基于HBV模型的太子河流域径流变化情景预估
Runoff Change in Taizihe River Basin Under Future Climate Change Based on HBV Model
通讯作者: 孙凤华(1963-),女,辽宁沈阳人,正研级高级工程师,主要从事气候变化研究. E-mail:sfh3910839@sina.com
收稿日期: 2018-12-29 修回日期: 2019-04-20 网络出版日期: 2019-07-01
基金资助: |
|
Corresponding authors: Sun Fenghua(1963-), female, Shenyang City, Liaoning Province, Professor of engineering. Research areas include climate change research. E-mail:sfh3910839@sina.com
Received: 2018-12-29 Revised: 2019-04-20 Online: 2019-07-01
作者简介 About authors
刘鸣彦(1987-),女,辽宁沈阳人,工程师,主要从事气候变化及气象灾害风险评估研究.E-mail:imlmy730@163.com
以太子河流域为研究区域,采用HBV水文模型对流域的水文过程进行模拟,并选取RegCM4.4区域气候模式输出的平均气温和降水数据来驱动HBV水文模型,模拟逐日径流过程,分析RCP4.5排放情景下未来太子河流域径流的演变。结果表明,HBV水文模型在太子河流域模拟效果较好,率定期与验证期Nash效率系数与确定性系数均在0.60以上,模型基本模拟出了洪水对降水的响应过程。RCP4.5情景下,2021—2070年太子河流域年平均气温呈持续升温趋势,流域降水和年径流深度呈微弱减少趋势。相较于基准期,年径流深度将增多9.79%,夏季和秋季径流深度上升明显。径流分位数的变化表明,峰值极端径流和枯水极端径流均较基准期有不同程度的增多,未来太子河流域发生极端洪涝的可能性较高。
关键词:
Taking the Taizihe River Basin located in Liaoning Province as a study area, we applied HBV hydrological model to simulate the hydrological process of this river basin with the support of observed daily precipitation, mean temperature, hydrological data in Xiaolinzi hydrologic station, and global digital elevation model data from SRTM3, land utilization types, etc. According to the simulation results of daily runoff, the possible impact of future climate change on runoff was analyzed through forcing HBV model by RegCM4.4 dynamic downscaled climatic data. The results show that HBV model performed generally well for daily simulation of the Taizihe River Basin with Nash Sutcliffe coefficient and deterministic coefficient being all over 0.60 in the calibration period and validation period, and the response of flooding to precipitation were simulated better. This indicates the HBV model can be successfully applied to the Taizihe River Basin. Mean temperature will increase obviously with persistent rising trend by RegCM4.4 model in 2021-2070 under RCP4.5 scenario. Annual precipitation and runoff depth are expected to reduce a bit. Compared with the baseline period (1986-2005), annual runoff depth will increase by 9.79%. At the same time, the runoff depth will increase significantly in summer and autumn. The variation of runoff quantile indicates that both peak extreme runoff and dry extreme runoff will increase to different degrees than that in the baseline period. In the future, the Taizihe River Basin will be likely to experience extreme flooding.
Keywords:
本文引用格式
刘鸣彦, 孙凤华, 侯依玲, 赵春雨, 周晓宇.
Liu Mingyan, Sun Fenghua, Hou Yiling, Zhao Chunyu, Zhou Xiaoyu.
