未來氣候情景下鄱陽(yáng)湖流域生態(tài)水文情勢(shì)演變

摘要：為了探究氣候變化影響下鄱陽(yáng)湖流域水文情勢(shì)的演變規(guī)律，利用未來氣候模式數(shù)據(jù)驅(qū)動(dòng)分布式時(shí)變?cè)鲆嫠哪Ｐ?，結(jié)合Mann-Kendall趨勢(shì)檢驗(yàn)及生態(tài)水文指標(biāo)變化范圍法（IHA-RVA），分析了鄱陽(yáng)湖流域未來情景下徑流量、極值流量、脈沖變比等生態(tài)水文指標(biāo)的演變趨勢(shì)。結(jié)果表明：（1）鄱陽(yáng)湖流域未來徑流量呈增長(zhǎng)趨勢(shì)，增幅在18.5%～30.3%，SSP5-8.5情景下增幅最高；（2）豐水期（3—8月）月均流量的增長(zhǎng)較枯水期（9月—翌年2月）更明顯，5—9月徑流量增長(zhǎng)率達(dá)到20%，最大年極值發(fā)生時(shí)間將提前1.0～17.8 d；（3）氣候變化下鄱陽(yáng)湖流域整體水文情勢(shì)呈低度改變，虬津站和虎山站分別是整體水文改變度最高和最低的站點(diǎn)，其改變度分別為21.2和19.2。但月均流量（Ⅰ）、年極值流量（Ⅱ）與流量變化（Ⅴ）組分指標(biāo)的改變度相對(duì)較高，平均為22.8。研究結(jié)果可為鄱陽(yáng)湖流域生態(tài)水文情勢(shì)預(yù)測(cè)提供數(shù)據(jù)支撐。

關(guān)鍵詞：氣候變化；生態(tài)水文情勢(shì)；水文改變度；鄱陽(yáng)湖流域

中圖分類號(hào)：Q143" " " " 文獻(xiàn)標(biāo)志碼：A" " " " 文章編號(hào)：1674-3075（2025）01-0058-12

政府間氣候變化專門委員會(huì)（IPCC）第6次評(píng)估報(bào)告指出，近10年來全球地表平均溫度增長(zhǎng)了1.1 ℃，并預(yù)測(cè)21世紀(jì)末全球增溫將達(dá)到1.5～2.0 ℃（高啟慧等，2023）；因此將對(duì)水文循環(huán)和生態(tài)環(huán)境產(chǎn)生極大影響，增加極端水文事件的發(fā)生概率，使得水生態(tài)保護(hù)和修復(fù)壓力更加艱巨。降水和徑流作為表征水文循環(huán)過程的重要因素，對(duì)氣候變化的影響將更加敏感。近年來，鄱陽(yáng)湖流域極端水文事件頻發(fā)、旱澇災(zāi)害頻繁，從2020年7月流域內(nèi)發(fā)生的特大洪水事件到2022年持續(xù)5個(gè)月的極端干旱（Wu et al，2022；Deng et al，2024），使鄱陽(yáng)湖出現(xiàn)“汛期返枯”現(xiàn)象，較往年提前了16～85 d進(jìn)入枯水期（姚仕明等，2024），對(duì)鄱陽(yáng)湖流域生態(tài)環(huán)境和水資源管理產(chǎn)生了極大的影響，證實(shí)了極端氣候?qū)λ那閯?shì)的多重影響，未來氣候變化將導(dǎo)致該流域的生態(tài)水文情勢(shì)存在一定的不確定性。

未來氣候變化對(duì)生態(tài)水文情勢(shì)的影響預(yù)估大多建立在氣候模式基礎(chǔ)之上，較為廣泛的方法是基于全球氣候模式耦合水文模型對(duì)不同情境下的水文情勢(shì)進(jìn)行模擬（朱夢(mèng)弢，2021）。國(guó)際耦合模式比較計(jì)劃（CMIP）構(gòu)建了目前為止內(nèi)容最廣泛的全球氣候模式資料庫(kù)（GCMs）。CMIP6是該計(jì)劃實(shí)施20多年來參與模式最詳盡、模擬數(shù)據(jù)最龐大的一次（周天軍等，2019），其涵蓋了更復(fù)雜的氣候過程，并基于共享社會(huì)經(jīng)濟(jì)路徑（SSPs）和人為排放趨勢(shì)（RCPs）進(jìn)行有機(jī)組合，預(yù)估不同的SSP-RCP組合情景（He et al，2023），提高了氣候要素模擬的準(zhǔn)確性。鄧鵬等（2023）基于CMIP6氣候模式，發(fā)現(xiàn)未來2050—2062年鄱陽(yáng)湖流域徑流量平均變化幅度（17%）高于蒸發(fā)量平均6.5%的變化幅度，極端水文事件發(fā)生的風(fēng)險(xiǎn)增加；Wang等（2023）研究表明，未來氣候變化下預(yù)估鄱陽(yáng)湖流域旱澇交替事件的頻率將增加，呈現(xiàn)徑流增加且峰值流量出現(xiàn)時(shí)間延遲的變化趨勢(shì)。這種流域水文情勢(shì)的改變，也會(huì)對(duì)鄱陽(yáng)湖水生物種產(chǎn)生影響，Li等（2022）認(rèn)為水深、流速是影響江豚分布的主要因素，旱季極端低水位情勢(shì)將極大縮減江豚的核心棲息地在自然保護(hù)區(qū)中的占比，進(jìn)一步壓縮江豚的生存空間。

