基于CMIP6气候模式的东北三省农业水热资源时空变化特征.pdf

第 卷第期 年月地 理 与 地 理 信 息 科 学 收稿日期：；修回日期：基金项目：中科院先导项目“主要作物产量预测和种植适宜性评价”（）；中央高效基础科研业务费项目“东北春大豆单产韧性时空分异格局与关键土壤因子缓冲机制”（）作者简介：张晨霞（），女，硕士研究生，从事气候变化及其影响研究。通信作者 ：基于 气候模式的东北三省农业水热资源时空变化特征张 晨 霞，陈 方 正，黄 明 霞，李 林 超，肖 登 攀，冯 璞 玉，刘 德 立，胡 克 林（中国农业大学土地科学与技术学院，北京 ；中国农业大学资源与环境学院，北京 ；西北农林科技大学资源环境学院，陕西 杨凌 ；河北师范大学地理科学学院，河北 石家庄 ；澳大利亚新南威尔士州初级产业部 农业研究所，）摘要：全球气候变化深刻影响农业水热资源分布，预估未来农业水热资源的时空变化有助于应对气候变化带来的机遇和挑战。该文基于 中的 个气候模式和东北三省 个气象站的观测数据，采用泰勒图法评估新一代全球气候模式对东北三省气候变化的模拟性能，在此基础上分析 和 情景下东北三省农业水热资源的时空变化特征。结果表明：中能较好模拟东北三省气候变化的模式为 、和 ，且经过较优模式等权重集合修订后，模拟性能得到提升；未来农业热量资源显著增加，情景下的增温速率（）明显高于 情景（），东北三省北部的增温幅度高于南部，东部高于西部，沿海高于内陆，增幅高值区位于大兴安岭；未来农业降水资源有所增加，但波动较大，到 世纪末期，和 情景下降水量较基准期分别增加 和 ，呈由东南向西北递减的空间分布格局，且东部降水变率普遍高于西部，辽宁东南部将成为降水增加最显著地区。关键词：；东北三省；气候变化；水热资源中图分类号：文献标识码：文章编号：（）引言 全球升温 特别报告 指出，截至 年，全球温度比工业化前高 ，增温速率达 （），按此速率，到 世纪中叶全球升温将达 。与此同时，气候变化加剧全球降水的波动，每增温，平均降水变率将增加，对人类生活、农业生产和社会经济等影响巨大，引起各国政府和学者的高度关注，。在全球气候变化大背景下，中国也正经历着以气温显著升高、降水波动上升为主要特征的气候变化。东北三省作为我国纬度最高的地区，地处环境变化速率最大的季风区，受气候变化的影响十分明显，年东北三省增温速率达 （），显著高于全国同期水平，年降水日数以 （）的速率减少，降水强度呈增强趋势，降水资源总量呈不显著下降趋势。东北三省是中国最大的商品粮基地，年该地区的粮食总产量占全国总产量的 ，气候变化背景下东北三省粮食产量的改变将直接影响中国粮食安全，。因此，科学预测东北三省未来农业水热资源的时空变化特征，对于优化种植结构、制定适应措施以及农业可持续发展具有重要意义。目前学界主要基于全球气候模式系统评估未来气候变化，预测结果可为应对未来气候变化提供数据基础。当前国际耦合模式比较计划（）已经进入第六阶段（），相较于此前的计划，其参与模式数量更多、设计科学实验更完善、提供模拟数据更齐全，在分辨率、物理过程及参数化方面均得以改进，因此在温度、降水的模拟和预测领域得到广泛应用。等，研究发现，与 模式相比，模拟值更接近观测值，模拟出的气候变化趋势更明显。但以往关于东北三省农业水热资源时空变化特征的研究多基于 模式，鲜见基于 多模式集合的研究。尽管气候模式是预测未来气候变化的标准工具，但真正的气候系统非常复杂，无法使用任何单一气候模式充分描述其过程，利用多模式集合能有效提升模拟效果 。相较于其他气候模式模拟性能的评价方法，泰勒图法同时考虑了模式模拟值与观测值的标准差和相关性，但只能粗略地评价气候模式的模拟性能，需要结合与泰勒图匹配的技能得分公式，才能更精准地确定模拟性能较优的模式，从而进行多模式集合修订。