變化環(huán)境下城市流域徑流演變及響應研究

劉藝欣 李永坤 張力 王麗晶 王紅瑞

【主持人語】在全球氣候變化和城市化進程不斷加快的影響下，極端降雨事件呈現(xiàn)多發(fā)、頻發(fā)的特性。對此，增強城市防洪排澇能力，建設海綿城市、韌性城市成為現(xiàn)階段我國城市雨洪領域研究的重點，也是發(fā)展水利新質(zhì)生產(chǎn)力并使城市得以可持續(xù)發(fā)展的關(guān)鍵。圍繞這一主題，諸學者分別從洪水過程模擬、降雨徑流污染特征分析、綠色屋頂適建潛力評估、城市流域徑流演變等多個方面開展海綿城市系統(tǒng)構(gòu)建與城市洪澇治理研究。以期從應用需求的角度對城市雨洪防治和海綿城市的統(tǒng)籌規(guī)劃建設等提供技術(shù)支持。

【主持人】王紅瑞，北京師范大學水科學研究院教授，博士生導師。

摘要 流域徑流是變化環(huán)境的重要響應要素，在氣候變化和人類活動的影響下，流域徑流量已經(jīng)發(fā)生了深刻變化，研究其演變及響應特征有助于提高人類對變化環(huán)境的應對能力。以北運河北京市域主要集水區(qū)為研究區(qū)，通過分析水文氣象觀測站近40年水文數(shù)據(jù)，分析北運河流域降水徑流變化趨勢，提取洪水場次;引入全球氣候模式數(shù)據(jù)，利用降尺度模型進行降尺度處理，與水文模型結(jié)合對流域徑流進行了預報分析。結(jié)果表明：流域歷史降水趨勢性變化不明顯，徑流量呈增大趨勢;未來北運河流域（通縣站）水資源的變化在氣候變化影響下較為明顯，隨著溫度升高、降水增加，流量增大，預測流量在21世紀中期達到新高，為385.1 m3／s;隨著輻射強迫的持續(xù)增加，水文響應程度也相應增大，北運河流域大部分徑流峰值出現(xiàn)在2050時期后期和2090時期。研究結(jié)果可為城市流域未來水資源利用、防洪減災措施與雙碳目標的實現(xiàn)路徑的探索提供一定的參考。

關(guān)鍵詞 氣候變化;流域徑流;徑流預報;雙碳目標

中圖分類號：TV122? DOI：10.16152/j.cnki.xdxbzr.2024-03-001

Urban watershed runoff evolution and theresponse under changing environment

LIU Yixin1， LI Yongkun2， ZHANG Li1， WANG Lijing2， WANG Hongrui1

（1.College of Water Science， Beijing Normal University， Beijing 100875， China;2.Beijing Water Science and Technology Institute， Beijing 100048， China）

Abstract Basin runoff is an important response factor to changing environment. Under the influence of climate change and human activities， watershed runoff has undergone profound changes. Studying its evolution and response characteristics is helpful to improve humans ability to cope with changing environment. Taking the main catchment area of the Beijing municipal area of the North Canal as the study area， the variation trend of rainfall and runoff in the North Canal basin was analyzed by analyzing the hydrological data of hydrometeorological observation stations in the past 40 years， and the flood field was extracted. The global climate model data is introduced， the downscaling model is used for downscaling， and the runoff forecast is analyzed in combination with the hydrological model. The results show that the historical precipitation trend of the basin is not obvious， and the runoff is increasing. In the future， the change of water resources in the North Canal Basin （Tongxian Station） will be more obvious under the influence of climate change. With the increase of temperature and precipitation， the runoff will increase， and the discharge is predicted to reach a new high of 385.1m3／s in the middle of this century.With the continuous increase of radiative forcing， the degree of hydrological response increases correspondingly， and most of the peak runoff in the North Canal basin occurs in the late 2050 and 2090 periods. The research can provide some reference for the future water resource utilization， flood containment and disaster reduction measures and the realization path of dual carbon targets in urban watershed.

