doi10.12006/j.issn.1673-1719.2018.104王书霞 , 张利平 , 李意 , 等 . 气候变化情景下澜沧江流域极端洪水事件研究 [J]. 气候变化研究进展 , 2019, 15 1 23-32Wang S X, Zhang L P, Li Y, et al. Extreme flood in the Lancang River Basin under climate change [J]. Climate Change Research, 2019, 15 1 23-32气候变化情景下澜沧江流域极端洪水事件研究王书霞，张利平，李 意，佘敦先武汉大学水资源与水电工程科学国家重点实验室，武汉 430072气候变化研究进展第 15 卷 第 1 期 2019 年 1 月 CLIMATE CHANGE RESEARCHVol. 15 No. 1January 2019摘 要 以澜沧江流域为研究对象，基于 ISIMIP2b协议中提供的 GFDL-ESM2M、 HadGEM2-ES、 IPSL-CM5A-LR、MIROC5这 4 种全球气候模式，通过 4 种模式的输出数据耦合 VIC模型，分析 4 种模式在历史时期（ 1961 2005 年对洪峰洪量极值年最大洪峰流量、 3 d 最大洪量、极端洪水的模拟能力，比较 RCR2.6和 RCP6.0两种情景下未来时期（ 20212050 年 年均径流量较基准期（ 1971 2000 年 的变化情况，并结合 P-III型分布曲线预估了澜沧江流域在两种情景下未来时期极端洪水的强度变化情况。结果表明 VIC模型在该流域能够较好地模拟极端洪水； HadGEM2-ES和 MIROC5两种气候模式的输出数据在澜沧江流域有较好的径流模拟适用性；在 RCP2.6情景下，澜沧江流域未来时期年均径流量没有明显变化，可能会有略微的增加，而在 RCP6.0情景下，未来时期年均径流量有较大可能增加；澜沧江流域未来时期极端洪水较基准期，在 RCP2.6情景下无明显变化，而在 RCP6.0情景下，洪峰、洪量增加的可能性较大，极端洪水频率和强度也较大可能增加。关键词 气候模式； VIC 模型；极端洪水；澜沧江流域收稿日期 2018-07-17； 修回日期 2018-09-14资助项目 国家重点研发计划项目 2017YFA0603704）作者简介 王书霞，女，硕士研究生， ；张利平 通信作者 ，男，教授， 引 言IPCC 第五次评估报告指出， 1880 2012 年全球平均温度已升高 0.85℃，全球气候变暖的事实是千真万确的[1-2]。相关研究表明，随着全球气候变暖，极端洪水增加趋势显著[3-5]。中国的旱涝灾害日趋严重，仅 20 世纪 80 年代后，平均每年粮食损失多达 200 亿 kg[6]。位于中国境内的澜沧江流域是暴雨、洪水灾害多发的区域。据统计[7]，2005 年，流域内西双版纳州遭遇了连续的暴雨和大暴雨，引起了“ 76”“ 81”“ 819”这 3 次连续性特大洪灾，直接导致了约 17.5 万人受灾， 12人死亡，经济损失巨大； 2006 年 10 月，再次遭遇大范围强降雨天气，造成 9.6 万人受灾，经济损失达 2 亿元。 2017 年 7 月，中国南方多地遭遇洪水，千万人受灾，澜沧江流域内德钦县、兰坪县等区域也受到持续强降雨影响，出现洪灾泛滥现象。气候变化研究进展 2019 年24气 候 系 统 变 化旱涝灾害将带来不可估量的损失，因此极端水文事件引起全世界的高度关注。国内外学者针对气候变化情景下的极端洪水事件展开了大量的研究。在国外， Garner 等[8]指出当前极端洪水的定义主要考虑到强度、频率、持续时间 3 个方面，但是由于极端洪水在持续时间上有几天到几个月不等，以及研究区域范围的量级可在几千到几十万平方公里的跨度，导致极端洪水尚未有一个通用的定义；关于预估未来的极端洪水，主要采用 GCM 降尺度与水文模型耦合，但由于降尺度在不同区域的不确定性以及水文模型的不确定性，未来极端洪水的预估也存在较大的不确定性。Remesan 等[9]基于 CMIP3（全球气候模式比较计划第三阶段 的未来气候情景，采用 HYMOD 模型分析了英格兰上游 Derwent 流域的未来径流变化。 