基于統(tǒng)計降尺度的長江上游流域降水和氣溫的時空變化趨勢研究

鄭巍斐，程雪蓉，楊肖麗，王雨茜，張夢如

(1. 河海大學(xué)水文水資源學(xué)院，南京 210098；2. 河海大學(xué)水文水資源與水利工程科學(xué)國家重點實驗室，南京 210098；3. 江西省上饒市水文局，江西 上饒 334000)

氣候變化是世界共同關(guān)注的問題，氣候變化導(dǎo)致的洪澇、干旱等問題不僅影響人類生存環(huán)境，而且制約世界經(jīng)濟(jì)發(fā)展和社會進(jìn)步[1]。氣候變化導(dǎo)致的水資源時空特征的變化直接影響著處于中國經(jīng)濟(jì)持續(xù)發(fā)展重要戰(zhàn)略地位的長江經(jīng)濟(jì)帶。因此，分析和預(yù)估長江上游流域氣候變化趨勢對于合理規(guī)劃配置長江流域水資源、制定預(yù)防災(zāi)害措施以及研究氣候影響評價和決策系統(tǒng)具有重要意義。

全球氣候模式(Global Climate Models,GCMs)是進(jìn)行區(qū)域未來氣候特征研究的常用手段，通過降尺度方法可有效提高時空分辨率，從而減少GCMs對研究區(qū)域氣候變化預(yù)估的不確定性[2]。統(tǒng)計降尺度方法由于計算量相對較小、方法多、應(yīng)用靈活，在國內(nèi)外得到了廣泛的應(yīng)用[3-5]。Li等[6]提出一種基于分位數(shù)函數(shù)法的等距離累積分布函數(shù)法(Equidistant cumulative distribution function matching method, EDCDFm)，利用GCMs模擬的氣候要素與區(qū)域觀測的氣候要素的累積分布特征之間的差異，對氣候模式模擬的氣候要素進(jìn)行偏差校正，能有效捕捉氣候要素的極值，進(jìn)而提高氣候要素的模擬精度，近年來受到越來越多的關(guān)注。本研究基于長江上游流域CMIP5發(fā)布的2種排放情景下 (RCP4.5、RCP8.5) 8個氣候模式的月降水和氣溫，采用EDCDFm進(jìn)行統(tǒng)計降尺度，并結(jié)合實測站點數(shù)據(jù)評價降尺度歷史時期(1961-2005年)的模擬精度，分析和預(yù)估未來時期(2010-2099年)該流域降水和氣溫的變化趨勢，以期為長江流域氣候變化對水資源的影響研究及其水資源規(guī)劃配置提供科學(xué)依據(jù)。

1 數(shù)據(jù)及方法

本研究收集了長江上游流域82個氣象站的1961-2005年逐日降水和平均氣溫實測資料(http:∥data.cma.cn/)(見圖1), 8個CMIP5氣候模式歷史時期(1961-2005年)和未來時期(2006-2099年)2種氣候情景(RCP4.5、RCP8.5)的逐月降水和氣溫數(shù)據(jù)(http:∥pcmdi-cmip.llnl.gov/cmip5/availability.htm)(見表1)。由于實測資料和各模式分辨率不同，故使用雙線性插值法，將研究區(qū)氣溫、降水觀測數(shù)據(jù)和氣候模式模擬的氣候要素插值到長江流域0.5°×0.5° 網(wǎng)格上。

圖1 長江上游流域及其氣象站、水文站空間分布Fig.1 Distribution of meteorological station and hydrological station in the upper reaches of Changjiang River

序號模式名稱模式所在國家空間分辨率1bcc-csm1-1中國2.8°×2.8°2CanESM2加拿大2.8°×2.8°3CCSM4美國1.25°×0.9°4CSIRO-Mk-3-6-0澳大利亞1.875°×1.875°56GISS-E2-RMPI-ESM-LR美國德國2.5°×2°1.875°×1.875°7MRI-CGCM3日本1.125°×1.125°8NorESM1-M挪威2.5°×1.875°

2 研究方法

2.1 統(tǒng)計降尺度方法

等距離分位數(shù)法(EDCDFm)考慮氣溫、降水在歷史時期和未來時期不同的累積分布特征，分別構(gòu)建氣候要素觀測值、GCMs 歷史時期模擬值和未來時期模擬值的累積分布函數(shù)(Fo-c、Fm-c和Fm-p)。利用Fo-c、Fm-c和Fm-p的分位數(shù)圖，來協(xié)調(diào)Fo-c、Fm-c和Fm-p各階矩(均值和高階矩)的變化得到偏差校正后的模式模擬的歷史時期氣候要素值和未來時期氣候要素值,其公式為：

xm-c,adjust=F-1o-c[Fm-c(xm-c)]

