張 騰，吳 瑕，鄧昕瑋，孫懷衛(wèi)，嚴 冬，曾小凡

(1.水電與數(shù)字化工程學院，華中科技大學，武漢 430074；2.水資源與農(nóng)村水利研究所，湖北省水利水電科學研究院，武漢 430072)

0 前 言

湖泊保護與水資源高效利用是水文水資源研究中的一項重要內(nèi)容。為避免汛期湖泊洪水侵襲，科學規(guī)劃湖泊防洪設(shè)計水位至關(guān)重要。目前強降水和高溫熱浪等極端天氣氣候事件的發(fā)生呈現(xiàn)增多增強的趨勢，且溫室氣體排放量增加可能導(dǎo)致大氣持水能力增加[1]。褚健婷等[2]在對海河流域進行的適用性分析中和湯劍平等[3]對IPCC SRESRA2情景下中國區(qū)域氣候變化進行的數(shù)值模擬研究中，都得出結(jié)論，隨著氣候變化和全球氣溫的上升，降水量將會增加。但氣候變化對不同頻率下的設(shè)計暴雨和設(shè)計洪水的影響，目前還值得探討[5,6]。在氣候變化背景下，洪水等極端事件影響到水文循環(huán)過程，從而對人類的生產(chǎn)生活帶來潛在的影響，因此，研究氣候變化對湖泊洪水位的影響是一項很有必要[4]的工作。同時，能夠為湖泊保護、工程規(guī)劃和日常管理提供有力的理論依據(jù)和基礎(chǔ)支撐。

在氣候變化對水文循環(huán)的影響研究中，多采用大氣環(huán)流模式的結(jié)果，大氣環(huán)流模式能較好地模擬出全球氣候平均態(tài)， 在年際預(yù)測方面效果不錯。然而， 全球氣候模型GCM(The Global Model) 的輸出結(jié)果空間分辨率很低， 需要通過降尺度方法以得到較高分辨率的結(jié)果。降尺度方法有動力降尺度方法和統(tǒng)計降尺度方法兩種。動力降尺度法的優(yōu)點在于物理意義明確， 保證了與 GCM 輸出變量的一致性， 可直接應(yīng)用于任何地方而不需要當?shù)貙崪y資料。但它的缺點是計算量大， 并且受 GCM 提供的初始邊界條件的影響， 在應(yīng)用于不同的區(qū)域時需要重新調(diào)整參數(shù)。而統(tǒng)計降尺度方法的優(yōu)點是計算量小， 可靈活選用不同算法。但它的成功運用需要以長期的實測資料為基礎(chǔ)， 并且要選擇合適的氣候預(yù)報因子和合適的統(tǒng)計降尺度算法[7]。黃俊雄等人[8]和褚健婷等[2]分別在對太湖流域未來氣候變化情景的模擬和對海河流域天氣日平均溫度的均值及其季節(jié)變化趨勢等預(yù)報量分析中，都將降尺度方法進行了很好的利用。

目前，對降尺度方法運用較好的氣象評估工具之一就是天氣發(fā)生器，它廣泛應(yīng)用于未來天氣的模擬和極端事件發(fā)生風險性的評估[9]。LARS-WG天氣發(fā)生器作為一種具體的天氣發(fā)生工具，也得到越來越多學者和研究人員的青睞。大量結(jié)果表明LARS-WG的模擬結(jié)果與實際情況吻合度較高,尤其在最高溫、最低溫和日降雨量的降尺度處理上有突出的表現(xiàn)。王幼奇等[10]利用LARS-WG對黃土高原地區(qū)的溫度、降雨等進行適應(yīng)性研究，模擬結(jié)果吻合程度非常高。Sarkar等[11]利用LARS-WG天氣發(fā)生器對印度熱帶半干旱氣候進行未來氣候降尺度處理，較好地模擬了2011-2030、2046-2065、2080-2099三個時期的最高溫、最低溫和日降雨量，預(yù)測結(jié)果與實際變化趨勢一致，較為合理。利用LARS-WG天氣發(fā)生器生成未來氣象數(shù)據(jù)，不僅在水文方面做出了較大的貢獻，在農(nóng)業(yè)、生態(tài)等其他方面也提供了較為方便和準確的參考，發(fā)展前景廣闊。SWMM暴雨洪水管理模型作為一種降水-徑流模擬模型，在暴雨洪水管理規(guī)劃[12]、城市排水管理和優(yōu)化[13]等方面應(yīng)用廣泛。

