基于CMIP6多模式的和田河流域未来气候变化预估

doi:10.13745/j.esf.sf.2022.12.60

地学前缘 ›› 2023, Vol. 30 ›› Issue (3): 515-528.DOI: 10.13745/j.esf.sf.2022.12.60

基于CMIP6多模式的和田河流域未来气候变化预估

何朝飞¹^,²(), 骆成彦³, 陈伏龙¹^,²^,^*(), 龙爱华¹^,⁴, 唐豪¹^,²

1.石河子大学水利建筑工程学院, 新疆石河子 832000
2.生态水利工程兵团寒旱区重点实验室, 新疆石河子 832000
3.新疆水利水电勘测设计研究院有限公司, 新疆乌鲁木齐 830000
4.中国水利水电科学研究院流域水循环模拟与调控国家重点实验室, 北京 100038

收稿日期:2022-10-18 修回日期:2023-01-10 出版日期:2023-05-25 发布日期:2023-04-27
通讯作者: *陈伏龙(1978—),男,教授,博士生导师,主要从事水文学及水资源问题研究工作。E-mail: cfl103@shzu.edu.cn
作者简介:何朝飞(1992—),男,博士研究生,主要从事水文学及水资源问题研究。E-mail: 530731798@qq.com
基金资助:
国家自然科学基金项目(52169005);国家自然科学基金项目(51769029);南疆重点产业创新发展支撑计划项目(2022DB024)

CMIP6 multi-model prediction of future climate change in the Hotan River Basin

HE Chaofei¹^,²(), LUO Chengyan³, CHEN Fulong¹^,²^,^*(), LONG Aihua¹^,⁴, TANG Hao¹^,²

1. College of Water Conservancy & Architectural Engineering, Shihezi University, Shihezi 832000, China
2. Key Laboratory of Cold and Arid Regions, Eco-Hydraulic Engineering of Xinjiang Production & Construction Corps, Shihezi 832000, China
3. Xinjiang Water Resources and Hydropower Survey and Design Institute Co., Ltd., ürümqi 830000, China
4. State Key Laboratory of Simulation and Regulation of Water Cycle in River Basin, China Institute of Water Resources and Hydropower Research, Beijing 100038, China

Received:2022-10-18 Revised:2023-01-10 Online:2023-05-25 Published:2023-04-27

摘要/Abstract

摘要：

气候系统模式是对历史和未来气候模拟最广泛有效的工具,但存在一定的不足和局限性,使其无法直接用以预估未来气候变化。本文采用基于分位数映射的日偏差校正(DBC)、多模式集合(MME)平均和基于皮尔逊r相关系数的加权集合(r-MME)平均方法,以1971—2000年为基准期,评估6种气候模式在和田河流域的适用性;运用r-MME方法对未来SSP1-2.6、SSP2-4.5和SSP5-8.5情景下各模式的偏差校正结果进行集合,分析未来近期(2021—2050年)、远期(2061—2090年)日最高、最低气温以及降水的时空演变特征。结果表明:基于DBC的r-MME融合方法能够综合考虑各模式的优势,可大幅提高气候模式模拟的精度,年均最高气温、最低气温和降水量与实测序列的相关系数分别达到0.918、0.821和0.878;3种情景下的气温和降水均呈现增加趋势,其中低强迫SSP1-2.6情景下的增幅最小,远期年最高气温、最低气温和降水的平均增量分别为2.830、2.523 ℃和46.412 mm,高强迫SSP5-8.5情景下的增幅最大,远期年最高气温、最低气温和降水的平均增量为5.697、6.452 ℃和93.206 mm;同时,未来温差的逐渐减少使得流域 “暖湿化”现象更加明显。该研究结果可为未来气候变化下和田河流域经济发展和生态文明建设,以及水资源预测提供重要的理论依据。

关键词: 和田河流域, CMIP6, 模式评估, 偏差校正, 气候变化

Abstract:

