气候变化对清江未来径流及隔河岩电站发电的影响

2023-09-04孟虹池李英海欧阳硕郭家力兰回归

水利水运工程学报 2023年4期

孟虹池，李英海, ，欧阳硕，郭家力, ，杨苑，兰回归

(1. 三峡大学水利与环境学院，湖北宜昌 443002； 2. 三峡大学生态环境库区教育部工程研究中心，湖北宜昌 443002； 3. 长江水利委员会水文局，湖北武汉 430010)

气候变化及人类活动是影响流域水资源调配和水文循环的两个主要驱动因素[1]。气候变化导致区域水文循环过程发生改变，影响水资源的时空分配[2]，给水资源管理带来巨大挑战[3]。清江流域面积广阔，地形复杂，坡陡流急，产、汇流规律多变，气候因素是影响流域径流过程的重要自然因素。气候变化将导致清江干、支流径流特性和丰枯变化规律发生改变，进而影响梯级水库群运行。

气候变化影响下的水文循环及时空演变规律研究已成为21 世纪水科学的热点领域[4-5]。田晶等[6]评估了未来气候变化和LUCC 对径流的共同影响，研究结果有助于维护未来在二者共同影响下汉江流域的水资源规划与管理；赵梦霞等[7]基于逐日气象和水文观测数据率定并验证HBV 水文模型，预估气候变化对21 世纪赣江与官厅流域径流的影响；董立俊等[8]运用流域 SWAT 模型对未来雅砻江流域月径流进行模拟，认为雅砻江流域径流呈上升趋势；叶加俊等[9]分析气候变化对汉江上游流域径流的影响，模拟流域未来气候变化下的径流响应过程；张连鹏等[10]应用Budyko 假设和TOPMODEL 模型分析气候变化和人类活动对径流的贡献率及不同情景对径流的影响；Pandey 等[11]采用SWAT 模型模拟了尼泊尔西部 Chamelia 流域RCP4.5 和RCP8.5 两种浓度路径下的平均年径流近期、中期、远期变化情况；Wang 等[12]以澳大利亚 Ovens河为研究区域，比较了4 种不同降尺度方法在开展气候变化条件下的河流生态水文响应研究中的应用效果。在气候变化影响下水库调度方面，陈晓宏等[13]以澜沧江下游梯级电站为例，结合多模式多情景未来径流预估结果及水库发电调度模型，针对发电及生态效益目标实施了单/多目标最优化；闻昕等[14]评估了气候变化对新安江-富春江水电站控制流域径流的影响，提出不同气候变化情景下的适应性调度方案，并对不确定性进行了分析；吴书悦等[15]评估气候变化对径流和水库调度的影响，并基于未来气候变化情景下入库径流绘制适应性调度图；Nilawar 等[16]以马来西亚半岛Pedu-Muda 水库为研究对象，考虑蓄水量的多目标优化进而评估气候变化对水库运行管理系统的影响； Abera 等[17]运用SWAT 模型模拟当前和未来气候情景下Tekeze 水电站的入库径流，并分析RCP4.5 与RCP8.5 情景下气候变化对Tekeze 水电站的发电影响。

气候变化下区域水文响应与水库调度研究可对未来水资源规划与管理提供一定的参考。现阶段清江梯级调度规则的制定以历史径流为依据，难以适应气候变化的新需求，对梯级水库的安全稳定运行和兴利效益发挥带来一定影响，并增加了水库的运行风险。因此，研究清江流域气候变化下的水文响应，分析其对流域内电站的发电影响，对提高未来流域水资源效率、充分发挥梯级水库群综合效益具有重要意义。

本文以清江流域为研究区域，基于流域空间与观测数据建立SWAT 模型，并运用统计降尺度模型（SDSM）与CanESM2 气候模式模拟政府间气候变化专门委员会（IPCC）第五次报告（AR5）发布的未来不同RCPs 情景下各站点的气象数据，导入率定好的SWAT 模型对未来时期月径流进行模拟，以此为依据对出口处隔河岩水电站年发电量等指标进行分析。

