• 全国中文核心期刊
  • 中国科技核心期刊
  • 美国工程索引(EI)收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

气候变化下东北中等流域冬季径流模拟和预测

王子龙 何馨 姜秋香 刘莹 孙建

王子龙, 何馨, 姜秋香, 刘莹, 孙建. 2020: 气候变化下东北中等流域冬季径流模拟和预测. 水科学进展, 31(4): 575-582. doi: 10.14042/j.cnki.32.1309.2020.04.011
引用本文: 王子龙, 何馨, 姜秋香, 刘莹, 孙建. 2020: 气候变化下东北中等流域冬季径流模拟和预测. 水科学进展, 31(4): 575-582. doi: 10.14042/j.cnki.32.1309.2020.04.011
Zilong WANG, Xin HE, Qiuxiang JIANG, Ying LIU, Jian SUN. 2020: Simulation and forecast of winter runoff in medium basin of Northeast China under climate change. Advances in Water Science, 31(4): 575-582. doi: 10.14042/j.cnki.32.1309.2020.04.011
Citation: Zilong WANG, Xin HE, Qiuxiang JIANG, Ying LIU, Jian SUN. 2020: Simulation and forecast of winter runoff in medium basin of Northeast China under climate change. Advances in Water Science, 31(4): 575-582. doi: 10.14042/j.cnki.32.1309.2020.04.011

气候变化下东北中等流域冬季径流模拟和预测

doi: 10.14042/j.cnki.32.1309.2020.04.011
基金项目: 

国家自然科学基金资助项目 51579045

黑龙江省自然科学基金资助项目 YQ2019E004

详细信息
    作者简介:

    王子龙(1982—), 男, 山东胶州人, 教授, 博士, 主要从事寒区农业水土资源高效利用研究。E-mail:wangzilong@neau.edu.cn

    通讯作者:

    姜秋香, E-mail:jiangqiuxiang2017@163.com

  • 中图分类号: TV121+.5

Simulation and forecast of winter runoff in medium basin of Northeast China under climate change

Funds: 

the National Natural Science Foundation of China 51579045

the Natural Science Foundation of Heilongjiang Province, China YQ2019E004

  • 摘要: 为了预测未来气候变化下冬季径流,利用寒区水文模型CRHM(Cold Region Hydrological Model platform)模拟2000—2012年和预测2025—2060年松花江二级支流依吉密河上游冬季径流流量。研究结果表明:①根据2025—2060年际冬季径流深和径流系数变化,发现典型排放浓度增加,冬季径流序列不稳定性增大。②根据识别突变点位置,发现典型排放浓度越高,累积冬季径流拐点增多。③通过相关性分析发现,同时期气候为影响冬季月径流的主要因素,冬季降水是影响冬季月径流变化的主要因素。④利用累积量斜率变化率比较方法发现,相对于2025—2042年,2043—2056年和2057—2060年冬季降水增长对冬季径流增长贡献率分别为39.8%和62.6%;相对于2043—2056年,2057—2060年冬季降水减少对冬季径流减少的贡献率为27.0%。
  • 图  1  北关(二)站上游流域及HRU分布

    Figure  1.  Beiguan (ⅱ) station upstream watershed and HRU definition

    图  2  CRHM径流模块流程

    Figure  2.  CRHM runoff modules process

    图  3  2000—2012年日流量实测值和模拟值

    Figure  3.  Measured and simulated values of daily traffic from 2000 to 2012

    图  4  2025—2060年RCP2.6冬季径流系数和径流深变化

    Figure  4.  Runoff coefficient and runoff depth variation in winter of RCP2.6 from 2025 to 2060

    表  1  评估模拟效果

    Table  1.   Evaluate simulated effect

    时段 ERMS ENS R2
    2000—2008年 0.253 8 0.750 8 0.787 4
    2008—2012年 0.307 4 0.751 6 0.790 1
    下载: 导出CSV

    表  2  冬季径流变差系数计算

    Table  2.   Calculation of runoff variation coefficient in winter

    气候情景 标准差 平均值 CV
    RCP2.6 93.06 95.97 0.97
    RCP4.5 162.94 116.68 1.40
    RCP6.0 84.43 90.40 0.93
    RCP8.5 89.61 110.35 0.81
    下载: 导出CSV

    表  3  冬季水文序列突变点识别结果

    Table  3.   Identification results of mutation points of winter hydrological sequences

    方法 RCP2.6 RCP4.5 RCP6.0 RCP8.5
    累积距平法 2042年、2056年 2048年、2056年 2029年、2048年、2053年 2027年、2034年、2040年、2056年
    降水—径流双累积曲线 2042年、2056年 2048年、2056年 2029年、2048年、2053年 2040年、2056年
    有序聚类分析法 2042年、2056年 2048年、2056年 2048年、2053年 2027年、2034年、2040年、2056年
    下载: 导出CSV

