北洛河未來徑流變化分析

張鴻雪，暢建霞，張連鵬

(西安理工大學(xué) 西北旱區(qū)生態(tài)水利工程國家重點(diǎn)實(shí)驗(yàn)室培育基地，陜西 西安 710048)

?

北洛河未來徑流變化分析

張鴻雪，暢建霞，張連鵬

(西安理工大學(xué) 西北旱區(qū)生態(tài)水利工程國家重點(diǎn)實(shí)驗(yàn)室培育基地，陜西 西安 710048)

【目的】 分析北洛河流域未來徑流變化趨勢，為該流域水資源管理與可持續(xù)利用提供理論依據(jù)。【方法】 基于美國國家環(huán)境預(yù)報中心(NCEP)再分析資料和北洛河流域7個氣象站的歷史降水及蒸發(fā)資料，采用逐步回歸法建立統(tǒng)計降尺度模型，在BCC-CSM1.1的2種不同情景(RCP4.5和RCP8.5)下，模擬未來時段的降水、蒸發(fā)情況，結(jié)合TOPMODEL得出未來的模擬徑流。【結(jié)果】 2種情景下，未來4個時期年平均降水均高于基準(zhǔn)期值(除了RCP8.5情景下的2030s)，年平均蒸發(fā)量均高于基準(zhǔn)期值(除了RCP4.5情景下的2040s)；除了RCP4.5情景下2015-2020年的冬季徑流平均值(0.98億m3)略低于基準(zhǔn)期值(1.06億m3)外，2種情景下夏、秋季及RCP8.5情景下冬季的徑流平均值均高于基準(zhǔn)期值，最大值均出現(xiàn)在秋季。【結(jié)論】 將統(tǒng)計降尺度方法和TOPMODEL結(jié)合起來可以很好地分析未來徑流的變化情況。

北洛河流域；徑流變化；TOPMODEL模型；降尺度；氣候變化；BCC-CSM1.1

根據(jù)IPCC第五次報告，1880-2012年，全球海陸表面的平均氣溫升高了0.85 ℃，2003-2012年比1850-1900年平均氣溫上升了0.78 ℃；報告還預(yù)測了未來氣溫的變化趨勢，預(yù)計2016-2035年全球氣溫相對于1986-2005年將上升0.3～0.7 ℃。全球氣溫上升使許多地區(qū)受到了洪水、干旱以及高溫?zé)崂说那忠u，全球氣溫變化引起的效應(yīng)將對地區(qū)、國家乃至全球的可持續(xù)發(fā)展產(chǎn)生舉足輕重的影響[1]。氣候變化是影響流域徑流變化等水文信息的重要因子。目前氣候模式是進(jìn)行氣候變化預(yù)估的最主要工具，但由于大氣環(huán)流模式(General Circulation Model，GCM)的分辨率都比較低，其精細(xì)程度尚難以對某些流域、區(qū)域的氣候特征及氣候變化條件做出合理準(zhǔn)確的預(yù)測。因此，本研究采用降尺度方法將GCM模式與流域水文模型相結(jié)合，來預(yù)估區(qū)域未來氣候情景下的徑流變化情況。降尺度方法可以有效地彌補(bǔ)大尺度GCM模式的不足。

北洛河屬渭河一級、黃河二級支流，全長680.3 km，是陜西省最長的河流。北洛河流域多年平均徑流量為9.43億m3，其在陜西省境內(nèi)為8.73億m3，年際變化較大[2-3]。北洛河流域徑流年內(nèi)分配不均，夏季徑流比重最大，占全年總徑流的35%，秋季徑流次之，占全年總徑流的31%，春、冬兩季徑流各占19%和15%，最大月徑流(8月)占全年總徑流的20%左右，最小月徑流(1月)僅占全年總徑流的4%左右。近年來，由于北洛河流域的水量持續(xù)減少以及社會經(jīng)濟(jì)的快速發(fā)展，該流域正面臨著局部河段防洪形勢嚴(yán)峻、水土流失嚴(yán)重及治理緩慢、水資源供需矛盾突出等問題，為了促進(jìn)和保障北洛河流域人口、資源、環(huán)境和社會經(jīng)濟(jì)的協(xié)調(diào)發(fā)展，迫切需要分析該流域未來徑流的變化趨勢，為該流域水資源的可持續(xù)利用與管理提供理論依據(jù)。

