1 概 述

政府間氣候變化專門(mén)委員會(huì)(IPCC，2007 年)強(qiáng)調(diào)，最近的氣候變化對(duì)物理和生物系統(tǒng)產(chǎn)生了顯而易見(jiàn)的影響。許多全球氣候模式(GCMs)預(yù)測(cè)極端氣候事件的頻率、程度和降水的變異性不斷增加，這將影響未來(lái)陸地水資源。對(duì)于大陸的水資源，水文模型經(jīng)常利用GCMs 數(shù)據(jù)作為輸入變量，量化氣候變化對(duì)水文的影響。然而，GCMs 輸出與水文模型所需數(shù)據(jù)之間的空間分辨率不匹配是一個(gè)重大障礙。因此，有必要進(jìn)行一些后期處理來(lái)改善這些全球尺度的模式。所以，為滿足這種需求開(kāi)發(fā)了動(dòng)力降尺度法(區(qū)域氣候模式，RCMs)和統(tǒng)計(jì)降尺度法(SD)。RCMs 是基于GCMs 初始的和時(shí)變側(cè)邊界條件開(kāi)發(fā)的，在限定地區(qū)的建模中，可以獲得較高的空間分辨率。RCMs 的主要問(wèn)題是計(jì)算的成本。因此，它僅適用于有限的區(qū)域。

這些SD 技術(shù)分為3 類:轉(zhuǎn)換函數(shù)法、環(huán)流分型技術(shù)和天氣發(fā)生器(WG)。轉(zhuǎn)換函數(shù)法包括在觀測(cè)的當(dāng)?shù)貧夂蜃兞?預(yù)報(bào)量)和大尺度的GCM 輸出(預(yù)報(bào)因子)之間建立的統(tǒng)計(jì)線性或非線性關(guān)系。它們的應(yīng)用相對(duì)容易，但其主要缺點(diǎn)是在預(yù)報(bào)因子和預(yù)報(bào)量之間可能缺乏穩(wěn)定的關(guān)系。環(huán)流分型技術(shù)是對(duì)與區(qū)域氣候變化有關(guān)的大氣環(huán)流因子進(jìn)行分類，其主要優(yōu)點(diǎn)是局部變量與大氣環(huán)流因子密切相關(guān)，但其可靠性取決于大尺度環(huán)流和當(dāng)?shù)貧夂蚍€(wěn)定的關(guān)系。尤其是對(duì)降水、日降水量和大尺度環(huán)流之間往往沒(méi)有強(qiáng)烈的相互關(guān)系。天氣發(fā)生器法以根據(jù)氣候模型預(yù)測(cè)的變化因素的擾動(dòng)為基礎(chǔ)，其優(yōu)點(diǎn)是能夠?yàn)檠芯亢币?jiàn)的氣候事件的影響和自然變異性迅速產(chǎn)生一系列氣候情景。

每一種降尺度方法特有的優(yōu)點(diǎn)和缺點(diǎn)導(dǎo)致未來(lái)氣候預(yù)測(cè)的不同，尤其是一些降尺度方法無(wú)法預(yù)測(cè)水文學(xué)中的極端氣候事件，未來(lái)氣候預(yù)測(cè)的差異意味著降尺度方法增加了量化氣候變化對(duì)水文影響的不確定性。許多研究都集中在與全球氣候模式聯(lián)系的不確定性。2006 年，學(xué)者羅厄爾比較了不同來(lái)源的不確定性對(duì)英國(guó)季節(jié)性降水和溫度變化的影響，包括排放情景、GCM、RCM 和初始條件，發(fā)現(xiàn)來(lái)自于GCM 的不確定性是最大的。2009 年，學(xué)者普魯多姆和戴維斯使用了3 個(gè)GCMs、兩個(gè)溫室氣體排放情景(GGES)和兩個(gè)降尺度方法(SDSM 和HadRM3)，以研究其在河流徑流中的不確定性，并表明源于GCMs 的不確定性比源于其他降尺度方法和GGES的不確定性大。2009 年，學(xué)者凱等研究了關(guān)于氣候變化對(duì)英國(guó)洪水頻率的影響不確定性的不同來(lái)源，包括GGES、GCM 結(jié)構(gòu)、降尺度方法、水文模型結(jié)構(gòu)、水文模型參數(shù)和氣候系統(tǒng)內(nèi)部變化性。結(jié)果表明，與GCM 結(jié)構(gòu)有關(guān)的不確定性是最大的，但如果不考慮GCM 結(jié)構(gòu)的影響，其他來(lái)源的不確定性則很重要。

