氣候變化對淮河流域中上游汛期極端流量影響的SWAT模擬

楊滿根, 陳 星

1 福建師范大學地理科學學院,福州 350007 2 中國氣象局-南京大學氣候預測研究聯(lián)合實驗室,南京 210023 3 南京大學大氣科學學院,南京 210023

氣候變化對淮河流域中上游汛期極端流量影響的SWAT模擬

楊滿根1,3, 陳 星2,3,*

1 福建師范大學地理科學學院,福州 350007 2 中國氣象局-南京大學氣候預測研究聯(lián)合實驗室,南京 210023 3 南京大學大氣科學學院,南京 210023

致洪暴雨主要是3天以上連續(xù)強降水,是淮河流域洪澇的直接原因。構建淮河流域中上游SWAT模型,用RegCM3在SRES A2 排放情景下的模擬結果(2071—2100年)驅(qū)動SWAT模型,研究氣候變化對淮河流域中上游汛期極端流量的影響。結果表明：(1)在SRES A2排放情景下,淮河流域中上游未來(2071—2100年)氣溫升高,降水量增加,降水的空間差異增大；穎河流域中游年降水量有較大幅度的減少,呈現(xiàn)暖干化的趨勢；汛期極端過程降水增加,汛期最大9 d降水量平均增幅都在10%以上。(2)在SRES A2排放情景下的氣候變化將導致淮河流域中上游汛期極端流量大幅度增加,干流5個水文站汛期最大9 d平均流量的增幅都在20%以上。(3)淮河流域中上游極端流量的概率分布更加集中,更大的極端流量出現(xiàn)的頻率更高,研究流域下游更容易出現(xiàn)較大的極端流量。(4)研究流域下游極端流量概率對極端流量變化更敏感,下游也面臨著更大的洪澇風險。

氣候變化；淮河流域；汛期極端流量；SWAT模型

江河洪水是極端流量變化的具體表現(xiàn),各種氣候過程,如強降水和/或持續(xù)降水、融雪等,都影響著洪水過程。洪澇災害的形成不僅與某日降水量有關,而且與連續(xù)性或間隔時間較短的多次強降水過程的累積降水量關系更為密切,連續(xù)性過程降水的極值是形成流域洪澇的主要原因[1-2]。不少學者都強調(diào)需要加強氣候變化對極端水文事件影響的研究[3]。IPCC技術報告《氣候變化和水》在關于未來工作的建議中指出,需要進一步開展針對當前水文變化的檢測和歸因工作,特別是水資源的變化和極端事件發(fā)生概率的變化[4]。

淮河流域是中國東部洪澇災害最為嚴重的區(qū)域,3天以上連續(xù)強降水是淮河流域主要的致洪暴雨[5]?；春恿饔驑O端降水,特別是夏季或汛期極端降水的增加趨勢顯著。20世紀90年代末以來,淮河流域夏季極端強降水事件的概率顯著增加[6]。1961—2008年淮河流域主汛期(6—8月)極端降水事件總體上有增加趨勢,特別是流域中西部地區(qū)線性增加趨勢顯著[7]。1961—2010年,淮河流域汛期雨日出現(xiàn)頻率有下降的趨勢,但暴雨日比重和暴雨日平均降水量均有升高的趨勢?；春恿饔蜓雌诒┯耆粘霈F(xiàn)頻率以及各類型雨日的平均降水量均有上升的趨勢,強降水時空變化呈現(xiàn)局地性和頻發(fā)性[8]。

未來氣候變化情景下,淮河流域發(fā)生極端洪水的可能性增大。郝振純等利用IPCC第4次評估公開發(fā)布的22個全球氣候模式在SRES-A1B、A2和B1等典型排放情景下的未來氣溫和降水預測結果,結合新安江模型,對未來90年(2010—2099年)氣候變化下淮河流域的極端洪水進行預估。結果表明,淮河流域未來可能發(fā)生極端洪水年份的密集程度從大到小依次為A2情景、A1B情景、B1情景。其中,A2情景在2035—2065年以及2085年以后是極端洪水發(fā)生較為集中的時期[9]。因此,研究氣候變化情景下淮河流域汛期極端流量的響應,對流域未來防汛減災、調(diào)水調(diào)沙、水量統(tǒng)一調(diào)度等都具有重要意義。

本文構建了淮河流域中上游的SWAT模型,以汛期最大9天降水量和最大9天流量作為極端過程降水和極端流量的指標,用RegCM3在SRES A2排放情景下的模擬結果驅(qū)動SWAT模型,從極端事件概率的角度研究氣候變化對淮河流域中上游汛期極端流量的影響。

1 研究區(qū)域、數(shù)據(jù)和方法

1.1 研究區(qū)域

圖1 研究區(qū)域與氣象、水文測站 Fig.1 The study area, meteorological stations and hydrological gauges

