不同氣候情景下和田河上游徑流變化

尤揚(yáng)，李朋朋，高云

（1.河北工程大學(xué)園林與生態(tài)工程學(xué)院，河北 邯鄲 056038；2.河海大學(xué)水文水資源與水利工程科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，南京 210098）

氣候變化已成為21世紀(jì)全球最重要的環(huán)境挑戰(zhàn)之一，氣候變化將進(jìn)一步加劇人類(lèi)對(duì)水資源需求的矛盾，而全球幾乎所有地區(qū)都將經(jīng)歷氣候變化對(duì)水資源系統(tǒng)的負(fù)面影響［1-2］。有關(guān)氣候變化對(duì)水文水資源影響的研究已十分廣泛［3-7］，尤其是在人類(lèi)活動(dòng)較少的地區(qū)，有研究［8-10］表明氣候變化是河川徑流變化的主要驅(qū)動(dòng)因素。越來(lái)越多的證據(jù)表明研究變化環(huán)境［12-13］下水文循環(huán)過(guò)程成為眾多學(xué)者［14-16］關(guān)注的熱點(diǎn)之一。

20世紀(jì)80年代以來(lái)全球氣候變化對(duì)新疆地區(qū)影響明顯，氣溫升高加快，許多河流徑流量增加，部分湖泊水位持續(xù)上升［17］。位于新疆南部荒漠區(qū)的和田河是高山冰雪融水與雨水混合補(bǔ)給的河流，且以冰川融水補(bǔ)給為主［18］，氣候的變化必將引起其徑流量的改變。同時(shí)位于流域內(nèi)的和田綠洲的水源單一，其水資源主要來(lái)自和田河上游山區(qū)，山區(qū)徑流的變化將直接影響社會(huì)經(jīng)濟(jì)活動(dòng)，該地區(qū)主要因和田河而興，和田河徑流量的變化對(duì)于綠洲的穩(wěn)定發(fā)展至關(guān)重要，同時(shí)也會(huì)對(duì)流域下方的塔里木河供水及其生態(tài)環(huán)境產(chǎn)生重要影響，因此研究變化環(huán)境下和田河徑流變化具有重要現(xiàn)實(shí)意義。

和田河是塔里木河的3條主要支流之一。近年來(lái)很多研究者對(duì)塔里木河流域的徑流變化［19-33］、氣候變化［34-35］等問(wèn)題進(jìn)行了一系列的研究。其中一些研究［36］指出，和田河徑流量隨著溫度和降水量的增加而持續(xù)減少，其與塔里木河其他3個(gè)水源地（開(kāi)孔河、阿克蘇河、葉爾羌河）呈現(xiàn)出相反的情況，但同時(shí)另有研究［38-39］指出，和田河徑流隨著溫度和降水量的增加呈現(xiàn)出增加趨勢(shì)?；诖?，以和田河流域上游區(qū)域?yàn)檠芯繉?duì)象，應(yīng)用趨勢(shì)分析方法分別研究降水、溫度、徑流自1980—2015年的變化趨勢(shì)以及降水、溫度對(duì)徑流的影響；利用Soil and water Assessment Tool（SWAT）模型對(duì)和田河上游徑流進(jìn)行模擬，分析降水和溫度對(duì)和田河流域上游徑流的影響，并得出預(yù)設(shè)情景模式下和田河上游徑流情況，旨在為和田河流域的水資源配置和可持續(xù)發(fā)展提供科學(xué)支持。

1 氣候變化對(duì)上游徑流的影響

1.1 研究區(qū)概況

和田河上游為玉龍喀什河和喀拉喀什河，均為山岳區(qū)，海拔高度為1 192～6 858 m，部分山峰終年冰雪覆蓋。玉龍喀什河集水面積21 231.90 km2，在其河流的出山口位置設(shè)有同古孜洛克水文站；喀拉喀什河集水面積14 581.90 km2，在其河流的出山口位置設(shè)有烏魯瓦提水文站。

