LUCC及气候变化对龙川江流域径流的影响

2019-02-26窦小东刘晓舟李忠良

生态环境学报 2019年1期

窦小东，黄玮，易琦，刘晓舟，李蒙，李忠良

1. 云南省气象服务中心，云南昆明 650034；2. 云南省气候中心，云南昆明 650034；3. 云南大学资源环境与地球科学学院，云南昆明 650504；4. 南京信息工程大学遥感与测绘工程学院，江苏南京 210044

土地利用/覆被变化（LUCC）和气候变化是影响流域水资源变化的最直接因素，也是流域水资源变化研究的热点（Yang et al.，2017；Guo et al.，2016；祖拜代·木依布拉等，2018；李帅等，2017；杨满根等，2017）。LUCC通过下垫面覆盖物的改变，影响冠层截留、地表蒸散发、下渗等来改变流域的水资源状况（Li et al.，2018；Zhang et al.，2018；郭军庭等，2014；张翔等，2014；张新荣等，2014），气候变化则通过改变大气降水的时空分布、地表蒸发等来影响流域的径流量（Zhang et al.，2017；黄金龙等，2016；张建云等，2007；姚玉璧等，2013），其中通过气候模式数据驱动水文模型是气候变化水文响应研究的一个新方向，相较于通过直接假设流域内未来气温、降水的变化来研究其水文响应具有更好的科学性、合理性，是未来研究气候变化水文响应的主流和热点。目前，分布式水文模型SWAT（Soil and Water Assessment Tool）在二者对流域水资源状况影响的模拟研究方面得到了广泛的应用（Wang et al.，2017；王莺等，2017；赵杰等，2015；袁宇志等，2015；刘世梁等，2016；孟现勇等，2017）。SWAT模型是由美国农业部（USDA）下属的农业研究所（ARS）研制开发的流域尺度、连续时段、基于过程的分布式水文模型，具有很强的物理基础，能够模拟不同土地利用、土壤类型以及管理等条件下的复杂下垫面流域的水量、水质和水沙迁移等（Anand et al.，2018；成向荣等，2017；王学等，2013；刘瑶等，2015；张小丽等，2014；张蕾等，2009），其主要应用领域之一就是对LUCC和气候变化的水文响应进行模拟分析（杨凯杰等，2018）。

龙川江流域属低热河谷区域，具有典型的低纬高原季风气候特征，多年平均降雨量约1517 mm，多年月均径流量约251.76 m3·s-1。龙川江流域的烤烟生产和梯级水电开发是当地能源稳定和经济发展的重要保障。研究LUCC及气候变化对龙川江流域水资源的影响，对于沿岸工农业生产、居民生活以及流域未来水资源规划管理均具有重要的意义，且目前少有专家学者结合不同LUCC和气候情景，应用SWAT模型对该流域径流变化进行研究。

基于此，本研究结合2006年、2015年土地利用状况和气候变化数据，通过设置不同情景分别探讨了单一土地利用类型、不同气候要素对流域径流的影响，以及LUCC、气候变化对流域径流的综合影响，最后结合RCP4.5、RCP8.5两种气候情景对流域未来的径流量进行了预测和分析，研究结果可为龙川江流域产业发展、生态环境保护、水资源规划管理等提供重要的科学依据。

1 研究区概况

龙川江发源于云南省保山市西北部和怒江傈僳族自治州南部交界的高黎贡山，河源海拔约3400 m，干流总长约312 km，流域面积约10820 km2，天然落差约 2600 m，属伊洛瓦底江水系，是伊洛瓦底江东岸一级支流，流经腾冲市、龙陵县和潞西市等 10多个乡镇，在潞西市西南部与芒市河汇合后称为瑞丽江（黄声威等，2018；姜太芹，2014，2015；郑瑾，2008）。龙川江流域附近共建有县级气象站点8个（图1）。根据联合国粮农组织（FAO）和维也纳国际应用系统研究所（IIASA）构建的HWSD（Harmonized World Soil Database）土壤数据库，流域内主要土壤类型有铁质低活性强酸土（Ferric Acrisols）、简育低活性强酸土（Haplic Acrisols）、简育高活性淋溶土（Haplic Luvisols）、腐殖质低活性强酸土（Humic Acrisols）、铁质低活性淋溶土（Ferric Lixisols）等共21种（图2）。根据SWAT模型要求，将流域内土地利用类型分为农业用地、林地、草地、城镇用地、水体、湿地共 6种（图3，表1）。