Keywords climate change; watershed runoff; runoff forecast; carbon peaking and carbon neutrality goals

城市流域徑流關(guān)系著城市生態(tài)環(huán)境、防災減災、水資源利用以及社會經(jīng)濟發(fā)展和穩(wěn)定。百年間，全球氣候發(fā)生了以變暖為主要特征的變化。探究徑流對氣候變化的響應，尤其是準確預估未來氣候變化情景下徑流變化對于水資源規(guī)劃和管理以及水利高質(zhì)量發(fā)展等都具有重要的科學與應用價值。研究氣候變化對水文水資源的影響及響應應對措施是當今學界研究的重點問題之一。

關(guān)于水文氣象要素的演變規(guī)律研究已相對成熟。1999年，葉陌生等［1］分析了新疆地區(qū)水文氣象特征的變化特征，判斷了新疆地區(qū)冰雪徑流對氣候變暖的響應。周婷等［2］利用Mann-Kendall和Pettitt數(shù)理統(tǒng)計方法分析了湄公河清盛水文站的突變點。陳鑫等［3］使用Morlet小波變換對關(guān)河水庫流域水文序列進行周期性分析，驗證了氣候因素以及人類活動影響下的徑流周期性變化特點。基于歷史資料研究水文要素演變規(guī)律愈發(fā)成熟后，國內(nèi)外專家學者開始對未來徑流的演變展開研究。國外對徑流預測研究較早，最早開始選取常用的數(shù)理統(tǒng)計方法對徑流序列進行分析并使用對線性理論作相應預測。Carlson等［4］使用ARMA（p，q）模型對年徑流進行預測。Theodore等［5］使用預測突發(fā)洪水和水文氣候研究的分布式水文模型來解決徑流的預測問題，使得該模型的使用范圍得到擴大，并有力地促進了該研究的開展。伴隨著計算機技術(shù)的迅猛發(fā)展，人工神經(jīng)網(wǎng)絡、支持向量機和深度學習等各類人工智能方法被相繼提出并逐漸在水文預報領域得到廣泛應用［6］。Shamseldin等［7］在水文學研究領域引入了ANN組合方法。Hong M等［8］提出采用遺傳算法對相空間重構(gòu)預測法進行改進，從而解決長期徑流序列時對嵌入維度難以確定的難題，結(jié)果表明改進后的相空間重構(gòu)預測法在豐水年和枯水年應用方面更有優(yōu)勢。

國內(nèi)外學者圍繞氣候變化下的徑流預測開展了大量的工作，并形成了“未來氣候情景-水文模擬-徑流預測”的研究思路［9］。全球氣候模式基于旋轉(zhuǎn)球體納維斯托克斯方程采用熱力學理論模擬了包括輻射、潛熱等多種能源項在內(nèi)的全球大氣環(huán)流模式，模擬和假設了全球氣候在歷史和未來時期的變化趨勢?，F(xiàn)有的全球氣候模式可以較好地模擬大區(qū)域和季節(jié)尺度的平均氣候變化特征，但是存在空間分辨率低、輸出存在偏差等諸多問題，不能直接用于驅(qū)動影響模型（如水文模型）進行氣候變化影響評估。為了解決全球氣候模式與區(qū)域影響評估模型（如水文模型）之間的結(jié)合問題，降尺度方法得以發(fā)展。其中統(tǒng)計降尺度方法既能發(fā)揮出數(shù)值模式對大尺度環(huán)流較高的預測水平，又結(jié)合了區(qū)域范圍內(nèi)統(tǒng)計特征，避免全球模式對區(qū)域尤其是復雜地形的預測局限性。

目前，利用全球氣候模式數(shù)據(jù)和統(tǒng)計降尺度模型在城市流域開展徑流預報的研究相對較少。本研究基于全球氣候模式數(shù)據(jù)和更完整的原始水文數(shù)據(jù)，構(gòu)建了適用于北京市域內(nèi)北運河流域的HEC-HMS模型，預測了流域未來降雨徑流變化情況，旨在豐富預測城市流域徑流的方法和技術(shù)體系，為北運河流域應對氣候變化、開展水資源戰(zhàn)略規(guī)劃和管理、研判治水方略［10］、制定雙碳目標實現(xiàn)路徑［11］等提供有力的科學支撐，對于促進實現(xiàn)城市高質(zhì)量發(fā)展［12］具有重要的理論和實踐意義。

