本文研究区域包括三江源地区、雅鲁藏布江(以下简称雅江)和怒江(图 1)。三江源地区地理位置为31°39′N—36°12′N、89°45′E—102°23′E，面积为36.3万km²，是长江、黄河、澜沧江三大河流的发源地^[8]。三江源区共有近200条河流，河流大多自西北流向东南，主要集中在东部地区。唐古拉山的北麓格拉丹冬雪山为长江的发源地，源区内河流长达1 217 km，占干流总长的19%；巴颜喀拉山北麓的各姿各雅雪山为黄河的发源地，源区内河流长达1 553 km，占干流总长的36%；果宗木查雪山为澜沧江的发源地，源区内河流长达448 km，占干流总长的10%。

图  1  西南河流源区

Figure 1.  Map of the headwaters region of the southwest rivers

雅江流域地理位置为28°00′N—31°16′N、82°00′E—97°07′E、面积为24.2万km²，呈东西向狭长柳叶状。雅江发源于日喀则仲巴县与阿里普兰县交界处的杰玛央宗冰川，流域地势西高东低，平均海拔在4 500 m以上。从源头至拉孜为上游段，全长268 km，流域面积2.67万km²；拉孜以下到米林县的派镇为中游段，长约1 340 km，流域面积16.5万km²；从米林县的派镇到巴昔卡附近为下游段，长约496 km，流域面积5.03万km²。

怒江流域地理位置为23°05′N—32°48′N、91°08′E—100°15′E，中国境内流域面积约为12.55万km²，境内河道长约2 020 km，占全河长度的62.34%。怒江流域形状呈条带形，呈现西北-东南走向，发源于唐古拉山南麓的吉热格帕山。流域上游除高大雪峰外山势平缓，河谷平浅；中游地处横断山区，山高谷深，水流湍急。两岸支流大多垂直入江，干支流构成羽状水系。

为充分反映整个三江源地区、雅江流域、怒江流域的径流变化规律，选取近50 a(1950—2010年)的月径流资料进行径流变化规律分析，水文站点包括三江源地区的吉迈、唐乃亥、下拉秀、香达、沱沱河、直门达水文站，雅江流域的拉孜、奴各沙、江孜、日喀则、羊村、拉萨、唐加、旁多、奴下、更张、工布江达、巴河桥水文站，怒江流域的道街坝水文站，不同站点的资料系列略有不同。采用Mann-Kendall(MK)方法、集合经验模态分解(EEMD)、小波分析(WA)等方法系统研究流域径流变化的时空多尺度特征，在此基础上，运用水文模型SWAT、WEP-QTP^[15]等对研究区的径流演变原因进行定量分析。

为了深入认识西南河流源区径流的丰枯变化规律，采用多种技术途径和方法揭示主要河流在不同时间尺度的丰枯变化规律，并通过水汽输送过程探讨其物理驱动机制。为克服器测记录时间尺度有限的局限性，选择具有沉积连续、记录时间长以及对气候环境变化响应敏感等特点^[16]的湖泊沉积物作为研究对象，通过系统采集雅江中游的昂仁金错(封闭湖泊)和打加芒错(河流贯通湖泊)的湖泊岩芯，开展雅江径流重建工作，分别用于恢复区域全新世气候和径流洪水变化，并明确径流、洪水变化在自然状态下的主控因素。此外，通过采集树木年轮数据^[17]，重建怒江过去500 a径流量序列，分析其丰枯变化规律与物理机制，以填补该流域径流历史变化研究的空白。

进一步利用ERA5数据，借助水汽输送过程和水汽收支诊断分析大气环流系统对西南河流源区降水收支平衡及其引发的丰枯规律与影响机制。在年际及更长时间尺度上，通常认为降水量与整层水汽通量辐合和蒸发量存在平衡关系，通过综合分析水汽输送水平热力项、水平动力项、垂直热力项、垂直动力项以及蒸发项的变化，可以具体解释降水变异特征及空间差异性的物理机制^[18]。

