高原气象

高原气象 >

2026 , Vol. 45 >Issue 2: 386 - 400

DOI: https://doi.org/10.7522/j.issn.1000-0534.2025.00073

NEX-GDDP-CMIP6降尺度数据对秦岭（陕西段）气温变化的模拟评估及未来预估

  • 户元涛 , 1, 2, 3, 4 ,
  • 王景红 , 1, 2, 3 ,
  • 毛明策 1, 4 ,
  • 陈荣 5 ,
  • 杨柳 1, 4 ,
  • 王娟 1, 4 ,
  • 张侠 1 ,
  • 王延 1
展开
  • 1. 陕西省气候中心，陕西 西安 710014
  • 2. 中国气象局秦岭和黄土高原生态环境气象重点开放实验室，陕西 西安 710016
  • 3. 气候生态产品价值实现技术研发创新团队，陕西 商洛 726000
  • 4. 气候生态评价和气候应用技术研究室，陕西 西安 710016
  • 5. 青海大学生态环境工程学院，青海 西宁 810000
王景红（1968 -）， 女， 陕西西安人， 研究员， 主要从事气候变化研究. E-mail：

户元涛（1990 -）， 男， 甘肃庆阳人， 博士研究生， 主要从事气候变化检测与归因研究. E-mail：

收稿日期: 2025-01-13

  修回日期: 2025-06-05

  网络出版日期: 2025-07-22

基金资助

陕西省自然科学基础研究计划项目(2025JC-YBQN-440)

中国气象局秦岭和黄土高原生态环境气象重点开放实验室(2023G-6)

中国气象局秦岭和黄土高原生态环境气象重点开放实验室(2023G-7)

收起

Assessment and Projection of NEX-GDDP-CMIP6 Downscale Data in Air Temperature Changes over the Qinling Mountains （Shaanxi Section）

  • Yuantao HU , 1, 2, 3, 4 ,
  • Jinghong WANG , 1, 2, 3 ,
  • Mingce MAO 1, 4 ,
  • Rong CHEN 5 ,
  • Liu YANG 1, 4 ,
  • Juan WANG 1, 4 ,
  • Xia ZHANG 1 ,
  • Yan WANG 1
Expand
  • 1. Climate Center of Shaanxi Province，Xi’an 710014，Shaanxi，China
  • 2. China Meteorological Administration Eco-Environment and Meteorology for The Qinling Mountains and Loess Plateau Key Laboratory，Xi’an 710016，Shaanxi，China
  • 3. Tech-Innovation R&D Team for Climate and Ecological Products Value Realization，Shangluo 726000，Shaanxi，China
  • 4. Laboratory of Climate Ecological Assessment and Climate Technology Applications，Xi’an 710016，Shaanxi，China
  • 5. College of Ecological and Environmental Engineering Qinghai University，Xining 810000，Qinghai，China

Received date: 2025-01-13

  Revised date: 2025-06-05

  Online published: 2025-07-22

Copyright

© Editorial Department of Plateau Meteorology （CC BY-NC-ND）
Fold

摘要

秦岭作为我国的中央水塔和重要的生态屏障， 气温变化对其水源涵养能力、 生态系统稳定性以及区域气候调节功能有着重要影响。为探究统计降尺度偏差校正处理后的全球气候模式（NEX-GDDP-CMIP6）数据对秦岭气温变化的模拟能力， 预估未来气温变化， 本文基于8个NEX-GDDP-CMIP6模式资料， 对比CN05.1观测资料， 评估了模式对秦岭年平均气温变化的模拟性能， 预估了四种共享社会经济路径情景下（Shared Socioeconomic Pathway， SSP）区域未来气温变化。结果显示， NEX-GDDP-CMIP6各模式均能很好地再现1961 -2014年观测的秦岭气温的分布型、 空间趋势和时间变化特征， 二者的相关系数分别为0.90~0.92、 0.51~0.77和0.46~0.57， 多模式集合平均（MME）模拟效果最好， 与观测对应的相关系数分别为0.92、 0.65和0.74。进一步基于MME预估的秦岭未来（2015 -2100年）气温持续增加， SSP情景越高， 增温幅度越大， SSP1-2.6、 SSP2-4.5、 SSP3-7.0和SSP5-8.5情景下的增温趋势分别为0.10 ℃·（10a）-1、 0.26 ℃·（10a）-1、 0.42 ℃·（10a）-1和0.57 ℃·（10a）-1， 趋势存在着海拔、 纬向和经向依赖性， 即： 随海拔上升、 纬度和经度增大而增大。相对于1995 -2014年参考时段， 4种情景下秦岭在本世纪近期（2021 -2040年）增温0.65~0.97 ℃， 中期（2041 -2060年）增温1.37~2.0 ℃， 末期（2081 -2100年）增温1.39~4.46 ℃。秦岭南、 北坡未来气温变化一致， 增温幅度近似秦岭平均， 北坡增温大于南坡， SSP情景越高， 北坡增温越快。研究结果可为秦岭生态保护及气候变化的适应性研究提供科学依据。

关键词： 秦岭; 气温; NEX-GDDP-CMIP6; 未来预估

本文引用格式

户元涛 , 王景红 , 毛明策 , 陈荣 , 杨柳 , 王娟 , 张侠 , 王延 . NEX-GDDP-CMIP6降尺度数据对秦岭（陕西段）气温变化的模拟评估及未来预估[J]. 高原气象, 2026 , 45(2) : 386 -400 . DOI: 10.7522/j.issn.1000-0534.2025.00073

Abstract

As China’s “Central Water Tower” and vital ecological barrier， the Qinling Mountains’ temperature variability plays an important role in regional water conservation， ecosystem stability， and regional climate regulation.To evaluate the performance of statistically downscaled and bias-corrected Global Climate Models （GCMs） dataset （NEX-GDDP-CMIP6） in simulating observed temperature changes and further to project the future temperature variability over the Qinling Mountains， this study analyzes 8 NEX-GDDP-CMIP6 models against the CN05.1 observational dataset.The assessment focuses on the models’ ability to replicate observed annual mean temperature patterns， spatial trends， and temporal variability from 1961 to 2014.Furthermore， future temperature changes under the four Shared Socioeconomic Pathway （SSP） scenarios are projected for the period 2015 -2100.The results demonstrate that 8 models effectively capture the observed spatial pattern， warming trends distribution and interannual variability， with corresponding correlation coefficients of 0.90~0.92， 0.51~0.77， and 0.46~0.57 for 1961 -2014， respectively.The multi-model ensemble mean （MME） outperforms individual models， with correlation coefficients of 0.92， 0.65 and 0.74 for the three metrics.The MME indicates a persistent warming trend over the Qinling Mountains， with the stronger warming under the higher SSP scenarios.The warming trends are projected increase at 0.10 ℃·（10a）-1 （SSP1-2.6）， 0.26 ℃·（10a）-1 （SSP2-4.5）， 0.42 ℃·（10a）-1 （SSP3-7.0）， and 0.57 ℃·（10a）-1 （SSP5-8.5） for 2015 -2100.Notably， the warming exhibit altitudinal， zonal， and meridional dependencies， intensifying with higher elevation， latitude， and longitude.Relative to the reference period （1995 -2014）， the annual mean temperature is projected to increase by 0.65~0.97 ℃ in the near-term （2021 -2040）， 1.37~2.0 ℃ in the mid-term （2041 -2060）， and 1.39~4.46 ℃ by the end-century （2081 -2100） under the four SSP scenarios.The temperature changes are temporally consistent across the North and South Slopes over the Qinling Mountains and following with the entire regional average.However， the North slope warms more rapidly than the South slope， particularly under high-emission scenarios （e.g.， SSP5-8.5）， where North slope warming accelerates markedly.These findings provide critical insights for climate adaptation and ecological management in the Qinling Mountains.

