气候变化对缅甸耶育瓦水电站水力发电的影响

[缅甸] 敏凯

水文水资源

气候变化对缅甸耶育瓦水电站水力发电的影响

[缅甸] 敏凯

缅甸是亚洲和太平洋地区最易受气候变化影响的国家之一，水电占全国电力的比例超过55%，气候变化对河流径流大小、过程和不确定性等的影响是该国十分重要的研究课题。基于气候模型评估分析了气候变化对缅甸米坦格河径流的影响及其对耶育瓦水电站水力发电的潜在影响，分析得出：近未来时段(2011～2040年)和近世纪末时段(2071～2100年)气温将会升高；未来降雨减少概率较大；计算径流呈非单向性变化，随着气候模型、排放情景和未来时段的不同而不同； 2个未来时段和2组RCP情景下MPI-ESM-MR模型计算的大流量一致性增加引人关注；MPI-ESM-MR模型预测耶育瓦水电站水力发电量将会增加，而GFDL-CM3模型和MIROC-ESM-CHEN模型预测结果却为显著减少。

气候变化；径流；气温；降雨；耶育瓦水电站；缅甸

就气温与降雨变化等显性影响的指标值以及因贫困等影响应对能力等方面而言，缅甸是亚洲和太平洋地区最易受气候变化影响的国家之一，气候变化对缅甸河流径流影响最重要的一个方面是对其水力发电量的潜在影响。缅甸对可再生能源依赖较重，水电占其电力的比例超过55%。因此，气候变化对河流径流大小、过程和不确定性等的影响是缅甸十分重要的研究课题。

气候变化毋容置疑，近年来屡现超历史高温、超强风暴、严重干旱、超强台风和热带风暴频发(IPCC报告，2007年)。根据21世纪温室气体排放情景，气候变化将导致气温升高和降雨变化，这些气候因子的变化将会显著地影响河流系统的水文情势。

气候变化极可能引起河流径流的总量变化与季节性变化，塔瓦科利等人曾就气候变化对河流径流的影响进行过全球性系统评估，研究发现：南欧和澳洲南部等大部分地区的河流径流减小，而北极和近北极地区的河流径流增加。基于政府间气候变化委员会(IPCC)第3工作组第4份评估报告，东南亚可利用的淡水资源(尤其是大河流域)预计将会随着气候的变化而减小；到21世纪50年代，受其不利影响的人口将会超过10亿。

目前，已开展了若干基于流域尺度河流径流变化的气候影响研究，巴贝尔等人曾采用HadCM3大气环流模型(GCM)，分析了A2和B2排放情景下巴格玛蒂(Bagmati)河径流季节性变化，结果表明：A2情景下，季风期间巴格玛蒂河的月均径流增加十分显著，B2情景下，巴格玛蒂河全年大部分时间(3月除外)的径流都增加。有学者曾采用PRECIS区域气候模型，探讨了A2、B2和A1B排放情景下气候变化对中国淮河流域的径流影响，总体而言，不同排放情景计算得到的淮河径流各异。塔瓦科利和斯梅特采用HadCM3模型计算得出，美国伊利诺斯州弗米利恩(Vermilion)河流域年径流量在不同排放情景下，分别减少44%(A2气候情景)和28%(B2情景)。然而，未来变化预估值存在着很大的不确定性，取决于所采用的气候模型。

水电作为可再生与可持续的能源资源，与区域水文情势密切相关。水电由于直接依赖于河流径流大小及其过程，因而是对于全球与区域气候变化十分敏感的能源。因此，评估气候变化对河流径流的影响及其对水力发电的潜在影响是十分必要的。

气候变化已成为许多水电站项目开发中十分关注的问题，如果采用的应对措施合适，气候变化对水力发电的影响则可得到缓解。为了策划针对未来气候情景的应对措施，决策者需要定量评估气候变化对水力发电的影响。为此，本文的主要研究目标是评估气候变化对用于水力发电的河流径流的影响，对研究区域、数据收集、模型方法、研究结果与主要结论等进行了简要介绍。

