變化環(huán)境下瀾滄江- 湄公河流域干旱趨勢

龍 笛,韓忠穎,王一鳴

(清華大學(xué)水沙科學(xué)與水利水電工程國家重點(diǎn)實(shí)驗(yàn)室,北京 100084)

近70 a來在氣候變化和人類活動共同影響下,全球和區(qū)域水循環(huán)發(fā)生深刻改變,突出表現(xiàn)是水旱災(zāi)害的頻率、強(qiáng)度、影響范圍及周期等特征發(fā)生變化[1- 3]。厘清徑流情勢和水旱災(zāi)害改變的自然及人為因素,將為水資源安全保障和水災(zāi)害防治工作奠定基礎(chǔ)。瀾滄江- 湄公河(簡稱瀾湄)是亞洲最重要的跨境河流,全長約4 350 km,是東南亞最長的河流,流域集水面積約79.5萬km2。瀾湄起源于中國(中國境內(nèi)稱瀾滄江),流出國境后依次流經(jīng)緬甸、老撾、泰國、柬埔寨和越南(出境后稱湄公河),為沿岸國家的生產(chǎn)生活用水及水力發(fā)電提供了重要的淡水資源[4]。變化環(huán)境給瀾湄流域水資源管理帶來了巨大的壓力。一方面,由于氣候變暖引起的降水相態(tài)及冰雪融化過程改變,導(dǎo)致發(fā)源于青藏高原的瀾滄江源區(qū)徑流對氣候變化十分敏感[5- 8];另一方面,人口增長導(dǎo)致水資源和能源需求急劇增加,瀾湄干支流正在開展大規(guī)模的水電開發(fā)[9]。

近年來,瀾湄流域干旱頻發(fā)(如2004—2005年、2009—2010年、2015—2016年和2019—2020年干旱)[10]。據(jù)統(tǒng)計(jì),過去30 a間,干旱影響了東南亞超過6 600萬人口；過去5 a間,東南亞70%的土地和60%的人口受嚴(yán)重旱災(zāi)影響,造成了巨大的經(jīng)濟(jì)損失。正確認(rèn)識干旱發(fā)展趨勢,及時、全面地做好風(fēng)險防范和應(yīng)對工作,是減輕干旱影響和降低干旱損失的必然要求。國內(nèi)外研究工作主要聚焦于瀾湄未來徑流和洪水預(yù)估,較少涉及干旱[11- 12],瀾湄流域未來干旱趨勢以及瀾滄江梯級水庫發(fā)揮的作用仍待探索[13- 14]。另外,國際上有研究稱瀾滄江水庫蓄水發(fā)電會加劇湄公河下游國家的旱情[15- 18],亟需相關(guān)科學(xué)研究的持續(xù)跟蹤和支持,以更好地回應(yīng)下游國家的關(guān)切。

本研究旨在解析變化環(huán)境下瀾湄流域未來徑流演變和氣象水文干旱的發(fā)展趨勢,量化瀾滄江梯級水庫對徑流的調(diào)節(jié)作用,為跨境河流水資源管理和干旱防治提供理論依據(jù)和技術(shù)方法,以期促進(jìn)中國與其他瀾湄相關(guān)國家在水資源和災(zāi)害防治方面的合作共贏。

1 研究區(qū)域

瀾湄是亞洲最重要的跨境水系,發(fā)源于“地球第三極”青藏高原,流經(jīng)中國、緬甸、老撾、泰國、柬埔寨、越南6國,最終匯入南海(圖1)。瀾湄流域呈帶狀,地勢從西北向東南逐漸降低,流域內(nèi)高程差超過5 km。瀾滄江發(fā)源于青藏高原唐古拉山脈,流經(jīng)整個橫斷山區(qū),自云南省流出國境。其約2 200 km長河流伴隨著4.5 km的落差,河流河谷陡峭,蘊(yùn)含豐富水能,但巨大的高程差也加大了站點(diǎn)布設(shè)的難度,使其成為典型的缺資料流域。瀾滄江流域降水量由西北向東南遞增,流域年平均降水量約735 mm[3]。湄公河長約2 150 km,落差約500 m,干流河谷較寬,多彎道。湄公河流域年平均降水量空間分布不均,泰國東北部降水量最少,約1 000～1 600 mm,老撾南部和柬埔寨降水量最大,約3 000 mm[19]。受西風(fēng)和印度季風(fēng)影響,瀾湄濕季一般為6—11月,干季一般為12月至次年5月,流域中下游屬熱帶季風(fēng)氣候,干濕分明。瀾湄徑流主要來自降水,75%～85%的年徑流量在濕季產(chǎn)生,徑流量峰值通常出現(xiàn)在8月或9月[20]。本研究選擇瀾湄干流允景洪、瑯勃拉邦、穆達(dá)漢、上丁4個站點(diǎn)(表1)。