    表  4  冬季径流与降水(气温)复相关系数

    Table  4.   Multiple correlation coefficient between winter runoff and precipitation (temperature)

    分组 径流时段 RCP2.6 RCP4.5 RCP6.0 RCP8.5
    分组1 12—3月 0.406 0.354 0.308 0.260
    分组2 12月 0.265 0.212 0.287 0.387
    1月 0.185 0.231 0.300 0.265
    2月 0.183 0.304 0.113 0.383
    3月 0.645 0.163 0.222 0.271
    分组3 12月 0.343 0.353 0.372 0.417
    1月 0.333 0.348 0.413 0.370
    2月 0.264 0.397 0.288 0.428
    3月 0.657 0.391 0.284 0.503
    下载: 导出CSV

    表  5  分组3气候因子对冬季月径流影响率

    Table  5.   Impact rate of the third group of climate factors on winter monthly runoff

    月份 气候情景 同期降水/% 同期气温/% 前月降水/% 前月气温/% 复相关系数
    12月 RCP2.6 37.36 0.27 0.58 0.01 0.34
    RCP4.5 28.06 0.38 0.97 0.38 0.35
    RCP6.0 6.89 5.81 0.57 1.77 0.37
    RCP8.5 58.68 0.21 0.26 0.09 0.42
    1月 RCP2.6 37.08 0.63 0.74 0.02 0.33
    RCP4.5 12.25 1.47 2.19 1.71 0.35
    RCP6.0 35.22 0.22 0.15 0.73 0.41
    RCP8.5 23.75 0.25 1.28 0.39 0.37
    2月 RCP2.6 28.15 0.62 0.93 0.36 0.26
    RCP4.5 2.37 11.21 0.27 1.99 0.40
    RCP6.0 11.63 1.04 1.32 0.86 0.29
    RCP8.5 49.10 0.22 0.29 0.23 0.43
    3月 RCP2.6 64.20 0.35 0.09 0.13 0.66
    RCP4.5 11.69 1.22 1.01 1.95 0.39
    RCP6.0 37.39 0.17 0.49 0.11 0.28
    RCP8.5 12.03 2.86 2.80 0.51 0.50
    下载: 导出CSV

    表  6  RCP2.6情况下2025—2060年降水对冬季径流变化贡献率

    Table  6.   Contribution rate of precipitation to winter runoff from 2025 to 2060 under RCP2.6

    时段 累积径流量线性关系式斜率/万m3 累积降水量线性关系式斜率/mm 斜率与2025—2042年比较 斜率与2043—2056年比较
    累积径流斜率变化率/% 累积降水斜率变化率/% 降水对径流变化贡献率/% 累积径流斜率变化率/% 累积降水斜率变化率/% 降水对径流变化贡献率/%
    2025—2042年(A段) 539.52 84.9
    2043—2056年(B段) 656.51 92.3 21.68 8.64 39.8
    2057—2060年(C段) 587.32 89.6 8.86 5.54 62.6 -10.54 -2.85 27.0
    下载: 导出CSV
  • IPCC. Climate change 2014: synthesis report: contribution of working groups Ⅰ, Ⅱ and Ⅲ to the fifth assessment report of the intergovernmental panel on climate change[M]. Cambridge: Cambridge University Press, 2014: 55-74.
    ZHANG H, WANG B, LIU D, et al. Impacts of future climate change on water resource availability of Eastern Australia: a case study of the Manning River basin[J]. Journal of Hydrology, 2019, 573: 49-59. doi:  10.1016/j.jhydrol.2019.03.067
    鞠琴, 郝振纯, 余钟波, 等. IPCC AR4气候情景下长江流域径流预测[J].水科学进展, 2011, 22(4): 462-469. http://skxjz.nhri.cn/article/id/1712

    JU Q, HAO Z C, YU Z B, et al. Runoff prediction in the Yangtze River basin based on IPCC AR4 climate change scenarios[J]. Advances in Water Science, 2011, 22(4): 462-469. (in Chinese) http://skxjz.nhri.cn/article/id/1712
    张玮, 王旭, 雷晓辉, 等.一种基于DS理论的水库适应性调度规则[J].水科学进展, 2018, 29(5): 685-695. doi:  10.14042/j.cnki.32.1309.2018.05.009

