氣候變化對清江流域徑流變化的影響研究

1、氣候變化對清江流域徑流變化的影響研究 氣候變化對清江流域徑流變化的影響研究#陳華，鐘震宇，李雨，郭家力*（水資源與水電工程科學國家重點實驗室，武漢大學，430072）510152025303540摘要：水資源是氣候變化影響研究的重點領域，全球氣候模型（GCM）是研究氣候變化影響的最主要工具。應用基于光滑支持向量機（SSVM）的統(tǒng)計學降尺度法，建立 GCM 和新安江、HBV 流域水文模型耦合關系，分析和預測未來氣候變化 A2、B2 情景下清江流域未來徑流量的變化情況。結果表明，在 A2 和 B2 情景下，利用 HBV 模型和新安江模型預測的徑流量在未來 2020s、2050s、2080s 三個時

2、期均呈增加趨勢。關鍵詞：氣候變化；清江流域；光滑支持向量機；HBV 模型；新安江模型中圖分類號：P339The Study of Climate Change Impact on Runoff inQingjiang BasinChen Hua, Zhong Zhenyu, Li Yu, Guo Jiali State Key Laboratory Of Water Resources And Hydropower Engineering Science,WuHanUniversity,430072 Abstract: Recently, global warming and climate

3、change have seriously affected the Qingjiangwatersheds integrated water resources management. In this paper, general circulation model GCM and the watershed hydrological models were applied to analyze the impacts of climatechange on future runoff of Qingjiang Watershed. To couple the scale differenc

4、e between GCMand watershed hydrological model, a statistical downscaling method based on the Smooth SupportVector Machine SSVM was used to downscale the GCMs large-scale output. With thedownscaled precipitation and evaporation, the Xin-anjiang hydrological model and HBV modelwere applied to predict

5、the future runoff of Qingjiang Watershed under A2 and B2 scenario. Theresults will present the change trend of the future runoff of Qingjiang Watershed under the impactsof climate change.Key words: Climate Change;QingJiang Basin; SSVM; HBV hydrological model; XinAn Rivermodel0 引言水資源是受全球氣候變化影響的重點領域。全

6、球氣候變化或異常，已使我國水資源時空分布不均問題更加突出，暴雨洪澇災害更加頻繁，持續(xù)干旱現(xiàn)象更加嚴重，應對水旱災害的復雜性與難度也隨之更加凸顯。因此，研究全球氣候變化對水文水資源的影響，是水文學科的前沿問題，對社會的發(fā)展具有重要意義。清江是長江的重要支流，全長423km，流域面積1.7萬km2。清江梯級水電站為華中電網和湖北省電網調峰、調頻電站基地 ,電站建成后調峰容量占華中電網峰荷容量的1/71/8，為華中電網不可多的的調峰電源，能有效地改善華中電網調峰容量嚴重不足的狀態(tài)。清江是匯入長江的距荊江河段最近的較大支流蓄控制清江洪水 ,對長江防洪有重要作用。此外清江流域還具有巨大的礦產資源開發(fā)效益

7、、漁業(yè)開發(fā)效益、旅游資源開發(fā)效益。以清江干流水電資源開發(fā)為主的綜合開發(fā) ,將促使流域社會經濟全面發(fā)展 ,還為振興湖北經濟、為湖北在中部崛起 ,提供優(yōu)質能源和重要物資,意義非常重大1。本文從氣候變化對水資源開發(fā)利用的影響基金項目：教育部博士點學科新教師青年基金（200804861062）作者簡介：陳華 1977- ,男,副教授,研究方向:氣候變化對水文水資源的影響研究. E-mail: chua-1-出發(fā)，分析了全球氣候變化對清江水資源的潛在影響為合理、高效地開發(fā)清江流域水資源，4550556065實現(xiàn)水資源的可持續(xù)利用提供理論依據。1 研究區(qū)域和數據以清江流域為研究區(qū)域，選 NCEP 的全球再

