全球1.5℃和2.0℃升温下潮白河流域气候和径流量变化预估

doi:10.12006/j.issn.1673-1719.2017.089
郝莹,马京津,安晶晶,等. 全球1.5℃和2.0℃升温下潮白河流域气候和径流量变化预估 [J]. 气候变化研究进展, 2018, 14 (3): 237-246
全球1.5℃和2.0℃升温下潮白河流域
气候和径流量变化预估
郝 莹1,2,3，马京津4，安晶晶3，王 元1，许红梅5
1 南京大学大气科学学院，南京 210023；
2 中国气象科学研究院灾害天气国家重点实验室，北京 100081；
3 安徽省气象台，合肥 230031；
4 北京市气象灾害防御中心，北京 100089；
5 中国气象局国家气候中心，北京 100081
气候变化研究进展
第14卷 第3期 2018年5月
CLIMATE CHANGE RESEARCH V ol. 14 No. 3May
2018
收稿日期：2017-05-09；修回日期：2017-08-28
资助项目：灾害天气国家重点实验室开放课题（2015LASW-B02)；淮河流域气象开放研究基金（HRM201501)；国家自然科学基金（41105080)； 国家重点研发计划（2016YFE0102400)；中国气象局气象关键技术集成与应用项目（CMAGJ2015Z12）作者简介：郝莹，女，高级工程师，DG1328006@ ；许红梅(通信作者)，女，研究员，xuhm@
引 言
近百年来的气候变暖是一个毋庸置疑的事实，1880—2012年全球平均地表温度上升了0.85℃，且在2016—2035年仍会继续上升0.3～0.7℃[1]。

地球气候系统的显著变化改变了水文循环过程，引起水资源在时间和空间上的重新分配，对其可持续利用和社会经济系统带来巨大挑战[2-6]。

研究未来
气候变化对区域水资源的可能影响是减缓和适应气候变化的科学基础，对指导防灾减灾的决策具有重要意义。

预估气候变化对水文系统的影响存在着诸多不确定性，如气候变化情景、气候系统内部变率、气候模拟、水文模拟以及气候模式与水文模型的空间尺度转换等[7-9]。

最初，多采用将假定的气候变化情景输入到水文模型来模拟径流量[10-12]，从而开展
气候变化研究进展2018年238
不同气温和降水变化下流域水文响应的敏感性研究[13-14]。

自IPCC第三次评估报告发布以来，开始使用SRES的多个排放情景结合多个气候模式预估结果，综合考虑排放情景和气候模式对水资源评估的不确定性[15]。

IPCC第五次评估报告开始使用典型浓度路径RCPs（Representative Concentration Pathways)，利用新情景下气候模式预估结果进行水文水资源预估的研究也随之开展起来，如Su等[16]在4种RCP情景下，使用5个全球气候模式(GCMs)结果分别驱动HBV、SWAT、SWIM、VIC水文模型，研究了21世纪气候变化背景下长江上游地区的水文响应。

肖恒等[17]从CMIP5中筛选出5个相对独立的模式，耦合大尺度水文模型评估了RCP4.5情景下未来30年珠江流域洪水对气候变化的响应。

杨赤等[18]分析了在RCP2.6、RCP4.5和RCP8.5情景下2006—2050年淮河上游流域水文极值对气候变化的响应。

2015年的《巴黎协定》明确双头温度目标：“将全球增温控制在2.0℃以内，并且努力追求1.5℃以内的温度增幅。

”因此开展全球1.5℃和2.0℃升温下我国典型流域水文水资源预估，对于流域应对气候变化和加强水资源管理至关重要。

潮白河为流经北京北部和东部的重要河流，最终汇流入密云水库，密云水库的供水量占北京市饮用水供水量的2/3[19]。

近几十年来在气候变化和人类活动的双重作用下，潮白河的入库径流持续减少，给北京水资源的可持续利用带来新的挑战。

本文在3种RCPs情景(RCP4.5、RCP6.0、RCP8.5)下，利用CMIP5中5个GCMs数据驱动SWAT水文模型，重点分析在全球1.5℃和2.0℃升温下，潮白河流域温度、降水和径流量的变化特征，并量化不同GCMs和不同RCPs情景下预估的不确定性。

1 研究区和数据
1.1 研究区
潮白河流域位于半湿润半干旱的华北平原，流域总面积为19354 km2，由潮河和白河两支水系组成，控制水文站分别为下会站和张家坟站，最后汇流入密云水库(图1)。