Key words： Qinling Mountains; temperature; NEX-GDDP-CMIP6; projection

1 引 言

秦岭位于我国中部地区， 被誉为“中华龙脉”， 是我国的中央水塔和重要的生态安全屏障， 南北气候差异大， 北坡属于暖温带半湿润气候， 南坡大部分地区属于亚热带湿润气候。作为中国南北地理分界线， 秦岭对气候变化极为敏感， 是研究全球气候变化与区域适应的优势区域（周旗等， 2011； 李双双等， 2012； 赵婷等， 2020）。近60年来， 秦岭（陕西段）气温以0.18~0.22 ℃·（10a）-1的速率显著上升， 高于同期全球平均升温速率［0.17 ℃·（10a）-1］（Forster et al， 2021）， 1990年前后秦岭气温由偏冷向偏暖突变， 突变后气温呈持续上升趋势（张善红等， 2024）。受气候变暖的影响， 秦岭出现了积雪减少、 冻土消融、 极端天气气候事件频发、 气候带偏移、 植物物候突变等现象（李茜等， 2020； 张善红， 2022； 张善红等， 2024； 李双双等， 2023）。准确预估秦岭未来气温变化趋势， 对于生态环境保护、 水资源管理和灾害预防等都具有重要的现实意义。
近年来， 国内学者利用气象站观测数据对秦岭气温的时空变化特征开展了一系列研究。秦岭地区年平均气温约10.48 ℃， 北坡年平均气温约9.97 ℃， 南坡约10.62 ℃， 低海拔地区北坡气温高于南坡， 中、 高海拔地区则相反， 总体表现为“南高北低、 沿纬向分布”的空间特征（张立伟等， 2011； 张扬等， 2018）。近50年， 秦岭南北气温变化具有同步性， 呈“非平稳、 非线性、 阶梯状”的变化特征； 秦岭北麓与陕西全省气温突变年份一致， 发生于1989年， 秦岭南麓突变年份较晚， 为1992年， 突变后气温快速上升（宋佃星等， 2011； 李双双等， 2018）。1959-2009年， 秦岭气温呈显著的非线性上升趋势， 北坡增温的气候倾向率为0.24 ℃·（10a）-1（高翔等， 2012）， 约是全球变暖速率的2倍， 几乎是北极增温速率的一半（Chen and Dai， 2024）， 相当于南极气温上升趋势（张雪影等， 2021）； 南坡增温的气候倾向率约0.15 ℃·（10a）-1（高翔等， 2012）， 高于同期全球平均增温速率（秦大河等， 2007）， 北坡的快速增温减小了秦岭南北年平均气温差异。由于地形复杂， 秦岭气温变化具有明显的海拔依赖性， 从年平均或季节平均来看， 气温升高速率随海拔上升而增大， 低海拔地区春季增温速率最明显， 中、 高海拔地区冬季增温最明显（Zhao et al， 2020； 马贺， 2021）。青藏高原（张渊萌和程志刚， 2014）、 阿尔卑斯山（Filippo et al， 1997）和落基山（John et al， 1999）也有类似情况， 高海拔地区变暖速率明显超过了低海拔地区。当前关于秦岭气温变化的研究主要集中于历史时期观测资料的时空变化分析， 缺乏使用模式模拟资料深入研究秦岭未来气候变化特征。
气候系统模式是进行气候模拟和预估未来气候变化的最主要工具。自20世纪90年代以来， 在世界气候研究计划（World Climate Research Program， WCRP）的推动下， 气候系统模式迅速发展， 为减缓和适应气候变化的决策制定提供了重要依据（Cowtan et al， 2015）。WCRP发起和组织的国际耦合模式比较计划（Coupled Model Intercomparison Project， CMIP）旨在通过国际合作和模式比较， 提高对气候系统行为的理解和预测能力（Eyring et al， 2016）， 目前经历了CMIP1到CMIP6阶段的发展历程， CMIP 中的大样本模式结果被广泛用于气候变化模拟研究。相比CMIP5， 2019年发布的CMIP6不仅在分辨率和实验设计上均有所提升， 而且设计的实验更多， 模拟的物理过程更复杂、 数值试验更丰富、 模拟效果更好（周天军等， 2019； Zhu and Yang， 2020； Almazroui et al， 2020）。CMIP6的特色之一是其包含了情景模式比较计划（O’neill et al， 2016）， 该计划综合考虑了共享社会经济路径（Shared Socioeconomic Pathway， SSP）和典型浓度路径（representative concentration pathways， RCPs）。与之前版本不同的是， 新的情景既包括人口、 经济发展、 生态系统、 资源和社会因素等未来的经济和社会发展， 还包括减缓、 适应和应对气候变化的努力措施（O’neill et al， 2016）。CMIP6模式的模拟结果已经成为研究气候变化的重要依据（周天军等， 2019）。
然而， CMIP6直接提供的模拟数据空间分辨率低（一般为200 km×200 km）， 缺少区域信息， 很难对秦岭陕西段（东西长约500 km， 南北宽约200 km）的气候变化做出有效预估。已有研究使用统计降尺度模型结合逐步线性回归方法（SDSM）， 仅预估了在高排放、 低可持续发展下， 秦岭7个气象观测站所在位置2011 -2040年的气温变化（章杰， 2013）， 使用最新的CMIP6模式预估整个秦岭未来气候变化的研究还未开展。利用不同排放情景研究秦岭气候变化， 可以在不同温室气体排放与社会发展路径下对秦岭气候进行预估， 有助于提升该区域的生态保护和防灾减灾能力。为此， 本文采用NASA提供的对CMIP6模拟资料进行统计降尺度和偏差校正处理后的8个地球/气候系统模式的历史数据以及 SSP1-2.6、 SSP2-4.5、 SSP3-7.0和 SSP5-8.5情景下的预估数据， 首先评估了模式对秦岭历史时期（1961 -2014年）年平均地表气温变化的模拟能力， 进一步基于多模式平均结果预估了四种SSP情景下， 秦岭未来气温的时空变化特征， 为深入认识秦岭气候变化规律和制定减缓策略提供科学依据。

2 数据来源与方法介绍

2.1　数据来源

2.1.1　观测数据

本研究使用的观测月平均气温数据为CN05.1， 数据时段为1961 -2014年， 空间分辨率为0.25°×0.25°（吴佳和高学杰， 2013）。数据集基于中国范围内2416个地面观测台站资料（包括基准站、 基本站和国家一般气象站）， 经过质量控制后， 使用薄盘样条方法， 引入能反映插值气候要素与地形关系的协变量子模型， 考虑了气温随海拔的变化， 对气候场进行空间插值， 并叠加了角距权重法插值的气温距平场。经评估， 该数据集精度较高且接近实测数据（吴佳和高学杰， 2013）， 已被广泛应用于中国气温变化的研究（Xu et al， 2009； 张艳武等， 2016； Zhu et al， 2021）。
数字高程（DEM）采用SRTM（Shuttle radar topography mission）数据， 为V.003版本， 来源于美国地质勘探局（USGS； https： //lpdaac.usgs.gov/products/srtmgl1v003/）， 空间分辨率为 90 m， 秦岭陕西段地形图［审图号：陕S（2014）026号］如图1所示。
图1 秦岭（陕西段）范围及地形图

Fig.1 Geographical location and topographic map of the Qinling Mountains （Shaanxi Section）

2.1.2　模式数据

本文使用的模式数据来源于美国国家航空航天局（NASA）基于第六次国际耦合模式比较计划（CMIP6）输出的逐日资料进行统计降尺度和偏差校正处理后的模拟数据（NASA Global Daily Downscaled Projections， CMIP6， NEX-GDDP-CMIP6； https： //ds.nccs.nasa.gov/thredds/catalog/AMES/NEX/GDDP-CMIP6/catalog.htm）（以下简称NEX-GDDP-CMIP6）。该数据集使用月度偏差校正和空间分解（BCSD）方法生成的水平分辨率为0.25°×0.25°（~25 km）的逐日资料， 时间跨度为1950 - 2100年， 时空分辨率高， 模拟效果好， 已广泛用于区域气候变化研究（Jiang et al， 2023； Wu et al， 2023； Dioha et al， 2024； Rao et al， 2024）。在对秦岭气温模拟评估和预估中挑选了8个模拟效果较好的气候模式（表1）以及4种辐射强迫情景（表2）， 各模式仅使用了一个样本模拟。
表1 本研究使用的8个地球-气候系统模式基本信息

