“雙碳”情景下?lián)岷恿饔驈搅髯兓卣?/h1>
2023-03-20 10:33:00蘇布達王艷君占明錦2楊晨輝
長江科學(xué)院院報 2023年2期
王 媛，蘇布達，王艷君，占明錦2，楊晨輝，姜 彤
(1.南京信息工程大學(xué) 地理科學(xué)學(xué)院，南京 210044; 2.江西省氣候中心，南昌 330096)
1 研究背景
2011—2020年全球地表平均溫度增幅明顯，相比1850—1900年上升1.09 ℃(0.95～1.20 ℃)，且未來20 a全球溫升預(yù)計達到或超過1.5 ℃[1]。人為溫室氣體的排放持續(xù)增長是升溫加速的主要原因，其中化石燃料燃燒所排放的二氧化碳對溫室氣體排放的貢獻達到78%[2]。為減緩全球變暖速度，踐行低碳發(fā)展，中國提出了“雙碳”目標(biāo)，目的是使二氧化碳排放在2030年前達到峰值，在2060年前實現(xiàn)碳中和?！半p碳”目標(biāo)是對我國環(huán)境有重要影響的戰(zhàn)略部署，也是應(yīng)對氣候變化的重要途徑[3]。作為清潔能源，水資源對于“雙碳”目標(biāo)的實現(xiàn)具有重要的意義，可與風(fēng)能、太陽能相結(jié)合，減少二氧化碳的排放；城市生活的低碳發(fā)展與產(chǎn)業(yè)轉(zhuǎn)型也需要大量的水資源。
全球變暖背景下，水循環(huán)加速，影響了徑流的時空分布格局[4-5]。已有研究表明，1948—2014年間全球200條最大的入海河流中，年徑流表現(xiàn)為顯著下降的河流占比達到22%，僅10%的河流年徑流表現(xiàn)為上升趨勢，全球徑流變化具有明顯的區(qū)域差異[6]。中國主要江河實測徑流量多呈下降趨勢，長江以南地區(qū)出現(xiàn)區(qū)域性缺水現(xiàn)象[7]。鄱陽湖是長江重要通江湖泊之一，地勢狹長，南北氣候差異較大，徑流變化區(qū)域差異明顯。2000年后鄱陽湖流域，特別是撫河流域汛期和枯季徑流均減少[8-10]，流域枯水期供水壓力在一定程度上增加，水資源供需問題日益突出。
氣候模式是研究氣候變化對徑流影響的重要工具。目前已有研究進行氣溫與降水的模擬評估與預(yù)估，主要是運用全球氣候模式中的國際耦合模式比較計劃第五階段(CMIP5)的結(jié)果[11-12]。相比而言，國際耦合模式比較計劃第六階段(CMIP6)在氣候變率和變化問題上考慮了更加詳細的要素，在不同共享社會經(jīng)濟路徑和典型濃度路徑基礎(chǔ)上運用了新的氣候情景SSPs。新的SSPs包含CMIP5中的4種典型濃度路徑，增加了3種新的輻射強迫情景，且融合了共享社會經(jīng)濟路徑，以反映未來社會經(jīng)濟發(fā)展[13-15]，因此相比RCPs路徑，新的SSPs路徑更適合探究“雙碳”目標(biāo)下的氣候變化。以往研究主要基于CMIP5預(yù)估流域未來徑流，基于CMIP6數(shù)據(jù)結(jié)合“雙碳”目標(biāo)特定政策預(yù)估氣候變化對徑流影響的研究還較少。
撫河是鄱陽湖流域第二大支流，流域水資源量充足，且徑流量年際變化明顯，極端水文事件發(fā)生頻繁?，F(xiàn)有對鄱陽湖流域氣候變化研究中，以撫河流域為主體的研究偏少，少量已有研究考慮的氣候情景少且采用的氣候模式較為陳舊[16-17]。為探究“雙碳”目標(biāo)下?lián)岷恿饔驈搅鲗夂蜃兓捻憫?yīng)，根據(jù)新的SSPs路徑下中國地區(qū)二氧化碳排放達峰時間，將SSPs路徑分為“雙碳”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氣候模式，模擬分析“雙碳”情景下流域在2021—2100年的氣溫降水和徑流變化，并對比分析 “高碳”情景下的相應(yīng)變化，以期為流域水資源管理提供參考依據(jù)。
2 研究區(qū)概況、數(shù)據(jù)與方法
2.1 研究區(qū)概況
撫河(115.9°E—116.7°E,26.8°N—28.5°N)位于江西省東部，是長江鄱陽湖流域第二大支流，發(fā)源于武夷山脈西麓江西省撫州市廣昌縣，流域面積17 186 km2，約占鄱陽湖流域總面積的10%，全長349 km，多年平均流量504 m3/s，水資源量充足。撫河流域氣候溫和、雨量充沛、日照充足，屬亞熱帶濕潤季風(fēng)氣候。春季受亞熱帶季風(fēng)影響，降雨歷時長、范圍廣；夏季受太平洋熱帶氣候侵襲，形成暴雨。水位漲落持續(xù)時間較長，具有平原河流特性，徑流量極值變化較大。地勢東南高而西北低，面向鄱陽湖傾斜。下游李家渡水文站(116.2°E，28.2°N)是撫河入鄱陽湖的重要控制站，控制面積為15 811 km2(圖1)。
圖1 撫河流域主要氣象站、水文站和氣候模式格點分布Fig.1 Distribution of meteorological stations,hydrologicstation and GCM-grids in the Fuhe River Basin
圖2 李家渡站降水量與徑流深雙累積曲線Fig.2 Double-mass curve of precipitation and runoffdepth at Lijiadu hydrological station
2.2 數(shù) 據(jù)
李家渡水文控制站1961—2000年的逐日徑流觀測數(shù)據(jù)來源于《中華人民共和國水文年鑒》。圖2顯示的是李家渡水文站降水與徑流深雙累積曲線，可以看出降水與徑流深雙累積曲線的斜率變化小，反映徑流資料一致性較好[18]；數(shù)字高程數(shù)據(jù)(DEM)來自美國宇航局的SRTM，分辨率為90 m×90 m；土壤數(shù)據(jù)分辨率為1 km×1 km，采用聯(lián)合國糧食及農(nóng)業(yè)組織(FAO)統(tǒng)計數(shù)據(jù)；土地利用數(shù)據(jù)采用的是中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心提供的2015年的1∶100 000的土地利用數(shù)據(jù)，分辨率為1 km×1 km。
