鄱陽湖流域水資源量預(yù)測

錢貴伍 游黎 陳愛民

摘要針對氣候變化條件下鄱陽湖流域未來水資源量的問題，分析了鄱陽湖流域歷史水資源量、降水量、蒸發(fā)量的變化趨勢，確定了影響水資源量的主要氣候因素，建立了水資源量多元逐步回歸預(yù)測模型，然后采用全球氣候模式（GCM）下的CMIP3數(shù)據(jù)，預(yù)測了鄱陽湖流域3種SRES情景下未來的水資源量，結(jié)果顯示鄱陽湖流域的水資源量將有小幅增加。該研究結(jié)果可為鄱陽湖流域經(jīng)濟社會發(fā)展的中、長期規(guī)劃提供理論支撐。

關(guān)鍵詞氣候變化；水資源量；預(yù)測模型；GCM模式；SRES情景

中圖分類號TV121文獻標識碼A文章編號0517-6611（2017）08-0053-02

Prediction of Future Water Resources Quantity in Poyang Lake Basin

QIAN Guiwu1，YOU Li2， CHEN Aimin2

（1.Water Resources Bureau of Pengze County， Pengze， Jiangxi 332700； 2.Water Resources Bureau of Jiujiang City， Jiujiang， Jiangxi 332000 ）

AbstractIn order to study the issue of Poyang Lake Basin future water resources quantity under climate change， the trend of water resources in Poyang Lake Basin over the past 22 years was analyzed， the main climate factors that affect water resources were identified， a stepwise regression prediction model of water resources was established， the future water resources quantity of Poyang Lake Basin under three kinds of SRES scenario were predicted by using CMIP3 data， the results showed that the future water resources of Poyang Lake Basin will increase slightly. The research results can provide a theoretical support for the mediumand longterm plan of social and economic development in Poyang Lake Basin.

Key wordsClimate change；Water resources quantity；GCM model；SERS scenario

氣候變化對全球許多地區(qū)的自然生態(tài)系統(tǒng)產(chǎn)生了影響，如全球平均氣溫和海溫升高，大范圍的冰融化，全球平均海平面上升等[1]。對于水資源系統(tǒng)而言，氣候變化導致了地表徑流、旱澇災(zāi)害頻率和一些地區(qū)的水質(zhì)變化，水資源供需關(guān)系也發(fā)生了變化。因此，開展氣候變化對區(qū)域水資源的影響研究，確定未來水資源量的變化趨勢，對于一個區(qū)域的自然環(huán)境和經(jīng)濟社會發(fā)展有著重要的理論和現(xiàn)實意義。

鄱陽湖流域地處我國中東部，面積16.22萬km2，多年平均降水量1 650 mm，是一個水資源比較豐富的地區(qū)，但降水年際、年內(nèi)分布不均，易發(fā)生伏旱現(xiàn)象。近年來，受全球氣候變化的影響，鄱陽湖流域水資源的數(shù)量發(fā)生了改變，水文極值事件發(fā)生頻率增加，2013年鄱陽湖流域的贛江部分河段出現(xiàn)了歷史最低水位，對鄱陽湖流域的自然環(huán)境和經(jīng)濟社會發(fā)展造成了嚴重影響。筆者對鄱陽湖流域水資源量的變化趨勢及其影響因素進行了分析，建立了水資源量預(yù)測模型，采用全球氣候模式（GCM）下的CMIP3數(shù)據(jù)，預(yù)測了鄱陽湖流域未來在3種SRES情景下的水資源量，以期為鄱陽湖流域的水資源管理及經(jīng)濟社會發(fā)展的中、長期規(guī)劃提供理論支撐。

1水資源量的變化趨勢及相關(guān)因素分析

依據(jù)《江西省水資源公報》[2]和收集到的資料，對1990—2012年鄱陽湖流域的水資源量進行分析，水資源量時間序列長度為23年，繪制水資源量變化趨勢圖，結(jié)果見圖1。

從圖1可以看出，鄱陽湖流域的水資源總量在1 590億m3上下隨機波動，最高值為1998年的2 539億m3，最低值為2004年的1 034.6億m3，沒有長期持續(xù)上升或持續(xù)下降的趨勢，波動的范圍有界，但年際間的波動幅度較大，特別是2008—2012年年際間的波動幅度在23年之中最大，總體來說鄱陽湖流域的年水資源量是一個隨機性較強的時間序列。

在水文下墊面條件沒有發(fā)生大的變化的情況下，區(qū)域水資源的變化主要是由氣候因素引起，這些因素主要包括降水、蒸發(fā)、氣溫、風速、輻射等。采用鄱陽湖流域境內(nèi)的南昌、景德鎮(zhèn)、南城、贛縣、吉安5個中國地面國際交換氣象站1951—2012年的年降水量、年蒸發(fā)量、年平均氣溫資料[3]，將5個站的年降水量和年蒸發(fā)量平均，并繪圖分析。

