孟虹池，李英海, ，歐陽碩，郭家力, ，楊 苑，蘭回歸

(1. 三峽大學(xué) 水利與環(huán)境學(xué)院，湖北 宜昌 443002； 2. 三峽大學(xué) 生態(tài)環(huán)境庫區(qū)教育部工程研究中心，湖北 宜昌 443002； 3. 長江水利委員會水文局，湖北 武漢 430010)

氣候變化及人類活動是影響流域水資源調(diào)配和水文循環(huán)的兩個主要驅(qū)動因素[1]。氣候變化導(dǎo)致區(qū)域水文循環(huán)過程發(fā)生改變，影響水資源的時空分配[2]，給水資源管理帶來巨大挑戰(zhàn)[3]。清江流域面積廣闊，地形復(fù)雜，坡陡流急，產(chǎn)、匯流規(guī)律多變，氣候因素是影響流域徑流過程的重要自然因素。氣候變化將導(dǎo)致清江干、支流徑流特性和豐枯變化規(guī)律發(fā)生改變，進而影響梯級水庫群運行。

氣候變化影響下的水文循環(huán)及時空演變規(guī)律研究已成為21 世紀(jì)水科學(xué)的熱點領(lǐng)域[4-5]。田晶等[6]評估了未來氣候變化和LUCC 對徑流的共同影響，研究結(jié)果有助于維護未來在二者共同影響下漢江流域的水資源規(guī)劃與管理；趙夢霞等[7]基于逐日氣象和水文觀測數(shù)據(jù)率定并驗證HBV 水文模型，預(yù)估氣候變化對21 世紀(jì)贛江與官廳流域徑流的影響；董立俊等[8]運用流域 SWAT 模型對未來雅礱江流域月徑流進行模擬，認(rèn)為雅礱江流域徑流呈上升趨勢；葉加俊等[9]分析氣候變化對漢江上游流域徑流的影響，模擬流域未來氣候變化下的徑流響應(yīng)過程；張連鵬等[10]應(yīng)用Budyko 假設(shè)和TOPMODEL 模型分析氣候變化和人類活動對徑流的貢獻率及不同情景對徑流的影響；Pandey 等[11]采用SWAT 模型模擬了尼泊爾西部 Chamelia 流域RCP4.5 和RCP8.5 兩種濃度路徑下的平均年徑流近期、中期、遠(yuǎn)期變化情況；Wang 等[12]以澳大利亞 Ovens河為研究區(qū)域，比較了4 種不同降尺度方法在開展氣候變化條件下的河流生態(tài)水文響應(yīng)研究中的應(yīng)用效果。在氣候變化影響下水庫調(diào)度方面，陳曉宏等[13]以瀾滄江下游梯級電站為例，結(jié)合多模式多情景未來徑流預(yù)估結(jié)果及水庫發(fā)電調(diào)度模型，針對發(fā)電及生態(tài)效益目標(biāo)實施了單/多目標(biāo)最優(yōu)化；聞昕等[14]評估了氣候變化對新安江-富春江水電站控制流域徑流的影響，提出不同氣候變化情景下的適應(yīng)性調(diào)度方案，并對不確定性進行了分析；吳書悅等[15]評估氣候變化對徑流和水庫調(diào)度的影響，并基于未來氣候變化情景下入庫徑流繪制適應(yīng)性調(diào)度圖；Nilawar 等[16]以馬來西亞半島Pedu-Muda 水庫為研究對象，考慮蓄水量的多目標(biāo)優(yōu)化進而評估氣候變化對水庫運行管理系統(tǒng)的影響； Abera 等[17]運用SWAT 模型模擬當(dāng)前和未來氣候情景下Tekeze 水電站的入庫徑流，并分析RCP4.5 與RCP8.5 情景下氣候變化對Tekeze 水電站的發(fā)電影響。

