气候变化对高寒山区流域径流量的模拟及预测.pdf

收稿日期：2023-04-24；修回日期：2023-06-29基金项目：国家自然科学基金项目（42161020）；青海省科技厅自然科学基金项目（2021-ZJ-705）作者简介：秦艳红（1990-），女，硕士研究生，主要研究方向高寒区水文模拟研究。Email：。通讯作者：金鑫（1988-），女，教授，主要从事高寒区水文模拟研究。Email：。秦艳红，金鑫，金彦香，等.气候变化对高寒山区流域径流量的影响模拟及预测 J.盐湖研究，2024，32（1）：29-38.Qin Y H，Jin X，Jin Y X，et al.Simulation and prediction of runoff in cold alpine basins under climate change conditions J.Journal of Salt Lake Research，2024，32（1）：29-38.DOI：10.12119/j.yhyj.202401004气候变化对高寒山区流域径流量的模拟及预测秦艳红1，2，金鑫1，2，3*，金彦香1，2，3，毛旭锋1，2，3，杜凯1，2，3（1.青海师范大学 地理科学学院，青海 西宁810016；2.青海省自然地理与环境过程重点实验室，青海 西宁810016；3.高原科学与可持续发展研究院，青海 西宁810016）摘要：柴达木盆地气候干旱、水资源缺乏、生态脆弱，盆地周围的高寒山区是其重要的水资源形成区。关注柴达木盆地高寒山区流域未来气候变化及相应径流变化具有重要意义，然而相关研究较少。本研究选取柴达木盆地东北部典型高寒山区流域巴音河上游祁连山区，采用局部缩放法和方差缩放法，基于实测降水、温度数据对CMIP6下BCC-CSM2-MR模式SSP1-2.6、SSP2-4.5、SSP5-8.5 3种气候情景未来气候变化数据进行校准，将校准后的气候数据与SWAT模型耦合，模拟及预测历史及未来时期气候变化对巴音河出山径流的影响。结果表明，SWAT模型对巴音河出山径流的模拟效果满足评价标准，其适用性较好；巴音河上游祁连山区在3种气候情景下，20152100年降水量、最高温度、最低温度、出山径流量均增加，暖湿化趋势较为明显；3种情景下，20152100年巴音河流域地表径流将呈现先增加后减少的趋势。侧向流、地下径流、总产水量、融雪量将呈现增加趋势。研究结果可为柴达木盆地水资源管理和可持续发展提供科学依据和理论支撑。关键词：高寒山区流域；SWAT模型；径流预测；CMIP6模式中图分类号：P333.1文献标识码：A文章编号：1008-858X（2024）01-0029-10高寒山区是地表重要的径流形成区，可为人类生产生活提供大量淡水资源1。此外，高寒山区对于区域气候及水文调节、维持全球生态系统平衡等起着至关重要的作用2。气候变化是影响高寒山区流域径流形成的重要因素3。关注高寒山区流域未来气候变化及相应径流变化对水资源高效管理、合理配置及可持续发展具有重要意义4。气候变化影响下的高寒山区径流变化是当前的研究热点。分布式水文模型作为再现流域不同空间尺度水循环内部过程及其相互作用机制的手段，在不同条件影响下的径流模拟及预测方面有着极其重要的应用5，6，如，PRMS（Precipitation-Runoff Modeling System）7、VIC（Variable Infiltration Capacity）8、SWAT（Soil and Water Assessment Tool）9等。其中，SWAT 模型因其代码开源、输入参数较少、操作灵活、不断改进等特点，已在我国高寒山区、内陆河流域等得到了广泛应用并获得了满意的效果5，10。但一般来说分布式水文模型（包括 SWAT）缺乏气候变化预测功能及模块。目前，将分布式水文模型与气候模式数据耦合通常用于研究未来气候变化对区域水循环的影响。Sultana6等利用 CMIP5（Coupled model intercomparison project phase 5）的 7 个模式数据，在 RCP4.5 和RCP8.5 两种代表性浓度路径下，借助 SWAT 模型评估降雪主导的美国河流域未来径流量对潜在气候变化的响应。结果表明，冬季气温升高导致降雪减少，降雨增加，最终导致流域平均融雪径流减少超 70%，平均年径流量增加 6.7%。