四种GCM在雅砻江流域的比较及未来降水模拟研究

曹 琛，岳青华，郭 靖，闫宝伟，杨百银，马 良

(1.华中科技大学土木与水利工程学院，武汉 430074；2.中国电建集团华东勘测设计研究院有限公司，杭州 311122；3.水利部水电水利规划设计总院，北京 100120)

未来气候变暖趋势日渐明显，气候变化将加剧水循环过程，引起降水、径流等水文要素的变异，进一步影响流域水文水资源的演变规律，甚至可能导致洪水和干旱等极端水文事件的突发、频发，对流域水利水电工程的建设和运行带来了巨大挑战。利用大气环流模式(GCM)预估未来气候变化是目前较为可行的一种方法，目前常用的GCM有CanESM2、CNRM-CM5、HadCM3、NorESM1-M和MIROC-ESM等，但模型输出分辨率较低，缺少详细的区域气候信息，难以准确预测研究区域气象要素的变化[1]。为此，常通过动力降尺度或统计降尺度将GCM大尺度、低分辨率的全球气候模式信息转化为中小尺度、高分辨率的区域地面气候信息。其中，统计降尺度法是一种建立区域或流域变量与大尺度气候信息间的统计关系，并利用这种关系预测区域或流域未来气候信息的方法[2]，计算简单，且容易通过SDSM或ASD降尺度工具实现，因此得到了广泛应用。刘卫林等[3]利用赣江流域6个气象站数据和NCEP再分析资料，建立了气候要素的SDSM降尺度模型，并将模型应用于CanESM2模式的RCP4.5情景，结果表明赣江流域未来气温与降水均呈增加趋势；何旦旦等[4]采用ASD统计降尺度模型，对开都河流域HadCM3模式下A2、B2和A1B 3种气候情景进行降尺度，获得流域未来气候情景；Muhammad等[5]利用区域气候模型(RCM)和SDSM模型对新西兰卢卡斯流域的12种GCM模式集合平均后的降水进行降尺度处理，并按未来3种典型排放浓度(RCP2.6、RCP4.5和RCP8.5)输出，结果显示，就基准期实测值而言SDSM模拟效果优于RCM，而对于未来降水的模拟，SDSM的降水变化程度更为剧烈；Oscar等[6]基于SDSM模型并耦合4种GCM预测哥伦比亚东部四个代表性地区的未来气温和相对湿度，发现四个研究区在各GCM模式和排放情景下，未来气温均呈升高势态，而相对湿度均呈下降趋势。

雅砻江流域作为“西电东输”以及“西部大开发”战略的重要能源基地，在我国水电能源领域中举足轻重，因而开展该流域在未来情景下的气候变化研究具有重要意义。本文以雅砻江流域为研究区域，对4种GCM在低、中、高浓度3种排放情景下输出的降水量进行降尺度处理，生成流域15个气象站点2021-2100年的降水序列，分析比较各GCM在研究区域内的适用性并预测未来降水的变化趋势，为雅砻江流域未来水电能源规划和工程建设运行提供科学依据。

1 流域概况与研究方法

雅砻江发源于巴颜喀拉山，为金沙江和长江上游最长支流。流域整体呈南北向条带状(图 1)，控制面积达13.6 万km2。流域内地形高差与南北纬度变化较大，气候条件复杂，北部高原区为干冷的大陆性气候，中南部为亚热带季风气候，降水在空间上呈现出自北向南递增的趋势，且东侧高于西侧。

图1 雅砻江流域概况

自动统计降尺度模型(Automated Statistical Downscaling，ASD)是由Hessami等[7]参考SDSM模型原理基于回归分析和Matlab环境开发的一种统计降尺度方法。ASD模型利用预报量和NCEP预报因子进行模型调置，选择最佳模型预报因子进行模型率定，用独立序列对模型进行验证，并根据GCM模式提供的历史和未来数据进一步对模型进行验证和未来情景输出，最后自动计算未来情景的统计结果[7]。

