GCMs降尺度及其在讨赖河上游径流预报中的应用

武 磊，李奋华，李常斌，武 建，吕佳南，谢旭红，魏健美 ，周 璇

(1.兰州大学 资源环境学院，兰州 730000； 2.兰州大学 西部环境教育部重点实验室，兰州 730000；3.甘肃省讨赖河流域水资源局，甘肃 酒泉 735000)

1 研究背景

政府间气候变化委员会在其2007年度报告中提出，全球平均地表温度在20世纪提高了0.6 ℃，2013年度报告中指出全球气候将持续变暖，升温是20世纪全球气候变化的主要内容，且将成为21世纪气候变化的主要驱动力因素[1]。上述背景下，大气圈、生物圈、水圈等圈层的物质交换及平衡发生深刻变化[2-3]。特别是气候变化和人类活动双重作用下，流域水文和生态系统所发生的异变及其对植被水分利用和河川径流形成的影响，使得人类可持续发展的资源环境背景发生改变，人类适应全球变化的需求也随之升级[4]。

水资源是干旱区经济-社会-生态复合体系健康发展的限制性因素[5]。生态文明建设大背景下，干旱区人口和经济社会的快速发展对水资源的量、质需求不断增加，加之干旱脆弱生境的改良提升也离不开水的支撑，干旱区山地系统所涵养的出山径流，是中下游平原地带生命、生产和生活体系用水的基本保障，出山径流未来变化的研究，具有理论和实践方面的双重意义[6-7]。

讨赖河上游山区是全流域水资源的主要形成区，也是暴雨和洪水的主要汇集区[8]。流域中下游地区工业发展迅速，农业用水量大，水资源需求不断提升，给“三生体系”用水和谐和经济-社会-生态复合系统的可持续发展带来巨大挑战。有研究表明，讨赖河流域从暖干化向暖湿化转型，气温升高、降水增加以及地表覆被的变化均对径流产生影响[9-10]；流域气候极端事件频发，尤其是极端气温与降水均有增多趋势，水资源变异性和不确定性提升[11]；流域水资源形成、转化和开发利用等面临系列挑战，存在诸如干流来水、用水过程不协调和分水制度不完善等系列问题[12-13]。

流域管理所依托的监测手段和配套措施需要相应的理论支撑[14-15]。 讨赖河流域已有研究多集中在历史和现状水文气象要素分析及流域水资源配置和管理建议等方面， 基于山区水文气象和下垫面情形对未来出山径流预报的研究相对较少， 限制了人们对气候变化背景下山区来水及其变异的全面了解。 当前， 未来气候变化及河川径流预测多采用气候预测模式与水文模型的耦合[16]， 这一思路为改进流域水利工程调度方案提供数据支撑的同时， 可有效提升区域水资源合理规划配置的科学性[17]。

本文基于多种全球气候模型(Global Climate Models，GCMs)输出的降尺度，通过加权集成对上述成果进行优化，结合出山径流的气候-生态驱动模式构建，对未来气候背景下的出山径流及其变化进行预测，为该流域未来水资源合理开发和高效利用提供基础数据支撑，有利于流域管理及涉水政策的制定和实施。

2 研究区概况

讨赖河发源于祁连山区讨赖南山东段，属黑河一级支流，集水面积6 883 km2，河川径流主要由降水、冰雪融水以及地下水补给。流域上游地势高峻，气候阴湿寒冷，分布有冰川，属于典型高寒半干旱气候，覆被类型以高寒草甸为主，面积占比87%[9]。年降水量在300～450 mm之间，年均气温在-5 ℃左右，年实际蒸散发在200～250 mm之间，太阳辐射强烈，昼夜温差大[10]。由冰沟水文站实测数据可知，讨赖河上游年径流量介于4.8亿～9.2亿m3之间，是中、下游酒泉盆地和金塔盆地各项用水的主要来源。根据冰沟断面以上讨赖河流域水文地貌特征，将研究区划分为6个子流域(区)，为便于统计分析，对各子流域自出山口往上逐次编号，如表1所示。

