCP8.5 高強迫情景的升級，該情景假設了最極端的氣候變化過程[20]。因此，本文選擇上述兩個情景開展極端氣候事件的時空演變規(guī)律分析。

表2 11個CMIP6氣候模式概況Tab.2 Detailed information of the 11 CMIP6 GCMs

1.3 極端氣候事件指標

一般認為當溫度超過32～35 ℃時，夏玉米將會受到高溫熱害的威脅，有時甚至出現(xiàn)高溫殺雄等現(xiàn)象[21]。本文選用日最高溫度超過35 ℃的積溫（Killing degree days，KDD）作為夏玉米熱害程度的指標[7,22]，以此評估歷史和未來時期中黃淮海地區(qū)的夏玉米在其生育期內(nèi)可能遭受的熱害程度，具體計算公式如下：

式中：KDD為夏玉米生育期內(nèi)高溫有效積溫的累積值，°C·d；dh為播種期；dm為成熟收割的日期；Tmaxi為夏玉米生育期內(nèi)第i天的日最高溫度；Th為高溫熱害的溫度閾值，即35 ℃；KDi為第i天的高溫有效積溫。

夏玉米需水量大，但是卻不耐澇[23]。其生育期內(nèi)降水較為集中，且多有暴雨發(fā)生，可能會導致澇漬災害進而影響夏玉米的生長過程[24]。因此，本文以日降水量≥50 mm 的天數(shù)作為評估黃淮海地區(qū)夏玉米生育期內(nèi)極端降水的指標[25,26]。

1.4 氣候模式數(shù)據(jù)偏差校正方法

本文采用一種基于分位數(shù)映射的偏差校正方法（Quantile Mapping，QM）對氣象要素進行校正處理[27]。該方法利用歷史時期氣候模式輸出數(shù)據(jù)和實際觀測數(shù)據(jù)的差異，建立統(tǒng)計關系與轉換函數(shù)，然后用此轉換函數(shù)去估計未來數(shù)據(jù)的可能值[28]。這里的基本假定是在一個給定的分位數(shù)下，氣候模式與觀測值在訓練期的差異對于未來時期仍然適用。對溫度的校正方法表示為公式（3），而降水校正方法如公式（4）所示。

式中：F和F-1分別是觀測值（o）或者模型值（m）在訓練期（c）或未來時期（p）的概率累積函數(shù)和分位數(shù)概率累積函數(shù)，是經(jīng)過偏差校正后的模型數(shù)據(jù)，xm-p是校正前的模型數(shù)據(jù)。

本研究中以1978-2000 年的數(shù)據(jù)為訓練數(shù)據(jù)，以2001-2014 年的數(shù)據(jù)為驗證數(shù)據(jù)，對偏差校正的結果進行了評估?？紤]到氣候模式中可能存在的季節(jié)性偏差，本文對每一個月份的數(shù)據(jù)分別進行了偏差校正處理。

2 結果與分析

2.1 氣候模式偏差校正效果分析

表3 展示了驗證期（2001-2014 年）不同氣候模式偏差校正后月累積降水量和月均最高溫度相對于實測值的均方根誤差（RMSE），結果表明校正后月累積降水量RMSE通常不大于20 mm，其中8 月份的偏差值最大，而10 月份的偏差值最小。校正后月均最高溫度的RMSE普遍在0.2～0.3 ℃之間，且不同GCM的偏差值差異較小。

表3 驗證期偏差校正后降水量和最高溫度相對于實測值的RMSETab.3 RMSE of bias corrected precipitation and maximum temperature relative to observation during validation period

