侯祥東，桑國(guó)慶，劉 微，武 瑋，邵廣文

（1.山東省海河淮河小清河流域水利管理服務(wù)中心，山東 濟(jì)南 250199；2.濟(jì)南大學(xué) 水利與環(huán)境學(xué)院，山東 濟(jì)南 250024）

0 引言

20世紀(jì)以來(lái)，全球氣候變暖已是一個(gè)不爭(zhēng)的事實(shí)。氣溫的升高會(huì)影響區(qū)域水循環(huán)，改變降水的強(qiáng)度和空間分布［1］，極易導(dǎo)致諸如春汛提前、旱澇災(zāi)害頻發(fā)等反常水文現(xiàn)象的發(fā)生［2］。這些反常水文現(xiàn)象一旦發(fā)生，對(duì)人類(lèi)生存和社會(huì)發(fā)展都將產(chǎn)生深刻的影響。黃河是中華民族的母親河，流域內(nèi)十分缺水，以占全國(guó)2%的河川徑流量，養(yǎng)育了全國(guó)12%的人口，灌溉了15%的耕地［3，4］。降水是黃河流域河川徑流的主要水分來(lái)源，河川徑流過(guò)程與當(dāng)?shù)貧夂蜃兓芮邢嚓P(guān)。黃河中游流域占黃河流域總面積的45%，是全球土壤侵蝕最為嚴(yán)重的區(qū)域之一，也是黃河泥沙的主要來(lái)源［4］，生態(tài)環(huán)境極為脆弱。全球變暖導(dǎo)致的反常水文現(xiàn)象會(huì)使黃河中游流域生態(tài)保護(hù)、水土保持、水資源保護(hù)等面臨嚴(yán)重挑戰(zhàn)。相關(guān)研究表明，黃河中游氣溫呈上升趨勢(shì)而降水則呈下降趨勢(shì)。就極端降水而言，其數(shù)量呈下降趨勢(shì)而強(qiáng)度則呈上升趨勢(shì)，不利于水土流失的治理［3］。因此，為維護(hù)黃河中游流域生態(tài)環(huán)境穩(wěn)定，保障人類(lèi)生活與生產(chǎn)安全，亟需對(duì)黃河中游流域未來(lái)氣候變化進(jìn)行研究分析。

全球氣候模式（Global Climate Model，GCM）可以較好的再現(xiàn)全球氣候的變化規(guī)律，已被廣泛應(yīng)用于未來(lái)氣候變化的預(yù)測(cè)和評(píng)價(jià)［5-7］。但是由于GCM 間分辨率、初始條件和機(jī)制等的不同，不同GCM 在不同區(qū)域的適應(yīng)性具有較大的差距。因此，學(xué)者們提出了一系列的方法對(duì)GCM 在不同研究區(qū)域的優(yōu)劣性進(jìn)行評(píng)價(jià)［8-11］。同時(shí)，研究表明，集成氣候模式對(duì)氣候變化模擬的性能要優(yōu)于單一氣候模式。在這種情況下，如何合理確定不同GCM 在集成氣候模式中的權(quán)重是提升預(yù)測(cè)精度的一個(gè)關(guān)鍵問(wèn)題［12，13］。同時(shí)，GCM 分辨率較粗（70～400 km），無(wú)法較好地反映區(qū)域氣候特性、合理地預(yù)測(cè)未來(lái)氣候變化規(guī)律［14，15］。因此，有必要采用一定的方法對(duì)GCM進(jìn)行降尺度處理，以適應(yīng)區(qū)域尺度的氣候研究。目前，比較常用的方法可以分為動(dòng)力降尺度和統(tǒng)計(jì)降尺度兩類(lèi)［16］。由于動(dòng)力降尺度計(jì)算復(fù)雜且耗時(shí)較長(zhǎng)，限制了其的廣泛應(yīng)用［17，16］。而統(tǒng)計(jì)降尺度通過(guò)建立GCM 和地面觀測(cè)間的統(tǒng)計(jì)關(guān)系，實(shí)現(xiàn)GCM 的降尺度處理，被廣泛應(yīng)用于未來(lái)氣候變化研究中［18，19］。