表1 讨赖河冰沟断面以上子流域(区)概况

3 数据与方法

3.1 数 据

气温、降水数据来自国家青藏高原科学数据中心(http:∥data.tpdc.ac.cn/zh-hans/)发布的中国区域高时空分辨率地面气象要素驱动数据集(China Meteorological Forcing Dataset，CMFD)，时间分辨率为3 h，空间分辨率为0.1°。基于ArcGIS栅格空间计算工具，得到讨赖河流域上游月、年气象数据序列，用于GCMs模型的降尺度分析。归一化植被指数(Normalized Difference Vegetation Index，NDVI)采用NASA发布的全球库存建模和制图研究(Global Inventor Modeling and Mapping Studies，GIMMS)NDVI产品，空间分辨率为1 km。冰沟断面径流观测数据由甘肃省讨赖河水资源管理局提供。

基于14种GCMs(表2)模型输出的气温与降水数据，选择了3种代表性浓度路径(Representative Concentration Pathways，RCP)，即RCP2.6、RCP4.5和RCP8.5预测未来气候变化，时间跨度均为1981—2099年。以1981—2006年为基准期(GCMs输出的基准期截至2006年，之后为RCP情景下的预测值)，进行GCMs输出的降尺度、权重计算，对所构建驱动模式进行验证。预测期为2020—2099年，分21世纪中期P1(2020—2059年)和后期P2(2060—2099年)两个时段进行未来气候和出山径流变化的比较分析。

表2 研究选用的14种GCMs概况

3.2 方 法

3.2.1 回归模式构建

基于环境变量(气温、降水、雪深、NDVI、辐射等)和目标变量(径流)之间的相关性分析，对影响流域水文过程的环境变量的重要性进行分析和遴选，挑选关键环境变量因子，采用逐步回归方法对关键环境变量和目标变量进行多元线性拟合，构建流域径流的气候-生态驱动模式。方法采用ArcGIS逐像元统计分析工具结合Excel进行运算。公式为

Y=∑aiXi+bi。

(1)

式中：Y为目标变量；ai为环境因子系数；Xi为环境因子；bi为常数项。

3.2.2 Delta降尺度方法

Delta法是一种广泛应用的空间要素降尺度方法[18]，以GCMs输出的月值格网数据为例，首先计算基准期(1981—2006年)降水和气温均值，然后计算预测期(2020—2099年)GCMs的逐月输出与基准期对应月份均值的变化量(Delta)(式(2)、式(3))，采用反距离加权法将Delta值进行空间插值为1 km数据；以中国科学院青藏高原研究所发布的分辨率为1 km的气象要素再分析数据作为基准期实证参考，计算其多年平均月值，与前述Delta插值结果相乘(或相加)(式(4)、式(5))，得到GCMs输出未来气候因子的降尺度成果。通过Matlab对GCMs模型输出数据进行初步处理并结合Arcpy工具完成数据的降尺度工作。过程中，降水Delta采用相对变化量(比值)，气温Delta采用绝对变化量(差值)。计算公式为：

Detla(P)=Pgcms_rcp/Pgcms_his;

(2)

Detla(T)=Tgcms_rcp-Tgcms_his+Tobs;

(3)

Prcp=Delta(P)1 kmPobs;

(4)

Trcp=Delta(T)1 kmTobs。

(5)

式中：Detla(P)和Detla(T)分别为GCMs逐月输出与基准期对应月份均值的变化量；Prcp和Trcp分别表示预测期不同排放情景下GCMs输出的逐月降水(mm)和气温(℃);Delta(P)1 km和Delta(T)1 km分别为进行空间插值后的1 km Detla值;Pobs和Tobs分别表示基准期降水和气温的多年平均月值。Pgcms_rcp、Pgcms_his分别表示GCMS模型在RCP情景和历史时期的平均降水量;Tgcms_rcp、Tgcms_his分别表示GCMS模型在RCP情景和历史时期的平均气温。

3.2.3 加权集成

不同GCMs关于气候因子的输出存在明显数值差异，采用加权集成方法对所选择的14种GCMs输出基于权重求和，经集成仿真降低模式输出的不确定性[19]。计算基准期GCMs输出与实测数据的平均绝对相对误差(Mean Absolute Relative Error，MARE)，见式(6)。偏差较大则说明该模型的仿真效果较差，权重较低，反之亦然。以倒数的比值得到每个GCM输出误差占总体偏差倒数的比例(式(7))，作为该GCM模型输出的权重(W)，模型输出和相应权重乘积的和，构成多个GCMs输出的集成仿真。

