大伙房水庫流域未來期徑流預估研究

那 娜

(遼寧省撫順水文局，遼寧 撫順 113015)

城市需水量隨著經濟的快速發展而不斷增大，并且流域徑流在氣候變化影響下表現出顯著的降低趨勢，進一步加大了未來城市供水壓力。大伙房水庫為撫順市主要供水來源，近年來該流域年均徑流量表現出明顯的降低趨勢，并顯著影響著未來城市用水狀況。所以，有必要考慮氣候變化對未來水資源配置的影響作用。目前，徑流演變與氣候變化之間的影響作用分析已成為水文領域的研究熱點，氣候情景耦合模型通常為該領域研究常用的方法[1]。通常情況下，全球氣候模式法GCM和情景設置法為生成氣候變化情景的常用方法，情景設置法因人為假定而缺乏相應的物理意義，而GCM法是根據海洋、陸地和大氣系統之間的物理過程和相互作用構建的模型，因此在預估未來氣候要素方面該方法具有較強的適用性與可行性[2-3]。如祝雪萍[4]對碧流河水庫流域徑流量利用CMDD-CM、ACCESS1.0等模式進行了預估，并給出了徑流量變化區間；在珠江、長江、遼河等流域類似的方法也得到了一定的研究和發展[3，5]。不同區域的情景模式適用性通常存在較大差異，情景模式的選擇將直接決定著水文要素預測結果的準確性與可行性。目前，利用科學的氣候變化情勢設置方法和GCM模式評價標準，仍為流域徑流和水文變化等方面研究的關鍵[6]。

據此，本文通過對不同氣候模式的降尺度處理，篩選出了3種典型氣候模式，并以大伙房水庫流域為例分別對不同模式下的降水和氣溫進行模擬，對比分析了各個模式的模擬效果，然后對未來期流域徑流變化特征利用月尺度水文模型進行的探討。

1 數據來源與研究方法

1.1 數據來源

大伙房水庫位于渾河流域中上游區域，入庫河流主要有社河、蘇子河和渾河，是一座兼供水、發電、灌溉、防洪等功能為一體的大型水利工程。流域面積11481km2，全長415km，年均降水量約718.3mm，年蒸發量約為1805.4mm，年均徑流量為30.52億m3。排區內屬于不對稱水系，東部坡陡谷深支流密集，而西部支流較少水量較低，其降雨規律為自東至西逐級遞減，徑流洪水受降雨量影響顯著，暴雨降雨較為集中并以7月和8月為主，短期暴雨是造成該流域洪水的主要原因[7-8]。

氣象數據資料主要包括逐日降水量、氣溫、日照時數等，分別來源于大伙房水庫流域雨量監測站和中國氣象數據網，其中氣溫主要有日平均、最高與最低溫度。流域范圍內共有16個降雨監測站、8個水文監測站、5個蒸散發監控站和6氣溫觀測站。

1.2 研究方法

采用應用較為普遍的未來期和基準期氣候變化劃分方法，為提高模型預估結果的準確性與精度同時兼顧模型的率定與驗證，將水文模型的基準期、驗證期和未來期分別選取為1980—2000年、2001—2015年、2016—2030年。通過降尺度處理全球氣候模型，選擇對大伙房水庫流域適用性和模擬效果較好的模式，然后分別對不同模式和排放情景下未來期該流域徑流量變化特征利用月尺度水文模型進行探討。

目前，統計和動力降尺度法為較為常用的方法，其中前者是依據多年歷史監測資料，通過建立各氣候要素與流域監測數據之間的統計關系，對氣候要素未來期變化情景進行預估和分析，該方法計算靈活，計算簡便；而后者是依據數理方程，通過模擬區域下墊面條件反映未來徑流變化特征，其運算效率較低，計算工作量較大[9]。

