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

基金項(xiàng)目：國家自然科學(xué)基金項(xiàng)目（41971025）。

第一作者：何旭（hexu9720@163.com）。

*通信作者：繆子梅（miaozimei@njfu.edu.cn），研究員。

引文格式：

何旭，繆子梅，田佳西，等. 基于CMIP 6多模式的長江流域氣溫、降水與徑流預(yù)估. 南京林業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)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】探究未來氣候變化對(duì)長江流域徑流的影響，為長江流域及其他地區(qū)的早期洪水預(yù)警和防御措施提供依據(jù)?！痉椒ā坎捎脟H耦合模式比較計(jì)劃第6階段（CMIP 6）多模式集合平均（MME），結(jié)合SWAT水文模型，對(duì)長江流域1961—2014年氣溫、降水量和徑流等進(jìn)行評(píng)估，并預(yù)估了長江流域2020—2099年SSP1-1.9、SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5排放情景下的氣溫、降水量和徑流?！窘Y(jié)果】①相比單一模式，MME歷史時(shí)期模擬氣溫和降水效果更好，與觀測值的相關(guān)系數(shù)均大于0.90，MME可以很好地模擬出氣溫和降水量的空間分布規(guī)律。②由MME分析可知，2020—2099年長江流域在所有情景下的氣溫增幅低于50%，降水增量小于20%，在SSP5-8.5情景下模擬的溫度值比SSP1-1.9時(shí)的溫度值高1.23 ℃，比SSP1-2.6時(shí)的溫度值高0.99 ℃。③總體上，長江流域未來的年均徑流量增加顯著，到21世紀(jì)末，SSP5-5.8情景下年均徑流量將達(dá)到40 380 m3/s。【結(jié)論】本研究揭示了長江流域徑流變化趨勢與氣溫與降水之間的相互關(guān)系，以及模擬未來氣候變化的準(zhǔn)確度，同時(shí)認(rèn)為未來長江流域氣溫、降水量與徑流量均呈上升趨勢，低碳排放情景下的洪澇災(zāi)害相對(duì)較少，可為以后長江流域洪澇災(zāi)害的預(yù)估和區(qū)域性氣候變化提供依據(jù)。

關(guān)鍵詞：長江流域；氣候變化；國際耦合模式比較計(jì)劃第6階段（CMIP 6）；集合預(yù)估；徑流模擬

中圖分類號(hào)：P467""""""" 文獻(xiàn)標(biāo)志碼：A開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

文章編號(hào)：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

全球極端氣候變化對(duì)水環(huán)境的影響是極為顯著的，其中氣溫和降水兩大氣候因子在時(shí)間和空間上對(duì)水循環(huán)的再分配極為關(guān)鍵，降水直接參與水循環(huán)的各個(gè)環(huán)節(jié)，氣溫也會(huì)間接通過蒸發(fā)、降水等過程影響水循環(huán)。隨著國民經(jīng)濟(jì)的急速發(fā)展，加之人口膨脹、工業(yè)化進(jìn)程的驅(qū)使，我國水生態(tài)破壞、水資源短缺、生態(tài)退化程度日益加深，嚴(yán)重抑制了社會(huì)經(jīng)濟(jì)的發(fā)展。因此，探析水文和環(huán)境的相互作用以及預(yù)估未來氣候變化對(duì)區(qū)域水環(huán)境變化規(guī)律十分重要。

自20世紀(jì)90年代以來，氣溫持續(xù)上升和極端降水等引起的旱澇災(zāi)害造成了嚴(yán)重的社會(huì)經(jīng)濟(jì)損失，甚至危及人類生存。在應(yīng)對(duì)氣候極端性增強(qiáng)、生態(tài)環(huán)境惡化、自然災(zāi)害頻發(fā)等環(huán)境問題時(shí)，量化氣候變化影響因子和預(yù)估未來氣候變化具有重要的現(xiàn)實(shí)意義?；跉夂蝰詈夏Ｐ蛯?duì)比項(xiàng)目（coupled model intercomparison project， CMIP）的快速發(fā)展，眾多學(xué)者利用全球氣候模式GCMs（global climate model）探究未來不同排放情景下的氣候變化與生態(tài)環(huán)境的耦合關(guān)系，如：向竣文等利用CMIP 6模式評(píng)估了中國主要地區(qū)極端降水的時(shí)空變化特征;李佳瑞等利用CMIP 5的22個(gè)全球氣候模式計(jì)算出長江流域未來時(shí)期的氣溫指數(shù)變化，發(fā)現(xiàn)這22個(gè)模式之間模擬結(jié)果差異較大。近幾年來，通過對(duì)GCMs的比較，有學(xué)者采用多模式集合平均（multi-model ensemble，MME）來提高降水和氣溫預(yù)測模型性能，提升了后續(xù)模型預(yù)測結(jié)果的精度與準(zhǔn)確性。

