基于NEX-GDDP數(shù)據(jù)集的青藏高原牧區(qū)雪災(zāi)風(fēng)險預(yù)估*

陳虹舉，楊建平，丁永建,2,4，賀青山,3，冀 欽，王彥霞,3，唐 凡,3，葛秋伶,3

(1.中國科學(xué)院西北生態(tài)環(huán)境資源研究院 冰凍圈科學(xué)國家重點實驗室，甘肅 蘭州 730000；2.中國科學(xué)院西北生態(tài)環(huán)境資源研究院 內(nèi)陸河流域生態(tài)水文重點實驗室，甘肅 蘭州 730000；3.中國科學(xué)院大學(xué)，北京100049；4.中國科學(xué)院大學(xué) 資源與環(huán)境學(xué)院，北京 100049)

青藏高原是我國高寒畜牧區(qū)。高亢的地勢、嚴寒的氣候、冰川、凍土、積雪等共存的生態(tài)環(huán)境形成了較為獨特的牧業(yè)經(jīng)濟的本底資源，作為區(qū)域經(jīng)濟體的重要組成部分，也使其直接暴露于冰凍圈環(huán)境之中。青藏高原高寒草地生長季節(jié)短，草地生產(chǎn)力與承載力較低[1]，加之牧民世代放牧為生，受教育水平低[2]，致使畜牧業(yè)經(jīng)濟這一承險體脆弱且適應(yīng)能力較低，極易受到積雪災(zāi)害影響。該青藏高原高寒牧區(qū)雪災(zāi)過程表現(xiàn)為：積雪過厚，牧草被大雪掩埋，靠牧草為生的家畜因吃不到草，凍餓而死[3]。因而雪災(zāi)風(fēng)險評估成為青藏高原災(zāi)害防治中必不可少的一項基礎(chǔ)性工作，特別是準確的預(yù)估未來青藏高原雪災(zāi)風(fēng)險對當?shù)卣蜕鐣茖W(xué)準確地指定防災(zāi)措施、及時開展雪災(zāi)緊急援救以及災(zāi)害恢復(fù)有著重要指導(dǎo)作用。

國內(nèi)外學(xué)者針對牧區(qū)雪災(zāi)研究可以分為以下幾個方面：①雪災(zāi)危險性研究，KlUVER[4]利用歷史氣象資料分析美國本土降雪頻率與趨勢；李海紅等[5]2006在中國牧區(qū)雪災(zāi)等級指標研究中，依據(jù)積雪掩埋牧草程度、積雪持續(xù)日數(shù)和積雪面積三個方面，將雪災(zāi)災(zāi)情分為輕災(zāi)、中災(zāi)、重災(zāi)和特大災(zāi)害四級；巴桑等[6]基于多種源數(shù)據(jù)對西藏地區(qū)積雪變化趨勢進行分析；②承災(zāi)體對雪災(zāi)脆弱性研究，解偉等[7]通過積雪深度與牲畜死亡率之間關(guān)系，厘定了雪災(zāi)保險率；③雪災(zāi)的適應(yīng)性與災(zāi)后救援研究，趙富昌等[8]通過對青藏高原歷史雪災(zāi)分析，提出如何合理載青藏高原雪災(zāi)高風(fēng)險區(qū)建立草料儲備庫；趙霞[9]則利用GIS方法對錫林郭勒盟雪災(zāi)救助區(qū)進行區(qū)劃；④雪災(zāi)預(yù)警模型研究，王瑋[10]結(jié)合RS和GIS對青藏高原積雪動態(tài)變化進行研究，并構(gòu)建了雪災(zāi)危害等級預(yù)警模型；⑤建立雪災(zāi)風(fēng)險指標模型并對雪災(zāi)區(qū)劃分析，何永清等[11]通過選取牲畜數(shù)量、雪災(zāi)次數(shù)、牧草面積、人均GDP以及牧草產(chǎn)量基礎(chǔ)上對青海省雪災(zāi)風(fēng)險評價并對風(fēng)險區(qū)進行區(qū)劃。TACHIIRI等[12]在考慮前1年NDVI和社會普查牲畜死亡量基礎(chǔ)上，通過樹形結(jié)構(gòu)模型對蒙古雪災(zāi)風(fēng)險進行研究?？傮w來說，牧區(qū)雪災(zāi)作為多因子氣象災(zāi)害，危險性程受多種因素影響，如積雪深度、積雪持續(xù)時間、積雪覆蓋范圍、積雪時候的氣溫以及風(fēng)速等，因此其識別難度大。雪災(zāi)脆弱性研究中只考慮雪災(zāi)危險性的一種因素與牲畜損失建立關(guān)系，其結(jié)果并不能夠反映牲畜脆弱性。且目前對雪災(zāi)的研究是集中于歷史時段以及未來短期預(yù)警研究，對未來牧區(qū)長期的雪災(zāi)風(fēng)險定量預(yù)估涉及較少。