本文根據(jù)大氣環(huán)流模式CCSM3的結(jié)果，利用隨機天氣發(fā)生器LARS-WG生成逐日氣象資料，同時結(jié)合暴雨管理模型(SWMM)規(guī)劃計算了南方平原湖泊聯(lián)合調(diào)蓄情景下的設(shè)計洪水位，并對基準期實際值和未來SRESRA1B、SRESRA2和SRESRB1三種排放情景下的設(shè)計值進行了比較。模擬結(jié)果和結(jié)論將在第三和第四部分中具體呈現(xiàn)。

1 研究區(qū)域概況

本文所研究區(qū)域包含小南海湖、慶壽寺湖、馬淹湖3個湖泊，3個湖泊都位于湖北省松滋市南海鎮(zhèn)境內(nèi)，小南海湖泊屬典型的河流遺跡湖。原有水面21.43 km2，后因圍湖造田，目前水面不足10 km2。水位在38.0 m時蓄水量1 400萬m3、38.5時2 000萬m3、39.0時2 300萬m3?？偝杏昝娣e76.52 km2。慶壽寺湖位于南海鎮(zhèn)西大垸，最大湖泊面積5.54 km2，承雨面積17.6 km2。正常蓄水位在37.5 m左右時，水面3.4 km2，容水量500萬m3。最低湖底高程34.5 m，最低水位36.5 m，最高水位達39.0 m時，水面5.54 km2，容水量950萬m3。馬淹湖位于永合垸、黃泥灘村及麻城垱村山腳，承雨面積28.9 km2，效益耕地面積1 333 hm2，湖底高程34.0 m，最低水位35.5 m，正常蓄水位在36.5 m時，水面1.4 km2，蓄水量350萬m3，最高水位38.0時，水面2 km2，蓄水450萬m3。

目前3個湖泊區(qū)域的圍堤逐步演變?yōu)椤拔５獭薄，F(xiàn)有的小南海圍堤因新河開挖后圍湖造田而形成，起步于1976年，完工于1978年，全長16.2 km，堤寬4 m，高40.8 m，由于修建年代久遠，風雨侵蝕，堤面逐步變窄，最窄的百溪橋段已不到2 m，當水位達到38.5 m以上時，險象環(huán)生，歷史出現(xiàn)過兩次潰口，給下游的馬淹湖、慶壽寺地區(qū)3 333萬hm2耕地造成毀滅性災(zāi)害。現(xiàn)該研究區(qū)域設(shè)施老化，現(xiàn)有水利設(shè)施有控制性工程松林垱橫壩閘，沿湖進水，取水涵閘9處，大部分形成于20世紀70年代末，運行的時間長，腐蝕嚴重，基本處于帶病運行，特別是楊當子閘已經(jīng)癱瘓停用，松林垱橫壩閘當高水位運行時，由于堤身單薄，基礎(chǔ)不牢，閘室顫抖，不能達到滿負荷運行，影響排澇效果。

因為各方面眾多影響因素的存在，使得小南海湖、慶壽寺湖、馬淹湖的防洪問題更為突出，本文將從氣候變化對湖泊設(shè)計洪水位的可能影響對3個湖泊進行分析，以期對科學規(guī)劃湖泊防洪設(shè)計水位提供支持，進一步為湖泊防洪規(guī)劃提供理論參考。

圖1 小南海湖、慶壽寺湖、馬淹湖地理位置Fig.1 The location of Xiaonanhai Lake、Qingshousi Lake and Mayan Lake in the Songzishi

表1 典型站點信息及氣象特征Tab.1 The metrological characteristic and basic information of selected sites

2 主要研究方法

2.1 IPCC情景和CCSM3模式

IPCC第4次評估報告發(fā)布以來，人類活動導(dǎo)致的全球氣候變暖問題逐漸引起國際社會的關(guān)注。IPCC給出了8種氣候排放情景，不同的氣候模式對未來氣候的模擬和預(yù)測成了研究的熱點。本文選擇其中的A1B、A2和B1三種氣候排放情景，并選擇1978-2007年的結(jié)果作為基準期，對荊州地區(qū)進行未來設(shè)計暴雨雨量和設(shè)計洪水位的研究與分析。A1B是指經(jīng)濟高速增長，人口增長緩慢，新技術(shù)發(fā)展迅速并得到廣泛應(yīng)用；A2是指經(jīng)濟增長緩慢，人口持續(xù)增長，世界發(fā)展嚴重不平衡；B1是指世界均衡發(fā)展，經(jīng)濟、政治、社會和環(huán)境等都逐步實現(xiàn)全球范圍內(nèi)的可持續(xù)發(fā)展。

