區域氣候模式(PRECIS)對黃土高原降水模擬能力的評估

呂哲敏, 李 志, 李京京,代潤潤

西北農林科技大學資源環境學院,楊凌 712100

?

區域氣候模式(PRECIS)對黃土高原降水模擬能力的評估

呂哲敏, 李 志*, 李京京,代潤潤

西北農林科技大學資源環境學院,楊凌 712100

黃土高原水資源短缺,嚴重制約其社會經濟發展；全球變暖背景下,需要對該區水資源狀況進行詳細的影響評估。區域氣候模式可提供氣候變化情景下的數據,但模式的模擬精度直接影響評估結果。為此利用ERA40再分析數據作為邊界條件驅動PRECIS,從降水頻率、降水量和極端事件3個方面,評估了PRECIS對黃土高原1960—2000年降水的模擬能力。結果表明,PRECIS能夠模擬出各要素東南-西北方向變化的空間分布特征,還可模擬出整體的時間變化趨勢,其中對非汛期的模擬較好,而汛期降水日數和降水量等被嚴重高估；并且涉及干旱的指標普遍偏低；還發現對于極端降水事件模式對強度指標的模擬能力優于頻率指標。因此,還需要進一步探討訂正方法,才能更好的應用于氣候變化水文效應評估。

區域氣候模式；PRECIS；黃土高原；降水

政府間氣候變化專門委員會(IPCC)第五次評估報告指出,全球平均地表溫度1880—2012年升高了0.85 ℃；同時,極端天氣事件顯著變化,陸地上強降水事件增多的區域遠大于減少的區域[1]。中國《第二次氣候變化國家評估報告》也指出中國陸地表面溫度、降水等氣候事件發生相應變化[2]。這些氣候變化已經并將繼續對自然生態系統和人類社會產生重要的影響,為此,需要進行氣候預測和影響評估。

目前氣候預測主要依賴全球氣候模式(GCM),但由于計算能力的限制,GCM的水平分辨率是幾百公里,雖能模擬大尺度的氣候特性,但在模擬區域氣候時誤差很大。為此,區域氣候模式(RCM)被用來進行GCM降尺度,即在GCM大網格中嵌套子模式來產生高分辨率氣候情景[3-4]。RCM可細致描述地形、海陸分布和植被等下墊面特征,能更好模擬氣候的區域性特征；特別是提升水平分辨率時,可模擬地形強迫等因素引起的中小尺度天氣系統,因此,已成為研究區域氣候變化的重要工具[5- 6]。

目前,在中國運用較為廣泛的RCM有英國氣象局Hadley中心開發的PRECIS(Providing Regional Climates for Impacts Studies)以及由意大利國際理論物理中心發展的RegCM4 (Regional Climate Model Version 4)模式,這兩種模式均能夠較好地模擬出中國降水的年、季地理分布和季節變化特征[4, 7]。本文所運用的PRECIS模型目前已在印度[8]、巴基斯坦[9]、南美洲[10]、地中海[11]等地區進行氣候預測,而且在作物產量[12]、水資源[13-14]、能源[13,15]等領域利用模型輸入與相關生態模型相耦合進行影響評估。由于模型的模擬能力決定了氣候預測和影響評估的準確性,因此檢驗模型的適用性是模型應用的前提。需要通過設計更全面的指標為該區域氣候模式的降水模擬能力進行更為完善的評估,也可為模式是否適用于氣候變化影響評估提供依據。

黃土高原地處半濕潤向半干旱和干旱的過渡帶,多年平均降水421.7 mm,降水集中且暴雨多是導致土壤侵蝕嚴重的主要原因之一,如土壤侵蝕主要由少數大暴雨引起,90%以上的降雨不產生地表徑流,一次大暴雨產生的侵蝕量占年總量的60%甚至90%[16-17]。此外,黃土高原的降水還具有年內分配不均勻、多集中在夏季風盛行期間、年際變化大等鮮明的特征。因此,要在該區域應用PRECIS的模擬數據進行水文模擬,需對其降水模擬能力進行詳盡評估。為此,基于PRECIS與黃土高原50個氣象站點的觀測降水,對PRCIES模擬降水量、頻率和極端事件的能力進行了評估,以期為PRECIS在該區的水文應用提供參考。

