氣候變化對西遼河流域生態水文過程的影響

王樹生

(昌圖縣毛家店鎮水利工作站，遼寧 昌圖 112507)

0 引 言

生態水文循環在很大程度上受氣候變化和人類活動的影響[1-2]。因此，分析氣候變化對生態水文學的影響至關重要。氣候變化影響著生態水文的變化，進而改變著徑流、蒸散量、地表儲水量和土壤濕度，直接影響著區域生態體系。未來的氣候變化，例如溫度、降水和極端天氣的頻率變化，將對生態水文過程產生影響。在氣候變化研究中，量化氣候變化對水文學和生態系統的影響仍是一個挑戰[3-4]。然而，目前對氣候變化下的生態水文可利用性的評估仍然有限。在氣候變化影響研究中，采用全球氣候模式(GCM)和區域氣候模型(RCM)作預測已被廣泛應用。GCM可模擬較長時段的年或季節性平均氣候特征。但由于模型的空間分辨率較低，因此難以用于對區域氣候影響評估。通常使用統計降尺度法來彌補這一不足。通過在GCM和區域氣候要素之間建立統計關系，統計降尺度模型(SDSM)能很好地預測區域未來的氣候情景變化。為了預測西遼河流域未來氣候變化對生態水文的影響，本文提出一種將統計降尺度(SDSM)、生物地球化學循環模型(BIOME-BGC)和水文模型(HSPF)耦合的方法，并采用該模型研究在不同排放情景(A2和B2)下，日氣象要素和日徑流量的變化趨勢以及氣候變化對水文和生態系統的影響。

1 研究區概況

研究區(N40°05′-N45°13′、E116°16′-E123°35′)位于中國東北地區，其中部地形較低，是平原的一部分。高程范圍在476～2 150 m之間，總面積為13.6×104km2。該地區夏季受大陸低洼和南風影響，夏季較炎熱潮濕。年平均氣溫約為10℃；年平均降雨量約為390 mm，主要集中于6、7和8月份。森林和灌溉作物是流域的主要植被。森林主要分布在研究區域的邊緣，灌溉作物位于該區域的中部。其水流主要來自降水和地下水補給。由于干旱以及人口和家庭用水量的急劇增加，導致河流流量急劇下降，該地區面臨嚴重的水資源短缺。

2 數據來源

為了產生未來的氣候變化情景，為該研究收集了3種類型的數據：①觀測數據；②美國國家環境預測中心(NCEP)重新分析數據；③HadCM3輸出數據。

采用的6個氣象站40年(1960-2018年)的觀測數據來自氣象數據共享服務網，包括日最高(Tmax)和最低(Tmin)氣溫、降水量(PRCP)和蒸散量(ET)，6個氣象站分別為西豐、鐵嶺、西風、法庫、新民、康平，以上數據用于建立SDSM模型。 同時，本文采用2005-2008年的日徑流觀測數據和小時氣象數據建立HSPF模型，采用鐵嶺水文站(N42°20′,E123°50′)(2005-2008年)的徑流觀測數據率定和驗證模型。土壤數據來自中國第二次土壤普查數據。 DEM數據來自美國地質勘測調查局EROS數據中心GTOPO30數據。土地利用數據采用Landsat TM數據，包括6個時期(1960、1970、1980、1990、2000和2008年)。月植被信息(植被覆蓋率)采用遙感生態反演數據。海洋/大氣耦合氣候模型(HadCM3)的輸出結果包含A2(溫室氣體高排放情景)和B2(溫室氣體低排放情景)2種氣候情景，網格大小為2.5°×3.75°[5]。NCEP日尺度重分析數據(1961～2010)包括26個大規模天氣因子，其從CCIS網站(http://www.cics.uvic.ca/scenarios/index.cgi)下載[6]。

3 研究方法

3.1 統計降尺度模型

采用HadCM3建立氣候變化情景。采用SDSM模型將1961-2099年HadCM3輸出的日氣象數據降尺度到每個站點。首先，將氣象站的實測日最高和最低溫度及降水量作為預測值。在SDSM 4.2中，根據相關分析結果以及NCEP再分析數據中26個大氣環流因子與預測值之間的相關性分析結果和散點圖，為每個站點選擇合適的預測因子，建立預測因子與預測變量之間的定量統計函數關系，并采用實測數據對SDSM模型進行校準。最后，采用1991年到2000年的日氣象數據驗證SDSM模型。 HadCM3輸出的1961年至2099年的日時間序列數據作為SDSM模型的輸入，分別在A2和B2情景下為每個氣象站生成日最高和最低溫度及降水時間序列。盡管采用NCEP數據校準降尺度模型后， GCM數據的驅動可能會導致NCEP數據產生偏差，但該偏差很小，可忽略不計。

3.2 HSPF模型

HSPF是一個被廣泛應用的水文模型[7]。本文采用2005-2006年的實測日徑流數據對模型進行校準，采用2007-2008年的實測數據對模型進行驗證。模型的模擬精度采用Nash-Sutcliffe(ENS)和確定性系數(R2)[8]。