原始觀測(cè)數(shù)據(jù)來(lái)源為和田河上游出山口位置處的烏魯瓦提和同古孜洛克監(jiān)測(cè)站點(diǎn)，其中氣溫、降水以及徑流量的時(shí)間系列為1980—2015年，共計(jì)36 a。氣溫及降水?dāng)?shù)據(jù)個(gè)別年份出現(xiàn)缺測(cè)，由和田氣象站觀測(cè)值代替。徑流變化主要由氣象因素引起，而氣候變化對(duì)徑流的影響具有多樣性和復(fù)雜性，其主要是受降水以及氣溫的變化影響從而影響河流徑流的補(bǔ)給、蒸發(fā)等，故主要分析降水、氣溫對(duì)徑流的影響。

1.2 氣候的變化特征

1.2.1 溫度變化

1980—2015年均溫度（T）線性變化趨勢(shì)見(jiàn)圖1。由圖1可知1980—2015年和田河流域上游年均氣溫變化率為0.31℃／10 a，且其年平均氣溫呈顯著增加趨勢(shì)（r＝0.42＞r0.05＝0.33）。

圖1 1980—2015年年均溫度線性趨勢(shì)Fig.1 Linear trend of annual mean temperature from 1980 to 2015

經(jīng)5年滑動(dòng)平均曲線分析，1980—1997年年平均氣溫基本穩(wěn)定，之后上升；同時(shí)從Mann-Kendall（M-K）突變檢驗(yàn)見(jiàn)圖2來(lái)看，其UF和UB兩條曲線1993年出現(xiàn)交點(diǎn)，且交點(diǎn)在臨界線之間，表明交點(diǎn)對(duì)應(yīng)的時(shí)刻即1993年，便是突變開(kāi)始的時(shí)間。

圖2 1980—2015年年均溫度M-K檢驗(yàn)Fig.2 M-K test of annual average temperature from 1980 to 2015

1.2.2 降水變化

1980—2015年年均降水（P）線性變化趨勢(shì)圖見(jiàn)圖3。由圖3可知，1980—2015年和田河流域上游年平均降水量變化率為16.5 mm／10 a，且其年平均降水呈顯著增加趨勢(shì)（r＝0.34＞r0.05＝0.33）。

圖3 1980—2015年年均降水線性趨勢(shì)Fig.3 Linear trend of annual mean precipitation from 1980 to 2015

經(jīng)5年滑動(dòng)平均趨勢(shì)分析，年平均降水量的增加趨勢(shì)開(kāi)始于2002年左右；而由M-K突變檢驗(yàn)（圖4）來(lái)看，其UF和UB兩條曲線2003年出現(xiàn)交點(diǎn)，且交點(diǎn)在臨界線之間，表明交點(diǎn)對(duì)應(yīng)的時(shí)刻即2003年便是突變開(kāi)始的時(shí)間。

圖4 1980—2015年年均降水M-K檢驗(yàn)Fig.4 M-K test of annual average precipitation from 1980 to 2015

1.3 氣候變化對(duì)徑流的影響

1980—2015年年徑流量（R）線性趨勢(shì)見(jiàn)圖5。由圖5可知1980—2015年年平均徑流量呈增加趨勢(shì)，但增加趨勢(shì)不顯著（r＝0.154＜r0.05＝0.256）；和田河上游1980—2015年的近36年來(lái)年平均徑流量變化率約3.4億m3／10 a。此結(jié)果與呂繼強(qiáng)等［28］、周曉曦等［17］的研究結(jié)果基本一致。

圖5 1980—2015年年徑流量線性趨勢(shì)Fig.5 Linear trend of annual runoff from 1980 to 2015

1980—2015年年徑流的M-K突變檢驗(yàn)見(jiàn)圖6。由圖6可知1985—2005年徑流量呈下降趨勢(shì)，而在2004年開(kāi)始呈上升趨勢(shì)，突變點(diǎn)主要集中在2005年前后，同時(shí)由該圖也可以看出近10年來(lái)徑流量明顯增加。

