基于CMIP6气候模式的新疆积雪深度时空格局研究

doi:10.7522/j.issn.1000-0240.2021.0094

冰川冻土 ›› 2021, Vol. 43 ›› Issue (5): 1435-1445.doi: 10.7522/j.issn.1000-0240.2021.0094

基于CMIP6气候模式的新疆积雪深度时空格局研究

张庆杰¹(),陶辉²,苏布达³,窦挺峰⁴,姜彤¹()

^1.南京信息工程大学地理科学学院/灾害风险管理研究院，江苏南京 210044
^2.中国科学院新疆生态与地理研究所荒漠与绿洲生态国家重点实验室，新疆乌鲁木齐 830011
^3.中国气象局国家气候中心，北京 100081
^4.中国科学院大学资源与环境学院，北京 100049

收稿日期:2021-06-22 修回日期:2021-08-19 出版日期:2021-10-31 发布日期:2021-12-09
通讯作者: 姜彤 E-mail:qjzhang_nuist@163.com;jiangtong@nuist.edu.cn
作者简介:张庆杰，硕士研究生，主要从事气候变化与区域响应研究. E-mail： qjzhang_nuist@163.com
基金资助:
国家重点研发计划项目(2018FY100501)

Spatial and temporal patterns of snow depth in Xinjiang： insight from CMIP6 climate models

Qingjie ZHANG¹(),Hui TAO²,Buda SU³,Tingfeng DOU⁴,Tong JIANG¹()

^1.School of Geographical Science / Institute for Disaster Risk Management （iDRM），Nanjing University of Information Science & Technology，Nanjing 210044，China
^2.State Key Laboratory of Desert and Oasis Ecology，Xinjiang Institute of Ecology and Geography，Chinese Academy of Sciences，Urumqi 830011，China
^3.National Climate Centre，Beijing 100081，China
^4.College of Resources and Environment，University of Chinese Academy of Sciences，Beijing 100049，China

Received:2021-06-22 Revised:2021-08-19 Online:2021-10-31 Published:2021-12-09
Contact: Tong JIANG E-mail:qjzhang_nuist@163.com;jiangtong@nuist.edu.cn

摘要/Abstract

摘要：

积雪深度的变化对地表水热平衡起着至关重要的作用。选用了国际耦合模式比较计划第六阶段（CMIP6）中目前情景比较齐全的五个全球气候模式，通过对比新疆地区1979—2014年积雪深度长时间序列数据集，评估了气候模式在新疆地区模拟积雪深度的模拟能力，接着预估了未来不同SSPs-RCPs情景下新疆地区在2021—2040年（近期）、2041—2060年（中期）、2081—2100年（末期）相对于基准期（1995—2014年）的积雪深度变化。气温和降水对积雪深度变化有着重要的影响，因此还分析了新疆地区到21世纪末期气温和降水的变化趋势。结果表明：订正后的气候模式模拟的积雪深度数据与观测数据的相关系数均达到0.8以上，其中1月至3月与观测数据的结果更为吻合。气候模式基本上能够反映积雪深度年内变化的基本特征，气候模式模拟的积雪深度空间分布和观测数据具有相似的特征。气温和降水在未来不同情景下均会波动上升，其中气温的增幅相对比较明显，达0.43 ℃·（10a）^-1，而降水的增幅为0.63 mm·（10a）^-1，新疆未来的气候总体上呈现出变暖变湿的趋势。新疆地区的平均积雪深度在未来不同时期相对基准期均呈增加的趋势。SSP1-1.9情景下，21世纪近期、中期和末期北部大部分地区的积雪深度将会有所增加；SSP1-2.6情景下，北部阿尔泰山地区的积雪深度在21世纪近期有所减小，但中期和末期将会有所增加；SSP2-4.5情景下，21世纪不同时期东部地区的积雪深度将会有所增加，北部和中部大部分地区在不同时期积雪深度将会变小；SSP3-7.0情景下，21世纪不同时期北部和西南地区的积雪深度将会普遍变小，东部地区的积雪深度将普遍增加；SSP4-3.4和SSP4-6.0情景下，21世纪不同时期西南昆仑山地区的积雪深度将会普遍变小，东部地区的积雪深度将普遍增加；SSP5-8.5情景下，北部阿尔泰山地区和东部地区的积雪深度将普遍增加。

