LUCC及气候变化对澜沧江流域径流的影响

窦小东,黄 玮,易 琦,刘晓舟,左慧婷,李 蒙,李忠良

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

土地利用与土地覆被变化(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[1-5]。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、土壤水分含量等来改变流域的水资源状况[6-9],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[10-11],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,相对于通过主观假设流域内未来气温和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。澜沧江是沿岸居民的母亲河,流域上建有漫湾、大朝山、糯扎渡等8座梯级水电站[12-13],是我国西电东送的重要支撑,其水资源状况时刻影响着沿岸居民的生产生活。因此,研究LUCC和气候变化对澜沧江流域水资源的影响,对当地政府和沿岸几千万居民具有重要的现实意义。

图1 澜沧江流域示意图Fig.1 Sketch map of Lancang River Basin

分布式水文模型在LUCC和气候变化对流域水资源影响的模拟研究方面已得到广泛应用[14-16],其中,由美国农业部下属的农业研究所研制开发的SWAT (Soil and Water Assessment Tool)模型能够利用RS和GIS提供的空间数据信息、属性数据信息,来模拟不同土地利用、土壤类型以及管理等条件下的大面积复杂下垫面流域的水量、水质和水沙迁移等[17-20],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[21-22]。例如,祖拜代[1],李帅[2],郭军庭[6]等分别利用SWAT模型研究了乌鲁木齐河上游、清水河、潮河流域的土地利用和气候变化对径流的影响,但利用气候模式数据驱动SWAT模型对流域未来的径流变化趋势进行预测却极少报道。SWAT模型是否适用于澜沧江流域？LUCC和气候变化对径流的影响机理是什么？LUCC和气候变化对澜沧江流域径流的具体影响是什么？不同气候情景下,未来澜沧江流域径流是如何变化的？这些问题并不清楚。因此,本研究结合2006、2015年土地利用数据和近50年气象观测数据以及RCP4.5、RCP8.5气候排放情景数据,通过设置不同的情景,分别驱动SWAT模型对澜沧江流域径流进行模拟、预测,力图回答上述问题,以期为流域水资源规划管理、生态环境保护、水电安全生产等提供必要的科学依据。同时,本研究对驱动SWAT模型的气候模式数据的处理方法也可为相关研究者提供参考。

1 研究区概况

澜沧江是湄公河上游在中国境内河段的名称,其发源于中国青海省唐古拉山东北部杂多县,全长约2153 km,流域面积约17.4×104km2,是中国西南地区的大河之一[23]。澜沧江流经青海、西藏和云南三省,在云南省西双版纳傣族自治州勐腊县出境后称为湄公河(Mekong River),澜沧江及其下游的湄公河流域共穿越6个国家,纵贯13个纬度,最大相对高差近6000 m(图1),跨6种气候带,是一个特殊的环境变化敏感区,它在地理、气候、水文、生态学等方面都具有重要的科学研究价值[24-26]。澜沧江流域附近共建有县级气象站点43个(图1)。根据联合国粮农组织和维也纳国际应用系统研究所构建的HWSD (Harmonized World Soil Database)土壤数据库,流域内主要土壤类型有永冻薄层土(Gelic Leptosols)、简育高活性淋溶土(Haplic Luvisols)、松软薄层土(Mollic Leptosols)等共52种。根据SWAT模型要求,将流域内土地利用类型划分为农业用地、林地、草地、城镇用地、水体、未利用地、湿地共7种(图2,表1)。

图2 澜沧江流域2006、2015年土地利用类型图Fig.2 Land use map of Lancang River Basin in 2006 and 2015

年Year面积比例 Area percentage/%农业用地Agricultural land林地Forest land草地Grassland城镇用地Urban areas水体Water body未利用地Unused land湿地Wetland200632.9044.8818.020.043.770.380.01201517.0935.8245.840.340.390.330.19变化Change-15.81-9.0627.820.30-3.38-0.050.18

2 数据与方法

2.1 基础数据

建立SWAT模型所需的基础数据包括DEM数据、土地利用类型数据、土壤类型数据、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进行澜沧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,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,进而建立澜沧江流域的SWAT模型(1966—1970年为模型预热期,1971—1984年为模型参数率定期,1985—1997年为模型参数验证期,1998—2015年为模型不同情景对比期)。

表2 SWAT模型基础数据列表

利用SWAT_CUP,结合允景洪水文站1971—1997年逐月径流观测数据,对与径流量有关的参数进行重复率定和验证,利用决定系数R2(公式1)与纳什效率系数Ens(公式2)[2,27]检验模型是否通过验证,直到模拟结果通过检验为止。

(1)

(2)

