考虑自然变异的漳河流域未来气候变化情景预估
2020-10-28伦玉蕊王若彤
伦玉蕊，王若彤，刘 浏,2
(1.中国农业大学 水利与土木工程学院， 北京 100083；2.中国农业大学 中国农业水问题研究中心， 北京 100083)
气候变化关系着人类生存和发展，是当今社会关注的重点问题之一[1-4]。近年来，随着全球气候变暖趋势加剧，人们对区域未来气候变化精准预估的需求也在不断提高。当前研究主要借助大气环流模式GCMs(General Circulation Models，GCMs)[5-7]来进行未来气候变化情景的构建，但由于其空间分辨率较低，如果直接应用于尺度较小的研究区域，会导致模拟结果存在很大不确定性。因此，将大尺度的GCMs输出结果转化为合适的区域尺度是进行未来气候变化预估的重要过程，动力降尺度[8]和统计降尺度方法也应运而生。其中，具有计算量较小、结果精度较高等优点的统计降尺度方法应用相对更为广泛[9-13]。模型输出估计MOS(Model Output Statistics，MOS)作为常用的统计降尺度方法之一，在区域气候变化预估研究中发挥了重要作用[14-16]。值得关注的是，诸多不确定因素都会给降尺度结果带来偏差。常见的不确定因素主要包括人类活动等外界强迫作用的不确定性，GCMs模式的不确定性，以及气候内部自然变异的不确定性[17]。随着相关技术手段的进步，前两种不确定性要素带来的影响逐渐可以人为减弱或可控，但是气候自然变异带来的影响却不易控制或改变[18]。自然变异是指在没有外界人为胁迫的情况下，由于大气、海洋等固有周期性运动变化导致气候系统内部产生的一定程度变异[19]，影响着不同国家和地区的气候变化情况。在使用统计降尺度方法进行气候变化影响研究时，应当充分考虑到气候自然变异的影响，如果气候模式的模拟偏差小于自然变异的范围，那么应被视为无明显偏差，可直接运用于未来气候变化预估研究。
位于我国中南部地区的漳河流域，下游为大型水库灌区，由气候变化导致的旱涝灾害频发对灌区生产影响重大。因此，本文聚焦于该地区未来气候变化情景预估，除考虑气候模式和方法带来的不确定性以外，同时考虑自然变异带来的影响，主要开展以下研究：(1)采用基于秩评分和多准则决策排序结合的多模式评估方法，优选出合适的GCMs模式，降低模式选择的不确定性；(2)结合研究区域气候特点，选择合适的统计降尺度方法，并对比分析考虑自然变异与否给模拟结果造成的影响，以期提高降尺度精度；(3)基于典型浓度路径RCPs(Representative Concentration Pathways,RCPs)情景RCP2.6、RCP4.5和RCP8.5，对漳河流域未来2021年—2050年降水、最高和最低气温进行集合预估，从而为流域下游的漳河灌区可持续发展提供科学参考。
1 材料和方法
1.1 研究区概况
漳河流域位于我国中南部地区，介于111 °～113 °E，30 °～32 °N之间，总面积为8 524 km2(见图1)。流域以库区为界，上游为一不规则长方形，面积约2 980 km2；下游是以漳河水库为供水主体，其他中小水利设施联合运用的大型灌区，面积约5 543.93 km2，地形主要为平原和丘陵，总耕地面积16.32万hm2，主要作物为水稻，是湖北省重要产粮基地之一。流域属长江中游亚热带季风气候，温暖湿润，雨量丰沛，年平均降水量为932.9 mm，但年内降水分布极不均匀，其中4月—10月降水量约占全年降水量的85%左右；年际分配也较为悬殊，年最大与年最小降水量相差5～7倍，导致灌区旱涝灾害频发，给当地的农业生产、水资源和粮食安全等民生问题产生了严重的不利影响。因此，预估灌区未来气候变化，正确认识该区域水资源的变化成因，对当地水资源优化配置和保护生态环境等具有十分重要的现实意义。
