竇小東,黃 瑋,易 琦,劉曉舟,左慧婷,李 蒙,李忠良

1 云南省氣象服務(wù)中心,昆明 650034 2 云南省氣候中心,昆明 650034 3 云南大學(xué)資源環(huán)境與地球科學(xué)學(xué)院,昆明 650504 4 南京信息工程大學(xué)遙感與測(cè)繪工程學(xué)院,南京 210044

土地利用與土地覆被變化(LUCC)和氣候變化是影響流域水資源變化的最直接因素,也是流域水資源變化研究的熱點(diǎn)[1-5]。LUCC通過(guò)下墊面覆蓋物的改變,影響冠層截留、地表蒸散發(fā)、下滲、土壤水分含量等來(lái)改變流域的水資源狀況[6-9],氣候變化則通過(guò)改變大氣降水的時(shí)空分布、地表蒸發(fā)等來(lái)影響流域的徑流量[10-11],其中通過(guò)氣候模式數(shù)據(jù)驅(qū)動(dòng)水文模型是氣候變化水文響應(yīng)研究的一個(gè)新方向,相對(duì)于通過(guò)主觀假設(shè)流域內(nèi)未來(lái)氣溫和降水的變化來(lái)研究其水文響應(yīng)具有更好的科學(xué)性、合理性,是未來(lái)研究氣候變化水文響應(yīng)的主流和熱點(diǎn)。瀾滄江是沿岸居民的母親河,流域上建有漫灣、大朝山、糯扎渡等8座梯級(jí)水電站[12-13],是我國(guó)西電東送的重要支撐,其水資源狀況時(shí)刻影響著沿岸居民的生產(chǎn)生活。因此,研究LUCC和氣候變化對(duì)瀾滄江流域水資源的影響,對(duì)當(dāng)?shù)卣脱匕稁浊f(wàn)居民具有重要的現(xiàn)實(shí)意義。

圖1 瀾滄江流域示意圖Fig.1 Sketch map of Lancang River Basin

分布式水文模型在LUCC和氣候變化對(duì)流域水資源影響的模擬研究方面已得到廣泛應(yīng)用[14-16],其中,由美國(guó)農(nóng)業(yè)部下屬的農(nóng)業(yè)研究所研制開發(fā)的SWAT (Soil and Water Assessment Tool)模型能夠利用RS和GIS提供的空間數(shù)據(jù)信息、屬性數(shù)據(jù)信息,來(lái)模擬不同土地利用、土壤類型以及管理等條件下的大面積復(fù)雜下墊面流域的水量、水質(zhì)和水沙遷移等[17-20],其主要應(yīng)用領(lǐng)域之一就是對(duì)LUCC和氣候變化的水文響應(yīng)進(jìn)行模擬分析[21-22]。例如,祖拜代[1],李帥[2],郭軍庭[6]等分別利用SWAT模型研究了烏魯木齊河上游、清水河、潮河流域的土地利用和氣候變化對(duì)徑流的影響,但利用氣候模式數(shù)據(jù)驅(qū)動(dòng)SWAT模型對(duì)流域未來(lái)的徑流變化趨勢(shì)進(jìn)行預(yù)測(cè)卻極少報(bào)道。SWAT模型是否適用于瀾滄江流域？LUCC和氣候變化對(duì)徑流的影響機(jī)理是什么？LUCC和氣候變化對(duì)瀾滄江流域徑流的具體影響是什么？不同氣候情景下,未來(lái)瀾滄江流域徑流是如何變化的？這些問(wèn)題并不清楚。因此,本研究結(jié)合2006、2015年土地利用數(shù)據(jù)和近50年氣象觀測(cè)數(shù)據(jù)以及RCP4.5、RCP8.5氣候排放情景數(shù)據(jù),通過(guò)設(shè)置不同的情景,分別驅(qū)動(dòng)SWAT模型對(duì)瀾滄江流域徑流進(jìn)行模擬、預(yù)測(cè),力圖回答上述問(wèn)題,以期為流域水資源規(guī)劃管理、生態(tài)環(huán)境保護(hù)、水電安全生產(chǎn)等提供必要的科學(xué)依據(jù)。同時(shí),本研究對(duì)驅(qū)動(dòng)SWAT模型的氣候模式數(shù)據(jù)的處理方法也可為相關(guān)研究者提供參考。

