基于CORDEX區(qū)域氣候模式的大渡河流域徑流模擬

潘張榕，郭軍紅,付正輝，王書航，李 薇，陳 卓，卿 會

(1.華北電力大學(xué)環(huán)境科學(xué)與工程學(xué)院，北京 102206；2.中國環(huán)境科學(xué)研究院，湖泊水污染治理與生態(tài)修復(fù)技術(shù)國家工程實驗室，國家環(huán)境保護湖泊污染控制重點實驗室，北京100012)

IPCC第五次報告指出，在大部分未來情景下地球地表溫度將會上升[1]。在未來，高溫天數(shù)將可能增加，熱浪發(fā)生頻率也隨之增加，持續(xù)時間也將有可能變得更長[2]。對于水循環(huán)來說，未來降水量的時空變化仍然是不均勻的[3]。在全球氣候變暖的趨勢下，未來雨季與旱季、干旱地區(qū)與濕潤地區(qū)的降水差異將會更大，極端降水與極端溫度的發(fā)生頻率也會隨之增加。中國水資源時空分布不均，在氣候變化的大背景下，受暴雨、洪澇、干旱等氣候的影響，流域內(nèi)徑流波動較大，因此有必要對流域徑流進行模擬預(yù)測，以防范危險[4]。水資源的合理高效開發(fā)利用需要對流域進行水文建模研究，利用先進的水文預(yù)報理論與方法，為水資源的合理優(yōu)化配置提供科學(xué)的理論支撐，從與氣候變化的聯(lián)系上看，進行未來水文預(yù)報研究也有利于減少極端氣候造成的水旱災(zāi)害損失，盡可能地規(guī)避風險。

目前，徑流模擬主要是利用水文模型，而水文模型的驅(qū)動一般需要氣象條件的支持，如降水、最高溫度、最低溫度、風速、輻射、濕度等氣象數(shù)據(jù)[5]。對于未來水文預(yù)報研究，同樣需要未來氣象條件的支撐。因此，如何提供較為準確的未來氣象條件成為了制約未來水文預(yù)報精確度的一個重要因素。隨著氣候研究的不斷深入，氣候模式能產(chǎn)出高精度的氣象數(shù)據(jù)，這為水文模型的運轉(zhuǎn)提供了強大的驅(qū)動。針對未來徑流的預(yù)測研究，有的學(xué)者在假設(shè)情景下研究未來的徑流量變化趨勢[6-7]，除了假設(shè)情景，更多的學(xué)者基于IPCC的未來情景模式來進行相關(guān)研究。常用的典型濃度路徑RCP情景是根據(jù)2100年輻射強迫水平來命名的，根據(jù)強迫水平的高低，可以分為極低強迫水平的緩解情景(RCP2.6)、2個中等穩(wěn)定情景(RCP4.5、RCP6)和1個非常高基線情景模式(RCP8.5)[8]。在未來情景的基礎(chǔ)上，Joseph等[9]對美國新澤西州內(nèi)2個流域的校準水文模型的模擬流量進行偏差校正，通過統(tǒng)計降尺度縮小GCMs的誤差，對歷史及未來2041—2099年徑流進行模擬預(yù)報。Tariku等[10]在RCP2.6和RCP8.5情景下，利用3種水文模型，在GCMs驅(qū)動下，驗證了模型在藍尼羅河流域的適用性。Qiu等[11]利用SWAT水文模型和5個降尺度GCMs(GeneralCirculation Model)，分別在RCP2.6、RCP4.5和RCP8.5情景下，研究氣候變化率對未來密云水庫區(qū)水質(zhì)的影響，并依據(jù)預(yù)報結(jié)果對流域進行相應(yīng)調(diào)整。Holtzman等[12]研究了WRF區(qū)域氣候模式與MP陸面模式耦合的能力，結(jié)果表明，在適當物理參數(shù)下，氣候和陸面耦合模型可以用來研究氣候變化對庫區(qū)徑流的影響。

目前的研究中，很多學(xué)者采用GCM的未來氣候變化情景數(shù)據(jù)來驅(qū)動水文模型，但GCM的空間分辨率粗糙，在區(qū)域或局地尺度上模擬效果不佳。也有在GCM基礎(chǔ)上使用RCM區(qū)域氣候模式來提高空間分辨率，但往往使用單一的RCM，忽視了不同物理模型帶來的未來不確定性問題。聯(lián)合區(qū)域降尺度試驗(Coordinated Regional Downscaling Experiment,CORDEX)中的高分辨率區(qū)域氣候模式已被廣泛用于評估未來氣候變化趨勢，具有分辨率高、模式數(shù)據(jù)齊全等優(yōu)點。如蔡文君等[13]基于CORDEX數(shù)據(jù)集3套區(qū)域氣候模式降水和溫度數(shù)據(jù)，驅(qū)動SWAT模型探討氣候變化對碧流河流域未來徑流變影響，認為可以解決徑流不確定性問題。Guo等[14]研究5套CORDEX區(qū)域氣候模式在青藏高原地區(qū)的模擬能力，證明可以解決分辨率低的問題。因此，本文基于CORDEX數(shù)據(jù)集下的6套區(qū)域氣候模式集合，驅(qū)動SWAT水文模型，探討氣候變化對未來大渡河流域的徑流影響。

