氣候變化條件下流域徑流演變趨勢分析

樊慧靜，趙紅莉，蔣云鐘

（1.中國水利水電科學研究院 水資源研究所，北京 100038；2.遼寧省水文水資源勘測局 沈陽分局，遼寧 沈陽 110005）

1 研究背景

氣溫升高、冰雪融化和海平面上升等一系列全球范圍氣候變化引起的現象已經得到了廣泛的關注［1］。全球氣候變化正影響著水資源的數量和分布，導致全球水資源豐枯兩極分化嚴重，流域水旱災害日益頻發(fā)［2］。全球大氣環(huán)流模型（General Circulation Models，GCMs）是預估未來氣候變化較為可靠的工具，但其分辨率通常在2×2°以上，缺少區(qū)域氣候信息。所以在區(qū)域尺度氣候變化研究方面，降尺度技術得到了廣泛應用［3］。

通過GCMs降尺度與流域水文模型相耦合研究該流域未來氣候和水文變化趨勢這一方法已被多位學者采用。於凡等［4］利用Delta方法進行降尺度處理，在此基礎上采用GIS和SPSS分析了全球氣候變化對黃河流域水資源的定量影響。郭靖等［5］應用統計降尺度法將全球氣候模式和VIC分布式水文模型進行耦合研究了漢江流域降水徑流變化情況。徐若蘭等［6］利用支持光滑向量機降尺度并與HBV流域水文模型相耦合研究了漢江上游水文極值事件。

本文采用英國Hadley中心GCMs發(fā)展的全球氣候模式結果，利用主分量分析和降尺度方法得到流域未來降雨和氣溫數據，并通過SWAT模型分析流域未來的水資源演變趨勢。

2 研究區(qū)概況與研究方法

2.1 研究區(qū)域 流域面積3.1萬km2，多年平均年降水深493.9mm。氣候特點表現為冬季漫長酷寒，夏季短促濕熱，冬夏溫差大，屬典型寒溫帶大陸性季風氣候。

2.2 數據來源 基礎空間數據包括流域DEM數據、2000年土地利用數據和2000年土壤數據，統一分辨率1km×1km。站點數據有3個國家氣象站A、B、C和2個國家日射臺站的1990—2006年日觀測數據，以及流域出口徑流站1990—2006年日觀測流量數據。

GCMs數據包括A2/B2氣候情景下GCMs運行生成1961—2099年的數據和再分析氣象數據NCEP1961—2001年的數據，以網格3.75（經度）×2.5（緯度）形式提供，這些數據可直接從加拿大氣候研究所①http：//www.cics.uvic.ca/scenarios/sdsm/select.cgi下載。該流域下載了3×3共9個網格的數據。

A2/B2分別代表IPCC（Intergovernmental Panel on Climate Change）發(fā)布的溫室氣體排放情景SRES（Special Report on Emission Scenarios）中的中高和中低排放情景［7］。

2.3 研究方法

2.3.1 主分量分析 GCMs數據每個網格文件下有3個文件夾H3A2a_1961—2099/H3B2a_1961—2099/NCEP_1961—2001，前兩個是A2/B2氣候情景下GCMs運行生成的1961—2099年的氣象數據，后一個是1961—2001年實測再分析氣象數據，每個文件夾下有26個氣候因子，包括平均海平面氣壓、2m高度場平均氣溫等。9個網格中每種文件夾共有234個氣候因子，不可能每個氣候因子都參與到降尺度過程中。為了將盡可能多的信息輸入到降尺度模型中，本文采用了主成分分析方法。

主成分分析通過降維技術把多個變量化為少數幾個主成分，這些主成分能夠反映原始變量的絕大部分信息，它們通常表示為原始變量的線性組合［8］。

本文采用R軟件進行主成分分析。R軟件由Auckland大學的Robert Gentleman和Ross Ihaka及其他志愿人員開發(fā)，是一個免費的自由使用軟件。

2.3.2 統計降尺度模型 降尺度法主要有兩種：一種是動力降尺度法，一種是統計降尺度法。動力降尺度法即通常所說的區(qū)域氣候模式，它物理意義明確，但是計算量大，費機時。統計降尺度法利用多年的觀測資料建立與大尺度氣候狀況之間的統計關系，并用獨立的觀測資料檢驗這種關系，最后再把這種關系應用于GCMs輸出的大尺度氣候信息，來預估區(qū)域未來的氣候變化情景（如氣溫和降水）［9］。即建立大尺度氣候預報因子與區(qū)域氣候預報變量間的統計函數關系式：