图1 漳河流域位置及气象站点分布
1.2 数据来源
(1) 实测气象站点数据。本研究实测数据来源于漳河流域及其周边5个国家基本气象站点，分布如图1所示。数据时间跨度为1961年—2005年。为进行统计降尺度模型率定与验证，将其分为1961年—1990年的率定期和1991年—2005年的验证期。选取的气候要素包括日降水、平均、最高和最低气温(http://data.cma.cn/)。
(2) GCMs数据。从CEDA( Centre for Environmental Data Analysis,CEDA)选取了CMIP5(Coupled Model Intercomparison Project phase 5,CMIP5)中序列较长的26种月尺度和日尺度的GCMs 数据资料。其中，月尺度数据长度为1961年—2000年，用于气候模式的区域适应性评估；日尺度数据在基准期长度为1961年—2005年，用于降尺度模型的率定和验证；在未来期长度为2021年—2050年 , 用于生成RCP2.6、RCP4.5、RCP8.5三种典型浓度路径下的未来气候变化情景。GCMs模式详细信息参见参考文献[20]，本文在此基础上增加3种模式，如表1所示。由于 GCMs 的分辨率各不相同，在研究中统一插值成1.5 °×1.5 °。
表1 附加3种GCMs信息
1.3 研究方法
1.3.1 GCMs适应性评估
由于各GCMs模式之间模拟结果差异较大，且在不同地区的适应性也不尽相同，为优选出适合于漳河流域的气候模式，采用秩评分与多准则决策排序相结合的方法来进行模式选择。
首先，秩评分方法通过计算模拟与实测数据间统计特征值的拟合程度进行0～10的评分，以此判断GCMs模式在区域的适应程度[21-22]，其计算公式如下：
(1)
式中：Rsi为评分结果；i为模式序号；xi为模拟序列与实测序列统计特征值的相对误差；xmax和xmin分别为误差的最大值和最小值；当xi越小时，Rsi越大。
为保证模式选择的合理性，同时运用多准则决策排序法进行同步优选。该方法原理为先利用熵值法计算各模式的归一化均方根误差(NRMSE)、时间序列的PEARSON相关系数(rtom)、空间序列的PEARSON相关系数(rspa)、概率密度函数PDF(Probability Density Functions,PDF)的统计变量BS(Brier Score,BS)SS(Skill Score,SS)5个指标的权重，然后采用PROMETHEE-2法来对GCMs进行-1～1的评分以判断优劣。
将两种评分方法结合起来得到GCMs的综合排名，优选前五个模式作为漳河流域未来气候变化情景预估的驱动数据集。
1.3.2 MOS统计降尺度模型
MOS法中对于降水使用DBC(Daily Bias Correction,DBC)法，气温使用DT(Daily translation,DT)法。DBC是结合DT和LocI(Local Intensity Scaling,LocI)的混合方法，此方法能同时兼顾校正降水的发生频率与降水量的偏差[9]，研究[23]表明，该方法对于降水较多的漳河流域具有良好的适用性。
(1) 基于DBC法的降水降尺度。首先运用LocI方法来进行降水频率校正，以保证实测和模拟降水序列具有相同的湿日频率；接着使用DT法进行降水量校正，按照百分位数划分原则计算比例因子S，对率定和验证期的实测和优选GCMs模拟数据进行偏差校正。计算公式如下：
(2)
(3)
(2) 基于DT法的气温降尺度。区别于降水气候要素，对气温要素直接采用DT法进行偏差校正，逐月计算未来时期降尺度后的气温值，公式如下：
Tadj,fut=TGCM,fut+
(4)
式中：Tadj,fut为未来每日修正气温；TGCM,fut为GCM模式直接输出的未来时期每日气温；Tobs为观测数据每日气温；TGCM,bas为GCM直接输出的历史时期每日气温；
