基于CMIP6的黄河流域极端降水时空特征分析.pdf

基于 CMIP6 的黄河流域极端降水时空特征分析*冯安兰1，2）张强1，3）宋金帛1，2）王港1，2）吴文欢1，2）（1）北京师范大学地理科学学部，北京；2）北京师范大学地表过程与资源生态国家重点实验室，北京；3）北京师范大学环境与生态前沿交叉研究院，广东珠海）摘要全球变暖背景下，极端降水灾害风险增加，严重影响了人们的生命安全，对区域经济发展造成了严重的威胁.黄河流域是重要的生态屏障和经济地带，推动黄河流域生态保护和高质量发展已成为中国国家战略.因此本文对黄河流域极端降水事件过去及未来的特征进行了研究，发现：1）19752014 年，空间分布上各极端降水指数呈现西北低、东南高的格局.时间变化上，除年降水量、中雨时间、5 日最大降水量呈微弱的下降趋势外，其余各指数均呈上升趋势但不显著，极端降水事件较少.2）20152100 年，各极端降水指数呈现显著的上升趋势，各极端降水指数的多年均值在空间分布格局上与历史时期相似，排放升高，辐射力变大，极端降水指数呈现显著增加的区域面积不断扩大.在 SSP1-2.6 情景和 SSP2-4.5 情景下，黄河流域呈现显著增加的区域集中于西南部，而在 SSP3-7.0 和 SSP5-8.5 情景下，除西南地区外，东部大部分地区极端降水呈显著增加，除年降水量外，其余各极端降水指数随着排放升高呈现显著减小趋势的区域逐渐集中于甘肃、青海两省.3）黄河流域四季的年均降水量均呈上升趋势，不同季节均具有湿润化的发展趋势.除宁夏外，其他地区的日最大降水量和 5 日最大降水量 2 种指数在四季均呈现不同程度的上升趋势，各地区这 2 种指数的最大值集中在 7 月份，预估未来时期黄河流域的暴雨洪涝灾害主要发生在夏季.本研究可为黄河流域极端降水的防范提供有效依据，为黄河流域高质量发展提供科学参考.关键词极端降水；CMIP6；时空变化特征；黄河流域中图分类号P426.6DOI：10.12202/j.0476-0301.20230200引言在全球变暖影响下，全球和区域尺度上水循环加剧1，历史观测记录及气候模式模拟结果23均显示极端降水过程正在不断加剧4，极端降水多易引发洪涝灾害或地质灾害，如洪涝56、滑坡7、泥石流8等，其引发的灾害对区域内经济发展具有重要负面影响，对工业、农业等造成严重损害，并易导致重大灾害损失，威胁生命财产安全9，已经成为人类经济社会发展的重大挑战10.诸多研究表明，全球陆地面积一半以上的地区强降水发生频率呈上升趋势11，这一强降水变化趋势进一步加大了干旱区及湿润区洪灾风险12，受灾面积和人口暴露度持续增加13.中国地形复杂，巨大的海陆差异导致该区域对气候变化异常敏感，使得自然灾害频发.中国气候变化蓝皮书（2023）显示，19612022 年中国极端强降水事件频次呈增加趋势.近些年来，中国不同区域极端降水事件的时空格局研究引起广泛关注1417.黄河流域（96119E，3242N）（图 1）是中国北方重要的生态安全屏障18，黄河全长约 5464km，是中国第 2 长河.流域内降水集中，夏秋两季多雨，降水年际变化大且分布不均1920，水害严重，波及范围广，极端降水引发的洪涝灾害有易发性特征21.已有研究发现，黄河流域极端降水指数呈西北低、东南高的空间格局22，呈现显著空间差异性，流域降水量总体呈减小趋势，极端降水事件不占主导地位，有干旱化的趋势2324，选取的历史时期不同，极端降水指数的变化不同.本文主要探讨 19752014 年黄河流域 8 个极端降水指数的时空分布特征.基于黄河流域历史时期极端降水事件的规律，科学预估未来一段时期极端降水事件的时空变化，增强对极端降水事件的防范，减小降水对地区发展造成的损失.耦合模型相互比较项目（CMIP）的全球气候模型（GCM）被广泛用于预测气候事件的未来变化2526，*国家自然科学基金委重大研究资助项目（42041006）通信作者：张强（1974），男，博士，教授，博士生导师.研究方向：水文气象学研究、洪旱灾害机理、水循环过程及其对气候变化的响应机制与机理等.E-mail:收稿日期：2023-02-08北京师范大学学报（自然科学版）2024-04270JournalofBeijingNormalUniversity（NaturalScience）60（2）其中 CMIP6 包含 CMIP 计划实施 20 多年来最多的模式数量、最完善的科学试验等27，空间分辨率和物理参数化方案得到了提高和完善28.