    ZHANG W, WANG X, LEI X H, et al. Adaptive reservoir operating rules based on the Dempster-Shafer evidence theory[J]. Advances in Water Science, 2018, 29(5): 685-695. (in Chinese) doi:  10.14042/j.cnki.32.1309.2018.05.009
    AYGUN O, KINNARD C, CAMPEAU S, et al. Impacts of climate change on the hydrology of northern midlatitude cold regions[J]. Progress in Physical Geography: Earth and Environment, 2019.[doi:  10.1177/0309133319878123]
    WU P, LIANG S, WANG X, et al. Climate change impacts on cold season runoff in the headwaters of the Yellow River considering frozen ground degradation[J]. Water, 2020, 12(2): 602.[doi:  10.3390/w12020602]
    贺瑞敏, 张建云, 鲍振鑫, 等.海河流域河川径流对气候变化的响应机理[J].水科学进展, 2015, 26(1): 1-9. doi:  10.14042/j.cnki.32.1309.2015.01.001

    HE R M, ZHANG J Y, BAO Z X, et al. Response of runoff to climate change in the Haihe River basin[J]. Advances in Water Science, 2015, 26(1): 1-9. (in Chinese) doi:  10.14042/j.cnki.32.1309.2015.01.001
    SULTANA R, CHOI M. Sensitivity of streamflow response in the snow-dominated Sierra Nevada watershed using projected CMIP5 data[J]. Journal of Hydrologic Engineering, 2018, 23(8): 05018015. doi:  10.1061/(ASCE)HE.1943-5584.0001640
    SHIN M, EUM H, KIM C, et al. Alteration of hydrologic indicators for Korean catchments under CMIP5 climate projections[J]. Hydrological Processes, 2016, 30(24): 4517-4542. doi:  10.1002/hyp.10948
    LIU W, WANG L, SUN F, et al. Snow hydrology in the upper Yellow River basin under climate change: a land surface modeling perspective[J]. Journal of Geophysical Research, 2018, 123(22): 12676-12691. http://cn.bing.com/academic/profile?id=209d3853ff0d9564a269aaa86881b8bc&encoded=0&v=paper_preview&mkt=zh-cn
    NEUPANE R P, ADAMOWSKI J F, WHITE J D, et al. Future streamflow simulation in a snow-dominated Rocky Mountain headwater catchment[J]. Hydrology Research, 2018, 49(4): 1172-1190. doi:  10.2166/nh.2017.024
    LV Z B, POMEROY J W, FANG X, et al. Evaluation of SNODAS snow water equivalent in western Canada and assimilation into a cold region hydrological model[J]. Water Resources Research, 2019, 55(12): 11166-11187. doi:  10.1029/2019WR025333
    WEBER M, BERNHARDT M, POMEROY J W, et al. Description of current and future snow processes in a small basin in the Bavarian Alps[J]. Environmental Earth Sciences, 2016, 75(17): 1223. doi:  10.1007/s12665-016-6027-1
    韩丽, 宋克超, 张文江, 等.长江源头流域水文要素时空变化及对气候因子的响应[J].山地学报, 2017, 35(2): 129-141. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=sdxb201702002

    HAN L, SONG K C, ZHANG W J, et al. Temporal and spatial variations of hydrological factors in the source area of the Yangtze River and its responses to climate change[J].Mountain Research, 2017, 35(2): 129-141. (in Chinese) http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=sdxb201702002
    LOPEZ-MORENO J I, BOIKE J, SANCHEZ-LORENZO A, et al. Impact of climate warming on snow processes in Ny-Alesund, a polar maritime site at Svalbard[J]. Global and Planetary Change, 2016, 146: 10-21. doi:  10.1016/j.gloplacha.2016.09.006
    陶纯苇, 姜超, 孙建新. CMIP5模式对中国东北气候模拟能力的评估[J].气候与环境研究, 2016, 21(3): 357-366. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=qhyhjyj201603011