1 數據與方法

1.1 模式介紹

PRECIS是由英國氣象局 Hadley 氣候預測與研究中心基于 GCM-HadCM3 發展的區域氣候模擬系統,水平分辨率為50 km或25 km[18]。采用了規則的經緯網格和混合垂直坐標系。模式方程采用旋轉球坐標,網格點經過旋轉后赤道位于研究區域內,從而獲得近似均勻的水平網格,旋轉坐標下水平分辨率為0.44°×0.44°,在赤道地區分辨率約為50 km。由于分辨率較高,因此模式的時間步長設為5分鐘,以保證模式的穩定性。對流采用Gregory和Rowntree[19]提出的穿透性對流參數化方案。在大氣中取垂直氣柱,假設在此氣柱中有小的空氣塊,從下層向上迸層檢查看它是否有上升的可能,即是否受到浮力的作用。側邊界采用松弛邊界條件,緩沖區大小采用 4 個格點。陸面過程使用了MOSES(Met Office Surface Exchange Scheme)參數化方案[20],土壤模式使用 4 層方案來計算地表面的熱量和水分交換、土壤中熱量和水分的傳輸過程,還考慮了土壤水分相變以及水和冰對土壤熱力和動力特征的影響。

1.2 數據來源

圖1 氣象站點及PRECIS網格分布 Fig.1 Location of weather stations and distribution of PRECIS grids

PRECIS在黃土高原適用性評估中,主要需要模式模擬和站點觀測兩部分數據。模擬數據是由本實驗室將歐洲數值預報中心(ECMWF)的ERA40再分析數據作為邊界條件驅動PRECIS模型產生,模擬區域包括黃土高原及周邊地區,網格分辨率為50 km×50 km,資料時段為1960-01-01—2000-12-31,并且使用日模擬數據資料。觀測數據來自中國國家氣象局在黃土高原地區50個氣象站點的日降水數據,選取的時段與模擬數據保持一致。由于PRECIS的氣候數據是按照格點輸出,所以在進行對比研究時,模擬數據的提取是按照觀測數據來源的50個氣象監測點所在位置的經緯度,提取最為相近的模式網格點數據(圖1)。

1.3 評估方法

針對降水量、降水頻率和極端事件3個方面對PRECIS的模擬能力進行評估。降水量從日、月和年尺度上進行對比；降水頻率主要評估降水日數和干濕持續時間(dry/wet spells)；極端事件使用的指標參照Frich[21]等對極端降水指標的定義(表1),這5個指標是IPCC分析極端降水事件使用的指標,包含了頻率和強度兩方面的內容。對于降水發生的判定,以0.1 mm為閾值。

對于上述3種要素,主要從空間分布和時間變化方面進行評估。空間分布,利用GIS中的Kriging(克里金插值方法)分析PRECIS模擬能力的區域差異；Kriging 是一種求最優、線形、無偏的空間內插方法,在充分考慮觀測資料之間的相互關系后, 對每一個觀測資料賦予一定的權重系數, 加權平均得到估計值[22]。時間變化,一方面直接對比變化趨勢,另一方面使用秩和檢驗、平方秩檢驗和KS (Kolmogorov-Smirnov)檢驗等非參數檢驗,分別用來檢驗2組數據是否具有相同的均值、總體方差是否有差異以及數據是否服從相同數據分布。

表1 極端降水指標的定義

2 結果與分析

2.1 降水量

2.1.1 降水量的空間分布

PRECIS基本模擬出了黃土高原降水東南多西北少的特征(圖2),但在絕對數量和空間分布上與觀測值存在一定差異。1960—2000年模擬年均降水量為792.6 mm,為觀測值的1.8倍(表2),這種高估是普遍存在的,由秩和檢驗的結果表明僅有3個站點/網格具有相似的均值,而偏差存在區域差異(圖2)。西北部是降水量低值區,其部分區域誤差小于300 mm；降水量高值區的誤差偏大,特別是東部和西部的部分區域誤差大于450 mm。并且模擬降水量的變異系數(0.47)大于觀測值(0.42),這也表明模擬值導致區域差異變大。

