降亞楠 王 蕾 魏曉妹 丁星臣

(1.西北農(nóng)林科技大學(xué)水利與建筑工程學(xué)院， 陜西楊凌 712100； 2.東北農(nóng)業(yè)大學(xué)水利與土木工程學(xué)院， 哈爾濱 150030)

基于SWAT模型的氣候變化對涇河徑流量的影響

降亞楠1王 蕾1魏曉妹1丁星臣2

(1.西北農(nóng)林科技大學(xué)水利與建筑工程學(xué)院， 陜西楊凌 712100； 2.東北農(nóng)業(yè)大學(xué)水利與土木工程學(xué)院， 哈爾濱 150030)

在收集、處理大量空間及屬性數(shù)據(jù)資料的基礎(chǔ)上，構(gòu)建涇河流域SWAT模型，運(yùn)用流域出口站張家山水文站點(diǎn)11年的月實(shí)測徑流量數(shù)據(jù)對模型進(jìn)行率定和驗(yàn)證，并以Nash-Sutcliffe系數(shù)(Ns)和決定系數(shù)(R2)2個指標(biāo)綜合評價(jià)模擬效果，率定期及驗(yàn)證期的2個指標(biāo)值均大于0.7，表明模型對涇河徑流量的模擬具有較好的適用性。通過歷史降水量數(shù)據(jù)頻率分析計(jì)算，選取3個典型水文年作為基準(zhǔn)年，并根據(jù)前人對HadCM3模式在A2、B2情景下的輸出數(shù)據(jù)作統(tǒng)計(jì)降尺度處理得到流域未來3個時段(2020s、2050s和2080s)降水量、氣溫的變化結(jié)果，設(shè)定2種未來氣候變化情景，并分別輸入已驗(yàn)證的SWAT模型，預(yù)測未來典型水文年月徑流量的變化趨勢。結(jié)果表明：相比基準(zhǔn)年，2種情景下未來3個時段典型水文年年徑流量均減小，豐水年在2種情景下的減幅分別為26%～42%和25%～35%，平水年的減幅為23%～37%和21%～25%，枯水年的減幅為23%～38%和20%～31%；2種情景下未來3個時段典型水文年內(nèi)的月徑流量分配趨勢與基準(zhǔn)年大致相同，且月徑流量的變化特征與降水量的變化基本一致，徑流量在月峰值處的變化幅度較大，在其他月份變幅較??；A2情景下，3個時段的豐水年月徑流量在8月份減幅分別為41%、43%和61%，平水年月徑流量在7月份減幅依次為15%、23%和38%，枯水年的月徑流量在6月份減幅依次為20%、36%和46%；B2情景下，3個時段的豐水年月徑流量在8月份減幅分別為34%、37%和56%，平水年月徑流量在7月份減幅依次為15%、23%和38%，而在2月份的徑流量分別從17.71 m3/s增加到24.93、38.79、63.63 m3/s，枯水年的月徑流量在6月份減幅依次為24%、31%和28%；2種情景下，豐水年的徑流量年內(nèi)分配不均勻系數(shù)從1.06分別減小到0.71和0.74，年內(nèi)分配不均勻程度降低，而平水年及枯水年的徑流量年內(nèi)分配不均勻系數(shù)變化較小；對比2種情景，無論是典型年的年徑流量還是各月徑流量，其在各時段的變化趨勢基本一致，且變幅相差不大。

氣候變化； 涇河流域； SWAT模型； 徑流量； 典型水文年

引言

氣候變化是影響流域徑流演變的一個重要因素[1]。IPCC的研究表明全球氣溫在21世紀(jì)末可能增高1.1～6.4℃[2]，氣候變暖加劇了全球、流域及區(qū)域尺度的水循環(huán)過程，引起水資源在時空上的再分配；極端天氣事件發(fā)生的頻率及強(qiáng)度也發(fā)生了明顯的變化[3-5]，尤其是我國北方干旱地區(qū)，其降水量和水資源量將明顯減少，且徑流量年內(nèi)分配不均程度也將進(jìn)一步加劇[6-7]，這不僅加劇了水資源短缺的情勢，也影響著水資源的合理開發(fā)利用[8]。涇河流域是我國黃土高原水土流失最為嚴(yán)重的區(qū)域之一，近年來，在以氣候變化為主的環(huán)境變化因素影響下，流域水資源短缺的問題愈加嚴(yán)重，其原本的生態(tài)平衡也遭到了一定程度的破壞[9]，同時徑流的變化既改變著水資源的供需關(guān)系，也影響著下游灌區(qū)農(nóng)業(yè)的發(fā)展，從而對區(qū)域糧食安全造成威脅，制約了當(dāng)?shù)氐纳鐣?jīng)濟(jì)發(fā)展[10-11]。因此，進(jìn)行氣候變化對涇河徑流量影響的研究，不但能深入認(rèn)識未來氣候變化條件下徑流的演變規(guī)律，也可為流域水資源的綜合管理及下游灌區(qū)地表水和地下水資源的合理配置提供科學(xué)依據(jù)與技術(shù)支持。

