西江流域气候变化下未来时期降雨的时空变化

许 旺， 唐 力， 曾清怀*， 梁 鸿， 李会亚

(1.深圳市环境监测中心站， 广东 深圳 518049； 2.深圳市生态环境监测站， 广东 深圳 518000)

气候变化下极端降水和年均降水对分析研究极端洪水和干旱事件有重要的意义[1-3].珠江流域是岭南地区最大的流域，流域内包含广东、广西、贵州等省份的部分地区.珠江流域为粤港澳大湾区的经济发展提拱了重要的水资源供应.包括广州、深圳、中山、佛山、东莞等城市都受到珠江流域水资源的给养.西江流域为珠江最大支流，面积达到30万km2.近年来，珠江流域实行西水东调政策，即把西江流域的水资源通过跨流域引水工程引到珠江流域东部，为深圳等城市供水，保障深圳市的社会经济发展的需求.因此，研究气候变化条件下西江流域降雨的变化具有重要的意义.

目前，西江流域的大部分研究集中在分析历史时期降雨的变化.例如，陈立华等[4]研究了西江流域历史时期1994年、1998年、2005年与2008年的最大的暴雨过程；朱颖洁等[5]研究分析了1958—2007年年最大降雨的变化趋势，发现年最大降雨的上升趋势不明显；佘有贵等[6]分析了西江流域2005年的最大降雨的变化规律；罗秋红等[7]分析了西江流域1968年、1994年、1998年、2002年、2005年洪水来临之前的极端降雨的变化情况；吴孝情等[8]分析了1960—2012年珠江流域(包括西江流域)的极端降雨的非平稳性；彭俊台等[9]分析了珠江流域(包括西江流域)42个站点1960—2005年的极端降雨的变化.虽然先前这些研究分析了西江流域降雨的变化，但是未来时期气候变化情况下西江流域的降雨变化的研究较少.

1 研究区域、数据与方法

西江流域为珠江的主要支流，面积占整个珠江流域的66%左右，全长2 000 km.流域内水资源丰富，植被覆盖较好，人口众多.主要支流包括红水河、漓江、柳江等.西江流域下游人口较为稠密，地势较为平坦，经济较为发达[10]，因此西江流域未来时期年最大降雨的变化可能对下游区域的极端水文事件灾害有所影响.同时，随着人口和社会经济的发展，下游区域的工农业生活需水也会增加，西江流域的年均降雨的变化会影响未来时期西江流域的水资源短缺情况.

研究中将使用国际多模型比较计划 (inter-sectoral impact model intercomparison project， ISIMIP) ISIMIP2b的数据[11].ISIMIP2b主要使用全球四个先进的地球系统模型模拟未来时期全球的气候变化情况.四个模型是GFDL-ESM2M (geophysical fluid dynamics laboratory’s ESM2M)、HadGEM2-ES(hadley center global environmental model version 2)、IPSL-CM5A-LR (institut pierre simon laplace’s CM5A-LR)与MIROC5(model for interdisciplinary research on climate version 5).本研究中将使用常用的RCP8.5与RCP4.5数据(representative concentration pathway， RCP)研究分析西江流域降雨变化.这些模型提供了2006—2099年的日尺度气候数据，空间分辨率为0.5度.本研究中将使用2022—2099年的数据作为未来时期研究的依据.ISIMIP2b的气候数据根据实测数据进行了矫正，相比其他数据具有更好的可靠性[11].目前还没有研究使用ISIMIP2b数据研究分析未来时期西江流域降雨的变化特征.

研究中将对西江流域年最大降雨与年均降雨的变化进行分析，主要包括区域平均值随着时间的变化与变化的空间分布.研究中趋势分析方法将使用Mann-Kendall非参数趋势检验方法检验0.05显著性水平下的趋势显著性[12-13].

2 结果与讨论

2.1 年最大降雨变化趋势

图1展示了年最大降雨的时间变化序列.从图1(a)可以看出，在RCP 8.5场景下，虽然各个模型模拟结果有所差别，但各模型结果都显示年最大降雨有增加的趋势.各模型的均值显示年最大降雨具有显著增加的趋势，增加的斜率为0.07.不同于RCP 8.5场景结果，在RCP 4.5场景下，虽然各个模型的结果显示年最大降雨有增加的趋势，但各个模型的均值显示增加的趋势不显著.

