基于模式集成的松花江流域气候模拟预估

刘智天，郝振纯，徐海卿，鞠 琴，武冠一，邢若飞

(1.河海大学水文水资源与水利工程科学国家重点实验室，江苏 南京 210098；2.河海大学全球变化与水循环国际合作联合实验室，江苏 南京 210098；3.中国水利水电科学研究院，北京 100038；4.中国市政工程华北设计研究总院有限公司，天津 300000)

0 引 言

全球范围的剧烈气候变化，对人与自然环境产生了很大影响，这一影响加剧了水循环过程，直接影响降水、蒸发、径流等气候因子，导致水资源时空上的再分配，使极端气候事件发生的概率上升[1]。自20世纪80年代起，全球气候变化逐渐演变为一个应用多学科的新研究领域，尤其是气候变化对水资源的影响，成为当今大气学和水文学界的重要课题。政府间气候变化专门委员会IPCC成立于20世纪80年代末，集中了世界多国的科学家共同探讨气候变化带来的影响。2013年发布的第5次研究报告指出：人类活动主导了20世纪50年代以来的全球变暖，可能性不低于95%。气候的暖化十分肯定，全球范围海陆表面平均温度在1880年～2012年呈上升趋势，2003年～2012年平均温度比1850年～1900年高约0.78 ℃。过去的近30年很有可能是史上最热时期[2]。

为此，国内外开展了很多利用模式数据和实测资料分析水文要素时空分布及演变趋势的研究[3-7]。本文以松花江流域为研究对象，所用模式参考不同GCMs在我国的模拟表现[8-13]，模式降尺度后应用多种集成方法提升模拟性能，预估在RCP4.5气候情景下降水、气温及径流未来可能的变化。

1 数据和方法

1.1 研究区概况

松花江流域位于41°42′～51°48′N，119°52′～132°31′E，东西长920 km，南北宽1 070 km，全部在中国境内。北源嫩江发源于大兴安岭伊勒呼里山，河源高程1 030 m，全长1 370 km，流域面积29.85万km2，河流由北向南流；南源第二松花江发源于长白山脉主峰白头山，河源海拔2 744 m，全长958 km，流域面积7.34万km2，河流从东南流向西北。嫩江与第二松花江在黑龙江省肇源县三岔河处汇合后，折向东北称为松花江干流，在同江市汇入黑龙江，全长939 km，流域面积56.12万km2。

1.2 数据资料

CMIP5模式通过敏感性分析检测气候变化和归因，模拟历史数据并开发代表性浓度路径的气候情景，引入未来气候变化的预估实验[14]，提升参数的处理能力及空间分辨率，将动态植被与碳循环模式引入部分模式[15]。本文所用模式(见表1)的历史模拟区间为1951年～2000年，预估未来区间为2020年～2099年。

表1 CMIP5模式信息

实测气候要素资料源于中国气象数据网(http:∥data.cma.cn)，选择松花江流域内气象站同期观测的降水和气温逐月数据，和模式模拟数据做比较分析。

1.3 集成方法

1.3.1算数平均集成

方法简单，结果较稳定，计算公式为

(1)

σ=Pa/Psea

(2)

Ps(t)=Pse(t)×σ

(3)

式中，Ps(t)为降水算术平均值；Pse(t)为率定期序列值；Pa为降水率定期实测均值；Psea为Pst(t)的均值。

Ts=Ta-Tsea

(4)

Ts(t)=Tse(t)+Ts

(5)

式中，Ts(t)为气温算术平均值；Tse(t)为率定期序列值；Ta为气温率定期实测均值；Tsea为Tse(t)均值。

1.3.2权重平均集成

权重系数αi计算公式为

(6)

(7)

(8)

式中，Ye(t)为权重平均值；Yi(t)为模式i在t时刻的模拟值；αi为权重系数。

1.3.3多元回归集成

建立回归方程表征变量间的函数关系，误差允许范围内得出的关系式可认为合理。高阶微分非线性多元函数F=f(x1，x2，…，xn)用多项式逼近，各乘积项为自变量[17]。模拟值为自变量Zi，实测值为因变量Z。即

(9)

式中，bi为回归系数；e为随机误差项。

1.3.4BP神经网络集成

BP神经网络是通过大面积神经元丰富完善连接的非线性动态系统[18]，进行大型计算和数据贮存，逐渐成为解决不同领域复杂问题的方法[19]。结构分为输入层、隐含层和输出层，隐含层的节点为隐节点，样本值向下传递到隐含层后通过权重系数和函数算法变成隐节点再传递，在输出节点计算输出值和样本检验值的误差，通过输出层向输入层反向计算得到最终输出值。模式模拟值为输入层，实测值为输出层。隐含节点数通过经验公式计算，即

(10)

2 结果分析

2.1 气候模式性能评估

松花江流域历史实测多年平均降水为531.99 mm，平均气温为1.77 ℃。图1为模式模拟历史降水气温与实测资料的比较。

图1 CMIP5模拟和实测比较

2.1.1降水

表2为模式模拟降水和实测的比较结果。

由图1a知，所有模式整体变化趋势保持一致，降水实际较少时模拟值通常偏大，而实际降水较多时多数模拟一般偏小，局部模式存有个性。从表2知，多数模式模拟降水的平均相对误差低于30%，相关系数基本都超过0.8，且大部分确定性系数不低于0.6。这说明模拟结果和实际的吻合程度较好。

