王柳林,張秀菊,紀(jì)鵬程,王寶斌,李翔宇
(1.河海大學(xué)水文水資源學(xué)院,江蘇 南京 210024;2.南通市通州區(qū)水利局,江蘇 南通 226399;3.河海大學(xué)計(jì)算機(jī)與信息學(xué)院,江蘇 南京 210024)
氣候變化是現(xiàn)今全球關(guān)注的熱點(diǎn),聯(lián)合國IPCC第六次評估報(bào)告《氣候變化2021:自然科學(xué)基礎(chǔ)》中指出:自1850年~1900年以來,全球地表平均溫度已上升約1 ℃,未來20年全球溫升可能超過1.5 ℃。氣候變化正在給不同地區(qū)帶來多種不同的組合性變化,影響水資源的時(shí)空分配以及水資源總量,進(jìn)而對社會(huì)經(jīng)濟(jì)發(fā)展和生態(tài)系統(tǒng)安全等產(chǎn)生深刻的影響。因此,分析未來氣候情景下水資源的演變趨勢,對于區(qū)域水資源管理規(guī)劃具有重要意義。
目前,未來水資源量的估算研究一般采用以下2種方法:一是采用人工神經(jīng)網(wǎng)絡(luò)[1]、支持向量機(jī)[2]、馬爾科夫鏈[3]、隨機(jī)森林[4]等機(jī)器學(xué)習(xí)方法,利用歷史水文數(shù)據(jù)預(yù)測未來徑流變化。該類方法計(jì)算簡便,但無法明確徑流變化的機(jī)理。二是未來氣候情景與水文模型的耦合。由于氣候變化的復(fù)雜性和不確定性,常用氣候情景假定法和基于全球氣候模式的數(shù)據(jù)來生成氣候變化情景。其中氣候情景假定法,即通過設(shè)定降水、氣溫等氣候要素較基準(zhǔn)期存在一定幅度的增減,組合得到氣候變化情景。胡倩等假定降雨變幅為10%,氣溫變幅為1 ℃,設(shè)置了5種不同氣候變化情景,以此驅(qū)動(dòng)SWAT模型計(jì)算洞庭湖平原水資源量[5]。該方法對于增減幅度的設(shè)定具有一定的主觀性,與未來氣候?qū)嶋H變化情況存在一定差距。全球氣候模式(GCM)是描述物理、流體運(yùn)動(dòng)和化學(xué)等基本定律的微分方程所構(gòu)成的模型,被廣泛用于預(yù)估未來氣候變化。王旭等采用CMIP5模式數(shù)據(jù)驅(qū)動(dòng)SWAT模型,結(jié)果表明葉爾羌河未來徑流呈顯著減小的趨勢[6]。
南通市通州區(qū)的氣象要素在過去50年間發(fā)生明顯變化,進(jìn)而影響天然水資源量[7]?;诖耍疚闹饕媚贤ㄊ型ㄖ輩^(qū)歷史降雨、氣溫、地表徑流深數(shù)據(jù),首先模擬和評估了平原河網(wǎng)產(chǎn)流模型在通州區(qū)的適用性;然后對CMIP6中多個(gè)模式數(shù)據(jù)進(jìn)行評估比選,對通州區(qū)在3種情景(SSP126、SSP245、SSP585)下2023年~2050年的地表徑流深變化趨勢進(jìn)行分析。其研究結(jié)果可為南通市通州區(qū)水資源規(guī)劃、水環(huán)境保護(hù)提供科學(xué)理論依據(jù)。
通州區(qū)位于江蘇省東南部,東經(jīng)120°41′~121°25′,北緯31°52′~32°15′,長江三角洲東北翼,東臨黃海,西枕長江,屬于平原河網(wǎng)地區(qū),河道縱橫交錯(cuò),密度較高,各級(jí)河流之間基本能相互貫通,水系發(fā)達(dá)。全區(qū)水域主要由黃海、長江水域和區(qū)內(nèi)河流組成,其中黃海水域北起遙望港,南至鮮魚港。區(qū)內(nèi)河流由九呂水系、通啟河水系、三余水系、沿江圩田四大水系構(gòu)成,統(tǒng)屬長江水系(見圖1)。
