我国地处东亚季风区，降水量的年内分配和年际变化较大，且空间分配极不均匀，极端气候异常事件频繁，使我国成为世界上干旱与洪涝灾害多发的国家之一。受气候变化的影响，北方干旱缺水与南方洪涝灾害同时成为制约我国经济社会可持续发展的主要因素之一。人类活动排放的温室气体等引起的气候变化，包括气候平均态变化和极端事件的变化。相对于平均态，极端事件的变化经常会对经济、社会和自然生态系统等造成更大影响。全球气候变化可能对水文极端事件的频率、大小、位置、历时等产生影响。而水文极端事件的改变对于未来水利工程、洪水治理及水资源管理都有重要意义。气候变化对水文极端事件的可能影响在过去10多年间得到了很大的重视。许多研究表明，全球增暖将增加水文极端事件发生的频率和大小 (Kite, 1993; Boorman and Sefton, 1997; Panagoulia and Dimou, 1997; Gellens and Roulin, 1998; Mirza et al., 1998; Prudhomme and Svensson, 2003; Meehl and Tebaldi, 2004)，同时，气候变化可能改变极端径流发生的时间。通常认为径流平均值增加，也意味着极端径流增加，但是两者之间可能存在着程度上的差异。目前中国地区未来极端事件变化的预估工作相对较少，已有研究主要集中在气温和降水极端事件方面，对水文径流极端事件的研究也不多。

由于区域气候模式比全球气候模式有更高精度的空间分辨率，能够更加细致地描述地形和海陆分布以及地表植被分布特征，更好地刻画气候的区域特征，使得区域气候模式的模拟能够更加接近于观测。21世纪末期，A2情景下的全球增暖在黄河和长江流域均表现出强烈的区域响应，无论黄河流域还是长江流域，这种变化趋势存在很大的空间分布的不均匀性（曹丽娟，2007）。黄河流域由于大的流域面积，高含沙量，频发的洪水，独特的下游“悬河”以及有限的水资源而受到科学家的广泛关注（Fu et al., 2004; 赵芳芳和徐宗学，2009）。许多研究集中于分析观测数据或者降尺度气候模式变量，以及使用大尺度水文模型（VIC）等来研究长期气候变化及其它原因引起的水文气候趋势 （Liu and Zheng, 2004; Xia et al., 2004; Xu, 2005; Xu et al., 2007; 郑红星和刘昌明，2003）。长江流域洪水灾害是我国频率高、为患严重的自然灾害之一（施雅风等，2004）。已有大量研究集中于历史资料分析及对洪水事件的模拟上（如Xiong et al., 2003; 施雅风等, 2004; 姜彤等, 2005; Zhang et al., 2005）。本研究使用高分辨率区域气候模式RegCM3与大尺度汇流模型LRM对中国区域进行长时段数值模拟积分，长时间的积分使得模拟结果具有真正的气候学意义、高分辨率的特点，在提供各地气候要素更详细分布、更好分布型模拟基础上，使得模拟得到的中国未来气候变化信息更加细化和更加可靠。本研究以水文流域为研究单元，关注中国两个重要大尺度流域——黄河和长江流域，通过分析未来A2情景试验相对于控制试验中黄河和长江流域水文径流极端事件的变化，预估未来两个流域在年内、连续多年及各月流域洪水发生的可能性变化，研究结论能够对评估气候变暖背景下的极端水文灾害事件的变化具有一定的理论意义。

本研究采用全球气候模式模拟试验两个时间段，一是从1961年1月1日至1990年12月31日，即控制试验（RF试验）；另一段是21世纪末从2071年1月1日至2100年12月31日，在IPCC SRES A2温室气体和气溶胶排放情景下的试验（A2试验）。其中A2排放情景是IPCC提供的SRES排放情景中区域经济发展引起温室气体浓度高排放的情景，其结果作为区域气候模式RegCM3的驱动场。区域气候模式的中心点取（35°N、107°E），南北方向的格点数为275，东西方向为360，水平分辨率取为20 km，范围覆盖包括整个中国大陆及周边地区。模式垂直方向分18层，顶层高度为100 hPa。模式中的辐射过程采用NCAR CCM3方案，海表通量参数化方案使用Zeng方案、行星边界层使用Holtslag方案、积云对流参数化方案选择基于Fritsch & Chappell闭合假设的Grell方案、大尺度降水采用SUBEX方案。陆面过程模式采用生物圈—大气圈输送方案（BATS 1e）（Dickinson et al., 1993），BATS考虑了降水、雪融化、叶冠滴水、蒸散发、地表径流、根区下渗透和土壤层间水的扩散性交换，能够计算表层和次表层径流。模式使用的地形由美国地质勘探局（USGS）制作的10'×10'（经度×纬度）地形资料插值得到，植被覆盖资料在中国区域内，使用中国农科院遥感中心提供的实测资料，中国区域外使用USGS基于卫星观测反演的GLCC资料。初始场和侧边界值均由全球环流模式FvGCM得到。侧边界场采用指数松弛边界方案，每6小时输入模式一次。详细试验设计及模式使用参见文献（石英和高学杰，2008）。

