全球升温1.5℃和2.0℃情景下澜沧江流域极端降水的变化特征

DOI: 10.12006/j.issn.1673-1719.2019.126
丁凯熙, 张利平, 佘敦先, 等. 全球升温1.5℃和2.0℃情景下澜沧江流域极端降水的变化特征 [J]. 气候变化研究进展, 2020, 16 (4): 466-479
Ding K X, Zhang L P, She D X, et al . Variation of extreme precipitation in Lancang River basin under global warming of 1.5℃ and 2.0℃ [J]. Climate Change Research, 2020, 16 (4): 466-479
全球升温1.5℃和2.0℃情景下澜沧江流域
极端降水的变化特征
丁凯熙，张利平，佘敦先，张 琴，向竣文
武汉大学水资源与水电工程科学国家重点实验室，武汉 430072
气候变化研究进展
第16卷 第4期 2020年7月
CLIMATE CHANGE RESEARCH V ol. 16 No. 4July
2020
收稿日期：2019-06-04；修回日期：2019-09-16
资助项目：国家重点研发计划项目（2017YFA0603704）
作者简介：丁凯熙，男，硕士研究生，***************；张利平（通信作者）
，男，教授，***************.cn 引 言
受人类活动的影响，全球气候正在经历以变暖为主要特征的变化[1-2]。

在全球升温背景下，气候变化已使得极端天气和气候事件的特征发生改变。

根据克劳修斯-克拉贝龙方程，当温度升高时，空气中水汽含量也呈上升趋势。

研究表明，全球温度每升高1℃，水汽含量可增加7%[3]。

另外，
人为排放改变了大气中气溶胶的浓度和分布，促使全球降水发生改变，其中对人类活动存在显著影响的极端降水变化备受关注[4]。

现有研究表明，随着温度的升高，全球和区域尺度极端降水事件发生的可能性均有所变化[5]。

为应对气候变化的不利影响，《巴黎协定》提出，与工业革命前相比，把全球平均升温幅度控制在2.0℃以内，并争取控制在1.5℃以内[6-7]。

4期 467丁凯熙，等：全球升温1.5℃和2.0℃情景下澜沧江流域极端降水的变化特征
随着全球气候变暖已经成为不争的事实，极端降水事件在全球范围内频率和强度都有增加，并且这种状况有可能继续恶化[8]。

针对未来极端降水的变化，国内外众多学者借助全球和区域气候模式数据进行了大量研究，Wuebbles等[9]使用国际耦合模式比较计划第五阶段（CMIP5）全球气候模式数据评估美国地区极端气温、极端降水等的变化，得出未来升温情景下，美国地区极端降水事件呈现上升趋势。

Zollo等[10]利用ERA-Interim再分析资料评估了COSMO-CLM模式在意大利区域的适用性，证明了在较高分辨率时该模式对极端气象指数的模拟效果较好，同时预估了在RCP4.5和RCP8.5情景下意大利极端降水和极端气温有上升趋势。

Schwarzak等[11]利用多种区域气候模式耦合ENSEMBLES模式的A1B 情景，预估德国中东部到21世纪末年降水量虽然减小，但是极端强降水量（R99p）很可能上升。

Pinto等[12]采用协调区域气候降尺度试验模型（CORDEX）将全球气候模式做降尺度处理，并将处理后的结果输入区域气候模式，得到5 d 最大降水、强降水量（R95p）在非洲南部大部分区域有上升趋势，降水强度可能会增加，且与RCP4.5情景相比，这些变化在RCP8.5下更大。

Nangombe等[13]运用社区地球系统模型（GESM）气候模式数据所做的研究表明，相对于升温1.5℃，同样强度的历史极端高温和降水事件在升温2.0℃情景下发生的概率更大。

国内也有较多学者评估全球气候模式在中国区域模拟降水的能力，并将其应用于预估未来中国降水形势。

杭月荷[14]使用CMIP5全球气候模式RCP4.5情景下降水数据评价未来中国极端降水的变化情况，并对比CMIP3数据评价结果得出：未来升温情景下，中国地区极端降水增加显著，全国范围内增加的概率普遍超过70%，且CMIP5对中国地区极端降水的模拟效果相对于CMIP3有很大改善。

陈晓晨等[15]使用CMIP5全球气候模式数据分析了全球不同升温阈值下中国地区极端降水的变化，结果表明：中国地区极端降水呈现增加的趋势，其中强降水事件的频率和强度均明显增加，且升温阈值越高，增幅越大。

在区域极端降水研究方面，贺振等[16]基于黄河流域1960—2012年76个气象站点日尺度降水数据研究了流域极端降水的变化，结果表明黄河流域内极端降水频数、降水量和降水强度在各区域均呈现增加趋势。