    TAO C W, JIANG C, SUN J X. Evaluation of CMIP5 models performance on climate simulation in Northeast China[J]. Climatic and Environmental Research, 2016, 21(3): 357-366. (in Chinese) http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=qhyhjyj201603011
    FANG X, POMEROY J W, WESTBROOK C J, et al. Prediction of snowmelt derived streamflow in a wetland dominated prairie basin[J]. Hydrology and Earth System Sciences, 2010, 14(6): 991-1006. doi:  10.5194/hess-14-991-2010
  • [1] 韩剑桥, 张为, 袁晶, 赵瑾琼2018: 三峡水库下游分汊河道滩槽调整及其对水文过程的响应 , 水科学进展, 29, 186-195. doi: 10.14042/j.cnki.32.1309.2018.02.005
    [2] 钱进, 沈蒙蒙, 王沛芳, 王超, 侯俊, 李昆, 刘晶晶2017: 河岸带土壤磷素空间分布及其对水文过程响应 , 水科学进展, 28, 41-48. doi: 10.14042/j.cnki.32.1309.2017.01.005
    [3] 任立良, 沈鸿仁, 袁飞, 赵崇旭, 杨肖丽, 郑培丽2016: 变化环境下渭河流域水文干旱演变特征剖析 , 水科学进展, 27, 492-500. doi: 10.14042/j.cnki.32.1309.2016.04.002
    [4] 陆桂华, 杨烨, 吴志勇, 何海, 肖恒2014: 未来气候情景下长江上游区域积雪时空变化分析——基于CMIP5多模式集合数据 , 水科学进展, 25, 484-493.
    [5] 陆胤昊, 叶柏生, 李翀2013: 冻土退化对海拉尔河流域水文过程的影响 , 水科学进展, 24, 319-325.
    [6] 刘艳丽, 张建云, 王国庆, 刘九夫, 贺瑞敏, 王鸿杰, 金君良2012: 气候自然变异在气候变化对水资源影响 评价中的贡献分析——Ⅰ.基准期的模型与方法 , 水科学进展, 23, 147-155. doi: CNKI: 32.1309.P.20120224.2003.010
    [7] 董磊华, 熊立华, 于坤霞, 李 帅2012: 气候变化与人类活动对水文影响的研究进展 , 水科学进展, 23, 278-285. doi: CNKI: 32.1309.P.20120224.2005.020
    [8] 王小燕, 李朝霞, 蔡崇法2012: 砾石覆盖紫色土坡耕地水文过程 , 水科学进展, 23, 38-45. doi: CNKI:32.1309.P.20111125.1635.006
    [9] 董李勤, 章光新2011: 全球气候变化对湿地生态水文的影响研究综述 , 水科学进展, 22, 429-436.
    [10] 杨涛, 陆桂华, 李会会, 何海, 王晓燕2011: 气候变化下水文极端事件变化预测研究进展 , 水科学进展, 22, 279-286.
    [11] 杨永刚, 肖洪浪, 赵良菊, 邹松兵, 尹振良2011: 马粪沟流域不同景观带水文过程 , 水科学进展, 22, 624-630.
    [12] 雷瑞波, 李志军, 窦银科, 程言峰2010: 南极中山站附近固定冰生消过程观测 , 水科学进展, 21, 708-712.
    [13] 芮孝芳, 蒋成煜2010: 流域水文与地貌特征关系研究的回顾与展望 , 水科学进展, 21, 444-449.
    [14] 孔莉莉, 张展羽, 朱磊2010: 水文过程中灌区农田非点源氮的归趋研究进展 , 水科学进展, 21, 853-860.
    [15] 杨传国, 余钟波, 林朝晖, 郝振纯, 王振龙, 李敏2009: 基于TRMM卫星雷达降雨的流域陆面水文过程 , 水科学进展, 20, 461-466.
    [16] 余钟波, 潘峰, 梁川, 梁忠民, 林朝晖, 任立良2006: 水文模型系统在峨嵋河流域洪水模拟中的应用 , 水科学进展, 17, 645-652.
    [17] 王中根, 郑红星, 刘昌明, 赵为民2004: 基于GIS/RS的流域水文过程分布式模拟——Ⅰ模型的原理与结构 , 水科学进展, 15, 501-505.
    [18] 邓伟, 潘响亮, 栾兆擎2003: 湿地水文学研究进展 , 水科学进展, 14, 521-527.
    [19] 何新林, 郭生练1998: 气候变化对新疆玛纳斯河流域水文水资源的影响 , 水科学进展, 9, 77-83.
    [20] 刘春蓁1997: 气候变化对我国水文水资源的可能影响 , 水科学进展, 8, 220-225.
  • 加载中
图(4) / 表 (6)
计量
  • 文章访问数:  29
  • HTML全文浏览量:  7
  • PDF下载量:  15
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-08-20
  • 网络出版日期:  2020-05-19
  • 刊出日期:  2020-07-30

气候变化下东北中等流域冬季径流模拟和预测

doi: 10.14042/j.cnki.32.1309.2020.04.011
    基金项目:

    国家自然科学基金资助项目 51579045

    黑龙江省自然科学基金资助项目 YQ2019E004

    作者简介:

    王子龙(1982—), 男, 山东胶州人, 教授, 博士, 主要从事寒区农业水土资源高效利用研究。E-mail:wangzilong@neau.edu.cn

    通讯作者: 姜秋香, E-mail:jiangqiuxiang2017@163.com
  • 中图分类号: TV121+.5

摘要: 为了预测未来气候变化下冬季径流,利用寒区水文模型CRHM(Cold Region Hydrological Model platform)模拟2000—2012年和预测2025—2060年松花江二级支流依吉密河上游冬季径流流量。研究结果表明:①根据2025—2060年际冬季径流深和径流系数变化,发现典型排放浓度增加,冬季径流序列不稳定性增大。②根据识别突变点位置,发现典型排放浓度越高,累积冬季径流拐点增多。③通过相关性分析发现,同时期气候为影响冬季月径流的主要因素,冬季降水是影响冬季月径流变化的主要因素。④利用累积量斜率变化率比较方法发现,相对于2025—2042年,2043—2056年和2057—2060年冬季降水增长对冬季径流增长贡献率分别为39.8%和62.6%;相对于2043—2056年,2057—2060年冬季降水减少对冬季径流减少的贡献率为27.0%。

