1 引言
2021年8月9日， 政府间气候变化专门委员会（Intergovernmental Panel on Climate Change， IPCC）第六次评估报告《气候变化2021： 自然科学基础》指出， 全球气候变暖趋势至少在本世纪中叶前仍将继续， 气候系统的许多变化随区域的脆弱性和暴露度的差异存在不同程度的加剧， 其中中国西北内陆区是高温干旱的高危险地区（IPCC， 2021）。我国西北内陆区地处欧亚大陆腹地， 降水稀少、 蒸发强烈， 不仅是我国水资源短缺区域， 也是典型的气候敏感区和生态脆弱区（方一平等， 2019； 王玉洁和秦大河， 2017； 吴梦莹等， 2012）。在全球气候变暖的背景下， 冰川退缩（冉思红等， 2021）、 冻土退化（徐洪亮等， 2021）、 降水重新分配（卢珊等， 2021）等， 该区域水循环已经且将持续发生显著变化（丁一汇和王全军， 2016）。黑河是西北内陆区的重要内陆河之一， 其中下游水资源的供给来自上游山区， 水资源的变化对该流域社会经济发展和生态系统稳定至关重要（丁永建等， 2007）。近年来， 降水、 气温等关键水文要素受气候变化影响持续发生改变（李红梅等， 2021； 孟宪红等， 2020）， 上游山区水资源产出的稳定性进一步被影响（程文举等， 2020）， 对流域经济社会建设发展产生制约（高泽阳和常跟应， 2021）， 导致人与自然环境的矛盾愈发突出。因此研究黑河干流山区未来气候变化有助于了解该区域的未来水资源变化及趋势， 为气候变化背景下内陆河流域的水资源保护和管理提供一定参考（牛赟等， 2016； 李晓菲等， 2019）。
自1995年国际耦合模式比较计划（Coupled Model Intercomparison Project， CMIP）推动以来， 全球各大气候模拟中心发布了众多气候模式数据， 气候变化模拟和预估成为学术界的热点内容（周天军等， 2019）。CMIP6是CMIP计划实施以来参与模式最多、 设计试验最完善、 提供数据最庞大的最新阶段， 在动力参数化方案和模式分辨率等方面较CMIP5有很大提高（Chen et al， 2020）， 被广泛应用于各空间尺度的气候模拟和评估。蒋文好和陈活泼（2021）通过分析CMIP6模式输出数据发现亚洲中高纬地区未来百年呈显著增温趋势； 进一步评估发现， CMIP6在我国西北地区降水和气温的模拟效果较好（向竣文等， 2021）， 尤其干旱区半干旱区的降水模拟能力较CMIP5有明显提升（王予等， 2021）； 赵梦霞等（2021）基于CMIP6多模式集合平均数据模拟黄河上游降水空间分布， 预估未来黄河上游年降水呈波动上升趋势。
梳理资料发现， 现有黑河流域关于气候变化的研究（蓝永超等， 2001； 程鹏等， 2020； 司源等， 2018）主要是基于气象台站的历史观测数据对流域内气候变化进行分析， 通过气候模式数据分析黑河流域未来气候变化的研究则相对缺乏。因此， 本文基于黑河干流山区4个气象站观测的逐日降水、 平均气温和CMIP6的7个气候模式资料， 评估偏差校正前后CMIP6多模式集合平均数据对黑河干流山区降水和气温变化的模拟能力； 在此基础上对该研究区未来不同时间尺度下4个SSPs情景的降水和气温演变趋势进行预估。分析黑河干流山区未来气候变化情况对该流域未来水资源管理、 社会经济等发展具有一定意义。
2 研究区概况
黑河流域是西北内陆区第二大内陆河流域， 源起祁连山， 流经青海、 甘肃和内蒙古三省， 终至居延海。河流全长约821 km， 流域面积约13×104 km²（尹振良等， 2013）。黑河干流山区地处祁连山北麓中段（蓝永超等， 2005）， 该区域地形西高东低（朱光熙等， 2020）， 海拔范围为1637~5062 m， 集水面积约10009 km²， 如图1 所示。黑河干流山区气候属于典型的干旱半干旱大陆性气候， 冬季寒冷降水稀少， 夏季炎热降水丰沛， 昼夜温差大。受地形和海拔等因素的影响， 区域降水由东向西递减， 随海拔高度升高增加。黑河干流山区多年平均降水量为450 mm以上， 多年平均温不足1 ℃。整个区域主要由多年冻土和季节性冻土覆盖， 具有较高的植被覆盖度， 空间差异较大。
3 数据来源与研究方法
3.1 数据来源
实际观测数据选取研究区内及周围4个国家标准气象台站（表1 ）多年的逐日降水和平均温度数据， 以观测数据为基准， 对CMIP6气候模式在研究区域内的历史气候情景（1971 -2014年）的模拟能力进行校验和评估。
表1 国家标准气象台站基本信息Table 1 Basic information of the selected national standard meteorological stations |