1 引 言
2018年10月,联合国政府间气候变化专门委员会(Intergovernmental Panel on Climate Change,IPCC)正式发布了《IPCC全球升温1.5 ℃特别报告》,报告指出全球气温较工业化前水平已经增加了1 ℃。气温升高将导致暴雨洪涝等极端天气气候事件频发[1],冰川和积雪融化加剧,水资源分布失衡,地表水循环重新分配[2]。气候变暖引起的水循环变化将直接影响我国各大流域水资源的供应与分布,给流域未来发展带来极大挑战。辽宁省是我国主要升温区,也是重要粮食产区,气候变暖可能加剧辽宁省水资源短缺的情势,进一步影响粮食安全,因而研究气候变暖背景下辽宁省流域水资源变化特征具有重要的现实意义。
当前,研究水资源对气候变化响应的主要途径是将IPCC评估报告中的气候模式模拟结果与水文模型相结合,以未来气象数据驱动水文模型,在典型浓度路径排放情景下(Representative Concentration Pathways,RCPs)预估未来径流的演变[3]。区域气候模式弥补了全球气候模式空间分辨率低、对区域范围气候情景预测不精确等问题[4],在对气温、降水、环流等要素的模拟试验中取得了大量的研究成果[5]。分布式和半分布式水文模型考虑了流域水文特征的非均一性,是开展流域模拟研究的重要工具[6],其中HBV(Hydrologiska Fyrans Vattenbalans modell)水文模型在洪水预报、水资源评估[7]、径流量模拟等方面被国内外学者广泛采用[8]。黄金龙等[9]基于CCLM模式,采用HBV和SWAT(Soil and Water Assessment Tool) 2类水文模型,开展了长江寸滩以上流域未来气候变化对径流的影响研究。康丽莉等[10]利用RegCM4.0模式结果驱动VIC(Variable Infiltration Capacity)水文模型,在黄河流域开展未来气候水文离线模拟。王国庆等[11]应用水量平衡模型对辽河流域径流变化进行了模拟试验研究,揭示了辽河径流变化成因。孙凤华等[12]综述了气候变化对辽河流域水资源影响的研究现状,总结了最新的研究方法和成果。
2 研究方法与数据来源
2.1 研究区概况
太子河流域(图1)是辽河的左岸支流,辽宁省主要河流之一,地处辽宁省中东部,位于40°29′~41°39′N,122°26′~124°53′E,河长413 km,流域面积13 883 km2,流经新宾、本溪、辽阳、灯塔和海城等市县,于营口市注入渤海[15]。太子河流域内,辽阳市区以上属石质山丘区,植被覆盖率占70%左右,林地覆盖率约50%,河道处于山谷之间,河床比较陡,河道比降为0.87‰~1.22‰,辽阳市区以下进入辽河平原,河道蜿蜒曲折,比降为0.29‰~0.1‰。流域处于温带半湿润季风气候区,四季冷暖,干湿分明。多年(1961—2016年)平均气温为8.49 ℃,年平均降水为743.48 mm,年平均潜在蒸散量为907.84 mm。小林子水文站位于太子河下游,是太子河流域主要控制站之一,控制面积9 750 km2,多年平均径流为21.66×108 m3。
图1
图1
太子河流域高程、气象站及水文站分布
Fig.1
Distribution of elevation,weather stations and hydrological station in Taizihe River Basin
2.2 数据
气象观测数据来源于辽宁省气象信息中心,包括太子河流域内5个气象站(本溪市、本溪县、辽阳市、鞍山市和海城市)1961—2016年的逐日降水量、平均气温、最高气温及最低气温数据。小林子水文站逐日径流量数据摘录自水文年鉴。
采用英国哈得莱中心的HadGEM2-ES模式驱动的RegCM4.4区域气候模式数据对未来流域气候特征开展分析,数据来源于国家气候中心,空间分辨率为0.25°×0.25°,时间尺度为1980—2098年。选用IPCC第五次评估报告推荐的1986—2005年为模式的基准期,2021—2070年为RCP4.5排放情景下未来50年的预估期,开展未来太子河流域气候变化预估。
HBV水文模型输入的数据均来自国家气候中心,包括30 m分辨率的流域数字高程模型(Digital Elevation Model,DEM)数据、土地利用数据、河流水系数据及土壤持水力数据。
2.3 方法
本文利用RegCM4.4模式在RCP4.5排放情景下的预估数据,分析太子河流域未来50年(2021—2070年)气温和降水的时间演变特征。利用小林子水文站的逐日径流数据对HBV水文模型进行率定与验证,在确定HBV水文模型在太子河流域有较好的适用性前提下,利用区域气候模式输出的气温和降水数据,对未来50年太子河流域的径流深度进行模拟预估,分析RCP4.5排放情景下太子河流域地表径流的变化特征及其演变趋势。分析中,将每年3~5月定义为春季,6~8月为夏季,9~11月为秋季,12月至次年2月为冬季。降水量与径流深度的变化率是指相对于基准期计算的百分率数值。