English Abstract

王子龙, 何馨, 姜秋香, 刘莹, 孙建. 2020: 气候变化下东北中等流域冬季径流模拟和预测. 水科学进展, 31(4): 575-582. doi: 10.14042/j.cnki.32.1309.2020.04.011
引用本文: 王子龙, 何馨, 姜秋香, 刘莹, 孙建. 2020: 气候变化下东北中等流域冬季径流模拟和预测. 水科学进展, 31(4): 575-582. doi: 10.14042/j.cnki.32.1309.2020.04.011
Zilong WANG, Xin HE, Qiuxiang JIANG, Ying LIU, Jian SUN. 2020: Simulation and forecast of winter runoff in medium basin of Northeast China under climate change. Advances in Water Science, 31(4): 575-582. doi: 10.14042/j.cnki.32.1309.2020.04.011
Citation: Zilong WANG, Xin HE, Qiuxiang JIANG, Ying LIU, Jian SUN. 2020: Simulation and forecast of winter runoff in medium basin of Northeast China under climate change. Advances in Water Science, 31(4): 575-582. doi: 10.14042/j.cnki.32.1309.2020.04.011
  • IPCC第五次气候变化综合报告指出, 21世纪全球气温呈上升趋势[1], 气温增加、降水变化以及其他气候要素的改变都会在径流中放大[2], 增加水文极端事件发生频率[3], 并影响地区水资源安全和经济社会发展[4]。寒区是对气候变化较为敏感的地区[5], 平均气温上升趋势明显, 冬季更为突出。气候变化影响着降雪、积雪、冻土等寒区特有的水文气象因子, 水文条件的改变必然会影响径流, 探究气候变化影响下寒区水文气象因子与径流的关系[6-7]也变得十分必要。

    为研究气候变化下的径流变化, 许多学者运用不同水文模型模拟径流情况[3, 8]。水文模型多种多样, 针对寒区水文过程的模型较少。因此, 在研究寒区水文过程时, 经常会将非寒区水文模型应用于寒区水文模拟[9-11]。这种方式存在弊端, 主要是非寒区水文模型研发之初, 未考虑到寒区水文过程的物理特性以及参数和物理过程在寒区的适用性。寒区水文模型CRHM(Cold Region Hydrological Model platform)[12]是一个模块化建模平台, 应用灵活、针对性强。CRHM最初应用于加拿大, 之后受到不同国家学者的认可, 应用于德国[13], 中国[14], 北极[15]等国家和地区。CRHM常应用于西北高海拔寒冷地区, 在东北高纬度地区应用较少。

    本文选取模块化寒区水文模型CRHM[12], 在中国东北地区搭建流域水文模型, 首先评估CRHM适用性, 然后模拟未来冬季径流情况, 分析在4种典型排放情景(RCP2.6、RCP4.5、RCP6.0、RCP8.5)下降水和气温对冬季水文过程影响。研究成果可以深入了解寒区冬季水循环过程, 同时为未来气候变化影响下的冬季水资源合理配置和管理等提供依据。

    • 本研究区位于黑龙江省绥化市、铁力市交界处, 海拔228~1 139 m, 流域面积943.2 km2。研究区属于依吉密河上游, 依吉密河是松花江二级支流。研究区地处温带大陆性季风气候区, 多年平均气温为1.5 ℃, 多年平均降水量690 mm, 且降水量年内分布不均, 主要集中在6—9月, 占年降水量的76.5%, 降雪期为11月至次年3月。年径流深为200~600 mm, 年内分布差异较大。研究区位置及水文响应单元(Hydrological Response Units, HRU)如图 1所示。

      图  1  北关(二)站上游流域及HRU分布

      Figure 1.  Beiguan (ⅱ) station upstream watershed and HRU definition

    • 气象数据来自于国家气象信息中心提供的中国地面气候资料日值数据集(V3.0)(https://data.cma.cn/data/cdcdetail/dataCode/SURF_CLI_CHN_MUL_DAY_V3.0.html)。选取研究区附近站点(伊春站)数据, 研究区出口断面流量数据为北关(二)站实测流量数据, 以上数据应用于CRHM适用性评价。

