集成氣候模式下黃河中游未來氣候變化研究

侯祥東，桑國慶，劉 微，武 瑋，邵廣文

（1.山東省海河淮河小清河流域水利管理服務(wù)中心，山東 濟南 250199；2.濟南大學(xué) 水利與環(huán)境學(xué)院，山東 濟南 250024）

0 引言

20世紀(jì)以來，全球氣候變暖已是一個不爭的事實。氣溫的升高會影響區(qū)域水循環(huán)，改變降水的強度和空間分布［1］，極易導(dǎo)致諸如春汛提前、旱澇災(zāi)害頻發(fā)等反常水文現(xiàn)象的發(fā)生［2］。這些反常水文現(xiàn)象一旦發(fā)生，對人類生存和社會發(fā)展都將產(chǎn)生深刻的影響。黃河是中華民族的母親河，流域內(nèi)十分缺水，以占全國2%的河川徑流量，養(yǎng)育了全國12%的人口，灌溉了15%的耕地［3，4］。降水是黃河流域河川徑流的主要水分來源，河川徑流過程與當(dāng)?shù)貧夂蜃兓芮邢嚓P(guān)。黃河中游流域占黃河流域總面積的45%，是全球土壤侵蝕最為嚴(yán)重的區(qū)域之一，也是黃河泥沙的主要來源［4］，生態(tài)環(huán)境極為脆弱。全球變暖導(dǎo)致的反常水文現(xiàn)象會使黃河中游流域生態(tài)保護、水土保持、水資源保護等面臨嚴(yán)重挑戰(zhàn)。相關(guān)研究表明，黃河中游氣溫呈上升趨勢而降水則呈下降趨勢。就極端降水而言，其數(shù)量呈下降趨勢而強度則呈上升趨勢，不利于水土流失的治理［3］。因此，為維護黃河中游流域生態(tài)環(huán)境穩(wěn)定，保障人類生活與生產(chǎn)安全，亟需對黃河中游流域未來氣候變化進行研究分析。

全球氣候模式（Global Climate Model，GCM）可以較好的再現(xiàn)全球氣候的變化規(guī)律，已被廣泛應(yīng)用于未來氣候變化的預(yù)測和評價［5-7］。但是由于GCM 間分辨率、初始條件和機制等的不同，不同GCM 在不同區(qū)域的適應(yīng)性具有較大的差距。因此，學(xué)者們提出了一系列的方法對GCM 在不同研究區(qū)域的優(yōu)劣性進行評價［8-11］。同時，研究表明，集成氣候模式對氣候變化模擬的性能要優(yōu)于單一氣候模式。在這種情況下，如何合理確定不同GCM 在集成氣候模式中的權(quán)重是提升預(yù)測精度的一個關(guān)鍵問題［12，13］。同時，GCM 分辨率較粗（70～400 km），無法較好地反映區(qū)域氣候特性、合理地預(yù)測未來氣候變化規(guī)律［14，15］。因此，有必要采用一定的方法對GCM進行降尺度處理，以適應(yīng)區(qū)域尺度的氣候研究。目前，比較常用的方法可以分為動力降尺度和統(tǒng)計降尺度兩類［16］。由于動力降尺度計算復(fù)雜且耗時較長，限制了其的廣泛應(yīng)用［17，16］。而統(tǒng)計降尺度通過建立GCM 和地面觀測間的統(tǒng)計關(guān)系，實現(xiàn)GCM 的降尺度處理，被廣泛應(yīng)用于未來氣候變化研究中［18，19］。

以黃河中游流域為研究對象，通過GCM評價體系篩選出適宜研究區(qū)的6 種GCM，并基于加權(quán)平均法生成一種可以較好反應(yīng)研究區(qū)氣候變化特征的集成氣候模式，利用統(tǒng)計降尺度方法對不同情景下研究區(qū)未來氣候變化進行預(yù)測。研究結(jié)果可以為當(dāng)?shù)卣乃Y源管理和規(guī)劃提供技術(shù)支撐。

1 研究區(qū)概況和方法

1.1 研究區(qū)概況

黃河中游流域位于頭道拐和花園口水文站之間（圖1），面積361 600 km2，占黃河流域總面積的45%左右。流域大部分處于黃土高原，為黃河的主要產(chǎn)沙區(qū)，黃河流域超過88%的泥沙來自于黃河中游［20，21］。黃河中游流域主要屬于半濕潤-半干旱氣候帶，降水空間分布極不均勻，多年平均降水量最小為300 mm，最大為800 mm，年平均氣溫位于6～12 ℃。

