“双碳”情景下抚河流域径流变化特征

王 媛，苏布达，王艳君，占明锦2，杨晨辉，姜 彤

(1.南京信息工程大学 地理科学学院，南京 210044; 2.江西省气候中心，南昌 330096)

1 研究背景

2011—2020年全球地表平均温度增幅明显，相比1850—1900年上升1.09 ℃(0.95～1.20 ℃)，且未来20 a全球温升预计达到或超过1.5 ℃[1]。人为温室气体的排放持续增长是升温加速的主要原因，其中化石燃料燃烧所排放的二氧化碳对温室气体排放的贡献达到78%[2]。为减缓全球变暖速度，践行低碳发展，中国提出了“双碳”目标，目的是使二氧化碳排放在2030年前达到峰值，在2060年前实现碳中和。“双碳”目标是对我国环境有重要影响的战略部署，也是应对气候变化的重要途径[3]。作为清洁能源，水资源对于“双碳”目标的实现具有重要的意义，可与风能、太阳能相结合，减少二氧化碳的排放；城市生活的低碳发展与产业转型也需要大量的水资源。

全球变暖背景下，水循环加速，影响了径流的时空分布格局[4-5]。已有研究表明，1948—2014年间全球200条最大的入海河流中，年径流表现为显著下降的河流占比达到22%，仅10%的河流年径流表现为上升趋势，全球径流变化具有明显的区域差异[6]。中国主要江河实测径流量多呈下降趋势，长江以南地区出现区域性缺水现象[7]。鄱阳湖是长江重要通江湖泊之一，地势狭长，南北气候差异较大，径流变化区域差异明显。2000年后鄱阳湖流域，特别是抚河流域汛期和枯季径流均减少[8-10]，流域枯水期供水压力在一定程度上增加，水资源供需问题日益突出。

气候模式是研究气候变化对径流影响的重要工具。目前已有研究进行气温与降水的模拟评估与预估，主要是运用全球气候模式中的国际耦合模式比较计划第五阶段(CMIP5)的结果[11-12]。相比而言，国际耦合模式比较计划第六阶段(CMIP6)在气候变率和变化问题上考虑了更加详细的要素，在不同共享社会经济路径和典型浓度路径基础上运用了新的气候情景SSPs。新的SSPs包含CMIP5中的4种典型浓度路径，增加了3种新的辐射强迫情景，且融合了共享社会经济路径，以反映未来社会经济发展[13-15]，因此相比RCPs路径，新的SSPs路径更适合探究“双碳”目标下的气候变化。以往研究主要基于CMIP5预估流域未来径流，基于CMIP6数据结合“双碳”目标特定政策预估气候变化对径流影响的研究还较少。

抚河是鄱阳湖流域第二大支流，流域水资源量充足，且径流量年际变化明显，极端水文事件发生频繁。现有对鄱阳湖流域气候变化研究中，以抚河流域为主体的研究偏少，少量已有研究考虑的气候情景少且采用的气候模式较为陈旧[16-17]。为探究“双碳”目标下抚河流域径流对气候变化的响应，根据新的SSPs路径下中国地区二氧化碳排放达峰时间，将SSPs路径分为“双碳”情景(SSP1-1.9、SSP1-2.6、SSP2-4.5、SSP4-3.4、SSP4-6.0)和高碳情景(SSP3-7.0、SSP5-8.5)，采用SWAT水文模型，利用CMIP6气候模式，模拟分析“双碳”情景下流域在2021—2100年的气温降水和径流变化，并对比分析 “高碳”情景下的相应变化，以期为流域水资源管理提供参考依据。

2 研究区概况、数据与方法

2.1 研究区概况

抚河(115.9°E—116.7°E,26.8°N—28.5°N)位于江西省东部，是长江鄱阳湖流域第二大支流，发源于武夷山脉西麓江西省抚州市广昌县，流域面积17 186 km2，约占鄱阳湖流域总面积的10%，全长349 km，多年平均流量504 m3/s，水资源量充足。抚河流域气候温和、雨量充沛、日照充足，属亚热带湿润季风气候。春季受亚热带季风影响，降雨历时长、范围广；夏季受太平洋热带气候侵袭，形成暴雨。水位涨落持续时间较长，具有平原河流特性，径流量极值变化较大。地势东南高而西北低，面向鄱阳湖倾斜。下游李家渡水文站(116.2°E，28.2°N)是抚河入鄱阳湖的重要控制站，控制面积为15 811 km2(图1)。