自“長江大保護(hù)”戰(zhàn)略實(shí)施以來，修復(fù)長江生態(tài)環(huán)境、減緩旱澇災(zāi)害、推動(dòng)長江經(jīng)濟(jì)帶發(fā)展一直是治理長江的中心環(huán)節(jié)。夏軍等通過建立分布式模型對(duì)長江流域流量變化進(jìn)行定量預(yù)估發(fā)現(xiàn)，氣候變化是長江上游流量減少的主要因素。徑流作為自然環(huán)境中最為活躍的要素之一，在區(qū)域水資源調(diào)配、生態(tài)可持續(xù)利用以及水文環(huán)境演替中起著關(guān)鍵作用。評(píng)估未來徑流的時(shí)空特征將成為未來幾十年水資源可持續(xù)開發(fā)和管理的中心問題。有學(xué)者利用CMIP 5模型模擬出烏江流域近年來的降水不斷上升，徑流量分季節(jié)變化顯著。張?jiān)鲂诺壤脷夂蚰Ｐ秃虲MIP 6氣候情景數(shù)據(jù)分析了長江流域未來最大日降雨量主要會(huì)出現(xiàn)在長江以南地區(qū)，且在中等排放情景下，極端降水增加顯著。Choi等利用SWAT（soil and water assessment tool）水文模型對(duì)韓川盆地的日徑流水文曲線進(jìn)行率定驗(yàn)證并確定此區(qū)域的流量變化和抗旱水平。但近年來將兩種模型結(jié)合來定量分析區(qū)域性氣溫、降水和徑流的研究較少。SWAT模型基于植被、土壤、土地利用等數(shù)據(jù)并結(jié)合計(jì)算機(jī)3S技術(shù)，能夠模擬較為復(fù)雜的物理機(jī)制過程，而CMIP 6氣候模式產(chǎn)出的未來氣候數(shù)據(jù)正是SWAT模型模擬預(yù)估未來區(qū)域性水文循環(huán)的關(guān)鍵，實(shí)現(xiàn)了模擬水文循環(huán)的全面性和綜合性。

對(duì)長江流域而言，有些問題如中下游頻繁的洪澇災(zāi)害是否與極端的氣候變化有關(guān)，未來極端氣候的影響下該地區(qū)的水文環(huán)境將會(huì)怎樣變化，以及在不同未來情景下此流域徑流變化趨勢等尚不清楚。因此，本研究利用CMIP 6多模式多情景數(shù)據(jù)分析長江流域區(qū)域尺度氣溫、降水和徑流時(shí)空變化及未來情景預(yù)估，通過耦合氣候模式與SWAT水文模型能夠更加精準(zhǔn)預(yù)估未來區(qū)域氣候變化以及徑流變化下的水環(huán)境。根據(jù)歷史觀測數(shù)據(jù)，分析8個(gè)GCM模式集合平均（MME）模擬評(píng)估長江流域的溫度和降水趨勢變化，基于5個(gè)SSP情景利用CMIP 6模擬數(shù)據(jù)探究長江流域未來氣溫降水的時(shí)空分布模式，以實(shí)測水文數(shù)據(jù)為基礎(chǔ)利用SWAT模型開展長江流域降水氣溫變化下未來徑流關(guān)系研究，以期為長江流域及其他地區(qū)的早期洪水預(yù)警和防御措施提供依據(jù)。

1" 材料與方法

1.1" 研究區(qū)概況

長江流域（90°33′～122°25′E，24°30′～35°45′N）是世界三大流域之一，發(fā)源于青海省唐古拉山，匯入東海，全長6 397 km。長江流域是中國主要的優(yōu)良水源供給區(qū)域和高密度發(fā)展經(jīng)濟(jì)帶，良好的氣候條件是長江流域水資源保護(hù)、生產(chǎn)建設(shè)布局和可持續(xù)發(fā)展的重要支柱。長江流域氣候變化特征顯著且極端水文事件頻發(fā)，基于我國南澇北旱的水資源分布特點(diǎn)，長江上游、中游和下游徑流變化受溫度和降水影響較大。

