田烨，许月萍，徐晓，张徐杰，康丽莉

(1. 浙江大学 建筑工程学院水利工程学系水文与水资源研究所，浙江 杭州，310058；2. 浙江省海洋气象科学研究所，浙江 杭州，310058)

IPCC的研究表明，全球气候变化发生了以气温升高为主的显著变化[1]，伴随着气温的升高，全球水循环加速[2]，降雨量和径流量也发生了显著的改变，近年来，气候变化造成的极端洪水事件时有发生，给人类的生命财产安全造成了极大的损失。研究未来的径流量变化规律能够更好地防患于未然。专家学者对气候变化的研究涉及全球多个流域[3−5]，国内许多学者针对气候变化对河川径流量的影响也做过大量研究，如袁飞等[6]利用大尺度水文模型VIC模型与PRECIS区域气候模式进行耦合研究了海河流域径流深对气候变化的响应的规律，贾仰文等[7]研究了气候变化对黄河源区径流量变化的影响，高歌等[8]研究了气候变化对淮河流域径流量可能造成的影响，可以看出对气候变化影响的研究以干旱半干旱流域居多，针对湿润地区的研究较少。且在不同的情景模式下用不同模型期模拟结果也有所不同，在A2情景下PRECIS模型中全国范围的降水量普遍表现出更大的年纪变化和季节变化，冬季南方的降水量减少[9]。而HadCM3模型在A2情景下在汉江流域上表现出降水量增加趋势[10]。在B2情景下 PRECIS模型中长江以南地区降水量显著增加，温度也有所增加[11]。未来气候的变化对湿润地区的水文特征同样存在影响，如南方等地极端水文事件的发生日趋频繁，本文作者选取钱塘江流域上游的常山港流域为研究对象，以其作为切入点研究气候变化影响下湿润地区径流量以及设计洪水的变化趋势。

1 研究区域概况

常山港流域位于钱塘江流域上游地区，流域面积为2 381 km2，如图1所示。流域属亚热带季风气候区，气候温暖湿润，流域内水汽充足，雨量丰沛。流域地形特征为山地多平原少，地势西高东低，流域内水系发达，大小支流60多条，降水量和径流量年内分配不均，主要集中在4～9月份。流域内洪水汇流速度快，历时短，洪水年际变化大，沿岸洪涝较为频繁，严重制约了本区社会经济的可持续发展。

本文以钱塘江常山港流域为研究对象，对A1B排放情景下HadCM3气候模式在2020s(2011—2030年)时期的预测结果，利用统计降尺度方法计算得到日降雨和日气温，并使用萨克拉门托模型分别对基准期和气候变化背景下2020s进行降雨径流模拟并计算设计洪水，对比两时期的设计洪水差别，分析其变化趋势，为该流域气候变化下防洪方案的制定提供一定的参考依据。为了描述未来气候变化，IPCC建立了6个未来气候变化情景模式，他们分别代表不同的温室气体排放量，经济发展模式等。其中A1B情景模式代表未来温室气体中等排放强度，是一种平衡的发展模式。HadCM3模型是英国气候预测和研究中心发展的海气耦合的区域气候模型，它主要由2个部分组成：大气模型HadAM3和海洋模型。垂直方向上分为19层，空间分辨率为2.5°×3.75°，能为研究流域尺度的气候变化提供良好的支持。萨克拉门托模型功能比较完善且具有自己的特点因而应用比较广泛，适用于我国南方湿润和半湿润地区。

图1 常山港流域及站点示意图Fig. 1 Stations distribution in Changshan Basin

2 研究方法

2.1 统计降尺度方法

使用 LARS−WG天气发生器进行降尺度计算，LARS−WG天气发生器是一种常用的统计降尺度方法，由英国洛桑实验室开发[12]，通过半经验分布模型模拟给定时期内的干湿序列、日降雨量、日辐射量、日最低温和日最高温。对于每一个气象变量v, 它的值vi与发生的概率pi的对应关系如下：

