氣候變化下雅礱江流域降水時空變化特征研究

吳寒雨，董曉華，董立俊，龔成麒，歐陽習軍，喻 丹

（1.三峽大學水利與環境學院，湖北宜昌443002；2.三峽庫區生態環境教育部工程研究中心，湖北宜昌443002；3.水資源安全保障湖北省協同創新中心，武漢430072）

0 引言

工業革命以來，由于人類活動的影響，全球氣候變暖的趨勢進一步加劇［1］。聯合國政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change，IPCC）的報告指出［2］，全球的平均地表氣溫在1880-2012年間已經升高了0.85（0.65～1.06）℃，其中1951-2012年間的升溫甚至為總升溫的2/3以上，升溫速率為0.12（0.08～0.14）℃/10 a。同時國內的研究表明［3］，在中國地區氣溫也呈現出持續上升的趨勢，升溫速率達到0.25 ℃/10 a，平均氣溫升高幅度為1.3 ℃。以全球氣候變暖為主要特征的氣候變化已經成為了不爭的事實。氣候變化對自然生態、人類生活有著正、負兩面的影響［4］，但是負面影響更為突出且表現顯著。如海平面上升、冰川消融、暴雨頻發和嚴重干旱等一系列自然災害對人類生存環境及社會經濟發展帶來了嚴重的影響，因此對于氣候變化及其變化特征的研究具有重要意義。

全球氣候模式（Global Climate Models，GCM）是用來進行氣候模擬和預估未來氣候變化的重要工具，在氣候變化研究領域被廣泛應用。然而由于全球氣候模式在空間尺度上分辨率較低，利用其在區域尺度上進行未來氣候變化研究前首先要進行降尺度處理，使其能夠匹配區域氣候特征。在IPCC第五次評估報告（AR5）［5］中報告了新的實驗方案，開展第5 次耦合模式比較計劃（CMIP5）。不同與IPCC4中的SRES A2、A1B和B1情景，在CMIP5 中通過定義21世紀末的輻射強迫大小對不同情景命名，按照輻射強迫由低到高分為4 種典型濃度路徑（Representative Concentration Pathway，RCP）情景：RCP2.6排放情景、RCP4.5排放情景、RCP6.0 排放情景以及RCP8.5 排放情景。目前，在國內外基于CMIP5 模式對于未來氣候變化的趨勢及特征進行了一系列的研究。張艷武［6］利用第五次耦合模式比較計劃（CMIP5）中29 個模式的氣溫模擬數據，對CMIP5 在中國地區的氣溫模擬能力進行了評估，結果表明各模式對中國地區的氣溫變化趨勢及空間分布都能很好的模擬；陳曉晨［7］利用43 個模式評估了CMIP5 對于中國地區降水特征的模擬能力，結果表明多數CMIP5 模式對于中國降水從西北地區往東南地區逐漸增多的空間特征和夏季降水強冬季降水弱等時間特征有較好的重現。兩位學者的研究證明了CMIP5 在中國地區有較好的模擬能力，各模式的預估數據精度能夠滿足科研需要。莫康［8］結合18 個CMIP5 模式對降水量進行降尺度，分析了RCP4.5 和RCP8.5 情景下未來2041-2070年的浙江省極端降水變化趨勢，降尺度后降水數據偏差小于10%，結果表明在未來浙江省的降水變化表現為極端降水逐漸集中化，整體發展方向為極端降雨量增多以及降水日數增加。在國外研究中，Mohammadreza［9］基于CanESM2 模式對伊朗地區的Lar 壩流域的氣候參數進行預測，研究結果顯示該情景對于Lar壩流域的模擬精度高，且模擬結果和未來全球變暖的趨勢吻合。Lisa［10］驗證了CMIP5中多個模式在澳大利亞的適用性，并在此基礎上預測了澳大利亞未來極端氣溫和極端降水的趨勢，結果顯示在澳大利亞地區未來的極端低溫事件將會減少，極端高溫和極端降水事件會大幅增加。此外，目前隨著CMIP6 模式的更新，Luo［11］對比了CMIP5 模式和CMIP6 模式對于中國極端氣溫的模擬能力，結果表明CMIP6 模式的不確定性相較于CMIP5 有所改善，但是在青藏高原區域仍然會存在明顯的冷偏差或暖偏差。Lun［12］基于CMIP5模式和CMIP6 模式中24 個氣候模式對于青藏高原的降水和氣溫模擬進行了對比研究，結果表明CMIP6 模式在總體上優于CMIP5模式，同時兩者均存在降水高估現象。