將全球氣候模式的輸出與目前應(yīng)用廣泛的SWAT模型進(jìn)行耦合是研究氣候變化對流域徑流及水資源影響的主要方法之一[12-15]。針對涇河流域，國內(nèi)學(xué)者多采用統(tǒng)計(jì)學(xué)方法對降水量、氣溫及徑流量等的歷史數(shù)據(jù)進(jìn)行分析，得到時空變化特征[9,16-17]，趙姹等[18-19]利用SDSM模型對HadCM3模式在A2及B2情景下的輸出數(shù)據(jù)進(jìn)行統(tǒng)計(jì)降尺度處理，預(yù)測了流域未來時段(2011—2099年)的降水量和氣溫；張鴻雪等[20]采用逐步回歸法對CanESM2模式的輸出進(jìn)行了降尺度處理，并基于TOPMODEL模型模擬了未來時段(2010—2049年)徑流量的演變。以上研究雖然對涇河流域徑流受氣候變化的影響進(jìn)行了一些探究，但在一定程度上忽略了水循環(huán)的物理機(jī)制，且只得到未來氣候變化條件下徑流量可能的變化范圍，并未研究典型水文年徑流量的變化特征，而在基于變化環(huán)境的流域及下游灌區(qū)水資源供需平衡分析中，典型水文年的徑流量及其年內(nèi)分配是計(jì)算地表水可供水量必不可缺的基礎(chǔ)資料[21-22]。因此，本文將具有物理機(jī)制且應(yīng)用廣泛的SWAT模型引入涇河流域，在合理再現(xiàn)流域水循環(huán)過程的基礎(chǔ)上，將豐、平、枯水年3個典型水文年作為基準(zhǔn)情景，依據(jù)已有研究結(jié)果[18-19]設(shè)定未來的氣候情景，進(jìn)而預(yù)測典型水文年年內(nèi)徑流量的演變趨勢，以期為涇河流域和下游涇惠渠灌區(qū)應(yīng)對氣候變化和水資源綜合管理等問題提供科學(xué)依據(jù)。

1 研究區(qū)概況

涇河流域地處黃土高原中部，位于106°14′～108°42′E、34°46′～37°19′N，流域面積45 421 km2，地勢西北高，東南低。流域處于溫帶半濕潤向半干旱氣候過渡的地帶，冬季干冷少雨，夏季多暴雨，年降水量介于350～600 mm之間，且由南向北遞減，其北部多年平均降水量小于400 mm；多年平均氣溫8℃，最熱月平均氣溫22～24℃，最冷月平均氣溫-10～-8℃，同樣是由南向北遞減。涇河流域水系發(fā)達(dá)，其干流——涇河發(fā)源于寧夏涇源縣，流經(jīng)甘肅，并于陜西省高陵縣匯入渭河，全長483 km，為渭河一級支流、黃河二級支流，流域內(nèi)河流主要由降水補(bǔ)給，河川徑流的豐水期與降水集中期大致相同。流域的總出口水文測站為張家山站，其控制面積占流域總面積的95%以上。

2 SWAT模型構(gòu)建

SWAT是由美國農(nóng)業(yè)部農(nóng)業(yè)研究中心針對流域開發(fā)的半分布式水文模型，可基于GIS及RS提供的空間數(shù)據(jù)信息，模擬流域在長時段內(nèi)的水文物理過程，包括水、化學(xué)物質(zhì)、泥沙等的輸移和轉(zhuǎn)化過程[23]。該模型具有很強(qiáng)的物理機(jī)制，且模擬功能十分強(qiáng)大，適用于不同氣候條件、土壤類型、土地利用方式、地形和管理措施下的復(fù)雜大流域系統(tǒng)，因此，已被廣泛用于變化環(huán)境(氣候變化和人類活動)對不同地區(qū)或流域水資源的影響研究[24]。

2.1 數(shù)據(jù)資料

基于SWAT建立涇河流域的分布式水文模型，需要收集、處理大量的數(shù)據(jù)資料，包括空間數(shù)據(jù)和屬性數(shù)據(jù)，各類數(shù)據(jù)的來源及相關(guān)說明如表1所示。

表1 涇河流域數(shù)據(jù)資料清單Tab.1 Data of Jinghe watershed

2.2 基礎(chǔ)數(shù)據(jù)庫構(gòu)建

由于本研究的重點(diǎn)是涇河徑流量的模擬預(yù)測，因此，只需構(gòu)建土壤、土地利用、氣象及空間離散數(shù)據(jù)庫。

2.2.1 土壤數(shù)據(jù)庫

模型所需的土壤數(shù)據(jù)有土壤類型空間分布和土壤物理屬性數(shù)據(jù)，本文所用的數(shù)據(jù)來自于聯(lián)合國糧農(nóng)組織(FAO)公布的世界協(xié)調(diào)土壤數(shù)據(jù)庫(HWSD)。選取HWSD構(gòu)建土壤數(shù)據(jù)庫能夠避免由轉(zhuǎn)換土壤粒徑帶來的誤差，同時也減少了數(shù)據(jù)處理的工作量，是一種簡易可行的建庫方法[25]。

