曹 琛，岳青華，郭 靖，閆寶偉，楊百銀，馬 良

(1.華中科技大學(xué)土木與水利工程學(xué)院，武漢 430074；2.中國(guó)電建集團(tuán)華東勘測(cè)設(shè)計(jì)研究院有限公司，杭州 311122；3.水利部水電水利規(guī)劃設(shè)計(jì)總院，北京 100120)

未來(lái)氣候變暖趨勢(shì)日漸明顯，氣候變化將加劇水循環(huán)過(guò)程，引起降水、徑流等水文要素的變異，進(jìn)一步影響流域水文水資源的演變規(guī)律，甚至可能導(dǎo)致洪水和干旱等極端水文事件的突發(fā)、頻發(fā)，對(duì)流域水利水電工程的建設(shè)和運(yùn)行帶來(lái)了巨大挑戰(zhàn)。利用大氣環(huán)流模式(GCM)預(yù)估未來(lái)氣候變化是目前較為可行的一種方法，目前常用的GCM有CanESM2、CNRM-CM5、HadCM3、NorESM1-M和MIROC-ESM等，但模型輸出分辨率較低，缺少詳細(xì)的區(qū)域氣候信息，難以準(zhǔn)確預(yù)測(cè)研究區(qū)域氣象要素的變化[1]。為此，常通過(guò)動(dòng)力降尺度或統(tǒng)計(jì)降尺度將GCM大尺度、低分辨率的全球氣候模式信息轉(zhuǎn)化為中小尺度、高分辨率的區(qū)域地面氣候信息。其中，統(tǒng)計(jì)降尺度法是一種建立區(qū)域或流域變量與大尺度氣候信息間的統(tǒng)計(jì)關(guān)系，并利用這種關(guān)系預(yù)測(cè)區(qū)域或流域未來(lái)氣候信息的方法[2]，計(jì)算簡(jiǎn)單，且容易通過(guò)SDSM或ASD降尺度工具實(shí)現(xiàn)，因此得到了廣泛應(yīng)用。劉衛(wèi)林等[3]利用贛江流域6個(gè)氣象站數(shù)據(jù)和NCEP再分析資料，建立了氣候要素的SDSM降尺度模型，并將模型應(yīng)用于CanESM2模式的RCP4.5情景，結(jié)果表明贛江流域未來(lái)氣溫與降水均呈增加趨勢(shì)；何旦旦等[4]采用ASD統(tǒng)計(jì)降尺度模型，對(duì)開(kāi)都河流域HadCM3模式下A2、B2和A1B 3種氣候情景進(jìn)行降尺度，獲得流域未來(lái)氣候情景；Muhammad等[5]利用區(qū)域氣候模型(RCM)和SDSM模型對(duì)新西蘭盧卡斯流域的12種GCM模式集合平均后的降水進(jìn)行降尺度處理，并按未來(lái)3種典型排放濃度(RCP2.6、RCP4.5和RCP8.5)輸出，結(jié)果顯示，就基準(zhǔn)期實(shí)測(cè)值而言SDSM模擬效果優(yōu)于RCM，而對(duì)于未來(lái)降水的模擬，SDSM的降水變化程度更為劇烈；Oscar等[6]基于SDSM模型并耦合4種GCM預(yù)測(cè)哥倫比亞?wèn)|部四個(gè)代表性地區(qū)的未來(lái)氣溫和相對(duì)濕度，發(fā)現(xiàn)四個(gè)研究區(qū)在各GCM模式和排放情景下，未來(lái)氣溫均呈升高勢(shì)態(tài)，而相對(duì)濕度均呈下降趨勢(shì)。

雅礱江流域作為“西電東輸”以及“西部大開(kāi)發(fā)”戰(zhàn)略的重要能源基地，在我國(guó)水電能源領(lǐng)域中舉足輕重，因而開(kāi)展該流域在未來(lái)情景下的氣候變化研究具有重要意義。本文以雅礱江流域?yàn)檠芯繀^(qū)域，對(duì)4種GCM在低、中、高濃度3種排放情景下輸出的降水量進(jìn)行降尺度處理，生成流域15個(gè)氣象站點(diǎn)2021-2100年的降水序列，分析比較各GCM在研究區(qū)域內(nèi)的適用性并預(yù)測(cè)未來(lái)降水的變化趨勢(shì)，為雅礱江流域未來(lái)水電能源規(guī)劃和工程建設(shè)運(yùn)行提供科學(xué)依據(jù)。

