基于格網(wǎng)的GCM數(shù)據(jù)修訂分析未來海南島農(nóng)業(yè)水熱資源的變化特征*

李 寧，白 蕤，李 瑋，陳 淼，楊桂生，陳 歆，范長華，張 文

（1.中國熱帶農(nóng)業(yè)科學(xué)院環(huán)境與植物保護研究所/海南儋州熱帶農(nóng)業(yè)生態(tài)系統(tǒng)國家野外科學(xué)觀測研究站/國家農(nóng)業(yè)環(huán)境儋州觀測實驗站/農(nóng)業(yè)農(nóng)村部儋州農(nóng)業(yè)環(huán)境科學(xué)觀測實驗站/海南省熱帶生態(tài)循環(huán)農(nóng)業(yè)重點實驗室，?？?571101；2.海南省氣候中心，海口 570203）

海南島為熱帶島嶼，是重要的冬季瓜菜、天然橡膠、南繁育種制種、熱帶水果和花卉生產(chǎn)基地。農(nóng)業(yè)氣候資源是農(nóng)業(yè)生產(chǎn)的基本環(huán)境條件和物質(zhì)能源，氣候變化會使農(nóng)業(yè)生產(chǎn)的不穩(wěn)定性增加[1]，農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)和布局出現(xiàn)變動，種植制度、栽培管理措施、農(nóng)業(yè)災(zāi)害等發(fā)生變化，最終影響農(nóng)產(chǎn)品產(chǎn)量和品質(zhì)。熱帶島嶼的生態(tài)系統(tǒng)對氣候特征的變化更加敏感[2?3]，更易受氣候變化的影響。根據(jù)《IPCC全球升溫1.5℃特別報告》[4]，截至2017年由人類活動導(dǎo)致的全球氣候變暖比工業(yè)革命前高出約1℃，且以0.2℃·10a?1的速度增加。因此預(yù)測未來海南島農(nóng)業(yè)水熱資源的可能變化特征，可為海南島農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)和布局規(guī)劃提供科學(xué)依據(jù)。

耦合模式比較計劃第五階段（Coupled Model Intercomparison Project Phase 5，CMIP5）為氣候變化研究提供了內(nèi)容豐富的氣候模擬和預(yù)估數(shù)據(jù)集[5]，在全球或大區(qū)域尺度的歷史及未來氣候變化的模擬和預(yù)測中得到廣泛應(yīng)用[6?7]。但大氣環(huán)流模式（Global Climate Models，GCMs）空間分辨率較低，模式之間在參數(shù)化方案、耦合技術(shù)等方面有較大差異[8]，輸出結(jié)果各不相同且與觀測值存在一定的偏差，在區(qū)域精細化應(yīng)用中產(chǎn)生較大的不確定性[9?10]。為降低該不確定性，通常使用空間插值方法，將大尺度、低分辨率的GCMs模式輸出信息轉(zhuǎn)化為區(qū)域尺度的地面氣候信息，從而彌補GCMs模式對區(qū)域氣候預(yù)測的局限性；聯(lián)合多模式集合平均方法，降低或消除單一GCM模式的不確定性，從而提高氣候變化信息的可信度[11?12]。但該方法仍存在一定的不足，如張艷武等[13]使用29個GCMs模式經(jīng)等權(quán)重集合平均，發(fā)現(xiàn)模擬結(jié)果低估了中國西部地區(qū)年平均氣溫，最大低估值超過5℃。胡芩等[14]使用44個GCMs模式經(jīng)等權(quán)重集合平均對青藏高原氣溫和降水進行評估，年平均氣溫約低估2.3℃，年降水量約高估1.3mm·d?1。因此，本研究提出在空間插值后，以格網(wǎng)單元為基礎(chǔ)，綜合使用系統(tǒng)誤差和多模式集合平均方法對GCMs輸出值進行修訂，即每個格網(wǎng)單元擁有一套獨立的修訂參數(shù)。

