EN中文

Resources Science >

2021 , Vol. 43 >Issue 12: 2428 - 2441

DOI: https://doi.org/10.18402/resci.2021.12.06

Contributions of climatic variation and human activities to streamflow changes in the Lancang-Mekong River Basin

  • LI Renzhi , 1, 3 ,
  • HUANG Heqing , 2, 3 ,
  • YU Guoan 2 ,
  • YU Hong 4
Expand
  • 1. National Institute of Natural Hazards, Ministry of Emergency Management of the People’s Republic of China, Beijing 100085, China
  • 2. Key Laboratory of Water Cycle and Reated Land Surface Process, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 3. University of Chinese Academy of Sciences, Beijing 100049, China
  • 4. Zhongke Xingtu Co., Ltd, Beijing 101399, China

Received date: 2021-05-13

  Request revised date: 2021-08-25

  Online published: 2022-02-25

Fold

Abstract

As a cross-border river that connects six countries, the streamflow changes of the Lancang-Mekong River Basin (LMRB) are closely related to the socioeconomic development and production and life style of the countries in this basin. In order to systematically understand the changes of surface water resources in the LMRB, this study analyzed the trend and abrupt change characteristics of streamflow and quantitatively determined the influence of climate and human activities on streamflow in the basin based on the streamflow and meteorological data from 1961 to 2015. The main conclusions are as follows: (1) At the annual scale, the streamflow of the Jiuzhou Station didn’t show a significant trend from 1961-2010. However, there was a significant decreasing trend at the Yunjinghong Station from 1961-2014. The average streamflow of the Vientiane Station and the Stung Treng Station both showed a trend from decline to rise. At the seasonal scale, the variation trend of streamflow was consistent with that at the annual scale in both the dry and rainy seasons. The variation range of streamflow was small in the dry season but large in the rainy season. (2) The main period of abrupt change occurred in 1998-2000, so the streamflow change period of the four areas (Jiuzhou above, Jiuzhou-Yunjinghong, Yunjinghong-Vientiane, and Vientiane-Stung Treng basins) was divided into before and after 2000. (3) The impact of climate change on streamflow in the LMRB decreased from the upper reaches to the lower reaches (except the delta region) and the impact of human activities increased gradually. The impact of human activities on streamflow in the dry season was greater than that in the rainy season. The variation of streamflow was mainly affected by precipitation in the LMRB while the streamflow at the Stung Treng Station was mainly affected by human activities after 2000.

Key words： streamflow change; climatic variation; human activities; SWAT; water resource; spatiotemporal variation; Lancang-Mekong River

Cite this article

LI Renzhi , HUANG Heqing , YU Guoan , YU Hong . Contributions of climatic variation and human activities to streamflow changes in the Lancang-Mekong River Basin[J]. Resources Science, 2021 , 43(12) : 2428 -2441 . DOI: 10.18402/resci.2021.12.06

1 引言

随着大湄公河次区域（Greater Mekong Subregion,GMS）社会经济的快速发展和澜沧江—湄公河（澜湄）合作机制的建立,特别是近年来在“一带一路”倡议的推动下,澜湄区域日益成为世界关注的热点区域。其中,作为澜湄区域内各国合作中的重要内容,地表水资源的变化越来越受到广泛的重视[1,2,3]。气候变化和人类活动是影响地表水资源的两大主要因素。由于受到东亚和南亚季风作用的影响,澜湄流域降雨量和地表水资源空间分布十分不均,澜沧江北部年降雨量只有400~800 mm,而老挝南部、柬埔寨和越南山区边缘的年降雨量最高可达3000 mm[4,5,6]。极端气候现象导致的旱涝灾害时有发生,如2011年泰国持续暴雨引发的洪水共造成逾500人死亡,1300多万人受灾[7]。2020年湄公河委员会发布的报告指出,湄公河流域正在经历连续两年的低径流情况,严重的干旱对流域内国家的生活用水、农业灌溉、陆地和水运生态系统等产生了严重影响[8]。澜湄流域国家的人口增长、经济活动和土地利用变化（如城市化）也对该流域的地表水资源产生了直接或间接的影响。资料显示,湄公河流域的人口数量由1991年的1.73亿增长至2016年的2.36亿,增幅达到36%,GDP总量由1041亿美元增长至7346亿美元,增幅超过600%[9,10]。人口和经济增长的同时林地面积却大幅度减少,以泰国为例,2003—2016年林地减少了1848.54 km2,其中大部分转化为了耕地、居民用地和草地,导致降雨无法快速下渗,森林蓄水能力下降,洪水增多[11]。此外,澜湄流域中上游进行的水电站建设、水资源利用等人类活动也可能造成澜湄流域地表水资源的变化。
气候变化和人类活动对流域水资源变化的影响虽然众所周知,但这两个驱动因素的影响程度在不同流域差别极大。宁怡楠等[12]利用Mann-Kendall趋势检验和Budyko水热平衡方程等方法分析了1960—2015年间黄河中游河龙区间4个典型流域气候变化和人类活动对流域径流变化的作用,结果表明：1980—1999年气候变化对径流减少的贡献率达64%~76%,2000—2015年人类活动对径流减少的贡献率达71%~88%。Jha等[13]利用区域气候模式（RCM）和SWAT水文模型进行耦合,对气候变化对密西西比河上游流域径流的影响进行了评估,结果显示耦合模型模拟的未来降雨量增加21%,降雪增加18%,地表径流增加51%,密西西比河上游流域年净水量增加50%,气候变化将是影响该区域径流变化的主要因素。Li等[14]根据近30~50年的径流观测资料,对世界上流域面积超过1000 km2的大江大河进行了研究,结果表明,气候变化尤其是降雨的变化是导致世界上71%的大江大河径流变化的主要因素,其中北亚和北欧区域大多数大型河流受降雨影响较为显著;而北非、北美洲中西部以及东亚区域人类活动频繁,大型水利设施的建设和过度灌溉等活动都可能对径流产生一定的影响。
在澜湄流域也有部分专家学者进行了相关研究。Tang等[15]采用BP-ANN（Back-Propagation Artificial Neural Network）模型还原了澜沧江流域的天然径流,并计算出年、季和月尺度的气候变化和人类活动的影响程度,结果表明,年尺度上人类活动贡献率为54.6%,略高于气候变化的贡献;季节尺度上,旱季人类活动影响更大,雨季气候变化影响更大。Wang等[16]通过将大尺度分布式水文模型GBHM（Geomorphology-Based Hydrological Model）与水库管理模型SOP进行耦合,分析了水坝建设与气候变化对澜沧江—湄公河流域洪水的影响,发现受气候变化的影响,该区域洪水的频率和强度都有所增强,而水库的调度有助于降低洪水致灾的风险。Tatsumi等[17]运用VIC（Variable Infiltration Capacity）模型模拟并分析了农业灌溉引水对湄公河流域地表水资源的影响,得出河道和水库径流量在取水月份导致总径流量下降约32%。Li等[18]利用SWAT水文模型定量评估了温室气体浓度排放情景RCPs（Representative Concentration Pathway Scenario）为2.6,4.5和8.5的条件下,气候变化对蒙河（湄公河主要支流之一）径流的影响,结果表明2020—2093年蒙河径流在3种气候情景下的年径流量将分别增长10.5%、20.1%和23.2%。在这些研究中,有些将澜沧江和湄公河分隔成不同的流域,忽视了澜湄部分区域与整体的时空联系,另一些则只关注了人类活动影响中的某一个方面,如水库和灌溉,且开展的研究期相对较短,模型率定数据不够充足。
为深入系统了解澜湄流域地表水资源的时空变化特性及其主要影响因素,本文将长系列气象站点和网格数据、土地覆被类型数据、土壤数据等多源数据进行融合,构建了反映澜湄流域特性的气象-土壤-水文数据库和SWAT水文模型,然后对1961—2015年间澜湄流域各区域气候变化和人类活动对径流变化的影响进行定量评估。本文不仅可为整个澜湄流域的水资源配置、合理开发方式和可持续利用模式等方面的决策提供科技支撑,也有助于促进区域和谐发展、澜湄合作计划和“一带一路”倡议在中南半岛的顺利开展。