圖6 1980—2015年年均降水M-K檢驗(yàn)Fig.6 M-K test of annual average precipitation from 1980 to 2015

由以上分析可得，和田河年徑流在1980—2015年總體呈上升趨勢(shì)，特別是進(jìn)入21世紀(jì)以來(lái)，氣溫升高導(dǎo)致冰川融雪加速，以及降水增加，都導(dǎo)致和田河徑流量的增加［38］。

2 和田河上游SWAT模型建立

2.1 和田河上游SWAT模型的建立

本文對(duì)于不同來(lái)源的空間數(shù)據(jù)，均經(jīng)過(guò)投影變換為統(tǒng)一的投影坐標(biāo)系統(tǒng)進(jìn)行分析。由于研究區(qū)范圍不在同一個(gè)3度帶或6度帶上，故采用Albers投影，其相關(guān)參數(shù)見(jiàn)表1。

表1 投影坐標(biāo)系統(tǒng)參數(shù)Tab.1 Projection coordinate system parameters

數(shù)字高程（Digital Elevation Model，DEM）為SWAT模型數(shù)據(jù)庫(kù)中最為重要的空間數(shù)據(jù)資料，可用于計(jì)算一系列SWAT數(shù)據(jù)庫(kù)所需的參數(shù)，其中包括流域河網(wǎng)水系的提取，子流域范圍的確定以及坡度、坡向的提取等。高程數(shù)據(jù)來(lái)自美國(guó)國(guó)家航空和航天局（NASA）（https：／／www.nasa.gov／），柵格精度為30 m×30 m。

根據(jù)DEM數(shù)據(jù)進(jìn)行子流域的劃分，指定流域的出口分別為上游河流的2個(gè)出山口同古孜洛克站和烏魯瓦提站，然后進(jìn)行河網(wǎng)的劃分及相關(guān)參數(shù)的計(jì)算，最終將喀拉喀什河上游和玉龍喀什河上游研究區(qū)分別劃分為23個(gè)和27個(gè)子流域，見(jiàn)圖7。

圖7 子流域劃分Fig.7 Sub-basin division map

土地利用是SWAT模型的重要數(shù)據(jù)之一，土地利用變化導(dǎo)致土地覆被發(fā)生變化，從而影響降水的截留、下滲、蒸發(fā)等陸面水文過(guò)程及河道產(chǎn)匯流過(guò)程，進(jìn)而影響流域出口斷面的流量過(guò)程。土地利用數(shù)據(jù)來(lái)自資源環(huán)境數(shù)據(jù)云平臺(tái)（RESDC）（http：／／www.resdc.cn），時(shí)間為2010年，柵格精度為30 m。根據(jù)土地利用數(shù)據(jù)建立適應(yīng)SWAT模型的土地利用類(lèi)型索引表。

由于研究區(qū)內(nèi)只有一個(gè)氣象站即和田站，因此采用SWAT模型中國(guó)大氣同化驅(qū)動(dòng)數(shù)據(jù)集（the China meteorological assimilation driving datasets for the SWAT model）CMADSV1.1，數(shù)據(jù)集的空間分辨率為1／4°，時(shí)間分辨率為逐日，時(shí)間跨度為2008—2014年（http：／／westdc.westgis.ac.cn）?？紤]到山區(qū)上游為冰川區(qū)，因此將各子流域高程自動(dòng)劃分為10類(lèi)高程帶，并按高程帶加載冰川水體數(shù)據(jù)，冰川數(shù)據(jù)來(lái)源為中國(guó)第2次冰川編目數(shù)據(jù)集（V1.0）。

