唐中楠， 楊國麗， 李 軍， 劉鵬霄

(河北建筑工程學(xué)院 河北省水質(zhì)工程與水資源綜合利用重點(diǎn)實(shí)驗(yàn)室, 河北 張家口 075000)

政府間氣候變化專門委員會(IPCC)的第五次評估報(bào)告中指出，從1880年以來全球平均表面溫度上升0.85 ℃，21世紀(jì)初已成為有記錄以來最炎熱的時(shí)期[1]。隨著溫室氣體排放的增加，全球范圍內(nèi)輻射強(qiáng)迫度和溫度持續(xù)上升，溫度的上升導(dǎo)致更高的蒸散速率，這極大影響了區(qū)域水文過程和水文事件(即洪水和干旱)發(fā)生頻率[2]，因此研究水文水資源對氣候變化的響應(yīng)具有重要現(xiàn)實(shí)意義。大氣環(huán)流模式(general circulation models, GCMs)是目前廣泛應(yīng)用于大尺度氣候研究的方法[3]。然而GCMs輸出受到低分辨率和缺乏區(qū)域氣候數(shù)據(jù)限制，降尺度方法常用于彌補(bǔ)GCMs對區(qū)域氣候預(yù)測的不足[4]。SDSM (statistical down scaling model)統(tǒng)計(jì)降尺度模型耦合了天氣發(fā)生器和多元線性回歸，在氣候變化情景研究中得到廣泛應(yīng)用[5]。

氣候變化下的水文過程響應(yīng)逐漸成為水文水資源研究領(lǐng)域的熱點(diǎn)[6]，水文模型是模擬流域水循環(huán)過程及氣候和人類活動變化對水資源響應(yīng)，揭示徑流變化規(guī)律的重要工具和方法[7]。其中，與SDSM模型對接應(yīng)用較為廣泛的水文模型有SWAT模型[8]、VIC模型等[9]。HEC-HMS(hydrologic engineering center and hydrologic modeling system)模型是由美國陸軍工程師兵團(tuán)研發(fā)的半分布式水文模型，因其相對簡單高效的結(jié)構(gòu)和明確的物理機(jī)制而被國內(nèi)外學(xué)者廣泛應(yīng)用[10]。Abdessamed等[11]利用HEC-HMS模型驗(yàn)證阿爾及利亞艾因賽夫拉市防洪混凝土墻防洪效果及其對洪峰流量的削減效果，發(fā)現(xiàn)市區(qū)擋土墻的存在顯著減少了洪水區(qū)面積。Mahmood等[12]通過對該模型量化分析，發(fā)現(xiàn)了過去50 a余非洲第四大淡水湖乍得湖入庫流量迅速下降，其中人類活動因素占總比例的66%，氣候因素僅為34%。袁玉等[13]探究了秦淮河流域洪水特征對景觀格局的響應(yīng)，發(fā)現(xiàn)景觀豐富度較高的區(qū)域洪水危害性較小。田競等[14]基于修正Morris法優(yōu)化了模型參數(shù)敏感性分析過程，并驗(yàn)證了模型在官山河流域的適用性?；谏鲜龇治觯瑖鴥?nèi)外學(xué)者對HEC-HMS模型的研究主要集中于山洪預(yù)報(bào)預(yù)警和雨洪對下墊面變化的響應(yīng)機(jī)制研究。然而，目前將HEC-HMS模型與SDSM模型耦合并應(yīng)用于未來氣候變化下的徑流響應(yīng)的研究還較少，加深耦合模型的應(yīng)用理解對未來徑流變化預(yù)測有現(xiàn)實(shí)意義。