1 研究區(qū)概況

瀾滄江是湄公河上游在中國(guó)境內(nèi)河段的名稱,其發(fā)源于中國(guó)青海省唐古拉山東北部雜多縣,全長(zhǎng)約2153 km,流域面積約17.4×104km2,是中國(guó)西南地區(qū)的大河之一[23]。瀾滄江流經(jīng)青海、西藏和云南三省,在云南省西雙版納傣族自治州勐臘縣出境后稱為湄公河(Mekong River),瀾滄江及其下游的湄公河流域共穿越6個(gè)國(guó)家,縱貫13個(gè)緯度,最大相對(duì)高差近6000 m(圖1),跨6種氣候帶,是一個(gè)特殊的環(huán)境變化敏感區(qū),它在地理、氣候、水文、生態(tài)學(xué)等方面都具有重要的科學(xué)研究?jī)r(jià)值[24-26]。瀾滄江流域附近共建有縣級(jí)氣象站點(diǎn)43個(gè)(圖1)。根據(jù)聯(lián)合國(guó)糧農(nóng)組織和維也納國(guó)際應(yīng)用系統(tǒng)研究所構(gòu)建的HWSD (Harmonized World Soil Database)土壤數(shù)據(jù)庫(kù),流域內(nèi)主要土壤類型有永凍薄層土(Gelic Leptosols)、簡(jiǎn)育高活性淋溶土(Haplic Luvisols)、松軟薄層土(Mollic Leptosols)等共52種。根據(jù)SWAT模型要求,將流域內(nèi)土地利用類型劃分為農(nóng)業(yè)用地、林地、草地、城鎮(zhèn)用地、水體、未利用地、濕地共7種(圖2,表1)。

圖2 瀾滄江流域2006、2015年土地利用類型圖Fig.2 Land use map of Lancang River Basin in 2006 and 2015

年Year面積比例 Area percentage/%農(nóng)業(yè)用地Agricultural land林地Forest land草地Grassland城鎮(zhèn)用地Urban areas水體Water body未利用地Unused land濕地Wetland200632.9044.8818.020.043.770.380.01201517.0935.8245.840.340.390.330.19變化Change-15.81-9.0627.820.30-3.38-0.050.18

2 數(shù)據(jù)與方法

2.1 基礎(chǔ)數(shù)據(jù)

建立SWAT模型所需的基礎(chǔ)數(shù)據(jù)包括DEM數(shù)據(jù)、土地利用類型數(shù)據(jù)、土壤類型數(shù)據(jù)、氣象數(shù)據(jù)、水文數(shù)據(jù)(表2)。

2.2 模型的建立及參數(shù)率定與驗(yàn)證

本研究采用SWAT模型,利用DEM進(jìn)行瀾滄江流域及其子流域劃分、河網(wǎng)生成,再結(jié)合土地利用柵格數(shù)據(jù)、土壤柵格數(shù)據(jù),劃分各子流域內(nèi)的水文響應(yīng)單元,并根據(jù)收集的土壤數(shù)據(jù)、氣象數(shù)據(jù)分別建立土壤屬性數(shù)據(jù)庫(kù)、氣象屬性數(shù)據(jù)庫(kù),進(jìn)而建立瀾滄江流域的SWAT模型(1966—1970年為模型預(yù)熱期,1971—1984年為模型參數(shù)率定期,1985—1997年為模型參數(shù)驗(yàn)證期,1998—2015年為模型不同情景對(duì)比期)。

表2 SWAT模型基礎(chǔ)數(shù)據(jù)列表

利用SWAT_CUP,結(jié)合允景洪水文站1971—1997年逐月徑流觀測(cè)數(shù)據(jù),對(duì)與徑流量有關(guān)的參數(shù)進(jìn)行重復(fù)率定和驗(yàn)證,利用決定系數(shù)R2(公式1)與納什效率系數(shù)Ens(公式2)[2,27]檢驗(yàn)?zāi)Ｐ褪欠裢ㄟ^(guò)驗(yàn)證,直到模擬結(jié)果通過(guò)檢驗(yàn)為止。

(1)

(2)

