田燁，許月萍，徐曉，張徐杰，康麗莉

(1. 浙江大學(xué) 建筑工程學(xué)院水利工程學(xué)系水文與水資源研究所，浙江 杭州，310058；2. 浙江省海洋氣象科學(xué)研究所，浙江 杭州，310058)

IPCC的研究表明，全球氣候變化發(fā)生了以氣溫升高為主的顯著變化[1]，伴隨著氣溫的升高，全球水循環(huán)加速[2]，降雨量和徑流量也發(fā)生了顯著的改變，近年來，氣候變化造成的極端洪水事件時有發(fā)生，給人類的生命財產(chǎn)安全造成了極大的損失。研究未來的徑流量變化規(guī)律能夠更好地防患于未然。專家學(xué)者對氣候變化的研究涉及全球多個流域[3?5]，國內(nèi)許多學(xué)者針對氣候變化對河川徑流量的影響也做過大量研究，如袁飛等[6]利用大尺度水文模型VIC模型與PRECIS區(qū)域氣候模式進行耦合研究了海河流域徑流深對氣候變化的響應(yīng)的規(guī)律，賈仰文等[7]研究了氣候變化對黃河源區(qū)徑流量變化的影響，高歌等[8]研究了氣候變化對淮河流域徑流量可能造成的影響，可以看出對氣候變化影響的研究以干旱半干旱流域居多，針對濕潤地區(qū)的研究較少。且在不同的情景模式下用不同模型期模擬結(jié)果也有所不同，在A2情景下PRECIS模型中全國范圍的降水量普遍表現(xiàn)出更大的年紀(jì)變化和季節(jié)變化，冬季南方的降水量減少[9]。而HadCM3模型在A2情景下在漢江流域上表現(xiàn)出降水量增加趨勢[10]。在B2情景下 PRECIS模型中長江以南地區(qū)降水量顯著增加，溫度也有所增加[11]。未來氣候的變化對濕潤地區(qū)的水文特征同樣存在影響，如南方等地極端水文事件的發(fā)生日趨頻繁，本文作者選取錢塘江流域上游的常山港流域為研究對象，以其作為切入點研究氣候變化影響下濕潤地區(qū)徑流量以及設(shè)計洪水的變化趨勢。

1 研究區(qū)域概況

常山港流域位于錢塘江流域上游地區(qū)，流域面積為2 381 km2，如圖1所示。流域?qū)賮啛釒Ъ撅L(fēng)氣候區(qū)，氣候溫暖濕潤，流域內(nèi)水汽充足，雨量豐沛。流域地形特征為山地多平原少，地勢西高東低，流域內(nèi)水系發(fā)達(dá)，大小支流60多條，降水量和徑流量年內(nèi)分配不均，主要集中在4～9月份。流域內(nèi)洪水匯流速度快，歷時短，洪水年際變化大，沿岸洪澇較為頻繁，嚴(yán)重制約了本區(qū)社會經(jīng)濟的可持續(xù)發(fā)展。

本文以錢塘江常山港流域為研究對象，對A1B排放情景下HadCM3氣候模式在2020s(2011—2030年)時期的預(yù)測結(jié)果，利用統(tǒng)計降尺度方法計算得到日降雨和日氣溫，并使用薩克拉門托模型分別對基準(zhǔn)期和氣候變化背景下2020s進行降雨徑流模擬并計算設(shè)計洪水，對比兩時期的設(shè)計洪水差別，分析其變化趨勢，為該流域氣候變化下防洪方案的制定提供一定的參考依據(jù)。為了描述未來氣候變化，IPCC建立了6個未來氣候變化情景模式，他們分別代表不同的溫室氣體排放量，經(jīng)濟發(fā)展模式等。其中A1B情景模式代表未來溫室氣體中等排放強度，是一種平衡的發(fā)展模式。HadCM3模型是英國氣候預(yù)測和研究中心發(fā)展的海氣耦合的區(qū)域氣候模型，它主要由2個部分組成：大氣模型HadAM3和海洋模型。垂直方向上分為19層，空間分辨率為2.5°×3.75°，能為研究流域尺度的氣候變化提供良好的支持。薩克拉門托模型功能比較完善且具有自己的特點因而應(yīng)用比較廣泛，適用于我國南方濕潤和半濕潤地區(qū)。

