劉文茹，居 輝，陳國慶，劉恩科，劉 勤

?

典型濃度路徑（RCP）情景下長江中下游地區(qū)氣溫變化預估*

劉文茹1，居 輝2，陳國慶1**，劉恩科2，劉 勤2

（1．山東農(nóng)業(yè)大學農(nóng)學院作物生物學國家重點實驗室，泰安 271018；2．中國農(nóng)業(yè)科學院農(nóng)業(yè)環(huán)境與可持續(xù)發(fā)展研究所/農(nóng)業(yè)部旱作節(jié)水農(nóng)業(yè)重點實驗室，北京 100081）

為探明典型濃度路徑下（高端路徑RCP8.5和穩(wěn)定路徑RCP4.5）長江中下游地區(qū)未來30a平均氣溫的時空變化趨勢和分布特征，運用聯(lián)合國政府間氣候變化委員會（IPCC）AR5提出的模擬能力較強的BCC-CSM1-1（Beijing Climate Center Climate System Model version1-1）氣候系統(tǒng)模式，基于典型濃度情景RCP（Representative Concentration Pathway）輸出的2021-2050年0.5×0.5格點主要氣象要素的逐日模式模擬數(shù)據(jù)資料，應用雙線性內(nèi)插法降尺度到長江中下游及鄰近區(qū)域62個基本氣象站點。以1961-1990為基準年，根據(jù)同期等長模擬數(shù)據(jù)和觀測數(shù)據(jù)的非線性函數(shù)關系建立訂正模型，并利用方差訂正法對2021-2050年模擬數(shù)據(jù)進行誤差訂正。結果表明：RCP情景輸出數(shù)據(jù)的模擬效果良好，方差訂正可降低模擬值與觀測值的相對誤差和方差，更加真實反應未來氣候變化趨勢。RCP8.5 和RCP4.5兩種排放情景下，長江中下游地區(qū)2021-2050年年平均氣溫均呈顯著上升趨勢，增溫幅度總體表現(xiàn)為自南向北逐漸減少。就季節(jié)而言，四季均呈現(xiàn)升溫趨勢，夏季增溫幅度最高，變化傾向率大，春冬兩季RCP8.5情景下增溫幅度大于RCP4.5下，夏秋季則相反；RCP8.5情景下，研究區(qū)域年平均氣溫呈現(xiàn)自中部向東西遞減，春夏季增溫幅度高于秋季，冬季增溫幅度最小，且變化傾向率低，大部分地區(qū)未通過0.05水平的顯著性檢驗。RCP4.5情景下，研究區(qū)年平均氣溫自北向南逐漸降低，變化傾向率則表現(xiàn)為北部大于南部，夏季變化速率較大，增溫幅度達1.2℃·10a-1（P＜0.01），冬季較小且未通過顯著性檢驗。

RCP情景；氣溫模擬；數(shù)據(jù)訂正；長江中下游地區(qū)

氣候變化成為全球關注的環(huán)境問題之一，也是世界各國政府及相關領域?qū)W者面臨的重大挑戰(zhàn)[1]。IPCC 第5 次評估報告（AR5）認為：自工業(yè)革命后，人類活動對地球環(huán)境的干預日益顯著，全球氣溫不斷升高，極端事件發(fā)生頻繁[2]。研究氣候變化不但關系到人類未來的生存和發(fā)展，也影響未來糧食安全和農(nóng)業(yè)的可持續(xù)發(fā)展，將對國家的長治久安、社會的穩(wěn)定、經(jīng)濟發(fā)展等產(chǎn)生影響[3]。長江中下游地區(qū)是中國四大糧食主產(chǎn)區(qū)之一，四季分明，氣候資源充足，自然條件優(yōu)越，在國家糧食安全中占有舉足輕重的地位。因此，開展對長江中下游地區(qū)氣候變化預估研究尤為重要。