1.3.3 自然变异估算方法
本文采用长序列历史观测数据法对每个站点依次进行逐月各气候要素自然变异值的估算，步骤如下：(1)将1961年—2010年观测数据每二十年一组交叉划分为四组，即 1961年—1980年、1971年—1990年、1981年—2000年与1991年—2010年；(2)以每月的日降水、日平均气温、日最高以及最低气温的均值最大值与最小值的差值来估算四个时期的变化范围，将其作为自然变异值；(3)判断GCMs输出数据与实测数据的剩余偏差是否在自然变异范围内，如果在自然变异范围内，认为该偏差不需要校正；若在自然变异范围之外，则除去自然变异之后重新进行偏差校正。这种基于自然变异的模型偏差校正可以避免因模型的过度校正造成的降尺度结果的不确定性。
2 结果与讨论
2.1 GCMs适应性评估
通过秩评分和多准则决策排序方法全面评估了CMIP5中的26个GCM模式对漳河流域各气候要素的适应性，结果如图2所示。可以看出，两种方法的评估结果均表明不同模式对不同气候要素的模拟效果存在较大差异，因此，本研究进一步采用熵值法对各气候要素赋予不同权重，分别为：降水0.25，平均气温0.27，最高气温0.21，最低气温0.27。然后将两种方法的结果进行综合，最终优选出排名前5的气候模式(对数据缺失的模式依次顺延)，分别为： BCC-CSM1-1-M、FGOALS-g2、CESM1-CAM5、MPI-ESM-MR、MIROC5。以此作为构建漳河流域未来气候变化情景的驱动数据集。
图2 漳河流域26个GCMs适应性评估结果
2.2 未来气候变化情景构建
2.2.1 MOS模型率定与验证
在MOS模型的率定和验证中，对降水要素选取均值、90%分位数、标准差、降水频率和降水强度共5个指标，对三个气温要素选取均值、90%分位数、10%分位数和方差共4个指标来评估模型在再现观测平均值、标准偏差和分布特征方面的性能。为更为完整的表现模拟效果，将各指标按1月—12月和多年日平均进行划分并依次编号，降水共计65个评价指标，气温共计52个评价指标，具体如表2所示。
以在漳河流域表现最优的BCC-CSM1-1-M模式输出的降水、平均气温、最高气温以及最低气温数据为例，分别计算5个站点在率定和验证期各气候要素的实测与模拟评价指标之差，做出标准化误差热点图如图3所示，图中y轴表示漳河流域的5个气象站点，自上而下分别是南漳、襄樊、钟祥、宜昌以及荆州；x轴表示表2中的各评价指标编号，不同指标之间以实线分隔。图中色块的深浅代表误差大小，以此来体现两种情况下MOS降尺度模型的偏差校正能力。
表2 MOS模型降水及气温评价指标编号
由图3可知，整体上考虑自然变异(见图3(a))的率定与验证结果优于不考虑自然变异(见图3(b))，并主要体现在验证期结果得到显著提升。具体来看，对于降水，其均值、标准差以及90%分位数在两种情况下均没有较大的变化，但当考虑自然变异时，作为降水要素中最难以捕捉的降水强度和降水频率在率定期的误差有低幅增加，整体在2.5以内，在验证期的误差值减少明显，最大误差由5.14和3.7分别降低为3.3和1.9；因此，可以认为在降尺度模型中考虑自然变异的结果优于不考虑自然变异。对于平均气温，考虑自然变异与否在率定期的降尺度结果无明显差异，而在验证时期，标准差和90%分位数指标的最大误差分别从3.6和4.6降低到了2.2和3.2。对于最高气温，考虑自然变异时，率定期的标准差指标最大误差从2.2变为2.7，有较低幅度的增加；但在验证时期除南漳站4月份的均值和10%分位数误差增大外，其他站点各月份指标误差都得到明显改善，其中标准差的误差值接近于0，校正结果明显优于其他统计指标。对于最低气温，在率定期两种情况下的结果比较一致，但在验证期，考虑自然变异的情况下1月—4月气温较低时期的指标误差相对更小。