圖1 常山港流域及站點示意圖Fig. 1 Stations distribution in Changshan Basin

2 研究方法

2.1 統(tǒng)計降尺度方法

使用 LARS?WG天氣發(fā)生器進行降尺度計算，LARS?WG天氣發(fā)生器是一種常用的統(tǒng)計降尺度方法，由英國洛桑實驗室開發(fā)[12]，通過半經(jīng)驗分布模型模擬給定時期內(nèi)的干濕序列、日降雨量、日輻射量、日最低溫和日最高溫。對于每一個氣象變量v, 它的值vi與發(fā)生的概率pi的對應(yīng)關(guān)系如下：

其中：P( )為基于實際觀測數(shù)據(jù){vobs}的概率；n為分布間隔數(shù)，n=23。對每一個氣象變量，p0=0，pn=1，與之相對應(yīng)的變量分別為v0=min{vobs}和vn=max{vobs}。為了更準(zhǔn)確地估計氣象變量的極值，給定一些非常接近于0的概率，與氣象變量的極小值相對應(yīng)；也給定一些非常接近1的概率，與氣象變量的極大值相對應(yīng)。對于降雨量來說，定義了3個非常接近 1 的概率：Pn?1=0.999，Pn?2=0.995，Pn?3=0.985。

2.2 降雨徑流模擬

使用薩克拉門托模型來進行降雨徑流模擬，薩克拉門托(Sacramento)模型是美國薩克拉門托河流預(yù)報中心于20世紀(jì)60年代末至70年代初研制的概念性水文模型，模型用一系列具有一定物理概念的數(shù)學(xué)表達(dá)式來描述水文過程[13?15]，模型中流域面積分為透水面積、不透水面積和變化的不透水面積，流域沿垂直方向分為上下2層，通過Horton下滲曲線連接。

不透水面積上的降雨量產(chǎn)生地面徑流匯入河網(wǎng)總?cè)肓?，透水面積上的降雨量下滲到土壤蓄水層，上層土壤蓄水層的張力水以蒸發(fā)形式消耗，上層土壤蓄水層的自由水除去蒸發(fā)和下滲量，剩余部分產(chǎn)生地面徑流[16]。降雨的下滲過程可以通過以下函數(shù)模擬，下層土層飽和時的實際下滲率為：

式中：PB為穩(wěn)定下滲能力；LZFPM為下層深層自由水最大出流量；LZFSM為下層淺層自由水最大出流量；PERC為實際穩(wěn)定下滲率；UZFWM為上層自由水最大值。

下層土層非飽和時的實際下滲率PE為：

式中：DEFR為缺水率；LZTWC為下層張力水蓄量；LZFPC為下層慢速地下水蓄量；LZFS為下層快速地下水蓄量；LZTWM為下層張力水最大儲存能力；PE為實際下滲率；ZPERC為最大下滲率；REXP為下滲函數(shù)指數(shù)。

以實際下滲率PE下滲的水量進入下層自由水，剩余水量進入下層張力水，下層張力水消耗于蒸發(fā)量，下層自由水則以深層基流和淺層基流的形式分別演算匯總到總基流，通過徑流分配和河道演算得到流域總出流量。

根據(jù)流域9個站點的日降雨數(shù)據(jù)使用泰森多邊形計算流域面雨量，日蒸發(fā)數(shù)據(jù)使用開化站的日平均氣溫數(shù)據(jù)，根據(jù)Hargreaves公式[17]計算相應(yīng)的日潛在蒸發(fā)量。Hargreaves公式考慮到了經(jīng)緯度對潛在蒸發(fā)量的影響以及天文輻射的影響，得到了濕潤地區(qū)許多應(yīng)用實例的驗證[17]。

