近60a嫩江流域極端氣候指數(shù)時(shí)空分布特征及未來趨勢分析

中圖分類號：TV21 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號：1001-9235（2025）07-0061-13

Abstract：ThestudyofextremeclimatechangeintheNenjiangRiverBasinisofgreatsignificanceforensuringecologicalsecurityand agriculturalproduction.Basedontheoservationdatasuchasdailytemperatureandprecipitationfrom12meteorologicalstationin theNenjiang RiverBasinbetween196Oand2O20，thispaperselects26extremeclimateindices.Meanwhile，methodslikethelinear fiting，Mann-Kendallutatiost，andsdingttestaedoptedtoaletspatiempralationaractesticftre temperatureandprecipitationinthebasin.Aditioaly，thispaperutilizestheNEX-GDDP-CMIP6datasettopredictfturecliate changetrendsinthbasin.Theresultsshowthatfrom196Oto020，theextremewarmindexsignificantly icreases，whiletheextree coldindexsignfcantlydecreases，withmutationyearsmainlyconcentratedintheyearsafter975.Theextremeprecipitationidex significantlyrises，withmutationyearsprimarilyintheyearsafter2Olo.Intermsofspatialdistribution，theareaswithhighvalue extremecoldindicesaremainlylocatedintheOroqenAutonomousBaner，whiletheareaswithhighvalueextremewarindiesae morescatered.Inadditiontotheintensityindicesotherareaswithhig-valueextremeprecipitationindicsarelsoconcentratedin theOroqenAutonomousBanner.Inthefuture，theNenjiangRiverBasinisexpectedtoshowawarmingtrendintemperatureanda risingtrendinprecipitation，withanicreasedprobabilityofextremehigh-temperatureeventsandextremeprecipitationevents. Keywords： extreme climate index;spatio-temporalcharacteristics; NEX-GDDP-CMIP6;future trends;Nenjiang River Basin

近年來，隨著全球氣候變化，極端氣候變化已成為全球關(guān)注的焦點(diǎn)，特別是極端氣候事件，不僅對自然環(huán)境構(gòu)成威脅，對人類和社會(huì)經(jīng)濟(jì)的危害也更大[1-5]。極端降水和溫度事件是各種災(zāi)害的主要因素，包括洪水、泥石流、干旱和熱浪等。例如隨著全球氣候的變暖，幾乎所有地區(qū)熱浪頻率都在顯著上升。極端降水事件是歐洲最嚴(yán)重的氣候?yàn)?zāi)害之一，常常引發(fā)廣泛的洪水以及一系列負(fù)面影響[7]。

極端氣候指數(shù)（ExtremeClimateIndices）是描述和量化極端氣候事件頻率、強(qiáng)度和持久性的指標(biāo)，用于表征氣溫、降水等氣象要素的極端變化特征。這些指數(shù)由世界氣象組織（WorldMeteorologicalOrganization）和氣候變率與可預(yù)測性項(xiàng)目（ClimateandOcean：Variability，Predictabilityand Change）等機(jī)構(gòu)推薦使用[8]，其中27個(gè)被推薦為核心指數(shù)[9]。Wang等[10]研究表明，1961—2017年中國西南地區(qū)極端溫暖事件顯著增加，極端寒冷事件顯著減少。Liu等[]研究表明，半個(gè)世紀(jì)以來，除華北地區(qū)外，所有地區(qū)極端降水均有所增加，除西北和青藏高原外，所有地區(qū)均出現(xiàn)極端干旱增加趨勢。Guo等[12]研究發(fā)現(xiàn)，1960—2020年東北三省極端低溫指數(shù)霜凍日數(shù)呈顯著減少趨勢，夏天日數(shù)、熱夜日數(shù)和暖晝?nèi)諗?shù)呈顯著增加趨勢。

