基于格网的GCM数据修订分析未来海南岛农业水热资源的变化特征*

李 宁，白 蕤，李 玮，陈 淼，杨桂生，陈 歆，范长华，张 文

（1.中国热带农业科学院环境与植物保护研究所/海南儋州热带农业生态系统国家野外科学观测研究站/国家农业环境儋州观测实验站/农业农村部儋州农业环境科学观测实验站/海南省热带生态循环农业重点实验室，海口 571101；2.海南省气候中心，海口 570203）

海南岛为热带岛屿，是重要的冬季瓜菜、天然橡胶、南繁育种制种、热带水果和花卉生产基地。农业气候资源是农业生产的基本环境条件和物质能源，气候变化会使农业生产的不稳定性增加[1]，农业生产结构和布局出现变动，种植制度、栽培管理措施、农业灾害等发生变化，最终影响农产品产量和品质。热带岛屿的生态系统对气候特征的变化更加敏感[2−3]，更易受气候变化的影响。根据《IPCC全球升温1.5℃特别报告》[4]，截至2017年由人类活动导致的全球气候变暖比工业革命前高出约1℃，且以0.2℃·10a−1的速度增加。因此预测未来海南岛农业水热资源的可能变化特征，可为海南岛农业生产结构和布局规划提供科学依据。

耦合模式比较计划第五阶段（Coupled Model Intercomparison Project Phase 5，CMIP5）为气候变化研究提供了内容丰富的气候模拟和预估数据集[5]，在全球或大区域尺度的历史及未来气候变化的模拟和预测中得到广泛应用[6−7]。但大气环流模式（Global Climate Models，GCMs）空间分辨率较低，模式之间在参数化方案、耦合技术等方面有较大差异[8]，输出结果各不相同且与观测值存在一定的偏差，在区域精细化应用中产生较大的不确定性[9−10]。为降低该不确定性，通常使用空间插值方法，将大尺度、低分辨率的GCMs模式输出信息转化为区域尺度的地面气候信息，从而弥补GCMs模式对区域气候预测的局限性；联合多模式集合平均方法，降低或消除单一GCM模式的不确定性，从而提高气候变化信息的可信度[11−12]。但该方法仍存在一定的不足，如张艳武等[13]使用29个GCMs模式经等权重集合平均，发现模拟结果低估了中国西部地区年平均气温，最大低估值超过5℃。胡芩等[14]使用44个GCMs模式经等权重集合平均对青藏高原气温和降水进行评估，年平均气温约低估2.3℃，年降水量约高估1.3mm·d−1。因此，本研究提出在空间插值后，以格网单元为基础，综合使用系统误差和多模式集合平均方法对GCMs输出值进行修订，即每个格网单元拥有一套独立的修订参数。

本研究以海南岛为研究区域，选用5个GCMs模式1970−1999年的逐日输出数据与同期地面气象观测数据，使用空间插值降尺度到0.5°×0.5°格网，结合数字高程模型（DEM）进行地形校正处理。以格网单元为基础，使用系统误差修订（修正值法或比值法）和多模式集合平均方法（贝叶斯模型平均法BMA或等权重平均法EW），对GCMs输出值进行综合修订。采用泰勒图、偏差均值和交叉验证等方法对综合修订结果进行评价，探索降低热带岛屿气候情景数据不确定性的精细化方法，为GCMs模式在小区域的偏差修订提供参考。以此为基础，分别分析RCP2.6、RCP4.5和RCP8.5情景下，未来海南岛近期（2020−2059年，2040s）和远期（2060−2099年，2080s）农业气候水热资源，主要包括年平均气温、1月均温、≥10℃积温、≥20℃积温、年降水量、1月降水量和≥20℃界限温度生长期间降水量相对于基准时段（1970−2019年，Baseline）的时空变化特征，以期为未来海南热带特色高效农业生产结构布局提供气候变化依据。

