基于SDSM的撫河流域未來極端氣溫模擬與預估

朱圣男，劉衛(wèi)林，萬一帆，吳德勝，黃一鵬，劉麗娜

(1.南昌工程學院 江西省水文水資源與水環(huán)境重點實驗室，江西 南昌 330099；2.南昌工程學院 瑤湖學院，江西 南昌 330099)

氣候變化和人類活動對流域氣候要素的影響已成為熱點問題之一，尤其是對區(qū)域性水文系統(tǒng)的影響更是近年來各國發(fā)展中面臨的重大問題。撫河流域農業(yè)發(fā)達，流域所處的贛撫平原是江西省最大的糧食生產地，水資源開發(fā)利用強度大，意味著該流域水資源安全將達到新的高度。隨著氣候變化、土地利用和人類活動的影響，撫河流域內水資源問題日益嚴重，對區(qū)域內居民生活起居、農業(yè)生產需要、社會經濟發(fā)展乃至整個生態(tài)系統(tǒng)產生深遠影響和一系列社會問題。與此同時，氣候變化導致極端天氣事件頻發(fā)，尤其體現(xiàn)在對氣候變化較為敏感和脆弱的地區(qū)[1]。因此，開展撫河流域氣候變化特征研究，對本區(qū)域內的水資源利用、水利工程安全高效運行、保證社會經濟穩(wěn)定高速發(fā)展具有重要意義。

目前，全球氣候模式(Global Climate Model，GCM)和降尺度方法是研究未來氣候變化的主要工具，其輸出信息只能反映100 km2或以上的大尺度網格氣候變化的平均特征[2]，直接使用將會忽略植被、地形等小尺度的差別，輸出結果的空間分辨率較低，對研究精度有影響[3]。因此，使用GCM預測結果作為區(qū)域水文水資源變化評估輸入因子時，需進行降尺度分析，將GCM輸出的大尺度、低分辨率信息轉化為區(qū)域尺度信息。降尺度分為動力降尺度、統(tǒng)計降尺度、動力降尺度與統(tǒng)計降尺度相結合的方法[3]。統(tǒng)計降尺度始于20世紀90年代，它通過使用多元的線性回歸方法推導出預報因子和預報量之間的統(tǒng)計關系，將大尺度氣候模式轉化為可應用的小尺度,提高了區(qū)域分辨率，方法多，計算量小，在國內外得到了廣泛應用。任何與預報量相關的大尺度大氣變量都可以作為預報因子。本文使用的第5次國際耦合模式比較計劃CMIP5比前一階段CMIP3更加精確與復雜[4]，是目前較先進的預估未來氣候變化方法[5]，該模式對中國區(qū)域模擬，模擬氣溫較降水偏強[6]，且在鄱陽湖流域應用較少。

本文建立撫河流域氣象要素的降尺度模型，選擇CMIP5中的3種情景模式RCP2.6、RCP4.5、RCP8.5，選取A(2006—2035年)、B(2036—2065年)、C(2066—2100年) 3個時段，以1991—2005年為基準期，基于氣象資料對撫河流域RCP2.6、RCP4.5、RCP8.5 3種排放情景下2006—2100年最高氣溫和最低氣溫的可能變化情況進行了模擬和對比分析，為撫河流域氣候變化下的水文響應研究和氣候變化下適應政策的制定提供科學依據(jù)。

1 研究區(qū)概況及研究方法

1.1 研究區(qū)域

圖1 撫河流域

撫河流域(圖1)位于江西省東部，發(fā)源于武夷山脈西麓廣場新驛前鄉(xiāng)血木嶺[7]。地處東經115°36至117°10′、北緯26°30′至28°50′之間，是鄱陽湖水系的五大河流之一，主河道長348 km，流域面積16 493 km2。南城以上段包括南豐和廣昌為盱江，為撫河上游；南城至廖家灣為中游；撫州以下為撫河下游。流域地形東南高，西北低，南北寬，東西狹。撫河流域屬于中亞熱帶濕潤季風氣候區(qū)，氣候溫和、雨量充沛,多年平均年水面蒸發(fā)量894 mm;多年平均年降水量1 732 mm，降水時空分配不均，東南部降水量多于西北部;多年平均氣溫17.8℃，極端最高氣溫42.1℃(1971年)、最低氣溫-12.7℃(1991年)。