8、分析日資料和全球氣候模型 CGCM2 來模擬預測清江流域降水變化 NCEP 格網的空間分辨率為 2. 52. 5，覆蓋清江流域的網格數為4 個經緯網格。為建立大尺度氣候因子和清江流域實測降水之間的統(tǒng)計關系，選用清江流域7 個水文觀測站點觀測的日降水數據 19611998 年 作為實測降水資料。其中 19611985年的作為率定期 19931998 年作為檢驗期。在統(tǒng)計學降尺度方法建立過程中，最關鍵的一步是大尺度氣候因子的選擇。清江流域地處副熱帶季風區(qū)，年降水量主要集中在夏季和秋季，是由海平面氣壓、位勢高度場和濕度等因子共同作用的結果。本文初選海平面氣壓、地面氣溫、500、850 hPa 位勢高

9、度場和 500、850 hPa 濕度因子等 6 個因子作為降尺度模式的輸入，總共有 24 個輸入量 4 個經緯網格6個因子 。由于其中有部分因子作用極小，采用單因素相關系數法對 24 個因子篩選，最終選擇 500、800 hPa 濕度場等 8 個因子作為降尺度模式的輸入，結果如表 1 所示。由于影響蒸發(fā)的主要大氣因子和影響降水的大氣因子不一樣，最終選取海平面氣壓場，地表 2m 氣溫場，500 百帕高度場等 12 個因子作為降尺度模式的輸入，結果如表 1 所示。為了預測清江流域未來降水與蒸發(fā)的變化，結合清江流域當地社會經濟發(fā)展現(xiàn)狀和未來發(fā)展趨勢，選用全球氣候模型 CGCM2 的 A2 和 B2

10、情景來預測未來降水與蒸發(fā)變化。將利用 NCEP 建立的降尺度模型映射到 CGCM2 的 A2 和 B2 情景，對其大尺度因子進行尺度降解。CGCM2 格網空間分辨率是 3. 753. 75，通過空間插值，將其格網的分辨率調整為NCEP 數據相同的空間分辨率，空間插值方法采用距離倒數權重插值方法2。表 1 氣候因子相關系數表Tab.1 Climate factors correlation coefficient格網中心經緯度海平面氣壓場（mslp）-0.297地表 2m氣溫場（st）0.2863500hpa高度場（gh500）0.2364850hpa高度場（gh850）-0.2537500hp

11、a濕度場（sh500）0.3703850hpa濕度場（sh850）0.3778降水蒸發(fā)-0.2911-0.2637-0.2656-0.4658-0.4883-0.4952-0.49860.28740.24230.24980.58270.56750.61720.59670.25510.2310.24860.51670.49330.56350.5462-0.2419-0.2256-0.2268-0.2965-0.3279-0.305-0.31270.36250.44280.46650.24450.2130.23450.16720.37370.33920.36350.42510.41210.4953

12、0.47332 研究方法2.1 流域水文模型70HBV 模型HBV 模型是由瑞典水文氣象局于 1970 年開發(fā)的一個概念性水文模型，經過幾十年的發(fā)展，模型的不同版本已經在全世界三十多個國家得到廣泛應用。它是一個半分布式模型，可-2-根據不同高程、湖泊區(qū)域和植被覆蓋劃分子流域。HBV 模型一般包括積融雪計算、土壤水分計算和匯流響應三個部分。降雨和融雪首先進入土壤，通過土壤水分計算分離出貯存水（保留在土壤中）、蒸發(fā)水（實際蒸發(fā)）和產流水（流出土壤貢獻給產流），產流水直接進入上75層水箱，上層水箱只要不為空就有恒量下滲到下層水箱，如果應用地區(qū)有湖泊區(qū)域，則下層水箱的輸入還包括直接降雨，最后上、下層水

13、箱分別模擬出快速徑流及基流3。新安江流域水文模型新安江模型是趙人俊等在 1973 年對新安江水庫做入庫流量預報工作中，歸納成的一個完整的降雨徑流模型。它的特點是認為濕潤地區(qū)主要產流方式為蓄滿產流，所提出的流域蓄80水容量曲線是模型的核心。三水源新安江模型在國內外濕潤半濕潤地區(qū)得到了廣泛的應用4參數率定結果現(xiàn)以 1971-1984 年的實測日降水資料對模型進行率定和檢驗，其中 1971-1979 年作為率定期,1980-1984 年作為檢驗期，采用基因法、羅森布瑞克法和單純形法自動優(yōu)選參數。其85結果如表二，從表中可以看出兩個模型無論是在率定期還是檢驗期，都已經達到乙級標準以上，能用于實際作業(yè)預

