辽宁省9月份的降雨量预测（辽宁大凌河流域气温和降水降尺度研究）

摘 要：

全球变暖导致的极端气候已成为人类社会可持续发展的巨大挑战，极端气候背景下小流域尺度的未来气候变化更值得关注。结合ERA-Interim再分析资料及CMIP6模式，采用QM、DT、LOCI、Delta四种方法对模式历史数据降尺度，综合RMSE、NSE、R2三个指标选取最佳降尺度方法，对大凌河流域未来气温、降水情景进行预估。结果表明，未来流域年平均温、最高温、最低温均呈增温趋势，但不同情景增温速率不同，由大到小依次是SSP585(平均温、最高温和最低温依次为0.65℃/10 a、0.54℃/10 a、0.59℃/10 a)>SSP370(0.46℃/10 a、0.43℃/10 a、0.48℃/10 a)>SSP245(0.27℃/10 a、0.27℃/10 a、0.29℃/10 a)>SSP126(0.07℃/10 a、0.13℃/10 a、0.12℃/10 a)。未来流域气温大致由南向北降低，年平均温、最高温距平范围分别为0～2.2℃和0.2～2.4℃,且气温距平西部高于东部；最低温距平范围为-1.0～1.2℃,其中SSP126和SSP245情景距平为负，流域内呈现出降温趋势。未来流域年降水量波动剧烈，除SSP126情景年降水增长速率为负外，其他情景年降水均呈缓慢增长的趋势；年降水量自东南向西北逐渐减少，降水距平百分率向西逐渐增大。

关键词：

ERA-Interim再分析资料;统计降尺度;CMIP6模式;气温;降水;未来气候变化;干旱;极端天气;

作者简介：

刘倩(1995—),女，硕士研究生，主要从事区域气候变化与自然灾害研究。E-mail:17808324767@163.com;

*高路(1983—),男，研究员，博士，主要从事水文气象研究。E-mail:l.gao@foxmail.com;

基金：

国家重点研发计划项目(2018YFE0206400);

福建省科技厅省属公益类科研专项(2019R1002-3);

福建省灾害天气重点实验室开放课题(2020KFKT01);

福建省灾害天气重点实验室重大科技专项课题(2020TF06);

上海台风研究基金项目(TFJJ201910);

引用：

刘倩，高路，马苗苗，等． 辽宁大凌河流域气温和降水降尺度研究［J］. 水利水电技术( 中英文) ，2021，52( 9) : 16-31.

LIU Qian，GAO Lu，MA Miaomiao ，et al． Downscaling of temperature and precipitation in the Daling Ｒiver Basin，Liaoning Province［J］. Water Ｒesources and Hydropower Engineering，2021，52( 9) : 16-31

---

0 引 言

全球变暖已经成为不争的事实，在此背景下，极端天气和气候事件频繁发生，越来越多的地区强降水的频率增多、强度增强，北半球中纬度地区陆地降水持续增加，造成了不同程度的灾害损失。气候变化的加剧给自然生态系统带来严重影响，影响人类的生存环境以及经济发展。

全球气候模式(Global Climate Models, GCMs)是未来气候变化情景预估和气候模拟的重要工具和手段,它可以很好的模拟大尺度和季节性气候的平均特征，但GCMs空间分辨率低(100～500 km),难以直接与模型响应，以此来评估气候变化或站点尺度环境要素的影响,因此提高气候预测的可靠性是气候模式研究的重要问题之一。有两种方法可以解决这个问题，一是发展更高分辨率的GCMs或天气预报模式,二是发展降尺度技术。由于全球气候模式因涉及复杂的大气物理过程，提高模型分辨率需要庞大的计算量，且分辨率的提高能力有限，降尺度方法可以提高数据的分辨率，涉及的数据量小，较好的弥补GCMs在气候评估变化中的不足。降尺度方法又分为统计降尺度、动力降尺度和统计-动力结合的降尺度方法等。其中统计降尺度具有计算量小、形式灵活、方法众多、模型容易构造等优点，是目前广为运用且发展相对成熟的一种方法。

