氣候變化對云南瀾滄江流域徑流的影響

王鴻洋，唐金云，余君妍，徐雅倩，2，楊正健，3，馬 駿

（1.湖北工業(yè)大學河湖生態(tài)修復與藻類利用湖北省重點實驗室，武漢 430068；2.武漢大學水利水電學院，武漢 430070；3.三峽水庫生態(tài)系統(tǒng)湖北省野外科學觀測研究站，湖北 宜昌 443002）

0 引 言

隨著社會發(fā)展，全球變暖成為不爭的事實，2018年IPCC 發(fā)布《全球1.5 ℃增暖特別報告》，2020年世界氣象日主題氣候與水，均在提醒人們關注氣候變化和水資源利用［1，2］。由于全球變暖會使大氣中水汽含量增加，水循環(huán)加快［3］，引起水資源在時空上的再分配，流域內(nèi)徑流受到氣候影響發(fā)生變化，成為國內(nèi)外水科學研究的熱點問題［4，5］。目前眾多專家學者針對氣候變化對國內(nèi)外流域水循環(huán)進行研究，SWAT 等分布式水文模型作為重要工具已經(jīng)在水文和水資源評價方面得到廣泛的應用［6］，如吳安琪、李道峰等對淮河、黃河流域徑流過程模擬［2，3］。瀾滄江流域作為西南地區(qū)國際河流，其徑流變化受到流域內(nèi)各國學者廣泛關注與研究［7，8］，然而不同氣候變化預測方法使得未來徑流變化預估結果并不相同，故合理模擬和預測未來氣候變化以研究徑流的分布特征及變化規(guī)律，對瀾滄江流域水資源規(guī)劃管理具有重要意義。

本文以瀾滄江流域為研究對象構建SWAT 分布式水文模型，并利用CMIP6 情景模式與神經(jīng)網(wǎng)絡模型綜合預測未來氣候情景，基于任意情景法模擬不同氣候變化情景對瀾滄江流域徑流的影響，以期為瀾滄江流域水資源綜合利用及防控旱澇災害提供參考。

1 材料與方法

1.1 研究區(qū)域概括

瀾滄江發(fā)源于青海，流經(jīng)西藏和云南，在云南景洪水電站后的關累自然河段出境成為界河，此后始稱湄公河。境內(nèi)流域面積16.4 萬km2，長約2 153 km，天然落差約為4 583 m［9］。在本文中研究區(qū)域為瀾滄江流域入流云南省至景洪出流結束，如圖1所示。

圖1 瀾滄江流域研究區(qū)域圖Fig.1 Study Area Map of Lancang River Basin

1.2 模型建立

為制備SWAT 模型數(shù)據(jù)庫［10］，采用UTM 投影的DEM 地形數(shù)據(jù)（由BIGEMAP 下載http：//www.bigemap.com/），土地利用數(shù)據(jù)采用2016年中國地表覆蓋遙感數(shù)據(jù)，土壤數(shù)據(jù)為來自世界土壤數(shù)據(jù)庫（HWSD）的1∶100 萬中國土壤數(shù)據(jù)，氣象數(shù)據(jù)綜合利用CMADS［11］數(shù)據(jù)集v1.1 版本（2008-2018年）與SWAT 官網(wǎng)下載1979-2014年氣候預報系統(tǒng)再分析（CFSR）數(shù)據(jù)（https：//glo‐balweather.tamu.edu/）。氣溫、水溫、濕度等環(huán)境因子實測數(shù)據(jù)為鹽井至大華僑自然河道段間隔約每40 km 共設12 個取樣點，梯級水庫段苗尾、功果橋、小灣、漫灣、大朝山、糯扎渡、景洪7個水電站為壩上和壩下共設14個樣點監(jiān)測，水文、氣象實測數(shù)據(jù)為華能瀾滄江公司提供1979年至2018年的水電站每日監(jiān)測數(shù)據(jù)。

