摘 要:氣象干旱是全球氣候變化背景下的重要環(huán)境問題,對生態(tài)系統(tǒng)、農(nóng)業(yè)和水資源管理具有深遠影響。為了更好地預(yù)測黑龍江省未來81 a(2020—2100年)的氣象干旱演變特征,基于CMIP6的14個氣候模式,選取了SSP245和SSP585 兩種共享社會經(jīng)濟路徑情景,結(jié)合標準化降水蒸散發(fā)指數(shù)(Standardized Precipitation EvapotranspirationIndex,SPEI)和Mann-Kendall檢驗等方法,分析了不同時間尺度的氣象干旱趨勢及其空間分布。結(jié)果表明,未來黑龍江省的氣溫和降水量呈顯著上升趨勢,尤其在SSP585情景下;除夏季外,春、秋、冬3季均表現(xiàn)出干旱化趨勢,氣象干旱事件主要集中于西部和東南部地區(qū)。研究為黑龍江省的水資源管理和氣象干旱應(yīng)對策略提供科學(xué)依據(jù)。
關(guān)鍵詞:SPEI指數(shù);Mann-Kendall檢驗;CMIP6;黑龍江省
中圖分類號:TV21 文獻標識碼:A 文章編號:1001-9235(2025)02-0021-08
Based on the Prediction of Future Drought Evolution in Heilongjiang Province under theCMIP6 Model
LIU Tao 1 , SI Zhenjiang 1* , LIU Yan 2
(1. School of Water Conservancy and Electric Power, Heilongjiang University, Harbin 150080; 2. Heilongjiang Research Institute ofWater Conservancy, Harbin 150080)
Abstract: Meteorological drought is an important environmental issue in the context of global climate change and has a profoundimpact on ecosystems, agriculture and water resources management. In order to better predict the evolution of meteorological droughtin the next 81 years (2020—2100), based on the 14 climate patterns of CMIP 6, the two kinds of SSP245 and SSP585, combined withthe standardized precipitation index (Standardized Precipitation Evapotranspiration Index) and Mann-Kendall test, analyzed themeteorological drought trend and its spatial distribution at different time scales. The results show that the temperature andprecipitation in Heilongjiang province will rise significantly in the future, especially in the SSP585 scenario; except in summer, spring,autumn and winter are dry, and the meteorological drought events are mainly concentrated in the western and southeastern regions.This study provides a scientific basis for water resources management and meteorological drought response strategies in HeilongjiangProvince.