式中,Qo,i為實(shí)測(cè)流量值,Qp,i為模擬流量值,Qavg為實(shí)測(cè)流量平均值,Qpavg為模擬流量平均值。R2與Ens均在0—1之間變動(dòng),且均越接近于1模擬精度越高。研究表明[1-2,16]：R2>0.50即為模擬值與實(shí)測(cè)值的相關(guān)程度符合標(biāo)準(zhǔn),R2>0.70模擬比較準(zhǔn)確,R2=1表明完全吻合；1.00≥Ens>0.75模擬結(jié)果優(yōu)秀,0.75≥Ens>0.65模擬結(jié)果良好,0.65≥Ens>0.50模擬結(jié)果合格,Ens≤0.50模擬結(jié)果不合格。

2.3 情景設(shè)置

2.3.1極端土地利用情景

通過(guò)研究不同土地利用類型相互轉(zhuǎn)變對(duì)徑流的影響,可揭示LUCC對(duì)徑流的影響機(jī)理。為此,本研究采用極端假設(shè)的方法,即假設(shè)將某一土地利用類型全部轉(zhuǎn)化為另一土地利用類型,然后模擬出流域的徑流量,再根據(jù)模擬徑流量相對(duì)基準(zhǔn)徑流量的變化情況,判斷出這兩種土地利用類型對(duì)流域產(chǎn)流的貢獻(xiàn)順序。鑒于瀾滄江流域內(nèi)主要土地利用類型為農(nóng)業(yè)用地、林地、草地,且三者總和超過(guò)95%的實(shí)際情況(表1),本研究以2006年土地利用數(shù)據(jù)和1998—2006年氣象數(shù)據(jù)為基準(zhǔn),設(shè)置如下四種情景(表3),以此研究農(nóng)業(yè)用地、林地、草地相互轉(zhuǎn)化時(shí)對(duì)流域徑流的影響,進(jìn)而得出三者對(duì)流域產(chǎn)流的貢獻(xiàn)順序。

2.3.2調(diào)試好的本地化的SWAT對(duì)氣候要素的敏感度分析

根據(jù)IPCC第五次評(píng)估報(bào)告,在未來(lái)可能的氣候變化范圍內(nèi)設(shè)置如下情景(以情景1為基準(zhǔn)期),以此研究不同氣候要素對(duì)徑流的影響：

情景5：氣溫不變,設(shè)置降水增加20%、10%和減少10%、20%四種方案；

情景6：降水不變,設(shè)置氣溫增加1℃、2℃兩種方案。

表3 極端土地利用情景設(shè)置

2.3.3LUCC和氣候變化綜合情景

采用如下3種情景(表4)分析LUCC和氣候變化對(duì)流域徑流的影響。同樣以情景1為基準(zhǔn)期,對(duì)比情景7可知LUCC對(duì)徑流的影響；對(duì)比情景8可知?dú)夂蜃兓瘜?duì)徑流的影響；對(duì)比情景9可知LUCC和氣候變化對(duì)徑流的綜合影響。

表4 土地利用和氣候變化綜合情景設(shè)置

2.3.4不同氣候變化情景下瀾滄江未來(lái)徑流變化預(yù)估

預(yù)估氣候情景數(shù)據(jù)采用全球氣候模式比較計(jì)劃第五階段(CMIP5)的EC-EARTH全球模式驅(qū)動(dòng)區(qū)域氣候模式RegCM4[28],模擬預(yù)估的瀾滄江流域RCP4.5和RCP8.5兩種情景[29]下1981—2099年逐日氣象數(shù)據(jù),模式分辨率為25 km×25 km。排放情景采用IPCC AR5使用的最新溫室氣體排放情景(典型濃度排放路徑：Representative Concentration Pathways,RCPs),RCP8.5為最高的溫室氣體排放情景,RCP4.5為中間穩(wěn)定路徑,其實(shí)際變化與中國(guó)未來(lái)經(jīng)濟(jì)發(fā)展趨勢(shì)較為一致,適合中國(guó)國(guó)情,符合政府對(duì)未來(lái)經(jīng)濟(jì)發(fā)展、應(yīng)對(duì)氣候變化的政策措施[30]。