刘俸霞等[17]使用区域气候模式COMSO-CLM对长江中下游地区未来极端降水进行评价，得出无论是在升温1.5℃还是2.0℃下，流域极端降水事件发生的可能性均增大，且空间上增加态势越来越明显。

史婉丽等[18]基于澜沧江流域31个气象站逐日降水资料的研究指出，极端降水量在整体上呈上升趋势，且从西北到东南逐渐增加。

澜沧江是我国西南境内重要的国际河流，在气候、水文、地理和生态方面都具有重要的科学研究价值[19]。

自1960年以来，澜沧江流域也经历了显著的气温上升[20]，但是对于流域极端降水的变化主要集中在历史极端降水特征分析，对考虑全球升温目标限定下未来极端降水的研究非常匮乏；此外，由于澜沧江流域多发暴雨和洪水灾害，因此定量、科学评估澜沧江未来全球升温情景下极端降水变化，能为澜湄沿线国家共同管理流域水资源和共同抵御自然灾害提供一定的科学指导。

本文采用部门间影响模式比较计划（ISI-MIP）中的5个全球气候模式数据，探究全球升温1.5℃和2.0℃情景下澜沧江流域极端降水变化，这将有助于进一步了解该区域极端水文事件发展趋势，对灾害预警预报、防灾减灾、水电能源开发等具有十分重要的科学意义和实用价值。

1 研究区域、数据及方法
1.1 研究区域
澜沧江是湄公河上游在中国境内河段的名称，发源于我国青海省玉树藏族自治州，流经青海、西藏、云南，在云南勐腊县出境后流经缅甸、老挝、泰国、柬埔寨，最终在越南注入中国南海。

澜沧江流域基本属中国境内，河长2161 km，流域面积为1.674×105 km2，约占澜沧江-湄公河全流
域总面积的20.7%。

如图1所示，澜沧江流域呈条带状，南北跨13个纬度，6个气候带（雪山冰原、高山苔原、寒温带、温带、暖温带、亚热带)。

澜沧江流域气温由北向南递增，垂直变化明显；降水量也呈由北向南递增趋势，由400～1000 mm 增加到1000～3000 mm ，流域多年平均降水量约为996 mm 。

流域中国境内年径流量为7.4×1010 m 3，径流的补给类型以降水为主，地下水、冰雪融水、湖泊与湿地等为辅。

图1 澜沧江流域地形图
Fig. 1 Topographic map of Lancang River basin
32˚N 32˚N
30˚N 30˚N
28˚N 28˚N
26˚N
26˚N
24˚N
24˚N
22˚N
22˚N
94˚E
96˚E
98˚E
100˚E
102˚E
94˚E
96˚E
98˚E
100˚E
102˚E
高程/m
澜沧江水系
气候模式格点中心6445460
0 90 180 360 km 1.2 数据
2010年ISI-MIP 正式启动，目的在于探讨全球变化对地表过程和人类社会的影响，该计划选用CMIP5中参数符合各种影响模型需求的5个全球气候模式（GFDL-ESM2M 、HadGEM2-ES 、IPSL-CM5A-LR 、MIROC-ESM-CHEM 和NorESM1-M )，空间上统一降尺度到0.5°×0.5°网格，时间上利用线性插值补全了全球气候模式直接输出的缺失日期的数据[21]，统一到1950—2099年。

本文选用上述5个全球气候模式RCP2.6和
RCP4.5排放情景下的输出数据来分析全球升温1.5℃和2.0℃时澜沧江流域极端降水变化情况。

实测降水数据为国家气象科学数据共享服务平台提供的中国地面降水日值0.5°×0.5°格点数据集（V2.0)，该数据集是基于中国地面高密度台站（2472个国家级气象实测站）数据利用薄盘样条法进行空间插值生成的[22]，资料起始时间为1961年。

由于气候模式的历史模拟截止时间为2005年12月31日，本文选取实测资料的时间段为1961年1月1日至2005年12月31日。

1.3 方法
1.3.1 气候模式降水数据偏差校正
通过对比实测数据发现，5个模式降水模拟数据均存在较大误差，因此，本文在对未来极端
降水变化进行评估之前先对澜沧江流域内模式各格点降水数据进行偏差校正处理，方法[23]如下：
式中：P 模拟指模式原始格点日降水量，P 校正为校正后日降水量；P —
实测和P —
模拟分别指1961—2005年多年平均实测和模拟日降水量。

澜沧江流域68
个格点参与误差校正。

1.3.2 全球升温时间的确定
全球升温1.5℃和2.0℃时间的确定以1986—2005年为基准期，此时期全球平均温度较工业革命（1850—1900年）时期升高0.61℃[17]，因此全球升温1.5℃和2.0℃对应基准期升高的温度分别为0.89℃和1.39℃。