式中：ET0,Harg為潛在蒸發(fā)，mm；Ra為天文輻射，根據(jù)站點的經(jīng)緯度等地理信息計算得到，mm/d；Tmax和Tmin分別為日最高氣溫和最低氣溫，℃；HC為經(jīng)驗Hargreaves系數(shù)，通常取0.002 3；HE為經(jīng)驗Hargreaves指數(shù)，通常取0.5；HT為經(jīng)驗溫度系數(shù)，通常取17.8。

本文中模型率定的目標(biāo)函數(shù)為Nash-Sutcliffe (NS)效率系數(shù)，其計算公式為

3 結(jié)果與討論

以常山站作為流域出口斷面，取該站1995—2003年間的日徑流數(shù)據(jù)，以1995—2001年作為模型率定期率定模型參數(shù)，2002—2003年作為驗證期。通過模擬，得到實測期的模擬徑流情況，圖2所示為2000—2001年的模擬徑流和實測徑流情況。從圖2可看出：枯水期的模擬效果較好，而豐水期徑流量實測值多高于模擬值。計算可得Nash-Sutcliffe(NS)效率系數(shù)為0.82，表明實測徑流和模擬徑流的擬合程度較好，由于缺乏基準(zhǔn)期的實測日徑流數(shù)據(jù)，對基準(zhǔn)期和2020s均采用率定得到的參數(shù)進行模擬。

圖2 2000—2001年徑流實測值和模擬值比較Fig. 2 Comparison between simulated and measured runoff from 2000 to 2001

3.1 基準(zhǔn)期徑流量模擬

根據(jù)流域基準(zhǔn)期的實測日降雨量和日氣溫，模擬該時期的日徑流量。結(jié)果表明多年最大徑流量為3 898.4 m3/s(1967年)，徑流量均值為1 018.6 m3/s，最大徑流量大于均值的3倍。根據(jù)調(diào)查資料[18]，開化站、華埠站和油溪口站1967年6月均發(fā)生大暴雨，造成人員傷亡和嚴(yán)重的經(jīng)濟損失，由此可見，模擬最大徑流量具有一定的合理性。

提取常山站的年最大日徑流序列，使用線性矩方法進行頻率分析。線性矩方法在Greenwood定義的概率權(quán)重矩[19]基礎(chǔ)上發(fā)展而來，首次由Hosking等[20]提出，是一種應(yīng)用越來越廣泛的參數(shù)估計方法，根據(jù)線性矩原理，計算徑流序列的線性矩系數(shù)τ3(偏態(tài)系數(shù))和τ4(峰態(tài)系數(shù))，得到τ3=454，τ4=0.233 4，利用線性矩圖[21]原理判斷較為符合的分布函數(shù)，線性矩圖利用樣本線性矩系數(shù)τ3和τ4與分布函數(shù)的線性矩系數(shù)τ3和τ4的相關(guān)程度來判斷分布函數(shù)的類型，即如果某一分布函數(shù)的線性矩系數(shù)和區(qū)域性矩系數(shù)相一致，則該分布函數(shù)為最優(yōu)分布函數(shù)，根據(jù)常山站流量序列的線性矩特征值做線性矩圖如圖3所示。

圖3 基準(zhǔn)期年最大徑流序列線性矩圖Fig. 3 L-moment figure of annual maximum runoff series in baseline period

GPA代表廣義柏拉圖分布，GEV為通用極值分布，GLO為廣義羅切斯特分布，LN3分布為3個參數(shù)對數(shù)正態(tài)分布，PE3代表皮爾遜Ⅲ型分布，圖3中樣本線性矩特征值接近PE3分布，選擇PE3分布作為年最大日徑流量序列的分布函數(shù)，根據(jù)參考文獻(xiàn)[22]中的設(shè)計洪水計算公式，計算各重現(xiàn)期的設(shè)計洪水，如表1所示。

