基于BCSD降尺度方法的黃河源區(qū)氣候變化預(yù)測(cè)

段小蘭，郝振純，陳 奕

(1.福州市規(guī)劃設(shè)計(jì)研究院城市研究中心，福建福州 350003; 2.河海大學(xué)水文水資源與水利工程科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，江蘇南京 210098)

黃河源區(qū)位于青藏高原東北部，是黃河的發(fā)源地，對(duì)整個(gè)黃河流域的水資源利用發(fā)揮著舉足輕重的作用。在全球變暖的大背景下，自19世紀(jì)以來(lái)全球平均地表溫度升高了0.3～0.6℃［1］，這對(duì)區(qū)域水循環(huán)將產(chǎn)生較大影響。然而氣候變化存在區(qū)域差異性，不同的區(qū)域氣候變化導(dǎo)致的水文響應(yīng)必將不同。區(qū)域氣候信息是研究氣候變化對(duì)區(qū)域水文過(guò)程影響的必要條件，因此如何獲得黃河源區(qū)區(qū)域尺度上未來(lái)氣候變化的信息成為預(yù)測(cè)黃河源區(qū)未來(lái)水資源狀況的核心問(wèn)題。

隨著計(jì)算機(jī)水平的提高和人類(lèi)對(duì)自然現(xiàn)象物理機(jī)制的進(jìn)一步認(rèn)識(shí)，氣候模式(GCM)得到了很大的發(fā)展，成為長(zhǎng)時(shí)間尺度預(yù)測(cè)氣候變化的有力工具，因此以GCM輸出資料作為未來(lái)氣候條件耦合水文模型來(lái)研究未來(lái)水文水資源狀況已逐步發(fā)展為研究水文對(duì)氣候變化響應(yīng)的一種重要方式。然而GCM在空間和時(shí)間上的粗分辨率很難直接與細(xì)分辨率的水文模式相連接，因此如何彌補(bǔ)兩者分辨率上的差異是一個(gè)急需解決的問(wèn)題，對(duì)GCM進(jìn)行降尺度是彌補(bǔ)這一差異的有效方法。

降尺度方法研究已有幾十年的歷史，可分為動(dòng)力降尺度法、統(tǒng)計(jì)降尺度法和動(dòng)力-統(tǒng)計(jì)相結(jié)合法［2］，每種方法都存在自身的優(yōu)勢(shì)和劣勢(shì)。目前在黃河源區(qū)應(yīng)用較多主要有統(tǒng)計(jì)降尺度法和Delta法。趙芳芳等［3］在黃河源區(qū)對(duì)統(tǒng)計(jì)降尺度法和Delta法生成的氣候情景結(jié)果進(jìn)行比較分析，結(jié)果表明，兩種方法下，黃河源區(qū)的降雨和氣溫都有增加的趨勢(shì);王曉燕等［4］基于統(tǒng)計(jì)降尺度法對(duì)黃河源區(qū)的氣候極值進(jìn)行了預(yù)測(cè);郝振純等［5］利用統(tǒng)計(jì)降尺度模型對(duì)黃河源區(qū)的降水進(jìn)行降尺度，分析未來(lái)降水的變化，結(jié)果表明，統(tǒng)計(jì)降尺度模型對(duì)降水的模擬值普遍偏低。本文采用BCSD(bias corrected and spatially and temporally downscaled)降尺度法對(duì)黃河源區(qū)氣候變化進(jìn)行研究。

1 研究區(qū)域概況與BCSD降尺度法

1.1 研究區(qū)域與數(shù)據(jù)

黃河源區(qū)位于青藏高原的東北部，指唐乃亥水文站以上的控制區(qū)域(32°00'N～36°40'N，95°50'E～103°30'E)，如圖1所示，流域面積12.2萬(wàn)km2，為對(duì)氣候變化較為敏感的高旱地區(qū)。