Liu4等基于 CMIP5的 4个气候模式，在 RCP4.5 和 RCP8.5 两种排放情景下，运用 SWAT 模型对内华达山脉南部 4 个高山流域未来积雪和径流量进行预测，结果显示，在气候变暖情况下，峰值流量会增加 0.54 倍。Guan 3 等基于 CMIP6（Coupledmodelintercomparisonprojectphase6）的9种气候模式集合平均，在SSP1-2.6、SSP2-4.5、SSP5-8.53种社会经济路径下，分析了中国 10 个典型区域未来径流变化，结果表明，中国北方典型内陆河流域未来增第 32 卷第 1 期2 0 2 4年 2 月JOURNAL OF SALT LAKE RESEARCH盐湖研究Vol.32 No.1Feb.2024盐湖研究第 32卷加的径流有望缓解水资源短缺问题。赵芳芳10等借助 CMIP6 的 8 个模式数据，在 SSP1-2.6、SSP2-4.5、SSP5-8.5 3 种情景下，结合 SWAT 模型模拟黄河源区未来径流变化趋势，发现研究区未来径流呈现减小趋势，对气候变化响应明显。以上研究所采用的气候模式中，CMIP6 模式融入了未来共享社会经济和辐射强迫路径，为研究未来气候变化及气候变化响应提供了更加合理的数据支撑11，并且已有研究表明 CMIP6 模式提高了青藏高原气候变化预估的准确性12。然而，CMIP6 模式是基于全球尺度提出的气候模式，在区域尺度上不确定性较高。在青藏高原模拟气温和降水结果仍呈现较大偏差，需借助有效方法对其进行修正13。柴达木盆地地处青藏高原东北部，属于高寒干旱内陆盆地，是我国气候变化最敏感区域之一。该区域水资源短缺且空间分布不均，其内部发育的多个内陆河流域是区域生态、社会经济可持续发展的重要保证14。柴达木盆地的河流发源于其周围的高寒山区，融雪水与降水是其主要补给来源。河流出山后，流量逐渐减少、消失或变为季节性河流，盆地中部为无径流区 15。关注气候变化影响下柴达木盆地高寒山区流域径流变化具有重要意义，但很少有研究关注该问题。本文选取 CMIP6 气候模式下北京气候中心BCC-CSM2-MR 数据的 3 种气候模式数据（SSP1-2.6低辐射强迫情景，SSP2-4.5 中等辐射强迫情景，以及SSP5-8.5 高辐射强迫情景），对其进行降尺度及修正后与分布式水文模型 SWAT 耦合，模拟及预测柴达木盆地东北部巴音河上游祁连山区历史及未来时期3 种气候变化情景对出山径流的影响，为应对研究区未来气候变化带来的水资源问题提供科学依据。1材料与方法1.1研究区概况巴音河流域属于典型的高寒山区流域，地处柴达木盆地东北部。巴音河发源于祁连山南坡宗务隆山，流经泽令沟、德令哈，最终向东注入尕海湖，向西注入克鲁克湖16。本文以巴音河流域德令哈水文站以北的祁连山区为研究区，研究其气温、降水和径流在未来的变化趋势。研究区面积为 6 323.55 km2，德令哈站（气象站、水文站）分布于研究区内17（参见青海省水文手册，仅图 1 中德令哈站分布于研究区）。1.2数据来源气象观测数据，本文采用的气象观测数据为德令哈气象站 19962019 年逐日降水、最高温度、最低温度。气候模式数据，本文采用的 CMIP6 模式数据为北京气候中心 BCC-CSM2-MR 数据的 3 种气候情景未来气候变化数据（SSP1-2.6，SSP2-4.5，SSP5-8.5）。SWAT 建模数据，土壤数据为联合国粮农组织发布的HWSD（Harmonized World Soil Database）世界土壤数据集（https：/www.fao.org/），分辨率为 1 km；土地利用数据为 2020 年中国土地利用遥感数据，分辨率为 1 km，来源于资源环境科学与数据中心（https：/ Elevation Model）数据为 ASTER GDEM，分辨率为 30 m，来源于地理空间数据云（http：/ 1996-2019 年的实测径流数据。1.3CMIP6模式数据校正高寒山区流域气象站分布较少，无法代表整个研究区的状况，为解决这一问题，已有一些研究采用图1巴音河流域研究区概况图Fig.1Overview of study area in the Bayin River Basin30秦艳红，等：气候变化对高寒山区流域径流量的模拟及预测第1期再分析数据作为实测数据，但此类再分析数据在台站稀疏的中国西部、青藏高原的准确性较低18。因此，本研究仅采用德令哈站单个站点的实测气象数据，气候模式数据为双线性插值法提取的德令哈站点处的 CMIP6 数据。