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与Ens均在0—1之间变动,且均越接近于1模拟精度越高。研究表明[1-2,16]：R2>0.50即为模拟值与实测值的相关程度符合标准,R2>0.70模拟比较准确,R2=1表明完全吻合；1.00≥Ens>0.75模拟结果优秀,0.75≥Ens>0.65模拟结果良好,0.65≥Ens>0.50模拟结果合格,Ens≤0.50模拟结果不合格。

2.3 情景设置

2.3.1极端土地利用情景

通过研究不同土地利用类型相互转变对径流的影响,可揭示LUCC对径流的影响机理。为此,本研究采用极端假设的方法,即假设将某一土地利用类型全部转化为另一土地利用类型,然后模拟出流域的径流量,再根据模拟径流量相对基准径流量的变化情况,判断出这两种土地利用类型对流域产流的贡献顺序。鉴于澜沧江流域内主要土地利用类型为农业用地、林地、草地,且三者总和超过95%的实际情况(表1),本研究以2006年土地利用数据和1998—2006年气象数据为基准,设置如下四种情景(表3),以此研究农业用地、林地、草地相互转化时对流域径流的影响,进而得出三者对流域产流的贡献顺序。

2.3.2调试好的本地化的SWAT对气候要素的敏感度分析

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(以情景1为基准期),以此研究不同气候要素对径流的影响：

情景5：气温不变,设置降水增加20%、10%和减少10%、20%四种方案；

情景6：降水不变,设置气温增加1℃、2℃两种方案。

表3 极端土地利用情景设置

2.3.3LUCC和气候变化综合情景

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

表4 土地利用和气候变化综合情景设置

2.3.4不同气候变化情景下澜沧江未来径流变化预估

预估气候情景数据采用全球气候模式比较计划第五阶段(CMIP5)的EC-EARTH全球模式驱动区域气候模式RegCM4[28],模拟预估的澜沧江流域RCP4.5和RCP8.5两种情景[29]下1981—2099年逐日气象数据,模式分辨率为25 km×25 km。排放情景采用IPCC AR5使用的最新温室气体排放情景(典型浓度排放路径：Representative Concentration Pathways,RCPs),RCP8.5为最高的温室气体排放情景,RCP4.5为中间稳定路径,其实际变化与中国未来经济发展趋势较为一致,适合中国国情,符合政府对未来经济发展、应对气候变化的政策措施[30]。

为了分析澜沧江流域径流变化特征,根据经纬度,采用matlab的双三次插值方法将预估数据插值到流域周边43个气象站点,并参照初征[31]的订正方法对数据进行订正,以消除气候模式模拟结果存在的系统性误差,订正后流域年降水量均方根误差由480 mm减小到88.6 mm；年平均气温均方根误差由3.02℃减小为0.02℃。

本研究使用订正后的2016—2050年逐日气象数据(2016—2020作为模型预热期),在RCP4.5情景下,2021—2050年间,澜沧江流域平均降雨量呈增加趋势,增加速度为8.5 mm/10a,平均气温增速为0.29℃/10a；在RCP8.5情景下,平均降雨量也呈增加趋势,但增加速度更高,为37.9 mm/10a,平均气温增速为0.35℃/10a,以此数据驱动SWAT模型预估澜沧江流域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300000 hm2,将澜沧江流域划分为19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,土地利用类型、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49个水文响应单元。

3.1 参数率定与验证结果

对与径流有关的26个参数[32]进行率定,结果显示(表5)26个参数中对径流产生最为敏感的参数为土壤饱和导水系数(SOL_K)、河岸贮水的基流因子(ALPHA_BNK)、SCS径流曲线系数(CN2)、最大冠层截留量(CANMX)、子流域平均坡长(SLSUBBSN)、降雪气温(SFTMP),这说明流域径流主要受地表水与地下水转换、最大冠层截留量、地形、气候条件影响。允景洪水文站参数率定与验证结果(图3)显示,率定期参数R2、Ens分别达到0.80、0.80,验证期参数R2、Ens分别达到0.74、0.73,因此,SWAT模型在澜沧江流域径流模拟中具有很好的适用性,可以用SWAT模型进行流域径流模拟。