因此，此次研究針對自然狀況以及傳統(tǒng)雪災(zāi)防御措施下的牲畜受災(zāi)狀況，定量預(yù)估未來RCPs情景下牧區(qū)雪災(zāi)風(fēng)險。首先選取雪災(zāi)期間積雪平均深度、雪災(zāi)持續(xù)時間、雪災(zāi)期間的日最高氣溫均值以及雪災(zāi)期間日最低氣溫均值四個因子對雪災(zāi)危險度進行識別。其次建立牲畜死亡率和雪災(zāi)危險指數(shù)的脆弱性曲線關(guān)系。以NEX-GDDP數(shù)據(jù)、中國逐日雪深模擬預(yù)估數(shù)據(jù)集、牲畜統(tǒng)計數(shù)據(jù)以及1980年以來青藏高原草地生產(chǎn)力數(shù)據(jù)為數(shù)據(jù)基礎(chǔ)，運用“風(fēng)險=危險性×暴露度×脆弱性”方法[13]，對青藏高原牧區(qū)未來雪災(zāi)風(fēng)險進行預(yù)估。其中NEX-GDDP數(shù)據(jù)是由美國航空航天局2015年發(fā)布的首套基于CMIP5的多模式高分辨率數(shù)據(jù)集NASA Earth Exchange/Global Daily Downscaled Projections(NEX-GDDP)，它利用統(tǒng)計降尺度方法，將21個CMIP5模式模擬得到的歷史時期(1950—2005年)和兩種情景下(RCP4.5和RCP8.5)預(yù)估時段(2006—2100年)的逐日降水、最高氣溫和最低氣溫數(shù)據(jù)轉(zhuǎn)換成0.25°×0.25°空間分辨率[14]。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)及其來源

中國逐日雪深模擬預(yù)估數(shù)據(jù)集：該數(shù)據(jù)是以NEX-GDDP數(shù)據(jù)集為依托，利用人工神經(jīng)網(wǎng)絡(luò)模型模擬獲取，包括基準時段(1986—2005年)、未來預(yù)估數(shù)據(jù)(2016—2065年)兩個時段，RCP4.5和RCP8.5兩種氣候情景的逐日雪深數(shù)據(jù)，空間分辨率為0.25°×0.25°。數(shù)據(jù)來源于國家青藏高原科學(xué)數(shù)據(jù)中心(DOI:10.11888/Snow.tpdc.271636.CSTR:18406.11.Snow.tpdc.271636)。

NEX-GDDP數(shù)據(jù)集：該數(shù)據(jù)包括基準時段(1986—2005年)和未來預(yù)估數(shù)據(jù)(2006—2100年), RCP4.5和RCP8.5兩種情景的逐日降水、最高氣溫和最低氣溫預(yù)估數(shù)據(jù)，空間分辨率為0.25°×0.25°，數(shù)據(jù)地址為https://nex.nasa.gov/nex/projects/1356/。

1980年以來青藏高原草地生產(chǎn)力數(shù)據(jù)(莫興國)：該數(shù)據(jù)是將NPP換算為干物質(zhì)，再根據(jù)根冠比估算了干草產(chǎn)量，空間分辨率1 km×1 km，數(shù)據(jù)來源于國家青藏高原科學(xué)數(shù)據(jù)中心DOI:10.11888/Ecolo.tpdc.270430。

統(tǒng)計年鑒數(shù)據(jù)：甘肅、青海、云南、新疆、四川以及西藏地區(qū)市級統(tǒng)計年鑒，時序1986—2005年，此次研究摘錄了縣級行政單元內(nèi)牧區(qū)各種牲畜數(shù)量數(shù)據(jù)。

中國雪深長時間序列數(shù)據(jù)集：該數(shù)據(jù)集是以遙感數(shù)據(jù)為基礎(chǔ)反演獲取，其包含1978年10月24日到2012年12月31日逐日的中國范圍的積雪厚度分布數(shù)據(jù)，其空間分辨率為0.25°×0.25°。數(shù)據(jù)來源于國家青藏高原科學(xué)數(shù)據(jù)中心[15](2019)(DOI: 10.3972/westdc.001.2014.db)。

氣象災(zāi)害統(tǒng)計數(shù)據(jù)：氣象災(zāi)害統(tǒng)計數(shù)據(jù)來自于各省的氣象災(zāi)害大典[16-19]，主要記錄了2000年以前發(fā)生的氣象災(zāi)害資料，文中統(tǒng)計了雪災(zāi)導(dǎo)致青藏高原各地區(qū)牲畜死亡數(shù)量。