以蚌埠水文站以上的淮河流域中上游為研究區(qū)域。蚌埠(吳家渡)水文站是淮河干流中游主要的控制站,是測驗精度一類的基本閘壩站,單斷面。研究流域集水面積約為1.2×105km2,經(jīng)緯度范圍大致為115°—118.5°E、30.5°—35.5°N。主要地貌類型有低山、丘陵、平原、洼地和河湖等,其中平原面積約占研究流域面積的2/3。高程變化范圍為海拔24—1684 m,但流域面積的90%高程低于300 m?；春幼铋L的兩條支流——渦河和穎河,都蜿蜒在淮北平原。研究流域是整個淮河流域的主要產(chǎn)流區(qū),水系形式為典型的扇狀水系,大部分支流均在蚌埠站與潤河集站之間較短的河段內(nèi)匯入淮河干流(圖1),加上蚌埠以下的淮河水系為典型的平原水系,排水不暢,極易在淮河流域中上游形成“關門淹”。

研究流域年降水量在600 mm與1400 mm之間,年降水量為883 mm。降水主要受夏季風系統(tǒng)控制,暴雨降水主要出現(xiàn)在5—9月的汛期,降水的年際變率大。

1.2 數(shù)據(jù)來源及處理

1.2.1 歷史氣候觀測數(shù)據(jù)

歷史氣候觀測數(shù)據(jù)包括日降水量、日最高氣溫、日最低氣溫和日平均氣溫等4個要素,來自于研究區(qū)域經(jīng)緯度范圍內(nèi)45個國家基準氣候站1958—2009年的逐日氣候觀測數(shù)據(jù),主要用于率定和驗證SWAT模型。Karl的研究表明,缺失的日值假定為零或用月平均替代,可能引起降水趨勢分析的誤差[10]。因此,當某個氣候要素的序列中日數(shù)據(jù)缺失總量超過5年時,該測站被排除使用。上述在45個基準氣候站中,選擇時間序列最長、缺失數(shù)據(jù)最少的28個基準氣候站的逐日氣候觀測數(shù)據(jù)來分析淮河流域中上游氣候變化的主要特征,以及驅(qū)動SWAT模型。主要氣象站點位置如圖1。

1.2.2RegCM3氣候模擬數(shù)據(jù)

國家氣候中心研究人員在NCAR/NASA的全球環(huán)流模式FvGCM/CCM3內(nèi)嵌套RegCM3區(qū)域氣候模式,進行了1961年1月1日—1990年12月31日的模擬試驗(簡稱RF氣候情景),以及21世紀后期(2071年1月1日—2100 年12月31日)在IPCC SRES A2排放情景下的模擬試驗(簡稱SA氣候情景)。區(qū)域模式試驗輸出結果的分辨率為0.25°×0.25°[11]。為了與基于臺站的歷史氣候觀測資料對比,將區(qū)域模式試驗的輸出結果插值到臺站。采用數(shù)字圖像處理技術中常用的雙線性插值方法將基于0.25°×0.25°格點的氣溫或降水模擬數(shù)據(jù)插值到28個基準氣候站。雙線性插值方法是氣候數(shù)據(jù)從格點到臺站的轉(zhuǎn)換過程中應用較多的方法,徐影等使用雙向線性插值方法將7個氣候模式的格點值插值到長江中下游地區(qū)23個代表站,構建了該區(qū)域未來50—100年的氣候變化情景[12]。

為了預估未來全球和區(qū)域的氣候變化,必須事先提供未來溫室氣體和硫酸鹽氣溶膠的排放情況,即排放情景 (Emissions Scenarios) 。IPCC于2000年提出SRES排放情景,其中A2框架和情景系列描述了一個發(fā)展極不均衡的世界[13]?？紤]到本研究側(cè)重于極端過程降水變化對汛期極端流量的影響,所以選用了相對極端的高排放情景,即SRES A2排放情景。

1.2.3 流量數(shù)據(jù)

以河川流量作為徑流指標,河川流量實測數(shù)據(jù)來自于淮河干流5個水文站的逐日流量觀測記錄,從上游而下依次為息縣、淮濱、潤河集、魯臺子和蚌埠,其中蚌埠站是研究流域的出口站(圖1)。實測河川流量數(shù)據(jù)包括了淮河流域水庫等水利工程的影響,將水庫等水利工程包含到流域的自然地理條件中,研究現(xiàn)實自然地理狀態(tài)下淮河流域中上游氣候變化對徑流的影響。河川流量實測數(shù)據(jù)用于率定和驗證SWAT模型。

1.2.4 土壤數(shù)據(jù)

土壤空間分布圖是兩種來源的空間數(shù)據(jù)疊加的結果,一是中國科學院南京土壤研究所的1∶100萬土壤空間數(shù)據(jù)庫,二是FAO的全球土壤數(shù)據(jù)庫。每一個斑塊對應的土壤名稱主要依據(jù)中國科學院南京土壤研究所的1∶100萬土壤空間數(shù)據(jù)庫確定。土壤屬性數(shù)據(jù)來自中國科學院南京土壤研究所的1∶100萬土壤空間數(shù)據(jù)庫。

