劉衛(wèi)林，朱圣男，劉麗娜，萬一帆，黃一鵬

(南昌工程學院江西省水工程安全與資源高效利用工程研究中心，江西南昌330099)

0 引 言

氣候變化對水文水資源的影響，是目前水文學和氣象學家研究的一個熱點問題[1- 2]。評價氣候變化對水文水資源的影響多采用氣候模式(GCMs)，然而由于GCM分辨率一般較粗，對研究精度有影響[3- 4]。因此，應用GCM的情景預測結果評估氣候變化的影響時通常需要對GCM 的計算結果進行降尺度。統(tǒng)計降尺度方法是利用長系列的觀測資料，通過氣候統(tǒng)計法建立大尺度氣候因子與局地氣候要素之間的關系來實現(xiàn)尺度轉換。統(tǒng)計降尺度法由于計算量相對較小、模型易于構建和簡單靈活等特點，在國內外氣候影響評價中得到了廣泛的應用[5- 7]。SDSM是一種耦合了多元回歸與天氣發(fā)生器的統(tǒng)計降尺度方法，具有實用性、交互性強、簡單易行的特點，目前被廣泛應用于區(qū)域氣候變化預測研究中[4，8- 9]。

贛江地處長江中下游右岸，是鄱陽湖水系中的第一大河流，也是長江八大支流之一。近年來，受氣候變化和人類活動的影響，贛江中下游流域枯水期頻發(fā)缺水問題，流域水資源安全面臨嚴峻挑戰(zhàn)[10]。因此，開展贛江流域氣候變化研究，對區(qū)域水資源的可持續(xù)利用、水利工程安全高效運行管理、保證經濟社會穩(wěn)定發(fā)展具有重要意義?；诖?，本文應用統(tǒng)計降尺度模型，對國際耦合模式比較計劃第5 階段發(fā)布( coupled model intercomparison project phase 5，CMIP5) 的RCP4.5排放情景下的贛江流域日平均氣溫、最高氣溫、最低氣溫和日平均降雨量進行降尺度，建立歷史時期(1961年～2005年) 和未來時期(2006年～2099年) 的氣候降尺度數據，分析未來時期贛江流域氣溫和降水的變化趨勢，為贛江流域氣候變化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。

1 數據來源與研究方法

1.1 數據來源

贛江流域地處東經113°30′～116°40′，北緯24°29′～29°11′之間；流域面積 82 809 km2，約占全省總面積的50%；主河道長823 km。整個流域地處亞熱帶濕潤季風氣候區(qū)，氣候溫和，雨量充沛，流域內多年平均降水量在1 400～1 800 mm之間，但降水量年內分配極不均勻，4月～6月多年平均降水量占全年降水的41%～51%。本研究使用的數據主要包括：

(1)氣象站點實測數據。本研究所用氣象資料為中國氣象共享網(http://data.cma.cn)的贛江流域6個氣象站點1961年～2005年日降水、最高氣溫、最低氣溫及平均氣溫等系列氣象數據。

(2)CMIP5模式數據。本研究采用加拿大環(huán)境與氣候變化網(https://www.canada.ca/en.html)CanESM2模式的1961年～2100年RCP4.5氣候情景下的逐日數據序列，其空間分辨率為2.81°×2.79°，共有128×64個網格，對應于贛江流域選擇了6個經緯網格。

(3)NCEP再分析資料數據。待選擇的大尺度大氣變量采用美國預報中心(NCEP)的全球再分析日資料，共有26個大氣環(huán)流因子，其分辨率為2.5°×2.5°。為了與CanESM2模式數據分辨率一致，將NCEP的輸出重采樣為2.81°×2.79°，每個網格有26個氣象因子。贛江流域氣象站點及網格位置圖略。

1.2 統(tǒng)計降尺度方法

SDSM是一種融合了天氣發(fā)生器和多元線性回歸技術的降尺度方法。其重要環(huán)節(jié)主要包括：①篩選出合適的降尺度預報因子(大尺度大氣環(huán)流因子)。預報因子的選擇在遵循四個標準的基礎上[9]，利用NCEP 與實測數據通過季節(jié)相關分析、偏相關分析和散點圖等進行確定。②建立降尺度模型。預報因子確定后，利用統(tǒng)計方法建立預報因子與預報量(站點氣象要素)間的統(tǒng)計關系，確定模型參數。③未來氣象要素預估。利用建立好的模型，由GCM輸出的未來氣候情景預估小尺度或站點未來逐日氣象信息。其基本原理為

(1)