| 气象站点 | 纬度 | 经度 | 海拔/m | 时间跨度 |
|---|---|---|---|---|
| 野牛沟 | 38.40°N | 99.60°E | 3320.00 | 1959 -2018年 |
| 祁连 | 38.20°N | 100.30°E | 2787.40 | 1956 -2018年 |
| 托勒 | 38.80°N | 98.40°E | 3367.00 | 1956 -2018年 |
| 张掖 | 38.90°N | 100.40°E | 1482.70 | 1951 -2018年 |
气候变化数据选用CMIP6发布的7个全球气候模式数据（General Circulation Models， GCMs）， 如表2 。由于各模式的分辨率不一致， 为方便与观测数据对比分析， 采用双线性插值法将模式数据统一插值到0.5°×0.5°的格点， 选取距离气象台站最近格点的日尺度降水气温数据进行气候变化分析。通过多变量偏差校正（Multivariate Bias Correction， MBC）方法对选取的模式格点数据进行偏差校正， 减小全球气候模式在区域尺度上的模拟偏差， 提高气候模式数据的模拟精度（李雅培等， 2021）。
表2 CMIP6中7个GCMs模式基本信息Table 2 Basic information of the selected 7 GCMs from CMIP6 |
| 模式名称 | 研发机构 | 格点数 | 分辨率 |
|---|---|---|---|
| ACCESS-CM2 | 澳大利亚联邦科学与工业研究组织 | 192×144 | 1.875°×1.250° |
| ACCESS-ESM1-5 | 澳大利亚联邦科学与工业研究组织 | 192×144 | 1.875°×1.250° |
| BCC-CSM2-MR | 北京国家气候中心 | 320×160 | 1.125°×1.125° |
| CNRM-CM6-1 | 法国国家气象研究中心 | 256×128 | 1.406°×1.406° |
| EC-Earth-Veg | 欧洲EC-Earth联盟 | 512×256 | 0.703°×0.703° |
| GFDL-ESM4 | 美国大气海洋局 | 288×120 | 1.250°×1.000° |
| MRI-ESM2-0 | 日本气象厅气象研究所 | 320×160 | 1.125°×1.125° |
为提高气温、 降水的模拟精度， 克服单一模式不确定性大等问题（Kharin and Zwiers， 2002； Kang and Jin， 2006）， 本文采用多模式集合平均法， 对CMIP6的7个全球气候模式数据进行集合平均。以1971 -2014年为校验期， 2021 -2100年为预估期， 选取情景模式比较计划（Scenario Model Intercomparison Project， ScenarioMIP）中的核心试验情景（张丽霞等， 2019）， 对未来不同辐射强迫情景下气候要素的变化进行评估（表3 ）和趋势分析。情景模式比较计划采用新的“共享社会经济路径”（Shared Socioeconomic Pathways， SSPs）和辐射强迫情景（Representative Concentration Pathways， RCPs）的矩阵组合（钱永明等， 2021）， 描述在没有气候变化或者气候政策影响下未来社会的可能发展， 更加强调未来辐射强迫情景与共享社会经济情景的一致性。
表3 CMIP6情景比较计划-核心试验情景的基本信息Table 3 Basic information about core experiments in ScenarioMIP in CMIP6 |
| 情景 | SSPs | 强迫类型 | RCPs /（W·m-2） |
|---|---|---|---|
| SSP1-2.6 | SSP 1（可持续发展） | 低强迫 | 2.6 |
| SSP2-4.5 | SSP 2（中度发展） | 中等强迫 | 4.5 |
| SSP3-7.0 | SSP 3（局部发展） | 中等至高强迫 | 7.0 |
| SSP5-8.5 | SSP 5（常规发展） | 高强迫 | 8.5 |
3.2 研究方法
3.2.1 泰勒图
泰勒图能很好地评估CMIP6多模式集合平均结果的模拟能力， 以图形的形式直观地展示模拟值与观测值之间的标准差之比（σf ）、 相关系数（R）和均方根误差（RMSE）。σf 和RMSE约束模拟值与观测值之间的偏差大小， R反映模拟结果与观测值之间的相似程度（胡一阳等， 2021）。σf 、 RMSE和R计算公式如下：
