氣候模式與水文模擬關鍵技術研究進展及展望

張琴 張利平, 鄧瑤 王書霞 肖宜,

（1 武漢大學水資源與水電工程科學國家重點實驗室，武漢 430072；2 中國電建集團昆明勘測設計研究院有限公司， 昆明 650041；3 海綿城市建設水系統科學湖北省重點實驗室，武漢 430072）

0 引言

政府間氣候變化專門委員會（IPCC）第五次綜合報告指出，隨著經濟和人口的快速增長，人為溫室氣體的排放量達到了前所未有的水平。溫室氣體濃度的增加打破了大氣輻射平衡，從而導致全球氣溫上升。多套獨立數據集的計算結果表明，1880—2012年，全球平均溫度升高了0.85 ℃。全球增溫將加速水文循環，致使降水、蒸散發、徑流等水文氣候變量的時空特征發生變化，同時經濟和人口的增長增加了工農業與生活需水量，進一步突顯了水資源的供需矛盾。水不管是對于自然環境還是對于人類社會都有著重大的意義，因此有必要深入探索全球氣候變化是如何影響區域水循環以及水文水資源的相關問題。

氣候模式與水文模型是研究未來變化環境下區域陸面水文情勢必不可少的兩個工具。全球氣候模式（GCMs）是模擬歷史氣候狀態并預估未來氣候變化的唯一工具，它可以很好模擬并預估空間尺度為100～500 km、時間尺度為季節－年的氣候狀態，但是不能很好地表現更精細時空尺度的氣候特征和動態。為了獲取流域尺度的水文變量信息，需要使用水文模擬技術，即使用氣候模式輸出的相關氣象變量來驅動水文模型，得到更精細時空尺度的蒸散發、徑流、土壤含水量等陸面變量。由于GCMs與水文模型存在多個層次的尺度不匹配問題，要實現水文模型與GCMs的連接，需要使用降尺度方法將GCMs輸出的大尺度氣象信息降解到區域尺度，從而與水文模型的尺度相匹配。

近幾十年來國內外的研究者就全球氣候變化與水文模擬相關的科學問題進行了大量的研究，包括歷史氣候變化的檢測與歸因、氣候模式機理過程的完善及時空分辨率的提高、未來氣候情景的設計、降尺度方法、大尺度基于過程的水文模型的開發、氣候變化影響評估等研究。本文將結合上述研究問題，詳細梳理氣候變化與水文模擬相關的研究進展，并提出目前研究存在的問題與展望。

1 觀測到的氣候變化

IPCC第五次評估報告指出，全球氣候系統的增暖已經成為不爭的事實。自20世紀50年代以來，觀測到氣候系統的許多變化在幾十年乃至上千年時間里都是前所未有的。大氣和海洋已經變暖，海平面已上升，積雪和冰量已減少。這里選取全球氣候系統中最重要的兩個變量：地表氣溫和降水，來呈現歷史時期觀測到的氣候變化。

對于全球氣溫的變化，如圖1a所示，全球表面溫度從1850—2012年有顯著的上升趨勢，尤其是1970年至今氣溫攀升尤其明顯，近30年的地表溫度依次升高，比1850年以來的任何一個十年都偏暖。全球海陸綜合表面平均氣溫在1880—2012年升高了0.85 ℃。對于實測數據相對完整的時期1901—2012年，全球幾乎所有地區都經歷了地表增溫（圖1b）。

圖1 觀測到的全球氣候系統中降水和氣溫的變化 （a）觀測到的全球陸地和海表1850—2012年相對于1986—2005年均值的綜合平均溫度距平；（b）觀測到的1901—2012年的地表溫度變化空間分布；（c）四個緯度帶和全球陸面年平均降水距平；（d）觀測到的1951—2010年相對于1981—2000年均值的降水變化空間分布[1-2] Fig. 1 Observed surface temperature and precipitation of a changing global climate system (a) Observed globally averaged combined land and ocean surface temperature anomalies relative to the mean of 1986 to 2005 period; (b) Spatial distribution of the observed surface temperature change from 1901 to 2012; (c) Annual precipitation anomalies averaged over land areas for four latitudinal bands and the globe relative to a 1981–2000 climatology; (d) Spatial distribution of observed precipitation change from 1951 to 2012