轉換函數法、天氣分型法和天氣發生器為較為常用的統計降尺度方法，本研究降尺度方法選取LARS-WG天氣發生器法，該方法是對氣溫、日輻射量以及日降水量等氣候要素利用半經驗分布模型SED進行模擬，可利用下式反映氣象要素v的發生概率Pi與其值vi之間的關系：

vi=min{v:P(vobs≤v)≥Pi}i=0,1,2,,n

(1)

式中，P()—觀測數據{vobs}的發生概率；n—分布間隔數，本文選取為22。

通過輸入基準期日輻射量、氣溫以及降水量等數據資料，并依據LARS-WG天氣發生器、未來氣候情景模式以及GCM輸出結果，可隨機生成任意長度的未來氣候要素序列。

分別選取高、中、低三種不同的氣候排放情景，分別對應于A2、A1B和B1，參考文獻資料提取另外其他氣候模式的基本信息見表1。

表1 不同氣候模式信息與模擬結果

為了對大伙房水庫流域在上述不同氣候模式下的使用狀況和模擬效果進行評估，分別在LARS-WG中輸入流域基準期的降水量、氣溫、日照時數等數據，從而隨機生成驗證期的氣象數據，通過對比分析驗證期各數據資料觀測值與模擬數值的Nash效率系數、相關性系數以及相對誤差等指標，最終選擇模擬效果最好的氣候模式。

在獲取未來期不同排放情景和模式下的氣候要素之后，將其輸入所建立的水文模型從而得到徑流序列。本文選取月尺度ABCD集中式水文模型，通過輸入蒸散發與降水量等數據可模擬流域地下水、土壤水、徑流過程以及蒸散發等特征。模型適用性判別標準為Nash效率系數和相對誤差，模型參數的率定選取為遺傳算法，然后可對流域未來期徑流過程運用其率定好的模型進行推求。

2 氣候模式與未來期徑流預估

2.1 氣候模式的篩選

氣候模式適用性與準確性評判標準選取為溫度相對誤差、降水量相關性系數、降水相對誤差以及Nash效率系數等指標，各氣候模式下的指標取值見表1。根據表1可知，驗證期降水和氣溫模擬效果在不同氣候模式下存在較大的差異。為準確預估流域徑流變化特征應選取同時具有較好的溫度、降水模擬效果的氣候模式，參考已有研究成果可設定各模式選取標準為Nash效率系數大于0.80、降水相關性系數在0.90以上、溫度絕對誤差低于1.0℃、降水相對誤差小于10%，據此可判定符合上述條件的氣候模式為IPCM4、HADCM3和CNCM3。

大伙房水庫流域驗證期多年平均溫度、季平均降水量模擬值與實測值，在3種不同氣候模式下對比結果，分別如圖1—2所示。

圖1 驗證期多年月平均溫度對比分析圖

圖2 驗證期多年季平均降水對比分析圖

由圖1—2可知，對該流域降水和溫度的模擬3種氣候模式均呈現出較高的可信度與準確性。

2.2 未來期降水和氣溫變化預估

對未來期A2、A1B和B1三種排放情景下的天氣要素，分別利用LARS-WG法和上述選取的三種氣候模式進行隨機生成，對比分析在不同排放情景下三種模式的氣溫、降水預測值以及變化特征，見表2。

表2 未來期降水和溫度變化特征

未來期月平均降水量、溫度在不同排放情景和3種氣候模式下的變化情況，見表3—4。

由表3可以看出，相對于基準期的降水未來期在春季和冬季呈現出逐漸增大的趨勢，該評價結果與已有文獻資料保持良好的一致性。農業灌溉主要集中在5月份，此期間具有較大的需水量，由于5月份降水量的增多可在一定程度上緩解農業灌溉用水，因此有利于錯誤的生長。雖然年降水量在多種氣候模式下均表現出降低的趨勢，但是由于夏、秋季節降水量的降低以及冬、春季節降水量的增大，可使得降水在年份分配更加均衡，徑流量在枯水期降水增大時呈現出略微的增加趨勢[10]。