氣象觀測數(shù)據(jù)采用的是由中國氣象局國家氣象信息中心提供的1961—2019年逐日降水、平均氣溫、日照時數(shù)、風(fēng)速和相對濕度數(shù)據(jù)，包括撫河流域9個氣象站的相應(yīng)氣象觀測數(shù)據(jù)。
國際耦合模式比較計劃(CMIP)構(gòu)建了迄今為止內(nèi)容最廣的氣候模式數(shù)據(jù)庫，其中CMIP6基于典型濃度路徑及不同的共享社會經(jīng)濟路徑提出了新的氣候情景SSPs[19]。本文采用的氣候模式數(shù)據(jù)是CMIP6中7個SSPs路徑(表1)完備的5個全球模式逐日數(shù)據(jù)(表2)，包括歷史模擬試驗期(1961—2014年)和SSPs預(yù)估期(2021—2100年)。文中采用多模式集合研究，以降低氣候變化預(yù)估的不確定性。
2.3 研究方法
2.3.1 “雙碳”情景的選擇
碳達峰是二氧化碳的排放不再增長，達到峰值之后逐步降低；碳中和是采用植樹造林等綠色減排方式，吸收產(chǎn)生的二氧化碳，達到產(chǎn)生和吸收平衡。
表1 SSPs 簡介Table 1 Brief introduction of SSPs
表2 文中采用的CMIP6模式Table 2 CMIP6 models applied in the study
中國提出的雙碳目標(biāo)是二氧化碳排放在2030年前達到峰值，在2060年前實現(xiàn)碳中和。根據(jù)碳排放數(shù)據(jù)(2000—2100年)和中國提出的雙碳目標(biāo)，7個SSPs中2030年前達到碳達峰，2060年前達到碳中和時排放相對較少的路徑為SSP1-1.9、SSP1-2.6、SSP2-4.5、SSP4-3.4、SSP4-6.0，本文統(tǒng)稱為 “雙碳”情景。與“雙碳”情景下的碳排放量相比，在2030年后達到碳達峰，碳排放量仍較大的SSP3-7.0和SSP5-8.5，則為高碳情景(圖3)。
圖3 中國碳排放路徑方案Fig.3 Carbon emission pathways in China
2.3.2 SWAT水文模型率定與驗證
本文對撫河流域的徑流研究采用SWAT(Soil and Water Assessment Tool)模型。SWAT模型是具有很強的物理機制的分布式水文模型，于1994年由美國農(nóng)業(yè)部(USDA)開發(fā)完成并實現(xiàn)運用，可以用來模擬長時段的徑流變化，適用于多種尺度的流域模擬[20]。SWAT模型可定量分析自然因素和人類活動對流域徑流的影響[21-23]，且在以降水為主要徑流補給的流域模擬效果較好。
文中將1961—1963年設(shè)定為預(yù)熱期，利用撫河流域1964—1980年和1981—2000年逐日氣象和水文資料開展SWAT模型的參數(shù)率定和驗證。選取SWAT相關(guān)研究揭示的鄱陽湖流域徑流模擬敏感參數(shù)(表3)[24-25]，對撫河流域本地參數(shù)進行了自動率定，運行次數(shù)設(shè)置為1 000次。P-Value<0.05的參數(shù)對模擬效果影響明顯(P-Value值決定參數(shù)的敏感性，越接近于0表明敏感性程度越高)，即為敏感參數(shù)(表3)。
表3 模型參數(shù)敏感性Table 3 Sensitivity of model parameters
模型效果的檢驗采用決定系數(shù)R2和納什效率系數(shù)Nash-Sutcliffe(Ens)。Ens反映模擬值和觀測值的統(tǒng)計差異程度，R2反映模擬值和觀測值變化的一致性，Ens和R2越接近于1則表明模擬結(jié)果越好[26]。撫河流域李家渡水文控制站逐月徑流模擬和實測對比顯示，SWAT模型較好地反映了徑流年內(nèi)分布，月流量模擬的Ens和R2在率定期和驗證期均≥0.9；日流量的峰值和枯值模擬值較實測值個別月份偏低，整體來看，年內(nèi)變化模擬值與實測值吻合度較高，率定期和驗證期Ens和R2均≥0.8，模型精確度高，表明SWAT模型能夠很好地模擬撫河流域的降水徑流關(guān)系(圖4和表4)。
圖4 撫河流域率定期和驗證期月平均流量的模擬與實測比較Fig.4 Comparison between simulated and measured monthly discharge in calibration period and verification period in the Fuhe River Basin
2.3.3 氣候和徑流變化預(yù)估
以1995—2014年作為基準(zhǔn)期，2021—2040年、2041—2060年和2081—2100年分別作為未來預(yù)估的近期、中期和末期，對比分析年均氣溫和年降水變化。通過模擬撫河流域的年平均流量、月平均流量、徑流極值的變化趨勢，開展“雙碳”情景下?lián)岷恿饔驈搅髯兓难芯?。其中，以Q10代表豐水極值，表示日流量序列中有10%的流量超過該值；以Q90代表枯水極值，表示日流量序列中有90%的流量超過該值[27]。
表4 率定期和驗證期SWAT水文模型模擬效果的檢驗Table 4 Performance test of SWAT model in calibration period and verification period
水文模型中的參數(shù)用于描述流域特征(徑流曲線系數(shù)、土壤蒸發(fā)補償系數(shù)、深層地下水蒸發(fā)系數(shù)、土壤有效含水量等)。本研究未考慮流域下墊面變化，歷史期率定的參數(shù)未來時期保持不變。以降尺度和偏差訂正后的氣候模式驅(qū)動率定后的SWAT模型，預(yù)估“雙碳”情景下?lián)岷恿饔虻膹搅髯兓?，并與高碳情景下的變化進行對比分析。