氣候變化下區(qū)域水文響應(yīng)與水庫調(diào)度研究可對未來水資源規(guī)劃與管理提供一定的參考?，F(xiàn)階段清江梯級調(diào)度規(guī)則的制定以歷史徑流為依據(jù)，難以適應(yīng)氣候變化的新需求，對梯級水庫的安全穩(wěn)定運行和興利效益發(fā)揮帶來一定影響，并增加了水庫的運行風(fēng)險。因此，研究清江流域氣候變化下的水文響應(yīng)，分析其對流域內(nèi)電站的發(fā)電影響，對提高未來流域水資源效率、充分發(fā)揮梯級水庫群綜合效益具有重要意義。

本文以清江流域為研究區(qū)域，基于流域空間與觀測數(shù)據(jù)建立SWAT 模型，并運用統(tǒng)計降尺度模型（SDSM）與CanESM2 氣候模式模擬政府間氣候變化專門委員會（IPCC）第五次報告（AR5）發(fā)布的未來不同RCPs 情景下各站點的氣象數(shù)據(jù)，導(dǎo)入率定好的SWAT 模型對未來時期月徑流進行模擬，以此為依據(jù)對出口處隔河巖水電站年發(fā)電量等指標(biāo)進行分析。

1 研究區(qū)概況及數(shù)據(jù)

清江隸屬長江水系，是長江中游在湖北境內(nèi)的第二條支流，其流域橫貫湖北省西南，干流全長423 km，流域面積17 600 km2，總落差1 430 m，多年平均降水量約1 460 mm。清江流域于每年4 月進入雨季，于9 月底或10 月初結(jié)束，雨季降雨量占總雨量的75%~78%，暴雨出現(xiàn)概率和降雨強度最大的月份為7 月份。清江中下游干流坐落有水布埡、隔河巖、高壩洲3 座水電站。長陽水文站位于隔河巖水電站下游9 km，是隔河巖水電站的設(shè)計控制站。以長陽站為清江流域出口建立水文模型，高壩洲水電站不包含在其中。清江流域概況如圖1 所示。

圖1 清江流域概況Fig. 1 Overview of Qingjiang River Basin

SWAT 模型需要空間數(shù)據(jù)和觀測數(shù)據(jù)作為數(shù)據(jù)輸入。空間數(shù)據(jù)包括DEM 數(shù)據(jù)、土地利用數(shù)據(jù)和土壤數(shù)據(jù)。DEM 數(shù)據(jù)來源于ASTER GDEM (Advanced Space Borne Thermal Emission and Reflection Radiometer Global Digital Elevation Model）30 m 分辨數(shù)字高程數(shù)據(jù)集。土地利用數(shù)據(jù)由中科院資源環(huán)境科學(xué)數(shù)據(jù)中心提供的1∶10 萬的1995 年土地利用數(shù)據(jù)集，而土壤數(shù)據(jù)則來源于維也納國際應(yīng)用系統(tǒng)研究所（IIASA）與聯(lián)合國糧農(nóng)組織（FAO）構(gòu)建的世界和諧土壤數(shù)據(jù)庫 HWSD 剪切的中國區(qū)土壤柵格圖。觀測數(shù)據(jù)主要包括氣象數(shù)據(jù)和水文數(shù)據(jù)。本文使用建始、利川、恩施、五峰和宜昌5 個氣象站點實測日最高、日最低氣溫及降水氣象數(shù)據(jù)，觀測年份為1961—2005 年。SWAT 模型的率定及驗證主要采用流域出口處長陽站1976—2005 水文年月尺度徑流數(shù)據(jù)。

構(gòu)建SDSM 模型需使用NCEP 再分析數(shù)據(jù)、流域內(nèi)站點歷史氣象數(shù)據(jù)及全球氣候模式 CanESM2 輸出因子。NCEP 再分析數(shù)據(jù)包含26 個預(yù)報因子和實測氣象數(shù)據(jù)。實測氣象數(shù)據(jù)為流域內(nèi)5 個氣象站點1961—2005 年日最高、最低溫度和逐日降水等氣象資料。