Keywords: SPEI index; Mann-Kendall test; CMIP6; Heilongjiang Province
隨著氣溫普遍上升,氣象干旱事件發(fā)生的頻率 在持續(xù)增加[1] 。全球氣溫升高導(dǎo)致的蒸發(fā)量增加和降水分布不均,進一步加劇了區(qū)域氣象干旱的不確定性[2] 。氣象干旱事件的頻繁發(fā)生對人類社會活動、經(jīng)濟和糧食安全等負面影響巨大[3] 。因此,深入研究氣象干旱的成因與發(fā)展趨勢,建立科學(xué)的預(yù)測與應(yīng)對機制,顯得尤為重要在中國東北地區(qū),氣象干旱問題一直是影響農(nóng)業(yè)生產(chǎn)和生態(tài)環(huán)境的重要因素之一。張雪玲等[4] 利用 SPEI (Standardized Precipitation EvapotranspirationIndex)和 STI(Standardized Temperature Index)分析東北地區(qū)的氣象干旱和極端高溫事件的發(fā)生,表明整個區(qū)域呈現(xiàn)暖氣象干旱化趨勢。李明等[5] 基于SPEI對中國東北地區(qū)進行氣象干旱特征分析,得到除長白山地區(qū)外其余地區(qū)均表現(xiàn)明顯的氣象干旱化趨勢。張筱渲等[6] 基于 SPEI 指數(shù)分析 1961—2020年東北地區(qū)的氣象干旱時空分布,得到中旱頻率發(fā)生頻率為最高且南部氣象干旱化趨勢加重。目前,關(guān)于東北地區(qū)的氣象干旱研究已有較多關(guān)于歷史時期和整體區(qū)域的分析,但對未來氣候變化情景下各省份氣象干旱的變化特征以及其驅(qū)動機制的深入研究仍然不足,尚需進一步探索以應(yīng)對可能的風(fēng)險與挑戰(zhàn)。
在氣象干旱評估中,常用的氣象干旱指數(shù)包括標準化降水指數(shù)(Standardized Precipitation Index,SPI)[7] 、帕默爾干旱指數(shù)(PDSI) [8] 、標準化降水蒸散發(fā)指數(shù)(Palmer Drought Severity Index,SPEI)[9] 等。其中,SPI主要用于衡量降水偏差,但未考慮溫度對氣象干旱的影響[10] ;PDSI能夠反映土壤水分狀況,具有較強的全球適用性,但計算較為復(fù)雜是其主要不足之一[11] 。SPEI則是一種基于降水與蒸散發(fā)之間平衡的多時間尺度氣象干旱指數(shù),能夠同時考慮降水和溫度變化對氣象干旱的影響,適用于氣象干旱的時空動態(tài)分析[12] 。因此,本文采用SPEI作為衡量氣象干旱的主要指標,以更全面地反映氣象干旱特征。短時間尺度(如1—3個月)適合描述農(nóng)業(yè)氣象干旱,而較長時間尺度(如12個月及以上)則更適合評估水文干旱和區(qū)域性干旱的長期影響。本文選取了SPEI-3和SPEI-12,以同時反映季節(jié)性氣象干旱和年尺度氣象干旱的動態(tài)特征,這種多尺度分析能夠提供關(guān)于不同時間范圍內(nèi)氣象干旱變化的全面視角。CMIP6(THE Coupled Model IntercomparisonProgram,CMIP)是最新發(fā)布的國際耦合模式比較計劃[13] 。CMIP6具有在大氣和海洋模式下更高的分辨率,并且結(jié)合了不同社會共享經(jīng)濟路徑(SharedSocioeconomic Pathway,SSP)和 代 表 性 濃 度 路 徑(Representative Concentration Pathway,RCP)的組合情景,相較于CMIP5更能反映人類活動相關(guān)的社會經(jīng)濟各要素的變化特征[14] 。許多學(xué)者使用CMIP系列數(shù)據(jù)或SPEI指數(shù)基于不同氣象條件對干旱事件進行預(yù)測,如王磊等[15] 利用CMIP6對漢江流域的干旱進行了預(yù)估,結(jié)果表明未來漢江流域降水與潛在蒸散相差的最大值將增大。王天等[16] 基于 CMIP6和SPI對珠江流域進行干旱分析,發(fā)現(xiàn)未來珠江流域呈現(xiàn)更為濕潤的狀態(tài),其結(jié)果為當?shù)馗珊笛芯亢皖A(yù)測提供參考。
