Impact of climate change on the spatio-temporal characteristics of meteorological and hydrological drought over the Lancang-Mekong River basin
-
摘要: 受全球气候变化影响,澜沧江-湄公河流域气象水文干旱发生了较大变化,预测未来流域干旱的时空变化与传播特征是应对气候变化、开展澜湄水资源合作的基础。利用SWAT模型通过气陆耦合方式模拟了澜沧江-湄公河流域历史(1960—2005年)和未来时期(2022—2050年,2051—2080年)的水文过程,采用标准化降水指数和标准化径流指数预估并分析了流域未来气象水文干旱时空变化趋势。结果表明:①澜沧江-湄公河流域未来降水呈增长趋势,气象干旱将有所缓解,但降水年内分配不均与流域蒸发的增加,将导致水文干旱更为严峻,干旱从气象到水文的传播过程加剧;②水文干旱具有明显的空间异质性,允景洪和清盛站的水文干旱最为严重,琅勃拉邦、穆达汉和巴色站次之,万象站最弱;③未来流域水文干旱事件发生频次略有减少,但其中重旱、特旱事件占比增加,极端干旱将趋多趋强,且空间变化更加显著。Abstract: Affected by global climate change, the status of meteorological and hydrological drought in the Lancang-Mekong River basin (LMRB) has witnessed great changes. Therefore, predicting the temporal and spatial variations of future drought as well as its propagation characteristics has become the basis for tackling climate changes and conducting cooperation on the water resources of the Mekong River. By applying the SWAT model and the method of atmosphere-land coupling, both the history (1960-2005) and the future (2022-2050 and 2051-2080) hydrological processes of the LMRB were simulated. Moreover, the future temporal and spatial variation trends of meteorological and hydrological drought were also predicted and analyzed by using the Standardized Precipitation Index and Standardized Runoff Index. The research results indicated that: ① In the future, the amount of precipitation will be increased. Thus, the meteorological drought will be alleviated to some extent, but at the same time, the inhomogeneous distribution of intra-annual precipitation and increased evaporation from the river basin together will cause a severer hydrological drought and an intense propagation process. ② Hydrological drought will have significant spatial heterogeneity. Specifically, the hydrological drought will be the most intense in Jinghong and Chiang Saen stations, followed by Luang Prabang, Mukdahan, and Pakse stations, and be the weakest in Vientiane station. ③ Over time, the frequency of hydrological drought in the river basin will be slightly decreased, but the proportion of heavy drought and severe drought will be increased, and the extreme drought will be enhanced both in amount and strength. Furthermore, the features of spatial variation will be more significant and noticeable.
-
澜沧江-湄公河是典型跨境河流, 是全球第二大淡水鱼类生态区域, 流域内的农业与渔业是下游国家的支柱产业与食物来源[1], 其水资源开发利用历来是区域水安全和地缘政治合作中的敏感和复杂问题[2]。目前, 关于该区域的研究比较广泛, 主要包括流域水文与水环境模拟、梯级水库防洪调度、流域产输沙与水库泥沙拦截、梯级水电优化调度与并网、跨境水资源合作博弈等[3-7]。在气候变化影响方面, 多聚焦流域未来洪水变化特征及水库在其中发挥的防洪作用[8], 而关于干旱的研究较少。近年来, 受气候变化影响, 澜沧江-湄公河流域在2016年和2019年接连发生2次大旱, 上游澜沧江部分水库蓄水位达到历史同期最低, 下游湄公河三角洲河道水位下降、海水倒灌, 农业渔业经济损失严重, 各国用水矛盾加剧。为了更好地开展澜湄跨境水资源合作, 亟需揭示流域气象水文干旱时空演变特征, 特别是要摸清未来气候变化影响下的演变规律, 这是全流域水资源合作的基础。
流域的水文干旱一般由气象干旱引起, 而降雨与径流的非线性关系导致了气象干旱与水文干旱在持续时间和强度上的差异[9-10], 使干旱在传播过程中呈现出聚集、滞后和延长等特征[11]。受全球气候变化影响, 流域干旱的频次、强度和面积呈增加趋势[12], 传播机制也更为复杂, 且局部地区的干旱从缓慢发展类型向预见期短、发生发展迅速、强度大、破坏性强的骤旱转变[13]。同时, 大型流域的干旱事件也呈现出显著的空间差异化, 不同区域的干旱特征有显著差异[14], 这给流域水资源规划管理带来新的挑战。已有研究通过采用全球气候模式模拟未来气候情景对未来气象干旱进行预测, 之后用气候模式数据驱动水文模型模拟未来径流, 实现水文干旱预测[14-16]。丁怡博等[17]基于CMIP5(Coupled Model Intercomparison Project Phase 5)未来气候模式数据比较陕西省过去和未来气象干旱的时空变化特点;顾磊等[18]基于CMIP5的19个气候模式输出数据, 采用新安江等4个水文模型, 定量评估了中国135个流域未来时期气象干旱至水文干旱的潜在风险传播特性。但是气候模式数据因分辨率低, 存在较大的偏差与不确定性[19-20], 一般需要采用降尺度方法[21]和偏差校正方法[19, 22]来修正误差, 提高模拟精度。常用的偏差校正方法可归为总量校正和频率校正两类, 其中频率校正通过订正不同降水强度的频率分布, 弥补了总量校正不能订正降水变异性的缺点。频率校正中的分位数映射法(Quantile Mapping, QM)在非独立误差订正方面具有优势, 能对降水的数值和频率分布进行订正, 在日降水的校正中表现更优[19, 23], 被广泛用于修正降水和气温数据[23-24]。
本文以澜沧江-湄公河流域为研究对象, 探求其未来气象水文干旱的时空演变特征, 研究可为澜沧江-湄公河跨境水资源合作提供一定支撑。
1 研究区域与数据