圖1 瀾滄江- 湄公河流域示意Fig.1 Location information on the Lancang- Mekong River basin

表1 瀾滄江- 湄公河干流主要水文站

2 研究方法

2.1 CREST水文模型

2.1.1 CREST水文模型介紹

CREST(Coupled Routing and Excess STorage)水文模型是由美國俄克拉荷馬大學(xué)和美國國家航空航天局(NASA)聯(lián)合開發(fā)的分布式水文模型[21]。該模型基于蓄水容量曲線計(jì)算流域產(chǎn)流,采用多層線性水庫模型計(jì)算流域匯流[22]。CREST- Snow在CREST基礎(chǔ)上耦合了地下水和積雪冰川模塊,使模型適用于具有冰凍圈水文過程的高山區(qū),是CREST的升級版[23- 24]。衛(wèi)星遙感數(shù)據(jù)逐漸被用作地面監(jiān)測數(shù)據(jù)的重要補(bǔ)充[25- 27],CREST- RS在CREST- Snow的基礎(chǔ)上耦合了遙感徑流模塊,可以采用遙感觀測的水位/河寬率定模型,從而使模型適用于無測站流域的徑流模擬[28]。CREST- RS模型結(jié)構(gòu)示意圖見文獻(xiàn)[29]。本研究搭建高分辨率(1 km×1 km,1 d)的CREST- Snow分布式水文模型模擬瀾滄江天然徑流。

CREST- Snow模擬的天然徑流包括降雨徑流(QRR)、融雪徑流(QSM)和融冰徑流(QGM)。模型中每個網(wǎng)格的總徑流(Q)計(jì)算如下：

Q=QRR+QSM+QGM

(1)

其中,融雪徑流采用基于度日因子(FDD)的溫度指數(shù)模型計(jì)算。相比于能量平衡模型,溫度指數(shù)模型所需驅(qū)動數(shù)據(jù)少,更適用于數(shù)據(jù)稀缺流域。融雪過程受度日因子和溫度控制,且融雪量應(yīng)小于網(wǎng)格中雪水當(dāng)量,具體計(jì)算過程如式(2) —式(4) 所示：

QSM,t=min(Smlt,t,SWE,t)

(2)

(3)

SWE,t+1=SWE,t-QSM,t+Ps,tF

(4)

式中：QSM,t為t時刻的融雪徑流；Smlt,t為t時刻的潛在融雪量；SWE,t為t時刻網(wǎng)格所含雪水當(dāng)量；FDD,snow為積雪融化度日因子；Tls為MODIS地表溫度；Ta為近地面氣溫；Ts,mlt為積雪融化溫度閾值；Δt為模型模擬時間步長；Ps,t為t時刻的降雪量；F為積雪升華參數(shù)。

冰川融化亦采用溫度指數(shù)模型計(jì)算(式(5)),假設(shè)冰川上積雪融盡后冰川才開始融化,計(jì)算過程如下：

(5)

式中：FDD,ice為冰川融化度日因子；Ti,mlt為冰川開始融化的溫度閾值。模型物理機(jī)制內(nèi)容詳見文獻(xiàn)[23- 24]。CREST- Snow共有24個參數(shù),其中產(chǎn)匯流模塊含16個參數(shù),冰川模塊含2個參數(shù),積雪模塊含6個參數(shù),表2為CREST- Snow模型主要參數(shù)及率定范圍。

