1 引言
全球变暖引起大气环流和水循环的变化， 影响降水的时空分布格局。降水减少导致干旱缺水， 强降水增加导致区域洪涝可能性， 研究降水变化特征对揭示气候变化及其区域社会经济和生态环境影响具有重要意义（Wang et al， 2017）。研究表明， 近几十年来中国年降水略有变化， 但地区差异较大。如， 长江流域年降水在20世纪后半叶有所下降， 但其中下游地区极端降水事件频率上升， 强度增加（姜彤等， 2008； 苏布达等， 2006）； 黄河流域1951 -2018年整体趋于暖干化， 但黄河源区则是暖湿化， 上游地区年降水显著增长（马柱国等， 2020； 郑子彦等， 2020； 马佳宁和高艳红， 2019）； 海河流域年降水在1951 -2010年间有所下降， 特别是夏季减少最明显（鲍振鑫等， 2014）； 青藏高原降水在近50年呈不显著增加（许建伟等， 2020）。
2019年习近平总记提出“黄河、 长江是我国的母亲河， 保护母亲河是事关中华民族伟大复兴和永续发展的千秋大计”。黄河上游面积占黄河集水面积的51.3%， 径流占62%， 是整个黄河流域重要的水源涵养区和补给区， 同时也是旱情比较严重的区域（刘勤等， 2016）。黄河上游土壤侵蚀严重， 大量泥沙被带到中下游导致河床不断抬高， 影响到区域社会经济生产（李二辉等， 2014； 吕文涓， 2020）。黄河上游水库众多， 降水变率会加大水库调度和管理的难度。因此， 研究黄河上游未来降水变化对减少水土流失、 预防旱涝灾害、 水库合理调度、 确保“区域生态保护和高质量发展”国家战略的实施具有十分重要的作用。
气候变化的预估离不开气候模式。近三十年来气候模式有了长足的发展， 在未来气候变化及其影响和风险研究中得到广泛应用（Lambert and Boer， 2001； Torres and Marengo， 2014； Huang et al， 2018； Gao et al， 2020）。国际耦合模式比较计划（CMIP）， 构建了迄今为止内容最广的气候模式资料库， 为预估气候变化提供了不可替代的科学依据。据CMIP5模式预测， 21世纪中国区域降水将呈显著增加趋势（钟军等， 2013； 张学珍等， 2017）。对于黄河流域， 21世纪年降水量将有微弱的增大， 以冬季降水量增幅最大（Wang et al， 2017； 康丽莉等， 2015）； 2021 -2050年降水较1991 -2010年预计增加1.28%~3.29%（Wang et al， 2017）。黄河上游2011 -2050年年降水较1971 -2010年增加4.31%~5.74%（魏洁等， 2016）， 以兰州站至头道拐站之间区域降水增幅最大， 达到7.1%（陈磊， 2017）。
CMIP6 基于最新的人为排放趋势及不同的共享社会经济路径（SSPs）提出了新的预估情景SSP-RCPs（表2）（O’Neill et al， 2016； Zhou et al， 2019； 张丽霞， 2019； Moss et al， 2010； 沈永平和王国亚， 2013； O’Neill et al， 2017）。其中每一个具体SSP代表了一种发展模式， 包括相应的人口增长、 经济发展、 技术进步、 环境条件、 公平原则、 政府管理、 全球化等发展特征和影响因素的组合， 也包括对社会发展的程度、 速度和方向的具体描述。SSP1和SSP5 设想了相对乐观的人类发展趋势， 在教育卫生方面有大量投资， 经济快速增长， 但SSP1 倾向于可持续发展， SSP5则是传统的以化石燃料为主的发展路径； SSP3和SSP4是设想了一个悲观的发展趋势， 在教育和卫生方面投资很少， 人口快速增长， 不平等现象加剧， SSP3优先考虑地区安全， 是区域竞争路径， 而SSP4则是国家内部和国家之间的不平等占主导的不均衡路径， 在这两种情况下， 都会导致社会极易受到气候变化的影响； SSP2则是一个中间路径， 世界按照近几十年来的典型趋势继续发展下去， 慢慢减少对化石燃料的依赖。每一个典型浓度路径（RCP）代表未来全球的辐射强迫水平， 包括RCP8.5、 RCP7.0、 RCP6.0、 RCP4.5、 RCP3.4、 RCP2.6、 RCP1.9（曹丽格等， 2012； 张杰等， 2013； 翁宇威等， 2020； O’Neill et al， 2016， 2017； Van et al， 2011）。目前为止20多个CMIP6气候模式数据只有5个模式情景齐全， 且较少应用于全球和区域的气候变化特征研究中。本文基于观测数据， 评估5个 CMIP6全球气候模式历史模拟实验数据对黄河上游降水量的模拟能力， 并采用未来SSP-RCPs多情景预估数据， 对黄河上游21世纪的降水量变化进行分析， 揭示其演变规律， 以期为水资源管理和决策提供建议。
