1 引言
祁连山（36°30′N -39°30′N， 93°30′E -103°E）位于青海和甘肃两省交界， 以青海湖和哈拉湖为界被分为东、 中、 西三段， 是中国西部重要的生态安全屏障， 具有保持青藏高原生态平衡， 阻止南部库姆塔格和北部巴丹吉林、 腾格里三个沙漠入侵， 保障河西走廊绿洲灌溉， 以及保证黄河和内陆河径流补给的重要作用。所以对祁连山气候变化的相关研究对该区域生态保护工作具有重要意义（薛健等， 2021）。近年来研究确定了祁连山气候增暖趋势， 且增温速率呈微弱增加趋势。施雅风等（2002）提出了祁连山及周边地区存在变暖变湿的趋势。有关干旱的西北地区气候变化研究表明， 自20世纪80年代中期以后西北地区西部（100°E以西）降水呈急剧增加趋势（李栋梁等， 1997； 马柱国， 2005）。相关降水研究指出， 虽然从长期趋势来看， 我国北方降水表现出减少趋势， 但是在2000年之后增多趋势明显， 特别是近10年增加幅度更大， 研究再次确认了北方地区由干到湿的转型观点（马柱国等， 2018； 陈隆勋等， 1998）。祁连山气温的升高不仅直接影响极端温度的变化， 由于西北地区东部年平均降水量从西南部祁连山的450 mm过渡到北部沙漠地带的50 mm， 地理分布呈现极端化， 气温升高导致的高温干旱和暴雨洪涝等极端气候事件发生的可能性也在增大。升温强度加剧、 极端气温事件的频率加快以及由降水增多带来的气象与地质灾害的风险对生态环境脆弱的祁连山地区将可能产生严重影响。基于以上西北地区历史气温及降水的变化特征， 祁连山地区未来半个世纪气温及降水的时空分布和变化趋势值得大家关注。
第6次国际耦合模式比较计划CMIP6（the Coupled Model Intercomparison Project in phase 6）纳入了全球各个国家46个气候模式的数值模拟结果， 用来分析未来气候的可能变化。在预估全球未来气候变化中， CMIP6分4种不同排放情景来定量描述全球气候变化与社会经济发展路径之间的关系， 反映未来社会面临的气候变化适应和减缓挑战。这些排放情景路径使用社会经济模式驱动的共享社会经济路径（SSPs， Shared Socioeconomic Pathway）代替了CMIP5的典型浓度路径（RCPs）。利用不同排放情景对祁连山气候变化特征进行研究， 可以在不同温室气体排放、 林地面积等条件下， 对祁连山气候进行预估， 从而更好地进行该区域的生态保护及防灾减灾等工作。故选取CMIP6在中国区域使用效果较好的10个数值模式模拟结果（姜江等， 2015； Zhang et al， 2021； 程志刚等， 2015）， 检验其对祁连山气候变化的模拟效果， 从中选出效果最好的数值模式， 分析在低、 中和高三种排放情景（SSP1-26、 SSP2-45、 SSP5-85）下， 祁连山未来气候变化特征。
2 模式数据和检验方法
本文选用CMIP6的10个模式分别为CESM2、 FGOALS-g3、 NESM3、 ACCESS-CM2、 IPSL-CM6A-LR、 MIROC、 GISS-E2-1-G、 CNRM-CM6、 EC-EARTH和CESM-WACCM。模式结果为两个时段， 其中1950 -2014年为历史气候时段， 2015 -2064年为未来气候变化时段。由于1970年以后气象观测连续性和可靠性较强， 因此通过将1970年1月至2014年12月的模拟结果， 与祁连山气候变化的实际进行比较分析， 客观定量检验各模式对祁连山气候变化的模拟性能， 最后确定对祁连山气候变化模拟效果最好的数值模式。再利用该模式对2020 -2064年气候变化模拟结果中气温、 降水量和大气比湿三个常用参数， 评估检验祁连山未来气候的时空分布及变化趋势。
文中涉及地图均是基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2019）1711号的标准地图制作， 底图无修改。