综上，本研究基于 模式，采用泰勒图法结合其技能得分评估新一代全球气候模式对东北三省气候变化的模拟性能，以获得较优气候模式等权重集合的新模式；在此基础上，分析 和 情景下东北三省未来全时段（年）的水热资源空间分布特征，以及 （年）和 （年）农业水热资源相对于基准期（年）的时空变化特征，以期为东北三省农业生产决策和区域规划布局适应气候变化提供科学依据。研究区与数据东北三省（图）总面积约为 万，该地区地势平坦、土壤肥沃、农业光 水资源丰富，但热量资源略显不足，属于温带季风气候，年积温为 ，年平均降水量为 ，且降水主要集中在夏季，雨热同期，适宜多种农作物生长，是我国重要的粮食产区。图 东北三省 个气象站点空间分布犉 犻 犵 犛 狆 犪 狋 犻 犪 犾 犱 犻 狊 狋 狉 犻 犫 狌 狋 犻 狅 狀狅 犳 犿 犲 狋 犲 狅 狉 狅 犾 狅 犵 犻 犮 犪 犾狊 狋 犪 狋 犻 狅 狀 狊 犻 狀犖 狅 狉 狋 犺 犲 犪 狊 狋犆 犺 犻 狀 犪本文研究数据包括：气象数据。年 个气象站点的降水、温度逐日观测数据均来源于中国气象科学数据服务共享网（：），其空间分布见图。气候模式数据。年 个气候模式（）的温度和降水数据均来源于政府间气候变化专门委员会第六次评估报告（）中模拟全球气候变化的“耦合模式比较计划”（），基本信息见表。模式提供了多个全新的共享社会经济路径（，）与典型浓度路径组合，用于区分不同的气候变化情景。本研究选取中度发展共享社会经济路径 情景和常规发展共享社会经济路径 情景进行分析。表 的 个全球气候模式（）概况犜 犪 犫 犾 犲 犐 狀 犳 狅 狉 犿 犪 狋 犻 狅 狀狅 犳 狋 犺 犲 犵 犲 狀 犲 狉 犪 犾 犮 犻 狉 犮 狌 犾 犪 狋 犻 狅 狀犿 狅 犱 犲 犾 狊（犌 犆 犕 狊）狅 犳犆 犕 犐 犘 序号名称缩写机构代号国家 地区 澳大利亚 澳大利亚 中国 加拿大 加拿大 中国 欧洲 法国 法国 法国 欧洲 欧洲 中国 美国 美国 美国 英国 俄罗斯 俄罗斯 法国 日本 日本 德国 德国 日本 中国 英国 研究方法 气候模式时空降尺度 气候模式的时空分辨率较粗糙，难以直接用于计算和分析，同时，本文使用的 个 原始数据的空间分辨率也不一致，导致地面台站数据通过多次空间插值升尺度至与各 空间分辨率一致时，会增加不确定性。因此，本研究采用澳大利亚新南威尔士州初级产业部气候团队开发的 统计降尺度方法 对 中的 个 逐月栅格数据进行统一时空降尺度，充分考虑降尺度可能带来的偏差和不确定性。该方法包括以下两部分：）空间降尺度。使用反距离权重插值法将温度和降水数据从栅格降尺度到站点，常用的方法是选取该站点所在的栅格。由于 数据的栅格面积非常大，邻近栅格数据的差异也大，易使插值结果产生较大偏差，因此，同时选取站点相邻个栅格的数页第第期 张晨霞，陈方正，黄明霞，等：基于 气候模式的东北三省农业水热资源时空变化特征据插值到该站点，以降低模拟偏差，计算公式见式（）。在数据生成过程中，使用 偏差校正法，先分析评估期观测数据和 数据获得传递函数，再对未来气候模式数据进行偏差校正，以提高模拟准确度，校正公式见式（）。犢犻犽 犱犿犻，犽（犼 犱犿犻，犼）犘犽（）式中：犢犻为空间降尺度后站点犻的 预测值，犘犽为栅格单元犽的 预测值，犱犻，犽为站点犻到栅格单元犽中心的距离，犿为控制参数，本文中犿取。狓犽狔犻狔犻 狔犻狓犻 狓犻（狓犽狓犻）狓犻狓犽狓犻（）式中：狓犽（犽，狀）为校正后 预测值，狓犽为校正前 预测值，狓犻为评估期逐月 数据，狔犻为评估期站点逐月观测数据。）时间降尺度。使用 天气随机发生器 将站点尺度的逐月气候数据生成逐日气候数据。在 中，具有伽马分布的一阶马尔可夫链用于模拟每日降水的产生概率，逐日降水量通过双参数伽马分布建模得到，伽马分布的密度函数为：犳（狆）狆 狆（）狆，（）式中：狆为逐月平均降水，每个站点的和等参数根据其对应的 逐月平均降水数据与参数的线性函数关系确定。气候模式的评价与筛选由于 中各 的模拟性能存在较大差异和不确定性，因此降尺度后需要与观测数据对比，以评价其模拟性能。泰勒图 具有良好的可视性，被广泛应用于评价 模拟性能，本研究采用泰勒图结合其技能得分从 输出的基础变量角度评价其模拟性能。