气候变化对湖泊设计洪水位的可能影响----以平原湖泊联合调蓄为例

张 腾，吴 瑕，邓昕玮，孙怀卫，严 冬，曾小凡

(1.水电与数字化工程学院，华中科技大学，武汉 430074；2.水资源与农村水利研究所，湖北省水利水电科学研究院，武汉 430072)

0 前 言

湖泊保护与水资源高效利用是水文水资源研究中的一项重要内容。为避免汛期湖泊洪水侵袭，科学规划湖泊防洪设计水位至关重要。目前强降水和高温热浪等极端天气气候事件的发生呈现增多增强的趋势，且温室气体排放量增加可能导致大气持水能力增加[1]。褚健婷等[2]在对海河流域进行的适用性分析中和汤剑平等[3]对IPCC SRESRA2情景下中国区域气候变化进行的数值模拟研究中，都得出结论，随着气候变化和全球气温的上升，降水量将会增加。但气候变化对不同频率下的设计暴雨和设计洪水的影响，目前还值得探讨[5,6]。在气候变化背景下，洪水等极端事件影响到水文循环过程，从而对人类的生产生活带来潜在的影响，因此，研究气候变化对湖泊洪水位的影响是一项很有必要[4]的工作。同时，能够为湖泊保护、工程规划和日常管理提供有力的理论依据和基础支撑。

在气候变化对水文循环的影响研究中，多采用大气环流模式的结果，大气环流模式能较好地模拟出全球气候平均态， 在年际预测方面效果不错。然而， 全球气候模型GCM(The Global Model) 的输出结果空间分辨率很低， 需要通过降尺度方法以得到较高分辨率的结果。降尺度方法有动力降尺度方法和统计降尺度方法两种。动力降尺度法的优点在于物理意义明确， 保证了与 GCM 输出变量的一致性， 可直接应用于任何地方而不需要当地实测资料。但它的缺点是计算量大， 并且受 GCM 提供的初始边界条件的影响， 在应用于不同的区域时需要重新调整参数。而统计降尺度方法的优点是计算量小， 可灵活选用不同算法。但它的成功运用需要以长期的实测资料为基础， 并且要选择合适的气候预报因子和合适的统计降尺度算法[7]。黄俊雄等人[8]和褚健婷等[2]分别在对太湖流域未来气候变化情景的模拟和对海河流域天气日平均温度的均值及其季节变化趋势等预报量分析中，都将降尺度方法进行了很好的利用。

目前，对降尺度方法运用较好的气象评估工具之一就是天气发生器，它广泛应用于未来天气的模拟和极端事件发生风险性的评估[9]。LARS-WG天气发生器作为一种具体的天气发生工具，也得到越来越多学者和研究人员的青睐。大量结果表明LARS-WG的模拟结果与实际情况吻合度较高,尤其在最高温、最低温和日降雨量的降尺度处理上有突出的表现。王幼奇等[10]利用LARS-WG对黄土高原地区的温度、降雨等进行适应性研究，模拟结果吻合程度非常高。Sarkar等[11]利用LARS-WG天气发生器对印度热带半干旱气候进行未来气候降尺度处理，较好地模拟了2011-2030、2046-2065、2080-2099三个时期的最高温、最低温和日降雨量，预测结果与实际变化趋势一致，较为合理。利用LARS-WG天气发生器生成未来气象数据，不仅在水文方面做出了较大的贡献，在农业、生态等其他方面也提供了较为方便和准确的参考，发展前景广阔。SWMM暴雨洪水管理模型作为一种降水-径流模拟模型，在暴雨洪水管理规划[12]、城市排水管理和优化[13]等方面应用广泛。

本文根据大气环流模式CCSM3的结果，利用随机天气发生器LARS-WG生成逐日气象资料，同时结合暴雨管理模型(SWMM)规划计算了南方平原湖泊联合调蓄情景下的设计洪水位，并对基准期实际值和未来SRESRA1B、SRESRA2和SRESRB1三种排放情景下的设计值进行了比较。模拟结果和结论将在第三和第四部分中具体呈现。