目前，評(píng)估生態(tài)水文情勢(shì)的普遍方法是采用特定的水文指標(biāo)來量化流量變化狀況及其產(chǎn)生的生態(tài)影響（Wang et al，2024）；國(guó)內(nèi)外已開展大量對(duì)流域水文情勢(shì)改變的研究，多采用水生態(tài)流量法、AHP（analytic hierarchy process）法和生態(tài)綜合評(píng)價(jià)指數(shù)（ecological index，EI）等 （Matono et al，2012；Ling et al，2016；AL Kuisi et al，2024）。近年來，應(yīng)用最為廣泛的生態(tài)水文評(píng)價(jià)指標(biāo)為水文指標(biāo)改變體系（indicators of hydrologic alteration，IHA）。該體系包含徑流指標(biāo)、極端流量的頻率和持續(xù)時(shí)間等5組32個(gè)水文指標(biāo)，描述流域生態(tài)水文情勢(shì)在生境、極端水文、突變?yōu)暮Φ确矫娴淖兓闆r；該體系結(jié)合Richter提出的變化范圍法（RVA），可進(jìn)一步量化流域水文情勢(shì)的變化范圍與程度（郭強(qiáng)等，2019）。本文以鄱陽(yáng)湖流域?yàn)檠芯繀^(qū)域，構(gòu)建適用于該流域的水文模型，利用多個(gè)全球氣候模式以及4種不同SSPs-RCPs排放情景的降尺度輸出驅(qū)動(dòng)水文模型，預(yù)估未來氣候變化下鄱陽(yáng)湖流域徑流的變化趨勢(shì)，建立IHA-RVA水文指標(biāo)體系，定量評(píng)價(jià)分析生態(tài)水文情勢(shì)改變程度，為鄱陽(yáng)湖生態(tài)水文管理和保護(hù)提供科學(xué)依據(jù)。

1" "材料與方法

1.1" "區(qū)域概況

鄱陽(yáng)湖流域（圖1）位于長(zhǎng)江中下游南岸（24°29′14″～30°04′41″N，113°34′36″～118°28′58″E），面積162 225 km2，主要包括贛江、饒河、撫河、信江和修水五大河流，由湖口匯入長(zhǎng)江。受季風(fēng)氣候及獨(dú)特的自然地理特征影響，流域雨量充沛，全年降水集中在4—6月，占年降水量的48%，自東北向西南降水量逐步遞減。鄱陽(yáng)湖流域多年平均徑流量約為1 494億m3，徑流年內(nèi)分布不均，5—10月汛期徑流量占全年徑流量的63.13%。近年來，在氣候變化和人類活動(dòng)的雙重影響下，鄱陽(yáng)湖水位不斷下降，其中，2022年下降至60年來的最低點(diǎn)（Peng et al，2024）；另外，流域氣溫持續(xù)升高，降水分布不穩(wěn)定，枯水期降水過少導(dǎo)致持續(xù)干旱，豐水期降水過多及降水高峰的推遲也容易造成流域發(fā)生洪澇災(zāi)害（Li et al，2021）。

1.2" "數(shù)據(jù)來源

本研究構(gòu)建鄱陽(yáng)湖流域分布式水文模型（distributed time-variant gain hydrological model）DTVGM需要的空間數(shù)據(jù)包括分辨率1 000 m的土地利用數(shù)據(jù)（中國(guó)科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心）和90 m空間分辨率的DEM數(shù)據(jù)（地理空間數(shù)據(jù)云），土壤類型數(shù)據(jù)獲取自世界糧農(nóng)組織（food and agriculture organization of the united nations，F(xiàn)AO）土壤數(shù)據(jù)庫(kù)，分辨率為1 000 m。

氣象數(shù)據(jù)來源于中國(guó)氣象局降水?dāng)?shù)據(jù)集和氣溫?cái)?shù)據(jù)集，其中包括流域內(nèi)部及周邊26個(gè)氣象站1980—2016年逐日降水、氣溫、相對(duì)濕度等數(shù)據(jù)；水文數(shù)據(jù)包括外州、李家渡、梅港、渡峰坑4個(gè)水文控制站點(diǎn)1980—2016年逐日徑流量資料，來源于長(zhǎng)江流域水文統(tǒng)計(jì)年鑒。

根據(jù)CMIP6中氣候模式在長(zhǎng)江流域綜合模擬評(píng)價(jià)結(jié)果，選取對(duì)鄱陽(yáng)湖流域模擬氣溫、降水效果較好的4個(gè)氣候模式逐日降水、氣溫、風(fēng)速和輻射數(shù)據(jù)（吳健等，2023），以實(shí)測(cè)氣象站點(diǎn)數(shù)據(jù)為基準(zhǔn)，采用分位數(shù)映射法，按照春、夏、秋、冬四季對(duì)氣候模式中氣溫和降水?dāng)?shù)據(jù)進(jìn)行校正，相對(duì)誤差可保持在10%～20%，選擇的4個(gè)氣候模式信息見表1。未來情景則選擇4種SSPs-RCPs組合，分別為SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5。

