气候变化情景下淮河流域气候干旱化研究

林 慧，王景才，黄金柏，蒋陈娟

(扬州大学水利科学与工程学院，江苏 扬州 225009)

0 引 言

当今社会，由于人类活动产生的温室气体不断增多，全球气候变暖越来越严重，全球气候变暖造成极端水文事件频繁[1, 2]。气温的升高会导致陆地及海洋的蒸发量增加，从而使得大气中水汽含量增加引起降水量的增加，影响水循环，但是降水的增加在全球的分布仍不均匀[3, 4]。近几十年来中国的干旱化进程大于湿润化进程[5]，干旱仍然是我国较严重的自然灾害问题之一。干旱化的典型特征之一是降水减少，但仅仅用降水量的减少来表征干旱趋势变化是狭义的[6]，干旱趋势实际上取决于降水量及蒸发量之间的速率关系[7]，因此基于降水量与蒸发量构建的湿润指数能够较好地反映干旱的影响因素。

目前已有不少学者利用湿润指数进行区域干湿变化特征分析。王兴梅等[8]利用湿润指数从时间和空间上探讨了石羊河流域极端干旱时间的时空变化特征。吴绍洪等[9]研究了近30年中国陆地表层干湿状况，得出了按湿润指数划分湿润、半湿润、半干旱和干旱气候类型的指标分别为1.0、1.5和4.0。马柱国等[10]利用湿润指数研究发现我国北方呈现普遍干旱化的总体特征。周俊菊等[11]利用湿润指数发现在全球变暖背景下，石羊河流域干旱的气候环境有一定的改善。全球气候模式是研究气候变化机理和预测未来气候变化的重要工具，2013-2014年完成的第五次评估报告(CMIP5)确定使用一套不同于SRES(Special Report on Emissions Scenarios)情景的基准排放情景，即以稳定浓度为特征的新情景“典型浓度路径RCPs”(Representative Concentration Pathways)[12, 13]使得全球气候模式模拟效果越来越好，因此，有必要利用全球气候模式加强流域或区域气候干旱演变特征研究。

本研究基于淮河中上游流域的历史观测及优选的3种CMIP5气候模式(HadGEM2-ES、CNRM-CM5、MIROC5)模拟的未来降水及气温数据，构建湿润指数并进行标准化，对比历史观测与未来模拟的干旱趋势和干旱频率，并利用游程理论分析流域极端干旱程度、干旱月数、平均干旱程度、最大干旱烈度等干旱特征。研究结果对于气候变化下的水资源战略规划、粮食生产安全、水旱灾害防治管理等具有重要参考意义。

1 研究区与数据

1.1 研究区概况

淮河中上游流域面积约16 万km2，占淮河流域总面积(约27 万km2)的59.3%。流域地处中国南北气候过渡带，属暖温带半湿润季风气候区，年均气温为 11～16 ℃，多年平均年降水约为891 mm，大部分集中在汛期。淮河流域降水量空间分布差异很大，不同时间内降水变幅也较大，旱涝灾害的发生多基于降水时空差异。因此特殊的地理位置和气候水热条件使得该流域的干旱存在显著的特点。流域位置及地面气象站点分布如图1所示。

图1 淮河中上游流域和地面气象站点Fig.1 Location of the upper and middle regions of the Huai River Basin and the meteorological stations

1.2 数 据

地面观测站点数据来源于中国气象数据网(http:∥data.cma.cn/)，包含19个站点1960-2015年的月降水和气温数据，数据集中的缺测和部分异常值已按照数据集说明文档进行了质量控制和缺测值插补。CMIP5模式数据来源于http:∥pcmdi3.llnl.gov/es-gect/home.htm， 本文基于R语言进行数据截取。本文主要基于RCP4.5(中等浓度)和RCP8.5(高等浓度)排放情景下，为了提高数据的可靠性，首先根据诸多学者的研究选择了在中国适用性较优的3种CMIP5模式：HadGEM2-ES(Had)、CNRM-CM5(CNR)和MIROC5(MIR)，再利用皮尔逊相关系数和均值相关系数对3种模式的历史模拟数据与国家气象网站上历史观测数据进行精度检验，模式基本信息和精度检验结果见表1。

2 研究方法

2.1 湿润指数

湿润指数考虑了影响地表干湿状况变化的两个主要影响因子，降水和地表蒸发潜力(潜在蒸发)，降水增多有利于地表变湿，而地表蒸发潜力增大可使地表变干。近年来湿润指数对北方地区干旱、极端干旱和干湿变化趋势的研究显示出独特的价值[8]，因此本文采用湿润指数HI作为气候干湿状况的评价指标。其计算方法为降水量与潜在蒸发量之比：

