基于CMIP5模式和SDSM的贛江流域未來氣候變化情景預(yù)估

劉衛(wèi)林, 熊翰林, 劉麗娜, 朱圣男, 陳 祥

(南昌工程學(xué)院 江西省水工程安全與資源高效利用工程研究中心, 南昌 330099)

隨著土地利用以及人類活動的影響，全球地表氣溫正在不斷升高，1906—2005年全球地表氣溫上升了(0.74±0.18)℃[1]。氣候變化對人類的生活起居、農(nóng)業(yè)的生產(chǎn)需要、社會的經(jīng)濟(jì)發(fā)展乃至整個生態(tài)系統(tǒng)產(chǎn)生深遠(yuǎn)影響，帶來一系列環(huán)境和社會問題。與此同時，氣候變暖導(dǎo)致極端天氣事件頻發(fā)，尤其體現(xiàn)在對氣候變化較為敏感和脆弱的地區(qū)[2-3]。因此，開展氣候變化研究，對區(qū)域水資源的可持續(xù)利用、水利工程安全高效運(yùn)行管理、保證經(jīng)濟(jì)社會穩(wěn)定發(fā)展具有重要意義。

目前，研究未來氣候變化的主要工具是大氣環(huán)流模式(GCMs)，其輸出信息只能反映大尺度網(wǎng)格氣候變化的平均特征，直接使用將會忽略植被、地形等小尺度的差別，對研究精度有影響[3-6]。因此，使用GCM預(yù)測結(jié)果作為區(qū)域水文水資源變化評估輸入因子時，需進(jìn)行降尺度分析，將GCM輸出的大尺度、低分辨率信息轉(zhuǎn)化為區(qū)域尺度信息。降尺度分為動力降尺度、統(tǒng)計降尺度、動力降尺度與統(tǒng)計降尺度相結(jié)合的方法[4,7-9]。統(tǒng)計降尺度始于20世紀(jì)90年代，它將大尺度氣候模式轉(zhuǎn)化為可應(yīng)用的小尺度、提高了區(qū)域分辨率。本文使用的第5次國際耦合模式比較計劃CMIP5比前一階段CMIP3更加精確與復(fù)雜，是目前較先進(jìn)的預(yù)估未來氣候變化方法[5-6]。該模式對中國區(qū)域模擬，模擬溫度能力較降水偏強(qiáng)，在降水中對平均降水和極端降水的模擬偏強(qiáng)[7]，且在鄱陽湖流域應(yīng)用較少。因此，本文以鄱陽湖流域比較具有代表性的流域——贛江流域為例，采用統(tǒng)計降尺度模型，分析流域尺度上的降尺度效果，選取2020s(2006—2035年)，2050s(2036—2065年)，2080s(2066—2100年)3個時段，以1991—2005年為基準(zhǔn)期，對RCP2.6，RCP4.5，RCP8.5這3種排放情景下贛江流域未來氣溫和降水可能變化的情況進(jìn)行模擬和對比分析，為贛江流域氣候變化的水文響應(yīng)研究和氣候變化下適應(yīng)政策的制定提供科學(xué)依據(jù)。

1 研究區(qū)域及數(shù)據(jù)來源

贛江是長江的第七大支流，屬于鄱陽湖流域水系，由南至北縱貫江西全省，是江西省最大河流，長766 km。該流域位于長江流域南側(cè)，地理位置為113.58°—116.63°E，24.52°—28.75°N，屬于亞熱帶濕潤季風(fēng)氣候，流域面積為83 500 km2。流域范圍自南向北涉及南昌、宜春、新余、萍鄉(xiāng)、吉安、贛州6個市，贛江流域周邊山區(qū)降水量大，而中游區(qū)是全流域的降水低值區(qū)，贛江流域部分氣象站多年平均降雨量為1 698 mm，多年平均氣溫為17.8～19.7℃，流域內(nèi)多年平均年蒸散量為583.81 mm。

