Page 90 - 《高原气象》2026年第2期

高 原 气 象 45 卷
390

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
0. 57， 标 准 差 之 比 为 0. 84~1. 35， 均 方 根 误 差 为 3. 2 2015 -2100年秦岭气温变化特征
0. 81~1. 11， MME 的相关系数、 标准差、 均方根误 3. 2. 1 气温年际变化特征
差分别为 0. 74、 1. 04、 0. 98， 对秦岭气温年际变化 NEX-GDDP-CMIP6 模式模拟的秦岭地区气温
模拟效果较好的模式为 GFDL-ESM4、 INM-CM5- 在历史时期和未来均呈增加趋势， 1961 -2014 年，
0、 IPSL-CM6A-LR 和 NESM3， 时间相关系数均高 MME 模拟的气温以 0. 20 ℃·（10a） 的趋势波动增
-1
于0. 60［图4（c）］。 加， 1993 年之后快速增加［图 5（a）］， 与秦岭气温由
由此看出， 优选的各模式均能很好地再现秦岭 偏冷向偏暖突变的时间点一致（张善红等， 2024）。
观测气温的气候态， 但各模式由于参数化方案和强 2015 -2100年间， 4种 SSP情景下 MME模拟的秦岭
迫场的差异， 对气温时空变化特征的模拟差异较 气温在 21 世纪中期之前受经济社会发展和辐射强
大， 综合来看， 对秦岭气温变化模拟效果较好的模 迫的影响较小， 逐年升温幅度差异不明显， 高排放
式 为 INM-CM5-0、 IPSL-CM6A-LR 和 NESM3， 而 下， 升温幅度较大， 中、 低排放下， 升温幅度较小，
MME 可以消除单一模式的“噪音”， 降低模拟结果 略大于较高排放下的升温幅度； 21 世纪 50 年代之
的不确定性（刘文斐等， 2022； 孟雅丽等， 2022）， 后， 不同 SSP 情景模拟的升温幅度差异逐年增大，
模拟效果几乎优于所有单模式。因此， 本文选取 排放情景越高， 升温幅度越大［图 5（a）］， 类似于全
MME 对秦岭未来四种 SSP 情景下的气温变化进行 球平均、 南亚、 青藏高原等地的未来气温变化特征
预估研究。 （Almazroui et al， 2020； Fan et al， 2020； 孟 雅 丽