基于CMIP6 的气候变化对鄱阳湖流域径流影响研究

邓 鹏，徐进超，王 欢

(南京信息工程大学 水文与水资源工程学院，江苏 南京 210044)

政府间气候变化专门委员会（Intergovernmental Panel on Climate Change, IPCC）最新评估报告指出，在未来几十年里，所有地区的气候变化都将加剧，全球温升预计将达到或超过1.5 ℃[1]。全球增温引起大气环流和水循环的变化，影响降水、蒸散发、径流等水文变量的时空分布格局[2]。气候变化的预估离不开气候模式，国际耦合模式比较计划（Coupled Model Intercomparison Project, CMIP）统一了各个气候模式的试验标准，构建了迄今为止内容最广的全球气候模式（Global Climate Models, GCMs）资料库。先前的CMIP5 收集了世界各地领先的50 多个模式模拟试验结果，并在未来气候变化及其影响和风险研究中得到广泛应用[3-5]。最新的CMIP6 正在进行中，相比于以前的模式比较计划，CMIP6 考虑的物理过程更加复杂[6-7]，并且基于最新的人为排放趋势（Representative Concentration Pathways, RCPs）和共享社会经济路径（Shared Socioeconomic Pathways, SSPs）提出了新的SSP-RCP 组合预估情景[8]。SSP 代表发展模式，考虑了人口、经济和城市化等因素；RCP 代表未来全球的辐射强迫水平。

鄱阳湖位于江西省北部，是我国最大的淡水湖，在平水位（15 m）时湖水面积约为3 150 km2，高水位（20 m）时大于4 125 km2。鄱阳湖是长江流域的通江湖泊，在涵养水源、改善气候和维护地区生态平衡等方面起着巨大作用。近年来湖区及流域水文情势呈现显著变化，使湖区生态环境及整个流域的水资源管理得到更多关注[9-12]。研究气候变化下的流域水文过程特征，对分析区域社会经济和生态环境影响具有重要意义[13-15]。目前关于气候变化对鄱阳湖流域影响的研究大多基于历史数据，对降雨、径流、旱涝事件频率演变等方面进行实证研究[16-17]。针对未来气候变化条件下的鄱阳湖流域水文响应的研究很少，并且鄱阳湖流域目前仅有基于CMIP5 模式情景下的研究结果[18-19]。最新的CMIP6 模式已经在部分流域及地区得到了应用[20]，本文将CMIP6 气候模式数据应用于鄱阳湖流域，评估各种模式情景下流域在21 世纪中期的气候及降雨径流过程变化情况，对流域水资源管理和决策具有重要意义。

1 研究区域与数据

采用90 m 分辨率DEM 生成鄱阳湖流域水系及边界如图1 所示。根据中国河流泥沙公报，鄱阳湖流域主要水文控制站为外洲、李家渡、梅港、虎山、万家埠、湖口这6 个站，集水面积分别为8.09、1.58、1.55、0.64、0.35、16.22 万km2。搜集了流域下垫面、气象和径流数据，用于构建分布式水文模型；并且搜集了CMIP6 全球气候模式（GCMs）数据用于气候变化影响研究。各项数据的精度及来源如表1 所示。

表1 研究数据信息Tab. 1 Information of data used in the study

图1 鄱阳湖流域位置及概况Fig. 1 Location and general situation of Poyang Lake Basin

关于气候变化，CMIP6 中各模式历史期数据都是到2014 年止，故本研究以2002—2014 年为基准期（历史期），以21 世纪中期的2050—2062 年为未来期进行预估研究。历史期和未来期的时间跨度都是13 年。本文选用了CMIP6 中4 个最具代表性的模式如表2 所示，模式数据包括历史期模拟实验数据和未来SSPRCP 情景下的预估数据。其中SSP-RCP 情景选择最具代表性的SSP126 和SSP585 如表3 所示。SSP126代表可持续发展下的低排放情景，而SSP585 代表传统化石燃料为主的高排放情景。

表2 4 个CMIP6 模式简介Tab. 2 Introduction of the 4 climate models in CMIP6

表3 SSP-RCP 情景介绍Tab. 3 Introduction of SSP-RCP scenarios

2 研究方法

2.1 水文过程模拟

流域的水文过程采用SWAT 模型（Soil & Water Assessment Tool）模拟。SWAT 模型是由美国农业部开发的半分布式流域水文模型，广泛应用于径流模拟、面源污染控制、气候及下垫面变化影响分析等研究领域[21-22]。模型根据流域地形数据、河网水系分布等特征将研究区划分为若干子流域，再进一步根据土地利用、土壤类型及坡度阈值划分水文响应单元（Hydrological Response Units, HRUs），这是模型计算的基本单元。

对原始土地利用数据进行重分类并创建索引表与模型数据库相连接。土壤类型数据源于世界土壤数据库（Harmonized World Soil Database, HWSD），根据土壤大类进行重分类，并使用SPAW 软件根据土壤质地比例及有机质含量计算土粒密度、有效持水量、饱和导水率、侵蚀力因子等参数，进而构建土壤参数数据库并通过创建索引表与模型数据库相连接。模型参数采用SWAT-CUP 软件的SUFI-2 算法自动率定，并以纳什效率系数（FNS）为目标函数。采用FNS和决定系数（R2）作为模型的适用性评价指标：