本研究以海南島為研究區(qū)域，選用5個GCMs模式1970?1999年的逐日輸出數(shù)據(jù)與同期地面氣象觀測數(shù)據(jù)，使用空間插值降尺度到0.5°×0.5°格網(wǎng)，結(jié)合數(shù)字高程模型（DEM）進行地形校正處理。以格網(wǎng)單元為基礎(chǔ)，使用系統(tǒng)誤差修訂（修正值法或比值法）和多模式集合平均方法（貝葉斯模型平均法BMA或等權(quán)重平均法EW），對GCMs輸出值進行綜合修訂。采用泰勒圖、偏差均值和交叉驗證等方法對綜合修訂結(jié)果進行評價，探索降低熱帶島嶼氣候情景數(shù)據(jù)不確定性的精細化方法，為GCMs模式在小區(qū)域的偏差修訂提供參考。以此為基礎(chǔ)，分別分析RCP2.6、RCP4.5和RCP8.5情景下，未來海南島近期（2020?2059年，2040s）和遠期（2060?2099年，2080s）農(nóng)業(yè)氣候水熱資源，主要包括年平均氣溫、1月均溫、≥10℃積溫、≥20℃積溫、年降水量、1月降水量和≥20℃界限溫度生長期間降水量相對于基準(zhǔn)時段（1970?2019年，Baseline）的時空變化特征，以期為未來海南熱帶特色高效農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)布局提供氣候變化依據(jù)。

1 資料與方法

1.1 研究區(qū)概況

海南島（18°10'?20°10' N，108°37'?111°03' E）位于熱帶北緣，總面積約3.39×104km2，屬熱帶季風(fēng)海洋性氣候，長夏無冬，降水充沛，年平均氣溫23.1～27.0℃，年降水量940.8～2388.2mm，年日照時數(shù)1827.6～2810.6h，光溫水充足，光合作用潛力高[15]，是中國重要的熱帶特色高效農(nóng)業(yè)和“南繁硅谷”基地。

1.2 數(shù)據(jù)來源

地面氣象觀測數(shù)據(jù)（1970?2019年）來源于海南省氣象局，氣候模擬數(shù)據(jù)（1970?1999年和2020?2099年）來自CMIP5提供的5個GCMs模式（表1），來源于https://esgf-node.llnl.gov/search/cmip5/，以上數(shù)據(jù)均包含逐日最高、最低氣溫和降水量3種氣候要素。采用氣溫垂直遞減法對氣溫進行海拔高度訂正[16]，其中DEM的空間分辨率為30m×30m。由于地面氣象站點與GCMs模式的空間分辨率不同，為了便于修訂GCMs模式輸出值，利用Python2.7結(jié)合arcpy、netCDF4、numpy等程序包進行雙線性插值，將所有數(shù)據(jù)統(tǒng)一降尺度到0.5°×0.5°格網(wǎng)。

表1 5個GCMs模式基本信息Table 1 Basic information of five GCMs models

1.3 數(shù)據(jù)修訂方法

1.3.1 系統(tǒng)誤差修訂

為消除GCMs模式輸出值的系統(tǒng)誤差，在每個格網(wǎng)單元中，通過對比觀測值與輸出結(jié)果的數(shù)據(jù)信息，利用修正值法[17]（式1）對連續(xù)的氣溫要素或比值法[18]（式 2）對離散的降水量要素進行系統(tǒng)誤差修訂。

式中，S'id和Sid分別為某個GCM模式在第i格網(wǎng)單元中第d天的系統(tǒng)誤差修訂后的輸出值和原始輸出值；為觀測數(shù)據(jù)在第i格網(wǎng)單元中的平均值；為某個GCM模式在第i格網(wǎng)單元中的平均值，和分別為氣溫和降水量的系統(tǒng)誤差修訂值。