Table 1 Basic information on the 8 Earth-Climate System Models in this study

序号 模式 所属国家 研发机构
A CNRM-ESM2-1 法国 CNRM-CERFACS
B GFDL-ESM4 美国 NOAA-GFDL
C IITM-ESM 印度 CCCR-IITM
D INM-CM4-8 俄罗斯 INM
E INM-CM5-0 俄罗斯 INM
F IPSL-CM6A-LR 法国 IPSL
G MIROC-ES2L 日本 MIROC
H NESM3 中国 NUIST
表2 NEX-GDDP-CMIP6情景比较计划-核心试验情景的基本信息

Table 2 Basic information about core experiments in ScenarioMIP in NEX-GDDP-CMIP6

情景 辐射强迫类型 2100年辐射强迫/（W·m-2） 共享社会经济路径 情景描述
SSP1-2.6 低 2.6 SSP 1（可持续发展） 低脆弱性、 低减缓压力和低辐射强迫的综合影响
SSP2-4.5 中 4.5 SSP 2（中等发展） 中等社会脆弱性与中等辐射强迫的组合
SSP3-7.0 高 7.0 SSP 3（局部发展） 高社会脆弱性与相对高的人为辐射强迫的组合
SSP5-8.5 高 8.5 SSP 5（常规发展） 高排放、 高强迫组合的发展路径

2.2　研究方法

2.2.1　空间相关系数

采用空间相关系数， 检验模式对气温变化趋势和气候态空间分布的模拟能力， 计算公式（魏凤英， 2007）如下：
R = ∑ i = 1 n ( X i - X ¯ ) × ( Y i - Y ¯ ) ∑ i = 1 n ( X i - X ¯ ) 2 × ∑ i = 1 n ( Y i - Y ¯ ) 2
式中： n为格点数； X i和 Y i为第i个格点的观测值和模拟值； X ¯和 Y ¯为观测和模拟的区域平均； R为空间相关系数。

2.2.2　泰勒图

为评估模式对观测数据时间演变特征的模拟能力， 采用泰勒图， 直观展示了模拟值与观测值之间的标准差之比（ δ f）、 相关系数（ R）和均方根误差（RMSE）。 δ f和 RMSE 约束模拟值与观测值之间的偏差大小， R反映模拟与观测之间的相似程度（胡一阳等， 2021）， 计算公式如下：
δ f = δ y δ x
R M S E = 1 n ∑ i = 1 n [ ( x i - x ¯ ) - ( y i - y ¯ ) ] 2
R = 1 n ∑ i = 1 n x i - x ¯ ( y i - y ¯ ) δ x δ y
式中： n为时间长度（本文为1961 -2014年）； i为年份； x ¯和 y ¯为观测值和模拟值的平均值； x i和 y i为第 i年对应的观测值和模拟值； δ x和 δ y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， δ f和 R越大越接近于1， 表示模拟值越靠近观测值（REF）， 说明模拟效果越好。

2.2.3　一元线性回归

气温变化趋势（气候倾向率）计算采用一元线性回归方程， 公式如下：
Y = a 0 t + a 1
式中： Y为气温； t为时间段； a 0为回归系数， 表征变化趋势； a 1为常数项； 趋势显著性检验采用双尾t检验法。

2.2.4　研究时段和海拔范围划分

为对比不同时期气温变化幅度， 参照IPCC6报告（IPCC， 2021）和CMIP6相关研究对未来时段的划分（Jiang et al， 2020； 周天军等， 2021； 李博渊和胡芩， 2024）， 本文同样选取了本世纪近期（2021 - 2040年）、 中期（2041 -2060年）和末期（2081 -2100年）进行分析， 当前气候基准态选取了1995 -2014年的平均。
为研究秦岭气温变化趋势与海拔之间的关系， 参照Zhao et al（2020）的研究， 将整个秦岭划分为： 平原区（海拔≤600 m）、 低山区（600 m<海拔≤1500 m）、 中山区（1500 m<海拔≤2600 m）和高山区（海拔>2600 m）。

3 结果分析

3.1　模式对秦岭气温变化的模拟能力评估

图2对比了1961 -2014年观测的和NEX-GDDP-CMIP6模式模拟的秦岭多年平均气温的空间分布。从观测来看［图2（a）］， 秦岭年平均气温在南部和北部低海拔地区较高， 在中西部高海拔地区较低， 特别是海拔超过3000 m的地区， 年平均气温最低。多模式集合平均（MME）略微低估了西部高海拔地区的最低气温， 大约低估0.85 ℃， 高估了南、 北部低海拔地区的最高气温， 最大高估1.0 ℃， 但整体很好地都模拟出了观测年平均气温的大小和空间分布， 二者空间模态的相关系数达0.92［图2（b）］。各单模式的模拟效果类似于MME， 均很好地再现了观测的秦岭年平均气温的分布型， 模式间差异较小， 与观测的空间相关系数集中于0.90~0.92［图2（c）~（j）］。
图2 1961 -2014年年平均气温的空间分布（单位： ℃）R为模拟与观测的空间相关系数

Fig.2 Spatial distribution of multi-annual mean air temperature during 1961 -2014.Unit： ℃.R is the pattern correlation between the model simulations and observation

图3比较了1961 -2014年观测的和模式模拟的秦岭年平均气温的空间变化趋势。观测的秦岭全区呈增温变化， 趋势介于0.07~0.25 ℃·（10a）-1， 呈明显的南北向分布特征， 北坡增温快， 特别是低海拔地区， 增温超过了0.20 ℃·（10a）-1， 南坡增温慢， 趋势不超过0.10 ℃·（10a）-1［图3（a）］， 这与前人基于站点的研究结论一致（高翔等， 2012）。MME基本模拟出了观测趋势的大小和空间分布［图3（b）］， 模拟的增温趋势为0.13~0.19 ℃·（10a）-1， 空间模态的相关系数达0.65， 但略微高估了南部、 低估了北部， 特别是北坡低海拔地区的增温趋势。相比于MME， 优选的各单模式基本模拟出了观测气温变化趋势的空间分布特征， 模拟与观测的空间相关系数均超过了0.50， 其中， IITM-ESM、 INM-CM4-8、 INM-CM5-0、 IPSL-CMGA-LR和NESM3模拟效果最好， 空间相关系数介于 0.62~0.77， 但模式间在气温变化趋势大小方面的模拟仍存在差异， 对观测趋势的空间分布模拟能力有限， 类似于CMIP6模式对青藏高原气温变化的模拟效果（冯波等， 2025）。
图3 1961 -2014年年平均气温变化趋势的空间分布［单位： ℃·（10a）-1］R 为模拟与观测的空间相关系数

Fig.3 Spatial distribution of linear trends in annual mean air temperature during 1961 -2014.Unit： ℃ ·（10a）-1.R is the pattern correlation between the model simulations and observation

图4进一步比较了1961 -2014年模式对观测的秦岭年平均气温随时间演变特征的模拟能力。由图4看出， 各模式均能模拟出秦岭气温逐渐上升的变化特征， 所有模式均高估了秦岭年平均气温， 多年平均的MME高估了约1.15 ℃［图4（a）］， 说明模式模拟的气温在秦岭地区存在系统性暖偏差。使用MME加入系统偏差校正后的秦岭气温年际变化与观测更一致， MME模拟的气温变化趋势［0.20 ℃·（10a）-1］接近于观测［0.22 ℃·（10a）-1］［图4（b）］。NEX-GDDP-CMIP6单模式均能较好地模拟出秦岭历史时期气温随时间的演变特征， 模式模拟的气温场和观测场的年际相关系数为0.46~0.57， 标准差之比为0.84~1.35， 均方根误差为0.81~1.11， MME的相关系数、 标准差、 均方根误差分别为0.74、 1.04、 0.98， 对秦岭气温年际变化模拟效果较好的模式为GFDL-ESM4、 INM-CM5-0、 IPSL-CM6A-LR和NESM3， 时间相关系数均高于0.60［图4（c）］。
图4 1961 -2014年观测和模拟的秦岭年平均气温的时间序列与时间尺度泰勒图 每个字母代表一个模式， 参见表1， REF代表观测， I代表多模式平均

Fig.4 Time series of annual mean air temperature in observation and model simulation over Qinling Mountains for 1961 -2014 and Taylor diagrams for temporal scale.Each letter represents a model， see Table 1； Irepresent the MME， and REF represents the observations