1 资料与方法

1.1 研究区概况

海南岛（18°10'−20°10' N，108°37'−111°03' E）位于热带北缘，总面积约3.39×104km2，属热带季风海洋性气候，长夏无冬，降水充沛，年平均气温23.1～27.0℃，年降水量940.8～2388.2mm，年日照时数1827.6～2810.6h，光温水充足，光合作用潜力高[15]，是中国重要的热带特色高效农业和“南繁硅谷”基地。

1.2 数据来源

地面气象观测数据（1970−2019年）来源于海南省气象局，气候模拟数据（1970−1999年和2020−2099年）来自CMIP5提供的5个GCMs模式（表1），来源于https://esgf-node.llnl.gov/search/cmip5/，以上数据均包含逐日最高、最低气温和降水量3种气候要素。采用气温垂直递减法对气温进行海拔高度订正[16]，其中DEM的空间分辨率为30m×30m。由于地面气象站点与GCMs模式的空间分辨率不同，为了便于修订GCMs模式输出值，利用Python2.7结合arcpy、netCDF4、numpy等程序包进行双线性插值，将所有数据统一降尺度到0.5°×0.5°格网。

表1 5个GCMs模式基本信息Table 1 Basic information of five GCMs models

1.3 数据修订方法

1.3.1 系统误差修订

为消除GCMs模式输出值的系统误差，在每个格网单元中，通过对比观测值与输出结果的数据信息，利用修正值法[17]（式1）对连续的气温要素或比值法[18]（式 2）对离散的降水量要素进行系统误差修订。

式中，S'id和Sid分别为某个GCM模式在第i格网单元中第d天的系统误差修订后的输出值和原始输出值；为观测数据在第i格网单元中的平均值；为某个GCM模式在第i格网单元中的平均值，和分别为气温和降水量的系统误差修订值。

1.3.2 多模式集合平均

（1）贝叶斯模型平均法（Bayesian Model Averaging，BMA）：是一种以贝叶斯理论为基础，能够较好地解决模型不确定性问题的统计分析方法[19]。它将备选模型作为随机变量，通过赋予先验概率和后验概率来度量其不确定性，并利用后验概率对备选模型的结果进行加权平均，最终得到更稳健的估计结果。目前BMA已广泛应用于农业、气象学、遗传学、交通、宏观经济等众多领域[20]。BMA的基本原理可表示为

式中，A表示备选模型，即每个GCMs模式，B表示观测数据；P(A|B)是在观测数据B给定的条件下，备选模型A的后验概率，表示对A模型的“信赖”程度，即每个GCMs模式的权重系数；P(B|A)是在备选模型A下，观测数据B的边际似然，P(A)是备选模型A的先验概率；P(B)是B的先验概率，也作标准化常量。利用Python3.7结合sklearn程序包，在观测数据给定的条件下，对一段时间序列内的数据进行训练，为每个GCMs模式分配权重系数，进而使用加权平均方法对GCMs的输出值进行修订。

（2）等权重平均法（Equal Weight，EW）：不需要考虑各GCMs模式模拟性能的差异，为每个GCMs模式配置相同的权重系数，然后使用算术平均对GCMs的输出值进行修订。

1.3.3 修订结果评价

采用泰勒图法、偏差均值和交叉验证等方法，评估基于格网的GCMs模式综合修订的输出结果。

（1）泰勒图法：主要由标准差（归一化）、相关系数r、均方根误差RMSE等统计量组成，以图形的方式表达模拟值接近观测值的程度[21]。其中，标准差（归一化）由模拟值标准差与观测值标准差之比表示，用相对变化范围来表示不同变量可能出现的较大变化范围，其值越接近1，表示模拟效果越好。使用NCL语言完成绘制。