相比于氣溫的變化，降水的變化則復雜得多。重建的全球陸面完整降水序列表明，1900年以來陸面降水沒有顯著的變化。如圖1c所示，除了北緯中高緯度帶年降水有顯著性的增加趨勢外，全球或者其他區域并沒有顯著性的變化。圖4d呈現了1950年以來降水的趨勢變化空間分布，從圖中可以看出相比氣溫，降水變化的空間差異性較大。降水顯著性增加的區域有歐洲東北部、俄羅斯的西部地區、美國東部、南美洲的東南部、澳大利亞的西北部、中國新疆部分地區等；降水顯著減少的區域有中國華北與東北地區、西非部分地區、環地中海部分地區等。

2 氣候模式研究

歷史時期觀測到的氣候變化已經成為了既定的事實，研究者與政策制定者更加關心未來時期氣候將會怎么變，以及氣候變化對自然系統和社會系統將會帶來哪些影響，而氣候模式正是當前預估未來氣候變化的重要工具。國內外相關機構與研究學者對氣候模式做了大量的科學研究，取得了很大的進展，以下從模式的研究進程、氣候變化情景的生成技術以及模式的評估與未來的預估進行概述。

2.1 模式評估研究進展

為了評估全球不同國家和研究團隊開發的氣候模式的模擬性能，世界氣候變化研究計劃制定了一系列的全球大氣和耦合模式比較計劃。1989年世界氣候研究組織（WCRP）發起了大氣模式比較計劃（AMIP），對大氣環流模式進行系統的檢驗、診斷和對比，從而評估大氣模式的性能并識別其誤差。而AMIP試驗本身的設計相對簡單，重點放在大氣模式，而很少考慮氣候系統中海-陸-氣-冰反饋的復雜性，使模式不能用于氣候變化的預測和預估。鑒于此，1995年WCRP的耦合模擬工作組（WGCM）發起并組織了一輪新的模式比較計劃，即國際耦合模式比較計劃（CMIP）。

CMIP計劃的建立，是氣候模式研究的里程碑。隨著全球海-陸-氣-冰耦合模式的快速發展，CMIP逐漸成為推動模式發展和增進對地球氣候系統的科學理解的龐大計劃。CMIP統一了各個氣候模式的試驗標準、制定了共享數據格式并開創了數據共享平臺。到目前為止WGCM先后組織了5次模式比較計劃，分別為CMIP1、CMIP2、CMIP3、CMIP5、CMIP6（沒有嚴格意義上的CMIP4）。CMIP計劃中的氣候模擬與預估數據，將支撐未來5～10年全球氣候研究，這些成果將為IPCC評估報告的撰寫提供支撐材料，同時將構成未來氣候評估和氣候談判的基礎。

目前，CMIP6正在進行中，它是CMIP實施20多年來參與的模式數量最多、設計的科學試驗最完善、提供的模擬數據最龐大的一次。CMIP6的設計旨在解決目前的三大科學問題：1）地球系統如何響應外在強迫；2）當前氣候模式存在系統偏差的原因及其影響；3）在考慮內部氣候變率、可預報性和情景的不確定性的影響下，如何評估未來的氣候變化。相比于以前的模式比較計劃，CMIP6具有如下特點：1）考慮的物理過程更加復雜；2）大氣和海洋模塊的分辨率得到了明顯提高；3）未來的情景設置考慮了人口、經濟和城市化等因素，應用了新的組合情景設置（即SSP-RCP組合情景）；4）參與的模式多，針對具體的全球性熱點科學問題，批準了23個模式比較子計劃（CMI6-endorsed MIPs）。由于驅動歷史氣候模擬的強迫場提供的時間滯后加上新冠疫情的影響，目前CMIP6的實際進展落后于原計劃1.5～2年。CMIP6所有數據都通過地球系統網格聯盟（ESGF）全球共享（https://esgf-node.llnl.gov/projects/cmip6/），截止2020年11月，幾乎所有模式公布了核心試驗的數據，30多個模式根據自己的模式特點公布了自己參與的MIPs的數據。