1 數(shù)據(jù)和方法

1.1 研究區(qū)域概況

大渡河發(fā)源于四川省內(nèi)果洛山南麓，以瀘定和樂山市銅街子劃分上中下游，最后匯入岷江，是岷江最大的支流。大渡河流域面積7.74×104km2，年均徑流量60.3 m3/s。除此以外，大渡河流域四面環(huán)山，海拔高，流域年降水量在800 mm左右，年內(nèi)降水主要集中在5—10月[15]。流域面積寬闊，植被條件良好，降水豐富、冰山積雪，具有極高的水電開發(fā)潛力。

1.2 數(shù)據(jù)

所涉及到的數(shù)據(jù)包括大渡河流域數(shù)字高程數(shù)據(jù)(Digital Elevation Model，DEM)、土地利用數(shù)據(jù)、土壤類別數(shù)據(jù)、氣象數(shù)據(jù)和徑流數(shù)據(jù)。其中，DEM數(shù)據(jù)為地理空間數(shù)據(jù)云平臺SRTMDEMUTM 90M分辨率數(shù)據(jù)；土地利用數(shù)據(jù)為2000年中國土地利用現(xiàn)狀遙感監(jiān)測數(shù)據(jù)，分辨率為1 km，來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)云平臺；土壤數(shù)據(jù)為世界土壤數(shù)據(jù)庫( HWSD V1.1) ，來源于寒區(qū)旱區(qū)科學(xué)數(shù)據(jù)中心，分辨率為1 km[15]。氣象數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)，選用大渡河境內(nèi)2個氣象站點(樂山站和峨眉山站)1970—2005年逐日降水、最高溫度和最低溫度數(shù)據(jù)作為SWAT模型的觀測數(shù)據(jù)輸入。水文數(shù)據(jù)為銅街子站點的1970—2005年的年徑流數(shù)據(jù)，用于模型的參數(shù)率定和驗證以及之后對徑流變化的分析中。未來氣象數(shù)據(jù)為CORDEX集氣象數(shù)據(jù)。本研究將使用由CNRM-CERFACS-CNRM-CM5、ICHEC-EC-EARTH、MOHC-HadGEM2-ES和MPI-M-MPI-ESM-CR邊界條件驅(qū)動的CCLM5-0-2和REMO2015區(qū)域氣候模式進行未來氣候研究，相關(guān)模式見表1。大渡河流域水系及氣象水文站點見圖1。

表1 CORDEX數(shù)據(jù)集

圖1 大渡河流域地形

1.3 研究方法

1.3.1SWAT模型及評價方法

SWAT(Soil and Water Access Tool)模型由美國農(nóng)業(yè)部開發(fā)，是比較常用的半分布式水文模型，可以實現(xiàn)中長尺度的模擬，如大型流域的徑流模擬、土地利用管理、水環(huán)境評估、水質(zhì)模擬等領(lǐng)域[17]。

通過SWAT模型指出在校準和驗證過程中對流量影響最大的重要參數(shù)的方法稱為靈敏度分析。為了對SWAT的模型參數(shù)進行率定和驗證，使用專門進行SWAT模型率定和驗證的SWAT-CUP軟件[18]，以1970—1974年為預(yù)熱期，1975—2000年為率定期，2001—2005年為驗證期，進行參數(shù)率定，選用Sufi2不確定性分析算法進行SWAT模型參數(shù)率定[19]。

對于SWAT模型率定結(jié)果，一般選用納什效率系數(shù)(NSE)和決定系數(shù)R22個指標來進行評估，NSE反映的是模擬徑流與觀測徑流的吻合程度，NSE越接近1證明吻合程度越高，R2代表模擬值與觀測值的相關(guān)程度，其值越接近1證明相關(guān)性越高。同時，為了評估模擬值的可信度，又新增了相誤差指標對率定結(jié)果進行評估。NSE、R2和RE計算式分別為：

(1)

(2)

(3)