CCSM3模式是目前較為先進的氣候耦合模式，是由美國國家科學基金會和能源部支持，國家大氣研究中心開發(fā)的氣候模式，包括大氣(ATM)、海洋(OCN)、海冰(ICE)、陸地(LND)和耦合器(CPL)。CCSM3模式在降雨、輻射和溫度等參數(shù)方面做了改進，模擬結(jié)果更為合理，因此也逐漸被廣泛地應(yīng)用在海洋和氣候研究的各個領(lǐng)域。張徐杰等檢驗了漢江流域的模擬情況，表明CCSM3對漢江流域的模擬能力較好[5]。

2.2 LARS-WG

本文選用LARS-WG5天氣發(fā)生器產(chǎn)生CCSM3模式下未來不同氣候情景日序列氣候數(shù)據(jù)并對其模擬結(jié)果進行降尺度處理。隨機天氣發(fā)生器LARS-WG是由英國洛桑實驗室為了滿足水文模型和作物模擬模型的需要而開發(fā)的一種隨機天氣發(fā)生器。LARS-WG可以模擬一個特定地區(qū)現(xiàn)在和未來條件下的日序列前期數(shù)據(jù)，包括降雨量、最高溫、最低溫和太陽輻射量等。目前，LARS-WG已被廣泛應(yīng)用于水文學模型、氣候變化、作物生長模型、地球生態(tài)系統(tǒng)及極端事件的風險分析等方面。

LARS-WG5利用一個半經(jīng)驗分布模型來模擬一個地區(qū)的干濕序列長度、日降雨量和日輻射量。在本文中，過大的誤差數(shù)據(jù)將被進行處理后再進行計算，如降雨量和日照輻射量，過大的值會被替換為0；溫度高于40 ℃將被替換為平均值等。運用LARS-WG5產(chǎn)生未來天氣數(shù)據(jù)，首先要輸入年份、天數(shù)、日降雨量、日最高溫度、日最低溫度和太陽輻射量等。并輸入該地區(qū)的經(jīng)緯度、海拔高度等地理位置信息。

LARS-WG5中大部分氣候情景是由全球氣候模式導(dǎo)出的，不同情景中不同的氣候變量伴隨不同的月變化而不是日變化。運用氣候變化情景最簡單的途徑就是通過月份的變化打破有關(guān)變量的日序列。雖然日天氣數(shù)據(jù)不再相同，但整體上呈現(xiàn)一致的變化趨勢。模擬過程中，LARS-WG5會用到隨機種子數(shù)方法，隨機種子數(shù)越多，模擬結(jié)果越精確。運行天氣發(fā)生器，即可獲得基于基準期天氣狀況的隨機天氣序列。本文選擇1978-2007年30年的實測天氣數(shù)據(jù)作為基準，選擇A1B、A2、B1三種情景模式和CCSM3氣候模式在2011-2030時期的預(yù)測結(jié)果，生成2011-2040年的隨機氣象數(shù)據(jù)，并對其最大日降雨量進行分析。根據(jù)15日降雨量同倍比縮放，即可得到設(shè)計暴雨過程。

2.3 湖泊防洪設(shè)計洪水位方法

本文主要研究荊州地區(qū)的未來設(shè)計暴雨和設(shè)計洪水位情況，采用湖泊防洪設(shè)計洪水位方法對荊江地區(qū)3大主要湖泊小南海湖、慶壽寺湖、馬淹湖進行模擬和分析。共設(shè)立8個匯流點進行檢測，其中1～4匯流點徑流匯入小南海，5、8匯流點徑流匯入慶壽寺湖，6、7匯流點徑流匯入馬淹湖。每個湖泊的洪水水位將由匯入的匯流點的徑流量和直接降至湖泊的雨量決定，該地區(qū)不同年份徑流系數(shù)也不同。選擇1978-2007年氣候日序列數(shù)據(jù)進行分析，得到2.2部分所示15日設(shè)計暴雨過程。計算出A1B、A2、B1三種氣候情景和現(xiàn)狀下的日最大降雨量。最大徑流量計算公式如下：