2.3.4 氣候模式訂正與降尺度
全球氣候模式分辨率較粗。為了方便與觀測值對比分析，本文通過反距離加權(quán)(IDW)插值對模式數(shù)據(jù)進行降尺度，通過EDCDF(Equidistant Cumulative Distribution Functions)偏差訂正方法對模式數(shù)據(jù)進行偏差訂正，最終將數(shù)據(jù)空間分辨率統(tǒng)一為0.5°×0.5°。
多模式集合結(jié)果表明，氣候模式偏差訂正前撫河流域1995—2014年月平均氣溫低于實測值，最大偏差達到12.5%；訂正后，模擬與實測月氣溫的相關(guān)系數(shù)達到0.95，最大偏差在5%以內(nèi)(圖5(a))。從降水量年內(nèi)分布來看，偏差訂正前的月降水模擬數(shù)據(jù)與實測數(shù)據(jù)偏差較大，最大偏差可達到47.4%；訂正后的多模式集合能夠較好地模擬出撫河流域降水量，模擬數(shù)據(jù)與實測數(shù)據(jù)的相關(guān)系數(shù)達到0.91，最大偏差10%以內(nèi)(圖5(b))。由此可見，偏差訂正后的多模式集合模擬的流域氣溫和降水與觀測數(shù)據(jù)的年內(nèi)分布格局較一致，適用于未來撫河流域氣候變化的影響評估研究。
圖5 撫河流域1995—2014年月不同氣候模式偏差訂正前后的集合平均與實測數(shù)據(jù)對比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趨勢分析
Mann-Kendall(M-K)方法是一種非參數(shù)檢驗方法，是時間序列趨勢分析中最為廣泛應(yīng)用的方法，不受異常值干擾和樣本分布規(guī)律等條件限制，對非正態(tài)的氣象、水文等數(shù)據(jù)分析具有較好的適用性[28]。本文設(shè)定P>0.05，為趨勢變化不顯著；P<0.05，為趨勢變化顯著。
3 研究結(jié)果
3.1 氣候變化趨勢
1961—2019年觀測數(shù)據(jù)顯示，撫河流域年均氣溫約為17 ℃，年降水量約1 780 mm。年平均氣溫以0.18 ℃/(10 a)的速度顯著上升，降水以-32.8 mm/(10 a)的速度顯著下降，同期年平均流量以-16.2 (m3/s)/(10 a)速率呈顯著下降趨勢。根據(jù)多模式集合，2021—2100年撫河流域呈明顯的變暖變濕趨勢，氣溫和降水在21世紀(jì)各時間段均呈增加趨勢。由圖6(a)可知，相比于1995—2014年，“雙碳”情景不同路徑下，撫河流域年均氣溫增幅在21世紀(jì)近期、中期和末期增幅依次增大，分別升高0.87～1.04、1.24～1.69、1.08～3.19 ℃。與“雙碳”情景相比，高碳情景下氣溫增幅更明顯，近期、中期和末期年平均氣溫分別上升0.87～1.10、1.72～2.26、3.82～5.12 ℃。2021—2100年流域氣溫的上升速度隨著碳排放強度的加大而加快，且均為末期氣溫增幅最大。
21世紀(jì)撫河流域年降水量總體表現(xiàn)為波動上升趨勢(圖6(b))?！半p碳”情景不同路徑下，撫河流域年降水在近期、中期、末期分別較基準(zhǔn)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%)，增幅依次變大。此處括號外數(shù)值表示均值，括號內(nèi)數(shù)值表示多模式變幅上下限，下同。高碳情景下增幅為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%)，末期降水量增長最大；與“雙碳”情景對比，高碳情景下降水量總體增幅更大，但在21世紀(jì)中期降水增幅明顯低于同期“雙碳”情景。
3.2 流量變化趨勢
3.2.1 年平均流量
相比基準(zhǔn)期(1995—2014年)，撫河流域年平均流量在21世紀(jì)近期、中期和末期均保持上升趨勢，但變化幅度不同(圖7)?！半p碳”情景不同路徑下，21世紀(jì)近期，年平均流量增加13.96%(模式范圍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%)，末期增加最大為23.11%(6.3%～41.7%)～36.36%(3.2%～61.7%)。高碳情景下，年平均流量整體增幅大于“雙碳”情景，近期年平均流量較基準(zhǔn)期增加30.14%(5.62%～60.65%)～33.85%(8.34%～70.7%)，中期和末期同樣有所上升，以末期徑流增幅最大。
3.2.2 月平均流量
相對于1995—2014年，“雙碳”情景下?lián)岷恿饔蛟缕骄髁吭?1世紀(jì)近、中、末期變化如圖8(a)所示。這3個時期中，3—7月份平均流量總體呈減少趨勢，減少最明顯的是4月份；9月份—次年2月份平均流量普遍表現(xiàn)為不同程度的增加，增加最明顯的是10月份。與“雙碳”情景相比，高碳情景各時期月平均流量較基準(zhǔn)期增幅更大，尤其5—10月份平均流量增幅明顯(圖8(b))。整體來看，“雙碳”情景下?lián)岷恿饔蚋髟缕骄髁康淖兓墒顾Y源年內(nèi)分配更為均勻，有利于緩解區(qū)域雨季水量過多和旱季缺水的問題。
圖6 1995—2100年撫河流域年均氣溫及年降水量變化Fig.6 Changes of annual average temperature andannual precipitation in the Fuhe River Basin during1995-2100
圖8 “雙碳”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
圖7 “雙碳”情景和高碳情景年徑流變化(相對于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 徑流極值