(6)

(7)

式中：MARE、W分别表示平均绝对相对误差和权重;N为所考虑的格点数；M为GCMs模型的个数;Xobs和Xsim分别表示变量实测值及模型输出值。

4 结果与分析

4.1 生态和水文驱动模式

影响山区来水的因子可主要归为能量、水量以及下垫面三类。能量方面包括气温、辐射因子；水量方面包括降水和雪深等因子；下垫面方面因子众多，包括地质、土壤、土地利用、植被类型和绿度等，以NDVI为代用指标。计算上述因子与径流的相关系数，结果列于表3。可知，出山径流与气温、降水以及NDVI的相关性最高，与雪深和辐射的相关性较低。根据以上，选择降水、气温和NDVI作为水、能以及下垫面因素的代表性关键因子，经多元回归分析，构建出山径流的气候-生态预报模式用于山区来水变化机制分析。

表3 要素的相关系数

以基准期(1981—2006年)各因素月值为样本，分别构建基于气温、降水的NDVI气候驱动模式(式(8))和基于气温、降水和NDVI的出山径流的气候-生态驱动模式(式(9))，以2007—2018年实测数据进行验证。

NDVI=0.002 589T+0.001 34P+0.151;

(8)

R=-0.057 24T+0.098P+41.525 7NDVI-1.139。

(9)

式中：R为径流深；T为气温；P为降水。

基于气温和降水的NDVI模拟值与实测值的相关性在率定期和验证期分别为0.68和0.78(图1)；由气候-生态联合驱动的径流模拟值与实测值的相关性在率定期和验证期分别为0.81和0.86，表明所构建驱动模式的精度总体良好，用于讨赖河流域上游生态水文要素的预测是可行的。从式(8)来看，气温和降水对高寒山区绿度(植被活动)均有正向促发效应；式(9)中气温系数为负，气温对河川径流总体表现为负减效应，与增温促升区域实际蒸散发(AET)、导致径流减少相适应，表明增温背景下讨赖河流域上游区域AET增量总体大于冰雪融水增量；降水增加有利于产流，河川径流将发生增加，降水对河川径流表现为正向促增效应；绿度增加表征着更好的植被覆盖，高寒山区土壤水分蒸发得到抑制，有利于土壤水源涵养功能的提升，于河川径流的形成产生正效应。由式(9)可知，月尺度上，气温升高1 ℃，径流减少0.057 mm；降水增加10 mm，径流增加0.98 mm；NDVI(绿度)增加0.01，径流增加0.42 mm。

图1 率定期以及验证期NDVI及径流

4.2 未来气候变化

4.2.1 模型权重

计算14种GCMs模型的权重，各模型2种气候要素的权重结果列于表4。不同模型的模拟贡献差异明显。各模型对降水的权重在0.03～0.09之间，以CMCC-CM、GLDL-CM3权重最大，CMCC-CMS权重最小；气温权重最大的模型为FGOLAS-g2，权重为0.23，贡献最低的模型为GLSS-E2-H-CC和GLSS-E2-R-CC，权重为0.01。

表4 不同GCMs权重统计

4.2.2 未来气温

从多模型权重集成结果来看，未来气温受排放情景影响显著。RCP2.6情景下流域气温呈先增后减趋势，P1(2020—2059年)和P2(2060—2099年)期间平均气温分别为-4.38 ℃和-4.26 ℃(图2)；RCP4.5情景下气温先发生增加，随后趋于平稳波动，P1和P2期间平均气温分别为-3.49 ℃和-2.72 ℃；RCP8.5情景下气温始终保持较高增率，P1和P2期间平均气温分别为-3.14 ℃和-0.87 ℃，2090年以后，流域平均气温升高至0 ℃以上。

图2 不同RCP情景下气温变化及统计

就3种排放情景下2个预测时段年均气温与基准期年均气温进行对比，绝对变化量空间分布如图3所示。不同预测时段气温变化的空间格局相似，P2时段的变化量更为显著，高排放模式下对应的气温增幅更大。RCP2.6情景下，气温增幅最高为1.31 ℃(P2时段，下同)，RCP4.5和RCP8.5情景下则分别增至2.71 ℃和4.49 ℃。各排放模式下增温幅度较显著区域主要分布在河谷地带，特别是OL06子流域中下游低丘缓坡区，高山分水岭及周边增幅较小。从子流域平均气温增幅统计结果来看，不同子流域的气温变幅相差较小，以OL02气温变化幅度最小，OL04与OL06温度升高幅度最为明显。