河道全长458 km，自然落差1706 m。

潮白河流域具有大陆性季风气候特点，寒暑交替，四季分明。

年平均气温为9.11℃，平均年降雨量为559.3 mm，年内分布不均，汛期6—9月的降水量占全年总降水量的80.2%。

图1 潮白河流域地理位置、DEM（阴影)、气象水文站点
及WATCH格点数据分布
Fig. 1 Overview map of the Chaobai River Basin (CRB) DEM (shade), hydrological gauges, spatial distribution of meteorological stations and grid notes of W A TCH climate forcing 数字高程/m
2266
38
格点数据分布
水文观测站
气象观测站
0 5 10 20 30 40 km
1.2 数据
流域数字高程模型(DEM)来源于1�50000中国数字化地形数据集。

土地利用数据来源于国家自然科学基金委员会“中国西部环境与生态科学数据中心”①，分辨率为1 km。

土壤数据来自于联合国粮食及农业组织（FAO）提供的均一化世界土壤数据集(HWSD, Harmonized World Soil Database)[20]。

用于驱动水文模型的气象数据为水平分辨率0.5°×0.5°的WATCH再分析数据和GCMs回算和预估的数据。

WATCH再分析数据来源于欧洲水和全球变化项目(European Water and Global Change Project)②，时间序列为1958—2001年，该数据可以较好地作为观测数据的代用资料驱动水文模型[21]。

GCMs数据来自于ISI-MIP项目(Inter-Sectoral Impact Model Intercomparison Project)，该数据包含了耦合模式比较计划CMIP5中5个全球海气
①。

②/ data_availability。

3期 239郝莹，等：全球1.5℃和2.0℃升温下潮白河流域气候和径流量变化预估
耦合模式(GFDL-ESM2M,HadGem2,IPSL_CM5A_ LR,MIROC-ESM-CHEM,NorESM1-M,后文中分别以GFDL、Had、IPSL、MIROC和Nor来表示)在4种典型浓度路径(RCP2.6,RCP4.5,RCP6.0和RCP8.5)下的模拟结果(共20个)。

ISI-MIP项目的5个GCMs在气温和降水预估方面的FRC指数 (Fractional Range Coverage)分别为0.75和0.59，优于从CMIP5中随机选取的5个GCMs，能较合理地代表区域平均气温和降水的变化[22]。

数据采用误差订正的方法对模拟结果进行了订正[23-24]，并应用双线性插值方法插值到0.5°×0.5°经纬度网格上。

通过计算30年滑动平均的全球地表温度相对于工业化前(1850—1900年)的升温幅度，发现20个预估数据组合中，有16个预估结果在不同时段相对于工业化革命前超过了全球升温2.0℃的阈值[25]，18个超过了升温1.5℃的阈值。

本研究选取了5个GCMs在3种典型浓度路径(RCP4.5,RCP6.0和RCP8.5)下全球升温1.5℃(共15个数据组合）和2.0℃(共14个数据组合)的预估结果，开展气候变化对潮白河径流量影响的预估。

SWAT（Soil and Water Assessment Tool）模型中的天气发生器数据库由丰宁、佛爷顶、汤河口、密云、怀柔5个气象站1978—2009年观测数据建立。

该数据库可以补充蒸散计算时对辐射、相对湿度、风速等要素的需求。

用于率定和验证水文模型的流量数据来自海河流域水文年鉴，由实测日流量计算得到平均月流量。

潮河、白河出口控制水文站下会站、张家坟站1961—1990年和1991—2001年的平均月流量分别用于率定和验证水文模型。

2 研究方法
2.1 水文模型率定和验证
SWAT模型是由美国农业部于20世纪90年代早期研发的分布式水文模型[26-27]。

它是一个集成遥感、地理信息系统和DEM技术的基于水文过程的、具有较强物理机制的、可以连续模拟的水文模型，该模型在国内外很多流域应用非常广泛[28]。

本文应用最新版本ArcSWAT2012，根据DEM、土地利用和土壤类型的分布情况，将潮白河流域划分为64个子流域、363个水文响应单元。

模型运行时蒸散的计算方法为Penman-Monteith法[29]，地表径流量的计算通过改进的径流曲线法（SCS-CN, Soil Conservation Service Curve Number）来估算[30]，河道验算采用Muskingum法[31]。

利用1961—2001年WATCH数据驱动SWAT 模型，基于SWAT-CUP软件，并利用GLUE方法进行参数的敏感性分析及自动参数率定，在此基础上对模型率定和验证效果进行评估。

