EN中文

地理学报 >

2025 , Vol. 80 >Issue 1: 41 - 60

DOI: https://doi.org/10.11821/dlxb202501004

水文地理与水资源

气候变化和水库运行对长江流域水文情势的影响预估

  • 刘罕奇 , 1, 2 ,
  • 王婷婷 , 1 ,
  • 冯瑶 1 ,
  • 王红 1 ,
  • 孙福宝 1 ,
  • 刘文彬 1
展开
  • 1.中国科学院地理科学与资源研究所 中国科学院陆地水循环及地表过程重点实验室，北京 100101
  • 2.中国科学院大学资源与环境学院，北京 100049
王婷婷(1989-), 女, 安徽安庆人, 博士, 助理研究员, 主要从事气候变化和水灾害研究。E-mail:

刘罕奇(1990-), 男, 山东淄博人, 博士生, 主要从事水文水资源方面研究。E-mail:

收稿日期: 2024-07-16

  修回日期: 2024-11-08

  网络出版日期: 2025-01-21

基金资助

中国科学院地理科学与资源研究所可桢—秉维青年人才计划项目(2021RC002)

收起

Projection of the impact of climate change and reservoir on the flow regime in the Yangtze River basin

  • LIU Hanqi , 1, 2 ,
  • WANG Tingting , 1 ,
  • FENG Yao 1 ,
  • WANG Hong 1 ,
  • SUN Fubao 1 ,
  • LIU Wenbin 1
Expand
  • 1. Key Laboratory of Water Cycle and Related Land Surface Processes, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 2. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China

Received date: 2024-07-16

  Revised date: 2024-11-08

  Online published: 2025-01-21

Supported by

The Program for the "Kezhen-Bingwei" Youth Talents from the Institute of Geographic Sciences and Natural Resources Research(2021RC002)

Fold

摘要

预估气候变化和水库运行对流域水文情势的影响，对于变化环境下流域水资源安全、生物多样性保护和水生态修复治理具有重要意义。本文基于经偏差校正的气候模式数据，应用改进水库模块的SWAT模型和水文指标法，预估了21世纪气候变化和水库运行对长江流域水文情势的影响。研究表明：① 相较于原模型，改进水库模块的SWAT模型对典型水文站日径流和水文情势指标的整体模拟效果有较好提升，其中日径流模拟值与观测值的NSE（Nash-Sutcliffe Efficiency Coefficient）和KGE（Kling-Gupta Efficiency Coefficient）分别提升0.01~0.26和0.01~0.08；② 未来气候变化使长江流域径流呈上升趋势，其中1—4月份流量增加较为明显（最大增幅为17%），同时增加了汛前流量变异性（最大增幅为18%）、极端洪峰流量发生次数、极端洪峰流量历时和流量正变化率；③ 水库运行增加了枯季径流（最大增幅为67%），减少了极端洪峰流量的发生次数（最大变化幅度为-16%），并缩短了极端洪峰流量（-10%~-4%）和极端枯季流量（-51%~-38%）的历时，提升了径流的稳定性。长江上游控制性水库群运行部分抵消了未来气候变化对径流的影响，但受调蓄规则和库容总量的局限其对径流的调控能力仍很有限，未来需要充分考虑气候变化的影响规划水库建设或动态优化水库调蓄规则。

关键词： 气候变化; 水库运行; 水文情势; SWAT水文模型; 长江流域

本文引用格式

刘罕奇 , 王婷婷 , 冯瑶 , 王红 , 孙福宝 , 刘文彬 . 气候变化和水库运行对长江流域水文情势的影响预估[J]. 地理学报, 2025 , 80(1) : 41 -60 . DOI: 10.11821/dlxb202501004

Abstract

Projecting changes in flow regime under climate change and reservoir operations is crucial for safeguarding water security, preserving biodiversity and restoring aquatic ecosystems of a basin. Leveraging bias-corrected climate model data, this study utilized the Soil and Water Assessment Tool (SWAT) with an improved reservoir module and Indicators of Hydrologic Alteration to project the impacts of climate change and reservoir operations on the flow regime of the Yangtze River basin in the 21st century. The results showed that: (1) The improved SWAT model outperformed the original version, enhancing the simulation accuracy of daily streamflow and hydrological indicators at representative stations. The NSE (Nash-Sutcliffe efficiency coefficient) and KGE (Kling-Gupta efficiency coefficient) of simulation and observation of daily streamflow increased by 0.01-0.26 and 0.01-0.08, respectively. (2) Climate change is projected to increase streamflow, in which the streamflow increases significantly from January to April (the maximum increase is 17%). Meanwhile, climate change increases the variability of pre-flood streamflow (the maximum increase is 18%), the frequency of extremely high pulse, the duration of extremely high pulse and the rise rate of flow. (3) Reservoir operations effectively replenish dry-season flows (the maximum increase is 67%), reduce the frequency of extremely high pulse (the maximum decrease is 16%), and shorten the duration of both extremely high pulse (by -10% to -4%) and extremely low pulse (by -51% to -38%). Reservoir operations improve the stability of flow. While upstream reservoir operations can partially counteract climate-induced streamflow changes, their regulatory capacity is constrained by operational rules and total storage capacity. Therefore, adjusting reservoir operation strategies in response to the impacts of climate change on streamflow becomes imperative.

Key words： climate change; reservoir operation; flow regime; SWAT model; Yangtze River basin

1 引言

河流水文情势变化对于流域生态系统的健康具有重要意义，然而不断增强的人类活动对河流水文情势产生了不可避免的干扰。水库运行阻断了河流连通性，改变河流流量的大小、频率、历时、时间和变化速率[1⇓⇓⇓-5]，对河流水文情势产生不同于天然状态的不可逆影响。气候变暖背景下极端降水增加[6]，极端水文事件发生频率增强[7⇓⇓-10]，也给河流生态系统带来不确定的影响[11-12]。因此，深入理解未来气候变化背景下水库运行对水文情势的影响，对于流域水资源管理、水生态保护和区域可持续发展等具有重要意义[13]。
长江作为世界第三大河，是中国重要的水电产能基地，目前已建设水库大坝超50000座[14-15]。其中，以三峡为代表的控制性水库群在缓解水资源供需矛盾和防洪抗旱中发挥了重要作用[16]。然而，水库运行也对长江流域水文情势产生了诸多影响，如增加了枯水期流量，降低了极端流量发生频率、汛期洪峰流量和汛期径流波动性等[17⇓⇓-20]。叠加气候变化对水文情势的影响，长江流域水文情势变得更加复杂，并对河流生态系统产生深远的影响[21⇓-23]。水库调度不仅要关注人类生产生活需求和防洪减灾的要求，同时也要关注其与气候变化因素叠加引起水文情势变化对流域水生态系统的影响。
目前利用不同代表性浓度路径情景下的气候模型数据驱动水文模型的方法被广泛应用于预估未来径流变化[24⇓-26]。为减少模拟预估结果的不确定性，气候变化影响研究中常采用多个气候模型输出结果作为驱动数据[27-28]。同时，水文模型中水库参数化的合理性也是提升水库对径流影响模拟效果的关键。目前，水文模型中多采用目标库容法、简单线性回归法和超阈值范围法等来刻画水库对水文过程的调节作用[29⇓⇓⇓⇓-34]，但大多数方法在刻画水库调控特别是拦洪和泄洪过程复杂性方面，仍存在诸多不足。
本文通过改进SWAT（Soil and Water Assessment Tool）模型中的水库算法，使其更接近长江流域水库调蓄的实际情况，提升水库运行影响下的径流模拟精度。选取ISIMIP2b（Inter-sectoral Impact Model Intercomparison Project）中不同代表性浓度路径情景下（RCP 2.6、RCP 4.5和RCP 8.5分别代表到2100年辐射强迫达到2.6 W/m3、4.5 W/m3和8.5 W/m3）4个经偏差校正气候模式输出的气象数据驱动改进后的SWAT模型[35-36]，模拟预估未来长江上游寸滩站和中游枝城站的径流变化。基于水文指标法分析长江流域水文情势的未来演变规律，并进一步量化区分气候变化和水库运行对流域水文情势的影响。