站點氣象數(shù)據(jù)：文中使用了青藏高原范圍內(nèi)的地面氣象臺站數(shù)據(jù)，其包括日最高氣溫、日最低氣溫和積雪深度數(shù)據(jù)，來源于國家氣象科學(xué)數(shù)據(jù)中心(http://www.cma.gov.cn/)，時間序列為1986—2005年。

1.2 研究方法

1.2.1 中國逐日雪深模擬預(yù)估數(shù)據(jù)集對青藏高原降雪模擬能力評估方法

中國逐日雪深模擬預(yù)估數(shù)據(jù)中不同模式雪深的模擬結(jié)果在同一區(qū)域精度差異較大，為了明晰此次模擬數(shù)據(jù)和遙感模擬逐日雪深數(shù)據(jù)差異，文中在青藏高原區(qū)域?qū)δM的不同模式下雪深數(shù)據(jù)與站點觀測雪深數(shù)據(jù)進行比較分析，同時為了比較用模式模擬的雪深數(shù)據(jù)和應(yīng)用廣泛的遙感模擬雪深數(shù)據(jù)差異，因此文中加入了中國雪深長時間序列數(shù)據(jù)集進行對比。評估數(shù)據(jù)所選擇時間段為1986—2005年。具體過程如下：

以青藏高原內(nèi)所有氣象站點所在位置為基準，分別統(tǒng)計三種積雪深度數(shù)據(jù)的站點年累積積雪深度。然后用氣象站數(shù)據(jù)作為觀測值，分析其余兩種雪深數(shù)據(jù)的模擬能力，評估中采用觀測值和兩種雪深數(shù)據(jù)的中心化均方根誤差和相關(guān)系數(shù)作為統(tǒng)計指標，依據(jù)這兩個指標的統(tǒng)計結(jié)果，評估兩種雪深數(shù)據(jù)對青藏高原積雪的刻畫能力，并評選出中國逐日雪深模擬預(yù)估數(shù)據(jù)集中最優(yōu)模式。為了確定最優(yōu)模式可靠性，進一步統(tǒng)計最優(yōu)模式、站點雪深數(shù)據(jù)以及遙感反演雪深數(shù)據(jù)的所有站點逐日雪深概率密度函數(shù)，并進行比較分析。

(1)

(2)

(3)

(4)

1.2.2 雪災(zāi)危險性指數(shù)的計算方法

雪災(zāi)危險性是指不同等級降雪事件發(fā)生可能性。牧區(qū)雪災(zāi)作為多因子氣象自然災(zāi)害，其危險性受多種因素影響，如積雪深度、積雪持續(xù)時間以及積雪時段內(nèi)氣溫。對雪災(zāi)危險性識別，不僅要了解不同氣象因子強弱等級，而且要明晰不同因子權(quán)重。因此，首先通過文獻查閱、牧區(qū)雪災(zāi)劃分等級標準[3]以及專家咨詢，分析不同因子對雪災(zāi)的重要性，并進行比較，在此基礎(chǔ)上，結(jié)合層次分析法的判斷矩陣構(gòu)造，設(shè)定了不同氣象因子的權(quán)重(表1)。得到雪災(zāi)危險性模型：

H=0.449 2×X1+0.301 1×X2-0.100 2×X3-0.149 5×X4。

(5)

式中：H為雪災(zāi)危險性指數(shù)，X1為積雪期間積雪平均深度，X2積雪的持續(xù)時間，X3為積雪期間的日最高氣溫均值，X4為積雪期間日最低氣溫均值。其中H值越高，雪災(zāi)危險性越大。在確定雪災(zāi)危險性指數(shù)的計算方法的基礎(chǔ)上，再利用中國逐日雪深模擬預(yù)估數(shù)據(jù)集和NEX-GDDP數(shù)據(jù)集對青藏高原區(qū)域內(nèi)的雪災(zāi)危險性指數(shù)進行識別。

1.2.3 牲畜空間暴露量網(wǎng)格化方法

牲畜暴露量是指在孕災(zāi)環(huán)境中可能受雪災(zāi)影響并產(chǎn)生損失的牲畜數(shù)量及其空間分布。在以往自然災(zāi)害損失評估中，承載體的空間展布大多是以行政單元進行，認為承載體在行政區(qū)內(nèi)是均勻分布，而忽略了一些因素下的承載體分布的不勻承性，如本次研究牲畜數(shù)量單位網(wǎng)格數(shù)量多少與各個縣的草地面積以及各個網(wǎng)格產(chǎn)草量有著密切的關(guān)系，因此本次研究利用GIS技術(shù)，以柵格數(shù)據(jù)形式將牲畜的空間分布進行展示。為了與危險度網(wǎng)格單元一致，同樣選擇0.25°×0.25°網(wǎng)格單元。具體過程如下。

