氣候變化對長江源區土壤水分影響的預測

李健明，鄯仁欠姐，楊 穎，祁雪姣，哈妍暉，王雨欣，何 奕，李悅姣，盧素錦

(青海大學 生態環境工程學院，青海 西寧 810016)

在環境變化的大背景下，全球氣溫顯著上升、蒸發量明顯增加、地表徑流量減少、水質惡化等問題屢見不鮮，水資源分布整體失衡，因此“變化環境下的水循環研究”是全球水循環系統計劃的核心科學問題[1-2].同時，全球氣候變化引起的凍土融化、暴風雪、水資源短缺等問題也受到國內外科學界和各國政府的高度重視，20 世紀以來國際科學界先后發起了國際水文計劃（International Hydrological Programme，IHP）等大型國際研究計劃與活動，先后開展了生物炭顆粒對土壤水分運動的影響，肥料對土壤水分變化和冠層溫度影響等方面的研究[3-4].隨著氣候變化對土壤水系的影響問題成為國際研究熱點，中國學術界開始關注國內水資源開發利用、土壤水文循環保護等一系列問題，關于土壤水分運動參數、土壤含水量、土壤水分變化、土壤水穩性等方面的研究逐漸增多[5-7].

氣候模式和水文模型是現今國內外用于研究變化環境下水文水資源響應的主要手段[8].在IPCC第五次評估報告（Fifth Assessment Report，AR5）[9]中，采用國際耦合模式比較計劃第五階段（Coupled Model Intercomparison Project Phase 5，CMIP5）的氣候模式和新的排放情景，分析典型濃度路徑（Representative Concentration Pathways，RCP），利用RCP（包括RCP2.6、RCP4.5 和RCP8.5排放情景）[10]預估未來氣候系統的變化，取得了較好效果.SWAT（Soil and Water Assessment Tool）模型是一個長時間尺度的分布式水文模型[11]，目前已得到廣泛應用[12].國外應用SWAT 模型進行徑流模擬，進行分布式水文-土壤-植被模型（Distributed Hydrology Soil Vegetation Model，DHSVM）開發等方面的研究[13-17]；SWAT 模型在中國的應用與研究從2000 年左右開始，學者們先后開展了華北地區、錫林河、長江上游流域等的模擬研究，并在后續研究中對SWAT 模型的應用進行了不斷的改進[18-21].相關研究顯示，SWAT 水文模型在河流流量、水文過程、水文響應、水質預測等方面應用中都取得了較好的效果[22-24].

長江源區地處青藏高原腹地，具有極其重要的生態地位，對國內乃至全球的水文循環系統維持都具有重要的意義.近年來受氣候變化及人類活動的綜合影響，長江源區內的生態環境質量持續惡化，冰川融化、濕地萎縮、草原退化、水源涵養弱化等生態問題愈發嚴重，對長江流域的水資源有效開發、生態環境安全及人民經濟生活的可持續發展構成了威脅[25-28].從20 世紀60 年代開始，已有一些專家圍繞長江源區氣候變化對水資源及土壤含水量的影響開展過初步的研究[29-34]，但研究存在時序短，涉及區域較窄等問題，而有關氣候模型對土壤水分的影響研究未見報道.研究氣候變化對長江源區土壤水分的影響，對提升長江源區土壤水分的利用率，對長江源區土壤水系的利用與保護、生態環境的保護與恢復具有重要意義.本研究對長江源區2011—2021 年土壤水分的年際變化趨勢進行分析，并采用全球氣候模式CMIP5 的3 種氣候情景（RCP2.6、RCP4.5、RCP8.5）耦合SWAT 水文模型，預測長江源區未來3 種氣候情景下土壤水分變化情況，為長江源區土壤水系的利用與保護、生態環境的保護與恢復提供科學依據，為長江源區采取有效措施，實現區域可持續發展等提供科學依據.