图1 抚河流域主要气象站、水文站和气候模式格点分布Fig.1 Distribution of meteorological stations,hydrologicstation and GCM-grids in the Fuhe River Basin

图2 李家渡站降水量与径流深双累积曲线Fig.2 Double-mass curve of precipitation and runoffdepth at Lijiadu hydrological station

2.2 数 据

李家渡水文控制站1961—2000年的逐日径流观测数据来源于《中华人民共和国水文年鉴》。图2显示的是李家渡水文站降水与径流深双累积曲线，可以看出降水与径流深双累积曲线的斜率变化小，反映径流资料一致性较好[18]；数字高程数据(DEM)来自美国宇航局的SRTM，分辨率为90 m×90 m；土壤数据分辨率为1 km×1 km，采用联合国粮食及农业组织(FAO)统计数据；土地利用数据采用的是中国科学院资源环境科学数据中心提供的2015年的1∶100 000的土地利用数据，分辨率为1 km×1 km。

气象观测数据采用的是由中国气象局国家气象信息中心提供的1961—2019年逐日降水、平均气温、日照时数、风速和相对湿度数据，包括抚河流域9个气象站的相应气象观测数据。

国际耦合模式比较计划(CMIP)构建了迄今为止内容最广的气候模式数据库，其中CMIP6基于典型浓度路径及不同的共享社会经济路径提出了新的气候情景SSPs[19]。本文采用的气候模式数据是CMIP6中7个SSPs路径(表1)完备的5个全球模式逐日数据(表2)，包括历史模拟试验期(1961—2014年)和SSPs预估期(2021—2100年)。文中采用多模式集合研究，以降低气候变化预估的不确定性。

2.3 研究方法

2.3.1 “双碳”情景的选择

碳达峰是二氧化碳的排放不再增长，达到峰值之后逐步降低；碳中和是采用植树造林等绿色减排方式，吸收产生的二氧化碳，达到产生和吸收平衡。

表1 SSPs 简介Table 1 Brief introduction of SSPs

表2 文中采用的CMIP6模式Table 2 CMIP6 models applied in the study

中国提出的双碳目标是二氧化碳排放在2030年前达到峰值，在2060年前实现碳中和。根据碳排放数据(2000—2100年)和中国提出的双碳目标，7个SSPs中2030年前达到碳达峰，2060年前达到碳中和时排放相对较少的路径为SSP1-1.9、SSP1-2.6、SSP2-4.5、SSP4-3.4、SSP4-6.0，本文统称为 “双碳”情景。与“双碳”情景下的碳排放量相比，在2030年后达到碳达峰，碳排放量仍较大的SSP3-7.0和SSP5-8.5，则为高碳情景(图3)。

图3 中国碳排放路径方案Fig.3 Carbon emission pathways in China

2.3.2 SWAT水文模型率定与验证

本文对抚河流域的径流研究采用SWAT(Soil and Water Assessment Tool)模型。SWAT模型是具有很强的物理机制的分布式水文模型，于1994年由美国农业部(USDA)开发完成并实现运用，可以用来模拟长时段的径流变化，适用于多种尺度的流域模拟[20]。SWAT模型可定量分析自然因素和人类活动对流域径流的影响[21-23]，且在以降水为主要径流补给的流域模拟效果较好。

文中将1961—1963年设定为预热期，利用抚河流域1964—1980年和1981—2000年逐日气象和水文资料开展SWAT模型的参数率定和验证。选取SWAT相关研究揭示的鄱阳湖流域径流模拟敏感参数(表3)[24-25]，对抚河流域本地参数进行了自动率定，运行次数设置为1 000次。P-Value<0.05的参数对模拟效果影响明显(P-Value值决定参数的敏感性，越接近于0表明敏感性程度越高)，即为敏感参数(表3)。

