 Journal of Water Resources Research 水资源研究, 2013, 2, 364-370 http://dx.doi.org/10.12677/jwrr.2013.26051 Published Online December 2013 (http://www.hanspub.org/journal/jwrr.html) Impact of Climate Change on Runoff in the Wei River Basin, China* Depeng Zuo, Z ongxu e Xu#, Jie Z hao, Xiaojing Ya n g Key Laboratory of Water and Sediment Sciences, Ministry of Education, College of Water Sciences, Beijing Normal University, Beijing Email: dpzuo@bnu.edu.cn, #zxxu@bnu.edu.cn Received: Sep. 30th, 2013; revised: Nov. 20th, 2013; accepted: Nov. 26th, 2013 Abstract: In this study, Soil and Water Assessment Tool (SWAT) was selected to set up a hydrological model in the Wei River basin (WRB), calibrated and validated with Sequential Uncertainty Fitting program (SUFI-2) based on river discharge, then future daily precipitation, maximum and minimum air temperature data series at each station, generated by the Statistical Downscaling Method (SDSM), were inputted to drive the SWAT model for analyzing the spatiotemporal characteristics of runoff during the future periods (2046-2065 and 2081-2100) under three climate scenarios including CSIRO, INM and MRI. Two emission scenarios (SRES A2 and SRES B1) were also included. The results show that average values of mean annual runoff in the pe- riods of 2046-2065 and 2081-2100 were 80.4 × 108 m3 and 104.3 × 108 m3, which were greater than runoff in the base period by 12.4% and 45%, respectively. In both of the future periods, low flows would be much lower, while high flows tend to be much higher than that in the base period. In other words, there would be more extreme events (droughts and floods) in the future. For the spatial distribution of runoff over the WRB, it showed consistency for runoff changes under most combined scenarios, with runoff decreased at some ar- eas of upstream and the upstream of Beiluo River, while increased at mid-lower stream of the WRB. Keywords: Climate Change; Runoff; SWAT; GCMs; Wei River 气候变化对渭河流域径流的影响* 左德鹏，徐宗学#，赵 捷，杨晓静 北京师范大学水科学研究院，水沙科学教育部重点实验室，北京 Email: dpzuo@bnu.edu.cn, #zxxu@bnu.edu.cn 收稿日期：2013 年9月30 日；修回日期：2013 年11 月20 日；录用日期：2013 年11 月26 日 摘 要：本文采用 GCMs和水文模型耦合的方式，基于SWAT 在渭河流域构建分布式水文模型，并采 用SUFI-2 算法进行参数敏感性分析、参数率定、模型验证以及不确定性分析，从而对渭河流域 1961~2008 年的径流过程进行模拟。