考慮到A1B情景的二氧化碳排放量居于A2和B1間，在氣候變化研究中較常用，故采用IPCC AR4中20個(gè)模式［14］20C3M和A1B情景下的氣象資料、黃河源區(qū)內(nèi)及周邊16個(gè)氣象站(圖1)1961—2000年實(shí)測(cè)數(shù)據(jù)進(jìn)行降尺度研究。

圖1 黃河源區(qū)氣象站點(diǎn)空間分布Fig.1 Spatial distribution of meteorological stations in source region of Yellow River

1.2 數(shù)據(jù)預(yù)處理

本文降尺度的目標(biāo)空間分辨率為1/12°×1/12°，考慮到20個(gè)GCM的分辨率均不同，因此首先將其統(tǒng)一到2°×2°的空間分辨率，需對(duì)數(shù)據(jù)進(jìn)行相關(guān)的預(yù)處理，主要包括:

a.將黃河源區(qū)16個(gè)站點(diǎn)的歷史觀測(cè)數(shù)據(jù)，以0.0036℃/m的遞減率考慮高程對(duì)氣溫的影響，采用反距離加權(quán)平均插值法分別插值到2°×2°和1/12°× 1/12°的網(wǎng)格上。

b.將20個(gè)GCM的20C3M和A1B情景數(shù)據(jù)采用反距離加權(quán)平均插值法(0.0036℃/m的遞減率)插值到2°×2°的網(wǎng)格上。

1.3 BCSD降尺度法介紹

BCSD降尺度法最早由Wood等提出［6-7］，近年來(lái)在國(guó)外有關(guān)研究中被廣泛采用［8-11］。該方法的主要優(yōu)勢(shì)在于:(a)對(duì)GCM數(shù)據(jù)通過(guò)概率分布曲線矯正，利用歷史觀測(cè)資料減少GCM的系統(tǒng)誤差;(b)通過(guò)SYMAP(synographic mapping system)［12-13］對(duì)擾動(dòng)因子插值，可考慮氣候變化的空間差異性?；诜淳嚯x加權(quán)法的SYMAP插值法，在反距離加權(quán)法的基礎(chǔ)上同時(shí)考慮了方向和梯度問(wèn)題。

BCSD降尺度法是一種基于統(tǒng)計(jì)關(guān)系的降尺度方式，主要計(jì)算步驟如下:(a)分別統(tǒng)計(jì)每個(gè)網(wǎng)格(2°× 2°)的觀測(cè)資料多年月平均降水量和溫度值，以及GCM在基準(zhǔn)期的多年月平均降水量和溫度值，并排序計(jì)算經(jīng)驗(yàn)頻率;(b)繪制兩者(實(shí)測(cè)序列和GCM序列)的頻率曲線，用頻率曲線校正未來(lái)情景下的GCM值，得到降水和氣溫的校正因子;(c)考慮網(wǎng)格自身的區(qū)域性特性，將2°×2°分辨率下的校正因子通過(guò)SYMAP插值法轉(zhuǎn)化到1/12°網(wǎng)格上;(d)對(duì)基準(zhǔn)期中的資料進(jìn)行隨機(jī)抽樣，得到未來(lái)每個(gè)月的初始序列，并以相應(yīng)月份的擾動(dòng)因子進(jìn)行擾動(dòng)(降雨乘以擾動(dòng)因子，溫度加擾動(dòng)因子)，即得到未來(lái)的降水序列和氣溫序列。

BCSD降尺度法兩個(gè)關(guān)鍵部分為:GCM校正和時(shí)空上的解集。

1.3.1 GCM校正

各個(gè)GCM都存在一定的系統(tǒng)誤差，在進(jìn)一步分析之前，有必要對(duì)GCM預(yù)測(cè)的結(jié)果進(jìn)行校正。校正基于以下假設(shè):(a)GCM能很好地再現(xiàn)月平均溫度和月降水序列的概率分布，記作Fg(x);(b)若觀測(cè)序列在基準(zhǔn)期的概率分布記作Fo(x)，假設(shè)Fg(x)=Fo(x);(c)Fg(x)=Fo(x)這種函數(shù)關(guān)系在未來(lái)也保持不變。