选取耦合模式比较计划(CMIP6)中11个全球气候模式在历史(1979—2014年)和未来(2015—2100年)不同社会经济情景下的气象要素与植被叶面积指数(LAI)模拟结果^[19]，以及来自CORDEX试验中的5个区域气候模式在历史时期(1980—2001年)和未来15 a(2020—2035年)RCP4.5和RCP8.5排放情景下的模拟数据^[20]作为未来气候和生态因子变化的主要数据来源。

利用均值偏差订正方法、分位数定位偏差校正法以及2种气温、降水联合偏差校正法去除气象强迫以及下垫面LAI模拟的系统性偏差，生成多套偏差订正后的气候变化驱动数据，并用于驱动联合地表-地下过程的陆面水文模型(CSSPv2)^[21]和考虑融冰融雪过程的THREW水文模型^[22]，实现多模式、多情景下的三江源和雅鲁藏布江-布拉马普特拉河流域径流预估。此外，通过有无CO₂浓度变化以及有无LAI变化的对比试验，分离出CO₂浓度变化和LAI变化对模拟结果的影响。

针对三江源、雅江、怒江三大西南河流源区的径流演变规律，对径流的变化趋势、变异和变化归因等方面开展不同时空尺度的系统性研究。

研究基于三江源6个水文站点1956—2012年间径流实测资料，分析发现除黄河源区唐乃亥站径流出现减小趋势外，其余5个站点观测径流量均出现增加趋势，而且以长江源区直门达水文站径流增速最大，为0.667亿m³/a(图 2)。

图  2  三江源地区径流变化趋势分析(1956—2012年)

Figure 2.  Analysis on runoff variation trend in the Sanjiangyuan region (1956—2012)

采用EEMD对雅江流域各水文站年和季节(丰水季和枯水季)径流序列的长期变化特征进行分析，得到各站年径流序列的本征模态函数(IMF)分量及残余趋势项，并对各IMF分量及残余趋势项进行显著性检验。结果表明，雅江流域干流及其主要支流的年径流序列在55 a尺度上(1961—2015年)主要呈单调减小趋势，仅在更张、旁多和拉萨站呈先略微减小后增加的趋势(图 3)，其中奴下、羊村、奴各沙、拉孜和日喀则5个站点处的年径流变化趋势通过了显著性检验(p＜0.05)。然而，在30 a尺度上(即每30 a区间，1961—1990年和1991—2015年)，各站点年径流序列均呈现相似的非单调变化趋势，整体上在1990年之前呈不明显的下降趋势，1990年之后表现为先上升后下降的趋势，其趋势转变的时间均发生在2000年左右(图 3)。显著性分析表明，在30 a尺度上，奴下、奴各沙、羊村和日喀则站点处的年径流序列变化趋势通过了显著性检验(p＜0.05)。应用MK趋势检验方法对年径流序列的突变点进行检验，结果表明在95%置信水平下，雅江干流及其支流各水文站点年径流序列均在1995—2000年左右发生突变，各站点年径流序列总体呈不显著下降趋势，仅有更张水文站年径流序列为不显著增加趋势，MK检验结果与利用EEMD得到的趋势分析基本一致。

图  3  1961—2015年雅江流域12个水文站年径流序列变化趋势

Figure 3.  Trends of annual runoff series at 12 hydrological stations in the Yarlung Zangbo River basin from 1961 to 2015

对比各站点丰水季与枯水季径流的长期变化趋势发现，年径流的变化主要由丰水季径流变化主导，二者呈现相似的变化趋势(图 4)，而枯水季径流的变化则呈现较大的空间差异(图 4)。雅江上游(拉孜)、拉萨河上游(旁多)及尼洋河(更张、工布江达)的枯水季径流均呈缓慢增加趋势(不显著)，而雅江中游(奴下、羊村、奴各沙、日喀则)的枯水季径流在20世纪90年代前缓慢下降而在90年代后开始增加，拉萨河中下游(拉萨和唐加)和年楚河(江孜)的枯水季径流在20世纪90年代后则有略微减小(不显著)(图 4)。

图  4  1961—2015年雅江流域12个水文站径流变化趋势

Figure 4.  Trends of runoff at 12 hydrological stations in the Yarlung Zangbo River basin from 1961 to 2015