其中：P( )为基于实际观测数据{vobs}的概率；n为分布间隔数，n=23。对每一个气象变量，p0=0，pn=1，与之相对应的变量分别为v0=min{vobs}和vn=max{vobs}。为了更准确地估计气象变量的极值，给定一些非常接近于0的概率，与气象变量的极小值相对应；也给定一些非常接近1的概率，与气象变量的极大值相对应。对于降雨量来说，定义了3个非常接近 1 的概率：Pn−1=0.999，Pn−2=0.995，Pn−3=0.985。

2.2 降雨径流模拟

使用萨克拉门托模型来进行降雨径流模拟，萨克拉门托(Sacramento)模型是美国萨克拉门托河流预报中心于20世纪60年代末至70年代初研制的概念性水文模型，模型用一系列具有一定物理概念的数学表达式来描述水文过程[13−15]，模型中流域面积分为透水面积、不透水面积和变化的不透水面积，流域沿垂直方向分为上下2层，通过Horton下渗曲线连接。

不透水面积上的降雨量产生地面径流汇入河网总入流，透水面积上的降雨量下渗到土壤蓄水层，上层土壤蓄水层的张力水以蒸发形式消耗，上层土壤蓄水层的自由水除去蒸发和下渗量，剩余部分产生地面径流[16]。降雨的下渗过程可以通过以下函数模拟，下层土层饱和时的实际下渗率为：

式中：PB为稳定下渗能力；LZFPM为下层深层自由水最大出流量；LZFSM为下层浅层自由水最大出流量；PERC为实际稳定下渗率；UZFWM为上层自由水最大值。

下层土层非饱和时的实际下渗率PE为：

式中：DEFR为缺水率；LZTWC为下层张力水蓄量；LZFPC为下层慢速地下水蓄量；LZFS为下层快速地下水蓄量；LZTWM为下层张力水最大储存能力；PE为实际下渗率；ZPERC为最大下渗率；REXP为下渗函数指数。

以实际下渗率PE下渗的水量进入下层自由水，剩余水量进入下层张力水，下层张力水消耗于蒸发量，下层自由水则以深层基流和浅层基流的形式分别演算汇总到总基流，通过径流分配和河道演算得到流域总出流量。

根据流域9个站点的日降雨数据使用泰森多边形计算流域面雨量，日蒸发数据使用开化站的日平均气温数据，根据Hargreaves公式[17]计算相应的日潜在蒸发量。Hargreaves公式考虑到了经纬度对潜在蒸发量的影响以及天文辐射的影响，得到了湿润地区许多应用实例的验证[17]。

式中：ET0,Harg为潜在蒸发，mm；Ra为天文辐射，根据站点的经纬度等地理信息计算得到，mm/d；Tmax和Tmin分别为日最高气温和最低气温，℃；HC为经验Hargreaves系数，通常取0.002 3；HE为经验Hargreaves指数，通常取0.5；HT为经验温度系数，通常取17.8。

本文中模型率定的目标函数为Nash-Sutcliffe (NS)效率系数，其计算公式为

3 结果与讨论

以常山站作为流域出口断面，取该站1995—2003年间的日径流数据，以1995—2001年作为模型率定期率定模型参数，2002—2003年作为验证期。通过模拟，得到实测期的模拟径流情况，图2所示为2000—2001年的模拟径流和实测径流情况。从图2可看出：枯水期的模拟效果较好，而丰水期径流量实测值多高于模拟值。计算可得Nash-Sutcliffe(NS)效率系数为0.82，表明实测径流和模拟径流的拟合程度较好，由于缺乏基准期的实测日径流数据，对基准期和2020s均采用率定得到的参数进行模拟。

图2 2000—2001年径流实测值和模拟值比较Fig. 2 Comparison between simulated and measured runoff from 2000 to 2001