研究表明，与CMIP5 相比，CMIP6 模型在气候极端及其趋势模式的模拟方面得到了普遍的改进29，在亚洲30、东非31、南美洲32等区域有较好的模拟效果.与此同时，基于CMIP6 对未来极端降水的研究在中国也得到了广泛的应用33，结果表明 CMIP6 在中国极端降水指数的模拟效果相较于 CMIP5 有明显提升34.但当前对黄河流域的运用较少，一些研究表明，20152100 年，在不同排放情景下，黄河流域的降水量均呈上升趋势3536，具有较高的增加速率，在春、夏、秋季降水量呈增加趋势37，旱情在 2040 年以后得到缓解38.其中各极端降水指数呈现不同程度的增加趋势，在 SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5 这 4 种未来情景下，R20mm 相较于基准期分别增加18%、40%、70%、100%，RX5day 相较于基准期分别增加4%、17%、22%、35%39，排放升高，辐射力变大，地区湿润性增强40，随着全球变暖的加剧，极端降水事件将显著增加41，未来一段时期内，黄河流域内因极端降水事件而遭受的洪涝灾害更加频繁42.因此，在气候变暖背景下，预测未来黄河流域极端降水事件的时空分布规律，科学规避极端降水灾害尤为重要.但现有研究大多是基于整个中国区域预估未来极端降水事件，或探讨未来降水量的变化，缺乏对黄河流域极端降水的针对性研究，同时在研究未来极端降水事件时考虑的指数不够全面，选取的 CMIP6 模式数量较少.而对于 CMIP6 降尺度数据的偏差校正，目前常用的方法有等距累积分布函数法（EDCDF）4344、分 位 数 映 射 法（quantile mapping，QM）45等，这类校正方法是基于降水量的概率分布，也有方法考虑降水量的均值和方差构建校正因子46.这些方法是为了调整模拟数据，使其在概率分布、均值、方差等方面更加准确地反映观测数据的特征，但忽略了极端值的模拟，会导致极端降水的预测效果较差.本文从降水整体校正和极端降水校正 2 个方面进行考虑，采用修正系数法和生成最优极端降水序列的方法对降尺度数据进行修正，较好地模拟黄河流域的极端降水事件.综上所述，本文选取了 8 个极端降水指数，根据中国地面降水日值格点数据集揭示了黄河流域 19752014 年的极端降水时空分布规律，通过 CMIP621 个全球气候模式在未来不同情景下 20152100 年的逐日降水数据，探讨了黄河流域各极端降水指数在未来的时空分布特征.本文研究结果可为黄河流域极端降水的防范提供有效依据，为黄河流域高质量发展提供科学参考.1数据与方法1.1研究数据将黄河流域划分为 0.50.5的格网，使用的降水观测数据是中国地面降水日值 0.50.5格点数据集（V2.0）（http:/），该数据集是国家气象信息中心气象资料室对 2474个国家级地面站基础气象资料的质量检测、控制和更正，对比多种降水插值模型同时引入数字高程数据，经交叉验证和误差分析，形成的一套高质量的地面基础数据文件47.降水模拟数据选取 CMIP621 个全球气候模式（表 1）输出的逐日降水数据（https:/esgf-node.llnl.gov/search/cmip6/）.将研究期分为降尺度模型建模期（19752004 年）、模型验证期（20052014 年）和未来预测期（20152100 年）.未来预测期考虑到 SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5 这 4 种情景：SSP1-2.6 指低强迫情景，2100年辐射强迫稳定在约 2.6Wm2；SSP2-4.5 指中等强迫情景，2100年辐射强迫稳定在约 4.5Wm2；SSP3-7.0 指中等至高强迫情景，2100年辐射强迫稳定在约 7.0Wm2；SSP5-8.5 指高强迫情景，2100 年辐射强迫稳定在约 8.5Wm2.其中 SSP2-4.5 为“中间地带”，即人口适度增长，各国经济收入增幅趋同，经济增长较缓，而 SSP5-8.5 为最悲观的情图1研究区概况第 2 期冯安兰等：基于 CMIP6 的黄河流域极端降水时空特征分析271景，通过化石燃料途径以气候变化产生的巨大影响为代价实现经济的急速发展48，通过比较不同社会经济和气候情景，可以直观地分析人类活动对极端气候的影响49.