Sorribas 等[10]基于 CMIP5 部分气候模式采用一维 MGD-IPH 模型预估亚马孙流域的未来径流趋势，结果表明径流均值与峰值都有增大趋势。Hoang 等[11]基于湄公河流域 DEM（数字高程模型 、土地利用类型、土壤等资料建立了该区域的VMod 模型，并选择 CMIP5 中的 5 个气候模式，分析了在 RCP4.5 和 RCP8.5 情景下未来的极端洪水情势，结果表明极端枯水径流有减小趋势，而极端洪峰洪量有增大趋势。国内方面， Wu 等[12]定义极端洪水为重现期大于 10 年的洪水，基于珠江流域内气象站点资料，采用 P-III 型曲线拟合极值序列，研究表明从 1981 2010 年该流域内 70 的站点极端洪水频次在增加。郝振纯等[13]采用新安江月分布式水文模型[14]研究了淮河流域在 A1B、A2 和 B1 等 3 种典型排放情景下的 22 个全球气候模式的极端洪水预估。杨珍等[15]采用广义极值分布 GEV 和广义帕累托分布 GPD 拟合汉江中上游 1 d 和 3 d 最大洪量，研究指出该流域未来洪量极值有减小趋势。黄国如等[16]基于 CMIP5 多模式输出的降尺度结果，采用 VIC 模型 Variable Infiltration Capacity Model 预估了飞来峡水库在RCP2.6、 RCP4.5、 RCP6.0 情景下 2020 2050 年的洪峰洪量变化。肖恒等[17]利用 VIC 模型评估了在 RCP4.5情景下未来珠江流域的洪峰洪量趋势。澜沧江是我国西南重要的国际河流，探讨该区域未来极端洪水的研究较少，科学预估澜沧江流域未来极端洪水情况，能为澜湄沿线国家共同管理流域水资源和共同抵御自然灾害提供一定的科学指导。因此，本文以澜沧江流域为研究对象，基于 ISIMIP 模型比较计划 ISIMIP2b 协议中的 4种全球气候模式数据，结合 VIC 模型预估未来澜沧江流域极端洪水的变化，这将有助于进一步了解该区域极端水文事件发展趋势，对灾害预警预报、防灾减灾、水电能源开发等具有十分重要的科学意义和实用价值。1 研究区域澜沧江 ‒ 湄公河发源于我国青海省玉树藏族自治州，流经青海、西藏、云南，在云南勐腊县出境后流经缅甸、老挝、泰国、柬埔寨，最终在越南注入中国南海。在中国境内称为澜沧江，出境后改称湄公河。澜沧江 ‒ 湄公河总流域面积为 81 万 km2，全长 4880 km。澜沧江流域面积约为 16.74 万 km2，约占澜沧江 ‒ 湄公河全流域总面积的 20.7[18]。如图 1 所示，澜沧江流域呈条图 1 澜沧江流域气象站点及水文站点分布Fig. 1 Distribution of weather stations and hydrological station on the Lancang River Basin32˚N28˚N24˚N92˚E 96˚E 100˚E0 150 300 km河流流域气象站允景洪水文站1 期 25王书霞，等气候变化情景下澜沧江流域极端洪水事件研究带状，南北跨 13 个纬距， 6 个气候带。澜沧江流域多年平均降水量约为 996 mm，变化幅度在400 ～ 2100 mm 之间，空间上自北向南呈增加趋势。径流的补给类型以降水为主，地下水、冰雪融水、湖泊与湿地等多种为辅。2 数据与方法2.1 研究数据ISIMIP 模式比较计划的目的在于探讨全球变化对地表过程和人类社会的影响， IPCC 报告中已经将其研究成果作为模拟过去和预测未来全球变化对地表和人类社会影响的主要依据之一[19]。 ISIMIP 模式比较计划目前有 ISIMIP2a和 ISIMIP2b 两种协议，其中的模式都是基于CMIP5 而挑选。在 2015 年，联合国气候变化框架公约 UNFCCC 邀请 IPCC 筹备关于 1.5 ℃增暖影响及温室气体排放途径的特别报告[20]。为了提供“评估全球变暖 1.5 ℃对人类社会影响”的科学基础， ISIMIP 选择了 CMIP5 中的 4 个模式 GFDL-ESM2M、 HadGEM2-ES、 IPSL-CM5A-LR、 MIROC5设计了 ISIMIP2b，分辨率统一为0.5 0.5，代表性浓度路径中包括了低排放情景RCP2.6 和中等排放情景 RCP6.0，模式中降水、气温、风速等变量都基于 EWEMBI 数据集做了偏差校正[21]。