基于BCC-CSM 2-MR模式CM IP6试验的辽河流域气温降水模拟与预估

翟晴飞 孙凤华 敖雪 耿树江 李成龙 李遥 李鸣钰

（1.中国气象局沈阳大气环境研究所，辽宁 沈阳 110166；2.辽宁省气象信息中心，辽宁 沈阳 110166；3.沈阳区域气候中心，辽宁 沈阳 110166；4.辽宁省人工影响天气办公室，辽宁 沈阳 110166）

引言

辽河流域是中国七大流域之一，流域内地势复杂，水资源丰富，人口密集，大中型城市集中，是东北区域重要的粮食产区，在国家生态安全和粮食安全中具有重要作用。辽河流域位于中高纬地区，属于气候变化敏感区域，近年来，受全球气候变暖和人类活动的影响，辽河流域旱涝事件频发，流域河道断流、林木矮化和草场退化等一系列生态环境问题时常发生，农业安全遭受影响，地区气候变化明显［1-2］。有研究表明［3］，水循环的加速导致辽河流域水资源年内分布不均匀的问题更加严重，辽河流域6—9月降水量占全年总量的70%以上，是流域极端灾害事件频繁发生的重要原因。1995年7月辽河流域暴雨较多（暴雨中心3日平均降雨266.8 mm），导致洪水泛滥，直接经济损失高达347.2亿元。2000年辽河流域遭受极端干旱（流域径流量为1956—2009年最低值），仅朝阳地区受灾人口就达200多万，人民的生命财产遭受巨大损失［4］。因此，研究气候变暖背景下辽河流域气温、降水时空变化以及未来变化预估，对中国东北地区水资源利用和旱涝灾害防御等具有重要意义，也可为制定未来气候变化应对策略提供理论依据。

气候系统模式是气候变化工作中至关重要的研究工具，在气候变化模拟和未来预估方面发挥着重要作用［5］。目前，有部分学者利用各种模式数据对流域气温、降水开展了研究。刘倩等［6］利用CM IP6模式资料和ERA再分析资料对辽宁大凌河流域气温、降水进行模拟预估，发现CM IP6模式对流域的模拟能力较好，预估表明未来流域年降水量波动剧烈，未来灾害风险增大。Yue等［7］利用CM IP6中的23个全球气候模式对长江流域气温降水进行了分析，结果表明集合模式的模拟性能好于单个模式，能较好地模拟流域气温降水的变化。Wang等［8］对比分析了CM IP5和CM IP6集合模式对汉江流域降水的模拟情况，研究发现CM IP6集合模式减少了流域降水的模拟偏差，能较好地模拟流域降水的时间变化和空间变化特征。Cui等［9］结合NECP再分析资料和HadCM 3模式资料，对中国长江流域降水开展预估，发现未来极端降水事件增多，降水强度和频率也会增强。Wang等［10］利用模式资料预估了不同排放情景下长江上游流域降水未来变化特征，发现流域上游降水将减少，径流将下降。Su等［11］结合CM IP5模式资料，对未来三种排放情景下长江流域降水和径流开展预估，发现流域降水和径流均呈增加趋势。李雅培等［12］利用BCC-CSM 2-MR模式资料完成了疏勒河流域气温、降水模拟评估以及未来趋势分析，发现该模式数据与实测数据一致性较好，未来气温变化高值区位于疏勒河流域稀疏地区，2015—2070年降水呈减少趋势。目前世界气候研究计划已经完成全球耦合模式比较计划第六阶段的试验（CM IP6），众多模式已经参与到全球气候模拟评估中，IPCC（2021）指出新一代气候模式在评估未来气温、降水上均有了重大研究进展［13］。国家气候中心的中等分辨率气候系统模式BCC-CSM 2-MR参与了CM IP6实验计划，该模式各参数较CM IP5试验计划中的BCC-CSM 1.1模式均有所提高，对大气辐射、深对流过程和重力波方案进行了改进，能更好的模拟气候分布［14-16］；并且最新的共享社会经济路径能在一定程度上改进辐射强迫量化差和模型偏差［17-18］。因此，本文利用最新CM IP6的BCCCSM 2-MR模式数据结合观测资料，开展辽河流域气温降水的模拟能力评估，并进行偏差校正，预估未来不同情景下辽河流域气温降水的变化趋势，分析气候变化对辽河流域的可能影响，为地方政府水资源利用、旱涝灾害管理提供科学依据，以期为深入认识气候变化对辽河流域水资源的影响机制提供参考。

