朱悅璐, 暢建霞,2

(1.西安理工大學(xué) 水利水電學(xué)院，陜西 西安 710048；2.西安理工大學(xué) 西北旱區(qū)生態(tài)水利工程國家重點實驗室培育基地，陜西 西安 710048)

基于氣候模式與水文模型結(jié)合的渭河徑流預(yù)測

朱悅璐1, 暢建霞1,2

(1.西安理工大學(xué) 水利水電學(xué)院，陜西 西安 710048；2.西安理工大學(xué) 西北旱區(qū)生態(tài)水利工程國家重點實驗室培育基地，陜西 西安 710048)

為預(yù)測渭河流域未來時段的徑流變化規(guī)律，提出了CanESM2氣候模式下RCP4.5、RCP8.5兩種情景與半分布式水文模型VIC相對接的研究方案。采用氣候模式輸出的降水、氣溫等資料作為VIC模型的輸入數(shù)據(jù)，分析未來2020s、2030s、2040s、2050s四個時期渭河流域徑流變化規(guī)律。計算結(jié)果表明：由于未來氣溫變化幅度較小，故影響水文模型預(yù)測值的主導(dǎo)因素為降水變化；兩種情景下，未來徑流與降水變化規(guī)律相同，整體上呈現(xiàn)減少趨勢，在四個時期內(nèi)呈現(xiàn)先減少后增加的趨勢。

氣候模式； VIC模型； 渭河流域； 徑流預(yù)測

水文計算、水文分析、水庫調(diào)度以及流域水資源規(guī)劃等工作的重要前提是徑流預(yù)測，若無法預(yù)測未來時期某一流域的徑流變化規(guī)律，則上述工作的可信度會大大降低，因此徑流預(yù)測研究有重要的意義[1-4]。如今進行徑流預(yù)測的主要手段之一是將氣候模式與水文模型耦合[5]，氣候預(yù)測的方法，一種為發(fā)展高分辨率的GCM(Global Climate Model)模式[6]，另一種是降尺度法[7]，不論哪種方法，其思想皆為各種模式嵌套假設(shè)不同情景，將氣候模式的輸出作為水文模型的輸入，驅(qū)動水文模型得到不同情景下徑流變化的情況。其中，氣候因素在假設(shè)的條件下經(jīng)過排列組合，構(gòu)成了水文過程的“上邊界條件”；而地質(zhì)地貌、植被以及人為建筑、徑流系數(shù)、下滲條件、下墊面的空間分布構(gòu)成了水文過程的“下邊界條件”。對于水文模型的輸出產(chǎn)品來說，產(chǎn)流、匯流這些要素是受上邊界條件(氣候模式)和下邊界條件(LUCC類型)等不確定因素影響的。

因此，根據(jù)研究流域選定合理的未來氣候情景以及下墊面類型，是應(yīng)用水文模型徑流預(yù)測的關(guān)鍵。基于以上認(rèn)識，本文選用CMIP5[8]中精度較高的CanESM2模式(加拿大模式)下的RCP4.5情景(中等溫室氣體排放)以及RCP8.5情景(高等溫室氣體排放)來預(yù)測渭河流域未來降雨、氣溫等輸出，利用2000s的土地利用類型圖作為大尺度半分布式水文模型VIC的驅(qū)動數(shù)據(jù)，對渭河流域未來的徑流進行預(yù)測。

1 氣象模型的建立

1.1 研究區(qū)域

渭河是黃河第一大支流，發(fā)源于甘肅省鳥鼠山，涉及陜甘寧三省，于陜西潼關(guān)匯入黃河。流域總面積13.5萬 km2，干流全長818 km，地形自西向東逐漸變緩，北部為黃土高原，南部是秦嶺山區(qū)。渭河兩岸支流較多，涇河是其最大的支流，北洛河為第二大支流。該流域地處干旱和濕潤區(qū)的過渡地帶，為大陸性季風(fēng)氣候，年均氣溫6～14℃，年均降水量450～700 mm，年均蒸發(fā)量1 000～2 000 mm。

1.2 統(tǒng)計降尺度模型的建立

統(tǒng)計降尺度是利用氣候統(tǒng)計法建立大尺度環(huán)流場與局地氣候要素之間的關(guān)系，其基本原理是假設(shè)大氣過程與預(yù)報變量的時空變化之間存在經(jīng)驗關(guān)系，利用這種關(guān)系通過轉(zhuǎn)換函數(shù)進行模擬和預(yù)測。