2.2 參數(shù)率定與驗(yàn)證

2.2.1 參數(shù)率定

綜合考慮山區(qū)河流的典型水文過(guò)程，選取SWAT模型提供的與徑流模擬相關(guān)的26個(gè)參數(shù)進(jìn)行校準(zhǔn)、驗(yàn)證和敏感性分析。利用SWAT-CUP進(jìn)行全局性敏感分析，根據(jù)全局性敏感分析（t-Stat值為敏感性程度，絕對(duì)值越大越敏感；P-Value值決定了敏感性的顯著性，越接近于0越顯著），并參考類(lèi)似流域的徑流模擬研究，最終選取18個(gè)與雪過(guò)程、地下水、入滲、蒸發(fā)、土壤和盆地參數(shù)變化有關(guān)的參數(shù)。利用SUFI-2算法對(duì)本模型進(jìn)行參數(shù)率定，通過(guò)迭代運(yùn)算，得到本模型的最優(yōu)參數(shù)，結(jié)果見(jiàn)表2。

表2 模型參數(shù)率定取值Tab.2 Model parameter calibration value table

2.2.2 模型驗(yàn)證

在模型驗(yàn)證中，分別采用納什效率系數(shù)（Nash-Sutcliffe efficiency coefficient，NSE）、均方根誤差與標(biāo)準(zhǔn)差的比值RSR（ratio of root mean squared error to standard deviation）以及百分誤差（percentage of bias，PBIAS）來(lái)進(jìn)行驗(yàn)證。

式中：Y i，obs表示第i月的觀測(cè)值，m3／s；Yi，sim為第i月的模擬值，m3／s。當(dāng)RSR≤0.7、NSE＞0.5、PBIAS＜25%時(shí)，模擬結(jié)果滿足要求；當(dāng)0.5＜RSR≤0.6、0.65＜NSE≤0.75和±10%＜PBIAS≤±15%時(shí)，模擬結(jié)果好；當(dāng)RSR≤0.5、0.75＜NSE≤1.0和PBIAS≤±10%時(shí)，模擬結(jié)果較好。

分別以2009—2012年和2013—2014年作為模型的預(yù)熱期、校準(zhǔn)期和驗(yàn)證期。烏魯瓦提水文站和同古孜洛克水文站月徑流模擬結(jié)果見(jiàn)圖8和表3。烏魯瓦提水文站月徑流的NSE、RSR、PBIAS在率定期分別為0.8、0.44和－9.8%，而在驗(yàn)證期分別為0.80、0.44和－6.1%，證明模型模擬效果良好；同理，由表3可以看出同古孜洛克水文站月徑流模擬效果好。因此，建立的SWAT模型在和田河上游區(qū)域總體模擬效果較好，具有良好的應(yīng)用前景。

圖8 月徑流率定期和驗(yàn)證期模擬結(jié)果Fig.8 Simulation results of regular and verification period of runoff rate

表3 模擬指標(biāo)結(jié)果Tab.3 Simulation index results

2.2.3 溫度、降水對(duì)徑流的影響

目前，用SWAT方法量化氣候變化對(duì)徑流的影響有2種方法：第1種為輸入溫室氣體濃度變化引起的氣候變化值；第2種方法為輸入降水和溫度的具體變化量。第2種方法應(yīng)用比較方便、廣泛，因此采用第2種方法，即直接輸入降水和溫度的特定增量情景來(lái)預(yù)估溫度和降水變化對(duì)徑流的影響。以2009—2011年的率定期間的降水量、最高溫度和最低溫度為基準(zhǔn)，同時(shí)考慮到1980—2015年期間降水和氣溫線性趨勢(shì)分別上升了12.5%和0.3%，故設(shè)置6種情景研究氣候變化對(duì)徑流的影響。

由表4知，和田河上游流域降水量發(fā)生變化（P＋12.5%、P＋10%和P－10%），其他參數(shù)不變，和田河徑流量（同古孜洛克和烏魯瓦提的總徑流量）將分別增加8.19%、6.45%和減少6.23%。同時(shí)，若和田上游流域溫度變化分別增加0.3℃、1℃和2℃，其他參數(shù)不變，和田河徑流量將分別增加1.96%、7.74%和12.99%，徑流增加主要為冰川融雪徑流。因此，降水和溫度變化均對(duì)和田河徑流產(chǎn)生影響：隨著降水的增加，以及溫度升高，和田河徑流量增加；隨降水減少，其徑流量減少。