式中：Y為區(qū)域氣候預報變量；X為大尺度氣候預報因子；F為建立的大尺度氣候預報因子和區(qū)域氣候預報變量間的一種統計關系。

一般說來，F是未知的，需要通過動力方法（區(qū)域氣候模式模擬）或統計方法（觀測資料確定）得到。統計降尺度中X包含了大尺度氣候狀態(tài)，F包含了區(qū)域或當地的地形，海陸分布和土地利用等地文特征。

SDSM（the Statistical Down-Scaling Model）是一種多元回歸和天氣發(fā)生器相耦合的降尺度方法［8］，它的應用主要包括兩個步驟：（1）建立預報量（區(qū)域尺度或站點氣象要素數據）與預報因子（大氣環(huán)流因子）之間的統計關系，以確定模型；（2）根據已建立的統計模型，生成區(qū)域尺度或站點氣候要素的未來日序列。而且統計模型對未來情景的代表性在多位學者的研究中已經得到了驗證［10-11］。本文采用SDSM軟件，對流域內3個氣象站的日降水及日最高最低氣溫進行了降尺度。

2.3.3 SWAT模型 SWAT（Soil and Water Assessment Tool）模型由Dr.Jeff Arnold為美國農業(yè)部（USDA）農業(yè)研究中心（ARS）于20世紀90年代初期研制。模型開發(fā)的目的是為了預測在大流域復雜多變的土壤類型、土地利用方式和管理條件下，土地管理對水分、泥沙和化學物質的長期影響。SWAT模型是基于物理機制的分布式水文模型，在模擬流域水文過程，研究流域在不同下墊面和氣候情勢下的水文響應，分析流域生態(tài)環(huán)境影響因素，以及制定區(qū)域水資源規(guī)劃等方面都得到了普遍應用［12］。本文利用SWAT模型與GIS的集成版本ArcSWAT［13］進行建模分析。

3 結果分析

3.1 主成分分析 分別對每種文件夾下9個網格共234個氣候因子進行主成分分析，挑選出前20個主分量作為代表，進行下一步的降尺度處理。主成分篩選結果如表1所示。

表1按照各主分量方差貢獻率從大到小的順序，列舉了A2/B2情景數據和NCEP數據篩選出的前20個主分量的方差貢獻率和累計方差貢獻率。從表1可以看出，A2/B2情景下生成數據和NCEP再分析數據篩選出的前20個主分量其累計方差貢獻率分別是0.846、0.845和0.858，代表了原數據絕大部分的信息。

表1 主成分篩選結果

3.2 降尺度模型

3.2.1 降水降尺度模型 以1961—1990年為模型率定期，1991—2001年為驗證期，首先建立NCEP主成分與各站點降水數據的多元線性回歸方程即建立降水降尺度模型，再把A2/B2情景下的主成分輸入到已建立的模型中，得到各站點降水預測數據。

對3個氣象站的模型進行誤差分析，以相關系數r表示。模型率定期相關系數r如表2所示。

表2 各氣象站降水降尺度模型相關系數r

表2顯示相關系數在0.44～0.66之間，模型在6、7、8月份的相關系數是全年中最低的，說明模型在汛期效果不如在非汛期效果好。模型的相關系數說明了各站點降水數據和NCEP主成分之間存在一定的線性關系。

分時段統計流域面雨量變化如表3所示。

由降水的預測分析成果可知，2010—2099年流域年降水量呈波動下降趨勢，A2/B2情景分別在近30年和本世紀中期30年（2040—2069年）超過歷史多年平均水平，本世紀后期30年（2070—2099年）均低于歷史多年平均水平。兩種排放情景中，B2情景較A2情景在本世紀后期30年（2070—2099年）下降幅度大。

表3 流域2010—2099年流域面雨量變化預測

3.2.2 氣溫 氣溫處理原理及過程與降水相同，三站月最高最低氣溫降尺度模型相關系數r如表4—表5所示。

表4 最高氣溫相關系數r

表5 最低氣溫相關系數r

表3、表4顯示氣溫降尺度模型相關系數在0.70～0.94之間，年內變化不明顯，相關性良好。以A站為例，分時段統計最高、最低氣溫變化如表6所示。

表6 A站2010—2099年流域平均氣溫變化預測

由氣溫的預測分析成果可知，2010—2099年流域年均氣溫呈波動上升趨勢，A2/B2情景在3個時段均超過歷史多年平均水平，但本世紀后期30年（2070—2099年）均低于本世紀中期30年（2040—2069年），有所下降。兩種排放情景中，B2情景較A2情景在本世紀后期30年（2070—2099年）增加較快。

