CN112765912B - 基于气候模式集合的洪涝灾害社会经济暴露度的评估方法 - Google Patents

Abstract

本发明提供一种基于气候模式集合的洪涝灾害社会经济暴露度的评估方法，包括：搜集研究区域的水文、气象和下垫面资料，率定流域分布式水文模型，并提取全球气候模式的输出数据；采用多变量偏差校正方法对全球气候模式的输出数据进行偏差校正，获得校正后的全球气候模式气象系列；采用步骤2获得的校正后的全球气候模式气象系列驱动分布式水文模型和水动力学模型模拟气候变化情景下的河道淹没水深；考虑共享社会经济路径的动态人口和GDP情景，基于步骤3的模拟结果评估气候变化影响下洪涝灾害的人口及GDP暴露度。本发明评估了多种气候变化情景下洪水事件对社会经济系统的影响，对未来洪涝风险预测和损失评估具有重要的科学意义。

Description

基于气候模式集合的洪涝灾害社会经济暴露度的评估方法

技术领域

本发明属于气候响应评估的技术领域，具体涉及一种基于气候模式集合的洪涝灾害社会经济暴露度的评估方法。

背景技术

全球气候变化改变了陆地-大气系统的能量收支与水循环过程，洪涝等极端气候灾害频发，给社会经济系统和生态环境的可持续发展带来巨大挑战。我国是受洪涝灾害影响最严重的地区之一，气候增温速率远高于全球平均水平，到本世纪末气温或将上升4℃，严重威胁我国的防洪安全、供水安全、粮食安全、能源安全和生态环境安全。深入理解气候变化情景下洪涝灾害的社会经济影响，对未来洪涝风险预测、防灾减灾和适应管理具有重要意义。

近年来国内外学者结合全球气候模式集合(GCMs)和流域水文模型，研究了未来洪涝灾害的演变规律，但是仅有少量文献定量评估了气候变化情景下洪水事件对社会经济系统的影响。同时，受限于未来的社会经济发展情景难以预估，现有文献一般假定未来的人口和GDP数据与历史期的某一水平年不变，忽略了未来社会经济动态发展特征，不符合社会运行的客观规律，制约了洪涝灾害社会经济影响评估的合理性和科学性。

发明内容

本发明的目的在于针对现有技术的不足之处，提供一种基于气候模式集合的洪涝灾害社会经济暴露度的评估方法，评估了多种气候变化情景下洪水事件对社会经济系统的影响，对未来洪涝风险预测和损失评估具有重要的科学意义。