該研究的目的是量化加拿大流域(魁北克省)氣候變化的影響，同時(shí)采用6 種降尺度方法研究有關(guān)降尺度方法的不確定性。降尺度技術(shù)包括動(dòng)力和統(tǒng)計(jì)方法，統(tǒng)計(jì)降尺度法包括CF 方法和基于WG的方法。

2 研究區(qū)域和資料

2.1 研究區(qū)域

該研究中的馬尼夸根(Manicouagan)河5 流域位于加拿大魁北克省中部。面積24 610 km2，是一個(gè)多山地帶，最高海拔952 m。流域水流入馬尼夸根的5 個(gè)受侵蝕作用的火山口內(nèi)部的一個(gè)2 000 km2的環(huán)型水庫(kù)。該流域終止于丹尼爾約翰遜(Daniel Johnson)大壩，這是世界上最大的用扶壁支撐的拱壩，裝機(jī)容量為2.6 GW。馬尼夸根5 河流的年平均流量為529 m3/s，融雪洪峰流量通常在5 月發(fā)生，平均流量為2 200 m3/s。

2.2 資 料

觀測(cè)資料包括降水、最高溫度(Tmax)和最低溫度(Tmin)，通過(guò)國(guó)家土地和水信息服務(wù)在10 km 網(wǎng)格插值得到。流域出口流量資料取自于壩址處大量的平衡計(jì)算。氣候資料包括重分析資料、GCM 和RCM 資料，應(yīng)用來(lái)自加拿大的資料(CGCM 和CRCM)，CGCM 平均網(wǎng)格分辨率約為300 km，CRCM約為45 km。美國(guó)環(huán)境預(yù)報(bào)中心(NCEP)的再分析資料被用來(lái)代表GCM 資料，校準(zhǔn)本文采用的其中一些降尺度方法。該資料使用T62(209 km)全球光譜模式，收集來(lái)自于模型和觀測(cè)的信息。在CGCM 中插入NCEP 預(yù)測(cè)值校準(zhǔn)SD 方法。在氣候變化的模式中，直接使用CGCM 的預(yù)測(cè)值。使用由NCEP 驅(qū)動(dòng)的CRCM 資料進(jìn)行校準(zhǔn)，而在氣候變化模式中，邊界和初始條件由CGCM 驅(qū)動(dòng)。NCEP 和CGCM 預(yù)報(bào)因子變量有海平面氣壓、風(fēng)速、風(fēng)向、經(jīng)向風(fēng)場(chǎng)、緯向風(fēng)場(chǎng)、旋度和重力場(chǎng)等。

3 方法

3.1 降尺度方法

比較6 種降尺度方法，分別為偏差修正的CRCM、沒(méi)有偏差修正的CRCM、在CGCM 和CRCM尺度上使用CF 方法和WG 方法、兩個(gè)統(tǒng)計(jì)降尺度法。

3.1.1 沒(méi)有偏差修正的加拿大RCM

隨著RCMs 分辨率的提高和RCM 輸出數(shù)據(jù)的偏差相對(duì)較小(與GCM 數(shù)據(jù)比較)，可以直接利用RCM 資料代替實(shí)測(cè)資料。水文模型是專門(mén)以實(shí)測(cè)流量為標(biāo)準(zhǔn)校準(zhǔn)這個(gè)數(shù)據(jù)。該方法假設(shè)偏差要足夠小，水文模型能夠通過(guò)校準(zhǔn)過(guò)程克服這種偏差。

3.1.2 偏差修正的加拿大RCM

偏差修正適用于溫度和降水資料，本文使用局部強(qiáng)度縮放法，修正月平均頻率和數(shù)量。該方法包括3 個(gè)步驟:①?gòu)拿吭氯粘５腞CM 降雨系列確定雨天閾值，以便閾值超出實(shí)測(cè)時(shí)間序列的雨天頻率;②計(jì)算縮放比例因子以確保實(shí)測(cè)的平均降水量等于RCM 在基準(zhǔn)年內(nèi)的月降水量;③利用基準(zhǔn)氣候內(nèi)確定的每月閾值和因子調(diào)整2085 年月降水量。

