基于CMIP5模式和SDSM的赣江流域未来气候变化情景预估

刘卫林, 熊翰林, 刘丽娜, 朱圣男, 陈 祥

(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, 南昌 330099)

随着土地利用以及人类活动的影响，全球地表气温正在不断升高，1906—2005年全球地表气温上升了(0.74±0.18)℃[1]。气候变化对人类的生活起居、农业的生产需要、社会的经济发展乃至整个生态系统产生深远影响，带来一系列环境和社会问题。与此同时，气候变暖导致极端天气事件频发，尤其体现在对气候变化较为敏感和脆弱的地区[2-3]。因此，开展气候变化研究，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。

目前，研究未来气候变化的主要工具是大气环流模式(GCMs)，其输出信息只能反映大尺度网格气候变化的平均特征，直接使用将会忽略植被、地形等小尺度的差别，对研究精度有影响[3-6]。因此，使用GCM预测结果作为区域水文水资源变化评估输入因子时，需进行降尺度分析，将GCM输出的大尺度、低分辨率信息转化为区域尺度信息。降尺度分为动力降尺度、统计降尺度、动力降尺度与统计降尺度相结合的方法[4,7-9]。统计降尺度始于20世纪90年代，它将大尺度气候模式转化为可应用的小尺度、提高了区域分辨率。本文使用的第5次国际耦合模式比较计划CMIP5比前一阶段CMIP3更加精确与复杂，是目前较先进的预估未来气候变化方法[5-6]。该模式对中国区域模拟，模拟温度能力较降水偏强，在降水中对平均降水和极端降水的模拟偏强[7]，且在鄱阳湖流域应用较少。因此，本文以鄱阳湖流域比较具有代表性的流域——赣江流域为例，采用统计降尺度模型，分析流域尺度上的降尺度效果，选取2020s(2006—2035年)，2050s(2036—2065年)，2080s(2066—2100年)3个时段，以1991—2005年为基准期，对RCP2.6，RCP4.5，RCP8.5这3种排放情景下赣江流域未来气温和降水可能变化的情况进行模拟和对比分析，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 研究区域及数据来源

赣江是长江的第七大支流，属于鄱阳湖流域水系，由南至北纵贯江西全省，是江西省最大河流，长766 km。该流域位于长江流域南侧，地理位置为113.58°—116.63°E，24.52°—28.75°N，属于亚热带湿润季风气候，流域面积为83 500 km2。流域范围自南向北涉及南昌、宜春、新余、萍乡、吉安、赣州6个市，赣江流域周边山区降水量大，而中游区是全流域的降水低值区，赣江流域部分气象站多年平均降雨量为1 698 mm，多年平均气温为17.8～19.7℃，流域内多年平均年蒸散量为583.81 mm。

本研究采用赣江流域6个国家级气象站点数据1961—2005年逐日气象数据，数据来源于气象共享网(http:∥data.cma.cn)；CMIP5模式数据采用加拿大环境与气候变化网(https:∥www.canada.ca/en.html)CanESM2数据，共有128×64个网格，选取6个网格为本研究区域覆盖的网格，网格分辨率为2.8125°×2.79061°。选择以下3种排放情景RCP2.6(低等温室气体排放情景)RCP4.5(中等温室气体排放情景)RCP8.5(最高温室气体排放情景)典型浓度路径，对未来气温、降水进行模拟。

2 SDSM统计降尺度模型

SDSM模型是由Wilby等建立的降尺度工具，融合了天气发生器和多元线性回归技术，是一种转换函数与随机天气发生器耦合的降尺度方法。SDSM模型的主要流程有两点：一是建立预报因子与预报量间的统计关系，二是利用GCM数据预估未来预报量。该模型广泛应用于亚洲、欧洲、美洲的气象、水文等研究领域，其基本原理如下：

(1)

(2)

式中：wi是第i天发生降水的概率；α,β,γ为模式参数；Ri是降水量；Ti是温度变量；ei为误差。模拟温度时用公式(1)，模拟降雨则用公式(2)。模拟出发生降水时，才继续模拟Ri(降水量)。