澜沧江-湄公河发源于中国青海省玉树藏族自治州的杂多县, 自北向南流经中国青海、西藏、云南3省(自治区)和缅甸、老挝、泰国、柬埔寨、越南5个国家, 流域总面积约79.5万km2, 干流全长4 880 km。源头区域为高原山地气候, 常年覆盖冰雪, 上游云南段处于亚热带季风区, 年降水量超过1 000 mm, 下湄公河处于热带季风区, 受西南季风影响, 年降水量在空间上波动较大, 从泰国东北部的1 000 mm到西南沿岸山区的4 000 mm不等, 全流域多年平均径流量约4 750亿m3。其中, 5—10月为雨季, 降水量达全年的85%~90%, 径流量达全年的75%~80%;11月至次年4月为旱季。流域地理位置、高程及研究的水文测站分布情况如图 1所示, 6个测站中, 允景洪站(Jinghong, JH)位于流域上游, 进一步将下湄公河流域的清盛站(Chiang Saen, CS)、琅勃拉邦站(Luang Prabang, LP)和万象站(Vientiane, VT)划为流域中游, 穆达汉站(Mukdahan, MK)和巴色站(Pakse, PS)划为流域下游。
本文研究数据有: 分布式水文模型(SWAT)的输入数据, 包括气象、水文及下垫面数据; 用于未来气候变化研究的全球气候模式数据(GCM)等, 各项数据来源与精度信息如表 1所示。需要说明的是, 受到资料收集的限制, 本文使用的降水及气温数据均为全流域网格数据, 降水数据为APHRODITE(Asian Precipitation-Highly-Resolved Observational Data Integration Toward Evaluation of Water Resources)计划通过整编亚洲各国和地区的雨量站观测数据, 建立的一套逐日网格化降水数据集; 气温数据为ECMWF(European Centre for Medium-Range Weather Forecasts)使用其预测模型和数据同化系统对观测值“重新分析”形成的网格数据集, 已有研究表明这2个数据集在研究区有较好的适用性[25-26]; 水文数据收集了澜沧江-湄公河干流CS、LP、VT、MK和PS 5个测站1960—2005年及JH站1987—2003年的实测流量数据。
表 1 SWAT模型输入数据与GCM数据信息Table 1 Information about the SWAT model input data and GCM data数据 数据类型 时间 空间分辨率 来源 SWAT模型输入数据 数字高程(DEM) / 90 m 地理空间数据云 土地利用 / 约500 m 国际地圈生物圈计划(IGBP) 土壤类型 / 约1 km 世界土壤数据库(HWSD) 日降水 1960—2005年 0.5°×0.5° APHRODITE 日最高气温与最低气温 1960—2005年 0.5°×0.5° ECMWF再分析数据 风速、相对湿度、太阳辐射 / / CSFR_World天气发生器模拟 径流数据 日流量 1987—2003年(JH) / 华能澜沧江水电股份有限公司 1960—2005年(CS、LP、VT、MK、PS) / 湄公河委员会(MRC) CMIP5全球气候模式数据 日降水、日最高气温与最低气温 历史时期(1960—2005年)未来时期(2022—2080年) 2.0°×2.5° 美国GFDL-CM3 2 研究方法
对收集的数据进行可靠性、代表性与一致性审查。数据来源为国际官方机构, 可靠性高;年径流系列长达40 a以上, 涵盖了丰平枯水系列, 且周期变化规律明显, 具有较好的代表性;对气象水文数据进行趋势分析与突变分析, 判断其是否具有一致性, 若不具有一致性需要进行还原计算。建立并率定SWAT模型, 评估模型的适用性;在此基础上, 对GFDL-CM3气候模式数据进行降尺度与偏差校正, 将修正好的未来时期的气象数据输入到SWAT模型中, 模拟获得未来径流。对未来的降水与径流分别进行气象干旱与水文干旱分析, 揭示其时空变化与传播规律。
2.1 趋势分析与突变分析
本文采用Mann-Kendall法对降雨和径流进行趋势分析, 初步判断两者的关联关系。在此基础上采用双累积曲线法对其进行突变分析, 判断研究时期内是否有人类活动影响的突变点, 从而划分出无人类活动影响的天然期和人类活动影响期。在水文模拟中对于人类活动影响期的径流数据需要进行还原计算。
2.2 SWAT模型
SWAT模型是美国农业部开发的分布式流域水文模型, 被广泛应用于流域水文模拟、面源污染识别、流域水资源管理等方面。在建立澜沧江-湄公河流域SWAT模型时将流域划分为1 283个子流域、6 804个水文响应单元(HRU)。结合大流域多站点、多评价指标的参数率定思路, 按照从上游到下游的原则, 对样本流域进行参数敏感性分析、率定与验证。模型参数率定选用SWAT-CUP软件的SUFI-2算法, 将数据时间序列分为预热期、率定期和验证期三段: JH站的预热期为1985—1986年, 率定期为1987—1995年, 验证期为1996—2003年;CS、LP、VT、MK、PS 5个站的预热期均为1960—1961年, 率定期为1962—1984年, 验证期为1985—2005年。
模型适用性评价指标选择纳什效率系数(Ens)和决定系数(R2)来评价SWAT模型的径流模拟结果, 指标越接近1模拟效果越好。其中:
$$ E_{\mathrm{ns}}=1-\frac{\sum\limits_{i=1}^{n}\left(Q_{\mathrm{o}, i}-Q_{\mathrm{s}, i}\right)^{2}}{\sum\limits_{i=1}^{n}\left(Q_{\mathrm{o}, i}-\overline{Q_{\mathrm{o}}}\right)^{2}} $$ (1) $$ R^{2}=\frac{\left[\sum\limits_{i=1}^{n}\left(Q_{\mathrm{s}, i}-\bar{Q}_{\mathrm{s}}\right)\left(Q_{\mathrm{o}, i}-\bar{Q}_{\mathrm{o}}\right)\right]^{2}}{\sum\limits_{i=1}^{n}\left(Q_{\mathrm{o}, i}-\overline{Q_{\mathrm{o}}}\right)^{2} \sum\limits_{i=1}^{n}\left(Q_{\mathrm{s}, i}-\overline{Q_{\mathrm{s}}}\right)^{2}} $$ (2) 式中: $ Q_{\mathrm{o}, i}、Q_{\mathrm{s}, i}、\bar{Q}_{\mathrm{o}}$与$\overline{Q_{\mathrm{s}}} $分别为i时刻的实测流量、模拟流量、实测平均流量和模拟平均流量, m3/s;n为时段数。
2.3 气候模式选择与QM偏差校正
采用CMIP5中的GFDL-CM3全球气候模式数据(表 1)分析未来气候变化, 考虑了RCP2.6、RCP4.5和RCP8.5排放情景, 该数据由美国国家海洋和大气管理局地球物理流体动力学实验室模拟而得。在使用前用线性插值法将日降水、日最高气温和日最低气温降尺度为0.5°×0.5°, 然后用QM法对其进行偏差校正。QM法是一种基于概率分布形式转化的偏差校正方法, 其假定修正变量之间相互独立, 通过纠正某个变量分布函数中的偏差, 以达到纠正变量中存在的偏差的目的。该方法已被证实可以有效提高日、月、年尺度上降水的模拟输出结果。
QM法进行偏差校正时, 将时间序列整体上划分为2段: 1960—2005年为历史时期(1960—1982年为计算期, 1983—2005年为验证期), 2022—2080年为未来时期(2022—2050年为未来近期, 2051—2080年为未来远期)。以APHRODITE和ECMWF为参照数据, 在计算期内对每个格点按月建立经验累积频率曲线(ECDF), 然后按式(3)—式(4)进行修正:
$$ \Delta {x_{t, i}} = {x_{t, i, {\rm{r}}}} - {x_{t, i, {\rm{g}}}} $$ (3) $$ {x_{t, i, {\rm{c}}}} = {x_{t, i, {\rm{g}}}} + \Delta {x_{t, i}} $$ (4) 式中: xt, i, r和xt, i, g分别为参照数据和GCM数据在第i个格点第t天某一累积频率p对应的值;Δxt, i为GCM数据误差;xt, i, c为经过偏差校正后的GCM数据。
同样在验证期内建立累积经验频率曲线, 类同公式(4)将计算期的Δxt, i应用于验证期, 检验误差修正效果。最后, 将历史时期的降水误差(Δxt, i, p)、最高气温误差(Δxt, i, Tmax)和最低气温误差(Δxt, i, Tmin)应用于未来近期和未来远期, 即完成未来时期GCM数据的偏差校正。
另外, 用国际上研究气候变化普遍采用的1961—1990年作为基准期(由于JH站缺少早期径流数据, 故用1987—2003年作为JH站的基准期), 以对比未来不同气候变化情景下的气象、水文与基准期的差异。