1.2.5 土地利用/覆被數(shù)據(jù)

土地利用/覆被數(shù)據(jù)解譯于多分辨率無縫影像數(shù)據(jù)庫 (Multiresolution seamless image database, MrSID) 2000年的影像。為了使得遙感影像的解譯更具有針對性,直接從MrSID影像解譯出SWAT水文模型中的土地利用/覆被類型。不同土地利用/覆被類型的斑塊大小差異極大,解譯過程中,依據(jù)土地利用/覆被類型的不同設定解譯比例尺。解譯完研究區(qū)域全部土地利用/覆被類型后,經(jīng)過建立拓撲關系、合并碎小斑塊等處理,得到淮河流域中上游2000年土地利用現(xiàn)狀圖。

1.2.6 DEM及其他基礎地理數(shù)據(jù)

DEM (Digital Elevation Model) 數(shù)據(jù),各級水系、各級城市以及政區(qū)邊界等數(shù)據(jù)也來自于國家基礎地理信息中心。

1.3 研究方法

1.3.1 SWAT模型

SWAT (Soil and Water Assessment Tool)模型是Arnold J. C. 博士等為美國農(nóng)業(yè)部下屬的農(nóng)業(yè)研究局開發(fā)的大、中尺度的長時段流域環(huán)境模擬模型[14-15]。模型由站點的氣象資料驅(qū)動,以水文響應單元為最小水文模擬單元進行流域水文過程模擬,在水文響應單元上利用水量平衡理論描述陸相水文循環(huán)過程,計算得到模擬單元內(nèi)每一天的產(chǎn)流,然后利用改進的推理方法計算單元產(chǎn)流對主河道的水量貢獻；在河道內(nèi)采用變動儲水系數(shù)模型或者馬斯京根法計算河道的匯流,扣除水面蒸發(fā)、傳輸損失以及流域內(nèi)人、畜用水,得到河道出口的逐日斷面流量[15]。

SWAT模型在氣候變化水文響應的研究中應用較多。Jha等應用SWAT模型,研究了密西西比河上游流域河川流量對氣候變化的敏感性[16]。Franczyk等應用SWAT模型模擬了一個小的Oregon流域氣候變化情景下徑流深度的變化[17]。Mikoaj等比較了全球尺度的水文模型 (WaterGAP) 和SWAT模型在模擬氣候變化對河川徑流影響時的效果,結果發(fā)現(xiàn),在流域尺度上,做更復雜的氣候變化水文影響評價,特別是要考慮月徑流量的平均值和極端值的變化時,流域尺度的水文模型更有優(yōu)勢[18]。

SWAT模型在國內(nèi)各流域的應用也較多。林炳青等應用SWAT模型研究了晉江流域景觀格局變化對洪枯徑流的影響[19]。郭軍庭等應用SWAT模型研究了潮河流域土地利用和氣候變化對流域徑流變化的影響[20]。宋艷華等以隴西黃土高原華家?guī)X南河流域為例,應用SWAT模型模擬了不同生態(tài)恢復情景下流域徑流和蒸散發(fā)的響應情況[21]。王軍德等以西北干旱區(qū)祁連山系雜木河流域為研究區(qū),應用SWAT模型研究了流域尺度和微地形尺度7種不同植被組合模式下流域水文響應的特征[22]。劉昌明等應用SWAT模型模擬了黃河河源區(qū)不同氣候和土地覆被條件下地表徑流的變化[23]。Chen等用SWAT 模型模擬了中國梭摩河流域過去40年氣候變化和土地覆被變化對徑流的影響[24]。史鵬等應用SWAT 模型研究了氣候變化和土地利用/覆被變化對淮河流域上游息縣流域水文狀況的影響[25]?？傊?SWAT模型在國內(nèi)各流域的應用偏重于流域平均水文狀況對氣候變化或土地利用/覆被變化的響應,對流域汛期極端流量對氣候變化的響應關注不夠。

1.3.2 極端流量的計算

致洪暴雨主要是3 d以上連續(xù)強降水,是淮河流域嚴重洪澇的直接原因。首先計算了研究流域內(nèi)各個氣象站汛期最大3—13 d降水量和淮河干流5個水文站汛期最大3—13 d平均流量；然后根據(jù)各水文站控制流域內(nèi)所有氣象站的汛期最大3—13 d降水量,采用簡單算術平均方法計算每個水文站控制區(qū)域的平均汛期最大3—13 d降水量；計算了5個水文站汛期最大3—13 d平均流量與區(qū)域平均的汛期最大3—13 d降水量之間的相關系數(shù),結果如表1。

表1流域平均的汛期最大3—13d降水量和最大3—13d平均流量之間的相關系數(shù)(1958—2009)