本研究选用确定性系数(R2)，Nash效率系数(E NS)，误差百分率（P BIAS）3个评价指标对模型在率定期及验证期的表现分别进行综合评价。

2.2 气温、降水和径流预估
本研究以1976—2005年作为基准期，利用5个GCMs回算的历史气候(1951—2005年)，以及RCP4.5、RCP6.0和RCP8.5下模拟的预估数据(2006—2099年)计算全球1.5℃和2.0℃升温下潮白河流域气温和降水相对于基准期的变化。

在此基础上，利用以上数据驱动SWAT模型，得到潮白河流域历史时期和预估的月径流量。

分析全球1.5℃和2.0℃升温下预估的年径流量、月径流量的分布以及月极端径流量的变化特征。

月极端丰水流量(Q5)代表月平均径流量序列中有5%的径流量超过该值，体现丰水极值径流的变化。

对于不同GCMs 和RCPs导致的径流预估的不确定性，使用标准差来衡量不同全球模式和典型浓度路径下预估结果的离散程度。

3 结果与分析
3.1 水文模型的模拟效果
在率定期(1961—1990年)，潮河的下会站的R2、E NS和P BIAS分别为0.63、0.63和1.1%；而白河的张家坟站分别为0.60、0.56和24.9%。

在验证期(1991—2001年)，下会站的R2、E NS和P BIAS分别为0.68、0.65和7.5%，张家坟站分别为0.77、0.61和-2.1%，好于率定期(表1和图2)。

通过对
气候变化研究进展 2018年
240
1961—2009年观测的径流量序列采用MK 秩次相关检验法，发现张家坟站的径流量在20世纪80年代存在突变减少，这种突变是气候变化、土地利用变化、用水量增加及水利工程建设等因素综合作用的结果[32-33]，很难成功地模拟，这可能也是导致率定期张家坟站的模拟结果高估了24.9%的重要原因。

总的来说，SWAT 模型在率定期和验证期都能较好地模拟潮河和白河的月径流，在潮白河流域具有一定的适用性，应用该模型进行气候变化影响
评估是可行的。

3.2 预估的气温和降水变化
在全球1.5℃和2.0℃升温下，潮白河流域年平均温度相对于基准期增加1.5℃和2.2℃，但不同的GCMs 和RCPs 下预估的升温幅度差异较大(表2)。

在全球1.5℃和2.0℃升温下，不同GCMs 和RCPs 组合中，最低升温幅度分别为1.1℃和1.7℃，最高升温幅度分别为1.8℃和2.8℃；5个GCMs 中，
表1 潮白河流域下会和张家坟水文站月流量的率定和验证结果
Table 1 The statistical results of objective functions during calibration and validation in the CRB
表2 全球1.5℃和2.0℃升温下潮白河流域预估的年平均气温变化
Table 2 The projected change in annual average temperature in the CRB under 1.5℃ and 2.0℃ global warming
图2 率定期（1961—1990年）和验证期（1991—2001年）下会站(a)、张家坟站(b)模拟与观测流量
Fig. 2 Observed and simulated monthly discharge during calibration period (1961-1990) and validation period (1991-2001) at Xiahui
station (a) and Zhangjiafen station (b)
注：*表示在2099年前GFDL 模式RCP4.5情景下全球平均地表温度增幅未超过2.0℃。

200150100500
19651970197519801985199019952000年
19651970197519801985199019952000年
流量/(m 3/s )
250
15010050
流量/(m 3/s )200模拟值 观测值
(a)下会站
(b)张家坟站
率定期验证期
率定期验证期
3期
241
郝莹，等：全球1.5℃和2.0℃升温下潮白河流域气候和径流量变化预估
Had 预估的增温幅度最小，分别为1.2℃和1.7℃，而Nor 预估的增温幅度最大，分别为1.7℃和2.7℃；不同排放情景下预估的平均增温幅度差异不大。

对15个情景组合的不确定性分析表明，全球1.5℃升温下潮白河流域升温标准差为0.2℃，全球2.0℃升温下升温标准差为0.3℃。

可见全球2.0℃升温下年平均气温预估不确定性更大。

但无论是全球1.5℃还是2.0℃升温下，年平均气温预估的不确定性主要来源于GCMs ，分别是来自RCPs 不确定性的2.4倍和3.5倍。

在全球1.5℃和2.0℃升温下，潮白河流域的年降水量较基准期分别增加4.9%和7.0%，但是不同GCMs 和RCPs 下预估的年降水量变化不尽相同(图3)。

在全球1.5℃和2.0℃升温下，Had 预估的年降水量分别减少2.5%和1.2%，其余模式预估的年降水量都表现为不同程度的增加：在全球1.5℃升温下，Nor 预估的年降水量增加1.9%，其余3个模式预估的年降水量变化很接近，增幅约为8.5%；在全球2.0℃升温下，GFDL 和Nor 预估的年降水量增幅都较1.5℃升温下大幅增加，分别为11.3%和4.4%，MICRO 和IPSL 则略有减少，但预估的年降水量仍比基准期增加2.7%和6.6%。

