2015－2100年黃土高原四季氣候變化的時空分布趨勢預測

任婧宇，趙俊俠，馬紅斌，彭守璋，李炳垠

（1.水利部 黃河水利委員會 黃河上中游管理局，陜西 西安710021；2.西北農林科技大學 水土保持研究所黃土高原土壤侵蝕與旱地農業國家重點實驗室，陜西 楊凌712100；3.中國科學院 水利部 水土保持研究所，陜西 楊凌712100）

氣候變化會對社會經濟活動、農業、環境和生態系統產生深遠的影響，近年來氣候變化特征及未來氣候趨勢預測已成為全球各界關心的熱點問題［1］。IPCC第五次評估報告［2］指出：20世紀50年代以來，全球幾乎所有地區都出現了不同程度的升溫變暖；到本世紀末，在估算最保守的排放情境下，全球地表均溫可能超過1.5 ℃。中國氣候變化趨勢與全球變化總趨勢基本一致，近50 a來增暖尤其明顯，降水量以12.66 mm／10 a的速度減少［3-4］。在此背景下，中國四季氣候也發生了明顯變化，郁珍艷等［5］指出中國四季開始日期發生顯著變化，春、夏季提早，秋、冬季推遲，20世紀80年代初期開始冷季增暖明顯，進入90年代以后夏季增暖也日趨明顯。這些變化會引起旱澇災害頻次和強度的增加、荒漠化趨勢的增強、物候期的改變等［6］，對區域氣候和生態環境產生深遠影響，尤其是對氣候變化的敏感區和生態環境的脆弱帶［7］。而黃土高原，以其獨特的地理地貌和復雜多樣的生態環境成為氣候變化敏感區和生態環境脆弱帶的典型代表［8］，全球變暖背景下四季氣候的變化對該區未來時期的植被恢復與重建、水土資源變化以及農業生產有一定的影響，會限制該地區的發展。因此，系統、詳細地研究黃土高原未來時期四季氣候在區域時空上的變化趨勢，對其應對全球氣候變化帶來的負面效應并便于制定合適的適應性與緩解性策略等具有非常重要的實際意義。

利用大氣環流模式（general circulation model，GCM）預估未來氣候變化是目前最可行的方法。隨著數值預報理論與方法、大氣探測技術及計算機技術的迅速發展，GCM 模型的空間分辨率已達到幾十公里甚至十幾公里，能夠對全球尺度下氣候情形進行宏觀預測與分析，但其輸出分辨率依然較低，缺少區域信息，因此對區域氣候變化模擬以及對未來氣候變化預估（如季節、年際以及年代際預測）的準確性較低［9］。為此，通常使用降尺度方法將氣候模式輸出的氣候數據由低分辨率、長時間間隔轉化成高分辨率、短時間間隔，為區域氣候變化影響評價提供理論依據和數據資料［10］。降尺度方法主要有統計降尺度和動力降尺度。與統計降尺度相比，動力降尺度需要大量參數和較多計算資源驅動［11］，并且有時不能真實反映小地理尺度上的氣候變化［12］。常用的統計降尺度法有線性回歸法和Delta法，目前眾多學者選擇Delta法對氣候模式數據進行降尺度處理［13-14］。Delta法使用低空間分辨率的月氣候數據和高空間分辨率的參考氣候數據作為輸入數據，與直接插值不同，該方法可引入地形地貌對氣候的影響［13］，可得到小地理尺度上精準的降尺度氣候數據。

目前已有很多針對黃土高原氣候變化趨勢的研究［15-16］，但大都基于氣象站點資料、線性回歸法或直接插值進行降尺度，研究該區氣候變化規律，這很難描述氣候在小地理尺度上的詳細變化。此外，多數研究僅對該區歷史時期的年均溫和年降水量變化特征進行了研究，缺乏未來時期四季氣溫、降水變化趨勢的研究。鑒于此，本研究以IPCC 耦合模式比較計劃第5 階 段（coupled model intercomparison project phase 5，CMIP5）發布的GCMs為基礎，采用Delta法［17］進行空間降尺度，獲取黃土高原未來時期高空間分辨率（約1 km）四季的溫度和降水數據集，并輔以距平、Mann-Kendall趨勢檢驗和Sen’s斜率估計等方法，對該區2015—2100年四季的氣候變化、趨勢特征及其空間分布進行分析，以期為該區在制定應對全球氣候變化策略時提供科學依據。