由此看出， 优选的各模式均能很好地再现秦岭观测气温的气候态， 但各模式由于参数化方案和强迫场的差异， 对气温时空变化特征的模拟差异较大， 综合来看， 对秦岭气温变化模拟效果较好的模式为INM-CM5-0、 IPSL-CM6A-LR和NESM3， 而MME可以消除单一模式的“噪音”， 降低模拟结果的不确定性（刘文斐等， 2022； 孟雅丽等， 2022）， 模拟效果几乎优于所有单模式。因此， 本文选取MME对秦岭未来四种SSP情景下的气温变化进行预估研究。

3.2　 2015 -2100年秦岭气温变化特征

3.2.1　气温年际变化特征

NEX-GDDP-CMIP6模式模拟的秦岭地区气温在历史时期和未来均呈增加趋势， 1961 -2014年， MME模拟的气温以0.20 ℃·（10a）-1的趋势波动增加， 1993年之后快速增加［图5（a）］， 与秦岭气温由偏冷向偏暖突变的时间点一致（张善红等， 2024）。2015 -2100年间， 4种SSP情景下MME模拟的秦岭气温在21世纪中期之前受经济社会发展和辐射强迫的影响较小， 逐年升温幅度差异不明显， 高排放下， 升温幅度较大， 中、 低排放下， 升温幅度较小， 略大于较高排放下的升温幅度； 21世纪50年代之后， 不同SSP情景模拟的升温幅度差异逐年增大， 排放情景越高， 升温幅度越大［图5（a）］， 类似于全球平均、 南亚、 青藏高原等地的未来气温变化特征（Almazroui et al， 2020； Fan et al， 2020； 孟雅丽 等， 2022； 张春雨 等， 2023）。SSP1-2.6情景下， 秦岭地区年平均气温在21世纪50年代之后基本维持稳定并略呈下降趋势， 截止本世纪末相比参考时段（1995 -2014年）升温1.30 ℃； SSP2-4.5、 SSP3-7.0、 SSP5-8.5 3种情景下， 秦岭在21世纪50年代之后呈持续升温变化， 高排放情景下几乎呈线性升温趋势， 截止本世纪末分别升温2.24 ℃、 3.80 ℃和5.56 ℃， 排放情景越高， 模式间升温幅度的不确定性越大， 可能与模式内部反馈机制、 结构原理以及气候系统的非线性变化等有关（周天军和邹立维， 2014； Eyring et al， 2016）。秦岭北坡［图5（b）］和南坡［图5（c）］在历史时期和未来不同SSP情景下的气温变化特征几乎一致， 与整个秦岭地区气温随时间的演变规律极其相似， 由此看出， 秦岭未来气温变化与李双双等（2012）发现的历史时期南北气候同步变化的特征一致。
图5 1961 -2100年不同情景下8个NEX-GDDP-CMIP6模式与多模式集合平均模拟的秦岭（a）、 北坡（b）、 南坡（c）年平均气温相对于1995 -2014年的变化

Fig.5 Changes of annual mean air temperature over Qinling Mountains （a） and its North Slope （b） and South Slope （c） during 1961 -2100 relative to 1995 -2014 from 8 NEX-GDDP-CMIP6 models and multi-model ensemble means under different SSP scenarios

3.2.2　气温变化趋势的空间特征

图6为2015 -2100年四种排放情景下多模式集合平均的秦岭年平均气温线性变化趋势的空间分布特征。由图6可知， 秦岭全区在不同排放情景下均呈显著增温趋势（p<0.05）， 中、 低排放情景下增温趋势由西向东递增， 高排放情景下由南向北递增。四种SSP情景下， 秦岭增温趋势分别介于0.08~0.11 ℃·（10a）-1［图6（a）］、 0.25~0.27 ℃·（10a）-1［图6（b）］、 0.41~0.43 ℃·（10a）-1［图6（c）］和0.56~0.58 ℃·（10a）-1［图6（d）］， 区域平均增温趋势分别为0.10 ℃·（10a）-1、 0.26 ℃·（10a）-1、 0.42 ℃·（10a）-1和0.57 ℃·（10a）-1。增温趋势的小值在中、 低排放情景下位于秦岭西部， 在高排放下位于秦岭南部； 大值在SSP1-2.6情景下［图6（a）］， 位于秦岭东南部， 趋势约0.11 ℃·（10a）-1； 在SSP2-4.5情景下［图6（b）］， 位于秦岭北部， 趋势约0.27 ℃·（10a）-1； 在SSP3-7.0情景下［图6（c）］， 位于秦岭西北部， 趋势约0.43 ℃·（10a）-1； 在SSP5-8.5情景下［图6（d）］， 位于秦岭北部， 趋势约0.58 ℃·（10a）-1。与历史时期相比［图3（a）］， 秦岭未来增温趋势的大值由西部转移到了东部， 在限制温室气体排放的可持续发展路径下， 增温速率放缓； 在符合当前经济社会发展的中等排放路径下， 最小增温速率进一步增大， 最大增温速率与历史时期接近； 在温室气体未能得到有效遏制的高排放情景下， 增温速率达到历史时期的3~4倍。这表明： 秦岭变暖主要受人为活动的影响， 特别是在快速城镇化的低海拔地区， 而采取渐进的、 适度的减排措施和限制过度的人为活动将有利于减缓秦岭变暖速率（李星敏等， 1998； 高红燕等， 2009； 李双双等， 2012）。
图6 2015 -2100年不同情景下多模式集合平均的秦岭气温线性变化趋势［单位： ℃·（10a）-1］黑点代表趋势通过了95%的可信度检验

Fig.6 Linear trends of annual mean air temperature from multi-model ensemble mean over Qinling Mountains for 2015 -2100 under different SSP scenarios.Unit： ℃·（10a）-1.Black dot represents individual grid box with significant trends at the 95% confidence level

图7对比了秦岭历史时期与未来不同情景下气温变化趋势与经度、 纬度和海拔范围的关系。由图7可知， 未来不同情景下， 秦岭纬向、 经向和不同海拔范围之间的增温趋势差异较小； 增温趋势随纬度变化除在低排放情景外， 在中、 高排放下与历史时期基本一致［图7（a）~（e）］； 随经度变化除SSP3-7.0情景外， 在其他三种SSP情景下均与历史时期相反［图7（f）~（j）］； 随海拔范围变化基本类似于历史变化［图7（k）~（o）］。SSP1-2.6情景下， 秦岭纬向、 经向增温趋势介于0.08~0.11 ℃·（10a）-1， 增温整体随纬度递增而递减， 随经度递增而递增， 加大了秦岭南、 北部和东、 西部年平均气温温差。其他3种SSP情景下， 秦岭纬向和经向增温趋势介于0.25~0.27 ℃·（10a）-1、 0.41~0.44 ℃·（10a）-1和0.56~0.58 ℃·（10a）-1， SSP3-7.0情景下增温趋势随经度递增而递减， 其余情景下均随纬度和经度的递增而递增， 从而减少了秦岭南、 北部， 增大了秦岭东、 西部年平均气温温差。从不同海拔分区来看［图7（l）~（o）］， 秦岭未来在平原区、 低山区、 中山区和高山区均呈增温变化， 四种排放情景下， 不同山区的增温趋势分别介于0.09~0.10 ℃·（10a）-1、 0.26~0.27 ℃·（10a）-1、 0.41~0.44 ℃·（10a）-1和0.56~0.58 ℃·（10a）-1。平原区在低排放下增温最大， 在其余排放下增温最小， 高山区几乎在所有情景下增温最大， 不同山区增温速率变化为： 高山区>中山区>低山区>平原区， 与历史变化完全一致， 且排放情景越高， 增温速率越快， 说明海拔对秦岭未来气候变暖仍具有放大效应， 但不同海拔范围之间的变暖速率差异较小， 可能与高海拔地区长时间连续观测资料少， 气候模式分辨率低， 缺乏对复杂地形描述和模拟等有关（Liu et al， 2009； Yu et al， 2019）。对比青藏高原变暖的海拔依赖性可以看出（Wang et al， 2008； 刘晓东等， 2008）， 历史时期青藏高原不同海拔范围内的增温速率明显高于秦岭地区， 可能与秦岭增温的海拔依赖性主要受地表能量再分配和局地环流调制（Yao and Cui， 2022； Lian et al， 2024）， 而青藏高原增温主要与积雪反照率反馈有关（Filippo et al， 1997）， 未来在高排放情景下， 秦岭中山区与高山区将超过青藏高原历史观测的增温速率， 进一步加大增温的海拔依赖性。
图7 秦岭历史时期（1961 -2014年）和未来（2015 -2100年）不同情景下多模式集合平均的气温变化趋势随纬度（上）、 经度（中）和海拔范围（下）的变化

