《气候变化对水文过程的影响评估及其不确定性》：
第1章 引言
1.1研究背景和意义
气候变化是当今国际社会普遍关注的全球性问题之一。全球气候变化导致的气温升高、海平面上升以及极端天气事件频发等，不仅影响自然生态系统和人类生存环境，同时也影响世界经济发展和社会进步。联合国政府间气候变化委员会（Intergovernmental Panel on Climate Change，IPCC）的第四次气候变化预估报告中指出，近百年来地球表面气温上升了0.74°C±0.18°C，全球呈现出以变暖为主要特征的变化。
20世纪中国气候变化趋势和全球变化的总体趋势基本一致。气候变化已经对中国产生了一定的影响，造成了沿海海平面上升、西北冰川面积减少、春季物候期提前和极端气象事件的增加等。以中国六大江河的重点控制水文站近50年的实测径流量资料对径流量变化趋势的研究结果表明，20世纪50年代以来中国六大主要江河的径流量均呈现下降趋势（张建云等，2007）。受全球变暖影响，水汽蒸发率增加，气候变化导致水资源时空分布变化加剧，以及上游地区水利工程、调水工程日益增多，使得下游的来水量减少，加剧了下游地区的供水矛盾。同时，中国的极端水文事件如洪涝和干旱灾害频繁发生，特别是1990年以后，长江和珠江等河流连续发生多次大洪水，如1998年和2010年长江大洪水。据估计，北方地区在未来50~100年部分省份平均径流量将减少2％~10%，南方地区平均增幅却达到20%（水利部水文局，2003）。气候变化并没有缓解人口和社会经济造成的水资源短缺形势，相反，还将可能进一步加剧我国南涝北旱的状况。
目前，由于气候变化对降雨量、蒸发量、径流量和区域/流域水文过程影响的复杂性和不确定性，使得气候变化下区域/流域的水文循环演变机理和演变规律及其不确定性量化，成为地球科学系统科学中的重大科学问题，同时也是水文水资源学科的重点关注领域（王浩等，2010），是区域/流域水资源安全评估、水资源可持续管理和风险管理、水利工程运行管理等重大需求的应用基础问题。
因此，开展气候变化下流域水文循环尤其是极端水文事件的演变机理和规律研究，解决目前气候变化影响评估中存在的一些基础性问题，能为国家、地区乃至流域应对气候变化提供重要的技术支持，对变化环境下水资源的高效利用和管理、区域防灾救灾和风险管理等有着十分重要的意义。这部分内容属于《国家中长期科学和技术发展规划纲要（2006~2020）》面向国家重大战略需求的基础研究，以及《国家“十二五”科学和技术发展规划》的重要内容之一。
1.2国内外研究现状
1.2.1气候变化影响评估的研究现状
全球气候变暖已经造成了海平面的上升、冰川面积的减少、水资源的短缺和极端气象事件的增加，为更好地应对气候变化，需要评估气候变化对全球以及区域工业、农业、林业以及水资源的可能影响。
气候变化的影响评估目前主要通过全球气候模式（global circulation model，GCMs）来进行。尽管GCMs的不确定性较大，GCMs依旧是评估大气驱动功能变化对气候系统响应的最可靠和稳健的手段（Murphy et al.，2004）。联合国政府间气候变化委员会2007年的第四次科学评估报告和1990年以来的前三次科学评估报告先后评估了世界各国几十个GCMs。对全球和区域气候模拟的可靠性研究表明，20世纪90年代的GCMs模式对全球气候的模拟具有较好的可靠性，对区域气候的模拟虽在有些区域有些季节具有较好的模拟效果，但仍存在较大的不确定性。许崇海等（2007）利用CRU（climate research unit）地面温度和降雨量的陆地月平均观测资料以及参与IPCC第四次气候变化预估报告的22个GCMs的模拟结果，分析了不同模式对东亚地区当前气候的模拟能力，结果表明，虽然所有模式对东亚地区的气候都有一定的模拟能力，但各模式模拟效果差异较大，多数模式的温度模拟值偏低，降雨量模拟值偏高。由此可见，目前的GCMs在模拟区域气候上虽然具有一定的模拟能力，但尚存在较大的不确定性。