1 材料與方法

1.1 研究區概況長江源區地處青海省境內，是指青海省直門達水文站以上的水流集中區域，位于32°30′～35°50′N 和90°30′～97°10′E 之間[35]，平均海拔4 000 m 左右.研究區包括沱沱河、五道梁、曲麻萊、玉樹、安多、雜多、治多、囊謙、清水河等9個地點（圖1）.長江源區主要由當曲、沱沱河、楚瑪爾河3 條源流所組成，年平均徑流量約130 億m3.大氣降水、冰川融水和地下水是長江源區河水流量及土壤水分的主要來源.長江源區既是我國海拔最高的天然濕地和生態系統最敏感的區域，又是我國生態質量與安全、水資源利用與保護的重點領域.長江源區最冷月份（1 月）平均溫度為-13.0 ℃，極端最低溫度低于-40 ℃.研究區年均溫-5.2 ℃～3.4 ℃，年平均降水量為365 mm.植被類型主要包括高寒草甸、高寒草地和高原沼澤.土壤類型包括高寒草甸土、沼澤土和高寒草地土，凍土分布廣泛，覆蓋整個區域[36-37].

圖1 長江源區氣象站地理位置Fig.1 Geographical location of meteorological stations in the source region of the Yangtze River

1.2 數據來源

1.2.1 2011—2021 年氣象數據收集 2011—2021年氣象資料來自青海省氣候中心，包括長江源區9個典型氣象站(沱沱河、五道梁、曲麻萊、玉樹、安多、雜多、治多、囊謙、清水河)的平均氣溫和年均降水量數據.

1.2.2 2011—2021 年土壤水分的測定 2011—2021年在長江源區設置9 個與氣象站點地理位置一致的土壤監測點，每月進行1 次測定，選擇有效降水（大于5 mm）15 d 后集中在每個監測點取樣，以消除降水對土壤水分的影響.在每個監測點設置樣方，采用五點取樣法將0～10 cm 的表層土混勻并分為3 份，將土壤樣本放入帶蓋的鋁盒中帶回實驗室.采用烘干法[38]測定土壤水含量，計算公式為：

式中：θn為第n次測得的土壤含水量，m1為烘干前的鋁盒與土壤重量，m2為烘干后的鋁盒與土壤重量，m3為空鋁盒重.

1.3 三種氣候模式下土壤水分預測方法采用CMIP5 全球氣候模型與SWAT 水文模型耦合的方法，利用 IPCC 發布的3 種RCPs （RCP 2.6、RCP 4.5、RCP 8.5）溫室氣體排放情景進行土壤水分的預測.其中，RCP2.6 代表溫室氣體（主要是CO2、CH4、N2O）排放以及濃度最少，在該氣候情景下，全球對于能源利用的類型以及方式有了改變，使溫室氣體排放顯著減少，并且是全球的作物面積最大的一種排放情景；RCP4.5 代表有氣候政策干預下的氣候變化情景，在該氣候情景下，煤炭等一些不可再生的化石能源使用率下降，清潔能源大量使用，使溫室氣體排放也顯著減少；RCP8.5 是一種沒有氣候政策干預下，溫室氣體排放濃度達到最高，化石能源消耗迅速增加，人口數量大幅增加，使溫室氣體排放濃度不斷加劇.本文將這三種氣候情景結合IPCC 數據中心發布的CMIP5 全球氣候模型2022—2100 年的統計降尺度氣候資料，利用獲得的未來氣象數據驅動已率定和驗證好的長江源區SWAT 水文模型，模擬土壤水分在RCP 2.6、RCP 4.5 和RCP 8.5 情境下對CMIP5 全球氣候變化的響應，得到未來氣候情境變化下長江源區土壤水分的變化數據.

1.4 分析方法采用線性回歸法對土壤水分年際、年內變化趨勢進行分析，計算公式為：

式中，a為回歸系數，b為常數.