圖2 年降水量的空間分布(mm/a)Fig.2 Spatial distribution of annual mean precipitation

2.1.2 降水量的時間變化

從對各雨量的日降水事件的發生頻率進行統計,可知PRECIS高估了小雨(日降水量<10mm)日數而低估了日降水量>20mm的大雨日數,且沒有站點/網格通過各檢驗,說明其不能模擬出實際日降水量,并導致年降水量也被普遍高估(圖3),而通過降水量的年內分布來看,對降水量的高估主要來自5—9月(圖3)。

圖3 降水量的時間變化Fig.3 Temporal changes of precipitation amount

整體而言,模式可以模擬出月和年降水量的時間變化。以1981—1990年的月均降水為例(圖3),模式可以模擬月降水的時間變化,特別是非汛期的模擬值與觀測值非常相似；但汛期的降水量被嚴重高估。如7月誤差最大達到57 mm,是觀測值的61.3%；12月誤差最小僅為2.7 mm。PRECIS可以較好模擬黃土高原整個區域的年降水變化趨勢,如模擬和觀測年降水量的傾向率分別為-0.63 mm/a和-1.80 mm/a。盡管平方秩檢驗表明22個站點/網格具有相似的方差,但僅3個站點/網格通過了KS檢驗,說明模式沒有模擬出多數站點年降水的分布。

表2 年降水量的統計參數與統計檢驗結果

* 通過檢驗的站點/總站點

2.2 降水頻率

2.2.1 降水日數的空間分布

PRECIS模擬的降水日數與觀測值有較大差距(表3)。觀測和模擬的年均降水日數分別為80 d/a和148 d/a,模擬值是觀測值的1.9倍；50個站點/網格中有1個站點/網格通過了秩和檢驗,表明PRECIS不能很好模擬降水日數的年均值。觀測和模擬的變異系數分別為0.37和0.31(表3),說明站點/網格間的變異程度,模擬值較觀測值有所下降,即空間分布上模擬值的變異性更弱。

模式基本模擬出了降水日數東南多西北少的特點(圖4),但如表3所示在絕對數量上遠高于觀測值。降水日數最少的分布區域,模擬值和觀測值比較吻合,均在內蒙西部；降水日數較多的區域,觀測值是黃土高原東南部,而模擬值的空間范圍明顯變小,是沿東北-西南方向的一個條帶。從絕對值來看(圖4),誤差最小的區域在陜西南部,差值小于40 d/a；大部分區域的誤差介于40—60 d/a；誤差最大的是黃土高原西部的小部分區域,集中在青海東部、甘肅和寧夏南部,大于80 d/a。

2.2.2 降水日數的時間變化

PRECIS模擬出了降水日數的年內分布,夏季降水頻繁而其他季節相對較少(圖5)。但模式普遍高估了各個月份的降水日數,特別是5—9月的誤差最大,平均差值9 d,而10—4月的平均誤差約為2 d。PRECIS模擬的年均降水日數進行平方秩檢驗,結果表明28個站點/網格的觀測和模擬數據具有相似的變異程度(表3),并結合圖5,可知觀測和模擬的年均降水日數有相似的波動性。但PRECIS沒有模擬出其時間變化趨勢,觀測和模擬的年均降水日數分別以-0.45 d/a和+0.34 d/a的速度遞減和遞增；而KS檢驗也表明僅有1個站點/網格的數據具有相似的分布(表3)。

圖5 觀測與模擬降水日數的時間變化和季節分布Fig.5 Temporal changes and seasonal patterns of the observed and simulated wet days

2.2.3 干濕持續時間

由于PRECIS模擬了偏多的降水日數,因此,對連續降水日數的模擬也偏高,但對連續干旱日數的模擬偏低(圖6)。觀測和模擬的年均連續降水日數分別為2 d和3 d,相應的年均連續干旱日數分別為7 d和4 d,而秩和檢驗的結果也表明幾乎沒有站點/網格具有相似的均值(表3)。模式模擬的降水干濕持續時間在站點間的差異明顯變大,圖4中按站點統計的模擬值較觀測值起伏更大,且變異系數也明顯增大(表3),表明PRECIS導致空間變異性增大,不能很好地模擬黃土高原干濕持續時間的空間分布。

圖6 年均連續降水及干旱的時間變化、站點差異Fig.6 Spatiotemporal changes of annual mean continuous dry days and wet days