表1 3种CMIP5模式基本信息和精度评估Tab.1 Basic information and accuracy assessment of three CMIP5 models

(1)

式中：HI为月湿润指数；P为月降水量；ET0为月潜在蒸发量，基于Thornthwaite模型计算得出。

其中利用Thornthwaite模型计算的潜在蒸发量偏小，尤其当温度低于0 ℃时潜在蒸发量为0，考虑到潜在蒸发量不可能为0，为减小误差对分析结果的影响，本文对潜在蒸发量为0的值统一调整为0.1，基于此进行湿润指数的计算。

将HI的标准化变量≤-0.5定义为极端干旱[11, 14]。月湿润指数标准化变量的计算公式为：

(2)

式中：DHij为第j年第i月湿润指数的标准化变量；Hij为j年第i月湿润指数；Hi月多年平均值；σi为i月湿润指数的标准差。

2.2 游程理论

游程理论可以较好地表征干旱特征。一般而言，在一个有限取值序列中， 满足一定条件的同一符号的一个连串称之为一个“游程”，一个游程中同一符号出现的次数称之为游程的长度[15]。为了研究流域未来干旱特征变化，本文选择干旱程度S、干旱月数D[16, 17]、平均干旱程度Save、最大干旱烈度I进行序列统计分析。干旱程度S表示极端干旱发生的严重程度，干旱月数D表示发生的月份之和，用来分析干旱持续时间。平均干旱程度Save是用干旱程度除以干旱月数，最大干旱烈度I是指干旱程度最大值，用来评价未来极端干旱最严重的情况。

2.3 Mann-Kendall趋势检验

Mann-Kendall是世界气象组织推荐并已广泛使用的一种非参数检验方法，既可以检验时间序列变化趋势的显著性也可以进行突变检验[18]，优点是不需要样本遵从一定的分布，也不受少数异常值的干扰[19]。此检验的基础统计量U，给定显著性水平α，可在标准正态分布表中查出临界值Uα/2，常取α=0.05或0.01。当α=0.05时Uα/2=1.96，当α=0.01时Uα/2=2.58。若|U|>Uα/2，则存在显著变化趋势，U为负值时为下降趋势，U为正值时为上升趋势。若|U|

3 结果与分析

3.1 年和四季尺度下降水及气温对比分析

历史观测和未来模拟的年和四季降水及气温均值见表2。未来年尺度下降水量普遍增加，其中8.5排放情景的降水量比4.5排放情景增加得多。年尺度下CNR模式模拟的未来气温较历史接近，其余模式均显示未来气温上升。四季尺度下未来降水量总体上较历史情况增加(除了CNR45、CNR85及 Had45的夏秋季)，气温方面未来总体模拟情况高于历史情况，这可能是考虑到未来温室气体排放量的增多。由于模式模拟是排放情景设置的不同，8.5排放情景下的温度总体高于4.5排放情景(仅Had模式在春夏两季8.5温度低于4.5)。

表2 历史观测和未来模拟的年和四季降水及气温均值Tab.2 Annual and seasonal precipitation and temperature of historical observations and future simulation

3.2 年和四季尺度下干旱趋势对比分析

历史观测及未来模拟年和四季湿润指数趋势见表3。4.5排放情景下CNR模式在年、四季时间尺度下M-K趋势值均为负，说明该模式在年和四季尺度下未来有干旱化趋势，但均未通过显著性检验。Had模式表明未来除了未来春季有湿润化趋势，在年和夏、秋、冬均呈现干旱化趋势且在秋季和冬季分别通过了α=0.05和α=0.01显著性水平。MIR模式显示未来除了秋季呈现湿润化趋势，其他时间尺度均有干旱化趋势，冬季干旱化趋势通过α=0.05显著性水平。

8.5排放情景下CNR模式显示未来在年、夏季尺度下有湿润化趋势，且夏季湿润化趋势通过α=0.05显著性水平；干旱化趋势集中在春、秋、冬三季，其中冬季干旱化趋势通过了α=0.01显著性水平。Had模式显示未来均呈现干旱化趋势，其中年、冬、秋时间尺度下通过了α=0.01显著性水平，春季通过了α=0.05显著性水平，夏季未通过显著性检验。MIR模式显示未来除了秋季呈现湿润化趋势，其他时间尺度均有干旱化趋势，春冬季干旱化趋势通过α=0.01显著性水平，年尺度下干旱化趋势通过α=0.05显著性水平，夏季未通过显著性检验。

