李健明，鄯仁欠姐，杨 颖，祁雪姣，哈妍晖，王雨欣，何 奕，李悦姣，卢素锦

(青海大学 生态环境工程学院，青海 西宁 810016)

在环境变化的大背景下，全球气温显著上升、蒸发量明显增加、地表径流量减少、水质恶化等问题屡见不鲜，水资源分布整体失衡，因此“变化环境下的水循环研究”是全球水循环系统计划的核心科学问题[1-2].同时，全球气候变化引起的冻土融化、暴风雪、水资源短缺等问题也受到国内外科学界和各国政府的高度重视，20 世纪以来国际科学界先后发起了国际水文计划（International Hydrological Programme，IHP）等大型国际研究计划与活动，先后开展了生物炭颗粒对土壤水分运动的影响，肥料对土壤水分变化和冠层温度影响等方面的研究[3-4].随着气候变化对土壤水系的影响问题成为国际研究热点，中国学术界开始关注国内水资源开发利用、土壤水文循环保护等一系列问题，关于土壤水分运动参数、土壤含水量、土壤水分变化、土壤水稳性等方面的研究逐渐增多[5-7].

气候模式和水文模型是现今国内外用于研究变化环境下水文水资源响应的主要手段[8].在IPCC第五次评估报告（Fifth Assessment Report，AR5）[9]中，采用国际耦合模式比较计划第五阶段（Coupled Model Intercomparison Project Phase 5，CMIP5）的气候模式和新的排放情景，分析典型浓度路径（Representative Concentration Pathways，RCP），利用RCP（包括RCP2.6、RCP4.5 和RCP8.5排放情景）[10]预估未来气候系统的变化，取得了较好效果.SWAT（Soil and Water Assessment Tool）模型是一个长时间尺度的分布式水文模型[11]，目前已得到广泛应用[12].国外应用SWAT 模型进行径流模拟，进行分布式水文-土壤-植被模型（Distributed Hydrology Soil Vegetation Model，DHSVM）开发等方面的研究[13-17]；SWAT 模型在中国的应用与研究从2000 年左右开始，学者们先后开展了华北地区、锡林河、长江上游流域等的模拟研究，并在后续研究中对SWAT 模型的应用进行了不断的改进[18-21].相关研究显示，SWAT 水文模型在河流流量、水文过程、水文响应、水质预测等方面应用中都取得了较好的效果[22-24].

长江源区地处青藏高原腹地，具有极其重要的生态地位，对国内乃至全球的水文循环系统维持都具有重要的意义.近年来受气候变化及人类活动的综合影响，长江源区内的生态环境质量持续恶化，冰川融化、湿地萎缩、草原退化、水源涵养弱化等生态问题愈发严重，对长江流域的水资源有效开发、生态环境安全及人民经济生活的可持续发展构成了威胁[25-28].从20 世纪60 年代开始，已有一些专家围绕长江源区气候变化对水资源及土壤含水量的影响开展过初步的研究[29-34]，但研究存在时序短，涉及区域较窄等问题，而有关气候模型对土壤水分的影响研究未见报道.研究气候变化对长江源区土壤水分的影响，对提升长江源区土壤水分的利用率，对长江源区土壤水系的利用与保护、生态环境的保护与恢复具有重要意义.本研究对长江源区2011—2021 年土壤水分的年际变化趋势进行分析，并采用全球气候模式CMIP5 的3 种气候情景（RCP2.6、RCP4.5、RCP8.5）耦合SWAT 水文模型，预测长江源区未来3 种气候情景下土壤水分变化情况，为长江源区土壤水系的利用与保护、生态环境的保护与恢复提供科学依据，为长江源区采取有效措施，实现区域可持续发展等提供科学依据.

1 材料与方法

1.1 研究区概况长江源区地处青海省境内，是指青海省直门达水文站以上的水流集中区域，位于32°30′～35°50′N 和90°30′～97°10′E 之间[35]，平均海拔4 000 m 左右.研究区包括沱沱河、五道梁、曲麻莱、玉树、安多、杂多、治多、囊谦、清水河等9个地点（图1）.长江源区主要由当曲、沱沱河、楚玛尔河3 条源流所组成，年平均径流量约130 亿m3.大气降水、冰川融水和地下水是长江源区河水流量及土壤水分的主要来源.长江源区既是我国海拔最高的天然湿地和生态系统最敏感的区域，又是我国生态质量与安全、水资源利用与保护的重点领域.长江源区最冷月份（1 月）平均温度为-13.0 ℃，极端最低温度低于-40 ℃.研究区年均温-5.2 ℃～3.4 ℃，年平均降水量为365 mm.植被类型主要包括高寒草甸、高寒草地和高原沼泽.土壤类型包括高寒草甸土、沼泽土和高寒草地土，冻土分布广泛，覆盖整个区域[36-37].