气候变化的研究需要长时期序列的观测资料，但地面气象观测站点稀疏，观测时间序列短，记录资料非均一化(观测站迁移、计算方法改变)等局限使其无法满足气候变化研究的需要。再分析资料同化了数值天气预报、地面观测数据、卫星遥感资料，具有分辨率高、时间跨度长、覆盖面积广等优点，在国内外气候变化研究中被广泛应用。GACHON等采用基于回归的SDSM模型对加拿大北部沿海地区进行统计降尺度以获得高分辨率的气候信息。YANG等选取四种统计降尺度方法对中国1961—2005年的气温、降水进行降尺度。GAO等结合ERA-Interim再分析资料，采用三种统计降尺度方法对阿尔卑斯山中部高山地区进行了降水降尺度的对比分析。大凌河是辽宁省西部最大的河流，而辽宁省是东北地区重要的粮食产区，对流域资源过度开采及依赖，加剧了流域生态系统脆弱程度，而干旱的频发严重制约了流域经济的发展。目前对于大凌河流域的研究主要集中在流域生态环境脆弱性评估及生态补偿、流域土地资源的利用和管理、流域水文变化规律及成因分析、流域河道治理及生态工程改造等方面，对流域未来气候变化的评估研究甚少。因此本文针对不同的气候变量(气温和降水)筛选合适的统计降尺度方法，对大凌河流域未来气温、降水进行降尺度研究，预估流域未来气候变化，以期为大凌河流域的水资源管理与防灾减灾提供参考依据。

1 数据与方法

1.1 区域概况与站点数据

大凌河流域位于118°50′E—121°20′E,40°24′N—42°20′N,地处松辽平原与内蒙古黄土高原交界处，流域内山地占73%,丘陵区占22%,大部分区域属于低山丘陵区，地势西高东低。大凌河是辽宁省西部最大的河流，流域内水系不对称，河流多集中在左侧。大凌河流域属于典型的温带大陆性季风气候，四季分明，流域内多年平均气温约7～10 ℃,气温年较差大；极端高温出现在6至8月，可达38～42 ℃;极端低温出现在12月至次年1月，可低至-27～-25 ℃。流域内多年平均降水400～600 mm, 且由南向北降水递减，年内降水主要集中在6至9月，占全年降水量的80%,其中7、8两月降水更为集中，占全年降水量的55%,降水量年际变化大，年内变化极不均匀，流域内多年平均蒸发量900～1 200 mm, 远大于降水量，加之风速大，是辽宁省的典型易旱区域。20世纪80年代以来，依赖于流域水资源，人口和经济不断发展，但对资源的过度利用和开发逐渐产生负面影响。流域上游段植被稀疏，洪峰涨跌迅速，水土流失严重，洪灾频繁发生，流域水质恶化，生态系统脆弱，尤其是频繁的干旱已经严重制约了大凌河流域的经济发展。图1为大凌河流域位置及9个气象站点分布示意图。选取1979—2017年逐日平均气温、最高气温、最低气温、降水数据，站点数据来源于中国气象数据网(http: //data.cma.cn/)。

图1 大凌河流域周边ERA-Interim格点及气象站点分布

1.2 ERA-Interim数据

ERA-Interim再分析资料是欧洲中期天气预报中心(ECMWF)第三代数值预报产品，与ERA-40相比，ERA-Interim在水文循环表征、平流层环流质量、四维变异分析处理偏差方面显著改善。选取经纬度范围118.5°E—122°E,40°N—43°N,分辨率为0.25°×0.25°,时间序列为1979至2017年，步长分别为6 h和3 h的日尺度气温降水数据。本文ERA-Interim数据是提取距离气象站点最近的ERA-Interim格点数据。

1.3 CMIP6情景数据

为了更好实现数据共享和模式比较，世界气候研究计划(WCRP)开始进行耦合模式比较计划(Coupled Model Intercomparison Project Phase, CMIP),目前已经发展至第六阶段(CMIP6),为全球气候变化研究提供了重要的数据支撑。CMIP6主要包括3层试验，最核心试验(DECK试验，Diagnostic, Evaluation and Characterization of Klima; Klima是Climate的希腊语);其次是历史气候模拟试验(Historical)及最外层试验，包括世界各国专家自行组织和设计的23个模式比较子计划MIPs(CMIP6-endorsed MIPs)。情景模式比较计划(ScenarioMIP)是极其重要的子计划之一，它基于不同共享社会经济路径可能发生的能源结构所产生的人为排放及土地利用变化，设计了一系列新的情景预估试验。为了更准确的预估区域气候变化，多模式集合模拟被广泛应用，已有研究表明模式集合平均总体上优于大多数单个模式。不少使用CMIP6数据的研究均表明，未来情景下出现明显的增温趋势，但降水的变异性较大。结合相关论文以及模式自身的分辨率，选取了CMIP6中的8个全球气候模式(见表1)以及4种排放情景(见表2),为了方便，在后文图文表述中统一将排放情景SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5分别简写为SSP126、SSP245、SSP370、SSP585。模式历史模拟数据(1979—2014年)和未来情景数据(2030—2099年),选取的变量包括日降水、日平均温、日最高温以及日最低温。

