气候变化条件下的湖北省水资源预估
Water Resource Estimation under Climate Change Conditions in Hubei Province
DOI: 10.12677/JWRR.2023.124044, PDF, HTML, XML, 下载: 207  浏览: 280  科研立项经费支持
作者: 薛海涵, 秦鹏程, 刘 敏: 武汉区域气候中心,湖北 武汉;长江流域气象中心,湖北 武汉;三峡国家气候观象台,湖北 宜昌;中国气象局流域强降水重点开放实验室,湖北 武汉
关键词: 水资源气候变化BP人工神经网络径流系数法Water Resources Climate Change BP Artificial Neural Network Runoff Coefficient
摘要: 未来气候变化导致的水资源量变化对湖北省的经济发展影响重大。利用径流实测数据和地表水资源数据分析了过去湖北省水资源情势,并基于CMIP6多模式集合数据,采用BP人工神经网络和径流系数法分别对丹江口水库入库流量、湖北省14个水资源分区和湖北省水资源量进行了预估。结果表明:2023~2100年丹江口年入库流量呈现增加的趋势;2023~2100年湖北省水资源量呈现增加趋势,各水资源分区也呈现增加趋势;由于预估的不确定性,对湖北省水资源量的变化评价也存在较大的不确定性。
Abstract: The future changes in water resources due to climate change will have a significant impact on the economic development of Hubei Province. Utilizing measured runoff data and surface water resource data, the past water resource situation in Hubei Province was analyzed. Based on CMIP6 multi-model ensemble data, the BP artificial neural network and runoff coefficient method were used to estimate the inflow of Danjiangkou Reservoir, the fourteen water resource zones in Hubei Province, and the total water resources in the province. The results show that from 2023 to 2100, the annual inflow of the Danjiangkou Reservoir exhibits an increasing trend. From 2023 to 2100, the water resources of Hubei Province show an increasing trend, with an increasing trend observed in each water resource zone. Due to the estimated uncertainty, the assessment of changes in Hubei Province’s water resources also carries significant uncertainty.
文章引用:薛海涵, 秦鹏程, 刘敏. 气候变化条件下的湖北省水资源预估[J]. 水资源研究, 2023, 12(4): 396-404. https://doi.org/10.12677/JWRR.2023.124044

1. 引言

湖北省拥有丰富的水资源,然而随着气候变化的加剧,湖北省的水资源正面临着严峻的挑战和风险,如径流量的改变 [1] 以及水资源脆弱性的增加等 [2] 。为了研究气候变化对水资源的影响,气候变化模式是一种主要采用的方法。全球气候模式(GCMs)可以模拟不同温室气体排放情景下气温、降水等气象要素的变化,通过与流域水文模型耦合可以进一步揭示气候变化对流域水文过程的影响。Chen等 [3] 基于多种GCMs的研究认为汉江流域温度升高会使得丹江口水库年平均径流量降低,而月平均降水量减少/增加,将使丹江口水库年平均径流量分别减少/增加。Qiao等 [4] 基于水利部的RCCC-WBM模型考虑中排放情景(SSP2-4.5)下,研究了南水北调不同水源区的降水、温度变化,并指出气候变化的加剧导致流域径流的不确定性增加。此外,也有学者研究了不同模式情景下的流域水资源极端事件,并指出在高排放情景下,汉江流域极端洪水水量大于中、低排放情景,但洪水频次却不断减少 [5] 。

目前研究水资源变化的预估模型主要有SWAT模型、VIC模型、新安江模型、机器学习模型等。例如,黄华平等 [6] 将SWAT模型与HUP处理器相耦合,有效地应用于月尺度的丹江口入库径流模拟研究,提升了径流模拟结果精度;孟玉婧等 [7] 采用BP (Back Propagation)人工神经网络模型模拟了内蒙古黄河流域头道拐水文控制站未来(2011~2100)年流量变化,评估未来气候变化对流域水资源的可能影响。

湖北省的水资源量主要来自降水产流和上游来水,其中上游来水主要由长江和汉江来水组成,因此通过分析丹江口水库、宜昌水文站流量特征以及降水产流量,能够在一定程度上反映湖北省水资源的变化趋势。本文基于CMIP6的13个气候模式数据,采用BP神经网络模型和径流系数法,分析了SSP2-4.5和SSP5-8.5两种情景下2023~2100年丹江口水库入库流量和湖北省水资源量的变化,为帮助应对气候变化带来的挑战、合理制定水资源适应策略提供参考依据。

