气候变化和都市化双重驱动下流域未来水文响应

朱双　李建庆　罗显刚　雷晓辉　王超　胡国丰

摘要：近年来，受气候变化和人类活动的共同影响，流域的气候和水文状况发生了显著改变，分析变化环境下未来水资源演化格局成为当前国内外学者关注的重点研究内容之一。以柘溪水库流域为研究区域，利用人文因素和自然因素作为土地利用变化的驱动因子构建土地利用模型，采用MIROC5气候模式多个情景作为未来气候典型代表，利用分布式水文模型分析了气候变化和都市化双重驱动下的流域未来水文响应。结果表明：都市化发展明显增加了流域地表径流，减少了地下径流;而气候变化对水文响应驱动力比都市化对水文响应的驱动作用更强。

关键词：水文响应; 分布式水文模型; 气候变化; 未来情景模拟; 土地利用; 柘溪水库流域

中图法分类号： P333

文献标志码： A

DOI：10.16232/j.cnki.1001-4179.2021.11.014

0引 言

在全球变暖、土地利用剧烈变化、极端气候事件频发的大背景下，解决当下水资源危机，预测未来水资源变化态势，是当前国内外关注的重点之一。变化环境下的水文响应仍然是当前水文科学研究热点之一。目前，国内外很多学者研究了关于气候变化对水文循环的影响，并结合统计学原理分析了气象要素如气温、降水和水文要素在时间尺度上的周期性和突变性，或者构建了水文要素与降水之间的关系模型，定量分析水文循环和气候变化之间的联系[1-2]。

在研究未来气候变化对水文循环的影响时，通过设置一定的未来气候变化情景，再将模拟得到的未来气候情景输入到水文模型中，模拟未来气候情景下的水文响应[3]。王苗等[4]分析了RCP2.6，RCP4.5和RCP8.5三种气候情景下洪湖流域水资源的变化过程，结果表明：3种情景下的降雨和温度逐渐增加，地表径流、地下径流和蒸散发量也随之增加。Tamm等[5]以波罗的海流域为研究区，采用RACMO和HIRHAM5两种区域气候模式研究流域未来气候变化对水文过程的影响，发现该流域年均径流量相对于历史时期分别增长了10%和26%。

都市化进程主要体现在土地利用类型的转变，如耕地、林地转变为建设用地。由于每种土地利用类型的蓄水能力不同，因此土地利用变化能对水文循环造成影响[6]。目前国内外对于土地利用变化对水文水资源的研究主要分为两个方向：①根据历史土地利用變化趋势，利用统计分析方法模拟得到未来一段时间内土地利用情景[7];②采用极端土地利用法，假设研究区内某一种土地类型直接被另外一种取代，分析单一土地利用类型变化对水文循环的影响[8-9]。

评估未来土地利用变化和气候变化模式对流域水文生态环境的综合影响，对于流域水资源管理规划以及可持续发展具有重要意义。预测未来几十年甚至一个世纪的土地利用类型状态和气候条件，并研究两者综合作用下的水文响应，比前人单一研究土地利用或者气候变化的水文响应更具有实际参考价值。而当今社会经济快速发展背景下，土地利用类型的演化并不是呈现简单的线性变化，而是受社会经济、人口、路网等因素综合影响，具有复杂转变机理[10]。为此，本文首先研究未来气候变化情景下的流域水文响应，并利用人文因素和自然因素作为土地利用变化的驱动因子构建土地利用模拟模型，分析气候变化和都市化双重驱动的流域未来水文响应，研究成果可为水资源精细化管理和未来土地规划提供依据。

1研究流域与数据来源

1.1柘溪水库流域

柘溪水库流域位于湖南省西南部及广西省东北部区域，地理坐标为东经110°12′～112°30′，北纬25°36′～28°42′，流域总面积22 108 km2。流域范围涉及益阳市、娄底市、邵阳市的安化县、新化县、冷水江市、新邵县、隆回县、洞口县、邵阳县、邵东县、武冈市、邵阳市、绥宁县、新宁县及桂林市的资源县。柘溪水库流域属于东亚季风热带暖湿气候，夏季温度高，湿度大，且多雨，冬季寒冷干燥。流域内年均气温在16.8～17.3 ℃之间，年均降水量约1 462 mm，年均流量为586 m3/s。流域内主要有耕地、森林、草地、水体、城市用地5种土地利用类型，森林分布面积最广，为13 736 km3，占总面积的62.08%，其次是耕地，面积为6 934 km3，占总面积的31.3%。草地、水体、城市用地面积分别为833，288，338 km3，占流域总面积的3.7%，1.2%，1.5%。柘溪流域地理位置及范围如图1所示。

