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、最低气温和降水量的技能得分（图）可知，、气候模式的最高、最低气温和降水量平均得分最高，表明其模拟性能最优。因此，本研究选择 、进行等权重集合平均修订。新模式的平均得分达到 ，高于任意单一气候模式，其结果更接近观测值，模拟性能得到进一步提升。图 基准期 的 个全球气候模式（）的泰勒得分犉 犻 犵 犜 犪 狔 犾 狅 狉 狊 犮 狅 狉 犲 狅 犳 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 犻 狀 狋 犺 犲 犫 犪 狊 犲 犾 犻 狀 犲狆 犲 狉 犻 狅 犱 未来气候变化情景下农业热量资源变化基于 、模式等权重集合修订后的数据，预测东北三省在 和 情景下 和 的农业热量资源相对于基准期的时空变化特征（图、表），可以看出，两种气候情景下的年平均最低气温、年平均气温和年平均最高气温均呈显著上升趋势。情景下东北三省 平均最低气温、年平均气温、年平均最高气温较基准期分别上升 、，较基准期分别上升 、；情景下 三者较基准期分别上升 、，三者较基准期分别上升 、，且该情景下未来全时段年平均气温增速为 （），明显高于 情景下的增速 （）。两种情景下预测东北三省的 积温和 积温均呈逐年显著上升趋势，但在 世纪 年代前受温室气体排放强度差异的影响较小，升温幅度差异不明显，之后，由于 排放强度差异变大，导致升温幅度出现明显差异，表现为 情景下升温幅度显著高于 情景下。到 世纪末期，情景下 积温为 ，积温为 ，情景下 积温则达到 ，积温达到 。由于海拔高度、生态环境、地理位置等不同，东北三省基准期和未来的农业热量资源存在明显的空间分布差异（图）。年平均最低气温、年平均气温和年平均最高气温大致呈由南向北递减趋势，且南北差异显著，温差约 ；积温和 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图 基于 模式未来东北三省农业热量资源时间变化特征犉 犻 犵 犜 犲 犿 狆 狅 狉 犪 犾 犮 犺 犪 狀 犵 犲 狅 犳 犪 犵 狉 犻 犮 狌 犾 狋 狌 狉 犪 犾 犺 犲 犪 狋 狉 犲 狊 狅 狌 狉 犮 犲 狊 犻 狀犖 狅 狉 狋 犺 犲 犪 狊 狋犆 犺 犻 狀 犪 犻 狀 狋 犺 犲 犳 狌 狋 狌 狉 犲犫 犪 狊 犲 犱狅 狀犆 犕 犐 犘 表 基准期和未来时段东北三省农业热量资源平均值及其线性变化趋势犜 犪 犫 犾 犲 犕 犲 犪 狀狏 犪 犾 狌 犲 狊 犪 狀 犱犮 犾 犻 犿 犪 狋 犲 狋 狉 犲 狀 犱 狉 犪 狋 犲 狅 犳 犪 犵 狉 犻 犮 狌 犾 狋 狌 狉 犪 犾 犺 犲 犪 狋 狉 犲 狊 狅 狌 狉 犮 犲 狊 犻 狀犖 狅 狉 狋 犺 犲 犪 狊 狋犆 犺 犻 狀 犪 犻 狀 狋 犺 犲犫 犪 狊 犲 犾 犻 狀 犲狆 犲 狉 犻 狅 犱犪 狀 犱 犳 狌 狋 狌 狉 犲 狋 犻 犿 犲气温指标基准期 未来全时段 未来全时段 年平均最低气温 气候倾向率 （）年平均气温 气候倾向率 （）年平均最高气温 气候倾向率 （）积温 气候倾向率 （）积温 气候倾向率 （）注：、分别表示通过 、水平的显著性检验，下同。积温的空间分布特征与前三者相似。由图 图 可见，在两种情景下东北三省全区域内年平均最低气温、年平均气温和年平均最高气温呈上升趋势，与空间分布特征相反，未来升温幅度呈由南向北递增的空间变化特征。