低排放情景下未来极端降水特征分析——以嘉陵江流域为例.pdf
《低排放情景下未来极端降水特征分析——以嘉陵江流域为例.pdf》由会员分享,可在线阅读,更多相关《低排放情景下未来极端降水特征分析——以嘉陵江流域为例.pdf(13页珍藏版)》请在文库网上搜索。
1、第 42 卷第 11 期 水 力 发 电 学 报 Vol.42,No.11 2023 年 11 月 Journal of Hydroelectric Engineering Nov.2023 收稿日期:收稿日期:2023-05-29 接受日期:接受日期:2023-07-18 基金项目:基金项目:国家自然科学基金项目(41901028;52279064)作者简介:作者简介:孟长青(1989),女,讲师.E-mail:els_ 通信作者:通信作者:王远坤(1981),男,教授.E-mail: 低排放情景下未来极端降水特征分析 以嘉陵江流域为例 孟长青1,刘柯莹1,董子娇1,王远坤1,武其月1,钟德
2、钰2,3,门宝辉1(1.华北电力大学 水利与水电工程学院,北京 102206;2.清华大学 水圈科学与水利工程全国重点实验室,北京 100084;3.清华大学 水利部水圈科学重点实验室,北京 100084)摘摘 要:要:一场极端降水事件所造成的灾难性后果除与总量、峰值有关外,还与其时间分布模式有关。本文基于实测和全球气候模式降水数据,改进了三分段偏差校正方法,分析了嘉陵江流域基于时间分布模式的极端降水事件(包括日极端降水与其前后降水两部分)频次、降水量、持续时间及集中度的历史分布特征及未来演变规律。结果表明:改进的三分段偏差校正法比传统的三分段偏差校正法校正效果明显,能更有效地减小实测值与模拟
3、值间的误差;与历史期相比,未来情景下两种主要降水类型降水量增加,持续时间延长,集中度下降;未来预估期内,两种主要降水类型的频次、降水量、持续时间和集中度总体呈现先增长后减少的趋势。关键词:关键词:低排放情景;极端降水事件;偏差校正;时间分布模式;嘉陵江流域 中图分类号:中图分类号:P467 文献标志码:文献标志码:A DOI:10.11660/slfdxb.20231104 论文引用格式:论文引用格式:孟长青,刘柯莹,董子娇,等.低排放情景下未来极端降水特征分析:以嘉陵江流域为例J.水力发电学报,2023,42(11):33-45.MENG Changqing,LIU Keying,DONG
4、Zijiao,et al.Analysis of extreme precipitation characteristics under future low-emission scenarios.Case study of Jialing River basin J.Journal of Hydroelectric Engineering,2023,42(11):33-45.(in Chinese)Analysis of extreme precipitation characteristics under future low-emission scenarios.Case study o
5、f Jialing River basin MENG Changqing1,LIU Keying1,DONG Zijiao1,WANG Yuankun1,WU Qiyue1,ZHONG Deyu2,3,MEN Baohui1(1.School of Water Resources and Hydropower Engineering,North China Electric Power University,Beijing 102206,China;2.State Key Laboratory of Hydroscience and Engineering,Tsinghua Universit
6、y,Beijing 100084,China;3.Key Laboratory of Hydrosphere Sciences of the Ministry of Water Resources,Tsinghua University,Beijing 100084,China)Abstract:Disastrous consequences following an extreme event of precipitation are related not only to its total volume and peak value,but also to its time distri
7、bution pattern.Based on the daily precipitation data of in-situ measurements and global climate model projections,this paper improves the three-segment deviation correction method,and examines the extreme precipitation events(daily extreme precipitation and the preceding and succeeding precipitation
8、)in the Jialing River basin using a time distribution model,34 水力发电学报 focusing on their historical distribution characteristics and the future trends in the frequency,volume,duration,and concentrating patterns of precipitation.The results show that the new improved method generates a more significan
