氣候變化對(duì)廣州市城市雨潮遭遇風(fēng)險(xiǎn)的影響評(píng)估

黃國(guó)如, 張瀚

(1.華南理工大學(xué) 土木與交通學(xué)院，廣東 廣州 510640；2.華南理工大學(xué) 亞熱帶建筑科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，廣東 廣州 510640)

?

氣候變化對(duì)廣州市城市雨潮遭遇風(fēng)險(xiǎn)的影響評(píng)估

黃國(guó)如1,2, 張瀚1

(1.華南理工大學(xué) 土木與交通學(xué)院，廣東 廣州 510640；2.華南理工大學(xué) 亞熱帶建筑科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，廣東 廣州 510640)

為避免我國(guó)沿海城市遭受洪澇災(zāi)害侵襲,保證廣州市可持續(xù)發(fā)展,利用8種氣候模式數(shù)據(jù)集和4種排放情景(A1B,RCP2.6,RCP4.5,RCP8.5)對(duì)廣州市未來時(shí)期(2020—2050年)的極端降雨和氣溫變化趨勢(shì)進(jìn)行了預(yù)估,基于海平面變化與溫度變化的相關(guān)關(guān)系對(duì)海平面進(jìn)行了上升預(yù)測(cè),構(gòu)建了基于Copula函數(shù)的歷史與未來時(shí)期廣州市雨潮遭遇風(fēng)險(xiǎn)概率模型,分析了未來時(shí)期不同排放情景下雨潮遭遇概率的變化趨勢(shì)。分析結(jié)果表明,未來時(shí)期極端降雨與海平面均將呈現(xiàn)上升趨勢(shì),治澇風(fēng)險(xiǎn)概率將呈現(xiàn)增加趨勢(shì),表明廣州市城區(qū)未來將會(huì)面臨更大的防洪壓力。

氣候變化;氣候模式;治澇風(fēng)險(xiǎn)概率;廣州市

IPCC第四次評(píng)估報(bào)告指出,溫室氣體排放以及人類活動(dòng)所引起的氣候變化將導(dǎo)致沿海城市面臨更為嚴(yán)重的洪水壓力[1]。氣候變化引起的海平面上升和水文循環(huán)加劇導(dǎo)致降雨時(shí)空分布更加不均勻、強(qiáng)降雨和洪澇的頻次與強(qiáng)度增加、臺(tái)風(fēng)和風(fēng)暴潮的機(jī)率及強(qiáng)度增大，這使得全球的沿海城市發(fā)生了越來越多的洪澇災(zāi)害事件。

在氣候變化的背景下,近年來廣州市城區(qū)的強(qiáng)降雨與風(fēng)暴潮等極端事件愈演愈烈[2],已對(duì)廣州市城區(qū)的防洪排澇工作造成了巨大壓力。陳剛[3]通過研究發(fā)現(xiàn)，強(qiáng)降雨與海平面上升將導(dǎo)致廣州市面臨更為嚴(yán)重的洪澇風(fēng)險(xiǎn);Wu等[4]通過對(duì)珠江流域的降雨進(jìn)行分析，發(fā)現(xiàn)流域降雨強(qiáng)度有更大的上升趨勢(shì),廣州市發(fā)生高強(qiáng)度暴雨的頻次將增加。過去20年間，很多學(xué)者關(guān)注于評(píng)估氣候變化的影響[5],但這些研究主要集中于降雨的特征變化分析,尤其是氣候變化對(duì)水資源的影響分析。關(guān)于未來時(shí)期的強(qiáng)降雨預(yù)測(cè)及強(qiáng)降雨與高潮位相遇問題的研究卻鮮有報(bào)道。

本文利用8種氣候模式數(shù)據(jù)集(CMIP3和CMIP5多模式集合降尺度數(shù)據(jù)集、區(qū)域氣候模式RegCM4.0以及5個(gè)CMIP5 GCMs)預(yù)估未來時(shí)期(2020—2050年)廣州市極端強(qiáng)降雨和氣溫的變化趨勢(shì)。在此基礎(chǔ)上,基于Copula函數(shù)構(gòu)建歷史與未來時(shí)期廣州市城區(qū)雨潮遭遇風(fēng)險(xiǎn)概率模型,分析未來時(shí)期不同排放情景下雨潮遭遇風(fēng)險(xiǎn)概率的變化趨勢(shì),以期為相關(guān)部門的科學(xué)決策提供依據(jù)。

