錢塘江流域未來降水趨勢分析

張徐杰　　富　強　　朱　聰　　郭　靖(中國電建集團華東勘測設計研究院有限公司，浙江 杭州　311122)

?

錢塘江流域未來降水趨勢分析

張徐杰富強朱聰郭靖(中國電建集團華東勘測設計研究院有限公司，浙江 杭州311122)

摘要：利用美國環(huán)境預報中心(NCEP)的全球再分析資料和錢塘江流域6個氣象站40多年的觀測資料，建立了錢塘江流域統(tǒng)計降尺度模型。然后將IPCC AR5提供的大氣環(huán)流模式HadGEM2-CC在RCP4.5情景下的結果輸入統(tǒng)計降尺度模型，得到流域未來幾十年的月平均降水情況。結果表明，海平面氣壓、地面氣溫、500 hPa、850 hPa位勢高度場和500 hPa、850 hPa比濕這6個因子與降水有較為密切的聯(lián)系，并且區(qū)域降水特征與當?shù)氐乩砦恢谩⒌刭|地貌等特征有明顯關系。錢塘江流域未來幾十年的年降水量呈現(xiàn)波動增加趨勢，各站點年平均統(tǒng)計降水量增加速率為每年0.216 mm。

關鍵詞：氣候變化；降水；錢塘江流域

1研究背景

錢塘江是浙江省第一大河，河流全長688 km，流域面積5.56萬km2，年均流量442.5億m3，河口潮汐水力資源理論蘊藏量為472萬kW。錢塘江流域鄰近中國東南沿海，位于亞熱帶季風氣候區(qū)，平均溫度17℃，天氣干燥；夏季多東南風，氣溫高，光照強，空氣濕潤；春秋兩季氣旋活動頻繁，冷暖變化大。

近些年來，各國政府及科學家越來越關注氣候變化問題[1]。因為模擬未來氣候可以使人類盡早地認識到氣候及生態(tài)環(huán)境可能發(fā)生的變化，進而對其產生的影響進行評估，并及時采取相應的防范措施。目前，用于氣候模擬研究的大氣環(huán)流模式(GCM)對氣候平均態(tài)和年際預測方面取得了很好的效果[2~4]。然而，GCM輸出的空間分辨率較低，需要通過降尺度方法才能得到區(qū)域的氣候信息。降尺度方法可以分為動力降尺度方法和統(tǒng)計降尺度方法[5~6]。

本文主要采用統(tǒng)計降尺度方法，選取多元線性回歸法來建立統(tǒng)計降尺度模型，對錢塘江流域未來幾十年降水情況進行計算和分析。

2研究資料與方法

2.1研究資料

本文以錢塘江流域作為研究區(qū)域，采用美國環(huán)境預報中心(NCEP)的全球再分析月平均資料作為觀測的大尺度氣候資料；選用相同區(qū)域全球氣候模式HadGEM2-CC在RCP4.5情景下1961~1990年和2015~2049年月平均輸出資料分別作為偏差校正資料和預測的大尺度氣候資料；利用錢塘江流域6個國家氣象站點觀測的月平均降水資料(1961年1月~2013年12月)作為實測區(qū)域氣候要素資料(見圖1)。

圖1　站點與NCEP格點位置

2.2統(tǒng)計降尺度方法

統(tǒng)計降尺度方法是利用多年的觀測資料建立大尺度氣候狀況(主要是大氣環(huán)流)和區(qū)域氣候要素之間的統(tǒng)計關系，并用獨立的觀測資料檢驗這種關系，最后再把這種關系應用于GCM輸出大尺度氣候信息，以預估區(qū)域未來的氣候變化情景。換句話說，就是需要建立大尺度氣候預報因子與區(qū)域氣候預報變量間的統(tǒng)計函數(shù)關系式：

(1)

式中，X代表大尺度氣候預報因子，Y代表區(qū)域氣候預報變量，F(xiàn)為建立的大尺度氣候預報因子和區(qū)域氣候預報變量間的統(tǒng)計關系。一般說來，F(xiàn)是未知的，需要通過動力方法或統(tǒng)計方法來得到。統(tǒng)計降尺度方法中X包含了大尺度氣候狀態(tài)，F(xiàn)包含了區(qū)域或當?shù)氐牡匦?、海陸分布和土地利用等地文特征?/p>

3在降水預測中的應用

3.1氣候預報因子的選擇

在統(tǒng)計降尺度法中降尺度預報因子的選擇是至關重要的一步，因為預報因子的選擇很大程度上決定了預報未來氣候情景的特征。預報因子的選擇一般遵循以下4個標準：①要與預報量有很強的相關性；②必須能夠代表大尺度氣候場的重要物理過程和氣候變率；③必須能夠較準確地被GCM模擬；④預報因子之間應該是弱相關或無關的。

錢塘江流域地處副熱帶季風區(qū)，季風氣候區(qū)降水主要是由于海平面氣壓、位勢高度場和比濕等因子共同作用的結果，因此本研究選擇海平面氣壓、地面氣溫、500 hPa、850 hPa位勢高度場和500 hPa、850 hPa比濕6個因子作為降水的降尺度預報因子。

3.2主成分分析

降水預報是多要素的復雜系統(tǒng)，在進行系統(tǒng)分析時，經常會遇到多變量問題。變量太多，無疑會增加分析問題的難度與復雜性，可以利用主成分分析方法綜合處理這種問題。對NCEP預報因子數(shù)據(jù)集進行主成分分析，結果見表1。