2 研究方法与数据来源

2.1 研究区概况

长江源于青藏高原唐古拉山脉主峰各拉丹冬雪山西南侧，自西向东经云贵高原、四川盆地和长江中下游平原于上海流入东海，全长6300 km，流域位于24°30′N~35°45′N、90°33′E~122°25′E，总面积约180万km2。湖北宜昌水文站以上划属上游，宜昌水文站到江西湖口水文站划属中游，湖口水文站至入海口段划属下游（图1）。流域大部分地区为亚热带季风气候，年均降水量约1067 mm，集中于夏季，总体呈东南多、西北少的分布格局。长江流域水系庞大、径流丰沛，是中国水资源配置的战略水源地和水电开发的主要基地。2015年长江上游投入运行且总库容1亿m3以上的水库近80座，总兴利库容600多亿m3，防洪库容约380亿m3。其中有21座大型水库被纳入长江流域联合调度水库群，总库容接近1200亿m3 [37]。截至2017年，流域内已建成或具备运行条件的多项控制性水利枢纽（表1），在防洪抗旱、水资源调控和水生态保护等方面发挥了重要作用。
图1 长江流域水系、水文站和水库分布

Fig. 1 Distribution of river, hydrological stations and reservoirs in the Yangtze River basin

表1 长江上游21座控制性水库信息

Tab. 1 Information of 21 reservoirs in the upper Yangtze River basin

序号 流域 水库 运行年份 防洪库容(108 m3) 总库容(108m3)
1 金沙江 梨园 2013 1.73 8.05
2 阿海 2012 2.15 8.85
3 金安桥 2010 1.58 9.13
4 龙开口 2012 1.26 5.58
5 鲁地拉 2013 5.64 17.18
6 观音岩 2014 5.42 22.50
7 雅砻江 二滩 1998 9.00 58.00
8 锦屏一级 2009 16.00 79.90
9 岷江 瀑布沟 2009 11.00/7.27 53.32
10 紫坪铺 2003 1.67 11.12
11 嘉陵江 碧口 1976 0.50/0.70 2.17
12 宝珠寺 1996 2.80 25.50
13 亭子口 2013 14.40 40.67
14 草街 2010 1.99 22.18
15 乌江 构皮滩 2010 4.00/2.00 64.54
16 思林 2004 1.84 15.93
17 沙陀 2007 2.09 9.21
18 彭水 2008 2.32 14.65
19 干流 溪洛渡 2013 46.50 126.70
20 向家坝 2012 9.03 51.63
21 三峡 2003 221.50 450.70

注：“/”前后两值分别对应水库在汛期不同时段的防洪库容。

2.2 研究数据

2.2.1 气象水文数据

本文中用于驱动水文模型的气象观测数据如日降水量、日最高气温和日最低气温（1960—2017年），下载自中国气象数据网（http://data.cma.cn）。经对流域230个气象站的数据进行了质量控制（时间序列缺失值小于60 d），最终保留204个气象站用于本文。
水文数据包括1960—2017年长江上游寸滩站（1988—1992年数据缺失）和中游枝城站的日径流数据用于SWAT模型构建与验证，以及34个离水库最近的水文站日径流数据用于水库参数的设置。36个站的水文数据均来自水文年鉴。2010—2017年三峡水库日水位数据来源于长江水文网（http://www.cjh.com.cn/）。

2.2.2 气候模式数据

本文选取ISIMIP2b中3个不同代表性浓度路径情景（RCP 2.6、RCP 4.5和RCP 8.5）下4个气候模式GFDL-ESM2M、HadGEM2-ES、IPSL-CM5A-LR和MIROC5输出的日降水量、日最高气温和日最低气温（https://data.isimip.org/）作为SWAT模型的气象驱动数据。该数据经过了偏差校正处理，消除了气候模式输出数据的系统性偏差并降低了数据的不确定性。选取模式数据的历史时段为1960—2005年，未来时段为2006—2099年。

2.2.3 DEM和土地利用数据

本文用到的DEM（Digital Elevation Model）和土地利用数据（空间分辨率1 km×1 km）来源于中国科学院资源环境科学数据中心（http://www.resdc.cn/Default.aspx）。为排除土地利用变化对径流的影响，本文使用1970年的土地利用数据构建SWAT模型。根据模型对土地利用数据的输入要求，本文按USGS土地利用分类系统将其重分类为8种类型，即耕地、林地、草地、水域、居民用地、工业用地、荒地和湿地。

2.3 研究方法

2.3.1 水文指标法

水文指标法常被应用于评估和量化流域水文情势的变化，主要基于日径流资料（序列长度通常大于20 a）计算[38]。本文选用21个具有生态学意义的水文指标（表2），包括4个数量指标、4个变异性指标、4个频率指标、4个历时指标、3个变化时间指标和2个变化率指标来描述水文情势的变化[1,13,39 -40]。
表2 用于评估水文情势变化的水文指标