圖2 展示了夏玉米生育期內(nèi)不同氣候模式偏差校正前后KDD、暴雨天數(shù)和降水天數(shù)相對于實測值的偏差，可見校正前KDD值與實測值有著非常明顯的偏差，其中5 個GCM 的KDD值顯著偏大，部分站點多年平均KDD值甚至比實測值大200 ℃·d 以上，而KDD值偏小的GCM 中，偏小幅度均小于30 ℃·d。校正后不同GCM 中大部分站點的KDD偏差值在±1.5 ℃·d 之間。與KDD類似，GCM 降水序列也存在著顯著的偏差。從圖2（b）中可見，除AC1、CAN1 和CMCC 模式外，其他所有GCM 均顯著低估了暴雨發(fā)生的頻次，其中MRI 模式中部分站點多年平暴雨天數(shù)甚至低估了超過3 d。此外，需要注意的是所有GCM 模擬的多年平均降水天數(shù)均明顯大于實際降水天數(shù)，并且偏差幅度在大多在40 d 以上。校正后多年平均暴雨天數(shù)偏差普遍在±0.2 d 以內(nèi)，多年平均降水天數(shù)偏差在±1 d 以內(nèi)。上述結果表明本文所采用的QM 偏差校正方法能夠有效消除GCM 中存在的系統(tǒng)性偏差。

圖2 驗證期多年平均KDD、暴雨天數(shù)和降水天數(shù)校正前后相對于實測值的偏差值Fig.2 Bias of KDD,heavy rain days and rain days relative to observation before and after bias correction during validation period

2.2 年均最高溫度與年累積降水量變化特征

圖3 展示了SSP2-4.5 和SSP5-8.5 情景下黃淮海地區(qū)夏玉米生育期內(nèi)，所有站點平均最高溫度和降水量相對于歷史基準期（1978-2017年）的變化值，箱式圖描述了不同氣候模式預估結果的差異。就多模式平均值而言，SSP2-4.5 情景下夏玉米生育期內(nèi)最高溫度在未來兩個時期將分別增加1.38 ℃和2.52 ℃，而SSP5-8.5 情景下將分別增加1.76 ℃和3.58 ℃。不同氣候模式之間高溫增加值的差異非常明顯，并且以SSP5-8.5 情景下2021-2050 時期的差異最為突出，最大差值可達1.2 ℃以上。同時期，SSP2-4.5 情景下上四分位數(shù)和下四分位數(shù)氣候模式的溫度差異也達到了0.25 ℃。降水量在未來兩個時期也呈上升趨勢，但上升幅度相對較小。在SSP2-4.5 情景下，多模式平均夏玉米生育期內(nèi)降水量將分別增加12.27 mm和26.39 mm，而SSP5-8.5 情景下將增加9.86 mm 和39.54 mm。不同情景之間降水量變化值的差異也非常明顯，其中SSP2-4.5 情景下上四分位數(shù)和下四分位數(shù)氣候模式的降水量差值約為20 mm，而SSP5-8.5情景下的差值約為30 mm。

圖3 SSP2-4.5和SSP5-8.5情景下未來兩個時期最高溫度和降水量的變化值Fig.3 Changes in maximum temperature and precipitation under SSP2-4.5 and SSP5-8.5 scenarios during future two stages

2.3 高溫熱害與暴雨天數(shù)變化特征

2.3.1 歷史時期高溫熱害與暴雨天數(shù)時空變化特征

圖4 展示了黃淮海地區(qū)夏玉米生育期內(nèi)KDD值和暴雨天數(shù)在1978-2017年的變化趨勢。其中，KDD值整體呈上升的趨勢，上升幅度達2.62 ℃·d∕10a，表明歷史時期夏玉米生育期內(nèi)熱害程度逐步嚴重。暴雨天數(shù)與KDD值的變化規(guī)律相似亦呈上升趨勢，只是幅度相對較小，僅為0.1 d∕10a?？傮w而言，KDD值和暴雨天數(shù)在過去的40 年里分別增加了約10 ℃·d 和0.3 d。

圖4 歷史時期（1978-2017）KDD值和暴雨天數(shù)的變化趨勢Fig.4 Trend of KDD and the number of heavy rain days during historical period(1978-2017)