采用的 BCC-CSM2-MR 数据为 CMIP6 的 全 球 气 候 模 式（General CirculationModel，GCM）模拟所得。GCM 是研究气候变化机制、预测未来气候变化和研究气候变化影响的有效工具。但由于 GCM 数据对区域地形和气候过程表征有限，GCM 数据与实测数据相比，通常存在降水频率过大、强度过低、对极端事件和降水季节差异的错误模拟等偏差19。因此，在 GCM 数据用于未来气候和水文研究前，需要对其进行偏差校正。本文通过参考相关文献19，20和多次实验后，最终选择效果最佳的局部缩放方法和方差缩放方法分别对降水数据和温度数据进行校正。局部缩放方法通过以下 3 个步骤完成降水数据校正，不仅调整降水时间序列的均值，也调整降水频率和降水强度20。首先，确定 GCM 降水数据的阈值（Pt），使 GCM 历史模拟数据超过该降水阈值的天数与观测数据降水发生的天数一致。将该降水阈值应用于 GCM 历史模拟数据和未来预测数据，把小于阈值的降水重新定义为 0 降水量，Pist，d=0，if Pist，d PtPist，d，otherwisePfut，d=0，if Pfut，d 0mm)m(Pist，d|Pist，d Pt)Pt（3）最后，求得校正后的 GCM 降水数据。计算公式为Pfinalist，d=max(Phist，d Pth)s)，0)Pfinalfut，d=max(Pfut，d Pt)s)，0)（4）（5）式中Pt为 GCM 降水数据的阈值，用以调整降水发生频率；s 为线性缩放因子，用于调整降水发生的强度；Pist,d和Pfut,d分别为历史时期和未来时期 GCM 模拟的日降水量，Pfinalist,d和Pfinalfut,d分别为 GCM 历史时期和未来时期校正后的日降水量。方差缩放方法通过以下四个步骤完成温度数据均值和方差的校正20。首先，采用线性缩放方法校正 GCM 温度数据的均值。T1hist，d=Thist，d+m(Tobs，d)m(Thist，d)T1fut，d=Tfut，d+m(Tobs，d)m(Tist，d)（6）（7）其次，对均值校正后的 GCM 数据（T1hist,d和T1fut,d）按月进行转化，得到均值为 0 的数据。T2hist，d=T1hist，d m(T1hist，d)T2fut，d=T1fut，d m(T1fut，d)（8）（9）再次，基于观测数据与历史模拟数据（Tobs,d和T2fut,d）的标准差之比，对转化后的数据（T2hist,d和T2fut,d）进行缩放。T3hist，d=T2hist，d.m(Tobs，d）m()T2hist，dT3fut，d=T2fut，d.m(Tobs，d）m(T2hist，d)（10）（11）最后，用均值校正后的数据（T1hist,d和T1fut,d）对标准差校正后的数据（T3hist,d和T3fut,d）进行转化。Tfinalhist，d=T3hist，d+m(T1hist，d)Tfinalfut，d=T3fut，d+m(T1fut，d)（12）（13）式中Tobs,d、Thist,d和Tfut,d分别为历史观测数据、历史模拟数据和未来模拟数据；Tfinalhist,d和Tfinalfut,d分别为校正后的历史模拟数据和未来模拟数据；m代表均值，m代表标准差。*代表中间步骤。为评价 CMIP6 模式数据的校正效果，将历史时期校正前后的 CMIP6 数据的年平均降水量、最高温度和最低温度，分别与实测数据进行对比。评价指标包括平均绝对误差（MAE）和均方根误差（RMSE），计算公式为MAE=i=1N|simui obsiNRMSE=i=1N(simui obsi)2N（14）（15）式中 simui为 CMIP6 数据校正前或校正后的值，obsi为实际观测值，N 为数据条数。1.4SWAT模型简介SWAT 模型是应用最广泛的半分布式水文模型之一，通过叠加土壤、土地利用、DEM 数据，将流域划 分 为 多 个 水 文 响 应 单 元（Hydrologic ResearchUnit，HRU），基于单个 HRU 进行计算，最终汇算出31盐湖研究第 32卷主河道的总径流量、泥沙、营养物质等，其计算效率高，能够对长时间序列连续模拟。