1.2" 數(shù)據(jù)來源及模型構(gòu)建

1.2.1" CMIP 6模式數(shù)據(jù)

本研究根據(jù)自身的研究需求，以及考慮到模式之間的結(jié)構(gòu)差異性和符合本研究區(qū)氣候預(yù)測的可靠性，選取8個(gè)具有5種排放情景的CMIP 6氣候模式進(jìn)行氣溫模擬評(píng)估（表1），詳細(xì)信息可參考網(wǎng)址http：//esgf-node.llnl.gov/sea rch/CMIP 6//。采用的實(shí)測降水與氣溫?cái)?shù)據(jù)選擇中國氣象局國家氣象信息中心（http： //data.cma.cn/）提供的長江流域1961—2014年175個(gè)氣象站點(diǎn)月平均氣溫和降水?dāng)?shù)據(jù)集作為模擬未來氣溫特征的對(duì)照標(biāo)準(zhǔn)，空間分辨率為0.5°×0.5°。模擬氣溫和降水網(wǎng)格數(shù)據(jù)由CMIP 6中共8個(gè)全球氣候模式輸出所得的月平均格點(diǎn)數(shù)據(jù)集。數(shù)據(jù)包括歷史時(shí)期（1961—2014年）和未來預(yù)測時(shí)期（2020—2099年）2個(gè)階段。

研究利用5種未來共享社會(huì)經(jīng)濟(jì)路徑（shared socioeconomic pathway，SSP）：SSP1-1.9、SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5，提供了多種耦合模型的預(yù)測結(jié)果。在IPCC假設(shè)中，這5種不同碳濃度排放情景依次代表碳排放水平逐漸升高、溫度升高幅度變大的強(qiáng)迫情景，發(fā)展路徑依次為：可持續(xù)發(fā)展、中度發(fā)展、局部或不一致發(fā)展、不均衡發(fā)展和高化石燃料消耗發(fā)展。

1.2.2" SWAT模型構(gòu)建

本研究驅(qū)動(dòng)SWAT水文模型進(jìn)行徑流模擬所用到的主要有土地利用、土壤屬性、降水與氣溫?cái)?shù)據(jù)及實(shí)測日徑流數(shù)據(jù)。土壤屬性數(shù)據(jù)來源于國家地球系統(tǒng)科學(xué)數(shù)據(jù)中心（http：//www.geodata.cn/），土地利用數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心（http：//www.resclc.cn）中國區(qū)數(shù)據(jù)集，土壤與土地利用數(shù)據(jù)的初始空間分辨率為1 km×1 km，后利用空間分解法將數(shù)據(jù)處理為0.5°×0.5°分辨率。為了更加直觀地分析長江流域上中下游水文環(huán)境變化，選取大通、漢口和寸灘水文站實(shí)測徑流數(shù)據(jù)，這3個(gè)水文站分別代表了長江流域下游、中游和上游，所用的實(shí)測徑流數(shù)據(jù)均來自長江流域《水文年鑒》。采用ARCSWAT對(duì)模型進(jìn)行參數(shù)率定，SSP1-2.6、SSP2-4.5、SSP5-8.5排放情景下將獲得的徑流序列進(jìn)行未來徑流的變化模擬評(píng)估。

1.3" 數(shù)據(jù)處理

1.3.1" 降尺度處理與偏差訂正

基于模式模擬和觀測氣溫之間百分比差值，對(duì)1961—2014年的氣溫觀測數(shù)據(jù)進(jìn)行反距離加權(quán)空間插值（inverse distance weight，IDW），將氣溫觀測數(shù)據(jù)插值到初始CMIP 6格點(diǎn)上，再通過IDW重新插值，利用空間分解（spatial disaggregation，SD）法計(jì)算經(jīng)緯度。SD法具有穩(wěn)定的統(tǒng)計(jì)關(guān)系，即在未來氣候情景下將尺度降為0.5°× 0.5°空間分辨率的CMIP 6氣溫模式數(shù)據(jù)插值后，利用等距離累積分布函數(shù)（EDCDF）校正偏差，將計(jì)算得出的權(quán)重系數(shù)插值到氣溫觀測網(wǎng)格點(diǎn)上，這對(duì)處理氣候的可變性更有優(yōu)勢且校正后的偏差消除效果明顯。EDCDF表達(dá)式如下：

x～m-p，adjst=xm-p+F -1a-c-F -1m-c。（1）

式中：x～m-p，adjst為校正后的模型數(shù)據(jù)；xm-p為校正期內(nèi)模型輸出數(shù)據(jù)；Fm-p為校正期內(nèi)模型的累積分布函數(shù)；F -1a-c和F -1m-c分別為參考期內(nèi)觀測數(shù)據(jù)和模型模擬值的分位數(shù)函數(shù)。