雅礱江流域是我國重要的水電能源基地，規劃建設21級水電站。雅礱江流域上游處于青藏高原內，受全球氣候變化影響顯著，可能顯著改變降雨-徑流模式，對未來水電站群的運行帶來顯著影響，因此研究變化條件下該流域的降雨變化特征具有重要現實意義。目前在雅礱江流域已有的未來氣候變化研究多集中與對氣候變化幅度及時空分布情況的定量研究，未對未來的氣候變化趨勢及周期特征做出定性的評價。本研究選取CMIP5 中的CanESM2 模式，通過統計降尺度SDSM（Statistical Downscaling Model）模型對GCM 數據進行降尺度處理，分析雅礱江流域在未來RCP2.6、RCP4.5 和RCP8.5 三種情景下降水量要素的變化特征。

1 研究區概況及數據來源

1.1 研究區概況

雅礱江流域（圖1）發源于青海省內的巴彥卡拉山南麓，位于東經96°52′～102°48′，北緯26°32′～33°58′之間，地處青藏高原東部及四川省西部，是金沙江最大的支流。雅礱江干流長度為1 571 km，流域面積為12.8 萬km2，占長江流域面積的7.1%。流域東部與大雪山相鄰，西部與雀兒山相鄰，南部與金沙江谷地相鄰，北部與巴顏喀拉山相鄰，流域整體在南北方向大致呈條帶狀，緯度跨度及地勢高差大、地形變化復雜。

圖1 雅礱江流域概況

雅礱江為典型的川西高原氣候，流域內干濕兩季季節分明，5-10月為雨季，11-4月為干季。雅礱江流域的年降水量隨著緯度由北向南逐漸增加，在河源區域的年降水量為500～600 mm 左右，中下游地區逐漸增加至900～1 300 mm 左右，其中，在中下游地區的年降水量最高可達1 500 mm 以上。流域的徑流50%為降水供給，余下為冰川融雪及地下水補給，徑流在時間及空間上變化不大，穩定而豐沛。

雅礱江流域水資源充沛、從上游至下游海拔落差大，水力能源豐富，是我國重要的水電能源基地。目前，雅礱江干流總計規劃21級水電站，已經建成了錦屏一級、錦屏二級、二灘等水電站，在建水電站有兩河口、楊房溝等水電站。因此，研究歷史期流域內的降水量變化規律以及預估未來的降水量變化趨勢，對社會經濟效益及人類生產生活具有重要意義。

1.2 數據來源

本研究使用了雅礱江流域的實測氣象數據以及CMIP5 全球氣候模式數據，數據的來源主要為：

（1）實測氣象數據：研究選用雅礱江流域內13 個國家級氣象站點（表1）1963-2016年的日降水量實測氣象資料，資料來源于中國氣象數據網（http：//data.cma.cn/data）；研究所選的站點為雅礱江流域現有的全部氣象站點，且站點分布覆蓋整個流域，充分了體現雅礱江流域的降水狀況。下載后對數據的一致性以及完整性進行檢驗，并對缺測的數據采用線性內插法［13］進行插補處理。

（2）CMIP5 全球氣候模式數據：研究選用由加拿大環境與氣候變化建模與分析中心（CCCma）提供的CanESM2 氣候模式（https：//www.canada.ca/en.html）的大尺度氣象資料，其中包含NCEP 全球氣候再分析數據以及3 種未來排放情景RCP2.6（溫室氣體低排放情景）、RCP4.5（溫室氣體中排放情景）和RCP4.5（溫室氣體高排放情景）的數據，數據共包含26個大尺度氣象因子（如平均海平面壓力、風向、相對渦度、相對濕度等），數據尺度為逐日序列，空間分辨率為2.812 5°×2.812 5°。

為保證與GCM 數據時間序列長度的一致性，選取1963-2005年的實測氣象數據進行降尺度模擬，其中設定1963-1995年為率定期，1996-2005年為驗證期。IPCC 建議基準期長度為30年以上［14］，因此本研究所選取33年的時間長度以描述該區域的氣候特征，能夠涵括炎熱、干旱、溫暖、潮濕及涼爽等時期。

