变化环境下干旱灾害风险评价与综合应对方法

干旱灾害风险预估是为水土资源调控提供依据。在前期构建干旱及干旱灾害风险评价方法的基础上，获取降水、气温等气象要素的预测结果即可预估未来气候变化背景下干旱灾害风险的演变趋势。由于干旱的发生和发展时间跨度长，短期的数值天气预报难以提供可靠的气象预估结果；模糊数学方法、人工神经网络方法、灰色系统理论方法、小波理论方法、混沌理论方法、多层递阶方法、支持向量机方法和最优组合预测方法等现代中长期预报方法预报精度较低，难以有效地指导干旱灾害风险预估（王富强，2010）。相比之下，全球气候模式能较好地反映大尺度大气运动，是预估未来气候变化的首要工具（Chen和Sun，2009；姜大膀等，2009；Zhang和Sun，2012；Lu和Fu，2010；孙颖和丁一汇，2009；周波涛，2012）。

目前IPCC在第五次评估报告中开发了新一代的温室气体排放情景——“代表性浓度路径”（representative concentration pathways，RCPs），主要包括RCP2.6、RCP4.5、RCP6.0和RCP8.5；同时还发布了46套全球模式的历史气象模拟和未来多情景气候演变预估成果，为干旱灾害风险的预估提供了数据支撑。因此，气候变化背景下干旱灾害风险预估的关键问题在于如何选取合适的气候模式降低预估的不确定性。本书的研究以月数据的统计分布特征为指标，基于GCMs模拟和实测数据，以“概率分布吻合最优”为原则，评估GCMs的区域适用性，并在此基础上，对模型进行时间和空间上的拼插。具体方法如下：

以某一格点指定月份实测和模拟气象要素系列构成集合AO和AS：

式中：u和v分别为实测值和气候模拟模拟值；n为样本容量。

选取合适的分布函数对实测和模拟的气象要素系列进行拟合，得到实测序列和模拟序列概率密度分布函数fo（x）和fs（x）（见图2.2）。定义Skill Score（SS值）为fo（x）和fs（x）所围成的公共部分面积：

(www.xing528.com)

图2.2　实测序列和模拟序列概率密度分布函数示意图

SS值介于0～1之间。当SS=0时，说明实测值和模拟值的概率曲线完全没有重合部分；而当SS=1时，说明实测值和模拟值的概率曲线完全重合。SS越大，说明模式模拟效果越优。以SS值为标准，对各模式的适用性进行评价，并筛选出相对最优模式，对未来气候模式预估数据进行拼插（见图2.3），利用拼插后的预估数据作为驱动，预估气候变化背景下干旱灾害风险。

图2.3　相对最优模式拼插示意图

详细滦河流域计算案例见本书第6章。