馬文靜,潘張榕,劉振路
(1.國(guó)家能源集團(tuán)技術(shù)經(jīng)濟(jì)研究院,北京 102211;2.華北電力大學(xué)教育部資源與環(huán)境系統(tǒng)優(yōu)化重點(diǎn)實(shí)驗(yàn)室,北京 102206)
氣候變化背景下的水文條件變化是當(dāng)今研究熱點(diǎn)[1]。全球氣候變暖趨勢(shì)的增大,未來(lái)水文條件變化不穩(wěn)定,導(dǎo)致地表河流徑流變化程度逐年增加[2]。研究未來(lái)天氣背景下河流徑流的變化,對(duì)維護(hù)水資源可持續(xù)利用有著重要意義[3]。
寧夏位于干旱半干旱地區(qū),水資源缺乏且分布不均勻。該地區(qū)人口大都集中在河流附近,水資源已經(jīng)成為社會(huì)經(jīng)濟(jì)發(fā)展的主要制約因素[4]。其境內(nèi)最大的黃河支流清水河多年平均地表水可用量?jī)H為0.7億m3[5]。在氣候的變化下導(dǎo)致清水河流域內(nèi)地表水年際變化大且年內(nèi)分配不均,且多以洪水形式出現(xiàn),開發(fā)利用難度大。目前國(guó)內(nèi)已有部分學(xué)者針對(duì)清水河流域氣候變化展開相關(guān)研究,如李帥[6]在對(duì)清水河所在的寧夏黃河流域研究時(shí)發(fā)現(xiàn)該流域內(nèi)的降水整體呈現(xiàn)減少趨勢(shì),氣溫整體呈現(xiàn)增加趨勢(shì),其中清水河所在的流域南部降水下降變化最為明顯;何志潤(rùn)[7]在研究過(guò)程中提出清水河流域降水分布不均,且溫度高、蒸發(fā)量大,流域內(nèi)降水由南向北遞減且年際變化差異性較大,北部中寧中衛(wèi)等地是寧夏年平均氣溫最高的地區(qū),多年平均蒸發(fā)量約為多年平均降水量的8倍。研究氣候變化背景下清水河徑流的變化,可以為該區(qū)域的經(jīng)濟(jì)發(fā)展、防洪減災(zāi)、水資源規(guī)劃、利用及管理提供數(shù)據(jù)支撐。
針對(duì)清水河流域水資源變化趨勢(shì),國(guó)內(nèi)已有部分學(xué)者對(duì)清水河徑流變化進(jìn)行研究,張華等[8]在考慮人工措施的干預(yù)的條件下使用MIKE 11 RR中NAM模型模擬了清水河流域內(nèi)的降雨產(chǎn)流過(guò)程,研究得出近年來(lái)下游徑流量增加,并且發(fā)現(xiàn)揚(yáng)黃灌溉是清水河徑流量增加的主要因素;李帥[6]使用SWAT模型預(yù)測(cè)了清水河在不同土地利用情景和氣候變化情境下的徑流量變化,結(jié)果表明流域徑流量在幾種氣候變化情景中均呈減小變化,降水減少和氣溫升高對(duì)流域徑流影響最為顯著,其中降水起主導(dǎo)作用,而在未來(lái)幾種土地利用情景下徑流量均將會(huì)出現(xiàn)較大程度地增大。
目前,耦合氣候模式與水文模型的流域徑流變化研究已經(jīng)較為成熟,如蔡文君等[9]對(duì)CORDEX(Coordinated Regional Downscaling Experiment)數(shù)據(jù)集中2種模式的氣象數(shù)據(jù)與SWAT模式相結(jié)合研究了氣候變化對(duì)碧流河流域徑流的影響,為防洪部門調(diào)度策略的制定提供了信息;Olaoye等[10]使用SWAT與3個(gè)全球氣候模式集合的氣象數(shù)據(jù)評(píng)估了21世紀(jì)末俄亥俄州某河流的水質(zhì)變化;Das等[11]將GCM全球氣候模式與SWAT模型耦合,評(píng)估了未來(lái)2種情境下澳大利亞亞拉河流域水文變化,結(jié)果表明該流域徑流量將減少。目前的研究多采用空間分辨率較大的GCM(General Circulation Models)全球氣候模式或CORDEX氣候模式,基于PRECIS區(qū)域氣候模式與水文模型耦合應(yīng)用的相關(guān)研究較少。