圖1 研究區(qū)概況Fig.1 Summary of study area

1.2 研究數(shù)據(jù)

筆者采用1961-2005 年（歷史時期）20 個CMIP5 下GCM 的輸出數(shù)據(jù)（降水和氣溫）和地面觀測站的逐日降水、平均氣溫數(shù)據(jù)進行GCM適用性評價，篩選出在黃河中游流域綜合模擬性能較好的前6 種GCM，并采用加權(quán)平均方法構(gòu)建一種集成氣候模式。基于歷時時期和未來時期（2019-2065 年）7 種GCM 的輸出數(shù)據(jù)，利用統(tǒng)計降尺度方法進行降尺度處理，分析黃河中游流域未來氣候變化。其中，1961-2005 年期間地面觀測站的逐日降水和平均氣溫數(shù)據(jù)來源于中國氣象數(shù)據(jù)共享網(wǎng)。20 個CMIP5下GCM 的降水、氣溫數(shù)據(jù)來源于英國環(huán)境數(shù)據(jù)分析中心（http：//www.ceda.ac.uk/），詳見表1。另外，考慮到站點數(shù)據(jù)的長度和質(zhì)量，筆者共計選取了65 個流域內(nèi)部和周邊站點（圖1）。其中，站點中的部分缺失值基于周邊站點數(shù)據(jù)，采用反距離權(quán)重方法進行插補。在GCM 優(yōu)劣性評價過程中，為減少不同GCM 分辨率所引起的不確定性，采用雙線性插值算法將所有GCM的分辨率插值至同一網(wǎng)格大小（0.5°×0.5°）。

表1 20種GCM模式信息表Tab.1 List of the global climate models in this study

1.3 方 法

1.3.1 GCM評價體系

為分析上述20 種GCM 在黃河中游流域氣候變化的模擬性能，采用傅國斌［22］提出的評價體系，對所有GCM 進行評價。該體系通過GCMs 輸出結(jié)果和同時期觀測值進行對比，計算出共計8 個大項，11 個小項的評價指標(biāo)（詳見表2），用于評價氣候模式對區(qū)域氣溫和降水的模擬精度（各指標(biāo)的詳細(xì)說明可見文獻［22］）。針對第i個氣候模式，首先采用式（1）計算其所有小項介于0～9 之間的排序分?jǐn)?shù)，然后通過式（2）計算該氣候模式模擬能力的分值，其分值越低，模擬效果越好。

表2 GCMs評價指標(biāo)及其計算方法Tab.2 Statistics indicators adopted for GCM performance assessment

式中：xj代表第j項評價指標(biāo)的數(shù)值。

式中：T_RSi代表第i個GCM 的評價分?jǐn)?shù)；Wj為第j項評價指標(biāo)的權(quán)重。

基于每個模型的時空評價結(jié)果，對模型進行排序，篩選出排名靠前的N種氣候模式并根據(jù)式（1）計算其權(quán)重，進而構(gòu)建一個集成氣候模式來減少不同模式情景和參數(shù)的不確定性［23，24］。

式中：N為模式個數(shù)；Si為第i個模式的評分；Wi為第i個模式的權(quán)重。

1.3.2 統(tǒng)計降尺度

分?jǐn)?shù)位映射（Quantile Mapping，QM）是一種常用的統(tǒng)計降尺度方法，其基于歷史時期的氣候要素的概率分布，對GCM 所輸出的氣候要素進行偏差矯正［25，26］。由于QM 方法所用的概率分布基于歷史時期，因此對于歷史時期未發(fā)生的而在未來時期可能發(fā)生的極端氣候事件難以進行有效的矯正。為了對未來時期的極端事件進行矯正，Cannon 等［27，28］提出了一種改進方法（Quantile Delta Mapping，QDM），并用于GCMs 在加拿大所模擬的逐日降水量的矯正，取得了滿意的效果。因此，同樣采用QDM 方法對GCMs 氣候模式所輸出的氣候要素進行降尺度處理。

2 結(jié)果和討論

2.1 GCM優(yōu)劣評價

依據(jù)上文所述11個評價指標(biāo)分別計算出20個GCM降水和溫度的評價分?jǐn)?shù)，然后將所有GCM分別按照降水和氣溫的評價分?jǐn)?shù)進行升序排序，篩選出降水和氣溫模擬性能均較好的GCM（圖2）。從圖2 中可以看出，不同GCM 在預(yù)測降水和溫度方面的性能具有較大的差異。其中，GCM14在降水方面的模擬效果最好，但在氣溫方面的模擬效果較差。相反，GCM17 在氣溫方面的模擬效果最好，但在降水方面模擬效果稍差。考慮到GCM在模擬溫度方面的性能通常優(yōu)于降水［22，29］，因此，筆者主要依據(jù)降水的排名篩選出在降水和溫度模擬方面均具有良好的性能的6 個GCM（ACCESS1.3，CSIRO-Mk3-6-0，IPSL-CM5A-LR，IPSL-CM5A-MR，MIROC5和MRI-CGCM3），用于研究黃河中游的未來氣候變化。