為了分析瀾滄江流域徑流變化特征,根據(jù)經(jīng)緯度,采用matlab的雙三次插值方法將預(yù)估數(shù)據(jù)插值到流域周邊43個(gè)氣象站點(diǎn),并參照初征[31]的訂正方法對(duì)數(shù)據(jù)進(jìn)行訂正,以消除氣候模式模擬結(jié)果存在的系統(tǒng)性誤差,訂正后流域年降水量均方根誤差由480 mm減小到88.6 mm；年平均氣溫均方根誤差由3.02℃減小為0.02℃。

本研究使用訂正后的2016—2050年逐日氣象數(shù)據(jù)(2016—2020作為模型預(yù)熱期),在RCP4.5情景下,2021—2050年間,瀾滄江流域平均降雨量呈增加趨勢(shì),增加速度為8.5 mm/10a,平均氣溫增速為0.29℃/10a；在RCP8.5情景下,平均降雨量也呈增加趨勢(shì),但增加速度更高,為37.9 mm/10a,平均氣溫增速為0.35℃/10a,以此數(shù)據(jù)驅(qū)動(dòng)SWAT模型預(yù)估瀾滄江流域2021—2050年的徑流變化。

3 結(jié)果與分析

利用ARCGIS加載整理好的DEM數(shù)據(jù),結(jié)合實(shí)際河網(wǎng)數(shù)據(jù),集水面積閾值設(shè)定為300000 hm2,將瀾滄江流域劃分為19個(gè)子流域,載入重分類后的土地利用類型數(shù)據(jù)、土壤類型數(shù)據(jù),坡度劃分為2類,土地利用類型、土壤類型、坡度分級(jí)的閾值分別設(shè)置為25%、20%、25%,最終將全流域劃分為49個(gè)水文響應(yīng)單元。

3.1 參數(shù)率定與驗(yàn)證結(jié)果

對(duì)與徑流有關(guān)的26個(gè)參數(shù)[32]進(jìn)行率定,結(jié)果顯示(表5)26個(gè)參數(shù)中對(duì)徑流產(chǎn)生最為敏感的參數(shù)為土壤飽和導(dǎo)水系數(shù)(SOL_K)、河岸貯水的基流因子(ALPHA_BNK)、SCS徑流曲線系數(shù)(CN2)、最大冠層截留量(CANMX)、子流域平均坡長(zhǎng)(SLSUBBSN)、降雪氣溫(SFTMP),這說(shuō)明流域徑流主要受地表水與地下水轉(zhuǎn)換、最大冠層截留量、地形、氣候條件影響。允景洪水文站參數(shù)率定與驗(yàn)證結(jié)果(圖3)顯示,率定期參數(shù)R2、Ens分別達(dá)到0.80、0.80,驗(yàn)證期參數(shù)R2、Ens分別達(dá)到0.74、0.73,因此,SWAT模型在瀾滄江流域徑流模擬中具有很好的適用性,可以用SWAT模型進(jìn)行流域徑流模擬。

表5 瀾滄江流域SWAT模型敏感性參數(shù)

SOL_K：Soil saturated hydraulic conductivity；ALPHA_BNK：Basic flow factor of river bank water storage；CN2：Coefficient of SCS runoff curve；CANMX：Maximum canopy interception；SLSUBBSN：Average slope length of sub-basin；SFTMP：Snow temperature；SOL_Z：Maximum root depth；GW_REVAP：Coefficient of re-evaporation of shallow groundwater；SOL_ALB：Moist soil albedo；REVAPMN：Threshold water depth in the shallow aquifer for "revap"；ALPHA_BF：Baseflowα factor；SOL_AWC：Available water capacity；SMFMN：Minimum snowmelt daily factor on Dec 21；SURLAG：Surface runoff delay time；TIMP：Icing temperature lag coefficient；GWQMN：Threshold water depth in the shallow aquifer for flow；ESCO：Soil evaporation compensation factor；SMTMP：Snowmelt minimum temperature；SMFMX：Maximum snowmelt daily factor on June 21；OV_N：Manning coefficient of overland flow on slope；CH_N2：Main channel Manning coefficient；EPCO：Vegetation transpiration compensation coefficient；RCHRG_DP：Permeability coefficient of deep cistern；GW_DELAY：Ground water delay；CH_K2：Effective hydraulic conductivity of channel；TLAPS：Air temperature decline rate；v：賦值，variable assignment；a：加值，add value；r：乘以(1+給定值)，multiply by (1+given value)