為更精細的研究降水量變化趨勢的時空差異性，根據北半球的氣候特征對全年進行季節劃分［15］，分別為春季（3、4、5月）；夏季（6、7、8月）；秋季（9、10、11月）；冬季（12、1、2月）。

2 研究方法

本研究通過SDSM 統計降尺度模型對雅礱江流域未來的降水數據進行模擬，然后使用線性趨勢及滑動平均法對降水量進行趨勢分析，使用Mann-Kendall（M-K）趨勢檢驗法對降水量的變化趨勢進行檢驗，使用Mann-Kendall（M-K）突變檢驗法、滑動t 檢驗法判斷降水序列是否發生突變以及確定突變年份，使用Morlet 小波分析研究周期變化特征。最后綜合所有結果，分析雅礱江流域降水量的變化特征。

2.1 SDSM模型及誤差修正

由于GCM輸出的數據往往具有粗糙的分辨率，無法很好的體現區域氣候特征，因此本文首先對GCM全球氣候模式數據進行降尺度處理。SDSM 是一種耦合了多元回歸模塊和天氣發生器模塊的統計降尺度模型［16］。

SDSM 模型的降尺度過程主要分為以下幾個步驟：①選定與實測站點對應的大尺度網格；②篩選大尺度氣候預報因子；③模型的率定及驗證；④生成未來氣候情景。通過以上步驟來建立大尺度氣候預報因子與站點實測氣候數據之間的統計關系，并利用GCM中的再分析數據通過率定好的模型來輸出模擬站點的未來氣象數據。大尺度氣候預報因子與區域氣候預報變量之間的統計函數為：

式中：X(x1，x1，…，xn)序列為大尺度氣候預報因子序列；Y為區域氣候預報變量；F(x)為大尺度氣候預報因子與區域氣候預報變量之間的統計關系函數。

將所有預報因子與實測數據進行相關性分析來選取合適的預報因子，確定相應的預報因子以后，通過SDSM 模型建立實測數據與預報因子序列之間的統計關系，確定多元回歸方程來率定模型。完成模型的率定后將GCM 中輸出的未來氣候情景序列輸入SDSM 模型中，從而得到站點的未來氣候序列。將輸出結果與基準期數據對比，用于分析區域氣候未來的變化特征。

采用降尺度模型在進行降水的模擬中存在一定的誤差，若是將降尺度模擬的降水數據直接輸入水文模型中會存在較大的不確定性，因此需要對降水的模擬結果進行誤差修正［17］。本研究在進行未來氣候變化評估之前，先對雅礱江流域內各站點的降水模擬數據采用比例縮放法進行偏差校正，其原理為利用各站點實測和模擬的月平均降水比值對降尺度的模擬降水結果進行修正。

式中：a為實測與模擬降水量的月平均比值；P模擬為模擬多年平均月降水量，mm；P實測為實測多年平均月降水量，mm；xm為各站點模擬的降水量，mm；-xm為各站點修正后的降水量，mm。

2.2 趨勢分析及趨勢檢驗方法

降水量的變化通常波動較大，從降水量過程線圖中往往無法直觀的看出降水量的變化趨勢以及變化的顯著程度。因此本文使用一元線性回歸及滑動平均兩種趨勢分析方法來判斷降水量的變化趨勢，同時通過M-K趨勢檢驗方法對降水量變化趨勢的顯著性進行檢驗。

采用一元線性回歸方程來擬合氣候要素的變化趨勢，通過氣候傾向率［18］來定量分析氣候要素的變化趨勢及特征。

式中：y為氣候要素序列；x為y所對應的時間序列；a為氣候傾向率，表示氣候要素的變化趨勢；b為常數。

滑動平均，又稱作指數加權平均，通過對平均時段內的序列數據進行平均從而計算序列的局部均值，以時間序列的平滑值來表示氣候要素的變化。采用5 a 滑動平均法分析雅礱江流域內的降水量變化趨勢。