圖1 研究區(qū)概況
采用線性回歸法對通州區(qū)降雨變化趨勢進(jìn)行分析(見圖2)。由圖2可知,南通市通州區(qū)1965年~2017年降雨以2.341 mm/a的速率增加,汛期降雨量以2.344 5 mm/a速率上升,枯季降雨量以0.003 1 mm/a速率下降,年降雨量與汛期降雨量變化波動(dòng)較相似,基本上互為同升同降。
圖2 南通市通州區(qū)降雨變化
采用線性回歸法對通州區(qū)氣溫變化趨勢進(jìn)行分析(見圖3)。由圖3可以看出,南通市通州區(qū)1965年~2017年年均氣溫以0.35 ℃/10 a的速率上升,其上升速率高于全國年均氣溫的上升速率。同樣方法對通州區(qū)各個(gè)月份氣溫進(jìn)行趨勢分析,得出各月均出現(xiàn)不同程度上升。其中,2月~5月氣溫上升較快,氣溫上升速率較大(0.46~0.52 ℃/10 a);6月、8月氣溫上升不顯著,氣溫上升速率較小,分別為0.22、0.12 ℃/10 a;其他月份的氣溫也都呈現(xiàn)出一定的上升趨勢,氣溫上升速率介于前兩者之間(0.3~0.38 ℃/10 a)。
圖3 南通市通州區(qū)氣溫年際變化
通過對通州區(qū)歷史氣象要素變化趨勢進(jìn)行分析的結(jié)果可以看出,通州區(qū)氣溫產(chǎn)生了顯著變化,降雨變化趨勢不明顯,但年際變化幅度較大。因此,利用CMIP6模式數(shù)據(jù)耦合水文模型,進(jìn)行未來地表水資源量估算,為水資源規(guī)劃提供依據(jù),十分必要也十分迫切。
本文利用平原河網(wǎng)產(chǎn)流模型模擬通州區(qū)歷史水文過程,對模型進(jìn)行率定與驗(yàn)證后,采用CMIP6模式數(shù)據(jù)驅(qū)動(dòng)水文模型,計(jì)算通州區(qū)在2023年~2050年的地表水資源量。因CMIP6模式缺乏逐日蒸發(fā)數(shù)據(jù),故采用Hargreaves方法計(jì)算潛在蒸散發(fā)ET。
潛在蒸散發(fā)ET采用Hargreaves方法計(jì)算,該方法計(jì)算簡單,所需氣象數(shù)據(jù)較少,計(jì)算公式為
ET=0.408×αRa(Tave+17.8)(Tmax-Tmin)0.5
(1)
(2)
式中,α為轉(zhuǎn)換系數(shù),初始取值為0.002 3,最終取值通過率定確定,為0.002 7;Ra為天頂輻射,MJ·m2·d-1;Tmax、Tmin、Tave分別為最高溫度、最低溫度、平均溫度,℃;Gsc為太陽常數(shù);δ為太陽傾角,(°);φ為緯度所轉(zhuǎn)換的弧度,rad;dr為日地相對距離,km;ωs為日落時(shí)角,(°)。各參數(shù)詳細(xì)計(jì)算見文獻(xiàn)[8]。
通州區(qū)屬于平原河網(wǎng)區(qū),其中水面面積167.65 km2、水田面積309.86 km2、旱地面積590.35 km2、城鎮(zhèn)不透水面積283.68 km2。本文針對不同的下墊面分開模擬其產(chǎn)流過程:①水面產(chǎn)流按水量平衡方程由降水量扣除水面蒸發(fā)量推求產(chǎn)水量。②在非水稻種植季節(jié),考慮水稻不同生長期的水田需水深度、耗水系數(shù)及灌排方式推求灌排水量;在非水稻種植季節(jié),水田類型的下墊面當(dāng)作旱地處理,產(chǎn)流按旱地產(chǎn)流計(jì)算。③旱地面積采用3層蒸發(fā)模型的三水源新安江蓄滿產(chǎn)流模型推求產(chǎn)流量。④城鎮(zhèn)區(qū)域需考慮下墊面透水情況,其中透水面積按新安江模型計(jì)算產(chǎn)流量;不透水面積的產(chǎn)流量可簡單表示為降雨乘以徑流系數(shù)。具體計(jì)算見文獻(xiàn)[9]。
