LUCC及氣候變化對龍川江流域徑流的影響

竇小東，黃 瑋，易 琦，劉曉舟，李 蒙，李忠良

1. 云南省氣象服務中心，云南 昆明 650034；2. 云南省氣候中心，云南 昆明 650034；3. 云南大學資源環境與地球科學學院，云南 昆明 650504；4. 南京信息工程大學遙感與測繪工程學院，江蘇 南京 210044

土地利用/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（Yang et al.，2017；Guo et al.，2016；祖拜代·木依布拉等，2018；李帥等，2017；楊滿根等，2017）。LUCC通過下墊面覆蓋物的改變，影響冠層截留、地表蒸散發、下滲等來改變流域的水資源狀況（Li et al.，2018；Zhang et al.，2018；郭軍庭等，2014；張翔等，2014；張新榮等，2014），氣候變化則通過改變大氣降水的時空分布、地表蒸發等來影響流域的徑流量（Zhang et al.，2017；黃金龍等，2016；張建云等，2007；姚玉璧等，2013），其中通過氣候模式數據驅動水文模型是氣候變化水文響應研究的一個新方向，相較于通過直接假設流域內未來氣溫、降水的變化來研究其水文響應具有更好的科學性、合理性，是未來研究氣候變化水文響應的主流和熱點。目前，分布式水文模型SWAT（Soil and Water Assessment Tool）在二者對流域水資源狀況影響的模擬研究方面得到了廣泛的應用（Wang et al.，2017；王鶯等，2017；趙杰等，2015；袁宇志等，2015；劉世梁等，2016；孟現勇等，2017）。SWAT模型是由美國農業部（USDA）下屬的農業研究所（ARS）研制開發的流域尺度、連續時段、基于過程的分布式水文模型，具有很強的物理基礎，能夠模擬不同土地利用、土壤類型以及管理等條件下的復雜下墊面流域的水量、水質和水沙遷移等（Anand et al.，2018；成向榮等，2017；王學等，2013；劉瑤等，2015；張小麗等，2014；張蕾等，2009），其主要應用領域之一就是對LUCC和氣候變化的水文響應進行模擬分析（楊凱杰等，2018）。

龍川江流域屬低熱河谷區域，具有典型的低緯高原季風氣候特征，多年平均降雨量約1517 mm，多年月均徑流量約251.76 m3·s-1。龍川江流域的烤煙生產和梯級水電開發是當地能源穩定和經濟發展的重要保障。研究LUCC及氣候變化對龍川江流域水資源的影響，對于沿岸工農業生產、居民生活以及流域未來水資源規劃管理均具有重要的意義，且目前少有專家學者結合不同LUCC和氣候情景，應用SWAT模型對該流域徑流變化進行研究。

基于此，本研究結合2006年、2015年土地利用狀況和氣候變化數據，通過設置不同情景分別探討了單一土地利用類型、不同氣候要素對流域徑流的影響，以及LUCC、氣候變化對流域徑流的綜合影響，最后結合RCP4.5、RCP8.5兩種氣候情景對流域未來的徑流量進行了預測和分析，研究結果可為龍川江流域產業發展、生態環境保護、水資源規劃管理等提供重要的科學依據。

1 研究區概況

龍川江發源于云南省保山市西北部和怒江傈僳族自治州南部交界的高黎貢山，河源海拔約3400 m，干流總長約312 km，流域面積約10820 km2，天然落差約 2600 m，屬伊洛瓦底江水系，是伊洛瓦底江東岸一級支流，流經騰沖市、龍陵縣和潞西市等 10多個鄉鎮，在潞西市西南部與芒市河匯合后稱為瑞麗江（黃聲威等，2018；姜太芹，2014，2015；鄭瑾，2008）。龍川江流域附近共建有縣級氣象站點8個（圖1）。根據聯合國糧農組織（FAO）和維也納國際應用系統研究所（IIASA）構建的HWSD（Harmonized World Soil Database）土壤數據庫，流域內主要土壤類型有鐵質低活性強酸土（Ferric Acrisols）、簡育低活性強酸土（Haplic Acrisols）、簡育高活性淋溶土（Haplic Luvisols）、腐殖質低活性強酸土（Humic Acrisols）、鐵質低活性淋溶土（Ferric Lixisols）等共21種（圖2）。根據SWAT模型要求，將流域內土地利用類型分為農業用地、林地、草地、城鎮用地、水體、濕地共 6種（圖3，表1）。