本研究采用贛江流域6個國家級氣象站點數(shù)據(jù)1961—2005年逐日氣象數(shù)據(jù)，數(shù)據(jù)來源于氣象共享網(wǎng)(http:∥data.cma.cn)；CMIP5模式數(shù)據(jù)采用加拿大環(huán)境與氣候變化網(wǎng)(https:∥www.canada.ca/en.html)CanESM2數(shù)據(jù)，共有128×64個網(wǎng)格，選取6個網(wǎng)格為本研究區(qū)域覆蓋的網(wǎng)格，網(wǎng)格分辨率為2.8125°×2.79061°。選擇以下3種排放情景RCP2.6(低等溫室氣體排放情景)RCP4.5(中等溫室氣體排放情景)RCP8.5(最高溫室氣體排放情景)典型濃度路徑，對未來氣溫、降水進(jìn)行模擬。

2 SDSM統(tǒng)計降尺度模型

SDSM模型是由Wilby等建立的降尺度工具，融合了天氣發(fā)生器和多元線性回歸技術(shù)，是一種轉(zhuǎn)換函數(shù)與隨機(jī)天氣發(fā)生器耦合的降尺度方法。SDSM模型的主要流程有兩點：一是建立預(yù)報因子與預(yù)報量間的統(tǒng)計關(guān)系，二是利用GCM數(shù)據(jù)預(yù)估未來預(yù)報量。該模型廣泛應(yīng)用于亞洲、歐洲、美洲的氣象、水文等研究領(lǐng)域，其基本原理如下：

(1)

(2)

式中：wi是第i天發(fā)生降水的概率；α,β,γ為模式參數(shù)；Ri是降水量；Ti是溫度變量；ei為誤差。模擬溫度時用公式(1)，模擬降雨則用公式(2)。模擬出發(fā)生降水時，才繼續(xù)模擬Ri(降水量)。

2.1 預(yù)報因子的選擇

本文主要研究共26個預(yù)報因子，對6個站點利用逐步回歸的方法，選取其中最優(yōu)預(yù)報因子。預(yù)報因子選擇影響著模擬程度的好壞，選擇相關(guān)性更強(qiáng)的預(yù)報因子會預(yù)報更準(zhǔn)確的信息。當(dāng)預(yù)報變量為氣溫(降水)時，選擇氣溫(降水)因子相關(guān)性更強(qiáng)，所以大尺度氣溫變量相對于其他環(huán)流因子更準(zhǔn)確，預(yù)報因子選擇大尺度氣溫和其他環(huán)流因子比單個預(yù)報因子效果更好。為了防止出現(xiàn)多個預(yù)報因子共線現(xiàn)象，對地面氣溫進(jìn)行估計時，排除互相關(guān)系大的情況[8-9]。

預(yù)報因子對預(yù)報量產(chǎn)生的是直接影響過程，降尺度分析只考慮統(tǒng)計關(guān)系，所以進(jìn)行氣溫降尺度模型選擇為“無條件過程”。在對降水量的率定中，要設(shè)置數(shù)值的非負(fù)性，本文因子數(shù)量控制在4～6種，各站點因子選擇情況見表1。同一個站點所選擇的預(yù)報因子對于3個氣溫模式變化不大，多數(shù)情況下只有少量偏差，在2 m平均氣溫與近地表比濕度的選擇率最高，這2個預(yù)報因子對氣溫模擬的敏感性很高。而降水篩選出的預(yù)報因子選擇就很多。

表1 各站點預(yù)報因子選擇

注：t表示在2 m平均氣溫；s表示近表面比濕度；p表示海平面氣壓；_v表示經(jīng)向速度分量；_z表示渦度；_u表示緯向速度分量；p500表示500 hPa位勢高度場；s500表示在500 hPa高度比濕度；s850表示在850 hPa高度比濕度；zh表示散度。

2.2 模型的驗證與率定

贛江流域SDSM模型率定結(jié)果見表2。模型對于溫度的模擬解釋方差處于50%～80%，標(biāo)準(zhǔn)誤差處于1.5～3.6；降水處于20%～34%，降水標(biāo)準(zhǔn)誤差為0.38～0.43。統(tǒng)計降尺度的方法很多，SDSM模型也被我國的專家學(xué)者應(yīng)用于很多流域，如郝振純[10]、魏鳳英[11]等的預(yù)報模型，國內(nèi)外專家學(xué)者在不同地區(qū)的模擬情況有不同模擬情況，劉敏等[8]在江淮地區(qū)溫度的解釋方差為69.6%～73.9%，翟文亮等[12]在東江流域溫度的解釋方差為57%～65%，降水的解釋方差為23%～29%，相比本文的結(jié)果證明本文的率定、模擬較好。