2.2 氣候變化情景的構建

由于氣候系統本身的復雜性與不確定性，通過目前的氣候模式或者地球系統模式難以準確預測未來的氣候變化，而準確預估氣候變化對自然和人類系統的影響是選擇適應和減緩氣候變化策略的基礎，所以在評估氣候變化的影響、脆弱性和適應性時，需要構建未來的氣候變化情景。氣候變化情景是在一系列的科學假設基礎上對未來的氣候狀況的時空分布形式進行的合理描述。隨著GCMs的快速發展，目前國內外構建氣候變化情景絕大部分都是基于GCMs輸出進行的。

基于GCMs輸出的氣候變化情景構建方法是根據當前的自然和人類系統的狀態，設置未來的排放路徑和社會發展路徑，建立對應的情景，以此作為氣候模式的初始邊界條件，驅動氣候模式得到不同情景下未來的氣候狀況。由于氣候模式近幾十年的快速發展，且具有很強的物理機制，這個方法得到了廣泛的應用?；贕CMs的情景設計主要經歷了增量情景、CO倍增情景和漸進遞增情景。根據IPCC前五次評估報告建立并應用的情景和正在撰寫的第六次評估報告，情景的發展歷程可以分為三個階段：1）排放情景，包含第一次評估報告使用的SA90情景、第二次評估報告使用的IS92情景和第三、四次評估報告使用的SRES情景；2）典型濃度路徑（RCPs），第五次評估報告使用該情景；3）共享社會經濟路徑（SSPs），IPCC第六次評估報告計劃使用的情景，并與RCPs情景進行了組合。

2005年IPCC提出了RCPs的概念，對應的CMIP5計劃中所使用的也是RCPs情景，而相對簡單的SA90、IS92、SRES情景被逐漸淘汰。近十幾年的未來氣候變化及其影響的相關研究，基本都是基于RCPs情景進行的。使用較多的四種情景是RCP2.6、RCP4.5、RCP6.0、RCP8.5，數值表示到2100年對應的輻射強迫濃度，例如RCP4.5表示到2100年輻射強迫穩定在4.5 W/m。其中RCP2.6代表低排放情景，RCP4.5與RCP6.0表示中等排放情景，RCP8.5為高排放情景。

為了進一步反應未來情景中輻射強迫和社會經濟發展間的關聯，2012年在阿根廷召開的IPCC第五次評估報告的第二工作組的專題會議上，確定了SSPs的框架和五個基礎型SSP的主要特征。其中SSP1表示可持續發展路徑，SSP2是中間路徑，SSP3是區域競爭路徑，SSP4是不均衡發展路徑，SSP5是一個以傳統化石燃料為主的發展路徑。隨后CMIP6應用了SSPs情景，并組建了對應的情景模式比較子計劃（ScenarioMIP）（圖2）。該計劃設立的主要目的是：1）便于不同領域的綜合研究，更好理解不同情景對氣候系統的影響以及氣候變化對社會的影響；2）為CMIP6的其他計劃的特定科學問題提供數據基礎；3）基于多模式集合研究量化預估的不確定性。

圖2 CMIP6中ScenarioMIP計劃對應的SSP-RCP情景矩陣（深藍色的元素表示用于未來氣候預估的基本情景，即一級試驗；淺藍色的元素是二級試驗[12]） Fig. 2 SSP-RCP scenario matrix illustrating ScenarioMIP simulations. Dark blue cells indicate scenarios that will serve as the basis for climate model projections in Tier 1 of ScenarioMIP; light blue cells indicate scenarios in Tier 2

ScenarioMIP的氣候預估情景采取不同SSP與輻射強迫的組合形式，即SSP與RCP的組合，對應的試驗設計框架如圖2。ScenarioMIP共包含8組未來的情景試驗，按照相對優先級可分為一級試驗和二級試驗，其中一級試驗為核心試驗包含的情景有：SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5，這四組試驗是進行未來氣候變化預估的基礎試驗。