1.2数据资料

研究所需要的DEM数据来源于地理空间数据云（http：∥www.gscloud.cn/），其空间分辨率为30 m×30 m;历史土地利用数据（2005年和2015年）来源于中国科学院资源环境科学数据中心（http：∥www.resdc.cn），数据基于Landsat8遥感影像，通过人工目视解译生成，其空间分辨率是1 km×1 km[11];土壤数据来源于世界土壤数据库（HWSD），其空间分辨率为30m×30m。研究流域内罗家庙、黄桥、新宁、隆回、筱溪、柘溪、坪口7个主要水文站2004～2014年月径流数据来源于长江水利委员会（http：∥www.cjw.gov.cn/）;流域内27个站点2004～2014年日降雨数据来源于国家气象站（http：∥data.cma.cn/）。

2研究方法

2.1水文模型

SWAT（Soil and Water Assessment Tool）模型是美国农业部农业研究中心开发的分布式水文模型，具有很强的物理基础，适用于不同土壤类型、不同土地利用方式的复杂流域[12]。SWAT模型模拟的整个水文循环过程遵循水量平衡规律，其公式如下：

2.2未来气候情景

未来全球和区域气候变化的预测主要是根据人口增长速度、科技发展水平、经济发展速度等一系列的驱动因子进行人为场景假设，分析出未来温室气体排放情景，再计算大气浓度，得到响应辐射强迫后，输入到气候驱动模式中预估未来气候变化。

IPCC第五次评估报告（AR5）中第一工作组报告评估了全球耦合模式比较项目第五阶段（CMIP5）的46个地球系统模式和15个中等复杂地球系统模式[14]。国家青藏高原科学数据中心提供的基于RegCM 4.6的多情景多模型未来气候预测数据，对多种GCM模式（CanEMS2，GFDL-ESM3M，HadGEM2-ES，MIROC5，NorESM1-M，IPSL-CM5A-LR）进行动力降尺度，得到21套中国全境未来气候数据。本次研究采用的是MIROC 5气候模式的RCP 2.6（低等排放情景）和RCP 8.5情景（高等排放情景）。

2.3未来土地利用变化模拟

FLUS（Future Land Use Simulation）模型用于模拟人类活动与自然条件影响下的土地利用变化以及未来土地利用情景的模型[15]。该模型的原理源自元胞自动机（Cellular Automata，CA），并在传统元胞自动机的基础上做了较大改进。

FLUS模型2个主要模块是基于神经网络的适宜性概率计算模块（ANN-based Suitability Probability Estimation）和基于自适应惯性机制的元胞自动机模块（Self Adaptive Inertia and Competition Mechanism CA）。基于神经网络的适宜性概率计算模块是根据用户输入的自然、交通、社會经济等土地利用变化驱动力因子，计算得到研究区域内每种土地利用类型出现在像元上的适宜性概率。基于自适应惯性机制的元胞自动机模块将根据输入的土地利用数据、土地利用类型的适应性概率数据等得到最终的未来土地利用分布。每个像元的土地利用类型还受到邻域范围、自适应惯性系数、转换成本限制矩阵和土地利用类型间竞争关系的影响。

2.4SWAT模型校准与验证

SWAT模型模拟的结果是否可靠，需要根据实测径流与模拟径流之间的对比结果进行分析。对比结果可以通过模型适用性评价指标来表现。通过ENS（纳什效率系数），R2（相关系数）和PBIAS（百分比偏差）来评估模型在研究流域的性能。其中，ENS是一种归一化的统计量，广泛用于水文模型的评估，ENS的变化区间为（-∞，1）。R2代表预测值与模拟值之间的拟合程度。PBIAS用于评估模型的平均偏差，最理想的值为0，若PBIAS>0，则代表模拟值比观测值偏小;若PBIAS<0，则表示模拟值比观测值偏大。若R2>0.6，ENS>0.5并且|PBIAS|≤10，则认为SWAT模型能适用于该流域，模型的模拟结果是可靠的。