1.3" "研究方法

1.3.1" "分布式時(shí)變?cè)鲆嫠哪Ｐ? "該模型將水文系統(tǒng)非線性理論和分布式水文模擬相結(jié)合來實(shí)現(xiàn)模擬過程（夏軍等，2004）；其既具有物理模擬特征，又具有非線性系統(tǒng)的強(qiáng)分析適應(yīng)能力，可以在水文資料不完整或存在不確定性干擾的情況下完成分布式水文模擬與分析（曾思棟等，2016），已在我國(guó)多流域取得了較好的驗(yàn)證（夏軍等，2003；Fan et al，2023），模型更詳細(xì)的基本原理可參考文獻(xiàn)（鐘奇等，2024）。

模型評(píng)價(jià)采用Nash-Sutcliffe效率（NSE）系數(shù)和相對(duì)系數(shù)（R2）指標(biāo)。NSE和R2數(shù)值越趨近1，表示模型模擬效果越好（邱淑偉等，2015），通常以大于0.6為符合模擬精度要求（陸志翔等，2012）。

1.3.2" "IHA-RVA生態(tài)水文指標(biāo)體系" "IHA生態(tài)水文指標(biāo)法從流域流量、日期及變化、歷時(shí)、變化率等幾個(gè)方面展開（程俊翔等，2018），其中5組分水文指標(biāo)的內(nèi)容與涵義見表2。Richter進(jìn)一步提出了RVA變化范圍法來實(shí)現(xiàn)流域生態(tài)系統(tǒng)管理，后用于定量評(píng)估水文改變度，并劃定25%～75%的變化作為指標(biāo)的上下限評(píng)價(jià)流域的生態(tài)水文情勢(shì)狀況，默認(rèn)33%和67%作為水文影響度的跨級(jí)改變閾值（米瑋潔等，2024），即D0lt;33%視為低度改變；33%≤D0lt;67%視為中度改變；D0≥67%視為高度改變。本文IHA-RVA評(píng)價(jià)體系中所選站點(diǎn)研究時(shí)段內(nèi)無斷流，故不考慮零流量天數(shù)指標(biāo)。

在IHA-RVA體系評(píng)估過程中，常用水文指標(biāo)的改變度來衡量水文情勢(shì)變化情況與變化幅度，計(jì)算公式如下：

式中：Dt為第t個(gè)指標(biāo)的改變度；P0和Pt為t個(gè)值落入值域內(nèi)的實(shí)際與預(yù)測(cè)年數(shù)；r為比例系數(shù)（本研究取25%）；Pa為受影響的總年數(shù)；D0為整體水文改變度。

2" "結(jié)果與分析

2.1" "水文模型率定與驗(yàn)證

結(jié)合鄱陽(yáng)湖流域地形地貌、土地利用、土壤數(shù)據(jù)等下墊面空間差異，將下墊面空間數(shù)據(jù)統(tǒng)一到1 000 m分辨率，基于此將鄱陽(yáng)湖流域劃分為130個(gè)子流域，按照泰森多邊形方法確定氣象站點(diǎn)面積權(quán)重，將氣象數(shù)據(jù)插值到各子流域。虬津、虎山、萬家埠、梅港、李家渡、外州、渡峰坑7個(gè)站點(diǎn)是鄱陽(yáng)湖的控制性水文站點(diǎn)，考慮到徑流變化明顯且數(shù)據(jù)序列的完整性，采用外州、李家渡、梅港與渡峰坑4個(gè)站點(diǎn)實(shí)測(cè)流量數(shù)據(jù)進(jìn)行模型的參數(shù)率定。以1980—2003年作為模型率定期，2004—2016年作為模型驗(yàn)證期，對(duì)模型參數(shù)進(jìn)行率定和對(duì)模擬結(jié)果進(jìn)行評(píng)估，模擬結(jié)果時(shí)間尺度為日尺度。對(duì)比模擬值與站點(diǎn)實(shí)測(cè)值（圖2），兩者具有較好的協(xié)同性，流域率定期與驗(yàn)證期的NSE系數(shù)如表3所示。4個(gè)站點(diǎn)率定期模擬結(jié)果的NSE系數(shù)在0.72～0.84，驗(yàn)證期模擬結(jié)果NSE系數(shù)在0.65～0.82，表明構(gòu)建的水文模型能夠模擬鄱陽(yáng)湖流域水文過程且結(jié)果可靠，能夠支持未來氣候變化下鄱陽(yáng)湖生態(tài)水文情勢(shì)變化研究。

2.2" "未來氣候情景的徑流變化趨勢(shì)

利用4種氣候模式數(shù)據(jù)驅(qū)動(dòng)水文模型對(duì)未來氣候情景下鄱陽(yáng)湖流域水文過程進(jìn)行模擬，以1980─2014年作為歷史時(shí)期，2020-2100年作為未來時(shí)期，對(duì)4種氣候模式驅(qū)動(dòng)水文模擬流量的集合平均值流量序列進(jìn)行分析。結(jié)果表明，各站點(diǎn)相對(duì)于歷史時(shí)期，SSP3-7.0、SSP2-4.5、SSP1-2.6、SSP5-8.5的年均流量變幅依次增大（圖3），整體變幅分別為18.5%、19.9%、20.7%和30.3%，徑流量增長(zhǎng)受SSP5-8.5氣候情景影響最為顯著。各站整體變幅在20%～24%，其中虎山站的變幅最大，達(dá)24.2%；萬家埠站的變幅最小，為20.5%。

