青藏高原21世紀氣候的降尺度預估

司雅君，李 志，金繼明

(1.西北農林科技大學資源環境學院，陜西楊凌 712100;2.西北農林科技大學水利與建筑工程學院，陜西楊凌 712100)

近百年來全球氣溫逐漸升高[1]，導致海平面上升，冰川融化，極端天氣事件頻發，洪水和山火等自然災害加劇[2]，威脅全球和區域的可持續發展[3]。而增溫在高緯度和高海拔地區尤為突出，導致南極、北極和青藏高原等受到了重要的影響[4]。青藏高原對于亞洲以及全球氣候都具有重要意義[5-6]，同時具有豐富的冰川凍土資源[7]和生物資源[8]，關系著中國和東南亞地區眾多人口[9]、野生動植物以及各類生態系統的用水安全[10]。因此，預估青藏高原的未來氣候變化，可為中國、東南亞乃至全球的氣候變化應對提供基本依據。對于未來氣候預測以及變化機理的研究多基于地球系統模式(ESM)進行。然而ESM輸出的未來預測數據的空間分辨率較低，用于青藏高原這種地勢變化劇烈、地形復雜的地區，不能準確給出區域性的氣候變化信息，限制氣候變化適應與緩解策略的制定。因此，需要進行降尺度，將大尺度低空間分辨率的數據轉化為小尺度高空間分辨率的數據[11]。降尺度方法除了可提高ESM的空間分辨率，還可以提升ESM對區域氣候變化的模擬能力[12]，因此是提升區域氣候預估的有效方法。

本研究選取三個ESM的3 h未來氣候數據集，對其進行統計降尺度，預測青藏高原不同氣候情景下、不同時空尺度下未來氣溫和降水量的變化。同時，由于高寒地區冰川和凍土受冷暖季氣候影響大，本研究將特別強調冷暖季氣候的變化特征。獲得的數據可作為強迫數據用于驅動水文模型和陸面模式等，取得的結果可指導區域氣候變化應對。

1 資料與方法

1.1 研究區域

青藏高原地處亞洲中部(圖略)，面積約占我國國土面積的1/4。被喜馬拉雅山、帕米爾高原、昆侖山等山脈和高原環繞，是世界上海拔最高、面積最大的高原，一直被稱為“世界屋脊”[13]。由于其平均海拔高度超4 000 m[14]，導致大部分區域平均氣溫低于0 ℃，被譽為地球的“第三極”[15]。青藏高原蘊含著豐富的淡水資源[16]，表面大部分被冰川凍土覆蓋，孕育了黃河、長江、瀾滄江等河流，還分布著眾多湖泊，被稱為“亞洲水塔”[17]。因此，青藏高原對全球變暖比較敏感，而其變化可能對區域和全球環境帶來重要影響，探索該區的未來氣候變化具有重要意義。

1.2 數據

研究用到兩種數據，一是作為基準的歷史數據，二是未來時段預估數據。

(1)基準期數據來自中國科學院青藏高原研究所發展的長序列(1979—2015)中國氣象強迫數據集(即CMFD數據)[18]。該數據集包含7個變量：2 m氣溫和比濕，10 m風速，以及地表大氣壓、降水、向下太陽輻射和向下的長波輻射，時間分辨率為3 h，空間分辨率為0.1°。可在中國科學院青藏高原研究所第三極數據庫下載(http://en.tpedatabase.cn/portal/)[19]。該數據是目前可用的再分析數據中在青藏高原表現最好的[20]，已被廣泛應用到中國陸面、水文和生態模擬以及氣候變化研究中[21]。本研究中將該數據作為降尺度的觀測數據。

