氣候變化情景下淮河流域氣候干旱化研究

林 慧，王景才，黃金柏，蔣陳娟

(揚州大學水利科學與工程學院，江蘇 揚州 225009)

0 引 言

當今社會，由于人類活動產生的溫室氣體不斷增多，全球氣候變暖越來越嚴重，全球氣候變暖造成極端水文事件頻繁[1, 2]。氣溫的升高會導致陸地及海洋的蒸發量增加，從而使得大氣中水汽含量增加引起降水量的增加，影響水循環，但是降水的增加在全球的分布仍不均勻[3, 4]。近幾十年來中國的干旱化進程大于濕潤化進程[5]，干旱仍然是我國較嚴重的自然災害問題之一。干旱化的典型特征之一是降水減少，但僅僅用降水量的減少來表征干旱趨勢變化是狹義的[6]，干旱趨勢實際上取決于降水量及蒸發量之間的速率關系[7]，因此基于降水量與蒸發量構建的濕潤指數能夠較好地反映干旱的影響因素。

目前已有不少學者利用濕潤指數進行區域干濕變化特征分析。王興梅等[8]利用濕潤指數從時間和空間上探討了石羊河流域極端干旱時間的時空變化特征。吳紹洪等[9]研究了近30年中國陸地表層干濕狀況，得出了按濕潤指數劃分濕潤、半濕潤、半干旱和干旱氣候類型的指標分別為1.0、1.5和4.0。馬柱國等[10]利用濕潤指數研究發現我國北方呈現普遍干旱化的總體特征。周俊菊等[11]利用濕潤指數發現在全球變暖背景下，石羊河流域干旱的氣候環境有一定的改善。全球氣候模式是研究氣候變化機理和預測未來氣候變化的重要工具，2013-2014年完成的第五次評估報告(CMIP5)確定使用一套不同于SRES(Special Report on Emissions Scenarios)情景的基準排放情景，即以穩定濃度為特征的新情景“典型濃度路徑RCPs”(Representative Concentration Pathways)[12, 13]使得全球氣候模式模擬效果越來越好，因此，有必要利用全球氣候模式加強流域或區域氣候干旱演變特征研究。

本研究基于淮河中上游流域的歷史觀測及優選的3種CMIP5氣候模式(HadGEM2-ES、CNRM-CM5、MIROC5)模擬的未來降水及氣溫數據，構建濕潤指數并進行標準化，對比歷史觀測與未來模擬的干旱趨勢和干旱頻率，并利用游程理論分析流域極端干旱程度、干旱月數、平均干旱程度、最大干旱烈度等干旱特征。研究結果對于氣候變化下的水資源戰略規劃、糧食生產安全、水旱災害防治管理等具有重要參考意義。

1 研究區與數據

1.1 研究區概況

淮河中上游流域面積約16 萬km2，占淮河流域總面積(約27 萬km2)的59.3%。流域地處中國南北氣候過渡帶，屬暖溫帶半濕潤季風氣候區，年均氣溫為 11～16 ℃，多年平均年降水約為891 mm，大部分集中在汛期。淮河流域降水量空間分布差異很大，不同時間內降水變幅也較大，旱澇災害的發生多基于降水時空差異。因此特殊的地理位置和氣候水熱條件使得該流域的干旱存在顯著的特點。流域位置及地面氣象站點分布如圖1所示。

圖1 淮河中上游流域和地面氣象站點Fig.1 Location of the upper and middle regions of the Huai River Basin and the meteorological stations