式中，wt為第t天發(fā)生降水的概率；α、β為模型參數；utj為標準化后的預報因子；et為誤差。若wt大于日降水概率，則降水量模擬為

yt=φ-1[F(pt)]

(2)

式中，φ為正態(tài)累計分布函數；F為日降水量pt的經驗分布函數。

溫度計算為

(3)

式中，γ為模型參數；Tt是溫度變量。

2 結果與分析

2.1 SDSM統(tǒng)計降尺度模擬結果與分析

利用贛江流域6個氣象站的實測降水、氣溫數據及NCEP大尺度氣候因子，基于SDSM 模型中的季節(jié)相關分析、偏相關分析和散點圖篩選降水、最高氣溫、最低氣溫及平均氣溫預報因子，建立贛江流域6個氣象站日氣溫、降水統(tǒng)計降尺度模型。以1961年～1990年作為模型率定期對模型進行率定，1991年～2005 年作為驗證期對模型進行驗證。以統(tǒng)計特征值確定系數R2檢驗SDSM模型在率定期和驗證期的模擬效果(見表1)。

由表1可知，SDSM模型在率定期和驗證期模擬贛江流域6個氣象站點氣溫時的效果均非常好。其中，平均氣溫、最低氣溫的確定系數在0.99以上；最高氣溫的確定系數稍小，但也在0.97以上。與氣溫相比，降水量的模擬效果較差，SDSM模型在率定期對贛江流域降水模擬的確定系數為0.679～0.769，驗證期其確定系數介于0.565～0.600。由此可見，SDSM模型對贛江流域的降水、最高氣溫、最低氣溫及平均氣溫的模擬過程中，贛江流域氣溫的模擬效果整體上要優(yōu)于降水的模擬效果，對降水量的模擬存在一定誤差。這主要由于降水物理機制復雜，難以用簡單的統(tǒng)計關系來模擬，所以不能很好地模擬站點降水。統(tǒng)計降尺度的方法很多，SDSM模型也被我國的專家學者應用于很多流域[9，11- 12]，與其他學者應用結果比較可知本文的結果的率定、模擬較好。為進一步檢驗模型的效果，對驗證期降水量和氣溫的模擬值與實測值的月平均序列進行了對比(圖略)。從對比圖可以看出，驗證期內贛江流域月平均日最高氣溫、最低氣溫和平均氣溫的實測值與模擬值擬合的較好；相對氣溫而言月平均降雨量的結果略差，但整體擬合程度也較好。以上結果說明，用SDSM模型來預測流域未來氣溫、降水的變化是可行的。

表1 SDSM模型率定期與驗證期的確定系數R2

2.2 未來氣候氣溫與降水變化

通過上節(jié)已建立好的各站降水、氣溫統(tǒng)計關系，根據CanESM2模式的RCP4.5情景下輸出的預報因子，預測各站未來降水、氣溫，同時選取1961年～2005年為基準期，對未來2006年～2035年、2036年～2065年、2066年～2100年 3個時期降水、氣溫的時空變化規(guī)律進行分析。

2.2.1降水預估及分析

利用建立好的SDSM模型對贛江流域未來降水進行預估，結果如圖1所示。

圖1 贛江流域未來降水量變化

由圖1可知，與基準期相比，贛江流域未來降水均呈增加的趨勢，且在2006年～2035年、2066年～2100年期間，年降水的增加幅度逐漸加大，降水最多的時期則出現(xiàn)在2066年～2100年間，降水量為1 827 mm。未來各時期月降水變化較一致，5月～10月降水量均呈現(xiàn)下降趨勢，1月～4月、11月、12月降水量呈現(xiàn)增加態(tài)勢；在降水相對減少的期間，5月與6月降水量相對減少最大，在40～70 mm之間；3月與4月降水量相對增加最大，在55～110 mm間。在季尺度上，贛江流域未來春季(3月～5 月)、冬季(12月～次年2月)降水均大于基準期，呈現(xiàn)增加趨勢，且冬季增幅最大，冬季降水在2006年～2035年、2066年～2100年分別增幅57%、62%、64%。與基準期相比，贛江流域未來夏季(6月～8 月)、秋季節(jié)(9月～11月)降水呈現(xiàn)減少趨勢，降幅介于6%～15%，其中，夏季降水量減少較明顯，尤其是在2036年～2065年時降幅最大，降幅為15%?？傮w而言，贛江流域總降水量在增加，然而季節(jié)性變化顯著。春季、冬季降水增加的加大了發(fā)生洪澇的風險，另外，秋季與夏季降水的減少也使贛江流域遭受干旱的風險增加。