圖3 瀾滄江流域率定期和驗(yàn)證期降雨量及徑流模擬結(jié)果Fig.3 Precipitation and Simulation results of calibration and validationperiod of runoff in Lancang River Basin

3.2 情景模擬結(jié)果分析

3.2.1不同土地利用類型轉(zhuǎn)變對(duì)徑流的影響

以情景1作為基準(zhǔn)期,對(duì)比情景2(表6)可知,將占流域總面積32.90%的農(nóng)業(yè)用地(表1)全部轉(zhuǎn)化為林地,會(huì)導(dǎo)致月均徑流量減少87.23 m3/s,可見林地相對(duì)于農(nóng)業(yè)用地具有減流作用；對(duì)比情景3可知,將占流域總面積32.90%的農(nóng)業(yè)用地全部轉(zhuǎn)化為草地,會(huì)導(dǎo)致月均徑流量減少15.47 m3/s,可見草地相對(duì)于農(nóng)業(yè)用地也具有減流作用；對(duì)比情景4可知,將占流域總面積44.88%的林地(表1)全部轉(zhuǎn)化草地,會(huì)導(dǎo)致月均徑流量增加93.22 m3/s,可見草地相對(duì)于林地具有增流作用。因此,農(nóng)業(yè)用地、林地、草地三者對(duì)徑流增加的貢獻(xiàn)順序?yàn)檗r(nóng)業(yè)用地>草地>林地。

3.2.2氣候要素對(duì)徑流的影響

當(dāng)氣溫不變,降水量分別增加20%和10%時(shí),月均徑流量分別增加了191.39 m3/s (11.57%)和78.41m3/s (4.74%)；降水量分別減少10%和20%時(shí),月均徑流量分別減少了48.96 m3/s (2.96%)和116.13 m3/s (7.02%)(表7),可見徑流量的變化趨勢(shì)和變化幅度與降水變化成正比。當(dāng)降水不變,氣溫分別增加1℃和2℃時(shí),月均徑流量分別減少22.50 m3/s(1.36%)和36.23 m3/s(2.19%),可見徑流量的變化趨勢(shì)與氣溫變化趨勢(shì)成反比,變化幅度與氣溫變化幅度成正比。

表6 瀾滄江流域極端土地利用情景下徑流模擬結(jié)果

表7 瀾滄江流域氣候要素對(duì)徑流的影響

P：降水，Precipitation；T：氣溫，Temperature

3.2.3LUCC和氣候變化共同影響下的徑流模擬

模擬結(jié)果表明：情景7、8、9月均徑流量分別為1666.57 m3/s、1605.07 m3/s、1617.43 m3/s(表8)。以情景1為基準(zhǔn)期,對(duì)比情景7可知,LUCC引起月均徑流量增加12.36m3/s,結(jié)合表1可知,2006—2015年,流域內(nèi)農(nóng)業(yè)用地、林地、草地、城鎮(zhèn)用地、水體、未利用地、濕地的變化率分別為-15.81%、-9.06%、27.82%、0.30%、-3.38%、-0.05%、0.18%,總體上增加的草地面積絕大部分由農(nóng)業(yè)用地和林地轉(zhuǎn)化而來(lái),因此2006—2015年間,LUCC引起的月均徑流量增加是由流域內(nèi)林地轉(zhuǎn)化為草地所致,且林地轉(zhuǎn)化為草地引起的徑流增加量強(qiáng)于農(nóng)業(yè)用地轉(zhuǎn)化為草地引起的徑流減小量；對(duì)比情景8可知,氣候變化引起月均徑流量減少49.14 m3/s,而氣象觀測(cè)數(shù)據(jù)顯示,2007—2015年間較1998—2006年間流域內(nèi)月平均降雨量減少9.16mm、月平均氣溫升高0.2℃,這兩項(xiàng)變化均會(huì)引起徑流的減少,因此減少的徑流由降雨和氣溫變化共同引起；對(duì)比情景9可知,土地利用和氣候變化共同導(dǎo)致流域月均徑流量減少36.78 m3/s。因此,2006—2015年間,瀾滄江流域LUCC引起的月均徑流量增加幅度小于氣候變化引起的月均徑流量減少幅度,瀾滄江徑流量總體上呈減少趨勢(shì),相對(duì)于LUCC而言,氣候變化在瀾滄江徑流變化中起主導(dǎo)作用。