因此，本研究首先采用逐步回歸法建立北洛河流域月平均降水、蒸發(fā)數(shù)據(jù)的統(tǒng)計降尺度模型，根據(jù)不同的氣候預(yù)報因子，來預(yù)估北洛河流域未來降水、蒸發(fā)數(shù)據(jù)，并將其與TOPMODEL 模型相結(jié)合預(yù)測未來徑流的變化情況，進(jìn)而促進(jìn)該流域水資源的有效規(guī)劃和管理。

1　數(shù)據(jù)來源

本研究的基礎(chǔ)DEM(30 m空間分辨率)高程數(shù)據(jù)來自美國國家航空航天局(NASA)及國家圖像測繪局(NIMA)的聯(lián)合測繪產(chǎn)品，并收集了中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)的控制水文站(狀頭)、北洛河流域7個氣象站(吳旗、環(huán)縣、銅川、西峰鎮(zhèn)、華山、洛川和延安)1960-2010年的月序列資料，各個氣象站點(diǎn)的分布較均勻，可以用來反映該流域水文氣象的空間變化。對于一些站點(diǎn)缺失的降水資料，采用線型插值法進(jìn)行插補(bǔ)延長，流域面雨量和蒸發(fā)時間序列由各站點(diǎn)的降水量、蒸發(fā)資料采用ArcGIS中泰森多邊形法計算而來；徑流量序列資料選擇流域控制水文站(狀頭)相應(yīng)時段的歷年天然徑流量。

CMIP5(Coupled Model Intercomparison Project Phase 5)中的各種全球氣候模式均考慮了溫室氣體、太陽輻射變化以及硫酸鹽氣溶膠的“大氣-陸面-海洋-海冰”耦合的氣候模式，本研究選用北京氣候模式與分析中心的BCC-CSM1.1模式的RCP4.5和RCP8.5溫室氣體排放情景，用來預(yù)測未來時段(2015-2049年)的降水和蒸發(fā)數(shù)據(jù)。由于CMIP5與NCEP(美國國家環(huán)境預(yù)報中心)數(shù)據(jù)的網(wǎng)格分辨率不同，所以采用距離倒數(shù)權(quán)重插值法將其調(diào)整為相同的分辨率，即2.5°×2.5°。

2　研究方法

2.1TOPMODEL模型的原理及方法

TOPMODEL 模型是1979年由英國水文學(xué)家Beven等[4]提出的半分布式水文模型，其核心思想是以地形分布特征(地形指數(shù))為研究基礎(chǔ)，以變動產(chǎn)流面積的概念為理論基礎(chǔ)。TOPMODEL將飽和地表徑流分為壤中流和坡面流，當(dāng)近表層土壤的水力傳導(dǎo)率及坡面重力梯度較大時才形成壤中流，而當(dāng)坡面較緩或土壤水力傳導(dǎo)率較小時將形成坡面流。模型的基本方程[4]為：

(1)

(2)

不同版本的TOPMODEL模型對應(yīng)不同的參數(shù)，本研究中模型參數(shù)共有7個，分別為：土壤剛達(dá)到飽和狀態(tài)時的土壤有效下滲率T0(m2/s)；重力排水的時間滯時參數(shù)Td；坡面匯流速度Rv(m/h)；土壤下滲率呈指數(shù)衰減的速率參數(shù)M(m)；地表徑流速度CHV(m/h)；土壤最大持水量SRmax(m)；根帶土壤飽和初始缺水量SR0，其與SRmax成比例[5]。

TOPMODEL模型以DEM柵格數(shù)據(jù)為基礎(chǔ)，通過計算柵格數(shù)據(jù)得到流域流向、流量、坡度與河流長度等數(shù)據(jù)，利用ArcGIS軟件中的柵格計算器計算出模型重要參數(shù)值——地形指數(shù)，并結(jié)合氣象數(shù)據(jù)(流域面降水量、潛在蒸發(fā)量和天然徑流量)，通過人工調(diào)參方法，對模型進(jìn)行參數(shù)率定，并以納什系數(shù)與總量精度誤差檢驗(yàn)參數(shù)合理性，利用通過驗(yàn)證的參數(shù)組合模擬徑流，生成流域徑流模擬值。