2.4 气象干旱与水文干旱评估
本文用标准化降水指数(Standardized Precipitation Index, ISP)和标准化径流指数(Standardized Runoff Index, ISR)描述干旱特征[27], 二者基于概率分布衡量不同时间尺度下的降水和径流的短缺量, 计算简便、灵活、适用性强, 应用广泛。以1个月作为研究的时间尺度, 用Γ分布描述统计量(降水或径流)的变化, 对每个月分别建立Γ分布函数并计算ISP和ISR。ISP(或ISR)的范围(-1, -0.5], (-1.5, -1], (-2, -1.5]和(-∞, -2]分别表示轻旱、中旱、重旱和特旱。定义ISP(或ISR)≤-1为干旱事件;干旱事件发生的总次数为干旱频次;每次干旱事件ISP(或ISR)与-1之差的累计和为干旱烈度。如图 2所示。
3 结果及分析
3.1 降雨—径流趋势分析与突变点识别
采用Mann-Kendall法和双累积曲线法对1987—2003年JH站及1960—2005年其余5个站控制子流域的年降雨、径流进行趋势分析和突变分析。趋势分析结果显示0.05显著水平下, 降雨和径流均呈不显著变化趋势, 如表 2所示。降雨的秩统计量(Z)和斜率的绝对变化范围分别为0.04~1.11和0.09~4.70, CS呈不显著下降趋势, JH、LP、VT、MK、PS 5个站呈不显著上升趋势;径流的秩统计量和斜率的绝对变化范围为0.31~1.49和0.30~1.22, CS、LP、VT、PS 4个站呈不显著下降趋势, JH和MK 2个站呈不显著上升趋势。突变分析结果显示, 降雨—径流双累积曲线无明显转折点, 无突变点, 即1960—2005年受人类活动影响较小, 认为是天然时期, 无需进行径流还原, 这个结果与湄公河委员会发布的报告[28]相一致。
表 2 1960—2005年降雨—径流变化趋势检验结果Table 2 Trend test results of precipitation and streamflow from 1960—2005水文站 降雨 径流 Z 斜率 显著性水平 趋势 Z 斜率 显著性水平 趋势 JH 1.11 4.70 0.05 不显著上升 0.37 1.22 0.05 不显著上升 CS -0.68 -0.43 0.05 不显著下降 -1.49 -1.11 0.05 不显著下降 LP 0.04 0.09 0.05 不显著上升 -1.06 -0.87 0.05 不显著下降 VT 0.55 0.49 0.05 不显著上升 -1.10 -0.88 0.05 不显著下降 MK 0.90 1.07 0.05 不显著上升 0.31 0.41 0.05 不显著上升 PS 0.73 0.91 0.05 不显著上升 -0.33 -0.30 0.05 不显著下降 3.2 流域水文模拟
各水文站月径流模拟结果如图 3, 图中点据越靠近45°斜线表明模拟值越接近实测值。模型适用性评价指标如表 3, 评价指标Ens的变化范围为0.89~0.95, R2的变化范围为0.90~0.95, 模型整体模拟效果较好。但是, 图中每个站的高流量点多分布于45°斜线下方, 表明SWAT模型在澜沧江-湄公河流域的洪峰模拟中存在一定缺陷, 使得洪峰被低估。由于本文聚焦干旱问题, 更关注低流量时段, 这些时段的拟合效果很好, 洪峰的不准确性不会影响分析结果。
表 3 各水文站月径流模拟评价指标Table 3 Monthly runoff simulation evaluation index of six hydrological stations水文站 时期 Ens R2 水文站 时期 Ens R2 JH 率定期(1987—1995年) 0.94 0.94 VT 率定期(1962—1984年) 0.93 0.93 验证期(1996—2003年) 0.91 0.93 验证期(1985—2005年) 0.94 0.95 CS 率定期(1962—1984年) 0.89 0.90 MK 率定期(1962—1984年) 0.93 0.94 验证期(1985—2005年) 0.90 0.92 验证期(1985—2005年) 0.94 0.95 LP 率定期(1962—1984年) 0.93 0.94 PS 率定期(1962—1984年) 0.94 0.94 验证期(1985—2005年) 0.91 0.94 验证期(1985—2005年) 0.95 0.95 3.3 气候变化驱动下流域降雨、径流的时空变化
3.3.1 GCM数据偏差校正
采用QM法对GFDL-CM3历史时期气象数据的偏差校正结果如图 4所示。可以看出, 同一累积概率下GFDL-CM3降水数据比参照数据偏高, GFDL-CM3气温数据比参照数据偏低;经过校正后GFDL-CM3数据明显接近参照数据, 流域多年平均降水量的相对误差绝对值由11.15%减小到2.67%, 多年平均最高气温的相对误差绝对值由6.47%减小到0.39%, 多年平均最低气温的相对误差绝对值由17.77%减小到0.08%, 表明QM方法具有较好的偏差校正效果。
3.3.2 未来气候与径流的变化趋势分析
用QM法对未来3种气候变化情景的降水、最高气温及最低气温进行修正后可以得到未来不同阶段、不同情景下的气象数据。图 5和图 6分别反映了流域未来多年平均降水在时空上相对基准期的变化。从图 5可以看出, 未来不同时期的降水在不同的排放情景下有所差异: 未来近期降水的整体变化不大, 增减都在3%以内;未来远期降水量显著增加, 增长幅度在8%~13%;主汛期降水量显著增大, 非汛期降水量也有轻微增长趋势, 整体上降水年内分配变得更不均匀。
从图 6可知, 未来2个时期的降水在流域上也呈现出明显的空间差异性变化: 流域源头区降水增加最显著, 增长幅度为65%~150%;上游云南段降水减少最明显, 未来近期减少幅度为20%~25%, 随着远期降水增加, 减少幅度降至10%左右;中、下游降水变化幅度相对较小。表 4展示了流域未来期多年平均最高气温和最低气温相对基准期的变化(括号中数值), 均呈现增加趋势, 平均增长约2~4℃, 这与Khoi等[29]的研究成果相近。
表 4 未来流域多年平均最高气温与最低气温变化Table 4 Future trends of annual air temperature℃ 气温 基准期 未来近期(2022—2050年) 未来远期(2051—2080年) RCP2.6 RCP4.5 RCP8.5 RCP2.6 RCP4.5 RCP8.5 最高气温 25.64 27.35(1.71) 27.60(1.96) 27.63(1.99) 27.95(2.31) 28.88(3.24) 29.68(4.04) 最低气温 18.21 20.01(1.80) 19.98(1.77) 20.19(1.98) 20.31(2.10) 21.05(2.84) 21.99(3.78) 将修正好的未来时期降水及气温数据输入到SWAT模型中, 模拟获得未来各水文站的月径流, 表 5反映了流域各水文站多年平均径流量相对基准期的变化。整体来说, 除去未来近期的RCP4.5和RCP8.5情景外, 其他所有情景中年平均径流量呈现增长趋势, 且上游增长多, 下游增长少, 径流量增加的趋势也从上游到下游递减, 这与上文分析的降水空间变化趋势一致;另外, 考虑上游尤其是源区地处青藏高原, 未来气温升高引起的青藏高原冻土和高山冰雪融化是径流增加的重要因素之一, 也正是这些复杂的产汇流过程导致了降水和径流在不同空间上的变化幅度不同。未来近期不同气候模式下, 各站径流量增减幅度大多在10%以内, 而未来远期均呈现增长趋势, 且增长幅度大多超过20%。流域径流量的变化也呈现出明显的空间差异性, 上游和中游径流量的增长幅度是下游区域的2~3倍左右。
表 5 未来流域各水文站多年平均径流量变化Table 5 Future trends of average annual runoff at six stations水文站 未来近期 未来远期 RCP2.6 RCP4.5 RCP8.5 RCP2.6 RCP4.5 RCP8.5 径流量/亿m3 相对变化/% 径流量/亿m3 相对变化/% 径流量/亿m3 相对变化/% 径流量/亿m3 相对变化/% 径流量/亿m3 相对变化/% 径流量/亿m3 相对变化/% JH 615.5 8.50 574.1 1.19 590.7 4.12 730.8 28.81 886.9 56.34 817.8 44.16 CS 959.4 12.10 867.4 1.35 890.0 3.99 1 104 29.05 1 276 49.14 1 138 33.00 LP 1 469 16.93 1 314 4.60 1 325 5.49 1 655 31.76 1 861 48.20 1 628 29.64 VT 1 592 11.53 1 422 -0.40 1 422 -0.40 1 794 25.73 2 009 40.77 1 755 22.96 MK 2 501 4.28 2 297 -4.25 2 274 -5.22 2 784 16.05 3 006 25.32 2 693 12.25 PS 3 237 4.27 2 958 -4.73 2 945 -5.13 3 619 16.58 3 857 24.26 3 506 12.94 3.4 气候变化驱动下流域干旱特征演变