以黃河中游流域?yàn)檠芯繉?duì)象，通過(guò)GCM評(píng)價(jià)體系篩選出適宜研究區(qū)的6 種GCM，并基于加權(quán)平均法生成一種可以較好反應(yīng)研究區(qū)氣候變化特征的集成氣候模式，利用統(tǒng)計(jì)降尺度方法對(duì)不同情景下研究區(qū)未來(lái)氣候變化進(jìn)行預(yù)測(cè)。研究結(jié)果可以為當(dāng)?shù)卣乃Y源管理和規(guī)劃提供技術(shù)支撐。

1 研究區(qū)概況和方法

1.1 研究區(qū)概況

黃河中游流域位于頭道拐和花園口水文站之間（圖1），面積361 600 km2，占黃河流域總面積的45%左右。流域大部分處于黃土高原，為黃河的主要產(chǎn)沙區(qū)，黃河流域超過(guò)88%的泥沙來(lái)自于黃河中游［20，21］。黃河中游流域主要屬于半濕潤(rùn)-半干旱氣候帶，降水空間分布極不均勻，多年平均降水量最小為300 mm，最大為800 mm，年平均氣溫位于6～12 ℃。

圖1 研究區(qū)概況Fig.1 Summary of study area

1.2 研究數(shù)據(jù)

筆者采用1961-2005 年（歷史時(shí)期）20 個(gè)CMIP5 下GCM 的輸出數(shù)據(jù)（降水和氣溫）和地面觀測(cè)站的逐日降水、平均氣溫?cái)?shù)據(jù)進(jìn)行GCM適用性評(píng)價(jià)，篩選出在黃河中游流域綜合模擬性能較好的前6 種GCM，并采用加權(quán)平均方法構(gòu)建一種集成氣候模式?；跉v時(shí)時(shí)期和未來(lái)時(shí)期（2019-2065 年）7 種GCM 的輸出數(shù)據(jù)，利用統(tǒng)計(jì)降尺度方法進(jìn)行降尺度處理，分析黃河中游流域未來(lái)氣候變化。其中，1961-2005 年期間地面觀測(cè)站的逐日降水和平均氣溫?cái)?shù)據(jù)來(lái)源于中國(guó)氣象數(shù)據(jù)共享網(wǎng)。20 個(gè)CMIP5下GCM 的降水、氣溫?cái)?shù)據(jù)來(lái)源于英國(guó)環(huán)境數(shù)據(jù)分析中心（http：//www.ceda.ac.uk/），詳見(jiàn)表1。另外，考慮到站點(diǎn)數(shù)據(jù)的長(zhǎng)度和質(zhì)量，筆者共計(jì)選取了65 個(gè)流域內(nèi)部和周邊站點(diǎn)（圖1）。其中，站點(diǎn)中的部分缺失值基于周邊站點(diǎn)數(shù)據(jù)，采用反距離權(quán)重方法進(jìn)行插補(bǔ)。在GCM 優(yōu)劣性評(píng)價(jià)過(guò)程中，為減少不同GCM 分辨率所引起的不確定性，采用雙線(xiàn)性插值算法將所有GCM的分辨率插值至同一網(wǎng)格大?。?.5°×0.5°）。

表1 20種GCM模式信息表Tab.1 List of the global climate models in this study

1.3 方 法

1.3.1 GCM評(píng)價(jià)體系

為分析上述20 種GCM 在黃河中游流域氣候變化的模擬性能，采用傅國(guó)斌［22］提出的評(píng)價(jià)體系，對(duì)所有GCM 進(jìn)行評(píng)價(jià)。該體系通過(guò)GCMs 輸出結(jié)果和同時(shí)期觀測(cè)值進(jìn)行對(duì)比，計(jì)算出共計(jì)8 個(gè)大項(xiàng)，11 個(gè)小項(xiàng)的評(píng)價(jià)指標(biāo)（詳見(jiàn)表2），用于評(píng)價(jià)氣候模式對(duì)區(qū)域氣溫和降水的模擬精度（各指標(biāo)的詳細(xì)說(shuō)明可見(jiàn)文獻(xiàn)［22］）。針對(duì)第i個(gè)氣候模式，首先采用式（1）計(jì)算其所有小項(xiàng)介于0～9 之間的排序分?jǐn)?shù)，然后通過(guò)式（2）計(jì)算該氣候模式模擬能力的分值，其分值越低，模擬效果越好。

表2 GCMs評(píng)價(jià)指標(biāo)及其計(jì)算方法Tab.2 Statistics indicators adopted for GCM performance assessment