2.1 历史气温模拟试验的客观检验方法
多种统计方法可以用来说明模式结果的可靠性， 本文选择了均方根误差（RMSE）、 相关系数（R）。在天气学上常用命中率（POD）、 预兆得分（TS）、 空报率（FAR）、 频率偏离指数（FBI）和公正预兆得分（ETS）等来客观评价模式的模拟效果。本文使用的TS和FAR的评分方法参考唐文苑等（2017）， ETS和POD的检测方法参照廖荣伟等（2015）。
对各物理量的检验指标进行说明， 以超过或低于气候平均值（Ra）20%为异常偏高和偏低。Na表示模拟值与观测值在正常阈值内（0.8Ra~1.2Ra）， 即命中； Nb表示空报数， 即实况正常（0.8Ra~1.2Ra）； 模拟值≥1.2Ra（≤0.8Ra）， 则偏高（偏低）； Nc表示漏报数， 此时实况偏高或偏低， 而模拟值正常。Nd为同时空报加漏报数， 即空漏报数， 此时实况偏低， 模拟结果却偏高， 或者类似相反的情况。各检验参数中更多关注空报数Nb和漏报数Nc， 并未考虑空漏报的Nd情况， 因此将Nd纳入到Nb和Nc中。
2.2 历史气温模拟试验的客观评价分析
鉴于已有研究中数值模式对气温的模拟效果比降水要好（姜江等， 2015； 周天军等， 2019）， 因此对模式客观检验以气温为参考。祁连站海拔2787.4 m（图1 ）， 是青海省13个百年气象站之一， 观测数据完整性和代表性较好。故将模拟结果与实测数据做比较时， 选择祁连山中段的祁连1970 -2014年1月和7月近地面2 m月平均气温值， 与距离站点最近的模式格点处同期月气温序列进行对比， 计算二者的均方根误差、 相关系数、 命中率、 预兆得分、 空报率、 频率偏离指数和公正预兆得分（表1 ， 表2 ）。
表1 CMIP6的10个模式对祁连站1970 -2014年1月气温模拟的检验Table 1 Verification of 10 cmip6 models for temperature simulation in Qilian station in January from 1970 to 2014 |
| 模式名称 | RMSE/mm | R | POD | TS | FAR | FBI | ETS |
|---|---|---|---|---|---|---|---|
| CESM | 8.81 | 0.12 | 0.67 | 0.21 | 0.77 | 2.93 | 0.21 |
| FGOALS-g3 | 9.40 | 0.02 | 0.62 | 0.36 | 0.53 | 1.31 | 0.36 |
| NESM3 | 23.7 | 0.14 | 0.74 | 0.16 | 0.83 | 4.37 | 0.16 |
| ACCESS-CM2 | 6.16 | 0.16 | 0.72 | 0.59 | 0.24 | 0.94 | 0.59 |
| IPSL-CM6A-LR | 6.33 | 0.36 | 0.78 | 0.56 | 0.32 | 1.16 | 0.57 |
| MIROC6 | 20.6 | 0.18 | 0.70 | 0.16 | 0.83 | 4.10 | 0.16 |
| GISS-E2-1-G | 17.9 | 0.29 | 0.74 | 0.52 | 0.36 | 1.16 | 0.52 |
| CNRM-CM6 | 12.5 | 0.33 | 0.73 | 0.25 | 0.73 | 2.67 | 0.25 |
| CESM2-WACCM | 6.93 | 0.17 | 0.76 | 0.65 | 0.17 | 0.92 | 0.65 |
| EC-EARTH | 10.4 | 0.10 | 0.74 | 0.66 | 0.15 | 0.87 | 0.66 |
加粗数字为各项评分的前3名 |