将 年东北三省 个气象站点算术平均后的年尺度观测场最高气温（）、最低气温（）、降水量（）数据与同时期的 个 模拟场数据进行对比，筛选出对最高气温、最低气温、降水量同时模拟较好的 ；将 个 的模拟场数据与观测场数据（）的相关系数（犚）、中心均方根误差（）及各自的标准差（）放在同一极坐标图中，以便对比；引入技能得分犛量化 的模拟能力，犛值越高，模拟性能越好。计算公式为：犚狀犻（犳犻珚犳）（狉犻珔狉）狀犇，犳犇，狉（）犈 狀犻 （犳犻珚犳）（狉犻珔狉）槡狀（）犇，犳狀犻（犳犻珚犳）槡狀（）犇，狉狀犻（狉犻珔狉）槡狀（）犛（犚）（犇，犳犇，狉犇，狉犇，犳）（犚）（）式中：狀为序列长度，犳为模拟值，狉为观测值，犈 为中心均方根误差，犇，犳、犇，狉分别为模拟值的标准差和观测值的标准差，犚为犚的最大值，本研究取犚为 。等权重平均法通常单个 的模拟性能存在一定的局限性，多气候模式集合平均法可有效提升模拟和预测的效果。而等权重平均法（，）是多模式集合法中常用的方法，该方法假设每个 相互独立，不考虑模拟性能的差异，给每个 赋予相同的权重系数，用算术平均法对 输出值进行修订，平均的过程会抵消误差，从而提升 的模拟性能。本研究采用等权重平均法对泰勒图法筛选出的个较优 进行修订，以获得模拟性能更优的集合模式。农业水热资源计算指标由于直接选用 输出的基础气象要素研究东北三省农业水热资源缺乏针对性，因此需根据东北三省农业生产实际情况，结合基础气象要素和常用的农业气候指标确定农业水热资源指标。东北三省主要粮食作物为水稻、玉米、小麦和大豆等，其全生育期生物学下限温度主要为 和 。本研究基于 输出的最高气温、最低气温、降水量计算年平均最高气温（）、年平均气温（）、年平均最低气温（）、积温（）、积温（）、年降水量（）、界限气温生长期间降水量（）和 界限气温生长期间降水量（），以此作为东北三省的农业水热资源指标。结果与分析 气候模式模拟性能评价图中，模拟场和观测场之间的犚由模拟场的方位角表示，用距离原点的径向距离表示模拟场的，与观测场之间的距离代表 ，当模拟场方位角越小、距观测场的点越近、距原点径向距离越接近时，表明该气候模式的模拟能力越强。由图 可以看出，个 的相关系数介于 之间，其中 的犚最大（），且 最小，距离原点的径向距离最接近，的犚、页第地 理 与 地 理 信 息 科 学第 卷综合表现较好，的犚略小于 ，但其与观测场的 最接近，因此，模式中对东北三省最高气温模拟效果较好的模式为 、和 。由图 可知，个 的犚介于 之间，其中 的犚最大（），且 较小，和 与观测场的 较近，的犚、综合表现较好，因此，模式中对东北三省最低气温模拟效果较好的模式为 、和 。由图 可知，对降水的模拟能力显著低于对气温的模拟能力。个 的犚范围为 ，的犚最大（），且 最小，和 距离原点的径向距离最接近，的个指标综合表现较好，因此，中对 年东北三省降水量模拟效果较好的模式是 、和 。整体而言，模式能较好模拟东北三省 年的气候变化，且对最低气温的模拟能力最强，最高气温次之，对降水量的模拟效果最差。图 模拟的东北三省 年最高气温、最低气温、降水量相对于观测场的泰勒图犉 犻 犵 犜 犪 狔 犾 狅 狉犱 犻 犪 犵 狉 犪 犿 狊 狅 犳 狋 犺 犲 犪 狀 狀 狌 犪 犾犿 犪 狓 犻 犿 狌 犿狋 犲 犿 狆 犲 狉 犪 狋 狌 狉 犲，狋 犺 犲 犪 狀 狀 狌 犪 犾犿 犻 狀 犻 犿 狌 犿狋 犲 犿 狆 犲 狉 犪 狋 狌 狉 犲，狋 犺 犲 犪 狀 狀 狌 犪 犾 狋 狅 狋 犪 犾 狆 狉 犲 犮 犻 狆 犻 狋 犪 狋 犻 狅 狀 犻 狀犖 狅 狉 狋 犺 犲 犪 狊 狋犆 犺 犻 狀 犪 犳 狉 狅 犿 狋 狅 狊 犻 犿 狌 犾 犪 狋 犲 犱犫 狔犆 犕 犐 犘 狉 犲 犾 犪 狋 犻 狏 犲 狋 狅狅 犫 狊 犲 狉 狏 犪 狋 犻 狅 狀 犳 犻 犲 犾 犱由 年各 最高、最低气温和