2.2統(tǒng)計降尺度法

降尺度方法大致分為3種，即統(tǒng)計降尺度法、動力降尺度法及2種方法的結(jié)合。其中統(tǒng)計降尺度法較動力降尺度法簡單，計算量相對較小，是近年來一些學(xué)者偏愛的研究氣候變化的新方法。常用的統(tǒng)計降尺度方法很多[6-9]，其中逐步回歸法是簡單易操作的有效方法[10-12]。

最小二乘法是建立逐步回歸方程的基本原理，其核心思想是先選取預(yù)報因子，評定其對預(yù)報對象產(chǎn)生的作用，再根據(jù)預(yù)報因子的貢獻(xiàn)度大小，將貢獻(xiàn)度小的預(yù)報因子逐步剔除，最終選取較大貢獻(xiàn)度的預(yù)報因子引入到逐步回歸方程中[6-8]，直至無法再剔除因子且無顯著性預(yù)報因子引入為止[1,9,13-14]。其主要步驟為：(1)選擇氣候預(yù)報因子；(2)檢驗(yàn)氣候模式，標(biāo)準(zhǔn)化處理預(yù)報因子；(3)篩選因子并建立模型；(4)采用實(shí)測資料率定模型；(5)將逐步回歸模型與GCM模式相結(jié)合，模擬未來時期的氣候要素數(shù)據(jù)[1,10-11,15]。本研究的評價指標(biāo)選擇了擬合度R2、標(biāo)準(zhǔn)差相對誤差Rsd和均值相對誤差Rmean。逐步回歸法的模擬過程為：設(shè)y=a+bjxj(j=1,2,…,22)，其中y為氣候要素數(shù)據(jù)，a與bj為系數(shù)，xj為預(yù)報因子，通過此公式可以計算出每個氣象站點(diǎn)各個氣候要素的不同預(yù)報系數(shù)和預(yù)報因子[1]。

預(yù)報因子的選擇是未來氣候情景預(yù)測的關(guān)鍵，選取原則為：代表性強(qiáng)、精度高及因子相關(guān)性好(呈弱相關(guān))[16]。根據(jù)以上原則，本研究選取了與降水和蒸發(fā)有密切關(guān)系的22個預(yù)報因子，即500和850 hPa下的垂直風(fēng)速、經(jīng)向風(fēng)速、緯向風(fēng)速、溫度、比濕、相對濕度、位勢高度，地表溫度、風(fēng)速、氣壓、緯向風(fēng)速、經(jīng)向風(fēng)速，以及海平面氣壓、對流層氣壓、氣溫[1]。

3　結(jié)果與分析

3.1TOPMODEL模型的模擬結(jié)果

本研究采用TOPMODEL模型對北洛河流域未來徑流變化進(jìn)行研究。對于水文模型的應(yīng)用，參數(shù)率定是必不可少的，本研究選取率定期為2000-2006年，驗(yàn)證期為2007-2010年，輸入數(shù)據(jù)為降水、蒸發(fā)和徑流氣象數(shù)據(jù)，模擬出率定期與驗(yàn)證期的北洛河控制水文站狀頭站的徑流模擬值如圖1所示，同時根據(jù)Nash效率系數(shù)與總量精度誤差值的合理性確定模型參數(shù)如表1所示。結(jié)果表明：在率定期，Nash效率系數(shù)為0.81，水量平衡誤差為 0.06，在驗(yàn)證期分別為0.7和0.07，均符合模型要求。因此，驗(yàn)證后的參數(shù)組合可以應(yīng)用于北洛河流域未來徑流的模擬。

圖 1　北洛河流域(狀頭)月徑流量(Q)實(shí)測值與模擬值的比較Fig.1　Comparison of monthly measured and simulated runoffs in Beiluo River basin (Zhuangtou)表 1　TOPMODEL模型的參數(shù) Table 1　Calibration parameters of TOPMODEL

T0/(m2·s-1)M/mTdSRmax/mRv/(m·h-1)CHV/(m·h-1)SR0/m0.080.10.00030.00256070000.001

3.2北洛河流域未來降水和蒸發(fā)的預(yù)測

TOPMODEL模型的輸入數(shù)據(jù)為降水蒸發(fā)氣象數(shù)據(jù)，因此，利用統(tǒng)計降尺度模型，在2種排放情景下預(yù)測吳旗、環(huán)縣、銅川、西峰鎮(zhèn)、華山、洛川和延安氣象站點(diǎn)未來時期的降水、蒸發(fā)數(shù)據(jù)，再利用ArcGIS的泰森多邊形法將各個站點(diǎn)的點(diǎn)值轉(zhuǎn)換為面值，研究整個流域的面降水和蒸發(fā)的變化情況。