1 研究區(qū)概況

本文的研究區(qū)為北運河北京市域主要集水區(qū)，北京市北運河流域分布在潮白河流域與永定河流域之間，流域面積為4 423 km2，是北京市內(nèi)平原流域面積最大的流域（見圖1）。氣候特征方面，研究區(qū)屬于大陸季風性氣候，多年平均氣溫約11.7 ℃;降水多集中于6—9月，多年平均降水量約為 600 mm，年際降水量變化較大，年內(nèi)分布不均。地形特征方面，北部、東北部為山區(qū)，東南部由堆積平原構(gòu)成，地勢總體上呈西北高、東南低［13］。

2 數(shù)據(jù)和方法

2.1 數(shù)據(jù)收集與處理

本研究涉及的數(shù)據(jù)包括輸入模型的水文數(shù)據(jù)、氣候模式數(shù)據(jù)等，數(shù)據(jù)來源及基本信息如下。

1）水文數(shù)據(jù)。收集北運河流域王家園水庫、十三陵水庫、馬駒橋、榆林莊、溫泉、高碑店、通縣7個代表性水文監(jiān)測站、雨量監(jiān)測站點的不同歷時時期的逐日、逐場次降雨徑流摘錄資料。主要包括：2010—2020年降雨徑流摘錄資料、1980—2021年逐年徑流量統(tǒng)計資料、流域控制站控制面積等，將數(shù)據(jù)整理為小時尺度，整理為適合模型輸入的格式。北運河上游為溫榆河，至通縣站（即通州北關(guān)閘）與通惠河相匯合后始稱北運河，是北運河重要的監(jiān)測站點之一，通縣（北）閘上站的降水流量資料是研究北運河干流歷史降水徑流演變的重要資料來源（見圖2）。根據(jù)2010—2020年通縣（北）閘上站流量資料，提取出北運河流域7個代表性水文監(jiān)測站的14場雨洪關(guān)系對應較好的場次洪水及降雨（見表1），作為后續(xù)研究內(nèi)容基礎數(shù)據(jù)資料。

2）氣候模式數(shù)據(jù)。 本研究數(shù)據(jù)由CMIP6的氣候模式BCC-CSM2-MR資料和北京市2000—2010年觀測降雨資料構(gòu)成，模式資料來源于國家氣候中心。本研究選取基于SSP2（中度發(fā)展）的RCP 4.5路徑下的人口密度和經(jīng)濟的未來預估數(shù)據(jù)（即SSP245典型情景）進行下一步研究，分析研究區(qū)未來不同時期氣候變化特征。該數(shù)據(jù)的空間分辨率為1.125°×1.125°。本文通過同倍比法對比兩者歷史年份（2000—2010年）的降水數(shù)據(jù)，對未來氣候情景數(shù)據(jù)進行了修正。

2.2 研究方法

2.2.1 CMhyd降尺度模型

流域模型通常用于模擬未來氣候條件對水文過程的影響［14］。然而，Teutschbein和Seibert指出，由于系統(tǒng)模型誤差或網(wǎng)格單元內(nèi)的離散化和空間平均，溫度和降水的模擬經(jīng)常顯示出明顯的偏差，這阻礙了模擬氣候數(shù)據(jù)作為水文模型直接輸入數(shù)據(jù)的使用。偏差修正程序用于最小化每日時間步長上觀測和模擬氣候變量之間的差異，以便由修正的模擬氣候數(shù)據(jù)驅(qū)動的水文模擬與使用觀測氣候數(shù)據(jù)的模擬更好地匹配。CMhyd是一種工具，可用于提取從全球和區(qū)域氣候模型中獲得的數(shù)據(jù)并對其進行偏差校正［15］。

偏差校正程序采用轉(zhuǎn)換算法來調(diào)整氣候模型輸出?；舅枷胧谴_定觀測和模擬的歷史氣候變量之間的偏差，以參數(shù)化偏差校正算法，該算法用于校正模擬的歷史氣候數(shù)據(jù)。偏差校正方法被假定為固定的，即用于當前氣候條件的校正算法及其參數(shù)被假定為對未來條件也有效。因此，相同的校正算法被應用于未來的氣候數(shù)據(jù)。

