风能等大规模可再生能源的开发，被视为实现碳中和目标的重要有效手段。随着经济飞速发展及环境关切与需求日益增长，风能资源的精确评估与预测正受到广泛关注。迄今为止，多数研究基于耦合模式比较计划第六阶段（CMIP6）的简易多模式集合（MME），评估了中国历史风能并预测了其未来变化。本研究采用改进的遗传算法（GA），降低CMIP6输出结果在重现中国近地面历史风速时的不确定性，进而预测了不同共享社会经济路径（SSP；SSP1-2.6、SSP2-4.5和SSP5-8.5）下风功率密度的未来变化。结果表明：尽管全球气候模式普遍偏离观测值，但多数CMIP6模式仍能较好呈现中国观测季节与年均风速的空间结构、变化特征及其时间变异性；相比其他多模式集合方法，基于GA的多模式集合对风速模拟偏差最小，表现更优。根据遗传算法预测，三种SSP情景下中国风功率密度在整个21世纪都将大幅下降：近期（2024-2050年）、中期（2051-2080年）和远期（2081-2100年）的多模式中位数，在SSP1-2.6情景下分别为31.50、31.84和31.09瓦/平方米，SSP2-4.5情景下为30.71、30.70和30.34瓦/平方米，SSP5-8.5情景下则为30.49、29.99和28.81瓦/平方米。此外，三种情景下近期中国大部地区风功率密度预计下降；在SSP1-2.6情景的中远期，中国多数区域风功率密度将持续降低，而SSP2-4.5与SSP5-8.5情景下华东地区则呈现增长趋势。

Wind Energy Density，Genetic Algorithm，CMIP6