3.4.1 流域气象、水文干旱烈度变化特征
基于2.4节的气象、水文干旱评估方法, 分别计算了基准期、未来近期和未来远期3个时期的ISP及ISR, 进而分析了流域在相应时期内的平均干旱烈度, 以比较各站不同时期的干旱程度, 结果如表 6所示。由表 6可知: 未来2个时期3种气候变化情景下的气象干旱烈度在0.6~1.1之间, 基本都弱于基准期;水文干旱烈度在0.1~0.7之间, 除未来近期RCP2.6情景LP和VT站弱于基准期外, 其他都强于基准期;干旱在从气象到水文的传播过程中有所加剧。未来气象干旱减弱的主要原因是流域降水增加, 水文干旱加强则主要由未来降水年内分配不均和气温升高引发的流域蒸发增大两方面原因造成。从表 6还可以看出水文干旱烈度还具有明显的空间变化规律, 即从上游到下游, 水文干旱烈度先减小再增大。值得注意的是JH站, 虽然上游源头区降水增长程度明显大于云南段降水减少程度, 但是源头降水量小, 尽管增长幅度大, 但增加的绝对值较小, 导致JH站的干旱烈度很大。
表 6 未来不同气候变化情景各站多年平均干旱烈度Table 6 Future trends of annual drought intensity at six stations水文站 气象干旱 水文干旱 基准期 未来近期 未来远期 基准期 未来近期 未来远期 RCP
2.6RCP
4.5RCP
8.5RCP
2.6RCP
4.5RCP
8.5RCP
2.6RCP
4.5RCP
8.5RCP
2.6RCP
4.5RCP
8.5JH 0.92 0.79 0.85 0.71 1.06 0.69 0.98 0.32 0.55 0.69 0.60 0.66 0.54 0.68 CS 0.93 0.66 0.86 0.67 0.90 0.70 0.93 0.31 0.39 0.63 0.55 0.52 0.49 0.54 LP 0.99 0.60 0.94 0.69 0.78 0.70 0.90 0.38 0.30 0.51 0.49 0.43 0.47 0.43 VT 1.01 0.60 0.96 0.72 0.80 0.72 0.91 0.30 0.18 0.34 0.33 0.31 0.37 0.31 MK 1.00 0.60 0.96 0.72 0.79 0.72 0.93 0.26 0.39 0.49 0.54 0.48 0.55 0.44 PS 1.08 0.68 1.01 0.76 0.84 0.78 0.99 0.29 0.49 0.54 0.59 0.53 0.60 0.46 3.4.2 流域水文干旱变化
进一步分析流域年均水文干旱事件发生频次(表 7), 以及其中重旱和特旱事件发生的占比(表 8), 可以看出: 除JH站外, 未来2个时期内其余测站的水文干旱事件频次与基准期相比大多有所减少, 即干旱发生的次数减少;但出现了基准期从未有过的重旱和特旱事件, 且占比很大, 尤其是在未来近期, JH站的重旱、特旱事件占总干旱事件的比例高达25%;随着未来远期降水增多, 重旱、特旱事件占比相比近期有所降低。而从空间变化来看, 上游和下游的水文干旱事件发生频次基本都高于中游, 上游和中游CS站发生重旱、特旱的比例高于中游其他站和下游, 总的来说, 未来流域上游和中游CS站地区的水文干旱十分严重。
表 7 未来不同气候变化情景各站年均水文干旱发生频次Table 7 Future trends of annual drought events frequencies at six stations水文站 基准期 未来近期 未来远期 RCP2.6 RCP4.5 RCP8.5 RCP2.6 RCP4.5 RCP8.5 JH 1.94 2.31 2.07 2.14 2.07 2.17 2.37 CS 2.41 1.83 2.14 2.10 2.17 2.10 2.33 LP 2.45 1.86 1.97 2.14 2.17 2.30 2.20 VT 2.48 1.83 1.90 2.07 2.07 2.00 1.93 MK 2.41 2.45 2.28 2.38 2.43 2.37 2.13 PS 2.48 2.41 2.41 2.45 2.40 2.40 2.10 表 8 未来不同气候变化情景各站重旱、特旱占比Table 8 Proportions of severe and excessive drought at six stations in future% 水文站 基准期 未来近期 未来远期 RCP2.6 RCP4.5 RCP8.5 RCP2.6 RCP4.5 RCP8.5 JH 0 5.88 25.00 19.35 14.52 12.31 12.99 CS 0 7.55 17.74 11.48 13.85 11.11 8.57 LP 0 1.85 12.28 4.84 6.15 5.80 3.03 VT 0 0 5.45 0 0 1.67 0 MK 0 0 6.06 1.45 1.37 1.41 3.13 PS 0 0 7.14 2.82 1.39 5.56 4.76 上述结论也可以从极端干旱事件的变化趋势上得到验证, 分别选取基准期和未来期各变化情景下最小的ISR(ISR, min)来分析最严重的水文干旱事件, 如表 9所示。基准期各站ISR, min变化不大, 均在-1.3上下波动, 而未来2个时期的ISR, min基本小于基准期, 表明最严重的水文干旱情况在未来有所加强, 这与前述的重旱、特旱事件增多有关。另外未来各站ISR, min差异较大, 各站变化范围为-2.2~-1.2, 从上游到下游ISR, min先增大再减小, 其中JH站和CS站的ISR, min均在-2上下波动, 达到重旱甚至特旱程度, 水文干旱情况最为严重, LP、MK和PS站次之, VT站最弱。
表 9 未来不同气候变化情景下各站极端干旱分析Table 9 Analysis of extreme drought at six stations in future水文站 基准期 未来近期 未来远期 RCP2.6 RCP4.5 RCP8.5 RCP2.6 RCP4.5 RCP8.5 JH -1.38 -2.07 -1.90 -1.89 -2.06 -2.22 -1.84 CS -1.39 -1.93 -2.15 -2.15 -1.83 -2.09 -1.72 LP -1.33 -1.64 -1.76 -1.67 -1.61 -1.63 -1.65 VT -1.33 -1.26 -1.54 -1.45 -1.46 -1.50 -1.41 MK -1.27 -1.39 -1.66 -1.54 -1.51 -1.57 -1.53 PS -1.34 -1.43 -1.71 -1.54 -1.51 -1.54 -1.56 综上, 澜沧江-湄公河流域在未来气候变化影响下水文干旱加剧, 流域水资源更为短缺, 将会严重影响农业、渔业生产;同时水文干旱在空间上呈现差异性变化, 给跨境水资源的开发与利用带来新的挑战。位于中游的VT站处于老挝、泰国交界处, 两国占有流域30%左右的耕地面积, 该测站的水文干旱加剧必然会增加此站的农业取用水, 进而导致下游MK、PS站受到气候变化与中游人类取用水的双重影响, 使下游国家的干旱程度进一步加剧。这一问题在2016年的湄公河大旱事件中得到印证: 该年流域出现大旱, 中游泰国的取用水进一步加剧了下游越南旱情。对于跨境河流而言, 水文干旱的加剧及其空间变化会影响跨境河流的水资源开发利用, 促进流域各国合作, 2016年澜沧江流域在来水较多年平均减少20%、入库流量仅500 m3/s左右的情况下, 中国政府仍克服自身困难向下游三阶段应急补水, 累计补水27亿m3, 较天然来水增加94%, 有效地缓解了下游国家的旱情。因此, 在未来水文干旱加剧的背景下, 更需要沿河各国的通力合作制定更为合理的跨境水资源开发利用策略, 尤其是要发挥上游水库群的调节能力, 发挥蓄丰补枯作用, 实现水电开发与下游供水、粮食生产的协调发展。
4 结论