表4 降水、溫度變化對(duì)徑流的影響Tab.4 Effects of precipitation and temperature changes on runoff

3 基于SWAT模型的上游徑流預(yù)測(cè)

3.1 未來(lái)氣候預(yù)估

CMIP5設(shè)置了4種典型排放情景（RCP2.6、RCP4.5、RCP6.0和RCP8.5），使用了在中國(guó)表現(xiàn)較好的3個(gè)大氣環(huán)流模式見(jiàn)表5，其中包括了RCP4.5、RCP8.5排放情景下21世紀(jì)（2006—2100年）相關(guān)氣象因子數(shù)據(jù)。

表5 氣候模式基本信息Tab.5 Basic information of climate model

然而，氣候模式直接輸出結(jié)果存在著較大的系統(tǒng)性偏差。因此，在使用GCM氣候模式數(shù)據(jù)時(shí)，需進(jìn)行降尺度處理。統(tǒng)計(jì)降尺度法利用多年的觀測(cè)資料建立大尺度氣候狀況（主要是大氣環(huán)流）和區(qū)域氣候要素之間的統(tǒng)計(jì)關(guān)系，并用獨(dú)立的觀測(cè)資料檢驗(yàn)這種關(guān)系，最后再把這種關(guān)系應(yīng)用于全球氣候模式輸出的大尺度氣候信息，來(lái)預(yù)估區(qū)域未來(lái)的氣候變化情景（如氣溫和降水）。

采用等距分位匹配法（the equidistant quantilebased mapping method）進(jìn)行統(tǒng)計(jì)降尺度處理，基于氣候模式數(shù)據(jù)和實(shí)測(cè)氣象數(shù)據(jù)歷史基準(zhǔn)期的累積概率分布不同，組合調(diào)整未來(lái)預(yù)測(cè)期的氣候模式累積概率分布。利用和田河流域3個(gè)氣象站點(diǎn)（和田站、皮山站、于田站）的降水、氣溫等觀測(cè)資料，利用等距分位匹配法建立統(tǒng)計(jì)降尺度模型，對(duì)BCC_CSM1.1、HadGEM2-ES、MIROC-ESM-CHEM 3種氣候模式的RCP4.5和RCP8.5兩種排放情景下未來(lái)氣候模式數(shù)據(jù)進(jìn)行降尺度，生成降尺度后的流域未來(lái)降雨、氣溫等氣象序列。

圖9和圖10分別為各情景模式下2020—2090年和田河流域年均氣溫（T）和年降水（P）的預(yù)估值（圖中方程為各對(duì)應(yīng)模式下線性趨勢(shì)擬合方程）。由圖可知，在RCP4.5氣候情景下，BCC模式和HADG模式下2020—2090年和田河流域氣溫均呈上升趨勢(shì)，其氣溫上升幅度分別為0.2℃／10 a和0.4℃／10 a；降水也呈上升趨勢(shì)，其上升幅度為0.5 mm／10 a和0.2 mm／10 a；MIROC模式下氣溫和降水均呈下降趨勢(shì)，其降幅分別為0.4℃／10 a和0.4 mm／10 a。在RCP8.5氣候情景下，BCC、HADG、MIROC等3種模式下其氣溫和降水均呈現(xiàn)上升趨勢(shì)，其上升幅度分別為0.5℃／10 a、0.9℃／10 a、0.9℃／10 a和0.2 mm／10 a、0.6 mm／10 a、0.5 mm／10 a。

圖9 各情景模式下2020—2090年氣溫預(yù)估Fig.9 Temperature projections under various scenarios from 2020 to 2090