1 研究區概況、數據與方法

1.1 研究區概況

黃土高原位于中國中部偏北，東起太行山，西至烏鞘嶺，南連秦嶺，北抵長城，主要包括山西、陜西、以及甘肅、青海、寧夏、河南等省部分地區（100.8—114.6°E，33.7°—41.3°N）（附圖28）。該區總面積約64.06×104km2，其中水土流失面積24.63×104km2（截至2015年底）［18］，生態環境脆弱，是氣候敏感區。該區主要受暖溫帶半干旱大陸性季風氣候的影響，冬季寒冷干燥，夏季溫暖多雨；年均溫約4 ℃～12 ℃，從東南向西北逐漸降低；多年平均降水量為466 mm，降水年際變化大，季節分配不均，從東南向西北降水量逐漸減少［19］；該區橫跨半濕潤、干旱和半干旱區，植被依次以森林帶、森林草原過渡帶和草原帶呈明顯的地帶性規律分布，主要植物有遼東棟（Quercus wutɑishɑnseɑ）、油松（Pinus tɑbuliformis）、楊樹（Populus）、沙棘（Hippophɑe rhɑmnoides）、和刺槐（Robiniɑpseudoɑcɑciɑ）等［25］。

1.2 數據來源

Delta降尺度所需數據包括長時間序列低空間分辨率的氣候數據集和高空間分辨率的參考氣候數據集（包含地形、地貌等因素）。前者采用CMIP5提供的27個GCMs的月均溫和月降水量數據集（http：∥gdo-dcp.ucllnl.org／downscaled _cmip _projections／），詳 細 信 息 見 表1［20］。這27 個GCMs經 過誤差訂正空間分解法（Bias-Correction Spatial Disaggregation，BCSD）處理，空間分辨率為0.5°［21］；時間長度是1950—2100 年，其中1950—2005 年數據是歷史排放情景下的歷史時期數據，2006—2100 年數據是未來氣候變化典型濃度路徑（representative concentration pathway，RCP）下（即RCP2.6，RCP4.5，RCP6.0和RCP8.5）的未來時期數據，由于RCP4.5和RCP6.0 相 似［2］，本 研 究 選 擇3 種 路 徑 情 景 下（即RCP2.6，RCP4.5 和RCP8.5）的GCMs 氣 候數據進行研究。后者來源于國家生態系統觀測研究網絡（CNERN，http：∥www.cnern.org.cn）；該數據資料是利用全國740 個氣象站點數據，使用空間插值和地理信息系統生成的氣象要素柵格數據；數據為1961—2000 年各月的均值，空間分辨率是1 km。

表1 27個GCMs模式情況

此外，本研究使用研究區內外（附圖29）113個氣象站點數據對降尺度后的氣候數據集進行評估、篩選，該站點數據來源于中國氣象數據網（http：∥data.cma.cn），時間長度約為1954—2019。

1.3 降尺度過程

對上述數據使用Delta空間降尺度方法進行處理，獲得2015年1月至2100年12月空間分辨率為1 km的月均溫和月降水量數據，用于分析黃土高原未來時期四季氣候的時空變化和趨勢。Delta降尺度法是BCSD方法的一部分，其具體的降尺度計算過程［13，20，22］已在許多相關文獻中得到了詳細的描述。在用Delta法進行降尺度的過程中，插值方法的使用會影響所獲得降尺度數據的精確性，所以本文使用了4種插值方法（三次樣條插值法、雙線性插值法、最近鄰點插值法和雙三次插值法），這4種插值方法使用MATLAB 中的內插函數進行處理。

1.4 分析方法

本研究以CRU 1961.1至1990.12 Delta降尺度的月均溫和月降水量數據均值作為參考氣候平均值，運用距平法、Mann-Kendall趨勢檢驗法和Sen’s斜率估計對篩選出的2015年1月至2100年12月最適GCMs模式下降尺度的四季氣候數據集進行分析，春季為3—5月，夏季為6—8月，秋季為9—11月，冬季為12—翌年2月。其中，利用距平法分析研究區2015—2100 年四季溫度和降水在時間尺度上相對于參考氣候平均值分別變化了多少。結合Sen’s斜率估計值的Mann-Kendall趨勢檢驗法是用于檢測研究區2015—2100年四季溫度和降水的趨勢。Mann-Kendall趨勢檢驗提供度量值（Z）來檢驗時間序列變化趨勢是否顯著［23］，本 研 究 取 顯 著 水 平α＝0.05，Z1－α／2＝Z0.975＝1.96。當｜Z｜≤1.96 時，認為趨勢不顯著；若｜Z｜＞1.96，則認為趨勢顯著，且如果Z＞0則認為序列存在上升趨勢，Z＜0則認為序列存在下降趨勢。Sen’s斜率估計可以計算出序列趨勢的變化程度（s）［24］。通過Z 值分析研究區2015—2100年四季降水和溫度時空尺度上趨勢的顯著性，使用s值反應其趨勢的變化程度。

