气候变化与气候变率在中国大型水库产流能力变化中的差异作用

《Science Bulletin》：Distinct roles of climate change and variability in driving runoff generation capacity changes across China’s large reservoirs

　　

中国已建成900多座大型水库，用于拦蓄上游流域产流，为工业、农业和生活用水提供淡水。这些水库流域充足且稳定的径流产生能力对于保障可持续供水至关重要，但在气候变化背景下可能受到损害。然而，这些能力的变化及其驱动因素仍然未知。研究人员将基于观测的水文气候数据与地理参照的流域边界相结合，计算中国913座大型水库的径流系数，从而近似表征径流产生能力的年际量值与变率。1961—2018年间，近40%的水库呈现径流产生能力下降且趋于稳定的趋势，主要集中于东北—西南向条带；60%的水库在该条带两侧呈现增加且波动加剧的趋势。采用全球水文模型（GHMs）集合的归因分析揭示了人为气候变化（ACC）与自然气候变率（NCV）在驱动径流系数量值和变率变化中的不同作用。具体而言，ACC与NCV共同决定年际量值变化，其中ACC主导48%的水库，NCV主导52%；NCV主导年际变率变化，在不同水资源区的贡献率中位数介于68%至97%之间。鉴于ACC和NCV分别驱动方向性变化和周期性变化，ACC主导的水库需要针对性管理——在量值下降时保障供水，在量值上升时扩大库容；NCV主导的水库则需要改进预警系统、加强短期预报并制定灾害应对计划，以减轻干旱与洪涝交替发生的不利影响。

中国已建成900多座大型水库（库容大于0.1 km³），总库容超过800 km³，支撑着14亿人口用水、超过1.2亿公顷农田灌溉，以及全球最大份额的工业产出和粮食生产。这些功能依赖于拦蓄上游流域产生的径流，即降水扣除蒸散发损失和土壤持水后的剩余部分。径流系数（年自然径流与年降水之比）是诊断径流产生能力的关键指标：量值大且时间上稳定，意味着供水潜力充足可靠；量值小且波动大，则意味着供水潜力不足且不稳定。然而，中国大型水库流域径流系数的年际量值和变率变化及其驱动因素长期不清楚。主要原因是流域内存在不可忽略的人为干预，且中国缺乏基于观测的自然径流数据，以往研究大多局限于人类活动极小的自然流域。这一认知空白使人们无法判断气候变化正推动水库流域产流能力趋于增加还是减少、趋于稳定还是波动，从而可能危及供水可靠性、水库调度和水安全。该研究发表于《Science Bulletin》，利用多套新发布数据集填补了这一空白。

研究对象为中国913座大型水库。研究人员将基于观测的降水、自然径流以及地理参照的水库流域边界相结合，计算了1961—2018年各水库流域的径流系数（R_Co）及其变异系数（CVR_Co），用以量化产流能力的年际量值和变率及其变化；进一步基于多年水量平衡估算蒸散发（ET），构建了解析分解方法，将径流系数量值和变率变化分解为降水变化与蒸散发变化的贡献；再利用国际影响模型比较计划第三阶段a（ISIMIP3a）的全球水文模型（GHMs）模拟，结合“集合最优”方法，将径流系数变化归因于人为气候变化（ACC）与自然气候变率（NCV）。主要结论是：约40%的水库产流能力下降且趋于稳定，60%呈上升且波动加剧；ACC与NCV共同决定径流系数的年际量值变化，而NCV主导年际变率变化。该研究为区分气候变化与气候变率对水库供水能力的不同影响，以及制定差异化水库管理策略提供了科学依据。

在方法上，研究人员主要使用了四类关键技术手段：第一，利用中国大型水库属性与流域边界数据集（CLEAR）界定913座大型水库的流域范围；第二，从中国自然径流数据集（CNRD）提取自然径流，从高精度格点降水数据集（CHM_PRE）提取年降水，据此计算观测径流系数及其变异系数；第三，采用一阶泰勒展开和协方差统计，将径流系数的量值变化和变率变化解析分解为降水变化与蒸散发变化的贡献；第四，利用ISIMIP3a中七套GHMs在三套观测气候驱动和1901年社会情景下的模拟结果，采用集合最优方法选取与观测变化符号一致且误差最小的模拟，定量计算ACC与NCV的贡献率。样本队列为CLEAR数据集覆盖的中国913座大型水库。