Tab. 2 Hydrological indicators used to evaluate changes in flow regime

序号 分组 水文指标 简称 单位
1 数量 年平均日流量 MDF m3 s-1
2 汛期平均日流量(4—9月) MDFF m3 s-1
3 汛前平均日流量(1—3月) MDFN1 m3 s-1
4 汛后平均日流量(10—12月) MDFN2 m3 s-1
5 变异性 平均日流量变异系数 CVDF -
6 汛期日流量变异系数 CVDFF -
7 汛前日流量变异系数 CVDFN1 -
8 汛后日流量变异系数 CVDFN2 -
9 频率 枯季流量发生次数(MDF第75分位数) FDF75 -
10 极端枯季流量发生次数(MDF第90分位数) FDF90 -
11 洪峰流量发生次数(MDF第25分位数) FDF25 -
12 极端洪峰流量发生次数(MDF第10分位数) FDF10 -
13 历时 枯季流量历时 DDF75 d
14 极端枯季流量历时 DDF90 d
15 洪峰流量历时 DDF25 d
16 极端洪峰流量历时 DDF10 d
17 发生时间 平均日流量的科威尔稳定性 TDFC -
18 年最小日流量发生时间 TMnDF -
19 年最大日流量发生时间 TMxDF -
20 变化率 第二天流量相对于第一天发生的正变化率 RR -
21 第二天流量相对于第一天发生的负变化率 RF -
鉴于三峡水库是2003年开始运行，加之长江上游联合调度水库群中大部分水库是在2003年以后运行，本文选取2003年作为区分水库影响的时间分界点[18,41]。将1960—2002年作为基准期，评估未来气候变化和水库运行对流域水文情势的影响[42]：
H = I p o s t - I p r e I p r e × 100 %
式中： H为水文情势指标的相对变化率； I p o s t为未来时期水文情势指标的平均值； I p r e为基准期水文情势指标的平均值。本文通过将气候变化和水库运行共同影响下的模拟结果，减去仅考虑气候变化（未考虑水库运行）影响下的模拟结果，分离出水库运行对水文情势的影响。

2.3.2 SWAT模型中水库算法的改进

SWAT模型作为一个半分布式水文模型，其将水库作为一个模块嵌入到河道汇流中，在满足水量平衡的前提下，采用月目标库容法模拟受人为控制的水库出流[43]：
V t = V t - 1 + P - E - S + f i n - f o u t
式中： V t为t时段水库蓄水量（m3）； V t - 1为t-1时段水库蓄水量（m3）；P为t时段落入水库的降水量（m3）；E为t时段水库水面蒸发量（m3）；S为t时段水库渗漏水量（m3）； f i n为t时段流入水库的径流量（m3）； f o u t为t时段流出水库的径流量（m3）。
SWAT模型中水库每月的目标库容是通过人为输入或基于流域土壤水分情况进行计算的。其中，式（3）~（5）分别为非汛期水库目标蓄水量、汛期水库目标蓄水量和目标库容水库出流的计算公式：
V t a r g = V p r + 1 - m i n S W F C ,   1 2 × V e m - V p r
V t a r g = V e m
f o u t = ( V t - V t a r g ) / n
式中： V t a r g为水库下个月的目标库容（m3）； V e m表示非常溢洪道水位（防洪高水位）对应的水库蓄水量（m3）； V p r表示正常溢洪道水位（汛限水位）对应的水库蓄水量（m3）； F C表示子流域田间持水量（mm）； S W表示子流域平均土壤含水量（mm）； n为水库从当前蓄水量排放至下月目标库容的天数。
SWAT模型采用的目标库容法对汛期水库出流的调控过程过于简单，只能用于具有防洪功能的小型水库，难以有效刻画大型水库的调蓄过程。因此，本文根据2019年长江流域水利工程联合调度计划[44]，在正常蓄水位和死水位之间添加防洪限制水位，并分别计算非汛期和汛期的水库出流[45]：
f o u t = f i n + P - E - S + V t a r g t + 1 - V t a r g t D × α                 ( 非 汛 期 )
f o u t = f i n + P - E - S × β                                                                   ( 汛 期 )
α ,   β = a × r 3 + b × r 2 + c × r + d
式中： D为 t时段所在月份的天数； a、 b、 c和 d为无量纲参数； r为 t时段模拟流量与其所在月份的平均流量之比； α和 β分别为非汛期和汛期径流调整系数（无量纲），其取值大小在不同水库有所差异。

2.3.3 模型精度评价

本文采用NSE（Nash-Sutcliffe Efficiency Coefficient）[46-47]、KGE（Kling-Gupta Efficiency Coefficient）[48]和R2评估模型的模拟精度。NSE的计算公式如下：
N S E = 1 - ∑ i = 1 n Q i - P i 2 Q i - Q - 2
式中： Q -为观测序列的平均值； Q i为观测序列； P i为模拟序列。NSE取值范围为(-∞, 1)，NSE取值在0~1之间时，说明模型模拟表现可被接受，且越接近1表示模拟序列与观测序列的匹配度越好，当NSE > 0.5时认为模型模拟效果较好[49]。
KGE以更平衡的方式考虑了序列的相关性、偏差、方差比和变异系数，近年来被广泛用于水文模型的精度评价，计算公式为：
K G E = 1 - ( R - 1 2 + R V D 2 + R B 2
R = ∑ ( P i - P - ） ( Q i - Q - ) ∑ ( P i - P - ) 2 ( Q i - Q - ) 2
R V D = ∑ ( P i - P - ) 2 ∑ ( Q i - Q - ) 2 - 1
R B = P - Q - - 1
式中： R、 R V D和 R B分别代表决定系数、相对变异差和相对偏差。KGE取值范围为-∞~1。KGE取值在0~1之间时，说明模型模拟表现可被接受，且越接近1，表示模拟效果越好。当KGE > 0.7时，认为模型模拟结果较好[48]。R2为相关系数，取值范围为0~1，越接近1表示模型模拟效果越好。当R2 > 0.6时，认为模型模拟效果较好。

3 结果与讨论

3.1 改进水库算法的SWAT模型对径流和水文情势指标的模拟效果验证

本文选择长江干流上游寸滩站和中游枝城站两个控制性水文站的日径流序列进行模型率定和验证。其中，模型预热期为1960—1961年，率定期为1962—1980年，验证期为1981—2002年，水库影响期为2003—2017年。从日径流模拟结果来看，两个水文站点模拟值与观测值在率定期和验证期的R2和NSE、KGE均大于0.89，满足径流模拟的要求（图2）。
图2 寸滩和枝城站率定期和验证期日径流观测值与模拟值的对比

Fig. 2 Comparison of observed and simulated daily streamflow at Cuntan and Zhicheng stations during the calibration and validation periods

在水库影响期，改进的SWAT模型对两个水文站日径流的模拟效果相较原模型有较好的提升（图3）。改进的SWAT模型日径流模拟值和观测值的NSE和KGE均在0.83以上，相较原模型分别提升了0.01~0.26和0.01~0.08。与前人基于SWAT和VIC模型在长江流域的研究相比，改进模型对于水库影响下径流模拟效果有较好的表现[50-51]。本文进一步对比了2010—2017年模型对三峡水库水位变化（2010年首次蓄水至175 m）的模拟效果（图4），结果表明改进的SWAT模型能够更好地描述水库水位的年内变化过程（例如：水库6月水位的模拟值能够降到145 m，且主汛期7—8月水位与实测值接近），NSE和KGE分别提升了0.22和0.17。相较前人常用的水库算法（如Simple Linear Concept Model和Standard Operation Policy Hedging Model方法[33]）以及对SWAT模型水库模块的改进[52-53]，本文中的改进模型根据水库水位和入库水量判断汛期出库流量大小，对汛期拦洪和泄洪过程的模拟更加准确，使得其对水库水位变化过程的模拟效果更好。
图3 2003—2017年水库影响期寸滩和枝城站日径流观测值与模拟值的对比

