集成气候模式下黄河中游未来气候变化研究

侯祥东，桑国庆，刘 微，武 玮，邵广文

（1.山东省海河淮河小清河流域水利管理服务中心，山东 济南 250199；2.济南大学 水利与环境学院，山东 济南 250024）

0 引言

20世纪以来，全球气候变暖已是一个不争的事实。气温的升高会影响区域水循环，改变降水的强度和空间分布［1］，极易导致诸如春汛提前、旱涝灾害频发等反常水文现象的发生［2］。这些反常水文现象一旦发生，对人类生存和社会发展都将产生深刻的影响。黄河是中华民族的母亲河，流域内十分缺水，以占全国2%的河川径流量，养育了全国12%的人口，灌溉了15%的耕地［3，4］。降水是黄河流域河川径流的主要水分来源，河川径流过程与当地气候变化密切相关。黄河中游流域占黄河流域总面积的45%，是全球土壤侵蚀最为严重的区域之一，也是黄河泥沙的主要来源［4］，生态环境极为脆弱。全球变暖导致的反常水文现象会使黄河中游流域生态保护、水土保持、水资源保护等面临严重挑战。相关研究表明，黄河中游气温呈上升趋势而降水则呈下降趋势。就极端降水而言，其数量呈下降趋势而强度则呈上升趋势，不利于水土流失的治理［3］。因此，为维护黄河中游流域生态环境稳定，保障人类生活与生产安全，亟需对黄河中游流域未来气候变化进行研究分析。

全球气候模式（Global Climate Model，GCM）可以较好的再现全球气候的变化规律，已被广泛应用于未来气候变化的预测和评价［5-7］。但是由于GCM 间分辨率、初始条件和机制等的不同，不同GCM 在不同区域的适应性具有较大的差距。因此，学者们提出了一系列的方法对GCM 在不同研究区域的优劣性进行评价［8-11］。同时，研究表明，集成气候模式对气候变化模拟的性能要优于单一气候模式。在这种情况下，如何合理确定不同GCM 在集成气候模式中的权重是提升预测精度的一个关键问题［12，13］。同时，GCM 分辨率较粗（70～400 km），无法较好地反映区域气候特性、合理地预测未来气候变化规律［14，15］。因此，有必要采用一定的方法对GCM进行降尺度处理，以适应区域尺度的气候研究。目前，比较常用的方法可以分为动力降尺度和统计降尺度两类［16］。由于动力降尺度计算复杂且耗时较长，限制了其的广泛应用［17，16］。而统计降尺度通过建立GCM 和地面观测间的统计关系，实现GCM 的降尺度处理，被广泛应用于未来气候变化研究中［18，19］。

以黄河中游流域为研究对象，通过GCM评价体系筛选出适宜研究区的6 种GCM，并基于加权平均法生成一种可以较好反应研究区气候变化特征的集成气候模式，利用统计降尺度方法对不同情景下研究区未来气候变化进行预测。研究结果可以为当地政府的水资源管理和规划提供技术支撑。

1 研究区概况和方法

1.1 研究区概况

黄河中游流域位于头道拐和花园口水文站之间（图1），面积361 600 km2，占黄河流域总面积的45%左右。流域大部分处于黄土高原，为黄河的主要产沙区，黄河流域超过88%的泥沙来自于黄河中游［20，21］。黄河中游流域主要属于半湿润-半干旱气候带，降水空间分布极不均匀，多年平均降水量最小为300 mm，最大为800 mm，年平均气温位于6～12 ℃。

图1 研究区概况Fig.1 Summary of study area

1.2 研究数据

笔者采用1961-2005 年（历史时期）20 个CMIP5 下GCM 的输出数据（降水和气温）和地面观测站的逐日降水、平均气温数据进行GCM适用性评价，筛选出在黄河中游流域综合模拟性能较好的前6 种GCM，并采用加权平均方法构建一种集成气候模式。基于历时时期和未来时期（2019-2065 年）7 种GCM 的输出数据，利用统计降尺度方法进行降尺度处理，分析黄河中游流域未来气候变化。其中，1961-2005 年期间地面观测站的逐日降水和平均气温数据来源于中国气象数据共享网。20 个CMIP5下GCM 的降水、气温数据来源于英国环境数据分析中心（http：//www.ceda.ac.uk/），详见表1。另外，考虑到站点数据的长度和质量，笔者共计选取了65 个流域内部和周边站点（图1）。其中，站点中的部分缺失值基于周边站点数据，采用反距离权重方法进行插补。在GCM 优劣性评价过程中，为减少不同GCM 分辨率所引起的不确定性，采用双线性插值算法将所有GCM的分辨率插值至同一网格大小（0.5°×0.5°）。

