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

PDF(5364 KB)
节水灌溉
中国农村水利水电 ›› 2022 ›› (3) : 1-7.
水文水资源

基于CMIP6多模式的长江流域未来降水变化趋势分析

作者信息 +

Trend Analysis of Future Precipitation in the Yangtze River Basin Based on CMIP6 Multi-Model

Author information +
稿件信息 +

摘要

伴随全球气候持续增暖，长江流域生态环境和水资源极易受到影响，对该地区的未来降水变化趋势进行分析研究，可为长江流域水资源管理和生态保护提供理论依据。基于偏差校正后的第六次国际耦合模式比较计划（CMIP6）13个全球气候模式输出的降水数据以及观测降水数据，评估了1995-2014年气候模式在长江流域的降水模拟能力，并且对4个SSP情景（SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5）下长江流域2021-2040年（近期）、2041-2070年（中期）以及2071-2100年（末期）的降水时空变化趋势进行分析。结果表明：①偏差校正后的模式数据在时空尺度上能很好地模拟出长江流域降水的特点，与观测值较为接近；②未来情景下长江流域年降水量随着辐射强迫水平的上升，增加趋势越大。相对于历史时期（1995-2014年），各情景下流域年降水在近期的增长都比较平缓，在末期降水增幅最大。季节降水总体表现为冬季变化率最大，春夏季降水增幅较平缓，秋季除了SSP3-7.0情景下前期的降水变化率为负值，其他情景和时段下都以较低的变化率缓慢增长。③空间上，年降水变化率较大的区域集中在降水相对较少的长江源区和中上游地区；春季降水变化率高值中心在源头区和中上游北部地区，而在流域的南部地区降水变化率较低；夏季和秋季的降水增量偏低，在中上游北部地区近期和中期降水量都较历史时期的有所下降；在冬季，全流域的降水都有增加，表现为长江流域北部地区降水变化率最大，南部地区变化率偏小。

Abstract

With the continuous warming of the global climate， the ecological environment and water resources in the Yangtze River Basin are apt to be affected. The analysis and study of the future precipitation change trend in the region will help to provide a theoretical basis for water resources management and ecological protection in the Yangtze River Basin. Based on the observed precipitation data and precipitation data output from 13 global climate models of the Sixth International Coupled Model Comparison Program （CMIP6） with bias correction， this paper evaluates the precipitation simulation ability of climate models in the Yangtze River Basin from 1995 to 2014.The temporal and spatial variation trends of precipitation in 2021-2040 （near term）， 2041-2070 （middle term）， and 2071-2100 （long term） are analyzed under four SSP scenarios （SSP1-2.6， SSP2-4.5， SSP3-7.0， and SSP5-8.5）.The results show that： ① The model data with bias correction can simulate the characteristics of precipitation well in the Yangtze River Basin on the spatial and temporal scale， which is close to the observed values. ②The annual precipitation in the Yangtze River Basin will increase significantly with the increase in the radiation forcing level. Compared with the historical period （1995-2014）， the annual precipitation growth in each scenario is relatively flat in the near term， and the precipitation growth is the largest in the long term. In general， seasonal precipitation shows the largest increase in winter， and the increase in spring and summer precipitation is relatively gentle. In autumn， except for the negative value of the precipitation change rate in the near term under the scenario SSP3-7.0， the other scenarios and periods are slowly increasing with lower change rates. ③Spatially， the regions with larger annual precipitation increase are concentrated on the source region of the Yangtze River and the middle and upper reaches of the Yangtze River with relatively less precipitation. The high value center of spring precipitation increase is in the source area and the north of the middle and upper reaches， while the precipitation change rate is low in the south of the basin. The precipitation increment in summer and autumn is relatively low， and the near term and middle-term precipitation in the northern part of the middle and upper reaches is lower than that in the historical period. In winter， the precipitation in the whole basin has increased， which shows that the precipitation change rate in the north of the Yangtze River Basin is the largest， and it is smaller in the south.