21世紀(jì)撫河流域的豐水極值(Q10)和枯水極值(Q90)相較基準(zhǔn)期的變化如圖9所示?！半p碳”情景下，撫河流域21世紀(jì)3個時期Q10下降明顯，以SSP4-6.0降幅最大；Q90則呈增加趨勢，以SSP1-1.9增幅最大，且Q10和Q90均在末期變幅最明顯，預(yù)示未來洪澇和干旱風(fēng)險可能有所降低。與“雙碳”情景相比，高碳情景下，21世紀(jì)3個時期Q90較基準(zhǔn)期增幅更大，干旱風(fēng)險減??；Q10較基準(zhǔn)期也呈增加趨勢，預(yù)示未來洪澇風(fēng)險可能加劇。整體來看，“雙碳”情景下?lián)岷恿饔驈搅鳂O值弱化，極端水文事件發(fā)生的可能性降低。
圖9 “雙碳”情景和高碳情景下Q10和Q90變化(相對于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 結(jié)論與討論
4.1 結(jié) 論
基于地面氣象觀測資料，結(jié)合觀測徑流，率定和驗證了SWAT水文模型，并評估了5個經(jīng)過降尺度和偏差訂正的全球氣候模式集合對撫河流域氣溫和降水的模擬能力。研究發(fā)現(xiàn)多模式集合模擬對撫河流域的氣溫降水模擬效果良好，與實測月平均氣溫和月降水的相關(guān)系數(shù)達到0.95和0.91，偏差在10%以內(nèi)；SWAT模型對撫河流域月流量模擬的Nash效率系數(shù)和決定系數(shù)在率定期和驗證期均≥0.9，日流量的模擬均≥0.8，說明SWAT模型對撫河流域徑流的模擬能力較好。本文基于多模式集合分析了撫河流域21世紀(jì)的氣候變化趨勢，并以多模式驅(qū)動SWAT模型，預(yù)估了“雙碳”情景和高碳情景下2021—2100年流域徑流的變化，得出以下結(jié)論：
(1)2021—2100年撫河流域表現(xiàn)為明顯的變暖變濕態(tài)勢?！半p碳”情景下，流域年平均氣溫在21世紀(jì)近、中和末期較基準(zhǔn)期(1995—2014年)相比都顯著增加，且氣溫上升速度隨著碳排放強度的加大而加快。同期，撫河流域年降水量呈波動上升趨勢。
(2)相比基準(zhǔn)期(1995—2014年)，“雙碳”情景下，21世紀(jì)撫河流域年平均流量呈上升趨勢，末期增幅最大；月平均流量在3—7月份呈下降趨勢；9月份—次年2月份普遍表現(xiàn)為增加，月平均流量分配使流域水資源年內(nèi)分配均勻化；日流量豐水極值(Q10)下降明顯，枯水極值(Q90)呈增加趨勢，撫河流域水文極端事件發(fā)生可能性降低。
(3)與“雙碳”情景相比，高碳情景下氣溫增幅更明顯，降水量總體增幅更大，僅在21世紀(jì)中期降水增幅低于同期“雙碳”情景。高碳情景下的年平均流量增幅大于“雙碳”情景，月平均流量變化的波動范圍更大，5—10月份增幅明顯；21世紀(jì)3個時期Q10和Q90都呈增加趨勢，預(yù)示洪水災(zāi)害發(fā)生可能性的增大。
4.2 討 論
已有多數(shù)研究表明鄱陽湖流域21世紀(jì)氣溫和降水量將呈增加趨勢[29-30]，與本文21世紀(jì)撫河流域氣溫和降水預(yù)估結(jié)果一致。但也有研究表明21世紀(jì)撫河流域氣溫將會增加，但降水將呈減少趨勢[16]。降水預(yù)估結(jié)果不同，與研究時段和基準(zhǔn)期選擇不同以及考慮的情景不同有關(guān)。例如，朱勝男等[16]選取2006—2035年、2036—2065年、2066—2100年3個時段，以1991—2005年為基準(zhǔn)期，分析年均氣溫和年降水變化。并且已有研究僅考慮了CMIP5模式和3種RCP情景，模式少且情景不全，而本文則考慮了CMIP6中7個情景完善的5個全球氣候模式，降低了氣候變化預(yù)估的不確定性。在徑流方面，探討撫河流域歷史時期的徑流變化特征以及歸因的研究較多[31-32]，但利用CMIP6數(shù)據(jù)結(jié)合“雙碳”情景研究撫河流域未來徑流變化的研究較少。本研究表明“雙碳”情景下，未來撫河流域水資源年內(nèi)變率和水文極端事件的強度可能比基準(zhǔn)期有所降低，可為撫河流域水資源調(diào)節(jié)利用和水文旱澇風(fēng)險管理提供借鑒。
文中應(yīng)用SWAT模型對“雙碳”情景下?lián)岷恿饔虻膹搅髯兓M行了較全面的預(yù)估，并對比分析了高碳情景下的變化。但氣候模式的選取以及水文模型的參數(shù)化都會影響氣候變化對徑流的影響，并且會對結(jié)果帶來較大的不確定性。另外，人為因素對徑流變化也有很大的影響。一方面，本研究未考慮土地利用變化、水庫調(diào)蓄等人為因素對徑流變化的貢獻率；另一方面，本文使用的水文模型單一，未考慮多模型以降低結(jié)果的不確定性。后續(xù)研究中需要疊加考慮人類活動對徑流變化的影響以及納入多個水文模型開展集合預(yù)估，深層次分析流域水資源變化情況。
猜你喜歡
“雙碳”背景下晉控煤業(yè)財務(wù)風(fēng)險分析與防范中小企業(yè)管理與科技·上旬刊(2024年5期)2024-01-01 00:00:00 經(jīng)濟增長與高碳排放脫鉤英語世界(2023年11期)2023-11-17 09:24:20 高碳醇/膨脹石墨復(fù)合相變熱沉多目標(biāo)優(yōu)化北京航空航天大學(xué)學(xué)報(2021年9期)2021-11-02 08:24:22 中國高碳行業(yè)上市公司碳排放強度榜財經(jīng)(2021年22期)2021-10-28 17:22:36 “雙碳”目標(biāo)下企業(yè)如何應(yīng)對碳市場帶來的挑戰(zhàn)與機遇可持續(xù)發(fā)展經(jīng)濟導(dǎo)刊(2021年5期)2021-06-22 04:55:23 專訪奚國華：中信力爭成為國企助力“雙碳”目標(biāo)的旗幟財經(jīng)(2021年10期)2021-06-18 19:29:20 “雙碳”下縣城發(fā)展新思維決策(2021年5期)2021-06-10 09:04:11 Topmodel在布哈河流域徑流模擬中的應(yīng)用水利科技與經(jīng)濟(2016年9期)2016-04-22 01:07:12 探秘“大徑流”交通建設(shè)與管理(2015年15期)2015-03-20 15:19:31 攻克“大徑流”交通建設(shè)與管理(2015年15期)2015-03-20 15:19:01
