吳麗娜，陳瑩,2*，陳興偉,2，劉梅冰,2，高路,2，楊博，盧彬彬

(1.福建師范大學(xué) a.地理研究所，b.地理科學(xué)學(xué)院，福州350007； c.濕潤亞熱帶山地生態(tài)國家重點(diǎn)實(shí)驗(yàn)室培育基地，福州 350007； 3.福建省陸地災(zāi)害監(jiān)測(cè)評(píng)估工程技術(shù)研究中心，福州 350007)

0 引言

全球氣候變化已成為不爭的事實(shí)，氣候變化影響水資源的時(shí)空再分配以及水資源總量，進(jìn)而對(duì)社會(huì)經(jīng)濟(jì)發(fā)展和生態(tài)系統(tǒng)等產(chǎn)生深刻的影響[1]。氣候變化對(duì)水資源的影響也成為了科學(xué)界、政府和社會(huì)普遍關(guān)注的科學(xué)問題之一[2]。

水文模型是定量研究氣候變化對(duì)流域水文過程影響的重要工具。目前，采用合適的水文模型，耦合大氣環(huán)流模式的降尺度結(jié)果，模擬氣候變化情景下流域的水文響應(yīng)，是評(píng)估氣候變化對(duì)水資源影響的主要手段之一。然而，未來排放情景的設(shè)定、氣候模式的建立、降尺度技術(shù)的選擇、水文模型的選取等環(huán)節(jié)都存在一定程度的不確定性[3]，導(dǎo)致未來氣候變化的水文響應(yīng)存在不確定性。因此，綜合考慮上述環(huán)節(jié)的不確定性進(jìn)行氣候變化的水文響應(yīng)研究顯得尤為重要。對(duì)此，近年來國內(nèi)外的學(xué)者做了大量的研究，如Minville等[4]利用5種氣候模式評(píng)估加拿大一個(gè)流域在未來氣候變化下的洪水和水力發(fā)電的不確定性。Prudhomme和Davies[5]分析了英國部分流域氣候變化徑流響應(yīng)的不確定性，發(fā)現(xiàn)全球氣候模式(Global Climate Models，GCMs)是最大的不確定性來源，而降尺度方法的影響則相對(duì)小一些。Green等[6]評(píng)估了氣候變化下湄公河流域徑流量變化的不確定性來源，結(jié)果發(fā)現(xiàn)水文模型的不確定性要小于GCMs的不確定性。劉文豐等[7]采用秩評(píng)分方法，選取NCEP再分析資料作為“實(shí)測(cè)”依據(jù)，以10個(gè)統(tǒng)計(jì)特征值為基礎(chǔ)，評(píng)估了21個(gè)GCMs對(duì)東南諸河流域17個(gè)氣候要素的模擬效果，結(jié)果顯示，GCMs對(duì)不同氣候變量的模擬效果并不一致。Mandal等[8]對(duì)斯特拉斯科納大壩未來氣候變化水文響應(yīng)的不確定性來源進(jìn)行研究，發(fā)現(xiàn)降尺度方法對(duì)水文響應(yīng)的影響要大于典型濃度路徑 (Representative Concentration Pathways, RCPs)和GCMs。王等[9]采用CMIP5模式組3種GCMs各RCP的氣候情景開展清江流域氣候變化對(duì)徑流的影響研究，結(jié)果表明，GCMs的不確定性大于RCPs，且降水的輸入為徑流預(yù)測(cè)誤差的主要來源。