为解决上述技术问题，本发明采用如下技术方案：

一种基于气候模式集合的洪涝灾害社会经济暴露度的评估方法，包括以下步骤：

步骤1、搜集研究区域的水文、气象和下垫面资料，率定流域分布式水文模型，并提取全球气候模式的输出数据；

步骤2、采用多变量偏差校正方法对全球气候模式的输出数据进行偏差校正得到校正后的全球气候模式数据，从而获得气候变化情景下的全球气候模式气象系列；

步骤3、采用步骤2获得的校正后的全球气候模式气象系列驱动分布式水文模型和水动力学模型模拟气候变化情景下的河道淹没水深；

步骤4、考虑共享社会经济路径的动态人口和GDP情景，基于步骤3模拟的气候变化情景下的河道淹没水深评估气候变化影响下洪涝灾害的人口及GDP暴露度。

进一步地，步骤1还包括如下子步骤：

步骤1.1、采集研究区域的长系列日降水、日最高气温、日最低气温和实测径流数据，同时搜集数字高程模型的基础资料；

步骤1.2、采用VIC模型作为研究区域的分布式水文模型，并根据步骤1.1搜集的基础资料对其开展率定；

步骤1.3、选取代表性浓度路径，提取M组全球气候模式的输出变量，其中，输出变量为日降水、日最高气温和日最低气温。

进一步地，步骤2还包括如下子步骤：

步骤2.1、采用分位数映射法对全球气候模式输出变量在各个分位数上的偏差进行校正，其中，输出变量为日降水、日最高气温和日最低气温；

步骤2.2、重建步骤2.1修正后的气温降水变量间的相关性关系，获得校正后的全球气候模式气象系列。

进一步地，步骤2.1具体操作方法为：

计算全球气候模式输出变量与观测气象变量在各个分位数上的差值，并将该差值在未来的全球气候模式输出变量的各分位数上去掉，得到未来修正后的全球气候模式气候预测；

其中，对气温和降水的校正分别如下：

T_adj,d＝T_GCM,d+(T_obs,Q-T_GCM，ref,Q)，

P_adj,d＝P_GCM,d×(P_obs,Q/P_GCM,ref,Q)；

式中：T代表气温，P代表降水，adj代表校正后序列，obs代表观测数据，ref代表历史参考期，fut代表未来预测期，d代表日数据，Q代表各分位数，T_adj,d表示校正后的日气温，T_GCM,d表示全球气候模式输出的日气温，T_obs,Q表示气温观测数据的分位数，T_GCM，ref,Q表示全球气候模式输出的气温观测数据在历史参考期的分位数，P_adj,d表示校正后的日降水，P_GCM,d表示全球气候模式输出的日降水，P_obs,Q表示降水观测数据的分位数，P_GCM,ref,Q表示全球气候模式输出的降水观测数据在历史参考期的分位数。

进一步地，步骤3还包括如下子步骤：

步骤3.1、采用步骤2获得的校正后的全球气候模式气象系列作为输入条件驱动分布式水文模型，输出研究区域在气候变化情景下的栅格化径流深；

步骤3.2、采用步骤3.1获得的径流深驱动水动力学模型，得到气候变化情景下的河道淹没水深。

进一步地，步骤4的具体方法为：

步骤4.1、匹配气候情景与共享社会经济路径得到多种气候预估情景；

步骤4.2、将步骤4.1中的多种气候预估情景与M组校正后的全球气候模式进行组合，得到多组组合情景，对每一种情景，基于步骤3模拟的河道淹没水深分别评估未来洪水风险增加造成的人口及GDP暴露度；

步骤4.3、将步骤4.2得到的多组人口及GDP暴露度估计值通过加权平均方法进行计算得到流域的人口和GDP暴露度。

进一步地，步骤4.2中社会经济暴露度评估的方法具体为：

假设研究流域不增加防洪能力，将各栅格可防御的洪水淹没水深记为H_def，采用水动力学模型模拟未来洪水淹没情势，并将第t年的年最低淹没水深记为H_fut(t)；若H_fut(t)＞H_def则表明该年内社会经济指数会受洪涝灾害影响，反之则表明无影响；

对每一个子流域，采用面积权重法计算流域内共享社会经济路径栅格所占的比重，进而定义未来气候变化情景下第t年受洪水影响的人口及GDP暴露度：

式中：E_pop(t)表示第t年受洪水影响的人口，E_GDP(t)表示第t年受洪水影响的GDP暴露度，w_j表征流域内第j个流域内共享社会经济路径栅格所占的面积权重，L表示流域内的栅格数量；Pop_j表征相应栅格的人口，GDP_j表征相应栅格的GDP；I(·)为指示函数，当H_fut(t)-H_def＞0时记为1，反之记为0。

与现有技术相比，本发明的有益效果为：本发明结合了最新的全球气候模式集合、多变量偏差校正和分布式流域水文模型，模拟未来情景的气象水文过程，并通过CaMa-Flood水动力模型模拟河道淹没水深，进一步考虑共享社会经济路径的动态人口和GDP情景，从而科学评估气候变化影响下洪涝灾害的社会经济暴露度；本发明评估了多种气候变化情景下洪水事件对社会经济系统的影响，对未来洪涝风险预测和损失评估具有重要的科学意义，为进一步评估地球系统演化造成的环境和灾害效应提供了一定的理论参考和技术基础。

附图说明

图1为本发明实施例评估方法的具体流程图；

图2为本发明实施例校正前、后历史时期日最高气温的概率密度函数的示意图；

图3为本发明实施例水动力学模型模拟的河道淹没水深的示意图。

具体实施方式

下面将结合本发明实施例对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面结合具体实施例对本发明作进一步说明，但不作为本发明的限定。

本发明实施例的基于气候模式集合的洪涝灾害社会经济暴露度评估方法，首先搜集研究区域的水文、气象和下垫面资料，率定流域分布式水文模型，并提取全球气候模式的输出数据；其次，采用多变量偏差校正方法对全球气候模式的输出数据进行偏差校正，获得校正后的全球气候模式气象系列；再采用步骤2获得的校正后的全球气候模式气象系列驱动分布式水文模型和水动力学模型模拟气候变化情景下的河道淹没水深；最后考虑共享社会经济路径的动态人口和GDP情景，基于步骤3的模拟结果评估气候变化影响下洪涝灾害的人口及GDP暴露度，其具体流程详见图1。