不同的RCPs 下预估的年降水量变化同样存在差异，
在全球1.5℃升温下，预估的年降水量较基准期分别增加了2.2%（RCP6.0)、5.7%（RCP4.5)和6.8%（RCP8.5)；在全球2.0℃升温下，年降水量增幅分别为4.9%（RCP8.5)、6.9%（RCP6.0)和9.3%（RCP4.5)。

由此可见，在全球1.5℃和2.0℃升温下，潮白河流域预估的年降水量表现为一致性的增加，并且2.0℃升温下年降水量增幅更大。

全球1.5℃和2.0℃升温下各自15个情景组合下预估的年降水量变化的标准差都为6.8%；预估的年降水量变化的不确定性中来自于GCMs 的分别是来自于RCPs 的1.4倍(1.5℃升温)和1.8倍(2.0℃升温)。

3.3 预估的年径流量变化
5个GCMs 和3种RCPs 下预估的潮白河流域年径流量变化表明，在全球1.5℃升温下潮河预估的年径流量减少4.1%，但在2.0℃升温下预估的年径流量增加30.1%；而白河预估的年径流量则分别增加16.2%和46.4%。

在2.0℃升温下潮白河流域径流大幅增加主要有两个原因。

一是流域降水量的增幅大于蒸散发，使得更多的降水用于产流。

在2.0℃升温下，流域平均降水量增加35 mm （增幅约7%)，而同期的蒸散量增加18 mm （增幅约5.5%)。

图3 全球1.5℃和2.0℃升温下年降水量变化(a) 3种RCPs 均值，(b) 5个GCMs 均值
Fig. 3 The projected change in annual precipitation in the CRB under 1.5℃ and 2.0℃ global warming (a) mean value of three RCPs,
(b) mean value of five GCMs
2015
10
5
0 1.5
2.0
GFDL Had
IPSL MIROC Nor
变化百分率/%
升温/℃
(a) 3种RCPs 平均
(b) 5个GCMs 平均
20
15
10
5
1.5
2.0
变化百分率/%
升温/℃
RCP4.5RCP6.0
RCP8.5
气候变化研究进展 2018年
242
二是秋末到春初期间，月平均最低气温较基准期增加了2.6～2.8℃，导致更多的降水量以降雨的形式出现，使得该时段径流量增幅较大。

分析表明在2℃升温下潮河和白河11月至次年2月的径流量增加了约41%和1倍，而汛期(6—9月)的径流量分别增加约17%和26%，此外，升温导致河流封冻期变短，从而也导致径流增加。

总体来说，在全球1.5℃和2.0℃升温下，潮河和白河预估的年径流量以增加为主，尤以2.0℃升温下预估的年径流量增幅更大。

不同GCMs 预估的年径流不但量级上存在差异，变化的方向也不同。

对于潮河而言，在全球1.5℃升温下，Had 和MIROC 预估的年径流量分别减少54.9%和22.6%，IPSL 和Nor 预估的年径流量变化不大，而GFDL 则增加53.9%；在全球2.0℃升温下，除Had 预估的年径流量减少29.9%外，其余模式预估的年径流量不同程度增加，增幅在13.7%～78.7%（图4a )。

在全球1.5℃升温下，3种RCPs 预估年径流量变化幅度较小，且差异不大；而在全球2.0℃升温下，不同RCPs 预估的年径流量一致性增加，增幅在14.8%～41.3%（图4b )。

对于白河而言，在全球1.5℃升温下，Had 预估的年径流量减少30.6%，MIROC 和Nor 预估的年径流量变化不大，而IPSL 和GFDL 则分别增加16.5%和78.4%；在全球2.0℃升温下，除Had
预估的年径流量减少外，其余模式预估的年径流量都显著增加，增幅在23.1%～96.5%（图4a )。

在两种全球升温幅度下，3种RCPs 预估年径流量都呈一致性的增加趋势，全球1.5℃升温下增幅为3.1%～22.7%，2℃升温下所有RCPs 下预估的年径流量增加显著，增幅为24.4%～61.8%（图4b )。