M-K檢驗(yàn)?zāi)M年徑流量趨勢(shì)結(jié)果表明，各站點(diǎn)年均流量均呈增長(zhǎng)趨勢(shì)，其中梅港站與外州站上升趨勢(shì)最顯著，在4個(gè)氣候情景下均通過90%～99%的顯著性檢驗(yàn)；其余站點(diǎn)年徑流量隨輻射強(qiáng)度的增強(qiáng)其顯著性也逐漸增加（表4），如李家渡站由SSP1-2.6情景的不顯著上升趨勢(shì)，增加至SSP5-8.5情景的顯著上升趨勢(shì)；同時(shí)，各站點(diǎn)年徑流量變化對(duì)SSP5-8.5情景響應(yīng)最顯著，且均呈顯著上升趨勢(shì)。

2.3" "未來氣候情景下鄱陽(yáng)湖流域水文指標(biāo)變化

2.3.1" "月均值流量" "未來氣候變化影響前后流域的月均值流量變化趨勢(shì)基本一致，3─8月流量較大為豐水期，9月至翌年2月流量較小為枯水期（圖4）。鄱陽(yáng)湖流域在未來氣候影響下豐水期徑流量相對(duì)歷史時(shí)期變幅為9.2%～16.5%，其中虬津站變幅最大，梅港站變幅最?。豢菟趶搅髁吭?1.5%～4.6%，變幅最大的站點(diǎn)為外州站，梅港站變幅最小，為-1.5%，呈負(fù)增長(zhǎng)。與歷史時(shí)期相比，流域豐水期月均值流量變化較枯水期大，豐水期流量變幅達(dá)13.2%，枯水期流量變幅為6.7%，5─9月徑流量增長(zhǎng)率達(dá)20%。各站點(diǎn)中外州站變化幅度最大，為26.2%，虬津站變化幅度最小，為9.4%。整體來看，未來氣候變化對(duì)流域月均徑流量的影響程度豐水期大于枯水期。豐水期各氣候情景變幅按SSP5-8.5、SSP1-2.6、SSP2-4.5、SSP3-7.0的順序變幅逐漸減小，SSP5-8.5情景變幅最大，達(dá)21.5%，SSP3-7.0情境變幅最小，為7.7%。

2.3.2" "年極值流量" "未來氣候變化下，鄱陽(yáng)湖流域年最大日流量較歷史時(shí)期呈增加趨勢(shì)，年最小日流量較歷史時(shí)期呈減少趨勢(shì)。流域年最小極值流量的平均變幅在-7.8%～3.7%，其中外州站變幅最大，渡峰坑站變幅最小，呈負(fù)增長(zhǎng)；年最大極值流量的平均變幅在14.8%～28.6%，其中渡峰坑站變幅最大，梅港站變幅最小。歷史及未來氣候影響下，年最小1、3、7、30、90 d的日流量逐漸增加（圖5），而年最大1、3、7、30、90 d的日流量逐漸減小（圖6）。氣候變化對(duì)年最大極值徑流量的影響更顯著，按SSP2-4.5、SSP1-2.6、SSP3-7.0、SSP5-8.5的順序變幅逐漸增大，SSP5-8.5情境變幅最大，達(dá)31.5%；SSP2-4.5情境變幅最小，為12.1%。流域內(nèi)各站點(diǎn)的基流指數(shù)在0.07～0.17，平均變化幅度為-28.1%～-4.0%，其中虬津站和萬家埠站并列平均變幅最大，李家渡站平均變幅最小。

2.3.3" "年極值流量出現(xiàn)時(shí)間" "流域內(nèi)年最大、最小流量值出現(xiàn)時(shí)間在未來氣候變化影響下均有提前趨勢(shì)，最大值流量出現(xiàn)時(shí)間提前1.0～17.8 d，平均提前2.6 d；最小值流量出現(xiàn)時(shí)間提前0.5～3.5 d，平均提前0.7 d，最大值流量出現(xiàn)時(shí)間受氣候變化影響更大（圖7）；各站點(diǎn)的年最小流量出現(xiàn)時(shí)間集中在10月下旬，提前幅度較小，外州站提前幅度最高由12月下旬提前至12月中旬，梅港、萬家埠等站則出現(xiàn)2.0～5.0 d的小幅度推遲；各站點(diǎn)年最大流量出現(xiàn)時(shí)間由5月下旬提前至5月中旬，李家渡站提前幅度最大，達(dá)3.5 d，梅港、萬家埠等站則出現(xiàn)0.5～1.3 d的小幅度推遲?？傮w來看，流域年極值流量出現(xiàn)時(shí)間變化按SSP2-4.5、SSP5-8.5、SSP1-2.6提前幅度依次增大，其中SSP1-2.6提前幅度最大，達(dá)5.0 d，SSP2-4.5提前幅度最小，僅0.3 d；而SSP3-7.0情境則整體上呈延遲趨勢(shì)，平均延遲幅度為2.0 d。

2.3.4" "流量高低脈沖頻次和歷時(shí)" "氣候變化影響下低脈沖頻次和歷時(shí)呈減少趨勢(shì)，高脈沖頻次及歷時(shí)呈增加趨勢(shì)（圖8）。水文情勢(shì)改變對(duì)高脈沖的變化影響更大，達(dá)9.2%。流域低脈沖頻次在2～10次，歷時(shí)在4～37 d，其中頻次最少、歷時(shí)最長(zhǎng)的為外州站，分別為2次、37 d；流域高脈沖頻次和歷時(shí)呈增加趨勢(shì)，高脈沖頻次在3～16，歷時(shí)在3～23 d，其中外州站高脈沖頻次最少歷時(shí)最長(zhǎng)，分別為3.5次、16 d。流域低脈沖在SSP3-7.0情景下變化最大，SSP2-4.5情景下變化最小，分別為-2.3%和-10.3%；高脈沖變化則在SSP5-8.5情景下變化最大，SSP3-7.0情景下變化最小。整體來看，在SSP3-7.0情景下脈沖變化受影響最顯著，其中高脈沖變幅最大，低脈沖變幅最小，總體變化率為-2.3%～3.9%。