CMIP6（Coupled Model Intercomparison ProjectPhase6）是由世界氣候研究計(jì)劃（WorldClimateResearchProgramme）主辦的一項(xiàng)全球性氣候模型對比項(xiàng)目，旨在通過多模式實(shí)驗(yàn)來更深人理解氣候系統(tǒng)，并評估未來氣候變化的潛在影響。CMIP6設(shè)計(jì)了新的共享社會(huì)經(jīng)濟(jì)途徑（SharedSocioeconomicPathways），將社會(huì)經(jīng)濟(jì)發(fā)展與溫室氣體排放相結(jié)合，以預(yù)測未來氣候[13]。CMIP6模型較CMIP5有顯著改進(jìn)，使用了更高分辨率，模擬的物理過程更加精細(xì)，能更好地再現(xiàn)氣候系統(tǒng)的變化和相互作用[14]。盡管CMIP6模型中國模擬降水方面優(yōu)于CMIP5，但在極端降水的各種指標(biāo)和模型性能之間仍然存在顯著差異[15-16]。除此之外，在模擬中國極端溫度也存在差異，特別在青藏高原存在明顯的冷偏差和暖偏差[17]。由于CMIP6氣候模式中一般環(huán)流模式（GeneralCirculationModel）的地理分辨率差和可能存在區(qū)域間偏差的不足，因此需要對CMIP6氣候模式數(shù)據(jù)進(jìn)行降尺度處理[18]。在此背景下，利用CMIP6模擬的結(jié)果，美國航天局（NASA）通過每月偏差校正/空間分解方法的變體開發(fā)了一個(gè)高分辨率的每日縮小數(shù)據(jù)集，即NASAEarthExchange全球每日縮小投影（NEX-GDDP）數(shù)據(jù)集[19]。Zhang等[20]研究表明，NEX-GDDP-CMIP6數(shù)據(jù)集在復(fù)制降水模式方面通常優(yōu)于CMIP6模擬，尤其是在極端事件期間和某些情景下的未來預(yù)測中。Tong等[21]研究表明，利用中國國家級地面氣象站的逐日值和NEX-GDDP-CMIP6氣候模式數(shù)據(jù)集，預(yù)測了未來淮河流域極端降水的增加表現(xiàn)為由西北向東南遞減的空間變化特征且未來極端降水事件加劇。Yang等[22]研究表明，NEX-GDDP-CMIP6改善了中國西北地區(qū)日最高氣溫極大值（TXx）指數(shù)的冷偏差和華南地區(qū)的暖偏差，并且在極端降水方面展現(xiàn)出了強(qiáng)大的性能。

東北地區(qū)是中國最重要的商品糧基地，主要種植玉米、水稻和大豆等糧食作物。由于緯度高，極端氣候事件（干旱、霜凍、暴雨、大風(fēng)等）頻繁發(fā)生，影響了東北地區(qū)的農(nóng)業(yè)發(fā)展，嚴(yán)重威脅當(dāng)?shù)丶Z食生產(chǎn)與安全[23]。目前一些學(xué)者已經(jīng)對東北地區(qū)極端氣候事件的時(shí)空變化趨勢進(jìn)行了相關(guān)研究。于水等[24]研究表明，松花江流域在不斷增暖變濕，但不同地區(qū)之間存在一定差異，特別是嫩江流域的北部和南部差異比較明顯。初興林等[25]分析了近60a來圖們江流域極端氣候變化及未來趨勢，表明氣溫呈變暖趨勢，降水呈增加趨勢，流域未來發(fā)生極端高溫和極端降水事件概率增大。但是目前關(guān)于嫩江流域極端氣候的研究較為有限，已有的研究主要集中在東北三省和松花江流域，但往往忽視了嫩江流域內(nèi)的極端氣候變化趨勢，并且很少對該流域未來的極端氣候變化進(jìn)行預(yù)測。本文通過對嫩江流域氣候極端性變化特征的研究，找出該流域氣候變化的特征并對未來極端氣候進(jìn)行預(yù)測，為科學(xué)制定流域保護(hù)措施和應(yīng)對氣候挑戰(zhàn)提供參考。

1數(shù)據(jù)來源與方法

1. 1 研究區(qū)概況

嫩江流域位于中國東北地區(qū)，是松花江的重要支流，全長約 1370km ，總流域面積約29.85萬 km² 作為東北地區(qū)的主要河流之一，嫩江發(fā)源于大興安嶺東麓，沿途匯入多條支流，最終注入松花江。該流域處于溫帶大陸性季風(fēng)氣候區(qū)，四季分明，年均氣溫較低，約為 2～5^°C 。冬季漫長寒冷，夏季溫暖多雨，年降水量分布不均，集中在7一9月，年降水量約為 400～600mm 。嫩江流域在區(qū)域生態(tài)環(huán)境、農(nóng)業(yè)生產(chǎn)、經(jīng)濟(jì)發(fā)展等方面也具有重要意義。

圖1嫩江流域地理位置及氣象站點(diǎn)分布 Fig.1Geographic locationandmeteorological station distributioninNenjiangRiverBasin

