典型浓度路径（RCP）情景下长江中下游地区气温变化预估*

刘文茹，居 辉，陈国庆，刘恩科，刘 勤



典型浓度路径（RCP）情景下长江中下游地区气温变化预估*

刘文茹1，居 辉2，陈国庆1**，刘恩科2，刘 勤2

（1．山东农业大学农学院作物生物学国家重点实验室，泰安 271018；2．中国农业科学院农业环境与可持续发展研究所/农业部旱作节水农业重点实验室，北京 100081）

为探明典型浓度路径下（高端路径RCP8.5和稳定路径RCP4.5）长江中下游地区未来30a平均气温的时空变化趋势和分布特征，运用联合国政府间气候变化委员会（IPCC）AR5提出的模拟能力较强的BCC-CSM1-1（Beijing Climate Center Climate System Model version1-1）气候系统模式，基于典型浓度情景RCP（Representative Concentration Pathway）输出的2021-2050年0.5×0.5格点主要气象要素的逐日模式模拟数据资料，应用双线性内插法降尺度到长江中下游及邻近区域62个基本气象站点。以1961-1990为基准年，根据同期等长模拟数据和观测数据的非线性函数关系建立订正模型，并利用方差订正法对2021-2050年模拟数据进行误差订正。结果表明：RCP情景输出数据的模拟效果良好，方差订正可降低模拟值与观测值的相对误差和方差，更加真实反应未来气候变化趋势。RCP8.5 和RCP4.5两种排放情景下，长江中下游地区2021-2050年年平均气温均呈显著上升趋势，增温幅度总体表现为自南向北逐渐减少。就季节而言，四季均呈现升温趋势，夏季增温幅度最高，变化倾向率大，春冬两季RCP8.5情景下增温幅度大于RCP4.5下，夏秋季则相反；RCP8.5情景下，研究区域年平均气温呈现自中部向东西递减，春夏季增温幅度高于秋季，冬季增温幅度最小，且变化倾向率低，大部分地区未通过0.05水平的显著性检验。RCP4.5情景下，研究区年平均气温自北向南逐渐降低，变化倾向率则表现为北部大于南部，夏季变化速率较大，增温幅度达1.2℃·10a-1（P＜0.01），冬季较小且未通过显著性检验。

RCP情景；气温模拟；数据订正；长江中下游地区

气候变化成为全球关注的环境问题之一，也是世界各国政府及相关领域学者面临的重大挑战[1]。IPCC 第5 次评估报告（AR5）认为：自工业革命后，人类活动对地球环境的干预日益显著，全球气温不断升高，极端事件发生频繁[2]。研究气候变化不但关系到人类未来的生存和发展，也影响未来粮食安全和农业的可持续发展，将对国家的长治久安、社会的稳定、经济发展等产生影响[3]。长江中下游地区是中国四大粮食主产区之一，四季分明，气候资源充足，自然条件优越，在国家粮食安全中占有举足轻重的地位。因此，开展对长江中下游地区气候变化预估研究尤为重要。

迄今为止，IPCC共召开了5次气候变化会议（1990年FAR、1996年SAR、2001年TAR、2007AR4和2013AR5），较其它气候情景模式（FAP、CMIP、IS92、SRES）而言，AR5基于多个地球系统模式提出了以稳定浓度为特征的RCPs情景模式数据，分辨率更高，属于包含更完备强迫的新气候情景[4]，为未来气候变化研究提供了可靠的预估结果。国内外学者基于不同情景对不同区域范围和时间阶段的气候变化预估开展了一系列研究[5-7]。董思言等[8]研究发现，至2050年全球平均地表温度将随温室气体的排放持续增加，RCP8.5和RCP4.5情景下至21世纪末全球地表平均气温将可能比工业化前高4℃和2℃。姜大膀等[9-11]均指出，中国21世纪前30a地表气温明显升高。张雪琴等[12]认为，未来中国大部分地区温度大体呈现增加趋势。徐颖等[13]基于7个模式模拟结果对长江中下游地区21世纪气候变化情景进行预测，结果表明长江中下游地区未来温度变化与全球和全国变化一致，均呈现增加的趋势；曾小凡等[14-16]分别基于SRES模式3种不同情景和典型浓度路径RCP情景分析长江中下游地区温度变化特征得出，气温均呈现增加趋势，RCP8.5情景下更显著，增温速率普遍表现为北高南低。

