氣候變暖下太湖極端洪水的歸因探討*

于 革 ，郭 婭 ，廖夢娜

(中國科學(xué)院南京地理與湖泊研究所，南京210008)

隨著全球氣溫顯著增加，人們觀測到過去幾十年的降水呈現(xiàn)明顯的年代際變化［1］，而探究是否由人類活動排放溫室氣體導(dǎo)致全球增溫并造成極端降水和洪水變化，是一個極具挑戰(zhàn)的理論問題.近年來國內(nèi)外一些探索性研究認(rèn)為，北半球50年來最惡劣的暴雨和風(fēng)雪事件呈上升趨勢，年均升幅約為7%;而通過氣候模擬研究，認(rèn)為這些極端暴雨事件主要歸因于溫室氣體作用下的全球增暖［2］.對2000年秋英國發(fā)生的特大洪水進行數(shù)值模擬，發(fā)現(xiàn)溫室氣體排放增加造成了溫度升高、極端降水增強，引起特大地表洪水的發(fā)生由100年一遇加速到50年一遇［3］.這些研究揭示了增溫引起降水和洪水的驅(qū)動機制并計算出所增加的份額，然而由于時間尺度局限在近50年，已經(jīng)處于人類顯著影響全球增溫時段，這類研究還難以辨識增溫中的自然系統(tǒng)下的脈動和變化份額.尋找現(xiàn)代全球增溫下與工業(yè)革命前大氣狀況下的極端洪水事件，能夠?qū)Ρ群樗畯姸群皖l率變化的差異，進而通過物理機制下的數(shù)值模擬能夠獲得對其差異的機制和歸因認(rèn)識［1-3］.

特大洪水屬于極端水文事件.從統(tǒng)計上來講，極端洪水事件是指洪水發(fā)生的頻率或重現(xiàn)期嚴(yán)重偏離其平均態(tài)，在統(tǒng)計意義上屬于不易發(fā)生的事件.根據(jù)現(xiàn)代水文觀測數(shù)據(jù)，重現(xiàn)期超過50年的洪水被稱為特大洪水［4］.對超過洪水50年一遇的小概率事件，常稱為極端洪水［1，3］.長江下游太湖流域，歷史和近現(xiàn)代不乏極端洪水發(fā)生［5］.新石器- 陶器時期太湖古文化的延續(xù)曾遭受數(shù)次大洪水侵襲而發(fā)生過中斷［6］，洪水之患自古以來就是該區(qū)的最大威脅.20世紀(jì)發(fā)生了如1954、1992和1999年的特大洪水，其中由氣象和水文儀器監(jiān)測的1999年太湖流域洪水是自水文站監(jiān)測以來的百年一遇的特大洪水［7］.根據(jù)歷史文獻記載，19世紀(jì)發(fā)生了如1823、1849和1889年的特大洪水［8-9］.有研究表明，采用相同水位標(biāo)準(zhǔn)估計1889年洪水水位比1954年洪水水位高出6 cm［9］.太湖流域19世紀(jì)末和20世紀(jì)末不同氣候背景下的極端洪水事件，為洪水歸因研究提供了難得的參照系.

我國東部長江中下游平原地勢平坦，屬亞熱帶季風(fēng)氣候，自古以來只要中、上游降雨過量，下游平原就出現(xiàn)水患［4］.現(xiàn)代太湖流域盡管人類圍墾、建壩、土地利用等在一定程度上造成湖泊水體容量減少，或下游排水不暢導(dǎo)致洪水量的相對增大，但降水的增減仍然是流域洪水最重要的水源量［7，10-11］.因此，無論現(xiàn)代還是歷史，降水都是控制流域洪水最重要的因素.在這個立論下，本文針對1990s和1880s的極端洪水歷史，設(shè)計了太湖流域兩個洪水年模式，在IPCC診斷的溫室氣體變化的方案下，采用4個GCM氣候模擬驅(qū)動流域水文模擬，分析不同氣候背景下極端洪水發(fā)生頻率的差異，并進行極端流量不確定性的閾值模擬和風(fēng)險系數(shù)論證，從而檢測不同氣候驅(qū)動下的洪水歸因.

1 數(shù)據(jù)和方法

1.1 區(qū)域資料和模擬實驗設(shè)計

太湖平均水位面積2338 km2，流域面積36895 km2.考慮到太湖為通江湖泊以及旨在洪水的氣候歸因研究，本研究集中于太湖流域上游來水區(qū)，主要位于西部山丘區(qū)和北部沿江區(qū)，模擬面積19055 km2.流域地形、水系、植被、土壤等自然地理資料來自于多年積累的流域基礎(chǔ)數(shù)據(jù)庫［12］.流域氣象數(shù)據(jù)源于國家氣象臺站觀測資料，包括流域內(nèi)氣象站1954----2009年逐日平均降水、最高與最低氣溫、相對濕度和風(fēng)速.太陽輻射要素由最高、最低氣溫資料推算.作為率定模型參數(shù)和驗證控制實驗的水文資料，采用太湖大浦站1922-2009 年實測水位資料［11，13］、流域內(nèi)河道巡測斷面1988----2002 年流量［12-13］和太湖特大洪水資料［7，14］.