      从CMIP5单级日数据选取气候模式, 包含22种气候模式, 根据陶纯苇等[16]对CMIP5单一模式在东北地区气候模拟情况评价, 发现IPSL-CM5A-MR模拟气温数值和线性趋势效果最好, 通过99.9%信度检验, 综合气温和降水模拟效果最好。IPSL-CM5A-MR涵盖日平均二维风速、日近地大气温度、最近24 h最高温度、最近24 h最低温度、日平均降水通量、近地比湿、日平均气压、日太阳短波辐射量。数据空间分布1.268°×2.5°, 涵盖历史数据和4种未来气候变化典型浓度路径RCP2.6、RCP4.5、RCP6.0、RCP8.5条件下的气象数据。以上数据应用于CRHM对未来气候条件下的冬季径流预测。

    • CRHM是以对象建模平台为基础用于搭建寒区水文模型的建模平台, 可模拟中小流域森林环境下的水文过程, 模型模拟以HRU为基础, HRU的数量和属性可根据流域属性进行选择和调整。模型的搭建复杂程度根据地区水文特性、参数使用性、气象数据可用性以及需要模拟的物理量的属性进行选择和衔接。

    • 根据水文物理过程顺序进行模块选择和衔接, 主要用于模拟北关(二)站上游的水文过程。以Fang等[17]已建成模型为基础, 并依据研究区特性和研究目的更换模块。将计算和整理获取的气象数据(日平均降水、日平均气压、日平均温度、日平均风速、日平均相对湿度)和流域下垫面数据(HRU几何中心的高程、坡度、坡向、纬度)输入到模型中, 具体运行过程如图 2所示。

      图  2  CRHM径流模块流程

      Figure 2.  CRHM runoff modules process

    • 将流域分为17个独立的HRU, 如图 1所示。基于森林覆盖、坡向和坡度特征的组合来确定HRU。使用GIS预处理流域DEM数据, 提取流域的高程、坡向和坡度, 根据高程、坡向、坡度和森林覆盖生成HRU。CRHM不具备参数率定和校准功能, 但会提供参数初始值, 根据研究区实际情况和相关数据人工率定参数。

    • 模拟北关上游呼兰河流域2000—2012年冬季积雪稳定期(12月1日—3月15日)河道流量。评估模型模拟效果, 选取3个统计指标:均方根误差(ERMS)、纳什效率系数(ENS)和拟合优度(R2)。

      模拟率定2000—2012年冬季积雪稳定期, 其中2000—2008年是率定期, 2008—2012年是验证期, 模拟结果与实测径流数据, 如图 3所示。根据模型模拟流域出口流量结果和北关(二)站实际日平均流量, 评估模拟效果如表 1所示。

      图  3  2000—2012年日流量实测值和模拟值

      Figure 3.  Measured and simulated values of daily traffic from 2000 to 2012

      表 1  评估模拟效果

      Table 1.  Evaluate simulated effect

      时段 ERMS ENS R2
      2000—2008年 0.253 8 0.750 8 0.787 4
      2008—2012年 0.307 4 0.751 6 0.790 1

      表 1可知, 率定期模拟结果与实测数据拟合优度为0.787 4, 验证期拟合优度为0.790 1, 率定期和验证期纳什效率系数皆大于0.75, 说明模型可以基本模拟研究区冬季径流流量。CRHM在研究区冬季具有适用性, 并可为气候变化对冬季径流影响研究提供基础。

    • 根据已率定参数, 将RCP2.6、RCP4.5、RCP6.0、RCP8.5气候数据输入模型, 分析2025—2060年冬季流域出口流量变化。

    • 整理模拟结果, 分别计算冬季径流深、冬季径流系数和冬季径流序列变差系数(CV), 如图 4表 2所示。

      图  4  2025—2060年RCP2.6冬季径流系数和径流深变化

      Figure 4.  Runoff coefficient and runoff depth variation in winter of RCP2.6 from 2025 to 2060

      表 2  冬季径流变差系数计算

      Table 2.  Calculation of runoff variation coefficient in winter

      气候情景 标准差 平均值 CV
      RCP2.6 93.06 95.97 0.97
      RCP4.5 162.94 116.68 1.40
      RCP6.0 84.43 90.40 0.93
      RCP8.5 89.61 110.35 0.81