2 研究区域概况

澜沧江—湄公河（8°N—34°N,94°E—108°E）属太平洋水系,是世界第七长河、亚洲第三长河、东南亚第一长河。发源于青海省玉树藏族自治州杂多县,流经西藏、云南,于云南省西双版纳州勐腊县流出国境,顺次流经缅甸、老挝、泰国、柬埔寨,最终在越南胡志明市西南部汇入南海。其中,澜沧江为位于中国境内的河段,湄公河为中国境外的河段（图1）。澜湄流域全长4880 km,整体面积79.5万km2。其中,澜沧江干流河长2161 km,流域面积为16.5万 km2,占澜湄全流域面积的20.7%;湄公河干流河长2668 km,流域面积约63.0万km2,占澜湄全流域面积的79.3%[19]。
图1 澜沧江—湄公河流域地理位置及水文站点分布

注：基于自然资源部标准地图服务网站GS（2016）2887号标准地图制作,底图边界无修改。

Figure 1 Location of the Lancang-Mekong River Basin and the distribution of hydrological stations

澜沧江流域总体地势西北高、东南低,由北向南呈条带状分布。流域内地形起伏剧烈,北部隔唐古拉山与长江上游通天河毗邻,东部以宁静山、云岭山脉和无量山作为与金沙江、红河的分水岭,西部隔怒山山脉与怒江大致并行南下[20]。河源处于青海杂多县域内,西藏昌都区域为上游河段,昌都以上流域均属青藏高原,平均高程超过4500 m,除高大雪峰屹立外地势较为平缓,具有平浅河谷特征;昌都至云南四家村（旧州水文站以南约80 km）为中游,属高山峡谷区,河谷狭窄并深切于横断山脉之间,相对高差达2000 m左右;四家村至勐腊出境处为下游,下游地势平缓河道呈束放状,高程2500 m左右[21]。
湄公河流域地形主要由北部高原、安南山脉（Annamese Mountains）、南部高地、呵叻高原（Korat Plateau）和湄公河平原组成。北部高原包括老挝北部、泰国黎府（Loei）和清莱（Chiang Rai）省山区,高程达1500~2800 m,只有少量的高地平原和河谷冲积台地;安南山脉从西北向东南延伸约800 km,北部和中部的山坡较陡,南部为丘陵地区;南部高地包括柬埔寨的豆蔻山脉,东面为绵延山地,西南为丘陵地;呵叻高原包括泰国东北部和老挝的一部分,为长宽各约500 km的蝶状山间盆地,支流蒙河（Mun）和锡河（Chi）流经这里;湄公河平原为大片低地,包括位于柬埔寨和越南的三角洲地区[22]。
受季风气候的影响,澜湄流域的气候主要分为雨季和旱季两个季节。5—10月为雨季,主要受西南季风影响,潮湿多雨;旱季从11—次年4月,主要受东北季风影响,气温较低,降水量较少[23]。降水量的年内分配很不均匀,雨季降水量约占年降水量的 85%以上。年降水量变化由澜沧江北部的400~800 mm向南逐步递增到老挝南部、柬埔寨和越南山区边缘的3000 mm以上。气温变化也较大,澜沧江流域上游平均气温在-3~3 ℃之间,中游在12~15 ℃之间,下游在15~18 ℃之间;与澜沧江流域相比,湄公河流域气温变化幅度较小,3—4月流域气温最高,平均气温在30 °C以上,11—12月气温最低,平均气温在20 ℃以上[24]。
由于缺少湄公河上丁水文站以下的实际水文气象观测资料,本文以自澜沧江源头至湄公河上丁水文站的澜湄流域为研究区。基于流域的自然地理和社会经济特征,本文将研究区划分为4个区域,其中,澜沧江流域划分成2个区域,分别是旧州水文站以上至澜沧江源头区域,简称旧州以上区域;旧州水文站—允景洪水文站区域,简称旧允区域;澜沧江流域也划分成2个区域,分别是允景洪水文站—老挝万象水文站区域,简称允万区域;老挝万象水文站—柬埔寨上丁水文站区域,简称万上区域。这些区域的划分反映了澜湄流域气象水文变化特征的空间差异性,有利于定量评估不同区域气候变化和人类活动对流域径流的影响程度。

