鮑振鑫，張建云，嚴(yán)小林，王國慶，賀瑞敏

(1. 南京水利科學(xué)研究院水文水資源與水利工程科學(xué)國家重點實驗室，江蘇南京 210029； 2. 水利部應(yīng)對氣候變化研究中心，江蘇南京 210029)

水資源是支撐社會經(jīng)濟發(fā)展不可替代的基礎(chǔ)性自然資源。水文循環(huán)是水資源更新和可持續(xù)性開發(fā)利用的源動力。降水是水文循環(huán)的重要環(huán)節(jié)，是水資源最主要的來源，其微弱的改變會對流域水文循環(huán)過程產(chǎn)生重要的影響，從而改變區(qū)域水資源的時空分布狀況[1-2]。近幾十年來，受氣候變化的影響，大氣環(huán)流狀況發(fā)生了變化，全球范圍內(nèi)降水的時空分布呈現(xiàn)出區(qū)域性變化特點[3]。因此研究氣候變化背景下降水量的歷史演變規(guī)律，揭示其變化原因并預(yù)測未來降水量的可能情景，對于保障流域的水資源安全、支撐區(qū)域經(jīng)濟社會可持續(xù)發(fā)展，具有重要的科學(xué)價值和實際意義。

利用趨勢檢驗方法，很多學(xué)者診斷了降水量的歷史變化特征。例如：Z.Cong等[4]發(fā)現(xiàn)在過去50年，受季風(fēng)減弱的影響，中國北方的降水有所減少，但是南方的降水呈現(xiàn)增加趨勢。G.B.Fu等[5]發(fā)現(xiàn)在過去40年華北平原的年降水量減少了43.9 mm(6.7%)，減少趨勢不顯著。Y.Yang等[6]指出從1960—1999年，海河流域的8個子流域中有5個子流域降水量的變化趨勢不顯著。J.Chu等[7]的研究結(jié)果表明，1958—2007年間海河流域的降水量呈下降趨勢，尤其是1980年以后更明顯；在季節(jié)上，夏季的下降幅度最大，而春季有所增加。翟劭燚等[8]分析了海河流域1956—2006年降水量的周期性變化，檢測出存在4，7，10和準(zhǔn)24年的主周期變化。馬穎等[9]檢測了海河流域降水的歷史變化特征。劉學(xué)鋒等[10]分析了過去47年海河流域降水極值的時空演變特征。王利娜等[11]分析了海河流域近50年降水量的時空變化特征。這些研究主要側(cè)重于對降水量歷史演變規(guī)律的檢測。對于從大氣環(huán)流變化的角度來解釋降水量變化原因的研究還較少。此外，如何準(zhǔn)確預(yù)測未來降水量的可能情景依然是水文氣象學(xué)家面臨的一個難題。

1 流域概況

1.1 海河流域概況

海河流域位于中國北方，東經(jīng)112°～120°，北緯35°～43°之間，西以山西高原與黃河流域接界，北以蒙古高原與內(nèi)陸河流域接界，南靠黃河、東臨渤海。海河流域面積為32萬km2，占全國總面積的3.3%。流域?qū)儆跍貛|亞季風(fēng)氣候區(qū)，年平均氣溫在0～14.5℃，年平均降水量535 mm，是我國東部沿海降水最少的地區(qū)，屬半濕潤半干旱地帶，年平均陸面蒸發(fā)量470 mm，水面蒸發(fā)量1 073 mm。年平均氣溫與年降水量基本上從東南沿海向西北內(nèi)部依次遞減，但是在流域西部和東北部山區(qū)迎風(fēng)坡前有2個年降水量極值中心。流域內(nèi)人均總水資源占有量為276 m3，僅為全國平均的13%，遠(yuǎn)低于人均1 000 m3的國際水資源緊缺標(biāo)準(zhǔn)；畝均水資源量213 m3，為全國平均水平的15%。在全國各大流域中，海河流域的人均、畝均水資源量最低。2005年海河流域總?cè)丝?.34億，占全國的10.2%，國內(nèi)生產(chǎn)總值(GDP)25 750億元，占全國的14.1%，人均GDP為1.92萬元，高出全國平均水平的1.38倍。海河流域人口密集，大中城市眾多，是我國重要的工業(yè)基地和高新技術(shù)產(chǎn)業(yè)基地，在我國政治經(jīng)濟中占有重要的地位。

