5　塔河流域干旱綜合評(píng)價(jià)

5．1　干旱評(píng)價(jià)方法

旱災(zāi)是多種干旱類型共同作用的結(jié)果，單就一種干旱類型進(jìn)行分析是不完整的。同時(shí)，各干旱類型在優(yōu)劣上是漸變的，具有模糊性。所以，采取模糊數(shù)學(xué)的方法評(píng)價(jià)各個(gè)因素，可以獲得較為合理的評(píng)價(jià)結(jié)果。本研究采取模糊物元理論將單個(gè)干旱類型綜合考慮，得出相對(duì)應(yīng)的干旱判別等級(jí)，進(jìn)行綜合干旱評(píng)價(jià)?；驹頌椋?/p>

1）模糊物元

物元包括對(duì)象的名稱、指標(biāo)和量值。記m個(gè)評(píng)價(jià)對(duì)象，n個(gè)指標(biāo)的復(fù)合模糊評(píng)價(jià)物元R，即

式中：R——m個(gè)評(píng)價(jià)對(duì)象n個(gè)指標(biāo)的復(fù)合物元；

Ci（i＝1，2，…，m）——第i個(gè)評(píng)價(jià)對(duì)象；

Mj（j＝1，2，…，n）——第j個(gè)指標(biāo)；xij為第i個(gè)評(píng)價(jià)對(duì)象第j個(gè)指標(biāo)對(duì)應(yīng)的模糊量值。

2）從優(yōu)隸屬度

各指標(biāo)的模糊量值從屬于標(biāo)準(zhǔn)方案最優(yōu)指標(biāo)對(duì)應(yīng)模糊量值的隸屬程度，稱為從優(yōu)隸屬度。各評(píng)價(jià)指標(biāo)對(duì)于方案評(píng)價(jià)來(lái)說(shuō)，有的是越大越優(yōu)，有的是越小越優(yōu)，因此，對(duì)不同的從優(yōu)隸屬度分別采用不同的計(jì)算公式：

式中：μij——從優(yōu)隸屬度；

max?。鹸ij｝和min　｛xij｝分別表示在第j項(xiàng)指標(biāo)下，m個(gè)評(píng)價(jià)對(duì)象相對(duì)應(yīng)的指標(biāo)值的最大值和最小值。

由此可以建立從優(yōu)隸屬度矩陣Rmn為：

3）差平方矩陣

標(biāo)準(zhǔn)模糊物元Ron是指從優(yōu)隸屬度模糊物元Rmn中各評(píng)價(jià)指標(biāo)的從優(yōu)隸屬度的最大值或最小值。本次以最大值表示最優(yōu)，即各指標(biāo)從優(yōu)隸屬度均為1。若以Δij（i＝1，…，m；j＝1，…，n）表示標(biāo)準(zhǔn)模糊物元Ron與從優(yōu)隸屬度矩陣Rmn中元素差的平方，則組成差平方矩陣RΔ為：

4）熵值法確立權(quán)重

熵值可以反映系統(tǒng)的無(wú)序程度，量化已知的有用信息。熵值法是由評(píng)價(jià)指標(biāo)值構(gòu)成的判斷矩陣來(lái)確定各個(gè)指標(biāo)權(quán)重的一種方法，它能盡量消除各指標(biāo)權(quán)重的主觀性，使評(píng)價(jià)結(jié)果更符合實(shí)際，其評(píng)價(jià)指標(biāo)的熵值計(jì)算步驟如下：

（1）構(gòu)建m個(gè)評(píng)價(jià)對(duì)象和n個(gè)指標(biāo)的判斷矩陣H

（2）將判斷矩陣H進(jìn)行歸一化處理

以lij表示在第j項(xiàng)指標(biāo)上第i個(gè)評(píng)價(jià)對(duì)象的標(biāo)準(zhǔn)化數(shù)值，那么根據(jù)標(biāo)準(zhǔn)化定義則有l(wèi)ij∈［0，1］。根據(jù)式（3．10）可計(jì)算得到歸一化矩陣L，即

（3）計(jì)算指標(biāo)熵值

以pij表示第j項(xiàng)指標(biāo)上第i個(gè)評(píng)價(jià)對(duì)象的比重，則：

以ej表示第j項(xiàng)指標(biāo)的熵值，根據(jù)熵的定義，則：

特別地，當(dāng)pij＝0時(shí)，pijlnpij＝0。

（4）計(jì)算權(quán)重W

n

（5）干旱評(píng)價(jià)貼近度

貼近度是指被評(píng)價(jià)樣本與標(biāo)準(zhǔn)樣本兩者之間互相接近的程度，貼近度越大，表示兩者越接近，反之則相離越遠(yuǎn)。因此，可以根據(jù)貼近度的大小對(duì)各方案進(jìn)行優(yōu)劣排序，也可以根據(jù)標(biāo)準(zhǔn)值的貼近度進(jìn)行類別劃分。可以用模糊算子來(lái)計(jì)算和構(gòu)建貼近度模糊物元矩陣RρH：