Ri=AiαPi/86 400

(1)

式中：Pi表示第i個匯流點的最大日降雨量；α表示所在年份的徑流系數(shù)，其中1980年型、1989年型、1991年型的徑流系數(shù)分別為0.694、0.838、0.694；Ai表示第i個匯流點的面積。

三者的乘積除以86 400 s，即可得第i個站點對湖泊洪水位的貢獻值。湖泊本身的降雨量形成的徑流量，直接用降雨量乘以湖泊面積，再除以86 400 s即可得出。1～4匯流點最大徑流量與小南海湖最大徑流量之和，即為小南海湖的最大設(shè)計洪水位，5、8匯流點最大徑流量和慶壽寺湖最大徑流量之和，即為慶壽寺湖最大設(shè)計洪水位，6、7匯流點最大徑流量和馬淹湖最大徑流量之和，即為馬淹湖最大設(shè)計洪水位。其中，各湖泊匯流面積如表2所示。

表2 各湖泊面積和各匯流點匯流面積 km2

2.4 暴雨洪水管理模型

暴雨洪水管理模型SWMM是美國管保局為了對城市某一單一降水事件或者長期的水量水質(zhì)進行模擬而研制的一種動態(tài)的降水-徑流模擬模型。自1971年開發(fā)以來已經(jīng)過多次升級，已廣泛應(yīng)用于城市地區(qū)[14，15]的暴雨洪水、排水系統(tǒng)的規(guī)劃、分析和設(shè)計[10,11]。本文將7月1日至7月15日作為設(shè)計時段，輸入日期、年型(1980年型、1989年型、1991年型)和上述設(shè)計15日最大徑流量，通過SWMM產(chǎn)生設(shè)計洪水位、閘門和泵站設(shè)計流量過程。再通過進一步分析處理，計算出3個湖泊不同氣候情景和不同年型的最大設(shè)計洪水位、閘門和泵站開啟時段、閘門和泵站平均流量等，并且3種情景的結(jié)果和現(xiàn)狀作對比。

圖2 設(shè)計流程圖Fig.2 Design of flow charts

3 結(jié)果和討論

3.1 設(shè)計暴雨值分析

張雪芹等[16]在對不同模式不同排放情景下未來50～100 a全球氣候變化的研究中，分析得到未來50～100 m全球降水呈增長趨勢。在本文中，未來設(shè)計暴雨值如圖3所示，相同重現(xiàn)期下，3種不同氣候情景下湖泊聯(lián)合調(diào)蓄設(shè)計暴雨值與現(xiàn)狀設(shè)計暴雨值相比，A1B、A2、B1三種情景的設(shè)計暴雨值較現(xiàn)狀都有增加，其中A1B和B1變化情況基本相同，較現(xiàn)狀增幅約為20 mm；A2情景的設(shè)計暴雨值最高,較現(xiàn)狀增幅約為70 mm；且對于10年一遇、20年一遇、50年一遇和100年一遇4種重現(xiàn)期，重現(xiàn)期越長，暴雨值越大，變化范圍為293.00～492.00 mm。

圖3 不同氣候情景下湖泊聯(lián)合調(diào)蓄設(shè)計暴雨值(單位：mm)Fig.3 The values of design storm on lake united dispatching in different climate

3.2 設(shè)計洪水位分析

Valentin Aich等[17]在研究未來氣候變化和土地利用對未來洪水的研究中，預(yù)測未來災(zāi)難性洪水會有增加，并且未來氣候變化的影響要大于土地利用的影響。在本文中，同樣對氣候變化影響下小南海湖、慶壽寺湖和馬淹湖的閘門設(shè)計洪水位進行了預(yù)測。由圖4，大致結(jié)論如下：相同年份，相同重現(xiàn)期下，可得出設(shè)計供水位在A1B、A2、B1三種氣候情景下較現(xiàn)狀都偏高。其中A1B與B1兩種情景模擬結(jié)果很相近，A2模擬結(jié)果最高；相同情景下相同重現(xiàn)期下，1980年型、1989年型、1991年型3種雨型相比， 1989年設(shè)計洪水位最高，其次是1980年，1991年設(shè)計洪水位最低；相同年份相同情景下，重現(xiàn)期越長，設(shè)計洪水位越高，變化范圍為38.60～40.80 m。對于3個湖泊，小南海湖和慶壽寺湖的設(shè)計洪水位變化較為平緩，淹湖在不同年份不同情景下的設(shè)計洪水位波動較大，洪水位較高時可以達到甚至會超過小南海湖的橫壩閘水位高度，洪水位較低時，與馬淹湖的洪水位比較相近。比較圖4(a)～(d) 4個圖，10年一遇A2情景下1989年型降水計算得出的慶壽寺閘的設(shè)計洪水位、50年一遇B1情景下1980型降水計算得出的慶壽寺閘和馬淹湖閘的設(shè)計洪水位都較變化規(guī)律趨勢有稍大偏差，這說明會有異常天氣或者極端天氣出現(xiàn)，需要稍加注意。

