摘 要：近50年江蘇濕季降水增加趨勢(shì)強(qiáng)度大于干季，干、濕季降水以及差異趨勢(shì)從南到北遞減，江蘇干季降水、濕季降水以及濕干季降水之差占全年比重呈現(xiàn)增加-減少的相間分布。在SSP1-2.6、SSP5-8.5情景中，2020—2099年江蘇干、濕季降水總體上均呈增加趨勢(shì)，濕季明顯強(qiáng)于干季，SSP1-2.6情景干季降水增加趨勢(shì)大于SSP5-8.5，而濕季降水增加趨勢(shì)小于SSP5-8.5。在干季中，SSP1-2.6情景降水增加趨勢(shì)從南到北遞減，極大值位于長(zhǎng)江以南，達(dá)到了5 mm/10年，SSP1-8.5情景降水增加趨勢(shì)普遍較小，僅江蘇東南部和徐州北部達(dá)到了2 mm/10年。在濕季中，2種未來(lái)情景降水趨勢(shì)都在增加，SSP1-8.5明顯強(qiáng)于SSP1-2.6，極大值達(dá)到了10 mm/10年。

關(guān)鍵詞：干季降水；濕季降水；趨勢(shì)；SSP1-2.6；SSP5-8.5

中圖分類號(hào)：P426.6 文獻(xiàn)標(biāo)志碼：B 文章編號(hào)：2095–3305（2024）02–0-03

IPCC第五次報(bào)告指出，近100多年來(lái)全球地表溫度明顯上升，自從20世紀(jì)70年代起全球濕度上升加劇。IPCC第六次報(bào)告《全球升溫1.5 ℃特別報(bào)告》指出，人類活動(dòng)會(huì)造成全球溫度比工業(yè)化前水平高約1.0 ℃，如果繼續(xù)以目前的速率升溫，到21世紀(jì)中葉全球升溫將達(dá)到1.5 ℃[1-2]。氣溫的持續(xù)升高會(huì)強(qiáng)化水文循環(huán)，導(dǎo)致我國(guó)極端氣候事件的頻率和強(qiáng)度均顯著增加，造成重大的經(jīng)濟(jì)損失。對(duì)于農(nóng)業(yè)生產(chǎn)而言，氣溫的持續(xù)升高不僅會(huì)直接導(dǎo)致農(nóng)業(yè)減產(chǎn)、食物短缺、病蟲害高發(fā)、作物生產(chǎn)力降低等，其持續(xù)累積還會(huì)引起土地資源退化、水資源枯竭和生態(tài)環(huán)境破壞，從而制約農(nóng)業(yè)的可持續(xù)發(fā)展[3-4]。深入研究極端氣候的形成機(jī)制，可以認(rèn)識(shí)和預(yù)測(cè)旱澇災(zāi)害的氣候背景，從而改進(jìn)旱澇特征分析、監(jiān)測(cè)以及預(yù)報(bào)的技術(shù)方法，對(duì)農(nóng)業(yè)災(zāi)害風(fēng)險(xiǎn)的預(yù)防、監(jiān)測(cè)理論的完善都有著非常重要的理論意義，還可以為國(guó)家經(jīng)濟(jì)的可持續(xù)發(fā)展和長(zhǎng)期發(fā)展規(guī)劃提供科學(xué)依據(jù)，為相關(guān)部門制定防汛抗旱減災(zāi)政策提供一定的參考[5]。

1 資料與方法

CN05.1數(shù)據(jù)集中1961—2018年的日降水資料，是國(guó)家氣候中心利用雙線性插值法對(duì)中國(guó)2 400多個(gè)地面氣象站的觀測(cè)資料處理后得到的格點(diǎn)數(shù)據(jù)，其網(wǎng)格分辨率為0.25°×0.25°。用到的4個(gè)CMIP6模式數(shù)據(jù)均可在開放網(wǎng)站下載。選取了2種未來(lái)預(yù)估氣候情景（2020—2099年）：SSP1-2.6、SSP5-8.5。SSP1-2.6為可持續(xù)發(fā)展，排放強(qiáng)度為低等；SSP5-8.5是以化石燃料驅(qū)動(dòng)的發(fā)展，排放強(qiáng)度為高等。相關(guān)研究表明，SSP5-8.5情景下全球增溫明顯快于SSP1-2.6[5]。選取一年中連續(xù)3個(gè)月降水量最少的3個(gè)月為干季，連續(xù)3個(gè)月降水量最大的為濕季。因此，本文中干濕季月份不固定。首先分析1969—2018年江蘇干濕季降水趨勢(shì)變化，再分析2020—2099年2種未來(lái)預(yù)估氣候情景下降水趨勢(shì)變化。