太湖是一個大型淺水湖泊，流域大部分的平原地勢平坦，河床比降小，流速緩，流域輸入太湖的輸沙量在30～40萬噸級;而由于太湖流域雨量豐沛，年降水量1100～1400 mm，入湖年徑流量在40×108m3以上［15］，因此，太湖洪水變化主要受流域徑流輸入控制.本文采用分布式流域水文模型SWAT 2005［16］.對以湖泊水位和湖面高度變化為表征的產(chǎn)流、匯流的模擬研究已表明，SWAT能夠勝任該流域的水文模擬［12］.對長期氣候水文過程變化，筆者對過去200年以來的模擬研究，也表明SWAT能夠模擬流域水量長期的年內(nèi)和年際變化［17］.因此，圍繞洪水的氣候歸因研究目標(biāo)，筆者設(shè)計了采用該流域水文模型的模擬實驗:

1)控制實驗:太湖流域地形、水文、氣候、植被、土壤等現(xiàn)代條件下的水文模擬實驗，測試流域水文模型對太湖洪水的模擬能力;2)實驗1:1990s極端洪水模擬，采用GCM氣候模式驅(qū)動模擬15年(1988----2002年)，包括1999年特大洪水年的模擬;3)實驗2:1980s極端洪水模擬，采用GCM氣候模式驅(qū)動模擬15年(1880----1894年)，包括1889年特大洪水年的模擬.

控制實驗是本項研究的基礎(chǔ)，該實驗的模擬過程和結(jié)果見文獻［18］.對該模擬結(jié)果的檢驗［18］表明，在氣候驅(qū)動下，該模型對現(xiàn)代或?qū)v史的特大洪水具有較好的模擬能力，能夠捕捉到小概率水文事件.因此，本文主要介紹實驗1和實驗2的工作，但采用控制實驗的結(jié)果作為基線，檢查實驗1和2由GCM驅(qū)動的水文變化.模型SWAT在ArcView界面上運行，輸出變量采用流域匯入太湖的逐日和逐月流量(Q)，并計算年平均流量、0.1% 和 0 .5%的極端洪水流量(Q0.1%和 Q0.5%).

1.2 極端洪水年的氣候模式

根據(jù)《政府間氣候變化專業(yè)委員會》第四次評估報告(IPCC-AR4)評估的過去150年來溫室氣體排放量方案(SRES)［1］，國際上多個氣候模式組織采用SRES方案進行了全球大氣環(huán)流模式(GCM)的氣候模擬實驗.目前在SRES方案下模擬過去150年以來的氣候變化，有16個GCM被IPCC-AR4數(shù)據(jù)中心收錄并發(fā)布［19］.根據(jù)應(yīng)用經(jīng)驗［20-21］，本文選取了模式質(zhì)量和精度相對較高、對東亞氣候模擬相對適宜的海洋--生 物-冰圈與大氣環(huán)流耦合的 G CM，包括了英國 H adCM［22］、德國 E CHAM［23］、美國 G FDL［24］和加拿大 C GCM［25］4 個模式.這4個 G CM的空間分辨率各異，HadCM3為格點模式，地表分辨率為2.75°緯度 × 3.75°經(jīng)度;ECHAM5為譜模式T63結(jié)構(gòu)，地表分辨率為1.875°緯度×1.875°經(jīng)度;GFDL2為譜模式R30結(jié)構(gòu)，地表分辨率為2.0°緯度 × 2.5°經(jīng)度;CGCM3 為譜模式 T 47 結(jié)構(gòu)，地表分辨率為3.75°緯度 × 3.75°經(jīng)度.在 G CM 全 球輸出中采用包含太湖流域在內(nèi)的區(qū)域、地理位置圍繞110°～120°E和28°～32°N范圍的緯向和經(jīng)向12個網(wǎng)格(3×4).

