基于WEP-QTP的长江源区径流组分变化及驱动机制

李 霞,周 祖 昊,刘 佳 嘉,王 鹏 翔,贾 仰 文

(1.中国水利水电科学研究院 流域水循环模拟与调控国家重点实验室,北京 100038; 2.中国长江三峡集团有限公司 科学技术研究院,北京 100038)

0 引 言

近年来,受到全球气候变暖的影响,高原寒区冰川、冻土、积雪、径流及蒸发等各个水文要素及其伴生过程发生变化,其水循环过程对社会经济具有重要影响[1-3]。模型是识别气候变化条件下高原寒区径流演变规律的有效手段。高原寒区冰川积雪消融、土壤冻融等过程的数学描述对模型模拟结果的影响不容忽视。覃自成[4]利用CRHM模型模拟长江源区冬克玛底流域2005～2015年径流过程。贾建伟等[5]利用HBV模型模拟澜沧江上游昂曲流域1960～2009年径流过程。张磊磊等[6]利用VIC模型模拟长江源区1961～2000年径流过程。杨颖等[7]利用SWAT模型模拟长江源区1961～2020年径流过程。陈启会等[8]利用SWAT模型模拟长江上游金沙江流域1960～2016年径流过程。上述模型在高原寒区的适用性得到验证,其中HBV模型、VIC模型及SWAT模型考虑了融雪及冻土模块,但忽略了土壤冻融过程中土壤介质、土壤温度、土壤固液态转化对热量及水量的影响;CRHM模型是具有代表性的寒区半分布式水文模型,但其在大流域的适用性有待研究。上述研究仅对高原寒区径流进行模拟验证,缺乏对径流及其组分的深入分析,冰川积雪消融及冻土水热过程对长江源区径流及其组分影响至关重要,模型是解析径流组分长系列演变规律的有效方法。王一冰等[9]利用VIC模型分析得出1984～2015年长江源区降雨、降雪及融冰产流对长江源区产流的贡献量分别为76%,15%和9%。Zhang等[10]利用VIC模型分析得出1961～2000年长江源降雨产流占比71.3%,融雪产流占比22.2%,融冰产流占比6.5%。何秋乐等[11]利用HGS模型模拟得出1966～2015年长江源区冬克玛底流域冰川融水径流对总径流影响占比为75%。

上述研究高原寒区径流及其组分的模型大多没有精细刻画冻土水热耦合过程,描述高原气候条件及下垫面(坡度、土壤、植被等)等多因子作用下的水文机理不够清晰。WEP-QTP(Water and Energy transfer Processes in the Qinghai-Tibet Plateau)模型是针对青藏高原气候、水文和地质特点建立的具有物理机制的分布式水文模型,能模拟冻土水热耦合过程、冰川积雪消融过程以及流域水量-能量平衡过程[12-13]。因此,本文利用WEP-QTP模型模拟长江源区冰川、冻土及水文过程,在此基础上分析径流及其组分演变规律,并基于多因素归因分析方法分析径流演变的驱动机制。

1 研究区域和数据来源

长江源区为长江直门达水文站以上的汇水区域,位于90°14′E～97°20′E,32°26′N～35°53′N,流域面积13.85万km2(见图1)[14]。长江源区地处青藏高原腹地,海拔为3 558～6 391 m,地势西高东低,地形复杂多变。长江源区属高寒山区,多年冻土区面积占比约80%,季节性冻土区面积占比约20%[15]。冰川主要分布在海拔5 000 m以上[16]。依据国家气象信息中心14个观测站的降水数据,采用反距离平方法进行展布,得到长江源区多年(1956～2020年)平均降水量为372.9 mm,降水多集中在6～9月。

图1 研究区及其气象站位置Fig.1 Study area and locations of meteorological stations

本研究中使用的数据包括气象数据、地形地貌数据和基于遥感的冰川数据(见表1)。气象数据包括日降水量、气温、风速、日照时数和相对湿度,来源于中国气象局下属的国家气象信息中心(http:∥data.cma.cn),采用距离平方反比法(RDS)对气象站的观测值进行插值,且气温根据高程进行修正。30m分辨率DEM数据由美国国防部国家测绘局(NIMA)和太空总署(NASA)联合测定。30 m分辨率土地利用数据(2010年)由中科院地理所提供。土壤及其特征信息采用全国第二次土壤普查资料。冰川数据来源于Landsat TM/ETM/OLI卫星遥感数据(https:∥www.gscloud.cn/),包括1993,1997,2003,2009,2015年及2019年共6期数据,采用中国第二次冰川编目数据集(http:∥www.ncdc.ac.cn)进行检验与校正。参考第二次冰川编目中冰川条目划分规则,对冰川边界进行条目划分,得到研究区内各冰川条目的面积,根据编目中提供的储量计算公式计算冰川储量,线性插值得到初始冰川储量。