表5 澜沧江流域SWAT模型敏感性参数

SOL_K：Soil saturated hydraulic conductivity；ALPHA_BNK：Basic flow factor of river bank water storage；CN2：Coefficient of SCS runoff curve；CANMX：Maximum canopy interception；SLSUBBSN：Average slope length of sub-basin；SFTMP：Snow temperature；SOL_Z：Maximum root depth；GW_REVAP：Coefficient of re-evaporation of shallow groundwater；SOL_ALB：Moist soil albedo；REVAPMN：Threshold water depth in the shallow aquifer for "revap"；ALPHA_BF：Baseflowα factor；SOL_AWC：Available water capacity；SMFMN：Minimum snowmelt daily factor on Dec 21；SURLAG：Surface runoff delay time；TIMP：Icing temperature lag coefficient；GWQMN：Threshold water depth in the shallow aquifer for flow；ESCO：Soil evaporation compensation factor；SMTMP：Snowmelt minimum temperature；SMFMX：Maximum snowmelt daily factor on June 21；OV_N：Manning coefficient of overland flow on slope；CH_N2：Main channel Manning coefficient；EPCO：Vegetation transpiration compensation coefficient；RCHRG_DP：Permeability coefficient of deep cistern；GW_DELAY：Ground water delay；CH_K2：Effective hydraulic conductivity of channel；TLAPS：Air temperature decline rate；v：赋值，variable assignment；a：加值，add value；r：乘以(1+给定值)，multiply by (1+given value)

图3 澜沧江流域率定期和验证期降雨量及径流模拟结果Fig.3 Precipitation and Simulation results of calibration and validationperiod of runoff in Lancang River Basin

3.2 情景模拟结果分析

3.2.1不同土地利用类型转变对径流的影响

以情景1作为基准期,对比情景2(表6)可知,将占流域总面积32.90%的农业用地(表1)全部转化为林地,会导致月均径流量减少87.23 m3/s,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32.90%的农业用地全部转化为草地,会导致月均径流量减少15.47 m3/s,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44.88%的林地(表1)全部转化草地,会导致月均径流量增加93.22 m3/s,可见草地相对于林地具有增流作用。因此,农业用地、林地、草地三者对径流增加的贡献顺序为农业用地>草地>林地。

3.2.2气候要素对径流的影响

当气温不变,降水量分别增加20%和10%时,月均径流量分别增加了191.39 m3/s (11.57%)和78.41m3/s (4.74%)；降水量分别减少10%和20%时,月均径流量分别减少了48.96 m3/s (2.96%)和116.13 m3/s (7.02%)(表7),可见径流量的变化趋势和变化幅度与降水变化成正比。当降水不变,气温分别增加1℃和2℃时,月均径流量分别减少22.50 m3/s(1.36%)和36.23 m3/s(2.19%),可见径流量的变化趋势与气温变化趋势成反比,变化幅度与气温变化幅度成正比。

表6 澜沧江流域极端土地利用情景下径流模拟结果

表7 澜沧江流域气候要素对径流的影响

P：降水，Precipitation；T：气温，Temperature

3.2.3LUCC和气候变化共同影响下的径流模拟

模拟结果表明：情景7、8、9月均径流量分别为1666.57 m3/s、1605.07 m3/s、1617.43 m3/s(表8)。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12.36m3/s,结合表1可知,2006—2015年,流域内农业用地、林地、草地、城镇用地、水体、未利用地、湿地的变化率分别为-15.81%、-9.06%、27.82%、0.30%、-3.38%、-0.05%、0.18%,总体上增加的草地面积绝大部分由农业用地和林地转化而来,因此2006—2015年间,LUCC引起的月均径流量增加是由流域内林地转化为草地所致,且林地转化为草地引起的径流增加量强于农业用地转化为草地引起的径流减小量；对比情景8可知,气候变化引起月均径流量减少49.14 m3/s,而气象观测数据显示,2007—2015年间较1998—2006年间流域内月平均降雨量减少9.16mm、月平均气温升高0.2℃,这两项变化均会引起径流的减少,因此减少的径流由降雨和气温变化共同引起；对比情景9可知,土地利用和气候变化共同导致流域月均径流量减少36.78 m3/s。因此,2006—2015年间,澜沧江流域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,澜沧江径流量总体上呈减少趋势,相对于LUCC而言,气候变化在澜沧江径流变化中起主导作用。

表8 澜沧江流域不同情景模拟结果

3.2.4RCP4.5与RCP8.5情景下澜沧江未来径流变化预估

预估结果显示：RCP4.5和RCP8.5情景下,2021—2050年间澜沧江流域径流均呈增加趋势,增加的速率分别为4.47亿m3/10a和7.39亿m3/10a(图4)。而澜沧江流域允景洪水文站实测径流显示：1971—2015年间,流域径流呈减小趋势,减小的速率为22.74亿m3/10a。可见,RCP4.5和RCP8.5两种情景下,流域径流变化趋势已发生改变,由原来的减少趋势变为增加趋势。

图4 澜沧江流域RCP4.5和RCP8.5情景下年径流量趋势预估图Fig.4 Trend Prediction Map of Annual runoff under RCP4.5 and RCP8.5 scenarios in the Lancang River Basin