1.2 數(shù)據(jù)來源

本文采用的數(shù)據(jù)主要包括實測氣象站點(南城、廣昌)數(shù)據(jù)、NCEP再分析資料數(shù)據(jù)及GCM(CanESM2)的輸出數(shù)據(jù)。

a) 實測氣象站點數(shù)據(jù)。研究中用到的實測氣象數(shù)據(jù)來自中國氣象科學數(shù)據(jù)共享服務網(http://cdc.cma.gov.cn/home.do)，根據(jù)氣象站的地理位置及氣象資料的完整性，選取了撫河流域2個氣象站1961—2005 年共45 a的氣象資料作為研究對象，經過數(shù)據(jù)處理以后，選取氣溫數(shù)據(jù)序列作為模型的預報量，主要包括日最高氣溫(Tmax)和日最低氣溫(Tmin)。

b) NCEP再分析數(shù)據(jù)。數(shù)據(jù)為1961—2005年的日數(shù)據(jù)，一共有26個因子，主要包括平均海平面氣壓、地表平均氣溫、比濕、相對濕度、地轉風速、風向、緯向風速、經向風速、渦度、散度，500 hPa位勢高度及500 hPa高度場的相對濕度、地轉風速、風向、緯向風速、經向風速、渦度、散度，850 hPa位勢高度及850 hPa高度場的相對濕度、地轉風速、風向、緯向風速、經向風速、渦度、散度。NCEP 網格大小為1.875°×1.875°，與CanESM2不符，因此將NCEP網格數(shù)據(jù)轉換成與CanESM2數(shù)據(jù)格式統(tǒng)一。

c) GCM數(shù)據(jù)。GCM輸出數(shù)據(jù)采用加拿大環(huán)境與氣候變化網(https://www.canada.ca/en.html)CanESM2數(shù)據(jù)，共有128×64個網格，選取6個網格為本研究區(qū)域覆蓋的網格，網格分辨率為2.8125°×2.7906°。選擇3種排放情景RCP2.6(低等溫室氣體排放情景)、RCP4.5(中等溫室氣體排放情景)和RCP8.5(最高溫室氣體排放情景)典型濃度路徑，選擇的預報因子與NCEP相同，對未來情景下最高氣溫和最低氣溫進行模擬。

2 SDSM統(tǒng)計降尺度模型

SDSM模型是由英國Wilby等人建立的降尺度工具，融合了天氣發(fā)生器和多元線性回歸技術，是一種轉換函數(shù)與隨機天氣發(fā)生器耦合的降尺度方法，廣泛應用于亞洲、歐洲、美洲的氣象、水文等研究領域。使用SDSM統(tǒng)計降尺度模型主要包括以下6個步驟：①選擇合適的預報量和預報因子；②數(shù)據(jù)檢驗與轉換;③模型參數(shù)率定；④天氣發(fā)生器；⑤生成未來情景；⑥分析數(shù)據(jù)結果。

SDSM統(tǒng)計降尺度模型的核心思想是確定氣象站點尺度下的預報量(如日最高氣溫、最低氣溫)與大尺度下的預報因子(如平均海平面氣壓mslp、地表平均氣溫temp和比濕shum等)之間的數(shù)學統(tǒng)計關系[8]。SDSM模型中預報因子與預報量間統(tǒng)計關系的基本原理如下：

(1)

式中Ti——氣溫變量；Pij——預報因子；n——預報因子數(shù)量；γ——模式參數(shù)；ei——模型誤差。

2.1 預報因子的選擇

預報因子的選取原則主要是:①所選的預報因子與預報量之間要有強相關性；②所選因子必須能夠表征大尺度氣候場的重要物理過程；③GCM必須能夠準確模擬出所選的預報因子；④所選因子之間應為弱相關[9]。預報因子選擇影響著模擬程度的好壞，選擇相關性更強的預報因子會預報更準確的信息。為了防止出現(xiàn)多個預報因子共線現(xiàn)象，對地面氣溫進行估計時，排除互相關系大的情況[10]。本文主要研究共26個預報因子，對2個站點利用逐步回歸的方法，根據(jù)這4個原則，選取其中最優(yōu)預報因子，見表1。

本研究預報因子選擇控制在5種，廣昌、南城2個站點所選擇預報因子對于3種情景下氣溫模式大部分相同，表明這些預報因子對氣溫模擬敏感性較高，其中在temp(2 m平均氣溫)的選擇率最高，此外shum、p1_v在2個站點都有被選用。這些因子一方面通過影響大氣環(huán)流的經向和緯向分布，從而影響氣候的經緯地帶性;另一方面海平面氣壓、位勢高度場和地表溫度等氣象環(huán)流因子通過熱量和水分的擴散及輸送過程，進而影響對氣溫產生的變化[11]。

表1 各站點預報因子選擇

注：temp表示在2 m平均氣溫；s表示近表面比濕度；p表示海平面氣壓；_v表示經向速度分量；_z表示渦度；_u表示緯向速度分量；p500表示500 hPa位勢高度場；s500表示在500 hPa高度比濕度