SWAT 模拟水文循环基于水量平衡方程为21SWc=SWpre+i=1t(PRdaySQWcET SWinfQWc)（16）式中SWc为土壤最终含水量（mm）；SWpre为土壤前期含水量（mm）；PRday为第 i 天降雨量（mm）；SQWc为第 i 天地表径流量（mm）；ET为第 i 天实际蒸发量（mm）；SWinf为第 i 天土壤渗透量（mm）；QWc为第 i天基流量（mm）。1.5SWAT模型模拟评价方法Moriasi22等推荐采用纳什系数（NSE）、误差百分比（PBIAS）和均方根误差与标准误差比率（RSR）3 个目标函数来评价 SWAT 模型模拟效果。通常如果NSE 0.5，RSR 0.7，且 PAIAS为25%，则认为模型模拟效果满足要求。NSE=1 i=1n()Sobsi Ssimi2i=1n()Sobsi Sobs2PBIAS=i=1n(Sobsi Ssimi)100i=1n(Sobsi)RSR=i=1n(Sobsi Ssimi)2i=1n(Sobsi Sobs)2（17）（18）（19）式中Sobsi为实测径流量；Ssimi为模拟径流量；Sobs为实测径流量平均值。2结果与讨论2.1CMIP6数据校正效果评价如（表 1）所示，校正前 CMIP6 数据在年平均降水量、最高温度和最低温度均与实测数据存在较大误差。经过校正后，年降水量平均绝对误差减少209.42 mm，均方根误差减少 201.67 mm。最高温度与最低温度的平均绝对误差分别减少 9.98 和8.73，均方根误差分别减少 9.93 和 8.67。综上，校正后的 CMIP6 数据精度得到有效保证。2.2SWAT模型模拟效果评价为了降低初始条件对模型模拟结果的影响，本研究把 19961997 年设置为模型预热期，19982010 年为模型率定期，20112019 年为模型验证期。本文根据巴音河流域的特点，选取与径流相关的27个参数，采用 SUFI-2 方法进行参数敏感性分析、率定和验证，前 10 个敏感性参数如（表 2）所示。SWAT模型率定期和验证期的纳什系数（NSE）、均方根误差与标准误差比率（RSR）和误差百分比（PBIAS）如（图 2）所示，率定期（NSE=0.63，RSR=0.61，PBIAS=10.27%）和验证期（NSE=0.81，RSR=0.43，PBIAS=11.17%）的各评价指标均满足要求，且验证期比率定期模拟效果好，说明SWAT 模型在巴音河流域的适用性良好。2.3月降水、温度和径流量未来变化趋势本研究分析降水、最高温度、最低温度和径流量在历史时期（20002014 年）与 3 种情景下未来时期（20152100 年）的变化趋势，将未来时期划分为近未来（20152057 年）和远未来（20582100 年）2 个阶段。历史时期降水量（图 3a）从 4 月逐渐增加，至 7月达到峰值后开始下降，10 月至次年 4 月维持在极少量。而未来时期的降水量变化趋势与历史时期相似，在 3 种情景下，月降水量在近未来和远未来都整体呈现增长趋势，远未来增幅大于近未来增幅。除少数月份外，降水量在 SSP5-8.5 情景下增加幅度均最大。在 3 种情景下，降水量在 7 月增幅均最大，近未来的增幅分别为 12.57 mm、8.16 mm、16.25 mm，表2SWAT模型参数敏感性分析结果Table 2Sensitivity analysis of SWAT model编号12345678910参 数CN2ALPHA_BFCH_K2SOL_BDOV_NSURLAGSOL_KTLAPSREVAPMNSNO50COV意 义CSC径流曲线数基流衰减系数主河道曼宁系数土壤湿容重曼宁坡面粗糙系数地表径流滞后时间饱和水力传导系数温度递减率深层地下水再蒸发系数50%雪覆盖时雪水当量变换方式rvvrrvrrvvt-Stat-32.91-11.223.78-3.29-2.37-2.17-2.09-1.841.581.54p-Value0.000.000.000.000.020.030.040.070.110.12表1CMIP6数据校正前后效果比较Table 1ComparisonofCMIP6databeforeandaftercorrection数据类型校正前校正后降水MAE/mm275.0065.58RMSE/mm286.7685.09最高温度MAE/10.430.45RMSE/10.440.51最低温度MAE/9.270.54RMSE/9.300.6332秦艳红，等：气候变化对高寒山区流域径流量的模拟及预测第1期远未来的增幅分别为 17.83 mm、15 mm、13.93 mm，这可能与柴达木盆地降水量年内分配极不均衡，呈现为以 7 月为峰值的单峰有关23。