逐步回歸算法模擬的北洛河流域未來降水變化結(jié)果如圖2所示。從圖2-A，B可以看出，在2種情景下，除了RCP8.5情景下的2030s年平均降水較基準(zhǔn)期(2000-2010年)有所減少外，其余年平均降水在未來時期模擬值均高于基準(zhǔn)期值；而對于月降水的預(yù)測值，在RCP4.5情景下2015-2020年和2020s年的9月、2030s年的4和6月，以及RCP8.5情景下2015-2020年的6和9月及4個時期(2015-2020、2020s、2030s和2040s)的7月降水值小于基準(zhǔn)期值外，其余月份均高于實(shí)測值。從模擬的北洛河流域未來蒸發(fā)變化結(jié)果(圖2-C，D)可以看出，RCP4.5情景下4個時期(2015-2020、2020s、2030s和2040s)的年平均蒸發(fā)量(847，848，851和838 mm)與基準(zhǔn)期值(844 mm)相比變化幅度不大，而RCP8.5情景下4個時期的年平均蒸發(fā)量(904，900，907和897 mm)均略高于基準(zhǔn)期值；2種情景預(yù)測的月蒸發(fā)量除了3、4月及RCP4.5情景下的5月份有所減少外，其余月份的模擬值均呈增加趨勢，其中1和7月(RCP8.5)增加更為明顯。

圖 2RCP4.5和RCP8.5 2種排放情景下北洛河流域未來降水、蒸發(fā)量的變化情況

Fig.2Change of precipitation and evaporation in Beiluo River basin in future under RCP4.5 and RCP8.5 scenarios

圖3顯示，2種排放情景(RCP4.5和RCP8.5)下不同年代的未來降水變化率差異明顯，RCP4.5情景下2015-2020年冬季(12月至次年2月)降水變化最明顯，2020s年春季(3-5月)降水變化率略高于冬季，2030s年春、秋(9-11月)、冬季降水變化率均在20%左右，2040s年春季降水變化最明顯，其次為秋季；而RCP8.5情景下4個時期均以冬季降水變化最明顯，夏季(6-8月)降水變化率最低；RCP4.5情景下春季降水平均值隨年代的變化呈增加趨勢，而RCP8.5情景下為先增加后減少再增加。不同時段未來蒸發(fā)量的季節(jié)變化率差異不明顯，其中未來年代的蒸發(fā)量在冬季的變化率最大，其次為秋季。

本研究繪制了2種情景下未來時期的年降水等值線圖，結(jié)果見圖4。由圖4可知，北洛河流域未來時期多年平均降水量分布的變化趨勢為東多西少，南多北少，由東南向西北逐漸減少。因此，該流域未來時期降水量有明顯的地域分布不均勻性，由于北洛河流域的徑流流向是由西北向東南，其控制流域水文站為東南方向的狀頭站，徑流分布也呈現(xiàn)東多西少、南多北少現(xiàn)象，所以徑流的分布規(guī)律與降水相同。

圖 3RCP4.5和RCP8.5 2種排放情景下北洛河流域未來降水、蒸發(fā)的變化率

Fig.3Changing rate of precipitation and evaporation of Beiluo River basin in future under RCP4.5 and RCP8.5 scenarios

圖 4　RCP4.5和RCP8.5 2種排放情景下北洛河流域未來的降水等值線圖Fig.4　Contour lines of precipitation of Beiluo River basin in future under RCP4.5 and RCP8.5 scenarios