然后将GCMs 降尺度生成不同情景下降水、最高、最低气温日序 列输入 SWAT模型，模拟流域未来径流量，从而分析未来不同气候变化条件下流域径流可能的变化。 研究结果表明：2046~2065 和2081~2100时期不同情景下流域多年平均径流量分别为 80.4 与104.3 亿 m3，较基准期增加 12.4%和45%。未来两个时期，枯季流量较基准期更低，而洪峰流量则将较基准期 更高，即流域内极端事件(干旱与洪水)在未来两个时期有加剧趋势。不同情景下渭河流域径流深空间 变化较为一致，即上游部分子流域和北洛河上游地区径流量较基准期有所减少，而流域中下游地区径 流量均呈一定的增加趋势。 *基金项目：国家自然科学基金资助项目(51309010, 51279005)；中央高校基本科研业务费专项资金资助项目(2013NT46)。 作者简介：左德鹏(1985-)，男，宁夏石嘴山人，讲师，主要从事生态水文方面研究。 #通讯作者。 Open Access 364  左德鹏，等：气候变化对渭河流域径流的影响 Open Access 第2卷 · 第6期 365 关键词：气候变化；径流；SWAT；GCMs；渭河 1. 引言 许多学者研究表明，人类活动对黄河流域水资源 锐减的影响非常显著，如水土保持工程建设、水库和 灌溉设施等[1,2]。然而，气候变化在黄河流域径流变化 过程中也起到了至关重要的作用，如降水的减少，气 温的增加等[3]。水文循环作为联结大气圈和生物圈的 重要纽带，必然受到由气候变化引起的降水时空分 布、强度和总量的变化、蒸散发以及土壤水等变化的 影响[4]。全球气候变化对环境、生态和社会经济具有 深远的影响，对于现在及未来的水资源规划和管理而 言，研究径流对气候变化的响应至关重要[5]。 渭河是黄河第一大支流，涉及甘肃、宁夏、陕西 三省区，是关中平原主要供水水源地，也是我国西部 地区经济中心。渭河在黄河治理开发中占有重要地 位，同时作为西北经济发达地区，在区域经济发展和 西部大开发中也具有重要作用和战略意义。因此，研 究渭河流域气候变化对保护和改善我国西部地区生 态环境、高效合理利用水资源以及维护河流生态系统 健康等具有重要意义[6]。 目前评估气候变化的水文响应基本都遵从“未来 气候情景设计–水文模拟–影响研究”模式。由于 GCMs 能提供未来气候变化更为可靠的信息，且水文 模拟能获得更详细的水文变化过程，因此将GCMs 和 水文模型相耦合的方法被认为是最有效评估气候变 化对水文水资源影响的方法[7]。尽管拥有更精细分辨 率的分布式水文模型与 GCMs在时间和空间上本并不 兼容，但统计降尺度方法通过将 GCMs 模拟的大尺度 气候特征与区域/站点气候变量建立经验统计关系，从 而为这两种不同尺度的模式建立连接[8]。 本文采用 GCMs和水文模型耦合的方式评估未来 气候变化情景的水文响应，在渭河流域建立GCMs 输 出数据–统计降尺度方法–分布式水文模型单向连 接系统。首先通过统计降尺度方法将 GCMs 输出数据 生成未来气候情景数据；然后基于基准期径流数据率 定并验证分布式水文模型 SWAT；最后基于未来气候 情景数据驱动 SWAT 模型预估未来气候变化条件下渭 河流域水文变化趋势，以期为水资源管理部门提供参 考依据。 2. 研究区概况 渭河(图1)是黄河第一大支流，发源于甘肃省渭源 县鸟鼠山，流经甘肃、宁夏、陕西三省区，在陕西省 潼关县注入黄河。流域总面积13.48 万km2，位于 104˚00'E~110˚20'E，33 ˚50'N~37˚18'N 之间，三省区分 别占 44.1%，5.8%和50.1%，干流全长818 km。流域 西高东低，北部为黄土高原，南部为秦岭山脉。渭河 两岸支流众多，其中泾河是渭河最大支流，河长 455.1 km，流域面积4.54 万km2，占流域总面积33 .7%。北 洛河为渭河第二大支流，河长 680 km，流域面积2.69 万km2，占流域总面积 20%。渭河流域地处干旱和湿润 地区过渡地带，属大陆性季风气候，冬季干燥寒冷，降 水稀少；夏季炎热多雨。多年平均气温 7.8℃~13 .5 ℃， 降水量 400~800 mm，水面蒸发量 660~1600 mm，陆 地蒸发量500 mm 左右[9]。 3. SWAT模型径流分布式模拟 3.1. 分布式水文模型 SWAT SWAT (Soil and Water Assessment Tool)模型是由 美国农业部(USDA)农业研究局(A RS)在CREAMS 和 SWRRB 模型基础上发展起来的分布式水文模型[10]。 模型将流域划分为多个子流域，每个子流域由不同水 文响应单元(HRU)组成。