Table1Correlationcoefficientbetweenmaximum3—13dayprecipitationamountandmaximum3—13daymeanstreamflowinfloodseasonduringtheperiod1958—2009

滑動天數(shù)Movingdays/d345678910111213蚌埠 0.810.840.870.890.890.890.90*0.890.890.880.88魯臺子0.730.770.800.830.830.820.83*0.830.820.820.82潤河集0.690.720.740.780.790.780.79*0.780.770.770.77淮濱 0.640.680.690.710.700.700.71*0.680.680.700.70息縣 0.630.680.700.720.710.710.72*0.700.710.710.72

*相關系數(shù)最大

由表1可以看出,對每個水文站控制流域而言,區(qū)域平均的汛期最大9 d降水量和汛期最大9 d平均流量相關系數(shù)最高。因此,以汛期最大9 d降水量為研究流域汛期極端過程降水的指標,以汛期最大9 d平均流量作為各水文站汛期極端流量的指標,研究氣候變化對淮河流域中上游汛期極端流量的影響。

1.3.3 概率分布擬合

對于水文或氣象要素的極值,常用的概率分布函數(shù)有對數(shù)正態(tài)分布、Weibull分布、Gumbel分布、Frechet分布、廣義帕累托分布和皮爾遜Ⅲ型分布等,其中Weibull分布、Frechet分布和Gumbel分布是廣義極值分布(GEV)的3種形態(tài)。本文直接用廣義極值分布(GEV)擬合淮河流域汛期極端流量序列,用Kolmogorov-Smirnov分布擬合檢驗概率分布擬合效果。

2 淮河流域SWAT模型的構建

2.1 SWAT模型參數(shù)庫的建立

本文為SWAT模型建立了氣象參數(shù)庫和土壤參數(shù)庫,土地利用/覆被參數(shù)庫采用SWAT模型的默認值。

2.2 SWAT運行過程及相關參數(shù)的設置

在SWAT流域描述過程中,嵌入真實的數(shù)字化河網(wǎng),將淮河干流5個水文站作為河網(wǎng)節(jié)點手動添加。選擇蚌埠站作為游流域的主出口,得到蚌埠以上的淮河中上游流域,作為本文的研究流域。選擇SCS曲線法進行地表徑流的模擬；降雨量模擬選擇了偏正態(tài)分布方法；潛在蒸發(fā)模擬選擇Penman-Monteith方法；河道演算選擇變動存儲系數(shù)模型。

以1958—2009年的氣候觀測資料驅(qū)動SWAT水文模型,其中1958—1965年共8年作為模型的spin-up期,模擬結果不參與率定或驗證效果的評價。1966—1987年共22年作為模型的率定期,1988—2009年共22年作為模型的驗證期,保證模型有足夠長的spin-up期,能經(jīng)歷較多的氣候狀況；另一方面,率定期與驗證期時長相同,便于比較兩個時段的模型模擬效果。

2.3 淮河流域SWAT模型的率定和驗證

采用手動試錯法率定SWAT模型。對敏感性排序最靠前的12個參數(shù)進行調(diào)整,實現(xiàn)SWAT率定。選擇Nash-Sutcliffe 效率系數(shù)(NSE)來評價淮河流域SWAT模型流量模擬的效果[26]?；春恿饔騍WAT模擬逐月流量的評價指標見表2。率定期所有水文站的NSE都在0.7以上。驗證期模擬效果略微變差,但除蚌埠站外,區(qū)域水文站的NSE也都在0.70以上。因此,構建的淮河中上游流域SWAT模型比較真實地模擬了逐月流量過程。

表2 淮河流域SWAT月流量模擬結果評價

NSE, Nash-Sutcliffe 效率系數(shù), Nash-Sutcliffe Efficiency Coefficient

SWAT模擬淮河流域汛期最大9 d平均流量的評價結果見表3。與月流量的模擬結果評價指標相比較,SWAT模擬淮河流域汛期最大9 d平均流量的結果相對較差,這與SWAT模擬逐日流量的能力較差有關。除潤河集站外,其余各站率定期的NSE都在0.60以上；除息縣站外,其余各站驗證期的NSE也都在0.60以上。因此,構建的淮河中上游流域SWAT模型比較合理地重現(xiàn)了汛期最大9 d平均流量的特征。

表3 淮河流域SWAT模型汛期最大9 d平均流量模擬結果評價

NSE, Nash-Sutcliffe 效率系數(shù), Nash-Sutcliffe Efficiency Coefficient

3 氣候變化對淮河流域汛期極端流量的影響

3.1 SRES A2排放情景下淮河流域氣候變化的主要特征

RegCM3氣候模擬結果存在一定的偏差[27-28]。本研究也發(fā)現(xiàn),RF期RegCM3氣候模擬與同時期(1961—1990年)的觀測氣候結果存在偏差。因此,本文直接比較RF氣候情景(1961—1990年)和SA氣候情景(2071—2100年),評價SRES A2排放情景下淮河流域中上游平均氣候變化的主要特征；以汛期最大9 d降水量為極端過程降水指標,評價SRES A2排放情景下淮河流域中上游汛期極端過程降水的主要特征。