3.1 观测径流系数的年际量值和变率的空间异质性

空间分析显示，1961—1989年，除西北受冰川融水影响的水库外，北方干旱区水库普遍呈现低量值（R_Co<0.4）和高变率（CVR_Co>0.2）的径流系数；南方湿润区和西北大部分水库则呈高量值（R_Co>0.4）和低变率（CVR_Co<0.2）。从1961—1989年到1990—2018年，约40%的水库表现出径流系数量值下降且变率稳定，主要集中于胡焕庸线东侧的东北—西南向条带；约60%的水库在条带两侧呈量值上升且变率增大趋势。具体而言，393座水库R_Co下降，520座上升；318座CVR_Co下降，595座上升。这表明中国大型水库产流能力的变化具有强烈空间异质性，且增减趋势与稳定性变化并非同步。

3.2 基于观测径流系数变化的分解

通过解析分解，研究人员发现降水变化（ΔP_r）和蒸散发变化（ΔET）对径流系数量值变化（ΔR_Co）的贡献相当：ΔP_r主导了中国北方55%和南方51%水库的ΔR_Co，ΔET则主导其余水库。对于径流系数变率变化（ΔCVR_Co），降水变率（ΔCVPr）在松花江、辽河、海河、淮河流域占主导，而蒸散发变率（ΔCVET）在黄河流域、西北诸河以及南方地区占主导。分解结果与观测值高度一致，量值变化和变率变化的相关系数分别达到0.99和0.60，说明分解方法能够稳健地刻画降水与蒸散发对径流系数变化的作用。

3.3 基于ISIMIP3a集合最优模型的归因

研究人员利用观测径流系数约束ISIMIP3a模拟，并采用集合最优方法进行归因。结果显示，集合最优模拟与观测变化的符号一致性接近96%，支持其用于归因分析。在全国尺度上，ACC与NCV共同决定径流系数的年际量值变化：NCV主导52%水库的ΔR_Co，ACC主导48%；对于年际变率变化ΔCVR_Co，NCV在67%的水库中占主导，ACC在33%中占主导。从不同水资源区看，NCV主导黄河流域（82%）、西北诸河（62%）、长江流域（59%）和东南诸河（80%）的ΔR_Co；ACC主导辽河流域（67%）、淮河流域（66%）和西南诸河（62%）；松花江、海河和珠江流域则由两者共同作用。NCV对ΔCVR_Co的贡献率中位数在十个水资源区中达68%—97%，表明自然气候变率是径流系数波动性的主要控制因素。

讨论部分主要围绕不确定性展开。研究人员发现，没有单一的GHM或气候驱动场能被稳定地选为所有水库的集合最优，且量值变化与变率变化对应的最优模型并不一致。尽管如此，超过60%的ISIMIP3a模拟在560座水库的ΔR_Co和564座水库的ΔCVR_Co上与观测符号一致；超过95%的水库至少有一个模拟能再现观测符号。但在41座水库的ΔR_Co和37座水库的ΔCVR_Co中，没有任何模拟能再现观测符号。集合最优模型在全国尺度表现良好，81%水库的ΔR_Co绝对误差低于0.01，72%水库的ΔCVR_Co绝对误差低于0.01；约10%水库的相对误差超过±100%，主要零星分布在干旱西北和寒冷东北，因此在这些区域应用ISIMIP3a结果需谨慎。未来需改进GHM结构和参数化方案，并更多纳入原位观测以提高模拟可靠性。研究结论可翻译为：本研究调查了中国913座大型水库流域产流能力的变化及其驱动因素，为水库管理适应气候变化提供了见解。1961—2018年，近40%的大型水库产流能力下降且趋于稳定，主要集中于东北—西南条带；60%在条带两侧增加且波动加剧。解析分解表明，降水与蒸散发对这些增减的贡献相当，但对稳定性与波动的控制更具空间异质性。在气候变化背景下，ACC与NCV在驱动径流系数量值和变率方面作用不同：ACC与NCV共同决定年际量值变化，而NCV主导年际变率变化。由于ACC驱动方向性变化，ACC主导的水库需要针对性管理，量值下降时需防止供水恶化，量值上升时需扩大库容以利用增强的供水能力；NCV驱动周期性变化，NCV主导的水库需要改进预警系统、加强短期预报、制定灾害应对和疏散计划，以减轻旱涝交替的不利影响。