气候变化对Bhavani上游流域水文格局的影响：基于SWAT模型的未来情景模拟与水资源管理启示

本研究针对气候变化背景下流域水文响应机制不明的问题，采用SWAT模型耦合EC-Earth 3和INM-CM5两种GCM数据，模拟了2051-2075年印度Upper Bhavani流域在SSP2-4.5和SSP5-8.5情景下的降雨-径流变化。结果显示INM-CM5模型预测西南季风期径流将激增46.31%，而东北季风期减少25.92%，为流域防洪抗旱策略制定提供了量化依据。

　　

在全球气候变暖背景下，极端降水事件频发正深刻改变着热带季风区的水文循环过程。印度Upper Bhavani流域作为Bhavani Sagar水库的重要水源地，其67.9%的森林覆盖率和24.93%的裸露地表构成独特的水文响应单元。然而，现有研究对CMIP6（第六次国际耦合模式比较计划）新一代气候情景下该流域的水文突变特征缺乏系统评估，这给下游83,000公顷灌区的用水安全带来重大挑战。

为破解这一难题，研究人员采用Soil and Water Assessment Tool（SWAT）水文模型，整合30米分辨率SRTM DEM（数字高程模型）和Landsat-8遥感数据生成的五类土地利用/覆被图（精度81.6%），通过SUFI-2算法对17个参数进行敏感性分析，发现基流阿尔法因子（ALPHA_BF）和土壤蒸发补偿系数（ESCO）是主导径流响应的关键参数。研究创新性地对比了EC-Earth 3和INM-CM5两种全球环流模型（GCM）在SSP2-4.5（中度强迫）和SSP5-8.5（高度强迫）情景下的表现，采用分位数映射法（Quantile Mapping）对1981-2020年印度气象局（IMD）观测数据进行偏差校正，最终模拟2051-2075年的水文过程。

研究结果

6.1 土地利用特征
流域分类显示森林占67.9%、裸地24.93%，农业用地仅3.587%。这种植被分布导致地表径流对降水变化的响应具有显著滞后性。

6.4 模型验证
SWAT-CUP校准期（2004-2014）的Nash-Sutcliffe效率系数（NSE）达0.73，验证期（2015-2018）R²为0.773，证实模型能准确捕捉季风驱动的径流动态。

6.6 未来降雨突变
INM-CM5模型预测SSP5-8.5情景下9月降雨量将暴增117.6%，而12月减少30.3%，呈现"旱涝急转"特征。EC-Earth 3模型则显示7月降雨可能激增212.7%，但11月骤降65.7%。

6.7 径流重构
最严峻的情景（INM-CM5/SSP5-8.5）显示：西南季风期径流增加46.31%将导致峰值流量出现频率提高71次，而东北季风期径流减少25.92%将加剧旱季水资源短缺。箱线图分析揭示SSP2-4.5情景下Q3（75分位数）径流增幅达43.43%，预示极端洪水风险攀升。

结论与意义
该研究首次量化了CMIP6框架下Upper Bhavani流域的水文气候反馈机制，揭示INM-CM5模型比EC-Earth 3预测更剧烈的水文震荡。研究发现基流参数ALPHA_BF（校准值0.009）对径流预测的敏感性是土壤参数ESCO的2.3倍，这为模型参数本地化提供了关键依据。从管理视角看，西南季风期径流占比从历史期的82%升至91-94%，要求重建水库调度规则曲线（Rule Curve），并需在流域尺度推广雨水收集系统以缓冲东北季风期的供水缺口。

这项发表在《Results in Engineering》的成果，为南亚季风区流域适应SSP情景提供了可复用的技术框架。研究者建议未来整合土地利用变化情景，并评估梯级水库联动调度方案，以增强气候韧性。数据驱动的决策支持将有助于平衡水电生产、灌溉需求和生态流量，对实现联合国可持续发展目标（SDG）6（清洁饮水）和13（气候行动）具有实践意义。