基于干旱危险映射方法分析气候变化对干旱的空间和频率变化的影响外文翻译资料

英语原文共 20 页，剩余内容已隐藏，支付完成后下载完整资料

基于干旱危险映射方法分析气候变化对干旱的空间和频率变化的影响

作者：Chang Joo Kim, Min Jae Park , Joo Heon Lee，韩国忠清道景山Joongbu大学土木工程系

摘要：在本次研究中，使用标准化降水指数（SPI）对潜在干旱危险区域在韩国的空间分布进行分析，并且由于气候变化能被预测，潜在的干旱危险区域的改变也可由此进行估计。为了尝试对潜在干旱危险区域的空间分布变化进行估计，使用了韩国气象局（KMA）54个自动气象站过去观察到的数据（1976年至2010年）和运用CNRM:CM3, CSIRO:MK3, CONS:ECHOG和 UKMO:HADCM4个全球气候模型（GCM）预计的降水资料（2011年至2099年）。由54气象站得到了影响程度持续时间频率（SDF）曲线，以便采用的潜在干旱风险映射方法来估计潜在的干旱危险区域。对潜在的干旱危险区域空间分布的分析表明，在洛东江这个过去频繁发生干旱危险的区域，旱情将更加恶化，预测在位于韩国中部的汉江流域（汉江，安城溪，汉江西部）未来会发生更加严重的干旱。在四种大气环流模型的分析结果中，将利用4种GCMs模型预测的数据使用CONS:ECHOG模型进行比较可知，未来更加严重的干旱会发生在整个朝鲜半岛。此外，使用UKMO:HADCM模型预测可知，潜在的干旱地区将由国家南部向西部和中部转移。

关键词: SPI; 干旱;频率分析; SDF曲线;潜在干旱灾害图

2012年7月27日收到稿件；2012年10月2日修订2013年1月16日录用。

1. 引言

干旱造成的损失使其在20世纪五大最严重的自然灾害中占有一席之地，事实上其中四个都与干旱有关 (IPCC, 2007)。尽管韩国拥有优秀的供水设施，仍每年都会发生旱灾。气象记录显示，大规模干旱灾害的发生有特定的时间间隔，波及范围从韩国中部到南部地区。本次研究的目的是通过分析空间分布特征和干旱的发生模式寻找抵制因气候变化导致的严重干旱的方法，预测干旱地区的弱点，并提出应对气候变化的抗旱方案。

目前已有许多监测数据以及各种干旱指数的研究(Lee等人, 2006a, 2006b)。然而，随着水文对气候变化的影响变得重要，干旱研究的重点已经从干旱预测转移到寻找极端干旱现象的对策，以应付将来可能出现的极端干旱情况。

预测干旱最普遍的方法是通过全球气候模式（GCM）分析不同气候变化情景映射的水文数据。将这些水文数据转换成干旱指数，如标准化降水指数（SPI）和帕尔默干旱强度指数（PDSI），对干旱的严重程度进行预测。在使用SPI指数进行的干旱预测研究中，Ghosh和Mujumdar（2007）用不同的大气环流模型的SPI指数（12个月）预测未来的干旱情况，Vidal 和 Wade (2007)用SPI指数(3，6，12，24个月)研究了未来干旱的严重程度以及气候变化情况；Kwon等人 (2009)在2008年同时运用PDSI和SPI对韩国60个气象站的气象数据的干旱情况进行分析。尽管降水短缺引起的干旱的程度在不同地区不尽相同，但分析表明，干旱频率仍在增加，并且干旱的严重程度取决于冬季和春季的降水状况。Lee等人（2012）利用PDSI和SPI分析了朝鲜半岛干旱的统计特征。PDSI显示，干旱发生的高频地区从洛东江，荣山到蟾津江流域，小波段转换分析得出过去的大规模干旱以4-6年为间隔的结论。

近年来，干旱特征的研究已经开始使用的统计分析方法来分析未来干旱的空间分布，如SAD（严重区域持续时间），SAF（严重区域频率）和SDF（严重持续时间频率）；SAD方法通过使用适当的干旱指数对DAD（深度区域持续时间）中的降雨深度进行分析。Kim等人（2006年）提出了不同旱情严重程度的地区干旱持续时间的SAD曲线。Kim等人（2010年）对比以往和当前的SAD曲线，提出水资源供应系统的漏洞评估；SAF方法用来识别干旱影响的地区及周期性特征(Henriques 和Santos, 1999; Chang等人, 2006)。 Loukas等人 （2008）用CGM2预计SPI（1，3，6，9和12个月）推导出SAF曲线，并研究了其基于气候变化的严重程度发生的改变。阿赫塔尔等人（2008年）通过使用SPI（12个月）推导的SAF曲线分析了拉扎维和伊朗南呼罗珊地区的旱情特征；SDF曲线表示干旱事件的预计重现期、持续时间和严重程度的关系（Yoo和Kim，2006）。Lee和Kim（2011）通过干旱频率分析对以前的干旱事件的重现期和持续时间的关系进行评价。Kim和Yoo（2006）通过使用矩形脉冲模型推导出的SDF曲线对朝鲜半岛的干旱以及整个韩国区域干旱严重性的空间分布的特征进行分析。