1.5 數據處理采用Excel 2010 整理收集和監測到的數據，運用Origin 2021 軟件得到年際、年內土壤水分變化趨勢圖進行分析.

2 結果與分析

2.1 長江源區2011—2021 年土壤水分變化趨勢2011—2021 年土壤水分變化趨勢見圖2.圖2 中的虛線代表土壤水分隨年份變化的趨勢，R2代表擬合優度，擬合優度是指回歸直線對觀測值的擬合程度，進而可說明線性回歸方程中y與x的相關性顯著程度.本研究取顯著性水平α=0.05，n=80，查得r=0.273 2，r2=0.0746.R2＞r2時，說明變化趨勢顯著.

由圖2 可知，2011—2012、2013—2016 年和2018—2020 年期間土壤水分呈現遞增，2020—2021年土壤水分變化趨勢并不明顯，2012—2013 年和2016—2017 年期間土壤水分呈現遞減.雖然在2020—2021 年土壤水分呈現不明顯，但是在2011—2021 這10 年間土壤水分整體呈現下降趨勢，且下降趨勢顯著（P＜0.05）.

圖2 長江源區2011—2021 年土壤水分變化情況Fig.2 Changes of soil moisture in the source region of the Yangtze River from 2011 to 2021

2.2 長江源區2011—2021 年年均氣溫對土壤水分的影響長江源區2011—2021 年土壤水分與年平均氣溫變化趨勢顯著性分析見表1.

由表1 可知，2011—2012、2013—2014 年和2019—2020 年，年平均氣溫與土壤水分變化趨勢顯 著（P＜0.05）；2015—2016、2020—2021 年 和2011—2021 年年平均氣溫變化對土壤水分影響極顯著（P＜0.01）；2017—2018 年平均氣溫與土壤水分變化趨勢不顯著（P＞0.05），土壤水分要明顯低于其他年份，原因可能是全年的溫度偏高，導致土壤水分蒸發量增加，還有高寒草地植物蒸騰量增加，從而導致土壤水分減少，并且變化不顯著.由此可知，土壤水分會響應氣溫的變化.在全球變暖的大背景下，2021 年的年均氣溫要比2011 年明顯偏高，預計在未來氣溫還會持續升高.

表1 2011—2021 年土壤水分與年平均氣溫變化趨勢顯著性分析Tab.1 The significance analysis of soil moisture and annual mean temperature change trend from 2011 to 2021

2.3 長江源區2011—2021 年年均降水量對土壤水分的影響長江源區2011—2021 年土壤水分與年平均降水量變化趨勢顯著性分析見表2，其中每兩年進行1 次顯著性方差分析.

由表2 可知，2011—2012、2013—2014、2017—2018、2020—2021 年和2011—2021 年，年平均降水量與土壤水分變化趨勢顯著（P＜0.05）；2015—2016 年和2019—2020 年，年降水量與土壤水分變化趨勢并不顯著（P＞0.05）.隨著長江源區內年降水量緩慢增加，土壤水分含量整體呈現下降趨勢.

表2 2011—2021 年土壤水分與年平均降水量變化趨勢顯著性分析Tab.2 The significance analysis of soil moisture and annual mean precipitation change trend from 2011 to 2021

2.4 氣候變化對長江源區土壤水分影響的預測

2.4.1 氣候變化對長江源區土壤水分年際變化影 響 2022—2100 年3種氣候情景（RCP2.6、RCP4.5 及RCP8.5）下，土壤水分年際變化趨勢預測如圖3 所示.

由圖3 可知，3 種氣候情景下土壤水分年際間波動均較大，土壤水分均呈現減少的趨勢，土壤水分整體分布在50%～500%之間.RCP2.6 和RCP8.5情景下，土壤水分減少趨勢均顯著；RCP4.5 情景下，土壤水分減少趨勢不顯著；3 種情景下的土壤水分均在2061 年左右達到最低值.3 種氣候情景的減少幅度分別為RCP8.5＞RCP4.5＞RCP2.6，說明在溫室氣體排放越多以及濃度越大的氣候情景下，土壤水分減少的趨勢越明顯.3 種情景下的土壤水分預測在2042、2052 年和2041—2042 年達到峰值.