（2）偏差均值：用于反映模拟值与观测值偏差的平均值。

（3）交叉验证：以1970−1989年的GCMs模式输出数据和同期观测数据作为训练期数据集，1990−1999年的相应数据作为验证期数据集，对修订结果进行验证。

1.4 农业界限温度

海南岛以温带和热带作物种植为主，其生物学下限温度主要为10℃和20℃。气温≥10℃时，大多数农作物才能活跃生长，是有利于各类农作物进行光合作用累积有机物的时期，其持续期可作为喜温作物生长期；在气温≥20℃的持续期间，喜温作物很少遭受低温的危害，该时期可以被称为喜温作物安全生长期。由于海南岛≥10℃界限温度生长期持续日数几乎为一整年，该数据与年平均降水量相当，故忽略。因此，采用《常用农业气候指标计算软件（CAIC）》[22]，计算≥10℃积温、≥20℃积温以及≥20℃界限温度生长期间降水量，并进行农业水热资源分析。农业水热资源的空间分布以及变化特征使用ArcGIS10.2完成，主要使用地图代数方法完成栅格图层间的数学运算。

2 结果与分析

2.1 五个GCMs模式输出数据的修订

2.1.1 格网数据的系统误差

从训练期数据集中选取分布在海南岛及其周边的22个格网单元，根据气候要素选择相应的系统误差修订方法，分别获取训练期内5个GCMs模式中3种气候要素在每个格网单元的系统误差修订值（图1），并修订GCMs模式输出数据。由图1可见，GCMs输出值均低估逐日最高气温，修订值在0.19～5.84℃之间，平均约3.55℃；多数GCMs输出值高估了逐日最低气温，修订值在−2.54～3.34℃之间，平均约高估1.19℃；GCMs输出值均低估了逐日降水量，修订值在0.97～2.87倍之间，平均约1.84倍。同一GCM模式在不同格网中的系统误差并不一致，如HadGEM2-ES模式输出的最高气温在西南部的修订值大于4℃，而在东北部的修订值小于1℃；又如FOGALS-g2模式输出的最低气温在多数格网中修订值为正，且最大修订值大于2℃，但在个别格网中修订值为负。总的来说，最高气温输出值的修订值在空间上表现为从西向东、从南向北降低的趋势；最低气温输出值的修订值在空间上表现为从南向北降低的趋势；降水量输出值的修订值在空间上无明显变化趋势。

图1 训练期内5个GCMs模式中3种气候要素在每个格网单元的系统误差修订值Fig.1 Revise value from systematic residuals of the five GCMs during training period to the three climate variables in 22 grids

2.1.2 格网数据的BMA权重系数

在格网数据系统误差修订的基础上，利用BMA对训练期数据集进行训练，分别得到5个GCMs模式中3种气候要素在每个格网单元的权重系数，如图2所示。由图可见，GCMs的权重系数因气候要素和空间位置的不同而有所变化，如MPI-ESM-MR模式在最高气温和最低气温中均拥有较高权重系数，分别在0.22～0.37和0.20～0.34之间，极大值分布在中北部；而在降水量中权重系数较低，在0.10～0.26之间，由西北向东南递减。随后使用多模式集合平均方法对GCMs模式输出值进行修订，每种气候要素分别得到一个综合的GCMs模式输出值。

图2 训练期内每个格网上3种气候要素中每个模式的BMA权重系数Fig.2 Weight coefficient of each GCMs for the three climate variables according to the BMA method in 22 grids during training period

2.1.3 格网数据的综合修订结果

经格网系统误差和多模式集合平均（BMA和EW）综合修订后，5个GCMs模式原始输出值与综合修订值在训练期和验证期的统计结果如图3所示，由图可见，3种气候要素综合修订值的统计结果明显提升。以验证期为例，分别经过BMA和EW综合修订后，最高气温、最低气温和降水量的相关系数r分别较单一GCM平均值约提升0.10和0.09，0.07和0.07，0.06和0.06；均方根误差RMSE分别较单一GCM平均值约降低2.38和2.33℃，1.01和0.96℃，1.01和0.91mm。

图3 三种气候要素综合修订值与原始值的泰勒图（训练期和验证期）Fig.3 Taylor diagrams of comprehensive corrected and original values of the three climate variables during training and validation period