圖5 展示了黃淮海地區(qū)夏玉米生育期內(nèi)KDD值和暴雨天數(shù)在歷史時期（1978-2017 年）的空間變化特征。多年平均KDD值在空間上呈現(xiàn)從北到南、從東到西逐步增加的趨勢，從接近于0 ℃·d 上升到40 ℃·d。其中，安徽省南部遭受的熱害程度最為嚴重，KDD值普遍大于30 ℃·d，而河北省北部、山東省東部和江蘇省東北部地區(qū)熱害程度最低，KDD值均小于5 ℃·d。多年平均暴雨天數(shù)空間上大體呈現(xiàn)從北到南、從西到東逐步增加的趨勢。其中河北省北部地區(qū)多年平均暴雨天數(shù)僅不到1 d，部分站點甚至少于0.5 d，而江蘇省和安徽省的暴雨天數(shù)則普遍大于2.5 d。

圖5 歷史時期（1978-2017）年均KDD值和年均暴雨天數(shù)的空間分布Fig.5 Distribution of the multi-year mean KDD and the number of heavy rain days during historical period(1978-2017)

2.3.2 未來時期高溫熱害時空變化特征

圖6 展示了未來時期11 個氣候模式兩種情景下黃淮海地區(qū)夏玉米生育期內(nèi)KDD值的時間變化趨勢和相對于歷史的多模式平均變化值，從圖6 中可見在接下來的60 年中KDD值將繼續(xù)呈增加的趨勢，但上升速率明顯提高。此外，在SSP2-4.5 情景下，不同氣候模式KDD值的變化幅度有較大差異，到2080 年這種差異能達到130 ℃·d。而在SSP5-8.5 情景下，不同氣候模式的KDD值在2050 年以前差別相對較小，隨后迅速擴大。另外，還需注意到的是不同氣候模式中KDD值年際間波動性的差異亦較為明顯。就多模式平均而言，SSP2-4.5 情景下KDD值在2021-2050和2051-2080年代相對于歷史基準期將分別增加16.4 ℃·d 和41.3 ℃·d，而SSP5-8.5 情景下KDD值在2021-2050 和2051-2080 年代相對于歷史基準期將分別增加23.1 ℃·d和75.8 ℃·d。

圖6 SSP2-4.5和SSP5-8.5情景下2021-2080年不同氣候模式KDD變化趨勢Fig.6 Trends of KDD of different GCMs from 2021 to 2080 under SSP2-4.5 and SSP5-8.5

圖7展示了未來時期兩種情景下黃淮海地區(qū)夏玉米生育期內(nèi)KDD值相對于歷史基準期多模式平均變化值的空間分布特征?？傮w而言，未來氣候條件下KDD值在絕大多數(shù)地區(qū)將迅速增加，呈現(xiàn)出從北到南、從東到西逐步上升的趨勢。在SSP2-4.5情景下，KDD多模式平均增加值在2021-2050年期間普遍小于30 ℃·d，而在2051-2080 年期間大部分地區(qū)的KDD增加值會達到50～82 ℃·d。在SSP5-8.5 情景下，KDD增加值進一步擴大，空間分布的特征與SSP2-4.5 情景下基本一致。在2021-2050 年期間增加值普遍在45 ℃·d 以內(nèi)，而在2051-2080 年期間，河北省西南、河南省東南和安徽省南部地區(qū)的KDD增加值將高達120～135 ℃·d。

圖7 SSP2-4.5與SSP5-8.5情景下未來兩個時期多模式平均KDD空間變化值Fig.7 Spatial distribution of changes in multi-model average KDD under SSP2-4.5 and SSP5-8.5 scenarios during future two stages

2.3.3 未來時期暴雨天數(shù)時空變化特征

圖8 展示了未來時期11 個氣候模式兩種情景下黃淮海地區(qū)夏玉米生育期內(nèi)暴雨天數(shù)的變化趨勢和相對于歷史的多模式平均變化值?？梢娫诮酉聛淼?0 年中暴雨天數(shù)將繼續(xù)呈增加的趨勢，且變化幅度與歷史時期也較為相似。在兩種氣候情景下，不同氣候模式下暴雨天數(shù)的時間變化趨勢有較大的差異。就多模式平均而言，SSP2-4.5情景下暴雨天數(shù)在2021-2050和2051-2080年代相對于歷史基準期將分別增加0.09 d和0.18 d，而SSP5-8.5 情景下暴雨天數(shù)在2021-2050 和2051-2080年代相對于歷史基準期將分別增加0.07 d和0.29 d。