2.3 氣候模式評估與未來預估

評估各個氣候模式的性能是一個基本的科學問題，也是CMIP計劃設立的初衷，同時也是進行未來氣候預估的前提和基礎。對于區域或流域尺度而言，對GCMs進行性能評估，可以有針對性地選擇模擬性能好的模式來進行未來的氣候預估及氣候變化影響研究。

氣候模式最直接的評估方法是將歷史模擬數據與同期的實測數據進行定量比較，該法可以用來評估氣候模態的變化和對極端事件的模擬能力。對模式模擬的結果進行評估主要側重三個方面：氣候平均態、變率和趨勢。一般使用統計評估指標來衡量模擬與實測數據之間的吻合或偏差水平，例如相對誤差、均方根誤差和相關系數等，也有一些把各個指標綜合在一起與實測數據進行比較的方法，如廣泛應用的Taylor圖。其他的氣候模式評估方法還有過程分離法、設備模擬器法、資料同化和初值技術法等。

對于未來氣候預估，為了減少預估的不確定性，一般采用多模式集合的方法進行。由于目前CMIP6模式的數據并沒有全部上傳，針對最新SSPs情景的預估研究較少，IPCC第六次評估報告也沒有發布，所以關于未來氣候變化的相關結論，這里主要引用IPCC第五次評估報告的結果，以氣溫和降水為例。

CMIP5中所有的情景均預估地表溫度在21世紀呈上升趨勢。很可能的是，熱浪發生的頻率更高，持續時間長，很多地區的極端降水強度和頻次將會增加。RCP4.5、RCP6.0和RCP8.5情景均預估，相對于1850—1900年，21世紀末期（2081—2100年）全球地表溫度變化可能超過1.5 ℃。同時北極地區的變暖速率高于全球平均。而在全球增暖的環境中未來降水的變化是不一致的，表現出很強的空間差異性。其中，中緯度陸地和濕潤的熱帶地區的極端降水可能頻率增高、強度加大；全球范圍內受季風影響的地區將增加，季風降水可能增強。

3 降尺度方法

進行氣候變化的影響研究，特別是對水文循環的影響，需要應用氣候模式的輸出來驅動水文模型從而得到更加精確的陸面變量。目前，GCMs的模擬能力與水文模型的需求主要存在三個方面的不匹配問題：1）GCMs輸出與水文模型要求的輸入時空尺度不匹配；2）受下墊面因素的影響，越接近地表，對應變量的空間異質性越高，而地表變量是直接參與水量平衡計算的，這與水文模型的需求不匹配；3）水文模擬中輸入變量的重要性與GCMs輸出變量的精度不匹配。GCMs能夠很好地模擬風場、溫度場和氣壓場等氣象變量，對降水和云層的模擬效果一般，而對那些在水文過程中最重要的變量，如徑流深、土壤濕度和蒸散發，GCMs的表現并不好。

針對GCMs與水文模型之間尺度的不匹配問題，需要采取一定的方法技術將大范圍粗糙分辨率的氣候變量轉化到區域或站點上，同時對GCMs進行偏差校正，降尺度方法得以開發，一般的降尺度可分為動力降尺度與統計降尺度。

3.1 動力降尺度

動力降尺度一般使用區域氣候模式（RCMs）進行。它的基本思路是將GCMs的輸出或再分析資料作為初始場和邊界條件，來驅動區域模式，進行選定區域的氣候模擬，從而得到大尺度背景下區域更準確、詳細的氣候特征。動力降尺度有明確的物理意義，可以描述更小尺度的天氣系統和下墊面情況，且氣候變量之間具有協調性，可以應用于全球任何區域不受觀測資料的限制。它的缺點是計算量大，同時受GCMs提供的邊界影響較大，而且無法無限提高RCMs的分辨率。

1990年左右，Robert Dickinson和Filippo Giorgi等首先提出區域氣候模擬的概念，隨后Giorgi等建立了第一個區域氣候模式NCAR RegCM1。RegCM2形成后，區域氣候模式得到了廣泛接受，并在氣候變化領域及世界各地得到了越來越多的研究和應用，目前最新的版本編號是RegCM4.5。除了該系列的區域氣候模式外，在國內外應用較多的RCMs還有WRF、RAMS、RSM和CRCM等。