針對19世紀(jì)和20世紀(jì)不同氣候歸因下的洪水發(fā)生，本文采用IPPC-AR4兩個方案下的氣候模擬［1，19］驅(qū)動流域水文模擬:

1)20C3M方案:采用1850年以來觀測到的大氣溫室氣體增加狀況進行氣候模擬，代表了19 ---20世紀(jì)真實的大氣溫室氣體變化，其中CO2濃度從工業(yè)革命前280 mg/L增加到2005年的379 mg/L，CH4濃度從715 μg/L增加到1774 μg/L.因此，該氣候模擬從機理上反演20世紀(jì)溫室氣體實際增加下的氣候變化.在此方案下，HadCM模擬了1850年以來140模式年，其他3個模式ECHAM、GFDL和CGCM分別采用1860、1861和1850年以來的150模式年.考慮到該方案下的模擬系溫室氣體150年來隨著時間的實際增長變化，本文采用了1988 ---2002年15年氣候模擬數(shù)據(jù)驅(qū)動實驗1.

2)PICTL方案:采用工業(yè)革命前1850年大氣溫室氣體作為常數(shù)對過去150年的氣候模擬，代表了從機理上設(shè)置的20世紀(jì)溫室氣體未增加、工業(yè)革命前自然大氣溫室氣體下的氣候狀況，其中CO2和CH4大氣濃度分別采用280 mg/L和715 μg/L.HadCM、ECHAM、GFDL和CGCM在PICTL方案下分別模擬了自1859、1860、1860和1850年開始的340、505、500和500模式年.本文采用了圍繞1889年前后的15年氣候模擬數(shù)據(jù)驅(qū)動實驗2.

1.3 不確定性分析

采用的GCM模擬的氣候數(shù)據(jù)進行流域水文模擬，主要存在以下3方面的不確定性:

1)氣候模式誤差:包括不同GCM模擬實驗對溫室氣體排放的大氣層次、溫室氣體的光學(xué)物理和化學(xué)效應(yīng)等不同設(shè)置、模式對大氣環(huán)流和大氣濃度不同系統(tǒng)的響應(yīng)以及模式自身的系統(tǒng)誤差.對此，本文采用4個GCM的多模式集合法［26］，以減少采用單個模式的誤差.

2)全球空間尺度的GCM應(yīng)用到太湖流域的區(qū)域誤差:盡管根據(jù)應(yīng)用經(jīng)驗選取了4個比較優(yōu)秀的GCM，但這些歐美氣候模式對東亞氣候系統(tǒng)把握程度各異，應(yīng)用到太湖流域可產(chǎn)生一定的不確定性［27-28］.因此，本文采用與觀測資料序列擬合與校驗的統(tǒng)計降尺度方法［29］，校正區(qū)域誤差.

在逐日降水的隨機模擬中，采用一階馬爾科夫鏈和和分布函數(shù)相結(jié)合證明可較好地模擬逐日降水過程［30-34］.本文應(yīng)用該方法，首先用馬爾科夫鏈描述降水日的發(fā)生，再用選定的分布函數(shù)擬合降水日的降水量，并采用實測數(shù)據(jù)予以驗證.基本步驟如下:

i)首先根據(jù)1950----2000年太湖降水的實測數(shù)據(jù)，建立一階馬爾科夫鏈模型的兩個基本狀態(tài)(即降水日W和非降水日D)數(shù)據(jù)矩陣.然后，計算從2周內(nèi)至年內(nèi)的轉(zhuǎn)移概率，即降水日到降水日轉(zhuǎn)移概率P(WW)和非降水日到降水日轉(zhuǎn)移概率P(WD)，使所分析的序列具有馬爾科夫鏈的性質(zhì).

ii)選定的分布函數(shù)擬合降水日的降水量.由于本文研究極端值的變化，沒有采用常用的Gamma分布函數(shù)［32-34］，而是采用了能較好描述極端值分布型的對數(shù)正態(tài)分布函數(shù)［30-31］.這個分布型經(jīng)過了論證和檢驗適合太湖極端年份的降水分布［18］.由此估計出對數(shù)正態(tài)分布的位置參數(shù)(μ)和尺度參數(shù)(σ)，從而實現(xiàn)逐日降水的模擬.

iii)利用實測降水?dāng)?shù)據(jù)對極端年份(1999年)的逐日降水模擬進行了統(tǒng)計檢驗.結(jié)果表明，實測值與4個 GCM 模擬值的相關(guān)系數(shù)分別為 0.242(HadCM)、0.229(ECHAM)、0.202(GFDL)和 0.327(CGCM).在該極端年份的樣本下(n=365)，總體相關(guān)系數(shù)檢驗P＜0.05，表明兩個變量呈線性相關(guān).

iv)該方法分別應(yīng)用4個GCM在PICTL和20C3M方案下的逐月降水模擬，計算出太湖流域逐日降水序列.