表1 5个CMIP6模式的简介Table 1 Basic information of 5 GCMs from CMIP6 |
| 模式名称 | 所属国家、 研究中心 | 原始分辨率/（°） | 降尺度后分辨率/（°） |
|---|---|---|---|
| CanESM5 | 加拿大气候模拟与分析中心 | ~2.8×2.8 | 0.5×0.5 |
| CNRM-ESM2-1 | 法国国家科学实验中心 | 2.5×1.2676 | 0.5×0.5 |
| IPSL-CM6A-LR | 法国Pierre-Simon 物理学研究所 | 2.5×1.2676 | 0.5×0.5 |
| MIROC6 | 日本海洋地球科学与技术局、 大气海洋研究所和国家环境变化研究所 | 1.4063×1.4 | 0.5×0.5 |
| MRI-ESM2-0 | 德国普朗克气象研究所 | ~1.125×1.12 | 0.5×0.5 |
表2 SSP-RCP情景介绍Table 2 Basic information of SSP-RCPs for CMIP6 |
| 情景名称 | 强迫类别 | SSP（社会经济情景） | 2100年人为辐射强迫（气候情景）/（W·m-2） |
|---|---|---|---|
| SSP1-1.9 | 非常低强迫情景 | SSP1（可持续发展路径） | 1.9 |
| SSP1-2.6 | 低强迫情景 | SSP1（可持续发展路径） | 2.6 |
| SSP2-4.5 | 中等强迫情景 | SSP2（中间路径） | 4.5 |
| SSP3-7.0 | 中等至高强迫情景 | SSP3（区域竞争路径） | 7.0 |
| SSP4-3.4 | 低强迫情景 | SSP4（不均衡路径） | 3.4 |
| SSP4-6.0 | 中等强迫情景 | SSP4（不均衡路径） | 6.0 |
| SSP5-8.5 | 高强迫情景 | SSP5（传统化石燃料为主的路径） | 8.5 |
2 数据来源与方法介绍
2.1 研究区概况
黄河发源于青藏高原巴颜喀拉山北麓， 流经青海、 四川、 甘肃、 宁夏、 内蒙古、 陕西、 山西、 河南、 山东等九省区， 东西横跨距离较长， 地势高低变化明显。黄河上游包括从黄河源区到内蒙古自治区托克托县河口镇的集水区域（32.4°N -41.8°N， 95.8°E -112.0°E）， 河道长3472 km， 面积达3.86×105 km2， 占黄河流域的51.3%。黄河上游水多沙少， 是黄河的清水来源。上游大部处于干旱半干旱地区， 深居西北内陆， 海拔相对偏高， 南部有秦岭山脉、 西南有喜马拉雅山脉阻隔， 受海洋暖湿气流影响相对微弱， 属于典型的大陆性气候。为进一步研究气候特点和变化趋势的空间特征， 本文将黄河上游分为三个不同区段： 黄河沿以上区域， 该段地处青藏高原， 为河源端； 黄河沿到兰州之间区域， 该段是黄河的主要产水区； 兰州站到头道拐站之间区域， 此段黄河自南向北流， 水流缓慢， 处于河谷盆地和河套平原（图1）。
2.2 数据来源
选用来自中国气象局2416 个地面气象观测站1961 -2014年的逐日降水资料， 采用距平逼近法插值了一套中国区域空间分辨率为0.5°×0.5°的格点数据（吴佳等， 2017）， 用来评估气候模式的模拟能力。文中选用表1所示CMIP6中5个情景完善的模式。由于各气候模式输出数据分辨率差异大， 为了方便与观测值对比分析， 利用观测数据通过反距离加权（IDW）插值和EDCDF（Equidistant Cumulative Distribution Functions）法， 对模式数据进行了降尺度和偏差订正， 将数据空间分辨率统一为0.5°×0.5°（Huang et al， 2018； 陶辉， 2013）。模式数据包括历史期模拟实验数据（1995 -2014年）和未来SSP-RCPs多情景预估数据（2021 -2100年）， 如表2所示7个情景为SSP1-1.9、 SSP1-2.6、 SSP2-4.5、 SSP3-7.0、 SSP4-3.4、 SSP4-6.0、 SSP5-8.5， 是由社会经济情景和气候情景共同构成的新情景（张丽霞等， 2019； 翁宇威等， 2020； O’Neill et al， 2016）。