图1 龙川江流域示意图Fig.1 Sketch map of Longchuan River Watershed

图2 龙川江流域土壤类型图Fig.2 Soil types map of Longchuan River Watershed

2 数据与方法

2.1 基础数据

建立SWAT模型所需的数据包括DEM数据、土壤类型数据、土地利用类型数据、气象数据、水文数据（表2）。

2.2 模型的建立及参数率定与验证

本研究采用SWAT模型，利用DEM进行龙川江流域及其子流域划分、河网生成，再结合土地利用栅格数据、土壤栅格数据，划分各子流域内的水文响应单元（HRU），并根据收集的土壤数据、气象数据分别建立土壤属性数据库、气象属性数据库，进而建立龙川江流域的SWAT模型。

利用SWAT_CUP，结合龙川江戛中水文站1971－2015年逐月径流观测数据，对与径流量有关的26个参数（王学，2012）进行重复率定和验证。SWAT_CUP每批次运算后会采用 Latin Hypercube One-factor-At-a-Time（LH-OAT）方法（李曼曼，2012）自动分析参数的敏感性并进行敏感性排序，同时给出下一批次率定的建议参数，使用者可对新参数进行修改，也可直接使用新参数进行下一批次率定，然后利用模型计算出的决定系数R2（公式1）与纳什效率系数 Ens（公式 2）（李帅等，2017；胡胜，2015）检验模型是否通过验证，直到模拟结果通过检验为止。

图3 龙川江流域2006（a）年、2015（b）年土地利用类型图Fig.3 Land use map of Longchuan River Watershed in 2006 (a) and 2015 (b)

表1 2006年、2015年龙川江流域土地利用面积比例Table1 Land use percentage of Longchuan River Watershed in 2006 and 2015

表2 SWAT模型基础数据列表Table2 List of basic for SWAT model

式中，Qo,i为实测流量值；Qp,i为模拟流量值；Qavg为实测流量平均值；Qpavg为模拟流量平均值。R2取值为0～1，数值越大表示吻合程度越高。

式中，Qo,i为实测流量值；Qp,i为模拟流量值；Qavg为实测流量平均值。Ens在0－1之间变动，越接近于1表示模拟精度越高。

研究表明（祖拜代·木依布拉等，2018；李帅等，2017；孟现勇等，2017）：R2＞0.50表示模拟值与实测值的相关程度符合标准，R2＞0.70表示模拟比较准确，R2=1表示完全吻合；1.00≥Ens＞0.75表示模拟结果优秀，0.75≥Ens＞0.65表示模拟结果良好，0.65≥Ens＞0.50 表示模拟结果合格，Ens≤0.50 表示模拟结果不合格。

2.3 情景设置

（1）单一土地利用类型情景

考虑到龙川江流域内主要土地利用类型为农业用地、林地、草地（表1），且三者面积总和超过 99%，本研究以 2006年土地利用数据和 1998－2006年气象数据为基准期，设置如下4种情景（表3），以此研究单一土地利用类型对流域径流的影响。

表3 单一土地利用类型情景设置Table3 Single land use type scenario

表4 土地利用和气候情景设置Table4 Land use and climate scenarios

（2）气候要素情景

根据IPCC第五次评估报告，在未来可能的气候变化范围内设置如下情景（同样以情景1为基准期）：

情景 5：气温不变，设置降水增加 10%、20%和减少10%、20% 4种方案；

情景6：降水不变，设置气温增加1 ℃、2 ℃两种方案。

（3）LUCC和气候变化综合情景

采用如下3种情景（表4），以情景1为基准期，对比情景7分析LUCC对流域径流的影响；对比情景 8分析气候变化对流域径流的影响；对比情景 9分析LUCC和气候变化对流域径流的综合影响。

（4）RCP4.5和RCP8.5情景下龙川江未来径流量变化预估

采用全球气候模式比较计划第五阶段（Coupled Model Intercomparison Project，CMIP5）的EC-EARTH全球模式数据，运用动力降尺度和统计降尺度相结合的方法，耦合区域气候模式RegCM4，得到的龙川江流域 RCP4.5和 RCP8.5两种情景模式，再采用统计降尺度中的转换函数法，得到2016－2050年逐日气象数据。以此驱动SWAT模型（采用2015年土地利用数据；2016－2020年作为模型预热期），预估龙川江流域 2021－2050年的径流变化。