表1　NCEP預報因子數(shù)據(jù)集主成分分析

從表1可以看出，前兩個主成分的累計貢獻率就已經超過95%。為使主成分分量能盡量多地包含原有數(shù)據(jù)的信息，并且考慮到第5個主成分之后各分量的方差貢獻率已經不足1%，選取前4個主成分來代替原來全部NCEP預報因子，將得到的主分量作為統(tǒng)計降尺度模型的輸入。

3.3多元線性回歸

NCEP預報因子主分量與觀測站點月平均降水之間的多元線性回歸模型：

(2)

式中，Y1為觀測站的實測月平均降水序列；PC為從預報因子數(shù)據(jù)集中提取的主分量矩陣；B為多元線性回歸的系數(shù)矩陣；K為常數(shù)項；ε為殘差部分。

將1961年1月~2013年12月的數(shù)據(jù)分為兩部分，一部分用于模型參數(shù)的率定，另外一部分用于模型檢驗。選取1961年1月~1990年12月的數(shù)據(jù)去率定模型中的參數(shù)(即回歸系數(shù)和常數(shù)項)，把剩下的1991~2013年的數(shù)據(jù)用來檢驗模型。計算得出各個觀測站點月均降水模擬結果的決定系數(shù)R2如下(表2)。

表2　各站點決定系數(shù)

由杭州站率定期和檢驗期月平均降水量對照可見，模型率定期和檢驗期模擬的平均降水情況與實際降水量的擬合程度較好。

3.4降水預測

經過多元線性回歸之后，可以得到各觀測站點的月平均降水量與4個主成分分量之間的線性關系。然后選用RCP4.5情景下大氣環(huán)流模式HadGEM2-CC的結果作為大尺度氣候信息，選擇同NCEP觀測資料相同的氣候因子，并應用NCEP觀測資料的主分量方向對HadGEM2-CC的氣候因子數(shù)據(jù)集進行降維壓縮。

(3)

最后將2015~2049年的GCM數(shù)據(jù)進行標準化處理后代入到回歸方程(2)中，將計算結果按月對應乘以偏差校正系數(shù)Ki，得到各觀測站點2015~2049年的月平均降水量。以杭州站為例，對得到的結果作季度統(tǒng)計，見圖2。

圖2 杭州站2015~2049年四季降水

3.5降水趨勢分析

對杭州站2015~2049年的四季降水進行Mann-Kendall參數(shù)檢驗?？梢姡就?，其余三季都有降水增加的趨勢，并且夏季降水增加趨勢尤其明顯。

由圖2也可直觀地看出，在RCP4.5情景下，杭州站在2015~2049年內，春、夏、秋三季的降水都有略微增加的趨勢，增加速率分別為平均每年0.882 6，2.142 5 mm和1.002 5 mm。冬季降水呈略微減少趨勢，減少速率為平均每年0.775 2 mm。利用6個觀測站點的結果作平均統(tǒng)計(圖3)，可見2015~2049年錢塘江流域降水呈波動增加趨勢，各站點平均增加速率為每年0.216 mm。

圖3 錢塘江流域2015~2049年降水趨勢

4結論

本文通過NCEP大氣環(huán)流因子與錢塘江流域各站點月平均降水數(shù)據(jù)之間的統(tǒng)計關系來確定統(tǒng)計降尺度模型，然后應用確定統(tǒng)計降尺度模型，輸入HadGEM2-CC的RCP4.5排放情景數(shù)據(jù)，分析了RCP4.5情景下錢塘江流域在2015~2049年的降水變化趨勢，初步得出以下結論。

(1) 基于NCEP再分析數(shù)據(jù)，選擇了海平面氣壓、地面氣溫、500 hPa、850 hPa位勢高度場和500 hPa、850 hPa比濕6個預報因子進行降尺度分析，得出了錢塘江流域未來幾十年內的降水趨勢。說明在錢塘江流域，這幾個因子與降水有較為密切的聯(lián)系。

(2) 黃山站的降水量明顯多于其他站點，并且降水增加趨勢也比其他站點明顯，說明區(qū)域降水特征與當?shù)氐乩砦恢?、地質地貌等特征有明顯聯(lián)系。

參考文獻：

[1]《氣候變化國家評估報告》編寫委員會. 氣候變化國家評估報告[M]. 北京: 科學出版社, 2007.

[2]Yoo-Geun Ham, Jong-Seong Kug, In-Sik Kang, et al. Impact of diurnal atmosphere-ocean coupling on tropical climate simulations using a coupled GCM [J]. Climate dynamics, 2010, 34(6): 905-917.

[3]Cai XM, Wang DB, Zhu TJ, et al. Assessing the regional variability of GCM simulations [J]. Geophysical Research Letters, 2009, 36(2): L02706.

[4]胡永云, 姜天宇. 北極平流層冬季早期變暖的GCM模擬研究[J]. 大氣科學, 2009, 33(5): 1058-1070.

[5]Subimal Ghosh, P.P. Mujumdar. Statistical downscaling of GCM simulations to streamflow using relevance vector machine [J]. Advances in Water Resources, 2008, 31(1): 132-146.

[6]王欣，覃光華，李紅霞. 雅魯藏布江干流年徑流變化趨勢及特性分析[J]. 人民長江, 2016, 47(1): 23-26.

(編輯：李慧)

中圖法分類號：P339

文獻標志碼：A

文章編號：1006-0081(2016)02-0020-03

作者簡介：張徐杰，男，中國電建集團華東勘測設計研究院有限公司，工程師.

收稿日期：2015-11-12