3.2 預(yù)測期徑流量模擬

根據(jù)常山港流域2020s面雨量和日平均氣溫的降尺度計算結(jié)果，使用Hargreaves經(jīng)驗公式計算面平均蒸發(fā)量，利用實測期的參數(shù)率定結(jié)果模擬未來時期常山站的日徑流量。模擬結(jié)果的統(tǒng)計特征值如表3所示，將基準(zhǔn)期年最大日徑流量序列的統(tǒng)計特征值同列于表2。從表2可看出：2020s流量序列的最大值、均值和方差均小于基準(zhǔn)期，其中均值的差別最為明顯，表明未來一段時期內(nèi)常山站的出口徑流量有減小趨勢。比較基準(zhǔn)期和2020s的面雨量和蒸發(fā)量可知，2020s內(nèi)常山港流域面雨量有增大趨勢，年最大日雨量的平均值增大 15.9%，同時蒸發(fā)量也有增大趨勢，年最大日蒸發(fā)量的平均值增大4.2%。

表1 基準(zhǔn)期常山站設(shè)計洪水流量Table 1 Design flood runoff of Changshan Station in baseline period

表2 預(yù)測期日徑流量模擬結(jié)果統(tǒng)計特征值Table 2 Statistics of simulated daily runoff in prediction period

對2020s的日徑流量數(shù)據(jù)提取年最大值序列進行頻率分析，計算年最大徑流量序列偏態(tài)系數(shù)和峰態(tài)系數(shù)，τ3=0.507 7，τ4=0.2910，做出線性矩圖如圖4所示。

圖4中樣本線性矩特征值較接近GPA分布，選擇GPA分布函數(shù)計算2020s各重現(xiàn)期的設(shè)計洪水流量，如表3所示。

圖4 2020s年最大徑流序列線性矩圖Fig. 4 L-moment ratio figure of annual maximum runoff series in 2020s

總體來看，基準(zhǔn)期的設(shè)計洪水大于2020s時期的設(shè)計洪水，且兩時期的絕對差別變化不大，相對變化值隨重現(xiàn)期的增加而慢慢減小，其中五年一遇的設(shè)計洪水相對變化值達(dá)到36.04%。由此可以得出結(jié)論：在未來一段時期內(nèi)，常山港流域的出口徑流量有一定的減小趨勢，設(shè)計洪水也有減小趨勢，但是發(fā)生極端洪水時的危害程度并沒有隨之減小，仍然要加強防洪措施的制定，抵御極端洪水給生命財產(chǎn)帶來的威脅。除了降雨溫度等自然因素對徑流變化起決定性的影響，同時人類活動會改變下墊面的狀況，而下墊面的改變也對徑流的產(chǎn)生很大影響，比如修建水庫一方面會改變流域的蒸發(fā)量，另一方面控制下游的來水量從而對下游洪水起到調(diào)節(jié)作用。但人類活動對徑流的影響很難模擬，本文使用的模型無法實現(xiàn)，需要做進一步的研究。

表3 基準(zhǔn)期和預(yù)測期常山站設(shè)計洪水流量Table 3 Design floods runoff of Changshan Station in baseline and prediction period

4 結(jié)論

(1) 薩克拉門托模型對該地區(qū)的徑流模擬結(jié)果與實際徑流比較吻合，枯水期的徑流模擬效果要好于豐水期的。豐水期存在模型低估實際徑流的現(xiàn)象。

(2) 通過線性距的方法進行頻率分析得知，基準(zhǔn)期的常山港地區(qū)的年最大徑流量最符合PE3分布，而未來的年最大徑流量最符合GPA分布。這主要是由于未來流量序列的最大值，均值和方差均比基準(zhǔn)期時的小因而導(dǎo)致分布函數(shù)的改變。

