基于全球氣候模式集合的鄱陽湖流域未來潛在蒸散量及其干旱效應研究

劉子豪, 陸建忠,黃建武, 陳曉玲, 曾 群

1 華中師范大學地理過程分析與模擬湖北省重點實驗室, 武漢 430079 2 武漢大學測繪遙感信息工程國家重點實驗室, 武漢 430079

全球氣候變化是影響人類生存與發展,是全球面臨的重大挑戰[1- 3]。氣候變化改變了大氣環流特征,使得以潛在蒸散量ET0和降水為代表的氣象要素的重新分布。作為氣候系統的核心過程,潛在蒸散量的變化會引起區域水循環與水資源的變化,潛在蒸散量的研究有利于科學的認識區域水分循環特征以及旱澇規律[4- 5]。

鄱陽湖流域是長江下游重要的經濟區和生態區,近年旱澇災害頻發,流域的ET0和干旱特征變化受到廣泛關注[6- 10],如趙曉松等[6]應用地面溫度-植被指數三角關系法反演鄱陽湖湖區蒸散的時空分布及主要氣候因子的影響；劉沖等[7]基于WaSSI-C生態水文模型估算了鄱陽湖流域植被恢復和氣候變化影響下蒸散的時空變化；齊述華等[10]利用Landsat衛星系列遙感影像分析2000年以來鄱陽湖水文干旱的發生機制。然而相關研究多集中于歷史時期,對流域未來ET0和干旱特征分析仍較少涉及。目前未來氣候研究主要是利用CMIP5氣候耦合模式,通過降尺度的方法可以較好地解決空間分辨率粗糙帶來的誤差問題,這種方法在國內外已取得顯著成果[11- 13]。由于氣候系統的內部差異性,不同的氣候模式的模擬能力在時間上和空間分布上具有不均勻性,多模式集合作為一種后處理統計方法,可以有效降低預測的不確定性[14]。以往利用模式數據對未來氣候特征的預估多集中于氣溫和降水兩個方面[15- 17],ET0作為連接氣象要素和水循環的關鍵物理量,是評價區域水資源配置、計算作物生產潛力的重要指標,但是現有關于鄱陽湖流域未來潛在蒸散或者干旱特征的研究相對少見,且所用數據多是基于單一氣候模式或者等權模式集合[18- 19]。因此,本研究基于降尺度模型利用遺傳算法構建模式集合,從不同情景下預估流域未來潛在蒸散量及干旱特征的時空演變特征及周期性規律,以期深入了解流域水分循環與水量平衡規律,科學的認識流域潛在蒸散量以及未來干旱形勢的變化。

1 研究區域與數據

1.1 研究區域概況

鄱陽湖流域(24°28′—30°05′N,113°33′—118°29′E)總面積16.22×104km2,位于中國東南部,地處長江中下游南岸(圖1)。流域年均氣溫為17.1℃,年均降水量為1632 mm,日照百分率達43%—47%,屬于典型的亞熱帶濕潤季風氣候區。流域地表覆被類型以森林、農田、草地和水體為主。流域地勢起伏大,鄱陽湖流域是由修水、饒河、信江、撫河、贛江五大水系構成一個完整的系統[20- 21]。近年來,受五大支流和長江水系影響,鄱陽湖流域旱澇災害頻發,原有的水量平衡被打破。因此,鄱陽湖流域ET0及干旱特征的研究具有重要戰略意義。

圖1 鄱陽湖流域及氣象站點分布Fig.1 Poyang Lake Basin and Meteorological Station Distribution

1.2 數據來源

1.2.1地面觀測資料

本文共選取鄱陽湖流域14個國家級氣象站點逐日監測數據,氣象指標分別為最高氣溫、最低氣溫、平均氣溫、平均風速、日照時數、平均相對濕度以及小型蒸發皿蒸發量等,數據來源于中國氣象數據共享服務中心(http://data.cma.cn/data/detail/dataCode/A.0029.0001.html)。

1.2.2再分析資料

NCEP再分析資料數據是將多種實測數據利用同化技術處理得到的,在東亞地區具有較好的應用性[21- 22]。NCEP/NCAR再分析數據是由美國國家環境預測中心(NCEP)和大氣研究中心(NCAR)聯合發布的全球26個預報因子1961—2014年的日序列再分析資料,網格分辨率是2.5°×2.5°,共144×73個網格(https://psl.noaa.gov/data/gridded/reanalysis/)。