多模式集合平均可以有效降低气候模拟的不确定性， 本文采用CMIP6中5个气候模式的集合平均， 将1995 -2014年作为基准期， 将2021 -2040年、 2041 -2060年、 2081 -2100 年分别作为21世纪近期、 中期和末期展开未来预估的研究。
2.3 研究方法
文中采用Mann-Kendall检验法（M-K法）， 分析黄河上游降水量的变化趋势。M-K法是当前在气象水文领域广泛使用的一种非参数统计检验的方法。样本无需符合特定的分布， 可以客观反映样本序列的整体变化。
使用标准化后的Taylor 图对气候模式的模拟效果进行定量评估。Taylor 图以图形的形式直观地表现多气候模式与观测值的相似性。这种相似性， 通过标准差、 均方根误差以及相关系数来定量描述。从圆点出发的竖向距离表示模式与观测的标准差之比； 均方根误差则为观测与模式之间的距离， 模式点越靠近参考点， 模式值与观测值越相近； 相关系数由模式的方位角位置决定， 当模式模拟结果与观测值较一致时， 具有高相关性。
3 研究结果
3.1 模式模拟能力评估
根据偏差订正后的多模式集合平均， 1995 -2014年黄河上游年降水量为395.8 mm， 较观测的年降水量（390.5 mm）略高； 春、 夏、 秋、 冬季观测降水量多年平均（1995 -2014年）分别为71.4， 221.4， 88.1和9.7 mm； 模式模拟的季降水量分别为70.6， 225.9， 90.1和9.2 mm， 在春冬两季模式模拟降水量略低于实测降水量， 夏秋两季模式模拟降水量略高于实测降水量。此外， 气候模式模拟的年降水量、 季节降水量与观测年、 季节数据在空间上具有高度的一致性， 空间相关系数在0.9以上。黄河上游南部， 年降水量充沛， 实测年降水量大约483.6 mm， 模拟年降水量约490 mm； 流域北部宁蒙地区降水匮乏， 实测降水量为274.8 mm左右， 模式降水量为278.9 mm 左右。降水量以扇形自南向北递减， 模式很好地模拟了该空间变化格局（图2）。
图3 1995 -2014年黄河上游逐月降水观测值与模拟值的逐月变化（a）以及不同气候模式模拟值与观测值的逐月降水泰勒图（b）中黑线代表标准差之比, 绿线代表均方根误差, 蓝线代表相关系数 Fig.3 Monthly variation of observed and simulated precipitation over theUpper Yellow River from 1995 to 2014 (a) and the precipitation Taylor diagram of simulated under different climate models and observed monthly precipitation.The black line represents the ratio of standard deviations, the green line represents the root mean square error, and the blue line represents the correlation coefficient |
3.2 SSP-RCP情景下的预估
3.2.1 年降水量的时空变化
多模式集合平均表明， 黄河上游年降水量在21世纪将波动上升（图4）。除中等辐射强迫情景SSP4-6.0上升幅度较小外， 辐射强迫越高年降水量上升速度越快， 趋势均通过0.05显著性水平。SSP5-8.5 情景下， 上升趋势最显著， 达14.4 mm·（10a）-1； SSP3-7.0增速次之， 为13.9 mm·（10a）-1。
图4 不同SSP-RCP情景下, 1995 -2100年黄河上游年降水量变化实线表示多模式集合平均, 阴影表示多个模式的范围(上限和下限) Fig.4 The mean of muilt-model annual precipitation changes under different SSP RCP scenarios from 1995 to 2100 over the Upper Yellow River.Solid lines represent the multi-model mean.Shadows represent the range (upper and lower limits) of multiple models |