表2 CREST- Snow模型主要參數(shù)及率定范圍

2.1.2 CREST水文模型應(yīng)用

針對瀾滄江流域出水口允景洪水文站,驅(qū)動數(shù)據(jù)包括CGDPA(China Gauge- based Daily Precipitation Analysis,0.25°×0.25°)降水、ERA- Interim(0.75°×0.75°)氣象數(shù)據(jù)計(jì)算的潛在蒸散發(fā)、ERA- Interim氣溫數(shù)據(jù)。CGDPA和ERA- Interim的時間跨度分別是1955—2014年和1980—2019年,覆蓋了實(shí)測徑流數(shù)據(jù)時段,滿足參數(shù)率定和驗(yàn)證需求。首先,采用Dai等[30]方法計(jì)算雪水當(dāng)量,對CREST- Snow融雪模塊進(jìn)行率定和驗(yàn)證,率定時段為2003年7月至2005年12月,驗(yàn)證時段為2006年1月至2010年12月[6]。允景洪水文站1980—2007年期間的實(shí)測徑流數(shù)據(jù)(僅供研究使用的非公開數(shù)據(jù))用于率定CREST- Snow模型融雪模塊之外的其余參數(shù),率定時段為1980—1986年,驗(yàn)證時段為1987—2007年(由于2008年后,允景洪水文站徑流受水庫修建和調(diào)度影響較大,故2008年后徑流數(shù)據(jù)未納入驗(yàn)證時段)。

針對湄公河干流瑯勃拉邦、穆達(dá)漢和上丁水文站,由于湄公河降雨產(chǎn)流占總徑流的絕大部分,故對這3個水文站的徑流模擬未開啟積雪模塊,不需要地表溫度驅(qū)動數(shù)據(jù),模型驅(qū)動數(shù)據(jù)為全球衛(wèi)星降水制圖產(chǎn)品(Global Satellite Mapping of Precipitation,GSMaP,0.1°×0.1°)和聯(lián)合國饑荒預(yù)警系統(tǒng)(Famine Early Warning System,FEWS,1°×1°)潛在蒸散發(fā)產(chǎn)品。GSMaP和FEWS的時間跨度分別為2000至今和2001至今,與實(shí)測流量時段對應(yīng)。3個水文站實(shí)測流量數(shù)據(jù)(來自湄公河委員會)覆蓋時段為2004—2014年,分別用于對CREST- Snow模型進(jìn)行率定和驗(yàn)證,率定時段為2004—2008年,驗(yàn)證時段為2009—2014年。本研究使用了CMIP6計(jì)劃下ScenarioMIP中的5個使用頻率較高的全球氣候模式(Global Climate Model,GCM)進(jìn)行徑流的未來預(yù)估,包括歐洲EC- Earth3模式、俄羅斯INM- CM5- 0模式、日本MIROC6模式、德國MPI- ESM1- 2- HR模式、挪威NorESM2- MM模式。這5個模式均提供1800—2100年3種共享社會經(jīng)濟(jì)路徑(SSP)- 典型濃度路徑(RCP)組合情景(SSP126、SSP245、SSP585)的輸出數(shù)據(jù),包括日尺度降水、最高氣溫、最低氣溫、平均氣溫等變量,用于驅(qū)動CREST- Snow模擬徑流并計(jì)算干旱指數(shù)。

在模擬未來徑流時,水文模型驅(qū)動數(shù)據(jù)為降水、氣溫和潛在蒸散發(fā)。其中,未來時期的潛在蒸散發(fā)采用Hargreaves方法[31],利用逐日最高、最低、平均氣溫計(jì)算得到。輸入模型前,需要對各GCM驅(qū)動數(shù)據(jù)進(jìn)行偏差校正。針對降水和潛在蒸散發(fā)2個變量,本研究采用分位數(shù)映射法(Quantile Mapping)對其按月進(jìn)行逐日校正[32]。降水參考數(shù)據(jù)為2003—2014年GSMaP降水?dāng)?shù)據(jù),待校正數(shù)據(jù)為各GCM的降水?dāng)?shù)據(jù)。潛在蒸散發(fā)參考數(shù)據(jù)為2003—2014年FEWS潛在蒸散發(fā)數(shù)據(jù),待校正數(shù)據(jù)為基于各GCM氣溫數(shù)據(jù)計(jì)算得到的潛在蒸散發(fā)數(shù)據(jù)。針對氣溫變量的校正,本研究采用差值法,即將歷史時期參考數(shù)據(jù)與待校正數(shù)據(jù)時間序列差值的平均值,加到待校正數(shù)據(jù)序列上[33]。氣溫參考數(shù)據(jù)為2003—2014年的ERA- Interim數(shù)據(jù),待校正數(shù)據(jù)為各GCM的氣溫數(shù)據(jù)。