1.2 數 據

地面觀測站點數據來源于中國氣象數據網(http:∥data.cma.cn/)，包含19個站點1960-2015年的月降水和氣溫數據，數據集中的缺測和部分異常值已按照數據集說明文檔進行了質量控制和缺測值插補。CMIP5模式數據來源于http:∥pcmdi3.llnl.gov/es-gect/home.htm， 本文基于R語言進行數據截取。本文主要基于RCP4.5(中等濃度)和RCP8.5(高等濃度)排放情景下，為了提高數據的可靠性，首先根據諸多學者的研究選擇了在中國適用性較優的3種CMIP5模式：HadGEM2-ES(Had)、CNRM-CM5(CNR)和MIROC5(MIR)，再利用皮爾遜相關系數和均值相關系數對3種模式的歷史模擬數據與國家氣象網站上歷史觀測數據進行精度檢驗，模式基本信息和精度檢驗結果見表1。

2 研究方法

2.1 濕潤指數

濕潤指數考慮了影響地表干濕狀況變化的兩個主要影響因子，降水和地表蒸發潛力(潛在蒸發)，降水增多有利于地表變濕，而地表蒸發潛力增大可使地表變干。近年來濕潤指數對北方地區干旱、極端干旱和干濕變化趨勢的研究顯示出獨特的價值[8]，因此本文采用濕潤指數HI作為氣候干濕狀況的評價指標。其計算方法為降水量與潛在蒸發量之比：

表1 3種CMIP5模式基本信息和精度評估Tab.1 Basic information and accuracy assessment of three CMIP5 models

(1)

式中：HI為月濕潤指數；P為月降水量；ET0為月潛在蒸發量，基于Thornthwaite模型計算得出。

其中利用Thornthwaite模型計算的潛在蒸發量偏小，尤其當溫度低于0 ℃時潛在蒸發量為0，考慮到潛在蒸發量不可能為0，為減小誤差對分析結果的影響，本文對潛在蒸發量為0的值統一調整為0.1，基于此進行濕潤指數的計算。

將HI的標準化變量≤-0.5定義為極端干旱[11, 14]。月濕潤指數標準化變量的計算公式為：

(2)

式中：DHij為第j年第i月濕潤指數的標準化變量；Hij為j年第i月濕潤指數；Hi月多年平均值；σi為i月濕潤指數的標準差。

2.2 游程理論

游程理論可以較好地表征干旱特征。一般而言，在一個有限取值序列中， 滿足一定條件的同一符號的一個連串稱之為一個“游程”，一個游程中同一符號出現的次數稱之為游程的長度[15]。為了研究流域未來干旱特征變化，本文選擇干旱程度S、干旱月數D[16, 17]、平均干旱程度Save、最大干旱烈度I進行序列統計分析。干旱程度S表示極端干旱發生的嚴重程度，干旱月數D表示發生的月份之和，用來分析干旱持續時間。平均干旱程度Save是用干旱程度除以干旱月數，最大干旱烈度I是指干旱程度最大值，用來評價未來極端干旱最嚴重的情況。

2.3 Mann-Kendall趨勢檢驗

Mann-Kendall是世界氣象組織推薦并已廣泛使用的一種非參數檢驗方法，既可以檢驗時間序列變化趨勢的顯著性也可以進行突變檢驗[18]，優點是不需要樣本遵從一定的分布，也不受少數異常值的干擾[19]。此檢驗的基礎統計量U，給定顯著性水平α，可在標準正態分布表中查出臨界值Uα/2，常取α=0.05或0.01。當α=0.05時Uα/2=1.96，當α=0.01時Uα/2=2.58。若|U|>Uα/2，則存在顯著變化趨勢，U為負值時為下降趨勢，U為正值時為上升趨勢。若|U|

3 結果與分析

3.1 年和四季尺度下降水及氣溫對比分析

歷史觀測和未來模擬的年和四季降水及氣溫均值見表2。未來年尺度下降水量普遍增加，其中8.5排放情景的降水量比4.5排放情景增加得多。年尺度下CNR模式模擬的未來氣溫較歷史接近，其余模式均顯示未來氣溫上升。四季尺度下未來降水量總體上較歷史情況增加(除了CNR45、CNR85及 Had45的夏秋季)，氣溫方面未來總體模擬情況高于歷史情況，這可能是考慮到未來溫室氣體排放量的增多。由于模式模擬是排放情景設置的不同，8.5排放情景下的溫度總體高于4.5排放情景(僅Had模式在春夏兩季8.5溫度低于4.5)。