Fig. 3 Comparison of observed and simulated daily streamflow at Cuntan and Zhicheng stations during the reservoir impact period from 2003 to 2017

图4 2010—2017年三峡水库水位和出库流量观测值与模拟值

Fig. 4 Observed and simulated water level and outflow of the Three Gorges Reservoir from 2010 to 2017

为验证改进的SWAT模型在水库影响期对长江干流水文情势指标的模拟效果，本文对比了两个典型水文站水文情势指标模拟值与观测值的差异（图5~图6）。相较于原模型，改进的SWAT模型对绝大多数水文情势指标的模拟效果都有所提升。其中，径流数量分组中4个水文情势指标在枝城站的模拟改进效果尤其明显，4个水文情势指标模拟值与观测值的R2均大于0.96。径流变异性分组中多数水文情势指标模拟值与观测值的R2大于0.80，相较于原模型有较大提升。
图5 2003—2017年寸滩站水文情势指标的模拟值与观测值对比

Fig. 5 Comparison of simulated and observed hydrological indicators at Cuntan station from 2003 to 2017

图6 2003—2017年枝城站水文情势指标的模拟值与观测值对比

Fig. 6 Comparison of simulated and observed hydrological indicators at Zhicheng station from 2003 to 2017

3.2 长江流域未来水文情势变化与归因

3.2.1 长江流域未来水文情势变化

对比无水库基准期（1960—2002年），本文预估了未来不同情景下（RCP 2.6、RCP 4.5和RCP 8.5）不同时期（2021—2040年、2041—2060年和2081—2099年）气候变化和水库运行对流域水文情势的影响（图7~图9）。结果显示，寸滩和枝城站年平均流量、汛期流量和汛前流量均呈上升趋势，其中汛前流量上升最为显著（寸滩站最大增幅为45%，枝城站最大增幅为59%），而汛后流量有所下降。径流变异性较基准期均有所下降，其中汛前流量变异性下降最为显著（寸滩站最大减小幅度为-13%，枝城站最大减小幅度为-33%）。洪峰流量和极端洪峰流量发生次数呈上升趋势，而洪峰流量历时变化不明显。两个水文站枯季流量发生次数相较于基准期有所上升，而极端枯季流量在枝城站（最大减小幅度为-26%）表现出比寸滩站更明显的下降趋势；枯季流量历时变化不显著，而极端枯季流量呈下降趋势（寸滩站最大减小幅度为-62%，枝城站最大减小幅度为-71%）。年最小流量的发生时间有所延后，枝城站延后时间比寸滩站更长；年最大流量发生时间变化不大。流量正变化率有所下降，而流量负变化率与其变化趋势相反，呈上升态势。整体来看，未来时期长江流域水文情势相较基准期发生了显著变化，说明气候变化和水库运行对流域水文情势的影响在逐渐增大。
图7 RCP 2.6情景下寸滩和枝城站水文情势指标相较于基准期的平均变化率

Fig. 7 Average changes of hydrological indicators at Cuntan and Zhicheng stations compared with the baseline period under the RCP 2.6 scenario

图8 RCP 4.5情景下寸滩和枝城站水文情势指标相较于基准期的平均变化率

Fig. 8 Average changes of hydrological indicators at Cuntan and Zhicheng stations compared with the baseline period under the RCP 4.5 scenario

图9 RCP 8.5情景下寸滩和枝城站水文情势指标相较于基准期的平均变化率

Fig. 9 Average changes of hydrological indicators at Cuntan and Zhicheng stations compared with the baseline period under the RCP 8.5 scenario

3.2.2 气候变化和水库运行对流域水文情势的影响

从未来寸滩和枝城站径流年内分布的模拟结果来看（图10），气候变化与水库运行对其产生了不同的影响。气候变化使两个水文站1—4月份流量在2021—2040年、2041—2060年和2081—2099年3个时段基本呈上升趋势（最大增幅为17%），7—10月份流量在2081—2099年明显上升（最大增幅为19%）。未来降水量和气温显著上升，是流域径流增加的主要原因[54]。相比气候变化影响，水库运行对径流的削洪补枯作用明显，即增加1—5月份的流量（最大增幅为67%），减少7—11月份流量，特别是对9—10月份水库蓄水期的削减作用显著（幅度可达-22%）。水库运行对径流年内分布的变化起主导作用。在3个RCP情景下，水库运行使枝城站各月平均流量变化幅度大于寸滩站，但两个站点的变化特征基本一致。径流年内分布的变化将对河流中的水生生物和洪泛平原生态系统产生重要影响[55⇓-57]。
图10 未来时期气候变化和水库运行影响下寸滩和枝城站月平均流量相对基准期的变化

Fig. 10 The relative changes of monthly streamflow at Cuntan and Zhicheng stations under the influence of climate change and reservoirs in three future periods compared to the baseline period

表3~表4分别展示了未来时期（2021—2040年、2041—2060年和2081—2099年）气候变化和水库运行对寸滩和枝城站水文情势指标的影响。从数量分组来看，气候变化增加了该组水文情势指标，各指标在未来3个时段逐渐递增，但增幅均小于13%，这与已有研究[58-59]的研究结果基本一致。这与长江上游流域未来年降水量和月降水量的增加趋势密切相关[54,60]。水库运行增加了汛前流量（寸滩站增幅为33%~36%，枝城站增幅为35%~37%），减少了汛后流量（寸滩站变化幅度为-10%~-9%，枝城站变化幅度为-9%~-7%），对年平均流量和汛期流量的影响较小。水库运行补给枯季径流使汛前流量增加，且在汛后拦蓄径流将水库水位提升至正常蓄水位，以保证来年发电和补给枯水期径流。当洪峰过后，水库会逐步泄洪以保证足够的防洪库容。因此，水库对汛期流量的影响较小。在水库调度规则不变的情况下，未来水库运行对汛前和汛后径流的影响差异不大。
表3 未来时期寸滩站水文情势指标的平均变化率(%)

Tab. 3 Average change (%) of hydrological indicators at Cuntan station in the future

