鄱陽湖流域未來降水變化預測分析

郭家力，郭生練，郭 靖，陳 華

（武漢大學水資源與水電工程科學國家重點實驗室，武漢 430072）

鄱陽湖流域未來降水變化預測分析

郭家力，郭生練，郭 靖，陳 華

（武漢大學水資源與水電工程科學國家重點實驗室，武漢 430072）

利用鄱陽湖流域的13個國家氣象站1961-2001年的實測降水數據和NCEP再分析數據，建立了鄱陽湖流域降水的統計降尺度模型；在IPCC 2000年排放情景特別報告（SRES）中的A2和B2排放情景下，應用HadCM3的輸出數據，預測鄱陽湖流域未來3個時段（2010-2039年、2040-2069年、2070-2099年）的降水變化情況。結果表明：鄱陽湖流域大部分區域的降水量有所增加，在本世紀末最大可能增加11.15%。

氣候變化；統計降尺度；降水預測；鄱陽湖流域

鄱陽湖是我國最大的淡水湖泊，在我國被稱為“大陸之腎”，蘊藏著豐富的水資源、濕地資源、生物資源等自然資源。鄱陽湖還是中國最大的濕地之一，是最大的候鳥集散地、棲息地。鄱陽湖豐富的自然資源和良好的生態環境，是實現江西省崛起新跨越的突破點和驅動力。鄱陽湖優越而重要的地理位置和320億m3的容積，是長江防洪體系重要的組成部分。鄱陽湖被4 300萬贛鄱人民稱為“母親湖”，其在江西省乃至整個中部地區所處的戰略地位可見一斑。IPCC（Intergovernmental Panel on Climate Change，政府間氣候變化專門委員會）第四次評估報告顯示，全球變暖毋庸置疑，極端天氣事件出現頻率增加，全球氣候系統正發生顯著的變化［1］。大氣環流模式（GCM）是目前研究氣候變化與氣候變異最重要也是最可行的方法。GCM預測的氣候變化情景可以通過降尺度處理得出區域的氣候變化信息［2］。本文應用統計降尺度方法建立表征氣候變化信息的大尺度氣候因子與鄱陽湖流域氣象站點日降水之間的統計學關系，預測分析鄱陽湖流域降水特點及其變化規律，研究氣候變化影響下鄱陽湖流域的水、氣相互作用機理，以應對氣候變化或異常形成的自然災害，保障地區的水資源可持續利用和國民經濟的可持續發展。

1 研究區域概況及數據資料

鄱陽湖位于長江中下游南岸的江西省北部，地理坐標E115°49′至116°46′、N28°24′至29°46′。鄱陽湖以湖口通長江，是一個過水性吞吐型湖泊，湖口站歷史最高水位為1998年7月30日的22.59 m（吳淞基面高程），相應湖面面積4 070 km2，總容積為320億m3。鄱陽湖和贛江、撫河、信江、饒河、修水5大河流等組成了鄱陽湖水系，流域面積16.22萬km2，約占江西省總面積的97.2%，占長江流域面積的9%，其水系年均徑流量為1 525億m3，約占長江流域年均徑流量的16.3%。鄱陽湖水系為長江流域的多雨區，多年平均降水量約為1 620 mm；降水量年際變化大，豐水年1954年降水量達2 100 mm，枯水年1963年降水量僅1 136 mm；年內分配不均勻，4-6月降水量占全年降水量的50%［3］。

研究需要的數據包括3類：氣象站點實測資料、大尺度氣候觀測資料及GCM模擬的當前和未來氣候條件下的輸出數據。選取了鄱陽湖流域內共13個國家氣象站點（見圖1），站點分布比較均勻，基本上能代表該區域的氣候特征。選取1961-2001年為研究基準期，其中1961-1990年為模型率定期，1991-2001年為模型檢驗期。根據鄱陽湖流域“一湖通五水”的地理特點，將13個站點劃分到6個分區，宜春、吉安、遂川、贛州和樟樹5站位于贛江流域，南城、廣昌位于撫河流域，貴溪、玉山位于信江流域，修水位于修水流域，景德鎮位于饒河流域，波陽、南昌位于湖區。