發(fā)電優(yōu)化調(diào)度所需電站數(shù)據(jù)有隔河巖水電站特征數(shù)據(jù)、水位庫容關(guān)系曲線、下游水位流量關(guān)系曲線、機組特征參數(shù)及機組流量特性曲線等。其中部分隔河巖水電站特征數(shù)據(jù)如表1 所示。

表1 隔河巖水電站特征參數(shù)Tab. 1 Characteristic parameters of Geheyan Hydropower Station

2 模型構(gòu)建及驗證

SWAT 模型是基于ArcGIS 的半分布式水文模型，可模擬氣候因素及下墊面變化對流域內(nèi)水文響應(yīng)的影響。在模型中DEM 數(shù)據(jù)主要用來進行流域提取、河網(wǎng)水系提取及子流域劃分等?？紤]清江流域?qū)嶋H情況和模擬精度，將響應(yīng)單元中土地利用類型、土壤類型和坡度臨界值設(shè)置為10%、15%和10%。并將流域劃分成多個子流域，每個子流域又由不同的水文響應(yīng)單元（HRU）組成。清江流域以閾值面積100 km2和長陽站為流域總出口進行流域劃分，共得到95 個子流域，236 個HRUs，平均每個子流域指定2.5 個HRUs。清江流域的DEM、土地利用類型及土壤空間分布見圖2。

圖2 清江流域DEM、土地利用類型及土壤空間分布Fig. 2 Map of DEM, land use type and soil spatial distribution in Qingjiang River Basin

運用SWAT-CUP 程序進行模型率定和參數(shù)敏感性分析。選用以下2 個指標(biāo)對水文模型校準(zhǔn)和驗證進行評估：Nash-Sutcliffe 系數(shù)ENS和確定性系數(shù)R2。當(dāng)ENS>0.5 且R2>0.6 時，則模型模擬徑流結(jié)果合格，其值越接近于1，則擬合效果越好。

選取長陽站1976—2005 水文年月徑流數(shù)據(jù)進行參數(shù)率定，其中模型預(yù)熱期為1976—1977 年，率定期為1978—1995 年，驗證期為1996—2005 年。SWAT 模型與徑流有關(guān)的參數(shù)共28 個，單一敏感性分析和全局敏感性分析是SWAT-CUP 程序中的兩種敏感性分析方式。由于前者在選擇與研究流域相適應(yīng)的參數(shù)時會因參數(shù)量大致使分析困難，因此本文采用全局敏感性分析，并取敏感度處于前10 位的參數(shù)進行率定，對模型校準(zhǔn)采用SWAT-CUP 中的SUFI-2 算法。以Nash-Sutcliffe 系數(shù)ENS和確定性系數(shù)R2為目標(biāo)函數(shù)，每次迭代500 次，得到表2 所示的各個參數(shù)取值，按照參數(shù)敏感度從高到低排序。

表2 參數(shù)率定結(jié)果Tab. 2 Parameter calibration results

本文對清江流域月尺度率定期和驗證期多年平均徑流進行模擬，模擬結(jié)果見圖3，率定期（1978—1995 年）模型精度統(tǒng)計指標(biāo)ENS為0.91、R2為0.89；驗證期（1996—2005 年）模型精度統(tǒng)計指標(biāo)ENS為0.93、R2為0.93。結(jié)果表明：月尺度下實測徑流與模擬徑流擬合程度較好，模型月尺度率定和驗證期的ENS、R2均在 0.85 以上，模擬精度較高?？梢?，SWAT 模型適用于清江流域徑流模擬。

圖3 清江流域月徑流模擬結(jié)果Fig. 3 Simulation results of monthly runoff in Qingjiang River Basin

