基于GCM模型的塔里木河流域未来径流变化研究

师于杰

(新疆塔里木河流域干流管理局，新疆 库尔勒 841000)

全球气候变化的影响评估是当今气候和水文等多个领域研究的热点问题之一，一般需要依赖于全球气候模式(Global Climate Model，GCM)提供的气候情景[1]。全球气候模式是将全球大气、海洋、陆地与海冰等组成部分的主要物理化学过程通过计算机进行模拟计算，得出未来的气候情景，它是研究气候变化机理和预测未来气候变化最重要的工具[2-4]。通常的气候变化影响研究需要将全球气候模式模拟的大尺度气候网格数据通过一定处理作为输入变量，输入到环境影响模型中评估未来可能带来的影响，以及评估环境要素对气候变化的响应[5-6]。

全球气候模式可以较好地模拟大尺度和季节性的平均气候特征，估算气候变化对局地或站点尺度环境要素的影响[7-9]。因此，本文以新疆塔里木河流域“四源一干”为研究区，通过将全球气候模式输出的气候变量依据历史观测数据进行偏差校正，得到较为可靠的未来气候变化情景，之后将其输入SWAT(Soil and Water Assessment Tool)模型，得到流域未来径流情况，研究结果可为流域水资源规划和管理提供重要参考。

1 研究区概况与研究思路

1.1 研究区概况

塔里木河流域是环塔里木盆地诸多向心水系的总称，总面积102万km2，具有自然资源丰富和生态环境脆弱的双重特点。受人类活动和气候变化影响，目前只有和田河、叶尔羌河、阿克苏河、开都-孔雀河4条源流与塔里木河干流有地表水联系，形成“四源一干”格局，见图1。近年来，塔里木河流域自然灾害频繁发生，水土过度无序开发、生态环境严重恶化等问题已引起了国内外专家学者的广泛关注。

图1 塔里木河流域“四源一干”水系

1.2 研究思路

1.2.1 全球气候模式介绍

研究时段为2020—2050年，针对日降水、日最高气温和日最低气温进行研究。流域范围内的24个主要气象站点观测数据取自中国气象局气象数据中心。选用塔里木河径流突变后的1993—2013年共20年作为率定参考期来率定DBC(Daily bias correction)方法，以及作为未来气候情景变化的参照时段。

选取全球气候模式输出数据中的3种RCP情景，即RCP2.6、RCP4.5和RCP8.5。RCP为代表性浓度路径，是对于未来温室气体排放程度的一种预测情景。其中，RCP2.6情景表示人类积极应对气候变化，努力减少温室气体排放，辐射强迫在2100年之前达到峰值(约为3W/m2)，并已经开始下降；RCP8.5代表人类应对全球气候变化较为消极，温室气体持续大量排放，辐射强迫在2100年达到8.5 W/m2左右的水平；RCP4.5是介于RCP2.6和RCP8.5之间的一种情景，代表辐射强迫在2100年稳定在4.5 W/m2左右。

为预测研究区未来降水、气温变化以及径流响应，选用耦合模式比较计划第五阶段(CMIP5)[10]数据，集中了全球不同气候中心研发的6种全球气候模式，并包含3种温室气体排放情景。其中RCP2.6情景采用4种气候模式(CSIRO-Mk3.6.0，GFDL-ESM2M，MRI-CGCM3，BCC-CSM1.1)；RCP4.5和RCP8.5采用6种气候模式(ACCESS1.0，CMCC-CMS，CSIRO-Mk3.6.0，GFDL-ESM2M，MRI-CGCM3，BCC-CSM1.1)。

1.2.2 SWAT模型介绍

SWAT模型可对流域内包括持续长时间序列径流等多个不同的水文物理过程进行模拟。SWAT模型将径流模拟过程分为两个过程：水分循环过程，通过利用逐日降雨数据、太阳辐射数据、湿度、风速和气温等气象数据来计算地表产流，定量分析汇入主河道的水量；与汇流相关的各个水文循环过程。

SWAT模型所需要的输入数据分为栅格、矢量和二维数据表3种数据结构。其中Grid格式的栅格数据有土壤属性数据和土地利用/覆被状况等；shp格式的矢量数据有水文站和气象站点的经纬度位置等；以DBF文件格式存储的二维属性数据表有气象和水文实际观测数据。综合以上数据根据模型要求进行处理，分别创建模型模拟所需的各类数据库。

