摘要：全球气候变化背景下,选择适宜的降尺度方法预估区域尺度的未来气候变化趋势,对雅砻江流域水资源规划利用具有重要意义。采用人工神经网络降尺度模型(ANN)和统计降尺度模型(SDSM),基于雅砻江流域内13个国家气象站1981~2005年数据和NCEP再分析资料构建两种模型的历史期日最高气温、最低气温、降水降尺度模型,将cnrm-cm5全球气候模式的3种排放情景(RCP2.6、RCP4.5、RCP8.5)数据输入模型预测未来2022~2100年最高气温、最低气温、降水变化,比较人工神经网络与SDSM降尺度模型在雅砻江流域模拟效果。结果表明,ANN模拟气温、验证期降水效果优于SDSM,确定性系数R^(2)分别高0.02~0.27、0.01~0.14,均方根误差R_(RMSE)分别小0.22~2.40、0.01~0.77,ANN模拟率定期降水效果不如SDSM,确定性系数R^(2)小0.02~0.07;在空间分布上,ANN模拟气温效果在整个流域优于SDSM,日最高气温和日最低气温模拟效果最好的区域为中游和上游,ANN模拟验证期日均降水在流域上、下游明显优于SDSM,在流域中游略优于SDSM,模拟率定期效果在流域大部分区域不如SDSM;未来三种RCP情景下,SDSM、ANN预测未来最高气温、最低气温、降水在中后期呈增加趋势,且在RCP8.5情景下后期增加最高。