本文基于SWAT模型预测了流域未来在GFDL-CM3(CMIP5)气候模式下气象水文干旱的时空变化及传播特征, 结果表明: 澜沧江-湄公河流域在未来气候变化影响下水文干旱加剧, 将使流域水资源更为短缺;同时, 水文干旱在空间上呈现差异性变化, 给跨境水资源的开发与利用带来新的挑战。主要结论如下:
(1) 在未来近期(2022—2050年)和未来远期(2051—2080年)2个时期的3种气候变化情景(RCP2.6、RCP4.5、RCP8.5)下, 气象干旱(烈度在0.6~1.1之间)基本都弱于基准期;水文干旱(烈度在0.1~0.7之间)基本都强于基准期;干旱在从气象到水文的传播过程中有所加剧;除允景洪站外, 未来2个时期水文干旱事件频次与基准期相比有所减少;干旱事件中的重旱、特旱事件占比显著增加。
(2) 水文干旱还具有明显的空间变化规律: 从上游到下游, 水文干旱烈度、水文干旱事件发生频次及发生重旱、特旱的比例基本都是先减小再增大, 呈现出允景洪和清盛站的水文干旱最严重, 琅勃拉邦、穆达汉、巴色站次之, 万象站最弱的空间变化特征。
(3) 统计各时期最小的标准化径流指数(ISR, min)来表示极端水文干旱事件, 发现未来各站ISR, min(变化范围-2.2~-1.3)基本小于基准期, 个别测站已达到特旱程度, 极端水文干旱情况将趋多趋强, 空间变化也更为显著, 上游及中游清盛站区域明显强于中游其他区域和下游区域。
-
表 1 SWAT模型输入数据与GCM数据信息
Table 1 Information about the SWAT model input data and GCM data
数据 数据类型 时间 空间分辨率 来源 SWAT模型输入数据 数字高程(DEM) / 90 m 地理空间数据云 土地利用 / 约500 m 国际地圈生物圈计划(IGBP) 土壤类型 / 约1 km 世界土壤数据库(HWSD) 日降水 1960—2005年 0.5°×0.5° APHRODITE 日最高气温与最低气温 1960—2005年 0.5°×0.5° ECMWF再分析数据 风速、相对湿度、太阳辐射 / / CSFR_World天气发生器模拟 径流数据 日流量 1987—2003年(JH) / 华能澜沧江水电股份有限公司 1960—2005年(CS、LP、VT、MK、PS) / 湄公河委员会(MRC) CMIP5全球气候模式数据 日降水、日最高气温与最低气温 历史时期(1960—2005年)未来时期(2022—2080年) 2.0°×2.5° 美国GFDL-CM3 表 2 1960—2005年降雨—径流变化趋势检验结果
Table 2 Trend test results of precipitation and streamflow from 1960—2005
水文站 降雨 径流 Z 斜率 显著性水平 趋势 Z 斜率 显著性水平 趋势 JH 1.11 4.70 0.05 不显著上升 0.37 1.22 0.05 不显著上升 CS -0.68 -0.43 0.05 不显著下降 -1.49 -1.11 0.05 不显著下降 LP 0.04 0.09 0.05 不显著上升 -1.06 -0.87 0.05 不显著下降 VT 0.55 0.49 0.05 不显著上升 -1.10 -0.88 0.05 不显著下降 MK 0.90 1.07 0.05 不显著上升 0.31 0.41 0.05 不显著上升 PS 0.73 0.91 0.05 不显著上升 -0.33 -0.30 0.05 不显著下降 表 3 各水文站月径流模拟评价指标
Table 3 Monthly runoff simulation evaluation index of six hydrological stations
水文站 时期 Ens R2 水文站 时期 Ens R2 JH 率定期(1987—1995年) 0.94 0.94 VT 率定期(1962—1984年) 0.93 0.93 验证期(1996—2003年) 0.91 0.93 验证期(1985—2005年) 0.94 0.95 CS 率定期(1962—1984年) 0.89 0.90 MK 率定期(1962—1984年) 0.93 0.94 验证期(1985—2005年) 0.90 0.92 验证期(1985—2005年) 0.94 0.95 LP 率定期(1962—1984年) 0.93 0.94 PS 率定期(1962—1984年) 0.94 0.94 验证期(1985—2005年) 0.91 0.94 验证期(1985—2005年) 0.95 0.95 表 4 未来流域多年平均最高气温与最低气温变化
Table 4 Future trends of annual air temperature
℃ 气温 基准期 未来近期(2022—2050年) 未来远期(2051—2080年) RCP2.6 RCP4.5 RCP8.5 RCP2.6 RCP4.5 RCP8.5 最高气温 25.64 27.35(1.71) 27.60(1.96) 27.63(1.99) 27.95(2.31) 28.88(3.24) 29.68(4.04) 最低气温 18.21 20.01(1.80) 19.98(1.77) 20.19(1.98) 20.31(2.10) 21.05(2.84) 21.99(3.78) 表 5 未来流域各水文站多年平均径流量变化
Table 5 Future trends of average annual runoff at six stations
水文站 未来近期 未来远期 RCP2.6 RCP4.5 RCP8.5 RCP2.6 RCP4.5 RCP8.5 径流量/亿m3 相对变化/% 径流量/亿m3 相对变化/% 径流量/亿m3 相对变化/% 径流量/亿m3 相对变化/% 径流量/亿m3 相对变化/% 径流量/亿m3 相对变化/% JH 615.5 8.50 574.1 1.19 590.7 4.12 730.8 28.81 886.9 56.34 817.8 44.16 CS 959.4 12.10 867.4 1.35 890.0 3.99 1 104 29.05 1 276 49.14 1 138 33.00 LP 1 469 16.93 1 314 4.60 1 325 5.49 1 655 31.76 1 861 48.20 1 628 29.64 VT 1 592 11.53 1 422 -0.40 1 422 -0.40 1 794 25.73 2 009 40.77 1 755 22.96 MK 2 501 4.28 2 297 -4.25 2 274 -5.22 2 784 16.05 3 006 25.32 2 693 12.25 PS 3 237 4.27 2 958 -4.73 2 945 -5.13 3 619 16.58 3 857 24.26 3 506 12.94 表 6 未来不同气候变化情景各站多年平均干旱烈度
Table 6 Future trends of annual drought intensity at six stations
水文站 气象干旱 水文干旱 基准期 未来近期 未来远期 基准期 未来近期 未来远期 RCP
2.6RCP
4.5RCP
8.5RCP
2.6RCP
4.5RCP
8.5RCP
2.6RCP
4.5RCP
8.5RCP
2.6RCP
4.5RCP
8.5JH 0.92 0.79 0.85 0.71 1.06 0.69 0.98 0.32 0.55 0.69 0.60 0.66 0.54 0.68 CS 0.93 0.66 0.86 0.67 0.90 0.70 0.93 0.31 0.39 0.63 0.55 0.52 0.49 0.54 LP 0.99 0.60 0.94 0.69 0.78 0.70 0.90 0.38 0.30 0.51 0.49 0.43 0.47 0.43 VT 1.01 0.60 0.96 0.72 0.80 0.72 0.91 0.30 0.18 0.34 0.33 0.31 0.37 0.31 MK 1.00 0.60 0.96 0.72 0.79 0.72 0.93 0.26 0.39 0.49 0.54 0.48 0.55 0.44 PS 1.08 0.68 1.01 0.76 0.84 0.78 0.99 0.29 0.49 0.54 0.59 0.53 0.60 0.46 表 7 未来不同气候变化情景各站年均水文干旱发生频次
Table 7 Future trends of annual drought events frequencies at six stations