GCM值校正逐個(gè)網(wǎng)格逐月進(jìn)行。如圖2所示，圖2(a)是未來(lái)時(shí)期所有年第j月的變量(P，T)的過(guò)程線，圖2(b)為基準(zhǔn)期實(shí)測(cè)資料和各個(gè)GCM在20C3M情景下變量在第j月累積概率曲線。概率曲線的組成為

其中，Tcdf、Pcdf為溫度和降雨的概率分布;Tmin、Tmax為基準(zhǔn)期溫度的最小值和最大值;Pmin、Pmax為基準(zhǔn)期降雨的最小值和最大值;Tg、Pg為待校正的GCM原始溫度值和降雨值。

給定某年第j月的GCM原始值Tg或Pg(圖2(a)實(shí)線)，可在圖2(b)20C3M的頻率曲線中查到相應(yīng)經(jīng)驗(yàn)概率，記為Fg，基于假設(shè)Fo=Fg，在實(shí)測(cè)概率分布中由Fo可查得相應(yīng)的變量值，即得到校正后的GCM值T'g或P'g(圖2(a)虛線)。

圖2 GCM校正過(guò)程示意圖Fig.2 Sketch map of GCM correction process

1.3.2 時(shí)空上的解集

通過(guò)概率分布對(duì)GCM值進(jìn)行校正之后，以隨機(jī)抽樣的方式進(jìn)行時(shí)空上的降尺度處理，主要思想類(lèi)似于Delta方法?？臻g上，粗分辨率下的擾動(dòng)因子采用SYMAP插值法細(xì)化到細(xì)分辨率下(1/12°×1/12°);時(shí)間上，從月到日序列由隨機(jī)抽樣實(shí)現(xiàn)，具體抽樣方法為:首先統(tǒng)計(jì)得到黃河源區(qū)第j月的降水序列(樣本容量為40)，將第j月降雨序列進(jìn)行升序排序，在排序序列中選取后30 a為濕潤(rùn)年份，對(duì)濕潤(rùn)年份隨機(jī)抽樣100次，即得到未來(lái)情景下各年第j月對(duì)應(yīng)于歷史期的實(shí)測(cè)資料月份，以該實(shí)測(cè)資料月份相應(yīng)的逐日氣象序列作為未來(lái)月份的初始擾動(dòng)序列。

2 降尺度處理結(jié)果分析

圖3 溫度和降水的10 a滑動(dòng)平均序列Fig.3 Ten-year moving average series for temperature and precipitation

對(duì)20個(gè)GCM初始值做簡(jiǎn)單算術(shù)平均，記做初始模式均值，對(duì)20個(gè)GCM的降尺度處理結(jié)果做算術(shù)平均，記作模式降尺度均值，對(duì)比兩個(gè)模式集合和實(shí)測(cè)序列(圖3)，可明顯看到降尺度的必要性和BCSD的降尺度效果。氣溫在基準(zhǔn)期(1961—1990年)內(nèi)，實(shí)測(cè)值與初始模式均值接近，但從1990年后，GCM與實(shí)測(cè)氣溫發(fā)生很大的偏差，通過(guò)校正和降尺度處理后，A1B情景下溫度年序列都能與實(shí)測(cè)序列銜接上，并且延續(xù)了歷史氣溫變化的趨勢(shì)，可認(rèn)為降尺度處理結(jié)果是具有一定可信度的，因此可預(yù)測(cè)在未來(lái)時(shí)期內(nèi)，黃河源區(qū)增溫趨勢(shì)很明顯，增溫幅度達(dá)到0.032℃/a;基準(zhǔn)期內(nèi)，降水的初始模式均值總體比實(shí)測(cè)偏大2倍左右。通過(guò)BCSD降尺度法，未來(lái)情景下模式降尺度均值的降水與實(shí)測(cè)降水在量值上相當(dāng)，在未來(lái)時(shí)段內(nèi)呈現(xiàn)波動(dòng)狀的微弱上升趨勢(shì)，預(yù)測(cè)增加幅度約為0.5 mm/a。

