国际河流流域气候变化的风险管理(上):以莱茵河为例

［荷兰］ S.C.佩尔特

1 概述

高效的国际河流风险管理需要决策者对信息的需求与科学界提供的知识、不确定度的鲁棒管理以及跨境合作之间匹配良好。本文旨在对莱茵河流域现行的政策和科学发展进行评估，并探讨了以下3个问题:

(1)如何处理气候变化带来的不确定度?

(2)当跨地域和行政区域的信息需求与现有知识间相匹配或失配时会如何促进或限制有效适应性政策的制定?

(3)有(无)跨境合作对气候变化适应性管理的作用到底如何?

伴随着这些问题的提出，就可以识别出为提高跨国河流鲁棒的适应性政策制定水平而需要优先填补的研究缺口。目前的认知水平仍相当有限。通过从一个多层面角度探讨了跨国气候变化适应性问题，这不仅可以指导未来的研究工作，也能够指导政策制定工作。本文研究结果是基于对可以收集到的论文、文献进行评述以及各种非正式洽谈，尤其是与荷兰的政策咨询顾问和决策者洽谈而得出的。以莱茵河流域为例详细阐述了以上问题。

2 方法

2.1 分析构架

图1为本文的组织构架。从图中可以看出，不同层面的管理过程与不同空间尺度的自然科学过程是相互作用的。本文所说的多级管理是指政策的制定要经过跨地域和行政区域(有地方的、区域的、国家的、欧洲的、甚至全球的)的审核。本文的重点放在国家和欧洲这两个层面上，但是得出的一些结论仍然适合于地方及区域管理层面。像政府间气候变化专门委员会(IPCC)提出的那些社会经济状况用于形成排放情景，用作全球气候模型(GCM)的输入。采用区域气候模型(RCM)或统计降尺度方法，将GCM的输出降低尺度。在大多数情况下，为了提高成果精度，需要进行偏差修正，然后采用影响模型来模拟气候变化对社会和生物物理体系的局部影响，如用水文模型模拟河道径流。

图1 不同尺度的科学和管理在鲁棒适应性战略认知中的相互作用

适应性战略部分是基于这些模型的结果提出来的。如图所示，当模拟结果表明河道流量很有可能增加时，水资源管理者就会加高堤防，在这种情况下就是一种适应性战略。再比如，如果预计水位会下降，就需要采取措施使内河航运不受影响。但是，适应性战略不仅要依赖模拟结果，而且还取决于其他因素，如成本、对环境的影响、公众的反应与接受程度、技术可行性以及人口和用水变化。水资源管理者不仅需要由过去和最近的事件推算出未来干旱和洪水的历时、大小、频次以及发生时间等方面的信息，而且需要人类和自然界如何适应这些变化的信息。通过协调好科学知识的供需关系可以为莱茵河流域制定适应未来各种变化的战略。信息的供需来自于个人和机构复杂的网络，这些个人和机构具有各种动机、能力、作用和文化背景。本文将科学(在此情况下是气候模型与影响模型的结果)概念化为知识和信息的提供者。

2.2 不确定度的种类

决定未来气候及影响预测的不确定度，可以分为3种:①认知不全(认识不确定度);②不可知因素(随机不确定度，如气候系统的内在变化);③人的自反性。认识不确定度与随机不确定度是科学气候模型输出的一部分。而人的自反性是由社会系统引起的。人是可以用批判的眼光对信息作出反应的，并能改变其行为。社会可以遵照科学家预测气候将发生变化而行事。社会行为会影响气候及其预测结果，因为社会经济状况及其相关的排放情景是随着政策响应而发生变化的:当科学家预测气候将随着人类温室气体排放而发生变化时，就是该采取减缓措施的时候了。这些措施将对已经发生变化的气候产生影响，因此，从这个意义上说，会影响被预测气候变化影响的范围。各级决策者面临气候模型的科学输出。在更高的管理层面上，这种知识最有可能被用于支持制定更广泛的适应性战略，如荷兰和德国的国家适应性战略;而在地方层面上，可以为更具体的适应性战略提供输入。例如，具体的适应性战略可以用来建造抵御洪水的房屋，或加高堤防，或修改洪泛区空间规划的规则。这个过程需要管理系统中各个层面之间的“垂直互动”和每个层面上与科学界的“水平互动”。