3.2 統計降尺度

統計降尺度是通過建立歷史時段GCMs輸出的網格尺度氣候變量與站點或區域尺度觀測到的氣候要素之間的統計關系，然后再將這種關系應用到GCMs輸出的未來時段，從而得到站點或區域尺度未來氣候特征的方法。相比于動力降尺度，統計降尺度具有計算量小、精度較高和使用簡單等優點，可以獲取更小尺度的信息，但是該方法對觀測資料的需求較大，需要使用足夠長的時間序列來率定并驗證模型，在無資料地區該方法很難使用。此外該方法將歷史時期的這種統計關系直接應用到未來，而沒有考慮到非一致性的問題。

1999年，Xu將統計降尺度方法分為轉換函數法、環流分型法和隨機天氣發生器法。Maraun于2010年結合最新的統計降尺度研究成果將該方法進行了重新分類，即理想預報、模型輸出統計和隨機天氣發生器三種方法。理想預報方法原理是直接建立預報變量與多個大氣環流因子即預報因子的線性或非線性關系并將該關系應用于未來。模型輸出估計法一般采取偏差校正方法來實現，偏差校正又分為Delta法與基于變量分布的方法，例如應用廣泛的分位數映射法（QM）及其衍生的變體，該方法可以很好地校正氣候變量的分布情況。隨機天氣發生器是根據歷史氣象資料的統計參數采取統計方法產生具有與歷史數據相同統計特征的隨機模擬模型，其中代表性的方法有WGEN、CLIGEN、Wea GETS等。

4 水文模擬研究

由于氣候模式對陸面水文過程的描述比較粗糙，產流計算過于簡化，且難以表示徑流的空間分布，通過GCMs得到的徑流量誤差較大，很難直接應用到區域或流域尺度的氣候變化研究，例如氣候變化對水文水資源的影響研究。因此，需要應用水文模擬技術將GCMs輸出的氣溫、降水等氣象變量當作輸入變量，驅動水文模型，得到更加精確的陸面水文變量，從而得到氣候變化影響下的水文水資源情形。針對GCMs輸出的變量與水文模型要求的輸入變量的尺度不匹配問題，需要采用降尺度技術，上一節已經詳細介紹了降尺度方法。本節將從如何選擇合適的水文模型和宏觀大尺度水文模型的發展這兩個方面展開闡述。

4.1 水文模型的選擇

對于特定流域，水文模型的選擇需要考慮多方面的因素，包括：模型的精度、模型率定與參數變化、資料的精度及其可用性、模型的通用性和GCMs的兼容性等。其中最主要的因素是研究的目的以及模型與數據的可用性。隨著計算機的快速發展、數據監測的逐漸完善、地理信息系統與衛星遙感技術在水文領域的應用等，大量的流域水文模型如雨后春筍般被提出并運用到不同的流域。針對氣候變化影響研究這個問題，可以將水文模型分為三種：經驗統計模型、集總式概念模型和基于物理過程的分布式模型。

1）經驗統計模型

經驗統計模型，又稱黑箱模型，其最簡單的數值形式就是建立模擬流量與其他觀測變量之間的關系，而不考慮水文過程的物理機制。該類模型有兩個基本假設：首先，水文過程過于復雜，無法以有意義的方式納入模型；其次，流域可用的水文數據包含足夠多的信息來模擬流域的水文特征?；跀祿慕涷灲y計模型包含多元線性回歸模型、自回歸移動平均模型以及最近熱門的人工神經網絡（ANN）模型等。因為該類模型容易建立，所以在研究早期應用廣泛，但是，由于模型無法解釋對應的水文過程，且對于一個特定流域得到的結果無法應用到其他地形氣候不一致的流域，缺乏通用性，通常被認為不是很可靠，因此，它們在氣候變化影響研究中的使用受到限制。