表2 CMIP6的10个模式对祁连站1970 -2014年7月气温模拟的检验Table 2 Verification of 10 cmip6 models for temperature simulation in Qilian station in July from 1970 to 2014 |
| 模式名称 | RMSE/mm | R | POD | TS | FAR | FBI | ETS |
|---|---|---|---|---|---|---|---|
| CESM2 | 1.20 | 0.22 | 0.90 | 0.21 | 0.79 | 4.30 | 0.21 |
| FGOALS-g3 | 2.34 | 0.25 | 0.81 | 0.74 | 0.06 | 0.85 | 0.77 |
| NESM3 | 3.57 | 0.34 | 0.68 | 0.02 | 0.97 | 29.0 | 0.02 |
| ACCESS-CM2 | 1.92 | 0.42 | 0.77 | 0.59 | 0.29 | 1.06 | 0.59 |
| IPSL-CM6A-LR | 11.2 | 0.19 | 0.91 | 0.89 | 0.03 | 0.93 | 0.89 |
| MIROC | 5.70 | -0.05 | 0.98 | 0.46 | 0.54 | 2.12 | 0.46 |
| GISS-E2-1-G | 2.05 | 0.21 | 0.96 | 0.50 | 0.49 | 1.87 | 0.50 |
| CNRM-CM6 | 3.76 | 0.53 | 0.86 | 0.14 | 0.86 | 6.14 | 0.14 |
| CESM2-WACCM WACCM | 1.08 | 0.44 | 0.93 | 0.91 | 0.02 | 0.95 | 0.91 |
| EC-EARTH | 1.12 | 0.39 | 0.82 | 0.75 | 0.09 | 0.90 | 0.75 |
加粗数字为各项评分的前3名 |
分析祁连山1月和7月各模式的评价参数， 发现CESM2-WACCM模式的各项评分指数明显偏高。1月该模式RMSE为6.93， 7月RMSE为1.08， 均是各模式中较低值， 表明数值模拟值与实况值最接近。同时POD、 TS和ETS显示的模拟结果准确率又是最高的， 相反FAR和FBI值也是各模式中的最低值。1月各参考指标对比显示， 模式CESM2-WACCM在客观检验中除相关系数外， 其余各项评价指标都处于10个模式前三位， 7月的检验指标中， 该模式全部处于前三位。因此评价结果显示CESM2-WACCM模式相较于其他气候模式能够更准确反映祁连山区历史气温变化实况， 可用于对未来气候变化的预估研究。
对比10个模式对祁连山冬夏季气温模拟效果的差异， 发现1月RMSE最高值为23.7 ℃， 最低值为6.16 ℃， 而7月RMSE最高值为11.2 ℃， 最低值为1.08 ℃， 说明模式对夏季气温变化的模拟偏差要小于冬季。1月相关系数最高值为0.36， 而7月最高值为0.53， 且1月有模式还出现了相关系数负值。从模拟命中率来看， 1月气温模拟POD最低值为0.62， 最高值为0.78， 但7月POD的最低值为0.68， 最高值可达0.98以上， 说明7月气温模拟准确率均比1月高。其他各项指数都一致反映了模式对7月气温的模拟效果比1月要高。因此全球气候模式对祁连山夏季气温的模拟能力比冬季准确率高， 模拟效果好。该结果与已有研究结果相似， 也说明CMIP 6全球模式在祁连山区具有一定适用性。
2.3 对祁连山降水量年际变化的检验
