基于CMIP6模式的黄河上游地区未来气温模拟预估

doi:10.7522/j.issn.1000-0240.2022.0028

冰川冻土 ›› 2022, Vol. 44 ›› Issue (1): 171-178.doi: 10.7522/j.issn.1000-0240.2022.0028

基于CMIP6模式的黄河上游地区未来气温模拟预估

李纯¹(), 姜彤¹(), 王艳君¹, 缪丽娟¹, 李溯源², 陈梓延¹, 吕嫣冉¹

^1.南京信息工程大学地理科学学院，江苏南京 210044
^2.南京信息工程大学大气科学学院，江苏南京 210044

收稿日期:2020-09-29 修回日期:2020-12-21 出版日期:2022-02-28 发布日期:2022-03-28
通讯作者: 姜彤 E-mail:lichun20200905@163.com;jiangtong@nuist.edu.cn
作者简介:李纯，硕士研究生，主要从事气候变化与极端气候变化模拟预估研究. E-mail： lichun20200905@163.com
基金资助:
国家重点研发计划项目(2019YFC1510200);国家社科基金重大项目(16ZDA047);南京信息工程大学灾害风险管理研究院运行经费资助

Simulation and estimation of future air temperature in upper basin of the Yellow River based on CMIP6 models

Chun LI¹(), Tong JIANG¹(), Yanjun WANG¹, Lijuan MIAO¹, Suyuan LI², Ziyan CHEN¹, Yanran LÜ¹

^1.School of Geographical Sciences, Nanjing University of Information Science and Technology, Nanjing 210044, China
^2.School of Atmospheric Sciences, Nanjing University of Information Science and Technology, Nanjing 210044, China

Received:2020-09-29 Revised:2020-12-21 Online:2022-02-28 Published:2022-03-28
Contact: Tong JIANG E-mail:lichun20200905@163.com;jiangtong@nuist.edu.cn

摘要/Abstract

摘要：

利用第六次国际耦合模式比较计划（CMIP6）提供的5个气候模式，并结合基于地面气象站的CN05.1气象资料，评估了CMIP6模式对黄河上游地区1961—2014年气温变化的模拟能力。基于7个共享社会经济路径及代表性浓度路径（SSP-RCP）组合情景，结合多模式集合平均预估了2015—2100年黄河上游地区年均气温和季平均气温的时空变化规律。结果表明：多模式集合平均能较好地模拟黄河上游地区历史平均气温的空间分布格局与年变化。7个未来情景一致表明，2015—2100年黄河上游地区年平均气温呈现波动上升趋势［0.03～0.82 ℃?（10a）^-1］。其中，低辐射强迫情景下（SSP1-1.9、SSP1-2.6及SSP4-3.4）气温先呈现增加趋势，21世纪中期到达增幅峰值，之后增温呈现放缓趋势；而中、高辐射强迫情景下（SSP2-4.5、SSP3-7.0、SSP4-6.0及SSP5-8.5）气温表现为持续上升态势。空间上，未来气温增幅显著的区域位于黄河上游西部地区；时间上，呈现夏季增温快，春季增温慢。四季增温的空间分布呈现出一致特征，表现为西部增温强于东部，北部增温强于南部。研究结果可为黄河流域水资源管理及气候变化的适应性研究提供科学依据。

关键词: 黄河上游地区, 气温, CMIP6, 多模式集合平均, 预估

Abstract:

