评估祁连山未来温度和降水预估的统计降尺度方法

《Frontiers in Remote Sensing》：Evaluating statistical downscaling methods for future temperature and precipitation projections in the Qilian mountains

　　

祁连山是中国西北地区重要的生态安全屏障和水源涵养区，对气候变化高度敏感。可靠的气候预估对于区域环境管理至关重要，然而统计降尺度方法在这一复杂山区的表现尚未得到充分评估。研究人员利用站点观测数据（1951–2025年）和34个CMIP6（第六次耦合模式比较计划）气候模式的输出，评估了四种统计降尺度方法——Delta变化法（Delta Change Method, DCM）、分位数映射（Quantile Mapping, QM）、多元线性回归（Multiple Linear Regression, MLR）和随机森林（Random Forest, RF）。验证结果表明，RF在气温和降水两方面均取得了最高的决定系数（R²）和最低的均方根误差（Root Mean Square Error, RMSE），并且在模型、情景和站点之间具有优越的稳定性。基于RF降尺度，在SSP1–2.6、SSP2–4.5、SSP3–7.0和SSP5–8.5（共享社会经济路径）情景下的未来气候预估显示，整个21世纪将持续变暖和适度变湿的趋势。气温预计以0.03°C–0.31°C/十年的速率上升，而到世纪末降水预计增加约3.2%–8.1%，尽管模式间不确定性仍然很大。未来气候变化还表现出显著的季节和空间异质性，特征为冬季主导的变暖、夏季降水减少但秋冬降水增加，以及在海拔较高地区强烈的海拔依赖性响应。到21世纪末，0°C等温线预计上升约100–400米。这些发现突显了RF降尺度在祁连山站点尺度气候预估中的适用性，并为区域气候适应、水资源管理和生态系统保护提供了科学支持。

论文解读：祁连山作为中国西北地区关键的生态安全屏障与水源涵养区，其气候高度敏感且受复杂地形与大气环流（西风带与亚洲季风）共同影响。当前，全球气候模式（Global Climate Models, GCMs）的粗分辨率导致区域气候预估存在较大不确定性，而统计降尺度方法在该复杂山区的系统性评估尚属空白。为填补这一不足，研究人员基于中国气象局国家气象科学数据中心27个站点观测数据（1951–2025年）与34个CMIP6气候模式输出，系统评估了四种统计降尺度方法——Delta变化法（DCM）、分位数映射（QM）、多元线性回归（MLR）和随机森林（RF）——在站点尺度气温与降水预估中的性能。研究旨在：(1) 比较各方法的性能与稳定性；(2) 筛选最优方法并解释其原因；(3) 在四种共享社会经济路径（SSP1–2.6、SSP2–4.5、SSP3–7.0、SSP5–8.5）下预估未来气候变化，重点关注季节再分配、空间异质性与海拔依赖性响应。论文发表于《Frontiers in Remote Sensing》。

研究人员采用的关键技术方法包括：四种统计降尺度方法（DCM、QM、MLR、RF），其中RF基于集成学习（50棵回归树，最小叶节点10）捕获非线性地形-气候关系；验证指标为决定系数（R²）与均方根误差（RMSE）；最优方法确定后，采用经度、纬度、海拔为自变量的多元非线性回归进行空间插值（10 km × 10 km分辨率）。样本数据来源为中国气象局国家气象科学数据中心（27个站点）与CMIP6（34个GCMs）。