表2 贛江流域SDSM模型率定期的解釋方差和標(biāo)準(zhǔn)誤差

將觀測序列分為兩部分，第一部分為率定期(1961—1990年)用于建立統(tǒng)計關(guān)系(表2)，第二部分為驗證期(1990—2005年)進(jìn)行檢驗?zāi)Ｐ涂煽啃?圖1)。模擬贛江流域各個站點日平均氣溫、日最高氣溫、日最低氣溫和降水，與贛江流域?qū)崪y值進(jìn)行對比。在率定期內(nèi)，流域月最高氣溫、月最低氣溫、月平均氣溫的觀測值與模擬值擬合程度較好，最高氣溫擬合程度最好。率定期與驗證期相對比，多年平均偏低0.24～1.44℃，(1) 平均溫度：平均溫度在2，4，6，11月的模擬情況較其他月份較差，模擬值比實際值低約1℃。6，7，8月模擬值一般比實際值偏高，模擬程度較好。(2) 最低溫度：1，2，4，11，12月模擬值比實際值低0.8℃，8，9月模擬程度最好。(3) 最高溫度：最高溫度年平均溫度與模擬值差0.17～0.54℃，模擬程度較3個預(yù)報量最好，模擬值較年平均低。

在率定期與驗證期的模擬中SDSM模型降水模擬較氣溫模擬擬合程度差，4,5,6,9,10月模擬值較降雨高，有較大的差異性。筆者認(rèn)為主要有以下4個方面：(1) 降水是一個隨機(jī)過程，一直是模擬的難點，對于隨機(jī)性的研究在現(xiàn)階段還比較困難；(2) 降水受地形因素影響很大，受大氣環(huán)流和一些微小的地形地勢影響SDSM模型并不能很好的模擬結(jié)果，會產(chǎn)生誤差；(3) 預(yù)報因子的選擇本就具有多樣性和不確定性；(4) SDSM建立的統(tǒng)計關(guān)系比較單一，在有些情況不能完全反映流域內(nèi)降水與預(yù)報因子的物理意義。綜上4點所述，降雨的模擬不如氣溫模擬也是可以理解的。對于本文來說流域范圍大，而符合條件的氣象站數(shù)據(jù)較少，也是原因之一，但是在其他學(xué)者研究的過程中也遇到了降水模擬差的情況[12-14]，綜上所述本文的研究方法較為可靠。

圖1 贛江流域驗證期溫度與降水對比

3 未來氣候氣溫與降水變化

3.1 未來氣溫變化

圖2為贛江流域最高、最低、平均溫度多年平均實測值與預(yù)測期2006—2100年的RCP2.6，RCP4.5，RCP8.5這3種情景的模擬值對比。如圖2所示，折線圖表現(xiàn)的趨勢明顯，反映出未來氣溫各月份的變化。對比贛江流域基準(zhǔn)期的氣溫可知，在RCP2.6，RCP4.5，RCP8.5情景下，未來最高氣溫分別上升1.8，2.1，2.8℃；最低氣溫增加1，1.2，1.9℃；平均氣溫增加1.5，1.6，2.3℃。其中，RCP8.5增長速度最快，RCP4.5次之，RCP2.6最慢。

將2006—2100年的預(yù)測數(shù)據(jù)分為3個階段：2020s(2006—2035年)，2050s(2036—2065年)，2080s(2066—2100年)，分別對3個時段、3種排放情景下的最高、最低、平均溫度進(jìn)行比較分析，結(jié)果見表3，圖3—5。

從圖3—5可看出，在未來情景下各種溫度均呈增加趨勢，RCP8.5增加浮動最大，RCP4.5次之，RCP2.6浮動最小。圖3為贛江流域3種排放情景最高溫度與基準(zhǔn)期對比。RCP2.6情景下，最高氣溫在2030s期間約上升1.6℃，在2050s期間約上升2.5℃，2080s期間上升2.51℃；RCP4.5情景下，最高氣溫在2030s期間約上升1.4℃，在2050s期間約上升2.8℃，2080s期間上升3.1℃；RCP8.5情景下，最高氣溫在2030s期間約上升1.7℃，在2050s期間約上升2.7℃，2080s期間上升4.1℃。其中，4—6月、9月、10月溫度增幅較為顯著。

