变化环境下韩江生态流量演变特征分析

2021-11-02李泽君黄本胜蔡宴朋杨志峰陈思淳

水资源保护 2021年5期

李泽君，黄本胜，邱静，蔡宴朋，杨志峰，陈思淳

(1.广东省水利水电科学研究院，广东广州 510610； 2.广东工业大学环境生态工程研究院，广东广州 510006; 3.河口水利技术国家联合工程实验室，广东广州 510610)

社会经济的快速发展使得人类社会对水资源的开发利用和干预逐步增强。水库、梯级电站等水利工程的修建，破坏了河流的天然连通性，加之社会用水对径流的挤占，引发河流水文情势的改变，甚至导致河流生态系统结构改变和功能的退化[1]。河流生态环境恶化引起社会对生态流量的关注，联合国在2015年通过的《2030年可持续发展议程》中，将实施生态流量作为实现可持续发展目标的重要措施之一[2]。河流生态流量是指能够维持河流生态系统健康，满足人类生存发展所需要的流量[3]，其中维持河流基本形态和基本生态功能所需的流量称为生态基流[4-5]。

关于生态流量的研究最早开始于20世纪40年代，经过不断探索与实践，生态流量的评价指标体系和评价方法得到了不断发展，河流生态流量保障已逐渐成为水资源调度与管理的重要内容之一[6-8]。如，Richter等[9]提出变异范围法(range of variability approach， RVA)确定河流生态流量管理目标，用于指导河流天然情势的恢复与保障工作，其中变化范围法中包含了不同时间尺度下流量的量级、历时、出现时间、频率、变幅等多个统计指标。考虑到水文非一致性因素对生态流量目标确定的影响，王强等[10]采用水文时间序列变异检验方法分析了江西潦河径流的变异性，通过构建水文模型对变异后时段内的径流进行还原，确定了天然状态下河道生态流量目标。Torabi等[11]基于流量的量级、历时和年内变幅等特征值，提出了一个可适用于变化环境(包括大坝修建、气候变化、土地利用变化等)河流水文情势影响的综合指标。卢有麟等[12]采用Tennant法计算出宜昌站逐月生态流量目标，以发电量最大和生态缺水量最小为目标建立了三峡梯级电站多目标生态优化调度模型，对三峡梯级枢纽多目标生态优化调度进行了研究。

在全球气候变化和人类活动强度不断增强的背景下，河流生态流量所受影响日益显著，开展变化环境下河道生态流量的影响评估和适应性管理研究，成为保护河流生态系统的新需求。如，Thompson等[13]通过在湄公河构建MIKE SHE模型，基于RVA评估气候变化情景下河道生态流量变化的不确定性，研究结果表明河道内枯水流量在气候变化影响下不确定性更大。Laizé等[14]综合考虑了不同气候变化情景和社会经济用水情景下欧洲河流生态流量的变化，结果指出变化环境下欧洲约2/3的河流将面临中等或高度变化的风险。陈晓宏等[15]将生态流量破坏率纳入水库调度优化目标，通过模拟未来气候情景下澜沧江流域径流过程，对气候变化影响下梯级电站发电和生态效益间的冲突变化情况进行了分析。整体而言，目前针对变化环境下河道生态流量影响评估的研究仍相对较少，且较多侧重于考虑气候变化条件下的模拟分析。随着社会经济的进一步发展，土地利用率的逐步提高(如城镇化提高)，土地利用和气候条件变化的综合影响将为生态流量变化带来更多不确定性。

韩江作为粤东、闽西南地区重要河流，是流域内各地区的主要供水水源，新建的外调水工程(如韩江榕江练江水系连通工程)也将使韩江成为流域外其他区域的重要水源。另一方面，韩江流域水库丰枯调蓄能力相对较弱，流域多年平均径流量 153亿m3，而流域内4座大型水库总兴利库容约 13亿m3。资源与工程方面的综合因素导致了韩江流域枯水期长期面临较为严重的河道内外用水矛盾[16]。本文以韩江流域为研究区，构建分布式水文模型，开展土地利用变化模拟，并结合多气候模式输出的全球气候变化数据，开展韩江流域水文模拟，选取生态流量相关指标值，探究气候条件和土地利用变化综合影响下河道生态流量的时空演变特征，以期为未来流域水资源规划管理和生态环境的修复提供参考。