運(yùn)用三步驟偏差修正法計(jì)算RCM 數(shù)據(jù)月溫度(最高溫度和最低溫度)的均值和方差。

第1 步，利用下式按月修正RCM 氣溫:

第2 步，利用下式修正2085 年氣溫“S”的標(biāo)準(zhǔn)偏差:

式(2)糾正了RCM 氣溫的標(biāo)準(zhǔn)偏差，以基準(zhǔn)期實(shí)測(cè)氣溫與RCM 氣溫之間標(biāo)準(zhǔn)偏差率為基礎(chǔ)(下標(biāo)同式1)。

最后，通過(guò)令步驟1 溫度均值為零和標(biāo)準(zhǔn)差為1，將步驟1 得到的氣溫調(diào)整為步驟2 計(jì)算的標(biāo)準(zhǔn)偏差，得2085 年日尺度的降尺度氣溫。該法假設(shè)偏差是恒定的，并確?；鶞?zhǔn)期期間RCM 的氣溫與實(shí)測(cè)氣溫的月均值和標(biāo)準(zhǔn)偏差是相同的。

3.1.3 變換因子(CF)法

3.1.4 基于天氣發(fā)生器的方法

研究中使用的天氣發(fā)生器是天氣發(fā)生器(CLIGEN)，唯一的作用是模擬降水發(fā)生和降水量，采用最大值和最小值。

CLIGEN 中，利用一階兩狀態(tài)馬爾可夫鏈生成有雨或無(wú)雨天氣的發(fā)生。某一天的降水概率基于前一天的有雨或無(wú)雨?duì)顩r，根據(jù)兩個(gè)轉(zhuǎn)移概率來(lái)定義:第1 天有雨、第2 天無(wú)雨(P01)和第1 天、第2 天均有雨(P11)。為了預(yù)測(cè)下雨天，利用三參數(shù)偏態(tài)皮爾遜Ⅲ型正態(tài)分布產(chǎn)生每月的日降雨強(qiáng)度，利用正態(tài)分布模擬最高氣溫和最低氣溫。該方法結(jié)合了統(tǒng)計(jì)方法和CF 方法的特性，其特點(diǎn)是考慮了降雨出現(xiàn)的差異和所有變量的變化，可以生成任意長(zhǎng)度的時(shí)間序列。

該方法介紹如下。

(1)按下式估計(jì)2085 年調(diào)整的月平均最高氣溫和最低氣溫:

由下式調(diào)整2085 年降雨量的月均值與月方差、最高氣溫與最低氣溫的月方差、降水發(fā)生P01和P11的概率:

式中X 代表即將被調(diào)整的可變因素，下標(biāo)同上。

(3)根據(jù)日降水發(fā)生的絕對(duì)概率(π)和滯后1 d 日降水的自相關(guān)數(shù)(r)表示P01和P11值。

按下式估計(jì)下雨天調(diào)整的日降雨量:

式中Nd表示每月下雨的天數(shù);Ndπ 表示每月平均的下雨天數(shù);Md表示步驟(2)中調(diào)整的月降雨量。

在CLIGEN 中輸入調(diào)整后的所有降水、最高氣溫和最低氣溫的參數(shù)值，生成900 a 的日時(shí)間序列。利用計(jì)算的結(jié)果，以確保該方法接近其真實(shí)的均值響應(yīng)。

3.1.5 統(tǒng)計(jì)降尺度模式

SDSM 是一種可用于開(kāi)發(fā)氣候變化情景的降尺度工具，使用一個(gè)有條件的過(guò)程降解降雨量。當(dāng)?shù)亟邓偭咳Q于有雨/無(wú)雨天氣的發(fā)生，通過(guò)連接日非零降水概率與降水量因子預(yù)測(cè)值，實(shí)現(xiàn)降水發(fā)生的降尺度。

SDSM 降解雨天降雨強(qiáng)度、最高氣溫和最低氣溫的主要步驟如下:①識(shí)別隱變量。利用偏相關(guān)分析的方法來(lái)識(shí)別NCEP 變量和預(yù)報(bào)對(duì)象之間的關(guān)系，然后選擇相關(guān)性大的變量作為預(yù)測(cè)因子;②模型率定。對(duì)于每一個(gè)季節(jié)，在預(yù)報(bào)對(duì)象與前一步驟中識(shí)別的預(yù)報(bào)因子之間建立多元線性回歸方程。由于日降水量分布極不均衡，在擬合轉(zhuǎn)換函數(shù)之前，對(duì)初始降水采用四次方根變換法;③轉(zhuǎn)換函數(shù)的運(yùn)用。采用建立的轉(zhuǎn)換函數(shù)縮減2085 年降雨總量、最高氣溫和最低氣溫。