本文基于 CMIP6 氣候模式下 2 個常用排放情景:SSP2-4. 5和SSP5-8. 5的數(shù)據(jù)進行分析,結(jié)合標準化降水蒸散指數(shù)(SPEI),充分考慮在不同情境下氣象因子對黑龍江省氣象干旱的影響,為黑龍江省的防控氣象干旱災(zāi)害提供科學(xué)依據(jù)。
1
研究區(qū)概況與數(shù)據(jù)來源
1. 1 研究區(qū)概況
黑龍江省位于中國最東北部,地處高緯度,屬于溫帶大陸性季風(fēng)氣候,是中國重要的糧食生產(chǎn)基地之一[17] 。黑龍江省的降水量受季風(fēng)影響,夏季較多,但分布不均,特別是在春末夏初,降水量偏低,容易發(fā)生春旱,影響農(nóng)作物的播種和生長[18] 。此外,黑龍江省部分地區(qū)土壤結(jié)構(gòu)較為疏松,保水能力較弱,這進一步加劇了氣象干旱的影響[19] 。其中旱情主要表現(xiàn)為頻率快、范圍廣以及程度大[20] 。
1. 2 數(shù)據(jù)來源
氣象臺站點數(shù)據(jù)選取黑龍江省內(nèi)27個氣象站點,包括1961—2014年氣溫、降雨量、日照數(shù)等逐日氣象資料,數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)(http://data.cma. cn)。CMIP6 數(shù)據(jù)來源美國國家航空航天局(NASA 氣 候 模 擬 中 心)(https://www. nccs. nasa. gov),其數(shù)據(jù)是經(jīng)過偏差矯正和空間分解方法進行處理,并選用14個氣候模式并對其進行集合平均以實現(xiàn)誤差抵消。選取2種共享社會經(jīng)濟路徑,分別為 SSP245 和 SSP585,包含基準期模擬期 1961—2014年和未來模擬時期2020—2100年。本研究中采用的14個氣候模式及其相關(guān)信息見表1和區(qū)域高程及站點信息見圖1。
2 研究方法
本研究采用多種方法對基于SPEI值的干旱狀況進行了分析,以更全面地反映不同情景下黑龍江省未來氣象干旱的變化特征,并預(yù)測其發(fā)展趨勢。
首先,計算SPEI,作為衡量氣象干旱的主要指標;然后,對CMIP6模式下14個子模式的集合平均進行模擬驗證,選取對氣象干旱敏感的氣溫和降水數(shù)據(jù)進行分析,并對模擬的歷史情景進行擬合,得到擬合趨勢斜率(m)和決定系數(shù)(R2);隨后,通過 Mann-Kendall檢驗方法對氣象干旱趨勢的顯著性及突變特征進行分析;最后,通過計算氣象干旱頻率進一步評估未來氣象干旱事件發(fā)生的可能性。
2. 1 標準化降水蒸散指數(shù)(SPEI)
采用 Penman-Monteith 方法計算潛在蒸散量,利用降水量與潛在蒸散量的差值經(jīng)標準化后得到SPEI,具體計算公式見文獻[21]。選取黑龍江省27個氣象站點計算不同時間尺度(3個月和12個月)的SPEI,分別記為SPEI-3和SPEI-12。氣象干旱等級劃分見表2。
2. 2 M-K檢驗與線性趨勢分析
本研究結(jié)合Mann-Kendall (MK)檢驗與線性趨勢分析,用于對氣象干旱的趨勢特征進行綜合評估。Mann-Kendall 檢驗方法是一種基于秩的非參數(shù)統(tǒng)計檢驗方法,廣泛應(yīng)用于時間趨勢的研究當中,具有不受少數(shù)異常值和缺失值影響的特點,適用性較強,其中UF和UB分別代表順序統(tǒng)計量和逆序統(tǒng)計量[22] 。當UF>0時序列為上升趨勢,反之為下降趨勢;若UF、UB曲線在置信區(qū)間內(nèi)產(chǎn)生交點,則交點的時間序列為突變時刻的開始;當曲線在顯著水平之外時,表明有明顯的增強或減弱趨勢,具體檢驗過程見文獻[23] ;而線性趨勢分析則通過擬合直線量化變化速率。結(jié)合使用這2種方法,能夠更加全面地揭示氣象干旱的顯著性與變化速率,為未來情景下的干旱趨勢評估提供科學(xué)依據(jù)。