迄今為止，IPCC共召開了5次氣候變化會議（1990年FAR、1996年SAR、2001年TAR、2007AR4和2013AR5），較其它氣候情景模式（FAP、CMIP、IS92、SRES）而言，AR5基于多個地球系統(tǒng)模式提出了以穩(wěn)定濃度為特征的RCPs情景模式數(shù)據(jù)，分辨率更高，屬于包含更完備強迫的新氣候情景[4]，為未來氣候變化研究提供了可靠的預估結果。國內(nèi)外學者基于不同情景對不同區(qū)域范圍和時間階段的氣候變化預估開展了一系列研究[5-7]。董思言等[8]研究發(fā)現(xiàn)，至2050年全球平均地表溫度將隨溫室氣體的排放持續(xù)增加，RCP8.5和RCP4.5情景下至21世紀末全球地表平均氣溫將可能比工業(yè)化前高4℃和2℃。姜大膀等[9-11]均指出，中國21世紀前30a地表氣溫明顯升高。張雪琴等[12]認為，未來中國大部分地區(qū)溫度大體呈現(xiàn)增加趨勢。徐穎等[13]基于7個模式模擬結果對長江中下游地區(qū)21世紀氣候變化情景進行預測，結果表明長江中下游地區(qū)未來溫度變化與全球和全國變化一致，均呈現(xiàn)增加的趨勢；曾小凡等[14-16]分別基于SRES模式3種不同情景和典型濃度路徑RCP情景分析長江中下游地區(qū)溫度變化特征得出，氣溫均呈現(xiàn)增加趨勢，RCP8.5情景下更顯著，增溫速率普遍表現(xiàn)為北高南低。

綜合來看，目前對長江流域氣候變化預估的現(xiàn)有成果主要是基于SRES情景，且大都集中在長江流域單一省份，同時缺乏對情景數(shù)據(jù)的訂正和校驗，降低了氣候情景預估結果的可靠性，并不能為作物的生產(chǎn)提供科學參考。因此，本文基于典型濃度情景RCP8.5和RCP4.5輸出的2021-2050年0.5°×0.5°格點最高氣溫、最低氣溫、平均氣溫等逐日模擬資料，采用雙線性內(nèi)插法對模擬數(shù)據(jù)訂正后，再利用模擬數(shù)據(jù)與觀測數(shù)據(jù)形成同期等長序列非線性函數(shù)關系，建立訂正模型進行方差訂正，以期探明未來30a中高等排放濃度路徑下平均溫度變化趨勢和分布特征，為充分利用氣候資源，評價未來糧食生產(chǎn)潛力提供理論指導和科學依據(jù)。

1 材料與方法

1.1 區(qū)域概況

長江中下游地區(qū)（圖1）位于27°33′-34°9′N、110°49′-122°30′E，大部分地區(qū)屬北亞熱帶氣候，小部分屬中亞熱帶北緣。區(qū)位條件優(yōu)越，地區(qū)地勢西高東低，低山丘陵與平原相間分布，沿江沿海的雙重地形優(yōu)勢（長江水系貫穿東西，東臨黃海、東海），湖泊眾多（洞庭湖、鄱陽湖等），氣候濕潤，降雨充沛，且雨季較長，水資源豐富。年平均氣溫14～18℃，最冷月（1月）平均氣溫0～5.5℃，最熱月（7月）27～28℃。無霜期210～270d，日照時數(shù)700～1500h，農(nóng)業(yè)生產(chǎn)一年二熟或三熟[17]。

1.2 數(shù)據(jù)來源

歷史觀測資料來自中國氣象數(shù)據(jù)網(wǎng)（中國地面數(shù)據(jù)資料日值集），包括1961-1990、2005-2014年逐日氣溫資料，通過篩查、審核、奇異值校正對觀測資料預處理，嚴格控制數(shù)據(jù)質(zhì)量，保證資料的完整性[18]，對于氣象數(shù)據(jù)的缺失，溫度（Ta）缺測值利用5日滑動平均法進行插補，剔除缺測時間較長的站點，最終選取62個具有完整觀測序列的站點應用于研究[19-20]。