根據表4可以看出，月平均溫度在不同氣候模式下均呈現出增大的變化趨勢，并以冬季的增大幅度最為明顯，而秋季變化幅度最低。溫度的提升可在一定程度上促進蒸散發并降低流域徑流量，降水量在冬季存在有增大趨勢，但是因具有較大的溫度提升幅度，因此應運用水文模型預估河流的徑流量變化特征[11]。

3 未來徑流變化分析

3.1 模型的率定與驗證

分別利用文中設定的率定期與驗證期對模型進行率定，對比分析模擬數值和月徑流序列觀測數據可知，模擬的月徑流數值在12月、1月和2月份偏大，其原因為冬季存在積雪，而模型中并未設定積雪參數，因此造成實測值高于模擬值，對此可結合文獻資料進行適當的修正。修正后的模型在率定期與驗證期的相對誤差分別為為-2.6%、3.0%，Nash系數分別為0.86、0.92。在率定與驗證期模型的變化趨勢具有良好的一致性，由此表明在模擬流域月徑流過程中該模型具有較強的適用性與可靠性，可用于大伙房水庫流域未來期月徑流模擬。

表3 未來期月平均降水相對基準期的相對變化情況

表4 未來期月平均溫度相對基準期絕對變化情況

3.2 未來徑流變化預估

利用上述已經率定和驗證后的評估模型，分別對未來期不同排放情景下的徑流量進行模擬預測，年均徑流量在基準期為6.6×108m3，結果見表5。

由表5計算結果可知，在A2排放情景下PICM4氣候模式的年徑流量增大18.6%，而其他氣候模式均呈顯著不同程度的降低趨勢，變化幅度在-4.5%～-25.1%，這可能與該模式具有較大的降水增幅相關。年徑流量平均值在A2、A1B和B1排放情景下分別為6.0×108、4.7×108、5.5×108m3，該評價結果與已有研究結論節本相符。徑流量在汛期和非汛期分別呈現出降低與增大趨勢，并且在非汛期的增大程度要低于汛期降低程度。通過降水預估可以發現，雖然在HADCM3和IPCM4氣候模式下A2、B1排放情景的降水表現出增大的變化特征，然而因溫度的提升導致蒸散發量的增大，徑流量在蒸散發與降水的共同作用下整體呈現出降低趨勢，降水的補給作用低于蒸散發作用。

對比分析未來期月平均徑流量在不同排放情景和3種氣候模式下的變化情況可知，徑流量在冬季呈現出增大趨勢，而在春季逐漸降低，其原因為冬季徑流量較低并對增大供水量的影響作用較低；徑流量在夏季表現出降低的趨勢，而在降水旺季的6、7月份呈增大趨勢，由此表明汛期存在提前的可能性，因此流域管理部門應提前做好防洪準備和預警工作，隨后因降水量的降低徑流量顯著減少，因此在此期間整體呈降低趨勢。徑流量在秋季呈現出一定程度的增大，并有利于緩解后期水庫的蓄水壓力[12]。總而言之，未來期徑流量應溫度升高引起的蒸散發量增大，而呈現出降低趨勢，并可進一步大伙房水庫供水壓力，加劇城市用水供需矛盾，未來應加強該流域的水資源管理和配置。

4 結語

(1)模式選取標準為Nash效率系數大于0.80、降水相關性系數在0.90以上、溫度絕對誤差低于1.0℃、降水相對誤差小于10%，據此可判定符合上述條件的氣候模式為IPCM4、HADCM3和CNCM3。

表5 未來期年徑流、汛期、非汛期徑流量變化特征

(2)修正后的模型在率定期與驗證期的相對誤差分別為為-2.6%，3.0%，Nash系數分別為0.86，0.92。在率定與驗證期模型的變化趨勢具有良好的一致性，由此表明在模擬流域月徑流過程中該模型具有較強的適用性與可靠性，可用于大伙房水庫流域未來期月徑流模擬。

(3)未來期徑流量應溫度升高引起的蒸散發量增大，而呈現出降低趨勢，并可進一步大伙房水庫供水壓力，加劇城市用水供需矛盾，未來應加強該流域的水資源管理和科學配置。