十年期美国电力生产的水压力

预测气候变量的不确定性有三个主要来源：模型不确定性（由于缺乏通过不同参数化方案对大气过程的物理和数值模拟的理解）、情景不确定性（对未来将排放的温室气体量了解不足）和气候内部变率。内部变量9！由于地球系统不同组成部分之间的非线性混沌相互作用而产生；这意味着初始大气条件的微小差异会导致未来气候的不同。大多数以前的研究都考虑了淡水未来可用性的模型和情景不确定性（如Blanc等人，2014年），但没有考虑内部变化及其对发电淡水可用性的影响。内部变异的重要性已经得到强调（Deser等人，2014年，2012年），尤其是对于短期气候学。在十年时间尺度上，内部变化占主导地位，足以掩盖模型和情景不确定性的趋势。溪流温度使用随机模型估计或使用确定性模型确定。表A2列出了估算蒸汽温度的最新最佳实践。确定性模型更适合情景分析，因为它们的数值公式是基于系统的基础物理，这些系统会影响流中流动的热状态。确定性方法的主要限制是对输入数据和计算资源的大量需求。

确定性模型的准确性进一步受到模型参数间不确定性级联的限制。另一方面，回归模型基于发现一组预测因子（气象和气候变量）和预测因子（溪流温度）之间的统计关系；然而，这些模型未必能保证物理一致性。1.4解决方案框架在本研究中，我们使用来自最新一代气候模型的降水量和蒸散量数据，即耦合模型相互比较项目第5阶段（CMIP5）（Stocker等人，2013年：IPCC，AR5第一工作组报告）计算水可用性的预测变化。根据降水量和蒸散量之间的差异，计算了水有效性的一阶近似值。我们根据三种气候模型和两种温室气体排放情景估计了未来水资源可用性的变化。有关气候数据的详细信息将在第2章中讨论。在需求方面，多个部门争夺可用水。美国地质调查局（USGS）收集用水数据。在2005年的上一次调查（Kenny等人，2009年）中，他们报告了七个部门的取水情况：市政公用水和生活用水10！供应、工业、采矿、畜牧、水产养殖、农业灌溉和发电用热电制冷。在所有行业中，用于热电厂冷却的淡水提取比例最高（40%），其次是灌溉（36%）和市政公共和生活供水（14%）。

这三个部门合计占总取水量的90%，而其他四个部门则占10%。按部门预测未来用水是一项挑战，需要许多假设。美国之前关于未来几十年取水和供水预测的工作假设，只有市政生活和公共供水以及热电制冷的用水需求才会增加（它们加起来占目前取水量的54%）。从1970年到2005年，灌溉和农业用水一直保持在狭窄的幅度内，或略有下降。其他四个部门，即：。，工业、矿业、畜牧业和水产养殖目前仅使用10%的水；因此，对这些行业未来水需求的不小变化进行强有力的假设，不太可能彻底改变这种看法。城市公共和生活供水部门的预测可直接与人口增长挂钩，总需水量可通过将预测人口乘以人均消费量来计算。因此，我们可以假设剩余的水（从公共消费中扣除后）将用于发电。本分析未考虑未来可能降低能源生产用水需求的技术创新。此外，我们没有考虑预测人口中的当地或区域规模的人口变化（例如，区域移民）。发电量也受到水温的影响，因为热水会降低冷却系统的效率，从而降低发电量。此外，发电厂排放的高温也对水生生物和生态系统构成威胁。

布莱顿角发电厂是美国东北部最大的化石燃料发电厂之一，位于马萨诸塞州希望山湾附近，每天排放约500万立方米的热废水，通常比进水的环境温度高7-10℃，对水生生物的可持续性构成威胁（芥末等人，1999年）。《清洁水法》第316a节规定了发电厂的出水温度；如果进水温度超过EPA规定的允许限值，则需要减少发电量。11!!                                                                                !为了预测未来的河流温度，我们建立了非线性回归模型，即支持向量回归（SVR），使用缩小尺度的气候模型输出（空间分辨率为0.125°）。SVR的性能优于传统的多元线性回归和基于人工神经网络（ANN）的方法（Shawe Taylor和Cristianini，2004）。SVR具有简单的几何表示，不依赖于输入数据的维数。尽管SVR已应用于多个水文问题，如预测溪流（洪水）（Behzad等人，2009年；Chen和Yu，2007年）、土壤湿度（Ahmad等人，2010年；Pasolli等人，2011年）和干旱（Chiang和Tsai，2012年；Ganguli和Reddy，2013年），但该方法在预测溪流温度方面尚未得到充分探索。解决方案框架的摘要如图1.1所示。