关键词

长江流域 / CMIP6 / 气候变化情景 / 降水

Key words

Yangtze River Basin / CMIP6 / climate change scenario / precipitation

基金

国家自然科学基金资助项目(51779073)

引用本文

EndNote

Ris (Procite)

Bibtex

导出引用
李晓蕾 , 王卫光 , 张淑林. 基于CMIP6多模式的长江流域未来降水变化趋势分析[J].中国农村水利水电, 2022(3): 1-7
Xiao-lei LI , Wei-guang WANG , Shu-lin ZHANG. A Trend Analysis of Future Precipitation in the Yangtze River Basin Based on CMIP6 Multi-Model[J].China Rural Water and Hydropower, 2022(3): 1-7

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

机构 国家 模式名称 网格分辨率
CSIRO 澳大利亚 ACCESS-ESM-5 192×145
BCC 中国 BCC-CSM2-MR 320×160
CCCma 加拿大 CanESM5 128× 64
NCAR 美国 CESM2-WACCM 288×192
CMCC 意大利 CMCC-CM2-SR5 288×192
欧洲EC-Earth联盟 瑞典 EC-Earth3-Veg 512×256
INM 俄罗斯 INM-CM4-8 180×120
INM 俄罗斯 INM-CM5-0 180×120
IPSL 法国 IPSL-CM6A-LR 144×143
DKRZ 德国 MPI-ESM1-2-HR 384×192
MPI-M 德国 MPI-ESM1-2-LR 192×96
NCC 挪威 NorESM2-LM 144×96
NCC 挪威 NorESM2-MM 288×192
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）：
x ˜ m - p ,   a d j s t = x m - p + F o - c   - 1 F m - p x m - p - F m - c   - 1 [ F m - p x m - p ]
式中： x ˜ m - p ,   a d j s t为校正后的模型数据； F m - p为校正期内模型的累积分布函数； F o - c   - 1和 F m - c   - 1分别为参考期内观测数据和模型模拟值的分位数函数。

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 (mm)

Tab.2 Annual average precipitation observed and simulated at different time scales in the Yangtze River Basin from 1995 to 2014

时间 春季 夏季 秋季 冬季 全年
观测值 184.89 241.23 122.42 59.11 607.65
模拟值 195.00 286.95 131.68 63.34 676.97
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、MPI-ESM1-2-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。
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。
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。
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。
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。
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）］。
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。 □