以往使用GCM進(jìn)行未來徑流預(yù)估的研并不鮮見,但較少有研究評估GCM在歷史時期的表現(xiàn)以篩選合適的GCM。本研究使用歷史時期(2003—2014年)校正后的GCM數(shù)據(jù)作為模型驅(qū)動數(shù)據(jù),模擬4個水文站日尺度天然徑流并累積計(jì)算月尺度值,計(jì)算模擬徑流的納什效率系數(shù)(Nash- Sutcliffe Efficiency Coefficient,ENS),發(fā)現(xiàn)部分模式的驅(qū)動數(shù)據(jù)校正后模擬的徑流指標(biāo)仍不佳(見表3)。故本研究設(shè)定,若模擬的歷史時期徑流日尺度ENS<0.5且月尺度ENS<0.6,則排除該模式(表3下劃線表示的模式),其余可用模式的均值作為最終結(jié)果。表3顯示了歷史時期(2003—2014年)校正后GCM數(shù)據(jù)驅(qū)動水文模型,模擬4個水文站天然徑流的日尺度和月尺度統(tǒng)計(jì)指標(biāo),包括ENS,相關(guān)系數(shù)(Correlation Coefficient,CC)和相對偏差(DR)。

2.2 干旱分析方法

本研究基于氣象和水文干旱指數(shù),分析瀾湄流域干旱趨勢及氣象干旱與水文干旱的聯(lián)系。為量化氣象干旱,世界氣象組織(World Meteorological Organization,WMO)推薦使用標(biāo)準(zhǔn)化降水指數(shù)(Standardized Precipitation Index,ISP)。ISP假定降水量服從Gamma分布,進(jìn)行正態(tài)標(biāo)準(zhǔn)化處理,該指數(shù)可以對比不同地區(qū)在不同時間尺度的缺水狀況。在短時間尺度上,ISP可以反映土壤水變化,對農(nóng)業(yè)生產(chǎn)具有重要意義；在長時間尺度上,ISP可以反映地下水、地表徑流的演變等。使用月降水?dāng)?shù)據(jù)可計(jì)算不同統(tǒng)計(jì)尺度(1～36個月)的ISP(式(6)和式(7))[37]。

(6)

(7)

式中：s為正負(fù)系數(shù)；x為降水值；G(x)為降水的概率分布函數(shù),若G(x)>0.5,則H(x)=1-G(x)且s=1,否則H(x)=G(x)且s=-1；β為尺度參數(shù)；γ為形狀參數(shù)；其余參數(shù)為常數(shù)項(xiàng),c0=2.515 517；c1=0.802 853；c2=0.010 328；d1=1.432 788；d2=0.189 269；d3=0.001 308。由于降水是計(jì)算ISP所需的唯一輸入變量,且沒有考慮需水情景,使用標(biāo)準(zhǔn)化降水指數(shù)評估干旱的方法相對簡單。但現(xiàn)有研究表明,雨養(yǎng)低地水稻容易受氣象干旱影響,因此,以降水為基礎(chǔ)評估瀾湄流域尤其是下游流域的氣象干旱較為適宜[34- 35,38]。與旱季灌溉水稻生產(chǎn)力密切相關(guān)的水文干旱可通過水文干旱指數(shù)進(jìn)行評估。

表3 4個水文站天然徑流模擬的日尺度和月尺度統(tǒng)計(jì)指標(biāo)

本研究采用的水文干旱指數(shù)為標(biāo)準(zhǔn)化徑流指數(shù)(Standardized Streamflow Index,ISS)[39],該指數(shù)使用徑流數(shù)據(jù)作為輸入,計(jì)算方法同ISP。計(jì)算ISP和ISS的統(tǒng)計(jì)尺度均為12個月,可反映氣象干旱和水文干旱的年際波動。根據(jù)《氣象干旱等級:GB/T20481—2017》國家標(biāo)準(zhǔn)規(guī)定,干旱可以基于干旱指數(shù)劃分為5個等級,如表4所示[37]。本研究基于干旱指數(shù)劃分干旱事件,分析干旱頻率、強(qiáng)度等干旱特征變量[40]。干旱現(xiàn)象被定義為干旱指數(shù)(Xt)小于干旱閾值(X0)的連續(xù)月份序列。干旱開始時間為干旱事件開始的月份；干旱結(jié)束時間為缺水量足夠小以致干旱不再持續(xù)的月份。干旱事件強(qiáng)度(S)是指干旱開始至結(jié)束時間段內(nèi),Xt與X0之差的累積求和。本研究中采用12個月尺度的干旱指數(shù)(ISP- 12和ISS- 12)討論中旱及以上等級的干旱,故X0取-1。