式中Qo——實際觀測徑流值，m3/s；Qavg——實際觀測徑流的平均值，m3/s；Qs——模擬徑流值，m3/s；Qs,avg——模擬徑流的平均值，m3/s。

當NSE、R2均大于0.5時，可以認為模型能夠較好地體現(xiàn)出研究區(qū)的徑流過程[20]。

1.3.2逐步聚類算法

由于CORDEX數(shù)據(jù)集中的區(qū)域氣候模式本身帶有不確定性誤差，因此在用區(qū)域氣候模式氣象數(shù)據(jù)驅(qū)動SWAT水文模型之前，需要先對模式誤差進行校正。本文先采用逐步聚類算法(Stepwise Cluster Analysis,SCA)對模式歷史誤差進行校正，并判斷校正結(jié)果，在滿足校正要求的基礎(chǔ)上對未來氣象數(shù)據(jù)進行偏差修正[21]。

SCA法采用1970—2000年的歷史氣象數(shù)據(jù)作為觀測值，CORDEX數(shù)據(jù)集作為模擬值，在SCA的基礎(chǔ)上建立觀測值與模擬值之間的統(tǒng)計關(guān)系。基于SCA訓(xùn)練的對應(yīng)關(guān)系，輸入CORDEX數(shù)據(jù)集2001—2005年氣象數(shù)據(jù)，通過比較SCA輸出校正值與實際觀測值之間的誤差，判斷SCA算法對CORDEX數(shù)據(jù)集模式數(shù)據(jù)的校正水平。假定未來氣候變化規(guī)律依然遵循以上訓(xùn)練關(guān)系，以未來不同情景下的模式數(shù)據(jù)作為輸入，即可得到未來不同情景下校正的“觀測值”。技術(shù)路線見圖2。

圖2 技術(shù)路線

2 結(jié)果與討論

2.1 氣候模式的校準

2.1.1歷史數(shù)據(jù)驗證

采用SCA方法對歷史時期(1970—2000年)CORDEX的6個RCM數(shù)據(jù)進行了校正。將6種GCM驅(qū)動的區(qū)域氣候模式數(shù)據(jù)作為大尺度預(yù)報因子(X)的輸入，以同期氣候站的實際觀測數(shù)據(jù)作為區(qū)域小尺度預(yù)報變量(Y)的輸入，建立X與Y的函數(shù)關(guān)系，進行樣本訓(xùn)練。從圖3、表2可以看出，逐步聚類算法可以較好地校正降水量的偏差，經(jīng)校正后的降水量，與實際觀測值較為接近。結(jié)果也表明，逐步聚類算法極大地降低了粗分辨率氣候模式結(jié)果的誤差。

a)月均降水量

b)月均降水量誤差

表2 CORDEX模式歷史降水量校正效果對比 單位：mm

同理，從圖4、5和表3、4中可以看出，經(jīng)過SCA校正過的月均最高溫度和最低溫度準確度均有了顯著提升。最高和最低溫度校正數(shù)據(jù)誤差較小，其中，最低溫度的校正效果最好，誤差基本穩(wěn)定在5℃以內(nèi)。綜上所述，采用的SCA方法可以有效降低CORDEX數(shù)據(jù)集的誤差，并可將修正后的未來氣象條件用于驅(qū)動SWAT模型生成不同氣候排放情景下的徑流。

a)月均最高溫度

b)月均最高溫度誤差

a)月均最低溫度

b)月均最低溫度誤差

表3 CORDEX模式歷史月均最高溫度校正效果對比 單位:℃

表4 CORDEX模式歷史月均最低溫度校正效果對比 單位:℃

2.1.2未來氣候變化

為了減少單個模式帶來的不確定性問題，采用校正后的6個區(qū)域氣候模式均值分析大渡河流域未來降水和溫度的變化趨勢。從圖6中可以看出，相對于基準期2001—2205年，在RCP4.5和RCP8.5情景下，未來年降水量將有小幅增加(小于200 mm)，且RCP8.5情景下的降水量不確定性更大。

a)RCP4.5

b)RCP8.5

年最高溫度和最低溫度變化趨勢見圖7、8，在2種情景下，未來年均最高溫度和最低溫度均高于基準期，且在2030—2065年呈現(xiàn)增加的趨勢，RCP8.5情景下的增加趨勢比RCP4.5情景下的明顯。在RCP8.5情景下，未來溫度的變化將會更加劇烈，說明高排放情景下的氣候變化具有更多的不確定性。

a)RCP4.5

b)RCP8.5

同理，在2種情景下，未來年均最低溫度的變化趨勢見圖8，從圖8中可以看出，未來年均最低溫度變化趨勢與年均最高溫度高度一致，同樣是高于基準期溫度且逐步上升，在RCP8.5情景下不確定性變化更大。

a)RCP4.5

b)RCP8.5

綜上，未來大渡河流域內(nèi)降水量相對基準期會有所增加，年最高最低氣溫相對于基準期也呈現(xiàn)增加趨勢。因此21世紀中葉以后，氣候的不確定性將會增大，流域內(nèi)氣溫最高和最低氣溫的變化幅度較大，RCP8.5情景下各模式間不確定性較大。