1.4 方法介绍

1.4.1 统计降尺度方法

1.4.1.1 Local Intensity Scaling(LOCI)

LOCI是一种直接校正GCM或RCM的可靠方法。

虽然GCM或RCM分辨率低，但其中数据中仍然具有包含降水的信息。SCHMIDLI等采用LOCI方法校正降水干湿频率及月平均降水。LOCI方法基于比例因子进行缩放，具体公式如下

式中，Pt为目标站点的降水量(mm);PERA为ERA-Interim降水数据(mm);Pobs为观测站点降水数据(mm);Pthresobsobsthres、PthresERAERAthres分别为观测站点、ERA-Interim的降水阈值(mm);PValERAERAVal是用于验证且未降尺度的ERA-Interim降水(mm)。

1.4.1.2 Quantile Mapping(QM)

QM可以直接校正GCM或RCM,它能根据历史时段内的降水范围很好的校正未来时段的降水，但对未来气温的极端气候事件降尺度效果较差。THEMEßL等使用QM方法，明显减少了日均温、日最高温、日最低温、降水及极端指数的偏差。NGAI等也认为QM方法能够极大地校正气温、降水的偏差。具体方法如下

式中，Pt为目标站点的降水量；PValERAERAVal为未降尺度且用于验证的ERA-Interim降水数据(mm);f−1obs,calobs,cal-1、f−1ERA,calERA,cal-1分别为观测站点、ERA-Interim降水的逆累积分布函数；fERA,cal为PValERAERAVal的累积分布函数。

1.4.1.3 Daily Translation(DT)

DT是一种基于分位数的偏差校正方法，该方法假设未来气候事件与历史气候事件在各分位数上偏差一致，通过修正时间序列的分位数来校正气温或降水的分布。MPELASOKA等发现DT方法模拟GCMs极端日降水时，通常年径流量会增加。CHEN等认为DT方法考虑了气温和降水的变化，在极端事件上会优于方法LOCI。DT方法具体公式如下

式中，T、P分别为气温(℃)和降水(mm);d表示日；Q为特定月份的百分位数；Tadj, fut, d、Padj, fut, d分别为调整后的气温(℃)和降水(mm);TGCM,fut, d、PGCM,fut, d分别为模式未来气温(℃)和降水(mm);TERA,ref, Q、PERA,ref, Q分别为ERA-Interim气温和降水的百分位数。

1.4.1.4 Delta方法

Delta方法将未来和历史两个时段的差异定义为气候变化信号，将该信号用于站点或区域历史观测数据，从而获得站点或区域未来气候变化情景。Delta方法因简单而被广泛应用，例如，MPELASOKA和CHEN等均采用该方法来降尺度；赵芳芳等也认为Delta方法简单快捷、能同时模拟多个站点，且能较好地模拟气温、降水的变化。具体公式如下

式中，T、P分别为气温(℃)和降水(mm);d、m分别表示日和月；Tadj, fut, d、Padj, fut, d分别为调整后的气温(℃)和降水(mm);TGCM,fut,m、PGCM,fut,m、TERA,ref,m、PERA,ref,m分别为模式未来数据和ERA-Interim数据的月尺度平均值。

在以上四种降尺度方法中，LOCI仅用于降尺度降水数据，其余三种方法气温、降水均有使用。

1.4.2 统计降尺度方法评价指标

通过对CMIP6模式历史气温和降水进行多种方法降尺度对比，采用均方根误差(RMSE)、纳什效率系数(NSE)、决定系数(R2)三个指标综合筛选最佳统计降尺度方法

式中，Qobs,i、Q¯¯¯obsQ¯obs分别为观测站点的实测气温(降水)和平均气温(降水);Qsim,i、Q¯¯¯simQ¯sim分别为模式气温(降水)和平均气温(降水);n为天数或者月数。

