 Journal of Water Resources Research 水资源研究, 2013, 2, 70-75 http://dx.doi.org/10.12677/jwrr.2013.21011 Published Online February 2013 (http://www.hanspub.org/journal/jwrr.html) Climate Change Impact on Hydro-Climate Variables in the Xiangjiang Basin* Yi Xiao1, Shaohua Tang1, Hua Chen2, Linjuan Hu2 1Department of Water Resources of Hunan Province, Changsha 2State Key Laboratory of Water Resources and Hydropower Engineering Science, Wuhan University, Wuhan Email: 7100120@qq.com Received: Nov. 27th, 2012; revised: Dec. 11th, 2012; accepted: Dec. 27th, 2012 Abstract: Based on the collection of historical hydro-climate data, such as precipitation, temperature and evaporation in the Xiangjiang Basin, the relationship between the local hydro-climate variables and large scale climate predictors of GCM has been established by using Automated Statistical Downscaling model. The future change of those hydro-climate variables was predicted by using this technical frame during the pe- riod of 2010-2099 in this basin. The results showed that temperature and evaporation will increase signifi- cantly, while precipitation has no significant change trend in future. Keywords: Climate Change; Xiangjiang Basin; Statistical Downscaling Method; Temperature; Precipitation; Evaporation 气候变化对湘江流域降水气温和蒸发的影响变化预测* 肖 义1，唐少华 1，陈 华2，胡林娟 2 1湖南省水利厅，长沙 2武汉大学水资源与水电工程科学国家重点实验室，武汉 Email: 7100120@qq.com 收稿日期：2012 年11 月27 日；修回日期：2012 年12 月11 日；录用日期：2012 年12 月27 日 摘 要：通过收集和整理湘江流域历史水文气象资料，利用统计降尺度方法建立湘江流域气温、降水 和蒸发等要素同全球气候模式大尺度因子的统计关系，分析和预测了未来湘江流域水文气象要素的变 化情况。研究结果表明，未来 2010~2099 年湘江流域气温和蒸发有较明显的上升趋势，降水变化趋势 不明显。 关键词：气候变化；湘江；统计降尺度；气温；降水；蒸发 1. 引言 气候变化已成为当今科学界、各国政府和社会公 众普遍关注的环境问题之一[1,2]。气候异常增强了水文 规律的不确定性和复杂性，加大了水资源管理的难 度。在全球气候变化背景下，湘江流域水文循环规律 也发生了变化，水资源时空分布不均的现象进一步加 剧，水文气象等极端灾害事件越发频繁：2008 年冬天 罕见的低温冰冻灾害；2009 年10 月下旬和 11 月上旬 刚出现长时间干旱少雨和特枯水位，紧接着又马上出 现长时间的降雨和水位迅速抬升以至部分河段甚至 逼近警戒水位的反常现象。因此，分析气候变化影响 下水文气象要素，如气温、降水、和蒸发的变化情况， 为湘江流域的水资源规划与管理提供科学依据，具有 *基金项目：国家自然科学基金(51279138)。 作者简介：肖义(1980-)，博士，湖南岳阳人，主要从事水资源规划 及管理有关工作。 Copyright © 2013 Hanspub 70  肖义，等：气候变化对湘江流域降水气温和蒸发的影响变化预测 第2卷 · 第1期 重要意义。 2. 研究区域和数据 湘江流域年平均温度在 17℃以上，最冷月平均温 度最北部一般也在 4℃以上，少见冰雪。但若遇北方 猛烈寒潮侵入的时候，全流域均可发生 0℃以下的低 温，如南部的郴州 2008 年发生了冰雪灾害，但是这 种低温持续时间不是很长。夏热时间一般较长，其中 7月为一年中最热的月份，平均温度在 29℃~30℃左 右，个别地区达到 30℃以上。流域内降雨强度大且雨 量充沛，多年平均降雨量为 1458 mm，个别地区可达 1700 mm，呈现湘江南、东、北部偏多而中南部偏少 的降雨特点，多集中于 3~7 月，其中汛期(4~9 月)降 雨占全年的 70%左右。