钱塘江流域未来降水趋势分析

张徐杰　　富　强　　朱　聪　　郭　靖(中国电建集团华东勘测设计研究院有限公司，浙江 杭州　311122)



钱塘江流域未来降水趋势分析

张徐杰富强朱聪郭靖(中国电建集团华东勘测设计研究院有限公司，浙江 杭州311122)

摘要：利用美国环境预报中心(NCEP)的全球再分析资料和钱塘江流域6个气象站40多年的观测资料，建立了钱塘江流域统计降尺度模型。然后将IPCC AR5提供的大气环流模式HadGEM2-CC在RCP4.5情景下的结果输入统计降尺度模型，得到流域未来几十年的月平均降水情况。结果表明，海平面气压、地面气温、500 hPa、850 hPa位势高度场和500 hPa、850 hPa比湿这6个因子与降水有较为密切的联系，并且区域降水特征与当地地理位置、地质地貌等特征有明显关系。钱塘江流域未来几十年的年降水量呈现波动增加趋势，各站点年平均统计降水量增加速率为每年0.216 mm。

关键词：气候变化；降水；钱塘江流域

1研究背景

钱塘江是浙江省第一大河，河流全长688 km，流域面积5.56万km2，年均流量442.5亿m3，河口潮汐水力资源理论蕴藏量为472万kW。钱塘江流域邻近中国东南沿海，位于亚热带季风气候区，平均温度17℃，天气干燥；夏季多东南风，气温高，光照强，空气湿润；春秋两季气旋活动频繁，冷暖变化大。

近些年来，各国政府及科学家越来越关注气候变化问题[1]。因为模拟未来气候可以使人类尽早地认识到气候及生态环境可能发生的变化，进而对其产生的影响进行评估，并及时采取相应的防范措施。目前，用于气候模拟研究的大气环流模式(GCM)对气候平均态和年际预测方面取得了很好的效果[2~4]。然而，GCM输出的空间分辨率较低，需要通过降尺度方法才能得到区域的气候信息。降尺度方法可以分为动力降尺度方法和统计降尺度方法[5~6]。

本文主要采用统计降尺度方法，选取多元线性回归法来建立统计降尺度模型，对钱塘江流域未来几十年降水情况进行计算和分析。

2研究资料与方法

2.1研究资料

本文以钱塘江流域作为研究区域，采用美国环境预报中心(NCEP)的全球再分析月平均资料作为观测的大尺度气候资料；选用相同区域全球气候模式HadGEM2-CC在RCP4.5情景下1961~1990年和2015~2049年月平均输出资料分别作为偏差校正资料和预测的大尺度气候资料；利用钱塘江流域6个国家气象站点观测的月平均降水资料(1961年1月~2013年12月)作为实测区域气候要素资料(见图1)。

图1　站点与NCEP格点位置

2.2统计降尺度方法

统计降尺度方法是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，并用独立的观测资料检验这种关系，最后再把这种关系应用于GCM输出大尺度气候信息，以预估区域未来的气候变化情景。换句话说，就是需要建立大尺度气候预报因子与区域气候预报变量间的统计函数关系式：

(1)

式中，X代表大尺度气候预报因子，Y代表区域气候预报变量，F为建立的大尺度气候预报因子和区域气候预报变量间的统计关系。一般说来，F是未知的，需要通过动力方法或统计方法来得到。统计降尺度方法中X包含了大尺度气候状态，F包含了区域或当地的地形、海陆分布和土地利用等地文特征。

3在降水预测中的应用

3.1气候预报因子的选择

在统计降尺度法中降尺度预报因子的选择是至关重要的一步，因为预报因子的选择很大程度上决定了预报未来气候情景的特征。预报因子的选择一般遵循以下4个标准：①要与预报量有很强的相关性；②必须能够代表大尺度气候场的重要物理过程和气候变率；③必须能够较准确地被GCM模拟；④预报因子之间应该是弱相关或无关的。

钱塘江流域地处副热带季风区，季风气候区降水主要是由于海平面气压、位势高度场和比湿等因子共同作用的结果，因此本研究选择海平面气压、地面气温、500 hPa、850 hPa位势高度场和500 hPa、850 hPa比湿6个因子作为降水的降尺度预报因子。

3.2主成分分析

降水预报是多要素的复杂系统，在进行系统分析时，经常会遇到多变量问题。变量太多，无疑会增加分析问题的难度与复杂性，可以利用主成分分析方法综合处理这种问题。对NCEP预报因子数据集进行主成分分析，结果见表1。