式中： n为时间长度； i为时间； 、 分别为观测值和模拟值的平均值； σx 、 σy 分别为观测值和模拟值的标准差。当模拟值的RMSE越小越趋近于0， σf 和R越大越趋近于1， 表示模拟值越靠近观测点（REF）， 说明模拟效果越好。
3.2.2 综合评级指标
当模拟效果都比较接近时， 引入综合评级指标S能定量化描述模拟结果， 从而更客观地评估模拟能力（Taylor， 2001）：
式中： R为模拟值与观测值之间的相关系数； σf 为模拟值与观测值的标准差之比； R O为最大相关系数。S越接近1， 说明模拟效果越好。
3.2.3 Mann-Kendall趋势检验
Mann-Kendall趋势检验是分析数据序列变化趋势的非参数检验方法， 该方法对数据样本的分布无要求， 也不受缺失值或异常值的影响， 在具有随机性的水文、 气象要素的趋势识别中具有很好的适用性（景丞等， 2016）， 因此被广泛用于水文、 气象等趋势性检验中。其原理是对于给定的置信水平α， 当统计检验量 时， 拒绝原假设没有显著变化， 即在置信水平α上说明该时间序列具有显著性α的上升或下降趋势（宁忠瑞等， 2021）。
3.2.4 MBC校正方法
MBC校正方法是消除系统偏差的校正方法， 该方法被证明在任意时间尺度下的气候影响评估研究中具有很好的适用性（Mehrotra and Sharma， 2016）。其原理是通过均值、 标准差对单个变量进行校正， 然后根据变量的自相关性及变量间和互相关性反复在不同时间尺度下结合多元回归模型对模拟时期的偏差进行校正， 简化的校正公式如下：
式中： ， ， ， 分别对应日、 月、 季节、 年尺度的校正值， ， ， 分别对应月、 季节、 年尺度的模拟值的汇总， k， j， s， t对应日、 月、 季节和年。
4 结果与分析
4.1 历史情景降水/气温模拟能力评估
4.1.1 基于泰勒图的模拟能力评估
MBC方法校正后， 气象台站间的降水模拟效果存在一定差异性， 野牛沟、 祁连和托勒模拟值与观测值的相关性均大于0.88， 标准差之比均达到0.93以上， 呈现较好的模拟效果； 张掖的相关性和标准差之比小于其他3站， 模拟效果稍显欠佳。气温模拟中， 4个站的模拟能力及效果基本一致， 模式数据与观测值的相关性和标准差之比均在0.96以上， 模拟效果较好。
为了更客观地评估站点间的降水气温模拟效果， 引入综合评价指标计算不同气候要素的各站排名。在月降水模拟中， 综合评价指标从大到小依次为0.995， 0.983， 0.941和0.572， 分别对应野牛沟、 祁连、 托勒、 张掖； 与之类似， 月平均气温模拟综合评价指标从大到小依次为0.999， 0.998， 0.995和0.994， 分别对应张掖、 祁连、 野牛沟、 托勒。
综上， CMIP6校正后的多模式集合平均气温模拟值比降水模拟值与观测值的距离更接近， 综合评价指标更高， 说明CMIP6模式输出数据对黑河干流山区的气温模拟比降水模拟总体效果更好。
4.1.2 多年月平均降水/气温模拟评估
综合以上分析， MBC方法校正后的多模式集合平均数据在逐年月平均和多年月平均降水/气温模拟中均与观测值数据有强相关性， 能准确地模拟黑河干流山区降水/气温的时空特征和变化趋势， 因此可认为托勒、 野牛沟、 祁连、 张掖4个站点的降水/气温模拟值能够反映黑河干流山区未来气候变化趋势， 所以在预估未来黑河干流山区降水/气温变化中均采用MBC方法校正后的多模式集合平均数据进行分析。
4.2 未来降水/气温变化趋势分析
4.2.1 未来多年月平均降水/气温变化分析
将基准期（1971 -2014年）的多年月平均降水/气温分别与2015 -2100年未来时期4种排放情景下的多年月平均值对比显示， 未来不同情景下黑河干流山区各月降水量和平均气温均呈上升趋势。
在降水模拟中（图4 ）， 各站点的月降水量随辐射强迫增加而增加， SSP1-2.6情景下， 月降水量相对基准期增幅36.47%~58.79%； SSP5-8.5情景下， 增幅68%~113.33%。相同排放情景下， 站点间的月降水量相对基准期的变化不同步， 张掖和托勒增幅较大， 祁连和野牛沟增幅相对较小， 其中SSP1-2.6情景下， 野牛沟的月均增幅36.47%（4.78%~122.12%）， 祁连的月均增幅53.48%（4.57%~204.23%）， 托勒的月均增幅53.68%（9.17%~153.03%）， 张掖的月均增幅58.79%（11.52%~125.19%）。
