天山地区未来日极端气温变化的统计降尺度分析_李成

第29卷第3期2015年3月干旱区资源与环境

Journal of Arid Land Ｒesourcesand Environment

doi ：10．13448/j．cnki．jalre．2015．095

Vol．29No．3

Mar．2015

文章编号：1003－7578（2015）03－144－06

天山地区未来日极端气温变化的统计降尺度分析

1，21，222

李成，王让会，黄进，管延龙

（1．中国气象局乌鲁木齐沙漠气象研究所，乌鲁木齐830002；2．南京信息工程大学环境科学与工程学院，南京210044）

提要：基于天山地区27个气象站日最高、最低气温资料及NCEP 再分析资料对统计降尺度模型

（SDSM ）进行率定和验证，B2情景分别输入率定后的确定模型应用的预报因子，并将HadCM3输出的A2、SDSM 中，2050s 和2080s ）日最高、生成未来3个时期（2020s 、最低气温变化情景。结果表明：SDSM 模型对于天山地区日最高、最低气温的模拟效果较好；未来日最高、最低气温总体呈增温趋势，其增幅在A2情景下比B2情景下高，且日最高气温增幅普遍高于日最低气温；春季增温最大，而冬季增幅最小；日最高、最低气温在未来3个时期的空间变化趋势较为一致，两者的空间变化在A2和B2情景下大体呈现出由北向南逐渐减弱的趋势。

关键词：气候变化；日极端气温；统计降尺度；情景分析；天山地区

中图分类号：P467

文献标识码：A

20世纪后半叶以来，全球变暖趋势进一步加剧。IPCC 第4次评估报告也指出，全球地表温度在过去

［1］

100a 已升高0．74ħ ，到21世纪末将平均增温1．1 6．4ħ ，近50a 我国年平均气温升温率达0．22ħ /

［3］

10a ［2］，而天山地区增幅约0．32ħ /10a。温度升高可能导致极端气候事件频发，给生态系统及人类社会带来一定的负效应。由此可见，开展未来区域气候变化预测研究具有重要意义。国内外相关研究表［4－5］

，明大气环流模式（GCMs ）是未来气候情景预估的重要方法，但需要降尺度技术弥补其输出的空间分

［6］［7］

岛屿等下垫面不均匀环境的预测较好，且易于操作，辨率不高的问题。由于统计降尺度方法对高山、

［8，9］

。目前被广泛应用

近年来，有关特殊地域对气候变化的响应已成为研究热点。天山地区作为我国西北气候转型最显著

［10］［11］

的区域之一，很多学者从不同角度开展了相关研究工作，如蓝永超等的研究结果表明，近46a 天山

［12］

气候呈较明显的暖湿化趋势，天山南坡降水增幅高于北坡。汪宝龙等采用1960 2009年逐日最高、最

天山地区极端冷指标、极端气温年较差呈下降趋势，极端暖指标均呈显著的上升趋低气温资料分析发现，［13］

势。李奇虎和陈亚宁在探讨天山气侯变化对径流量的影响时，指出气温升高与径流量增加的关联趋势较降水增多更为明显。但目前有关天山地区未来气候变化情景的研究还很少见。有鉴于此，文中基于统

模拟未来气温变化幅度，为今后区域生态计降尺度模型（SDSM ）对天山地区日极端气温进行降尺度分析，

建设及资源可持续利用等提供科学依据。

1材料与研究方法

1．1研究区概况

75ʎ15' 93ʎ31'E ）地处欧亚大陆腹地，天山地区（39ʎ43' 45ʎ22'N ，属典型的大陆性干旱气候，境内地

形、地貌复杂多样，高山、盆地、沙漠广布，河流纵横，气候干燥，山区虽降水较多但整体稀少且分布不均，蒸

自然灾害频发，土地和矿产资源丰富。这里既是气候变化敏感区域，又是生态脆弱带，还是全疆经发强烈，

［1］

济社会发展的重点区域。

收稿日期：2014－3－19；修回日期：2014－3－31。

基金项目：中国沙漠气象科学研究基金（sqj2012006）；国家科技支撑计划（2012BAC23B01；2012BAD16B03）资助。作者简介：李成（1988－），男，江苏人，硕士研究生，研究方向为气象生态。E －mail ：licheng_nj@163．com