圖4 不同氣候情景下湖泊聯(lián)合調(diào)蓄設(shè)計洪水位(單位：m)Fig.4 Design flood water level storm on lake united dispatching in different climate

3.3 湖泊聯(lián)合調(diào)蓄的影響分析

(1)閘門開啟時段分析。由圖5，大致結(jié)論如下：相同年份，相同重現(xiàn)期下，可得出閘門開啟時段在A1B、A2、B1三種氣候情景下較現(xiàn)狀都縮短。其中A1B與B1兩種情景模擬結(jié)果很相近，A2情景下閘門開啟時段最短；相同情景，相同重現(xiàn)期下，1980年型、1989年型、1991年型3種雨型相比，當有1980年型降雨出現(xiàn)時，閘門開啟時段最長，1989年型、1991年型閘門開啟時段大致相近，其中小南海湖和慶壽寺湖是1989年型降雨出現(xiàn)時所需閘門開啟時段最短，而馬淹湖是1991年型開啟時段最短；相同年份，相同情景下，重現(xiàn)期越長，閘門開啟時段越短，變化范圍為11.80～54.00 h。綜合圖5(a)～(d)，重現(xiàn)期越長，3個湖泊閘門的開啟時段之差越小，比如10年一遇、20年一遇、50年一遇和100年一遇4種重現(xiàn)期，隨重現(xiàn)期增長，橫壩閘和慶壽寺閘較馬淹湖閘晚開啟時段數(shù)減小。重現(xiàn)期越長，降雨越大，形成的徑流越多，越需要提早預(yù)警，提前開閘準備泄水。而且出現(xiàn)1989年型降雨時更是要提高警惕，時刻準備防洪抗汛工作的開展。

(2)閘門平均流量分析。由圖6，大致結(jié)論如下：相同年份，相同重現(xiàn)期下，可得出閘門平均流量在A1B、A2、B1三種氣候情景下較現(xiàn)狀都偏大。其中A1B與B1兩種情景模擬結(jié)果很相近，A2情景下閘門平均流量最大；相同情景，相同重現(xiàn)期下，1980年型、1989年型、1991年型3種雨型相比，當有1980年型降雨出現(xiàn)時，閘門平均流量最大，1980年型、1991年型閘門平均流量大致相近，其中1980年型所需閘門平均流量最?。幌嗤攴菹嗤榫跋?，重現(xiàn)期越長，閘門平均流量越大，變化范圍為2.40～14.20 m3/s。

圖5 不同氣候情景下湖泊聯(lián)合調(diào)蓄閘門開啟時段(單位：h)Fig.5 Gate opening period on lake united dispatching in different climate

圖6 不同氣候情景下湖泊聯(lián)合調(diào)蓄閘門平均流量圖(單位：m3/s)Fig.6 The Average flow of gate on lake united dispatching in different climate

(3)泵站平均流量分析。由圖7，大致結(jié)論如下：相同年份，相同重現(xiàn)期下，可得出泵站平均流量在A1B、A2、B1三種氣候情景下較現(xiàn)狀都偏大。其中A1B與B1兩種情景模擬結(jié)果很相近，A2情景下泵站平均流量最大；相同情景，相同重現(xiàn)期下，1980年型、1989年型、1991年型3種雨型相比，當有1980年型降雨出現(xiàn)時，閘門平均流量最大，1980年型、1991年型閘門平均流量大致相近，其中1980年型所需泵站平均流量最??；相同年份相同情景下，重現(xiàn)期越長，泵站平均流量越大，變化范圍為12.30～29.60 m3/s。泵站流量增加，泵站的承受壓力增大。要注意泵站設(shè)施的承受能力，如果出現(xiàn)超大型洪水時，流量會有較大的突增，應(yīng)提前檢修好，保證泵站的正常工作。

