刘卫林，朱圣男，刘丽娜，万一帆，黄一鹏

(南昌工程学院江西省水工程安全与资源高效利用工程研究中心，江西南昌330099)

0 引 言

气候变化对水文水资源的影响，是目前水文学和气象学家研究的一个热点问题[1- 2]。评价气候变化对水文水资源的影响多采用气候模式(GCMs)，然而由于GCM分辨率一般较粗，对研究精度有影响[3- 4]。因此，应用GCM的情景预测结果评估气候变化的影响时通常需要对GCM 的计算结果进行降尺度。统计降尺度方法是利用长系列的观测资料，通过气候统计法建立大尺度气候因子与局地气候要素之间的关系来实现尺度转换。统计降尺度法由于计算量相对较小、模型易于构建和简单灵活等特点，在国内外气候影响评价中得到了广泛的应用[5- 7]。SDSM是一种耦合了多元回归与天气发生器的统计降尺度方法，具有实用性、交互性强、简单易行的特点，目前被广泛应用于区域气候变化预测研究中[4，8- 9]。

赣江地处长江中下游右岸，是鄱阳湖水系中的第一大河流，也是长江八大支流之一。近年来，受气候变化和人类活动的影响，赣江中下游流域枯水期频发缺水问题，流域水资源安全面临严峻挑战[10]。因此，开展赣江流域气候变化研究，对区域水资源的可持续利用、水利工程安全高效运行管理、保证经济社会稳定发展具有重要意义。基于此，本文应用统计降尺度模型，对国际耦合模式比较计划第5 阶段发布( coupled model intercomparison project phase 5，CMIP5) 的RCP4.5排放情景下的赣江流域日平均气温、最高气温、最低气温和日平均降雨量进行降尺度，建立历史时期(1961年～2005年) 和未来时期(2006年～2099年) 的气候降尺度数据，分析未来时期赣江流域气温和降水的变化趋势，为赣江流域气候变化的水文响应研究和气候变化下适应政策的制定提供科学依据。

1 数据来源与研究方法

1.1 数据来源

赣江流域地处东经113°30′～116°40′，北纬24°29′～29°11′之间；流域面积 82 809 km2，约占全省总面积的50%；主河道长823 km。整个流域地处亚热带湿润季风气候区，气候温和，雨量充沛，流域内多年平均降水量在1 400～1 800 mm之间，但降水量年内分配极不均匀，4月～6月多年平均降水量占全年降水的41%～51%。本研究使用的数据主要包括：

(1)气象站点实测数据。本研究所用气象资料为中国气象共享网(http://data.cma.cn)的赣江流域6个气象站点1961年～2005年日降水、最高气温、最低气温及平均气温等系列气象数据。

(2)CMIP5模式数据。本研究采用加拿大环境与气候变化网(https://www.canada.ca/en.html)CanESM2模式的1961年～2100年RCP4.5气候情景下的逐日数据序列，其空间分辨率为2.81°×2.79°，共有128×64个网格，对应于赣江流域选择了6个经纬网格。

(3)NCEP再分析资料数据。待选择的大尺度大气变量采用美国预报中心(NCEP)的全球再分析日资料，共有26个大气环流因子，其分辨率为2.5°×2.5°。为了与CanESM2模式数据分辨率一致，将NCEP的输出重采样为2.81°×2.79°，每个网格有26个气象因子。赣江流域气象站点及网格位置图略。

1.2 统计降尺度方法

SDSM是一种融合了天气发生器和多元线性回归技术的降尺度方法。其重要环节主要包括：①筛选出合适的降尺度预报因子(大尺度大气环流因子)。预报因子的选择在遵循四个标准的基础上[9]，利用NCEP 与实测数据通过季节相关分析、偏相关分析和散点图等进行确定。②建立降尺度模型。预报因子确定后，利用统计方法建立预报因子与预报量(站点气象要素)间的统计关系，确定模型参数。③未来气象要素预估。利用建立好的模型，由GCM输出的未来气候情景预估小尺度或站点未来逐日气象信息。其基本原理为

(1)

