馮椰林, 賀中華, 焦樹(shù)林, 劉 煒

(貴州師范大學(xué) 地理與環(huán)境科學(xué)學(xué)院, 貴陽(yáng) 550025)

全球氣候變化目前成為全人類(lèi)、各國(guó)政府機(jī)構(gòu)和科研工作者共同關(guān)注的全球型重大社會(huì)問(wèn)題[1]。全球變暖導(dǎo)致極端降水事件愈加頻繁，而在聯(lián)合國(guó)公布和重點(diǎn)關(guān)注的15種主要自然災(zāi)害中，極端降水發(fā)生最為頻繁，也是損失最為嚴(yán)重的幾種災(zāi)害之一[2]。隨著全球變暖，不少研究也預(yù)期到了水文循環(huán)正在逐漸加速[3-4]，這可能會(huì)增加區(qū)域和全球范圍內(nèi)極端氣候的頻率和強(qiáng)度，并且大量模擬研究證實(shí)了極端降水的增強(qiáng)[5-7]。盡管人們對(duì)此有著廣泛的興趣，但對(duì)喀斯特地貌的極端降水研究目前較為匱乏?？λ固氐孛惨渍T發(fā)滑坡和泥石流等地質(zhì)災(zāi)害，極端降水正是誘發(fā)這些地質(zhì)災(zāi)害的主導(dǎo)因素。

我國(guó)貴州地區(qū)的典型喀斯特地貌，極易誘發(fā)泥石流和滑坡等地質(zhì)災(zāi)害，特別是西部云貴高原邊境，北部大婁山、東北霧靈山及苗嶺地區(qū)[8-9]，給當(dāng)?shù)氐纳鐣?huì)經(jīng)濟(jì)發(fā)展帶來(lái)了巨大的威脅。此外，該區(qū)域有東向的太平洋季風(fēng)和南向的印度洋水汽輸送，且西鄰青藏高原，極容易形成極端降水，部分研究表明貴州省大部分地區(qū)極端降水事件處于中高風(fēng)險(xiǎn)[10-11]。由此可見(jiàn)，貴州省極端降水特征分析及預(yù)測(cè)對(duì)于區(qū)域?yàn)?zāi)害防治是十分重要的。

耦合模式比較計(jì)劃 (Coupled Model Intercomparison Project, CMIP)由世界氣候研究計(jì)劃(World Climate Research Programme, WCRP)發(fā)起，旨在促進(jìn)全球環(huán)流模式(global circulation model, GCM)數(shù)據(jù)的共享和比較，耦合模擬工作組(WGCM)先后組織了6次模擬比較計(jì)劃[12]。與2006年發(fā)布的CMIP5相比，2015年發(fā)布的CMIP6是新一代氣候模式和未來(lái)情景，以及一套新的濃度、排放和土地利用情景[13]。CMIP6可以更好地揭示過(guò)去、現(xiàn)在和未來(lái)的氣候變化，這些變化是由自然、非強(qiáng)迫變化或多模式背景下的輻射強(qiáng)迫變化引起的[14]。以前的研究多集中于大尺度的CMIP6模式應(yīng)用，例如胡一陽(yáng)等[15]用CMIP6全球模式對(duì)于中國(guó)降水能力模擬就行了評(píng)估，黃祿豐等[16]基于CMIP6多模式預(yù)估了全球陸地生態(tài)系統(tǒng)總初級(jí)生產(chǎn)力的變化。然而精細(xì)化的小尺度研究卻較少，如何利用CMIP6數(shù)據(jù)進(jìn)行修正和降尺度以適用小尺度研究尤為重要。