注：y表示纵坐标的降雨；x表示横坐标的时间图1 西江流域年最大降雨(mm·d-1)变化Fig.1 Changes of annual maximum precipitation (mm·d-1) in the Xijiang River

图2展示了年最大降雨变化趋势的空间分布.在RCP 8.5场景下，GFDL-ESM2M模型显示，除中下游部分地区外，西江流域大部分区域的年最大降雨呈现出增加的趋势；同样地，HadGEM2-ES与MIROC5模型也显示除下游少部分地区外其余区域的年最大降雨呈现出增加的趋势.相比较而言，IPSL-CM5A-LR模型显示西江流域中下游大部分地区的年最大降雨呈现出减小的趋势，上游地区呈现出增加的趋势.在RCP 4.5场景下，GFDL-ESM2M模型显示区域的中部地区的年最大降雨呈现出减小的趋势，IPSL-CM5A-LR模型与GFDL-ESM2M结果类似；而HadGEM2-ES与MIROC5模型显示区域的东北地区与西部地区有较明显的减小趋势.总体而言，在RCP 8.5场景下，3/4的模型显示西江流域的年最大降雨在大部分地区呈现出增加的趋势，而在RCP 4.5场景下模型的一致性较差.

图2 西江流域年最大降雨(mm·d-1)的变化趋势(2022—2099年)Fig.2 Trends of annual maximum precipitation (mm·d-1) from 2022-2099 in the Xijiang River

2.2 年均降雨变化趋势

图3展示了RCP 8.5与RCP 4.5场景下西江流域年均降雨的变化.在RCP 8.5场景下，虽然各个模型的结果有所不同，但总体趋势一致；各个模型的均值显示西江流域的年均降雨有增加趋势，但是不显著.在RCP 4.5场景下，各个模型结果也有所差异，但总体变化趋势一致；模型的均值显示西江流域的年均降雨有显著增加的趋势.

注：y表示纵坐标的降雨；x表示横坐标的时间图3 西江流域年均降雨(mm·d-1)变化Fig.3 Changes of annual mean precipitation (mm·d-1) in the Xijiang River

图4展示了西江流域年均降雨变化趋势的空间分布情况.在RCP 8.5场景下，GFDL-ESM2M模型显示东部地区年均降雨减少，西部地区有增加的趋势；IPSL-CM5A-LR模型显示东部地区较西部地区年均降雨减少的趋势更加明显；HadGEM2-ES与MIROC5模型显示西部地区年均降雨有增加趋势，而东部地区的变化两个模型结果差别较大.总体上，在RCP 8.5场景下，三个模型(GFDL-ESM2M、HadGEM2-ES与MIROC5)均显示西部地区的年均降雨将会增加.在RCP 4.5场景下，GFDL-ESM2M模型显示西江流域大部分地区的降雨有增加的趋势，IPSL-CM5A-LR模型显示大部分地区的年均降雨有减小的趋势，HadGEM2-ES与MIROC 5模型显示东部地区的差别较大.总体上，在RCP 4.5场景下，各个模型展示的年均降雨变化趋势的空间差异性较大.

图4 西江流域年均降雨(mm·d-1)的变化趋势(2022—2099年)Fig.4 Trends of annual mean precipitation (mm·d-1) from 2022 to 2099 in the Xijiang River

3 结语

通过对西江流域未来时期年最大降雨与年均降雨的研究，发现西江流域平均年最大降雨与年均降雨在未来时期RCP 8.5与RCP 4.5场景下均有增加的趋势.变化趋势的空间分布情况受气候模型变化的影响.在RCP 8.5场景下，年最大降雨的增加趋势显著，而在RCP 4.5场景下，年最大降雨的增加不显著；在RCP 8.5场景下，年均降雨的增加趋势不显著，在RCP 4.5场景下，年均降雨的增加趋势显著.因此，在未来时期，受极端降雨增加的影响，极端洪水的量级也可能增加；随着年均降雨的增加，西江流域的水资源量也将变得更加充沛，可以缓解水资源短缺的情况.