1　氣候模式數(shù)據(jù)

氣候模式是對(duì)氣候系統(tǒng)的數(shù)值表述,它是建立在氣候系統(tǒng)各部分的物理學(xué)、生物學(xué)、化學(xué)特性及其相互作用和反饋過程的基礎(chǔ)上,以解釋已知的全部或部分特性。

考慮到氣候模式數(shù)據(jù)的不確定性較大,本文選取了8種目前國(guó)內(nèi)外應(yīng)用較為廣泛的氣候模式數(shù)據(jù)(CMIP3-Ens、CMIP5-Ens、RegCM4.0、BCC-CSM1.1、CanESM2、CSIRO-Mk3.6.0、GISS-E2-R和MPI-ESM-LR)分別進(jìn)行預(yù)估分析,并討論氣候數(shù)據(jù)的不確定性范圍,以提高氣候預(yù)估的可信度。氣候模式模擬數(shù)據(jù)的基本情況見表1。為減少氣候模式模擬系統(tǒng)的偏差,采用Delta方法對(duì)CMIP3-Ens、CMIP5-Ens和RegCM4.0模式的輸出結(jié)果進(jìn)行訂正;對(duì)于5個(gè)篩選的CMIP5 GCMs模式,首先利用分位圖法進(jìn)行月訂正,然后對(duì)訂正結(jié)果進(jìn)行降尺度(時(shí)間解集)分析,進(jìn)而得到廣州市逐日氣溫、降水格點(diǎn)數(shù)據(jù)。

表1　氣候模式模擬數(shù)據(jù)基本情況

2　未來氣候情景預(yù)估

2.1極端降雨變化

日尺度的強(qiáng)降雨對(duì)廣州市城區(qū)洪澇的形成有重要影響。為此，統(tǒng)計(jì)了8個(gè)模式不同情景下3種重現(xiàn)期的年最大1 d降雨,并給出了其在未來時(shí)期(2020—2050年)相對(duì)于歷史時(shí)期(1970—2000年)的變化,詳見表2。從表中可以看出：在絕大多數(shù)模式下,隨重現(xiàn)期的增長(zhǎng)，年最大1 d降雨呈現(xiàn)出上升態(tài)勢(shì)；但不同模式之間的年最大1 d降雨變化具有較大的差異性,其中上升幅度最大的為CanESM2模式下的RCP4.5情景,下降幅度最大的為CanESM2模式下的RCP2.6情景。綜合比較所有模式和情景可以看出,年最大1 d降雨分別在20年、50年和100年3種重現(xiàn)期下的變化范圍依次為-8.35%～85.35%、-13.04%～101.46%和-16.08%～111.20%,平均變化分別為18.25%、20.49%和21.89%。以上分析表明,廣州市年最大1 d降雨在未來時(shí)期上升的可能性較大,城市防洪問題將會(huì)面臨更加嚴(yán)峻的考驗(yàn)。