各情景下， 4个站的降水量从春季（3 -5月）至夏季（6 -8月）稳步增长， 从秋季（9 -11月）到冬季（12月至次年2月）逐渐递减。但季节降水变率具有以下特征： 不同情景下， 站点的降水增幅伴随辐射强迫增加而增大； 相同情景下， 季节降水波动趋势相似， 站点的冬季和春季的降水波动幅度较大， 夏秋两季降水波动幅度较小； 虽然未来夏秋两季降水量相对基准期明显增加， 但相对基准期的变化幅度较小， 而未来冬春两季降水量虽然增加不显著， 但相对基准期变化幅度较大， 尤其在12月至次年2月期间， 未来月降水量同比基准期涨幅45%以上， 季节降水增幅为冬季>春季>秋季>夏季。春季至秋季时， 降水增幅排名为张掖>托勒>祁连>野牛沟， 冬季降水增幅排名为祁连>托勒>张掖>野牛沟。
随着辐射强迫增加， 未来多年月平均气温（图5 ）呈上升趋势， SSP5-8.5情景的升温相对较高， SSP1-2.6情景下升温相对较小。不同排放情景对各站月平均气温的季节特征模拟具有相似性， 最高温均出现在7月， 最低温在1月份， 与基准期一致。各站气温模拟在各情景下响应不同， 野牛沟、 祁连、 张掖的月平均气温在各排放情景下均呈正增长； 托勒的月平均气温在9月至次年6月呈正增长， 6月呈负增长直至9月。除了托勒， 站点间的月平均气温模拟趋势具有相似性， 在10月到次年4月中， 各排放情景的月平均气温相对于基准期变化幅度不大， 说明该时期升/降温幅度具有一定的规律性； 但在5 -9月， 未来平均气温相对基准期的变化较大， 在SSP5-8.5情景下， 野牛沟的温度变化较小， 范围为4.18~6.62 ℃， 张掖温度变化较大， 范围为3.58~6.94 ℃。相同排放情景下， 站点间的月平均气温相对基准期的变化不同步， 在SSP1-2.6情景中， 托勒的月均增幅为35.76%（6%~198.51%）， 野牛沟的月均增幅为42.18%（17.52%~155.93%）， 祁连的月均增幅34.03%（1.96%~97.61%）， 张掖的月均增幅为53.56%（11.63%~348.39%）。
从季节变化来看， 相同情景下各站的气温变化存在一定共性和差异。共性是4个站气温变化趋势具有相似性， 平均气温均在秋季增幅较大， 四季气温增幅排名为秋季>春季>夏季>冬季； 张掖气温在秋冬更替时增幅最大。差异是气温季节性增量不同： 春夏两季气温增量排名为祁连>张掖>野牛沟>托勒， 秋季气温增量排名为张掖>祁连>野牛沟>托勒， 冬季气温增量排名是托勒>野牛沟>张掖>祁连。
综上， 在不同排放情景下， 当辐射强迫越大， 降水和气温的增幅越明显， 与已有的研究一致（李红梅等， 2021）。在相同排放情景下， 四季更替影响站点降水增幅和气温变化趋势， 未来降水整体增幅表现为东部>西部； 未来春季至秋季气温增幅东部>西部， 冬季气温增幅西部>东部， 所以未来春季至秋季增温趋势自西向东增加， 冬季增温趋势自西向东减弱。黑河干流山区整体降水和气温都自西向东增加， 并且未来东部将比西部降水更多， 气温更高。黑河干流山区季节性的降水和气温增幅不同步， 四季降水增幅排名冬季>春季>秋季>夏季； 气温增幅排名为秋季>春季>夏季>冬季， 说明黑河干流山区的降水和气温季节变化特征不同， 冬春两季降水变化更明显， 春秋两季气温变化更大。因此， 黑河干流山区未来的春季会更温暖湿润， 并且东部会比西部现象更明显。
4.2.2 未来逐年降水/气温变化分析
表4 未来每10年降水和气温的变化Table 4 Future decadal changes in precipitation and temperature |
| 站点 名称 | 排放情景 | 降水变化 /［mm·（10a）-1］ | 温度变化 /［℃·（10a）-1］ |
|---|---|---|---|
| 野牛沟 | SSP1-2.6 | 7.60* | 0.10** |
| SSP2-4.5 | 14.76* | 0.41** | |
| SSP3-7.0 | 14.35* | 0.62** | |
| SSP5-8.5 | 20.56* | 0.78 | |
| 祁连 | SSP1-2.6 | 6.70* | 0.10** |
| SSP2-4.5 | 8.69* | 0.35** | |
| SSP3-7.0 | 4.35* | 0.53** | |
| SSP5-8.5 | 15.22* | 0.71** | |
| 托勒 | SSP1-2.6 | 7.10* | 0.15** |
| SSP2-4.5 | 10.79* | 0.33** | |
| SSP3-7.0 | 11.81* | 0.53** | |
| SSP5-8.5 | 9.75* | 0.74** | |