月最高温度（图3b）与月最低温度（图3c）相似，1月最低，7 月或 8 月最高。在不同阶段，均表现为 SSP5-8.5SSP2-4.5SSP1-2.6。在 3 种情景下，基本都表现为远未来近未来历史时期，且相比降水量，温度在各月份增幅相对一致。在未来 3 种情景和 2 个阶段下，最高温度的最大增幅出现在远未来的 7、8 月。例如，在SSP1-2.6情景下，远未来7月增幅为1.93；在 SSP2-4.5 情景下，远未来 7 月增幅为 3.49；在SSP5-8.5 情景下，远未来 8 月增幅为 5.17。而最低温度的最大增幅出现在远未来不同月份。例如，在 SSP1-2.6 情景下，远未来 4 月增幅为 2.38；在SSP2-4.5 情景下，远未来 11 月增幅为 3.24；在SSP5-8.5 情景下，远未来 8 月增幅为 5.39。月径流量（图 3d）在 14 月最低，从 5 月开始增加，在 7、8 月达到峰值后开始逐渐降至最低。月径流量在未来 3 种情景下都高于历史时期，基本都表现为远未来近未来历史时期，且均表现为丰水期增幅大于枯水期增幅。在枯水期，月径流量在 SSP5-8.5 情景下增幅最大，而丰水期，在近未来 SSP5-8.5情景下增幅最大，在远未来 SSP1-2.6 情景下增幅最大。对比不同月份，径流量在 69 月的增幅大于其它月份。例如，在 SSP1-2.6 情景下，远未来 7 月增幅为 14.45 m/s；在 SSP2-4.5 情景下，远未来 8 月增幅为 9.99 m/s；在 SSP5-8.5 情景下，远未来 8 月增幅为11.42 m/s。相比于降水量，径流量的峰值滞后 1 个月，这是由于径流对降水的响应存在滞后性24。2.4季节降水、温度和径流量未来变化趋势分析降水量（图 4a）在历史时期和未来时期 3 种情景下的季节变化，发现在历史时期不同季节的降水量为夏季（68 月）春季（35 月）秋季（911月）冬季（12次年 2 月），夏季降水量占全年降水量的约 65%。相较于历史时期，未来 2 个阶段和 3 种情景下，降水量整体呈现增加趋势，且远未来增幅大于近未来。3 种不同情景下，降水量在春季、秋季和冬季为 SSP5-8.5 情景下增幅最大，夏季为 SSP1-2.6情景下增幅最大。分析最高温度（图 4b）和最低温度（图 4c）在历史时期和未来时期 3 种情景下的季节变化（图 4b 和4c），在未来时期均呈现增加趋势，远未来增幅大于近未来，且各情景增幅为 SSP5-8.5SSP2-4.5SSP1-2.6。不同于降水量的增幅存在季节性差异，温度的增加在各个季节增幅较均衡。分析径流量在历史时期和未来时期 3 种情景下的季节变化（图 4d），发现在历史时期不同季节的径流量为夏季秋季春季冬季，夏季径流量占全年径流量的约 44%。在未来时期，不同季节和情景下，远未来径流量均大于近未来。3 种情景下，径流量在春季、秋季和冬季为 SSP5-8.5 情景下增幅最大，夏季为SSP1-2.6 情景下增幅最大。在未来不同时段和情景下，夏秋两季径流增加范围为 1.07 至 10.64 m/s，平均增幅为 29%。春冬两季径流增加范围为-0.12 至3.1 m/s，平均增幅为 18%。图2SWAT模型模拟效果评价Fig.2Evaluation of SWAT model simulation effect33盐湖研究第 32卷图4历史时期（20002014年）、近未来时期（20152057年）和远未来时期（20582100年）降水、温度、径流量季节变化趋势Fig.4Seasonal average of precipitation，temperature and runoff in historical period（2000-2014），near future period（2015-2057）and far future period（2058-2100）图3历史时期（20002014年）、近未来时期（20152057年）和远未来时期（20582100年）降水、温度、径流量多年月平均变化趋势Fig.3Monthly average of precipitation，temperature and runoff in historical period（2000-2014），near future period（2015-2057）and far future period（2058-2100）34秦艳红，等：气候变化对高寒山区流域径流量的模拟及预测第1期2.5年降水、温度和径流量未来变化趋势年降水量（图 5）在 3 种气候情景下并没有明显的区别，在 SSP1-2.6和 SSP2-4.5两个情景下增加程度高度一致，而在SSP5-8.5情景下增幅相对较大。