检验CESM2-WACCM模式对祁连山降水量的模拟效果， 利用1970 -2014年祁连站年平均降水量， 与距离站点最近的模式格点处同期年降水序列进行对比， 分析模拟降水量与实际降水量的变化（图2 ）。CESM2-WACCM模式与实际祁连站夏季降水量较为接近， 按图2 图例模式顺序， CMIP6的10个模式和祁连站实测夏季降水量相关系数分别为-0.08、 -0.29、 -0.08、 0.05、 0.28、 0.06、 0.03、 0.32、 0.14和0.13， 除GISS与NESM3模式外， CESM2-WACCM模式模拟的降水量相关系数较高， 为0.14， 通过0.05的显著性检验。对比10个模式的均方根误差（RMSE）分别为103， 154， 97， 74， 93， 81， 134， 85， 80， 74 mm， 除FGOALS-g3与EC-EARTH模式外， CESM2-WACCM模式模拟的降水量RMSE较低， 为80 mm。故综合来看， 在CMIP6的10个模式中， CESM2-WACCM模拟的降水量与实况降水的年际变化趋势特征较相似。
因此CMIP6多模式中， CESM2-WACCM模式对祁连山气温及降水变化反映相对较好。因此在对未来气候模拟中， 以CESM2-WACCM模式为主， 来估计祁连山未来气温和降水等多个要素的变化特征和长期趋势。以下选取2020年1月至2064年12月CESM-WACCM逐月输出资料， 以气温、 降水量、 大气比湿场为例， 分析和预估祁连山未来气候的变化特征。
3 祁连山未来气温变化的预估分析
3.1 冬季气温变化趋势
以祁连山区域平均（97°E -103°E， 37°N -39°N）的1月3种排放情景下气温的变化曲线， 对比分析未来该地区气温变化特征（图3 ）。发现排放情景对气温的模拟影响显著， 随模拟时间延长， 三种情景模拟的结果差异越显著， 尤其是SSP-585的高排放情景与另外两种情景的结果在最后5年相差达到3 ℃以上。对比未来1月气温变化的趋势， 高排放情景下模拟气温上升趋势为0.06 ℃·a-1， 未来45年可能升温在1.3 ℃左右。而中、 低排放情景的升温趋势仅为0.05 ℃·a-1和0.02 ℃·a-1。3种情景下的升温趋势均未通过显著性检验， 但未来气温模拟结果一致地表明祁连山冬季有升温的可能性， 但升温幅度较全球近年来的升温0.85 ℃要明显， 暖冬有可能是未来气候变化的倾向， 而且排放量越高， 升温可能会越显著。
以CESM2-WACCM未来气候模拟试验的近地面气温， 分析2020 -2064年祁连山1月平均气温及其与历史气温的距平分布（图4 ）， 发现祁连山气温分布呈北高南低， 并存在中部低东西两端较高的分布模态， 表现出冷空气沿高原北侧灌入柴达木盆地， 再向北入侵祁连山的过程。1月祁连山中部平均气温低于-14 ℃， 比东西两端的-12~-8 ℃偏低2 ℃以上。对比3种排放情景下未来45年1月气温与1995 -2014年气温的距平， 分析未来气温上升的强度。三种排放情景均未通过显著性检验。但全区域气温距平的正值表明未来祁连山气温呈一致上升趋势， 但不同排放情景上升的幅度存在区域性差异。低排放情景下［图4 （b）］祁连山未来升温中心在山脉中段和西段， 升温强度在2.2 ℃以上。东段未来升温强度较低， 为1.6 ℃以上。升温幅度最强的是高排放情景［图4 （d）］， 未来升温中心位于山脉中段， 比1995 -2014年气温偏高3 ℃以上， 其余地区升温在2.8 ℃左右。中排放情景的升温幅度最低， 最高值为1.8~2 ℃。因此祁连山未来以气温上升为主， 伴随暖冬的形势比较严峻， 与历史同期相比， 未来半个世纪升温的幅度可能还将继续增强。
图4 祁连山地区2020 -2064年三种排放情景下平均1月距地2 m气温分布（a）及其分别在SSP1-26（b）、 SSP2-45（c）、 SSP5-85（d）情景下的距平分布（与1995 -2014年1月相比， 单位： ℃）Fig.4 Average temperature distribution under the three emission scenarios in Qilian Mountains during January from 2020 to 2064 and the temperature anomaly distribution in ssp 1-26 （b）， ssp2-45 （c）， ssp5-85 （d） scenarios（compared with January of 1995 -2014， unit： ℃） |