关键词: SSPs-RCPs, CMIP6, 积雪深度, 预估, 新疆

Abstract:

The change of snow depth plays an important role in the surface water heat balance. Five global climate models from Phase 6 of the Coupled Model Intercomparison Project （CMIP6） with relatively complete scenarios are selected to evaluate the simulation ability of the climate model in simulating the snow depth in Xinjiang by comparing the long time series data sets of the snow depth in Xinjiang from 1979 to 2014. The change of snow depth in Xinjiang during 2021—2040 （recent period）， 2041—2060 （middle period）， and 2081—2100 （late period） relative to the base period （1995—2014） under different SSPs-RCPs scenarios in the future is also estimated. Temperature and precipitation have an important impact on the change of snow depth， so the change trend of temperature and precipitation in Xinjiang to the end of the 21st century is also analyzed. The results show that：（1） The correlation coefficients between the snow depth data simulated by the revised climate model and the observed data are all above 0.8， and the results from January to March are more consistent with the observed data. The climate model can basically reflect the basic characteristics of annual variation of snow depth. The spatial distribution of snow depth simulated by the climate model has similar characteristics with the observed data. （2） Temperature and precipitation will rising volatility under different scenarios in the future， the increase of temperature is relatively obvious， reaching 0.43 ℃·（10a）^-1， while the increase of precipitation is 0.63 mm·（10a）^-1. （3） In general， the climate of Xinjiang in the future will show a warming and wetting trend. The average snow depth in Xinjiang will increase in different periods in the future. Under SSP1-1.9 scenario， snow depth will increase in most northern regions in the near， middle and late 21st century. Under SSP1-2.6 scenario， the snow depth in the northern Altai Mountains will decrease in the recent century， but will increase in the middle and end of the 21st century. Under SSP2-4.5 scenario， the snow depth in eastern China will increase in different periods in the 21st century， while the snow depth in most of northern and central China will decrease in different periods. Under SSP3-7.0 scenario， the snow depth in north and southwest China will generally decrease， while the snow depth in eastern China will generally increase in different periods in the 21st century. Under the SSP4-3.4 and SSP4-6.0 scenarios， the snow depth in southwest Kunlun Mountains will generally decrease in different periods in the 21st century， while the snow depth in eastern Kunlun Mountains will generally increase. Under the SSP5-8.5 scenario， the snow depth will generally increase in the northern Altai Mountains and eastern regions.

Key words: SSPs-RCPs, CMIP6, snow depth, forecast, Xinjiang

中图分类号:

P468.0⁺25

张庆杰,陶辉,苏布达,窦挺峰,姜彤. 基于CMIP6气候模式的新疆积雪深度时空格局研究[J]. 冰川冻土, 2021, 43(5): 1435-1445.

Qingjie ZHANG,Hui TAO,Buda SU,Tingfeng DOU,Tong JIANG. Spatial and temporal patterns of snow depth in Xinjiang： insight from CMIP6 climate models[J]. Journal of Glaciology and Geocryology, 2021, 43(5): 1435-1445.