3 HBV水文模型在太子河流域的应用
3.1 模型概述
式中:
3.2 模型数据构建
表1 土壤持水力
Table1
子流域 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
---|---|---|---|---|---|---|---|---|---|---|---|---|
持水力 | 107.9 | 75.0 | 73.0 | 75.0 | 125.4 | 81.2 | 69.1 | 73.5 | 182.8 | 76.7 | 90.5 | 170.8 |
插值得到的各子流域平均降水量和平均气温、DEM、土壤持水力、土地利用及汇流时间均作为HBV水文模型的驱动数据。数据输入至模型后,即可对各子流域进行产汇流模拟,综合各子流域模拟结果,得到整个流域逐日模拟径流深度,将模拟结果与观测数据进行对比,优化调试模型敏感性参数,确定HBV水文模型在太子河流域径流模拟中的适用性。
3.3 模型的率定与验证
根据小林子水文站水文资料的完整性,选取1964—1969年的逐日径流序列对HBV水文模型进行参数的率定,选取2007—2012年的逐日径流验证参数,以提高模型校准效率。根据前人经验,采用试错法反复调试参数,确定敏感参数的最佳取值(表2)。影响太子河流域径流的主要因素有融雪因子、再冻结系数、气温降水变化梯度、降水的径流贡献率、土壤渗透能力、上层土壤退水系数及快速径流阈值等。
表2 HBV水文模型最优参数值
Table 2
序号 | 参数名 | 含义 | 单位 | 最佳值 | 敏感性 |
---|---|---|---|---|---|
1 | TS | 阈值温度(Threshold temperature for no melt) | ℃ | 13.164 | 敏感 |
2 | CX | 融雪度日因子(Melt index) | mm/(deg·d) | 0.710 | 较敏感 |
3 | CFR | 重新冻结系数(Refreeze efficiency) | 1 | 0.545 | 敏感 |
4 | PKORR | 降水对雨量校正系数(Precipitaion correction for rain) | 1 | 1.156 | 敏感 |
5 | SKORR | 降水对雪的校正系数(Additional precip corr for snow at gauge) | 1 | 0.950 | 较敏感 |
6 | TTGRAD | 温度梯度(无降水)(Temperature gradient for days without precip) | deg/100m | -1.962 | 敏感 |
7 | TVGRAD | 温度梯度(有降水)(Temperature gradient for days with precip) | deg/100m | -0.183 | 较敏感 |
8 | PGRAD | 降水梯度(Precipitation altitude gradient) | 1/100m | 0.407 | 敏感 |
9 | BETA | 土壤水分带阈值(Non-linearity in soil water zone) | 1 | 0 | 敏感 |
10 | KUZ2 | 表层区域快时间常数(Quick time constant upper zone) | 1/d | 0.074 | 敏感 |
11 | UZ1 | 快速径流阈值(Threshold quick runoff) | mm | 0.135 | 敏感 |
12 | PERC | 底层土壤渗流速度(Percolation to lower zone) | mm/d | 10.970 | 敏感 |
图2
图2
率定期模拟和实测径流深度及降水量曲线
Fig.2
The observed and simulated runoff curves and daily precipitation for the calibration period
(a)逐日;(b)逐月
(a)Daily;(b)Monthly
表3 太子河率定期与验证期模拟结果
Table 3
阶段 | 时段 | NSE | R2 | MRE/% |
---|---|---|---|---|
率定期 | 逐日 | 0.63 | 0.64 | 21.5 |
逐月 | 0.81 | 0.84 | 21.5 | |
验证期 | 逐日 | 0.66 | 0.66 | 0.6 |
逐月 | 0.84 | 0.87 | 0.6 |
图3
图3
验证期模拟和实测径流深度及降水量曲线
Fig.3
The observed and simulated runoff curves and daily precipitation for the validation period