NSE和R2表示模式数据与实测数据的拟合程度，RMSE代表模式数据与实测数据之间的偏差。一般认为，0.5<NSE≤0.75,模拟效果良好，NSE>0.75,模拟结果为优秀。R2与NSE相同。

2 结果与分析

2.1 气温降尺度效果对比

由表3可知，CMIP6模式历史月平均温与地面实测月平均温均方根误差在3.5 ℃以下，与模式历史月平均温相比较，除模式MIROC6外，其余各模式均方根误差在方法DT、Delta上均略微减小，且在大多数模式上方法DT表现略优于Delta方法。模式历史月平均温与地面实测月平均温之间的效率系数均在0.93以上，方法DT下所有模式效率系数有所提高。方法DT和Delta下决定系数增大，且两种方法在CMIP6各模式上的数值均相同。综合三个指标评价来看，DT方法对大凌河流域平均气温的降尺度效果最佳。图2给出了CMIP6各模式及DT方法降尺度前后对地面月平均气温的模拟，各模式均能较好地反映实测气温的年内变化规律。

图2 1979—2014年CMIP6模式及DT方法降尺度月平均温模拟对比

从表4得知，模式历史时期的月最高温与地面实测最高温之间的均方根误差在2.9～5.3 ℃之间波动，方法DT和Delta降尺度后均方根误差值明显减小，均方根误差平均值相同，但在大多数模式上Delta方法表现稍好。CMIP6各模式降尺度后效率系数均有所增大，除模式EC-Earth3-Veg、MPI-ESM1-2-HR外，其余模式Delta方法表现均优于方法DT。流域内决定系数均在0.98以上，且降尺度后均略微增大，表明CMIP6模式能够很好地反映流域内极端高温的变化。综合这三个指标来看，Delta方法对于大凌河流域最高温的降尺度效果最好。图3展示了CMIP6各模式降尺度前后月平均最高温对地面实测最高温的模拟，Delta方法降尺度后对实测最高温模拟变化并不显著，但均能很好的反映地面实测最高温的年内变化趋势。

图3 1979—2014年CMIP6模式及Delta方法降尺度月平均最高气温模拟对比

降尺度模式历史时期与地面月平均最低温之间的均方根误差均保持在3.1 ℃以内(见表5),降尺度后，仅有模式MIROC6在方法DT、Delta上均方根误差有所减小外，但方法Delta在大多数模式上表现优于DT。模式历史月平均最低温与地面实测最低温之间的效率系数均在0.93以上，虽然对于最低温表现较差，但总体来讲方法Delta效果优于方法DT。降尺度前后模式月平均最低温与地面实测最低温的决定系数均在0.88以上，表明CMIP6各模式与地面实测资料具有很高的一致性。综合三个评价指标，选择方法Delta对流域未来最低温进行降尺度研究。图4也给出了CMIP6各模式经Delta方法降尺度前后对地面实测最低温的模拟，且降尺度前后均能很好的反映流域月平均最低温的年内变化趋势和规律。

图4 1979—2014年CMIP6模式及Delta方法降尺度月平均最低气温模拟对比

2.2 降水降尺度效果对比

对模式历史数据降尺度前后与观测数据对比，通过均方根误差(RMSE)、效率系数(NSE)、决定系数(R2)三个指标来评价不同的统计降尺度方法在大凌河流域的表现。从降水表现来看，除模式INM-CM5-0、MIROC6外，其他模式月降水量均方根误差均在20 mm以内，而且与模式历史时期月降水量相比，QM方法降尺度后各个模式月降水量均方根误差均有明显减小。QM方法降尺度后，效率系数明显高于历史数据的模拟，优于另外两种方法。CMIP6各模式降尺度前后与地面实测月降水量之间的决定系数均在0.90以上，但QM方法效果更好。综合来看，降尺度方法QM在大凌河流域降水降尺度上表现最佳。图5展示了CMIP6模式及QM方法降尺度后对地面实测月降水的模拟，各个模式均能较好的模拟降水的年内变化，但模式INM-CM5-0、MIROC6、EC-Earth3对年内降水峰值的模拟不如其他模式，7、8月平均降水与实测降水差距较大，但QM方法降尺度后年内降水的峰值有所减缓，与地面实测降水更为接近。