1.5概念证明和经验教训对未来30年因淡水短缺和溪流温度升高而面临风险的发电进行全面评估，需要分析来自多种气候模型、多种初始条件和多种未来排放情景的数据。CMIP5档案库预测了月降水量和蒸散量数据，这些数据来自30多个气候模型、4个温室气体排放情景和300多个初始条件的组合。模型、情景和初始条件组合中的每一种都给出了未来可能的气候，并且没有强有力的基础来包括一些情景和排除其他情景，尤其是在未来30年，当难以区分不同的不确定性来源时。分析这个庞大的数据集是可能的，但需要大量的计算和人力资源。在目前的工作中，我们展示了如何应用风险分析框架来评估热电厂因水胁迫而产生的脆弱性。为了在规定的时间框架内完成工作，我们从三个气候模型（两个美国和一个日本模型；美国模型包括NCAR/DOE模型）、两个初始条件和两个温室气体排放情景（RCP2.6和RCP8.5；RCP代表代表浓度路径）中获得了数据。第二章详细介绍了气候数据。来自气候模型的数据在更粗糙的空间分辨率（约110公里）下可用；因此，我们对12个国家的降水量和蒸散量进行空间插值！ArcGIS中的级别。

CMIP5气候模型档案中无法直接获得溪流温度数据。我们开发了非线性回归模型，该模型基于气候模型中缩小的气温和美国地质勘探局（USGS）测流仪中观测到的水温。随后，我们定义了两个风险指标——一个基于缺水，另一个基于水温——并使用它们来量化美国大陆面临风险的发电量。图1.1解决方案框架示意图。1.6报告的组织本报告其余部分的组织如下。气候、水文、人口和发电厂数据的来源和细节见第2章。第2章还介绍了计算未来供水、预计人口和溪流温度的方法。我们定义了两个指标来量化处于风险中的发电量，并在第3章讨论了与水资源可用性和溪流温度相关的结果。在第4章中，我们将讨论在气候变化下，由于水压力，美国的哪些地区最容易受到发电的影响。第5章给出了结论和讨论。我们将在第6章讨论挑战和克服挑战的建议。！\"#$%\"&\'\"()%*+&,#-+\".&,/\"01,#-+\"&,/\"0123(0%\"&\'#3-(0#3&4\'5&63.+)$\"+.&&\',257&8!\"#$%&%\'()*+,&-.（&*\'（+/&%）（*+），01（2（%0#3905#：+&&5；#-/<0#3&%*&4（.=>（..#）（<%“&”&+3-&@3%”A.（.&3*+4&）（“（5#“”）“%$06”#&C“+/+&；+B；+.+3*&（3<#）、3D&#D+3+%*+-&%*%&E；%3D+&；+B；+.+3*&%*%&B；<+..（3D&%3-&）+“（3D&2.人口=9%5（\'#0>*2.#90:%5？9（）*+//03）。

发电厂属性F*%0.0<%“&G:：3.<%”（3D&C（%.&\'#+<*+-&H&F*%0.0<%“A&G:：3.<%“+-&8C\'FG9&&7>）（+0@%“06#5&#”（“？”#<0AB07:&&9C0D0E#5（+2<F0I&5#B/%0#3&5；#J++<0#3.&@++？（90G0E#$（2（90H“*I\'J01”（\'0K%+#）（\'0#L\'（&*9（）*+08C2“*9*M%$0NO/）。（.*+/0>（.*#（<%”&F*++%）和？++）B++*/+&-%*&K；#）和&LF！F&4+%3%A.（.&G%*%）&&64@123*+;()&8!“#$%&%\'（）*+M&&-.（&*”（+/&%“（）*+9&1）（+（9C/%/0）！”*2?$\'/0N+：&@BB；#%<哦&！D-0>#（+0（+20P）（+）9#/0B“*500>？9）和9#06C和#/0*B0-+/#5O9#/0、+%3&+3-&H&\'O%3D+&3-&23*+%B#%0#3&！；3.3-3和3.3.A和和3.3.A和以下以及以及9.0 0 0 4+D；10.3和3.3和3.3和3和3.0 0和4.3和3和3和3和3和3和3和3和3和3和3和以下以下以下以下以下两个国家和4.3和3和3和以下以下以下两个国家和3和3和3和3和以下以下以下两个国家和3和和.....和和和和和和........以及以及以及以及.........和....和.和..和...和..和..和...和..和.和..和..和.和.和.........和.和.和........和.和.和....和.....和...............2）B/*%0#3和7=？“#0RS+M<06P%”/%0#3&H&Q%（%0#3&\'#）B/*%0#3&#K&、%R（）/）&F*+%和？+）B+*/+.&2F&\'#）B/*%0#3&H”%22#20！4-0=*5&?\'（）*+00，+3和+3-M&O%3D+M&L3<+；*%（3*A&%3-&23*+%B#%0#3&！（-+-&！4-&F*%0.0<.&%*&！（&%3-&\'#/3*A&1.水分胁迫水文气候数据？AB+&H&\'%B%<（*A&&S#<%0#3&E#5（+20T#/0U）（#0:#0#0#？&065#θ0 356#J）<%#0T#/0AB006“#+20V0W&0&3*0T#/0:#$？”#0LUFU&C/；+%/&#K&\'+3./.&\'#/3*A&:（.+&6.0）%*+&VIWI&&23*+；1<+3./.&5#B/%0#3&6.0）%*+&6RB#/+&3%“A.（.&Q（./%”）和4（.=&3%“A.（.&H*/&（）（90=*”#9（）*+/0@M\"%$?9\'?\"#0!?O9%$08#（9\'J0A+2？/““C0E*I+/$（9#20！”*2?$\'/0>（*#）（<%“&F*+%”和？+）B+%*/.&&X%*+&G+%3-&！#“0$（&%）（0（//-5&）*+0，#-+“&6P%”/%0#3和5/；B“+&；+B；+。+3*&-+<（#3&./BB#*&%BB）（<%0#3.&4+-&（3-（<%*+。&%<0#3%$）+&（3）（做*&%3-&B#）（<A&+）/“*。&13！！！第2章：数据和方法在本章中，我们详细描述了气候、人口、水文和发电厂数据及其来源。我们定义了两个评估风险发电的指标。此外，我们还描述了所使用的非线性回归模型投射溪流温度。

