黃河流域極端氣候變化氣候模式優選

薦圣淇，毛峙聞，溫躍修，嚴登華，2，王嘉儀

(1.鄭州大學 水利科學與工程學院，河南 鄭州 450001;2.中國水利水電科學研究院，北京 100038;3.水利部 黃河泥沙重點實驗室，河南 鄭州 450003;4.黃河水利委員會 黃河水利科學研究院，河南 鄭州 450003）

氣候變化是科學前沿問題,對人類生存和發展形成了重大挑戰[1］。黃河流域在生態安全與經濟社會發展中具有重要的服務功能[2］。50 a來,流域降水量減少,氣溫升高[3］,提高了干旱及洪水發生的頻率。基于此,掌握流域在過去及未來的氣候變化模式對制定適宜的減緩戰略以有效應對極端氣候事件及其次生災害具有重要的現實意義。

全球氣候模式(GCMs)是在不同溫室氣體排放情景下進行氣候模擬和預估的重要工具,其結果為全球范圍內的長期氣候預估提供有價值的信息,其中全球耦合模式比較計劃CMIP5(以下簡稱CMIP5模式)提供了最優質的數據集,這些數據集已被政府間氣候變化專門委員會用于第五次評估報告中。改進后的CMIP5模式比CMIP3模式表現更加良好[4］,對我國大氣向下長波輻射進行模擬時[5-6］,CMIP5模式比CMIP3模式的模擬誤差小,但以往研究發現該模式在模擬局部地區降水及地表氣溫方面仍存在巨大偏差[7-9］。為減小氣候變化模擬中的偏差,可在歷史氣候變化信息具有可靠性的前提下,采用逐日偏差校正方法對模擬數據進行偏差校正。GCMs各氣候模式對于不同區域的適用性存在差異,目前針對黃河流域的GCMs氣候模式研究仍存在空白,缺少全球氣候變化背景下流域長時間序列的極端氣候事件的變化特征信息,因此選擇適合流域的氣候模式非常重要。

本文基于1961—2005年黃河流域的歷史氣象觀測數據,選取10個CMIP5模式,采用逐日偏差校正方法對模式模擬數據進行偏差校正,分別從變化趨勢和空間分布兩個方面對10個CMIP5模式模擬數據與觀測數據進行比較,進一步優選出適合黃河流域的氣候模式。

1 研究區概況

黃河全長約5464 km,流域面積約79.5萬km2,流域內地勢高差較大,自西向東形成由高到低的三級階梯。受大氣環流和季風環流的影響,流域內不同地區降水分布差異顯著,季節分布不均,多年平均降水量約476 mm,多年平均氣溫在-4～14℃之間,全年日照時數在2000～4300 h之間,日照率在50%～75%之間。流域無霜期短、濕度小、蒸發能力強,年均水面蒸發量達957 mm,最大年水面蒸發量超過2500 mm。從20世紀60年代中期開始,流域出現氣溫升高、降水和徑流減少的變化趨勢,嚴重影響了沿黃地區工農業生產和人民生活,亟待以有效方法預估氣候變化。

2 數據來源、研究方法以及指標選取

2.1 數據來源

(1)氣象數據。所用數據源自中國氣象科學數據共享服務網1961—2005年黃河流域63個氣象站的日最高氣溫、日最低氣溫和日降水量。

(2)CMIP5模式數據。10個CMIP5模式數據集源自地球系統網格聯盟(ESGF),CMIP5模式信息見表1。

表1 CMIP5模式信息

2.2 研究方法

逐日偏差校正方法由DT(Daily Translation)和LOCI(Local Intensity Scaling)兩種方法相結合進行。首先,利用LOCI方法校正降水發生概率,以實測日降水量P＞0 mm為有雨天,反之為無雨天；其次,根據實測日降水量與氣溫的頻率分布,采用DT方法對CMIP5模式模擬數據進行偏差校正。

2.3 極端氣候事件指標選取

對黃河流域極端氣候的研究主要包括極端降水事件和極端氣溫事件,選取的極端氣候事件指標有最大1 d降水量、日最高氣溫、日最低氣溫。

3 結果與討論

3.1 CMIP5模式校正

各CMIP5模式下校正前后的日最高氣溫、日最低氣溫、年降水量的相關數據對比見表2、表3。各模式對日最高氣溫和日最低氣溫的模擬效果總體好于對年降水量的模擬效果,校正后各模式模擬的均值與觀測數據均值幾乎一致,且標準差相差較小。對于傾向率而言,所有模式模擬的日最高氣溫和日最低氣溫的變化趨勢均與觀測數據的變化趨勢一致,均呈上升趨勢。