本文选择的气候模式即是 ISIMIP2b协议中所提供的上述 4 种模式。径流实测数据为允景洪水文站 1961 年 1 月 1日 2005 年 12 月 31 日的逐日径流数据。降雨数据从中国气象数据网①提供的中国地面降水日值0.5 0.5格点数据集 V2.0 中获得。气温和风速数据从流域内及周边的 16 个站点中获得， 16 个气象站点分布情况见图 1。本文所用植被参数基于马里兰大学提供的全球植被覆盖栅格数据提取得到②，空间分辨率为 1 km1 km。土壤数据来自世界土壤数据库 HWSD③，版本为 1.21，该数据将土壤分为上下两层。2.2 研究方法VIC 模型是一个基于空间分布的大尺度陆面分布式水文模型[22]，本文所应用的 VIC 模型是VIC-3L（ 3 层土壤层 ，使用的土壤数据来自世界土壤数据库 HWSD1.21，其土壤结构分为上层 0 ～ 30 cm、下层 30 ～ 100 cm 的两层，考虑到本文在澜沧江流域构建的 VIC 模型的第二层和第三层土壤性质差异较小，因此作为同一种土壤类型，与 HWSD 下层土壤对应，即本文 VIC模型的构建过程中第一层的参数取上层的值，第二层和第三层的参数取下层的值。模型中描述垂向一维土壤水运动的是 Richards 方程，土壤各层间的水汽通量服从 Darcy 定律。 VIC 模型的水量平衡模拟只计算产流，没有汇流部分。本研究中采用 Lohmann 等[23]开发的汇流模型，作为补充VIC 模型的汇流部分。该模型基于网格化模拟了坡面汇流和河道汇流最终汇集到流域出口断面的流量过程。坡面汇流采用单位线法，河道汇流采用线性圣维南方程组。径流模拟的评价指标采用多年平均径流相对误差 Er 和纳西效率系数 NSE。 Er 反映了模型模拟的总量精度， NSE 反映了模拟流量与实测流量之间的吻合程度， NSE 值越接近 1 说明模拟序列与实测吻合度越高，效果越好。选用 P-III 曲线拟合年最大洪峰、 3 d 洪量序列，分析在重现期分别为 10 a、 50 a、 100 a 时未来时期较历史时期极端洪水的变化情况。3 结果与讨论3.1 澜沧江流域 VIC 模型构建本文利用实测降水、气温、风速等资料构建澜沧江流域 VIC 模型，以 1973 1984 年为模型率定期， 1985 1990 年为模型检验期，进行径流① http// http//glcf.umd.edu/data/landcover/data.shtml。③ http//webarchive.iiasa.ac.at/Research/LUC/External-World-soil-database/HTML/HWSD_Data.htmlsb4。气候变化研究进展 2019 年26气 候 系 统 变 化模拟。率定期和检验期径流模拟结果评价指标统计如表 1 所示。由表 1 可见，日尺度、月尺度的率定期和检验期 NSE 都大于 0.75， Er 仅分别为1.1 和 1.2。综合表明在日尺度和月尺度上，本文所构建的 VIC 模型在澜沧江流域有较高的径流模拟精度。年 的径流模拟适用性。采用年最大值选样法，提取实测和基于气候模式输出数据耦合 VIC 模型模拟的年最大洪峰流量、 3 d 最大洪量作为径流极值研究对象。从图 2 可以看出， HadGEM2-ES和 MIROC5 两种模式输出结果驱动 VIC 模型对洪峰洪量的模拟值与实测最接近，而基于 GFDL-ESM2M 和 IPSL-CM5A-LR 模式的洪峰洪量模拟结果明显高于实测径流。因此， HadGEM2-ES 和MIROC5 模式输出数据对洪峰洪量模拟适用性较好。从图中还可以看出，实测洪峰、 3 d 洪量曲线十分相似，说明大多数年份的洪量极值中也包括了洪峰极值。图 3 给出了实测与基于气候模式模拟结果耦表 1 VIC 模型径流模拟评价Table 1 Runoff simulation uation based on VIC model时间率定期 1973 1984 年检验期 1985 1990 年日尺度0.860.75NSE月尺度Er/0.910.801.11.2为进一步评估 VIC 模型对澜沧江流域洪水的模拟能力，挑选率定期 6 场洪水、检验期 4 场洪水进行评价 表 2。