2. 研究区域与数据来源

2.1. 研究区概况

湖北地处长江中游,是长江流域重要水源涵养地、三峡工程坝区和南水北调中线工程核心水源区。省内江河纵横交错、千湖星罗棋布,天然河网总体呈现以长江、汉江为轴线的向心格局。湖北省境内涉及长江和淮河两个水资源一级区,可细分为14个水资源三级区(图1图4)。

Figure 1. Meteorological stations in Hubei Province and the upper reaches of the Han River

图1. 湖北省及汉江上游气象站点

2.2. 数据来源

本文采用CMIP6数据集中2个排放情景(SSP2-4.5和SSP5-8.5)下的13个全球气候模式进行气候预估(表1) (https://wcrp-cmip.github.io/CMIP6_CVs/docs/CMIP6_source_id.html),并通过降尺度方法获得湖北省及汉江上游空间分辨率为0.25˚的日尺度网格数据,该数据集的时间尺度为1901~2100年。本文选取2023~2040年、2041~2060年和2081~2100年三个时期,以量化21世纪近期、中期和远期气候变化的影响,并采用1995~2014年作为基准期,用于比较模型的性能和评估模拟结果。

Table 1. Description of the 13 GCMs used in the paper

表1. 采用13个全球气候模式描述

考虑站点分布和记录的完整性以及计算的需要,选取1956~1990年汉江上游气象34个气象站点日尺度数据、1999~2020年湖北省76个气象站点日尺度数据,同时对数据缺失日数较多的月份进行剔除。

水文数据包含1951~1990年丹江口水库的月尺度入库实测径流、1999~2021年湖北省年均地表水资源量,其中,湖北省水资源量数据来源于湖北省水利厅水资源公报,丹江口入库径流来源于长江水利委员会水文局,其中1951~1967年入库径流数据由黄家港及周边水文站数据换算、1968~1990数据由丹江口水库水位流量关系换算。

汉江上游规划多级水电站,其中除石泉、安康水电站为季节调节水库外,其余均为日调节水库,且石泉、安康对天然过程改变微弱 [8] 。考虑1951~1974与1975~1990年石泉水库修建前后,年内月分配差异较小(图2),且与文献还原的天然径流分布接近 [9] ,因此采用实测入库径流数据构建预估径流模型。

Figure 2. Comparison of monthly inflows of Danjiangkou Reservoir between 1951~1974 and 1975~1990

图2. 丹江口水库1951~1974与1975~1990年各月入库流量分布对比

3. 研究方法

3.1. BP神经网络

BP神经网络是根据误差反向传播算法训练的多层前馈神经网络 [10] 。BP神经网络由输入层、隐藏层和输出层组成。信号由隐藏层和输出层神经元处理,最终结果由输出层中的神经元输出。

a 1 ( 1 ) = f ( W 1 ( 1 ) x + b 1 ( 1 ) ) (1)

a 2 ( 1 ) = f ( W 2 ( 1 ) a 1 ( 1 ) + b 2 ( 1 ) ) (2)

a o u t ( 1 ) = f 2 ( W o u t ( 1 ) a 2 ( 1 ) + b o u t ( 1 ) ) (3)

式中: a 1 ( 1 ) 是隐藏层1的输出,f是激活函数,x是输入层, W 1 ( 1 ) 是隐藏层的权重, b 1 ( 1 ) 是隐藏层1的偏差; a 2 ( 1 ) 是隐藏层2的输出, W 2 ( 1 ) 是隐藏层2的权重, b 2 ( 1 ) 是隐藏层2的偏差; a o u t ( 1 ) 是输出层的输出, f 2 是激活函数, W o u t ( 1 ) 是输出层的权重, b o u t ( 1 ) 是输出层的偏差。

水文模型中驱动因子涉及降水、蒸发因素等,因此选择降水量作为BP神经网络的输入要素,同时采用Hargreaves方法计算蒸发 [11] 。

E T H = 0.0023 ( T + 17.8 ) ( T max T min ) 0.05 R a (4)

式中: E T H 为Hargreaves模型计算的潜在蒸发量,单位:mm∙d−1;T为平均气温, T max 为平均最高气温, T min 为平均最低气温,单位:℃; R a 为大气顶层辐射,单位为MJ∙m−2∙d−1,论文中采用纬度及日序数进行估算。