3)有限樣本認(rèn)識極端值的誤差:根據(jù)極端值理論，在認(rèn)識極端水文事件的總體分布不完全的情況下，分析流量極端值存在著很大的不確定性.采用以下步驟進行隨機統(tǒng)計模擬和不確定性閾值限定:

i)由于流量分布呈近似不對稱型，可采用與降水相似、接近對數(shù)正態(tài)分布［31］的擬合.可利用流量序列分布的位置參數(shù)(μ)和尺度參數(shù)(σ)驗證是否服從對數(shù)正態(tài)分布～Log-Normal(μ，σ)，并采用Kolmogorov-Smirnov 單樣品序列檢驗(KS-test1)［35］;

ii)采用蒙特卡羅方法［3，28］對有限的15年樣本序列按照正態(tài)對數(shù)分布進行大樣本模擬;

iii)采用Bootstrap方法［36］對有限的15年樣本序列進行置信區(qū)間模擬，從而限定其不確定性的統(tǒng)計范疇;

iv)根據(jù)論證的洪水偏態(tài)分布，采用Kolmogorov-Smirnov雙樣品序列檢驗(KS-test2)［35］對不同模式的結(jié)果進行差異性統(tǒng)計檢驗.

1.4 極端洪水的氣候效應(yīng)和風(fēng)險系數(shù)

為了診斷溫室氣體變化下氣候模式對洪水的影響，構(gòu)建一個風(fēng)險系數(shù)F值［37-38］用來定量描述太湖流域洪水在20世紀(jì)末與19世紀(jì)末的氣候效應(yīng)，并估測工業(yè)革命前氣候與20世紀(jì)末氣候所產(chǎn)生洪水風(fēng)險的差異.F值采用PICTL方案下模擬的流量(QPICTL)與20C3M方案下模擬的流量(Q20C3M)之比:

F值無量綱，當(dāng)F值＜0時，表示20世紀(jì)末的洪水風(fēng)險減少，從0減少到最小值;當(dāng)F值＞0時，表示20世紀(jì)末的洪水風(fēng)險增加，從0增加到最大值.為了避免F值中分母為0，在QPICTL和Q20C3M15年的時間序列(n=5830 d)中，對流量標(biāo)準(zhǔn)化:

式中，Qs和Q分別是標(biāo)準(zhǔn)化后和標(biāo)準(zhǔn)化前的流量，Qmin和Qmax分別是標(biāo)準(zhǔn)化前最小和最大流量.這樣，計算F值在(－∞，1)之間.盡管這個數(shù)據(jù)序列是一個不對稱分布，可以通過計算風(fēng)險系數(shù)在總體分布中(－∞，1)的百分位(%)［3］，以查看洪水風(fēng)險的相對增減變化.

上述1.3和1.4節(jié)的數(shù)據(jù)矩陣和模式程序均在Matlab界面上處理、運行和計算.

2 模擬結(jié)果

2.1 現(xiàn)代氣候模式的洪水模擬(實驗1)

在實驗1中，采用IPCC-20C3M方案的大氣溫室氣體水平氣候背景下4個GCM對1988----2002年氣候模擬驅(qū)動，模擬太湖流域匯流過程，獲得流域匯入太湖的逐日流量.在模擬的15年中，HadCM、ECHAM、GFDL、CGCM 的 平均流量分別為 1 82.1、181.6、167.8、171.9 m3/s.與 1 990s觀測到的平均流量(183 m3/s)和控制實驗平均流量(185 m3/s)相比，這些模擬比較接近觀測值.由HadCM、ECHAM、GFDL、CGCM 4個GCM驅(qū)動，均模擬出1999年的極端洪水，其降水過程和模擬的洪水過程見圖1.

對1988 ---2002年氣候驅(qū)動的水文模擬計算0.1%的洪水流量，4個GCM模擬范圍為2930～3603 m3/s，0.5%的洪水流量模擬范圍為1843～1894 m3/s(圖2a).根據(jù)日最大流量瞬時實測的記錄，1983年7月3日是2770 m3/s，1991年6月5日是2450 m3/s，1999年6月28日是3029 m3/s［7］.實驗1模擬的多年最大值達到其上限，認(rèn)為可信.與控制實驗?zāi)M的小于5%洪水流量(Qextreme)相比，HadCM、ECHAM、GFDL、CGCM的均方根誤差分別為 1 82、191、186、262 m3/s，相對誤差分別為 7 .8%、10.3%、8.5%、8.1%，均在 1 0.3% 以 下，屬經(jīng)驗可接受范圍.此外，Bootstrap置信區(qū)間模擬，在P＜0.05水平上1990s流量均在控制實驗的誤差區(qū)域之內(nèi)(圖2a).

