基于CMIP5情景下葉爾羌河上游水沙量預測

居金浩，彭 亮

(1.水利部新疆維吾爾自治區(qū)水利水電勘測設計研究院，烏魯木齊 830000； 2.新疆農(nóng)業(yè)大學 水利與土木工程學院，烏魯木齊 830052)

1 概 況

葉爾羌河流域源于喀喇昆侖山北坡，地處歐亞大陸腹地，介于E74°28′-E80°54′、N34°50′-N40°31′之間(流域概況見圖1)，遠離海洋，周圍又有高山阻隔，加上大沙漠的影響，流域內呈典型的大陸性氣候，其主要特點是氣溫年變化較大，日溫差大，空氣干燥，日照長，蒸發(fā)強烈，降水量稀少。葉爾羌河流域是塔里木河流域“四源一干”水系格局的主要組成部分，流域內有排名全國第四、新疆第一的葉爾羌河灌區(qū)。庫魯克欄干水文站、卡群水文站為葉爾羌河干流上的水量控制站，兩站間河道距離約112 km，控制斷面以上河長645 km，集水面積5×104km2。

圖1 葉爾羌河流域水系圖

據(jù)流域卡群站統(tǒng)計，年平均氣溫為10.2℃，歷年極端最高氣溫為39.6℃，發(fā)生日期為1959年6月3日；極端最低氣溫為-24℃，發(fā)生日期為2002年1月21日；多年平均降水量為69.98 mm，月最大降水量為12.75 mm，發(fā)生在5月份；多年平均蒸發(fā)量為1 758.00 mm。月最大蒸發(fā)量266.50 mm，發(fā)生在6月份[1]。該站實測多年平均年徑流量67.10×108m3，年徑流量變差系數(shù)0.18。最大年徑流量95.55×108m3(1994年)，最小年徑流量44.67×108m3(1965年)，最大年徑流量與最小年徑流量的比值為2.14，年徑流年際變化不大。多年平均懸移質含沙量4.58 kg/m3，最大日含沙量698 kg/m3(1998年6月3日)，多年平均最大月含沙量6.41 kg/m3(8月份)，多年平均懸移質輸沙量3 028×104t，懸移質輸沙模數(shù)為603 t/km2。

葉爾羌河流域徑流主要以冰川融雪補給為主[2]，受全球氣候變化的影響較大，近年來其氣象水文因子序列發(fā)生較為明顯變化[3-4]，水資源不確定性大幅度增加，水沙問題突出，給下游葉爾羌河灌區(qū)內水生態(tài)修復和流域防洪減災等工作造成很大影響。本文基于CMIP5模擬數(shù)據(jù)驅動BP神經(jīng)網(wǎng)絡模型，對未來流域上游阿爾塔什水庫入庫水沙量的變化情況進行預測。

2 資料與方法

2.1 數(shù)據(jù)來源

本文選用1954-2015年卡群水文站月尺度徑流、泥沙監(jiān)測數(shù)據(jù)，1979-2015年庫魯克欄干水文站月尺度徑流、泥沙實測數(shù)據(jù)，2006-2015年欄干站日尺度徑流、泥沙實測數(shù)據(jù)，1955-2015年塔什庫爾干氣象站月尺度氣溫、降水實測數(shù)據(jù)，以上數(shù)據(jù)均來自于喀什水文水資源勘測局。

CMIP5數(shù)據(jù)庫中CNRM-CM5、MIROC-ESM和NorESM1-M這3個模式的不同排放情景(RCP2.6、RCP4.5、RCP8.5)下降水、蒸發(fā)、地表溫度、相對濕度與大氣溫度5個相關因子的模擬數(shù)據(jù)。CNRM-CM5、MIROC-ESM和NorESM1-M等多模型不同碳排放濃度情景下的空間分辨率分別為1.4°×1.4°、2.8°×2.8°和1.9°×2.5°，時間分辨率均為月。

CMIP5數(shù)據(jù)來源于網(wǎng)站：https://esgfnode.llnl.gov/projects/cmip5/

2.2 研究方法

BP神經(jīng)網(wǎng)絡的結構包括輸入層、隱含層和輸出層[5]，其中隱含層可以為一層或多層。BP神經(jīng)網(wǎng)絡有以下特點:

1) 網(wǎng)絡為多層結構，相鄰兩層的每個神經(jīng)元都與鄰層所有的神經(jīng)元連接，而同一層的神經(jīng)元之間不存在連接。這樣的網(wǎng)絡結構，使BP神經(jīng)網(wǎng)絡可以完成復雜的計算工作。

2) 網(wǎng)絡的激活函數(shù)可微，如常用的Sigmoid函數(shù)和線性函數(shù)。Sigmoid函數(shù)根據(jù)映射后的區(qū)間范圍又可分為Log-Sigmoid函數(shù)和Tan-Sigmoid函數(shù)，它們的數(shù)學表達為[6]:

(1)