1.2.3全球氣候模式數據

全球氣候模式包括15個中等復雜程度的地球系統模式共46個地球系統模式,是氣候變化研究的重要數據源。CMIP5共包含4種“典型濃度路徑”(Representative Concentration Pathways, RCPs),本文在此選取應用最為廣泛的RCP4.5和RCP8.5濃度路徑作為研究情景,RCP4.5作為中間穩定排放情景,在RCP4.5氣候情景下,氣溫相較工業革命升高約4.8℃,預計在2100年以后輻射強迫水平達4.5 W/m2,更為接近全球實際發展水平,具有很大的參考價值。RCP8.5作為按照當前水平不采取減排措施的高濃度排放路徑,RCP8.5氣候情景下,氣溫相較工業革命升高約6.9℃,預計在2100年以后輻射強迫水平達8.5 W/m2,則具有更強的警示意義。綜合考慮全球氣候模式在我國各地區的適用性、模式輸出數據的連續性、完整性以及模型的分辨率高低,本研究從全球CMIP5中選取11個作為研究工具,表1給出了11個氣候模式的基本信息。

表1 所選全球氣候模式的基本信息

2 研究方法

2.1 Penman-Monteith公式

本研究采用聯合國糧農組織(FAO)推薦的Penman-Monteith(P-M)公式計算流域ET0,該公式以能量動態平衡、水汽擴散原理以及空氣的熱導定律為理論依據,精度較高且計算誤差小[23]。其公式為:

(1)

式中,ET0表示潛在蒸散量(mm/d)；Rn為太陽凈輻射(MJ m-2d-1)；T為平均氣溫(℃)；G為土壤熱通量(MJ m-2d-1)；u2為2m高度處平均風速；γ為干濕表常數((kPa/℃)；Δ為飽和水汽壓曲線斜率(kPa/℃)；es為飽和水汽壓(kPa)；ea為實際水汽壓(kPa)；es-ea表示為飽和氣壓差。

2.2 基于遺傳算法的模式集合

多模式集合可以有效地集成單一氣候模式的優勢,減小模式的隨機誤差,從而提高模式預報的準確率。模式集合通過計算每個網格訓練期的數據,得到每個網格點上不同氣候模式的權重系數[5]。基礎模型如下所示:

(2)

2.3 模式集合的構建

在利用遺傳算法構建模式集合之前,需要對所選氣候模式進行降尺度分析,降尺度模型可以關聯全球氣候模式和區域氣候變量,將大尺度,低空間分辨率的全球氣候模式數據轉換為小尺度高空間分辨率的區域地面信息,在未來氣候的數值模擬和情景預估中已取得較為理想的效果[24-26],主要包括兩個方面:(1)基于區域預報量與全球大氣環流NCEP預報因子之間的統計關系,構建并驗證SDSM模型；(2)將全球氣候模式數據輸入至構建好的SDSM模型,生成對區域未來氣候的預估。具體過程參考筆者前期研究[21],基于構建好的統計降尺度模型,分別輸出不同氣候模式在RCP4.5和RCP8.5情景下鄱陽湖流域潛在蒸散量及降雨量結果。利用統計降尺度模型所輸出的降尺度后的11個模式數據,結合鄱陽湖流域的格網數據,基于遺傳算法構建模式集合,具體流程如圖2所示:

圖2 模式集合流程圖Fig.2 Mode ensemble flowchartCMIP5 (Coupled Model Intercomparison Project Phase 5,第五次國際耦合模式比較計劃)；NCEP (National Centers for Environmental Prediction,美國國家環境預測中心)

3 結果與分析

3.1 基于遺傳算法的模式集合精度評估

本文基于遺傳算法確定各模式的最優權重,得到鄱陽湖流域模式集合結果,借助泰森多邊形法,將計算出的流域歷史時期(1961—2010年)多年平均潛在蒸散量和降水作為觀測值,并以Taylor圖來驗證的模式集合的模擬精度[27]。如圖3可以看出,綠色實點更接近觀測點,表明基于遺傳算法的模式集合(GA-MME)結果要更接近于觀測值,具有更高的相關系數,其模擬結果優于等權模式集合(MME)和任意單一模式模擬結果[5]。如圖4所示為流域ET0及降雨量的逐月模擬值精度評價,結果顯示,基于遺傳算法的模式集合對ET0和降雨量的模擬精度均最高,RMSD分別為2.32和0.97,在秋冬季節模擬性能最佳。總的來說,將CMIP5模式模擬的性能由小到大排序為單一模式