ID 分组 指标 2021—2040年 2041—2060年 2081—2099年
RCP 2.6 RCP 4.5 RCP 8.5 RCP 2.6 RCP 4.5 RCP 8.5 RCP 2.6 RCP 4.5 RCP 8.5
气候 水库 气候 水库 气候 水库 气候 水库 气候 水库 气候 水库 气候 水库 气候 水库 气候 水库
1 数量 MDF 2 0 0 0 -2 0 5 0 2 0 2 0 6 0 10 0 13 0
2 MDFF 2 -2 0 -1 -3 -2 5 -2 2 -1 1 -1 6 -2 10 -2 13 -1
3 MDFN1 4 35 2 35 -3 35 3 35 5 35 2 34 4 36 12 34 11 33
4 MDFN2 2 -9 0 -10 0 -10 3 -9 2 -9 2 -10 5 -9 11 -9 12 -9
5 变异性 CVDF 1 -11 2 -11 0 -11 3 -11 1 -11 2 -11 3 -10 3 -10 8 -10
6 CVDFF 3 -11 4 -11 0 -11 5 -12 3 -11 4 -12 4 -10 6 -11 13 -12
7 CVDFN1 3 -14 14 -15 4 -14 1 -14 18 -15 5 -14 7 -18 9 -17 14 -13
8 CVDFN2 -1 -3 -1 -5 1 -5 -4 -3 -1 -3 1 -3 -2 -4 1 -3 5 0
9 频率 FDF75 4 12 6 16 8 12 12 7 20 1 16 16 0 18 9 4 13 8
10 FDF90 7 -2 -6 13 0 12 0 1 -4 15 -8 17 -5 11 -6 -15 6 -22
11 FDF25 -1 10 1 6 8 16 -9 11 -1 9 1 5 -2 5 -4 5 2 3
12 FDF10 -2 5 -9 2 -6 1 -10 -1 -1 5 -3 4 -1 2 1 7 4 2
13 历时 DDF75 -1 -2 0 -2 0 -1 -2 -4 -2 -4 0 -4 -4 -3 -4 -6 -4 -4
14 DDF90 -4 -44 -2 -41 2 -38 -8 -43 -7 -40 -3 -39 -5 -48 -17 -46 -14 -45
15 DDF25 2 -6 -4 -6 -5 -7 3 -5 -1 -4 0 -6 6 -5 10 -5 9 -4
16 DDF10 2 -10 -2 -10 -10 -11 7 -9 4 -9 4 -12 12 -10 23 -11 23 -6
17 发生时间 TDFC -1 2 -1 2 0 1 0 0 -1 2 -1 1 0 1 -1 2 -1 2
18 TMnDF 3 146 13 138 8 115 -4 123 3 141 3 128 -10 180 18 106 19 110
19 TMxDF 1 0 0 -1 2 -1 -2 0 -1 -2 1 -1 -1 0 -3 -1 2 -1
20 变化率 RR 8 -17 9 -18 5 -17 13 -20 12 -18 11 -18 19 -19 22 -18 43 -24
21 RF 5 4 3 4 -1 4 7 3 7 3 5 4 12 4 19 2 32 2
表4 未来时期枝城站水文情势指标的平均变化率(%)

Tab. 4 Average change (%) of hydrological indicators at Zhicheng station in the future

ID 分组 指标 2021—2040年 2041—2060年 2081—2099年
RCP 2.6 RCP 4.5 RCP 8.5 RCP 2.6 RCP 4.5 RCP 8.5 RCP 2.6 RCP 4.5 RCP 8.5
气候 水库 气候 水库 气候 水库 气候 水库 气候 水库 气候 水库 气候 水库 气候 水库 气候 水库
1 数量 MDF 3 -1 -1 1 -2 0 5 0 2 0 1 1 6 0 11 -1 12 1
2 MDFF 3 -3 0 -1 -2 -2 5 -2 2 -2 1 -1 6 -2 11 -3 13 -1
3 MDFN1 3 35 0 37 -3 36 3 36 5 35 0 36 3 37 11 35 9 36
4 MDFN2 1 -9 -2 -8 -1 -9 2 -8 1 -8 1 -8 4 -8 10 -8 10 -7
5 变异性 CVDF 2 -12 2 -11 -1 -11 3 -11 1 -11 2 -10 3 -10 3 -11 7 -10
6 CVDFF 4 -12 2 -10 -2 -9 4 -10 2 -10 3 -10 3 -9 4 -10 10 -9
7 CVDFN1 3 -14 6 -8 6 -15 3 -16 13 -10 6 -15 2 -12 6 -14 11 -9
8 CVDFN2 0 -5 -1 -5 1 -5 -2 -6 0 -4 5 -7 -3 -3 3 -5 6 -1
9 频率 FDF75 -5 21 5 16 7 13 -1 20 1 21 11 21 1 18 -3 16 11 10
10 FDF90 1 4 -1 9 -2 14 -6 7 1 10 -3 13 -2 8 2 -23 13 -29
11 FDF25 4 5 6 1 8 16 -4 7 -1 9 1 4 -2 4 -4 6 1 4
12 FDF10 5 -3 -3 -3 3 -8 5 -16 2 2 5 -4 9 -8 19 -11 13 -7
13 历时 DDF75 -1 -2 1 -3 0 -1 -3 -3 -2 -4 0 -3 -3 -4 -5 -5 -4 -5
14 DDF90 -2 -45 0 -43 2 -38 -4 -47 -3 -44 0 -42 -3 -50 -12 -51 -8 -51
15 DDF25 2 -7 -5 -5 -5 -7 4 -6 0 -5 0 -5 5 -5 13 -8 11 -6
16 DDF10 4 -12 -3 -9 -8 -12 8 -10 4 -10 2 -11 12 -10 27 -15 27 -10
17 发生时间 TDFC -1 1 -1 2 0 0 0 1 -1 1 -1 1 0 1 -1 1 -1 2
18 TMnDF -5 154 8 143 1 121 2 117 -3 147 16 115 10 160 -1 124 10 119
19 TMxDF 0 0 1 -2 2 0 2 -3 1 -5 1 -2 2 -2 -2 -2 0 0
20 变化率 RR 9 -18 7 -16 5 -17 11 -18 9 -14 12 -18 15 -15 22 -18 38 -19
21 RF 7 1 2 6 0 3 6 4 4 7 5 4 10 6 15 7 25 10
从变异性分组来看，不同RCP情景下气候变化主要增加汛前流量变异性（最大增幅18%），对其他指标的影响不大（-3%~13%）。水库运行降低了变异性分组中所有水文情势指标，其中对汛前流量变异性的影响较大（变化幅度-18%~-9%），对汛后流量变异性的影响最小（最大变化幅度-7%）。说明水库运行使径流波动性降低，即径流变化更平缓[18]。
从频率和历时分组来看，气候变化对其在2021—2040年和2041—2060年两时段的影响较小。随着降水的增加，极端洪峰流量发生次数和历时在2081—2099年有所上升，其中枝城站的增幅可达19%和27%。洪水频率的增加可能会导致流域洪水风险增大[59-60]。水库运行使极端枯季流量发生次数增加（最高17%），但大幅降低了极端枯季流量的历时（-51%~-38%）。同时，水库运行使枝城站极端洪峰流量发生次数下降（最大减小幅度为-16%），但对于寸滩站的影响较小；寸滩和枝城站极端洪峰流量历时分别下降-12%~-6%和-15%~-9%。上述结果与Cheng等对长江上游枯季流量和洪峰流量历时的研究结论一致[61]。与气候变化相比，水库运行对极端枯季流量历时的减少作用更明显，这将有利于减轻极端枯季流量对水生生物的不利影响[12]。考虑到水库运行对极端洪峰流量发生次数和历时的削减幅度有限，可以适当调整水库汛限水位以确保未来防洪安全[62]。
从发生时间和变化率分组来看，气候变化和水库运行都推迟了年最小流量的发生时间，但对年最大流量发生时间和径流科威尔稳定性的影响不显著。水库运行对年最小流量发生时间的影响更显著，其补枯作用使年最小流量发生时间推移至1月和12月，这可能会改变需低流量产卵和繁殖鱼类的习性[63]。可通过考虑提高水库对1月和12月径流补给量，使年最小流量发生时间维持稳定以降低对鱼类的影响。气候变化使流量正变化率在未来时期不断上升（最大增幅为43%），而水库运行对其具有减小作用（-24%~-14%），未来需进一步调整水库运行规则以维持径流的稳定性。
总的来看，气候变化和水库运行对流域水文情势产生了显著影响。未来降水量增大将增加径流量及其变异性，并导致流域洪水风险增加。水库运行调节径流年内分配，缓解枯水期干旱发生，降低汛期洪水风险，使径流稳定性增加。水库运行部分抵消了气候变化对水文情势的影响，在缓解气候变化影响方面发挥了重要作用。考虑三峡水库的显著调节作用，长江中游水文情势受水库的影响要高于上游。