1.3.2" SWAT模型參數(shù)率定與驗(yàn)證

將氣象數(shù)據(jù)輸入SWAT水文模型進(jìn)行徑流模擬，以R2（相對(duì)誤差）和Nash-Sutcliffe效率系數(shù)（NS系數(shù)，式中記為NS）作為模型適用性的評(píng)價(jià)標(biāo)準(zhǔn)，以決定模型的模擬效果，R2和NS越接近1模型模擬效果越好，具體計(jì)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為流量;Q為流量均值；Qo為實(shí)測值；Qs為模擬值；i表示第i個(gè)數(shù)據(jù)；n為數(shù)據(jù)長度。

2" 結(jié)果與分析

2.1" GCM 1961—2014年氣溫模擬效果的評(píng)估

本研究利用8個(gè)氣候模式集合平均（MME）法模擬氣溫變化結(jié)果，得出對(duì)未來長江流域月均溫的變化特征預(yù)估。選擇泰勒?qǐng)D（圖1）對(duì)GCM 1961—2014年氣溫的模擬效果進(jìn)行評(píng)估，通過標(biāo)準(zhǔn)偏差、中心均方根差（RMSE）以及他們之間的相關(guān)系數(shù)進(jìn)行直觀的模型模擬能力評(píng)價(jià)。從圖中可以看出，1961—2014年8個(gè)模型經(jīng)偏差訂正后，氣溫與降水量的模擬值均與觀測值較為接近。在溫度泰勒?qǐng)D中（圖1a）氣溫模擬值與觀測值的相關(guān)性一致較高，MME模擬值最接近觀測值，8個(gè)氣候模式之間差異較小，8個(gè)相關(guān)系數(shù)均大于0.96，而中心均方根差值（RMSE）則均小于1.20，標(biāo)準(zhǔn)偏差均大于7.00，IPSL-CM6A-LR相對(duì)于其他模型中心均方根差值最小。在降水量泰勒?qǐng)D中（圖1b）MME的模擬值與觀測值最為接近，其相關(guān)系數(shù)為0.93， RMSE為16.00，標(biāo)準(zhǔn)偏差為52.00。而對(duì)于單模式CMIP 6來說，這8個(gè)模型的各項(xiàng)指標(biāo)具有一定偏差，8個(gè)模式之間對(duì)降水量的模擬效果不同。CanESM5的平均降水量相關(guān)系數(shù)最低（0.79），中心均方根誤差最高（RMSE為30），MIROC在8個(gè)模式中模擬降水方面表現(xiàn)最好（相關(guān)系數(shù)為0.86，RMSE為25.5），比其他模型能夠更好地模擬長江流域降水量的變化。與MIROC模式相比，MME的準(zhǔn)確度更高。偏差校正之后的MME與觀測值有較高的相似度，模擬溫度的相關(guān)系數(shù)大于0.99，模擬降水的相關(guān)系數(shù)大于0.90，在長江流域氣溫和降水量的時(shí)間變異性上模擬效果表現(xiàn)最好。因此以MME為主進(jìn)行長江流域氣溫與降水量變化趨勢的情景預(yù)估。

黑色線代表標(biāo)準(zhǔn)差；綠色線代表中心均方根誤差；黃色線代表相關(guān)性。Black lines corresponded to standard deviation; green lines for centered RMSE differences; yellow lines corresponded to correlations.