1 研究区概况及数据

清江隶属长江水系，是长江中游在湖北境内的第二条支流，其流域横贯湖北省西南，干流全长423 km，流域面积17 600 km2，总落差1 430 m，多年平均降水量约1 460 mm。清江流域于每年4 月进入雨季，于9 月底或10 月初结束，雨季降雨量占总雨量的75%~78%，暴雨出现概率和降雨强度最大的月份为7 月份。清江中下游干流坐落有水布垭、隔河岩、高坝洲3 座水电站。长阳水文站位于隔河岩水电站下游9 km，是隔河岩水电站的设计控制站。以长阳站为清江流域出口建立水文模型，高坝洲水电站不包含在其中。清江流域概况如图1 所示。

图1 清江流域概况Fig. 1 Overview of Qingjiang River Basin

SWAT 模型需要空间数据和观测数据作为数据输入。空间数据包括DEM 数据、土地利用数据和土壤数据。DEM 数据来源于ASTER GDEM (Advanced Space Borne Thermal Emission and Reflection Radiometer Global Digital Elevation Model）30 m 分辨数字高程数据集。土地利用数据由中科院资源环境科学数据中心提供的1∶10 万的1995 年土地利用数据集，而土壤数据则来源于维也纳国际应用系统研究所（IIASA）与联合国粮农组织（FAO）构建的世界和谐土壤数据库 HWSD 剪切的中国区土壤栅格图。观测数据主要包括气象数据和水文数据。本文使用建始、利川、恩施、五峰和宜昌5 个气象站点实测日最高、日最低气温及降水气象数据，观测年份为1961—2005 年。SWAT 模型的率定及验证主要采用流域出口处长阳站1976—2005 水文年月尺度径流数据。

构建SDSM 模型需使用NCEP 再分析数据、流域内站点历史气象数据及全球气候模式 CanESM2 输出因子。NCEP 再分析数据包含26 个预报因子和实测气象数据。实测气象数据为流域内5 个气象站点1961—2005 年日最高、最低温度和逐日降水等气象资料。

发电优化调度所需电站数据有隔河岩水电站特征数据、水位库容关系曲线、下游水位流量关系曲线、机组特征参数及机组流量特性曲线等。其中部分隔河岩水电站特征数据如表1 所示。

表1 隔河岩水电站特征参数Tab. 1 Characteristic parameters of Geheyan Hydropower Station

2 模型构建及验证

SWAT 模型是基于ArcGIS 的半分布式水文模型，可模拟气候因素及下垫面变化对流域内水文响应的影响。在模型中DEM 数据主要用来进行流域提取、河网水系提取及子流域划分等。考虑清江流域实际情况和模拟精度，将响应单元中土地利用类型、土壤类型和坡度临界值设置为10%、15%和10%。并将流域划分成多个子流域，每个子流域又由不同的水文响应单元（HRU）组成。清江流域以阈值面积100 km2和长阳站为流域总出口进行流域划分，共得到95 个子流域，236 个HRUs，平均每个子流域指定2.5 个HRUs。清江流域的DEM、土地利用类型及土壤空间分布见图2。

图2 清江流域DEM、土地利用类型及土壤空间分布Fig. 2 Map of DEM, land use type and soil spatial distribution in Qingjiang River Basin

运用SWAT-CUP 程序进行模型率定和参数敏感性分析。选用以下2 个指标对水文模型校准和验证进行评估：Nash-Sutcliffe 系数ENS和确定性系数R2。当ENS>0.5 且R2>0.6 时，则模型模拟径流结果合格，其值越接近于1，则拟合效果越好。

选取长阳站1976—2005 水文年月径流数据进行参数率定，其中模型预热期为1976—1977 年，率定期为1978—1995 年，验证期为1996—2005 年。SWAT 模型与径流有关的参数共28 个，单一敏感性分析和全局敏感性分析是SWAT-CUP 程序中的两种敏感性分析方式。由于前者在选择与研究流域相适应的参数时会因参数量大致使分析困难，因此本文采用全局敏感性分析，并取敏感度处于前10 位的参数进行率定，对模型校准采用SWAT-CUP 中的SUFI-2 算法。以Nash-Sutcliffe 系数ENS和确定性系数R2为目标函数，每次迭代500 次，得到表2 所示的各个参数取值，按照参数敏感度从高到低排序。

表2 参数率定结果Tab. 2 Parameter calibration results

本文对清江流域月尺度率定期和验证期多年平均径流进行模拟，模拟结果见图3，率定期（1978—1995 年）模型精度统计指标ENS为0.91、R2为0.89；验证期（1996—2005 年）模型精度统计指标ENS为0.93、R2为0.93。结果表明：月尺度下实测径流与模拟径流拟合程度较好，模型月尺度率定和验证期的ENS、R2均在 0.85 以上，模拟精度较高。可见，SWAT 模型适用于清江流域径流模拟。