運(yùn)用SDSM 偏差修正，以確保模擬期觀測(cè)的和縮小尺度的降水總量相等。采用放大方差法，以增加降水和氣溫的方差，與觀測(cè)值更加一致。使用偏差修正和放大方差時(shí)，SDSM 基本上變成了天氣發(fā)生器，在降尺度變量的上方疊加一個(gè)隨機(jī)成分，使降水接近真實(shí)值，解釋方差一般不超過(guò)30%。

3.1.6 判別分析與逐步回歸相結(jié)合的方法

研究中，利用被插入到CGCM 網(wǎng)格及其滯后1 d 變量中的NCEP 變量作為訓(xùn)練樣本。首先將降水系列分成兩組，有雨天(日降水量≥1 mm)和無(wú)雨天(日降水量＜1 mm)。然后以訓(xùn)練樣本及其對(duì)應(yīng)的組建立的規(guī)則為基礎(chǔ)，對(duì)未來(lái)的降水發(fā)生進(jìn)行分類。

使用逐步線性回歸法，利用25 個(gè)NCEP 變量和滯后1 d 基準(zhǔn)年變量選擇預(yù)報(bào)因子，然后在預(yù)報(bào)值與選擇的預(yù)報(bào)因子之間，擬合每一個(gè)季節(jié)的多元線性回歸方程。擬合轉(zhuǎn)換函數(shù)以前，初始降水采用四次方根法。使用CGCM 預(yù)測(cè)因子，采用所建立的轉(zhuǎn)換函數(shù)降解2085 年的日降水量。

3.2 水文模擬

根據(jù)水文模型HSAMI 模擬的流量，量化氣候變化對(duì)流域水文的影響。HSAMI 是一個(gè)集總式、概念性降雨徑流模型，有23 個(gè)參數(shù)，分別為兩個(gè)蒸散發(fā)參數(shù)、6 個(gè)融雪參數(shù)、10 個(gè)垂直水分運(yùn)動(dòng)參數(shù)和5 個(gè)水平水分運(yùn)動(dòng)。該模型用4 個(gè)相互聯(lián)系的線性水庫(kù)模擬垂直徑流(地面融雪，地表水，不飽和與飽和區(qū))，水平徑流通過(guò)兩個(gè)水文圖和一個(gè)線性水庫(kù)進(jìn)行過(guò)濾。利用復(fù)雜的進(jìn)化優(yōu)化算法自動(dòng)率定模型，該模型考慮積雪、融雪、土壤凍結(jié)/解凍、以及蒸散發(fā)。

HSAMI 需要的流域日平均最小輸入數(shù)據(jù)為:最高氣溫、最低氣溫、液體和固體降水，如果可利用的話，云覆蓋度和雪水等效量也可以用作輸入。利用自然流入或流量時(shí)間序列進(jìn)行適當(dāng)?shù)穆识?檢驗(yàn)。研究中，利用30 a(1970～1999 年)的日降雨資料進(jìn)行模型率定/檢驗(yàn)，根據(jù)Nash－Sutcliffe(確定性系數(shù))標(biāo)準(zhǔn)選擇最佳的參數(shù)組合。在率定期和檢驗(yàn)期選擇的參數(shù)集確定性系數(shù)為0.89，該確定性系數(shù)表明天氣輸入量和實(shí)測(cè)量較吻合。

4 結(jié) 論

4.1 降尺度方法的驗(yàn)證

根據(jù)在流域出口模擬的流量過(guò)程線特性，并與實(shí)測(cè)的氣象資料繪制的流量過(guò)程線進(jìn)行比較，驗(yàn)證每種降尺度方法。結(jié)果表明，實(shí)測(cè)流量平均流量過(guò)程線(標(biāo)記的OBS)與根據(jù)觀測(cè)的氣象資料模擬的流量過(guò)程線(標(biāo)記的OBS－SIM)顯示采用的水文模型偏差很小，整體模擬相當(dāng)好，Nash－Sutcliffe 系數(shù)為0.89。從WG 產(chǎn)生的氣象資料模擬的平均流量過(guò)程線(標(biāo)記OBS－WG)證實(shí)了使用WG 方法的可行性?？傮w而言，除了CGCM–DASR 法之外，所有的方法得到的流量過(guò)程線都非常接近根據(jù)實(shí)測(cè)降水量和溫度時(shí)間序列模擬的流量過(guò)程線。認(rèn)為最好是采用帶有偏差校正的CRCM 資料和SDSM。