      图 4, 表 2可知, RCP2.6情况下, 冬季径流序列呈周期性变化, 周期为4~5 a, 突变点出现在2043年和2057年, 不符合周期性变化。RCP4.5情况下(图略), 冬季径流也呈现周期性变化, 但出现3个不符合周期性变化的突变点, 分别是2028年、2049年、2057年, 2049年为最大值点, 增大了数据序列的变差系数, 突变幅度增大。RCP6.0情况下(图略), 冬季径流周期性变化已不明显, 出现波动频率增加的现象, 波动集中在2037—2056年, 冬季径流深和冬季径流系数最大值出现在2049年, 最大径流深为43.1 mm, 最大径流系数为0.51。RCP8.5情况下(图略), 波动频率增加, 在研究时段内分布7个明显径流极值点。整体上, RCP4.5情况下变差系数最大, 其他依次是RCP2.6>RCP6.0>RCP8.5, 结果表明, 整体上冬季径流波动频率增加, 波动幅度减小。研究区气候条件特殊, 大量固体降水保留在地面形成积雪, 产生径流的降水只占较小比例, 径流系数趋势线上升, 表明来自降水的径流量逐渐增多, 仅有RCP8.5径流系数持续下降。可见, 典型排放浓度增大, 冬季径流规律性变化减弱, 冬季径流随机变化增多, 冬季径流变化不稳定, 对预测冬季径流变化增大难度。

    • 冬季径流年际变化出现突变点, 破坏原有规律性变化, 因此, 需要识别突变点。选取累积距平法、降水—径流双累积曲线、有序聚类分析法, 分别识别4种典型浓度情况下35年冬季径流序列突变点, 结合3种方法, 确定突变点位置, 如表 3所示。

      表 3  冬季水文序列突变点识别结果

      Table 3.  Identification results of mutation points of winter hydrological sequences

      方法 RCP2.6 RCP4.5 RCP6.0 RCP8.5
      累积距平法 2042年、2056年 2048年、2056年 2029年、2048年、2053年 2027年、2034年、2040年、2056年
      降水—径流双累积曲线 2042年、2056年 2048年、2056年 2029年、2048年、2053年 2040年、2056年
      有序聚类分析法 2042年、2056年 2048年、2056年 2048年、2053年 2027年、2034年、2040年、2056年

      表 3可知, RCP2.6冬季径流序列突变点为2042年和2056年, RCP4.5冬季径流序列突变点为2048和2056年。累积距平法和降水—径流双累积曲线识别RCP6.0冬季径流序列突变点为2029年、2048年和2053年, 有序聚类分析法识别突变点结果为2048年和2053年, 综合3种方法确定RCP6.0冬季径流序列突变点为2048年和2053年。累积距平法和有序聚类分析法识别RCP8.5冬季径流序列突变点为2027年、2034年、2040年和2056年, 降水—径流双累积曲线识别突变点在2040年和2056年, RCP8.5冬季径流序列突变点为2040年和2056年。整体上, 典型排放浓度越高, 突变点增多, 年际水文序列越不稳定, 累积冬季径流拐点增多, 变化幅度并无太大改变甚至略有减小。

    • 筛选影响径流的气象因素, 选取主要因素降水和气温, 对两者变化与冬季径流变化相关性分析。考虑到冬季固态降水会被地面拦截并存储, 造成冬季径流产流时间会远远晚于冬季降水时间, 所以将相关性分析分为3组, 分组1为年际冬季径流变化与降水(气温)变化相关性分析, 分组2为冬季12—3月月径流与月降水(月平均气温)相关性分析, 分组3为冬季12—3月月径流与前月与同时期降水(月平均气温)相关性分析, 复相关系数如表 4所示, 根据回归系数对比计算分组3中各项影响因素对冬季月径流影响率, 如表 5所示。

      表 4  冬季径流与降水(气温)复相关系数

      Table 4.  Multiple correlation coefficient between winter runoff and precipitation (temperature)

      分组 径流时段 RCP2.6 RCP4.5 RCP6.0 RCP8.5
      分组1 12—3月 0.406 0.354 0.308 0.260
      分组2 12月 0.265 0.212 0.287 0.387
      1月 0.185 0.231 0.300 0.265
      2月 0.183 0.304 0.113 0.383
      3月 0.645 0.163 0.222 0.271
      分组3 12月 0.343 0.353 0.372 0.417
      1月 0.333 0.348 0.413 0.370
      2月 0.264 0.397 0.288 0.428
      3月 0.657 0.391 0.284 0.503

      表 5  分组3气候因子对冬季月径流影响率

      Table 5.  Impact rate of the third group of climate factors on winter monthly runoff

