北方干旱多发带蒸散变化趋势特征预估

doi:10.11755/j.issn.1006-7639-2026-04-0600

干旱气象 ›› 2026, Vol. 44 ›› Issue (4): 600-612.DOI: 10.11755/j.issn.1006-7639-2026-04-0600

北方干旱多发带蒸散变化趋势特征预估

李丹华¹^,³(), 张强²(), 张铁军¹, 杨金虎², 刘紫妍⁴, 刘青⁵, 杨景怡¹, 黄钰涵¹, 刘丽伟¹

¹ 甘肃省气候中心，甘肃兰州 730020
² 中国气象局兰州干旱气象研究所，甘肃兰州 730020
³ 兰州大学资源与环境学院，甘肃兰州 730000
⁴ 成都信息工程大学，四川成都 610225
⁵ 国网能源研究院有限公司，北京 102209

收稿日期:2025-12-23 修回日期:2026-03-31 出版日期:2026-08-30 发布日期:2026-09-16
通讯作者: 张强（1965—），男，院士，博士生导师，主要从事陆-气相互作用、边界层与干旱研究。E-mail： zhangqiang@cma.gov.cn。
作者简介:李丹华（1991—），女，甘肃民乐人，工程师，主要从事气候监测预测和气候变化研究。E-mail： 18093184011@163.com。
基金资助:
国家自然科学基金重点资助项目(42230611);国家自然科学基金重点资助项目(42375039);国家自然科学基金重点资助项目(42575204);中国气象局创新发展专项(CXFZ2026J025);中国气象局创新发展专项(CXFZ2025J025);甘肃省教育厅创新基金项目(2024B-278);气象灾害防御科普知识校园推广研究项目(25JRZA046);甘肃省气象局人才专项(2627rczx-C-QNYXRC-02);甘肃省气象局重点项目(Zd2026-C-2)

Projection of evapotranspiration trend characteristics in the arid-prone belt of northern China

LI Danhua¹^,³(), ZHANG Qiang²(), ZHANG Tiejun¹, YANG Jinhu², LIU Ziyan⁴, LIU Qing⁵, YANG Jingyi¹, HUANG Yuhan¹, LIU Liwei¹

¹ Gansu Provincial Climate Center， Lanzhou 730020， China
² Lanzhou Institute of Arid Meteorology， China Meteorological Administration， Lanzhou 730020， China
³ School of Resources and Environment， Lanzhou University， Lanzhou 730000， Gansu
⁴ Chengdu University of Information Technology， Chengdu 610225， China
⁵ State Grid Energy Research Institute Co.， Ltd.， Beijing 102209， China

Received:2025-12-23 Revised:2026-03-31 Online:2026-08-30 Published:2026-09-16

摘要/Abstract

摘要：

蒸散发（Evapotranspiration，ET）作为水循环的关键环节，不仅直接影响土壤墒情、河流径流和地下水补给，还在干旱形成与演变过程中发挥重要作用，在气候变暖背景下，准确预估ET变化对理解区域干旱发生机制、提升抗旱能力具有重要意义。本文基于第六次国际耦合模式比较计划（Coupled Model Intercomparison Project Phase 6，CMIP6）多模式输出的蒸散、平均气温和降水量数据，预估未来三种不同排放情景（SSP1-2.6、SSP2-4.5、SSP5-8.5）下中国北方干旱多发带ET的变化趋势及其影响因素。结果表明：三种排放情景下ET均呈明显增加趋势，变化趋势分别为1.6、2.0、3.7 mm·（10 a）^-1；ET的变化趋势对温室气体排放水平表现出显著响应，排放强度越高，ET增幅越显著；ET年内分布夏季最大，春、秋季次之，冬季最小；春季降水量增加最明显，对ET增量贡献较大；不同排放情景下，气温是ET变化的主导驱动因子，降水起次要调控作用，水热因子驱动强度随排放增大而提升，夏季部分时段降水对ET的约束作用减弱，冬春季节ET对气温的响应更为敏感。

关键词: 北方干旱多发带, 蒸散发, 气温, 降水, 预估, 影响因素

Abstract:

As a key component of the water cycle, evapotranspiration (ET) not only directly affects soil moisture, river runoff, and groundwater recharge, but also plays an important role in the formation and evolution of droughts. Against the background of global warming, accurately projecting ET changes is of great significance for understanding the mechanisms of regional drought occurrence and enhancing drought resilience. Based on ET, mean temperature, and precipitation data from multiple models of the Coupled Model Intercomparison Project Phase 6 (CMIP6), this study projects the variation trends of ET and its influencing factors in the arid-prone belt of northern China under three future emission scenarios (SSP1-2.6, SSP2-4.5, and SSP5-8.5). The results show that ET exhibits a significant increasing trend under all three emission scenarios, with trend rates of 1.6, 2.0, and 3.7 mm (10 a)^-1, respectively. The variation trend of ET shows a significant response to greenhouse gas emission levels, with higher emission intensities leading to more pronounced increases in ET. ET reaches its intra?annual maximum in summer, followed by spring and autumn, and is at its minimum in winter. The precipitation increase is most obvious in spring, and this contributes substantially to the ET increment. Under different emission scenarios, temperature is the dominant driving factor for ET variations, while precipitation plays a secondary regulatory role. The driving intensity of hydrothermal factors increases with rising emission levels. Precipitation constraint on ET weakens during part of summer, and ET in winter and spring is more sensitive to temperature.

Key words: the arid-prone belt of northern China, evapotranspiration, air temperature, precipitation, projection, influencing factors

中图分类号:

P426.6
P456

李丹华, 张强, 张铁军, 杨金虎, 刘紫妍, 刘青, 杨景怡, 黄钰涵, 刘丽伟. 北方干旱多发带蒸散变化趋势特征预估[J]. 干旱气象, 2026, 44(4): 600-612.

LI Danhua, ZHANG Qiang, ZHANG Tiejun, YANG Jinhu, LIU Ziyan, LIU Qing, YANG Jingyi, HUANG Yuhan, LIU Liwei. Projection of evapotranspiration trend characteristics in the arid-prone belt of northern China[J]. Journal of Arid Meteorology, 2026, 44(4): 600-612.

图/表 15

图1 中国地形及北方干旱多发带气象站点空间分布

Fig.1 Spatial distribution of China’s topography， the arid-prone belt of northern China and meteorological stations

表1 模式名称及分辨率

Tab.1 Model name and resolution

气候模式名称	所在国家	网格分辨率（纬度×经度）
BCC_CSM2_MR	中国	160°×320°
CESM2	美国	192°×290°
EC-Earth3-Veg-LR	欧洲	160°×322°
CNRM-ESM2-1	法国	128°×258°
INM-CM4-8	俄罗斯	120°×182°
IPSL-CM6A-LR（France）	法国	144°×146°
MPI-ESM1-2-LR	德国	96°×194°
UKESM1-0-LL	英国	144°×192°
CMCC-ESM2	意大利	192°×290°
MIROC-ES2L	日本	64°×130°

图2 基于ERA5再分析资料的基准期（1995—2014年）北方干旱多发带不同季节ET空间分布（a）春季，（b）夏季，（c）秋季，（d）冬季

Fig.2 Spatial distribution of ET in the arid-prone belt of northern China during the baseline period （1995-2014） based on ERA5 reanalysis data （a） spring，（b） summer，（c） autumn，（d） winter

图3 基于CMIP6不同模式模拟和ERA5再分析资料的基准期北方干旱多发带ET逐月变化（a）及各模式模拟值相对ERA5的均方根误差（b）

Fig.3 Monthly variations of ET from ERA5 reanalysis data and simulations of different CMIP6 models （a）， and root mean square error （RMSE） of each model simulation relative to ERA5 （b） in the arid-prone belt of northern China during the baseline period

图4 不同排放情景下CMIP6多模式集合平均的2015—2100年北方干旱多发带全年及不同季节ET距平年际变化（a）春季，（b）夏季，（c）秋季，（d）冬季，（e）全年（阴影表示模式之间的不确定，下同）

Fig.4 Interannual variations of annual and seasonal ET anomalies in the arid-prone belt of northern China from 2015 to 2100 based on CMIP6 multi-model ensemble mean under different emission scenarios （a） spring，（b） summer，（c） autumn，（d） winter，（e） annual （Shaded areas indicate inter-model uncertainty， the same as below）

表2 不同排放情景下2015—2100年北方干旱多发带全年及不同季节ET变化趋势

Tab.2 The variation trends of annual and seasonal ET in the arid-prone belt of northern China from 2015 to 2100 under different emission scenarios

