杜 懿

(中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院,廣東 廣州 510275)

近年來(lái),在全球變暖的大背景下,區(qū)域氣候的變化及影響引起了學(xué)界的廣泛關(guān)注[1]。可靠的氣候變化預(yù)估對(duì)于區(qū)域未來(lái)的發(fā)展規(guī)劃、政策調(diào)整以及決策制定等具有重要意義[2]。全球氣候模式(Global Climate Model,GCM)是現(xiàn)階段用來(lái)進(jìn)行氣候變化模擬和預(yù)估研究的主要工具,通常對(duì)于大尺度范圍內(nèi)的平均氣候狀態(tài)有著較好的模擬效果[3-4]。然而,受多種因素限制,絕大多數(shù)GCM的水平空間分辨率都較低(>100 km),很難準(zhǔn)確反映出小尺度或局地范圍內(nèi)的氣候變化特征[5-6]。為擴(kuò)展GCM在區(qū)域尺度上的應(yīng)用,不同的降尺度方法先后被提出,且主要分為動(dòng)力降尺度、統(tǒng)計(jì)降尺度以及動(dòng)力與統(tǒng)計(jì)相結(jié)合的方法[7]。其中,統(tǒng)計(jì)降尺度方法由于計(jì)算量小、建模方便且擴(kuò)展性高,得到了更為廣泛的應(yīng)用[8-9]。

目前,統(tǒng)計(jì)降尺度方法在國(guó)內(nèi)外已經(jīng)有了大量應(yīng)用,代表性方法有BCSD (Bias Correction and Spatial Disaggregation)、BCCI (Bias Correction and Climate Imprint)、BCCA (Bias Correction Constructed Analogs)、SDSM (Statistical Downscaling Model)、ASD (Automated Statistical Downscaling Model)、CDFM (Cumulative Distribution Function Matching) 和Delta方法[10-14]。過(guò)往研究表明,SDSM模型在氣溫的降尺度模擬上通常表現(xiàn)優(yōu)秀,而對(duì)于降水的模擬效果卻不佳[15-18];CDFM和Delta方法屬于偏差校正類(lèi)模型,分別在分布形狀修正和系統(tǒng)偏差消除上各具優(yōu)勢(shì),目前常被用于降水的統(tǒng)計(jì)降尺度研究中[19-21]。需要注意的是,不同區(qū)域?qū)τ诮y(tǒng)計(jì)降尺度模型的響應(yīng)可能存在較大差別,因此實(shí)際應(yīng)用前通常要對(duì)模型的可靠性進(jìn)行驗(yàn)證。

東江作為珠江流域的三大水系之一,長(zhǎng)期承擔(dān)著河源、惠州、東莞、廣州、深圳和香港等地的供水需求,未來(lái)隨著粵港澳大灣區(qū)的快速發(fā)展,其作為供水水源地的作用將得到持續(xù)提升[22]。全球變暖背景下,東江流域近些年來(lái)的氣候特征也發(fā)生了較大變化[23-25],氣候狀態(tài)的改變將會(huì)直接影響到流域內(nèi)的水資源量,因此,對(duì)東江流域開(kāi)展未來(lái)氣候預(yù)估研究具有重要的現(xiàn)實(shí)意義?；诖?本文以東江流域?yàn)檠芯繀^(qū)域,以流域內(nèi)地面氣象站點(diǎn)的觀測(cè)資料和全球氣候模式的輸出數(shù)據(jù)為基礎(chǔ),分別對(duì)氣溫和降水進(jìn)行統(tǒng)計(jì)降尺度模擬,并對(duì)未來(lái)不同排放情景下的流域氣候變化做出預(yù)估。

1 數(shù)據(jù)來(lái)源與研究方法

1.1 研究區(qū)概況

東江流域地處113°52′～115°52′E,22°38′～25°14′N(xiāo),總面積35 340 km2,高溫多雨,屬亞熱帶季風(fēng)濕潤(rùn)氣候區(qū)[26]。流域多年平均降水量約1 795 mm,多年平均蒸發(fā)量約1 200 mm,年均氣溫介于20～22 ℃,降水的年內(nèi)分配差異較大,雨期主要集中在4—9月,降水量約占全年總量的80%以上[27]。東江流域內(nèi)的氣象站點(diǎn)及高程分布見(jiàn)圖1。

