基于分時(shí)預(yù)估模型的海河流域干旱演變特征分析

韓冬梅，姜姍姍

(中水北方勘測(cè)設(shè)計(jì)研究有限責(zé)任公司，天津 300222)

在當(dāng)前全球氣候變化的大背景下，極端天氣事件如干旱、洪水和高溫事件在發(fā)生頻率、強(qiáng)度、范圍愈漸增加[1-2]。極端事件的發(fā)生及其變化必然對(duì)區(qū)域或流域水循環(huán)系統(tǒng)造成顯著影響，水資源短缺地區(qū)尤為敏感[3-4]。近年來(lái)，大氣環(huán)流模型(GCM)被廣泛用于全球氣候系統(tǒng)對(duì)溫室氣體增濃響應(yīng)模擬的研究，并且通過(guò)降尺度方法來(lái)解決分辨率粗糙導(dǎo)致的誤差問(wèn)題。研究表明，多模式集合的整體模擬效果明顯優(yōu)于單一模式[5-6]，但多模型集合因側(cè)重反映區(qū)域/流域的平均氣候特征，對(duì)極端氣候事件的模擬存在較大偏差與不確定性[7-8]。

根據(jù)區(qū)域氣候特征和時(shí)間尺度來(lái)選取有效的干旱指數(shù)成為準(zhǔn)確評(píng)估干旱變化的關(guān)鍵問(wèn)題。目前，國(guó)內(nèi)外學(xué)者基于對(duì)干旱的不同理解提出了一系列評(píng)估指標(biāo)[9-12]，如帕爾默干旱指數(shù)(Palmer Drought Severity Index,PDSI)、標(biāo)準(zhǔn)化降水蒸散指數(shù)(Standardized Precipitation Evapotranspiration Index,SPEI)、標(biāo)準(zhǔn)化降水指數(shù)(Standardized Precipitation Index,SPI)。其中PDSI指數(shù)被廣泛用于全球范圍內(nèi)長(zhǎng)期干旱變化的預(yù)測(cè)，缺點(diǎn)在于難以評(píng)估短期干旱情況，且指數(shù)計(jì)算參數(shù)較多，評(píng)價(jià)結(jié)果存在較大不確定性[13]；SPEI指數(shù)同時(shí)考慮了溫度、潛在蒸散發(fā)對(duì)干旱的影響，但計(jì)算潛在蒸散發(fā)涉及因素較多；SPI指數(shù)能夠反映多種時(shí)間尺度的旱澇變化，且僅考慮降水單一要素，參數(shù)易獲取、計(jì)算簡(jiǎn)便、穩(wěn)定性較好，廣泛用于揭示干旱半干旱地區(qū)的干濕特征變化[14]。

針對(duì)上述問(wèn)題與挑戰(zhàn)，本研究旨在提高GCMs產(chǎn)品對(duì)流域極端降水事件的模擬精度。通過(guò)評(píng)估CMIP5中的5種氣候模式在海河流域氣候變化的適用性，尤其對(duì)極端降水的模擬效果，采用5種氣候模式的回歸關(guān)系構(gòu)建流域分時(shí)預(yù)估模型，基于此進(jìn)而預(yù)測(cè)未來(lái)(2020—2050年)降水和干旱特征時(shí)空變化，以期為流域水利、農(nóng)業(yè)、氣象等部門(mén)在氣候變化減緩與適應(yīng)政策制定上提供科學(xué)依據(jù)。

1 研究區(qū)概況

海河流域(東經(jīng)112°～120°、北緯35°～43°)位于中國(guó)華北地區(qū)東北部，總面積3.18×105km2(圖1)。流域總體地勢(shì)呈“西北高、東南低”特點(diǎn)，土地覆被類(lèi)型主要為農(nóng)田、森林、草地和水體。流域氣候?qū)贉貛Т箨懶约撅L(fēng)區(qū)，年均氣溫1.5～14.0℃，年均降水量539 mm，相對(duì)濕度50%～70%，潛在蒸發(fā)量1 100 mm，具有明顯的半干旱、半濕潤(rùn)氣候特征。流域降水年際、年內(nèi)變化大，約73%～85%的降水發(fā)生在汛期6—9月。流域水系由北向南有海河、灤河、徒駭馬頰河三大水系構(gòu)成。近年來(lái)，受氣候變暖和人類(lèi)活動(dòng)雙重驅(qū)動(dòng)下，海河流域整體向干旱化趨勢(shì)演變，且存在顯著的季節(jié)性差異[15-16]。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來(lái)源及處理