2.1 预报因子的选择

本文主要研究共26个预报因子，对6个站点利用逐步回归的方法，选取其中最优预报因子。预报因子选择影响着模拟程度的好坏，选择相关性更强的预报因子会预报更准确的信息。当预报变量为气温(降水)时，选择气温(降水)因子相关性更强，所以大尺度气温变量相对于其他环流因子更准确，预报因子选择大尺度气温和其他环流因子比单个预报因子效果更好。为了防止出现多个预报因子共线现象，对地面气温进行估计时，排除互相关系大的情况[8-9]。

预报因子对预报量产生的是直接影响过程，降尺度分析只考虑统计关系，所以进行气温降尺度模型选择为“无条件过程”。在对降水量的率定中，要设置数值的非负性，本文因子数量控制在4～6种，各站点因子选择情况见表1。同一个站点所选择的预报因子对于3个气温模式变化不大，多数情况下只有少量偏差，在2 m平均气温与近地表比湿度的选择率最高，这2个预报因子对气温模拟的敏感性很高。而降水筛选出的预报因子选择就很多。

表1 各站点预报因子选择

注：t表示在2 m平均气温；s表示近表面比湿度；p表示海平面气压；_v表示经向速度分量；_z表示涡度；_u表示纬向速度分量；p500表示500 hPa位势高度场；s500表示在500 hPa高度比湿度；s850表示在850 hPa高度比湿度；zh表示散度。

2.2 模型的验证与率定

赣江流域SDSM模型率定结果见表2。模型对于温度的模拟解释方差处于50%～80%，标准误差处于1.5～3.6；降水处于20%～34%，降水标准误差为0.38～0.43。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，如郝振纯[10]、魏凤英[11]等的预报模型，国内外专家学者在不同地区的模拟情况有不同模拟情况，刘敏等[8]在江淮地区温度的解释方差为69.6%～73.9%，翟文亮等[12]在东江流域温度的解释方差为57%～65%，降水的解释方差为23%～29%，相比本文的结果证明本文的率定、模拟较好。

表2 赣江流域SDSM模型率定期的解释方差和标准误差

将观测序列分为两部分，第一部分为率定期(1961—1990年)用于建立统计关系(表2)，第二部分为验证期(1990—2005年)进行检验模型可靠性(图1)。模拟赣江流域各个站点日平均气温、日最高气温、日最低气温和降水，与赣江流域实测值进行对比。在率定期内，流域月最高气温、月最低气温、月平均气温的观测值与模拟值拟合程度较好，最高气温拟合程度最好。率定期与验证期相对比，多年平均偏低0.24～1.44℃，(1) 平均温度：平均温度在2，4，6，11月的模拟情况较其他月份较差，模拟值比实际值低约1℃。6，7，8月模拟值一般比实际值偏高，模拟程度较好。(2) 最低温度：1，2，4，11，12月模拟值比实际值低0.8℃，8，9月模拟程度最好。(3) 最高温度：最高温度年平均温度与模拟值差0.17～0.54℃，模拟程度较3个预报量最好，模拟值较年平均低。

在率定期与验证期的模拟中SDSM模型降水模拟较气温模拟拟合程度差，4,5,6,9,10月模拟值较降雨高，有较大的差异性。笔者认为主要有以下4个方面：(1) 降水是一个随机过程，一直是模拟的难点，对于随机性的研究在现阶段还比较困难；(2) 降水受地形因素影响很大，受大气环流和一些微小的地形地势影响SDSM模型并不能很好的模拟结果，会产生误差；(3) 预报因子的选择本就具有多样性和不确定性；(4) SDSM建立的统计关系比较单一，在有些情况不能完全反映流域内降水与预报因子的物理意义。综上4点所述，降雨的模拟不如气温模拟也是可以理解的。对于本文来说流域范围大，而符合条件的气象站数据较少，也是原因之一，但是在其他学者研究的过程中也遇到了降水模拟差的情况[12-14]，综上所述本文的研究方法较为可靠。

图1 赣江流域验证期温度与降水对比

3 未来气候气温与降水变化

3.1 未来气温变化

图2为赣江流域最高、最低、平均温度多年平均实测值与预测期2006—2100年的RCP2.6，RCP4.5，RCP8.5这3种情景的模拟值对比。如图2所示，折线图表现的趋势明显，反映出未来气温各月份的变化。对比赣江流域基准期的气温可知，在RCP2.6，RCP4.5，RCP8.5情景下，未来最高气温分别上升1.8，2.1，2.8℃；最低气温增加1，1.2，1.9℃；平均气温增加1.5，1.6，2.3℃。其中，RCP8.5增长速度最快，RCP4.5次之，RCP2.6最慢。