模擬資料采用國家氣象局提供的BCC-CSM1-1模式模擬RCP4.5和RCP8.5情景下2005-2014、2021-2050年0.5°×0.5°逐日格點數(shù)據(jù)資料集，采用雙線性插值法降尺度到長江中下游地區(qū)基本氣象站點[21]，通過方差訂正獲得2021-2050年可信度更高的預估數(shù)據(jù)。為便于分析，定義3-5月為春季，6-8月為夏季，9-11月為秋季，12-翌年2月為冬季。

1.3 研究方法

盡管RCP模式模擬數(shù)據(jù)的模擬效果較好[22]，但與實測資料還存在相應的誤差，誤差雖不能避免，但可以盡量減小[23]。鑒于此，在利用模擬數(shù)據(jù)之前應對其進行處理。降尺度和訂正均可在一定程度上彌補氣候模式數(shù)據(jù)分辨率不足的缺陷，盡可能提高預估精確度[24]。

（1）雙線性內(nèi)插法

采用雙線性內(nèi)插法分別將基準年（1961-1990年）、訂正年（2005-2014年、2021-2050年）格點模擬數(shù)據(jù)降尺度到觀測站F(x，y)：假設模擬格點的經(jīng)緯度坐標為F1(x1，y1)、F2(x2，y1)、F3(x1，y2)、F4(x2，y2)，4個格點某一天模擬平均溫度分別為T1、T2、T3和T4，則觀測站溫度內(nèi)插結果T0為[21]

（2）方差訂正法

將站點基準年（1961-1990年）觀測值（OBS）和降尺度所得歷史模擬數(shù)值（BAS）以及2021-2050年未來模擬數(shù)據(jù)（RCP）均轉(zhuǎn)化為以旬（k）為單位的同期等長序列數(shù)據(jù)集，計算序列的旬均值，利用基準時段建立傳遞函數(shù)，對2021-2050年氣候模式模擬數(shù)據(jù)進行訂正[25]，具體為：

第一步，將1961-1990年 OBS、降尺度所得BAS和2021-2050年RCP日值數(shù)據(jù)集，轉(zhuǎn)變?yōu)橐匝╧）為單位的同期等長序列，根據(jù)式（2）-式（4）計算旬均值序列；再將每年某一旬的觀測序列（）作為自變量，同一旬的模擬序列（）為因變量進行回歸分析，建立傳遞函數(shù)如式（5）。

式中，k為旬日數(shù)，按實際取值8、9、10、11，即全年每月上、中旬及4、6、9、11月下旬k=10，2月k=8或9，1、3、5、7、8、10、12月下旬k=11，利用最小二乘法獲得系數(shù)a、b、c值。

第三步，對未來RCP逐日氣象要素進行方差訂正，在中間變量的基礎上計算方差訂正因子，對進行方差訂正

2 結果與分析

2.1 基準期氣溫模擬數(shù)據(jù)的訂正及效果檢驗

2.1.1 氣候模擬數(shù)據(jù)的訂正

為便于研究，將全年均分成36個旬，如以合肥站第1旬平均氣溫（Ta）的訂正為例，應用1961-1990年OBS和BAS數(shù)據(jù)計算該站逐年第1旬Ta均值，得出容量為30的逐年OBS和BAS旬均值序列。再將觀測序列作為自變量，模擬序列作為因變量進行回歸分析，得到該站點第1旬的回歸系數(shù)a、b、c（表1）；建立傳遞函數(shù)，將回歸系數(shù)代入式（6），對均值訂正得到逐日數(shù)據(jù)集。最后進行方差訂正，通過計算觀測資料30a第1旬Ta的平均方差，計算其平均值，代入式（7）得到旬方差訂正因子λ，代入式（8）獲得該站點逐日平均氣溫。合肥站第1旬平均氣溫訂正模型為

表1 合肥站逐旬平均氣溫傳遞函數(shù)系數(shù)

Note: E- is the first ten-day of a month；M- is the middle ten-day of a month；L- is the last ten-day of a month.

