气候变化对长江源区地表径流的影响

祁雪姣,杨 颖,韩传楠,李健明,李佳君,刘增辉,李梦媛,张秀芝, 包文金,卢素锦,何 奕,李悦娇,陈斯亮,曾宣淯

(1.青海大学生态环境工程学院,青海 西宁 810016) (2.青海大学农牧学院,青海 西宁 810016)

气候变化引起了全球关注,成为了全球研究的核心问题[1-2],气候变化对生态系统的影响成为了气候变化领域中最重要的内容之一[3]. 气候变化直接影响水资源的变化,水资源会在空间上重新分配以及在各地容量上发生变化,进而引起生态环境的各种变化[4-7]. 气候的变暖对我国的水资源产生了很大的影响,主要表现在北方径流量减少,南方径流量增加,各流域的年平均蒸发量的增加等,导致干旱、洪涝等灾害频发[7-8],使得水循环发生变化,水资源供需矛盾进一步加剧[9-10].

气候模式和水文模型是现今国内外用于研究变化环境下水文水资源响应的主要手段[11]. 在IPCC第五次评估报告(AR5)[12]中,采用耦合模式比较计划第五阶段(CMIP5)的气候模式和新的排放情景(典型浓度路径RCP,RCP包括RCP2.6、RCP4.5和RCP8.5三种排放情景)[13]来预估未来气候系统的变化,取得了较好效果. SWAT(Soil and Water Assessment Tool)是一个长时间尺度的分布式水文模型[14],目前已得到广泛应用[15]. 国外应用SWAT模型进行径流模拟、分布式水文-土壤-植被模型(DHSVM)开发等方面的研究[16-20];SWAT模型在中国的应用与研究从2000年左右开始,先后开展了环北地区、锡林河、长江上游流域等的模拟研究,并在后续的研究中对SWAT模型的应用进行了不断的改进[21-24]. 相关研究显示,SWAT水文模型在河流流量、水文过程、水文响应、水质预测等方面应用中都取得了较好的效果[20-22].

长江源区地处青藏高原,是三江源国家公园的重要组成部分,是我国生态环境安全以及经济可持续发展的重要生态屏障[25],长江源区的生态环境质量好坏和供水能力大小,对长江流域将产生重大的影响. 由于气候变暖,长江源区近些年较大的蒸发量,造成径流量减少[26]. 目前长江源区对地表径流的研究主要集中在冰川融水、冻土以及径流演变规律等方面[27],而有关CMIP5气候模型三种气候情景下对地表径流的影响研究未见报道. 研究气候变化对长江源区地表径流的影响,对提升长江源区水源涵养功能,对长江源区水资源开发与保护、生态环境保护与恢复具有重要意义.

本文通过分析长江源区1980—2021年地表径流的演变规律,运用CMIP5模型中的21种模式的模拟结果,结合RCPS的三种气候情景(RCP2.6、RCP4.5、RCP8.5)并耦合SWAT模型,预测未来地表径流变化的演变趋势,为长江源区水资源保护和利用提供理论依据,为长江源区科学应对气候变化提供理论依据.

1 材料与方法

1.1 研究区概况

长江源区在青海省南部,地处青藏高原腹地,地理位置约为90°30′～97°10′E,32°30′～35°50′N,占我国三江源地区总面积的43.6%[28]. 长江源区平均海拔高于4 000 m[29],具有冬季长、夏季短的特点,年平均气温为-5.3 ℃～3.3 ℃[30]. 长江源区是由扇状水系所组成的,水系发达,河网密布,高原湖泊众多[31]. 源区内植被类型主要由草甸、草原等组成[32].

图1 长江源区地理位置图Fig.1 Geographical map of the source area of the Yangtze River

1.2 研究方法

1.2.1 数据收集与测定

整理长江源区1980—2021的气象监测数据,数据类型主要为年平均降水量、年平均气温以及年地表径流平均变化量,数据来源于中国气象数据网(https://lishi.tianqi.com)和青海省气候中心;1980—2021年地表径流量数据来自青海省水利厅.

1.2.2 SWAT模型的原理及构建方法

SWAT模型可以将流域划分为不同的子流域,并进行多种不同的水循环物理过程. 本研究运用了SWAT模型中气候和水文2个组件[33].

(1)气候组件

水量平衡由流域气候控制. SWAT模型需要输入的气候因素实测数据包括降雨量、相对湿度、气温、风速和太阳辐射等[34].

(2)水文组件

SWAT模型的水量平衡模块可以模拟气候以及土壤对径流量的影响,计算公式为[35]:

(1)

式中,SWt表示土壤含水最终值(mm),SW0表示土壤含水初始值(mm),t表示时间,Rday、Qsurf、E、Wseep和Qgw表示第i天的降水量(mm)、径流量(mm)、蒸散发量(mm)、土壤剖面底层的渗漏量和旁侧流量(mm)、地下水回归量(mm).

