基于CMIP6氣候模式的貴州省極端降水情景預估

馮椰林, 賀中華, 焦樹林, 劉 煒

(貴州師范大學 地理與環(huán)境科學學院, 貴陽 550025)

全球氣候變化目前成為全人類、各國政府機構和科研工作者共同關注的全球型重大社會問題[1]。全球變暖導致極端降水事件愈加頻繁，而在聯(lián)合國公布和重點關注的15種主要自然災害中，極端降水發(fā)生最為頻繁，也是損失最為嚴重的幾種災害之一[2]。隨著全球變暖，不少研究也預期到了水文循環(huán)正在逐漸加速[3-4]，這可能會增加區(qū)域和全球范圍內(nèi)極端氣候的頻率和強度，并且大量模擬研究證實了極端降水的增強[5-7]。盡管人們對此有著廣泛的興趣，但對喀斯特地貌的極端降水研究目前較為匱乏?？λ固氐孛惨渍T發(fā)滑坡和泥石流等地質(zhì)災害，極端降水正是誘發(fā)這些地質(zhì)災害的主導因素。

我國貴州地區(qū)的典型喀斯特地貌，極易誘發(fā)泥石流和滑坡等地質(zhì)災害，特別是西部云貴高原邊境，北部大婁山、東北霧靈山及苗嶺地區(qū)[8-9]，給當?shù)氐纳鐣?jīng)濟發(fā)展帶來了巨大的威脅。此外，該區(qū)域有東向的太平洋季風和南向的印度洋水汽輸送，且西鄰青藏高原，極容易形成極端降水，部分研究表明貴州省大部分地區(qū)極端降水事件處于中高風險[10-11]。由此可見，貴州省極端降水特征分析及預測對于區(qū)域災害防治是十分重要的。

耦合模式比較計劃 (Coupled Model Intercomparison Project, CMIP)由世界氣候研究計劃(World Climate Research Programme, WCRP)發(fā)起，旨在促進全球環(huán)流模式(global circulation model, GCM)數(shù)據(jù)的共享和比較，耦合模擬工作組(WGCM)先后組織了6次模擬比較計劃[12]。與2006年發(fā)布的CMIP5相比，2015年發(fā)布的CMIP6是新一代氣候模式和未來情景，以及一套新的濃度、排放和土地利用情景[13]。CMIP6可以更好地揭示過去、現(xiàn)在和未來的氣候變化，這些變化是由自然、非強迫變化或多模式背景下的輻射強迫變化引起的[14]。以前的研究多集中于大尺度的CMIP6模式應用，例如胡一陽等[15]用CMIP6全球模式對于中國降水能力模擬就行了評估，黃祿豐等[16]基于CMIP6多模式預估了全球陸地生態(tài)系統(tǒng)總初級生產(chǎn)力的變化。然而精細化的小尺度研究卻較少，如何利用CMIP6數(shù)據(jù)進行修正和降尺度以適用小尺度研究尤為重要。

基于以上分析，本文基于歷史實測數(shù)據(jù)和耦合模式相互比較項目(CMIP6)第六階段的逐日降水數(shù)據(jù)，選擇4個具有代表性的極端降水指數(shù)(R95P:百分之95分位數(shù)的降水量總和；R25mm:降水量大于25 mm的天數(shù)；CWD:連續(xù)≥1 mm降水的天數(shù)；R95C:極端降水占比)，首先利用Delta統(tǒng)計降尺度對未來情景數(shù)據(jù)進行修正，然后基于歷史實測數(shù)據(jù)分析4個極端降水指數(shù)的年際變化，空間格局和空間趨勢。最后探究3種SSPs情景下4種極端降水指數(shù)的年際變化，空間趨勢以及與歷史時期的差異。該研究對于該地區(qū)的極端降水災害預警，應急管理等具有一定的指導意義。