2）集總式概念模型

集總式概念模型是首次嘗試運用數值形式來表達流域中不同水文過程的模型，它是以水量平衡等物理成因機制為基礎，并將流域作為一個整體來描述降雨徑流形成過程。由于該類模型的簡單性和有效性，在氣候變化影響研究中得到了廣泛的應用。集總式模型無法考慮流域降水與下墊面要素在空間上的不均勻性，因此模型中引入了大量的參數，這些參數沒有真實的物理意義，需要通過實測的徑流資料率定得到，對于無資料地區，該方法幾乎無法使用。在氣候變化研究中具有代表性的集總式概念模型有：Stanford模型、Sacramento模型、HBV模型、SCS模型、新安江模型等。在過去的幾十年里，有大量的研究者用GCMs的輸出資料來驅動這些模型，進行氣候變化影響研究，或者是陸面水文變量對氣候變化的響應研究[41-42]。

3）基于物理過程的分布式模型

分布式模型最基本的特點是按流域各處的氣候和下墊面信息不同，將流域劃分為若干個水文響應單元，每個單元對應的參數是一致的，并且根據物理或力學的一些基本定理對水文現象進行描述，包括下滲、蒸散發、匯流等水文過程。該類模型從機理上考慮了流域降水與下墊面在空間上的不均勻對降雨徑流的影響。1969年，Freeze和Harlan首次提出了數值模型的思想，在空間上運用一系列有物理意義的微分方程來表示對應的水文過程。而后隨著計算機運算和存儲能力的增強，這些概念被不同的機構和研究者付諸現實，得到的即是基于物理過程的分布式水文模型。從機制上來說這類模型是完全透明的，且不需要進行率定就能獲取參數的空間分布，但是由于設置模型的初始值和進行參數化所需要的數據量太大，而真實能夠獲取的數據都是大尺度的點數據，難以表示參數的空間差異性，這類完全基于物理機制的分布式模型應用到具體流域尺度還有一定的困難。這類模型的代表有SHE模型、DBSIN模型等。

鑒于完全基于水文過程物理機制的分布式水文模型在流域尺度應用的困難，一種將大流域劃分為眾多的小流域或者是網格，然后在子網格尺度應用集總式的模型，再結合河網進行匯流的模型被開發，即半分布式水文模型。它是介于集總式模型與分布式模型之間的模型，即考慮了流域降水與下墊面在空間上的異質性，同時對數據的要求也不是太高，具有代表性的半分布式水文模型有TOPMODEL模型、TOPKAPI模型等。

4.2 大尺度水文模型的開發

隨著計算機運算與存儲能力的提升以及衛星遙感數據量的激增，使發展宏觀大尺度水文模型（Macroscale hydrologic models，MHM）成為可能。不同于降尺度技術，將GCMs的輸出轉化到流域或區域尺度以適應水文模型，MHM方法是對水文模型進行升尺度，一般針對大流域、大洲甚至全球尺度，來適應氣候模式對應的大范圍，實現氣候模式與水文模型的連接。1986年，Peter Eagleson提出了全球尺度水文的概念，他認為水文循環是一個全球的現象，人類社會對水文的影響已經超越了流域尺度。隨后水文水資源研究領域，不同的MHM被開發出來，德國斯圖加特大學D?ll教授建立了WaterGAP全球尺度水文模型、美國新罕布什爾大學V?r?smarty教授開發了WBM模型、英國南安普頓大學Arnell基于新安江的蓄水容量曲線開發的MacPDM模型等。之后水資源利用模塊被加入這類模型之中，因此產生了全球水文水資源模型（GHWM），包括日本東京大學Hanasaki等開發的H08模型和荷蘭烏特勒支大學van Beek等開發的PCR-GLOBWB模型等。盡管這類模型取得了很大的進展，但仍然存在一些無法解決的問題，包括產流的機制、模型的率定與參數確定方法等。同時MHM一直面臨的一個問題就是，在很多流域是缺少實測徑流數據的，由于降水、產匯流、蒸發等過程的不確定性，重建的徑流資料準確性仍然較低。