排放情景	春季	夏季	秋季	冬季	全年
SSP1-2.6	1.7	2.3	1.5	0.7	1.6
SSP2-4.5	2.5	2.4	1.9	1.1	2.0
SSP5-8.5	4.7	4.0	3.5	2.4	3.7
平均	3.0	2.9	2.3	1.4	2.4

图5 不同排放情景下北方干旱多发带不同年代全年及不同季节ET相较基准期的变化百分率（a）春季，（b）夏季，（c）秋季，（d）冬季，（e）全年

Fig.5 Percentage changes of annual and seasonal ET relative to the baseline period for different decades over the arid-prone belt of northern China under different emission scenarios （a） spring，（b） summer，（c） autumn，（d） winter，（e） annual

图6 不同排放情景下北方干旱多发带2024—2100年不同季节ET变化趋势的空间分布[单位：mm·（10 a）-1]

Fig.6 Spatial distribution of ET variation trends over the arid-prone belt of northern China in different seasons from 2024 to 2100 under different emission scenarios （Unit： mm·（10 a）-1）

图7 不同排放情景下CMIP6多模式集合平均的2015—2100年北方干旱多发带全年及不同季节平均气温距平年际变化（a）全年，（b）春季，（c）夏季，（d）秋季，（e）冬季

Fig.7 Interannual variations of annual and seasonal mean temperature anomalies in the arid-prone belt of northern China from 2015 to 2100 based on CMIP6 multi-model ensemble mean under different emission scenarios （a）annual，（b） spring，（c） summer，（d） autumn，（e） winter

表3 不同排放情景下2015—2100年北方干旱多发带全年及不同季节平均气温变化趋势

Tab.3 The variation trends of annual and seasonal mean temperature in the arid-prone belt of northern China from 2015 to 2100 under different emission scenarios

排放情景	春季	夏季	秋季	冬季	全年
SSP1-2.6	0.17	0.16	0.17	0.16	0.17
SSP2-4.5	0.34	0.37	0.38	0.38	0.37
SSP5-8.5	0.60	0.70	0.74	0.79	0.70
平均	0.37	0.41	0.43	0.44	2.40

图8 不同排放情景下北方干旱多发带2024—2100年不同季节平均气温变化趋势的空间分布[单位：℃·（10 a）-1]

Fig.8 Spatial distribution of mean temperature variation trends over the arid-prone belt of northern China in different seasons from 2024 to 2100 under different emission scenarios （Unit： ℃·（10 a）-1）

图9 不同排放情景下CMIP6多模式集合平均的2015—2100年北方干旱多发带全年及不同季节降水量距平年际变化（a）春季，（b）夏季，（c）秋季，（d）冬季，（e）全年

Fig.9 Interannual variations of annual and seasonal precipitation anomalies in the arid-prone belt of northern China from 2015 to 2100 based on CMIP6 multi-model ensemble mean under different emission scenarios （a） spring，（b） summer，（c） autumn，（d） winter，（e） annual

表4 不同排放情景下2015—2100年北方干旱多发带全年及不同季节降水量变化趋势

Tab.4 The variation trends of annual and seasonal precipitation in the arid-prone belt of northern China from 2015 to 2100 under different emission scenarios

排放情景	春季	夏季	秋季	冬季	全年
SSP1-2.6	1.8	2.7	1.8	0.6	6.8
SSP2-4.5	2.7	4.6	2.1	1.2	10.6
SSP5-8.5	6.5	9.3	5.5	2.8	24.1
平均	3.7	5.5	3.1	1.5	13.8

图10 2015—2100年北方干旱多发带ET（a）、降水量（b）、平均气温（c）在基准期的逐月变化，以及各要素在不同排放情景下相对于基准期的增量

Fig. 10 Monthly variations of ET, precipitation and mean temperature in the baseline period and their increments relative to the baseline period under different emission scenarios in the arid-prone belt of northern China during 2015-2100

表5 不同排放情景下2015—2100年北方干旱多发带ET分别与降水量、气温的逐月相关系数

Tab.5 Monthly correlation coefficients between ET and precipitation， and temperature under different emission scenarios in the arid-prone belt of northern China during 2015-2100