1 數(shù)據(jù)來源及研究方法

1.1 研究區(qū)概況

貴州省位于中國西南部，具體經(jīng)緯度為24°37′—29°13′N，103°36′—109°35′。全省面積約為176 167 km2。省內(nèi)喀斯特地貌發(fā)育強烈，喀斯特地區(qū)占全省面積的73.8%。位于云貴高原東部，山區(qū)面積廣大，西高東低，海拔主要分布在152～2 885 m(圖1)。氣候為亞熱帶濕潤季風氣候，年降水量為621.69～1 541.34 mm，年均溫為11.02～21.64℃，年內(nèi)溫差較小，四季分明，雨量豐沛，雨熱同期，植被覆蓋度高，是研究極端降水變化的理想?yún)^(qū)域。

圖1 研究區(qū)位置及氣象站點分布

1.2 數(shù)據(jù)來源及處理

本研究主要使用兩種數(shù)據(jù)，一種是歷史實測的氣候數(shù)據(jù)，另一個是來自GCMs的未來預測氣候數(shù)據(jù)。本研究中使用的歷史實測的氣候數(shù)據(jù)來源于國家氣象信息中心(V2.0)(http:∥www.nmic.cn/)，該套數(shù)據(jù)基于全國2400多個站點制作而成，包括貴州省84個氣象站點的逐日降水數(shù)據(jù)，時間跨度統(tǒng)一至1961—2019年(圖1)。使用新六代耦合模型相互比較項目(CMIP6)的5個氣候模型，基本信息見表1，數(shù)據(jù)下載于https:∥esgf-node.llnl.gov/projects/cmip6/。使用3種未來情景(SSP126，SSP245和SSP585)下的歷史模擬(1850—2014)和21世紀預測(2015—2100)，每個模型僅選擇第一個驅(qū)動(r1i1p1f1)，CMIP6是基于典型集中路徑(RCP)情景開發(fā)的，反映社會在適應和緩解氣候變化方面面臨的未來挑戰(zhàn)。由于選定的5個CMIP6氣候模式在空間分辨率上存在差異，因此使用雙線性內(nèi)插法將5個CMIP6氣候模式重采樣為0.5°×0.5°分辨率。由于降水的模式預測不同，多模式集合平均(MME)能夠在一定程度上抵消單個模式的偏差，并廣泛用于未來氣候變化的模擬和預測[17-19]。

表1 本研究所采用的5個CMIP6模式

1.3 研究方法

1.3.1 Delta統(tǒng)計降尺度 由于CMIP6的空間分辨率普遍較低，不能直接用來模擬較小尺度的氣候情景變化。因此，發(fā)展了很多降尺度方法來彌補低分辨率數(shù)據(jù)的不足。本研究所選用的Delta降尺度是偏差修正中的變化因子法[20]。該方法主要是通過比較CMIP6模擬的歷史時期值和實際值間的差異，來修正未來情境下的變化。具體計算公式如下：

(1)

E×Pt-obs=P

(2)

式中:Pfut為未來時期的模式降水數(shù)據(jù)；Pt-his為模式數(shù)據(jù)在率定期的多年均值；E為模式未來與率定期的比例因子；Pt-obs為實測數(shù)據(jù)在率定期的多年均值。P為降尺度后的CMIP6多模式集合數(shù)據(jù)。

1.3.2 極端降水指數(shù) 世界氣象組織氣候變化監(jiān)測與極端氣候事件指標專家組(ETCCDI)在1998—2001年的氣候變化監(jiān)測大會上提出了一套極端氣候事件指標，繼而形成了氣候變化研究領域的統(tǒng)一準則，IPCC第四次報告又對極端氣候進行了重新定義，其中有27個指數(shù)被確定是核心指標[21]。但不同指標之間關聯(lián)性較強，因此，本文選擇4個具有代表性的指標，分別代表極端降水強度(即：強降水量R95 P)、持續(xù)性(即：最長連續(xù)降水天數(shù)CWD)、極端降水頻次(即：大雨日數(shù)R25 mm)和極端降水貢獻率(R95C)來研究歷史時期和未來不同情境下的極端降水變化特征。具體指標見表2。