5 氣候變化對水文水資源影響評估的不確定性

由于自然過程的復雜性，單純應用一定的數學物理方法去描述氣象水文過程，只是一種抽象的理想情況，而真實的每個環節都存在一定的誤差，這些誤差直接導致了氣候變化影響評估的不確定性。目前，這些不確定性的來源主要有四個方面：氣候變化情景的不確定性、氣候模式的不確定性、降尺度方法的不確定性和水文模型的不確定性。

1）氣候變化情景的不確定性

由于人類活動變化的復雜性，未來全球各個國家將會采取什么樣的路徑發展存在很大的不確定性，即氣候變化情景存在不確定性。鑒于此，未來的氣候特征都是在一定的假設情景下進行估計的，例如CMIP5計劃設計的RCP排放情景，最新的CMIP6計劃中SSPRCP組合情景，這些情景是未來社會一種假設的可能發展路徑，而不代表著未來社會按照這樣的路徑去發展。盡管如此，仍可以通過比較不同情景下未來的氣候變化特征來指導國家政策的制定，從而減小氣候變化所帶來的風險。

2）氣候模式的不確定性

地球氣候系統是相當復雜的，現階段人類對它的理解是有限的，因此當前國際各個研究團隊開發的氣候模式本身也存在著較大的不確定性，產生不確定性的原因歸納起來有：①由于氣候系統本身的復雜性，目前尚無法全面了解氣候變化的內在規律，人們對氣候系統過程和反饋的認知存在不確定性；②由于海洋、高山和極地的氣象臺站稀少，導致觀測的氣象數據無法滿足氣候研究和氣候系統模擬的要求，因此帶來的不確定性；③目前研究者對溫室氣體、氣溶膠的源匯和分布及其與輻射強迫的關系并不完全清楚，因此在模擬溫室氣體的氣候效應時存在不確定性；④氣候模式自身的代表性和可靠性。氣候系統的復雜性和觀測資料的有限性注定了氣候模擬的過程中存在缺陷，例如，采用有限的時空網格來刻畫真實的無限時空，利用次網格的參數化的物理量來描述真實的物理過程，是存在誤差的；氣候模擬準確的初始值和邊界值難以獲取等。同時模式自身的結構、參數和數值算法也存在不確定性。

3）降尺度方法的不確定性

應用不同的降尺度方法來進行氣候模式與水文模型的對接，得到的氣候預估的結果是不同的，尤其是一些降尺度方法無法預估未來的極端水文事件。由于GCMs本身的不確定性無法解決，不管采用哪種降尺度方法，都可能使這種不確定性在降尺度的過程中被放大。同時降尺度方法對觀測的氣象數據依賴較強，觀測數據自身的不確定性也會影響到降尺度的結果。

4）水文模型的不確定性

受水文過程的復雜性及水文地質參數空間異質性的影響，水文模擬的結果存在很大的不確定性，例如“異參同效”現象。其中水文模型的不確定性主要有四個來源：一是模型輸入數據的不確定性，例如降水、氣溫、蒸散發、前期土壤濕度等輸入自身存在偏差；二是用于模型率定的實測數據的不確定性，包含觀測的徑流量、土壤濕度等；三是模型參數的不確定性，率定得到的模型參數不一定是模型的最優參數方案；四是模型結構的不確定性，任何水文模型都只是對真實水文過程的一個簡化的數學表達，而這個簡化的過程肯定存在一定的誤差。

如何量化并減小氣候變化影響評估的不確定性是相關研究者一直想解決的科學問題。對于未來氣候變化情景、氣候模式和降尺度方法的不確定性，目前并沒有系統的量化方法。針對未來氣候變化情景與氣候模式的不確定性，一般采取多模式集合的方法得到一個不確定性區間來進行量化；對于降尺度方法的不確定性一般通過對照不同降尺度方法的結果以及與實測數據的比較來進行不確定性的量化；而對于水文模型的不確定性研究則比較系統全面，主要有Beven等提出的廣義似然不確定性估計方法（GLUE）、蒙特卡羅模擬法和貝葉斯概率模型估計等方法。