ASD降尺度方法的主要步骤如下[8]：①大尺度气候预报因子和统计降尺度模式的选择和标定；②利用NCEP观测资料来检验模式，对预报因子标准化处理和主成分分析；③应用预报因子的主分量，作为统计降尺度方法的输入，并利用实测资料对其进行率定；④把主成分分量和统计降尺度模型应用于GCM模式，生成未来降水变化情景。

2 数据资料

基于雅砻江流域15个国家基本气象站1984-2005年的日降水观测数据(来源于国家气象科学数据共享服务平台)以及NCEP(National Centers for Environmental Prediction)发布的同期26个气候预报因子资料，对ASD模型进行调参。结合已有研究对于CMIP5气候模式在中国大陆的适用性评价[9-11]，并综合考虑日尺度资料的完整性，选用CanESM2、CNRM-CM5、GFDL-ESM3M和MIROC-ESM-CHEM四种GCM模式(以下分别简称为CanESM、CNRM、GFDL和MIROC)预测未来时期各站点的日降水量。所选4种GCM模式基本信息见表1。

表1 所选GCM模式的基本信息

3 结果分析

3.1 基准期降水模拟结果

以1984-2000年为率定期，2001-2005年为验证期，根据基准期各站点实测降水分别建立4种GCM模式下的ASD降尺度模型。将各站的降水模拟结果和所占的泰森多边形权重进行加权平均，得到全流域的面平均降水量。选取降水偏差百分比(PBIAS)作为评价指标，分析各GCM的模拟结果，如表2所示。就面平均降水结果而言，CanESM模式下的降水偏差率明显高于其他3种模式，率定期和验证期内的PBIAS分别达到-5.56%和14.44%，而对于单站的模拟效果，该模式下大部分站点模拟值与实测降水偏离度同样为4种模式中最大，拟合效果较差；无论是单站还是流域面平均情况，MIROC模式均能表现出较好的模拟效果，相对其他模式而言更为接近基准期实测降水。此外，除石渠站和清水河站，其他站点模拟效果均较好，4种模式下率定期和验证期内的偏差率基本均在10%之内。究其原因，上述两站位于流域左上角，导致NCEP网格点数据覆盖不全。

表2 基准期各站的降水偏差百分比结果

图2绘出了4种GCM基准期各月日均降水量的统计箱图，其中，箱子的长度反映了上、下四分位值的分布情况，箱子两端的须则反映了最大值和最小值的分布情况，箱子中的加号表示均值。统计箱图可以很直观的反映出各月降水量在基准期的年际分布情况，便于各个GCM在均值、离散程度、极值分布等多方面的比较。

图2 各GCM在基准期各月日均降水量的统计箱图

就各月的日均降水量而言，4种GCM在非汛期(10月-次年4月)的模拟效果优于汛期(5-10月)，各模式在非汛期的模拟降水值与实测值均较为接近，而汛期各模式下的模拟结果彼此差异较大，其中CanESM模式的汛期模拟降水明显高于实测值及其他GCM模拟值，在7-8月，与基准期实测值偏差分别达到1.8和1.4 mm；CNRM模式次之，偏差分别为0.5和0.6 mm；相对而言，GFDL和MIROC模式对降水均值的模拟效果更好，其中日本的MIROC模式拟合最优，与7、8月观测值偏差相对最小，分别为0.51和0.01 mm。

离散程度反映了各月降水量的年际变化情况，大体可由四分位差或箱子的长度反映，与实测箱的长度越接近，表明各模式月降水量的离散程度越接近实测值。由图2可知，非汛期降水量本身就偏少，其离散程度相对较小，除CanESM模式12月-次年2月明显偏小，3-4月明显偏大外，其他各GCM模拟值与实测值差别不大；在汛期各GCM差别较大，如5月份CanESM模式比实测值明显偏小；7月份，各GCM的箱子明显偏长，表明离散程度比实测值要大；而在9月份，GFDL和MIROC模式的离散程度要远远大于实测值。