3 研究方法

3.1 数据来源及处理

①气象数据。降雨数据来自中国气象数据共享服务网站提供的1961—2015年澜沧江流域32个气象站点（图2）的日气象数据。平均温度数据来自日本气象厅发布的1961—2015年亚洲日高分辨率气象网格数据（APHRODITE,0.25°×0.25°）。最高和最低温度数据采用美国国家海洋和大气管理局（NOAA）的全球地表日数据（GSOD）和全球历史气候网络数据（GHCND）的站点实测数据。蒸散发数据根据Penman-Monteith公式计算获得。②水文和地形。径流实测数据来源于云南大学和湄公河委员会网站。90 m分辨率数字高程模型（DEM,2007）数据获取自USGS（United States Geological Survey）网站（ https://www.usgs.gov）;③土地覆被和土壤。澜沧江流域1980—2015年土地覆被数据由中国科学院地理科学与资源研究所制作（约每5年一期）,湄公河流域的1987—2015年土地覆被数据下载于国际山地综合发展中心网站（ http://servir.icimod.org）;澜湄流域土壤数据来源于世界土壤库HWSD（Harmonized World Soil Database）中国区和东南亚区域。观测站点数量少、数据序列缺失、数据来源和尺度不同给系统分析和后续的建模分析造成了很大的困难。为解决这一难题,本文确定了数据输入格式为站点+网格形式,即每个观测站和每个网格站点下包含1组数据（包括降雨、温度、蒸散发、DEM、土壤和土地覆被数据等）的形式。
图2 澜沧江—湄公河流域气象站点分布

注：基于自然资源部标准地图服务网站GS（2016）2887号标准地图制作,底图边界无修改。

Figure 2 Distribution of meteorological stations in theLancang-Mekong River Basin

澜沧江流域相较于湄公河流域而言,观测站点较多、数据较丰富,故以观测站为单位,湄公河流域则以网格数据为单位。为解决湄公河流域APHRODITE气象网格数据中缺少最高温、最低温的问题,对GSOD和GNCND数据进行空间克里金插值,将其插值为与APHRODITE数据相匹配的0.25°×0.25°的网格数据,然后再根据经纬度信息加以提取。
与反距离加权法相似,空间克里金法采用加权法对未知位置的值进行插值,首先,以半方差为测度计算采样点之间的距离,绘制半方差图并找出与之拟合最好的变异函数模型;然后,用拟合的模型计算出模型参数,估算出插值点的属性值。克里金法不仅考虑了目标点与给定点之间的位置关系,而且考虑了变量之间的空间相关性[25,26]。
克里金法利用给定的函数在其他点处的值{P1（m1,n1）,P2（m2,n2）,…,Px（mx,nx）},估计未知函数Z在点（mi,ni）处的真实值。假设克里金预测曲线是线性的,预测值Z（m,n）是一个线性组合,可写为：
Z ( m , n ) = ∑ i = 1 x γ i Z ( m i , n i )
ε m , n = F m , n - ∑ i = 1 x γ i Z ( m i , n i )
其中,随机误差F（m,n）满足无偏估计的条件为：
E Z 0 ¯ - Z 0 = 0
式中： γ i为第i个位置处的预测值的权重; ε m , n为点 m , n处的最小误差; E ⋅为数学期望值; Z 0 ¯和 Z 0 ¯为随机变量。

3.2 研究区SWAT水文模型构建

SWAT（Soil and Water Assessment Tool）模型是由美国农业部布莱克兰德研究与推广中心于20世纪90年代初期研发的半分布式流域水文模型,用于评估大型复杂流域内土地管理措施对水土流失的影响[27]。SWAT模型主要对陆面水循环过程和水面水循环过程进行模拟,其中水循环的陆面部分即产流和坡面汇流部分,包括气候、水文、土地覆盖和植被生长、土壤侵蚀等过程,而水循环的水面部分,即河网汇流部分,主要考虑水、沙和营养物（N、P）等在河网中,特别是在主河道中的输移过程[28]。
3.2.1 SWAT模型数据库的构建
（1）模型数据库的建立
首先,将流域的DEM、气象站点、水系、土壤类型（图3a）、土地覆被类型（图3b）等数据编辑输入SWAT模型空间数据库;将气象数据序列、径流数据、土地属性、土壤属性数据输入到模型属性数据库,并建立数据库信息与模型参数之间的索引。
图3 澜沧江—湄公河流域水文模型子流域划分

注：基于自然资源部标准地图服务网站GS（2016）2887号标准地图制作,底图边界无修改。图a由于土壤类型分类非常多,仅列出面积最大的5种土壤类型。

Figure 3 Subbasin division by the Soil and Water Assessment Tool (SWAT) hydrological model in the Lancang-Mekong River Basin