從圖2可以看出，1951—2012年鄱陽湖流域的年降水量在1 600 mm上下波動，近20年（1991—2010年）的降水量為1 658 mm，年降水量略有增加，而近10年（1991—2010年）的年降水量為1 574 mm，年降水量略有減少；年蒸發(fā)量在1 059 mm（大型）上下波動，近20年（2001—2010）的年蒸發(fā)量為957.4 mm，近10年（2001—2010）的年蒸發(fā)量為970.4 mm，都有所減少。

將1991—2012年的水資源量、年降水量、年平均氣溫、年蒸發(fā)量4個因素進行兩兩相關(guān)分析，結(jié)果見表1。

由表1可知，水資源量與年降水量的相關(guān)關(guān)系為顯著，相關(guān)系數(shù)達0.960，其次是年蒸發(fā)量，相關(guān)系數(shù)為-0.568。另外，年降水量與年蒸發(fā)量顯著相關(guān)，相關(guān)系數(shù)為-0.616，而年平均氣溫則由時間尺度和平均化的原因，與其他因素均不顯著相關(guān)。

2水資源量逐步回歸預(yù)測模型

在鄱陽湖流域這個廣大的區(qū)域內(nèi)建立水資源量的物理預(yù)測模型，需要處理復雜的邊界條件，是很困難的。如果采用人工神經(jīng)網(wǎng)絡(luò)、遺傳算法等智能模型，需要大量訓練樣本，但目前掌握的水資源量只有1990—2012年的樣本，氣象因素也只有1951—2012年的樣本，數(shù)量不足。多元逐步回歸模型結(jié)構(gòu)簡單，使用方便，對樣本數(shù)量的要求也不高，是一種理論上已經(jīng)十分成熟，應(yīng)用廣泛的統(tǒng)計預(yù)測方法，在水利工程、水文水資源方面有著很好的應(yīng)用，比較適合于水資源量預(yù)測的建模[4]。

多元逐步回歸[5-6]是在多元線性回歸分析的基礎(chǔ)上發(fā)展起來的一種方法，其原理如下：

假設(shè)有n組觀測值

計算自變量與因變量之間的相關(guān)系數(shù)，設(shè)定顯著性水平α。首先將相關(guān)系數(shù)絕對值最大的因變量引入，進行回歸分析，檢驗回歸方程和自變量的顯著性，如果顯著則保留這個自變量，并按相關(guān)系數(shù)絕對值的大小引入下一個自變量，如果不顯著則剔除這個自變量，直接引入下一個自變量，進行回歸和檢驗。重復上述步驟，直至既無法剔除已入選的自變量，無法再引入新的自變量為止。最后可得到觀測值的回歸模型：

y=β0+β1x1+…+βmxm

式中，y為因變量，β0，β1，…，βm為回歸系數(shù)，x1，x2，…，xm為自變量。

將1990—2012年鄱陽湖流域的年水資源量作為因變量，年降水量、年蒸發(fā)量作為自變量，顯著性水平選取α=0.05，進行多元逐步回歸，剔除對模型影響不顯著的變量，建立模型：

Y=-571.4+1.312X1

式中，Y表示水資源量，X1表示年降水量。

對模型的顯著性檢驗采用F檢驗，檢驗的顯著性水平α為0.05，檢驗的臨界值為4.28，模型顯著性的F值為246.08，模型通過顯著性檢驗。對模型變量的顯著性檢驗采用t檢驗，檢驗的顯著性水平α為0.05，檢驗的臨界值為2.07，模型常數(shù)項的t值為4.69，年降水量的t值為15.07，均通過顯著性檢驗。

將1991—2012年鄱陽湖流域水資源量的模擬值與實際值相比較，檢驗?zāi)Ｐ偷臄M合程度，結(jié)果見圖3。由圖3可知，鄱陽湖流域水資源量預(yù)測模型的擬合精度比較高，90.00%以上數(shù)據(jù)點的相對誤差不超過10.00%，最大相對誤差為18.16%，平均相對誤差4.61%，誤差較大的點集中在水資源量的峰值和谷值區(qū)。

3基于GCM模式江西未來水資源量的預(yù)測

鄱陽湖流域未來水資源量的預(yù)測采用全球氣候模式（GCM）下的CMIP3數(shù)據(jù)，數(shù)據(jù)由美國大自然保護協(xié)會、華盛頓大學、南密西西比大學的研究人員對數(shù)據(jù)進行整理、分析和惠許使用[7-10]。原始數(shù)據(jù)由WGCM（JSC/CLIVAR Working Group on Coupled Modelling）組織PCMDI（Program for Climate Model Diagnosis and Intercomparison）搜集歸類，該數(shù)據(jù)對IPCC（Intergovernmental Panel on Climate Change）第四次評估報告提供了重要支持。