以上分析表明，考虑自然变异的情况下MOS降尺度模型对降水、平均气温、最高气温和最低气温的偏差校正结果整体更好，尤其在验证期模型效果得到显著提升，可以用于漳河流域未来气候变化情景预估。
图3 漳河流域考虑自然变异与否的率定期和验证期模型误差热点图
2.2.2 未来降水变化情景预估
以优选的5种GCM模式输出数据为驱动，采用考虑自然变异的MOS降尺度模型，将1991年—2005年作为基准期，模拟生成了漳河流域未来时期(2021年—2050年)3种RCP情景下各模式和集合平均(Multi-Model Ensembles,MMEs)的降水变化。
图4展示了不同时间尺度漳河流域未来时期降水量相对于基准期的变化情景。由图4可知，在月尺度上，不同模式不同情景下的未来降水量主要在-30%～20%之间变化，仅有个别模式出现较大波动。其中，最大增幅和最大减幅均由BCC-CSM1-1-M模式模拟所得，分别为RCP4.5情景下的12月份，达到186%；和RCP8.5情景下的8月份，达到-70%。在季节尺度上，秋季的变化幅度相对明显，在-60.7%～16.8%之间。在年尺度上，降水量变幅在-29%～10%之间，主要呈下降趋势。结合多模式集合平均结果来看，未来时期漳河流域降水在不同排放情景下整体上都呈减幅略大于增幅的趋势，且存在季节性差异，应注重由此给灌区作物不同生长期灌溉带来的影响。
将漳河流域5个站点未来及基准期的多年平均降水量进行空间插值，得到了不同模式不同情景下漳河流域上下游较基准期的降水量变化空间分布(见图5)。结果表明，大多数GCMs在全流域呈现出降水减少的趋势。在RCP2.6情景下，除CESM1-CAM5与MIROC5模式模拟的未来降水相较于基准期增加以外，其余模式皆表现为未来时期降水减少，并且与上游相比，下游的降水量增幅下降而减幅增加。大多数模式在RCP4.5及RCP8.5情景下的降水呈减少趋势，且下游的降幅略大于上游。值得注意的是， BCC-CSM1-1-M模式在三种排放情景下模拟的上下游降水量下降幅度最明显，上游减幅为-28.01%，下游达到-28.69%。总体来说，漳河流域上游降水量变化幅度范围在-28.01%～13.08%之间，下游在-28.69%～10.91%之间，流域未来时期降水变化减幅大于增幅。
图4 漳河流域未来时期降水量变幅
图5 多模式多情景下漳河流域未来降水量变化空间分布图
2.2.3 未来最高气温变化情景预估
研究漳河流域各个模式在RCP2.6、RCP4.5、RCP8.5三种情景下的最高气温月、季、年变化。在月尺度上，不同排放情景下各模式模拟的最高气温相对于基准期在0.5℃～2.0℃之间变化，基本呈增温趋势。其中，FGOALS-g2模式的结果波动幅度最大，其在RCP8.5排放情景下的3月份出现了3.5℃的最大增幅，在RCP2.6情景下的9月份出现-1.0℃的最大减幅。在季节尺度上，秋、冬两季的变化波动较大，秋季最高气温变幅在-1℃～3.1℃之间，冬季变幅在0.1℃～2.3℃之间。在年尺度上，各个模式在三种情景下模拟生成的最高气温均呈现增加趋势，增幅在2.0℃以内。多模式集合平均结果表明，最高气温的增幅随温室气体排放的增多而变大。
通过空间插值得到不同模式在不同情景下预估的漳河流域上下游最高气温变化空间分布。在三种排放情景下未来最高气温变化空间分布皆呈现增温趋势，且随着排放浓度的增加而增幅变大(RCP8.5>RCP4.5>RCP2.6)。其中，BCC-CSM1-1-M模式在RCP8.5排放情景下增幅最大，上游增幅达到了1.03℃，下游增幅达到1.34℃；MPI-ESM-MR模式在所有模式中增温幅度最小，其在排放浓度最高的RCP8.5情景下的上下游增幅分别为0.22℃和0.46℃，在RCP2.6情景下生成的上游增温幅度约为0.19℃，在下游增温幅度也低至0.22℃。整体而言，大部分组合情景模拟结果表明上游最高气温的增幅要略低于下游，上游增温幅度在0.19℃～1.39℃之间，下游增幅在0.22℃～1.44℃之间。
