气候变化与土地利用/覆被数据特征对汉江上游流域径流的综合影响评估：基于SWAT模型的模拟研究

本研究针对多源多分辨率土地利用/覆被(LULC)数据与未来气候变化对流域径流模拟的复合影响这一关键科学问题，采用SWAT模型系统评估了10m至1000m分辨率LULC数据对汉江上游流域(UHRB)径流模拟的影响。研究发现FROM 10m数据在日尺度模拟中表现最优(NSE=0.68)，而CGLS 100m在月尺度表现最佳(NSE=0.87)。基于最优LULC配置的未来预测显示，SSP1-2.6情景下年均径流将增加28.8%，且夏季径流比例从44%降至34-35%，为温带季风区水资源管理提供了重要科学依据。

　　

在全球气候变化加剧的背景下，流域水文过程正经历前所未有的改变。汉江上游流域(UHRB)作为南水北调中线工程的水源地，其水资源安全直接关系到数亿人的生产生活。然而，当前研究面临两大瓶颈：一方面，土地利用/覆被(LULC)数据的空间分辨率从10m到1000m不等，这些数据来源各异、分类标准不一，导致水文模型输入存在显著不确定性；另一方面，未来气候情景下流域径流的响应机制尚不明确，特别是CMIP6新情景体系下的精细化预测仍属空白。这些问题严重制约了水资源管理的科学决策，亟需建立多分辨率LULC数据与气候变化的耦合评估框架。

为破解这些难题，Longhui Zhang等研究人员在《Journal of the Indian Chemical Society》发表论文，创新性地整合了7种不同分辨率（FROM 10m、ESRI 10m、GLC 30m、CGLS 100m、ESA_CCI 300m、MODIS 500m和GRDC 1000m）的LULC数据集，结合SWAT模型和CMIP6气候预测数据，系统评估了数据特性与气候变化对UHRB径流的复合影响。研究采用中国气象同化驱动数据集(CMADS)作为气象输入，通过SWAT-CUP工具进行参数敏感性分析和不确定性量化，并利用基于U-Net深度学习降尺度的CLIMEA-BCUD数据集开展未来径流预测。

关键技术方法包括：1) 基于90m SRTM DEM和1km HWSD土壤数据构建SWAT模型；2) 采用SUFI-2算法进行500次迭代的参数率定；3) 使用Nash-Sutcliffe效率系数(NSE)、决定系数(R²)和百分比偏差(PBIAS)等多指标评估模型性能；4) 整合SSP1-2.6和SSP5-8.5两种排放情景下的降尺度气候数据。

研究结果揭示：

1. 1.

   LULC数据分辨率的影响机制

   通过HRU数量分析发现，MODIS 500m数据意外产生最多HRUs(201个)，而ESA_CCI 300m因森林和农田占比达99.3%导致HRUs异常减少。参数敏感性显示土壤容重(SOL_BD)、基流系数(ALPHA_BF)等5个参数对径流模拟影响最大，且不受LULC分辨率变化影响。

2. 2.

   最优LULC配置的识别

   FROM 10m数据在日尺度模拟中展现最佳稳定性(NSE=0.68)，而CGLS 100m在月尺度表现最优(NSE=0.87)。值得注意的是，高分辨率LULC并不总是提升模拟精度，如ESRI 10m的验证期P-factor仅0.34，凸显数据源选择的重要性。

3. 3.

   未来径流变化特征

   SSP1-2.6情景下，远期(2071-2100)年均径流增幅达47.1%，显著高于近期(2040-2070)的11.8%。月尺度分析显示5月径流在近远期分别增长64.3%和154.9%，而7月减少31.9%和15.4%，预示雨季提前和夏季干旱风险。

4. 4.

   季节性重新分配

   夏季径流占比从44%骤降至34-35%，春季从18%升至26%，冬季从7%增至11-12%。这种"旱季更旱、雨季更涝"的格局将极大挑战现有水库调度规则，特别是对丹江口水库的防洪抗旱能力提出新要求。

这项研究的重要意义在于：首次系统量化了LULC数据特性与气候变化的协同影响，证实10m分辨率FROM数据在日尺度模拟中的优越性，为模型输入选择提供了实证依据。提出的"季节性水文相变"概念（夏季主导型向春秋均衡型转变）为温带季风区水资源规划提供了新认知。研究成果可直接应用于南水北调工程适应性管理，并为全球类似流域的气候变化应对策略制定提供了范式参考。未来研究可结合动态LULC变化预测和陆气耦合模型，进一步提升极端水文事件的预报能力。