2.2 模型的驗證與率定

為了評價模型模擬的效果，選取了擬合度R2和標準差相對誤差SE作為評價指標。流域SDSM模型率定結果見表2、3。從表2可知，兩站點氣溫的擬合度均在65%以上，氣溫的標準誤差在1.02～3.72之間。而根據(jù)有關學者研究結果指出擬合度一般高于60%，說明本次氣溫率定結果很好[12]。

表2 撫河流域SDSM模型率定期擬合度和標準誤差(月) %

表3 撫河流域SDSM模型率定期擬合度和標準誤差(年) %

使用獨立檢驗的方法，將觀測序列分為2個時間段：第一時間段為1961—1990年，作為率定期，用于建立統(tǒng)計關系；第二時間段為1991—2005年，作為驗證期，用于驗證模型的可靠性。通過比較，分析兩階段的數(shù)據(jù)信息驗證結果。Hanssen-Bauer 和 Forland[13]兩位學者曾經指出在經驗模型的參數(shù)率定期序列長度應超過5 a，因此，本文應用30、15 a的數(shù)據(jù)來率定和驗證模型是符合要求的[14]。

圖2為撫河流流域最高氣溫和最低氣溫率定期、驗證期與實測值的對比。根據(jù)圖2可得最高氣溫和最低氣溫的模擬效果較好。率定期與實測值(圖2a、2c)相比較，呈現(xiàn)出震蕩趨勢多年平均相差0.08℃～0.23℃，結果可以接受。在預報量間的對比中可以得出：最低氣溫在2—4、10—11月模擬效果相對其他月份較差，平均差值在0.4℃左右，其中3月最為明顯，在1℃左右。最高氣溫綜合來看擬合效果最佳，僅在率定期11月誤差稍大，其他月份擬合效果良好，擬合度良好月份最多。該模型率定期和驗證期氣溫擬合整體較好，符合預期要求。

3 未來極端氣溫變化

3.1 未來最高氣溫與最低氣溫變化

撫河流域最高、最低氣溫多年平均實測值與預測期2006—2100年的RCP2.6、RCP4.5、RCP8.5模式的模擬值對比見圖3a、3b。折線圖表現(xiàn)的趨勢基本可以完全反映出未來的氣溫變化。對比撫河流域最高氣溫與基準期可知，在RCP2.6、RCP4.5、RCP8.5情景下，未來氣溫相對基準期都將呈現(xiàn)上升趨勢，這與IPCC報告指出的全球氣溫將持續(xù)上升相吻合[15]。各氣溫、各情景下與實測值變化趨勢相近，也進一步表明了本模型是可靠的[16]。

將2006—2100年的預測數(shù)據(jù)分為3個階段：A(2006—2035年)、B(2036—2065年)、C(2066—2100年)。分別將最高、最低氣溫在3個時段、3種排放情景下比較分析，從圖3可知，在3種情景下，最低氣溫與最高氣溫在1—7月之間增溫相對明顯，約2℃左右；在高排放情景RCP8.5下全年增溫幅度均較大,約2℃～5℃左右，而RCP2.6和RCP4.5排放情景下在1—7月增幅較大，約2℃～4℃，其他月份增幅微??；RCP2.6和RCP8.5情景下在8—12月最低氣溫比多年平均氣溫還低0.5℃～1℃，其他月份增幅微小。

a) 率定期、實測期最高氣溫

b) 驗證期、實測期最高氣溫

c) 率定期、實測期最低氣溫

d) 驗證期、實測期最低氣溫

圖2撫河流域率定期、驗證期與實測期氣溫對比

a) 最高氣溫多年平均實測值與相關模擬值對比

b) 最低氣溫多年平均實測值與相關模擬值對比

圖3撫河流域未來情景最低和最高氣溫預測

3.2 最高氣溫分析

由圖4可以看出：同基準期一樣，撫河流域未來月最高氣溫的年內變化趨勢基本一致，整體呈先遞增后遞減的變化趨勢，3種情景下最高溫度均出現(xiàn)在7月份，A階段中7—8、12月出現(xiàn)了降溫趨勢，最高下降0.8℃；3—6月增溫在1.6℃～2.9℃。B階段，7—8、11—12月降溫在0.3℃～0.8℃之間；其他月份為升溫趨勢，其中2—6月增溫在2.1℃～4.5℃。C階段，7—8、10—12月降溫幅度在0.1℃～1.7℃；其他月份表現(xiàn)為升溫，最高5.5℃(3月)，最低2.8℃(6月)，升高幅度大于前兩階段。