通讯作者：王让会（1963－），男，陕西人，教授，博士研究生导师，主要从事全球变化的区域响应、生态系统耦合关系等领域的研究工

作。

第3期李成等天山地区未来日极端气温变化的统计降尺度分析·145·

1．2资料来源

NCEP 再分析资料以及GCM （HadCM3）的输出数据：研文中所采用的数据资料主要包括：气象资料、

究区27个气象站（图1）1961 2000年逐日最高、最低气温资料来源于中国气象科学数据共享网，资料经过完整的质量控制；选取覆盖天山区域且有实测站点的7个网格1961 2000年的NCEP 再分析资料；选用Hadley Centre 海气耦合气候模式（HadCM3）的数据，包括A2和B2两种气候情景，序列年限为1961 2099年

。

1．3研究方法

SDSM 是综合天气发生器和多元

［14］

回归两种方法的统计降尺度模型。

［15－16］

：1）根据研主要包括如下几方面

究目的从大气环流因子中选取若干个

［7］

最佳预报因子；2）SDSM 模型对选定的一组预报量和预报因子序列构建统

完成模型的率定；3）应用天气计关系，

判发生器模拟生成各预报量的日序列，

断其与实测序列的偏差；4）模型确定后，将GCM 输出的未来气候情景作为输入变量，生成各站点的未来日数据序列；5）与基准期比较，分析未来气候要

图1研究区气象站点的分布素的变化趋势。

2结果与分析

Figure 1The location of meteorological stations in study area

文中选取研究区27个气象站日最

最低气温为预报量。通过模型相关分析、偏相关分析和散点图模拟确定与各预报量相对应的预报因高、

p850及mslp 等因子；子。对于最高气温而言，大多数站点都选用p500和temp 。个别站点也选择了shum 、

temp 是大部分站点都选取的，p500及对于日最低气温而言，不同站点另外选取的因子各不相同，如shum 、

p8_u等。上述各预报因子的含义参见文献［5－8］。2．1SDSM 模型率定与验证

采用1961 1990年的实测数据和NCEP 再分析数据对模型进行率定；采用1991 2000年的数据对

模型进行验证。SDSM 模型给出了率定期的解释方差（Ｒ）和标准误差（SE ）。各站日最高气温的Ｒ为0．755 0．895，SE 在2．567 3．711之间；日说明选择的预报因子能够解释日最高气温超过75．5%的方差，

SE 介于2．707 3．890之间。说明SDSM 模型对于日最高气温的模拟效最低气温的Ｒ为0．644 0．896，

果相对较好。

在各站率定期内日最高、最低气温实测和模拟的日序列散点图中，其趋势线斜率分别在0．993 0．

997、0．913 0．996之间；Ｒ的均值分别为0．938和0．916。如图2所示，研究区平均日最高、最低气温实

测和模拟的日序列的趋势线斜率分别达到1．004和1．005；Ｒ值分别为0．975和0．964，模拟效果较好。

在各站验证期内日最高、最低气温实测和模拟的日序列散点图中，其趋势线斜率分别介于0．923 1．

009、0．911 1．003之间；Ｒ的均值分别为0．938和0．916。研究区平均日最高、最低气温实测和模拟的

模拟效果也较好（图2）。日序列的趋势线斜率分别达到0．981和0．941；Ｒ值分别为0．977和0．965，

为定量描述其模拟效果，文中运用模型平均偏差对验证期日最高、最低气温的模拟值与实测值的月平均序列进行了比较。结果表明，验证期内研究区月平均日最高、最低气温的实测值与模拟值拟合较好。除拜城站日最高气温的偏差超过1ħ 外，其余站点的偏差在－0．380 0．587ħ 之间；日最低气温模拟值系

［17］

统性的低于实测值，这与许吟隆等的结论一致。2．2生成未来情景

IPCC 提供了基准期及未来3个时段的参数［18］，在SDSM 模型中，应用HadCM3输出A2和B2两种情景下研究区1961 2099年27个站点逐日最高、最低气温序列。为分析GCM 预报因子变量的潜在误差，