M-K 趨勢檢驗是一種非參數的檢驗方法［19］。該方法不需要樣本數據遵從特定的分布，因此對于隨機分布的水文氣象序列有很好的效果，該方法被廣泛運用于水文氣象要素的趨勢檢驗研究中［20］。對于標準化統計量Zmk，當|Zmk|＞Z(1-a/2)時表示數據序列變化趨勢通過顯著性檢驗，反之則表示不通過檢驗。對于置信水平a，當置信水平為0.05時，Z(1-a/2)值為1.96；當置信水平為0.01時，Z(1-a/2)值為2.58。

2.3 突變檢驗法

對于長時間的降水序列，判斷其是否發生突變以及突變的具體時間是理清各階段降水變化特征的重要基礎。研究通過采用M-K突變檢驗和滑動t檢驗兩種方法對氣候序列進行突變性檢驗，兩種檢驗均設置置信水平為0.05，滑動t檢驗設置步長為5 a。由于M-K 突變檢驗的檢測范圍較寬，在長時間序列時檢驗判斷突變點時主觀性較強，因此本研究結合滑動t檢驗來確定突變發生的具體年份［21］。

M-K 突變檢驗方法由世界氣象組織（WMO）推薦，在世界范圍內被廣泛應用于氣候及水文要素的序列變異性診斷研究，其原理為：當UFK和UBK相交且交點位于置信區間之內，則該交點為序列的突變點［22］。當UFK＞0 時表示序列呈上升趨勢，反之則呈下降趨勢。當UFK超過置信水平時，表示該序列通過顯著性檢驗，反之則表示序列未通過顯著性檢驗。

滑動t檢驗法通過判斷氣候序列中兩段子序列的均值有無差異以及差異是否顯著來檢驗序列的突變。

2.4 周期分析方法

研究采用Morlet 小波分析方法對序列進行周期變化分析，該方法可以同時獲取頻域和時域的信息，在得到頻率成分的同時還能識別該頻率所在的時間位置。小波分析的基本原理為通過小波函數來表示某一類信號，該小波函數具有震蕩性的特點。小波函數的具體公式原理如下：

式中：ψ(t)基為小波函數；ψa，b(t)為子小波；a為小波周期尺度因子；b為時間平移因子。

3 結果分析

3.1 SDSM模擬精度

通過確定性系數（R2）和均方根誤差（RMSE）來檢驗統計降尺度模型在率定期及驗證期對于氣象要素的模擬效果（見表1）。結果顯示通過誤差校正后，在驗證期除甘孜站外，各站點的確定性系數（R2）均高于0.65，其中半數以上站點達到0.70 以上。結果顯示SDSM 對于雅礱江流域的降水模擬有較好的適用性，模擬結果能夠滿足研究精度需要。

表1 率定期及驗證期降水量模擬精度

3.2 降水量變化趨勢分析

雅礱江流域緯度跨度較大，流域內年降水量由北向南依次遞增。其中清水河、石渠、甘孜、色達、道孚、新龍站點的歷史期多年平均降水量均小于800 mm；而康定、木里、九龍、越西、昭覺、鹽源、西昌站點的多年平均降水量為800 mm 以上。按照干濕區劃分標準，年降水量400～800 mm 屬于半濕潤區，年降水量800 mm 以上屬于濕潤區。同時參照各個站點在雅礱江流域的分布情況（圖1），可對于雅礱江流域劃分為上游和下游進行分析。

采用線性趨勢及滑動平均法對歷史期及未來不同情景下的降水量進行趨勢分析，對年降水量及各個季節的降水量變化趨勢逐一進行比較分析。

對于歷史期而言，上游和下游的年降水量均呈現增長趨勢，上游變化趨勢更加顯著。在上游歷史期中，對比增長斜率可以發現在春季降水量有明顯的增多，而在夏季、秋季和冬季增長趨勢則較緩。同時在降水總量上，各個季節之間的分配也存在較大的差異，夏季降水量達到年降水總量的57.5%。夏季降水密切影響著雅礱江的防洪安全以及水力發電的效益，因此對于未來夏季降水量的變化需要重點研究。

下游年降水量總體呈現為增長趨勢，但在各個季節卻表現出一定的差異性。其中在春、夏兩季表現出降水量逐漸升高的現象，在秋、冬兩季降水量卻呈現降低的趨勢。對比雅礱江流域上游和下游不同季節的歷史期變化趨勢，可以發現在雅礱江流域內降水存在明顯的時間及空間變化。因此在進行未來的趨勢分析時，不能僅僅只考慮整個流域的平均年降水量，應該對于各個季節，不同分區進行詳細的比較，由此更加精細的研究雅礱江流域未來不同情景下的降水量的變化規律。