表3 历史观测及未来模拟年和四季湿润指数趋势值ZTab.3 Trend value of humid index in history and future of annual and four seasons

注： *表示|Z|>1.96通过α=0.05显著性水平，**表示|Z|>2.58通过α=0.01显著性水平。

综上所述，CMIP5三个气候模式CNR、Had 和MIR在RCP4.5和8.5排放情景下未来干旱的发展趋势，干旱指数HI未来总体呈现下降趋势，反映出未来气候状态呈现干旱化趋势。鉴于RCP 4.5和RCP 8.5排放情景下气温升温的显著性趋势大于降水，在未来干旱预测评估中，要考虑气温升高导致的蒸散发量的变化，在干旱分析中不能忽视潜在蒸散发的影响。

3.3 干旱频率对比分析

3.3.1 年代际干旱频率对比分析

1960年代的干旱频率在基准期内最大(41.53%)，1970年代、1980年代、1990年代干旱频率逐步上升，到21世纪初，干旱频率达到最小(25.83%)，见表4。

表4 历史观测值的年代际干旱频率 %

4.5排放情景下CNRM-CM5模式显示在2070-2090年代干旱频率相对较高，Had模式显示2040-2060年代以及2080-2090年代干旱频率相对较高，MIR模式显示2050-2070年代及2090年代干旱频率相对较高。3种模式4.5排放情景下的年代际干旱频率总体情况从高到低依次为MIR、Had、CNR，且均低于年代际历史干旱频率总体情况(33.31%)，见表5。

表5 3种模式在两种情景下年代际的干旱频率 %

8.5排放情景下CNR、Had和MIR 3种模式均显示在2060-2090年代干旱频率相对较高。3种模式8.5排放情境下的年代际干旱频率总体情况从高到低依次为CNR、MIR、Had-ES，除了Had年代际干旱频率总体情况低于年代际历史总体情况外，其他两种模式相对年代际历史干旱频率总体情况较高。

CNR在8.5排放情境下的年代际干旱频率除了2020年代和2070年代，其他年代普遍比4.5排放情景的干旱频率高。Had在8.5排放情景下除了2040年代、2070年代和2090年代比4.5排放情景下的干旱频率高，其他年代干旱频次较4.5排放情景低。MIR在8.5排放情境下除了2050年代和2070年代的干旱频率低于4.5排放情景，其余年代干旱频率较4.5排放情景高。干旱频率总体情况方面3种模式在8.5排放情境下均高于4.5排放情景，这可能是由于8.5排放情景下比4.5排放情景下温室气体的多，导致未来气候持续变暖，蒸发量增多从而引起水热不平衡。

3.3.2 年和四季干旱频率对比分析

历史观测数据显示四季尺度下冬季干旱频率最高(36.36%)，夏秋两季干旱频率均为35.71%，春季干旱频率最低(33.93%)。在年时间尺度下干旱频率较四季干旱频率低(32.14%)，见表6。

4.5排放情境下年尺度中干旱频率高由高到低为CNR、MIR、Had，均高于历史的干旱频率(32.14%)。春季CNR和MIR两种模式的干旱频率一致，均高于Had，但3种模式的干旱频率均低于春季历史干旱频率(33.93%)。夏季MIR和Had两种模式的干旱频率一致，低于夏季历史干旱频率，而CNR干旱频率高于夏季历史干旱频率(35.71%)。秋季Had模式的干旱频率远远高于CNR和MIR，且仅该模式的干旱频率高于秋季历史干旱频率(35.71%)。冬季CNR模式干旱频率最低，而Had干旱频率最高，3种模式的干旱频率均低于冬季历史干旱频率(36.36%)。

表6 历史观测及未来模拟的年和四季尺度下的干旱频率 %

8.5排放情境下年尺度中MIR与Had的干旱频率一致，均高于CNR，3种模式年尺度下的干旱频率均高于年尺度下历史的干旱频率(32.14%)。春季干旱频率Had >CNR >MIR，其中仅Had的干旱频率高于历史干旱频率(33.93%)。夏季干旱频率MIR>CNR >Had，仅MIR的干旱频率高于历史干旱频率(35.71%)。秋季CNR的干旱频率远远高于Had和MIR，且仅有该模式的干旱频率高于历史干旱频率(35.71%)。冬季CNR和MIR的干旱频率一致，而Had干旱频率最高且高于历史干旱频率(36.36%)。

