付大容，陈笑蝶，刘亦婷，刘 力，彭守璋
2001-2100年中国区域季节平均温度变化的时空格局*
付大容1，陈笑蝶1，刘亦婷1，刘 力2，彭守璋3**
（1.西北农林科技大学资源环境学院，杨凌 712100；
2.浙江树人学院，绍兴 310015；
3. 西北农林科技大学黄土高原土壤侵蚀与旱地农业国家重点实验室，杨凌 712100）
基于1km分辨率长时间序列温度数据集,采用距平法、Mann-Kendall趋势检验法和Sen’s斜率估计法，分析四季平均气温在历史时期（2001−2020年）与未来时期（2021−2100年）低强迫情景（SSP119）、中等强迫情景（SSP245）和高强迫情景（SSP585）下的变化幅度和变化趋势的时空格局，以期为气候变暖背景下制定详细的区域适应性策略提供依据。结果表明：（1）相比历史时期，未来时期在3个情景下的四季均温总体上升，且夏季增温区域面积最大，其中SSP119情景下增温1～2℃的区域占66.70%，SSP245和SSP585情景下增加2℃以上的区域分别占37.37%和99.06%；
同时，3个SSP情景下的季节均温的整体变化幅度具有显著差异，SSP119情景下较缓和，SSP245情景次之，SSP585情景增温幅度最大。（2）在历史时期，相比其他季节，春季均温的显著上升速率最快（0.68±0.24℃∙10a−1），且面积占比最大（14.44%），主要分布于华北、云贵川和江浙局部区域。（3）在未来时期，中国区域季节均温呈总体上升趋势，且具有显著的空间差异；
其中，在SSP119情景下，春季和冬季均温显著上升的区域主要集中于中国南部和青藏高原局部区域，面积占比分别为29.03%和25.58%，在SSP245和SSP585情景下，中国所有区域的季节均温呈显著上升趋势；
在SSP585情景下，北方的季节均温显著上升速率比南方快，全国区域在冬季的显著上升速率最快（0.66±0.09℃∙10a−1）。
季节均温；
时空格局；
变化趋势；
SSP情景；
中国区域
政府间气候变化专门委员会（IPCC）第五次报告指出，到21世纪末，在估算最保守的情景下，全球地表均温的增加可能超过1.5℃，在此背景下，海平面上升、森林火灾和极端气候等现象的发生频率将会增加[1]。已有研究表明，中国气候变化趋势与全球总体变化趋势保持一致[2−3]，未来中国范围内平均地面气温将普遍升高。中国幅员辽阔，地形复杂，不同区域气温的时空分布和变化趋势有一定的差异[4]，因此，开展小地理尺度未来气候变化研究对制定区域适应性策略具有重要意义。
目前国内外已有众多学者对区域气候变化开展了大量研究，如Nichol等[5]通过21个气象站获取珠江三角洲地区日最低、最高和平均气温，分析了研究区1975−2014年年均温及其温度指数变化；
彭美燕等[6]选取雷州半岛气象站1982−2019年的气象数据，分析了雷州半岛近38a气温和降水的变化特征；
Yang等[7]基于江苏省南部地区1976−2013年气象站点观测数据,分析了江苏省年最高、最低、平均气温和降水的空间格局和变化特征。也有学者对未来气温的变化趋势进行预估，结果表明研究区域的气温在未来时期呈上升趋势[8−11]。对已有研究进行整理可发现：（1）大多数研究是通过气象站数据分析区域气候变化，在数据分辨率上还有一定的发展空间，不能较好地捕捉温度在小地理尺度上的详细变化；
（2）已有研究大多基于IPCC第五次报告中的典型浓度路径（RCP）情景，较少涉及IPCC第六次报告中最新发布的共享社会经济路径（SSP）情景，限制了对未来时期区域温度变化规律进行准确的探讨；
（3）研究季节温度对于灾害分析与评估、农作物产量和生态环境建设等方向具有重要作用[12−15]，然而现有研究大多集中于年尺度气温变化，对于中国区域长时间序列季节均温变化趋势的时空格局研究甚少。
基于上述情况，本文以IPCC耦合模式比较计划第六次报告发布的SSP情景为基础，采用长时间序列高空间分辨率的温度数据集，辅以距平法和趋势分析法，对中国区域2001−2100年四季均温的变化幅度和趋势的时空格局进行分析，以期为制定应对全球变暖的策略提供科学依据。
1.1 数据收集