表2 歷史觀測和未來模擬的年和四季降水及氣溫均值Tab.2 Annual and seasonal precipitation and temperature of historical observations and future simulation

3.2 年和四季尺度下干旱趨勢對比分析

歷史觀測及未來模擬年和四季濕潤指數趨勢見表3。4.5排放情景下CNR模式在年、四季時間尺度下M-K趨勢值均為負，說明該模式在年和四季尺度下未來有干旱化趨勢，但均未通過顯著性檢驗。Had模式表明未來除了未來春季有濕潤化趨勢，在年和夏、秋、冬均呈現干旱化趨勢且在秋季和冬季分別通過了α=0.05和α=0.01顯著性水平。MIR模式顯示未來除了秋季呈現濕潤化趨勢，其他時間尺度均有干旱化趨勢，冬季干旱化趨勢通過α=0.05顯著性水平。

8.5排放情景下CNR模式顯示未來在年、夏季尺度下有濕潤化趨勢，且夏季濕潤化趨勢通過α=0.05顯著性水平；干旱化趨勢集中在春、秋、冬三季，其中冬季干旱化趨勢通過了α=0.01顯著性水平。Had模式顯示未來均呈現干旱化趨勢，其中年、冬、秋時間尺度下通過了α=0.01顯著性水平，春季通過了α=0.05顯著性水平，夏季未通過顯著性檢驗。MIR模式顯示未來除了秋季呈現濕潤化趨勢，其他時間尺度均有干旱化趨勢，春冬季干旱化趨勢通過α=0.01顯著性水平，年尺度下干旱化趨勢通過α=0.05顯著性水平，夏季未通過顯著性檢驗。

表3 歷史觀測及未來模擬年和四季濕潤指數趨勢值ZTab.3 Trend value of humid index in history and future of annual and four seasons

注： *表示|Z|>1.96通過α=0.05顯著性水平，**表示|Z|>2.58通過α=0.01顯著性水平。

綜上所述，CMIP5三個氣候模式CNR、Had 和MIR在RCP4.5和8.5排放情景下未來干旱的發展趨勢，干旱指數HI未來總體呈現下降趨勢，反映出未來氣候狀態呈現干旱化趨勢。鑒于RCP 4.5和RCP 8.5排放情景下氣溫升溫的顯著性趨勢大于降水，在未來干旱預測評估中，要考慮氣溫升高導致的蒸散發量的變化，在干旱分析中不能忽視潛在蒸散發的影響。

3.3 干旱頻率對比分析

3.3.1 年代際干旱頻率對比分析

1960年代的干旱頻率在基準期內最大(41.53%)，1970年代、1980年代、1990年代干旱頻率逐步上升，到21世紀初，干旱頻率達到最小(25.83%)，見表4。

表4 歷史觀測值的年代際干旱頻率 %

4.5排放情景下CNRM-CM5模式顯示在2070-2090年代干旱頻率相對較高，Had模式顯示2040-2060年代以及2080-2090年代干旱頻率相對較高，MIR模式顯示2050-2070年代及2090年代干旱頻率相對較高。3種模式4.5排放情景下的年代際干旱頻率總體情況從高到低依次為MIR、Had、CNR，且均低于年代際歷史干旱頻率總體情況(33.31%)，見表5。

表5 3種模式在兩種情景下年代際的干旱頻率 %

8.5排放情景下CNR、Had和MIR 3種模式均顯示在2060-2090年代干旱頻率相對較高。3種模式8.5排放情境下的年代際干旱頻率總體情況從高到低依次為CNR、MIR、Had-ES，除了Had年代際干旱頻率總體情況低于年代際歷史總體情況外，其他兩種模式相對年代際歷史干旱頻率總體情況較高。