2 結果與分析

2.1 均溫和降水降尺度結果評估

Peng等人［22］使用Delta法對黃土高原28個GCMs月均溫和月降水量數據進行空間降尺度獲取1 km 空間分辨率的月氣候數據，其中的27個GCMs與本研究涉及到的GCMs相同。同時，其降尺度過程中也使用了4種插值方法（三次樣條插值法、雙線性插值法、最近鄰點插值法和雙三次插值法）進行處理，所用插值方法也與本研究相同。Peng 等［22］使用1991 年1月至2005年12月均溫和降水量的站點觀測數據對GCMs 1991年1月至2005年12月的降尺度數據進行了評估，從其研究結果可知，使用Delta法將黃土高原GCMs網格分辨率為0.5°×0.5°的月均溫和月降水量氣象數據降尺度到分辨率為1 km×1 km 的網格上是可行的，所用到的4種插值方法中雙線性插值法處理的降尺度結果具有更高精度，且NorESM1-M 模式是最適合模擬未來時期黃土高原地區月均溫降尺度的氣候模式，GFDL-ESM2M 模式是最適合模擬未來時期黃土高原地區月降水量降尺度的氣候模式（見圖1）。

本研究通過回歸分析發現，使用雙線性插值法處理的Nor ESM1-M 模式四季月均溫降尺度值與觀測值具有很好的線性關系，決定系數分別為0.93，0.89，0.99和0.90（圖1a1，1b1，1c1，1d1）。同樣，使用雙線性插值法處理的GFDL-ESM2M 模式四季月降水量降尺度值與觀測值也具有很好的線性關系，決定系數分別為0.88，0.86，0.99和0.99（圖1a2，1b2，1c2和1d2）。因此，本研究將使用雙線性插值法處理的Nor ESM1-M 模式月均溫降尺度數據和GFDLESM2M 模式月降水量降尺度數據對黃土高原2015—2100年四季均溫和降水的變化趨勢進行分析。

2.2 黃土高原四季均溫變化趨勢分析

對研究區2015—2100年的四季均溫進行距平運算，結果見圖2。從圖2可知，與氣候平均值相比，整個黃土高原3種RCP情景下的四季均溫距平波動均較為劇烈，四季均溫均在RCP8.5情景下的變化范圍最大，分別比氣候平均值高0.11℃～4.90℃，0.03℃～5.46℃，0.02℃～5.59 ℃和0.26 ℃～7.51 ℃。比較表2中的結果發現，隨著進入21 世紀初期（2015—2040年）、中期（2041—2070年）、末期（2071—2100年），3種RCP情景下四季的平均距平均逐漸增大；到了21世紀末期，3種RCP情景下距平之間的變化均有顯著差異；同一RCP情景下，無論在哪一時期，冬季均溫的距平變化在四季中均是最大的。表3統計可知，隨著排放情景的升高（即RCP2.6，RCP4.5，RCP8.5），2015—2100年四季均溫的平均距平均逐漸增大；春季平均值分別為0.83±0.09℃，1.34±0.10 ℃，2.12±0.15 ℃，夏季平均值分別為0.79±0.05℃，1.33±0.10 ℃，2.29±0.16℃，秋季平均值分別為1.13±0.07 ℃，1.60±0.08 ℃，2.64±0.17 ℃，冬季的平均值分別為1.49±0.12 ℃，2.09±0.13 ℃，3.26±0.20 ℃；3種排放情景下，冬季均溫距平的變化在四季中均是最大的。根據Mann-Kendall趨勢檢驗法可知在95%的置信水平下（表3），除了RCP2.6情景下春季、秋季的均溫無顯著變化趨勢，其余排放情景下的季均溫均呈顯著上升趨勢，同一排放情景下，四季中冬季的上升速率幾乎是最快的。