SWAT模型可以模拟每个HRU的径流量,通常使用SCS曲线数法计算. 本方法引入了曲线系数,其值与土壤湿度、土地利用有关,代表该日径流曲线值.

SCS计算公式为[35]:

(2)

式中,Qsurf表示河流径流量(mm),Rday表示日降水量(mm),Ia表示初始损耗(mmQ),S表示流域瞬时积水量(mm).

SWAT模型的构建过程为通过高程数据进行分带设置并分析水文数据,生成河网图,划分出子流域后进行相关参数的计算.在子流域的基础上生成多个水文响应单元,根据生成的各项数据计算出流域总径流量.

1.2.3SWAT模型验证和率定方法

选取SWAT模型的敏感性参数,并利用参数验证SWAT模型,检验模型是否能反映本研究区域的情况.

在本研究中,选取相对误差Re以及拟合度R2对模型进行评估.若Re越接近0,模型模拟结果与实测值相差越小.R2为模拟值与实测值的拟合度,数值越接近1,则模拟值与实测值越接近[34].

(3)

(4)

SWAT模型使用LH-OAT分析方法进行参数敏感分析和自动参数率定,该方法结合了拉丁方(LH)抽样法与单因子(OAT)敏感度分析,同时具备LH抽样的健壮性和OAT算法的准确性[36].

SWAT-CUP是Abbaspour等开发的一款程序,该程序可以对SWAT模型进行参数敏感性分析及率定[37]. 作为参数选取的最有效方法,SUFI2不仅对模型结构、数据输入和参数不确定性进行了考虑,还将参数率定范围以模拟值与实测值的形式反映出来. SUFI2以t-Stat和P-Value表示参数的敏感性.t-Stat为参数的敏感性,P-Value为敏感性的显著性[38].

1.2.4 三种气候情景下地表径流预测方法

将CMIP5全球气候模型与SWAT水文模型耦合. 采用IPCC发布的3种RCPs(RCP2.6、RCP4.5、RCP8.5)温室气体排放情景,并结合IPCC数据中心发布的CMIP5全球气候模型2022—2100年的统计降尺度气候资料,用获得的未来气象数据驱动已率定和验证好的长江源区SWAT水文模型,模拟地表径流在RCP2.6、RCP4.5和RCP8.5情境下对CMIP5全球气候变化的响应,得到未来不同气候情境下长江源区地表径流变化数据.

1.3 分析方法

本研究采用线性回归法[39]对径流量的年际、年内变化进行分析. 公式为:

y=ax+b.

(5)

式中,a代表回归系数,b代表常数,R2代表相关系数,可说明y与x的相关性显著程度.本研究取显著性水平α=0.05,n=80,查得r=0.2732,r2=0.0746.R2>r2时说明变化趋势显著.

1.4 数据处理

采用Excel 2010进行气温和降水对地表径流量影响的显著性分析;采用prism9对年际、年内地表径流做出径流变化趋势图,并分析其变化.

2 结果与分析

2.1 长江源区1980—2021年地表径流变化分析

2.1.1 1980—2021年地表径流年际变化分析

1980—2021年长江源区地表径流年际变化如图2所示.

图2 长江源区1980—2021年年际地表径流Fig.2 Interannual surface runoff from 1980 to 2021 in the source area of the Yangtze River

图3 长江源区1980—2021年年内地表径流Fig.3 Annual surface runoff in the source area of the Yangtze River from 1980 to 2021

图2显示,1980—2021年间长江源区径流波动较大,年际间径流增加或者减少的幅度较大,径流分布不均匀. 2009年地表径流量达到最大,1994年地表径流量达到最小,径流总体上呈缓慢上升的趋势,上升趋势不显著(P<0.05).

2.1.2 1980—2021年地表径流年内变化分析

1980—2021年长江源区地表径流年内变化曲线如图3所示.

图3显示,地表径流1—7月份地表径流量逐渐上升,7—12月份逐渐下降,1980—2021年内地表径流量的大小不均匀,由图中趋势线得出,1980—2021年内径流呈现逐渐上升趋势,上升趋势显著(P<0.05).

2.1.3 气候变化对1980—2021年地表径流的影响

长江源区1980—2021年地表径流与年平均气温变化趋势显著性分析结果见表1.

表1 长江源区地表径流与年平均气温变化趋势显著性分析(1980—2021年)Table 1 Significance analysis of surface runoff and annual mean temperature trends in the source area of the Yangtze River(1980-2021)

表1显示,长江源区的地表径流量与年平均气温间的变化趋势具有显著性差异(P<0.05),其中1989—1994年、1995—2000年和2013—2018年径流与气温间是极显著的(P<0.01).

长江源区1980—2021年地表径流与年平均降水量变化趋势显著性分析结果见表2.