2.1.1觀測(cè)資料

氣象數(shù)據(jù)來(lái)源于中國(guó)地面氣溫降水蒸發(fā)量月值0.5°×0.5°格點(diǎn)數(shù)據(jù)集(http://data.cma.cn/data)，序列長(zhǎng)度為1961—2000年，用于驗(yàn)證全球氣候模式在海河流域氣候變化的模擬能力。流域不同空間尺度上降水日值統(tǒng)計(jì)借助ACRGIS平臺(tái)獲取。

2.1.2氣候模式數(shù)據(jù)

本研究選用在中國(guó)區(qū)域適用相對(duì)較優(yōu)的GFDL-ESM2M、HADGEM2-ES、IPSL-CM5A-LR、MIROC-ESM-CHEM、NORESM1-M共5個(gè)氣候模式[17-19]，模擬數(shù)據(jù)來(lái)源于CMIP5階段提供的RCP4.5(Representative Concentration Pathway 4.5，即到2100年溫室氣體濃度對(duì)應(yīng)輻射強(qiáng)迫為4.5 W/m2)情景下的1961—2000年逐日降水輸出資料(https://esgf-node.llnl.gov/search/cmip5/)。各氣候模式信息見(jiàn)表1。

表1 5種氣候模式的基本信息

2.2 研究方法

2.2.1標(biāo)準(zhǔn)化降水指數(shù)

標(biāo)準(zhǔn)化降水指數(shù)(SPI)是一種無(wú)量綱氣象干旱指數(shù)，是通過(guò)建立月尺度降水的分布函數(shù)、標(biāo)準(zhǔn)正態(tài)化的正態(tài)分布模型來(lái)表征干旱程度[10]。關(guān)于SPI指數(shù)的計(jì)算過(guò)程，首先求出降水量Γ分布概率，進(jìn)而進(jìn)行正態(tài)標(biāo)準(zhǔn)化，表達(dá)式如下。

a)將某時(shí)段降水量假設(shè)為隨機(jī)變量x，其Γ分布的概率密度函數(shù)為：

(1)

(2)

式中β>0、γ>0為尺度、形狀參數(shù)，且β和γ采用極大似然法計(jì)算而得。

b)計(jì)算降水量p=0時(shí)的事件概率：

(3)

式中n——總樣本數(shù)；m——降水量p=0的樣本數(shù)。

c)將Γ分布概率正態(tài)標(biāo)準(zhǔn)化，即：

(4)

并對(duì)式(4)進(jìn)行近似求解：

(5)

SPI指數(shù)具有多時(shí)間尺度的特征，具有較強(qiáng)的時(shí)間靈活性，其中時(shí)間尺度為1個(gè)月可反映短期干旱變化情況、3個(gè)月則反映季節(jié)性干旱變化情況、12個(gè)月則反映年際干旱變化情況。SPI干旱等級(jí)標(biāo)準(zhǔn)劃分見(jiàn)表2[10-11]。本研究分別采用SPI-1、SPI-12對(duì)流域月尺度和年尺度干旱特征進(jìn)行分析。

表2 基于SPI的干旱等級(jí)劃分

2.2.2基于多元回歸模型的分時(shí)模擬

基于多元線(xiàn)性回歸分析理論與方法，選取適宜區(qū)域/流域尺度為研究單元，分別對(duì)各氣候模式模擬的降水系列與實(shí)測(cè)系列進(jìn)行相關(guān)性分析，結(jié)合MATLAB平臺(tái)，建立以區(qū)域/流域?yàn)榭臻g尺度、以月/年為時(shí)間尺度的實(shí)測(cè)系列與氣候模式模擬系列的多元回歸方程，通過(guò)確定月/年尺度上各氣候模式模擬值與實(shí)測(cè)值間的回歸系數(shù)，構(gòu)建多元線(xiàn)性回歸模型。公式如下：

