气候变化对广州市城市雨潮遭遇风险的影响评估

黄国如, 张瀚

(1.华南理工大学 土木与交通学院，广东 广州 510640；2.华南理工大学 亚热带建筑科学国家重点实验室，广东 广州 510640)



气候变化对广州市城市雨潮遭遇风险的影响评估

黄国如1,2, 张瀚1

(1.华南理工大学 土木与交通学院，广东 广州 510640；2.华南理工大学 亚热带建筑科学国家重点实验室，广东 广州 510640)

为避免我国沿海城市遭受洪涝灾害侵袭,保证广州市可持续发展,利用8种气候模式数据集和4种排放情景(A1B,RCP2.6,RCP4.5,RCP8.5)对广州市未来时期(2020—2050年)的极端降雨和气温变化趋势进行了预估,基于海平面变化与温度变化的相关关系对海平面进行了上升预测,构建了基于Copula函数的历史与未来时期广州市雨潮遭遇风险概率模型,分析了未来时期不同排放情景下雨潮遭遇概率的变化趋势。分析结果表明,未来时期极端降雨与海平面均将呈现上升趋势,治涝风险概率将呈现增加趋势,表明广州市城区未来将会面临更大的防洪压力。

气候变化;气候模式;治涝风险概率;广州市

IPCC第四次评估报告指出,温室气体排放以及人类活动所引起的气候变化将导致沿海城市面临更为严重的洪水压力[1]。气候变化引起的海平面上升和水文循环加剧导致降雨时空分布更加不均匀、强降雨和洪涝的频次与强度增加、台风和风暴潮的机率及强度增大，这使得全球的沿海城市发生了越来越多的洪涝灾害事件。

在气候变化的背景下,近年来广州市城区的强降雨与风暴潮等极端事件愈演愈烈[2],已对广州市城区的防洪排涝工作造成了巨大压力。陈刚[3]通过研究发现，强降雨与海平面上升将导致广州市面临更为严重的洪涝风险;Wu等[4]通过对珠江流域的降雨进行分析，发现流域降雨强度有更大的上升趋势,广州市发生高强度暴雨的频次将增加。过去20年间，很多学者关注于评估气候变化的影响[5],但这些研究主要集中于降雨的特征变化分析,尤其是气候变化对水资源的影响分析。关于未来时期的强降雨预测及强降雨与高潮位相遇问题的研究却鲜有报道。

本文利用8种气候模式数据集(CMIP3和CMIP5多模式集合降尺度数据集、区域气候模式RegCM4.0以及5个CMIP5 GCMs)预估未来时期(2020—2050年)广州市极端强降雨和气温的变化趋势。在此基础上,基于Copula函数构建历史与未来时期广州市城区雨潮遭遇风险概率模型,分析未来时期不同排放情景下雨潮遭遇风险概率的变化趋势,以期为相关部门的科学决策提供依据。

1　气候模式数据

气候模式是对气候系统的数值表述,它是建立在气候系统各部分的物理学、生物学、化学特性及其相互作用和反馈过程的基础上,以解释已知的全部或部分特性。

考虑到气候模式数据的不确定性较大,本文选取了8种目前国内外应用较为广泛的气候模式数据(CMIP3-Ens、CMIP5-Ens、RegCM4.0、BCC-CSM1.1、CanESM2、CSIRO-Mk3.6.0、GISS-E2-R和MPI-ESM-LR)分别进行预估分析,并讨论气候数据的不确定性范围,以提高气候预估的可信度。气候模式模拟数据的基本情况见表1。为减少气候模式模拟系统的偏差,采用Delta方法对CMIP3-Ens、CMIP5-Ens和RegCM4.0模式的输出结果进行订正;对于5个筛选的CMIP5 GCMs模式,首先利用分位图法进行月订正,然后对订正结果进行降尺度(时间解集)分析,进而得到广州市逐日气温、降水格点数据。

表1　气候模式模拟数据基本情况

2　未来气候情景预估

2.1极端降雨变化

日尺度的强降雨对广州市城区洪涝的形成有重要影响。为此，统计了8个模式不同情景下3种重现期的年最大1 d降雨,并给出了其在未来时期(2020—2050年)相对于历史时期(1970—2000年)的变化,详见表2。从表中可以看出：在绝大多数模式下,随重现期的增长，年最大1 d降雨呈现出上升态势；但不同模式之间的年最大1 d降雨变化具有较大的差异性,其中上升幅度最大的为CanESM2模式下的RCP4.5情景,下降幅度最大的为CanESM2模式下的RCP2.6情景。综合比较所有模式和情景可以看出,年最大1 d降雨分别在20年、50年和100年3种重现期下的变化范围依次为-8.35%～85.35%、-13.04%～101.46%和-16.08%～111.20%,平均变化分别为18.25%、20.49%和21.89%。以上分析表明,广州市年最大1 d降雨在未来时期上升的可能性较大,城市防洪问题将会面临更加严峻的考验。