水文站 基准期 未来近期 未来远期 RCP2.6 RCP4.5 RCP8.5 RCP2.6 RCP4.5 RCP8.5 JH 1.94 2.31 2.07 2.14 2.07 2.17 2.37 CS 2.41 1.83 2.14 2.10 2.17 2.10 2.33 LP 2.45 1.86 1.97 2.14 2.17 2.30 2.20 VT 2.48 1.83 1.90 2.07 2.07 2.00 1.93 MK 2.41 2.45 2.28 2.38 2.43 2.37 2.13 PS 2.48 2.41 2.41 2.45 2.40 2.40 2.10 表 8 未来不同气候变化情景各站重旱、特旱占比
Table 8 Proportions of severe and excessive drought at six stations in future
% 水文站 基准期 未来近期 未来远期 RCP2.6 RCP4.5 RCP8.5 RCP2.6 RCP4.5 RCP8.5 JH 0 5.88 25.00 19.35 14.52 12.31 12.99 CS 0 7.55 17.74 11.48 13.85 11.11 8.57 LP 0 1.85 12.28 4.84 6.15 5.80 3.03 VT 0 0 5.45 0 0 1.67 0 MK 0 0 6.06 1.45 1.37 1.41 3.13 PS 0 0 7.14 2.82 1.39 5.56 4.76 表 9 未来不同气候变化情景下各站极端干旱分析
Table 9 Analysis of extreme drought at six stations in future
水文站 基准期 未来近期 未来远期 RCP2.6 RCP4.5 RCP8.5 RCP2.6 RCP4.5 RCP8.5 JH -1.38 -2.07 -1.90 -1.89 -2.06 -2.22 -1.84 CS -1.39 -1.93 -2.15 -2.15 -1.83 -2.09 -1.72 LP -1.33 -1.64 -1.76 -1.67 -1.61 -1.63 -1.65 VT -1.33 -1.26 -1.54 -1.45 -1.46 -1.50 -1.41 MK -1.27 -1.39 -1.66 -1.54 -1.51 -1.57 -1.53 PS -1.34 -1.43 -1.71 -1.54 -1.51 -1.54 -1.56 -
[1] 汪伟. 气候变化情景下水库调度对湄公河洪水的影响研究[D]. 北京: 清华大学, 2017. WANG W. Impacts of reservoir regulation on the characteristics of floods over Mekong River basin under climate change[D]. Beijing: Tsinghua University, 2017. (in Chinese)
[2] 杜德斌, 刘承良, 胡志丁, 等. "亚洲水塔"变化对中国周边地缘政治环境的影响[J]. 世界地理研究, 2020, 29(2): 223-231. doi: 10.3969/j.issn.1004-9479.2020.02.2020063 DU D B, LIU C L, HU Z D, et al. The impact of "Asian Water Tower" change on the geopolitical environment around China[J]. World Regional Studies, 2020, 29(2): 223-231. (in Chinese) doi: 10.3969/j.issn.1004-9479.2020.02.2020063
[3] CHEN X X, XU B, ZHENG Y, et al. Nexus of water, energy and ecosystems in the upper Mekong River: a system analysis of phosphorus transport through cascade reservoirs[J]. Science of the Total Environment, 2019, 671: 1179-1191. doi: 10.1016/j.scitotenv.2019.03.324
[4] 侯时雨, 田富强, 陆颖, 等. 澜沧江-湄公河流域水库联合调度防洪作用[J]. 水科学进展, 2021, 32(1): 68-78. doi: 10.14042/j.cnki.32.1309.2021.01.007 HOU S Y, TIAN F Q, LU Y, et al. Potential role of coordinated operation of transboundary multi-reservoir system to reduce flood risk in the Lancang-Mekong River basin[J]. Advances in Water Science, 2021, 32(1): 68-78. (in Chinese) doi: 10.14042/j.cnki.32.1309.2021.01.007
[5] 侯时雨, 田富强, 倪广恒. 澜沧江-湄公河流域产输沙和水库拦沙研究存在问题分析[J]. 水科学进展, 2020, 31(4): 619-628. doi: 10.14042/j.cnki.32.1309.2020.04.016 HOU S Y, TIAN F Q, NI G H. Review of sediment yield, transportation, and trap in reservoirs in Lancang-Mekong River basin[J]. Advances in Water Science, 2020, 31(4): 619-628. (in Chinese) doi: 10.14042/j.cnki.32.1309.2020.04.016
[6] 王健, 程春田, 申建建, 等. 水电站群优化调度非线性全局优化方法[J]. 中国电机工程学报, 2018, 38(17): 5107-5117. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGDC201817013.htm WANG J, CHENG C T, SHEN J J, et al. A branch-and-bound based global optimization method for deterministic hydropower operation[J]. Proceedings of the CSEE, 2018, 38(17): 5107-5117. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZGDC201817013.htm
[7] LI D N, ZHAO J S, GOVINDARAJU R S. Water benefits sharing under transboundary cooperation in the Lancang-Mekong River basin[J]. Journal of Hydrology, 2019, 577: 123989. doi: 10.1016/j.jhydrol.2019.123989
[8] WANG W, LU H, RUBY LEUNG L, et al. Dam construction in Lancang-Mekong River basin could mitigate future flood risk from warming-induced intensified rainfall[J]. Geophysical Research Letters, 2017, 44(20): 10378-10386. doi: 10.1002/2017GL075037
[9] YANG Y T, MCVICAR T R, DONOHUE R J, et al. Lags in hydrologic recovery following an extreme drought: assessing the roles of climate and catchment characteristics[J]. Water Resources Research, 2017, 53(6): 4821-4837. doi: 10.1002/2017WR020683
