顧 磊,陳 杰,尹家波,郭 強(qiáng),王惠民,周建中

(1. 武漢大學(xué)水資源與水電工程科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室,湖北 武漢 430072；2. 華中科技大學(xué)土木與水利工程學(xué)院,湖北 武漢 430074)

干旱事件成因復(fù)雜、時(shí)間跨度大、破壞力強(qiáng),是自然生態(tài)系統(tǒng)和社會(huì)經(jīng)濟(jì)可持續(xù)發(fā)展的重要障礙性因素,常被劃分為氣象干旱、水文干旱、農(nóng)業(yè)干旱以及社會(huì)經(jīng)濟(jì)干旱[1- 2]。其中,氣象干旱與水文干旱在水資源管理及各類涉水活動(dòng)中影響尤為明顯,是干旱事件中的重要類別。氣象干旱主要關(guān)注降水持續(xù)減少而形成的異常水分收支不平衡現(xiàn)象[3]；水文干旱在氣候條件基礎(chǔ)上,受陸面水循環(huán)過程反饋?zhàn)饔糜绊?泛指河川徑流量異常少的事件[4]。通常而言,持續(xù)寬廣的下沉氣流、局地下沉氣流、大氣邊界層穩(wěn)定而缺乏擾動(dòng)和缺乏潮濕水汽是導(dǎo)致區(qū)域降水虧缺的主要因素,也是區(qū)域氣象干旱形成的重要驅(qū)動(dòng)因素。當(dāng)降水異常虧缺持續(xù),加之蒸散發(fā)過程影響,流域水量失衡,徑流量減少,會(huì)引發(fā)水文干旱的形成。該過程伴隨氣象干旱至水文干旱信號(hào)的傳播,體現(xiàn)了兩者之間具有復(fù)雜的作用機(jī)制和內(nèi)在聯(lián)系。深入研究氣象干旱與水文干旱之間的聯(lián)系對(duì)于揭示干旱的發(fā)生發(fā)展機(jī)理以及水資源規(guī)劃管理具有重要意義。

干旱事件作為一個(gè)多變量特征屬性的隨機(jī)過程,可通過歷時(shí)、烈度等特性指標(biāo)刻畫[5]。目前關(guān)于氣象- 水文干旱的聯(lián)系研究中,大多聚焦于某一流域內(nèi)水文干旱對(duì)氣象干旱的響應(yīng)時(shí)間,Zeng等[6]基于SPEI(Standard Precipitation Evapotranspiration Index)與SDI(Streamflow Drought Index)指標(biāo)發(fā)現(xiàn)嘉陵江流域水文干旱對(duì)氣象干旱存在1～2個(gè)月的滯后；Huang等[7]研究了渭河流域氣象干旱至水文干旱的傳播過程及其潛在影響因素,發(fā)現(xiàn)氣象干旱至水文干旱的傳播時(shí)間具有顯著的季節(jié)性特征,且該傳播時(shí)間與大氣環(huán)流異常如厄爾尼諾南方濤動(dòng)和北極濤動(dòng)緊密相關(guān)。也有研究基于模型模擬或統(tǒng)計(jì)方法對(duì)比研究時(shí)段內(nèi)不同類別干旱事件的歷時(shí)、烈度等特征差異。Liu等[8]建立了基于歷時(shí)、烈度以及面積的三維模型,將氣象干旱與水文干旱事件相關(guān)聯(lián),發(fā)現(xiàn)氣象干旱的烈度通常小于對(duì)應(yīng)的水文干旱事件。上述研究通常著眼于某一流域內(nèi)逐場(chǎng)干旱事件關(guān)聯(lián),而未能從發(fā)生概率的角度定量揭示區(qū)域或國(guó)家尺度氣象干旱與水文干旱之間的內(nèi)在關(guān)系與傳遞規(guī)律。作為相關(guān)事件,兩類干旱之間的發(fā)生概率、氣象干旱與水文干旱風(fēng)險(xiǎn)存在何種轉(zhuǎn)換關(guān)系仍有待進(jìn)一步研究。自第二次工業(yè)革命以來(lái),全球正在經(jīng)歷以“變暖”為主導(dǎo)的氣候變化,氣候系統(tǒng)的能量收支平衡和物質(zhì)循環(huán)過程受到深刻影響,降水、徑流等關(guān)鍵氣象水文要素的時(shí)空分布格局發(fā)生顯著變化。其中,降水對(duì)氣候變暖的響應(yīng)具有顯著的時(shí)空異質(zhì)性,其變化受大氣中的水汽容量、水汽實(shí)際含量以及大氣穩(wěn)定性影響,并不會(huì)表現(xiàn)出某種必然變化趨勢(shì)[9]。同時(shí),河川徑流受降水與蒸散發(fā)的協(xié)同影響,其對(duì)氣候變暖的響應(yīng)更加復(fù)雜。在全球變暖背景下,氣象干旱與水文干旱預(yù)估的難度增大,未來(lái)氣象干旱與水文干旱風(fēng)險(xiǎn)的轉(zhuǎn)換關(guān)系如何變化尚不明晰。