相比基准期（1995 -2014年）， 不同情景下黄河上游年降水量在21世纪近、 中、 末期的变化如图5所示。SSP1-1.9和SSP1-2.6情景下， 21世纪年降水量上升趋势先快后慢， 中期达到最大， 随后减缓， 近期降水量增加4.7%和11.5%， 中期增幅8.2%和17.3%， 末期略有减少为5.5%和15.1%。SSP2-4.5、 SSP3-7.0和SSP5-8.5情景下， 21世纪降水量呈持续增加状态， 近期增加13.4%， 12.4%和9.9%， 中期同样也有所上升； 末期增长最大， 增幅为27%， 31%和31.8%。SSP4-3.4和SSP4-6.0情景下， 21世纪降水量呈先减后增特征， 近期年降水量较基准期变幅-2.7%和-1.1%左右， 到21世纪中期降水量较基准期有所上升， 增加1.8%和2.8%， 末期增幅达到7.9%和9.9%。
图5 不同SSP-RCP情景下, 21世纪近期、 中期和末期黄河上游年降水相对基准期(1995 -2014年)的变化率柱子代表多模式集合平均, 上、 下限代表模式最大值和最小值 Fig.5 The change rate of annual precipitation in the near, mid- and end 21st century over the Upper Yellow River under the SSP-RCP scenarios relative to the base period (from 1995 to 2014).Bars represent the multi-model mean, The upper and lower limits represent the maximum and minimum values of multiple models |
不同情景下， 黄河上游年降水量在21世纪前期变化各有差异； 中、 后期则都有一定程度增加， 增加幅度较大的区域主要集中在降水量较少的黄河沿以上区域以及兰州站到头道拐站之间区域， 增幅较小的区域主要集中在黄河沿到兰州之间区域。
图6 不同SSP-RCP情景下, 2021 -2040年(上), 2041 -2060年(中)和2081 -2100年(下)黄河上游年降水量相对于基准期(1995 -2014年)的空间变化分布Fig.6 Spatial distribution of the annual precipitation under different SSP-RCP scenarios during 2021 -2040 (up), 2041 -2060 (middle) and 2081 -2100 (down) over the Upper Yellow River relative to the base period (1995 -2014) |
黄河上游兰州站到头道拐站之间大部分属于宁蒙段， 该段河流流速较慢， 河道淤积， 排洪能力低， 且目前水土流失较为严重， 所以在未来降水量增加可能会导致该区域洪涝灾害发生的可能性增大； 黄河沿以上区域以及兰州站到头道拐站之间的区域未来降水量增加， 在一定程度上可缓解中下游水资源紧张的状况。
3.2.2 季节降水的时空变化
21世纪黄河上游各季降水量总体表现为波动上升趋势， 增速因情景和季节而异。总体来说， 低辐射强迫情景下降水量变化趋势较小， 中等或高辐射强迫情景变化趋势明显。冬季增幅最大， 夏季增幅最小， 趋势均通过0.1显著性水平（图7）。春、 夏、 冬季降水量增速最快的为SSP3-7.0情景， 分别可达4.1， 4.3和0.8 mm·（10a）-1， 并通过0.05显著性水平检验。秋季增幅最大为SSP5-8.5情景， 可达7.4 mm·（10a）-1（通过0.05显著性水平检验）。
图7 不同SSP-RCP情景下, 1995 -2100年黄河上游季节降水量的变化实线表示多模式集合平均, 阴影表示多个模式的范围(上限和下限) Fig.7 The seasonal precipitation changes under different SSP-RCP scenarios during 1995 -2100 over the Upper Yellow River.Solid lines represent the multi-model mean.Shadows represent the range (upper and lower limits) of multiple models |