      月份 气候情景 同期降水/% 同期气温/% 前月降水/% 前月气温/% 复相关系数
      12月 RCP2.6 37.36 0.27 0.58 0.01 0.34
      RCP4.5 28.06 0.38 0.97 0.38 0.35
      RCP6.0 6.89 5.81 0.57 1.77 0.37
      RCP8.5 58.68 0.21 0.26 0.09 0.42
      1月 RCP2.6 37.08 0.63 0.74 0.02 0.33
      RCP4.5 12.25 1.47 2.19 1.71 0.35
      RCP6.0 35.22 0.22 0.15 0.73 0.41
      RCP8.5 23.75 0.25 1.28 0.39 0.37
      2月 RCP2.6 28.15 0.62 0.93 0.36 0.26
      RCP4.5 2.37 11.21 0.27 1.99 0.40
      RCP6.0 11.63 1.04 1.32 0.86 0.29
      RCP8.5 49.10 0.22 0.29 0.23 0.43
      3月 RCP2.6 64.20 0.35 0.09 0.13 0.66
      RCP4.5 11.69 1.22 1.01 1.95 0.39
      RCP6.0 37.39 0.17 0.49 0.11 0.28
      RCP8.5 12.03 2.86 2.80 0.51 0.50

      表 5可知, 整体上, 冬季径流与降水和气温相关性偏小, 出现冬季径流年际变化与年冬季降水和气温相关性随典型排放浓度升高而减小的现象。冬季月径流与同时期月降水和气温相关性较弱, 并且出现多数情况基本不相关的情况, 主要是由于冬季降水和气温的特殊性, 使得降水无法及时形成径流, 而被存储在地面, 形成长时间滞留并积累, 即积雪, 出现冬季径流与同时期月降水和气温相关性较弱的现象。当影响因素扩展为同时期月降水和气温以及前月降水和气温时, 复相关系数都呈现不同程度的增长, 表明冬季月径流确实与前月气象要素有一定相关性。由表 5可知, 冬季月径流主要受同时期月气候影响, 影响率平均为52.8%, 冬季月径流主要受降水影响, 降水影响率平均为56.3%。整体上, 复相关系数随典型排放浓度升高而增大, 表明气候变化增大, 其他影响因素对冬季径流的影响减弱, 冬季径流对气候变化较为敏感。

    • 根据气候因素与冬季径流相关性分析发现, 降水是冬季径流主要影响因素, 但冬季径流变化与冬季降水相关性较弱, 并且随着典型浓度增大相关性逐渐减弱, 选取RCP2.6情况下, 计算降水对冬季径流贡献率。根据累积量斜率变化率比较方法, 将年累积降水数据按照突变点位置划分, 并计算相应变化趋势线, 趋势线R2皆大于0.99, 累积斜率和变化率以及降水对冬季径流变化贡献率计算, 如表 6所示。

      表 6  RCP2.6情况下2025—2060年降水对冬季径流变化贡献率

      Table 6.  Contribution rate of precipitation to winter runoff from 2025 to 2060 under RCP2.6

      时段 累积径流量线性关系式斜率/万m3 累积降水量线性关系式斜率/mm 斜率与2025—2042年比较 斜率与2043—2056年比较
      累积径流斜率变化率/% 累积降水斜率变化率/% 降水对径流变化贡献率/% 累积径流斜率变化率/% 累积降水斜率变化率/% 降水对径流变化贡献率/%
      2025—2042年(A段) 539.52 84.9
      2043—2056年(B段) 656.51 92.3 21.68 8.64 39.8
      2057—2060年(C段) 587.32 89.6 8.86 5.54 62.6 -10.54 -2.85 27.0

      表 6可知, 累积冬季径流整体变化率呈现先升后降的现象, 与累积降水变化率变化趋势相同。B段冬季降水量增加对冬季径流增加的贡献率为39.8%, 而C段相对于A段冬季降水增长引起的冬季径流影响贡献率为62.6%, 表明在长期的冬季径流量缓慢增长过程中, 冬季降水是主要影响因素, 而出现B段冬季径流大幅度上升, 主要是因为其他气候因素贡献率增大。同时C段与B段对比, 冬季降水减少对冬季径流量减少的贡献率为27.0%, 表明C段出现的冬季径流减少的现象, 主要控制因素是其他气候因素。

    • (1) 分析未来35年(2025—2060年)东北中等流域冬季水文特性和识别突变点位置, 发现气候变化会引起冬季水文序列稳定性减弱。

      (2) 计算不同时间尺度下冬季降水和气温与冬季径流的复相关系数, 分析冬季径流与降水和气温相关性。通过结果对比发现, 年际冬季径流与降水和气温相关性较弱, 冬季月径流与同时期和前月气候具有相关性, 其中对比不同时间气候影响, 同时期月气候为影响冬季月径流的主要因素, 对比不同气候因子, 冬季降水是影响冬季月径流变化的主要因素。

      (3) 利用累积量斜率变化率比较方法, 分析RCP2.6情况下降水变化对冬季径流变化贡献率。相对于2025—2042年, 2043—2056年和2057—2060年冬季降水增长对冬季径流增长贡献率分别为39.8%和62.6%;相对于2043—2056年, 2057—2060年冬季降水减少对冬季径流减少的贡献率为27.0%。

参考文献 (17)

目录

    /

    返回文章
    返回