北洛河未来径流变化分析

张鸿雪，畅建霞，张连鹏

(西安理工大学 西北旱区生态水利工程国家重点实验室培育基地，陕西 西安 710048)



北洛河未来径流变化分析

张鸿雪，畅建霞，张连鹏

(西安理工大学 西北旱区生态水利工程国家重点实验室培育基地，陕西 西安 710048)

【目的】 分析北洛河流域未来径流变化趋势，为该流域水资源管理与可持续利用提供理论依据。【方法】 基于美国国家环境预报中心(NCEP)再分析资料和北洛河流域7个气象站的历史降水及蒸发资料，采用逐步回归法建立统计降尺度模型，在BCC-CSM1.1的2种不同情景(RCP4.5和RCP8.5)下，模拟未来时段的降水、蒸发情况，结合TOPMODEL得出未来的模拟径流。【结果】 2种情景下，未来4个时期年平均降水均高于基准期值(除了RCP8.5情景下的2030s)，年平均蒸发量均高于基准期值(除了RCP4.5情景下的2040s)；除了RCP4.5情景下2015-2020年的冬季径流平均值(0.98亿m3)略低于基准期值(1.06亿m3)外，2种情景下夏、秋季及RCP8.5情景下冬季的径流平均值均高于基准期值，最大值均出现在秋季。【结论】 将统计降尺度方法和TOPMODEL结合起来可以很好地分析未来径流的变化情况。

北洛河流域；径流变化；TOPMODEL模型；降尺度；气候变化；BCC-CSM1.1

根据IPCC第五次报告，1880-2012年，全球海陆表面的平均气温升高了0.85 ℃，2003-2012年比1850-1900年平均气温上升了0.78 ℃；报告还预测了未来气温的变化趋势，预计2016-2035年全球气温相对于1986-2005年将上升0.3～0.7 ℃。全球气温上升使许多地区受到了洪水、干旱以及高温热浪的侵袭，全球气温变化引起的效应将对地区、国家乃至全球的可持续发展产生举足轻重的影响[1]。气候变化是影响流域径流变化等水文信息的重要因子。目前气候模式是进行气候变化预估的最主要工具，但由于大气环流模式(General Circulation Model，GCM)的分辨率都比较低，其精细程度尚难以对某些流域、区域的气候特征及气候变化条件做出合理准确的预测。因此，本研究采用降尺度方法将GCM模式与流域水文模型相结合，来预估区域未来气候情景下的径流变化情况。降尺度方法可以有效地弥补大尺度GCM模式的不足。

北洛河属渭河一级、黄河二级支流，全长680.3 km，是陕西省最长的河流。北洛河流域多年平均径流量为9.43亿m3，其在陕西省境内为8.73亿m3，年际变化较大[2-3]。北洛河流域径流年内分配不均，夏季径流比重最大，占全年总径流的35%，秋季径流次之，占全年总径流的31%，春、冬两季径流各占19%和15%，最大月径流(8月)占全年总径流的20%左右，最小月径流(1月)仅占全年总径流的4%左右。近年来，由于北洛河流域的水量持续减少以及社会经济的快速发展，该流域正面临着局部河段防洪形势严峻、水土流失严重及治理缓慢、水资源供需矛盾突出等问题，为了促进和保障北洛河流域人口、资源、环境和社会经济的协调发展，迫切需要分析该流域未来径流的变化趋势，为该流域水资源的可持续利用与管理提供理论依据。

因此，本研究首先采用逐步回归法建立北洛河流域月平均降水、蒸发数据的统计降尺度模型，根据不同的气候预报因子，来预估北洛河流域未来降水、蒸发数据，并将其与TOPMODEL 模型相结合预测未来径流的变化情况，进而促进该流域水资源的有效规划和管理。

1　数据来源

本研究的基础DEM(30 m空间分辨率)高程数据来自美国国家航空航天局(NASA)及国家图像测绘局(NIMA)的联合测绘产品，并收集了中国气象科学数据共享服务网的控制水文站(状头)、北洛河流域7个气象站(吴旗、环县、铜川、西峰镇、华山、洛川和延安)1960-2010年的月序列资料，各个气象站点的分布较均匀，可以用来反映该流域水文气象的空间变化。对于一些站点缺失的降水资料，采用线型插值法进行插补延长，流域面雨量和蒸发时间序列由各站点的降水量、蒸发资料采用ArcGIS中泰森多边形法计算而来；径流量序列资料选择流域控制水文站(状头)相应时段的历年天然径流量。