1 研究区概况与资料来源

韩江流域面积30 112 km2，其中59.4%在广东省境内，40.1%在福建省境内，其余位于江西省境内(图1)。流域多年平均降水量在1 600 mm左右，汛期降水量占全年降水量的80%。降水年内丰枯不均导致韩江流域汛枯季径流量差异明显，汛期平均径流量达枯季的2.7倍。韩江流域多年平均水资源总量为153.5亿m3，流域总人口为1 072.3万人，现状用水量为46.9亿m3。目前流域内已建4座大型水库中，位于汀江支流的棉花滩水库兴利库容占比达到了84%，其余3座(益塘水库、合水水库和长潭水库)位于梅江支流，总兴利库容仅约2亿m3。此外，韩江流域也是诸多水生生物的繁衍栖息地，其中分布有国家Ⅰ级重点保护物种鼋和国家Ⅱ级重点保护物种花鳗鲡，但是从区系角度来看该流域水生物种大多属于单种属和寡种属，一旦受到破坏和人为干扰，这些物种极容易消失。

图1 韩江流域概况

本研究资料包括潮安水文站1979—2005年逐日径流序列，五华、梅县、上杭、长汀、龙岩等共16个气象站点的1979—2005年逐日降水、气温、风速、辐射、相对湿度序列，1995年、2010年和2015年土地利用/覆被数据(分辨率1 km)，1∶100万全球土壤数据库(HWSD)土壤类型数据，SRTM 90 m数字高程模型(DEM)数据。

未来气候情景来源于IPCC第五次评估报告(IPCC AR5)发布的23个气候模式资料，选取RCP 4.5和RCP 8.5两种情景代表浓度路径(representative concentration pathways， RCP)，以23个模式的集合平均降水和气温作为未来气候条件。

2 研究方法

2.1 SWAT分布式水文模型

SWAT(soil and water assessment tool)模型是由美国农业部研制开发的分布式流域水文模型，可用于模拟流域内水流、泥沙、营养物等在日尺度上的输移与转化过程[17]。SWAT模型基于地形将流域首先划分为多个子流域，然后根据土地利用/覆被类型、土壤类型、地形等因素将子流域进一步划分为水文响应单元(hydrologic response units，HRU)。SWAT模型在HRU尺度上进行水量平衡计算，HRU相互独立，不发生水分交换。HRU上形成的地表、地下径流汇入子流域出口，然后经河道汇流演算至流域出口。

采用SWAT-CUP[18]程序内嵌的SUFI-2算法对SWAT模型参数进行率定。SUFI-2算法可以同时进行参数优化和不确定性分析，能够在不同空间尺度(HRU、子流域和流域尺度)上对SWAT模型进行快速调参。SWAT模型以1979—1995年为率定期(其中1979年为预热期)，1996—2005年为验证期。采用Nash-Sutcliffe效率系数NSE、径流总量相对误差RE和确定性系数R2对模型率定和验证结果进行评价。结果表明，率定期和验证期日尺度NSE均高于0.7，月尺度NSE均高于0.8；RE率定期为 -7.53%，验证期为10.7%；率定期和验证期R2日尺度均高于0.7，月尺度均高于0.8。整体而言，SWAT模型在韩江流域模拟精度较好。

