基于CMIP 6多模式的长江流域气温、降水与径流预估

doi:10.12302/j.issn.1000-2006.202203028

国家林草科技领军期刊
中国精品科技期刊
中国高校百佳科技期刊
江苏省新闻出版政府奖期刊奖
RCCSE林学权威期刊（A+）
CSCD核心期刊
Scopus数据库收录期刊
中文核心期刊
SCD核心期刊

作者加群：102861116

微信公众号：南京林业大学学报

高级检索

南京林业大学学报（自然科学版） ›› 2024, Vol. 48 ›› Issue (2): 1-8.doi: 10.12302/j.issn.1000-2006.202203028

• 专题报道Ⅰ: 山水林田湖草沙一体化保护———湿地生态研究专题（执行主编张金池薛建辉） • 上一篇下一篇

基于CMIP 6多模式的长江流域气温、降水与径流预估

何旭¹(), 缪子梅¹^,^*(), 田佳西², 杨柳¹, 张增信¹, 朱斌¹

1.南京林业大学,南方现代林业协同创新中心,江苏省水土保持与生态修复重点实验室,南京林业大学林草学院、水土保持学院,江苏南京 210037
2.南京林业大学生态与环境学院,江苏南京 210037

收稿日期:2022-03-12 修回日期:2022-05-07 出版日期:2024-03-30 发布日期:2024-04-08
通讯作者: *缪子梅(miaozimei@njfu.edu.cn),研究员。
作者简介:
何旭(hexu9720@163.com)。
基金资助:
国家自然科学基金项目(41971025)

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 and Environment, Nanjing Forestry University, Nanjing 210037, China

Received:2022-03-12 Revised:2022-05-07 Online:2024-03-30 Published:2024-04-08

摘要/Abstract

摘要：

【目的】探究未来气候变化对长江流域径流的影响,为长江流域及其他地区的早期洪水预警和防御措施提供依据。【方法】采用国际耦合模式比较计划第6阶段(CMIP 6)多模式集合平均(MME),结合SWAT水文模型,对长江流域1961—2014年气温、降水量和径流等进行评估,并预估了长江流域2020—2099年SSP1-1.9、SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5排放情景下的气温、降水量和径流。【结果】 ①相比单一模式,MME历史时期模拟气温和降水效果更好,与观测值的相关系数均大于0.90,MME可以很好地模拟出气温和降水量的空间分布规律。②由MME分析可知,2020—2099年长江流域在所有情景下的气温增幅低于50%,降水增量小于20%,在SSP5-8.5情景下模拟的温度值比SSP1-1.9时的温度值高1.23 ℃,比SSP1-2.6时的温度值高0.99 ℃。③总体上,长江流域未来的年均径流量增加显著,到21世纪末,SSP5-5.8情景下年均径流量将达到40 380 m³/s。【结论】本研究揭示了长江流域径流变化趋势与气温与降水之间的相互关系,以及模拟未来气候变化的准确度,同时认为未来长江流域气温、降水量与径流量均呈上升趋势,低碳排放情景下的洪涝灾害相对较少,可为以后长江流域洪涝灾害的预估和区域性气候变化提供依据。

关键词: 长江流域, 气候变化, 国际耦合模式比较计划第6阶段(CMIP 6), 集合预估, 径流模拟

Abstract:

【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 >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 <50% and <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.

Key words: Yangtze River basin, climate change, coupled model intercomparison project phase 6(CMIP 6), ensemble estimation, runoff simulation

中图分类号:

P467

何旭,缪子梅,田佳西,等. 基于CMIP 6多模式的长江流域气温、降水与径流预估[J]. 南京林业大学学报（自然科学版）, 2024, 48(2): 1-8.

HE Xu, MIAO Zimei, TIAN Jiaxi, YANG Liu, ZHANG Zengxin, ZHU Bin. Temperature, precipitation and runoff prediction in the Yangtze River basin based on CMIP 6 multi-model[J].Journal of Nanjing Forestry University (Natural Science Edition), 2024, 48(2): 1-8.DOI: 10.12302/j.issn.1000-2006.202203028.