虽然北部增幅高于南部，但增温后东北三省整体未来气温分布格局仍是南部高于北部。在相同时期两种不同的温室气体排放强度情景下，年平均最低气温、年平均气温和年平均最高气温的增幅差异显著。在 情景下，南部增幅集中在 ，局部地区增幅为 ，北部增幅均在 以上；情景下，年平均最低气温全区域增幅为 ，年平均气温南部增幅为 ，北部增幅均在 以上，年平均最高气温南部增幅呈现中间高（增幅约为 ），东、西两侧低（增幅约为 ）的趋势，北部增幅多在 之间，局部地区高于 。在两种情景下 积温（图）在全区域呈上升趋势，但空间变化特征不同。情景下，积温的增幅大致呈西低东高的特征，差异不显著，辽宁东南局部地区较东部地区增幅小；情景下，积温的增幅呈自北向南增大的趋势，且南北差异显著，南部最高增幅超过 ，而北部最高增幅在 之间。积温在两种情景下的增幅大致呈南高北低的趋势，黑龙江大兴安岭地区较南部地区增幅大（图）。未来气候变化情景下农业降水资源变化基于 、模式等权重集合平均修订后的数据，预测东北三省在 和 情景下 和 农业降水资源相比基准期的页第地 理 与 地 理 信 息 科 学第 卷图 基于 模式未来东北三省农业热量资源空间变化特征犉 犻 犵 犛 狆 犪 狋 犻 犪 犾 犮 犺 犪 狀 犵 犲 狅 犳 犪 犵 狉 犻 犮 狌 犾 狋 狌 狉 犪 犾 犺 犲 犪 狋 狉 犲 狊 狅 狌 狉 犮 犲 狊 犻 狀犖 狅 狉 狋 犺 犲 犪 狊 狋犆 犺 犻 狀 犪 犻 狀 狋 犺 犲 犳 狌 狋 狌 狉 犲 犫 犪 狊 犲 犱狅 狀犆 犕 犐 犘 时空变化特征。由图和表可知，未来东北三省区域平均降水资源相较基准期呈波动增加趋势，但不显著。情景下降水增加速率（）略高于 情景下增加速率（）。到 ，和 情景下年降水量较基准期分别增加 和 ，且 情景下 年降水量低于 情景下，而 年降水量则高于 情景下。和 的时间变化趋势与年降水量变化基本相似。如图所示，东北三省的农业降水资源均呈现由东南向西北减少的空间分布格局，且差异显著。基准期的年降水量介于 之间，情景下 年降水量介于 之间，年降水量介于 之间，情景下 年降水量介于 之间，年降水量介于 之间，两种情景下年降水量差异并不显著，且高值区均分布在辽宁丹东，低值区分布在黑龙江齐齐哈尔。两种情景下 和 的空间分布特征基本相似，均为东南部显著高于西北部，高值区分布在辽宁省东南部，最高达 ，低值区主要分布在大兴安岭地区，最低仅为 。从 模式在两种情景下东北三省未来农业降水资源的空间变化（图）可以看出，东北三省全域 和 降水资源均有所增加，且年降水量相对于基准期的变率大致呈东高西低的空间变化特征。情景下，的 变率为 ，的 变率为 ，在辽宁东部地区降水量增加最明显；情景下，的降水变率为 ，的降水变率为 ，东部和辽宁局部地区降水增加最显著。两种情景下东北三省 相对于基准期的变率为 ，变率为 ，两 种 情 景 下 和 的 变率均呈现由东向西递减的空间变化特征，差异显著，且 的降水变率与 的升温幅度特征相似，在大兴安岭出现局部高值区。