基于統(tǒng)計(jì)降尺度的長(zhǎng)江上游流域降水和氣溫的時(shí)空變化趨勢(shì)研究

鄭巍斐，程雪蓉，楊肖麗，王雨茜，張夢(mèng)如

(1. 河海大學(xué)水文水資源學(xué)院，南京 210098；2. 河海大學(xué)水文水資源與水利工程科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，南京 210098；3. 江西省上饒市水文局，江西 上饒 334000)

氣候變化是世界共同關(guān)注的問(wèn)題，氣候變化導(dǎo)致的洪澇、干旱等問(wèn)題不僅影響人類生存環(huán)境，而且制約世界經(jīng)濟(jì)發(fā)展和社會(huì)進(jìn)步[1]。氣候變化導(dǎo)致的水資源時(shí)空特征的變化直接影響著處于中國(guó)經(jīng)濟(jì)持續(xù)發(fā)展重要戰(zhàn)略地位的長(zhǎng)江經(jīng)濟(jì)帶。因此，分析和預(yù)估長(zhǎng)江上游流域氣候變化趨勢(shì)對(duì)于合理規(guī)劃配置長(zhǎng)江流域水資源、制定預(yù)防災(zāi)害措施以及研究氣候影響評(píng)價(jià)和決策系統(tǒng)具有重要意義。

全球氣候模式(Global Climate Models,GCMs)是進(jìn)行區(qū)域未來(lái)氣候特征研究的常用手段，通過(guò)降尺度方法可有效提高時(shí)空分辨率，從而減少GCMs對(duì)研究區(qū)域氣候變化預(yù)估的不確定性[2]。統(tǒng)計(jì)降尺度方法由于計(jì)算量相對(duì)較小、方法多、應(yīng)用靈活，在國(guó)內(nèi)外得到了廣泛的應(yīng)用[3-5]。Li等[6]提出一種基于分位數(shù)函數(shù)法的等距離累積分布函數(shù)法(Equidistant cumulative distribution function matching method, EDCDFm)，利用GCMs模擬的氣候要素與區(qū)域觀測(cè)的氣候要素的累積分布特征之間的差異，對(duì)氣候模式模擬的氣候要素進(jìn)行偏差校正，能有效捕捉氣候要素的極值，進(jìn)而提高氣候要素的模擬精度，近年來(lái)受到越來(lái)越多的關(guān)注。本研究基于長(zhǎng)江上游流域CMIP5發(fā)布的2種排放情景下 (RCP4.5、RCP8.5) 8個(gè)氣候模式的月降水和氣溫，采用EDCDFm進(jìn)行統(tǒng)計(jì)降尺度，并結(jié)合實(shí)測(cè)站點(diǎn)數(shù)據(jù)評(píng)價(jià)降尺度歷史時(shí)期(1961-2005年)的模擬精度，分析和預(yù)估未來(lái)時(shí)期(2010-2099年)該流域降水和氣溫的變化趨勢(shì)，以期為長(zhǎng)江流域氣候變化對(duì)水資源的影響研究及其水資源規(guī)劃配置提供科學(xué)依據(jù)。

1 數(shù)據(jù)及方法

本研究收集了長(zhǎng)江上游流域82個(gè)氣象站的1961-2005年逐日降水和平均氣溫實(shí)測(cè)資料(http:∥data.cma.cn/)(見(jiàn)圖1), 8個(gè)CMIP5氣候模式歷史時(shí)期(1961-2005年)和未來(lái)時(shí)期(2006-2099年)2種氣候情景(RCP4.5、RCP8.5)的逐月降水和氣溫?cái)?shù)據(jù)(http:∥pcmdi-cmip.llnl.gov/cmip5/availability.htm)(見(jiàn)表1)。由于實(shí)測(cè)資料和各模式分辨率不同，故使用雙線性插值法，將研究區(qū)氣溫、降水觀測(cè)數(shù)據(jù)和氣候模式模擬的氣候要素插值到長(zhǎng)江流域0.5°×0.5° 網(wǎng)格上。

圖1 長(zhǎng)江上游流域及其氣象站、水文站空間分布Fig.1 Distribution of meteorological station and hydrological station in the upper reaches of Changjiang River