CMIP5(Coupled Model Intercomparison Project Phase 5)中的各种全球气候模式均考虑了温室气体、太阳辐射变化以及硫酸盐气溶胶的“大气-陆面-海洋-海冰”耦合的气候模式，本研究选用北京气候模式与分析中心的BCC-CSM1.1模式的RCP4.5和RCP8.5温室气体排放情景，用来预测未来时段(2015-2049年)的降水和蒸发数据。由于CMIP5与NCEP(美国国家环境预报中心)数据的网格分辨率不同，所以采用距离倒数权重插值法将其调整为相同的分辨率，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年由英国水文学家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(地形指数)为研究基础，以变动产流面积的概念为理论基础。TOPMODEL将饱和地表径流分为壤中流和坡面流，当近表层土壤的水力传导率及坡面重力梯度较大时才形成壤中流，而当坡面较缓或土壤水力传导率较小时将形成坡面流。模型的基本方程[4]为：

(1)

(2)

不同版本的TOPMODEL模型对应不同的参数，本研究中模型参数共有7个，分别为：土壤刚达到饱和状态时的土壤有效下渗率T0(m2/s)；重力排水的时间滞时参数Td；坡面汇流速度Rv(m/h)；土壤下渗率呈指数衰减的速率参数M(m)；地表径流速度CHV(m/h)；土壤最大持水量SRmax(m)；根带土壤饱和初始缺水量SR0，其与SRmax成比例[5]。

TOPMODEL模型以DEM栅格数据为基础，通过计算栅格数据得到流域流向、流量、坡度与河流长度等数据，利用ArcGIS软件中的栅格计算器计算出模型重要参数值——地形指数，并结合气象数据(流域面降水量、潜在蒸发量和天然径流量)，通过人工调参方法，对模型进行参数率定，并以纳什系数与总量精度误差检验参数合理性，利用通过验证的参数组合模拟径流，生成流域径流模拟值。

2.2统计降尺度法

降尺度方法大致分为3种，即统计降尺度法、动力降尺度法及2种方法的结合。其中统计降尺度法较动力降尺度法简单，计算量相对较小，是近年来一些学者偏爱的研究气候变化的新方法。常用的统计降尺度方法很多[6-9]，其中逐步回归法是简单易操作的有效方法[10-12]。

最小二乘法是建立逐步回归方程的基本原理，其核心思想是先选取预报因子，评定其对预报对象产生的作用，再根据预报因子的贡献度大小，将贡献度小的预报因子逐步剔除，最终选取较大贡献度的预报因子引入到逐步回归方程中[6-8]，直至无法再剔除因子且无显著性预报因子引入为止[1,9,13-14]。其主要步骤为：(1)选择气候预报因子；(2)检验气候模式，标准化处理预报因子；(3)筛选因子并建立模型；(4)采用实测资料率定模型；(5)将逐步回归模型与GCM模式相结合，模拟未来时期的气候要素数据[1,10-11,15]。本研究的评价指标选择了拟合度R2、标准差相对误差Rsd和均值相对误差Rmean。逐步回归法的模拟过程为：设y=a+bjxj(j=1,2,…,22)，其中y为气候要素数据，a与bj为系数，xj为预报因子，通过此公式可以计算出每个气象站点各个气候要素的不同预报系数和预报因子[1]。

预报因子的选择是未来气候情景预测的关键，选取原则为：代表性强、精度高及因子相关性好(呈弱相关)[16]。根据以上原则，本研究选取了与降水和蒸发有密切关系的22个预报因子，即500和850 hPa下的垂直风速、经向风速、纬向风速、温度、比湿、相对湿度、位势高度，地表温度、风速、气压、纬向风速、经向风速，以及海平面气压、对流层气压、气温[1]。

3　结果与分析

3.1TOPMODEL模型的模拟结果

本研究采用TOPMODEL模型对北洛河流域未来径流变化进行研究。对于水文模型的应用，参数率定是必不可少的，本研究选取率定期为2000-2006年，验证期为2007-2010年，输入数据为降水、蒸发和径流气象数据，模拟出率定期与验证期的北洛河控制水文站状头站的径流模拟值如图1所示，同时根据Nash效率系数与总量精度误差值的合理性确定模型参数如表1所示。结果表明：在率定期，Nash效率系数为0.81，水量平衡误差为 0.06，在验证期分别为0.7和0.07，均符合模型要求。因此，验证后的参数组合可以应用于北洛河流域未来径流的模拟。

图 1　北洛河流域(状头)月径流量(Q)实测值与模拟值的比较Fig.1　Comparison of monthly measured and simulated runoffs in Beiluo River basin (Zhuangtou)表 1　TOPMODEL模型的参数 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北洛河流域未来降水和蒸发的预测