4 结论与讨论

4.1 结论

(1) SWAT模型在澜沧江流域径流模拟中具有很好的适用性,可以用SWAT模型来进行流域径流模拟、预测,率定期模型参数R2、Ens分别达到0.80、0.80,验证期R2、Ens分别达到0.74、0.73。

(2) 从土地利用方面考虑,将农业用地转化为林地或草地,均会导致径流量的减少,而将林地转化为草地则会引起径流量的增加,农业用地、林地、草地三者对径流增加贡献顺序为农业用地>草地>林地。从气候变化方面考虑,流域径流量与降雨量成正比,与气温成反比。

(3) 2006—2015年间澜沧江流域气候变化引起的月均径流减少幅度强于LUCC引起的月均径流增加幅度,径流变化由气候变化主导。

(4) 预估结果显示,在RCP4.5和RCP8.5两种气候排放情景下,2021—2050年间澜沧江流域径流均呈增加趋势,增加的速率分别为4.47亿m3/10a和7.39亿m3/10a,这与1971—2015年间流域实测径流变化趋势相反。

4.2 讨论

澜沧江流域集中了从热带到高寒地带的多种生物资源和森林资源,矿藏资源丰富,水能资源巨大,但其位于中国西南生态环境脆弱区[33],一方面,随着人类活动改造自然能力的加强,人类活动对地表覆盖的改变对径流的影响不容忽视,另一方面,气候变化导致的水热条件变化也会对流域径流产生深远的影响。从研究结果来看气候变化在澜沧江流域径流变化中占据主导作用,但这不等于说人类可以肆无忌惮的开采资源,无节制无规划的改变地表覆盖。

相关研究表明LUCC作为人类活动的集中体现,其直观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[34]。本研究结果中的农业用地、林地、草地三者对径流增加的贡献顺序与张新荣[35]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[36-37],因此引起径流增加。将草地转化为农业用地引起径流的增加,推测是相对草地而言,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。2006—2015年间澜沧江流域LUCC主要为农业用地和林地转化为草地,其中,农业用地转化为草地主要发生在上游的青藏高原地区(图2),这直观反映了近年来当地政府退耕还草的成果,虽然这种土地利用类型变化降低了径流量,但对改善青藏高原脆弱的生态环境和澜沧江源头的水质则大有益处。林地转化为草地主要发生在澜沧江中下游的云南省境内,主要是沿岸居民过度砍伐树木,导致林地退化所致,虽然这种地类变化有益于径流的增加,但对沿岸生态环境的长远发展必然会产生负面的影响。

气候变化作为影响流域水文过程的主要因素之一[10],其对水资源的影响主要体现在降水和温度的变化上[15]。本研究表明,在对流域未来径流变化预估中,RCP4.5和RCP8.5情景下,澜沧江流域径流均呈增加趋势,这与黄金龙等[10]对RCP4.5情景下长江上游流域径流模拟的结果一致,推测是由于在RCP4.5情景下,长江上游流域降雨呈增加趋势[10],而澜沧江流域降雨也呈增加趋势(RCP4.5、RCP8.5情景下,2021—2050年均降雨量较1971—2015年均降雨量分别增加70.63mm、105.4mm)所致。

本研究中SWAT模型可以较好的用于澜沧江流域的径流模拟,但模型的模拟精度并没有达到优秀的标准[1,2,5,16],推测与如下因素有关。流域内水电站、水库的建设和生产会考虑丰枯水期的安全生产需要而人为进行蓄水或泄洪,这必将会对径流产生一定的影响,甚至会改变径流的月际或年际分配。廖文婷等[38]研究表明,葛洲坝和三峡水利枢纽的建立使下游宜昌站径流的年内分配趋于平缓,洪峰被削弱,洪水发生几率降低,枯水期有所提前。黄维等[39]研究表明,三峡工程减少了洞庭湖上游的来水量,改变了洞庭湖原来的水位/量变化规律。贾凤[40]研究表明,流域梯级电站开发对径流的人工控制对松花江中下游自然河流状态的径流量年内分配具有很大的影响。然而由于数据获取的原因,本研究在模拟时无法考虑水电站及水库对径流的影响,这将会在一定程度上降低模型的模拟精度,同时,流域内居民生产生活用水等也会在一定程度上影响径流,这些也有待于进一步研究。此外,本研究在利用SWAT模型开展2021—2050年的径流预估时,除气象驱动数据为模式计算结果提供外,其余土壤数据、植被覆盖数据采用的是历史时期数据,这与未来的实际情况必然不同,因此也会给预估结果带来一定的不确定性。