2.2" MME氣溫與降水的時(shí)空分布

從長江流域的年平均氣溫和降水看，1961—2014年間觀測值與模擬值的變化趨勢基本一致（圖2）。長江流域整體氣溫與降水均呈現(xiàn)上、中、下游逐漸上升的趨勢變化，偏差校正后的MME在長江流域氣溫與降水的模擬效果較好。根據(jù)圖2a、2b可以看出，贛江流域年平均氣溫均被顯著高估了，而通天河水域的氣溫被低估了。長江流域的氣溫從西北方向（-8 ℃）向東南方向（20 ℃）逐漸升高。長江上游源頭以及金沙江水域、大渡河、雅礱江、岷江以北的邊緣地區(qū)歷史年平均氣溫均小于9 ℃，而長江中下游的湘江、嘉陵江以南、贛江流域的歷史年平均氣溫均大于15 ℃，長江中下游的氣溫高于長江上游及源區(qū)。根據(jù)圖2c、2d可以看出，歷史時(shí)期長江流域降水從小到大均呈現(xiàn)源區(qū)降水量lt;中游降水量lt;下游降水量。尤其在長江下游大部分地區(qū)年降水量都大于500 mm。此外，MME模型明顯高估了部分地區(qū)降水量的情況，格拉丹東地區(qū)被高估了大于100 mm的降水量，大渡河下游年降水量也被顯著高估?？傮w而言，此流域降水量自西北方向（lt;300 mm）向東南方向（gt;1 200 mm）呈趨勢性增加，MME模型對(duì)長江流域表現(xiàn)出較好的模擬能力。

研究發(fā)現(xiàn)長江流域高溫與強(qiáng)降水在流域中下游出現(xiàn)較多，且年際變化較為明顯，加快了此流域的水循環(huán)，為暴雨形成和徑流量增加創(chuàng)造條件，可能導(dǎo)致了長江中下游洪澇災(zāi)害的頻繁發(fā)生。

MME模型的模擬偏差大小情況見表2，經(jīng)分析，MME年平均降水量和氣溫差異較小，在差值比范圍（-5%，5%〗內(nèi)分別僅占16.17%、14.69%。偏差校正后的MME模型對(duì)長江流域氣溫的偏差較大，在差值比范圍≤-50%時(shí)達(dá)到了20.62%，gt;50%時(shí)占11.42%，對(duì)降水的模擬偏差較小，在差值比范圍≤-50%以及gt;50%時(shí)，僅占2.37%和8.90%。溫度的模擬值與觀測值差值比在（10%，50%〗區(qū)間的占23.29%，這表明了MME模型模擬的溫度在長江流域有被高估的現(xiàn)象；而降水量的模擬值與觀測值差值比在（-50%，-10%〗區(qū)間的占36.80%，這說明MME模型對(duì)長江流域年平均降水量存在低估的現(xiàn)象。

由圖2可知，MME模擬值與觀測值差異較小，為探究未來時(shí)期的氣溫與降水量的年際變化，以1961—2014年的歷史觀測數(shù)據(jù)為基準(zhǔn)，探究1961—2099年長江流域MME模擬的年平均氣溫與降水量變化趨勢。在歷史時(shí)期，氣溫與降水量的模擬值與觀測值變化趨勢相似，MME模式模擬的氣溫年際變化較小且呈現(xiàn)輕微上升的趨勢（圖3a），溫度差異均保持在±10%以內(nèi)，圖3b中模擬降水量在歷史時(shí)期的年際變化范圍較大（±20%），這與實(shí)際觀測值的結(jié)果相似。

長江流域2020—2099年MME氣溫與降水量的變化在5種未來碳排放情景下具有一定的差異性，與降水相比，氣溫在碳排放情景下的變化趨勢較為顯著（圖3）且未來氣溫與降水均呈現(xiàn)逐漸上升的趨勢。隨著SSP情景的加劇，長江流域的氣溫增長趨勢變大（圖3a），在SSP5-8.5情景下模擬的氣溫比SSP1-1.9時(shí)的高1.23 ℃，比SSP1-2.6時(shí)的氣溫高0.99 ℃。在降水方面，5種情景之間的趨勢變化并不顯著（圖3b）。2090—2099年預(yù)估的氣溫與降水量時(shí)空變異性范圍（圖3a、3b右邊的灰條）與2020—2099年MME預(yù)估范圍相近吻合，故氣溫將會(huì)持續(xù)升高，而降水量的升高趨勢不顯著。在SSP5-8.5情景下， 2090年氣溫將升高50%左右，而降水量將增加10%，用MME對(duì)5種情景預(yù)測的變化趨勢較為穩(wěn)定，變化范圍較小。總體而言，在所有情景下長江流域的氣溫增加會(huì)在50%以內(nèi)，降水量增加會(huì)在20%以內(nèi)，極端降水和氣溫及降水量、氣溫距平顯著增加，這說明長江流域在21世紀(jì)后半葉的強(qiáng)降水和高溫會(huì)持續(xù)影響當(dāng)?shù)厮沫h(huán)境，對(duì)未來洪峰流量變化具有一定影響。

