未來30年金華江流域的徑流與枯水指數(shù)計算,水文學(xué)論文

未來30年金華江流域的徑流與枯水指數(shù)計算,水文學(xué)論文氣候變化日漸成為世界關(guān)注的問題。氣候變化背景下，各個水文要素，如降水、蒸發(fā)、徑流乃至整個水文循環(huán)都發(fā)生了不同趨勢的變化。很多專家就氣候變化對水文循環(huán)的影響做出了預(yù)測和評估，這些評估牽涉到降水、溫度、徑流和水資源等各個方面[1,2].枯水水文是水文學(xué)的重要組成部分，與人類社會生活、經(jīng)濟活動以及自然生態(tài)密切相關(guān)[3].氣候變化的加劇和工農(nóng)業(yè)用水的急劇增加，使得枯水期水資源的問題影響到供水、農(nóng)業(yè)和生態(tài)安全。但與傳統(tǒng)水文相比擬，枯水水文研究還處在相對被忽視的階段。我們國家的枯水水文從50年代開場發(fā)展，到80年代才得到大面積開展。近年來，一些學(xué)者對枯水開展了一系列研究，并獲得了一些成果。然而，在已經(jīng)知道的研究中，甚少有人結(jié)合統(tǒng)計降尺度模型和水文模型來分析將來枯水徑流的變化趨勢。本文使用統(tǒng)計降尺度中的SDSM模型來模擬錢塘江支流-金華江流域五個主要站點將來2020s〔2018-2040年〕的日降水和金華站的日最高和最低溫度，并結(jié)合薩克拉門托水文模型，計算了將來30年〔2018-2040年〕金華江流域的徑流。在這里基礎(chǔ)上，分析其枯水指數(shù)7Q10和30Q10的變化趨勢。1研究方式方法1.1數(shù)據(jù)來源金華江是錢塘江的支流之一，主源是東陽江北江，起源于磐安縣龍烏尖，匯于衢江，全長195km,比降3.1。流域面積5990平方公里。本文研究對象為金華江金華站點以上的流域范圍。研究所用的原始數(shù)據(jù)為1961-1990年的逐日實測氣象和水文資料，包括降水、溫度和徑流等。各氣象站點信息如表1所示。【1】本文采用的GCM是英國哈德利中心的HadCM3,采用的溫室氣體排放情景是IPCCAR4中的SRES情景中的A2和B2情景。在情景A2中，人口持續(xù)增長，人均經(jīng)濟增長和技術(shù)變化有明顯地方性，全球化不明顯；B2情景是人口增長低于A2,經(jīng)濟中等發(fā)展，技術(shù)更多樣化，側(cè)重于從局地解決經(jīng)濟、社會和環(huán)境可持續(xù)性問題的情景[4].1.2SDSM模型本文中，預(yù)測期2020s的降水和最高最低溫度使用SDSM模型[5]進(jìn)行計算。華而不實最高和最低溫度用于計算流域潛蒸發(fā)。SDSM模型是統(tǒng)計降尺度的一種。統(tǒng)計降尺度的統(tǒng)計關(guān)系是建立于大尺度氣候狀況和下墊面各種特征之間的，依靠多年觀測資料與地域特征建立。統(tǒng)計關(guān)系需要有獨立的觀測資料檢驗，然后把這種關(guān)系應(yīng)用于GCMs輸出的大尺度氣候信息，來預(yù)估區(qū)域?qū)淼臍夂蜃兓榫癧6].統(tǒng)計降尺度的目的是建立大尺度氣候預(yù)報因子和預(yù)報量的函數(shù)關(guān)系，進(jìn)而在三個假設(shè)條件下，即大尺度氣候場和區(qū)域氣候要素之間有顯著的統(tǒng)計關(guān)系，大尺度氣候場能很好的被GCMs模擬，建立的統(tǒng)計關(guān)系不由于氣候情景變化而失效[7],實現(xiàn)大尺度氣候信息的降尺度。SDSM方式方法是統(tǒng)計降尺度的一種詳細(xì)方式方法，已經(jīng)在我們國家多個地區(qū)應(yīng)用，它結(jié)合了天氣發(fā)生器和多元回歸來進(jìn)行降尺度計算，其核心部分是預(yù)報因子的挑選，具有易于操作，計算快速，結(jié)果可靠等優(yōu)點。1.3水文模型薩克拉門托模型是一個概念性水文模型，已應(yīng)用于多個流域，在中國南方地區(qū)也有應(yīng)用。在模型中，流域面積被分為三個部分，分別是透水、不透水和可變不透水三個部分。模型要求的輸入數(shù)據(jù)為實測的日降水、潛蒸發(fā)和徑流以及將來的降水和潛蒸發(fā)。