序號(hào)模式名稱模式所在國(guó)家空間分辨率1bcc-csm1-1中國(guó)2.8°×2.8°2CanESM2加拿大2.8°×2.8°3CCSM4美國(guó)1.25°×0.9°4CSIRO-Mk-3-6-0澳大利亞1.875°×1.875°56GISS-E2-RMPI-ESM-LR美國(guó)德國(guó)2.5°×2°1.875°×1.875°7MRI-CGCM3日本1.125°×1.125°8NorESM1-M挪威2.5°×1.875°

2 研究方法

2.1 統(tǒng)計(jì)降尺度方法

等距離分位數(shù)法(EDCDFm)考慮氣溫、降水在歷史時(shí)期和未來(lái)時(shí)期不同的累積分布特征，分別構(gòu)建氣候要素觀測(cè)值、GCMs 歷史時(shí)期模擬值和未來(lái)時(shí)期模擬值的累積分布函數(shù)(Fo-c、Fm-c和Fm-p)。利用Fo-c、Fm-c和Fm-p的分位數(shù)圖，來(lái)協(xié)調(diào)Fo-c、Fm-c和Fm-p各階矩(均值和高階矩)的變化得到偏差校正后的模式模擬的歷史時(shí)期氣候要素值和未來(lái)時(shí)期氣候要素值,其公式為：

xm-c,adjust=F-1o-c[Fm-c(xm-c)]

(1)

式中：Fo-c為觀測(cè)氣候要素的累積分布函數(shù)；Fm-c為模式模擬氣候要素歷史時(shí)期的累積分布函數(shù)；xm-c為模式模擬歷史時(shí)期的氣候要素值；xm-c,adjust為經(jīng)過(guò)偏差校正后的模式模擬的歷史時(shí)期氣候要素值。

xm-p,adjust=xm-p+F-1o-c[Fm-p(xm-p)]-F-1m-c[Fm-p(xm-p)]

(2)

式中：Fm-p為模式模擬氣候要素未來(lái)時(shí)期的累積分布函數(shù)；xm-p為模式模擬未來(lái)時(shí)期的氣候要素值；xm-p,adjust為經(jīng)過(guò)偏差校正后的模式模擬的未來(lái)時(shí)期氣候要素值。

2.2 降尺度精度分析

本研究分析降尺度模型的模擬結(jié)果采用平均絕對(duì)誤差(Mean Absolute Error，MAE)相對(duì)偏差(Relative Deviation,RD)相關(guān)系數(shù)(Correlation Coefficient,CC)作為評(píng)價(jià)指標(biāo)。

(1)平均絕對(duì)誤差MAE：

(3)

(2)相對(duì)偏差RD：

(4)

(3)相關(guān)系數(shù)CC：

(5)

式中：Mi和Oi分別是模式模擬值和實(shí)測(cè)值；n是網(wǎng)格序列。

3 統(tǒng)計(jì)降尺度精度評(píng)價(jià)

利用長(zhǎng)江上游的實(shí)測(cè)數(shù)據(jù)和8個(gè)氣候模式數(shù)據(jù)，采用EDCDFm統(tǒng)計(jì)降尺度方法，獲得長(zhǎng)江上游流域月平均降水和氣溫的數(shù)據(jù)集；通過(guò)對(duì)比分析8個(gè)降尺度模式及其多模式集合(Ensemble)模擬結(jié)果與該流域?qū)崪y(cè)站點(diǎn)數(shù)據(jù)(observation)的平均絕對(duì)誤差MAE、相對(duì)偏差RD、相關(guān)系數(shù)CC來(lái)分析評(píng)估EDCDFm統(tǒng)計(jì)降尺度方法的模擬精度。從長(zhǎng)江上游流域8個(gè)模式及其集合統(tǒng)計(jì)降尺度降水和實(shí)測(cè)降水散點(diǎn)圖(見(jiàn)圖2)可以看出，8個(gè)模式及其模式集合與實(shí)測(cè)降水?dāng)M合度較高，相關(guān)系數(shù)均為0.898～0.957，模式模擬的降水與實(shí)測(cè)數(shù)據(jù)的MAE值為 15.644～17.953 mm，RD值為-0.06%左右。其中，模式bcc-csm1-1[圖2(a)]與實(shí)測(cè)數(shù)據(jù)的MAE為17.953，模擬降水量較其他模式偏高；模式MRI-CGCM3[圖2(g)]的MAE最小，模擬的降水量最接近實(shí)測(cè)值；模式CSIRO-Mk3-6-0[圖2(d)]的RD值為-0.013%，遠(yuǎn)低于其他模式。8個(gè)模式的CC值都在0.89以上，除了模式bcc-csm1-1和GISS-E2-R與實(shí)測(cè)數(shù)據(jù)相關(guān)系數(shù)略低外(0.898)，其余的模式都和實(shí)測(cè)數(shù)據(jù)擬合較好(0.903以上)。多模式集合Ensemble[圖2(i)]模擬的降水精度明顯高于單個(gè)模式，Ensemble的MAE和CC值為11.345和0.957，擬合效果要優(yōu)于單個(gè)模式。