1.2 數(shù)據(jù)來(lái)源

本研究共涉及到三類(lèi)數(shù)據(jù),分別為氣象站點(diǎn)觀測(cè)數(shù)據(jù)、大尺度環(huán)流因子再分析數(shù)據(jù)以及全球氣候模式輸出數(shù)據(jù)。東江流域內(nèi)14個(gè)國(guó)家基本氣象站點(diǎn)的逐日氣溫和降水觀測(cè)數(shù)據(jù)來(lái)自國(guó)家氣象科學(xué)數(shù)據(jù)中心(http://data.cma.cn/),時(shí)間跨度為1961—2014年。大尺度環(huán)流因子數(shù)據(jù)獲取自NCEP再分析數(shù)據(jù)集(https://www.psl.noaa.gov/),該數(shù)據(jù)集提供了精度較高的全球范圍內(nèi)26個(gè)大氣環(huán)流因子的長(zhǎng)時(shí)間序列網(wǎng)格觀測(cè)值,時(shí)間覆蓋范圍為1948—2018年,空間分辨率為2.5°×2.5°。

本文所選用的全球氣候模式為第五次耦合模式比較計(jì)劃中的CanESM2,數(shù)據(jù)來(lái)源于加拿大氣候模式與分析中心(https://climate-scenarios.canada.ca/)。該模式的輸出可劃分為歷史模擬期(1850—2005年)和未來(lái)預(yù)估期(2006—2100年),空間分辨率為2.8125°×2.8125°。同第五次耦合模式比較計(jì)劃一致,該模式也包含有RCP2.6(低等濃度排放路徑)、RCP4.5(中等濃度排放路徑)和RCP8.5(高等濃度排放路徑)等3種未來(lái)情景。

1.3 研究方法

1.3.1SDSM

SDSM是一種結(jié)合了多元線性回歸和隨機(jī)天氣發(fā)生器的統(tǒng)計(jì)降尺度模型,具有交互性高、實(shí)用性強(qiáng)等特點(diǎn)[13]。模型的基本原理見(jiàn)式(1)—(3):

(1)

(2)

(3)

式中Ri——降水;Ti——溫度;ωi——第i天發(fā)生降水的概率;Pij——第i天第j個(gè)大尺度預(yù)報(bào)因子;ei——模式誤差;n——預(yù)報(bào)因子個(gè)數(shù);α、β、γ——相關(guān)參數(shù)。

對(duì)于降水,要先模擬其發(fā)生概率(式1),再用隨機(jī)天氣發(fā)生器來(lái)模擬降水量(式2);對(duì)于溫度,可直接模擬(式3)。

1.3.2CDFM

該法作為誤差訂正法中的代表,近年來(lái)在統(tǒng)計(jì)降尺度領(lǐng)域受到了越來(lái)越多的關(guān)注[28]。實(shí)際應(yīng)用中,針對(duì)特定的氣象要素,通常利用氣候模式模擬值與氣象站點(diǎn)觀測(cè)值之間的累積分布函數(shù)差異來(lái)對(duì)氣候模式的原始輸出進(jìn)行偏差校正進(jìn)而達(dá)到降尺度目的。計(jì)算過(guò)程如下:

xm,cor=F0-1(Fm(xm))

(4)

式中xm,cor——校正后的氣候模式模擬值;xm——?dú)夂蚰Ｊ降哪M值;Fm——?dú)夂蚰Ｊ侥M值的累積分布函數(shù);F0-1——?dú)庀笳军c(diǎn)觀測(cè)值的累積分布函數(shù)的逆函數(shù)。

1.3.3Delta方法

Delta方法是美國(guó)國(guó)家評(píng)價(jià)中心(http://www.nacc.usgcrp.gov/)所推薦應(yīng)用的未來(lái)氣候情景生成法[29]。該方法假設(shè)氣候模式對(duì)于氣候要素變化量的模擬要比對(duì)絕對(duì)值的模擬更加可靠,在對(duì)氣候要素變化量的描述上,降水采用變化率,而溫度采用變化量。氣象站點(diǎn)未來(lái)降水和氣溫情景的計(jì)算公式見(jiàn)式(5)、(6):

(5)

Tf=To+(TGf-TGo)

(6)

式中:Pf、Tf——Delta方法重建的未來(lái)降水、氣溫序列;PGf、TGf——?dú)夂蚰Ｊ筋A(yù)估的未來(lái)降水、氣溫序列;PGo、TGo——?dú)夂蚰Ｊ皆诨鶞?zhǔn)期內(nèi)所模擬的多年平均降水、氣溫;Po、To——基準(zhǔn)期內(nèi)觀測(cè)場(chǎng)的多年平均降水、氣溫。