預(yù)報因子的選擇一般遵循4個標(biāo)準(zhǔn)[9-10]，按相關(guān)原則選取預(yù)報因子為：5 500 m和1 400 m高度下的氣溫、位勢、垂直速度、相對濕度、緯向/經(jīng)向風(fēng)速以及地表氣溫、地表大氣壓力、海平面壓力、地表緯向/經(jīng)向風(fēng)速、地表風(fēng)速、對流層溫度、對流層大氣壓力。通常的，為判斷模擬效果的優(yōu)劣，以擬合度R2、均值相對誤差Rmean、標(biāo)準(zhǔn)差相對誤差Rsd作為評價指標(biāo)。

本研究采用逐步回歸建立統(tǒng)計降尺度模型，對渭河各氣象站降水、氣溫進行模擬，并加權(quán)平均到全流域上，其空間分辨率為2.5°×2.5°，覆蓋渭河流域7個經(jīng)緯網(wǎng)格，見圖1。

計算結(jié)果表明，RCP4.5、RCP8.5兩種情景在率定期(1960—2000年)、驗證期(2001—2010年)評價效果良好，見表1。因此，本文以該兩種情景所預(yù)測的未來4個時期(2020s、2030s、2040s、2050s)的月降水、氣溫數(shù)據(jù)作為驅(qū)動VIC模型的氣象文件，來預(yù)測未來各時期渭河流域的徑流。

2 水文模型的建立

在自然界中，地表徑流主要由兩種機制產(chǎn)生：超滲產(chǎn)流和蓄滿產(chǎn)流。在一個網(wǎng)格的不同部分，這兩種產(chǎn)流機制一般會同時出現(xiàn)，預(yù)測未來徑流變化規(guī)律時，忽略其中之一或者加強其中之一的作用都會導(dǎo)致過高或者過低評價地表徑流。本研究選取VIC[11-13]模型作為氣候模式輸出產(chǎn)品的對接。VIC可變下滲能力水文模型是一個基于空間分布網(wǎng)格化的分布式水文模型，該模型研究了從小到大、不同尺度、不同氣候下的應(yīng)用，在陸-氣間能量平衡、水量平衡和徑流模擬方面都有著出色的表現(xiàn)。VIC_4.1.2g版本考慮了在蓄滿產(chǎn)流和超滲產(chǎn)流中土壤非均勻性的影響，因此，以超滲產(chǎn)流機制為主的干旱、半干旱的渭河流域選用VIC模型來研究未來徑流變化規(guī)律是合理可行的[14]。

2.1 氣象資料

本研究以Arcgis將渭河流域按0.5°×0.5°的經(jīng)緯度分為75個小格，每個網(wǎng)格的氣象輸入數(shù)據(jù)為日降水、風(fēng)速、最高溫度與最低溫度。在率定期，氣象資料來源于國家氣象中心提供的渭河流域21個站點2001—2010年的強迫數(shù)據(jù)；在預(yù)測期，氣象資料來源于RCP4.5、RCP8.5情景下未來降水和氣溫的輸出。對于每個網(wǎng)格氣象強迫數(shù)據(jù)的生成，本研究采用以距離為權(quán)重的插值方法，將21個氣象站的資料插值到75個網(wǎng)格框架中。其公式為：

(1)

2.2 匯流模型輸入文件

對于研究區(qū)網(wǎng)格系統(tǒng)，流動的方向用數(shù)字1～8來表示，生成的匯流模型如圖2。

應(yīng)用DEM(Deterministic eigth-neighbours)算法，將網(wǎng)格中心單元的水流流向定義為鄰近8個網(wǎng)格單元中坡度最陡的單元：

(2)

表2 人工修正流向表

Tab.2 The manual correction of flow meter

流速文件、擴散系數(shù)文件、網(wǎng)格有效面積比文件的格式與匯流文件相同。由于研究的時間步長為月，因此可以用模型提供的缺省值，本研究設(shè)定擴散系數(shù)為850 m2/s，流速為2 m/s，網(wǎng)格有效面積比除了流域邊界外，均取1，即100%。