[10] 裴源生, 蒋桂芹, 翟家齐. 干旱演变驱动机制理论框架及其关键问题[J]. 水科学进展, 2013, 24(3): 449-456. http://skxjz.nhri.cn/article/id/2310 PEI Y S, JIANG G Q, ZHAI J Q. Theoretical framework of drought evolution driving mechanism and the key problems[J]. Advances in Water Science, 2013, 24(3): 449-456. (in Chinese) http://skxjz.nhri.cn/article/id/2310
[11] 马岚. 气象干旱向水文干旱传播的动态变化及其驱动力研究[D]. 西安: 西安理工大学, 2019. MA L. Dynamic change of propagation from meteorological drought to hydrological drought and the driving forces[D]. Xi'an: Xi'an University of Technology, 2019. (in Chinese)
[12] 张强, 姚玉璧, 李耀辉, 等. 中国干旱事件成因和变化规律的研究进展与展望[J]. 气象学报, 2020, 78(3): 500-521. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXB202003011.htm ZHANG Q, YAO Y B, LI Y H, et al. Progress and prospect on the study of causes and variation regularity of droughts in China[J]. Acta Meteorologica Sinica, 2020, 78(3): 500-521. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-QXXB202003011.htm
[13] YUAN X, WANG L Y, WU P L, et al. Anthropogenic shift towards higher risk of flash drought over China[J]. Nature Communications, 2019, 10: 4661. doi: 10.1038/s41467-019-12692-7
[14] 彭雪婷, 卢麾, 汪伟, 等. 基于分布式水文模型的怒江流域气象干旱和水文干旱分析[J]. 水利水电技术, 2018, 49(8): 94-100. https://www.cnki.com.cn/Article/CJFDTOTAL-SJWJ201808012.htm PENG X T, LU H, WANG W, et al. Distributed hydrological model-based analysis on meteorological and hydrological drought of Nujiang River basin[J]. Water Resources and Hydropower Engineering, 2018, 49(8): 94-100. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-SJWJ201808012.htm
[15] OMER A, ZHUGUO M, ZHENG Z Y, et al. Natural and anthropogenic influences on the recent droughts in Yellow River basin, China[J]. Science of the Total Environment, 2020, 704: 135428. doi: 10.1016/j.scitotenv.2019.135428
[16] VALIYA VEETTIL A, MISHRA A K. Multiscale hydrological drought analysis: role of climate, catchment and morphological variables and associated thresholds[J]. Journal of Hydrology, 2020, 582: 124533. doi: 10.1016/j.jhydrol.2019.124533
[17] 丁怡博, 徐家屯, 李亮, 等. 基于SPEI和MI分析陕西省干旱特征及趋势变化[J]. 中国农业科学, 2019, 52(23): 4296-4308. doi: 10.3864/j.issn.0578-1752.2019.23.010 DING Y B, XU J T, LI L, et al. Analysis of drought characteristics and its trend change in Shaanxi Province based on SPEI and MI[J]. Scientia Agricultura Sinica, 2019, 52(23): 4296-4308. (in Chinese) doi: 10.3864/j.issn.0578-1752.2019.23.010
[18] 顾磊, 陈杰, 尹家波, 等. 气候变化下中国主要流域气象水文干旱潜在风险传播[J]. 水科学进展, 2021, 32(3): 321-333. doi: 10.14042/j.cnki.32.1309.2021.03.001 GU L, CHEN J, YIN J B, et al. Risk propagation from meteorological to hydrological droughts in a changing climate for main catchments in China[J]. Advances in Water Science, 2021, 32(3): 321-333. (in Chinese) doi: 10.14042/j.cnki.32.1309.2021.03.001
[19] WILCKE R A I, MENDLIK T, GOBIET A. Multi-variable error correction of regional climate models[J]. Climatic Change, 2013, 120(4): 871-887. doi: 10.1007/s10584-013-0845-x
[20] 王国庆, 乔翠平, 刘铭璐, 等. 气候变化下黄河流域未来水资源趋势分析[J]. 水利水运工程学报, 2020(2): 1-8. https://www.cnki.com.cn/Article/CJFDTOTAL-SLSY202002001.htm WANG G Q, QIAO C P, LIU M L, et al. The future water resources regime of the Yellow River basin in the context of climate change[J]. Hydro-Science and Engineering, 2020(2): 1-8. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-SLSY202002001.htm
[21] 徐忠峰, 韩瑛, 杨宗良. 区域气候动力降尺度方法研究综述[J]. 中国科学: 地球科学, 2019, 49(3): 487-498. https://www.cnki.com.cn/Article/CJFDTOTAL-JDXK201903001.htm XU Z F, HAN Y, YANG Z L. Dynamical downscaling of regional climate: a review of methods and limitations[J]. Scientia Sinica Terrae, 2019, 49(3): 487-498. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-JDXK201903001.htm