PRECIS(Providing Regional Climates for Impacts Studies)是一種廣泛應(yīng)用的區(qū)域氣候模式,對(duì)局部地區(qū)氣候變化的預(yù)測(cè)精度較高[12-13]。自引入中國(guó)以來(lái),PRECIS在降水、溫度、輻射等多種氣象要素的預(yù)測(cè)中提供了精確的高分辨率信息[14-15],比如,郭智亮等[16]使用概率分布訂正方法[17]修訂了PRECIS在SRES A1B情景下的輸出數(shù)據(jù),并預(yù)報(bào)分析了珠江流域2021—2050年的降水變化,發(fā)現(xiàn)珠江流域總體降水量呈現(xiàn)增加趨勢(shì),且波動(dòng)性變化較大,容易造成干旱、洪澇災(zāi)害。此外,PRECIS在國(guó)外很多地區(qū)也得到了廣泛應(yīng)用[18-20],Zhang等[21]使用PRECIS預(yù)測(cè)了北美洲五大湖盆地區(qū)域21世紀(jì)中期和末期的降水、溫度的變化,預(yù)計(jì)21世紀(jì)中葉,全流域年平均氣溫將高出2.1~4.0℃,21世紀(jì)末將高出3.3~6.0℃,降水量估計(jì)值在21世紀(jì)中期和后期分別增加3.0%~16.5%、2.9%~21.6%。
SWAT(Soil and Water Assessment Tool)模型因?yàn)榭梢暂^好地模擬天然的徑流過(guò)程,發(fā)現(xiàn)徑流變化與氣候變化之間的聯(lián)系[22],因此是進(jìn)行氣候水文耦合應(yīng)用的常用水文模型之一[23],它可以廣泛應(yīng)用于不同地區(qū)、不同類型、不同管理方式的復(fù)雜流域內(nèi),目前已有學(xué)者證明在西北寒區(qū)[24]、黃河源區(qū)[25]、黃土高原[26]等多個(gè)區(qū)域該模式均適用,也有學(xué)者將其應(yīng)用在加拿大和北美寒區(qū)等地區(qū)[27-28]。
綜上所述,大多數(shù)學(xué)者采用空間分辨率較大的氣象數(shù)據(jù)驅(qū)動(dòng)SWAT模型來(lái)預(yù)測(cè)未來(lái)徑流變化,導(dǎo)致對(duì)區(qū)域較小的清水河流域的未來(lái)變化預(yù)測(cè)誤差較大,且目前針對(duì)清水河流域使用精度較高的區(qū)域氣候模式數(shù)據(jù)驅(qū)動(dòng)水文模型開展流域水文的研究相對(duì)較少。因此,結(jié)合PRECIS區(qū)域氣候模式在局部地區(qū)精度較高的優(yōu)點(diǎn),本文使用SWAT水文模型耦合PRECIS區(qū)域氣候模式未來(lái)寧夏清水河徑流變化進(jìn)行研究,探究PRECIS區(qū)域氣候模式在清水河流域的適用性,研究結(jié)果可為清水河流域生態(tài)保護(hù)以及規(guī)劃管理提供信息。
寧夏清水河發(fā)源于六盤山東麓固原市原州區(qū)開城鎮(zhèn)黑刺溝腦,向北流經(jīng)固原市的原州區(qū)、西吉縣,中衛(wèi)市的海原縣、沙坡頭區(qū)、中寧縣和吳忠市的同心縣、紅寺堡區(qū)等區(qū)縣,于泉眼山西側(cè)注入黃河,全長(zhǎng)303 km。在寧夏境內(nèi)流域地理位置在35°53′~37°28′N,105°12′~106°38′E,面積13 511 km2,是寧夏境內(nèi)最大的黃河一級(jí)支流(圖1)[29]。
圖1 清水河流域