2.1.2 模式數(shù)據(jù)訂正效果的檢驗

將長江中下游地區(qū)RCP8.5和RCP4.5情景下，2005-2014降尺度后的氣象要素數(shù)據(jù)形成以旬為單位的待訂正序列，根據(jù)各站點逐旬回歸系數(shù)和方差參數(shù)確定訂正模型，將待訂正序列代入模型，得到訂正年的逐日平均氣溫的數(shù)據(jù)集。應用平均氣溫觀測數(shù)據(jù)、訂正前后的模式模擬數(shù)據(jù)方差和相對誤差分析平均氣溫在空間和時間趨勢上的訂正效果。

圖2反映了模式模擬數(shù)據(jù)訂正前后與觀測值的相差程度。由圖可知，RCP8.5和RCP4.5兩種情景下，2005-2014年長江中下游地區(qū)平均氣溫實測數(shù)據(jù)與訂正前后數(shù)據(jù)方差分布基本趨于一致，研究區(qū)域西部和沿海地區(qū)方差較小，南陽、武漢、南昌等地較大，實測數(shù)據(jù)與訂正后數(shù)據(jù)的方差較訂正前減小10～30，說明訂正后數(shù)據(jù)更接近實際值。

由圖3可見，除RCP8.5情景下的個別旬外模式模擬值與觀測值的相對誤差均小于1。方差訂正后數(shù)據(jù)與觀測值相對誤差均較訂正前相對誤差減小，平均減小0.05和0.19。冬季（第34旬-翌年第6旬）模擬數(shù)據(jù)與觀測數(shù)據(jù)相對誤差較其它季節(jié)大，模擬偏差明顯。因此，本文的方差降尺度和方差訂正方法有效，訂正后數(shù)據(jù)資料更接近觀測值，可以較好地訂正未來情景下的模式模擬數(shù)據(jù)。

2.2 未來典型濃度路徑下平均氣溫的空間分布特征

2.2.1 RCP8.5情景下

由圖4可見，研究區(qū)域內(nèi)大部分地區(qū)年平均溫度集中在15～19℃，高值區(qū)位于洞庭湖以東，部分地區(qū)超過19℃，低值區(qū)位于江西南昌周邊區(qū)域。區(qū)域內(nèi)大部分地區(qū)平均溫度變化率介于0.5～0.7℃·10a-1（P＜0.05）。就季節(jié)而言，春季和秋季大部分地區(qū)平均溫度均處于15～18℃，夏季則在27.5℃以上，冬季均小于7℃，夏季變化傾向率較大，冬季較小，長江中游地區(qū)并未通過顯著性檢驗。從區(qū)域分布分析，研究區(qū)域中部春、夏季平均氣溫相對較高，變化傾向率較大。

2.2.2 RCP4.5情景下

由圖5可見，RCP4.5情景下，長江中下游地區(qū)大部分區(qū)域年平均氣溫在14.5～25℃，長江三角洲地區(qū)相對較低。年平均氣溫的變化傾向率表現(xiàn)為長江以北大于長江以南地區(qū)，最高達到2.5℃·10a-1（P＜0.05）以上，最低則小于0.3℃·10a-1（P＜0.05）。就季節(jié)而言，慕阜山北部地區(qū)各季平均氣溫均相對較高，總體表現(xiàn)為自南向北逐漸減少。春夏秋冬四季研究區(qū)大部分地區(qū)的平均溫度分別為13～18℃、18～23℃、15～18.5℃、＜5～10℃。夏季平均氣溫的變化傾向率相對較高，在0.5～0.7℃·10a-1（P＜0.05），春季變化率較小，除沿海部分地區(qū)外其余大部分未通過顯著性檢驗。秋冬季大部分區(qū)域變化傾向率小于0.3℃·10a-1，中游部分地區(qū)未通過顯著性檢驗，線性變化趨勢不顯著。