式中：xj代表第j項(xiàng)評(píng)價(jià)指標(biāo)的數(shù)值。

式中：T_RSi代表第i個(gè)GCM 的評(píng)價(jià)分?jǐn)?shù)；Wj為第j項(xiàng)評(píng)價(jià)指標(biāo)的權(quán)重。

基于每個(gè)模型的時(shí)空評(píng)價(jià)結(jié)果，對(duì)模型進(jìn)行排序，篩選出排名靠前的N種氣候模式并根據(jù)式（1）計(jì)算其權(quán)重，進(jìn)而構(gòu)建一個(gè)集成氣候模式來(lái)減少不同模式情景和參數(shù)的不確定性［23，24］。

式中：N為模式個(gè)數(shù)；Si為第i個(gè)模式的評(píng)分；Wi為第i個(gè)模式的權(quán)重。

1.3.2 統(tǒng)計(jì)降尺度

分?jǐn)?shù)位映射（Quantile Mapping，QM）是一種常用的統(tǒng)計(jì)降尺度方法，其基于歷史時(shí)期的氣候要素的概率分布，對(duì)GCM 所輸出的氣候要素進(jìn)行偏差矯正［25，26］。由于QM 方法所用的概率分布基于歷史時(shí)期，因此對(duì)于歷史時(shí)期未發(fā)生的而在未來(lái)時(shí)期可能發(fā)生的極端氣候事件難以進(jìn)行有效的矯正。為了對(duì)未來(lái)時(shí)期的極端事件進(jìn)行矯正，Cannon 等［27，28］提出了一種改進(jìn)方法（Quantile Delta Mapping，QDM），并用于GCMs 在加拿大所模擬的逐日降水量的矯正，取得了滿(mǎn)意的效果。因此，同樣采用QDM 方法對(duì)GCMs 氣候模式所輸出的氣候要素進(jìn)行降尺度處理。

2 結(jié)果和討論

2.1 GCM優(yōu)劣評(píng)價(jià)

依據(jù)上文所述11個(gè)評(píng)價(jià)指標(biāo)分別計(jì)算出20個(gè)GCM降水和溫度的評(píng)價(jià)分?jǐn)?shù)，然后將所有GCM分別按照降水和氣溫的評(píng)價(jià)分?jǐn)?shù)進(jìn)行升序排序，篩選出降水和氣溫模擬性能均較好的GCM（圖2）。從圖2 中可以看出，不同GCM 在預(yù)測(cè)降水和溫度方面的性能具有較大的差異。其中，GCM14在降水方面的模擬效果最好，但在氣溫方面的模擬效果較差。相反，GCM17 在氣溫方面的模擬效果最好，但在降水方面模擬效果稍差。考慮到GCM在模擬溫度方面的性能通常優(yōu)于降水［22，29］，因此，筆者主要依據(jù)降水的排名篩選出在降水和溫度模擬方面均具有良好的性能的6 個(gè)GCM（ACCESS1.3，CSIRO-Mk3-6-0，IPSL-CM5A-LR，IPSL-CM5A-MR，MIROC5和MRI-CGCM3），用于研究黃河中游的未來(lái)氣候變化。

圖2 黃河中游流域GCM模擬性能Fig.2 GCM performances for precipitation and temperature in MYRB

采用式（3），按降水和氣溫分別計(jì)算出不同GCM的權(quán)重（表3）。為更好地預(yù)測(cè)黃河中游流域未來(lái)氣候變化情況，根據(jù)各GCM權(quán)重，利用加權(quán)平均法生成集成氣候模式，即EGCM。

表3 所選GCM評(píng)價(jià)及權(quán)重Tab.3 The information of selected GCMs in this study

2.2 GCM預(yù)測(cè)評(píng)價(jià)

在進(jìn)行降尺度分析時(shí)，首先依據(jù)1961-1990 年（率定期）的逐日實(shí)測(cè)數(shù)據(jù)和GCM 逐日輸出數(shù)據(jù)對(duì)降尺度模型（QDM）進(jìn)行偏差校正；然后，基于校正后的QDM 方法，依據(jù)GCM 在1991-2005 年（驗(yàn)證期）的輸出結(jié)果進(jìn)行降尺度模型（QDM）的驗(yàn)證。為便于分析降尺度模型在黃河中游流域的性能效果，筆者采用泰森多邊形方法分別將地面觀測(cè)和預(yù)測(cè)的降水量、極端降水量和平均溫度從臺(tái)站值轉(zhuǎn)換為流域平均值，并從這3 個(gè)方面進(jìn)行對(duì)比分析。依據(jù)文獻(xiàn)［3］，各站點(diǎn)選擇大于0.1 mm 的降水事件，并將其進(jìn)行升序排列，以第90 個(gè)百分位數(shù)作為極端降水的閾值。