研究结果如下：
**3.1 降尺度方法的比较与验证**：通过综合所有模型、情景与站点的验证统计量，RF在气温与降水降尺度中均获得最高R²（气温约0.98，降水>0.5）与最低RMSE（气温1.8°C，降水16.2 mm），且稳定性优于其他方法。月度验证显示，RF在降水集中季节（春夏季）优势显著，冬季气温R²虽略低但RMSE仍低，表明绝对误差有限。因此，RF被选为最优降尺度方法。
**3.2 未来气温与降水变化预估**：
- **3.2.1 不同情景下的趋势**：历史时期（1951–2025）显示气温以0.1–0.3°C/十年加速增暖，2016–2025年较1951–1960年升温1.53°C。未来（2026–2100）持续增温，升温速率随排放强度递增（SSP1–2.6: 0.03°C/十年至SSP5–8.5: 0.31°C/十年），SSP3–7.0下年均温约2085年超过0°C。降水历史仅呈弱增加（约5.9 mm/十年），未来增加幅度较小（3.2%–8.1%），情景依赖性弱但模式间不确定性大。
- **3.2.2 季节差异**：未来月均温呈冬季增暖强、夏季增暖弱（甚至轻微冷却）的特征，年均温年较差减小（从24.64°C降至21.18°C）。降水则表现为夏季（7–8月）减少、秋冬（10–11月）增加，湿季峰值从8月移至7月，总体年内格局保持稳定。
- **3.2.3 空间分布**：气温呈东南低、西北高的空间梯度，未来变暖在SSP2–4.5以上情景下从东南向西北增强，且在高海拔（>3000 m）增温更强，但超3000 m后增温对海拔敏感性降低。0°C等温线上升约100–400 m。降水在中心高海拔区增加最显著（110–140 mm），东部湿区则减少（-70至-50 mm），低海拔盆地变化微弱。海拔依赖性表现为3000 m以上降水增加、以下减少。

讨论部分总结了与已有研究的一致性：RF优于传统方法的非线性捕获能力，尤其在降水降尺度中；未来气候预估与CMIP6及动力降尺度结果一致，但RF揭示了更精细的空间对比（如降水中心西移）与海拔依赖性（0°C等温线上升）。不确定性主要源于：GCMs结构差异（尤其降水在高排放情景下离散度大）、统计降尺度方法对未来气候外推的假设限制、以及高海拔站点稀疏导致的观测不确定性。多模式集合均值（MME）虽能降低随机误差，但可能平滑极端信号，未来需结合模型加权与极端事件分析。

研究结论翻译：本研究利用长期气象观测（1951–2025年）与34个CMIP6气候模式输出，系统评估了四种统计降尺度方法（DCM、QM、MLR和RF）在祁连山站点尺度气温与降水预估中的性能。比较验证表明，随机森林（RF）方法一致优于其他方法，在气候模式、SSP情景和观测站点中均取得最高R²和最低RMSE。其优势在降水降尺度中尤为显著，反映了在复杂山地环境中捕获非线性气候-地形关系的更强能力。因此，在本研究所采用的数据集、验证期和方法框架下，RF被确定为祁连山未来气候预估的最适用方法。基于RF降尺度的未来气候预估表明，祁连山将在整个21世纪持续经历变暖和变湿趋势，且排放情景越高变暖越强。年均气温预计以约0.03°C–0.31°C/十年的速率上升，而降水到世纪末预计增加3.2%–8.1%。季节再分配也较明显，表现为冬季主导的增暖、夏季降水减少和秋冬降水增加，导致年内水热状况更加温和对称。空间上，未来气候变化表现出清晰的海拔依赖性，更强增温和降水增加集中于高海拔区域（>3000 m），同时0°C等温线上升约100 m（SSP1–2.6）至400 m（SSP5–8.5）。相比之下，低海拔盆地预计经历较弱的水文气候变化。尽管多模式、多情景下的增温预估一致性很高，但不确定性仍然存在，特别是降水预估。这些不确定性主要源于CMIP6气候模式间的差异、统计降尺度方法的固有假设以及高海拔观测的稀疏分布。尽管多模式集合均值有效减少了模式随机偏差，但可能平滑极端气候信号和年际变率。总体而言，本研究为祁连山未来气候变化提供了可靠的站点尺度证据，并为区域气候适应、水资源管理、生态保护和冰冻圈风险评估提供了科学支持。