3.1.1SRES A2排放情景下淮河流域氣候變化的主要特征

與RF氣候情景比較,SA氣候情景的氣溫在全部28個臺站一致升高,穎河流域中游增溫幅度較大,流域上游和南部增溫幅度相對較小。SA氣候情景的年降水量增加。28個臺站中,21個臺站的年降水量增加,但在穎河和渦河流域中游,SA氣候情景下年降水量有較大幅度減少,以沙河匯入穎河處為中心的區(qū)域、以蚌埠水文站為中心的區(qū)域和流域南部的上游,年降水量有較大的幅度增加(圖2)。因此,在SRES A2下,未來(2071—2100年)氣溫升高,降水量增加,降水的空間差異增大,穎河流域中游年降水量有較大幅度的減少,呈現(xiàn)暖干化的趨勢。

3.1.2SRES A2排放情景下淮河流域極端過程降水的變化

與RF氣候情景比較,SA氣候情景下,淮河流域中上游汛期最大9 d降水量也明顯增大。與年降水量變化的空間格局相似,流域北部穎河中下游和渦河下游汛期最大9 d降水量有較大幅度的下降；研究流域上游和下游南部汛期最大9 d降水量的增幅較大(圖2)。

圖2 SA氣候情景下淮河流域中上游年降水總量和汛期最大9 d降水量變化的空間差異/mmFig.2 Spatial pattern of the variation amplitude in annual precipitation total and maximum 9-day precipitation amount in flood season under SA climate scenarios A 年降水量變化annual precipitation total change；B 汛期最大9 d降水量變化maximum 9-day precipitation amount in flood season

兩種氣候情景下,淮河干流5個水文站控制區(qū)域的區(qū)域平均汛期最大9 d降水量的多年平均值見表4。SA氣候情景的汛期最大9 d降水量增大,平均增幅都在10%以上,其中潤河集站汛期最大9 d降水量的增幅最大,達到13.90%。

表4 淮河干流5個水文站區(qū)域平均的汛期最大9 d降水量的多年平均值/mm

RF, RF氣候情景(RF climate scenario),區(qū)域氣候模式RegCM3在參考期(1961年1月1日—1990年12月31日)的氣候模擬結果;SA, SA氣候情景(SA climate scenario), 在IPCC SRES A2排放情景下,區(qū)域氣候模式RegCM3在情景期(2071年1月1日—2100年12月31日)的氣候模擬結果

SA, SA氣候情景(SA climate scenario), 在SRES A2排放情景下,區(qū)域氣候模式RegCM3在情景期(2071年1月1日—2100年12月31日)的氣候模擬結果。

總之,SRES A2排放情景下,未來(2071—2100年)年平均氣溫升高,年降水量增加；汛期極端過程降水增加,汛期最大9 d降水量增大,平均增幅都在10%以上。

3.2 氣候變化對淮河流域汛期極端流量的影響

比較RF氣候情景和SA氣候情景驅(qū)動的SWAT流量模擬結果,分析極端排放情景下淮河流域氣候變化影響。

3.2.1 汛期極端流量的變化

與RF氣候情景下汛期最大9 d平均流量的模擬結果比較(表5),SA氣候情景下汛期最大9 d平均流量明顯增大,干流5個水文站汛期最大9 d平均流量的增幅都在20%以上,其中潤河集站增幅最大,這與SA氣候情景下潤河集站控制流域的汛期最大9 d降水量增幅最大一致。

表5 兩種氣候情景下SWAT模型多年平均汛期最大9 d平均流量模擬結果比較/(m3/s)

3.2.2汛期最大9 d平均流量概率分布特征的變化

Kolmogorov-Smirnov分布擬合檢驗表明, GEV分布擬合淮河干流5個水文站汛期最大9 d流量是合適的,因此用GEV分布擬合RF和SA兩種氣候情景下SWAT模擬的汛期最大9 d流量?；春痈闪?個水文站RF和SA兩種氣候情景下SWAT模擬的汛期最大9 d平均流量的分布參數(shù)(偏度和峰度)如表6。氣候變化對各站汛期最大9 d平均流量的分布參數(shù)影響不同。就概率分布的偏度而言,RF氣候情景下,研究流域下游兩個水文站(魯臺子和蚌埠)的偏度值為負值,分布右偏。SA氣候情景下,只有蚌埠站最大9 d平均流量概率分布的偏度為負值,分布右偏,但負偏度相對減小。這表明研究流域的下游出現(xiàn)頻率更高的汛期最大9 d平均流量的值相對較大,即研究流域下游更容易出現(xiàn)較大的極端流量,這與研究流域扇形水系以及流域地形等自然地理特征有關。

