Page 87 - 2024年第55卷第9期
P. 87

情景对应可持续发展路径,预计在 2070—2080年达到碳中和,碳中和后二氧化碳浓度及辐射强迫开
              始稳定并略有下降         [37] ,导致水循环和陆汽水分交换变缓,流域极值降水略有减弱,进而使洪峰流量量
              级在碳中和之前持续上升,之后小幅下降。SSP2 - 4.5情景对应中度发展路径,该情景下的二氧化碳浓
              度及辐射强迫在 2080年前后达到峰值后趋于稳定;SSP5 - 8.5情景对应常规发展路径,该情景下的二
              氧化碳浓度及辐射强迫持续上升,进而导致 SSP2 - 4.5、SSP5 - 8.5情景下洪峰序列分别呈现上述变化
              趋势。
                  未来气候变化条件下雅砻江流域年降水和麦地龙站洪峰流量总体增加的情况,与流域所在区域气
              象水文要素对未来全球气候变化的响应特征相吻合                        [19,38] 。三种情景下洪峰序列的变化趋势也与三种情
              景的发展路径和渐变过程相吻合,并与其他类似研究结果一致                              [15,19] ,表明模拟结果有效地捕捉到了未
              来气候变化条件下的水文极值响应特征。
                  采用 Mann - Kendall检验法进行趋势检验,结果表明在未来气候变化条件下,麦地龙站洪峰流量序
              列在 SSP1 - 2.6、SSP2 - 4.5情景下呈不显著上升趋势,在 SSP5 - 8.5情景下呈显著上升趋势,其对应统
              计量 S分别为 1.06、1.39、8.00。针对 SSP1 - 2.6、SSP2 - 4.5情景下的洪峰流量序列进一步进行 Mann -
              Kendall突变检验,结果表明 SSP1 - 2.6、SSP2 - 4.5情景下的洪峰流量均存在突变,其突变年份分别为
              2045年、2055年。以上趋势变异和突变检验结果表明,未来气候变化条件下麦地龙站洪峰流量序列
              均存在显著变异,已不满足一致性假设。
              4.3 非一致性频率分析结果 为便于对比,同时采用三种方法对雅砻江流域麦地龙站未来气候变化条
              件下的洪峰流量序列进行频率分析计算,三种方法分别为集成时变矩模型方法;未考虑历史特大洪水
              的非一致性频率分析方法( Non - Stationary,NS),以下简称非一致性频率分析方法;考虑历史特大洪
              水的常规频率分析方法( NormalmethodwithHistoricalExtraordinaryFlood,NHEF),以下简称常规频率
              分析方法。集成时变矩模型方法和非一致性频率分析方法最优模型的参数变化类型均为仅位置参数时
              变。三种方法参数率定结果如表 5所示。同时,采用 Filliben相关 系数 进一 步量 化评 估模 型 拟合结
              果  [39] 。根据参数率定结果,分别计算不同频率对应的设计值,其中具有代表性的 P = 1%和 P = 0.1%的
              计算结果如图 9所示。

                                               表 5 频率分析模型参数率定结果

                方法?模型       参数表达式           情景        μ 0      μ 1      σ 0     Cs 0     AIC     Filliben系数
                              = +         SSP1 - 2.6  5.8667  0.0031   7.05    1.3229   1376.5     0.987
                           ln μ t μ 0 μ 1 pcp t
                                =
                  ITVM        ln σ t σ 0  SSP2 - 4.5  3.7417  0.0055   7.19    0.6798   1416.2     0.994
                              Cs = Cs     SSP5 - 8.5  5.8248  0.0030   7.11    0.8320   1406.5     0.989
                               t  0
                              = +         SSP1 - 2.6  4.1345  0.0051   6.84    0.6928   1320.9     0.987
                           ln μ t μ 0 μ 1 pcp t
                                =
                   NS         ln σ t σ 0  SSP2 - 4.5  6.3378  0.0024   6.65    1.2476   1252.3     0.984
                              Cs = Cs     SSP5 - 8.5  6.3611  0.0024   6.80    1.3186   1289.3     0.991
                               t
                                  0
                                =         SSP1 - 2.6  4557.14         911.43   1.1640   1349.3     0.989
                              μ t μ 0
                                =
                  NHEF        σ t σ 0     SSP2 - 4.5  4359.59         959.11   1.4130   1344.8     0.977
                              Cs = Cs     SSP5 - 8.5  5140.33         1130.87  0.7800   1461.6     0.996
                               t  0
                  根据表 5可知,三种方法对应的 Filliben相关系数分别在 0.987~0.994、0.984~0.991和 0.977~
              0.996 之间。除常规频率分析方法外,Filliben相关系数均大于置信区间为 0.05的临界值 0.984。表明
              基于集成时变矩模型方法和非一致性频率分析方法的分布线型选择和参数估计结果是可接受的。这进
              一步说明,由于未来气候变化条件下的洪峰序列不满足一致性假设,采用常规频率分析方法的拟合结
              果无法通过显著性检验。
                  根据图 9可知,与非一致性频率分析方法相比,常规频率分析方法考虑了历史特大洪水的作用,
              但未考虑未来气候变化条件下洪峰序列的非平稳性。未来气候变化条件下 SSP1 - 2.6、SSP2 - 4.5和

                —  1 0 2 —
                     9
   82   83   84   85   86   87   88   89   90   91   92