流域多年平均径流深为 815 mm，径流系数为 0.55左右。 由于东南西三面环山，湘江流域具有南高北低， 向北倾注的形势，以衡阳以上为中上游，其下为中下 游。本文采用湘江流域 7个气象站点的日均气温资料 (1960~2008 年)，11 个站点的日蒸发资料(1984~2005 年)，177 个站点的日降雨资料(1984~2005 年)。对气 温资料采用分站点分析统计计算，对蒸发及降雨资料 采用分子流域(中上游流域和中下游流域)进行分析统 计计算。采用 NCEP/NCAR 全球再分析日资料作为观 测的大尺度气候资料，与区域气候要素建立统计模 型。NCEP 再分析资料空间分辨率为 2.5˚ × 2.5˚，覆 盖 湘江流域的网格数为 3 × 2个经纬网格，测站和网格 的位置关系见图 1。另外，在 A2 和B2 两种未来气候 排放情景下，HadCM3模型生成的大尺度气候资料作 为统计模型的输入，区域未来气候要素变化时间序列 即为统计模型输出。 3. 统计降尺度技术 由于全球气候模型 GCM 分辨率一般比较粗，不能 适当地描述复杂地形、地表状况和某些物理过程，从 而对区域气候变化模拟产生较大的偏差，影响其可信 度[3-5]。因此，需要一种尺度降解技术来建立流域水文 模型同大尺度 GCM 模型的耦合机制[6,7]。目前统计降 尺度方法已被广泛应用于研究和评估区域气候变化影 响，其中 ASD(Automated S tatistical Downscaling model) 模型[8]是基于自回归分析的一种统计降尺度模型。 Figure 1. The distribution of NCEP grids and hy- dro-meteorological stations in the Xiangjiang Basin 图1. 湘江流域水文气象站点和 NCEP 格网分布图 统计降尺度法利用多年的观测资料建立大尺度 气候状况(主要是大气环流)和区域气候要素之间的统 计关系，并应用于 GCM输出的大尺度气候信息以预 估区域未来的气候变化情景。ASD 模型采用向后逐步 回归方法和偏相关分析方法来提取主因子。在建立大 尺度气候因子与区域气象要素间的统计关系时，统计 降尺度法一般使用多元线性回归，但是气候因子所组 成的向量具有非正交性，导致回归系数的最小二乘估 计不稳定，故 ASD 模型还提供了一种可以减轻气候 因子非正交性影响的岭回归方法。对线性模型 yXbe ，岭回归系数计算公式如下： 1 T bXXk Xy IT (1) 式中：I为单位矩阵，k为岭参数(当k = 0时，即为最 小二乘估计)，主因子在计算之前需标准化。 该模型对降雨的模拟过程是条件性的，即先模拟 降雨发生的概率，再模拟降雨量，计算公式如下： Copyright © 2013 Hanspub 71  肖义，等：气候变化对湘江流域降水气温和蒸发的影响变化预测 第2卷 · 第1期 01 n i j O jij p (2) 0.25 01 n j jij j j R pe (3) 式中： 为日降雨概率， i O j R为日降雨量， 为气候 因子，n为选择的气候因子的数目， ij p 和 为模型参 数， j e为模型误差。 对温度的模拟则是无条件的： 01 n j jij j j Tp e (4) 式中： j T为日温度(平均值、最大值、最小值)， 为 模型参数，假设 j e符合高斯分布，可按下列公式计算： 12 jj eVIFzSeb (5) 式中： j z b 为一正态分布的随机数， 是模拟值的标 准差， 为模型偏差，VIF 为方差膨胀因子。当采用 NCEP 再分析资料来率定模型时，VIF 和b分别取为 12 和0；当 使 用GCM 资料生成未来气候情景时， VIF 和b按下列公式计算： Se obs d bM M (6) 2 12 obs d VV VIF Se (7) 式中：为率定期观测值的方差， 为率定期模型 输出中确定性部分的方差， 为标准差， 为率 定期观测值的平均值， obs Vd V Se obs M d M 为率定期模型输出中确定 性部分的平均值。 4. 分析与讨论 4.1. 统计降尺度模型的建立 如前所述，对气温，建立各站点与其所在格网间 的统计模型；对降雨和蒸发，则建立各分区与湘江流 域覆盖的所有格网间的统计模型。将以上相关资料及 参数信息输入模型中，经模拟计算可得湘江流域水文 气象要素未来气候变化情景。建立的统计模型的确定 性系数见表 1和表2。 由表 1和表 2可以看出，ASD 模型对气温的模拟 效果很好，效率系数都达到 0.95 左右，而对降雨的模 拟效果比较差，效率系数都没有超过 0.40，对蒸发的 模拟效果处于中间，在 0.65 到0.80 之间。对气温， 直接采用建立的统计模型生成未来气候变化情景；对 降雨和蒸发，采用确定性系数最大的统计模型生成未 来气候变化情景。 以各气温站观测值作为基准，在检验期流域中上 A2 和B2 情景下模拟值同各月平均气温观测值的绝对 偏差可见图 2。 由上系列图可知，在 A2 和B2 两种情景下，中上 游各站气温的模拟值在夏季偏高，在冬季偏低，在春 秋两季偏差都向正方向增加；但A2 情景下在四季偏 差都较大，B2 情景下则在春季的偏差比较小；另外， Table 1. Deterministic coefficient of temperature downscaling model 表1. 