基于 19752004 年的逐日降水观测数据和模拟数据构建 CMIP6 降尺度模型并进行验证，最终得到不同未来情景下黄河流域基于格网尺度的逐日降水量，计算各极端降水指数，对未来时空分布规律进行探讨.1.2研究方法1.2.1降尺度和偏差校正基于 SNRD（station-basednon-linearregressiondownscaling）模 型50对 CMIP6 数据降尺度以计算黄河流域格网上的逐日降水.首先基于 19752014 年的 CMIP6 降水数据和中国地面降水日值 0.50.5格点数据构建降尺度模型，即通过主成分分析法提取 CMIP6 在上述 4 个不同排放情景下各个格网的降水特征向量，代表多个 CMIP6 模式的主要特征，将其与地面格点数据作为输入变量，建立非线性回归模型.基于构建的降尺度模型可对 20152100 年 CMIP6 数据降尺度.然后再对降尺度后的降水数据进行偏差校正51.1）降水的整体校正：i=2 004j=1 975Po,i,j2 004j=1 975Pm,i,j2 004j=1 975Tij，（1）Yij=Xij+i，（2）Po,i,jPm,i,ji式中：i 为月份，j 为年份；为实测逐日降水数据的第 i 月多年均值；为 CMIP6 模拟逐日降水数据的第 i 月多年均值；Tij代表第 j 年的第 i 月的时间（d）；为第 i 月修正系数；Xij表示第 j 年第 i 月的 CMIP6 降尺度日降水量；Yij为修正后的降尺度日降水量.2）在降水整体校正后，选择 95 百分位作为极端降水的阈值，依据历史数据进行广义极值（generalextremevalue，GEV）分布的拟合，基于 19752004 年逐日降水数据拟合得到各格网处的极端降水拟合参数，用于 20052100 年各格网处极端降水量的生成.选取年降水量（PRCPTOT）、降水强度（SDII）、强降水量（R95p）、极强降水量（R99p）、中雨日数（R10mm）、大雨日数（R25mm）、1d 最大降水量（RX1day）、5d 最大降水量（RX5day）8 个极端降水指标（表 2），评估校正后的降尺度数据对极端降水的描述效果.1.2.2极端降水指数的统计分析选取气候变化检表1CMIP6 中 21 个 GCMs 基本信息序号模式名称机构分辨率（经向网格数纬向网格数）1ACCESS-CM2CSIRO-ARCCSS1441922ACCESS-ESM1-5CSIRO1921453CESM2-WACCMNCAR2881924CMCC-CM2-SR5CMCC2881925CMCC-ESM2CMCC2881926CanESM5CCCma641287EC-Earth3欧洲EC-Earth联盟2565128EC-Earth3-Veg欧洲EC-Earth联盟2565129EC-Earth3-Veg-LR欧洲EC-Earth联盟25651210FGOALS-g3CAS1808011GFDL-ESM4NOAA-GFDL28818012INM-CM4-8INM18012013INM-CM5-0INM18012014IPSL-CM6A-LRIPSL14414315MIROC6MIROC25612816MPI-ESM1-2-HRDWD38419217MPI-ESM1-2-LRMPI-M1929618MRI-ESM2-0MRI32016019NorESM2-LMNCC1449620NorESM2-MMNCC28819221TaiESM1AS-RCEC288192272北京师范大学学报（自然科学版）第 60 卷测和指数专家组（ETCCDI）定义的 8 个极端降水指数，主要采用百分位法和绝对阈值法相结合的方式定义极端事件52，构建极端降水指标体系，具体指数见表 2，将 8 个指数划分为 3 种类型，分别为强度指数、相对指数、绝对指数53.极端降水指数计算过程在R 语言的 RclimDex1.0 软件中实现.利用黄河流域地区的极端降水指数多年均值进行空间分布分析，使用线性回归分析对历史时期（19752014 年）、未来时期（20152100 年）黄河流域极端降水的时间变化趋势进行了分析，同时将未来时 期 划 分 为 近 期（20152040 年）、中 期（20412070 年）和远期（20712100 年）.采用正态分布拟合不同季节下黄河流域年降水量的概率分布函数（probabilitydistributionfunction，PDF），四季划分标准为春季（35 月）、夏季（68 月）、秋季（911 月）、冬季（122 月）.