本文以中國(guó)135個(gè)流域?yàn)檠芯繉?duì)象,探求氣象干旱至水文干旱的潛在風(fēng)險(xiǎn)傳播特性,并量化評(píng)估其對(duì)氣候變化的響應(yīng),旨在對(duì)氣候變化下未來(lái)干旱潛在風(fēng)險(xiǎn)的應(yīng)對(duì)提供參考。

1 研究區(qū)域與數(shù)據(jù)來(lái)源

1.1 研究區(qū)域

選用了135個(gè)流域,分布于中國(guó)九大一級(jí)流域內(nèi)(松花江流域、遼河流域、海河流域、黃河流域、淮河流域、長(zhǎng)江流域、東南諸河流域、珠江流域以及西南諸河流域,因資料限制,本文未包含西北內(nèi)陸河流域),涵蓋不同的氣候分區(qū)以及產(chǎn)匯流特征。為避免強(qiáng)烈人類活動(dòng)的干擾,所選流域集水面積較小,為603～4 078 km2。

1.2 研究數(shù)據(jù)

1.2.1 地面觀測(cè)數(shù)據(jù)

流域出口逐日徑流實(shí)測(cè)數(shù)據(jù)源于流域水利委員會(huì)或當(dāng)?shù)厮牟块T,整體觀測(cè)數(shù)據(jù)覆蓋1961—2010年,各流域徑流數(shù)據(jù)起始時(shí)段不一,但實(shí)測(cè)長(zhǎng)度均長(zhǎng)于20 a。氣象資料源于中國(guó)氣象服務(wù)共享網(wǎng)提供的0.5°×0.5°柵格氣象觀測(cè)數(shù)據(jù),該數(shù)據(jù)包含1961—2016年逐日降水、最高氣溫、最低氣溫和平均氣溫?cái)?shù)據(jù)(http:∥www.nmic.cn/data/)。

1.2.2 全球氣候模式輸出

為獲取未來(lái)氣候情景,采用了國(guó)際耦合模式比較計(jì)劃第五階段(Coupled Model Inter- comparison Project Phase5,CMIP5)數(shù)據(jù)集內(nèi)19個(gè)氣候模式(表1)構(gòu)成多模式集合,該集合盡可能涵蓋不同研究機(jī)構(gòu)研發(fā)的模型,具有較強(qiáng)代表性。各模式輸出變量包含逐日降水和氣溫?cái)?shù)據(jù)?？紤]到計(jì)算SPI(Standard Precipitation Index)和SRI(Standard Runoff Index)的數(shù)據(jù)序列長(zhǎng)度一般需要30 a以上[10],為了減小數(shù)據(jù)序列較短產(chǎn)生的樣本不確定性,選取1961—2005年為歷史基準(zhǔn)時(shí)段；設(shè)定2011—2055年和2056—2100年為氣候變化影響下的未來(lái)對(duì)比時(shí)段,采用最高溫室氣體高排放情景Representative Concentration Pathway 8.5(RCP8.5)的輸出數(shù)據(jù)。