概率分布的峰度大于3,表示汛期最大9 d平均流量的概率分布比正態(tài)分布陡峭。RF氣候情景下,除潤河集站和蚌埠站的峰度小于3外,其余各站的峰度都大于3。SA氣候情景下,淮河干流5個水文站的峰度都大于3,而且峰度都大于RF氣候情景。這表明SA氣候情景下,研究流域汛期最大9 d平均流量的分布更加陡峭,極端流量的概率分布更加集中。因此,極端排放情景下的氣候變化將導致極端流量的概率分布更加集中,更大的極端流量出現(xiàn)的頻率更高。

表6 兩種氣候情景下汛期最大9 d平均流量分布參數(shù)比較

3.2.3汛期最大9 d平均流量重現(xiàn)期重現(xiàn)水平比較

用GEV分布擬合RF和SA兩種氣候情景下SWAT模擬的汛期最大9 d平均流量,并計算了重現(xiàn)期及相應重現(xiàn)水平(圖3)。給定重現(xiàn)期時,SA氣候情景下汛期最大9 d平均流量的重現(xiàn)水平遠大于RF氣候情景。在SA氣候情景下,20年一遇的極端流量,在RF氣候情景下可能達到50年一遇甚至更高,這意味著極端排放情景下的氣候變化將導致研究流域更大的洪澇風險。

隨重現(xiàn)期的增大,兩種氣候情景下汛期最大9 d平均流量相應的重現(xiàn)水平都增大,但增大的幅度并不一致,SA氣候情景下汛期最大9 d平均流量相應的重現(xiàn)水平增幅更大。對于更高的重現(xiàn)期,SA氣候情景下極端流量重現(xiàn)水平的增幅也更大。因此,極端排放情景下的氣候變化將導致淮河流域極端洪澇的風險大大增加。隨重現(xiàn)期的增大,兩種氣候情景下SWAT模擬的汛期最大9 d平均流量相應的重現(xiàn)水平都增大,但越往下游,汛期最大9 d平均流量的重現(xiàn)水平增幅減小。因此,極端排放情景下的氣候變化將導致研究流域下游極端流量概率對極端流量變化更敏感,下游洪澇壓力更大。

總之,極端排放情景下的氣候變化將導致淮河流域中上游極端洪澇的風險大大增加,研究流域下游極端流量概率對極端流量變化更敏感,下游也面臨著更大的洪澇風險。

圖3 兩種氣候情景下淮河干流主要水文站汛期最大9 d平均流量的重現(xiàn)期及重現(xiàn)水平的比較Fig.3 Return periods and corresponded return level of the simulated maximum 9-day mean streamflow under RF and SA climate scenarios

4 結論與討論

構建了淮河流域中上游SWAT模型,用RegCM3在IPCC SRES A2 溫室氣體排放情景(高排放情景)下的模擬結果(2071年1月1日—2100 年12月31日)驅(qū)動SWAT模型,研究氣候變化對淮河流域中上游汛期極端流量的影響,主要結論有：

(1)構建的淮河中上游流域SWAT模型比較真實地模擬了淮河中上游流域逐月流量過程,也比較合理地重現(xiàn)了淮河中上游流域汛期最大9 d平均流量的特征。

(2)在SRES A2氣候變化情景下,淮河流域中上游未來(2071—2100年)氣溫升高,降水量增加,降水變率減小,降水的空間差異增大,穎河流域中游年降水量有較大幅度的減少,呈現(xiàn)暖干化的趨勢?；春恿饔蛑猩嫌窝雌谧畲? d降水量增加,研究流域下游南部的極端過程降水及其概率都將有明顯增大。

(3)在SRES A2排放情景下的氣候變化將導致淮河流域中上游汛期極端流量大幅度增加,淮河中上游干流5個水文站汛期最大9 d平均流量的增幅都在20%以上。

(4)在SRES A2氣候變化情景下,淮河流域中上游極端流量的概率分布更加集中,更大的極端流量出現(xiàn)的頻率更高,研究流域下游更容易出現(xiàn)較大的極端流量。另一方面,研究流域下游極端流量概率對極端流量變化更敏感,也面臨著更大的洪澇風險。

降水的空間格局、流域扇形水系以及流域地形等自然地理特征是淮河中上游流域形成“關門淹”的重要原因,但定量描述這些因素對淮河流域極端流量及洪澇的影響還需深入研究。

致謝：感謝江蘇省氣候變化協(xié)同創(chuàng)新中心和南京大學氣候與全球變化研究院對該研究的支持。

[1] 湯克清, 楊賢為, 姚佩珍, 張強. 黃河中游致洪暴雨的特征分析. 災害學, 1995, 10(3): 44- 50.

[2] 張增信, 欒以玲, 姜彤, 張強, 曾燕. 長江三角洲極端降水趨勢及未來情景預估. 南京林業(yè)大學學報: 自然科學版, 2008, 32(3): 5- 8.