3.1 基准期径流量模拟

根据流域基准期的实测日降雨量和日气温，模拟该时期的日径流量。结果表明多年最大径流量为3 898.4 m3/s(1967年)，径流量均值为1 018.6 m3/s，最大径流量大于均值的3倍。根据调查资料[18]，开化站、华埠站和油溪口站1967年6月均发生大暴雨，造成人员伤亡和严重的经济损失，由此可见，模拟最大径流量具有一定的合理性。

提取常山站的年最大日径流序列，使用线性矩方法进行频率分析。线性矩方法在Greenwood定义的概率权重矩[19]基础上发展而来，首次由Hosking等[20]提出，是一种应用越来越广泛的参数估计方法，根据线性矩原理，计算径流序列的线性矩系数τ3(偏态系数)和τ4(峰态系数)，得到τ3=454，τ4=0.233 4，利用线性矩图[21]原理判断较为符合的分布函数，线性矩图利用样本线性矩系数τ3和τ4与分布函数的线性矩系数τ3和τ4的相关程度来判断分布函数的类型，即如果某一分布函数的线性矩系数和区域性矩系数相一致，则该分布函数为最优分布函数，根据常山站流量序列的线性矩特征值做线性矩图如图3所示。

图3 基准期年最大径流序列线性矩图Fig. 3 L-moment figure of annual maximum runoff series in baseline period

GPA代表广义柏拉图分布，GEV为通用极值分布，GLO为广义罗切斯特分布，LN3分布为3个参数对数正态分布，PE3代表皮尔逊Ⅲ型分布，图3中样本线性矩特征值接近PE3分布，选择PE3分布作为年最大日径流量序列的分布函数，根据参考文献[22]中的设计洪水计算公式，计算各重现期的设计洪水，如表1所示。

3.2 预测期径流量模拟

根据常山港流域2020s面雨量和日平均气温的降尺度计算结果，使用Hargreaves经验公式计算面平均蒸发量，利用实测期的参数率定结果模拟未来时期常山站的日径流量。模拟结果的统计特征值如表3所示，将基准期年最大日径流量序列的统计特征值同列于表2。从表2可看出：2020s流量序列的最大值、均值和方差均小于基准期，其中均值的差别最为明显，表明未来一段时期内常山站的出口径流量有减小趋势。比较基准期和2020s的面雨量和蒸发量可知，2020s内常山港流域面雨量有增大趋势，年最大日雨量的平均值增大 15.9%，同时蒸发量也有增大趋势，年最大日蒸发量的平均值增大4.2%。

表1 基准期常山站设计洪水流量Table 1 Design flood runoff of Changshan Station in baseline period

表2 预测期日径流量模拟结果统计特征值Table 2 Statistics of simulated daily runoff in prediction period

对2020s的日径流量数据提取年最大值序列进行频率分析，计算年最大径流量序列偏态系数和峰态系数，τ3=0.507 7，τ4=0.2910，做出线性矩图如图4所示。

图4中样本线性矩特征值较接近GPA分布，选择GPA分布函数计算2020s各重现期的设计洪水流量，如表3所示。

图4 2020s年最大径流序列线性矩图Fig. 4 L-moment ratio figure of annual maximum runoff series in 2020s

总体来看，基准期的设计洪水大于2020s时期的设计洪水，且两时期的绝对差别变化不大，相对变化值随重现期的增加而慢慢减小，其中五年一遇的设计洪水相对变化值达到36.04%。由此可以得出结论：在未来一段时期内，常山港流域的出口径流量有一定的减小趋势，设计洪水也有减小趋势，但是发生极端洪水时的危害程度并没有随之减小，仍然要加强防洪措施的制定，抵御极端洪水给生命财产带来的威胁。除了降雨温度等自然因素对径流变化起决定性的影响，同时人类活动会改变下垫面的状况，而下垫面的改变也对径流的产生很大影响，比如修建水库一方面会改变流域的蒸发量，另一方面控制下游的来水量从而对下游洪水起到调节作用。但人类活动对径流的影响很难模拟，本文使用的模型无法实现，需要做进一步的研究。