年降水量在近未来SSP2-4.5情景下增幅为29.55 mm，增幅最小；在远未来 SSP5-8.5情景下增幅为 91.97 mm，增幅最大。年最高温度和年最低温度的增加在未来不同情景下有明显区别（图 5），各情景增幅 SSP5-8.5SSP2-4.5SSP1-2.6。其中，最高温度和最低温度在近未来SSP1-2.6 情景下将增加约 1，远未来 SSP5-8.5 情景下增幅将增加约 4。这表明未来极端温度事件发生的几率会增加25，26。年径流量（图 5）在不同情景下的差异与年降水量类似，在SSP1-2.6和SSP2-4.5两个情景下增加程度高度一致，而在SSP5-8.5情景下增幅相对较大。年径流量在近未来SSP1-2.6情景下增幅为1.26 m/s，增幅最小；在远未来 SSP5-8.5 情景下增幅为 4.67 m/s，增幅最大。2.6水量平衡未来变化趋势地表径流（图 6a）在未来时期 3 种情景下的变化趋势为 SSP5-8.5SSP2-4.5SSP1-2.6。相较于历史时期，未来两个阶段的地表径流均增加，在远未来的增幅小于近未来。这表明，巴音河流域未来地表径流会增加，但长久来看，温度的增加导致土壤渗透和蒸散发加剧，土壤含水量减少，从而导致地表径流减少27。本研究计算的地表径流极少，这是由于高寒山区冬春季节降水事件极其稀少，气温过低，大多数地表水冻结或干涸，夏季总产水量中地表径流占比也较少，且本节的计算结果为年平均而得28。相较于历史时期，侧向流、地下径流和总产水量（图 6b、6c 和 6d）在未来 2 个阶段和 3 种情景下均增加，且在远未来增幅大于近未来。不同情景间对比发现，在近未来，侧向流、地下径流和总产水量表现为 SSP5-8.5SSP2-4.5SSP1-2.6。在 SSP5-8.5 情景下，侧向流、地下径流和总产水量增加最多，分别增加 11.36 mm、2 mm 和 13.58 mm，即增幅分别为 22%、56%和 24%。在远未来，侧流量在 SSP5-8.5 情景下增加最多，增加 19.24 mm，增幅为 36%；地下径流和总产水量在 SSP1-2.6 情景下增加最多，分别增加4.52 mm 和 22.39 mm，增幅分别为 127%和 40%。在各时期和各情景下，地表径流占总产水量的比例极小，侧向流占总产水量的约 90%。总产水量高最温度历史SSP1-2.6SSP2-4.5SSP5-8.5历史：y0.02x61.51SSP1-2.6：y0.01x1.91SSP2-4.5：y0.02x29.96SSP5-5.8：y0.05x90.83高低温度历史SSP1-2.6SSP2-4.5SSP5-8.5历史：y0.02x45.94SSP1-2.6：y0.01x15.55SSP2-4.5：y0.02x47.86SSP5-8.5：y0.06x115.17降水量历史SSP1-2.6SSP2-4.5SSP5-8.5历史：y7.29x14 396.70SSP1-2.6：y0.62x1 001.67SSP2-4.5：y0.79x1 351.41SSP5-8.5：y0.91x1 582.00流量历史SSP1-2.6SSP2-4.5SSP5-8.5历史：y0.11x216.40SSP1-2.6：y0.07x126.54SSP2-4.5：y0.06x104.95SSP5-8.5：y0.06x112.92年份2000 2005 2010 2015 2020 2025 2030 2035 2040 2045 2050 2055 2060 2065 2070 2075 2080 2080 2085 2090 2095 2100温度/降水量/mm流量/（m3/s）181614121086420-2600550500450400350300250200150100503530252015105图5历史时期（20002014年）和未来时期（20152100年）降水、温度、径流量年变化趋势Fig.5Annual average of precipitation，temperature and runoff in historical period（2000-2014）and future period（2015-2100）35盐湖研究第 32卷即为河道径流量，说明巴音河上游祁连山区河道径流量是由侧向流主导的，这符合高寒内陆河流域的水文特征28，29，再次表明 SWAT 模型的模拟结果可信，模型率定过程中各参数选择和取值范围合理。