式中：Qo、Qs分别为实测和计算流量序列；、分别为实测和计算流量序列的均值；n为序列个数。

2.2 气候情景降尺度

全球气候模式（GCMs）预测的气候变化情景，需降尺度处理得到流域尺度上的未来气候变化时空分布资料。采用Delta 方法进行降尺度处理[23]。对于降水情景，比较每个GCM 网格输出的未来期（2050—2062 年）月平均降水量与基准期（2002—2014 年）月平均降水量，计算变化率，将每个雨量站点基准期实测降水量与所在网格的变化率相乘，即可得到雨量站点未来期的降水情景。对于气温情景，采用的是绝对变化量衡量其变化率，比较每个GCM 输出的未来期和基准期月平均气温，计算气温的绝对变化量，将该变化量加到网格内各个气温站点基准期实测气温上，即可得到未来期的气温情景。计算式为：

式中：Pf和Tf为Delta 方法构建的未来降水和气温；P0和T0为基准期观测的降水和气温；PGf和TGf为GCM 预测的未来月平均降水和气温；PG0和TG0为GCM 模拟的基准期月平均降水和气温。

3 结果及分析

3.1 流域水文模拟

根据计算水系及水文站点的分布，鄱阳湖流域分为40 个子流域（图2）。流域内的土地利用为林地占63%，耕地占27%，草地和水体各占4%，剩下2%为城镇、湿地及裸地等。流域内的土壤类型被重分类为22 类，其中占比较高的为强淋溶土（占55%），人为土占19%，始成土占8%。根据下垫面情况，流域划分为463 种水文响应单元（HRUs）。根据气象数据的空间分辨率情况，流域包含1 485 个雨量资料格点和60 个气温资料格点。

模型计算的率定期为2001—2014 年，其中2001 年为预热期，输出结果从2002 年开始。采用SWATCUP 软件进行了500 次计算得到最优参数组（表4）。以2015—2019 年为检验期，采用率定得到的参数进行模型验证计算。图3 显示了各水文站率定期和检验期降雨径流过程。从图3 可以看出虎山、万家埠径流量相对较小，外洲作为赣江干流主要站点径流量相对较大，径流量的大小与集水面积有关。湖口站点代表整个鄱阳湖流域的径流量过程，计算和实测流量过程拟合较好。这里采用年径流量结果进行比较，主要反映模型长时段水量平衡要求，可作为长期气候变化条件下水量模拟的工具。

表4 SWAT 模型主要参数率定Tab. 4 Parameters calibration of SWAT model

图3 鄱阳湖流域各水文站率定期和检验期降雨径流过程Fig. 3 Precipitation and runoff in Poyang Lake Basin during calibrated and validated periods

图4 为模型计算结果的评价指标值。可见，在模型率定期，外洲、梅港、虎山、湖口的FNS都达到0.9 以上，R2除万家埠外也都达到0.9 以上。李家渡和万家埠站的结果相比其他站略差，部分原因是这2 个站点集水面积和径流量较小，因而计算误差较大。在模型检验期，虽然FNS和R2较率定期略微变低，但也得到了可接受的结果。在检验期中，反映整个流域径流的湖口站FNS为0.92，R2为0.88，拟合结果较好。模型计算的率定期与气候变化分析中的基准期一致，并且率定期中模型计算结果较好，在检验期中也得到可接受的结果，说明模型的建立可以用于模拟和分析气候变化带来的径流变化影响。

3.2 气候变化情景

根据降尺度计算，流域内每个降水和气温资料格点都有相应的由GCMs 得到的未来情景下变化率或变化量。图5 总结了4 种模式及两种SSP 情景下鄱阳湖流域1 485 个雨量资料格点未来期（2050—2062 年）月降水相对基准期（2002—2014 年）的变化率。需注意的是图5 中的变化率是相对量变化率，即相当于式（3）中的(PGf/PG0–1)而不是(PGf/PG0)。从图5 可以看出大部分结果都大于零，说明各种模式情景下降水都有增加的趋势。其中M1 和M2 在10—12 月变化率的空间差异较大，M4 在4—9 月两种情景下的变化率都呈增加趋势。虽然不同模式情景下的结果不尽相同，但总体上都反映了未来降水显著增加的趋势。

图5 不同模式情景下未来期（2050—2062 年）鄱阳湖流域月降水相对基准期（2002—2014 年）的变化率Fig. 5 Change of monthly precipitation in the future period (2050-2062) related to historic period (2002-2014) under different models and scenarios in Poyang Lake Basin

图6 总结了4 种模式及两种SSP 情景下鄱阳湖流域60 个气温资料格点未来期（2050—2062 年）月气温相对基准期（2002—2014 年）的变化率，相当于式（4）中的(TGf–TG0)。从图6 可以看出各种模式情景下的气温都增大，并且各种模式SSP585 情景下的增温幅度都比SSP126 情景下的大。在SSP585 情景下增温大部分在2 ℃以上，而SSP126 情景下大部分在2 ℃以下。M1 相比其他模式增温幅度较大，M3 增温最小。这些结果都反映了未来气温仍然显著升高的趋势。