3.2 夏季气温变化趋势
分析3种排放情景下全球气候模式模拟的未来7月平均气温的变化特征（图5 ）， 表现出稳定上升的趋势。高排放情景下未来7月升温最显著， 而且比同期冬季的升温也稍强， 为0.07 ℃·a-1。中低排放情景下升温幅度较小， 升温为0.03 ℃·a-1。未来夏季估测的气温上升趋势偏弱， 未通过显著性检验。
通过分析祁连山未来夏季平均气温的分布［图6 （a）］， 发现与冬季气温分布模态相似， 祁连山7月平均气温分布呈北高南低和中部低东西两端高的模态， 显示出冷空气从青藏高原北侧向东向北发展的路径。祁连山南侧7月气温的最低值为14 ℃， 东西两端的气温高值区可达17 ℃以上。分析未来7月气温的可能变化趋势， 三种情景下未来7月气温与2020 -2064年气温距平显示， 未来该地区夏季气温一致为升温趋势， 高排放情景下［图6 （d）］升温幅度最强， 在山脉西段可达2.7 ℃， 在山脉中段和东段可达2.5 ℃， 平均升温在2.2 ℃以上。其次是低排放情景［图6 （b）］的升温强度， 平均在1.8 ℃以上。中排放情景［图6 （c）］升温幅度最低， 约为1.5 ℃。三种排放情景均未通过显著性检验。
图6 祁连山地区2020 -2064年三种排放情景下平均7月距地2 m气温分布（a）及其在SSP1-26（b）、 SSP2-45（c）、 SSP5-85（d）情景下的距平分布（与1995 -2014年7月相比， 单位： ℃）Fig.6 Average temperature distribution under three emission scenarios in Qilian Mountains during July from 2020 to 2064 and the temperature anomaly distribution in ssp1-26 （b）， ssp2-45 （c）， ssp5-85 （d） scenarios（compared with July of 1995 -2014， unit： ℃） |
因此全球气候模式CESM2-WACCM模拟的祁连山未来气温分布模态， 呈南高北低和中部低两端高的模态。模拟结果确定了未来45年祁连山升温趋势。冬夏季升温幅度相比较， 冬季升温幅度大， 3种情景相比较高排放量的升温幅度在冬夏季都是最高的， 相反中排放情景升温幅度是最低的。
4 祁连山未来夏季降水的预估分析
以CESM2-WACCM模拟的未来45年降水量， 分析祁连山区域平均的夏季降水量变化曲线［图7 ］。发现3种排放情景下模拟的夏季降水量变化结果相似。在2020 -2035年祁连山降水量波动强烈， 最强年的夏季降水量比最弱年偏多200 mm以上。随着模拟时效的延长， 降水量的年际差异减少， 排放情景对降水量的模拟结果影响也在减少。3种情景一致显示祁连山地区未来降水量的增多趋势， 未来45年的累积增多趋势达到30~40 mm。但降水变化的倾向率有差异， 中排放情景下祁连山降水的增多趋势最强烈， 平均每年增多2.02 mm·a-1， 高排放情景的增多趋势最弱， 仅为0.99 mm·a-1， 低排放情景下降水量增多居中， 3种情景下降水增多趋势差异不显著， 未通过显著性检验。