2.3.5" "流量上升率、下降率和逆轉(zhuǎn)次數(shù)" "流量上升率（rise rate）、流量下降率（fall rate）與流量逆轉(zhuǎn)次數(shù)（number of reversals）作為表征水流條件變化的重要量化指標(biāo)，體現(xiàn)了氣候變化所帶來的流域改變狀況。由圖9可知，流域各站點(diǎn)上升率均呈上升趨勢(shì)，增幅在11.3%～23.2%，其中渡峰坑站漲幅最大，達(dá)23.2%；流域各站點(diǎn)下降率則呈下降趨勢(shì)，降幅為13.8%～24.1%，其中李家渡站降幅最大，為24.1%。受未來氣候影響，流域各站點(diǎn)下降率降幅大于上升率增幅，表明流域流量整體呈增長(zhǎng)趨勢(shì)。逆轉(zhuǎn)次數(shù)通常表征流量變化趨勢(shì)的轉(zhuǎn)折點(diǎn)，流域內(nèi)逆轉(zhuǎn)頻次呈減少趨勢(shì)，在-3.9%～0.4%，渡峰坑站降幅最為顯著，達(dá)-3.9%；萬家埠站則與整體趨勢(shì)相反，呈微弱增長(zhǎng)，增幅達(dá)0.4%。流域內(nèi)流量整體變化按SSP5-8.5、SSP1-2.6、SSP2-4.5、SSP3-7.0依次遞減，SSP5-8.5的變幅最大，達(dá)16.5%，SSP3-7.0的變幅最小，為7.4%。梅港站與外州站在流量上升率和下降率變化過程中，相對(duì)其他站點(diǎn)變化幅度較大且差異顯著。

2.3.6" "流域整體水文改變度" "氣候變化影響下，流域內(nèi)32項(xiàng)水文指標(biāo)改變度以中低度改變?yōu)橹鳎▓D10）。其中整體水文改變度最高的為虬津站，達(dá)21.2；整體水文改變度最低為虎山站，為19.2。兩站絕大部分指數(shù)均為低度改變，其中中度改變指標(biāo)均分布在5月均值流量與年最小1、3、7 d流量變化指標(biāo)。在32個(gè)水文指標(biāo)中，Ⅰ組、Ⅱ組和Ⅴ組對(duì)流域整體發(fā)生中度改變的貢獻(xiàn)率相對(duì)顯著，平均改變度達(dá)22.8。其中Ⅰ組的5月、9月的月均流量發(fā)生中度改變相對(duì)較多，整體改變度達(dá)19.6；Ⅱ組中度改變集中在年最小1、3、7 d流量、年最大1、3 d流量指標(biāo)改變上，整體改變度達(dá)23.2；V組的徑流量下降率為32個(gè)指標(biāo)中唯一的中度改變指標(biāo)，水文改變度達(dá)34.2，其中萬家埠、外州、李家渡站下降率的水文改變度均為中度改變。整體來看，未來鄱陽(yáng)湖流域水文改變主要體現(xiàn)在豐枯期月均值流量、年最大和最小極值流量與流量改變的相關(guān)水文因素。

3" "討論

水文情勢(shì)的自然波動(dòng)是維系河流生態(tài)多樣性以及功能形態(tài)豐度的關(guān)鍵。鄱陽(yáng)湖流域徑流量年內(nèi)分布不均，豐、枯水期流域水文情勢(shì)差異明顯，在人類活動(dòng)和氣候變化的共同影響下，鄱陽(yáng)湖流域水生態(tài)情勢(shì)將發(fā)生改變，進(jìn)而影響整個(gè)流域生態(tài)環(huán)境。4種未來氣候模式下鄱陽(yáng)湖流域生態(tài)水文情勢(shì)變化結(jié)果表明，未來情景鄱陽(yáng)湖流域年均徑流量均呈現(xiàn)增長(zhǎng)趨勢(shì)，且豐水期（3—8月）的月均流量較枯水期（9月—翌年2月）增長(zhǎng)更明顯，5—9月增長(zhǎng)率達(dá)到20%。

崔浩（2019）研究表明，以蘆葦、南荻和菰為代表的水生植物，3—5月是其生長(zhǎng)的旺盛期，并在5月達(dá)到峰值；楊平等（2024）認(rèn)為以藍(lán)藻群落為代表的水生微生物，7—9月是其生長(zhǎng)旺盛期。未來情景下5—9月的徑流增加將改變當(dāng)前鄱陽(yáng)湖的濕地分布，并對(duì)水生微生物和水生植物生長(zhǎng)產(chǎn)生影響；另外，氣候變化導(dǎo)致鄱陽(yáng)湖的水文改變度在各種情景下均呈中低度改變，表明單純考慮氣候變化對(duì)鄱陽(yáng)湖生態(tài)水文情勢(shì)的影響是有限的。Lei等（2021）研究表明，歷史時(shí)期（1960─2015年）鄱陽(yáng)湖人類活動(dòng)和氣候變化對(duì)流域水文情勢(shì)改變的貢獻(xiàn)分別是42%和57%，表明人類活動(dòng)是流域水文情勢(shì)改變的重要影響因素，與本研究結(jié)果相符。范宏翔等（2021）認(rèn)為鄱陽(yáng)湖流域水文情勢(shì)的變化受人類活動(dòng)和氣候變化的影響，且影響程度存在季節(jié)性差異，春秋季人類活動(dòng)對(duì)水文情勢(shì)影響更大，相對(duì)貢獻(xiàn)率最大可超過70%。