圖10 各情景模式下2020—2090年降水預(yù)估Fig.10 Precipitation projections for under each scenario model from 2020 to 2090

以SWAT模型率定期2009—2011年的氣候值為基準(zhǔn)值，研究2021—2040年的溫度和降水變化情況，結(jié)果見(jiàn)表6。6種情景模式下2021—2030年的年均溫度較基準(zhǔn)期均升高，升高幅度在0.31～1.2℃，其中：在HADG_RCP8.5情景模式下溫度升幅最小，為0.31℃；而MIROC_RCP4.5情景模式下溫度升幅最大，為1.20℃。6種情景模式下2020—2030年的年降水量較基準(zhǔn)期變化幅度為－0.90%～2.53%，其中：MIROC_RCP8.5情景模式下年水量減少最大，為－0.90%；而B(niǎo)CC_RCP8.5情景模式下降水量增加最大，為10.9%。

表6 和田河流域2021—2030年及2031—2040年溫度、降水變化情況Tab.6 Temperature and precipitation changes in the Hotan River Basin from 2021 to 2030 and 2031 to 2040

3.2 不同情景模式下的徑流預(yù)測(cè)

根據(jù)建立的6種未來(lái)氣候情景模式，利用SWAT模型對(duì)這些情景下的和田河上游2021—2040年的流量進(jìn)行預(yù)測(cè)，結(jié)果見(jiàn)表7。由表7可知，相較基準(zhǔn)期，和田河流域上游年均徑流量在2021—2030年以及2031—2040呈增加趨勢(shì)。2021—2030年，6種情景中BCC_RCP8.5情景年均徑流量預(yù)估值最大，為56.76億m3；HADG_RCP8.5情景下年均徑流量預(yù)估值最小，為51.25億m3。2031—2040年，6種情景中MIROC_RCP4.5情景下年均徑流量預(yù)估值最大，為60.08億m3；BCC_RCP4.5情景下年均徑流量預(yù)估值最小，為53.06億m3。和田河流域上游在2006—2015年年均實(shí)際徑流量為51.34億m3，而隨著和田綠洲區(qū)經(jīng)濟(jì)社會(huì)的進(jìn)一步發(fā)展，對(duì)上游來(lái)水的需求會(huì)進(jìn)一步增加，因此對(duì)于各情景下2021—2030年以及2021—2030年的來(lái)水配置需作進(jìn)一步優(yōu)化研究，確保和田綠洲經(jīng)濟(jì)社會(huì)穩(wěn)定發(fā)展。

表7 各情景下2021—2040年和田河上游年均徑流量預(yù)估Tab.6 Estimated upstream annual runoff under each scenario from 2021 to 2040

4 結(jié) 論

和田河流域上游年徑流在1980—2015年總體呈上升趨勢(shì)，特別是進(jìn)入21世紀(jì)以來(lái)，氣溫的升高導(dǎo)致冰川融雪加速以及降水增加，導(dǎo)致和田河徑流量增加。為明確氣候變化對(duì)和田綠洲區(qū)可用水資源的影響，利用SWAT模型對(duì)和田河上游徑流進(jìn)行模擬，分析降水和溫度對(duì)和田河流域上游徑流的影響，并得出預(yù)設(shè)情景模式下的和田上游徑流情況，結(jié)果表明：在和田河上游地區(qū)具有較好的適用性。以2009—2011年為基準(zhǔn)期，若和田河上游降水量分別增加12.5%、10%和減少10%，則其年均徑流量將分別增加8.19%、6.45%和減少6.23%；若和田上游流域溫度分別增加0.3℃、1℃和2℃，則和田河年均徑流量將分別增加1.96%、7.74%和12.99%，預(yù)設(shè)的6種情景均呈現(xiàn)增加趨勢(shì)，其中：2021—2030年HADG_RCP8.5情景下年均徑流量最小，為51.25億m3；2031—2040年，BCC_RCP4.5情景下年均徑流量最小，為53.06億m3。