相较于基准期， 不同情景下黄河上游季节降水量在21世纪三个时段的变化有所不同（图8）。春季， 不同情景下从21世纪近期到末期， 降水量持续增加， 均在末期增幅达到最大， 在10.9%~57.4%之间。夏季， 不同情景下降水量的变化相对复杂。SSP1-1.9和SSP1-2.6情景下， 21世纪近期到末期降水量增幅先快后慢， 拐点出现在21世纪中期； SSP2-4.5、 SSP3-7.0和SSP5-8.5情景下， 从近期到末期降水量的增幅持续增大， 末期达到最大17.2%， 15.3%和12.8%； SSP4-3.4和SSP4-6.0情景下， 降水量先降后增， 近期变幅-2.9%和-2.0%， 末期增加4.5%和4.3%。秋季， 不同情景下降水量的变化与夏季相似， 但变化幅度比夏季更为明显。SSP1-1.9和SSP1-2.6情景下， 21世纪近期到末期降水量的增幅先快后慢， 中期增幅最大为12.6%和28.5%； SSP2-4.5、 SSP3-7.0和SSP5-8.5情景下， 增幅从近期到末期持续增加， 末期增幅最大达到35.5%， 45.2%和52.9%； SSP4-3.4和SSP4-6.0情景下， 21世纪近期降水降水量同样有所降低， 变幅-5.1%和-2.4%， 中期出现拐点， 末期达到最大， 为12.0%和14.1%。冬季， 不同情景下， 三个时段降水量的变化与春季相似， 但变化幅度明显高于春季。SSP1-1.9和SSP1-2.6情景下， 降水量的变化与其余季节一致， 增幅从中期以后放缓， 中期最大为32.9%和41.0%； 其余情景从近期到末期降水量持续增加。
图8 不同SSP-RCP情景下, 黄河上游2021 -2040年, 2041 -2060年和2081 -2100年季节降水量相对基准期(1995 -2014年)的变化柱子代表模式集合平均, 上、 下限代表模式的最大值和最小值 Fig.8 Seasonal precipitation changes over the Upper Yellow River during 2021 -2040, 2041 -2060 and 2081 -2100 relative to the base period (1995 -2014) under different SSP-RCP scenarios.Bars represent the multi-model mean, the upper and lower limits represent the maximum and minimum values of multiple models |
总体来看， 不同情景下， 三个时段黄河上游降水量的增幅在冬季最大， 夏季变幅最小； 冬、 春两季降水量变化情况较为一致， 夏、 秋两季降量水变化情况相似。四季降水量的增大， 会加大区域洪涝灾害发生的可能性。其中夏、 秋两季降水量的变化在SSP4-3.4与SSP4-6.0下较为特殊， 但近期降水量较基准期有所下降， 这可能会导致区域干旱的发生。
不同SSP-RCP情景下， 21世纪近、 中、 末期黄河上游季降水量相对于1995 -2014年变化率的空间分布（图9）可以看出， 春季， SSP1-1.9情景下， 从21世纪近期到末期， 降水量的增幅最大区域在黄河上游兰州站到头道拐站之间； SSP4-3.4和 SSP4-6.0情景下， 21世纪近期在上游黄河沿以上区域降水量有所下降， 但中、 末期降水量较基准期上升的区域将扩展至全流域， 增幅高值中心在兰州站到头道拐站之间的区域； SSP1-2.6、 SSP2-4.5、 SSP3-7.0和SSP5-8.5情景下， 流域降水量从21世纪近期到末期显著增加， 且降水量的增幅高值中心均在上游兰州站到头道拐站之间区域和黄河沿以上区域。夏季， SSP1-1.9和SSP1-2.6情景下， 21世纪近期和中期在黄河沿以上区域增幅最大， 末期流域部分地区降水量较中期有所下降； SSP4-3.4和SSP4-6.0情景下， 21世纪近期降水量黄河上游大部分区域较当前有所下降， 中、 后期整个流域降水量的增幅逐渐加大； SSP2-4.5、 SSP3-7.0和SSP5-8.5情景下， 流域降水增幅均在21世纪末期达到最大， 且增幅高值中心位于黄河沿以上区域， 低值中心位于黄河沿到兰州之间的区域。