高希超，馬 沖，朱冠天，朱 仟，許月萍

(1.浙江大學(xué)建筑工程學(xué)院水文水資源研究所， 浙江杭州 310058; 2.浙江省水文局，浙江杭州 310009)

1 背景介紹

21世紀(jì)以來(lái)，氣候變化引發(fā)的極端水文事件如洪澇災(zāi)害、干旱等有愈來(lái)愈嚴(yán)重的趨勢(shì)，已引起政府、學(xué)者及民眾的廣泛關(guān)注[1]。國(guó)內(nèi)外專家、學(xué)者對(duì)氣候變化對(duì)水文水資源的影響評(píng)估作出了比較詳實(shí)的論述。張建云[2]從防洪安全、供水安全、水生態(tài)環(huán)境安全和水工程安全四個(gè)方面闡述了氣候變化對(duì)中國(guó)水安全的可能影響。王國(guó)慶等[3]采用流域水文模擬方法分析評(píng)估了氣候變化和人類活動(dòng)對(duì)徑流量的影響。Richard等[4]評(píng)估了最新一代的氣候情景模式，為后續(xù)氣候變化的研究提供了新的思路并奠定了理論基礎(chǔ)。然而關(guān)于氣候變化對(duì)枯水徑流的影響研究特別是在歷史降雨比較充分地區(qū)的文章卻鮮有發(fā)表。近年來(lái)浙江省幾乎每年都會(huì)出現(xiàn)旱情，枯水季水資源嚴(yán)重缺乏，部分地區(qū)甚至出現(xiàn)用水危機(jī)。因此氣候變化對(duì)枯水徑流的影響同樣應(yīng)該引起重視。

對(duì)于不同的研究方向，枯水徑流有著不同的含義。在某些研究中，枯水徑流被認(rèn)為是每年旱季中河流的實(shí)際徑流，也有研究把重點(diǎn)放在兩次枯水間隔出現(xiàn)的時(shí)間和環(huán)境，或者其對(duì)整個(gè)河濱生態(tài)環(huán)境的影響[5]。WMO (世界氣象組織)曾經(jīng)把枯水徑流定義為超長(zhǎng)干旱天氣中河流中的徑流，但Smakhtin[5]認(rèn)為，枯水徑流是一種季節(jié)性的現(xiàn)象，是整個(gè)徑流體系中不可分割的一部分，從而把它與干旱區(qū)分開(kāi)來(lái)。

研究選取了錢(qián)塘江流域的子流域金華江流域作為研究區(qū)域，以1975-2004年作為基準(zhǔn)期，2071-2100年為預(yù)測(cè)期，使用多站統(tǒng)計(jì)降尺度工具GIST來(lái)模擬未來(lái)的降雨和溫度，再使用集總式水文模型GR4J來(lái)模擬金華江流域的徑流，并利用枯水指數(shù)7Q10和30Q10來(lái)分析氣候變化對(duì)金華江流域枯水的影響。

2 研究方法

2.1 數(shù)據(jù)來(lái)源

是錢(qián)塘江流域的一部分，位于北緯28.25°-29.75°，東經(jīng)119.25°-120.75°之間。流域中五個(gè)水文站金華、武義、義烏、東陽(yáng)和永康有長(zhǎng)系列實(shí)測(cè)數(shù)據(jù)。金華江流域總面積約5 996 km2，基準(zhǔn)期年均降雨量在1 600 mm左右，降雨多集中在5-7月。流域?qū)儆趤啛釒Ъ撅L(fēng)氣候，夏季高溫多雨，冬季干燥寒冷。流域全年平均溫度17.5 ℃，最高溫度超過(guò)40 ℃，最低溫度低于0 ℃[6]。流域的主要河流金華江是錢(qián)塘江的支流之一，發(fā)源于磐安縣龍烏尖，匯于衢江。河流全長(zhǎng)達(dá)到195 km，河流比降為3%。