表1 氣候模式集合數(shù)據(jù)信息

續(xù)表

2 研究方法

2.1 基于分位數(shù)映射的日偏差校正方法

GCM輸出數(shù)據(jù)通常具有較大的系統(tǒng)偏差,難以直接應(yīng)用于流域尺度水文模擬,故采用基于分位數(shù)映射的日偏差校正DBC(Daily Bias Correction)方法對(duì)GCM輸出降水、氣溫進(jìn)行偏差校正。DBC方法[11]將降水頻率校正與降水量/氣溫分位數(shù)映射相結(jié)合,在校正降水頻率的同時(shí)校正了氣候變量在各分位數(shù)上的偏差,該方法假設(shè)氣候變量在各分位數(shù)上的模擬偏差在歷史時(shí)期和未來(lái)時(shí)期相同。首先,基于LOCI(Local Intensity Scaling)方法校正降水發(fā)生頻率,以0.1 mm作為實(shí)測(cè)降水的發(fā)生閾值,確定模擬降水發(fā)生閾值,保證歷史基準(zhǔn)時(shí)段模擬降水發(fā)生頻率與實(shí)測(cè)序列一致；并將該閾值用于未來(lái)時(shí)段,校正未來(lái)時(shí)段降水發(fā)生頻率。然后,計(jì)算模擬日降水(氣溫)系列和實(shí)測(cè)數(shù)據(jù)在各月(1—12月)頻率分布函數(shù)的系統(tǒng)偏差,作為校正因子,以此校正模擬的降水(氣溫)系列:

(1)

(2)

2.2 水文模型及參數(shù)率定方法

為了獲取歷史基準(zhǔn)期與未來(lái)情景下的徑流長(zhǎng)序列,本文將柵格觀測(cè)氣象數(shù)據(jù)通過泰森多邊形換算至流域面平均數(shù)據(jù),再驅(qū)動(dòng)新安江、GR4J(Genie Rural a 4 parameters Journalier)、HBV(Hydrologiska Byr?ns Vattenbalansavdelning)和HMETS(The Hydrological Model of Ecole de Technologie Supérieure)4個(gè)概念性集總式水文模型。新安江模型由河海大學(xué)Zhao等[13]提出,共包含15個(gè)參數(shù):蒸散發(fā)模塊(5個(gè)參數(shù))、流域產(chǎn)流量(2個(gè)參數(shù))、表層自由水(4個(gè)參數(shù))以及匯流過程(4個(gè)參數(shù))。GR4J水文模型由Perrin等[14]提出,共涉及4個(gè)參數(shù),具有結(jié)構(gòu)簡(jiǎn)單、參數(shù)少、精度較高等優(yōu)點(diǎn),被廣泛用于氣候變化的影響評(píng)估研究中[15]。考慮到新安江與GR4J模型缺乏考慮融雪徑流過程,本研究采用Valéry等[16]提出的含有兩參數(shù)的CemaNeige融雪積雪模塊與水文模型串聯(lián)。HBV水文模型由瑞典國(guó)家水文氣象局提出[17],共包含14個(gè)參數(shù):積雪和融雪模擬(5個(gè)參數(shù))、土壤含水量計(jì)算(3個(gè)參數(shù))、蒸散發(fā)(1個(gè)參數(shù))及河道流量演算(5個(gè)參數(shù)),在水資源評(píng)估、徑流模擬等方面被國(guó)內(nèi)外學(xué)者廣泛采用[18]。HMETS模型由滲流區(qū)及飽水帶2個(gè)相連的水庫(kù)模塊串聯(lián)[19],涉及蒸散發(fā)、滲流、融雪積雪以及河道匯流過程,共有21個(gè)自由參數(shù)。采用Duan等[20]提出的復(fù)合型混合演化算法(SCE- UA)優(yōu)選水文模型參數(shù)。最后將偏差校正后的流域模擬降水、氣溫長(zhǎng)序列驅(qū)動(dòng)率定好的水文模型,獲取1961—2005年以及2011—2055年和2056—2100年時(shí)段各流域逐日徑流過程。采用Kling- Gupta efficiency(EKG)[21]與Nash- Sutcliffe efficiency(ENS)系數(shù)作為水文模型徑流模擬精度的評(píng)價(jià)指標(biāo)。