涇河流域土壤類型空間分布如圖1所示，流域內(nèi)土壤共有57類，主要以石灰性雛形土和潛育雛形土為主，其面積分別占流域總面積的70.1%和9.7%。

圖1 涇河流域土壤類型空間分布Fig.1 Soil types distribution of Jinghe watershed

建模所需的土壤物理屬性參數(shù)較多，按各參數(shù)數(shù)據(jù)的獲取方式將其劃分為3類：第1類可直接從HWSD中查取，具體見表2；第2類需要利用SPAW軟件和統(tǒng)計(jì)分析方法計(jì)算；第3類有ANION_EXCL(陰離子交換孔隙度)和SOL_CRK(土壤最大可壓縮量)，兩者均取默認(rèn)值(0.5)。

第2類參數(shù)中，SOL_BD(土壤濕密度)、SOL_AWC(土層的有效含水量)、SOL_K(飽和水力傳導(dǎo)系數(shù))及TEXTURE(土層結(jié)構(gòu))4個參數(shù)利用SPAW軟件計(jì)算得到。其他參數(shù)[25]中，SOL_ALB(濕土的反照率)采用前人基于SWAT模型自帶SOL_ALB與SOL_CBN數(shù)據(jù)間的相關(guān)關(guān)系建立的經(jīng)驗(yàn)方程來計(jì)算；USLE_K(USLE方程中土壤侵蝕力因子)使用的是WILLIAMS等[26]在EPIC模型中的估算方法；對于HYDGRP(土壤水文分組)，首先基于經(jīng)驗(yàn)公式計(jì)算土壤最小入滲率，再查SCS模型水文分組表得到流域土壤水文分組。

2.2.2 土地利用數(shù)據(jù)庫

土地利用數(shù)據(jù)庫包括土地利用類型空間分布和屬性數(shù)據(jù)庫。由于我國土地利用類型的屬性與美國相似，因此不用構(gòu)建屬性數(shù)據(jù)庫，可采用模型自帶的相應(yīng)屬性值[23]。本文采用的土地利用數(shù)據(jù)為美國馬里蘭大學(xué)提供的UMD資料，其柵格分辨率為1 km×1 km，涇河流域土地利用空間分布如圖2所示，主要土地利用類型為牧場、混交林及耕地，其面積分別占流域總面積的51.9%、40.6%和5.4%。

表2 第1類土壤物理屬性參數(shù)Tab.2 The first class soil physical property parameters

圖2 涇河流域土地利用類型Fig.2 Land use types of Jinghe watershed

2.2.3 氣象數(shù)據(jù)庫

SWAT所需氣象數(shù)據(jù)包括氣象站點(diǎn)的位置、氣象要素(降水量、最高和最低氣溫、平均風(fēng)速、太陽輻射及相對濕度)的日觀測數(shù)據(jù)。本研究采用SWAT官方網(wǎng)站公布的氣象數(shù)據(jù)，包括涇河流域內(nèi)部49個氣象站點(diǎn)的位置信息及各站點(diǎn)5種氣象要素的日觀測數(shù)據(jù)。

2.2.4 空間離散數(shù)據(jù)庫

SWAT基于流域的DEM提取河網(wǎng)水系并進(jìn)行子流域劃分，再依據(jù)土壤、土地利用及坡度等信息將各子流域分割為若干水文響應(yīng)單元(HRUs)。

涇河流域共劃分為50個子流域(上游集水面積閾值設(shè)為500 km2)，空間分布如圖3所示。通過分析子流域的劃分情況及各子流域內(nèi)不同土壤、土地利用及坡度所占其子流域面積的比例，分別將土壤、土地利用及坡度類型的閾值設(shè)為10%、20%及10%，最終將50個子流域分割為341個HRUs。

圖3 研究區(qū)子流域的空間分布Fig.3 Subbasins distribution of Jinghe watershed

2.3 模型參數(shù)率定與驗(yàn)證

在SWAT讀取并寫入構(gòu)建的基礎(chǔ)數(shù)據(jù)庫之后，對以下水文過程選取合適的計(jì)算方法：①地表徑流的演算采用SCS曲線數(shù)法(模型所用降水?dāng)?shù)據(jù)為日尺度)。②利用Penman-Monteith方法計(jì)算潛在蒸散發(fā)量。③根據(jù)植物蒸散發(fā)的函數(shù)計(jì)算日曲線數(shù)ICN[27]。隨后，運(yùn)行并保存模型。