表2　未來時(shí)期不同重現(xiàn)期的年最大1 d降雨相對(duì)于歷史時(shí)期的變化　%

2.2氣溫變化

不同情景下廣州市未來時(shí)期(2020—2050年)月氣溫相對(duì)于歷史時(shí)期(1970—2000年)的變化如圖1所示。由圖1可以看出,廣州市未來時(shí)期各月份的氣溫均呈現(xiàn)出繼續(xù)上升的態(tài)勢(shì)。除了GISS-E2-R模式中RCP2.6情景下12月份的氣溫呈微弱下降以外,其余所有氣候模式均預(yù)測(cè)出了升溫趨勢(shì)。但不同的氣候模式、不同的排放情景所預(yù)測(cè)出的結(jié)果相差較大。具體來說,A1B情景下氣溫上升的幅度相對(duì)較小,最大不超過0.35 ℃；各月份中,12月份上升的幅度最大,2月份上升的幅度最小;3種RCP情景下,BCC-CSM1.1、CanESM2、CSIRO-Mk3.6.0和MPI-ESM-LR模式所預(yù)測(cè)的氣溫上升幅度相對(duì)較大,4種模式中的最大值出現(xiàn)在RCP2.6、RCP4.5和RCP8.5情景下，分別超過了2.0 ℃、2.3 ℃和2.5 ℃;CMIP5-Ens和GISS-E2-R模式所預(yù)測(cè)的升溫幅度相對(duì)較小,最大值基本不超過1.5 ℃;對(duì)比各排放情景可以看出,月氣溫上升幅度由大到小的情景依次為RCP8.5、RCP4.5、RCP2.6和A1B。另外，從圖1中還可以看出,單模式預(yù)測(cè)的增幅通常大于多模式集合(如CMIP3-Ens、CMIP5-Ens)預(yù)測(cè)的值,其原因可能是多模式集合削弱了極值效應(yīng),降低了最大值的權(quán)重。

圖1　廣州市未來時(shí)期月氣溫變化(相對(duì)于歷史時(shí)期)

2.3海平面對(duì)未來氣候變化的響應(yīng)

Rahmstorf采用以全球海平面表面溫度(SST)作為預(yù)報(bào)因子的半經(jīng)驗(yàn)方法來預(yù)測(cè)全球海平面的變化[6],得出了較好的結(jié)果。本文參照這種半經(jīng)驗(yàn)方法,以全球海平面表面溫度距平作為預(yù)報(bào)因子,預(yù)測(cè)廣東珠江口未來海平面的變化,預(yù)報(bào)方程為:

ΔSL=a+b·ΔT

(1)

式中:ΔSL和ΔT分別為海平面變化速率和溫度變化幅度;a和b分別為回歸方程的截距和斜率。

根據(jù)廣東沿海5個(gè)長(zhǎng)期驗(yàn)潮站(圖2)1979—2012年的相對(duì)海平面變化數(shù)據(jù),計(jì)算得到廣東沿海海平面的平均變化狀況：基于海平面變化預(yù)測(cè)模型的擬合,得到廣東沿海海平面變化速率與全球氣溫變化的相關(guān)系數(shù)為0.902,直線截距a=0.224 3,斜率b=0.387 1(0.05顯著性水平下)。擬合情況如圖3所示，圖中紅色虛線區(qū)間為95%置信區(qū)間。

圖2　廣東沿海驗(yàn)潮站

不同氣候模式下廣東沿海海平面未來時(shí)期(2020—2050年)上升幅度預(yù)測(cè)結(jié)果見表3。由表3可知,不同模式間溫度預(yù)測(cè)的差異,導(dǎo)致了海平面的預(yù)測(cè)結(jié)果有所不同：上升幅度最小的為CMIP3-Ens模式下的A1B情景,預(yù)計(jì)到2050年廣東沿海海平面上升15.11 cm；上升幅度最大的為CSIRO-Mk3.6.0模式下的RCP8.5情景(上升48.13 cm)；排放情景越高,海平面上升幅度越大；總體上看,海平面上升范圍為15.11～48.13 cm,平均上升34.51 cm。

圖3　廣東沿海海平面變化率與全球氣溫變化擬合圖

氣候模式數(shù)據(jù)排放情景氣溫上升預(yù)估/℃海平面上升預(yù)估/cmCMIP3-EnsA1B0．2015．11CMIP5-EnsRCP2．60．6123．02RCP4．50．6523．80RCP8．50．8126．89RegCM4．0RCP4．51．0531．46RCP8．51．1533．49BCC-CSM1．1RCP2．61．1733．84RCP4．51．4539．35RCP8．51．6943．98CanESM2RCP2．61．5140．41RCP4．51．4238．70RCP8．51．7444．94CSIRO-Mk3．6．0RCP2．61．7545．01RCP4．51．6643．28RCP8．51．9148．13GISS-E2-RRCP2．60．5922．66RCP4．50．8327．26RCP8．51．0932．22MPI-ESM-LRRCP2．61．1232．91RCP4．51．2435．18RCP8．51．6442．97平均值1．2034．51