實際的牲畜空間分布：

(6)

式中：ADs為縣域內(nèi)所包含的某一柵格單元內(nèi)的牲畜數(shù)量；GW柵格單元內(nèi)產(chǎn)草量；SGW為縣域內(nèi)所有柵格單元總產(chǎn)草量；SAD為此縣牲畜實際擁有總數(shù)量。

“以草定畜”牲畜空間分布：

(7)

TLADs=TSADs×scale。

(8)

式中：TSADs為某一柵格單元內(nèi)羊的承載數(shù)量；GW為柵格單元內(nèi)產(chǎn)草量；scale為此縣牛和羊數(shù)量的比值；TLADs大型牲畜數(shù)量。其中羊的食草量為1.38 kg/d，大型牲畜食草量為4.5 kg/d，1年總天數(shù)為365 d，草地利用率為0.46[20]。

1.2.4 草原雪災(zāi)牲畜損失率曲線建立

脆弱性是指一定致災(zāi)因子強度下，承載體可能遭受損失的程度。而在青藏高原區(qū)域內(nèi)不同雪災(zāi)發(fā)生地牲畜總數(shù)量、人口、社會經(jīng)濟發(fā)展水平不一，如若用絕對牲畜受雪災(zāi)損失數(shù)量來評估雪災(zāi)，其結(jié)果必定不能夠真實的情況，因此此次研究選擇相對損失指標“損失率”來構(gòu)建雪災(zāi)的損失曲線。其具體過程如下：

(9)

式中：DR為牲畜死亡率；DsAn為草原雪災(zāi)牲畜損失數(shù)量；Aan為當年牲畜總數(shù)。

在統(tǒng)計歷史時期不同雪災(zāi)發(fā)生情況下牲畜死亡率同時，在根據(jù)危險性計算公式(1)，計算出發(fā)生雪災(zāi)時期的雪災(zāi)危險性指數(shù)，然后建立雪災(zāi)危險性程度和牲畜的死亡率的相關(guān)系曲線。

DR=f(H)。

(10)

式中：DR為雪災(zāi)期間牲畜損失率；H為發(fā)生雪災(zāi)期間雪災(zāi)危險性指數(shù)；f為相關(guān)函數(shù)。

1.2.5 青藏高原牧區(qū)雪災(zāi)定量預(yù)估方法

研究方法采用了2004年聯(lián)合國開發(fā)計劃署(UNDP)提出的風(fēng)險研究方法，對未來兩個時期(2016—2035年和2046—2065年)，兩種氣候情景(RCP4.5和RCP8.5)下牲畜受雪災(zāi)風(fēng)險進行預(yù)估。具體表達如下：

風(fēng)險=危險性×暴露度×脆弱性。

(11)

1.3 技術(shù)路線

牧區(qū)雪災(zāi)從形成機理角度來看，主要分為雪災(zāi)危險性(即積雪深度、積雪持續(xù)時間以及降雪時段內(nèi)溫度等多因子綜合形成的致災(zāi)因子危險性)、牧區(qū)牲畜暴露度(即承災(zāi)體在時間和空間可能與致災(zāi)因子的接觸、重合量)和脆弱性(即牧區(qū)牲畜雪災(zāi)的脆弱性曲線，不同致災(zāi)因子強度對承災(zāi)體作用造成損失的相關(guān)曲線)三個部分。其中牧區(qū)雪災(zāi)危險性指危險性事件發(fā)生規(guī)模、程度及其可能性，然而雪災(zāi)危險性是多因子綜合而成，相比于單因子災(zāi)害識別難度較大，例如：地震是單因子災(zāi)害，可直接利用地震釋放能量大小量化地震危險性大小(地震等級)，雪災(zāi)作為多因子氣象災(zāi)害，牧區(qū)雪災(zāi)危險不能僅根據(jù)積雪深度或者積雪時長來定義雪災(zāi)危險性強度，危險性識別應(yīng)該考慮多種氣象因子影響；牧區(qū)牲畜雪災(zāi)暴露度則是指在承載體在可能發(fā)生雪災(zāi)危險性區(qū)域內(nèi)的暴露量以及空間分布(青藏高原范圍內(nèi)都有發(fā)生雪災(zāi)危險可能，因而本文以整個青藏高原內(nèi)牲畜暴露量作為研究對象)；牧區(qū)牲畜雪災(zāi)脆弱性是指一定雪災(zāi)危險強度下，青藏高原內(nèi)某一區(qū)域牲畜可能遭受損失的多少。在總結(jié)前人研究基礎(chǔ)上，結(jié)合青藏高原牧區(qū)雪災(zāi)實際情況，確定了本文研究的研究方案(圖1)。