蘭江流域受降雨和地形等因素影響，是浙江省內(nèi)防洪抗汛的重點(diǎn)流域。歷史上有記錄的該流域發(fā)生的特大洪水超過56次。20世紀(jì)以來受到氣候變化等因素影響，洪水發(fā)展到平均每4 a一次，最近一次特大洪水出現(xiàn)在2017年6月下旬，蘭溪站監(jiān)測水位達(dá)到31.86 m[15]。因此，本文針對蘭江流域構(gòu)建HEC-HMS模型，并將其與SDSM模型結(jié)合，依托CanESM2氣候模式研究未來不同RCPs情景下的流域徑流變化趨勢，探究在全球變暖氣候變化背景下徑流的響應(yīng)過程，以期為區(qū)域防洪工程和水資源管理提供重要參考和一定的理論支持。

1 研究區(qū)域數(shù)據(jù)與研究方法

1.1 研究區(qū)概況

蘭江流域位于錢塘江上游，浙江省中西部，水文上通常將馬金溪、衢江和蘭江統(tǒng)稱為蘭江。流域上游起源于安徽省休寧縣，干流全長約為303 km，流域境內(nèi)總面積1.94×104km2。流域跨越東經(jīng)118°40′—120°38′,北緯28°60′—29°30′之間，地形以丘陵和盆地為主，整體地勢呈現(xiàn)四周高、中間低的特點(diǎn)，氣候?qū)儆跂|亞副熱帶季風(fēng)區(qū)，年平均年降水約為1 200～1 700 mm，暴雨多集中在4—8月，多年平均溫度約在17～18 ℃間，流域徑流主要補(bǔ)給源是大氣降水，多年平均徑流量608 m3/s[16]。研究區(qū)域選取蘭江蘭溪水文站以上流域，區(qū)域地形和雨量站點(diǎn)分布見圖1。

圖1 蘭江流域雨量站及地形圖

1.2 數(shù)據(jù)來源及處理

1.2.1 地理空間數(shù)據(jù) 地理空間數(shù)據(jù)包括流域數(shù)字高程、土地利用和土壤分布數(shù)據(jù)。數(shù)字高程數(shù)據(jù)來自于地理空間數(shù)據(jù)云平臺(http:∥www.gscloud.cn)的30 m分辨率GDEMV2 30 M產(chǎn)品數(shù)據(jù)集。土地利用數(shù)據(jù)為中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心提供的1 km分辨率2018年土地利用現(xiàn)狀遙感監(jiān)測數(shù)據(jù)，通過蘭江流域矢量邊界提取(見圖2a)。土壤分布數(shù)據(jù)來自世界土壤數(shù)據(jù)庫HWSD (harmonized world soil database)數(shù)據(jù)集，邊界裁剪蘭江流域范圍見圖2b。

注：①LPk為黑色石灰薄層土；LVh1為簡育高活性淋溶土1；ACu為腐殖質(zhì)低活強(qiáng)酸土；ACh1為簡育低活性強(qiáng)酸土1；RGc為石灰性疏松巖性土；CMo為鐵鋁性雛形土；CMx為艷色雛形土；RGd為不飽和疏松巖性土；ACh2為簡育低活性強(qiáng)酸土2；ALh為簡育高活性強(qiáng)酸土；ANh為簡育火山灰土；FLe為飽和沖積土；CMd為不飽和雛形土；ATc1為人為堆積土1；ATc2為人為堆積土2； ②ATc2比ATc1在土壤含沙量、壤土含量、土壤碳酸鈣降低，黏土含量上升；LVh2比LVh在土壤含沙量、壤土含量上升，黏土含量、土壤碳酸鈣下降；ACh2比ACh1在土壤含沙量上升，壤土含量、黏土含量和土壤碳酸鈣含量均下降。