Su 等[24]利用ISI-MIP 气温数据已分析计算得到全球升温1.5℃和2.0℃的时间段，分别为RCP2.6排放情景下2020—2039年和RCP4.5排放情景下2040—2059年。

1.3.3 流域极端降水评价方法
本文选取气候变化检测和指数专家组（ETCCDI )推荐的湿日降水量（PRCPTOT ，日降水量＞1 mm 的湿日全年累计降水量)、降水强度（SDII ，湿日降水量/湿日日数)、日最大降水量（Rx1d )、5 d 最大降水量（Rx5d )、强降水
P 校正 = P 模拟× 。

(1)P —
实测
P —
模拟气候变化研究进展 2020年
468
量（R95p ，日降水量＞95%分位值的总降水量）和极强降水量（R99p ，日降水量＞99%分位值的总降水量）共6个极端降水指标，此外还有年降水量，干、湿季降水量（连续91 d 累计最小
降水量和连续91 d 累计最大降水量）[25]
3个指标，
这些指标均具有较高信噪比
[26]。

采用核函数为
Gauss 函数的核密度估计方法来评估不同升温情景下极端降水的概率分布情况。

另外，本文使用基尼系数研究未来不同升温情景下流域降水年内分配均匀度及降水集中度变化情况。

基尼系数在经济学领域被广泛用于衡量收入不平等，但最近也被应用于包括水文学在内的其他学科
[27]。

在降水量方面，基尼系数包含了
PRCPTOT 、SDII 、R95p 等多个极端降水指数的信息，是对各极端降水指数的一个标准化处理值，能够反映年内降水的集中度[28]，数值范围从0（表示一年内所有天的降水量均匀分布）到1（代表所有降水都发生在一天的情况)。

基尼系数越大，降水集中度越大。

当基尼系数>0.5时，表示降水年内分配极不均匀[29]。

1.3.4 极端降水预估不确定性和可信度评价方法
本文通过差异系数和信噪比研究气候模式对澜沧江流域未来极端降水预估的不确定性和可信度。

差异系数计算公式如下：
式中：x i 为各模式对极端降水指标的计算值；
x
—
为集合平均值；n 为气候模式个数，本文n =5。

C 越小，表明气候模式预估的离散程度越小，即模式预估不确定性越小，反之则越大[30]。

信噪比计算公式如下：
式中：x i ′为未来不同升温情景下各模式对极端降水指标的计算值与基准期计算值的差值；x ′—
为各模式x i ′集合平均值；n 为气候模式个数。

该
指标利用不同时期极端降水差值（外部变率）与标准差（内部变率）的比值来反映气候模式对未来降水变化预估的可信度，如果s >1，则表明未来预估结果较为可信， 越大表明可信度越高[31-32]。

2 结果分析
2.1 澜沧江流域极端降水模拟适用性评价
已有研究表明原始ISI-MIP 比较计划下各气候模式数据在模拟中国及其他地区极端降水时存在较大偏差，因此，本文首先对5个气候模式降水数据进行偏差校正。

分别计算年降水量、PRCPTOT 、SDII 等9个降水评价指标，对比流域实测数据计算结果，采用多年平均值、标准差、相对误差和空间相关系数4个指标评价校正后模式降水数据对澜沧江流域极端降水模拟的适用性。

许多学者研究表明，相对于单一模式而言，多模式集合平均对极端降水的模拟效果更佳[23,33-34]，因此，本文利用校正后5个模式集合平均（记为MME ）结果来评价未来不同升温情景下澜沧江流域极端降水变化情况。

由表1可知，MME 模拟澜沧江流域年降水量及各个极端降水指标的多年平均值相差均不大，其中湿季降水观测和模拟多年平均值相差最大，达到19 mm ；MME 模拟各指标的标准差均小于实测数据，表明多模式集合平均下各极端降水指标的离散程度较小；各指数MME 与实测数据相对误差较小，表明模拟效果很好。

本文还根据各指标的空间分布特征来分析多模式集合平均对澜沧江流域极端降水的模拟效果。

文中采用多年实测日降水量对各格点数据进行偏差校正，因此空间上各格点多模式集合平均和实测数据的年平均降水量相等，而其他各极端降水指标模拟和实测空间分布如图2所示。

由图可知，MME 均能较好地呈现各极端降水指数的空间分布特征，即澜沧江流域自上游向下游降水量和降水强度逐渐增大，同时，模拟的极端降水中心与观测也非常相近。

但是，MME 在上游和中
s = (3)√
(x i ′ - x ′—)2n
1S n i =1。

x ′
—
C = × 100%。

(2)
(x i - x —
)2√
n 1S n i =1
| |
x —4期
469
丁凯熙，等：全球升温1.5℃和2.0℃情景下澜沧江流域极端降水的变化特征
表1 校正后MME对澜沧江流域极端降水的模拟能力评估
Table 1 Evaluation of simulation ability of extreme precipitation in Lancang River basin by multi-model ensemble (MME) after
correction
*0.01**0.001
游地区略低估SDII、Rx1d、Rx5d（图略)、R95p 以及R99p（图略)，在下游则略高估Rx5d、湿季和干季降水。