1.2 研究資料

選取了海河流域內(nèi)的37個氣象站，包括1951—2010年日過程的降水量資料。這些氣象資料由中國氣象局發(fā)布，具有很好的科學(xué)性和準(zhǔn)確性。利用泰森多邊形法則，可以計算得到面平均降水量的日過程序列。

評估未來的降水量變化情景，主要依賴于全球氣候模式(GCM)。IPCC(政府間氣候變化專門委員會)第4次評價報告中共采用了24個GCMs，本文采用其中的4個，分別為：澳大利亞的CSIRO-Mk 3.0，德國的MPI-OM，美國的NCAR-CCSM3和英國的HadCM3。將1961—1990年作為基準(zhǔn)期；未來的2010—2099年分為3個時期：2010—2039年，2040—2069年和2070—2099年，分別記為2020S，2050S和2080S。

利用GCMs對未來的全球氣候變化情景評估，首先需要確定未來的人口、經(jīng)濟發(fā)展、環(huán)境和全球分布等驅(qū)動因子，然后確定溫室氣體和硫化物氣溶膠排放情景，根據(jù)大氣濃度計算大氣層頂?shù)妮椛鋸娖?，最后分析未來氣候要素的變化。在IPCC的第4次評價報告中采用了SRES排放情景，它包含了A1，A2，B1和B2這4個情景族共40種不同的排放情景。其中A情景是高排放情景，B情景是低排放情景；1情景表示全球化顯著，2情景則反應(yīng)了明顯的區(qū)域特性。A1情景描述了一個經(jīng)濟高速發(fā)展的世界，全球人口在21世紀(jì)中期達到峰值，并快速引進新的和更高效的技術(shù)，同時大幅度降低地區(qū)性的差異，其中的A1B情景反應(yīng)了各種能源的使用達到了平衡；在A2情景下，未來世界的發(fā)展很不均衡，人口持續(xù)增長，經(jīng)濟增長和技術(shù)變化有明顯的區(qū)域特性，全球化不明顯；B1情景的人口增長和A1情景類似，但是經(jīng)濟結(jié)構(gòu)向服務(wù)和信息轉(zhuǎn)變，從全球角度實現(xiàn)經(jīng)濟、社會和環(huán)境的可持續(xù)發(fā)展；在B2情景下，人口增長低于A2情景，經(jīng)濟中等發(fā)展，技術(shù)多樣化，側(cè)重于從區(qū)域角度實現(xiàn)經(jīng)濟、社會和環(huán)境的可持續(xù)發(fā)展。為了充分反映未來的各種可能變化，本文選用了4種SRES氣候變化排放情景：A1B，A2，B1和B2。

2 計算方法

采用由H.B.Mann和M.G.Kendall提出的Mann-Kendall非參數(shù)趨勢檢驗方法來檢測水文氣候要素演變趨勢的顯著性水平[12-13]。由于具有能夠處理非正態(tài)分布數(shù)據(jù)、不受少數(shù)異常值的干擾、計算簡單效率高等優(yōu)點，Mann-Kendall趨勢檢驗方法在很多領(lǐng)域得到了廣泛應(yīng)用，其計算步驟如下：

①給定原假設(shè)H0，樣本序列沒有顯著上升或者下降趨勢。

②構(gòu)造Mann-Kendall統(tǒng)計量UFi，來檢驗原假設(shè)是否成立，其計算公式為：

(1)

(2)

(3)

式中：xi是樣本容量為n的系列。如果它服從獨立隨機同分布，則Si的期望值和方差可由下式計算：

(4)