表1 不同氣象因子對牧區(qū)雪災(zāi)危險性的重要程度對比矩陣

2 結(jié)果分析

2.1 中國逐日雪深模擬預(yù)估數(shù)據(jù)對青藏高原降雪模擬能力評估結(jié)果

在青藏高原范圍內(nèi)，遙感模擬雪深與站點實測的均方根誤差遠大于模式模擬的雪深與站點實測的均方根誤差，就相關(guān)系數(shù)而言，CESM1-BGC模式模擬的積雪深度數(shù)據(jù)與站點實測值的相關(guān)性系數(shù)大小接近于遙感模擬雪深的數(shù)據(jù)與站點實測值的相關(guān)系數(shù)，整體來說CESM1-BGC模式模擬的積雪深度數(shù)據(jù)最接近于站點積雪深度觀測值(表2和圖2)。

為了驗證用ESM1-BGC模式模擬的雪深數(shù)據(jù)與站點實測數(shù)據(jù)、微波模擬的雪深數(shù)據(jù)空間差異，為此基于站點點位對三種雪深數(shù)據(jù)的年累積積雪時間和年累計積雪深度進行統(tǒng)計并進行空間比較，結(jié)果顯示(圖3):無論是累積積雪天數(shù)，還是累積積雪深度，在青藏高原中部、南部、北部以及東部邊緣區(qū)域此次模擬結(jié)果比遙感模擬的結(jié)果更加接近于站點實測值，而在青藏高原西部以及西南區(qū)域，此次模擬的逐日雪深數(shù)據(jù)與站點觀測結(jié)果差異比較大，整體看ESM1-BGC模式模擬的雪深數(shù)據(jù)更接近于站點實測數(shù)據(jù)。為了進一步明晰ESM1-BGC模式模擬的日雪深數(shù)據(jù)分布合理性，統(tǒng)計了概率密度函數(shù)，統(tǒng)計結(jié)果顯示：CESM1-BGC模式模擬的逐日雪深概率密度函和遙感模擬的逐日雪深概率密度函相比較，CESM1-BGC模式模擬的逐日雪深概率密度函分布更接近于站點實測值(圖4)。

圖1 研究思路與技術(shù)路線圖

圖2 幾種雪深數(shù)據(jù)年累積積雪深度比較

表2 青藏高原地區(qū)21個模式下模擬積雪深度數(shù)據(jù)和站點積雪深度的比較

圖3 青藏高原區(qū)域基于站點點位三種逐日雪深數(shù)據(jù)空間差異比較(審圖號：GS(2016)1552號，底圖無修改，下同)

圖4 青藏高原區(qū)域內(nèi)全部氣象站點點位逐日雪深數(shù)據(jù)概率密度函數(shù)

圖5 青藏高原區(qū)域內(nèi)雪災(zāi)危險性指數(shù)時空分布

表3 青藏高原區(qū)雪災(zāi)危險性指數(shù)統(tǒng)計結(jié)果

圖6 牲畜空間暴露量分布圖

2.2 雪災(zāi)危險性分析

利用公式(1),運用CESM1-BGC模式下逐日雪深數(shù)據(jù)對雪災(zāi)危險性進行識別，結(jié)果顯示從空間分布來看，雪災(zāi)危險性指數(shù)較高的區(qū)域主要分布在藏北高原、岡底斯山脈沿線、昆侖山脈西段沿線、祁連山脈沿線、三江源區(qū)域和橫斷山脈區(qū)域(圖5)。危險指數(shù)強度均值來看，相比較于歷史時期，RCP4.5情景下，未來遠期雪災(zāi)危險性呈現(xiàn)出增加趨勢，其余情況下則減弱；發(fā)生雪災(zāi)危險性區(qū)域面積占比變化來看，相比于歷史時期，RCP4.5情景下未來近期、未來遠期和RCP8.5情景下未來近期、未來遠期發(fā)生雪災(zāi)危險性的范圍減少6%、11%、6%和14%，縮減區(qū)域處于青藏高原中部和祁連山地區(qū)。在未來RCP8.5情景下，發(fā)生雪災(zāi)危險性區(qū)域面積占比減少都比較明顯，但是發(fā)生區(qū)的雪災(zāi)危險度強度減弱并不明顯，有的時段甚至可能增強(圖5和表3)。