表1 模型建立及验证数据总览Tab.1 Overview of model building and verification data

本研究中使用的模型验证的数据包括:1956～2020年直门达水文站逐月实测平均流量,2020年1～12月试验点观测到的逐日土壤温度和土壤含水率数据(见表1)。试验点海拔5 100 m,位于长江源区冰川富集带,属于气候变化敏感区,监测冰川区冻土水热耦合过程对长江源区径流演变过程具有重要意义。试验期间平均降水量为672 mm,平均气温为-5.8℃,最高8.3℃,最低-29.4℃。试验点安装Campbell 109土壤温度传感器和CSI CS650土壤含水率传感器进行水热耦合过程监测试验,其中土壤温度和土壤湿度监测深度达1 m,传感器每隔10 cm安装1个。

2 研究方法

2.1 WEP-QTP模型

WEP-QTP模型采用子流域套等高带作为基本计算单元。模型使用“马赛克”法将计算单元下垫面分为水域、不透水域、裸地、林地、草地、坡耕地、灌溉农田、非灌溉农田、坝地和梯田10类(见图2)。垂向上分为植被或建筑物截留层、地表洼地储留层、根系层、过渡带层、浅层地下水层和深层地下水层,地面以下根据青藏高原地质特点考虑土壤和砂砾石两种介质。土壤及植被蒸散发过程采用Penman及Penman-Monteith公式[17-18]计算;产流分为蓄满产流及超渗产流,非暴雨期采用蓄满产流Richards公式[19]计算,暴雨期采用超渗产流Green-Ampt公式[20]计算;汇流过程采用运动波方程计算[21-22];冰川融化和积雪消融采用度日因子法计算[23-24];土壤水热耦合过程采用土壤水热耦合方程计算[25-26]。

图2 WEP-QTP模型垂向结构Fig.2 WEP-QTP model vertical structure

WEP-QTP模型进行土壤水热耦合过程计算时分为积雪层、土壤层及砂砾石层,模拟积雪消融、积雪—土壤及土壤层之间的热量传递及水分运移过程(见图3)。

图3 冻融期“积雪—土壤—砂砾石”多层结构Fig.3 Freeze-thaw period "snow-soil-gravel" multi-layer structure

本文对径流、土壤温度及土壤含水率进行验证,采用效率系数(NSE)和相对误差(RE)评价径流模拟效果,采用决定系数(R2)和均方根误差(RMSE)评价土壤温度及土壤含水率模拟效果。

(1)

(2)

(3)

(4)

径流包括地表径流、壤中流和基流,地表径流包括降雨径流、融雪径流和融冰径流,壤中流包括降雨径流和融雪径流,基流包括降雨径流和融雪径流。降雨经过植被截留、洼地储留、蒸散发、下渗及产流过程形成降雨径流;降雪经过融雪、植被截留、洼地储留、蒸散发、下渗及产流过程形成融雪径流;冰川经过消融、蒸发及产流形成融冰径流。降雨径流、融雪径流及融冰径流经过汇流过程最终汇入河道。

2.2 多因素归因分析方法

本文利用多因素归因分析法解析影响因子对水循环组分的贡献[27]。该方法的原理是将n个水文气象影响因素根据水循环组分变化规律分为基准期和变化期,设置2n个模拟情景,利用模型对每个情景进行模拟,得到各情景下水循环组分的多年平均变化量,则各影响因素对水循环变量的贡献可描述为

(5)

(6)

式中:ΔSi为第i个影响因素的贡献量;αi,j为第i个因素对情景j的权重系数,使用变化期输入数据则等于1,使用基准期输入数据则等于-1;Xi为对应情景j的模型模拟结果;n为所考虑的影响因素个数;βi为第i个影响因子的贡献率。

3 结果分析

3.1 模型模拟结果

3.1.1土壤水热耦合过程模拟

利用现场试验验证了2020年1～12月土壤水热耦合过程(见图4)。分6层模拟的逐日土壤温度与实测值的决定系数(R2)均在0.95以上,6层决定系数(R2)最大为0.99,最小为0.95,均值为0.98;6层逐日土壤温度模拟的均方根误差(RMSE)最大为1.71℃,最小为0.70℃,均值为1.08℃。模型中表层土壤(40 cm以上)温度受气温波动影响大,由于长江源区内气象站点较少,温度空间插值与实际气温存在误差。

图4 不同深度土壤温度模拟与实测对比Fig.4 Comparison of soil temperature simulations and observations at different depths