將未來(lái)90 a(2011—2100年)劃分為3個(gè)時(shí)段，分別為2011—2040年、2041—2070年和2071—2100年，比較各不同時(shí)段(包括2011—2100年整個(gè)時(shí)段)內(nèi)變量的年內(nèi)分配過(guò)程，結(jié)果見(jiàn)圖4(集合模式是指20個(gè)GCM降尺度后的平均值)。從圖4可以看到，隨著時(shí)間的推移，溫度的增加幅度越大，而降水的年內(nèi)分配出現(xiàn)降水峰值提前的現(xiàn)象。

圖4 集合模式在未來(lái)不同時(shí)段的氣溫和降水量年內(nèi)分配過(guò)程Fig.4 Intra-annual distributions of temperature and precipitation in 20 integrated GCM during different periods in future

圖5顯示，實(shí)測(cè)序列的溫度呈現(xiàn)由東南向西北減小的趨勢(shì)，區(qū)域最低多年平均溫度出現(xiàn)在中部地區(qū)，全流域平均溫度為-6～6℃。未來(lái)時(shí)期內(nèi)，溫度的空間分布與實(shí)測(cè)溫度空間分布相似，呈現(xiàn)東南到西北的遞減趨勢(shì)，同時(shí)全流域范圍的溫度相對(duì)于實(shí)測(cè)溫度明顯升高，且出現(xiàn)幾個(gè)高溫點(diǎn)。分析降水的空間分布(圖 6)，模式降尺度均值預(yù)測(cè)的未來(lái)降水空間分布與歷史基準(zhǔn)期的相似，但在流域東南部明顯增加。結(jié)合溫度的變化情況，可認(rèn)為A1B情景下黃河源區(qū)東南部有暖濕化的演變趨勢(shì)。

圖5 未來(lái)多年平均溫度與實(shí)測(cè)多年平均溫度的空間分布對(duì)比Fig.5 Comparison of spatial distributions of forecasted and observed multi-year average temperature

圖6 未來(lái)多年平均降水量與實(shí)測(cè)多年平均降水量的空間分布對(duì)比Fig.6 Comparison of spatial distributions of forecasted and observed multi-year average precipitation

3 結(jié) 論

根據(jù)黃河源區(qū)內(nèi)及周邊16個(gè)氣象站點(diǎn)的基準(zhǔn)期30 a的資料，通過(guò)BCSD降尺度方法，對(duì)IPCC AR4中20個(gè)模式在A1B情景下的未來(lái)氣象資料進(jìn)行降尺度分析，并預(yù)測(cè)源區(qū)未來(lái)氣候變化情況，得出結(jié)論:

a.BCSD降尺度法涉及的變量較少、簡(jiǎn)單易行，同時(shí)考慮了GCM的系統(tǒng)誤差和地形差異，是一種實(shí)用的降尺度方法，通過(guò)分析，BCSD降尺度法在黃河源區(qū)的效果較好，具有一定的可信性。

b.降尺度處理結(jié)果的分析表明，黃河源區(qū)在A1B情景下，流域溫度普遍升高，年平均溫度增幅達(dá)0.032℃/a，降水呈現(xiàn)波動(dòng)狀微弱上升趨勢(shì)，增幅為0.5 mm/a，且東南部的溫度和降水增加最為顯著，在未來(lái)氣候條件下，黃河源區(qū)東南部有暖濕化的演變趨勢(shì)。

致謝:本文在GCM數(shù)據(jù)處理過(guò)程中得到了中國(guó)科學(xué)院青藏高原研究所蘇鳳格研究員的幫助和支持，在此表示感謝！

［1］NICHOLLS N，GRUZA G V，JOUZEL J，et al.Observed climate variability and change［M］.New York:Cambridge University Press，1996:133-192.