·146·干旱区资源与环境第29卷

图2日最高、最低气温实测和模拟的日序列散点图

Figure 2Scatter plots of daily maximum and minimum temperatures between measured and simulated series

NCEP 再分析资料的模拟值及HadCM3在当前时期气候强迫条件需对基准期日最高、最低气温的实测值、

B2情景经SDSM 降尺度后的数据进行比较。如图3所示，B2情景下日最高、下（CCF ）的A2、基准期A2、

最低气温的CCF 模拟值分别仅在2月和3月比实测值偏高1ħ 以上，其他月份的误差较小。基准期内2种情景的降尺度模拟值都较为接近，但B2情景比A2情景更接近实测值和NCEP 模拟值。基于SDSM 模

最低气温，表明由此生成的未来气温变化情景是可靠型构建的降尺度关系能较好地模拟基准期日最高、

的

。

NCEP 再分析资料和SDSM 降尺度CCF 模拟值的比较图3基准期实测数据、

Figure 3Comparison among observed data ，NCEP modeled data and SDSM downscaled data during 1961－1990

A2和B2情景下未来日最研究区未来日最高、最低气温总体呈增温趋势。由表1可知，在年尺度上，

高、最低气温都呈现明显的上升趋势，且由2020s 到2080s 的增幅逐期加大，其增幅在A2情景下比B2情

［19］

景下高，且日最高气温增幅普遍高于日最低气温，但3个时期的增幅均未超出我国平均变化范围。在季尺度上，日最高、最低气温在四季的变化趋势是一致的，且总趋势与年变化趋势较为相似，但在增温幅度