如上所述，由DASR 利用降水量、最高溫度和最低溫度降尺度模擬的流量偏低。這是因?yàn)镈ASR 對(duì)降水估計(jì)不足(均值和標(biāo)準(zhǔn)差)，而SDSM 能很好估計(jì)降水。這表明，線性回歸法的解釋方差不足以合理分析流量，SDSM 通過(guò)偏差修正和方差放大增加隨機(jī)成分彌補(bǔ)有關(guān)降水方法的缺陷(解釋方差的百分比較小)。氣溫的結(jié)果比較好的原因是由于解釋方差的百分比較大。

4.2 氣候變化情景

4.2.1 月和日平均降雨量

所有的降尺度方法都顯示2085 年總的季節(jié)降水量增加。雖然CGCM－SDSM 和CGCM－DASR都基于回歸方法，但前者比后者月降水量增加的多。在一定程度上是由于CGCM－DASR 模型低估了平均降水量。SDSM 利用偏差修正保證降尺度的平均降水量與實(shí)測(cè)值比較一致。

CGCM－DASR 顯示冬季日降水量增加12%，春季增加5%，夏季減少8%，秋季減少2%。然而，除了CGCM－WG 之外，其他降尺度方法預(yù)測(cè)所有季節(jié)的日降水量增加。每個(gè)季節(jié)的日降水量方差與所有季節(jié)降水量方差不一致，這是因?yàn)槿战邓坎粌H受季節(jié)性降水量的影響，也受降水發(fā)生的影響。

4.2.2 平均氣溫

所有降尺度方法都表明2085 年溫度將升高。春季升高范圍為3.6～6.3℃，夏季0.4～4.1℃，秋季1.8～4.8℃，冬季5.7～9.1℃。冬季氣溫上升比其他季節(jié)更大。相比其他方法，采用CRCM－NONBC方法預(yù)測(cè)的溫度上升的幅度較小;基于回歸的統(tǒng)計(jì)方法預(yù)測(cè)秋季和冬季平均氣溫升高的較多。

4.2.3 年降水量、最高和最低氣溫的不確定性

建立年降水量、最高氣溫和最低氣溫的概率密度函數(shù)(PDFs)，顯示有關(guān)降尺度方法的不確定性。PDFs 顯示所有降尺度方法預(yù)測(cè)的2085 年年降水量均增加，不同方法增加幅度范圍為75.0(CRCM－NONBC)～219.1 mm(CRCM－WG)，其中，采用CRCM－WG 預(yù)測(cè)的年降水量增幅最大。當(dāng)前氣候狀況下的平水年將在2085 年未來(lái)的氣候情況下成為特枯年。

每種降尺度方法都顯示2085 年年平均最高氣溫和最低氣溫是增加的。不同方法增加幅度范圍:最高氣溫為3.6～5.4℃，最低氣溫為2.4～5.8℃。CRCM－NONBC 預(yù)測(cè)氣溫升高最小，而兩個(gè)回歸的方法(CGCM－SDSM 和CGCM－DASR)顯示升高最大。

4.3 氣候變化的水文影響

4.3.1 水文變量

根據(jù)不同降尺度方法得到的降尺度降水量與氣溫，模擬平均流量過(guò)程線。為了避免水文建模過(guò)程中產(chǎn)生偏差，基準(zhǔn)年流量用模擬的流量表示。結(jié)果表明，所有降尺度方法顯示冬季流量增加(11～4月)和夏季流量減少(6～10 月)。兩個(gè)基于回歸的方法比其他方法預(yù)測(cè)的冬季流量增加的多，由于秋季和冬季氣溫增幅較大，冬季降水迅速產(chǎn)生徑流，而沒(méi)有形成積雪。因此，春季沒(méi)有融雪對(duì)洪峰流量產(chǎn)生作用。CGCM－DASR 是唯一模擬預(yù)測(cè)年徑流量減少的方法，主要是因?yàn)檫@種方法低估了降水。所有其他的降尺度方法表明年徑流量增加的范圍為3.5%(CRCM－NONBC)～20.9%(CRCM－WG)。2085 年，兩個(gè)基于回歸的方法和CRCM－NONBC 顯示洪峰流量在減少，幅度為4.1%(CRCM－NONBC)～25.1%(CGCM－DASR)，CRCM－NONBC 預(yù)測(cè)的略有下降，是由于相對(duì)于氣溫，年降水量增加的較少;然而，CGCM－WG 預(yù)測(cè)洪峰流量增加。對(duì)于這3 種方法，冬季氣溫上升不足以抵消降水的增加。此外，對(duì)于所有降尺度方法，2085 年洪峰流量出現(xiàn)時(shí)間比基準(zhǔn)年的早。