表4 基于ISP和ISS的干旱標(biāo)準(zhǔn)強(qiáng)度等級劃分

3 結(jié)果與分析

3.1 降水及徑流變化趨勢分析

為評估流域降水及徑流變化趨勢,使用5個GCM 2003—2050年數(shù)據(jù),分別計(jì)算歷史時期(2003—2019年)和未來時期(2020—2050年)流域年均降水和4個站點(diǎn)年均徑流。圖2顯示上丁站上游流域5個GCM模式算術(shù)平均后的多模式集合的未來年均降水變化趨勢。相比歷史時期,未來時期流域年均降水呈略微增加的趨勢。空間上,流域年均降水量變化差異明顯(-10%～30%)。其中,瀾滄江源區(qū)降水增加最為明顯；中游無明顯變化或略有減??；下游降水呈增加趨勢。時間上,不論在何種情景下,流域降水隨時間推移逐漸增加；隨溫室氣體排放濃度增加,流域年均降水變化更為明顯,源區(qū)降水增加更多,中游降水減少更多。

圖2 上丁站上游流域多模式集合未來年均降水較歷史時期(2003—2019年)的相對變化Fig.2 Relative changes of multi- model ensemble future mean annual precipitation with reference to the historical period (2003—2019) in the upper basin of the Stung Treng gauging station

圖3顯示了瀾湄干流允景洪、瑯勃拉邦、穆達(dá)漢和上丁水文站上游流域2020—2050年多模式集合年均流量時間序列。CREST- Snow模擬的多模式集合未來天然年均流量在3種SSP- RCP組合情景(SSP126、SSP245、SSP585)下均呈不顯著上升趨勢,在SSP126和SSP585情景下,年均流量變化速率大于SSP245情景下的變化速率。相比歷史時期,未來時期4個水文站上游流域多年平均流量將分別增加6%、4%、1%和2%。由于歷史時期和未來時期年徑流數(shù)據(jù)同樣使用GCM集合平均模擬結(jié)果,故水文模型模擬偏差不會對多年平均流量變化產(chǎn)生顯著影響,以上平均流量的增加主要由氣候變化導(dǎo)致?？臻g上,氣候變化導(dǎo)致的流域多年平均徑流量變化與多年平均降水量的變化較為一致,允景洪和瑯勃拉邦站徑流增加較多,可能受源區(qū)徑流補(bǔ)給增加所致；中游降水變化不大甚至略有減小,導(dǎo)致穆達(dá)漢和上丁站徑流增幅較小。

圖3 瀾湄干流水文站2020—2050年多模式集合平均年均流量時間序列Fig.3 Multi- model ensemble mean annual discharge during 2020—2050 at four gauging stations on the mainstem of the Lancang- Mekong River

3.2 氣候變化對干旱頻次的影響

瀾湄干流4個水文站上游流域的ISP- 12和ISS- 12時間序列如圖4所示。各水文站ISP- 12和ISS- 12無顯著變化趨勢,干濕事件交替變化,ISS- 12較ISP- 12滯后1個月。如表5所示,允景洪、瑯勃拉邦、穆達(dá)漢和上丁水文站上游流域在2020—2029年SSP126、SSP245和SSP585情景下發(fā)生中等及以上水文干旱(ISS- 12≤-1) 的平均頻率分別為29%、26%、29%和30%,發(fā)生中旱等及以上氣象干旱(ISP- 12≤-1)的平均頻率分別為28%、28%、27%和27%。4個水文站上游流域在2030—2050年3種SSP- RCP組合情景下,發(fā)生水文干旱的平均頻率分別為10%、8%、9%和13%,發(fā)生氣象干旱的平均頻率分別為9%、10%、11%和12%。以上干旱頻率指干旱月數(shù)與時段總月數(shù)之比。

圖4 瀾湄干流4個水文站上游流域的ISS- 12和ISP- 12時間序列Fig.4 ISS- 12 and ISP- 12 series in the upper basins of four gauging stations on the mainstem of the Lancang- Mekong River

表5 基于ISS和 ISP統(tǒng)計(jì)未來氣候情景下瀾滄江- 湄公河流域干旱頻率

總體而言,氣象干旱和水文干旱發(fā)生的頻率接近。2020—2050年瀾湄流域總體呈濕潤趨勢,其中2020—2029年干旱頻發(fā),2030—2050年洪水風(fēng)險增加[41]。隨溫室氣體排放濃度增加,2020—2050年干濕震蕩加劇,2020—2029年干旱頻率下降,2030—2050年干旱頻率上升。