(1)

式中：Fo-c為觀測氣候要素的累積分布函數(shù)；Fm-c為模式模擬氣候要素歷史時期的累積分布函數(shù)；xm-c為模式模擬歷史時期的氣候要素值；xm-c,adjust為經(jīng)過偏差校正后的模式模擬的歷史時期氣候要素值。

xm-p,adjust=xm-p+F-1o-c[Fm-p(xm-p)]-F-1m-c[Fm-p(xm-p)]

(2)

式中：Fm-p為模式模擬氣候要素未來時期的累積分布函數(shù)；xm-p為模式模擬未來時期的氣候要素值；xm-p,adjust為經(jīng)過偏差校正后的模式模擬的未來時期氣候要素值。

2.2 降尺度精度分析

本研究分析降尺度模型的模擬結(jié)果采用平均絕對誤差(Mean Absolute Error，MAE)相對偏差(Relative Deviation,RD)相關(guān)系數(shù)(Correlation Coefficient,CC)作為評價指標(biāo)。

(1)平均絕對誤差MAE：

(3)

(2)相對偏差RD：

(4)

(3)相關(guān)系數(shù)CC：

(5)

式中：Mi和Oi分別是模式模擬值和實測值；n是網(wǎng)格序列。

3 統(tǒng)計降尺度精度評價

利用長江上游的實測數(shù)據(jù)和8個氣候模式數(shù)據(jù)，采用EDCDFm統(tǒng)計降尺度方法，獲得長江上游流域月平均降水和氣溫的數(shù)據(jù)集；通過對比分析8個降尺度模式及其多模式集合(Ensemble)模擬結(jié)果與該流域?qū)崪y站點數(shù)據(jù)(observation)的平均絕對誤差MAE、相對偏差RD、相關(guān)系數(shù)CC來分析評估EDCDFm統(tǒng)計降尺度方法的模擬精度。從長江上游流域8個模式及其集合統(tǒng)計降尺度降水和實測降水散點圖(見圖2)可以看出，8個模式及其模式集合與實測降水?dāng)M合度較高，相關(guān)系數(shù)均為0.898～0.957，模式模擬的降水與實測數(shù)據(jù)的MAE值為 15.644～17.953 mm，RD值為-0.06%左右。其中，模式bcc-csm1-1[圖2(a)]與實測數(shù)據(jù)的MAE為17.953，模擬降水量較其他模式偏高；模式MRI-CGCM3[圖2(g)]的MAE最小，模擬的降水量最接近實測值；模式CSIRO-Mk3-6-0[圖2(d)]的RD值為-0.013%，遠(yuǎn)低于其他模式。8個模式的CC值都在0.89以上，除了模式bcc-csm1-1和GISS-E2-R與實測數(shù)據(jù)相關(guān)系數(shù)略低外(0.898)，其余的模式都和實測數(shù)據(jù)擬合較好(0.903以上)。多模式集合Ensemble[圖2(i)]模擬的降水精度明顯高于單個模式，Ensemble的MAE和CC值為11.345和0.957，擬合效果要優(yōu)于單個模式。

圖2 1961-2005年降水實測月值與降尺度模式月值散點圖Fig.2 The scatter plot of observed and downscaling model monthly precipitation from 1961 to 2005注：實線表示降尺度模式的趨勢線，黑色虛線的斜率為1。

對比8個降尺度模式以及其多模式集合(Ensemble)模擬的平均絕對誤差MAE、相對偏差RD、相關(guān)系數(shù)CC(見表2)可知：8個模式模擬的氣溫與實測數(shù)據(jù)的MAE值為0.907～0.997 ℃，RD值為-0.08%左右，CC值在0.98左右，表明各個模式對氣溫的模擬都比較吻合。其中模式bcc-csm1-1與實測數(shù)據(jù)的MAE值為0.997，模擬氣溫較其他模式偏高；模式CSIRO-Mk3-6-0和NorESM1-M的相對偏差要遠(yuǎn)低于其他模式。多模式集合(Ensemble)模擬氣溫的MAE為0.692，比8個模式的MAE都要小，CC高達(dá)0.991，與實測氣溫的擬合優(yōu)于8個模式。表明EDCDFm統(tǒng)計降尺度方法獲得的月尺度多模式集合的降水和氣溫與實測數(shù)據(jù)吻合較好，該方法可以用于未來時期長江上游降水和氣溫的降尺度，預(yù)估該區(qū)域降水和氣溫的變化趨勢。