表2 各CMIP5模式下校正前后的日最高氣溫、日最低氣溫相關數據對比

表3 各CMIP5模式下校正前后的年降水量相關數據對比

對于年降水量:①均值方面。校正前,除MRI模式外,其余模式模擬的均值均大于觀測值,尤其是BNU模式模擬的均值為觀測值的2.8倍,而校正后各模式模擬的均值與觀測值差異明顯減小,說明校正后各模式具有更好的模擬效果。②標準差方面。與校正前相比,除MRI模式模擬的標準差有所增大外,其余模式模擬的標準差都有所減小,且更加接近觀測數據的標準差,說明校正后模擬數據的準確性有所提高。③傾向率方面。各模式模擬的傾向率相差較大,其中:MPI、GFDL、CSIRO和CCSM4模式模擬的傾向率與觀測數據的傾向率一致,即年降水量呈下降趨勢,而其他模式模擬的年降水量均呈現不同程度的上升趨勢。④相關性方面。年降水量的相關性與系列長度有關,其相關系數較小,校正前各模式模擬的相關系數在0.11～0.42之間,校正后在0.25～0.59之間,整體上相關性有所提高,尤其是CCSM4和GFDL模式模擬的相關系數都在0.5以上。

3.2 氣象要素變化

(1)氣溫、降水變化趨勢。流域日最高氣溫變化趨勢見圖1,分析觀測數據可知,1961—2005年流域日最高氣溫平均值為14.58℃,整體呈現上升趨勢,其上升速率為0.26℃/10 a；10個CMIP5模式模擬的日最高氣溫都表現出上升趨勢,上升速率在0.18～0.35℃/10 a之間,其中GFDL、CCSM4和BNU模式模擬的日最高氣溫的上升速率最接近觀測數據的上升速率,分別是0.25、0.26、0.24℃/10 a。

圖1 黃河流域日最高氣溫變化趨勢

流域日最低氣溫變化趨勢見圖2,分析觀測數據可知,1961—2005年流域日最低氣溫平均值為2.05℃,整體呈現上升趨勢,其上升速率為0.28℃/10 a,特別是自1995年以后日最低氣溫呈現顯著上升趨勢,遠高于日最低氣溫平均值；大多數CMIP5模式模擬的日最低氣溫的上升速率在0.20～0.31℃/10 a之間,其中:CCSM4和BNU模式模擬的日最低氣溫的上升速率為0.31℃/10 a,而MIROC5模式模擬的日最低氣溫的上升速率最低,僅為觀測數據上升速率的1/7。

圖2 黃河流域日最低氣溫變化趨勢

流域年降水量變化趨勢見圖3,分析觀測數據可知,1961—2005年流域年降水量下降速率為13.8 mm/10 a,與觀測數據同樣呈現下降趨勢的模式是MPI、GFDL、CSIRO和CCSM4,其中MPI和GFDL模式模擬的年降水量的下降速率與觀測數據的下降速率最接近,分別為13.3 mm/10 a和15.9 mm/10 a,而CNRM模式的模擬結果與觀測數據差異最明顯,其上升速率達到13.4 mm/10 a。

圖3 黃河流域年降水量變化趨勢

(2)氣溫、降水空間變化特征。對各CMIP5模式模擬日最高氣溫、日最低氣溫、最大1 d降水量的相對誤差進行計算,相對誤差＝(觀測數據-模式數據)/觀測數據,其空間分布情況見圖4～圖6。分析相對誤差的正負值可知,對于氣溫來說,MPI、MIROC5、GFDL、FGOALS、CSIRO、CCSM4和BCC模式模擬的氣溫在黃河流域中下游表現出高估的情況,整體上比觀測數據高10%左右,各模式模擬的相對誤差較小,數值范圍在-0.2～0.2之間。對于最大1 d降水量來說,大多數模式模擬結果在黃河中游表現出低估的情況,而MPI和BNU模式模擬結果在整個流域都表現出低估的情況,各模式的相對誤差范圍在-0.4～0.4之間,相較于氣溫的相對誤差更大。

圖4 各模式模擬日最高氣溫的相對誤差

圖5 各模式模擬日最低氣溫的相對誤差

圖6 各模式模擬最大1 d降水量的相對誤差

為進一步了解觀測數據與氣候模式模擬數據的空間相關性,分別計算其空間相關系數(見表4)。對于日最高氣溫來說,MIROC5模式的空間相關系數最低為0.828,其他模式的空間相關系數都在0.970以上,空間相關性表現最好的是FGOALS模式,其空間相關系數達到0.982。對于日最低氣溫來說,所有模式的空間相關系數都在0.930以上,空間相關性表現最好的是CCSM4模式,其空間相關系數達到0.985。因此,在氣溫模擬方面,除MIROC5模式模擬的效果略差一些,其他模式都表現出較高的相關性。對于年降水量來說,MRI模式的空間相關系數最低(為0.211),BNU模式的空間相關系數最高(為0.816),年降水量相對于氣溫的空間相關性較差。

表4 CMIP5模式模擬數據的空間相關系數

3.3 氣候模式優選

針對各氣象要素指標,分別從變化趨勢和空間分布兩個方面對10個CMIP5模式模擬數據與觀測數據進行比較,根據評價標準分別選取在不同特征中表現相對較好的5個模式(見表5)。通過統計不同模式在各指標中的出現次數,優選出在所有方面表現較好的3個模式,即CCSM4、FGOALS和GFDL模式。

表5 日最高氣溫、日最低氣溫和降水量的氣候模式優選

4 結論

采用逐日偏差校正方法對CMIP5模式模擬數據進行偏差校正,結合黃河流域歷史觀測數據,從變化趨勢和空間分布兩個方面對不同模式進行評估,優選出GFDL、FGOALS和CCSM4三個適合黃河流域的氣候模式。