模型能够模拟冠层截留、入 渗、蒸散发、土壤水、地表径流以及河道径流等。模 型包含气象、水文、泥沙输移、植被生长、营养物质、 污染物和农作物管理等模块[10]。文中选用SUFI-2 (Sequential Uncertainty Fitting Version 2)算法作为参数 估计优化方法[11]。 3.2. 渭河流域径流模拟 本文所用 DEM、土地利用、土壤数据来源于中 国科学院资源环境科学数据中心。气象资料包括降 水、最高、最低气温、辐射、风速和相对湿度逐日数 据，取自中国气象局数据共享网 22个国家基本气象 站，水文数据选取 1961~2008 年林家村、魏家堡、咸 阳、临潼、华县五个水文站逐日流量。 根据 DEM 及水系分布，模型将流域划分为 106  左德鹏，等：气候变化对渭河流域径流的影响 第2卷 · 第6期 Figure 1. Sketch map of the Wei River basin 图1. 渭河流域地理位置及水文气象测站分布图 个子流域，并基于不同土地利用、土壤类型以及坡度 将子流域进而划分为 565 个HRU。根据流域水文气象 特点，潜在蒸散发计算采用Penman-Monteith 法，地 表径流计算采用SCS 径流曲线数法，河道汇流计算采 用Muskingum 法。基于SUFI-2 算法对 SWAT 模型进 行了参数敏感性分析、率定、验证以及不确定性分析。 以1990~2008 年为率定期对模型参数进行率定， 1961~1989 年为验证期对径流模拟结果进行验证，率 定验证期均采用前 3年数据作为模型预热。模型参数 较多，采用敏感性分析确定径流较为敏感的参数十分 必要。敏感性分析结果表明 28个水文相关参数与流 量都有不同程度相关性，如CN2, ALPHA_BF等是最 敏感的参数。 华县站率定和验证期径流模拟与实测值对比如 图2。Nash-Suttcliffe 效率系数(ENS)、确定性系数(R2) 和Φ用于评价模型径流模拟结果。率定和验证期 5个 水文站 R-factor 均较小，但林家村和魏家堡站率定期 P-factor 也很小，表明两个站实际不确定性较大。率 定期(验证期)多数站 Φ和ENS 均高于 0.6(0.7)，所 有 站 R2均高于 0.7(0.8)，总体来说模型评价指标较为令人 满意。林家村和魏家堡站模拟结果相对较差，主要分 布在渭河上游地区。基于实地考察、咨询当地专家及 研究区之前研究成果，不确定性较大原因是由于水库 建造和运行以及农业用水考虑不足。模型模拟相关内 容详见文献[12]。 4. 气候变化情景下流域未来径流变化特点 Figure 2. Comparison between observed and simulated prediction 日序列，驱动率定后的 SWAT 模型，进而模拟未来 4.1. 流域径流量对未来气候变化情景的响应 未来多种气候变化组合情景下，2046~206 和 2081 uncertainty band monthly hydrographs at Huaxian station 图2. 率定期和验证期华县水文站实测值(蓝色)与不确定性模拟区 间(红色区间)的月径流 程图 过 温 气候变化条件下流域水文过程。未来气象日序列包括 2046~2065 年和 2081~2100 年两个不同时期。统计降 尺度用到三个气候模式，分别是 CSIRO :M K30， INM:CM30 和CGCM2.3.2，以下分别用 CSIRO，INM 和MRI 代替。温室气体排放情景包括SRES A2和B1 两种。径流量变化主要基于华县站流量数据计算得 到。 5 ~2100 时期流域多年平均径流量见表 1。基准期 流域多年平均径流量为 72 亿m3。2046~2065 年不同 情景下流域多年平均径流量最大值97.6 亿m3 (CSIRO-B1 情景)，多年平均径流量最小值 68 亿m3 (MRI-B1 情景)。2081~2100 年INM-B1 情景下流域多 年平均径流量最高，达145.6 亿m3，CSIRO-B1 情景 下最低，为 68.4亿m3。由此可见未来两个时期流域 径流量最高和最低值均出自B1 情景。总的来看，流 域未来径流量整体呈增加趋势，2080s 增幅较 2050s 略大，2050s 和2080s流域多年平均径流量在多种情 景下均值分别为80.4 与104.3 亿m3，较基准期分别增 加12.4%和45%。流域未来径流量在A2 和B1 情景下 利用统计降尺度生成各站降水量、最高和最低气 Open Access 366  左德鹏，等：气候变化对渭河流域径流的影响 第2卷 · 第6期 Table 1. Quantile and mean values for annual runoff in the basin during the periods of 2046-2065 and 2081-2100 (108 m3/a) 表1. 