表8 瀾滄江流域不同情景模擬結(jié)果

3.2.4RCP4.5與RCP8.5情景下瀾滄江未來(lái)徑流變化預(yù)估

預(yù)估結(jié)果顯示：RCP4.5和RCP8.5情景下,2021—2050年間瀾滄江流域徑流均呈增加趨勢(shì),增加的速率分別為4.47億m3/10a和7.39億m3/10a(圖4)。而瀾滄江流域允景洪水文站實(shí)測(cè)徑流顯示：1971—2015年間,流域徑流呈減小趨勢(shì),減小的速率為22.74億m3/10a?？梢?RCP4.5和RCP8.5兩種情景下,流域徑流變化趨勢(shì)已發(fā)生改變,由原來(lái)的減少趨勢(shì)變?yōu)樵黾于厔?shì)。

圖4 瀾滄江流域RCP4.5和RCP8.5情景下年徑流量趨勢(shì)預(yù)估圖Fig.4 Trend Prediction Map of Annual runoff under RCP4.5 and RCP8.5 scenarios in the Lancang River Basin

4 結(jié)論與討論

4.1 結(jié)論

(1) SWAT模型在瀾滄江流域徑流模擬中具有很好的適用性,可以用SWAT模型來(lái)進(jìn)行流域徑流模擬、預(yù)測(cè),率定期模型參數(shù)R2、Ens分別達(dá)到0.80、0.80,驗(yàn)證期R2、Ens分別達(dá)到0.74、0.73。

(2) 從土地利用方面考慮,將農(nóng)業(yè)用地轉(zhuǎn)化為林地或草地,均會(huì)導(dǎo)致徑流量的減少,而將林地轉(zhuǎn)化為草地則會(huì)引起徑流量的增加,農(nóng)業(yè)用地、林地、草地三者對(duì)徑流增加貢獻(xiàn)順序?yàn)檗r(nóng)業(yè)用地>草地>林地。從氣候變化方面考慮,流域徑流量與降雨量成正比,與氣溫成反比。

(3) 2006—2015年間瀾滄江流域氣候變化引起的月均徑流減少幅度強(qiáng)于LUCC引起的月均徑流增加幅度,徑流變化由氣候變化主導(dǎo)。

(4) 預(yù)估結(jié)果顯示,在RCP4.5和RCP8.5兩種氣候排放情景下,2021—2050年間瀾滄江流域徑流均呈增加趨勢(shì),增加的速率分別為4.47億m3/10a和7.39億m3/10a,這與1971—2015年間流域?qū)崪y(cè)徑流變化趨勢(shì)相反。

4.2 討論

瀾滄江流域集中了從熱帶到高寒地帶的多種生物資源和森林資源,礦藏資源豐富,水能資源巨大,但其位于中國(guó)西南生態(tài)環(huán)境脆弱區(qū)[33],一方面,隨著人類活動(dòng)改造自然能力的加強(qiáng),人類活動(dòng)對(duì)地表覆蓋的改變對(duì)徑流的影響不容忽視,另一方面,氣候變化導(dǎo)致的水熱條件變化也會(huì)對(duì)流域徑流產(chǎn)生深遠(yuǎn)的影響。從研究結(jié)果來(lái)看氣候變化在瀾滄江流域徑流變化中占據(jù)主導(dǎo)作用,但這不等于說(shuō)人類可以肆無(wú)忌憚的開采資源,無(wú)節(jié)制無(wú)規(guī)劃的改變地表覆蓋。