(a)逐日;(b)逐月
(a)Daily;(b)Monthly
4 未来气候及径流变化预估
4.1 未来气候变化预估
图4
图4
1980—2016年观测的太子河流域年平均气温和降水量变化
Fig.4
Temporal variations of annual mean temperature and precipitation during 1980-2016
(a)年平均气温;(b)降水量
(a)Annual mean temperature;(b)Precipitation
基于RegCM4.4区域气候模式在RCP4.5排放情景下对太子河流域年平均气温与降水量进行预估分析,预估结果如图5所示。1980—2070年太子河流域年平均气温为9.11 ℃,平均气温呈阶梯状上升趋势,每10年升温0.43 ℃,且通过了0.05的显著性水平检验。1980—2070年太子河流域年降水量平均为800.03 mm,且有微弱增多的趋势出现,增多速率为8.40 mm/10 a,但这一趋势未通过0.05的显著性水平检验,从年代际变化上看,降水量呈“少—多—少”的波动趋势,21世纪20年代和30年代降水量较其他年代偏多,平均为862.23和868.81 mm。若从2021年开始统计,未来50年(2021—2070年)太子河流域的降水则呈减少的趋势,减少速率为8.81 mm/10 a。
图5
图5
1980—2070年预估模拟的太子河流域年平均气温和降水量变化
Fig.5
Temporal variations of annual mean temperature and precipitation during 1980-2070
(a)年平均气温;(b)降水量
(a)Annual mean temperature;(b)Precipitation
图6
图6
太子河流域平均气温与降水量的逐月变化
Fig.6
Monthly variations of temperature and precipitation
(a)平均气温;(b)降水量
(a)Mean temperature;(b)Precipitation
表4列出了太子河流域未来50年的年和四季平均气温和降水量相对基准期的变化结果。可以看出,未来50年太子河流域年和四季平均气温相对于1986—2005年均有升高,升温都在2.00 ℃以上,年平均气温升高2.08 ℃,秋季平均气温升高最多,其次为夏季,冬季升温相对较小,表明未来太子河流域发生高温热浪的可能性增多。相对于基准期,年降水量增多1.55%,春季、夏季和冬季的降水量较基准期分别增多5.17%,0.26%和29.45%,而秋季降水量较基准期有所减少,减少了0.95%。
表4 2021—2070年气温和降水相对于基均期(1986—2005年)的变化
Table 4
要素 | 年 | 春季 | 夏季 | 秋季 | 冬季 |
---|---|---|---|---|---|
气温变化/℃ | 2.08 | 2.05 | 2.10 | 2.21 | 2.00 |
降水变化百分率/% | 1.55 | 5.17 | 0.26 | -0.95 | 29.45 |
4.2 未来径流变化预估
在已率定的HBV水文模型参数基础上,应用RegCM4.4区域气候模式输出的逐日气温与降水数据来驱动HBV水文模型,对未来50年(2021—2070年)太子河流域的径流进行模拟预估,得到RCP4.5排放情景下的逐日径流深度数据。
研究表明,径流对降水的变化最为敏感[22],未来50年,太子河流域的气温呈升温趋势,降水呈微弱的减少趋势,这会在一定程度上引起径流的减少。由模拟结果可知,2021—2070年RCP4.5排放情景下太子河流域的年平均径流深度呈不显著的减少趋势,年际变化较为明显。年径流深度平均为159.77 mm,减少速率为3.18 mm/10 a,未能通过0.05的显著性水平检验(图7)。径流偏多(高于250.0 mm)的年份有2024年、2030年、2049年、2057年及2061年,径流偏少(低于70.0 mm)的年份有2026年、2031年、2041年、2045年及2060年。从年代际的变化来看,径流深度的变化与降水量相似,21世纪20年代和60年代径流深度较其他年代相对偏多,平均为187.23和179.98 mm,40年代和50年代相对偏少,偏低于多年平均值,仅为133.56和134.35 mm。
图7
图7
2021—2070年太子河流域径流深度的年际变化
Fig.7
Temporal variations of runoff depth during 2021-2070
表5 不同年代径流模比系数
Table 5
要素 | 2021—2030年 | 2031—2040年 | 2041—2050年 | 2051—2060年 | 2061—2070年 |
---|---|---|---|---|---|
Kp | 1.17 | 1.02 | 0.83 | 0.84 | 1.13 |