中国区域在2001年1月−2100年12月的逐月平均气温数据来源于国家地球系统科学数据中心（http://www.geodata.cn/），空间分辨率0.0083333°（约1km）。其中，2001−2020年和2021−2100年数据分别基于CRU发布的全球55km气候数据集和IPCC耦合模式比较计划第六阶段（CMIP6）发布的全球>100km的气候数据集，通过空间降尺度方法生成，详细的空间降尺度方法和数据精度验证已在文献[16]中描述。该数据集结果可信，如李焱等[17]使用该数据研究了1901−2017年藏西南高原气候及其生产潜力时空变化；
同时,未来时期数据集采用IPCC最新发布的SSP情景（SSP119、SSP245、SSP585），每个情景包含3个GCM（EC-Earth3、GFDL-ESM4、MRI-ESM2-0）气候数据。本研究基于历史及未来时期各情景下GCMs的降尺度温度数据进行平均，作为分析中国区域在2001−2100年春季（3−5月）、夏季（6−8月）、秋季（9−11月）和冬季（12−翌年2月）均温变化幅度和趋势的时空格局的基础数据。
1.2 趋势分析
使用距平法分析2021−2100年相比于2001−2020年季节均温的变化情况，Mann-Kendall趋势检验和Sen’s斜率估计法用于分析2001−2100年四季均温变化的显著性和趋势。其中Mann-Kendall趋势检验[18]提供度量值（Z）来检验时间序列变化趋势是否显著，统计值Z通过95%的置信水平（即|Z|>1.96）为趋势显著，且Z>1.96为显著升高，Z<−1.96为显著降低；
Sen’s斜率估计是一种非参数趋势斜率计算方法[19−20]，不受序列奇异值的影响，能很好地反映序列趋势的变化程度。
2.1 2001−2100年季节平均温度变化幅度时空格局
2.1.1 时间变化
由图1可见，2001−2020年整个研究区域春季均温呈“上升−下降−上升”波动趋势，夏季、秋季和冬季均温呈“下降−上升−下降”波动趋势。以2001−2020年季节均温变化幅度的平均值为基础，未来时期各情景下的季节均温变化幅度具有显著差异，其中，SSP119情景下的春夏秋冬四个季节的均温分别在2096年、2058年、2041年和2063年达到最大增幅（1.15℃、1.51℃、1.55℃和1.71℃）；
在SSP245情景下和SSP585情景下，春季均温的最大增幅均出现在2099年（2.25℃和4.95℃），同时，夏季在2094年和2097年分别达到最大值2.93℃和6.05℃，秋季在2098年和2100年达到最大值2.98℃和6.39℃，冬季的最大增温在2085年（3.40℃）和2097年（6.27℃）。可见，相比于2001−2010年，在未来时期3个气候情景下，整个研究区域内四季的平均气温呈增加趋势，其中SSP585情景下增加幅度最大，SSP245次之，SSP119情景增加幅度最小。
2.1.2 空间格局
由图2和表1可见，相比于2001−2020年，未来时期各情景下的季节均温变化幅度存在较强的空间异质性。在SSP119情景下，春季有6.68%的区域增温1～2℃，且分布较为离散，78.56%的区域增温小于1℃；
夏季增温小于1℃的区域主要分布于中国西南、华东和华南局部，面积占比为33.30%，其余区域增温1～2℃；
中国大部分区域在秋季增温0～1℃，面积占比63.46%，36.54%的区域增温1～2℃，主要在西北、西南和东北等地，而冬季则主要在东北、华北、华中和华南区域，面积占比43.69%，增温小于1℃的区域面积占比为55.54%；
同时，春季均温下降0～1℃的区域面积占比为14.76%，主要在新疆大部分区域，冬季有0.77%的区域分布于青藏高原局部。
图1 2001−2100年中国区域季节均温距平变化（以2001−2020年为基准，1km格点平均值）
图2 2021−2100年研究区域四季平均气温距平的空间分布（相比于2001−2020年，1km×1km）
注：中国区域逐月平均气温数据来源于国家地球系统科学数据中心，底图来源国家测绘地理信息局。下同。
Note:The monthly mean temperature in China was obtained from the National Earth System Science Data Center, and the base map was obtained from the National Administration of Surveying, Mapping and Geographic Information. The same as below.