1.3.4評(píng)價(jià)指標(biāo)

本文使用平均絕對(duì)誤差(Mean Absolute Error,MAE)、平均絕對(duì)百分比誤差(Mean Absolute Percentage Error,MAPE)、均方根誤差(Root Mean Square Error,RMSE)以及皮爾遜相關(guān)系數(shù)(Pearson Correlation Coefficient,CC)等指標(biāo)來(lái)評(píng)價(jià)模型的模擬效果。各指標(biāo)的計(jì)算見(jiàn)式(7)—(10):

(7)

(8)

(9)

(10)

式中n——序列長(zhǎng)度;yo、ym——實(shí)測(cè)值和模擬值;Cov——序列之間的協(xié)方差;Var——序列的方差。

其中,MAE、MAPE和RMSE的值越接近于0、CC的值越接近于1,表明模型的模擬能力越高。

2 結(jié)果與分析

在CanESM2全球氣候模式的輸出中,東江流域共覆蓋有2個(gè)網(wǎng)格的范圍,流域內(nèi)編號(hào)為7和10的站點(diǎn)位于同一網(wǎng)格,其余站點(diǎn)則位于另一網(wǎng)格(圖1)。為提高各站點(diǎn)的空間代表性,采用泰森多邊形法來(lái)計(jì)算流域的面平均氣候要素;在描述東江流域氣候要素的空間分布特征時(shí),使用Kriging方法進(jìn)行插值。此外,使用SDSM模型對(duì)東江流域的氣溫情景進(jìn)行降尺度處理,而對(duì)比使用CDFM和Delta方法來(lái)對(duì)東江流域的降水情景進(jìn)行降尺度模擬。

2.1 降尺度模型構(gòu)建

2.1.1氣溫

基于東江流域內(nèi)14個(gè)氣象站點(diǎn)的逐日觀測(cè)數(shù)據(jù)和NCEP再分析資料,分別將各站點(diǎn)的預(yù)報(bào)量作為目標(biāo)變量,將26個(gè)大氣環(huán)流因子作為解釋變量,通過(guò)建立逐步回歸關(guān)系來(lái)篩選出各站點(diǎn)下各預(yù)報(bào)量的最佳組合預(yù)報(bào)因子,結(jié)果見(jiàn)表1。同時(shí),為驗(yàn)證以上組合預(yù)報(bào)因子的選取是否合理,表2給出了各站點(diǎn)下各預(yù)報(bào)量的解釋方差及標(biāo)準(zhǔn)誤差。其中,解釋方差表示提取到的因子對(duì)于目標(biāo)變量的解釋能力,最優(yōu)值為1;標(biāo)準(zhǔn)誤差用來(lái)表征模擬值與實(shí)測(cè)值間的偏差情況,最優(yōu)值為0。

表1 預(yù)報(bào)因子篩選結(jié)果

表2 各站點(diǎn)下各預(yù)報(bào)量的解釋方差及標(biāo)準(zhǔn)誤差

表2可見(jiàn),對(duì)于日最高氣溫,各站點(diǎn)的解釋方差為62.9%～71.3%,標(biāo)準(zhǔn)誤差為1.66～2.21 ℃;對(duì)于日平均氣溫,各站點(diǎn)的解釋方差為73.7%～78.1%,標(biāo)準(zhǔn)誤差為1.15～1.32 ℃;對(duì)于日最低氣溫,各站點(diǎn)的解釋方差為69.8%～74.6%,標(biāo)準(zhǔn)誤差為1.16～1.53 ℃。整體來(lái)看,以上篩選出的組合預(yù)報(bào)因子對(duì)于東江流域內(nèi)各站點(diǎn)氣溫的描述能力較好,平均解釋方差達(dá)到了71.8%,平均標(biāo)準(zhǔn)誤差為1.5 ℃。為檢驗(yàn)SDSM模型的降尺度效果,分別選取1961—2000、2001—2005年作為模型的率定期和驗(yàn)證期,并綜合使用MAE、RMSE和MAPE等指標(biāo)來(lái)評(píng)價(jià)模型對(duì)于東江流域月平均日氣溫的模擬能力(表3)。

表3 基于SDSM模型的東江流域月平均日氣溫模擬效果檢驗(yàn)