TOPMODEL模型的输入数据为降水蒸发气象数据，因此，利用统计降尺度模型，在2种排放情景下预测吴旗、环县、铜川、西峰镇、华山、洛川和延安气象站点未来时期的降水、蒸发数据，再利用ArcGIS的泰森多边形法将各个站点的点值转换为面值，研究整个流域的面降水和蒸发的变化情况。

逐步回归算法模拟的北洛河流域未来降水变化结果如图2所示。从图2-A，B可以看出，在2种情景下，除了RCP8.5情景下的2030s年平均降水较基准期(2000-2010年)有所减少外，其余年平均降水在未来时期模拟值均高于基准期值；而对于月降水的预测值，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个时期(2015-2020、2020s、2030s和2040s)的7月降水值小于基准期值外，其余月份均高于实测值。从模拟的北洛河流域未来蒸发变化结果(图2-C，D)可以看出，RCP4.5情景下4个时期(2015-2020、2020s、2030s和2040s)的年平均蒸发量(847，848，851和838 mm)与基准期值(844 mm)相比变化幅度不大，而RCP8.5情景下4个时期的年平均蒸发量(904，900，907和897 mm)均略高于基准期值；2种情景预测的月蒸发量除了3、4月及RCP4.5情景下的5月份有所减少外，其余月份的模拟值均呈增加趋势，其中1和7月(RCP8.5)增加更为明显。

图 2RCP4.5和RCP8.5 2种排放情景下北洛河流域未来降水、蒸发量的变化情况

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

图3显示，2种排放情景(RCP4.5和RCP8.5)下不同年代的未来降水变化率差异明显，RCP4.5情景下2015-2020年冬季(12月至次年2月)降水变化最明显，2020s年春季(3-5月)降水变化率略高于冬季，2030s年春、秋(9-11月)、冬季降水变化率均在20%左右，2040s年春季降水变化最明显，其次为秋季；而RCP8.5情景下4个时期均以冬季降水变化最明显，夏季(6-8月)降水变化率最低；RCP4.5情景下春季降水平均值随年代的变化呈增加趋势，而RCP8.5情景下为先增加后减少再增加。不同时段未来蒸发量的季节变化率差异不明显，其中未来年代的蒸发量在冬季的变化率最大，其次为秋季。

本研究绘制了2种情景下未来时期的年降水等值线图，结果见图4。由图4可知，北洛河流域未来时期多年平均降水量分布的变化趋势为东多西少，南多北少，由东南向西北逐渐减少。因此，该流域未来时期降水量有明显的地域分布不均匀性，由于北洛河流域的径流流向是由西北向东南，其控制流域水文站为东南方向的状头站，径流分布也呈现东多西少、南多北少现象，所以径流的分布规律与降水相同。

图 3RCP4.5和RCP8.5 2种排放情景下北洛河流域未来降水、蒸发的变化率

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

图 4　RCP4.5和RCP8.5 2种排放情景下北洛河流域未来的降水等值线图Fig.4　Contour lines of precipitation of Beiluo River basin in future under RCP4.5 and RCP8.5 scenarios

3.3北洛河流域未来径流的预测

北洛河流域平均年径流在基准期(1960-2010年)为8.2亿m3，将降尺度模拟得到的RCP4.5及RCP8.5情景下的降水、蒸发数据输入到TOPMODEL模型中，模拟出2种情景下未来时期的径流量(图5)。由图5可知，状头站以上流域未来月径流量的变化在1-8月呈增加趋势，8月达到最大径流后开始不断降低，除了2-4月模拟值低于基准期径流值外，其余月份均高于基准期径流值。总体而言，随着未来年代推进，在RCP4.5情景下，年径流的变化趋势为先增大后减少；在RCP8.5情景下，年径流的变化趋势为先增大后减小再增大。图6显示，未来季径流量变化明显，RCP4.5情景下春季径流平均值随年代的变化趋势为先增加后减少，RCP8.5情景下春季径流平均值随年代推进呈现增加趋势；RCP4.5情景下春季径流平均值均低于基准期径流值(2030s年除外)，而RCP8.5情景下均高于基准期径流值(2015-2020年除外)；除了RCP4.5情景下2015-2020年的冬季径流平均值(0.98亿m3)略低于基准期径流值(1.06亿m3)外，2种情景下夏、秋季及RCP8.5情景下冬季的径流平均值均高于基准期值，最大值均出现在秋季；除了2015-2020年及RCP4.5情景下2040s年秋季径流变化率在26%左右外，其余时期秋季径流变化率均大于40%。