Y=a+b1x1+b2x2+…+bkxk

(6)

需要指出，由于各自變量量綱問(wèn)題，將因變量進(jìn)行標(biāo)準(zhǔn)化后再進(jìn)行回歸，各回歸系數(shù)表征相應(yīng)自變量的影響/控制程度。標(biāo)準(zhǔn)回歸方程公式如下：

(7)

根據(jù)上述多元回歸模型構(gòu)建理論與方法，本文以水資源二級(jí)區(qū)為研究單元，分別對(duì)5種氣候模式模擬平均降水與實(shí)測(cè)系列進(jìn)行相關(guān)性分析，基于此建立月尺度上(1—12月)各水資源二級(jí)區(qū)逐月降水實(shí)測(cè)系列與5種氣候模式模擬系列的回歸方程，確定逐月各模式模擬值與實(shí)測(cè)值間回歸系數(shù)，最終提出分時(shí)預(yù)估模型。

3 結(jié)果與討論

3.1 氣候模式的適用性評(píng)價(jià)

各模式在流域降水年際變化、多年平均降水的模擬效果見(jiàn)圖2、表3。結(jié)果顯示，單一氣候模式與多模式集合平均能夠較好描述流域多年平均降水的變化特征，模擬結(jié)果與實(shí)測(cè)值間相對(duì)誤差RE<5%；對(duì)于年際變化，模擬結(jié)果未能較好地揭示實(shí)測(cè)降水變化過(guò)程，且觀測(cè)系列有明顯下降趨勢(shì)，僅有GFDL-ESM2M、HadGEM2-ES和IPSL-CM5A-LR顯示相同的趨勢(shì)，但變化幅度差異較大；多模式集合平均模擬的降水變化，其波動(dòng)程度明顯低于實(shí)測(cè)分析結(jié)果，且在大部分年份出現(xiàn)極值坦化現(xiàn)象，因此采用單一模式或多模式集合平均在描述極端氣候變化上存在較大不確定性。

表3 基于5種氣候模式模擬的流域及水資源二級(jí)區(qū)多年平均降水 單位：mm

圖3為各氣候模式對(duì)流域降水空間分布的模擬情況，顯示氣候模式能夠較好反映流域降水由西北向東南遞增的分布特征。從不同年均降水覆蓋范圍來(lái)看，各模式在流域西部模擬結(jié)果較實(shí)測(cè)值高，表現(xiàn)為各模式模擬的年均降水小于400 mm的覆蓋面積較實(shí)測(cè)偏?。欢髂Ｊ皆诹饔驏|部模擬的年均降水較實(shí)測(cè)結(jié)果偏高，表現(xiàn)為各模式模擬的年均降水500～700 m的覆蓋面積較實(shí)測(cè)范圍小。

3.2 分時(shí)預(yù)估模型構(gòu)建及效果評(píng)價(jià)

3.2.1分時(shí)預(yù)估模型構(gòu)建

根據(jù)分時(shí)預(yù)估模型構(gòu)建的原理及方法，分別對(duì)5種氣候模式模擬的年均降水系列與實(shí)測(cè)系列進(jìn)行相關(guān)性分析，結(jié)果見(jiàn)表4。各氣候模式逐月降水模擬系列與實(shí)測(cè)結(jié)果的相關(guān)關(guān)系均在0.7～0.9，且具有顯著相關(guān)性(p<0.05)。從水資源二級(jí)區(qū)來(lái)看，灤河及冀東沿海地區(qū)氣候模式模擬系列與實(shí)測(cè)系列的相關(guān)性整體優(yōu)先其他水資源分區(qū)，表現(xiàn)為各氣候模式與實(shí)測(cè)降水間的相關(guān)系數(shù)平均0.8；而對(duì)于徒駭馬頰河地區(qū)，5種氣候模式模擬結(jié)果與實(shí)測(cè)系列的相關(guān)系數(shù)平均0.7，較其他地區(qū)相關(guān)性整體略弱，結(jié)果與前人研究結(jié)論相一致[20]。