1.2 數(shù)據(jù)來源

本研究氣象數(shù)據(jù)來源于中國國家級地面氣象站基本氣象要素日值數(shù)據(jù)集（V0）（https：//m.data.cma.cn/data），為保證數(shù)據(jù)的準(zhǔn)確性和完整性，選用1960—2020年嫩江流域12個(gè)氣象站點(diǎn)的逐日降水量、日最高氣溫和日最低氣溫?cái)?shù)據(jù)進(jìn)行研究。結(jié)合已有研究[26-27]，選用NEX-GDDP-CMIP6數(shù)據(jù)集中在中國適應(yīng)較好的CanESM5模式，該數(shù)據(jù)來源于美國航天局發(fā)布的NEX-GDDP-CMIP6數(shù)據(jù)（https：//www.nccs. nasa. gov/services/data-collections/land-based-products/nex-gddp-cmip6），選用SSP1-6、SSP2-4.5、SSP5-8.5共3種排放情景，未來預(yù)測期為2021—2100年。數(shù)字高程模型（DigitalElevationModel，DEM）來自地理空間數(shù)據(jù)云（http：//www. gscloud.cn）。

1.3 研究方法

本研究采用世界氣象組織推薦的26種極端氣候核心指數(shù)（表1）。采用R語言 RclimDex0） 程序，計(jì)算各站點(diǎn)的極端氣溫和極端降水?dāng)?shù)值，采用線性擬合分析該流域60a持續(xù)變化趨勢，采用Mann-Kendll（M-K）突變檢驗(yàn)[28]和滑動(dòng) Φ_t 檢驗(yàn)[29]，將2個(gè)檢驗(yàn)都達(dá)到顯著性水平且相差不超過兩年的年份，確定為極端氣候指數(shù)序列發(fā)生顯著性突變的年份。同時(shí)，在ArcGIS軟件中使用普通克里金插值方法，對各站點(diǎn)的多年平均極端氣候指數(shù)進(jìn)行空間插值分析。采用相關(guān)系數(shù) R² 和均方根誤差（RootMeanSquareError，RMSE）來評估CanESM5模式在該流域的適用性[30]。

NEX-GDDP-CMIP6數(shù)據(jù)集由全球尺度縮小的氣候情景組成，這些情景來自于CMIP6下進(jìn)行的環(huán)流模式（GCM）運(yùn)行，以及被稱為共享社會(huì)經(jīng)濟(jì)路徑（ssp）的4個(gè)“一級\"溫室氣體排放情景，可用于評估氣候變化如何影響敏感氣候系統(tǒng)和地形效應(yīng)。用于生成NEX-GDDP-CMIP6數(shù)據(jù)集的偏差校正和空間分解（Bias Correction and Spatial Disaggregation）方法是一種統(tǒng)計(jì)降尺度算法31，在此框架內(nèi)，每個(gè)CMIP6模擬都被縮小到全球空間分辨率 （0.25^°× 0.25^° ）。

表1嫩江流域極端氣候指標(biāo)

Tab.1ExtremeclimateindicesinNenjiangRiverBasin

2 結(jié)果與分析

1極端氣溫指數(shù)時(shí)空變化情況

1.1極端氣溫的時(shí)間變化特征分析

采用Mann-Kendall突變檢驗(yàn)和滑動(dòng)t檢驗(yàn)結(jié)合趨勢分析見圖2和表2。極端氣溫極值指數(shù)（ ΔTXx 、TXn、TNx、TNn）均呈上升趨勢，說明近60a來嫩江流域整體氣溫升高。極端冷指數(shù)（ID、FD、TX10p、TN10p、CSDI）均呈下降趨勢，極端暖指數(shù)（ TX90p TN90p、SU、TR、WSDI）呈上升趨勢，且TN9Op的上升速率比TX90p快，TN10p的下降速率比大，表明該流域夜晚的升溫速率大于白天，極端高溫事件發(fā)生概率增加，極端低溫事件發(fā)生概率減少。在其他指數(shù)中，生長期長度（Growing Season Length，GSL）呈上升趨勢，平均溫差（Day-might TemperatureRange， DTR）呈下降趨勢。

表21960—2020年極端氣溫指數(shù)變化趨勢和突變分析結(jié)果[ab.2Variation trends inextreme temperature indices and mutation analysis results from1960 to 2020

根據(jù)突變結(jié)果分析，極端冷指數(shù)的突變年份集中發(fā)生在1975—1991年，極端暖指數(shù)的突變年份集中發(fā)生在1992—2010年，其中TN90p未發(fā)生突變。

自1980開始結(jié)冰、霜凍、冷晝、冷夜、冷日持續(xù)日數(shù)逐漸減少，2000年后暖晝、暖夜、夏天、熱夜、暖日持續(xù)日數(shù)逐漸增多，氣候逐漸變暖。