連續降水日數的觀測值與模擬值具有相似的年際變化,但較觀測值更加平緩,線性傾向率分別為-0.007和-0.002 d/a；觀測與模擬的連續干旱日數具有不同的變化趨勢,分別以+0.02 d/a和-0.02 d/a的速度遞減和遞增。連續降水和干旱日數分別有16和24個站點/網格數據通過了平方秩檢驗,表明PRECIS模擬出了部分站點/網格數據的波動程度；但KS檢驗的結果表明近乎沒有站點/網格數據具有相似的數據分布(表3)。

2.3 極端事件

5個極端降水指標,除了CDD (最長無雨期)被低估26%以外,CWD (最長有雨期)、R10 (大雨日數)、R5d (最大連續5d降水量)和R95t (極端降水貢獻率)分別被高估100%、62%、44%和8% (表4),且這些偏差在變量和站點間存在較大差異(圖7)。秩和檢驗表明R95t一致性較高,其次為R5d,分別有30個和13個站點/網格否定了有顯著差異的假設；而其他3個指標通過秩和檢驗的站點/網格數少于10個,這表明PRECIS對極端降水強度方面的模擬效果好于頻率。5個指標中除了R95t以外模擬與觀測的變異系數均有明顯差別,說明模擬值明顯改變了極端降水指標的空間變異性,這將會影響其模擬空間分布的能力。

圖7 各極端降水指標的各站點差異及年際變化Fig.7 Spatiotemporal variations of the observed and simulated extreme precipitation indices

對于時間變化,極值指標被高估或低估的趨勢基本在各個年份中都有所出現,但PRECIS能模擬區域整體年際變化的總體趨勢,并且通過秩和檢驗的站點越多的變量對時間變化的模擬越好,如R95t在很多年份與觀測值基本一致。但對于各個站點/網格來說,各極值指標的一致性存在很大差異,如R95t、R5d和CDD分別有30、13和12個站點/網格通過了KS檢驗,而其他指標僅有幾個站點/網格通過KS檢驗,說明對于表示降水強度的極端指標在模擬觀測數據的分布時好于表示頻率的指標。

表4 各極端降水指標的基本統計與檢驗

3 結論

通過評估PRECIS對黃土高原降水頻率、降水量和極端事件等方面的模擬情況,發現模式可以模擬出降水各指標沿東南-西北方向變化的空間分布特征,但模擬值與觀測值有較大差距,如降水量和降水日數均約為觀測值的1.8倍；對各指標低值區的模擬效果好于高值區；以及由于模擬降水日數過多,導致持續降水時間偏高而持續干旱時間偏低。并且,模式也可模擬出各要素的整體時間變化趨勢,但存在季節差異,以及對于非汛期的模擬效果通常優于汛期。普遍高估小雨日數、低估大雨日數,并且對部分指標時間變化模擬效果不好,如觀測和模擬的年降水日數分別以-0.45 d/a 和+0.34 d/a的速度變化,模擬與觀測的連續干旱日數分別以+0.02 d/a和-0.02 d/a的速度變化。極端降水指標中對極端降水貢獻率(R95t)的模擬效果最好,其他指標的情況與降水日數和降水量類似；但整體而言,對降水強度的指標的模擬能力優于頻率指標。上述結果與其他區域的評估結果比較相似[23- 25],說明PRECIS的誤差是普遍存在的,表明模式不能直接用于水文效應評估。

本研究的評估結果也存在一定程度的不確定性。如果對黃土高原觀測資料格網化插值后與模式結果比較[26],可能會對評估結果產生一定影響,但由于誤差的普遍存在,可能對結果不會有很大的影響。模式本身存在一定的不足之處。如黃土高原橫跨不同氣候帶和地貌單元,而RCM物理過程尚不完善,不能夠很好地刻畫地形復雜和氣候差異大的小尺度氣候[27]；并且由于次網格積云參數化、云-輻射參數化和陸面過程參數化的不確定性可能造成模式存在系統偏差[28]；氣候模式分辨率的選擇都會影響模式的模擬結果[29]。

[1] IPCC. Climate Change 2013: The Physical Science Basis: Intergovernmental Panel on Climate Change, Working Group I Contribution to the IPCC Fifth Assessment Report (AR5). New York: Cambridge University Press, 2013.