基于以上分析，本文基于歷史實(shí)測(cè)數(shù)據(jù)和耦合模式相互比較項(xiàng)目(CMIP6)第六階段的逐日降水?dāng)?shù)據(jù)，選擇4個(gè)具有代表性的極端降水指數(shù)(R95P:百分之95分位數(shù)的降水量總和；R25mm:降水量大于25 mm的天數(shù)；CWD:連續(xù)≥1 mm降水的天數(shù)；R95C:極端降水占比)，首先利用Delta統(tǒng)計(jì)降尺度對(duì)未來(lái)情景數(shù)據(jù)進(jìn)行修正，然后基于歷史實(shí)測(cè)數(shù)據(jù)分析4個(gè)極端降水指數(shù)的年際變化，空間格局和空間趨勢(shì)。最后探究3種SSPs情景下4種極端降水指數(shù)的年際變化，空間趨勢(shì)以及與歷史時(shí)期的差異。該研究對(duì)于該地區(qū)的極端降水災(zāi)害預(yù)警，應(yīng)急管理等具有一定的指導(dǎo)意義。

1 數(shù)據(jù)來(lái)源及研究方法

1.1 研究區(qū)概況

貴州省位于中國(guó)西南部，具體經(jīng)緯度為24°37′—29°13′N(xiāo)，103°36′—109°35′。全省面積約為176 167 km2。省內(nèi)喀斯特地貌發(fā)育強(qiáng)烈，喀斯特地區(qū)占全省面積的73.8%。位于云貴高原東部，山區(qū)面積廣大，西高東低，海拔主要分布在152～2 885 m(圖1)。氣候?yàn)閬啛釒駶?rùn)季風(fēng)氣候，年降水量為621.69～1 541.34 mm，年均溫為11.02～21.64℃，年內(nèi)溫差較小，四季分明，雨量豐沛，雨熱同期，植被覆蓋度高，是研究極端降水變化的理想?yún)^(qū)域。

圖1 研究區(qū)位置及氣象站點(diǎn)分布

1.2 數(shù)據(jù)來(lái)源及處理

本研究主要使用兩種數(shù)據(jù)，一種是歷史實(shí)測(cè)的氣候數(shù)據(jù)，另一個(gè)是來(lái)自GCMs的未來(lái)預(yù)測(cè)氣候數(shù)據(jù)。本研究中使用的歷史實(shí)測(cè)的氣候數(shù)據(jù)來(lái)源于國(guó)家氣象信息中心(V2.0)(http:∥www.nmic.cn/)，該套數(shù)據(jù)基于全國(guó)2400多個(gè)站點(diǎn)制作而成，包括貴州省84個(gè)氣象站點(diǎn)的逐日降水?dāng)?shù)據(jù)，時(shí)間跨度統(tǒng)一至1961—2019年(圖1)。使用新六代耦合模型相互比較項(xiàng)目(CMIP6)的5個(gè)氣候模型，基本信息見(jiàn)表1，數(shù)據(jù)下載于https:∥esgf-node.llnl.gov/projects/cmip6/。使用3種未來(lái)情景(SSP126，SSP245和SSP585)下的歷史模擬(1850—2014)和21世紀(jì)預(yù)測(cè)(2015—2100)，每個(gè)模型僅選擇第一個(gè)驅(qū)動(dòng)(r1i1p1f1)，CMIP6是基于典型集中路徑(RCP)情景開(kāi)發(fā)的，反映社會(huì)在適應(yīng)和緩解氣候變化方面面臨的未來(lái)挑戰(zhàn)。由于選定的5個(gè)CMIP6氣候模式在空間分辨率上存在差異，因此使用雙線性?xún)?nèi)插法將5個(gè)CMIP6氣候模式重采樣為0.5°×0.5°分辨率。由于降水的模式預(yù)測(cè)不同，多模式集合平均(MME)能夠在一定程度上抵消單個(gè)模式的偏差，并廣泛用于未來(lái)氣候變化的模擬和預(yù)測(cè)[17-19]。

表1 本研究所采用的5個(gè)CMIP6模式

1.3 研究方法

1.3.1 Delta統(tǒng)計(jì)降尺度 由于CMIP6的空間分辨率普遍較低，不能直接用來(lái)模擬較小尺度的氣候情景變化。因此，發(fā)展了很多降尺度方法來(lái)彌補(bǔ)低分辨率數(shù)據(jù)的不足。本研究所選用的Delta降尺度是偏差修正中的變化因子法[20]。該方法主要是通過(guò)比較CMIP6模擬的歷史時(shí)期值和實(shí)際值間的差異，來(lái)修正未來(lái)情境下的變化。具體計(jì)算公式如下：