图5 1979—2014年CMIP6模式及QM方法降尺度月降水模拟对比

2.3 未来气温变化

大凌河流域未来气候情景预估采用多模式集合平均的方法，结合CMIP6模式历史气温降水的模拟表现，针对气温选择所有8个模式进行集合平均，降水选择除INM-CM5-0、MIROC6外的6个模式进行集合平均预估。

大凌河流域内2030—2099年未来不同排放情景下年平均气温均在8～14 ℃之间波动，随时间变化不同排放情景下气温差异越来越明显，例如大致在2030年SSP585与SSP126两情景之间的气温大致相同，大致在2095年两情景之间的温差高达4 ℃。未来不同排放情景均呈现出增温趋势，但不同情景增温速率明显不同，由表7可以得到流域内年平均温增温速率大小依次是SSP585>SSP370>SSP245>SSP126。

SSP585增温速率最大，为0.65 ℃/10 a, 增温最快；SSP126增温速率最小，为0.07 ℃/10 a, 增温最慢。从SSP126至SSP585,辐射强迫增加了2倍多，但增温速率却加快了8倍多。流域内气温距平变化趋势与年平均温保持高度一致，四种排放情景气温距平均在-1～5 ℃之间波动变化，气温距平大于0 ℃,表明未来气温高于历史气温，反之则表明未来气温低于历史气温。从图6可以看出除SSP126距平始终保持在0 ℃上下波动外，其他排放情景随时间变化气温距平均呈现出波动上升，SSP585上升趋势最为明显，然后依次是SSP370和SSP245,与SSP126情景相比，气温距平分别相差4 ℃、3 ℃、2 ℃。

图6 流域未来情景(2030—2099年)平均气温及气温距平(相对于1979—2014年)

大凌河流域未来不同情景下年平均温大致在8.58～11.22 ℃之间波动变化，且年平均气温大致由南向北递减(见图7)。不同情景平均温由高至低排序依次是SSP585、SSP370、SSP245、SSP126,不同情景之间温差高达2.6 ℃。总体来看，与历史时期相比，未来大凌河流域内年平均温距平在0～2.2 ℃之间波动变化，表明流域内未来四种排放情景下均呈现出增温趋势，不同排放情景增温程度不同。SSP126至SSP585四种排放情景下，流域内大部分区域气温距平变化范围分别在0～0.3 ℃、0.6～0.9 ℃、1～1.2 ℃、1.9～2.2 ℃。从SSP126至SSP585,辐射强迫增加了2倍多，平均温距平却增加了6倍多，表明SSP585情景下流域内年平均温年际变化大。除此之外，流域内各情景平均温距平西部高于东部，即流域西部增温较东部明显。

图7 大凌河流域未来(2030—2099年)不同排放情景平均温及距平(相对于1979—2014年)空间分布

流域未来四种排放情景下年平均最高气温在13～20 ℃之间变化波动，且均呈现随时间逐渐增温的年际波动变化规律(见图8),与平均温不同，最高温年际变化波动更剧烈。但不同情景增温速率不同，SSP585>SSP370>SSP245>SS12.6。SSP585增温速率最大，为0.54 ℃/10a, 增温最快；SSP126增温速率最小，为0.13 ℃/10a, 增温最慢。从SSP126至SSP585辐射强迫增加了2倍，但最高温增温速率增加了3倍，与平均温增温相比，最高温增温变化较小。年平均最高温距平在-2～5 ℃之间波动，距平的年际变化规律与最高温年际变化一致，SSP126至SSP585,同一年份气温距平最高相差3 ℃,略低于平均温情景之间的距平差值。且未来大多数年份，最高气温距平在0 ℃以上，表明与历史时期相比，未来时段气温升高，SSP585情景变暖最为明显。

图8 大凌河流域未来(2030—2099年)情景年平均最高温及距平(相对于1979—2014年)变化趋势

流域内未来年平均最高温在15.24～17.26 ℃之间变化(见图9),四种排放情景年平均最高气温由高到低依次是SSP585、SSP370、SSP245、SSP126,气温差高达2 ℃。流域内年平均最高气温大致由西南向东北气温逐渐降低，各情景下，流域南北最高温温差均小于1 ℃。流域内最高气温距平在0.2～2.4 ℃之间变化，表明与历史时段相比，未来不同情景下流域内整体均呈现出增温的趋势，但不同情景增温大小各有差异，四种排放情景中SSP585增温最显著，流域大部分区域增温均在1.9 ℃以上；SSP126增温幅度最小，大致在0.3～0.5 ℃之间，SSP370增温大致在1.2～1.5 ℃之间，SSP245增温幅度在0.7～0.9 ℃之间。从SSP126至SSP585辐射强迫增加了2倍多，但年平均最高温增幅却扩大了5倍多。各情景下，流域内最高温距平值由东部向西部逐渐增加，就大凌河流域最高温而言，温度越高的区域增温越显著。

