LUCC及氣候變化對瀾滄江流域徑流的影響

竇小東,黃 瑋,易 琦,劉曉舟,左慧婷,李 蒙,李忠良

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

土地利用與土地覆被變化(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[1-5]。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、土壤水分含量等來改變流域的水資源狀況[6-9],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[10-11],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,相對于通過主觀假設流域內未來氣溫和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。瀾滄江是沿岸居民的母親河,流域上建有漫灣、大朝山、糯扎渡等8座梯級水電站[12-13],是我國西電東送的重要支撐,其水資源狀況時刻影響著沿岸居民的生產生活。因此,研究LUCC和氣候變化對瀾滄江流域水資源的影響,對當地政府和沿岸幾千萬居民具有重要的現實意義。

圖1 瀾滄江流域示意圖Fig.1 Sketch map of Lancang River Basin

分布式水文模型在LUCC和氣候變化對流域水資源影響的模擬研究方面已得到廣泛應用[14-16],其中,由美國農業部下屬的農業研究所研制開發的SWAT (Soil and Water Assessment Tool)模型能夠利用RS和GIS提供的空間數據信息、屬性數據信息,來模擬不同土地利用、土壤類型以及管理等條件下的大面積復雜下墊面流域的水量、水質和水沙遷移等[17-20],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[21-22]。例如,祖拜代[1],李帥[2],郭軍庭[6]等分別利用SWAT模型研究了烏魯木齊河上游、清水河、潮河流域的土地利用和氣候變化對徑流的影響,但利用氣候模式數據驅動SWAT模型對流域未來的徑流變化趨勢進行預測卻極少報道。SWAT模型是否適用于瀾滄江流域？LUCC和氣候變化對徑流的影響機理是什么？LUCC和氣候變化對瀾滄江流域徑流的具體影響是什么？不同氣候情景下,未來瀾滄江流域徑流是如何變化的？這些問題并不清楚。因此,本研究結合2006、2015年土地利用數據和近50年氣象觀測數據以及RCP4.5、RCP8.5氣候排放情景數據,通過設置不同的情景,分別驅動SWAT模型對瀾滄江流域徑流進行模擬、預測,力圖回答上述問題,以期為流域水資源規劃管理、生態環境保護、水電安全生產等提供必要的科學依據。同時,本研究對驅動SWAT模型的氣候模式數據的處理方法也可為相關研究者提供參考。

1 研究區概況

瀾滄江是湄公河上游在中國境內河段的名稱,其發源于中國青海省唐古拉山東北部雜多縣,全長約2153 km,流域面積約17.4×104km2,是中國西南地區的大河之一[23]。瀾滄江流經青海、西藏和云南三省,在云南省西雙版納傣族自治州勐臘縣出境后稱為湄公河(Mekong River),瀾滄江及其下游的湄公河流域共穿越6個國家,縱貫13個緯度,最大相對高差近6000 m(圖1),跨6種氣候帶,是一個特殊的環境變化敏感區,它在地理、氣候、水文、生態學等方面都具有重要的科學研究價值[24-26]。瀾滄江流域附近共建有縣級氣象站點43個(圖1)。根據聯合國糧農組織和維也納國際應用系統研究所構建的HWSD (Harmonized World Soil Database)土壤數據庫,流域內主要土壤類型有永凍薄層土(Gelic Leptosols)、簡育高活性淋溶土(Haplic Luvisols)、松軟薄層土(Mollic Leptosols)等共52種。根據SWAT模型要求,將流域內土地利用類型劃分為農業用地、林地、草地、城鎮用地、水體、未利用地、濕地共7種(圖2,表1)。

圖2 瀾滄江流域2006、2015年土地利用類型圖Fig.2 Land use map of Lancang River Basin in 2006 and 2015