空间趋势分析采用了非参数趋势度Sen 斜率估计长时间序列数据的趋势，依据非参数统计检验方法 Mann-Kendall 进行长时间序列数据的趋势显著性检验54，其常用于判断径流、降水等变化趋势的显著性，本文置信水平为 0.05，变化趋势分为增加、显著增加、减小、显著减小 4 个等级.2研究结果2.1降尺度模型的校正效果由图 2 可知，CMIP6 降表2极端降水指标体系指数类型指标名称指标缩写指标定义单位强度指数总降水量PRCPTOT1年内降水量之和mm降水强度SDII雨日降水量/有雨时间（日降水量1mm）mmd11d最大降水量RX1day每年内1d的最大降水量mm5d最大降水量RX5day每年内连续5d的最大降水量mm相对指数强降水量R95p降水量95%分位值的总量mm极强降水量R99p降水量99%分位值的总量mm绝对指数中雨日数R10mm降水量10mm的总日数d大雨日数R25mm降水量25mm的总日数da 修正前b 降水整体修正c 极端降水修正年份2520151050历史实测逐日降水/mmCMIP6 降尺度逐日降水/mmCMIP6 降尺度逐日降水/mmCMIP6 降尺度逐日降水/mm2520151050历史实测逐日降水/mm2520151050252015105025201510502520151050历史实测逐日降水/mm2005200620072008200920102011201220132014图2修正前后 20052014 年观测数据及 CMIP6 降尺度数据所得研究区平均降水量对比第 2 期冯安兰等：基于 CMIP6 的黄河流域极端降水时空特征分析273尺度后的逐日降水数据与历史实测数据计算所得到的 423 个格网间极端降水指标均值数据相比存在较大差异（图 2-a）.1）进行了降水整体校正，选取均方根误差（RMSE）、平均绝对误差（MAE）、相关系数（COR）3 个评价指标来验证校正结果，校正前 RMSE、MAE、COR 分别为2.545、1.705、0.507；在进行降水整体校正后，RMSE和 MAE 下降，分别为 2.392、1.522，COR 为 0.551，得到了提升，证明该方法是可行的，改善了 CMIP6 降尺度数据高估冬季降水而低估夏季降水的缺点（图 2-b）.2）提升了 CMIP6 降尺度数据对极端降水的模拟水平，依据 CMIP6 数据和历史实测数据计算格网处PRCPTOT、SDII、R95p、R99p、R10 mm、R25 mm、RX1day、RX5day 这 8 个极端降水指标的多年平均值.对 CMIP6 数据和历史实测数据所得结果做相关分析，相关系数分别为 0.9683、0.5966、0.9536、0.9516、0.9551、0.7932、0.9332、0.9293，结果表明降尺度所得结果与真实结果间相关性均能通过 0.001 显著性水平检验，对各极端降水指标的描述效果较好（图 2-c）.2.2历史时期黄河流域极端降水指数的时空分布特征基于观测数据计算了历史时期黄河流域极端降水指数的时空分布特征.19752014 年，PRCPTOT、R10mm、RX5day 呈现微弱的下降趋势但不显著，SDII、R95p、R99p、R25mm、RX1day 呈现微弱的上升趋势但不显著.在空间分布上，8 个极端降水指数均呈现由东南向西北递减的空间分布趋势（图 3）.其中PRCPTOT 的高值区分布于山东、陕西南部以及甘肃与青海、四川 2 省交界地区，年降水量1000mm；低值区集中于内蒙古，年降水量700mm，其中大部分地区年降水量272mm，低值区集中于内蒙古，多年均值72mm，低值区集中于内蒙古、青海，多年均值50mm；R95p 和 R99p 指数呈现显著减小的区域均在青海、四川、陕西等省内.R10mm 分布大致呈现北低南高的格局，内蒙古北部中雨日数最少，陕西南部中雨日数最多；但南部部分区域指数 R10mm 呈现显著减小.R25mm 在西北部地区普遍较低，为 03d.RX1day 与 RX5day 的空间分布较为相似，高值区集中于甘肃与陕西南部、河南省，RX1day 为6192mm，RX5day 为 112170mm；低值区集中于黄河上游地区和内蒙古北部，RX1day45mm，RX5day85mm.2.3未来黄河流域极端降水指数的时间变化对黄河流域 423 个格网的逐年极端降水指数均值进行了线性趋势分析（图 4），整体来说，20152100 年，在4 种未来情景下，各极端降水指数呈现显著的上升趋势，在近期（20152040 年）、中期（20412070 年）、远期（20712100 年）这种变化趋势是有差异的.