3 基于 SDSM 的未來氣候情景預(yù)測

構(gòu)建SDSM 模型包括以下兩個部分[18]：一是構(gòu)建預(yù)報因子與預(yù)報量之間的多元線性回歸關(guān)系以確定模型；二是利用全球氣候模式（GCM）數(shù)據(jù)輸入模型生成未來時期不同情景下流域站點氣候要素數(shù)據(jù)，包括清江流域各站未來時期最高、最低溫度及降水日序列數(shù)據(jù)。CanESM2 是CMIP5 全球氣候模式之一，初祁等[19]采用多個統(tǒng)計特征值對CMIP5 中氣候模式在長江流域的模擬能力進行評估，根據(jù)各個模式氣溫的統(tǒng)計特征值結(jié)果，CanESM2 在模擬氣溫結(jié)果較好的模式中位于前列。黃海玲等[20]對東亞500 hPa 高度場綜合時空結(jié)構(gòu)模式模擬能力進行分析，CanESM2 是夏季主要模態(tài)模擬較好的氣候模式，且清江流域夏季降雨量充沛，選擇此模式可提高降雨模擬準(zhǔn)確性?？紤]到 CanESM2 同時提供了NECP 及自身的歷史期大尺度氣象數(shù)據(jù)，提供的資料較為完善，故采用加拿大氣候中心研發(fā)的 CanESM2 模式的未來輸出氣溫和降水?dāng)?shù)據(jù)進行研究。

3.1 SDSM 預(yù)報因子選擇與降尺度模擬結(jié)果

3.1.1 氣溫模擬結(jié)果 在選取清江流域氣溫最優(yōu)預(yù)報因子時，關(guān)聯(lián)性最強的是地表平均氣溫和500 hPa 位勢高度。清江流域內(nèi)氣象站點日最高、最低氣溫率定和驗證期的ENS范圍分別為0.68~0.83 和 0.84~0.90，日最低氣溫的模擬精度略高于日最高氣溫。各站點日最高、最低氣溫模擬結(jié)果如表3 所示。結(jié)果表明：SDSM 模型對氣溫模擬效果較好，流域內(nèi)各氣象站點日最高、最低氣溫的整體相對誤差小于0.2%，偏差小于 0.05 ℃。其中日最高氣溫相對誤差最小的為恩施站，最大的為五峰站。日最低氣溫相對誤差最小的為建始站，最大的為利川站。

表3 日最高、最低氣溫模擬統(tǒng)計Tab. 3 Simulated statistics of daily maximum and minimum temperatures

3.1.2 降水模擬結(jié)果 在選取清江流域降水最優(yōu)預(yù)報因子時，關(guān)聯(lián)性最強的是500 hPa 相對濕度、海平面散度和850 hPa 散度。日降水量模擬精度要遠(yuǎn)小于氣溫模擬結(jié)果，這和模擬降水過程中復(fù)雜性與不確定性有關(guān)，在判斷降水與否及模擬降水量時誤差疊加導(dǎo)致最終誤差較大，所以在進行降水量的ENS計算時可采用降水量月序列，其率定和驗證期的ENS為0.67~0.73。表4 為清江流域內(nèi)站點年降水模擬統(tǒng)計結(jié)果。結(jié)果表明：清江流域降水量年模擬均值均高于其對應(yīng)的年實測均值，相對誤差為9%~13% ，其中相對誤差最小的為五峰站，最大的為利川站。

表4 年降水量模擬統(tǒng)計Tab. 4 Precipitation simulation statistics

3.2 未來變化條件下的氣象數(shù)據(jù)預(yù)測

應(yīng)用建立好的 SDSM 降尺度模型預(yù)測清江流域未來氣溫及降水情況。以1961—2005 年為基準(zhǔn)期，將3 種情景下CanESM2 模式數(shù)據(jù)導(dǎo)入構(gòu)建好的SDSM 模型，得到清江流域內(nèi)5 個氣象站未來日最高、最低溫度和日降水?dāng)?shù)據(jù)系列。日最高、最低氣溫計算采用算術(shù)平均法，流域面雨量計算采用泰森多邊形法。