怒江径流量在1958—2000年间主要呈增加趋势，且增加趋势显著(p＜0.05)，增幅达到18.6万m³/(10 a)^[8]。

对于三江源地区，采用分布式水文模型SWAT，对长江源直门达站、澜沧江源香达站和黄河源唐乃亥站径流序列进行模拟。模拟过程以1961—1970年为模型率定期，以1971—1979年为模型验证期。研究结果发现SWAT模型可以很好地模拟出三江源的径流过程，相关系数(R)分别达到0.90、0.81和0.83。以1961—1979年为基准期，利用1980—2012年长江源、澜沧江源和黄河源的气象数据，再次驱动水文模型，生成在这一时段气象条件下的重建数据。对比重建数据与观测数据，即认为是人类活动的贡献率。最终计算结果表明，气候变化是三江源在1980—2012年间径流量变化的绝对主导因素，其贡献率分别为88%(长江源)、90%(澜沧江源)和83%(黄河源)。其中，几乎整个三江源地区(除东部小部分地区)的年降水总量在1980—2012年均呈现增加趋势，尤其是在中北部地区及西南地区，平均增幅为13.3 mm/(10 a)，气候变化中降水的显著增加对径流的贡献又远大于气温升高对径流的影响。

对于雅江流域，以典型支流尼洋河为例进行分析。WEP-QTP模型对尼洋河流域的日径流过程有较好的模拟效果，工布江达站、巴河桥站、多布站的Nash效率系数分别为0.79、0.77和0.88，相对误差分别为-8.7%、-6.4%和2.7%。基于WEP-QTP模型得到1961—2018年尼洋河流域径流不同组分年际间的变化规律(图 5)，由图 5可见，降雨产流对径流量影响最大。对各组分年际变化趋势分析发现，融冰、融雪产流呈不显著减小趋势，降雨产流呈显著增加趋势。在径流突变点1986年前后，降雨产流量占比由突变前74.5%增加到80.5%，融冰产流量占比由4.2%减小到2.1%，融雪产流量占比由21.3%减小到17.3%。根据水文气象观测数据分析，1961—2018年尼洋河流域降水主要呈现增加趋势，平均增幅约4.0 mm/(10 a)，因此降水的增加可认为是尼洋河径流增加的主导因素。

图  5  尼洋河径流组分的年际变化

Figure 5.  Interannual variation of runoff components in the Niyang River

在考虑时间滞后性的条件下，通过建立怒江年径流量与流域内那曲、贡山和保山气象站观测数据的相关性模型，使用主成分分析方法分别提取3个气象站上一年10月至当年9月降水量(P_PC1)和2—11月平均气温(T_PC1)，其第一主成分分别占总方差的84.16%和52.45%，表明P_PC1和T_PC1成功捕获了影响怒江流域的大尺度气候信号。研究进一步发现，降水是怒江径流量变化的主要驱动因子。其中，在1958—2004年期间，怒江流域上游那曲站降水量和怒江年径流量均呈上升趋势，降水变化解释了约46.7%的径流量变化(R=0.69，p＜0.01)，表明寒冷、干旱和半干旱水源区的降水是驱动下游河流径流量变化的关键因素。流域上游的降水主要以冬季降雪形式存在，上一年10—12月降水量与径流量显著正相关表明冬季积雪可能影响暖季径流量变化。除了冬季降雪外，来自印度洋北部的水汽也会影响怒江流域的降水，表现为相对丰富的季风降雨导致河流径流量迅速增加^[23]。

为了深入认识西南河流源区不同时间尺度的丰枯变化规律，采用多种技术途径和方法分析全新世雅江中游和近500 a怒江洪水变化规律，并重点从季风变化与影响的角度揭示丰枯变化规律的物理机制。

(1) 全新世雅江中游洪水变化规律。通过对提取的湖泊沉积物多种元素进行综合对比验证，得到全新世雅江中游径流的变化规律，总体上显示在过去20 ka以来径流持续增加^[24]。利用功率谱和小波分析对去趋势后的全新世径流进行周期提取，结果显示：径流在年际尺度(2~7 a周期)和长时间尺度(500 a、1 000 a、2 000 a周期)的变化规律均响应了厄尔尼诺-南方涛动(ENSO)的活动变化规律。此外，通过对比发现全新世洪水频率与ENSO活动具有较好的一致性：近3 ka的洪水频率增加与模拟和地质记录中的ENSO活动增加一致^[25]，而在9~3 ka BP期间，雅江洪水频率明显减小，与模拟的ENSO活动减弱一致。总体上，本研究恢复的雅江洪水在全新世以来与ENSO变化较为一致，即较大的ENSO活动变化有利于洪水发生，反之亦然。