Five global climate models from the latest released Coupled Model Intercomparison Project Phase 6 （CMIP6） and CN05.1 meteorological data are applied to evaluate annual air temperature variations in upper basin of the Yellow River from 1961 to 2014. This study focuses on characterizing the spatiotemporal and annual variations of air temperature across upper basin of the Yellow River under seven future scenarios， combing the shared socioeconomic pathways and the representative concentration pathways （SSP1-1.9， SSP1-2.6， SSP2-4.5， SSP3-7.0， SSP4-3.4， SSP4-6.0 and SSP5-8.5）. The simulation capability of CMIP6 outputs are evaluated during the historical period （1961—2014）. We find that： Multi-model ensemble mean provides good results in characterizing spatial distribution and annual variations of air temperature dynamics across the study area. The average air temperature shows a significant upward trend ［0.03~0.82 ℃?（10a）^-1］ under all seven scenarios during 2015—2100. Air temperature increased and reached the peak till the middle 21st century， and showed a slowly increasing trend till the end of the century， under the low forcing scenarios （SSP1-1.9， SSP1-2.6 and SSP4-3.4）. Under the mid and high forcing scenarios （SSP2-4.5， SSP3-7.0， SSP4-6.0 and SSP5-8.5）， the annual mean air temperature showed a continuous rising trend. Regions featured with highest temperature increasing located in western part of upper basin of the Yellow River. Air temperature in summer will rise in a relatively fast speed， while that in spring is slower. Patterns of seasonal air temperature rising shows an obvious spatial distribution， relatively fast in west and slow in east， fast in north and slow in south. In the context of global warming， a reasonable estimation of the future air temperature changes in upper basin of the Yellow River is crucial for the water resources management and study on adaptions to climate change.

Key words: upper basin of the Yellow River, air temperature, CMIP6, multi-model ensemble mean, estimation

中图分类号:

P467

李纯, 姜彤, 王艳君, 缪丽娟, 李溯源, 陈梓延, 吕嫣冉. 基于CMIP6模式的黄河上游地区未来气温模拟预估[J]. 冰川冻土, 2022, 44(1): 171-178.

Chun LI, Tong JIANG, Yanjun WANG, Lijuan MIAO, Suyuan LI, Ziyan CHEN, Yanran LÜ. Simulation and estimation of future air temperature in upper basin of the Yellow River based on CMIP6 models[J]. Journal of Glaciology and Geocryology, 2022, 44(1): 171-178.