CNR在8.5排放情境下的年代際干旱頻率除了2020年代和2070年代，其他年代普遍比4.5排放情景的干旱頻率高。Had在8.5排放情景下除了2040年代、2070年代和2090年代比4.5排放情景下的干旱頻率高，其他年代干旱頻次較4.5排放情景低。MIR在8.5排放情境下除了2050年代和2070年代的干旱頻率低于4.5排放情景，其余年代干旱頻率較4.5排放情景高。干旱頻率總體情況方面3種模式在8.5排放情境下均高于4.5排放情景，這可能是由于8.5排放情景下比4.5排放情景下溫室氣體的多，導致未來氣候持續變暖，蒸發量增多從而引起水熱不平衡。

3.3.2 年和四季干旱頻率對比分析

歷史觀測數據顯示四季尺度下冬季干旱頻率最高(36.36%)，夏秋兩季干旱頻率均為35.71%，春季干旱頻率最低(33.93%)。在年時間尺度下干旱頻率較四季干旱頻率低(32.14%)，見表6。

4.5排放情境下年尺度中干旱頻率高由高到低為CNR、MIR、Had，均高于歷史的干旱頻率(32.14%)。春季CNR和MIR兩種模式的干旱頻率一致，均高于Had，但3種模式的干旱頻率均低于春季歷史干旱頻率(33.93%)。夏季MIR和Had兩種模式的干旱頻率一致，低于夏季歷史干旱頻率，而CNR干旱頻率高于夏季歷史干旱頻率(35.71%)。秋季Had模式的干旱頻率遠遠高于CNR和MIR，且僅該模式的干旱頻率高于秋季歷史干旱頻率(35.71%)。冬季CNR模式干旱頻率最低，而Had干旱頻率最高，3種模式的干旱頻率均低于冬季歷史干旱頻率(36.36%)。

表6 歷史觀測及未來模擬的年和四季尺度下的干旱頻率 %

8.5排放情境下年尺度中MIR與Had的干旱頻率一致，均高于CNR，3種模式年尺度下的干旱頻率均高于年尺度下歷史的干旱頻率(32.14%)。春季干旱頻率Had >CNR >MIR，其中僅Had的干旱頻率高于歷史干旱頻率(33.93%)。夏季干旱頻率MIR>CNR >Had，僅MIR的干旱頻率高于歷史干旱頻率(35.71%)。秋季CNR的干旱頻率遠遠高于Had和MIR，且僅有該模式的干旱頻率高于歷史干旱頻率(35.71%)。冬季CNR和MIR的干旱頻率一致，而Had干旱頻率最高且高于歷史干旱頻率(36.36%)。

CNR在8.5排放情景下的干旱頻率除了秋冬兩季較4.5排放情景高，春季兩種排放情景下的干旱頻率相等，其余略低于4.5排放情景。Had在8.5排放情景下年、春、冬時間尺度內的干旱頻率高于4.5排放情景，MIR在8.5排放情景下除了春冬兩季的干旱頻率低于4.5排放情景，其余時間尺度下的干旱頻率較4.5排放情景高。

3.3.3 逐月干旱頻率對比分析

1月、4月、10月、12月3種模式在8.5排放情境下的干旱頻率均高于歷史和4.5排放情景，2月份3種模式兩種排放情景所顯示的干旱頻率差距較大，只有8.5排放情景下Had模式的干旱頻率比歷史干旱頻率高， 3月在8.5排放情境下Had模式顯示未來干旱頻率為0這可能是由于模式本身存在的如分辨率以及模式模擬參數設置、環境參數設置等因素存在差異所導致。7月MIR在8.5排放情景下的干旱頻率較歷史和其他模式高。5、6、8、9、11月份雖然歷史及未來情景下略有起伏，但起伏基本不大，其干旱頻率基本為穩定在30～35左右。總體上未來1-4月干旱頻率較高，5-12月干旱頻率相對歷史較接近且趨于平穩，見圖2。