1.2極端氣溫指數(shù)的空間分布特征分析

極端氣溫指數(shù)空間分布特征見圖3。可以看出，TXx的高值區(qū)主要位于齊齊哈爾以南部地區(qū)，TXn的低值區(qū)位于嫩江、鄂倫春自治旗北部地區(qū)，TNx的高值區(qū)位于該流域東南部地區(qū)，TNn的低值區(qū)位于嫩江、小二溝地區(qū)。ID的高值區(qū)位于鄂倫春自治旗、嫩江和小二溝地區(qū)，低值區(qū)位于扎蘭屯以南地區(qū)，F(xiàn)D的高值區(qū)位于小二溝西部區(qū)域，低值區(qū)位于嫩江以東地區(qū)。TX10p和TN10p的高值區(qū)均位于鄂倫春自治旗區(qū)域，低值區(qū)的空間分布格局也基本一致，CSDI的高值區(qū)主要集中于鄂倫春自治旗地區(qū)。TX90p的低值區(qū)位于扎蘭屯、龍江和泰來地區(qū)，TN90p的低值區(qū)位于鄂倫春自治旗西部和索倫西部地區(qū)。SU和TR的高值區(qū)均為于白城和泰來地區(qū)。WSDI的高值區(qū)位于嫩江流域北部地區(qū)。GSL的高值區(qū)位于泰來、白城和烏蘭浩特地區(qū)，低值區(qū)位于鄂倫春自治旗和索倫以西地區(qū)，DTR的空間分布格局與之相反。

圖31960—2020年嫩江流域極端氣溫指數(shù)的空間分布

Fig.3Spatial distributionof extreme temperature indices inNenjiangRiver Basin from1960 to2020

2極端降水指數(shù)時(shí)空變化情況

1 極端降水指數(shù)的時(shí)間變化特征分析

采用Mann-Kendall突變檢驗(yàn)和滑動(dòng)t檢驗(yàn)結(jié)合趨勢分析見圖4和表3。結(jié)果顯示，除CDD（持續(xù)干期）呈下降趨勢以外，極端降水指數(shù)呈上升趨勢。說明近60a來持續(xù)干期下降，持續(xù)濕期上升，降水的強(qiáng)度和頻率都在增加。突變結(jié)果表明，極端降水指數(shù)的突變年份大部分出現(xiàn)在2010年之后。

圖41960一2020年嫩江流域極端降水變化趨勢及突變分析

Fig.4Extreme precipitation variation trendand mutation analysis in Nenjiang River Basin from1960 to 2020

表3極端降水指數(shù)變化趨勢和突變分析結(jié)果

Tab.3 Variation trends in extreme precipitation indices and mutation analysis results

2 極端降水指數(shù)的空間分布特征分析

極端氣溫空間指數(shù)見圖5。由圖5可以看出，R95p、R10、R20、CWD和PRCPTOT的空間分布格局基本一致，高值區(qū)均位于鄂倫春自治旗、小二溝和扎蘭屯地區(qū)，低值區(qū)均位于泰來、白城和烏蘭浩特地區(qū)。SDⅡI高值區(qū)位于小二溝、依安以南地區(qū)，低值區(qū)鄂倫春自治旗地區(qū)。CDD高值區(qū)位于泰來、白城以東地區(qū)，低值區(qū)位于龍江以北地區(qū)。 R99p 、Rx1day和Rx5day分布都較為均勻， R99p 高值區(qū)位于鄂倫春自治旗以北地區(qū)，Rx1day高值區(qū)位于白城以東地區(qū)，Rx5day高值區(qū)主要位于索倫以西地區(qū)。綜上所述，嫩江流域鄂倫春自治旗、嫩江和小二溝一帶降水充足，易發(fā)生強(qiáng)降水事件，南部地區(qū)泰來、白城和索倫一帶易發(fā)生持續(xù)干燥。

圖51960—2020年嫩江流域極端降水指數(shù)的空間分布

Fig.5Spatialdistribution of extreme precipitation index in Nenjiang River Basin from 1960 to 2020