此前许多旱情分析研究都集中于干旱频率分析，干旱监测以及使用各种水文变量和干旱指数进行的干旱短期预测。相比之下很少有研究集中于量化未来因气候变化而引起的干旱发生的可能性。研究这个问题有助于使预测潜在的干旱危险区域和量化干旱的空间分布变为可能。在国家层面上建立一个实时干旱监测系统来为干旱灾害做准备是非常重要的，研究气候变化长期对干旱的影响，以便系统的为干旱风险做准备也十分重要。

本次研究的目的是评估气候变化对韩国气象干旱灾害敏感地区未来可能产生的影响。通过各流域气象干旱危险评估对未来潜在干旱危险地区进行预测。SPI指数根本上的优点是它可以对各种时间尺度（1个月到24个月）进行计算，这种多功能性使得SPI可以用于监测短期水供应情况，如土壤水分，这一农业生产中的重要因子，以及长期供水，如地下水、地表径流和水库水位(Mishra 和Singh, 2010)。因此，如果使用SPI对不同时间尺度的潜在干旱危险区域进行评定，不仅可以直接预测气象干旱还可以间接预测农业和水文干旱。

1. 材料与方法

2.1 研究区域和降水资料

为分析旱情严重性，协调了降水数据的可靠性和一致性之后，决定选取韩国气象厅（KMA）54个自动气象站的资料来估计潜在的干旱危险区域的空间分布。如图1，韩国有20大的流域，这些流域被分成109个子流域（次流域）。汉江，洛东江，锦江，蟾津江和荣山江流域为韩国最具有代表性的五大流域。这五大流域大约占据了韩国面积的68％。这20大流域的名称、代码和面积均在表1中列出。本研究使用的流域中，子流域在北朝鲜的（1020，Gomitan steam;1021临津江的上游;1022汉滩江1023，下游临津江）被排除在外。

使用1976年至2010年的观测降水资料分析过去的干旱事件，通过4种GCMs模型预测的降水资料(CNRM:CM3, CSIRO:MK3, CONS:ECHOG, UKMO:HADCM)用来分析将来的事件。

图1.自动气象站的位置和韩国的流域层次 （a）54个自动气象站和109个次流域位置(b)韩国20个主流域的位置

表1.韩国20个河流流域的信息。

2.2. GCMs 和尺度转换

联合国政府间气候变化工作小组(IPCC)数据分发中心(http://www.ipcc-data.org) 提供了基于排放情况特别报告（SRES）的GCM结果。

韩国国家气象研究所收集了23 个GCM数据结果插值到固定的 2.5◦times;2.5◦格点上。在本次研究中，GCMs提供了A2情景下大气环流模型与IPCC AR4的共同结果：CNRM:CM3,CSRIRO:MK3, CONS:ECHOG and UKMO:HADCM(表2).表2是A2情况下。本次研究使用了4种GCMs模型的详细信息。温室气体实际排放并未实现（在2100年二氧化碳的排放量为830 ppm），它代表了一种高排放的情况。

表2

图2.首尔自动气象站观察的预计月降水量基准期（1976至2010年）与4种GCMs模式(CNRM:CM3, CSIRO:MK3, CONS:ECHOG, UKMO:HADCM) 的比较

将这些粗尺度GCM模拟降尺度（200公里以上）为区域尺度（以下50公里）需要进行合理的气候影响研究，并提供局部范围气候变化的偏差校正信息(如 Giorgi 和Mearns, 1991; Wood等人, 2004; Christensen等人., 2007; Im等人., 2010).。

降尺度统计是用于校准GCM结果和观测结果之间统计关系的气候模型结果的方法。这种方法通常分为两种类型：天气发生器和传递函数。本次研究将传递函数混合应用于空间降尺度、和天气发生器的时间降尺度，使用传递函数将GCM的空间尺度缩小到100-350km的规模， 以便使用固定经验正交函数（CSEOF）（Kim和North，1997年）和多元线性回归法。并使用WXGEN天气发生器将按月的天气变量时间降尺度为按天的尺度（Sharpley和Williams，1990; Bae等人，2011a，2011b）。