1.3.2 多模式集合平均

（1）貝葉斯模型平均法（Bayesian Model Averaging，BMA）：是一種以貝葉斯理論為基礎(chǔ)，能夠較好地解決模型不確定性問題的統(tǒng)計分析方法[19]。它將備選模型作為隨機變量，通過賦予先驗概率和后驗概率來度量其不確定性，并利用后驗概率對備選模型的結(jié)果進行加權(quán)平均，最終得到更穩(wěn)健的估計結(jié)果。目前BMA已廣泛應(yīng)用于農(nóng)業(yè)、氣象學(xué)、遺傳學(xué)、交通、宏觀經(jīng)濟等眾多領(lǐng)域[20]。BMA的基本原理可表示為

式中，A表示備選模型，即每個GCMs模式，B表示觀測數(shù)據(jù)；P(A|B)是在觀測數(shù)據(jù)B給定的條件下，備選模型A的后驗概率，表示對A模型的“信賴”程度，即每個GCMs模式的權(quán)重系數(shù)；P(B|A)是在備選模型A下，觀測數(shù)據(jù)B的邊際似然，P(A)是備選模型A的先驗概率；P(B)是B的先驗概率，也作標(biāo)準(zhǔn)化常量。利用Python3.7結(jié)合sklearn程序包，在觀測數(shù)據(jù)給定的條件下，對一段時間序列內(nèi)的數(shù)據(jù)進行訓(xùn)練，為每個GCMs模式分配權(quán)重系數(shù)，進而使用加權(quán)平均方法對GCMs的輸出值進行修訂。

（2）等權(quán)重平均法（Equal Weight，EW）：不需要考慮各GCMs模式模擬性能的差異，為每個GCMs模式配置相同的權(quán)重系數(shù)，然后使用算術(shù)平均對GCMs的輸出值進行修訂。

1.3.3 修訂結(jié)果評價

采用泰勒圖法、偏差均值和交叉驗證等方法，評估基于格網(wǎng)的GCMs模式綜合修訂的輸出結(jié)果。

（1）泰勒圖法：主要由標(biāo)準(zhǔn)差（歸一化）、相關(guān)系數(shù)r、均方根誤差RMSE等統(tǒng)計量組成，以圖形的方式表達模擬值接近觀測值的程度[21]。其中，標(biāo)準(zhǔn)差（歸一化）由模擬值標(biāo)準(zhǔn)差與觀測值標(biāo)準(zhǔn)差之比表示，用相對變化范圍來表示不同變量可能出現(xiàn)的較大變化范圍，其值越接近1，表示模擬效果越好。使用NCL語言完成繪制。

（2）偏差均值：用于反映模擬值與觀測值偏差的平均值。

（3）交叉驗證：以1970?1989年的GCMs模式輸出數(shù)據(jù)和同期觀測數(shù)據(jù)作為訓(xùn)練期數(shù)據(jù)集，1990?1999年的相應(yīng)數(shù)據(jù)作為驗證期數(shù)據(jù)集，對修訂結(jié)果進行驗證。

1.4 農(nóng)業(yè)界限溫度

海南島以溫帶和熱帶作物種植為主，其生物學(xué)下限溫度主要為10℃和20℃。氣溫≥10℃時，大多數(shù)農(nóng)作物才能活躍生長，是有利于各類農(nóng)作物進行光合作用累積有機物的時期，其持續(xù)期可作為喜溫作物生長期；在氣溫≥20℃的持續(xù)期間，喜溫作物很少遭受低溫的危害，該時期可以被稱為喜溫作物安全生長期。由于海南島≥10℃界限溫度生長期持續(xù)日數(shù)幾乎為一整年，該數(shù)據(jù)與年平均降水量相當(dāng)，故忽略。因此，采用《常用農(nóng)業(yè)氣候指標(biāo)計算軟件（CAIC）》[22]，計算≥10℃積溫、≥20℃積溫以及≥20℃界限溫度生長期間降水量，并進行農(nóng)業(yè)水熱資源分析。農(nóng)業(yè)水熱資源的空間分布以及變化特征使用ArcGIS10.2完成，主要使用地圖代數(shù)方法完成柵格圖層間的數(shù)學(xué)運算。