相较于历史时期，蒸散发（图 6e）在未来 2 个阶段和3种情景下均增加，且远未来增幅大于近未来。不同情景间对比发现，蒸散发在近未来表现为 SSP5-8.5SSP1-2.6SSP2-4.5，在 远 未 来 表 现 为 SSP5-8.5SSP2-4.5SSP1-2.6。在近未来和远未来，蒸散发在SSP5-8.5情景下增加量均为最多，分别增加 34.95 mm和 60.45 mm，增幅分别为 21%和 35%。相较于历史时期，融雪（图 6f）在未来 2 个阶段和 3 种情景下融雪量均增加，基本表现为远未来增幅大于近未来。不同情景间对比发现，融雪在近未来和远未来均表现为 SSP2-4.5SSP5-8.5SSP1-2.6。在 SSP2-4.5 情景下，近未来和远未来的融雪分别增（a）地表径流多年平均（b）侧向流多年平均历史SSP1-2.6SSP2-4.5SSP5-8.5历史SSP1-2.6SSP2-4.5SSP5-8.5历史SSP1-2.6SSP2-4.5SSP5-8.5历史SSP1-2.6SSP2-4.5SSP5-8.5历史SSP1-2.6SSP2-4.5SSP5-8.5历史SSP1-2.6SSP2-4.5SSP5-8.5（c）地下径流多年平均（d）总产水量多年平均（e）蒸散发多年平均（f）融雪多年平均水量/mm水量/mm水量/mm水量/mm水量/mm水量/mm1.00.80.60.40.201008060402001008060402002520151050100806040200近未来远未来近未来远未来近未来远未来近未来远未来近未来远未来近未来远未来108642030025020015010050000.010.110.1200.02 0.02 0.0352.7758.4158.6564.1352.7770.3868.5972.013.563.93.5645.568.085.666.1256.5262.53 62.9778.9456.5274.5678.91170.33195.57 193.14205.28170.33210.94215.83230.7810.3613.6714.4214.2110.3613.6215.9714.96图6历史时期（20002014年）、近未来时期（20152057年）和远未来时期（20582100年）的水量平衡模拟结果Fig.6 The simulated water balance of SWAT in historical period（2000-2014），near future period（2015-2057）and farfuture period（2058-2100）36秦艳红，等：气候变化对高寒山区流域径流量的模拟及预测第1期加 4.06 mm 和 5.61 mm，增幅分别为 39%和 54%。季节融雪量占年融雪量的比例如（表 3）所示，融雪主要发生在冬季，冬季融雪占全年融雪的 63%至 89%。表3季节融雪量占年融雪量的比例Table 3Proportion of seasonal snowmelt季 节春季夏季秋季冬季历史20002014年17%0%13%69%未来变化量情 景SSP1-2.6SSP2-4.5SSP5-8.5SSP1-2.6SSP2-4.5SSP5-8.5SSP1-2.6SSP2-4.5SSP5-8.5SSP1-2.6SSP2-4.5SSP5-8.520152057年6%8%4%0%0%0%13%27%33%81%65%63%20582100年5%5%6%0%0%0%16%15%5%79%80%89%3结论在典型的高寒山区流域巴音河上游祁连山区，采用流域出口处德令哈水文站 19962019 年月径流和气象数据构建 SWAT 模型，基于 SUFI-2 算法对模型进行率定和验证，利用 CMIP6 中 BCC-CSM2-MR 模式，对 3 种情景下巴音河流域 20152100 年的径流量进行了预测。