輸出的結(jié)果是模擬的徑流。模擬后的徑流分四個部分，分別是來自透水面積和可變透水面積的直接徑流，上層土壤水容量知足后過剩降水構(gòu)成地表徑流，來自上層自由水的壤中流，以及來自下層自由水的地下徑流。本文的輸入數(shù)據(jù)為金華江流域基準(zhǔn)期的降水，潛蒸發(fā)和徑流的日序列，而將來的降水和溫度則由SDSM模擬計算而得。水文模型率定和驗證的優(yōu)化方式方法采用遺傳算法，并以Nash效率系數(shù)系數(shù)作為第一目的函數(shù)，以Grayson〔1996〕定義的基流函數(shù)[8]作為輔助目的函數(shù)，以提高對枯水的模擬能力。潛蒸發(fā)量通過HARGREAVES方式方法計算，公式如下[9]:【2】2計算結(jié)果2.1SDSM模擬檢驗為了驗證SDSM模型的可靠性，將基準(zhǔn)期的實測數(shù)據(jù)與模擬數(shù)據(jù)相比擬。美國國家環(huán)境預(yù)報中心〔NCEP〕的全球再分析資料通常在氣候模擬研究中作為驅(qū)動來檢驗?zāi)M的結(jié)果。因而，本文選用NCEP再分析數(shù)據(jù)作為SDSM的驅(qū)動，來生成模擬數(shù)據(jù)，檢驗其可靠性。由于降雨站點較多，這里故選取八達(dá)站為例。溫度的比擬選取金華站的日最高溫度為例。比擬的目的分別為日降雨量最大值，日降雨量均值，日最高溫度的最大值以及日最高溫度的最小值。比擬結(jié)果如此圖1所示。分析圖表可知，日降雨量的平均值、日最高溫度的最大值和最小值實測值與模擬值擬合程度較高，而日降雨量的最大值在夏季的擬合程度較差。這表示清楚，SDSM能夠較好模擬溫度和降雨量的時間序列，但在夏季，由于有多個影響因素的存在，日降雨量的最大值模擬的準(zhǔn)確性會遭到十?dāng)_。2.2將來降雨量預(yù)測以八達(dá)站為例，選取p5vCSOOhPa高度徑向風(fēng)速〕，p8_zC800hPa高度渦度〕，r500CSOOhPa高度相對濕度〕，r850C800hPa高度相對濕度〕，rhum〔表而相對濕度〕作為預(yù)報因了。預(yù)報因了與劉呂明[7]關(guān)于SDSM模型預(yù)報因了的總結(jié)相吻合。實測數(shù)據(jù)和兩種不同情景下的模擬數(shù)據(jù)在不同重新期下的值如此圖2所示。結(jié)果表示清楚，除了夏季的五月、六月和九月，兩種情景下的將來平均降雨量都有所增加，華而不實七月份的增LLJ隔度最大，而情景A2和情景B2的區(qū)別較小，目不具備明顯的規(guī)律。降雨極值方而，則出現(xiàn)了較大變化。除了六月、八月和九月外，模擬值比預(yù)測值都有較大的增長。這講明在氣候變化影響下，金華江流域在將來30年在降水方面更容易出現(xiàn)極端天氣。2.3潛蒸發(fā)計算潛蒸發(fā)的計算由日最高溫度和日最低溫度計算而得，華而不實將來30年的日最高溫度和日最低溫度由SDSM模型模擬而得。以日最高溫度為例，選取malpC海平面氣壓〕，p500CSOiOhpa的位勢高度〕，shum〔地表比濕〕，temp〔地表平均溫度〕作為預(yù)報因子。模擬溫度與實測溫度以及潛蒸發(fā)比擬如此圖3所示。分析圖表能夠發(fā)現(xiàn)，預(yù)測期與基準(zhǔn)期相比擬，最大位有明顯增大的趨勢，情景A2比情景B2增加的幅度更大；均值增長幅度較小，兩個情景沒有明顯區(qū)別；極小值方面，除了七月、八月和十一月，都呈現(xiàn)出減小的趨勢；從一月到九月的潛蒸發(fā)均值也相應(yīng)呈現(xiàn)出增長的趨勢。這表示清楚在氣候變化影響下，將來二十年的金華江流域?qū)⒊霈F(xiàn)更多的極端天氣，高溫將更高層次，低溫則更低。這和諸多學(xué)者關(guān)于氣候變化的預(yù)測相符。2.4徑流模擬結(jié)果預(yù)測期的徑流用薩克拉門托模型模擬而得。模型使用遺傳算法按日率定，率定結(jié)果表示清楚，枯水的模擬值與實際值比擬略微偏小，但模型的Nash效率系數(shù)到達(dá)了0.84,即總體能較好的模擬將來的徑流。