2 結(jié)果與分析

2.1 五個GCMs模式輸出數(shù)據(jù)的修訂

2.1.1 格網(wǎng)數(shù)據(jù)的系統(tǒng)誤差

從訓(xùn)練期數(shù)據(jù)集中選取分布在海南島及其周邊的22個格網(wǎng)單元，根據(jù)氣候要素選擇相應(yīng)的系統(tǒng)誤差修訂方法，分別獲取訓(xùn)練期內(nèi)5個GCMs模式中3種氣候要素在每個格網(wǎng)單元的系統(tǒng)誤差修訂值（圖1），并修訂GCMs模式輸出數(shù)據(jù)。由圖1可見，GCMs輸出值均低估逐日最高氣溫，修訂值在0.19～5.84℃之間，平均約3.55℃；多數(shù)GCMs輸出值高估了逐日最低氣溫，修訂值在?2.54～3.34℃之間，平均約高估1.19℃；GCMs輸出值均低估了逐日降水量，修訂值在0.97～2.87倍之間，平均約1.84倍。同一GCM模式在不同格網(wǎng)中的系統(tǒng)誤差并不一致，如HadGEM2-ES模式輸出的最高氣溫在西南部的修訂值大于4℃，而在東北部的修訂值小于1℃；又如FOGALS-g2模式輸出的最低氣溫在多數(shù)格網(wǎng)中修訂值為正，且最大修訂值大于2℃，但在個別格網(wǎng)中修訂值為負(fù)?？偟膩碚f，最高氣溫輸出值的修訂值在空間上表現(xiàn)為從西向東、從南向北降低的趨勢；最低氣溫輸出值的修訂值在空間上表現(xiàn)為從南向北降低的趨勢；降水量輸出值的修訂值在空間上無明顯變化趨勢。

圖1 訓(xùn)練期內(nèi)5個GCMs模式中3種氣候要素在每個格網(wǎng)單元的系統(tǒng)誤差修訂值Fig.1 Revise value from systematic residuals of the five GCMs during training period to the three climate variables in 22 grids

2.1.2 格網(wǎng)數(shù)據(jù)的BMA權(quán)重系數(shù)

在格網(wǎng)數(shù)據(jù)系統(tǒng)誤差修訂的基礎(chǔ)上，利用BMA對訓(xùn)練期數(shù)據(jù)集進行訓(xùn)練，分別得到5個GCMs模式中3種氣候要素在每個格網(wǎng)單元的權(quán)重系數(shù)，如圖2所示。由圖可見，GCMs的權(quán)重系數(shù)因氣候要素和空間位置的不同而有所變化，如MPI-ESM-MR模式在最高氣溫和最低氣溫中均擁有較高權(quán)重系數(shù)，分別在0.22～0.37和0.20～0.34之間，極大值分布在中北部；而在降水量中權(quán)重系數(shù)較低，在0.10～0.26之間，由西北向東南遞減。隨后使用多模式集合平均方法對GCMs模式輸出值進行修訂，每種氣候要素分別得到一個綜合的GCMs模式輸出值。

圖2 訓(xùn)練期內(nèi)每個格網(wǎng)上3種氣候要素中每個模式的BMA權(quán)重系數(shù)Fig.2 Weight coefficient of each GCMs for the three climate variables according to the BMA method in 22 grids during training period

2.1.3 格網(wǎng)數(shù)據(jù)的綜合修訂結(jié)果

經(jīng)格網(wǎng)系統(tǒng)誤差和多模式集合平均（BMA和EW）綜合修訂后，5個GCMs模式原始輸出值與綜合修訂值在訓(xùn)練期和驗證期的統(tǒng)計結(jié)果如圖3所示，由圖可見，3種氣候要素綜合修訂值的統(tǒng)計結(jié)果明顯提升。以驗證期為例，分別經(jīng)過BMA和EW綜合修訂后，最高氣溫、最低氣溫和降水量的相關(guān)系數(shù)r分別較單一GCM平均值約提升0.10和0.09，0.07和0.07，0.06和0.06；均方根誤差RMSE分別較單一GCM平均值約降低2.38和2.33℃，1.01和0.96℃，1.01和0.91mm。