图/表 8

图1

表1

图2

图3

图4

图5

图6

图7

参考文献 35

1	IPCC. Climate change 2013： the physical science basis［M］. Cambridge， UK： Cambridge University Press， 2013.
2	Huang Yanyan， Wang Huijun. How about the global warming in 2020？［J］. Transactions of Atmospheric Sciences， 2020， 43（4）： 585-591.
	黄艳艳，王会军. 2020年全球变暖会创新高吗？［J］. 大气科学学报， 2020， 43（4）： 585-591.
3	Alizadeh M R， Adamowski J， Nikoo M R， et al. A century of observations reveals increasing likelihood of continental-scale compound dry-hot extremes［J］. Science Advances， 2020， 6（39）： eaaz4571.
4	Li Suyuan， Miao Lijuan， Jiang Zhihong， et al. Projected drought conditions in Northwest China with CMIP6 models under combined SSPs and RCPs for 2015—2099［J］. Advances in Climate Change Research， 2020， 11（3）： 210-217.
5	Condon L E， Gangopadhyay S， Pruitt T. Climate change and non-stationary flood risk for the upper Truckee River basin［J］. Hydrology and Earth System Sciences， 2015， 19（1）： 159-175.
6	Lipczynska-Kochany E. Effect of climate change on humic substances and associated impacts on the quality of surface water and groundwater： a review［J］. Science of the Total Environment， 2018， 640/641： 1548-1565.
7	Jiang Tong， Su Buda， Huang Jinlong， et al. Each 0.5 ℃ of warming increases annual flood losses in china by more than US $60 billion［J］. Bulletin of the American Meteorological Society， 2020， 101（8）： E1464-E1474.
8	Lan Yongchao， Zhu Yuntong， Liu Gensheng， et al. Study of the seasonal characteristics and regional differences of climate change in source regions of the Yellow River［J］. Journal of Glaciology and Geocryology， 2016， 38（3）： 741-749.
	蓝永超，朱云通，刘根生，等. 黄河源区气候变化的季节特征与区域差异研究［J］. 冰川冻土， 2016， 38（3）： 741-749.
9	Pan Pan， Zhu Yali， Wang Jijun. Spatial-temporal variations of temperature and the cause analyses in the Yellow River valley during recent 50 years［J］. Climatic and Environmental Research， 2014， 19（4）： 477-485.
	潘攀，祝亚丽，王纪军. 近50年黄河流域气温变化特征及背景分析［J］. 气候与环境研究， 2014， 19（4）： 477-485.
10	Jin Huijun， Wang Shaoling， Lanzhi Lü， et al. Features and degradation of frozen ground in the sources area of the Yellow River， China［J］. Journal of Glaciology and Geocryology， 2010， 32（1）： 10-17.
	金会军，王绍令，吕兰芝，等. 黄河源区冻土特征及退化趋势［J］. 冰川冻土， 2010， 32（1）： 10-17.
11	Yao Tandong， Wu Guangjian， Xu Baiqing， et al. Asian water tower change and its impacts［J］. Bulletin of Chinese Academy of Sciences， 2019， 34（11）： 1203-1209.
	姚檀栋，邬光剑，徐柏青，等. “亚洲水塔”变化与影响［J］. 中国科学院院刊， 2019， 34（11）： 1203-1209.
12	Zhao Fangfang， Xu Zongxue. Long-term trend and jump change for major climate processes over the upper Yellow River basin［J］. Acta Meteorologica Sinica， 2006， 64（2）： 246-255.
	赵芳芳，徐宗学. 黄河兰州以上气候要素长期变化趋势和突变特征分析［J］. 气象学报， 2006， 64（2）： 246-255.
13	Liu Lüliu， Liu Zhaofei， Xu Zongxue. Trends of climate change for the upper-middle reaches of the Yellow River in the 21st century［J］. Advances in Climate Change Research， 2008， 4（3）： 167-172.
	刘绿柳，刘兆飞，徐宗学. 21世纪黄河流域上中游地区气候变化趋势分析［J］. 气候变化研究进展， 2008， 4（3）： 167-172.
14	Knutti R， Furrer R， Tebaldi C， et al. Challenges in combining projections from multiple climate models［J］. Journal of Climate， 2010， 23（10）： 2739-2758.
15	Zhang Yanwu， Zhang Li， Xu Ying. Simulations and projections of the surface air temperature in China by CMIP5 models［J］. Progressus Inquisitiones de Mutatione Climatis， 2016， 12（1）： 10-19.
	张艳武，张莉，徐影. CMIP5模式对中国地区气温模拟能力评估与预估［J］. 气候变化研究进展， 2016， 12（1）： 10-19.
16	Yun Xiang， Cheng Jiayi， Li Qingxiang. Estimation of CMIP5 multi-mode on the extent of rise in air temperature in Asia［J］. Meteorological Monthly， 2020， 46（2）： 145-157.
	云翔，程嘉艺，李庆祥. CMIP5气候模式对亚洲升温幅度的模拟与预估［J］. 气象， 2020， 46（2）： 145-157.
17	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.