③給定一個顯著性水平α，由正態(tài)分布表可以查得臨界值Uα/2。當(dāng)UFiUα/2時，拒絕原假設(shè)，即趨勢顯著。而且，UFi>0表示序列呈上升趨勢；UFi<0表示序列呈下降趨勢。

3 計算結(jié)果分析

3.1 降水量的歷史演變規(guī)律

圖1 1951—2010年海河流域降水量演變規(guī)律Fig.1 The trend of precipitation during 1951— 2010 in the Haihe River basin (HRB)

1951—2010年，海河流域的年降水量呈減少趨勢，其遞減速率為16.3 mm/10年(圖1)。最大年降水量發(fā)生在1964年，為817 mm；緊隨其后的1965年降水量只有355 mm，是降水最少的一年。流域年降水量在20世紀(jì)60年代初期之前偏多，此后降水量偏多偏少年交替出現(xiàn)，進入80年代降水開始減少，90年代末期后持續(xù)減少。Mann-Kendall檢驗結(jié)果表明年降水量的減少趨勢顯著，達到了5%的水平。各個月降水量的變化趨勢不相同(圖2(a))。5月、6月和9月的降水量呈增加趨勢，但是都不顯著；其他9個月的降水量呈減少趨勢，其中只有11月達到了5%的顯著性水平，8月達到了1%的顯著性水平?？梢娤募窘邓臏p少是年降水量減少的主要原因。流域內(nèi)37個氣象站中，有35個站的年降水呈減少趨勢，其中有5個位于流域北部氣象站的減少趨勢達到了5%的顯著性水平(圖3(b))。2個呈現(xiàn)增加趨勢的氣象站位于流域南部，但是增加趨勢都不顯著。

(a) 時間趨勢 (b) 空間分布圖2 降水量的趨勢檢驗Fig.2 The Mann-Kendall testing statistics values for precipitation in the HRB

3.2 降水量的變化成因

海河流域降水年代以及年代際的波動和下降趨勢的動力機理十分復(fù)雜，受到厄爾尼諾南方濤動(El Nino-Southern Oscillation，ENSO)、太平洋年代波動(Pacific decadal oscillation，PDO)和太平洋年代內(nèi)的波動(Interdecadal Pacific oscillation，IPO)等因素的影響。

圖3 1951—2010年標(biāo)準(zhǔn)化的海河流域年降水量與SOI，IPO和PDO序列(降水量，SOI和PDO是5年滑動平均過程)Fig.3 Time series of normalized annual precipitation of HRB， SOI， IPO， and PDO index from 1951 to 2010 (The time series of annual precipitation，SOI，and PDO index were smoothed with a 5-yr moving average filter)

(1)ENSO對海河降水的影響。ENSO通常由南方濤動指數(shù)(Southern Oscillation index，SOI)來表示。觀測數(shù)據(jù)表明，SOI和海河流域降水具有較好的正相關(guān)，即SOI是正值時，海河流域降水偏高；而SOI是負(fù)值時，海河流域降水偏小(圖3)。SOI由澳大利亞Tahiti和Darwin站的月或者季節(jié)的氣壓差來計算。持續(xù)負(fù)的SOI值表示EL Nino事件，這時中東部赤道太平洋的海水溫度異常偏高，太平洋風(fēng)的強度會降低；而正的SOI表示La Nina事件，通常伴隨著強烈的太平洋風(fēng)和較高的西南赤道太平洋海水溫度，與此同時中東部赤道太平洋的海水溫度會異常偏低。在EL Nino事件的發(fā)展階段，夏季西赤道太平洋的海水溫度異常偏低，在中國南海和菲律賓附近的對流活動偏弱，導(dǎo)致副熱帶高氣壓帶南移，從而中國北方降水稀少；相反的，在EL Nino事件的衰退階段，菲律賓附近的對流活動偏強，副熱帶高氣壓帶北移，干旱少雨就發(fā)生在長江和淮河流域，而海河流域的降水就會偏高[14]。