在全球1.5℃和2.0℃升温下，15个情景下预估的潮河年径流量标准差分别为39.1%和43.2%，预估的白河年径流量标准差分别为41.3%和49.8%，可见在2.0℃升温下径流预估不确定性更大。

两种升温幅度下的径流预估不确定性主要来自于GCMs 。

在1.5℃升温下，来自GCMs 的不确定性是来自RCPs 的2.5倍(潮河)和2.0倍(白河)。

在2.0℃升温下，来自GCMs 的不确定性分别是来自RCPs 的2.5倍(潮河)和1.7倍(白河)。

3.4 预估的月径流量季节分布变化
在两种不同强度的气候变暖的情况下，径流的季节分布呈现出不同的变化趋势(图5和图6)。

5个GCMs 和3种RCPs 下预估的集合平均月径流量显示，未来在全球1.5℃升温下，潮白河流域的径流量更集中于盛夏和秋初(7—9月)。

预估的潮河7—9月径流占全年的比例增加，其中8月增加最为显著，平均增加了4.3%（-1.8%～11.3%)；其他月份的比例则呈现出下降的趋势，平均下降范围
图4 全球1.5℃和2.0℃升温下潮河和白河预估的年径流量变化(a) 3种RCPs 均值，(b) 5个GCMs 均值
Fig. 4 Percentage change in annual mean discharge under 1.5℃ and 2.0℃ global warming in Chao River and Bai River (a) mean value of
three RCPs (b) mean value of five GCMs
100
50
-50
1.5
2.0
GFDL 变化百分率/%
升温/℃
(a)
(b)
6040200-20
变化百分率/%
升温/℃
RCP4.51.5
2.0
1.5
2.0
1.5
2.0
潮河
白河
潮河
白河
RCP6.0
RCP8.5Had
IPSL
MIROC
Nor
3期
243
郝莹，等：全球1.5℃和2.0℃升温下潮白河流域气候和径流量变化预估
图5 全球1.5℃升温下潮河(a)、白河(b)预估的月径流量占年径流量比例的变化Fig. 5 Change in seasonal distribution under 1.5℃ global warming for Chao River and Bai River
图6 全球2℃升温下潮河(a)、白河(b)预估的月径流量占年径流量比例的变化
Fig. 6 The same as Fig. 5 but under 2.0℃ global warming
40
3020
100
12月径流分布频率/%
(a) 潮河
(b) 白河
集合平均最大值最小值基准期均值
34567891011
12月
123456789101112月
40
30
20
10
月径流分布频率/%
集合平均最大值最小值基准期均值
35
2515501
2
月径流分布频率/%
(a) 潮河
(b) 白河
集合平均
最大值最小值基准期均值
3
4
5
6
7
8
9
10
11
12月
1
2
3
4
5
6
7
8
9
10
11
12月
集合平均
最大值最小值基准期均值
30201035
251550月径流分布频率/%
302010为0.2%～1.2%。

预估的白河7—9月的径流占年径流量的比例平均增加了1.4%（-5.8%～8.5%)、1.5%（-8.1%～9.3%)和1.4%（-2.3%～7.9%)，其他月份的比例略有降低。

在全球2.0℃升温下，径流的季节变化却表现出相反的趋势，潮河流域汛期(5—9月）预估的径流占全年径流的比例减少，但平均减少的幅度大都不超过0.6%，仅7月份减少1.8%（-4.9%～2.4%)。

白河预估的月径流变化与潮河基本一致，但变化幅度更大；7月和8月预估的月径流量占年径流量的比例分别减少了3.6%和4.7%，9—12月及1月预估的月径流量占年径流量的比例增加，增幅在1.0%以上，其中10月份增加幅度最大，为2.7%。

总的来说，在全球1.5℃升温下，潮白河流域
的径流量更集中在盛夏和秋初。

但在全球2.0℃升温下，汛期的流量占全年的比例减少，非汛期的流量比例则有所增多。

对预估的月径流量的不确定分析显示，7—9月各RCPs 和GCMs 预估的月径流量不确定性更大，其他月份预估的月径流量的不确定性较小。

3.5 预估的月极端丰水流量变化
在全球1.5℃升温下，潮河和白河预估的月极端丰水流量(Q 5)增幅分别为1.8%和10.5%，在全球2.0℃升温下，Q 5的增幅分别为14.0%和23.3%。