清水河流域內(nèi)80%的地區(qū)屬溫帶半干旱氣候區(qū),多年平均降水量為335 mm,時(shí)空分布不均勻,夏季月份降水最多,約占全年降水量的70%,自下游至上游降水為200~600 mm、多年平均蒸發(fā)量1 000~1 400 mm。清水河水量少、水質(zhì)差且水土流失嚴(yán)重。流域內(nèi)地表水資源區(qū)域分布不均,年際變化大且年內(nèi)分配不均,大部分徑流集中在汛期,容易造成洪澇災(zāi)害,開發(fā)利用難度大。在全球氣候變暖背景下,清水河流域?qū)⒚媾R著更多的不確定因素,徑流變化將會(huì)對(duì)流域內(nèi)的農(nóng)業(yè)、電力等部門產(chǎn)生重要影響。
使用的地形數(shù)據(jù)為地理空間數(shù)據(jù)云平臺(tái)SRTMDEMUTM 90M分辨率數(shù)字高程數(shù)據(jù)(Digital Elevation Model,DEM),中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)云平臺(tái)1 km分辨率土地利用數(shù)據(jù)和寒區(qū)旱區(qū)科學(xué)數(shù)據(jù)中心1 km分辨率世界土壤數(shù)據(jù)庫(kù)(HWSD V1.1)數(shù)據(jù)。
氣象觀測(cè)數(shù)據(jù)為氣象數(shù)據(jù)共享網(wǎng)站點(diǎn)數(shù)據(jù),具體站點(diǎn)信息見(jiàn)表1。除了觀測(cè)數(shù)據(jù)以外,還使用了分辨率為0.25°×0.25°的CN05.1格點(diǎn)數(shù)據(jù)集,分辨率為0.22°×0.22°(~25 km)。
表1 清水河站點(diǎn)數(shù)據(jù)
PRECIS是由英國(guó)氣象局Hadley氣候預(yù)測(cè)與研究中心開發(fā)的高分辨率動(dòng)力降尺度模型,水平分辨率為50 km或25 km,在模擬中國(guó)溫度和降水方面得到了廣泛使用[30]。使用Hadley氣候中心的全球氣候模型HadGEM2-ES作為橫向邊界條件進(jìn)行區(qū)域降尺度實(shí)驗(yàn),大氣分辨率為1.875°×1.250°,垂直分辨率為38個(gè)等級(jí),大氣分辨率為1.875°×1.250°,大氣和陸地的時(shí)間分辨率是30 min。區(qū)域氣候模式PRECIS空間分辨率為0.22°×0.22°(~25 km),本研究在SSP-RCP4.5和SSP-RCP8.5未來(lái)氣候情景下模擬21世紀(jì)中期(2021—2050年)和世紀(jì)末期(2070—2099年)的溫度和降水時(shí)空變化。
在驗(yàn)證方面,選擇分辨率為0.25°×0.25°的CN05.1格點(diǎn)數(shù)據(jù)集作為觀測(cè)數(shù)據(jù)。該數(shù)據(jù)集是基于2 416個(gè)中國(guó)地面氣象站觀測(cè)數(shù)據(jù)空間插值得到,選取了1986—2005年的日溫度、降水?dāng)?shù)據(jù)作為基準(zhǔn)期的驗(yàn)證數(shù)據(jù)。為驗(yàn)證模型性能,相鄰水文氣象站的格點(diǎn)數(shù)據(jù)作為PRECIS模擬的歷史結(jié)果。
SWAT模型是由美國(guó)農(nóng)業(yè)部開發(fā)的半分布式水文模型,在水量水質(zhì)及泥沙點(diǎn)源等研究中應(yīng)用廣泛。SWAT模型采用Nash-Sutcliffe效率系數(shù)(NSE)和決定系數(shù)(R2)評(píng)估模擬結(jié)果的精度,具體公式如下:
NSE=1
(1)
(2)
NSE的取值范圍為[-∞,1],NSE越接近1,模型可信度越高;NSE的絕對(duì)值越接近0,模擬結(jié)果越接近觀測(cè)值的平均值水平,即總體結(jié)果可信,但過(guò)程模擬誤差大;若遠(yuǎn)遠(yuǎn)小于0,則模型不可信。R2的范圍為0~1,越大模擬效果越好。
3.1.1歷史溫度驗(yàn)證