圖2 黃河中游流域GCM模擬性能Fig.2 GCM performances for precipitation and temperature in MYRB

采用式（3），按降水和氣溫分別計算出不同GCM的權(quán)重（表3）。為更好地預(yù)測黃河中游流域未來氣候變化情況，根據(jù)各GCM權(quán)重，利用加權(quán)平均法生成集成氣候模式，即EGCM。

表3 所選GCM評價及權(quán)重Tab.3 The information of selected GCMs in this study

2.2 GCM預(yù)測評價

在進行降尺度分析時，首先依據(jù)1961-1990 年（率定期）的逐日實測數(shù)據(jù)和GCM 逐日輸出數(shù)據(jù)對降尺度模型（QDM）進行偏差校正；然后，基于校正后的QDM 方法，依據(jù)GCM 在1991-2005 年（驗證期）的輸出結(jié)果進行降尺度模型（QDM）的驗證。為便于分析降尺度模型在黃河中游流域的性能效果，筆者采用泰森多邊形方法分別將地面觀測和預(yù)測的降水量、極端降水量和平均溫度從臺站值轉(zhuǎn)換為流域平均值，并從這3 個方面進行對比分析。依據(jù)文獻［3］，各站點選擇大于0.1 mm 的降水事件，并將其進行升序排列，以第90 個百分位數(shù)作為極端降水的閾值。

圖3 展示了不同GCM 經(jīng)降尺度處理后所預(yù)測氣候要素和實測數(shù)據(jù)在率定期（1961-1990 年）和驗證期（1991-2005 年）的年際變化。圖3 中，6 個GCM 可確定出黃河中游流域不同氣候模式下氣溫和降水年際變化預(yù)測的不確定性范圍，而EGCM 則反映黃河中游氣候變化趨勢。從圖3 中可以看出，各GCM 所預(yù)測氣候要素具有顯著的不確定性，其中，降水的不確定性高于溫度的不確定性。就降水而言，可以發(fā)現(xiàn)實測值普遍落于6 個單一GCM 的預(yù)測范圍內(nèi)。在溫度方面，實測值除個別年份（1997-2002 年）外，也基本落于GCM 所預(yù)測氣溫的不確定性范圍內(nèi)。為進一步評估降尺度后EGCM 在變化趨勢方面的模擬性能，將實測值和EGCM 預(yù)測值采用5年移動平均法進行處理。結(jié)果表明，EGCM 預(yù)測的所有氣候要素的趨勢和黃河中游流域的實際情況相似。換言之，盡管EGCM 所預(yù)測的年際間波動較實際情況有所偏大，但仍可以較好地捕捉黃河中游氣候要素的變化趨勢。

圖3 驗證期黃河中游流域?qū)崪y和GCM所預(yù)測年降水量、極端降水量和溫度對比Fig.3 Evolution of basin-averaged annual precipitation，annual extreme precipitation，and annual temperature for the historical period（1961-2005）

驗證期內(nèi)7 種GCM 所預(yù)測氣候要素的年內(nèi)變化與實測值基本吻合（圖4）。相較于其他GCM，EGCM 所預(yù)測的月均降水量、極端降水量和溫度變化與實際變化較為接近。就不確定性來看，GCM 所預(yù)測降水的不確定性大于溫度，且5-9 月月均降水和極端降水的不確定性高于其他月份。另外，驗證期內(nèi)EGCM 所預(yù)測的年平均降水量、平均極端降水在7-9 月的預(yù)測值較實測值有所高估；而實測和EGCM 所預(yù)測的年平均氣溫在1-3月較實測值有所低估。

圖4 驗證期間黃河中游流域?qū)崪y與GCM所預(yù)測平均月降水量、極端降水量和溫度對比Fig.4 Monthly mean of basin-averaged precipitation，extreme precipitation，and temperature from 1990 to 2005

2.3 未來氣候變化

采用QDM 方法對EGCM 在RCP4.5 和RCP8.5 情景下所預(yù)測氣候要素（2021-2065 年）進行偏差校正。通過歷史時期（1961-2005）和未來時期（2021-2065）間氣候要素的對比，研究黃河中游流域未來的氣候變化。