在SSP2-4.5 情景下，多数极端降水指数在 2040 年以后呈现显著上升趋势，在 SSP3-7.0、SSP5-8.5 情景下，各极端降水指数在 2070 年以后上升趋势最为明显，在未来黄河流域地区极端降水事件呈现增加的趋势.利用线性趋势法分析不同时期黄河流域极端降水指数的时间变化特征，由表 3 可知，在 SSP1-2.6 情景下，PRCPTOT 和 R10mm 在 3 个时期均呈上升趋势，其余各指数在近期均呈下降趋势，但到了中期、后期，这些指数开始呈现上升趋势但不显著.在SSP2-4.5 情景下，RX1day 在近期呈减小趋势，其余各极端降水指数在 3 个时期均呈上升趋势，PRCPTOT、SDII、R95p、R10mm 到中期开始呈显著上升趋势，仅有 PRCPTOT 指数在远期呈显著上升趋势.在 SSP3-7.0 情景下，各极端降水指数均呈上升趋势.近期，PRCPTOT 呈显著上升趋势；中期，所有指数呈不显著上升；远期，PRCPTOT、R95p、R99p、R10mm、RX5day呈显著上升趋势.在 SSP5-8.5 情景下，同样各极端降水指数均呈上升趋势，中期，PRCPTOT 和 R10mm 呈显著上升趋势；远期，所有指数均呈显著上升趋势.总体上，年降水量 PRCPTOT 在 4 种情景下相较于其他指数，其趋势系数最大，上升趋势最为明显，而其余 7 种指数在中后期几乎都呈现不同程度的上升趋势.不同情景下，相同极端降水指数在相同时期内，随着 SSP 方案的提高，趋势系数不断变大，说明降水的变化率在增大.2.4未来黄河流域极端降水指数的空间变化将黄河流域划分为 423 个格网并进行了空间趋势分析（图 57），柱体上方的数字分别代表极端降水指数呈增加、显著增加、减小、显著减小的格网总数，部分格网区域无明显变化.20152100 年，在 4 种未来情景下，各极端降水指数的多年平均值空间分布格局与历史时期相似，均呈现西北低、东南高的空间分布特征，但排放升高，极端降水指数呈现显著增加的区域面积不断扩大，在 SSP1-2.6 和 SSP2-4.5 情景下，黄河274北京师范大学学报（自然科学版）第 60 卷流域呈现显著增加的区域集中于西南部；在 SSP3-7.0 和 SSP5-8.5 情景下，除西南地区外，东部大部分地区极端降水呈显著增加.1）对于强度指数（图 5），大部分地区的 PRCPTOT呈现显著增加趋势，排放升高，呈现显著增加趋势的区域由西南向东部递增，区域面积不断增大，呈现上升趋势的格网在 4 种情景下所占比例为 0.371、0.589、0.764、0.832，且不存在 PRCPTOT 显著减小的区域，甘肃、宁夏 2 地 PRCPTOT 呈明显增加的区域比例较小，尤其是宁夏地区.SDII 与 PRCPTOT 具有明显不同的一点，排放升高，呈现显著减小的区域面积不断增加，所占比例由 0.019 增加到了 0.064，且这些区域100404535404535404535404535105110115100105110115NPRCPTOTPRCPTOT/mmR95p/mmRX1day/mmRX5day/mmR10 mm/dR25 mm/dR99p/mmSDIISDII/(mmd1)R95pR10 mmRX1dayRX5dayR25 mmR99p05001 000 km显著减小显著增加26333945505561687554657685931021121231361345789101210141720222528313691122151182210239272306355273542505865728087360495601701789883983 1 077 1 2185.15.66.26.87.48.08.69.310.0Slope=0.571 P=0.503Slope=0.214 P=0.635Slope=0.020 P=0.511Slope=0.026 P=0.551Slope=0.003 P=0.984Slope=0.005 P=0.658Slope=0.062 P=0.753Slope=0.007 