3.3北洛河流域未來徑流的預(yù)測

北洛河流域平均年徑流在基準(zhǔn)期(1960-2010年)為8.2億m3，將降尺度模擬得到的RCP4.5及RCP8.5情景下的降水、蒸發(fā)數(shù)據(jù)輸入到TOPMODEL模型中，模擬出2種情景下未來時期的徑流量(圖5)。由圖5可知，狀頭站以上流域未來月徑流量的變化在1-8月呈增加趨勢，8月達(dá)到最大徑流后開始不斷降低，除了2-4月模擬值低于基準(zhǔn)期徑流值外，其余月份均高于基準(zhǔn)期徑流值?？傮w而言，隨著未來年代推進(jìn)，在RCP4.5情景下，年徑流的變化趨勢為先增大后減少；在RCP8.5情景下，年徑流的變化趨勢為先增大后減小再增大。圖6顯示，未來季徑流量變化明顯，RCP4.5情景下春季徑流平均值隨年代的變化趨勢為先增加后減少，RCP8.5情景下春季徑流平均值隨年代推進(jìn)呈現(xiàn)增加趨勢；RCP4.5情景下春季徑流平均值均低于基準(zhǔn)期徑流值(2030s年除外)，而RCP8.5情景下均高于基準(zhǔn)期徑流值(2015-2020年除外)；除了RCP4.5情景下2015-2020年的冬季徑流平均值(0.98億m3)略低于基準(zhǔn)期徑流值(1.06億m3)外，2種情景下夏、秋季及RCP8.5情景下冬季的徑流平均值均高于基準(zhǔn)期值，最大值均出現(xiàn)在秋季；除了2015-2020年及RCP4.5情景下2040s年秋季徑流變化率在26%左右外，其余時期秋季徑流變化率均大于40%。

地面徑流對降水的變化最為敏感，流域徑流的變化通常取決于降水的變化[17]，未來時段蒸發(fā)量變大，降水量也呈現(xiàn)出不同程度的增加趨勢[18]，這就在一定程度上引起地面徑流的增加。

圖 5RCP4.5和RCP8.5 2種排放情景下北洛河流域未來徑流變化情況

Fig.5Change of runoff of Beiluo River basin in future under RCP4.5 and RCP8.5 scenarios

圖 6RCP4.5和RCP8.5 2種排放情景下北洛河流域未來徑流的變化率

Fig.6Changing rate of runoff of Beiluo River basin in future under RCP4.5 and RCP8.5 scenarios

4　結(jié)　論

根據(jù)北京氣候模式BCC-CSM1.1的RCP4.5和RCP8.5情景下的輸出值，采用逐步回歸的統(tǒng)計降尺度法預(yù)測了北洛河流域未來時期的降水和蒸發(fā)變化情況，并結(jié)合TOPMODEL模型模擬了該流域在未來時段的徑流值。結(jié)果顯示：

1)除RCP8.5情景下2030s年降水比基準(zhǔn)期(2000-2010年)有所減少外，其余年降水在未來時期的模擬值與基準(zhǔn)期實(shí)測值相比均有所增加，而對于月降水的預(yù)測值，除在RCP4.5情景下2015-2020年和2020s年的9月、2030s年的4和6月，RCP8.5情景下2015-2020年的6和9月及4個時期(2015-2020、2020s、2030s和2040s)的7月降水值小于基準(zhǔn)期值外，其余月份均高于實(shí)測值。

2)RCP4.5情景下4個時期(2015-2020、2020s、2030s和2040s)的年平均蒸發(fā)量(847，848，851和838 mm)與基準(zhǔn)期值(844 mm)相比變化幅度不大，而RCP8.5情景下4個時期的年平均蒸發(fā)量(904，900，907和897 mm)均略高于基準(zhǔn)期值；2種情景下預(yù)測的月蒸發(fā)量除了3、4月及RCP4.5情景下的5月份有所減少外，其余月份的模擬值均呈增加趨勢，其中1和7月(RCP8.5)增加更為明顯。

3)北洛河流域未來時期多年平均降水量分布呈東多西少、南多北少，其變化趨勢為由東南向西北逐漸減少。該流域未來時期的降水量及徑流量呈現(xiàn)明顯的地域分布不均勻性。

4)隨著未來年代的推進(jìn)，RCP4.5情景下年徑流的變化趨勢為先增大后減少，RCP8.5情景下年徑流的變化趨勢為先增大后減小再增大。RCP4.5情景下春季徑流平均值隨年代推進(jìn)呈現(xiàn)先增加后減少的趨勢， RCP8.5情景下春季徑流平均值隨年代推進(jìn)呈現(xiàn)增加趨勢；除了RCP4.5情景下2015-2020年的冬季徑流平均值(0.98億m3)略低于基準(zhǔn)期徑流值(1.06億m3)外，2種情景下夏、秋季及RCP8.5情景下冬季的徑流平均值均高于基準(zhǔn)期值，除了2015-2020年及RCP4.5情景下2040s年秋季徑流變化率在26%左右外，其余時期秋季徑流變化率均大于40%。

[1]張鴻雪,暢建霞,韓越.基于TOPMODEL與統(tǒng)計降尺度模型的涇河流域未來徑流變化分析 [J].自然災(zāi)害學(xué)報,2015, 24(4):148-156.