由表3可見(jiàn),無(wú)論率定期還是驗(yàn)證期,SDSM模型的表現(xiàn)均十分優(yōu)秀,各預(yù)報(bào)量的MAPE均低于3.6%,同時(shí)MAE和RMSE也都小于0.9 ℃。圖2顯示的是各預(yù)報(bào)量的模擬值與實(shí)測(cè)值在年內(nèi)分配上的比較,二者十分接近,再次驗(yàn)證了模型的可靠性。

2.1.2降水

為構(gòu)建出適合東江流域降水情景的統(tǒng)計(jì)降尺度模型,本文對(duì)比使用了CDFM和Delta方法。同樣地,分別選取1961—2000、2001—2005年作為模型的率定期和驗(yàn)證期,并綜合使用MAE、RMSE和CC等指標(biāo)來(lái)評(píng)價(jià)2種模型對(duì)于東江流域月平均降水量的降尺度模擬效果。在應(yīng)用CDFM時(shí),采用兩參數(shù)伽瑪分布來(lái)對(duì)月降水量序列進(jìn)行擬合,并使用極大似然法來(lái)估計(jì)分布函數(shù)中的相關(guān)參數(shù)。

表4顯示的是CDFM和Delta方法2種統(tǒng)計(jì)降尺度模型對(duì)于東江流域月平均降水量的模擬效果?？梢钥闯?無(wú)論率定期還是驗(yàn)證期,Delta方法相較于CDFM的模擬誤差都更小且相關(guān)系數(shù)更高。圖3描述的是CDFM和Delta方法對(duì)于東江流域各月多年平均降水量的模擬結(jié)果,明顯可見(jiàn),Delta方法的模擬值要更接近于實(shí)測(cè)值。綜上,本文選用Delta方法來(lái)對(duì)東江流域的未來(lái)降水情景進(jìn)行降尺度處理。

表4 基于CDFM和Delta方法的東江流域月平均降水量模擬效果檢驗(yàn)

圖3 2種統(tǒng)計(jì)降尺度模型對(duì)于各月多年平均降水量的模擬效果對(duì)比

2.2 未來(lái)氣候預(yù)估

利用構(gòu)建好的模型分別對(duì)CanESM2模式在2021—2100年的氣溫和降水輸出進(jìn)行降尺度處理,得到RCP2.6、RCP4.5和RCP8.5情景下東江流域14個(gè)氣象站點(diǎn)的未來(lái)氣溫和降水序列。以1961—2005年為基準(zhǔn)期,選取未來(lái)近期(2021—2050年)、未來(lái)中期(2051—2080年)和未來(lái)遠(yuǎn)期(2081—2100年)3個(gè)時(shí)段來(lái)分析流域未來(lái)氣溫和降水的變化特征。

2.2.1氣溫

圖4顯示的是不同排放情景下未來(lái)東江流域逐年平均日氣溫的變化過(guò)程。可以看出,在RCP4.5和RCP8.5情景下,流域平均日最低、日平均和日最高氣溫均呈現(xiàn)出明顯升高趨勢(shì)。其中,日最低氣溫增速分別為0.15、0.38 ℃/10a,日平均氣溫增速分別為0.19、0.50 ℃/10a,日最高氣溫增速分別為0.20、0.52 ℃/10a。與基準(zhǔn)期相比,在RCP4.5和RCP8.5情景下,東江流域未來(lái)遠(yuǎn)期內(nèi)的多年平均日最低氣溫將分別升高2.26、3.65 ℃,多年平均日平均氣溫將分別升高2.70、4.69 ℃,多年平均日最高氣溫將分別升高2.79、4.95 ℃?？偟膩?lái)看,東江流域的日最高氣溫增速最快、增幅最大,這可能會(huì)加劇流域未來(lái)的極端高溫事件。

圖4 不同情景下未來(lái)東江流域的逐年平均日氣溫變化過(guò)程

圖5、表5分別顯示的是未來(lái)遠(yuǎn)期內(nèi)東江流域各月和各季的多年平均日氣溫相較于基準(zhǔn)期的增幅情況?？梢钥闯?各月的日最低氣溫、日平均氣溫和日最高氣溫相較于基準(zhǔn)期均存在著不同程度的升高,且增幅從低到高依次為RCP2.6、RCP4.5和RCP8.5;未來(lái)遠(yuǎn)期內(nèi)東江流域的日平均氣溫和日最高氣溫在秋季增加最為顯著,而日最低氣溫則在冬季增幅最大,這表明流域未來(lái)的暖冬風(fēng)險(xiǎn)可能會(huì)有所增加。