下面通过实施例，并结合附图，对本发明的技术方案做进一步具体说明：

步骤1、搜集研究区域的水文、气象和下垫面资料，率定分布式流域水文模型，并提取全球气候模式的输出数据。步骤1进一步包括以下子步骤：

步骤1.1、采集研究区域的长系列日降水、日最高气温、日最低气温和实测径流数据，同时搜集数字高程模型(Digital Elevation Model，DEM)数据、植被、土壤和流域河网等基础资料。

步骤1.2、采用VIC模型作为研究区域的分布式水文模型，并根据步骤1.1搜集的基础资料对其开展率定；

本实施例基于步骤1.1搜集的基础资料，采用VIC模型作为研究区域的分布式水文模型并对其开展率定。相对于集总式水文模型，分布式水文模型可以将土壤、植被的空间分布、土地利用的区域特征以及降水、蒸发和径流的空间分布较好的反映出来，并将其建立在网格点上，更适合与全球气候模式耦合。

步骤1.3选取三个代表性浓度路径，提取CMIP6(第六次国际耦合模式比较计划)的M个全球气候模式(GCMs)的输出数据。

由于单一GCM模型具有较大的不确定性，本发明采用M个全球气候模式(GCMs)输出数据。此外，本实施例选取的三个代表性浓度路径分别为RCP2.6，RCP4.5和RCP8.5，提取的GCMs输出变量为日降水、日最高气温和日最低气温。其中，RCP2.6、RCP4.5和RCP8.5是全球气候模式中，为了模拟未来的气候系列设置的三种不同的排放情景，其中RCP2.6为最低排放情景、RCP8.5为最高排放情景，而RCP4.5为中等排放情景。

步骤2、采用多变量偏差校正方法对全球气候模式的输出数据进行偏差校正得到校正后的全球气候模式数据，从而获得气候变化情景下的全球气候模式气象系列。步骤2进一步包括以下子步骤：

步骤2.1、采用分位数映射法对GCMs输出的日降水、日最高气温和最低气温变量在各个分位数上的偏差进行校正，具体为计算GCMs输出变量与观测气象变量在各个分位数(0.01-0.99)上的差值，并将该差值在未来的GCMs输出变量数据的各分位数上去掉，得到未来修正后的GCMs气候预测；

其中，对气温和降水的校正分别如下：

T_adj,d＝T_GCM,d+(T_obs,Q-T_GCM，ref,Q)，

P_adj,d＝P_GCM,d×(P_obs,Q/P_GCM,ref,Q)；

式中：T代表气温，P代表降水，adj代表校正后序列，obs代表观测数据，ref代表历史参考期，fut代表未来预测期，d代表日数据，Q代表各分位数，T_adj,d表示校正后的日气温，T_GCM,d表示全球气候模式输出的日气温，T_obs,Q表示气温观测数据的分位数，T_GCM，ref,Q表示全球气候模式输出的气温观测数据在历史参考期的分位数，P_adj,d表示校正后的日降水，P_GCM,d表示全球气候模式输出的日降水，P_obs,Q表示降水观测数据的分位数，P_GCM,ref,Q表示全球气候模式输出的降水观测数据在历史参考期的分位数。

步骤2.2、重建步骤2.1修正后的气温降水变量间的相关性关系，以获得校正后的全球气候模式气象系列；

由于研究资料发现GCMs输出不仅在单变量分位数上存在一定偏差，在各变量之间的相关性结构上同样存在模拟偏差，该技术采用自由分布(Distribution-free)方法对步骤2.1得到数据的变量间相关性进行重建。首先计算步骤2.1校正后的GCMs输出数据的范德瓦尔登值，得到历史数据的值矩阵[W_s,r]和未来数据的值矩阵[W_s,f]，然后分别对观测数据和GCMs输出数据(包括历史和未来)的变量间相关系数矩阵进行柯列斯基分解：

式中：[C_o,r]代表历史观测数据的相关系数矩阵，[C_s,r]代表历史GCMs输出数据的相关系数矩阵，[C_s,f]代表和未来GCMs输出数据的相关系数矩阵，P_o,r为[C_o,r]分解后得到的三角矩阵，P_s,r为C_s,r分解后得到的三角矩阵，P_s,f为C_s,f分解后得到的三角矩阵，之后通过式(3)计算得到调整后的得分矩阵，其公式为：

和

为了保持降水这一影响径流模拟的关键输入变量，以步骤2.1所得降水顺序为基准，对重建后的降水气温组合进行整体调整(调整校正后的气温序列顺序)，使历史时期和未来时期的值矩阵一致，即可得到重建相关性之后的GCMs校正数据，由此获得气候变化情景下的多模式气象系列，并将其作为本实施例后续步骤的输入条件。