3.3 利用SWAT模型進行流域建模 依托1km×1km網格的流域DEM數據、2000年土地利用和土壤數據，基于SWAT建立流域水文模擬模型。選用3個氣象站點輸入降雨、氣溫、濕度、風速數據，2個輻射站點輸入太陽輻射數據，在SWAT模型里將流域劃分為25個子流域，在每個子流域單獨計算產匯流過程。選用1961—2006年的氣象、水文數據進行水文分析。

采用與土地利用狀況所在年份相近的時間段2000—2006年的氣象數據進行參數敏感性分析，并利用SCE-UA［11］方法對篩選出的敏感性參數進行優(yōu)化，最終得到一套最優(yōu)參數。模型參數優(yōu)化的納什系數為0.78。采用1990—1999年氣象數據進行驗證，驗證期效果如圖1示。

把通過主分量分析和降尺度方法處理過的降水、最高最低氣溫數據輸入到SWAT模型中，用最優(yōu)參數分別模擬A2/B2氣候情景下流域出口月徑流量，得到流域出口的年徑流量，結果如圖2所示。

A2/B2氣候情景下流域年徑流量分時段與歷史記錄相比較，如表7所示。

由徑流的預測分析成果可知，2010—2099年年徑流量呈波動下降趨勢，僅B2情景在本世紀中期30年（2040—2069年）略高于歷史平均水平，A2/B2在其余時間段均低于歷史平均。兩種排放情景中，B2情景較A2情景在本世紀后期30年（2070—2099年）下降幅度大。

表7 A2/B2氣候情景下流域年徑流量分時段比較

4 結語

利用主分量分析和降尺度模型對GCMs中A2/B2氣候情景進行了降尺度處理，選擇流域3個氣象站為代表，預測了河流域最高最低氣溫和降水這3種氣候因子的未來演變趨勢，并且把這3種氣候因子輸入到SWAT模型中對未來徑流變化進行了預測。結果表明，A2/B2兩種氣候情景下未來氣溫呈波動上升趨勢，降水、徑流均呈下降趨勢，其中B2幅度大于A2。B2描述的情景人口增長低于A2情景，研究結果卻顯示在本世紀后期30年（2070—2099年）B2情景要比A2情景惡劣，這與B2情景下空氣中CO2濃度升高滯后于A2情景，因此B2情景下氣溫、降水、水資源量的發(fā)展延后于A2情景有關。

針對NCEP和A2/B2氣候模式采用了不同的主成分分析模型，這對NCEP統計降尺度模型代表性的影響本文未加考慮。此外在預測水資源量時忽略了未來土地利用情況和土壤情況的變化。這些都需要在以后的工作中進行更加深入的研究。

［1］李學勇，秦大河，李家洋，等.氣候變化國家評估報告［M］.北京：科學出版社，2007.

［2］Dai Aiguo，Qian Taotao，Trenberth Kevin E，et al.Changes in continental freshwater discharge from 1948 to 2004［J］.Journal of Climate，2009，22（10）：2773-2775.

［3］范麗軍，符淙斌，陳德亮.統計降尺度法對未來區(qū)域氣候變化情景預估的研究進展［J］.2005，20（3）：320-329.

［4］於凡，張光輝，柳玉梅.全球氣候變化對黃河流域水資源影響分析［J］.水文，2008，28（5）：52-56.

［5］郭靖，郭生練，張俊，等.漢江流域未來降水徑流預測分析研究［J］.2009，29（5）：18-21.

［6］徐若蘭，陳華，郭靖.氣候變化對漢江流域上游水文極值事件的影響［J］.北京師范大學學報（自然科學版），2010，46（3）：383-386.

［7］IPCC.Climate Change 2001：The scientific basis climate change 2001 synthesis report［M］.U K：Cambridge University Press，2001：61-70.

［8］薛毅，陳立萍.數理統計與R軟件［M］.北京：清華大學出版社，2006.

［9］Wilby R L，Dawson C W，Barrow E M.SDSM-a decision support tool for the assessment of regional climate change Impacts［J］.Environmental Modeling&Software，2002，17：147-159.

［10］Chu Jian-ting，Xia Jun，Xu Chong-yu.Statistical downscaling the daily precipitation for climate change scenari?os in Haihe River Basin of China［J］.Journal of Natural Resources，2008，23（6）：1068-1076.

［11］黃俊雄，徐宗學，劉兆飛，等.統計降尺度法分析太湖流域未來氣候變化情景［J］.資源科學，2008，30（12）：467-470.

［12］Neitsch S L，Arnold J G，Kiniry J R，et al.Soil and Water Assessment Tool Theoretical Documentation［M］.2002，Published by Texas Water Resources Institute，College Station，Texas，2002.

［13］Winchell M，Srinivasan R，Di Luzio M，et al.Arcswat 2.0 Interface for SWAT2005 User’s Guide［M］.2008.