3.3 氣候變化對干旱強(qiáng)度的影響

如表6所示,計(jì)算允景洪、瑯勃拉邦、穆達(dá)漢和上丁水文站在2020—2029年3種SSP- RCP組合情景下的干旱等級強(qiáng)度,并統(tǒng)計(jì)發(fā)生中旱等級以上水文干旱事件的平均數(shù)分別為4、6、4和5,發(fā)生中旱等級以上氣象干旱的平均數(shù)分別為5、9、6和8。4個水文站在2030—2050年3種SSP- RCP組合情景下,發(fā)生中旱等級以上水文干旱事件的平均數(shù)分別為6、4、6和4,發(fā)生中旱等級以上氣象干旱的平均數(shù)分別為7、7、8和6。總體而言,氣象干旱往往較水文干旱更嚴(yán)重,隨溫室氣體排放濃度增加,2030—2050年干旱強(qiáng)度有所升高；空間上,2020—2050年老撾、泰國的干旱在強(qiáng)度和頻率上比瀾湄流域其他國家更為嚴(yán)重,這和降水空間變化一致。

表6 基于ISS和 ISP統(tǒng)計(jì)未來氣候情景下瀾湄流域不同干旱標(biāo)準(zhǔn)強(qiáng)度等級的干旱事件數(shù)

國際環(huán)境管理中心(International Centre for Environmental Management)在關(guān)于氣候變化對瀾湄下游流域影響的研究報告中指出[42],若月降水量不足蒸散量的50%則認(rèn)為該月發(fā)生農(nóng)業(yè)干旱,基于第三次國際耦合模式比較計(jì)劃(Coupled Model Intercomparison Project Phase 3,CMIP3)GCMs數(shù)據(jù)分析得出結(jié)論：截至2050年,瀾湄下游流域發(fā)生的農(nóng)業(yè)干旱主要集中在老撾和泰國東北部地區(qū),這與本研究結(jié)論相似。另外,以穆達(dá)漢站為例(圖4和表6),隨溫室氣體排放濃度增加,2030—2050年發(fā)生中旱和特旱事件數(shù)增加,干旱嚴(yán)重程度增加但干旱持續(xù)時間可能縮短。

3.4 水庫調(diào)度對干旱變化趨勢的影響

利用歷史水庫調(diào)度規(guī)律曲線作為水庫調(diào)節(jié)徑流演算的調(diào)度方案[43],使用GCM驅(qū)動數(shù)據(jù)結(jié)合2.1中率定的CREST- Snow模擬天然徑流時間序列,可進(jìn)一步模擬經(jīng)瀾滄江梯級水庫調(diào)節(jié)后4個水文站所在河道斷面的日尺度水庫調(diào)節(jié)徑流,評估未來瀾滄江梯級水庫對徑流的調(diào)節(jié)作用。圖5顯示了瀾湄干流4個水文站2020—2050年的多年平均天然月均流量和水庫調(diào)節(jié)后的月均流量,從中可以看出水庫對徑流具有明顯的削峰補(bǔ)枯作用,水庫的調(diào)節(jié)作用從上游到下游逐漸減弱。

圖5 瀾湄干流4個水文站2020—2050年多年平均天然月均流量和水庫調(diào)節(jié)月均流量Fig.5 Multi- year mean monthly natural and reservoir- regulated discharge during 2020—2050 at four gauging stations on the mainstem of the Lancang- Mekong River

基于模擬的逐日徑流量,可計(jì)算其干季和濕季徑流量(表7)。結(jié)果表明：2020—2050年允景洪站經(jīng)水庫調(diào)節(jié)后干季徑流量增加了近1倍；瑯勃拉邦站、穆達(dá)漢站和上丁站干季徑流量增幅分別為83%、83%和68%。允景洪站2020—2050年多年平均干季天然徑流量占下游3個水文站多年平均干季天然徑流量的比例分別為66%、44%和30%,經(jīng)水庫調(diào)節(jié)后該比例分別為72%、47%和34%。干季是湄公河流域農(nóng)業(yè)用水的高峰期[10],瀾滄江干季徑流對下游農(nóng)業(yè)十分重要,瀾滄江干流梯級水庫發(fā)揮調(diào)豐補(bǔ)枯作用,可大幅增加下游湄公河干季徑流量,有助于緩解下游干季旱情,保障下游國家水資源安全。