综合来看，目前对长江流域气候变化预估的现有成果主要是基于SRES情景，且大都集中在长江流域单一省份，同时缺乏对情景数据的订正和校验，降低了气候情景预估结果的可靠性，并不能为作物的生产提供科学参考。因此，本文基于典型浓度情景RCP8.5和RCP4.5输出的2021-2050年0.5°×0.5°格点最高气温、最低气温、平均气温等逐日模拟资料，采用双线性内插法对模拟数据订正后，再利用模拟数据与观测数据形成同期等长序列非线性函数关系，建立订正模型进行方差订正，以期探明未来30a中高等排放浓度路径下平均温度变化趋势和分布特征，为充分利用气候资源，评价未来粮食生产潜力提供理论指导和科学依据。

1 材料与方法

1.1 区域概况

长江中下游地区（图1）位于27°33′-34°9′N、110°49′-122°30′E，大部分地区属北亚热带气候，小部分属中亚热带北缘。区位条件优越，地区地势西高东低，低山丘陵与平原相间分布，沿江沿海的双重地形优势（长江水系贯穿东西，东临黄海、东海），湖泊众多（洞庭湖、鄱阳湖等），气候湿润，降雨充沛，且雨季较长，水资源丰富。年平均气温14～18℃，最冷月（1月）平均气温0～5.5℃，最热月（7月）27～28℃。无霜期210～270d，日照时数700～1500h，农业生产一年二熟或三熟[17]。

1.2 数据来源

历史观测资料来自中国气象数据网（中国地面数据资料日值集），包括1961-1990、2005-2014年逐日气温资料，通过筛查、审核、奇异值校正对观测资料预处理，严格控制数据质量，保证资料的完整性[18]，对于气象数据的缺失，温度（Ta）缺测值利用5日滑动平均法进行插补，剔除缺测时间较长的站点，最终选取62个具有完整观测序列的站点应用于研究[19-20]。

模拟资料采用国家气象局提供的BCC-CSM1-1模式模拟RCP4.5和RCP8.5情景下2005-2014、2021-2050年0.5°×0.5°逐日格点数据资料集，采用双线性插值法降尺度到长江中下游地区基本气象站点[21]，通过方差订正获得2021-2050年可信度更高的预估数据。为便于分析，定义3-5月为春季，6-8月为夏季，9-11月为秋季，12-翌年2月为冬季。

1.3 研究方法

尽管RCP模式模拟数据的模拟效果较好[22]，但与实测资料还存在相应的误差，误差虽不能避免，但可以尽量减小[23]。鉴于此，在利用模拟数据之前应对其进行处理。降尺度和订正均可在一定程度上弥补气候模式数据分辨率不足的缺陷，尽可能提高预估精确度[24]。

（1）双线性内插法

采用双线性内插法分别将基准年（1961-1990年）、订正年（2005-2014年、2021-2050年）格点模拟数据降尺度到观测站F(x，y)：假设模拟格点的经纬度坐标为F1(x1，y1)、F2(x2，y1)、F3(x1，y2)、F4(x2，y2)，4个格点某一天模拟平均温度分别为T1、T2、T3和T4，则观测站温度内插结果T0为[21]

（2）方差订正法

将站点基准年（1961-1990年）观测值（OBS）和降尺度所得历史模拟数值（BAS）以及2021-2050年未来模拟数据（RCP）均转化为以旬（k）为单位的同期等长序列数据集，计算序列的旬均值，利用基准时段建立传递函数，对2021-2050年气候模式模拟数据进行订正[25]，具体为：

第一步，将1961-1990年 OBS、降尺度所得BAS和2021-2050年RCP日值数据集，转变为以旬（k）为单位的同期等长序列，根据式（2）-式（4）计算旬均值序列；再将每年某一旬的观测序列（）作为自变量，同一旬的模拟序列（）为因变量进行回归分析，建立传递函数如式（5）。

式中，k为旬日数，按实际取值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，利用最小二乘法获得系数a、b、c值。

第三步，对未来RCP逐日气象要素进行方差订正，在中间变量的基础上计算方差订正因子，对进行方差订正

2 结果与分析

2.1 基准期气温模拟数据的订正及效果检验

2.1.1 气候模拟数据的订正

为便于研究，将全年均分成36个旬，如以合肥站第1旬平均气温（Ta）的订正为例，应用1961-1990年OBS和BAS数据计算该站逐年第1旬Ta均值，得出容量为30的逐年OBS和BAS旬均值序列。再将观测序列作为自变量，模拟序列作为因变量进行回归分析，得到该站点第1旬的回归系数a、b、c（表1）；建立传递函数，将回归系数代入式（6），对均值订正得到逐日数据集。最后进行方差订正，通过计算观测资料30a第1旬Ta的平均方差，计算其平均值，代入式（7）得到旬方差订正因子λ，代入式（8）获得该站点逐日平均气温。合肥站第1旬平均气温订正模型为