圖2 贛江流域未來情景最高、平均、最低溫度預(yù)測

時段最低氣溫增加量RCP2.6RCP4.5RCP8.5最高氣溫增加量RCP2.6RCP4.5RCP8.5平均氣溫增加量RCP2.6RCP4.5RCP8.52020s0.900.671.201.631.401.701.200.71.032050s1.682.062.292.502.822.731.551.671.972080s1.682.333.582.513.164.161.571.973.06

圖3 贛江流域RCP2.6，RCP4.5，RCP8.5情景最高溫度與基準(zhǔn)期對比

圖4為贛江流域3種排放情景平均溫度與基準(zhǔn)期對比。平均溫度在RCP2.6情景下，在2030s期間約上升1.2℃，在2050s期間約上升1.5℃，2080s期間上升1.6℃；RCP4.5情景下，平均氣溫在2030s期間約上升0.7℃，在2050s期間約上升1.7℃，2080s期間上升2℃；RCP8.5情景下，平均氣溫在2030s期間約上升1℃，在2050s期間約上升2℃，2080s期間上升3.1℃。其中，3—6月、9—12月增幅明顯。

圖5為贛江流域3種排放情景最低溫度與基準(zhǔn)期對比。最低溫度在RCP2.6情景下，在2030s期間約上升0.9℃，在2050s期間約上升1.7℃，2080s期間上升1.7℃；RCP4.5情景下，最低氣溫在2030s期間約上升0.7℃，在2050s期間約上升2.1℃，2080s期間上升2.3℃；RCP8.5情景下，最低氣溫在2030s期間約上升1.2℃，在2050s期間約上升2.3℃，2080s期間上升3.6℃。其中，3—6月，11—1月溫度增幅較明顯。

圖4 贛江流域RCP2.6，RCP4.5，RCP8.5情景平均溫度與基準(zhǔn)期對比

從上述分析可知，在未來氣候變化中，RCP2.6，RCP4.5，RCP8.5這3種排放情景下平均氣溫、最高氣溫和最低氣溫均呈增加趨勢，但增加幅度略有不同，其中，RCP8.5高排放情景下二氧化碳排放量更高，RCP8.5增加幅度更加明顯；未來3個時期贛江流域的氣溫呈現(xiàn)明顯的上升趨勢，且6月份增幅最大，2月份增幅最?。辉谖磥砬榫跋?，氣溫增加幅度越來越大，RCP8.5增幅>RCP4.5增幅>RCP2.6增幅。最高氣溫在4—6月、9月、10月溫度增幅較為顯著，更易發(fā)生極端氣溫。

圖5 贛江流域RCP2.6，RCP4.5，RCP8.5情景最低溫度與基準(zhǔn)期對比

3.2 未來降水變化

為分析贛江流域未來降水變化情況，將2006—2100年分為3個時段：2020s(2006—2035年)、2050s(2036—2065年)、2080s(2066—2100年)，以1991—2005年為基準(zhǔn)期，對比分析3個時段、3種排放情景下的降水量變化。由圖6可知，未來氣候RCP2.6，RCP4.5，RCP8.5這3種排放情景下，贛江流域未來降水均呈增加的趨勢，5—10月降水量均呈現(xiàn)下降趨勢，1—4月、11月、12月降水量呈現(xiàn)增加態(tài)勢；RCP8.5變化幅度最大，RCP4.5次之，RCP2.6最小。相對于多年平均降水量，RCP2.6情景下，降水量在2020s，2050s和2080s均呈震蕩趨勢，在這3個時期多年平均降雨量約為1 600 mm，與年平均差距很小；RCP4.5情景下降水量變化較為復(fù)雜，在2020s，2050s間呈震蕩趨勢，有增有減，在2080s年降水量增加約200 mm；RCP8.5情景下降水量在2020s趨勢平穩(wěn)，而在2050s與2080s時段增加，月平均增加量最大可達(dá)126 mm。