3 結(jié)果與分析
3. 1 數(shù)據(jù)降尺度及驗證
結(jié)果表明,降雨量和平均氣溫的擬合趨勢斜率m 分別為 0. 83 和 0. 98;決定系數(shù)分別為 0. 94 和0. 98。并使用Delta降尺度方法求得CMIP6氣候模型計算的未來氣候相較于基準期的變化信號(Delta值),將其應(yīng)用到歷史觀測數(shù)據(jù)中,以獲得未來氣候條件的估計值,見圖2。
3. 2 氣候變化特征分析
由圖2可知,在SSP245情境下未來81 a黑龍江省,多年平均氣溫為 5. 10 ℃,多年平均降雨量為690. 38 mm。未來的81 a內(nèi),降雨量和溫度均呈持續(xù)上升趨勢。分析可知,在SSP585情境下,黑龍江省未來多年平均氣溫和降雨量分別為 6. 57 ℃和693. 92 mm。整體上來看,在SSP585情景下區(qū)域的年降雨量與年均溫增長速度相對較快,分別為1. 43mm/a和0. 08 ℃/a速率上升;在SSP245情境下,區(qū)域的年降雨量以 1. 11 mm/a、年均溫以 0. 03 ℃/a的速率增長。結(jié)果表明,在SSP585情景下區(qū)域年降雨量與年均溫增長速度均比SSP245情景下的增長趨勢明顯。
3. 3 Mann-Kendall檢驗結(jié)果分析
對黑龍江省的氣象干旱趨勢變化進一步分析,運用 Mann-Kendall檢驗對不同尺度下流域 2020—2100年的 SPEI值進行突變檢驗,分別選取 5、8、11月和次年2月的月尺度SPEI值,代表春、夏、秋、冬四季的SPEI-3值。結(jié)果見圖3,在SSP245情景下春季 SPEI 的氣候傾向率為-0. 03/10a,夏季為 0. 11/10a,秋季為-0. 01/10a,冬季為-0. 05/10a。除夏季外,其余 3 個季節(jié)均表現(xiàn)出氣象干旱化趨勢。在SSP585 情景下四季的氣候傾向率分別為-0. 16、0. 000 2、-0. 17、-0. 20 /10a。季節(jié)性氣象干旱趨勢與 SSP245情境下相同,但在 SSP585情景下夏季的濕潤趨勢變緩明顯。
分析SSP245情景下不同季節(jié)的UF和UB曲線可知,春季呈現(xiàn)先增后減的走向,曲線UF在顯著性水平線之內(nèi),說明SPEI指數(shù)未發(fā)生顯著變化;夏季總體趨勢呈現(xiàn)持續(xù)增高的趨勢,2058年是夏季指數(shù)濕潤滑化的開始,且呈現(xiàn)持續(xù)增長的趨勢;冬季與夏季趨勢相反,整體呈現(xiàn)持續(xù)降低的趨勢,2031年是其氣象干旱突變的開始;秋季整體趨勢較為平緩,在0附近波動,UF與UB曲線有多個交點,表明氣象干旱情況不穩(wěn)定。在SSP585情景下,UF曲線呈現(xiàn)明顯的下降趨勢,表明氣象干旱化趨勢明顯,由濕潤向氣象干旱過渡的年份分別為:春季 2076年、秋季2067年、冬季2068年。除夏季外,其余3個季節(jié)的SPEI整體呈下降趨勢,表明在春、秋、冬3季黑龍江省氣候逐漸向氣象干旱化發(fā)展;夏季UF曲線呈現(xiàn)先增后減的趨勢,且在顯著性水平之內(nèi),無顯著變化。
3. 4 氣象干旱頻率空間分布
由氣象干旱頻率空間分布可知(圖4),不同情景下黑龍江省2020—2100年整體干旱頻率不高,均在22%以下。在SSP245情景下,發(fā)生頻率較高的區(qū)域在黑龍江省的西北部和西南部,頻率為11. 92%~13. 21%;中旱事件主要集中在西北部,發(fā)生的頻率為 8. 04%~14. 09%;重旱頻率為 5. 32%~12. 14%,發(fā)生頻率的區(qū)域與中旱事件恰恰相反,主要集中在東南部;特旱事件高發(fā)區(qū)位于區(qū)域的西北部,頻率為3. 21%~5. 81%。在SSP585情景下,輕旱事件發(fā)生頻率相對較高,為9. 