表1　NCEP预报因子数据集主成分分析

从表1可以看出，前两个主成分的累计贡献率就已经超过95%。为使主成分分量能尽量多地包含原有数据的信息，并且考虑到第5个主成分之后各分量的方差贡献率已经不足1%，选取前4个主成分来代替原来全部NCEP预报因子，将得到的主分量作为统计降尺度模型的输入。

3.3多元线性回归

NCEP预报因子主分量与观测站点月平均降水之间的多元线性回归模型：

(2)

式中，Y1为观测站的实测月平均降水序列；PC为从预报因子数据集中提取的主分量矩阵；B为多元线性回归的系数矩阵；K为常数项；ε为残差部分。

将1961年1月~2013年12月的数据分为两部分，一部分用于模型参数的率定，另外一部分用于模型检验。选取1961年1月~1990年12月的数据去率定模型中的参数(即回归系数和常数项)，把剩下的1991~2013年的数据用来检验模型。计算得出各个观测站点月均降水模拟结果的决定系数R2如下(表2)。

表2　各站点决定系数

由杭州站率定期和检验期月平均降水量对照可见，模型率定期和检验期模拟的平均降水情况与实际降水量的拟合程度较好。

3.4降水预测

经过多元线性回归之后，可以得到各观测站点的月平均降水量与4个主成分分量之间的线性关系。然后选用RCP4.5情景下大气环流模式HadGEM2-CC的结果作为大尺度气候信息，选择同NCEP观测资料相同的气候因子，并应用NCEP观测资料的主分量方向对HadGEM2-CC的气候因子数据集进行降维压缩。

(3)

最后将2015~2049年的GCM数据进行标准化处理后代入到回归方程(2)中，将计算结果按月对应乘以偏差校正系数Ki，得到各观测站点2015~2049年的月平均降水量。以杭州站为例，对得到的结果作季度统计，见图2。

图2 杭州站2015~2049年四季降水

3.5降水趋势分析

对杭州站2015~2049年的四季降水进行Mann-Kendall参数检验。可见，除冬季外，其余三季都有降水增加的趋势，并且夏季降水增加趋势尤其明显。

由图2也可直观地看出，在RCP4.5情景下，杭州站在2015~2049年内，春、夏、秋三季的降水都有略微增加的趋势，增加速率分别为平均每年0.882 6，2.142 5 mm和1.002 5 mm。冬季降水呈略微减少趋势，减少速率为平均每年0.775 2 mm。利用6个观测站点的结果作平均统计(图3)，可见2015~2049年钱塘江流域降水呈波动增加趋势，各站点平均增加速率为每年0.216 mm。

图3 钱塘江流域2015~2049年降水趋势

4结论

本文通过NCEP大气环流因子与钱塘江流域各站点月平均降水数据之间的统计关系来确定统计降尺度模型，然后应用确定统计降尺度模型，输入HadGEM2-CC的RCP4.5排放情景数据，分析了RCP4.5情景下钱塘江流域在2015~2049年的降水变化趋势，初步得出以下结论。

(1) 基于NCEP再分析数据，选择了海平面气压、地面气温、500 hPa、850 hPa位势高度场和500 hPa、850 hPa比湿6个预报因子进行降尺度分析，得出了钱塘江流域未来几十年内的降水趋势。说明在钱塘江流域，这几个因子与降水有较为密切的联系。

(2) 黄山站的降水量明显多于其他站点，并且降水增加趋势也比其他站点明显，说明区域降水特征与当地地理位置、地质地貌等特征有明显联系。

参考文献：

[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.

[2]Yoo-Geun Ham, Jong-Seong Kug, In-Sik Kang, et al. Impact of diurnal atmosphere-ocean coupling on tropical climate simulations using a coupled GCM [J]. Climate dynamics, 2010, 34(6): 905-917.

[3]Cai XM, Wang DB, Zhu TJ, et al. Assessing the regional variability of GCM simulations [J]. Geophysical Research Letters, 2009, 36(2): L02706.

[4]胡永云, 姜天宇. 北极平流层冬季早期变暖的GCM模拟研究[J]. 大气科学, 2009, 33(5): 1058-1070.

[5]Subimal Ghosh, P.P. Mujumdar. Statistical downscaling of GCM simulations to streamflow using relevance vector machine [J]. Advances in Water Resources, 2008, 31(1): 132-146.

[6]王欣，覃光华，李红霞. 雅鲁藏布江干流年径流变化趋势及特性分析[J]. 人民长江, 2016, 47(1): 23-26.

(编辑：李慧)

中图法分类号：P339

文献标志码：A

文章编号：1006-0081(2016)02-0020-03

作者简介：张徐杰，男，中国电建集团华东勘测设计研究院有限公司，工程师.

收稿日期：2015-11-12