1 流域概況與研究方法

雅礱江發(fā)源于巴顏喀拉山，為金沙江和長(zhǎng)江上游最長(zhǎng)支流。流域整體呈南北向條帶狀(圖 1)，控制面積達(dá)13.6 萬(wàn)km2。流域內(nèi)地形高差與南北緯度變化較大，氣候條件復(fù)雜，北部高原區(qū)為干冷的大陸性氣候，中南部為亞熱帶季風(fēng)氣候，降水在空間上呈現(xiàn)出自北向南遞增的趨勢(shì)，且東側(cè)高于西側(cè)。

圖1 雅礱江流域概況

自動(dòng)統(tǒng)計(jì)降尺度模型(Automated Statistical Downscaling，ASD)是由Hessami等[7]參考SDSM模型原理基于回歸分析和Matlab環(huán)境開(kāi)發(fā)的一種統(tǒng)計(jì)降尺度方法。ASD模型利用預(yù)報(bào)量和NCEP預(yù)報(bào)因子進(jìn)行模型調(diào)置，選擇最佳模型預(yù)報(bào)因子進(jìn)行模型率定，用獨(dú)立序列對(duì)模型進(jìn)行驗(yàn)證，并根據(jù)GCM模式提供的歷史和未來(lái)數(shù)據(jù)進(jìn)一步對(duì)模型進(jìn)行驗(yàn)證和未來(lái)情景輸出，最后自動(dòng)計(jì)算未來(lái)情景的統(tǒng)計(jì)結(jié)果[7]。

ASD降尺度方法的主要步驟如下[8]：①大尺度氣候預(yù)報(bào)因子和統(tǒng)計(jì)降尺度模式的選擇和標(biāo)定；②利用NCEP觀測(cè)資料來(lái)檢驗(yàn)?zāi)Ｊ?，?duì)預(yù)報(bào)因子標(biāo)準(zhǔn)化處理和主成分分析；③應(yīng)用預(yù)報(bào)因子的主分量，作為統(tǒng)計(jì)降尺度方法的輸入，并利用實(shí)測(cè)資料對(duì)其進(jìn)行率定；④把主成分分量和統(tǒng)計(jì)降尺度模型應(yīng)用于GCM模式，生成未來(lái)降水變化情景。

2 數(shù)據(jù)資料

基于雅礱江流域15個(gè)國(guó)家基本氣象站1984-2005年的日降水觀測(cè)數(shù)據(jù)(來(lái)源于國(guó)家氣象科學(xué)數(shù)據(jù)共享服務(wù)平臺(tái))以及NCEP(National Centers for Environmental Prediction)發(fā)布的同期26個(gè)氣候預(yù)報(bào)因子資料，對(duì)ASD模型進(jìn)行調(diào)參。結(jié)合已有研究對(duì)于CMIP5氣候模式在中國(guó)大陸的適用性評(píng)價(jià)[9-11]，并綜合考慮日尺度資料的完整性，選用CanESM2、CNRM-CM5、GFDL-ESM3M和MIROC-ESM-CHEM四種GCM模式(以下分別簡(jiǎn)稱(chēng)為CanESM、CNRM、GFDL和MIROC)預(yù)測(cè)未來(lái)時(shí)期各站點(diǎn)的日降水量。所選4種GCM模式基本信息見(jiàn)表1。

表1 所選GCM模式的基本信息

3 結(jié)果分析

3.1 基準(zhǔn)期降水模擬結(jié)果

以1984-2000年為率定期，2001-2005年為驗(yàn)證期，根據(jù)基準(zhǔn)期各站點(diǎn)實(shí)測(cè)降水分別建立4種GCM模式下的ASD降尺度模型。將各站的降水模擬結(jié)果和所占的泰森多邊形權(quán)重進(jìn)行加權(quán)平均，得到全流域的面平均降水量。選取降水偏差百分比(PBIAS)作為評(píng)價(jià)指標(biāo)，分析各GCM的模擬結(jié)果，如表2所示。就面平均降水結(jié)果而言，CanESM模式下的降水偏差率明顯高于其他3種模式，率定期和驗(yàn)證期內(nèi)的PBIAS分別達(dá)到-5.56%和14.44%，而對(duì)于單站的模擬效果，該模式下大部分站點(diǎn)模擬值與實(shí)測(cè)降水偏離度同樣為4種模式中最大，擬合效果較差；無(wú)論是單站還是流域面平均情況，MIROC模式均能表現(xiàn)出較好的模擬效果，相對(duì)其他模式而言更為接近基準(zhǔn)期實(shí)測(cè)降水。此外，除石渠站和清水河站，其他站點(diǎn)模擬效果均較好，4種模式下率定期和驗(yàn)證期內(nèi)的偏差率基本均在10%之內(nèi)。究其原因，上述兩站位于流域左上角，導(dǎo)致NCEP網(wǎng)格點(diǎn)數(shù)據(jù)覆蓋不全。