47%~21. 53%,除西南、東北和東南部分區(qū)域外,其余地區(qū)氣象干旱表現(xiàn)強烈;中旱事件的頻率為9. 88%~17. 80%,東南部的氣象干旱頻率較高,整體呈現(xiàn)自西北向東南的減弱趨勢;重旱頻率為2. 02%~9. 89%,主要發(fā)生區(qū)域為在區(qū)域的中部和西部;特旱事件發(fā)生的頻率為 0~4. 79%,頻率的至高點位于區(qū)域的西北部。綜合分析,不同情景下黑龍江省年尺度氣象干旱事件高頻區(qū)主要位于黑龍江省的西部、東南部和西北部(圖5)。
4 討論
在黑龍江省未來氣溫、降雨和氣象干旱事件的分析中,陶純?nèi)數(shù)龋?7] 在CMIP5模式下預(yù)估東北未來降雨和氣溫都呈現(xiàn)增長趨勢;趙彥茜等[28] 研究結(jié)果表明,在CMIP5模式下中國未來氣候在高緯度地區(qū)呈現(xiàn)增長趨勢;張芯瑜等[29] 的研究表明,基于SPI指數(shù)結(jié)合CMIP5對東北地區(qū)干旱分析得到,未來時期的降雨黑龍江省增長幅度較緩,但仍保持增長趨勢;莫興國等[30] 基于國際耦合模式比較計劃第五階段(CMIP5)中6個GCM模式結(jié)合PDSI指數(shù),得知未來中國將面臨廣泛的氣象干旱化趨勢。本文的結(jié)果與前述基于CMIP5的研究一致,這是由于CMIP5與 CMIP6氣候模式在氣候因子變化趨勢上的一致性。然而,CMIP6模式相比CMIP5具有顯著的優(yōu)勢,例如更高的空間分辨率、更全面的社會經(jīng)濟路徑情景以及更精確的大氣和海洋耦合模擬,使得其在未來氣象因子的預(yù)測上更加精確和具有前瞻性[31] 。
本文結(jié)合 CMIP6從時空角度對黑龍江省的未來氣象干旱情況進行分析,結(jié)合多模式集合平均和降尺度方法,有效避免了單一模式可能產(chǎn)生的誤差,使得模擬結(jié)果更為精確[32-34] 。
本文中采用了SPEI作為衡量氣象干旱影響的主要指標,但僅依賴氣象干旱評估指標可能無法全面捕捉氣象干旱對水文系統(tǒng)的復(fù)雜影響。SPEI主要基于降水和蒸散發(fā)之間的平衡,適用于氣象干旱的時空動態(tài)分析。然而,氣象干旱不僅僅體現(xiàn)在氣象層面,水文干旱尤其對河流徑流、湖泊水位和地下水儲量產(chǎn)生顯著影響[35] 。因此,未來研究應(yīng)進一步整合水文干旱評估工具,如標準化徑流指數(shù)(Standardized Runoff Index,SRI),以全面反映干旱在水文系統(tǒng)中的長期效應(yīng)。通過結(jié)合SPEI和SRI,能夠更系統(tǒng)地評估干旱對生態(tài)系統(tǒng)和水資源的多重影響,為干旱風(fēng)險管理和政策制定提供更有力的科學(xué)依據(jù)。
5 結(jié)論
a) )在未來的2個情景(SSP245和SSP585)下,黑龍江省的年平均氣溫和降水量均呈現(xiàn)顯著上升趨勢,尤其在SSP585情景下,增幅最為明顯。
b) )季節(jié)性氣象干旱的趨勢表明,除夏季外,春、秋、冬3季均呈現(xiàn)干旱化趨勢,且多為輕度干旱;在SSP585情景下,干旱化程度更為顯著,尤其是在春季和冬季;Mann-Kendall檢驗結(jié)果也表明,未來氣象干旱突變事件可能集中于2055—2080年。
c) )氣象干旱頻率的空間分布顯示,黑龍江省的干旱事件主要集中在西部和東南部,其中輕旱和中旱為主要干旱類型;在SSP245情景下,特旱發(fā)生頻率較高,而在SSP585情景下,輕旱的發(fā)生頻率最大。
參考文獻:
[1] SPINONI J, NAUMANN G, CARRAO H, et al. World droughtfrequency, duration, and severity for 1951-2010: WORLDDROUGHT CLIMATOLOGIES FOR 1951-2010 [J].International Journal of Climatology, 2014, 34(8): 2792-2804.