3未來情景下極端氣候指數(shù)變化分析

1 模式適用性分析

為驗(yàn)證CanESM5氣候模式在嫩江流域模擬氣溫和降水的能力，本研究將1960—2014年作為基準(zhǔn)期，將實(shí)測站點(diǎn)月平均降水、月均最高氣溫及月均最低氣溫與CanESM5氣候模式下的歷史數(shù)據(jù)進(jìn)行擬合。其中相關(guān)系數(shù)越接近于1，均方根誤差越接近于0，表明CanESM5氣候模式下模擬的值與實(shí)測值擬合效果高。由表4可知，氣溫?cái)?shù)據(jù)的模擬效果比降水?dāng)?shù)據(jù)要好，符合要求。說明CanESM5氣候模式在嫩江流域模擬氣溫和降水的能力較好，可用來預(yù)測未來極端氣候變化。

2未來極端氣溫指數(shù)分析

基于CanESM5氣候模式，以2000—2020為基準(zhǔn)期，預(yù)估近期（2020—2060年）和中期（2060—2100年），研究3個(gè)排放情景（SSP1-6，SSP2-4.5，SSP5-8.5）下極端氣候變化趨勢。未來極端氣溫指數(shù)見圖6。極值指數(shù)整體均呈顯著上升趨勢， TNn 整體上升速率最大，最大上升速率為 1.95°C/10a 表明該流域未來整體變暖且日最低氣溫極小值增長最快。其中，TXx在近期3種情景下均呈上升趨勢，在中期SSP2-4.5和SSP5-8.5情景下呈下降趨勢，在SSP5-8.5情景下持續(xù)上升。TXn除了中期在SSP2-4.5呈不顯著上升趨勢外，其他情況與TXx基本一致。TNx整體呈上升趨勢，在近期，SSP5-8.5情景下的值低于其他2種情景，但在中期，SSP5-8.5情景下的值遠(yuǎn)高于其他2種情景，表明在中期SSP5-8.5情景下增長速率更快。 TNn 在近期3種情景下均呈上升趨勢，在中期 SSP1-6 情景呈下降趨勢。極端冷指數(shù)整體均呈顯著下降趨勢，F(xiàn)D整體下降速率最大，最大下降速率為 8.39d/10a ，表明該流域未來霜凍日數(shù)增長最快。其中，極端冷指數(shù)在近期3種情景下均呈下降趨勢，但在中期SSP1-6情景下呈現(xiàn)增長趨勢，表明在 SSP1-6 情景下，中期氣溫較前期相比有所降低。極端暖指數(shù)中，TR整體上升速率最大，最大上升速率為 9.09d/10 a，表明該流域未來夜間升溫的速率大于白天。極端暖指數(shù)在3種情景下近期和中期與極端冷指數(shù)呈現(xiàn)出相反的趨勢。其他指數(shù)中，GSL整體呈上升趨勢，最大上速率為 6.98d/10a ，且在近期和中期的變化趨勢與極端暖指數(shù)基本一致。DTR整體呈下降趨勢，最大下降速率為 0.15d/10a ，且在近期和中期3種情景下都呈現(xiàn)出下降趨勢。

表4CanESM5氣候模式模擬精度指標(biāo)

Tab.4SimulationaccuracyofCanESM5climatemodel

3 未來極端降水指數(shù)分析

未來極端降水指數(shù)見圖7。由圖可以看出，未來極端降水指數(shù)的變化速率比極端氣溫指數(shù)要小。

除CDD（持續(xù)干期）呈現(xiàn)下降趨勢外，其他極端降水指數(shù)均呈現(xiàn)上升趨勢，表明該流域未來降水強(qiáng)度和降水頻率都有所增大。強(qiáng)度指數(shù)中，Rx5day整體上升速率最大，最大上升速率為 1.19mm/10s 1，表明該流域5日內(nèi)最大降水量增加，極端降水事件更加頻繁和強(qiáng)烈。SDⅡI近期和中期3種情景下均呈上升趨勢，但在中期SSP1-6情景下上升速率有所降低。Rx1day在 SSP 2–4.6 情景下的變化率最大，近期3種情景下均呈上升趨勢，但中期在 SSP1-6 情景下呈下降趨勢。Rx5day的變化趨勢與Rx1day的基本一致。相對指數(shù)中， R95p 整體上升速率最大，最大上升速率為 6.41mm/10 a，且在近期SSP1-6和SSP5-8.5情景下增長速率接近，中期SSP1-6情景下呈下降趨勢。 R99p 的變化趨勢與Rx1day基本一致。絕對指數(shù)中，R10整體上升速率最大，最大上升速率 9.0d/10a ，在近期3種情景下， SSP1-6 情景下增長速率最大，但在中期增長平緩且速率小于其他2種情景。R20的變化趨勢與Rx1day基本一致。持續(xù)指數(shù)中，CWD和PRCPTOT整體呈上升趨勢，CDD呈下降趨勢，且PRCPTOT變化速率最大，最大變化速率為 217mm/10a ，表明該流域未來極端降水事件增加，極端干旱事件的影響減弱。