图3 不同RCP情景下气温变化的空间分布

4.2.3 未来降水

降水在3种RCP情景下保持波动增长趋势(图4)。P1时段多年平均降水以RCP8.5情景最大，为342 mm；RCP4.5情景下最小，为329 mm；P2时段3种排放情景降水差异较大，与排放量的大小趋同，多年平均值分别为339、352、368 mm。总体来看， P2时段降水波动更为剧烈，变化幅度也更加显著。

图4 不同RCP情景下降水变化及统计

讨赖河流域上游未来降水在2个预测时段相对于基准期变化的空间分布如图5所示，不同排放标准下降水变化的空间差异较为显著，总体以增加为主要特征，排放程度越高，增量越显著，且P2时段的降水增量普遍高于P1时段。以RCP2.6情景为例，P1时段降水增量在11.38～19.45 mm之间，P2时段增量介于9.39～27.05 mm之间。与气温变化的空间格局相反，降水在沟谷地带增量较小，在高海拔山区增量较大。从子流域统计情况来看，降水变幅的均值在OL06子区间增加最大，OL01子区间降水增加量最小。

图5 不同RCP情景下降水变化的空间分布

4.3 未来径流

主要受降水增加影响，讨赖河流域上游未来径流表现为增加趋势，各种排放情景下波动较为剧烈，总体介于100～130 mm/a之间(图6)。时段平均来看，径流随排放程度而增加，P1时段3种排放情景下径流均值分别为108、110、112 mm；P2时段径流均值分别为111、114、118mm；后期径流增幅较显著。

图6 不同RCP情景下径流变化趋势及统计

讨赖河上游未来径流变化的空间分布如图7所示。2个预测时段内径流深接近，相应于基准期变化的空间分布格局也相近。径流发生减少的区域主要在OL06和OL04子区中部山地及沟谷地带，与降水分布格局相似，各子区分水岭处多见径流增加。以RCP2.6情景为例，两个时段内径流年平均最大减量介于-89.13 mm和-94.66 mm之间；最大增量介于105.44～103.18 mm之间，径流变化的时空异质性显著。RCP4.5和RCP8.5排放标准下，径流变化与RCP2.6情景类似，变幅略有增加。从分区径流变化均值统计来看，OL06在气温升高和降水增加的河川径流效应相互抵消，径流变化最小(-0.54～6.67 mm)，OL02子区间内径流增加最为明显，主要是气温升高幅度较小且降水增加较大所致。各自区间的径流变化幅度总体表现为OL06

图7 不同RCP情景下径流变化的空间分布

4.4 不确定性

分别统计2个预测时段3种RCP下的温度、降水产品输出及基于此模拟的径流，与基准期均值对比构建(绝对)变化序列，以该序列极差(最大值和最小值的差)大小表征3种排放情景下各变量的不确定性(图8)。整体而言，P2时段3种排放情景各要素变化序列极差一般大于P1时段，表明随着预测时段的后延，GCMs输出和模拟径流的不确定性均有不同程度提升。单要素而言，3种排放情景下气温变化序列极差分别为1.19、1.59、1.52 ℃(两时期平均值)，降水变化序列极差分别为76、91、96 mm，径流变化序列极差分别为24、25、26 mm，表明排放情景对要素预测的不确定存在影响，排放程度越高，各要素变化的不确定性越大。

图8 基于极差箱图的各要素变化的不确定性

4.5 水资源满足度

讨赖河上游出山径流为中、下游平原区“三生”体系提供基本水资源需用。调查表明，基准期多年平均用水总量为7.7亿m3/a，按上游山区面积折算水深为112 mm/a。未来径流变化背景下，按基准期用水评价的供水满足度在2个预测期各有不同。总体来看，两期丰水年的供水满足度都在100%以上，但平水年和枯水年的水资源缺口仍相对较大(表5)。