将2006—2100年的预测数据分为3个阶段：2020s(2006—2035年)，2050s(2036—2065年)，2080s(2066—2100年)，分别对3个时段、3种排放情景下的最高、最低、平均温度进行比较分析，结果见表3，图3—5。

从图3—5可看出，在未来情景下各种温度均呈增加趋势，RCP8.5增加浮动最大，RCP4.5次之，RCP2.6浮动最小。图3为赣江流域3种排放情景最高温度与基准期对比。RCP2.6情景下，最高气温在2030s期间约上升1.6℃，在2050s期间约上升2.5℃，2080s期间上升2.51℃；RCP4.5情景下，最高气温在2030s期间约上升1.4℃，在2050s期间约上升2.8℃，2080s期间上升3.1℃；RCP8.5情景下，最高气温在2030s期间约上升1.7℃，在2050s期间约上升2.7℃，2080s期间上升4.1℃。其中，4—6月、9月、10月温度增幅较为显著。

图2 赣江流域未来情景最高、平均、最低温度预测

时段最低气温增加量RCP2.6RCP4.5RCP8.5最高气温增加量RCP2.6RCP4.5RCP8.5平均气温增加量RCP2.6RCP4.5RCP8.52020s0.900.671.201.631.401.701.200.71.032050s1.682.062.292.502.822.731.551.671.972080s1.682.333.582.513.164.161.571.973.06

图3 赣江流域RCP2.6，RCP4.5，RCP8.5情景最高温度与基准期对比

图4为赣江流域3种排放情景平均温度与基准期对比。平均温度在RCP2.6情景下，在2030s期间约上升1.2℃，在2050s期间约上升1.5℃，2080s期间上升1.6℃；RCP4.5情景下，平均气温在2030s期间约上升0.7℃，在2050s期间约上升1.7℃，2080s期间上升2℃；RCP8.5情景下，平均气温在2030s期间约上升1℃，在2050s期间约上升2℃，2080s期间上升3.1℃。其中，3—6月、9—12月增幅明显。

图5为赣江流域3种排放情景最低温度与基准期对比。最低温度在RCP2.6情景下，在2030s期间约上升0.9℃，在2050s期间约上升1.7℃，2080s期间上升1.7℃；RCP4.5情景下，最低气温在2030s期间约上升0.7℃，在2050s期间约上升2.1℃，2080s期间上升2.3℃；RCP8.5情景下，最低气温在2030s期间约上升1.2℃，在2050s期间约上升2.3℃，2080s期间上升3.6℃。其中，3—6月，11—1月温度增幅较明显。

图4 赣江流域RCP2.6，RCP4.5，RCP8.5情景平均温度与基准期对比

从上述分析可知，在未来气候变化中，RCP2.6，RCP4.5，RCP8.5这3种排放情景下平均气温、最高气温和最低气温均呈增加趋势，但增加幅度略有不同，其中，RCP8.5高排放情景下二氧化碳排放量更高，RCP8.5增加幅度更加明显；未来3个时期赣江流域的气温呈现明显的上升趋势，且6月份增幅最大，2月份增幅最小；在未来情景下，气温增加幅度越来越大，RCP8.5增幅>RCP4.5增幅>RCP2.6增幅。最高气温在4—6月、9月、10月温度增幅较为显著，更易发生极端气温。

图5 赣江流域RCP2.6，RCP4.5，RCP8.5情景最低温度与基准期对比

3.2 未来降水变化

为分析赣江流域未来降水变化情况，将2006—2100年分为3个时段：2020s(2006—2035年)、2050s(2036—2065年)、2080s(2066—2100年)，以1991—2005年为基准期，对比分析3个时段、3种排放情景下的降水量变化。由图6可知，未来气候RCP2.6，RCP4.5，RCP8.5这3种排放情景下，赣江流域未来降水均呈增加的趋势，5—10月降水量均呈现下降趋势，1—4月、11月、12月降水量呈现增加态势；RCP8.5变化幅度最大，RCP4.5次之，RCP2.6最小。相对于多年平均降水量，RCP2.6情景下，降水量在2020s，2050s和2080s均呈震荡趋势，在这3个时期多年平均降雨量约为1 600 mm，与年平均差距很小；RCP4.5情景下降水量变化较为复杂，在2020s，2050s间呈震荡趋势，有增有减，在2080s年降水量增加约200 mm；RCP8.5情景下降水量在2020s趋势平稳，而在2050s与2080s时段增加，月平均增加量最大可达126 mm。