3　Copula函數(shù)選擇

對(duì)于廣州市來說,當(dāng)暴雨發(fā)生時(shí),河口潮位并不固定;當(dāng)大潮位發(fā)生時(shí),降雨的發(fā)生也多種多樣。因此,選取不同雨潮組合并計(jì)算在不同條件下各組合的發(fā)生概率，具有重要意義。本文在利用Copula函數(shù)構(gòu)建年最大1 d降雨量和年最大潮位聯(lián)合分布的基礎(chǔ)上,分析年最大1 d降雨量或年最大潮位超過某一設(shè)計(jì)值的發(fā)生概率,簡(jiǎn)稱為治澇風(fēng)險(xiǎn)概率[7]。

Copula函數(shù)的種類很多,選擇何種類型的分布函數(shù)形式顯得十分重要[8-9]。文獻(xiàn)[10]在分析廣州市年最大1 h降雨量和潮位的聯(lián)合分布時(shí),認(rèn)為Clayton Copula函數(shù)和AMH Copula函數(shù)對(duì)降雨量和潮位組合的擬合精度最佳。此處,首先利用Clayton Copula函數(shù)和AMH Copula函數(shù)分別構(gòu)建降雨和潮位的聯(lián)合分布,然后根據(jù)擬合度檢驗(yàn)選取最優(yōu)函數(shù)進(jìn)行雨潮聯(lián)合分布計(jì)算。

基于Copula函數(shù)所構(gòu)建的實(shí)測(cè)年最大1 d降雨量和潮位聯(lián)合分布的理論累積概率與經(jīng)驗(yàn)累積概率的對(duì)比圖如圖4所示。從圖4中可以看出,理論與經(jīng)驗(yàn)的累積概率點(diǎn)據(jù)均落在45°對(duì)角線附近,表明兩種Copula函數(shù)均有較高的擬合精度。

圖4　理論累積概率與經(jīng)驗(yàn)累積概率對(duì)比圖

采用AIC信息準(zhǔn)則和離差平方和最小準(zhǔn)則(OLS)對(duì)Copula函數(shù)的擬合優(yōu)度進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果見表4。由表4可以看出,AMH Copula函數(shù)的擬合精度要稍好于Clayton Copula函數(shù),因此選用AMH Copula函數(shù)來構(gòu)建不同氣候情景下雨潮遭遇的風(fēng)險(xiǎn)概率模型更契合實(shí)際。

表4　Copula函數(shù)擬合優(yōu)度檢驗(yàn)

注：數(shù)值越小，擬合精度越高。

4　雨潮遭遇風(fēng)險(xiǎn)概率對(duì)未來氣候變化的響應(yīng)

選取最大1 d降雨作為強(qiáng)降雨代表,統(tǒng)計(jì)各模式不同排放情景下歷史時(shí)期(1970—2000年)與未來時(shí)期(2020—2050年)的年最大1 d降雨量。同時(shí)將中大水文站歷史時(shí)期的年最大潮位實(shí)測(cè)值資料假定為歷史模擬潮位數(shù)據(jù),各情景下未來時(shí)期年最大潮位值由中大水文站潮位實(shí)測(cè)值與前文所預(yù)估的海平面上升高度相加得到。進(jìn)而利用已經(jīng)構(gòu)建的Copula函數(shù)分析不同氣候模式、情景下未來時(shí)期雨潮遭遇風(fēng)險(xiǎn)概率的變化情況。

未來時(shí)期A1B、RCP2.6、RCP4.5和RCP8.5情景下不同重現(xiàn)期年最大1 d降雨與潮位治澇風(fēng)險(xiǎn)概率的變化分布如圖5—8所示。從圖中可以看出,治澇風(fēng)險(xiǎn)概率的變化范圍相對(duì)較大,且所有模式的預(yù)測(cè)結(jié)果均表明，年最大1 d降雨與潮位的治澇風(fēng)險(xiǎn)概率將有所增加。具體來說,小于200年一遇的降雨和潮位在A1B情景下的治澇風(fēng)險(xiǎn)概率增加約5.4%～28.7%;RCP2.6情景下,各模式預(yù)估的結(jié)果有所不同,最小增幅大于1.4%(CanESM2模式),最大增幅接近47.8%(CSIRO-Mk3.6.0模式);RCP4.5情景下,最小增幅大于1.7%(CMIP5-Ens模式),最大增幅接近47.3%(BCC-CSM1.1模式);RCP8.5情景下,最小增幅大于1.6%(RegCM4.0模式),最大增幅接近53.4%(CSIRO-Mk3.6.0模式)。

