長江流域氣象旱澇異常急轉(zhuǎn)識(shí)別及分析

陶新娥，侯雨坤

（1.湖北省晴川生態(tài)工程技術(shù)有限公司，武漢430000；2.湖北省工程咨詢股份有限公司，武漢430000；3.中交第二航務(wù)工程勘察設(shè)計(jì)院有限公司，武漢430071）

1 研究背景

旱澇異常事件長期以來一直是短期氣候預(yù)測的重要內(nèi)容，也是國內(nèi)外大氣科學(xué)研究的熱點(diǎn)[1-6]。根據(jù)氣象與水文旱澇的定義，如果某個(gè)時(shí)間段內(nèi)降雨或徑流分布較為均勻，該區(qū)域的旱澇情況就不明顯；相反，若降雨或徑流集中在某個(gè)時(shí)間段內(nèi)，則該時(shí)間段易產(chǎn)生洪澇現(xiàn)象，而其他時(shí)段產(chǎn)生干旱的現(xiàn)象?；诖?，吳志偉[7]于2006年提出了“旱澇并存，旱澇急轉(zhuǎn)”的概念，并將旱澇并存與急轉(zhuǎn)的程度通過長周期旱澇急轉(zhuǎn)指數(shù)（long-cycle drought-flood abrupt alternation，LDFAI） 量化。然而，對(duì)時(shí)間段，該研究只在旬尺度給予了明確的定義，通常只能判斷并量化在一個(gè)季節(jié)中發(fā)生一次日尺度的旱轉(zhuǎn)澇或者澇轉(zhuǎn)旱事件（以下簡稱旱澇急轉(zhuǎn)事件）。與此同時(shí)，雖然該指標(biāo)弱化了區(qū)域降雨量不同對(duì)旱澇急轉(zhuǎn)帶來的影響，但通常情況下冬季急轉(zhuǎn)事件較夏季的急轉(zhuǎn)事件對(duì)區(qū)域影響更大。

以往，針對(duì)旱澇的季節(jié)內(nèi)變化關(guān)注較少。但自20世紀(jì)90年代以來，鑒于季節(jié)內(nèi)降水異常造成災(zāi)害的嚴(yán)重性，國內(nèi)外學(xué)者對(duì)該異?，F(xiàn)象的研究愈來愈多。旱澇急轉(zhuǎn)現(xiàn)象正是季節(jié)內(nèi)降水異常的典型代表[8]，在中國華南、長江中下游及西南等地區(qū)時(shí)有發(fā)生[9]。吳志偉等[8]、王勝等[10]、孫鵬等[11]分別對(duì)長江中下游地區(qū)、淮河流域、東江流域開展了旱澇急轉(zhuǎn)現(xiàn)象的趨勢變化特征研究。然而，這些研究大多數(shù)以流域的平均降水量為依據(jù)，以旬、月尺度及更長時(shí)間尺度分析流域整體的旱澇急轉(zhuǎn)特征，無法逐日分析旱澇問題，也就無法以日為單位篩選一次完整的旱澇急轉(zhuǎn)事件。且長江中下游流域的覆蓋范圍較大，跨越不同的氣候區(qū)域，流域內(nèi)不同地區(qū)旱澇急轉(zhuǎn)現(xiàn)象存在較大差異。因此，本研究以長江中上游為研究對(duì)象，通過搭建長江流域二級(jí)子流域氣象旱澇指標(biāo)，采用日尺度旱澇指數(shù)標(biāo)準(zhǔn)化加權(quán)平均降雨（standard weighted average precipitation，SWAP）[12]量化旱澇急轉(zhuǎn)程度，篩選旱澇急轉(zhuǎn)事件，并分析旱澇急轉(zhuǎn)變化規(guī)律，并結(jié)合經(jīng)典統(tǒng)計(jì)降尺度模型（statistical downscaling model，SDSM）[13]預(yù)測未來長江流域旱澇急轉(zhuǎn)特征，以期為長江流域防洪抗旱提供科學(xué)依據(jù)，更好地實(shí)現(xiàn)水資源優(yōu)化配置。