陰影區(qū)域代表模型年平均值的±1標(biāo)準(zhǔn)差范圍。圖中右側(cè)的灰色條形代表了MME模式對(duì)2090—2099年平均氣溫與降水的模擬估算范圍。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" 長江流域未來徑流模擬

本研究基于水文資料數(shù)據(jù)構(gòu)建的SWAT模型，選定2006年為預(yù)熱期，2006—2013是率定期，2014—2017為模型驗(yàn)證期。利用SWAT-CUP中Sufi2算法進(jìn)行率定分析得到河岸調(diào)蓄基流因子、SCS徑流曲線系數(shù)與地下水延遲系數(shù)為最敏感的3個(gè)系數(shù)。以及利用ARCSWAT對(duì)2006—2013年內(nèi)的日徑流進(jìn)行500次率定，從而篩選出最優(yōu)參數(shù)，采用R2和NS系數(shù)展開對(duì)長江上、中、下游模擬效果的探究（表3）。從表中可以看出，大通站的NS系數(shù)和R2都是達(dá)到了最大為0.80和0.86，且3個(gè)站點(diǎn)率定期和驗(yàn)證期的NS系數(shù)均大于0.50，故模型的模擬可信度較高，并且各站點(diǎn)的R2均大于0.60，這說明模擬值與實(shí)測值之間的相關(guān)性很高，模型模擬的準(zhǔn)確性很好。

對(duì)長江流域上、中、下游3個(gè)站點(diǎn)（寸灘站、漢口站、大通站）徑流模擬的結(jié)果見圖4，可以看出2006—2017年間SWAT模型模擬的徑流量和實(shí)測徑流量的變化趨勢相似，經(jīng)CMIP 6模擬數(shù)據(jù)預(yù)估的未來2020—2099年各站點(diǎn)徑流變化均呈顯著上升趨勢，并隨著情景SSP1-2.6、SSP2-4.5、SSP5-8.5的增大，預(yù)測的年均徑流量相應(yīng)增大。

在歷史與未來時(shí)期各站點(diǎn)年均徑流量呈現(xiàn)大通站gt;漢口站gt;寸灘站。大通站（圖4a）歷史時(shí)期的徑流增加趨勢最為顯著，年均徑流量（2 000～34 000 m3/s）一直處在相對(duì)較高的水平，2010、2012和2016年均出現(xiàn)了較大的洪峰流量，在未來3種情景預(yù)估下，大通站的年均徑流量增加顯著，到21世紀(jì)末SSP5-5.8情景下年均徑流量甚至達(dá)到40 380 m3/s。漢口站（圖4b）歷史時(shí)期的年均徑流量呈現(xiàn)的正負(fù)變化趨勢相當(dāng)，年均流量模擬效果較好，而在2070年后各情景的徑流預(yù)估變化波動(dòng)較為明顯，預(yù)測2070年后會(huì)出現(xiàn)徑流峰值。寸灘站（圖4c）的模擬結(jié)果顯示在歷史時(shí)期未出現(xiàn)明顯的洪峰流量年份，模擬效果有一定的偏差，且枯水期流量存在一定程度的偏低，在未來SSP1-2.6情境預(yù)估下，寸灘站年均徑流量在2080—2099年徑流量的增加趨勢相對(duì)于SSP2-4.5和SSP5-8.5情景較低。以上表明未來在低排放情境下，長江流域下游的洪澇災(zāi)害將會(huì)顯著減少。

通過以上分析可知，在不同的氣候變化情景下，徑流的變幅是氣候變暖的一種響應(yīng)結(jié)果，未來長江流域水資源的變化在氣候變化影響下較為明顯。定量評(píng)估未來2020—2099年氣溫和降水并結(jié)合3種未來氣候情景下的徑流變化，發(fā)現(xiàn)長江流域未來溫度升高與降水增加會(huì)促進(jìn)徑流量的增加，到21世紀(jì)末，3種排放情景下徑流均呈增加趨勢且由于降水量和溫度的不斷升高，長江下游的徑流量將達(dá)新高，而情景SSP1-2.6下由于降水量和氣溫的增幅最小，徑流變化在未來時(shí)期是較為理想的。因此，有效控制碳排放、減緩氣溫與降水量的增長速度，可有效減少洪澇災(zāi)害的發(fā)生，減輕長江水患。