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图 基于 未来东北三省农业热量资源相对于基准时段的升温幅度犉 犻 犵 犚 犻 狊 犲 狅 犳 狋 犺 犲 犪 犵 狉 犻 犮 狌 犾 狋 狌 狉 犪 犾 犺 犲 犪 狋 狉 犲 狊 狅 狌 狉 犮 犲 狊 犻 狀犖 狅 狉 狋 犺 犲 犪 狊 狋犆 犺 犻 狀 犪 狉 犲 犾 犪 狋 犻 狏 犲 狋 狅 狋 犺 犲犫 犪 狊 犲 犾 犻 狀 犲狆 犲 狉 犻 狅 犱狌 狀 犱 犲 狉 犛 犛 犘狊 犮 犲 狀 犪 狉 犻 狅 狊 犫 犪 狊 犲 犱狅 狀犆 犕 犐 犘 图 基于 模式未来东北三省农业降水资源时间变化特征犉 犻 犵 犜 犲 犿 狆 狅 狉 犪 犾 犮 犺 犪 狀 犵 犲 狅 犳 犪 犵 狉 犻 犮 狌 犾 狋 狌 狉 犪 犾 狆 狉 犲 犮 犻 狆 犻 狋 犪 狋 犻 狅 狀狉 犲 狊 狅 狌 狉 犮 犲 狊 犻 狀犖 狅 狉 狋 犺 犲 犪 狊 狋犆 犺 犻 狀 犪 犻 狀 狋 犺 犲 犳 狌 狋 狌 狉 犲犫 犪 狊 犲 犱狅 狀犆 犕 犐 犘 表 基准期和未来东北三省农业降水资源平均值及其线性变化趋势犜 犪 犫 犾 犲 犕 犲 犪 狀狏 犪 犾 狌 犲 狊 犪 狀 犱犮 犾 犻 犿 犪 狋 犲 狋 狉 犲 狀 犱狉 犪 狋 犲 狅 犳 犪 犵 狉 犻 犮 狌 犾 狋 狌 狉 犪 犾 狆 狉 犲 犮 犻 狆 犻 狋 犪 狋 犻 狅 狀狉 犲 狊 狅 狌 狉 犮 犲 狊 犻 狀犖 狅 狉 狋 犺 犲 犪 狊 狋犆 犺 犻 狀 犪 犻 狀 狋 犺 犲犫 犪 狊 犲 犾 犻 狀 犲狆 犲 狉 犻 狅 犱犪 狀 犱 犳 狌 狋 狌 狉 犲 狋 犻 犿 犲降水指标基准期 未来全时段 未来全时段 年降水量 气候倾向率 （）界限气温降水量 气候倾向率 （）界限气温降水量 气候倾向率 （）结论与讨论本文通过评估 模式 个 对东北三省气候变化的模拟性能，筛选出模拟能力较优的个 ，在此基础上修订多模式集合数据，预测 和 情景下东北三省未来农业水热资源的时空变化特征。主要结论如下：）模式能较好模拟东北三省历史时期的气候变化，且对最低气温模拟效果最好，最高气温次 之，降水量最差。结合技能得分发现，、页第地 理 与 地 理 信 息 科 学第 卷图 基于 模式未来东北三省农业降水资源空间变化特征犉 犻 犵 犛 狆 犪 狋 犻 犪 犾 犮 犺 犪 狀 犵 犲 狅 犳 犪 犵 狉 犻 犮 狌 犾 狋 狌 狉 犪 犾 狆 狉 犲 犮 犻 狆 犻 狋 犪 狋 犻 狅 狀狉 犲 狊 狅 狌 狉 犮 犲 狊 犻 狀犖 狅 狉 狋 犺 犲 犪 狊 狋犆 犺 犻 狀 犪 犻 狀 狋 犺 犲 犳 狌 狋 狌 狉 犲犫 犪 狊 犲 犱狅 狀犆 犕 犐 犘 图 基于 未来东北三省农业降水资源相对于基准期的变率犉 犻 犵 犞 犪 狉 犻 犪 犫 犻 犾 犻 狋 狔狅 犳 狋 犺 犲 犪 犵 狉 犻 犮 狌 犾 狋 狌 狉 犪 犾 狆 狉 犲 犮 犻 狆 犻 狋 犪 狋 犻 狅 狀狉 犲 狊 狅 狌 狉 犮 犲 狊 犫 犲 狋 狑 犲 犲 狀犛 犛 犘狊 犮 犲 狀 犪 狉 犻 狅 狊 犪 狀 犱 狋 犺 犲犫 犪 狊 犲 犾 犻 狀 犲狆 犲 狉 犻 狅 犱 犻 狀犖 狅 狉 狋 犺 犲 犪 狊 狋犆 犺 犻 狀 犪犫 犪 狊 犲 犱狅 狀犆 犕 犐 犘 、模式最高气温、最低气温和降水量的平均得分较高（大于 分），从定量角度表明上述模式模拟性能最优。但由于评价模式模拟性能的时间尺度、评价方式和评价区域不同，本研究与类似评价 模式模拟性能的研究所筛选出的最优模式不完全相同，。）采用多模式等权重集合平均修订的新模型的平均得分由 提升至 ，即筛选出的个较优模式的集合模式对东北三省气候变化模拟的可靠性进一步增强，这与 等，提出的多模式集合对气候变化的模拟能力明显优于单个模式的观点相符。）未来东北三省在不同情景下农业热量资源均呈显著增加的特征，且未来全时段 情景下的增温速率（）明显高于 情景下的增温速率（）。