年Year面積比例 Area percentage/%農業用地Agricultural land林地Forest land草地Grassland城鎮用地Urban areas水體Water body未利用地Unused land濕地Wetland200632.9044.8818.020.043.770.380.01201517.0935.8245.840.340.390.330.19變化Change-15.81-9.0627.820.30-3.38-0.050.18

2 數據與方法

2.1 基礎數據

建立SWAT模型所需的基礎數據包括DEM數據、土地利用類型數據、土壤類型數據、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進行瀾滄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,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,進而建立瀾滄江流域的SWAT模型(1966—1970年為模型預熱期,1971—1984年為模型參數率定期,1985—1997年為模型參數驗證期,1998—2015年為模型不同情景對比期)。

表2 SWAT模型基礎數據列表

利用SWAT_CUP,結合允景洪水文站1971—1997年逐月徑流觀測數據,對與徑流量有關的參數進行重復率定和驗證,利用決定系數R2(公式1)與納什效率系數Ens(公式2)[2,27]檢驗模型是否通過驗證,直到模擬結果通過檢驗為止。

(1)

(2)

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與Ens均在0—1之間變動,且均越接近于1模擬精度越高。研究表明[1-2,16]：R2>0.50即為模擬值與實測值的相關程度符合標準,R2>0.70模擬比較準確,R2=1表明完全吻合；1.00≥Ens>0.75模擬結果優秀,0.75≥Ens>0.65模擬結果良好,0.65≥Ens>0.50模擬結果合格,Ens≤0.50模擬結果不合格。

2.3 情景設置

2.3.1極端土地利用情景

通過研究不同土地利用類型相互轉變對徑流的影響,可揭示LUCC對徑流的影響機理。為此,本研究采用極端假設的方法,即假設將某一土地利用類型全部轉化為另一土地利用類型,然后模擬出流域的徑流量,再根據模擬徑流量相對基準徑流量的變化情況,判斷出這兩種土地利用類型對流域產流的貢獻順序。鑒于瀾滄江流域內主要土地利用類型為農業用地、林地、草地,且三者總和超過95%的實際情況(表1),本研究以2006年土地利用數據和1998—2006年氣象數據為基準,設置如下四種情景(表3),以此研究農業用地、林地、草地相互轉化時對流域徑流的影響,進而得出三者對流域產流的貢獻順序。

2.3.2調試好的本地化的SWAT對氣候要素的敏感度分析

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(以情景1為基準期),以此研究不同氣候要素對徑流的影響：

情景5：氣溫不變,設置降水增加20%、10%和減少10%、20%四種方案；

情景6：降水不變,設置氣溫增加1℃、2℃兩種方案。

表3 極端土地利用情景設置

2.3.3LUCC和氣候變化綜合情景

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

表4 土地利用和氣候變化綜合情景設置

2.3.4不同氣候變化情景下瀾滄江未來徑流變化預估

預估氣候情景數據采用全球氣候模式比較計劃第五階段(CMIP5)的EC-EARTH全球模式驅動區域氣候模式RegCM4[28],模擬預估的瀾滄江流域RCP4.5和RCP8.5兩種情景[29]下1981—2099年逐日氣象數據,模式分辨率為25 km×25 km。排放情景采用IPCC AR5使用的最新溫室氣體排放情景(典型濃度排放路徑：Representative Concentration Pathways,RCPs),RCP8.5為最高的溫室氣體排放情景,RCP4.5為中間穩定路徑,其實際變化與中國未來經濟發展趨勢較為一致,適合中國國情,符合政府對未來經濟發展、應對氣候變化的政策措施[30]。

為了分析瀾滄江流域徑流變化特征,根據經緯度,采用matlab的雙三次插值方法將預估數據插值到流域周邊43個氣象站點,并參照初征[31]的訂正方法對數據進行訂正,以消除氣候模式模擬結果存在的系統性誤差,訂正后流域年降水量均方根誤差由480 mm減小到88.6 mm；年平均氣溫均方根誤差由3.02℃減小為0.02℃。