本研究也存在一些不足。例如，研究需要采用更高分辨率的數(shù)據(jù)（包括DEM、土地利用等）以及氣象與水文實(shí)測(cè)數(shù)據(jù)提升模型模擬精度。同時(shí)，研究還應(yīng)考慮人類活動(dòng)（如土地利用變化）對(duì)鄱陽(yáng)湖流域生態(tài)水文情勢(shì)變化的影響。相關(guān)研究表明，在長(zhǎng)江中下游、渭河、閩江等流域，人類活動(dòng)對(duì)生態(tài)水文情勢(shì)的影響貢獻(xiàn)率可達(dá)48.66%～73.36%（周昊彤，2023；Guo et al，2022），未來應(yīng)嘗試將人類活動(dòng)加入研究范圍。

4" "結(jié)論

（1）4種SSPs-RCPs氣候情景下，2020—2100年鄱陽(yáng)湖流域年均徑流量較歷史時(shí)期呈增長(zhǎng)趨勢(shì)，年徑流量增幅達(dá)18.5%～30.3%，且SSP5-8.5情景增幅最大達(dá)30.3%；豐水期（3—8月）月均流量增長(zhǎng)較枯水期（9月—翌年2月）更大，豐水期流量變幅達(dá)13.2%，枯水期流量變幅為6.7%。

（2）未來情景下，年最大流量增加幅度為14.8%～28.6%，年最小流量增加幅度為-7.8%～3.7%，且SSP5-8.5情景變幅最為顯著。渡峰坑站對(duì)氣候變化響應(yīng)相對(duì)明顯，年最大流量增幅達(dá)28.6%，年最小流量減幅最大達(dá)7.8%?；髦笖?shù)持續(xù)減小且受SSP5-8.5情景影響程度最大，各站點(diǎn)年最大和最小流量出現(xiàn)時(shí)間均有提前趨勢(shì)，其中年最大流量提前1.0～17.8 d，年最小流量提前0.5～3.5 d。

（3）未來氣候變化影響下，鄱陽(yáng)湖流域整體水文改變度呈中低度改變，其中虬津站、虎山站作為流域內(nèi)改變度最高、最低水文站點(diǎn)，改變度分別為21.2和19.2。各組分指標(biāo)中，Ⅰ、Ⅱ、Ⅴ組指標(biāo)對(duì)流域整體發(fā)生中度改變的貢獻(xiàn)作用最明顯，水文改變度分別為19.6、23.2和34.2，平均水文改變度達(dá)22.8。

參考文獻(xiàn)

程俊翔， 徐力剛， 姜加虎， 2018. 水文改變指標(biāo)體系在生態(tài)水文研究中的應(yīng)用綜述[J].水資源保護(hù)， 34（6）：24-32.

CHENG J X， XU L G， JIANG J H， et al， 2018. Review of application of hydrologic alteration index system in eco-hydrology research[J].Water Resources Protection， 34（6）：24-32.

崔浩， 2019. 南磯濕地優(yōu)勢(shì)挺水植物根系性狀動(dòng)態(tài)特征[D].南昌： 江西師范大學(xué).

鄧鵬， 徐進(jìn)超， 王歡， 2023. 基于CMIP6的氣候變化對(duì)鄱陽(yáng)湖流域徑流影響研究[J].水利水運(yùn)工程學(xué)報(bào)， （4）：71-80.

DENG P， XU J C， WANG H， 2023. Study on the impact of climate change by CMIP6 on the rainfall-runoff process of Poyang Lake basin[J].Hydro-Science and Engineering， （4）：71-80.

范宏翔， 何菡丹， 徐力剛， 等， 2021. 基于長(zhǎng)短記憶模型的鄱陽(yáng)湖流域徑流模擬及其演變的歸因分析[J].湖泊科學(xué)， 33（3）：866-878.

FAN H X， HE H D， XU L G， et al， 2021. Simulation and attribution analysis based on the long-short-term-memory network for detecting the dominant cause of runoff variation in the Lake Poyang basin[J].Journal of Lake Sciences， 33（3）：866-878.

高啟慧， 秦圓圓， 梁媚聰， 等， 2023. IPCC第六次評(píng)估報(bào)告綜合報(bào)告解讀及對(duì)我國(guó)的建議[J].環(huán)境保護(hù)， 51（增刊2）：82-84.

郭強(qiáng)， 孟元可， 樊龍鳳， 等， 2019. 基于IHA/RVA法的近年來鄱陽(yáng)湖生態(tài)水位變異研究[J].長(zhǎng)江流域資源與環(huán)境， 28（7）：1691-1701.