2.2 CA-Markov模型

元胞自动机(cellular automata， CA)是一种非线性动力学系统，CA模型将时间、空间、状态离散，根据局部的、相同的相互作用规则进行更新，具有强大的空间运算能力。Markov过程是指具有“无后效性”特征的随机过程。CA-Markov模型发挥了CA模型模拟复杂系统空间变化的能力和Markov模型长期预测的优势[19]，其基本原理是以基准期的土地利用为初始状态，以土地利用转移矩阵和适宜性图集为依据，对土地利用空间分布进行迭代模拟。土地利用模拟结果的验证通常采用Kappa空间相关统计系数，当该系数大于或等于0.75时，说明两幅图一致性较高。

通过ArcGIS对韩江流域土地利用类型进行重分类，得到以林地、草地、水体、城镇和农田5种土地利用类型为主的1995年、2010年和2015年土地利用数据。基于1995年和2010年土地利用数据，以年为时间步长，采用IDRISI软件提取土地利用转移概率矩阵，作为每次迭代元胞转换数量的决策依据。然后以1995年土地利用数据为初始状态，采用CA-Markov模型进行逐年迭代模拟，得到2015年模拟土地利用数据，进行精度评价。在以1995年和2010年生成的土地利用转移矩阵基础上，将2015年土地利用数据作为初始状态，基于CA-Markov模型对韩江流域2050年土地利用空间分布格局进行模拟，得到未来情景年土地利用数据。

2.3 Delta方法

采用Delta方法实现未来气候情景下降水和气温序列的生成。Delta方法的基本原理是将GCM所模拟某一气候要素在未来和现状情景下的相对改变，叠加到该气候要素基准期实际观测序列上，从而得到该气候要素未来情景下的数据序列[20]。进行Delta方法计算时，首先确定格网内GCM未来时期与基准时期气候要素月均值的比率(降水)或差值(气温)，然后对基准期实测气象资料进行缩放(降水)或加减(气温)，从而得到未来格网内的气候要素值。以1979—2005年为历史基准时期，2040—2060年为未来气候变化时期。

2.4 生态流量评价指标

DR=(1-NS/NT)×100%

(1)

DM=max(1-Qt/Qm)×100%

(2)

式中：DR为生态基流破坏率，%；DM为生态基流最大破坏深度，%；NS为断面流量达到生态基流的时段数；NT为总时段数；Qt为t时刻断面流量，m3/s；Qm为断面生态基流值，m3/s。

3 结果与分析

3.1 土地利用变化模拟

图2为韩江流域2015年实测、模拟土地利用与2050年模拟土地利用情况。由图2可见，2015年模拟土地利用空间布局整体与实际情况比较接近，土地利用情景Kappa系数为0.986，说明土地利用模拟结果具有较高的可信度。2050年土地利用模拟结果表明，未来韩江流域内城镇用地和草地面积将继续扩大，分别由2%和8%扩大至4%和9%，而林地和农田面积将进一步减小，分别由74%和15%减小至71%和14%。其中，城镇用地扩张较为明显，由当前的691 km2扩大至1 207 km2，2050年约占韩江流域总面积的4%。城镇用地扩张最为显著的区域位于梅江中上游区域，该区域为五华县、兴宁市、梅州市区所在地，人口规模约300万人，约占潮安断面以上韩江流域总人口的40%。

(a) 2015年实测

3.2 不同情景下潮安断面生态流量的演变

表1 不同情景下潮安断面流量特征值变化情况

图3为不同情景下潮安断面流量对数经验频率曲线与以及其中经验频率大于或等于50%对应流量的相对变化情况。可以看出，土地利用和气候变化对Q50～Q90(平水至枯水)区间的流量影响在特征上基本一致，流量变幅大体上呈现由Q50～Q90逐渐减小的趋势，流量相对变化值在Q50～Q75(平偏枯)区间较为平稳，而在Q75～Q90(枯水)区间则随着流量值的减小而增大；对于流量值低于Q95的特枯流量，相对变化值虽然存在一定波动，但仍低于平偏枯流量。可见枯水期流量对变化环境相对更加敏感。