由于GCMs的尺度通常比较大，一般为几百公里，而气候变化影响评估通常在区域/流域尺度上进行，因此双方存在着尺度不匹配问题。为解决此问题，通常应用降尺度方法来把GCMs的结果降解到区域/流域尺度上来，以准确地模拟出区域/流域气候的具体特点，并较为准确地模拟逐日和小时的变化。降尺度方法主要包括动力降尺度和统计降尺度方法（Christensen et al.，2007），其中动力降尺度方法建立在不同尺度气候的物理联系上，包括通过区域气候模式RCMs（regional climate models）来进行动力降解。国内外有不少RCMs，比较成熟且在国内应用较多的两大区域气候模式为RegCM3（regional climate models version 3）和PRECIS（providing regional climate impacts studies）。RegCM3是意大利国际理论物理中心在RegCM2（regional climate models version 2）基础上于2004年发布的区域气候模式，对模式的部分物理参数化过程进行了改进和完善，有较不错的模拟效果（石英等，2010）。除了RegCM3，英国哈德利气候预测与研究中心的PRECIS也是一个比较成熟的模式（熊伟等，2005；Xu et al.，2014a，2014b）。
除了动力降尺度方法，统计降尺度方法是解决尺度不匹配的另外一种手段。统计降尺度方法通过在大尺度气象变量和小尺度观测天气数据之间建立经验关系来对GCMs的模拟结果进行降解。统计降尺度方法种类繁多，包括神经网络、支持向量机、多元线性回归和天气发生器等，可以把大空间尺度的气候模式结果降解到区域/流域尺度（Xu，1999；丛振涛等，2010；Xu et al.，2012；2013）。黄俊雄等（2008）应用SDSM，一种以天气发生器和多元回归为基础的降尺度方法，分析了太湖流域的未来气温变化情况，发现在A2、B2情景下，太湖流域未来日最高和最低气温变化情景表现出明显的上升趋势。降尺度方法众多，如何选择合适的方法是减小气候变化预测不确定性的重要步骤之一。
1.2.2气候变化对水文过程的影响评估研究现状
气候变化对水循环各因素包括降雨、气温、蒸发、土壤含水量、径流和地下水都会产生一定的影响。诸多研究考察了气候变化对水循环的影响，如刘吉峰等（2008）考察了借助于ECHAM5（fifthgeneration atmospheric general circulation model）输出信息和流域最近40年的气象观测资料，建立了青海湖流域统计降尺度模型，从而得到流域尺度未来20年（2010~2030）气候变化情景，并由此驱动分布式水文模型SWAT（soil and water assessment tool）模型和湖泊水量平衡模型模拟了青海湖近几十年水位变化过程，预估了未来30年青海湖湖泊水文变化情景。张利平等（2010）根据联合国政府间气候变化专业委员会第四次评估报告中大气环流模型多模式输出结果，发现与基准期相比，南水北调中线工程水源区21世纪气温将持续增高，年降雨量将增加，径流量较基准期将出现先减少后增大的趋势，21世纪40年代年径流量开始较基准期增加，预示着水源区的水资源在21世纪前期将出现减少，21世纪中后期将增加。张建云等（2009）采用设定情景与水文模拟相结合的途径，评估了黄河中游不同区间河川径流量对气候变化的响应。上述研究结果表明，气候变化对水循环的各个因素有着较大的影响，从而影响全球乃至区域的水资源、水环境和水生态。