圖3 展示了不同GCM 經(jīng)降尺度處理后所預(yù)測(cè)氣候要素和實(shí)測(cè)數(shù)據(jù)在率定期（1961-1990 年）和驗(yàn)證期（1991-2005 年）的年際變化。圖3 中，6 個(gè)GCM 可確定出黃河中游流域不同氣候模式下氣溫和降水年際變化預(yù)測(cè)的不確定性范圍，而EGCM 則反映黃河中游氣候變化趨勢(shì)。從圖3 中可以看出，各GCM 所預(yù)測(cè)氣候要素具有顯著的不確定性，其中，降水的不確定性高于溫度的不確定性。就降水而言，可以發(fā)現(xiàn)實(shí)測(cè)值普遍落于6 個(gè)單一GCM 的預(yù)測(cè)范圍內(nèi)。在溫度方面，實(shí)測(cè)值除個(gè)別年份（1997-2002 年）外，也基本落于GCM 所預(yù)測(cè)氣溫的不確定性范圍內(nèi)。為進(jìn)一步評(píng)估降尺度后EGCM 在變化趨勢(shì)方面的模擬性能，將實(shí)測(cè)值和EGCM 預(yù)測(cè)值采用5年移動(dòng)平均法進(jìn)行處理。結(jié)果表明，EGCM 預(yù)測(cè)的所有氣候要素的趨勢(shì)和黃河中游流域的實(shí)際情況相似。換言之，盡管EGCM 所預(yù)測(cè)的年際間波動(dòng)較實(shí)際情況有所偏大，但仍可以較好地捕捉黃河中游氣候要素的變化趨勢(shì)。

圖3 驗(yàn)證期黃河中游流域?qū)崪y(cè)和GCM所預(yù)測(cè)年降水量、極端降水量和溫度對(duì)比Fig.3 Evolution of basin-averaged annual precipitation，annual extreme precipitation，and annual temperature for the historical period（1961-2005）

驗(yàn)證期內(nèi)7 種GCM 所預(yù)測(cè)氣候要素的年內(nèi)變化與實(shí)測(cè)值基本吻合（圖4）。相較于其他GCM，EGCM 所預(yù)測(cè)的月均降水量、極端降水量和溫度變化與實(shí)際變化較為接近。就不確定性來(lái)看，GCM 所預(yù)測(cè)降水的不確定性大于溫度，且5-9 月月均降水和極端降水的不確定性高于其他月份。另外，驗(yàn)證期內(nèi)EGCM 所預(yù)測(cè)的年平均降水量、平均極端降水在7-9 月的預(yù)測(cè)值較實(shí)測(cè)值有所高估；而實(shí)測(cè)和EGCM 所預(yù)測(cè)的年平均氣溫在1-3月較實(shí)測(cè)值有所低估。

圖4 驗(yàn)證期間黃河中游流域?qū)崪y(cè)與GCM所預(yù)測(cè)平均月降水量、極端降水量和溫度對(duì)比Fig.4 Monthly mean of basin-averaged precipitation，extreme precipitation，and temperature from 1990 to 2005

2.3 未來(lái)氣候變化

采用QDM 方法對(duì)EGCM 在RCP4.5 和RCP8.5 情景下所預(yù)測(cè)氣候要素（2021-2065 年）進(jìn)行偏差校正。通過(guò)歷史時(shí)期（1961-2005）和未來(lái)時(shí)期（2021-2065）間氣候要素的對(duì)比，研究黃河中游流域未來(lái)的氣候變化。