表2 基準(zhǔn)期各站的降水偏差百分比結(jié)果

圖2繪出了4種GCM基準(zhǔn)期各月日均降水量的統(tǒng)計(jì)箱圖，其中，箱子的長(zhǎng)度反映了上、下四分位值的分布情況，箱子兩端的須則反映了最大值和最小值的分布情況，箱子中的加號(hào)表示均值。統(tǒng)計(jì)箱圖可以很直觀的反映出各月降水量在基準(zhǔn)期的年際分布情況，便于各個(gè)GCM在均值、離散程度、極值分布等多方面的比較。

圖2 各GCM在基準(zhǔn)期各月日均降水量的統(tǒng)計(jì)箱圖

就各月的日均降水量而言，4種GCM在非汛期(10月-次年4月)的模擬效果優(yōu)于汛期(5-10月)，各模式在非汛期的模擬降水值與實(shí)測(cè)值均較為接近，而汛期各模式下的模擬結(jié)果彼此差異較大，其中CanESM模式的汛期模擬降水明顯高于實(shí)測(cè)值及其他GCM模擬值，在7-8月，與基準(zhǔn)期實(shí)測(cè)值偏差分別達(dá)到1.8和1.4 mm；CNRM模式次之，偏差分別為0.5和0.6 mm；相對(duì)而言，GFDL和MIROC模式對(duì)降水均值的模擬效果更好，其中日本的MIROC模式擬合最優(yōu)，與7、8月觀測(cè)值偏差相對(duì)最小，分別為0.51和0.01 mm。

離散程度反映了各月降水量的年際變化情況，大體可由四分位差或箱子的長(zhǎng)度反映，與實(shí)測(cè)箱的長(zhǎng)度越接近，表明各模式月降水量的離散程度越接近實(shí)測(cè)值。由圖2可知，非汛期降水量本身就偏少，其離散程度相對(duì)較小，除CanESM模式12月-次年2月明顯偏小，3-4月明顯偏大外，其他各GCM模擬值與實(shí)測(cè)值差別不大；在汛期各GCM差別較大，如5月份CanESM模式比實(shí)測(cè)值明顯偏??；7月份，各GCM的箱子明顯偏長(zhǎng)，表明離散程度比實(shí)測(cè)值要大；而在9月份，GFDL和MIROC模式的離散程度要遠(yuǎn)遠(yuǎn)大于實(shí)測(cè)值。

再來(lái)看極值分布情況，非汛期除CanESM模式外，其他模式與實(shí)測(cè)值相差不大。汛期各GCM模式差別較大，變化規(guī)律不一，如CanESM由于整體偏大，致使其在6-8月極大值和極小值明顯大于實(shí)測(cè)值；均值模擬較優(yōu)的MIROC模式在7月和9月的極大值要明顯大于實(shí)測(cè)值，極小值明顯小于實(shí)測(cè)值，而在8月份，極大值又小于實(shí)測(cè)值。

綜上所述，相對(duì)而言，GFDL和MIROC模式模擬的降水結(jié)果與實(shí)測(cè)值偏差較小，大部分月份的統(tǒng)計(jì)特征接近于實(shí)測(cè)值，但也可能會(huì)出現(xiàn)個(gè)別月份與實(shí)測(cè)差別較大的情況。綜合來(lái)說(shuō)，各模式在雅礱江流域的適用性結(jié)果為MIROC>GFDL>CNRM>CanESM。

3.2 未來(lái)時(shí)期降水預(yù)測(cè)