1 研究区域概况

本文所研究区域包含小南海湖、庆寿寺湖、马淹湖3个湖泊，3个湖泊都位于湖北省松滋市南海镇境内，小南海湖泊属典型的河流遗迹湖。原有水面21.43 km2，后因围湖造田，目前水面不足10 km2。水位在38.0 m时蓄水量1 400万m3、38.5时2 000万m3、39.0时2 300万m3。总承雨面积76.52 km2。庆寿寺湖位于南海镇西大垸，最大湖泊面积5.54 km2，承雨面积17.6 km2。正常蓄水位在37.5 m左右时，水面3.4 km2，容水量500万m3。最低湖底高程34.5 m，最低水位36.5 m，最高水位达39.0 m时，水面5.54 km2，容水量950万m3。马淹湖位于永合垸、黄泥滩村及麻城垱村山脚，承雨面积28.9 km2，效益耕地面积1 333 hm2，湖底高程34.0 m，最低水位35.5 m，正常蓄水位在36.5 m时，水面1.4 km2，蓄水量350万m3，最高水位38.0时，水面2 km2，蓄水450万m3。

目前3个湖泊区域的围堤逐步演变为“危堤”。现有的小南海围堤因新河开挖后围湖造田而形成，起步于1976年，完工于1978年，全长16.2 km，堤宽4 m，高40.8 m，由于修建年代久远，风雨侵蚀，堤面逐步变窄，最窄的百溪桥段已不到2 m，当水位达到38.5 m以上时，险象环生，历史出现过两次溃口，给下游的马淹湖、庆寿寺地区3 333万hm2耕地造成毁灭性灾害。现该研究区域设施老化，现有水利设施有控制性工程松林垱横坝闸，沿湖进水，取水涵闸9处，大部分形成于20世纪70年代末，运行的时间长，腐蚀严重，基本处于带病运行，特别是杨当子闸已经瘫痪停用，松林垱横坝闸当高水位运行时，由于堤身单薄，基础不牢，闸室颤抖，不能达到满负荷运行，影响排涝效果。

因为各方面众多影响因素的存在，使得小南海湖、庆寿寺湖、马淹湖的防洪问题更为突出，本文将从气候变化对湖泊设计洪水位的可能影响对3个湖泊进行分析，以期对科学规划湖泊防洪设计水位提供支持，进一步为湖泊防洪规划提供理论参考。

图1 小南海湖、庆寿寺湖、马淹湖地理位置Fig.1 The location of Xiaonanhai Lake、Qingshousi Lake and Mayan Lake in the Songzishi

表1 典型站点信息及气象特征Tab.1 The metrological characteristic and basic information of selected sites

2 主要研究方法

2.1 IPCC情景和CCSM3模式

IPCC第4次评估报告发布以来，人类活动导致的全球气候变暖问题逐渐引起国际社会的关注。IPCC给出了8种气候排放情景，不同的气候模式对未来气候的模拟和预测成了研究的热点。本文选择其中的A1B、A2和B1三种气候排放情景，并选择1978-2007年的结果作为基准期，对荆州地区进行未来设计暴雨雨量和设计洪水位的研究与分析。A1B是指经济高速增长，人口增长缓慢，新技术发展迅速并得到广泛应用；A2是指经济增长缓慢，人口持续增长，世界发展严重不平衡；B1是指世界均衡发展，经济、政治、社会和环境等都逐步实现全球范围内的可持续发展。

CCSM3模式是目前较为先进的气候耦合模式，是由美国国家科学基金会和能源部支持，国家大气研究中心开发的气候模式，包括大气(ATM)、海洋(OCN)、海冰(ICE)、陆地(LND)和耦合器(CPL)。CCSM3模式在降雨、辐射和温度等参数方面做了改进，模拟结果更为合理，因此也逐渐被广泛地应用在海洋和气候研究的各个领域。张徐杰等检验了汉江流域的模拟情况，表明CCSM3对汉江流域的模拟能力较好[5]。

2.2 LARS-WG

本文选用LARS-WG5天气发生器产生CCSM3模式下未来不同气候情景日序列气候数据并对其模拟结果进行降尺度处理。随机天气发生器LARS-WG是由英国洛桑实验室为了满足水文模型和作物模拟模型的需要而开发的一种随机天气发生器。LARS-WG可以模拟一个特定地区现在和未来条件下的日序列前期数据，包括降雨量、最高温、最低温和太阳辐射量等。目前，LARS-WG已被广泛应用于水文学模型、气候变化、作物生长模型、地球生态系统及极端事件的风险分析等方面。