(2) 近500 a怒江洪水变化规律。利用采自怒江流域的6个树木年轮样本，在进行数据纯化处理的基础上研制了树轮宽度年表。基于树轮气候水文响应分析结果，发现上年9月至当年6月的径流量和树轮相关性最好，因此利用线性回归模型重建了怒江1500—2011年上一年9月至当年6月径流量变化值。重建序列平均值为332.19亿m³，标准差(σ)为27.49亿m³。将重建序列进行21 a低通滤波处理，定义连续10 a低于平均值为枯水期，连续10 a高于平均值为丰水期；定义径流量值低于平均值2倍标准差年份为枯水年，高于平均值2倍标准差为丰水年。由图 6可知^[26]，重建序列存在10个枯水期(1500—1509年、1534—1548年、1563—1573年、1592—1613年、1629—1656年、1731—1774年、1793—1833年、1863—1899年、1905—1930年、1961—1985年)和10个丰水期(1510—1533年、1549—1562年、1574—1591年、1614—1628年、1657—1730年、1775—1792年、1834—1862年、1931—1942年、1950—1960年、1986—2011年)，存在12个枯水年(1504年、1604年、1605年、1606年、1653年、1736年、1798年、1799年、1804年、1897年、1913年和1972年)和8个丰水年(1719年、1785年、1850年、1940年、1957年、1980年、2000年和2008年)。在1603—1608年、1735—1737年、1797—1800年、1943—1945年间出现了连续多年(≥3 a)低于平均值1倍标准的枯水期。此外，重建序列也显示了径流量在1970—2000年期间有显著增加趋势。

图  6  1500—2011年怒江上年9月至当年6月径流量重建序列

Figure 6.  Runoff reconstruction sequence of the Nujiang River from September of last year to June of the current year from 1500 to 2011

相关研究结果显示，西南河流源区径流变化主要受到ENSO活动的影响，通过调节大气降水改变该区域的径流变化^[23]。总体上，ENSO暖相位(El Niño事件)时沃克环流受到抑制，印度季风减弱，来自孟加拉湾的水汽减少，导致该区域降水减少；而在ENSO冷相位(La Niña事件)阶段沃克环流持续增强，气流上升区向西移动，加强了阿拉伯海的水汽输送，导致较强的降水^[27]。El Niño和La Niña存在伴生现象，二者共同构成约2~8 a的ENSO周期^[28]，直接影响西南河流源区径流年际尺度的丰枯变化规律。

为进一步阐明季风环流对该区域降水及其导致的径流丰枯变化规律的影响，依据区域水汽收支平衡物理方程，定量揭示了1979—2015年南亚季风爆发、消退异常变化对该区域降水变异的影响及其作用机制。结果显示(图 7)：南亚季风爆发和消退异常对该区域汛期降水的影响存在非对称效应，且空间差异性明显。季风爆发(消退)异常将导致区域东部、中部和西部汛期降水量存在约23.41%、15.91%、1.96%(13.05%、21.50%、29.86%)的差异，极易引起降水异常，增加洪旱灾害的潜在风险^[29]。究其根源，降水异常主要与南亚季风活动异常造成的水汽输送热动力过程变化有关。南亚季风爆发时间提前(推迟)时，区域以南存在异常气旋(反气旋)式水汽输送，造成水平方向水汽幅合(幅散)；另外，该区域受地形作用影响显著，进一步增加垂直方向上水汽辐合异常，最终导致汛期降水总量和极端降水事件的增多(减少)，诱发洪旱灾害。

图  7  南亚季风影响藏东南汛期降水变异的作用机制

Figure 7.  Mechanism of South Asian monsoon affecting precipitation variability in flood season in Southeast Tibet