1 资料与方法

1.1 研究区概况

辽河位于中国东北地区的西南部，流域地理位置为116°—128°E，38°—46°N。辽河流域发源于河北省七老图山脉的光头山，流域海拔高度1490 m，流经河北、内蒙古、吉林和辽宁4省（自治区），在辽宁省盘锦市注入渤海。辽河长达1345 km，流域面积为21.96×104km2。全流域由两个水系组成，一为东、西辽河，于福德店汇流后为辽河干流，经双台子河由盘山入海；二为浑河、太子河于三岔河汇合后经大辽河由营口入海。辽河流域地处温带大陆性季风气候区，各地气候差异较大，雨热同季，日照时间长，冬季寒冷期长，春秋季短［19］。

1.2 资料来源

本文资料由第六次国际耦合模式比较计划CM IP6（Coupled Model Intercomparison Project Phase 6）的中等分辨率气候模式BCC-CSM 2-MR资料和观测资料构成，模式资料来源于国家气候中心。全球气候模式BCC-CSM 2-MR的大气模式分量为BCCAGCM 3-MR，水平分辨率为T106，垂直分层从26层增加至46层，模式顶层从2.917 hPa提升至1.459 hPa，模拟范围变大，精度更高，一定程度提高了模式对平流层大气的模拟。关于CM IP6和全球气候模式BCC-CSM 2-MR的详细信息可参考文献［20—22］。

模式资料包括历史模拟和未来预估两部分，历史模拟时段选取1961—2014年，预估时段为21世纪近期（2015—2040年）、中期（2041—2070年）和远期（2071—2100年）在共享社会经济路径（Shared Socio-economic Pathways，SSPs）下 的 可 持 续 发 展（SSP1-2.6）、延续历史发展途径（SSP2-4.5）、局部发展（SSP3-7.0）和高耗能发展（SSP5-8.5）4种排放情景下的模拟结果，要素为逐日平均气温、平均最高气温、平均最低气温和逐日降水；SSPs代表共享社会经济新气候变化情景，反映了辐射强迫和社会经济发展间的关联。每一个SSP代表了一种发展模式，包括相应的人口增长、经济发展等特征和环境影响因素等。本文基准期为1995—2014年。资料区域范围为辽河流域（图1）。

观测资料为辽河流域（辽宁省、吉林省、内蒙古自治区、河北省）1961—2014年80个国家基本、基准站逐日平均气温、平均最高气温、平均最低气温和逐日降水。

1.3 研究方法

利用双线性插值方法将模式资料插值到辽河流域80个国家基本基准站上，根据辽河流域DEM数据对模式气温进行地形校正，将校正后的插值结果与观测资料进行相关分析等，评估BCC-CSM 2-MR模式的模拟性能；然后将插值后的预估结果与基准期（1995—2014年）的模拟结果进行比较分析，并结合趋势分析、相关分析、偏差分析等得到未来辽河流域气温和降水的相对变化。分析未来预估的相对变化均采用相对于基准期1995—2014年的变化值。

地形校正：模式分辨率的大小和地形数据的差异会导致模式气温插值时产生偏差，该偏差正比于海拔高度和地形复杂度，因此结合DEM数据和气温直减率对模式气温进行校正［23］，公式为

式（1）中，为校正后的模式气温；T为原始模式气温；γ为气温直减率；ΔZ为地形高度差。

相关分析：利用皮尔逊相关系数来描述两组随机变量线性相关程度，用相关系数r表示，r取值为-1.0～1.0。当r＞0时，表示两组变量呈正相关，越接近1.0，正相关越显著；当r＜0时，表明两组变量呈负相关，越接近-1.0，负相关越显著；r＝0，表示两组变量独立［24］。