[3] 張建云, 王國慶, 劉九夫, 賀瑞敏. 國內(nèi)外關于氣候變化對水的影響的研究進展. 人民長江, 2009, 40(8): 39- 40.

[4] Bates B C, Kundzewicz Z W, Wu S, Palutikof J P. 氣候變化與水. 政府間氣候變化專門委員會的技術報告, 日內(nèi)瓦: IPCC秘書處, 2008.

[5] 張愛民, 謝重陽. 淮河流域致洪暴雨特征及預警指標分析. 災害學, 2005, 20(1): 50- 52.

[6] 魏鳳英, 張婷. 淮河流域夏季降水的振蕩特征及其與氣候背景的聯(lián)系. 中國科學 D輯: 地球科學, 2009, 39(10): 1360- 1374.

[7] 王勝, 田紅, 徐敏, 謝五三, 陶寅. 1961- 2008年淮河流域主汛期極端降水事件分析. 氣象科技, 2012, 40(1): 87- 91.

[8] 葉金印, 黃勇, 張春莉, 李致家. 近50a淮河流域汛期降水日數(shù)和強度的分布與變化特征. 湖泊科學, 2013, 25(4): 583- 592.

[9] 郝振純, 鞠琴, 王璐, 王慧敏, 江微娟. 氣候變化下淮河流域極端洪水情景預估. 水科學進展, 2011, 22(5): 605- 614.

[10] Karl T R, Knight R W. Secular trends of precipitation amount, frequency, and intensity in the United States. Bulletin of the American Meteorological Society, 1998, 79(2): 231- 241.

[11] Gao X J, Shi Y, Song R Y, Giorgi F, Wang Y G, Zhang D F. Reduction of future monsoon precipitation over China: comparison between a high resolution RCM simulation and the driving GCM. Meteorology and Atmospheric Physics, 2008, 100(1- 4): 73- 86.

[12] 徐影. 人類活動對氣候變化影響的數(shù)值模擬研究[D]. 北京: 中國氣象科學研究院, 2002.

[13] Nakicenovic N, Swart R. Emission Scenarios IPCC Special Report on Emission Scenarios. 2000, 559(2):612.

[14] Arnold J G, Williams J R, Maidment D R. Continuous-time water and sediment-routing model for large basins. Journal of Hydraulic Engineering, 1995, 121(2): 171- 183.

[15] Neitsch S L, Arnold J G, Kiniry J R, Williams J R. Soil and Water Assessment Tool Theoretical Documentation Version 2009. Texas Water Resources Institute Technical Report No. 406, Texas: Texas Water Resources Institute, 2011.

[16] Jha M, Arnold J G, Gassman P W, Giorgi F, Gu R R. Climate change sensitivity assessment on upper Mississippi River basin streamflows using SWAT. Journal of the American Water Resources Association, 2006, 42(4): 997- 1015.

[17] Franczyk J, Chang H J. The effects of climate change and urbanization on the runoff of the Rock Creek basin in the Portland metropolitan area, Oregon, USA. Hydrological Processes, 2009, 23(6): 805- 815.

[18] Piniewski M, Voss F, B?rlund I, Okruszko T, Kundzewicz Z W. Effect of modelling scale on the assessment of climate change impact on river runoff. Hydrological Sciences Journal, 2013, 58(4): 737- 754.

[19] 林炳青, 陳興偉, 陳瑩, 劉梅冰. 流域景觀格局變化對洪枯徑流影響的SWAT 模型模擬分析. 生態(tài)學報, 2014, 34(7): 1772- 1780.

[20] 郭軍庭, 張志強, 王盛萍, Peter S, 姚安坤. 應用SWAT模型研究潮河流域土地利用和氣候變化對徑流的影響. 生態(tài)學報, 2014, 34(6): 1559- 1567.

[21] 宋艷華, 馬金輝. SWAT模型輔助下的生態(tài)恢復水文響應——以隴西黃土高原華家?guī)X南河流域為例. 生態(tài)學報, 2008, 28(2): 636- 644.

[22] 王軍德, 李元紅, 李贊堂, 高菁, 金彥兆, 胡想全, 黃津輝. 基于SWAT模型的祁連山區(qū)最佳水源涵養(yǎng)植被模式研究——以石羊河上游雜木河流域為例. 生態(tài)學報, 2010, 30(21): 5875- 5885.

[23] 劉昌明, 李道峰, 田英, 郝芳華, 楊桂蓮. 基于DEM的分布式水文模型在大尺度流域應用研究. 地理科學進展, 2003, 22(5): 437- 445.

[24] Chen J F, Li X B, Zhang M. Simulating the impacts of climate variation and land-cover changes on basin hydrology: A case study of the Suomo Basin. Science in China Series D: Earth Sciences, 2005, 48(9): 1501- 1509.