圖2 1961-2005年降水實(shí)測(cè)月值與降尺度模式月值散點(diǎn)圖Fig.2 The scatter plot of observed and downscaling model monthly precipitation from 1961 to 2005注：實(shí)線表示降尺度模式的趨勢(shì)線，黑色虛線的斜率為1。

對(duì)比8個(gè)降尺度模式以及其多模式集合(Ensemble)模擬的平均絕對(duì)誤差MAE、相對(duì)偏差RD、相關(guān)系數(shù)CC(見(jiàn)表2)可知：8個(gè)模式模擬的氣溫與實(shí)測(cè)數(shù)據(jù)的MAE值為0.907～0.997 ℃，RD值為-0.08%左右，CC值在0.98左右，表明各個(gè)模式對(duì)氣溫的模擬都比較吻合。其中模式bcc-csm1-1與實(shí)測(cè)數(shù)據(jù)的MAE值為0.997，模擬氣溫較其他模式偏高；模式CSIRO-Mk3-6-0和NorESM1-M的相對(duì)偏差要遠(yuǎn)低于其他模式。多模式集合(Ensemble)模擬氣溫的MAE為0.692，比8個(gè)模式的MAE都要小，CC高達(dá)0.991，與實(shí)測(cè)氣溫的擬合優(yōu)于8個(gè)模式。表明EDCDFm統(tǒng)計(jì)降尺度方法獲得的月尺度多模式集合的降水和氣溫與實(shí)測(cè)數(shù)據(jù)吻合較好，該方法可以用于未來(lái)時(shí)期長(zhǎng)江上游降水和氣溫的降尺度，預(yù)估該區(qū)域降水和氣溫的變化趨勢(shì)。

表2 1961-2005年月平均氣溫實(shí)測(cè)值與降尺度模式月值統(tǒng)計(jì)Tab.2 Statistics of observed and downscaling model monthlymean temperature from 1961 to 2005

4 長(zhǎng)江上游區(qū)域降水和氣溫的變化趨勢(shì)分析

4.1 降水的時(shí)空變化趨勢(shì)

本研究將長(zhǎng)江上游區(qū)域未來(lái)時(shí)期(2010-2099年)劃分為3個(gè)時(shí)間段[2010-2039年(Ⅰ)、2040-2069年(Ⅱ)、2070-2099年(Ⅲ)]來(lái)分析降水的氣溫時(shí)空變化特征。2種排放情景下，各個(gè)模式模擬降水在未來(lái)不同時(shí)間段的變化趨勢(shì)略有不同(見(jiàn)表3)。在第Ⅰ階段，RCP4.5情景下，除了bcc-csm1-1、CanESM2這2個(gè)模式表現(xiàn)為降水減少趨勢(shì)外，其余模式都呈現(xiàn)出增加趨勢(shì)，多模式集合表現(xiàn)為降水增加趨勢(shì)。RCP8.5情景下，CCSM4、MPI-ESM-LR、NorESM1-M1模式表現(xiàn)為降水增加趨勢(shì)，其余模式和多模式集合均呈現(xiàn)降水減少的趨勢(shì)；在第Ⅱ、Ⅲ階段，RCP4.5情景下，除了bcc-csm1-1、CSIRO-Mk3-6-0這2個(gè)模式模擬的降水變化趨勢(shì)不一致外，其余模式及多模式集合平均都呈現(xiàn)出相同的變化趨勢(shì)，多模式集合平均表現(xiàn)為降水增加趨勢(shì)。但第Ⅲ階段降水增加的幅度低于第Ⅱ階段，RCP8.5情景下，除了bcc-csm1-1、GISS-E2-R這2個(gè)模式模擬的降水變化趨勢(shì)不一致外，其余模式及多模式集合都呈現(xiàn)出相同的變化趨勢(shì)，多模式集合平均表現(xiàn)為降水增加趨勢(shì)。但第Ⅲ階段降水增加的幅度要高于第Ⅱ階段，第Ⅱ、Ⅲ 2階段的2個(gè)情景相比較，RCP8.5情景下線性趨勢(shì)率增幅較為明顯，尤其是在第Ⅲ階段，為10.16 mm/(10 a)，遠(yuǎn)高于RCP4.5的1.66 mm/(10 a)。