图2是采用SWAT水文建模方法的柘溪水文站径流校准与验证过程结果对比。从图2可以看出，月径流预测数据与实测数据基本吻合，在校准期中，ENS为0.83，R2为0.86，PBIAS为0.2;在验证期内，ENS为0.91，R2为0.93，PBIAS为9.2，因此SWAT模型能高精度地模拟研究流域的径流过程。PBIAS为正值，表明实际观测值被低估了，从图中也可以看出在一些峰值时期，模型模拟的径流值比实际观测值要小，其原因可能与降雨的空间变异性有关，气象站周围降雨可能与其他地方的降雨不同。而其他水文站的评估结果来看，评价指标ENS和R2均大于0.8，PBIAS的绝对值均小于10。另外从图2可以得知，降雨量的峰值与径流的峰值大致对应，表明径流峰值受气候变化尤其是降雨影响较大。因此SWAT模型在研究流域的模拟精度较高，模型模拟的整体评估因子都满足要求，SWAT模型能够用于模拟研究流域的水文过程。

3模拟结果

3.1未来气候变化分析

本次研究采用MIROC 5气候模式的RCP 2.6（低等排放情景）和RCP 8.5情景（高等排放情景）分析未来不同气候情景对水文过程的影响。将研究流域基准期内（2004～2014年）的27个气象站1～12月的月平均降雨量与RCP 2.6和RCP 8.5情景下的月平均降雨量进行对比，如图3所示。分析对比数据可以发现：在1～5月份时，2种情景的月均降雨量均大于基准期的月均降雨量，基准期在6月份达到降雨峰值，2种情景则在5月中旬达到峰值，但2种情景下的月均降雨比基准期的要低，该流域在6月份有强降雨出现，随后在8月份出现一个小波峰，RCP 2.6和RCP 8.5情景也出现与基准期一样的波峰。从月均降雨量的变化趋势来看，两种气候情景与基准期的变化趋势基本一致，说明两种气候情景能较好反映该研究流域的气候特征情况。

图4是RCP 2.6和RCP 8.5情景下最低温度变化趋势。从整体情况来看，RCP 8.5情景温度上升趋势比较明显，RCP 2.6情景下温度变化趋势平缓。在研究期间，RCP 2.6情景下的最低温度最小值为12.34 ℃，最大值为14.59 ℃，增长幅度为18.23%;而RCP 8.5情景下，最低温度最小值为12.29 ℃，最大值为17.34 ℃，增长幅度为41.09%。

图5是RCP 2.6和RCP 8.5情景下最高温度的变化趋势。和最低温度变化趋势相似，RCP 2.6情景下的最高温度变化平缓，RCP 8.5情景下变化剧烈，上升态势明显。在研究期间，RCP 2.6情景下最高温度的最小值为19.24 ℃，最大值为21.77 ℃，增长幅度为13.15%;在RCP 8.5情景中最高温度的最小值为19.46 ℃，最大值为24.98 ℃，增长幅度为28.36%。

3.2气候变化驱动的水文响应

基于2005年的土地利用数据，将RCP 2.6，RCP 8.5两种情景下的日最低气温（Tmin）、最高气温（Tmax）和日降雨用于参数率定后的SWAT模型，得到两种气候情景下的水文要素月平均变化，其结果如图6所示。RCP 8.5情景下的水文要素月平均值在整体上都比RCP 2.6情景下的要高，并且都在6月份达到峰值，这与月均降雨量在6月份达到峰值相吻合。两种情景下的月流量与产水量在1～6月内基本上相同，而在后半年内，RCP 8.5情景下的径流量始终比RCP 2.6情景高。地表径流变化曲线与月均降雨量变化曲线基本一致，在6月份和8月份均出现一个峰值，表明两种气候情景对地表径流的影响较大。壤中流在多个月份交叉波动，并且两者无明显差别，主要是因为壤中流容易同时受到降雨和气温的影响。

