SRES B2情景下西南地区干旱致灾危险性时空格局预估

摘要：气候变化和自然灾害已经、正在、未来也将继续深刻地影响人类社会。预估未来极端天气事件致灾危险性对于评估气候变化对人类社会和自然系统的潜在风险具有极其重要的意义。本研究采用PRECIS模式模拟的气候情景数据，综合考虑降水和蒸发两个因素，选取地表湿润指数为指标，对SRES B2情景下未来（2011-2100）西南地区县域尺度干旱致灾危险性时空格局进行预估。结果表明：相对于现阶段（1981-2010），未来西南地区年均潜在蒸散量呈现逐渐增加的趋势，而地表湿润指数则总体上呈减小之势；未来各时段西南地区旱灾危险性明显增大，其中近期（2011-2040）是最严重的时段；在近期时段，西南地区干旱致灾危险性处于5级的县域个数和面积百分比分别为236个和50.3%，是现阶段的4.82倍和6.24倍。

关键词 PRECIS；干旱致灾危险性；时空格局；SRES B2情景；西南地区

中图分类号 X43 文献标识码 A 文章编号 1002-2104（2013）09-0165-07

全球气候变化将给人类社会和自然系统带来诸多风险。气候变化风险源主要包括两个方面：一是平均气候状况（气温、降水、海平面上升等）；二是极端天气事件（热带气旋、风暴潮、干旱、极端降水、高温热浪等）[1]。研究极端天气事件的潜在变化是评估未来气候变化对人类社会和自然系统影响的基础[2]。预估极端天气事件的方法之一是利用气象观测资料进行趋势外推[3-4]。尽管历史气象资料有很大的参考价值，但过去的气象统计信息只能部分地反映未来极端天气事件的发生概率。气候模式的不断改进为利用大气环流模式（GCMs）和区域气候模式（RCMs）预估极端天气事件及其影响提供了更可靠的工具[5-6]。已有一些学者应用气候模式来评估气候变化对洪水[7-8]、干旱[9]、风能[10]及水资源[11]可能造成的影响。但GCMs过粗的分辨率对于分析气候变化对区域尺度的潜在影响是不够的，而RCMs却能很好地反映影响局地气候的地面特征量和气候本身未来的波动规律，被认为是获取高分辨率局地气候变化信息的有效方法[12]。

伴随着20世纪下半叶的持续增暖，全球陆地大部分地区存在着干旱化的趋势。与全球干旱化一样，中国部分地区的干旱强度也呈现增加的趋势，干旱问题日益凸显，特别是进入21世纪以来，我国频繁出现了多个破历史记录的极端干旱事件。近些年，国内不少学者在干旱灾害方面进行研究[13-15]，取得了大量成果，为区域防灾减灾提供了依据。但这些评估研究都是利用气象观测数据或历史灾情资料来开展的，并未考虑气候变化对未来极端干旱事件发生频率、强度和空间格局的影响。翟建青等[16]利用ECHAM5/MPI-OM气候模式输出的2001-2050年逐月降水量资料，选取标准化降水指数预估了3种排放情景下中国2050年前的旱涝格局，但其所使用的气候情景数据分辨率较粗（1.875°），且未能从灾害风险角度分析未来干旱致灾危险性变化。

未来我国西南地区干旱致灾危险性时空格局进行预估，以期为全球气候变化背景下该地区干旱灾害风险管理和区域发展规划提供科学依据。

1 研究数据与研究方法

1.1 数据来源

本研究所使用的气候情景数据来自中国农业科学院农业环境与可持续发展研究所气候变化研究组。该研究组应用英国Hadley中心开发的PRECIS模式，模拟了IPCC《排放情景特别报告（SRES）》中设计的B2情景下中国区域的气候变化（1961-2100年），其水平分辨率在地理坐标下为纬度0.44°×经度0.44°，在中纬度地区水平格点间距约为50 km。关于PRECIS物理过程的详细介绍可参阅文献[17]。许吟隆[12，18]等人利用ECMWF再分析数据和气象站点观测数据验证PRECIS对中国区域气候模拟能力的研究表明：尽管一些气候要素的模拟值存在一定偏差，但总体上PRECIS具有很强的模拟温度和降水的能力，基本能够模拟出各气象要素年、季的大尺度分布特征。因此，本文不再对PRECIS模式进行验证。