表2 长江源区地表径流与年平均降水量变化趋势显著性分析(1980—2021年)Table 2 Analysis of the significance of change trends in surface runoff and annual average precipitation in the source area of the Yangtze River(1980-2021)

表2显示,长江源区的地表径流量与年平均降水量间的变化趋势具有差异性显著(P<0.05),其中1981—1985年降水量不具有显著性(P>0.05).

2.2 SWAT模型的验证和率定

在经过处理的长江源区DEM图中提取河网图,选取直门达水文站作为长江源区的流域总出口,在模型中输入直门达水文站的经纬度坐标,然后划分出长江源区子流域. 计算出流域的总体参数,通过土地利用/土壤类型划分HRU图. 本研究将长江源区划分为31个子流域,202个HUR.

采用的LH-OAT法(拉丁超立方方法)进行参数敏感性分析[40-41]. 在SWAT模型中输入选择出8个敏感性高的参数(ALPHA-BF(基流衰减系数)、GWQMN(浅层含水层蓄水量阈值)、ESCO(土壤蒸发补偿因子)、SOL-K(土层饱和水传导度)、REVAPMN(浅层地下水再蒸发系数)、CH-K2(主河道河床有效水力传导度)、SOL-AWC(土壤层有效水容量)、CN2(SCS径流曲线数)),将模拟值与实测值进行对比. 然后将选出的参数用SWAT模型进行率定,首先将参数输入模型,确定率定值范围,并不断缩小范围直到确定最终值,最终率定值在率定范围内,证明参数在该模型中适用.

本模型中,1980—2016年为率定期,2017—2021年为验证期. 通过模型模拟所得数据与实际测量数据之间存在一定的偏差. 在春汛期,即每年3—5月中,气温上升导致冰川融雪,使径流量骤增;在夏季,即每年6—9月中,长江源区降水量增加,模型模拟所得数据和实际径流量值接近,但也存在短期内降雨量过大导致洪水,导致模拟所得数值比实测数据偏低;在冬季,即每年10月至次年2月径流量伴随着气温的降低而逐渐减小,模拟所得数据接近实测数据.

表3 长江源区模拟评价结果Table 3 Simulation and evaluation results of the Yangtze River source region

如表3所示,率定期相对误差为6.44%,决定系数为0.81,表明在率定期内的实测值与模拟值拟合较好,SWAT模型对长江源区径流量的模拟符合实际;验证期相对误差为4.60%,决定系数为0.86,表明SWAT模型适用于长江源区.

图4 三种气候情景下长江源区地表径流年际变化Fig.4 Interannual variability of surface runoff in the source area of the Yangtze River under three climate scenarios

2.3 未来气候情景下长江源区地表径流的变化分析

2.3.1 未来气候情景下地表径流的年际变化分析

三种气候情景下,长江源区地表径流年际变化的模拟结果,见图4. 由图4可知,三种气候情景下径流的变化均为下降趋势,下降幅度最大的是RCP8.5,最小的是RCP2.6. 在RCP2.6情景下,地表径流在2048年达到最大;RCP4.5情景下,地表径流在2035年达到最大;RCP8.5情景下,地表径流在2036年最大. 三种气候情景下,地表径流年际间变化较大,总体呈缓慢下降趋势.

2.3.2 未来气候情景下地表径流的年内变化分析

三种气候情景下,长江源区地表径流的年内变化情况如图5-7所示.

图5 三种气候情景下长江源区地表径流年内变化Fig.5 Intra-annual variation of surface runoff in the source area of the Yangtze River under three climate scenarios

图6 三种气候情景下长江源区2040s地表径流年内变化Fig.6 Intra-annual variation of surface runoff in the source area of the Yangtze River for 2040s under three climate scenarios

图7 三种气候情景下长江源区2080s地表径流年内变化Fig.7 Intra-annual variation of surface runoff in the source area of the Yangtze River in the 2080s under three climate scenarios

由图5、图6、图7可知,三种模式下地表径流的年内分配存在一定的波动性. 不同模式下每月的地表径流量存在一定差别,RCP4.5模式下各月地表径流量增减幅度最大,RCP8.5模式下各月地表径流量增减幅度最小. 三种模式的地表径流年内分配都不均匀,1—3月径流量逐渐增大,呈积累状态,最大地表径流量出现在6月和8月,9—12月地表径流量减少,最小地表径流量出现在1月、2月、11月和12月,总体上地表径流为下降趋势. 21世纪末期与21世纪中期相比减少幅度变大,21世纪中期6—12月份地表径流约占全年径流量65%,而21世纪末期6—12月地表径流量占全年地表径流量的比例降低到60%.