圖1 龍川江流域示意圖Fig.1 Sketch map of Longchuan River Watershed

圖2 龍川江流域土壤類型圖Fig.2 Soil types map of Longchuan River Watershed

2 數據與方法

2.1 基礎數據

建立SWAT模型所需的數據包括DEM數據、土壤類型數據、土地利用類型數據、氣象數據、水文數據（表2）。

2.2 模型的建立及參數率定與驗證

本研究采用SWAT模型，利用DEM進行龍川江流域及其子流域劃分、河網生成，再結合土地利用柵格數據、土壤柵格數據，劃分各子流域內的水文響應單元（HRU），并根據收集的土壤數據、氣象數據分別建立土壤屬性數據庫、氣象屬性數據庫，進而建立龍川江流域的SWAT模型。

利用SWAT_CUP，結合龍川江戛中水文站1971－2015年逐月徑流觀測數據，對與徑流量有關的26個參數（王學，2012）進行重復率定和驗證。SWAT_CUP每批次運算后會采用 Latin Hypercube One-factor-At-a-Time（LH-OAT）方法（李曼曼，2012）自動分析參數的敏感性并進行敏感性排序，同時給出下一批次率定的建議參數，使用者可對新參數進行修改，也可直接使用新參數進行下一批次率定，然后利用模型計算出的決定系數R2（公式1）與納什效率系數 Ens（公式 2）（李帥等，2017；胡勝，2015）檢驗模型是否通過驗證，直到模擬結果通過檢驗為止。

圖3 龍川江流域2006（a）年、2015（b）年土地利用類型圖Fig.3 Land use map of Longchuan River Watershed in 2006 (a) and 2015 (b)

表1 2006年、2015年龍川江流域土地利用面積比例Table1 Land use percentage of Longchuan River Watershed in 2006 and 2015

表2 SWAT模型基礎數據列表Table2 List of basic for SWAT model

式中，Qo,i為實測流量值；Qp,i為模擬流量值；Qavg為實測流量平均值；Qpavg為模擬流量平均值。R2取值為0～1，數值越大表示吻合程度越高。

式中，Qo,i為實測流量值；Qp,i為模擬流量值；Qavg為實測流量平均值。Ens在0－1之間變動，越接近于1表示模擬精度越高。

研究表明（祖拜代·木依布拉等，2018；李帥等，2017；孟現勇等，2017）：R2＞0.50表示模擬值與實測值的相關程度符合標準，R2＞0.70表示模擬比較準確，R2=1表示完全吻合；1.00≥Ens＞0.75表示模擬結果優秀，0.75≥Ens＞0.65表示模擬結果良好，0.65≥Ens＞0.50 表示模擬結果合格，Ens≤0.50 表示模擬結果不合格。

2.3 情景設置

（1）單一土地利用類型情景

考慮到龍川江流域內主要土地利用類型為農業用地、林地、草地（表1），且三者面積總和超過 99%，本研究以 2006年土地利用數據和 1998－2006年氣象數據為基準期，設置如下4種情景（表3），以此研究單一土地利用類型對流域徑流的影響。

表3 單一土地利用類型情景設置Table3 Single land use type scenario

表4 土地利用和氣候情景設置Table4 Land use and climate scenarios

（2）氣候要素情景

根據IPCC第五次評估報告，在未來可能的氣候變化范圍內設置如下情景（同樣以情景1為基準期）：

情景 5：氣溫不變，設置降水增加 10%、20%和減少10%、20% 4種方案；

情景6：降水不變，設置氣溫增加1 ℃、2 ℃兩種方案。

（3）LUCC和氣候變化綜合情景

采用如下3種情景（表4），以情景1為基準期，對比情景7分析LUCC對流域徑流的影響；對比情景 8分析氣候變化對流域徑流的影響；對比情景 9分析LUCC和氣候變化對流域徑流的綜合影響。

（4）RCP4.5和RCP8.5情景下龍川江未來徑流量變化預估

采用全球氣候模式比較計劃第五階段（Coupled Model Intercomparison Project，CMIP5）的EC-EARTH全球模式數據，運用動力降尺度和統計降尺度相結合的方法，耦合區域氣候模式RegCM4，得到的龍川江流域 RCP4.5和 RCP8.5兩種情景模式，再采用統計降尺度中的轉換函數法，得到2016－2050年逐日氣象數據。以此驅動SWAT模型（采用2015年土地利用數據；2016－2020年作為模型預熱期），預估龍川江流域 2021－2050年的徑流變化。

3 結果與分析

利用ARCGIS加載整理好的DEM數據，結合實際河網數據，集水面積閾值設定為15000 hm2，將龍川江流域劃分為 15個子流域，載入重分類后的土地利用類型數據、土壤類型數據，坡度劃分為2類，土地利用、土壤類型、坡度分級的閾值分別設置為25%、20%、25%，最終將全流域劃分為43個水文響應單元（HRU）。