在氣候變化研究中，NCEP（National Center for Environment Prediction，美國環境預報中心）再分析數據可作為診斷數據進行一系列的分析和研究，尤其在一些全球、區域氣候變化的模擬和預測中，以NCEP再分析數據作為氣候模式的初始場和驅動場數據［4］。本文采用NCEP的全球再分析日數據（該數據可以從國際互聯網鏈接http：／／www.esrl.noaa.gov／psd／data／gridded／reanalysis／免費下載）作為觀測的大尺度氣候數據，其空間分辨率為3.75°× 2.5°。根據已有的研究表明，大尺度氣候模式網格的范圍一般都比研究區域的范圍要大很多，因此選擇覆蓋鄱陽湖流域的經緯網格及其周圍的網格共4×4個NCEP經緯網格（在經度方向上的網格編號是30～33，緯度方向上的網格編號是22～25）。站點位置和NCEP經緯網格的劃分如圖1所示。徐影等的研究結果表明，英國Hadley中心的HadCM3模式對東亞地區模擬效果較好［5］。

圖1 鄱陽湖流域站點分布及NCEP網格Fig.1 Nationalweather stations distribution and NCEP grids for Poyang Lake basin

2 統計降尺度模型

統計降尺度方法是基于這樣一種基本假設：區域氣候是由當地的地理特性和大尺度氣象狀況所決定的。有鑒于此，區域觀測氣象變量（如降水量）和觀測的大尺度氣候因子之間的統計關系就可能建立。GCM模擬輸出的關于大尺度的氣候狀況再聯合這種統計關系，就能夠降尺度到區域層次。基于MATLAB環境開發的統計降尺度模型ASD（Automated Statistical Downscalingmodel）［6］的結構簡圖如圖2所示。

ASD模型可以在某一事件發生的條件下（如降水）或無條件下（如氣溫）運行。因此，日降水的模擬如式（1）所示，分為2個步驟：先模擬降水發生概率，如果有降水發生再模擬降水量。

式中：Oi為日降水發生概率；Ri為日降水量；pij為預報因子；n為預報因子的數量；α，β為模型參數；ei為模型誤差，并假設其服從高斯分布。

基于回歸的降尺度方法一般采用多元線性回歸，但是當預報因子之間的相關性很強時，會使回歸系數的最小二乘估計不穩定。因此，ASD模型提供了2種回歸方法建立預報因子和預報量之間的統計關系，一般情況下采用多元線性回歸，當預報因子之間有很強的相關性時，使用嶺回歸方法。該模型程序還具有將模擬的氣候情景結果進行統計分析、制圖輸出等功能。

圖2 ASD模型結構圖Fig.2 Structural diagram of ASD model

2.1 因子選擇

選擇站點所在網格及其周圍的8個網格共9個NCEP網格（規定這9個網格為站點相關網格）的大氣環流因子，每個網格包含如海平面氣壓、地面氣溫、500 hPa和850 hPa位勢高度場、500 hPa和850 hPa濕度等26個因子（規定為備選因子），則一共有9× 26＝234個因子，由于多個網格和多個預報因子組成了一個多維的大尺度預報因子數據集，如果不進行降維和特征因子的選擇，必將遭遇計算災難。在ASD模型中提供了向后逐步回歸和偏相關系數2種方法來進行因子選擇，本文采用的是后者。選擇過程主要分為3個步驟：①自動計算。分別將9個站點相關網格的備選因子與站點實測降雨建立統計關系，將各數據輸入ASD模型，進行模型自動的因子選擇。②網格篩選。模型會根據上一步篩選的因子，計算出站點相關網格內的預報因子與預報量之間的解釋方差，該指標表示了預報量與環流因子之間的相關性大小。根據這一指標選擇相關性最好的3個網格，并選擇站點所在網格共4個網格。③因子選擇。在第②步的基礎上進行進一步的降維，通過比較4個網格內各因子的偏相關系數，選擇偏相關系數大于0.15的因子，最終將因子總數控制在26個以內（因為ASD模型要求輸入的最大因子數目為26）。

2.2 模型率定

模型率定需要的資料包括大尺度網格的NCEP再分析數據和降尺度目標（站點或者流域）的降水量。通過建立實測降水與NCEP再分析資料之間的統計關系，即確定統計降尺度模型的參數，完成模型的率定。選擇2個評價指標：均值相對誤差REmean和標準差相對誤差REstd來評定所建立的統計關系的好壞。本文的降尺度目標為站點降水，將率定期1961-1990年的NCEP再分析數據降尺度到站點，得到各站點的降水過程。因為所建立的統計關系是基于站點的，所以，在這種關系建立以后，無論是以站點降水還是面降水進行結果展示，都不會影響模型的精度。為節省篇幅，將各站點的降水（包括實測和模擬）經算術平均得到鄱陽湖流域6個分區的降水量，表1列出了鄱陽湖流域“五河”（贛江、饒河、撫河、修水和信江）和湖區實測與NCEP模擬多年平均月降水序列的均值、標準差及相對誤差。根據表1顯示，修水、饒河、信江、贛江、撫河和湖區均值相對誤差的絕對值多月平均分別為6.62%，9.19%，3.18%，4.49%，5.75%和5.62%；標準差相對誤差的絕對值多月平均分別為11.93%，14.55%，7.42%，8.01%，7.11%和8.51%，這表明由NCEP再分析資料率定的降尺度統計關系能較好地模擬鄱陽湖流域的降水過程。