表1 2021−2100年研究区域季节平均温度变化面积比例（相比于2001−2020年）(%)
SSP245情景下，春季均温增幅小于1℃的区域主要分布于西北、华中和华东局部区域，面积占比为35.81%，在秋季仅有0.98%的区域分布于西藏西部和云南东南部极少数地区，冬季主要集中于西藏和云南局部以及台湾省等区域，面积占比3.01%；
四个季节均有增温大于2℃的地区，其中在春季有0.79%的区域，在夏季的分布最为广泛，主要在中国西北、东北和川渝局部区域，面积占比为37.37%，秋季主要分布于西北和东北局部区域，面积占比为17.62%，在冬季有22.89%的区域增温大于2℃，主要在东北和新疆局部地区；
春、夏、秋和冬4个季节均温增加1～2℃的区域面积占比分别为63.40%、62.63%、81.40%和74.10%。SSP585情景下所有季节的增温均在1℃以上，增加1～2℃的区域较少，其中在春季主要集中于西北、华中、华东和华南局部以及台湾省等区域，面积占比32.42%，在4个季节中占比最多，夏季仅有0.94%的区域，主要分布于台湾省和云南省极小区域，秋季和冬季主要分布于台湾省、海南省和云南省局部区域，面积占比分别为1.72%和2.96%；
其余区域的季节均温增幅均大于2℃。因此，相比于2001−2100年，在未来时期各情景下中国大部分区域的季节平均气温都在增加（除SSP119情景下，春季和冬季的新疆和青藏高原局部区域），随着排放强度的增加，增温效果愈加明显。
2.2 2001−2100年季节平均温度变化趋势时空格局
2.2.1 历史时期（2001−2020年）
由图3和表2可见，中国区域在2001−2020年间，春季均温显著上升区域主要集中在华北、云贵川以及江浙局部区域（图3a红框区域），面积占比为14.44%，上升速率和均值分别为0.14～1.38℃∙10a−1和0.68℃∙10a−1，变异系数为35.09%；
夏季均温显著上升的区域面积占比为10.30%（图3b红框区域），上升速率为0～0.78℃∙10a−1，均值和变异系数分别是0.41℃∙10a−1和28%；
秋季均温显著上升的区域较为离散（图3c红框区域），面积占比4.25%，上升速率为0.04～0.70℃∙10a−1，均值和变异系数分别为0.45℃∙10a−1和19.00%。夏季均温仅有0.09%的区域显著下降，分布于新疆南部较小区域（图3b黑框区域），速率、均值和变异系数分别为0.19～0.40℃∙10a−1、0.32℃∙10a−1和8.55%；
秋季均温显著下降的区域仅集中于新疆中部（图3c黑框区域），面积占比为2.84%，速率、均值和变异系数分别为0.28～0.85℃∙10a−1、0.57℃∙10a−1和13.97%；
冬季均温以0.40～1.00℃∙10a−1速率显著下降的区域（图3d黑框区域）分布于青藏高原局部地区，面积占比为0.20%，均值和变异系数分别为0.74℃∙10a−1和14.95%。整体而言，在2001−2020年，中国区域不同季节均温的变化趋势具有较强的空间异质性，同时，春季和夏季平均气温呈显著上升趋势的范围较广。
图3 2001−2020年研究区域四季平均气温变化趋势空间分布(1km×1km)
表2 2001−2020年研究区域季节平均气温变化趋势空间统计
2.2.2 未来时期（2021−2100年）
由图4和表3可见，2021−2100年SSP119情景下春季均温以0.03～0.17℃∙10a−1趋势显著上升的区域主要分布于中国南部、东北和青藏高原局部区域（图4a1红框区域），面积占比为29.03%，均值和变异系数分别为0.08℃∙10a−1和22.57%；
夏季均温显著上升区域集中于东北和华北局部区域（图4a2红框区域），面积占比3.49%，速率、均值和变异系数分别为0.01～0.09℃∙10a−1、0.06℃∙10a−1和24.48%，冬季均温显著上升区域面积占比为28.58%，变化速率为0.03～0.21℃∙10a−1，均值和变异系数分别为0.09℃∙10a−1和25.38%。夏季均温显著下降区域分布较为离散（图4a2黑框区域），面积占比为9.30%，速率、均值和变异系数分别为0.01～0.08℃∙10a−1、0.04℃∙10a−1和27.37%；
秋季均温以0.02～0.11℃∙10a−1速率显著下降，主要分布于中国西北和东北局部区域（图4a3黑框区域），面积占比19.55%，均值和变异系数分别为0.06℃∙10a−1和19.10%。
在SSP245和SSP585情景下各季均温均呈显著上升趋势，覆盖中国所有区域，其中春季均温显著上升的速率分别为0.17～0.44℃∙10a−1和0.39～0.92℃∙10a−1，均值为0.25℃∙10a−1和0.60℃∙10a−1，变异系数分别为13.28%和10.01%；
夏季均温在两种情景下显著上升速率、均值和变异系数都相同，分别为0.14～0.37℃∙10a−1、0.24℃∙10a−1和14.26%；
秋季均温在SSP245情景下以0.17～0.37℃∙10a−1的趋势显著上升，均值和变异系数分别为0.26℃∙10a−1和10.94%，SSP585情景下该季节的均温上升速率为0.39～0.89℃∙10a−1，均值和变异系数分别为0.68℃∙10a−1和12.09%；