王 媛，蘇布達，王艷君，占明錦2，楊晨輝，姜 彤
(1.南京信息工程大學(xué) 地理科學(xué)學(xué)院，南京 210044; 2.江西省氣候中心，南昌 330096)
1 研究背景
2011—2020年全球地表平均溫度增幅明顯，相比1850—1900年上升1.09 ℃(0.95～1.20 ℃)，且未來20 a全球溫升預(yù)計達到或超過1.5 ℃[1]。人為溫室氣體的排放持續(xù)增長是升溫加速的主要原因，其中化石燃料燃燒所排放的二氧化碳對溫室氣體排放的貢獻達到78%[2]。為減緩全球變暖速度，踐行低碳發(fā)展，中國提出了“雙碳”目標(biāo)，目的是使二氧化碳排放在2030年前達到峰值，在2060年前實現(xiàn)碳中和?！半p碳”目標(biāo)是對我國環(huán)境有重要影響的戰(zhàn)略部署，也是應(yīng)對氣候變化的重要途徑[3]。作為清潔能源，水資源對于“雙碳”目標(biāo)的實現(xiàn)具有重要的意義，可與風(fēng)能、太陽能相結(jié)合，減少二氧化碳的排放；城市生活的低碳發(fā)展與產(chǎn)業(yè)轉(zhuǎn)型也需要大量的水資源。
全球變暖背景下，水循環(huán)加速，影響了徑流的時空分布格局[4-5]。已有研究表明，1948—2014年間全球200條最大的入海河流中，年徑流表現(xiàn)為顯著下降的河流占比達到22%，僅10%的河流年徑流表現(xiàn)為上升趨勢，全球徑流變化具有明顯的區(qū)域差異[6]。中國主要江河實測徑流量多呈下降趨勢，長江以南地區(qū)出現(xiàn)區(qū)域性缺水現(xiàn)象[7]。鄱陽湖是長江重要通江湖泊之一，地勢狹長，南北氣候差異較大，徑流變化區(qū)域差異明顯。2000年后鄱陽湖流域，特別是撫河流域汛期和枯季徑流均減少[8-10]，流域枯水期供水壓力在一定程度上增加，水資源供需問題日益突出。
氣候模式是研究氣候變化對徑流影響的重要工具。目前已有研究進行氣溫與降水的模擬評估與預(yù)估，主要是運用全球氣候模式中的國際耦合模式比較計劃第五階段(CMIP5)的結(jié)果[11-12]。相比而言，國際耦合模式比較計劃第六階段(CMIP6)在氣候變率和變化問題上考慮了更加詳細的要素，在不同共享社會經(jīng)濟路徑和典型濃度路徑基礎(chǔ)上運用了新的氣候情景SSPs。新的SSPs包含CMIP5中的4種典型濃度路徑，增加了3種新的輻射強迫情景，且融合了共享社會經(jīng)濟路徑，以反映未來社會經(jīng)濟發(fā)展[13-15]，因此相比RCPs路徑，新的SSPs路徑更適合探究“雙碳”目標(biāo)下的氣候變化。以往研究主要基于CMIP5預(yù)估流域未來徑流，基于CMIP6數(shù)據(jù)結(jié)合“雙碳”目標(biāo)特定政策預(yù)估氣候變化對徑流影響的研究還較少。
撫河是鄱陽湖流域第二大支流，流域水資源量充足，且徑流量年際變化明顯，極端水文事件發(fā)生頻繁?，F(xiàn)有對鄱陽湖流域氣候變化研究中，以撫河流域為主體的研究偏少，少量已有研究考慮的氣候情景少且采用的氣候模式較為陳舊[16-17]。為探究“雙碳”目標(biāo)下?lián)岷恿饔驈搅鲗夂蜃兓捻憫?yīng)，根據(jù)新的SSPs路徑下中國地區(qū)二氧化碳排放達峰時間，將SSPs路徑分為“雙碳”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氣候模式，模擬分析“雙碳”情景下流域在2021—2100年的氣溫降水和徑流變化，并對比分析 “高碳”情景下的相應(yīng)變化，以期為流域水資源管理提供參考依據(jù)。
2 研究區(qū)概況、數(shù)據(jù)與方法
2.1 研究區(qū)概況
撫河(115.9°E—116.7°E,26.8°N—28.5°N)位于江西省東部，是長江鄱陽湖流域第二大支流，發(fā)源于武夷山脈西麓江西省撫州市廣昌縣，流域面積17 186 km2，約占鄱陽湖流域總面積的10%，全長349 km，多年平均流量504 m3/s，水資源量充足。撫河流域氣候溫和、雨量充沛、日照充足，屬亞熱帶濕潤季風(fēng)氣候。春季受亞熱帶季風(fēng)影響，降雨歷時長、范圍廣；夏季受太平洋熱帶氣候侵襲，形成暴雨。水位漲落持續(xù)時間較長，具有平原河流特性，徑流量極值變化較大。地勢東南高而西北低，面向鄱陽湖傾斜。下游李家渡水文站(116.2°E，28.2°N)是撫河入鄱陽湖的重要控制站，控制面積為15 811 km2(圖1)。
圖1 撫河流域主要氣象站、水文站和氣候模式格點分布Fig.1 Distribution of meteorological stations,hydrologicstation and GCM-grids in the Fuhe River Basin
圖2 李家渡站降水量與徑流深雙累積曲線Fig.2 Double-mass curve of precipitation and runoffdepth at Lijiadu hydrological station
2.2 數(shù) 據(jù)
李家渡水文控制站1961—2000年的逐日徑流觀測數(shù)據(jù)來源于《中華人民共和國水文年鑒》。圖2顯示的是李家渡水文站降水與徑流深雙累積曲線，可以看出降水與徑流深雙累積曲線的斜率變化小，反映徑流資料一致性較好[18]；數(shù)字高程數(shù)據(jù)(DEM)來自美國宇航局的SRTM，分辨率為90 m×90 m；土壤數(shù)據(jù)分辨率為1 km×1 km，采用聯(lián)合國糧食及農(nóng)業(yè)組織(FAO)統(tǒng)計數(shù)據(jù)；土地利用數(shù)據(jù)采用的是中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心提供的2015年的1∶100 000的土地利用數(shù)據(jù)，分辨率為1 km×1 km。