Climate system models are the most extensive and effective tool for simulating historical and future climate, but they cannot be used directly to predict future climate change due to certain deficiencies and limitations of the models. In this study, taking 1971-2000 as base period, six climate models were evaluated using quantile-based daily bias correction (DBC), multi-model ensemble (MME) and correlation coefficient-based weighted multi-model ensemble (r-MME) methods to assess their applicability to predicting future climate change in the Hotan River Basin. In addition, r-MME was used to aggregate deviation-correction factors for the six models under three futuristic scenarios, SSP1-2.6, SSP2-4.5 and SSP5-8.5, to predict the near future (2021-2050) and long-term (2061-2090) spatial/temporal trends in daily maximum and minimum temperatures and precipitation. Results show that combining r-MME and DBC can comprehensively utilize each model’s advantages and greatly improve simulation accuracy, as correlation coefficients of 0.918, 0.821 and 0.878 were achieved, respectively, in prediction of maximum/minimum annual average temperatures and annual average precipitation. These three climate indices all showed an upward trend, under the three scenarios, where the low-forcing SSP1-2.6 had the smallest long-term increments of 2.830 ℃, 2.523 ℃ and 46.412 mm, respectively, and the high-forcing SSP5-8.5 had the largest increments of 5.697 ℃, 6.452 ℃ and 93.206 mm, respectively; besides, the decrease of temperature difference between maximum and minimum temperatures in the future will result in more obvious warming and humidification in the basin. The research results can provide an important theoretical basis for the economic and heathy-ecosystem developments in as well as water resources prediction for the Hotan River basin under future climate change.

Key words: Hotan River Basin, CMIP6, model evaluation, deviation correction, climate change

中图分类号:

P403
P334.92

何朝飞, 骆成彦, 陈伏龙, 龙爱华, 唐豪. 基于CMIP6多模式的和田河流域未来气候变化预估[J]. 地学前缘, 2023, 30(3): 515-528.

HE Chaofei, LUO Chengyan, CHEN Fulong, LONG Aihua, TANG Hao. CMIP6 multi-model prediction of future climate change in the Hotan River Basin[J]. Earth Science Frontiers, 2023, 30(3): 515-528.

图/表 14

图1 研究区域示意图

Fig.1 Schematic diagram of study area

表1 观测数据详情

Table 1 Details of observed data

数据类型	数据名称	数据描述	来源
观测数据	中国地面降水/气温日值 0.5°×0.5°格点数据集(V2.0)	时间长度为1971—2014年	国家气象科学数据中心
CMIP6模式数据	历史数据	时间长度为1971—2014年	美国能源部劳伦斯利弗莫尔国家实验室
	SSP5-8.5	未来情景数据:高强迫情景, 2100年辐射强迫稳定在8.5 W/m²
	SSP2-4.5	未来情景数据:中等强迫情景, 2100年辐射强迫稳定在4.5 W/m²
	SSP1-2.6	未来情景数据:低强迫情景, 2100年辐射强迫稳定在2.6 W/m²

表2 各模式简介

Table 2 Introduction to each mode

模式名称	所属国家及研究机构	原始分辨率
ACCESS-CM2	澳大利亚,英联邦科学和工业研究组织-气候系统科学卓越中心	192×144
BCC-CSM2-MR	中国,北京气候中心	288×192
CanESM5	加拿大,气候模拟与分析中心	128×64
EC-Earth3	欧洲,EC-地球联盟	320×160
IPSL-CM6A-LR	法国,法国拉普拉斯学院	144×143
MPI-ESM1-2-LR	德国,马克斯普朗克气象研究所	192×96

图2 和田河流域1971—2000年逐年气温均值模拟泰勒图结果(a:最高气温,b:最低气温)

Fig.2 Simulated Taylor diagrams for maximum (a)/minimum (b) annual mean temperature in the Hotan River Basin from 1971 to 2000

图3 和田河流域1971—2000年逐年气温变化

Fig.3 Annual temperature changes in the Hotan River Basin from 1971 to 2000

图4 和田河流域1971—2000年逐年降水均值模拟泰勒图结果

Fig.4 Simulated Taylor diagram for annual mean precipitation in the Hotan River Basin from 1971 to 2000

图5 和田河流域1971—2000年逐年历史序列和各模式模拟的降水变化

Fig.5 Annual historical series and precipitation changes in the Hotan River Basin from 1971 to 2000 according to each simulation model

图6 不同SSP-RCP情景下,和田河流域未来气温变化线条表示r-MME结果,阴影表示多个模式的范围(上限和下限)。

Fig.6 Future temperature changes in the Hotan River Basin under different SSP-RCP scenarios

