气候变化下兰江流域未来径流的变化规律

富强， 马冲， 张徐杰， 许月萍

(1.中国电建集团 华东勘测设计研究院有限公司,浙江 杭州 310014；2.浙江大学 建造工程学院 水文与水资源工程研究所，浙江 杭州 310058)



气候变化下兰江流域未来径流的变化规律

富强1， 马冲2， 张徐杰1， 许月萍2

(1.中国电建集团 华东勘测设计研究院有限公司,浙江 杭州 310014；2.浙江大学 建造工程学院 水文与水资源工程研究所，浙江 杭州 310058)

为了研究气候变化对径流变化的影响，选择了浙江省钱塘江流域支流兰江作为研究区域，以1971—2000年为基准期，以2071—2100年为预测期，结合统计降尺度方法的LARS-WG天气发生器和CMIP5模型,利用分布式水文模型SWAT，计算和分析了兰江流域未来径流可能变化的情况。研究结果表明，在气候变化影响下，兰江流域未来的径流总量增加的概率较大，同时夏季发生洪水的频率也将有所增加。

气候变化;CMIP5;径流变化;LARS-WG;SWAT

2013年，IPCC第五次评估报告指出，从1901年到2012年，全球地表平均气温升高达到了0.65～1.06 ℃[1]。气温作为水文循环最重要的变量之一，明确给出了全球气候变化的信号。气候变化不仅仅影响全球的水文循环，对区域的水文循环同样造成了巨大的影响。为了应对气候变化的挑战，各国学者进行了大量的相关研究。在水文领域，国际上对气候变化的研究始于20世纪70年代，而在中国，有关气候变化对水循环影响的研究始于20世纪80年代后期[2-8]。本文的研究区域兰江流域，是钱塘江流域的主要子流域之一。钱塘江流域主要覆盖地区为浙江省，浙江省是中国目前经济最为发达的省份之一。近几十年来，快速发展的经济和迅速增长的人口使得该省的水资源压力越来越大。同时，由于亚热带季风气候以及多山地的影响，浙江四季降雨不均，洪涝灾害时有发生。兰江流域作为钱塘江流域的子流域，承受着同样的水资源和水灾害压力。因此，对该地区展开气候变化对未来水资源影响的研究，有着积极的现实意义。

选取LARS-WG天气发生器作为统计降尺度工具，结合CMIP5模型分析计算未来的降水与气温，并以此驱动SWAT模型，分析计算21世纪末兰江流域的径流变化规律。

1　数据来源与研究方法

1.1研究区域概况

兰江流域位于钱塘江流域上游，地跨衢州、金华，是钱塘江流域的三大子流域之一。其流域面积约1.9万km2，海拔为60～1 700 m，主流兰江长300 km。地貌以丘陵地带为主，气候主要为亚热带季风气候。年平均降水量为1 500 mm，年平均气温为17 ℃，年平均径流量超过172亿m3，径流深约900 mm。兰江流域的地理位置及所涉及的气象站点如图1所示。

图1　兰江流域主河道及气象站点位置图

1.2数据来源

选取1971—2000年作为基准期，2071—2100年为预测期。基准期的实测数据包括7个气象站的实测降雨、最高气温、最低气温的日序列数据，以及流域出口兰江站的日径流数据。7个气象站点的基本信息见表1。预测期的降雨和气温数据通过CMIP5的10个GCMs模型结合LARS-WG天气发生器的降尺度计算得到，未来径流使用SWAT水文模型计算得出。10个GCMs模型的信息见表2[9]。

表1　兰江流域气象站点信息

表2　GCMs模型信息

1.3LARS-WG天气发生器

LARS-WG天气发生器是由英国洛桑实验室开发的统计降尺度工具[11]。大量研究表明，LARS-WG天气发生器能较好地利用全球气候模型GCMs生成所需尺度的数据用于水文模型的输入，在国内外的气候变化研究中得到了广泛的应用[10-12]。该天气发生器通过一个半经验分布模型(SED)来模拟降水发生的概率和降水量。拟合时，LARS-WG天气发生器先将某时期内各月湿天的天数和降水量按照特定的分位数升序分配到若干区间内，再统计其在每个区间的概率。用N表示区间个数，αi表示第i个降水天数(或降水量)区间的临界值，升序排列，hi为降水天数落在区间[αi-1,αi)内的频次，则该半经验分布Emp表示如下:

Emp={α0,αi;hi,i=1,2,…,N}。

(1)

计算实测数据的降水天数与降水量的区间临界值，算得其落在各个区间的概率作为参数备用。选取一个服从0～1均匀分布的随机数来判断降水天数所在的区间，在该区间内随机生成降水天数，再按照均匀分布逐日生成湿天的降水量，即完成降雨序列的随机生成。