在时间序列上，5个GCMs模式综合修订值与原始值在训练期和验证期相对同期观测值的偏差如图4所示。以验证期为例，分别经过BMA和EW综合修订后，最高气温、最低气温和降水量分别较单一GCM平均值约减少3.25和3.26℃，1.13和1.13℃，25.67和27.70mm。总的来说，BMA和EW对GCMs的修订效果相似；GCMs输出值经过综合修订后，其结果更接近观测值，其中最低气温的模拟最好，其次是最高气温，最后是降水量。

图4 三种气候要素综合修订值与原始值相对于观测值的偏差Fig.4 Biases of comprehensive corrected and original values of the three climate variables relative to the observed values

2.2 未来气候变化情景下农业热量资源变化分析

以格网BMA综合修订为基础，预测未来海南岛近期（2040s）和远期（2080s）在3种气候情景（RCP2.6、RCP4.5和RCP8.5）下农业热量资源（包括年平均气温、1月平均气温、≥10℃积温和≥20℃积温）相对基准时段（1970−2019年）的变化特征，结果见表2，其时空变化如图5−图7所示。

图5 未来海南岛年农业热量资源时间变化特征Fig.5 Temporal change of agricultural heat resources in Hainan island in future

由表2、图5a、图6a和图7a可见，除RCP2.6情景下2080s时期年平均气温上升不显著，其余情景和时段的组合均极显著升温，其中RCP8.5情景下2080s时段升温最快。在未来RCP2.6、RCP4.5和RCP8.5情景下分别较基准时段约升温0.8、1.2和1.9℃，3种情景下西南部升温幅度均略高于东北部。通过5a滑动平均筛选，在RCP4.5情景下，约在21世纪80年代初期较基准时段升温超过1.5℃；在RCP8.5情景下，约在21世纪50年代初期较基准时段升温超过1.5℃，60年代初期升温超过2℃，70年代末期升温超过2.5℃，至21世纪末升温超过3.3℃。

1月是海南岛最冷月，其平均气温的时空变化如表2、图5b、图6b和图7b所示。由图表可见，未来全岛均表现为升温，升温幅度由东向西递减。在2040s时段3种情景下均显著升温，其中RCP4.5和RCP8.5为极显著且升温速度最快；在2080s时段仅RCP8.5为极显著升温。通过5a滑动平均筛选，RCP8.5约在21世纪60年代初期较基准时段升温超过1.5℃，80年代初期升温超过2℃，至21世纪末升温超过2.3℃。

≥10℃积温时空变化如表2、图5c、图6c和图7c所示。由图表可见，其时间上的变化趋势与年平均气温相似。在空间变化上全岛积温均表现为增加，且增幅主要表现为由北向南递减的趋势。

≥20℃积温时空变化如表2、图5d、图6d和图7d所示。由图表可见，其时间上的变化趋势与1月均温相似。在空间变化上表现为南部沿海地区的积温有少许降低，其余地区均增加，且增幅主要表现为由中部向外围递减的趋势。

图6 未来海南岛农业热量资源指标空间变化特征Fig.6 Spatial change of agricultural heat resources index in Hainan island in future

图7 未来海南岛农业热量资源指标相对于基准时段的偏差Fig.7 Biases of agricultural heat resources index between RCPs and baseline in Hainan island in future

表2 基准和未来时段热量资源平均值及其线性变化趋势Table 2 Mean value and climate trend rate (CTR) of thermal resources index in baseline period and future time under scenarios of RCPs

2.3 未来气候变化情景下降水资源变化分析

以格网BMA综合修订为基础，预测未来海南岛近期（2040s）和远期（2080s）在3种气候情景（RCP2.6、RCP4.5和RCP8.5）下农业降水资源（包括年降水量、1月降水量和≥20℃界限温度生长期间降水量）相对基准时段（1970−2019年）的变化特征，结果见表3，其时空变化如图8−图10所示。

由表3、图8a、图9a和图10a可见，年降水量在时间上均无显著变化趋势。在空间变化上表现为北部和南部地区未来降水变率增加，部分沿海地区降水变率增加超过10%，而中部地区降水变率减少，部分地区降水变率减少超过10%。