3.1 參數率定與驗證

參數率定結果顯示（表5），26個參數中對徑流產生最為敏感的參數依次為最大冠層截留量（CANMX）、土壤可利用有效水（SOL_AWC）、河岸貯水的基流因子（ALPHA_BNK）、SCS徑流曲線系數（CN2），這說明龍川江徑流對地表覆蓋、地表水與地下水交換、河岸的蓄水能力的變化較為敏感。戛中水文站參數率定與驗證結果（表 6，圖4）顯示，率定期參數R2、Ens分別達到0.73、0.71，驗證期參數R2、Ens分別達到0.75、0.74，因此，SWAT模型在龍川江流域徑流模擬中具有較好的適用性，可以用SWAT模型來進行流域徑流模擬。

表5 龍川江流域SWAT模型敏感性參數Table5 Sensitive Parameters of SWAT model in Longchuan River Watershed

表6 龍川江流域SWAT模型月徑流模擬率定和驗證結果Table6 Calibration and validation results of SWAT model for monthly runoff simulation in Longchuan River Watershed

表7 龍川江流域單一土地利用情景下徑流模擬結果Table7 Simulation results of runoff under single land use scenarios in Longchuan River Watershed

3.2 情景模擬分析

（1）單一土地利用類型對流域徑流的影響

以情景1作為基準，對比情景2（表7）可知，將占流域總面積 20.97%的農業用地全部轉化為林地，會導致龍川江流域月均徑流量減少0.91 m3·s-1，可見林地相對于農業用地具有減流作用；對比情景3可知，將占流域總面積20.97%的農業用地全部轉化為草地，會導致龍川江流域月均徑流量減少0.34 m3·s-1，可見草地相對于農業用地也具有減流作用；對比情景4可知，將占流域總面積78.15%的林地全部轉化為草地，會導致龍川江流域月均徑流量增加3.28 m3·s-1，可見草地相對于林地有增流作用。農業用地、林地、草地三者對徑流增加的貢獻大小順序為農業用地＞草地＞林地。

（2）氣候要素對流域徑流的影響

圖4 龍川江流域率定期和驗證期降雨量及徑流模擬結果Fig.4 Precipitation and Simulation results of calibration and validation period of runoff in Longchuan River Watershed

當氣溫不變，降水量分別增加20%和10%時，流域月均徑流量分別增加了22.62 m3·s-1（9.15%）和11.17 m3·s-1（4.52%）；降水量分別減少10%和20%時，流域月均徑流量分別減少了 6.52 m3·s-1（2.64%）和15.5 m3·s-1（6.27%）（表8）。可見流域內徑流量隨著降水量的增加而增加，徑流變化幅度與降水變化幅度呈正比。當降水不變，氣溫分別增加1 ℃和2 ℃時，流域月均徑流量分別減少4.01 m3·s-1（1.62%）和 5.79 m3·s-1（2.34%），可見流域內徑流變化幅度與氣溫變化幅度呈反比，這應該是由于溫度升高導致流域蒸發量增大，進而導致徑流量下降。

（3）LUCC和氣候變化共同影響下的徑流模擬

情景分析結果表明：情景7、8、9的月平均徑流量分別為 247.87、244.84、245.56 m3·s-1（表 9）。同樣以情景1為基準期，對比情景7可知，LUCC引起月均徑流量增加0.72 m3·s-1，再對比表1可知，2006－2015年，農業用地、林地、草地、城鎮用地、水體、濕地的變化率分別為7.38%、-10.44%、2.54%、0.46%、0.04%、0.02%。總體上，減少的林地面積絕大部分轉化為農業用地和草地。因此，2006－2015年間，LUCC引起的月均徑流量增加主要是由林地轉化為農業用地和草地所致。對比情景8可知，氣候變化引起月均徑流量減少2.31 m3·s-1，而2007－2015年間流域內月平均氣溫較1998－2006年升高0.06 ℃、月降雨量減少7.24 mm，因此2006－2015年間，氣候變化引起的月均徑流量減少是由降雨和氣溫的變化共同引起。對比情景9可知，土地利用和氣候變化綜合作用結果為流域月均徑流量減少1.59 m3·s-1。因此，2006－2015年間龍川江流域的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。2006－2015年間，龍川江徑流量總體上呈減少趨勢，相對LUCC而言，氣候變化在龍川江徑流變化中起主導作用。