在2006—2100 年3 種情景下，清江流域多年平均日最高、最低氣溫及年降水量基準(zhǔn)期與未來預(yù)測期比較見圖4，匯總見表5。如圖4 所示，上下線帽表示數(shù)據(jù)中的最大值和最小值，紅色十字表示中位數(shù)，箱體上、下邊分別代表分位數(shù)75% 和25% 的值，箱體右邊藍點為數(shù)據(jù)經(jīng)擾動排布所得，反映數(shù)據(jù)分布情況。由圖4 可以看出，3 種情景下清江流域日最高、最低氣溫和年降水量的中位數(shù)呈遞增趨勢，日最高氣溫較基準(zhǔn)期變化區(qū)間分別為?3.3～5.5 ℃ 、?3.1～5.6 ℃ 和?2.0～6.6 ℃ 。日最低氣溫較基準(zhǔn)期變化區(qū)間分別為?1.8～3.4 ℃ 、?2.1～3.9 ℃ 和?1.4～4.9 ℃ ，相較其他兩種情景，RCP8.5 情景下變幅較大。年降水量較基準(zhǔn)期變幅區(qū)間分別為?10.0%～27.8%、?7.2%～32.3%和?9.6%～42.1%，RCP8.5 情景下年降水變幅區(qū)間遠(yuǎn)大于其他兩種情景，說明未來時期在RCP 8.5 情景下年降水量波動更劇烈。由表5 可知，3 種情景下日最高、最低氣溫和年降水量均值呈增加態(tài)勢，這表明隨著CO2排放濃度的升高，清江流域氣候變化受影響程度逐漸加深。未來時期3 種情景下日最高氣溫均值范圍為0.90~1.80 ℃，日最低氣溫均值范圍為1.36~2.36 ℃，年降水量范圍為7.0%~12.4%。

表5 清江流域氣溫降水變化Tab. 5 Summary of temperature and precipitation changes in Qingjiang River Basin

圖4 清江流域氣溫降水較基準(zhǔn)期變化Fig. 4 Changes of temperature and precipitation in Qingjiang River Basin compared with the baseline period

4 未來徑流模擬及隔河巖水電站發(fā)電影響分析

4.1 未來時期徑流模擬

將未來時期2020—2100 年分成 3 個時段，即近期（2020—2045 年）、中期（2046—2070 年）和遠(yuǎn)期（2071—2100 年），采用氣候模式CanESM2 輸出的未來 3 種氣候情景下日最高、最低氣溫和降水?dāng)?shù)據(jù)，制備不同情景下的天氣發(fā)生器數(shù)據(jù)，將降尺度模擬得到的未來氣象數(shù)據(jù)通過ArcSWAT 讀取到模型數(shù)據(jù)庫中，預(yù)測得到2020—2100 年高、中、低3 種排放情景下清江流域月徑流量，未來3 種情景下年徑流量見圖5。圖中實線為3 種情景下不同年份的年徑流量，虛線為3 種情景下線性擬合的趨勢線。圖5表明，未來不同情景下清江流域年徑流量整體呈現(xiàn)增加態(tài)勢且趨勢線為上升趨勢， RCP8.5 情景比RCP2.6 和RCP4.5 情景波動更加劇烈，這與RCP8.5情景下年降水量變幅區(qū)間較大有關(guān)。

清江流域汛期為5 月初至9 月末，其中前汛期為5 月初至6 月下旬，主汛期為6 月下旬至7 月末，后汛期為8 月初至9 月末。未來情景下清江流域基準(zhǔn)期與預(yù)測期逐月徑流對比情況見表6。表6 表明：相較基準(zhǔn)期（1976—2005 年），在RCP2.6 情景下，月徑流除前汛期和主汛期略有減少，非汛期和后汛期徑流均呈增加趨勢；在RCP4.5 情景下，月徑流除前汛期略有減少，主汛期略有波動外，其他時期呈增加趨勢；在RCP8.5 情景下，月徑流除前汛期略有波動外，其他時期呈增加趨勢?？傮w而言，未來清江流域徑流整體呈上升趨勢，3 種排放情景下年均徑流增幅分別為 6.0%、8.7%、13.2%。這與清江流域未來徑流趨勢的其他研究結(jié)果大致相同[21]。高排放量會導(dǎo)致溫度升高，但降雨量增加對清江流域徑流影響要大于溫度增加所帶來的影響，故隨著排放濃度的逐步升高，清江月徑流增幅仍呈現(xiàn)逐步增加的趨勢。