图/表 7

表1

图1

图2

表2

图3

表3

图4

参考文献 26

[1]	MOLINI A, KATUL G G, PORPORATO A. Maximum discharge from snowmelt in a changing climate[J]. Geophysical Research, 2011, 38(5):387-404.DOI:10.1029/2010gl046477.
[2]	徐宗学, 李景玉. 水文科学研究进展的回顾与展望[J]. 水科学进展, 2010, 21(4):450-459.
	XU Z X, LI J Y. Progress in hydrological sciences:past,present and future[J]. Adv Water Sci, 2010, 21(4):450-459.DOI:10.14042/j.cnki.32.1309.2010.04.003.
[3]	周砺, 刘金平, 陈丽芳, 等. 当前国际水文学科技术领域的研究方向[J]. 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[J]. Hydrology, 2005, 25(4):30-32,59.
[4]	姜彤, 苏布达, 王艳君, 等. 四十年来长江流域气温、降水与径流变化趋势[J]. 气候变化研究进展, 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[J]. Adv Clim Change Res, 2005, 1(2):65-68.
[5]	向竣文, 张利平, 邓瑶, 等. 基于CMIP 6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.
	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[J]. 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, 冯岚, 等. CMIP 5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):1887-1904.
	LI J R, NIU Z G, FENG L, et al. Simulation and prediction of extreme temperature indices in Yangtze and Yellow River basins by CMIP5 models[J]. 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[J]. 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[J]. Water, 2021, 13(11):1-24.DOI:10.3390/w13111511.
[9]	夏军, 王渺林. 长江上游流域径流变化与分布式水文模拟[J]. 资源科学, 2008, 30(7):962-967.
	XIA J, WANG M L. Runoff changes and distributed hydrologic simulation in the upper reaches of Yangtze River[J]. Resour Sci, 2008, 30(7):962-967.
[10]	班春广, 陶辉, 董义阳, 等. 未来气候情景下塔里木河干流日径流过程模拟研究[J]. 干旱区研究, 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[J]. Arid Zone Res, 2018, 35(4):770-778.DOI:10.13866/j.azr.2018.04.03.
[11]	王学全, 卢琦, 李保国. 应用模糊综合评判方法对青海省水资源承载力评价研究[J]. 中国沙漠, 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]. J Desert Res, 2005, 25(6):944-949.
[12]	陈梓延, 王艳君, 苏布达, 等. 基于多模式的乌江流域径流对气候变化的响应研究[J]. 长江流域资源与环境, 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[J]. Resour Environ Yangtze Basin, 2021, 30(8):1927-1937.
[13]	张增信, 栾以玲, 姜彤, 等. 长江三角洲极端降水趋势及未来情景预估[J]. 南京林业大学学报(自然科学版), 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]. J Nanjing For Univ (Nat Sci Ed), 2008, 32(3):5-8.
[14]	张增信, 张强, 张金池, 等. 2050年前长江流域极端降水预估[J]. 气候变化研究进展, 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[J]. Clim Cha Res, 2008(21):32-36.