2.3 牲畜空間暴露量分布

根據(jù)青藏高原草地生產(chǎn)力空間分布不均勻，對牲畜數(shù)量進行空間網(wǎng)格化展布，結(jié)果(圖6和表4)顯示： 1986—2005年實際牲畜量遠高于2000年草原可載畜量。說明2000年前后，青藏高原牧區(qū)處于嚴重的超載狀態(tài)，從空間分布來看，超載區(qū)域主要分布于以拉薩市為中心的周邊區(qū)域、以西寧為中心周邊區(qū)域以及橫斷山脈區(qū)域。2017年草原可載畜量相比于2000年增加11%，其原因是青藏高原2017年牧草產(chǎn)量增加的原因。

表4 三種情況青藏高原下牲畜空間年總暴露量(萬只)

2.4 牲畜損失率和雪災(zāi)危險性指數(shù)之間關(guān)系

青藏高原牧區(qū)牲畜雪災(zāi)損失定量研究關(guān)鍵是明晰雪災(zāi)危險性強弱和牧區(qū)牲畜死亡量多少之間的定量關(guān)系，通過災(zāi)害大典記錄的雪災(zāi)造成牲畜死亡量、雪災(zāi)發(fā)生時間、雪災(zāi)發(fā)生地牲畜暴露量、雪災(zāi)發(fā)生時氣溫、雪災(zāi)發(fā)生時積雪持續(xù)時長和最大積雪深度數(shù)據(jù)，首先利用公式(1)計算出雪災(zāi)發(fā)生時的危險性指數(shù)，然后計算出此雪災(zāi)造成牲畜死亡率，最后以雪災(zāi)危險性指數(shù)作為自變量，雪災(zāi)造成牲畜死亡率作為因變量，構(gòu)建青藏高原牧區(qū)牲畜在不同雪災(zāi)危險性強度下的損失率曲線。擬合結(jié)果如(圖7)所示。

圖7 青藏高原牲畜損失率曲線

曲線方程如公式(12)所示，該方程相關(guān)性為0.568 9，表明可以用該損失率曲線對不同雪災(zāi)危險指數(shù)下的損失率估算。

y=0.000 04x1.891 9。

(12)

2.5 青藏高原牲畜受雪災(zāi)影響年均死亡量預(yù)估結(jié)果

雪災(zāi)風(fēng)險預(yù)估所用數(shù)據(jù)來自于此次研究所得的雪災(zāi)危險時空分布數(shù)據(jù)、牲畜空間分布數(shù)據(jù)和牲畜草原雪災(zāi)損失率三類。其中牲畜空間分布數(shù)據(jù)則選用了“以草定畜”牲畜空間分布數(shù)據(jù)，這是由于本次研究更多側(cè)重于自然狀況下牲畜受雪災(zāi)損失，但實際牲畜空間分布數(shù)量遠遠高于“以草定畜”牲畜數(shù)量，而牲畜超載量較大區(qū)域主要分布于農(nóng)牧交錯區(qū)域，經(jīng)過文獻查閱[16]以及現(xiàn)場調(diào)研，發(fā)現(xiàn)在農(nóng)牧交錯區(qū)域超載牲畜主要由于圈養(yǎng)牲畜量較大，往往雪災(zāi)對圈養(yǎng)牲畜影響并不大。因此2000年草原載畜量計算牲畜總量用來表示歷史時期青藏高原牲畜暴露量，2017年草原載畜量計算牲畜總量用作為未來青藏高原牲畜暴露量。

預(yù)估結(jié)果顯示：空間分布來看，牲畜死亡量的空間分布與雪災(zāi)危險性指數(shù)的空間分布有著相似性，死亡量較大區(qū)域也分布在藏北高原、岡底斯山脈沿線、昆侖山脈西段沿線、祁連山脈沿線、三江源區(qū)域和橫斷山脈區(qū)域(圖8)。就牲畜死亡量來看，在未來RCPs情景下，牲畜受雪災(zāi)影響年死亡量呈現(xiàn)出減少趨勢，減少量較多地區(qū)是青藏高原中部區(qū)域以及三江源區(qū)域。相比較與歷史時期，RCP4.5情景下未來近期、未來遠期和RCP8.5情景下未來近期、未來遠期牲畜受雪災(zāi)影響，牲畜年均損失量分別減少了10.2%、10.3%、28.3%和45.5%。綜合來看，未來RCP4.5和RCP8.5情景下，發(fā)生雪災(zāi)危險性區(qū)域面積占比變化與青藏高原牲畜受雪災(zāi)影響死亡量變化呈現(xiàn)出較強的一致性，因此可以得出未來青藏高原牲畜受雪災(zāi)死亡減少主要受到了發(fā)生雪災(zāi)危險性區(qū)域面積占比減少影響(表3、圖8和表5)。

