SSP 情景下半干旱地中海流域多时间尺度降水变化：不确定性分解与地形视角

《Atmospheric Research》：Precipitation changes across multiple time scales under SSP scenarios in a semi-arid Mediterranean basin: Uncertainty decomposition and orographic perspective

　　**要点摘要**- 在各SSP情景下，苏苏鲁克流域（Susurluk Basin）到2100年的降水量将减少150–400毫米，其中以SSP5-8.5情景减少最多。- 冬季和秋季降水量大幅下降，而夏季极端降雨的变异性增强。- 在气候变化背景下，山区的地形降水梯度减弱。- 在高排放情景下，区域降水分布趋于更加均一。- 通用环流模式（GCM）的不确定性向本世纪末增大，但预测的下降趋势仍然稳健。**引言**气候变化仍然是一个根本性问题，它不仅导致气温升高，还引起降水格局的重大改变，进而影响水资源在时间和空间尺度上的可得性、分布与可靠性（IPCC, 2023; Kartal, 2024; Nacar等, 2024）。因此，预测未来降水的变化对于缓解气候变化的影响并适应其后果至关重要。降水是人类和生态系统的水基础（Günen和Atasever, 2024; Kartal, 2024），在规划中需要结合可能的情景与近期观测到的变化加以考虑（Ceribasi等, 2022; Gu和Adler, 2023; Nacar, 2023）。耦合模式比较计划（CMIP）为政府间气候变化专门委员会（IPCC）制定指导政策与研究的预测提供支持。在CMIP6下，共享社会经济路径（SSPs）通过整合社会经济因素提供了关于碳排放的叙事（Haider等, 2023）。包含情景气候数据的通用环流模式（GCM）由于分辨率较粗，无法表征区域和局地气候。然而，GCM降尺度对于评估水资源的气候影响、克服上述局限是必不可少的。尽管动力降尺度能够以更高分辨率捕捉地形效应（Crane和Hewitson, 1998; Ekstrom等, 2015），但其计算与配置要求限制了可迁移性。因此，统计降尺度（SD）——将大尺度预测因子与局地变量相关联——因其灵活性和高效性而广受青睐（Baghanam等, 2021; Fistikoglu和Okkan, 2011; Nacar等, 2019）。地中海盆地被公认为气候变化的热点地区（Ba??aci等, 2021; Cos等, 2022; Diffenbaugh和Giorgi, 2012; Giorgi等, 2009）。考虑到山区同样被划分为热点地区（Ferguglia等, 2024; Pepin等, 2025; Pepin等, 2015），像土耳其苏苏鲁克流域（SB）这样兼具山地与半干旱地中海气候、且属于该国人口最稠密地区之一（Akbas等, 2020; Coskun和Akbas, 2024; ?an等, 2023）的区域，预计受气候变化影响的程度将进一步增加。然而，这种影响的规模仍然未知。此外，关于海拔—降水关系在气候变化下如何演变的研究（Koszuta等, 2024; Siler等, 2026）大多局限于美国西部，而地中海山区流域尚缺乏充分考察（Ferguglia等, 2024）。同样，在局地尺度上，特别是对于情景—GCM组合不一致的情况，跨多个时间尺度分解预测不确定性这一问题受到的关注有限（Ersoy等, 2026; Kirdemir等, 2025; Y?ld?z等, 2025）。因此，本研究采用四个性能最佳的CMIP6 GCM的多模式集合平均（MMEA），在SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5情景下考察SB的未来降水可能变化，并在年、季、月尺度上分析不确定性的分解与地形降水梯度效应，将近期未来（2030–2059）与远期未来（2070–2099）相对于观测期（1979–2014）进行比较。**分节摘要****研究区域与数据集**SB位于土耳其西北部，介于北纬39°–40°和东经27°–30°之间（图1）。流域面积约24,000平方公里，约占土耳其国土面积的2.88%，北接马尔马拉海（Akbas等, 2020; Dorum等, 2010; ?an等, 2023）。其地形高度异质，海拔从海平面一直延伸至乌卢达格山（Uluda?）的2538米，平均海拔约631米（Aytekin和Serengil, 2026）。流域排水经由Simav、Nilüfer等河系完成。**研究方法**预测因子选择、GCM选取以及空间分辨率的匹配对于稳健的SD设计至关重要（de Borges等, 2017; Keupp等, 2019; Wilby和Wigley, 2000）。在完美预报框架下，传递函数使用再分析预测因子进行标定，但由GCM预测因子驱动，因此两组数据之间的空间尺度需要保持一致；不匹配会引入人为的降尺度误差来源（Amjad等, 2020）。本研究所使用的14个GCM涵盖标称……**结果**将14个GCM统计降尺度后的日降水量数据与九个站点的观测值进行对比，使用累积分布函数（CDF）（图4a）以及上尾部分在对数纵坐标上的超概率（图4b）。GCM的定量排序通过表2中给出的HR和KGE指标确定。CDF表明分布主体部分总体上一致，但对数视角显示这种一致性……**讨论**在局地尺度上，SB年降水量150–400毫米的下降（图6、图7）支持了将地中海盆地在CMIP6预测中鉴定为全球气候热点的研究（Cos等, 2022; Diffenbaugh和Giorgi, 2012）。Ba??aci等（2021）以及Seker和Gumus（2022）关于土耳其西部安纳托利亚降水下降及冬季主导性下降的记录与本研究的结论一致。MPI系列模式位居前列的排列……**结论**本研究在SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5情景下，对苏苏鲁克流域的地形效应、未来降水变化及不确定性进行了近期未来（2030–2059）与远期未来（2070–2099）的预测。在性能评估中，MPI-ESM1-2-LR、CESM2-WACCM、MPI-ESM1-2-HR和INM-CM5-0四个模式因显著优于其余10个模式而被选入多模式集合平均。显著的年……**CRediT作者贡献声明****Murat ?an：**初稿撰写、软件、方法、调研、构思。**Sinan Nacar：**审阅与编辑、可视化、验证、方法、调研、构思。**Murat Kankal：**审阅与编辑、验证、指导、项目管理、构思。**Adem Bayram：**审阅与编辑、可视化。**利益冲突声明**作者声明，他们不存在已知的竞争性经济利益关系或个人关系，这些关系可能会影响到本论文中报告的工作。