CNR在8.5排放情景下的干旱频率除了秋冬两季较4.5排放情景高，春季两种排放情景下的干旱频率相等，其余略低于4.5排放情景。Had在8.5排放情景下年、春、冬时间尺度内的干旱频率高于4.5排放情景，MIR在8.5排放情景下除了春冬两季的干旱频率低于4.5排放情景，其余时间尺度下的干旱频率较4.5排放情景高。

3.3.3 逐月干旱频率对比分析

1月、4月、10月、12月3种模式在8.5排放情境下的干旱频率均高于历史和4.5排放情景，2月份3种模式两种排放情景所显示的干旱频率差距较大，只有8.5排放情景下Had模式的干旱频率比历史干旱频率高， 3月在8.5排放情境下Had模式显示未来干旱频率为0这可能是由于模式本身存在的如分辨率以及模式模拟参数设置、环境参数设置等因素存在差异所导致。7月MIR在8.5排放情景下的干旱频率较历史和其他模式高。5、6、8、9、11月份虽然历史及未来情景下略有起伏，但起伏基本不大，其干旱频率基本为稳定在30～35左右。总体上未来1-4月干旱频率较高，5-12月干旱频率相对历史较接近且趋于平稳，见图2。

3.4 极端干旱特征分析

3.4.1 历史观测及未来模拟极端干旱特征年均值对比分析

8.5排放情境下未来3种模式的干旱程度均比历史干旱程度高，但4.5排放情境下仅MIR高于历史干旱程度，其余两种模式显示未来干旱程度低于历史实测情况。未来两种排放情景下的干旱月数均高于历史实测情况，其中8.5排放情景下的干旱月数明显高于4.5排放情景下的干旱月数。8.5排放情景下的平均干旱程度、最大干旱烈度均普遍高于4.5排放情景，但两种排放情景下的平均干旱程度、最大干旱烈度均低于历史实测情况，见图3。

图2 历史观测及未来模拟的逐月干旱频率Fig.2 Monthly drought frequency of historical observation and future simulation

图3 历史观测及未来模拟的极端干旱特征均值Fig.3 Average drought characteristic values of historical observation and future simulation

3.4.2 未来极端干旱气候状态特征值线性分析

如图4所示，干旱程度特征值显示4.5排放情境下MIR在2040、2053-2060、2092-2095年的干旱程度较其他两种模式严重，CNR除了在2033、2075-2080年总体干旱程度比其他两种模式偏小，2098年干旱程度呈上升但Had、MI干旱程度呈递减。8.5排放情境下3种模式起伏较为一致，仅Had模式在2072-2080年干旱程度较其他两种模式突出。3种模式均表现出未来淮河流域干旱程度逐步上升。

干旱月数特征值显示4.5排放情景下3种模式的干旱月数较多集中在2050-2065年，甚至出现全年干旱的现象。8.5排放情景下3种模式的干旱月数较多集中在2080-2099年，干旱月数随时间有缓慢上升趋势，且三种模式干旱月数的变化趋势基本一致。

平均干旱程度特征值显示无论何种排放情景，3种模式的平均干旱程度均在1.0上下波动。随时间变化平均干旱程度比较平缓。

最大干旱烈度特征值显示3种模式的最大干旱烈度在4.5排放情景下较8.5排放情景下的起伏大，但两种排放情景的最大干旱烈度均有上升趋势。

图4 未来模拟的极端干旱特征值线性趋势图Fig.4 Future simulation of drought characteristic value trend chart

4 结 论

(1)干旱趋势方面，年12月尺度HI总体表现为干旱化趋势，仅CNR85略微上升但不显著，Had85、MIR85干旱化趋势明显。四季尺度HI除CNR85夏季呈显著湿润化趋势外，总体表现为干旱化趋势，较多模式季节干旱化趋势显著。RCP8.5干旱化趋势总体较RCP4.5显著。

(2)淮河中上游流域在20世纪末干旱频率逐渐上升，21世纪初干旱频率下降明显，干旱多发生于冬季，春旱相对较低。未来排放情景下淮河中上游流域干旱集中发生在21世纪中后期，干旱频率总体情况依次为RCP4.5<历史

(3)未来干旱特征年均值中干旱程度、干旱月数依次为RCP8.5<历史

中、高排放情情景下流域未来的干旱化特征表现相对历史较严重，但由于CMIP5多模式之间存在的参数设置、分辨率不同，以及湿润指数的精确度取决于潜在蒸散发的计算，降水数据的缺测等因素，流域未来极端干旱特征还需要进一步验证。鉴于RCP 4.5和RCP 8.5排放情景下气温升温的显著性趋势大于降水，在未来干旱预测评估中，要考虑气温升高导致的蒸散发量的变化，在干旱分析中不能忽视潜在蒸散发的影响。

□