2.3 干旱風(fēng)險(xiǎn)量化

2.3.1 干旱事件識(shí)別

分別采用3個(gè)月尺度的SPI和SRI作為氣象、水文干旱的度量指標(biāo)。SPI指標(biāo)(SRI指標(biāo))分別通過降水量(河川徑流量)的變化來(lái)度量區(qū)域缺水程度。其計(jì)算步驟包括:①選擇時(shí)段長(zhǎng)度計(jì)算累積降水量(徑流量)。②利用概率分布擬合各月累積降水量(徑流量)的概率分布情況。根據(jù)前述研究[22- 23],選用伽馬分布(P- Ⅲ分布)擬合各月累積降水量(徑流量)。③將計(jì)算的累積概率分布函數(shù)轉(zhuǎn)化為相應(yīng)累積概率的標(biāo)準(zhǔn)正態(tài)分布(逆標(biāo)準(zhǔn)化),即可獲取對(duì)應(yīng)的SPI/SRI指標(biāo)值ISP/ISR。其后,基于游程理論逐場(chǎng)識(shí)別干旱事件的歷時(shí)和烈度。在研究時(shí)段內(nèi),當(dāng)干旱指標(biāo)值ISP/ISR低于某閾值時(shí),定義干旱事件開始；當(dāng)該指標(biāo)值重新高于某閾值時(shí),干旱事件結(jié)束。為減小頻率分析中樣本容量帶來(lái)的不確定性,本研究選取-0.5為閾值[23],以獲取足量的干旱事件樣本。

2.3.2 基于Copula函數(shù)及最可能組合情景的二維干旱風(fēng)險(xiǎn)度量

隨著Copula函數(shù)在水文領(lǐng)域的引入,多維干旱特征頻率分析方法得到了較快發(fā)展。區(qū)別于單變量,兩變量聯(lián)合重現(xiàn)期由等值線構(gòu)成,其中包含無(wú)數(shù)種組合,如何確定給定重現(xiàn)期下的多變量情景對(duì)于風(fēng)險(xiǎn)量化極為關(guān)鍵[24]。傳統(tǒng)研究中[25]基于同頻率的思路往往過于主觀；Salvadori等[26]定義的最大可能權(quán)函數(shù),基于邊緣分布及聯(lián)合分布密度函數(shù)最大可能發(fā)生的組合有效解決了這個(gè)問題。本文采用該方法定義兩變量聯(lián)合重現(xiàn)期下歷時(shí)和烈度的組合情景:

(3)

式中:(d*,s*)表示某一聯(lián)合重現(xiàn)期Tor下干旱歷時(shí)、干旱烈度的最可能組合情景；fS(s)、fD(d)表征干旱歷時(shí)、干旱烈度邊緣分布的概率密度函數(shù)；c[FD(d),FS(s)](C[FD(d),FS(s)])為Copula聯(lián)合分布的概率密度(分布)函數(shù)。

2.3.3 氣象干旱至水文干旱的風(fēng)險(xiǎn)傳播模型

為明晰水文干旱與氣象干旱之間的風(fēng)險(xiǎn)轉(zhuǎn)換規(guī)律,本文探求了不同聯(lián)合重現(xiàn)期下的干旱歷時(shí)與干旱烈度最可能組合情景的關(guān)聯(lián),并構(gòu)建了回歸模型。試驗(yàn)表明,水文干旱與氣象干旱聯(lián)合重現(xiàn)期存在顯著的線性相關(guān)關(guān)系,模型的基本形式如下:

(4)

若公式(4)等式左側(cè)水文干旱風(fēng)險(xiǎn)存在,即烈度和歷時(shí)設(shè)計(jì)值大于0,右側(cè)也必然存在氣象干旱風(fēng)險(xiǎn),且規(guī)模足夠大(干旱烈度足夠大,干旱歷時(shí)足夠長(zhǎng),大氣水分虧缺嚴(yán)峻足以打破流域水循環(huán)平衡),大于Rdd與Rds的絕對(duì)值,才能夠引發(fā)水文干旱的發(fā)生,符合干旱傳播的物理過程。