图/表 11

图1

表1

表2

图2

图3

表3

图4

图5

图6

图7

图8

参考文献 38

1	Li Yupeng， Chen Yaning， Li Zhi. Climate and topographic controls on snow phenology dynamics in the Tienshan Mountains， Central Asia［J］. Atmospheric Research， 2020， 236： 104813.
2	Jin Xin， Ke Changqing， Xu Yuyue， et al. Spatial and temporal variations of snow cover in the Loess Plateau， China［J］. International Journal of Climatology， 2015， 35（8）： 1721-1731.
3	Liu Yijing， Sun Yanhua， Zhong Xinyue， et al. Changes of snow cover in the Third Pole and the Arctic［J］. Journal of Glaciology and Geocryology， 2020， 42（1）： 140-156.
	刘一静，孙燕华，钟歆玥，等. 从第三极到北极：积雪变化研究进展［J］. 冰川冻土， 2020， 42（1）： 140-156.
4	Alexander M A， Tomas R， Deser C， et al. The atmospheric response to projected terrestrial snow changes in the late twenty-first century［J］. Journal of Climate， 2010， 23（23）： 6430-6437.
5	Lievens H， Demuzere M， Marshall H P， et al. Snow depth variability in the Northern Hemisphere mountains observed from space［J］. Nature Communications， 2019， 10（1）： 4629.
6	Liu Shibo， Zang Shuying， Zhang Lijuan， et al. Analyzing the spatial-temporal variations of snow depth in the Northeast China by means of remote sensing in consideration of frozen ground zonation［J］. Journal of Glaciology and Geocryology， 2018， 40（2）： 261-269.
	刘世博，臧淑英，张丽娟，等. 东北冻土区积雪深度时空变化遥感分析［J］. 冰川冻土， 2018， 40（2）： 261-269.
7	Che Tao， Li Xin. Spatial distribution and temporal variation of snow water resources in China during 1993-2002［J］. Journal of Glaciology and Geocryology， 2005（1）： 64-67.
	车涛，李新. 1993-2002年中国积雪水资源时空分布与变化特征［J］. 冰川冻土， 2005， 27（1）： 64-67.
8	Aizen E M， Aizen V B， Melack J M， et al. Heat exchange during snow ablation in plains and mountains of Eurasia［J］. Journal of Geophysical Research： Atmospheres， 2000， 105（D22）： 27013-27022.
9	Gafurov A， Lüdtke S， Unger-Shayesteh K， et al. MODSNOW-Tool： an operational tool for daily snow cover monitoring using MODIS data［J］. Environmental Earth Sciences， 2016， 75（14）： 1-15.
10	Wu Xiulan， Zhang Taixi， Wang Hui， et al. Characteristics of temperature and precipitation change in Xinjiang during 1961—2017［J］. Desert and Oasis Meteorology， 2020， 14（4）： 27-34.
	吴秀兰，张太西，王慧，等. 1961—2017年新疆区域气候变化特征分析［J］. 沙漠与绿洲气象， 2020， 14（4）： 27-34.
11	Li Zhi， Chen Yaning， Shen Yanjun， et al. Analysis of changing pan evaporation in the arid region of Northwest China［J］. Water Resources Research， 2013， 49（4）： 2205-2212.
12	López‐moreno J I， Soubeyroux J M， Gascoin S， et al. Long‐term trends （1958—2017） in snow cover duration and depth in the Pyrenees［J］. International Journal of Climatology， 2020， 40（14）： 6122-6136.
13	Szwed M， Dobler A， Mezghani A， et al. Change of maximum snow cover depth in Poland-trends and projections［J］. Idojaras， 2019， 123（4）： 487-500.
14	Frei A， Robinson D A. Northern Hemisphere snow extent： regional variability 1972—1994［J］. International Journal of Climatology， 1999， 19（14）： 1535-1560.
15	Kapnick S B， Delworth T L. Controls of global snow under a changed climate［J］. Journal of Climate， 2013， 26（15）： 5537-5562.
16	Räisänen J. Twenty-first century changes in snowfall climate in Northern Europe in ENSEMBLES regional climate models［J］. Climate Dynamics， 2016， 46（1）： 339-353.
17	Li Yun， Tao Hui， Su Buda， et al. Impacts of 1.5 ℃ and 2 ℃ global warming on winter snow depth in central Asia［J］. Science of the Total Environment， 2019， 651（2）： 2866-2873.
18	Wang Hui， Wang Shengli， Yu Xingjie， et al. Spatial-temporal variation of snow cover in Xinjiang based on surface observation from 1961 to 2017［J］. Journal of Glaciology and Geocryology， 2020， 42（1）： 72-80.
	王慧，王胜利，余行杰，等. 1961-2017年基于地面观测的新疆积雪时空变化研究［J］. 冰川冻土， 2020， 42（1）： 72-80.
19	Chen Wenqian， Ding Jianli， Wang Jingzhe， et al. Temporal and spatial variability in snow cover over the Xinjiang Uygur Autonomous Region， China， from 2001 to 2015［J］. PeerJ， 2020， 8（14）： e8861.
20	Cui Caixia， Yang Qing， Wang Shengli. Comparison analysis of the long-term variations of snow cover between mountain and plain areas in Xinjiang region from 1960 to 2003［J］. Journal of Glaciology and Geocryology， 2005， 27（4）： 486-490.