Zhang H X,Chang J X,Han Y.Analysis of future runoff variation in Jinghe River Basin based on TOPMODEL and statistical downscaling model [J].Journal of Natural Disasters,2015,24(4):148-156.

[2]秦偉,朱清科,劉廣全,等.北洛河上游生態(tài)建設(shè)的水沙調(diào)控效應(yīng) [J].水利學(xué)報,2010,41(11):1325-1332.

Qin W,Zhu Q K,Liu G Q,et al.Regulation effects of runoff and sediment of ecological conservation in the upper reaches of Beiluo River [J].Journal of Hydraulic Engineering,2010,41(11):1325-1332.

[3]吳琳娜,楊勝天,劉曉燕,等.1976年以來北洛河流域土地利用變化對人類活動程度的響應(yīng) [J].地理學(xué)報,2014,69(1):54-63.

Wu L N,Yang S T,Liu X Y,et al.Response analysis of land use change to the degree of human activities in Beiluo River basin since 1976 [J].Acta Geographica Sinica,2014,69(1):54-63.

[4]Beven K J,Kirby M J.A physically based variable contributing area model of basin hydrology [J].Hydrol Science Bulletin,1979,24(1):43-69.

[5]李抗彬,沈冰,李志錄,等.TOPMODEL模型在黑河金盆水庫流域的應(yīng)用研究 [J].西北農(nóng)林科技大學(xué)學(xué)報(自然科學(xué)版),2011,39(7):207-211.

Li K B,Shen B,Li Z L,et al.Applied research of TOPMODEL in Heihe river Jinpen reservoir catchment [J].Journal of Northwest A&F University (Nat Sci Ed),2011,39(7):207-211.

[6]范麗軍,符淙斌,陳德亮.統(tǒng)計降尺度法對未來區(qū)域氣候變化情景預(yù)估的研究進(jìn)展 [J].地球科學(xué)進(jìn)展,2005,20(3):320-326.

Fan L J,Fu C B,Chen D L.Review on creation future climate change scenarios by statistical downscaling techniques [J].Advances in Earth Science,2005,20(3):320-326.

[7]劉吉峰,李世杰,丁裕國.基于氣候模式統(tǒng)計降尺度技術(shù)的未來青海湖水位變化預(yù)估 [J].水科學(xué)進(jìn)展,2008,19(2):184-191.

Liu J F,Li S J,Ding Y G.Forecasting of water level of Qinghai lake based on statistics downscaling from climatic model [J].Advances in Water Science,2008,19(2):184-191.

[8]陳麗娟,李維京,張培群.降尺度技術(shù)在月降水預(yù)報中的應(yīng)用 [J].應(yīng)用氣象學(xué)報,2003,14(6):648-655.

Chen L J,Li W J,Zhang P Q.Application of a new downscaling model to monthly precipitation forecast [J].Journal of Applied Meteorological Science,2003,14(6):648-655.

[9]Kim J W,Chang J T,Baker N L,et al.The statistical problem of climate inversion:determination of the relationship between local and large-scale climate [J].Monthly Weather Review,1984,112(10):2069-2077.

[10]Wilby R L,Wigley T M L.Downscaling general circulation model output:a review of methods and limitations [J].Progress in Physical Geography,1997,21:530-548.

[11]Sailor D J,Li X.A semiempirical downscaling approach for predicting regional temperature impacts associated with climatic change [J].Journal of Climate,1999,12:103-114.

[12]范麗軍.統(tǒng)計降尺度方法的研究及其對中國未來區(qū)域氣候情景的預(yù)估 [D].北京:中國科學(xué)院研究生院,2006.

Fan L J.Statistical downscaling of local and regional climate scenarios over China [D].Beijing:Graduate University of Chinese Academy of Sciences,2006.