圖3 2022—2100 年三種氣候情景下長江源區土壤水分年際變化趨勢預測Fig.3 Interannual variation trend forecast of soil moisture under three climate scenarios from 2022 to 2100

2.4.2 氣候變化對長江源區土壤水分年內變化影響的估算與預測 年內變化趨勢是在所有年的同一個月份，取平均值表示為土壤水分年內變化趨勢.3 種氣候情景下，預測和估算土壤水分2022—2100 年、21 世紀40 年代和21 世紀80 年代年內變化趨勢如圖4 所示.由圖4 可知，3 種氣候情景模式下各月份土壤水分整體波動較大，年內分配不均勻.圖4（a）顯示，RCP2.6 情景下，1—6 月土壤水分增多，8 月土壤水分最高，7—12 月土壤水分降低，降幅最大的是8—9 月，1 月和12 月土壤水分最低，整體呈減少趨勢.圖4（b）顯示，3 種氣候情景下，21 世紀40 年代年紀帶（每10 年一個年紀帶）月份土壤水分變化趨勢基本一致，1—6 月土壤水分積累增加，5 月份增加趨勢顯著，6 月及8—12 月的土壤水分均呈下降趨勢.7 月份3 種氣候情景下的土壤水分變化趨勢存在差異，RCP4.5 情景下土壤水分出現急劇下降趨勢，而RCP2.6 與RCP8.5 情景下土壤水分則呈現上升趨勢.圖4（c）顯示，3 種氣候情景下，21 世紀80 年代年紀帶各月份土壤水分變化趨勢基本一致，1—6 月土壤水分積累增加，且4月份增加趨勢顯著，7—12 月土壤水分減少，7 月份土壤水分保持相對平穩.變化趨勢存在差異的是6月份，RCP8.5 情景下土壤水分呈增加趨勢，RCP2.6和RCP4.5 情景下土壤水分呈現下降趨勢.21 世紀中葉（2041—2050 年）5—7 月的土壤含水量約占全年土壤含水量的60%，但21 世紀末（2081—2090年）的5—7 月的3 個月內，土壤含水量降至全年土壤含水量的55%.

圖4 三種氣候情景下對長江源區土壤水分年內變化趨勢的估算與預測Fig.4 Annual variation trend estimation and forecast of soil moisture in the source area of the Yangtze River under three climate scenarios

3 討論與結論

3.1 討論本研究中長江源區平均氣溫呈上升趨勢，土壤水分呈減少趨勢，氣溫變化對土壤水分變化有顯著性影響，與齊冬梅等[39]、錢開鑄[40]、劉光生等[41]的研究結果一致，這可能是因為長江源區近年來冰川退縮、濕地退化、凍土侵蝕、湖泊萎縮等環境變化對土壤水系產生了一系列的影響[42]，使得土壤水分逐漸減少.本研究表明，近10 年來隨著降水量增加，長江源區土壤水分呈下降趨勢，這與周明圓等[43]、王可麗等[44]研究結果均有出入，原因可能與不同作者引用的氣象資料的時間序列長短和選取的研究站點不一致有關.周明圓等[43]采用的是1966—2013 年長江源區7 個氣象站點的降水資料，王可麗等[44]采用的是1950—2000 年長江源區五道梁、沱沱河、曲麻萊及玉樹4 個氣象站點的降水資料，而本研究采用的是2011—2021 年長江源區9 個氣象站的降水資料，時空跨越度不同，導致出現不同的研究結果.