圖2顯示了歷史階段清水河流域年平均溫度的空間分布的模擬與驗(yàn)證情況。清水河流域年平均溫度為6.5~9.0℃,PRECIS對(duì)清水河區(qū)域溫度整體呈現(xiàn)低估的趨勢(shì),低估主要存在于流域東部和西部的小部分地區(qū),而對(duì)流域北部的模擬效果較好。這可能與清水河流域地形有關(guān),在平坦的北部流域地區(qū)模擬較好,而在海拔相對(duì)較高的地區(qū),誤差較大。
圖2 年平均溫度空間分布模擬值與觀測(cè)值對(duì)比結(jié)果示意
PRECIS對(duì)季節(jié)平均溫度的空間分布特性的模擬效果見(jiàn)圖3,冬季模擬效果較好,誤差在-0.4℃以內(nèi),而秋季的模擬值低估最多。從空間分布上,北部低估較小,而東部和西部地區(qū)低估較多,同時(shí)反映出干流地區(qū)模擬效果較好,而支流區(qū)域低估較多的趨勢(shì)。
3.1.2歷史降水驗(yàn)證
對(duì)基準(zhǔn)期清水河流域年日平均降水的空間分布進(jìn)行模擬與驗(yàn)證,見(jiàn)圖4。降水高估主要存在于流域西部和東部部分地區(qū),對(duì)流域中部干流區(qū)域的模擬誤差為±0.2 mm。
圖4 年日平均降水空間分布模擬值與觀測(cè)值對(duì)比結(jié)果示意
PRECIS對(duì)季節(jié)平均降水的空間分布特性的模擬效果見(jiàn)圖5。PRECIS對(duì)春季、秋季、冬季平均降水量存在高估,而夏季降水量存在低估。其中,冬季模擬效果較好,誤差約為0~0.4 mm,而春季、秋季的模擬值高估較多。從空間分布上,北部偏差較小,而東部和西部地區(qū)偏差較多。
圖5 季節(jié)平均降水空間分布模擬值與觀測(cè)值的對(duì)比
3.2.1未來(lái)溫度時(shí)空變化
3.2.1.1時(shí)間特性變化
PRECIS預(yù)報(bào)的溫度變化見(jiàn)圖6。清水河流域在21世紀(jì)的平均溫度整體呈上升趨勢(shì),且在SSP8.5情景下的升溫趨勢(shì)要明顯大于SSP4.5情景。尤其是從21世紀(jì)中期開始,清水河流域的溫度年際變化開始呈現(xiàn)明顯增強(qiáng)的趨勢(shì),在SSP8.5情景下趨勢(shì)更加顯著。
圖6 21世紀(jì)溫度年際變化
2021—2050年,清水河流域月平均溫度不存在明顯的變化。圖7所示,在2070—2099年SSP4.5情景和SSP8.5情景下所有月份溫度都呈現(xiàn)升高趨勢(shì),且SSP8.5的變化趨勢(shì)更明顯。從月份上看,夏季月份(6—8月)溫度升幅更為顯著。
3.2.1.2空間特性變化
在2021—2050年的SSP4.5情景下,清水河平均氣溫將升高約0.5~0.7℃,SSP8.5情景下升高約0.6~0.9℃。圖8所示,從空間上看,由西北向東南,升溫幅度逐漸增加。在2070—2099年,SSP4.5情景下平均氣溫升高約1.6~1.8℃,SSP8.5情景下升高約3.3~3.5℃,流域西部是升溫幅度最大的地區(qū)。
圖8 21世紀(jì)中期、末期清水河流域平均溫度空間分布變化
3.2.2未來(lái)降水時(shí)空變化
3.2.2.1時(shí)間特性變化
圖9所示,在SSP8.5情景下,清水河流域年降水量呈現(xiàn)弱增的趨勢(shì),而SSP4.5情景下21世紀(jì)年降水量基本保持平穩(wěn)。21世紀(jì)末,清水河地區(qū)降水的年際變化呈現(xiàn)增強(qiáng)的趨勢(shì),在SSP8.5情景下,一些年份降水量可能出現(xiàn)驟增。
圖9 21世紀(jì)降水年際變化
2021—2050年,除秋季月份(9—11月)降水量減少顯著,其他月份降水量變化不大。在2070—2099年SSP4.5情景和SSP8.5情景下所有月份降水均低于基準(zhǔn)期,且SSP4.5情景相比SSP8.5情景降水量下降更多。從月份上看,9—10月降水量減小明顯(圖10)。