P=0.2561980800700600500199020002010年份1980199020002010年份198024211815199020002010年份1980199020002010年份1980199020002010年份1980199020002010年份1980199020002010年份19808.07.57.06.56.0199020002010年份250200150100806040207654352484440110100908070图319752014 年黄河流域极端降水指数的时空分布特征第 2 期冯安兰等：基于 CMIP6 的黄河流域极端降水时空特征分析275集中分布于青海北部和甘肃.RX1day 和 RX5day 与前 2 种指数相比，呈现显著增加的区域面积较小，同样的是在 SSP5-8.5 情景下，呈现显著增加的区域面积最大，但分别仅占 0.215 和 0.291.对于指数 RX5day，同样是随着排放的升高，呈现显著减小的区域增多，在 SSP5-8.5 情景下，这些区域集中于青海北部和甘PRCPTOT/mmR95p/mmRX1day/mmRX5day/mmR10 mm/dR25 mm/dR99p/mmSDII/(mmd1)PRCPTOTSDIIR95pR10 mmRX1dayRX5dayR25 mmR99p1 1001 0501 0009509008504.84.64.44.24.03.8400360320280240200160140120100806020181614125.04.54.03.52.53.065605550451401301201101009020402020206020802100年份20402020206020802100年份SSP1-2.6;SSP2-4.5;SSP3-7.0;SSP5-8.5;图420152100 年黄河流域极端降水指数的时间变化特征表3黄河流域 20152100 年极端降水指数趋势分析结果情景SSP1-2.6SSP2-4.5SSP3-7.0SSP5-8.5指标近期中期远期近期中期远期近期中期远期近期中期远期PRCPTOT/mm0.5860.9520.3211.4281.701*1.648*1.464*1.0712.255*1.3171.714*2.966*SDII/（mmd1）0.0030.0030.0020.0010.007*0.0050.0030.0020.0050.0010.0030.007*R95p/mm0.6580.5540.5950.4471.204*1.1770.9540.7021.483*0.5610.8692.011*R99p/mm0.5710.2920.3810.1590.5550.4840.7140.4840.810*0.3200.3701.163*R10mm/d0.0080.0270.0170.0340.059*0.0570.0240.0250.058*0.0220.048*0.077*R25mm/d0.0190.0080.0090.0040.0140.0180.0120.0080.0210.0090.0110.027*RX1day/mm0.0760.0380.0680.0010.0740.0730.1220.0980.1190.0740.0680.198*RX5day/mm0.2820.0520.2690.1300.1820.2610.2950.2040.386*0.2350.1560.396*注：表格内数字代表趋势系数；*为显著性水平P0.001，*为显著性水平P0.01，*为显著性水平P0.05.276北京师范大学学报（自然科学版）第 60 卷肃，这一点与 SDII 指数相同.同时可以观察到，在 SSP1-2.6 和 SSP2-4.5 情景下，SDII 呈现显著减小的区域集中于流域南部以及内蒙古，而 RX1day、RX5day这 2 种指数呈现显著减小的区域也均有在内蒙古分布，在 SSP3-7.0 和 SSP5-8.5 情景下，这些显著减小的区域便大多分布在青海北部和甘肃，这与年降水量的空间变化趋势十分契合.2）对于相对指数（图 6），随着排放的升高，呈现显著增加趋势的区域由西南向东北递增，面积增大，与强度指数相同，呈现显著减小的区域从集中于内蒙古地区到集中于甘肃地区.呈现显著增加或显著减小的区域面积较强度指数来说均较少，在 SSP5-8.5 情景下，这 2 种指数呈现显著增加的区域面积所占比例分别为 0.470 和 0.319，而相同情景下的 PRCPTOT 指数，分别是其的 1.770 和 2.608 倍，同时这 2 种指数呈现显著减小的区域也较少，所占比例均为 0.017.3）对于绝对指数（图 7），可以明显观察到的是，其呈现显著增加或显著减小的区域在 3 类指数中所占比例为最小.