中國學(xué)者在氣候變化對(duì)水文循環(huán)的影響方面開展了大量的工作，如黃河流域[10-12]，淮河流域[13-16]，長江流域[17-20]。山美水庫流域作為福建省泉州市的主要供水源地，水資源變化將對(duì)該區(qū)社會(huì)經(jīng)濟(jì)發(fā)展產(chǎn)生重要影響。目前，山美水庫流域的研究多集中在當(dāng)前或者過去氣象條件下徑流量的變化，而綜合考慮GCMs和RCPs的不確定性，評(píng)估研究區(qū)未來徑流變化的研究鮮有報(bào)道。以山美水庫流域?yàn)檠芯繉?duì)象，基于5個(gè)GCMs模式和3種RCPs情景，耦合HSPF模型，開展山美水庫流域2020—2039年徑流量變化的預(yù)估，并量化氣候變化水文響應(yīng)的不確定性，其結(jié)果可為山美水庫流域水資源風(fēng)險(xiǎn)管理和科學(xué)調(diào)度提供決策依據(jù)。

圖 1 山美流域水系分布Figure 1 Stream networks of Shanmei Reservoir Basin

1 研究區(qū)概況和數(shù)據(jù)來源

1.1 研究區(qū)域概況

山美水庫位于福建省泉州市西北部(25°07′41″N，118°26′36″E)，地處晉江東溪中游。水庫流域水系分布如圖1，水庫流域集水面積1 023 km2，約占東溪流域的53.4%，多年平均徑流量14億m3[21]。研究區(qū)屬亞熱帶海洋性季風(fēng)氣候，多年平均氣溫約為20 ℃，年降水量約為1 600 mm，日照時(shí)數(shù)為1 800～2 200 h。山美水庫具有飲用水源地、灌溉、發(fā)電和防洪等多種職能，擔(dān)負(fù)著下游9個(gè)縣、市、區(qū)600萬人口的生活和生產(chǎn)用水，年供水量約10億m3。

表 1 山美水庫流域數(shù)據(jù)及來源Table 1 Input data and sources in Shanmei Reservoir Basin

數(shù)據(jù)數(shù)據(jù)描述來源地形流域30 m×30 m分辨率數(shù)字高程模型(DEM)“中國科學(xué)院國際科學(xué)數(shù)據(jù)服務(wù)平臺(tái)”(http://datamiffor.csdb.cn/datademMain/jsp)土地利用山美水庫流域2006年土地利用數(shù)據(jù)TM遙感影像的解譯氣象1973—2005年永春氣象站日最高氣溫、最低氣溫、相對(duì)濕度和風(fēng)速數(shù)據(jù)福建省氣象局降雨數(shù)據(jù)1971—2005年7個(gè)雨量站日降水?dāng)?shù)據(jù)福建省水利局水文2000—2010年山美水庫流域日入庫流量和龍門灘月調(diào)水?dāng)?shù)據(jù)福建省水利局

1.2 數(shù)據(jù)來源

HSPF模型構(gòu)建需要的數(shù)據(jù)包括地形特征、土地利用數(shù)據(jù)、氣象水文數(shù)據(jù)等，具體的數(shù)據(jù)及來源如表1所示。

2 研究方法

2.1 水文模型的率定與驗(yàn)證

HSPF水文模型是由美國國家環(huán)境保護(hù)局1981年開發(fā)的半分布式流域水文模型，已經(jīng)廣泛應(yīng)用于氣候變化下水文響應(yīng)的相關(guān)研究[22-23]。本研究結(jié)合多目標(biāo)函數(shù)(豐水期日流量偏差、枯水期日流量偏差、月流量偏差、超流量天數(shù)偏差)利用PEST(Parameter Estimation)實(shí)現(xiàn)晉江流域HSPF的多目標(biāo)自動(dòng)率定，將2000—2005年作為率定期，2005—2010年作為驗(yàn)證期，并選用Nash效率系數(shù)(ENS)和誤差百分率(PBIAS)2個(gè)評(píng)價(jià)指標(biāo)對(duì)模型的模擬結(jié)果進(jìn)行綜合評(píng)價(jià)，具體過程見文獻(xiàn)[24]。在率定期，豐水期日流量NSE為0.78，PBIAS為-2.57%；枯水期NSE為0.25，PBIAS為-24.52%；在驗(yàn)證期，豐水期日流量NSE為0.89，PBIAS為-6.49%；枯水期日流量NSE為0.54，PBIAS為-16.79%。結(jié)果表明，HSPF模型能較好地模擬山美水庫流域豐枯期日徑流特征，應(yīng)用該模型進(jìn)行研究區(qū)氣候變化的水文響應(yīng)研究是可行的。