表5 不同排放情景下讨赖河流域供水满足度统计

由上述可知，暖湿化背景下，讨赖河流域上游山区来水总体增加，水量较为丰沛的年份中下游用水满足度较高，来水较少的年份供水满足度依旧较低。前述分析系现状用水规模上得出，从流域各方面长远发展来看，随着人口和经济的快速增长，水资源缺口也将进一步增大。开源和节流仍是未来讨赖河流域水政工作的主体，特别是“三生”体系节水技术的推广至关重要，必要时，也可考虑外域调水以弥补不足。

5 讨 论

本文采用逐步回归方法对内陆河上游出山径流的未来变化进行模拟[20-21]，从模型率定和验证来看效果良好，与关键因子代表性相关的不确定性依旧存在。同时，不同子区径流对各影响因素的响应有所差异，受限于子区河道观测数据的缺失，更为细致的分区研究暂时无法实现，随着流域水文监测体系的完善，这一方面的工作将得以改善。研究采用的Delta降尺度方法有助于提升GCMs输出的空间分辨率，机制主要涉及序列偏差，忽略了时序标准差和变异系数等统计学参量[22]。GCMs模型输出类型众多且存在机制性差异，权重集成方法有利于兼顾多种模型输出的优势，一定程度减小了单个模型输出的不确定性[23]。从空间分布来看，RCP情景下的气候因子的空间格局差异较小[24-25]；基于此构建的回归模式用于径流预报，在空间上也存在类似的特点[26-27]。本次研究基于GCMs输出的降尺度，通过基准期多元数据的综合和模式率定，在内陆河流域上游出山径流预报方面进行探索，成果可对水资源稀缺地区气候变化应对及适应助益。

总体来看，本文关于讨赖河上游山区未来气温和降水呈现增加趋势的总体判断，与已有研究比较一致[28-29]。空间上，温度升高主要出现在宽浅河谷地带，可能与冷空气到达路径受阻有关；降水增加主要发生在山地区域，可能与夏秋季节东南季风携带水汽过境有关。对比发现，高排放情景下(RCP8.5)气温增长明显高于低排放情景，意味着能耗对区域气候变化的影响在未来仍然占据主导。增温背景下，流域上游高寒草甸等植被活动增强，区域AET消耗增大，对河川径流形成和中下游水资源供给及生态环境保护形成不利影响[30]。

根据研究结果，考虑到未来人口增长、绿洲扩张以及工农业发展，讨赖河流域在各方面仍需加强管理。首先，工业CO2的排放必须严格管控，并尽可能减少各类工程对环境造成的污染和破坏；在条件具备区域实施水文生态改良举措，如在水资源较丰地区建立湿地公园，调蓄流域水文过程，提升区域生态环境质量，在重视源头保护的同时，强化用水管控和末端治理，全面提升流域水资源的经济、社会和生态承载能力。此外，讨赖河流域中下游平原灌区众多，农业和工业生产的大份额用水导致生态用水的大幅萎缩。农业灌溉方面宜加快发展先进的节水灌溉技术，从根本上实现总量和效率的双线控制；工业用水按照水功能区目标要求，核定水域纳污容量，严控河湖排污总量。尽可能做到发展经济的同时，最大限度地保证生态环境的健康有序。

6 结 论

本文对讨赖河流域上游未来气候变化及出山径流进行预测，结合当前流域中下游平原区水资源利用状况，对未来气候变化下出山径流及流域水资源进行分析，得出以下主要结论：

(1)以气温、降水和NDVI作为关键因子的山区来水驱动模式在讨赖河流域具有良好的适用性，气温对出山径流总体为负减效应，但降水和NDVI对讨赖河流域上游山区径流形成表现为正增效应，后两者增强有利于河川径流的形成。未来气温的升高在河谷地带较大，在分水岭地区较小；降水在沟谷地带增量较小，分水岭附近高山区增量较显著；暖湿化背景下，讨赖河流域上游出山径流总体增加，不同子区间径流变化受气温和降水影响差异显著，以OL06子区间变幅最小，OL02子区间增加最为明显。

(2)从预测结果的不确定性来看，随着预测时段的后延，GCMs输出和模拟径流的不确定性均有不同程度提升，同时排放程度越高，各要素变化的不确定性也越大。从未来各代表年水资源供需情况来看，平、枯水年份的水资源缺口仍相对较大。

(3)为维护区域陆表生态系统健康，全方位统筹把握，结合地表水、地下水时空演替特征进行流域水资源供需分析，是未来工作的重点。