由表3、图8b、图9b和图10b可见，1月降水量在时间上均无显著变化趋势。在空间变化上表现为南部地区降水变率增加超过10%；在RCP2.6情景全时段和RCP4.5情景2080s时段，西北部及中部部分地区降水变率减少超过10%；RCP4.5情景2040s时段和RCP8.5情景2080s时段下，北部大部分地区降水变率表现为增加。

由表3、图8c、图9c和图10c可见，≥20℃界限温度生长期间降水量在时间上均无显著变化趋势。在空间变化上表现为西部和中部部分地区降水变率表现为减少，其余地区均为增加，部分沿海地区增加超10%。

表3 基准和未来时段降水资源平均值及线性变化趋势Table 3 Mean value and climate trend rate of precipitation resources index in baseline period and future time under scenarios of RCPs

图8 未来海南岛年农业降水资源指标时间变化特征Fig.8 Temporal change of agricultural precipitation resources index in Hainan island in future

图9 未来海南岛农业降水资源指标空间变化特征Fig.9 Spatial change of agricultural precipitation resources index in Hainan island in future

3 结论与讨论

3.1 结论

在每个格网单元内，GCMs输出值对海南岛的最高气温、最低气温和降水量有不同程度的高估或低估。总体来说，低估了逐日最高气温约3.55℃，高估了逐日最低气温约1.19℃，逐日降水量仅占观测值的54.35%。BMA和EW方法在海南岛的修订效果相差甚小。通过格网BMA综合修订后，最高气温、最低气温和降水量在验证期的相关系数r分别约提升0.10、0.07和0.06；均方根误差RMSE分别约降低2.38℃、1.01℃和1.01mm；较单一GCM相对观测值的偏差平均约减少3.25℃、1.13℃和25.67mm。GCMs综合修订输出值对最低气温的模拟效果最好，其次是最高气温，最后是降水量，GCMs对观测值的模拟效果明显优于单一GCM。结果表明，以格网单元为基础，进行GCMs输出值综合修订，可以差异化对待不同格网单元的系统误差和多模式的权重系数，进而较好地降低GCMs模式输出值在研究区域空间上的不确定性。

未来海南岛农业热量资源在空间上主要表现为从中部向外围逐渐升高，高温主要分布在南部至西部沿海地区，这主要与海南岛中间高、四周低的地形有关。在2040s时段3种RCPs情景下所有农业热量资源均显著增加，至2080s时段仅有RCP4.5情景下年平均气温和≥10℃积温以及RCP8.5情景下所有农业热量资源均为显著增加。RCP8.5情景增温最快，其次是RCP4.5，最后是RCP2.6。在时间上，RCP2.6情景热量增加最少。RCP4.5情景为先增加后平缓，年平均气温约在21世纪80年代初期较基准时段升温超过1.5℃。RCP8.5情景下表现为持续增加，年平均气温约在21世纪50年代初期较基准时段升高超过1.5℃，至60年代初期升高超过2℃，至21世纪末升高超过3.3℃；最冷月约在21世纪60年代初期较基准时段升高超过1.5℃，80年代初期升温超过2℃。热量增加幅度与RCP排放浓度呈正相关。在空间分布上，未来年平均气温西南部升温幅度均略高于东北部；最冷月升温幅度由东向西递减；≥10℃积温的增幅主要表现为由北向南递减的趋势；≥20℃积温的增幅主要表现为由中部向外围递减的趋势。未来海南岛降水资源在空间上主要表现为由东向西逐步递减的格局，南部和北部降水变率增加，西部和中部降水变率减少。在时间上无显著变化趋势。

未来海南岛农作物生长期的气候呈变暖趋势，同时降水格局也发生变化，冬季瓜菜、天然橡胶、热带水果等农作物种植面积、产量增加的可能性变大，但极端气象灾害和病虫害出现可能性也会增大。还需深入研究气候资源变化带来的可能影响，提前布局，做好趋利避害，保障海南岛农业可持续发展。