表1 20种GCM模式信息表Tab.1 List of the global climate models in this study

1.3 方 法

1.3.1 GCM评价体系

为分析上述20 种GCM 在黄河中游流域气候变化的模拟性能，采用傅国斌［22］提出的评价体系，对所有GCM 进行评价。该体系通过GCMs 输出结果和同时期观测值进行对比，计算出共计8 个大项，11 个小项的评价指标（详见表2），用于评价气候模式对区域气温和降水的模拟精度（各指标的详细说明可见文献［22］）。针对第i个气候模式，首先采用式（1）计算其所有小项介于0～9 之间的排序分数，然后通过式（2）计算该气候模式模拟能力的分值，其分值越低，模拟效果越好。

表2 GCMs评价指标及其计算方法Tab.2 Statistics indicators adopted for GCM performance assessment

式中：xj代表第j项评价指标的数值。

式中：T_RSi代表第i个GCM 的评价分数；Wj为第j项评价指标的权重。

基于每个模型的时空评价结果，对模型进行排序，筛选出排名靠前的N种气候模式并根据式（1）计算其权重，进而构建一个集成气候模式来减少不同模式情景和参数的不确定性［23，24］。

式中：N为模式个数；Si为第i个模式的评分；Wi为第i个模式的权重。

1.3.2 统计降尺度

分数位映射（Quantile Mapping，QM）是一种常用的统计降尺度方法，其基于历史时期的气候要素的概率分布，对GCM 所输出的气候要素进行偏差矫正［25，26］。由于QM 方法所用的概率分布基于历史时期，因此对于历史时期未发生的而在未来时期可能发生的极端气候事件难以进行有效的矫正。为了对未来时期的极端事件进行矫正，Cannon 等［27，28］提出了一种改进方法（Quantile Delta Mapping，QDM），并用于GCMs 在加拿大所模拟的逐日降水量的矫正，取得了满意的效果。因此，同样采用QDM 方法对GCMs 气候模式所输出的气候要素进行降尺度处理。

2 结果和讨论

2.1 GCM优劣评价

依据上文所述11个评价指标分别计算出20个GCM降水和温度的评价分数，然后将所有GCM分别按照降水和气温的评价分数进行升序排序，筛选出降水和气温模拟性能均较好的GCM（图2）。从图2 中可以看出，不同GCM 在预测降水和温度方面的性能具有较大的差异。其中，GCM14在降水方面的模拟效果最好，但在气温方面的模拟效果较差。相反，GCM17 在气温方面的模拟效果最好，但在降水方面模拟效果稍差。考虑到GCM在模拟温度方面的性能通常优于降水［22，29］，因此，笔者主要依据降水的排名筛选出在降水和温度模拟方面均具有良好的性能的6 个GCM（ACCESS1.3，CSIRO-Mk3-6-0，IPSL-CM5A-LR，IPSL-CM5A-MR，MIROC5和MRI-CGCM3），用于研究黄河中游的未来气候变化。

图2 黄河中游流域GCM模拟性能Fig.2 GCM performances for precipitation and temperature in MYRB

采用式（3），按降水和气温分别计算出不同GCM的权重（表3）。为更好地预测黄河中游流域未来气候变化情况，根据各GCM权重，利用加权平均法生成集成气候模式，即EGCM。

表3 所选GCM评价及权重Tab.3 The information of selected GCMs in this study

2.2 GCM预测评价

在进行降尺度分析时，首先依据1961-1990 年（率定期）的逐日实测数据和GCM 逐日输出数据对降尺度模型（QDM）进行偏差校正；然后，基于校正后的QDM 方法，依据GCM 在1991-2005 年（验证期）的输出结果进行降尺度模型（QDM）的验证。为便于分析降尺度模型在黄河中游流域的性能效果，笔者采用泰森多边形方法分别将地面观测和预测的降水量、极端降水量和平均温度从台站值转换为流域平均值，并从这3 个方面进行对比分析。依据文献［3］，各站点选择大于0.1 mm 的降水事件，并将其进行升序排列，以第90 个百分位数作为极端降水的阈值。

图3 展示了不同GCM 经降尺度处理后所预测气候要素和实测数据在率定期（1961-1990 年）和验证期（1991-2005 年）的年际变化。图3 中，6 个GCM 可确定出黄河中游流域不同气候模式下气温和降水年际变化预测的不确定性范围，而EGCM 则反映黄河中游气候变化趋势。从图3 中可以看出，各GCM 所预测气候要素具有显著的不确定性，其中，降水的不确定性高于温度的不确定性。就降水而言，可以发现实测值普遍落于6 个单一GCM 的预测范围内。在温度方面，实测值除个别年份（1997-2002 年）外，也基本落于GCM 所预测气温的不确定性范围内。为进一步评估降尺度后EGCM 在变化趋势方面的模拟性能，将实测值和EGCM 预测值采用5年移动平均法进行处理。结果表明，EGCM 预测的所有气候要素的趋势和黄河中游流域的实际情况相似。换言之，尽管EGCM 所预测的年际间波动较实际情况有所偏大，但仍可以较好地捕捉黄河中游气候要素的变化趋势。

图3 验证期黄河中游流域实测和GCM所预测年降水量、极端降水量和温度对比Fig.3 Evolution of basin-averaged annual precipitation，annual extreme precipitation，and annual temperature for the historical period（1961-2005）