经过相关性分析及共线性诊断分析,最终选择汉江上游当月降水量、前2个月累计降水量、前3个月月累计降水量以及前3个月累计蒸发量4个要素作为输入要素,并采用泰森多边形法处理为汉江上游面要素数据。隐藏层的激活函数设置为Tanh函数,输出层不设置激活函数,隐藏层1层数为9层,隐藏层2层数为7层,学习速率为0.4,最大误差为0.01。

选择1956年1月至1990年12月逐月数据作为实测样本(图3),其中1956年1月至1982年12月作为训练集(共317个),1983年1月至1990年12月作为测试集(共96个)。其中训练集纳什效率系数为0.89,相对误差MRE = 0.21;测试集纳什效率系数NSE = 0.89,相对误差MRE = 0.22。从年尺度来看,训练集纳什效率系数为0.99,相对误差MRE = 0.08;测试集纳什效率系数NSE = 1.00,相对误差MRE = 0.05。

Figure 3. Comparison of observed and simulated monthly inflow discharge of Danjiangkou Reservoir

图3. 丹江口水库月入库流量实测值与模拟值对比

3.2. 径流系数法

径流系数 α 指降雨产流径流量R与降雨量P的比值,是降水特性和下垫面条件的综合反映,能够反映流域产汇流能力。径流系数一般随降水的增大而增加;在相同降水量的情况下,又随地形坡度的加大而增加。本研究中采用径流系数法分别计算湖北省十四个水资源分区的地表水资源量以及湖北省总的地表水资源量,其中各水资源分区径流系数如图4

α = R P (5)

Figure 4. Runoff coefficient for three-level water resource zones in Hubei Province

图4. 湖北省三级水资源分区径流系数

采用克里金插值法将气象站点数据插值,并计算降水量P。图5为1999~2020年实际水资源量与预测水资源量的对比,除个别年份预测误差较大外,整体平均相对误差MRE = 0.14,预测结果较为准确。

Figure 5. Actual and predicted surface water resources quantity in Hubei Province from 1999 to 2020

图5. 湖北省1999~2020年地表水资源量实际与预测值

4. 气候变化下的湖北省水资源预估

4.1. 丹江口水库入库流量预估

采用CMIP6数据集中2个排放情景(SSP2-4.5和SSP5-8.5)下的13个全球气候模型(GCM)进行气候预估,并通过降尺度方法获得汉江上游空间分辨率为0.25˚的日尺度网格数据,使用前已验证的BP人工神经网络模型得到径流系列。2023~2100年模式平均流量整体变化不大,在SSP2-4.5情景下变化幅度在−9.2%到10.3%,在SSP5-8.5情景下变化幅度在−4.9%到15.5% (图6)。从近、中和远期来看(表2),在SSP2-4.5情景下流量变化幅度从−0.63% (近期)到0.69% (远期),在SSP5-8.5情景下流量变化幅度从−0.82% (近期)到2.67% (远期)。在SSP2-4.5情景下,近期、中期和远期的变化范围分别为−24.40%~34.00%、−18.94%~15.44%和−26.44%~31.62%,在SSP5-8.5情景下,近期、中期和远期的变化范围分别为−19.49%~13.01%%、−20.74%~18.32%和−25.55%~25.18%。

根据1956~1990年丹江口水库入库流量年序列,变差系数Cv为0.35,在气候变化条件下,各时期Cv值均有所增加,不均匀性增加(图7)。在未来不同时期下,在近期和中期,SSP2-4.5情景下Cv值总体大于SSP5-8.5情景;在远期,SSP2-4.5情景下Cv值总体小于SSP5-8.5情景。对SSP5-8.5情景,Cv值不断增加,不均匀性增加;对SSP2-4.5情景,Cv变化趋势不明显。

(1) SSP2-4.5 (2) SSP5-8.5

Figure 6. Anomalies percentage of inflow discharge from 2023 to 2100 at Danjiangkou Reservoir

图6. 丹江口水库2023~2100年入库流量的距平百分率

Table 2. Anomalies percentage of inflow discharge in near, mid, and long terms at Danjiangkou Reservoir (%)

表2. 丹江口水库近、中、远期入库流量的距平百分率(%)

Figure 7. Coefficient of variation Cv of Danjiangkou Reservoir inflow in different periods