圖3 三種氣候要素綜合修訂值與原始值的泰勒圖（訓(xùn)練期和驗證期）Fig.3 Taylor diagrams of comprehensive corrected and original values of the three climate variables during training and validation period

在時間序列上，5個GCMs模式綜合修訂值與原始值在訓(xùn)練期和驗證期相對同期觀測值的偏差如圖4所示。以驗證期為例，分別經(jīng)過BMA和EW綜合修訂后，最高氣溫、最低氣溫和降水量分別較單一GCM平均值約減少3.25和3.26℃，1.13和1.13℃，25.67和27.70mm。總的來說，BMA和EW對GCMs的修訂效果相似；GCMs輸出值經(jīng)過綜合修訂后，其結(jié)果更接近觀測值，其中最低氣溫的模擬最好，其次是最高氣溫，最后是降水量。

圖4 三種氣候要素綜合修訂值與原始值相對于觀測值的偏差Fig.4 Biases of comprehensive corrected and original values of the three climate variables relative to the observed values

2.2 未來氣候變化情景下農(nóng)業(yè)熱量資源變化分析

以格網(wǎng)BMA綜合修訂為基礎(chǔ)，預(yù)測未來海南島近期（2040s）和遠期（2080s）在3種氣候情景（RCP2.6、RCP4.5和RCP8.5）下農(nóng)業(yè)熱量資源（包括年平均氣溫、1月平均氣溫、≥10℃積溫和≥20℃積溫）相對基準(zhǔn)時段（1970?2019年）的變化特征，結(jié)果見表2，其時空變化如圖5?圖7所示。

圖5 未來海南島年農(nóng)業(yè)熱量資源時間變化特征Fig.5 Temporal change of agricultural heat resources in Hainan island in future

由表2、圖5a、圖6a和圖7a可見，除RCP2.6情景下2080s時期年平均氣溫上升不顯著，其余情景和時段的組合均極顯著升溫，其中RCP8.5情景下2080s時段升溫最快。在未來RCP2.6、RCP4.5和RCP8.5情景下分別較基準(zhǔn)時段約升溫0.8、1.2和1.9℃，3種情景下西南部升溫幅度均略高于東北部。通過5a滑動平均篩選，在RCP4.5情景下，約在21世紀(jì)80年代初期較基準(zhǔn)時段升溫超過1.5℃；在RCP8.5情景下，約在21世紀(jì)50年代初期較基準(zhǔn)時段升溫超過1.5℃，60年代初期升溫超過2℃，70年代末期升溫超過2.5℃，至21世紀(jì)末升溫超過3.3℃。

1月是海南島最冷月，其平均氣溫的時空變化如表2、圖5b、圖6b和圖7b所示。由圖表可見，未來全島均表現(xiàn)為升溫，升溫幅度由東向西遞減。在2040s時段3種情景下均顯著升溫，其中RCP4.5和RCP8.5為極顯著且升溫速度最快；在2080s時段僅RCP8.5為極顯著升溫。通過5a滑動平均篩選，RCP8.5約在21世紀(jì)60年代初期較基準(zhǔn)時段升溫超過1.5℃，80年代初期升溫超過2℃，至21世紀(jì)末升溫超過2.3℃。

≥10℃積溫時空變化如表2、圖5c、圖6c和圖7c所示。由圖表可見，其時間上的變化趨勢與年平均氣溫相似。在空間變化上全島積溫均表現(xiàn)為增加，且增幅主要表現(xiàn)為由北向南遞減的趨勢。