2.3 模型參數(shù)率定

VIC模型的植被類型基于Maryland大學(xué)發(fā)展的全球1 km×1 km土地覆蓋數(shù)據(jù)來確定，共分為14類，植被參數(shù)庫包含所有植被的相關(guān)參數(shù)，當(dāng)網(wǎng)格中包含某類植被時就用相應(yīng)的參數(shù)。在植被類型參數(shù)文件中，B、Ds、Dm、Ws、d2、d3等6個參數(shù)需要按照網(wǎng)格內(nèi)的實際情況進行調(diào)整，即參數(shù)率定。對于半分布式水文模型VIC，每個網(wǎng)格的6個參數(shù)都可改變，但由于模型本身的不確定性以及同一流域下墊面在時空上的近似性，本研究將流域按照匯流文件劃分為林家村、咸陽、華縣、張家山、狀頭5個分區(qū)，在相同分區(qū)內(nèi)，網(wǎng)格內(nèi)同一參數(shù)的取值相同，如圖3。

由模型的匯流機制可知，上述5個分區(qū)中，林家村站、張家山站、狀頭站三個分區(qū)控制站的參數(shù)相對獨立，而咸陽站在林家村站的下游，因此參數(shù)受上游林家村站的影響；同理，華縣站控制分區(qū)的參數(shù)分別受到林家村和咸陽站參數(shù)的影響。在實際操作中，采用逐步率定的步驟，應(yīng)用均勻設(shè)計率定方法，對各個站點進行率定。均勻設(shè)計方案具有速度快、率定成果好的特點，因此本研究優(yōu)先選用[15-16]。

1) 對獨立的張家山站、狀頭站控制區(qū)域的網(wǎng)格進行率定，作為涇河與北洛河的率定參數(shù)，見圖4。

2) 當(dāng)林家村站控制區(qū)域參數(shù)率定完成后，保持其值不變，對咸陽站控制區(qū)域的網(wǎng)格進行調(diào)參，直到咸陽站控制區(qū)域滿足要求，此時，渭河中游的參數(shù)為林家村站控制網(wǎng)格和咸陽站控制網(wǎng)格之和，見圖5。

3) 同理，保持林家村站、咸陽站控制站參數(shù)值不變，對華縣站控制網(wǎng)格進行調(diào)參，最終，渭河下游華縣站控制站參數(shù)為林家村站、咸陽站和華縣站三個站控制的網(wǎng)格之和；當(dāng)所有分區(qū)參數(shù)率定結(jié)束后，以華縣站與狀頭站徑流之和作為渭河流域所有網(wǎng)格匯流的最終結(jié)果，見圖6。

3 率定成果及檢驗

通常情況下，在率定完成后，用多年徑流相對誤差Er(%)和模型效率系數(shù)Ce兩個指標(biāo)來判斷率定成果的優(yōu)劣。

(3)

(4)

式中，Qio和Qic分別為實測和模擬流量系列(m3/s)。

在率定成果判定指標(biāo)中，Er越小，模擬效果越好，Ce值越接近于1，模擬效果越好。本研究中Er與Ce的閾值分別為10%與0.70。

按均勻設(shè)計原理對上述5個分區(qū)分別進行調(diào)參，應(yīng)用每次設(shè)計的方案驅(qū)動VIC模型，將所得結(jié)果用(3)、(4)兩式進行檢驗，直至滿足所設(shè)定閾值，見表3。

模型將34°75′～110°25′所對應(yīng)的坐標(biāo)作為渭河全流域網(wǎng)格匯流的出口斷面，該斷面的匯流與上述5個分區(qū)相關(guān)，因此，渭河流域的最終參數(shù)為表4各個分區(qū)的參數(shù)之和。

綜上，渭河流域在2000s各土地利用類型條件下的土壤參數(shù)調(diào)試結(jié)束。以本套參數(shù)驅(qū)動VIC模型在全流域上的模擬，以2001—2011年的降水、風(fēng)速、日最高氣溫和最低氣溫四組數(shù)據(jù)作為率定期的氣象資料。均勻設(shè)計方案率定結(jié)果表明：2001—2011年率定期，渭河流域Nash系數(shù)為0.72，總量精度誤差為7.8%，其結(jié)果如圖7所示。

4 渭河流域未來徑流變化

2000—2010年基準(zhǔn)期渭河流域平均徑流量為53.5億m3，本研究將未來劃分為2020s、2030s、2040s及2050s四個時段，保持流域下墊面條件即所率定的參數(shù)不變，在模型的每個網(wǎng)格中，按照反距離權(quán)重法輸入全球氣候模式CanESM2在RCP4.5和RCP8.5情景下未來4個時期渭河流域的降水和氣溫的預(yù)測結(jié)果，驅(qū)動VIC模型，得出未來相應(yīng)時段的徑流。由于在應(yīng)用逐步回歸法預(yù)測未來渭河流域21個氣象站1月份的降水時，有些站點出現(xiàn)負(fù)值，因此本研究對這些異常值進行處理，以確保數(shù)據(jù)的合理性。具體的處理方法為：