SWAT模型中，地表径流计算采用修正SCS(soil conservation service)曲线法，该方法也基于水量平衡，所需参数较少，并且可以反映不同土壤类型、不同土地利用方式以及前期土壤含水量对降雨径流的影响；壤中流(侧向流)计算与水分的重新分配同时进行，采用动力蓄水模型(Kinematics Storage Model，KSM)来计算每一层土壤层的侧向流；潜在蒸散发使用Hargreaves、Priestley和Penman-Monteith 3种方法，最常用的是Penman-Monteith方法；融雪方面，SWAT模型依据日均气温将降水区分为降雨、冰冻水或雪，采用能量平衡法计算；流域收水面积以各研究区主要河流出山口水文站为流域出口，通过ArcSWAT分别提取各子流域出山口水文站集水区面积及集水区内水系图。

2 研究方法

2.1 反距离权重方法

反距离权重(Inverse Distance Weighted，IDW)方法是一种常用且简便的空间插值方法。其具体计算步骤如下：

a.计算气象站点到各GCM栅格点的距离di。

b.计算每个栅格的权重：权重是距离的倒数的函数：

(1)

c.站点数据插值计算结果：

(2)

2.2 DBC偏差校正法

DBC方法是一种基于分布的偏差校正方法，它是Daily translation(DT) 和Local intensity scaling(LOCI)两种方法的结合。该方法首先对模式数据的降水发生概率进行校正，使得模式数据在每月的降水发生概率与观测数据保持一致，消除气候模式普遍存在高估降雨发生概率的现象。具体步骤如下：

a.计算历史观测降水数据每月降水的发生概率。

b.计算气候模式输出降水数据的发生阈值，使得模式每月降水数据高于此阈值的概率与对应观测降水数据发生概率相等，低于此阈值的模式降水数据被置为零。

c.将历史阶段得到的每月降水阈值用于校正未来模式降水数据，得到校正后的未来降水数据。

经过上述降水频率校正后，通过历史观测数据的经验累积概率分布函数对模式输出数据的经验累积概率分布函数进行校正，具体计算中累积分布函数采用从0到1共100个分位数进行代替，相邻两个分位数之间的间隔为0.01，具体公式如下：

Tcor,fut,d=Tsim,fut,d+(Tobs,per-Tsim,ref,per)

(3)

Pcor,fut,d=Psim,fut,d×(Pobs,per/Psim,ref,per)

(4)

式中：cor为校正后；d为逐日；ref和fut分别为历史阶段和未来阶段；obs和sim分别为观测数据和模式模拟数据；per为某一分位数。

2.3 泰森多边形法

泰森多边形法又叫垂直平分法或加权平均法。该方法首先求得各雨量站的面积权重系数，然后用各站点雨量与该站所占面积权重相乘后累加即得[11]。设每个雨量站都以其所在的多边形为控制面积ΔA，ΔA与全流域的面积A之比为f=ΔA/A即为该雨量站的权重数。

p=f1p1+f2p2+…+fnpn

(5)

式中：f1，f2，…，fn分别为各雨量站用多边形面积计算的权重数；p1，p2，…，pn，p分别为各测站同时期降雨量和流域平均雨量。

3 结果分析

3.1 未来降水趋势及年代际变化

不同RCP情景下塔里木河“四源一干”2020—2050年降水量序列趋势分析结果见图2。图2中，实线表示序列的M-K统计值UFk、UBk，点画线表示0.05显著性水平临界值±1.96；UFk实线可反映序列的变化趋势，UFk、UBk两实线的交点可反映序列突变情况。

图2 不同RCP情景下各子流域年降水M-K趋势分析

由图2(a)可知，在RCP2.6情景下，各子流域在2020—2050年降水均处于增加趋势，但增加程度各有不同，其中开都-孔雀河增加较为明显(UFk越过显著性水平线)。在2030年以后，开都-孔雀河、阿克苏河出现减少趋势，叶尔羌河、和田河降水仍未出现增加趋势。

RCP2.6情景下未来时段各流域年降水的年代际变化情况见表1，其中基准年为1993—2013年。由表1可知，在RCP2.6未来情景下，除了阿克苏河相对于历史基准时段降水有所减少外，其他各子流域降水相对于历史基准时段均为增加状态。

由图2(b)可知，在RCP4.5情景下，各子流域在2020—2050年降水均处于减少趋势，其中阿克苏河流域减少较为明显(UFk越过显著性水平线)。在2030年以后，开都-孔雀河、阿克苏河、塔里木河干流、和田河出现减少趋势。RCP4.5情景下未来时段各流域年降水的年代际变化情况见表2。由表2可知，在RCP4.5未来情景下，除了阿克苏河流域相对于历史基准时段降水均呈现减少趋势外，其他各子流域降水在2020—2030年相对于基准时段有所减少，在2030年以后相对于历史基准时段呈现增加趋势。