2.3.1 降 水

采用QDM 方法對(duì)7 種GCM 進(jìn)行降尺度處理，得到黃河中游流域在兩種RCP 情景下未來(lái)時(shí)期的降水情況。相較于歷史時(shí)期（509.8 mm/a），EGCM 所預(yù)測(cè)多年平均年降水量在RCP4.5和RCP8.5 情景下分別為533.4和536.6 mm/a，增加了5%。為直觀展示黃河中游流域未來(lái)時(shí)期年降水量和月降水量的變化，以歷史時(shí)期流域多年平均年（月）降水量為基準(zhǔn)對(duì)GCM 預(yù)測(cè)年（月）降水量進(jìn)行距平處理（圖 5）。從圖中可以看出，在RCP4.5情景下，未來(lái)時(shí)期黃河中游流域年降水量的相對(duì)變化在0%上下波動(dòng)；在RCP8.5 情景下，2045 年之前黃河中游流域降水量較歷史時(shí)期（509.8 mm/a）有所減少，而2045 年之后降水量呈增加趨勢(shì)。就年內(nèi)變化而言［圖5（c）～（d）］，兩種排放情景下，GCM所預(yù)測(cè)降水在1-6 月的不確定性小于6-12 月。相較于歷史時(shí)期，在RCP4.5情景的5-7月和RCP8.5情景的4-6月黃河中游流域降水量明顯增加。

圖5 2021-2065年黃河中游流域降水量變化Fig.5 Projected changes in basin-average precipitation during the future period 2021-2065

2.3.2 極端降水

圖6（a）～（b）顯示了兩種RCP 情景下黃河中游流域平均年極端降水量在未來(lái)時(shí)期的年際變化。EGCM 在RCP4.5 和RCP8.5 情景下所預(yù)測(cè)多年平均年極端降水量分別為266.7 和269.8 mm/a。與歷史時(shí)期（237.2 mm/a）相比，EGCM 預(yù)測(cè)的年極端降水量增加約30 mm，和EGCM 預(yù)測(cè)的降水量變化近似。但年平均極端降水增加的比例約為12.5%，高于年平均降水的增幅（5%）。

圖6 2021-2065年黃河中游流域極端降水量變化Fig.6 Projected changes in basin-average extreme precipitation during the future period 2021-2065

2.3.3 氣溫

與降水和極端降水不同，在兩種RCP 情景下，所有GCM 預(yù)測(cè)的流域年均氣溫均呈現(xiàn)明顯的上升趨勢(shì)［圖7（a）～（b）］。在RCP4.5 和RCP8.5 情景下，EGCM 預(yù)測(cè)的年均氣溫較歷史時(shí)期（9.59 ℃）相比，分別上升了1.94 ℃和2.41 ℃。從EGCM 所預(yù)測(cè)流域平均氣溫的月變化來(lái)看，RCP4.5情景下各月間的氣溫增幅差異較?。蹐D7（c）］。2-6月溫度上升1.8 ℃左右，其余月份上升2.0 ℃左右。然而，在RCP8.5情景下，不同月份間溫度的增幅差異性較大［圖7（d）］。其中，9 月氣溫上升最多，為2.73 ℃，而4月氣溫上升最少，為2.06 ℃。

圖7 2021-2065年黃河中游流域氣溫變化Fig.7 Projected changes in basin-average temperature during the future period 2021-2065

3 結(jié)論

依據(jù)歷史時(shí)期地面觀測(cè)資料與20 種GCM 的輸出結(jié)果，采用相關(guān)評(píng)價(jià)指標(biāo)，評(píng)價(jià)、篩選出排名靠前的6 種GCM 模式。并根據(jù)計(jì)算的各GCM 權(quán)重，采用加權(quán)平均法構(gòu)建集成氣候模式（EGCM）?；? 種氣候模式，采用統(tǒng)計(jì)降尺度模型（QDM）預(yù)測(cè)、分析RCP4.5 和RCP8.5 兩種排放情景下黃河中游流域未來(lái)氣候變化。主要結(jié)論如下：

（1）相較于其他GCM，ACCESS1.3、CSIRO-Mk3-6-0、IPSLCM5A-LR、IPSL-CM5A-MR、MIROC5 和MRI-CGCM3 等6 個(gè)GCM，在重現(xiàn)黃河中游流域降水和氣溫方面具有較好的性能。

（2）相較于單一GCM，EGCM 在重現(xiàn)氣候變化方面表現(xiàn)更好，可以較好地反映黃河中游流域當(dāng)前降水和溫度的變化趨勢(shì)。

（3）相較于歷史時(shí)期，黃河中游流域在未來(lái)時(shí)期年平均降水量和年極端降水量將分別增加約5%和12.5%；年均氣溫呈顯著上升趨勢(shì)，在RCP4.5 情景下各月氣溫平均增幅2 ℃左右，在RCP8.5 情景下，月均氣溫9 月增幅最高（2.73 ℃）而4 月增幅最低（2.06 ℃）。