可知在率定期 NSE 基本都超过 0.70，最高达到 0.92；除了洪水场次 19791002的 Er 较大外，其他洪水的 Er 绝对值都小于 5，说明在率定期洪水模拟效果较好。在检验期，NSE都超过 0.65， Er 的绝对值也基本在 10 以内，说明在检验期模型的洪水模拟效果也较好。总体看来， VIC模型对澜沧江流域洪水模拟效果较好，可以用于极端洪水的预估研究。3.2 基于气候模式的历史时期极端洪水模拟分析从洪峰洪量极值和极端洪水两方面，评估各模式输出数据在澜沧江流域历史时期 1961 2005图 2 实测与模式输出数据耦合 VIC 模型模拟的历史时期（ 1961 2005 年）年最大洪峰洪量时间序列Fig. 2 Time series of annual maximum flood peak and flood volumes based on observations and model output data coupling VIC model in the past during 1961-20051612841965 1975 1985 1995 2005 年 1965 1975 1985 1995 2005 年40302010a b观测 GFDL-ESM2M HadGEM2-ES IPSL-CM5A-LR MIROC5洪峰/103 m3/s3 d洪量/108 m3表 2 VIC 模型洪水模拟评价Table 2 Flood simulation uation based on VIC model时期率定期检验期洪水场次19740724197408231979090619791002198009261983073019850901198610071989101519900715NSE Er/0.74 0.78 0.92 0.59 0.74 0.76 0.70 0.85 0.660.782.08 ‒4.91 ‒1.83 13.33 ‒1.92 4.04 ‒10.73 5.09 0.28 ‒7.46 1 期 27王书霞，等气候变化情景下澜沧江流域极端洪水事件研究合 VIC 模型模拟的历史时期洪峰洪量变化范围，可以看出，实测年最大洪峰在第 25 到 75 百分位之间的流量范围是 5600 ～ 8500 m3/s，能较好地模拟这一现象的是 IPSL-CM5A-LR 模式。实测年最大洪峰中位数大约为 6600 m3/s，能较好地驱动 VIC 模型模拟洪峰中位数的模式是 HadGEM2-ES 和 MIROC5。对于 3 d 洪量，同样是 IPSL-CM5A-LR 模拟结果能较好地驱动 VIC 模型模拟第 25 到 75 百分位之间的洪量范围， HadGEM2-ES 和 MIROC5 对中位数的模拟效果较好。虽然IPSL-CM5A-LR 模拟第 25 到 75 百分位的效果较好，但其输出数据驱动模型对洪峰洪量的模拟存在较多的异常大值，说明该模式对极大值的模拟易偏大。结合图 4 和表 3 可以看出 HadGEM2-ES 和MIROC5 输出数据驱动模型模拟得到的洪峰洪量频率分布曲线与实测曲线最接近。从洪峰来看，GFDL-ESM2M 和 IPSL-CM5A-LR 模式在不同重现期的频率都明显高于实际设计值； HadGEM2-ES 和 MIROC5 与实测曲线较为接近，但在不同重现期下都小于实际设计值，其中 MIROC5 模式与实际的设计值最接近，变幅在 5 以内，说明MIROC5 模式模拟数据能较好地耦合 VIC 模型模拟出年最大洪峰的频率。 3 d 洪量和洪峰的分布规律类似，其中 HadGEM2-ES 模式模拟结果驱动模型模拟出的 3 d 洪量值更接近实际设计值，在三个（ 100 a， 50 a， 10 a）重现期下，其模拟的 3 d洪量变幅绝对值基本都小于 MIROC5。总体来看，基于 HadGEM2-ES 和 MIROC5 两种模式模拟结果输入 VIC 模型模拟出的径流结果能较好地反映图 3 实测与模型模拟的历史时期洪峰洪量变化范围Fig. 3 The variation range of flood peak and flood volumes based on observations and model simulations in the past注盒子里的横线表示中位数，盒子上、下边缘分别表示第 75、 25 百分位数，“ ”表示异常值。