4.3.2 水文變量的不確定性

為了更好地量化水文變量的不確定性，構(gòu)建洪峰流量、實(shí)時(shí)洪峰流量和年平均流量的概率密度函數(shù)PDFs。結(jié)果表明，兩個(gè)基于回歸的方法預(yù)測(cè)洪峰流量減少最多;雖然實(shí)時(shí)洪峰流量有顯著的年際變化，但所有降尺度方法預(yù)測(cè)洪峰流量出現(xiàn)較早;兩個(gè)基于回歸的方法現(xiàn)狀及未來(lái)年平均流量年際變化非常大。CGCM－DASR 是唯一顯示未來(lái)年平均流量減少的方法，CF 方法(CGCM－CF 和CRCM－CF)顯示未來(lái)平均流量年際變化最大。

5 討論與結(jié)論

本文對(duì)量化氣候變化對(duì)加拿大(魁北克省)流域水文影響的6 種降尺度方法進(jìn)行比較，以研究降尺度方法的不確定性。總體而言，除了CGCM－DASR，所有的方法產(chǎn)生的流量過(guò)程線非常接近使用實(shí)測(cè)降水和溫度時(shí)間序列模擬的流量過(guò)程線。最好的方法是帶有偏差修正的CRCM 和SDSM，DASR 方法低估了流量過(guò)程線，清楚地表明線性回歸法的解釋方差不足以合理解決流量問(wèn)題。SDSM 通過(guò)偏差修正和方差放大增加的隨機(jī)成分彌補(bǔ)了該方法有關(guān)降水的缺點(diǎn)(只是解釋方差的一小部分)。

氣候變化情景分析表明，所有的降尺度方法顯示2085 年整個(gè)流域氣溫升高，相比其他方法，基于回歸的兩種方法(SDSM 和DASR)預(yù)測(cè)的秋季和冬季的氣溫升幅較大，根據(jù)特定的降尺度方法，嚴(yán)寒季節(jié)將縮短26～42 d。預(yù)測(cè)的降水變化不像溫度那樣明確，其結(jié)果發(fā)生季節(jié)性的變化，且依賴于降尺度方法。所有的方法都顯示冬季流量普遍增加(11～4月)，大部分方法顯示夏季流量減少。兩種基于回歸方法(SDSM 和DASR)預(yù)測(cè)的冬季流量特別大，也預(yù)測(cè)秋季和冬季氣溫增加最大。冬季液態(tài)的降水很快產(chǎn)生徑流，而不是暫時(shí)存儲(chǔ)在雪中，導(dǎo)致了融雪洪峰流量減小。所有的降尺度方法均顯示峰值出現(xiàn)較早，但不同的降尺度方法顯示發(fā)生的時(shí)間不同。

結(jié)果表明，應(yīng)謹(jǐn)慎解釋僅基于一種降尺度方法的氣候變化影響研究。一般來(lái)講，假定不確定性的主要來(lái)源與GCMs 和GGES 有關(guān)。為了與不確定性有關(guān)的GCM 相比，本文將源于降尺度方法選擇的不確定性包絡(luò)與源于28 個(gè)氣候預(yù)測(cè)組合進(jìn)行比較，并以基準(zhǔn)期實(shí)測(cè)氣候資料模擬的流量為基準(zhǔn)，28 個(gè)氣候預(yù)測(cè)組合是7 個(gè)GCMs 和3 個(gè)GGES 的組合。這兩種不確定性包絡(luò)顯示相同的特點(diǎn)，降尺度在冬季流量中產(chǎn)生較大的不確定性。6 種降尺度方法與28 個(gè)氣候預(yù)測(cè)的比較(從7 個(gè)GCMs 到3 個(gè)GGES)促成后者實(shí)例中較大的不確定性包絡(luò);另一方面，兩個(gè)基于回歸的統(tǒng)計(jì)降尺度方法對(duì)不確定性包絡(luò)作用更大。