氣象觀測數(shù)據(jù)采用的是由中國氣象局國家氣象信息中心提供的1961—2019年逐日降水、平均氣溫、日照時數(shù)、風(fēng)速和相對濕度數(shù)據(jù)，包括撫河流域9個氣象站的相應(yīng)氣象觀測數(shù)據(jù)。
國際耦合模式比較計劃(CMIP)構(gòu)建了迄今為止內(nèi)容最廣的氣候模式數(shù)據(jù)庫，其中CMIP6基于典型濃度路徑及不同的共享社會經(jīng)濟路徑提出了新的氣候情景SSPs[19]。本文采用的氣候模式數(shù)據(jù)是CMIP6中7個SSPs路徑(表1)完備的5個全球模式逐日數(shù)據(jù)(表2)，包括歷史模擬試驗期(1961—2014年)和SSPs預(yù)估期(2021—2100年)。文中采用多模式集合研究，以降低氣候變化預(yù)估的不確定性。
2.3 研究方法
2.3.1 “雙碳”情景的選擇
碳達峰是二氧化碳的排放不再增長，達到峰值之后逐步降低；碳中和是采用植樹造林等綠色減排方式，吸收產(chǎn)生的二氧化碳，達到產(chǎn)生和吸收平衡。
表1 SSPs 簡介Table 1 Brief introduction of SSPs
表2 文中采用的CMIP6模式Table 2 CMIP6 models applied in the study
中國提出的雙碳目標(biāo)是二氧化碳排放在2030年前達到峰值，在2060年前實現(xiàn)碳中和。根據(jù)碳排放數(shù)據(jù)(2000—2100年)和中國提出的雙碳目標(biāo)，7個SSPs中2030年前達到碳達峰，2060年前達到碳中和時排放相對較少的路徑為SSP1-1.9、SSP1-2.6、SSP2-4.5、SSP4-3.4、SSP4-6.0，本文統(tǒng)稱為 “雙碳”情景。與“雙碳”情景下的碳排放量相比，在2030年后達到碳達峰，碳排放量仍較大的SSP3-7.0和SSP5-8.5，則為高碳情景(圖3)。
圖3 中國碳排放路徑方案Fig.3 Carbon emission pathways in China
2.3.2 SWAT水文模型率定與驗證
本文對撫河流域的徑流研究采用SWAT(Soil and Water Assessment Tool)模型。SWAT模型是具有很強的物理機制的分布式水文模型，于1994年由美國農(nóng)業(yè)部(USDA)開發(fā)完成并實現(xiàn)運用，可以用來模擬長時段的徑流變化，適用于多種尺度的流域模擬[20]。SWAT模型可定量分析自然因素和人類活動對流域徑流的影響[21-23]，且在以降水為主要徑流補給的流域模擬效果較好。
文中將1961—1963年設(shè)定為預(yù)熱期，利用撫河流域1964—1980年和1981—2000年逐日氣象和水文資料開展SWAT模型的參數(shù)率定和驗證。選取SWAT相關(guān)研究揭示的鄱陽湖流域徑流模擬敏感參數(shù)(表3)[24-25]，對撫河流域本地參數(shù)進行了自動率定，運行次數(shù)設(shè)置為1 000次。P-Value<0.05的參數(shù)對模擬效果影響明顯(P-Value值決定參數(shù)的敏感性，越接近于0表明敏感性程度越高)，即為敏感參數(shù)(表3)。
表3 模型參數(shù)敏感性Table 3 Sensitivity of model parameters
模型效果的檢驗采用決定系數(shù)R2和納什效率系數(shù)Nash-Sutcliffe(Ens)。Ens反映模擬值和觀測值的統(tǒng)計差異程度，R2反映模擬值和觀測值變化的一致性，Ens和R2越接近于1則表明模擬結(jié)果越好[26]。撫河流域李家渡水文控制站逐月徑流模擬和實測對比顯示，SWAT模型較好地反映了徑流年內(nèi)分布，月流量模擬的Ens和R2在率定期和驗證期均≥0.9；日流量的峰值和枯值模擬值較實測值個別月份偏低，整體來看，年內(nèi)變化模擬值與實測值吻合度較高，率定期和驗證期Ens和R2均≥0.8，模型精確度高，表明SWAT模型能夠很好地模擬撫河流域的降水徑流關(guān)系(圖4和表4)。
圖4 撫河流域率定期和驗證期月平均流量的模擬與實測比較Fig.4 Comparison between simulated and measured monthly discharge in calibration period and verification period in the Fuhe River Basin
2.3.3 氣候和徑流變化預(yù)估
以1995—2014年作為基準(zhǔn)期，2021—2040年、2041—2060年和2081—2100年分別作為未來預(yù)估的近期、中期和末期，對比分析年均氣溫和年降水變化。通過模擬撫河流域的年平均流量、月平均流量、徑流極值的變化趨勢，開展“雙碳”情景下?lián)岷恿饔驈搅髯兓难芯?。其中，以Q10代表豐水極值，表示日流量序列中有10%的流量超過該值；以Q90代表枯水極值，表示日流量序列中有90%的流量超過該值[27]。
表4 率定期和驗證期SWAT水文模型模擬效果的檢驗Table 4 Performance test of SWAT model in calibration period and verification period
水文模型中的參數(shù)用于描述流域特征(徑流曲線系數(shù)、土壤蒸發(fā)補償系數(shù)、深層地下水蒸發(fā)系數(shù)、土壤有效含水量等)。本研究未考慮流域下墊面變化，歷史期率定的參數(shù)未來時期保持不變。以降尺度和偏差訂正后的氣候模式驅(qū)動率定后的SWAT模型，預(yù)估“雙碳”情景下?lián)岷恿饔虻膹搅髯兓?，并與高碳情景下的變化進行對比分析。