圖1 1991年1月至2005年12月黃土高原四季均溫和降水量觀測值與降尺度值的特征

表2 2015－2100年黃土高原3種RCP情景下不同時間段四季均溫變化的平均值 ℃

圖2 2015－2100年黃土高原四季均溫距平變化

表3 2015－2100年黃土高原四季均溫3種RCP情景下變化的平均值（℃）、標準誤差SE，Z 及s（℃／10 a）

在研究區內的每個柵格上對2015—2100年3種RCP情景下的四季均溫進行Mann-Kendall趨勢檢驗和Sen’s斜率估算，其趨勢的空間分布如附圖29所示。除了RCP2.6 情景，其余兩種RCP 情景下四季均溫通過顯著性檢驗的區域均為整個黃土高原地區（附 圖29b1，29b2，29b3，29b4）黑 框 區 域 和（附 圖29c1，29c2，29c3，29c4黑 框 區 域）。RCP2.6 情 景 下，春季均溫通過顯著性檢驗的區域集中在寧夏、內蒙古、青海和山西部分以外的黃土高原中部地區（附圖29a1黑框區域），占黃土高原面積的69.27%；夏季通過顯著性檢驗的區域集中在貴德、同仁和大同以外的地區（附圖29a2黑框區域），占黃土高原面積的98.38%；秋季通過顯著性檢驗的區域集中在黃土高原東北部地區（附圖29a3黑框區域），占黃土高原面積的57.17%；冬季通過顯著性檢驗的區域集中在青海部分區域以及臨洮以外的地區（附圖29a4黑框區域），占黃土高原面積的93.01%。

未來時期這些區域3種RCP情景下四季均溫全部呈上升趨勢。且由表4可知，3種RCP情景下四季均溫的上升速率均有較大差異，空間變異系數為2.06～30.40%，其中同種RCP情景下冬季均溫的空間變異系數最大。隨著排放情景的升高（即RCP2.6，RCP4.5，RCP8.5），未來時期四季升溫的平均速率均逐漸增大，且RCP8.5情景下冬季升溫的平均速率最大，為0.61 ℃／10 a，上升速度由東南向西北逐漸變大；RCP2.6和RCP4.5情景下，冬季均溫的上升速度均由西南向北逐漸變大；RCP4.5 情景下，春季均溫上升速度由東南向西北逐漸變大，夏季由西南向北逐漸變大；RCP8.5 情景下，春季均溫上升速度由南向西北逐漸變大。

表4 2015－2100年黃土高原四季均溫顯著趨勢空間分布的變化特征

2.3 黃土高原四季降水量變化趨勢分析

對黃土高原2015—2100年的四季降水進行距平運算，結果見圖3。從圖3可知，與氣候平均值相比，整個黃土高原3種RCP情景下的四季降水距平百分比均劇烈波動，春季、夏季降水在RCP4.5情景下的變化范圍最大，分別為－73.04%～147.18%和－53.80%～65.50%；秋季、冬季降水在RCP8.5情景下的變化范圍最大，－71.85%～114.70%和－84.36%～222.80%。比較表5中的結果發現，隨著進入21世紀初期（2015—2040 年）、中 期（2041—2070 年）、末 期（2071—2100年），春季降水在3種RCP情景下與氣候平均值相比均是增加的，夏季降水只在RCP8.5情景下是增加的，冬季在RCP4.5和RCP8.5情景下是增加的。表6統計可知，隨著排放情景的升高（即RCP2.6，RCP4.5，RCP8.5），2015—2100年春季和冬季降水的距平均值均逐漸增大，與氣候平均值相比降水是增加的；其余季節降水的距平均值增減不一，春季平均值分別為（13.58±4.32）%，（16.38±4.09）%，（22.98±3.94）%，夏季平均值分別為（1.30±2.56）%，（－0.31±2.64）%，（11.51±2.47）%，秋季平均值分別為（－2.06±3.72）%，（2.40±3.79）%，（1.98±4.18）%，冬季的平均值分別為（8.83±6.02）%，（18.53±7.16）%，（26.34±7.85）%；3種排放情景下，冬季降水距平均值在四季中幾乎是最大的。根據Mann-Kendall趨勢檢驗法可知在95 %的置信水平下（表6），除了RCP4.5和RCP8.5 情景下春季降水呈顯著上升趨勢，上升速率分別為3.13 mm／10 a和4.45 mm／10 a，其余排放情景下的季降水均無顯著變化趨勢。