(4)泵站開啟時段分析。由圖8，大致結(jié)論如下：相同年份，相同重現(xiàn)期下，可得出泵站開啟時段在A1B、 A2、 B1三種氣候情景下較現(xiàn)狀都偏短。其中A1B與B1兩種情景模擬結(jié)果很相近，A2情景下泵站開啟時段最短；相同情景，相同重現(xiàn)期下，1980年型、1989年型、1991年型3種雨型相比，當有1980年型降雨出現(xiàn)時，閘門開啟時段最長，1989年型、1991年型泵站開啟時段大致相近，其中1989年型所需閘門開啟時段最短；相同年份相同情景下，重現(xiàn)期越長，泵站開啟時段越短，變化范圍為26.60～56.90 h。

圖7 不同氣候情景下湖泊聯(lián)合調(diào)蓄泵站平均流量(單位：m3/s)Fig.7 The average flow of pumping station on lake united dispatching in different climate

圖8 小南海泵站開啟時段(單位：h)Fig.8 The opening time of Xiaonanhai pumping station

3.4 因素分析

前3行是單因素誤差分析，分別研究了“地點”、“重現(xiàn)期”、“氣候情景模式”3個因素對觀測變量影響的顯著性。0表示地點和重現(xiàn)期對觀測值降雨量影響非常顯著；0.006 5表示氣候情景模式對降雨量的影響也較為顯著，但不如前兩者影響程度大。后3行對3個因素兩兩之間的交互作用進行分析，分別是地點和重現(xiàn)期、地點和模式、重現(xiàn)期和模式相互組合。0.792 8、0.646 6、0.998 5表示因素之間兩兩組合作用的影響不顯著。

表3 多因子誤差分析Tab.3 Analysis of multi factor error

4 結(jié) 語

本文采用降尺度方法對南方平原地區(qū)湖泊聯(lián)合調(diào)蓄能力進行研究和分析?；贗PCC情景和 CCSM3 模式，以1978-2007實測天氣數(shù)據(jù)為基準期，通過 LARS-WG5 天氣發(fā)生器進行地區(qū)分析并生成A1B、A2 和B1三種排放情景下2011-2040年逐日氣象數(shù)據(jù)。根據(jù)當?shù)氐匦魏蛥R流情況，選擇8個匯流點進行設(shè)計洪水位的計算，按照一定的雨量分配，計算出荊江地區(qū)8個匯流點在2020s時期10年一遇、20年一遇、50年一遇、100年一遇的設(shè)計暴雨值。模擬結(jié)果顯示，A1B、A2、B1三種情景下未來15日設(shè)計暴雨值較現(xiàn)狀下都有所增加。其中，A2排放情景下增加最為顯著，增幅約為70 mm；A1B、B1兩種排放情景下模擬結(jié)果較為相近，增幅不顯著，約為25 mm。三種情景模式模擬結(jié)果趨勢較為相似，這不得不引起重視，設(shè)計降雨量增加會導(dǎo)致設(shè)計洪水位升高，閘門和泵站平均流量和動態(tài)過程也就會有相應(yīng)的變化。

采用小南海湖的SWMM模型，輸入計算得到的4種重現(xiàn)期對應(yīng)15日設(shè)計暴雨值，得到小南海湖、慶壽寺湖、馬淹湖3個湖泊A1B、A2、B1三種情景下和現(xiàn)狀下1980年型、1989年型、1991年型3種雨型的設(shè)計洪水位。為更好地對該地區(qū)湖泊調(diào)蓄能力進行演算分析，還對閘門和泵站流量過程進行動態(tài)設(shè)計。根據(jù)結(jié)果顯示，設(shè)計降雨量增加，設(shè)計洪水位普遍都有升高，泵站和閘門流量有所增大，這也就要求閘門和泵站開啟時段提前，及時防洪泄洪。后續(xù)模擬結(jié)果與我們預(yù)期結(jié)果相吻合。湯劍平等[3]曾對IPCC A2情景下中國區(qū)域氣候變化進行數(shù)值模擬，模擬結(jié)果表明IPCC A2情景下，未來中國平均氣溫將有明顯的升高，導(dǎo)致降水也有明顯的變化，特別是中國的東北地區(qū)、江淮流域及以南大部分地區(qū)都有明顯的增強。這為本文研究結(jié)果提供了較好的參考。本文研究結(jié)果顯示，對于三種情景模式，A2情景下設(shè)計洪水位上升最為顯著，根據(jù)當?shù)亟?jīng)濟發(fā)展和社會人口等情況，若經(jīng)濟增長較為緩慢，而且人口增長較快，則更需要提高警惕。3種雨型中，1989年型設(shè)計暴雨值有大幅度增加，這就需要閘門和泵站開始時段更為提前，盡量減少和避免洪澇災(zāi)害。相應(yīng)地，水位降回安全水位以后，要及時進行壩、閘門、泵站等工程的檢查和維修工作，確保當?shù)丨h(huán)境和民生安全。對于100年一遇和50年一遇大洪水，相臨近的年份要需要做好預(yù)防工作，保證在大洪水出現(xiàn)時可以及時應(yīng)對。