但夏季整体降水量的增幅保持较低水平。秋季， SSP1-1.9和SSP1-2.6情景下， 流域各地区降水量在中期达到最大， 且从近期到末期流域降水量的增幅高值中心均在上游兰州站到头道拐站之间区域和黄河沿以上区域。但在SSP4-3.4和SSP4-6.0情景下， 21世纪近期降水量在黄河沿以上区域的下降幅度比夏季更明显一些， 中后期降水量增加将扩展至全流域。在其余情景下， 区域降水量的增幅高值中心均在兰州站到头道拐站之间区域和黄河沿以上区域。冬季， 不同情景下， 全流域降水量均表现增长， 且高值中心在兰州站到头道拐站之间区域， 黄河沿到兰州之间是增幅较小的区域。
图9 不同SSP-RCP情景下, 黄河上游2021 -2040年(第1行, 第4行), 2041 -2060年(第2行, 第5行)和2081 -2100年(第3行, 第6行）夏季（第1~3行）和冬季（第4~6行）降水量相对基准期（1995 -2014年）变化率的空间分布Fig.9 Spatial variability of precipitation under different SSP-RCP scenarios in summer (rows 1~3) and winter (rows 4~6) during 2021 -2040 (rows 1 and 4), 2041 -2060 (rows 2 and 5) and 2081 -2100 (rows 3 and 6) over the Upper Yellow River relative to the base period (1995 -2014) |
春季， 不同情景下区域降水量的增幅高值中心在黄河上游兰州站到头道拐站之间的区域和黄河沿以上区域， 增幅较小的地区在上游黄河沿到兰州之间； 夏季增幅高值中心在黄河沿以上区域； 秋季降水量的增幅最大的区域在兰州站到头道拐站之间和黄河沿以上； 冬季在上游兰州站到头道拐站之间的区域。黄河上游降水量主要集中在夏、 秋两季， 而在SSP4-3.4与SSP4-6.0情景下， 21世纪近期源区夏、 秋降水量较基准期有所下降， 可能导致流域干旱的可能性加大。21世纪中后期春、 夏、 秋季， 源区降水量的增幅显著加大， 对整个黄河流域水资源的补给将起到一定的积极作用。黄河宁蒙段冰凌灾害频繁， 一般在每年11月中下旬流凌， 12月中旬封冻， 次年3月中下旬解冻（张红武等， 2020）。21世纪春、冬、秋季降水量在该区增加， 可能会加重流域河道承载量， 加大黄河宁蒙段甚至中游发生冰凌洪水的压力。
4 讨论
利用CMIP6模式在黄河上游展开的研究与已有研究成果有很大的相似性。未来黄河上游以增湿为主， 但其年、 季降水变化幅度、 变化趋势与CMIP5的预估结果有所不同。已有研究结果表明， 全球气候变暖背景下， 黄河流域未来将可能或非常可能变暖、 变湿， 2041 -2050年黄河流域年降水量在RCP2.6情景下， 较1961 -1990年可能增多6%（-3.4%~8.3%）； 在RCP4.5 情景下呈现较为缓慢的增长趋势， 增多10.9%（-5.1%~17.9%）， RCP8.5情景下， 增多8.6%（0.2%~19.2%）（王国庆等， 2020）。RCP2.6、 RCP4.5和RCP 8.5情景下， 21世纪黄河流域降水的变化率约为2.38 mm·（10a）-1、 4.42 mm·（10a）-1、 17.4 mm·（10a）-1（Zhu et al， 2016）。RCP4.5、 RCP8.5下， 2019 -2098年冬季降水量增幅最大均在15%以上（康丽莉等， 2015）。根据BCC-CSM1.1 模式， 2011 -2050年降水变化最大地区为兰州到头道拐区， MIROC-ESM 和 MIROC-ESM-CHEM 降水变化最大的区域为玛曲到唐乃亥和兰州到头道拐区间； 季节尺度， 冬季降水增幅最大， 其他季节降水增幅相对较小， 黄河上游冬季降水增幅在15%以上（陈磊， 2017）。
本文研究结果与之前许多研究结果相似， 但增幅高于CMIP5的结果， 究其不同的原因， 一方面是因为选择的研究区范围和时间尺度有所不同， 另一方面是由于新的CMIP6模式在气候变率和变化问题上考虑的要素较CMIP5更加详细， 并且提出了7个由社会经济情景和气候情景相结合的SSP-RCP情景， 所以低排放情景与高排放情景之间降水变幅的差距和上升趋势快慢差距可能加大， 这是多种社会经济发展路径和不同人为辐射强迫组合的必然结果； 单个情景的不确定性有所下降， 也可以进一步说明CMIP6的结果较以往的研究准确性有所提升。