綜上所述，未來氣溫逐漸升高，極端高溫天數(shù)增加，極端低溫天數(shù)減少，出現(xiàn)極端高溫事件可能性增加，與降水強(qiáng)度和降水總量相關(guān)的極端降水指數(shù)顯示出顯著的上升趨勢。不同指數(shù)不同時(shí)期在不同排放情景下變化趨勢各有不同，大部分極端氣候指數(shù)隨著排放情景的加劇，變化速率也隨之加快。總體來看，未來嫩江流域極端高溫和極端降水事件的發(fā)生概率將增加，而極端干旱事件的概率則會(huì)有所減少。

3討論

嫩江流域的極端氣溫和極端降水指數(shù)在年際變化和空間變化差異顯著。于水等[24]研究表明，松花江流域極端氣溫和極端降水整體呈上升趨勢，且極端降水指數(shù)的高值區(qū)集中在嫩江流域中北部地區(qū)，松花江流域整體在增暖變濕。王建中等[32]研究表明，嫩江流域極端降水指數(shù)均呈上升趨勢，未來嫩江流域各極端降水指數(shù)以上升為主。孫佳歆等[33]研究表明，琿春河流域極端高溫事件發(fā)生的概率增大，極端低溫事件發(fā)生的概率減小，流域過度降水和持續(xù)干燥事件發(fā)生頻率在過去40a內(nèi)有所增加。本文結(jié)果與上述學(xué)者的研究基本一致，這是由于流域位于東北寒溫帶，受大氣環(huán)流和海洋因子的影響[34-35]。除此之外，全球變暖引起的水汽濃度升高，使得極端降水的概率增大，進(jìn)而影響到流域的氣候變化[36]。

嫩江流域北部鄂倫春自治旗地區(qū)易出現(xiàn)極端低溫事件，這是因?yàn)楸辈烤暥雀摺⑻栞椛漭^弱，導(dǎo)致低溫較低，這是最基本的因素。其次是大興安嶺的山脈效應(yīng)，大興安嶺橫跨嫩江流域的上游，寒冷的空氣從西伯利亞南下時(shí)，而高山阻擋了溫暖濕潤的氣流進(jìn)入流域北部。嫩江流域中北部（小二溝、嫩江和鄂倫春自治旗地區(qū)）易出現(xiàn)極端降水事件，這是由于大興安嶺作為天然屏障，影響了濕潤空氣的流動(dòng)和降水模式。當(dāng)濕潤的氣流從東南方向進(jìn)入時(shí)，它被大興安嶺攔截，迫使空氣沿山脈上升。這一上升過程使得迎風(fēng)坡地區(qū)的降水量增加。而嫩江流域的中北部恰好位于大興安嶺的迎風(fēng)坡區(qū)域，因此該區(qū)域的降水量相對較高。所以大興安嶺的地貌特征對東北地區(qū)及鄰近地區(qū)的大氣環(huán)流、降水和氣溫有重要的影響[37]。

本文研究了嫩江流域近60a的極端氣候指數(shù)變化，揭示了極端高溫和降水事件的趨勢與空間分布，為預(yù)測極端氣候事件的頻率、強(qiáng)度和持續(xù)時(shí)間提供支持，為極端氣候風(fēng)險(xiǎn)管理和政策制定提供更有力的科學(xué)依據(jù)。嫩江流域未來氣候化是一個(gè)復(fù)雜的過程，存在許多不確定的因素。本文僅使用了一種氣候模式，一定程度上影響了該預(yù)估結(jié)果的可信度。因此未來可采用多模式耦合的方法平均化不同模型的結(jié)果，以解決單一模型局限導(dǎo)致的結(jié)果偏差，使研究結(jié)果更加可靠。

4結(jié)論

a）1960一2020年嫩江流域的極端氣溫暖指數(shù)、極值指數(shù)以及生長期長度指數(shù)呈上升趨勢，而極端冷指數(shù)則呈下降趨勢；除了持續(xù)干期外，極端降水指數(shù)均呈上升趨勢。極端氣溫冷指數(shù)突變的年份集中發(fā)生在1975一1991年，極端暖指數(shù)的突變年份集中發(fā)生在1992—2010年；極端降水指數(shù)發(fā)生突變的年份多為2010年以后。