图7. 丹江口水库不同时期入库流量的变差系数Cv

4.2. 湖北省水资源量预估

采用CMIP6数据集中2个排放情景(SSP2-4.5和SSP5-8.5)下的13个全球气候模型(GCM)进行气候预估,并通过降尺度方法获得湖北省空间分辨率为0.25˚的日尺度网格数据,使用前已述径流系数法得到水资源量系列。在SSP2-4.5情景下,近期、中期和远期湖北省水资源量的变化幅度分别为3.79%、7.94%和12.68%;在SSP5-8.5情景下,各时期的变化幅度分别为7.10%、10.57%和19.22% (图8)。在不同时期,湖北省水资源量均有所增加,其中远期增加幅度大于近期增加幅度,SSP5-8.5情景水资源量的增加幅度大于SSP2-4.5情景。选用Mann-Kendall对CMIP6气候模式集合预估的湖北省水资源量进行了分析,在SSP2-4.5和SSP5-8.5情景下,湖北省水资源量均发生较为明显的上升趋势(通过0.05的检验)。对于湖北省水资源量,远期较近期的变化范围有所增加,SSP5-8.5情景较SSP2-4.5情景变化范围有所增加(表3)。

(a) SSP2-4.5 (b) SSP5-8.5

Figure 8. Estimated water resource trends in Hubei Province from 2023 to 2100

图8. 预估的2023~2100年湖北省水资源变化趋势

在两种情景下,对于湖北省各水资源分区在远期的水资源量增加幅度均较近期大,SSP5-8.5情景下的水资源增加幅度较SSP2-4.5情景大(表3)。对近期,SSP2-4.5情景下增加幅度在2.79%~5.36%,鄂西南等地增加幅度较少;SSP5-8.5情景下增加幅度在6.08%~9.26%,鄂西北、江汉平原和鄂东南等地增加幅度最多。对中期,SSP2-4.5情景下增加幅度在6.54~10.77%,湖北省北部增加幅度较多,鄂西南等地增加幅度较少;SSP5-8.5情景下增加幅度在8.49%~14.24%,鄂西北东部、江汉平原北部和南部、鄂东北等地增加幅度较多。对远期,SSP2-4.5情景下增加幅度在11.44%~16.72%,鄂西及鄂东南等地增加幅度较少,湖北省北部及江汉平原南部增加幅度较多;SSP5-8.5情景下增加幅度在15.47%~22.81%,鄂西南等地增加幅度较少。

到21世纪末,对于汉江流域,在SSP2-4.5和SSP5-8.5下,丹江口以上水资源量的变化范围分别为4.1%至24.2%和11.4%至35.4%;丹江口以下干流,预计SSP2-4.5和SSP5-8.5下的水资源量的变化范围分别为1.2%至26.4%和10.1%至40.0%;对于唐白河,SSP2-4.5和SSP5-8.5的变化范围预计分别为3.6%至27.8%和10.2%至36.6%。对于宜昌至湖口流域,在SSP2-4.5和SSP5-8.5下,清江的水资源量变化范围预计分别为0.3%至20.8%和4.4%至29.2%。预计武汉至湖口左岸在SSP2-4.5和SSP5-8.5下的变化范围分别为4.6至23.8%和7.6至43.4%。就宜昌至武汉左岸而言,SSP2-4.5和SSP5-8.5下预计水资源量的变化范围分别为1.6%至28.7%和8.7%至35.9%。近期、中期及远期的所有结果见表3

Table 3. Range of water resources quantity in different regions under different climate models (%)

表3. 不同气候模式下各分区水资源量的变化范围(%)

5. 讨论与结论

本文分析了未来气候变化下的湖北省汉江流域丹江口水库入库流量和湖北省降水产流量的变化。未来气候变化会影响丹江口入库水量,CMIP6的结果表明丹江口年径流量将会增加,湖北省未来的降水产流量会有所增加。此外,长江上游来水也在湖北省境外来水中占有较大比重,相关研究表明,宜昌水文站在未来气候变化下径流量会有所减小,且枯水年年数与平水年年数均高于丰水年 [12] 。考虑在未来气候变化下湖北省降水产流增加、上游来水量存在不确定性,对湖北省水资源量的变化评价也存在较大的不确定性。

本文的主要结论有:

1) 在未来80年间,丹江口水库的年入库流量总体呈现增加的趋势,且年变差系数增加,不均性增加。

2) 湖北省降水产流量呈现增加趋势,各水资源分区也呈现增加趋势,其中鄂西南水资源分区增加幅度小于其他分区。

3) 对丹江口水库入库流量以及湖北省和各水资源分区的水资源量而言,在未来气候变化条件下的变化范围均有所增加,并且SSP5-8.5情景下的变化范围较SSP2-4.5情景大。