第3期李成等天山地区未来日极端气温变化的统计降尺度分析·147·

上略有差异。春季增幅最为明显，平均为2．95ħ ，最高达到5．33ħ ，冬季增温最小，约为1．91ħ 。在月尺

日最高、最低气温仅在2020s 的12月份呈降温趋势外，其余月份均呈上升趋势，且最高、最低气温变度上，

化幅度最大的月份分别为3月和2月，变幅最小的月份均出现在12月（图4）。

表1天山地区未来日最高、最低气温的季和年变化（ħ ）

Table 1Changes of future maximum and minimum temperatures in Tianshan Mountains

情景/气温日最高气温A2情景下增幅B2情景下增幅日最低气温A2情景下增幅B2情景下增幅

时期基准期2020s 2050s 2080s 2020s 2050s 2080s 基准期2020s 2050s 2080s 2020s 2050s 2080s

春季16．14+2．41+3．40+5．33+2．09+2．97+4．002．30+1．87+2．59+3．86+1．64+2．25+2．94

夏季28．35+1．11+2．62+4．84+1．22+2．31+3．4513．89+0．50+1．54+2．89+0．64+1．39+2．07

秋季14．25+1．17+2．43+4．53+1．11+2．39+3．370．51+0．96+1．56+2．64+0．80+1．52+2．12

冬季－3．15+0．63+1．91+3．47+0．28+1．53+2．44－15．89+1．21+2．27+3．62+0．82+2．00+2．76

年13．93+1．31+2．56+4．52+1．15+2．27+3．290．27+1．06+1．92+3．18+0．90+1．72+2．

图4天山地区未来日最高、最低气温月变化

Figure 4Changes of future maximum and minimum temperatures in Tianshan Mountains

2050s 和2080s 时期的空间变化趋势较为一致。从整体上看，研究区未来日最高、最低气温在2020s 、

两者的空间变化在A2和B2情景下大体呈现出由北向南逐渐减弱的趋势。本研究以A2情景下2080s 时

4．85ħ 及4．期的空间分布为例（图5），日最高气温在天山北麓、山区及南麓的平均增幅分别为5．20ħ 、

3．15ħ 及2．15ħ ，04ħ ；日最低气温的平均增幅分别为4．91ħ 、其中日最高、最低气温增幅最大的区域均

在乌苏地区。

3讨论

天山地区地处我国西北干旱区，气候干燥，降水稀少，生态脆弱，具有独特的山地－绿洲－荒漠耦合系

使其气候变化情形较复杂。文中研究表明，未来天山地区的气温将不统。受西风环流和季风的共同影响，

断升高，增温呈现由北向南逐渐减弱的趋势，增幅表现为：日最高气温＞日最低气温；春＞夏（秋）＞冬。

［19］

这与我国未来总体变化趋势略有不同：如秦大河等指出未来我国最低气温的增幅较最高气温大；丁一

［20］［7－9，16，21］

汇等也指出未来冬、春季增暖大于夏、秋季。但本研究的结果与西北其他区域基于SDSM 模型

反映了我国西北气候在全球变暖的背景下，又具有一定的区域性特征。天山地区未来增的预测结果相似，

温趋势可能会对区域水、土、气、生等资源产生潜在影响，在天山" 申遗" 成功的背景下，如何增强生态系统应对气候变化的能力，提高绿洲农牧业生产力等一系列问题，应引起重视。

气候变化具有不确定性。未来气候情景预估中的不确定性主要由大气环流模式和降尺度方法等引

·148·干旱区资源与环境第29卷

图5

A2和B2情景下2080s 天山地区未来日最高气温（左图）、最低气温（右图）变化的空间分布

Figure 5Spatial distribution of future maximum and minimum temperature changes

under the A2and B2in the 2080s scenario in Tianshan Mountains

起。由于受数据资料所限，本研究采用HadCM3模式及SDSM 模型，因而在下一步研究中，可以采用多模式耦合方法以降低气候预测的不确定性。但鉴于HadCM3模式及SDSM 模型在我国具有较好的适用性，

SDSM 模型对于降水的预测效果不理这在一定程度上也降低由不确定性所带来的影响。不可否认的是，

想，仅能预测降水趋势，而对降水量的预测偏差较大。这可能是因为降水除了受大气环流的影响外，还与

［22］

下垫面性质、边界层特征等密切相关。今后工作中将对未来降水的变化作深入探讨。

4结论

（1）基于SDSM 模型对天山地区日最高、NCEP 再分析最低气温的模拟效果较好。基准期内实测值、资料模拟值和两种气候情景降尺度的模拟值都较为接近，但B2情景比A2情景更接近于实测值。

（2）天山地区未来日最高、最低气温总体呈增温趋势，其增幅在A2情景下比B2情景下高，且日最高气温增幅普遍高于日最低气温；春季增幅最大，冬季增温最小。

（3）天山地区日最高、最低气温在未来3个时期的空间变化趋势较为一致，两者的空间变化在A2和B2情景下大体呈现出由北向南逐渐减弱的趋势。

参考文献

［1］李成，J ］．水土保持研究，2013，20（6）：117－124．王让会，黄进．天山北麓近50a 气温和降水的变化特征［［2］潘攀，．干旱区资源与环境，2011，25（5）：72－76．王纪军，刘莎．21世纪河南省未来气候变化趋势预估［J ］［3］曹亚娟，2011，25（12）：92－96．延军平．天山南北气候变化特征比较［J ］．干旱区资源与环境，

［4］刘绿柳，2008，4（3）：167－172．刘兆飞，徐宗学．21世纪黄河流域上中游地区气候变化趋势分析［J ］．气候变化研究进展，

［5］Wilby ＲL ，Wigley T M L ，Conway D ，et al．Statistical downscaling of general circulation model output ：A comparison of methods ［J ］．Water Ｒe-sources Ｒesearch，1998，34（11）：2995－3008．

［6］黄俊雄，J ］．资源科学，2008，30（12）：1811－1817．徐宗学，刘兆飞，等．统计降尺度法分析太湖流域未来气候变化情景［［7］章杰，J ］．干旱区研究，2013，30（2）：322－328．白红英，袁博，等．秦岭地区气温变化统计降尺度研究［

［8］刘兆飞，2008，31（6）：822－829．徐宗学，刘绿柳，等．塔里木河流域未来最高和最低气温变化趋势［J ］．干旱区地理，

［9］赵姹，．西北农林科技大学学报（自然科学版），2013，41（6）：227－李志，刘文兆．基于GCM 泾河流域未来温度变化的降尺度预测［J ］

234．

［10］Shi Y F ，Shen Y P ，Hu ＲJ．Preliminary study on signal ，impact and foreground of climatic shift from warm －dry to warm －humid in Northwest