圖3 模式集合結果驗證Fig.3 Mode ensemble result verification

圖4 模式集合精度月值驗證Fig.4 Monthly verification of mode ensemble accuracy

3.2 鄱陽湖流域未來情景下潛在蒸散量(ET0)時空演變特征

3.2.1流域ET0的時間變化趨勢及周期性特征

本研究以1961—2010年作為基準期(歷史時期),將未來按30a時段劃分為未來初期(2011—2040)、未來中期(2041—2070)以及未來遠期(2071—2100),鄱陽湖流域不同情景下的未來ET0的年際變化如圖5所示。流域ET0在基準期呈顯著的下降趨勢,在RCP4.5和RCP8.5情景下,流域的ET0由下降趨勢轉為上升,且RCP8.5情景ET0值上升幅度更大。

圖5 鄱陽湖流域1961—2100年潛在蒸散量年際變化特征Fig.5 Interannual variation of potential evapotranspiration in Poyang Lake Basin from 1961 to 2100RCP: 典型濃度路徑Representative concentration pathways

流域在RCP4.5和RCP8.5情景ET0季節變化特征如圖6所示。其中,每列代表一年的數據,每個方格代表一個月的累積ET0量,紅色和藍色箭頭表示月ET0分別在2011—2100年內呈現出增加或減少的趨勢,星號表示具有顯著趨勢(P<0.1),由下到上分別為春季(3、4、5月),夏季(6、7、8月),秋季(9、10、11月),冬季(12月、次年1、2月)。可以看出流域的ET0值具有明顯的季節特征,除RCP4.5情景下的冬季外,未來情景下不同季節流域ET0均呈顯著的上升趨勢(P<0.1),ET0高值區由RCP4.5情景下的夏秋季轉為RCP8.5春夏季。

圖6 鄱陽湖流域2010—2100年不同情景下ET0季節變化特征Fig.6 Seasonal variation of ET0 in different scenarios in Poyang Lake Basin from 2010 to 2100ET0 : 潛在蒸散量Referenc evapotranspiration

為了更好的了解流域ET0的時間變化特征,本文利用Morlet小波分析法分析了鄱陽湖流域ET0的周期性變化[28]。如圖7所示,為鄱陽湖流域2010—2100年不同情景下平均ET0小波分析圖,流域ET0在演化過程中存在的多時間尺度特征。RCP4.5情景下ET0表現出三種尺度的變化規律,分別為3—7 a、8—17 a、18—32 a,其中18—32 a的模值最大,周期變化最明顯；ET0存在5個峰值,最大峰值對應著20 a的時間尺度,意味著20 a是流域ET0年際變化的第一主周期。RCP8.5情景下存在兩類尺度的周期變化,分別為4—7 a和7—25 a,以7—25 a的模值最大；ET0存在3個較為明顯的峰值,震蕩最明顯處對應著14 a的時間尺度,為流域ET0年際變化的第一主周期。

圖7 鄱陽湖流域ET0不同情景下的小波分析Fig.7 Wavelet analysis of ET0 in Poyang Lake watershed in different scenarios

3.2.2流域ET0的空間演變特征

鄱陽湖流域在RCP4.5情景下ET0的空間分布如圖8所示,鄱陽湖流域ET0在未來的3個不同時期變化特征非常相似,從未來初期到未來遠期,南部以贛縣、遂川為中心的高值區逐漸與東北部以波陽、南昌、貴溪和南城為中心的次高值區逐漸連成一個整體,高值區范圍明顯擴大,而以修水、宜春和樟樹中心的低值區范圍則相對逐漸縮小。隨著時間的推移,鄱陽湖流域ET0在RCP4.5情景下呈不斷增加的態勢,表現出東高西低的空間分布特征。圖8為鄱陽湖流域在RCP8.5情景下ET0的空間分布,可以看出鄱陽湖流域南部的高值區逐漸向北擴張,使得以贛縣、遂川為中心南部高值區和以波陽、南昌為中心的北部高值區在鄱陽湖流域東部地區連成一個整體。總的來說,鄱陽湖流域在RCP8.5情景下未來ET0的空間分布與RCP4.5情景下較為相似,整體上呈東高西低,局地略有突出分布的特征,且流域ET0在RCP8.5情景下增幅要明顯高于RCP4.5情景。

圖8 鄱陽湖流域RCP4.5、RCP8.5情景下未來ET0的空間分布Fig.8 Spatial distribution of ET0 in the future in the Poyang Lake Basin under the RCP4.5 and RCP8.5 scenarios