1.2 研究时段划分

本研究包括以下四个时段：现阶段为1981-2010年，未来分为近期（2011-2040年）、中期（2041-2070年）和远期（2071-2100年）三个时段。文中所选指标均以各时段30年的平均值进行探讨。

1.3 干旱致灾危险性评估方法

关于干旱的指标已有大量研究，但很多干旱指标只考虑了降水这一个变量（如连续无雨日数，SPI指数，降水Z指数，降水距平等），在全球变暖背景下，仅仅考虑降水因素是不够的。陆地表面干湿变化主要受降水和蒸发的影响，降水减少是干旱可能发生的一个重要方面；同时，地表温度的升高会大大增加水分的蒸发散，使得干旱更容易发生。因此，干旱指标应该能够衡量地表水分收支大小，本研究综合考虑降水和蒸发两个因素，采用地表湿润指数（降水量/潜在蒸散量）作为变量来评价旱灾危险性。

本文将干旱致灾危险性分为5个等级。具体的分级方法如下：首先，对现阶段西南地区各县域单元旱灾危险性指数从小到大进行排序，再按1∶2∶4∶2∶1的大致比例将487个县域单元分为5级；之后，提取现阶段两个相邻等级县域单元的旱灾危险性指数，以其平均值作为旱灾危险性的分级标准（如1、2级的分级标准是，将现阶段1级县域单元中最大的旱灾危险性指数与2级中最小的旱灾危险性指数求平均值所得）；最后，按照此分级标准对未来三个时段干旱致灾危险性进行分级。

2 结果与分析

2.1 年均潜在蒸散量时空格局变化

如图1所示，在现阶段，我国西南地区年均潜在蒸散量平均为775.42 mm，最大值为1 100.21 mm，年均潜在蒸散量低于700 mm的地区占总面积的39.14%，主要分布在四川省、贵州省和重庆市，而高于1 000 mm的地区仅占6.91%，位于广西省南部和云南省的北部。到了近期，西南地区年均潜在蒸散量增大为819.78 mm，其最大值为1 149.45 mm，其中大于1 000 mm的地区面积增加到12.85%，约为现阶段的1.86倍。在中期，西南地区年均潜在蒸散量继续增加为854.99 mm，最大值增加到1 202.25 mm，年均潜在蒸散量低于700 mm的地区面积继续减小，而高于1 000 mm的地区则大幅增加为19.45%。到远期，西南地区年均潜在蒸散量增加到890.30 mm，最大值为1 265.00 mm，年均潜在蒸散量低于700 mm的地区仅占西南地区总面积的5.84%，主要位于四川省西北部，而高于1 000 mm的地区则扩展为26.06%，为现阶段的3.77倍之多，集中分布在广西和云南两省。可见，伴随着全球气温升高，未来我国西南地区年均潜在蒸散量将呈现持续增大的趋势，尤其是年均潜在蒸散量超过1 000 mm的面积将大幅增加。

2.2 年均地表湿润指数时空格局变化

从图2中可以发现，各个时段西南地区均呈现出“西干东湿”的格局，并且相对于现阶段，未来西南地区总体上将呈变干的趋势。在现阶段，西南地区年均地表湿润指数的平均值为1.51，其中地表湿润指数小于1.0的地区占总面积的12.79%，大于1.8的地区占26.66%。而在近期，西南地区年均地表湿润指数的平均值为1.46，小于1.0和大于1.8的地区分别占到总面积的14.68%和18.54%。中期阶段，西南地区年均地表湿润指数继续减小为1.42，大于1.8的地区缩小至总面积的12.48%。到了远期，西南地区年均地表湿润指数为1.39，其中小于1.0的地区占总面积的17.09%，大于1.8的地区占9.25%，分别较现阶段增加4.30%和减小17.41%。