图6 赣江流域RCP2.6，RCP4.5，RCP8.5情景下降水量与基准期相对比

3.3 未来温度及降水空间变化

根据克里金插值法得到赣江流域RCP2.6,RCP4.5，RCP8.5情境下平均温度、平均降水变化情况(图7—8)。图7为赣江流域未来3种情景下平均温度空间变化图，3种情景模式下的未来温度空间分布都是南高北低，西高东低，并在南北方向呈带状和环状分布。图8为赣江流域未来3种情景下平均降水空间变化图，3种情景下的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，RCP8.5情景下平均降水分布仅是局部变化，其他两种模式在赣江流域北部呈环状增加，这说明赣江流域未来降水有明显的空间分布不均匀性。

图7 赣江流域RCP2.6，RCP4.5，RCP8.5情景下平均温度空间分布

图8 赣江流域RCP2.6，RCP4.5，RCP8.5情景下平均降水空间分布

4 结 论

本文以赣江流域为例，采用统计降尺度模型，分析流域尺度上的降尺度效果，以1961—2005年为基准期，对RCP2.6，RCP4.5，RCP8.5这3种排放情景下赣江流域未来气温和降水可能变化的情况进行了模拟和对比分析。对气温的研究趋势符合中国气候与环境演变评估(Ⅰ)全国气温趋势；降水情况，尤其是7—10月降水量下降符合郭家力等[15]、田鹏[16]使用的CMIP3模式；与杨绚等[17]使用CMIP5模式对中国气温与降水预估情况有类似的结论。运用CMIP5模式、降尺度方法，取1961—1990年为率定期，1991—2005年为验证期，在不同的站点筛选出不同的预报因子，预估赣江流域2006—2100年3个时段2020s，2050s，2080s间CMIP5模式RCP2.6，RCP4.5，RCP8.5情景下气温及降水，分析气温和降水变化，有如下结论：

(1) 模型率定期、验证期结果表明，模型对赣江流域的模拟效果较好，相比较其他研究成果而言具有较高的解释方差和较小的标准误差，表明CMIP5模式与SDSM模型在赣江流域可以适用。

(2) 赣江流域未来温度和降水总体均呈上升趋势。在RCP2.6，RCP4.5，RCP8.5这3种情景下赣江流域未来最高气温分别增加1.8，2.1，2.8℃；未来最低气温分别增加1，1.2，1.9℃；未来平均气温分别增加1.5，1.6，2.3℃；3种情景下未来温度空间分布都是南高北低，西高东低，并在南北方向呈带状和环状分布。3种情景下的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) 未来的3个时期赣江流域的气温呈现明显的上升趋势，随着时间的增加，气温升高幅度增大，且有愈加愈烈的趋势；在未来情景下，气温增加幅度越来越大，RCP8.5增幅>RCP4.5增幅>RCP2.6增幅；流域内未来气温升高幅度：最高气温>最低气温。未来的3个时期赣江流域降水在RCP2.6与RCP4.5主要呈震荡趋势，有增有减，而在RCP8.5呈增加趋势。

(4) 月尺度上，在未来3个时期、3种情景下赣江流域气温呈上升趋势，且6月份增幅最大，2月份增幅最小；未来气温在最高温度、RCP8.5情况下变化幅度最大，最高气温在4—6月、9月、10月温度增幅较为显著，到21世纪末升温约4℃。降水总体呈增加趋势，5—10月降水量均呈现下降趋势，1—4月、11月、12月降水量呈现增加态势。

本文仅使用一种气候模式数据进行气候变化预估，具有不确定性。在以后的研究中，将增加更多的评价指标，采用不同的降尺度方法，运用多模式集合等方法综合分析未来气候变化，以减少模拟结果的不确定性。