圖5 未來(lái)遠(yuǎn)期內(nèi)不同情景下東江流域內(nèi)各月的多年平均日氣溫相較于基準(zhǔn)期的增幅

表5 未來(lái)遠(yuǎn)期內(nèi)不同情景下各季節(jié)多年平均氣溫相較于基準(zhǔn)期的增幅 單位:℃

圖6描述的是未來(lái)遠(yuǎn)期內(nèi)不同情景下東江流域多年平均日氣溫(日最低、最高和平均氣溫)相較于基準(zhǔn)期增幅的空間分布情況。需要說(shuō)明的是,在同一排放情景下,流域在未來(lái)遠(yuǎn)期的氣溫增幅要分別高于未來(lái)中期和未來(lái)近期,所以對(duì)該時(shí)段的分析最具有代表性?？梢钥闯?未來(lái)時(shí)期不同排放情景下東江流域表現(xiàn)出全流域范圍內(nèi)的普遍升溫;對(duì)于同一氣溫變量,隨著溫室氣體排放濃度的增加(從RCP2.6到RCP4.5、RCP8.5),溫度增幅也越來(lái)越大。從空間分布上來(lái)看,對(duì)于日最低氣溫,西南方向?yàn)樵鰷馗咧祬^(qū),東南方向?yàn)樵鰷氐椭祬^(qū);對(duì)于日平均氣溫,增溫高值區(qū)在空間上呈不連續(xù)分布,主要集中在幾個(gè)分散的區(qū)域;對(duì)于日最高氣溫,北部的增幅要明顯高于南部,且空間連續(xù)性較強(qiáng)。

2.2.2降水

圖7、表6分別顯示的是未來(lái)不同情景下東江流域在2021—2100年的降水量時(shí)間序列及其統(tǒng)計(jì)特征值?？梢钥闯?3種排放情景下的年降水量過(guò)程均呈現(xiàn)增加趨勢(shì),增速?gòu)母叩降鸵来螢镽CP8.5(25.4 mm/10a)、RCP2.6(16.4 mm/10a)和RCP4.5(8.7 mm/10a)。年際變差方面,RCP8.5最大(200.5 mm),RCP4.5次之(184.4 mm),RCP2.6最小(170.5 mm)。此外,經(jīng)計(jì)算,東江流域在基準(zhǔn)期內(nèi)的多年平均降水量為1 050 mm,未來(lái)時(shí)期在RCP2.6、RCP4.5和RCP8.5情景下的多年平均降水量將分別增加103.1、149.8和164.6 mm。

圖7 不同情景下未來(lái)東江流域的年降水量變化過(guò)程

表6 不同情景下未來(lái)東江流域年降水量序列的統(tǒng)計(jì)特征值

圖8、9分別顯示的是未來(lái)不同時(shí)期內(nèi)不同排放情景下東江流域的多年平均月、季尺度降水量變化過(guò)程?？梢钥闯?未來(lái)不同時(shí)期內(nèi),3種排放情景下的月降水量較基準(zhǔn)期均有所增加,且以6月份增加最為顯著(圖8);季節(jié)上,則以夏、秋兩季的增加較為明顯(圖9)。綜合來(lái)看,未來(lái)東江流域在汛期內(nèi)所面臨的暴雨洪災(zāi)風(fēng)險(xiǎn)可能會(huì)有所上升。

圖8 未來(lái)不同時(shí)期內(nèi)不同情景下東江流域各月份的多年平均降水量變化

圖9 未來(lái)不同時(shí)期內(nèi)不同情景下東江流域各季節(jié)的多年平均降水量變化

圖10描述的是未來(lái)不同時(shí)期內(nèi)不同排放情景下東江流域多年平均降水量的空間分布情況?？梢钥闯?在同一排放情景下,隨著時(shí)間的推移,降水量在空間上呈現(xiàn)出逐漸增加的態(tài)勢(shì),且在RCP8.5情景下降水增加最為顯著;同一時(shí)期內(nèi)不同排放情景下,降水量的空間分布格局并未發(fā)生明顯改變,這點(diǎn)與氣溫的變化有所不同,表明降水對(duì)于溫室氣體濃度變化的響應(yīng)可能不如氣溫敏感。此外,雖然流域在未來(lái)時(shí)期的降水量呈現(xiàn)出增加趨勢(shì),但在不同時(shí)期內(nèi)不同情景下的降水中心卻較為穩(wěn)定,雖然覆蓋范圍有所擴(kuò)展但整體位置并未發(fā)生明顯遷移,大體位于流域中部偏西的位置(藍(lán)色陰影區(qū)域)。