未来两个时期不同情景下流域年径流量均值与百分位值 (亿m3/年) A2 B1 未来时期 百分位数 CSIRO MRI CSIRO MRIINMINM R10 53.2 53.252.8 45.2 55.654.8 R50 78.4 78.074.0 80.8 66.062.8 均值 92.4 81.277.2 97.6 68.468.0 2046~2065 2081~2100 R90 132.4 106.895.2 154.0 77.683.6 R10 62.4 56.466.4 37.6 100.065.2 R50 91.2 79.288.8 64.4 126.0130.4 均值 94.8 85.694.4 68.4 145.6136.8 R90 120.4 109.6124.8 91.2 188.4195.6 异并不十分明显，尤其 2081~2100 时期。 个时期 年径 序列 代表 差 除多年平均径流量外，表 1也给出未来两 流量序列代表分位数值，包括第10，50 和90 百 分位数值(分别记作R10，R50 和R90)。此处年径流量 序列第 10和90 百分位数(R10和R90)分别代表偏旱 和偏湿年，而正常年则由 R50 和多年平均径流量表示。 不同情景下流域偏旱年径流量最低值为37.6 亿 m3(CSIRO-B1情景)，而偏旱年径流量最高达到了 100 亿m3 (INM-B1 情景)。与多年平均径流量特点一致， 未来两个时期不同情景下 R10 最高和最低值也分别为 INM-B1 和CSIRO-B1 情景。总的来看流域未来两个 时期所有情景下R10 均值分别为 52.5 和64.7 亿m3。 由表 1可以看出，2046~2065 年所有情景下 R90 最高 值达 154 亿m3 (CSIRO-B1 情景)，而最低值为 77.6 亿 m3 (INM-B1情景)。总的来看流域未来两个时期所有 情景下 R90 均值分别为 108.3 和138.3 亿m3。 除年径流量均值和百分位数外，也对日流量 百分位值在未来两个时期变化特点进行分析。表 2给出了未来两个时期不同情景下华县站日流量第 10 和90 百分位值(分别记作Q10 和Q90)。从表中可以看 出2050s 所有情景下 Q10 均呈减少趋势，多数情景下 Q90 (除CSIRO-B1 情景)呈增加趋势，这意味着 2050s 枯季流量将较基准期更低，而洪峰流量则将较基准期 更高，即流域极端事件(干旱与洪水)2050s 有加剧趋 势。所有情景下 Q10 最低值为 11.5m3/s (MRI-B1情 景)，较基准期减少27.9%，Q90 最高值达 837.7 m3/s Table 2. Quantile values for daily runoff at Huaxian station during the periods of 2046-2065 and 2081-2100 表2. 未来两个时期不同情景下华县站日流量百分位值 A2 B1 未来时期 基准期 CSIRO MRI CSIROMRIINMINM 日流量 (m3/s)15.913.3 16.8 12.8 12.814.311.5 Q10 −−−− − 日流量 (m 46 2 2046~2065 Q90 日流量 (m 15.928. 19. Q10 − 12.− 日流量 (m 46 256996 2081~2100 Q90 变化量 (%) 16.2 5.8 19.4 19.710.327.9 3/s) 0.768.4 582.5 582.5 837.7464.8502.2 变化量 (%) 67.0 26.6 26.6 82.01.09.1 3/s) 14.1 17.9 16.4 9.9 78 变化量 (%) 11.54 3.0 38.0 80.7 24.4 3/s) 0.653.0 476.1 3.0 507.600.93.9 变化量 (%) 41.9 3.5 22.3 10.395.8109.5 SIRO-B1 情景)，较基准期增加 82%。2080s 所有情 图3至图 5分别给出三个气候模式两种排放情景 下未 子流域多 年平 (C 景下 Q90均呈增加趋势，Q10 则无明显趋势，这与 2050s 变化特点较为一致，且 2080s 流域洪水呈加剧 趋势。2080s 所有情景下 Q10 最低值为9.9m3/s (CSIRO-B1情景)，较基准期减少 38%，Q90最高值达 963.9m3/s (MRI-B1 情景)，较基准期增加近 1倍。 4.2. 未来气候变化情景下流域径流深空间分布 来两个时期各子流域多年平均径流深较基准期 变化空间分布。CSIRO 模式下流域多年平均径流深较 基准期变化空间分布见图 3，由图中可以看出，CSIRO 模式下流域径流深变幅在−9~129.2 mm之间，其中大 多数地区径流深变幅为正。整体来看，不同情景下流 域径流深变化趋势较为一致，均表现为上游部分子流 域及北洛河上游地区径流深呈减少趋势，而中下游大 部分地区径流深则较基准期有所增加。径流深呈减少 趋势的地区减幅较小，不足10 mm；中下游地区增加 趋势非常明显，尤其是 B1 情景，最大增幅约为 100 mm。