表3 RCP4.5和RCP8.5情景下年平均降水變化趨勢(shì) mm/(10 a)

長(zhǎng)江上游流域在Ⅰ、Ⅱ、Ⅲ 3個(gè)時(shí)間段的多模式集合平均年平均降水有著明顯的空間變化特征(見(jiàn)圖3)。在2種情景下，長(zhǎng)江源頭的降水在3個(gè)時(shí)間段的變化不大。第I階段， RCP4.5情景下[圖3(a)]，整個(gè)流域大部分地區(qū)降水增加，東部地區(qū)降水大約以20 mm/(10 a)的增長(zhǎng)率增加，而RCP8.5情景下[圖3(b)]整個(gè)流域大部分地區(qū)降水減少，中部和東部區(qū)域降水減少趨勢(shì)比較明顯；第Ⅱ階段RCP4.5情景下[圖3(c)]，中部地區(qū)的降水逐漸增多，且增加趨勢(shì)高于Ⅰ，Ⅲ時(shí)間段[圖3(a)、圖3(e)]，東部地區(qū)降水則普遍減少，而RCP8.5情景下[圖3(d)]除了中部地區(qū)降水減少外，其他地區(qū)略有增加；第Ⅲ階段RCP4.5情景下[圖3(e)]，東部地區(qū)降水呈減少趨勢(shì)，東南地區(qū)的降水約以15 mm/(10 a)的速率減少，減少趨勢(shì)在整個(gè)流域內(nèi)最為強(qiáng)烈，RCP8.5情景下[圖3(f)]，中部地區(qū)降水明顯增加，增加速率在30 mm/(10 a)左右。

圖3 長(zhǎng)江上游流域三個(gè)時(shí)間段兩種情景下多模式集合平均年平均降水線性趨勢(shì)[單位：mm/(10 a)]Fig.3 The the ensemble precipitation linear trend of RCP4.5 and RCP8.5 during 2010-2039、2040-2069、2070-2099 in the upper reaches of Changjiang River

4.2 氣溫時(shí)空變化趨勢(shì)

表4給出了2種情景下3個(gè)時(shí)間段的線性變化趨勢(shì)。RCP4.5情景下，除了bcc-csm1-1在第Ⅲ階段出現(xiàn)年平均氣溫降低現(xiàn)象之外，所有的模式及多模式集合平均均為氣溫升高，但2040年后大部分模式及多模式集合平均氣溫升高趨勢(shì)減弱。RCP8.5情景下，所有的模式及多模式集合平均均表現(xiàn)為氣溫升高，第Ⅲ階段的氣溫升高幅度最大，幅度達(dá)到0.62 ℃/(10 a)。

表4 RCP4.5和 RCP8.5情景下年平均氣溫變化趨勢(shì) ℃/(10 a)