综合模拟和实测的比较结果，认为CanESM2和NorESM1-M模拟降水较好。

2.1.2气温

表3为模式模拟气温和实测的比较结果。

表2 降水CMIP5模拟和实测比较

表3 气温CMIP5模拟和实测比较

由图1b可知，气候模式模拟气温整体精度较高，模拟气温的年内平均变化和实际趋势相同。从表3可知，模拟气温的平均相对误差都较低，多数模式低于10%，相关系数均超过0.95，大部分模式确定性系数超过0.9，和实际的吻合程度较高。

比较模拟结果认为，CanESM2和MPI-ESM-MR模式模拟气温较好。

考虑模式同时模拟降水和气温的结果，最终认为CanESM2和MPI-ESM-MR模拟良好。

2.2 模式集成性能评估

2.2.1降水

所用模式通过σ方法降尺度后进行多模式集成的模拟计算。历史模拟数据率定期为1951年～1995年，检验期为1996年～2000年。集成方法和优选模式模拟降水的比较结果见表4。

从表4可知，集成方法在率定期和检验期的评价指标结果要比单个模式好，削弱了个性因素使模拟更加稳定。集成模拟的降水时间序列更贴近于实测资料，降低了单个模式模拟结果的不确定性，评价趋于均值化。比较集成方法的模拟结果，认为多元回归集成和BP网络集成模拟降水较好。

表4 降水模拟结果比较

2.2.2气温

各方法模拟气温的比较结果见表5。

表5 气温模拟结果比较

由表5可知，模式模拟气温整体精度较高，各方法评估结果差别较小，平均相对误差都较低，模拟气温和实测资料具有很高的相关性和吻合度。各方法模拟气温都较接近实际。

比较各方法模拟降水和气温的结果，集成方法整体优于单个模式。部分方法的平均相对误差在检验期大于率定期的原因可能是模式数量选择较少，BP网络集成的试错原理也存在一定的不确定性。最终认为多元回归集成模拟降水和气温良好。

2.3 未来气候要素预估

以所用模式在RCP4.5气候情景输出的结果为因子构建线性回归方程预估未来降水和气温，方程通过了显著性水平α=0.05的t检验和F检验。以松花江流域下游佳木斯站为例进行预估，佳木斯站气候要素预估和实测的比较情况见图2。佳木斯水文气象要素预估和实测资料在年内平均变化的趋势保持一致。

图2 佳木斯站气候要素年内平均变化

由图2a可知，降水主要集中于汛期6月～9月，汛期降水实测总计达429 mm，预估为449 mm；实测降水在7月～8月较多而预估值偏小，其他月实测降水较少对应预估值基本偏大。

由图2b知，平均气温最高值在7月，实测23 ℃，预估25 ℃；最低值在1月，实测-19 ℃，预估-16 ℃；多年平均气温实测2.71 ℃，预估5.43 ℃。预估气温普遍比实测偏高，平均增幅约为2 ℃。

2.4 未来径流预估

2.4.1模型率定及检验

划分1954年～2013年径流历史实测数据率定期为1954年～2003年，检验期为2004年～2013年。流域汇流存在滞后性，考虑上游降水对下游径流的影响，按照区间降水气温和佳木斯站实测径流的相关系数不低于0.5筛选因子，表7为主要影响因子及系数。多元回归模拟和实测径流的特征值见表8。

由表8可知，回归模型整体模拟效果良好，率定期和检验期的平均相对误差都低于10%，相关系数均超过0.8，和实测径流均有较好的吻合度。

2.4.2未来径流预估

利用优选方法预估降水和气温，结果输入已构建的线性回归模型来预估RCP4.5情景下佳木斯站2020年～2099年径流的逐月变化。各模式修正系数：CanESM2降水0.91，气温1.331；MPI-ESM-MR降水0.718，气温2.883。

表7 径流回归因子及系数

表8 多元回归和实测径流比较

多元回归集成预估佳木斯站逐月径流极大和极小值为7 220、352 m3/s，月平均值为2 720 m3/s；汛期总量19 600 m3/s，年总量达32 600 m3/s，丰枯水年界限值为33 700、31 500 m3/s。

3 结 论

本研究结果表明：①所用气候模式中CanESM2、MPI-ESM-MR模拟良好。②集成方法模拟优于单个模式，多元回归集成模拟较好。③佳木斯站实测和预估降水主要集中于汛期6月～9月，多年平均汛期总量实测429 mm，预估449 mm；预估降水在7月～8月比实测偏小，其他月相对偏大。④佳木斯站预估气温普遍比实测偏高，平均气温最高值都在7月，实测23 ℃，预估25 ℃；最低值都在1月，实测-19 ℃，预估-16 ℃；预估气温平均增幅约2 ℃。⑤多元回归集成预估佳木斯站逐月径流极大、极小值和月平均值分别为7 220、352 m3/s和2 720 m3/s；汛期总量19 600 m3/s，年总量达32 600 m3/s，丰枯水年界限值为33 700、31 500 m3/s。