3.3 鄱陽湖流域干旱指數的時空演變特征

結合歷史時期及模式集合所輸出的未來ET0及降水數據,基于Budyko的水熱平衡耦合理論,估算出鄱陽湖流域不同時期干旱指數(Drought Index,DI)的變化特征[21,29- 30],計算公式為:

(3)

式中,E為實際蒸散量,E0為潛在蒸散量,P為降水量,f(φ)為輻射干燥度(干旱指數),φ=E0/P,DI對流域干濕狀況的劃分界限[31]為:(干旱:5≤DI<12；半干旱:2≤DI<5；半濕潤0.75≤DI<2；濕潤:0.35≤DI<0.75)。

3.3.1歷史時期流域DI的時空演變特征

1961—2010年(歷史時期)鄱陽湖流域干旱的空間分布格局如圖9所示,干旱指數在空間上總體表現為南高北低,局地略有突出,除贛縣和南城外,鄱陽湖流域大部分屬典型的濕潤氣候區(DI<0.75)。鄱陽湖流域歷史時期干旱指數表現出明顯的季節特征(圖9),秋季最高(DI=1.24)其次是夏季(DI=0.74)。除春季外,DI值在其余三個季節均呈上升趨勢,以秋季最為顯著(P<0.1)。鄱陽湖流域歷史時期多年平均DI值為0.72,整體上呈波動上升趨勢(圖9),表現出一定的“干化”特征,這與數據顯示的鄱陽湖流域近年來氣溫的增高和降水量的減少關系密切。綜上,歷史時期鄱陽湖流域干旱指數時間序列上整體表現為波動上升趨勢,以秋季最為顯著,空間上呈南高北低的分布格局。

圖9 鄱陽湖流域歷史時期干旱指數時空分布特征Fig.9 Spatial-temporal distribution of drought index in the historical period of Poyang Lake Basin

3.3.2RCP8.5情景下流域DI時間變化趨勢及周期性特征

圖10 鄱陽湖流域未來時期干旱指數年際變化特征 Fig.10 Interannual variation of drought index in the future period of Poyang Lake Basin

未來時期鄱陽湖流域干旱指數變化如圖10所示,流域DI將呈顯著的波動上升趨勢(P<0.01),多年平均DI值為0.82。2011—2064年,流域多年平均DI值<0.75,以濕潤氣候為主要特征,2064年以后,DI值逐漸上升高于0.75,表明在21世紀中后期,鄱陽湖流域氣候特征將從濕潤過渡到半濕潤類型,流域所面臨的干旱風險進一步提升。

RCP8.5情景下流域干旱指數同樣表現出明顯的季節變化(圖11),與歷史時期不同的是流域干旱指數在春、夏季均呈顯著上升趨勢。特別需要注意的是在流域的春季,干旱指數由歷史時期的下降趨勢在RCP8.5情景轉為顯著的上升趨勢,這可能RCP8.5情景下蒸散量的增加、降水的減少以及氣溫的升高和具有一定聯系。四季多年平均DI值排列依次為秋季(1.43)>夏季(1.02)>春季(0.69)>冬季(0.60),較歷史時期分別增長了15.37%,37.8%,68.5%和25%,增幅最大的季節是春季,可見,鄱陽湖流域未來時期春旱風險將顯著提高[5]。在RCP8.5情景下,鄱陽湖流域的濕潤月份(0.35 2)數量顯著增加(圖11)。綜上,RCP8.5情景下,鄱陽湖流域伏旱和春旱的發生頻率將顯著提高,流域未來“干化”特征更為明顯。

圖11 鄱陽湖流域2011—2100年RCP8.5情景下DI季節變化特征Fig.11 Seasonal changes of DI in the Poyang Lake Basin under the RCP8.5 scenario from 2011 to 2100

鄱陽湖流域年均DI在2011—2100年表現出顯著的周期性變化特征(圖12),RCP8.5情景下年代際尺度上存在兩個高值中心,分別在2023—2025年和2046—2048年,流域干旱指數在4—12 a尺度上波動最為顯著,且模值最大,出現了旱-濕交替的準12次震蕩。流域DI的小波方差圖中存在三個明顯的峰值,分別為8 a、4 a、17 a的時間尺度,其中又以8 a的周期震蕩最為顯著,為RCP8.5情景下流域年DI變化的第一主周期,4 a為第二主周期,14 a為DI變化的第三主周期。即8 a、4 a、17 a 三個周期波動控制著RCP8.5情景下流域DI在整個時間域內(2011—2100年)的變化特征[5]。