2 結果與分析

2.1 CMIP6降尺度模擬結果評估

將1961—1999年的模式與實測數(shù)據(jù)設定為率定期進行模型率定，2000—2014年逐年的R95P，CWD，R25mm和R95C數(shù)據(jù)則用來驗證模型，對比率定前后4個極端降水指數(shù)與氣象站點觀測值之間的差異。

表2 極端降水指標的定義

圖2為2000—2014年4個極端降水指數(shù)的空間分布，其中圖2(A1，B1，C1和D1)為實測站點數(shù)據(jù)計算得到的空間分布，圖2(A2，B2，C2和D2)為CMIP6所有模式均值重采樣得到的空間分布，而圖2(A3，B3，C3和D3)為通過Delta降尺度殘差修正后的CMIP6所有模式均值的空間分布。從圖2A中可以看出，3種處理結果下R95P的空間格局變化趨勢相似，均為東南高西北低，但實測值和重采樣的MME平均值差異較大，實測值的強降水量偏低，貴州省強降水量低值區(qū)在西部，強降水量低于350 mm。重采樣后的MME平均值偏高，在貴州省西部高于500 m。而通過Delta降尺度后強降水量與實測值更加接近。因此可以采用Delta降尺度來對多模式集合的CMIP6計算的極端降水指標進行修訂，以更好地揭示不同SSPs情境下未來貴州省極端降水的空間分布格局。

2.2 歷史時期極端降水指數(shù)的時空變化特征

2.2.1 極端降水指數(shù)的時間變化 4個極端降水指標1961—2019年的年際變化見圖3，R95P總體呈略微增加的趨勢(1.278 mm/10 a)，但年際波動較大，其中2008年的極端降水強度為歷年最高，最高值為685 mm；而1962年的極端降水強度為歷年最低最低值僅為344 mm。R25mm總體也呈略微增加的趨勢(0.088 d/10 a)波動同樣較大，最高值為2008年的12 d，最低值為1962年的5 d。CWD呈較明顯的減少趨勢(-0.39 d/10 a)，最高值為1961年的16 d，最低值為2013年的7 d。R95C總體呈上升的趨勢(0.518%/10 a)，占比最高的為1996年的55%，占比最低的為1962年的34%。

圖2 實測值、重采樣后多模式集合均值和降尺度后多模式集合均值的4個極端降水指標的空間分布對比

2.2.2 極端降水的空間分布及其變化趨勢 4種極端降水指數(shù)通過實測數(shù)據(jù)計算后的歷史均值空間分布見圖4。4種指數(shù)總體均呈南高北低的空間分布。其中，R95P呈東南高西北低的空間分布，東南地區(qū)降水量最高為684 mm，西北部地區(qū)降水量最低為345 mm。R25mm東南部部分地區(qū)最高可達14 d，而西部最少地區(qū)僅為3 d。CWD降水天數(shù)在西南部最高，可達15 d，而在東北部地區(qū)最低僅為8 d。R95C強降水量貢獻率在南部最高，可達49%，而在東南部和西部較低，最低僅為42%。

4個極端降水指數(shù)的多年變化趨勢并不相同(圖5)。其中R95P變化趨勢空間格局總體呈增加的趨勢，增加趨勢較為顯著的地區(qū)分布在中部和南部，其中南部最高為19.53 mm/10 a，而西部呈減小趨勢，最低為-25.98 mm/10 a。R25mm變化趨勢空間格局總體呈降低的趨勢，中部和南部呈增加趨勢，最高為0.53 d/10 a，而西部降低趨勢最為明顯，最低為-0.47 mm/10 a。CWD變化趨勢空間格局總體呈北部升高，南部降低趨勢，上升最明顯的地區(qū)分布在北部，最高可達0.31 d/10 a。而南部部分地區(qū)降低趨勢最高為-0.65 d/10 a。R95C在中西部變化較明顯，其中中部呈明顯的增加趨勢，最高為1.68%/10 a，而西部呈明顯的降低趨勢，降低最快的地區(qū)可達-0.81%/10 a。