采用張家山水文站2000年1月份—2010年12月份的月徑流量實(shí)測資料對模型進(jìn)行參數(shù)率定和驗(yàn)證，其中2000—2006年為率定期，2007—2010年為驗(yàn)證期。通過分析涇河流域SWAT模擬徑流的整個水文計(jì)算過程，選取27個對其有影響的輸入?yún)?shù)，并利用SWAT-CUP 2012軟件的SUFI2優(yōu)化算法對這些參數(shù)進(jìn)行全局敏感性分析和率定。參數(shù)的敏感性分析采用LHS-OAT法，該方法既可把握全局分析法的整體性，又能充分考慮局部分析法的效率優(yōu)先原則，準(zhǔn)確性較高[28]。其中，t檢驗(yàn)用于確定各參數(shù)的相對顯著性，|t|越大，參數(shù)越敏感；p值決定了敏感性的顯著性，其值越接近于0，表明參數(shù)越敏感。通過對徑流量的模擬計(jì)算，得到對徑流量影響較大的12個參數(shù)的最終率定結(jié)果(表3)，可知徑流量對各參數(shù)具有不同的敏感程度，而其對TRNSRCH(|t|=5.76)最為敏感。

選用Nash-Sutcliffe系數(shù)(Ns)和決定系數(shù)(R2)2個指標(biāo)來綜合評價(jià)模擬效果，一般來講，Ns>0.5，且R2>0.6，即可認(rèn)為模擬取得了顯著效果[29]。率定期和驗(yàn)證期內(nèi)各月徑流量模擬值與實(shí)測值的對比如圖4所示。模型在率定期的Ns和R2值分別為0.74和0.78，驗(yàn)證期分別為0.78和0.80，說明SWAT在涇河流域具有良好的適用性。

表3 參數(shù)敏感性分析及率定的結(jié)果Tab.3 Results of parameter calibration and sensitivity analysis

圖4 月徑流量實(shí)測值與模擬值的比較Fig.4 Comparisons of monthly runoff of Jinghe watershed between measured and simulated values

3 模型應(yīng)用

對于地處干旱地區(qū)的涇河流域而言，降水和氣溫是影響其徑流變化的最直接且最重要的氣候因素[6]。利用全球氣候模式的輸出數(shù)據(jù)，通過統(tǒng)計(jì)降尺度處理，可預(yù)估區(qū)域尺度的氣候變化特征。經(jīng)研究表明，英國哈德萊中心的HadCM3全球氣候模式對中國區(qū)域的氣候模擬有較好的適用性[30]，趙姹等[18-19]根據(jù)HadCM3在A2(全球人口持續(xù)增長速度與技術(shù)革新及人均經(jīng)濟(jì)增長速度不協(xié)調(diào)，溫室氣體高等排放，未來世界呈極不平衡發(fā)展?fàn)顟B(tài))和B2(全球人口增長及經(jīng)濟(jì)發(fā)展的速度較A2緩慢，溫室氣體排放量相對較低，未來世界將局部地區(qū)的可持續(xù)發(fā)展作為重點(diǎn))情景下的輸出數(shù)據(jù)，采用SDSM模型對其進(jìn)行統(tǒng)計(jì)降尺度處理，得到?jīng)芎恿饔蛭磥?個時段：2020s(2011—2040年)、2050s(2041—2070年)及2080s(2071—2099年)日降水量和日氣溫的月平均變化趨勢(圖5、6)。本文將以此研究結(jié)論作為未來氣候情景設(shè)定的依據(jù)，并通過流域歷年降水資料頻率分析計(jì)算，選取3個典型年(豐水、平水、枯水年)，利用已驗(yàn)證的流域SWAT模型來預(yù)測未來3個時段內(nèi)典型水文年的徑流量變化。

圖5 未來3個時段的月降水量變化率[19]Fig.5 Variation rates of monthly precipitation in three future periods

圖6 未來3個時段內(nèi)月平均日最高和最低氣溫的變化量[18]Fig.6 Changing of daily maximum and minimum temperatures in three future periods

3.1 氣候情景設(shè)定

對流域1989—2010年降水資料進(jìn)行頻率分析與計(jì)算，得到3個典型水文年：豐水年(25%)、平水年(50%)及枯水年(75%)對應(yīng)的年降水量分別為573.27、495.09、425.31 mm，對比實(shí)測數(shù)據(jù)，選取年降水量與各頻率對應(yīng)的降水量最接近且年內(nèi)分配具有代表性的年份作為典型年，即2010年(25%)、2005年(50%)和2000年(75%)，以這3個典型年的降水量、氣溫為基準(zhǔn)情景，設(shè)置如表4所示的未來氣候情景。

表4 未來氣候情景的設(shè)定Tab.4 Set of two future climate scenarios

3.2 徑流量模擬預(yù)測

將A2情景和B2情景分別代入已驗(yàn)證好的SWAT模型，得到2種情景下徑流在未來3個時段典型水文年內(nèi)的徑流量月分配過程(圖7、8)，相應(yīng)徑流量的模擬計(jì)算統(tǒng)計(jì)結(jié)果如表5所示。

由圖7、8及表5可知，相比基準(zhǔn)年，2種情景下未來3個時段典型水文年年徑流量均減小，且除A2情景的枯水年(從2020s到2080s，減幅依次增大)及B2情景的枯水年(2020s減幅最大，2080s次之，2050s最小)外，其他典型年2080s減幅最大，2050s最小。豐水年在2種情景下的減幅分別為26%～42%及25%～35%，平水年減幅為23%～37%及21%～25%，枯水年減幅為23%～38%及20%～31%。