(2)未來預估數據來自CMIP5 (coupled codel intercomparison project 5)，包含4種“典型濃度路徑”(分別為RCP2.6/4.5/6.0/8.5)以及歷史模擬[22-23]，其中歷史模擬數據時段為1979—2015年，未來預估數據RCP2.6/4.5/6.0/8.5時段為2016-2100年。每種情景包括一套溫室氣體、氣溶膠和化學活性氣體排放的質量濃度，以及土地利用/土壤覆蓋的時間路線[22]。CMIP5目前有很多地球系統模式(ESM)[22]，Hsu等[23]根據升溫強度的不同將這些ESM分為低、中、高三類升溫強度模式。本研究從這三類升溫強度模式中各選取1種具有3 h時間步長的ESM，低升溫強度模式選擇GFDL-ESM2G模型，中升溫強度模式選擇模型MIROC5，高升溫強度模式選擇IPSL-CM5R-MR模型，并選擇三種RCP(RCP2.6、CP4.5 和 RCP8.5)代表不同的排放強度，并以1979—2015為歷史數據，2021—2100為未來預測數據進行分析。表1為三種ESM的基本信息。

表1 三種地球系統模式(ESM)概況

1.3 降尺度方法

首先將三種不同空間分辨率的ESM數據集進行雙線性插值，轉換為與觀測數據相同的0.1°空間分辨率網格數據。然后使用Dettinger 等[24]提出的降尺度方法，他們認為歷史觀測數據的概率分布在一定時間內具有穩定性，歷史觀測和未來模擬的氣象數據的概率分布具有可轉化性。該轉換具體可以表現為：在觀測數據與模擬數據數量相同的情況下，兩套數據同一超越概率對應的氣象要素的值應該是相同的。利用這一關系將兩套數據分別排序后，利用統計回歸方法可以得到模擬值與觀測值之間的函數關系，從而實現兩者之間的轉化。在溫度的降尺度過程中，采用簡單的一元一次線性回歸即可達到上述目的。降水形成過程影響因素較多，觀測和模擬數據之間采取非線性回歸更為合適，本研究選用一元五次非線性回歸。具體公式為

T=aTO+b，

(1)

(2)

式中，a、a1、a2、a3、a4、a5和b為回歸系數，T指ESM在歷史時期的氣溫，TO指觀測數據的氣溫，R指ESM在歷史時期的降水量，RO指觀測數據的降水量。利用歷史時期的氣溫和降水量數據，得到回歸系數a(或者a1、a2、a3、a4和a5)和b，構建回歸方程(1)和(2)。然后利用回歸方程(1)和(2)分別對ESM模式2021—2100年的氣溫和降水量數據進行降尺度校準，得到ESM氣溫和降水量的降尺度數據。

降尺度完成后檢查生成的數據，將異常值用泊松方程進行插值填充。使用平均絕對誤差和均方根誤差來評估降尺度前后數據與觀測數據的偏差。使用Mann-Kendall (MK)法[25-26]檢驗氣候變化趨勢。

2 結果分析

2.1 降尺度效果評估

表2是使用CMFD數據集作為基準期數據，分別對三個ESM數據集1979—2015的平均氣溫和降水量進行統計降尺度后得到的降尺度數據的評價結果。與原始數據集相比，降尺度后的數據集具有更低的平均絕對誤差和均方根誤差，表明降尺度提高了ESM數據的精度。以GFDL-ESM2G為例，降尺度后，氣溫的平均絕對誤差和均方根誤差分別降低了0.06 ℃ (14%)和0.07 ℃ (36%)，降水的平均絕對誤差和均方根誤差分別降低了174 mm (95%)和172 mm (93%)。與原始數據相比，不同模型同一RCP情景的降尺度數據的平均絕對誤差和均方根誤差差異很大，而同一模型不同RCP情景的降尺度數據的平均絕對誤差和均方根誤差基本一致，表明模型之間存在較大差異，在同一模型內部的系統誤差具有一致性。