14、報。圖 1 給出了檢驗期 1980 年 5 月-10 月模擬的洪水過程圖，從圖中可以看出，洪水過程擬合較好。表 2模型參數率定結果表Tab.2 Calibration results of the model parameter模型HBV 模型新安江模型效率系數88.47 %89.89 %率定期徑流總量誤差0.00%0.01%效率系數89.03 %87.61 %檢驗期徑流總量誤差7.26%9.53%60005000實測HBV新安江40003000200010000時間9095圖 1 檢驗期 1980 年 5 月-10 月洪水模擬過程圖Fig.1 Simulation of the hydrog

15、raph 1980.5-1980.10 2.2 統(tǒng)計降尺度方法將 GCM 輸出的信息降解到區(qū)域尺度的方法稱為降尺度法。統(tǒng)計降尺度法利用多年觀測氣候資料建立大尺度氣候因子 主要為大氣環(huán)流因子 和區(qū)域氣候要素 區(qū)域內的氣溫,降水等 之間的統(tǒng)計關系，并用獨立的觀測資料進行檢驗，最后應用這種關系將 GCM 輸出的大尺度信息轉化為區(qū)域氣候變化情景5。-3-支持向量機 Support Vector Machines, SVM 作為數據挖掘的一種新方法，由于其顯著優(yōu)點而得到了廣泛的應用。它建立在嚴格的理論基礎之上，較好地解決了非線性、高維數、局100105110部極小點等問題6。支持光滑向量機（SSVM）是

16、 Lee 和 Man2gasarian 在 SVM 基礎上改進的一種算法，陳華等已成功建立了 SSVM 的統(tǒng)計降尺度方法來分析、預測漢江流域降水變化7。為構建全球氣候模型和清江流域水文模型尺度耦合降解機制，本文應用上述文獻所建立的 SSVM 降尺度模型來建立全球氣候模式大尺度氣候因子和清江流域實測降水之間的統(tǒng)計關系，分析和模擬清江流域降水的變化。為評價降尺度方法模擬降水精度，評價指標采用降水實測和模擬系列的均值和偏方差以及它們的相對誤差，結果如表 3 所示。從表 3 中可以看出無論是率定期還是檢驗期，SSVM 模擬的降水和實測系列的均值相對誤差均在 10%以內，標準差相對誤差均在 20%以內。

17、所以利用 SSVM 能有效地建立大尺度氣候因子和清江流域的降水統(tǒng)計關系，較好地模擬降水。圖 3 給出了率定期和檢驗期月平均降水模擬結果。從圖 3 中可以看出，除了 8 月模擬的降水相對偏大，其余幾月模擬的月降水過程同實測降水非常接近。表 3 SSVM 統(tǒng)計降尺度法對清江流域七個水文站降雨模擬結果Tab.3 Rainfall simulation results of SSVM statistical downscaling method測站均值 mm 實測 SSVM標準差/mm相對誤差 % 恩施高家堰建始利川南里渡宣恩魚峽口率定期檢驗期率定期檢驗期率定期檢驗期率定期檢驗期率定期檢驗期率定期檢驗

18、期率定期檢驗期124.66127.74123.24133.62119.65116.80106.32123.51121.75119.80126.61125.1285.4582.01105.21106.71106.73126.99102.38116.1188.9391.50104.85105.44105.2396.3377.1970.88129.25123.76126.76133.27125.25114.35109.96116.51128.07113.51131.71123.0489.7481.933.68-3.112.86-0.264.68-2.103.42-5.675.19-5.254.03-