2 氣象與水文旱澇異常事件識(shí)別方法

2.1 SWAP

為了展現(xiàn)當(dāng)日旱澇情況在歷史同一日的強(qiáng)弱程度，Lu等[14]于2009年提出了基于累計(jì)降雨的氣象旱澇指標(biāo)SWAP。該指標(biāo)是基于加權(quán)平均降雨WAP（weighted average precipitation）通過Gamma函數(shù)標(biāo)準(zhǔn)化得到[14]。WAP指數(shù)認(rèn)為旱澇強(qiáng)度受降水的影響，但是同時(shí)徑流、蒸散和滲透等因素也會(huì)使降雨量帶來的影響逐漸減小。假設(shè)徑流、蒸散和滲透等衰減因素強(qiáng)弱與降水量成正比，則構(gòu)建如下簡易物理模型：

式（1）中，f(t)是t時(shí)刻旱澇強(qiáng)度，它與t時(shí)刻降雨P(guān)(t)正相關(guān)，但又被需水、蒸發(fā)以及土壤下滲所延緩，這些延緩要素被整體概化為-bf，其中，b＞0，且b越大代表同量級(jí)降雨對(duì)應(yīng)的延緩要素越強(qiáng)；對(duì)公式進(jìn)行積分變換，可得：

進(jìn)而推導(dǎo)，離散化以后即可成為如下形式：

式 （3） 中，a=exp(-bΔt),a＜1（Δt代表一天）表示n天前的貢獻(xiàn)與衰減。

由于當(dāng)n大于某個(gè)閾值N后，指數(shù)函數(shù)an極小可以忽略不計(jì)，故公式又可以變?yōu)椋?/p>

為了簡化累加過程及同一量綱，將極小量略去，累計(jì)降雨WAP可展現(xiàn)為:

式中，wn=(1-a)an。根據(jù)上述公式，可以看出WAP值可以每日發(fā)生變化，其當(dāng)日的旱澇程度受到前期累積雨量的影響，a越大，則早期降雨對(duì)當(dāng)日旱澇的影響越大。根據(jù)Lu 所介紹，通常經(jīng)驗(yàn)定義a=0.9，N=44。

將得到的WAP值按對(duì)應(yīng)日序數(shù)逐年排列，根據(jù)多年同一日WAP值構(gòu)建Gamma 分布擬合，將其反向正態(tài)標(biāo)準(zhǔn)化，從而得到對(duì)應(yīng)的SWAP值。

2.2 游程理論

游程理論也稱為輪次理論，是分析時(shí)間序列的一種方法[15-16]，是量化旱澇特征變量變化規(guī)律的理論基礎(chǔ)。Yevjevich[17]最早運(yùn)用游程理論識(shí)別和描述干旱事件。

在進(jìn)行旱澇分析時(shí)，首先要獲取旱澇事件的特征變量序列。本文為了選取合適的旱澇事件，取洪澇事件截取水平為1（輕旱或輕澇），當(dāng)從某個(gè)時(shí)期開始，旱澇指標(biāo)SWAP 值滿足連續(xù)7 d 大于1 h，定義為一次洪澇事件發(fā)生，直到SWAP 值滿足連續(xù)3 d小于-0.5 h，定義為這次洪澇事件結(jié)束，從洪澇起始到洪澇結(jié)束的這段時(shí)間間隔稱為該次洪澇事件的持續(xù)時(shí)間。將洪澇定義所述的1與-0.5相反為-1與0.5時(shí)，則記為一次干旱事件。