9、t correction effect than that of the three-segment method,and a more effective reduction of the simulation errors against measurements.Compared with the historical period,the volumes of precipitation of two major types show an increasing trend and their durations are prolonged,while their concentrat
10、ion ratios take a decreasing trend.In the future projection period,the frequency,volume,duration,and concentration of extreme precipitation events all present an increasing trend followed by a decreasing trend.Keywords:low-emission scenario;event-based extreme precipitation;deviation correction;time
11、 distribution pattern;Jialing River basin 0 引言引言 气候变化正在使得全球极端气候事件的发生频率、强度、空间范围和持续时间不断增加,是当今人类社会面临的最严峻的挑战之一1。政府间气候变化专门委员会(Intergovernmental Panel on Climate Change,IPCC)第六次评估报告2指出,未来全球每增温 1,极端降水事件的强度将增强7%,区域极端降水强度的增幅与全球变暖幅度近乎呈现线性关系。为规避缓解气候变化风险,巴黎协定规定各国应将升温控制在 2以内,并努力控制在 1.5,而二氧化碳等温室气体的排放是全球气候变暖的主要原因,
12、减少温室气体排放,是目前世界各国政府努力的方向,也是实现温控目标最有效的手段3。因此,厘清低排放情景下极端降水事件的空间分布与变化规律是科学研究发展的需要,也是区域防灾减灾工作的迫切要求。全球气候模式(Global Climate Model,GCM)是进行气候变化模拟和预估研究的有效工具4,第六次国际耦合模式比较计划(Coupled Model Intercomparison Project Phase 6,CMIP6)是 CMIP计划开展至今,参与模式数量最多、所提供模拟数据最庞大、科学试验设计最完善的一次,模式输出结果的分辨率也明显提高5,其情景综合了典型浓度路径(representat
13、ive concentration pathways,RCPs)和不同共享社会经济路径(shared socioeconomic pathways,SSPs)6,使得未来极端降水研究的预估结果更加可信。其中,SSP1-1.9 是目前最低的辐射排放情景,2100 年辐射强迫约达 1.9 W/m2,该情景有超过 66%的可能在 2100 年实现 1.5的温控目标;SSP1-2.6 也属于低强迫情景,2100 年辐射强迫约达 2.6 W/m2,相较于工业化革命前,该情景在 2100 年的全球升温结果将显著低于 2。这两种情景与巴黎协定 1.5和 2的温控目标一致,可以更加合理地评估 1.5和 2温升
14、的气候变化结果6-7。但由于模型结构的简化假设,以及参数设置存在不确定性、模型模拟效果存在空间差异性等原因8-10,GCM 数据与实测气象数据往往存在一定偏差11。目前学界广泛应用的降水偏差校正方法可分为两大类:一类是基于降水序列的均值、方差等进行校正,比如线性缩放法(linear scaling,LS)基于均值进行校正,指数转换法(power transformation,PT)基于均值和方差进行校正,局部强度缩放法(local intensity scaling,LOCI)基于雨天发生的强度和频率进行校正;另一类是基于降水序列的概率分布进行校正,比如分位点映射法(quantile mapp
15、ing,QM)是基于降水序列的经验累积分布函数(empirical cumulative distribution function,ECDF)进行校正的非参数方法,分布映射法(distribution mapping,DM)是基于降水序列的累积分布函数(cumulative distribution function,CDF)进行校正的参数方法。后一类方法可以有效缩小降水序列实测值与模拟值在均值、方差、标准差和分位点等多方面的偏差,是目前学界的研究重点12-13。对于上述不同的偏差校正方法,Fang 等13对校正效果进行了对比分析,结果显示,DM 法对降水分布的偏差校正效果最好,但对时间序列
16、的校正效果不如 LOCI 法。高超等12在 DM 方法的基础上提出分段三伽玛分布偏差校正法,该方法按降水序列分位点将其分为极小值、常规值和极大值 3 部分分别进行偏差校正,可有效提高校正效果,但是对降水日数的校正上效果有限,且其仅采孟长青,等:低排放情景下未来极端降水特征分析以嘉陵江流域为例 35 用伽马曲线进行拟合,没有考虑降水在流域内的空间分布差异。岳书旭等14则通过在由 DM 方法发展而来的等比分布映射校正法(equiratio cumulative distribution functions matching,ERCDFm)中改进降水频率与未来预估期内降水日数的校正方法,提高了校正精
17、度。以上的降水校正方法各有侧重但不全面,因此,降水偏差校正方法应该同时考虑降水日数的模拟精度与降水量的时空分布差异。一场降水事件通常由起始、发展和衰减 3 个主要阶段组成,一般会持续几天时间15。降水强度有时会超过设定的阈值或百分位值而出现极端降水,对于这样一场包含极端降水的降水事件,总降水量由极端降水和前后降水(preceding and succeeding precipitation,P-S-P)组成,以往大多数关于极端降水的研究往往是仅考虑极端降水部分,而忽略 P-S-P16。虽然极端降水会产生大量的洪水,但是 P-S-P 往往会使情况更加恶化。Wu 等17基于极端降水与P-S-P,并