本研究使用訂正后的2016—2050年逐日氣象數據(2016—2020作為模型預熱期),在RCP4.5情景下,2021—2050年間,瀾滄江流域平均降雨量呈增加趨勢,增加速度為8.5 mm/10a,平均氣溫增速為0.29℃/10a；在RCP8.5情景下,平均降雨量也呈增加趨勢,但增加速度更高,為37.9 mm/10a,平均氣溫增速為0.35℃/10a,以此數據驅動SWAT模型預估瀾滄江流域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300000 hm2,將瀾滄江流域劃分為19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,土地利用類型、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49個水文響應單元。

3.1 參數率定與驗證結果

對與徑流有關的26個參數[32]進行率定,結果顯示(表5)26個參數中對徑流產生最為敏感的參數為土壤飽和導水系數(SOL_K)、河岸貯水的基流因子(ALPHA_BNK)、SCS徑流曲線系數(CN2)、最大冠層截留量(CANMX)、子流域平均坡長(SLSUBBSN)、降雪氣溫(SFTMP),這說明流域徑流主要受地表水與地下水轉換、最大冠層截留量、地形、氣候條件影響。允景洪水文站參數率定與驗證結果(圖3)顯示,率定期參數R2、Ens分別達到0.80、0.80,驗證期參數R2、Ens分別達到0.74、0.73,因此,SWAT模型在瀾滄江流域徑流模擬中具有很好的適用性,可以用SWAT模型進行流域徑流模擬。

表5 瀾滄江流域SWAT模型敏感性參數

SOL_K：Soil saturated hydraulic conductivity；ALPHA_BNK：Basic flow factor of river bank water storage；CN2：Coefficient of SCS runoff curve；CANMX：Maximum canopy interception；SLSUBBSN：Average slope length of sub-basin；SFTMP：Snow temperature；SOL_Z：Maximum root depth；GW_REVAP：Coefficient of re-evaporation of shallow groundwater；SOL_ALB：Moist soil albedo；REVAPMN：Threshold water depth in the shallow aquifer for "revap"；ALPHA_BF：Baseflowα factor；SOL_AWC：Available water capacity；SMFMN：Minimum snowmelt daily factor on Dec 21；SURLAG：Surface runoff delay time；TIMP：Icing temperature lag coefficient；GWQMN：Threshold water depth in the shallow aquifer for flow；ESCO：Soil evaporation compensation factor；SMTMP：Snowmelt minimum temperature；SMFMX：Maximum snowmelt daily factor on June 21；OV_N：Manning coefficient of overland flow on slope；CH_N2：Main channel Manning coefficient；EPCO：Vegetation transpiration compensation coefficient；RCHRG_DP：Permeability coefficient of deep cistern；GW_DELAY：Ground water delay；CH_K2：Effective hydraulic conductivity of channel；TLAPS：Air temperature decline rate；v：賦值，variable assignment；a：加值，add value；r：乘以(1+給定值)，multiply by (1+given value)

圖3 瀾滄江流域率定期和驗證期降雨量及徑流模擬結果Fig.3 Precipitation and Simulation results of calibration and validationperiod of runoff in Lancang River Basin

3.2 情景模擬結果分析

3.2.1不同土地利用類型轉變對徑流的影響

以情景1作為基準期,對比情景2(表6)可知,將占流域總面積32.90%的農業用地(表1)全部轉化為林地,會導致月均徑流量減少87.23 m3/s,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32.90%的農業用地全部轉化為草地,會導致月均徑流量減少15.47 m3/s,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44.88%的林地(表1)全部轉化草地,會導致月均徑流量增加93.22 m3/s,可見草地相對于林地具有增流作用。因此,農業用地、林地、草地三者對徑流增加的貢獻順序為農業用地>草地>林地。