本研究以RCP4.5情景下寶雞站2018年1月、商縣站2022年1月、西安站2023年1月三個負(fù)值作為修正范例予以說明，見表5。RCP4.5模式預(yù)測結(jié)果見圖8。

由統(tǒng)計降尺度的預(yù)測結(jié)果可知，在RCP4.5情景下，流域多年平均氣溫較基準(zhǔn)期降低了0.17℃，因此認(rèn)為該因素對VIC模型影響不顯著；而多年平均降水較基準(zhǔn)期減少132 mm。從圖8可以看出，受降雨因素影響，渭河流域未來徑流總體上呈現(xiàn)減少趨勢；由于未來4個時期降水呈現(xiàn)先減少后增加的趨勢，因此2020s、2030s、2040s、2050s的徑流也呈現(xiàn)先減少后增加的趨勢，其值分別比基準(zhǔn)期減少了16.3%、13.0%、11.6%和5.2%(見表6)。

同樣的，保持流域下墊面條件率定參數(shù)不變，以RCP8.5情景下的降水、氣溫數(shù)據(jù)驅(qū)動VIC模型，得到該情境下未來渭河流域的徑流變化規(guī)律，如圖9、表7所示。

在RCP8.5情景下，溫室氣體排放量加大，因此相較于RCP4.5情景，其降水更少，氣溫更高。圖9表明，用該情景的氣候數(shù)據(jù)驅(qū)動VIC模型所得的徑流結(jié)果與RCP4.5預(yù)測趨勢一致，整體上渭河流域未來徑流呈現(xiàn)減少趨勢，5個時期的變化規(guī)律均為先減少后增加。

綜上，不論基于哪種情景，本文采用氣候模式與水文模型耦合的研究思路，分析認(rèn)為渭河流域徑流的預(yù)測結(jié)果從整體上都呈現(xiàn)減少趨勢，這一論斷同傳統(tǒng)的如M-K、神經(jīng)網(wǎng)絡(luò)、多元線性回歸、小波分析等預(yù)測方案所得結(jié)論一致，因此，從側(cè)面驗證了本研究假設(shè)情景的合理性，以及方案在流域的適應(yīng)性。

為近一步分析不同排放情景下未來時期降雨、徑流的關(guān)系，用模比系數(shù)將RCP4.5與RCP8.5情景下的降雨序列和VIC模型預(yù)測的徑流序列進行轉(zhuǎn)換，該方法可以消除均值大小帶來的影響，如圖10、11所示。

可以看出，不論哪種排放情景，渭河流域的降雨、徑流在未來時期的趨勢性一致，其線性趨勢線的斜率為正，皆呈現(xiàn)緩慢增加趨勢。

本研究將RCP4.5模式下未來降水多年均值的等值線繪于渭河流域圖中，如圖12所示。由圖可知，該流域未來多年平均降水量分布東多西少，南多北少，呈現(xiàn)出由東南向西北逐漸減少的趨勢。因此，該流域未來降水量有明顯的地域分布不均勻性。同樣的，將RCP4.5情境下VIC模型輸出的網(wǎng)格徑流深繪制成等值線圖，可以看出，VIC模型預(yù)測的每個網(wǎng)格的徑流深分布也呈現(xiàn)明顯的地域特征，并與未來降水有相同的分布規(guī)律。

RCP8.5的降水、徑流等值線分布圖與RCP4.5類似，可以看出，該情境下未來時期的降水、徑流深的地域不均勻性比RCP4.5更為顯著，在此不再贅述，如圖13所示。

綜上所述，可以認(rèn)為在干擾因素較少時(例如本研究沒有考慮人類活動的影響)，VIC模型對于CanESM2氣候模式的輸出產(chǎn)品具有較好的適應(yīng)性，可以較好的預(yù)測出不同排放情境下，由于降水、氣溫變化而導(dǎo)致的徑流變化。