GUO Q， MENG Y K， FAN L F， et al， 2019. Study on ecological water level variation of Poyang Lake based on IHA and RVA method in recent years[J].Resources and Environment in the Yangtze Basin， 28（7）：1691-1701.

陸志翔， 鄒松兵， 尹振良， 等， 2012. 缺資料流域SWAT適宜性模型校準(zhǔn)新方法及應(yīng)用[J].蘭州大學(xué)學(xué)報(bào)（自然科學(xué)版）， 48（1）：1-7，14.

LU Z X， ZOU S B， YIN Z L， et al， 2012. A new suitable method for SWAT model calibration and its application in data-scarce basins[J].Journal of Lanzhou University（Natural Sciences）， 48（1）：1-7，14.

米瑋潔， 張舜， 胡俊， 等， 2024. 黃河內(nèi)蒙古河段水文情勢(shì)變化及生態(tài)效應(yīng)初探[J].水生態(tài)學(xué)雜志， 45（1）：42-49.

MI W J， ZHANG S， HU J， et al， 2024. Ecological effects of flow regime alteration in Inner Mongolia reach of the Yellow River[J].Journal of Hydroecology， 45（1）：42-49.

邱淑偉， 梁秀娟， 肖長(zhǎng)來， 等， 2015. 間斷性階梯狀抽水試驗(yàn)求參[J].節(jié)水灌溉， （5）：60-62，65.

QIU S W， LIANG X J， XIAO C L， et al， 2015. Parameters determination for intermittent step-pumping tests[J].Water Saving Irrigation， （5）： 60-62，65.

吳健， 夏軍， 曾思棟， 等， 2023. CMIP6全球氣候模式對(duì)長(zhǎng)江流域氣候變化的模擬評(píng)估與未來預(yù)估[J].長(zhǎng)江流域資源與環(huán)境， 32（1）：137-150.

WU J， XIA J， ZENG S D， et al， 2023. Evaluation of the performance of CMIP6 models and future changes over the Yangtze River basin[J].Resources and Environment in the Yangtze Basin， 32（1）：137-150.

夏軍， 王綱勝， 呂愛鋒， 等， 2003. 分布式時(shí)變?cè)鲆媪饔蛩h(huán)模擬[J].地理學(xué)報(bào)， 58（5）：789-796.

XIA J， WANG G S， LYU A F， et al， 2003. A research on distributed time variant gain modeling[J].Acta Geographica Sinica， 58（5）：789-796.

夏軍， 王綱勝， 談戈， 等， 2004. 水文非線性系統(tǒng)與分布式時(shí)變?cè)鲆婺Ｐ蚚J].中國(guó)科學(xué)（D輯：地球科學(xué)）， 34（11）：1062-1071.

楊平， 劉聚濤， 胡芳， 等， 2024. 風(fēng)場(chǎng)對(duì)鄱陽(yáng)湖豐水期表層藍(lán)藻密度的影響[J].湖泊科學(xué)， 36（2）：377-388.

YANG P， LIU J T， HU F， et al， 2024. Influence of wind field on surface cyanobacteria density of Lake Poyang in wet season， China[J].Journal of Lake Sciences， 36（2）：377-388.

姚仕明， 范達(dá)福， 欒華龍， 等， 2024. 鄱陽(yáng)湖近年極端洪枯情勢(shì)分析及應(yīng)對(duì)策略[J/OL].長(zhǎng)江科學(xué)院院報(bào)，[2024-05-08]. https：//kns.cnki.net/kcms/detail/42.1171.TV.20240507.1501.004.html.

YAO S M， FAN D F， LUAN H L， et al， 2024. Analysis of recent extreme flood and drought hydrological situation in Poyang Lake and countermeasures[J/OL].Journal of Changjiang River Scientific Research Institute，[2024-05-08]. https：//kns.cnki.net/kcms/detail/42.1171.TV.20240507.1501.004.html.

鐘奇， 付曉雷， 蔣曉蕾， 等， 2024. 基于分布式時(shí)變?cè)鲆嫠哪Ｐ秃虲N05.1降水?dāng)?shù)據(jù)的贛江流域徑流模擬研究[J].人民珠江， 45（3）：18-29，108.

ZHONG Q， FU X L， JIANG X L， et al， 2024. Runoff simulation study of Ganjiang River basin based on distributed time-varying gain hydrological model and CN05.1 precipitation data[J].Pearl River， 45（3）：18-29， 108.

周昊彤， 2023. 氣候變化與人類活動(dòng)對(duì)長(zhǎng)江中下游生態(tài)水文情勢(shì)影響研究[D].鄭州：華北水利水電大學(xué).

周天軍， 鄒立維， 陳曉龍， 2019. 第六次國(guó)際耦合模式比較計(jì)劃（CMIP6）評(píng)述[J].氣候變化研究進(jìn)展， 15（5）：445-456.

ZHOU T J， ZOU L W， CHEN X L， 2019. Commentary on the Coupled Model Intercomparison Project Phase 6（CMIP6）[J].Climate Change Research， 15（5）：445-456.

朱夢(mèng)弢， 2021. 下湄公河干流水文情勢(shì)變化及生態(tài)流量估算[D].昆明：云南大學(xué).

曾思棟， 夏軍， 黃會(huì)勇， 等， 2016. 分布式水資源配置模型DTVGM-WEAR的開發(fā)及應(yīng)用[J].南水北調(diào)與水利科技， 14（3）：1-6.