2.2.2 HEC-HMS模型

HEC-HMS（hydrologic engineering center-hydrologic modeling system）是一款用于模擬人工或者自然狀態(tài)下流域降雨徑流過程的分布式水文模型。HEC-HMS的主要功能是用于洪水預報計算，在模擬洪水過程中融合物理概念。該模型考慮了流域下墊面情況以及氣候因素，可連續(xù)或場次模擬流域在各種情況下的降雨徑流過程，有助于提高洪水模擬精度。作為一款適用于濕潤、半濕潤、干旱和半干旱地區(qū)的分布式水文模型，HEC-HMS模型具有強大的功能，不同模塊中有不同的產(chǎn)匯流計算方法，多種計算方法結(jié)合使用，可以找到更適合研究流域的組合方法，使模擬結(jié)果更準確?；谘芯繀^(qū)的自然地理條件，本研究選取以下4種方法組合。

1）SCS曲線數(shù)法。

SCS曲線數(shù)法是一種經(jīng)驗計算流域降雨損失方法，由美國水土保持局基于水平衡原理率先提出，在短期降雨形成的徑流過程中模擬效果更好［16］。該方法計算公式為

Pe=（P-Ia）2P-Ia+S（1）

式中：Pe代表時間t時的累計凈降雨，mm;Ia代表初始降雨損失，mm;S代表土壤潛在最大截留，mm。根據(jù)眾多實驗性集水區(qū)的結(jié)果分析，美國土壤保護局推導出了Ia和S之間的關(guān)系式

Ia=0.2S? （2）

累計凈雨量公式轉(zhuǎn)換為

Pe=（P-0.2S）2P+0.8S（3）

由于土壤潛在最大截留S與集水區(qū)中間參數(shù)曲線數(shù)CN存在相互轉(zhuǎn)換關(guān)系，S和CN轉(zhuǎn)換公式如下。

CN是無量綱參數(shù)，其理論取值在0～100之間，取值大小與流域內(nèi)土地利用、植被、土壤類型等下墊面情況密切相關(guān)，在降雨徑流實際模擬過程中，CN可根據(jù)流域下墊面真實情況對照美國國家工程手冊提供的CN值表查詢，一般取值范圍在40～98之間。

2）SCS單位線法。SCS單位線是一種參數(shù)化單位線模型［17］。SCS單位線將任意時間t的單位線流量Ut表示成單位線的峰值流量Up乘以一個系數(shù)和單位線峰值時間Tp的比值，計算公式為

Up=CATP（4）

式中：A代表集水區(qū)面積;C是轉(zhuǎn)換常數(shù)（SI單位時區(qū)2.08）。

峰值時間TP計算公式為

TP=Δt2+tlag? （5）

式中：Δt代表凈降雨歷時（HEC-HMS中時間的計算間隔）;tlag代表集水區(qū)洪峰延時，表示為降雨中心位置時間與峰值時間的差值。

SCS單位線法只要輸入集水區(qū)流域滯時tlag，與匯流時間tc的關(guān)系可用下式大致估算

tlag=0.6tc? （6）

其中，tc是匯流時間的總和，包括地表坡面徑流單元運動時間、淺槽水流單元運動時間和河道單元運動時間。

3）退水曲線法。

退水曲線法是一個基流指數(shù)衰減模型，源于對集水區(qū)任意時刻的基流量和初始基流可能存在某種聯(lián)系的假設而建立，常用來解釋集水區(qū)蓄水量的自然排水問題［18］，函數(shù)關(guān)系式為

Qt=Q0kt? （7）

式中：Qt表示時間t時的基流，m3／s;Q0代表初始基流（時），m3／s;k為指數(shù)衰減常數(shù)。退水曲線取值如表2所示。

4）馬斯京根法。

馬斯京根法是對水力學方程進行水文學簡化，即將連續(xù)方程簡化成水量平衡方程（河段入流減出流等于河段蓄水量變化）、將動量方程簡化為槽蓄關(guān)系曲線（河段出流量與蓄水量成正比），由于使用起來較簡單［19］，故應用較廣泛。其方程為

Qt=C1It+C2It-1+C3Qt-1? （8）

C1=Δt-2KX2K（1-X）+Δt? （9）

C2=Δt+2KX2K（1-X）+Δt? （10）

C3=2K（1-K）-Δt2K（1-X）+Δt（11）

式中：Qt和Qt-1分別對應河道t時刻、t-1時刻的出流量;K為洪水在河道的運動時間;X為流量比重因子，一般取值范圍在0～0.5之間;Δt為時間步長;It-1、It分別為初始時刻入流量和計算時刻入流量。