2.3 未來典型濃度路徑下區(qū)域氣溫變化分析

由圖6可以看出，RCP8.5和RCP4.5兩種排放情景下，年區(qū)域平均氣溫總體呈極顯著上升趨勢，升溫幅度均約為0.67℃·10a-1（P＜0.01），就季節(jié)而言，四季均呈現(xiàn)增溫趨勢，春冬兩季RCP8.5情景下增溫幅度大于RCP4.5，夏季和秋季則與之相反。RCP8.5情景下，春夏季增溫幅度較大，分別為0.86和0.87℃·10a-1（P＜0.01），秋季次之，冬季最小，僅為0.36℃·10a-1（P＜0.05）。RCP4.5情景下，夏季增溫速率達1.2℃·10a-1（P＜0.01），春季和秋季分別為0.53（P＜0.05）和0.67℃·10a-1（P＜0.01），而冬季僅為0.24℃·10a-1，未通過顯著性檢驗。

3 結論與討論

（1）對2005-2014年數(shù)據(jù)檢驗可知，RCP情景輸出數(shù)據(jù)的模擬效果良好，模式模擬數(shù)據(jù)經(jīng)過方差訂正減小了觀測數(shù)據(jù)與模擬數(shù)據(jù)的方差和相對誤差，說明訂正是研究過程中不可缺少的一部分，有效降低了模擬值與實際值的偏差。由此可見，數(shù)據(jù)可真實反應未來氣候變化趨勢，占明錦等[22]對鄱陽湖氣候變化的預估也得出同樣結論。

（2）RCP8.5和RCP4.5兩種排放情景下，2021-2050年長江中下游地區(qū)平均氣溫總體呈顯著上升趨勢，升溫幅度均約為0.67℃·10a-1。這與前人研究結果相比溫度變化趨勢趨于一致，但增溫幅度的季節(jié)變化趨勢略有差異[13，16]。就季節(jié)而言，四季均呈現(xiàn)升溫趨勢，夏季增溫幅度最高，變化傾向率大，春冬兩季RCP8.5情景下增溫幅度大于RCP4.5，夏秋季則與之相反，

（3）RCP8.5情景下，研究區(qū)域平均氣溫呈現(xiàn)自中部向東西區(qū)域遞減，洞庭湖東部為高值區(qū)，低值區(qū)則位于江西南昌周邊區(qū)域，中部年平均氣溫變化

率較大。就季節(jié)而言，春夏季增溫幅度高于秋季，冬季增溫幅度最小，且變化傾向率小，大部分地區(qū)未通過顯著性檢驗。

（4）RCP4.5情景下，研究區(qū)年平均氣溫自北向南逐漸降低，變化傾向率則表現(xiàn)為北部大于南部。慕阜山北部地區(qū)四季平均氣溫均相對較高，沿海地區(qū)略低。夏季氣溫變化速率較大，增溫幅度較大，達1.2℃·10a-1（P＜0.01），而冬季較小且未通過顯著性檢驗。而高超等[26]基于SRES情景下淮河流域研究則認為冬季升溫速率最高，主要因為研究區(qū)域及時段基于情景模式的差異導致結論的不一致。

本研究雖然對模式模擬數(shù)據(jù)進行雙重訂正處理，但模擬數(shù)值與真實值仍存在誤差，氣象要素的空間分布也并未考慮海拔的影響，可能增加了研究結果的不確定性，因此，相關研究還有待進一步深入。

[1]李思思,洪松,劉行健,等.國際氣候變化研究趨勢[J].氣候變化研究進展,2011,7(1):73-76.