a)世紀(jì)中期
3.2.2.2空間特性變化
圖11所示,在2021—2050年,SSP4.5情景下降水減少約25%,SSP8.5情景下減少約22%。從空間上看,由西北向東南,降水減少的幅度逐漸增加。在2070—2099年,SSP4.5情景下降水減少24%~28%,SSP8.5情景下減少約6%~10%,流域西部和東部是降水幅度較大的區(qū)域。
圖11 21世紀(jì)中期、末期降水空間分布變化
3.3.1模型率定
在SWAT-CUP工具中,以2007—2009年為預(yù)熱期,2010—2013年為率定期,2014—2016年為驗(yàn)證期,在進(jìn)行參數(shù)敏感性分析后,對(duì)參數(shù)進(jìn)行了率定,完成對(duì)模型的校準(zhǔn)工作。以表1中5個(gè)氣象站點(diǎn)的實(shí)測(cè)值為模型輸入的氣象數(shù)據(jù),泉眼山水文站數(shù)據(jù)為水文數(shù)據(jù)對(duì)模型進(jìn)行校準(zhǔn),校準(zhǔn)結(jié)果見(jiàn)表2、圖12。由結(jié)果可知,在模型率定期泉眼山水文站月徑流量決定系數(shù)R2為0.72,效率系數(shù)NSE為0.64,表明模型率定參數(shù)的結(jié)果較好。
表2 率定期(2010—2013年)月徑流模擬結(jié)果評(píng)價(jià)
圖12 2010—2013年徑流率定結(jié)果
3.3.2模型驗(yàn)證
通過(guò)對(duì)已經(jīng)率定校準(zhǔn)后的模型進(jìn)行驗(yàn)證,可以檢驗(yàn)?zāi)P驮谇逅恿饔虻倪m用性。泉眼山站點(diǎn)2014—2016年的月徑流驗(yàn)證結(jié)果見(jiàn)表3、圖13。
表3 驗(yàn)證期(2014—2016年)月徑流模擬結(jié)果評(píng)價(jià)
圖13 2014—2016年徑流驗(yàn)證結(jié)果
從清水河流域徑流率定期和驗(yàn)證期結(jié)果來(lái)看,NSE和R2均大于0.5,說(shuō)明SWAT模型在清水河流域具有一定的適用性。
3.4.1世紀(jì)中期徑流預(yù)測(cè)
在SSP4.5和SSP8.5模式下,對(duì)21世紀(jì)中期流域多年月均徑流進(jìn)行模擬,結(jié)果見(jiàn)圖14、15。圖14a中2種氣候情景下,徑流的變化主要發(fā)生在4—9月,其中在7—9月的徑流量都達(dá)到最大且SSP8.5情景下的變化趨勢(shì)較大,這與清水河地區(qū)降雨量空間分布不均,降水集中在7—9月的趨勢(shì)相一致。圖15a中2個(gè)模式間的徑流量的變化差別不大,隨著未來(lái)溫度的升高,降雨量的下降,對(duì)未來(lái)徑流量的影響是比較大的,尤其是7—9月,溫度升高,降雨量減少,直接影響了這一時(shí)間段的徑流量。
3.4.2世紀(jì)末期徑流預(yù)測(cè)
21世紀(jì)末期流域多年月均徑流及其變化見(jiàn)圖14、15。從圖14b可知,主要徑流變化依然發(fā)生在7—9月。隨著模擬時(shí)間的增加,基于SSP8.5的模擬徑流量開始與SSP4.5的模擬徑流量產(chǎn)生區(qū)別。其中最主要的原因可能是相較于SSP4.5情景,在SSP8.5的情景下,對(duì)21世紀(jì)末期的降水預(yù)測(cè)值更高,因而產(chǎn)生的模擬徑流量會(huì)比SSP4.5增加。但是,從圖15b可以看出,雖然在SSP8.5情景下,模擬徑流量會(huì)有所增加,但是相比于21世紀(jì)初期,徑流量依然是減少狀態(tài),這與21世紀(jì)末期溫度升高,降雨量減少的趨勢(shì)是一致的。