总体上MME与实测数据的空间相关系数除了湿季降水和干季降水分别为0.70和0.78，其余均超过0.90，结合空间分布可知MME 对各极端降水指数具有一定的模拟能力。

综上，MME能够很好地模拟1961—2005年澜沧江流域极端降水，能够将其运用于未来不同升温情景下评价澜沧江流域极端降水的变化特征。

2.2 升温1.5℃和2.0℃下极端降水的变化特征2.2.1 极端降水的时间变化特征
历史时期澜沧江流域年降水量呈现缓慢的增加，而未来在RCP2.6和RCP4.5情景下（图3）年降水量增速明显加快；降水强度和强降水量（极强降水量）各时期变化特征类似于年降水量；日最大降水量RCP2.6情景下波动幅度较大，但总体呈现增加趋势，最大5 d降水量变化与其相近。

湿季和干季降水变化不同于年降水量，历史时期湿季降水略微减少，在RCP2.6和RCP4.5情景下湿季和干季降水则呈现相反的变化：湿季降水由减少变为增多；而干季降水则持续减少。

总的来看，除干季降水以外，其他指数在未来时期均呈现增加趋势。

为具体分析全球升温1.5℃和2.0℃下各指数变化情况，绘制基准期、升温1.5℃（2020—2039年）和2.0℃（2040—2059年）下各指数变化箱形图，见图4。

由图可知，除干季降水以外，随着全球温度升高，各极端降水指数均增大，但升温1.5℃和2.0℃对应下的增量有所不同，其中R99p增幅最大，分别为37%和75%；R95p次之，分别为20%和38%；之后依次为Rx1d、Rx5d、湿日降水量、年降水量、PRCPTOT和SDII。

干季降水在升温1.5℃时有所减少，减幅约为1%，但在升温2.0℃时略有增加。

此外，相对于基准期，全球升温2.0℃时各极端降水指数增幅约为升温1.5℃下的两倍，有些指数增幅甚至更大，说明伴随全球温度的升高，澜沧江流域极端降水事件出现的可能性在不断增大，因此将全球升温控制在1.5℃而不是2.0℃非常有必要。

2.2.2 极端降水的空间变化特征
本文分别绘制澜沧江流域基准期、升温1.5℃减基准期、升温2.0℃减基准期和升温2.0℃减升温1.5℃这4种极端降水指数空间分布图，如图5所示，全球升温1.5℃下，降水量相对较大的下游地区年降水量出现减少的现象，且降水量越大的地方减少越多；而上游至中下游地区年降
气候变化研究进展2020年470
图2 1961—2005年澜沧江流域极端降水空间分布
Fig. 2 Spatial distribution of extreme precipitation index in Lancang River basin from 1961 to 2005
注：图中序号1代表实测数据，2代表历史MME 。

94˚E 96˚E 98˚E 100˚E 102˚E
PRCPTOT/mm
2004.80 75 150 300 km
32˚N 30˚N 28˚N 26˚N 24˚N 22˚N
32˚N
30˚N 28˚N 26˚N 24˚N 22˚N
94˚E 96˚E 98˚E 100˚E 102˚E
94˚E 96˚E 98˚E 100˚E 102˚E
94˚E 96˚E 98˚E 100˚E 102˚E
94˚E 96˚E 98˚E 100˚E 102˚E 94˚E 96˚E 98˚E 100˚E 102˚E 94˚E 96˚E 98˚E 100˚E 102˚E 94˚E 96˚E 98˚E 100˚E 102˚E
32˚N 30˚N 28˚N 26˚N 24˚N 22˚N
32˚N
30˚N 28˚N 26˚N 24˚N 22˚N
32˚N 30˚N 28˚N 26˚N 24˚N 22˚N
32˚N
30˚N 28˚N 26˚N 24˚N 22˚N
1836.01667.21498.41329.61160.8992.0823.1654.3485.5(a1)
(a2)
(b1)
(b2)
PRCPTOT/mm
2004.80 75 150 300 km
1836.01667.21498.41329.61160.8992.0823.1654.3485.5SDII/(mm/d)
11.2510.369.478.587.696.805.915.024.133.24SDII/(mm/d)
11.2510.369.478.587.696.805.915.024.133.240 75 150 300 km
0 75 150 300 km
0 75 150 300 km
0 75 150 300 km
Rx1d/mm
99.590.381.272.062.853.744.535.326.217.0Rx1d/mm
99.590.381.272.062.853.744.535.326.217.0R95p/mm
697.8635.9574.1512.3450.5388.7326.9265.1203.3141.5R95p/mm
697.8635.9574.1512.3450.5388.7326.9265.1203.3141.50 75 150 300 km
0 75 150 300 km
0 75 150 300 km
0 75 150 300 km
湿季降水/mm
1197.71098.8999.9900.9802.0703.1604.1505.2406.2307.3湿季降水/mm
1197.71098.8999.9900.9802.0703.1604.1505.2406.2307.3干季降水/mm
47.542.537.532.527.522.517.512.57.52.5干季降水/mm
47.542.537.532.527.522.517.512.57.52.5
(c1)
(c2)
(d1)
(d2)
(e1)
(e2)
(f1)
(f2)
0 75 150 300 km
0 75 150 300 km
水量则增多，且中下游地区增幅最大。