表3 模型参数敏感性Table 3 Sensitivity of model parameters

模型效果的检验采用决定系数R2和纳什效率系数Nash-Sutcliffe(Ens)。Ens反映模拟值和观测值的统计差异程度，R2反映模拟值和观测值变化的一致性，Ens和R2越接近于1则表明模拟结果越好[26]。抚河流域李家渡水文控制站逐月径流模拟和实测对比显示，SWAT模型较好地反映了径流年内分布，月流量模拟的Ens和R2在率定期和验证期均≥0.9；日流量的峰值和枯值模拟值较实测值个别月份偏低，整体来看，年内变化模拟值与实测值吻合度较高，率定期和验证期Ens和R2均≥0.8，模型精确度高，表明SWAT模型能够很好地模拟抚河流域的降水径流关系(图4和表4)。

图4 抚河流域率定期和验证期月平均流量的模拟与实测比较Fig.4 Comparison between simulated and measured monthly discharge in calibration period and verification period in the Fuhe River Basin

2.3.3 气候和径流变化预估

以1995—2014年作为基准期，2021—2040年、2041—2060年和2081—2100年分别作为未来预估的近期、中期和末期，对比分析年均气温和年降水变化。通过模拟抚河流域的年平均流量、月平均流量、径流极值的变化趋势，开展“双碳”情景下抚河流域径流变化的研究。其中，以Q10代表丰水极值，表示日流量序列中有10%的流量超过该值；以Q90代表枯水极值，表示日流量序列中有90%的流量超过该值[27]。

表4 率定期和验证期SWAT水文模型模拟效果的检验Table 4 Performance test of SWAT model in calibration period and verification period

水文模型中的参数用于描述流域特征(径流曲线系数、土壤蒸发补偿系数、深层地下水蒸发系数、土壤有效含水量等)。本研究未考虑流域下垫面变化，历史期率定的参数未来时期保持不变。以降尺度和偏差订正后的气候模式驱动率定后的SWAT模型，预估“双碳”情景下抚河流域的径流变化，并与高碳情景下的变化进行对比分析。

2.3.4 气候模式订正与降尺度

全球气候模式分辨率较粗。为了方便与观测值对比分析，本文通过反距离加权(IDW)插值对模式数据进行降尺度，通过EDCDF(Equidistant Cumulative Distribution Functions)偏差订正方法对模式数据进行偏差订正，最终将数据空间分辨率统一为0.5°×0.5°。

多模式集合结果表明，气候模式偏差订正前抚河流域1995—2014年月平均气温低于实测值，最大偏差达到12.5%；订正后，模拟与实测月气温的相关系数达到0.95，最大偏差在5%以内(图5(a))。从降水量年内分布来看，偏差订正前的月降水模拟数据与实测数据偏差较大，最大偏差可达到47.4%；订正后的多模式集合能够较好地模拟出抚河流域降水量，模拟数据与实测数据的相关系数达到0.91，最大偏差10%以内(图5(b))。由此可见，偏差订正后的多模式集合模拟的流域气温和降水与观测数据的年内分布格局较一致，适用于未来抚河流域气候变化的影响评估研究。

图5 抚河流域1995—2014年月不同气候模式偏差订正前后的集合平均与实测数据对比Fig.5 Comparison of multi-model ensemble mean andobserved monthly mean temperature and monthlyprecipitation before and after bias correction in theFuhe River basin from 1995 to 2014

2.3.5 M-K趋势分析

Mann-Kendall(M-K)方法是一种非参数检验方法，是时间序列趋势分析中最为广泛应用的方法，不受异常值干扰和样本分布规律等条件限制，对非正态的气象、水文等数据分析具有较好的适用性[28]。本文设定P>0.05，为趋势变化不显著；P<0.05，为趋势变化显著。