1 研究区域与基础数据

本文选取米坦格(Myitnge)河流域，评估了气候变化对用于水力发电的河流径流的影响。该流域地形与气候条件变化大，未曾进行过气候变化对河流径流与水力发电的影响研究。因此，本文研究成果将会为该流域的水资源管理与耶育瓦水电站运行提供有用信息。

1.1 流域概况

缅甸境内4条主要河流分别为：萨尔温(Thanlwin)江、伊洛瓦底(Ayeyarwady)江、钦敦(Chindwin)江和锡当(Sittaung)河。米坦格河是伊洛瓦底江的一条支流，发源于掸邦(Shan Plateau)高原以北海拔 1 460 m的莱桑山(Loi Swang)。米坦格河流域位于北纬20°51′ ～23° 48′和东经96° 23′～98° 22′，流域面积为30 800 km2，覆盖掸邦州(Shan)西北地区，下游延伸至伊洛瓦底江汇口附近曼德勒(Mandalay)地区。河流总体上呈东北至西南流向，距离曼德勒省西南约15 km处汇入伊洛瓦底江。米坦格河总长约530 km，主要支流为藻基(Zawgyi)河、潘隆(Panlaung)江和楠兰(Nantlan)河。

米坦格河流域分为旱雨两季，5月中旬至10月为雨季、11月至次年5月中旬为旱季，而且11月至2月寒冷、3月至4月酷热。西南向与东北向季候风将流域气候区分为雨季与旱季，6月至10月西南向季候风为流域带来了大部分降雨，但其对该流域的影响因跨越海岸山脉而有所减弱；11月至次年5月旱季受东北向季候风驱动而降雨极少；雨季降雨天数持续90～120 d，容易引起米坦格河大洪水。

米坦格河流域面积大，因其有利的地形、地质和径流等条件，已经修建了若干水电站。耶育瓦水电站建于米坦格河与伊洛瓦底江汇口上游80 km处，是一座水库蓄水式水电站，其装机容量为790 MW，是缅甸最大的水电站。耶育瓦坝上游约130 km处正在兴建上耶育瓦水电站，装机容量为280 MW。这两座水电站的发电机组已经并入缅甸国家电网，向缅甸全国供电。该流域剩余水能资源可通过若干中、小和微型水电项目再加以开发利用。

1.2 数据收集

采用的米坦格河流域数字地形模型(DEM)取自美国地质调查局全球数据采集系统(USGS)，其分辨率为30 m。土壤参数取自世界粮农组织(FAO)世界数字土壤地图(3.6版本)。土地利用数据取自欧盟网站联合研究中心，下载地图为东南亚部分，分辨率为1 km；采用ArcGIS10.1，从区域地图上提取米坦格河流域土地覆盖地图；研究区域有6种土地利用类型，主要类型为林地，约占全流域面积80%。

1.2.1 实测水文气象数据

缅甸气象水文部和水电建设局收集到的11站1981～2005年的日降雨数据中，仅昔卜(Hsipaw)、皎梅(Kyaukme)、皎施(Kyaukse)、腊戊(Lashio)、曼德勒和瑙曹(Naungcho)等站有最低和最高气温数据。沙林站(Salin)从这2个部门获取日流量数据，可用的日流量时间系列为1981～2005年。

1.2.2 气候变化数据

采用第5阶段“耦合模式比较计划”(CMIP5)5个GCM模型研究气候变化模拟的不确定性。基于气温与降雨模拟功能，选取了CMIP5文件库中5个GCM模型，即GFDL-CM3模型、MIROC-ESM模型、MIROC-ESM-CHEM模型、MPI-ESM-LR模型和MPI-ESM-MR模型，自CMIP5数据库下载所选取的GCM模型的日降雨、最高气温和最低气温。5个GCM模型均采用了RCP4.5和RCP8.5排放情景，以便能够覆盖可能的低、中、高未来气候模拟结果(表1)。