表6 基準(zhǔn)期與預(yù)測期徑流對比Tab. 6 Comparison of runoff in forecast period and baseline period

4.2 隔河巖水電站發(fā)電影響分析

隔河巖水電站位于湖北省長陽縣境內(nèi)的清江干流上，是清江干流3 個梯級水利樞紐工程之一，也是華中電網(wǎng)調(diào)峰調(diào)頻的骨干電站。以年發(fā)電量最大為目標(biāo)構(gòu)建隔河巖優(yōu)化調(diào)度模型。由于水電站優(yōu)化調(diào)度是一個典型的多階段決策問題，因而采用動態(tài)規(guī)劃法[22]對模型進行求解，以月為尺度將全年劃分為12 個時段，將每個時段末水電站水位作為狀態(tài)變量，以時段平均下泄流量作為決策變量，通過優(yōu)化遞推求解得到滿足水電站運行約束條件要求的未來時期隔河巖優(yōu)化調(diào)度結(jié)果。

隔河巖水電站在基準(zhǔn)期和不同情景情況下的結(jié)果見表7。表7 表明：相較于基準(zhǔn)期（1993—2005 年），RCP2.6、RCP4.5、RCP8.5 這 3 種排放情景多年平均水位、多年平均發(fā)電量、汛期發(fā)電量均呈遞增趨勢；在同一情景下，近期、中期和遠(yuǎn)期的各項指標(biāo)均增加，在 3 種排放情景下多年平均發(fā)電量增幅分別為3.4%~5.1%、7.7%~10.3%和13.4%~16.0%，汛期發(fā)電量增幅分別為0.8%~3.1%、5.0%~7.4%和8.1%~11.3%，非汛期發(fā)電量增幅分別為7.6%~8.3%、12.1%~14.9%和21.7%~23.5%，非汛期發(fā)電量增幅大于汛期發(fā)電量增幅，這與隔河巖發(fā)電調(diào)度規(guī)程和氣候變化影響下非汛期徑流量增幅較大有關(guān)。

表7 隔河巖水電站不同情景下優(yōu)化調(diào)度結(jié)果Tab. 7 Optimal scheduling results of Geheyan Hydropower Station under different scenarios

5 結(jié) 語

在清江流域構(gòu)建了分布式水文模型 SWAT 模型，并運用 SDSM 降尺度方法，分析氣候變化對清江流域徑流及流域內(nèi)隔河巖水電站發(fā)電影響，得到以下結(jié)論：

（1）SWAT 模型在清江流域徑流模擬中具有較好的適用性，率定和驗證期的ENS、R2均在 0.85 以上；SDSM 降尺度方法預(yù)測得到的未來時期3 種排放情景下日最高、最低氣溫和年降水量均呈現(xiàn)增加態(tài)勢，這表明隨著排放濃度的升高，清江流域氣候變化受影響程度逐漸加深。

（2） 清江流域出口長陽站在3 種排放情景下，多年平均月徑流較基準(zhǔn)期呈增加趨勢。未來氣候變化導(dǎo)致清江流域水資源量增多，合理分配與科學(xué)管理水資源會對流域社會經(jīng)濟可持續(xù)發(fā)展起到積極作用。

（3）隔河巖水電站在未來徑流增幅影響下多年平均水位和多年平均發(fā)電量隨著排放濃度的升高而增加。為在氣候變化條件下充分發(fā)揮隔河巖水電站的發(fā)電效益，可制定與變化環(huán)境相適應(yīng)的發(fā)電調(diào)度規(guī)程。

論文主要分析了氣候變化對清江徑流與隔河巖水電站發(fā)電的影響，清江梯級水電站適應(yīng)性調(diào)度策略將是下一步研究的重點。