（4）RCP4.5和RCP8.5情景下龍川江未來徑流量變化預估

模型預估結果顯示：RCP4.5和RCP8.5氣候情景下，2021－2050年間龍川江流域徑流均呈減少趨勢，減少的速率分別為 9.48×108m3·10a-1和 12.29×108m3·10a-1（圖5）。而龍川江流域戛中水文站實測徑流顯示：1971－2015年間，流域徑流也呈減少趨勢，但減少的速率僅為3.58×108m3·10a-1。可見，RCP4.5和RCP8.5兩種氣候情景下，流域徑流的減少速率明顯增加，分別為1971－2015年減速的2.65倍、3.43倍。這將使龍川江沿岸居居民生產生活不斷增長的水資源需求變得日益嚴峻。

表8 龍川江流域氣候變化情景下徑流模擬結果Table8 Simulation results of runoff under climate change scenarios in Longchuan River Watershed

表9 龍川江流域不同情景模擬結果Table9 Simulation results of different scenarios in Longchuan River Watershed

圖5 龍川江流域實測徑流及RCP4.5和RCP8.5情景下年徑流量趨勢預估圖Fig.5 Trend prediction map of annual runoff under RCP4.5 and RCP8.5 scenarios and measured runoff in Longchuan River Watershed

4 結論與討論

4.1 討論

水文模型已成為評價流域水文過程的重要工具，但模擬精度受諸多因素的影響（Zhang et al.，2018；成向榮等，2017）。本研究參數率定期和驗證期的 R2分別為 0.73、0.75，Ens分別為 0.71、0.74，未達到優秀的標準（Yang et al.，2017；祖拜代·木依布拉等，2018；李帥等，2017；孟現勇等，2017），可能與如下因素有關。流域上的水電站建設會考慮豐枯水期的安全生產需要而人為進行蓄水或泄洪，這對徑流產生了一定的影響，甚至會改變徑流的月際或年際分配。同時，流域內的各類型水庫在豐水期的泄洪和枯水期的蓄水也會導致流域徑流的變化，然而由于數據獲取困難，本研究在模擬時無法考慮水電站及水庫對徑流的影響，這在一定程度上降低了模型的模擬精度。此外，流域內的居民生產生活消耗的工業用水量、灌溉用水量以及居民生活用水量等也會在一定程度上影響徑流，這些也有待進一步研究。

LUCC直接反映了人類活動對自然環境的影響，并影響著流域的水文過程（成向榮等，2017）。本研究模擬結果表明，龍川江流域農業用地、林地、草地三者對徑流增加的貢獻的大小順序為農業用地＞草地＞林地，這與張新榮等（2014）、史曉亮等（2014）的研究結果一致，林地轉化為草地、農業用地，降低了冠層截留、入滲和蒸發（王杰等，2013；吳淼等，2018），從而引起徑流增加。將草地轉化為農業用地引起徑流的增加，應該是相對草地而言，農業用地降低了土壤的涵養水源能力，增加了產匯流作用所致。

氣候變化是影響流域水文過程的主要因素之一（田振興等，2018），而氣候變化對水資源的影響主要體現在溫度和降水的變化上（王鶯等，2017）。本研究模擬結果表明，當氣溫不變時，流域的徑流隨著降水的增加而增加，當降水不變時，流域徑流隨著氣溫的增加而降低，這與李帥等（2017）、袁宇志等（2015）的研究結果一致，且降水變化對流域徑流的影響強度強于氣溫變化的影響強度，降水在徑流的變化中占主導作用。

在對流域未來徑流變化預估中，在 RCP4.5和RCP8.5氣候情景下，龍川江流域徑流均呈下降趨勢，而黃金龍等（2016）對 RCP4.5情景下長江上游流域徑流模擬結果顯示，未來長江上游流域徑流將呈增加趨勢，與本研究結果相反，這可能是由于二者分屬不同流域，在 RCP4.5情境下未來長江上游流域降雨呈增加趨勢（黃金龍等，2016），而龍川江流域降雨呈減少趨勢（2021－2050年降雨量較1971－2015年均減少96 mm）所致。

4.2 結論

（1）SWAT模型在龍川江流域徑流模擬中具有較好的適用性，可用SWAT模型進行流域徑流模擬。

（2）從土地利用方面考慮，將農業用地轉化為林地或草地，均會導致流域徑流量的減少，而將林地轉化為草地則會引起流域徑流量的增加，農業用地、林地、草地三者對徑流增加的貢獻大小順序為農業用地＞草地＞林地。從氣候變化方面考慮，流域徑流量與降雨量呈正比，與蒸發量呈反比。

（3）2006－2015年間龍川江流域的LUCC引起的月均徑流增加幅度小于氣候變化引起的月均徑流減少幅度，龍川江徑流的變化由氣候變化主導，月均徑流量總體上減少1.59 m3·s-1。

（4）預估結果顯示，RCP4.5和RCP8.5氣候情景下，2021－2050年間龍川江流域徑流減少趨勢明顯，分別為1971－2015年減速的2.65倍、3.43倍。