其中x的取值為任意實數(shù)，函數(shù)的輸出區(qū)間分別為[0,1]和[-1,1]，為網(wǎng)絡的分類工作提供便利。

3) 網(wǎng)絡采用誤差反向傳播算法。BP算法的原理是在監(jiān)督學習中，實際輸出與期望輸出差值的均方值作為誤差信號可以沿網(wǎng)絡反向傳播，在傳播的過程中網(wǎng)絡的每一層權值都會得到調整，這個過程將重復至誤差低于目標值后神經(jīng)網(wǎng)絡學習結束[7]。

3 結果分析

3.1 模型運行與檢驗

選擇降水、蒸發(fā)、地表溫度、相對濕度和大氣溫度等5個與徑流量和輸沙量相關性較強的因子，驅動BP神經(jīng)網(wǎng)絡模型，利用CMIP5數(shù)據(jù)中的CNRM-CM5、MIROC-ESM、NorESM1-M共3個模式，基于不同排放情景(RCP2.6、RCP4.5、RCP8.5)的模擬數(shù)據(jù)，對流域上游未來徑流量和輸沙量的變化情況進行預測。1979年1月至2009年12月作為模型訓練期，2010年1月至2015年12月作為模型校核期，將預測值與實際數(shù)據(jù)進行相關性分析，以相關系數(shù)R2評價模型，然后預測葉爾羌河流域上游2021-2100年徑流量、輸沙量變化情況。

計算預測徑流量和輸沙量與實測數(shù)據(jù)之間的相關系數(shù)R2，計算結果見表1。

表1 3種模式徑流和輸沙模擬評價Tab.1 The results of runoff and sediment simulation under different models

由表1可見，CNRM-CM5、MIROC-ESM、NorESM1-M這3種模式徑流量預測值與實際值的相關性R2分別是0.87、0.87、0.89，輸沙量預測值與實際值的R2分別是0.91、0.99、0.90，相關性都較高，表明3個模式的模擬數(shù)據(jù)均可以模擬出影響因子與徑流、輸沙之間的相關關系。

不同模式的徑流量預測值與實測數(shù)據(jù)的擬合效果見圖2。由圖2可見：

圖2 不同模式徑流模擬值與實際值對比Fig.2 The comparison between the measured and simulated runoff under different models

1) CNRM-CM5、MIROC-ESM和NorESM1-M這3種模式的徑流量預測值與實測徑流量的中值和低值擬合效果較好，但高值的擬合效果相對較不理想，預測的高值相對與實際徑流量忽高忽低，3種模式下的徑流量高值預測值大概率會出現(xiàn)比實測徑流量高值更高的情況。

2) 3種模式的徑流量預測值高值、中值和低值發(fā)生的時間點與實測徑流量發(fā)生這3類值的時間點基本上保持一致。

3) 3種模式的徑流量預測值都能較好地擬合實測徑流量，且3種模式的徑流量預測值與實測徑流量的擬合效果大致相同，由此可證實這3個模式的模擬數(shù)據(jù)都可應用于葉爾羌河流域徑流量的預測研究。

3種模式輸沙量預測值與實際值的擬合效果見圖3。由圖3可見：

圖3 不同模式輸沙模擬輸沙量與實際輸沙量對比Fig.3 The comparison between the measured and simulated sediment under different models

1) CNRM-CM5模式的輸沙量預測值與實際數(shù)據(jù)的高中值和低值擬合效果都很好，與實測數(shù)據(jù)的擬合效果較為一致。

2) MIROC-ESM模式的預測值與實際值的擬合效果較好，但高值的擬合效果不理想，其預測的高值總是略低于實際徑流值。

3) NorESM1-M模式的預測值與實際值的低值擬合效果較好，但高值的擬合效果不理想，其預測的高值總是低于實際徑流值。

4) 模擬數(shù)據(jù)都能較好地擬合實測值并與實測數(shù)據(jù)的擬合效果大致相同，由此可證實這3個模式的模擬數(shù)據(jù)可應用于葉爾羌河流域徑流量的預測研究。

3.2 3種模式對未來徑流和輸沙的預測

采用CMIP5數(shù)據(jù)庫中CNRM-CM5、MIROC-ESM和NorESM1-M這3種模式中，不同排放情景(RCP2.6、RCP4.5、RCP8.5)下的降水、蒸發(fā)、地表溫度、相對濕度與大氣溫度等5個因子的模擬數(shù)據(jù)，對葉爾羌河流域上游2021-2100年徑流量、輸沙量進行預測。3種模式下的徑流量預測值的逐月變化和年總量變化情況見圖4、圖5，輸沙量預測值的逐月變化和年總量變化情況見圖6和圖7。

圖4 不同模式對未來逐年徑流量變化的預測Fig.4 Prediction of annual runoff discharge

圖5 3種模式對未來逐月徑流量變化的預測Fig.5 Forecast of monthly runoff changes

圖6 不同模式對未來逐年輸沙量變化的預測Fig.6 Prediction of annual sediment discharge

圖7 3種模式對未來逐月輸沙量變化的預測Fig.7 Forecast of monthly sediment changes

從圖4和圖5可以看出：

1) CNRM-CM5模式中RCP2.6、RCP4.5情景下的年徑流量預測值在2021-2100年一直保持在75×108m3左右。RCP8.5情景下的年徑流量預測值在2021-2100年一直處于上升趨勢，從2021年的70×108m3左右一直平穩(wěn)增加至2100年的120×108m3左右。