2.2 氣溫、降水和徑流預(yù)估

利用1973—2005年7個(gè)雨量站點(diǎn)的日降水和1個(gè)氣象站氣溫觀測(cè)數(shù)據(jù)與5個(gè)GCMs歷史時(shí)期模擬出來的日降水和氣溫進(jìn)行對(duì)比，發(fā)現(xiàn)月均降水模擬值與觀測(cè)值之間的相關(guān)系數(shù)r為0.991～0.999，RMSE為17.56～17.58，PBIAS為-13.17%～-13.20%；月均最高氣溫模擬值與觀測(cè)值之間的相關(guān)系數(shù)r為0.935～0.960，RMSE為3.80～5.29，PBIAS為-0.12%～6.23%；月均最低氣溫模擬值與觀測(cè)值之間的相關(guān)系數(shù)r為0.954～0.969，RMSE 2.79～3.40，PBIAS為-0.11%～-3.92%。其中5個(gè)GCM集合預(yù)估的月均降水模擬值與實(shí)測(cè)值的相關(guān)系數(shù)r為0.96，月均最高溫模擬值與實(shí)測(cè)值的PBIAS為-4.31%，月均最低溫模擬值與實(shí)測(cè)值RMSE為11.58，表明5個(gè)GCM模式對(duì)降水和氣溫的模擬良好。

基于已率定的HSPF模型，結(jié)合未來2020—2039年3種濃度典型路徑RCP2.6，RCP4.5和RCP6.0下的5個(gè)GCMs(GFDL-ESM2M、HadGEM2-ES、IPSL-CM5A-LR，MIROC-SEM-CHEM、NoerESM1-M)，模擬得到未來流域出口的日徑流量數(shù)據(jù)，并以1991—2010年實(shí)測(cè)徑流量為基礎(chǔ)值，對(duì)徑流的變化進(jìn)行分析。對(duì)于不同GCMs和RCPs導(dǎo)致的徑流預(yù)估的不確定性，使用標(biāo)準(zhǔn)偏差來衡量不同全球模式和典型濃度下預(yù)估結(jié)果的離散程度。

3 結(jié)果與分析

3.1 未來降水和氣溫的變化

表 2 未來年平均降水量相對(duì)于基準(zhǔn)期變化百分率/%Table 2 The projected change in annual average precipitation compared to baseline

情景/模式GFDLHadIPSLMIROCNoerGCMs均值RCP2.6 12.109.88-3.35-4.1617.646.42 RCP4.56.6111.343.59-4.122.614.81RCP6.0-0.9221.031.51-10.641.362.96RCP均值5.9314.120.58-6.317.20—

注：RCP2.6、RCP4.5、RCP6.0為典型濃度路徑 (Representative Concentration Pathways,簡稱 RCPs)的3種情景；GFDL、Had、IPSL、MIROC、Noer是全球氣候模式(Global Climate Models,簡稱GCM)的5種模式，下同。從集合平均結(jié)果來看，預(yù)估的年平均降水量較基準(zhǔn)期增加4.30%(表2)。就5個(gè)GCMs而言(3種RCPs下的均值)，除了MIROC模式下的降水量減少了-6.31%，其余模式均呈現(xiàn)增加趨勢(shì)，變化范圍在0.58%～14.12%，以Had模式下的降水量增加最為顯著，達(dá)到14.12%。就3種RCPs(5種GCMs下的均值)而言，預(yù)測(cè)的年平均降水量的變化范圍在2.96%～6.42%之間，以RCP2.6預(yù)估的降水增加最顯著，其次RCP4.5，最后為RCP6.0。此外，由RCPs和GCMs引起降水量變化的標(biāo)準(zhǔn)偏差分別為1.41和6.83，GCMs導(dǎo)致降水預(yù)估的不確定性要大于 RCPs。