冬季在SSP245和SSP585情景下均温显著上升的速率分别为0.15～0.47℃∙10a−1和0.35～1.12℃∙10a−1，均值分别为0.28℃∙10a−1和0.66℃∙10a−1，变异系数分别为14.09%和13.68%。可见，中国区域季节均温在未来时期的变化速率随着排放情景的升高而增快，其中在SSP119情景下，大部分区域的速率较慢，有减小的区域，在SSP245情景下逐渐加快，SSP585情景下的季节均温显著变化速率最快，并且北方区域的速率比南方大。
3.1 讨论
本研究表明，2001−2020年中国区域四季均温呈总体上升趋势，其中春季均温显著上升速率最快（0.68±0.24℃∙10a−1），主要分布于华北、云贵川和江浙局部区域；
刘凯等[21]研究表明，1951−2018年中国气温呈现明显的增加趋势；
也有学者对区域季节温度变化做出研究，林长伟等[22]得出在1960−2012年，东北地区春季均温上升速率较快这一结论，朱大运等[23]研究表明，1960−2016年贵州省秋季和春季平均气温上升较快，分别为0.11℃∙10a−1和0.18℃∙10a−1，中国区域在2020年春夏冬三个季节平均气温较常年同期偏高[24−26]；
对比分析表明，2001−2020年中国区域季节均温与前人得出的变化特征基本一致，同时，所选参考年份、数据分辨率和研究方法的不同是导致统计结果偏差的重要原因。
图4 2021−2100年研究区域四季平均温度变化的趋势空间分布(1km×1km)
表3 2021−2100年研究区域四季平均温度变化趋势统计
在未来时期，周梦子等[27]基于1.5℃和2.0℃阈值下，与1986−2005年对比，研究RCP2.6、RCP4.5和RCP8.5等3个情景下中国未来时期年和季节温度的变化，结果表明，达到1.5℃升温阈值时，中国年平均升温由南向北加强且在青藏高原地区有所放大，季节尺度上升温的空间分布与其类似，其变化幅度以冬季升高最为显著；
本研究表明，在SSP119情景下，大部分区域均温的变化幅度为0～1℃，春季和冬季均温显著上升区域主要分布于中国南部和青藏高原局部地区，SSP245和SSP585情景下，中国所有区域的季节均温都呈显著上升趋势，并且在SSP585情景下，99%以上的区域将增温2℃以上，冬季显著上升速率较快（0.66±0.09℃∙10a−1）。同时，与全球变暖1.5℃相比，在2℃时，一些气候影响驱动因素的变化将更广泛，随着全球进一步变暖，预计每个地区都将越来越多地经历气候影响驱动因素和多重变化[1,27−28]。季节平均气温上升也对中国农作物产量、分布格局、种植结构和地表水资源、地下水资源等产生一定的影响[29−32]。然而，在未来气候变化及趋势研究中会存在一定的不确定性，这种不确定性通常来自所用的气候模式及其初始条件、排放情景以及降尺度技术[33−36]。本研究使用CMIP6发布的最新气候模式，由不同社会经济模式驱动的新排放情景（即SSP情景）组成，周梦子等[27]研究得出的未来气温整体变化特征与本研究基本相同，但部分季节的增温预计结果比本研究结果略低，这可能是所选方法和数据空间分辨率以及气候情景的差别引起的。
中国幅员辽阔，地形起伏较大，区域气候特征存在明显差异，张佳怡等[10]研究得出气温变化在海拔高度上具有显著的依赖性这一结论，胡延斌等[31]的研究也表明半世纪以来，中国高纬度和高海拔地区增温明显，因此，使用引入了地形信息的高空间分辨率温度数据集能较好地反映中国地形起伏变化较大地区的气候特征。与此同时，在研究区域气候变化时，不少研究以2001年以前的气象站数据为起点[14,22−23]，但本研究综合考虑反映历史和未来时期季节均温变化的准确性和时效性，选择了中国区域近20a的逐月平均气温降尺度数据。同时，由于单个GCM预测数据可能存在一定的偏差，因此，本研究对EC-Earth3、GFDL-ESM4和MRI-ESM2-0三个气候模式数据进行平均，用以降低不同模式和不同干扰设定对区域气候预测的不确定性[37−39]。最后，本研究将可显示长时间序列显著趋势和持续性变化的距平法和无分布、非参数的Mann-Kendall趋势检验法[20]，以及不受序列奇异值影响的Sen’s斜率估计法[19]相结合，逐个栅格研究2001−2100年中国区域四季平均气温变化，与前人研究结果作比较，其分析结果是较为可信的，对作物种植和生态恢复等研究具有参考价值。
与平均气温变化相比，极端天气事件更具有突发性、难预测性和强破坏性等特点，是导致农作物减产、生态系统遭到破坏的原因之一[40]，因此，下一步研究可结合中国区域季节平均气温、最高气温和最低气温等指标，进一步预估未来时期极端温度事件的变化特征和形成机理。
3.2 结论
（1）基于2001−2020年季节均温变化幅度平均值，中国区域在未来时期的四季均温呈总体上升趋势（SSP119情景下春季和冬季局部区域呈较小下降）。同时，三种SSP情景下的季节均温变化幅度具有显著差异，其中SSP119情景下气温变化幅度较缓和，除夏季有66.70%的区域增温1～2℃，其它季节的增温大多为0～1℃，SSP245情景下中国62%以上的区域季节均温增加幅度为1～2℃，而在SSP585情景下所有区域增温1℃以上，且99%以上的区域增温大于2℃；
在同一情景下，夏季增温幅度与范围均较大。
（2）2001−2020年，全国季节均温变化趋势的空间分布和速率（平均值±标准差）具有显著差异。春季均温以0.68±0.24℃∙10a−1的趋势显著上升，面积占比14.44%，主要分布于华北、云贵川以及江浙局部区域；
夏季均温显著上升速率为0.41±0.11℃∙10a−1，面积占比10.30%，分布于新疆西部、华中、华南和青藏高原局部区域，秋季以0.45±0.09℃∙10a−1的速率显著上升，面积占比为4.25%，分布较为离散。季节均温呈显著下降趋势的区域较少，其中夏季显著下降的速率为0.32±0.03℃∙10a−1，面积占比0.09%，仅分布于新疆南部较小区域；