3.3气候变化和都市化驱动的水文响应

利用FLUS模型依据2005年的土地利用分布，并将多种人文因素和自然因素作为驱动力因子，预测2050年和2100年的未来土地利用情景。人类活动因子主要有人口分布、GDP、公路网、铁路网以及城市分布，自然因子主要有高程、坡度、坡向、河流分布，将各个因子输入到模型中后对其进行归一化处理，每个因子的取值范围为0～1。FLUS模型在预测未来土地利用变化前，需要将同一时期实际的土地利用分布与预测得到的土地利用数据进行对比，评估模型在研究流域的适用性。本研究采用Kappa系数方法来验证模型的可靠性，Kappa值越大，即越接近于1，表明模拟精度越高。利用2005年的土地利用分布来预测2015年的土地利用情况，并与2015年实际的土地利用分布进行栅格计算。Kappa系数为0.93，表明FLUS模型在研究流域的模拟比较成功，具有较高的可信度和较强的解释能力，因此可用于研究区域的未来土地利用情景预测。

将历史土地利用变化2005，2015年以及预测的未来土地利用变化2050，2100年记为情景L1，L2，L3，L4，如图7所示。4种不同土地情景中，森林面积最广泛;其次是耕地，主要分布于研究流域中坡度较小的区域;草地主要集中在流域的南部区域，城市用地分布比较集中。2005年耕地面积占比为31.35%，到2015年下降到30.79%;森林面积占比从2005年的62.55%减少到2015年的62.34%;城市用地面积增加幅度较大，从2005年的1.07%到2015年的1.85%。依据该变化趋势，预计耕地到2050年将下降到28.2%，到2100年为25.08%，森林面积占比到2050年和2100年将减少至60.54%和58.34%。草地和水体在整个研究期间变化都比较小，因此主要是耕地和森林向城市用地的转换，并且耕地的转换比例比森林要大。

将未来气候情景与未来土地利用情景联系起来，可为未来水文过程研究提供一个更综合的情景。气候情景和土地利用情景组成了4种组合，分别为2050年土地利用情景+RCP 2.6气候情景（G1）、2050年土地利用情景+RCP 8.5气候情景（G2）、2100年土地利用情景+RCP 2.6气候情景（G3）、2100年土地利用情景+RCP 8.5气候情景（G4）。

4种组合情景（G1，G2，G3，G4）下的未来径流年际变化模拟结果如图8所示。对比同一气候情景、不同土地利用情景发现，G3和G1模式下的未来径流几乎一致，G4和G2模式下的未来径流几乎一致，说明在该研究流域内长时间尺度下土地利用变化对径流的影响程度比气候变化影响小。G2和G4情景下流量峰值比G1和G3情景下的要高，并且G2和G4情景下径流谷值比G1和G3情景下的要低，说明RCP8.5情景下容易发生强降雨和降雨量较小的极端气象事件。

进一步分析了各水文要素的月均值，如图9所示。受土地利用变化和气候变化的共同影响，水文要素的变化与单一土地利用变化和气候变化影响下水文要素变化有所不同。4种情景下流量、产水量和壤中流的变化差别不大，变化曲线几乎相同且3种水文要素值远远大于历史基准时期。4种情景下各水文要素的年均值变化如表1所列，其中地表径流的年平均值依次为G4（128.25 mm）>G2（114.92 mm）>G3（110.58 mm）>G1（97.96 mm）。地表径流变化趋势在某些月份差别较为明显，在图9（b）中，月径流变化尤其是在6月份，地表徑流有明显差异，表明RCP 8.5气候情景下地表径流比RCP 2.6气候情景下的多，且2100年土地利用情景下的地表径流比2050年土地利用的多，地表径流最多的综合情景是RCP 8.5气候情景叠加2100年土地利用情景。4种场景中，G3和G4情景下的实际蒸发相差明显，推测是RCP 2.6情景和RCP 8.5情景温度差距较大导致的。在地下径流方面，在丰水季，4种场景地下径流值为G1>G3>G2>G4，表明RCP 2.6气候情景（S1）下地下径流比RCP 8.5气候情景（S2）的多，且2050年土地利用情景（L3）下地下径流比2100年土地利用情景（L4）的多。总体上，气候变化对水文响应驱动力比都市化对水文响应的驱动作用强，都市化的发展会明显增加地表径流，减少地下径流。