Fig.7 The trend variations of annual mean air temperature from multi-model ensemble mean over the Qinling Mountains under different SSP scenarios for historical （1961 -2014） and future （2015 -2100） periods across latitude （up）， longitude （middle）， and elevation （down） ranges

3.3　 21世纪不同时期秦岭气温的变化幅度

图8预估了4种SSP情景下， 21世纪近期（2021 -2040年）、 中期（2041 -2060年）和末期（2081 -2100年）秦岭气温相对于1995 -2014年参考时段的变化幅度。由图8可知， 秦岭增温幅度在不同情景和不同时期差异明显， 低排放情景下增温较小， 高排放情景下增温较大， 近期增温较小， 中期增温较大， 末期增温最大。增温的空间特征在四种SSP情景下基本相似， 低值区出现在秦岭西部， 高值区出现在秦岭东部， 增温幅度的海拔依赖性不明显， 可能与模式对复杂地形的描述和模拟能力不足有关（Liu et al， 2009； Yu et al， 2019）。
图8 不同情景下秦岭2021 -2040年、 2041 -2060年和2081 -2100年多模式集合平均的年平均气温相对1995 -2014年的变化（单位： ℃）

Fig.8 Changes of annual mean air temperature over Qinling Mountains for 2021 -2040， 2041 -2060， and 2081 -2100 relative to 1995 -2014 under different SSP scenarios

在SSP1-2.6情景下［图8（a）~（c）］， 秦岭增温幅度呈现由西南向东北递增的空间特征， 在东部地区呈现明显的南北差异， 近期、 中期和末期的近地表气温相对于参考时段分别增加0.89~0.95 ℃、 1.31~1.45 ℃和1.30~1.48 ℃， 可见在低辐射强迫、 可持续发展情景下， 秦岭未来增温无法避免。在SSP2-4.5情景下［图8 （d）~（f）］， 秦岭增温幅度在东部地区呈现由北向南递减的空间分布特征， 高值区位于潼关县和华阴市的低海拔地区， 说明秦岭在中等社会经济发展路径和中等辐射强迫水平下保持着与近年来较为一致的气温变化特征（刘畅， 2016； 徐震宇 等， 2017）， 三个时期分别增温0.81~0.83 ℃、 1.32~1.39 ℃和2.27~2.38 ℃。在SSP3-7.0情景下［图8（g）~（i）］， 秦岭气温变化的空间分布特征类似于中等辐射强迫情景， 高海拔地区增温幅度进一步增大， 不同时期的增温幅度分别为0.57~0.70 ℃、 1.30~1.50 ℃和3.09~3.32 ℃； 其中， 近期增温幅度低于中等辐射强迫情景， 可能与气温升高， 对流增强， 云量增多， 反射的太阳辐射增多， 入射的太阳辐射减少有关（Hu et al， 2023）， 末期增温幅度较中期明显增大， 说明在高社会脆弱性与相对高的人为辐射强迫情景下， 将加速秦岭未来气候变暖。在SSP5-8.5情景下［图8（j）~（l）］， 秦岭增温变化的空间分布特征类似于SSP3-7.0情景， 增温幅度进一步增大， 三个时期的增温范围分别为0.95~0.99 ℃、 1.97~2.04 ℃和4.39~4.55 ℃， 表明在不受限制的高排放情景下， 秦岭未来气温快速上升。
由于秦岭未来气温增加幅度呈现南北不一致的变化特征， 特别是东部地区， 图9进一步量化了秦岭、 南坡和北坡在本世纪近期、 中期和末期相对于1995 -2014年的增温幅度。由图9可知， 四种SSP情景下多模式集合平均模拟的秦岭、 南坡和北坡在不同时期均呈显著增温变化， 增温的不确定性较大。2021 -2040年间， 秦岭、 南坡和北坡在SSP1-2.6情景下增温0.92±0.41 ℃、 0.90±0.40 ℃和0.94±0.42 ℃； 在SSP2-4.5情景下增温0.84±0.33 ℃、 0.81±0.33 ℃和0.87±0.34 ℃； 在SSP3-7.0情景下增温0.65±0.43 ℃、 0.63±0.43 ℃和0.68±0.43 ℃； 在SSP5-8.5情景下增温0.97±0.35 ℃、 0.94±0.35 ℃和0.98±0.35 ℃［图9（a）］。2041 -2060年间， 秦岭、 南坡和北坡在低排放下增温1.38±0.47 ℃、 1.35±0.47 ℃和1.42±0.47 ℃； 在中等排放下增温1.37±0.54 ℃、 1.34±0.54 ℃和1.40±0.54 ℃； 在较高排放下增温1.41±0.54 ℃、 1.38±0.54 ℃和1.44±0.54 ℃； 在高排放下增温2.0±0.63 ℃、 1.93±0.63 ℃和2.11±0.63 ℃［图9（b）］。2081 -2100年， 秦岭、 南坡和北坡在低排放下增温1.39±0.65 ℃、 1.17±0.65 ℃和1.41±0.65 ℃； 在中等排放下增温2.33±0.76 ℃、 2.11±0.76 ℃和2.51±0.76 ℃； 在较高排放下增温3.18±1.12 ℃、 2.98±1.12 ℃和3.38±1.12 ℃； 在高排放下增温4.46±1.49 ℃、 4.26±1.49 ℃和4.66±1.49 ℃［图9（c）］。由此看出， 秦岭、 北坡和南坡在同一情景、 同一时期的增温幅度较接近， 北坡增温略大于南坡， 排放情景越高， 北坡与南坡增温差异越大， 这与观测的历史时期（王钊等， 2016； 徐震宇等， 2017）和章杰（2013）预估的秦岭未来北坡增温快， 南坡增温慢的结论一致。
图9 4种排放情景下秦岭地区、 南坡和北坡不同时期年平均气温相对1995 -2014年的变化 误差棒代表1.5倍标准差范围（单位： ℃）

Fig.9 Changes of annual mean air temperature over Qinling Mountains， and its South and North slope during different periods relative to 1995 -2014 under the four SSP scenarios.The errorbar indicates ±1.5 standard deviation （unit： ℃）