2.3 未來不同SSPs情景下的極端降水指數(shù)時空變化特征

2.3.1 極端降水指數(shù)時間變化 未來不同SSPs情景下4個極端降水指數(shù)總體呈上升的趨勢。具體來看，R95P降水量在不同SSPs情景下均呈上升的趨勢，其中在SSP585情景下上升最明顯(28 mm/10 a，R2=0.53)，而在SSP126和SSP245情景下上升趨勢相差不大(11.8 mm/10 a，11.01 mm/10 a)且不顯著。R25mm在3個情景中均呈增加趨勢，其中在SSP585情景下增高趨勢為0.4 d/10 a。而在SSP126和SSP245情景下變化趨勢分別為0.2 d/10 a和0.1 d/10 a。CWD連續(xù)降水天數(shù)變化較小且在不同情景下變化趨勢不同。在SSP126和SSP585情景下呈弱的增加趨勢(0.1 d/10 a和0.02 d/10 a)，而在SSP245情景下，呈弱的減小趨勢(-0.02/10 a)。R95C強降水貢獻率在不同SSPs情景下也均呈上升的趨勢，其中，SSP585情景下R95C上升最快(1.3%/10 a)，而在SSP126和SSP245情景下R95C上升趨勢不明顯(0.4%/10 a和0.5%/10 a)(圖6)。

圖3 歷史時期4個極端降水指標的年際變化

圖4 歷史時期4個極端降水指數(shù)的空間分布

圖5 歷史時期4個極端降水指標的年際變化傾向率

圖6 未來不同SSPs情境下的4個極端降水指數(shù)的年際變化

2.3.2 極端降水指數(shù)相較于歷史時期的變化 未來不同SSPs情境下的4個極端降水指數(shù)相較于歷史時期的變化量見圖7。R95P隨SSPs情景排放量的升高而增加，其中，在最西部，降水均比歷史時期少，最高為100 mm。而在貴州省的西南部，和東南部降水量比歷史時期明顯增多，最高為100 mm。R25mm在不同SSPs情景下較歷史時期的變化具有明顯的南北差異，其中南部地區(qū)呈明顯的增高趨勢，最高為4 d，而北部總體呈減小的趨勢，其中在最西部，減小最為明顯，為4 d。CWD在SSP126低排放情景下呈明顯的增加趨勢，其中在北部、東南部和西部升高較明顯，最高為1.5 d，而在西南部減少較為明顯。在SSP245和SSP585情景下，CWD在東南部有明顯的減小，最高可達1.5 d。R95C在不同情景下均呈升高趨勢，然而在東南部，減小較為明顯。在SSP245情景下，R95C升高最明顯，SSP585次之。

2.3.3 未來不同SSPs情境下的極端降水指數(shù)變化趨勢 未來不同SSPs情境下的4個極端降水指數(shù)變化趨勢見圖8。R95P在3種情景下均呈上升趨勢，其中SSP126和SSP245情景下R95P升高趨勢較小，而在SSP585情景下，降水量呈明顯的增加趨勢，其中在西南部增加最為明顯。R25mm在不同SSPs情景下均呈增加趨勢。其中在SSP126情景下，貴州省東南部增加趨勢相對明顯，而在SSP245情景下，增加趨勢總體不明顯。而在SSP585情景下，貴州省的東部R25mm呈明顯的升高趨勢，最高可達0.5 d/10 a。CWD在SSP126低排放情景下呈明顯的增加趨勢，其中在北部，東南部和西部升高較明顯，其中北部部分地區(qū)最高升高趨勢為0.4 d/10 a。在SSP245和SSP585情景下，CWD變化不明顯。R95C在不同情景下均呈升高趨勢。在SSP126和SSP245情景下上升的幅度較小，而在SSP585情景下，R95C升高最明顯，西部最高為1.6%/10 a。