[25] Shi P, Hou Y B, Xie Y Y, Chen C, Chen X, Li Q F, Qu S M, Fang X Q, Srinivasan R. Application of a SWAT model for hydrological modeling in the Xixian Watershed, China. Journal of Hydrologic Engineering, 2013, 18(11): 1522- 1529.

[26] Moriasi D N, Arnold J G, Van Liew M W, Bingner R L, Harmel R D, Veith T L. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. Transactions of the ASABE, 2007, 50(3): 885- 900.

[27] 徐集云, 石英, 高學杰, Giorgi F. RegCM3對中國21世紀極端氣候事件變化的高分辨率模擬. 科學通報, 2013, 58(8): 724- 733.

[28] 張冬峰, 石英. 區(qū)域氣候模式RegCM3對華北地區(qū)未來氣候變化的數(shù)值模擬. 地球物理學報, 2012, 55(9): 2854- 2866.

EffectsofclimatechangeonextremestreamflowinfloodseasonintheupperandmiddlebasinoftheHuaiheRiverbySWATsimulation

YANG Mangen1,3, CHEN Xing2,3,*

1SchoolofGeographicalSciences,FujianNormalUniversity,Fuzhou350007,China2ChinaMeteorologicalAdministration&NanjingUniversityJointLaboratoryforClimatePredictionStudies,Nanjing210023,China3SchoolofAtmosphericSciences,NanjingUniversity,Nanjing210023,China

Consecutive rainstorm events are a main flash-flood-producing phenomenon on a basin scale, and an extreme consecutive rainstorm is more likely to cause catastrophic floods in the Huaihe River Basin. We constructed a SWAT model for the upper and middle basin of the Huaihe River and the drove model using the RegCM3 outputs under SRES A2 Greenhouse Gas Emission Scenarios, during the period from January 1, 2071 to December 31, 2100, to investigate the extreme streamflow response to the climate change during the flood seasons. First, we analyzed the relationship between the maximum 3—13 day precipitation amount and the maximum 3—13 day mean streamflow and determined the maximum 9 day precipitation amount as an indicator of the extreme consecutive rainstorm and the maximum 9-day mean streamflow as an indicator of the extreme streamflow in the flood season. Second, we constructed a SWAT model for the upper and middle basin of the Huaihe River to simulate the maximum 9-day mean streamflow in the flood season. Thirdly, we drove the model using the RegCM3 outputs and simulated the maximum 9-day mean streamflow during the period from January 1, 2071 to December 31, 2100, under SRES A2 Greenhouse Gas Emission Scenarios and the period from January 1,1961 to December 31, 1990 (reference period) respectively. Finally, we compared the results of the maximum 9-day mean streamflow in the flood season under two climate scenarios, and investigated the response of the extreme flow to climate change from the perspective of the probability characteristics. The SWAT model constructed for the upper and middle basin of the Huaihe River simulated monthly streamflow accurately based on the observational data during the period from 1958 to 2009. Simultaneously, the simulation results also reproduced the prominent characteristics of the maximum 9-day mean streamflow in the flood season. The results indicated that, under SRES A2 Scenarios, during the period from January 1, 2071 to December 31, 2100: (1) RegCM3 predicted that annual mean temperature will rise, annual precipitation amount will increase, and the spatial contrast of precipitation will increase in the upper and middle basin of the Huaihe River. However, the annual precipitation amount decreased in the middle basin of the Yinghe River and showed a warming and drying trend. Simultaneously, extreme consecutive precipitation in the flood season increased, especially in the southern basin of the lower reaches. (2) The extreme streamflow in the flood season increased more remarkably, and the maximum 9-day mean streamflow in the flood season increased more than 20% on average in five hydrological gauges. (3) The probability distribution of extreme streamflow was more concentrated and the frequency of the extreme streamflow was much higher, with much higher flood risk in the middle and lower basin. (4) The probability of extreme streamflow in the lower basin responded more sensitively to the extreme streamflow changes, which means flood risks increase owing to climate change. These conclusions have practical significance for flood risk management and control in the Huaihe River Basin under the climate change scenario.

climate change; Huaihe River Basin; extreme streamflow in flood season; SWAT model

國家自然科學基金(41475062)；國家重大基礎研究計劃(2010CB428506)；水利部公益性行業(yè)科研項目(200901042， 200901024)；福建省教育廳B類項目(JB12016)水利部公益性行業(yè)科研項目(200901042, 200901024)

2016- 09- 28;

2017- 03- 09

*通訊作者Corresponding author.E-mail: xchen@nju.edu.cn

10.5846/stxb201609281957

楊滿根, 陳星.氣候變化對淮河流域中上游汛期極端流量影響的SWAT模擬.生態(tài)學報,2017,37(23):8107- 8116.

Yang M G, Chen X.Effects of climate change on extreme streamflow in flood season in the upper and middle basin of the Huaihe River by SWAT simulation.Acta Ecologica Sinica,2017,37(23):8107- 8116.