圖5　未來時(shí)期A1B情景的CMIP3-Ens模式下年最大1 d降雨與潮位治澇風(fēng)險(xiǎn)概率變化

圖6　未來時(shí)期RCP2.6情景下不同重現(xiàn)期年最大1 d降雨與潮位治澇風(fēng)險(xiǎn)概率變化

圖7　未來時(shí)期RCP4.5情景下不同重現(xiàn)期年最大1 d降雨與潮位治澇風(fēng)險(xiǎn)概率變化

圖8　未來時(shí)期RCP8.5情景下不同重現(xiàn)期年最大1 d降雨與潮位治澇風(fēng)險(xiǎn)概率變化

未來時(shí)期四種排放情景下不同重現(xiàn)期的年最大1 d降雨與潮位治澇風(fēng)險(xiǎn)概率的平均變化情況，詳見表5。由表5可知，隨潮位重現(xiàn)期的減少，未來時(shí)期不同情景下的治澇風(fēng)險(xiǎn)概率均呈上升態(tài)勢(shì)?？傮w來看,4種排放情景預(yù)估的增幅由大到小依次為RCP8.5、RCP4.5、RCP2.6、A1B情景下預(yù)估的。具體來說,100年一遇的降雨與50年一遇的潮位治澇風(fēng)險(xiǎn)概率在4種情景下的平均增幅依次為9.58%、12.99%、15.53%和16.84%,且上升的可能性較大,這將會(huì)進(jìn)一步增大廣州市城區(qū)防洪工作的難度。

表5　未來時(shí)期不同情景下不同重現(xiàn)期的年最大1 d降雨與潮位治澇風(fēng)險(xiǎn)概率的平均變化(相對(duì)于歷史時(shí)期)

5　結(jié)語

基于8種氣候模式數(shù)據(jù)集預(yù)估了未來時(shí)期(2020—2050年)廣州市極端降雨和氣溫的變化趨勢(shì),結(jié)合半經(jīng)驗(yàn)海平面預(yù)測(cè)模型預(yù)估了未來時(shí)期廣東沿海相對(duì)海平面的變化,并基于Copula函數(shù)構(gòu)建了歷史與未來時(shí)期廣州市城區(qū)雨潮遭遇風(fēng)險(xiǎn)概率模型,分析了未來時(shí)期雨潮遭遇風(fēng)險(xiǎn)概率的變化趨勢(shì),得到以下主要結(jié)論:

1)未來時(shí)期廣州市各月份均將呈現(xiàn)出繼續(xù)變暖的態(tài)勢(shì),月氣溫上升幅度由大到小的排放情景依次為RCP8.5、RCP4.5、RCP2.6、A1B;在極端降雨上,絕大多數(shù)模式的預(yù)估結(jié)果表明,隨重現(xiàn)期的增長(zhǎng)，年最大1 d降雨呈現(xiàn)出上升態(tài)勢(shì),但不同模式之間的變化具有較大的差異性,總體來看,在20年、50年和100年3種重現(xiàn)期下,未來時(shí)期年最大1 d降雨的平均增幅分別為18.25%、20.49%和21.89%。

2)未來時(shí)期廣東沿海海平面繼續(xù)呈上升態(tài)勢(shì),排放情景越高,海平面上升幅度越大,但不同模式間的海平面預(yù)測(cè)結(jié)果有所不同。未來時(shí)期海平面上升的范圍為15.11～48.13 cm,與歷史時(shí)期相比,平均增幅為34.51 cm。

3)與歷史時(shí)期相比,未來時(shí)期所有情景下年最大1 d降雨與潮位的治澇風(fēng)險(xiǎn)概率呈現(xiàn)出不同程度的上升趨勢(shì)。對(duì)于100年一遇的1 d降雨與50年一遇的潮位來說,其治澇風(fēng)險(xiǎn)概率在4種情景下的平均增幅依次為9.58%、12.99%、15.53%和16.84%。

[1]IPCC.Summary for Policymakers of Climate Change 2007:the Physical Science Basis[M].Cambridge,UK：Cambridge University Press，2007.