(3) 在本文選擇的特定氣候模式和排放情景下，常山港流域的面雨量和蒸發(fā)量有增大趨勢，而流域出口斷面的徑流量卻有減小趨勢，設(shè)計洪水同樣有所減少，五年一遇的設(shè)計洪水減少率為36.04%，且隨著重現(xiàn)期的增加，相對變化值也隨之減小。

針對流域面雨量增大出口徑流卻減小的情況，一方面由于未來蒸發(fā)量有增大的趨勢，降雨量將以蒸發(fā)的形式消耗；另一方面，雖然日降雨增加(可理解為降雨強度)，但多日降雨量可能減少[23]，從而可能導(dǎo)致徑流乃至設(shè)計洪水的減少。研究中由于基準(zhǔn)期徑流資料的缺乏，移用了實測期同一組參數(shù)對徑流模擬帶來了較大的不確定性。作者僅討論了HadCM3氣候模式在A1B情景下對徑流量的影響，未來需對比不同氣候模式以及多種排放情景下錢塘江常山港流域的徑流變化情況進行分析，以對防洪決策的制定提供更為豐富合理的參考依據(jù)。

[1]IPCC. Climate change 2007: Synthesis report[M]. Cambridge:Cambridge University Press, 2007: 31.

[2]Liepert B, Romanou A. Global dimming and brightening and the water cycle[J]. Bulletion of the American Meteorology Society,2005, 86: 622?623.

[3]Xu C Y, Singh V P. Review on regional water resources assessment models under stationary and changing climate[J].Water Resources Management, 2004, 18(6): 591?612.

[4]楊志勇, 于贏東, 王建華, 等. 氣候變化對伊遜河流域水資源量的影響[J]. 水科學(xué)進展, 2011, 22(2): 175?181.YANG Zhiyong, YU Yingdong, WANG Jianhua, et al. Climate change and its impact on water resources in Yixun River basin[J].Advances in Water Science, 2011, 22(2): 175?181.

[5]張翔, 夏軍. 氣候變化對地表水資源可利用量影響的不確定性分析—以漢江上游為例[J]. 資源科學(xué), 2010, 32(2): 255?260.ZHANG Xiang, XIA Jun. Uncertainty analysis of the impact of climate change on the availability of surface water resources[J].Resources Science, 2010, 32(2): 255?260.

[6]袁飛, 謝正輝, 任立良, 等. 氣候變化對海河流域水文特性的影響[J]. 水利學(xué)報, 2005, 36(3): 274?279.YUAN Fei, XIE Zhenghui, REN Liliang, et al. Hydrological variation in Haihe River Basin due to climate change[J]. Shuili Xuebao, 2005, 36(3): 274?279.

[7]賈仰文, 高輝, 牛存穩(wěn), 等. 氣候變化對黃河源區(qū)徑流過程的影響[J]. 水利學(xué)報, 2008, 39(1): 52?58.JIA Yangwen, GAO Hui, NIU Cunwen, et al. Impact of climate change on runoff process in headwater area of the Yellow River[J]. Shuili Xuebao, 2008, 39(1): 52?58.

[8]高歌, 陳德亮, 徐影. 未來氣候變化對淮河流域徑流的可能影響[J]. 應(yīng)用氣象學(xué)報, 2008, 19(6): 741?748.GAO Ge, CHEN Deliang, XU Ying. Impact of climate change on runoff in the huaihe River Basins[J]. Journal of Applied Meteorological Science, 2008, 19(6): 741?748.

[9]楊紅龍, 許吟隆, 張鐳, 等. SRES A2情景下中國區(qū)域21世紀(jì)末平均和極端氣候變化的模擬[J]. 氣候變化研究進展, 2010,6(3): 157?163.YANG Honglong, XU Yinlong, ZHANG Lei, et al. Projected change in mean and extreme climate over China in the late 21st century from PRECIS under SRES A2 scenario[J]. Advanced Climate Change Research, 2010, 6(3): 157?163.