3.2.2氣候要素對徑流的影響

當氣溫不變,降水量分別增加20%和10%時,月均徑流量分別增加了191.39 m3/s (11.57%)和78.41m3/s (4.74%)；降水量分別減少10%和20%時,月均徑流量分別減少了48.96 m3/s (2.96%)和116.13 m3/s (7.02%)(表7),可見徑流量的變化趨勢和變化幅度與降水變化成正比。當降水不變,氣溫分別增加1℃和2℃時,月均徑流量分別減少22.50 m3/s(1.36%)和36.23 m3/s(2.19%),可見徑流量的變化趨勢與氣溫變化趨勢成反比,變化幅度與氣溫變化幅度成正比。

表6 瀾滄江流域極端土地利用情景下徑流模擬結果

表7 瀾滄江流域氣候要素對徑流的影響

P：降水，Precipitation；T：氣溫，Temperature

3.2.3LUCC和氣候變化共同影響下的徑流模擬

模擬結果表明：情景7、8、9月均徑流量分別為1666.57 m3/s、1605.07 m3/s、1617.43 m3/s(表8)。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12.36m3/s,結合表1可知,2006—2015年,流域內農業用地、林地、草地、城鎮用地、水體、未利用地、濕地的變化率分別為-15.81%、-9.06%、27.82%、0.30%、-3.38%、-0.05%、0.18%,總體上增加的草地面積絕大部分由農業用地和林地轉化而來,因此2006—2015年間,LUCC引起的月均徑流量增加是由流域內林地轉化為草地所致,且林地轉化為草地引起的徑流增加量強于農業用地轉化為草地引起的徑流減小量；對比情景8可知,氣候變化引起月均徑流量減少49.14 m3/s,而氣象觀測數據顯示,2007—2015年間較1998—2006年間流域內月平均降雨量減少9.16mm、月平均氣溫升高0.2℃,這兩項變化均會引起徑流的減少,因此減少的徑流由降雨和氣溫變化共同引起；對比情景9可知,土地利用和氣候變化共同導致流域月均徑流量減少36.78 m3/s。因此,2006—2015年間,瀾滄江流域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,瀾滄江徑流量總體上呈減少趨勢,相對于LUCC而言,氣候變化在瀾滄江徑流變化中起主導作用。

表8 瀾滄江流域不同情景模擬結果

3.2.4RCP4.5與RCP8.5情景下瀾滄江未來徑流變化預估

預估結果顯示：RCP4.5和RCP8.5情景下,2021—2050年間瀾滄江流域徑流均呈增加趨勢,增加的速率分別為4.47億m3/10a和7.39億m3/10a(圖4)。而瀾滄江流域允景洪水文站實測徑流顯示：1971—2015年間,流域徑流呈減小趨勢,減小的速率為22.74億m3/10a。可見,RCP4.5和RCP8.5兩種情景下,流域徑流變化趨勢已發生改變,由原來的減少趨勢變為增加趨勢。

圖4 瀾滄江流域RCP4.5和RCP8.5情景下年徑流量趨勢預估圖Fig.4 Trend Prediction Map of Annual runoff under RCP4.5 and RCP8.5 scenarios in the Lancang River Basin

4 結論與討論

4.1 結論

(1) SWAT模型在瀾滄江流域徑流模擬中具有很好的適用性,可以用SWAT模型來進行流域徑流模擬、預測,率定期模型參數R2、Ens分別達到0.80、0.80,驗證期R2、Ens分別達到0.74、0.73。

(2) 從土地利用方面考慮,將農業用地轉化為林地或草地,均會導致徑流量的減少,而將林地轉化為草地則會引起徑流量的增加,農業用地、林地、草地三者對徑流增加貢獻順序為農業用地>草地>林地。從氣候變化方面考慮,流域徑流量與降雨量成正比,與氣溫成反比。

(3) 2006—2015年間瀾滄江流域氣候變化引起的月均徑流減少幅度強于LUCC引起的月均徑流增加幅度,徑流變化由氣候變化主導。

(4) 預估結果顯示,在RCP4.5和RCP8.5兩種氣候排放情景下,2021—2050年間瀾滄江流域徑流均呈增加趨勢,增加的速率分別為4.47億m3/10a和7.39億m3/10a,這與1971—2015年間流域實測徑流變化趨勢相反。