表1 鄱陽湖流域各分區率定期實測和NCEP模擬降水對比分析Table1 The com parison of observed precipitation and estimated data w ith NCEP during calibration period for Poyang Lake basin

2.3 模型驗證

將率定好的ASD模型應用于預報因子的觀測數據（NCEP再分析數據），根據輸入自動生成對應的預報量序列。對比分析生成序列與實測序列的擬合程度，即使用獨立觀測資料對該統計降尺度模型進行驗證。同時，為對比實測降水和GCM模擬降水之間的差異，以選擇模擬未來降水的基準，本節模擬了以IPCC 2000年排放情景特別報告（SRES）中的A2和B2情景下GCM輸出值作為降尺度模型輸入的降水過程。用模型模擬出各站點的降雨量之后，由算術平均法求得各分區的實測和模擬降水量。

圖3列出了檢驗期（1991-2001年）各分區的實測、NCEP模擬以及A2和B2情景下HadCM3模擬的多年平均月降水序列，從圖中可以看出，無論是NCEP再分析數據，還是A2和B2情景下HadCM3輸出數據，在枯水期（7月至次年3月）均能較好地擬合實測降水；在豐水期（4-6月），NCEP再分析數據模擬的降水同樣能較好地擬合實測降水，盡管GCM輸出數據模擬的降水較實測降水偏大，但月平均降水偏大幅度均在可接受范圍以內，因此可以應用HadCM3輸出數據進行降尺度分析，預測鄱陽湖流域的未來降水變化情況。

圖3 檢驗期鄱陽湖流域各分區實測數據、NCEP模擬、A2／B2情景下HadCM 3模擬降水對比Fig.3 The com parison of observed precipitations and estimated data w ith NCEP and GCM output data under A2 and B2 scenarios during validation period for the Poyang Lake basin and every section

3 未來降水預測分析

王懷清等［7］采用線性回歸方法研究了鄱陽湖五大流域1960-2006年的年降水量等要素的變化趨勢，并用Mann方法對變化趨勢做了顯著性檢驗，用Mann-Kendall方法對各時間序列進行突變檢測，認為鄱陽湖各流域的年降水量變化趨勢基本一致，呈波動上升趨勢，但并未出現趨勢性的突變。

為分析鄱陽湖流域未來的降水情況，以1961-2001年為基準期，針對未來3個時段，即2020s（2010-2039年）、2050s（2040-2069年）、2080s（2070-2099年），應用HadCM3輸出的未來氣候情景，輸入經驗證過的統計降尺度ASD模型生成未來序列。表2列出了A2和B2情景下鄱陽湖流域及其各分區未來3個時段的多年平均降水量P（mm）及其相對于基準期的變幅（%），其中基準期的降水量采用GCM資料模擬，使基準期和未來的降水能在相同的模型誤差下進行比較。總體上來說，未來3個時段中無論是在A2還是在B2情景下，距離基準期的時間越長，降水的變化幅度越大。從各分區來看，贛江流域在2種情景下3個時段的降水較基準期均增加；饒河流域不同于其他分區，在A2和B2情景下均遞減；修水、撫河、信江、湖區4個分區均是在A2情景下降水先減后增，在B2情景下各時段降水都增加。鄱陽湖全流域的未來降水在A2和B2情景下較基準期都有所增加，且隨著時間的推移，降水的增幅也隨著變大，最大增幅可達11.15%，約為200 mm。

表2 A2和B2情景下鄱陽湖流域及各分區未來3個時段的降水變化Table2 The precipitation change under A2 and B2 scenarios during three future periods for Poyang Lake basin and every section

4 結 語

本文利用鄱陽湖流域的13個國家氣象站41年的實測降水數據和NCEP再分析數據，建立了鄱陽湖流域降水統計降尺度ASD模型，在此模型基礎之上，采用A2和B2情景下的HadCM3輸出數據，預測鄱陽湖流域的未來降水變化，結論如下：