圖1 4個GCM在IPCC-20C3M方案下1999年逐日降水(P)過程和所驅(qū)動的流域水文實驗1的逐日流量(Q)過程Fig.1 Daily precipitation(P)simulations driving by four GCM simulations of IPCC-20C3M scenarios，and the driving 1999 daily discharge(Q)simulations in Exp.1

2.2 歷史氣候模式的洪水模擬(實驗2)

在實驗2中，采用IPCC-PICTL方案的工業(yè)革命前大氣溫室氣體水平氣候背景下4個GCM對1880-1894年氣候模擬，模擬太湖流域匯流過程，獲得流域匯入太湖逐日流量(圖3a、b、c、d).在模擬的15年中，HadCM、ECHAM、GFDL、CGCM 的 平均值分別為 1 75.8、165.7、149.1、171.8 m3/s.模擬的流量逐日變化分布與各自GCM模擬的降水分布基本一致(圖3e、f、g、h).

為了分析洪水極端值變化，畫出在4個GCM驅(qū)動的15年流域水文序列模擬中≤5%的逐日洪水流量頻率分布圖(圖2b).HadCM、ECHAM、GFDL、CGCM 驅(qū) 動模擬的0.1%的洪水流量范圍為2069～3119 m3/s，0.5%的洪水流量范圍為1437～1561 m3/s.與控制實驗相比，可以觀查到4個GCM氣候驅(qū)動的極端流量(Qextreme)為0.01% ～2.00%部分顯著降低.Bootstrap置信區(qū)間模擬的P＜0.05范圍顯示，1880s流量已經(jīng)在控制實驗的誤差區(qū)域之外，可直觀看到與控制實驗的顯著差異.

3 分析和討論

為了分析不同氣候模式對極端洪水的影響，對IPCC-PICTL和IPCC-20C3M兩個方案下GCM氣候模擬驅(qū)動的流域水文模擬進行對比.對實驗1(1988----2002年)和實驗2(1880----1894年)模擬的逐日流域流量輸出，KS-test2檢驗表明，4個GCM的每兩對方案下流量序列均具有顯著差異(P＜0.017).主要統(tǒng)計量(表1)表明，工業(yè)革命前大氣溫室氣體狀況下的平均流量(165～196 m3/s)比1990s(192～215 m3/s)偏小，標(biāo)準(zhǔn)偏差也偏小.從極端值來看，Q0.1%和 Q0.5%的流量(2069～3119 m3/s和1436～1561 m3/s)均比1990s(2929～3601 m3/s和1842～1893 m3/s)顯著偏小.

為了對比工業(yè)革命前(PICTL方案)與20世紀(jì)末(20C3M方案)4個GCM氣候驅(qū)動下的洪水響應(yīng)的差異，筆者采用樣本n=10000服從正態(tài)對數(shù)分布的蒙特卡羅隨機抽樣模擬，以檢查洪水流量在大樣本下的極端值(圖4a、b、c、d)和分布特征(圖4e、f、g、h).流量模擬的4個GCM的 P ICTL模式在極端值區(qū)間比20C3M模式顯著偏小(圖4)，反映出大氣溫室氣體在工業(yè)革命前的氣候狀況下，太湖流域極端流量比20世紀(jì)末顯著減少(KS-test2檢驗，P ＜ 0.01).

檢查IPCC-PICTL方案和20C3M方案下4個GCM氣候模擬驅(qū)動的太湖洪水的發(fā)生風(fēng)險，采用了風(fēng)險系數(shù)(F值)定量描述上述“偏小”特征.根據(jù)公式(1)和(2)計算4個GCM在PICTL方案和20C3M方案驅(qū)動洪水模擬的F值，做出F值頻率分布圖(圖5)，可以看到HadCM、ECHAM、GFDL、CGCM這4個模式的最大頻率分別為 2 3%(F=0.6)、14%(F=0.6)、12%(F=0.2)和 1 8%(F=0.6)，4 個 G CM 洪 水風(fēng)險系數(shù)出現(xiàn)頻率最大值都為正值，代表著洪水風(fēng)險的增加.計算各個序列的中值(50%百分位)可以查看該組數(shù)據(jù)中小于和大于一半的數(shù)據(jù)位居何處，結(jié)果顯示HadCM、ECHAM、GFDL、CGCM4個GCM氣候驅(qū)動下的風(fēng)險系數(shù)的中值分別為0.44、0.15、－0.09、0.28，表明除了 GFDL模擬的流量風(fēng)險系數(shù)中值接近于 0外，其他3個模式風(fēng)險系數(shù)的中值均處于正值0.15～0.44，反映了洪水風(fēng)險的顯著增加.由于計算F值界于［－50，1］中，呈不對稱分布，可以通過計算風(fēng)險系數(shù)在總體分布中［－50，1］的百分位［3］，查看風(fēng)險的相對增減變化.結(jié)果顯示，HadCM、ECHAM、GFDL、CGCM 4個模式驅(qū)動的頻率最大的洪水風(fēng)險分別是60%、40%、20%和40%(圖5)，反映出20世紀(jì)末的洪水流量變化較19世紀(jì)的風(fēng)險顯著增加20% ～60%.