徑流量在基準(zhǔn)年和豐水年年內(nèi)分配呈單峰趨勢，而在平水年及枯水年均呈雙峰趨勢。2種情景下未來3個時段典型水文年內(nèi)的月徑流量分配趨勢與基準(zhǔn)年大致相同，且月徑流量的變化特征與降水量的變化基本一致，徑流量在月峰值處的變化幅度較大，其他月份變幅較小。對于A2情景，相比基準(zhǔn)年，3個時段的豐水年月徑流量在8月份(月峰值)減幅分別為41%、43%及61%；3個時段的平水年月徑流量在7月份(主峰)的減幅依次為15%、23%及38%，次峰(10月)的減幅為13%、6%及25%；枯水年的月徑流量在6月份(主峰)的減幅依次為20%、36%、46%，次峰(10月份)的減幅為23%、27%和33%。而對于B2情景，相比基準(zhǔn)年，3個時段的豐水年月徑流量在8月份(月峰值)的減幅分別為34%、37%和56%；3個時段的平水年月徑流量在7月份(主峰)的減幅依次為15%、23%和38%，次峰(10月)的減幅為33%、24%和19%，而2月份的徑流量分別從17.71 m3/s增加至24.93、38.79、63.63 m3/s；枯水年的月徑流量在6月份(主峰)的減幅依次為24%、31%、28%，次峰(10月份)的減幅為43%、33%和27%。通過計(jì)算基準(zhǔn)年及未來3個時段典型水文年的徑流年內(nèi)分配不均勻系數(shù)，表明2種情景下，豐水年的徑流年內(nèi)分配不均勻系數(shù)從1.06分別減小至0.71和0.74，徑流年內(nèi)分配不均勻程度降低，主要是由于徑流量在月峰值處減幅較大引起；平水年及枯水年的徑流量年內(nèi)分配不均勻系數(shù)變化較小。

圖7 A2情景下徑流量在未來3個時期典型水文年內(nèi)的月分配Fig.7 Monthly distributions of runoff of representative years in three future periods under A2 scenario

圖8 B2情景下徑流量在未來3個時段典型水文年內(nèi)的月分配Fig.8 Monthly distributions of runoff of representative years in three future periods under B2 scenario

情景典型水文年時段徑流深/mm年徑流量減幅/%月徑流峰值減幅/%年內(nèi)分配不均勻系數(shù)2010年38.511.06豐水年2020s28.2327410.942050s28.6826430.832080s22.3542610.712005年30.240.74A2平水年2020s22.9524150.802050s23.1623230.742080s18.9837380.732000年25.290.53枯水年2020s19.5123200.512050s18.0729360.452080s15.6738460.502010年38.511.06豐水年2020s28.8225341.002050s29.7823370.902080s25.0935560.742005年30.240.74B2平水年2020s22.7925210.672050s23.8221180.702080s23.8321310.742000年25.290.53枯水年2020s17.3931240.522050s17.9529310.482080s17.7630280.55

對比2種情景，無論是典型年的年徑流量還是各月徑流量，其在各時期的變化趨勢基本一致，且變幅相差不大，究其原因在于A2情景是溫室氣體高濃度排放，各時期的氣溫增加值較B2情景大，但2種情景下各時段的月降水量變化幅度差距較小，而降水量對徑流量的影響程度要高于氣溫。

4 討論

本研究基于半分布式水文模型，通過設(shè)定氣候情景的方式預(yù)測了涇河流域在未來氣候條件下不同水平年的月徑流量，由于設(shè)定情景時采用的GCM數(shù)據(jù)是SRES情景的2種輸出，A2描述的是未來世界發(fā)展的極端情況，B2雖然較A2緩和，但重點(diǎn)僅考慮的是地方和區(qū)域一級，因此預(yù)測的徑流量減少幅度較大。而在2015年召開的巴黎氣候大會上，《聯(lián)合國氣候變化框架公約》近200個締約方已經(jīng)達(dá)成了新的氣候協(xié)議《巴黎協(xié)定》，該協(xié)定作為全球應(yīng)對氣候變化的關(guān)鍵一步，已于2016年11月4日正式生效，協(xié)定中采用的一系列努力將全球平均氣溫升幅與前工業(yè)化時期相比控制在1.5～2.0℃，因此，在后續(xù)的研究中，應(yīng)當(dāng)在考慮巴黎協(xié)定對氣候變化的影響后，利用新的氣候變化數(shù)據(jù)進(jìn)一步評估氣候變化對流域徑流的影響。

5 結(jié)論

(1)在搜集、處理大量地理、水文及氣象數(shù)據(jù)的基礎(chǔ)上，構(gòu)建了涇河流域SWAT模型，并采用流域出口位置張家山水文站11年的實(shí)測月徑流資料對模型進(jìn)行率定及驗(yàn)證，結(jié)果顯示，率定期的Ns與R2分別為0.74和0.78，驗(yàn)證期分別為0.78和0.80，表明構(gòu)建的模型在涇河流域具有良好的適用性。