2.2.4 未来最低气温变化情景预估
不同时间尺度上漳河流域未来时期(2021年—2050年)的最低气温变化如图6所示。在月尺度上，各模式在三种排放情景下基本呈0.3℃～1.6℃的增温趋势，其中最大增幅为RCP8.5排放情景下的FGOALS-g2模式的3月模拟结果，达到2.35℃；最大降幅为RCP8.5情景下BCC-CSM1-1-M模式的5月模拟结果，约为-1.64℃。在季节尺度上，夏季变化波动较大，主要是由于BCC-CSM1-1-M模式的降幅明显，达到-1.29℃，其余模式则主要呈0℃～1.28℃的增温趋势，这一现象与月尺度最低气温变化类似。在年尺度上，各个模式不同情景下模拟生成的最低气温均呈现增加的趋势，增幅在0.3℃～1.3℃之间。和最高气温类似，多模式集合平均结果也表明最低气温增幅随着温室气体排放浓度的增加而变大。
图6 漳河流域未来时期最低气温变幅
漳河流域上下游最低气温变化的空间分布情况如图7所示。结果表明，未来最低气温在流域上下游基本呈现增温趋势，且大部分组合情景模拟结果显示上游增幅在-0.16℃～1.32℃之间，下游增幅在0.29℃～1.26℃之间，上游最低气温的增温值要略大于下游。在不同情景下，BCC-CSM1-1-M模式预估的增幅最小，在0.5℃以内；MIROC5模式增幅最大，在0.8℃～1.48℃之间；CESM1-CAM5模式随温室气体排放浓度增加而增幅变大的趋势最为明显，其在RCP8.5情景下的上游增幅达到1.3℃，比RCP2.6和RCP4.5情景下分别增加了1.16℃和0.84℃；下游达到0.92℃，比RCP2.6和RCP4.5情景下分别增加了0.59℃和0.53℃。与最高气温变化相似，MPI-ESM-MR模式在所有模式中变幅最小，其在RCP2.6情景下上游呈现约0.16℃的减幅，下游呈现0.29℃的增幅。
图7 多模式多情景下漳河流域未来最低气温变化(℃)空间分布图
总体而言，多模式多情景下预估的漳河全流域未来时期最高和最低气温均存在不同程度的增加趋势，且最高气温的增幅(0.5℃～2.0℃)略大于最低气温(0.3℃～1.6℃)，这一增温确实将对灌区水稻作物生长发育和光合生产等造成系列影响[24-26]。
3 结 论
本文以具有大型灌区的漳河流域为研究对象，基于CMIP5中优选的5个大气环流模式，运用考虑自然变异的MOS降尺度模型，以1961年—2005年为基准期，模拟生成了2021年—2050年三种RCPs排放情景下的日降水、最高和最低气温数据，对流域未来时期的气候变化情景进行预估，主要结论如下：
(1) GCM模式适应性评估结果表明，BCC-CSM1-1-M、FGOALS-g2、CESM1-CAM5、MPI-ESM-MR、MIROC5五个模式在漳河流域的模拟能力最好。
(2) 率定和验证期考虑自然变异与否的模型指标误差对比分析表明，考虑自然变异的MOS降尺度模型具有更好的重现降水和各气温要素在均值、频率、强度和极值方面的能力，且在验证期的模拟效果提升显著，因此更适合运用于漳河流域未来气候变化情景预估，可以有效降低模拟的不确定性，提高预估精度。
(3) 多模式多情景下漳河流域未来年降水量较基准期而言在-29%～10%之间变化，减幅要略大于增幅；未来年最高、最低气温均呈增加趋势，分别在0.5℃～2.0℃和0.3℃～1.3℃之间变化，且增幅随着温室气体排放浓度的增加而变大，即RCP8.5>RCP4.5>RCP2.6，空间变化上，上游最高气温增幅略小于下游，最低气温增幅略大于上游。