相關(guān)研究表明LUCC作為人類活動(dòng)的集中體現(xiàn),其直觀反映了人類活動(dòng)對(duì)自然環(huán)境的影響,并影響著流域的水文過(guò)程[34]。本研究結(jié)果中的農(nóng)業(yè)用地、林地、草地三者對(duì)徑流增加的貢獻(xiàn)順序與張新榮[35]的研究結(jié)果一致,林地轉(zhuǎn)化為草地、農(nóng)業(yè)用地降低了冠層截留、入滲和蒸發(fā)[36-37],因此引起徑流增加。將草地轉(zhuǎn)化為農(nóng)業(yè)用地引起徑流的增加,推測(cè)是相對(duì)草地而言,農(nóng)業(yè)用地降低了土壤的涵養(yǎng)水源能力,增加了產(chǎn)匯流作用所致。2006—2015年間瀾滄江流域LUCC主要為農(nóng)業(yè)用地和林地轉(zhuǎn)化為草地,其中,農(nóng)業(yè)用地轉(zhuǎn)化為草地主要發(fā)生在上游的青藏高原地區(qū)(圖2),這直觀反映了近年來(lái)當(dāng)?shù)卣烁€草的成果,雖然這種土地利用類型變化降低了徑流量,但對(duì)改善青藏高原脆弱的生態(tài)環(huán)境和瀾滄江源頭的水質(zhì)則大有益處。林地轉(zhuǎn)化為草地主要發(fā)生在瀾滄江中下游的云南省境內(nèi),主要是沿岸居民過(guò)度砍伐樹木,導(dǎo)致林地退化所致,雖然這種地類變化有益于徑流的增加,但對(duì)沿岸生態(tài)環(huán)境的長(zhǎng)遠(yuǎn)發(fā)展必然會(huì)產(chǎn)生負(fù)面的影響。

氣候變化作為影響流域水文過(guò)程的主要因素之一[10],其對(duì)水資源的影響主要體現(xiàn)在降水和溫度的變化上[15]。本研究表明,在對(duì)流域未來(lái)徑流變化預(yù)估中,RCP4.5和RCP8.5情景下,瀾滄江流域徑流均呈增加趨勢(shì),這與黃金龍等[10]對(duì)RCP4.5情景下長(zhǎng)江上游流域徑流模擬的結(jié)果一致,推測(cè)是由于在RCP4.5情景下,長(zhǎng)江上游流域降雨呈增加趨勢(shì)[10],而瀾滄江流域降雨也呈增加趨勢(shì)(RCP4.5、RCP8.5情景下,2021—2050年均降雨量較1971—2015年均降雨量分別增加70.63mm、105.4mm)所致。

本研究中SWAT模型可以較好的用于瀾滄江流域的徑流模擬,但模型的模擬精度并沒有達(dá)到優(yōu)秀的標(biāo)準(zhǔn)[1,2,5,16],推測(cè)與如下因素有關(guān)。流域內(nèi)水電站、水庫(kù)的建設(shè)和生產(chǎn)會(huì)考慮豐枯水期的安全生產(chǎn)需要而人為進(jìn)行蓄水或泄洪,這必將會(huì)對(duì)徑流產(chǎn)生一定的影響,甚至?xí)淖儚搅鞯脑码H或年際分配。廖文婷等[38]研究表明,葛洲壩和三峽水利樞紐的建立使下游宜昌站徑流的年內(nèi)分配趨于平緩,洪峰被削弱,洪水發(fā)生幾率降低,枯水期有所提前。黃維等[39]研究表明,三峽工程減少了洞庭湖上游的來(lái)水量,改變了洞庭湖原來(lái)的水位/量變化規(guī)律。賈鳳[40]研究表明,流域梯級(jí)電站開發(fā)對(duì)徑流的人工控制對(duì)松花江中下游自然河流狀態(tài)的徑流量年內(nèi)分配具有很大的影響。然而由于數(shù)據(jù)獲取的原因,本研究在模擬時(shí)無(wú)法考慮水電站及水庫(kù)對(duì)徑流的影響,這將會(huì)在一定程度上降低模型的模擬精度,同時(shí),流域內(nèi)居民生產(chǎn)生活用水等也會(huì)在一定程度上影響徑流,這些也有待于進(jìn)一步研究。此外,本研究在利用SWAT模型開展2021—2050年的徑流預(yù)估時(shí),除氣象驅(qū)動(dòng)數(shù)據(jù)為模式計(jì)算結(jié)果提供外,其余土壤數(shù)據(jù)、植被覆蓋數(shù)據(jù)采用的是歷史時(shí)期數(shù)據(jù),這與未來(lái)的實(shí)際情況必然不同,因此也會(huì)給預(yù)估結(jié)果帶來(lái)一定的不確定性。