（2）流域划分
基于已建立的澜湄流域数据库资料,通过对数据库中DEM数据的提取,生成澜湄流域水系网络,结合土壤类型、土地覆被类型和坡度值设定,将澜湄流域共划分为35个子流域和311个水文响应单元,如图3c所示。
3.2.2 模型的率定和验证
本文遵循SWAT水文模型的率定方法,采取“先支流后干流,先上游后下游”的逐级率定方法进行率定,采用LH-OAT（Latin-Hypercube & One factor-At-a-Time）分析方法进行参数敏感性分析。假设模型中有P个待分析参数（p=1, 2, ⋯, P）,首先根据LH抽样思想将这些参数空间划分为N层,然后分别在每个层里进行1次抽样,再根据OAT方法针对每个LH抽样参数组进行参数改变,并记录每次微小改变前后参数的变化情况[29,30]。具体方法为：
G S j = M 1 - M 2 M 1 + M 2 2 ∆ e j , k e j , k
式中：GSj为全局敏感度值;M(·)为第k个LH抽样集合的指标函数,其中 M 1 = e 1 , k , … , e j , k + ∆ e j , k , … , e p , k, M 2 = e 1 , k , … , e j , k , … , e p , k;ej,k为第j个参数在第k个LH抽样层中的取值;Δej,k为参数ej,k的某次扰动。全局敏感度值GSj的分类标准见表1
表1 敏感性分类

Table 1 Sensitivity classification

分类等级 敏感度划分范围 敏感分类
1 0.00≤∣GSj∣<0.05 不敏感
2 0.05≤∣GSj∣<0.20 一般敏感
3 0.20≤∣GSj∣<1.00 敏感
4 1.00≤∣GSj∣ 极敏感
在进行天然径流模拟之前,需要对模型在研究流域的模拟能力进行评估。为此,本文选择Nash-Sutcliffe效率系数（NSE）、确定性系数（R2）和百分比偏差（PBIAS）来评价模型在率定和验证中的模拟精度。具体方法为：
NSE = 1 - ∑ d = 1 y ( Q 0 - Q s ) 2 ∑ d = 1 y ( Q 0 - Q 0 , ave ) 2
R 2 = ∑ d = 1 y ( Q 0 , d - Q 0 , ave ) ( Q 0 , d - Q 0 , ave ) 2 ∑ d = 1 y ( Q 0 , d - Q 0 , ave ) 2 ∑ d = 1 y ( Q s , d - Q s , ave ) 2
PBIAS % = ∑ d = 1 y ( Q 0 - Q s ) ∑ d = 1 y Q 0
式中： Q 0和 Q s分别表示时间步长d的实测和模拟流量（m3/s）; Q 0 , ave和 Q s , ave分别表示模拟期间实测和模拟的平均流量（m3/s）。

3.3 气候变化和人类活动对流域径流影响的定量评估方法

根据水文模型计算原理,基准（参考）期和变化期观测径流量的差异,即 ∆ Q tot,是气候变化和人类活动共同作用的结果,而两个时期还原的天然径流量差异,即 ∆ Q c,则反映了气候变化的影响[15,31]。因此,气候变化和人类活动对澜湄流域径流变化的贡献量可以用以下公式进行定量计算：
Δ Q tot = Q co - Q ro = Δ Q c + Δ Q h
Δ Q c = Q cr - Q rr
η c = Δ Q c Δ Q tot × 100 %
η h = Δ Q h Δ Q tot × 100 % = 1 - η c
式中：Qco和Qro分别为变化期和参考期的观测平均径流量;ΔQh代表人类活动对径流的影响;Qcr和Qrr分别为变化期和参考期的天然平均径流量; η c和 η h分别为气候变化和人类活动对径流影响的贡献率。

4 结果与分析

4.1 径流基准期和变化期划分

对澜湄流域主要水文测站径流序列的累积距平变化进行分析,结果如图4。对比图中4个水文站的累积径流值的年际、季节变化曲线可以看出,旧州站1966—1980年、允景洪站2000—2014年、万象站和上丁站1986—1999年,径流累积距平值发生持续且明显下降。考虑到以上径流变化情况,选取1980年和1986年分别作为旧州站和旧州以下各站观测径流发生变化的起始年,这一结果也与前人研究发现相一致[15,16,30]。为便于分析,统一选取受人类活动影响较小的1961—1980年为径流变化和水文模型率定的基准期,并根据各水文站径流累积距平变化的具体情况将各水文站的径流变化期分为A和B,具体为：旧州站的变化期A、B分别为：1981—1997年和1998—2010年;允景洪站的变化期A、B分别为：1986—2000年和 2001—2014年;万象站的变化期A、B分别为：1986—1999年和2000—2006年;上丁站的变化期A、B分别为：1986—1999年和2000—2015年。
图4 1961—2015年旧州、允景洪、万象和上丁站径流累积距平变化曲线

Figure 4 Cumulative anomaly variation of the streamflow at Jiuzhou, Yunjinghong, Vientiane, and Stung Treng stations, 1961-2015

4.2 水文气象要素变化趋势分析

如图5和表2所示,利用Mann-Kendall非参数趋势检验法对1961—2015年澜湄流域旧州、允景洪、万象和上丁4个水文站的年际径流与旧州、旧允、允万和万上4个区域的年降雨数据序列进行趋势检测。旱季和雨季数据序列整理结果如图6和图7所示,每10年的径流平均值在图中用虚线表示。随机序列近似服从标准正态分布,统计检验值Z的正（负）值表示增加（减少）的趋势。采用双边检验,在а=0.10、0.05和0.01显著性水平下,如果 Z> Z 1 - a 2=1.645、1.960和2.576,则拒绝无趋势假设,表明径流时间序列分别通过了90%、95%和99%的置信检验。
图5 1961—2015年澜湄流域水文站径流和区域降雨年际变化