水資源二級(jí)區(qū)GFDL-ESM2MHADGEM-2ESIPSL-CM5A-LRMIROC-ESM-CHEMNORESM1-M灤河及冀東沿海0.810.770.810.770.83海河北系0.790.790.780.780.82海河南系0.750.730.730.740.79徒駭馬頰河0.730.680.670.700.79

3.2.2分時(shí)預(yù)估模型的模擬能力評(píng)估

通過(guò)將5種氣候模式逐月降水?dāng)?shù)據(jù)輸入構(gòu)建的分時(shí)預(yù)估模型，計(jì)算流域各水資源二級(jí)區(qū)的逐月降水量，再與實(shí)測(cè)同期月尺度降水量進(jìn)行對(duì)比，進(jìn)而評(píng)估模型在流域降水過(guò)程的模擬能力。通過(guò)對(duì)比圖2、4結(jié)果可知，采用分時(shí)預(yù)估模型模擬的降水序列與實(shí)測(cè)系列在年際尺度上的擬合效果整體優(yōu)于單一模型和多模式集合平均，且對(duì)降水波動(dòng)變化、極端降水的模擬能力顯著提高。

表5統(tǒng)計(jì)了基于分時(shí)預(yù)估模型模擬的流域各分區(qū)多年平均降水及其變化趨勢(shì)，基于分時(shí)預(yù)估模型模擬的結(jié)果整體較單一模式和多模式集合平均的模擬結(jié)果更接近實(shí)測(cè)變化過(guò)程。與表3對(duì)比可知，基于分時(shí)預(yù)估模型的模擬效果較單一模式和多模式集合平均效果的相對(duì)誤差有所減小，以灤河及冀東沿海、海河北系地區(qū)誤差減小最為明顯。綜上，構(gòu)建的分時(shí)預(yù)估模型對(duì)海河流域及其各分區(qū)降水變化的模擬能力相對(duì)較好，顯著提高了對(duì)流域極端降水變化的模擬效果。

表5 基于分時(shí)預(yù)估模型的多年平均降水模擬與實(shí)測(cè)結(jié)果對(duì)比

3.3 流域未來(lái)干旱時(shí)空演變趨勢(shì)

將5種氣候模式在RCP2.6排放情景下的2020—2050年逐日降水資料輸入構(gòu)建的分時(shí)預(yù)估模型，利用ARCGIS平臺(tái)，統(tǒng)計(jì)得到以水資源二級(jí)區(qū)為統(tǒng)計(jì)單元的未來(lái)逐月降水預(yù)估數(shù)據(jù)，進(jìn)而分析計(jì)算未來(lái)全流域及各分區(qū)的SPI變化特征，揭示流域未來(lái)干旱時(shí)空演變規(guī)律。

從未來(lái)SPI值時(shí)間變化來(lái)看(圖5)，未來(lái)全流域SPI呈顯著上升趨勢(shì)(slope=0.20/10a，p<0.01)，表明流域干旱程度有所減弱，整體趨于濕潤(rùn)化。結(jié)合表6結(jié)果，各水資源二級(jí)區(qū)SPI均呈顯著升高趨勢(shì)(p<0.01)，其中灤河及冀東沿海地區(qū)(slope=0.11/10a)屬流域干旱高發(fā)區(qū)，年尺度干旱發(fā)生9次，且以中旱發(fā)生為主；海河北系(slope=0.09/10a)干旱發(fā)生頻次相對(duì)較少(年尺度干旱發(fā)生6次)，且多發(fā)于2030年以后；海河南系(slope=0.27/10a)2030年后干旱發(fā)生頻率較高，且以重旱為主；徒駭馬頰河地區(qū)(slope=0.05/10a)的干旱發(fā)生頻率為8次，僅次于灤河及冀東沿海地區(qū)，且以中旱、重旱發(fā)生為主。