(1)

E×Pt-obs=P

(2)

式中:Pfut為未來(lái)時(shí)期的模式降水?dāng)?shù)據(jù)；Pt-his為模式數(shù)據(jù)在率定期的多年均值；E為模式未來(lái)與率定期的比例因子；Pt-obs為實(shí)測(cè)數(shù)據(jù)在率定期的多年均值。P為降尺度后的CMIP6多模式集合數(shù)據(jù)。

1.3.2 極端降水指數(shù) 世界氣象組織氣候變化監(jiān)測(cè)與極端氣候事件指標(biāo)專(zhuān)家組(ETCCDI)在1998—2001年的氣候變化監(jiān)測(cè)大會(huì)上提出了一套極端氣候事件指標(biāo)，繼而形成了氣候變化研究領(lǐng)域的統(tǒng)一準(zhǔn)則，IPCC第四次報(bào)告又對(duì)極端氣候進(jìn)行了重新定義，其中有27個(gè)指數(shù)被確定是核心指標(biāo)[21]。但不同指標(biāo)之間關(guān)聯(lián)性較強(qiáng)，因此，本文選擇4個(gè)具有代表性的指標(biāo)，分別代表極端降水強(qiáng)度(即：強(qiáng)降水量R95 P)、持續(xù)性(即：最長(zhǎng)連續(xù)降水天數(shù)CWD)、極端降水頻次(即：大雨日數(shù)R25 mm)和極端降水貢獻(xiàn)率(R95C)來(lái)研究歷史時(shí)期和未來(lái)不同情境下的極端降水變化特征。具體指標(biāo)見(jiàn)表2。

2 結(jié)果與分析

2.1 CMIP6降尺度模擬結(jié)果評(píng)估

將1961—1999年的模式與實(shí)測(cè)數(shù)據(jù)設(shè)定為率定期進(jìn)行模型率定，2000—2014年逐年的R95P，CWD，R25mm和R95C數(shù)據(jù)則用來(lái)驗(yàn)證模型，對(duì)比率定前后4個(gè)極端降水指數(shù)與氣象站點(diǎn)觀測(cè)值之間的差異。

表2 極端降水指標(biāo)的定義

圖2為2000—2014年4個(gè)極端降水指數(shù)的空間分布，其中圖2(A1，B1，C1和D1)為實(shí)測(cè)站點(diǎn)數(shù)據(jù)計(jì)算得到的空間分布，圖2(A2，B2，C2和D2)為CMIP6所有模式均值重采樣得到的空間分布，而圖2(A3，B3，C3和D3)為通過(guò)Delta降尺度殘差修正后的CMIP6所有模式均值的空間分布。從圖2A中可以看出，3種處理結(jié)果下R95P的空間格局變化趨勢(shì)相似，均為東南高西北低，但實(shí)測(cè)值和重采樣的MME平均值差異較大，實(shí)測(cè)值的強(qiáng)降水量偏低，貴州省強(qiáng)降水量低值區(qū)在西部，強(qiáng)降水量低于350 mm。重采樣后的MME平均值偏高，在貴州省西部高于500 m。而通過(guò)Delta降尺度后強(qiáng)降水量與實(shí)測(cè)值更加接近。因此可以采用Delta降尺度來(lái)對(duì)多模式集合的CMIP6計(jì)算的極端降水指標(biāo)進(jìn)行修訂，以更好地揭示不同SSPs情境下未來(lái)貴州省極端降水的空間分布格局。