气温统计模型确定性系数 站点编码 站名 格网 R2 57679 长沙 31X23Y 0.9631 57774 双峰 30X24Y 0.9403 57776 南岳 31X24Y 0.9771 57866 零陵 30X24Y 0.9436 57872 衡阳 31X24Y 0.9573 57965 道县 30X24Y 0.9475 57972 郴州 31X24Y 0.9507 Table 2. Deterministic coefficient of precipitation and evaporation downscaling models 表2. 降雨及蒸发统计模型确定性系数 分区 格网 R2 (Precipitation) R2 (Evaporation) 30X24Y0.2689 0.6992 31X23Y0.2351 0.6516 中上游 31X24Y0.3488 0.7467 30X24Y0.3026 0.7385 31X23Y0.3552 0.7172 中下游 31X24Y0.3560 0.7980 Figure 2. The absolute deviation between monthly average tem- perature observation and simulation from A2 and B2 scenario in the Xiangjiang Basin 图2. 湘江流域月平均温度 A2、B2 情景模拟绝对偏差结果 Copyright © 2013 Hanspub 72  肖义，等：气候变化对湘江流域降水气温和蒸发的影响变化预测 第2卷 · 第1期 A2 情景下模拟值在实测值上下振荡频率小，B2 情景 下模拟值与实测值间的偏差起伏变化较大，另外湘江 流域下游各气温站点起伏变化基本一致。 以实测值作为基准，在检验期A2 和B2 情景下， 湘江流域两个子流域的月平均降雨量和月平均蒸发 量的模拟值与实测值之间的绝对偏差可见图 3和图 4。 Figure 3. The absolute deviation between monthly average pre- cipitation observation and simulation from A2 and B2 scenario in the Xiangjiang Basin 图3. 流域月平均降雨量模拟效果 Figure 4. The absolute deviation between monthly average evapo- ration observation and simulation from A2 and B2 scenario in the Xiangjiang Basin 图4. 流域月平均蒸发量模拟效果 由上系列图可知，A2 情景比 B2 情景的最大正偏 差和最小负偏差值都大；湘江流域A2 和B2 情景下的 月平均降雨量，总体来说，枯水季节有正偏差，汛期 则出现负偏差，使降雨年分布趋向均匀化；但中上游 月平均降雨量偏差在汛期 A2 情景下先正后负，B2 情 景下负正交替；整个湘江流域的月平均蒸发量在 A2、 B2 情景下变化趋势基本相同，即在夏季正偏差最大， 到冬季则偏差最小，对年分布来说则加大了不均匀性。 4.2. 未来湘江流域水文气象要素变化预测 由以上建立统计模型并验证后，将 HadCM3 在 A2 和B2 情景下生成的未来气候因子资料降解可得湘 江流域 2010 年~2099 年的日均气温、日均降雨量和日 均蒸发量。 由图 5可知，在 A2 和B2 情景下，湘江流域的气 温均呈稳步上升趋势，且变化趋势在 A2 情景下较在 B2 情景下明显；另外，除了南岳站由于地形因素气温 较低外，气温自南向北降低；而整个流域的气温变化 趋势基本一致。 由图 6可知，在 A2 和B2 情景下，湘江流域的降 雨量起伏变化较大，且A2 情景下的变化幅度大于 B2 情景下的变化幅度；另外，中上游降雨量的变化幅度 较中下游的变化幅度大。总体来说，未来 2011 年到 Figure 5. The annual mean temperature simulations from A2 and B2 scenario in the basin from 2010 to 2099 图5. 2010~2099年各气温站年均气温模拟 Copyright © 2013 Hanspub 73  肖义，等：气候变化对湘江流域降水气温和蒸发的影响变化预测 第2卷 · 第1期 Figure 6. The annual mean precipitation simulation from A2 and B2 scenario in the basin from 2010 to 2099 图6. 湘江流域未来 2010~2099 年均降雨量 2099 年湘江流域丰枯水年间有，且中上游降雨量有减 少的趋势。 由图 7可知，湘江流域的蒸发量在未来 A2 和B2 情景下均呈增加趋势；中上游的蒸发量比中下游的蒸 发量大，且中上游的蒸发量 A2 情景较 B2 情景变化幅 度大，中下游的蒸发量 A2情景较 B2情景变化幅度小。 5. 结论 为了分析和预测气候变化影响下，湘江流域气 温、降水和蒸发的变化情况，本文应用 ASD 统计降 尺度模型，来建立全球气候模式的大尺度气候因子同 湘江流域水文气象要素之间的统计关系。