2002，24（3）：219－226．China ［J ］．Journal of Glaciology and Geocryology ，

［11］蓝永超，2008，22（10）：66－71．沈永平，苏宏超，等．全球变暖情景下新疆降水的变化［J ］．干旱区资源与环境，

［12］汪宝龙，J ］．自然资源学报，2012，27（10）：1720－1733．张明军，魏军林，等．西北地区近50a 气温和降水极端事件的变化特征［

［13］Li Qihu ，Chen Yaning．Climate change and its effects on runoff in the north of Tianshan ，Xinjiang ［J ］．Meteorological and Environmental Ｒe-2012，3（10）：31－35．search ，

［14］赵芳芳，．高原气象，2008，27（1）：153－161．徐宗学．黄河源区未来地面气温变化的统计降尺度分析［J ］

［15］Hay L E ，Wilby ＲL ，Leavesley G H．A comparison of delta change and downscaled GCM scenarios for three mountainous basins in the United

States ［J ］．Journal of the American Water ＲesourceAssociation ，2000，36（2）：387－397．

［16］刘兆飞，J ］．资源科学，2009，31（8）：1573－1580．徐宗学．基于统计降尺度的渭河流域未来日极端气温变化趋势分析［［17］许吟隆，ＲichardJ．利用ECMWF 再分析数据验证PＲECIS对中国区域气候的模拟能力［J ］．中国农业气象，2004，25（1）：5－9．

第3期李成等天山地区未来日极端气温变化的统计降尺度分析·149·

［18］IPCC．Special Ｒeporton Emissions Scenarios ［M ］．Cambridge ：Cambridge University Press ，2000．

［19］秦大河，．气候变化研究进展，2005，1（1）：4－丁一汇，苏纪兰，等．中国气候与环境演变评估（I ）：中国气候与环境变化及未来趋势［J ］

9．

［20］丁一汇，J ］．气候变化研究进展，2006，2（1）：3－8．任国玉，石广玉，等．气候变化国家评估评估（I ）：中国气候变化的历史和未来趋势［［21］Qiu Bing ，Jiang Jiahu．Analysis of trends of future temperature in the Bosten Lake Basin based on a statistical downscaling model ［J ］．Journal of

2010，1（3）：268－273．Ｒesourcesand Ecology ，

［22］吕妍，J ］．干旱区资源与环境，2009，23（11）：65－71．王让会，蔡子颖．我国干旱半干旱地区气候变化及其影响［

Statistical downscaling of future daily extreme temperature change in Tianshan Mountains

LI Cheng 1，，WANG Ｒanghui1，，HUANG Jin 2，GUAN Yanlong 2

（1．Institute of Desert Meteorology ，China Meteorological Administration ，Urumqi 830002，China ；

2．School of Environmental Science and Technology ，Nanjing University of Information Science and Technology ，Nanjing 210044，China ）

Abstract ：The SDSM was applied to develop the quantitative statistical relationships between the predictands and the predictors based on daily maximum and minimum temperature data observed and the NCEP re －analysis data in Tianshan Mountains during the period of 1961－2000．The daily temperature for future periods （2020s ，2050s and 2080s ）was estimated by using the validated transfer function from output of the HadCM3SEＲSA2and B2at 27meteorological stations．Ｒesultsshow that SDSM is efficient for reproducing observed daily temperature at each station．There is an obvious increasing trend for daily temperature in the future．Both of them show a greater increasing range in A2scenario that in B2scenario ，while daily maximum temperature shows a greater increasing range than and minimum temperature in both scenarios．The broadest range was found in spring while the lowest was in winter．The spatial distributions of daily temperature are similar in the future periods．The daily incre-ments of temperature in A2and B2scenarios become smaller from the north to the south of Tianshan Mountains．Key words ：climate change ；daily extreme temperature ；statistical downscaling ；scenario analysis ；Tianshan

Mountains