(2)通過對降水實(shí)測數(shù)據(jù)的頻率分析計(jì)算，選取了3個典型水文年作為基準(zhǔn)年，以未來3個時段降水和氣溫的月平均變化預(yù)測結(jié)果為依據(jù)，設(shè)置2種未來氣候情景并代入已驗(yàn)證的SWAT模型，得到未來3個時段典型水文年的徑流量年內(nèi)分配過程。結(jié)果表明：相比基準(zhǔn)年，2種情景下未來3個時段典型水文年年徑流量均減小；未來典型水文年內(nèi)的月徑流量分配趨勢與基準(zhǔn)年大致相同，且月徑流量的變化特征與降水量的變化基本一致，徑流量在月峰值的變化幅度較大，其他月份變幅較小；2種情景下，豐水年、平水年和枯水年月徑流量分別在8月、7月、6月份減幅最大；2種情景下，豐水年的徑流年內(nèi)分配不均勻系數(shù)從1.06分別減小至0.71、0.74，徑流量年內(nèi)分配不均勻程度降低，而平水年及枯水年的徑流量年內(nèi)分配不均勻系數(shù)變化較?。粚Ρ?種情景，無論是典型年的年徑流量還是各月徑流量，其在各時段的變化趨勢基本一致，且相對基準(zhǔn)年變幅相差不大。

1 鞠琴, 郝振純, 余鐘波, 等. IPCC AR4氣候情景下長江流域徑流預(yù)測[J]. 水科學(xué)進(jìn)展, 2011, 22(4): 462-469. JU Qin, HAO Zhenchun, YU Zhongbo, et al. Runoff prediction in the Yangze River basin based on IPCC AR4 climate change scenarios[J]. Advances in Water Science, 2011, 22(4): 462-469. (in Chinese)

2 IPCC. Climate change 2007: the physical sciences basis [M]. Cambrige: Cambrige University Press, 2007.

3 BEYENE T, IETIENMAIERD P, KABAT P. Hydrology impacts of climate change on the Nile River basin, applications of the 2007 IPCC scenarios [J]. Climate Change, 2010, 100(3-4): 433-461.

4 ZHANG L, LU W X, YANG Q C, et al. Hydrological impacts of climate change on streamflow of Dongliao River watershed in Jilin Province, China [J]. Chinese Geographical Science, 2012, 22(5): 522-530.

5 丁一匯, 任國玉, 石廣玉, 等. 氣候變化國家評估報(bào)告(Ⅰ): 中國氣候變化的歷史和未來趨勢[J]. 氣候變化研究進(jìn)展, 2006, 2(1): 3-8. DING Yihui, REN Guoyu, SHI Guangyu, et al. National assessment report of climate change (I): climate change in China and its future trend [J]. Advance in Climate Change Research, 2006, 2(1): 3-8. (in Chinese)

6 張淑蘭, 王彥輝, 于澎濤, 等. 涇河流域近50年來的徑流時空變化與驅(qū)動力分析[J]. 地理科學(xué), 2011, 31(6): 721-727. ZHANG Shulan, WANG Yanhui, YU Pengtao, et al. Spatio-temporal variance of annual runoff in Jinghe River basin of northwest China in past 50 years and its main causes [J]. Science Geographica Sinica, 2011, 31(6): 721-727. (in Chinese)

7 劉昌明. 中國農(nóng)業(yè)水問題:若干研究重點(diǎn)與討論[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(bào), 2014, 22(8): 875-879. LIU Changming. Agricultural water issues in China—discussions on research highlights [J]. Chinese Journal of Eco-Agriculture, 2014, 22(8): 875-879. (in Chinese)

8 CHEN Y, LI B, LI Z, et al. Water resource formation and conversion and water security in arid region of northwest China[J]. Journal of Geographical Sciences, 2016, 26(7): 939-952.

9 張淑蘭, 于澎濤, 張海軍, 等. 氣候變化對干旱缺水區(qū)中尺度流域水文過程的影響[J]. 干旱區(qū)資源與環(huán)境, 2013, 27(10): 70-74. ZHANG Shulan, YU Pengtao, ZHANG Haijun, et al. Impact of climate change on the hydrological process in medium scale basin of arid areas [J]. Journal of Arid Land Resources and Environment, 2013, 27(10): 70-74. (in Chinese)

10 李萍, 魏曉妹, 降亞楠, 等. 關(guān)中平原渠井雙灌區(qū)地下水循環(huán)對環(huán)境變化的響應(yīng)[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2014, 30(18): 123-131. LI Ping, WEI Xiaomei, JIANG Ya’nan, et al. Response of groundwater cycle to environmental changes in Guanzhong Plain irrigation district [J]. Transactions of the CSAE, 2014, 30(18): 123-131. (in Chinese)

11 張曉嵐, 劉昌明, 高媛媛, 等. 水資源安全若干問題研究[J]. 中國農(nóng)村水利水電, 2011(1): 9-13. ZHANG X L, LIU C M, GAO Y Y, et al. A study of several issues concerning water resources security[J]. China Rural Water and Hydropower, 2011(1): 9-13. (in Chinese)

12 MA C K, SUN L, LIU S Y, et al. Impact of climate change on the streamflow in the glacierized Chu River basin, central Asia[J]. Journal of Arid Land, 2015, 7(4): 501-513.

