张芯瑜 张琪,2 韩佳昊

(1 南京信息工程大学 应用气象学院，南京 210044；2 江苏省农业气象重点实验室，南京 210044)

引 言

1970s以来，气候变化增加了大气持水能力，改变着大气环流格局，加剧全球干旱[1]。东北地区目前是我国气候变化最为显著的区域之一[2]。统计结果显示，1980s以来东北地区干旱明显加剧，面积增加，造成严重损失[3]。因此研究东北地区未来干旱事件的时空演变特征具有重要意义。

干旱指数是研究干旱事件的主要手段，迄今表征干旱程度的指数有近百种，较为常用的有标准化降水指数(Standardized Precipitation Index, SPI)、Z指数、Palmer干旱指数(Palmer Drought Severity Index, PDSI)和标准降水蒸散指数(Standardized Precipitation Evapotranspiration Index, SPEI)等[4]。各指数主要以降水量、气温等数据为输入，分析不同时间尺度上水分盈缺状况。其中Mckee, et al[5]开发的SPI指数具有计算合理、意义清晰、时间尺度灵活等特点，得到广泛使用。东北地区降水具有东南部多且向内陆地区减少以及主要集中在夏季的分布特征，多数研究都显示在过去的几十年干旱有频率增加、空间分布差异大的特征[6-8]。同时也有部分对东北地区未来气温、降水量变化情况进行预估性研究，耦合模式比较计划(CMIP5)的模式对东北地区的模拟效果较好[9]，模式预估结果显示RCP4.5和RCP8.5情景下未来东北地区气温、降水都显著增加，且东部地区降水增加更显著，RCP8.5情景下增温更明显[10-11]。目前已有的研究多从气象要素的未来变化情况开展，而对于未来东北地区干旱变化特征特别是更小时间、空间尺度的研究较为少见，需开展相关研究。

本文拟基于降水量历史观测数据和模式预估数据，采用SPI指数识别干旱事件，分析东北地区干旱危险性在未来近期(2020—2049年)、远期(2070—2099年)相对于历史时期(1976—2005年)的变化趋势和空间分布规律，为东北地区应对气候变化，制定农业发展规划提供指导和建议。

1 资料与方法

1.1 研究区概况

东北地区(38°40′～53°20′N，111°37′～135°5′E)包括黑龙江、吉林、辽宁以及内蒙古东四盟(图1)，属温带季风气候区，北部部分地区为寒温带季风气候，东北平原大部分属半湿润区，内蒙古东部属于半干旱区。

1.2 数据来源

数据包括降水量历史观测数据和气候模式预估数据。历史观测数据来源于国家气象信息中心(http:∥data.cma.cn/)，包括1976—2005年东北地区25个气象站(图1)逐日降水数据，用于验证模式预估数据的可用性及分析历史阶段的干旱特征。

气候模式预估数据来源于美国航天局发布的统计降尺度气候评估数据集NASA Earth Exchange/Global Daily Downscaled Projections (NEX-GDDP，简称GDDP)(https:∥cds.nccs.nasa.gov/nex-gddp/)。该数据集采用误差订正空间分解法(Bias Correction and Spatial Disaggregation, BCSD)将大气环流模式(General Circulation Model, GCM)数据插值到空间分辨率为0.25°×0.25°的网格[12]。数据集包括IPCC AR5中模拟全球气候变化的CMIP5中的21个GCMs的统计降尺度结果，有逐日最高温度、最低温度及降水数据，历史时期为1850—2005年，未来预估时期为2006—2100年。其中未来预估数据包括RCP4.5和RCP8.5两种典型浓度路径。该数据集提供了超高时空分辨率的模式预估数据，一些学者对该产品进行效果评价并用于未来气候变化影响的研究，取得了较好的效果[13-15]。

根据以往研究，从21个模式挑选出以下11个在我国(东北地区)适用性较好的模式：bcc-csm1-1、CCSM4、CNRM-CM5、GFDL-ESM2G、IPSL-CM5A-LR、IPSL-CM5A-MR、MIROC5、MIROC-ESM、MIROC-ESM-CHEM、MRI-CGCM3、NorESM1-M[16-18]。选用1976—2005年东北地区25个气象站点的月降水量观测数据和各个站点所在格点的模式预估数据进行对比，验证不同模式在东北地区的适用性。如图2所示，各个模式与观测数据的相关系数均在0.7左右，标准差也与观测数据(Observation, obs)接近，说明模式对东北地区降水模拟效果较好，其中中国国家气候中心的bcc-csm1-1模式效果略优于其他模式，因此本研究采用该模式的降尺度数据分析未来东北地区干旱情况。

图2 1976—2005东北地区降水模拟值与观测值泰勒图Fig.2 Taylor diagram for displaying the observation and simulationprecipitation in Northeast China during 1976-2005