秋季有2.84%的区域以0.57±0.08℃∙10a−1的速率显著下降，集中于新疆中部区域；
冬季均温以0.74±0.11℃∙10a−1的趋势显著下降，其面积占比为0.20%，分布于青藏高原局部区域。
（3）2021−2100年，中国区域在SSP119、SSP245和SSP585三个情景下的四季均温变化趋势具有显著差异。在SSP119情景下，春季均温将以0.08±0.02℃∙10a−1的趋势显著上升，面积占比为29.03%，分布于南部、西北和东北局部区域；
夏季均温呈显著上升趋势的速率为0.06±0.02℃∙10a−1，面积占比3.49%；
冬季均温以0.09±0.02℃∙10a−1的速率显著上升，面积占比28.58%，主要集中于南部和西藏局部区域；
同时夏季和秋季在SSP119情景下将分别以0.04±0.01℃∙10a−1和0.06±0.01℃∙10a−1的速率显著下降，面积占比分别为9.30%和19.55%。SSP245和SSP585情景下中国所有区域的四季均温将呈显著上升趋势，春季显著上升速率分别为0.25±0.03℃∙10a−1和0.60±0.06℃∙10a−1，夏季为0.24±0.03℃∙10a−1和0.24±0.03℃∙10a−1；
秋季均温显著上升速率为0.26±0.03℃∙10a−1和0.68±0.08℃∙10a−1，冬季将以0.28±0.04℃∙10a−1和0.66±0.09℃∙10a−1的速率显著上升，并且在SSP585情景下，北方地区的季节均温显著上升速率比南方快，全国区域在冬季的显著上升速率最快（0.66±0.09℃∙10a−1）。
[1] Djalante R.Key assessments from the IPCC special report on global warming of 1.5°C and the implications for the Sendai framework for disaster risk reduction[J].Progress in Disaster Science,2019,1: 100001.
[2] 张冬峰,高学杰.中国21世纪气候变化的RegCM4多模拟集合预估[J].科学通报,2020,65(23):2516-2526.
Zhang D F,Gao X J.Climate change of the 21st century over China from the ensemble of RegCM4 simulations[J].ChineseScienceBulletin,2020,65(23): 2516-2526.(in Chinese)
[3] 梁玉莲,延晓冬.RCPs情景下中国21世纪气候变化预估及不确定性分析[J].热带气象学报,2016,32(2): 183-192.
Liang Y L,Yan X D.Prediction of climate change over China and uncertainty analysis during the 21st century under RCPs[J].Journal of Tropical Meteorology,2016,32 (2):183-192.(in Chinese)
[4] 廖要明,陈德亮,刘秋锋.中国地气温差时空分布及变化趋势[J].气候变化研究进展, 2019,15(4):374-384.
Liao Y M,Chen D L,Liu Q F.The spatiotemporal characteristics and long-term trends of surface-air temperatures difference of China[J].Climate Change Research,2019, 15(4):374-384.(in Chinese)
[5] Nichol J E,Choi S Y,Wong M S,et al.Temperature change and urbanisation in a multi-nucleated megacity: China"s Pearl River Delta[J].Urban Climate,2020,31:100592.
[6] 彭美燕,许宇星,万宽,等.近38年(1982-2019)雷州半岛近海气候变化分析[J].桉树科技,2021,38(1):62-67.
Peng M Y,Xu Y X,Wan K,et al.Analysis of changes in Leizhou Peninsula’s Offshore climate over the past 38 years(1982-2019)[J].Eucalypt Science and Technology, 2021,38(1):62-67.(in Chinese)
[7] Yang Q,Zheng J Z,Zhu H C.Influence of spatiotemporal change of temperature and rainfall on major grain yields in southern Jiangsu Province,China[J].Global Ecology and Conservation,2020,21:e00818.