[2] 《氣候變化國家評估報告》編寫委員會編著. 第二次氣候變化國家評估報告. 北京: 科學出版社, 2011.

[3] Xu Y, Xu C H. Preliminary assessment of simulations of climate changes over China by CMIP5 multi-models. Atmospheric and Oceanic Science Letters, 2012, 5(6): 489- 494.

[4] Gao X J, Wang M L, Giorgi F. Climate change over China in the 21st century as simulated by BCC_CSM1.1-RegCM4.0. Atmospheric and Oceanic Science Letters, 2013, 6(5): 381- 386.

[5] 徐賓, 許吟隆, 張勇, 趙秀娟. PRECIS模擬區域的選擇對寧夏區域氣候模擬效果的敏感性分析. 中國農業氣象, 2007, 28(2): 118- 123.

[6] Yu E T, Wang H J, Sun J Q. A quick report on a dynamical downscaling simulation over China using the nested model. Atmospheric and Oceanic Science Letters, 2010, 3(6): 325- 329.

[7] 王芳棟, 李濤, 許吟隆, 陳書馳. PRECIS和RegCM3對中國區域氣候的長期模擬比較. 中國農業氣象, 2012, 33(2): 159- 165.

[8] Kumar K K, Patwardhan S K, Kulkarni A, Kamala K, Rao K K, Jones R. Simulated projections for summer monsoon climate over India by a high-resolution regional climate model (PRECIS). Current Science, 2011, 101(3): 312- 316.

[9] Ul Islam S, Rehman N, Sheikh M M. Future change in the frequency of warm and cold spells over Pakistan simulated by the PRECIS regional climate model. Climatic Change, 2009, 94(1/2): 35- 45.

[10] Marengo J, Jones R, Alves L M, Valverde M C. Future change of temperature and precipitation extremes in South America as derived from the PRECIS regional climate modeling system. International Journal of Climatology, 2009, 29(15): 2241- 2255.

[11] Kotroni V, Lykoudis S, Lagouvardos K, Lalas D. A fine resolution regional climate change experiment for the Eastern Mediterranean: Analysis of the present climate simulations. Global and Planetary Change, 2008, 64(1/2): 93- 104.

[12] 馬欣, 吳紹洪, 戴爾阜, 張雪艷, 康相武, 潘韜. 氣候變化對我國水稻主產區水資源的影響. 自然資源學報, 2011, 26(6): 1052- 1064.

[13] Piao S L, Ciais P, Huang Y, Shen Z H, Peng S S, Li J S, Zhou L P, Liu H Y, Ma Y C, Ding Y H, Friedlingstein P, Liu C Z, Tan K, Yu Y Q, Zhang T Y, Fang J Y. The impacts of climate change on water resources and agriculture in China. Nature, 2010, 467(7311): 43- 51.

[14] Rao K K, Patwardhan S K, Kulkarni A, Kamala K, Sabade S S, Kumar K K. Projected changes in mean and extreme precipitation indices over India using PRECIS. Global and Planetary Change, 2014, 113: 77- 90.

[15] Bloom A, Kotroni V, Lagouvardos K. Climate change impact of wind energy availability in the Eastern Mediterranean using the regional climate model PRECIS. Natural Hazards and Earth System Sciences, 2008, 8(6): 1249- 1257.

[16] 李志, 趙西寧. 1961—2009年黃土高原氣象要素的時空變化分析. 自然資源學報, 2013, 28(2): 287- 299.

[17] 李志, 鄭粉莉, 劉文兆. 1961—2007年黃土高原極端降水事件的時空變化分析. 自然資源學報, 2010, 25(2): 291- 299.

[18] Jones R. Generating High Resolution Climate Change Scenarios using PRECIS. Exeter: Met Office Hadley Centre, 2004.

[19] Gregory D, Rowntree P R. A mass flux convection scheme with representation of cloud ensemble characteristics and stability-dependent closure. Monthly Weather Review, 1990, 118(7): 1483- 1506.

[20] Cox P M, Betts R A, Bunton C B, Essery R L H, Rowntree P R, Smith J. The impact of new land surface physics on the GCM simulation of climate and climate sensitivity. Climate Dynamics, 1999, 15(3): 183- 203.