[22] OLSSON T, JAKKILA J, VEIJALAINEN N, et al. Impacts of climate change on temperature, precipitation and hydrology in Finland: studies using bias corrected regional climate model data[J]. Hydrology and Earth System Sciences, 2015, 19(7): 3217-3238. doi: 10.5194/hess-19-3217-2015
[23] 雷华锦, 马佳培, 李弘毅, 等. 基于分位数映射法的黑河上游气候模式降水误差订正[J]. 高原气象, 2020, 39(2): 266-279. https://www.cnki.com.cn/Article/CJFDTOTAL-GYQX202002007.htm LEI H J, MA J P, LI H Y, et al. Bias correction of climate model precipitation in the upper Heihe River basin based on quantile mapping method[J]. Plateau Meteorology, 2020, 39(2): 266-279. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-GYQX202002007.htm
[24] XU R, HU H C, TIAN F Q, et al. Projected climate change impacts on future streamflow of the Yarlung Tsangpo-Brahmaputra River[J]. Global and Planetary Change, 2019, 175: 144-159. doi: 10.1016/j.gloplacha.2019.01.012
[25] 罗双, 尹球. 全球大气温度廓线的统计特性分析[J]. 热带气象学报, 2019, 35(4): 556-566. https://www.cnki.com.cn/Article/CJFDTOTAL-RDQX201904011.htm LUO S, YIN Q. Statistical characteristics analysis of global temperature vertical profile[J]. Journal of Tropical Meteorology, 2019, 35(4): 556-566. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-RDQX201904011.htm
[26] TAN X, MA Z Q, HE K, et al. Evaluations on gridded precipitation products spanning more than half a century over the Tibetan Plateau and its surroundings[J]. Journal of Hydrology, 2020, 582: 124455. doi: 10.1016/j.jhydrol.2019.124455
[27] 任立良, 沈鸿仁, 袁飞, 等. 变化环境下渭河流域水文干旱演变特征剖析[J]. 水科学进展, 2016, 27(4): 492-500. doi: 10.14042/j.cnki.32.1309.2016.04.002 REN L L, SHEN H R, YUAN F, et al. Hydrological drought characteristics in the Weihe catchment in a changing environment[J]. Advances in Water Science, 2016, 27(4): 492-500. (in Chinese) doi: 10.14042/j.cnki.32.1309.2016.04.002
[28] MRC. Mekong climate change adaptation strategy and action plan[R]. Vientiane: MRC, 2018.
[29] KHOI D N, NGUYEN V T, SAM T T, et al. Responses of river discharge and sediment load to climate change in the transboundary Mekong River basin[J]. Water and Environment Journal, 2019, 34: 367-380. doi: 10.1111/wej.12534
-
期刊类型引用(20)
1. 张攀全,管镇,李红刚,杨庆. 变化环境下澜沧江梯级电站运行对湄公河枯水期的影响. 长江科学院院报. 2025(01): 35-43 . 百度学术
2. 李帅,曾凌,熊斌,曹瑞,龚文婷,朱文丽. 长江上游近61年来水文干旱演变特征及归因. 水力发电学报. 2024(02): 33-45 . 百度学术
3. 王乐扬,张建云,宁忠瑞,贾雨凡,孙高霞,王国庆. 环境变化对澜沧江出境水文过程变异的影响. 水科学进展. 2024(02): 313-324 . 本站查看
4. 耿雪兰. 水利工程在应对极端气候事件中的策略与实践. 水上安全. 2024(06): 181-183 . 百度学术
5. 王乐扬,张建云,宁忠瑞,贾雨凡,郭心仪,张睿,鲍振鑫. 气候变化对南方典型小水电站入库径流及发电的影响. 水利水运工程学报. 2024(02): 1-9 . 百度学术
6. 向燕芸,王弋,陈亚宁,张齐飞,张玉杰. 基于CMIP6模式的叶尔羌河流域未来水文干旱风险预估. 干旱区地理. 2024(05): 798-809 . 百度学术
7. 陈仕豪,门宝辉,庞金凤,张腾,王红瑞. 黄河流域非平稳气象干旱特征的重构及时空演变规律. 水力发电学报. 2024(07): 1-13 . 百度学术
8. 王云,李文鑫,张建云,刘翠善,阮俞理,虞畅,金君良,王国庆,贺瑞敏. 长江上游流域水文干旱历史演变及未来预估. 中国工程科学. 2024(06): 157-168 . 百度学术
9. 智协飞,田云涛,陈昌春,张余庆. 干旱传播研究进展与展望Ⅰ——干旱传播含义、特征、类型与研究方法. 南水北调与水利科技(中英文). 2023(04): 625-653 . 百度学术
10. 邓鹏,徐进超,王欢. 基于CMIP6的气候变化对鄱阳湖流域径流影响研究. 水利水运工程学报. 2023(04): 71-80 . 百度学术
11. 谭豪,脱云飞,王倩,郑阳,王飞,王昭仪,刘香凝,石小兰,丁明净,马继敏. 基于CRITIC-VIKOR法的云南省水资源承载力综合评价. 水资源与水工程学报. 2023(04): 118-126 . 百度学术
12. 马明卫,王召航,臧红飞,王文川,卫孟茹,崔惠娟. 基于SSP情景的黄河源区未来径流模拟预估. 华北水利水电大学学报(自然科学版). 2023(05): 31-40 . 百度学术
13. 张丹,梁瀚续,何小聪,时玉龙. 基于CMIP6的金沙江流域径流及水文干旱预估. 水资源保护. 2023(06): 53-62 . 百度学术
14. 霍艾迪,赵志欣,王星,杨璐莹,钟芳倩,陈建. 马莲河流域固沟保塬工程水文响应变化及优化. 水科学进展. 2023(06): 867-876 . 本站查看
15. 葛路,詹良通,江衍铭. 气候变化对元江流域水文过程的影响. 中国农村水利水电. 2022(04): 41-49+56 . 百度学术
16. 石朋,詹慧婕,瞿思敏,冯进,管晓祥. 黄河源区气象干旱与水文干旱关联性分析. 水资源保护. 2022(03): 80-86 . 百度学术
17. 许拯民,林睿,左向菊,李想. 基于SWAT模型的沁河流域短中长期综合干旱指数构建及适用性分析. 中国农村水利水电. 2022(06): 76-83+89 . 百度学术
18. 张振东,罗斌,覃晖,唐海华,周超,冯快乐. 风光水互补系统时间序列变量概率预报框架. 水利学报. 2022(08): 949-963 . 百度学术
19. 熊景华,郭靖,郭生练,李娜,王俊,尹家波,唐俊龙. 基于多源降水数据估算澜湄流域可能最大降水. 水力发电学报. 2022(09): 77-86 . 百度学术
20. 龙笛,韩忠颖,王一鸣. 变化环境下澜沧江-湄公河流域干旱趋势. 水科学进展. 2022(05): 766-779 . 本站查看
其他类型引用(10)