3.3 不确定性分析

SWAT模型是一个半分布式水文模型，其计算产流的水文响应单元是由多个网格划分而成。这决定了其对大尺度流域模拟会有较高计算效率，而对于汇流过程的模拟精度可能会低于分布式模型。例如，研究发现SWAT模型在长江上游流域模拟的径流与实测径流在率定期的R2为0.91，而GBEHM（Geomorphology‐Based Eco‐Hydrological Model）可达0.92[61]。另外，本文中水库运行影响期的径流模拟没有考虑土地利用变化和人类用水等因素对径流的影响，这也给径流和水文情势指标的模拟带来一定的不确定性[64]。在后续研究中可进一步考虑未来土地利用变化和人类用水活动的影响。
本文在改进SWAT模型水库算法时引入非汛期和汛期水库出流调整系数 α和 β，其中 α可以根据非汛期水库入流和水位来调整每天水库库容的排泄量， β可以根据汛期水库入流和水位来判断水库是否拦蓄径流，并在洪水过后增加下泄流量以留出充足的防洪库容。通过引入这两个系数对水库出流进行控制，可避免原水库模型设置对径流的过度调整（如洪峰流量可能过度削减）。然而两个系数是根据历史时期实测径流与模拟值的多项式拟合关系确定的。在未来模拟时，两个系数可能会因降水—径流关系改变而发生变化，需要动态调整以满足模拟要求。
气候模式模拟未来降水和气温的准确性是水文情势预估结果不确定性最主要的来源。本文选择已在长江流域得到广泛应用的4个气候模式，采用多模式平均的方法计算径流和水文情势指标值，以降低单一气候模式带来的不确定性[58-59]。后续研究中，可考虑应用更多代表性浓度路径情景下多个气候模式数据驱动水文模型，开展未来径流和水文情势指标变化预估，以进一步增加结果的可靠性[65]。

4 结论

本文基于经偏差校正的气候模式数据、改进水库算法的SWAT模型和水文指标法，预估了未来（2021—2099年）气候变化和上游控制性水库群运行对长江流域水文情势的影响。得到的主要研究结论如下：
（1）改进水库算法的SWAT模型对流域典型水文站日径流（基于改进模型模拟的上中游两个水文站日径流与观测值的NSE和KGE均在0.83以上，相较原模型分别提升0.01~0.26和0.01~0.08）、水库水位变化过程和水文情势指标的模拟效果均有所提升。
（2）未来气候变化使长江流域径流呈增加趋势。受气候变化影响流域1—4月流量（最大增幅为17%）、汛前流量变异性（最大增幅为18%）、极端洪峰流量发生次数、极端洪峰流量历时和流量正变化率有所增加，径流平稳性有所下降。
（3）未来长江上游水库群运行将使流域径流过程变得更加平稳，表现为枯季流量增加（最大增幅为67%），汛后流量减少，径流变异性减弱，流量正变化率降低（-24%~-14%）。水库运行减少了极端洪峰流量发生次数（最大变化幅度为-16%），缩短了极端洪峰流量（-10%~-4%）和极端枯季流量（-51%~-38%）历时，这在一定程度上降低了流域的干旱和洪水风险。长江上游控制性水库群运行部分抵消了气候变化对流域水文情势的影响，但由于受调蓄规则和库容总量的局限其对水文情势变化的调控能力仍很有限，未来在水库建设规划和调蓄规则动态优化过程中需充分考虑气候变化对水文情势的影响。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Poff N L, Allan J D, Bain M B, et al. The natural flow regime: A paradigm for river conservation and restoration. BioScience, 1997, 47(11): 769-784.

[2]
Nilsson C, Berggren K. Alterations of riparian ecosystems caused by river regulation. BioScience, 2000, 50(9): 783-792.

[3]
Magilligan F J, Nislow K H. Changes in hydrologic regime by dams. Geomorphology, 2005, 71: 61-78.

[4]
Hall J, Arheimer B, Borga M, et al. Understanding flood regime changes in Europe: A state-of-the-art assessment. Hydrology and Earth System Sciences, 2014, 18: 2735-2772.

[5]
Almeida R M, Hamilton S K, Rosi E J, et al. Hydropeaking operations of two run-of-river mega-dams alter downstream hydrology of the largest Amazon tributary. Frontiers in Environmental Science, 2020, 8: 120. DOI: 10.3389/fenvs.2020.00120.

[6]
Liu W B, Yang T, Sun F B, et al. Observation-constrained projection of global flood magnitudes with anthropogenic warming. Water Resources Research, 2021, 57: e2020WR028830. DOI: 10.1029/2020WR028830.

[7]
Dankers R, Arnell N W, Clark D B, et al. First look at changes in flood hazard in the Inter-Sectoral Impact Model Intercomparison Project ensemble. PNAS, 2014, 111(9): 3257-3261.

DOI PMID

[8]
Alfieri L, Burek P, Feyen L, et al. Global warming increases the frequency of river floods in Europe. Hydrology and Earth System Sciences, 2015, 19: 2247-2260.

[9]
Alfieri L, Bisselink B, Dottori F, et al. Global projections of river flood risk in a warmer world. Earth's Future, 2017, 5: 171-182.