綜上,在21世紀(jì)中期和末期清水河徑流量在不同情景下每年夏季月份(7—9月)量會(huì)相對(duì)增加,但整體呈現(xiàn)下降趨勢(shì),這與PRECIS預(yù)測(cè)的清水河流域未來(lái)溫度增加、降水減少的結(jié)果一致,溫度的增加和江水的減少也是導(dǎo)致清水河未來(lái)徑流量下降的原因。
a)21世紀(jì)中期
b)21世紀(jì)末期
a)21世紀(jì)中期
通過(guò)分析SWAT模型模擬結(jié)果,發(fā)現(xiàn)校準(zhǔn)后的SWAT模型在清水河流域的模擬結(jié)果與實(shí)測(cè)值有些許偏差,導(dǎo)致偏差出現(xiàn)的原因大概有以下幾個(gè)方面:一是研究區(qū)域面積較小,模型誤差對(duì)于模擬結(jié)果來(lái)說(shuō)影響更不可忽視;二是受到當(dāng)?shù)刂脖画h(huán)境的影響,清水河地區(qū)植被覆蓋度高,當(dāng)?shù)刂参镎{(diào)節(jié)作用較強(qiáng);三是本文所使用的數(shù)據(jù)尺度較短,一定程度上也限制了水文模型的校正上限。
通過(guò)PRECIS對(duì)氣候變化的預(yù)測(cè)中可以發(fā)現(xiàn)未來(lái)該流域溫度將會(huì)增高,降水將會(huì)減少,從而導(dǎo)致SWAT模型預(yù)測(cè)清水河未來(lái)徑流量下降。雖然本文預(yù)測(cè)了未來(lái)清水河徑流量的變化,但仍具有一定的不確定性。首先是未來(lái)氣候變化預(yù)測(cè)本身具有不確定性;對(duì)于氣候模式的不確定性,本文使用CN05.1再分析資料驗(yàn)證了區(qū)域氣候模式的準(zhǔn)確性,驗(yàn)證模式結(jié)果的準(zhǔn)確性。其次是SWAT水文模型也具有不確定性,其不確定性來(lái)自模型調(diào)參所帶來(lái)的不確定性,通過(guò)SWAT-CUP軟件對(duì)水文模型相關(guān)參數(shù)進(jìn)行率定,從而使得水文模型模擬精度符合模擬要求。
流域在SSP4.5和SSP8.5兩種情景下21世紀(jì)中末期溫度出現(xiàn)增加趨勢(shì),降水呈現(xiàn)減少趨勢(shì),這也是導(dǎo)致將未來(lái)氣象數(shù)據(jù)輸入SWAT模型后,預(yù)測(cè)出清水河徑流量減少的原因,這一結(jié)果與李帥[6]的預(yù)測(cè)結(jié)果一致。相比之下,SSP8.5情景下未來(lái)溫度增加趨勢(shì)更加明顯,而SSP4.5情景下的降水減少趨勢(shì)較大,但預(yù)測(cè)的SSP8.5情景的世紀(jì)中期和末期徑流量大于SSP4.5情景,這說(shuō)明了降水減少對(duì)徑流量減少的影響更加明顯。
通過(guò)耦合SWAT模型與PRECIS區(qū)域氣候模式,研究了在SSP4.5和SSP8.5情景下清水河在2021—2050、2070—2099年的徑流量變化,結(jié)論如下。
a)PRECIS基本可以模擬出清水河流域內(nèi)溫度、降水的變化,并且可以模擬出溫度和降水不同季節(jié)間的特征,雖然在部分區(qū)域模擬結(jié)果存在誤差,但誤差較小,可以用于未來(lái)氣候的模擬預(yù)測(cè)。
b)構(gòu)建的清水河流域的SWAT模型,在率定期和驗(yàn)證期的決定系數(shù)、效率系數(shù)較高,表明模型模擬效果較好,具有一定的適用性。
c)在2種未來(lái)情景下,溫度將會(huì)增加,降水將會(huì)減少,從而導(dǎo)致未來(lái)清水河徑流量將會(huì)減少。
在氣候變化的背景下,可以通過(guò)調(diào)整流域管理措施,在流域內(nèi)植樹造林等措施來(lái)緩解未來(lái)氣溫和降水對(duì)清水河徑流量的影響。本研究也可以在一定程度上為西北清水河流域內(nèi)的規(guī)劃管理以及保護(hù)措施的制定提供幫助。