降水强度变化与年降水量也有相似之处，即在下游地区出现和年降水量一样的下降特点，而在流域其他地方，降水强度略有增大，且升幅集中在0.1～0.2 mm/d 之间。

日最大降水量几乎全流域范围内增大，仅在流域最下游靠近边界处出现极小范围的减少；上游和下游部分地区增加8～10 mm ，为
流域的增幅中心，升幅接近30%。

5 d 最大降水量在中游靠近下游地区减少，其他地区则有不同程度的增加，在上游和下游地区增量呈现自中部向两端递减的规律。

强降水量在上游地区的增量大于中游，而在下游均呈现自上而下的递减规律，且在下游末端出现小范围减少，减少幅度均不超过10 mm 。

湿季降水量在全流域也几乎增大，
4期
471
丁凯熙，等：全球升温1.5℃和2.0℃情景下澜沧江流域极端降水的变化特征
11001000900800700(a)
200520252015203520452055年
年降水量/m m 11001000900800700200520252015203520452055年
P R C P T O T /m m 5.55.04.5
4.0
200520252015203520452055年S D I I /(m m /d )(b)
(c)
403020
10
R x 1d /m m
1008060
40
R x 5d /m m
450
350250150
50
R 95p /m m
(d)
(e)
(f)(g)
(h)
(i)200520252015203520452055年200520252015203520452055年200520252015203520452055年200520252015203520452055年
200520252015203520452055年200520252015203520452055年
200
15010050
R 99p /m m 650
600550500
450
湿季降水/m m
40
3020
10
干季降水/m m
RCP2.6
RCP4.5
线性回归(RCP2.6)
线性回归(RCP4.5)
2040年
2040年2040年
2040年
2040年
2040年2040年2040年2040年y = 2.00x -3124.2
y = 1.42x -1961.3
y = 2.03x -3223.3
y = 1.43x -2016.7
y = 0.01x -14.8
y = 0.007x -9.4
y = 1.53x -2870.1
y = 1.53x -2855.2
y = 0.23x -401.2y = 0.09x -110.2
y = 0.15x -283.3y = 0.05x -69.9y = 1.02x -1994.6y = 0.89x -1723.9
y = 1.04x -1556.8y = 0.78x -1033.9
y = -0.03x -1556.8
y = -0.04x +110.7
图3 澜沧江流域RCP2.6和RCP4.5情景下各极端降水指标时间变化
Fig. 3 Time-varying process of various extreme precipitation indexes under different scenarios in Lancang River basin
图4 澜沧江流域不同情景下各极端指标箱形图
Fig. 4 Box map of various extreme precipitation indexes under different scenarios in Lancang River basin
1000900
800
P R C P T O T /m m
5.55.04.54.0
S D I I /(m m /d )
(b)
(c)
35
(g)
(h)
(i)
基准期1401201008060R 99p /m m 650600550500
湿季降水/m m 25
15
干季降水/m m
11001000900800
(a)
年降水量/m m 升温1.5℃升温2.0℃
基准期升温1.5℃升温2.0℃
基准期升温1.5℃升温2.0℃
40302010R x 1d /m m
(d)
806040
R x 5d /m m
(e)
100350250
150
R 95p /m m
(f)
40
气候变化研究进展
2020年
472
并且存在自上游向中游及中下游向下游递减的规律，增量最大为30～40 mm ，主要集中在流域最上游。