2.3 干旱致灾危险性时空格局变化

在对降水和蒸发等各因素分析和数字化的基础上，依据评价模型（式3）在ArcGIS中对各因素图层进行计算并分级，得到西南地区县域尺度干旱致灾危险性评价结果（图3）。为详细了解西南地区干旱致灾危险性格局及其动态变化，表2列出了各时段旱灾危险性等级的县域个数和面积百分比。

可以发现，未来各时段西南地区干旱致灾危险性空间格局变化很大。相对于现阶段，未来西南地区旱灾危险性处于1、2级的县域个数和面积均呈现先减小后增大的趋势，而5级的变化趋势则与之相反，旱灾危险性明显增大。尤其在近期，处于旱灾危险性5级的县域个数由现阶段的49个快速增加为236个，面积也占到总面积的50.30%，分别是现阶段的4.82倍和6.24倍，是未来旱灾危险性最严重的时段。到中期和远期，西南地区旱灾危险性相对于近期总体有所减小，但处于5级的县域干旱致灾危险性值却有一定程度增大。需要指出的是，未来四川省西南部和云南省大部始终是西南地区旱灾危险性最高的区域，在今后的旱灾风险管理及防灾减灾规划中需尤为注意。

3 结 论

本文基于PRECIS区域气候模式，模拟了SRES B2情景下西南地区现阶段与未来时段潜在蒸散量和地表湿润指数的变化情况，并对该地区干旱致灾危险性的时空格局和变化趋势进行研究，得到以下主要结论：

（1）伴随着全球气温升高，未来西南地区年均潜在蒸散量将持续增大，尤其是年均潜在蒸散量超过

1 000 mm的面积将大幅增加；同时，未来西南地区年均地表湿润指数将逐渐减小，总体呈现变干的趋势。

（2）相对于现阶段，未来西南地区干旱致灾危险性明显增大，尤其是近期时段。在近期，西南地区旱灾危险性处于5级的县域个数和面积百分比分别为236个和50.30%，分别是现阶段的4.82倍和6.24倍。四川省西南部和云南省大部始终是该地区未来旱灾危险性最高的区域。

4 讨 论

自然灾害具有自然和社会双重属性，其中致灾危险性评估是从自然属性角度来评估干旱危险性。根据自然灾害风险分析理论[20]，在危险性评价的基础上，进一步考虑社会经济因素，如人口、GDP、耕地、森林、草原、各种工程设施等的分布情况，以及遭遇干旱时这些承灾体的易损程度、社会防灾救灾能力等，就可以进行干旱灾害风险评价，辨识出高风险区，为各级政府开展风险管理提供科学依据。通过查阅《中国气象灾害大典》、《中国灾害性天气气候图集》以及近些年的灾情资料可以发现，本文对现阶段（1981-2010年）西南地区旱灾危险性的评价结果与实际灾情发生区域基本符合。但由于干旱灾害形成、发展及产生后果的复杂性，影响因子众多，目前的评价结果尚难以做到与实际情况完全吻合，有以下几方面原因：考虑因素的全面性、各干旱等级权重值的真实性、预估气候数据的误差以及评价模型的科学性等等，还需要不断深入研究，作出更符合实际、更加可信的干旱灾害风险评价。

本文只选取了SRES B2情景，虽然这一情景是比较符合我国中长期发展规划的气候情景，但仍然存在较大不确定性。在以后的研究中，需要进一步拓展降低不确定性的方法，在现有情景预估的基础上，进一步发展集合概率预测等技术手段，建立基于多情景多模式的集合概率预测情景方案。同时加强气候模式模拟研究，提高模拟数据精度，降低气候系统模式的不确定性[21]。

致谢：承蒙中国农业科学院农业环境与可持续发展研究所许吟隆研究员在论文数据方面提供的帮助，在此表示衷心的感谢！

参考文献

[1]IPCC. Climate Change 2007： Impacts， Adaptation and Vulnerability [M]. London： Cambridge University Press， 2007.