表2 1979—2015年三種模型統計降尺度前后年降水量與年平均氣溫的平均絕對誤差和均方根誤差

2.2 青藏高原未來氣候的時間變化

表3計算了2021—2100年不同ESM模型、不同RCP情景下，年平均氣溫和年降水量區域平均值的時間變化趨勢。結果表明2021—2100年青藏高原地區年降水量和年平均氣溫總體上呈顯著增加趨勢。RCP2.6情景下，年平均氣溫的變化趨勢率為-0.02～0.14 ℃/10 a，年降水量的變化趨勢率為0.30～1.02 mm/10 a。其中GFDL-ESM2G和IPSL-CM5A-MR的年降水量變化不顯著；而MIROC5的年降水量顯著增加，變化趨勢率為1.02 mm/10 a。RCP4.5情景下，氣溫變化趨勢率為0.12～0.39 ℃/10 a，降水量的變化趨勢率為1.37～2.92 mm/10 a。三種模式下氣溫和降水量均呈顯著上升趨勢。RCP8.5情景下，氣溫的變化趨勢率為0.57～1.03 ℃/10 a，降水量的變化趨勢率為4.89～7.25 mm/10 a。RCP8.5情景下三種ESM的氣溫和降水量均呈顯著上升趨勢，且變化趨勢率明顯高于RCP4.5情景。

表3 不同ESM模型不同RCP情景下青藏高原區域2021—2100年年平均氣溫和年降水量的變化趨勢率

青藏高原年平均氣溫和年降水量在歷史和未來預測時段的變化有差異(圖1)。總體上，1979—2015年歷史時段內不同模型不同RCP情景氣溫的波動形態基本相同；2021-2100年未來預測時段內不同模型不同RCP情景年平均氣溫和年降水量的差異增大。2050年前，三種氣候情景下氣溫變化趨勢相近；2050年后，不同氣候情境下氣溫差異拉大，整體上呈現漏斗式變化。年降水量在研究時段內的變化與年平均氣溫相似，但整體上變化幅度比年平均氣溫小。與歷史時期相比，2100年年平均氣溫增加了0.5～4.5倍，年降水量增加了約1/3。

圖1 不同ESM模型不同RCP情景下青藏高原區域1979—2100年年平均氣溫和年降水量的變化趨勢

具體來看，相同模型不同RCP情景年平均氣溫和年降水量增加趨勢率均表現為在RCP2.6情景下最小，RCP4.5情景下次之，RCP8.5情景下最大。不同模型同一RCP情景下，年平均氣溫和年降水量增加趨勢率有差異。年平均氣溫的變化趨勢率在RCP2.6和RCP4.5情景下表現為MIROC5模式最大，IPSL-CM5A-MR模式次之，GFDL-ESM2G模式最小；但在RCP8.5情景下則是IPSL-CM5A-MR模式最大(1.03 ℃/10 a)。年降水量的變化趨勢率，在RCP2.6和RCP4.5情景下也表現為MIROC5模式最大，IPSL-CM5A-MR模式次之, GFDL-ESM2G模式最小；但在RCP8.5情景下表現為IPSL-CM5A-MR模式最小，MIROC5模式次之，GFDL-ESM2G模式最大。

2.3 青藏高原未來氣候變化的空間格局

為分析青藏高原未來氣候變化的空間格局，計算了未來10 a、20 a、40 a和80 a青藏高原區域內各格點年平均氣溫和降水量的變化趨勢率(圖略)。結果顯示青藏高原地區年平均氣溫和降水量在未來10 a變化趨勢率最大。未來10 a三個ESM模型氣溫在RCP2.6、RCP4.5和RCP8.5情景下平均變化趨勢率范圍分別為-0.07～0.72 ℃/10 a、0.45～1.25 ℃/10 a和0.20～0.93 ℃/10 a，降水量在RCP2.6、RCP4.5和RCP8.5情景下變化趨勢率范圍分別為-11.35～10.37 mm/10 a、-4.27～8.8 mm/10 a和-4.37～25.53 mm/10 a。未來20 a三個ESM模型氣溫在RCP2.6、RCP4.5和RCP8.5情景下變化趨勢率范圍分別為0.18～0.75 ℃/10 a、0.23～0.42 ℃/10 a和0.66～0.96 ℃/10 a，降水量在RCP2.6、RCP4.5和RCP8.5情景下變化趨勢率范圍分別為-11.83～7.10 mm/10 a、3.10～3.71 mm/10 a和-1.63～13.49 mm/10 a。未來40 a三個ESM模型氣溫在RCP2.6、RCP4.5和RCP8.5情景下變化趨勢率范圍分別為0.15～0.42 ℃/10 a、0.25～0.60 ℃/10 a、0.44～0.99 ℃/10 a，降水量在RCP2.6、RCP4.5和RCP8.5情景下變化趨勢率分別為1.06～4.73 mm/10 a、1.77～3.28 mm/10 a和5.40～6.56 mm/10 a。未來80 a三個ESM模型氣溫在RCP2.6、RCP4.5和RCP8.5情景下變化趨勢率分別為0～0.13 ℃/10 a、0.05～0.38 ℃/10 a和0.57～1.02 ℃/10 a，降水量在RCP2.6、RCP4.5和RCP8.5情景下變化趨勢率分別為0.09～1.02 mm/10 a、0.36～1.47 mm/10 a和0.04～6.90 mm/10 a。