[2] SHEHAYEB R, ORTLEPP R, SCHANZE J. A drought and heatrisk assessment framework for urban green infrastructure[J].Climate Resilience and Sustainability, 2024, 3(1). DOI: 10.
1002/cli2. 63.[3] BAGESHREE K, ABHISHEK, KINOUCHI T. A MultivariateDrought Index for Seasonal Agriculture Drought Classification inSemiarid Regions[J]. Remote Sensing, 2022, 14(16). DOI:
10. 3390/rs14163891.
[4] 張雪玲,朱美琪,李穎. 基于標準化指數(shù)的中國東北地區(qū)復(fù)合高溫干旱事件時空變化特征分析[J]. 河北省科學(xué)院學(xué)報,2024,41(1):1-10.
[5] 李明,王貴文,張蓮芝. 基于SPEI的中國東北地區(qū)干旱分區(qū)及其氣候特征分析[J]. 干旱區(qū)資源與環(huán)境,2016,30(6):65-70.
[6] 張筱渲,王蕊,單鳳君, 等. 1961—2020年東北三省干旱時空分布特征[J]. 灌溉排水學(xué)報,2024,43(1):78-88.
[7] 張美娜,王發(fā)信,呂海深,等. 標準化降水指數(shù)(SPI)和Z指數(shù)在淮北平原適用性研究[J]. 節(jié)水灌溉,2024(9):82-88, 95.
[8] 閆妍,莫金宇,靳佳,等. 西南喀斯特地區(qū)與非喀斯特地區(qū)氣象干旱時空特征及其對植被的影響[J]. 地理科學(xué),2024,44(7):
1275-1285.
[9] 凌肖露,李承剛,牛曉瑞, 等. 1982-2018年總初級生產(chǎn)力對不同時空尺度干旱類型的響應(yīng)[J/OL]. 地球科學(xué),2024:1-19.[2024-12-23]. http: //kns. cnki. net/kcms/detail/42. 1874. p.20241015. 1435. 007. html.
[10]甘容,顧淑倩,高勇,等. 基于GAMLSS模型的渭河流域非平穩(wěn)氣象干旱評估[J]. 水土保持研究,2024, 31(6):149-160.
[11]陶然,張珂. 基于PDSI的1982—2015年中國氣象干旱特征及時空變化分析[J]. 水資源保護,2020,36(5):50-56.
[12]瞿德業(yè),楊明月,劉婷婷,等. 基于SPEI的洮河流域氣象干旱時空特征分析[J]. 水利水電科技進展,2024,44(5):32-40.
[13]馮波,孟憲紅,楊顯玉,等 . 第六次國際耦合模式比較計劃(CMIP6)中青藏高原氣溫和降水的適用性評估及極端氣候事件變化預(yù)估[J/OL]. 高原氣象,1-14. [2024-12-24]. http: //kns. cnki. net/kcms/detil/62. 1061. html.
[14]景丞,姜彤,蘇布達,等. 共享社會經(jīng)濟路徑在土地利用、能源與碳排放研究的應(yīng)用[J]. 大氣科學(xué)學(xué)報 ,2022,45(3):397-413.
[15]王磊,曾思棟,陽林翰, 等. 基于CMIP6的未來氣候變化下漢江流域氣象干旱特征研究[J]. 水資源保護,2024,40(5):39-45,61.
[16]王天,涂新軍,周宗林,等. 基于CMIP6的珠江流域未來干旱時空變化[J]. 農(nóng)業(yè)工程學(xué)報,2022,38(11):81-90.
[17]袁榮,廖思寒,紀鴻飛,等. 1960—2019年黑龍江省氣候變化特征分析[J]. 吉林水利,2022(11):1-6,12.