气温的模拟独立于降水量，其模拟是一个完全随机的过程。季节的循环服从正态分布，日最高气温与最低气温利用傅里叶序列校正。

1.4SWAT模型

土壤和水评价工具SWAT(Soil and Water Assessment Tool)是由美国农业研究中心研发的分布式水文模型，其水文描述过程具有较强的物理意义。SWAT模型可以用于水文过程、土壤侵蚀以及水质的模拟[12]。在本研究中，只涉及地表径流模拟过程。地表径流包括坡地汇流与河网汇流，涵盖了净雨从坡地表面汇入河网，再向流域出口汇集的过程。在水文循环模拟中，SWAT模型主要依据水量平衡方程进行计算，即

(2)

式中：SWt为第i天的土壤最终含水量；SW0为第i天的土壤前期含水量；t为时间；Rday为第i天的降水量，Qsurf为第i天的地表径流量；Ea为第i天的蒸发量；Wseep为第i天存在于土壤剖面地层的渗透量和侧向流量；Qgw为第i天的地下水含水量。除了时间，以上变量单位都为mm。在本研究中，SWAT模型主要输入包括数字高程数据(DEM)、流域内7个气象站的降雨、气温及流域出口的径流和土壤分类、土地利用等数据。

2　计算结果

2.1月降雨量与月最高和最低气温的验证

为了验证LARS-WG天气发生器本身的可靠性，将由其所得数据与基准期的实测数据进行了比较。限于篇幅，这里只列举了东阳和衢州两个气象站点的月气温与月降雨数据。同时，计算了7个站点的模拟和实测年降雨总量，评估降雨总量模拟的准确性，结果如图2—4所示。

分析图2—4可知，7个站点的降雨总量实测值和模拟值的拟合程度较高。无论在年尺度还是月尺度，LARS-WG天气发生器均能较好地模拟降雨量，而LARS-WG天气发生器对气温的模拟结果优于对降雨的模拟结果。这表明，利用LARS-WG天气发生器作为统计降尺度工具来模拟降水与气温是可靠的。

图2　基准期多年平均年降雨量实测值与模拟值比较

图3　基准期月降雨量实测值与模拟值比较

图4　基准期月最高和最低气温实测值与模拟值比较

2.2SWAT模型的率定与验证

SWAT模型的输入包括了DEM、降雨、气温、土地利用和土壤分类等数据。兰江流域的土壤分类和土地利用情况如图5所示。

图5　兰江流域土壤分类和土地利用

模型使用SWAT-CUP工具进行率定。选取1979—1987年兰江站实测径流值进行率定，1988—1995年该站实测径流值进行验证。率定期和验证期的纳什效率系数都超过了0.72，可以认为SWAT模型能有效模拟兰江流域的径流，率定期和验证期的结果如图6所示。由图6可以看出，SWAT模型对7—9月的径流模拟效果略差。

图6　SWAT率定与验证结果图

2.3兰江流域未来径流变化

根据Xuan[13]等对CMIP5(The fifth phase of the Coupled Model Intercomparison Project)在浙江省的适用性评估结果，选取了其中模拟效果比较好的10个GCMs模型(表3)，计算气候变化影响下的降雨与气温值，以此驱动SWAT模型，计算兰江流域未来径流的变化。为了分析不同情景下兰江流域未来径流的变化，对10个模型在4个情景[14]下的径流都进行了模拟，并采用贝叶斯集合方法(BMA)[15]计算了其集合值。4个情景分别为RCP2.6、RCP4.5、RCP6.0和RCP8.5。RCPs是Representative Concentration Pathways的缩写，即有稳定浓度特征的代表性浓度路径。4个情景可以用辐射强迫和二氧化碳浓度来区分。简单来说，从RCP2.6到RCP8.5,辐射强迫、二氧化碳浓度和升温幅度逐步递增。

兰江流域在不同模型及情景下的年径流变化如图7所示。

图7　年径流量变化图

由图7知：在年尺度下，各个模型给出的结果是不一致的；大部分模型模拟得到的预测期的径流呈现增长的趋势，且随着辐射强迫的增加，径流增加幅度减少，这和BMA的结果一致；CanESM2给出的径流增长幅度是最高的，低排放下达到27%，高排放下达23%，远大于平均水准；ISPL-CM5A-LR则给出了相反的结论，即年径流减少量接近20%。以BMA结果作为参考，可以认为，到21世纪的最后30年，兰江流域的年径流量可能有5%的增长。

分析图8中BMA的结果可知:从季节变化来看，在RCP2.6和RCP4.5情景模式下，除了夏季径流有接近10%的增长外，其他几个季节都没有明显的变化；RCP6.0情景模式下，除了秋季，其他几个季节的径流量都有明显的减少；辐射强迫最高的RCP8.5情景模式下，夏季径流量增长明显，春季的略有减少，而夏季和秋季径流量变化并不明显。

受篇幅所限，月尺度的结果只列出4个情景模式下的BMA结果，如图9所示。除了RCP6.0外，月径流量以增加为主，而增加最大的幅度集中在7—9月，不同的情景模式下对径流的预测结果比较一致。