隨著統計時間的變長，變化趨勢率的量級在減小，但發生顯著變化的區域在增加。未來10 a和20 a氣溫和降水發生顯著變化的區域均小于50%，未來40 a和80 a氣溫和降水發生顯著變化的區域均大于50%。此外，未來80 a平均氣溫的變化總體上呈西部和東南部增溫率較大，中部增溫率較小的趨勢。GFDL-ESM2G模式RCP2.6情景下氣溫變化最小，高原整個區域都呈不顯著變化，變化趨勢率約為0.08 ℃/10 a。IPSL-CM5A-MR模式在RCP8.5情景下，約超過95%的顯著升溫區域變化趨勢率超過0.8 ℃/10 a。年降水量變化的空間格局復雜。RCP2.6情景下，未來80 a青藏高原約1/3～1/2的面積年降水量變化趨勢率為-6～0 mm/10 a，而RCP4.5情景下年降水量呈減少趨勢的區域縮小，呈增加趨勢的區域擴大且變化趨勢率增大。RCP8.5情景下，三個模型都表現出年降水量北部呈減少趨勢，南部呈增加趨勢，其中IPSL-CM5A-MR模式在高原東南角表現出年降水量顯著減少趨勢。三個ESM模型的氣溫和降水數據在未來10 a變化最顯著，在未來80 a發生顯著變化的區域最大。

2.4 青藏高原未來氣候的冷、暖季變化

青藏高原地區常年低溫，全年冷季(當年10月到次年4月)較長，暖季(5—9月)很短。圖2為2021—2100年不同ESM模型不同RCP情景下冷暖季平均氣溫和降水量的變化趨勢率。冷暖季平均氣溫的變化趨勢率，在RCP2.6情景下基本一致，為-0.03～0.05 ℃/10 a，在RCP4.5情景下分別為0.11～0.42 ℃/10 a和0.14～0.39 ℃/10 a，在RCP8.5情景下分別為0.32～1.00 ℃/10 a和0.54～1.05 ℃/10 a。隨著模擬排放強度的增加，冷暖季平均氣溫的變化趨勢差異加大，RCP4.5和RCP8.5情景下，GFDL-ESM2G和IPSL-CM5A-MR模式暖季的變化趨勢率大于冷季，而MIROC5模式卻表現相反，為冷季大于暖季。

圖2 不同ESM模型不同RCP情景下青藏高原區域2021—2100年冷暖季平均氣溫和降水量變化趨勢率

降水量的變化趨勢率暖季遠大于冷季。冷暖季降水量變化趨勢率，在RCP2.6情景下分別為-0.12～0.04 、0.35～0.81 mm/10 a，在RCP4.5情景下分別為-0.17～1.01、1.19～3.00 mm/10 a，在RCP8.5情景下分別為-0.66～1.44、4.00～5.79 mm/10 a。其中IPSL-CM5A-MR模式在三個氣候情景下冷季降水量均表現為減少趨勢，RCP8.5情景冷季降水量以-0.66 mm/10 a的趨勢率顯著減少。冷季降水量減少是青藏高原北部和東南邊界降水量減少的原因，而非暖季(暖季降水量變化趨勢率為5.48 mm/10 a)。