圖2 上游降水量趨勢分析

圖3 下游降水量趨勢分析

在CMIP5中一共設定了RCP2.6、RCP4.5、RCP6.0和RCP8.5四種濃度路徑，其中RCP2.6 為低排放情景、RCP4.5 與RCP6.0均為中排放情景、RCP8.5為高排放情景。為比較不同等級的濃度排放下流域內未來的氣候變化及差異性，本研究選取其RCP2.6、RCP4.5 和RCP8.5 三種情景來假設雅礱江流域的未來氣候變化，由此來探究未來不同的社會發展狀況下流域內的降水變化規律。對于上游流域，未來除在RCP2.6 情景下，年降水量出現下降的情況外，在RCP4.5 和RCP8.5 情景下年降水量均呈現出上升趨勢，其中RCP8.5 情景下上升趨勢最為顯著。在RCP2.6 情景下降水量的變化表現出季節差異性，其中冬、春兩季降水量下降，而夏季和秋季的降水量呈現出微弱的上升趨勢。而在RCP4.5 和RCP8.5 兩種情景下，各個季節的降水量均會出現上升的現象，且變化幅度為秋季＞春季＞夏季＞冬季。結果表示雅礱江上游流域在未來全球變暖背景下，降水量總體呈現上升趨勢，而在秋季和夏季上升幅度最大，冬季上升幅度最小，這可能會進一步加劇流域內降水年內分布不均的問題。對于下游流域，雖然總體上3種情景下年降水量均表現為增加，但是在RCP2.6 情景的春季、秋季及冬季，RCP4.5 情景的夏季和冬季時，降水量卻呈現微弱的下降趨勢。同時，和上游相比，兩種情景下下游降水量的變化幅度更低。在未來雅礱江流域上游和下游的降水均會出現增加的現象，且增加幅度均為RCP8.5＞RCP4.5＞RCP2.6，這與IPCC 中設定的未來氣候變化趨勢吻合。而對于流域內變化的時空分布特征，在上游流域（半濕潤區）的增加較下游流域（濕潤區）更為顯著，且在夏、秋兩季（汛期）的變化幅度較春、冬兩季（非汛期）更大。即在雅礱江流域未來降水量的空間差異性會減小，而季節差異性會進一步增大。

從總體而言，對比歷史期變化趨勢和未來情景下的趨勢，可以發現與歷史期趨勢吻合度最高的為RCP4.5 情景，而RCP2.6 情景相對于歷史期降水量增加趨勢較弱，RCP8.5 情景下降水量增加趨勢明顯強于歷史期。參照IPCC 對于CMIP5 各情景的濃度路徑定義［23］，其中設定RCP2.6 為低輻射強迫路徑，路徑形狀為峰值和下降；RCP4.5 為中間穩定路徑，其路徑形狀定義為無過沖穩定；RCP8.5 為高輻射強迫路徑，其路徑形狀為上升。因此，可以看出在雅礱江流域不同情景下降水量的變化趨勢結果與CMIP5的情景設定吻合。

3.3 趨勢檢驗

通過M-K 趨勢檢驗法得到雅礱江流域各站點的標準化統計量Zmk，對流域內歷史期及未來不同情景下降水量變化趨勢進行顯著性檢驗。同時，分別對年降水量和各個季節的降水量進行趨勢檢驗，以研究流域內降水量變化趨勢的時空特征。圖4 對于不同時期、不同季節下各個站點的Zmk值進行了具體展示。

在圖4中，對不同站點降水變化的顯著性進行展示，該圖中不同的顏色代表Zmk的大小不同。當Zmk＞2.58時，站點顯示為紅色，表示該站點降水量呈增長趨勢且通過了99%置信度的檢驗；當1.96 ＜Zmk≤2.58 時，站點顯示為橙色，代表該站點降水量呈增長趨勢且通過了95%置信度的檢驗；而當0 ＜Zmk≤1.96時，則表示該站點雖然降水量呈上升趨勢但并未通過置信度檢驗，即表示該站點降水量的變化趨勢不顯著。反之，當Zmk為負時，則降水量為下降趨勢。