從集合平均結(jié)果來看，預(yù)估的日最高溫度和最低溫度分別增加2.34 ℃和2.09 ℃(表3)。流域未來3種RCPs情景下(5個(gè)GCMs下的均值)，RCP6.0下日最高氣溫和日最低氣溫較基準(zhǔn)期的增幅均最小，分別增加了2.21 ℃和1.99 ℃；RCP2.6下日最高溫度的增幅最顯著，達(dá)到2.49 ℃；而RCP4.5下日最低溫度的增幅最大，達(dá)到2.17 ℃。5個(gè)GCMs(3種RCPs下的均值)，Had預(yù)估的最高溫和最低溫變化幅度最大，分別為3.10 ℃和2.80 ℃；Noer預(yù)估的最高溫和最低溫變化幅度最小，分別為1.67 ℃和1.73 ℃。由RCPs和GCMs引起的日最高溫變化的標(biāo)準(zhǔn)偏差分別為0.11和0.64，引起的日最低溫變化的標(biāo)準(zhǔn)偏差為0.07和0.37?？梢?，GCMs導(dǎo)致氣溫預(yù)估的不確定性要大于 RCPs。

表 3 未來最高溫和最低溫相對(duì)于基準(zhǔn)期的溫度變化/℃Table 3 The projected change in annual average temperature compared to baseline

3.2 預(yù)估月徑流量的變化

圖2給出了集合平均預(yù)估的月徑流量占年徑流量的百分比。與基準(zhǔn)期相比，未來月徑流量的變化幅度為-14.81%～71.06%。其中，1—5月份徑流相對(duì)于基準(zhǔn)期呈增加趨勢(shì)(20.00%～71.06%)，6—8月份徑流呈減少趨勢(shì)(-14.81%～-2.59%)，9—12月份徑流呈-4.23%的下降趨勢(shì)。相對(duì)其他季節(jié)，夏季徑流呈現(xiàn)顯著的減少趨勢(shì)(-18.21%～-2.59%)，這與夏季降水減少一致(-11.74%～2.6%)；此外，夏季最高溫度和最低溫度分別升高了1.26 ℃和1.21 ℃，造成蒸發(fā)量增加，這也會(huì)導(dǎo)致徑流量下降。在15種集合情景中，夏季徑流量最大值與最小值之間的變化范圍最大(6.12%～17.03%)，其次為春季(5.33%～7.55%)、秋季(2.55%～8.55%)以及冬季(1.37%～2.51%)，表明夏季徑流的預(yù)測(cè)存在著較大的不確定性。此外，從圖2(b)和(c)可以看出GCMs預(yù)測(cè)的不確定期性大于RCP；由RCPs和GCMs引起的月徑流變化的標(biāo)準(zhǔn)偏差分別為4.57和4.61，也表明GCMs導(dǎo)致徑流預(yù)估的不確定性要大于 RCPs。

注：(a)集合平均(MME)；(b)5種GCMs下的均值；(c)3個(gè)RCPs下的均值。圖 2 未來預(yù)估的月徑流量占年徑流量的比例Figure 2 Annual distribution of monthly runoff percentage

3.3 未來災(zāi)害風(fēng)險(xiǎn)分析

以1990—2010年的徑流量作為平均流量，利用徑流量距平百分率對(duì)研究區(qū)未來2020—2039年徑流變化的風(fēng)險(xiǎn)進(jìn)行評(píng)估，將距平百分?jǐn)?shù)大于或等于20%時(shí)對(duì)應(yīng)年份為澇災(zāi)年份，距平百分?jǐn)?shù)小于-20%時(shí)為旱災(zāi)年份[25]。從集合預(yù)估的結(jié)果來看未來災(zāi)害發(fā)生率達(dá)到53.13%，其中洪澇發(fā)生的頻率為32.5%，干旱發(fā)生的頻率為20.63%，洪澇的發(fā)生概率高于干旱。