图3 清江流域月径流模拟结果Fig. 3 Simulation results of monthly runoff in Qingjiang River Basin

3 基于 SDSM 的未来气候情景预测

构建SDSM 模型包括以下两个部分[18]：一是构建预报因子与预报量之间的多元线性回归关系以确定模型；二是利用全球气候模式（GCM）数据输入模型生成未来时期不同情景下流域站点气候要素数据，包括清江流域各站未来时期最高、最低温度及降水日序列数据。CanESM2 是CMIP5 全球气候模式之一，初祁等[19]采用多个统计特征值对CMIP5 中气候模式在长江流域的模拟能力进行评估，根据各个模式气温的统计特征值结果，CanESM2 在模拟气温结果较好的模式中位于前列。黄海玲等[20]对东亚500 hPa 高度场综合时空结构模式模拟能力进行分析，CanESM2 是夏季主要模态模拟较好的气候模式，且清江流域夏季降雨量充沛，选择此模式可提高降雨模拟准确性。考虑到 CanESM2 同时提供了NECP 及自身的历史期大尺度气象数据，提供的资料较为完善，故采用加拿大气候中心研发的 CanESM2 模式的未来输出气温和降水数据进行研究。

3.1 SDSM 预报因子选择与降尺度模拟结果

3.1.1 气温模拟结果在选取清江流域气温最优预报因子时，关联性最强的是地表平均气温和500 hPa 位势高度。清江流域内气象站点日最高、最低气温率定和验证期的ENS范围分别为0.68~0.83 和 0.84~0.90，日最低气温的模拟精度略高于日最高气温。各站点日最高、最低气温模拟结果如表3 所示。结果表明：SDSM 模型对气温模拟效果较好，流域内各气象站点日最高、最低气温的整体相对误差小于0.2%，偏差小于 0.05 ℃。其中日最高气温相对误差最小的为恩施站，最大的为五峰站。日最低气温相对误差最小的为建始站，最大的为利川站。

表3 日最高、最低气温模拟统计Tab. 3 Simulated statistics of daily maximum and minimum temperatures

3.1.2 降水模拟结果在选取清江流域降水最优预报因子时，关联性最强的是500 hPa 相对湿度、海平面散度和850 hPa 散度。日降水量模拟精度要远小于气温模拟结果，这和模拟降水过程中复杂性与不确定性有关，在判断降水与否及模拟降水量时误差叠加导致最终误差较大，所以在进行降水量的ENS计算时可采用降水量月序列，其率定和验证期的ENS为0.67~0.73。表4 为清江流域内站点年降水模拟统计结果。结果表明：清江流域降水量年模拟均值均高于其对应的年实测均值，相对误差为9%~13% ，其中相对误差最小的为五峰站，最大的为利川站。

表4 年降水量模拟统计Tab. 4 Precipitation simulation statistics

3.2 未来变化条件下的气象数据预测

应用建立好的 SDSM 降尺度模型预测清江流域未来气温及降水情况。以1961—2005 年为基准期，将3 种情景下CanESM2 模式数据导入构建好的SDSM 模型，得到清江流域内5 个气象站未来日最高、最低温度和日降水数据系列。日最高、最低气温计算采用算术平均法，流域面雨量计算采用泰森多边形法。

在2006—2100 年3 种情景下，清江流域多年平均日最高、最低气温及年降水量基准期与未来预测期比较见图4，汇总见表5。如图4 所示，上下线帽表示数据中的最大值和最小值，红色十字表示中位数，箱体上、下边分别代表分位数75% 和25% 的值，箱体右边蓝点为数据经扰动排布所得，反映数据分布情况。由图4 可以看出，3 种情景下清江流域日最高、最低气温和年降水量的中位数呈递增趋势，日最高气温较基准期变化区间分别为−3.3～5.5 ℃ 、−3.1～5.6 ℃ 和−2.0～6.6 ℃ 。日最低气温较基准期变化区间分别为−1.8～3.4 ℃ 、−2.1～3.9 ℃ 和−1.4～4.9 ℃ ，相较其他两种情景，RCP8.5 情景下变幅较大。年降水量较基准期变幅区间分别为−10.0%～27.8%、−7.2%～32.3%和−9.6%～42.1%，RCP8.5 情景下年降水变幅区间远大于其他两种情景，说明未来时期在RCP 8.5 情景下年降水量波动更剧烈。由表5 可知，3 种情景下日最高、最低气温和年降水量均值呈增加态势，这表明随着CO2排放浓度的升高，清江流域气候变化受影响程度逐渐加深。未来时期3 种情景下日最高气温均值范围为0.90~1.80 ℃，日最低气温均值范围为1.36~2.36 ℃，年降水量范围为7.0%~12.4%。