4结 论

本文以柘溪水库流域为研究区域，充分利用DEM数据、土地利用数据、土壤数据、气象数据和水文数据，构建SWAT模型。利用人文因素和自然因素作为土地利用变化的驱动因子输入到FLUS模型中，预测未来土地利用变化情景（2050年和2100年），同时利用区域气候模式MIROC5的低浓度排放情景RCP 2.6和高浓度排放情景RCP 8.5构建未来气候情景，最后利用未来土地利用情景和未来气候情景构建未来组合情景，分析组合情景下的水文响应以及预测未来径流变化趋势。研究结果表明：RCP 8.5情景下的水文要素月平均值在整体上都比RCP 2.6情景下的要高，两种气候情景对地表径流的影响较大，对壤中流影响较小。都市化的发展会明显增加流域地表径流，减少地下径流。气候变化对水文响应的驱动力比都市化对水文响应的驱动作用更强。

参考文献：

[1]ZHU X，ZHANG C，QI W，et al.Multiple climate change scenarios and runoff response in Biliu River[J].Water，2018，10（2）：126.

[2]JIA J，MA G，QIU L.Impacts of climate change on stream flow in the Guijiang River Basin，China[J].IOP Conference Series：Materials Science and Engineering，2018，452：22041.

[3]PAN S，LIU D，WANG Z，et al.Runoff responses to climate and Land Use/Cover Changes under future scenarios[J].Water，2017，9（7）：475.

[4]王苗，劉敏，夏智宏，等.基于SWAT模型模拟的未来气候变化对洪湖流域水资源影响研究[J].气象与环境学报，2016，32（4）：39-47.

[5]TAMM O，MAASIKAME S，PADARI A，et al.Modelling the effects of land use and climate change on the water resources in the eastern Baltic Sea region using the SWAT model[J].CATENA，2018，167：78-89.

[6]ANAND J，GOSAIN A K，KHOSA R.Prediction of land use changes based on Land Change Modeler and attribution of changes in the water balance of Ganga basin to land use change using the SWAT model[J].Science of The Total Environment，2018，644：503-519.

[7]GASHAW T，TULU T，ARGAW M，et al.Modeling the hydrological impacts of land use/land cover changes in theAndassa watershed，Blue Nile Basin，Ethiopia[J].Science of The Total Environment，2018，619-620：1394-1408.

[8]陈昌春，张余庆，项瑛，等.土地利用变化对赣江流域径流的影响研究[J].自然资源学报，2014，29（10）：1758-1769.

[9]葛志楠，郝洁，鞠琴，等.渭河流域土地利用变化对径流的影响[J].人民黄河，2020，42（6）：7-12，17.

[10]LUO X，LI J，ZHU S，et al.Estimating the impacts of urbanization in the next 100 years on spatial hydrological response[J].Water Resources Management，2020，34（5）：1673-1692.

[11]徐新良，刘纪远，庄大方.国家尺度土地利用/覆被变化遥感监测方法[J].安徽农业科学，2012，40（4）：2365-2369.

[12]李峰，胡铁松，黄华金.SWAT模型的原理、结构及其应用研究[J].中国农村水利水电，2008（3）：24-28.

[13]李建庆，罗显刚，朱双，等.北江流域土地利用/覆盖变化对水文过程影响研究[J].人民长江，2020，51（8）：89-94.

[14]胡国权，赵宗慈.IPCC第五次评估报告中所用的气候模式有进步吗？[J].气候变化研究进展，2014，10（1）：45-50.

[15]LIU X，LIANG X，LI X，et al.A future land use simulation model（FLUS） for simulating multiple land use scenarios by coupling human and natural effects[J].Landscape and Urban Planning，2017，168：94-116.

（编辑：江 文）

Abstract：In recent years，the climate and hydrological conditions of river basins have undergone significant changes，which were influenced by a combination of both climate change and human activities.Analyzing the future evolution of water resources in the changing environment has become one of the key research contents of domestic and foreign scholars.Therefore，we analyzed the future hydrological response of the Zhexi Reservoir Basin driven by both climate change and urbanization.We used human factors and natural factors as driving factors of land use change to construct a land use simulation model.Also multiple scenarios of the MIROC5 climate model as typical representatives of future climate and a distributed hydrological model were adopted in the simulation.The results show that urbanization development would significantly increase surface runoff and reduce underground runoff.Climate change has a stronger driving force for hydrological response than urbanization.

Key words：hydrological response;distributed hydrological model;future scenarios simulation;climate change;land use;Zhexi Reservoir Basin