2.3.4 氣候模式訂正與降尺度
全球氣候模式分辨率較粗。為了方便與觀測值對比分析，本文通過反距離加權(quán)(IDW)插值對模式數(shù)據(jù)進行降尺度，通過EDCDF(Equidistant Cumulative Distribution Functions)偏差訂正方法對模式數(shù)據(jù)進行偏差訂正，最終將數(shù)據(jù)空間分辨率統(tǒng)一為0.5°×0.5°。
多模式集合結(jié)果表明，氣候模式偏差訂正前撫河流域1995—2014年月平均氣溫低于實測值，最大偏差達到12.5%；訂正后，模擬與實測月氣溫的相關(guān)系數(shù)達到0.95，最大偏差在5%以內(nèi)(圖5(a))。從降水量年內(nèi)分布來看，偏差訂正前的月降水模擬數(shù)據(jù)與實測數(shù)據(jù)偏差較大，最大偏差可達到47.4%；訂正后的多模式集合能夠較好地模擬出撫河流域降水量，模擬數(shù)據(jù)與實測數(shù)據(jù)的相關(guān)系數(shù)達到0.91，最大偏差10%以內(nèi)(圖5(b))。由此可見，偏差訂正后的多模式集合模擬的流域氣溫和降水與觀測數(shù)據(jù)的年內(nèi)分布格局較一致，適用于未來撫河流域氣候變化的影響評估研究。
圖5 撫河流域1995—2014年月不同氣候模式偏差訂正前后的集合平均與實測數(shù)據(jù)對比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趨勢分析
Mann-Kendall(M-K)方法是一種非參數(shù)檢驗方法，是時間序列趨勢分析中最為廣泛應(yīng)用的方法，不受異常值干擾和樣本分布規(guī)律等條件限制，對非正態(tài)的氣象、水文等數(shù)據(jù)分析具有較好的適用性[28]。本文設(shè)定P>0.05，為趨勢變化不顯著；P<0.05，為趨勢變化顯著。
3 研究結(jié)果
3.1 氣候變化趨勢
1961—2019年觀測數(shù)據(jù)顯示，撫河流域年均氣溫約為17 ℃，年降水量約1 780 mm。年平均氣溫以0.18 ℃/(10 a)的速度顯著上升，降水以-32.8 mm/(10 a)的速度顯著下降，同期年平均流量以-16.2 (m3/s)/(10 a)速率呈顯著下降趨勢。根據(jù)多模式集合，2021—2100年撫河流域呈明顯的變暖變濕趨勢，氣溫和降水在21世紀(jì)各時間段均呈增加趨勢。由圖6(a)可知，相比于1995—2014年，“雙碳”情景不同路徑下，撫河流域年均氣溫增幅在21世紀(jì)近期、中期和末期增幅依次增大，分別升高0.87～1.04、1.24～1.69、1.08～3.19 ℃。與“雙碳”情景相比，高碳情景下氣溫增幅更明顯，近期、中期和末期年平均氣溫分別上升0.87～1.10、1.72～2.26、3.82～5.12 ℃。2021—2100年流域氣溫的上升速度隨著碳排放強度的加大而加快，且均為末期氣溫增幅最大。
21世紀(jì)撫河流域年降水量總體表現(xiàn)為波動上升趨勢(圖6(b))?！半p碳”情景不同路徑下，撫河流域年降水在近期、中期、末期分別較基準(zhǔn)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%)，增幅依次變大。此處括號外數(shù)值表示均值，括號內(nèi)數(shù)值表示多模式變幅上下限，下同。高碳情景下增幅為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%)，末期降水量增長最大；與“雙碳”情景對比，高碳情景下降水量總體增幅更大，但在21世紀(jì)中期降水增幅明顯低于同期“雙碳”情景。
3.2 流量變化趨勢
3.2.1 年平均流量
相比基準(zhǔn)期(1995—2014年)，撫河流域年平均流量在21世紀(jì)近期、中期和末期均保持上升趨勢，但變化幅度不同(圖7)?！半p碳”情景不同路徑下，21世紀(jì)近期，年平均流量增加13.96%(模式范圍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%)，末期增加最大為23.11%(6.3%～41.7%)～36.36%(3.2%～61.7%)。高碳情景下，年平均流量整體增幅大于“雙碳”情景，近期年平均流量較基準(zhǔn)期增加30.14%(5.62%～60.65%)～33.85%(8.34%～70.7%)，中期和末期同樣有所上升，以末期徑流增幅最大。
3.2.2 月平均流量
相對于1995—2014年，“雙碳”情景下?lián)岷恿饔蛟缕骄髁吭?1世紀(jì)近、中、末期變化如圖8(a)所示。這3個時期中，3—7月份平均流量總體呈減少趨勢，減少最明顯的是4月份；9月份—次年2月份平均流量普遍表現(xiàn)為不同程度的增加，增加最明顯的是10月份。與“雙碳”情景相比，高碳情景各時期月平均流量較基準(zhǔn)期增幅更大，尤其5—10月份平均流量增幅明顯(圖8(b))。整體來看，“雙碳”情景下?lián)岷恿饔蚋髟缕骄髁康淖兓墒顾Y源年內(nèi)分配更為均勻，有利于緩解區(qū)域雨季水量過多和旱季缺水的問題。
圖6 1995—2100年撫河流域年均氣溫及年降水量變化Fig.6 Changes of annual average temperature andannual precipitation in the Fuhe River Basin during1995-2100
圖8 “雙碳”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
圖7 “雙碳”情景和高碳情景年徑流變化(相對于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 徑流極值