4.2 討論

瀾滄江流域集中了從熱帶到高寒地帶的多種生物資源和森林資源,礦藏資源豐富,水能資源巨大,但其位于中國西南生態環境脆弱區[33],一方面,隨著人類活動改造自然能力的加強,人類活動對地表覆蓋的改變對徑流的影響不容忽視,另一方面,氣候變化導致的水熱條件變化也會對流域徑流產生深遠的影響。從研究結果來看氣候變化在瀾滄江流域徑流變化中占據主導作用,但這不等于說人類可以肆無忌憚的開采資源,無節制無規劃的改變地表覆蓋。

相關研究表明LUCC作為人類活動的集中體現,其直觀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[34]。本研究結果中的農業用地、林地、草地三者對徑流增加的貢獻順序與張新榮[35]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[36-37],因此引起徑流增加。將草地轉化為農業用地引起徑流的增加,推測是相對草地而言,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。2006—2015年間瀾滄江流域LUCC主要為農業用地和林地轉化為草地,其中,農業用地轉化為草地主要發生在上游的青藏高原地區(圖2),這直觀反映了近年來當地政府退耕還草的成果,雖然這種土地利用類型變化降低了徑流量,但對改善青藏高原脆弱的生態環境和瀾滄江源頭的水質則大有益處。林地轉化為草地主要發生在瀾滄江中下游的云南省境內,主要是沿岸居民過度砍伐樹木,導致林地退化所致,雖然這種地類變化有益于徑流的增加,但對沿岸生態環境的長遠發展必然會產生負面的影響。

氣候變化作為影響流域水文過程的主要因素之一[10],其對水資源的影響主要體現在降水和溫度的變化上[15]。本研究表明,在對流域未來徑流變化預估中,RCP4.5和RCP8.5情景下,瀾滄江流域徑流均呈增加趨勢,這與黃金龍等[10]對RCP4.5情景下長江上游流域徑流模擬的結果一致,推測是由于在RCP4.5情景下,長江上游流域降雨呈增加趨勢[10],而瀾滄江流域降雨也呈增加趨勢(RCP4.5、RCP8.5情景下,2021—2050年均降雨量較1971—2015年均降雨量分別增加70.63mm、105.4mm)所致。

本研究中SWAT模型可以較好的用于瀾滄江流域的徑流模擬,但模型的模擬精度并沒有達到優秀的標準[1,2,5,16],推測與如下因素有關。流域內水電站、水庫的建設和生產會考慮豐枯水期的安全生產需要而人為進行蓄水或泄洪,這必將會對徑流產生一定的影響,甚至會改變徑流的月際或年際分配。廖文婷等[38]研究表明,葛洲壩和三峽水利樞紐的建立使下游宜昌站徑流的年內分配趨于平緩,洪峰被削弱,洪水發生幾率降低,枯水期有所提前。黃維等[39]研究表明,三峽工程減少了洞庭湖上游的來水量,改變了洞庭湖原來的水位/量變化規律。賈鳳[40]研究表明,流域梯級電站開發對徑流的人工控制對松花江中下游自然河流狀態的徑流量年內分配具有很大的影響。然而由于數據獲取的原因,本研究在模擬時無法考慮水電站及水庫對徑流的影響,這將會在一定程度上降低模型的模擬精度,同時,流域內居民生產生活用水等也會在一定程度上影響徑流,這些也有待于進一步研究。此外,本研究在利用SWAT模型開展2021—2050年的徑流預估時,除氣象驅動數據為模式計算結果提供外,其余土壤數據、植被覆蓋數據采用的是歷史時期數據,這與未來的實際情況必然不同,因此也會給預估結果帶來一定的不確定性。