4 结论

本文基于CN05.1观测资料和NASA提供的经过统计降尺度偏差校正后的8个NEX-GDDP-CMIP6模式模拟资料， 系统评估了模式对秦岭历史时期（1961 -2014年）气温变化的模拟能力， 基于多模式平均预估了4种SSP情景下秦岭未来（2015 - 2100年）气温变化。得到如下结论：
（1） 优选的NEX-GDDP-CMIP6各模式模拟的秦岭气温分布型和年际变化趋势与观测的空间相关系数分别为0.90~0.92和0.51~0.77， 时间相关系数为0.46~0.57， 模拟较好的模式为INM-CM5-0、 IPSL-CM6A-LR和NESM3， 多模式集合平均模拟效果最好， 与观测的分布型、 空间趋势和时间序列相关系数分别为0.92、 0.65和0.74。
（2） 秦岭未来（2015 -2100年）年平均气温呈持续增加趋势， 21世纪50年代之前， 不同排放情景下的年际增温差异不明显； 之后， 低排放下增温停滞， 中、 高排放下持续增温， 排放情景越高， 增温幅度越大。4种SSP情景下秦岭全区均呈显著增温趋势， 区域平均增温速率分别为0.10 ℃·（10a）-1、 0.26 ℃·（10a）-1、 0.42 ℃·（10a）-1和0.57 ℃·（10a）-1。未来增温速率在低排放下秦岭南部大于北部， 中、 高排放下相反， 四种SSP情景下， 秦岭东部增温速率均大于西部， 从而减小了秦岭南、 北部， 加大了东、 西部年平均气温温差。在垂直方向上， 秦岭增温速率存在着明显的海拔依赖性， 排放情景越高， 高海拔与低海拔增温速率差异越大。
（3） 秦岭全区年平均气温相对参考时段在本世纪近期、 中期和末期均呈增温变化， 增温的空间特征基本相似， 东部增温幅度大于西部。4种SSP情景下， 秦岭近期增温0.92±0.41 ℃、 0.84±0.33 ℃、 0.65±0.43 ℃和0.97±0.35 ℃， 中期增温1.38±0.47 ℃、 1.37±0.54 ℃、 1.41±0.54 ℃和2.0±0.63 ℃， 末期增温1.39±0.65 ℃、 2.33±0.76 ℃、 3.18±1.12 ℃和4.46±1.49 ℃。
（4） 秦岭南、 北坡气温年际变化在四种SSP情景下具有一致性， 增温幅度的南北差异明显， 特别是在东部地区。本世纪近期、 中期和末期秦岭南、 北坡增温幅度基本接近于秦岭平均， 北坡增温略大于南坡， 排放情景越高， 南、 北坡的增温差异越大， 最高增温差异约0.20 ℃。
对比来看， 在相近排放路径下， NEX-GDDP-CMIP6气候模式模拟的整个秦岭与章杰（2013）使用SDSM模型模拟的秦岭7个站点未来气温变化基本一致， 但气候模式模拟的秦岭历史气温变化更接近于观测且未来升温幅度更大， 说明在模式空间分辨率提高、 物理化参数方案改进后， 对区域气温变化模拟更加准确。然而， 气候模式对秦岭中、 高海拔地区气温变化的模拟与观测仍然存在一定偏差， 明显低估了Zhao et al（2020）揭示的秦岭中、 高海拔地区的气候变暖趋势， 主要由于秦岭地形复杂， 长时间序列的台站观测数据偏少以及气候模式的不完善性等原因（Liu et al， 2009； Yu et al， 2019）。但是， 使用降尺度偏差校正后的高空间分辨率模式对秦岭未来不同SSP情景下可能的气候变化进行预估， 仍对深入认识该区域未来气候变化规律、 制定减缓策略、 保障生态安全、 促进可持续发展有一定意义。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Almazroui M， Saeed S， Saeed F， et al， 2020.Projections of precipitation and temperature over the South Asian countries in CMIP6［J］.Earth Systems and Environment， 4（2）： 297-320.DOI： 10.1007/s41748-020-00157-7 .

Chen X D， Dai A G， 2024.Quantifying contributions of external forcing and internal variability to Arctic warming during 1900-2021［J］.Earth's Future， 12（5）， e2023EF003734.DOI： 10.1029/2023EF003734 .

Cowtan K， Hausfather Z， Hawkins E， et al， 2015.Robust comparison of climate models with observations using blended land air and ocean sea surface temperatures［J］.Geophysical Research Letters， 42（15）： 6526-6534.DOI： 10.1002/2015GL064888 .

Dioha E， Chung E S， Ayugi B， et al， 2024.Quantifying the added value in the NEX-GDDP-CMIP6 Models as compared to native CMIP6 in simulating Africa’s diverse precipitation climatology［J］.Earth Systems and Environment， 8（9）： 1-20.DOI： 10. 1007/s41748-024-00397-x .

Eyring V， Bony S， Meehl G A， et al， 2016.Overview of the Coupled Model Intercomparison Project Phase 6 （CMIP6） experimental design and organization［J］.Geoscientific Model Development， 9（5）： 1937-1958.DOI： 10.5194/gmd-9-1937-2016 .

Fan X W， Duan Q Y， Shen C W， et al， 2020.Global surface air temperatures in CMIP6： historical performance and future changes［J］.Environmental Research Letters， 15： 104056.DOI： 10. 1088/1748-9326/abb051 .

Forster P T， Storelvmo K， Armour W， et al， 2021.The Earth’s energy budget， climate feedbacks， and climate sensitivity［R］.In： Climate Change 2021.The Physical Science Basis.Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change， Cambridge University Press.DOI： 10.1017/9781009157896.009 .

Filippo G， James W H， Maria R M， et al， 1997.Elevation dependency of the surface climate change signal： a model study［J］.Journal of Climate， 10（2）： 288-296.DOI： 10.1175/1520-0442（1997）010<0288： EDOTSC>2.0.CO； 2 .

Hu S Z， Hsu P C， Li W K， et al， 2023.Mechanisms of Tibetan Plateau warming amplification in recent decades and future projections［J］.Journal of Climate， 36： 1-35.DOI： 10.1007/s00704-022-03944-6 .

IPCC， 2021. change Climate 2021： the physical science basis［M］//Lee J Y， Marotzke J， Bala G， et al.Future global climate： scenario-42 based projections and near-term information.Cambridge： Cambridge University Press， 1-195.DOI： 10.1017/9781009157896.006 .

Jiang F S， Wen S S， Gao M N， et al， 2023.Assessment of NEX-GDDP-CMIP6 downscale data in simulating extreme precipitation over the Huai River Basin［J］.Atmosphere， 14（10）： 1497.DOI： 10.3390/atmos14101497 .

Jiang J， Zhou T J， Chen X L， et al， 2020.Future changes in precipitation over Central Asia based on CMIP6 projections［J］.Environmental Research Letters， 15 （5）： 054009.DOI： 10.1088/1748-9326/ab7d03 .

John C， Fyfe， Gregory M F， 1999.Enhanced climate changes and its detection over the Rocky Mountains［J］.Journal of Climate， 12（1）： 230-244.DOI： 10.1175/1520-0442-12.1.230 .

Lian Y Y， Tang J L， Zhang Y L， et al， 2024.Assessment of the elevation-dependent warming in the Qinling-Daba Mountains and its relationship with land surface albedo and aerosol optical depth from 2001 to 2021［J］.Scientific Reports， 14（1）： 1-13.DOI： 10.1038/s41598-024-75835-x .

Liu X D， Cheng Z G， Yan L B， et al， 2009.Elevation dependency of recent and future minimum surface air temperature trends in the Tibetan Plateau and its surroundings［J］.Global and Planetary Change， 68 （3）： 164-174.DOI： 10.1016/J.GLOPLACHA. 2009.03.017 .

O’neill B C， Tebaldi C， Vuuren D P， et al， 2016.The scenario model intercomparison project （ScenarioMIP） for CMIP6［J］.Geoscientific Model Development， 9（9）： 3461-82.DOI： 10.5194/gmd-9-3461-2016 .

Rao K K， Al M， Al E， et al， 2024.Future changes in the precipitation regime over the Arabian Peninsula with special emphasis on UAE： insights from NEX-GDDP CMIP6 model simulations［J］.Scientific Reports， 14（1）， 151.DOI： 10.1038/s41598-023-49910-8 .

Wang B， Bao Q， Hoskins B， et al， 2008.Tibetan Plateau warming and precipitation change in East Asia［J］.Geophysical Research Letters， 35： L14702.DOI： 10.1029/2008GL034330 .

Wu F， Jiao D L， Yang X L， et al， 2023.Evaluation of NEX-GDDP-CMIP6 in simulation performance and drought capture utility over China-based on DISO［J］.Hydrology Research， 54（5）， 703-721.DOI： 10.2166/nh.2023.140 .

Xu Y， Gao X J， Shen Y， et al， 2009.A daily temperature dataset over China and its application in validating an RCM simulation［J］.Advances in Atmospheric Sciences， 26（4）： 763-772.DOI： 10.1007/s00376-009-9029-z .

Yao Y H， Cui L L， 2022.Vegetation dynamics in the Qinling-Daba Mountains through climate warming with land-use policy［J］.Forests， 13（9）： 1361.DOI： 10.3390/f13091361 .

Yu R C， Zhang Y， Wang J J， et al， 2019.Recent progress in numerical atmospheric modeling in China［J］.Advances in Atmospheric Sciences， 36： 938-960. DOI： 10.1007/s00376-019-8203-1 .

Zhao T， Bai H Y， Yuan Y， et al， 2020.Spatio-temporal differentiation of climate warming （1959-2016） in the middle Qinling Mountains of China［J］.Journal of Geographical Sciences， 30（4）： 657-668.DOI： 10.1007/s11442-020-1748-1 .

Zhu H H， Jiang Z H， Li l， 2021.Projection of climate extremes in China， an incremental exercise from CMIP5 to CMIP6［J］.Science Bulletin， 66（24）： 2528-2537.DOI： 10.1016/j.scib. 2021.07.026 .