Figure 5 Variations of annual streamflow and precipitation in the Lancang-Mekong River Basin, 1961-2015

表2 澜湄流域水文气象要素Mann-Kendall趋势检测结果

Table 2 Trend test results for the hydro-climatic factors in the Lancang-Mekong River Basin

区域 时间
尺度		 径流 降雨
基准期 变化期A 变化期B 基准期 变化期A 变化期B
Z值 趋势 Z值 趋势 Z值 趋势 Z值 趋势 Z值 趋势 Z值 趋势
旧州
以上
区域		 年际 -1.07 -3.3 +0.37 1.57 -1.66* -6.96 -0.22 -8.00 +0.12 3.47 -2.26** -91.39
旱季 -0.55 -0.81 +1.36 0.48 -1.40 -0.67 +1.91 14.40 +0.70 8.41 +0.18 7.80
雨季 -0.81 -3.34 +0.37 1.11 -1.65* -6.41 -0.29 -21.15 +0.04 -4.94 -2.87** -99.19
旧允
区域		 年际 -1.46 -4.64 +0.99 5.73 -2.52** -13.56 -1.2 -35.88 +1.98** 78.27 -2.41** -133.81
旱季 -0.98 -0.50 +0.69 0.93 -0.99 -1.35 -0.29 -7.29 0.00 3.74 -0.88 -19.33
雨季 -1.20 -4.17 +0.89 4.90 -0.88 -3.27 -0.94 -28.59 +1.68* 74.53 -2.08** -114.48
允万
区域		 年际 -0.49 -3.23 +1.64 20.95 -0.90 -80.51 +0.55 50.45 +0.99 143.61 -0.30 -92.65
旱季 -1.65* -2.87 +0.66 1.73 -1.80* -14.87 +0.36 1.93 +0.33 26.09 0.00 38.57
雨季 -0.42 -0.36 +1.86* 19.22 -1.20 -65.64 +0.49 48.55 +0.99 117.52 -0.60 -131.22
万上
区域		 年际 -1.72* -31.87 +1.09 54.66 -0.86 -32.95 +1.01 18.60 +1.31 130.97 -0.77 -108.89
旱季 -1.33 -4.69 +1.65* 17.18 -0.41 -2.04 +0.03 4.11 +2.19** 117.17 +0.50 10.07
雨季 -1.52 -27.19 +0.66 37.48 -0.99 -30.91 +0.23 14.49 0.00 13.80 -1.13 -118.95

注：*、**分别表示通过0.10和0.05水平显著性检验。降雨量变化趋势单位为mm/10 a,径流量变化趋势单位为109 m3/10 a。

图6 1961—2015年澜湄流域旱季水文站径流和区域降雨变化

Figure 6 Variations of annual streamflow and precipitation during the dry season in the Lancang-Mekong River Basin, 1961-2015

图7 1961—2015年澜湄流域雨季水文站径流和区域降雨变化

Figure 7 Variations of annual streamflow and precipitation during the rainy season in the Lancang-Mekong River Basin, 1961-2015

在年尺度上（图5和表2）,旧州站1961—2010年总体径流变化不明显,变化期A（1981—1997年）径流呈上升趋势,变化期B（1998—2010年）径流呈显著下降趋势（达到90%的显著性水平）;允景洪站总体径流呈下降趋势,在变化期A（1986—2000年）呈上升趋势,在变化期B呈显著下降趋势（达到95%的显著性水平）;万象站径流总体呈下降趋势,在变化期A（1986—1999年）呈上升趋势,在变化期B（2000—2006年）呈下降趋势;上丁站径流总体呈上升趋势,在变化期A（1986—1999年）呈上升趋势,在变化期B（2000—2015年）呈下降趋势。季节尺度上（图6和图7）,各区域旱、雨季径流变化趋势与年尺度基本一致,旱季径流在万象站下降趋势显著,在上丁站上升趋势显著,其他水文站变化较小;雨季径流在旧州站下降趋势显著,在万象站上升趋势显著,其他水文站变化较小。
在年尺度上,降雨和径流相关性计算结果表明,旧州以上区域平均降雨变化与径流变化的相似度达到0.91;旧允区域降水与径流的相似度为0.74,允万区域为0.65,但万上区域仅为0.17。在季节尺度上,旱季（11月—次年4月）全流域径流变化趋势较为一致,均在变化期A呈上升趋势,在变化期B呈下降趋势,因降雨较少,径流变化幅度不大,全流域降雨与径流变化的相似度均超过0.5;雨季（5—10月）4个水文站的径流变化趋势与年变化较为一致,区域降雨与径流的相关性自上游到下游逐步减弱。

4.3 天然径流过程模拟

以1961—1980年和1981—2015年为澜湄流域SWAT水文模型的校准和验证周期,其中1961—1963年为模型预热期。采用人类活动影响较小的1990年土地覆被数据作为模型下垫面输入数据,有利于对天然径流进行还原;选用1981—2015年35年长时段径流数据进行验证,相较于其他使用2~3年数据作为验证期的模拟更加准确和充分[32,33,34]。图8为旧州站、允景洪站、万象站和上丁站在校准和验证期间观测和模拟的月降雨量和月均流量。
图8 SWAT模型对4个水文站1964—2015年月流量的率定和验证

Figure 8 Calibration and validation results of the Soil and Water Assessment Tool (SWAT) model for the monthly average streamflow at four hydrological stations based on the flow data measured during 1964-2015 in line with the monthly average precipitation