≥20℃積溫時空變化如表2、圖5d、圖6d和圖7d所示。由圖表可見，其時間上的變化趨勢與1月均溫相似。在空間變化上表現(xiàn)為南部沿海地區(qū)的積溫有少許降低，其余地區(qū)均增加，且增幅主要表現(xiàn)為由中部向外圍遞減的趨勢。

圖6 未來海南島農(nóng)業(yè)熱量資源指標(biāo)空間變化特征Fig.6 Spatial change of agricultural heat resources index in Hainan island in future

圖7 未來海南島農(nóng)業(yè)熱量資源指標(biāo)相對于基準(zhǔn)時段的偏差Fig.7 Biases of agricultural heat resources index between RCPs and baseline in Hainan island in future

表2 基準(zhǔn)和未來時段熱量資源平均值及其線性變化趨勢Table 2 Mean value and climate trend rate (CTR) of thermal resources index in baseline period and future time under scenarios of RCPs

2.3 未來氣候變化情景下降水資源變化分析

以格網(wǎng)BMA綜合修訂為基礎(chǔ)，預(yù)測未來海南島近期（2040s）和遠期（2080s）在3種氣候情景（RCP2.6、RCP4.5和RCP8.5）下農(nóng)業(yè)降水資源（包括年降水量、1月降水量和≥20℃界限溫度生長期間降水量）相對基準(zhǔn)時段（1970?2019年）的變化特征，結(jié)果見表3，其時空變化如圖8?圖10所示。

由表3、圖8a、圖9a和圖10a可見，年降水量在時間上均無顯著變化趨勢。在空間變化上表現(xiàn)為北部和南部地區(qū)未來降水變率增加，部分沿海地區(qū)降水變率增加超過10%，而中部地區(qū)降水變率減少，部分地區(qū)降水變率減少超過10%。

由表3、圖8b、圖9b和圖10b可見，1月降水量在時間上均無顯著變化趨勢。在空間變化上表現(xiàn)為南部地區(qū)降水變率增加超過10%；在RCP2.6情景全時段和RCP4.5情景2080s時段，西北部及中部部分地區(qū)降水變率減少超過10%；RCP4.5情景2040s時段和RCP8.5情景2080s時段下，北部大部分地區(qū)降水變率表現(xiàn)為增加。

由表3、圖8c、圖9c和圖10c可見，≥20℃界限溫度生長期間降水量在時間上均無顯著變化趨勢。在空間變化上表現(xiàn)為西部和中部部分地區(qū)降水變率表現(xiàn)為減少，其余地區(qū)均為增加，部分沿海地區(qū)增加超10%。

表3 基準(zhǔn)和未來時段降水資源平均值及線性變化趨勢Table 3 Mean value and climate trend rate of precipitation resources index in baseline period and future time under scenarios of RCPs

圖8 未來海南島年農(nóng)業(yè)降水資源指標(biāo)時間變化特征Fig.8 Temporal change of agricultural precipitation resources index in Hainan island in future

圖9 未來海南島農(nóng)業(yè)降水資源指標(biāo)空間變化特征Fig.9 Spatial change of agricultural precipitation resources index in Hainan island in future

3 結(jié)論與討論

3.1 結(jié)論

在每個格網(wǎng)單元內(nèi)，GCMs輸出值對海南島的最高氣溫、最低氣溫和降水量有不同程度的高估或低估?？傮w來說，低估了逐日最高氣溫約3.55℃，高估了逐日最低氣溫約1.19℃，逐日降水量僅占觀測值的54.35%。BMA和EW方法在海南島的修訂效果相差甚小。通過格網(wǎng)BMA綜合修訂后，最高氣溫、最低氣溫和降水量在驗證期的相關(guān)系數(shù)r分別約提升0.10、0.07和0.06；均方根誤差RMSE分別約降低2.38℃、1.01℃和1.01mm；較單一GCM相對觀測值的偏差平均約減少3.25℃、1.13℃和25.67mm。GCMs綜合修訂輸出值對最低氣溫的模擬效果最好，其次是最高氣溫，最后是降水量，GCMs對觀測值的模擬效果明顯優(yōu)于單一GCM。結(jié)果表明，以格網(wǎng)單元為基礎(chǔ)，進行GCMs輸出值綜合修訂，可以差異化對待不同格網(wǎng)單元的系統(tǒng)誤差和多模式的權(quán)重系數(shù)，進而較好地降低GCMs模式輸出值在研究區(qū)域空間上的不確定性。