13 LI Z, LIU W Z, ZHANG X C, et al. Assessing and regulating the impacts of climate change on water resources in the Heihe watershed on the Loess Plateau of China[J]. Science China: Earth Sciences, 2010, 53(5): 710-720.

14 ZHANG Y F, ZHANG S F, ZHAI X Y, et al. Runoff variation and its response to climate change in the Three Rivers Source region[J]. Journal of Geographical Sciences, 2012, 22(5): 781-791.

15 ACHILLEAS G S, CHRISTOPHER G K. Modeling the impact of climate change on sediment transport and morphology in coupled watershed-coast systems: a case study using an integrated approach[J]. International Journal of Sediment, 2014, 29(3): 304-315.

16 黨素珍, 董國濤, 蔣曉輝, 等. 氣候變化和人類活動對涇河上游徑流的影響[J]. 南水北調(diào)與水利科技, 2014, 12(4): 30-34.DANG Suzhen, DONG Guotao, JIANG Xiaohui, et al. Impacts of climate change and human activities on runoff in the upper reaches of Jinghe River[J]. South-to-North Water Transfers and Water Science & Technology, 2014, 12(4): 30-34. (in Chinese)

17 郭愛軍, 暢建霞, 王義民, 等. 近50年涇河流域降雨-徑流關(guān)系變化及驅(qū)動因素定量分析[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2015, 31(14): 165-171. GUO Aijun, CHANG Jianxia, WANG Yimin, et al. Variation characteristics of rainfall-runoff relationship and driving factors analysis in Jinghe river basin in nearly 50 years[J]. Transactions of the CSAE, 2015, 31(14): 165-171. (in Chinese)

18 趙姹, 李志, 劉文兆. 基于GCM涇河流域未來溫度變化的降尺度預(yù)測[J]. 西北農(nóng)林科技大學(xué)學(xué)報(bào):自然科學(xué)版, 2013, 41(6): 227-234. ZHAO Cha, LI Zhi, LIU Wenzhao. Projecting the potential changes of temperature in the Jinghe watershed using downscaling[J]. Journal of Northwest Agriculture and Forestry University of Science and Technology: Natural Science, 2013, 41(6): 227-234. (in Chinese)

19 趙姹, 李志, 劉文兆. GCM降尺度預(yù)測涇河流域未來降水變化[J]. 水土保持研究, 2014, 21(1): 23-28. ZHAO Cha, LI Zhi, LIU Wenzhao. Downscaling GCMs to project the potential changes of precipitation in Jinghe basin[J]. Research of Soil and Water Conservation, 2014, 21(1): 23-28. (in Chinese)

20 張鴻雪, 暢建霞, 韓越. 基于TOPMODEL與統(tǒng)計(jì)降尺度模型的涇河流域未來徑流變化分析[J]. 自然災(zāi)害學(xué)報(bào), 2015, 24(4): 149-156. ZHANG Hongxue, CHANG Jianxia, HAN Yue. Analysis of future runoff variation in Jinghe River Basin based on TOPMODEL and statistical downscaling model[J]. Journal of Nature Disasters, 2015, 24(4): 149-156. (in Chinese)

21 馮東溥. 灌區(qū)供需水量對變化環(huán)境的響應(yīng)及農(nóng)業(yè)用水安全評價(jià)[D]. 楊凌: 西北農(nóng)林科技大學(xué), 2013. FENG Dongpu. Irrigation water supply and demand in response to changing environment and agriculture water safety evaluation[D]. Yangling: Northwest A&F University, 2013. (in Chinese)

22 張智韜, 粟曉玲, 黨永仁, 等. 涇惠渠灌區(qū)作物種植結(jié)構(gòu)變化對灌溉需水量的影響[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2016, 47(10): 122-130. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20161017&flag=1. DOI: 10.6041/j.issn.1000-1298.2016.10.017. ZHANG Zhitao, SU Xiaoling, DANG Yongren, et al. Influence of crop planting structure change upon irrigation water requirement in Jinghuiqu irrigation area[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(10): 122-130. (in Chinese)

23 王中根, 劉昌明, 黃友波. SWAT模型的原理、結(jié)構(gòu)及應(yīng)用研究[J]. 地理科學(xué)進(jìn)展, 2003, 22(1): 79-86. WANG Zhonggen, LIU Changming, HUANG Youbo. The theory of SWAT model and its application in Heihe Basin[J]. Progress in Geography, 2003, 22(1): 79-86. (in Chinese)

24 LAI G Y, WU D Y, ZHONG Y X, et al．Progress in development and applications of SWAT model[J]. Journal of Hohai University: Natural Sciences, 2012, 40(3): 243-251．

25 姜曉峰, 王立, 馬放, 等. SWAT模型土壤數(shù)據(jù)庫的本土化構(gòu)建方法研究[J]. 中國給水排水, 2014, 30(11): 135-138. JIANG Xiaofeng, WANG Li, MA Fang, et al. Localization method for SWAT model soil database based on HWSD[J]. China Water & Wastewater, 2014, 30(11): 135-138. (in Chinese)

26 WILLIAMS J R. The erosion-productivity impact calculator (EPIC) model: a case history[J]. Philosophical Transactions of the Royal Society of London. Series B, Biological Sciences, 1990,329(1255):421-428.