从 年开始，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 情景下的温度变化趋于稳定，而 情景下的温度则持续上升，导致两种情景下未来温度差异越来越显著，这与 气候模式预估的未来 浓度的时间变化特征一致，同时 具有吸热、隔热和改变大气热平衡的功能，能够吸收地球的红外辐射阻止热量向外层空间扩散，从而引起近地面大气温度的升高，由此推测 年之后两情景下 浓度差异的不断增大是未来农业热量资源差异愈加显著的主要原因。世纪末期，两情景下年平均气温较基准时段分别上升约 和 ，年平均最低气温和年平均最高气温的时间变化趋势与年平均气温基本一致。上述结论符合 等 研究得出的全球及中国变暖的趋势，同时也与陶纯苇等、敖雪等 预估中国东北地区未来气温变化得出的结论类似。从空间分布看，未来东北三省北部增温幅度普遍高于南部，东部高于西部，辽宁沿海地区略高于内陆，这与崔妍等 使用 模式的研究结论类似。）两种情景下东北三省农业降水资源有所增多，但波动较大，未来全时段分别以 （）和 （）的速率增加，此结论与敖雪等 使用 集合模式预估东北地区未来降水量增加速率为 （）和 （）的结果相似。到 世纪末期，和 情景下的降水量较基准期分别增加 和 ，这比敖雪等 的研究结果偏高，主要原因是 模式下降水变化更显著。界限气温生长期间降水量和 界限气温生长期间降水量的时间变化趋势与年降水量变化趋势基本相似。从空间分布看，未来东北三省全域农业降水资源大致呈现由东南向西北递减的特征，相比基准期均有所增加，且东部降水变率普遍高于西部，大兴安岭和黑龙江局部地区降水变率显著高于周边地区，辽宁省东南部降水资源最丰富，将成为降水量增加最显著地区。此结论与陶纯苇等 用 模式预估未来东北三省降水资源变化得出吉林省东南部地区降水会有所减少、辽宁省西部将成为降水增加最显著地区的结论不同，产生差异的主要原因为：本文预估未来降水资源时采用的是新一代的 全球气候模式，相比 和 等模式，该模式考虑的过程更复杂，实现了大气化学过程的双向耦合，新增的共享社会路径提高了区域气候预估模拟结果的合理性。由于不同 反馈过程的差异，对未来温室气体排放的响应存在很大的不确定性，这也会影响模拟结果的可信度，且目前尚无有效方法减小预估不确定性，。未来需要利用更多的全球气候模式结果结合多源观测资料更好地评估模式的性能，并注意其他相关气象要素及其之间的关系，对东北三省未来气候变化进一步深入分析，从而提前合理利用水热资源规划作物种植布局，提高应对气候变化的能力，保证区域粮食安全。参考文献：，吴鹏全球降水越来越“任性”中国气象报，柏会子，肖登攀，刘剑锋，等 年华北地区极端气候事件与农业气象灾害时空格局研究地理与地理信息科学，（）：，王荣，王亚琴，闫浩文六盘山山地植被物候地带性分异及其对气候变化的响应地理与地理信息科学，（）：编写委员会东北区域气候变化评估报告东北区域气候变化评估报告（决策者摘要）北京：气象出版社，崔宁波，殷琪荔气候变化对东北地区粮食生产的影响及对策响应灾害学，（）：吴昊癑，黄瀚蛟，陈文宽中国粮食主产区耕地利用碳排放与粮食生产脱钩效应研究地理与地理信息科学，（）：肖登攀，赵彦茜，柏会子，等 全球气候模式对华北平原气候的模拟和预估地理与地理信息科学，（）：周天军，邹立维，陈晓龙第六次国际耦合模式比较计划（）评述气候变化研究进展，（）：张丽霞，陈晓龙，辛晓歌 情景模式比较计划（）概况与评述气候变化研究进展，（）：，（）：，：敖雪，翟晴飞，崔妍，等东北地区气候变化 