2.2 歷史時(shí)期極端降水指數(shù)的時(shí)空變化特征

2.2.1 極端降水指數(shù)的時(shí)間變化 4個(gè)極端降水指標(biāo)1961—2019年的年際變化見(jiàn)圖3，R95P總體呈略微增加的趨勢(shì)(1.278 mm/10 a)，但年際波動(dòng)較大，其中2008年的極端降水強(qiáng)度為歷年最高，最高值為685 mm；而1962年的極端降水強(qiáng)度為歷年最低最低值僅為344 mm。R25mm總體也呈略微增加的趨勢(shì)(0.088 d/10 a)波動(dòng)同樣較大，最高值為2008年的12 d，最低值為1962年的5 d。CWD呈較明顯的減少趨勢(shì)(-0.39 d/10 a)，最高值為1961年的16 d，最低值為2013年的7 d。R95C總體呈上升的趨勢(shì)(0.518%/10 a)，占比最高的為1996年的55%，占比最低的為1962年的34%。

圖2 實(shí)測(cè)值、重采樣后多模式集合均值和降尺度后多模式集合均值的4個(gè)極端降水指標(biāo)的空間分布對(duì)比

2.2.2 極端降水的空間分布及其變化趨勢(shì) 4種極端降水指數(shù)通過(guò)實(shí)測(cè)數(shù)據(jù)計(jì)算后的歷史均值空間分布見(jiàn)圖4。4種指數(shù)總體均呈南高北低的空間分布。其中，R95P呈東南高西北低的空間分布，東南地區(qū)降水量最高為684 mm，西北部地區(qū)降水量最低為345 mm。R25mm東南部部分地區(qū)最高可達(dá)14 d，而西部最少地區(qū)僅為3 d。CWD降水天數(shù)在西南部最高，可達(dá)15 d，而在東北部地區(qū)最低僅為8 d。R95C強(qiáng)降水量貢獻(xiàn)率在南部最高，可達(dá)49%，而在東南部和西部較低，最低僅為42%。

4個(gè)極端降水指數(shù)的多年變化趨勢(shì)并不相同(圖5)。其中R95P變化趨勢(shì)空間格局總體呈增加的趨勢(shì)，增加趨勢(shì)較為顯著的地區(qū)分布在中部和南部，其中南部最高為19.53 mm/10 a，而西部呈減小趨勢(shì)，最低為-25.98 mm/10 a。R25mm變化趨勢(shì)空間格局總體呈降低的趨勢(shì)，中部和南部呈增加趨勢(shì)，最高為0.53 d/10 a，而西部降低趨勢(shì)最為明顯，最低為-0.47 mm/10 a。CWD變化趨勢(shì)空間格局總體呈北部升高，南部降低趨勢(shì)，上升最明顯的地區(qū)分布在北部，最高可達(dá)0.31 d/10 a。而南部部分地區(qū)降低趨勢(shì)最高為-0.65 d/10 a。R95C在中西部變化較明顯，其中中部呈明顯的增加趨勢(shì)，最高為1.68%/10 a，而西部呈明顯的降低趨勢(shì)，降低最快的地區(qū)可達(dá)-0.81%/10 a。

2.3 未來(lái)不同SSPs情景下的極端降水指數(shù)時(shí)空變化特征

2.3.1 極端降水指數(shù)時(shí)間變化 未來(lái)不同SSPs情景下4個(gè)極端降水指數(shù)總體呈上升的趨勢(shì)。具體來(lái)看，R95P降水量在不同SSPs情景下均呈上升的趨勢(shì)，其中在SSP585情景下上升最明顯(28 mm/10 a，R2=0.53)，而在SSP126和SSP245情景下上升趨勢(shì)相差不大(11.8 mm/10 a，11.01 mm/10 a)且不顯著。R25mm在3個(gè)情景中均呈增加趨勢(shì)，其中在SSP585情景下增高趨勢(shì)為0.4 d/10 a。而在SSP126和SSP245情景下變化趨勢(shì)分別為0.2 d/10 a和0.1 d/10 a。CWD連續(xù)降水天數(shù)變化較小且在不同情景下變化趨勢(shì)不同。在SSP126和SSP585情景下呈弱的增加趨勢(shì)(0.1 d/10 a和0.02 d/10 a)，而在SSP245情景下，呈弱的減小趨勢(shì)(-0.02/10 a)。R95C強(qiáng)降水貢獻(xiàn)率在不同SSPs情景下也均呈上升的趨勢(shì)，其中，SSP585情景下R95C上升最快(1.3%/10 a)，而在SSP126和SSP245情景下R95C上升趨勢(shì)不明顯(0.4%/10 a和0.5%/10 a)(圖6)。