基金项目

中国气象局创新发展专项(CXFZ2023J051);湖北省气象局科技发展基金重点项目(2022Z05):湖北省低碳试点专项“湖北省适应气候变化行动方案”。

参考文献

[1] 杨冬东. 长江流域水资源演变及中长期预测研究[D]: [硕士学位论文]. 南京: 南京大学, 2021. YANG Dongdong. Water resources evolution and medium-long term prediction in the Yangtze River basin. Master’s Thesis, Nanjing: Nanjing University, 2021. (in Chinese)
[2] SUN, F., KUANG, W., XIANG, W., et al. Mapping water vulnerability of the Yangtze River basin: 1994-2013. Environmental Management, 2016, 58(5): 857-872.
https://doi.org/10.1007/s00267-016-0756-5
[3] HUA, C., GUO, S., XU, C. Y., et al. Historical temporal trends of hydro-climatic variables and runoff response to climate variability and their relevance in water resource management in the Hanjiang basin. Journal of Hydrology, 2007, 344(3-4): 171- 184.
https://doi.org/10.1016/j.jhydrol.2007.06.034
[4] QIAO, C., NING, Z., WANG, Y., et al. Impact of climate change on water availability in water source areas of the south-to- north water diversion project in China. Frontiers in Earth Science, 2021(9): 747429.
https://doi.org/10.3389/feart.2021.747429
[5] YANG, W., ZHANG, L., SHAN, L., et al. Response of extreme hydrological events to climate change in the water source area for the middle route of south-to-north water diversion project. Advances in Meteorology, 2016(4): 1-15.
https://doi.org/10.1155/2016/2486928
[6] 黄华平, 靳高阳, 郦于杰, 等. 丹江口水库入库月径流模拟及不确定性分析[J]. 水文, 2022, 42(4): 90-95. HUANG Huaping, JIN Gaoyang, LI Yujie, et al. Monthly runoff simulation and uncertainty analysis for Danjiangkou Reservoir. Journal of China Hydrology, 2022, 42(4): 90-95. (in Chinese)
[7] 孟玉婧, 李喜仓, 白美兰, 等. RCP情景下内蒙古黄河流域径流预估及其对水资源的影响[J]. 气象科技, 2021, 49(1): 124-130. MENG Yujing, LI Xicang, BAI Meilan, et al. Runoff estimate and its impact on water resources in Yellow River basin of Inner Mongolia under RCP scenarios. Meteorological Science and Technology, 2021, 49(1): 124-130. (in Chinese)
[8] 赵红莉, 陈宁, 蒋云钟, 等. 汉江上游水资源时空演变及成因分析[J]. 南水北调与水利科技, 2009, 7(6): 90-93+185. ZHAO Hongli, CHEN Ning, JIANG Yunzhong, et al. Temporal-spatial evolution of water resources in the upstream of the Hanjiang River basin and the cause analysis. South-to-North Water Transfers and Water Science & Technology, 2009, 7(6): 90-93+185. (in Chinese)
[9] 张利升, 张睿, 邴建平, 等. 丹江口水利枢纽入库径流特性规律研究[J]. 南水北调与水利科技, 2016, 14(A2): 4. ZHANG Lisheng, ZHANG Rui, BING Jianping, et al. Characteristics research of Danjiangkou hydro-project income runoff. South-to-North Water Transfers and Water Science & Technology, 2016, 14(A2): 4. (in Chinese)
[10] HE, S., SANG, X., YIN, J., et al. Short-term runoff prediction optimization method based on BGRU-BP and BLSTM-BP neural networks. Water Resources Management, 2023(37): 747-768.
https://doi.org/10.1007/s11269-022-03401-z
[11] 赵玲玲, 夏军, 许崇育, 等. 水文循环模拟中蒸散发估算方法综述[J]. 地理学报, 2013, 68(1): 127-136. ZHAO Lingling, XIA Jun, XU Chongyu, et al. A review of evapotranspiration estimation methods in hydrological models. Acta Geographica Sinica, 2013, 68(1): 127-136. (in Chinese)
[12] 鞠琴, 郝振纯, 余钟波, 等. IPCC AR4气候情景下长江流域径流预测[J]. 水科学进展, 2011, 22(4): 462-469. JU Qin, HAO Zhenchun, YU Zhongbo, et al. Runoff prediction in the Yangtze River basin based on IPCC AR4 climate changes scenarios. Advances in Water Science, 2011, 22(4): 462-469. (in Chinese)