[10]
Stevens A J, Clarke D, Nicholls R J. Trends in reported flooding in the UK: 1884-2013. Hydrological Sciences Journal, 2016, 61(1): 50-63.

[11]
Leta O T, El-Kadi A I, Dulai H. Impact of climate change on daily streamflow and its extreme values in Pacific Island watersheds. Sustainability, 2018, 10: 2057. DOI: 10.3390/su10062057.

[12]
Yang B, Dou M, Xia R, et al. Effects of hydrological alteration on fish population structure and habitat in river system: A case study in the mid-downstream of the Hanjiang River in China. Global Ecology and Conservation, 2020, 23: e01090. DOI: 10.1016/j.gecco.2020.e01090.

[13]
Poff N L, Olden J D, Merritt D M, et al. Homogenization of regional river dynamics by dams and global biodiversity implications. PNAS, 2007, 104(14): 5732-5737.

DOI PMID

[14]
Xu K H, Milliman J D. Seasonal variations of sediment discharge from the Yangtze River before and after impoundment of the Three Gorges Dam. Geomorphology, 2009, 104: 276-283.

[15]
Yang S L, Milliman J D, Li P, et al. 50,000 dams later: Erosion of the Yangtze River and its delta. Global and Planetary Change, 2011, 75: 14-20.

[16]
Mei X F, Dai Z J, Darby S E, et al. Modulation of extreme flood levels by impoundment significantly offset by floodplain loss downstream of the Three Gorges Dam. Geophysical Research Letters, 2018, 45: 3147-3155.

[17]
Yang Z, Wang H, Saito Y, et al. Dam impacts on the Changjiang (Yangtze) River sediment discharge to the sea: The past 55 years and after the Three Gorges Dam. Water Resources Research, 2006, 42: W04407. DOI: 10.1029/2005WR003970.

[18]
Cheng J X, Xu L G, Fan H X, et al. Changes in the flow regimes associated with climate change and human activities in the Yangtze River. River Research and Applications, 2019, 35(9): 1415-1427.

[19]
Guo L C, Su N, Zhu C Y, et al. How have the river discharges and sediment loads changed in the Changjiang River basin downstream of the Three Gorges Dam? Journal of Hydrology, 2018, 560: 259-274.

[20]
Liu Z Y, Chen X H, Liu F, et al. Joint dependence between river water temperature, air temperature, and discharge in the Yangtze River: The role of the Three Gorges Dam. Journal of Geophysical Research: Atmospheres, 2018, 123: 11938-11951.

[21]
Yao S, Chen C, Chen Q, et al. Impact of short‐term hydrological components on landscape pattern of waterbird habitat in floodplain wetlands. Water Resources Research, 2022, 58: e2021WR031822. DOI: 10.1029/2021WR031822.

[22]
Zhai Ran, Liu Zhiwu, Dai Huichao, et al. Characteristic and prediction of runoff change in the Yangtze River basin. Water Resources and Hydropower Engineering, 2023, 54(6): 87-97.

[翟然, 刘志武, 戴会超, 等. 长江流域径流历史演变特征及未来预估. 水利水电技术(中英文), 2023, 54(6): 87-97.]

[23]
Peng L, Li Z H. Ensemble flood risk assessment in the Yangtze River economic belt under CMIP6 SSP-RCP scenarios. Sustainability, 2021, 13: 12097. DOI: 10.3390/su132112097.

[24]
Getachew B, Manjunatha B R, Bhat H G. Modeling projected impacts of climate and land use/land cover changes on hydrological responses in the Lake Tana basin, upper Blue Nile River basin, Ethiopia. Journal of Hydrology, 2021, 595: 125974. DOI: 10.1016/j.jhydrol.2021.125974.

[25]
He S K, Chen K B, Liu Z J, et al. Exploring the impacts of climate change and human activities on future runoff variations at the seasonal scale. Journal of Hydrology, 2023, 619: 129382. DOI: 10.1016/j.jhydrol.2023.129382.

[26]
Döll P, Trautmann T, Gerten D, et al. Risks for the global freshwater system at 1.5 ℃ and 2 ℃ global warming. Environmental Research Letters, 2018, 13: 044038. DOI: 10.1088/1748-9326/aab792.

[27]
Farjad B, Gupta A, Sartipizadeh H, et al. A novel approach for selecting extreme climate change scenarios for climate change impact studies. Science of The Total Environment, 2019, 678: 476-485.

DOI

[28]
Wu C L, Herrington S J, Charry B, et al. Assessing the potential of riparian reforestation to facilitate watershed climate adaptation. Journal of Environmental Management, 2021, 277: 111431. DOI: 10.1016/j.jenvman.2020.111431.

[29]
Biemans H, Haddeland I, Kabat P, et al. Impact of reservoirs on river discharge and irrigation water supply during the 20th century. Water Resources Research, 2011, 47: W03509. DOI: 10.1029/2009WR008929.

[30]
Hejazi M I, Edmonds J, Clarke L, et al. Integrated assessment of global water scarcity over the 21st century under multiple climate change mitigation policies. Hydrology and Earth System Sciences, 2014, 18: 2859-2883.

[31]
Nazemi A, Wheater H S. On inclusion of water resource management in earth system models (Part 2): Representation of water supply and allocation and opportunities for improved modeling. Hydrology and Earth System Sciences, 2015, 19: 63-90.

[32]
Coerver H M, Rutten M M, van de Giesen N C. Deduction of reservoir operating rules for application in global hydrological models. Hydrology and Earth System Sciences, 2018, 22: 831-851.

[33]
Wang W, Li H Y, Leung L R, et al. Nonlinear filtering effects of reservoirs on flood frequency curves at the regional scale. Water Resources Research, 2017, 53: 8277-8292.

[34]
Zhong R D, Zhao T, He Y H, et al. Hydropower change of the water tower of Asia in 21st century: A case of the Lancang River hydropower base, upper Mekong. Energy, 2019, 179: 685-696.

[35]
Kriegler E, Edmonds J, Hallegatte S, et al. A new scenario framework for climate change research: The concept of shared climate policy assumptions. Climatic Change, 2014, 122: 401-414.

[36]
Warszawski L, Frieler K, Huber V, et al. The inter-sectoral impact model intercomparison project (ISI-MIP): Project framework. PNAS, 2014, 111(9): 3228-3232.

DOI PMID

[37]
Changjiang Water Resources Commission of the Ministry of Water Resources. The top-level design for joint operation research of reservoir groups in the River basin. Wuhan: Changjiang Water Resources Commission of the Ministry of Water Resources, 2015.

[水利部长江水利委员会. 流域水库群联合调度研究顶层设计报告. 武汉: 水利部长江水利委员会, 2015.]

[38]
Timpe K, Kaplan D. The changing hydrology of a dammed Amazon. Science Advances, 2017, 3: e1700611. DOI: 10.1126/sciadv.1700611.