對于進一步的研究，如果要分離人類活動對徑流的影響，可以采用保持水文模型的氣象輸入資料不變而更換下墊面的方法。

5 結(jié) 論

在利用氣候模式與水文模型耦合預(yù)測徑流規(guī)律時，應(yīng)注意選取氣候模式為該流域未來最可能發(fā)生的情景，這樣才能確保研究的意義。由于未來時期我國西部大開發(fā)戰(zhàn)略以及以渭河流域工農(nóng)業(yè)在未來一個階段內(nèi)仍將呈現(xiàn)持續(xù)發(fā)展的狀態(tài)，本研究選取了CanESM2模式下RCP4.5(溫室氣體中等排放)和RCP8.5(溫室氣體高等排放)兩種情景下的氣象輸出與VIC相嵌套的結(jié)合模型，來預(yù)測渭河流域徑流變化。主要得到以下結(jié)論：

1) 對VIC模型的匯流文件采用了圖形化處理，以箭頭的方向表示網(wǎng)格的匯流方向，該方法簡單直觀，可以人工調(diào)整不合理的流向，以提高VIC模型模擬的準(zhǔn)確程度。在模型參數(shù)率定時，按照控制站點將流域分為林家村、張家山、狀頭三個獨立的分區(qū)以及咸陽、華縣兩個非獨立分區(qū)，研究結(jié)果表明，合理的分區(qū)有助于提高模型率定的速度和精度；

2) 對于RCP4.5與RCP8.5兩種情景，由于未來氣溫變化幅度較小，所以影響水文模型預(yù)測值的主導(dǎo)因素為降水變化；與基準(zhǔn)期的53.5億m3的徑流量相比，兩種情景下未來徑流與降水變化整體上呈現(xiàn)減少趨勢，且規(guī)律相同，在2020s、2030s、2040s、2050s四個時期呈現(xiàn)先減少后增加的趨勢；研究沒有考慮人類活動的影響，若要獨立出人類活動的影響，則應(yīng)該更替不同的水文模型下墊面進行研究；

3) 計算結(jié)果表明，RCP4.5和RCP8.5兩種情境下，未來降水、徑流值分別與其模比系數(shù)過程線的斜率呈現(xiàn)正相關(guān)關(guān)系，降水等值線分布圖與VIC模型生成的網(wǎng)格徑流深等值線圖有著相同的分布規(guī)律；

4) 受研究條件的限制，本文并未進行氣候模式的預(yù)測與組合，而是采用了已有的計算成果與水文模型對接，在今后的研究中，將增強對氣候模式的預(yù)測部分的研究，發(fā)展更多的氣候模式產(chǎn)品，與水文模型耦合，以期獲得不同的徑流預(yù)測備選方案為工程服務(wù)。

[1]李艷玲， 暢建霞. 基于諧波小波的徑流序列變異檢測[J].西北農(nóng)林科技大學(xué)學(xué)報： 自然科學(xué)版, 2013, 41(5): 208-212.

Li Yanling, Chang Jianxia. Detection of the abrupt changes in runoff based on harmonic wavelet[J].Journal of Northwest A&F University(Natural Science Edition), 2013, 41(5): 208-212.

[2]王孝禮, 胡寶清, 夏軍. 水文時序趨勢與變異點的R/S分析法[J].武漢大學(xué)學(xué)報: 工學(xué)版, 2002, 35(2) : 10-12.

Wang Xiaoli, Hu Baoqing, Xia Jun. R/S analysis method of tend and aberrance point on hydrological time series[J].Engineering Journal of Wuhan University, 2002, 35(2): 10-12.

[3]Jiang S H, Ren L L, et al. Analyzing the effects of climate variability and human activities on runoff from the Laohahe basin in northern China[J].Hydrology Research, 2012，43(1-2): 3-13.

[4]朱悅璐, 暢建霞, 劉宸巖. 渭河流域水文變異診斷研究[J].西安理工大學(xué)學(xué)報, 2014, 30(2): 170-174.

Zhu Yuelu, Chang Jianxia, Liu Chenyan. The research on the hydrological variation diagnosis of the Weihe River Basin[J].Journal of Xi’an University of Technology, 2014, 30(2): 170-174.

[5]劉珂, 許吟隆, 陶生才, 等. 多模式集合對中國氣溫的模擬效果及未來30年中國氣溫變化預(yù)估[J].高原氣象， 2011， 30(2)： 363-369.

Liu Ke, Xu Yinlong, Tao Shengcai, et al. Validation of multi-model ensemble to air temperature of China and projection of air temperature change in china for the next three decades[J].Plateau Meteorology, 2011, 30(2): 363-369.