［2］范麗軍，符淙斌，陳德亮.統(tǒng)計(jì)降尺度法對(duì)未來(lái)區(qū)域氣候變化情景預(yù)估的研究進(jìn)展［J］.地球科學(xué)進(jìn)展，2005，20(3): 320-329.(FAN Lijun，F(xiàn)U Congbin，CHEN Deliang.Review on creating future climate change scenarios by statistical downscaling techniques［J］.Advances in Earth Science，2005，20(3):320-329.(in Chinese))

［3］趙芳芳，徐宗學(xué).統(tǒng)計(jì)降尺度法和Delta方法建立黃河源區(qū)氣候情況的比較分析［J］.氣象學(xué)報(bào)，2007，65(4):653-658. (ZHAO Fangfang，XU Zongxue.Comparative analysis on downscaled climate scenarios for headwater catchment of Yellow River using SDS and delta methods［J］.Acta Meteorological Sinica，2007，65(4):653-658.(in Chinese))

［4］王曉燕，楊濤，郝振純.基于統(tǒng)計(jì)降尺度的黃河源區(qū)氣象機(jī)值預(yù)測(cè)［J］.水電能源科學(xué)，2011，29(4):1-4.(WANG Xiaoyan，YANG Tao，HAO Zhenchun.Climate extreme forecasting in headwater catchment of Yellow River based on statistical downscaling menthod［J］.Water Resoures and Power，2011，29(4):1-4.(in Chinese))

［5］郝振純，時(shí)芳欣，王加虎.統(tǒng)計(jì)降尺度法在黃河源區(qū)未來(lái)降水變化分析中的應(yīng)用［J］.水電能源科學(xué)，2011，29(3):1-4. (HAO Zhenchun，SHI Fangxin，WANG Jiahu.Research and analysis of change of precipitation in headstream redion of Yellow River by using statistical downscaling model［J］.Water Resoures and Power，2011，29(3):1-4.(in Chinese))

［6］WOOD A W，MAURER E P，KUMAR A，et al.Long-range experimental hydrologic forecasting for the eastern United States［J］. J Geophys Res，2002，107(D20):4429.

［7］WOOD A W，LEUNG L R，SRIDHAR V，et al.Hydrologic implications of dynamical and statistical approaches to downscaling climate model outputs［J］.Climatic Change，2004，62(1):189-216.

［8］CHRISTENSEN N S，LETTENMAIER D P.A multimodel ensemble approach to assessment of climate change impacts on the hydrology and water resources of the Colorado River Basin［J］.Hydrology and Earth System Sciences，2007，11(4):1417-1434.

［9］HAYHOE K，WAKE C P，HUNTINGTON T G，et al.Past and future changes in climate and hydrological indicators in the US Northeast［J］.Climate Dynamics，2007，28(4):381-407.

［10］MAURER E P.Uncertainty in hydrologic impacts of climate change in the Sierra Nevada，California，under two emissions scenarios［J］.Climatic Change，2007，82(3):309-325.

［11］CUO L，BEYENE T K，VOISIN N，et al.Effects of mid-twenty-first century climate and land cover change on the hydrology of the Puget Sound basin，Washington［J］.Hydrological Processes，2011，25(11):1729-1753.

［12］SHEPARD D S.Spatial Statistics and Models［M］.Berlin:Springer Netherlands，1984:133-145.

［13］HAMLET A F，LETTENMAIER D P.Production of temporally consistent gridded precipitation and temperature fields for the continental United States［J］.Journal of Hydrometeorology，2005，6(3):330-336.

［14］段小蘭.氣候變化下黃河源區(qū)水資源預(yù)測(cè)分析［D］.南京:河海大學(xué)，2012.