圖3 2015－2100年黃土高原四季降水量距平百分比變化

表5 2015－2100年黃土高原3種RCP情景下不同時間段四季降水量變化的平均值 %

表6 2015－2100年黃土高原四季降水3種RCP情景下變化的平均值（mm）、標準誤差SE，Z 及s（mm／10 a）

在研究區內的每個柵格上對2015—2100年3種RCP情景下四季降水進行Mann-Kendall趨勢檢驗和Sen’s斜率估算，其趨勢的空間分布如附圖30所示。

春季降水在RCP2.6情景下沒有通過顯著性檢驗的區域（附圖30a1），其余兩種RCP 情景下通過顯著性檢驗的區域分別集中在黃土高原西北部、南部（附圖30b1黑框區域）和北部以外的大部分地區（附圖30c1黑框區域），這些區域呈上升趨勢，分別占黃土高原面積的41.70%和92.78%；夏季降水在3種RCP情景下均有通過顯著性檢驗的區域，分別集中在黃土高原最西端極少數地區（附圖30a2藍框區域）、西南部（附圖30b2黑框區域）和最南端極少部分地區（附圖30c2黑框區域），其中RCP2.6情景下的這些區域呈下降趨勢，RCP4.5和RCP8.5情景下的區域呈上升趨勢，分別僅占黃土高原面積的0.05%，6.35%和0.05%；秋季降水只在RCP8.5情景下有通過顯著性檢驗的區域，主要集中在黃土高原東南部地區（附圖30c3藍框區域），這些區域呈下降趨勢，占黃土高原面積的5.43%；冬季降水在3種RCP情景下均有通過顯著性檢驗的區域，且這些區域均呈上升趨勢，分別集中在寧夏部分地區（附圖30a4黑框區域）、黃土高原西南部內蒙古部分地區（附圖30b4黑框區域）和西北端青海、寧夏部分地區（附圖30c4黑框區域），分別占黃土高原面積的3.63%，13.14%和4.49%。

由表7可知，不管區域顯著趨勢是上升還是下降，3種RCP情景下四季降水的變化速率均有較大差異，空間變異系數為10.57%～42.79%。對比所有RCP情景下四季降水的空間變異系數，春季降水的最大，且其內降水的上升速度均由北向南逐漸變大；同種RCP情景下，夏季降水的上升速度均為最大，其平均值分別為9.30 mm／10 a和10.81 mm／10 a；秋季降水的下降速度由西北向東南逐漸變大，平均速率為7.36 mm／10 a；冬季降水上升的速度均較小，平均速率只有0.61 mm／10 a，0.37 mm／10 a和0.48 mm／10 a。

表7 2015－2100年黃土高原四季降水量顯著趨勢空間分布的變化特征

3 討論

目前，區域尺度上的未來氣候變化及趨勢研究中通常存在一定的不確定性，該不確定性主要來自所用氣候模式和降尺度過程。為滿足研究氣候變化的需要，世界氣候研究計劃（WCRP）耦合模式工作組（WGCM）聯合國際地圈—生物圈計劃、地球系統集成與建模項目以及世界上20多個知名的氣候模擬機構共同組織實施了國際耦合模式比較計劃（CMIP）［25］。本研究所用的CMIP5發布的氣候模式是目前為止最全面的氣候模式［25］，被諸多學者應用于一系列區域氣候變化研究［1，22］。CMIP5 模式在SRES情景的基礎上進行了重大改進，結合了RCPs去表征未來溫室氣體排放情景，3種情景依據全球溫室氣體排放程度確定CO2的排放范圍和每個情景的輻射強度［26］，與耦合模式比較計劃第三階段（CMIP3）的氣候模式相比，CMIP5模式采用了更合理的參數化方案、通量處理方案和耦合器技術，以提高氣候模式的模擬和預估能力，增強對氣候系統變化的機理性認識［26］。且本研究采用多個氣候模式數據（27個GCMs在多種排放情景下的數據）進行研究，降低了不同模式、不同干擾設定對區域未來氣候預估的不確定性。Delta空間降尺度過程中采用了高空間分辨率的參考氣候數據集，其中包含地形效應，得到的高空間分辨率網格地圖數據包含了詳細的地理信息，比如精確的地理位置、面積信息，且本研究降尺度過程中使用了4種插值法，這在一定程度上降低了Delta法在插值處理過程所產生的誤差。Peng等［22］使用與本研究相同的方法和數據降尺度到1 km 空間分辨率，其研究結果表明，在黃土高原地區使用Delta法將GCMs氣象數據降尺度到1 km的網格上是可行的，且GCMs 降尺度數據比GCMs原始數據更加接近站點觀測數據。因此，本研究分析黃土高原未來時期四季氣候變化時空分布特征所得到的結果也較為可信。