使用決定性系數(shù)(R2)和納什效率系數(shù)(NSE)2個(gè)指標(biāo)來評估平原河網(wǎng)產(chǎn)流模型的模擬效果,當(dāng)R2>0.7且NSE>0.65時(shí),可以認(rèn)為模型模擬效果良好,相應(yīng)指標(biāo)具體計(jì)算公式為
(3)
(4)
綜合考慮資料序列長度、空間分布特性,本文所用數(shù)據(jù)包含降水、蒸發(fā)、氣溫、地表徑流深,具體數(shù)據(jù)來源和系列長度見表1。
表1 數(shù)據(jù)來源詳情
模式預(yù)估氣象數(shù)據(jù)主要涉及氣溫、降水等,來自第六次國際耦合模式比較計(jì)劃(CMIP6),不同氣候變化模式簡況見表2。CMIP6采用新的“共享社會(huì)經(jīng)濟(jì)路徑”和輻射強(qiáng)迫情景的矩陣組合,本文選取SSP126、SSP245、SSP585三種未來氣候情景進(jìn)行研究,氣候情景特征見表3。
表2 全球氣候模式基本信息
表3 氣候情景特征
采用平原河網(wǎng)產(chǎn)流模型模擬通州區(qū)歷史水文過程,其中率定期為1981年~1993年,驗(yàn)證期為1998年~2003年。由于通州區(qū)水文測站較少,無實(shí)測徑流數(shù)據(jù),故將江蘇省第三次水資源調(diào)查評價(jià)成果作為率定依據(jù),和徑流模擬值進(jìn)行對比,模擬結(jié)果見圖4和表4。由圖4、表4可知,率定期的R2、NSE分別為0.89、0.88,驗(yàn)證期的R2、NSE分別為0.92、0.92,模型擬合效果較好。
表4 月地表徑流深模擬效果評估表
圖4 率定期與驗(yàn)證期月地表徑流深模擬值與參考值對比
由于所選的9個(gè)氣候模式具有不同的分辨率,采用雙線性插值法將9個(gè)氣候模式數(shù)據(jù)插值到統(tǒng)一尺度0.025°×0.025°,再將所有格點(diǎn)數(shù)據(jù)進(jìn)行算術(shù)平均,將不同氣候模式歷史數(shù)據(jù)(1981年~2012年)和地面測站結(jié)果進(jìn)行對比,發(fā)現(xiàn)不同氣候模式的月均降雨與地面觀測值之間的相關(guān)系數(shù)r為0.180~0.832,其中INM-CM5-0模式對降水的模擬最好,相關(guān)系數(shù)為0.832;氣候模式對降雨的模擬能力較弱,原因是降雨受到多種復(fù)雜因素的共同影響[10]。不同氣候模式的月均氣溫與地面觀測值之間的相關(guān)系數(shù)r為0.990~0.999,其中INM-CM5-0模式對氣溫的模擬最好,相關(guān)系數(shù)為0.998。通過綜合比較,INM-CM5-0模式模擬的通州區(qū)降雨和氣溫與觀測數(shù)據(jù)的相關(guān)度較高,適用于未來通州區(qū)氣候變化的影響評估研究。