(2)PDO和IPO對海河降水的影響。觀測數(shù)據(jù)表明，PDO和IPO與海河流域降水具有較好的負(fù)相關(guān)(圖3)。PDO是太平洋氣候波動的一種表征，由20°N以北的太平洋海水溫度高低來表示，通常具有20～30年的變化特征[15]。當(dāng)PDO是正值時，西太平洋較冷，而部分東太平洋處于溫暖狀態(tài)，反之亦然。IPO表示相似的太平洋北部和南部的海水溫度和海平面氣壓，通常具有15～30年的循環(huán)。如果中東部赤道太平洋的海水溫度偏高，而北太平洋中部的海水溫度偏低，這時太平洋就處于溫暖階段，副熱帶高氣壓帶系統(tǒng)異常偏北，中國北方受到高壓控制，輸送過來的水汽量會減少，從而導(dǎo)致海河流域降水較少。

3.3 未來降水量情景

3.3.1年平均值變化 在未來氣候變化背景下，海河流域的年降水量將呈現(xiàn)出增加趨勢，但是不確定性較大，即不同的氣候模式在不同氣候情景下的預(yù)測值差別很大(圖4)。

(a) 時間序列距平值 (b) 未來相對基準(zhǔn)期變化圖4 未來年降水量情景Fig.4 The future scenarios of precipitation

例如，在A1B情景下NCAR-CCSM3的模擬結(jié)果顯示，與基準(zhǔn)期相比在2020S，2050S和2080S，年降水量將分別增加14%，30%和33%。隨著時間的推移，各個GCMs在不同情景下降水量模擬值的差異將越來越大。在2020S，年降水量的變化幅度為-2%～16%；在2050S為4%～30%，2080S為5%～39%。沒有明顯的跡象表明哪一個情景下的降水量增加程度最大或者最小。以NCAR-CCSM3為例，在2020S，A1B和A2情景下的降水量增加程度分別為最大的14%和最小的10%；然而在2080S，A2情景下降水量增加最大(39%)，而B1情景下最小(16%)。

3.3.2月平均值變化 模擬的未來3個時期月降水量相對于基準(zhǔn)期的變化見圖5。在2020S的12個月中，除了4—6月份共有9個月的降水量可能會增加。例如5月份和7月份降水量變化的50%分位點分別為-0.35%和18.7%。在2050S，除了11月份共有11個月的降水量可能會增加；在2080S，除了6月份也共有11個月的降水量可能會增加?？傮w而言，在未來氣候變化背景下，4—6月份的降水量增加程度最??；而降水量增加程度最大的時期不固定。在2020S，8月份的降水量增加程度最大(50%分位點是21.3%)，在2050S，1月份的降水量增加程度最大(50%分位點是52.3%)，在2080S，12月份的降水量增加程度最大(50%分位點是51.3%)。

(a) 2020S (b) 2050S (c) 2080S圖5 未來3個時期月平均降水量相對于基準(zhǔn)期變化Fig.5 Relative change of monthly precipitation in the 21st century compared to the baseline period

圖6 A1B情景下未來3個時期年平均降水量相對于基準(zhǔn)期變化的空間分布Fig.6 The spatial distribution of precipitation change in the 21st century compared to the baseline period under the A1B scenario

3.3.3變化的空間分布 以A1B情景為例，圖6顯示了4個GCMs模擬的未來3個時期降水量相對于基準(zhǔn)期變化的空間分布。CSIRO-Mk 3.0模擬的未來流域東北部的降水量將呈現(xiàn)增加趨勢，而西南部的降水量將減少。在2020S，MPI-OM模擬的流域大部分地區(qū)的降水量將減少；而在2050S和2080S，除了西南部的部分地區(qū)，流域大部分地區(qū)的降水量將增加。NCAR-CCSM3模擬的未來流域西部的降水量增加幅度要小于東部。PRECIS模擬的未來流域北部的降水量增加幅度要大于南部。