式中，wt为第t天发生降水的概率；α、β为模型参数；utj为标准化后的预报因子；et为误差。若wt大于日降水概率，则降水量模拟为

yt=φ-1[F(pt)]

(2)

式中，φ为正态累计分布函数；F为日降水量pt的经验分布函数。

温度计算为

(3)

式中，γ为模型参数；Tt是温度变量。

2 结果与分析

2.1 SDSM统计降尺度模拟结果与分析

利用赣江流域6个气象站的实测降水、气温数据及NCEP大尺度气候因子，基于SDSM 模型中的季节相关分析、偏相关分析和散点图筛选降水、最高气温、最低气温及平均气温预报因子，建立赣江流域6个气象站日气温、降水统计降尺度模型。以1961年～1990年作为模型率定期对模型进行率定，1991年～2005 年作为验证期对模型进行验证。以统计特征值确定系数R2检验SDSM模型在率定期和验证期的模拟效果(见表1)。

由表1可知，SDSM模型在率定期和验证期模拟赣江流域6个气象站点气温时的效果均非常好。其中，平均气温、最低气温的确定系数在0.99以上；最高气温的确定系数稍小，但也在0.97以上。与气温相比，降水量的模拟效果较差，SDSM模型在率定期对赣江流域降水模拟的确定系数为0.679～0.769，验证期其确定系数介于0.565～0.600。由此可见，SDSM模型对赣江流域的降水、最高气温、最低气温及平均气温的模拟过程中，赣江流域气温的模拟效果整体上要优于降水的模拟效果，对降水量的模拟存在一定误差。这主要由于降水物理机制复杂，难以用简单的统计关系来模拟，所以不能很好地模拟站点降水。统计降尺度的方法很多，SDSM模型也被我国的专家学者应用于很多流域[9，11- 12]，与其他学者应用结果比较可知本文的结果的率定、模拟较好。为进一步检验模型的效果，对验证期降水量和气温的模拟值与实测值的月平均序列进行了对比(图略)。从对比图可以看出，验证期内赣江流域月平均日最高气温、最低气温和平均气温的实测值与模拟值拟合的较好；相对气温而言月平均降雨量的结果略差，但整体拟合程度也较好。以上结果说明，用SDSM模型来预测流域未来气温、降水的变化是可行的。

表1 SDSM模型率定期与验证期的确定系数R2

2.2 未来气候气温与降水变化

通过上节已建立好的各站降水、气温统计关系，根据CanESM2模式的RCP4.5情景下输出的预报因子，预测各站未来降水、气温，同时选取1961年～2005年为基准期，对未来2006年～2035年、2036年～2065年、2066年～2100年 3个时期降水、气温的时空变化规律进行分析。

2.2.1降水预估及分析

利用建立好的SDSM模型对赣江流域未来降水进行预估，结果如图1所示。

图1 赣江流域未来降水量变化

由图1可知，与基准期相比，赣江流域未来降水均呈增加的趋势，且在2006年～2035年、2066年～2100年期间，年降水的增加幅度逐渐加大，降水最多的时期则出现在2066年～2100年间，降水量为1 827 mm。未来各时期月降水变化较一致，5月～10月降水量均呈现下降趋势，1月～4月、11月、12月降水量呈现增加态势；在降水相对减少的期间，5月与6月降水量相对减少最大，在40～70 mm之间；3月与4月降水量相对增加最大，在55～110 mm间。在季尺度上，赣江流域未来春季(3月～5 月)、冬季(12月～次年2月)降水均大于基准期，呈现增加趋势，且冬季增幅最大，冬季降水在2006年～2035年、2066年～2100年分别增幅57%、62%、64%。与基准期相比，赣江流域未来夏季(6月～8 月)、秋季节(9月～11月)降水呈现减少趋势，降幅介于6%～15%，其中，夏季降水量减少较明显，尤其是在2036年～2065年时降幅最大，降幅为15%。总体而言，赣江流域总降水量在增加，然而季节性变化显著。春季、冬季降水增加的加大了发生洪涝的风险，另外，秋季与夏季降水的减少也使赣江流域遭受干旱的风险增加。