圖8 SSP2-4.5和SSP5-8.5情景下未來時期不同氣候模式暴雨天數(shù)變化趨勢Fig.8 Trends of heavy rain days of different GCMs from 2021 to 2080 under SSP2-4.5 and SSP5-8.5

圖9展示了未來兩個時期兩種情景下相對于歷史基準期黃淮海地區(qū)夏玉米生育期內(nèi)暴雨天數(shù)的多模式平均變化值的空間分布。在SSP2-4.5情景下，2021-2050時期大部分地區(qū)的暴雨天數(shù)有所增加，其中河北省北部部分站點增加值將超過0.3 d，而山東省西北和安徽省中地區(qū)暴雨天數(shù)將下降0.25～0.1 d。在2051-2080年代，暴雨天數(shù)整體亦呈增加趨勢，其中河北省東部和山東省東部地區(qū)將增加0.35～0.7 d。在SSP5-8.5 情景下，2021-2050年代大部分地區(qū)的暴雨天數(shù)與SSP2-4.5情景下的變化規(guī)律基本一致，大部分地區(qū)暴雨天數(shù)將增加0～0.2 d，而安徽省和江蘇省南部區(qū)域一些站點暴雨天數(shù)反而將下降0～0.2 d。在2051-2080年代，暴雨天數(shù)增加幅度略大于SSP2-4.5情景，大部分地區(qū)將增加0.2 d 以上，其中河北省東部、山東省東部、河南省西部和安徽省南部地區(qū)將增加0.4～1 d。

圖9 SSP2-4.5與SSP5-8.5情景下未來兩個時期多模式平均暴雨天數(shù)空間變化值Fig.9 Spatial distribution of changes in multi-model average heavy rain days under SSP2-4.5 and SSP5-8.5 scenarios during future two stage

3 討 論

伴隨著極端氣候事件頻發(fā)的全球變暖，將不可避免地對未來農(nóng)業(yè)生產(chǎn)和灌溉活動產(chǎn)生重要影響[29]。玉米作為黃淮海地區(qū)重要的糧食作物，其安全生產(chǎn)對區(qū)域糧食安全和水資源可持續(xù)利用具有重要意義。本文基于QM 偏差校正方法，對11個CMIP6 氣候模式數(shù)據(jù)進行了校正處理，并利用校正后的氣象預估數(shù)據(jù)集，結合KDD值和暴雨天數(shù)這兩種極端氣候事件指標，評估了未來氣候條件下黃淮海地區(qū)夏玉米生育期內(nèi)高溫熱害和極端降水的時空演變規(guī)律。

由于具有較為粗糙的空間分辨率和系統(tǒng)性誤差，GCM 直接輸出的氣象預估序列不能應用于氣候變化影響評估研究中[30]。從本文研究結果來看，所采用的11 種CMIP6 氣候模式在模擬溫度和降水過程中均存在較為明顯的不足，其中約有一半的GCM 高估了歷史時期極端高溫事件，而絕大多數(shù)GCM低估了暴雨（日降水＞50 mm）發(fā)生的頻率并引入了更多的小雨天氣（日降水＜10 mm）。這與CMIP5氣候模式中存在的偏差一致，表明CMIP6 氣候模式仍然未能解決CMIP5 氣候模式在模擬極端氣候事件中存在的不足[31]。從圖2來看，本文所采用的QM 偏差校正方法，能夠較為準確地消除溫度和降水中存在的偏差，且校正效果與以往研究類似，表明QM 方法能夠有效處理極端氣候事件的偏差。但需要注意的是極端降水的校正效果要明顯弱于極端高溫的校正效果，這是由于降水存在較強的隨機性，其準確模擬仍然存在較大的難度[32]。