2.3.1 降 水

采用QDM 方法對7 種GCM 進行降尺度處理，得到黃河中游流域在兩種RCP 情景下未來時期的降水情況。相較于歷史時期（509.8 mm/a），EGCM 所預(yù)測多年平均年降水量在RCP4.5和RCP8.5 情景下分別為533.4和536.6 mm/a，增加了5%。為直觀展示黃河中游流域未來時期年降水量和月降水量的變化，以歷史時期流域多年平均年（月）降水量為基準(zhǔn)對GCM 預(yù)測年（月）降水量進行距平處理（圖 5）。從圖中可以看出，在RCP4.5情景下，未來時期黃河中游流域年降水量的相對變化在0%上下波動；在RCP8.5 情景下，2045 年之前黃河中游流域降水量較歷史時期（509.8 mm/a）有所減少，而2045 年之后降水量呈增加趨勢。就年內(nèi)變化而言［圖5（c）～（d）］，兩種排放情景下，GCM所預(yù)測降水在1-6 月的不確定性小于6-12 月。相較于歷史時期，在RCP4.5情景的5-7月和RCP8.5情景的4-6月黃河中游流域降水量明顯增加。

圖5 2021-2065年黃河中游流域降水量變化Fig.5 Projected changes in basin-average precipitation during the future period 2021-2065

2.3.2 極端降水

圖6（a）～（b）顯示了兩種RCP 情景下黃河中游流域平均年極端降水量在未來時期的年際變化。EGCM 在RCP4.5 和RCP8.5 情景下所預(yù)測多年平均年極端降水量分別為266.7 和269.8 mm/a。與歷史時期（237.2 mm/a）相比，EGCM 預(yù)測的年極端降水量增加約30 mm，和EGCM 預(yù)測的降水量變化近似。但年平均極端降水增加的比例約為12.5%，高于年平均降水的增幅（5%）。

圖6 2021-2065年黃河中游流域極端降水量變化Fig.6 Projected changes in basin-average extreme precipitation during the future period 2021-2065

2.3.3 氣溫

與降水和極端降水不同，在兩種RCP 情景下，所有GCM 預(yù)測的流域年均氣溫均呈現(xiàn)明顯的上升趨勢［圖7（a）～（b）］。在RCP4.5 和RCP8.5 情景下，EGCM 預(yù)測的年均氣溫較歷史時期（9.59 ℃）相比，分別上升了1.94 ℃和2.41 ℃。從EGCM 所預(yù)測流域平均氣溫的月變化來看，RCP4.5情景下各月間的氣溫增幅差異較小［圖7（c）］。2-6月溫度上升1.8 ℃左右，其余月份上升2.0 ℃左右。然而，在RCP8.5情景下，不同月份間溫度的增幅差異性較大［圖7（d）］。其中，9 月氣溫上升最多，為2.73 ℃，而4月氣溫上升最少，為2.06 ℃。

圖7 2021-2065年黃河中游流域氣溫變化Fig.7 Projected changes in basin-average temperature during the future period 2021-2065

3 結(jié)論

依據(jù)歷史時期地面觀測資料與20 種GCM 的輸出結(jié)果，采用相關(guān)評價指標(biāo)，評價、篩選出排名靠前的6 種GCM 模式。并根據(jù)計算的各GCM 權(quán)重，采用加權(quán)平均法構(gòu)建集成氣候模式（EGCM）。基于7 種氣候模式，采用統(tǒng)計降尺度模型（QDM）預(yù)測、分析RCP4.5 和RCP8.5 兩種排放情景下黃河中游流域未來氣候變化。主要結(jié)論如下：

（1）相較于其他GCM，ACCESS1.3、CSIRO-Mk3-6-0、IPSLCM5A-LR、IPSL-CM5A-MR、MIROC5 和MRI-CGCM3 等6 個GCM，在重現(xiàn)黃河中游流域降水和氣溫方面具有較好的性能。

（2）相較于單一GCM，EGCM 在重現(xiàn)氣候變化方面表現(xiàn)更好，可以較好地反映黃河中游流域當(dāng)前降水和溫度的變化趨勢。

（3）相較于歷史時期，黃河中游流域在未來時期年平均降水量和年極端降水量將分別增加約5%和12.5%；年均氣溫呈顯著上升趨勢，在RCP4.5 情景下各月氣溫平均增幅2 ℃左右，在RCP8.5 情景下，月均氣溫9 月增幅最高（2.73 ℃）而4 月增幅最低（2.06 ℃）。