利用全球和区域气候模式在未来不同排放情景下的气象要素模拟数据，在偏差订正后驱动陆面水文模型，预估未来15~60 a三江源区(主要为黄河源区和长江源区)和雅鲁藏布江-布拉马普特拉河径流与极端径流的未来变化趋势。以三江源区为例，从气象-生态-水文相联系的角度，探讨生态因子(CO₂浓度变化和LAI变化)和气象因子对未来极端径流事件变化的相对贡献。

根据不同的气候模式预估结果，在维持现有社会经济发展规律和温室气体排放水平条件下，全球平均温度将在2020—2035年、2035—2060年以及2060—2075年间相比工业革命前(1850—1900年)增加1.5 ℃、2.0 ℃和3.0 ℃^[30]。相应的CMIP6/CSSPv2试验集合平均结果显示(图 8)，当未来全球增温1.5 ℃、2.0 ℃和3.0 ℃时，三江源区平均降水量将分别增加5%、7%和13%；年蒸散发量的变化趋势与降水一致，在1.5 ℃、2.0 ℃和3.0 ℃增温水平下分别增加4%、7%和13%；植被蒸腾占总蒸散发的比值(蒸散比)也在各增温水平下显著增加，表明植被蒸腾的增加速率要大于地表蒸发；虽然年产流量的相对变化在1.5 ℃、2.0 ℃和3.0 ℃增温水平下能达到6%、9%和14%，但仅有75%的模式显示出产流增加趋势，进一步分析表明，年平均产流在春季和冬季的增加是显著的，而在夏季和秋季的变化不确定性较大。

图  8  全球未来不同增温水平下三江源区陆面水循环要素相比历史时期(1985—2014年)的相对变化(修改自文献[30])

Figure 8.  Relative changes of hydrological cycle elements on land surface in the Three-River Headwaters region compared with historical periods (1985—2014年) under different global warming levels in the future

与三江源类似，雅鲁藏布江-布拉马普特拉河流域在未来也呈现出降水增加和气温升高的趋势。具体的，流域平均年降水量在历史时期(1982—2001年)为1 425.3 mm，而RCP4.5和RCP8.5排放情景下未来近期时段(2020—2035年)的降水将分别达到1 529.8 mm和1 608.0 mm，相比历史期间增加了7.3%和12.8%。流域平均气温也将由历史时期的8.7 ℃增加至RCP4.5和RCP8.5排放情景下的9.8 ℃和10.0 ℃。与气温和降水增加对应的是流域径流量的增加。在流域出口的Bahadurabad水文站(图 9)，RCP4.5排放情景下未来近期年平均径流深为1 386.7 mm，相比历史期间增加6.9%，而在RCP8.5情景下年平均径流深为1 466.4 mm，相比历史时期增加12.9%^[31]。

图  9  不同排放情景下，雅鲁藏布江-布拉马普特拉河Bahadurabad水文站的径流预估结果和90%不确定性区间^[31]

Figure 9.  Estimation of runoff and 90% uncertainty intervals for Bahadurabad hydrological station of Yarlung Tsangpo-Brahmaputra River under different discharge scenarios

在1.5 ℃增温水平下，黄河源区雨季极小径流事件发生的频率相比1985—2014年增加了55%，但是不确定性范围大于集合平均结果，表明结果并不显著。在2.0 ℃和3.0 ℃增温水平下，极小径流事件将分别增加77%和125%，且结果也变显著。不同于黄河源区，长江源区在1.5 ℃、2.0 ℃和3.0 ℃增温水平下的雨季极大径流事件分别显著增加138%、202%和232%，表明洪涝风险有所增加(图 10)。另外，雅鲁藏布江-布拉马普特拉河流域多年平均洪峰流量在2种排放情景下分别达到了5.191 9×10⁴ m³/s和5.632 4×10⁴ m³/s，相比于历史时期分别增加了13.5%和23.2%。在湿润的长江源区和雅鲁藏布江-布拉马普特拉河流域，未来暖湿化的气候均导致平均径流和极大径流增加，对应洪水风险增加；对于较为干旱的黄河源区，未来气候的暖湿化使得雨季极小径流事件(干旱)频发。这种“干更干，湿更湿”的极端径流变化特征为未来河流源区的水旱灾害管理带来了巨大挑战，也对极端径流事件的预测提出了更高的要求。