3 結(jié)果分析

3.1 偏差校正效果

圖1給出了歷史基準(zhǔn)時(shí)段(1961—2005年),在通過DBC偏差校正前、后各氣候模式輸出降水、氣溫的37個(gè)指標(biāo)偏差的中國(guó)所有網(wǎng)格平均絕對(duì)值,橫坐標(biāo)對(duì)應(yīng)37個(gè)指標(biāo)；縱坐標(biāo)對(duì)應(yīng)表1中19個(gè)氣候模式輸出。從圖中可以看出偏差校正前,各氣候模式輸出氣溫和降水均存在顯著的偏差。原始模型輸出氣溫的偏差極為明顯,大部分模型輸出氣溫的偏差大于2 ℃,部分模型的偏差甚至超過5 ℃。同時(shí),絕大部分原始模型輸出降水偏差大于20%,在部分指標(biāo)上甚至超過90%。偏差校正后,氣溫與降水的偏差均顯著減小。各模式輸出氣溫在各指標(biāo)上的偏差小于0.5 ℃。同時(shí),各模式輸出降水在各指標(biāo)上的偏差均小于10%。這表明偏差校正后氣象模擬數(shù)據(jù)的可靠性。

圖1 DBC方法校正前后37個(gè)指標(biāo)偏差的中國(guó)網(wǎng)格平均絕對(duì)值Fig.1 Grid- average absolute biases over China for 37 indices before and after DBC correction

3.2 水文模型率定效果

考慮到流域所處氣候類型與下墊面特征存在較大差異,采用新安江、HBV、GR4J與HMETS水文模型分別模擬中國(guó)135個(gè)流域的徑流過程,并以EKG最大的模型作為最優(yōu)水文模型的選擇依據(jù),生成水文模擬序列。鑒于各流域徑流觀測(cè)資料參差不齊,本文甄選連續(xù)20 a觀測(cè)資料缺測(cè)率最低的時(shí)段率定水文模型。基于柵格觀測(cè)氣象數(shù)據(jù),通過交叉驗(yàn)證法劃分率定期與驗(yàn)證期,即以奇數(shù)年的EKG最大為目標(biāo)函數(shù),以偶數(shù)年的EKG檢驗(yàn)?zāi)Ｐ吐识ㄐЧ?。該率定方法將長(zhǎng)系列資料輸入水文模型,參數(shù)尋優(yōu)過程中選用奇數(shù)年的資料。其主要優(yōu)勢(shì)在于減小率定期和驗(yàn)證期人類活動(dòng)所引起的水文序列非一致性的影響,近年來(lái)在氣候變化的影響評(píng)估中得到了廣泛應(yīng)用[27- 29]。本文的主要目的是分析氣候變化對(duì)干旱傳播特性的影響,故采用奇偶年交叉率定方法,有助于過濾長(zhǎng)時(shí)段人類活動(dòng)或下墊面對(duì)干旱傳播特性的影響,使氣候變化影響評(píng)估結(jié)果更為穩(wěn)健。率定結(jié)果顯示,新安江模型在中國(guó)絕大多數(shù)流域表現(xiàn)最優(yōu)(占比40.7%)；GR4J和HMETS模型在部分流域效果較優(yōu)(分別占比30.4%和28.1%)；HBV模型表現(xiàn)相對(duì)較差。圖2給出了率定期和驗(yàn)證期的EKG和ENS。各流域EKG均大于0.60；超過87%(60%)的流域EKG(ENS)系數(shù)在率定期和驗(yàn)證期均大于0.7。綜上,最優(yōu)水文模型可有效模擬中國(guó)135個(gè)流域的徑流過程,故將偏差校正后的19個(gè)氣候模式模擬的降水、氣溫驅(qū)動(dòng)最優(yōu)水文模型,分別獲取各模式在1961—2005年、2011—2055年和2056—2100年在各流域的水文模擬結(jié)果。

圖2 驗(yàn)證期和率定期135個(gè)流域的EKG和ENSFig.2EKG and ENS values for 135 catchments during the calibration and validation period