LARS-WG5利用一个半经验分布模型来模拟一个地区的干湿序列长度、日降雨量和日辐射量。在本文中，过大的误差数据将被进行处理后再进行计算，如降雨量和日照辐射量，过大的值会被替换为0；温度高于40 ℃将被替换为平均值等。运用LARS-WG5产生未来天气数据，首先要输入年份、天数、日降雨量、日最高温度、日最低温度和太阳辐射量等。并输入该地区的经纬度、海拔高度等地理位置信息。

LARS-WG5中大部分气候情景是由全球气候模式导出的，不同情景中不同的气候变量伴随不同的月变化而不是日变化。运用气候变化情景最简单的途径就是通过月份的变化打破有关变量的日序列。虽然日天气数据不再相同，但整体上呈现一致的变化趋势。模拟过程中，LARS-WG5会用到随机种子数方法，随机种子数越多，模拟结果越精确。运行天气发生器，即可获得基于基准期天气状况的随机天气序列。本文选择1978-2007年30年的实测天气数据作为基准，选择A1B、A2、B1三种情景模式和CCSM3气候模式在2011-2030时期的预测结果，生成2011-2040年的随机气象数据，并对其最大日降雨量进行分析。根据15日降雨量同倍比缩放，即可得到设计暴雨过程。

2.3 湖泊防洪设计洪水位方法

本文主要研究荆州地区的未来设计暴雨和设计洪水位情况，采用湖泊防洪设计洪水位方法对荆江地区3大主要湖泊小南海湖、庆寿寺湖、马淹湖进行模拟和分析。共设立8个汇流点进行检测，其中1～4汇流点径流汇入小南海，5、8汇流点径流汇入庆寿寺湖，6、7汇流点径流汇入马淹湖。每个湖泊的洪水水位将由汇入的汇流点的径流量和直接降至湖泊的雨量决定，该地区不同年份径流系数也不同。选择1978-2007年气候日序列数据进行分析，得到2.2部分所示15日设计暴雨过程。计算出A1B、A2、B1三种气候情景和现状下的日最大降雨量。最大径流量计算公式如下：

Ri=AiαPi/86 400

(1)

式中：Pi表示第i个汇流点的最大日降雨量；α表示所在年份的径流系数，其中1980年型、1989年型、1991年型的径流系数分别为0.694、0.838、0.694；Ai表示第i个汇流点的面积。

三者的乘积除以86 400 s，即可得第i个站点对湖泊洪水位的贡献值。湖泊本身的降雨量形成的径流量，直接用降雨量乘以湖泊面积，再除以86 400 s即可得出。1～4汇流点最大径流量与小南海湖最大径流量之和，即为小南海湖的最大设计洪水位，5、8汇流点最大径流量和庆寿寺湖最大径流量之和，即为庆寿寺湖最大设计洪水位，6、7汇流点最大径流量和马淹湖最大径流量之和，即为马淹湖最大设计洪水位。其中，各湖泊汇流面积如表2所示。

表2 各湖泊面积和各汇流点汇流面积 km2

2.4 暴雨洪水管理模型

暴雨洪水管理模型SWMM是美国管保局为了对城市某一单一降水事件或者长期的水量水质进行模拟而研制的一种动态的降水-径流模拟模型。自1971年开发以来已经过多次升级，已广泛应用于城市地区[14，15]的暴雨洪水、排水系统的规划、分析和设计[10,11]。本文将7月1日至7月15日作为设计时段，输入日期、年型(1980年型、1989年型、1991年型)和上述设计15日最大径流量，通过SWMM产生设计洪水位、闸门和泵站设计流量过程。再通过进一步分析处理，计算出3个湖泊不同气候情景和不同年型的最大设计洪水位、闸门和泵站开启时段、闸门和泵站平均流量等，并且3种情景的结果和现状作对比。