a b1.61.20.80.4洪峰/104 m3/s403 d洪量/108 m3302010观测 GFDL HadGEM2 IPSL MIROC5 观测 GFDL HadGEM2 IPSL MIROC5表 3 不同重现期（ T）下模式输出数据耦合 VIC 模型模拟的洪水强度变化Table 3 The changes of flood intensity based on climate model output data coupling VIC model simulation under different return periods T模式GFDL-ESM2MHadGEM2-ESIPSL-CM5A-LRMIROC5T100 a63.63 ‒8.03 60.68 ‒3.22 洪峰 3 d 洪量T50 a T10 a T100 a T50 a T10 a45.88 ‒12.09 33.22 ‒4.2359.24 ‒9.39 53.18 ‒3.6446.00 ‒5.97 42.83 ‒11.7735.00 ‒9.96 24.48 ‒9.13 48.78 ‒3.63 43.15 ‒7.89 气候变化研究进展 2019 年28气 候 系 统 变 化图 4 实测与模式输出数据耦合 VIC 模型模拟的历史时期年最大洪峰洪量 P-III 型频率曲线分布图Fig. 4 P-III frequency distribution of annual maximum flood peak and flood volumes based on observations and climate model output data coupling VIC model simulation in the past表 4 2021 2050 年 RCP2.6 和 RCP6.0 情景下基于气候模式预估的年平均流量Table 4 Annual average flow based on climate model simulation in RCP2.6 and RCP6.0 scenarios实际洪峰洪量的频率分布规律，可以用于预估未来极端洪水的频率变化。3.3 未来极端洪水变化预估以 1971 2000 年为基准期，选择 20212050 年为未来研究时段，提取 4 个模式在 RCP2.6和 RCP6.0 情景下的日降水、日最高气温、日最低气温、日平均风速序列作为 VIC 模型气象驱动资料，模拟得到日径流过程。表 4 给出了在两种情景下各模式预估的年平均径流量变化情况。可以得出，在 RCP2.6情景下，4 个模式输出数据驱动模型预估出的未来年平均径流量与基准期年均径流量相差不大，其中有 3个模式预估未来年均径流量增大， GFDL-ESM2M模式增幅最大，为 4.00；其次为 MIROC5 模式，增大 2.46。 HadGEM2-ES 模式预估未来年均径流量减少，但减小幅度非常低，仅为 0.32。说明在 RCP2.6 情景下，未来年均水资源量没有明显变化，可能会有略微的增加；在 RCP6.0情景下，有 3 个模式预估未来年均径流量增大， MIROC5模式增幅最大，为 9.63；其次为 GFDL-ESM2M模式，增大 4.45。 HadGEM2-ES 模式预估未来年均径流量减少，但减小幅度非常低，仅为 0.73。说明在 RCP6.0 情景下，未来年均水资源量增加的可能性较大。图 5、图 6 分别为基准期实测和 RCP2.6、RCP6.0 情景下预估的未来时期年最大洪峰洪量变化范围。从中可知，在 RCP2.6 情景下预估未来的年最大洪峰洪量与基准期相比，基于 GFDL-ESM2M 和 IPSL-CM5A-LR 模式预估的洪峰洪量有较大幅度增大，中位数和第 75 百分位数有较明显的提高；基于 HadGEM2-ES 和 MIROC5 模式预估的最大洪峰表现出更为集中的趋势。 RCP6.0情景下模式预估的年最大洪峰洪量变化幅度与RCP2.6 情景下类似，但是超大异常值明显增多，说明 RCP6.0 情景下极端洪水的量级更大。