趋势分析：利用线性倾向估计来分析气候变化趋势，回归系数b的符号表示气候变量x的趋势倾向，当b＞0时，表明随时间t的增加x呈上升趋势；b＜0时，表明随时间t的增加x呈下降趋势。b的大小反映了上升或者下降的速率，即上升或下降的倾向程度［24］。

双线性插值：又称为双线性内插，利用周围4个临近点的横坐标和纵坐标做线性内插以取得目标点数值；根据目标点与4个临近点的距离对应权重来计算目标点数值［25］。

模拟偏差：模式模拟值与观测值之差，公式为

式（2）中，ERR为模式与观测值之间的模拟偏差；Sim为模式值；Obs为观测值；N为样本数量。

2 结果分析

2.1 辽河流域气温降水模拟能力评估

2.1.1年、季、月气温降水变化的模拟评估

“一带一路”倡议促进了东西方文化的交流互鉴，也给图书馆带来了新的发展机遇与挑战，图书馆应通过文化传承、交流与学习、创新服务等形式，积极在“一带一路”建设中发挥重要作用［3］。对此，相关研究文章从多个角度进行了阐述。

表1 1961—2014年中等分辨率气候模式BCC-CSM 2-MR模拟的辽河流域气温、降水与观测值的差异Table 1 Differences between the simulated temperature and precipitation by themedium-resolution climatemodel BCC-CSM 2-MR and observations from 1961 to 2014 in the Liaohe River Basin

由表1可知，BCC-CSM 2-MR模式对辽河流域年和四季平均气温、最高气温、最低气温的模拟均小于实测值。模式对秋季和冬季的模拟性能明显优于夏季和春季。敖雪等［5］研究发现RegCM 4模式和CM IP5模式对四季的气温模拟也均表明，冬季气温模拟能力较好，春季的模拟偏差最大。模式对最低气温的模拟偏差相对较小，平均气温次之，平均最高气温的模拟偏差较大。其中，模式对秋季最低气温的模拟偏差仅为-0.03℃，与观测值非常接近。就降水而言，除了夏季以外，模拟降水均较观测降水偏多，对夏季降水的模拟较观测值偏少6.76 mm，模式对夏季、秋季和冬季降水的模拟较好。总体而言，气候模式BCC-CSM 2-MR对辽河流域年内气温降水均具有较好的模拟能力，气温上存在冷偏差，偏差小于2℃。

由图2可知，BCC-CSM 2-MR模式对辽河流域气温和降水的年内循环有较好的模拟效果，模式模拟的平均气温、平均最高（最低）气温基本低于观测值，而模拟的降水略高于观测值。模式能较好的模拟出辽河流域7月气温最高、降水最多，1月气温最低、降水最少的变化规律。总体而言，模式对平均最低气温的模拟偏差相对较小，模拟偏差为-1.9～0.4℃，10月的模拟偏差最小，仅0.05℃；模式对平均气温的模拟偏差为-2.2～-0.3℃，11月的模拟偏差最小，为-0.3℃；模式对平均最高气温的模拟偏差相对较大，为-3.3～-0.8℃，9月的模拟偏差最小；模式对下半年气温的模拟能力好于上半年。就降水而言，模式对降水的模拟偏差为-1.9～16.8 mm，9—12月降水模拟偏差相对较小，9月的模拟偏差最小，仅0.1 mm。模拟与观测值的相关系数均超过0.99，通过了0.001的显著性检验。

图2 1961—2014年辽河流域平均气温（a）、平均最高气温（b）、平均最低气温（c）、降水量（d）模拟值和观测值逐月变化Fig.2 M onthly variations of average tem perature（a），maxim um tem perature（b），m inimum tem perature（c），and precipitation（d）of the simulated and observations from 1961 to 2014 in the Liaohe River Basin

由图3可知，BCC-CSM 2-MR模式能较好地模拟出辽河流域平均气温、平均最高（最低）气温的显著增温趋势，模拟值的增温速率分别为0.26℃/10 a、0.21℃/10 a、0.35℃/10 a，均高于观测值的增温速率（0.24℃/10 a、0.19℃/10 a、0.34℃/10 a），模式能较好地模拟出气温的年际振荡特征，模式与观测值的相关系数分别为0.63、0.59、0.78，均通过了0.01显著性检验。1961—2014年辽河流域观测和模拟的降水均无明显变化趋势，二者一致性较好，相关系数为0.51，通过了0.01显著性检验。