图2 设计流程图Fig.2 Design of flow charts

3 结果和讨论

3.1 设计暴雨值分析

张雪芹等[16]在对不同模式不同排放情景下未来50～100 a全球气候变化的研究中，分析得到未来50～100 m全球降水呈增长趋势。在本文中，未来设计暴雨值如图3所示，相同重现期下，3种不同气候情景下湖泊联合调蓄设计暴雨值与现状设计暴雨值相比，A1B、A2、B1三种情景的设计暴雨值较现状都有增加，其中A1B和B1变化情况基本相同，较现状增幅约为20 mm；A2情景的设计暴雨值最高,较现状增幅约为70 mm；且对于10年一遇、20年一遇、50年一遇和100年一遇4种重现期，重现期越长，暴雨值越大，变化范围为293.00～492.00 mm。

图3 不同气候情景下湖泊联合调蓄设计暴雨值(单位：mm)Fig.3 The values of design storm on lake united dispatching in different climate

3.2 设计洪水位分析

Valentin Aich等[17]在研究未来气候变化和土地利用对未来洪水的研究中，预测未来灾难性洪水会有增加，并且未来气候变化的影响要大于土地利用的影响。在本文中，同样对气候变化影响下小南海湖、庆寿寺湖和马淹湖的闸门设计洪水位进行了预测。由图4，大致结论如下：相同年份，相同重现期下，可得出设计供水位在A1B、A2、B1三种气候情景下较现状都偏高。其中A1B与B1两种情景模拟结果很相近，A2模拟结果最高；相同情景下相同重现期下，1980年型、1989年型、1991年型3种雨型相比， 1989年设计洪水位最高，其次是1980年，1991年设计洪水位最低；相同年份相同情景下，重现期越长，设计洪水位越高，变化范围为38.60～40.80 m。对于3个湖泊，小南海湖和庆寿寺湖的设计洪水位变化较为平缓，淹湖在不同年份不同情景下的设计洪水位波动较大，洪水位较高时可以达到甚至会超过小南海湖的横坝闸水位高度，洪水位较低时，与马淹湖的洪水位比较相近。比较图4(a)～(d) 4个图，10年一遇A2情景下1989年型降水计算得出的庆寿寺闸的设计洪水位、50年一遇B1情景下1980型降水计算得出的庆寿寺闸和马淹湖闸的设计洪水位都较变化规律趋势有稍大偏差，这说明会有异常天气或者极端天气出现，需要稍加注意。

图4 不同气候情景下湖泊联合调蓄设计洪水位(单位：m)Fig.4 Design flood water level storm on lake united dispatching in different climate

3.3 湖泊联合调蓄的影响分析

(1)闸门开启时段分析。由图5，大致结论如下：相同年份，相同重现期下，可得出闸门开启时段在A1B、A2、B1三种气候情景下较现状都缩短。其中A1B与B1两种情景模拟结果很相近，A2情景下闸门开启时段最短；相同情景，相同重现期下，1980年型、1989年型、1991年型3种雨型相比，当有1980年型降雨出现时，闸门开启时段最长，1989年型、1991年型闸门开启时段大致相近，其中小南海湖和庆寿寺湖是1989年型降雨出现时所需闸门开启时段最短，而马淹湖是1991年型开启时段最短；相同年份，相同情景下，重现期越长，闸门开启时段越短，变化范围为11.80～54.00 h。综合图5(a)～(d)，重现期越长，3个湖泊闸门的开启时段之差越小，比如10年一遇、20年一遇、50年一遇和100年一遇4种重现期，随重现期增长，横坝闸和庆寿寺闸较马淹湖闸晚开启时段数减小。重现期越长，降雨越大，形成的径流越多，越需要提早预警，提前开闸准备泄水。而且出现1989年型降雨时更是要提高警惕，时刻准备防洪抗汛工作的开展。

(2)闸门平均流量分析。由图6，大致结论如下：相同年份，相同重现期下，可得出闸门平均流量在A1B、A2、B1三种气候情景下较现状都偏大。其中A1B与B1两种情景模拟结果很相近，A2情景下闸门平均流量最大；相同情景，相同重现期下，1980年型、1989年型、1991年型3种雨型相比，当有1980年型降雨出现时，闸门平均流量最大，1980年型、1991年型闸门平均流量大致相近，其中1980年型所需闸门平均流量最小；相同年份相同情景下，重现期越长，闸门平均流量越大，变化范围为2.40～14.20 m3/s。

图5 不同气候情景下湖泊联合调蓄闸门开启时段(单位：h)Fig.5 Gate opening period on lake united dispatching in different climate