圖3 歷史時(shí)期4個(gè)極端降水指標(biāo)的年際變化

圖4 歷史時(shí)期4個(gè)極端降水指數(shù)的空間分布

圖5 歷史時(shí)期4個(gè)極端降水指標(biāo)的年際變化傾向率

圖6 未來(lái)不同SSPs情境下的4個(gè)極端降水指數(shù)的年際變化

2.3.2 極端降水指數(shù)相較于歷史時(shí)期的變化 未來(lái)不同SSPs情境下的4個(gè)極端降水指數(shù)相較于歷史時(shí)期的變化量見(jiàn)圖7。R95P隨SSPs情景排放量的升高而增加，其中，在最西部，降水均比歷史時(shí)期少，最高為100 mm。而在貴州省的西南部，和東南部降水量比歷史時(shí)期明顯增多，最高為100 mm。R25mm在不同SSPs情景下較歷史時(shí)期的變化具有明顯的南北差異，其中南部地區(qū)呈明顯的增高趨勢(shì)，最高為4 d，而北部總體呈減小的趨勢(shì)，其中在最西部，減小最為明顯，為4 d。CWD在SSP126低排放情景下呈明顯的增加趨勢(shì)，其中在北部、東南部和西部升高較明顯，最高為1.5 d，而在西南部減少較為明顯。在SSP245和SSP585情景下，CWD在東南部有明顯的減小，最高可達(dá)1.5 d。R95C在不同情景下均呈升高趨勢(shì)，然而在東南部，減小較為明顯。在SSP245情景下，R95C升高最明顯，SSP585次之。

2.3.3 未來(lái)不同SSPs情境下的極端降水指數(shù)變化趨勢(shì) 未來(lái)不同SSPs情境下的4個(gè)極端降水指數(shù)變化趨勢(shì)見(jiàn)圖8。R95P在3種情景下均呈上升趨勢(shì)，其中SSP126和SSP245情景下R95P升高趨勢(shì)較小，而在SSP585情景下，降水量呈明顯的增加趨勢(shì)，其中在西南部增加最為明顯。R25mm在不同SSPs情景下均呈增加趨勢(shì)。其中在SSP126情景下，貴州省東南部增加趨勢(shì)相對(duì)明顯，而在SSP245情景下，增加趨勢(shì)總體不明顯。而在SSP585情景下，貴州省的東部R25mm呈明顯的升高趨勢(shì)，最高可達(dá)0.5 d/10 a。CWD在SSP126低排放情景下呈明顯的增加趨勢(shì)，其中在北部，東南部和西部升高較明顯，其中北部部分地區(qū)最高升高趨勢(shì)為0.4 d/10 a。在SSP245和SSP585情景下，CWD變化不明顯。R95C在不同情景下均呈升高趨勢(shì)。在SSP126和SSP245情景下上升的幅度較小，而在SSP585情景下，R95C升高最明顯，西部最高為1.6%/10 a。

3 討論與結(jié)論

3.1 討 論

目前已有許多研究[6,22-23]嘗試將格點(diǎn)化降水?dāng)?shù)據(jù)運(yùn)用于極端降水事件研究，但多數(shù)集中于對(duì)過(guò)去極端降水事件的研究，很少針對(duì)未來(lái)時(shí)期極端降水事件進(jìn)行研究。本研究采用最新的CMIP6模型，在MME和Delta降尺度逐日降水的基礎(chǔ)上，計(jì)算不同SSPs情景下未來(lái)的極端降水時(shí)空分布特征，由于極端降水受復(fù)雜下墊面因素影響很大，可能出現(xiàn)明顯的極端降水區(qū)域差異性。盡管該模型在逐日降水的模擬中仍然存在不確定性，但大多數(shù)研究都很好地證實(shí)了MME觀察到的特征和趨勢(shì)是可信的[24-25]。由于選擇的5個(gè)CMIP6模型的空間分辨率不同，將每個(gè)模型重新采樣到0.5°×0.5°可能會(huì)高估或低估極端降水的影響，以統(tǒng)計(jì)降尺度的方法來(lái)去除數(shù)據(jù)本身的空間分辨率差異，以達(dá)到降低這種影響的目的。