基于基准期数据对SWAT模型进行率定后,保持模型参数不变,利用径流变化期的气象数据模拟径流变化期的天然径流,并使用NSC、R2和PBIAS值来评估SWAT模型的适用性。在旧州、允景洪、万象和上丁站的率定期NSC值分别为0.75、0.80、0.88和0.75。在验证期,NSC值分别为0.71、0.75、0.82和0.72,且R2均大于0.84,PBIAS均小于10%。根据以往研究的建议,水文模型模拟结果NSC >0.50,R2>0.6,PBIAS<20%,说明模型的模拟程度较好[20,35]。因此,本文所构建的澜湄流域SWAT模型可以用于定量评估澜湄流域气候变化和人类活动对径流变化的影响程度。

4.4 气候变化和人类活动对径流的影响程度

在年时间尺度上（图5）,旧州站基准期（1961—1980年）平均径流量为29.82×109 m3,变化期径流量变化较小,变化期A（1981—1997年）和变化期B（1998—2010年）的平均径流量分别为29.51×109 m3和32.14×109 m3;允景洪站基准期平均径流量为57.8×109 m3,变化期径流量减小较明显,变化期A（1981—2000年）和变化期B（2001—2014年）的平均径流量分别为56.15×109 m3和48.69×109 m3;万象站基准期平均径流量为147.54×109 m3,变化期径流呈先减小后增大变化,变化期A（1986—1999年）和变化期B（2000—2006年）的平均径流量分别为129.24×109 m3和145.68×109 m3;上丁站基准期平均径流量为415.78×109 m3,变化期径流呈先减小后增大变化,变化期A（1986—1999年）和变化期B（2000—2015年）的平均径流量分别为385.17×109 m3和462.86×109 m3。
季节尺度上,旱季旧州站基准期（1961—1980）平均径流量为5.98×109m3,变化期径流量略有增大,变化期A和B的平均径流量分别为6.15×109 m3和6.56×109 m3;旱季允景洪站基准期平均径流量为13.39×109 m3,变化期径流量略有减小,变化期A和B平均径流量分别为13.07×109 m3和12.12×109 m3;旱季万象站基准期平均径流量为33.8×109 m3,变化期径流呈先减小后增大变化,变化幅度较小,变化期A和B平均径流量分别为29.64×109 m3和32.41×109 m3;旱季上丁站基准期平均径流量为69.05×109 m3,变化期径流呈先小幅度减小后大幅度增大变化,变化期A和B平均径流量分别为66.75×109 m3和76.8×109 m3。雨季旧州站基准期平均径流量为24.04×109 m3,变化期径流变化较小,变化期A和B平均径流量分别为23.5×109 m3和25.7×109 m3;雨季允景洪站基准期平均径流量为44.7×109 m3,变化期径流略有减小,变化期A和B平均径流量分别为43.28×109 m3和40.03×109 m3;雨季万象站基准期平均径流量为113.74×109 m3,变化期径流呈先减小后增大变化,变化期A和B平均径流量分别为99.6×109 m3和113.27×109 m3;雨季上丁站基准期平均径流量为346.73×109 m3,变化期径流呈先减小后增大变化,变化期A和B平均径流量分别为318.43×109 m3和386.06×109 m3。
根据公式（8）-（11）,通过对比变化期与基准期的实测径流和模拟径流数值,分别在年和季节时间尺度上对气候变化和人类活动影响径流变化的程度进行量化分析,结果如图9所示。在年尺度上,旧州以上区域人类活动对径流变化的贡献率在A、B两个变化期并无明显变化,分别是11.4%和10.3%。虽然该区域人类活动的影响远小于气候变化的影响,但高寒草原生态环境（图9a）较为脆弱;旧允区域在变化期A（1986—2000）和变化期B（2001—2014）人类活动的贡献率分别为17.5%和17.1%（图9b）,主要原因是该区域人口、耕地和水利工程均较多,因此人类活动影响程度略高于旧州以上区域,但人类活动的影响仍远低于气候变化影响;允万和万上区域在变化期A和B,人类活动的贡献率分别达到32.4%和59.1%,远高于旧州和旧允区域,尤其是在变化期B（2000年以后）（图9c,9d）。这些结果表明,人类活动在湄公河（除河口三角洲以外）流域的影响明显高于澜沧江流域,特别是在万上区域。在季节尺度上,澜湄流域人类活动对旱季径流变化的影响程度大于雨季,旧允区域变化期A（1986—2000）人类活动的贡献率在旱季占27.6%,雨季占13.1%;万上区域变化期A（1986—1999）人类活动的贡献率在旱季占56.1%,在雨季占22.8%。
图9 不同时段气候变化和人类活动对径流变化的贡献率

Figure 9 Contributions of climatic variation and human activities to annual and seasonal streamflow changes in different periods