本研究中，長江源區2022—2100 年土壤水分預測在CMIP5 全球氣候模型的3 種情景下均呈現下降趨勢，且3 種情景下土壤水分的年際間波動較大，不同模式之間土壤水分年際年內分配不均勻，這與沈永平等[45]的研究結果一致.氣溫升高使長江源區冰川消融，草地和濕地蒸發量加大，從而間接影響土壤水分變化，使其整體呈現出下降趨勢；未來長江源區人類活動、人口數量、國家政策管控、生物多樣性、山地系統、植被變化均可間接影響土壤水環境系統[46]，造成土壤水分減少.

袁源等[47]采用CLM4.5 模式模擬預測了青藏高原地區1981—2016 年土壤濕度長期時空變化趨勢，結果表明青藏高原內三江源地區土壤濕度逐年增大，與本研究所得到的土壤水分呈下降趨勢相悖，本研究與袁源等[47]所用到的預測模型、研究區域、研究時間及范圍均存在差異，袁源等[47]是利用驅動CLM4.5 模式獲得了青藏高原地區1981—2016年土壤濕度數據集，該模式自帶的地形、土壤屬性等信息的陸面數據空間分辨率有限.而本研究是采用CMIP5 氣候模型21 種模式的模擬結果，結合RCPs 三種氣候情景與SWAT 水文模型耦合，預測長江源區2022—2100 年土壤水分數據并進行年際、年內變化特征分析，將21 個CMIP5 全球氣候模式的模擬結果經過插值計算，將其統一降尺度到同一分辨率下，利用簡單平均方法進行多模式集合，使用制作成1 套包括1901—2005 年Historical 和2006—2100 年RCP2.6、RCP4.5、RCP8.5 排放情景下的月平均資料，相比與CMIP5 中其它模式，這21 個模式數據資料更完整.克服了單一模式和模式較少的缺陷，預測結果更加精準[48]，為氣候變化下長江源區地表徑流的保護提供了科學依據.

課題組前期工作表明，利用建立好的SWAT水文模型在長江源區進行模擬，率定期的決定系數為0.84，模擬徑流量與實測徑流量誤差為5.27%.驗證期的決定系數為0.89，誤差為3.34%（結果見另文發表）.在率定期和驗證期內，模擬數值符合度較高，該模型在長江源區較為適用.氣候模型與SWAT 水文模型的耦合研究還有待于進一步深入.

3.2 結論

（1）長江源區2011—2021 年土壤水分整體呈減少趨勢，且下降趨勢顯著（P＜0.05）.年平均氣溫和年平均降水量與土壤水分變化具有明顯的相關性（P＜0.05），其中氣溫對于土壤水分變化相關性較為明顯，氣溫和降水量變化會影響土壤水分變化.

（2）3 種RCPs 氣候情景下，土壤水分年際間波動較大，其大部分在50%～500%之間變動，但土壤水分均呈現下降的趨勢.其中，RCP4.5 氣候情景下，土壤水分下降趨勢并不顯著 （P＞0.05）；另兩種氣候情景下，土壤水分下降趨勢顯著（P＜0.05）；3 種氣候情景下土壤水分均在2061 年達到最低值，且3 種氣候情景的減少幅度分別為RCP8.5＞RCP4.5＞RCP2.6，所以在溫室氣體排放越多以及濃度越大的氣候情境下，土壤水分減少的趨勢越明顯.

（3）3 種RCPs 氣候情景下，土壤水分年內分布不均勻.1—5 月土壤水分增加，6—12 月土壤水分遞減，1—2 月土壤水分變化趨勢相對平穩，年內各月份土壤水分含量差別較大.預計21 世紀末期（2081—2090 年）土壤水分含量較21 世紀中期（2041—2050 年）減少，4—9 月土壤水分占全年總土壤水分占比較21 世紀中期降低.

（4）在3 種RCPs 氣候情景下，預測2022—2100 年長江源區土壤水分存在明顯的減少趨勢，建議地方政府加強長江源區土壤水系保護，加強長江源區濕地的保護，提高青藏高原區生態承載力以及氣候調節能力.