2.1数据2.1.1用于估算淡水可用性的气候模型数据月降水量和蒸散量数据来自参与耦合模型相互比较项目第5阶段（CMIP5；Taylor等人，2012）的最新一代气候模型。ZF间气候变化专门委员会（IPCC）的最新评估报告（Stocker等人，2013年：AR5报告）是根据同一组气候模型进行的研究编制而成。为了进行分析，我们从三个全球环流模型（GCM）中提取了数据。表2.1总结了模型名称及其建模组和水平网格大小。我们使用了美国的两个气候模型（CCSM4：社区气候系统模型，第四版和GISS-E2H：戈达德研究所空间研究模型E，以及HYCOM海洋模型）和日本的一个模型（MIROC5：气候跨学科研究模型，第五版）建模中心。CCSM4是美国能源部（DOE）的模型，由国家大气研究中心（NCAR）开发和维护。模型的水平网格大小表示用于离散地球以求解这些网格点处流体运动方程的经度和纬度数（或两个经度或两个纬度之间的均匀间距）。分析中使用的三种模型具有不同的网格大小（表2.1）。赤道1度相当于大约111公里（约70英里）。

使用多个模式的数据背后的基本原理是，它们在各种大气过程的数值模拟中存在差异；在参数化方案中表示云；包括碳循环反馈、动态土地植被和生物地球化学等不同的增强功能。我们将降水量和蒸散量从模型本地网格空间插值到2-degree14的公共网格！空间分辨率（Diffenbaugh等人，2013年；Giorgi，2006年）。气候数据来自该网站(http://cmip-pcmdi.llnl.gov/cmip5/)气候模式诊断和相互比较计划（PCMDI）的。表2.1分析建模组Model NameGrid SizeNational Center for Atmospheric Research CCSM41中使用的CMIP5模型列表。25°x 0.94°NASA戈达德空间研究所GISS-E2H2。5°x 2.0°大气和海洋研究所（东京大学）、国家环境研究所和日本海洋地球科学技术厅MIROC51。4°x 1.4°在目前的工作中，我们从两个未来情景中提取了预测气候数据（2008-2042）：RCP2。6和RCP8。5.如图2.1所示，它们共同涵盖了21世纪辐射强迫情景的整个范围（Rogelj等人，2012年）。RCP2。6代表非常低的温室浓度水平，而RCP8。5代表最高排放情景。在RCP2中。6.在这种情况下，辐射强迫在本世纪中叶达到~3.1 W/m2，然后在2100年降至~2.6 W/m2，全球变暖中值比工业化前高出1.5°C（莫斯等人，2010年）。

RCP8。5表示到21世纪末，全球辐射强迫增加约8.5 W/m2，全球变暖中值比工业化前高出4.9℃（Moss等人，2010年）。我们已经讨论了内部变化在预测未来气候中的重要性。初始条件集合涉及相同的模型，具有相同的大气物理，从不同的开始日期运行。目前，对于分析中应该使用多少初始条件还没有达成共识；我们使用表2.1中每个模型的2个初始条件中的数据作为概念证明。其目的是强调气候自然变异性在水资源可利用性分析中的重要性，因为这在早期文献中尚未显示。此外，我们的分析还受到CMIP5气候模型套件中多个初始条件数据可用性有限的限制。只有少数选定的气候模型提供了一个以上初始条件的数据，甚至这些模型也没有提供超过2-5个初始条件的数据。我们获得了两种初始条件下的数据：r1i1p1和r2i1p1；这些名称只是CMIP5数据归档中的一个标识符。15!!                                                                                ! 图2.1 RCP和扩展浓度途径（ECP）的总RF（人为加自然）-RCP2。6，RCP4。5、RC P6和RC P8.5，以及RCP6到RCP4的补充扩展。5在2100年后进行排放调整，以达到RCP4。22 50分钟后的5个浓度水平。（来源：IPCC AR5第一工作组报告，第14-7页）。对于预测溪流温度，上述数据集用于计算供水的预测变化。