圖6 贛江流域RCP2.6，RCP4.5，RCP8.5情景下降水量與基準(zhǔn)期相對比

3.3 未來溫度及降水空間變化

根據(jù)克里金插值法得到贛江流域RCP2.6,RCP4.5，RCP8.5情境下平均溫度、平均降水變化情況(圖7—8)。圖7為贛江流域未來3種情景下平均溫度空間變化圖，3種情景模式下的未來溫度空間分布都是南高北低，西高東低，并在南北方向呈帶狀和環(huán)狀分布。圖8為贛江流域未來3種情景下平均降水空間變化圖，3種情景下的未來降水空間分布基本呈南低北高，在南北方向呈遞增趨勢，RCP8.5情景下平均降水分布僅是局部變化，其他兩種模式在贛江流域北部呈環(huán)狀增加，這說明贛江流域未來降水有明顯的空間分布不均勻性。

圖7 贛江流域RCP2.6，RCP4.5，RCP8.5情景下平均溫度空間分布

圖8 贛江流域RCP2.6，RCP4.5，RCP8.5情景下平均降水空間分布

4 結(jié) 論

本文以贛江流域為例，采用統(tǒng)計降尺度模型，分析流域尺度上的降尺度效果，以1961—2005年為基準(zhǔn)期，對RCP2.6，RCP4.5，RCP8.5這3種排放情景下贛江流域未來氣溫和降水可能變化的情況進(jìn)行了模擬和對比分析。對氣溫的研究趨勢符合中國氣候與環(huán)境演變評估(Ⅰ)全國氣溫趨勢；降水情況，尤其是7—10月降水量下降符合郭家力等[15]、田鵬[16]使用的CMIP3模式；與楊絢等[17]使用CMIP5模式對中國氣溫與降水預(yù)估情況有類似的結(jié)論。運(yùn)用CMIP5模式、降尺度方法，取1961—1990年為率定期，1991—2005年為驗證期，在不同的站點篩選出不同的預(yù)報因子，預(yù)估贛江流域2006—2100年3個時段2020s，2050s，2080s間CMIP5模式RCP2.6，RCP4.5，RCP8.5情景下氣溫及降水，分析氣溫和降水變化，有如下結(jié)論：

(1) 模型率定期、驗證期結(jié)果表明，模型對贛江流域的模擬效果較好，相比較其他研究成果而言具有較高的解釋方差和較小的標(biāo)準(zhǔn)誤差，表明CMIP5模式與SDSM模型在贛江流域可以適用。

(2) 贛江流域未來溫度和降水總體均呈上升趨勢。在RCP2.6，RCP4.5，RCP8.5這3種情景下贛江流域未來最高氣溫分別增加1.8，2.1，2.8℃；未來最低氣溫分別增加1，1.2，1.9℃；未來平均氣溫分別增加1.5，1.6，2.3℃；3種情景下未來溫度空間分布都是南高北低，西高東低，并在南北方向呈帶狀和環(huán)狀分布。3種情景下的未來降水空間分布基本呈南低北高，在南北方向呈遞增趨勢，這說明贛江流域未來降水有明顯的空間分布不均勻性。

(3) 未來的3個時期贛江流域的氣溫呈現(xiàn)明顯的上升趨勢，隨著時間的增加，氣溫升高幅度增大，且有愈加愈烈的趨勢；在未來情景下，氣溫增加幅度越來越大，RCP8.5增幅>RCP4.5增幅>RCP2.6增幅；流域內(nèi)未來氣溫升高幅度：最高氣溫>最低氣溫。未來的3個時期贛江流域降水在RCP2.6與RCP4.5主要呈震蕩趨勢，有增有減，而在RCP8.5呈增加趨勢。

(4) 月尺度上，在未來3個時期、3種情景下贛江流域氣溫呈上升趨勢，且6月份增幅最大，2月份增幅最小；未來氣溫在最高溫度、RCP8.5情況下變化幅度最大，最高氣溫在4—6月、9月、10月溫度增幅較為顯著，到21世紀(jì)末升溫約4℃。降水總體呈增加趨勢，5—10月降水量均呈現(xiàn)下降趨勢，1—4月、11月、12月降水量呈現(xiàn)增加態(tài)勢。

本文僅使用一種氣候模式數(shù)據(jù)進(jìn)行氣候變化預(yù)估，具有不確定性。在以后的研究中，將增加更多的評價指標(biāo)，采用不同的降尺度方法，運(yùn)用多模式集合等方法綜合分析未來氣候變化，以減少模擬結(jié)果的不確定性。