	崔彩霞，杨青，王胜利. 1960-2003年新疆山区与平原积雪长期变化的对比分析［J］. 冰川冻土， 2005， 27（4）： 486-490.
21	Xie Yuqin， Zhao Qiudong， Wang Fang. The characteristics of snow change and the relation between snow change and climate-a case study of Urumqi area［J］. Journal of Arid Land Resources and Environment， 2007， 21（9）： 51-55.
	谢玉琴，赵求东，王芳. 积雪变化特征及与气候之间的关系——以乌鲁木齐地区为例［J］. 干旱区资源与环境， 2007， 21（9）： 51-55.
22	Räisänen J. Warmer climate： less or more snow？［J］. Climate Dynamics， 2008， 30： 307-319.
23	Krasting J P， Broccoli A J， Dixon K W， et al. Future changes in northern hemisphere snowfall［J］. Journal of Climate， 2013， 26（20）： 7813-7828.
24	Li Yali， Lei Xiangjie， Li Qian， et al. The variation characteristics of snow cover in the Mount Hua from 1953 to 2016 and its relationship to air temperature and precipitation［J］. Journal of Glaciology and Geocryology， 2020， 42（3）： 791-800.
	李亚丽，雷向杰，李茜，等. 1953-2016年华山积雪变化特征及其与气温和降水的关系［J］. 冰川冻土， 2020， 42（3）： 791-800.
25	Bi Zherui， Chula Sa， Wang Mulan， et al. Spatiotemporal change of snow depth in the Mongolian plateau and its response to climate change［J］. Journal of Inner Mongolia Normal University（Natural Science Edition）， 2020， 49（3）： 256-262.
	毕哲睿，萨楚拉，王牧兰，等. 蒙古高原雪深时空变化及其对气候变化的响应［J］. 内蒙古师范大学学报（自然科学汉文版）， 2020， 49（3）： 256-262.
26	Wang Bin， Zhou Tianjun， Yu Yongqiang. A perspective on earth system model development［J］. Acta Meteorologica Sinica， 2008， 66（6）： 857-869.
	王斌，周天军，俞永强，等. 地球系统模式发展展望［J］. 气象学报， 2008， 66（6）： 857-869.
27	Zhou Tianjun， Zou Liwei， Chen Xiaolong. Commentary on the coupled model intercomparison project phase6 （CMIP6）［J］. Climate Change Research， 2019， 15（5）： 445-456.
	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.
28	Jiang Tong， Yanran Lyu， Huang Jinlong， et al. New scenarios of CMIP6 model（SSP-RCP）and its application in the Huaihe River Basin［J］. Advances in Meteorological Science and Technology， 2020， 10（5）： 102-109.
	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.
29	Li Peiji. Preliminary evaluation of seasonal snow resources in China［J］. Acta Geographica Sinica， 1988， 43（2）： 108-119.
	李培基. 中国季节积雪资源的初步评价［J］. 地理学报， 1988， 43（2）： 108-119.
30	Che Tao， Li Xin， Jin Rui， et al. Snow depth derived from passive microwave remote-sensing data in China［J］. Annals of Glaciology， 2008， 49： 145-154.
31	Dai Liyun， Che Tao， Ding Yongjian. Inter-calibrating SMMR， SSM/I and SSMI/S data to improve the consistency of snow-depth products in China［J］. Remote Sensing， 2015， 7（6）： 7212-7230.
32	Dai Liyun， Che Tao， Ding Yongjian， et al. Evaluation of snow cover and snow depth on the Qinghai-Tibetan Plateau derived from passive microwave remote sensing［J］. The Cryosphere， 2017， 11（4）： 1933-1948.
33	Wu Jia， Gao Xuejie， Han Zhenyu， et al. Analysis of the change of comfort index over Yunnan Province based on effective temperature［J］. Advances in Earth Science， 2017， 32（2）： 174-186.
	吴佳，高学杰，韩振宇，等. 基于有效温度指数的云南舒适度变化分析［J］. 地球科学进展， 2017， 32（2）： 174-186.
34	Zhang Lixia， Chen Xiaolong， Xin Xiaoge. Short commentary on CMIP6 scenario model intercomparison project （ScenarioMIP）［J］. Climate Change Research， 2019， 15（5）： 519-525.
	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.
35	Roebber P J， Bruening S L， Schultz D M， et al. Improving snowfall forecasting by diagnosing snow density［J］. Weather and Forecasting， 2003， 18（2）： 264-287.
36	Huang Jinlong， Zhai Jianqing， Jiang Tong， et al. Analysis of future drought characteristics in China using the regional climate model CCLM［J］. Climate Dynamics， 2018， 50（1）： 507-525.
37	Tao Hui， Huang Jinlong， Zhai Jianqing， et al. Simulation and projection of climate changes under the RCP4.5 scenario in the Yangtze River Basin based on CCLM［J］. Progressus Inquisitiones de Mutatione ClimatIS， 2013， 9（4）： 246-251.
	陶辉，黄金龙，翟建青，等. 长江流域气候变化高分辨率模拟与RCP4.5情景下的预估［J］. 气候变化研究进展， 2013， 9（4）： 246-251.
38	Guan Xiaoxiang， Zhang Jianyun， Elmahdi A， et al. The capacity of the hydrological modeling for water resource assessment under the changing environment in semi-arid river basins in China［J］. Water， 2019， 11（7）： 1328.