为更进一步分析径流的演变特征,表6列出了相较于基准期的变化结果。年径流深度较基准期相对增多9.79%,各季节径流深度均有所增多,其中秋季增多最为明显,其次是夏季,分别增多18.44%和9.85%,冬季由于处于河水封冻期,径流深度的变化与基准期相差不多,仅增多1.41%。将RCP4.5排放情景下逐月径流深度与基准期进行对比(图8),与基准期的年内分布特征相似,月径流深年内分布不均匀,随月份呈单峰变化,径流主要集中在6~9月,占全年径流总量的84.72%,冬季径流较小,不到全年总量的6%,峰值出现在7月和8月。与基准期相比,未来年内最大月径流深度出现时间偏晚1个月,出现在了8月,而7月径流深度减少了大约10.45%,其他各月径流深度则均有所升高,其中6月份径流增多最为显著,增多了75.57%,冬季和春季径流深度则与基准期相差不大。
表6 2021—2070年径流深度相对于基准期(1986—2005年)的变化
Table 6
要素 | 年 | 春季 | 夏季 | 秋季 | 冬季 |
---|---|---|---|---|---|
径流变化/% | 9.79 | 5.63 | 9.85 | 18.44 | 1.41 |
图8
通常取90%,95%和99%分位数径流量值(Q90,Q95和Q99)代表峰值极端径流的变化,10%,5%和1%分位数径流量值(Q10,Q5和Q1)代表枯水极端径流的变化。由表7可知,相对于基准期,未来RCP4.5排放情景下,除Q90外,2021—2070年其他各分位数径流量均在增加,峰值极端径流比枯水极端径流变化更为显著。各年代际枯水极端径流总体上在增加,而峰值极端径流变化不一致,呈现出先减少再增加的变化特征。2021—2030年和2031—2040年峰值极端径流相对于基准期显著增加,这表明2021—2040年发生极端洪涝事件的可能性增多。2041—2050年,峰值极端径流有所减少,发生洪涝的可能性有所降低。除Q1在2051—2060年略低于基准期外,其他各年代枯水极端径流均高于基准期,表明未来枯水季径流量也将有所增多。
表7 分位数(2021—2070)年径流相对于基准期(1986—2005年)的变化百分率(单位:%)
Table 7
时间 | 2021—2030年 | 2031—2040年 | 2041—2050年 | 2051—2060年 | 2061—2070年 | 2021—2070年 |
---|---|---|---|---|---|---|
Q1 | 1.99 | 2.68 | 2.54 | -0.46 | 2.43 | 1.84 |
Q5 | 0.23 | 1.89 | 0.96 | 0.18 | 2.10 | 1.07 |
Q10 | 0.16 | 2.02 | 1.09 | 0.78 | 2.02 | 1.21 |
Q90 | 25.29 | 20.73 | -17.90 | -27.98 | -7.61 | -1.49 |
Q95 | 37.34 | 6.56 | -21.27 | -23.06 | 23.12 | 4.54 |
Q99 | 32.41 | 12.03 | -8.74 | 3.88 | 40.49 | 16.01 |
5 结 论
本文结合半分布式水文模型HBV和RegCM4.4区域气候模式数据对太子河流域未来的气候变化与径流变化开展了模拟分析,主要结论如下:
(1)基于太子河流域历史气象数据建立的HBV水文模型具有较高的模拟精度和适用性,其中,率定期逐日模拟的NSE与R2都在0.60以上,逐月结果则在0.80以上,验证期逐日模拟的NSE与R2都为0.66,逐月结果分别为0.84和0.87。模拟结果基本反映出径流的季节演变特征及洪水对降水的响应过程。
(2)未来50年气候变化引起的太子河流域年平均气温总体呈增温趋势,降水呈不显著的减少趋势。相较于基准期,夏季和秋季增温幅度大于冬季和春季,冬季降水显著增多,秋季降水略有减少。
(3)RCP4.5排放情景下,未来50年太子河流域的径流呈不显著减少趋势,年代际变化上则表现为“偏丰—平—偏枯—平”的变化特征。相较于基准期,夏季和秋季径流增多明显,冬季和春季相差不多。未来各年代枯水极端径流呈一致增多趋势,峰值极端径流呈先减少再增多的特征,其中2021—2040年发生极端洪涝事件的可能性较基准期增大。
(4)目前对未来径流的情景预估尚存在较大的不确定性,其主要来源于未来气候变化情景模拟的不确定性,特别是降水预测的不确定性,这与气候模式物理表征和参数化方案等的处理有关。此外,HBV水文模型的参数率定具有一定人为性,这也会引起径流预估结果出现一定偏差。对于这一问题,将在后续工作中进行深入研究与探讨。
参考文献
National assessment report of climate change (II): Climate change impacts and adaptation
[J].