1.2.2 水文氣象數(shù)據(jù) 構(gòu)建HEC-HMS模型的水文氣象數(shù)據(jù)來自于歷年中華人民共和國水文年鑒第7卷第1冊，徑流數(shù)據(jù)選取2015—2018年的蘭江蘭溪站逐日平均流量表和洪水水文要素摘錄表，同時(shí)考慮到預(yù)測模型對下游蘭江水庫的安全性影響，故本著對水利工程最不利原則選取6場峰值流量大于3 000 m3/s的典型大規(guī)模洪水?dāng)?shù)據(jù)。降水量數(shù)據(jù)選取流域內(nèi)15個(gè)雨量站點(diǎn)(表1)的降水量摘錄表。構(gòu)建SDSM模型所需資料包括歷史氣象數(shù)據(jù)、NCEP(national centers for environment prediction)歷史逐日再分析數(shù)據(jù)和CanESM2大氣環(huán)流模式輸出數(shù)據(jù)。實(shí)測歷史氣象資料采用流域內(nèi)東陽、衢州、開化、江山、金華和武義6個(gè)氣象站點(diǎn)1975—2005年逐日降水?dāng)?shù)據(jù)。NCEP歷史再分析數(shù)據(jù)選取1975—2005年日序列的26種大氣環(huán)流因子。CanESM2大氣環(huán)流模式數(shù)據(jù)來自加拿大氣候情景網(wǎng)，選取BOX_043 X_43 Y和BOX_044 X_43 Y網(wǎng)格下RCP2.6，RCP4.5和RCP8.53個(gè)排放情景的2030—2100逐日序列。

表1 蘭江流域雨量站點(diǎn)地理位置

1.3 研究方法

1.3.1 HEC-HMS水文模型 HEC-HMS模型包括流域模塊、控制模塊、氣象模塊和時(shí)間序列管理模塊4個(gè)部分[17]，流域模塊的降雨—徑流計(jì)算中又分為產(chǎn)流模塊、匯流模塊、基流模塊和河道匯流模塊，通過模塊式操作可以采用不同的計(jì)算方案模擬流域內(nèi)的水文過程。

本研究通過HEC-GeoHMS 10.2對流域DEM數(shù)據(jù)進(jìn)行處理，提取流域水系特征和地形參數(shù)并將流域劃分為18個(gè)子流域，利用泰森多邊形法計(jì)算每個(gè)子流域的雨量站權(quán)重，在此基礎(chǔ)上生成HEC-HMS工程文件(圖3)。產(chǎn)流模塊采用SCS-CN徑流曲線數(shù)法，率定參數(shù)包括降雨初損、CN值和不透水率；匯流模塊采用Snyder單位線法，參數(shù)包括流域滯時(shí)和峰值系數(shù)；基流模塊采用消退基流法，參數(shù)有初始基流、衰減常數(shù)和衰減閾值；河道匯流模塊采用馬斯京跟法，參數(shù)包括蓄量常數(shù)K，流量比重X和河段數(shù)?？紤]到初始參數(shù)值輸入模型的模擬較差，故參數(shù)率定過程中采用手動試錯法結(jié)合模型內(nèi)置的Nelder-Mead法及峰值加權(quán)均方根目標(biāo)函數(shù)確定最優(yōu)參數(shù)[18]。驗(yàn)證模型選用洪峰流量相對誤差(REQ)，洪量相對誤差(REW)，峰現(xiàn)時(shí)差(ΔT)，Nash效率系數(shù)(NSE)和相關(guān)性系數(shù)(R2)5個(gè)指標(biāo)評價(jià)模型模擬結(jié)果，洪峰流量相對誤差REQ和洪量相對誤差REW誤差范圍應(yīng)在20%以內(nèi)，峰現(xiàn)時(shí)差ΔT誤差范圍應(yīng)在3 h以內(nèi)，Nash效率系數(shù)(NSE)應(yīng)在0.6以上。REQ，REW和ΔT絕對值越低，NSE和R2越接近1代表模擬效果越好[19]。

根據(jù)上述方法構(gòu)建蘭江流域HEC-HMS模型，洪水場次模擬選取4場暴雨洪水對模型參數(shù)進(jìn)行率定，2場暴雨洪水對模型模擬效果進(jìn)行驗(yàn)證；逐日降雨徑流選取2015—2016年日徑流數(shù)據(jù)對模型參數(shù)進(jìn)行率定，2017—2018年日徑流數(shù)據(jù)對模型模擬效果驗(yàn)證。

圖3 蘭江流域劃分及模型結(jié)構(gòu)