[15]	刘君龙, 袁喆, 许继军, 等. 长江流域气象干旱演变特征及未来变化趋势预估[J]. 长江科学院院报, 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]. J Yangtze River Sci Res Inst, 2020, 37(10):28-36.DOI:10.11988/ckyyb.20190830.
[16]	周天军, 邹立维, 陈晓龙. 第六次国际耦合模式比较计划(CMIP 6)评述[J]. 气候变化研究进展, 2019, 15(5):445-456.
	ZHOU T J, ZOU L W, CHEN X L. Commentary on the Coupled Model Intercomparison Project Phase 6(CMIP6)[J]. Clim Change Res, 2019, 15(5):445-456.DOI:10.12006/j.issn.1673-1719.2019.193.
[17]	曹丽格, 方玉, 姜彤, 等. IPCC影响评估中的社会经济新情景(SSPs)进展[J]. 气候变化研究进展, 2012, 8(1):74-78.
	CAO L G, FANG Y, JIANG T, et al. Advances in shared socio-economic pathways for climate change research and assessment[J]. Progressus Inquisitiones DE Mutat Clim, 2012, 8(1):74-78.DOI:10.3969/j.issn.1673-1719.2012.01.012.
[18]	WENG Y, CAI W, WANG C. The application and future directions of the shared socioeconomic pathways (SSPs)[J]. Climate Change Research, 2020, 16(2): 215-222.
[19]	CHEN W Y, WANG H, HUANG W L, et al. Shared social-economic pathways (SSPs) modeling:application of global multi-region energy system model[J]. Energy Procedia, 2017, 142:2467-2472.DOI:10.1016/j.egypro.2017.12.184.
[20]	YUNUS F, CHANG N K, FAKARUDDIN F J, et al. Modelling of surface air temperature element in Malaysia[J]. Dev Earth Sci, 2015, 3:10.DOI:10.14355/des.2015.03.002.
[21]	WOOD A W, LEUNG L R, SRIDHAR V, et al. Hydrologic implications of dynamical and statistical approaches to downscaling climate model outputs[J]. Clim Change, 2004, 62(1/2/3):189-216.DOI:10.1023/B:CLIM.0000013685.99609.9e.
[22]	WANG L, CHEN W. Equiratio cumulative distribution function matching as an improvement to the equidistant approach in bias correction of precipitation[J]. Atmos Sci Lett, 2014, 15(1):1-6.DOI:10.1002/asl2.454.
[23]	陶纯苇, 姜超, 孙建新. CMIP 5多模式集合对东北三省未来气候变化的预估研究[J]. 地球物理学报, 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[J]. Chin J Geophys, 2016, 59(10):3580-3591.
[24]	程娅蓓. 亚澳季风年际变率主模态的模拟评估与预测方法研究[D]. 南京: 南京信息工程大学, 2016.
	CHENG Y B. The simulation assessment and prediction method research on the major modes of the Asian-Australian monsoon interannual variability[D]. Nanjing: Nanjing University of Information Science & Technology, 2016.
[25]	李晓蕾, 王卫光, 张淑林. 基于CMIP 6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):1-7,12.
	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[J]. China Rural Water Hydropower, 2022(3):1-7,12.
[26]	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[J]. Int J Climatol, 2019, 39(8):3505-3522.DOI:10.1002/joc.6035.