[21] Frich P, Alexander L V, Della-Marta P, Gleason B, Haylock M, Klein Tank A M G, Peterson T. Observed coherent changes in climatic extremes during the second half of the twentieth century. Inter-Research Climate Research, 2002, 19(3): 193- 212.

[22] 尚宗波, 高瓊, 楊奠安. 利用中國氣候信息系統研究年降水量空間分布規律. 生態學報, 2001, 21(5): 689- 694.

[23] 石英, 高學杰, Giorgi F, 宋瑞艷, 吳佳, 董文杰. 全球變暖背景下中國區域不同強度降水事件變化的高分辨率數值模擬. 氣候變化研究進展, 2010, 6(3): 164- 169.

[24] 王芳棟, 許吟隆, 李濤. 區域氣候模式PRECIS對中國氣候的長期數值模擬試驗. 中國農業氣象, 2010, 31(3): 327- 332.

[25] 張延偉, 姜逢清, 魏文壽, 王雯雯, 劉明哲, 韓茜, 洪雯, 陸恒. 1961―2004年新疆降水極值概率分布特征. 中國沙漠, 2012, 32(2): 503- 508.

[26] 吳佳, 高學杰. 一套格點化的中國區域逐日觀測資料及與其它資料的對比. 地球物理學報, 2013, 56(4): 1102- 1111.

[27] Pan Z, Christensen J H, Arritt R W, Gutowski W J Jr, Takle E S, Otieno F. Evaluation of uncertainties in regional climate change simulations. Journal of Geophysical Research: Atmospheres, 2001, 106(D16): 17735- 17751.

[28] Kato H, Nishizawa K, Hirakuchi H, Kadokura S, Oshima N, Giorgi F. Performance of RegCM2.5/NCAR-CSM nested system for the simulation of climate change in East Asia caused by global warming. Journal of the Meteorological Society of Japan, 2001, 79(1): 99- 121.

[29] 劉向培, 王漢杰, 劉金波. 區域氣候模式分辨率對夏季降水模擬的影響. 水科學進展, 2011, 22(5): 615- 623.

Verifying the applicability of PRECIS-simulated precipitation on the Loess Plateau

Lü Zhemin, LI Zhi*, LI Jingjing, DAI Runrun

CollegeofNaturalResourcesandEnvironment,Yangling712100,China

The Loess plateau is primarily a rain-fed agricultural area in China, and water is one of the main factors affecting agricultural production in the region. As a result of global warming, precipitation is a critical variable affecting the water cycle and plant growth. The simulation accuracy of precipitation directly influences climate change projections and impact assessments. The regional climate model, PRECIS (Providing Regional Climates for Impacts Studies), has been widely used for climate change projection; however, its capability for impact studies has been rarely assessed. Using ERA40 reanalysis data as the boundary conditions, precipitation on the Loess Plateau during 1960—2000 was simulated and its applicability was evaluated through comparison with the observed precipitation frequency, amount, and extreme events. PRECIS simulated the spatial distribution of precipitation changes along the southeast-northwest direction; however, the wet days and precipitation amounts were overestimated by 1.8 times the recorded amounts, and the indices related to the drought index were greatly underestimated. PRECIS simulated the low values more accurately than the high values of each index. The model simulated the temporal changes more accurately in the dry season due to an overestimation of wet days and precipitation in the flood season. For extreme indices, PRECIS simulated intensity-related indices more accurately than those related to frequency. Overall, PRECIS cannot be directly used to assess the impacts of climate change on hydrology, and the model calibration method should be discussed further.

regional climate model; PRECIS; Loess Plateau; precipitation

霍英東基金資助項目(141016)；國家自然科學基金資助項目(41101022)；中央高校基本科研業務費資助項目(2014YQ003, 2452015105)

2015- 04- 17;

日期:2016- 01- 22

10.5846/stxb201504170788

*通訊作者Corresponding author.E-mail: lizhibox@126.com

呂哲敏, 李志, 李京京,代潤潤.區域氣候模式(PRECIS)對黃土高原降水模擬能力的評估.生態學報,2016,36(20):6618- 6627.

Lü Z M, Li Z, Li J J, Dai R R.Verifying the applicability of PRECIS-simulated precipitation on the Loess Plateau.Acta Ecologica Sinica,2016,36(20):6618- 6627.