此外，利用Arcgis軟件插值得到贛江流域不同時期平均降水變化，贛江流域未來降水空間分布規(guī)律與基準期基本一致，基本呈南低北高、西低東高趨勢，這說明贛江流域未來降水有明顯的空間分布不均勻性。未來各時期年降水量高值區(qū)由南昌-樟樹演變?yōu)檎翗?吉安周圍；低值區(qū)仍位于贛州附近。

2.2.2氣溫預估及分析

利用建立好的SDSM模型對贛江流域未來氣溫進行預估，結果如圖2所示。由圖2可知，與基準期相比，贛江流域未來氣溫均呈增加的趨勢，未來最高氣溫、最低氣溫和平均氣溫分別增加2.1、1.2、1.6℃。贛江流域未來月氣溫的年內變化趨勢同基準期基本一致，均呈現(xiàn)先遞增后遞減的變化過程。同基準期一樣，氣溫最高月份發(fā)生在7月，氣溫最高月份沒有變化；各時期最高氣溫稍大于基準期，2006年～2035年、2036年～2065年、2066年～2100年最高氣溫分別為34.1、35.0℃和35.6℃。氣溫最低月份發(fā)生在1月，各時期最低氣溫稍大于基準期，2006年～2035年、2036年～2065年、2066年～2100年最低氣溫分別為3.7、5.4℃和5.0℃。贛江流域未來2006年～2035年、2036年～2065年、2066年～2100年3個時期1月～12月的平均氣溫、最高氣溫和最低氣溫大體呈增長趨勢，平均氣溫、最高氣溫10月份各氣溫的增幅最大，7月份增幅最?。蛔畹蜌鉁?月份各氣溫的增幅最大，10月份增幅最小。在季尺度上，贛江流域未來2006年～2035年、2036年～2065年、2066年～2100年代不同季節(jié)的平均氣溫均大于基準期，呈增長趨勢，春季平均氣溫變化幅度在0.92～1.89℃，夏季平均氣溫變化幅度為0.20～1.30℃，冬季平均氣溫變化幅度為0.41～1.71℃，尤其在秋季表現(xiàn)最為明顯，各時期平均氣溫均高于其他季節(jié)，秋季平均氣溫在2006年～2035年、2036年～2065年、2066年～2100年分別升高1.1、2.39℃和2.97℃。秋季與夏季升溫而同期降水的減少也使贛江流域遭受干旱的風險增加。

圖2 贛江流域未來2006年～2035年、2036年～2065年、2066年～2100年情景最高氣溫、平均氣溫與最低氣溫變化

同樣，利用Arcgis軟件插值繪制贛江流域不同時期的多年平均氣溫變化圖(圖略)可知，贛江流域未來平均氣溫空間分布規(guī)律與基準期基本一致，平均氣溫由南向北遞增。高值區(qū)位于南部地區(qū)的贛州站點周圍，2066年～2100年贛州平均氣溫將達22℃，比基準期高3℃左右；低值區(qū)位于宜春附近，宜春平均氣溫將達19℃，比基準期高1.7℃左右。

3 結 語

(1)利用贛江流域6個氣象站數據和NCEP再分析資料，建立了贛江流域氣候要素的SDSM降尺度模型，結果表明SDSM模型對贛江流域的降水、最高氣溫、最低氣溫及平均氣溫的模擬，氣溫的模擬效果整體上要優(yōu)于降水的模擬效果，對降水量的模擬存在一定誤差。

(2)對贛江流域未來降水預估的結果表明，贛江流域未來降水均呈增加的趨勢；未來各時期月降水變化較一致，5月～10月降水量均呈現(xiàn)下降趨勢，1月～4月、11月、12月降水量呈現(xiàn)增加態(tài)勢；未來春季、冬季降水均大于基準期，呈現(xiàn)增加趨勢，未來夏季、秋季節(jié)降水呈現(xiàn)減少趨勢；未來降水空間分布基本呈南低北高，在南北方向呈遞增趨勢，這說明贛江流域未來降水有明顯的空間分布不均勻性。

(3)對未來氣溫預估的結果表明，贛江流域未來氣溫均呈增加的趨勢；未來月氣溫的年內變化趨勢同基準期基本一致，均呈現(xiàn)先遞增后遞減的變化過程；同基準期一樣，氣溫最高月份發(fā)生在7月，各時期最高氣溫稍大于基準期；氣溫最低月份發(fā)生在1月，各時期最低氣溫稍大于基準期；贛江流域未來不同季節(jié)的平均氣溫均大于基準期，尤其在秋季表現(xiàn)最為明顯；贛江流域未來氣溫空間分布呈現(xiàn)南高北低分布。