尤其是 R25mm，其多数地区无明显的变化趋势，在 SSP5-8.5 情景下，该指数呈现显著增加的区域所占比例也仅有 0.217，而相同情景下的 PRCPTOT指数是其的 3.834 倍.然而，与前 2 类指数不同的是，在 SSP1-2.6 情景下，呈现显著减小的区域并没有分布在内蒙古，而是主要分布在陕西.整体而言，在未来黄河流域降水呈现西北低、东南高的空间分布特征依旧不会改变，排放升高，极端降水指数在空间上呈现显著增加的区域不断增大，地区湿润性越来越强，说明人类活动对黄河流域极端降水事件具有显著的影响.但在不同情景下，各区域的极端降水指数具有不同的变化趋势，黄河流域东南部多年平均降水较多，且在 SSP3-7.0 和 SSP5-8.5 情景下极端降水指数在该区域呈现显著上升趋势，未来发生极端降水的可能性较大，要警惕暴雨洪涝等灾害的发生.而黄河流域西南部较为干旱但极端降水指数在 4 种未来情景下呈现显著的增加趋势，在未来旱情可能会有所缓解，但其处于黄河上游地区，地势高，汇入干流水量加大，中游黄土高原丘陵区土层深厚，黄土土质疏松，暴雨径流侵蚀强烈，而20515761877945880373842166413851622491289129281735324322685110297323310111120189770221252947526235298891223201123909861632427N4035403540354035100708397111124142166193105 110 115100 105 110 115100 105 110 1150 5001 000 2 000km100 105 110 115显著减小显著减小减小显著增加显著增加增加28354352586779945.75.34.84.44.13.93.63.25056767908971 0301 1631 2831 492SSP1-2.6_PRCPTOTSSP2-4.5_PRCPTOTSSP3-7.0_PRCPTOTSSP5-8.5_PRCPTOTSSP1-2.6_SDIISSP2-4.5_SDIISSP3-7.0_SDIISSP5-8.5_SDIISSP1-2.6_RX1daySSP2-4.5_RX1daySSP3-7.0_RX1daySSP5-8.5_RX1daySSP1-2.6_RX5daySSP2-4.5_RX5daySSP3-7.0_RX5daySSP5-8.5_RX5day图520152100 年黄河流域极端降水强度指数的空间变化特征第 2 期冯安兰等：基于 CMIP6 的黄河流域极端降水时空特征分析277下游地势平坦，对其威胁严重，易引发暴雨洪水，造成下游泥沙堆积成为洪水重灾区，且下游人口密度大，经济发达，一旦发生洪水会造成重大的经济损失，河南、山东作为中国主要的粮食生产区，也要预防其对农业生产造成的危害.甘肃、宁夏 2 地多年平均降水量较少，干旱情况较为严重，年降水增加趋势并不明显，部分极端降水指数呈显著下降趋势，未来需要加强旱灾风险防范.2.5未来黄河流域极端降水指数的季节变化根据以上分析，SSP2-4.5 和 SSP5-8.5 情景具有显著的区别，这 2 种情景代表了未来可能的排放区间从中等排放到高排放情景，提供一个接近未来实际降水范围的估计，涵盖了可能的不同排放水平对极端降水的影响.因此选取 SSP2-4.5 和 SSP5-8.5 这 2 种情景，探讨未来黄河流域极端降水指数的季节变化（图 8）.在SSP2-4.5 和 SSP5-8.5 情景下，四季的年均降水量随着时间的推移而不断增加，但年均降水量的涨幅较小，主要降水特征为夏季多、冬季少.从降雨概率分布的角度可得到，在不同的未来情景下，随着时间变化，降水量的峰值都在向右变化，说明降水量在增加，与前面探讨的变化趋势是相同的；在这 2 种情景下，4 季降雨量的概率分布函数（probabilitydistributionfunction，PDF）在向右移动，分布曲线的右端在变大，说明有更高的概率出现更强的降水事件，尤其是在 SSP5-8.5 情景下，这种分布变化更为明显.整体来说，分布变化显示出不同季节均具有湿润化的发展趋势.在 省 级 尺 度 上 比 较 极 端 降 水 指 数 RX1day 和RX5day 的季节变化（图 9）.