式中：ρHj為貼近度模糊物元矩陣RρH中的第j個(gè)貼近度，計(jì)算式為：

通過(guò)ρHj之間的歐式距離來(lái)判斷評(píng)價(jià)事物隸屬的標(biāo)準(zhǔn)。

5．2　干旱特征統(tǒng)計(jì)及關(guān)聯(lián)性分析

為了減少站點(diǎn)資料觀測(cè)誤差、干旱指標(biāo)計(jì)算方法或者是局部地區(qū)氣候異常等因素可能帶來(lái)的影響，本研究以一定的影響范圍作為判定流域干旱事件是否發(fā)生的閾值水平，即當(dāng)干旱影響范圍超過(guò)該閾值水平時(shí)才認(rèn)為塔河流域出現(xiàn)干旱事件。不同閾值水平（0%，10%，20%，30%，40%和50%）提取出來(lái)的干旱事件特征統(tǒng)計(jì)見(jiàn)表5．1。

表5．1　塔河流域氣象干旱與農(nóng)業(yè)干旱事件特征統(tǒng)計(jì)

從表5．1可見(jiàn)，當(dāng)閾值水平從0%擴(kuò)展至10%時(shí)，長(zhǎng)歷時(shí)的氣象干旱事件被截?cái)喑蓴?shù)次歷時(shí)相對(duì)較短的事件，導(dǎo)致干旱總次數(shù)的上升，隨著閾值水平的繼續(xù)提高，影響范圍較小的氣象干旱事件逐漸被過(guò)濾掉，干旱總次數(shù)下降；不同閾值水平下提取出來(lái)的氣象干旱事件，范圍越大，程度越嚴(yán)重。這種規(guī)律可以通過(guò)統(tǒng)計(jì)主要的干旱事件得到證實(shí)。分別依據(jù)歷時(shí)、范圍和程度列舉了1961—2000年發(fā)生的主要干旱事件（前3位），不難發(fā)現(xiàn)1961—1965年（紅色）和1974—1981年（藍(lán)色）兩個(gè)時(shí)期發(fā)生的干旱事件均以歷時(shí)長(zhǎng)、范圍大和程度嚴(yán)重為特征。相反，1997—2000年間（黃色）發(fā)生的農(nóng)業(yè)干旱事件具有歷時(shí)長(zhǎng)和范圍大的顯著特征，但程度并沒(méi)有特別嚴(yán)重，說(shuō)明極端的農(nóng)業(yè)干旱事件多以歷時(shí)短且范圍小的形式在局部地區(qū)發(fā)生，見(jiàn)表5．2。

表5．2（彩插6）　塔河流域主要干旱事件統(tǒng)計(jì)表

圖5．1顯示在影響范圍為10%的閾值水平下，根據(jù)不同干旱特征統(tǒng)計(jì)得出塔河流域干旱事件累積頻率分布。在氣象干旱和農(nóng)業(yè)干旱中，歷時(shí)小于或等于2個(gè)月的干旱事件均占據(jù)了35%以上，說(shuō)明這種短歷時(shí)的干旱事件發(fā)生頻率相對(duì)較高；農(nóng)業(yè)干旱歷時(shí)在12～23（月）之前存在一明顯間隙，查看表5．2可知是由1998—2000年異常偏長(zhǎng)的農(nóng)業(yè)干旱事件導(dǎo)致；與歷時(shí)相比，干旱范圍和程度的分布曲線顯得較為連續(xù)均勻，因此可作為分析區(qū)域干旱事件發(fā)生的重要依據(jù)。

圖5．1　10%閾值水平下塔河流域干旱事件累積頻率分布

5．3　托什干河流域評(píng)價(jià)應(yīng)用

首先根據(jù)流域內(nèi)代表氣象站和水文站的資料進(jìn)行干旱指標(biāo)計(jì)算，并對(duì)各干旱類型進(jìn)行單因素評(píng)價(jià)。2001—2007年托什干河流域三大干旱的演變趨勢(shì)見(jiàn)圖5．2。

2001—2005年RDI均大于0，說(shuō)明流域未出現(xiàn)明顯的氣象干旱事件；直到2006年5月RDI達(dá)到－0．64，顯示發(fā)生輕微的春旱事件，與當(dāng)年水資源公報(bào)描述的“春季4月下旬～5月中旬，南疆地區(qū)普遍偏高0．5～0．8℃，大部分地區(qū)降水量偏少20%～70%”基本吻合；2007年5月RDI值再次達(dá)到－1．04，說(shuō)明春季再次發(fā)生了中等級(jí)別的干旱事件，與該年水資源公報(bào)描述的“今春，南疆大部分地區(qū)氣溫較常年偏高0．2～4．4℃”和“大部分地區(qū)開(kāi)春提早15～25天”相符。