3" 討" 論

研究發(fā)現(xiàn)，利用MME集合平均法對(duì)8個(gè)偏差校正后的CMIP 6模式進(jìn)行處理后，可以有效地避免獨(dú)立模式之間的結(jié)構(gòu)差異性，并且能夠很好地模擬長江流域氣溫與降水的變化趨勢，李曉蕾等同樣基于糾偏后的MME模式對(duì)長江流域降水變化做出研究，得出MME對(duì)于未來氣候變化的預(yù)估優(yōu)于單一氣候模型。然而自CIMP 6模式被開發(fā)運(yùn)用以來，各個(gè)研究者出于提高氣候預(yù)估可靠性以及減少預(yù)測預(yù)估的不確定性，MME多模式集合成為研究的熱點(diǎn)，并產(chǎn)出了大量的研究結(jié)論，這就造成對(duì)于大多數(shù)獨(dú)立氣候模式自身性能的關(guān)注度減少，減少了獨(dú)立模式的不確定性對(duì)預(yù)測結(jié)果影響的思考。因此，在今后的研究中，應(yīng)根據(jù)實(shí)際情況，基于數(shù)量眾多的獨(dú)立氣候模式以及觀測數(shù)據(jù)，展開獨(dú)立模型之間的預(yù)估性能研究，從而有效地區(qū)分各個(gè)模型的獨(dú)立性和同源性。模擬長江流域未來2020—2099年降水、氣溫和徑流均有增加的趨勢，且排放情景越高，增幅相應(yīng)越大，其中對(duì)模擬數(shù)據(jù)與觀測數(shù)據(jù)進(jìn)行對(duì)比發(fā)現(xiàn)，長江中上游大渡河的年平均降水被顯著高估了50%。李佳瑞等利用CMIP 5預(yù)估氣候變化時(shí)同樣出現(xiàn)了顯著高估的情況，這可能是由于所選的氣候模型性能參數(shù)不同以及研究區(qū)的地理環(huán)境差異所導(dǎo)致的。盡管本研究對(duì)所采用的氣候數(shù)據(jù)進(jìn)行了插值和偏差訂正，降低了數(shù)據(jù)的變異性，然而各個(gè)氣候模式的內(nèi)部運(yùn)行過程可能會(huì)根據(jù)不同情況隨著時(shí)間模擬變量變化而變化。這也與模型內(nèi)部結(jié)構(gòu)或模型初始條件的設(shè)置有一定的關(guān)系，需進(jìn)一步加深各個(gè)模型在不同區(qū)域參數(shù)化設(shè)定以及地理環(huán)境適應(yīng)性的研究，從而提高模擬精度和更高水平的置信度。

利用SWAT水文模型進(jìn)行長江流域徑流模擬時(shí)，由于水文環(huán)境變化的不確定性和差異性，僅采用單一水文模型模擬多年的徑流變化使得結(jié)果均值化，為確保模擬結(jié)果的準(zhǔn)確性和可靠性，可綜合考慮加入其他水文模型進(jìn)行對(duì)比研究，從而提供更加科學(xué)全面的研究結(jié)果。徑流變化是一個(gè)復(fù)雜的水文環(huán)境變化過程，不僅與氣候因子中降水量和氣溫有關(guān)，人類活動(dòng)、土地利用（覆被變化）、下墊面同樣是影響徑流變化的重要因素，因此，綜合考慮徑流變化的驅(qū)動(dòng)因子，研究區(qū)未來徑流的模擬評(píng)估會(huì)更具精準(zhǔn)性和科學(xué)性。

本研究基于氣象站觀測資料，結(jié)合CMIP 6多集合平均模式對(duì)長江流域氣溫和降水進(jìn)行歷史和未來時(shí)空分布模擬，并在此基礎(chǔ)上利用SWAT水文模型研究了未來長江上、中、下游徑流變化，得到以下結(jié)論：

1）8個(gè)CMIP 6模式和MME模式在整個(gè)長江流域氣溫相關(guān)系數(shù)均大于0.96，降水相關(guān)系數(shù)均大于0.80，MME模式模擬效果最好，模擬氣溫的相關(guān)系數(shù)大于0.99，模擬降水量的相關(guān)系數(shù)大于0.90。1961—2014年，MME模式預(yù)估的氣溫從長江源頭（-8 ℃）向長江下游（20 ℃）逐漸升高，重慶等地有溫度被高估的情況。模擬降水量自長江流域西北（lt;300 mm）向東南（gt;1 200 mm）逐漸呈現(xiàn)趨勢性增加，氣溫與降水量增幅在2020—2090年間較為明顯。