模型范圍瀾滄江流域入流云南省至景洪結束，共劃分55個子流域，干流由1 號子流域流入，54 號子流域的景洪站點流出，設置6 種土地利用類型，27 種土壤類型，2 種坡度，如圖2所示。基于《土地利用現(xiàn)狀分類標準》，根據(jù)土地利用/覆蓋變化（Land-Use and Land-Cover Change，LUCC）分類體系中的一級類型將瀾滄江流域的主要土地利用類型進行重分類，共分為耕地、林地、牧地、園地、商業(yè)用地和工業(yè)用地六種類型。流域內(nèi)以園地為主，面積占比約為60%，其次林地面積占比約18%，耕地面積占比約16%，三者之和高達98%。對于土壤類型分類，研究區(qū)域內(nèi)以淋溶土為主，其中筒育高活性淋溶土占比高于25%，鐵質(zhì)低活性強酸土占比接近20%，筒育低活性強酸土和腐殖質(zhì)低活性強酸土占比均高于10%，而其他土壤類型占比較小，水體占比小于1%。

1.3 氣候預測方法

CMIP6 情景模式［12］主要應用于全球或流域尺度的氣候變化的研究工作，本文將綜合利用CMIP6 模式與瀾滄江氣象數(shù)據(jù)模擬預測相結合的方式以進行情景設計。在情景模式比較計劃（ScenarioMIP）下的7 個組合情景，并基于Matlab 時間序列動態(tài)神經(jīng)網(wǎng)絡模型（NAR）和preparets函數(shù)可用于氣候模擬預測。

2 結果與分析

2.1 模型率定及驗證

瀾滄江模型成功構建后，可利用SWAT-CUP 軟件中SUFI-2 算法對模型全局或單一參數(shù)進行敏感性分析、結果率定驗證等。為保證輸入氣象數(shù)據(jù)綜合利用結果可靠，且考慮到實際監(jiān)測中每日數(shù)據(jù)齊全年份，選用景洪站點實測數(shù)據(jù)進行率定及驗證，其中1979-1981年設為模型預熱期，1982-1984年為率定期，1985年和2016-2017年為驗證期。主要根據(jù)p-value 和tstat 所代表參數(shù)的重要性和敏感性篩選出部分參數(shù)進行優(yōu)化調(diào)整［3］。SWAT 模型通常利用判定系數(shù)R2和納什系數(shù)ENS指標對模擬結果進行適用性評價，一般認為R2及ENS大于0.5 表明模型可用，此次瀾滄江流域模型流量率定驗證結果R2和ENS均高于0.8，如圖3所示。從徑流模擬評價效果來看，模擬結果的徑流量及變化規(guī)律與實測結果大致相同，干雨季出現(xiàn)時間與實測值較符合，整體上模擬效果較好。其誤差主要原因可能是受人類活動對徑流過程的影響和模型條件精度不夠的問題，下一步仍需收集調(diào)研相關高精度實測資料，更精準的調(diào)整模型參數(shù)以期達到更好的模擬效果。

圖3 SWAT模型徑流率定結果Fig.3 Calibration of the SWAT model

2.2 瀾滄江流域氣候變化特征

結合CMIP6 情景模式中組合情景在云南境內(nèi)瀾滄江流域上中下游各選一點為代表分析研究區(qū)域內(nèi)氣候變化特征及未來趨勢，分別為圖1中所示德欽、小灣、景洪水電站位置處，各點位1979年1月1日至2014年6月1日的最高（max）氣溫、最低（min）氣溫和降水數(shù)據(jù)如圖4所示，并計算各地年均氣溫后利用Mann-Kendall趨勢檢驗模型分析氣候變化趨勢如表1所示。結果表明，近四十年來瀾滄江流域氣溫由上游至下游逐漸升高，各地年氣溫變化幅度較小，相鄰年均變化基本在1 ℃以內(nèi)，近四十年總體氣溫變化幅度在3 ℃以內(nèi)呈上升趨勢，其中最高氣溫和上游最低氣溫均呈顯著性上升趨勢［13-15］，中下游最低氣溫變化趨勢不顯著。瀾滄江流域降水變化特征及趨勢較氣溫更為復雜，過去四十年間降水總體均呈顯著性下降趨勢，21世紀降水量開始回升且中上游降水變?yōu)樯仙厔荨Ｈ欢噜從攴萁邓坎罹嗫赡艹霈F(xiàn)極端情況，降水的豐水年和枯水年之間差距較大，最大年間變化可達68%，總體降水量變化情況基本不超過20%，其中上游降水較少且年際變化較為平緩，下游降水較多且年際變化更為頻繁復雜［14］，也更易出現(xiàn)降水的極端情況。