2.2 水文模型的校準與驗證

在SWAT-CUP中，使用SUFI算法對SWAT模擬結(jié)果進行參數(shù)率定。以1970—1974年為預(yù)熱期，選取1975—2005年31年的年實測徑流數(shù)據(jù)，對SWAT模擬徑流進行參數(shù)率定。從相關(guān)系數(shù)來看(表5)，銅街子水文站總體模擬結(jié)果的相關(guān)性非常好，模擬期和驗證期R2均大于0.8，表明模型模擬結(jié)果和實測結(jié)果的相關(guān)性很好。率定期和驗證期的納什系數(shù)均大于0.6，滿足模型模擬要求。從相對誤差來看，率定期和驗證期絕對誤差分別為 0.69%、5.91%，說明模擬值可信度較高。綜上所述，該模型可以應(yīng)用于大渡河流域年尺度的徑流模擬中(圖9)。

表5 大渡河銅街子水文站年徑流模擬結(jié)果評價

2.3 未來徑流模擬

以率定好的SWAT模型為基礎(chǔ)，將校正后的2030—2065年逐日降水、最高溫度和最低溫度數(shù)據(jù)作為氣象條件輸入SWAT模型，預(yù)測大渡河流域未來不同RCP氣候情景下的年徑流變化情況(圖10)。

結(jié)果顯示，未來大渡河流域的年徑流整體呈增加的趨勢，且RCP8.5情景下的變化幅度要大于RCP4.5,徑流變化峰值點與降水、氣溫的峰值點一致。2050年以后，大渡河流域徑流量明顯增加，發(fā)生洪水災(zāi)害的概率也將顯著增加，同時，在2種情景下，2050年之后基于不同模式數(shù)據(jù)輸出的徑流波動也明顯增大，說明在21世紀中期，徑流不確定也將顯著增加，因此對大渡河流域未來水資源的預(yù)測和管理就顯得尤為重要。在大渡河流域，未來氣溫的上升將導(dǎo)致水資源蒸發(fā)速率的增加，但在這2種情景下，流域徑流未來仍將呈現(xiàn)增加趨勢。除了降水補償外，還有一些因素可能會對該流域徑流產(chǎn)生影響。一方面，盆地上游以降雪為主，積雪期較長，氣溫升高會使冰雪融化速度加快，導(dǎo)致大渡河流域徑流量增加[22]。另一方面，大渡河流域植被覆蓋度高，對氣候變暖具有較強的調(diào)節(jié)能力，能有效減弱蒸發(fā)損失[23]。

圖9 大渡河銅街子水文站年徑流模擬結(jié)果

a)RCP4.5

b)RCP8.5

3 結(jié)語

基于CORDEX區(qū)域氣候模型，對大渡河流域2035—2065年的降水量、最高氣溫和最低氣溫進行了模擬。采用逐步聚類分析方法對CORDEX數(shù)據(jù)集進行校正，利用SWAT水文模型對大都河流域未來徑流進行模擬。

a)使用逐步聚類算法對6種CORDEX數(shù)據(jù)集RCM進行偏差校正，校正后的結(jié)果與歷史實測數(shù)據(jù)進行比較，發(fā)現(xiàn)在年尺度上降水、日最高溫度和最低溫度的校正效果較好，證明SCA算法在氣象數(shù)據(jù)校正應(yīng)用上具有一定的適用性，但是對于降水數(shù)據(jù)，SCA算法會增加年內(nèi)各季節(jié)間降水量的誤差。

b)在氣候變化背景下，未來2030—2065年大渡河流域的年降水量基本穩(wěn)定，但對比基準期來說年降水量會有所增加。日最高溫度與最低溫度相對基準期來說也會增加，但是在研究年限內(nèi)依然會持續(xù)增長。對于降水和溫度，在RCP8.5情景下的不確定性均大于RCP4.5情景，且2種情景下21世紀中期之后變化不確定性均有所增加。

c)與基準期相比，大渡河流域2035—2065年年徑流量總體上呈增加趨勢。21世紀中期以前，徑流變化不明顯，之后2種情景下的徑流量都呈顯著增加趨勢，且徑流變化不確定性也會顯著增加。流域徑流變化不僅受降水量的影響，還受冰山融雪及植物蒸散發(fā)的影響。