表3 基准期和预测期常山站设计洪水流量Table 3 Design floods runoff of Changshan Station in baseline and prediction period

4 结论

(1) 萨克拉门托模型对该地区的径流模拟结果与实际径流比较吻合，枯水期的径流模拟效果要好于丰水期的。丰水期存在模型低估实际径流的现象。

(2) 通过线性距的方法进行频率分析得知，基准期的常山港地区的年最大径流量最符合PE3分布，而未来的年最大径流量最符合GPA分布。这主要是由于未来流量序列的最大值，均值和方差均比基准期时的小因而导致分布函数的改变。

(3) 在本文选择的特定气候模式和排放情景下，常山港流域的面雨量和蒸发量有增大趋势，而流域出口断面的径流量却有减小趋势，设计洪水同样有所减少，五年一遇的设计洪水减少率为36.04%，且随着重现期的增加，相对变化值也随之减小。

针对流域面雨量增大出口径流却减小的情况，一方面由于未来蒸发量有增大的趋势，降雨量将以蒸发的形式消耗；另一方面，虽然日降雨增加(可理解为降雨强度)，但多日降雨量可能减少[23]，从而可能导致径流乃至设计洪水的减少。研究中由于基准期径流资料的缺乏，移用了实测期同一组参数对径流模拟带来了较大的不确定性。作者仅讨论了HadCM3气候模式在A1B情景下对径流量的影响，未来需对比不同气候模式以及多种排放情景下钱塘江常山港流域的径流变化情况进行分析，以对防洪决策的制定提供更为丰富合理的参考依据。

[1]IPCC. Climate change 2007: Synthesis report[M]. Cambridge:Cambridge University Press, 2007: 31.

[2]Liepert B, Romanou A. Global dimming and brightening and the water cycle[J]. Bulletion of the American Meteorology Society,2005, 86: 622−623.

[3]Xu C Y, Singh V P. Review on regional water resources assessment models under stationary and changing climate[J].Water Resources Management, 2004, 18(6): 591−612.

[4]杨志勇, 于赢东, 王建华, 等. 气候变化对伊逊河流域水资源量的影响[J]. 水科学进展, 2011, 22(2): 175−181.YANG Zhiyong, YU Yingdong, WANG Jianhua, et al. Climate change and its impact on water resources in Yixun River basin[J].Advances in Water Science, 2011, 22(2): 175−181.

[5]张翔, 夏军. 气候变化对地表水资源可利用量影响的不确定性分析—以汉江上游为例[J]. 资源科学, 2010, 32(2): 255−260.ZHANG Xiang, XIA Jun. Uncertainty analysis of the impact of climate change on the availability of surface water resources[J].Resources Science, 2010, 32(2): 255−260.

[6]袁飞, 谢正辉, 任立良, 等. 气候变化对海河流域水文特性的影响[J]. 水利学报, 2005, 36(3): 274−279.YUAN Fei, XIE Zhenghui, REN Liliang, et al. Hydrological variation in Haihe River Basin due to climate change[J]. Shuili Xuebao, 2005, 36(3): 274−279.

[7]贾仰文, 高辉, 牛存稳, 等. 气候变化对黄河源区径流过程的影响[J]. 水利学报, 2008, 39(1): 52−58.JIA Yangwen, GAO Hui, NIU Cunwen, et al. Impact of climate change on runoff process in headwater area of the Yellow River[J]. Shuili Xuebao, 2008, 39(1): 52−58.

[8]高歌, 陈德亮, 徐影. 未来气候变化对淮河流域径流的可能影响[J]. 应用气象学报, 2008, 19(6): 741−748.GAO Ge, CHEN Deliang, XU Ying. Impact of climate change on runoff in the huaihe River Basins[J]. Journal of Applied Meteorological Science, 2008, 19(6): 741−748.