Li S S,Hong S,Liu H J,et al.Word climate change research trends[J].Advances in Climate Change Research,2011,7(1): 73-76.(in Chinese)

[2]IPCC.Climate change 2013:the physical science basis[M]. Cambridge:Cambridge University Press,2013．

[3]郭建平.氣候變化對中國農(nóng)業(yè)生產(chǎn)的研究進展[J].應用氣象學報,2015,26(1):1-11．

Guo J P.Advances in impacts of climate change on agricultural production in China[J].Journal of Applied Meteorological Science,2015,26(1):1-11.(in Chinese)

[4]張杰.CMIP3/5和CCLM模式對長江流域氣溫與降水的模擬及預估[D].南京:南京信息工程大學,2013.

Zhang J.Evaluation and projection of temperature and precipitation over Yangtze River basin on modeling data from CMIP3/5 and CCLM models[D].Nanjing:Nanjing University of Information Science & Technology,2013.(in Chinese)

[5]韓樂瓊,韓哲,李雙林,等.不同代表濃度路徑(RCPs)下21世紀長江中下游強降水預估[J].大氣科學學報,2014,37(5): 529-540.

Han L Q,Han Z,Li S L,et al.Projection of heavy rainfall event in the middle and lower reaches of the Yangtze River valley in the 21st century under different representative concentration pathways[J].Transactions of Atmospheric Sciences,2014, 37(5):529-540.(in Chinese)

[6]Murphy J.Predictions of climate change over Europe using statistical and dynamical downscaling techniques[J]. International Journal of Climatology,2000,20:489-501.

[7]劉勤,嚴昌榮,楊建瑩,等.近50年黃河流域氣溫和將水量變化特征分析[J].中國農(nóng)業(yè)氣象,2012,33(4):475-480.

Liu Q,Yan C R,Yang J Y,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.(in Chinese)

[8]董思言,高學杰.長期氣候變化:IPCC第五次評估報告解讀[J].氣候變化研究進展,2014,10(1):56-59.

Dong S Y,Gao X J.Long-term climate change:interpretation of IPCC fifth assessment report[J].Advances in Climate Change Research,2014,10(1):56-59.(in Chinese)

[9]姜大膀,王會軍,郎咸梅,等.SRES A2情境下中國未來變化的多模式集合預測結果[J].地理物理學報,2004,47(5):776-784.

Jiang D B,Wang H J,Lang X M,et al.Multimodel ensemble prediction for climate change tend of china under of ARES A2 scenario[J].Chinese Journal of Geophysics,2004,47(5):776- 784.(in Chinese)

[10]張勇,許吟龍,董文杰,等.SRES B2情景下中國區(qū)域最高、最低氣溫及日較差變化分布特征初步分析[J].地理物理學報,2007,50(3):714-723.

Zhang Y,Xu Y L,Dong W J,et al.A preliminary analysis of distribution characteristics and minimum temperature and diurnal temperature ranges over China SRES B2 scenario[J]. Chinese Journal of Geophysics,2007,50(3):714-723.(in Chinese)

[11]湯劍平,陳星,趙鳴,等.IPCC A2情境下中國區(qū)域氣候變化的數(shù)值模擬[J].氣象學報,2008,66(1):13-25．

Tang J P,Chen X,Zhao M,et al.Numerical simulation of regional climate change under IPCC scenario in China[J].Acta Meteorologica Sinica,2008,66(1):13-25.(in Chinese)

[12]張雪琴,彭莉莉,林朝暉,等.未來不同情景下氣候變化研究進展[J].地球科學研究進展,2008,23(5):174-184．

Zhang X Q,Peng L L,Lin Z H,et al.Progress on the projections of future climate change with various emission scenarios[J].Advances in Earth Science,2008,23(5):174- 184.(in Chinese)

[13]徐穎,丁一匯,趙宗慈,等.長江中下游地區(qū)21世紀氣候變化情景預估[J].在自然災害學報,2004,13(1):25-31．

Xu Y,Ding Y H,Zhao Z C,et al.Prediction of climate change in middle and lower reaches of the Yangtze River in the 21st century[J].Journal of Natural Disastes,2004,13(1):25-31.(in Chinese)