2.2.3 模擬結(jié)果評價指標

根據(jù)《水文情報預報規(guī)范》（GB／T 22482—2008，以下簡稱“規(guī)范”），選取洪水預報合格率（R）、洪峰流量相對誤差（EQ）、峰現(xiàn)時差（ΔT）及納什效率系數(shù)（Nash-Sutcliffe efficiency coefficient，NSE）作為模型模擬精度等級評定指標。評價標準為：EQ、ΔT絕對值越小，模擬結(jié)果越好;R、NSE的值越接近1，模型精度越高。各項評價指標的計算方法如下。

1）洪峰流量相對誤差計算公式

EQ=QS-Q0Q0×100％? （12）

式中：EQ為洪峰流量的相對誤差值;Q0為實測洪峰流量，QS為模擬出來的洪峰流量。根據(jù)規(guī)范規(guī)定，EQ允許誤差范圍為實測洪峰的20％。

2）峰現(xiàn)時差

ΔT=T2-T1? （13）

式中：ΔT為峰現(xiàn)時刻之差；T1為實測洪水峰現(xiàn)時間；T2為模型模擬出的峰現(xiàn)時間。根據(jù)“規(guī)范”規(guī)定，ΔT允許誤差范圍在實測峰現(xiàn)時刻與模擬洪水過程的峰現(xiàn)時刻之間時距的30％之內(nèi)，最大不超過3 h。以上這3個指標可以用來評價場次洪水模擬結(jié)果是否達標。

3）納什效率系數(shù)（NSE，式中以NNSE表示）計算公式

NNSE=1-∑ni=1（Qi-Q）2∑ni=1（Qi-）2 （14）

式中：Qi為模擬的流量值；Q為實測的流量值;n為資料序列長度;[AKQ-]為實測流量的均值。

4）合格率計算公式

R=mn（15）

式中：R為洪水預報的合格率；n為預報總次數(shù)；m為合格預報次數(shù)。

根據(jù)合格率及確定性系數(shù)可以評價模型模擬精度等級，規(guī)定如表3所示。

3 結(jié)果分析

3.1 模型參數(shù)率定

本研究中模型涉及的參數(shù)有CN值、不透水面積比例、地表截留、洪峰滯時、初始流量、衰退系數(shù)以及河道匯流演算所需的槽蓄曲線坡度Κ和比重因子X。采用人工調(diào)參法和目標函數(shù)法結(jié)合的方式來進行參數(shù)率定，率定過程如下：CN值與洪峰滯時使用CNgrid和HEC-Geo HMS工具計算得出，其余參數(shù)首先通過人工試錯的方式，結(jié)合典型流域特征以及其他學者在相似流域所作研究，在參數(shù)合理范圍內(nèi)逐一嘗試不同的取值，不斷重復該步驟直到模擬的洪水過程與實測結(jié)果較為吻合;在人工試錯的基礎上，使用HEC-HMS水文模型內(nèi)置的單變量梯度搜索（Univarite-Gradient）自動優(yōu)化方法，以均方根誤差（RMS）為參數(shù)率定標準，以實測資料為目標值，通過對各參數(shù)的初設值進行多次重復疊代，最終得出調(diào)整優(yōu)化后的模型參數(shù)。同樣選取流域2010—2020年間的4場典型洪水，其中3場用于各子流域參數(shù)率定，1場用于模型驗證，探索HEC-HMS模型在該流域的適用性，率定期的場次洪水模擬結(jié)果如圖3所示。

流域參數(shù)率定結(jié)果見表4?？梢钥闯觯珻N值平均值為70。各子流域的洪峰滯時lag受到CN值和流域植被覆蓋、地形地貌等多種因素的影響亦各不相同;衰退系數(shù)的取值能夠側(cè)面反映流域的退水規(guī)律，率定的結(jié)果看出各子流域衰退系數(shù)取值相同，因此子流域的退水規(guī)律基本相似。

峰現(xiàn)時間隨著槽蓄曲線坡度Κ值的增大滯后，洪峰流量會隨著比重因子X值的增大而減小。采用馬斯京根法進行北運河流域（通縣站）河道匯流演算，本研究最終率定的Κ值和比重因子X分別為2 h和0.2。

3.2 模型模擬結(jié)果及誤差分析

據(jù)流域驗證期和率定期場次洪水模擬結(jié)果，將洪峰流量、峰現(xiàn)時間的實測值和模擬值進行對比，計算結(jié)果的相對誤差及納什效率系數(shù)見表5。