图6 不同气候情景下湖泊联合调蓄闸门平均流量图(单位：m3/s)Fig.6 The Average flow of gate on lake united dispatching in different climate

(3)泵站平均流量分析。由图7，大致结论如下：相同年份，相同重现期下，可得出泵站平均流量在A1B、A2、B1三种气候情景下较现状都偏大。其中A1B与B1两种情景模拟结果很相近，A2情景下泵站平均流量最大；相同情景，相同重现期下，1980年型、1989年型、1991年型3种雨型相比，当有1980年型降雨出现时，闸门平均流量最大，1980年型、1991年型闸门平均流量大致相近，其中1980年型所需泵站平均流量最小；相同年份相同情景下，重现期越长，泵站平均流量越大，变化范围为12.30～29.60 m3/s。泵站流量增加，泵站的承受压力增大。要注意泵站设施的承受能力，如果出现超大型洪水时，流量会有较大的突增，应提前检修好，保证泵站的正常工作。

(4)泵站开启时段分析。由图8，大致结论如下：相同年份，相同重现期下，可得出泵站开启时段在A1B、 A2、 B1三种气候情景下较现状都偏短。其中A1B与B1两种情景模拟结果很相近，A2情景下泵站开启时段最短；相同情景，相同重现期下，1980年型、1989年型、1991年型3种雨型相比，当有1980年型降雨出现时，闸门开启时段最长，1989年型、1991年型泵站开启时段大致相近，其中1989年型所需闸门开启时段最短；相同年份相同情景下，重现期越长，泵站开启时段越短，变化范围为26.60～56.90 h。

图7 不同气候情景下湖泊联合调蓄泵站平均流量(单位：m3/s)Fig.7 The average flow of pumping station on lake united dispatching in different climate

图8 小南海泵站开启时段(单位：h)Fig.8 The opening time of Xiaonanhai pumping station

3.4 因素分析

前3行是单因素误差分析，分别研究了“地点”、“重现期”、“气候情景模式”3个因素对观测变量影响的显著性。0表示地点和重现期对观测值降雨量影响非常显著；0.006 5表示气候情景模式对降雨量的影响也较为显著，但不如前两者影响程度大。后3行对3个因素两两之间的交互作用进行分析，分别是地点和重现期、地点和模式、重现期和模式相互组合。0.792 8、0.646 6、0.998 5表示因素之间两两组合作用的影响不显著。

表3 多因子误差分析Tab.3 Analysis of multi factor error

4 结 语

本文采用降尺度方法对南方平原地区湖泊联合调蓄能力进行研究和分析。基于IPCC情景和 CCSM3 模式，以1978-2007实测天气数据为基准期，通过 LARS-WG5 天气发生器进行地区分析并生成A1B、A2 和B1三种排放情景下2011-2040年逐日气象数据。根据当地地形和汇流情况，选择8个汇流点进行设计洪水位的计算，按照一定的雨量分配，计算出荆江地区8个汇流点在2020s时期10年一遇、20年一遇、50年一遇、100年一遇的设计暴雨值。模拟结果显示，A1B、A2、B1三种情景下未来15日设计暴雨值较现状下都有所增加。其中，A2排放情景下增加最为显著，增幅约为70 mm；A1B、B1两种排放情景下模拟结果较为相近，增幅不显著，约为25 mm。三种情景模式模拟结果趋势较为相似，这不得不引起重视，设计降雨量增加会导致设计洪水位升高，闸门和泵站平均流量和动态过程也就会有相应的变化。