图  10  全球未来不同增温水平下黄河源和长江源区月径流量和极端径流量变化(修改自文献[30])

Figure 10.  Changes of streamflow and extreme streamflow over the source regions of Yellow River and Yangtze River under different global warming levels in the future

以三江源地区为例，分析了生态因子对极端径流变化的影响(图 11)。结果发现虽然气候变化的影响最大，但是CO₂的植被生理效应和下垫面LAI变化因子也不容忽视，两者对极小、极大径流预估结果的影响可以达到9%~22%，且两者的作用随不同增温幅度的变化而变化。在增温幅度较小时，LAI的增加幅度较小，LAI增加导致的植被耗水强度相对较弱，而CO₂浓度增加导致的植被生理效应(减小植被气孔导度)则是直接作用于现有以及增长的植被，因而CO₂的植被生理效应的增湿效应占主导，即升高的CO₂浓度抑制了植被蒸腾，从而增加了极大径流事件的频次，且这种增湿作用大于由LAI增加导致的干效应。随着增温幅度的增加，暖湿化的气候条件使LAI增长幅度不断增加，导致的干效应也持续增强，并在3.0℃增温水平下超过CO₂生理强迫的影响，使得极小径流事件增加。因此，CO₂的植被生理效应和LAI增长导致的水文效应对源区陆地水循环未来预估均有不可忽视的作用，单独考虑某一种或者不考虑这2种生态过程，均会给未来预估带来较大误差。同时，LAI增长的干效应随着增温强度增加而增强，表明未来持续增温背景下河流源区的植被-水文耦合过程更加紧密。

图  11  气象因子、CO₂的植被生理效应以及下垫面LAI变化对极端径流变化预估的影响(修改自文献[30])

Figure 11.  Effects of climate factors, vegetation physiological effects of CO₂ and underlying surface LAI changes on the projection of extreme runoff change

围绕着中国西南河流源区径流变化规律及其未来演变趋势这一核心科学问题，经过多年的研究与探索，得到以下几点基本结论：

(1) 选取三江源区、雅鲁藏布江流域和怒江流域近50 a(1950—2010年)的月径流资料，进行了径流变化规律及其驱动机制分析。结果表明，三江源地区径流整体表现为上升趋势，其中以长江源区直门达水文站径流量增速最大。雅鲁藏布江流域内尼洋河年径流量近50 a来总体呈增加趋势，而其他区域年径流量整体上呈不显著下降趋势，20世纪90年代后表现为先上升后下降的趋势，同时存在3~4 a和12~15 a的周期变化特征。尽管在全球变暖背景下，升温对于径流变化的作用有所增强，但降水仍然是引起三江源、雅江和怒江流域径流变化的最关键因子，其中降水在三江源、雅鲁藏布江流域尼洋河和怒江均主要呈增加趋势，平均增幅为4.0~13.3 mm/(10 a)，降水的增加是该地区径流增加的主导因素。

(2) 全新世雅江中游径流呈现波动增加的态势，大致分为3个主要阶段，洪水事件呈现出早、晚全新世频繁、中全新世相对较少的特征。近500 a怒江流域重建序列存在10个丰水期和10个枯水期，并且在20世纪70年代后呈现增加趋势。西南河流源区径流丰枯变化主要受季风环流和ENSO活动的影响，但季风异常的影响具有明显的“非对称效应”，年际尺度上从东部向西部季风对降水的影响效应逐渐增强；长期趋势变化尺度上季风环流强弱变化直接影响该区域降水—径流的丰枯变化情势。

(3) 利用气候模式的未来气象要素预估结果驱动陆面水文模型，预估了未来15~60 a持续增温的情景下三江源区和雅鲁藏布江-布拉马普特拉河径流与极端径流的变化趋势。结果表明，未来平均径流相比近30 a增加6%~14%，极端径流呈现出“干更干、湿更湿”的变化特征，且生态因子(CO₂的植被生理效应和LAI变化)对于未来径流变化具有不可忽视的作用。