1.3.2 SDSM統(tǒng)計(jì)降尺度模型 SDSM模型是耦合多元線性回歸分析和隨機(jī)天氣發(fā)生器的統(tǒng)計(jì)降尺度模型，能夠?qū)⒌头直媛实腉CM大氣環(huán)流模式輸出數(shù)據(jù)轉(zhuǎn)換為站點(diǎn)或小尺度氣候要素的日序列，其核心為通過多元回歸分析方法建立預(yù)報(bào)因子與預(yù)報(bào)量之間的統(tǒng)計(jì)關(guān)系[20]。模型主要使用步驟包括：篩選預(yù)報(bào)因子、數(shù)據(jù)轉(zhuǎn)化及質(zhì)量控制、率定驗(yàn)證模型、天氣發(fā)生器和情景發(fā)生器，其中預(yù)報(bào)因子的選擇依據(jù)為預(yù)報(bào)因子與預(yù)報(bào)量間有強(qiáng)相關(guān)性和明確的物理過程、所選因子能夠被GCM準(zhǔn)確模擬[21]。根據(jù)建立的統(tǒng)計(jì)關(guān)系率定及驗(yàn)證模型后即可憑借于GCM輸出數(shù)據(jù)模擬預(yù)測未來日序列的氣象要素變化過程，其基本原理[22]如下所示：

(1)

(2)

式中：ωi為第i天降水概率;Pij為第i天第j個(gè)預(yù)報(bào)因子;α，β和γ為模型參數(shù);Ri為降水量;Ti為溫度變量;ei為誤差。

本研究采用加拿大氣候中心研發(fā)的CanESM2模式的未來輸出降水?dāng)?shù)據(jù)進(jìn)行研究。林朝暉等[23]對17個(gè)GCMs模式在中國東部歷史降水模擬能力進(jìn)行了分析，發(fā)現(xiàn)只有4種GCMs模式能夠同時(shí)還原小雨至暴雨雨量的年代增加，CanESM2模式是其中之一。Xuan等[24]分析了18個(gè)GCMs模式在浙江省區(qū)域氣候變化模擬能力，發(fā)現(xiàn)CanESM2模式是溫度模擬、降水模擬和風(fēng)速模擬的最佳模式之一，溫度模擬絕對偏差小于1 ℃，降水偏差小于5%。因此，CanESM2氣候模式可以認(rèn)為適用于浙江區(qū)域。

2 結(jié)果與分析

2.1 HEC-HMS模型結(jié)果

2.1.1 洪水模擬結(jié)果 洪水模擬結(jié)果見表2。由表2可以看出6場洪水的洪峰相對誤差和洪量相對誤差均小于20%，其中洪峰流量相對誤差絕對值均值為6.82%，洪量相對誤差絕對值均值為7.55%；峰現(xiàn)時(shí)差除20170411號洪水外均小于2 h；Nash效率系數(shù)為0.78～0.92，相關(guān)性系數(shù)均高于0.8。

從模擬與實(shí)測流量對比結(jié)果(圖4)中看出，模型模擬洪水過程與實(shí)測過程趨勢基本一致。率定期20170614，20170625，20180305這3場洪水Nash效率均接近于0.9，洪量誤差均接近或小于5 %，峰現(xiàn)表現(xiàn)趨于雨停峰現(xiàn)，模擬效果較好。洪號20180430，20170411洪水洪量相對誤差稍大，具體表現(xiàn)為局部模擬過程和實(shí)測洪水過程有所差距，其原因可能為實(shí)測流量數(shù)據(jù)為摘錄洪水?dāng)?shù)據(jù)線性插值處理后的結(jié)果，坦化后實(shí)際流量過程線導(dǎo)致局部模擬過程誤差增大；同時(shí)通過泰森多邊形法計(jì)算流域面降水量不能全部還原降水的空間和時(shí)間過程，從而進(jìn)一步增大洪水過程線和峰現(xiàn)時(shí)間誤差。總體上看，率定期和驗(yàn)證期共6場洪水的相對誤差、效率系數(shù)等大體符合要求，表明HEC-HMS模型可以用于蘭江流域洪水模擬。