圖4 雅礱江流域年降水量趨勢檢驗

因此由圖4 可知，在歷史期［見圖4（a1）］除上游清水河、石渠站點呈黃色外，其余站點均通過了99%置信度的檢驗，而其中下游3 個藍色點分別表示越西、木里、鹽源3 個站點的年降水量呈顯著降低趨勢，余下站點呈顯著增長趨勢。而在季節分配上，在春季所有站點均為顯著上升趨勢，夏季和秋季多數站點為通過95%置信度的檢驗，冬季所有站點均通過了99%置信度的檢驗，但各站點的增減趨勢不一。在RCP2.6 情景下，所有站點的年降水量均未通過均通過了95%置信度的檢驗，在季節表現上RCP2.6情景下，春季和冬季整體表現為未來降水量將會減少。在RCP4.5 情景下［見圖4（c1）］，最上游兩個站點清水河、石渠的變化趨勢不顯著，中游藍點表示康定站點呈顯著下降趨勢，區域站點均為通過99%置信度檢驗的增長趨勢。在RCP8.5情景下［見圖4（d1）］所有站點均為顯著上升趨勢，且除夏季外，其他季節流域整體也表現為降水量增加。對比歷史期及各情景可以發現，年降水量和季節降水量隨著濃度排放的增加，降水量的增長趨勢也更加顯著，除夏季降水表現出較大的波動性及不確定性外。

3.4 突變檢驗

對雅礱江流域歷史期及未來不同情景下降水序列進行突變檢驗，其中M-K突變檢驗的結果如圖5所示，滑動T突變檢驗的結果如表2所示。通過結合兩種方法的檢驗結果，確定具體的突變年份及其顯著性。

表2 雅礱江流域降水量滑動t突變檢驗結果（突變年份）

圖5 雅礱江流域降水量M-K突變檢驗結果

對比各時期的UF曲線，雅礱江流域上游及下游的趨勢及突變年份基本一致，除RCP4.5 情景下，上游的變化趨勢較下游更加顯著。在歷史期，上游及下游流域的M-K突變檢驗結果均存在較多交點，無法準確判別具體的突變年份，因此結合滑動t檢驗進一步分析，最終結果顯示歷史期上游的顯著突變年份為1986年，下游無顯著突變。對于RCP2.6情景下，觀察M-K 突變檢驗圖發現上游及下游的UF曲線均未超過顯著性水平，因此雖然存在較多交點，但均未達到顯著突變。同時對比滑動t檢驗結果，兩種方法的檢驗結果相同，結果表明在RCP2.6 情景下變化趨勢不顯著且未發生顯著突變。對于RCP4.5情景下，上游UF＞0且增加趨勢超過置信區間，而下游波動較大。對于上游M-K 檢驗交點出現在2068年，滑動t檢驗顯著突變年份為2072年；下游M-K 交點過多，滑動t檢驗結果為2042年為突變年份。對于RCP8.5情景下，上游及下游UF均為顯著上升，且交點出現的時間段相近，上游的交點出現在2069年，下游的交點出現在2066年。與滑動t結果比較，兩種方法檢驗中上游突變年份出現的時間吻合，而下游存在一定的差異。對于RCP4.5 情景和RCP8.5情景下交點處UF均大于0，表示在未來這兩種情景下均為降水量增多的突變。

總的來說，在氣候變化背景下，雅礱江流域未來RCP4.5 和RCP8.5 情景下降水量的變化相較于RCP2.6 情景會有更顯著的突變。

3.5 周期分析

研究采用Morlet小波分析方法結合全局小波譜研究雅礱江流域歷史期及未來不同情景下降水量變化的周期特征，分析結果如圖6。

圖6 雅礱江流域降水量小波分析

小波分析在對有限時間的數據序列進行分析時，在起點、終點處無法無限的去匹配它的信號，會產生擬合誤差，因此兩端點附近會存在一定的邊界效應。在小波結果圖中，顏色接近紅色時表示能量越強，顏色接近藍色時表示能量越弱；黑色線圈區域為周期變化顯著區域；小波錐之內為可信的序列周期范圍，小波錐之外灰色部分為可信度較低區域。在全局小波譜圖中，紅色虛線所包圍的扇形區域內出現的波峰即為顯著的序列周期。