18、考虑到降水的时间分布特征,提 出 了 极 端 降 水 事 件(event based extreme precipitation,EEP)的概念。EEP 有助于更加全面地研究极端降水,为极端降水研究提供新的思路。全球变暖导致极端降水事件频发,其造成的经济损失与社会影响日益突出18-19,本文利用嘉陵江流域的历史实测降水数据以及 CMIP6 中 7 个模式的 SSP1-1.9 和 SSP1-2.6 两种低排放情景下的降水数据,改进了三分段偏差校正法,分析了低排放情景下极端降水事件的分布特征及其演变趋势。1 研究区域及数据研究区域及数据 1.1 研究区域概况研究区域概况 嘉陵江自陕西省凤县代王山发
19、源,流经陕、甘、川、渝,最终汇入长江,全长 1345 km,是长江流域中流域面积最大、流量第二大的支流20。流域内地势具有明显的梯度变化,呈现西北高、东南低的分布。流域地属亚热带季风气候,夏季气候湿热且多暴雨,是长江中游地区严重洪涝灾害的主要原因之一21。嘉陵江流域地理位置如图 1 所示。注:基于国家测绘地理信息局标准地图服务网站下载的审图号为 GS(2020)4619 号的标准地图制作,底图无修改。图图 1 嘉陵江流域地理位置嘉陵江流域地理位置 Fig.1 Location of Jialing River basin 1.2 数据来源数据来源 1.2.1 降水观测资料降水观测资料 本文采用
20、由国家气象信息中心所整理的 1961 2014 年中国地面降水日值 0.50.5格点数据集(V2.0),数据集由中国基本气象站、基准气候站、一般气象站在内的 2472 个主要站点降水量数据插值而成。1.2.2 气候模式数据气候模式数据 目前,CMIP6 官网提供的 SSP1.1-9 模式数据较少,基于前人的研究成果8,22-23结合 CMIP6 官36 水力发电学报 网提供的模式数据,共筛选出 7 个模型,本文选取其历史期(19612014 年)以及 SSP1-1.9、SSP1-2.6 两种情景下的未来预估期(20152100 年)逐日降水数据进行分析。由于各个气候模式的空间分辨率不同,为了方
21、便数据处理以及结果对比,统一采用双线性插值24和改进的三分段偏差校正方法将空间分辨率统一为 0.50.5,各模式的具体信息如表 1 所示。表表 1 CMIP6 中中 7 个个 GCMs 基本信息基本信息 Table 1 Basic information of seven GCMs in CMIP6 模式名称 国家和地区 研发机构 分辨率(经向网格数纬向网格数)EC-Earth3-Veg 欧洲 欧盟地球系统模式联盟 512256 EC-Earth3-Veg-LR 欧洲 欧盟地球系统模式联盟 320160 FGOALS-g3 中国 中国科学院大气物理研究所 18080 GFDL-ESM4 美国
22、美国国家海洋大气局地球物理流体动力实验室 288180 IPSL-CM6A-LR 欧洲 皮埃尔-西蒙拉普拉斯研究所 144143 MPI-ESM1-2-LR 德国 马普气象研究所 19296 MRI-ESM2-0 日本 日本气象研究所 320160 2 研究方法研究方法 2.1 改进的三分段偏差校正方法改进的三分段偏差校正方法 相较于传统三分段偏差校正法12,改进的三分段偏差校正法主要有以下 3 个优点:一是通过合理增补小雨日数使降水日数偏少情况的情况也得以修正;二是选取了水文计算中常用的多种曲线进行寻优拟合,而非仅采用 gamma 曲线拟合;三是改进了未来预估期的降水日数校正方法。改进的三分
23、段偏差校正法具体的校正流程如图 2 所示。主要有以下 6 步:(1)确定增补或删减的降水日数,一般有两种方法25:第一种是阈值法,一般是将极小降水阈值设置为 0.01 mm/d,然后将低于该阈值的小雨日数剔除26;第二种是比率法,校正时期修正后的降水日数与总日数的比值与观测时期降水日数与总日数的比值相等。本文参考阈值法,将降水量 0.01 mm/d 的降水日数作为有效降水日数。有效降水日 数除以总日数即为降水频率,参考比率法,使oP bcP。因此所需增减的降水日数计算公式如下:hofbcMPPNMPP历史期未来预估期 (1)式中:N为所需增补或删减的降水日数;M为对 应时段内的总日数;hP为历
24、史期的模拟降水频率;oP为历史期的实测数据降水频率;fP为未来预估期的模拟降水频率;bcP为未来预估期的目标降水 频率。(2)生成新序列,确定N后,若hoPP或fbcPP,则将相应时期内的降水序列升序排列,然后将第1 N个降水数据全部赋值为0,生成 新序列;若hoPP或fbcPP,则在0.01,0.1 mm 区间内生成N个随机数据替换掉相应降水序列中的0值,生成新序列。(3)对新序列进行重修正,若GCM降水数据的频率偏差较大,由于增补(删减)小雨日数,第2步生成的新序列可能会出现小雨日数堆积(缺失)的问题,从而影响校正效果。因此,在进行概率拟合校正之前,先按照下式将第2步生成的新序列进行修正,
25、可以使降水分布更加合理13:1fffQuantile()mmmxFx (2)式中:fmx为模式m未来预估期的模拟值;fQuantile()mx为未来预估期模拟值在降水日数校正后的新序列中的分位数;1fmF为模式m在未来预估期的逆累积分布函数;fmx为重修正后的模拟值。(4)将重修正后的新序列分段,考虑降水事件极小值、常规值和极大值各段分布差异并进行逐段偏差校正,可以更好地识别降水过程中的极值事件,并减小校正过程的误差,提高校正效果11。本文将降水量数据的10%作为极小分位点,90%作为极大分位点,将重修正后的新序列分成三段。(5)确定最优拟合曲线,将分段之后的降水孟长青,等:低排放情景下未来极
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 排放 情景 未来 极端 降水 特征 分析 嘉陵江 流域