干季降水量在中下游地区存在一个增幅中心，空间变化上以此为中心向两端递减；干季降水量减少区域主要集中在下游地区。

对比升温2.0℃和1.5℃下澜沧江流域各极端降水指数的差异可得：年降水量在上游及下游地区明显增大，且在下游地区越向南增量越大；在
图5 澜沧江流域不同情景下各极端降水指标空间变化
Fig. 5 Spatial variation of extreme precipitation indexes under different scenarios in Lancang River basin
注：序号1代表升温1.5℃减去基准期，2代表升温2.0℃减升温1.5℃；年降水量与PRCPTOT 、Rx5d 与Rx1d 、R99p 与R95p 空间变化相近，故图略。

32˚N 30˚N 28˚N 26˚N 24˚N 22˚N
32˚N 30˚N 28˚N 26˚N 24˚N 22˚N
32˚N 30˚N 28˚N
26˚N 24˚N 22˚N
32˚N
30˚N 28˚N 26˚N 24˚N 22˚N
32˚N
30˚N 28˚N 26˚N 24˚N 22˚N
32˚N
30˚N 28˚N
26˚N 24˚N 22˚N
94˚E 96˚E 98˚E 100˚E 102˚E
94˚E 96˚E 98˚E 100˚E 102˚E
94˚E 96˚E 98˚E 100˚E 102˚E
94˚E 96˚E 98˚E 100˚E 102˚E
94˚E 96˚E 98˚E 100˚E 102˚E 94˚E 96˚E 98˚E 100˚E 102˚E 94˚E 96˚E 98˚E 100˚E 102˚E 94˚E 96˚E 98˚E 100˚E 102˚E
(a1)
(a2)
(b1)(b2)
(c1)
(c2)
(d1)
(d2)
(e1)
(e2)
(f1)
(f2)
PRCPTOT/mm
700 75 150 300 km
6050403020100-10-20-30-40PRCPTOT/mm
0 75 150 300 km
SDII/(mm/d)
SDII/(mm/d)
0 75 150 300 km
0 75 150 300 km
706050403020100-100.60.50.40.30.20.10-0.10.50.40.30.20.10
Rx1d/mm
Rx1d/mm
R95p/mm
R95p/mm
0 75 150 300 km
0 75 150 300 km
0 75 150 300 km
0 75 150 300 km
0 75 150 300 km
0 75 150 300 km
0 75 150 300 km
0 75 150 300 km
湿季降水/mm
湿季降水/mm
干季降水/mm
干季降水/mm
161412108640-2212108640-2
2706050403020100-109080706050403020100
908050403020100
3020100
10-1-2-3-4-5320-1-2-3
中游及中下游地区则有所减少。

Rx1d 和Rx5d 在流域大部分地区也增大，最大增幅中心出现在下游地区最南端；上、中、下流域均存在不同规模的减少区域，但降幅均不是很大。

SDII 、R95p 在全流域范围内增大，其中下游地区增量最大，上游次之，最后为中游。

湿季降水量仅在中下游地区存在小范围的减少，在上游地区存在较大范围的增值集中区，增量在20～30 mm 之间。

干
4期
473
丁凯熙，等：全球升温1.5℃和2.0℃情景下澜沧江流域极端降水的变化特征
季降水量在上游和中游地区部分区域内增加，其他区域均减少，且下游地区降幅最大。

综上，当全球无论是升温1.5℃还是2.0℃，澜沧江流域除干季降水以外，其余极端降水指数在全流域绝大部分区域内呈现增加趋势，且升温2.0℃比1.5℃下增幅更大。

未来，澜沧江流域内降水会随着温度的升高而增多，极端降水事件发生的可能性也会增大，流域湿季会变得更湿润，而干季则会更干燥，表明全球升温导致流域年降水量和极端降水量均增多，但极端降水量升幅更大，使得其占年降水量比重增大，从而导致普通降水量比重下降，湿季降水增多，而干季降水减少。

2.3 极端降水概率分布
非参数估计中的核密度估计能够较好地拟合极端降水的概率分布情况
[17，35-36]
，因此，本文
采用此方法估计不同升温情景下流域内极端降水的概率分布情况。

如图6所示，除干季降水以
外，其余指数概率密度曲线随着温度的升高逐渐向右移动，表明澜沧江流域极端降水均值有所增加；各指数方差变化有所差异，年降水量和PRCPTOT 随着温度升高方差有所减小；降水强度各时期方差变化不明显，Rx1d 和Rx5d 在升温1.5℃下方差最大，升温2.0℃次之，最后为基准期；R95p 、R99p 和湿季降水方差随着温度的升高越来越大。

观察概率密度曲线可得：随着全球温度的升高，各指数概率密度曲线尾端向右延伸，表明各指数中高值出现的概率增大，预示着未来升温情景下降水强度和降水量较大的极端事件发生的可能性在增大。