本文预估未来的降水变化， 主要是对降水变化的检测研究。大量证据表明， 北半球黄河上游和青藏高原地区降水增加与人类活动、 孟加拉湾和副高水汽输送、 夏季风环流加强、 以及高纬地区的西风带气流等有关（胡婷和胡永云， 2014； 周天军等， 2018； 陈悦等， 2019； 缪启龙等， 2007； 王玉琦等， 2019； 王雅琦等， 2020）。黄河上游夏秋两季降水主要受东亚夏季风、 印度洋季风控制下的西南暖湿气流， 其次是来自高纬地区经新疆和青海北部到达的西风带西北气流， 和经青藏高原到达的偏西气流， 使得黄河上游大部分在夏秋季节处在水汽辐合区， 东亚夏季风和印度洋季风以及西风带的气流的强弱变化对黄河上游大部分地区夏季秋季（雨季）降水影响比较大， 因此可能会造成黄河上游夏秋两季降水占年降水比重大， 变化趋势相似（李生辰等， 2009； 强安丰等， 2018； 许晨海等， 2004； 刘晓冉等， 2020； 蓝柳茹和李栋梁， 2016； 王林和冯娟， 2011）； 而1 -5月黄河上游主要受东亚冬季风控制为主， 以西边水汽输入为主， 很少有南边水汽输入， 春冬季降水对东季风有显著的响应， 从而引起冬春两季降水在变化趋势上相似。未来不同情景下， 全球季风环流形势可能发生年际变化， 但黄河上游夏秋季降水的水汽来源仍然是东亚夏季风、 印度洋季风为主； 冬春两季水汽来源则还是冬季风和西风带的气流输入为主（缪启龙等， 2007； 王玉琦等， 2019； 李生辰等， 2009； 强安丰等， 2018）。但降水的内部变率很复杂， 未来降水的归因研究较为复杂， 这也是作者亟待开展的研究。
开展黄河上游降水变化的预估， 可以为流域未来水资源的合理利用、 旱涝灾害预防提供指导， 为实施流域综合管理提供一定的方向性， 是制定区域生态保护和高质量发展战略规划的重要组成部分还是主动应对气候变化的有效途径（马柱国等， 2020）。但是气候变化研究具有复杂性， 本文使用的CMIP6模式虽然经过偏差订正， 但在研究中仍然受制于模式完备程度、 模式参数化等的影响， 存在一定的不确定性。未来需要通过增加模式的完备性以及优化参数等方式， 以减小预估研究的不确定性。
5 结论
基于黄河上游的降水观测资料， 评估了CMIP6中5个情景最齐全且经过偏差订正的气候模式对区域降水的模拟能力， 并使用5个模式的7个SSP-RCP情景， 开展了黄河上游降水变化的预估分析。主要结论如下：
（1） 不同SSP-RCP情景下， 21世纪黄河上游年降水量呈显著增加趋势， 但是降水量的变化并非“准线性”增加， 呈现年代际的波动。SSP1-1.9和SSP1-2.6情景下， 黄河上游年降水量的增幅在21世纪中期（2041—2060年）达到峰值， 到末期（2081 -2100年）增幅有所下降； SSP4-3.4和SSP4-6.0情景下， 流域年降水量在21世纪近期（2021 -2040年）较基准期有所下降， 从21世纪中期开始缓慢增长持续到末期； SSP2-4.5、 SSP3-7.0和SSP5-8.5情景下， 年降水量的增幅均在21世纪末期达到峰值。空间上， 21世纪黄河上游年降水量增加幅度较大的区域主要集中在黄河上游降水量相对较少的黄河沿以上区域以及兰州站到头道拐站之间的区域。
（2） 不同情景下， 黄河上游各季降水量在21世纪总体表现为波动上升趋势。除SSP4-3.4与SSP4-6.0情景变化趋势较小外， 其他情景下变化趋势明显； 且冬季降水量的增幅最大、 夏季增幅最小。SSP1-1.9和SSP1-2.6情景下， 四季降水量呈现先增加后减缓的特征， 中期达到最大随后减缓； SSP2-4.5、 SSP3-7.0和SSP5-8.5情景下， 四季降水量的增幅从近期到末期持续增加； 而SSP4-3.4与SSP4-6.0下， 夏秋两季21世纪近期降水量相对与基准期有所降低， 并到中期出现拐点， 随后持续增加， 春冬两季则是从近期到末期缓慢增长。空间上， 春季和秋季降水量的增幅高值中心在黄河上游黄河沿以上区域以及兰州站到头道拐站之间的区域， 夏季增幅中心是在黄河沿以上区域； 而冬季是在兰州站到头道拐站之间的区域， 其中上游黄河沿到兰州之间在四季均是增幅较小的区域。