气候变化对西辽河流域生态水文过程的影响

王树生

(昌图县毛家店镇水利工作站，辽宁 昌图 112507)

0 引 言

生态水文循环在很大程度上受气候变化和人类活动的影响[1-2]。因此，分析气候变化对生态水文学的影响至关重要。气候变化影响着生态水文的变化，进而改变着径流、蒸散量、地表储水量和土壤湿度，直接影响着区域生态体系。未来的气候变化，例如温度、降水和极端天气的频率变化，将对生态水文过程产生影响。在气候变化研究中，量化气候变化对水文学和生态系统的影响仍是一个挑战[3-4]。然而，目前对气候变化下的生态水文可利用性的评估仍然有限。在气候变化影响研究中，采用全球气候模式(GCM)和区域气候模型(RCM)作预测已被广泛应用。GCM可模拟较长时段的年或季节性平均气候特征。但由于模型的空间分辨率较低，因此难以用于对区域气候影响评估。通常使用统计降尺度法来弥补这一不足。通过在GCM和区域气候要素之间建立统计关系，统计降尺度模型(SDSM)能很好地预测区域未来的气候情景变化。为了预测西辽河流域未来气候变化对生态水文的影响，本文提出一种将统计降尺度(SDSM)、生物地球化学循环模型(BIOME-BGC)和水文模型(HSPF)耦合的方法，并采用该模型研究在不同排放情景(A2和B2)下，日气象要素和日径流量的变化趋势以及气候变化对水文和生态系统的影响。

1 研究区概况

研究区(N40°05′-N45°13′、E116°16′-E123°35′)位于中国东北地区，其中部地形较低，是平原的一部分。高程范围在476～2 150 m之间，总面积为13.6×104km2。该地区夏季受大陆低洼和南风影响，夏季较炎热潮湿。年平均气温约为10℃；年平均降雨量约为390 mm，主要集中于6、7和8月份。森林和灌溉作物是流域的主要植被。森林主要分布在研究区域的边缘，灌溉作物位于该区域的中部。其水流主要来自降水和地下水补给。由于干旱以及人口和家庭用水量的急剧增加，导致河流流量急剧下降，该地区面临严重的水资源短缺。

2 数据来源

为了产生未来的气候变化情景，为该研究收集了3种类型的数据：①观测数据；②美国国家环境预测中心(NCEP)重新分析数据；③HadCM3输出数据。

采用的6个气象站40年(1960-2018年)的观测数据来自气象数据共享服务网，包括日最高(Tmax)和最低(Tmin)气温、降水量(PRCP)和蒸散量(ET)，6个气象站分别为西丰、铁岭、西风、法库、新民、康平，以上数据用于建立SDSM模型。 同时，本文采用2005-2008年的日径流观测数据和小时气象数据建立HSPF模型，采用铁岭水文站(N42°20′,E123°50′)(2005-2008年)的径流观测数据率定和验证模型。土壤数据来自中国第二次土壤普查数据。 DEM数据来自美国地质勘测调查局EROS数据中心GTOPO30数据。土地利用数据采用Landsat TM数据，包括6个时期(1960、1970、1980、1990、2000和2008年)。月植被信息(植被覆盖率)采用遥感生态反演数据。海洋/大气耦合气候模型(HadCM3)的输出结果包含A2(温室气体高排放情景)和B2(温室气体低排放情景)2种气候情景，网格大小为2.5°×3.75°[5]。NCEP日尺度重分析数据(1961～2010)包括26个大规模天气因子，其从CCIS网站(http://www.cics.uvic.ca/scenarios/index.cgi)下载[6]。

3 研究方法

3.1 统计降尺度模型

采用HadCM3建立气候变化情景。采用SDSM模型将1961-2099年HadCM3输出的日气象数据降尺度到每个站点。首先，将气象站的实测日最高和最低温度及降水量作为预测值。在SDSM 4.2中，根据相关分析结果以及NCEP再分析数据中26个大气环流因子与预测值之间的相关性分析结果和散点图，为每个站点选择合适的预测因子，建立预测因子与预测变量之间的定量统计函数关系，并采用实测数据对SDSM模型进行校准。最后，采用1991年到2000年的日气象数据验证SDSM模型。 HadCM3输出的1961年至2099年的日时间序列数据作为SDSM模型的输入，分别在A2和B2情景下为每个气象站生成日最高和最低温度及降水时间序列。尽管采用NCEP数据校准降尺度模型后， GCM数据的驱动可能会导致NCEP数据产生偏差，但该偏差很小，可忽略不计。

3.2 HSPF模型

HSPF是一个被广泛应用的水文模型[7]。本文采用2005-2006年的实测日径流数据对模型进行校准，采用2007-2008年的实测数据对模型进行验证。模型的模拟精度采用Nash-Sutcliffe(ENS)和确定性系数(R2)[8]。