首先对控制试验结果进行分析验证，用于验证模式模拟能力的地面气温资料采用CRU资料（Newet al., 2002），降水资料采用Xie资料（Xie et al., 2007），这两套资料的空间分辨率均为0.5°×0.5° （经度×纬度），采用同期（1961～1990年）气温、降水资料进行模式验证。模拟结果表明高分辨率的RegCM3 (20 km) 能够更好地模拟黄河和长江流域的气温和降水分布，反映更小尺度的信息（曹丽娟，2007），特别是对我国东部地区气温和降水分布及雨带位置的模拟更加合理（石英和高学杰，2008）。随后应用RegCM3模拟的控制试验和A2情景模拟试验的日地表径流和次表层径流结果驱动大尺度汇流模型LRM，为与RegCM3的分辨率（20 km）相匹配，本研究使用的大尺度汇流模型的水平分辨率为0.25°×0.25°（经度×纬度），来自于美国亚利桑那州大学水文水资源系，在黄河流域的使用显示了较好的模拟径流的能力（Zhang et al., 2003; Cao et al., 2007）。本研究将RegCM3模拟结果中日平均地表和次表层径流插值到0.25°×0.25°网格来驱动LRM。汇流模型使用的0.25°×0.25°流向数据是采用中国1﹕100万DEM高程数据提取得到。已有研究表明，区域气候模式RegCM3同大尺度汇流模型LRM连接能够较好地再现黄河流域与长江流域不同台站的月径流过程，模拟的径流量同实测径流量在时间分布上较为一致，模拟的河川径流的年变化和季节变化同观测值比较接近。模式对黄河和长江流域水文台站径流量的模拟效果较好，表明该汇流模型适用于对黄河流域和长江流域进行径流模拟（曹丽娟，2007；曹丽娟等，2008）。

通常认为气候异常事件的频率分布可能会发生三种类型的变动：其一，均值不变但方差及概率分布发生变化，此时气候变异性表现为丰枯振幅将增大或减小；其二，均值改变，方差及概率分布不变，均值的增减将导致概率分布位置的偏移，从而增大或减小极端事件发生的频率；其三，均值和方差同时都有变动或概率分布形式改变，此时气候自然波动周期与振幅及极端事件发生的频次都将随着气候均值的变化而加剧或减少，从而带来最为不利或趋于有利的影响。

Milly et al.（2002）认为，大洪水（来自流域 面积大于20万平方公里的河流流域的排水量超过100年一遇水平的洪水）的发生频率在20世纪有很大增加，而且这一趋势很可能将继续下去。Milly采用了频率分析法和100年一遇的概念，但通常认为频率流量不具有空间上和时间上的可比性。国际上气 象和水文学极值研究通常采用的指标有AM（Annual Max，国内很多人在用，但不具有科学上定量意义和可比性），POT（高于阈值的洪峰流量）（戴昌军等，2006），Percentile（分位数）等。POT 和Percentile是国际上极端值研究中最为常见的选取标准，它们具有时间和空间的可比性。此外，气候序列分布的方差变化对于极值频率的影响要比平均值的影响大得多（Katz and Browns, 1992）。因此，本研究中首先进行了方差分析，以年、月、日平均径流量在A2排放情景下相对于当代气候条件下的方差变化来反映径流量不同时间变率的变化。此外，参照极端气候事件研究及国际上水文极端事件的研究方法，选取如下几个水文极端事件指标来反映极端径流的变化：最大连续1日、3日、5日径流量（RoX1d、RoX3d、RoX5d）定义为一年中最大的连续1日、3日、5日径流量之和；90%、95%、99%分位数径流量（Q90、Q95、Q99）分别代表日平均径流量序列中有10%、5%和1%的径流量超过该值，体现丰水极值径流的变化，相应以10%、5%、1%分位数径流量（Q10、Q5、Q1）代表日平均径流量序列中有90%、95%和99%的径流量超过该值，代表枯水极值径流的变化。本文重点分析各个极端事件指标 在未来A2情景下相对于当代气候的变化。