模型模拟逐日土壤含水率与实测值基本接近(见图5),6层的决定系数(R2)最大为0.97,最小为 0.85,均值为0.92;均方根误差(RMSE)最大为2.51%,最小为1.03%,均值为1.73%。在融化期,大气温度回升,表层土壤(40 cm以上)先融化,液态含水量增加,且融化期长。在冻结期,深层土壤先冻结,土壤中水分发生相变,冻结期长。

图5 不同深度土壤含水率模拟与实测对比Fig.5 Comparison of soil moisture content simulations and observations at different depths

3.1.2流量模拟

分校核期(1956～1990年)和验证期(1991～2020年)对长江源区控制站直门达站逐月平均流量模拟结果与实测值进行比较(见图6)。校核期效率系数(NSE)为0.81,相对误差(RE)为-4.70%;验证期效率系数(NSE)为0.87,相对误差(RE)为4.45%。结果表明,模型模拟月径流与实测径流较为一致。

图6 长江源区直门达站逐月平均流量过程Fig.6 Monthly average flow process of Zhimenda Station in source region of the Changjiang River

3.2 径流及其组分演变规律

根据模拟结果可知,长江源区多年(1956～2020年)平均径流量为129.4亿m3。利用MK趋势性分析方法得到直门达站MK检验统计量Zc值为5.01,大于1.96(0.05显著性水平),且倾斜度β为1.11,大于0(见表2)。由此可见,直门达站年径流量呈现显著增加趋势。

表2 长江源区1956～2020年径流组分变化趋势检验结果Tab.2 Variation trend of runoff components in the source region of the Changjiang River from 1956 to 2020

长江源区径流组分可分为降雨径流、融雪径流及融冰径流3个部分,根据模拟结果可知,其多年平均值分别为103.5亿,21.7亿m3和4.2亿m3。分析径流组分占比可知(见图7),降雨径流是长江源区径流的主要来源,多年平均占比79.4%;其次为融雪径流,占比17.2%;融冰径流占比为3.4%。利用MK趋势统计得到降雨径流呈显著增加趋势,融雪径流呈不显著增加趋势,融冰径流呈不显著减小趋势,降雨径流与径流量趋势变化一致(见图8与表2)。

图7 1956～2020年长江源区径流组分占比变化Fig.7 Changes in proportion of runoff components in source region of the Changjiang River from 1956 to 2020

图8 1956～2020年长江源区径流及其组分变化Fig.8 Variation of runoff and its components in source region of the Changjiang River from 1956 to 2020

利用Pettitt突变分析法得到p值为0.01,小于0.05,则长江源区径流量在1956～2020年中发生显著突变,突变年份为1998年(见图9)。分析突变前后长江源区径流及其组分变化规律可知,长江源区1956～1998年多年平均径流量为113.5亿m3,1999～2020年多年平均径流量为156.9亿m3。突变前径流组分降雨径流、融雪径流及融冰径流多年平均值较突变后变化量分别为42.7亿m3、1.1亿m3及-0.4亿m3(见表3)。突变前后径流组分占比也发生变化,其中降雨径流占比发生明显变化,由突变前77.6%增加到83.3%,而融雪径流由18.7%减小到14.2%,融冰径流由3.8%减小到2.6%。

表3 长江源区径流量及其组分突变前后变化量Tab.3 Amount of runoff in source region of the Changjiang River and change of its components before and after mutation of its components

图9 1956～2020年长江源区年径流量Pettitt突变检验结果Fig.9 Pettitt mutation test results of annual runoff in source region of the Changjiang River from 1956 to 2020

进一步对长江源区径流及其组分进行归因分析,以突变点1998年为界,将1956～1998年设为基准期,采用多因素归因分析方法分析变化期1999～2020年气温和降水对径流及其组分的贡献。设置4个情景:基准情景S1(基准期气温、基准期降水)、变化情景S2(基准期气温、变化期降水)、变化情景S3(变化期气温、基准期降水)、变化情景S4(变化期气温、变化期降水)。结果表明,气候变化对径流的总贡献量为21.4亿m3,其中引起长江源区径流增加的原因是降水因素,其贡献率为108.4%,气温导致径流减少,贡献率为-8.4%(见表4)。气候变化对降雨径流的总贡献量为24.8亿m3,气温和降水对降雨径流的贡献率分别为36.2%和63.8%。气候变化对融雪径流的总贡献量为-3.1亿m3,气温和降水对融雪径流的贡献率分别为348.1%和-248.1%,气温升高使降雪量减少,从而使融雪径流减少,降水增加使融雪径流增加。气候变化对融冰径流的总贡献量为-0.3亿m3,气温和降水对融冰径流的贡献率分别为-21.5%和121.5%,气温升高使融冰径流增加,降水增加使冰川上积雪覆盖增加,起到保护冰川的作用,使融冰径流减少。