表1 合肥站逐旬平均气温传递函数系数

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 模式数据订正效果的检验

将长江中下游地区RCP8.5和RCP4.5情景下，2005-2014降尺度后的气象要素数据形成以旬为单位的待订正序列，根据各站点逐旬回归系数和方差参数确定订正模型，将待订正序列代入模型，得到订正年的逐日平均气温的数据集。应用平均气温观测数据、订正前后的模式模拟数据方差和相对误差分析平均气温在空间和时间趋势上的订正效果。

图2反映了模式模拟数据订正前后与观测值的相差程度。由图可知，RCP8.5和RCP4.5两种情景下，2005-2014年长江中下游地区平均气温实测数据与订正前后数据方差分布基本趋于一致，研究区域西部和沿海地区方差较小，南阳、武汉、南昌等地较大，实测数据与订正后数据的方差较订正前减小10～30，说明订正后数据更接近实际值。

由图3可见，除RCP8.5情景下的个别旬外模式模拟值与观测值的相对误差均小于1。方差订正后数据与观测值相对误差均较订正前相对误差减小，平均减小0.05和0.19。冬季（第34旬-翌年第6旬）模拟数据与观测数据相对误差较其它季节大，模拟偏差明显。因此，本文的方差降尺度和方差订正方法有效，订正后数据资料更接近观测值，可以较好地订正未来情景下的模式模拟数据。

2.2 未来典型浓度路径下平均气温的空间分布特征

2.2.1 RCP8.5情景下

由图4可见，研究区域内大部分地区年平均温度集中在15～19℃，高值区位于洞庭湖以东，部分地区超过19℃，低值区位于江西南昌周边区域。区域内大部分地区平均温度变化率介于0.5～0.7℃·10a-1（P＜0.05）。就季节而言，春季和秋季大部分地区平均温度均处于15～18℃，夏季则在27.5℃以上，冬季均小于7℃，夏季变化倾向率较大，冬季较小，长江中游地区并未通过显著性检验。从区域分布分析，研究区域中部春、夏季平均气温相对较高，变化倾向率较大。

2.2.2 RCP4.5情景下

由图5可见，RCP4.5情景下，长江中下游地区大部分区域年平均气温在14.5～25℃，长江三角洲地区相对较低。年平均气温的变化倾向率表现为长江以北大于长江以南地区，最高达到2.5℃·10a-1（P＜0.05）以上，最低则小于0.3℃·10a-1（P＜0.05）。就季节而言，慕阜山北部地区各季平均气温均相对较高，总体表现为自南向北逐渐减少。春夏秋冬四季研究区大部分地区的平均温度分别为13～18℃、18～23℃、15～18.5℃、＜5～10℃。夏季平均气温的变化倾向率相对较高，在0.5～0.7℃·10a-1（P＜0.05），春季变化率较小，除沿海部分地区外其余大部分未通过显著性检验。秋冬季大部分区域变化倾向率小于0.3℃·10a-1，中游部分地区未通过显著性检验，线性变化趋势不显著。

2.3 未来典型浓度路径下区域气温变化分析

由图6可以看出，RCP8.5和RCP4.5两种排放情景下，年区域平均气温总体呈极显著上升趋势，升温幅度均约为0.67℃·10a-1（P＜0.01），就季节而言，四季均呈现增温趋势，春冬两季RCP8.5情景下增温幅度大于RCP4.5，夏季和秋季则与之相反。RCP8.5情景下，春夏季增温幅度较大，分别为0.86和0.87℃·10a-1（P＜0.01），秋季次之，冬季最小，仅为0.36℃·10a-1（P＜0.05）。RCP4.5情景下，夏季增温速率达1.2℃·10a-1（P＜0.01），春季和秋季分别为0.53（P＜0.05）和0.67℃·10a-1（P＜0.01），而冬季仅为0.24℃·10a-1，未通过显著性检验。

3 结论与讨论

（1）对2005-2014年数据检验可知，RCP情景输出数据的模拟效果良好，模式模拟数据经过方差订正减小了观测数据与模拟数据的方差和相对误差，说明订正是研究过程中不可缺少的一部分，有效降低了模拟值与实际值的偏差。由此可见，数据可真实反应未来气候变化趋势，占明锦等[22]对鄱阳湖气候变化的预估也得出同样结论。