3.3 歷史與未來(lái)時(shí)段氣象- 水文干旱聯(lián)合重現(xiàn)期下的最可能組合情景

為分析中國(guó)各流域氣象干旱與水文干旱在歷史基準(zhǔn)期的旱情特征及其對(duì)未來(lái)氣候變化的響應(yīng),以50 a聯(lián)合重現(xiàn)期為例,本文展示了多模式集合平均下干旱歷時(shí)和烈度的最可能組合情景及其在未來(lái)的變化。根據(jù)圖3,在1961—2005年,各流域氣象干旱烈度約為3～6，干旱歷時(shí)為2.5～4.0個(gè)月；相比之下,水文干旱烈度更大(大多流域超過7),歷時(shí)更長(zhǎng)(均在4.5個(gè)月以上)。這主要是因?yàn)?1場(chǎng)水文干旱事件往往由多場(chǎng)間歇性的氣象干旱事件聯(lián)合引發(fā),致使水文干旱事件的強(qiáng)度更大、歷時(shí)更長(zhǎng),該結(jié)果與前期研究結(jié)果一致[8]。圖4展示了1961—2005年50年一遇氣象和水文干旱聯(lián)合重現(xiàn)期在2011—2055年和2056—2100年的大小。由圖可知,氣象干旱與水文干旱風(fēng)險(xiǎn)對(duì)氣候變暖響應(yīng)強(qiáng)烈,均發(fā)生不同程度的變化。在2011—2055年,位于東北地區(qū)和華北地區(qū)的流域50年一遇的氣象干旱聯(lián)合重現(xiàn)期變大,干旱風(fēng)險(xiǎn)減小；位于華中及華南地區(qū)的氣象干旱聯(lián)合重現(xiàn)期變小,50年一遇的氣象干旱將變成20年一遇甚至更為頻繁的事件,干旱風(fēng)險(xiǎn)增大。水文干旱風(fēng)險(xiǎn)變化的空間格局同氣象干旱有相似之處,東北以及華北地區(qū)聯(lián)合重現(xiàn)期有小幅度增大；華中及華南地區(qū)的流域聯(lián)合重現(xiàn)期減小,且減小的程度比氣象干旱更趨顯著。在2056—2100年,氣象干旱與水文干旱風(fēng)險(xiǎn)變化更甚,華北以及東北地區(qū)旱情將進(jìn)一步減緩；但同時(shí)華中及華南地區(qū)的旱情惡化更為嚴(yán)峻,將給當(dāng)?shù)氐姆篮怠⒖购祹?lái)巨大的挑戰(zhàn)。

圖3 1961—2005年50年一遇氣象和水文干旱聯(lián)合重現(xiàn)期最可能組合Fig.3 50- year meteorological and hydrological drought scenarios by the most likely selection during 1961—2005

圖4 2011—2055年(Fut1)和2056—2100年(Fut2)50年一遇氣象和水文干旱聯(lián)合重現(xiàn)期大小(以1961—2005年(His)50年一遇重現(xiàn)期為基準(zhǔn))Fig.4 Projected 50- year meteorological and hydrological droughts during 2011—2055 (Fut1) and 2056—2100 (Fut2) using the 50- year return period during 1961—2005 (His) as the baseline

圖5給出了1961—2005年,2011—2055年和2056—2100年各流域不同聯(lián)合重現(xiàn)期下(10～200年一遇,每5年間隔取樣)氣象干旱歷時(shí)(烈度)與水文干旱歷時(shí)(烈度)構(gòu)成的長(zhǎng)序列皮爾遜相關(guān)系數(shù)箱形圖(基于多模式集合平均),每個(gè)箱型由135個(gè)流域相關(guān)系數(shù)構(gòu)成。在不同時(shí)期,各流域的氣象與水文干旱基于最大權(quán)函數(shù)的組合情景均存在顯著的相關(guān)關(guān)系,94%(98%)以上的流域氣象干旱與水文干旱歷時(shí)(烈度)的相關(guān)系數(shù)超過0.99。可能正是因?yàn)闅庀笈c水文干旱事件之間的緊密聯(lián)系,所以兩者的風(fēng)險(xiǎn)大小存在顯著的正相關(guān)關(guān)系。區(qū)別于氣象和水文干旱風(fēng)險(xiǎn)本身對(duì)氣候變暖的敏感響應(yīng),兩者之間的相關(guān)關(guān)系相對(duì)穩(wěn)定,在未來(lái)時(shí)期未發(fā)生顯著變化。這可以解釋為氣候變化直接影響氣象干旱的發(fā)生發(fā)展過程,通過影響地表、地下水收支平衡間接改變水文干旱情勢(shì),本文結(jié)果發(fā)現(xiàn)雖然氣候變化會(huì)同時(shí)改變氣象和水文旱情,但此過程并不會(huì)影響氣象- 水文干旱相關(guān)性。氣象干旱與水文干旱的相關(guān)性主要受控于人為涉水活動(dòng)等下墊面條件的改變,而受氣候變化的影響有限[30]。例如,Wu等[31]發(fā)現(xiàn)流域內(nèi)大型水庫(kù)的運(yùn)行調(diào)度會(huì)顯著減小下游水文干旱的歷時(shí)和烈度,從而改變氣象干旱至水文干旱的傳播過程,影響氣象- 水文干旱的關(guān)聯(lián)性。Xu等[32]進(jìn)一步驗(yàn)證了取用水、城市化等人類活動(dòng)會(huì)降低流域內(nèi)氣象干旱與水文干旱的相關(guān)性。未來(lái)研究需要考慮氣候變化與人類活動(dòng)兩者同時(shí)作用下氣象干旱至水文干旱的傳播特性。