b）1960—2020年嫩江流域極端氣候指標(biāo)存在較明顯的空間分異性。結(jié)冰日數(shù)、霜凍日數(shù)等極端冷指數(shù)高值區(qū)主要集中在鄂倫春自治旗地區(qū)，極值指數(shù)日最高氣溫極大值、日最低氣溫極大值高值區(qū)主要集中泰來、白城一帶，日最高氣溫極小值、日最低氣溫極小值低值區(qū)位于鄂倫春自治旗、嫩江一帶，暖指數(shù)的高值區(qū)較為分散。極端降水指數(shù)除了降水強(qiáng)度外，其他降水指數(shù)的高值區(qū)均集中于鄂倫春自治旗地區(qū)。

c）嫩江流域在2021—2100年3種排放情景（SSP）下，隨著排放情景的加劇，極端氣溫指數(shù)的變化速率也相應(yīng)增加，此外，未來極端高溫事件的發(fā)生可能性將增加，極端降水的強(qiáng)度和頻率也將提升，極端降水事件的發(fā)生概率增大，而極端干旱事件的發(fā)生概率則相對減少。

參考文獻(xiàn)：

[1]PANXB，SHEN D N，DONGXJ，et al.Natural DisasterOccurrence and Average Global Temperature ［J].DisasterAdvances，2011，4（4）：61-6

[2]VANAALSTM K. Theimpacts of climate change on the risk ofnatural disasters[J].Disasters，2006，30（8）：5-18.

[3] BAHINIPATICS，GUPTSA K. Methodological challengesinassessing loss and damage from climate-related extreme eventsand slow onsetdisasters：Evidence from India[J]. InternationalJournal of Disaster Risk Reduction，2022，8DOI：10.1016/J.IJDRR.202103418.

[4]陳世瀧，孟慶凱，戴勇，等．極端氣候影響下中巴公路沿線崩滑災(zāi)害危險(xiǎn)性評價(jià)[J].工程地質(zhì)學(xué)報(bào)，2024，32（3）：1010-1019.

[5］毛喜玲，殷淑燕，劉海紅．面向極端氣候事件的冀魯豫地區(qū)農(nóng)業(yè)氣象災(zāi)害分析[J].水土保持研究，2023，30（4）：327-337.

[6]PERKINS-KIRKPATRICK S E，LEWIS S C. Increasing trendsin regional heatwaves[J].Nature Communications，2O2O，11（1）：3357-3369.

[7]MADSEN H，LAWRENCE D，LADG M， et al. Review of trendanalysisand climate change projections of extreme precipitationand floods in Europe[J].Journal of Hydrology，2014，519（12）：3634-3650.

[8]ALEXANDER L V， ZHANG X， PETERSON TC， et al. Globalobserved changesin dailyclimateextremesof temperature andprecipitation[J].Journal of Geophysical Research：Atmospheres，2006，111（5）.DOI：10.1029/2005JD006290.

[9] ZHOU YQ，REN G Y. Change in extreme temperature eventfrequency over mainland，1961-2008[J]．Climate Research，2011，50（2）：125-139.

[10]WANG C X， CHEN C， ZHANG S Q. Variation characteristics ofextreme climate events in Southwest China from 1961 to 2017[J].Heliyon，2023，39（5）：112-135.

[11]LIU M，SHEN YJ， QIYQ，et al. Changes in Precipitation andDrought Extremes over the Past Half Century in China[J].Atmosphere，2019，10（4）：203-21

[12]GUO E L，ZHANG JQ，WANG YF，et al.Spatiotemporalvariations of extreme climate events in Northeast China during1960-2014[J]. Ecological Indicators，2019，96（2）：669-68

[13]BIANGD，ZHANGJY，SONGMM，et al.Projections of floodregime changes over the upper-middle Huaihe River Basin inChina based on CMIP6 models[J].Frontiers in EnvironmentalScience，2023，11（2）：112-12

[14] ZAMANI Y，MONFARED S A H，MOGHADDAM M A，et al.Comparison of CMIP6 and CMIP5 projections for precipitation toobservational data：the case of Northeastern Iran[J].Theoreticaland Applied Climatology，2020，142（10）：1613-162

[15]SONG XY，XU M，KANG SC，et al.Evaluation and projectionof changes in temperature and precipitation over Northwest Chinabased on CMIP6 models[J].Intermational Journal of Climatology，2024，38（5）：317-330.

[16]XUYF，LIT，XUM，et al.Assessing Climate ChangeEffectson WinterWheat Production in the 3HPlain：Insights from Bias-Corrected CMIP6 Projections[J].Agriculture Basel，2024，14（1）：12-2

[17]LUO N，GUO Y，GAO Z B，et al．Assessment of CMIP6 andCMIP5 model performance for extreme temperature in China[J].Atmospheric and Oceanic Science Letters，2020，13（1）：589-597.