5 结论与展望

5.1 结论

作为亚洲最大的跨境河流,澜湄（澜沧江—湄公河）不仅连接了地理、经济和文化差异显著的6个国家,而且在气候上跨越了高寒、温带和热带,使得澜湄流域深刻的受到气候变化和人类活动的共同影响。为了定量评估气候变化和人类活动对澜湄流域径流变化的影响,本文将多源数据进行融合整理,采用趋势分析和累积距平方法确定水文气象数据的变化趋势,建立了体现澜湄流域特性的SWAT水文模型,特别是根据地理属性上的差异程度,将研究区划分为4个区域,然后利用SWAT水文模型对径流进行还原,并在年、季时间尺度上辨析了气候变化和人类活动对流域径流变化的贡献程度。得到的主要结论为：
（1）年尺度上,1961—2015年澜湄流域径流量在旧州站变化趋势不明显,但在允景洪站呈显著减小趋势,万象站呈减小趋势,上丁站则呈增大趋势。季节尺度上,各水文站旱、雨季径流变化趋势与年尺度基本一致,旱季径流量在旧州站略有增大,而在允景洪站略有减小,在万象站和上丁站则呈先减小后增大变化,总体变化幅度均较小;雨季径流量在允景洪站明显减小,在万象站和上丁站呈先减小后增大趋势,总体变化幅度均较大。
（2）1961—1980年澜湄流域径流受人类活动影响较小,故选取该时段作为径流变化基准期;1998—2000年为全流域径流发生突变的集中期;因此,将各段流域径流的变化期划分为2000年之前和之后两部分。
（3）旧州、允景洪和万象站的变化期（1981—2015年）以及上丁站2000之前的径流变化主要受降雨的影响,但2000年以后上丁站径流的变化则主要受人类活动的影响。总体来说,澜湄流域气候变化对径流的影响程度自上游到下游（除三角洲区域）逐渐减小,人类活动的影响程度则逐渐加大,且对旱季径流的影响程度大于雨季。

5.2 展望

虽然本文对澜湄流域的气候、地形、土壤、植被等的时空变异性对流域径流的影响给予了一定的考虑,但对流域这些特性影响径流过程的参数取值及其敏感性和尺度效应还缺乏系统深入的分析,需要在今后的研究中给予强化。此外,人类活动对流域径流的影响有很多种方式,包括土地利用方式、农业灌溉、工业用水、生活用水等,影响机理和强度也各不相同,不仅与研究区的社会经济发展状况和方式有关,还与当地文化和习俗也有一定的关系。在未来研究中需要详细分析不同类型人类活动对流域径流的影响,以便更好地为澜湄流域水资源合理利用和社会经济可持续决策提供科技支撑。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
金珍. 大湄公河次区域经济合作与澜沧江-湄公河合作比较研究[D]. 昆明: 云南大学, 2018.

[ Jin Z. Comparative Study on Greater Mekong Subregion Economic Cooperation and Lancang-Mekong Cooperation[D]. Kunming: Yunnan University, 2018.]

[2]
左其亭, 韩春辉, 郝林钢, 等. “一带一路”主体路线及主体水资源区研究[J]. 资源科学, 2018, 40(5):1006-1015.

[ Zuo Q T, Han C H, Hao L G, et al. The main route and water resource areas of the Belt and Road initiative[J]. Resources Science, 2018, 40(5):1006-1015.]

[3]
黄冰. 大国竞争与区域合作[D]. 北京: 外交学院, 2020.

[ Huang B. Great Power Competition and Regional Cooperation[D]. Beijing: China Foreign Affairs University, 2020.]

[4]
李海川, 王国庆, 郝振纯, 等. 澜沧江流域水文气象要素变化特征分析[J]. 水资源与水工程学报, 2017, 28(4):21-27.

[ Li H C, Wang G Q, Hao Z C, et al. Characteristics analysis of hydrometeorological elements in Lancang River Basin[J]. Journal of Water Resources and Water Engineering, 2017, 28(4):21-27.]

[5]
李浩, 覃晖, 刘晓洁, 等. 澜湄合作机制下中柬水资源合作路径[J]. 资源科学, 2021, 43(5):987-995.

DOI

[ Li H, Qin H, Liu X J, et al. Pathway of Sino-Cambodia water resources cooperation under the Lancang-Mekong cooperation mechanism[J]. Resources Science, 2021, 43(5):987-995.]

[6]
Mekong River Commission. State of the Basin Report 2010[R]. Vientiane: Mekong River Commission, 2010.

[7]
刘丹. 泰国洪灾近况及影响分析[N]. 中国保险报, 2011, 11(002).

[ Liu D. Recent Situation and Impact Analysis of Flood in Thailand[N]. China Insurance News, 2011, 11(002).]

[8]
Mekong River Commission. Hydrological Conditions in the Lower Mekong River Basin in January-July 2020[R]. Vientiane: MRC Secretariat, 2020.

[9]
UN Population Division. World Population Prospects: The 2006 Revision[R]. New York: United Nations Population Division, 2007.

[10]
Jacobs J W. The Mekong River Commission: Transboundary water resources planning andregional security[J]. The Geographical Journal, 2002, 168(4):354-364.

DOI

[11]
Li R Z, Huang H Q, Yu G A, et al. Trends of runoff variation and effects of main causal factors in Mun River, Thailand during 1980-2018[J]. Water, 2020, DOI: 10.3390/w12030831.

DOI

[12]
宁怡楠, 杨晓楠, 孙文义, 等. 黄河中游河龙区间径流量变化趋势及其归因[J]. 自然资源学报, 2021, 36(1):256-269.

[ Ning Y N, Yang X N, Sun W Y, et al. The trend of runoff change and its attribution in the middle reaches of the Yellow River[J]. Journal of Natural Resources, 2021, 36(1):256-269.]

[13]
Jha M, Pan Z, Takle E S, et al. Impacts of climate change on streamflow in the upper Mississippi River Basin: A regional climate model perspective[J]. Journal of Geophysical Research: Atmospheres, 2004, DOI: 10.1029/2003JD003686.

DOI

[14]
Li L, Ni J R, Chang F, et al. Global trends in water and sediment fluxes of the world’s large rivers[J]. Science Bulletin, 2020, 65(1):62-69.

DOI

[15]
Tang J, Yin X A, Yang P, et al. Assessment of contributions of climatic variation and human activities to streamflow changes in the Lancang River, China[J]. Water Resources Management, 2014, 28(10):2953-2966.