模式名称	所属国家、研究中心	原始分辨率	降尺度后分辨率
CanESM5	加拿大气候模拟与分析中心	~2.8°×2.8°	0.25°×0.25°
CNRM-ESM2-1	法国国家科学实验中心	2.5°×1.2676°	0.25°×0.25°
IPSL-CM6A-LR	法国Pierre-Simon 物理学研究所	2.5°×1.2676°	0.25°×0.25°
MIROC6	日本海洋地球科学与技术处	1.4063°×1.4°	0.25°×0.25°
MRI-ESM2-0	德国普朗克气象研究所	~1.125°×1.12°	0.25°×0.25°

情景名称	强迫类别	SSP（社会经济情景）	2100年人为辐射强迫（气候情景）/（W?m^-2）
SSP1-1.9	非常低强迫情景	SSP1（可持续发展路径）	1.9
SSP1-2.6	低强迫情景	SSP1（可持续发展路径）	2.6
SSP2-4.5	中等强迫情景	SSP2（中度发展路径）	4.5
SSP3-7.0	中高等强迫情景	SSP3（局部发展路径）	7.0
SSP4-3.4	低强迫情景	SSP4（不均衡发展路径）	3.4
SSP4-6.0	中等强迫情景	SSP4（不均衡发展路径）	6.0
SSP5-8.5	高强迫情景	SSP5（常规发展路径）	8.5