趙天保等［27］研究結果表明，在不同RCP情景下，未來時期中國干旱半干旱區都以增溫為主要特征，高等濃度路徑下（RCP8.5）增溫趨勢更顯著，且可能是氣溫升高、降水增多最為顯著的區域之一。黃土高原橫跨半濕潤、干旱和半干旱區，本文結果表明，21世紀其四季溫度變化趨勢與趙天保等［27］研究結果相似，四季均溫均在RCP8.5情景下的變化范圍最大，且3種排放情景下，冬季均溫的增溫幅度在四季中均是最大的。程 雪 蓉 等［28］研 究 結 果 指 出，2010—2099 年RCP4.5和RCP8.5情景下，中國的氣溫增加明顯，并呈現出春弱秋冬強的特征；冬季全國的降水線性趨勢普遍較小，春夏季全國的降水趨勢普遍增大。本研究黃土高原在RCP4.5和RCP8.5情景下，四季氣溫增加明顯，其中秋冬增溫的平均值均高于春夏；降水只在春季呈上升趨勢，其他季節均無顯著變化趨勢，且RCP4.5情景下春季、夏季降水量的增幅最大，這與程雪蓉等［28］研究結果相比相似。但本文黃土高原地區的降水在RCP8.5情景下秋季、冬季降水量的增幅最大，這與程雪蓉等［28］的研究結果不太一致。黃土高原氣候變化特征與中國氣候變化特征結果相似，說明黃土高原區域氣候對全國氣候變暖有顯著響應。但在小地理尺度上，不同地區四季溫度和降水的變化趨勢卻會有明顯差異，產生這種差異的原因可能是氣候變化在空間上具有差異性，降水和氣溫受區域大氣條件、地形地貌、下墊面等多種因素影響，具有明顯的區域性特征。且四季溫度和降水在未來時期的變化趨勢差異也與所用氣候模式描述的物理過程及模擬巧技有關，與所用模式的氣候敏感度也有關［29］。

20世紀以來，全球變暖已被廣泛接受，并認為它已經并且正在對社會經濟活動、農業、環境和生態系統產生深遠影響。然而，目前在全球變暖的成因、幅度、空間分布及其未來變化等問題上還存在著不同的意見。本文研究了黃土高原未來時期四季氣候的變化趨勢，只得到了一些初步結果，對于造成未來時期黃土高原區域特定季節下氣候變化的成因等問題，還需展開進一步的研究。

4 結論

（1）本文所用的27個GCMs中，最適合模擬黃土高原未來時期四季月均溫和月降水量Delta降尺度的氣候模式分別是Nor ESM1-M 和GFDL-ESM2M模式。

（2）2015—2100年黃土高原區域四季均溫除了RCP2.6情景下的春季、秋季無顯著趨勢，其余情景下四季均溫均呈顯著上升趨勢，且同一情景下冬季上升速率是最快的；四季降水量只有RCP4.5和RCP8.5情景下的春季呈顯著上升趨勢，其余排放情景下四季降水量均無顯著趨勢。

（3）3種RCP情景下，2015—2100年黃土高原區域四季均溫在21 世紀初期（2015—2040 年）、中期（2041—2070年）和末期（2071—2100年）相比于氣候平均值均是增加的，且RCP8.5情景下冬季均溫的變化最大；降水量只在春季均是增加的，冬季只在RCP4.5和RCP8.5情景下是增加的，但冬季降水的變化在四季中是最大的。

（4）空間分布上，四季均溫在RCP2.6情景下為黃土高原部分地區呈顯著上升趨勢，RCP4.5 和RCP8.5情景下為整個黃土高原地區均呈顯著上升趨勢；3種RCP情景下，四季降水量趨勢在空間分布上具有很大差異，春季降水量增加速率均由北向南逐漸變大，秋季的下降速率由西北向東南逐漸變大；同種RCP情景下，夏季降水的增加速率最大，冬季增加速率較小。