此外，利用Arcgis软件插值得到赣江流域不同时期平均降水变化，赣江流域未来降水空间分布规律与基准期基本一致，基本呈南低北高、西低东高趋势，这说明赣江流域未来降水有明显的空间分布不均匀性。未来各时期年降水量高值区由南昌-樟树演变为樟树-吉安周围；低值区仍位于赣州附近。

2.2.2气温预估及分析

利用建立好的SDSM模型对赣江流域未来气温进行预估，结果如图2所示。由图2可知，与基准期相比，赣江流域未来气温均呈增加的趋势，未来最高气温、最低气温和平均气温分别增加2.1、1.2、1.6℃。赣江流域未来月气温的年内变化趋势同基准期基本一致，均呈现先递增后递减的变化过程。同基准期一样，气温最高月份发生在7月，气温最高月份没有变化；各时期最高气温稍大于基准期，2006年～2035年、2036年～2065年、2066年～2100年最高气温分别为34.1、35.0℃和35.6℃。气温最低月份发生在1月，各时期最低气温稍大于基准期，2006年～2035年、2036年～2065年、2066年～2100年最低气温分别为3.7、5.4℃和5.0℃。赣江流域未来2006年～2035年、2036年～2065年、2066年～2100年3个时期1月～12月的平均气温、最高气温和最低气温大体呈增长趋势，平均气温、最高气温10月份各气温的增幅最大，7月份增幅最小；最低气温3月份各气温的增幅最大，10月份增幅最小。在季尺度上，赣江流域未来2006年～2035年、2036年～2065年、2066年～2100年代不同季节的平均气温均大于基准期，呈增长趋势，春季平均气温变化幅度在0.92～1.89℃，夏季平均气温变化幅度为0.20～1.30℃，冬季平均气温变化幅度为0.41～1.71℃，尤其在秋季表现最为明显，各时期平均气温均高于其他季节，秋季平均气温在2006年～2035年、2036年～2065年、2066年～2100年分别升高1.1、2.39℃和2.97℃。秋季与夏季升温而同期降水的减少也使赣江流域遭受干旱的风险增加。

图2 赣江流域未来2006年～2035年、2036年～2065年、2066年～2100年情景最高气温、平均气温与最低气温变化

同样，利用Arcgis软件插值绘制赣江流域不同时期的多年平均气温变化图(图略)可知，赣江流域未来平均气温空间分布规律与基准期基本一致，平均气温由南向北递增。高值区位于南部地区的赣州站点周围，2066年～2100年赣州平均气温将达22℃，比基准期高3℃左右；低值区位于宜春附近，宜春平均气温将达19℃，比基准期高1.7℃左右。

3 结 语

(1)利用赣江流域6个气象站数据和NCEP再分析资料，建立了赣江流域气候要素的SDSM降尺度模型，结果表明SDSM模型对赣江流域的降水、最高气温、最低气温及平均气温的模拟，气温的模拟效果整体上要优于降水的模拟效果，对降水量的模拟存在一定误差。

(2)对赣江流域未来降水预估的结果表明，赣江流域未来降水均呈增加的趋势；未来各时期月降水变化较一致，5月～10月降水量均呈现下降趋势，1月～4月、11月、12月降水量呈现增加态势；未来春季、冬季降水均大于基准期，呈现增加趋势，未来夏季、秋季节降水呈现减少趋势；未来降水空间分布基本呈南低北高，在南北方向呈递增趋势，这说明赣江流域未来降水有明显的空间分布不均匀性。

(3)对未来气温预估的结果表明，赣江流域未来气温均呈增加的趋势；未来月气温的年内变化趋势同基准期基本一致，均呈现先递增后递减的变化过程；同基准期一样，气温最高月份发生在7月，各时期最高气温稍大于基准期；气温最低月份发生在1月，各时期最低气温稍大于基准期；赣江流域未来不同季节的平均气温均大于基准期，尤其在秋季表现最为明显；赣江流域未来气温空间分布呈现南高北低分布。