图7 不同SSP-RCP情景下,和田河流域未来气温相对于历史期(1971—2000年)的变化量柱子代表r-MME结果,上、下限代表模式变化的最大值和最小值。

Fig.7 Future maximum/minimum temperature changes relative to the historical period (1971—2000) in the Hotan River Basin under different SSP-RCP scenarios

图8 不同SSP-RCP情景下,相对于基准期的未来最高/最低气温变化量空间分布图

Fig.8 Spatial distribution of future maximum/minimum temperature changes relative to base period under different SSP-RCP scenarios

图9 不同SSP-RCP情景下,和田河流域未来降水变化线条表示r-MME结果,阴影表示多个模式的范围(上限和下限)。

Fig.9 Future precipitation changes in the Hotan River Basin under different SSP-RCP scenarios

图10 不同SSP-RCP情景下,和田河流域未来降水相对于历史期(1971—2000年)的变化率柱子代表r-MME结果,为相对于基准期(1971—2000年)的平均降水量的变化量,上、下限代表模式相对于基准期平均降水量变化的最大值和最小值。

Fig.10 Relative rate of change of future precipitation relative to the historical period (1971—2000) in the Hotan River Basin under different SSP-RCP scenarios

图11 不同SSP-RCP情景下,和田河流域未来降水相对于基准期的增幅空间分布

Fig.11 Spatial distribution of future precipitation increase relative to the base period in the Hotan River Basin under different SSP-RCP scenarios

图12 MME与r-MME模拟值与观测值的空间相关系数图

Fig.12 Plots of spatial correlation coefficients between MME/r-MME predictions and observations