表7 瀾滄江- 湄公河干流4個水文站2020—2050年多年平均干濕季天然徑流量和水庫調(diào)節(jié)徑流量

允景洪站2020—2050年天然狀態(tài)多年平均濕季徑流量經(jīng)水庫調(diào)節(jié)后減小了43%；瑯勃拉邦站、穆達(dá)漢站和上丁站濕季徑流量減小幅度分別為21%、8%和6%。瀾滄江梯級水庫調(diào)度在減小濕季徑流方面,對允景洪和瑯勃拉邦站作用較為明顯,對穆達(dá)漢和上丁站作用較小。

圖6顯示了瀾湄干流4個水文站上游流域分別基于天然徑流和水庫調(diào)節(jié)徑流計(jì)算所得ISS- 12時間序列。盡管瀾滄江干流梯級水庫可大幅提升允景洪站下游湄公河干季徑流,但I(xiàn)SS- 12時間序列差別不大,表明瀾滄江干流梯級水庫雖有2座大型水庫(小灣和糯扎渡),但一直發(fā)揮季節(jié)性調(diào)節(jié)作用,難以有效緩解多年持續(xù)干旱(尤其在2020—2029年間),未來可進(jìn)一步優(yōu)化水庫調(diào)度方式,更好地應(yīng)對瀾湄流域干旱。

圖6 瀾湄干流4個水文站分別基于天然徑流和水庫調(diào)節(jié)徑流計(jì)算所得的ISS- 12時間序列Fig.6 ISS- 12 series from natural and reservoir- regulated streamflow at four gauging stations on the mainstem of the Lancang- Mekong River

4 結(jié) 論

本文在瀾湄流域使用經(jīng)偏差校正的CMIP6計(jì)劃5個GCM模式,在3種SSP- RCP組合情景(SSP126、SSP245、SSP585)下的氣象數(shù)據(jù),驅(qū)動CREST- Snow分布式水文模型,預(yù)估了2020—2050年氣候變化情景下的徑流演變趨勢?；贗SP和ISS時間序列,分析了瀾湄流域氣象和水文干旱的未來發(fā)展趨勢,量化了瀾滄江干流梯級水庫調(diào)度對下游徑流的調(diào)節(jié)作用。主要結(jié)論如下：

(1) 瀾湄干流上丁站上游流域平均降水相比于歷史時期(2003—2019年)呈略微增加趨勢?？臻g上,流域年均降水量變化差異明顯(-10%～30%),其中瀾滄江源區(qū)和下游流域降水呈增加趨勢；中游流域降水無明顯變化或略有減小。CREST- Snow模擬所得瀾湄干流從上游至下游4個水文站的多模式集合未來天然年徑流在3種SSP- RCP組合情景下均呈不顯著上升趨勢。

(2) 基于ISS和ISP分析瀾湄流域未來干旱趨勢,結(jié)果表明,水文干旱較氣象干旱滯后1個月,且氣象干旱在多數(shù)情況下重于水文干旱。2020—2050年瀾湄流域整體呈濕潤趨勢；在3種SSP- RCP組合情景下,瀾湄流域極端干濕事件發(fā)生頻率均增加,其中2020—2029年干旱頻發(fā),2030—2050年更偏濕潤；隨溫室氣體排放濃度增加,干濕震蕩加劇,干旱嚴(yán)重程度增加。空間上,老撾和泰國在2020—2050年干旱的頻率和強(qiáng)度比流域內(nèi)其他國家更高。

(3) 瀾滄江干流梯級水庫可有效提升瀾湄干流干季徑流量,增幅從上游(99%)至下游(68%)遞減,梯級水庫調(diào)度可有效緩解湄公河干季旱情,保障流域水資源和生態(tài)安全。梯級水庫調(diào)度亦有助于下游防洪,對中國和老撾北部防洪效果更為明顯,對泰國東北部、柬埔寨和越南防洪作用有限。目前,瀾滄江干流梯級水庫僅發(fā)揮季節(jié)性調(diào)節(jié)作用,難以有效緩解流域可能發(fā)生的多年持續(xù)干旱,未來有待進(jìn)一步加強(qiáng)瀾湄合作,優(yōu)化水庫調(diào)度方式,促進(jìn)流域內(nèi)各國水資源安全和水旱災(zāi)害防治。