		CanESM5	CNRM-ESM2-1	IPSL-CM6A-LR	MIROC6	MRI-ESM2-0
气温	偏差订正前	0.77	0.89	0.85	0.84	0.91
	偏差订正后	0.97	0.98	0.97	0.98	0.98
降水	偏差订正前	0.68	0.67	0.59	0.67	0.66
	偏差订正后	0.82	0.83	0.84	0.81	0.86

[1]	除多,扎西顿珠,次丹玉珍. NOAA IMS雪冰产品在青藏高原积雪监测中的适用性分析[J]. 冰川冻土, 2021, 43(6): 1659-1672.
[2]	王秀琴,王旭. 1980—2019年新疆南部不同强度暴雨洪水灾害的空间分布和时间变化特征[J]. 冰川冻土, 2021, 43(6): 1818-1828.
[3]	王鑫,王宁练,王俊杰,申保收. 我国新疆北部积雪中痕量元素的时空分布及污染评估[J]. 冰川冻土, 2021, 43(5): 1354-1364.
[4]	卢新玉,陈仁升,刘艳,王秀琴,宋志国. 我国新疆北部地区雪面雨日数时空变化特征分析[J]. 冰川冻土, 2021, 43(5): 1446-1457.
[5]	姚俊强,陈静,迪丽努尔·托列吾别克null,韩雪云,毛炜峄. 新疆气候水文变化趋势及面临问题思考[J]. 冰川冻土, 2021, 43(5): 1498-1511.
[6]	范义姣,马箫忆,刘慧,王树源,杨军怀,陈梓炫,高福元,贾佳,夏敦胜. 黄土记录的中亚干旱区东部全新世气候与环境演化[J]. 冰川冻土, 2021, 43(3): 818-826.
[7]	张沛,龙爱华,海洋,邓晓雅,王浩,刘静,李扬. 1988—2015年新疆农业用水时空变化与政策驱动研究[J]. 冰川冻土, 2021, 43(1): 242-253.
[8]	王慧,王梅霞,王胜利,余行杰. 1961—2017年新疆积雪期时空变化特征及其与气象因子的关系[J]. 冰川冻土, 2021, 43(1): 61-69.
[9]	郝建盛,张飞云,黄法融,李兰海. 新疆伊犁地区季节冻土沿海拔的分布规律及其影响因素[J]. 冰川冻土, 2020, 42(4): 1179-1185.
[10]	赵求东,赵传成,秦艳,苌亚平,王建. 天山南坡高冰川覆盖率的木扎提河流域水文过程对气候变化的响应[J]. 冰川冻土, 2020, 42(4): 1285-1298.
[11]	吕婷,武胜利,葛欢欢,李京龙. 1962 - 2013年新疆阿勒泰极端气温时空变化特征[J]. 冰川冻土, 2020, 42(3): 745-755.
[12]	杨霞,李阿桥,赵逸舟,魏娟娟. 1961 - 2018年新疆北部冬季暴雪时空分布及其环流特征[J]. 冰川冻土, 2020, 42(3): 756-765.
[13]	周雅蔓,赵勇,刘晶. 我国新疆北部地区夏季极端降水事件的特征分析[J]. 冰川冻土, 2020, 42(2): 598-608.
[14]	王慧,王胜利,余行杰,王梅霞,韩雪云. 1961—2017年基于地面观测的新疆积雪时空变化研究[J]. 冰川冻土, 2020, 42(1): 72-80.
[15]	赵求东,赵传成,秦艳,苌亚平. 中国西北干旱区降雪和极端降雪变化特征及未来趋势[J]. 冰川冻土, 2020, 42(1): 81-90.

基于CMIP6气候模式的新疆积雪深度时空格局研究

Spatial and temporal patterns of snow depth in Xinjiang： insight from CMIP6 climate models

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 38

相关文章 15

Metrics

本文评价

推荐阅读 0