[2]陳其幸,武傳號(hào),黃國(guó)如,等.廣州市城區(qū)短歷時(shí)暴雨特征分析[J].水電能源科學(xué),2013,31(8):4-6.

[3]陳剛.廣州市城區(qū)暴雨洪澇成因分析及防治對(duì)策[J].廣東水利水電,2010(7):38-41.

[4]WU C H,HUANG G R,YU H J,et al.Spatial and temporal distributions of trends in climate extremes of the Feilaixia catchment in the upstream area of the Beijiang River Basin,South China[J].International Journal of Climatology,2014,34(11)：3161-3178.

[5]KAY A L,JONES D A.Transient changes in flood frequency and timing in Britain under potential projections of climate change[J].International Journal of Climatology,2012,32(4):489-502.

[6]RAHMSTORF S.A semi-empirical approach to projecting future sea-level rise[J].Science,2007,315(5810)：368-370.

[7]劉曾美,陳子燊,李粵安.感潮河段洪潮遭遇組合風(fēng)險(xiǎn)研究[J].中山大學(xué)學(xué)報(bào)(自然科學(xué)版),2010,49(2):113-118.

[8]熊立華,郭生練,肖義,等.Copula聯(lián)結(jié)函數(shù)在多變量水文頻率分析中的應(yīng)用[J].武漢大學(xué)學(xué)報(bào)(工學(xué)版),2005,38(6):16-19.

[9]侯蕓蕓,宋松柏,趙麗娜,等.基于Copula 函數(shù)的3 變量洪水頻率研究[J].西北農(nóng)林科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2010,38(2):219-228.

[10]武傳號(hào),黃國(guó)如,吳思遠(yuǎn).基于Copula函數(shù)的廣州市短歷時(shí)暴雨與潮位組合風(fēng)險(xiǎn)分析[J].水力發(fā)電學(xué)報(bào),2014,33(2):33-40.

(責(zé)任編輯：張陵)

Evaluation on the Impact of Climate Change on Risk of Combination of Rainfall and Tidal Levelin Guangzhou City

HUANG Guoru, ZHANG Han

(1. School of Civil Engineering and Transportation, South China University of Technology, Guangzhou 510640, China;2. State Key Laboratory of Subtropical Building Science, South China University of Technology, Guangzhou 510640, China)

A combined probability model was developed to evaluate the impact of climate change (2020—2050) on flood in Guangzhou City by using 8 kinds of climate models with 4 kinds of emission scenarios(A1B,RCP2.6,RCP4.5,RCP8.5), namely, Special Report on Emissions Scenario (SRES) scenario A1B, representative concentration pathway(RCP) scenarios RCP2.6, RCP4.5 and RCP8.5. The sea level rise is predicted based on the correlation between sea level changes and temperature changes. Then, a storm surge risk probability model of history and future in Guangzhou City based on the Copula function is built, and the change trend of storm surge probability of different emission scenarios in the future is analyzed. The results show: in the future, both the extreme rainfall and sea level will show a rising trend; similarly, risk probability of flood control shows an increasing trend; Guangzhou City will face greater pressure on flood control in the future.

climate change; climate model; waterlogging control risk probability; Guangzhou City

2016-07-08

廣東省科技計(jì)劃項(xiàng)目(2016A020223003);廣東省水利科技創(chuàng)新項(xiàng)目(2016-32);廣州市水務(wù)科技項(xiàng)目(GZSW-20140)。

黃國(guó)如(1969—),江蘇南京人,教授,博導(dǎo),主要從事水文水資源方面的研究。E-mail:huanggr@scut.edu.cn。

10.3969/j.issn.1002-5634.2016.05.002

TV122+.1

A

1002-5634(2016)05-0007-09