3 结果与分析

利用ARCGIS加载整理好的DEM数据，结合实际河网数据，集水面积阈值设定为15000 hm2，将龙川江流域划分为 15个子流域，载入重分类后的土地利用类型数据、土壤类型数据，坡度划分为2类，土地利用、土壤类型、坡度分级的阈值分别设置为25%、20%、25%，最终将全流域划分为43个水文响应单元（HRU）。

3.1 参数率定与验证

参数率定结果显示（表5），26个参数中对径流产生最为敏感的参数依次为最大冠层截留量（CANMX）、土壤可利用有效水（SOL_AWC）、河岸贮水的基流因子（ALPHA_BNK）、SCS径流曲线系数（CN2），这说明龙川江径流对地表覆盖、地表水与地下水交换、河岸的蓄水能力的变化较为敏感。戛中水文站参数率定与验证结果（表 6，图4）显示，率定期参数R2、Ens分别达到0.73、0.71，验证期参数R2、Ens分别达到0.75、0.74，因此，SWAT模型在龙川江流域径流模拟中具有较好的适用性，可以用SWAT模型来进行流域径流模拟。

表5 龙川江流域SWAT模型敏感性参数Table5 Sensitive Parameters of SWAT model in Longchuan River Watershed

表6 龙川江流域SWAT模型月径流模拟率定和验证结果Table6 Calibration and validation results of SWAT model for monthly runoff simulation in Longchuan River Watershed

表7 龙川江流域单一土地利用情景下径流模拟结果Table7 Simulation results of runoff under single land use scenarios in Longchuan River Watershed

3.2 情景模拟分析

（1）单一土地利用类型对流域径流的影响

以情景1作为基准，对比情景2（表7）可知，将占流域总面积 20.97%的农业用地全部转化为林地，会导致龙川江流域月均径流量减少0.91 m3·s-1，可见林地相对于农业用地具有减流作用；对比情景3可知，将占流域总面积20.97%的农业用地全部转化为草地，会导致龙川江流域月均径流量减少0.34 m3·s-1，可见草地相对于农业用地也具有减流作用；对比情景4可知，将占流域总面积78.15%的林地全部转化为草地，会导致龙川江流域月均径流量增加3.28 m3·s-1，可见草地相对于林地有增流作用。农业用地、林地、草地三者对径流增加的贡献大小顺序为农业用地＞草地＞林地。

（2）气候要素对流域径流的影响

图4 龙川江流域率定期和验证期降雨量及径流模拟结果Fig.4 Precipitation and Simulation results of calibration and validation period of runoff in Longchuan River Watershed

当气温不变，降水量分别增加20%和10%时，流域月均径流量分别增加了22.62 m3·s-1（9.15%）和11.17 m3·s-1（4.52%）；降水量分别减少10%和20%时，流域月均径流量分别减少了 6.52 m3·s-1（2.64%）和15.5 m3·s-1（6.27%）（表8）。可见流域内径流量随着降水量的增加而增加，径流变化幅度与降水变化幅度呈正比。当降水不变，气温分别增加1 ℃和2 ℃时，流域月均径流量分别减少4.01 m3·s-1（1.62%）和 5.79 m3·s-1（2.34%），可见流域内径流变化幅度与气温变化幅度呈反比，这应该是由于温度升高导致流域蒸发量增大，进而导致径流量下降。

（3）LUCC和气候变化共同影响下的径流模拟

情景分析结果表明：情景7、8、9的月平均径流量分别为 247.87、244.84、245.56 m3·s-1（表 9）。同样以情景1为基准期，对比情景7可知，LUCC引起月均径流量增加0.72 m3·s-1，再对比表1可知，2006－2015年，农业用地、林地、草地、城镇用地、水体、湿地的变化率分别为7.38%、-10.44%、2.54%、0.46%、0.04%、0.02%。总体上，减少的林地面积绝大部分转化为农业用地和草地。因此，2006－2015年间，LUCC引起的月均径流量增加主要是由林地转化为农业用地和草地所致。对比情景8可知，气候变化引起月均径流量减少2.31 m3·s-1，而2007－2015年间流域内月平均气温较1998－2006年升高0.06 ℃、月降雨量减少7.24 mm，因此2006－2015年间，气候变化引起的月均径流量减少是由降雨和气温的变化共同引起。对比情景9可知，土地利用和气候变化综合作用结果为流域月均径流量减少1.59 m3·s-1。因此，2006－2015年间龙川江流域的LUCC引起的月均径流量增加幅度小于气候变化引起的月均径流量减少幅度。2006－2015年间，龙川江径流量总体上呈减少趋势，相对LUCC而言，气候变化在龙川江径流变化中起主导作用。