表5 清江流域气温降水变化Tab. 5 Summary of temperature and precipitation changes in Qingjiang River Basin

图4 清江流域气温降水较基准期变化Fig. 4 Changes of temperature and precipitation in Qingjiang River Basin compared with the baseline period

4 未来径流模拟及隔河岩水电站发电影响分析

4.1 未来时期径流模拟

将未来时期2020—2100 年分成 3 个时段，即近期（2020—2045 年）、中期（2046—2070 年）和远期（2071—2100 年），采用气候模式CanESM2 输出的未来 3 种气候情景下日最高、最低气温和降水数据，制备不同情景下的天气发生器数据，将降尺度模拟得到的未来气象数据通过ArcSWAT 读取到模型数据库中，预测得到2020—2100 年高、中、低3 种排放情景下清江流域月径流量，未来3 种情景下年径流量见图5。图中实线为3 种情景下不同年份的年径流量，虚线为3 种情景下线性拟合的趋势线。图5表明，未来不同情景下清江流域年径流量整体呈现增加态势且趋势线为上升趋势， RCP8.5 情景比RCP2.6 和RCP4.5 情景波动更加剧烈，这与RCP8.5情景下年降水量变幅区间较大有关。

清江流域汛期为5 月初至9 月末，其中前汛期为5 月初至6 月下旬，主汛期为6 月下旬至7 月末，后汛期为8 月初至9 月末。未来情景下清江流域基准期与预测期逐月径流对比情况见表6。表6 表明：相较基准期（1976—2005 年），在RCP2.6 情景下，月径流除前汛期和主汛期略有减少，非汛期和后汛期径流均呈增加趋势；在RCP4.5 情景下，月径流除前汛期略有减少，主汛期略有波动外，其他时期呈增加趋势；在RCP8.5 情景下，月径流除前汛期略有波动外，其他时期呈增加趋势。总体而言，未来清江流域径流整体呈上升趋势，3 种排放情景下年均径流增幅分别为 6.0%、8.7%、13.2%。这与清江流域未来径流趋势的其他研究结果大致相同[21]。高排放量会导致温度升高，但降雨量增加对清江流域径流影响要大于温度增加所带来的影响，故随着排放浓度的逐步升高，清江月径流增幅仍呈现逐步增加的趋势。

表6 基准期与预测期径流对比Tab. 6 Comparison of runoff in forecast period and baseline period

4.2 隔河岩水电站发电影响分析

隔河岩水电站位于湖北省长阳县境内的清江干流上，是清江干流3 个梯级水利枢纽工程之一，也是华中电网调峰调频的骨干电站。以年发电量最大为目标构建隔河岩优化调度模型。由于水电站优化调度是一个典型的多阶段决策问题，因而采用动态规划法[22]对模型进行求解，以月为尺度将全年划分为12 个时段，将每个时段末水电站水位作为状态变量，以时段平均下泄流量作为决策变量，通过优化递推求解得到满足水电站运行约束条件要求的未来时期隔河岩优化调度结果。

隔河岩水电站在基准期和不同情景情况下的结果见表7。表7 表明：相较于基准期（1993—2005 年），RCP2.6、RCP4.5、RCP8.5 这 3 种排放情景多年平均水位、多年平均发电量、汛期发电量均呈递增趋势；在同一情景下，近期、中期和远期的各项指标均增加，在 3 种排放情景下多年平均发电量增幅分别为3.4%~5.1%、7.7%~10.3%和13.4%~16.0%，汛期发电量增幅分别为0.8%~3.1%、5.0%~7.4%和8.1%~11.3%，非汛期发电量增幅分别为7.6%~8.3%、12.1%~14.9%和21.7%~23.5%，非汛期发电量增幅大于汛期发电量增幅，这与隔河岩发电调度规程和气候变化影响下非汛期径流量增幅较大有关。