CSEOF分析用来将数据分解成一组独立的模式和PC时间序列。CSEOF分析和其他分析方法的主要区别在于从CSEOF提取的每个模式的空间模型都可表示一个循环周期气候信号完整的时空进程（如季节周期，突出季节振荡与ENSO相关进化）（Lim等，2007）。WXGEN，以理查森（1981）开发的天气生成模型为基础，生成日降水，最高温度，最低温度，相对湿度和风速等因素得出的气候变量的统计结果（Jung等人，2011年）。

• 1. GCMs的验证

对于由气候变化引起的的气象和水文变量的变化，需要选择一个温室气体排放情况进行分析，但在温室气体排放情况预测的过程中会产生了各种不确定因素(Maurer, 2007)。第一个问题是未来温室气体排放情况的不确定性；第二个问题是GCM模拟天气基于排放情景的限制；第三个问题是作为粗尺度GCM结果的时空偏置校准方法结果中产生的错误。一些误差程度与使用具有固有不确定性的GCMs预测未来的气候和水文事件（水灾和干旱）有关。在本次研究中，用四种不同的环流模型来预测未来的干旱比使用单个GCM得出的结果误差更小。四种不同的GCMs之间的差别，将从各自的预测结果差异中体现。

为了验证由GCMs投影降水数据的可靠性，将统计特性与来自首尔气象站基准期（1976至2010年）所观察到的和预测的数据进行比较。图2描绘了年降水量（灰色阴影）从观测值的数据和4个GCMs基准期（1976年至2102年）得到的结果。图形代表年最大月降水量（三角形），年平均月降水量（四边形）和年度最低月降水量（菱形）。

在年最大月降水量的情况中，根据观察到的历史数据降水量大约下降200-600mm，而1996 - 2010年期间，发生的降水大约为500-600mm。观察到1998年1237.8毫米和2006年1014.5毫米的异常高降水量。

在4种GCMs情况中，记录了1976年至2000年的年最大月降水量大约为400mm，在2001年至2010年为400-600mm。在审查35年高降水事件的数量（600mm以上）时，在观察得到的数据检查到9次，而没有一次在CNRM:CM3和CSIRO:MK3模型中发现， CONS:ECHOG模型四次和UKMO：HADCM模型发现两次。这种结果可能是由于极端事件，如台风，在4种GCM数据的模拟过程中被排除。

然而，每年的最大降水量、年平均月降水量与年度最低月降水与观察到的数据产生了类似的结果，这表明，由4种GCMs预计的降水量用于干旱分析是可行的。另外，各种模型中发现的降水的差异可能是由于不同的机械系统、分辨率参数的流程和物理过程的不同导致（Im等人，2010）。

• 1. 干旱指标的选择

在干旱的定量分析中，通常用到干旱指数。在干旱研究中最常用的三个指数是SPI，PDSI和SWSI。作物水分指数（CMI）和土壤湿度指数（SMI）也可使用。各个干旱指数根据它们各自的用途用于监测气象，农业或水文干旱。

本次研究选用SPI指数，通过分析在韩国潜在干旱危险区的时空分布对气象干旱进行评估，其目的是通过估算气象干旱条件，而非考虑供水能力和设施，来评估干旱的潜在危险。SPI是可用降水对干旱的严重程度进行估算的代表性气象干旱指数。这个指数的目的是确定干旱期和多个时间尺度例如在1、3、12或24个月干旱的严重性。SPI具有通过选择不同的时间尺度同时评估短期和长期干旱的优点。由McKee等人开发的SPI（1993，1995），核心是研究因降水短缺引起的干旱导致的缺水而不是水需求引起的缺水。在SPI中，根据单位面积湿度条件将干旱严重性进行分类，如表3所示。

表3.水分条件和使用SPI对干旱的分类

在本次研究中，对韩国历史上的重大干旱事件进行了分析，以评估干旱监测的适用性和SPI（6个月）的精度。根据抗旱历史事件调查报告（MLTM，1995，2002）极端干旱发生主要是在1981 - 1982年，1988年，1994- 1995年，2000- 2002年和2007 -2009年的韩国中部及南部地区（Lee和Kim，2011）。

首先，对首尔气象站（代表朝鲜半岛的中心部分）和光州（代表朝鲜半岛的南部的部分）是否准确地监测过去在韩国中部和南部地区发生的干旱事件进行了分析（图3）。极端干旱发生在韩国中部地区为1981年，1988年和2001年，而在南部地区为1994年，1995年和2000年。SPI（6个月）预计每个干旱事件发生的年份是小于-2.0

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[25510]，资料为PDF文档或Word文档，PDF文档可免费转换为Word