圖1 旱澇急轉(zhuǎn)事件定義Fig.1 Definition of drought-flood sudden alternation events

旱澇或澇旱急轉(zhuǎn)事件定義為：采用根據(jù)日尺度指標(biāo)提取出的干旱和洪澇事件，對(duì)于某時(shí)期，若先后存在一個(gè)干旱事件和一個(gè)洪澇事件，且干旱事件結(jié)束時(shí)間與洪澇事件開始時(shí)間兩者時(shí)間間隔小于3 d，定義本次從干旱事件到洪澇事件的轉(zhuǎn)換為一次旱澇急轉(zhuǎn)事件，其中旱澇急轉(zhuǎn)事件的起始時(shí)間是這次干旱事件的發(fā)生時(shí)間，結(jié)束時(shí)間是這次洪澇事件的結(jié)束時(shí)間。相對(duì)應(yīng)的，對(duì)于某時(shí)期若先后存在一個(gè)洪澇事件和一個(gè)干旱事件，且洪澇事件結(jié)束時(shí)間與干旱事件開始時(shí)間兩者間隔小于3 d，定義這次從洪澇事件到干旱事件為一次澇旱急轉(zhuǎn)事件，澇旱急轉(zhuǎn)事件的起始時(shí)間為本次洪澇事件的發(fā)生時(shí)間，結(jié)束時(shí)間是本次干旱事件的結(jié)束時(shí)間。

采用兩種指標(biāo)，即事件發(fā)生頻次以及事件平均強(qiáng)度，來表征旱澇急轉(zhuǎn)事件的變化情況。其中，事件發(fā)生頻次P由如下公式定義：

式中，N為時(shí)段內(nèi)發(fā)生急轉(zhuǎn)事件總次數(shù)，T為時(shí)段總年數(shù)，該指標(biāo)單位為次/a。

而事件平均強(qiáng)度Smean按如下公式定義：

2.3 模擬方法

本研究基于長江流域171 個(gè)氣象站點(diǎn)歷史1961—2014年降雨資料，模擬長江流域站點(diǎn)未來2016—2100年降雨情況，并分析其旱澇急轉(zhuǎn)變化。具體站點(diǎn)分布情況如表1所示。

表1 長江流域二級(jí)區(qū)域情況及特征Tab.1 The situation and characteristics of secondary subbasins in the Yangtze River basin

模擬未來降雨的SDSM模型的氣候因子輸入要素中，歷史時(shí)期氣候因子采用美國環(huán)境預(yù)報(bào)中心（National Centers for Environmental Prediction，NCEP）的日尺度再分析資料，未來時(shí)期采用德國波茨坦氣候影響研究所（Potsdam institute for climate impact research，PIK）基于德國氣象局的LM（local model） 模式發(fā)展而來的區(qū)域氣候模式-CCLM（regional climate model COSMO-CLM）2016—2100年數(shù)據(jù)輸出作為氣象因子[18]，未來氣候情景選用IPCC AR5所推薦的代表性濃度路徑（representative concentration pathways, RCPs） 中 的RCP4.5 與 RCP8.5 兩種情景[19]。其中，RCPs 指“對(duì)輻射活性氣體和顆粒物排放量、濃度隨時(shí)間變化的一致性預(yù)測，作為一個(gè)集合，它涵蓋廣泛的人為氣候強(qiáng)迫”。IPCC推薦識(shí)別了4類RCPs，本次選用的RCP 4.5和RCP 8.5分別代表2100年后輻射強(qiáng)度達(dá)到約4.5 W/m2和大于8.5 W/m2，溫室氣體濃度達(dá)到大于6.5×10-8CO2當(dāng)量和大于1.37×10-9CO2當(dāng)量，2100年較20世紀(jì)末預(yù)計(jì)升溫為1.1～2.6 ℃和2.6～4.8 ℃。

3 日尺度氣象旱澇急轉(zhuǎn)異常事件分析

3.1 歷史時(shí)期旱澇急轉(zhuǎn)事件分析及診斷

圖2與圖3展現(xiàn)了長江流域歷史時(shí)期篩選出的澇轉(zhuǎn)旱、旱轉(zhuǎn)澇事件年頻次和平均強(qiáng)度的站點(diǎn)分布空間插值情況。