19、1.665.02-0.10 mm 100.1693.8199.28109.70101.5498.5686.4182.45107.7789.2296.2882.8770.8762.48-4.79-12.09-6.98-13.61-0.83-15.12-2.84-9.892.79-15.38-8.50-13.97-8.18-11.84-4-121086（a）實測值SSVM1210864（b）實測SSVM420月份201 2 3 4 5 6 7 8 9 10 11月份圖 2率定期（a）和檢驗期（b）月平均雨量比較圖Fig.2 Comparison of monthly mean rainfall采用

20、相同的辦法建立大氣因子與蒸發(fā)的統(tǒng)計關系，分析和模擬清江流域蒸發(fā)的變化。115120SSVM 的結果表明，無論是率定期還是檢驗期，SSVM 模擬的蒸發(fā)和實測系列的均值相對誤差均在 10%以內，標準差相對誤差均在 20%以內。所以利用 SSVM 能有效地建立大尺度氣候因子和清江流域的蒸發(fā)統(tǒng)計關系，較好地模擬降蒸發(fā)。在 IPCC 的 A2 和 B2 情景下，將處理的 GCM 數據輸入已經建立好的降尺度模式，模擬清江流域未來的蒸發(fā)。表 4 SSVM 統(tǒng)計降尺度法對清江流域蒸發(fā)模擬結果Tab.4 Evaporation simulation results of SSVM statistical dow

21、nscaling method in Qingjiang basin實測SSVM均值 mm 標準差 mm 均值 mm 相對誤差 % 標準差/mm相對誤差 % mm 1.861.801.411.331.881.930.997.291.141.1619.3312.773 氣候變化對清江流域未來降水和徑流量的影響分析3.1 未來降水的影響預測分析選用全球氣候模式 CGCM2 來預測清江流域未來降水變化。在 IPCC 的 A2 和 B2 情景下，125130選用同 NCEP 觀測資料相同的氣候因子。將處理的 GCM 數據輸入已經建立好的降尺度模式，模擬清江流域 7 個水文站未來降水的變化。為了便于比較

22、，降水的近期值取 CGCM2 模式A2 及 B2 情景下 1961 2000 年的模擬值, 未來氣候分為 3 個時期: 2020s 2011-2040 年 ，2050s 2041-2070 年 ，2080s 2071-2100 年 。分別取 7 個水文站模擬的平均值得到未來清江流域降水變化情況。表 4 給出了清江流域未來降水變化情況，從表 4 中可以看出，A2 情景下，2020s 時期比近期增加 7.12 %，2050s 時期比近期增加 24.22%，2080s 時期比近期增加 25.95 %；B2 情景下，2020s 時期比近期增加 5.56 %，2050s 時期比近期增加 13.85%，2

23、080s 時期比近期增加 18.57 %；同時期 A2 情景下降雨增加的幅度大于 B2 情景；同一情景下，隨著時間推移，降雨增加的程度越大-5-1351403.2 未來徑流量的影響預測分析將未來降水和蒸發(fā)作為 HBV 和新安江模型輸入，預測未來清江流域的徑流變化情況，預測結果見表 4。從表 4 可知，HBV 模型預測結果顯示，A2 情景下，2020s 時期清江年徑流量將增加9.22%，2050s 將增加 34.41%，2080s 將增加 30.81%，B2 情景下，未來三個時段年徑流量均大于近期模擬值，并且隨著時間的推移呈增加趨勢，其中 2080s 時段增加最多為 24.35%；新安江模型預測

24、結果與 HBV 模型相近。表 5 清江流域未來降雨、徑流預測結果Tab.5 The prediction of rainfall and runoff in future in Qingjiang basinA2B2項目近期未來近期未來2020s2050s2070s2020s2050s2070s年降水量/mm?P % HBV115281.512347.1289.0143124.22109.5145125.95106.6120687.012735.5693.1137313.85102.7143018.57108.2年徑流量（億 m3）?Q % 新安江78.89.2285.834.41108.030.81102.184.27.0490.418.02100.524.35106.1?Q % 8.9137.1329.577.3719.3726.031451501551601654 結論本文針對目前氣候變化對水文水資源影響的熱點問題，利用 SSVM 統(tǒng)計降尺度法分別和 HBV、新安江模型進行耦合，研究 A2 和 B2 情景下未來清江流域降雨