歷史期雅礱江上游在1995年左右存在0～2 a 的短周期，在2000年左右時間段內存在4～8 a 的中周期，結合全局小波普分析兩個周期均在顯著范圍內；在雅礱江流域下游，存在1970年左右才存在0～4 a 的短周期。對比上游、下游周期結果，結果表示在歷史期兩者的周期變化存在一定的差異性。在RCP2.6 情景下，流域上游在2050年同時存在1～4 a的短周期及4～8 a的中周期，在2070-2080年之間存在8-10a 的長周期，在2080-2090年之間存在1～4 a 的短周期，比照全局小波譜可以看出2070-2080年的長周期未通過顯著性水平（α= 0.05）檢驗；流域下游未顯現出明顯的周期變化特征。相較歷史期和RCP2.6 情景，RCP4.5 和RCP8.5 情景下的震蕩周期更短。在RCP4.5 情景下下游流域、RCP8.5 情景下上游和下游流域均只存在1～4 a 的短周期，且年份分布頻繁，說明未來這兩種情景下降水量表現為周期持續時間長且頻率較短的周期變化特征。

總體而言，未來雅礱江流域的降水量表現為周期平穩的上升趨勢，未來降水量會顯著增加，這對流域的水資源管理帶來較大挑戰，需要根據不同區域的需水情況來制定水資源管理措施預案。

4 結論

為匹配CMIP5 模式的時間尺度，本文選取1963-2005年為基準期對大尺度氣候模式數據進行降尺度處理，以模擬未來2020-2100年雅礱江流域的降水數據。在進行統計分析時，選取已有的歷史期1963-2016年的實測降水序列以及未來期2020-2100年3 種RCP 情景下的預測降水序列進行趨勢分析、突變檢驗以及周期分析，研究了各時期下流域降水的變化特征并對比其差異性。主要結論如下：

（1）通過SDSM 統計降尺度模型結合CMIP5數據，模擬未來雅礱江流域13 個站點的降水量，結果表示SDSM 模擬結果與實測數據擬合精度較高。率定期各站點的平均R2達到0.66，在校正后驗證期的平均R2達到0.69。

（2）在歷史期雅礱江上游和下游流域年降水量均呈上升趨勢，在季節分配方面均為春季增幅最大。在未來RCP2.6情景下降水量變化表現平穩，無明顯的上升或下降趨勢，RCP4.5 及RCP8.5 兩種情景下降水量均為增加趨勢，且增加幅度為RCP8.5 情景＞RCP4.5 情景。綜合比較歷史期和未來期可以得出雅礱江流域的降水量變化幅度為RCP8.5情景＞RCP4.5情景＞歷史期＞RCP2.6情景，各時期在季節變化上的趨勢不一。

（3）雅礱江流域降水量在歷史期及RCP4.5、RCP8.5 情景下均有顯著的突變年份，其中歷史期上游流域突變年份為1986年，下游無顯著跳躍。在RCP4.5情景時流域下游的突變年份為2042年，RCP8.5 情景時流域上游的突變年份為2067年、下游的突變年份為2057年，3 個突變年份均處于中景期（2041-2070年）。而在RCP4.5 情景時流域上游的突變年份為2072年，處于遠景期（2071-2100年）。各個突變點均為降水量顯著性增多的突變，且上游的突變點要晚于下游。

（4）雅礱江流域在歷史期和RCP2.6 情景下同時存在1～4 a短周期和4～8 a 中周期兩種周期特征。在RCP4.5 和RCP8.5 情景下僅存在1～4 a 短周期，未來這兩種情景下降水量表現為周期持續時間長且頻率較短的周期變化特征。

綜上所述，雅礱江流域在未來RCP2.6情景下降水量無明顯變化，無明顯的上升或下降趨勢；但在RCP4.5以及RCP8.5情景下未來雅礱江流域的降水量增加趨勢都非常顯著，尤其是在“無政策干預”的RCP8.5情景時。因此，作為我國重要的水電能源基地，雅礱江流域需要考慮未來氣候變化導致的降雨徑流變化，做好對現有梯級水庫群的防洪、發電，以及水資源調度策略進行適應性應用的準備。□