得到以下结论：1）巴音河流域月径流量模拟值与观测值较一致，率定期（NSE=0.63，RSR=0.61，PBIAS=10.27%）和验证期（NSE=0.81，RSR=0.43，PBIAS=11.17%）各目标函数均满足评价要求，且验证期比率定期模拟效果好，说明SWAT 模型在巴音河流域的适用性良好。2）巴音河流域在 20152100 年 3 种情景下，在月、季节和年尺度上，降水量、最高温度、最低温度均呈现增加趋势。其中年最高温度和年最低温度在3 种情景下的增幅为 SSP5-8.5SSP2-4.5SSP1-2.6。年降水量在 3 种情景下并没有明显的区别，SSP1-2.6和SSP2-4.5两个情景下增幅高度一致，而SSP5-8.5情景下增幅相对略大。巴音河流域在 20152100 年将呈现暖湿化趋势。3）巴音河流域在 20152100 年 3 种情景下，地表径流将呈现先增加后减少的趋势。侧向流、地下径流、总产水量将呈现增加趋势，在 20152057 年基本呈现为 SSP5-8.5SSP2-4.5SSP1-2.6，但在 20582100 年基本呈现 SSP1-2.6SP2-4.5SSP5-8.5。4）巴音河流域在 20152100 年 3 种情景下，融雪将呈现增加趋势，且增幅表现为 SSP2-4.5SSP5-8.5SSP1-2.6。融雪主要发生在冬季，冬季融雪占全年融雪的 63%至 89%。参考文献：1 Tian F，L Y H，Fu B J，et al.Effects of ecological engineeringon water balance under two different vegetation scenarios in theQilian Mountain，northwestern China J.Journal of Hydrology：Regional Studies，2015，5：324-335.2 Chang Q，Ma R，Sun Z，et al.Using isotopic and geochemicaltracers to determine the contribution of glaciersnow meltwaterto streamflow in a partly glacierized alpinegorge catchment innortheastern QinghaiTibet Plateau J.Journal of GeophysicalResearch：Atmospheres，2018，123（18）：10037-10056.3 Guan X，Zhang J，Bao Z，et al.Past variations and future projection of runoff in typical basins in 10 water zones，China J.Science of the Total Environment，2021，798：149277.4 Liu Z，Herman J D，Huang G，et al.Identifying climate change impacts on surface water supply in the southern Central Valley，California J.Science of the Total Environment，2021，759：143429.5 金鑫，金彦香，杨登兴.SWAT模型在土地利用/覆被变化剧烈地区的改进与应用 J.地球信息科学，2018，20（8）：1064-1073.6Sultana R，ASCE A，Choi M.Sensitivity of Streamflow Response in the Snow-Dominated Sierra Nevada Watershed UsingProjected CMIP5 DataJ.American Society of Civil Engineers，2018，23（8）：05018015.7 Ahmadalipour A，Moradkhani H，Demirel M C.A comparativeassessmentofprojectedmeteorologicalandhydrologicaldroughts：Elucidating the role of temperature J.Journal of Hydrology，2017，553：785-797.8Srivastava A，Sahoo B，Rag