表1 选取的全球气候模型(时段1981～2005年， 2006～2100年)

2 模型方法

2.1 气候模型“降阶”

GCM模型是计算未来预期情景气候参数的重要工具，但对于流域尺度的水文模拟而言，GCM模型空间分辨率太低，需要对气候变量进行“降阶”。本文采用线性比例法进行气温“降阶”，采用局部强度比例法进行降雨“降阶”。

对于气温线性比例法，首先计算出每个月份基准时段(1981～2005年)与未来时段的GCM模型计算值之间的差值。采用公式(1)计算出线性比例系数，然后采用公式(2)和公式(3)分别对历史时段与未来时段的GCM模型计算的气温系列进行修正。采用这一线性比例法同样也可以对最高和最低气温进行“降阶”。

比例系数

f={μm(Tobs(d))}-{μm(This(d))}

(1)

{μm(This(d))}]

(2)

{μm(This(d))}

(3)

采用局部强度比例法进行降雨“降阶”，该方法可对降雨均值和雨季降雨频率与强度进行修正。首先通过率定，使历史时段GCM模型计算降雨超过临界值的天数与实测降雨大于0 mm的天数相等，以此确定历史时段的降雨临界值Pth,his；然后基于Pth,his，将降雨小于Pth,his的所有天数重新定义为降雨值0 mm的无雨天，对历史时段和未来情景时段的降雨场次进行校正；再后基于预测的长系列月份数据，计算出平均雨天降雨强度比例系数(特别重要的是在计算降雨强度比例系数时仅考虑到雨天天数，因此计算比例系数时采用降雨大于0 mm的实测天数和降雨大于Pth,his的GCM模拟天数)；最后将强度比例系数乘以校正后的GCM模型计算数据(基于初步计算)，完成未来情景计算系列数据的修正。

2.2 水文模型的建模与率定

2.2.1 建 模

采用美国陆军工程师团(USACE)水文工程中心研制的水文模拟HEC-HMS模型(3.5版本)进行米坦格河流域径流计算。该模型能够高效地计算日径流，已在世界各地各种大小流域得到了应用，用户可选用不同的损失、直接径流、基流与明渠流演进方法。基于此，本文选择了半分布式水文HEC-HMS模型。

HEC-HMS模型建模包括基本模型、气象模型和控制条件等3个步骤。基本模型涉及次流域、河网、河段和出口等流域特征，采用HEC-GeoHMS10.1模型并借助于ArcViewGIS10.1软件完成上述特征量的创建。考虑到需要进行长时段水文模拟，选用亏损常数损失法(连续损失模型)，将损失视为土壤含水量的连续变量；径流换算模型选用克拉克(Clark)单位线法，流域基流选用指数函数退水法，河段明渠流演进采用马斯京根法(Muskingum)。气象模型采用泰森(Thiessen)多边形权重法，模型控制条件设置包括每个计算方案的起始日期时间、终止日期时间和时间步长等。

2.2.2 率定与验证

模型率定是重要环节，它通过调整参数，使得某处或某站的实测流量与计算流量能够较好吻合。选用分时段取样法安排模型的率定和验证时段，分开率定与验证时段使之不重叠；将收集到的1981～2005年沙林站实测流量中的1981～1995年数据用于模型率定(图1)，1996～2005年数据用于模型验证(图2)。采用相关系数(R2)、均方根误差(RMSE)、纳什-萨特克利夫(Nash-Sutclifle)效率(E)、总量误差百分数(PVE)、峰值误差百分数(PPE)和偏差百分数(PBIAS)检验模型模拟水文过程与径流的性能(表2)。

图1 模型率定时段沙林站实测与计算水文过程(1981～1995年)

图2 模型验证时段沙林站实测与计算水文过程(1996～2005年)