（4）RCP4.5和RCP8.5情景下龙川江未来径流量变化预估

模型预估结果显示：RCP4.5和RCP8.5气候情景下，2021－2050年间龙川江流域径流均呈减少趋势，减少的速率分别为 9.48×108m3·10a-1和 12.29×108m3·10a-1（图5）。而龙川江流域戛中水文站实测径流显示：1971－2015年间，流域径流也呈减少趋势，但减少的速率仅为3.58×108m3·10a-1。可见，RCP4.5和RCP8.5两种气候情景下，流域径流的减少速率明显增加，分别为1971－2015年减速的2.65倍、3.43倍。这将使龙川江沿岸居居民生产生活不断增长的水资源需求变得日益严峻。

表8 龙川江流域气候变化情景下径流模拟结果Table8 Simulation results of runoff under climate change scenarios in Longchuan River Watershed

表9 龙川江流域不同情景模拟结果Table9 Simulation results of different scenarios in Longchuan River Watershed

图5 龙川江流域实测径流及RCP4.5和RCP8.5情景下年径流量趋势预估图Fig.5 Trend prediction map of annual runoff under RCP4.5 and RCP8.5 scenarios and measured runoff in Longchuan River Watershed

4 结论与讨论

4.1 讨论

水文模型已成为评价流域水文过程的重要工具，但模拟精度受诸多因素的影响（Zhang et al.，2018；成向荣等，2017）。本研究参数率定期和验证期的 R2分别为 0.73、0.75，Ens分别为 0.71、0.74，未达到优秀的标准（Yang et al.，2017；祖拜代·木依布拉等，2018；李帅等，2017；孟现勇等，2017），可能与如下因素有关。流域上的水电站建设会考虑丰枯水期的安全生产需要而人为进行蓄水或泄洪，这对径流产生了一定的影响，甚至会改变径流的月际或年际分配。同时，流域内的各类型水库在丰水期的泄洪和枯水期的蓄水也会导致流域径流的变化，然而由于数据获取困难，本研究在模拟时无法考虑水电站及水库对径流的影响，这在一定程度上降低了模型的模拟精度。此外，流域内的居民生产生活消耗的工业用水量、灌溉用水量以及居民生活用水量等也会在一定程度上影响径流，这些也有待进一步研究。

LUCC直接反映了人类活动对自然环境的影响，并影响着流域的水文过程（成向荣等，2017）。本研究模拟结果表明，龙川江流域农业用地、林地、草地三者对径流增加的贡献的大小顺序为农业用地＞草地＞林地，这与张新荣等（2014）、史晓亮等（2014）的研究结果一致，林地转化为草地、农业用地，降低了冠层截留、入渗和蒸发（王杰等，2013；吴淼等，2018），从而引起径流增加。将草地转化为农业用地引起径流的增加，应该是相对草地而言，农业用地降低了土壤的涵养水源能力，增加了产汇流作用所致。

气候变化是影响流域水文过程的主要因素之一（田振兴等，2018），而气候变化对水资源的影响主要体现在温度和降水的变化上（王莺等，2017）。本研究模拟结果表明，当气温不变时，流域的径流随着降水的增加而增加，当降水不变时，流域径流随着气温的增加而降低，这与李帅等（2017）、袁宇志等（2015）的研究结果一致，且降水变化对流域径流的影响强度强于气温变化的影响强度，降水在径流的变化中占主导作用。

在对流域未来径流变化预估中，在 RCP4.5和RCP8.5气候情景下，龙川江流域径流均呈下降趋势，而黄金龙等（2016）对 RCP4.5情景下长江上游流域径流模拟结果显示，未来长江上游流域径流将呈增加趋势，与本研究结果相反，这可能是由于二者分属不同流域，在 RCP4.5情境下未来长江上游流域降雨呈增加趋势（黄金龙等，2016），而龙川江流域降雨呈减少趋势（2021－2050年降雨量较1971－2015年均减少96 mm）所致。