25 6020151050洪峰/103 m3/s402003 d洪量/108 m30.10.20.5 1 2 5 10 20 30 4050 60 70 80 90 95 9899 0.10.2 0.5 1 2 5 10 20 30 4050 60 70 80 90 95 98 99实测 GFDL-ESM2M HadGEM2-ES IPSL-CM5A-LR MIROC5频率 / 频率 /情景RCP2.6RCP6.0模式GFDL-ESM2MHadGEM2-ESIPSL-CM5A-LRMIROC5GFDL-ESM2MHadGEM2-ESIPSL-CM5A-LRMIROC5年平均流量 /m3/s18211745175917941829 1738 1777 1920 4.00‒0.320.432.464.45 ‒0.73 1.50 9.63变化百分比 /注表中“变化”相对于 1971 2000 年实测资料（年平均流量 1751 m3/s。1 期 29王书霞，等气候变化情景下澜沧江流域极端洪水事件研究图 5 基准期实测和 RCP2.6 情景下模式预估未来时期的年最大洪峰洪量变化范围Fig. 5 The range of annual maximum flood peak and flood volumes based on observations in the past and model simulations in the future under RCP2.6 scenario注同图 3。a b3.52.51.50.5洪峰/104 m3/s703 d洪量/108 m3503010观测 GFDL HadGEM2 IPSL MIROC5 观测 GFDL HadGEM2 IPSL MIROC5a b2.51.50.5洪峰/104 m3/s703 d洪量/108 m3503010观测 GFDL HadGEM2 IPSL MIROC5 观测 GFDL HadGEM2 IPSL MIROC5图 6 基准期实测和 RCP6.0 情景下模式预估未来时期的年最大洪峰洪量变化范围Fig. 6 The range of annual maximum flood peak and flood volumes based on observations in the past and model simulations in the future under RCP6.0 scenario注同图 3。由表 5 可知，在 RCP2.6 情景下，各模式对洪峰流量的预估差异较大，其中 GFDL-ESM2M 预估洪峰最大，高出基准期平均洪峰流量 65.82；HadGEM2-ES 与基准期多年平均洪峰流量最为相近， IPSL-CM5A-LR 预估未来平均洪峰增大29.98， MIROC5 预估未来洪峰增加 8.45。从3 d 洪量来看，与 4 个模式对洪峰的预估趋势一致，各自的变化百分比与洪峰的变化相差不大。在RCP6.0 情景下， GFDL-ESM2M 预估的洪峰、 3 d洪量大幅增加，与基准期均值相比都超过 50；HadGEM2-ES 预估的洪峰洪量略有增加。从整体上看，未来时期澜沧江流域极端洪水有增大的可能性。利用 P-III 型频率曲线拟合基准期 19712000 年 和未来时期 2021 2050 年在 RCP2.6和 RCP6.0 情景下年最大洪峰、 3 d 洪量序列，并分析重现期分别为 10 年、 50 年、 100 年时未来时期较基准期的极端洪水变化情况，以进一步比较未来时期极端洪水洪峰洪量较基准期的总体变化。从图 7 中可以看出，对于极端洪峰和 3 d 洪量，在 RCP2.6 情景下， HadGEM2-ES 模式预估的洪水频率相比于基准期有所减小，而 MIROC5 模式预估的洪水频率表现为增大。结合表 6 可以看出，HadGEM2-ES 模式在不同重现期下的洪峰、 3 气候变化研究进展 2019 年30气 候 系 统 变 化表 5 未来时期洪峰洪量相对于基准期的变化分析Table 5 The changes of flood peak and flood volumes on future compared with past表 6 两种情景下不同重现期时未来时期相对于基准期的洪水平均强度变化Table 6 Average flood intensity changes of two scenarios of future compared with past under different return periods图 7 基准期实测与模式预估未来时期的年最大洪峰洪量 P-III 型频率曲线分布图Fig. 