利用上述ASD降尺度模型，輸入各GCM模式2021-2100年在RCP2.6(低)、RCP4.5(中)和RCP8.5(高)排放情景下的大尺度氣候因子，進(jìn)行未來(lái)降水的預(yù)測(cè)，并進(jìn)一步將未來(lái)時(shí)期劃分為2021-2050年、2051-2075年和2076-2100年(分別簡(jiǎn)記為未來(lái)時(shí)期的前期、中期和后期)進(jìn)行統(tǒng)計(jì)，結(jié)果如表3所示,其中“趨勢(shì)”指的是每10年的降水變化幅度。由表3可知，除GFDL模式在RCP2.6排放情景下未來(lái)降水呈降低趨勢(shì)外，4種GCM在3種排放情景下未來(lái)時(shí)期降水均呈整體上升勢(shì)態(tài)。低濃度排放情景下，CanESM模式降水上升趨勢(shì)最大，達(dá)每10年2.87 mm，中、高濃度情景下降水升高趨勢(shì)最大模式為MIROC，分別為每10年2.33和6.19 mm。由圖3也可以看出，隨著排放濃度的逐漸增加，未來(lái)降水的遞增趨勢(shì)越為明顯，變化程度也越為劇烈。

圖3 3種排放情景下未來(lái)時(shí)期的年平均降水模擬結(jié)果

表3 3種排放情景下未來(lái)時(shí)期的年平均降水模擬結(jié)果 mm

圖4進(jìn)一步給出了4種GCM在未來(lái)時(shí)期3種排放情景下各月日均降水量的統(tǒng)計(jì)箱圖?？梢钥闯?，4種GCM在3種排放情景下11月至次年2月的降水相比于基準(zhǔn)期實(shí)測(cè)值變化幅度很小，而在3-6月，CanESM和GFDL模式的模擬降水有明顯升高趨勢(shì)，尤其在6月，CanESM模式提高約1.1～1.5 mm；在7-9月，未來(lái)各排放情景下4種GCM與基準(zhǔn)期實(shí)測(cè)降水變幅基本一致，其中CNRM模式變化程度最大，降水在上述3個(gè)月內(nèi)較基準(zhǔn)期均為升高勢(shì)態(tài)，漲幅約為0.5～0.8 mm，其他模式在上述時(shí)期較基準(zhǔn)期實(shí)測(cè)降水有增有減，無(wú)明顯規(guī)律；就降水的極大值而言，除CanESM模式在RCP2.6情景下的7月較基準(zhǔn)期略微降低外，各排放情景下其他模式在未來(lái)7-9月的降水極大值相比基準(zhǔn)期均有大幅提升，且隨著排放濃度的增加，極大值的增幅越大。

圖4 各GCM在未來(lái)時(shí)期3種排放情景下各月日均降水量的統(tǒng)計(jì)箱圖

4 結(jié) 論

本文應(yīng)用ASD降尺度模型并耦合4種GCM模式，對(duì)雅礱江流域進(jìn)行了基準(zhǔn)期降水模擬及未來(lái)降水預(yù)測(cè)，主要結(jié)論如下。

(1)4種GCM在雅礱江流域的適用性比較表明，相對(duì)而言，GFDL和MIROC模式模擬的降水結(jié)果與實(shí)測(cè)值偏差較小，大部分月份的統(tǒng)計(jì)特征接近于實(shí)測(cè)值，但也可能會(huì)出現(xiàn)個(gè)別月份與實(shí)測(cè)差別較大的情況，總體而言，各模式在雅礱江的適用性結(jié)果為MIROC > GFDL > CNRM > CanESM。

(2)通過(guò)對(duì)3種排放情景下全球氣候模式的尺度降解，預(yù)測(cè)了未來(lái)2021-2100年雅礱江流域降水的變化情況。就年尺度而言，除GFDL模式在RCP2.6排放情景下表現(xiàn)出降低趨勢(shì)外，各GCM在3種排放情景下未來(lái)時(shí)期降水均呈整體上升勢(shì)態(tài)；RCP8.5排放情景下降水增幅最大，RCP2.6情景最小，且隨著排放濃度的增加，未來(lái)降水總量及增幅也表現(xiàn)出明顯的增加勢(shì)態(tài)，變化程度也越為劇烈。在月尺度上，4種GCM在3種排放情景下11月至次年2月的日均降水變幅很小，而在3-6月，CanESM和GFDL模式的模擬降水有明顯升高趨勢(shì)；在7-9月，各情景下4種GCM與基準(zhǔn)期變幅基本一致，其中CNRM模式變化程度最大；總體而言，各模式未來(lái)時(shí)期7-9月的降水極大值相比基準(zhǔn)期有所上漲，其漲幅隨著排放濃度的增加而增加。

□