3 討論

3.1 氣候預測的不確定性

氣候預測具有不確定性，可能來自氣候模式、排放情景和降尺度方法等因素。本研究中選擇的三個ESM代表了不同的升溫強度，選擇了三種RCP代表不同的排放強度。這些模式和情景下平均氣溫和降水量的變化趨勢確實存在差異。平均氣溫不同模式具有不同增溫強度，在青藏高原地區表現為MIROC5模式最大，IPSL-CM5A-MR模式次之，GFDL-ESM2G模式最小，平均氣溫的變化趨勢率隨模擬排放強度的增加而增加。MIROC5模式平均氣溫變化趨勢率在RCP2.6情景下冷季小于暖季，在RCP4.5和RCP8.5情景下冷季略大于暖季。降水量的變化趨勢更為復雜，其中高增溫強度模式(IPSL-CM5A-MR)年降水量的變化趨勢率，隨排放強度增加先增加再減少，且區域差異加大，北部與東南部出現大面積年降水量減少區域。可見ESM由于邊界條件和模型結構等差異導致氣候模擬存在不確定性。由于數據可得性的問題，本文雖然只選擇了三個ESM，但由于他們具有不同的升溫強度，在一定程度上包含了模式的不確定性。不過仍需在后續獲得更多數據后，使用更多的ESM，從而包含各種不確定性。同時本研究使用降尺度方法進行偏差校正，在一定程度上降低了模型和排放情景的不確定性。

3.2 對環境管理的啟示

針對預測的未來氣溫和降水變化，環境管理需要采取一定的應對措施。年平均氣溫增幅較明顯的中西部是凍土層分布區域[27-28]。暖季氣溫升高，加速冰川凍土融化，吸收熱量氣溫降低；冷季氣溫升高，凍結過程減弱，則會減少向空氣中釋放的熱量。這兩個過程會在一定程度上平衡氣溫升高造成的影響，但會對青藏高原冰川凍土資源造成很大威脅，加大冰川凍土資源的流失，加速深凍古碳排放[29]，打破當地的生態平衡，影響生物群落分布[28]。而降水量增加，未來會造成長江、黃河及瀾滄江等亞洲河流流量增加，熱喀斯特湖數量和面積增加。將會對當地及東亞、南亞的水文循環產生重大影響。因此，此背景下，應繼續探討中國和東南亞地區的環境變化與應對策略。

4 結論

本文對GFDL-ESM2G、IPSL-CM5A-MR和MIROC5三個ESM數據集進行統計降尺度處理預測青藏高原未來氣候變化，得出以下主要結論。

(1)時間變化上，2021—2100年青藏高原年平均氣溫和年降水量變化趨勢率隨模擬排放強度增加而增大，但同一RCP情景下不同模型年平均氣溫和年降水量的變化趨勢有差異。在RCP2.6和RCP4.5情景下年平均氣溫和年降水量表現為MIROC5模式最大，IPSL-CM5A-MR模式次之，GFDL-ESM2G模式最小。在RCP8.5情景下年平均氣溫的變化趨勢率表現為IPSL-CM5A-MR模式最大，MIROC5模式次之，GFDL-ESM2G模式最小；年降水量的變化趨勢率表現為IPSL-CM5A-MR模式最大，MIROC5模式次之，GFDL-ESM2G模式最小。

(2)空間變化上，青藏高原年平均氣溫和降水量在未來10 a變化趨勢率最大，到2100年發生顯著變化的區域將增加。年平均氣溫的變化趨勢率在西部和東南部大而中部小，年降水量則有增有減。總體上變化趨勢率的變化范圍隨模擬排放強度的增加而加大。

(3)隨著模擬排放強度的增加，青藏高原冷暖季平均氣溫和降水量的變化趨勢差異加大。

(4)氣候變化可能對青藏高原這種高寒地區的生態環境帶來重大的影響，需要提前探討應對策略。