三种气候情景下,年内地表径流变化较大. RCP4.5中径流变化幅度最大,RCP8.5中径流变化幅度最小. 2040s下,年内径流变化较大,不稳定因素较多. 1—6月径流逐渐上升,在6月地表径流量最大,7月下降,8—9月逐渐上升,之后逐渐下降,在12月下降至最小. 2080s下,1—7月径流逐渐上升,8月地表径流量达到最大,之后逐渐下降,至12月下降至最小.

3 讨论

本研究中,1980—2021年地表径流年际主要受气温和降水量变化,变化差异显著,年际间不稳定,在 7月达到最大值,在1、2和12月达到最小值,与孙永寿、罗玉、朱延龙、王菊英等人的研究结果一致[42-45]. 长江源区年际径流增加,主要是受到降水、气温、冰川融水、西太平洋副热带高压以及水面的蒸发量等作用造成[43],源区径流主要是以降水量与融雪为主,地表径流量受到气温与降水量影响较大[44].

本研究利用1961年以来的数据建立了长江源区SWAT数据模型,率定期的决定系数为0.81,模拟地表径流量与实测地表径流量误差为6.44%,验证期的决定系数为0.86,误差为4.60%,得到的模拟结果与实际测量结果误差较低,相对更为精准,也说明使用长时间尺度范围的数据可以提高模型的精确度. 在率定期和验证期内,模拟数值符合度较高,该模型在长江源区较为适用. 气候模型与SWAT水文模型的耦合研究还有待于进一步深入.

本研究中,未来三种气候情景下,地表径流年际变化呈下降趋势,径流变化随气温和降水量变化而变化,且在2034年和2048年达到最大值,不确定性较大,与程志刚等[46]的研究结果一致,但与俞烜研究结果不同,俞烜等[47]分析长江源区2030—2060年未来地表径流量变化趋势时显示,2031—2060年,源区径流出现增加趋势. 分析俞烜得出的2031—2060年长江源区径流出现增加的原因,主要是因为作者预测在2031—2060年源区降雨量将会增加,气温也会升高,导致冰川融水对地表径流的补给,从而导致地表径流量增加. 目前的相关研究,均采用多模式集合对长江地区未来气温或降水模拟评估,但模式集合普遍为 4～14 个,且均在单个或两个未来排放情景下进行分析比较[48-49].

2019年推出的CMIP6主要用于历史试验的评估,能够模拟出极端降水的时空变化特征[50]. CMIP6能较好地重现出极端降水在不同区域的显著性差异[51],CMIP6的多模式集合相较于CMIP5的多模式集合对气候和年际变率等方面的模拟能力都有了较大的改进[52]. 王予等[53]分别用CMIP6和CMIP5对极端降水的模拟能力进行比较发现,CMIP6能够明显反映出空间分布中的湿润、半湿润区,但是对干旱、半干旱区改进不明显,因此其相关模式的物理过程、动力学框架等还需进一步深入研究. 本研究的区域为长江源区,长江源区具有海拔高、寒冷、干旱等特点,且CMIP5在中国应用成熟,所以本文选用了CMIP5. 本研究运用CMIP5模型中21种模式的模拟结果,结合RCPS的三种气候情景并耦合SWAT模型,预测未来长江源区地表径流的变化,取得了较好效果. CMIP5模型中的21种模式,是将21个CMIP5全球气候模式的模拟结果,经过插值计算将其统一降尺度到同一分辨率下,利用简单平均方法进行多模式集合,制作成一套包括1901—2005年Historical和2006—2100年RCP2.6、RCP4.5、RCP8.5排放情景下的月平均资料供使用,相比CMIP5中其他模式,这21个模式数据资料更完整,克服了单一模式和模式较少的缺陷,预测的结果更加准确可靠,为气候变化下长江源区地表径流的保护提供了科学依据.

4 结论

本文基于1980—2021年降水量、平均气温、径流量等内容,运用CMIP5模型中21种模式的模拟结果,并耦合SWAT模型,对1980—2021年长江源区地表径流进行验证和率定,并预测2022—2100年长江源区地表径流变化趋势,得出了以下结论:(1)1980—2021年地表径流年际变化较大,总体呈上升趋势,但上升幅度不大;(2)1980—2021年间,气温与地表径流变化趋势呈显著相关(P<0.01);降水量与地表径流变化趋势呈显著相关(P<0.05);(3)用建立的SWAT模型在长江源区进行模拟,率定期的决定系数为0.81,验证期的决定系数为0.86,模拟数值符合度较高,SWAT模型在长江源区较为适用;(4)未来气候情景下,2022—2100年地表径流量年际间变化较大,年际地表径流量均为下降的趋势,下降幅度最大的是RCP8.5,最小的是RCP2.6;(5)未来情景下,2022—2100年地表径流年内变化不均匀;(6)未来情景下,2022—2100年地表径流呈缓慢下降趋势,加强水资源管理与保护迫在眉睫.