本文的研究數(shù)據(jù)分為2個(gè)部分:① 金華江流域基準(zhǔn)期的實(shí)測(cè)日數(shù)據(jù)，包括降雨、徑流、最高溫度和最低溫度。② CMIP5中Hadgem2_ES模型的全球氣候模式模擬結(jié)果，數(shù)據(jù)包括降雨、最高溫度和最低溫度的月均值。CMIP5 數(shù)據(jù)包含了4個(gè)典型濃度路徑情景，即RCP2.6，RCP4.5, RCP6.0以及RCP8.5。RCP2.6情景假定全球平均溫度上升被限制在2.0 ℃之內(nèi)，其中21世紀(jì)后半葉能源應(yīng)用為負(fù)排放。輻射強(qiáng)迫在2100年之前達(dá)到峰值3 W/m2，到2100年下降至2.6 W/m2。二氧化碳濃度在達(dá)到峰值49 μg/g 后下降。RCP4.5情景中，2100年時(shí)輻射強(qiáng)迫穩(wěn)定在4.5 W/m2，二氧化碳濃度穩(wěn)定在65 μg/g 。RCP6.0情景表示在2100年之后，輻射強(qiáng)迫穩(wěn)定在6 W/m2，二氧化碳濃度穩(wěn)定在85 μg/g 。RCP8.5情景下，2100年的輻射強(qiáng)迫達(dá)到8.56 W/m2，且上升不會(huì)停止，二氧化碳濃度達(dá)到137 μg/g[7]。

2.2 GIST模型

GIST是由美國(guó)佛羅里達(dá)大學(xué)的Baigorria等[8]開(kāi)發(fā)的多站統(tǒng)計(jì)降尺度工具。在本文中，GIST用于計(jì)算預(yù)測(cè)期的降雨與溫度。與傳統(tǒng)的統(tǒng)計(jì)降尺度工具不同，GIST考慮了不同站點(diǎn)降雨量之間的空間相關(guān)性。相關(guān)系數(shù)ρij被用來(lái)表示各站點(diǎn)之間降雨的相關(guān)系。ρij的計(jì)算公式為[8]：

(1)

式中，η是降雨時(shí)間序列的長(zhǎng)度，χi和χj是不同站點(diǎn)某一天的降雨量，μi和μj不同站點(diǎn)的降雨均值，σi和σj則是方差。

降雨的產(chǎn)生分為兩個(gè)階段，第一階段是計(jì)算降雨事件是否發(fā)生，第二階段是計(jì)算其降雨量。降雨事件是否發(fā)生通過(guò)初始邊界條件和率定的參數(shù)，以及后續(xù)的重取樣和二階馬爾科夫鏈確定。降雨事件確定后，再通過(guò)式(2)確定降雨量。

(2)

GIST基本輸入包括歷史的降雨和最高最低溫的時(shí)間序列和Change Factor[9]，輸出是未來(lái)的降雨和最高最低溫度。計(jì)算結(jié)果表明，GIST能很好模擬流域的未來(lái)降雨，并能較好的保留不同水文站降雨的空間相關(guān)性。目前，各種天氣發(fā)生器都能較好的模擬溫度。同樣，GIST溫度模擬的準(zhǔn)確性非常高，這里不再描述。

2.3 水文模型GR4J

GR4J模型是一個(gè)概念性水文模型，被廣泛用于水文模擬[10]。

GR4J共有4個(gè)參數(shù)，分別為蓄水容量X1，地下水交換系數(shù)X2，前一天的地下水容量X3，水文過(guò)程線的時(shí)間基準(zhǔn)X4。其主要輸入是降雨，徑流和潛蒸發(fā)。率定過(guò)程中，以Nash效率系數(shù)為主要目標(biāo)函數(shù)來(lái)判斷率定效果的好壞。GR4J的模型結(jié)構(gòu)如圖1所示[11]。圖中Pn凈雨量，Es為實(shí)際蒸散發(fā)量，Perc為下滲水，UH1和UH2為控制過(guò)程單位線，Q為最終的徑流。