项目相关系数R2均方根误差RMSE/(m3·s-1)N-S效率E偏差PBIAS总量误差PVE/%峰值误差PPE/%率定0.8491450.846-5.82-2.72-1.44验证0.9061080.9013.2-4.72-5.0

2.2.3 情景设计与影响评估

选取1981～2005年作为评估气候变化对径流影响的基准时段，组合所有气候模型与排放工况进行了3种不同情景下的模拟预测(每组时段30 a)，并对近期未来时段(2011～2040年)与近世纪末时段(2071～2100年)相对于基准时段的变化进行了分析。

3 结果与讨论

3.1 气候趋势

降雨与气温是河流水文情势的2个关键驱动因子，气候变化的影响主要借助于这2个变量的变化。图3给出了近未来时段和近世纪末时段在所有气候模拟情景下的年均气温和年均降雨计算变化，该散点图显示：所有计算方案中所有时段的气温均升高；基于不同气候模型与RCP情景，近未来时段预计的气温升幅为0.2℃～2.6℃，近世纪末时段为1.6℃～4.6℃。而对于降雨而言，大多数气候模型计算值呈减小趋势，其中近未来时段减幅为3.8%～22.4%，近世纪末时段为1.1%～21.8%。不过少数计算表现为增加趋势，其中近未来时段最大增加31.4%，近世纪末时段为23.7%。

图3 全部气候模型和RCP情景计算的气温和降雨变化

计算结果表明，总体而言，给定RCP情景下不同气候模型计算结果的不确定性要大于给定气候模型不同RCP情景。敏维尔等人(2008年)和什雷斯塔等人(2013年)的研究也指出了这一特点。

3.2 气候变化对河流径流的影响

以年流量和年内流量分析河流径流的影响，将每个气候模型计算的年均流量换算成基准时段(1981～2005年)年均流量的占比。类似于气温和降雨，所用气候模型计算的流量的变化也十分显著，表明气候变化引起河流径流变化的方向存在着高度不确定性，由盒须图(图4)也可以清晰看出这一特点，未来时段气候模型估算中仅有10%占比流量为减小，90%、75%、中值(50%)和25%占比流量呈现非单向性变化。但也可以发现：在RCP4.5和RCP8.5情景下，GFDL-CM3模型和MIROC-ESM-CHEM模型计算的未来中值(50%占比)流量呈减小趋势，而MPI-ESM-MR模型的计算中值呈增加趋势。

图4 相对于基准时段(1981～2005年)近未来时段与近世纪末时段计算的年径流变化

近未来时段和近世纪末时段在2组RCP情景下计算得到的流量的年内(月份)变化见图5，计算得到的米坦格河流量变化与降雨变化趋势密切相关，而月气温与月降雨变化分析表明：全年所有月份的流域气温均升高，但降雨变化却随着月份的不同而不同。对于近未来时段，2组RCP情景下5个GCM模型计算的每月月均流量略小于基准时段，但对于近世纪末时段，RCP8.5情景下月均流量(特别是雨季)要略大于基准时段；无论是近未来时段还是近世纪末时段，2组RCP情景下雨季(5月中旬至10月)流量的减少更加凸显；RCP4.5情景计算的未来月均流量略小于基准时段，近未来时段旱季月流量的减小趋势更加明显。

图5 基准时段(1981～2005年)月流量与近未来时段、近世纪末时段计算的月流量变化

采用不同全球气候模型计算得到的年流量、月流量之间变化非常大，表现了变化趋势与变幅的不确定性，其中年内(月份)流量比年流量的变化更大，由此表明：水电规划者在进行未来规划时考虑流量的月份变化与趋势是十分重要的。

3.3 流量极值变化

Q10是河流大流量“活跃性”代表指标，它表示仅有10%时间的流量超过这一值。Q10正值趋势表示未来洪水风险增高，负值趋势意味着降低。MPI-ESM-MR模型计算的所有时段和RCP情景Q10正值最大，增幅为29.3%～61.4%；GFDL-CM3模型、MIROC-ESM模型和MPI-ESM-LR模型计算的结果有正有负，MIROC-ESM-CHEM模型计算的2组RCP情景和2个时段Q10表现为负值趋势(图6)。