未來海南島農(nóng)業(yè)熱量資源在空間上主要表現(xiàn)為從中部向外圍逐漸升高，高溫主要分布在南部至西部沿海地區(qū)，這主要與海南島中間高、四周低的地形有關(guān)。在2040s時段3種RCPs情景下所有農(nóng)業(yè)熱量資源均顯著增加，至2080s時段僅有RCP4.5情景下年平均氣溫和≥10℃積溫以及RCP8.5情景下所有農(nóng)業(yè)熱量資源均為顯著增加。RCP8.5情景增溫最快，其次是RCP4.5，最后是RCP2.6。在時間上，RCP2.6情景熱量增加最少。RCP4.5情景為先增加后平緩，年平均氣溫約在21世紀(jì)80年代初期較基準(zhǔn)時段升溫超過1.5℃。RCP8.5情景下表現(xiàn)為持續(xù)增加，年平均氣溫約在21世紀(jì)50年代初期較基準(zhǔn)時段升高超過1.5℃，至60年代初期升高超過2℃，至21世紀(jì)末升高超過3.3℃；最冷月約在21世紀(jì)60年代初期較基準(zhǔn)時段升高超過1.5℃，80年代初期升溫超過2℃。熱量增加幅度與RCP排放濃度呈正相關(guān)。在空間分布上，未來年平均氣溫西南部升溫幅度均略高于東北部；最冷月升溫幅度由東向西遞減；≥10℃積溫的增幅主要表現(xiàn)為由北向南遞減的趨勢；≥20℃積溫的增幅主要表現(xiàn)為由中部向外圍遞減的趨勢。未來海南島降水資源在空間上主要表現(xiàn)為由東向西逐步遞減的格局，南部和北部降水變率增加，西部和中部降水變率減少。在時間上無顯著變化趨勢。

未來海南島農(nóng)作物生長期的氣候呈變暖趨勢，同時降水格局也發(fā)生變化，冬季瓜菜、天然橡膠、熱帶水果等農(nóng)作物種植面積、產(chǎn)量增加的可能性變大，但極端氣象災(zāi)害和病蟲害出現(xiàn)可能性也會增大。還需深入研究氣候資源變化帶來的可能影響，提前布局，做好趨利避害，保障海南島農(nóng)業(yè)可持續(xù)發(fā)展。

3.2 討論

GCMs輸出值對海南島氣溫的模擬效果較好，對降水量模擬的不確定性較大。Kent等[23]研究表明，降水格局的異常主要是由對流質(zhì)量通量的空間變化所引起的。O’Gorman[24]認(rèn)為熱帶地區(qū)的極端降水對升溫的敏感性更高。海南島地形和下墊面復(fù)雜，且處于熱帶北緣，受氣候、洋流、大氣環(huán)流影響較大，是受氣候變化影響的敏感區(qū)、脆弱區(qū)。其它熱帶島嶼的降水量模擬也存在相同的問題，如位于加勒比地區(qū)的波多黎各島[25]。