| 张掖 | SSP1-2.6 | 2.00* | 0.27** |
| SSP2-4.5 | 1.57* | 0.41** | |
| SSP3-7.0 | 4.62* | 0.62** | |
| SSP5-8.5 | 6.01* | 0.81** |
*和**分别表示通过了0.05和0.01的显著性水平检验 |
从4个站点未来年降水量在不同排放情景下相对基准期的变化（图6 ）可以看出， 4个站在不同排放情景的年降水量相对基准期均呈小幅度波动上升（通过0.05显著性水平检验）， 增速因情景和站点而异。辐射强迫较低的情景降水量变化趋势较小， 辐射强迫中等或高的情景变化趋势相对较大， 野牛沟、 祁连、 张掖降水量在SSP5-8.5情景增速最快， 可达20.56 mm·（10a）-1、 15.22 mm·（10a）-1、 6.01 mm·（10a）-1， 托勒降水量增速最大是SSP3-7.0情景， 可达11.81 mm·（10a）-1。相同情景下， 年降水量增速从大到小排名为野牛沟>托勒>祁连>张掖。
图6 1971 -2100年4个气象台站不同情景下年降水量变化实线为情景下多模式集合平均； 彩色阴影部分是各情景下年降水量最大最小值分布， 表征模式的不确定性 Fig.6 The variations of annual precipitation of four meteorological stations in different SSPs from 1971 to 2100.The solid line represented multimode ensemble average， the shaded parts represent the distribution （maximum and minimum） annual precipitation to indicate the uncertainty of the model under each scenario |
从4个站未来年平均气温在不同排放情景下相对基准期的变化（图7 ）可以看出， 各站在不同排放情景的年平均气温相对基准期一致呈现非常显著的上升趋势（通过0.01显著性水平检验）， 随辐射强迫增加气温上升趋势愈加显著， 其中SSP5-8.5情景气温上升最明显。对4个站的年平均气温趋势分析， 发现托勒和野牛沟的年平均气温呈波动上升， 野牛沟的波动幅度最大， 托勒波动相对较小； 张掖和祁连的年平均气温呈稳定上升， 祁连的上升趋势最平稳， 张掖相对较稳。2020 -2060年不同情景间的年平均气温差较小， 但2061 -2070年发生明显变化， 2070年之后不同情景的年平均气温上升速度逐渐不同， 情景间的年平均气温差随时间和辐射强迫大小逐渐增大。
图7 1971 -2100年4个站点不同情景下的年平均气温变化实线为情景下多模式集合平均； 彩色阴影部分是各情景下年平均气温分布， 表征模式的不确定性 Fig.7 The variations of annual average temperature of four meteorological stations in different SSPs from 1971 to 2100.The solid line represented multimode ensemble average， the shaded parts represent the distribution （maximum and minimum） of annual average temperature to indicate the uncertainty of the model under each scenario |
总体来说， 黑河干流山区未来整体的降水与当前空间分布一致—东多西少， 年降水量增速自西向东减小， 年平均气温增量自西向东增加。伴随辐射强迫增加， 年降水量和年平均气温呈现为上升趋势。查阅相关资料（怀保娟等， 2014； 王俊瑶等， 2020； 赵华秋等， 2021）发现黑河干流山区西部分布着比东部更多的冰川， 而温度和降水是影响冰川消融积累的重要影响因子（李忠勤等， 2003； 陈忠升， 2016）， 因此推测气候变化对黑河干流山区西部的影响将比东部大。到21世纪末期， 相对当前气候， 黑河干流山区在SSP1-2.6情景下年降水量增加约46.80 mm（16~60.80 mm）， 年平均气温增加约1.24 ℃（0.80~2.16 ℃）； 在SSP5-8.5情景下年降水量增加约103.08 mm（48.08~164.48 mm）， 年平均气温增加约6.08 ℃（5.68~6.48 ℃）。