（1）在進行因子選擇時發現在所有包含預報因子的9個相關網格中，位于站點所在網格的右側、下側、右下側的3個網格中的預報因子與站點的聯系最緊密，分析認為這可能是與鄱陽湖流域降水受西太平洋副熱帶高壓和東南季風的影響有關。

（2）建立的統計降尺度模型在率定期和檢驗期均能較好地模擬鄱陽湖流域的降水變化過程，各分區未來降水有增有減，距離基準期的時間越長，降水的變化幅度越大。在A2和B2排放情景下，鄱陽湖流域的未來降水較基準期均有所增加，到本世紀末最大可能增加11.15%。

［1］ IPCC.Summary for Policymakers of the Synthesis Report of the IPCC Fourth Assessment Report［M］.Cambridge，UK：Cambridge University Press，2007.

［2］ 陳 華，郭 靖，郭生練，等.應用統計學降尺度方法預測漢江流域降水變化［J］.人民長江，2008，39（14）：51-55.（CHEN Hua，GUO Jing，GUO Sheng-lian，et al.Application of statistical downscalingmethod in precipitation prediction for the Hanjiang River basin［J］.Yangtze River，2008，39（14）：51-55.（in Chinese））

［3］ 朱宏富，金 鋒，李榮昉.鄱陽湖調蓄功能與防災綜合治理研究［M］.北京：氣象出版社，2003.（ZHU Hongfu，JIN Feng，LIRong-fang.Regulation and Storage Function and Comprehensive Management of Disaster Preventaion for the Poyang Lake Basin［M］.Beijing：Meterorological Press，2003.（in Chinese））

［4］ 趙天保，艾麗坤，馮錦明.NCEP再分析資料和中國站點觀測數據的分析與比較［J］.氣候與環境研究，2004，9（2）：278-294.（ZHAO Tian-bao，AI Li-kun，FENG Jin-ming.An intercomparison between NCEP reanalysis and observed data over China［J］.Climatic and Environmental Research，2004，9（2）：278-294.（in Chinese））

［5］ 徐 影，丁一匯，趙宗慈.近30年人類活動對東亞地區氣候變化影響的檢測與評估［J］.應用氣象學報，2002，13（5）：513-525.（XU Ying，DING Yi-hui，ZHAO Zong-ci.Detection and evaluation of effect of human activities on climatic change in east asia in recent 30 yesrs［J］.Quarterly Journal of Applied Meteorlolgy，2002，13（5）：513-525.（in Chinese））

［6］ HESSAMI，M，GACHONP，OUARDA T BM J，et al.Automated regression-based statistical downscaling tool［J］.Environmental Modelling and Software，2008，23：813-834.

［7］ 王懷清，趙冠男，彭 靜，等.近50年鄱陽湖五大流域降水變化特征研究［J］.長江流域資源與環境，2009，18（7）：615-619.（WANG Huai-qing，ZHAO Guan-nan，PENG Jing，et al.Precipitation characteristics over five major river systems of Poyang Lake drainage areas in recent50 years［J］.Resources and Ennironment in the Yangtze River Basin，2009，18（7）：615-619.（in Chinese） ）

（編輯：趙衛兵）

Prediction of Precipitation Change in Poyang Lake Basin

GUO Jia-li，GUO Sheng-lian，GUO Jing，CHEN Hua
（State Key Laboratory ofWater Resources and Hydropower Engineering Science，Wuhan University，Wuhan 430072，China）

The observed precipitation series from thirteen national weather stations during 1961 to 2001 and NCEP reanalysis data were used to establish a statistical downscalingmodel in the Poyang Lake basin.The output data of HadCM3 under A2 and B2 scenarioswere inputted to automatically statistical downscalingmodel to predict the future precipitation change during 2010-2039，2040-2069，2070-2099 periods.The results show that the precipitation will increase in themost area of the Poyang Lake basin，and maximum increase rate can reach 11.15%in the end of this century.

climate change；statistical downscaling；precipitation prediction；Poyang Lake basin

P333.9

A

1001-5485（2010）08-0020-05

2009-10-05；

2010-01-27

國家自然科學基金（50809049）；教育部高等學校博士學科點專項科研基金（200804861062）

郭家力（1984-），男，湖北孝感人，碩士研究生，研究方向為流域水文模擬，（電話）027-68772066，13237190881（電子信箱）culture _me＠163.com。