7 P-III frequency distribution of annual maximum flood peak and flood volumes based on observations in the past and model simulations in the future2050161284洪峰/103 m3/s402003 d洪量/108 m30.10.2 0.5 1 2 5 10 20 30 405060 70 80 90 95 98 99 0.10.2 0.5 1 2 5 10 20 30 4050 6070 80 90 95 98 99实测 RCP2.6 HadGEM2-ES RCP2.6 MIROC53010RCP6.0 HadGEM2-ES RCP6.0 MIROC5a b频率 / 频率 /情景RCP2.6RCP6.0基准期实测GFDL-ESM2MHadGEM2-ESIPSL-CM5A-LRMIROC5基准期实测GFDL-ESM2MHadGEM2-ESIPSL-CM5A-LRMIROC5洪峰 3 d 洪量6936.0 11501.06591.09015.07521.86936.0 11408.06995.19256.97132.9模式均值 /m3/s 变化 / 变化 /均值 /亿 m365.82 ‒4.97 29.98 8.45 64.49 0.86 33.47 2.8516.46 27.45 16.03 21.32 18.26 16.46 27.15 16.93 22.14 17.31 66.80 ‒2.60 29.55 10.93 64.96 2.88 34.51 5.16 模式HadGEM2-ESMIROC5HadGEM2-ESMIROC5T100 a‒1.32 3.42 21.40 10.54洪峰 3 d 洪量T10 a‒2.24 2.36 4.89 4.35T50 a‒1.43 3.11 16.82 8.86T100 a‒1.55 7.34 13.56 3.87 T10 a‒2.79 3.67 ‒1.00 ‒1.14 T50 a‒1.80 6.29 9.28 2.27 情景RCP2.6RCP31王书霞，等气候变化情景下澜沧江流域极端洪水事件研究1 期 洪量相比于基准期都有所减小，但减小幅度不大，变化幅度在 ‒2.79 ～ ‒1.32 之间；而 MIROC5模式预估的未来不同重现期下洪峰、 3 d 洪量都有所增加，洪峰增加约 2.36 ～ 3.42，洪量的增幅更加明显，增加了 3.67 ～ 7.34。综合看来，RCP2.6 情景下不同模式预估的未来时期洪峰、 3 d洪量的不确定性较大。在 RCP6.0 情景下情况有所不同。对于极端洪峰流量，模式预估的洪水频率相对基准期都有增大趋势；重现期大于 10 年时，两个模式预估的 3 d 洪量频率增大。结合表 6 可以看出， HadGEM2-ES和 MIROC5 模式预估的未来不同重现期下洪峰流量都将增大，尤其是重现期为 100 a 时增加幅度最明显，增加幅度为 10.54 ～ 21.40。这说明在 RCP6.0 情景下，未来极端洪水洪峰流量增加的可能性较大。4 结论与展望本文构建了适用于澜沧江流域径流模拟的VIC 模型，用 4 种气候模式输出数据耦合 VIC 模型以评估它们在澜沧江流域极端洪水模拟中的适用性，并预估了流域未来时期极端洪水变化情势，主要结论如下。1 构建的澜沧江流域 VIC 模型在日、月尺度上，无论是率定期还是检验期， NSE 都较高，Er 控制在 2 以内，说明 VIC 模型对澜沧江流域的径流模拟具有较好的适用性，可以将 VIC 模型应用于该区域的极端径流模拟。2 历史时期，对年最大洪峰流量、 3 d 最大洪量模拟时， HadGEM2-ES 和 MIROC5 两种模式的模拟结果与实测最接近，而 GFDL-ESM2M 和IPSL-CM5A-LR 模式的模拟结果明显高于实测。