[2]Tebaldi C， Hayhow K， Arblaster J M， et al. Going to Extremes： An Intercomparison of Modelsimulated Historical and Future Changes in Extreme Events [J]. Climatic Change， 2006， 79（3-4）： 185-211.

[3]徐新创， 葛全胜， 郑景云， 等. 区域农业干旱风险评估研究：以中国西南地区为例[J]. 地理科学进展，2011，30（7）：883-890.

[4]周后福， 王兴荣， 翟武全， 等. 基于混合回归模型的夏季高温日数预测[J]. 气象科学， 2005， 25（5）： 505-512.

[5]Zwiers R W， Kharin V V. Changes in the Extremes of the Climate Simulated by CCC GCM2 under CO2 Doubling [J]. Journal of Climate， 1998， 11（9）： 2200-2222.

[6]贺山峰， 戴尔阜， 葛全胜， 等. 中国高温致灾危险性时空格局预估[J]. 自然灾害学报， 2010， 19（2）： 91-97.

[7]Raff D A， Pruitt T， Brekke L D. A Framework for Assessing Flood Frequency Based on Climate Projection Information [J]. Hydrology and Earth System Sciences Discussions， 2009， 6： 2005-2040.

[8]贺山峰， 葛全胜， 吴绍洪， 等. 安徽省洪涝致灾危险性时空格局预估[J]. 中国人口・资源与环境， 2012， 22（11）： 32-39.

[9]Blenkinsop S， Fowler H J. Changes in European Drought Characteristics Projected by the PRUDENCE Regional Climate Models [J]. International Journal of Climatology， 2007， 27： 1595-1610.

[10]Bloom A， Kotroni V， Lagouvardos K. Climate Change Impact of Wind Energy Availability in the Eastern Mediterranean Using the Regional Climate Model PRECIS [J]. Natural Hazards and Earth System Science， 2008， 8： 1249-1257.

[11]Zhu T J， Jenkins M W， Lund J R. Estimated Impacts of Climate Warming on California Water Availability under Twelve Future Climate Scenarios [J]. Journal of American Water Resources Association， 2005， 41（5）： 1027-1038.

[12]许吟隆， 张勇， 林一骅， 等. 利用PRECIS分析SRES B2情景下中国区域的气候变化响应[J]. 科学通报， 2006， 51（17）：2068-2074.

[13]卫捷， 陶诗言， 张庆云. Palmer干旱指数在华北干旱分析中的应用[J]. 地理学报， 2003， 58（增）： 91-99.

[14]武建军， 刘晓晨， 吕爱峰， 等. 黄淮海地区干湿状况的时空分异研究[J]. 中国人口・资源与环境， 2011， 21（2）： 100-105.

[15]He B， Lv A F， Wu J J， et.al. Agricultural Drought Hazard Assessing and Spatial Characters Analysis in China[J]. Journal of Geographical Sciences， 2011， 21（2）： 235-249.

[16]翟建青， 曾小凡， 苏布达， 等. 基于ECHAM5模式预估2050年前中国旱涝格局趋势[J]. 气候变化研究进展， 2009， 5（4）： 220-225.

[17]Jones R G， Noguer M， Hassell D C， et al. Generating High Resolution Climate Change Scenarios Using PRECIS [M]. Exeter： Met Office Hadley Centre， 2004.

[18]许吟隆， Jones R. 利用ECMWF再分析数据验证PRECIS对中国区域气候的模拟能力[J]. 中国农业气象， 2004， 25（1）： 5-9.

[19]Allen R G， Pereira L S， Raes D， et al. Crop EvapotranspirationGuidelines for Computing Crop Water RequirementsFAO Irrigation and Drainage Paper 56 [M]. Rome： United Nations Food and Agriculture Organization， 1998.

[20]葛全胜， 邹铭， 郑景云， 等. 中国自然灾害风险综合评估初步研究[M]. 北京： 科学出版社， 2008.

[21]吴绍洪， 潘韬， 贺山峰. 气候变化风险研究的初步探讨[J]. 气候变化研究进展， 2011， 7（5）： 363-368.