表2　未来时期不同重现期的年最大1 d降雨相对于历史时期的变化　%

2.2气温变化

不同情景下广州市未来时期(2020—2050年)月气温相对于历史时期(1970—2000年)的变化如图1所示。由图1可以看出,广州市未来时期各月份的气温均呈现出继续上升的态势。除了GISS-E2-R模式中RCP2.6情景下12月份的气温呈微弱下降以外,其余所有气候模式均预测出了升温趋势。但不同的气候模式、不同的排放情景所预测出的结果相差较大。具体来说,A1B情景下气温上升的幅度相对较小,最大不超过0.35 ℃；各月份中,12月份上升的幅度最大,2月份上升的幅度最小;3种RCP情景下,BCC-CSM1.1、CanESM2、CSIRO-Mk3.6.0和MPI-ESM-LR模式所预测的气温上升幅度相对较大,4种模式中的最大值出现在RCP2.6、RCP4.5和RCP8.5情景下，分别超过了2.0 ℃、2.3 ℃和2.5 ℃;CMIP5-Ens和GISS-E2-R模式所预测的升温幅度相对较小,最大值基本不超过1.5 ℃;对比各排放情景可以看出,月气温上升幅度由大到小的情景依次为RCP8.5、RCP4.5、RCP2.6和A1B。另外，从图1中还可以看出,单模式预测的增幅通常大于多模式集合(如CMIP3-Ens、CMIP5-Ens)预测的值,其原因可能是多模式集合削弱了极值效应,降低了最大值的权重。

图1　广州市未来时期月气温变化(相对于历史时期)

2.3海平面对未来气候变化的响应

Rahmstorf采用以全球海平面表面温度(SST)作为预报因子的半经验方法来预测全球海平面的变化[6],得出了较好的结果。本文参照这种半经验方法,以全球海平面表面温度距平作为预报因子,预测广东珠江口未来海平面的变化,预报方程为:

ΔSL=a+b·ΔT

(1)

式中:ΔSL和ΔT分别为海平面变化速率和温度变化幅度;a和b分别为回归方程的截距和斜率。

根据广东沿海5个长期验潮站(图2)1979—2012年的相对海平面变化数据,计算得到广东沿海海平面的平均变化状况：基于海平面变化预测模型的拟合,得到广东沿海海平面变化速率与全球气温变化的相关系数为0.902,直线截距a=0.224 3,斜率b=0.387 1(0.05显著性水平下)。拟合情况如图3所示，图中红色虚线区间为95%置信区间。

图2　广东沿海验潮站

不同气候模式下广东沿海海平面未来时期(2020—2050年)上升幅度预测结果见表3。由表3可知,不同模式间温度预测的差异,导致了海平面的预测结果有所不同：上升幅度最小的为CMIP3-Ens模式下的A1B情景,预计到2050年广东沿海海平面上升15.11 cm；上升幅度最大的为CSIRO-Mk3.6.0模式下的RCP8.5情景(上升48.13 cm)；排放情景越高,海平面上升幅度越大；总体上看,海平面上升范围为15.11～48.13 cm,平均上升34.51 cm。

图3　广东沿海海平面变化率与全球气温变化拟合图

气候模式数据排放情景气温上升预估/℃海平面上升预估/cmCMIP3-EnsA1B0．2015．11CMIP5-EnsRCP2．60．6123．02RCP4．50．6523．80RCP8．50．8126．89RegCM4．0RCP4．51．0531．46RCP8．51．1533．49BCC-CSM1．1RCP2．61．1733．84RCP4．51．4539．35RCP8．51．6943．98CanESM2RCP2．61．5140．41RCP4．51．4238．70RCP8．51．7444．94CSIRO-Mk3．6．0RCP2．61．7545．01RCP4．51．6643．28RCP8．51．9148．13GISS-E2-RRCP2．60．5922．66RCP4．50．8327．26RCP8．51．0932．22MPI-ESM-LRRCP2．61．1232．91RCP4．51．2435．18RCP8．51．6442．97平均值1．2034．51