2.6風(fēng)險預(yù)估結(jié)果不確定性分析

(1)雪災(zāi)危險性不確定性分析。在此次研究中，運用模式數(shù)據(jù)識別了青藏高原區(qū)域內(nèi)雪災(zāi)危險性，而模式數(shù)據(jù)本身就存在有一定的不確定性[21],因此,對用于識別雪災(zāi)危險度的逐日雪深數(shù)據(jù)進行驗證，既ESM1-BGC模式數(shù)據(jù)是否符合實際情況？

此次研究對雪災(zāi)危險性識別是基于NEX-GDDP數(shù)據(jù)集和中國逐日雪深模擬預(yù)估數(shù)據(jù)集，其中中國逐日雪深模擬預(yù)估數(shù)據(jù)集是以NEX-GDDP數(shù)據(jù)集為依托，利用人工神經(jīng)網(wǎng)絡(luò)模型模擬獲取，模型模擬過程中輸入變量為逐日降水數(shù)據(jù)、逐日最高氣溫和逐日最低氣溫，因此模擬雪深數(shù)據(jù)準確性很大程度上依賴于NEX-GDDP數(shù)據(jù)的準確性，為了研究青藏高原降雪量模擬的不確定性，統(tǒng)計了青藏高原區(qū)域內(nèi)CESM1-BGC模式模擬的降雪時期內(nèi)降水量年均值，然后與實際降水量進行比較(青藏高原降雪時段主要為冬春兩季)(圖9和圖10)，結(jié)果顯示：青藏高原西部和西南部模式模擬降水量值要遠遠高于站點實測降水值。因此在此區(qū)域模擬雪深誤差較大原因是由于NEX-GDDP數(shù)據(jù)中CESM1-BGC模式下對降雪時段內(nèi)降水誤差較大。此次NEX-GDDP數(shù)據(jù)對該區(qū)域降水的模擬準確度不夠，導(dǎo)致該區(qū)域內(nèi)逐日雪深模擬精度較低。因此這種模式數(shù)據(jù)本身存在不確定性很大程度上影響本次風(fēng)險預(yù)估結(jié)果的不確定性。隨著CMIP6數(shù)據(jù)的發(fā)布，LUN等[22]通過對比CMIP6模式和CMIP5模式對青藏高原模擬能力發(fā)現(xiàn)CMIP6模式具有較好的降水模擬能力。其次CMIP6包含最新的共享社會經(jīng)濟路徑與典型濃度路徑組合情景(Shared Socioeconomic Pathways and the Representative Concentration Pathways, SSP)融入了社會經(jīng)濟發(fā)展的影響,將提供更可靠的氣候變化可能結(jié)果。然而，目前CMIP6數(shù)據(jù)的模式分辨率較小且不同模式分辨率差異較大，增加數(shù)據(jù)利用難度。因此，隨著CMIP6數(shù)據(jù)分辨率提高、統(tǒng)一，以后青藏高原牧區(qū)雪災(zāi)風(fēng)險研究中利用CMIP6數(shù)據(jù)將提高預(yù)估精度。

(2)氣候變化可能對青藏高原牧區(qū)雪災(zāi)影響。青藏牧區(qū)雪災(zāi)形成過程是積雪過厚，牧草被大雪掩埋，靠牧草為生的家畜因吃不到草，凍餓而死。積雪的累積持續(xù)時間、最大降雪厚度以及積雪時期的氣溫將直接影響雪災(zāi)的嚴重程度，LEATHERS對積雪持續(xù)的時間進行了特征分析結(jié)果表明積雪持續(xù)的時間與降雪和溫度有著高度的相關(guān)性[24]。降雪量變化不大情況下溫度越高積雪累積持續(xù)時間越少。在全球變暖大背景下，IPCC第四次評估報告顯示1956—2005全球地表氣溫上升趨勢為0.13℃/10 a，而中國發(fā)布《第二次國家氣候被評估報告》顯示1951—2009年中國氣溫上升趨勢為0.23℃/10 a。相比于全球尺度和整個中國區(qū)域尺度，青藏高原作為氣候變化敏感區(qū)域，1960—2010年氣溫上升趨勢為0.37℃/10 a[25]，明顯高于全球尺度和中國區(qū)域尺度氣溫上升，同時也有研究表明北半球積雪區(qū)內(nèi)，青藏高原積雪范圍減少最為顯著[26]，綜合以上幾點，青藏高原積雪持續(xù)時間和積雪范圍減少明顯，積雪期氣溫升高，因此區(qū)域內(nèi)雪災(zāi)發(fā)生的危險性降低。在未來，特別是RCP8.5情景下，發(fā)生雪災(zāi)危險性程度降低可能更加明顯。