6 存在問題及展望

本文全面系統地介紹了現有氣候變化與水文模擬的研究進展，為廣大水文氣候學相關科研和業務工作者提供參考。下面就氣候變化與水文模擬研究中需要注意的幾點問題進行討論。

1）CMIP計劃的間隔時間偏短，隨著各模式數值試驗的快速增加，部分模式研發中心疲于應付模型試驗，而對模式研發和改進的時間偏少，許多模式的性能從CMIP3到CMIP5、CMIP6沒有顯著提升。同時很多耦合氣候模式的分量存在交叉，真正獨立的氣候模式遠低于注冊模式的數量，對于采取簡單集合平均的方法預估未來的氣候變化及其影響時，將會造成一定程度的系統偏差。

2）采取多模式集合平均進行氣候預估和應用降尺度技術進行氣候變化影響研究，一定程度上削減了氣候和水文極值的量級，即坦化效應。氣候變化除了氣候的平均態發生變化外，氣候極值也發生了變化，而極端氣候水文事件對自然和社會系統帶來的損失是巨大的。

3）近十幾年，隨著計算機技術、地理信息系統、衛星遙感和大數據處理技術的發展，分布式水文模型取得了很大的進展。但是，這些模型仍然無法突破Freeze和Harlan提出的基于物理過程的數值模擬水文響應模型的藍圖，也就是說在對降雨徑流形成過程的機制理解上沒有重大突破。對于今后的研究，除了在微觀尺度上對水文過程的機理進行進一步完善外，在宏觀尺度上還需要發展超大尺度（洲或全球尺度）水文模型，在方法上同時發展非率定的水文模型，從而可以更好地實現與GCMs的對接或者是嵌套進地球系統模式當中；

4）當前氣候模式與水文模型的連接方法，絕大多數都是單向連接，而真實的水文過程和氣候系統是相互作用、相互影響的，氣候變化會對陸面水文變量產生影響，同時陸面的水文過程的改變也會影響到氣候系統。真實的地球系統中大氣圈、水圈、巖石圈和生物圈之間的關系是錯綜復雜的。未來研究有望實現氣候模式和水文模型的雙向耦合，同時加強水文過程、氣候系統與地表其他圈層的耦合研究，開發出物理機制更加完備的地球系統模式。

5）非一致性（或非穩定性）問題。無論降尺度方法還是水文模型，都需要使用歷史觀測數據來率定模型參數，并將這一套參數應用到未來。而全球氣候系統已經發生了變化，歷史時期的參數應用到未來的氣候變化預估或氣候變化影響研究當中是否合適，仍然是一個問題。當前有大量的文獻研究非一致性問題，但是并沒有一個系統的完整的方法來解決這個問題。

6）不確定性問題。如何量化并減小氣候變化及其影響研究的不確定性，一直是水文氣象學家力圖解決的問題，但是目前并沒有很完整的方法來量化不確定性。而不確定性的根源仍然是對水文過程和氣候系統的機制理解不夠完善，想要減小不確定性，需要從根源入手。

7）氣象水文監測站網有待進一步完善。研究表明，受多種因素的影響，全球可用的氣象水文站點的數量近20年在急劇減少，況且在海洋、高山和極地地區本身的站點就稀少，這對水文模擬和氣候變化研究來講是相當不利的。近些年，隨著遙感水文的興起，利用衛星遙感影像來獲取地表的水文信息成為了現實，這大大地提高了可用的氣象水文信息量，但是數據的準確性問題仍需進一步完善。歐美2022年即將啟動的SWOT（The Surface Water Ocean Topography）計劃，有望提供大多數研究者們需要的地表水變量。

8）全球突發性事件以及大國的重大氣候決策對氣象水文的影響有待進一步研究。例如，2019年底至今席卷全球的新冠肺炎疫情；2020年11月4日美國正式退出《巴黎協定》；以美國特朗普政府為代表的逆全球化浪潮；單邊主義、宗教沖突、恐怖主義等社會問題。這些相關的全球問題，不管是對人類社會還是自然生態系統都會產生一定的影響，如何量化這些因素對氣候和水文的影響，以及如何在未來的氣候變化情景中考慮這些因素，仍然是當前或以后需要進一步研究的科學問題。