鄱陽湖流域未來的發(fā)展狀況采用IPCC推薦的SRES情景[1]進行描述，挑選其中的B1、A1B、A2 3種情景，分別對應(yīng)低、中、高3種溫室氣體排放模式。其中，A1B情景假定經(jīng)濟發(fā)展的速度很快，21世紀中期世界人口數(shù)量達到最大，更高效的新技術(shù)被迅速利用，并且均衡的使用各種能源；B1情景描述的世界人口數(shù)量與A1B情景相同，世界趨于同化，但經(jīng)濟結(jié)構(gòu)向服務(wù)和信息經(jīng)濟方向的調(diào)整速度更快；A2情景描述的世界發(fā)展很不均衡，人口增長速度快，但經(jīng)濟發(fā)展和技術(shù)進步緩慢。

需要注意的是描述未來氣候最好是用一段時間而非一年，這樣才更為準確，因此選擇21世紀中期（2040—2069年）和末期（2070—2099年）這2個時間段進行分析。將不同情景模式下鄱陽湖流域未來降水的CMIP3數(shù)據(jù)代入水資源預(yù)測模型，求出水資源量。其中，CMIP3數(shù)據(jù)中降水量相對比較時期為1961—1990年，同時期江西的年平均降水量為1 650 mm。

B1情景：至21世紀中期鄱陽湖流域的年平均降水量增加3.25%，達到1 704 mm，年平均水資源量達到1 663.8億m3；到21世紀末期鄱陽湖流域的年平均降水量增加6.31%，達到1 754 mm，年平均水資源量達到1 730.1億m3。

A1B情景：至21世紀中期鄱陽湖流域的年平均降水量增加4.50%，達到1 720 mm，年平均水資源量達到1 685.4億m3；到21世紀末期鄱陽湖流域的年平均降水量增加6.94%，達到1 765 mm，年平均水資源量達到1 743.6億m3。

A2情景：至21世紀中期鄱陽湖流域的年平均降水量增加2.56%，達到1 692 mm，年平均水資源量達到1 648.9億m3；到21世紀末期鄱陽湖流域的年平均降水量增加5.56%，達到1 741 mm，年平均水資源量達到1 713.8億m3。

分析預(yù)測結(jié)果可知，21世紀內(nèi)鄱陽湖流域在3種SRES情景模式下，降水量和水資源量都將有所增加，但增加幅度不大。水資源量的增加有利于經(jīng)濟社會發(fā)展，但水資源量增加的有利影響可能會被降水變率增加和季節(jié)徑流變化對供水、水質(zhì)、干旱、洪水風險造成的負面效應(yīng)所抵消。

4結(jié)論

（1）鄱陽湖流域的年水資源量是一個隨機性較強的時間序列，影響年水資源量的主要氣候因素是年降水量和年蒸發(fā)量。

（2）通過多元逐步回歸方法建立了鄱陽湖流域水資源量的預(yù)測模型，模型模擬的平均相對誤差為4.61%，誤差較大的點集中在水資源量的峰值和谷值區(qū)，精度較高。

（3）使用水資源預(yù)測模型，采用全球氣候模式下的CMIP3數(shù)據(jù)，預(yù)測了3種SRES情景下鄱陽湖流域21世紀中期和末期的年平均水資源量，結(jié)果顯示江西未來的水資源量將有所增加，但增加幅度不大。

參考文獻

[1] IPCC.氣候變化2007（綜合報告）：IPCC第四次評估報告[R].瑞士，日內(nèi)瓦：IPCC，2007：2.

[2] 江西省水資源公報編輯部.江西省水資源公報（1999-2012）[R].江西省水利廳，1999-2012.

[3] 中國地面國際交換站氣候資料年值數(shù)據(jù)集[DB/OL].[2016-11-22].http：//cdc.cma.gov.cn/home.do.

[4] 趙新宇.大型灌區(qū)退水量預(yù)測理論與方法研究[D].西安：西安理工大學，2007：32.

[5] 華東水利學院.水文學的概率統(tǒng)計基礎(chǔ)[M].北京：水利出版社，1981：6.

[6] 上海師范大學數(shù)學系概率統(tǒng)計教研組.回歸分析及其試驗設(shè)計[M].上海：上海教育出版社，1978.

[7] ADAM J C，LETTENMAIER D P.Adjustment of global gridded precipitation for systematic bias[J].Journal of geophysical research，2003，108：1414-1422.

[8] MAURER E P，ADAM J C，WOOD A W.Climate model based consensus on the hydrologic impacts of climate change to the Rio Lempa basin of Central America[J].Hydrology and earth system sciences，2009，13（2）：183-194.

[9] MEEHL G A，COVEY C，TAYLOR K E，et al.The WCRP CMIP3 multimodel dataset：A new era in climate change research[J].Bulletin of the American meteorological society，2007，88（9）：1383-1394.

[10] WOOD A W，LEUNG L R，SRIDHAR V，et al.Hydrologic implications of dynamical and statistical approaches to downscaling climate model outputs[J].Climatic change，2004，62（1/2/3）：189-216.