表2 1961-2005年月平均氣溫實測值與降尺度模式月值統(tǒng)計Tab.2 Statistics of observed and downscaling model monthlymean temperature from 1961 to 2005

4 長江上游區(qū)域降水和氣溫的變化趨勢分析

4.1 降水的時空變化趨勢

本研究將長江上游區(qū)域未來時期(2010-2099年)劃分為3個時間段[2010-2039年(Ⅰ)、2040-2069年(Ⅱ)、2070-2099年(Ⅲ)]來分析降水的氣溫時空變化特征。2種排放情景下，各個模式模擬降水在未來不同時間段的變化趨勢略有不同(見表3)。在第Ⅰ階段，RCP4.5情景下，除了bcc-csm1-1、CanESM2這2個模式表現(xiàn)為降水減少趨勢外，其余模式都呈現(xiàn)出增加趨勢，多模式集合表現(xiàn)為降水增加趨勢。RCP8.5情景下，CCSM4、MPI-ESM-LR、NorESM1-M1模式表現(xiàn)為降水增加趨勢，其余模式和多模式集合均呈現(xiàn)降水減少的趨勢；在第Ⅱ、Ⅲ階段，RCP4.5情景下，除了bcc-csm1-1、CSIRO-Mk3-6-0這2個模式模擬的降水變化趨勢不一致外，其余模式及多模式集合平均都呈現(xiàn)出相同的變化趨勢，多模式集合平均表現(xiàn)為降水增加趨勢。但第Ⅲ階段降水增加的幅度低于第Ⅱ階段，RCP8.5情景下，除了bcc-csm1-1、GISS-E2-R這2個模式模擬的降水變化趨勢不一致外，其余模式及多模式集合都呈現(xiàn)出相同的變化趨勢，多模式集合平均表現(xiàn)為降水增加趨勢。但第Ⅲ階段降水增加的幅度要高于第Ⅱ階段，第Ⅱ、Ⅲ 2階段的2個情景相比較，RCP8.5情景下線性趨勢率增幅較為明顯，尤其是在第Ⅲ階段，為10.16 mm/(10 a)，遠(yuǎn)高于RCP4.5的1.66 mm/(10 a)。

表3 RCP4.5和RCP8.5情景下年平均降水變化趨勢 mm/(10 a)

長江上游流域在Ⅰ、Ⅱ、Ⅲ 3個時間段的多模式集合平均年平均降水有著明顯的空間變化特征(見圖3)。在2種情景下，長江源頭的降水在3個時間段的變化不大。第I階段， RCP4.5情景下[圖3(a)]，整個流域大部分地區(qū)降水增加，東部地區(qū)降水大約以20 mm/(10 a)的增長率增加，而RCP8.5情景下[圖3(b)]整個流域大部分地區(qū)降水減少，中部和東部區(qū)域降水減少趨勢比較明顯；第Ⅱ階段RCP4.5情景下[圖3(c)]，中部地區(qū)的降水逐漸增多，且增加趨勢高于Ⅰ，Ⅲ時間段[圖3(a)、圖3(e)]，東部地區(qū)降水則普遍減少，而RCP8.5情景下[圖3(d)]除了中部地區(qū)降水減少外，其他地區(qū)略有增加；第Ⅲ階段RCP4.5情景下[圖3(e)]，東部地區(qū)降水呈減少趨勢，東南地區(qū)的降水約以15 mm/(10 a)的速率減少，減少趨勢在整個流域內(nèi)最為強(qiáng)烈，RCP8.5情景下[圖3(f)]，中部地區(qū)降水明顯增加，增加速率在30 mm/(10 a)左右。

圖3 長江上游流域三個時間段兩種情景下多模式集合平均年平均降水線性趨勢[單位：mm/(10 a)]Fig.3 The the ensemble precipitation linear trend of RCP4.5 and RCP8.5 during 2010-2039、2040-2069、2070-2099 in the upper reaches of Changjiang River

4.2 氣溫時空變化趨勢

表4給出了2種情景下3個時間段的線性變化趨勢。RCP4.5情景下，除了bcc-csm1-1在第Ⅲ階段出現(xiàn)年平均氣溫降低現(xiàn)象之外，所有的模式及多模式集合平均均為氣溫升高，但2040年后大部分模式及多模式集合平均氣溫升高趨勢減弱。RCP8.5情景下，所有的模式及多模式集合平均均表現(xiàn)為氣溫升高，第Ⅲ階段的氣溫升高幅度最大，幅度達(dá)到0.62 ℃/(10 a)。