Zhu Y Y， Yang S S， 2020.Evaluation of CMIP6 for historical temperature and precipitation over the Tibetan Plateau and its comparison with CMIP5［J］.Advances in Climate Change Research， 11（3）： 239-251.DOI： 10.1016/j.accre.2020.08.001 .

冯波， 孟宪红， 杨显玉， 等， 2025.第六次国际耦合模式比较计划（CMIP6）中青藏高原气温和降水的适用性评估及极端气候事件变化预估［J］.高原气象， 44（2）： 265-278.DOI： 10.7522/j.issn.1000-0534.2024.00068.Feng B ，

Meng X H， Yang X Y， et al， 2025.Temperature and precipitation assessment and extreme climate events prediction based on the Coupled Model Intercomparison Project Phase 6 over the Qinghai-Xizang Plateau［J］.Plateau Meteorology， 44 （2）： 265-278.DOI： 10.7522/j.issn.1000-0534.2024.00068 .

高红燕， 蔡新玲， 贺皓， 等， 2009.西安城市化对气温变化趋势的影响［J］.地理学报， 64（9）： 1094-1101.DOI： 10.11821/xb200909007.Gao H Y ，

Cai X L， He H， et al， 2009.The Impact of Urbanization on the Surface Temperature in Xi'an［J］.Acta Geographica Sinica， 64（9）： 1094-1101.DOI： 10.11821/xb200909007 .

高翔， 白红英， 张善红， 等， 2012.1959-2009年秦岭山地气候变化趋势研究［J］.水土保持通报， 32（1）： 207-211.DOI： 10.13961/j.cnki.stbctb.2012.01.008.Gao X ，

Bai H Y， Zhang S H， et al， 2012.Climatic change tendency in Qinling Mountains from 1959 to 2009［J］.Bulletin of Soiland Water Conservation， 32（1）： 207-211.DOI： 10.13961/j.cnki.stbctb.2012.01.008 .

胡一阳， 徐影， 李金建， 等， 2021.CMIP6不同分辨率全球气候模式对中国降水模拟能力评估［J］.气候变化研究进展， 17（6）： 730-743.DOI： 10.12006/j.issn.1673-1719.2021.005.Hu Y Y ，

Xu Y， Li J J， et al， 2021.Evaluation on the performance of CMIP6 global climate models with different horizontal resolution in simulating the precipitation over China［J］.Climate Change Research， 17 （6）： 730-743.DOI： 10.12006/j.issn.1673-1719.2021.005 .

李博渊， 胡芩， 2024.基于CMIP6模式评估结果对未来青藏高原降水多情景预估［J］.高原气象， 43 （1）： 59-72.DOI： 10.7522/j.issn.1000-0534.2023.00029.Li Y B ，

Hu Q， 2024.Multi-scenario projection of future precipitation over the Qinghai-Xizang （Tibetan） Plateau based on CMIP6 Model assessment results［J］.Plateau Meteorology， 43（1）： 59-72.DOI： 10.7522/j.issn.1000-0534.2023.00029 .

李茜， 魏凤英， 雷向杰， 2020.1961-2016年秦岭山区冷季积雪日数变化特征及其影响因子［J］.冰川冻土， 42（3）： 780-790.DOI： 10.7522/j.issn.1000-0240.2019.0072.Li Q ，

Wei F Y， Lei X J， 2020.The variation characteristics of snow cover days and its influencing factors in cold season in the Qinling Mountains from 1961 to 2016［J］.Journal of Glaciology and Geocryology， 42（3）： 780-790.DOI： 10.7522/j.issn.1000-0240.2019.0072 .

李双双， 胡佳岚， 段克勤， 等， 2023.基于遥感监测的秦岭南北积雪日数时空变化及影响因素［J］.地理学报， 78（1）： 121-138.DOI： 10.11821/dlxb202301008.Li S S ，

Hu J L， Duan K Q， et al， 2023.Spatiotemporal variation of snow cover days and influencing factors in north and south Qinling Mountains based on remote sensing monitoring［J］.Acta Geographica Sinica， 78（1）： 121-138.DOI： 10.11821/dlxb202301008 .

李双双， 芦佳玉， 延军平， 等， 2018.1970-2015年秦岭南北气温时空变化及其气候分界意义［J］.地理学报， 73（1）： 13-24.DOI： 10.11821/dlxb201801002.Li S S ，

Lu J Y， Yan J P， et al， 2018.Spatiotemporal variability of temperature in northern and southern Qinling Mountains and its influence on climatic boundary［J］.Acta Geographica Sinica， 73（1）： 13-24.DOI： 10.11821/dlxb201801002 .

李双双， 延军平， 万佳， 2012.全球气候变化下秦岭南北气温变化特征［J］.地理科学， 32（7）： 853-858.DOI： 10.13249/j.cnki.sgs.2012.07.016.Li S S ，

Yan J P， Wan J， 2012.The characteristics of temperature change in Qinling Mountains［J］.Scientia Geographica Sinica， 32 （7）： 853-858.DOI： 10.13249/j.cnki.sgs.2012.07.016 .

李星敏， 白爱娟， 1998.西安市气候变化与城市发展［J］.陕西气象 （5）： 25-28.Li X M， Bai A J， 1998.Climate change and urban growth in Xi'an， China［J］.Journal of Shaanxi Meteorology （5）： 25-28.

刘畅， 2016.陕西省秦岭南北气候的差异性及其变化［D］.兰州： 兰州大学.Liu C， 2016.Climate change and its difference between Southern and Northern Qinling in Shaanxi Province［D］.Lanzhou： Lanzhou University.

刘文斐， 粟晓玲， 张更喜， 等， 2022.中国西北地区未来潜在蒸散发集合预估及不确定性归因［J］.农业工程学报， 38（4）： 123-132.DOI： 10.11975/j.issn.1002-6819.2022.04.015.Liu W F ，

Jia X L， Zhang G X， et al， 2022.Ensemble projection and uncertainty attribution of potential evapotranspiration in northwest China in the future［J］.Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE）， 38（4）： 123-132.DOI： 10.11975/j.issn.1002-6819.2022.04.015 .

刘晓东， 晏利斌， 程志刚， 等， 2008.中低纬度高原山地气候变暖对海拔高度的依赖性［J］.高原山地气象研究， 28（1）： 19-23.DOI： 10.3969/j.issn.1674-2184.2008.01.003.Liu X D ，

Yan L B， Chen Z G， et al， 2008.Elevation dependency of climatic warming over major plateaus and mountains in mid-low latitudes［J］.Plateau and Mountain Meteorology Research， 28（1）： 19-23.DOI： 10.3969/j.issn.1674-2184.2008.01.003 .

马贺， 2021.秦巴山地的气候变暖及其海拔依赖性［D］.郑州： 河南大学.Ma H， 2021， Climate Warming and its elevetion-dependent warming in QinBa Mountains［D］.Zhengzhou： Henan University.

孟雅丽， 段克勤， 尚溦， 等， 2022.基于CMIP6模式数据的 1961-2100年青藏高原地表气温时空变化分析［J］.冰川冻土， 44（1）： 24-33.DOI： 10.7522/j.issn.1000-0240.2022.0017.Meng Y L ，

Duan K Q， Shang W， et al， 2022.Analysis on spatiotemporal variations of near-surface air temperature over the Tibetan Plateau from 1961 to 2100 based on CMIP6 models’ data［J］.Journal of Glaciology and Geocryology， 44（1）： 24-33.DOI： 10.7522/j.issn.1000-0240.2022.0017 .

秦大河， 陈振林， 罗勇， 等， 2007.气候变化科学的最新认知［J］.气候变化研究进展， 3（2）： 63-73.

Qin D H， Chen Z L， Luo Y， et al， 2007.Updated understanding of climate change sciences［J］.Advances in Climate Change Research， 3（2）： 63-073.

宋佃星， 延军平， 马莉， 2011. 近 50年来秦岭南北气候分异研究［J］.干旱区研究， 28（3）： 492-498.DOI： 10.13866/j.azr.2011.03.021.Song D X ，

Yan J P， Ma L， 2011.Study on climatic differentiation in the south and north Qinling Mountains in recent 50 years［J］.Arid Zone Research， 28（3）： 492-498.DOI： 10.13866/j.azr.2011.03.021 .