圖2 歷史時(shí)期澇轉(zhuǎn)旱、旱轉(zhuǎn)澇事件年頻次空間分布Fig.2 The spatial distribution of occurrence frequency for flood-to-drought alternation and drought-to-flood alternation events in the historical period

長江流域澇轉(zhuǎn)旱事件年平均次數(shù)為0.5 次左右，旱轉(zhuǎn)澇事件年平均次數(shù)平均為0.8次左右。兩者均介于一年一遇或兩年一遇之間，證明事件篩選方案較為合理。相較于旱轉(zhuǎn)澇事件，澇轉(zhuǎn)旱事件發(fā)生次數(shù)較少，而兩者選取標(biāo)準(zhǔn)完全一致，證明洪澇事件發(fā)生后接著發(fā)生干旱事件的概率較低，旱轉(zhuǎn)澇事件的可能性更高，更具威脅性。從圖3的發(fā)生強(qiáng)度可以看出，長江流域歷史時(shí)期整體強(qiáng)度值（即一次旱澇急轉(zhuǎn)事件指標(biāo)絕對(duì)值累計(jì)值）整體在100以下，僅金沙江石鼓上游呈現(xiàn)超過100的較強(qiáng)的旱澇急轉(zhuǎn)事件，其余區(qū)間旱轉(zhuǎn)澇、澇轉(zhuǎn)旱事件強(qiáng)度基本相似，且空間差異較小。

圖3 歷史時(shí)期澇轉(zhuǎn)旱、旱轉(zhuǎn)澇事件平均強(qiáng)度空間分布Fig.3 The spatial distribution of average intensity for floodto-drought alternation and drought-to-flood alternation events in the historical period

3.2 未來氣候變化下氣象旱澇急轉(zhuǎn)事件變化比較分析

為了預(yù)測長江流域未來旱澇急轉(zhuǎn)變化，采用經(jīng)典統(tǒng)計(jì)降尺度模型SDSM，計(jì)算在不同情景、不同時(shí)段長江流域旱澇急轉(zhuǎn)事件發(fā)生次數(shù)，結(jié)果見圖4與圖5。

通過圖4展現(xiàn)的澇轉(zhuǎn)旱事件未來發(fā)生頻次可以看出，在未來兩種SDSM情景下，長江流域未來澇轉(zhuǎn)旱事件都呈現(xiàn)下降趨勢，但事件次數(shù)的下降主要出現(xiàn)在長江中游鄱陽湖、洞庭湖流域。這說明旱澇極端事件更多可能是孤立出現(xiàn)，而不是發(fā)生在旱澇急轉(zhuǎn)事件中。

圖5展現(xiàn)了未來的旱轉(zhuǎn)澇事件發(fā)生頻次?？梢钥闯觯赟DSM模擬的兩種未來情景下，長江流域旱轉(zhuǎn)澇事件平均發(fā)生次數(shù)將整體呈現(xiàn)先上升、后下降的趨勢，其中上升趨勢主要呈現(xiàn)在中上游區(qū)域。事件次數(shù)的下降主要出現(xiàn)在長江中游鄱陽湖、洞庭湖流域。

圖4 未來長江流域氣象澇轉(zhuǎn)旱事件發(fā)生頻次Fig.4 The predicted occurrence frequency of meteorological flood-to-drought alternation events in the Yangtze River Basin in the future

圖5 未來長江流域氣象旱轉(zhuǎn)澇事件發(fā)生頻次Fig.5 The predicted occurrence frequency of meteorological drought-to-flood alternation events in the Yangtze River Basin in the future

基于SDSM模型預(yù)測的未來澇轉(zhuǎn)旱和旱轉(zhuǎn)澇事 件強(qiáng)度分別如圖6和圖7所示。

圖6 未來長江流域氣象澇轉(zhuǎn)旱事件平均強(qiáng)度Fig.6 The predicted average intensity of meteorological flood-to-drought alternation events in the Yangtze River Basin in the future

圖7 未來長江流域氣象旱轉(zhuǎn)澇事件平均強(qiáng)度變化Fig.7 The predicted average intensity of meteorological drought-to-flood alternation events in the Yangtze River Basin in the future