表2 HEC-HMS模型洪水模擬結(jié)果

圖4 蘭江流域率定期(a-d)與驗(yàn)證期(e-f)洪水過程模擬結(jié)果

2.1.2 日徑流模擬結(jié)果 表3為HEC-HMS模型日徑流模擬結(jié)果評價(jià)，率定期逐日徑流相關(guān)系數(shù)和效率系數(shù)均為0.79，相對誤差為6.11%；驗(yàn)證期相關(guān)系數(shù)為0.74，效率系數(shù)為0.73，相對誤差Re為14.02%，總體上率定期模擬效果優(yōu)于驗(yàn)證期，模擬值稍大于實(shí)測值。圖5為率定期和驗(yàn)證期模擬逐日徑流和實(shí)測徑流過程對比，可以看出過程線擬合效果較好。模型對于極端徑流模擬值偏小，實(shí)測最高流量日為2017年6月25日，日平均徑流量達(dá)到12 900 m3/s，模型模擬結(jié)果僅為6 653.50 m3/s；2015年6月19日，實(shí)測日平均徑流量達(dá)到8 570 m3/s，模擬結(jié)果為4 907.50 m3/s；2015年6月30日，實(shí)測日平均徑流量達(dá)到6 290 m3/s，模擬結(jié)果為4 829.30 m3/s。綜合效率系數(shù)、相關(guān)系數(shù)和相對誤差來看，HEC-HMS模型在蘭江流域有較好的適用性，可以用于該地區(qū)的徑流模擬。

表3 模型模擬結(jié)果評價(jià)

圖5 蘭江流域驗(yàn)證期和實(shí)測期徑流模擬過程

2.2 SDSM模型結(jié)果

2.2.1 SDSM模型率定與驗(yàn)證 選取1975—1995年為SDSM模型率定期，1996—2005年為模型驗(yàn)證期。采用平均解釋方差(E)、標(biāo)準(zhǔn)誤差(SE)和相對誤差評價(jià)模擬結(jié)果?？紤]到HEC-HMS模型僅需輸入降水序列，故本研究中僅對6個(gè)氣象站點(diǎn)的日降水量進(jìn)行模擬驗(yàn)證，結(jié)果見表4。各站點(diǎn)標(biāo)準(zhǔn)誤差為0.35～0.40 mm，解釋方差為0.34%～0.47%，說明所選的預(yù)報(bào)因子能夠解釋降水量超過34%～47%的誤差。本研究中對降水量的模擬結(jié)果與郝麗娜等[25]對河西走廊降水模擬的解釋方差0.09%～0.64%,初祁等[26]對太湖流域降水模擬的解釋方差0.11%～0.26%和婁偉等[27]對涇河流域降水模擬中解釋方差為0.35%～0.45%等結(jié)果相似，同時(shí)年降水量統(tǒng)計(jì)結(jié)果表明模擬與實(shí)測值基本相近，因此認(rèn)為構(gòu)建的SDSM模型可適用于蘭江流域未來徑流模擬。

2.2.2 未來情景預(yù)測 將2030—2100年分為3個(gè)時(shí)段，即2030s(2030—2049年)，2050s(2050—2079年)和2080s(2080—2100年)，以1975—2005年作為基準(zhǔn)期對比。應(yīng)用已構(gòu)建的SDSM模型輸入CanESM2模擬下RCP2.6，RCP4.5和RCP8.53種排放情景數(shù)據(jù)得到6個(gè)氣象站點(diǎn)未來降水逐日序列，并根據(jù)泰森多邊形法計(jì)算流域面降水量，結(jié)果見表5。