圖8 青藏高原牲畜受雪災(zāi)影響死亡量空間分布

表5青藏高原牲畜受雪災(zāi)影響總的年均死亡量

圖9 青藏高原區(qū)域內(nèi)利用站點實測的春冬兩季多年年均降水量[23]

圖10 青藏高原區(qū)域內(nèi)CESM1-BGC模式模擬的降雪時期內(nèi)降水量多年年均值

3 結(jié)論

此次研究選取了歷史基準時段(1986—2005年)、未來近期(2016—2035年)和未來遠期(2046—2065年)三個時段，RCP4.5和RCP8.5兩種氣候情景，分別對青藏高原牧區(qū)雪災(zāi)危險、牲畜空間暴露量、牲畜的脆弱性以及青藏高原牲畜損失量進行研究，研究結(jié)果表明：

(1)青藏高原區(qū)域內(nèi)，所有模擬雪深數(shù)據(jù)模式中，CESM1-BGC模式下模擬的青藏高原雪深精度最高，文章中選擇CESM1-BGC模式模擬的逐日雪深數(shù)據(jù)用來識別雪深危險性?？傮w來說，相比較于歷史時期，在未來RCP4.5和RCP8.5情景下，青藏高原發(fā)生雪災(zāi)危險性的區(qū)域縮小，RCP4.5情景下未來近期、未來遠期和RCP8.5情景下未來近期、未來遠期發(fā)生雪災(zāi)危險性的范圍較少6%、11%、6%和14%；但是發(fā)生區(qū)的雪災(zāi)危險強度有的時段可能增強;空間分布來看，危險性指數(shù)較高的區(qū)域主要分布在藏北高原、岡底斯山脈沿線、昆侖山脈西段沿線、祁連山脈沿線、三江源區(qū)域和橫斷山脈山脈區(qū)域。

(2)利用“以草定畜”，計算結(jié)果顯示2017年青藏牧區(qū)草地載畜量相比較2000年載畜量增加11%，在未來有可能青藏高原載畜量將近一步增加。實際的牲畜與用“以草定畜”的牲畜比較來看，青藏高原區(qū)域內(nèi)實際牲畜保有量遠遠超出了青藏高原載畜量，從空間分布來看，超載區(qū)域主要分布于以拉薩和西寧為中心周邊區(qū)域以及橫斷山脈區(qū)域。

(3)從空間分布來看牲畜死亡量較大區(qū)域與雪災(zāi)危險性指數(shù)較高的區(qū)域有著相似性，主要也分布在藏北高原、岡底斯山脈沿線、昆侖山脈西段沿線、祁連山脈沿線、三江源區(qū)域和橫斷山脈區(qū)域。相比較歷史時期，RCP4.5情景下未來近期、未來遠期和RCP8.5情景下未來近期、未來遠期牲畜受雪災(zāi)損失量分別減少了10.2%、10.3%、28.3%和45.5%，未來發(fā)生雪災(zāi)危險性面積減少是造成牲畜損失量減小主要原因，其中在RCP8.5情景下，損失最低。

此次研究針對自然狀況以及傳統(tǒng)雪災(zāi)防御措施下的牲畜受災(zāi)狀況，并未考慮雪災(zāi)防御和災(zāi)后救援能力提升，經(jīng)過多年發(fā)展，牧區(qū)雪災(zāi)風(fēng)險預(yù)估已經(jīng)取得了豐碩成果[3-12,27,28]，如：雪災(zāi)預(yù)警系統(tǒng)根據(jù)氣象數(shù)據(jù)對即將發(fā)生雪災(zāi)進行預(yù)報，雪災(zāi)救助區(qū)劃分更加合理，便于開展牧區(qū)雪災(zāi)救助。各種措施的實施，整體提升了對牧區(qū)雪災(zāi)的適應(yīng)能力。其次，青藏高原作為我國重要畜牧業(yè)基地，隨著牧草制度的發(fā)展，出現(xiàn)了牧草租借和流轉(zhuǎn)，這將進一步實現(xiàn)畜牧業(yè)規(guī)?；a(chǎn)，同時會有效推動牧區(qū)雪災(zāi)保險的普及。另外，隨著教育水平提升，牧業(yè)人口綜合素質(zhì)將得到全面提升，對雪災(zāi)的認識程度更加深刻?？傮w來說，未來牧區(qū)規(guī)劃更加合理、雪災(zāi)預(yù)告更加精確、雪災(zāi)救助手段更加科學(xué)、救助設(shè)備更加先進以及牧業(yè)從業(yè)人員更加專業(yè)，青藏高原牧區(qū)雪災(zāi)造成損失將進一步減少。