气候变化国家评估报告(II): 气候变化的影响与适应
[J].,
Climate Change and Water Resource in China
[M].
气候变化与中国水资源
[M].
Opportunity and challenge of the climate change impact on the water resource of China
[J].
气候变化对我国水资源影响研究面临的机遇与挑战
[J].,
A review of future climate change based on regional climate models
[J].
基于区域气候模式未来气候变化研究综述
[J]. ,
Climate change due to greenhouse effects in China as simulated by a regional climate model
[J]. ,
New model for drought estimation and prediction based on distributed hydrological simulation
[J].
基于分布式水文模拟的干旱评估预报模型研究
[J].,
Mechanism-oriented approach for estimating critical rainfall of flood disaster: A case study based on HBV model
[J].
基于HBV模型的淮河流域洪水致灾临界雨量研究
[J].,
Application of a conceptual hydrological model in the runoff forecast of a mountainous watershed
[J].
概念性水文模型在出山径流预报中的应用
[J].,
Future climate change and its impact on runoff in the upper reaches of the Yangtze River under RCP4.5 scenario
[J].
RCP4.5情景下长江上游流域未来气候变化及其对径流的影响
[J].,
Simulative study of future climate and hydrological change over the Yellow River Basin
[J].
黄河流域未来气候—水文变化的模拟研究
[J].,
Study on hydrological characteristics of Liaohe River Basin in response to climate change
[J].
辽河流域径流对气候变化的响应特征研究
[J]. ,
Research status analysis of impact of climate change on water resource in Liaohe River basin
[J].
气候变化对辽河流域水资源影响研究现状分析
[J].,
Study on runoff trends of the six larger basins in China over the past 50 years
[J].
近50年来中国六大流域年际径流变化趋势研究
[J].,
Change characteristics of climate and water resources in west Liaohe River Plain
[J].
西辽河平原气候及水资源变化特征
[J].,
Encyclopedia of Rivers and Lakes in China Section of Heilongjiang River and Liaohe River Basins
[M].
中国河湖大典黑龙江、辽河卷
[M].
Modelling river discharge for large drainage basins: From lumped to distributed approach
[J].,
Hydrological Models
[M].
水文模型
[M].
Application of HBV model in Huaihe Guanzhai River Basin
[J].
HBV模型在淮河官寨流域的应用研究
[J].,
Application of HBV model to the Xunbila River Basin
[J].
HBV模型在逊毕拉河流域的适用性研究
[J].,
Application of HBV model to Tangwang River Basin
[J].
HBV模型在汤旺河流域的应用研究
[J].,
Study on the applicability of HBV model in Hanjiang River Basin
[J].
HBV模型在汉江流域的适用性研究
[J]. ,
Effects of Climate Change on Hydrology and Water Resources
[M].
气候变化对水文水资源影响研究
[J]. ,
General Administration of Quality Supervision, Inspection and Quarantine of the People's Republic of China, Standardization Administration of the People's Republic of China. Forecasting Norm for Hydrology Intelligence: GB/T 22482-2008
[S].中华人民共和国国家质量监督检验检疫总局,中国国家标准化管理委员会. 水文情报预报规范:GB/T 22482-2008
[S].,
/
〈 | 〉 |