图9 大凌河流域未来(2030—2099年)不同排放情景下的年平均最高温及距平(相对于1979—2014年)空间分布

流域未来四种情景年平均最低温在1～7 ℃之间波动，均呈现出增温趋势，后期增温更显著(见图10),与最高温的年际变化趋势类似，呈现出明显的两段增温趋势，但较平均温波动起伏变化更明显。流域内未来情景增温略有不同，SSP585增温速率最大，为0.59 ℃/10 a, SSP126增温速率最小，为0.12 ℃/10 a, 增温最慢(见表7),从SSP126至SSP585辐射强迫增加了2倍多，增温速率却加快了4倍左右。年平均最高温距平变化与年际变化波动规律相同，距平值在-2 ℃至4 ℃之间变化。最低温的距平值变化大致可以分为2段，约在2060年前各情景距平值大都在0 ℃以下，表明在这段时间内，年平均最低温低于历史时期，且各情景之间的距平差值较小；在2060年后，最低温距平缓慢增加，各情景之间的距平差值逐渐增大，最低温增温加快。SSP585气温距平均高于其他情景，其中SSP126距平小于0 ℃,表明未来年平均最低温低于历史时期，但最低温距平也呈现出缓慢增长的趋势。

图10 大凌河流域未来(2030—2099年)情景年平均最低气温及距平(相对于1979—2014年)

流域内各情景未来最低温在1.90～5.03 ℃之间波动变化(见图11),温差高达3.13 ℃。不同情景下最低温变化范围及分布有所不同，但均呈现出由南向北逐渐递减的趋势，年平均最低温由高到低依次是SSP585、SSP370、SSP245、SSP126,各情景气温变化范围分别为4.0～5.0 ℃、3.3～4.2 ℃、2.6～3.7 ℃、1.9～3.0 ℃。与平均温、最高温不同，流域内年平均最低温距平变化范围为-1.0～1.2 ℃,流域内不同情景下变暖、变冷趋势均存在。SSP126、SSP245情景下，流域内大部分区域最低温距平0 ℃以下，表明这两种情景下，未来大凌河流域平均最低温具有变冷趋势；且自西向东，距平值不断增大，即流域东部变冷趋势较西部明显。SSP370、SSP585情景下，最低温距平值大致在0.9～1 ℃之间，则该情景下呈现出增温趋势；最低温增温趋势由北向南逐渐增加，且温度越高增温越明显，但总体增温幅度较最高温、最低温小。

图11 大凌河流域未来(2030—2099年)排放情景年平均最低温及最低温距平(1979—2014年)空间分布

2.4 未来降水变化

采用CMIP6多模式等权集合平均对大凌河流域未来降水进行预估，各情景未来年降水量大致在400～1 000 mm之间变化，四种排放情景基本上保持相同的年际变化规律，且波动起伏较为剧烈(见图12),其中SSP585情景下年降水量略高于其他情景。从降水距平率来看，未来各排放情景降水距平率在-0.2～1之间变化，且大多数年份距平率在0以上，表明未来大多数年份降水量高于历史时期多年平均年降水量，且年降水量年际变化波动比历史时期更剧烈。表8给出了各情景未来年降水量增长速率，除SSP126情景未来降水减少外，其他排放情景年降水量均表现出增加的趋势，但增长速率较为缓慢。从SSP126至SSP585,辐射强迫增加的2倍多，但年降水量的增长速率却加快了约9倍。

图12 大凌河流域未来(2030—2099年)不同情景降水年际变化趋势与降水距平(相对于1979—2014年)