总的来讲，CSIRO 模式下流域径流深在上游子 流域呈减少趋势，而在中下游子流域则呈增加趋势， B1 情景下流域径流深变幅高于 A2 情景。 图4给出 INM 情景下未来两个时期各 均径流深较基准期变化空间分布。由图可看出， Open Access 367  左德鹏，等：气候变化对渭河流域径流的影响 Open Access 第2卷 · 第6期 368 Figure 3. Spatial changes of mean annual runoff under CSIRO scenarios during the two future periods 图3. 未来两个时期 CSIRO 模式不同情景下流域多年平均径流深较基准期变化空间分布 Figure 4. Spatial changes of mean annual runoff under INM scenarios during the two future periods 图4. 未来两个时期 INM模式不同情景下流域多年平均径流深较基准期变化空间分布  左德鹏，等：气候变化对渭河流域径流的影响 第2卷 · 第6期 Figure 5. Spatial changes of mean annual runoff under MRI scenarios during the two future periods 图5. MRI模式不同情景下流域多年平均径流深较基准期变化空间分布 M情景下流域径流深变幅在 ~173.4 mm 之间， I模式不同情景下未来两个时期各子流域多 年平 CSIRO 和INM 模式。 来降水、气温日序列数据 模型，模拟流域未来(2050s和2080s)径流 变化 呈增加趋势，且2080s 增幅 12.4 高，即未来两时期流域极端事件(干 旱与 准期有所减少，而中下游地区呈增加趋势。不同情景 IN −28.5 5. 结论 其中大多数地区径流深变幅为正。不同情景下流域径 流深变化趋势也较为一致，均表现为上游部分子流域 和北洛河上游地区径流深呈减少趋势，而中下游子流 域径流深较基准期有所增加。径流深呈减少趋势地区 减幅约为10 mm，最大减幅不足 30 mm，而呈明显增 加趋势地区增幅基本大于 20 mm，最大增幅达 173.4 mm。 MR 均径流深较基准期变化空间分布图 5。整体来看， MRI 模式下流域多年平均径流深变化空间分布与 CSIRO 和INM 模式一致性较高，所有情景均表现为 上游部分子流域和北洛河上游地区径流深呈减少趋 势，而其它地区径流深则较基准期有所增加。MRI模 式情景下流域径流深变幅在−8.2~198.1 mm之间，流 域大部分地区径流深变幅为正，增幅最大超过190 mm，而呈减少趋势地区减幅不足10 mm。总的来说， MRI 模式情景下大多数子流域径流深增幅大于 本文首先构建渭河流域基准期SWAT 模型，然后 将降尺度生成不同情景下未 输入 SWAT 过程，得到结论如下： 1) SWAT 模型在渭河流域径流模拟的表现令人较 为满意，模型较好地模拟了流域径流时空变化特点。 2) 渭河流域未来径流整体 较2050s 大，两时期不同情景下流域多年平均径 流量均值分别为 80.4 与104.3亿m3，较基准期增加 %和45%。 3) 未来两时期多数情景下 Q10呈减少趋势，而 Q90 则呈增加趋势，意味枯季流量较基准期更低，洪 峰流量较基准期更 洪水)有加剧趋势。 4) 不同情景下渭河流域径流深空间变化较为一 致，即上游部分子流域和北洛河上游地区径流深较基 Open Access 369  左德鹏，等：气候变化对渭河流域径流的影响 第2卷 · 第6期 下径流深最大减幅约为−10 mm，增幅差异较为明 约为 资助项目的支持，感谢第十一届中 参考 KEUCHI, K., ISHIDAIRA, H., et al. Sustainabi- or Yellow River water resources using the syste dynamics approach. Water Resources Management, 2002, 16(3): 239-261. , J.X., et al. Yellow River ter International, 2010, 35(5): 681-701. IDÉN, E. and HALLDIN, S. Modelling hydrologi- TAKEUCHI, K., ISHIDAIRA, H., et al. An overview l. Spatiotemporal variations ocesses, 2012, 8(26): 1149-1160. 玉，等. 气候变化情景下渭河流域潜 iver ackland Research Center, 法的渭河流域 显， 100 mm。 6. 致谢 感谢国家自然科学基金项目、中央高校基本科研 业务费专项资金国 在 水论坛推荐！ 