結(jié)果清楚表明，任何氣候變化對(duì)水文影響的研究，降尺度方法的選擇至關(guān)重要。有些文章已討論過(guò)CF 方法的優(yōu)缺點(diǎn)。這種方法無(wú)論因子是源于GCM 或RCM，都能得到類似的結(jié)果，其主要缺點(diǎn)是不適合研究春季時(shí)的狀況。由于春季洪水是積雪融化幾個(gè)月的結(jié)果，氣候變化研究最重要的特性是修正降雪等固體降水總量，冬季固體降水的變化不是一個(gè)重要的特性。另一方面，在夏季和秋季，較大的降雨事件和長(zhǎng)期干旱往往造成災(zāi)害，這種情況下，CF 方法完全不適合氣候變化研究，而WG 法則適用于極端干旱和高溫天氣，尤其是在干旱和半干旱地區(qū)的氣候研究。

本文一個(gè)令人關(guān)注的結(jié)果是，使用的RCM 中的偏差相當(dāng)小，水文模型就能夠處理，因此否定了CRCM 輸出的任何偏差修正。如前所述，這種方法源于一種假定，實(shí)測(cè)氣象資料(特別是降水)與RCM 降水量出現(xiàn)的偏差順序相同。因此，對(duì)一個(gè)數(shù)據(jù)集而言，一個(gè)特定的水文模型率定就足夠了。然而，這已證明在目前的氣候情況下，直接輸入RCM 資料和使用偏差修正的RCM 資料預(yù)測(cè)未來(lái)出流時(shí)，存在較大的差別，這是因?yàn)橛糜诼识ㄋ哪Ｐ?1970～1999年)的CRCM 降水，由NCEP 初始的和邊界條件驅(qū)動(dòng)，而規(guī)劃期(2070～2099 年)的降水則由CGCM 初始和邊界條件驅(qū)動(dòng)。然而，基準(zhǔn)期這兩個(gè)數(shù)據(jù)集相當(dāng)不同，因?yàn)镹CEP 數(shù)據(jù)和GCM 數(shù)據(jù)不完全相似，NCEP 資料目的是表現(xiàn)真實(shí)的世界，而GCM 經(jīng)營(yíng)自己的虛擬世界。從實(shí)踐和理論觀點(diǎn)很難判定哪個(gè)方法最正確。它們提供的未來(lái)水文顯著不同的事實(shí)表明，恒定偏差假設(shè)不成立，或者不同率定參數(shù)的選擇(在CRCM－NONBC 的情況下)導(dǎo)致很大的未來(lái)不確定性。然而，最近的工作表明，水文模型參數(shù)產(chǎn)生的不確定性相對(duì)較小，對(duì)普遍的恒定偏差假設(shè)懷疑隨時(shí)間而增加。即使直接使用RCM 數(shù)據(jù)已證明是最受關(guān)注的方法，問(wèn)題是不可能用這種方法去抽樣調(diào)查GCM 不確定性，因?yàn)樵谕瑯拥牧饔?，需要幾個(gè)RCMs 的輸出，且所有的都是由GCMs 驅(qū)動(dòng)。

顯然，解決這個(gè)問(wèn)題還需要更多的研究。尤其是從流域不同氣候區(qū)(特別是干旱和半干旱氣候)得到結(jié)果是很有價(jià)值的，因?yàn)樗膶?duì)特定的降尺度方法的選擇可能與特定的氣候有關(guān)，在現(xiàn)階段不可能為特定的用途推薦一種明確的方法，或者甚至使用多種降尺度方法為水文模型產(chǎn)生一個(gè)總效果。降尺度不確定性包絡(luò)被包含在其他不確定性來(lái)源的案例不應(yīng)該與降尺度是不確定性主要來(lái)源的案例同樣對(duì)待。因此，本文得出:①降尺度方法的選擇的確很重要，在任何氣候變化影響研究中都不能忽略與降尺度方法的選擇有關(guān)的不確定性;②降尺度方法也不能一概而論，在進(jìn)行氣候變化影響研究時(shí)，應(yīng)該根據(jù)具體情況對(duì)選擇的一個(gè)或多個(gè)方法進(jìn)行評(píng)價(jià)。