圖5 1961—2005年(His)與2011—2055年(Fut1)和2056—2100年(Fut2)中國(guó)135個(gè)流域10～200年一遇聯(lián)合重現(xiàn)期下氣象與水文干旱烈度和歷時(shí)最可能組合序列相關(guān)系數(shù)Fig.5 Correlation coefficients between meteorological and hydrological drought severity and duration by the most likely selection for 10—200 year joint return periods over 135 catchments in China during 1961—2005 (His),2011—2055 (Fut1) and 2056—2100(Fut2)

3.4 氣象干旱至水文干旱的風(fēng)險(xiǎn)傳播

圖6為氣候多模式集合平均下1961—2005年與2011—2055年、2056—2100年位于中國(guó)東北、華中和華南地區(qū)的3個(gè)不同流域(雙河屯站,射洪站,沙頭站)氣象干旱至水文干旱的風(fēng)險(xiǎn)傳播示意圖。其中,彩色實(shí)線由不同聯(lián)合重現(xiàn)期(10～200年一遇,每5年間隔取樣)等值線上基于最可能組合情景的氣象干旱和水文干旱烈度和歷時(shí)設(shè)計(jì)值相連而得,從圖中可以看出,氣象干旱- 水文干旱風(fēng)險(xiǎn)呈顯著線性相關(guān)。

圖6 1961—2005年(His)與2011—2055年(Fut1)和2056—2100年(Fut2)3個(gè)典型流域氣象干旱至水文干旱風(fēng)險(xiǎn)傳播Fig.6 Meteorological to hydrological drought propagation for three catchments during 1961—2005 (His),2011—2055 (Fut1) and 2056—2100(Fut2)

圖7給出了不同時(shí)段基于多模式集合平均下的各流域氣象干旱至水文干旱風(fēng)險(xiǎn)傳播的歷時(shí)和烈度彈性系數(shù)。由圖可知,在1961—2005年內(nèi),由氣象干旱傳至水文干旱的烈度彈性系數(shù)的空間分布與歷時(shí)有相似之處,均處于1～10,由北至南遞減,但烈度的彈性系數(shù)略高于歷時(shí)。位于華北地區(qū)流域的彈性系數(shù)最高,超過8；位于華南地區(qū)流域的彈性系數(shù)相對(duì)較低,多為1～3。這表明同一重現(xiàn)期下,北方地區(qū)水文干旱的潛在威脅將遠(yuǎn)超過氣象干旱,而南方地區(qū)氣象干旱與水文干旱的危險(xiǎn)性較為接近。在氣候變暖的影響下,各流域的彈性系數(shù)相對(duì)穩(wěn)定,水文干旱風(fēng)險(xiǎn)變化對(duì)氣象干旱風(fēng)險(xiǎn)變化的敏感程度不會(huì)發(fā)生較大變化。

圖7 1961—2005年(His)與2011—2055年(Fut1)和2056—2100年(Fut2)氣象干旱至水文干旱風(fēng)險(xiǎn)傳播彈性系數(shù)Fig.7 Elastic coefficients from meteorological to hydrological drought risk propagation during 1961—2005(His),2011—2055 (Fut1) and 2056—2100(Fut2)