[39]
Liu Wenbin, Yang Tao, Du Muye, et al. Impact of the Three Gorges Dam on the hydrology mechanism of typical hydrologic stations in the middle and lower reaches of the Yangtze River. Ecology and Environmental Monitoring of Three Gorges, 2018, 3(3): 8-15.

[刘文彬, 杨涛, 杜牧野, 等. 三峡水库运行对长江中下游典型水文站水文机制的影响. 三峡生态环境监测, 2018, 3(3): 8-15.]

[40]
Wang L, Zhang J Y, Shu Z K, et al. Assessment of future eco-hydrological regime and uncertainty under climate changes over an alpine region. Journal of Hydrology, 2023, 620: 129451. DOI: 10.1016/j.jhydrol.2023.129451.

[41]
Guo S H, Xiong L H, Zha X N, et al. Impacts of the Three Gorges Dam on the streamflow fluctuations in the downstream region. Journal of Hydrology, 2021, 598: 126480. DOI: 10.1016/j.jhydrol.2021.126480.

[42]
Zhang Y Y, Zhai X Y, Zhao T. Annual shifts of flow regime alteration: New insights from the Chaishitan Reservoir in China. Scientific Report, 2018, 8: 1414. DOI: 10.1038/s41598-018-19717-z.

[43]
Neitsch S L, Arnold J G, Kiniry J R, et al. Soil and water assessment tool theoretical documentation. Version 2009. Texas Water Resources Institute, 2011.

[44]
Changjiang Water Resources Commission of the Ministry of Water Resources. 2019 Plan for joint operation and dispatch of water projects in the Yangtze River basin. Wuhan: Changjiang Water Resources Commission of the Ministry of Water Resources, 2019.

[水利部长江水利委员会.2019年长江流域水工程联合调度运用计划. 武汉: 水利部长江水利委员会, 2019.]

[45]
Liu H Q, Wang T T, Feng Y, et al. Identifying reservoir-induced hydrological alterations in the Upper Yangtze River basin through statistical and modeling approaches. Water, 2023, 15: 2914. DOI: 10.3390/w15162914.

[46]
Nash J E, Sutcliffe J V. River flow forecasting through conceptual models part I: A discussion of principles. Journal of Hydrology, 1970, 10: 282-290.

[47]
Krause P, Boyle D P, Bäse F B. Comparison of different efficiency criteria for hydrological model assessment. Advances in Geosciences, 2005, 5: 89-97.

[48]
Gupta H V, Kling H, Yilmaz K K, et al. Decomposition of the mean squared error and NSE performance criteria: Implications for improving hydrological modelling. Journal of Hydrology, 2009, 377: 80-91.

[49]
Moriasi D N, Arnold J G, van Liew M W, et al. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. Transactions of the ASABE, 2007, 50: 885-900.

[50]
Nie N, Zhang W, Liu M, et al. Separating the impacts of climate variability, land-use change and large reservoir operations on streamflow in the Yangtze River basin, China, using a hydrological modeling approach. International Journal of Digital Earth, 2020, 14(2):231-249.

[51]
Zhong W J, Guo J, Chen L, et al. Future hydropower generation prediction of large-scale reservoirs in the upper Yangtze River basin under climate change. Journal of Hydrology, 2020, 588: 125013. DOI: 10.1016/j.jhydrol.2020.125013.

[52]
Wu Y P, Chen J. An operation-based scheme for a multiyear and multipurpose reservoir to enhance macroscale hydrologic models. Journal of Hydrometeorology, 2012, 13: 270-283.

[53]
Li Wei, Chen Xiaohong, He Yanhu, et al. Modification of reservoir module in SWAT model and its application of runoff simulation in highly regulated basin. Tropical Geography, 2018, 38(2): 226-235.

DOI

[李蔚, 陈晓宏, 何艳虎, 等. 改进SWAT模型水库模块及其在水库控制流域径流模拟中的应用. 热带地理, 2018, 38(2): 226-235.]

DOI

[54]
Liu Y, Liu F, Chen C, et al. A holistic approach to projecting streamflow and analyzing changes in ecologically relevant hydrological indicators under climate and land use/cover change. Journal of Hydrology, 2024, 632: 130863. DOI: 10.1016/j.jhydrol.2024.130863.

[55]
Box W, Järvelä J, Västilä K. Flow resistance of floodplain vegetation mixtures for modelling river flows. Journal of Hydrology, 2021, 601: 126593. DOI: 10.1016/j.jhydrol.2021.126593.

[56]
Abrial E, Lorenzón R E, Rabuffetti A P, et al. Hydroecological implication of long-term flow variations in the middle Paraná river floodplain. Journal of Hydrology, 2021, 603: 126957. DOI: 10.1016/j.jhydrol.2021.126957.

[57]
Walters A W. The importance of context dependence for understanding the effects of low-flow events on fish. Freshwater Science, 2016, 35: 216-228.

[58]
Gao C, Su B, Krysanova V, et al. A 439-year simulated daily discharge dataset (1861-2299) for the upper Yangtze River, China. Earth System Science Data, 2020, 12: 387-402.

[59]
Wen S S, Su B D, Wang Y J, et al. Comprehensive evaluation of hydrological models for climate change impact assessment in the Upper Yangtze River basin, China. Climatic Change, 2020, 163(3): 1207-1226.

[60]
Wang T H, Shi R J, Yang D W, et al. Future changes in annual runoff and hydroclimatic extremes in the upper Yangtze River basin. Journal of Hydrology, 2022, 615: 128738. DOI: 10.1016/j.jhydrol.2022.128738.

[61]
Cheng H, Wang T, Yang D. Quantifying the regulation capacity of the Three Gorges Reservoir on extreme hydrological events and its impact on flow regime in a changing climate. Water Resources Research, 2024, 60: e2023WR036329. DOI: 10.1029/2023WR036329.

[62]
Mei X F, Dai Z J, van Gelder P H A J M, et al. Linking Three Gorges Dam and downstream hydrological regimes along the Yangtze River, China. Earth and Space Science, 2015, 2(4): 94-106.

[63]
Bunn S E, Arthington A H. Basic principles and ecological consequences of altered flow regimes for aquatic biodiversity. Environmental Management, 2002, 30: 492-507.

PMID

[64]
Hu H, Yang K, Sharma A, et al. Assessment of water and energy scarcity, security and sustainability into the future for the Three Gorges Reservoir using an ensemble of RCMs. Journal of Hydrology, 2020, 586: 124893. DOI: 10.1016/j.jhydrol.2020.124893.

[65]
Zhang Lixia, Chen Xiaolong, Xin Xiaoge. Short commentary on CMIP6 Scenario Model Intercomparison Project (ScenarioMIP). Climate Change Research, 2019, 15(5): 519-525.

[张丽霞, 陈晓龙, 辛晓歌. CMIP6情景模式比较计划(ScenarioMIP)概况与评述. 气候变化研究进展, 2019, 15(5): 519-525.]

Options
文章导航

/

〈 〉