文献 (References) [1] XU, Z.X., TA lity analysis fm Tex [2] RINGLER, C., CAI, X.M., WANG basin: Living with scarcity. Wa [3] LIU, Q.A., CUI, B.S. Impacts of climate change/variability on the streamflow in the Yellow River Basin, China. Ecological Modelling, 2011, 222(2): 268-274. [4] XU, C.Y., W cal consequences of climate change-progress and challenges. Advances in Atmospheric Sciences, 2005, 22(6): 789-797. [5] XU, Z.X., of water resources in the Yellow River basin. Water International. 2005, 30(2): 225-238. [6] ZUO, D.P., XU, Z.X., YANG, H, et a and abrupt changes of potential evapotranspiration and its sensi- tivity to key meteorological variables in the Wei River basin, China. Hydrological Pr [7] BRONSTERT, A., NIEHOFF, D. and BURGER, G. Effects of climate and land-use change on storm runoff generation: Present knowledge and modelling capabilities. Hydrological Processes, 2002, 16(2): 509-529. [8] XU, Y., GAO, X.J., SHEN, Y., et al. A daily temperature dataset over China and its application in validating a RCM simulation. Advances in Atmospheric Sciences, 2009, 26(4): 763-772. [9] 左德鹏，徐宗学，李景 蒸散量时空变化特征[J]. 水科学进展, 2011, 22(4): 455-461. ZUO Depeng, XU Zongxue, LI Jingyu, et al. Spatiotemporal characteristics of potential evapotranspiration in the Weihe R basin under future climate change. Advances in Water Science, 2011, 22(4): 455-461. (in Chinese) [10] NEITSCH, S.L., ARNOLD, J.G., KINIRY, J.R., et al. Soil and water assessment tool theoretical documentation version 2005. Temple, Texas: Grassland, Soil and Water Research Laboratory, Agricultural Research Service, Bl as Agricultural Experiment Station, 2005. [11] ABBASPOUR, K.C. SWAT-CUP, SWAT calibration and uncer- tainty programs. Duebendorf, Switzerland: Swiss Federal Insti- tute of Aquatic Science and Technology, Eawag, 2007: 95. [12] 左德鹏，徐宗学. 基于 SWAT模型和 SUFI-2 算 月径流分布式模拟[J]. 北京师范大学学报(自然科学版), 2012, 48(5): 490-496. ZUO Depeng, XU Zongxue. Distributed hydrological simulation using SWAT and SUFI-2 in the Wei River basin. Journal of Bei- jing Normal University (Natural Science), 2012, 48(5): 490-496. (in Chinese). Open Access 370 |