3 討論與結論

3.1 討 論

目前已有許多研究[6,22-23]嘗試將格點化降水數(shù)據(jù)運用于極端降水事件研究，但多數(shù)集中于對過去極端降水事件的研究，很少針對未來時期極端降水事件進行研究。本研究采用最新的CMIP6模型，在MME和Delta降尺度逐日降水的基礎上，計算不同SSPs情景下未來的極端降水時空分布特征，由于極端降水受復雜下墊面因素影響很大，可能出現(xiàn)明顯的極端降水區(qū)域差異性。盡管該模型在逐日降水的模擬中仍然存在不確定性，但大多數(shù)研究都很好地證實了MME觀察到的特征和趨勢是可信的[24-25]。由于選擇的5個CMIP6模型的空間分辨率不同，將每個模型重新采樣到0.5°×0.5°可能會高估或低估極端降水的影響，以統(tǒng)計降尺度的方法來去除數(shù)據(jù)本身的空間分辨率差異，以達到降低這種影響的目的。

圖7 未來不同SSPs情境下的4個極端降水指數(shù)相較于歷史時期的變化量

不同于普通降水的空間格局變化趨勢，極端降水的長時間變化表現(xiàn)出了更為復雜的時空格局。在不同區(qū)域尺度上，不同學者利用格點或非格點化的降水資料，計算出了不同的極端降水增減趨勢[26-28]。本文基于格點化的氣象站點和CMIP6逐日降水資料的研究表明，貴州省極端降水事件整體上仍然呈現(xiàn)增加的趨勢，降水表現(xiàn)出極端化傾向，這也與早期研究結論[29-30]是相一致的。東部、中部和西部之間也表現(xiàn)出了不同的干濕趨勢，西南部臨近青藏高原、云貴高原區(qū)更容易發(fā)生極端降水事件，該地區(qū)也是山脈較為密集的地區(qū)，極端降水的增加必將導致地質(zhì)災害頻發(fā)，因此加強防范因極端強降雨引發(fā)的地質(zhì)災害對貴州省西南部區(qū)域經(jīng)濟可持續(xù)發(fā)展是極為重要的。

3.2 結 論

本文基于歷史實測數(shù)據(jù)和耦合模式相互比較項目(CMIP6)第六階段的逐日降水數(shù)據(jù)對貴州省的極端降水事件進行了特征分析和預測。通過分析得到以下結論：

(1) 通過對比發(fā)現(xiàn)，僅通過重采樣的MME數(shù)據(jù)下的4個極端降水指數(shù)與氣象站點插值的數(shù)值有較大差異，總體偏高，而通過降尺度方法后，CMIP6數(shù)據(jù)結果得到了很好的糾正，與氣象站點的結果差異較小，可用于貴州省極端降水指數(shù)的預測。

(2) 在1961—2019年的歷史時期，R95P，R25mm和CWD均呈南高北低的空間分布，而R95C呈明顯的東中西差異。除西部和最北部地區(qū)外，R95P均呈增加趨勢。R25mm在中部呈明顯的增加趨勢而在四周呈減小趨勢。CWD在北部總體呈增加趨勢而在南部呈減小趨勢。R95C在西部呈降低趨勢而在中部呈增加趨勢。除CWD外，其他3個極端降水指數(shù)在1961—2019年均呈不明顯的增加趨勢。

圖8 未來不同SSPs情境下的4個極端降水指數(shù)的空間變化

(3) 相較于歷史時期，R95P在除西部地區(qū)外均呈有增加。而R25mm在南部呈增加趨勢北部呈減小趨勢。CWD較歷史時期有所降低，其中西南部降低最為明顯。R95C在不同情景下均有增高。

(4) 未來3種SSPs情景下，極端降水指數(shù)總體均呈增加趨勢，除CWD外，隨著排放情景的升高，極端降水指數(shù)的增加趨勢也更為明顯，特別是在SSP585情景下。而CWD在SSP126情景下增加最為顯著，而在中高排放情景下增加趨勢較小，這表明在不均衡發(fā)展條件下，未來極端降水事件將更加頻繁。