尽管有学者从科学家的角度提出了不确定度的种类，但对于必须使用气候变化信息才能提出适应性措施的决策者而言，气候变化可能与深度不确定度的条件有关。深度不确定度，表示很难准确定义和量化的科学和社会因素。深度不确定度存在于各个层面的不确定度类型中，因为在每个层面上都存在无法量化或准确定义的不确定度。最深的不确定度存在于人的自反性，因为它不能定量，并非一假设的情景。有学者采用深度不确定度表示决策者不了解或无法认同的各种条件:①描述系统变量之间相互作用的适用模型;②表示模型中关键参数不确定度的概率分布;③如何对各种结果的期望值进行评估。当不确定度成为这样一种重要的变量时，它使决策者和科学家意识到可以制定强有力的战略，即在未来能够得到很好执行的战略。理想状态下，这些战略也应是“双赢”的或是无悔的，但实际上，对于主要处理气候变化影响的各种战略，可能存在机会成本、权衡或因适应性行动产生的外在性，所以最好是把这种干扰看成是“低悔”的。但在很多情况下，气候变化只是决定战略或投资决策的众多因素之一，而在这些情况下，可以识别出双赢或无悔。

2.3 不确定度的处理

因为气候变化预测存在很大的不确定度，所以对不确定度进行传播和处理很重要。但是，对这项工作的最佳方法却看法不一。不同的学术派别提出了不同的见解。本文将其区分为两种根本不同的方法。

第1种方法为“先预测再行动”法，有时又称为“由上而下法”，见图2左侧。这种方法集中在降低全球气候变化的尺度，很适合处理统计不确定度。对这种方法而言，将一种或多种气候情景用作影响评估的起点，其目标就是根据影响评估的结果得出最优的适应性战略，试图找到一种最适用于某种观点的解决办法。如结合图1，“先预测再行动”法关注气候变化情景和气候模型成果，尽可能准确地对未来的发展进行预测，而支持该方法的研究旨在减少不确定度。这种方法为大家广为接受并得到广泛的应用。例如，IPCC以及欧洲大多数国家和地区的适应性评估就采用了这种方法，该法依据降尺度气候模型结果为起点进行影响评估。第2种方法为“政策风险评估”法，也称为“自下而上”法，见图2右侧。该法不是把气候预测当成是起点，而是注重系统本身的弱点、发展目标以及弹性。

图2 处理不确定度采用的两种方法

弹性可以定义为系统抗干扰的能力。该方法从一开始就考虑了广泛的一系列问题，它寻找的适应性战略可以使系统不容易受到不确定气候变化和气候系统中无法预知变化的影响。在图1中，该法先评估系统的弱点，然后对可能增强系统弹性的适应性战略进行评价。“政策风险评估”法最适合对可行战略的鲁棒性进行评估。一种适应性战略只有当它在一个较宽的未来情景范围内运行良好时才能称得上是鲁棒的。

3 对莱茵河流域的认知及其不确定度

3.1 流域概况

莱茵河发源于瑞士阿尔卑斯山的一条山区性河流，由冰川水、融雪水以及雨水补给，先后流经瑞士、德国、法国和荷兰，最后流入北海。目前，该河流域面积总计约为18.5万km2，河流全长1320km，是西欧最长的河流。随着时间的推移，莱茵河上游河道的宽度已经由大约12km缩窄到200～250 m。而河长已经缩短了82km，兴建的8座水电站和2座蓄水坝已经使莱茵河上游洪泛区面积减少了130km2，占巴塞尔到伊费兹海姆之间滞洪区总面积的60%。如今，莱茵河洪泛区面积不到原来的15%。莱茵河流域包括了人口稠密、工业高度发达的地区，全流域居住着大约5000万人。该河对沿岸国家的经济发展和环境保护极为重要。河水用途很多，例如发电、农业灌溉和工业以及生活用水。大约2000万人将莱茵河作为饮用水源，它是欧洲内河航运最繁忙的水道。据估算，汛期总共大约有1.5万亿欧元的财产受到洪水的威胁。持续采取防洪抗旱措施并提高防洪抗旱能力是经济社会之必须。

3.2 气温与降水预测

欧洲上空气候系统的变化被作为水文模型的输入已经在各种研究中进行了分析。有学者对未来几十年内极端气候变化可能对欧洲造成的重大影响进行了分析研究。结果表明:由于温度可变性增加，极端气温强度增加的速度比中温强度要快很多。模拟结果表明:预计冬季强降水在中欧和北欧是增加的，而在南欧却是减小的。在一项莱茵河流域上空高分辨率(10km)模拟中，温度变化的地域格局是:包括德国、阿尔卑斯山以及瑞士在内的欧洲南部及东南部2071～2100年比1961～1990热得多，这与夏季雨水减少有关。模拟了南部及西南部地区冬季降雨增加的情况。下雪时，雨就下得少。荷兰皇家气象研究院(KNMI)对2006年的情况进行了分析，结果表明:荷兰夏季雨天减少了10% ～20%;而在冬季，雨天却增加了4%～9%。这些区域性变化是通过将3个GCM(大气环流模型)预测点与10个RCM(区域气候模型)输出点建立相关关系曲线获得的。以上成果已经得到了保护莱茵河国际委员会(ICPR)最近所做的一项研究(即评估对气候变化的认知状况)成果的验证。由于预报降雨存在极大的不确定度，与降雨和供水相关的影响指标的不确定度也很高。