月份	ET与降水量			ET与气温
月份	SSP1-2.6	SSP2-4.5	SSP5-8.5	SSP1-2.6	SSP2-4.5	SSP5-8.5
1	0.32*	0.47*	0.64*	0.51*	0.77*	0.92*
2	0.42*	0.47 *	0.65*	0.58*	0.80*	0.94*
3	0.42*	0.26*	0.75*	0.54*	0.84*	0.93*
4	0.47*	0.49*	0.62*	0.69*	0.79 *	0.94*
5	0.39*	0.59*	0.62*	0.48*	0.73*	0.83*
6	0.50*	0.36*	0.40*	0.32*	0.55*	0.78*
7	0.48*	0.49*	0.67*	0.54*	0.67*	0.85*
8	0.20	0.51*	0.65*	0.72*	0.77*	0.89*
9	0.34*	0.34*	0.67*	0.62*	0.81*	0.90*
10	0.40*	0.31*	0.54*	0.49*	0.78*	0.89*
11	0.37*	0.58*	0.60*	0.58 *	0.81*	0.93*
12	0.40*	0.44*	0.60*	0.52*	0.77*	0.94*

参考文献 22

[1]	曹雯, 申双和, 段春锋, 2012. 中国西北潜在蒸散时空演变特征及其定量化成因[J]. 生态学报, 32(11): 3 394-3 403.
[2]	戴君, 胡海珠, 毛晓敏, 等, 2023. 基于CMIP6多模式预估数据的石羊河流域未来气候变化趋势分析[J]. 干旱区研究, 40(10): 1 547-1 562.
[3]	李红阳, 陈天宇, 王圣杰, 等, 2024. 1979-2021年新疆昆仑山北坡潜在蒸散时空变化研究[J]. 干旱区地理, 47(9): 1 443-1 450.
[4]	李媛, 谢应忠, 王亚娟, 2016. 宁夏中部干旱带潜在蒸散量变化及影响因素[J]. 生态学报, 36(15): 4 680-4 688.
[5]	刘扬, 韦志刚, 2012. 近50年中国北方不同地区降水周期趋势的比较分析[J]. 地球科学进展, 27(3): 337-346.
[6]	祁晓凡, 李文鹏, 李海涛, 2018. 基于CMIP5模式的黑河流域潜在蒸散量预估[J]. 中国沙漠, 38(4): 849-857.
[7]	孙小舟, 封志明, 杨艳昭, 2009. 西辽河流域1952年-2007年参考作物蒸散量的变化趋势[J]. 资源科学, 31(3): 479-484.
[8]	熊秋芬, 黄玫, 熊敏诠, 等, 2011. 基于国家气象观测站逐日降水格点数据的交叉检验误差分析[J]. 高原气象, 30(6): 1 615-1 625.
[9]	詹明月, 王国杰, 陆姣, 等, 2020. 基于CMIP6多模式的长江流域蒸散发预估及影响因素[J]. 大气科学学报, 43(6): 1 115-1 126.
[10]	张强, 王蓉, 岳平, 等, 2017a. 复杂条件陆-气相互作用研究领域有关科学问题探讨[J]. 气象学报, 75(1):39-56.
[11]	张强, 张红丽, 张良, 等, 2017b. 论我国夏季风影响过渡区及其陆-气相互作用问题[J]. 地球科学进展, 32(10):1009-1 019.
[12]	张强, 岳平, 张良, 等, 2019. 夏季风过渡区的陆-气相互作用:述评与展望[J]. 气象学报, 77(4): 758-773.
[13]	仲雷, 刘捷, 戚雨婷, 等, 2026. 青藏高原蒸散发研究进展[J]. 高原山地气象研究, 46(2): 1-14.
[14]	周天军, 陈梓明, 陈晓龙, 等, 2021. IPCC AR6报告解读: 未来的全球气候: 基于情景的预估和近期信息[J]. 气候变化研究进展, 17(6): 652-663.
[15]	GEBRECHORKOS S H, SHEFFIELD J, VICENTE-SERRANO S M, et al, 2025. Warming accelerates global drought severity[J]. Nature, 642(8068): 628-635.
[16]	HUPET F, VANCLOOSTER M, 2001. Effect of the sampling frequency of meteorological variables on the estimation of the reference evapotranspiration[J]. Journal of Hydrology, 243(3/4): 192-204.
[17]	MUELLER B, SENEVIRATNE S I, 2014. Systematic land climate and evapotranspiration biases in CMIP5 simulations[J]. Geophysical Research Letters, 41(1): 128-134.
[18]	SEO K W, WALISER D E, TIAN B J, et al, 2009. Evaluation of global land-to-ocean fresh water discharge and evapotranspiration using space-based observations[J]. Journal of Hydrology, 373(3/4): 508-515.
[19]	ZHANG Q, ZHANG L, ZENG J, et al, 2025a. Spatial variability of the response of land-atmosphere coupling to climate warming in northern China[J]. Journal of Geophysical Research: Atmospheres, 130(10): e2024JD041899. DOI:10.1029/2024jd041899.
[20]	ZHANG Q, LIU W C, YUE P, et al, 2025b. Discussion on major drought issues in the northern drought-prone belt in China[J]. Bulletin of the American Meteorological Society, 106(4): E678-E706.
[21]	ZHANG Q, YANG Z S, HAO X C, et al, 2019. Conversion features of evapotranspiration responding to climate warming in transitional climate regions in northern China[J]. Climate Dynamics, 52(7): 3 891-3 903.
[22]	ZHUANG Y Z, FU R, LISONBEE J, et al, 2024. Anthropogenic warming has ushered in an era of temperature-dominated droughts in the western United States[J]. Science Advances, 10(45): eadn9389. DOI:10.1126/sciadv.adn9389.