[18]于家瑞,艾萍,袁定波,等. 基于SPI的黑龍江省干旱時空特征分析[J]. 干旱區(qū)地理,2019,42(5):1059-1068.
[19]王萍,閆平,姜麗霞,等. 黑龍江土壤干旱對玉米產(chǎn)量形成因素的影響[J]. 自然災(zāi)害學(xué)報,2020,29(2):195-204.
[20]金玲,王忠波,王玉. 黑龍江省干旱災(zāi)害問題研究[J]. 黑龍江水利科技,2008(5):16-18.
[21]VICENTE-SERRANO S M, BEGUERíA S, LóPEZ-MORENO JI. A Multiscalar Drought Index Sensitive to Global Warming: TheStandardized Precipitation Evapotranspiration Index[J]. Journalof Climate, 2010, 23(7): 1696-1718.
[22]張璐,朱仲元,席小康,等. 基于SPEI的錫林河流域干旱演化特征分析[J]. 干旱區(qū)研究,2020,37(4):819-829.
[23]陳雨,章啟兵,呂海深, 等. 基于SPEI指數(shù)的淮北地區(qū)氣象干旱時空特征研究[J]. 灌溉排水學(xué)報,2024,43(2):67-77.
[24]商守衛(wèi),王銀堂,崔婷婷, 等. 基于標準化降水指數(shù)的成都市氣象干旱演變特征[J]. 水電能源科學(xué),2022,40(12):26-29,63.
[25]ALROWAIS R, ABDEL DAIEM M M, NASEF B M, et al. Acti?vated Carbon Fabricated from Biomass for Adsorption/Bio-Adsorption of 2,4-D and MCPA: Kinetics, Isotherms, and Artifi?cial Neural Network Modeling[J]. Sustainability, 2023, 16(1).DOI: 10. 3390/su16010299.
[26]陳俁霏,韓玉國,孫明東, 等. 基于CMIP6氣候模式對長江流域四川段的未來降水變化預(yù)估與分析[J]. 水土保持研究,2024,31(5): 288-294.
[27]陶純?nèi)?,姜超,孫建新. CMIP5多模式集合對東北三省未來氣候變化的預(yù)估研究[J]. 地球物理學(xué)報,2016,59(10):3580-3591.
[28]趙彥茜,肖登攀,柏會子. CMIP5氣候模式對中國未來氣候變化的預(yù)估和應(yīng)用[J]. 氣象科技,2019,47(4):608-621.
[29]張芯瑜,張琪,韓佳昊. 基于SPI指數(shù)的當前及未來中國東北地區(qū)干旱時空演變特征分析[J]. 氣象科學(xué),2021,41(1):
136-142.
[30]莫興國,胡實,盧洪健, 等. GCM預(yù)測情景下中國21世紀干旱演變趨勢分析[J]. 自然資源學(xué)報,2018,33(7):1244-1256.
[31]周天軍,鄒立維,陳曉龍 . 第六次國際耦合模式比較計劃(CMIP6)評述[J]. 氣候變化研究進展,2019,15(5):445-456.
[32]謝文強,王雙雙,延曉冬. CMIP6全球氣候模式對中國年平均日最高氣溫和最低氣溫模擬的評估[J]. 氣候與環(huán)境研究,2022,27(1):63-78.
[33]MENG Z, ZHOU L, LI B S, et al. The atmospheric hinder forintraseasonal sea-air interaction over the Bay of Bengal duringIndian summer monsoon in CMIP6[J]. Acta Oceanologica Sinica,2022, 41: 119-130.
[34]SOARES P M M, JOHANNSEN F, LIMA D C A, et al. High-resolution downscaling of CMIP6 Earth system and global climatemodels using deep learning for Iberia[J]. Geoscientific ModelDevelopment, 2024, 17(1): 229-259.
[35]吳明炎,倪福全,鄧玉,等. 基于CMIP6的嘉陵江流域徑流及水文干旱預(yù)估[J]. 長江流域資源與環(huán)境,2024,33(5):1004-1017.
(責(zé)任編輯:程 茜)