编号 code	模式名称 GCMs	国家 country	空间分辨率 spatial resolution
A	UKESM1-0-LL	英国	192×144
B	MIROC-ES2L	日本	128×64
C	CAMS-CSM1-0	中国	320×160
D	CanESM5	加拿大	128×64
E	GFDL-ESM4	美国	288×180
F	MRI-ESM2-0	日本	320×160
G	IPSL-CM6A-LR	法国	144×143
H	MIROC6	日本	256×128

指标 indicator	差值比D-value
指标 indicator	≤-50%	(-50%,-10%]	(-10%,-5%]	(-5%,5%]	(5%,10%]	(10%,50%]	>50%
气温air temperature	20.62	17.06	4.60	16.17	6.82	23.29	11.42
降水precipitation	2.37	36.80	6.23	14.69	6.38	24.63	8.90

水文站 hydrometric station	时期 period	N_S	R²
大通站 Datong station	率定期calibration period	0.80	0.86
	验证期verification period	0.76	0.84
汉口站 Hankou station	率定期calibration period	0.78	0.84
	验证期verification period	0.74	0.84
寸滩站 Cuntan station	率定期calibration period	0.75	0.83
	验证期verification period	0.64	0.83

基于CMIP 6多模式的长江流域气温、降水与径流预估

Temperature, precipitation and runoff prediction in the Yangtze River basin based on CMIP 6 multi-model

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 26

相关文章 15

编辑推荐

Metrics

本文评价

作者

读者

审稿

[1]	黄璐瑶, 杜珊凤, 纪小芳, 管鑫, 刘胜龙, 叶丽敏, 姜姜. 基于Biome-BGC模型的浙江凤阳山针阔混交林碳动态模拟[J]. 南京林业大学学报（自然科学版）, 2024, 48(5): 11-20.
[2]	石淞, 李文, 翟育涔, 林晓鹏, 丁一书. 中国东北虎豹国家公园植被NDVI时空变化及原因探究[J]. 南京林业大学学报（自然科学版）, 2023, 47(4): 31-41.
[3]	盖军鹏, 陈东升, 贾炜玮, 王政. 基于种源和气候效应的日本落叶松树高生长模型研究[J]. 南京林业大学学报（自然科学版）, 2023, 47(4): 51-60.
[4]	何潇, 雷相东, 段光爽, 丰庆荣, 张逸如, 冯林艳. 气候变化对落叶松人工林生物量生长的影响模拟[J]. 南京林业大学学报（自然科学版）, 2023, 47(3): 120-128.
[5]	邹晓明, 王国兵, 葛之葳, 谢友超, 阮宏华, 吴小巧, 杨艳. 林业碳汇提升的主要原理和途径[J]. 南京林业大学学报（自然科学版）, 2022, 46(6): 167-176.
[6]	贾艳艳, 唐晓岚, 任宇杰. 长江流域安徽段生态系统服务价值与景观生态风险时空演变及其关联分析[J]. 南京林业大学学报（自然科学版）, 2022, 46(3): 31-40.
[7]	吴帆, 朱沛煌, 季孔庶. 马尾松分布格局对未来气候变化的响应[J]. 南京林业大学学报（自然科学版）, 2022, 46(2): 196-204.
[8]	缪菁, 王勇, 王璐, 许晓岗. 基于MaxEnt模型的苦槠潜在地理分布格局变迁预测[J]. 南京林业大学学报（自然科学版）, 2021, 45(3): 193-198.
[9]	张凤英, 张增信, 田佳西, 黄日超, 孔蕊, 朱斌, 朱敏, 王益明, 陈喜. 长江流域森林NPP模拟及其对气候变化的响应[J]. 南京林业大学学报（自然科学版）, 2021, 45(1): 175-181.
[10]	张恒, 张秋良, 岳阳, 宋希明, 代海燕, 伊伯乐. 呼伦贝尔市气候变化对森林草原火灾的影响及未来趋势分析[J]. 南京林业大学学报（自然科学版）, 2020, 44(5): 222-230.
[11]	黄红兰, 钟沃谷, 衣德萍, 蔡军火, 张露. 未来气候变化对我国毛红椿适生区分布格局的影响预测[J]. 南京林业大学学报（自然科学版）, 2020, 44(3): 163-170.
[12]	常娟, 张增信, 田佳西, 陈喜, 陈奕兆. 西北地区草地水分利用效率时空特征及其对气候变化的响应[J]. 南京林业大学学报（自然科学版）, 2020, 44(3): 119-125.
[13]	陈禹衡, 吕一维, 殷晓洁. 气候变化下西南地区12种常见针叶树种适宜分布区预测[J]. 南京林业大学学报（自然科学版）, 2019, 43(6): 113-120.
[14]	江一帆,李明阳,刘雅楠,刘菲. 气候变化对湖南省马尾松适宜生境影响分析[J]. 南京林业大学学报（自然科学版）, 2019, 43(04): 94-100.
[15]	闫伯前,林万众,刘琪璟,于健. 秦岭鳌山太白红杉径向生长对气候因子的响应[J]. 南京林业大学学报（自然科学版）, 2018, 42(06): 61-67.