圖2 4個GCM在IPCC-20C3M方案(a)和IPCC-PICTL方案(b)下驅(qū)動的流域水文模擬的逐日流量極端值頻率(Qextreme＜5%)分布，并與控制實驗的流量(Q_1988 ---2002)對比(藍色誤差范圍為Bootstrap模擬的置信區(qū)間(P＜0.05))Fig.2 Frequencies of daily discharge extremes(Qextreme＜5%)by the hydrological simulations driving by four GCM simulations of IPCC-20C3M(a)and IPCC-PICTL(b)scenarios，and comparing with discharge simulations(Q_1988-2002)in the control run(Blue error bars are the Bootstrap confidence interval(P ＜ 0.05))

圖3 4個GCM在IPCC-PICTL方案下逐日降水(P)過程模擬和流域水文實驗2的15年逐日流量(Q)過程模擬(a、b、c、d)，以及相應(yīng)降水和流量的頻率分布(e、f、g、h)Fig.3 Daily precipitation(P)simulations driving by our GCM simulations of IPCC-PICTL scenarios and the discharge(Q)simulations in Exp.2(a，b，c and d).Frequencies of the precipitation(P)and discharge(Q)were plotted respectively in Figs.e，f，g and h

表1 實驗1(1988----2002年)和實驗2(1880----1894年)流域入湖流量模擬的主要統(tǒng)計量Tab.1 Major statistics of discharge simulations from Exp.1 and Exp.2

圖4 蒙特卡羅模擬太湖流域不同時間逐日流量變化的頻數(shù)變率分布(a、b、c、d:橫坐標(biāo)PICT代表19世紀(jì)末，縱坐標(biāo)20C3M代表20世紀(jì)末)以及洪水風(fēng)險系數(shù)(F)與頻數(shù)變率(Q)的分布(e、f、g、h)，分別對比4個GCM工業(yè)革命前(PICTL方案)與20世紀(jì)末(20C3M方案)氣候驅(qū)動下的洪水效應(yīng)Fig.4 Frequency variability of daily discharge(a，b，c and d:the end of the 19th century in the horizontal axis and the end of the 20th century in the vertical axis)and flood risk ratio(F)vs.the frequency variability(Q)(e，f，g and h)by Monte Carlo simulations in the Lake Taihu catchment，comparing with flood effects of climate changes driving by four GCM simulations of the pre-industry time(PICTL scenario)and the 20th century(20C3M scenario)，respectively

4 討論和結(jié)語

關(guān)于對全球增溫是否能夠引起降水增加超過氣候統(tǒng)計意義上的變率、從而影響到極端洪水發(fā)生的認(rèn)識，由于全球增溫與氣候系統(tǒng)脈動和振蕩引起的溫度變化互為交織，判識導(dǎo)致溫室氣體是否導(dǎo)致自然災(zāi)害加劇作用極為復(fù)雜，是災(zāi)害發(fā)生預(yù)測和對策研究中急需解決的瓶頸.此外，由于我國大部分觀測資料時間開始于1950s，研究百年一遇以上的極端洪水受到時間長度的限制，存在著很大的不確定性.本文采用物理機制下的數(shù)值模擬與隨機系統(tǒng)模擬結(jié)合對此進行了探討，前者從氣候驅(qū)動機制上模擬不同大氣溫室氣候狀況下的洪水結(jié)果，而后者旨在減少GCM驅(qū)動流域水文模擬過程中的不確定性.采用1980s包括1889年特征洪水年模式(農(nóng)耕時代的流域系統(tǒng)下、自然的大氣環(huán)流驅(qū)動模式)與1990s包括1999年特征洪水年模式(20世紀(jì)末流域系統(tǒng)下、全球增溫下大氣環(huán)流驅(qū)動模式)進行對比，能夠較好地從機制認(rèn)識洪水差異的歸因，并能夠進行極端流量的隨機統(tǒng)計模擬和風(fēng)險系數(shù)論證.

從模擬的洪水極端值來看，1990s流域極端洪水流量(Q0.1%為 2929 ～3601 m3/s，Q0.5%為 1842 ～1893 m3/s)比工業(yè)革命前大氣溫室氣體狀況下的洪水 流 量 (Q0.1%為 2069 ～ 3119 m3/s，Q0.5%為1436～1561 m3/s)顯著偏大(KS-test2檢驗，P＜0.017)，4個GCM驅(qū)動的洪水產(chǎn)生的最大的風(fēng)險在20% ～60%范圍內(nèi)，反映出20世紀(jì)末的洪水流量變化較19世紀(jì)的風(fēng)險顯著增加.