3.3 BIOME-BGC模型

BIOME-BGC是一种生物地球化学模型，可模拟能源、水、碳和氮通量以及在陆地生态系统的植物和土壤中的存储[9]。BIOME-BGC模型提供了可转移到HSPF模型的生态(植被)参数，而HSPF模型可提供径流、浓度等资料。因此，本文采用BIOME-BGC模型估计研究区森林的NPP(净初级生产力)以及气候变化对其产生的影响。

4 结果分析

4.1 模型模拟结果

HSPF模型的ENS和R2值在校准期为0.64和0.79，验证期为0.74和0.86，模拟结果较好。BIOME-BGC模型的校准和验证，由于难以获取实际参数，本研究中使用的大多数参数均参考前人的研究成果。日净初级生产力的模拟值和观测值分别为3.86和3.14 gC/m2d，模拟结果高于观测值。2006年1至8月份净初级生产力累积模拟值为84.2 gC/m2，相比之下观测值为73.0 gC/m2，误差小于20%。

4.2 未来气象要素变化

本文将数据序列分为两组，时间范围为1961-1990年和1991-2000年，分别用于校准和验证SDSM模型。气候参考期在水文和生态模型中得以延续。SDSM的校准和验证结果见表1。在3个不同阶段，即2020年代(2010-2039年)，2050年代(2040-2069年)和根据1961-1990年的基线，对贵水河流域2080年代(2070-2099年)进行了分析，校准期和验证期模型模拟精度见表1。由表1可以看出，SDSM降尺度模型可解释的最高和最低温度的变化分别为65.9%和48.8%，日蒸散量的变化为53.3%，而日降水量的变化可解释仅为12.0%。在校准期，最高温、最低温、日降水量和蒸散量的标准误差分别为0.12℃、0.12℃、0.04 mm和0.01 mm。验证期的模拟结果表明，观测和模拟的日最高和最低气温之间具有很好的一致性，4个气象因子的标准误差分别为0.20℃、0.20℃、0.08 mm和0.03 mm。与SDSM建立的统计关系可产生未来的气候变化情景。

表1 校准期和验证期模型模拟精度

表2给出了在A2和B2情景下日最高和最低气温、日降水量与1961-1990年基准期数据相比的区域平均变化。在未来气候情景下，4种气象要素的变化率分别为0.46℃、0.45℃、-3.68 mm/10 a和15.83 mm/10 a(A2情景下)，0.26℃、0.26℃、-4.99 mm/10 a和9.36 mm/10 a(B2情景)。在A2和B2情景下，6月份的日降水变化率为-0.09 mm/10 a。与21世纪其他地表天气变量逐渐减少相比，2020年有很大的减少，其可能是由于HadCM3中模拟的低频气候变异性造成的，而不是仅由在A2和B2情景下HadCM3在全球气候强迫的变化下导致的。

表2 2020、2050、2080年A2和B2情景下4种气象要素的区域平均值变化

4.3 径流对气候变化的水文响应

图1给出了日径流量预测值与基准期相比的相对变化。表3给出了未来日流量平均值的变化。可以看出，在3个期间内，日径流量表现出显著下降。预测期，在A2和B2情景下，日径流量每10年的变化率分别为-0.05和-0.04 m3/s。日径流量和降水量与基准数据的变化趋势并不完全一致。5月份的降水量略有减少，变化率分别为-0.02和-0.01 mm/10 a。6月份的降雨量急剧减少，变化率为-0.09 mm/10 a。尽管这两个月降水量的减少之间有很大的差距，但5和6月份的变化率均为-0.03 m3/s。

图1 A2和B2情景方案下SDSM模型预测的日径流量变化

表3 2020、2050、2080年A2和B2情景下日径流量的区域平均值变化

5 结 论

本文分析了在A2和B2排放情境下未来气候变化对西辽河流域2020-2099年3个不同时期的生态水文的影响。研究结果表明，在未来的3个时期，该地区日最高温和最低温均表现出明显的上升趋势，而日降水量则呈下降趋势。以降尺度的温度和降水量作为HSPF模型的输入，水文模拟结果表明地表径流总体呈下降趋势。日最高气温、日最低温度、日降水量、日蒸散量和地表径流量的每10年的变化速率在A2情景下分别为：0.46℃、0.45℃、-3.68 mm/10 a、15.83 mm/10 a和-0.05 m3/s，在B2情景下分别为0.26℃、0.26℃ 、-4.99 mm/10 a、9.36 mm/10 a和-0.04 m3/s。未来该地区的干旱程度可能会加剧。本文的研究结果可为区域管理部门制定科学合理的生态控制措施提供理论依据。