采用小南海湖的SWMM模型，输入计算得到的4种重现期对应15日设计暴雨值，得到小南海湖、庆寿寺湖、马淹湖3个湖泊A1B、A2、B1三种情景下和现状下1980年型、1989年型、1991年型3种雨型的设计洪水位。为更好地对该地区湖泊调蓄能力进行演算分析，还对闸门和泵站流量过程进行动态设计。根据结果显示，设计降雨量增加，设计洪水位普遍都有升高，泵站和闸门流量有所增大，这也就要求闸门和泵站开启时段提前，及时防洪泄洪。后续模拟结果与我们预期结果相吻合。汤剑平等[3]曾对IPCC A2情景下中国区域气候变化进行数值模拟，模拟结果表明IPCC A2情景下，未来中国平均气温将有明显的升高，导致降水也有明显的变化，特别是中国的东北地区、江淮流域及以南大部分地区都有明显的增强。这为本文研究结果提供了较好的参考。本文研究结果显示，对于三种情景模式，A2情景下设计洪水位上升最为显著，根据当地经济发展和社会人口等情况，若经济增长较为缓慢，而且人口增长较快，则更需要提高警惕。3种雨型中，1989年型设计暴雨值有大幅度增加，这就需要闸门和泵站开始时段更为提前，尽量减少和避免洪涝灾害。相应地，水位降回安全水位以后，要及时进行坝、闸门、泵站等工程的检查和维修工作，确保当地环境和民生安全。对于100年一遇和50年一遇大洪水，相临近的年份要需要做好预防工作，保证在大洪水出现时可以及时应对。

□

[1] IPCC. Climate Change 2007: The physical science basis．Contribution of working group I to the fourth assessment report of the intergovernmental panel on climate change[M] ． Cambridge， UK and New York， USA: Cambridge University Press， 2007．

[2] 褚健婷，夏 军，许崇育. SDSM模型在海河流域统计降尺度研究中的适用性分析[J]. 资源科学. 2008,12(30):1 825-1 832.

[3] 汤剑平,陈 星,赵 鸣,等. IPCC A2 情景下中国区域气候变化的数值模拟[J]. 气象学报.

[4] 夏 军，左其亭. 国际水文科学研究的新进展[J]. 地球科学进展，2006，21(3)：256-261.

[5] 张徐杰, 许月萍, 高希超, 等. CCSM3 模式下汉江流域设计暴雨计算[J]. 水力发电学报，2012, 31(4) ：49-53.

[6] 张徐杰，马 冲，朱 仟,等. 两种降尺度方法对钱塘江流域日设计暴雨计算的影响[J]. 中山大学学报(自然科学版), 2014,53(1)：52-56.

[7] Zahra Zahmatkesh，Mohammad Karamouz, F ASCE, et al. Analysis of the Effects of Climate Change on Urban Storm Water Runoff Using Statistically Downscaled Precipitation Data and a Change Factor Approach[J]. Hydrol. Eng，2015,20(7):05014022.

[8] 黄俊雄，徐宗学，刘兆飞，赵芳芳.统计降尺度法分析太湖流域未来气候变化情景[J].资源科学.2008,12(30):1 812-1 817.

[9] 廖要明，张 强，陈德亮.中国天气发生器的降水模拟[J].地理学报, 2004,59(5):689-698.

[10] 王幼奇, 樊 军, 邵明安. LARS-WG 天气发生器在黄土高原的适应性研究[J]. 中国水土保持科学, 2007,5(3):24-27.

[11] Jayanta Sarkar, J R Chicholikar. Future Climate Change Scenario at Hot Semi-arid Climate of Ahmedabad (23.04°N, 72.38°E), India Based on Statistical Downscaling by LARS-WG Model. Asian Journal of Water, Environment and Pollution, 2016,1(13):35-42.

[12] Seyed Hamed Ghodsi, Reza Kerachian, Zahra Zahmatkesh.A multi-stakeholder framework for urban runoff quality management: Application of social choice and bargaining techniques[J]. Science of The Total Environment, 2016,(550):574-585.

[13] 毛剑东, 顾素恩, 陈梅君, 等. 基于SWMM的城市排水管网优化模拟[J]. 水利水电技术,2015,46(1):114-117.

[14] 任伯帜, 邓仁健, 李文健. SWMM模型原理及其在霞凝港区的应用[J]. 水运工程, 2006,4(387)：41-44.

[15] 黄国如，张灵敏，雒 翠，等.SWMM模型在深圳市民治河流域的应用[J]. 水电能源科学，2015，4(33)：10-14.

[16] 张雪芹,彭莉莉,林朝晖. 未来不同排放情景下气候变化预估研究进展[J]. 地球科学进展.2008,2(23):174-185.

[17] Valentin Aich, Stefan Liersch, Tobias Vetter, et al. Flood projections within the Niger River Basin under future land use and climate change[J]. Science of the Total Environment, 2016(562):666-677.