如图2所示，给出了采用该方法校正前、后历史时期日最高气温的概率密度函数的示意图。

步骤3、采用步骤2获得的校正后的全球气候模式气象系列驱动分布式水文模型和水动力学模型模拟气候变化情景下的河道淹没水深。具体地，步骤3进一步包括以下子步骤：

步骤3.1、采用校正后的GCMs气象系列驱动步骤1率定后的VIC模型，输出研究区域在气候变化情景下的栅格化径流深；

步骤3.2、采用步骤3.1的径流深驱动水动力学模型，得到气候变化情景下的河道淹没水深。本实施例采用的水动力学模型为CaMa-Flood模型，它适用于与分布式水文模型或陆面过程模型结合，该模型假设每个栅格均包含一个河道型水库和洪泛区水库，主要通过动量守恒和水量平衡模拟洪水淹没情势。

如图3所示，给出了水动力学模型模拟的河道淹没水深的示意图。

步骤4、考虑共享社会经济路径的动态人口和GDP情景，评估气候变化影响下洪涝灾害的人口及GDP暴露度。步骤4进一步包括以下子步骤：

步骤4.1、匹配气候情景与共享社会经济路径得到多种气候预估情景。

本实施例选用三种不同共享社会经济路径(SSP1，SSP2和SSP5)的GDP和人口数据，其空间分辨率为0.25°×0.25°。共享社会经济路径(SSPs)是政府间气候变化专门委员会(IPCC)于2010年推出的描述全球社会经济发展情景的有力工具，该情景在典型浓度路径(RCPs)情景基础上发展而来，用于定量描述气候变化与社会经济发展路径之间的关系，反映未来社会面临的气候变化适应和减缓挑战。目前共有5个典型路径，分别是SSP1(Sustainability，可持续路径)、SSP2(Middle of the Road，中间路径)、SSP3(RegionalRivalry，区域竞争路径)、SSP4(Inequality，不均衡路径)和SSP5(Fossil-fueledDevelopment，化石燃料为主发展路径)。在考虑GDP和人口的气候响应时，三种SSP与RCP情景分别对应开展分析，即考虑CMIP6框架发布的三种气候预估情景(SSP1-2.6，SSP2-4.5和SSP5-8.5)。

步骤4.2、将步骤4.1中的多种气候预估情景与M组校正后的全球气候模式GCMs进行组合，得到3M组可能的河道淹没水深和社会经济数据组合情景；对每一种情景，基于步骤3.2模拟的河道淹没水深分别评估未来洪水风险增加造成的人口及GDP暴露度。

假设研究流域不增加防洪能力，将各栅格可防御的洪水淹没水深记为H_def；采用水动力学模型模拟未来洪水淹没情势，并将第t年的年最低淹没水深记为H_fut(t)。若H_fut(t)＞H_def则表明该年内社会经济指数会受洪涝灾害影响，反之则表明无影响。对每一个子流域，采用面积权重法计算流域内共享社会经济路径(SSP)栅格所占的比重，进而定义未来气候变化情景下第t年受洪水影响的人口及GDP暴露度：

式中：E_pop(t)表示第t年受洪水影响的人口，E_GDP(t)表示第t年受洪水影响的GDP暴露度，w_j表征流域内第j个流域内共享社会经济路径栅格所占的面积权重，L表示流域内的栅格数量；Pop_j表征相应栅格的人口，GDP_j表征相应栅格的GDP；I(·)为指示函数，当H_fut(t)-H_def＞0时记为1，反之记为0。

将M组GCMs和上述三种气候预估情景进行组合，共得到3M组可能的河道淹没水深和社会经济数据组合情景；对每一种情景，分别评估未来洪水风险增加造成的人口及GDP暴露度。

步骤4.3、将步骤4.2得到的多组人口及GDP暴露度估计值通过加权平均方法进行计算得到流域的人口和GDP暴露度。

以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

Claims (6)

1.一种基于气候模式集合的洪涝灾害社会经济暴露度的评估方法，其特征在于，包括以下步骤：

步骤1、搜集研究区域的水文、气象和下垫面资料，率定流域分布式水文模型，并提取全球气候模式的输出数据；

步骤2、采用多变量偏差校正方法对全球气候模式的输出数据进行偏差校正得到校正后的全球气候模式数据，从而获得气候变化情景下的全球气候模式气象系列；

步骤3、采用步骤2获得的校正后的全球气候模式气象系列驱动分布式水文模型和水动力学模型模拟气候变化情景下的河道淹没水深；

步骤4、考虑共享社会经济路径的动态人口和GDP情景，基于步骤3模拟的气候变化情景下的河道淹没水深评估气候变化影响下洪涝灾害的人口及GDP暴露度；

其中，步骤4的具体方法为：

步骤4.1、匹配气候情景与共享社会经济路径得到多种气候预估情景；

步骤4.2、将步骤4.1中的多种气候预估情景与M组校正后的全球气候模式气象系列进行组合，得到多组组合情景，对每一种情景，基于步骤3模拟的河道淹没水深分别评估未来洪水风险增加造成的人口及GDP暴露度；