考慮各分區(qū)的地理位置，未來(lái)流域年尺度干旱發(fā)生頻次呈由西南向東北遞增的趨勢(shì)，其中中等及以上程度的干旱多發(fā)于流域東部等地(灤河及冀東沿海、徒駭馬頰河地區(qū))；月尺度干旱發(fā)生頻率呈由南向北遞增特征，其中中旱發(fā)生頻率與其分布相一致，重旱則表現(xiàn)為流域東部的發(fā)生頻次高于西部等地。

分區(qū)年尺度中旱重旱極旱小計(jì)灤河及冀東沿海7209海河北系3216海河南系4206徒駭馬頰河5308分區(qū)月尺度中旱重旱極旱小計(jì)灤河及冀東沿海5519781海河北系4914972海河南系51111375徒駭馬頰河3827671

3.4 不確定性分析

基于CMIP5氣候模式模擬能力的評(píng)估，構(gòu)建了分時(shí)預(yù)估模型，并對(duì)海河流域未來(lái)干旱變化特征進(jìn)行預(yù)估。從前人研究成果[18,20-21]可知，利用全球氣候模式對(duì)流域/區(qū)域氣候水文進(jìn)行模擬與預(yù)估，主要存在以下幾點(diǎn)不確定性：一是各氣候模式在氣候強(qiáng)迫背景、模式分辨率以及計(jì)算原理等方面均存在差異，因此無(wú)論是單一氣候模式還是多模式集合模擬都存在一定程度的不確定性；二是大部分氣候模式對(duì)降水的模擬能力往往較對(duì)氣溫模擬的不確定性更大，其中對(duì)極端氣候事件的模擬尤為顯著；三是全球氣候模式的空間分辨率普遍較低，對(duì)小尺度流域的氣候模擬效果不佳。本研究基于5種在中國(guó)流域適用性較好的全球氣候模式日降水資料，與同期實(shí)測(cè)數(shù)據(jù)建立逐月多元回歸方程，提出海河流域分時(shí)預(yù)估模型。從模擬結(jié)果的對(duì)比分析來(lái)看，該模型彌補(bǔ)了單一氣候模式和多模式集合平均對(duì)年均降水和極端降水模擬能力的不足，較大程度減少模擬誤差，從而有效地降低了流域干旱預(yù)估成果的不確定性。

4 結(jié)論

本研究旨在提高流域極端氣候變化預(yù)測(cè)的精度，通過(guò)全球氣候模式數(shù)據(jù)及觀測(cè)數(shù)據(jù)構(gòu)建分時(shí)預(yù)估模型，進(jìn)而預(yù)測(cè)未來(lái)海河流域干旱時(shí)空演變特征。研究得出以下結(jié)論。

a)采用CMIP5中5種氣候模式及其集合平均無(wú)法準(zhǔn)確捕捉海河流域年降水變化過(guò)程，尤其對(duì)極端降水的模擬出現(xiàn)坦化現(xiàn)象，因此單一氣候模式和多模式集合平均在流域極端氣候變化模擬上存在較大不確定性。

b)以流域水資源二級(jí)區(qū)為研究單元，通過(guò)擬合逐月降水實(shí)測(cè)系列與5種氣候模式同期模擬系列的回歸關(guān)系來(lái)構(gòu)建分時(shí)預(yù)估模型。對(duì)分時(shí)預(yù)估模型模擬能力的檢驗(yàn)表明，該模型總體上能夠很好地再現(xiàn)流域平均降水的變化特征，尤其對(duì)極端降水事件的模擬能力顯著提升。

c)分時(shí)預(yù)估模型預(yù)估未來(lái)(2020—2050年)海河流域整體干旱程度有所減弱，趨于濕潤(rùn)化；未來(lái)流域干旱事件中以中旱發(fā)生為主，但2030年后重旱發(fā)生頻次有所增加；空間上，位于流域東部的灤河及冀東沿海、徒駭馬頰河地區(qū)屬流域中旱、重旱高發(fā)區(qū)。