在該模型中，未來(lái)的降雨由GIST模型模擬所得，潛蒸發(fā)則由HARGREAVES法計(jì)算而得[12]。計(jì)算公式如公式(3)下所示。公式中，其中Ra為日輻射量，單位為mm/d ，Tmax、Tmin分別最日最大溫度和日最小溫度，單位為℃。C取0.0023，E取0.5，T取17.8。

ETH=C·Ra·(Tmax-Tmin)E·

(3)

圖1 GR4J模型結(jié)構(gòu)圖Fig.1 Model structure of GR4J model

3 結(jié) 果

3.1 GIST計(jì)算結(jié)果

在本文中，GIST用來(lái)模擬未來(lái)的降雨量和溫度。選取1975-2004年為模擬的基準(zhǔn)期。基準(zhǔn)期的歷史數(shù)據(jù)用于率定GIST的參數(shù)。由于作為多站統(tǒng)計(jì)降尺度方法，模擬和實(shí)測(cè)的相關(guān)系數(shù)被用來(lái)評(píng)估GIST模擬的效果。比較結(jié)果見(jiàn)圖2。這里，歷史數(shù)據(jù)和基準(zhǔn)期內(nèi)模擬值的月均值比較采用了由泰森多邊形計(jì)算的面雨量和平均溫度比較，結(jié)果如圖3和4所示。

圖2 基準(zhǔn)期金華江流域各站點(diǎn)降雨量實(shí)測(cè)值與模擬值相關(guān)系數(shù)比較Fig.2 Pearson’s correlations of daily precipitation in baseline period

圖3 基準(zhǔn)期金華江流域?qū)崪y(cè)月面雨量與模擬月面雨量比較Fig.3 Comparison of the daily precipitation of the Jinhua River Basin in baseline period

圖4 基準(zhǔn)期金華江流域?qū)崪y(cè)溫度月均值與模擬溫度月均值比較Fig.4 Comparison of the daily temperature of the Jinhua River Basin in baseline period

從圖中可以看出，金華江流域的5個(gè)水文站降雨量具有較高的空間相關(guān)性，而GIST的模擬結(jié)果較好的保留了這些空間相關(guān)性。從降雨量的月均值來(lái)看，盡管模擬值相對(duì)于實(shí)測(cè)值略有偏小，但接近實(shí)測(cè)值。而變化趨勢(shì)則和實(shí)測(cè)值完全一致。從圖中可以看出，溫度的模擬值和實(shí)測(cè)值幾乎完全重疊。這表明，GIST能很好地完成降雨和溫度的模擬，這些值用于下一步徑流的模擬工作。

3.2 GR4J率定結(jié)果

選取1975-1984年10 a的徑流歷史數(shù)據(jù)來(lái)率定GR4J的參數(shù)，選取1985-1994年為驗(yàn)證期。4個(gè)參數(shù)的取值范圍見(jiàn)表1[11]。

表1 GR4J參數(shù)邊界Table 1 Ranges of parameters of GR4J

率定過(guò)程中，選取NS效率系數(shù)作為主要目標(biāo)函數(shù)，采用自動(dòng)率定。為了更好的評(píng)估模型對(duì)枯水的模擬，還計(jì)算了NS效率系數(shù)的對(duì)數(shù)形式[13]。采用相對(duì)誤差RVE反映徑流模擬值與實(shí)際值的關(guān)系,并計(jì)算了均方根值RMSE。