基于格網(wǎng)的綜合修訂可以有效降低GCMs在空間上的偏差。地面氣象站點按行政縣分布，具有較大的空間不規(guī)則性，且觀測資料僅能代表某一片區(qū)域，如海南島中部地區(qū)海拔高度差異較大，難以反應(yīng)氣溫隨地形變化，用某一點的氣溫來描述整個區(qū)域會產(chǎn)生較大誤差[26]。而基于規(guī)則的格網(wǎng)，可以降低觀測值和GCMs輸出值因空間分布不同而引起的差異，如Baron等[27]將GCM原始格網(wǎng)降尺度到高分辨率格網(wǎng)后，消除了大量由于原始分辨率較粗引起的偏差，從而模擬的作物產(chǎn)量更接近真實值。通常來說，格網(wǎng)單元越小越能反映出地表氣候的差異，考慮到GCMs的空間分辨率和地面氣象站點的分布，本研究將兩者的分辨率統(tǒng)一為0.5°×0.5°格網(wǎng)。如GCMs有更精細的分辨率或者更好的降尺度方法，且地面氣象站點更密集，研究格網(wǎng)可以做到更精細化。

基于格網(wǎng)的BMA和EW多模式集合平均方法在海南島的模擬效果相差甚小，且均優(yōu)于單一GCM的模擬效果。Wang等[28]分別使用BMA和EW對中國水稻種植區(qū)最高氣溫、最低氣溫、降水量等氣候情景進行多模式集合平均，結(jié)果表明兩者的模擬效果相似。Xu等[29]直接選用EW進行多模式集合平均，預(yù)測中國未來氣溫和降水變化情況。但也有一些學(xué)者認(rèn)為，加權(quán)集合平均為各GCMs模式分配權(quán)重系數(shù)，性能較好的模式具有較高的權(quán)重系數(shù)，以體現(xiàn)模式性能的差異，較等權(quán)集合平均更為合理。如Yang等[30]對比了BMA和EW在青藏高原極端氣候的模擬效果，結(jié)果表明BMA的適用性優(yōu)于EW。由此可見，多模式集合平均方法的確定還可能與研究區(qū)域的地形、面積以及研究精度密切相關(guān)。雖然基于格網(wǎng)的誤差修訂能顯著降低GCMs的不確定性，但是GCMs的不確定性還來源于模式自身的框架和運行參數(shù)等[31]，這也是GCMs模式不能完全接近觀測值的原因。隨著CMIP6數(shù)據(jù)的即將問世，更詳細的模擬過程和精細的空間分辨率可能會有效降低模擬結(jié)果的不確定性。

未來海南島農(nóng)業(yè)水熱資源在時間和空間上發(fā)生了明顯變化，對農(nóng)業(yè)可能帶來諸多影響。如在未來RCP2.6、RCP4.5和RCP8.5情景下，天然橡膠、芒果、香蕉等熱帶林、果可種植面積（≥10℃積溫在8500℃·d以上）分別增加1719、2330和3183km2，適宜生長面積（最適下限溫度為25℃）分別增加1.33、1.52和1.72 ×104km2，最冷月可能受到寒害（≤15℃）影響的面積分別減少288、409和549km2。冬季瓜菜（辣椒、豇豆、絲瓜等）生長在最冷月不受低溫影響（≥20℃）的面積分別增加0.39、1.04和1.66×104km2。南繁育種的年培育次數(shù)也有可能增加。隨著≥20℃積溫和面積的增加，未來海南島可能種植更多的熱帶作物。此外，未來氣候持續(xù)變暖且降水轉(zhuǎn)為由東向西逐步遞減的格局，會對農(nóng)業(yè)產(chǎn)生一些可預(yù)見的變化，如播期和物候期變化[32]、種植面積增大、受寒害的可能性降低[33]等。但極端氣候頻率可能增加，給作物帶來致命傷害；暖冬導(dǎo)致病蟲害過冬的可能性變大，增大了病蟲害的數(shù)量、繁殖世代和發(fā)生范圍等[34]；新的病蟲害入侵海南島的可能性變大[35]。因此，還需深入分析未來海南島氣候變化對農(nóng)業(yè)生產(chǎn)的可能影響，提前規(guī)劃與合理利用未來的水熱資源，做到趨利避害，保障海南島熱帶特色高效農(nóng)業(yè)安全可持續(xù)發(fā)展。