图1 长江源区气象站地理位置Fig.1 Geographical location of meteorological stations in the source region of the Yangtze River

1.2 数据来源

1.2.1 2011—2021 年气象数据收集 2011—2021年气象资料来自青海省气候中心，包括长江源区9个典型气象站(沱沱河、五道梁、曲麻莱、玉树、安多、杂多、治多、囊谦、清水河)的平均气温和年均降水量数据.

1.2.2 2011—2021 年土壤水分的测定 2011—2021年在长江源区设置9 个与气象站点地理位置一致的土壤监测点，每月进行1 次测定，选择有效降水（大于5 mm）15 d 后集中在每个监测点取样，以消除降水对土壤水分的影响.在每个监测点设置样方，采用五点取样法将0～10 cm 的表层土混匀并分为3 份，将土壤样本放入带盖的铝盒中带回实验室.采用烘干法[38]测定土壤水含量，计算公式为：

式中：θn为第n次测得的土壤含水量，m1为烘干前的铝盒与土壤重量，m2为烘干后的铝盒与土壤重量，m3为空铝盒重.

1.3 三种气候模式下土壤水分预测方法采用CMIP5 全球气候模型与SWAT 水文模型耦合的方法，利用 IPCC 发布的3 种RCPs （RCP 2.6、RCP 4.5、RCP 8.5）温室气体排放情景进行土壤水分的预测.其中，RCP2.6 代表温室气体（主要是CO2、CH4、N2O）排放以及浓度最少，在该气候情景下，全球对于能源利用的类型以及方式有了改变，使温室气体排放显著减少，并且是全球的作物面积最大的一种排放情景；RCP4.5 代表有气候政策干预下的气候变化情景，在该气候情景下，煤炭等一些不可再生的化石能源使用率下降，清洁能源大量使用，使温室气体排放也显著减少；RCP8.5 是一种没有气候政策干预下，温室气体排放浓度达到最高，化石能源消耗迅速增加，人口数量大幅增加，使温室气体排放浓度不断加剧.本文将这三种气候情景结合IPCC 数据中心发布的CMIP5 全球气候模型2022—2100 年的统计降尺度气候资料，利用获得的未来气象数据驱动已率定和验证好的长江源区SWAT 水文模型，模拟土壤水分在RCP 2.6、RCP 4.5 和RCP 8.5 情境下对CMIP5 全球气候变化的响应，得到未来气候情境变化下长江源区土壤水分的变化数据.

1.4 分析方法采用线性回归法对土壤水分年际、年内变化趋势进行分析，计算公式为：

式中，a为回归系数，b为常数.

1.5 数据处理采用Excel 2010 整理收集和监测到的数据，运用Origin 2021 软件得到年际、年内土壤水分变化趋势图进行分析.

2 结果与分析

2.1 长江源区2011—2021 年土壤水分变化趋势2011—2021 年土壤水分变化趋势见图2.图2 中的虚线代表土壤水分随年份变化的趋势，R2代表拟合优度，拟合优度是指回归直线对观测值的拟合程度，进而可说明线性回归方程中y与x的相关性显著程度.本研究取显著性水平α=0.05，n=80，查得r=0.273 2，r2=0.0746.R2＞r2时，说明变化趋势显著.

由图2 可知，2011—2012、2013—2016 年和2018—2020 年期间土壤水分呈现递增，2020—2021年土壤水分变化趋势并不明显，2012—2013 年和2016—2017 年期间土壤水分呈现递减.虽然在2020—2021 年土壤水分呈现不明显，但是在2011—2021 这10 年间土壤水分整体呈现下降趋势，且下降趋势显著（P＜0.05）.

图2 长江源区2011—2021 年土壤水分变化情况Fig.2 Changes of soil moisture in the source region of the Yangtze River from 2011 to 2021

2.2 长江源区2011—2021 年年均气温对土壤水分的影响长江源区2011—2021 年土壤水分与年平均气温变化趋势显著性分析见表1.

由表1 可知，2011—2012、2013—2014 年和2019—2020 年，年平均气温与土壤水分变化趋势显 著（P＜0.05）；2015—2016、2020—2021 年 和2011—2021 年年平均气温变化对土壤水分影响极显著（P＜0.01）；2017—2018 年平均气温与土壤水分变化趋势不显著（P＞0.05），土壤水分要明显低于其他年份，原因可能是全年的温度偏高，导致土壤水分蒸发量增加，还有高寒草地植物蒸腾量增加，从而导致土壤水分减少，并且变化不显著.由此可知，土壤水分会响应气温的变化.在全球变暖的大背景下，2021 年的年均气温要比2011 年明显偏高，预计在未来气温还会持续升高.