圖4 瀾滄江不同地區(qū)氣候變化特征Fig.4 Characteristics of climate change in different areas of the Lancang River

表1 Mann-Kendall趨勢檢驗結果Tab.1 Results of the Mann-Kendall trend test

2.3 瀾滄江流域徑流分布特征

SWAT模型模擬自然情況下瀾滄江流域單個子流域內(nèi)的年徑流量（m3/s）空間分布情況如圖5所示，與氣象站降水數(shù)據(jù)對比發(fā)現(xiàn)瀾滄江徑流分布與降水分布較為相似，在空間上干流徑流量與降水均為上游至下游逐漸增加，在時間上經(jīng)皮爾遜雙尾檢驗為顯著正相關（r=0.247，p=0.01）。由徑流分布數(shù)據(jù)范圍可知在上游徑流量一般低于5 m3/s，而中游徑流量為15 m3/s左右，至下游可達30 m3/s 以上；同時徑流量呈干流高于支流特征，一般支流徑流量均低于5 m3/s而干流最高可達50 m3/s以上。隨著各子流域干支流不斷匯入在下游干流中累加后，下游徑流會隨之累積不斷升高。

圖5 瀾滄江流域各子流域內(nèi)徑流量空間分布Fig.5 Spatial distribution of annual runoff in each sub-basin of the Lancang River Basin

2.4 瀾滄江流域氣候預測及情景設計

ScenarioMIP 組合情景中的20年氣溫增量為1.0～1.5 ℃，降水變化范圍為-7%～20%，其均值約為1.2 ℃和9%；40年氣溫增量變化為1.5～2.5 ℃左右，降水變化范圍為1%～30%，其均值約為1.9 ℃和21%。利用神經(jīng)網(wǎng)絡由現(xiàn)有近四十年約13 000 條氣象數(shù)據(jù)預測未來氣候變化，將前70%數(shù)據(jù)作為訓練數(shù)據(jù)，15%數(shù)據(jù)作為驗證數(shù)據(jù)，后15%作為測試數(shù)據(jù)，其誤差位于置信區(qū)間內(nèi)訓練效果較好可用于模擬預測研究，如圖6所示。不考慮其他因素影響的條件下，預測未來20年內(nèi)總體氣溫升高不超過1 ℃，40年內(nèi)氣溫升高不超過2 ℃；未來降水40年內(nèi)總體呈略微增多趨勢，主要為極端降水情況增多，降水增多主要集中在夏秋兩季，而春冬季降水變化較小。根據(jù)CMIP6 模式多情景和神經(jīng)網(wǎng)絡模擬預測未來氣溫呈1 ℃/20 a 的上升趨勢，降水將呈約10%/20 a 的上升趨勢，采用任意情景法設置氣溫和降水不同變化情景分別進行模擬。設置情景將氣溫在原氣溫T的基礎上分別等差增加0，0.5，1，1.5 和2 ℃；將降水按年份分別等比設置為原降水量P的80%，90%，100%，110%和120%。