采用Q90代表小流量，它表示90%时间的流量超过这一值。如果计算变化值呈负值趋势，意味着河流小流量可能减小，极可能发生干旱。针对2 组RCP情景和2个时段计算的Q90大多数为负值，只有MIROC-ESM模型和MPI-ESM-MR模型的计算结果呈现轻微正值趋势，增幅在6.1%至15.3%之间。

流量极值变化计算结果汇总表明：各种流动条件下流量增加和减小变化的分布是均匀的，大流量变化的不确定性要大于中、小流量。

3.4 对耶育瓦水电站水力发电的潜在影响

为评估气候变化对耶育瓦水电站水力发电的潜在影响，采用以上基准时段与未来时段的计算入流量作水库模拟模型(HEC-ResSim模型)的输入流量，计算了基准时段与未来时段的水力发电总量，图6给出了RCP4.5和RCP8.5情景下耶育瓦电站水力发电量的变化。比较与初步分析表明：MPI-ESM-MR模型计算的2组RCP情景年发电量预计将会增加，其他模型中GFDL-CM3模型和MIROC-ESM-CHEN模型计算的年发电量预计减小。然而，MIROC-ESM模型在未来2个时段计算的RCP4.5情景下年发电量呈增加趋势，RCP8.5情景下呈减少趋势。除此之外，MPI-ESM-LR模型计算的年发电量还呈现“混合”变化趋势，随着未来时段与RCP情景的不同而不同。GFDL-CM3模型和MIROC-ESM-CHEN模型计算的年发电量下降趋势明显，降幅分别达到13%～25%和22%～26%。

图6 相对于基准时段计算的耶育瓦水电站水力发电量变化

4 结 论

本文评估了气候变化对米坦格河径流的影响及其对耶育瓦水电站水力发电的潜在影响，分析得出如下结论：

(1) 所有气候模型计算结果均表明，近未来时段(2011～2040年)和近世纪末时段(2071～2100年)气温将会升高。

(2) 大多数气候模型计算结果表明，未来降雨将会减少，减幅为3.8%～22.4%(近未来时段)和1.1%～21.8%(近世纪末时段)；但少数结果表现为增加趋势，增幅高达31.4%(近未来时段)和23.7%(近世纪末时段)。

(3) 计算径流呈非单向性变化，随着气候模型、排放情景和未来时段的不同而不同；采用GFDL-CM3模型和MIROC-ESM-CHEN模型计算的河流径流呈减小趋势，采用MPI-ESM-MR模型计算的结果呈增加趋势。

(4) 流量极值变化方面，2个未来时段和2组RCP情景下MPI-ESM-MR模型计算的大流量一致性增加引人注目。

(5) MPI-ESM-MR模型预测耶育瓦水电站水力发电量将会增加，而GFDL-CM3模型和MIROC-ESM-CHEN模型预测结果却为显著减少。

水电站在供电系统中承担着满足峰值电荷的供电责任，如果未来水力发电量减少，峰值电荷缺口得不到及时补充，则可能引起供电系统的不稳定，而且，预测的未来气温呈现升高趋势，这将导致夏季用电量的增加。因此，未来水力发电量的减少对于供电部门而言将会是一个十分棘手的问题，有必要采用工程或非工程应对措施，以减小气候变化对河流径流及其对耶育瓦水电站水力发电的影响。本文研究成果有助于水力发电开发规划者、决策者和其利益相关者在水电站的规划、建设及运行阶段应对气候变化。

董耀华 柯学莎 译

(译简介：董耀华，男，长江水利委员会长江科学院，教授级高级工程师。)

(编辑：朱晓红)

1006-0081(2017)01-0024-05

2016-09-26

P461.8

A