对比潮河和白河流域(图7)，无论是全球 1.5℃还是2.0℃升温下，白河的Q 5增加幅度都高于潮河。

值得关注的是在2.0℃升温下Q 5的显著增
气候变化研究进展 2018年
244
图7 全球1.5℃和2.0℃升温下潮河和白河预估的Q 5变化(a) 3种RCPs 均值，(b) 5个GCMs 均值
Fig. 7 Percentage change in Q 5 under 1.5℃ and 2.0℃ global warming in Chao River and Bai River (a) mean value of three RCPs,
(b) mean value of five GCMs
40
20
-20
1.5
2.0
GFDL 变化百分率/%
升温/℃(a)
(b)
30
20
10
变化百分率/%
升温/℃
RCP4.51.5
2.0
1.5
2.0
1.5
2.0
潮河
白河
潮河
白河
RCP6.0
RCP8.5
Had
IPSL MIROC Nor 加明显增大了洪涝的风险。

4 结论与讨论
本研究利用1961—2001年WATCH 数据驱动SWAT 模型，并利用观测的月径流数据对SWAT 进行了率定和验证，其结果揭示出SWAT 模型能够很好地再现观测的径流特征，可以用于潮白河流域月尺度的径流模拟与预估；在此基础上，利用5个GCMs 和3种RCPs 定量评估了在全球1.5℃和2.0℃升温下潮白河流域的气候变化特征及其对径流量的影响。

主要结论如下。

(1)在全球1.5℃和2.0℃升温下，3种RCPs 下5个GCMs 预估的潮白河流域年平均气温较基准期分别增加1.5℃和2.2℃，年平均降水量相对于基准期相应增加4.9%和7.0%。

(2)预估的集合平均年径流量除了潮河流域在全球1.5℃升温下略有减少外，其余总体上都有不同程度增加，在全球2.0℃升温下增幅更大，预估的潮河和白河的年径流量分别增加30.1%和46.4%，且这种变化幅度远大于预估的年降水量的变化幅度。

不同GCMs 和RCPs 下预估的年径流量差异较大。

潮河在全球1.5℃升温下，除GFDL 预估的年径流量明显增加外，其余4个GCMs 预估的径流量变化不大或减少；而在全球2.0℃升温下，除了Had 预估的年径流量减少外，其余4个GCMs
预估的年径流量不同程度增加。

白河在全球1.5℃和2.0℃升温下，除Had 预估的年径流量明显减少外，其余4个GCMs 预估的径流量变化不大或增加；特别是在2.0℃升温下年径流量增加显著，增幅最高达96.5%（GFDL )。

两个升温幅度下3种RCPs 预估的径流量表现为一致增加趋势(仅潮河1.5℃升温下3种RCPs 预估年径流量变化幅度较小，且差异不大)，随着全球升温幅度的增加，3种RCPs 预估的径流量都显著增加。

相比而言，RCP8.5下预估的年径流量增幅最小甚至减少，RCP4.5和RCP6.0下预估的年径流量相似且增幅较大。

(3)在全球1.5℃升温下，潮白河流域的径流量更集中在盛夏和秋初(7—9月)。

但是在全球2.0℃升温下，汛期的流量占全年的比例显著减少，由于此时为夏季用水高峰期，可能对水资源管理与调控产生影响。

当升温达到2.0℃后，气候变暖使得Q 5增加14.0%（潮河)和23.3%（白河)，出现洪涝的风险明显增大，各级相关部门应提前制定相应的气候变化适应对策，减少可能由此带来的损失。

(4)未来气温、降水量和径流量的预估都存在一定的不确定性，且在全球2.0℃升温下不确定性更大。

相对而言，径流量的不确定性要远大于降水量的不确定性。

但无论是在全球1.5℃升温还是2.0℃升温下，气温、降水量和径流量预估的不确定性主要来源于GCMs ，可见气候模式的选择非常重要。

对于5个气候模式的表现，GFDL 、Nor 、
245
郝莹，等：全球1.5℃和2.0℃升温下潮白河流域气候和径流量变化预估
3期 MIROC 、IPSL 4个模式趋势预估比较一致，潮白河流域的气温增幅都高于或接近全球升温值，降水量都较基准期增加，未来径流量和基准期相比也接近或增加。

且随着全球升温幅度增大，气温、降水和径流的增幅更加显著。

全球模式Had 的预测结果却往往是相反的，增温幅度明显少于全球增温值，且预计潮白河流域未来降水量和径流量都较基准期减少，但在全球2.0℃升温下，降水和径流量的减少幅度较1.5℃升温下有所降低。