模式预估气象科技，（）：陶纯苇，姜超，孙建新 多模式集合对东北三省未来气候变化的预估研究地球物理学报，（）：王慧，肖登攀，赵彦茜，等基于 气候模式的华北平原极端气温指数评估和预测地理与地理信息科学，（）：，：，（）：，（）页第地 理 与 地 理 信 息 科 学第 卷 ，（）：，（）：孙侦，贾绍凤，吕爱锋，等 全球气候模式对 年中国气温模拟精度评价地理科学进展，（）：孙侦，贾绍凤，吕爱锋，等 全球气候模式模拟的中国地区日平均降水精度评价地球信息科学学报，（）：，（）：，：，（）：罗海平，邹楠，胡学英，等 年中国粮食主产区主要粮食作物气候生产潜力与气候资源利用效率资源科学，（）：陈炜，姜大膀，王晓欣 模式对青藏高原气候的模拟能力评估与预估研究高原气象，（）：谢文强，王双双，延晓冬 全球气候模式对中国年平均日最高气温和最低气温模拟的评估气候与环境研究，（）：，（）：，：，（）：，（）：崔妍，李倩，周晓宇，等 个全球气候模式对中国东北地区地面温度的模拟与预估气象与环境学报，（）：犛 狆 犪 狋 犻 犪 犾 犪 狀 犱犜 犲 犿 狆 狅 狉 犪 犾犆 犺 犪 狀 犵 犲犆 犺 犪 狉 犪 犮 狋 犲 狉 犻 狊 狋 犻 犮 狊 狅 犳犃 犵 狉 犻 犮 狌 犾 狋 狌 狉 犪 犾 犘 狉 犲 犮 犻 狆 犻 狋 犪 狋 犻 狅 狀犪 狀 犱犎 犲 犪 狋犚 犲 狊 狅 狌 狉 犮 犲 狊 犻 狀犖 狅 狉 狋 犺 犲 犪 狊 狋犆 犺 犻 狀 犪犅 犪 狊 犲 犱狅 狀犆 犕 犐 犘 ，（犆 狅 犾 犾 犲 犵 犲 狅 犳犔 犪 狀 犱犛 犮 犻 犲 狀 犮 犲犪 狀 犱犜 犲 犮 犺 狀 狅 犾 狅 犵 狔，犆 犺 犻 狀 犪犃 犵 狉 犻 犮 狌 犾 狋 狌 狉 犪 犾犝 狀 犻 狏 犲 狉 狊 犻 狋 狔，犅 犲 犻 犼 犻 狀 犵 ，犆 犺 犻 狀 犪；犆 狅 犾 犾 犲 犵 犲 狅 犳犚 犲 狊 狅 狌 狉 犮 犲 狊犪 狀 犱犈 狀 狏 犻 狉 狅 狀 犿 犲 狀 狋 犪 犾犛 犮 犻 犲 狀 犮 犲 狊，犆 犺 犻 狀 犪犃 犵 狉 犻 犮 狌 犾 狋 狌 狉 犪 犾犝 狀 犻 狏 犲 狉 狊 犻 狋 狔，犅 犲 犻 犼 犻 狀 犵 ，犆 犺 犻 狀 犪；犆 狅 犾 犾 犲 犵 犲 狅 犳犖 犪 狋 狌 狉 犪 犾犚 犲 狊 狅 狌 狉 犮 犲 狊犪 狀 犱犈 狀 狏 犻 狉 狅 狀 犿 犲 狀 狋，犖 狅 狉 狋 犺 狑 犲 狊 狋 犃牔犉犝 狀 犻 狏 犲 狉 狊 犻 狋 狔，犢 犪 狀 犵 犾 犻 狀 犵 ，犆 犺 犻 狀 犪；犛 犮 犺 狅 狅 犾 狅 犳犌 犲 狅 犵 狉 犪 狆 犺 犻 犮犛 犮 犻 犲 狀 犮 犲 狊，犎 犲 犫 犲 犻犖 狅 狉 犿 犪 犾犝 狀 犻 狏 犲 狉 狊 犻 狋 狔，犛 犺 犻 犼 犻 犪 狕 犺 狌 犪 狀 犵 ，犆 犺 犻 狀 犪；犖 犛 犠犇 犲 狆 犪 狉 狋 犿 犲 狀 狋 狅 犳犘 狉 犻 犿 犪 狉 狔犐 狀 犱 狌 狊 狋 狉 犻 犲 狊，犠 犪 犵 犵 犪犠 犪 犵 犵 犪犃 犵 狉 犻 犮 狌 犾 狋 狌 狉 犪 犾 犐 狀 狊 狋 犻 狋 狌 狋 犲，犠 犪 犵 犵 犪犠 犪 犵 犵 犪 ，犃 狌 狊 狋 狉 犪 犾 犻 犪）犃 犫 狊 狋 狉 犪 犮 狋：，（），（）（），犓 犲 狔狑 狅 狉 犱 狊：；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