分析CESM2-WACCM模拟的2020 -2064年祁连山夏季降水量变化特征。从未来3种排放情景下， 未来45年平均夏季降水量的水平分布［图8 （a）］看， 祁连山降水分布呈东多西少的分布模态， 东段夏季降水量达到400~500 mm， 西段降水量偏少， 在200~300 mm。在低排放情景SSP-126下［图8 （b）］， 祁连山未来45年与2020 -2064年夏季降水的正距平显示， 未来祁连山夏季降水量一致增加， 确认未来夏季降水量在低排放情景下的增多趋势。东段地区的正距平值在10 mm以上。西段为距平大值中心， 表示增多更显著， 在20 mm左右。中排放和高排放情景下的降水距平分布相似， 均表现出未来降水增多在10~20 mm的趋势， 但是随着排放情景的增高， 东段地区夏季降水增加趋势更明显， 高排放情景下模拟的东段降水量增多达30 mm。因此CESM2-WACCM预估结果显示， 祁连山在未来夏季降水可能会有增多， 即“变湿”趋势的可能性高。尤其是在其东部地区降水增多显著。比较3种排放标准降水量变化趋势， 高排放量情景下， 东段降水增多的强度最强。三种排放情景均未通过显著性检验。
图8 三种情景下祁连山地区2020 -2064年平均夏季降水（a）及其在SSP1-26（b）、 SSP2-45（c）、 SSP5-85（d）情景下的距平分布（与1995 -2014年相比， 单位： mm）（b）~（d）中的红色实线为0 mm线 Fig.8 Annual averaged summer precipitation in Qilian Mountains under three scenarios from 2020 to 2064， and the summer precipitation anomaly distribution in ssp1-26 （b）， ssp2-45 （c）， ssp5-85 （d） scenarios （compared with 1995 -2014， unit： mm）.The red solid line in （b）~（d） is the 0 mm line |
5 祁连山未来大气湿度场的特征
5.1 冬季大气水汽输送条件
水汽输送和汇集是大气环流和降水形成的重要条件， 是气候变化的重要特征。分析祁连山及周边地区2020 -2064年1月对流层整层积分的水汽通量和水汽通量散度分布（图9 ）。发现在3种排放情景下， 受冬季强盛西风气流的影响， 祁连山上游新疆和高纬度地区是水汽的主要来源地， 水汽在西风作用下自西向东地输送到该地。分析水汽通量散度， 发现沿祁连山北侧的散度负值中心是冬季水汽汇合区， 由于水汽的稳定汇合， 形成了祁连山以北冬季的主要雨雪区。由于冬季祁连山南侧水汽输送量有限， 且散度为正值区， 表明水汽辐散不能汇合堆积， 形成了该地冬季长期少雨干燥期。对比3种排放情景下水汽条件的差异， 发现冬季水汽辐合中心位置相近， 均在祁连山北侧和西侧， 但在高排放情景下， 水汽输送量较小， 但祁连山周边水汽辐合区明显增大， 且强度增强。
图9 三种排放情景下祁连山地区2020 -2064年1月对流层积分的水汽通量［矢量， 单位： kg·（m·s）-1］和水汽通量散度［彩色区， 单位： ×10-5 kg·（m2·s）-1］分布Fig.9 Distribution of water vapor flux ［vector， unit： kg·（m·s）-1］ and water vapor flux divergence ［shadow， unit： ×10-5 kg·（m2·s）-1］ in troposphere in January from 2020 to 2064 under the three emission scenarios in Qilian Mountains |
5.2 夏季大气水汽输送条件
对比分析7月祁连山的水汽输送通量及其散度特征（图10 ）， 发现3种排放情景下， 夏季西风急流带北移， 祁连山以偏西北风的水汽输送为主， 尤其在其北侧， 水汽输送量达到极大值。在祁连山东段受季风偏西南气流北上的影响， 为偏南风暖湿气流的水汽输送。夏季7月水汽通量散度分布， 与冬季分布相反， 在祁连山以南为水汽通量的辐合区， 大值中心位于山脉东南侧， 在山脉西北段为水汽通量辐散区。这样分布反映出在夏季祁连山降雨集中在其东南部， 而在西北部为干旱少雨区。不同排放情景对未来水汽输送分布的影响较小， 水汽辐合和辐散区的位置和量级大致相同。