3.2 讨论

GCMs输出值对海南岛气温的模拟效果较好，对降水量模拟的不确定性较大。Kent等[23]研究表明，降水格局的异常主要是由对流质量通量的空间变化所引起的。O’Gorman[24]认为热带地区的极端降水对升温的敏感性更高。海南岛地形和下垫面复杂，且处于热带北缘，受气候、洋流、大气环流影响较大，是受气候变化影响的敏感区、脆弱区。其它热带岛屿的降水量模拟也存在相同的问题，如位于加勒比地区的波多黎各岛[25]。

基于格网的综合修订可以有效降低GCMs在空间上的偏差。地面气象站点按行政县分布，具有较大的空间不规则性，且观测资料仅能代表某一片区域，如海南岛中部地区海拔高度差异较大，难以反应气温随地形变化，用某一点的气温来描述整个区域会产生较大误差[26]。而基于规则的格网，可以降低观测值和GCMs输出值因空间分布不同而引起的差异，如Baron等[27]将GCM原始格网降尺度到高分辨率格网后，消除了大量由于原始分辨率较粗引起的偏差，从而模拟的作物产量更接近真实值。通常来说，格网单元越小越能反映出地表气候的差异，考虑到GCMs的空间分辨率和地面气象站点的分布，本研究将两者的分辨率统一为0.5°×0.5°格网。如GCMs有更精细的分辨率或者更好的降尺度方法，且地面气象站点更密集，研究格网可以做到更精细化。

基于格网的BMA和EW多模式集合平均方法在海南岛的模拟效果相差甚小，且均优于单一GCM的模拟效果。Wang等[28]分别使用BMA和EW对中国水稻种植区最高气温、最低气温、降水量等气候情景进行多模式集合平均，结果表明两者的模拟效果相似。Xu等[29]直接选用EW进行多模式集合平均，预测中国未来气温和降水变化情况。但也有一些学者认为，加权集合平均为各GCMs模式分配权重系数，性能较好的模式具有较高的权重系数，以体现模式性能的差异，较等权集合平均更为合理。如Yang等[30]对比了BMA和EW在青藏高原极端气候的模拟效果，结果表明BMA的适用性优于EW。由此可见，多模式集合平均方法的确定还可能与研究区域的地形、面积以及研究精度密切相关。虽然基于格网的误差修订能显著降低GCMs的不确定性，但是GCMs的不确定性还来源于模式自身的框架和运行参数等[31]，这也是GCMs模式不能完全接近观测值的原因。随着CMIP6数据的即将问世，更详细的模拟过程和精细的空间分辨率可能会有效降低模拟结果的不确定性。

未来海南岛农业水热资源在时间和空间上发生了明显变化，对农业可能带来诸多影响。如在未来RCP2.6、RCP4.5和RCP8.5情景下，天然橡胶、芒果、香蕉等热带林、果可种植面积（≥10℃积温在8500℃·d以上）分别增加1719、2330和3183km2，适宜生长面积（最适下限温度为25℃）分别增加1.33、1.52和1.72 ×104km2，最冷月可能受到寒害（≤15℃）影响的面积分别减少288、409和549km2。冬季瓜菜（辣椒、豇豆、丝瓜等）生长在最冷月不受低温影响（≥20℃）的面积分别增加0.39、1.04和1.66×104km2。南繁育种的年培育次数也有可能增加。随着≥20℃积温和面积的增加，未来海南岛可能种植更多的热带作物。此外，未来气候持续变暖且降水转为由东向西逐步递减的格局，会对农业产生一些可预见的变化，如播期和物候期变化[32]、种植面积增大、受寒害的可能性降低[33]等。但极端气候频率可能增加，给作物带来致命伤害；暖冬导致病虫害过冬的可能性变大，增大了病虫害的数量、繁殖世代和发生范围等[34]；新的病虫害入侵海南岛的可能性变大[35]。因此，还需深入分析未来海南岛气候变化对农业生产的可能影响，提前规划与合理利用未来的水热资源，做到趋利避害，保障海南岛热带特色高效农业安全可持续发展。