表1 2011—2021 年土壤水分与年平均气温变化趋势显著性分析Tab.1 The significance analysis of soil moisture and annual mean temperature change trend from 2011 to 2021

2.3 长江源区2011—2021 年年均降水量对土壤水分的影响长江源区2011—2021 年土壤水分与年平均降水量变化趋势显著性分析见表2，其中每两年进行1 次显著性方差分析.

由表2 可知，2011—2012、2013—2014、2017—2018、2020—2021 年和2011—2021 年，年平均降水量与土壤水分变化趋势显著（P＜0.05）；2015—2016 年和2019—2020 年，年降水量与土壤水分变化趋势并不显著（P＞0.05）.随着长江源区内年降水量缓慢增加，土壤水分含量整体呈现下降趋势.

表2 2011—2021 年土壤水分与年平均降水量变化趋势显著性分析Tab.2 The significance analysis of soil moisture and annual mean precipitation change trend from 2011 to 2021

2.4 气候变化对长江源区土壤水分影响的预测

2.4.1 气候变化对长江源区土壤水分年际变化影 响 2022—2100 年3种气候情景（RCP2.6、RCP4.5 及RCP8.5）下，土壤水分年际变化趋势预测如图3 所示.

由图3 可知，3 种气候情景下土壤水分年际间波动均较大，土壤水分均呈现减少的趋势，土壤水分整体分布在50%～500%之间.RCP2.6 和RCP8.5情景下，土壤水分减少趋势均显著；RCP4.5 情景下，土壤水分减少趋势不显著；3 种情景下的土壤水分均在2061 年左右达到最低值.3 种气候情景的减少幅度分别为RCP8.5＞RCP4.5＞RCP2.6，说明在温室气体排放越多以及浓度越大的气候情景下，土壤水分减少的趋势越明显.3 种情景下的土壤水分预测在2042、2052 年和2041—2042 年达到峰值.

图3 2022—2100 年三种气候情景下长江源区土壤水分年际变化趋势预测Fig.3 Interannual variation trend forecast of soil moisture under three climate scenarios from 2022 to 2100

2.4.2 气候变化对长江源区土壤水分年内变化影响的估算与预测 年内变化趋势是在所有年的同一个月份，取平均值表示为土壤水分年内变化趋势.3 种气候情景下，预测和估算土壤水分2022—2100 年、21 世纪40 年代和21 世纪80 年代年内变化趋势如图4 所示.由图4 可知，3 种气候情景模式下各月份土壤水分整体波动较大，年内分配不均匀.图4（a）显示，RCP2.6 情景下，1—6 月土壤水分增多，8 月土壤水分最高，7—12 月土壤水分降低，降幅最大的是8—9 月，1 月和12 月土壤水分最低，整体呈减少趋势.图4（b）显示，3 种气候情景下，21 世纪40 年代年纪带（每10 年一个年纪带）月份土壤水分变化趋势基本一致，1—6 月土壤水分积累增加，5 月份增加趋势显著，6 月及8—12 月的土壤水分均呈下降趋势.7 月份3 种气候情景下的土壤水分变化趋势存在差异，RCP4.5 情景下土壤水分出现急剧下降趋势，而RCP2.6 与RCP8.5 情景下土壤水分则呈现上升趋势.图4（c）显示，3 种气候情景下，21 世纪80 年代年纪带各月份土壤水分变化趋势基本一致，1—6 月土壤水分积累增加，且4月份增加趋势显著，7—12 月土壤水分减少，7 月份土壤水分保持相对平稳.变化趋势存在差异的是6月份，RCP8.5 情景下土壤水分呈增加趋势，RCP2.6和RCP4.5 情景下土壤水分呈现下降趋势.21 世纪中叶（2041—2050 年）5—7 月的土壤含水量约占全年土壤含水量的60%，但21 世纪末（2081—2090年）的5—7 月的3 个月内，土壤含水量降至全年土壤含水量的55%.