計(jì)算結(jié)果表明模型率定期和驗(yàn)證期的NS效率系數(shù)都高于0.8，徑流對(duì)數(shù)形式下的NS效率系數(shù)也都達(dá)到了0.8，率定期和驗(yàn)證期RMSE分別為1.11和1.38，即該模型能有效的模擬徑流，且在枯水模擬方面也有較好的效果。從RVE來(lái)看，GR4J模型對(duì)金華江流域的模擬值比實(shí)際值要偏小。為了更直觀的了解徑流模擬情況，選取比較有代表性的1983年比較流域徑流的模擬值和實(shí)測(cè)值(圖5)。

圖5 1983年金華江流域徑流GR4J模型實(shí)測(cè)值與模擬值比較Fig.5 Comparison of daily flow at Jinhua station in 1983

3.3 枯水指數(shù)分析

對(duì)枯水徑流進(jìn)行頻率分析方法有很多種，枯水指數(shù)分析是其中應(yīng)用最普遍的一種。常見(jiàn)的枯水指數(shù)，7Q2,7Q5，7Q10，7Q20等在工程應(yīng)用和政策制定中發(fā)揮著重要的作用。指數(shù)中，7指7天連續(xù)徑流，后面的數(shù)字則是特定的回歸期。如7Q10是指10年一遇的7 d連續(xù)枯水徑流的平均值。此外，還有一些根據(jù)不同連續(xù)天數(shù)制定的枯水指數(shù),如30Q10，4Q3，90Q10等。本文選取了7Q10和30Q10作為標(biāo)準(zhǔn)分析未來(lái)的枯水指數(shù)。7Q10的應(yīng)用較為廣泛，如枯水設(shè)計(jì)參考，水質(zhì)保護(hù)指標(biāo)，污水處理參考依據(jù)，河濱生態(tài)保護(hù)參考指標(biāo)以及水資源配置參考等。30Q10的用處與7Q10類似，但更側(cè)重于水質(zhì)[14]。使用Weibull分布分析基準(zhǔn)期和預(yù)測(cè)期的徑流[15]，得出的結(jié)果如表2和3所示。

表2 不同回歸期連續(xù)7天最小平均流量
Table 2 Lowest average flows for a consecutive 7 day period of different return periods m3/s

項(xiàng)目回歸期5a10a20a30a基準(zhǔn)期5.793.862.622.09RCP2.612.7511.7210.8110.32RCP4.511.9310.619.488.89RCP6.012.0610.769.659.06RCP8.512.7011.4110.299.69

從表中可以發(fā)現(xiàn)，四個(gè)情景下的7Q10和30Q10都有增加，7Q10的變化更為劇烈。觀察不同回歸期下的數(shù)據(jù)發(fā)現(xiàn)，預(yù)測(cè)期的徑流比基準(zhǔn)期更為平穩(wěn)。這也和預(yù)測(cè)徑流時(shí)間序列情況相吻合。這意味著，在21世紀(jì)的最后30 a，金華江流域在枯水季節(jié)的水資源量可能增加。四個(gè)不同情景下，隨著輻射強(qiáng)迫的增加，7Q10和30Q10都增加，但RCP2.6情景出現(xiàn)了異常，可能是由于輻射強(qiáng)迫較低，蒸發(fā)量較少導(dǎo)致。

表3 不同回歸期連續(xù)30 d最小平均流量
Table 3 Lowest average flows for a consecutive 30 day period of different return periods m3/s

項(xiàng)目回歸期5a10a20a30a基準(zhǔn)期12.879.507.106.00RCP2.615.8114.5813.4812.89RCP4.514.6012.9511.5410.80RCP6.015.3613.8412.5311.83RCP8.515.8414.1612.7111.95