27 ARNOLD J G, KINIRY J R, SRINIVASAN R, et al. Soil and water assessment tool input/output file documentation, version 2012[M].College Station, TX: Texas Water Resources Institute, 2012.

28 陳兵. 基于SWAT模型的沿渡河流域氣候及土地利用變化的水文響應(yīng)研究[D]. 武漢: 華中師范大學(xué), 2014: 39. CHEN Bing. Hydrological response to climate change and LUCC based on SWAT model in Yanduhe basin[D]. Wuhan: Central China Normal University, 2014: 39. (in Chinese)

29 郝芳華, 程紅光, 楊勝天. 非點(diǎn)源污染模型——理論、方法與應(yīng)用[M]. 北京: 中國環(huán)境科學(xué)出版社, 2006.

30 施小英, 徐祥德, 徐影. 中國600個站氣溫和IPCC模式產(chǎn)品氣溫的比較[J]. 氣象, 2005(7): 49-53.

Impacts of Climate Change on Runoff of Jinghe River Based on SWAT Model

JIANG Ya’nan1WANG Lei1WEI Xiaomei1DING Xingchen2

(1.CollegeofWaterResourcesandArchitecturalEngineering,NorthwestA&FUniversity,Yangling,Shaanxi712100,China2.SchoolofWaterConservancyandCivilEngineering,NortheastAgriculturalUniversity,Harbin150030,China)

When trying to analyze water resources supply and demand balance under climate change for river basin and irrigation district, the annual runoff of river and its monthly distribution in representative hydrological years are necessary and basic data to evaluate the available surface water supply. In order to predict the impacts of future climate change on runoff of Jinghe River, a SWAT model was developed by collecting and processing large amounts of data such as the hydrological, geological and meteorological data. The model was calibrated and validated by using 11 years monthly runoff data from Zhangjiashan hydrological station and evaluated with two targets (the Nash-Sutcliffe coefficient (Ns) and determination coefficient (R2)). Values ofNsandR2in calibration and validation stages were both greater than 0.7, which meant that the model was capable of simulating runoff responses to climate change. Three representative hydrological years were chosen after analyzing and calculating the precipitation frequency, which were the wet year (25%), normal year (50%) and dry year (75%). Two future climate change scenarios were developed based on previous study, in which precipitation and temperature trends of future three periods (2020s, 2050s and 2080s) in Jinghe River were predicted by statistically downscaling the output data of HadCM3 under A2 and B2 scenarios, and the river annual runoff and its monthly distribution for representative hydrological years in three future periods were forecasted. The results showed that the annual runoff of representative hydrological years in three future periods of both scenarios were decreased, comparing with base years. The changing rates were 26%～42% and 25%～35%, respectively in wet year, 23%～37% and 21%～25% in normal year, 23%～38% and 20%～31% in the dry year. Under both scenarios, the distributions of monthly runoff of representative hydrological years in three future periods had the same trends as base years. And the changing trends of monthly runoff were basically conformed to the tendencies of monthly precipitation in corresponding scenarios and times. The major amplitudes of monthly runoff were appeared in the peak. In scenarios A2 and B2, the changing rates of peak value in three future periods respectively were 41%, 43%, 61% and 34%, 37%, 56% in August of the wet year, 15%, 23%, 38% and 21%, 18%, 31% in July of the normal year, 20%, 36%, 46% and 24%, 31%, 28% in June of the dry year. But the monthly runoff of February in three future periods under scenario B2 was increased from 17.71 m3/s to 24.93 m3/s, 38.79 m3/s and 63.63 m3/s, respectively. By calculating the nonuniform coefficient of the runoff annual distribution (Cvy), it was showed that the value ofCvyin wet year was decreased from 1.06 to 0.71 (scenario A2) and 0.74 (scenario B2).

climate change; Jinghe watershed; SWAT model; runoff; representative hydrological year

10.6041/j.issn.1000-1298.2017.02.035

2016-10-19

2016-11-22

國家自然科學(xué)基金項(xiàng)目(51409219、51409222)、水利部公益性行業(yè)科研專項(xiàng)(201301016)、西北農(nóng)林科技大學(xué)基本科研業(yè)務(wù)費(fèi)項(xiàng)目(2014YB051)和博士科研啟動經(jīng)費(fèi)項(xiàng)目(2013BSJJ099)

降亞楠(1984—)，男，講師，博士，主要從事水資源合理配置研究，E-mail： yananjiang@nwsuaf.edu.cn

魏曉妹(1957—)，女，教授，博士生導(dǎo)師，主要從事水資源轉(zhuǎn)化理論與調(diào)控技術(shù)研究，E-mail： weixiaomei57@tom.com

P333.9

A

1000-1298(2017)02-0262-09