多模式集合平均方法（MME）是一種較好的能夠減小模型模擬不確定性的方法，被廣泛應(yīng)用于模型模擬方面。因此，為了更好地對(duì)研究結(jié)果進(jìn)行分析，使用MME來(lái)最小化CMIP6模式模擬結(jié)果的誤差。各個(gè)氣候模式分辨率不同，用雙線性插值方法統(tǒng)一各個(gè)模式數(shù)據(jù)。

2 結(jié)果與分析

2.1 1969—2018年江蘇干濕季降水變化特征

近50年來(lái)，江蘇干季常平均年降水量在30～160 mm

之間，空間分布呈現(xiàn)從南到北遞減。干季常年降水量占全年比例空間分布跟干季常年平均降水類似，蘇南比重大，達(dá)到了12%，蘇北比重小，最小不足5%。濕季常平均年降水量主要分布在470～580 mm之間，降水極大值中心位于江蘇東部沿海，連云港、鹽城一帶，小于

470 mm的極小值位于徐州北部。濕季常年降水量占全年比例空間分布與干季相反，從南到北遞增，北部最大，達(dá)到了64%，南部最小，不足44%。江蘇降水集中程度從南到北遞增，江蘇北部干濕季比南部更加明顯（圖1）。

1969—2018年，淮河以北地區(qū)干季降水變化趨勢(shì)不明顯，徐州出現(xiàn)弱的減少趨勢(shì)，淮河以南地區(qū)干季降水普遍增加，趨勢(shì)從北到南在增強(qiáng)，極大值中心位于蘇州南部，超過(guò)14 mm/10年。江蘇濕季降水趨勢(shì)普遍呈現(xiàn)增多，從北到南在增強(qiáng)，除連云港增加趨勢(shì)較弱，其余在8 mm/10年以上，高值中心位于無(wú)錫東部、蘇州北部，達(dá)到了44 mm/10年。濕干季降水差異趨勢(shì)與濕季降水類似，蘇北差異趨勢(shì)不明顯，蘇南差異明顯，趨勢(shì)增加明顯，最大達(dá)到了36 mm/10年。1969—2018年江蘇濕季降水增加趨勢(shì)強(qiáng)度大于干季，干、濕季降水趨勢(shì)從南到北遞減（圖2）。

江蘇干季降水、濕季降水以及濕干季降水之差占全年比重呈現(xiàn)增加-減少的相間分布，自北往南分別為減-增-減-增、增-減-增、增-減-增-減。在干季降水占全年的比例常年平均變化趨勢(shì)中，最大正的高值中心位于蘇州南部，每10年增加0.8%，其余每10年變化率小于0.4%；濕季降水占全年的比例常年平均變化趨勢(shì)中，徐州、無(wú)錫和蘇州最大，達(dá)到了每10年增加1%，其余變化不明顯；濕干季降水之差占全年常年變化趨勢(shì)中，徐州增加最大，為1.5%/10年，蘇州、無(wú)錫、南通地區(qū)次之，其余正負(fù)增長(zhǎng)趨勢(shì)各半

（圖3）。

2.2 2020—2099年江蘇干濕季降水變化特征

干季中，SSP1-2.6情景下江蘇降水年際差異大，2030年為219.9 mm，2068年230.5 mm，2058年僅為55.9 mm，降水線性傾向率為3.544 mm/10年，未來(lái)干季降水有增加的趨勢(shì)；SSP5-8.5情景下，江蘇降水在81～200 mm之間，起伏波動(dòng)沒(méi)有SSP1-2.6情景大，降水線性傾向率為1.221 mm/10年，干季降水增加趨勢(shì)不太明顯。在濕季中，SSP1-2.6情景降水在410～653 mm

之間，降水線性傾向率為3.785 mm/10年，未來(lái)濕季降水有增加的趨勢(shì)；SSP5-8.5情景降水在397～

659 mm之間，降水線性傾向率為8.222 mm/10年，未來(lái)濕季降水增加趨勢(shì)明顯強(qiáng)于SSP1-2.6（圖4）。

在干季中，SSP1-2.6情景降水線性傾向率在江蘇從南到北遞減，長(zhǎng)江以南降水增加趨勢(shì)明顯，極大值達(dá)到了5 mm/10年，蘇北北部小于2.5 mm/10年，降水增加趨勢(shì)明顯弱于蘇南。SSP1-8.5情景降水線性傾向率普遍小于2.5 mm/10年，僅東南部和徐州北部達(dá)到了2 mm/10年，降水增加趨勢(shì)不明顯（圖5）。