由表5可知，洪峰流量相對誤差的平均值為16.88％，模擬的峰現(xiàn)時刻與實測值的誤差不超過4 h，平均峰現(xiàn)時間誤差為2.25 h。平均Nash系數(shù)為0.70，其中20180723場次洪水的Nash系數(shù)為0.64，本場洪水洪峰誤差為18.45％，但峰現(xiàn)時間誤差較小，為2 h。根據(jù)對本場洪水降雨過程分析，本場洪水對應著強降雨，起漲時間短，匯流時間快，洪峰流量較大，因此模擬效果不好。參照《水情預報規(guī)范》中對于洪峰流量、徑流深、峰現(xiàn)時間和確定性系數(shù)的誤差要求，挑選的4場洪水中合格率為75％，構(gòu)建模型的精度為乙等。綜上所述，HEC-HMS分布式水文模型在流域驗證良好，因此該模型適用于北運河流域（通縣站），可模擬分析該流域洪水過程，率定出產(chǎn)匯流參數(shù)可分析該流域現(xiàn)階段降雨事件下的洪水響應特征。

3.3 徑流模擬結(jié)果

基于CMhyd模型對氣候模式數(shù)據(jù)進行降尺度和偏差校正處理，再根據(jù)校準后的HEC-HMS模型，將基于SSP2的RCP 4.5典型濃度發(fā)展路徑下2015—2100年修正后的降水數(shù)據(jù)寫入模型，其余參數(shù)不變，分析2030—2100年流域徑流。

降尺度數(shù)據(jù)的時間范圍是2010—2100年，本研究選取2000—2015年降雨數(shù)據(jù)為歷史參照時段，對2030—2039年、2050—2059年和2090—2100年（分別代表本世紀近期、中期和末期）展開研究。徑流模擬結(jié)果見圖4。

徑流的變幅是氣候變暖的一種響應結(jié)果，未來北運河流域（通縣站）降水與徑流的變化在氣候變化影響下較為明顯。結(jié)合SSP245未來氣候情景下的徑流預測結(jié)果，評估未來2030—2100年降水量，得到近期、中期與末期的日降水量最大值分別為131.38、187.71和173.39 mm。由于2030年左右溫度升高相對不明顯，降水量沒有發(fā)生較大變化。伴隨著設置情境中氣溫逐漸升高、輻射強迫增加，降水量也呈增大趨勢。

分析未來氣候情景下的徑流變化可得：隨著未來流域溫度升高和降水增加，流量也在增大。由圖4可知，SSP245排放情景下3個階段徑流均呈增加趨勢，流量在中期達到新高，為385.1 m3／s。北運河流域大部分徑流峰值出現(xiàn)在2050時期的后期和2090時期，表明隨著輻射強迫的持續(xù)增加，水文響應程度也相應增加，月徑流增加幅度也不斷加大。同時由圖4可知，到2050時期，流域SSP245發(fā)展路徑下的月平均徑流低于其他兩個時期，枯水期月徑流的情況更為顯著。北運河流域未來2090—2100年模擬年徑流過程線與中期情況較為類似，總體上徑流的峰值大部分都出現(xiàn)在SSP245發(fā)展路徑下的中期和遠期。而近期由于降水和氣溫的變化與當下相比變幅不大，徑流量也沒有發(fā)生較大變化。因此，通過提高能源利用效率、保護修復森林、草原、濕地等措施有效實現(xiàn)碳排放強度和總量“雙控”［20］，通過減緩環(huán)境溫度與降水的增幅速度，可有效減小徑流的變化幅度，減輕北運河流域水旱災害;城市流域依托豐富的自然資源得以穩(wěn)定快速發(fā)展，未來北運河流域要科學合理利用水資源，規(guī)劃好水資源如何用、用多少，將流域優(yōu)勢充分發(fā)揮在城市建設中，實現(xiàn)城市的綠色高質(zhì)量發(fā)展。

4 結(jié)論

徑流演變趨勢與決定水循環(huán)的氣候條件和人類活動密切相關(guān)，如河川徑流的流量和流速取決于各種環(huán)境因素，包括降水的數(shù)量和模式、氣溫、地形地貌和下滲能力。除了自然因素外，河流的水文狀況還受到人類取用水資源、水庫調(diào)蓄攔截、土地利用和覆被變化的影響。結(jié)合上述分析，綜合對流域徑流預報的模擬結(jié)果，針對北運河流域的防洪調(diào)度提出以下對策及建議。