径流预估的不确定性由多种因素组成，本文仅就气候模式和不同典型浓度路径两个方面分析了气候变化给径流预估带来的不确定性。

对于来源于其他方面的不确定性，如水文模型的参数化方案、水利工程、水文模型结构的不确定性、GCM 和水文模型的尺度匹配、人类活动导致的下垫面变化等因素导致的径流预估不确定性，仍需要大量的后续研
参考文献
IPCC. Climate change 2013: the physical science basis [J]. Cambridge:
Cambridge University Press, 2013
Jiang T, Chen Y Q, Xu C Y , et al . Comparison of hydrological impacts
of climate change simulated by six hydrological models in the Dongjiang Basin, South China [J]. Journal of Hydrology, 2007, 336　(3/4): 316-333
Xu Z X, Zhao F F, Li J Y . Response of streamflow to climate change
in the headwater catchment of the Yellow River Basin [J]. Quaternary International, 2009, 208 (1/2): 62-75
袁飞, 谢正辉, 任正良, 等. 气候变化对海河流域水文特征的影响
[J].水利学报, 2005, 36 (3): 1-7
张建云, 王国庆. 气候变化对水文水资源影响研究[M]. 北京: 科学
出版社, 2007
贾仰文, 高辉,牛存稳,等. 气候变化对黄河源区径流过程的影响
[J].水利学报, 2008, 39 (1): 52-58
Xu C X, Widén E, Halldin S. Modeling hydrological consequences of
climate change: progress and challenges [J]. Advances in Atmospheric Sciences, 2005, 22 (6): 789-797
Gourley J J, Vieux B E. A method for identifying sources of model
uncertainty in rainfall-runoff simulations [J]. Journal of Hydrology, 2006, 327: 68-80
Minville M, Brissette F, Leconte R. Uncertainty of the impact of
climate change on the hydrology of a Nordic watershed [J]. Journal of
[1][4][3][5][6][2][9][7][8]Hydrology, 2008, 358: 70-83
于磊, 顾鎏, 李建新, 等. 基于SWAT 模型的中尺度流域气候变化
水文响应研究[J]. 水土保持通报，2008, 28 (4): 152-154
张建云, 王国庆.气候变化对水文水资源影响研究[M].北京:科学
出版社, 2007: 80-95
Wang S. McGrath R, Semmler T, et al . The impact of the climate
change on discharge of Suir River Catchment (Ireland) under different climate scenarios [J]. Natural Hazards Earth System Sciences, 2006, 6: 387-395
李志, 刘文兆, 张勋昌, 等. 未来气候变化对黄土高原黑河流域水
资源的影响[J]. 生态学报, 2009, 29 (7): 3456-3464
姚文艺, 徐宗学, 王云璋.气候变化背景下黄河流域径流变化情势
分析[J]. 气象与环境科学, 2009, 32 (2): 1-6
Bates B C, Kundzewicz Z W, Wu S, et al . Climate change and water [R].
Technical paper of the Intergovernmental Panel on Climate Change, IPCC Secretariat, 2008: 210
Su B D, Huang J L, Zeng XF, et a l. Impact of climate change on
streamflow in the upper Yangtze River Basin [J]. Climatic Change, 2016: 1-14
肖恒, 陆桂华, 吴志勇, 等. 珠江流域未来30年洪水对气候变化的
响应[J]. 水利学报, 2013, 44 (12): 1409-1419
杨赤, 刘志雨,李洋. 淮河流域水文极值预测模型研究[J]. 气候变
化研究进展, 2015, 11 (1): 22-30
夏军, 李璐, 严茂超, 等. 气候变化对密云水库水资源的影响及其
适应性管理对策[J]. 气候变化研究进展, 2008, 4 (6): 319-323FAO/IIASA/ISRIC/ISS-CAS/JRC. Harmonized world soil database
(version 1.0) [R]. FAO, Rome, Italy and IIASA, Laxenburg, Austria, 2008
Weedon G P, Gomes S,Viterbo P, et al . Creation of the WATCH
forcing data and its use to assess global and regional reference crop evaporation over land during the twentieth century [J]. Journal of Hydrometeorology, 2011 (12): 823-848
McWeeney C F, Jones R G. How representative is the spread of climate
projections from the 5 CMIP5 GCMs used in ISI-MIP? [J].Climate Services, 2016, 1: 24-29
Hempel S, Frieler K, Warszawski L, et al . A trend-preserving bias
correction: the ISIMIP approach [J]. Earth System Dynamics, 2013, 9 (4): 49-92
Vetter V, Huang S, Aich V, et al . Multi-model climate impact
assessment and intercomparison for three large-scale river basins on three continents [J]. Earth System Dynamics, 2015 (6): 17-43
Warszawski L, Frieler K, Huber V, et al . The Inter-Sectoral Impact
Model Inter-comparison Project (ISI–MIP): project framework [J]. PNAS, 2014, 111 (9): 3228-3232. DOI: 10.1073/pnas.1312330110Arnold J G, Srinivasan R, Muttiah R S, et al . Large area hydrologic
modeling and assessment (part I): model development [J]. Journal of American Water Resources Association, 1998, 34 (1): 73-89
Neitsch S L, Arnold L G, Kiniry J R, et al . Soil and water assessment