□

[1] IPCC. Climate Change 2007: The physical science basis．Contribution of working group I to the fourth assessment report of the intergovernmental panel on climate change[M] ． Cambridge， UK and New York， USA: Cambridge University Press， 2007．

[2] 褚健婷，夏 軍，許崇育. SDSM模型在海河流域統(tǒng)計降尺度研究中的適用性分析[J]. 資源科學. 2008,12(30):1 825-1 832.

[3] 湯劍平,陳 星,趙 鳴,等. IPCC A2 情景下中國區(qū)域氣候變化的數(shù)值模擬[J]. 氣象學報.

[4] 夏 軍，左其亭. 國際水文科學研究的新進展[J]. 地球科學進展，2006，21(3)：256-261.

[5] 張徐杰, 許月萍, 高希超, 等. CCSM3 模式下漢江流域設(shè)計暴雨計算[J]. 水力發(fā)電學報，2012, 31(4) ：49-53.

[6] 張徐杰，馬 沖，朱 仟,等. 兩種降尺度方法對錢塘江流域日設(shè)計暴雨計算的影響[J]. 中山大學學報(自然科學版), 2014,53(1)：52-56.

[7] Zahra Zahmatkesh，Mohammad Karamouz, F ASCE, et al. Analysis of the Effects of Climate Change on Urban Storm Water Runoff Using Statistically Downscaled Precipitation Data and a Change Factor Approach[J]. Hydrol. Eng，2015,20(7):05014022.

[8] 黃俊雄，徐宗學，劉兆飛，趙芳芳.統(tǒng)計降尺度法分析太湖流域未來氣候變化情景[J].資源科學.2008,12(30):1 812-1 817.

[9] 廖要明，張 強，陳德亮.中國天氣發(fā)生器的降水模擬[J].地理學報, 2004,59(5):689-698.

[10] 王幼奇, 樊 軍, 邵明安. LARS-WG 天氣發(fā)生器在黃土高原的適應(yīng)性研究[J]. 中國水土保持科學, 2007,5(3):24-27.

[11] Jayanta Sarkar, J R Chicholikar. Future Climate Change Scenario at Hot Semi-arid Climate of Ahmedabad (23.04°N, 72.38°E), India Based on Statistical Downscaling by LARS-WG Model. Asian Journal of Water, Environment and Pollution, 2016,1(13):35-42.

[12] Seyed Hamed Ghodsi, Reza Kerachian, Zahra Zahmatkesh.A multi-stakeholder framework for urban runoff quality management: Application of social choice and bargaining techniques[J]. Science of The Total Environment, 2016,(550):574-585.

[13] 毛劍東, 顧素恩, 陳梅君, 等. 基于SWMM的城市排水管網(wǎng)優(yōu)化模擬[J]. 水利水電技術(shù),2015,46(1):114-117.

[14] 任伯幟, 鄧仁健, 李文健. SWMM模型原理及其在霞凝港區(qū)的應(yīng)用[J]. 水運工程, 2006,4(387)：41-44.

[15] 黃國如，張靈敏，雒 翠，等.SWMM模型在深圳市民治河流域的應(yīng)用[J]. 水電能源科學，2015，4(33)：10-14.

[16] 張雪芹,彭莉莉,林朝暉. 未來不同排放情景下氣候變化預(yù)估研究進展[J]. 地球科學進展.2008,2(23):174-185.

[17] Valentin Aich, Stefan Liersch, Tobias Vetter, et al. Flood projections within the Niger River Basin under future land use and climate change[J]. Science of the Total Environment, 2016(562):666-677.