1）關(guān)注北運河流域2038年、2055年、2095年關(guān)鍵年份洪水情況，及時通過溫潮減河、運潮減河削減洪峰，做好防洪預案。

根據(jù)流域徑流預報結(jié)果，北運河在2038年夏季、2055年夏季、2095年左右會出現(xiàn)徑流量高峰，其中2095年左右流域的徑流量達到新高，發(fā)生5年一遇以下（含5年）洪水，需要通過溫潮減河和運潮減河對北運河進行分洪。

2）充分考慮人類活動對徑流的影響，做好防洪預案。

北運河應重點保障城市副中心行政辦公區(qū)排水排澇設施的安全運行，做到標準內(nèi)洪水安全行洪。在保障行洪安全的前提下，保障通航水位，實現(xiàn)洪水資源化。遇中雨及以上預報或河道大流量泄水時，應停止一切在北運河河道的水上活動，確保人員安全上岸，并將游船固定在安全區(qū)域，以防沖入河道，影響下游水工建筑物安全。

3）控制碳排放，減少洪澇災害發(fā)生。

流域徑流預報結(jié)果表明，未來氣候變化背景下，北運河流域洪水的峰值流量都將可能增大，極端洪水的風險也相應增加，同時非汛期徑流量也有一定的增加。通過綜合碳排放氣候情景，未來通過控制碳排放實現(xiàn)雙碳目標，在一定程度上可降低發(fā)生洪澇災害的風險。

參考文獻

［1］ 葉佰生，丁永建， 康爾泗，等.近40a來新疆地區(qū)冰雪徑流對氣候變暖的響應［J］.中國科學（D輯： 地球科學），1999，29（S1）： 40-46.

TE M S， DING Y J， KANG E S， et al. Response of snow and ice runoff to climate warming in Xinjiang in recent 40 years［J］.Scientia Sinica（Terrae）， 1999（S1）： 40-46.

［2］ 周婷，于福亮，李傳哲，等.湄公河清盛站水文情勢變化分析［J］.水電能源科學，2011，29（11）： 15-18，209.

ZHOU T， YU F L， LI C Z， et al. Analysis of hydrological regime changes of chiang saen station in Mekong River［J］.Water Resources and Power， 2011，29（11）： 15-18，209.

［3］ 陳鑫，劉艷麗，刁艷芳，等.關(guān)河水庫流域水文序列突變診斷與非一致性研究［J］.中國農(nóng)村水利水電，2020（5）： 28-32.

CHEN X， LIU Y L， DIAO Y F， et al. Research on the diagnosis of hydrologic series abrupt changes and inconsistency in Guanhe Reservoir Basin［J］.China Rural Water and Hydropower，2020（5）： 28-32.

［4］ CARLSON R F， MACCORMICK A J A， WATTS D G. Application of linear random models to four annual streamflow series［J］.Water Resources Research，1970， 6（4）：1070-1078.

［5］ APOSTOLOPOULOS T K， GEORGAKAKOS K P. Parallel computation for streamflow prediction with distributed hydrologic models［J］.Journal of Hydrology，1997， 197（1/2/3/4）：1-24.

［6］ 張力，王紅瑞，郭琲楠，等.基于時序分解與機器學習的非平穩(wěn)徑流序列集成模型與應用［J］.水科學進展，2023， 34（1）： 42-52.

ZHANG L， WANG H R， GUO F N， et al. Integrated model and application of non-stationary runoff based on time series decomposition and machine learning［J］.Advances in Water Science，2023， 34（1）： 42-52.

［7］ SHAMSELDIN A Y， OCONNOR K M， CONNOR. A real-time combination method for the outputs of different rainfall-runoff models［J］.Hydrological Sciences Journal， 1999，44（6）：895-912.

［8］ HONG M， WANG D， WANG Y， et al. Mid-and long-term runoff predictions by an improved phase-space reconstruction model［J］.Environmental Research， 2016， 11（24）：1-14.

［9］ CHEN H， XU C Y， GUO S L. Comparison and evaluation of multiple GCMs， statistical downscaling and hydrological models in the study of climate change impacts on runoff［J］.Journal of Hydrology， 2012， 434-435： 36-45.