18	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.
19	Zhou Tianjun， Zou Liwei， Chen Xiaolong. Commentary on the Coupled Model Intercomparison Project Phase 6 （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.
20	Chen Huopo， Sun Jianqi， Lin Wenqing， et al. Comparison of CMIP6 and CMIP5 models in simulating climate extremes［J］. Science Bulletin， 2020， 65（17）： 1415-1418.
21	Zhai Jianqing， Mondal S K， Fischer T， et al. Future drought characteristics through a multi-model ensemble from CMIP6 over South Asia［J］. Atmospheric Research， 2020， 246： 105111.
22	Wu Jia， Gao Xuejie. A gridded daily observation dataset over China region and comparison with the other datasets［J］. Chinese Journal of Geophysics， 2013， 56（4）： 1102-1111.
	吴佳，高学杰. 一套格点化的中国区域逐日观测资料及与其它资料的对比［J］. 地球物理学报， 2013， 56（4）： 1102-1111.
23	Zhou Tianjun， Chen Ziming， Zou Liwei， et al. Development of climate and earth system models in China： past achievements and new CMIP6 results［J］. Journal of Meteorological Research， 2020， 34（1）： 1-19.
24	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.
25	Piani C， Weedon G， Best M， et al. Statistical bias correction of global simulated daily precipitation and temperature for the application of hydrological models［J］. Journal of Hydrology， 2010， 395（3/4）： 199-215.
26	Li Haibin， 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/OL］. Journal of Geophysical Research： Atmospheres， 2010， 115（D10）［2022-01-23］. .
27	Huang Jinlong， Wang Yanjun， Su Buda， et al. Future climate change and its impact on runoff in the upper reaches of the Yangtze River under RCP4.5 scenario［J］. Meteorological Monthly， 2016， 42（5）： 614-620.
	黄金龙，王艳君，苏布达，等. RCP4.5情景下长江上游流域未来气候变化及其对径流的影响［J］. 气象， 2016， 42（5）： 614-620.
28	Yang Xiaoli， Zheng Weifei， Lin Changqing， et al. Prediction of drought in the Yellow River based on statistical downscale study and SPI［J］. Journal of Hohai University （Natural Sciences）， 2017， 45（5）： 377-383.
	杨肖丽，郑巍斐，林长清，等. 基于统计降尺度和SPI的黄河流域干旱预测［J］. 河海大学学报（自然科学版）， 2017， 45（5）： 377-383.
29	Meng Yujing， Jiang Tong， Su Buda， et al. Temperature simulation assessment by high-resolution regional climate model （CCLM） in Poyang Lake basin［J］. Chinese Journal of Agrometeorology， 2013， 34（2）： 123-129.
	孟玉婧，姜彤，苏布达，等. 高分辨率区域气候模式CCLM对鄱阳湖流域气温的模拟评估［J］. 中国农业气象， 2013， 34（2）： 123-129.
30	Wei Fengying. Modern climate statistical diagnosis and prediction technology［M］. 2nd ed. Beijing： China Meteorological Press， 2007.
	魏凤英. 现代气候统计诊断与预测技术［M］. 2版. 北京：气象出版社， 2007.
31	Xu Chonghai， Shen Xinyong， Xu Ying. An analysis of climate change in East Asia by using the IPCC AR4 simulations［J］. Advances in Climate Change Research， 2007， 3（5）： 287-292.
	许崇海，沈新勇，徐影. IPCC AR4模式对东亚地区气候模拟能力的分析［J］. 气候变化研究进展， 2007， 3（5）： 287-292.
32	Li Xiuping， Xu Zongxue， Cheng Huaqiong. Projection of climate change with various emission scenarios over Huaihe River basin in the 21st century［J］. Plateau Meteorology， 2012， 31（6）： 1622-1635.
	李秀萍，徐宗学，程华琼. 多模式集合预估21世纪淮河流域气候变化情景［J］. 高原气象， 2012， 31（6）： 1622-1635.
33	Taylor K E. Summarizing multiple aspects of model performance in a single diagram［J］. Journal of Geophysical Research： Atmospheres， 2001， 106（D7）： 7183-7192.
34	Liu Qin， Yan Changrong， Zhang Yanqing， et al. Variation of precipitation and temperature in Yellow River basin during the last 50 years［J］. Chinese Journal of Agrometeorology， 2012， 33（4）： 475-480.
	刘勤，严昌荣，张燕卿，等. 近50年黄河流域气温和降水量变化特征分析［J］. 中国农业气象， 2012， 33（4）： 475-480.
35	Wang Guoqing， Qiao Cuiping， Liu Minglu， et al. The future water resources regime of the Yellow River basin in the context of climate change［J］. Hydro-Science and Engineering， 2020（2）： 1-8.
	王国庆，乔翠平，刘铭璐，等. 气候变化下黄河流域未来水资源趋势分析［J］. 水利水运工程学报， 2020（2）： 1-8.