2）未來5種SSP情景下，長江流域的氣溫與降水量的增加速率會(huì)隨著情景變高而升高。2020—2090年MME預(yù)估的氣溫與降水量的變化范圍與2090—2099年所預(yù)估的范圍相吻合，總體而言，在所有情景下長江流域未來時(shí)期的氣溫增加會(huì)在50%以內(nèi)，降水量增加會(huì)在20%以內(nèi)。

3）本研究采用的SWAT模型模擬效果較好，2006—2017年長江流域年均徑流量呈現(xiàn)長江下游（28 000～42 000 m3/s）gt;長江中游（22 000～32 000 m3/s）gt;長江上游（10 000～16 000 m3/s）。預(yù)測2070年后會(huì)出現(xiàn)徑流峰值，并隨著3種碳排放情景的不斷加劇，各站點(diǎn)的徑流量呈現(xiàn)上升趨勢，即氣溫升高與降水量增加會(huì)促進(jìn)徑流量增加，主要表現(xiàn)在下游區(qū)域，這表明氣候變化是影響長江流域中下游洪澇災(zāi)害的重要因素。同時(shí)，大通站在未來SSP5-8.5情境下，徑流量的增加趨勢最明顯，為40 380 m3/s;未來在低排放情景下，長江流域下游的洪澇災(zāi)害將會(huì)顯著減少。

參考文獻(xiàn)（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］徐宗學(xué)，李景玉．水文科學(xué)研究進(jìn)展的回顧與展望．水科學(xué)進(jìn)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］周礪，劉金平，陳麗芳，等．當(dāng)前國際水文學(xué)科技術(shù)領(lǐng)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，蘇布達(dá)，王艷君，等．四十年來長江流域氣溫、降水與徑流變化趨勢．氣候變化研究進(jìn)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，張利平，鄧瑤，等．基于CMIP 6的中國主要地區(qū)極端氣溫/降水模擬能力評(píng)估及未來情景預(yù)估．武漢大學(xué)學(xué)報(bào)（工學(xué)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，馮嵐，等．CMIP 5模式對(duì)長江和黃河流域極端氣溫指標(biāo)的模擬與預(yù)估．地球科學(xué)，2020，45（6）：1887-1904．LI J R，NIU Z G，F(xiàn)ENG 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］夏軍，王渺林．長江上游流域徑流變化與分布式水文模擬．資源科學(xué)，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．

班春廣，陶輝，董義陽，等．未來氣候情景下塔里木河干流日徑流過程模擬研究．干旱區(qū)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.

王學(xué)全，盧琦，李保國．應(yīng)用模糊綜合評(píng)判方法對(duì)青海省水資源承載力評(píng)價(jià)研究．中國沙漠，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．

陳梓延，王艷君，蘇布達(dá)，等．基于多模式的烏江流域徑流對(duì)氣候變化的響應(yīng)研究．長江流域資源與環(huán)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．

張?jiān)鲂?，欒以玲，姜彤，等．長江三角洲極端降水趨勢及未來情景預(yù)估．南京林業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)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．

張?jiān)鲂牛?張強(qiáng)， 張金池， 等. 2050年前長江流域極端降水預(yù)估. 氣候變化研究進(jìn)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.

劉君龍，袁喆，許繼軍，等．長江流域氣象干旱演變特征及未來變化趨勢預(yù)估．長江科學(xué)院院報(bào)，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.

周天軍，鄒立維，陳曉龍．第六次國際耦合模式比較計(jì)劃（CMIP 6）評(píng)述．氣候變化研究進(jìn)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.

曹麗格，方玉，姜彤，等．IPCC影響評(píng)估中的社會(huì)經(jīng)濟(jì)新情景（SSPs）進(jìn)展．氣候變化研究進(jìn)展，2012，8（1）：74-78．CAO L G，F(xiàn)ANG 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，F(xiàn)AKARUDDIN 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.

陶純?nèi)敚?，孫建新．CMIP 5多模式集合對(duì)東北三省未來氣候變化的預(yù)估研究．地球物理學(xué)報(bào)，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．

程婭蓓．亞澳季風(fēng)年際變率主模態(tài)的模擬評(píng)估與預(yù)測方法研究．南京：南京信息工程大學(xué)，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．

李曉蕾，王衛(wèi)光，張淑林．基于CMIP 6多模式的長江流域未來降水變化趨勢分析．中國農(nóng)村水利水電，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.

（責(zé)任編輯" 孟苗婧" 鄭琰燚）