圖10 未來(lái)不同時(shí)期內(nèi)不同情景下的東江流域多年平均降水量空間分布

3 結(jié)論

以東江流域?yàn)檠芯繀^(qū)域,以流域內(nèi)14個(gè)氣象站點(diǎn)的逐日觀測(cè)數(shù)據(jù)為基準(zhǔn)值,使用多種統(tǒng)計(jì)降尺度方法分別對(duì)CanESM2全球氣候模式的氣溫和降水輸出進(jìn)行了模擬,并對(duì)流域未來(lái)不同情景下的氣候變化做出了預(yù)估。主要取得了以下研究成果。

a)經(jīng)驗(yàn)證,SDSM模型和Delta方法分別對(duì)于東江流域的氣溫和降水有著較好的降尺度模擬效果,該結(jié)論可為今后東江流域氣象因子的統(tǒng)計(jì)降尺度研究提供參考。

b)在RCP4.5和RCP8.5情景下,未來(lái)東江流域的日最低、日平均和日最高氣溫將持續(xù)升高,且同一排放情景下,日最高氣溫的增速最快;相較于基準(zhǔn)期,流域在未來(lái)遠(yuǎn)期內(nèi)的多年平均日最低氣溫將分別增加2.26、3.65 ℃、日平均氣溫將分別增加2.70、4.69 ℃、日最高氣溫將分別增加2.79、4.95 ℃。

c)未來(lái)不同排放情景下東江流域的年降水量均呈現(xiàn)出增加趨勢(shì),相較于基準(zhǔn)期,多年平均降水量增幅從高到低依次為RCP8.5(164.6 mm)、RCP4.5(149.8 mm)和RCP2.6(103.1 mm);此外,隨著時(shí)間的推移,降水在空間分布上也呈現(xiàn)增加態(tài)勢(shì),但不同時(shí)期內(nèi)不同排放情景下的降水中心基本保持穩(wěn)定。

通過(guò)對(duì)全球氣候模式的輸出進(jìn)行空間降尺度處理,使得開(kāi)展區(qū)域或局地尺度上的氣候變化研究成為了可能[30]。然而,由于降尺度的本質(zhì)是對(duì)氣候模式輸出的一種后處理,其過(guò)程不可避免地存在著不確定性,尤其是統(tǒng)計(jì)降尺度[31]。首先,統(tǒng)計(jì)降尺度模型的構(gòu)建十分依賴(lài)于觀測(cè)資料的獲取,不同長(zhǎng)度的觀測(cè)資料所率定出來(lái)的模型可能差別較大,一般來(lái)說(shuō),數(shù)據(jù)跨度越長(zhǎng)所建立起的統(tǒng)計(jì)關(guān)系就越可靠;其次,SDSM等基于多元回歸的降尺度模型在構(gòu)建過(guò)程中需要預(yù)先進(jìn)行解釋因子的選取,而如何準(zhǔn)確高效地優(yōu)選出這些因子尚未有統(tǒng)一的理論和方法;此外,針對(duì)不同的氣象要素,統(tǒng)計(jì)降尺度模型的構(gòu)建思路存在著較大差別,如對(duì)溫度的降尺度處理多采用多元回歸的方法,而對(duì)降水的處理則主要采用偏差校正的方法,這可能是因?yàn)榻邓哂懈鼜?qiáng)的時(shí)空異質(zhì)性。在本文中,SDSM模型被證實(shí)在氣溫的降尺度模擬上表現(xiàn)較好,這與過(guò)往研究基本一致[32-34];降水方面,Delta方法的表現(xiàn)要優(yōu)于CDFM,但該結(jié)論可能并不具備普遍性,因?yàn)榻y(tǒng)計(jì)降尺度模型的表現(xiàn)往往依賴(lài)于氣候模式的選取和研究區(qū)域的氣候特征。需要強(qiáng)調(diào)的是,雖然CanESM2氣候模式在研究區(qū)內(nèi)有著較好的模擬能力,但單模式的預(yù)估結(jié)果存在著較大的不確定性,在今后的研究中,將嘗試采用多模式集合平均的方法來(lái)進(jìn)行區(qū)域氣候的預(yù)估。