1.3 研究方法

1.3.1 标准化降水指数

采用SPI识别干旱事件，具体过程如下[5-6]：

(1)该指数基于某地区30 a及以上的长期降水量序列计算一定时间尺度(如1个月、3个月、6个月、12个月等)的累计降水量，降水量序列采用gamma概率分布拟合：

(1)

(2)

其中：α、β分别为gamma概率分布的形状、尺度参数，采用极大似然法进行估计：

(3)

(4)

(5)

(2)gamma概率分布中变量不为0，实际情况下降水可以为0，若降水序列的长度为n，降水量为0的频数为m，设q=m/n，则gamma概率分布为：

H(x)=q+(1-q)g(x)，

(6)

(3)将gamma概率分布转化为标准正态分布即可得SPI：

(7)

(8)

其中：c0=2.515 517，c1=0.802 853，c2=0.010 328，d1=1.432 788，d2=0.189 269，d3=0.001 308。

根据SPI值的大小确定旱涝情况，一般SPI<-0.5则认为发生了干旱，值越小干旱越严重[19]。为了使不同时段的SPI指数具有可比性，采用历史时期、RCP4.5情景近期(2020—2049年)、RCP4.5情景远期(2070—2099年)、RCP8.5情景近期和RCP8.5情景远期共150 a的降水量数据序列计算年尺度和季节尺度的SPI值。

1.3.2 干旱危险性的计算

危险性由事件发生的强度和频率共同决定[19]，干旱强度越大、频率越高，则该地区的干旱危险性越大。本文计算逐年的年尺度和季节尺度的SPI值，拟合各地区不同情景和时期的SPI概率密度曲线，从而获取不同强度干旱发生的频率，根据以下公式计算干旱危险性：

(9)

其中：DH为干旱危险性；SPI值的大小描述干旱强度；f(SPI)为对应SPI值出现的频率，由于干旱对应的SPI值为负数，因此结果取相反数。DH值越大说明该地区在这段时间内干旱危险性越大，反之越小。采用该方法计算的干旱危险性很好的综合了某个地区某一时段内干旱发生的频率和强度特征。

2 结果与分析

2.1 不同气候变化情景下未来近期、远期降水量变化

如图3所示，整个东北地区年降水量平均值在历史时期为506.34 mm，期间有增加趋势但不明显。在未来近期，RCP4.5和RCP8.5两种情景下年均降水量都较历史时期有所增加，分别为550.87 mm和539.98 mm，RCP4.5情景下增加幅度较大。到未来远期，两种情景下年均降水量进一步增加，分别为559.83 mm和573.77 mm，较近期相比RCP8.5情景年均降水量增幅更大。

图3 不同气候变化情景下东北地区年降水量随时间变化情况Fig.3 Average yearly precipitation under different emission scenarios

图5 不同情景下未来近期、远期年均降水增幅空间分布Fig.4 Spatial distribution of precipitation increment under different climate scenarios

由图4可以看出，在历史时期东北地区年均降水量最小值分布在最西部的内蒙古地区，最大值出现在吉林、辽宁东南沿海地区。降水量整体分布呈现出从东南向西部地区递减的趋势，受海陆位置的影响明显。东南沿海湿润地区与内陆干旱地区的年降水量之差最高达800 mm左右。

图4 历史时期年均降水量空间分布Fig.4 Spatial distribution of multi-year average precipitationduring 1976-2005

图5为各地区未来年均降水量较历史时期增加百分比，可以看出，在RCP4.5情景下，研究区在未来近期、远期相对于历史时期降水均有增加，且未来远期增幅更高，空间分布上呈现中间较高两侧较低。在RCP8.5情景下，未来近期降水增幅不大，特别是在黑龙江中西部地区降水量有所减少；在未来远期降水增幅大幅提高特别是在西部地区。总体而言，未来远期较近期降水增幅更明显，中西部地区较周围降水增幅明显。

2.2 不同气候变化情景下未来近期、远期干旱危险性变化

由图6a可以看出，与历史时期的东北地区年尺度SPI概率密度曲线相比，在RCP4.5情景下未来近期和远期的曲线都偏右，SPI值整体较大，较历史时期湿润；远期与近期相比SPI>1的雨涝年概率明显要高。由图6b可以看出，RCP8.5情景未来时期的概率密度曲线都右偏，雨涝事件较历史时期多，仅在RCP8.5情景未来近期SPI<-3的严重干旱事件较历史时期发生频率高。总体来说两种情景下未来干旱发生的频率强度都有所下降。

图6 不同时段年尺度SPI概率密度曲线Fig.6 Probability density functions of yearly SPI at present and future