［10］左其亭，邱曦，馬軍霞，等.黃河治水思想演變及現(xiàn)代治水方略［J］.水資源與水工程學報，2023，34（3）： 1-9.

ZUO Q T， QIU X， MA J X， et al. Evolution of flood control thought and modern flood control straregy in the Yellow River Basin［J］.Journal of Water Resources and Water Engineering， 2023，34（3）： 1-9.

［11］王紅瑞，趙含，李占玲，等.減碳與生物多樣性若干問題評述［J］.西北大學學報（自然科學版），2023， 53（1）： 17-24.

WANG H R， ZHAO H， LI Z L， et al. Review on some issues of carbon reduction and biodiversity［J］.Journal of Northwest University（Natural Science Edition）， 2023， 53（1）： 17-24.

［12］孫才志，段興杰.黃河流域水資源-能源-糧食系統(tǒng)生態(tài)可持續(xù)發(fā)展能力評價［J］.人民黃河， 2023，45（2）： 85-90， 96.

SUN C Z， DUAN X J. Ecological sustainable development capacity assessment of water-energy-food system in the Yellow River Basin［J］.Yellow River， 2023 45（2）： 85-90， 96.

［13］袁馮，張君枝，王冀，等.氣候變化背景下北京市短歷時暴雨的強度及雨型變化特征［J］.大氣科學學報，2020，43（5）： 802-809.

YUAN F， ZHANG J Z， WANG J， et al. Variation characteristics of intensity and pattern of short duration rainstorm in Beijing under the background of climate change［J］.Transactions of Atmospheric Sciences， 2020，43（5）： 802-809.

［14］張力，趙自陽，王紅瑞，等.氣候變化下水文模擬不確定性若干問題討論［J］.水資源保護，2023， 39（1）： 109-118， 149.

ZHANG L， ZHAO Z Y， WANG H R， et al. Discussion on several issues of uncertainty in hydrological simulation under climate change［J］.Water Resources Protection，2023， 39（1）： 109-118， 149.

［15］劉浩.瀾滄江流域歷史徑流變化歸因和未來徑流變化預估［D］.上海：華東師范大學，2022.

［16］程旭，馬細霞，王武森，等.HEC-HMS 模型參數(shù)區(qū)域化在河南省小流域適用性研究［J］.水文，2022，42（1）： 40-46， 102.

CHENG X， MA X X， WANG W S， et al. Applicability Research of HEC-HMS model parameter regionalization in small basin of Henan Province［J］.Journal of China Hydrology，2022，42（1）： 40-46， 102.

［17］RAD S， DAI J F， XU J X， et al. Lijiang flood characteristics and implication of karst storage through Muskingum flood routing via HEC-HMS， S. China［J］.Hydrology Research， 2022， 53（12）： 1480-1493.

［18］宋世凱，王海龍，郎子龍，等.基于HEC-HMS模型的太行山小流域山洪模擬研究：以邢臺路羅川流域為例［J］.災害學，2023， 38（1）： 117-124.

SONG S K， WANG H L， LANG Z L， et al. Mountain flood simulation of small basin in Taihang Mountains using HEC-HMS model： A case study of Luluochuan River Basin［J］.Journal of Catastrophology， 2023， 38（1）： 117-124.

［19］WANG W C， TIAN W C， XU D M， et al.Muskingum models development and their parameter estimation： A state-of-the-art review［J］.Water Resources Management， 2023， 37（8）： 3129-3150.

［20］王慶明， 趙勇， 王浩， 等. 自然和社會水循環(huán)的能量驅(qū)動機制及其綜合評價［J］.水資源保護， 2023， 39（6）： 1-7， 15.

WANG Q M， ZHAO Y， WANG H， et al. Energy driving mechanism of natural and social hydrology cycle and its comprehensive evaluation［J］.Water Resources Protection， 2023， 39（6）： 1-7， 15.

（編 輯 亢小玉）

基金項目：國家自然科學基金（52279005）；北京市自然科學基金（8222057）。

第一作者：劉藝欣，女，從事水文學及水資源研究，liuyixin@mail.bnu.edu.cn。

通信作者：王紅瑞，男，教授，博士生導師，從事水資源系統(tǒng)分析研究，henrywang@bnu.edu.cn。