此外，基于 HadGEM2-ES 和 MIROC5 模式输出数据驱动模型模拟出的洪峰洪量频率分布曲线与实测曲线最接近， HadGEM2-ES 和 MIROC5 两种模式在澜沧江流域极端径流的模拟效果较好。3 在 RCP2.6 情景下，澜沧江流域未来年均水资源量没有明显变化，可能会有略微的增加。在极端径流方面，洪峰、洪量、极端洪水频率和强度不确定性较大。在 RCP6.0 情景下，未来时期年均水资源量有较大可能增加。流域未来时期洪峰、洪量增加的可能性较大，极端洪水频次、强度也较大可能增加，极端洪水所带来的挑战将会更加严峻。本文在利用 VIC 模型开展未来时期的径流预估时，除气象驱动数据是由模式计算结果提供外，土壤数据、植被覆盖等资料采用的是历史时期数据，这与未来的实际情况必然不同，因此会给分析结果带来一定的不确定性。参考文献IPCC. Climate change 2013 the physical science basis [M]. Cambridge Cambridge University Press, 2014 1549沈永平 , 王国亚 . IPCC 第一工作组第五次评估报告对全球气候变化认知的最新科学要点 [J]. 冰川冻土 , 2013, 35 5 1068-1076Alexander L V, Zhang X, Peterson T C, et al. Global observed changes in daily climate extremes of temperature and precipitation [J]. Journal of Geophysical Research Atmospheres, 2006, 111 D5 1042-1063Frich P, Alexander L V, Della-Marta P, et al. Observed coherent changes in climatic extremes during the second half of the twentieth century [J]. Climate Research, 2002, 19 3 193-212Milly P C, Wetherald R T, Dunne K A, et al. Increasing risk of great floods in a changing climate [J]. Nature, 2002, 415 6871 514-517陈晓晨 . CMIP5 全球气候模式对中国降水模拟能力的评估 [D]. 北京 中国气象科学研究院 , 2014祁正洪 . 西双版纳澜沧江流域暴雨洪水特征与减灾对策 [J]. 人民珠江 , 2008, 29 5 42-43Garner G, van Loon A F, Prudhomme C, et al. Hydroclimatology of extreme river flows [J]. Freshwater Biology, 2015, 60 12 2461-2476Remesan R, Bellerby T, Frostick L. Hydrological modelling using data from monthly GCMs in a regional catchment [J]. Hydrological Processes, 2014, 28 8 3241-3263Sorribas M V, Paiva R C D, Melack J M, et al. Projections of climate change effects on discharge and inundation in the Amazon Basin [J]. Climatic Change, 2016, 136 3-4 1-16Hoang L P, Lauri H, Kummu M, et al. Mekong River flow and hydrological extremes under climate change [J]. Hydrology in the scenario of RCP2.6, the average annual runof