干季降水的概率密度曲线各时期变化较小，升温1.5℃时，曲线左移；而升温2.0℃时曲线又向右移，表明干季降水均值先减少后又有增多；相对于基准期，升温1.5℃和2.0℃下方差有所增大。

图6 核密度估计下的澜沧江流域极端降水概率密度分布
Fig. 6 Probability density distribution of extreme precipitation in Lancang River basin based on kernel density estimation
注：年降水量与PRCPTOT 、Rx5d 与Rx1d 、R99p 与R95p 概率分布相近，故图略。

0.0200.0150.0100.005
×10
-4
800700
9001000概率密度
4.0
5.04.5 5.5
1100
PRCPTOT/mm
SDII/(mm/d)
Rx5d/mm
R95p/mm
550600450
500
650700
湿季降水/mm 干季降水/mm
1.51.00.5
0(a)
(b)
(c)
(d)
(e)
(f)
概率密度
概率密度
1.5
1.0
0.5
×10-3
4060
50708090110
100×10
-4
×10
-3
×10
-4
100200150250300350450
4005
15
10
20253040
3545
概率密度
1.21.0
0.2
0.80.60.4概率密度
3.02.50.502.01.51.0概率密度
1.21.0
0.200.80.60.4基准期升温1.5℃
升温2.0℃
气候变化研究进展 2020年
474
2.4 降水集中度变化
澜沧江流域降水年内分配不均，极端降水多发生在雨季。

一方面，降水越集中，强降水的贡献就越大，在流域内发生极端降水的可能性也就越大；另一方面，由前文知，随着全球温度的上升，流域极端降水呈增大趋势。

本文使用基尼系数来反映极端降水集中度的变化，各时期流域降水基尼系数时间变化过程如图7所示，由图可得，各时期流域平均降水基尼系数均＞0.6，表明降水年内分配极不均匀；从变化趋势看，历史时期基尼系数呈现下降趋势，而在RCP2.6和RCP4.5情景下上升，且RCP4.5情景下上升速率更快。

基准期、升温1.5℃和升温2.0℃这3种情景下基尼系数平均值分别为0.667、0.670和0.674，表明全球升温会使得基尼系数持续增大，且相对于基准期，升温2.0℃
较升温1.5℃增幅更大。

空间上分析流域内降水基尼系数的变化，由图8可得，下游地区基尼系数较大，最高达到0.78，降水年内分配不均匀度和降水集中程度高于上游和中游。

伴随着全球温度的升高，澜沧江流域基尼系数以上升为主，仅上游部分区域基尼系数减小，表明流域年内降水分配会更加不均匀，且降水集中程度会进一步加强，强降水贡献率增大，则极端降水事件发生可能性增大，所带来的洪涝灾害风险也会进一步加大。

2.5 未来极端降水变化的不确定性及可信度评估
2.5.1 未来极端降水变化的不确定性评估
气候模式数据在对未来气象要素模拟预估中存在一定不确定性，已有研究表明：气候模式数据对降水预估的不确定性要大于气温，特别是极
端降水[32]。

本文使用差异系数来反映气候模式对未来极端降水模拟的不确定性，由图9可知，气候模式数据对各极端降水指标模拟的差异系数中Rx1d 最大，其次为R99p 、Rx5d 、R95p 、干季降水量和SDII ，湿季降水量、PRCPTOT 和年降水量差异系数较小。

由于Rx1d 、R99p 、Rx5d 等指标含义与极端降水发生特征更匹配，因此差异系数较大，不确定性也较大。

对比升温1.5℃，升温2.0℃
图7 澜沧江流域各时期降水基尼系数变化特征Fig. 7 Characteristics of Gini coefficient of precipitation in
Lancang River basin in different periods
2005年
19801960
2000
2040年
2060年
0.700.690.680.670.66基尼系数
0.650.64y =8×10-5x +0.50y = 9×10-5
x +0.48
y = -2×10-5
x +0.71
20202040RCP2.6
RCP4.5
历史MME
图8 澜沧江流域不同升温情景下降水基尼系数空间变化
Fig. 8 Spatial variation of Gini coefficient of precipitation under different warming scenarios in Lancang River basin
4期
475
丁凯熙，等：全球升温1.5℃和2.0℃情景下澜沧江流域极端降水的变化特征
32˚N
30˚N 28˚N 26˚N 24˚N 22˚N
94˚E 96˚E 98˚E 100˚E 102˚E (a)
基尼系数
0.780 75 150 300 km
0.770.760.750.740.730.720.710.700.690.6832˚N
30˚N 28˚N 26˚N
24˚N 22˚N
94˚E 96˚E 98˚E 100˚E 102˚E 94˚E 96˚E 98˚E 100˚E 102˚E 94˚E 96˚E 98˚E 100˚E 102˚E 94˚E 96˚E 98˚E 100˚E 102˚E
94˚E 96˚E 98˚E 100˚E 102˚E
94˚E 96˚E 98˚E 100˚E 102˚E
94˚E 96˚E 98˚E 100˚E 102˚E
0 75 150 300 km
0 75 150 300 km
0 75 150 300 km
(b)基尼系数
(c)(d)
＞0＜0
基尼系数
＞0＜0
基尼系数
＞0＜0
注：(a)基准期，(b)升温1.5℃减基准期，(c)升温2.0℃减基准期，(d)升温2.0℃减升温1.5℃。