本研究中針對氣候變化采用的驅(qū)動流域水文模擬，流域下墊面采用20世紀(jì)末的設(shè)置.因此，20%～60%的洪水增加風(fēng)險估計包含了氣候變化(降水、溫度等)和流域下墊面變化(水利工程、土地利用等)兩方面因素.盡管根據(jù)太湖流域研究［7，10-11］認(rèn)為降水的增減是流域洪水最重要的控制因素，但下墊面變化的貢獻仍然不可忽略.根據(jù)對1999年洪水災(zāi)害權(quán)重的研究，太湖圍墾面積和泥沙淤積使湖泊容積減少5.2%，下游的淤塞使湖泊積水增加占24.3%～30.2%［39］.這兩項均可以造成湖泊洪水水位抬升和相對湖泊洪水量(蓄洪量)增加.本文的太湖洪水效應(yīng)來自于對入湖流量模擬，如果考慮湖泊洪水的蓄洪量中有30%～35%變化，則由于20世紀(jì)末氣候降水變化的20%～60%洪水增加應(yīng)該減去該項貢獻，所以氣候變化的洪水效應(yīng)最大增量為25%.太湖流域1900s相對1880s下墊面變化從水文物理效應(yīng)上的貢獻，有待今后進一步研究，包括通過敏感性因子的模擬實驗認(rèn)識在總體增加風(fēng)險中、人工改造下墊面因素的貢獻份額.

大陸西岸的英國2000年秋季發(fā)生了百年一遇的極端洪水，經(jīng)模擬研究認(rèn)為由溫室氣體增加的氣候變化引起的洪水風(fēng)險增加了50%［3］.太湖流域人類活動改變的下墊面在1999年特大洪水中引起最大增量約35%［35］，本文模擬和分析的20世紀(jì)末氣候下的洪水最大增量占60%，去除下墊面人為活動影響來估計洪水增加的最大增量在25%.因此，認(rèn)為在我國東部長江下游、太湖平原地區(qū)，大氣溫室氣體增加的氣候變化可引發(fā)極端洪水發(fā)生的風(fēng)險增加.這個認(rèn)識有待進一步研究流域下墊面變化的水文物理效應(yīng)，從而為認(rèn)識與全球增溫相關(guān)聯(lián)的洪水災(zāi)害預(yù)測預(yù)警提供可靠的科學(xué)依據(jù).

圖5 PICTL方案和20C3M方案下4個GCM氣候模擬驅(qū)動的太湖流量變化的風(fēng)險系數(shù)(F值)分布和風(fēng)險增減在總體分布中的百分位(%)(括號內(nèi)數(shù)據(jù)表示最高頻率的風(fēng)險值和所占的頻率)Fig.5 Frequencies of risk ratio(F-ratio)and the increasing percentiles(%)of the Lake Taihu extreme floods driving by four GCM simulations of PICTL and 20C3M scenarios

［1]I P CC.The fourth assessment report of the intergovernmental panel on climate change.Cambridge:Cambridge University Press，2007.

［2]M in SK，Zhang X，Zwiers FW et al.Human contribution to more-intense precipitation extremes.Nature，2011，470:378-381.

［3]P all P，Aina T，Dáithí A et al.Anthropogenic greenhouse gas contribution to flood risk in England and Wales in autumn.Nature，2011，470:382-385.

［4]中 華人民共和國水利部.水利水電工程等級劃分及洪水標(biāo)準(zhǔn).SL252----2000，2000.

［5]胡 明思，駱承政.中國歷史大洪水(下卷).北京:中國書店出版社，1988.

［6]楊 懷仁，謝志仁，楊達源.全新世海面變化與太湖形成和演變.見:楊懷仁編.第四紀(jì)冰川與第四紀(jì)地質(zhì)論文集.北京:地質(zhì)出版社，1985:49-64.

［7]歐 炎倫，吳浩云.1999年太湖流域洪水.北京:中國水利水電出版社，2001.

［8]陳 家其.太湖流域歷史洪水排隊.人民長江，1992，32(2):30-33.

［9]《太湖水利史稿》編寫組.太湖水利史稿.南京:河海大學(xué)出版社，1993:118-122.

［10]楊桂山，王德建.太湖流域——經(jīng)濟發(fā)展·水環(huán)境·水災(zāi)害.北京:科學(xué)出版社，2003.