[18]XUZF，HANY，TAMCY，etal.Bias-corrected CMIP6 globaldataset for dynamical downscaling of the historical and futureclimate（1979-2100）[J].ScientificData，2021，33（8）：112-12

[19]THRAHER B，WANG W L，MIVHAELISA，et al.NASAGlobalDailyDownscaled Projections，CMIP6[J]．ScientificData，2022，35（9）：262-271.

[20] ZHANG JE，LI C X， ZHANG X B，ZHAO T B.Improvingsimulations of extreme precipitation events in China by the CMIP6global climatemodelsthroughstatistical downscaling[J].Atmospheric Research，2024，35（2）：112-12

[21]TONG M，LILL，LIZ，et al. Spatiotemporal Analysis of FuturePrecipitation Changes in the Huaihe River Basin Based on theNEX-GDDP-CMIP6 Dataset and Monitoring Data[J].Water，2023，15（1）：25-36.

[22]YANGBG，TANGHY，WEILX，et al[J].Future changes inextremes across China based on NEX-GDDP-CMIP6 models[J].Climate Dynamics，2024，62（2） ：9587-9617.

[23］于水，張曉龍，王妍，等．氣候變化對中國東北三省主要糧食作物影響研究綜述[J].中國生態(tài)農(nóng)業(yè)學(xué)報(bào)（中英文），2024，32（6）：970-985.

[24]于水，張曉龍，劉志娟，等．1961—2020年松花江流域極端氣候指數(shù)的時(shí)空變化特征[J].應(yīng)用生態(tài)學(xué)報(bào)，2023，34（4）：1091-1101.

[25]初興林，武瑋，楊雪琪，等．近60a圖們江流域極端氣候變化及未來趨勢預(yù)測[J].水利水電技術(shù)（中英文），2024，55（8）：24-37.

[26］趙昱蘇，孫穎娜，黃曦．基于CMIP-6氣候模式的湯旺河上游流域徑流變化研究[J]．人民珠江，2025，46（2）：109-117.

[27]歐陽碩，胡智丹，邵駿，等．基于CanESM5模式的長江流域未來降雨變化趨勢分析[J]．長江科學(xué)院院報(bào)，2024，41（1）：36-4

[28］胡琦，馬雪晴，胡莉婷，等．Matlab在氣象專業(yè)教學(xué)中的應(yīng)用：氣象要素的M-K檢驗(yàn)突變分析[J].實(shí)驗(yàn)室研究與探索，2019，38（12）：48-51，107.

[29］薛雨婷，李謝輝，王磊，等．1976-2017年西南地區(qū)夏季不同等級降水時(shí)空變化特征[J].西南大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，44（2）：137-145.

[30］吳琛，王景才，邵俊博，等.CMIP6模式對淮河中上游流域氣候要素模擬效果的評估研究[J]．人民珠江，2023，44（10）：105-116.

[31] ZHANG JE，LI C X，ZHANG X B，ZHAO T B. Improvingsimulations of extremeprecipitation events in China by the CMIP6globalclimatemodelsthrough statisticaldownscaling[J].AtmosphericResearch，2024，45（2）：305-320.

[32]王建中，高鵬，劉翠杰，等．1960—2018年嫩江流域極端降水事件時(shí)空變化特征[J].東北水利水電，2021，39（9）：30-3

[33]孫佳歆，杜崇，齊鵬，等.琿春河流域極端氣候時(shí)空演變特征及水庫運(yùn)行的反饋效應(yīng)[J].綠色科技，2023，25（4）：10-16.

[34］楊石嶺，陳祚伶，黃曉芳，等.全球變暖對水循環(huán)的影響：回顧與展望[J].第四紀(jì)研究，2024，44（5）：1079-109

[35]劉祥周，肖麗英，高桂青，等．1960—2020年貴州省極端氣溫指數(shù)時(shí)空演變特征及其影響因素分析[J].水利水電技術(shù)（中英文），2025，56（1）：39-50.

[36]尚麗君，廖花妹，涂浙，等．鄱陽湖流域 1960～2018 年極端氣溫變化及其與大氣環(huán)流的關(guān)系[J].長江流域資源與環(huán)境，2021，30（1）：160-171.

[37」何博翰.大興安嶺和長白山地形對中國東北地區(qū)夏季氣候影響的模擬研究[D].成都：成都信息工程大學(xué)，2020

（責(zé)任編輯：高天揚(yáng)）