圖6 神經(jīng)網(wǎng)絡誤差分析Fig.6 Error analysis of Neural Network

2.5 瀾滄江流域氣候變化對徑流的影響

根據(jù)氣溫升高的情景保持降水不變，將5 種氣溫變化情景代入建立好的SWAT 模型中模擬，結果如圖7所示。結果表明，降水不變的情況下，隨著氣溫的升高，年徑流量將減少，主要表現(xiàn)為夏季略微減少，其他季節(jié)變化相對較小，擬合氣溫與徑流的趨勢線公式為y=-11.123x+1 230.6。其中，當氣溫升高0.5 ℃時，徑流減少5.7 m3/s，潛在蒸散量［16，17］增加約15 mm；當氣溫升高2 ℃時，徑流減少22.0 m3/s，潛在蒸散量增加約60 mm。

圖7 不同氣溫變化情景下徑流量變化Fig.7 Runoff changes under different temperature change scenarios

根據(jù)降水變化的情景保持氣溫不變，將5 種降水變化情景代入建立好的SWAT 模型之中，結果如圖8所示。結果表明，在氣溫不變的情況下，隨著降水的增多，年徑流量增多，徑流主要集中在夏秋兩季增多，冬春兩季徑流變化較小，擬合降水與徑流的趨勢線公式為y=2 263.1x-1 020。其中，當降水增加到120%時，徑流增加477.5 m3/s，潛在蒸散量增加約1 mm，當降水減少到80%時，徑流減少236.5 m3/s，潛在蒸散量減少約1 mm。

圖8 不同降水情景下徑流量變化Fig.8 Runoff changes under different precipitation scenarios

將氣溫與降水共同變化的25 種情景分別代入到建立好的SWAT 模型之中，以計算氣溫與降水對瀾滄江徑流量的共同影響，不同氣候變化情景模擬得到的年徑流量變化如表2所示。瀾滄江流域年徑流量受到溫度和降水的共同影響，共設置25種氣候變化情景中，當降水量增加到120%時，氣溫不變時，年徑流量變化量最大，增加477.5 m3/s，變化率為38.8%；當降水量不變，氣溫升高0.5 ℃時，年徑流量變化量最小，變化率僅為0.5%。

表2 不同氣候變化情景下徑流量變化 m3/sTab.2 Runoff changes under different climate change scenarios

瀾滄江流域徑流受降水量變化的影響比受氣溫變化影響大，當氣溫不變時，降水量每增加10%，年徑流量平均增加225.4 m3/s，潛在蒸散量減少約0.5 mm；當降水不變時，氣溫每增加1℃，年徑流量平均減少5.2 m3/s，潛在蒸散量增加約15 mm，說明降水是影響瀾滄江流域年徑流量的主要因素，氣溫是影響瀾滄江流域潛在蒸散量的主要因素。

3 討 論

3.1 瀾滄江流域徑流變化分析

瀾滄江作為東南亞地區(qū)重要的國際性河流，在全球氣候變化的影響下水文循環(huán)加速，進而對流域的徑流、蒸散等各水平衡要素產(chǎn)生重要影響。云南省內(nèi)瀾滄江流域受到海陸間熱力差異和大氣環(huán)流影響，降水量在季節(jié)上的分配極不均勻［18］，多數(shù)地區(qū)80%以上的降水都集中在6-10月［19］。瀾滄江流域徑流分布以雨水補給為主，約占徑流的60%以上，并伴有地下水和高山冰雪融水補給［20-22］。模型使用Penman-Monteith 方程和水量平衡方程［10］模擬不同氣候變化情景中的潛在蒸散［23］過程和徑流量發(fā)現(xiàn)，在降水不變的條件下，氣溫升高時徑流量降低，而蒸散量與潛在蒸散均增多；在氣溫不變的條件下，降水增多時徑流量和蒸散量增多，潛在蒸散反而減少。徑流量與降水變化正相關，與氣溫負相關，潛在蒸散與降水變化負相關，與氣溫正相關［24］。當降水變化幅度超過約1%的閾值時，瀾滄江流域內(nèi)徑流主要受降水變化影響，而潛在蒸散及蒸散量主要受氣溫變化的影響。