图3 1961—2014年辽河流域平均气温（a）、平均最高气温（b）、平均最低气温（c）、降水量（d）模拟值和观测值的逐年变化Fig.3 Year-by-year variations of average temperature（a），maximum tem perature（b），m inimum temperature（c），and precipitation（d）of the simulated and observations from 1961 to 2014 in the Liaohe River Basin

2.1.2气温降水空间分布的模拟评估

1961—2014年辽河流域气温、降水量模拟和观测的空间分布见图4，对比辽河流域气温降水的模拟场和观测场可以发现，观测资料和模式资料均显示平均气温、平均最高（最低）气温呈纬向分布，空间上呈现南部高北部低的分布趋势，模拟和观测的平均气温和平均最低气温的最大值均出现在辽宁大连，观测的平均最高气温最大值出现在辽宁朝阳，模拟的平均最高气温最大值则出现在辽宁建昌；模拟和观测的平均气温、平均最高（最低）气温最小值均出现在吉林临江。该模式能较好的模拟出辽河流域冷暖中心位置，空间相关系数均超过0.9，通过了0.01的显著性检验。对比模拟气温和观测气温的差异可以看出，观测气温均较模拟气温偏高，模式存在一定的冷偏差，其中平均最低气温的冷偏差相对较小。在区域尺度信息上，观测气温等值线局地性更强，小尺度信息更加完整，而BCC-CSM 2-MR模式模拟的等温线明显较观测气温更加平直，这可能是中等分辨率全球气候模式的分辨率还不够高，不能像区域气候模式那样模拟出辽河流域气温的小尺度信息［20］。就降水而言，模式能较好地模拟出辽河流域降水自东南向西北逐渐减少的空间分布形势，降水量较少地区基本位于辽河流域水系稀疏地区，但是流域西北部模拟降水量明显较观测降水量偏多，而东南部地区模拟降水量则较观测降水量偏少，模拟和观测的550mm降水量等值线基本一致，空间相关系数为0.83，明显高于BCC-CSM 1.1m模式（0.54）［26］。辛晓歌等［14］研究表明，BCC-CSM 2-MR模式模拟的降水量相对于BCC-CSM 1.1m模式增加了1—2 mm·d-1，更加接近观测值，对降水量的模拟能力明显提高。

2.2 辽河流域气温、降水量未来预估

2.2.1年、季变化

从表2和表3可以看出，相对于1995—2014年，辽河流域平均气温和最高（最低）气温在不同时期均表现出SSP5-8.5情景下增温最显著，SSP1-2.6情景下增温最小。在21世纪近期，SSP2-4.5情景下气温增幅大于SSP3-7.0，其他时期，SSP2-4.5增幅小于SSP3-7.0。21世纪近期4种情景下气温增幅差异较小，中期次之，远期不同情景对气温增幅的影响显著。不同时期不同情景气温增幅均表现为平均最低气温＞平均气温＞平均最高气温。不同情景下，辽河流域气温估算值略高于中国气温变化估算值，与中国东北地区气温增温幅度较为接近［14，27］。就四季而言，除了SSP1-2.6之外，平均气温和最高（最低）气温均表现为冬季和春季增温幅度较大，与李雅培等［12］的研究结论较一致。就降水而言，年降水量距平百分率除了在SSP5-8.5情景下近期出现了减少，其他时期均呈不同程度的增加。在四季中，夏季降水量增幅较其他季节显著；就排放情景而言，SSP5-8.5情景下，夏季降水量增幅最大，其次为SSP3-7.0和SSP2-4.5，SSP1-2.6情景下增幅最小；并且夏季的降水量增幅远期＞中期＞近期，SSP5-8.5情景下，21世纪远期的夏季降水量距平百分率增幅达61.6%，春季和秋季降水量距平百分率增幅为5%—25%，冬季降水量距平百分率基本呈减少趋势。