4.2.3 未来不同时期降水/气温分析
为了更进一步探讨未来不同时期的气候变化， 将2021 -2040年、 2041 -2060年、 2081 -2100年依次作为21世纪的近期、 中期、 远期展开气候变化分析。
图8 未来不同时期4个站点年降水分布小提琴形状体现年降水量的分布特征， 宽度表示年降水量集中程度， 横线代表四分位数， 颜色由浅到深表示随辐射强迫增大的情景 Fig.8 The distribution of annual precipitation of four meteorological stations in future periods.The violin shape indicates the distribution characteristics of annual precipitation， the width represents the concentration degree of annual precipitation， the horizontal line shows the quartile， and the color from light to dark represents the scenario with increasing radiative forcing |
图9 未来不同时期4个站点年平均气温分布小提琴形状体现年平均气温的分布特征， 宽度反映年平均气温集中程度， 横线代表四分位数， 颜色由浅到深表示随辐射强迫增大的情景 Fig.9 The distribution of annual average temperature of four meteorological stations in future periods.The violin shape indicates the distribution characteristics of annual average temperature， the width represents the concentration degree of annual temperature， the horizontal line shows the quartile， and the color from light to dark represents the scenario with increasing radiative forcing |
综上， 黑河干流山区未来时期的降水和气温均由近期向远期逐渐增加， 增幅随辐射强迫增加而加大。短期内黑河干流山区降水充沛对整个黑河流域水资源的补给起到一定的积极作用， 可以缓解黑河中下游水资源紧张的状况。随着未来时期持续增暖增湿， 黑河干流山区的发生异常气温降水事件频率增加， 主要表现形式为降水突增和气温骤减， 发生频率空间表现为自西向东增加， 说明该区域存在发生洪涝、 寒潮等灾害的可能性， 应提前做好防范措施。
5 结论
本研究基于黑河干流山区4个气象站观测的逐日降水、 平均气温和CMIP6的7个气候模式资料， 评估了偏差校正前后的CMIP6多模式集合平均数据对黑河干流山区降水和气温变化的模拟能力； 在此基础上对该研究区未来不同时间尺度下4个SSPs情景的降水和气温演变趋势进行了预估分析。得到以下主要结论：
（1） CMIP6模式数据对降水和气温的模拟偏差存在差异性， 对降水模拟的偏差相对较大， 对气温的模拟偏差较小， 气温模拟能较好地吻合实际情况。经过MBC方法校正后， 多模式集合平均模拟偏差减小， 说明MBC方法能够提高模拟效果， 更准确地模拟黑河干流山区降水和气温的时空特征和变化趋势。因此可认为， MBC校正后的CMIP6多模式集合平均模拟值能够反映黑河干流山区未来气候变化趋势。
（2） 季节尺度上， 黑河干流山区降水和气温在不同季节的增幅不同， 冬春两季降水增幅相对较大， 夏秋两季比较平缓； 春秋两季气温增幅明显， 夏冬两季相对较小， 所以黑河干流山区未来春季可能会比当前气候下的春季更加温暖湿润。年尺度上， 不同排放情景下的黑河干流山区未来的降水和气温均随时间推移呈上升趋势， 增幅随情景的辐射强迫增加而愈加显著。时期尺度上， 近期和中期的年降水量和年平均气温增幅较小， 远期降水和气温增幅显著加大。
（3） 空间尺度上， 未来降水气温变化时， 黑河干流山区的东部降水比西部更多、 气温更高， 东部春季温暖湿润的现象会比西部更明显。但伴随气候持续增湿增暖， 黑河干流山区的异常气温降水事件可能增加， 主要表现形式为降水突增和气温骤减， 发生频率空间表现为自西向东增加， 说明该区域存在发生洪涝、 寒潮等灾害的可能性， 应提前做好防范措施。