地面径流对降水的变化最为敏感，流域径流的变化通常取决于降水的变化[17]，未来时段蒸发量变大，降水量也呈现出不同程度的增加趋势[18]，这就在一定程度上引起地面径流的增加。

图 5RCP4.5和RCP8.5 2种排放情景下北洛河流域未来径流变化情况

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

图 6RCP4.5和RCP8.5 2种排放情景下北洛河流域未来径流的变化率

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

4　结　论

根据北京气候模式BCC-CSM1.1的RCP4.5和RCP8.5情景下的输出值，采用逐步回归的统计降尺度法预测了北洛河流域未来时期的降水和蒸发变化情况，并结合TOPMODEL模型模拟了该流域在未来时段的径流值。结果显示：

1)除RCP8.5情景下2030s年降水比基准期(2000-2010年)有所减少外，其余年降水在未来时期的模拟值与基准期实测值相比均有所增加，而对于月降水的预测值，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个时期(2015-2020、2020s、2030s和2040s)的7月降水值小于基准期值外，其余月份均高于实测值。

2)RCP4.5情景下4个时期(2015-2020、2020s、2030s和2040s)的年平均蒸发量(847，848，851和838 mm)与基准期值(844 mm)相比变化幅度不大，而RCP8.5情景下4个时期的年平均蒸发量(904，900，907和897 mm)均略高于基准期值；2种情景下预测的月蒸发量除了3、4月及RCP4.5情景下的5月份有所减少外，其余月份的模拟值均呈增加趋势，其中1和7月(RCP8.5)增加更为明显。

3)北洛河流域未来时期多年平均降水量分布呈东多西少、南多北少，其变化趋势为由东南向西北逐渐减少。该流域未来时期的降水量及径流量呈现明显的地域分布不均匀性。

4)随着未来年代的推进，RCP4.5情景下年径流的变化趋势为先增大后减少，RCP8.5情景下年径流的变化趋势为先增大后减小再增大。RCP4.5情景下春季径流平均值随年代推进呈现先增加后减少的趋势， RCP8.5情景下春季径流平均值随年代推进呈现增加趋势；除了RCP4.5情景下2015-2020年的冬季径流平均值(0.98亿m3)略低于基准期径流值(1.06亿m3)外，2种情景下夏、秋季及RCP8.5情景下冬季的径流平均值均高于基准期值，除了2015-2020年及RCP4.5情景下2040s年秋季径流变化率在26%左右外，其余时期秋季径流变化率均大于40%。

[1]张鸿雪,畅建霞,韩越.基于TOPMODEL与统计降尺度模型的泾河流域未来径流变化分析 [J].自然灾害学报,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]秦伟,朱清科,刘广全,等.北洛河上游生态建设的水沙调控效应 [J].水利学报,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]吴琳娜,杨胜天,刘晓燕,等.1976年以来北洛河流域土地利用变化对人类活动程度的响应 [J].地理学报,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,李志录,等.TOPMODEL模型在黑河金盆水库流域的应用研究 [J].西北农林科技大学学报(自然科学版),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]范丽军,符淙斌,陈德亮.统计降尺度法对未来区域气候变化情景预估的研究进展 [J].地球科学进展,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]刘吉峰,李世杰,丁裕国.基于气候模式统计降尺度技术的未来青海湖水位变化预估 [J].水科学进展,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]陈丽娟,李维京,张培群.降尺度技术在月降水预报中的应用 [J].应用气象学报,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]范丽军.统计降尺度方法的研究及其对中国未来区域气候情景的预估 [D].北京:中国科学院研究生院,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]赵传燕,南忠仁,程国栋,等.统计降尺度对西北地区未来气候变化预估 [J].兰州大学学报(自然科学版),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]曹颖,张光辉,罗榕婷.全球气候变化对泾河流域径流和输沙量的潜在影响 [J].中国水土保持科学,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]张建云,王国庆.气候变化对水文水资源影响研究 [M].北京:科学出版社,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

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

2015-03-12

国家自然科学基金重大项目(51190093);国家自然科学基金项目(51179148,51179149)；陕西省重点实验室项目(13JS069)；水文水资源与水利工程科学国家重点实验室开放研究基金项目(2012490511)

张鸿雪(1989-),女,黑龙江集贤人,在读博士,主要从事水文水资源研究。 E-mail：313231390@qq.com

畅建霞(1974-),女,山西祁县人,教授,博士生导师,主要从事水文水资源研究。 E-mail：chxiang@xaut.edu.cn

P333.1

A

1671-9387(2016)10-0207-07

网络出版地址:http://www.cnki.net/kcms/detail/61.1390.S.20160907.0903.058.html