3.2 瀾滄江流域氣候變化及應對策略分析

自20世紀80年代以來云南省內(nèi)瀾滄江流域氣溫呈增加趨勢，降水變化較為復雜，不同區(qū)域增減趨勢不一致［15，25-27］，因降水分布不均導致瀾滄江流域內(nèi)水資源分配短缺。預測未來瀾滄江流域氣溫將呈1 ℃/20 a 增加趨勢，降水在豐水年和枯水年間可能存在差異但總體降水呈10%/20 a 增加趨勢［5，14，15］。受到瀾滄江流域內(nèi)顯著季風氣候的影響，未來降水增加將集中于雨季，更加容易暴發(fā)洪澇災害，而干季時由于降水較少而氣溫上升導致干旱程度和范圍加劇更易暴發(fā)旱情，未來瀾滄江流域旱澇災害風險增大，隨社會發(fā)展過程中人類對水資源需求增加，瀾滄江流域內(nèi)水資源規(guī)劃管理綜合利用面臨考驗，更需積極采取合理有效措施應對未來氣候變化影響并防控旱澇災害。

云南省退耕還林還草策略的持續(xù)開展，會增加植被覆蓋來緩解氣候變暖，減少雨季地表徑流起到涵養(yǎng)水源和凈化水質(zhì)的作用；同時植物根系可緩解土壤及肥力流失和泥沙淤積問題，保護土地資源可持續(xù)發(fā)展［28］。目前退耕還林改善生態(tài)環(huán)境作為一個長期目標規(guī)劃而短期內(nèi)難有明顯成效，利用瀾滄江流域內(nèi)已建成梯級水庫調(diào)度防控旱澇災害將更為直接有效。瀾滄江流域高密集的梯級水電工程開發(fā)使瀾滄江中下游的河流形態(tài)、水文情勢發(fā)生變化［29］。利用SWAT 模型模擬自然河道情況下的徑流與目前水庫建設后徑流變化對比發(fā)現(xiàn)，水庫調(diào)度對徑流的影響主要體現(xiàn)在年內(nèi)季節(jié)的變化上，表現(xiàn)為補枯和削峰作用，年際之間受水庫影響徑流變化不大［6，29］。在非汛期，由于瀾滄江徑流量原本較小，因此水庫的調(diào)蓄作用相對較大，補枯作用較為明顯；在汛期時，洪水來臨時考慮到防洪風險單一水庫的削峰作用不太顯著，梯級水庫聯(lián)合調(diào)度的累積效應使削峰作用增強。瀾滄江流域內(nèi)梯級水庫聯(lián)合調(diào)度目標需求復雜，若在完全按照防洪目標的情況下可將200年一遇洪水減至20～50年一遇［30］。對于未來氣候變化降水集中可能引發(fā)極端天氣增多的情況，使瀾滄江流域內(nèi)旱澇災害更頻發(fā)，利用梯級水庫聯(lián)合調(diào)度顯著的蓄洪補枯作用防控災害，更需合理優(yōu)化水庫多目標調(diào)度方式，使發(fā)電、防洪、水資源利用等綜合效益進一步發(fā)揮。

4 結 論

（1）云南省內(nèi)瀾滄江流域徑流模擬程度較好，其判定系數(shù)及納什系數(shù)的率定驗證結果均高于0.8，SWAT 模型適用于對瀾滄江流域徑流的應用研究。

（2）云南省內(nèi)瀾滄江流域徑流量主要受降水變化影響，蒸散主要受氣溫變化影響，由CMIP6和NAR模型根據(jù)目前氣候變化特征趨勢預測未來40年間氣溫將呈約1 ℃/20 a的上升趨勢，降水將呈約10%/20 a 的上升趨勢，降水增加主要集中夏秋季，蒸散增加冬春季效果更為明顯，使干雨季旱澇災害風險增加，更需退耕還林和梯級水庫聯(lián)合調(diào)度防控旱澇災害。