验证期内7 种GCM 所预测气候要素的年内变化与实测值基本吻合（图4）。相较于其他GCM，EGCM 所预测的月均降水量、极端降水量和温度变化与实际变化较为接近。就不确定性来看，GCM 所预测降水的不确定性大于温度，且5-9 月月均降水和极端降水的不确定性高于其他月份。另外，验证期内EGCM 所预测的年平均降水量、平均极端降水在7-9 月的预测值较实测值有所高估；而实测和EGCM 所预测的年平均气温在1-3月较实测值有所低估。

图4 验证期间黄河中游流域实测与GCM所预测平均月降水量、极端降水量和温度对比Fig.4 Monthly mean of basin-averaged precipitation，extreme precipitation，and temperature from 1990 to 2005

2.3 未来气候变化

采用QDM 方法对EGCM 在RCP4.5 和RCP8.5 情景下所预测气候要素（2021-2065 年）进行偏差校正。通过历史时期（1961-2005）和未来时期（2021-2065）间气候要素的对比，研究黄河中游流域未来的气候变化。

2.3.1 降 水

采用QDM 方法对7 种GCM 进行降尺度处理，得到黄河中游流域在两种RCP 情景下未来时期的降水情况。相较于历史时期（509.8 mm/a），EGCM 所预测多年平均年降水量在RCP4.5和RCP8.5 情景下分别为533.4和536.6 mm/a，增加了5%。为直观展示黄河中游流域未来时期年降水量和月降水量的变化，以历史时期流域多年平均年（月）降水量为基准对GCM 预测年（月）降水量进行距平处理（图 5）。从图中可以看出，在RCP4.5情景下，未来时期黄河中游流域年降水量的相对变化在0%上下波动；在RCP8.5 情景下，2045 年之前黄河中游流域降水量较历史时期（509.8 mm/a）有所减少，而2045 年之后降水量呈增加趋势。就年内变化而言［图5（c）～（d）］，两种排放情景下，GCM所预测降水在1-6 月的不确定性小于6-12 月。相较于历史时期，在RCP4.5情景的5-7月和RCP8.5情景的4-6月黄河中游流域降水量明显增加。

图5 2021-2065年黄河中游流域降水量变化Fig.5 Projected changes in basin-average precipitation during the future period 2021-2065

2.3.2 极端降水

图6（a）～（b）显示了两种RCP 情景下黄河中游流域平均年极端降水量在未来时期的年际变化。EGCM 在RCP4.5 和RCP8.5 情景下所预测多年平均年极端降水量分别为266.7 和269.8 mm/a。与历史时期（237.2 mm/a）相比，EGCM 预测的年极端降水量增加约30 mm，和EGCM 预测的降水量变化近似。但年平均极端降水增加的比例约为12.5%，高于年平均降水的增幅（5%）。

图6 2021-2065年黄河中游流域极端降水量变化Fig.6 Projected changes in basin-average extreme precipitation during the future period 2021-2065

2.3.3 气温

与降水和极端降水不同，在两种RCP 情景下，所有GCM 预测的流域年均气温均呈现明显的上升趋势［图7（a）～（b）］。在RCP4.5 和RCP8.5 情景下，EGCM 预测的年均气温较历史时期（9.59 ℃）相比，分别上升了1.94 ℃和2.41 ℃。从EGCM 所预测流域平均气温的月变化来看，RCP4.5情景下各月间的气温增幅差异较小［图7（c）］。2-6月温度上升1.8 ℃左右，其余月份上升2.0 ℃左右。然而，在RCP8.5情景下，不同月份间温度的增幅差异性较大［图7（d）］。其中，9 月气温上升最多，为2.73 ℃，而4月气温上升最少，为2.06 ℃。

图7 2021-2065年黄河中游流域气温变化Fig.7 Projected changes in basin-average temperature during the future period 2021-2065

3 结论

依据历史时期地面观测资料与20 种GCM 的输出结果，采用相关评价指标，评价、筛选出排名靠前的6 种GCM 模式。并根据计算的各GCM 权重，采用加权平均法构建集成气候模式（EGCM）。基于7 种气候模式，采用统计降尺度模型（QDM）预测、分析RCP4.5 和RCP8.5 两种排放情景下黄河中游流域未来气候变化。主要结论如下：

（1）相较于其他GCM，ACCESS1.3、CSIRO-Mk3-6-0、IPSLCM5A-LR、IPSL-CM5A-MR、MIROC5 和MRI-CGCM3 等6 个GCM，在重现黄河中游流域降水和气温方面具有较好的性能。

（2）相较于单一GCM，EGCM 在重现气候变化方面表现更好，可以较好地反映黄河中游流域当前降水和温度的变化趋势。

（3）相较于历史时期，黄河中游流域在未来时期年平均降水量和年极端降水量将分别增加约5%和12.5%；年均气温呈显著上升趋势，在RCP4.5 情景下各月气温平均增幅2 ℃左右，在RCP8.5 情景下，月均气温9 月增幅最高（2.73 ℃）而4 月增幅最低（2.06 ℃）。