3.3 径流预测

气候变化对莱茵河水文情势的潜在影响在一些研究中已经进行了定量评估。为了估算气候变化对河道径流的影响，把未来气候条件的各种情景输入至水文模型。由于GCM低分辨率与区域流域尺度之间不匹配，GCM结果必须降低尺度。一般做法是采用统计的或动态的降尺度技术。这两种方法得到的结果有差异，因此增加了不确定度。对于莱茵河流域而言，使用不同的IPCC排放情景(排放情景特别报告(SRES))来驱动GCM和水文模型。用得最多的水文模型是莱茵河流量模型。有关该课题的研究得出的结果是不同的，到21世纪末，平均流量增加值由13%甚至到30%。干旱预测值也同样存在差异，到2100年，平均流量减小值由5%到40%。这些研究项目获得的模拟结果确实存在极大的不确定度，对于每项研究而言，只使用了有限的几个驱动模型，但结果至少在符号和量级上是一致的。对各项研究的成果进行详细而有意义的比较是不可能的，因为不仅基本假设和输入数据不同，而且得出的结果在指标和时间尺度的选择和定义上也是有差异的。从科学和政策两方面看，很有必要将定义、方法与结果的报道形式统一起来。

3.4 与气候模拟和模拟影响相关的不确定度

作为莱茵河径流量模拟组成部分的不确定度，来源于一组单个的不确定度。第1个来源为选择排放情景。第2个来源与应用GCM相关。选择驱动GCM往往是降尺度情景中不确定度最主要的来源。例如，由不同排放情景驱动的一个GCM，其不确定度范围比驱动不同GCMs的一个排放情景要小。通常情况下，GCMs预报的变化只有50%明显是由GCM预测信号引起的，而剩余部分的变化则要归功于自然变化。但是，到目前为止，大多数有关气候变化对莱茵河影响的研究只使用了一个驱动GCM。这说明，大量的不确定度是未知的，因为使用多个驱动GCMs才能得到完全不同的结果。不确定度的第3个来源则是选择降尺度技术所产生的，使用RCMs可能是统计学上的，或者是动态的。在数十年的时间尺度上(从适应性角度来看比较合适)，选择降尺度技术以及排放情景产生的不确定度，一般小于选择GCM所产生的不确定度。还未见采用替代气候模型或气候情景来进行敏感性分析的报道。其原因可能是水文模型建模人员受到资源或时间的限制，或者存在争论，即如何证明选择一个特定的有代表性的或最差的气候情景。如果不先进行偏差校准，RCMs获得的输出结果就不能用在影响研究中。使用偏差校准可能为降尺度部分带来另外一种不确定度，因为使用的方法影响了获得的径流。不确定度的第4个来源就是利用水文模型。这方面可以分成3个来源，即输出数据中的随机误差或系统误差、因次优参数值产生的不确定度，以及由于模型结构不全或有偏差而产生的误差。不确定度最后一个亦即第5个来源与用于偏差校准、水文模型验证和率定的观测数据有关。通常，观测包含的测量误差或者是观测次数太少，无法对模型进行正确的率定，从而增加了更多的不确定度。这些不确定度涉及所有的认知不确定度和随机不确定度。

3.5 与时间尺度相关的不确定度

气候预测产生的不确定度随着界定的平均气候周期以及预测的前导时间而变。在一个几年到几十年的时间尺度上，平均气温的区域性和季节性变化强烈受到自然变化和内部变化的影响。这就是说，变化的原因确定性不大。在流域尺度上，人为的气候信号甚至更难被认识。重要的是了解诸如影响河道径流的降雨等气候事件在一定程度上是自然变化的产物或者是潜在不可逆转的、人为迫使气候变化的结果。河道流量的变化也可能与非气候因素有关，如土地利用变化、流域管理实践。到目前为止，在短期预报中对如何将自然与人为气候变化信号区分开来知之甚少。在这个较短的时间尺度上，初始状况里存在的不确定度占了预测总误差的大部分。在更长的时间尺度上，导致情景不确定度的人类排放温室气体和气雾，是远大于初始情景的不确定来源。第3类不确定度是过程和参数产生的不确定度，这种不确定度在前10 a是增加的，然后保持相对稳定。所有这些不确定度产生的净效应就是不确定系数(用中间估计值除预测误差)在30～50 a时间尺度上是最小的。