[14]曾小凡,周建中,翟建青,等.2011-2050年長江流域氣候變化預估問題的探討[J].氣候變化研究進展,2007,5(3): 393-398．

Zeng X F,Zhou J Z,Huo J Q,et al.Projection of future climate change in the Yangtze River basin for 2001-2050[J]. Advances in Climate Change Research,2007,5(3):393-398. (in Chinese)

[15]任永健,洪國平,肖鶯,等.長江流域上游氣候變化的模擬評估及未來50年情景預估[J].長江流域資源與環(huán)境, 2013,22(7):894-899．

Ren Y J,Hong G P, Xiao Y,et al.Evaluation and projection of climate change over the upper Yangtze River in SRES scenarios[J].Resource and Environment in the Yangtze Basin,2013,22(7):894-899.(in Chinese)

[16]關穎慧.對長江流域極端氣候變化及其未來趨勢預測[D].楊凌:西北農(nóng)林科技大學,2015.

Guan Y H.Extreme climate change and its trend prediction in the Yangtze River Basin[D].Yangling:North West Agriculture and Forestry University,2015.(in Chinese)

[17]楊沈斌,申雙和,趙小艷,等.氣候變化對長江中下游稻區(qū)產(chǎn)量的影響[J].作物學報,2010,36(9):1519-1528.

Yang S B,Shen S H,Zhao X Y,et al.Impacts of climate changes on rice production in the middle and lower reaches of the Yangtze River[J]. Acta Agronomica Sinica,2010, 36(9):1519-1528.(in Chinese)

[18]張青.浙江省近百年氣候變化研究研究[D].蘭州:蘭州大學,2015.

Zhang Q.Studies on the temperature change in the last 100 years over Zhejiang province[D].Lanzhou:Lanzhou University, 2015. (in Chinese)

[19]高曉容,王春乙,張繼權,等.近50年東北玉米生育階段需水量及旱澇時空變化[J].農(nóng)業(yè)工程學報,2012,28(12):101-109.

Gao X R,Wang C Y,Zhang J Q,et al.Corp water requirement and temporal-spatial variation of drought and flood disaster during growth stages for maize in northeast during past 50 years[J].Transactions of the CSAE,2012,28(12):101-109.(in Chinese)

[20]楊建瑩,陳志峰,嚴昌榮,等.近50年黃淮海平原氣溫變化趨勢和突變特征[J].中國農(nóng)業(yè)氣象,2013,34(1):1-7.

Yang J Y,Chen Z F,Yan C R,et al.Spatio-temporal characteristics and jump features of air temperature in Huang-Huai-Hai plain during recent 50 years[J].Chinese Journal of Agrometeorology,2013,34(1):1-7.(in Chinese)

[21]袁彬,郭建平,冶明珠,等.氣候變化下東北春玉米品種熟型分布格局及其氣候生產(chǎn)潛力[J].科學通報,2012,57 (14):1252-1262.

Yuan B,Gou J P,Ye M Z,et al.Variety distribution pattern and climatic potential productivity of spring maize in Northeast China under climate change[J].Atmospheric Science,2012, 57(14):1252-1262.(in Chinese)

[22]占明錦,殷劍敏,孔萍,等.典型濃度路徑(RCP)情景下未來50年鄱陽湖氣候變化預估[J].科學技術與工程,2013, 13(34):10107-10115.

Zhan M J,Yin J M,Kong P,et al.Prediction on the possible climate change of Poyang Lake basin in the future 50 years,under RCP scenario[J].Science Technology And Engineering,2013,13(34):10107-10115.(in Chinese)

[23]周林,潘婕,張鐳,等.概率調(diào)整法在氣候模式模擬降水量訂正中的應用[J].應用氣象學報,2014,25(3):302-311.

Zhou L,Pan J,Zhang L,et al.Correction based on distribution scaling for precipitation simulated by climate model[J]. Journal of Applied Meteorological Science,2014, 25(3):302- 311.(in Chinese)

[24]胡軼佳,朱益民,鐘中,等.降尺度方法對中國未來兩種情景下降水變化預估[J].高原氣象,2013,32(3):778-786.