a) RCP2.6圖4 撫河流域情景最高氣溫與基準期相對比

b) RCP4.5

c) RCP8.5

續(xù)圖4撫河流域情景最高氣溫與基準期相對比

3.3 最低氣溫分析

由圖5可以看出：3種情景下3個時段未來月最低氣溫的年內變化與最高氣溫變化趨勢一致。在RCP2.6情景下，A階段全年氣溫平均升高約1.1℃，9—10月降溫幅度約1.45℃；1—6、12月升溫在1.5℃～3.3℃，其他月份均低于1℃。B階段，大部分月份呈現(xiàn)升溫趨勢，9—11月表現(xiàn)為降溫，1—6月升溫幅度在1.3℃～4.9℃。RCP4.5情景：C階段全年氣溫平均增加約2.8℃，各月份增幅2℃以上，最高達4.4℃(3月)。B階段幅度較A大，最高增溫6.9℃(3月)，且2—6月均增溫5℃以上。C階段全年氣溫平均增加約4.3℃。RCP8.5情景下：A階段全年氣溫平均增加約1.1℃，1—6月增溫幅度較大在1.3℃以上，最高增加2.6℃(3月)。B階段，1—6月份增溫在3℃，最高達4.8℃。C階段全年氣溫平均增加約3.4℃，但在9—11月表現(xiàn)為降溫，1—6月份增溫約4℃，其他月份增溫在2℃以上。

a) RCP2.6

b) RCP4.5

c) RCP8.5

圖5撫河流域情景最低氣溫與基準期相對比

利用SDSM模型模擬的最高氣溫與最低氣溫在RCP2.6、RCP4.5和RCP8.5情景下相對于基準期的增量變化見表4。3種情景下的最高氣溫與最低氣溫均呈較為明顯的上升趨勢，最高氣溫在A、B和C 3個時期平均分別升高0.97℃、1.78℃、2.31℃,最低氣溫在3個時期平均分別升高1.70℃、2.40℃、3.12℃，最低氣溫在C上升幅度最大。其中RCP4.5情景下最低氣溫上升4.34℃。3種情景下，撫河流域未來最低氣溫在秋季(9—11月)均低于基準期，其他情景時段下均高于基準期。由此可推測，撫河流域未來存在發(fā)生極端高溫天氣的風險。

表4 撫河流域未來極端氣溫變化 ℃

4 結語

本文以撫河流域為例，利用SDSM統(tǒng)計降尺度模型對南城和廣昌2個站點日最高氣溫和最低氣溫在RCP2.6、RCP4.5、RCP8.5 3種排放情景下流域未來最高及最低氣溫可能變化的情況進行了模擬和對比分析。運用CMIP5模式、降尺度方法，取1961—1990年為率定期，1991—2005年為驗證期，在2個站點篩選出不同的預報因子，模擬撫河流域2006—2100年3個時段A、B、C間RCP2.6、RCP4.5、RCP8.5 3種不同情景下的最高氣溫和最低氣溫變化，經分析后有如下結論。

a) 撫河流域未來氣溫將持續(xù)升高，并且最低氣溫升高的幅度大于最高氣溫,這一趨勢與全國氣溫變化趨勢總體上保持一致。

b) 對于撫河流域未來氣溫變化的增量，最高氣溫變化平均增量在3種情景模式下分別為1.43℃、1.42℃、2.21℃;最低氣溫變化增量分別為1.36℃、3.68℃、2.28℃。這說明隨著社會經濟發(fā)展，極端氣候要素的事件也隨之出現(xiàn)并概率增大。

c) 3種情景下的最高氣溫與最低氣溫均呈較為明顯的上升趨勢，最高氣溫在A、B和C 3個時期平均分別升高0.97℃、1.78℃、2.31℃;最低氣溫在3個時期平均分別升高1.71℃、2.40℃、3.12℃，最低氣溫在C上升幅度最大。

d) 撫河流域未來氣溫隨著時間段的推移和排放量的增大增溫幅度越來越大，而隨著排放量的增大，升溫月份出現(xiàn)也更加頻繁。最高氣溫下僅有RCP2.6情景下11—12月氣溫低于多年平均氣溫，最低氣溫下RCP2.6情景和RCP8.5情景下9—11月氣溫低于多年平均氣溫，其他情景下均出現(xiàn)升溫趨勢。表明高溫天氣很有可能將提前到來，未來發(fā)生極端高溫天氣的頻率越來越大。

本文僅使用一種氣候模式數(shù)據(jù)進行氣候變化預估，具有不確定性。在以后的研究中，將增加更多的評價指標、采用不同的降尺度方法、運用多模式集合等方法綜合分析未來氣候變化，以減少模擬結果的不確定性。