3 研究结果

3.1 气候变化趋势

1961—2019年观测数据显示，抚河流域年均气温约为17 ℃，年降水量约1 780 mm。年平均气温以0.18 ℃/(10 a)的速度显著上升，降水以-32.8 mm/(10 a)的速度显著下降，同期年平均流量以-16.2 (m3/s)/(10 a)速率呈显著下降趋势。根据多模式集合，2021—2100年抚河流域呈明显的变暖变湿趋势，气温和降水在21世纪各时间段均呈增加趋势。由图6(a)可知，相比于1995—2014年，“双碳”情景不同路径下，抚河流域年均气温增幅在21世纪近期、中期和末期增幅依次增大，分别升高0.87～1.04、1.24～1.69、1.08～3.19 ℃。与“双碳”情景相比，高碳情景下气温增幅更明显，近期、中期和末期年平均气温分别上升0.87～1.10、1.72～2.26、3.82～5.12 ℃。2021—2100年流域气温的上升速度随着碳排放强度的加大而加快，且均为末期气温增幅最大。

21世纪抚河流域年降水量总体表现为波动上升趋势(图6(b))。“双碳”情景不同路径下，抚河流域年降水在近期、中期、末期分别较基准期增加2.8%(-30.7%～42.5%)～10.2%(-21.5%～58.0%)、8.1%(-49.6%～53.1%)～11.8%(-35.3%～61.6%)、9.9%(-38.2%～57.2%)～13.3%(-25.8%～65.4%)，增幅依次变大。此处括号外数值表示均值，括号内数值表示多模式变幅上下限，下同。高碳情景下增幅为4.7%(-21.9%～45.8%)～10.8%(-13.1%～52.7%)、2.8%(-25.2%～41.9%)～7.2%(-19.7%～55.5%)，9.9%(-27.1%～59.8%)～15.8%(-13.6%～67.8%)，末期降水量增长最大；与“双碳”情景对比，高碳情景下降水量总体增幅更大，但在21世纪中期降水增幅明显低于同期“双碳”情景。

3.2 流量变化趋势

3.2.1 年平均流量

相比基准期(1995—2014年)，抚河流域年平均流量在21世纪近期、中期和末期均保持上升趋势，但变化幅度不同(图7)。“双碳”情景不同路径下，21世纪近期，年平均流量增加13.96%(模式范围5.91%～33.2%)～32.8%(15.4%～54.4%)，中期增幅20.0%(7.08%～39.08%)～28.6%(9.75%～50.89%)，末期增加最大为23.11%(6.3%～41.7%)～36.36%(3.2%～61.7%)。高碳情景下，年平均流量整体增幅大于“双碳”情景，近期年平均流量较基准期增加30.14%(5.62%～60.65%)～33.85%(8.34%～70.7%)，中期和末期同样有所上升，以末期径流增幅最大。

3.2.2 月平均流量

相对于1995—2014年，“双碳”情景下抚河流域月平均流量在21世纪近、中、末期变化如图8(a)所示。这3个时期中，3—7月份平均流量总体呈减少趋势，减少最明显的是4月份；9月份—次年2月份平均流量普遍表现为不同程度的增加，增加最明显的是10月份。与“双碳”情景相比，高碳情景各时期月平均流量较基准期增幅更大，尤其5—10月份平均流量增幅明显(图8(b))。整体来看，“双碳”情景下抚河流域各月平均流量的变化可使水资源年内分配更为均匀，有利于缓解区域雨季水量过多和旱季缺水的问题。

图6 1995—2100年抚河流域年均气温及年降水量变化Fig.6 Changes of annual average temperature andannual precipitation in the Fuhe River Basin during1995-2100

图8 “双碳”情景和高碳情景近、中、末期月平均流量Fig.8 Monthly mean streamflow under dual-carbon scenario and high carbon scenario in near-term,mid-termand end-term

图7 “双碳”情景和高碳情景年径流变化(相对于1995—2014年)Fig.7 Percentage change of annual runoff under thedual-carbon scenario and the high carbon scenario(compared with that in 1995-2014)

3.2.3 径流极值

21世纪抚河流域的丰水极值(Q10)和枯水极值(Q90)相较基准期的变化如图9所示。“双碳”情景下，抚河流域21世纪3个时期Q10下降明显，以SSP4-6.0降幅最大；Q90则呈增加趋势，以SSP1-1.9增幅最大，且Q10和Q90均在末期变幅最明显，预示未来洪涝和干旱风险可能有所降低。与“双碳”情景相比，高碳情景下，21世纪3个时期Q90较基准期增幅更大，干旱风险减小；Q10较基准期也呈增加趋势，预示未来洪涝风险可能加剧。整体来看，“双碳”情景下抚河流域径流极值弱化，极端水文事件发生的可能性降低。