3　Copula函数选择

对于广州市来说,当暴雨发生时,河口潮位并不固定;当大潮位发生时,降雨的发生也多种多样。因此,选取不同雨潮组合并计算在不同条件下各组合的发生概率，具有重要意义。本文在利用Copula函数构建年最大1 d降雨量和年最大潮位联合分布的基础上,分析年最大1 d降雨量或年最大潮位超过某一设计值的发生概率,简称为治涝风险概率[7]。

Copula函数的种类很多,选择何种类型的分布函数形式显得十分重要[8-9]。文献[10]在分析广州市年最大1 h降雨量和潮位的联合分布时,认为Clayton Copula函数和AMH Copula函数对降雨量和潮位组合的拟合精度最佳。此处,首先利用Clayton Copula函数和AMH Copula函数分别构建降雨和潮位的联合分布,然后根据拟合度检验选取最优函数进行雨潮联合分布计算。

基于Copula函数所构建的实测年最大1 d降雨量和潮位联合分布的理论累积概率与经验累积概率的对比图如图4所示。从图4中可以看出,理论与经验的累积概率点据均落在45°对角线附近,表明两种Copula函数均有较高的拟合精度。

图4　理论累积概率与经验累积概率对比图

采用AIC信息准则和离差平方和最小准则(OLS)对Copula函数的拟合优度进行检验，检验结果见表4。由表4可以看出,AMH Copula函数的拟合精度要稍好于Clayton Copula函数,因此选用AMH Copula函数来构建不同气候情景下雨潮遭遇的风险概率模型更契合实际。

表4　Copula函数拟合优度检验

注：数值越小，拟合精度越高。

4　雨潮遭遇风险概率对未来气候变化的响应

选取最大1 d降雨作为强降雨代表,统计各模式不同排放情景下历史时期(1970—2000年)与未来时期(2020—2050年)的年最大1 d降雨量。同时将中大水文站历史时期的年最大潮位实测值资料假定为历史模拟潮位数据,各情景下未来时期年最大潮位值由中大水文站潮位实测值与前文所预估的海平面上升高度相加得到。进而利用已经构建的Copula函数分析不同气候模式、情景下未来时期雨潮遭遇风险概率的变化情况。

未来时期A1B、RCP2.6、RCP4.5和RCP8.5情景下不同重现期年最大1 d降雨与潮位治涝风险概率的变化分布如图5—8所示。从图中可以看出,治涝风险概率的变化范围相对较大,且所有模式的预测结果均表明，年最大1 d降雨与潮位的治涝风险概率将有所增加。具体来说,小于200年一遇的降雨和潮位在A1B情景下的治涝风险概率增加约5.4%～28.7%;RCP2.6情景下,各模式预估的结果有所不同,最小增幅大于1.4%(CanESM2模式),最大增幅接近47.8%(CSIRO-Mk3.6.0模式);RCP4.5情景下,最小增幅大于1.7%(CMIP5-Ens模式),最大增幅接近47.3%(BCC-CSM1.1模式);RCP8.5情景下,最小增幅大于1.6%(RegCM4.0模式),最大增幅接近53.4%(CSIRO-Mk3.6.0模式)。

图5　未来时期A1B情景的CMIP3-Ens模式下年最大1 d降雨与潮位治涝风险概率变化

图6　未来时期RCP2.6情景下不同重现期年最大1 d降雨与潮位治涝风险概率变化

图7　未来时期RCP4.5情景下不同重现期年最大1 d降雨与潮位治涝风险概率变化

图8　未来时期RCP8.5情景下不同重现期年最大1 d降雨与潮位治涝风险概率变化

未来时期四种排放情景下不同重现期的年最大1 d降雨与潮位治涝风险概率的平均变化情况，详见表5。由表5可知，随潮位重现期的减少，未来时期不同情景下的治涝风险概率均呈上升态势。总体来看,4种排放情景预估的增幅由大到小依次为RCP8.5、RCP4.5、RCP2.6、A1B情景下预估的。具体来说,100年一遇的降雨与50年一遇的潮位治涝风险概率在4种情景下的平均增幅依次为9.58%、12.99%、15.53%和16.84%,且上升的可能性较大,这将会进一步增大广州市城区防洪工作的难度。

表5　未来时期不同情景下不同重现期的年最大1 d降雨与潮位治涝风险概率的平均变化(相对于历史时期)

5　结语

基于8种气候模式数据集预估了未来时期(2020—2050年)广州市极端降雨和气温的变化趋势,结合半经验海平面预测模型预估了未来时期广东沿海相对海平面的变化,并基于Copula函数构建了历史与未来时期广州市城区雨潮遭遇风险概率模型,分析了未来时期雨潮遭遇风险概率的变化趋势,得到以下主要结论:

1)未来时期广州市各月份均将呈现出继续变暖的态势,月气温上升幅度由大到小的排放情景依次为RCP8.5、RCP4.5、RCP2.6、A1B;在极端降雨上,绝大多数模式的预估结果表明,随重现期的增长，年最大1 d降雨呈现出上升态势,但不同模式之间的变化具有较大的差异性,总体来看,在20年、50年和100年3种重现期下,未来时期年最大1 d降雨的平均增幅分别为18.25%、20.49%和21.89%。

2)未来时期广东沿海海平面继续呈上升态势,排放情景越高,海平面上升幅度越大,但不同模式间的海平面预测结果有所不同。未来时期海平面上升的范围为15.11～48.13 cm,与历史时期相比,平均增幅为34.51 cm。

3)与历史时期相比,未来时期所有情景下年最大1 d降雨与潮位的治涝风险概率呈现出不同程度的上升趋势。对于100年一遇的1 d降雨与50年一遇的潮位来说,其治涝风险概率在4种情景下的平均增幅依次为9.58%、12.99%、15.53%和16.84%。

[1]IPCC.Summary for Policymakers of Climate Change 2007:the Physical Science Basis[M].Cambridge,UK：Cambridge University Press，2007.

[2]陈其幸,武传号,黄国如,等.广州市城区短历时暴雨特征分析[J].水电能源科学,2013,31(8):4-6.

[3]陈刚.广州市城区暴雨洪涝成因分析及防治对策[J].广东水利水电,2010(7):38-41.

[4]WU C H,HUANG G R,YU H J,et al.Spatial and temporal distributions of trends in climate extremes of the Feilaixia catchment in the upstream area of the Beijiang River Basin,South China[J].International Journal of Climatology,2014,34(11)：3161-3178.

[5]KAY A L,JONES D A.Transient changes in flood frequency and timing in Britain under potential projections of climate change[J].International Journal of Climatology,2012,32(4):489-502.

[6]RAHMSTORF S.A semi-empirical approach to projecting future sea-level rise[J].Science,2007,315(5810)：368-370.

[7]刘曾美,陈子燊,李粤安.感潮河段洪潮遭遇组合风险研究[J].中山大学学报(自然科学版),2010,49(2):113-118.

[8]熊立华,郭生练,肖义,等.Copula联结函数在多变量水文频率分析中的应用[J].武汉大学学报(工学版),2005,38(6):16-19.

[9]侯芸芸,宋松柏,赵丽娜,等.基于Copula 函数的3 变量洪水频率研究[J].西北农林科技大学学报(自然科学版),2010,38(2):219-228.

[10]武传号,黄国如,吴思远.基于Copula函数的广州市短历时暴雨与潮位组合风险分析[J].水力发电学报,2014,33(2):33-40.

(责任编辑：张陵)

Evaluation on the Impact of Climate Change on Risk of Combination of Rainfall and Tidal Levelin Guangzhou City

HUANG Guoru, ZHANG Han

(1. School of Civil Engineering and Transportation, South China University of Technology, Guangzhou 510640, China;2. State Key Laboratory of Subtropical Building Science, South China University of Technology, Guangzhou 510640, China)

A combined probability model was developed to evaluate the impact of climate change (2020—2050) on flood in Guangzhou City by using 8 kinds of climate models with 4 kinds of emission scenarios(A1B,RCP2.6,RCP4.5,RCP8.5), namely, Special Report on Emissions Scenario (SRES) scenario A1B, representative concentration pathway(RCP) scenarios RCP2.6, RCP4.5 and RCP8.5. The sea level rise is predicted based on the correlation between sea level changes and temperature changes. Then, a storm surge risk probability model of history and future in Guangzhou City based on the Copula function is built, and the change trend of storm surge probability of different emission scenarios in the future is analyzed. The results show: in the future, both the extreme rainfall and sea level will show a rising trend; similarly, risk probability of flood control shows an increasing trend; Guangzhou City will face greater pressure on flood control in the future.

climate change; climate model; waterlogging control risk probability; Guangzhou City

2016-07-08

广东省科技计划项目(2016A020223003);广东省水利科技创新项目(2016-32);广州市水务科技项目(GZSW-20140)。

黄国如(1969—),江苏南京人,教授,博导,主要从事水文水资源方面的研究。E-mail:huanggr@scut.edu.cn。

10.3969/j.issn.1002-5634.2016.05.002

TV122+.1

A

1002-5634(2016)05-0007-09