圖7 未來(lái)不同SSPs情境下的4個(gè)極端降水指數(shù)相較于歷史時(shí)期的變化量

不同于普通降水的空間格局變化趨勢(shì)，極端降水的長(zhǎng)時(shí)間變化表現(xiàn)出了更為復(fù)雜的時(shí)空格局。在不同區(qū)域尺度上，不同學(xué)者利用格點(diǎn)或非格點(diǎn)化的降水資料，計(jì)算出了不同的極端降水增減趨勢(shì)[26-28]。本文基于格點(diǎn)化的氣象站點(diǎn)和CMIP6逐日降水資料的研究表明，貴州省極端降水事件整體上仍然呈現(xiàn)增加的趨勢(shì)，降水表現(xiàn)出極端化傾向，這也與早期研究結(jié)論[29-30]是相一致的。東部、中部和西部之間也表現(xiàn)出了不同的干濕趨勢(shì)，西南部臨近青藏高原、云貴高原區(qū)更容易發(fā)生極端降水事件，該地區(qū)也是山脈較為密集的地區(qū)，極端降水的增加必將導(dǎo)致地質(zhì)災(zāi)害頻發(fā)，因此加強(qiáng)防范因極端強(qiáng)降雨引發(fā)的地質(zhì)災(zāi)害對(duì)貴州省西南部區(qū)域經(jīng)濟(jì)可持續(xù)發(fā)展是極為重要的。

3.2 結(jié) 論

本文基于歷史實(shí)測(cè)數(shù)據(jù)和耦合模式相互比較項(xiàng)目(CMIP6)第六階段的逐日降水?dāng)?shù)據(jù)對(duì)貴州省的極端降水事件進(jìn)行了特征分析和預(yù)測(cè)。通過(guò)分析得到以下結(jié)論：

(1) 通過(guò)對(duì)比發(fā)現(xiàn)，僅通過(guò)重采樣的MME數(shù)據(jù)下的4個(gè)極端降水指數(shù)與氣象站點(diǎn)插值的數(shù)值有較大差異，總體偏高，而通過(guò)降尺度方法后，CMIP6數(shù)據(jù)結(jié)果得到了很好的糾正，與氣象站點(diǎn)的結(jié)果差異較小，可用于貴州省極端降水指數(shù)的預(yù)測(cè)。

(2) 在1961—2019年的歷史時(shí)期，R95P，R25mm和CWD均呈南高北低的空間分布，而R95C呈明顯的東中西差異。除西部和最北部地區(qū)外，R95P均呈增加趨勢(shì)。R25mm在中部呈明顯的增加趨勢(shì)而在四周呈減小趨勢(shì)。CWD在北部總體呈增加趨勢(shì)而在南部呈減小趨勢(shì)。R95C在西部呈降低趨勢(shì)而在中部呈增加趨勢(shì)。除CWD外，其他3個(gè)極端降水指數(shù)在1961—2019年均呈不明顯的增加趨勢(shì)。

圖8 未來(lái)不同SSPs情境下的4個(gè)極端降水指數(shù)的空間變化

(3) 相較于歷史時(shí)期，R95P在除西部地區(qū)外均呈有增加。而R25mm在南部呈增加趨勢(shì)北部呈減小趨勢(shì)。CWD較歷史時(shí)期有所降低，其中西南部降低最為明顯。R95C在不同情景下均有增高。

(4) 未來(lái)3種SSPs情景下，極端降水指數(shù)總體均呈增加趨勢(shì)，除CWD外，隨著排放情景的升高，極端降水指數(shù)的增加趨勢(shì)也更為明顯，特別是在SSP585情景下。而CWD在SSP126情景下增加最為顯著，而在中高排放情景下增加趨勢(shì)較小，這表明在不均衡發(fā)展條件下，未來(lái)極端降水事件將更加頻繁。