[13]Wigley T M L,Jones P D,Briffa K R,et al.Obtaining sub-grid-scale information from coarse-resolution general circulation model output [J].Journal of Geophysical Research:Atmospheres (1984-2012),1990,95(D2):1943-1953.

[14]趙傳燕,南忠仁,程國棟,等.統(tǒng)計降尺度對西北地區(qū)未來氣候變化預(yù)估 [J].蘭州大學(xué)學(xué)報(自然科學(xué)版),2008,44(5):12- 25.

Zhao C Y,Nan Z R,Cheng G D,et al.Prediction of the trend of the future climate change in Northwestern China by statistical downscaling [J].Journal of Lanzhou University (Natural Sciences),2008,44(5):12-25.

[15]Freeze R A,Harlan R L.Blueprint for a physically-based digitally-simulated hydrological response model [J].Journal of Hydrological,1969,9:237-258.

[16]曹穎,張光輝,羅榕婷.全球氣候變化對涇河流域徑流和輸沙量的潛在影響 [J].中國水土保持科學(xué),2010,8(2):30-35.

Cao Y,Zhang G H,Luo R T.Response of runoff and sediment discharge to global climate change in Jinghe River Basin [J].Science of Soil and Water Conservation,2010,8(2):30-35.

[17]張建云,王國慶.氣候變化對水文水資源影響研究 [M].北京:科學(xué)出版社,2007:129-131.

Zhang J Y,Wang G Q.Study of climate change on hydrology and water resources [M].Beijing:Science Press,2007:129- 131.

[18]Ding Y,Xu Y,Zhao Z C,et al.Climate change scenarios over East Asia and China in the future 100 years [J].Newsletter on Climate Change,2004(1):2-4.

Future runoff variation of Beiluo River Watershed

ZHANG Hongxue,CHANG Jianxia,ZHANG Lianpeng

(StateKeyLabCultivationBaseofNorthwestAridEcologyandHydraulicEngineering,Xi’anUniversityofTechnology,Xi’an,Shaanxi710048,China)

【Objective】 This study analyzed the tendency of runoff variation of Beiluo River basin in future to provide theoretical basis for the sustainable utilization and management of water resources in this watershed.【Method】 Based on the NCEP reanalysis data from USA National Center for environmental prediction and historical precipitation and evaporation data at 7 weather stations of Beiluo River watershed,a statistical downscaling model was established using stepwise regression method to simulate future precipitation and evaporation under two different scenarios of BCC-CSM1.1 (RCP4.5 and RCP8.5) and predict future runoff in combination with TOPMODEL.【Result】 In the two scenarios,the mean annual precipitations of the four periods in future were higher than that of baseline period except for RCP8.5 in 2030s,and the mean annual evaporations were also higher except for RCP4.5 in 2040s.The mean runoffs in summer and autumn in the two scenarios and the mean runoff in winter in RCP8.5 were higher than that of the baseline period with the exception that mean winter runoff during 2015 to 2020 (0.98×108m3) was slightly lower than that of baseline period (1.06×108m3).All maximum values appeared in autumn.【Conclusion】 Combination of TOPMODEL and downscaling model well simulated the future runoff variation.

Beiluo River Watershed; runoff variation;TOPMODEL;statistical downscaling;climate variation;BCC-CSM1.1

時間:2016-09-0709:03DOI：10.13207/j.cnki.jnwafu.2016.10.029

2015-03-12

國家自然科學(xué)基金重大項(xiàng)目(51190093);國家自然科學(xué)基金項(xiàng)目(51179148,51179149)；陜西省重點(diǎn)實(shí)驗(yàn)室項(xiàng)目(13JS069)；水文水資源與水利工程科學(xué)國家重點(diǎn)實(shí)驗(yàn)室開放研究基金項(xiàng)目(2012490511)

張鴻雪(1989-),女,黑龍江集賢人,在讀博士,主要從事水文水資源研究。 E-mail：313231390@qq.com

暢建霞(1974-),女,山西祁縣人,教授,博士生導(dǎo)師,主要從事水文水資源研究。 E-mail：chxiang@xaut.edu.cn

P333.1

A

1671-9387(2016)10-0207-07

網(wǎng)絡(luò)出版地址:http://www.cnki.net/kcms/detail/61.1390.S.20160907.0903.058.html