[10]郭靖. 氣候變化對流域水循環(huán)和水資源影響的研究[D]. 武漢:武漢大學(xué)水力電力學(xué)院, 2010: 1?155.GUO Jing. Climate change impact on hydrological cycle and water resources[D]. Wuhan: Wuhan University. School of Hydraulic and Electrical Engineering, 2010: 1?155.

[11]許吟隆, 張勇, 林一驊, 等. 利用PRECIS分析SRES B2情景下中國區(qū)域的氣候變化響應(yīng)[J]. 科學(xué)通報, 2008, 51(17):2068?2074.XU Yinlong, ZHANG Yong, LIN Yihua, et al. Analysis of the effect of the climate change under SRES B2 from PRECIS in China[J]. Chinese Science Bulletin, 2008, 51(17): 2068?2074.

[12]Semenov M A, Barrow E M. LARS-WG: A stochastic weather generator for use in climate impact studies LARS-WG 3.0 manual[EB/OL][2008?08?15]. http://www.rothamsted.bbsrc.ac.uk/mas- models/download/LARS-WG-Manual.pdf.

[13]冷雪, 關(guān)志成. 薩克拉門托模型的改進應(yīng)用[J]. 吉林水利,2003, 247(5): 37?39.LENG Xue, GUAN Zhicheng. Application of improved sacramento model[J]. Jilin Water Resources, 2003, 247(5):37?39.

[14]Yoram S, Moshe B A. A practical policy-sensitive,activity-based, travel-demand model[J]. Transportation, 2009,47(3): 1?10.

[15]劉金平, 樂嘉樣. 薩克拉門托模型參數(shù)初值分析方法研究[J].水科學(xué)進展, 1996, 47(3): 252?259.LIU Jinping, LE Jiaxiang. Study on the method of initial parameters estimate for the sacramento model[J]. Advances in Water Science, 1996, 47(3): 252?259.

[16]欒承梅. 流域水文模型參數(shù)優(yōu)化問題研究[D]. 南京: 河海大學(xué), 2005: 23?30.LUAN Chengmei. Study on optimization method used in calibrating parameters of hydrologiccal models[D]. Nanjing:Hehai University, 2005: 23?30.

[17]Asce F, Richard G, Hargreaves G H. Allen history and evaluation of Hargreaves evapotranspiration equation[J]. Journal of Irrigation and Drainage Engineering, 2003, 29(1): 53?63.

[18]劉善海. 衢縣水文站洪水預(yù)報有關(guān)問題[J]. 浙江水利科技,1999(4): 28?30.LIU Shanhai. Study on problems about flood forcast of Quzhou station[J]. Zhejiang Hydrotechnics, 1999(4): 28?30.

[19]Greenwood J A, Landwehr J M, Matalas N C, et al. Probability weighted moments: Definition and relation to parameters of distribution expressible in inverse form[J]. Water Resources Research, 1979, 15(5): 1049?1054.

[20]Hosking J R M, Wallis J R. Regional frequency analysis—An approach based on L-moments[M]. Cambridge: Cambridge University Press, 1997: 14?41.

[21]邵利萍, 許月萍, 江錦紅, 等. 無資料小流域不同暴雨頻率計算方法的比較[J]. 水文, 2009, 29(3): 36?40.SHAO Liping, XU Yueping, JIANG Jihong, et al. Comparison of different rainfall frequency analysis methods for ungauged basins[J]. Journal of Hydrology, 2009, 29(3): 36?40.

[22]Rao R A, Hamed K H. Flood Frequency Analysis [M]. Boca Raton, Florida: CRC Press, 2000: 207?251.

[23]TIAN Ye, XU Yueping, JIANG Jinhong, et al. Detection of trends in precipitation extremes in Zhejiang, East China[J].Theoretical and Applied Climatology, 2012, 107(1/2): 201?210.