参考文献 39

[1]	Change Intergovernmental Panel on Climate. Climate change 2013: the physical science basis: working group I contribution to the fifth assessment report of the intergovernmental panel on climate change[M]. Cambridge: Cambridge University Press, 2014.
[2]	李春晖, 杨志峰. 气候变化对黄河流域水资源系统影响研究进展[J]. 地学前缘, 2002, 9(1): 34.
[3]	左其亭, 张修宇. 气候变化下水资源动态承载力研究[J]. 水利学报, 2015, 46(4): 387-395.
[4]	赵宗慈, 罗勇, 黄建斌. CMIP6的设计[J]. 气候变化研究进展, 2016, 12(3): 258-260.
[5]	王磊, 包庆, 何编. CMIP6高分辨率模式比较计划(HighResMIP)概况与评述[J]. 气候变化研究进展, 2019, 15(5): 498-502.
[6]	周天军, 邹立维, 陈晓龙. 第六次国际耦合模式比较计划(CMIP6)评述[J]. 气候变化研究进展, 2019, 15(5): 445-456.
[7]	张丽霞, 陈晓龙, 辛晓歌. CMIP6情景模式比较计划(ScenarioMIP)概况与评述[J]. 气候变化研究进展, 2019, 15(5): 519-525.
[8]	辛晓歌, 吴统文, 张洁, 等. BCC模式及其开展的CMIP6试验介绍[J]. 气候变化研究进展, 2019, 15(5): 533-539.
[9]	周天军, 陈晓龙. 气候敏感度、气候反馈过程与2 ℃升温阈值的不确定性问题[J]. 气象学报, 2015, 73(4): 624-634.
[10]	CANNON A J, SOBIE S R, MURDOCK T Q. Bias coreaction of GCM precipitation by quantile mapping: how well do methods preserve changes in quantiles and extremes?[J]. Journal of Climate, 2015, 28(17): 6938-6959. DOI URL
[11]	向竣文, 张利平, 邓瑶, 等. 基于CMIP6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[J]. 武汉大学学报(工学版), 2021, 54(1): 46-57, 81.
[12]	ZHANG Q, SHEN ZX, XU C Y, et al. A new statistical downscaling approach for global evaluation of the CMIP5 precipitation outputs: model development and application[J]. Science of the total Environment, 2019, 690(10): 1048-1067. DOI URL
[13]	王林, 陈文. 误差订正空间分解法在中国的应用[J]. 地球科学进展, 2013, 28(10): 1144-1153. DOI
[14]	智协飞, 吕游. 基于频率匹配法的中国降水多模式预报订正研究[J]. 大气科学学报, 2019, 42(6): 814-823.
[15]	李俊, 杜钧, 陈超君. 降水偏差订正的频率(或面积)匹配方法介绍和分析[J]. 气象, 2014, 40(5): 580-588.
[16]	尹家波, 郭生练, 王俊, 等. 基于贝叶斯模式平均方法融合多源数据的水文模拟研究[J]. 水利学报, 2020, 51(11): 1335-1346.
[17]	CHEN J, BRISSETTE F P, CHAUMONT D, et al. Performance and uncertainty evaluation of empirical downscaling methods in quantifying the climate change impacts on hydrology over two North American River Basins[J]. Journal of Hydrology, 2013, 479: 200-214. DOI URL
[18]	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. DOI
[19]	李晓菲, 徐长春, 李路, 等. CMIP5模式对西北干旱区典型流域气温模拟能力评估: 以开都-孔雀河为例[J]. 资源科学, 2019, 41(6): 1141-1153. DOI
[20]	顾磊, 陈杰, 尹家波, 等. 气候变化下中国主要流域气象水文干旱潜在风险传播[J]. 水科学进展, 2021, 32(3): 321-333.
[21]	XU L L, WANG A H. Application of the bias correction and spatial downscaling algorithm on the temperature extremes from CMIP5 multimodel ensembles in China[J]. Earth and Space Science, 2019, 6(12): 2508-2524. DOI URL
[22]	张佳怡, 伦玉蕊, 刘浏, 等. CMIP6多模式在青藏高原的适应性评估及未来气候变化预估[J]. 北京师范大学学报(自然科学版), 2022, 58(1): 77-89.
[23]	阿依努尔·买买提, 邱玉宝. 近20年和田绿洲水资源变化及其驱动力分析[J]. 干旱区资源与环境, 2013, 27(4): 117-122.
[24]	黄星, 陈伏龙, 赵琪, 等. 新疆和田河径流丰枯评价及组合分析[J]. 干旱区研究, 2021, 38(6): 1570-1578.
[25]	MPELASOKA F S, CHIEW F H S. Influence of rainfall scenario construction methods on runoff projections[J]. Journal of Hydrometeorology, 2009, 10(5): 1168-1183. DOI URL
[26]	SCHMIDLI J, FREI C, VIDALE P L. Downscaling from GCM precipitation: a benchmark for dynamical and statistical downscaling methods[J]. International Journal of Climatology, 2006, 26(5): 679-689. DOI URL
[27]	TAYLOR K E. Summarizing multiple aspects of model performance in a single diagram[J]. Journal of Geophysical Research: Atmospheres, 2001, 106(D7): 7183-7192. DOI URL
[28]	O’NEILL B C, TEBALDI C, VAN VUUREN D P, et al. The scenario model intercomparison project (ScenarioMIP) for CMIP6[J]. Geoscientific Model Development, 2016, 9(9): 3461-3482. DOI URL
[29]	VAN VUUREN D P, RIAHI K, MOSS R, et al. A proposal for a new scenario framework to support research and assessment in different climate research communities[J]. Global Environmental Change, 2012, 22(1): 21-35. DOI URL
[30]	MOSS R H, EDMONDS J A, HIBBARD K A, et al. The next generation of scenarios for climate change research and assessment[J]. Nature, 2010, 463(7282): 747-756. DOI
[31]	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. DOI
[32]	靳光强. 海水温度相似预报方法研究与实现[D]. 哈尔滨: 哈尔滨工程大学, 2018.
[33]	苏翔. 定量降水预报的可预报性与偏差订正方法研究[D]. 南京: 南京大学, 2015.
[34]	陶辉, 白云岗, 毛炜峄. CMIP3气候模式对北疆气候变化模拟评估及未来情景预估[J]. 地理研究, 2012, 31(4): 589-596.
[35]	周天军, 张文霞, 陈德亮, 等. 2021年诺贝尔物理学奖解读: 从温室效应到地球系统科学[J]. 中国科学: 地球科学, 2022, 52(4): 579-594.
[36]	王政琪, 高学杰, 童尧, 等. 新疆地区未来气候变化的区域气候模式集合预估[J]. 大气科学, 2021, 45(2): 407-423.
[37]	穆振侠, 姜卉芳. 基于统计降尺度方法的高寒山区未来气候变化预估[J]. 干旱区研究, 2015, 32(2): 290-296.
[38]	刘绿柳, 魏麟骁, 徐影, 等. 气候变化对黄河流域生态径流影响预估[J]. 水科学进展, 2021, 32(6): 824-833.
[39]	姜彤, 吕嫣冉, 黄金龙, 等. CMIP6模式新情景(SSP-RCP)概述及其在淮河流域的应用[J]. 气象科技进展, 2020, 10(5): 102-109.