[9]杨红龙, 许吟隆, 张镭, 等. SRES A2情景下中国区域21世纪末平均和极端气候变化的模拟[J]. 气候变化研究进展, 2010,6(3): 157−163.YANG Honglong, XU Yinlong, ZHANG Lei, et al. Projected change in mean and extreme climate over China in the late 21st century from PRECIS under SRES A2 scenario[J]. Advanced Climate Change Research, 2010, 6(3): 157−163.

[10]郭靖. 气候变化对流域水循环和水资源影响的研究[D]. 武汉:武汉大学水力电力学院, 2010: 1−155.GUO Jing. Climate change impact on hydrological cycle and water resources[D]. Wuhan: Wuhan University. School of Hydraulic and Electrical Engineering, 2010: 1−155.

[11]许吟隆, 张勇, 林一骅, 等. 利用PRECIS分析SRES B2情景下中国区域的气候变化响应[J]. 科学通报, 2008, 51(17):2068−2074.XU Yinlong, ZHANG Yong, LIN Yihua, et al. Analysis of the effect of the climate change under SRES B2 from PRECIS in China[J]. Chinese Science Bulletin, 2008, 51(17): 2068−2074.

[12]Semenov M A, Barrow E M. LARS-WG: A stochastic weather generator for use in climate impact studies LARS-WG 3.0 manual[EB/OL][2008−08−15]. http://www.rothamsted.bbsrc.ac.uk/mas- models/download/LARS-WG-Manual.pdf.

[13]冷雪, 关志成. 萨克拉门托模型的改进应用[J]. 吉林水利,2003, 247(5): 37−39.LENG Xue, GUAN Zhicheng. Application of improved sacramento model[J]. Jilin Water Resources, 2003, 247(5):37−39.

[14]Yoram S, Moshe B A. A practical policy-sensitive,activity-based, travel-demand model[J]. Transportation, 2009,47(3): 1−10.

[15]刘金平, 乐嘉样. 萨克拉门托模型参数初值分析方法研究[J].水科学进展, 1996, 47(3): 252−259.LIU Jinping, LE Jiaxiang. Study on the method of initial parameters estimate for the sacramento model[J]. Advances in Water Science, 1996, 47(3): 252−259.

[16]栾承梅. 流域水文模型参数优化问题研究[D]. 南京: 河海大学, 2005: 23−30.LUAN Chengmei. Study on optimization method used in calibrating parameters of hydrologiccal models[D]. Nanjing:Hehai University, 2005: 23−30.

[17]Asce F, Richard G, Hargreaves G H. Allen history and evaluation of Hargreaves evapotranspiration equation[J]. Journal of Irrigation and Drainage Engineering, 2003, 29(1): 53−63.

[18]刘善海. 衢县水文站洪水预报有关问题[J]. 浙江水利科技,1999(4): 28−30.LIU Shanhai. Study on problems about flood forcast of Quzhou station[J]. Zhejiang Hydrotechnics, 1999(4): 28−30.

[19]Greenwood J A, Landwehr J M, Matalas N C, et al. Probability weighted moments: Definition and relation to parameters of distribution expressible in inverse form[J]. Water Resources Research, 1979, 15(5): 1049−1054.

[20]Hosking J R M, Wallis J R. Regional frequency analysis—An approach based on L-moments[M]. Cambridge: Cambridge University Press, 1997: 14−41.

[21]邵利萍, 许月萍, 江锦红, 等. 无资料小流域不同暴雨频率计算方法的比较[J]. 水文, 2009, 29(3): 36−40.SHAO Liping, XU Yueping, JIANG Jihong, et al. Comparison of different rainfall frequency analysis methods for ungauged basins[J]. Journal of Hydrology, 2009, 29(3): 36−40.

[22]Rao R A, Hamed K H. Flood Frequency Analysis [M]. Boca Raton, Florida: CRC Press, 2000: 207−251.

[23]TIAN Ye, XU Yueping, JIANG Jinhong, et al. Detection of trends in precipitation extremes in Zhejiang, East China[J].Theoretical and Applied Climatology, 2012, 107(1/2): 201−210.