图6 不同模式情景下未来期（2050—2062 年）鄱阳湖流域月气温相对基准期（2002—2014 年）的变化率Fig. 6 Change of air temperature in the future period (2050-2062) related to historic period (2002-2014) under different models and scenarios in Poyang Lake Basin

3.3 蒸散发和径流量变化

通过降尺度计算，可以得到未来气候情景下流域的降水和气温资料。将这些资料输入率定好的SWAT模型，便可计算出径流量过程。模型计算中将流域分为40 个子流域，从而得到每个子流域的径流量过程。将未来期（2050—2062 年）平均径流量结果与基准期（2002—2014 年）结果作比较，便可以得到子流域径流量变化率的空间分布（图7）。从图7 可以看出除了M2 有部分区域径流量减小外，其他径流量都呈增大趋势，这与未来降水量增大有关。M1、M2 和M4 都反映出流域下游地区径流量增加幅度相比其他地区更大。

图7 不同模式情景下鄱阳湖流域径流变化率空间分布Fig. 7 Spatial distribution of runoff change under different models and scenarios in Poyang Lake Basin

不同模式情景下各子流域的蒸散发量和径流量变化率分布如图8 所示。从图8 可以看出，由于未来气温升高，各种模式情景下的蒸散发量都增大。除M3 外，SSP585 情景下的蒸散发量比SSP126 情景下的蒸散发量大。除M2 部分结果外，SSP126 情景下径流量比SSP585 情景下的径流量大。各种模式都反映出未来径流量有增加趋势，并且径流量变化幅度（−11.93%~49.73%）比蒸散发量的变化幅度（1.06%~11.71%）要大很多，这说明发生极端水文事件的风险更大。虽然未来各种模式情景下气温仍会持续升高（图6），使得流域蒸散发量增加，但是降水量的增加占据主导，使得流域的径流量也增加。

图8 不同模式情景下未来期（2050—2062 年）鄱阳湖流域蒸散发和径流相对基准期（2002—2014 年）的变化率Fig. 8 Change of evapotranspiration and runoff in the future period (2050-2062) related to historic period (2002-2014) under different models and scenarios in Poyang Lake Basin

利用CMIP6 模式在鄱阳湖流域展开的研究与已有研究成果有很大相似性。至21 世纪中期，鄱阳湖流域的降水和径流都以增大为主，只是变化的幅度和趋势与CMIP5 的预估结果有所不同。在全球气候变暖的背景下，基于CMIP5 的研究结果表明，RCP4.5、RCP8.5 情景下未来时期鄱阳湖流域蒸散发量较基准期均呈不同程度的增加趋势；在RCP8.5 情景下，干旱指数呈现出较为明显的上升趋势[18]。流域未来降水在RCP2.6 和RCP8.5 情景下先增后减，并且表现出明显的降水中心，枯丰交替变化更为剧烈，并在2075 年左右出现突变并存在周期性振荡[19]。在RCP2.6 和RCP4.5 情景下，总径流增加趋势更明显；而在RCP8.5 情景下，总径流减小的趋势更明显[10]。

本研究首次将CMIP6 模式数据应用于鄱阳湖流域，与其他流域及地区的CMIP6 应用有较大相似性。基于CMIP6 的研究结果表明，21 世纪黄河上游年降水呈显著增加趋势，并且在SSP119 和SSP126 情景下降水呈现先增后减的特征，近期到中期降水增幅加大，中期到末期降水增幅减缓；SSP245、SSP370 和SSP585 下，年降水增幅从近期到末期持续增加[8]。基于CMIP6 模式探讨气候变化对元江流域水文气象的影响表明，流域在21 世纪中后期的年均降雨量、温度和径流都呈增加趋势[20]。本文研究结果与之前许多研究结果在总体结论上是一致的，只是具体的变幅有所区别。一方面是因为选择的研究区域和时间范围有所不同，另一方面是由于情景模式的不同。CMIP6 模式考虑的气候变化情景要素比CMIP5 更加详细，结果的分类和准确性有所提升。

4 结 语

本文根据最新的CMIP6 全球气候模式数据，分析了21 世纪中期鄱阳湖流域的气候及径流变化情况，结果表明SWAT 模型对鄱阳湖流域历史水文过程模拟精度较高，在这4 种CMIP6 模式的SSP126 和SSP585 情景下，鄱阳湖流域未来气温都升高，降水、蒸散发和径流量都增大；SSP585 情景下的增温幅度大于SSP126，而SSP585 情景下的径流量小于SSP126，鄱阳湖流域未来气温和降水的增加趋势显著，不同的SSP 情景会影响径流量的变化；流域未来径流量的变化幅度比蒸散发量的变化幅度大，发生极端水文事件的风险更大。应用CMIP6 得到的研究结果与已有的基于CMIP5 的研究结论相似，CMIP6 对结果的分类和准确性更高。