步骤4.3、将步骤4.2得到的多组人口及GDP暴露度估计值通过加权平均方法进行计算得到流域的人口和GDP暴露度。

2.根据权利要求1所述的基于气候模式集合的洪涝灾害社会经济暴露度的评估方法，其特征在于，步骤1还包括如下子步骤：

步骤1.1、采集研究区域的长系列日降水、日最高气温、日最低气温和实测径流数据，同时搜集数字高程模型的基础资料；

步骤1.2、采用VIC模型作为研究区域的分布式水文模型，并根据步骤1.1搜集的基础资料对其开展率定；

步骤1.3、选取代表性浓度路径，提取M组全球气候模式的输出变量，其中，输出变量为日降水、日最高气温和日最低气温。

3.根据权利要求1所述的基于气候模式集合的洪涝灾害社会经济暴露度的评估方法，其特征在于，步骤2还包括如下子步骤：

步骤2.1、采用分位数映射法对全球气候模式输出变量在各个分位数上的偏差进行校正，其中，输出变量为日降水、日最高气温和日最低气温；

步骤2.2、重建步骤2.1修正后的气温降水变量间的相关性关系，获得校正后的全球气候模式气象系列。

4.根据权利要求3所述的基于气候模式集合的洪涝灾害社会经济暴露度的评估方法，其特征在于，步骤2.1具体操作方法为：

计算全球气候模式输出变量与观测气象变量在各个分位数上的差值，并将该差值在未来的全球气候模式输出变量的各分位数上去掉，得到未来修正后的全球气候模式气候预测；

其中，对气温和降水的校正分别如下：

T_adj,d＝T_GCM,d+(T_obs,Q-T_GCM，ref,Q)，

P_adj,d＝P_GCM,d×(P_obs,Q/P_GCM,ref,Q)；

式中：T代表气温，P代表降水，adj代表校正后序列，obs代表观测数据，ref代表历史参考期，fut代表未来预测期，d代表日数据，Q代表各分位数，T_adj,d表示校正后的日气温，T_GCM,d表示全球气候模式输出的日气温，T_obs,Q表示气温观测数据的分位数，T_GCM，ref,Q表示全球气候模式输出的气温观测数据在历史参考期的分位数，P_adj,d表示校正后的日降水，P_GCM,d表示全球气候模式输出的日降水，P_obs,Q表示降水观测数据的分位数，P_GCM,ref,Q表示全球气候模式输出的降水观测数据在历史参考期的分位数。

5.根据权利要求1所述的基于气候模式集合的洪涝灾害社会经济暴露度的评估方法，其特征在于，步骤3还包括如下子步骤：

步骤3.1、采用步骤2获得的校正后的全球气候模式气象系列作为输入条件驱动分布式水文模型，输出研究区域在气候变化情景下的栅格化径流深；

步骤3.2、采用步骤3.1获得的径流深驱动水动力学模型，得到气候变化情景下的河道淹没水深。

6.根据权利要求1所述的基于气候模式集合的洪涝灾害社会经济暴露度的评估方法，其特征在于，步骤4.2中社会经济暴露度评估的方法具体为：

假设研究流域不增加防洪能力，将各栅格可防御的洪水淹没水深记为H_def，采用水动力学模型模拟未来洪水淹没情势，并将第t年的年最低淹没水深记为H_fut(t)；若H_fut(t)＞H_def则表明该年内社会经济指数会受洪涝灾害影响，反之则表明无影响；

对每一个子流域，采用面积权重法计算流域内共享社会经济路径栅格所占的比重，进而定义未来气候变化情景下第t年受洪水影响的人口及GDP暴露度：

式中：E_pop(t)表示第t年受洪水影响的人口，E_GDP(t)表示第t年受洪水影响的GDP暴露度，w_j表征流域内第j个流域内共享社会经济路径栅格所占的面积权重，L表示流域内的栅格数量；Pop_j表征相应栅格的人口，GDP_j表征相应栅格的GDP；I(·)为指示函数，当H_fut(t)-H_def＞0时记为1，反之记为0。

Images