（2）RCP8.5和RCP4.5两种排放情景下，2021-2050年长江中下游地区平均气温总体呈显著上升趋势，升温幅度均约为0.67℃·10a-1。这与前人研究结果相比温度变化趋势趋于一致，但增温幅度的季节变化趋势略有差异[13，16]。就季节而言，四季均呈现升温趋势，夏季增温幅度最高，变化倾向率大，春冬两季RCP8.5情景下增温幅度大于RCP4.5，夏秋季则与之相反，

（3）RCP8.5情景下，研究区域平均气温呈现自中部向东西区域递减，洞庭湖东部为高值区，低值区则位于江西南昌周边区域，中部年平均气温变化

率较大。就季节而言，春夏季增温幅度高于秋季，冬季增温幅度最小，且变化倾向率小，大部分地区未通过显著性检验。

（4）RCP4.5情景下，研究区年平均气温自北向南逐渐降低，变化倾向率则表现为北部大于南部。慕阜山北部地区四季平均气温均相对较高，沿海地区略低。夏季气温变化速率较大，增温幅度较大，达1.2℃·10a-1（P＜0.01），而冬季较小且未通过显著性检验。而高超等[26]基于SRES情景下淮河流域研究则认为冬季升温速率最高，主要因为研究区域及时段基于情景模式的差异导致结论的不一致。

本研究虽然对模式模拟数据进行双重订正处理，但模拟数值与真实值仍存在误差，气象要素的空间分布也并未考虑海拔的影响，可能增加了研究结果的不确定性，因此，相关研究还有待进一步深入。

[1]李思思,洪松,刘行健,等.国际气候变化研究趋势[J].气候变化研究进展,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.气候变化对中国农业生产的研究进展[J].应用气象学报,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]张杰.CMIP3/5和CCLM模式对长江流域气温与降水的模拟及预估[D].南京:南京信息工程大学,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]韩乐琼,韩哲,李双林,等.不同代表浓度路径(RCPs)下21世纪长江中下游强降水预估[J].大气科学学报,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]刘勤,严昌荣,杨建莹,等.近50年黄河流域气温和将水量变化特征分析[J].中国农业气象,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,高学杰.长期气候变化:IPCC第五次评估报告解读[J].气候变化研究进展,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,王会军,郎咸梅,等.SRES A2情境下中国未来变化的多模式集合预测结果[J].地理物理学报,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]张勇,许吟龙,董文杰,等.SRES B2情景下中国区域最高、最低气温及日较差变化分布特征初步分析[J].地理物理学报,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]汤剑平,陈星,赵鸣,等.IPCC A2情境下中国区域气候变化的数值模拟[J].气象学报,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]张雪琴,彭莉莉,林朝晖,等.未来不同情景下气候变化研究进展[J].地球科学研究进展,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]徐颖,丁一汇,赵宗慈,等.长江中下游地区21世纪气候变化情景预估[J].在自然灾害学报,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年长江流域气候变化预估问题的探讨[J].气候变化研究进展,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,洪国平,肖莺,等.长江流域上游气候变化的模拟评估及未来50年情景预估[J].长江流域资源与环境, 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]关颖慧.对长江流域极端气候变化及其未来趋势预测[D].杨凌:西北农林科技大学,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]杨沈斌,申双和,赵小艳,等.气候变化对长江中下游稻区产量的影响[J].作物学报,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]张青.浙江省近百年气候变化研究研究[D].兰州:兰州大学,2015.

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

[19]高晓容,王春乙,张继权,等.近50年东北玉米生育阶段需水量及旱涝时空变化[J].农业工程学报,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]杨建莹,陈志峰,严昌荣,等.近50年黄淮海平原气温变化趋势和突变特征[J].中国农业气象,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.气候变化下东北春玉米品种熟型分布格局及其气候生产潜力[J].科学通报,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]占明锦,殷剑敏,孔萍,等.典型浓度路径(RCP)情景下未来50年鄱阳湖气候变化预估[J].科学技术与工程,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,张镭,等.概率调整法在气候模式模拟降水量订正中的应用[J].应用气象学报,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]胡轶佳,朱益民,钟中,等.降尺度方法对中国未来两种情景下降水变化预估[J].高原气象,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]陶苏林,申双和,李雨鸿,等.气象数据订正方法在作物生产潜力预估中的应用:以江苏冬小麦为例[J].中国农业气象,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.过去(1958-2007)和未来(2011- 2060)50年淮河流域气候变化趋势分析[J].中国农业气象,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

国家重点基础研究发展计划（973计划）（2012CB955904）；国家自然科学基金项目（41401510）；国家“十二五”科技支撑计划（2012BAD09B01）

刘文茹（1992-），硕士生，研究方向为农业信息化。E-mail: liuwenru1206307296@163.com

**通讯作者。E-mail: gqchen@sdau.edu.cn