模式名称	所属单位	原始分辨率	降尺度后的分辨率
MRI-ESM2-0	德国普朗克气象研究所	1.1°×1.1°	0.5°×0.5°
CNRM-ESM2-1	法国国家科学实验中心	1.4°×1.4°	0.5°×0.5°
IPSL-CM6A-LR	法国Pierre-Simon物理研究所	1.3°×2.5°	0.5°×0.5°
CanESM5	加拿大气候模拟与分析中心	2.8°×2.8°	0.5°×0.5°
MIPOC6	日本海洋地球科学与技术局	1.4°×1.4°	0.5°×0.5°

[1]	骆建伟, 柯长青, 喻薛凝. 2000—2020年兴都库什东部冰川区物质平衡变化及其影响因素[J]. 冰川冻土, 2022, 44(1): 159-170.
[2]	孟雅丽, 段克勤, 尚溦, 李双双, 邢莉, 石培宏. 基于CMIP6模式数据的1961—2100年青藏高原地表气温时空变化分析[J]. 冰川冻土, 2022, 44(1): 24-33.
[3]	张怡, 段克勤, 石培宏. 1979—2100年青藏高原夏季大气0 ℃层高度变化分析[J]. 冰川冻土, 2022, 44(1): 34-45.
[4]	王兴, 王飞腾, 任贾文, 秦大河. 高山区雪堆储雪的实验和模拟计算[J]. 冰川冻土, 2021, 43(6): 1617-1627.
[5]	王萍,赵慧颖,闫平,朱海霞,翟墨,李秀芬. 黑龙江省土壤冻融期气象要素变化特征[J]. 冰川冻土, 2021, 43(6): 1764-1772.
[6]	田洪阵,肖月,杨太保,刘沁萍,张开帆. 1973—2020年阿尔金山冰川面积变化及其对气温变化的响应[J]. 冰川冻土, 2021, 43(5): 1424-1434.
[7]	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.
[8]	韩婷, 雷向杰, 李亚丽, 王毅勇. 秦岭区域性高山积雪事件变化特征分析[J]. 冰川冻土, 2021, 43(4): 1040-1048.
[9]	周晓宇, 赵春雨, 李娜, 刘鸣彦, 崔妍, 敖雪. 东北地区冬半年积雪与气温对冻土的影响[J]. 冰川冻土, 2021, 43(4): 1027-1039.
[10]	杨丹丹, 姚檀栋, 邬光剑, 朱美林, 德吉. 青藏高原西部阿汝冰芯记录的近100 a气温变化研究[J]. 冰川冻土, 2021, 43(1): 124-134.
[11]	朱江萍, 谢爱红, 丁明虎, 赵聪, 郭晓寅, 胡婉嫔, 徐冰, 秦翔. 中国第一代再分析产品CRA Interim气温在东南极中山站 - Dome A断面的适用性分析[J]. 冰川冻土, 2020, 42(4): 1145-1157.
[12]	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.
[13]	杜军, 牛晓俊, 袁雷, 次旺顿珠. 1971 - 2017年羌塘国家级自然保护区陆地生态环境变化[J]. 冰川冻土, 2020, 42(3): 1017-1026.
[14]	丁敏, 杜军, 肖天贵. 4种再分析气温资料在羌塘国家级自然保护区的适用性研究[J]. 冰川冻土, 2020, 42(3): 1046-1056.
[15]	敖雪, 崔妍, 翟晴飞, 周晓宇, 沈历都, 赵春雨, 宁喜龙. 辽宁省气温变化趋势中的城市化影响研究[J]. 冰川冻土, 2020, 42(3): 1067-1076.

基于CMIP6模式的黄河上游地区未来气温模拟预估

Simulation and estimation of future air temperature in upper basin of the Yellow River based on CMIP6 models

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 35

相关文章 15

Metrics

本文评价

推荐阅读 0