DOI

[16]
Wang W, Lu H, Ruby Leung L, et al. Dam construction in Lancang-Mekong River Basin could mitigate future flood risk from warming-induced intensified rainfall[J]. Geophysical Research Letters, 2017, DOI: 10.1002/2017GL075037.

DOI

[17]
Tatsumi K, Yamashiki Y. Effect of irrigation water withdrawals on water and energy balance in the Mekong River Basin using an improved VIC land surface model with fewer calibration parameters[J]. Agricultural Water Management, 2015, 159:92-106.

DOI

[18]
Li C Y, Fang H Y. Assessment of climate change impacts on the streamflow for the Mun River in the Mekong Basin, Southeast Asia: Using SWAT model[J]. CATENA, 2021, DOI: 10.1016/j.catena.2021.105199.

DOI

[19]
何大明. 澜沧江-湄公河水文特征分析[J]. 云南地理环境研究, 1995, (1):58-74.

[ He D M. Analysis of hydrological characteristcs in Lancang Mekong River[J]. Yunnan Geographic Environment Research, 1995, (1):58-74.]

[20]
阮云峰. 湄公河流域径流对气候变化和人类活动的响应研究[D]. 北京: 中国科学院大学, 2019.

[ Ruan Y F. Study on the Response of Runoff to Climate Change and Human Activities in the Mekong River Basin[D]. Beijing: University of Chinese Academy of Sciences, 2019.]

[21]
唐海行. 澜沧江-湄公河流域的水资源及其开发利用现状分析[J]. 云南地理环境研究, 1999, (1):16-25.

[ Tang H X. Water resources in the Langcang-Mekong River Basin and analysis on the present situation of it’s utilization[J]. Yunnan Geographic Environment Research, 1999, (1):16-25.]

[22]
陈素景. 澜沧江流域水文气象要素演变及对径流变化的影响研究[D]. 北京: 中国科学院大学, 2017.

[ Chen S J. Study on the Evolution of the Hydrological and Meteorological Factors and Their Impacts on Runoff Change in the Lancang River Basin[D]. Beijing: University of Chinese Academy of Sciences, 2017.]

[23]
梅志宏. 走进湄公河[J]. 中国三峡, 2017, (9):58-71.

[ Mei Z H. Coming to the Mekong[J]. China Three Gorges, 2017, (9):58-71.]

[24]
Mekong River Commission: State of the Basin Report 2010[R]. Vientiane: Lao PDR, 2010.

[25]
靳国栋, 刘衍聪, 牛文杰. 距离加权反比插值法和克里金插值法的比较[J]. 长春工业大学学报(自然科学版), 2003, 24(3):53-57.

[ Jin G D, Liu Y C, Niu W J. Comparison between inverse distance weighting method and Kriging[J]. Journal of Changchun University of Technology, 2003, 24(3):53-57.]

[26]
魏继德. 空间插值方法的比较与优化[D]. 福州: 福州大学, 2010.

[ Wei J D. The Comparison and Optimization of Spatial Interpolation Approaches[D]. Fuzhou: Fuzhou University, 2010.]

[27]
Li C Y, Fang H Y. Assessment of climate change impacts on the streamflow for the Mun River in the Mekong Basin, Southeast Asia: Using SWAT model[J]. Catena, 2021, DOI: 10.1016/j.catena.2021.105199.

DOI

[28]
Abbaspour K C, Rouholahnejad E, Vaghefi S, et al. A continental-scale hydrology and water quality model for Europe: Calibration and uncertainty of a high-resolution large-scale SWAT model[J]. Journal of Hydrology, 2015, 524:733-752.

DOI

[29]
杨军军, 高小红, 李其江, 等. 湟水流域SWAT模型构建及参数不确定性分析[J]. 水土保持研究, 2013, 20(1):82-88.

[ Yang J J, Gao X H, Li Q J, et al. SWAT model construction and uncertainty analysis on its parameters for the Huangshui River Basin[J]. Research of Soil and Water Conservation, 2013, 20(1):82-88.]

[30]
Van Griensven A, Meixner T, Grunwald S, et al. A global sensitivity analysis tool for the parameters of multi-variable catchment models[J]. Journal of hydrology, 2006, 324(1):10-23.

DOI

[31]
黄斌斌, 郝成元, 李若男, 等. 气候变化及人类活动对地表径流改变的贡献率及其量化方法研究进展[J]. 自然资源学报, 2018, 33(5):899-910.

[ Huang B B, Hao C Y, Li R N, et al. Research progress on the quantitative methods of calculating contribution rates of climate change and human activities to surface runoff changes[J]. Journal of Natural Resources, 2018, 33(5):899-910.]

[32]
钟华平, 王建生. 澜沧江干流水电开发对径流的影响分析[J]. 水利水电技术, 2010, 41(12):72-74.

[ Zhong H P, Wang J S. Impacts from hydropower development of main stream on runoff of Lancangjiang River[J]. Water Resources and Hydropower Engineering, 2010, 41(12):72-74.]

[33]
刘闻. 基于SWAT模型的水文模拟及径流响应分析[D]. 西安: 西北大学, 2014.

[ Liu W. Hydrological Simulation and Runoff Response Analysis Based on SWAT Model: A Case Study of Weihe River in Guanzhong Area[D]. Xi’an: Northwest University, 2014.]

[34]
Liu D D, Chen X H, Lian Y Q, et al. Impacts of climate change and human activities on surface runoff in the Dongjiang River Basin of China[J]. Hydrology Process, 2010, 24:1487-1495.

DOI

[35]
Zhang A J, Zhang C, Fu G B, et al. Assessments of impacts of climate change and human activities onrunoff with SWAT for the Huifa River Basin, northeast China[J]. Water Resource Management, 2012, 26(8):2199-2217.

DOI

Options
Outlines

/

〈 〉