tool [M]. Theoretical documentation version 2000, College Station: Texas Water Resources Institute, 2002
Arnold J G, Fohrer, N, SWAT 2000: Current capabilities and research
[10][11][12][13][14][17][15][16][20][18][19][23][21][22][26][24][25][27][28]
气候变化研究进展
2018年
246
Projected changes in climate and river discharge in the Chaobai River
Basin under 1.5℃ and 2.0℃ global warming
1 School of Atmospheric Sciences Nanjing University, Nanjing 210023, China ;
2 State Key Laboratory on Severe Weather Chinese Academy of Meteorological Sciences, Beijing 100081, China ;
3 Anhui Meteorological Observatory, Hefei 230031, China ;
4 Beijing Meteorological Disaster Prevention Center, Beijing 100089, China ;
5 National Climate Center, China Meteorological Administration, Beijing 100081, China
Abstract: The Chaobai River Basin, which provides majority freshwater for Beijing City, is an important guarantee to water safety in Beijing. So it is of vital importance to assess the future change in discharge in the Chaobai River Basin under 1.5℃ and 2.0℃ global warming. In this study, the hydrological responses to climate forcing under 1.5℃ and 2.0℃ global warming in the Chaobai River Basin were studied using hydrological model SWAT driven by five general circulation models (GCMs) under three Representative Concentration Pathways (RCPs). The uncertainties of projected impacts from GCMs structure and RCPs scenarios were estimated and compared quantitatively further. The results indicated that: (1) The simulation results of SWAT model have good agreement with discharge observations in both calibration and validation period, it is feasible to apply the SWAT model to estimate the impacts of climate change. (2) The mean annual temperature and precipitation of the Chaobai River Basin will increase under 1.5℃ and 2.0℃ global warming. The mean annual discharge will increase slightly under 1.5℃ global warming and be more concentrated in summer and early autumn. When under 2.0℃ global warming, the mean annual runoff will rise by more than 30%. However projected mean proportion of monthly to annual discharge will decrease in the peak season (July and August) of water usage, which will have impact on water resource management and control. (3) Extreme monthly and annual discharge will increase dramatically under global warming, especially in 2.0℃ warming. As a result, the risk of flooding will grow and lead to more pressure on flood mitigation. (4) It is proved that there are more uncertainties in above results under 2.0℃ global warming than under 1.5℃ global warming. Uncertainties in projections of discharge are greater compared with those in precipitation projections. Under both 1.5℃ and 2.0℃ global warming, uncertainties in the projections of all indicators from GCMs structure are larger than those from RCPs scenarios. Keywords: The Chaobai River Basin; SWAT; GCMs; RCPs; Discharge; Projection
HAO Ying 1, 2, 3, MA Jing-Jin 4, AN Jing-Jing 3, WANG Yuan 1, XU Hong-Mei 5
opportunities in applied watershed modeling [J]. Hydrological Processes, 2005, 19 (3): 563-572
Penman H L. Evaporation: an introductory survey [J]. Netherlands
Journal of Agricultural Science, 1956, 4: 7-29
USDA-Soil Conservation Service. National engineering handbook,
hydrology section 4 [J]. Chapters 4-10, Washington, DC, 1972
Cunge J A. On the subject of a flood propagation method (Muskingum
method) [J] . Hydraulics Research,1969, 7 (2): 205-230
李子君,李秀彬. 潮白河上游1961—2005年径流变化趋势及原因
分析[J]. 北京林业大学学报, 2008, 30 (2): 82-87
赵阳,余新晓,郑江坤，等.气候和土地利用变化对潮白河流域径
流变化的定量影响[J]. 农业工程学报, 2012, 28 (22): 252-260
[29][32][30][31][33]。