图8　季节径流变化图

图9　月径流变化图

3　结语

以天气发生器LARS-WG为工具，结合SWAT水文模型计算了10个不同的CMIP5模型下兰江流域2071—2100年的径流量，分析了其变化趋势。结果表明，在年尺度下，除了RCP6.0模式以外，其他情景模式下兰江流域未来的径流量都有增加的趋势。兰江流域的水资源四季分布不均，总量的增加并不意味着水资源压力的减小。从季节和月变化来看，夏季是水量增加的主要季节。这种情况在RCP8.5情景模式下尤为明显，可能预示着洪水季节洪涝灾害的风险增加，而枯水季节水资源短缺现象可能会加重。

[1]秦大河,THOMAS S．IPCC第五次评估报告第一工作组报告的亮点结论[J]．气候变化研究进展，2014，10(1)：1-6．

[2]张晓娅,杨世伦．流域气候变化和人类活动对长江径流量影响的辨识(1956—2011)[J]．长江流域资源与环境，2014，23(12)：1729-1739．

[3]高超,张正涛,陈实，等．RCP4.5情景下淮河流域气候变化的高分辨率模拟[J]．地理研究，2014，33(3)：467-477．

[4]胡彩虹,王纪军,柴晓玲，等．气候变化对黄河流域径流变化及其可能影响研究进展[J]．气象与环境科学，2013，36(2)：57-65．

[5]高超,姜彤,翟建青．过去(1958—2007)和未来(2011—2060)50年淮河流域气候变化趋势分析[J]．中国农业气象，2012，33(1)：8-17．

[6]刘吉峰,王金花,焦敏辉，等．全球气候变化背景下中国黄河流域的响应[J]．干旱区研究，2011，28(5)：860-865．

[7]金兴平,黄艳,杨文发，等．未来气候变化对长江流域水资源影响分析[J]．人民长江，2009，40(8)：35-38．

[8]高歌,陈德亮,徐影．未来气候变化对淮河流域径流的可能影响[J]．应用气象学报，2008，19(6)：741-748．

[9]XU W,MA C,KANG L,et al.Evaluating historical simulations of CMIP5 GCMs for key climatic variables in Zhejiang Province,China[J].Theoretical & Applied Climatology， 2015:1-16.

[10]QIAN B D,HAYHOE H,GAMEDA S.Evaluation of the stochastic weather generators LARS-WG and AAFC-WG for climate change impact studies[J].Climate Research,2005,29(1):3-21.

[11]SHAMSNIA S A.Evaluation of different GCM models and climate change scenarios using LARS-WG model in simulating meteorological data(Case study:Shiraz synoptic station,FarsProvince,Iran)[J].Evaluation,2013,3(9):6-12.

[12]张洪波,顾磊,辛琛，等．泾河流域干旱特征时空变化研究[J]．华北水利水电大学学报(自然科学版)，2016，37(3)：1-10．

[13]HASSAN Z,SHAMSUDIN S,HARUN S.Application of SDSM and LARS-WG for simulating and downscaling of rainfall and temperature[J].Theoretical and Applied Climatology,2014,116(1):243-257.

[14]MOSS R H,EDMONDS J A,HIBBARD K A,et al.The next generation of scenarios for climate change research and assessment[J].Nature,2010,463(7282):747-756.

[15]DUAN Qingyun,AJAMI N K,GAO Xiaogang,et al. Multi-model ensemble hydrologic prediction using Bayesian model averaging[J].Advances in Water Resources,2007,30(5):1371-1386.

(责任编辑：杜明侠)

Study on Future Changes of Lanjiang Basin Runoff under Climate Change

FU Qiang1， MA Chong2， ZHANG Xujie1， XU Yueping2

(1.Power China Huadong Engineering Corporation, Hangzhou 310014, China；2.Institute of Hydrology and Water Resources, School of Civil Engineering, Zhejiang University, Hanghzou 310058, China)

In order to analyze the change of climate on runoff, taking Lanjiang tributary of Zhejiang Qiantang River as a study area, selected a reference period from 1971 to 2000, selected a forecast period from 2017 to 2100, combined with LARS-WG and CMIP5 models of statistical downscaling methods, a distributed hydrological model of SWAT is used to calculate and analyze the possible changes of future runoff in Lanjiang basin. The results show that under the influence of climate change,it is very likely that the total amount of future runoff in Lanjiangbasin will increase, and at the same time the frequency of summer floods will also increase.

climate change; CMIP5; runoff change; LARS-WG model; SWAT model

2016-05-30

国家自然科学基金资助项目(51379183)；科技部国际合作项目(2010DFA24320)。

富强(1985—)，男，浙江云和人，工程师，硕士，主要从事水文水资源方面的研究。E-mail:fu_q@ecidi.com

10.3969/j.issn.1002-5634.2016.05.004

TV121+.1

A

1002-5634(2016)05-0022-06