基于CMIP6多模式的和田河流域未来气候变化预估

CMIP6 multi-model prediction of future climate change in the Hotan River Basin

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 14

参考文献 39

相关文章 15

编辑推荐

Metrics

本文评价

[1]	夏敦胜, 杨军怀, 王树源, 刘鑫, 陈梓炫, 赵来, 牛潇毅, 金明, 高福元, 凌智永, 王飞, 李再军, 王鑫, 贾佳, 杨胜利. 雅鲁藏布江流域风成沉积空间格局、沉积模式及其环境效应[J]. 地学前缘, 2023, 30(4): 229-244.
[2]	宋轩宇, 许民, 康世昌, 孙立平. 基于机器学习的冰冻圈典型流域水文过程模拟研究[J]. 地学前缘, 2023, 30(4): 451-469.
[3]	孙辉, 刘晓东. 青藏高原隆升气候效应的数值模拟研究进展概述[J]. 地学前缘, 2022, 29(5): 300-309.
[4]	刘志飞, 陈建芳, 石学法. 深海沉积与全球变化研究的前缘与挑战[J]. 地学前缘, 2022, 29(4): 1-9.
[5]	胡钊彬, 尉建功, 谢志远, 张伙带, 钟广法. 国际大洋钻探全球海平面变化研究进展[J]. 地学前缘, 2022, 29(4): 10-24.
[6]	胡栟铫, 龙飞江, 韩喜彬, 张泳聪, 胡良明, 向波, 葛倩, 边叶萍. 中全新世以来南极宇航员海的古生产力演变[J]. 地学前缘, 2022, 29(4): 113-122.
[7]	张宗言, 刘祥, 李响, 柯学, 张楗钰, 徐亚东. 广东雷州半岛晚渐新世—早更新世孢粉共存因子分析及古气候变化重建[J]. 地学前缘, 2022, 29(2): 303-316.
[8]	S.K.KRIVONOGOV, T.I.KENSHINBAY, R.Kh.KURMANBAEV, B.S.KARIMOVA. 咸海演化的关键问题及其对经济、社会和生态价值的重要启示[J]. 地学前缘, 2021, 28(6): 196-204.
[9]	倪艳华, 李明慧, 方小敏, 孟凡巍, 颜茂都, 刘迎新. 柴达木盆地西部中更新世气候转型期的古水温:来自SG-1钻孔石盐流体包裹体的证据[J]. 地学前缘, 2021, 28(6): 115-124.
[10]	王军, 张骁, 高岩. 青藏高原植被动态与环境因子相互关系的研究现状与展望[J]. 地学前缘, 2021, 28(4): 70-82.
[11]	王成善，王天天，陈曦，高远，张来明. 深时古气候对未来气候变化的启示[J]. 地学前缘, 2017, 24(1): 1-17.
[12]	官开萍，田力，安志辉，叶琴，胡军，童金南. 湖北神农架西部南华纪地层序列及其区域对比[J]. 地学前缘, 2016, 23(6): 236-245.
[13]	闫立娟, 郑绵平, 魏乐军. 近40年来青藏高原湖泊变迁及其对气候变化的响应[J]. 地学前缘, 2016, 23(4): 310-323.
[14]	余涛, 杨忠芳, 侯青叶, 夏学齐, 宗思锋, 李彪. 我国主要农耕区水稻土有机碳含量分布及影响因素研究[J]. 地学前缘, 2011, 18(6): 11-19.
[15]	鹿化煜, 李郎平, 弋双文, 王先彦, Joseph A.Mason. 中国北方沙漠－黄土体系的沉积和侵蚀过程与未来趋向探析[J]. 地学前缘, 2010, 17(5): 336-344.