由图5可知，辽河流域未来平均气温和最高（最低）气温均呈增加趋势，平均气温在不同排放情景下对应的增暖速率分别为0.63℃/10 a、0.62℃/10 a、0.32℃/10 a、0.13℃/10 a，最高（最低）气温对应的增温趋势分别为0.62℃/10 a（0.67℃/10 a）、0.6℃/10 a（0.66℃/10 a）、0.33℃/10 a（0.34℃/10 a）、0.14℃/10 a（0.18℃/10 a）；SSP2-4.5、SSP3-7.0、SSP5-8.5三种情景下，预估的最高（最低）气温增加趋势均通过显著性检验，升温远期＞中期＞近期，模式在SSP3-7.0、SSP5-8.5情景下的气温模拟差异 较小，SSP1-2.6和SSP2-4.5情景下差异相对较大。整体而言，平均气温和最高（最低）气温均表现出排放情景越高，增温速率越快，呈现出较明显的年际振荡特征。就降水而言，4种情景下模式预估的辽河流域降水距平百分率均呈增加趋势，不同排放情景下对应的增加速率分别为2.0%/10 a、2.7%/10 a、2.8%/10 a、5.9%/10 a，模式预估的年降水量相对历史均值（1995—2014年）均有不同程度的增多，降水量在21世纪近期虽然有增加但是并不明显，降水量的增加主要集中在中期和远期。姜彤等［28］利用CM IP6预估淮河流域降水量变化指出，不同情景下预估降水量均呈增加趋势，SSP3-7.0、SSP5-8.5情景下降水量增幅最大，降水量增长速率快于CM IP5预估结果。

表2 气候模式BCC-CSM 2-MR对辽河流域21世纪近期、中期和远期年及四季平均气温和降水量增幅的预估结果（相对于1995—2014年）Table 2 The predictive results of relative variations of annual and seasonal temperature and precipitation in the Liaohe River Basin during 2015-2040，2041-2070，and 2071-2100 by BCC-CSM 2-MR model（relatire to 1995-2014）

表3 气候模式BCC-CSM 2-MR对辽河流域21世纪近期、中期和远期年及四季平均最高气温和最低气温增幅的预估结果（相对于1995—2014年）Table 3 The predictive results of relative variations of annual and seasonalmaximum temperature and m inimum temperature in the Liaohe River Basin during 2015-2040，2041-2070，and 2071-2100 by BCC-CSM 2-MR model（relatire to 1995-2014）

图5 2015—2100年气候模式BCC-CSM 2-MR预估的四种排放情景下辽河流域平均气温（a）、平均最高气温（b）、平均最低气温（c）、降水量（d）距平变化Fig.5 Anomaly variations in tem perature（a），maximum temperature（b），m inimum tem perature（c）and p recipitation（d）by BCC-CSM 2-MR model under the four em ission scenarios during 2015-2100 in the Liaohe River Basin

2.2.3空间分布变化

由图6可知，SSP1-2.6情景下，辽河流域平均气温和平均最低（最高）气温空间分布形势基本一致，辽河上游内蒙西部地区气温增幅最小，辽河中下游辽宁南部和中北部地区增幅较大，平均气温和平均最低（最高）气温增幅为1.0—1.6℃；SSP2-4.5情景下，除了辽河上游内蒙古西部地区气温增幅较小外，辽宁南部大连地区气温增幅也较小，辽宁中北部和吉林地区气温增幅较大，平均气温和平均最低（最高）气温增幅为1.8—2.4℃；SSP3-7.0和SSP5-8.5情景下均显示，辽河下游大连等地区气温增幅最小，辽宁北部和吉林地区气温增幅显著，平均气温和平均最低（最高）气温增幅为2.0—3.2℃和2.6—3.8℃。随着辐射强迫的增大，平均气温和平均最低（最高）气温增幅持续增大，显著增温地区逐渐集中于辽河流域东北部。就降水量而言，四种情景下降水量距平百分率均为正值，流域降水量呈增多趋势。SSP1-2.6和SSP2-4.5情景下预估降水量距平百分率大致呈现自西南向东北递减分布形势，降水量增幅大值区位于辽宁西部地区，降水量距平百分率增幅超过11%。SSP3-7.0和SSP5-8.5情景下降水量距平百分率呈自西向东逐渐递减的经向分布形势，降水量增幅显著区域位于流域上游的内蒙古和辽宁西部，降水量距平百分率增幅分别超过18%和25%。