表2 RCP4.5情景下未来时段各流域年降水的年代际变化情况

由图2(c)可知，在RCP8.5情景下，各子流域在未来降水情况并未表现出明显的趋势性。RCP8.5情景下未来时段各流域年降水的年代际变化情况见表3。由表3可知，阿克苏河、叶尔羌河流域在RCP8.5情景下降水较历史基准时段呈现减少趋势，开都-孔雀河、塔里木河干流、和田河在RCP8.5情景下降水较历史基准时段呈现增加趋势。从塔里木河全流域来看，在RCP8.5情景下降水较历史基准时段呈少量的减少趋势。

表3 RCP8.5情景下未来时段各流域年降水的年代际变化情况

3.2 未来年均气温趋势以及年代际变化

对于塔里木河流域“四源一干”未来气温的变化，由表4～表6可知，RCP2.6、RCP4.5和RCP8.5情景下在未来都呈现出明显的上升趋势，且变化的温度范围依次上升，这一上升趋势也与全球气候变暖的大环境相吻合。在RCP2.6情景下，流域年均气温在2050年较历史基准时段上升约1.4℃；在RCP4.5情景下，流域年均气温在2050年较历史基准时段上升约1.8℃；在RCP8.5情景下，流域年均气温在2050年较历史基准时段上升约2.3℃。塔里木河流域在未来的升温情况高于在各情景下全球平均升温情况，表明该流域在未来的温度变化相较于其他地区更为明显与强烈，随之带来的一系列气候变化在各领域的响应也更为明显。例如，由于塔里木河流域内许多河流含有较多的冰川融雪径流成分，因此未来气温的显著增长将会对河流的径流产生较为明显的影响，冰川融雪径流将明显增加。

表4 RCP2.6情景下未来时段各流域年均气温的年代际变化

表5 RCP4.5情景下未来时段各流域年均气温的年代际变化

表6 RCP8.5情景下未来时段各流域年均气温的年代际变化

3.3 未来径流变化特征

3.3.1 未来径流变化分析

4个子流域历史及未来时段年径流的折线图见图3～图6。在未来阶段，灰色范围表示不同全球气候模式在未来径流模拟中所产生的不确定性；红色实线代表所有气候模式径流模拟结果的均值。由图3～图6可知，未来阶段，阿克苏河与和田河流域年总径流明显增加，且增加量从RCP2.6情景到RCP8.5逐渐增大；叶尔羌河流域未来径流量存在一定增加，但幅度并不显著；开都-孔雀河未来径流与历史观测径流相似，并未呈现显著增加或减少趋势。

图3 阿克苏河年径流量未来时段变化

图4 叶尔羌河年径流量未来时段变化

图5 和田河年径流量未来时段变化

图6 开都-孔雀河年总径流量未来时段变化

3.3.2 未来时段径流丰枯变化

不同RCP情景下各子流域未来径流量年代际演变特征的分析结果见图7，其中上游三源流指阿克苏河、叶尔羌河、和田河3条支流，反映的是塔里木河源流整体的一个未来变化情况。由图7可知，上游三源流径流在未来均呈现明显的丰水状况，说明上游三源流径流在未来呈现增加趋势；开都-孔雀河径流呈现丰枯交替现象，在RCP2.6情景下丰水情况较明显，在RCP4.5情景下丰枯相近，在RCP8.5情景下枯水情况较为明显。

4 结 论

本文研究采用多种全球气候模式通过统计降尺度技术得到塔里木河流域未来气候情景，然后将气候情景输入到率定好的SWAT水文模型中，得到各子流域的径流情况，并将其与历史径流情况进行了对比和分析，得到如下结论：

a.对于降水来说，各子流域在RCP2.6情景下大多呈现出增加趋势，在RCP4.5情景下呈现出减少趋势，在RCP8.5情景下趋势性不明显。

b.对于气温来说，各子流域在不同RCP情景下均呈现出明显上升趋势，且升温情况随着RCP情景对应辐射强迫的增加而增加。

c. 2020—2050年，阿克苏河与和田河年径流增加明显，且增加量从RCP2.6情景到RCP8.5情景逐渐增大；叶尔羌河年径流量存在一定增加，但幅度并不显著；开都-孔雀河径流量变化不大。

d.不同RCP情景下，塔里木河上游三源流(阿克苏河、叶尔羌河、和田河)径流在未来均呈现明显的丰水状况，即源流径流在未来呈现增加趋势；开都-孔雀河径流呈现丰枯交替现象，在RCP2.6情景下丰水情况较明显，在RCP4.5情景下丰枯相近，在RCP8.5情景下枯水情况较为显著。