從長(zhǎng)江上游流3個(gè)時(shí)間段的氣溫在空間上的變化(見(jiàn)圖4)可以看出，長(zhǎng)江上游流域平均氣溫有著明顯的空間差異。RCP4.5情景下[圖4(a)、圖4(c)、圖4(e)]，源頭地區(qū)在第Ⅰ階段[圖4(a)]以0.2～0.6 ℃/(10 a)的速率持續(xù)升溫，在第II階段[圖4(c)]以-0.4 ℃/(10 a)左右降溫，第Ⅲ階段[圖4(e)]也呈升溫趨勢(shì)，但整體的變化幅度不大。中部區(qū)域在第II階段表現(xiàn)為降溫趨勢(shì)，Ⅰ、Ⅲ階段為升溫趨勢(shì)，且Ⅰ階段氣溫升高的幅度高于Ⅲ階段。東部區(qū)域在第I階段氣溫增加的趨勢(shì)要高于第Ⅱ、Ⅲ階段。RCP8.5情景下[圖4(b)、圖4(d)、圖4(f)]，東部區(qū)域在3個(gè)階段氣溫為增加趨勢(shì)，第Ⅱ階段[圖4(d)]以0.6～1.0 ℃/(10 a)持續(xù)升溫,增加的幅度要高于第Ⅰ階段[圖4(b)]，第Ⅲ階段[圖4(f)]增加的幅度高于第I階段但低于第Ⅱ階段。源頭區(qū)域在第Ⅰ階段氣溫呈增加趨勢(shì)，到第Ⅱ階段又呈氣溫降低趨勢(shì)，第Ⅲ階段約以1.5 ℃/(10 a)的速率持續(xù)升溫，遠(yuǎn)高于第I階段的0.6 ℃/(10 a)。中部區(qū)域變化趨勢(shì)和源頭一致，也是在第I階段呈氣溫升高趨勢(shì)，第II階段呈氣溫降低趨勢(shì)，第Ⅲ階段呈氣溫升高趨勢(shì)。對(duì)于Ⅰ、Ⅱ、Ⅲ每一個(gè)時(shí)間段，RCP8.5情景下的氣溫線性趨勢(shì)明顯大于RCP4.5情景下的線性趨勢(shì)。

5 結(jié) 語(yǔ)

(1)時(shí)間和空間尺度上，等距離分位數(shù)法(EDCDFm)降尺度模型的模擬結(jié)果與82個(gè)氣象站點(diǎn)的實(shí)測(cè)數(shù)據(jù)擬合性較好，多模式集合平均Ensemble模擬結(jié)果比單個(gè)模式的降尺度數(shù)據(jù)更接近實(shí)測(cè)值。

圖4 長(zhǎng)江上游流域3個(gè)時(shí)間段2種情景下多模式集合平均年平均氣溫線性趨勢(shì)[單位：℃/(10 a)]Fig.4 The ensemble temperature linear trend of RCP4.5 and RCP8.5 during 2010-2039、2040-2069、2070-2099 in the upper reaches of Changjiang River

(2)未來(lái)2種排放情景下，除源頭降水增加趨勢(shì)不明顯外，整個(gè)長(zhǎng)江上游流域降水呈現(xiàn)顯著增加的趨勢(shì)；研究區(qū)域的大部分地區(qū)在未來(lái)時(shí)期氣溫呈現(xiàn)升高的趨勢(shì)，而且RCP8.5氣溫增加的趨勢(shì)要明顯高于RCP4.5。

□

[1] 丁一匯, 任國(guó)玉, 石廣玉. 氣候變化國(guó)家評(píng)估報(bào)告(Ⅰ):中國(guó)氣候變化的歷史和未來(lái)趨勢(shì)[J]. 氣候變化研究進(jìn)展, 2007,3(S1):1-5.

[2] Wilby R L, Dawson C W, Barrow E M. SDSM——a decision support tool for the assessment of regional climate change impacts[J]. Environmental Modelling & Software, 2002,17(2):145-157.

[3] WOOD A W, LEUNG L R, SRIDHAR V, et al. Hydrologic implications of dynamical and statistical approaches to downscaling climate model outputs[J]. Climatic Change, 2004,62(1):189-216.

[4] 范麗軍, 符淙斌, 陳德亮.統(tǒng)計(jì)降尺度法對(duì)未來(lái)區(qū)域氣候變化情景預(yù)估的研究進(jìn)展[J]. 地球科學(xué)進(jìn)展, 2005,20(3):320-329.

[5] 郭家力，郭生練，郭 靖．鄱陽(yáng)湖流域未來(lái)降水變化預(yù)測(cè)分析[J].長(zhǎng)江科學(xué)院院報(bào)，2010,27(8):20-24.

[6] LI H, SHEFFIELD J, WOOD E F. Bias correction of monthly precipitation and temperature fields from Intergovernmental Panel on Climate Change AR4 models using equidistant quantile matching[J]. Journal of Geophysical Research Atmospheres, 2010, 115(D10):985-993.