DENG S P， WU Q Q， WANG Z C， et al， 2024. Investigating flood characteristics and mitigation measures in plain-type river-connected lakes： a case study of Poyang Lake[J]. Water， 16（2）：281.

AL KUISI M， AL AZZAM N， HYARAT T， et al， 2024. Flood hazard and risk assessment of flash floods for Petra catchment area using hydrological and analytical hierarchy （AHP） modeling[J]. Water， 16（16）：2283.

FAN D， ZENG S D， DU H， et al， 2023. Projected flow regimes and biodiversity changes under climate change in the planning western route source areas of the South-to-North Water Diversion Project[J]. Ecological Indicators， 154：110827.

GUO W X， ZHOU H T， JIAO X Y， et al， 2022. Analysis of alterations of the hydrological situation and causes of river runoff in the Min River， China[J]. Water， 14（7）：1093.

HE T， WANG N， TONG Y D， et al， 2023. Anthropogenic activities change population heat exposure much more than natural factors and land use change： an analysis of 2020-2100 under SSP-RCP scenarios in Chinese cities[J]. Sustainable Cities and Society， 96：104699.

LEI X Y， GAO L， WEI J H， et al， 2021. Contributions of climate change and human activities to runoff variations in the Poyang Lake Basin of China[J]. Physics and Chemistry of the Earth， Parts A/B/C， 123：103019.

LI X H， HU Q， WANG R， et al， 2021. Influences of the timing of extreme precipitation on floods in Poyang Lake， China[J]. Hydrology Research， 52（1）：26-42.

LI Q Y， LAI G Y， LIU Y， et al， 2022. Identifying the seasonal characteristics of likely habitats for the Yangtze finless porpoise in Poyang Lake[J]. Aquatic Conservation： Marine and Freshwater Ecosystems， 32（3）：523-536.

LING H B， ZHANG P， XU H L， et al， 2016. Determining the ecological water allocation in a hyper-arid catchment with increasing competition for water resources[J]. Global and Planetary Change， 145：143-152.

MATONO P， BERNARDO J M， OBERDORFF T， et al， 2012. Effects of natural hydrological variability on fish assemblages in small Mediterranean streams： implications for ecological assessment[J]. Ecological Indicators， 23：467-481.

PENG Y J， CHEN G， CHAO N F， et al， 2024. Detection of extreme hydrological droughts in the Poyang Lake basin during 2021-2022 using GNSS-derived daily terrestrial water storage anomalies[J]. Science of the Total Environment， 919：170875.

WANG R， LI X H， ZHANG Q， et al， 2023. Projection of drought-flood abrupt alternation in a humid subtropical region under changing climate[J]. Journal of Hydrology， 624：129875.

WANG Q Z， SUN Y F， GUAN Q Y， 2024. Exploring future trends of precipitation and runoff in arid regions under different scenarios based on a bias-corrected CMIP6 model[J]. Journal of Hydrology， 630：130666.

WU J R， CHEN X L， LU J Z， et al， 2022. Assessment of long and short-term flood risk using the multi-criteria analysis model with the AHP-Entropy method in Poyang Lake basin[J]. International Journal of Disaster Risk Reduction， 75：102968.

Ecohydrological Regime Changes in Poyang Lake Basin

Under Future Climate Scenarios

Abstract：In this study， we explored how the hydrological regime in Poyang Lake basin might change under the influence of climate change， focusing on runoff trends， extreme flows and pulse ratios. We aimed to provide a scientific basis for ecohydrological management and protection of the basin and enhance resilience to climate change. To begin， we constructed a distributed time-variant gain model （DTVGM） to simulate runoff in the Poyang Lake basin， based on daily runoff data recorded at four hydrological stations （Waizhou， Lijiadu， Meigang， Dufengkeng Stations）. Data from 1980-2003 was used for calibration and data from 2004-2016 was used for validation. The Nash-Sutcliffe efficiency coefficients （NSE） were in the range of 0.72-0.84 for the calibration period and 0.65-0.82 for the validation period， indicating the reliability of the DTVGM model. Runoff was then simulated in the Poyang Lake basin for the period 2020-2100 using four climate scenarios of SSPs-RCPs combinations （SSP1-2.6， SSP2-4.5， SSP3-7.0， SSP5-8.5）. Combining the Mann-Kendall trend test and eco-hydrological index range method （IHA-RVA）， we quantitatively assessed and analyzed the change degree of eco-hydrological indicators at seven stations in Poyang Lake basin under the four climate scenarios. Results show that： （1） Future runoff in the Poyang Lake basin shows an increasing trend， with an increase range of 18.5% - 30.3%， and the increase under the scenario of SSP5-8.5 is the highest. （2） The increase of monthly average runoff in wet season （March to August） is more obvious than in dry season （September to the following February）. The increase in runoff reaches 20% from May to September， and the maximum annual extreme runoff will occur 1.0 to 17.8 days sooner than at present. （3） Under the climate change scenarios， the overall hydrology of Poyang Lake basin will change only slightly， and the highest change degree occurs at the Qiujin Station （21.2） and the lowest change degree occurs at Hushan Station （19.2）. However， the changes in the component indices for monthly average flow （I）， annual extreme flow （II） and flow change （V） are relatively high， with an average degree of 22.8." Our results provide scientific support for predicting and preparing for climate induced changes in the eco-hydrology of Poyang Lake basin.

Key words：climate change; ecological hydrological situation; hydrological change degree; Poyang Lake basin