图7 不同情景下未来近期、远期年尺度干旱危险性空间分布Fig.7 Spatial distribution of yearly drought hazards under different climate scenarios

图7为各时段年尺度干旱危险性的空间分布。历史时期东北地区干旱危险性均值为0.162，研究区中西部部分地区危险性较低。RCP4.5情景下未来近期、远期，整个东北地区的干旱危险性较历史时期明显减小，两个时期全区危险性均值约为0.087、0.089；在空间分布上未来近期呈现中部地区危险性较低东西两侧略高，到未来远期西南部地区干旱危险性较近期有所增加。在RCP8.5情景下，未来近期研究区中部地区干旱危险性较历史时期有所增加，周围地区降低，全区平均值约为0.144；在未来远期全区干旱危险性都有明显降低，特别是在西南和东南地区，全区平均值约为0.088。总体看来，仅在RCP8.5情景下未来近期研究区中部地区干旱有加重趋势，其余皆呈减弱趋势。

图8为未来不同气候变化情景下各个季节干旱危险性空间分布情况。季节划分标准以：冬季为12—次年2月，春季为3—5月，夏季为6—8月，秋季为9—11月。历史时期干旱严重且春季干旱较其他季节更加严重。在未来近期RCP4.5情景下干旱危险降低，特别是春季降低幅度最大；未来近期RCP8.5情景下，各个季节干旱危险降低幅度较RCP4.5情景低，尤其是夏季干旱危险较历史时期出现增加，特别是在研究区中部，对比图7可以发现，该时段年尺度干旱危险增加主要源于夏季的降水变化；在未来远期RCP4.5情景下，春季和夏季干旱危险与未来近期变化不大，秋季研究区西南部地区干旱危险有所增加，该时段西南部年尺度干旱危险较高主要源于秋季降水的变化。在未来远期RCP8.5情景下，夏季和秋季干旱危险与未来近期相比都有所降低，特别是夏季降低明显，而春季干旱危险较未来近期相比有所增加。东北地区特别是在研究区的西部，气候模式预估的冬季降水量数据很多年份为0，由于SPI指数在计算时0值不能过多，所以图7中冬季干旱危险性无数值的区域为模式预估的冬季降水量多年为0的格点。可以看出，不同季节之间各区域在未来干旱危险变化差异明显。

图8 不同季节干旱危险性空间分布Fig.8 Spatial distribution of seasonal drought hazards

3 结论与讨论

3.1 结论

本文基于降水量历史观测数据和NEX-GDDP高分辨率降尺度模式预估数据，采用SPI指数识别干旱事件，分析RCP4.5和RCP8.5情景下东北地区在未来近期(2020—2049年)、远期(2070—2099年)干旱危险性的空间分布规律。主要结论如下：在众多的大气环流模式中，bcc-csm1-1模式的降水数据降尺度结果在东北地区的适用性更好。东北地区降水量呈现出东南地区较多向西部地区减少的趋势，未来两种气候变化情景下降水量都有增加的趋势，且增加百分比在中部西部地区高，其他地区较低，仅在RCP8.5情景下未来近期黑龙江中西部地区降水有降低。综合干旱发生的频率和强度评估干旱危险性，由于SPI仅考虑降水量表征旱涝，研究区未来干旱危险的空间分布与降水增幅空间分布情况总体一致。通过对未来不同季节干旱危险性的分析发现，各区域不同时段年尺度干旱危险的变化各个季节贡献程度不同。本文预估了未来东北地区干旱的变化情况，对于防灾减灾、我国农业规划布局具有一定的指导意义。在全球暖干化的背景下，未来东北地区在保障国家粮食安全中可能会占有更重要的地位。

3.2 讨论

(1)不同的大气环流模式的机理及在不同地区的适用情况不同，以往很多研究并未对不同模式在当地的模拟效果进行比较[20-21]，本研究通过比较不同模式确定bcc-csm1-1模式的降尺度结果在东北地区表现更好，与陶纯苇等[10]、陈晓晨等[22]研究结果一致[10,22]。

(2)东北地区降水在未来近期和远期都有增加的趋势，SPI指数显示未来干旱有所缓解。张玉静等[20]在预估我国极端气候事件未来变化情况时也发现，东北地区降水量呈现增多的趋势[22]，空间分辨率为0.5°×0.5°，本文为0.25°×0.25°，能够更好的反应出局部地区的变化情况。由于SPI指数计算干旱时只将降水量作为输入，而气温是影响干旱的另一个主要因素，未来全球气温升高，可能会削弱降水量增多带来的效益。此外，东北地区冬季降水少，特别是中西部地区多年平均冬季降水普遍小于10 mm[23]，虽然NEX-GDDP降尺度数据整体模拟效果较好，但模式预估的冬季降水在很多年份为0，与实际情况存在一定的误差。