[8] 敖雪,赵春雨,崔妍,等.中国东北区域气温变化的模拟评估与未来情景预估[J].气象与环境学报,2021,37(1):33-42.
Ao X ,Zhao C Y,Cui Y,et al.Evaluation and projection of temperature change in Northeast China[J]. Journal of Meteorology and Environment,2021,37(1):33-42.(in Chinese)
[9] Fan X W,Jiang L,Gou J J.Statistical downscaling and projection of future temperatures across the Loess Plateau,China[J].Weather and Climate Extremes,2021,32:100328.
[10] 张佳怡,伦玉蕊,刘浏,等.CMIP6多模式在青藏高原的适应性评估及未来气候变化预估[J].北京师范大学学报(自然科学版),2021:1-17.
Zhang J Y, Lun Y R,Liu L,et al.CMIP6 evaluation and projection of climate change over the Tibetan Plateau[J]. Journal of Beijing Normal University(Natural Science),2021: 1-17.(in Chinese)
[11] 姜彤,吕嫣冉,黄金龙,等.CMIP6模式新情景(SSP-RCP)概述及其在淮河流域的应用[J].气象科技进展,2020,10(5): 102-109.
Jiang T,Lv Y R,Huang J L.New scenarios of CMIP6 Model (SSP-RCP) and its application in the Huaihe River Basin[J].Advances in Meteorological Science and Technology,2020,10(5): 102-109. (in Chinese)
[12] Hori K,Saisho D,Nagata K,etal.Genetic elucidation for response of flowering time to ambient temperatures in Asian rice cultivars[J].International Journal of Molecular Sciences,2021,22(3): 1024.
[13] Zhang J,Chen R Y,Du C W,etal.Effects of continuous sulfamonomethoxine shock on the power generation performance and microbial community structure of MFCs under seasonal temperature variation[J].Biochemical Engineering Journal,2020,167 :107909.
[14] 马彬,张勃.基于格点数据的1961-2016年中国气候季节时空变化[J].地理学报,2020,75(3): 458-469.
Ma B,Zhang B.Spatio-temporal distribution of the climatic seasons in China from 1961 to 2016[J].Acta Geographica Sinica,2020,75(3): 458-469.(in Chinese)
[15] 孔峰,孙劭.基于均值与极值的中国夏季气温与地温的时空格局与差异特征研究[J].干旱区资源与环境, 2021,35(7):84-91.
Kong F,Sun S.Spatiotemporal pattern and difference characteristics of summer atmospheric temperature and ground temperature in China based on mean and extreme values[J].Journal of Arid Land Resources and Environment, 2021,35(7):84-91.(in Chinese)
[16] Peng S Z,Ding Y X,Liu W Z,et al.1 km monthly temperature and precipitation dataset for China from 1901 to 2017[J].Earth System Science Data,2019, 11(4): 1931- 1946.
[17] 李焱,靳甜甜,高秉丽,等.1901-2017年藏西南高原气候及其生产潜力时空变化[J].自然资源学报,2021:1-17.
Li Y,Jin T T,Gao B L,et al.Spatiotemporal variation of climate and its potential productivity in the Southwest Tibet Plateau during 1901 to 2017[J]. Journal of Natural Resources, 2021: 1-17.(in Chinese)
[18] Milan G,Slavisa T.Analysis of changes in meteorological variables using Mann-Kendall and Sen"s slope estimator statistical tests in Serbia[J].Global and Planetary Change, 2013,100:172-182.
[19] 任婧宇, 彭守璋, 曹扬,等. 1901-2014年黄土高原区域气候变化时空分布特征[J].自然资源学报,2018,33(4): 621- 633.
Ren J Y,Peng S Z,Cao Y,et al.Spatiotemporal distribution characteristics of climate change in the Loess Plateau from 1901 to 2014[J].Journal of Natural Resources,2018,33(4): 621-633.(in Chinese)
[20] Subhrajyoti D,Briti S S.Climate change study for the meteorological variables in the Barak River basin in North-East India[J].Urban Climate,2019,30:100530.
[21] 刘凯,聂格格,张森.中国1951-2018年气温和降水的时空演变特征研究[J].地球科学进展,2020,35(11): 1113-1126.
Liu K,Nie G G,Zhang S.Study on the spatiotemporal evolution of temperature and precipitation in China from 1951 to 2018[J]. Advances in Earth Science,2020,35(11): 1113-1126.(in Chinese)
[22] 林长伟,朱艳丽,常晓丽.东北地区四季气温变化趋势研究[J].国土与自然资源研究,2018,19(4): 68-72.
Lin C W,Zhu Y L,Chang X L.Study on the changing trend of temperature in the four seasons of Northeast China[J].Territory andNature Resources Study,2018,19(4): 68-72.(in Chinese)
[23] 朱大运,熊康宁,董晓超.贵州1960-2016年气温时空变化特征[J].水土保持研究,2018, 25(4): 168-180.