表4 SDSM模型降水模擬結(jié)果統(tǒng)計(jì)值

RCP2.6，RCP4.5和RCP8.5濃度路徑下流域降雨量較于基準(zhǔn)期分別增幅-0.82%，6.18%和18.17%。RCP2.6情景下未來降水量呈現(xiàn)輕微下降趨勢，平均減幅為1.97 mm/10 a，21世紀(jì)末期較于基準(zhǔn)期下降1.41 %；RCP4.5情景下降水量增長至頂峰后減少，增幅為14.84 mm/10 a，2050s時(shí)期平均多年降水量達(dá)到最高值1 860.75 mm，較于基準(zhǔn)期增幅10.76 %，21世紀(jì)末期回落至1 767.36 mm，較于基準(zhǔn)期增幅5.20%；RCP8.5情景下降水量持續(xù)快速增長，增幅為43.60 mm/10 a，21世紀(jì)中前期已明顯高于基準(zhǔn)期，21世紀(jì)末期平均多年降水量達(dá)到2 338.70 mm，較于基準(zhǔn)期上升39.21 %，相比于其他情景變化更為劇烈?？傮w上看，蘭江流域未來降水量呈上升趨勢，降水量增幅程度隨著輻射強(qiáng)迫度的上升而增大。

表5 蘭江流域各情景下未來降水預(yù)測

2.3 未來徑流模擬

將SDSM模型降尺度生成的未來較好序列輸入到已校準(zhǔn)的HEC-HMS模型中，得到未來RCPs 3種排放情景下的流域徑流變化過程(圖6)。結(jié)合表6可知未來不同排放情景各時(shí)段下平均多年徑流量，對比基準(zhǔn)期(2015—2018年)未來徑流量均成上升趨勢，RCP2.6，RCP4.5和RCP8.5 3種情景下多年平均徑流相較于基準(zhǔn)期分別增幅為17%，26.22%和41.93%。

未來各時(shí)段徑流量變化規(guī)律與降水變化過程基本一致，RCP2.6情景下徑流量基本趨于穩(wěn)定，較于基準(zhǔn)期增長幅度15%～20%，預(yù)測期內(nèi)平均每10 a減少1.6 m3/s；RCP4.5情景下徑流量增長至峰值后緩慢下降，較于基準(zhǔn)期增幅20%～32%，預(yù)測期內(nèi)平均每10 a上升4.65 m3/s；RCP8.5情景下徑流量持續(xù)上升，從2030s時(shí)段較于基準(zhǔn)期增幅17%持續(xù)上升至2080s時(shí)段增幅71%，預(yù)測其內(nèi)平均每10 a上升49.49 m3/s，同時(shí)RCP8.5情景下各年份徑流量起伏較大，變化過于劇烈的徑流過程代表旱澇事件頻率和強(qiáng)度將明顯提升。

圖6 蘭江流域3種排放情景下未來徑流變化

表6 蘭江流域未來情景下流域年平均流量

圖7所示為各時(shí)段平均月徑流模擬結(jié)果。RCP8.5情景下各時(shí)段徑流除6，10，11月外均出現(xiàn)不同程度的增幅，其中豐水期(4—7月)漲幅顯著高于枯水期(9—12月)，且隨著時(shí)間的推移，豐水期和枯水期的徑流差也不斷擴(kuò)大，至21世紀(jì)末期，豐水期已占全年徑流71.93%。

RCP4.5情景和RCP2.6情景下徑流年內(nèi)分配均趨于穩(wěn)定，相較于基準(zhǔn)期1—5月徑流出現(xiàn)明顯上升，7—9月和12月徑流出現(xiàn)了小幅上升，而6，10，11月徑流則出現(xiàn)了不同程度的下降，至21世紀(jì)末期2種情景汛期徑流占比分別達(dá)到60.06%和61.63%，枯水期徑流量則有減小的態(tài)勢?？傮w來看預(yù)測結(jié)果表明10月和11月以外的月份平均徑流均呈明顯增加趨勢，其中2—5月平均徑流量增幅明顯，豐水期徑流增幅程度均大于枯水期，表明未來流域徑流年內(nèi)分配可能趨于參差，需要更加注意豐水期防洪水利工程。