时除了干季降水、Rx1d和Rx5d差异系数略微减小以外，其余指标差异系数均增大，表明ISI-MIP气候模式对澜沧江流域升温2.0℃下极端降水模拟的不确定性更大，模拟结果稳定性更小。

2.5.2 未来极端降水变化的可信度评估
由前文分析知：未来不同升温情景下澜沧江流域极端降水整体呈现增加趋势，但由于气候模式数据对未来降水预估存在一定不确定性，且考
虑到澜沧江流域走向及地形的特殊性，因此流域未来变化趋势的可信程度需要进一步验证。

本文使用信噪比对流域未来极端降水变化的可信度进行研究，由图10可知，相对于基准期，升温1.5℃情景各指标信噪比均＜1，表明各指标变化量的绝对值小于MME数据标准差，该情景下澜沧江流域极端降水增加可信度较小；而在升温2.0℃情景下，各指标信噪比均增大，且R95p 和R99p均＞1，一定程度上表明该情景下澜沧江流域极端降水增加可信度增强。

3 结论与讨论
本文在对原始ISI-MIP比较计划下的5个气候模式降水数据进行偏差校正的前提下，通过对比实测数据表明5个气候模式集合平均（MME）能够对澜沧江流域极端降水进行较好模拟。

在未来全球升温1.5℃和2.0℃情景下，选择9个降水指标评价未来澜沧江流域极端降水变化情况，得出以下主要结论。

(1)未来全球升温1.5℃和2.0℃情景下，时间和空间上，澜沧江流域除干季降水量以外，其余降水指标均持续增大，其中极强降水量升幅最大，其次为强降水量。

此外，相对于基准期，对比两个升温情景下各极端降水指数变化会发现全球升温2.0℃时各指数增幅明显大于升温1.5℃，甚至超过一倍；同时，各评价指标概率密度曲线尾端向右延伸也表明，当全球升温从1.5℃增加到2.0℃时，澜沧江流域极端降水事件发生的可能性大大增强，因此将全球升温控制在1.5℃而不是2.0℃非常有必要。

图9 不同升温情景下澜沧江流域极端降水差异系数Fig. 9 Extreme precipitation difference coefficients in Lancang River basin under different warming scenarios
升温1.5℃升温2.0℃
年
降
水
量
P
R
C
P
T
O
T
S
D
I
I
R
x
1
d
R
x
5
d
R
9
5
p
R
9
9
p
湿
季
降
水
干
季
降
水35
差
异
系
数
/
%
30
25
20
15
10
5
图10 不同升温情景下澜沧江流域极端降水信噪比变化Fig. 10 V ariation of signal-to-noise ratio of extreme precipitation in Lancang River basin under different warming scenarios
升温1.5℃升温2.0℃
年
降
水
量
P
R
C
P
T
O
T
S
D
I
I
R
x
1
d
R
x
5
d
R
9
5
p
R
9
9
p
湿
季
降
水
干
季
降
水
1.2
信
噪
比
1.0
0.8
0.6
0.4
0.2
(2)未来，澜沧江流域年降水量和极端降水量均增多，但极端降水量升幅更大，使得其占年降水量比重增大，从而导致湿季会变得更湿润，而干季会更干燥。

(3)未来全球升温情景下，澜沧江流域降水年内分配会更不均匀，且降水集中程度会增大，使得流域内洪涝灾害发生的风险增大。

(4) ISI-MIP气候模式对澜沧江流域未来极端降水模拟存在较大不确定性，升温2.0℃较升温1.5℃情景下不确定性更大。

但是，就相对于基准期的变化而言，升温2.0℃时极端降水增大的可信度更高。

综上，随着全球温度的升高，澜沧江流域极端降水明显增多。

因此，未来流域防洪治理机构应该及时更新防洪标准，汛期加强洪水预报和预警工作；另外，流域内水电站应制定详细调度规范，充分利用降水增加形成的径流发电创收并保
气候变化研究进展2020年476。