主要研究结 论如下： 1) ASD统计降尺度方法对气温的模拟效果很好， 效率系数都达到 0.95 左右，对蒸发的模拟效果较好， 效率系在 0.65~0.80之间，然而降雨的模拟效果比较 差，效率系数都没有超过 0.40。目前无论是国内还是 国外，统计降尺度方法对日降水的模拟，都很难取得 令人非常满意的结果。 2) 在A2 和B2两种情景下，湘江流域各站气温 的模拟值在夏季偏高，在冬季偏低，在春秋两季偏差 都向正方向增加；月平均降雨量枯水期相对偏差较 大，汛期较小，而中上游流域相对偏差较大的时间较 Figure 7. The annual mean evaporation simulation from A2 and B2 scenario in the basin from 2010 to 2099 图7. 湘江流域未来 2010~2099 年均蒸发量 为集中，下游流域相对偏差较大的时间相对较分散； 月平均蒸发量汛期相对偏差比 较大，A2 情景的偏 差 大于 B2 情景的偏差。 3) 在A2 和B2情景下，湘江流域的气温均呈稳 步上升趋势，且变化趋势在 A2 情景下较在 B2 情景下 明显；湘江流域的降雨量起伏变化较大，变化趋势不 明显，需要进一步分析明确，且A2 情景下的变化幅 度大于 B2 情景下的变化幅度；湘江流域的蒸发量在 未来均呈增加趋势，中上游的蒸发量 A2 情景较 B2 情景变化幅度大，下游的蒸发量 A2 情景较 B2 情景变 化幅度小。 参考文献 (References) [1] 气候变化国家评估报告编写委员会. 气候变化国家评估报告 [M]. 北京: 科学出版社, 2007. China’s National Assessment Report on Climate Change Editing Committee. China’s national assessment report on climate change. Beijing: Science Publication, 2007. (in Chinese) [2] IPCC. METZ, B., DAVIDSON, O. R., BOSCH, P. R., D AVE, R., MEYER, L. A., Eds. Climate Change 2007: Mitigation. Contri- bution of Working Group Ⅲ to the 4th Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, New York: Cambridge University Press, 2007. [3] WILBY, R. L., WIGLEY, T. M. L. Downscaling general circula- tion model output: a review of methods and limitations. Progress in Physical Geography, 1997, 21(4): 530-548. [4] XU, C. Y. From GCMs to river flow: A review of downscaling methods and hydrologic modelling approaches. Progress in Physical Geography, 1999, 23(2): 229-249. Copyright © 2013 Hanspub 74  肖义，等：气候变化对湘江流域降水气温和蒸发的影响变化预测 Copyright © 2013 Hanspub 第2卷 · 第1期 75 [5] CHEN. H., XU, C.-Y. and GUO, S. L. Comparison of statistical downscaling methods and their performance in driving hydro- logical models in climate change study. Journal of Hydrology, 2012, 434-435: 36-45. [6] XU, C.-Y., WIDÉN, E. and HALLDIN, S. Modelling hydrolo- gical consequences of climate change—Progress and challenges. Advances in Atmospheric Sciences, 2005, 22(6): 789-797. [7] CHEN, H., GUO, J., GUO, S. L., XU, C.-Y. and XIONG, W. Downscaling of daily precipitation from GCMs predictions in Hanjiang Basin using smooth support vector machine. Advances in Atmospheric Sciences, 2010, 27(2): 274-284. [8] HESSAMI, M., GACHON, P., OUARDA, T. B. M. J. and ST- HILAIRE, A. Automated regression-based statistical down- scaling tool. Environmental Modelling and Software, 2008, 23: 813-834. |