(a) RCP 4.5情景

(b) RCP 8.5情景

图4为不同情景下潮安断面逐月流量变化情况。可以看出，在2050年土地利用情景下，韩江流域 2—9月平均流量均有所增大，而在枯水期的10月至次年1月，韩江流域平均流量有所降低。土地利用变化对潮安断面逐月流量的影响整体低于 ±2%。相较于土地利用变化，气候变化对潮安断面逐月流量的影响更加显著，整体变幅在-33%～21%之间。其中6—10月流量显著增加，而1—4月、11—12月流量显著减少。相较于RCP 4.5情景(图4(a))，RCP 8.5情景(图4(b))下潮安断面汛期逐月流量增幅普遍偏低，而枯水期流量减幅整体偏大。气候变化影响下，潮安断面2—4月平均流量下降幅度超过15%，最大可达32.3%。土地利用和气候变化综合影响下，潮安断面汛期逐月流量增幅进一步扩大，而枯水期流量减幅低于气候变化单因素造成的影响。

(a) RCP 4.5情景与土地利用变化

表2为不同情景下潮安断面最枯年生态基流破坏情况。由表2可以看出，土地利用变化对潮安断面生态基流的DR和DM影响较小。RCP 4.5和RCP 8.5情景下，潮安断面生态基流的DR分别下降了6.4%、6.1%，而DM分别上升了11.6%、13.1%。土地利用和气候变化综合影响下，潮安断面生态基流破坏情况出现了分化：在土地利用变化与RCP 4.5情景下，潮安断面生态基流破坏情况有所改善；而在土地利用变化与RCP 8.5情景下，潮安断面生态基流破坏情况加剧。

表2 潮安断面最枯年生态基流破坏情况

3.3 不同情景下生态流量的空间演变特征

(a) LU 2050

(b) RCP 4.5

(d) RCP 4.5 +LU 2050

(e) RCP8.5 +LU 2050

3.4 讨论

由表1和图3可以发现，土地利用和气候变化虽然会导致潮安断面中低值流量减小，但是对于高值区流量则存在不同影响特征。表3统计了不同情景下流量高值区域10%经验频率流量值Q10和最大连续7 d平均流量Qmax7的变化情况，可以看出土地利用和气候变化情景下，Q10略有下降，Qmax7增幅超过20%，Qmax7的变化幅度均高于Q10，可见，相较于Q10，Qmax7代表了更加极端的洪水流量过程。通过对图3中经验频率小于等于6%的部分放大(图9)可以发现，由情景变化所引起的潮安断面流量变化发生分化的临界点约在3%经验频率位置，对应流量值约为2 800 m3/s。结合图3相关结果，当流量经验频率大于等于3%时，土地利用和气候变化将导致流量减少；而当流量经验频率小于3%时，土地利用和气候变化将导致流量增大。

表3 不同情景下流量高值区域Q10和Qmax7变化情况

(a) RCP 4.5情景

综上，未来不同情景下韩江流域径流总量减少，枯水流量下降，平水至枯水区间流量变异性减小。汛期将面临更加极端的洪水事件，来水不确定性增大，考虑到韩江流域内水库工程蓄水能力较弱，将导致汛期弃水增加，长期来看径流总量的减少和弃水的增加有可能导致流域内水库汛期蓄水量减少，从而在枯水期面临更加严峻的供水和生态补水压力，枯季生态流量保障风险进一步增大。

由于土地利用/覆被类型影响着产汇流和蒸散发等水文过程，因此流域内土地利用的空间分布也会对生态流量过程产生影响。探究土地利用变化对生态流量的影响可以指导流域土地规划管理，具有一定的现实意义。开展土地利用变化影响评估涉及多维度的对比分析，如同一种土地利用类型在流域空间上的分布位置和面积比例，以及不同土地利用类型的组合效果。本文所采用的土地利用变化情景仅基于CA-Markov模型的模拟预测，但关于土地利用/覆被类型对生态流量的影响仍值得进一步分析。