歷史時期的高溫熱害值普遍小于40 ℃·d，但在未來時期，尤其是SSP5-8.5 情景下的河南省地區(qū)，KDD值將可能進一步增加120 ℃·d，導致高溫熱害將逐漸成為影響夏玉米產(chǎn)量的重要因素（圖7）。因此，在未來氣候變化條件下，黃淮海西南部夏玉米播種區(qū)應采取調(diào)整播種日期或采用耐高溫的玉米品種，以規(guī)避高溫熱害對夏玉米生育期的影響[33]。暴雨頻率過去幾十年呈現(xiàn)明顯增加的趨勢，這與以往研究取得的結論相同[10,34]。這是因為隨著全球變暖，飽和水汽壓值不斷增加，空氣中蓄水量能力變強，從而導致降水更多地以暴雨的形式發(fā)生[35]。在CMIP6的兩種預估情景下，黃淮海地區(qū)夏玉米生育期內(nèi)多模式平均降水量呈現(xiàn)增加的趨勢，但增加幅度僅在10～40 mm 之間，這與基于CMIP5 的預估結果較為類似[36]。與此同時暴雨發(fā)生的頻率明顯增加，其中以SSP2-4.5 情景下河北省北部和山東省地區(qū)增加值最為突出。但安徽省和江蘇省中南部地區(qū)暴雨頻次增加幅度要明顯小于北方地區(qū)，甚至在SSP2-4.5 情景下2051-2080 時期和SSP5-8.5 情景下2021-2050 時期出現(xiàn)了暴雨頻次小幅減少的現(xiàn)象，這在一定程度上反應了“雨帶北移”[37]現(xiàn)象在未來時期將持續(xù)發(fā)生。暴雨頻次的增加，可能會導致黃淮海未來時期降水的利用率降低，進而對玉米生長和灌溉系統(tǒng)穩(wěn)定性帶來不利影響，因此在進行灌溉水資源和灌溉渠系規(guī)劃時有必要考慮暴雨頻率的變化。

本文僅分析了極端高溫和極端降水在未來時期的時空演變規(guī)律，但從作物生長機理和農(nóng)田水循環(huán)機理的角度分析極端氣候事件將對玉米生產(chǎn)和灌溉的影響研究還有待進一步開展。此外，本文假定了物候期在未來時期保持不變，但歷史長序列物候觀測數(shù)據(jù)表明，隨著氣候條件的改變，播種日期和生育周期長度將會發(fā)生明顯的變化。如何在考慮物候期合理變化的條件下更加準確地評估極端氣候事件的影響研究仍有待開展。

4 結 論

(1)校正前CMIP6 氣候模式存在明顯的系統(tǒng)性偏差，尤其在模擬極端降水上存在明顯的不足。校正結果表明，QM 方法不僅能夠消除氣候模式中極端氣候事件模擬的偏差，同時也有效消除了晴雨模擬的偏差。

(2) 未來兩個時期（2021-2050、2051-2080）黃淮海地區(qū)夏玉米生育期內(nèi)多模式平均最高溫度在兩個情景（SSP2-4.5、SSP5-8.5）下均顯著升高，其中SSP5-8.5 情景下的增幅要更為突出，在未來兩個時期將分別增加1.76 ℃和3.58 ℃。高溫熱害值（KDD）的增加趨勢與最高溫度變化趨勢大體一致，兩種情景下均以河南省中部、安徽省南部和河北省西南部熱害程度最為嚴重。

(3)夏玉米生育期內(nèi)多模式平均降水量在未來同樣呈現(xiàn)增加的趨勢，但增加幅度相對較小。與此同時，暴雨天數(shù)也呈現(xiàn)小幅度增加的現(xiàn)象。在SSP2-4.5 情景下，大部分地區(qū)暴雨天數(shù)變化值都將有所增加，但在山東省西部和安徽省北部暴雨天數(shù)將略有下降。在SSP5-8.5 情景下，大部分地區(qū)暴雨天數(shù)的變化值與SSP2-4.5 情景下的規(guī)律基本一致，但在安徽省南部和江蘇省南部暴雨天數(shù)有小幅減少。

本文研究結果將為區(qū)域農(nóng)業(yè)生產(chǎn)和水資源合理規(guī)劃提供依據(jù)，從而對保障區(qū)域糧食安全和水資源可持續(xù)利用具有重要意義。