2) MIROC-ESM模式中RCP2.6情景下的年徑流量預測值在2021-2060年從90×108m3左右平穩(wěn)增長至100×108m3左右，隨后開始平穩(wěn)下降至2100年的95×108m3左右。RCP4.5情景下的年徑流量預測值在2021-2080年從90×108m3左右平穩(wěn)增長至100×108m3左右，2080-2100年一直保持在100×108m3左右。RCP8.5情景下的年徑流量預測值在2021-2100年一直保持顯著增加趨勢，從85×108m3左右增長至160×108m3左右。

3) NorESM1-M模式中RCP2.6情景下的年徑流量預測值在2021-2060年從60×108m3左右平穩(wěn)增長至70×108m3左右，然后一直保持不顯著下降趨勢，在2100年下降至65×108m3左右。RCP4.5情景下的年徑流量預測值在2021-2060年從70×108m3左右較為顯著地增長至90×108m3左右，然后一直穩(wěn)定在90×108m3左右。RCP8.5情景下的年徑流量預測值在2021-2100年從70×108m3平穩(wěn)地上升至80×108m3左右。

4) 3種模式在RCP2.6和RCP4.5情景下，徑流量預測值從2021-2100年變化均較小，MIROC-ESM模式下的徑流量預測值最大，其余兩個模式下的徑流量預測值相近；CNRM-CM5和MIROC-ESM模式在RCP8.5情景下，徑流量預測值從2021-2100年變化顯著，NorESM1-M模式中RCP8.5情景下的年徑流量預測值變化較小。

從圖6和圖7可以看出：

1) CNRM-CM5模式中RCP2.6情景下的年輸沙量預測值在2021-2060年從300×108t左右平緩增加至400×108t左右，然后平緩減少，在2100年減少至360×108t左右。RCP4.5情景下的年輸沙量預測值在2021-2060年從370×108t左右一直平緩減少至320×108t左右，然后又平緩增加，在2100年達到400×108t左右。RCP8.5情景下的年輸沙量預測值在2021-2100年顯著增加，從250×108m3增加至500×108t。

2) MIROC-ESM模式中RCP2.6情景下的年輸沙量預測值在2021-2060年平緩增加，在2060年平緩減少，總體上保持在650×108t左右。RCP4.5情景下的年輸沙量預測值在2021-2100年從400×108t左右平緩增加至650×108t左右。RCP8.5情景下的年輸沙量預測值在2021-2100年增加趨勢顯著，從500×108t左右增加至1 500×108t左右。

3) NorESM1-M模式中RCP2.6情景下的年輸沙量預測值在2021-2060年從250×108t左右顯著增加至500×108t左右，2060-2100年維持在500×108t左右。RCP4.5、RCP8.5情景下的年輸沙量預測值在2021-2100年變化趨勢相近，均從340×108t平緩減少至320×108t。

4) 3種模式在RCP2.6和RCP4.5情景下，輸沙量預測值從2021-2100年變化均較小，MIROC-ESM模式下的輸沙量預測值最大，其余兩個模式下的輸沙量預測值相近；CNRM-CM5和MIROC-ESM模式在RCP8.5情景下，輸沙量預測值從2021-2100年變化顯著，分別增長2倍和3倍，NorESM1-M模式中RCP8.5情景下的年輸沙量預測值變化較小。

4 結 語

借助實測氣象數(shù)據(jù)以及CMIP5中3種不同模式的模擬氣象數(shù)據(jù)，驅動BP神經(jīng)網(wǎng)絡模型，采用1979-2009年的數(shù)據(jù)對模型進行訓練，2010-2015年的實測數(shù)據(jù)為模型的檢驗數(shù)據(jù)，與預測值進行相關性分析，以預測值與實際數(shù)據(jù)的相關系數(shù)R2評價模型，然后預測葉爾羌河流域上游2021-2100年徑流量、輸沙量變化情況，研究結論如下：

1) CNRM-CM5、MIROC-ESM、NorESM1-M這3種模式徑流量預測值與實際值的相關性R2分別為0.87、0.87、0.89，輸沙量預測值與實際值的R2分別為0.91、0.99、0.90，相關性都較高，表明3個模式的模擬數(shù)據(jù)均可以模擬出影響因子與徑流、輸沙之間的相關關系。

2) 徑流量、輸沙量預測量在CNRM-CM5、MIROC-ESM兩個模式中RCP2.6和RCP4.5情景增長平緩，在RCP8.5情景下增長較為顯著。NorESM1-M模式中3種情景的徑流、輸沙預測量均表現(xiàn)出平穩(wěn)增長的態(tài)勢，其中RCP4.5情景下增加較為明顯，RCP8.5情景次之。