INM-CM5-0模式的三種氣候預(yù)估情景下,南通市通州區(qū)2023年~2050年的未來氣候變化情況見表5。與基準(zhǔn)期(1981年~2000年)相比,通州區(qū)年均降水量在3種不同情景下均呈增加趨勢,SSP126、SSP245、SSP585情景下,未來年均降水量分別增加5.3%、7.6%、10.5%,未來降雨呈現(xiàn)出“SSP126 表5 通州區(qū)各情景下未來降雨變化 采用Hargreaves法結(jié)合INM-CM5-0模式中的氣溫?cái)?shù)據(jù)進(jìn)行蒸發(fā)量估算,然后利用INM-CM5-0模式降雨數(shù)據(jù)、估算的蒸發(fā)量以及率定好的平原河網(wǎng)產(chǎn)流模型,對3種情景下未來2023年~2050年的地表徑流深進(jìn)行估算,結(jié)果見表6。通州區(qū)基準(zhǔn)期(1981年~2000年)的年均地表徑流深為235.8 mm,而2035年~2050年的SSP126、SSP245、SSP585情景下的年均地表徑流深分別為242.2、261.9、273.2 mm,可以看出,在不同氣候情景下年地表徑流深相對基準(zhǔn)期(1981年~2000年)有所增加,增加幅度分別為2.7%、11.1%、15.9%。 表6 通州區(qū)各情景下未來地表徑流深預(yù)測 通州區(qū)未來地表徑流深的變化趨勢如圖5所示。SSP126和SSP585情景下,年地表徑流深均呈現(xiàn)波動(dòng)變化。SSP245情景下,年地表徑流深變化大致可以分為3個(gè)時(shí)期:21世紀(jì)20年代中期至30年代中期,年地表徑流深呈顯著增加趨勢;21世紀(jì)30年代中期至40年代中期,年地表徑流深呈顯著下降趨勢;21世紀(jì)40年代中期之后出現(xiàn)了小幅上升??傮w而言,各氣候情景下年際變化幅度較大,豐枯年份交替明顯。 圖5 通州區(qū)未來地表徑流深變化趨勢 本文研究表明,通州區(qū)歷史降雨、氣溫均呈增加趨勢,平原河網(wǎng)產(chǎn)流模型能較好模擬通州區(qū)水文過程。通過產(chǎn)流模型預(yù)測的未來水資源演變情勢與其他學(xué)者研究成果基本相符[11-12]。目前諸多研究表明,未來氣溫將繼續(xù)升高,而對降水的預(yù)估存在較大的不確定性[13-15]。另外,選擇不同的基準(zhǔn)期和未來時(shí)段對未來水資源變化進(jìn)行分析,可能會(huì)得出不同的結(jié)論[16]。 本文利用南通市通州區(qū)歷史氣溫、降雨、蒸發(fā)、地表徑流深數(shù)據(jù)等,通過構(gòu)建平原河網(wǎng)產(chǎn)流模型,對模型進(jìn)行率定與驗(yàn)證,然后對CMIP6中的9個(gè)氣候模式進(jìn)行評估比選,計(jì)算3種情景(SSP126、SSP245、SSP585)下2023年~2050年的地表徑流深,主要得到以下結(jié)論: (1)針對南通市通州區(qū)構(gòu)建的平原河網(wǎng)產(chǎn)流模型,率定期的R2、NSE分別為0.89、0.88,驗(yàn)證期的R2、NSE分別為0.92、0.92,模型具有較好的適用性。 (2)3種不同氣候情景下,通州區(qū)未來氣溫、降雨量均高于基準(zhǔn)期。未來年均氣溫分別增加5.3%、6.0%、7.3%;未來年均降水量分別增加5.3%、7.6%、10.5%。 (3)相較于基準(zhǔn)期,未來通州區(qū)地表水資源量總體呈增加趨勢,SSP126、SSP245、SSP585情景下,地表徑流深分別增加2.7%、11.1%、15.9%。 (4)因不同氣候模式之間存在較大不確定性,今后將進(jìn)一步考慮多模式集合,以及對氣候模式數(shù)據(jù)進(jìn)行偏差校正等來減少不確定性。3.3 未來地表水資源量預(yù)估結(jié)果
4 結(jié) 論