模型率定效果見圖4.2.5枯水指數(shù)計算==為了分析預(yù)測期2020s徑流的枯水變化趨勢，本文采用了兩個重要的枯水指標(biāo)7Q10和30Q1007Qlp是指10年一遇的連續(xù)七天徑流均值的最小值，30Q10則是10年一遇的連續(xù)30天徑流均值的最小值。在枯水水文中，7Q10是最重要的枯水指標(biāo)之一。使用Weibull0]分布分析實測徑流序列和模擬徑流序列，能夠得出重要的枯水指標(biāo)7Q10III30Q10.在實際應(yīng)用中，7Q10是設(shè)計枯水的重要指標(biāo)之一，在保衛(wèi)水質(zhì)、水資源調(diào)度、水生生物和濕地生態(tài)的保衛(wèi)、十旱預(yù)測以及水利設(shè)施建設(shè)參考等各方面都發(fā)揮了重要作用}a}.而30Q10相比擬7Q10,應(yīng)用較少，但在水質(zhì)十分是飲用水，生態(tài)等方面也發(fā)揮了重要的作用?；鶞?zhǔn)期的實測枯水指標(biāo)和預(yù)測期2020s的模擬枯水指標(biāo)見表2和表3.比擬不同重現(xiàn)期的連續(xù)平均流量能夠發(fā)現(xiàn)，將來30年和基準(zhǔn)期相比擬，都有不同幅度的增長?？紤]到水文模型對枯水的模擬值略微偏小，將來30年實際增大的幅度可能會更大。7天連續(xù)平均值中，情景A2增長更為明顯。而30天連續(xù)平均值中，則B2增長更為明顯。能夠推斷，情景B2更容易出現(xiàn)長時間的極端氣候現(xiàn)象。【3】3結(jié)論通過SDSM方式方法模擬得出的降雨量和溫度表示清楚，該方式方法能有效地模擬將來的降水和溫度?？傮w而言，溫度的模擬效果優(yōu)于降水，平均值的模擬優(yōu)于極端值的模擬。某些月份的模擬值出現(xiàn)反?，F(xiàn)象，造成反常現(xiàn)象的因素還需要進(jìn)一步分析。在枯水模擬的經(jīng)過中，出現(xiàn)了模擬值略微偏小的情況。引起這一現(xiàn)象的不確定因素，尚需要進(jìn)一步研究?？菟笖?shù)的分析結(jié)果表示清楚，在兩種情景下，枯水指數(shù)均有所增長。對7d連續(xù)指數(shù)系列而言，A2情景增長幅度較大，而對30d連續(xù)系列指數(shù)而言，B2情景增長幅度較大。這講明在將來的30年中，干旱的極端氣候可能會有所緩和，但A2情景比B2情景更容易出現(xiàn)長期的干旱情況。以下為參考文獻(xiàn)：[1]夏軍，左其亭。國際水文科學(xué)研究的新進(jìn)展[J].地球科學(xué)進(jìn)展，2006,21〔3〕：256-261.XIAJun,ZUOQiting.Advancesininternationalhydrologicalscienceresearch[J].AdvancesinEarthScience,2006,21〔3〕：256-261.〔inChinese〕[2]張徐杰，許月萍，高希超，等。CCSM3形式下漢江流域設(shè)計暴雨計算[J].水力發(fā)電學(xué)報，2020,31〔4〕：49-53.ZHANGXujie,XUYueping,GAOXichao,etal.EstimationifdesignstorminHanriverbasinwithCCSM3model[J].JournalofHydroelectricEngineering,2020,31〔4〕：49-53.〔inChinese〕[3]SmakhtinV.U.Lowflowhydrology:areview[J].JournalofHydrology.240〔2001〕：147186.[4]XuYP,ZhangXujie,TianYe.2020.Impactofclimatechangeon24-hdesignrainfalldepthestimationinQiantangRiverBasin,EastChina.HydrologicalProcesses,26〔26〕：4067-4077.[5]WilbyRL.TheStatisticalDownscalingModel:insightsfromonedecadeofapplication[J].InternationalJournalofClimatology.inPress.[6]范麗軍，符淙斌，陳德亮。統(tǒng)計