在气候变化对水资源的影响评估中，降尺度方法的作用不可忽视。在动力降尺度应用方面，袁飞等（2005）耦合了可变下渗能力模型VIC（variable infiltration capacity）模型与区域气候模式PRECIS，对气候变化情景下海河流域水资源的变化趋势进行了预测。刘浏等（2010）耦合了VIC与PRECIS对气候变化下的太湖流域径流量变化趋势进行了预测，结果表明，2021~2050年太湖流域径流量对气候变化的响应较明显，A2和B2情景下径流量较基准期都增加，尤其是在汛期径流量增加显著，并且径流量的时空变化特征与降雨量的变化特征具有较好的一致性，预示太湖流域未来发生洪水的可能性将增大，将增加未来防洪工作的难度和强度。在统计降尺度应用方面，郭靖等（2010）应用人工神经网络方法分析了汉江流域未来降雨量的可能变化，发现汉江上游未来降雨量在2020s和2050s比基准年减少，2080s则比基准年增加；中游未来降雨量在2020s比基准年减少，2050s和2080s比基准年增加；下游未来降雨量变化趋势不明显。许月萍等（Xu et al.，2012）应用LARSWG统计降尺度方法分析了钱塘江流域未来设计暴雨的变化趋势，发现钱塘江流域设计暴雨在不同GCMs和排放情景下有不同的变化规律，但绝大部分呈现增加状态。传统的降尺度方法不易提供可靠的极端事件（Xu，1999），此时，具有非线性特性且自我学习处理能力的类神经网路方法便广泛被应用于水文信息系统、降雨径流推估、重金属污染推估等（Chang et.al.，2005，2007，2010；Chen and Chang，2009）与GCMs降尺度的输出（von Storch et al.，2000；Schoof and Pryor，2001）。
1.2.3气候变化对水文过程影响评估中的不确定性研究现状
气候变化对水文过程的影响评估受到多种不确定因素的影响（Teutschbein et al.，2011；Tian et al.，2014），这些不确定性因素包括：①未来的温室气体排放情景；②气候模式的结构及参数化；③降尺度方法；④气候变化影响评估模型如水文模型及其参数化。对气候变化预测本身的重要性及其不确定性，Science和Nature都发表过专文对此进行探讨，如Forest等（2005）、Stanforth等（2005）和Wentz等（2007）。Xu等（2013）研究了在A1B、A2和B1排放情景下，气候变化对钱塘江流域上游降雨量、潜蒸发量和径流量的影响，指出了钱塘江流域未来水灾害的可能增加和评估分析中存在的不确定性。未来的温室气体排放情景和不同GCMs的输出结果不确定性非常大，即便同样的GCMs在不同温室气体排放情景下的结果也不同。对温室气体排放情景和气候模式不确定性的评估文献众多，评估手段主要是通过多模式集合和可能性理论等，如Mujumdar和Ghosh（2008）应用可能性理论来确定排放情景和GCMs的不确定性，并预测了未来印度Mahanadi河的径流量变化情况。Maurer（2007）研究了加利福尼亚2071~2100年的水文响应变化，指出气候排放情景的不确定性在未来气候变化对水资源影响评估中也很重要。Kay等（2009）研究了气候排放情景、大气环流模式、大气环流模式初始条件、降尺度方法、水文模型结构、水文模型参数这几个不确定性来源，指出大气环流模式是最大的不确定性来源。Chen等（2011）也考虑了气候变化影响评估中的这六个不确定性来源，指出GCMs是不确定性的主要贡献者。同样，降尺度方法也可能引起气候变化评估结果的不确定性，甚至对未来气候变化可能得出相反的预测。目前，大部分研究侧重GCMs和排放情景引起的不确定性，只有少量工作研究降尺度方法对气候变化评估结果的不确定性（Bóe et al.，2007；Segú et al.，2010）。Khan等（2006）比较了三种降尺度方法SDSM（statistical downscaling method）、LARSWG（long ashton research station weather generator）、ANN（artificial neural network）后，指出在对日降雨量、日最高和最低温度进行降尺度过程中存在着很大的不确定性。
……
展开