再来看极值分布情况，非汛期除CanESM模式外，其他模式与实测值相差不大。汛期各GCM模式差别较大，变化规律不一，如CanESM由于整体偏大，致使其在6-8月极大值和极小值明显大于实测值；均值模拟较优的MIROC模式在7月和9月的极大值要明显大于实测值，极小值明显小于实测值，而在8月份，极大值又小于实测值。

综上所述，相对而言，GFDL和MIROC模式模拟的降水结果与实测值偏差较小，大部分月份的统计特征接近于实测值，但也可能会出现个别月份与实测差别较大的情况。综合来说，各模式在雅砻江流域的适用性结果为MIROC>GFDL>CNRM>CanESM。

3.2 未来时期降水预测

利用上述ASD降尺度模型，输入各GCM模式2021-2100年在RCP2.6(低)、RCP4.5(中)和RCP8.5(高)排放情景下的大尺度气候因子，进行未来降水的预测，并进一步将未来时期划分为2021-2050年、2051-2075年和2076-2100年(分别简记为未来时期的前期、中期和后期)进行统计，结果如表3所示,其中“趋势”指的是每10年的降水变化幅度。由表3可知，除GFDL模式在RCP2.6排放情景下未来降水呈降低趋势外，4种GCM在3种排放情景下未来时期降水均呈整体上升势态。低浓度排放情景下，CanESM模式降水上升趋势最大，达每10年2.87 mm，中、高浓度情景下降水升高趋势最大模式为MIROC，分别为每10年2.33和6.19 mm。由图3也可以看出，随着排放浓度的逐渐增加，未来降水的递增趋势越为明显，变化程度也越为剧烈。

图3 3种排放情景下未来时期的年平均降水模拟结果

表3 3种排放情景下未来时期的年平均降水模拟结果 mm

图4进一步给出了4种GCM在未来时期3种排放情景下各月日均降水量的统计箱图。可以看出，4种GCM在3种排放情景下11月至次年2月的降水相比于基准期实测值变化幅度很小，而在3-6月，CanESM和GFDL模式的模拟降水有明显升高趋势，尤其在6月，CanESM模式提高约1.1～1.5 mm；在7-9月，未来各排放情景下4种GCM与基准期实测降水变幅基本一致，其中CNRM模式变化程度最大，降水在上述3个月内较基准期均为升高势态，涨幅约为0.5～0.8 mm，其他模式在上述时期较基准期实测降水有增有减，无明显规律；就降水的极大值而言，除CanESM模式在RCP2.6情景下的7月较基准期略微降低外，各排放情景下其他模式在未来7-9月的降水极大值相比基准期均有大幅提升，且随着排放浓度的增加，极大值的增幅越大。

图4 各GCM在未来时期3种排放情景下各月日均降水量的统计箱图

4 结 论

本文应用ASD降尺度模型并耦合4种GCM模式，对雅砻江流域进行了基准期降水模拟及未来降水预测，主要结论如下。

(1)4种GCM在雅砻江流域的适用性比较表明，相对而言，GFDL和MIROC模式模拟的降水结果与实测值偏差较小，大部分月份的统计特征接近于实测值，但也可能会出现个别月份与实测差别较大的情况，总体而言，各模式在雅砻江的适用性结果为MIROC > GFDL > CNRM > CanESM。

(2)通过对3种排放情景下全球气候模式的尺度降解，预测了未来2021-2100年雅砻江流域降水的变化情况。就年尺度而言，除GFDL模式在RCP2.6排放情景下表现出降低趋势外，各GCM在3种排放情景下未来时期降水均呈整体上升势态；RCP8.5排放情景下降水增幅最大，RCP2.6情景最小，且随着排放浓度的增加，未来降水总量及增幅也表现出明显的增加势态，变化程度也越为剧烈。在月尺度上，4种GCM在3种排放情景下11月至次年2月的日均降水变幅很小，而在3-6月，CanESM和GFDL模式的模拟降水有明显升高趋势；在7-9月，各情景下4种GCM与基准期变幅基本一致，其中CNRM模式变化程度最大；总体而言，各模式未来时期7-9月的降水极大值相比基准期有所上涨，其涨幅随着排放浓度的增加而增加。

□