4 結(jié) 語

(1)1951—2010年，海河流域的年降水量呈顯著減少趨勢，達到了5%的水平，其中夏季降水減少的幅度最大。

(2)SOI和海河流域降水具有較好的正相關(guān)，而PDO和IPO與海河流域降水具有較好的負(fù)相關(guān)。

(3)在未來氣候變化背景下，海河流域的年降水量和月降水量都將呈現(xiàn)增加趨勢，但是不確定性較大。在A1B情景下，總體上流域東部降水量的增加幅度要大于流域西部。

參 考 文 獻：

[1]張建云， 王國慶. 氣候變化對水文水資源影響研究[M]. 北京： 科學(xué)出版社， 2007. (ZHANG Jian-yun， WANG Guo-qing. The impact of climate change on water resources[M]. Beijing： Science Press， 2007. (in Chinese))

[2]BAO Z， ZHANG J， LIU J， et al. Sensitivity of hydrological variables to climate change in the Haihe River basin， China[J]. Hydrological Processes， 2012， 26(15)： 2294-2306， doi： 10.1002/hyp. 8348.

[3]IPCC. Climate change 2007： synthesis report[R]. Geneva， Switzerland， 2007.

[4]CONG Z， ZHAO J， YANG D， et al. Understanding the hydrological trends of river basins in China[J]. Journal of Hydrology， 2010， 388： 350-356.

[5]FU G B， CHARLES S P， YU J J， et al. Decadal climatic variability， trends， and future scenarios for the North China Plain[J]. Journal of Climate， 2009， 22， 2111-2123.

[6]YANG Y， TIAN F. Abrupt change of runoff and its major driving factors in Haihe River catchment， China[J]. Journal of Hydrology， 2009， 374， 373-383.

[7]CHU J， XIA J， XU C， et al. Spatial and temporal variability of daily precipitation in Haihe River Basin， 1958-2007[J]. Journal of Geographical Sciences， 2010， 20(2)： 248-260.

[8]翟劭燚， 張建云， 劉九夫， 等. 海河流域近50年降水變化多時間尺度分析[J]. 海河水利， 2009(1)： 1-3. (ZHAI Shao-yi， ZHANG Jian-yun， LIU Jiu-fu， et al. Multiple time-scale analysis of precipitation variation in Haihe River Basin during last 50 years[J]. Haihe Water Conservancy， 2009(1)： 1-3. (in Chinese))

[9]馬穎， 張松濤. 海河水系降水與徑流趨勢變化及突變分析[J]. 海河水利， 2010(6)： 4-6. (MA Ying， ZHANG Song-tao. The trends and breakpoints of the precipitation and runoff in the Haihe River Basin[J]. Haihe Water Conservancy， 2010(6)： 4-6. (in Chinese))

[10]劉學(xué)鋒， 向亮， 于長文. 海河流域降水極值的時空演變特征[J]. 氣候與環(huán)境研究， 2010， 15(4)： 451-461. (LIU Xue-feng， XIANG Liang， YU Chang-wen. Characteristics of temporal and spatial variations of the precipitation extremes in the Haihe River basin[J]. Climatic and Environmental Research， 2010， 15(4)： 451-461. (in Chinese))

[11]王利娜， 朱厚華， 魯帆， 等. 海河流域近50年降水量時空變化特征分析， 干旱地區(qū)農(nóng)業(yè)研究， 2012， 30(2)： 242-246. (WANG Li-na， ZHU Hou-hua， LU Fan， et al. Characteristics of temporal and spatial variation of precipitation in Haihe River Basin during recent 50 years， 2012， 30(2)： 242-246. (in Chinese))

[12]MANN H B， Non-parametric tests against trend[J]. Econometrica. 1945(13)： 245-259.

[13]KENDALL M G. Rank correlation methods[M]. 4th ed. London： Charles Griffin， 1975.

[14]HUANG R H， WU Y F. The influence of ENSO on the summer climate change in China and its mechanism[J]. Advances in Atmospheric Sciences， 1989， 6(1)： 21-30.

[15]BIONDI F， GERSHUNOV A， CAYAN D. North Pacific decadal climate variability since 1661[J]. Journal of Climate， 2001， 14(1)： 5-10.