4 結(jié) 論

本文選取金華江流域?yàn)檠芯繀^(qū)域，使用GIST模型作為天氣發(fā)生器，并用GR4J模型和CMIP5全球氣候環(huán)流模式的未來(lái)數(shù)據(jù)預(yù)測(cè)了2071-2100年的徑流，分析了枯水指數(shù)7Q10和30Q10的變化情況。計(jì)算結(jié)果表明，GIST能較好模擬流域的降雨和溫度，并能保留其空間相關(guān)性。同時(shí)，GR4J在率定和驗(yàn)證時(shí)的目標(biāo)函數(shù)都達(dá)到了0.85以上，因此可以認(rèn)為在金華江流域使用該模型進(jìn)行徑流模擬是可行的。最后，本文對(duì)水文模型模擬的徑流結(jié)果進(jìn)行了頻率分析，發(fā)現(xiàn)在21世紀(jì)末，各個(gè)回歸期的枯水徑流量增大。以7Q10而言，其在RCP2.6，RCP4.5，RCP6.0，RCP8.5四個(gè)情景下增加的幅度都超過(guò)了150%，最大變化幅度發(fā)生在情景RCP2.6，達(dá)到了203%。相對(duì)而言，30Q10的增幅較小，最大的變化同樣出現(xiàn)在RCP2.6，達(dá)到了53%。這些結(jié)論可供政策制定者作出相關(guān)政策的參考。

[1] 楊濤, 陸桂華, 李會(huì)會(huì), 等. 氣候變化下水文極端事件變化預(yù)測(cè)研究進(jìn)展 [J]. 水科學(xué)進(jìn)展, 2011, 22(2): 279-286.

[2] 張建云, 王國(guó)慶, 楊揚(yáng), 等. 氣候變化對(duì)中國(guó)水安全的影響研究[J]. 氣候變化研究進(jìn)展, 2008, 4(5).

[3] 王國(guó)慶, 張建云, 劉九夫, 等. 氣候變化和人類活動(dòng)對(duì)河川徑流影響的定量分析[J]. 中國(guó)水利, 2008(2): 55-58.

[4] MOSS R H, EDMONDS J A, HIBBARD K A, et al. The next generation of scenarios for climate change research and assessment[J]. Nature, 2010, 463(7282): 747-756.

[5] SMAKHTIN V U. Low flow hydrology: a review[J]. Journal of hydrology, 2001, 240(3): 147-186.

[6] TIAN Y, XU Y P, ZHANG X J. Assessment of climate change impacts on river high flows through comparative use of GR4J, HBV and Xinanjiang Models[J]. Water Resources Management, 2013,27(8):1-18.

[7] Van VUUREN D P, EDMONDS J, KAINUMA M, et al. The representative concentration pathways: an overview[J]. Climatic Change, 2011, 109(1/2): 5-31.

[8] BAIGORRIA G A, JONES J W. GiST: A stochastic model for generating spatially and temporally correlated daily rainfall data[J]. Journal of Climate, 2010, 23(22): 5990-6008.

[9] ANANDHI A, FREI A, PIERSON D C, et al. Examination of change factor methodologies for climate change impact assessment[J]. Water Resources Research, 2011, 47(3):W03501.

[10] SIMONNEAUX V, HANICH L, BOULET G, et al. Modelling runoff in the Rheraya Catchment (High Atlas, Morocco) using the simple daily model GR4J. Trends over the last decades[C]//13th IWRA World Water Congress, Montpellier, France，2008.

[11] 田燁. 氣候變化對(duì)極端徑流影響評(píng)估中的不確定性研究[D].杭州： 浙江大學(xué), 2013.

[12] 胡慶芳，楊大文，王銀堂，楊漢波. Hargreaves 公式的全局校正及適用性評(píng)價(jià)[J].水科學(xué)進(jìn)展.2011.22(2):160-167.

[13] KRAUSE P, BOYLE D P, BSE F. Comparison of different efficiency criteria for hydrological model assessment [J]. Advances in Geosciences, 2005, 5(5): 89-97.

[14] PYRCE R. Hydrological low flow indices and their uses[R]. Watershed Science Centre(WSC) Report, 2004.

[15] 周芬, 郭生練, 熊立華, 等. 枯水頻率分析線型的比較研究[J]. 水文, 2006, 26(1): 28-33.