Zhu D Y,Xiong K N,Dong X C.Spatiotemporal change of surface temperature over the last 57 years in Guizhou Province[J]. Research of Soil and Water Conservation, 2018, 25(4):168-180.(in Chinese)
[24] 何亮,李祎君,钱永兰. 2020年春季气象条件对农业生产的影响[J].中国农业气象,2020,41(7):470-472.
He L,Li W J,Qian Y L.Effects of meteorological conditions on agricultural production in spring 2020[J].Chinese Journal of Agrometeorology,2020, 41(7):470-472. (in Chinese)
[25] 谭方颖,郑昌玲,宋迎波,等.2020年夏季气象条件对农业生产的影响[J].中国农业气象,2020,41(11):744-746.
Tan F Y,Zhen C L,Song Y B,et al.Effects of meteorological conditions on agricultural production in summer 2020[J].Chinese Journal of Agrometeorology,2020, 41(11): 744-746. (in Chinese)
[26] 赵晓凤,张艳红,李森,等.2020/2021年度冬季气象条件对农业生产的影响[J].中国农业气象,2021,42(5):438-440.
Zhao X F,Zhang Y H,Li S,et al.Impacts of winter meteorological conditions on agricultural production in 2020/2021[J].Chinese Journal of Agrometeorology,2021, 42(5): 438-440.(in Chinese)
[27] 周梦子,周广胜,吕晓敏,等.1.5和2℃升温阈值下中国温度和降水变化的预估[J].气象学报,2019, 77(4): 728-744.
Zhou M Z,Zhou G S,Lv X M,et al.Projection of temperature and precipitation changes over China under global warming of 1.5 and 2℃[J]. Acta Meteorologica Sinica,2019, 77(4):728-744. (in Chinese)
[28] Brian C.O"N,Claudia T,Detlef P,et al.The scenario model intercomparison project(ScenarioMIP) for CMIP6[J]. Geoscientific Model Development,2016, 9(9):3461-3482.
[29] 次仁央金,吴尧,陈阜,等.气候变暖对西藏林芝地区作物生产的影响[J].中国农业大学学报,2021, 26(8): 33-42.
Tsering YJ,Wu Y,Chen F,et al.Impacts of climate warming on crop production in Nyingchi,Tibet[J]. Journal of China Agriculture University,2021,26(8): 33-42.(in Chinese)
[30] 金炳琪,袁鹏杰.气候变化对水文水资源影响的研究分析[J].农业灾害研究, 2021,11(5):99-100.
Jin B Q, Yuan P J. Research and analysis on the impact of climate change on hydrology and water resources[J]. Journal of Agricultural Catastropholgy, 2021, 11(5): 99-100. in Chinese)
[31] 胡延斌,肖国举,李永平.气候带北移及其对中国作物种植制度的影响研究进展[J].干旱地区农业研究, 2020,38(3): 269-274.
Hu Y B,Xiao G J,Li Y P.Research advances in northward shifting of climatic-zones and the influence on crop- planting systems in China[J].Agricultural Research in the Arid Areas,2020,38(3):269-274.(in Chinese)
[32] 李阔,熊伟,潘婕,等.未来升温1.5℃与2.0℃背景下中国玉米产量变化趋势评估[J].中国农业气象,2018,39(12): 765- 777.
Li K,Xiong W,Pan J,et al.Assessment of corn yield change trend in China under 1.5℃ and 2.0℃ temperature rise in the future[J].Chinese Journal of Agrometeorology,2018, 39(12):796-777.(in Chinese)
[33] Su B D,Huang J L,Sanjit K M,et al.Insight from CMIP6 SSP-RCP scenarios for future drought characteristics in China[J].Atmospheric Research,2020,105375.
[34] Fan Z M,Bai X Y.Scenarios of potential vegetation distribution in the different gradient zones of Qinghai-Tibet Plateau under future climate change[J].Science of the Total Environment,2021,796:148918.
[35] 王晓欣,姜大膀,郎咸梅.CMIP5多模式预估的1.5℃升温背景下中国气温和降水变化[J].大气科学,2019,43(5): 158-1170.
Wang X X,Jiang D B,Lang X M.Temperature and precipitation changes over China under a 1.5℃ global warming scenario based on CMIP5 Models[J].Chinese Journal of Atmospheric Sciences,2019,43(5):1158-1170.(in Chinese)
[36] Guo M,Ma S A,Wang L J,et al.Impacts of future climate change and different management scenarios on water- related ecosystem services:a case study in the Jianghuai ecological economic Zone,China[J]. Ecological Indicators,2021,127:107732.
[37] Wu Y,Guo J H,Lin H F,et al.Spatiotemporal patterns of future temperature and precipitation over China projected by PRECIS under RCPs[J].Atmospheric Research,2021, 249:105303.