图13展示了大凌河流域未来不同情景年降水量及距平百分率的空间分布规律，流域内年降水量在520 mm至630 mm之间变化，SSP585情景下年降水量最多，然后依次是SSP370、SSP245、SSP126。流域内年降水量均呈现出明显的东南向西北不断递减的趋势，可能主要是因为流域地势西北高东南低，且降水量受夏季风影响较大。未来流域内降水距平百分率范围为11%～27%,各情景变化范围有所不同，从SSP126至SSP585,降水距平百分率分别为13%～17%、14%～19%、11%～20%、17%～27%,降水距平百分率逐渐增加，表明随着辐射强迫的增加，年降水量也在逐渐增多。总体来看，四种排放情景下降水距平百分率呈现出明显的由东向西递增的趋势，表明在未来大凌河流域西部年降水量增长较快，东部较慢，流域内东西部降水差距将不断缩小。

图13 大凌河流域未来(2030—2099年)排放情景年降水量及距平(相对于1979—2014年)百分率空间分布

3 结 论

统计降尺度是研究气候变化的重要手段和工具。本文结合ERA-Interim再分析资料，基于统计降尺度方法和CMIP6模式，对未来大凌河流域气温和降水进行评估。首先检验ERA-Interim再分析资料在大凌河流域的适用性，其次针对气温、降水变量筛选最佳的降尺度方法，最后采用多模式集合平均对大凌河流域未来气候进行情景预估。得到如下结论。

(1)综合RMSE、NSE、R2三个指标，对平均温、最高温、最低温降尺度效果最佳的模型依次是DT、Delta、Delta, 最低温的降尺度效果相对较差，但这些降尺度方法均能较好地反映气温的波动趋势。QM方法能够有效削弱模式降水的峰值，更接近实测降水，是流域降水降尺度的最佳方法。对气温选择8个CMIP6模式，对降水选择除INM-CM5-0、MIROC6外的6个模式进行多模式集合平均预估。

(2)从时间序列上看，流域未来气温均呈现出增温趋势，但不同情景增温速率不同，从SSP126至SSP585,平均温增温速率依次为0.07 ℃/10 a、0.27 ℃/10 a、0.46 ℃/10 a、0.65 ℃/10 a, 最高温分别是0.13 ℃/10 a、0.27 ℃/10 a、0.43 ℃/10 a、0.54 ℃/10 a, 最低温依次是0.12 ℃/10 a、0.29 ℃/10 a、0.48 ℃/10 a、0.59 ℃/10 a, 从SSP126至SSP585,辐射强迫只增加了2倍多，但平均温、最高温、最低温增温速率却分别加快了8倍、3倍和4倍多。从空间分布上来看，流域未来气温由南向北逐渐降低，平均温、最高温、最低温距平变化范围分别是0～2.2 ℃、0.2～2.4 ℃、-1.0～1.2 ℃,平均温、最高温各情景普遍出现变暖趋势，但流域最低温SSP126、SSP245情景呈现出变冷的趋势，与历史时期相比降温在1 ℃以内。

(3)时间序列上，流域未来年降水量在400～1 000 mm之间较剧烈地波动变化，降水距平率在0.2～1.0之间波动，且与年降水量保持相同变化趋势。除SSP126情景降水增长速率为负外，其他情景年降水量均呈现出缓慢增加的趋势。空间上流域降水由东南向西北逐渐增加，降水距平百分率在11%～27%之间，且距平百分率西部大于东部，流域西部降水增加幅度大于东部。

本文对大凌河流域气温、降水的未来情景预估存在一些不确定性，主要与流域内气象站点稀疏、降尺度过程中对地形、海拔等因素考虑不足、ERA-Interim再分析资料及CMIP6自身的系统偏差有关，多模式集合平均方法也存在不足，因此如何提高未来气候评估的准确性，需要进一步深入拓展研究。

---

水利水电技术（中英文）

水利部《水利水电技术（中英文）》杂志是中国水利水电行业的综合性技术期刊（月刊），为全国中文核心期刊，面向国内外公开发行。本刊以介绍我国水资源的开发、利用、治理、配置、节约和保护，以及水利水电工程的勘测、设计、施工、运行管理和科学研究等方面的技术经验为主，同时也报道国外的先进技术。期刊主要栏目有:水文水资源、水工建筑、工程施工、工程基础、水力学、机电技术、泥沙研究、水环境与水生态、运行管理、试验研究、工程地质、金属结构、水利经济、水利规划、防汛抗旱、建设管理、新能源、城市水利、农村水利、水土保持、水库移民、水利现代化、国际水利等。

,