图10 祁连山地区3种排放情景下2020 -2064年7月对流层积分的水汽通量［矢量， 单位： kg·（m·s）-1］和水汽通量散度［彩色区， 单位： ×10-5 kg·（m2·s）-1］分布Fig.10 Distribution of water vapor flux ［vector， unit： kg·（m·s）-1］ and water vapor flux divergence ［color area， unit： ×10-5 kg·（m2·s）-1］ in troposphere during July from 2020 to 2064 under three emission scenarios in Qilian Mountains |
5.3 未来冬季及夏季水汽条件空间变化
鉴于祁连山水汽通量及散度的南北和东西差异， 在此选对流层600 hPa高度， 计算了未来45年1月大气比湿变化的趋势系数， 分析祁连山与周围大气比湿值的空间变化特征（图11 ）。3种排放情景下祁连山未来45年比湿的趋势系数表现为全区域正值， 且是研究区趋势系数的高值中心， 尤其是山脉的东端和西端。表明祁连山未来冬季大气变湿的可能性非常大。对比3种排放情景比湿变化趋势的差异， 发现低排放情景下， 比湿的趋势系数为1.25~1.75 g·（kg·a）-1， 但在中和高排放情景下， 趋势系数分别达3.75 g·（kg·a）-1和4.25 g·（kg·a）-1以上。因此排放情景对冬季比湿变化模拟的影响非常大， 排放量越大， 对流层大气比湿增加越显著。
分析7月祁连山地区大气比湿值的变化趋势（图12 ）发现， 在全区为正值， 表明未来祁连山地区大气湿度增加的可能性较大。3种排放情景下祁连山比湿上升的趋势可达到19 g·（kg·a）-1、 26 g·（kg·a）-1和25 g·（kg·a）-1， 且随排放情景的升高， 比湿增加的趋势系数中心逐渐向东移。对比比湿变化的季节差异， 夏季比湿比冬季增加得更加显著。总之， 祁连山未来对流层低层大气比湿呈显著增加的趋势， 大气变湿的可能性较大， 夏季比冬季变湿的趋势更明显。3种排放情景相比较， 中高排放情景下大气变湿的可能性较大， 且变湿的强度更大。祁连山大气变湿的区域性差异， 表现为东部和中部变湿比西部偏强， 而且南部变湿比北部明显。
6 结论
通过对CMIP6的10个全球气候模式在祁连山的历史气候变化模拟效果的检验， 选择其中最优的数值模式结果， 分析研究了未来半个世纪祁连山地区气候的可能变化特征。
（1） 对比检验了CMIP6全球气候模式对祁连山气候模拟能力。通过分析10个气候模式对祁连山历史气温及降水变化的模拟效果， 发现CESM2-WACCM模拟效果优， 对夏季气温的模拟效果优于冬季。因此CESM2-WACCM模式可以用来预估祁连山未来气候要素的时空分布和长期趋势。
（2） CESM2-WACCM对2020 -2064年气温的模拟结果显示， 未来祁连山气温呈北高南低和中部低两端高的分布模态， 祁连山未来升温的可能性较大， 暖冬和暖夏较多是未来气候变化的可能结果， 且暖冬比暖夏形势更严峻。比较不同情景下未来升温趋势发现， 高排情景下冬夏季气温升高显著的。
（3） CESM2-WACCM对降水的模拟显示， 祁连山未来夏季降水增多， 呈“变湿”的可能性较高， 尤其是祁连山东部地区在高排放量情景下， 降水增多“变湿”最显著。对流层垂直积分的水汽通量散度分布表明， 夏季祁连山水汽汇集在其东南部， 而在西北部为水汽辐散的干旱少雨区。不同排放情景对未来水汽输送分布的影响较小。未来祁连山对流层低层大气比湿存在升高趋势， 且夏季湿度增加比冬季显著， 山脉南部变湿比北部明显， 尤其是在高排放情景下东部地区。大气环流和水汽辐合条件与祁连山未来半个世纪降水量的增加趋势相一致。