［11]羅瀲蔥，秦伯強，朱廣偉.太湖上游的水文特征及災(zāi)害分析.災(zāi)害學(xué)，2004，19(1):21-26.

［12]賴格英，于 革，桂 峰.太湖流域營養(yǎng)物質(zhì)輸移模擬評估的初步研究.中國科學(xué):D輯:地球科學(xué)，2005，35(增刊2):121-130.

［13]中央水利部.長江流域水文資料·太湖區(qū).南京:中央水利部南京水利實驗處，1951.

［14]毛 銳.建國以來太湖流域三次大洪水的比較及對今后治理洪澇的意見.湖泊科學(xué)，2000，12(1):12-18.

［15]黃漪平，范成新，濮培民等.太湖水環(huán)境及其污染控制.北京:科學(xué)出版社，2001.

［16]Di Luzio，Srinivasa MR，Arnold JG.A GIS-coupled hydrological model system for the Watershed assessment of agricultural nonpoint and point sources of pollution.Transactions in GIS，2004，8:113-136.

［17]于 革，桂 峰.太湖流域營養(yǎng)鹽沉積200年的歷史模擬研究.沉積學(xué)報，2006，24(6):849-856.

［18]于 革，桂 峰，李永飛.太湖1899洪水年的流域水文模擬.湖泊科學(xué)，2012，24(6):651-657.

［19]IPCC Data Distribution Center.AR4 GCM data(Crown copyright 2005，Data provided by the Met Office Hadley Centre).http://www.ipcc-data.org，2008.

［20]Yu G，Shen H，Liu J.Impacts of climate change on historical locust outbreaks in China.Journal of Geophysical Research-Atmospheres，2009，114:D18104 1-11.

［21]Yu G，Shen H.Lake water changes in response to climate change in northern China:Simulations and uncertainty analysis.Quaternary International，2010，212:44-56.

［22]Johns TC，Gregory JM，Ingram WJ et al.Anthropogenic climate change for 1860 to 2100 simulated with the HadCM3 model under updated emissions scenarios.Climate Dynamics，2003，20:583-612.

［23]Roeckner E，Brokopf R，Esch M et al.Sensitivity of simulated climate to horizontal and vertical resolution in the ECHAM5 atmosphere model.Journal of Climate，2006，19:3771-3791.

［24]Manabe S，Stouffer RJ.Century-scale effects of increased atmospheric CO2on the ocean-atmosphere system.Nature，1993，364(6434):215-218.

［25]Flato GM，Boer GJ，Lee WG et al.The Canadian centre for climate modeling and analysis global coupled model and its Climate.Climate Dynamics，2000，16:451-467.

［26]Semenov MA，Stratonovitch P.Use of multi-model ensembles from global climate models for assessment of climate change impacts.Climate Research，2010，41:1-14.

［27]Moss R，Schneider S.Uncertainties in the IPCC TAR:Recommendations to lead authors for more consistent assessment and reporting.In:IPCC Supporting Material:Guidance Papers on Cross Cutting Issues in the Third Assessment Report of the IPCC.Geneva，2000:33-51.

［28]New M，Hulme M.Representing uncertainty in climate Change Scenarios:a Monte-Carlo approach.Integrate Assessment，2000，(1):203-213.

［29]Hewitson BC，Crane RG.Climate downscaling:techniques and application.Climate Research，1996，7:85-95.

［30]Hahn GJ，Shapiro SS.Statistical models in engineering.New York:John Wiley＆ Sons，Inc.，1967.

［31]Dingman SL.Physical hydrology:2nd edition.New Jersey:Prentice Hall，2002.

［32]廖要明，張 強，陳德亮.中國天氣發(fā)生器的降水模擬.地理學(xué)報，2004，59(5):689-698.

［33]王 斌，付 強，王 敏等.幾種模擬逐日降水的分布函數(shù)比較分析.數(shù)學(xué)的實踐與認(rèn)識，2011，41(9):128-133.

［34]楊文峰，陳德亮，胡春娟.天氣發(fā)生器對陜西降水的模擬.陜西氣象，2005，(5):5-7.

［35]Marsaglia G，Tsang WW，Wang J.Evaluating Kolmogorov's distribution.Journal of Statistical Software，2003，8:1-4.

［36]Efron B，Tibshirani RJ.An Introduction to the Bootstrap.Florida:Chapman ＆ Hall，1993.

［37]Allen MR.Liability for climate change.Nature，2003，421:891-892.

［38]Stone DA，Allen MR.The end-to-end attribution problem:from emissions to impacts.Climate Change，2005，71:303-318.

［39]秦伯強，胡維平，陳偉民等.太湖水環(huán)境演化過程與機理.北京:科學(xué)出版社，2004.