圖7 蘭江流域多年月平均徑流基準(zhǔn)期與實(shí)測期比較

3 討論與結(jié)論

3.1 結(jié) 論

(1) HEC-HMS模型在蘭江流域有較好的適用性。通過構(gòu)建適用于蘭江流域的HEC-HMS模型并率定校準(zhǔn)模型，場次洪水模擬平均效率系數(shù)0.86，平均相關(guān)系數(shù)0.89，平均洪峰相對誤差6.82%，平均洪量相對誤差7.56%；日徑流量模擬平均效率系數(shù)0.76，平均相關(guān)系數(shù)0.77，模型可以較為準(zhǔn)確地還原研究區(qū)水文過程。

(2) 未來蘭江流域徑流量呈上升趨勢，增幅程度隨輻射強(qiáng)迫度同步增大。RCP2.6情景下徑流趨于穩(wěn)定，流域徑流量每10 a減少1.6 m3/s；RCP4.5情景下徑流量增加至峰值后減少，每10 a上升4.65 m3/s；RCP.8.5情景下徑流量持續(xù)攀升，每10 a徑流量上升49.49 m3/s。RCP8.5情景下年徑流量變化劇烈，旱澇事件發(fā)生概率和強(qiáng)度均有所增加。

(3) 未來徑流量年內(nèi)分配將更趨于極端，汛期徑流量占全年比例將有所上升。RCP2.6，RCP4.5和RCP8.5 3種情景下豐水期徑流量上升幅度均明顯高于枯水期，增幅程度與輻射強(qiáng)迫度增大趨勢一致。預(yù)測期汛期徑流占比總體高于基準(zhǔn)期，至21世紀(jì)末期RCP2.6，RCP4.5和RCP8.53種濃度路徑下分別由基準(zhǔn)期的46.59%上升到60.06%，61.63%和71.93%。

3.2 討 論

本研究所用的CanESM2模式是國際耦合模式比較計(jì)劃第5階段CMIP5發(fā)布的氣候模式之一，CMIP5與第3階段CMIP3相比在氣候模擬能力上已有顯著提高[28]，但是GCMs模式仍然不能完全模擬大氣要素之間的互相作用，在未來氣候變化的預(yù)測中有極大的不確定性，尤其是影響因素較多且過程復(fù)雜的降水事件[29]，不同氣候模式由于機(jī)制原理、物理氣候結(jié)構(gòu)、模式分辨率和輻射強(qiáng)迫度情景設(shè)計(jì)的較大差異，對未來氣候的模擬能力也不盡相同，通過比較多個(gè)GCMs模式能夠盡量減少不確定性。Zhang等[30]通過HadCM3，ECHAM5和CCSM3這3個(gè)模式研究發(fā)現(xiàn)錢塘江流域未來降水量極有可能呈現(xiàn)上升趨勢，Xia等[31]通過GFDL等3個(gè)GCMs模式預(yù)測錢塘江流域豐水期降水量上升而枯水期下降，以上多種氣候模式研究和本研究一致發(fā)現(xiàn)錢塘江流域和其上游蘭江流域的降水量在未來有上升趨勢，因此本研究基于SDSM模型分析蘭江流域未來降水量將有所上升的結(jié)論具有可信度。

降尺度方法也是區(qū)域尺度的未來氣候變化研究中的不確定性因素之一。SDSM統(tǒng)計(jì)降尺度方法雖然可以減少空間分辨率尺度上帶來的誤差，但其預(yù)測因子的選擇存在主觀性，模型情景生成與基線一致這一結(jié)構(gòu)導(dǎo)致模擬結(jié)果年際降水量變化較大[32]。

本研究通過分析未來降水變化并結(jié)合水文模型研究了蘭江流域徑流的變化趨勢，但僅通過單出口觀測流量進(jìn)行模型的率定與驗(yàn)證難以說明流域整體的徑流變化得到了準(zhǔn)確的還原，進(jìn)一步分析不同區(qū)域的徑流量演變趨勢將是未來研究的重點(diǎn)。同時(shí)，土地利用類型的改變會對流域徑流產(chǎn)生重大影響[33]，充分考慮流域未來土地利用、土壤分布和高程的改變對徑流的影響是值得進(jìn)一步研究的科學(xué)問題。