Hu Y J,Zhu Y M,Zhong Z,et al.Estimation of precipitation in two climate change scenarios in China using a statistical downscaling approach[J].Plateau Meteorology,2013,32(3): 778-786.(in Chinese)

[25]陶蘇林,申雙和,李雨鴻,等.氣象數(shù)據(jù)訂正方法在作物生產(chǎn)潛力預估中的應用:以江蘇冬小麥為例[J].中國農(nóng)業(yè)氣象,2016,37(2):174-187.

Tao S L,Shen S H,Li Y H,et al.Application of bias correction method for simulated climate data in projection of crop climatic potential productivity:a case study of winter wheat in Jiangsu[J].Chinese Journal of Agrometeorology,2016, 37(2):174-187.(in Chinese)

[26]高超,姜彤,霍建青,等.過去(1958-2007)和未來(2011- 2060)50年淮河流域氣候變化趨勢分析[J].中國農(nóng)業(yè)氣象,2012,33(1):8-17.

Gao C,Jang T,Huo J Q,et al.Analysis and prediction of climate change in the Huaihe River Basin[J].Chinese Journal of Agrometeorology,2012,33(1):8-17.(in Chinese)

Prediction on the Possible Air Temperature Change over the Middle and Lower Yangtze River Basin under the RCP Scenarios

LIU Wen-ru1, JU Hui2, CHEN Guo-qing1, LIU En-ke2, LIU Qin2

（1．State Key Laboratory of Crop Biology, Agronomy College, Shandong Agricultural University, Tai’an 271018, China; 2．Institute of Environment and Sustainable Development in Agriculture, Chinese Academy of Agricultural Science/Key Laboratory of Dryland Agriculture, Ministry of Agriculture, Beijing 100081)

The spatio-temporal characteristics of mean temperature was investigated under high-end path Representative Concentration Pathway (RCP) 8.5 and stable path RCP4.5 scenarios based on the 0.5°×0.5° grid daily meteorological data output by the scenario of RCP of BCC-CSM1-1 (Beijing Climate Center Climate System Model version1-1) over the middle and lower Yangtze River during from 2021-2050, which was selected to downscale the model data to 62 national weather stations by the bilinear interpolation method. Subsequently, the RCPs scenarios data during 2021-2050 was corrected using variance correction method from non-linear equation of the simulated and observed data over the reference period of 1961-1990. The results described that the simulation of RCP scenario output data was detected to be satisfactory. The annual mean temperature would significantly increase over the middle and lower Yangtze River, whereas the amplitude of the temperature increase gradually reduced overall from south to north under the RCP8.5 and RCP4.5 scenarios. For both scenarios, the trend of temperature increased in four selected seasons with the higher change rate in summer. Accordingly, for the RCP8.5 scenario, the increasing rate of spring and winter was found to be higher than that in the RCP4.5 scenario. Under the RCP8.5 scenario, the highest value was depicted in the central of research area for annual mean temperature, and the warming rate was found to be higher in spring and summer than other seasons and the most of station without passed the significant level (P<0.05) in winter. While for the RCP4.5 scenario, the annual mean temperature was detected to reduce gradually from north to south. Thereby, the increasing rate was found to be higher significantly in summer than in winter.

Representative concentration pathway scenario; Prediction of temperature; Data correction; Bilinear interpolation method; Middle and lower Yangtze River

10.3969/j.issn.1000-6362.2017.02.001

2016-06-11

國家重點基礎研究發(fā)展計劃（973計劃）（2012CB955904）；國家自然科學基金項目（41401510）；國家“十二五”科技支撐計劃（2012BAD09B01）

劉文茹（1992-），碩士生，研究方向為農(nóng)業(yè)信息化。E-mail: liuwenru1206307296@163.com

**通訊作者。E-mail: gqchen@sdau.edu.cn