图4 三种气候情景下对长江源区土壤水分年内变化趋势的估算与预测Fig.4 Annual variation trend estimation and forecast of soil moisture in the source area of the Yangtze River under three climate scenarios

3 讨论与结论

3.1 讨论本研究中长江源区平均气温呈上升趋势，土壤水分呈减少趋势，气温变化对土壤水分变化有显著性影响，与齐冬梅等[39]、钱开铸[40]、刘光生等[41]的研究结果一致，这可能是因为长江源区近年来冰川退缩、湿地退化、冻土侵蚀、湖泊萎缩等环境变化对土壤水系产生了一系列的影响[42]，使得土壤水分逐渐减少.本研究表明，近10 年来随着降水量增加，长江源区土壤水分呈下降趋势，这与周明圆等[43]、王可丽等[44]研究结果均有出入，原因可能与不同作者引用的气象资料的时间序列长短和选取的研究站点不一致有关.周明圆等[43]采用的是1966—2013 年长江源区7 个气象站点的降水资料，王可丽等[44]采用的是1950—2000 年长江源区五道梁、沱沱河、曲麻莱及玉树4 个气象站点的降水资料，而本研究采用的是2011—2021 年长江源区9 个气象站的降水资料，时空跨越度不同，导致出现不同的研究结果.

本研究中，长江源区2022—2100 年土壤水分预测在CMIP5 全球气候模型的3 种情景下均呈现下降趋势，且3 种情景下土壤水分的年际间波动较大，不同模式之间土壤水分年际年内分配不均匀，这与沈永平等[45]的研究结果一致.气温升高使长江源区冰川消融，草地和湿地蒸发量加大，从而间接影响土壤水分变化，使其整体呈现出下降趋势；未来长江源区人类活动、人口数量、国家政策管控、生物多样性、山地系统、植被变化均可间接影响土壤水环境系统[46]，造成土壤水分减少.

袁源等[47]采用CLM4.5 模式模拟预测了青藏高原地区1981—2016 年土壤湿度长期时空变化趋势，结果表明青藏高原内三江源地区土壤湿度逐年增大，与本研究所得到的土壤水分呈下降趋势相悖，本研究与袁源等[47]所用到的预测模型、研究区域、研究时间及范围均存在差异，袁源等[47]是利用驱动CLM4.5 模式获得了青藏高原地区1981—2016年土壤湿度数据集，该模式自带的地形、土壤属性等信息的陆面数据空间分辨率有限.而本研究是采用CMIP5 气候模型21 种模式的模拟结果，结合RCPs 三种气候情景与SWAT 水文模型耦合，预测长江源区2022—2100 年土壤水分数据并进行年际、年内变化特征分析，将21 个CMIP5 全球气候模式的模拟结果经过插值计算，将其统一降尺度到同一分辨率下，利用简单平均方法进行多模式集合，使用制作成1 套包括1901—2005 年Historical 和2006—2100 年RCP2.6、RCP4.5、RCP8.5 排放情景下的月平均资料，相比与CMIP5 中其它模式，这21 个模式数据资料更完整.克服了单一模式和模式较少的缺陷，预测结果更加精准[48]，为气候变化下长江源区地表径流的保护提供了科学依据.

课题组前期工作表明，利用建立好的SWAT水文模型在长江源区进行模拟，率定期的决定系数为0.84，模拟径流量与实测径流量误差为5.27%.验证期的决定系数为0.89，误差为3.34%（结果见另文发表）.在率定期和验证期内，模拟数值符合度较高，该模型在长江源区较为适用.气候模型与SWAT 水文模型的耦合研究还有待于进一步深入.

3.2 结论

（1）长江源区2011—2021 年土壤水分整体呈减少趋势，且下降趋势显著（P＜0.05）.年平均气温和年平均降水量与土壤水分变化具有明显的相关性（P＜0.05），其中气温对于土壤水分变化相关性较为明显，气温和降水量变化会影响土壤水分变化.

（2）3 种RCPs 气候情景下，土壤水分年际间波动较大，其大部分在50%～500%之间变动，但土壤水分均呈现下降的趋势.其中，RCP4.5 气候情景下，土壤水分下降趋势并不显著 （P＞0.05）；另两种气候情景下，土壤水分下降趋势显著（P＜0.05）；3 种气候情景下土壤水分均在2061 年达到最低值，且3 种气候情景的减少幅度分别为RCP8.5＞RCP4.5＞RCP2.6，所以在温室气体排放越多以及浓度越大的气候情境下，土壤水分减少的趋势越明显.

（3）3 种RCPs 气候情景下，土壤水分年内分布不均匀.1—5 月土壤水分增加，6—12 月土壤水分递减，1—2 月土壤水分变化趋势相对平稳，年内各月份土壤水分含量差别较大.预计21 世纪末期（2081—2090 年）土壤水分含量较21 世纪中期（2041—2050 年）减少，4—9 月土壤水分占全年总土壤水分占比较21 世纪中期降低.

（4）在3 种RCPs 气候情景下，预测2022—2100 年长江源区土壤水分存在明显的减少趋势，建议地方政府加强长江源区土壤水系保护，加强长江源区湿地的保护，提高青藏高原区生态承载力以及气候调节能力.