3.3 BIOME-BGC模型

BIOME-BGC是一種生物地球化學模型，可模擬能源、水、碳和氮通量以及在陸地生態系統的植物和土壤中的存儲[9]。BIOME-BGC模型提供了可轉移到HSPF模型的生態(植被)參數，而HSPF模型可提供徑流、濃度等資料。因此，本文采用BIOME-BGC模型估計研究區森林的NPP(凈初級生產力)以及氣候變化對其產生的影響。

4 結果分析

4.1 模型模擬結果

HSPF模型的ENS和R2值在校準期為0.64和0.79，驗證期為0.74和0.86，模擬結果較好。BIOME-BGC模型的校準和驗證，由于難以獲取實際參數，本研究中使用的大多數參數均參考前人的研究成果。日凈初級生產力的模擬值和觀測值分別為3.86和3.14 gC/m2d，模擬結果高于觀測值。2006年1至8月份凈初級生產力累積模擬值為84.2 gC/m2，相比之下觀測值為73.0 gC/m2，誤差小于20%。

4.2 未來氣象要素變化

本文將數據序列分為兩組，時間范圍為1961-1990年和1991-2000年，分別用于校準和驗證SDSM模型。氣候參考期在水文和生態模型中得以延續。SDSM的校準和驗證結果見表1。在3個不同階段，即2020年代(2010-2039年)，2050年代(2040-2069年)和根據1961-1990年的基線，對貴水河流域2080年代(2070-2099年)進行了分析，校準期和驗證期模型模擬精度見表1。由表1可以看出，SDSM降尺度模型可解釋的最高和最低溫度的變化分別為65.9%和48.8%，日蒸散量的變化為53.3%，而日降水量的變化可解釋僅為12.0%。在校準期，最高溫、最低溫、日降水量和蒸散量的標準誤差分別為0.12℃、0.12℃、0.04 mm和0.01 mm。驗證期的模擬結果表明，觀測和模擬的日最高和最低氣溫之間具有很好的一致性，4個氣象因子的標準誤差分別為0.20℃、0.20℃、0.08 mm和0.03 mm。與SDSM建立的統計關系可產生未來的氣候變化情景。

表1 校準期和驗證期模型模擬精度

表2給出了在A2和B2情景下日最高和最低氣溫、日降水量與1961-1990年基準期數據相比的區域平均變化。在未來氣候情景下，4種氣象要素的變化率分別為0.46℃、0.45℃、-3.68 mm/10 a和15.83 mm/10 a(A2情景下)，0.26℃、0.26℃、-4.99 mm/10 a和9.36 mm/10 a(B2情景)。在A2和B2情景下，6月份的日降水變化率為-0.09 mm/10 a。與21世紀其他地表天氣變量逐漸減少相比，2020年有很大的減少，其可能是由于HadCM3中模擬的低頻氣候變異性造成的，而不是僅由在A2和B2情景下HadCM3在全球氣候強迫的變化下導致的。

表2 2020、2050、2080年A2和B2情景下4種氣象要素的區域平均值變化

4.3 徑流對氣候變化的水文響應

圖1給出了日徑流量預測值與基準期相比的相對變化。表3給出了未來日流量平均值的變化。可以看出，在3個期間內，日徑流量表現出顯著下降。預測期，在A2和B2情景下，日徑流量每10年的變化率分別為-0.05和-0.04 m3/s。日徑流量和降水量與基準數據的變化趨勢并不完全一致。5月份的降水量略有減少，變化率分別為-0.02和-0.01 mm/10 a。6月份的降雨量急劇減少，變化率為-0.09 mm/10 a。盡管這兩個月降水量的減少之間有很大的差距，但5和6月份的變化率均為-0.03 m3/s。

圖1 A2和B2情景方案下SDSM模型預測的日徑流量變化

表3 2020、2050、2080年A2和B2情景下日徑流量的區域平均值變化

5 結 論

本文分析了在A2和B2排放情境下未來氣候變化對西遼河流域2020-2099年3個不同時期的生態水文的影響。研究結果表明，在未來的3個時期，該地區日最高溫和最低溫均表現出明顯的上升趨勢，而日降水量則呈下降趨勢。以降尺度的溫度和降水量作為HSPF模型的輸入，水文模擬結果表明地表徑流總體呈下降趨勢。日最高氣溫、日最低溫度、日降水量、日蒸散量和地表徑流量的每10年的變化速率在A2情景下分別為：0.46℃、0.45℃、-3.68 mm/10 a、15.83 mm/10 a和-0.05 m3/s，在B2情景下分別為0.26℃、0.26℃ 、-4.99 mm/10 a、9.36 mm/10 a和-0.04 m3/s。未來該地區的干旱程度可能會加劇。本文的研究結果可為區域管理部門制定科學合理的生態控制措施提供理論依據。