表4 RCP4.5和 RCP8.5情景下年平均氣溫變化趨勢 ℃/(10 a)

從長江上游流3個時間段的氣溫在空間上的變化(見圖4)可以看出，長江上游流域平均氣溫有著明顯的空間差異。RCP4.5情景下[圖4(a)、圖4(c)、圖4(e)]，源頭地區(qū)在第Ⅰ階段[圖4(a)]以0.2～0.6 ℃/(10 a)的速率持續(xù)升溫，在第II階段[圖4(c)]以-0.4 ℃/(10 a)左右降溫，第Ⅲ階段[圖4(e)]也呈升溫趨勢，但整體的變化幅度不大。中部區(qū)域在第II階段表現(xiàn)為降溫趨勢，Ⅰ、Ⅲ階段為升溫趨勢，且Ⅰ階段氣溫升高的幅度高于Ⅲ階段。東部區(qū)域在第I階段氣溫增加的趨勢要高于第Ⅱ、Ⅲ階段。RCP8.5情景下[圖4(b)、圖4(d)、圖4(f)]，東部區(qū)域在3個階段氣溫為增加趨勢，第Ⅱ階段[圖4(d)]以0.6～1.0 ℃/(10 a)持續(xù)升溫,增加的幅度要高于第Ⅰ階段[圖4(b)]，第Ⅲ階段[圖4(f)]增加的幅度高于第I階段但低于第Ⅱ階段。源頭區(qū)域在第Ⅰ階段氣溫呈增加趨勢，到第Ⅱ階段又呈氣溫降低趨勢，第Ⅲ階段約以1.5 ℃/(10 a)的速率持續(xù)升溫，遠(yuǎn)高于第I階段的0.6 ℃/(10 a)。中部區(qū)域變化趨勢和源頭一致，也是在第I階段呈氣溫升高趨勢，第II階段呈氣溫降低趨勢，第Ⅲ階段呈氣溫升高趨勢。對于Ⅰ、Ⅱ、Ⅲ每一個時間段，RCP8.5情景下的氣溫線性趨勢明顯大于RCP4.5情景下的線性趨勢。

5 結(jié) 語

(1)時間和空間尺度上，等距離分位數(shù)法(EDCDFm)降尺度模型的模擬結(jié)果與82個氣象站點的實測數(shù)據(jù)擬合性較好，多模式集合平均Ensemble模擬結(jié)果比單個模式的降尺度數(shù)據(jù)更接近實測值。

圖4 長江上游流域3個時間段2種情景下多模式集合平均年平均氣溫線性趨勢[單位：℃/(10 a)]Fig.4 The ensemble temperature linear trend of RCP4.5 and RCP8.5 during 2010-2039、2040-2069、2070-2099 in the upper reaches of Changjiang River

(2)未來2種排放情景下，除源頭降水增加趨勢不明顯外，整個長江上游流域降水呈現(xiàn)顯著增加的趨勢；研究區(qū)域的大部分地區(qū)在未來時期氣溫呈現(xiàn)升高的趨勢，而且RCP8.5氣溫增加的趨勢要明顯高于RCP4.5。

□

[1] 丁一匯, 任國玉, 石廣玉. 氣候變化國家評估報告(Ⅰ):中國氣候變化的歷史和未來趨勢[J]. 氣候變化研究進(jìn)展, 2007,3(S1):1-5.

[2] Wilby R L, Dawson C W, Barrow E M. SDSM——a decision support tool for the assessment of regional climate change impacts[J]. Environmental Modelling & Software, 2002,17(2):145-157.

[3] WOOD A W, LEUNG L R, SRIDHAR V, et al. Hydrologic implications of dynamical and statistical approaches to downscaling climate model outputs[J]. Climatic Change, 2004,62(1):189-216.

[4] 范麗軍, 符淙斌, 陳德亮.統(tǒng)計降尺度法對未來區(qū)域氣候變化情景預(yù)估的研究進(jìn)展[J]. 地球科學(xué)進(jìn)展, 2005,20(3):320-329.

[5] 郭家力，郭生練，郭 靖．鄱陽湖流域未來降水變化預(yù)測分析[J].長江科學(xué)院院報，2010,27(8):20-24.

[6] LI H, SHEFFIELD J, WOOD E F. Bias correction of monthly precipitation and temperature fields from Intergovernmental Panel on Climate Change AR4 models using equidistant quantile matching[J]. Journal of Geophysical Research Atmospheres, 2010, 115(D10):985-993.