王钊， 罗慧， 李亚丽， 等， 2016.近50 年秦岭南北不均匀增温及对城市化响应［J］.应用气象学报， 27（1）： 85-94.DOI： 10.11898/1001-7313.20160109.Wang Z ，

Luo H， Li Y L， et al， 2016.Effects of urbanization on temperature over the Qinling Mountains in the past 50 years［J］.Journal of Applied Meteorological Science， 27（1）： 85-94.DOI： 10.11898/1001-7313.20160109 .

魏凤英， 2007.现代气候统计诊断与预测技术［M］.北京： 气象出版社.Wei F Y， 2007.Climatological statistical diagnosis and prediction technology［M］.Beijing： Meteorological Press.

吴佳， 高学杰， 2013.一套格点化的中国区域逐日观测资料及与其它资料的对比［J］.地球物理学报， 56（4）： 1102-1111.DOI： 10.6038g20130406.Wu J ，

Gao X J， 2013.A gridded daily observation dataset over China region and comparison with the other datasets［J］.Chinese Journal of Geophysics， 56（4）： 1102-1111.DOI： 10.6038g20130406 .

徐震宇， 李经伟， 丁园圆， 2017.1961-2015年秦岭地区气温变化特征分析［J］.科技视界， （9）： 37-46.DOI： 10.19694/j.cnki.issn2095-2457.2017.09.025.Xu Z Y ，

Li J W， Ding Y Y， 2017.Analysis of the characteristics of temperature change in Qinling Mountains over 1961-2015［J］.Science and Technology Vision， （9）： 37-46.DOI： 10.19694/j.cnki.issn2095-2457.2017.09.025 .

张春雨， 刘爱利， 吕嫣冉， 等， 2023.基于 CMIP6青藏高原腹地气候模拟评估及时空分析［J］.高原气象， 42（5）： 1144-1159.DOI： 10.7522/j.issn.1000-0534.2022.00104.Zhang C Y ，

Liu A L， Lü Y R， et al， 2023.Spatial-temporal analysis and assessment of CMIP6 based climate simulation over the Qinghai-Xizang （Tibet） Plateau's hinterland［J］.Plateau Meteorology， 42（5）： 1144-1159.DOI： 10.7522/j.issn.1000-0534.2022.00104 .

张立伟， 宋春英， 延军平， 2011.秦岭南北年极端气温的时空变化趋势研究［J］.地理科学， 31（8）： 1007-1011.DOI： 10.13249/j.cnki.sgs.2011.08.020.Zhang L W ，

Song C Y， Zhang J P， 2011.Spatio-temporal trends of annual extreme temperature in Northern and Southern Qinling Mountains［J］.Scientia Geographical Sinica， 31 （8）： 1007-1011.DOI： 10.13249/j.cnki.sgs.2011.08.020 .

张善红， 2022.近 60 年来秦岭山地温度带变化研究［D］.西安： 西北大学.Zhang S H， 2022.Variation in the Qinling Mountains temperature zone in the past 60 years［D］.Xi’an： Northwest University.

张善红， 李宏印， 彭晓邦， 2024.1960-2022年秦岭山地极端气温时空变化研究［J］.商洛学院学报， 38（4）： 1-10.DOI： 10.13440/j.slxy.1674-0033.2024.04.001.Zhang S H ，

Li H Y， Peng X B， 2024.A study on spatiotemporal changes of extreme temperature in Qinling Mountains During 1960-2022［J］.Journal of Shangluo University， 38 （4）： 1-10.DOI： 10.13440/j.slxy.1674-0033.2024.04.001 .

张雪影， 王叶堂， 宁文涛， 等， 2021.过去 60 年来南极冰盖近地面气温时空变化研究［J］.第四纪研究， 41（ 3）： 739－751.DOI： 10.11928 /j.issn.1001-7410.2021.03.10. Zhang X Y ，

Wang Y T， Ning W T， et al， 2021.Spatiotemporal variations of near-surface air temperature over the Antarctic Ice Sheet during the past 60 years［J］.Quaternary Sciences， 41（3）： 739－751.DOI： 10.11928/j.issn.1001-7410.2021.03.10 .

张艳武， 张莉， 徐影， 2016.CMIP5 模式对中国地区气温模拟能力评估与预估［J］.气候变化研究进展， 12（1）： 10-19.DOI： 10.12006/j.issn.1673-1719.2015.113.Zhang Y W ，

Zhang L， Xu Y， 2016.Simulations and projections of the surface air temperature in China by CMIP5 models［J］.Climate Change Research， 12（1）： 10-19.DOI： 10.12006/j.issn.1673-1719.2015.113 .

张扬， 白红英， 苏凯， 等， 2018.1960-2013年秦岭陕西段南北坡极端气温变化空间差异［J］.地理学报， 73（7）： 1296-1308.DOI： 10.11821/dlxb201807009.Zhang Y ，

Bai H Y， Su K， et al， 2018.Spatial variation of extreme temperature change on southern and northern slopes of Shaanxi section in Qinling Mountains during 1960-2013［J］.Acta Geographica Sinica， 73（7）： 1296-1308.DOI： 10.11821/dlxb201807009 .

张渊萌， 程志刚， 2014.青藏高原增暖海拔依赖性研究进展［J］.高原山地气象研究， 34（2）： 91-96.DOI： 10.3969/j.issn.1674-2184 ·2014.02.018.

Zhang Y M， Cheng Z G， 2014.Progresses in studies of elevation dependence on surface warming over Tibetan Plateau［J］.Plateau and Mountain Meteorology Research， 34（2）： 91-96.DOI： 10.3969/j.issn.1674-2184 ·2014.02.018.

章杰， 2013.秦岭地区气候变化趋势及未来情景气温统计降尺度模拟［D］.西安： 西北大学.Zhang J， 2013.Climate change of the Qinling Mountains and statistical downscaling simulation the scenarios of air temperature［D］.Xi’an： Northwest University.

赵婷， 2020.气候变化背景下秦岭山地植被变化的地形分异效应［D］.西安： 西北大学.Zhao T， 2020.Topographic differentiation effect of vegetation changes in the Qinling Mountains in the context of climate change［D］.Xi’an： Northwest University.

周旗， 卞娟娟， 郑景云， 2011.秦岭南北 1951-2009 年的气温与热量资源变化［J］.地理学报， 66（9）： 1211-1218.DOI： 10.11821/xb201109006.Zhou Q ，

Bi J J， Zhen J Y， 2011.Variation of air temperature and thermal resources in the northern and southern regions of the Qinling Mountains from 1951 to 2009［J］.Acta Geographica Sinica， 66（9）： 1211-1218.DOI： 10.11821/xb201109006 .

周天军， 陈梓明， 陈晓龙， 等， 2021.IPCC AR6 报告解读： 未来的全球气候-基于情景的预估和近期信息［J］.气候变化研究进展， 17（6）： 652-663.DOI： 10.12006/j.issn.1673-1719.2021.239.Zhou T J ，

Chen Z M， Chen X L， et al， 2021.Interpreting IPCC AR6： future global climate based on projection under scenarios and on near-term information［J］.Climate Change Research， 17 （6）： 652-663.DOI： 10.12006/j.issn.1673-1719.2021.239 .

周天军， 邹立维， 2014.IPCC第五次评估报告全球和区域气候预估图集评述［J］.气候变化研究进展， 10（2）： 149-152.DOI： 10.3969/j.issn.1673-1719.2014.02.010.Zhou T J ，

Zou L W， 2014.Atlas of global and regional climate projections for the IPCC5 Report［J］.Climate Change Research， 10（2）： 149-152.DOI： 10.3969/j.issn.1673-1719.2014.02.010 .

周天军， 邹立维， 陈晓龙， 2019.第六次国际耦合模式比较计划（CMIP6）评述［J］.气候变化研究进展， 15（5）： 445-456.DOI： 10.3969/j.issn.1673-1719.2014.02.010.Zhou T J ，

Zou L W， Chen X L， 2019.Commentary on the Coupled Model Intercomparison Project Phase 6 （CMIP6）［J］.Climate Change Research， 15 （5）： 445-456.DOI： 10.3969/j.issn.1673-1719.2014.02.010 .

Options
文章导航

/

〈 〉

本系统由北京玛格泰克科技发展有限公司设计开发 技术支持：support@magtech.com.cn