此外，5個(gè)GCMs(3種RCPs下的均值)預(yù)估的災(zāi)害發(fā)生率在45%～55%之間，且洪澇發(fā)生的概率(33%)高于干旱(20%)。然而各模式預(yù)估結(jié)果存在顯著的差異，其中Had和IPSL模式下洪澇發(fā)生的年份多于干旱，而GFDL、MIROC和Noer干旱和洪澇發(fā)生的年份基本接近(表4)。3種RCPs情景下(5個(gè)GCMs下的均值)的模擬結(jié)果也表現(xiàn)為洪澇多于干旱，且結(jié)果基本接近，災(zāi)害發(fā)生率在50%～60%之間。同時(shí)由RCPs和GCMs引起的災(zāi)害年份變化的標(biāo)準(zhǔn)偏差別為1.28和1.82，由GCMs導(dǎo)致的災(zāi)害預(yù)估的不確定性更大。

4 結(jié)論與討論

采用CMIP5中的5 種GCMs在3種RCPs下氣候預(yù)估結(jié)果驅(qū)動(dòng)HSPF模型，定量評(píng)估了在未來2020—2039年山美水庫流域氣候變化特征及其對(duì)徑流量的影響。主要結(jié)論如下：

表 4 不同情景和模式下預(yù)估的未來旱澇情況/年Table 4 The drought and flood disaster in different GCMs and RCPs

情景/模式RCP2.6Rd≤-20%年數(shù)Rd≥20%年數(shù)RCP4.5Rd≤-20%年數(shù)Rd≥20%年數(shù)RCP6.0Rd≤-20%年數(shù)Rd≥20%年數(shù)RCPs均值Rd≥20%年數(shù)Rd≥20%年數(shù)GFDL91350104 5 Had38311373 9 IPSL11026342 7 MIROC7754766 6 Noer3955755 6 GCMs均值 574646——

(1)預(yù)估的平均年降水量較基準(zhǔn)期增加4.30%，年均日最高溫和日最低溫分別增加2.34 ℃和2.09 ℃。相對(duì)于氣溫，不同GCMs預(yù)估的降水結(jié)果差異更顯著，不僅在量級(jí)上存在并異，在預(yù)測(cè)方向上也存在不同。

(2)相對(duì)于基準(zhǔn)期的變化，未來月徑流量變化幅度為-14.81%～71.06%，其中1—5月份預(yù)估的模擬結(jié)果呈現(xiàn)出增加趨勢(shì)(20%～71.06%)，6—8月份呈下降趨勢(shì)(-14.81%～-2.59%)，9—12月份徑流在波動(dòng)中呈下降趨勢(shì)。此外，夏季徑流的變化幅度相對(duì)于其他季節(jié)更顯著。

(3)未來發(fā)生災(zāi)害的年份較多，災(zāi)害發(fā)生率達(dá)到53.13%，且發(fā)生洪澇的概率大于干旱。

(4)未來降水量、氣溫以及徑流量的變化預(yù)估中存在著一定的不確定性，尤其是降水量和徑流量的不確定性較大。 同時(shí)，與不同RCPs下的預(yù)估結(jié)果相對(duì)比，降水、氣溫以及徑流量預(yù)估的不確定性主要來源于GCMs。

(5)徑流預(yù)估的不確定性受多種因素組成，僅就GCMs和RCPs兩個(gè)方面分析了氣候變化對(duì)水文過程影響的不確定性。然而，對(duì)于來源于其他方面的不確定性，如水文模型(包括模型結(jié)構(gòu)、模型參數(shù)和模型輸入)、降尺度等方面的不確定性導(dǎo)致氣候變化水文響應(yīng)的不確定性，仍需要今后進(jìn)一步研究。