3.4 極端干旱特征分析

3.4.1 歷史觀測及未來模擬極端干旱特征年均值對比分析

8.5排放情境下未來3種模式的干旱程度均比歷史干旱程度高，但4.5排放情境下僅MIR高于歷史干旱程度，其余兩種模式顯示未來干旱程度低于歷史實測情況。未來兩種排放情景下的干旱月數均高于歷史實測情況，其中8.5排放情景下的干旱月數明顯高于4.5排放情景下的干旱月數。8.5排放情景下的平均干旱程度、最大干旱烈度均普遍高于4.5排放情景，但兩種排放情景下的平均干旱程度、最大干旱烈度均低于歷史實測情況，見圖3。

圖2 歷史觀測及未來模擬的逐月干旱頻率Fig.2 Monthly drought frequency of historical observation and future simulation

圖3 歷史觀測及未來模擬的極端干旱特征均值Fig.3 Average drought characteristic values of historical observation and future simulation

3.4.2 未來極端干旱氣候狀態特征值線性分析

如圖4所示，干旱程度特征值顯示4.5排放情境下MIR在2040、2053-2060、2092-2095年的干旱程度較其他兩種模式嚴重，CNR除了在2033、2075-2080年總體干旱程度比其他兩種模式偏小，2098年干旱程度呈上升但Had、MI干旱程度呈遞減。8.5排放情境下3種模式起伏較為一致，僅Had模式在2072-2080年干旱程度較其他兩種模式突出。3種模式均表現出未來淮河流域干旱程度逐步上升。

干旱月數特征值顯示4.5排放情景下3種模式的干旱月數較多集中在2050-2065年，甚至出現全年干旱的現象。8.5排放情景下3種模式的干旱月數較多集中在2080-2099年，干旱月數隨時間有緩慢上升趨勢，且三種模式干旱月數的變化趨勢基本一致。

平均干旱程度特征值顯示無論何種排放情景，3種模式的平均干旱程度均在1.0上下波動。隨時間變化平均干旱程度比較平緩。

最大干旱烈度特征值顯示3種模式的最大干旱烈度在4.5排放情景下較8.5排放情景下的起伏大，但兩種排放情景的最大干旱烈度均有上升趨勢。

圖4 未來模擬的極端干旱特征值線性趨勢圖Fig.4 Future simulation of drought characteristic value trend chart

4 結 論

(1)干旱趨勢方面，年12月尺度HI總體表現為干旱化趨勢，僅CNR85略微上升但不顯著，Had85、MIR85干旱化趨勢明顯。四季尺度HI除CNR85夏季呈顯著濕潤化趨勢外，總體表現為干旱化趨勢，較多模式季節干旱化趨勢顯著。RCP8.5干旱化趨勢總體較RCP4.5顯著。

(2)淮河中上游流域在20世紀末干旱頻率逐漸上升，21世紀初干旱頻率下降明顯，干旱多發生于冬季，春旱相對較低。未來排放情景下淮河中上游流域干旱集中發生在21世紀中后期，干旱頻率總體情況依次為RCP4.5<歷史

(3)未來干旱特征年均值中干旱程度、干旱月數依次為RCP8.5<歷史

中、高排放情情景下流域未來的干旱化特征表現相對歷史較嚴重，但由于CMIP5多模式之間存在的參數設置、分辨率不同，以及濕潤指數的精確度取決于潛在蒸散發的計算，降水數據的缺測等因素，流域未來極端干旱特征還需要進一步驗證。鑒于RCP 4.5和RCP 8.5排放情景下氣溫升溫的顯著性趨勢大于降水，在未來干旱預測評估中，要考慮氣溫升高導致的蒸散發量的變化，在干旱分析中不能忽視潛在蒸散發的影響。

□