圖12 RCP8.5情景下鄱陽湖流域DI的小波分析Fig.12 Wavelet analysis of DI in Poyang Lake watershed under RCP8.5 scenario

3.3.3RCP8.5情景下流域DI的空間演變特征

RCP8.5情景下鄱陽湖流域未來不同時期干旱指數的空間演變具有顯著的差異性(圖13),在未來初期(2011—2040年),流域DI的空間分布特征與歷史時期較為一致,呈南高北低的分布特征。DI值為0.75的等值線大致位于贛江流域以南的地區,即該區域正在由濕潤區向半濕潤區轉變；在未來中期(2041—2070年),干旱高風險區主要位于流域的東南方向,鄱陽湖流域DI的高值中心由初期的兩個減少為一個以南城為中心的東南高值區,次高值區(DI>0.75)向流域的中部、北部擴大,半濕潤區面積進一步增加；在未來遠期(2071—2100年),鄱陽湖流域DI以南城為中心的東南高值區向流域西北方向擴大,DI的高值區增加至兩個,在流域中部的樟樹地區形成第二個DI高值區。南昌、樟樹、吉安以東為代表的次高值區范圍進一步擴大,此高值區的DI值較中期明顯增大。DI為0.75的等值線北移至流域的宜春、玉山一線,贛江流域的大部、撫河流域的全部以及信江流域的大部份地區,均由濕潤地區轉為半濕潤區。

圖13 鄱陽湖流域2011—2100年RCP8.5情景下DI空間變分布特征Fig.13 The spatial distribution of DI in the Poyang Lake Basin under the RCP8.5 scenario from 2011 to 2100

總的來說,RCP8.5情景下鄱陽湖流域2011—2100年不同時期干旱指數的演變具有明顯的空間差異性,干旱指數的高值區由未來初期的南部轉為中期的東部,范圍向流域中部地區不斷擴張,最終在未來遠期形成以南城和樟樹為中心的中東部高值區域,流域的中東部地區為未來干旱風險防范的重點區域。21世紀以后,鄱陽湖流域RCP8.5情景下干旱指數隨時間的推移增大,半濕潤地區逐漸增多且向北拓展,鄱陽湖地區的干濕狀況發生明顯變化。

4 結論

本文基于CMIP5多個氣候模式,經統計降尺度處理后,利用遺傳算法構建了鄱陽湖流域氣象要素的多模式集合,得到鄱陽湖流域ET0及干旱指數在不時期的時空演變特征。主要結論如下:

(1)本研究中基于遺傳算法構建的模式集合模擬精度相較于任意單個氣候模式和等權模式集合,模擬性能更佳。

(2)RCP4.5和RCP8.5情景下鄱陽湖流域的ET0呈波動上升趨勢,在空間分布上總體表現出東高西低,局地略有突出的特征。在RCP4.5情景下20 a為流域年ET0變化的第一主周期。在RCP8.5情景下,4年為流域年ET0變化的第一主周期。

(3)鄱陽湖流域DI年際變化在歷史時期(1961—2010年)呈波動上升趨勢,表現出一定的“干化”特征；DI夏秋季高,春冬季低,以春季增幅最大；流域DI在空間呈南高北低。

(4)RCP8.5情景下,鄱陽湖流域干旱指數在年際變化上呈顯著的上升趨勢(P<0.01),四季多年平均DI值秋季>夏季>春季>冬季,伏旱和春旱的發生頻率將顯著提高,流域未來“干化”特征更為明顯,8年時間尺度是鄱陽湖流域年DI變化的第一主周期；RCP8.5情景下干旱指數的高值區由未來初期的南部轉為中期的東部,范圍向流域中部地區不斷擴張,最終在未來遠期形成以南城和樟樹為中心的中東部高值區域,流域的中東部地區為未來干旱風險防范的重點區域。

5 討論

基于遺傳算法構建的模式集合較于單個氣候模式或等權模式集合模擬精度更高,但其對鄱陽湖流域氣候的模擬仍存在一定的不確定性,尤其在降水上,具有較大的誤差。此外,本文所使用的統計降尺度模型存在缺乏完整的物理機制、統計關系用于未來氣候變化以及需要大量基礎數據等局限,使得研究結果存在一定的誤差。在今后的研究工作中,利用CMIP6模式數據,結合多源數據,利用算法將統計降尺度與動力降尺度方法相結合,在全球氣候模式(GCM)中嵌入區域氣候模型(RCM),以提高模型模擬精度,并從海氣耦合機理上分析區域氣象、水文要素變化的原因。