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
1
IPCC. Special report on global warming of 1.5 °C ［M］.UK： Cambridge University Press， 2018.
本文引用 [1]
2
TANG K H D. Climate change in Malaysia： Trends， contributors， impacts， mitigation and adaptations ［J］. Science of the Total Environment， 2019，650：1 858-1 871.
本文引用 [1]
3
WU S， HU Z， WANG Z， et al. Spatiotemporal variations in extreme precipitation on the middle and lower reaches of the Yangtze River Basin （1970–2018） ［J］. Quaternary International， 2021，592：80-96.
本文引用 [1]
4
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.
本文引用 [1]
5
时光训，刘健，马力，等. 1970-2014 年长江流域极端降水过程的时空变化研究［J］.水文， 2017，37（4）：77-85.
本文引用 [1]
6
FANG J， KONG F， FANG J， et al. Observed changes in hydrological extremes and flood disaster in Yangtze River Basin： spatial–temporal variability and climate change impacts ［J］. Natural Hazards， 2018，93（1）：89-107.
7
CHEN J， WU X， FINLAYSON B L， et al. Variability and trend in the hydrology of the Yangtze River， China： Annual precipitation and runoff［J］. Journal of Hydrology， 2014，513：403-412.
本文引用 [2]
8
YIN H， LI C. Human impact on floods and flood disasters on the Yangtze River ［J］. Geomorphology， 2001，41（2）：105-109.
本文引用 [1]
9
DAI Z， DU J， LI J， et al. Runoff characteristics of the Yangtze River during 2006： Effect of extreme drought and the impounding of the Three Gorges Dam ［J］. Geophysical Research Letters， 2008，35（7）：521-539.
本文引用 [1]
10
GAO C， SU B， KRYSANOVA V， et al. A 439-year simulated daily discharge dataset （1861–2299） for the upper Yangtze River， China ［J］. Earth System Science Data， 2020，12（1）：387-402.
本文引用 [1]
11
詹明月，王国杰，陆姣，等.基于 CMIP6 多模式的长江流域蒸散发预估及影响因素［J］.大气科学学报，2020，43（6）：1 115-1 126.
12
李佳瑞，牛自耕，冯岚，等. CMIP5 模式对长江和黄河流域极端气温指标的模拟与预估［J］. 地球科学， 2020，45（6）：1 887-1 904.
本文引用 [1]
13
TAO H， GEMMER M， JIANG J， et al. Assessment of CMIP3 climate models and projected changes of precipitation and temperature in the Yangtze River Basin， China［J］. Climatic Change， 2012，111（3）：737-751.
本文引用 [1]
14
郑巍斐，程雪蓉，杨肖丽，等. 基于统计降尺度的长江上游流域降水和气温的时空变化趋势研究［J］. 中国农村水利水电， 2017（9）：43-47，51.
本文引用 [1]
15
程雪蓉. 基于CMIP5模式预估长江上游流域气温及降水时空特征［J］.水电能源科学， 2019，37（1）：19-22.
本文引用 [2]
16
张杰，罗岚心，韩晓令，等. CMIP5模式对长江流域年降水的模拟与预估［C］//贵州省气象学会2013年学术年会论文集， 2013.
本文引用 [1]
17
EYRING V， BONY S， MEEHL G A， et al. Overview of the Coupled Model Intercomparison Project Phase 6 （CMIP6） experimental design and organization ［J］. Geoscientific Model Development， 2016，9（5）：1 937-1 958.
本文引用 [1]
18
STOUFFER R J， EYRING V， MEEHL G A， et al. CMIP5 scientific gaps and recommendations for CMIP6 ［J］. Bulletin of the American Meteorological Society， 2017，98（1）：95-105.
本文引用 [1]
19
O'NEILL B C， TEBALDI C， VUUREN D P， et al. The scenario model intercomparison project （ScenarioMIP） for CMIP6 ［J］. Geoscientific Model Development， 2016，9（9）：3 461-3 482.
本文引用 [1]
20
赵煜飞，朱江.近50年中国降水格点日值数据集精度及评估［J］.高原气象，2015，34（1）：50-58.
本文引用 [1]
21
丁凯熙，张利平，佘敦先，等.全球升温1.5 ℃和2.0 ℃情景下澜沧江流域极端降水的变化特征［J］.气候变化研究进展，2020，16（4）：466-479.
本文引用 [1]
22
陈晓红，张新主，章新平，等.江南区域性极端降水长期变化及其可能原因［J］.长江流域资源与环境，2020，29（8）：1 757-1 767.
23
李明，邓宇莹，曹富强，等.基于格点数据的黄土高原降水时空变化特征［J］.东北师大学报（自然科学版），2021，53（1）：130-136.
本文引用 [1]
24
LI H， SHEFFIELD J， WOOD E F. Bias correction of monthly precipitation and temperature fields from Intergovernmental Panel on Climate Change AR4 models using equidistant quantile matching ［J］. Journal of Geophysical Research： Atmospheres， 2010，115（D10）.
本文引用 [1]
25
SU B， WANG A， WANG G， et al. Spatiotemporal variations of soil moisture in the Tarim River basin， China［J］. International Journal of Applied Earth Observation and Geoinformation， 2016，48：122-130.
本文引用 [1]
26
胡义明，罗序义，梁忠民，等.基于藤Copula多维联合分布的CMIP5多模式降雨综合方法研究［J］.中国农村水利水电，2021（4）：10-15.
本文引用 [1]
27
赵梦霞，苏布达，姜彤，等.CMIP6模式对黄河上游降水的模拟及预估［J］.高原气象，2021，40（3）：547-558.
28
WALLACH D， MARTRE P， LIU B， et al. Multimodel ensembles improve predictions of crop–environment–management interactions ［J］. Global Change Biology， 2018，24（11）：5 072-5 083.
本文引用 [1]
PDF(5364 KB)

访问

引用

详细情况
段落导航
相关文章
鄂公网安备 42010602001274号　鄂ICP备14015464号-1
网站版权所有 © 《中国农村水利水电》编辑部
地址：武汉大学二区《中国农村水利水电》编辑部　邮编：430072
电话：(027)68776133　传真：xsdbjb@188.com　
本系统由北京玛格泰克科技发展有限公司设计开发　技术支持：support@magtech.com.cn

/

〈 〉