在濕季中，SSP1-2.6情景降水線性傾向率在蘇南南部和蘇北北部在5～7 mm/10年，其余在1～5 mm/10年，降水增加趨勢(shì)在蘇南南部和蘇北北部最強(qiáng)；SSP5-8.5降水線性傾向率普遍大于6 mm/10年，極大值達(dá)到了10 mm/10年，明顯大于SSP1-2.6，江蘇各地降水趨勢(shì)在增加（圖6）。

在SSP1-2.6情景中，濕干季降水差異線性傾向率在蘇北北部在3 mm/10年以上，其余在-3～3 mm/10年之間，蘇北濕干季降水差異有擴(kuò)大的趨勢(shì)，其余地區(qū)差異不明顯，增減不一。在SSP5-8.5情景中，濕干季降水差異線性傾向率普遍在6 mm/10年以上，極大值達(dá)到了10 mm/10年，說(shuō)明江蘇濕干季降水差異在逐年擴(kuò)大（圖7）。

4 結(jié)論

（1）1961—2020年，干熱風(fēng)發(fā)生程度呈上升趨勢(shì)，南部和北部的干熱風(fēng)指數(shù)增幅分別為41.698/10年和10.686/10年。

（2）從各旬干熱風(fēng)危害指數(shù)發(fā)生程度來(lái)看，隨著氣候變暖，干熱風(fēng)危害指數(shù)最高值有提前趨勢(shì)。

（3）從歷史趨勢(shì)來(lái)看，干熱風(fēng)發(fā)生頻率呈增加趨勢(shì)，嚴(yán)重干熱風(fēng)發(fā)生頻率增加趨勢(shì)更多。

參考文獻(xiàn)

[1] 周廣勝，何奇瑾，汲玉河.適應(yīng)氣候變化的國(guó)際行動(dòng)和農(nóng)業(yè)措施研究進(jìn)展[J].應(yīng)用氣象學(xué)報(bào)，2016，27（5）：527-533.

[2] 郭建平.氣候變化對(duì)中國(guó)農(nóng)業(yè)生產(chǎn)的影響研究進(jìn)展[J].應(yīng)用氣象學(xué)報(bào)，2015，25（1）：1-11.

[3] 王馥棠.近10年來(lái)我國(guó)氣候變暖影響研究的若干進(jìn)展[J].應(yīng)用氣象學(xué)報(bào)，2002.13（6）：755-766.

[4] 張宇，王石立，王馥棠.氣候變化對(duì)我國(guó)小麥發(fā)育及產(chǎn)量可能影響的模擬研究[J].應(yīng)用氣象學(xué)報(bào)，2000（3）：264-270.

[5] 霍治國(guó)，尚瑩，鄔定榮，等.中國(guó)小麥干熱風(fēng)災(zāi)害研究進(jìn)展[J].應(yīng)用氣象學(xué)報(bào).2019，30（2）：129-141.

[6] 喇永昌，張磊，張曉煜，等.小麥干熱風(fēng)氣象災(zāi)害研究綜述[J].農(nóng)村經(jīng)濟(jì)與科技，2017，28（1）：7-9.

[7] 鄭劍非，張?jiān)龈?廊坊地區(qū)干熱風(fēng)指標(biāo)的確定及其區(qū)劃[J].氣象，1979（9）：28-30.

[8] 簡(jiǎn)慰民，申明華.新疆干熱風(fēng)區(qū)劃[J].新疆農(nóng)業(yè)科學(xué)，1981 （3）：21-24.

[9] 牛晉源，石蘭瑛，王密鳳.晉城小麥干熱風(fēng)災(zāi)害分析[J].山西氣象，1996（3）：29-31

[10] 王春乙，潘亞茹，季貴樹.石家莊地區(qū)干熱風(fēng)年型指標(biāo)分析及統(tǒng)計(jì)預(yù)測(cè)模型[J].氣象學(xué)報(bào)，1991（1）：104-107.

[11] 李樹軍，李楠.近39年山東省冬小麥干熱風(fēng)時(shí)空規(guī)律研究[J].氣象與環(huán)境科學(xué)，2023，46（2）：1-8.

[12] 孔德胤，張喜林，李金田，等.利用海溫與環(huán)流因子制作干熱風(fēng)危害指數(shù)預(yù)報(bào)[J].內(nèi)蒙古氣象，2002（1）：11-13.

[13] 李建軍，孔德胤，張雁飛，等.1971—2010 年河套地區(qū)干熱風(fēng)發(fā)生規(guī)律[J].江西農(nóng)業(yè)，2018（4）：58-59.