可以看出，雖然長江流域旱澇急轉(zhuǎn)事件頻次在未來呈現(xiàn)下降趨勢，然而單次旱澇急轉(zhuǎn)事件強(qiáng)度呈現(xiàn)整體上升趨勢。在澇轉(zhuǎn)旱事件中，RCP4.5情景下，預(yù)測旱澇急轉(zhuǎn)事件強(qiáng)度上升趨勢較為緩慢，且在長江中下游甚至產(chǎn)生了下降的趨勢；但在RCP8.5 情景下澇轉(zhuǎn)旱事件強(qiáng)度明顯上升，且金沙江石鼓下游與烏江流域上升最為明顯。金沙江石鼓上游區(qū)域雖在歷史時(shí)期強(qiáng)度最大，但在SDSM模擬情景下未來平均強(qiáng)度上升趨勢反而較小，而長江下游與漢江流域強(qiáng)度上升趨勢則在兩個(gè)模型中都同樣不明顯。在旱轉(zhuǎn)澇事件中，RCP4.5 情景預(yù)測未來旱轉(zhuǎn)澇事件平均強(qiáng)度具有上升趨勢，且上升中心在金沙江石鼓下游。RCP8.5 情景下旱轉(zhuǎn)澇事件預(yù)測未來上升趨勢與澇轉(zhuǎn)旱事件在RCP8.5情景下情況類似，均呈現(xiàn)明顯的上升趨勢。

4 結(jié)論

本研究通過統(tǒng)計(jì)降尺度方法模擬未來氣候變化要素，再將未來要素輸入水文模型，結(jié)合歷史降雨數(shù)據(jù)分析長江流域旱澇急轉(zhuǎn)事件變化趨勢。而旱澇急轉(zhuǎn)作為季節(jié)內(nèi)降水異常的典型代表，不僅具備干旱和洪澇分別帶來的災(zāi)害，而且由于轉(zhuǎn)折事件較短，其危害比單一旱澇災(zāi)害的疊加更為嚴(yán)重，對(duì)工農(nóng)業(yè)生產(chǎn)和人民的正常生活構(gòu)成了較大的威脅。為了量化旱澇急轉(zhuǎn)事件過程及強(qiáng)度，本研究采用游程理論，提出基于加權(quán)平均降雨SWAP日尺度旱澇指標(biāo)的旱澇事件提取方法，分離旱澇事件，隨后將旱澇事件發(fā)生間隔較短的事件組合定義為旱澇急轉(zhuǎn)事件，判斷其發(fā)生頻率及強(qiáng)度，并預(yù)測未來變化情況，得到如下結(jié)果：

（1）雖然采用同樣的游程理論篩選方法，但歷史時(shí)期基于SWAP年均氣象旱澇急轉(zhuǎn)事件發(fā)生次數(shù)較少，旱轉(zhuǎn)澇與澇轉(zhuǎn)旱事件平均都為0.5 次左右。從單次事件強(qiáng)度來看，基于SWAP的氣象旱澇急轉(zhuǎn)事件強(qiáng)度整體在100以下，且強(qiáng)度較高區(qū)域出現(xiàn)在金沙江石鼓上游。

（2）未來時(shí)期，在基于SWAP的氣象旱澇急轉(zhuǎn)情況下，SDSM模擬出的未來澇轉(zhuǎn)旱事件發(fā)生頻次呈現(xiàn)減少趨勢，而旱轉(zhuǎn)澇事件在兩種情景中呈現(xiàn)先上升、后減小的趨勢。而在RCP 4.5 和RCP 8.5情景下預(yù)測的未來長江流域旱轉(zhuǎn)澇、澇轉(zhuǎn)旱事件平均強(qiáng)度整體都呈現(xiàn)上升趨勢，RCP 8.5情景下上升更為明顯，旱轉(zhuǎn)澇與澇轉(zhuǎn)旱的上升中心均在金沙江石鼓下游與烏江流域附近。