[38] Bağçaci S Ç,Yucel I,Duzenli E,et al.Intercomparison of the expected change in the temperature and the precipitation retrieved from CMIP6 and CMIP5 climate projections:a mediterranean hot spot case,Turkey[J].Atmospheric Research, 2021,256:105576.
[39] Chen C A,Hsu H H,Liang H C.Evaluation and comparison of CMIP6 and CMIP5 model performance in simulating the seasonal extreme precipitation in the western north Pacific and east Asia[J].Weather and Climate Extremes, 2021,31: 100303.
[40] 张大任,郑静,范军亮,等.近60年中国不同气候区极端温度事件的时空变化特征[J].中国农业气象,2019,40(7): 422-434.
Zhang D R,Zheng J,Fan J L,et al.Spatiotemporal variations of extreme temperature indices in different climatic zones of China over the past 60 years[J].Chinese Journal of Agrometeorology,2019,40(7):422-434. (in Chinese)
Spatiotemporal Patterns of Seasonal Mean Temperature Variations in China During 2001−2100
FU Da-rong1, CHEN Xiao-die1, LIU Yi-ting1, LIU Li2, PENG Shou-zhang3
(1. College of Resources and Environment, Northwest A&F University, Yangling 712100, China; 2.Zhejiang Shuren University, Shaoxing 310015; 3. State Key Laboratory of Soil Erosion and Dryland Agriculture on the Loess Plateau, Northwest A&F University, Yangling 712100)
Based on the 1-km resolution long time series temperature data set, the spatial and temporal patterns of the magnitude and trend of the four-season mean temperature changes in the historical period (2001−2020), and in the future period (2021−2100) under the low forcing scenario (SSP119), medium forcing scenario (SSP245) and high forcing scenario (SSP585) are analyzed using the distance level method, Mann-Kendall trend test method and Sen"s slope estimation method, with a view to providing a basis for developing detailed regional adaptation strategies in the context of climate warming. The results show that: (1) compared with the historical period, the average temperature of the four seasons in the future will increase in general under the three scenarios, and the area with the largest increase in summer is 66.70% under SSP119, 37.37% and 99.06% under SSP245 and SSP585, respectively. At the same time, the overall variation range of seasonal mean temperature under the three SSP scenarios is significantly different, which is moderated under SSP119, followed by SSP245, and the largest increase range under SSP585. (2) In the historical period, compared with other seasons, the significant rise in mean temperature in spring had the fastest rate (0.68±0.24℃∙10y−1) and the largest area share (14.44%), mainly distributed in North China, Yunnan, Guizhou, Jiangsu and Zhejiang provinces. (3) In the future period, the regional seasonal mean temperature in China shows an overall rising trend with significant spatial differences; among them, under the SSP119 scenario, the regions with significantly rising mean temperature in spring and winter are mainly concentrated in southern China and the local area of the Qinghai-Tibet Plateau, accounting for 29.03% and 25.58% of the area, respectively; under the SSP245 and SSP585 scenarios, the seasonal mean temperature in all regions of China shows a significant upward trend; under the SSP585 scenario, the seasonal mean temperature in the north increases at a faster rate than that in the south, and the national region has the fastest significant rate of increase in winter (0.66±0.09℃∙10y−1).
Seasonal mean temperature; Spatio-temporal pattern; Change trend; SSP scenarios; China
10.3969/j.issn.1000-6362.2022.09.001
收稿日期：2021−11−25
国家自然科学基金（42077451）；
陕西省自然科学基金项目（2020JQ-418）；
内陆河流域中科院重点实验室开放基金（KLEIRB-ZS-20-04）；
2021浙江软科学计划研究项目“生态文明视域下浙江典型湾区绿色发展评价研究-以三门湾为例”（2021C35083）
通讯作者：彭守璋，研究员，博士，主要从事遥感与GIS应用研究，E-mail:szp@nwafu.edu.cn
付大容，E-mail:fdr2955776701@163.com
付大容,陈笑蝶,刘亦婷,等.2001-2100年中国区域季节平均温度变化的时空格局[J].中国农业气象,2022,43(9):681-691
猜你喜欢 速率时空季节 跨越时空的相遇四川党的建设(2022年8期)2022-04-28我喜欢的季节7快乐作文（1.2年级）(2019年3期)2019-09-10相聚在花开的季节里北方音乐(2019年5期)2019-06-11玩一次时空大“穿越”作文大王·低年级(2018年10期)2018-12-06盘点高考化学反应速率与化学平衡三大考点中学化学(2016年10期)2017-01-07万水千山总是秋故事会(2016年21期)2016-11-10时空守护者之宇宙空间站小猕猴智力画刊(2016年8期)2016-05-14时空之门小猕猴智力画刊(2016年5期)2016-05-14花的季节小雪花·成长指南(2016年2期)2016-03-16化学反应速率与化学平衡考点分析中学化学(2015年8期)2015-12-29