[6]Knoxville B A. Sensitivity of simulated climate to model resolution [J].Climate, 1991, 4(5): 469-485.

[7]Wilby R L, Dawson C W, Barrow E M. SDSM-A decision support tool for the assessment of regional climate change impacts[J].Environmental Modeling&Soft-ware, 2002, 17(2): 147-159.

[8]Sailor D J, Li X. A semiempiral downscaling approach for predicting regional temperature impacts associated with climatic change [J].Journal of Climate, 1999, 12: 103-114.

[9]Wilby R L, Hay L E, Leavesley G H. A comparison of downscaled and raw GCM output: implications for climate change scenarios in the San Juan River Basin, Colorado [J].Journal of Hydrology， 1999, 225: 67-91.

[10]雷江群， 暢建霞， 涂歡， 等. 統(tǒng)計降尺度方法對渭河流域氣候要素的模擬及預(yù)估[J].武漢大學(xué)學(xué)報(工學(xué)版)， 2015， 48(2)： 176-181.

Lei Jiangqun, Chang Jianxia, Tu Huan, et al. Simulation and prediction of climatic elements in Weihe River Basin using statistical downscaling method[J].Engineering Journal of Wuhan University, 2015, 48(2): 176-181.

[11]Liang X, Lettenmaier D P, Wood E F, et al. A simple hydrologically based model of land surface water and energy fluxes for general circulation models[J].Journal of Geophysical Research, 1994, 99(D7): 14415-14428.

[12]Liang X, Xie Z. A new surface runoff parameterization with sub grid-scale soil heterogeneity for land surface models[J].Advances in Water Resources, 2001, (24): 1173-1192.

[13]Xie Z, Su F, Liang X, et al. Applications of a surface runoff model with Horton and Dunne runoff for VIC[J].Advances in Atmospheric Sciences, 2003，20(2): 165-172.

[14]徐宗學(xué). 水文模型 [M].北京： 科學(xué)出版社， 2009： 121-133.

[15]方開泰. 均勻設(shè)計與均勻設(shè)計表[M].北京： 科學(xué)出版社， 1994： 7-13.

[16]方開泰. 均勻試驗設(shè)計的理論、方法與和應(yīng)用—歷史回顧[J].論數(shù)理統(tǒng)計與管理, 2004, 23(3): 69-80.

Fang Kaitai. The uniform design theory, method and application-historical review[J].Journal of Applied Statistics and Management, 2004, 23(3): 69-80.

(責(zé)任編輯 周蓓)

Prediction of Weihe River runoff based on combination of climate model with hydrological model

ZHU Yuelu1， CHANG Jianxia1,2

(1.Faculty of Water Resources and Hydroelectric Engineering，Xi’an University of Technology，Xi’an 710048，China； 2.State Key Laboratory Base of Eco-hydraulic Engineering in Arid Area，Xi’an University of Technology，Xi’an 710048，China)

In order to forecast the runoff variation law in the Weihe River valley in the future time section,this paper suggests the research scheme of RCP4.5,RCP8.5 scenarios of two kinds under CanESM2 climate model and the semi-distributed hydrological VIC model docking .The output rainfall and temperature data by the climate model are used as the input data for VIC model to analyze the runoff variation laws in the Weihe River valley in the future 4 periods of 2020s,2030s,2040s,2050s.The calculation results indicate that owing to small variation margin in the future temperature, the dominant factor affecting the hydrological model forecast values will be the precipitation variation,and that in the case of two scenarios,the variation laws of future runoff and precipitation will be the same,where by indicating a decreasing trend as a whole and appearing to have a trend toward decreasing first and increasing afterwards in the 4 periods.

climate model； VIC model； Weihe River Basin； runoff forecast

1006-4710(2015)04-0400-09

2015-04-08

國家自然科學(xué)基金重大資助項目(51190093)；國家自然科學(xué)基金資助項目(51179148,51179149)；水文水資源與水利工程科學(xué)國家重點實驗室開放研究基金資助項目(2012490511)。

朱悅璐，男，博士生，研究方向為水文水資源及邊坡穩(wěn)定。E-mail：yuelu_zhu@163.com。

暢建霞，女，教授，博導(dǎo)，博士，研究方向為水文水資源。E-mail：chxiang@xaut.edu.cn。

P333.9

A