圖8給出了氣象干旱至水文干旱的風(fēng)險(xiǎn)傳播閾值,負(fù)值體現(xiàn)了只有當(dāng)氣象干旱事件規(guī)模足夠大,才會(huì)引發(fā)水文干旱的發(fā)生。在1961—2005年,各流域上干旱烈度閾值略低于干旱歷時(shí)閾值?？v觀其空間分布,可發(fā)現(xiàn)干旱烈度同干旱歷時(shí)極為相似。華北以及東北地區(qū)的烈度與歷時(shí)閾值較低,均小于-6；華南地區(qū)的閾值較高,大多大于-3。這表明在華南地區(qū),1場(chǎng)較小規(guī)模的氣象干旱就可能引發(fā)水文干旱的發(fā)生。在2011—2055年和2056—2100年,各流域閾值會(huì)發(fā)生小幅度變化。尤其是在北方地區(qū),干旱烈度和干旱歷時(shí)的閾值增大,這表明引發(fā)水文干旱發(fā)生的臨界條件可能會(huì)有所降低,未來(lái)氣象與水文干旱同時(shí)發(fā)生的概率將會(huì)增加。

圖8 1961—2005年(His)與2011—2055年(Fut1)和2056—2100年(Fut2)氣象干旱至水文干旱風(fēng)險(xiǎn)傳播閾值Fig.8 Thresholds from meteorological to hydrological drought risk propagation during 1961—2005 (His),2011—2055 (Fut1) and 2056—2100(Fut2)

4 結(jié) 論

本文以基于最大可能權(quán)函數(shù)的Copula理論度量干旱風(fēng)險(xiǎn),研究了中國(guó)135個(gè)流域氣象干旱與水文干旱潛在風(fēng)險(xiǎn)對(duì)氣候變化的響應(yīng),并探討了氣象干旱與水文干旱風(fēng)險(xiǎn)的內(nèi)在關(guān)聯(lián)及其在氣候變化影響下的特性。主要結(jié)論如下:

(1) 在1961—2005年,給定聯(lián)合重現(xiàn)期下的水文干旱事件較之氣象干旱歷時(shí)更長(zhǎng)、烈度更大,各流域氣象干旱與水文干旱重現(xiàn)期對(duì)氣候變暖的響應(yīng)較為強(qiáng)烈。在2011—2055年和2056—2100年,華北以及東北地區(qū)流域的氣象干旱及水文干旱重現(xiàn)期有一定程度變大,旱情趨緩；華中和華南地區(qū)流域的干旱重現(xiàn)期將減少60%～80%,旱情加重。

(2) 以不同聯(lián)合重現(xiàn)期下干旱歷時(shí)與干旱烈度的最可能組合情景為風(fēng)險(xiǎn)度量,氣象干旱風(fēng)險(xiǎn)與水文干旱風(fēng)險(xiǎn)存在顯著的線性正相關(guān)關(guān)系,94%(98%)以上的流域氣象干旱與水文干旱歷時(shí)(烈度)相關(guān)系數(shù)超過0.99,且該相關(guān)性在1961—2005年、2011—2055年和2056—2100年較為穩(wěn)定,受氣候變化的影響較小。

(3) 各流域氣象干旱至水文干旱歷時(shí)和烈度的彈性系數(shù)為1～10,其中華北以及東北地區(qū)較高,約為5～10；華南地區(qū)的彈性系數(shù)較低,多為1～3,表明華北和東北地區(qū)水文干旱風(fēng)險(xiǎn)變化對(duì)氣象干旱風(fēng)險(xiǎn)變化較華南地區(qū)更為敏感。彈性系數(shù)穩(wěn)定,水文干旱風(fēng)險(xiǎn)變化對(duì)氣象干旱風(fēng)險(xiǎn)變化的敏感程度不會(huì)隨氣候變暖而發(fā)生較大變化。氣象干旱風(fēng)險(xiǎn)至水文干旱的傳播閾值為-20～0,其中華北地區(qū)以及東北地區(qū)較低,低于-6；華南地區(qū)的閾值較高,多為-3～0,表明華南地區(qū)的氣象干旱較北方地區(qū)而言,更易引發(fā)水文干旱的發(fā)生。閾值隨氣候變暖發(fā)生小幅度變化,北方地區(qū)的閾值有一定程度增大,未來(lái)北方地區(qū)的氣象與水文干旱同時(shí)發(fā)生的概率將會(huì)增加。