图6 BCC-CSM 2-MR模式预估的辽河流域在SSP1-2.6（a）、SSP2-4.5（b）、SSP3-7.0（c）、SSP5-8.5（d）情景下平均气温、SSP1-2.6（e）、SSP2-4.5（f）、SSP3-7.0（g）、SSP5-8.5（h）情景下平均最高气温、SSP1-2.6（i）、SSP2-4.5（j）、SSP3-7.0（k）、SSP5-8.5（l）情景下平均最低气温和SSP1-2.6（m）、SSP2-4.5（n）、SSP3-7.0（o）、SSP5-8.5（p）情景下降水距平百分率相对变化空间分布（相对于1995-2014年）Fig.6 Spatial distributions of the anomaly relative changes in the average temperature under SSP1-2.6（a）、SSP2-4.5（b）、SSP3-7.0（c）、SSP5-8.5（d）em ission scenarios，maximum tem perature SSP1-2.6（e）、SSP2-4.5（f）、SSP3-7.0（g）、SSP5-8.5（h）em ission scenarios，m inimum temperature SSP1-2.6（i）、SSP2-4.5（j）、SSP3-7.0（k）、SSP5-8.5（l）em ission scenarios and percentage of precipitation SSP1-2.6（m）、SSP2-4.5（n）、SSP3-7.0（o）、SSP5-8.5（p）em ission scenarios by BCC-CSM 2-MR model from 2015 to 2100 in the Liaohe River Basin（relative to 1995-2014）

3 结论

（1）BCC-CSM 2-MR模式能较好的模拟辽河流域气温和降水的月、季、年变化，模拟的平均气温、平均最高（最低）气温小于观测值，模拟的降水量略高于观测值。模式对秋季和冬季气温的模拟性能明显优于夏季和春季，对夏季、秋季和冬季降水的模拟较好，对夏季降水量的模拟较观测值偏少6.76 mm。

（2）模式资料较好的模拟了平均气温、平均最高（最低）气温纬向分布形势，空间上呈现南高北低的分布趋势，能较好的模拟出辽河流域冷暖中心位置。观测气温均较模拟气温偏高，模式存在冷偏差。就降水而言，模式能较好的模拟出辽河流域降水自东南向西北逐渐减少的空间分布形势。西北部模拟降水量明显较观测降水量偏多，而东南部地区模拟降水量则较观测降水量偏少。

（3）21世纪近期，4种情景下辽河流域气温增幅差异较小，中期次之，远期差异较显著。就四季而言，除SSP1-2.6之外，平均气温和最高（最低）气温均表现为冬季和春季增温显著。年降水量距平百分率除了在SSP5-8.5情景下的近期表现为减少之外，均呈现不同程度的增加；在四季中，夏季降水量增幅最显著，远期夏季降水量距平百分率增幅达61.6%，春季和秋季的增幅为5%—25%，冬季基本呈减少趋势。

（4）模式预估未来辽河流域平均气温和最高（最低）气温均呈升高趋势，升温远期＞中期＞近期，平均气温和最高（最低）气温均表现出排放情景越高，气温的增加速率越快。4种情景下模式预估的降水量距平百分率均呈增加趋势，不同情景下对应的增暖速率分别为2.0%/10 a、2.7%/10 a、2.8%/10 a、5.9%/10 a，未来降水的增加主要集中在中期和远期。

（5）SSP1-2.6情景下，平均气温和平均最低（最高）气温空间分布形势基本一致，辽河上游内蒙古西部地区气温增幅最小，辽河中下游辽宁南部和中北部地区增幅较大；SSP3-7.0和SSP5-8.5情景下均显示辽宁北部和吉林地区气温增幅显著。未来4种情景下流域降水均呈增多趋势，SSP1-2.6和SSP2-4.5情景下降水量增幅呈自西南向东北递减，降水量增幅高值区位于辽宁西部。SSP3-7.0和SSP5-8.5情景下降水量呈自西向东逐渐递减的经向分布形势，降水量增幅显著区域位于流域上游的内蒙古和辽宁西部。