本文通过分析定义的水文极端事件指标在A2情景下（2071～2100年）相对于当代气候（1961～1990年）的变化，预估未来气候变化对我国黄河和长江流域水文极端事件的影响，分析了未来黄河和长江流域在年内、连续多年及各个月份流域洪水发生的可能性。

图 9

Fig. 9

图 9 汉江支流年内分位数径流量的变化Fig.9 Interannual percentile streamflow change in the Hanjiang River basin

结果表明未来黄河流域径流年际变率增大，月际变率减小，逐日变率在头道拐站以上流域减小，以下流域增大。由最大连续1、3、5日径流量变化分析表明未来兰州以上半湿润地区，流域东南部湿润区出现径流量峰值可能性增大，而流域西北部干旱半干旱区出现径流量峰值可能性减小。未来A2情景下，头道拐站以上台站Q90、Q95、Q99分位数径流量为减少趋势，其中Q90和Q95减少幅度均超过10%，Q10、Q5、Q1分位数径流量为增加趋势，头道拐站以下台站最为极端的Q99和Q1分位数径流量为减少趋势，减少的幅度小于3%，其余均为增加趋势，表明未来黄河流域头道拐站以上地区，发生极端最大径流的可能性减少，头道拐站以下流域，发生极端最大径流的可能性增大，预示着未来黄河流域中游地区发生洪涝的风险增大。未来黄河流域头道拐以下流域最极端的流域洪水会有所减少，而次极端的径流量会有所增加。年内各月分位数径流量变化分析表明：未来黄河流域夏半年峰值径流量可能减少而其余季节增加，预示着未来夏季月份极端洪涝事件减少，而其余月份出现极端流域洪水的风险增大。

未来气候变化可能引起长江干流径流量的年际变率增大，上中游地区径流日和月际变率减小，而下游地区径流日和月际变率略有增大，汉江流域径流量的年、月和日际间变率均增大。未来长江流域上中游宜昌、汉口站RoX1d、RoX3d、RoX5d的变化为递减的趋势，其中宜昌站减少幅度较大，如RoX3d将减少6.9%，位于下游的大通站则为增加趋势；汉江流域增加幅度较大，丹江口站最大连续1、3、5日径流量增加幅度达到40%左右，预示着未来长江干流发生流域洪水的风险降低，而汉江流域发生洪涝的可能性增大。长江干流宜昌、汉口、大通站在未来A2情景下，极端高值和低值分位数径流量均出现减少趋势，大通站减少幅度最大，其Q99将减少92%；而汉江支流Q90、Q95、Q99分位数径流量增加，Q10、Q5、Q1分位数径流量减少，预示着未来长江干流发生极端洪涝事件的可能性将有所降低，而汉江流域发生流域洪水的可能性增大。年内各月分位数径流量的变化表明：长江干流夏季极端径流事件出现的可能性减小，其他季节极端径流事件出现的可能性增大。最为极端的Q99夏季7月份在干流三个台站均增加，表明夏季月份极端洪涝发生的风险增大，未来汉江流域各月发生不同程度洪涝极端事件的可能性均增大。

根据对未来情景下径流极端事件的预估，表明气候变化对黄河和长江流域水文径流极端事件的影响在连续多年及年内各月情况下各不相同，这种改变既有利的一面，也有不利的一面，因此有效进行水资源管理，趋利避害将有益于水资源可持续发展。

由于未来的气候情景是根据历史信息人为制定出来的，而气候系统本身包含了多尺度模态、多天气系统相互作用，加上两种模式(GCM，RCM)的分辨率和物理过程不同，因此在模式传输信息和积分过程中，在未来气候情景、气候系统和模式三方面增添了很多不确定性（Ekström et al., 2005），为了减少上述气候模拟过程中模式的不确定性，未来需采用集合预报的方法或通过进一步提高模式分辨率及优化物理参数方案，以进一步减小模式模拟的不确定性。本研究中区域气候模式同大尺度汇流模型仍然采用单向连接的方法，未能实现气候模式同水文模型的双向耦合，未来研究中应广泛采用分布式水文模型，完善径流模拟机制，应该考虑将水文模型作为气候模式的下边界，真正做到水文模型同气候模式耦合，同时给出降水、气温以及径流的预测。