表4 气温、降水对长江源区径流及其组分变化贡献量及贡献率Tab.4 Contribution and contribution rate of temperature and precipitation to the runoff and its components in the source region of the Changjiang River

进一步分析4个情景逐月径流过程及逐月径流组分过程(见图10)。气温和降水对径流影响主要集中在6～10月,气温导致径流减少,降水导致径流增加,气温和降水共同影响径流增加。气温和降水对降雨径流影响主要集中于6～9月;在6月和9月,气温导致降雨径流增加,由于气温升高,使降雪量转换为降雨量,降雨径流增加;在7月和8月,气温导致降雨径流减少,由于气温升高,蒸发量增加,降雨径流减少;在6～9月,降水导致降雨径流增加,气温和降水共同影响降雨径流增加。气温和降水对融雪径流影响主要在9,10月,气温导致融雪径流减少,降水导致融雪径流增加;在9月气温和降水共同影响融雪径流减少,在10月气温和降水共同影响融雪径流增加。气温和降水对融冰径流影响主要在6～8月,气温导致融冰径流增加,降水导致融冰径流减少;气温和降水在6月共同影响融冰径流增加;在7月及8月共同影响融冰径流减少。

图10 4种情景长江源区年内径流及其组分变化Fig.10 Variations of annual runoff and its components in source region of the Changjiang River of 4 scenarios

4 讨 论

本文基于MK趋势检验法分析发现,1956～2020年长江源区径流呈显著增加趋势(Zc=5.01,大于1.96),此研究成果和诸多学者的结论一致(见表5)[28-30]。

表5 长江源区径流及其组分研究成果对比Tab.5 Comparison of research results on runoff and its components in the source region of the Changjiang River

本文基于WEP-QTP模型量化了1956～2020年长江源区径流组分中降雨径流、融雪径流及融冰径流的占比,分别为79.4%、17.2%和3.4%。诸多学者也利用VIC模型、冰川质量平衡模型等量化了长江源区径流组分的贡献率[9-10,31],本文所得结果与各学者总体差异在6%以内(见表5)。

本文基于WEP-QTP模型量化了长江源区气候变化对径流的驱动机制。以1956～1998年为基准期,变化期1999～2020年气温和降水对径流增加的贡献率分别为-8.4%和108.4%。杜嘉妮等[33]选取1957～2003年作为基准期且考虑了下垫面变化对径流的影响,分析得到变化期(2004～2018年)降水对径流的贡献率为81.93%,潜在蒸散发对径流的贡献率为-16.87%,并进一步分析了降水与径流相关系数为0.819。汤秋鸿等[34]分析的长江源区直门达站年径流与年降水相关系数也在0.8以上。尽管采用的数据和计算方法有差异,本文和其他文献的结果都认为降水是导致径流增加的主要驱动因子。除此之外,本文进一步定量分析了长江源区气候变化对径流组分降雨径流、融雪径流及融冰径流的驱动机制。

5 结 论

(1) 基于WEP-QTP模型构建长江源区冻土水文模型,采用1956～2020年直门达站实测逐月径流数据进行验证,效率系数(NSE)在0.8以上,相对误差在(RE)5%以内;采用2020年日尺度现场试验数据对模型进行验证,包括0～100 cm深度内的土壤温度及液态含水率的实测结果,各指标决定系数(R2)均值分别为0.98及0.91。

(2) 利用Pettitt突变法分割基准期(1956～1998年)与变化期(1999～2020年),基于WEP-QTP模型和多因素归因分析方法可知,气候影响下径流变化量为21.4亿m3,气温和降水对径流增加的贡献率分别为-8.4%和108.4%。

(3) 基于WEP-QTP模型分析,1956～2020年长江源区径流组分中降雨径流、融雪径流及融冰径流占比从基准期的77.6%,18.7%和3.8%变为变化期的83.3%,14.2%和2.6%。气候变化影响下降雨径流变化量为24.8亿m3,气温和降水对降雨径流增加的贡献率分别为36.2%和63.8%;气候影响下融雪径流变化量为-3.1亿m3,气温和降水对融雪径流减少的贡献率分别为348.1%和-248.1%;气候影响下融冰径流影响量为-0.3亿m3,气温和降水对融冰径流减少的贡献率分别为-21.5%和121.5%。对径流及其组分逐月过程进行分析,气候变化对径流及其组分的影响主要集中在6～10月。

致 谢

感谢水利部长江江源区水生态系统野外科学观测研究站对本研究的支持。