21世紀(jì)撫河流域的豐水極值(Q10)和枯水極值(Q90)相較基準(zhǔn)期的變化如圖9所示?！半p碳”情景下，撫河流域21世紀(jì)3個時期Q10下降明顯，以SSP4-6.0降幅最大；Q90則呈增加趨勢，以SSP1-1.9增幅最大，且Q10和Q90均在末期變幅最明顯，預(yù)示未來洪澇和干旱風(fēng)險可能有所降低。與“雙碳”情景相比，高碳情景下，21世紀(jì)3個時期Q90較基準(zhǔn)期增幅更大，干旱風(fēng)險減??；Q10較基準(zhǔn)期也呈增加趨勢，預(yù)示未來洪澇風(fēng)險可能加劇。整體來看，“雙碳”情景下?lián)岷恿饔驈搅鳂O值弱化，極端水文事件發(fā)生的可能性降低。
圖9 “雙碳”情景和高碳情景下Q10和Q90變化(相對于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 結(jié)論與討論
4.1 結(jié) 論
基于地面氣象觀測資料，結(jié)合觀測徑流，率定和驗證了SWAT水文模型，并評估了5個經(jīng)過降尺度和偏差訂正的全球氣候模式集合對撫河流域氣溫和降水的模擬能力。研究發(fā)現(xiàn)多模式集合模擬對撫河流域的氣溫降水模擬效果良好，與實測月平均氣溫和月降水的相關(guān)系數(shù)達到0.95和0.91，偏差在10%以內(nèi)；SWAT模型對撫河流域月流量模擬的Nash效率系數(shù)和決定系數(shù)在率定期和驗證期均≥0.9，日流量的模擬均≥0.8，說明SWAT模型對撫河流域徑流的模擬能力較好。本文基于多模式集合分析了撫河流域21世紀(jì)的氣候變化趨勢，并以多模式驅(qū)動SWAT模型，預(yù)估了“雙碳”情景和高碳情景下2021—2100年流域徑流的變化，得出以下結(jié)論：
(1)2021—2100年撫河流域表現(xiàn)為明顯的變暖變濕態(tài)勢?！半p碳”情景下，流域年平均氣溫在21世紀(jì)近、中和末期較基準(zhǔn)期(1995—2014年)相比都顯著增加，且氣溫上升速度隨著碳排放強度的加大而加快。同期，撫河流域年降水量呈波動上升趨勢。
(2)相比基準(zhǔn)期(1995—2014年)，“雙碳”情景下，21世紀(jì)撫河流域年平均流量呈上升趨勢，末期增幅最大；月平均流量在3—7月份呈下降趨勢；9月份—次年2月份普遍表現(xiàn)為增加，月平均流量分配使流域水資源年內(nèi)分配均勻化；日流量豐水極值(Q10)下降明顯，枯水極值(Q90)呈增加趨勢，撫河流域水文極端事件發(fā)生可能性降低。
(3)與“雙碳”情景相比，高碳情景下氣溫增幅更明顯，降水量總體增幅更大，僅在21世紀(jì)中期降水增幅低于同期“雙碳”情景。高碳情景下的年平均流量增幅大于“雙碳”情景，月平均流量變化的波動范圍更大，5—10月份增幅明顯；21世紀(jì)3個時期Q10和Q90都呈增加趨勢，預(yù)示洪水災(zāi)害發(fā)生可能性的增大。
4.2 討 論
已有多數(shù)研究表明鄱陽湖流域21世紀(jì)氣溫和降水量將呈增加趨勢[29-30]，與本文21世紀(jì)撫河流域氣溫和降水預(yù)估結(jié)果一致。但也有研究表明21世紀(jì)撫河流域氣溫將會增加，但降水將呈減少趨勢[16]。降水預(yù)估結(jié)果不同，與研究時段和基準(zhǔn)期選擇不同以及考慮的情景不同有關(guān)。例如，朱勝男等[16]選取2006—2035年、2036—2065年、2066—2100年3個時段，以1991—2005年為基準(zhǔn)期，分析年均氣溫和年降水變化。并且已有研究僅考慮了CMIP5模式和3種RCP情景，模式少且情景不全，而本文則考慮了CMIP6中7個情景完善的5個全球氣候模式，降低了氣候變化預(yù)估的不確定性。在徑流方面，探討撫河流域歷史時期的徑流變化特征以及歸因的研究較多[31-32]，但利用CMIP6數(shù)據(jù)結(jié)合“雙碳”情景研究撫河流域未來徑流變化的研究較少。本研究表明“雙碳”情景下，未來撫河流域水資源年內(nèi)變率和水文極端事件的強度可能比基準(zhǔn)期有所降低，可為撫河流域水資源調(diào)節(jié)利用和水文旱澇風(fēng)險管理提供借鑒。
文中應(yīng)用SWAT模型對“雙碳”情景下?lián)岷恿饔虻膹搅髯兓M行了較全面的預(yù)估，并對比分析了高碳情景下的變化。但氣候模式的選取以及水文模型的參數(shù)化都會影響氣候變化對徑流的影響，并且會對結(jié)果帶來較大的不確定性。另外，人為因素對徑流變化也有很大的影響。一方面，本研究未考慮土地利用變化、水庫調(diào)蓄等人為因素對徑流變化的貢獻率；另一方面，本文使用的水文模型單一，未考慮多模型以降低結(jié)果的不確定性。后續(xù)研究中需要疊加考慮人類活動對徑流變化的影響以及納入多個水文模型開展集合預(yù)估，深層次分析流域水資源變化情況。
猜你喜歡
中小企業(yè)管理與科技·上旬刊(2024年5期)2024-01-01 00:00:00
英語世界(2023年11期)2023-11-17 09:24:20
北京航空航天大學(xué)學(xué)報(2021年9期)2021-11-02 08:24:22
財經(jīng)(2021年22期)2021-10-28 17:22:36
可持續(xù)發(fā)展經(jīng)濟導(dǎo)刊(2021年5期)2021-06-22 04:55:23
財經(jīng)(2021年10期)2021-06-18 19:29:20
決策(2021年5期)2021-06-10 09:04:11
水利科技與經(jīng)濟(2016年9期)2016-04-22 01:07:12
交通建設(shè)與管理(2015年15期)2015-03-20 15:19:31
交通建設(shè)與管理(2015年15期)2015-03-20 15:19:01