北方干旱多发带蒸散变化趋势特征预估

Projection of evapotranspiration trend characteristics in the arid-prone belt of northern China

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 15

参考文献 22

相关文章 15

编辑推荐

Metrics

[1]	刘芳, 陈燕丽, 黄珩, 李先平, 黄维. 基于SPEI的广西桑树不同生育期干旱时空分布特征[J]. 干旱气象, 2026, 44(4): 592-599.
[2]	郭楠, 陈星, 张飞民, 王澄海. 中国干旱区沙戈荒区域未来风光资源开发的气候风险研究[J]. 干旱气象, 2026, 44(3): 387-397.
[3]	刘明铭, 徐影. 机器学习在中国区域极端气候指数集合预估中的应用[J]. 干旱气象, 2026, 44(3): 398-411.
[4]	高雷娜, 翟亮, 张琳, 王忠石, 韩亚静, 焦洋. 基于新型观测资料的徒骇-马颊河流域“8·26”极端降水过程分析[J]. 干旱气象, 2026, 44(3): 412-424.
[5]	井宇, 陈闯, 赵强, 李明, 何娟. 秦岭及周边地区夏季极端降水环流特征及成因分析[J]. 干旱气象, 2026, 44(3): 437-450.
[6]	陈志强, 刘琦, 王洋, 拜杰, 刘杰. 新疆地形约束大气加权平均温度模型研究[J]. 干旱气象, 2026, 44(3): 490-498.
[7]	蔡海朝, 刘红武, 蔡瑾婕, 唐永兰, 蔡杏芳. 湘中地区汛期（4—9月）短时强降水时空分布特征[J]. 干旱气象, 2026, 44(2): 231-240.
[8]	魏嘉一, 佘璐, 赵红红, 王家琦, 闫琛, 赵志涛. 宁夏地区气溶胶光学厚度的时空变化特征[J]. 干旱气象, 2026, 44(2): 303-313.
[9]	徐义国, 王蓉蓉, 范俊红, 赵增保, 王蕊, 王岚, 赵紫薇. 基于广义极值分布的京津冀极端降水阈值识别及CMPAS融合降水产品评估[J]. 干旱气象, 2026, 44(2): 314-324.
[10]	王春晓, 许平平, 苏爱芳, 栗晗, 吴稀稀, 董俊玲, 李朝兴, 崔丽曼. 基于邻域最优百分位的逐时降水预报订正方法[J]. 干旱气象, 2026, 44(2): 325-337.
[11]	杨扬, 王丽娟, 王蓉, 马腾, 韩晖. 基于CMIP6多模式的黄河流域蒸散变化特征及未来预估[J]. 干旱气象, 2026, 44(1): 71-83.
[12]	李晓玥, 文军, 陈怡璇, 王卓元, 钟学敏. 基于多种模型的黄河源区径流模拟及预估研究[J]. 干旱气象, 2026, 44(1): 84-94.
[13]	莫欣妍, 梁旭东. 华北“23·7”极端降水数值预报误差特征及主要影响因素分析[J]. 干旱气象, 2026, 44(1): 126-137.
[14]	王昊, 马浩, 李永生, 刘长征, 姜雨函. SEAS5模式对黑龙江省夏季降水的预测性能评估[J]. 干旱气象, 2026, 44(1): 159-171.
[15]	刘菊菊, 陈小婷, 彭力, 黄少妮, 潘留杰. 基于加密站点的陕西短时强降水时空特征分析[J]. 干旱气象, 2025, 43(6): 910-919.