首先对于 RX1day（图 9-a），青海、山东、四川的 RX1day 在 2 种未来情景下整体上 4 季均呈现显著增加的变化趋势，夏季 RX1day 的倾向率均为最大，其余 3 季的倾向率较小.在 SSP5-8.5 情景下，甘肃、宁夏的夏季 RX1day 不具有明显增加趋势，在 SSP2-4.5 情景下，宁夏、内蒙古、山西、河南、陕西的夏季 RX1day 不具有明显增加趋势，其中40N354035100506683100120147179211105 110 115100 105 110 115100 105 110 1150 5001 000 2 000km100 105 110 115显著减小显著减小减小显著增加显著增加增加158205245286338393451518SSP1-2.6_R95pSSP2-4.5_R95pSSP3-7.0_R95pSSP5-8.5_R95pSSP1-2.6_R99pSSP2-4.5_R99pSSP3-7.0_R99pSSP5-8.5_R99p2168211672011497112212511491531996371775890719283651192111531161135627图620152100 年黄河流域极端降水相对指数的空间变化特征91822441422183102157823613127144137247327621713918926 240N3540351001234679105 110 115100 105 110 115100 105 110 1150 5001 000 2 000km100 105 110 115显著减小显著减小减小显著增加显著增加增加681012141516SSP1-2.6_R10 mmSSP2-4.5_R10 mmSSP3-7.0_R10 mmSSP5-8.5_R10 mmSSP1-2.6_R25 mmSSP2-4.5_R25 mmSSP3-7.0_R25 mmSSP5-8.5_R25 mm图720152100 年黄河流域极端降水绝对指数的空间变化特征278北京师范大学学报（自然科学版）第 60 卷陕西的春季 RX1day 在 SSP2-4.5 情景下同样不具有明显增加趋势.在 9 个省份中，仅有宁夏在 2 种情景下，夏季 RX1day 均呈现微弱的下降趋势但不显著，其秋季 RX1day 增加最多.总的来说，除宁夏以外，各省份RX1day 的倾向率均为夏季最高.其次对于 RX5day（图 9-b），青海、山东、山西的 RX5day 在 2 种未来情景下整体上四季均呈现显著增加的变化趋势，夏季RX5day 的倾向率均为最大，其余 3 季的倾向率较小.在 SSP5-8.5 情景下，甘肃、宁夏、陕西的夏季 RX5day不具有显著增加趋势，在 SSP2-4.5 情景下，甘肃、宁夏、内蒙古、陕西的夏季 RX5day 不具有显著增加趋势，其中在 SSP2-4.5 情景下，内蒙古、河南的春季RX5day 以及四川的秋季 RX5day 同样不具有显著增加趋势.在 9 个省份中，仅有宁夏在 SSP5-8.5 情景下，夏季 RX5day 呈现微弱的下降趋势但不显著，其秋季RX5day 增加最多.上游地区的青海、四川这 2 省的四季 RX1day 和RX5day 几乎全呈现显著增加趋势，而下游地区的河多年平均降水量变化春季夏季秋季冬季降水概率分布近期(SSP2-4.5)中期(SSP2-4.5)远期(SSP2-4.5)近期(SSP5-8.5)中期(SSP5-8.5)远期(SSP5-8.5)近期(SSP2-4.5)中期(SSP2-4.5)远期(SSP2-4.5)近期(SSP5-8.5)中期(SSP5-8.5)远期(SSP5-8.5)概率密度2001601208040020304050100年均降水量/mm年均降水量/mm年均降水量/mm年均降水量/mm近期远期中期SSP2-4.5SSP5-8.5SSP2-4.5SSP5-8.5SSP2-4.5SSP5-8.5近期远期中期近期远期中期近期远期中期SSP2-4.5SSP5-8.528 30 32 34 36 38 40 42 44 46 48 500.350.300.250.200.150.100.050总降水量/mm概率密度0.350.300.250.200.150.100.050总降水量/mm概率密度28 30 32 34 36 38 40 42 44 46 48 500.350.300.250