图9 “双碳”情景和高碳情景下Q10和Q90变化(相对于1995—2014年)Fig.9 Percentage change of Q10 and Q90 underdual-carbon scenario and high carbon scenario(compared with that in 1995-2014)

4 结论与讨论

4.1 结 论

基于地面气象观测资料，结合观测径流，率定和验证了SWAT水文模型，并评估了5个经过降尺度和偏差订正的全球气候模式集合对抚河流域气温和降水的模拟能力。研究发现多模式集合模拟对抚河流域的气温降水模拟效果良好，与实测月平均气温和月降水的相关系数达到0.95和0.91，偏差在10%以内；SWAT模型对抚河流域月流量模拟的Nash效率系数和决定系数在率定期和验证期均≥0.9，日流量的模拟均≥0.8，说明SWAT模型对抚河流域径流的模拟能力较好。本文基于多模式集合分析了抚河流域21世纪的气候变化趋势，并以多模式驱动SWAT模型，预估了“双碳”情景和高碳情景下2021—2100年流域径流的变化，得出以下结论：

(1)2021—2100年抚河流域表现为明显的变暖变湿态势。“双碳”情景下，流域年平均气温在21世纪近、中和末期较基准期(1995—2014年)相比都显著增加，且气温上升速度随着碳排放强度的加大而加快。同期，抚河流域年降水量呈波动上升趋势。

(2)相比基准期(1995—2014年)，“双碳”情景下，21世纪抚河流域年平均流量呈上升趋势，末期增幅最大；月平均流量在3—7月份呈下降趋势；9月份—次年2月份普遍表现为增加，月平均流量分配使流域水资源年内分配均匀化；日流量丰水极值(Q10)下降明显，枯水极值(Q90)呈增加趋势，抚河流域水文极端事件发生可能性降低。

(3)与“双碳”情景相比，高碳情景下气温增幅更明显，降水量总体增幅更大，仅在21世纪中期降水增幅低于同期“双碳”情景。高碳情景下的年平均流量增幅大于“双碳”情景，月平均流量变化的波动范围更大，5—10月份增幅明显；21世纪3个时期Q10和Q90都呈增加趋势，预示洪水灾害发生可能性的增大。

4.2 讨 论

已有多数研究表明鄱阳湖流域21世纪气温和降水量将呈增加趋势[29-30]，与本文21世纪抚河流域气温和降水预估结果一致。但也有研究表明21世纪抚河流域气温将会增加，但降水将呈减少趋势[16]。降水预估结果不同，与研究时段和基准期选择不同以及考虑的情景不同有关。例如，朱胜男等[16]选取2006—2035年、2036—2065年、2066—2100年3个时段，以1991—2005年为基准期，分析年均气温和年降水变化。并且已有研究仅考虑了CMIP5模式和3种RCP情景，模式少且情景不全，而本文则考虑了CMIP6中7个情景完善的5个全球气候模式，降低了气候变化预估的不确定性。在径流方面，探讨抚河流域历史时期的径流变化特征以及归因的研究较多[31-32]，但利用CMIP6数据结合“双碳”情景研究抚河流域未来径流变化的研究较少。本研究表明“双碳”情景下，未来抚河流域水资源年内变率和水文极端事件的强度可能比基准期有所降低，可为抚河流域水资源调节利用和水文旱涝风险管理提供借鉴。

文中应用SWAT模型对“双碳”情景下抚河流域的径流变化进行了较全面的预估，并对比分析了高碳情景下的变化。但气候模式的选取以及水文模型的参数化都会影响气候变化对径流的影响，并且会对结果带来较大的不确定性。另外，人为因素对径流变化也有很大的影响。一方面，本研究未考虑土地利用变化、水库调蓄等人为因素对径流变化的贡献率；另一方面，本文使用的水文模型单一，未考虑多模型以降低结果的不确定性。后续研究中需要叠加考虑人类活动对径流变化的影响以及纳入多个水文模型开展集合预估，深层次分析流域水资源变化情况。