圖5．2　2001—2007年托什干河流域干旱演變趨勢(shì)（3月尺度）

2001—2005年前托什干河一直處于平水或豐水期，到2006年徑流量有所下降，但仍維持正常水平，而2007年全年SDI均低于－0．5，特別是8月的SDI值更低至－0．95，說(shuō)明該流域發(fā)生了持續(xù)整年的水文干旱事件，與當(dāng)年的水資源公報(bào)“流域主要河流在主汛期來(lái)水量偏少幅度較大，為歷史罕見(jiàn)，導(dǎo)致南疆各地出現(xiàn)了春、夏、秋連旱”和“阿克蘇地區(qū)的托什干河河流水量較歷年同期偏少8%，造成灌溉供需矛盾進(jìn)一步加劇”等描述一致。

利用綜合干旱評(píng)價(jià)模型，對(duì)2007年6月托什干河流域進(jìn)行干旱評(píng)價(jià)，并對(duì)評(píng)價(jià)結(jié)果與實(shí)際歷史資料進(jìn)行對(duì)比分析，以檢驗(yàn)其合理性。托什干河流流域主要代表站點(diǎn)為阿合奇氣象站和沙里桂蘭克水文站，根據(jù)阿合奇站2007年6月的實(shí)測(cè)降雨和沙里桂蘭克的徑流資料，得到SPI－3、SPI－6、SRI三個(gè)干旱指標(biāo)，見(jiàn)表5．3。

表5．3　托什干河流域2007年6月旱情評(píng)價(jià)指標(biāo)值

由于SPI－3、SPI－6、SRI均屬于越大越優(yōu)型（越大越不干旱），對(duì)指標(biāo)進(jìn)行歸一化處理，得到從優(yōu)隸屬度矩陣：

托什干河流域2007年6月的干旱狀況與中度干旱的歐式距離為0．197　5，與嚴(yán)重干旱的歐式距離為0．052　5，故評(píng)價(jià)托什干河流域2007年6月為嚴(yán)重干旱月。根據(jù)塔河流域水資源公報(bào)記載，2007年6月持續(xù)高溫少雨，同時(shí)徑流偏少，水資源嚴(yán)重不足。運(yùn)用模糊物元模型評(píng)價(jià)的干旱情況與托什干河流域的實(shí)際干旱情況相吻合，表明計(jì)算結(jié)果合理。

綜合干旱評(píng)價(jià)體系中，氣象干旱與水文干旱對(duì)實(shí)際干旱的重要程度因評(píng)價(jià)范圍和目的而定，并可以不斷向外擴(kuò)展和開(kāi)放，能夠隨著日后水庫(kù)水位和地下水位等資料的補(bǔ)充而不斷完善，對(duì)不同水功能區(qū)可以根據(jù)決策情景綜合主觀及客觀權(quán)重系數(shù)，對(duì)不同部門應(yīng)對(duì)干旱災(zāi)害提供客觀的技術(shù)支持。

5．4　未來(lái)徑流變化趨勢(shì)分析

干旱作為全球最為常見(jiàn)的極端氣候事件，制約著經(jīng)濟(jì)發(fā)展和人類生活質(zhì)量的提高，使本已極為脆弱的生態(tài)環(huán)境更趨惡化。根據(jù)政府間氣候變化專門委員會(huì)第四次評(píng)估報(bào)告（IPCC　AR4）的研究結(jié)果，未來(lái)隨著全球變暖，以干旱和洪澇為代表的一些極端氣候事件發(fā)生的頻率和強(qiáng)度將會(huì)持續(xù)加強(qiáng)。在全球氣候變暖的背景下，近50年來(lái)我國(guó)干旱發(fā)生的頻率和強(qiáng)度也最為顯著，給人們的社會(huì)生活和經(jīng)濟(jì)發(fā)展帶來(lái)了嚴(yán)重的影響。因此，探索干旱等極端氣候事件未來(lái)的可能變化及影響對(duì)政府部門制定防災(zāi)減災(zāi)決策服務(wù)等具有積極的意義。

5．4．1　未來(lái)氣候變化情景

《IPCC排放情景特別報(bào)告》中所描述的SRES情景，可分為探索可替代發(fā)展路徑的四個(gè)情景族（A1，A2，B1和B2），涉及人口、經(jīng)濟(jì)和技術(shù)驅(qū)動(dòng)力以及由此產(chǎn)生的溫室氣體排放等內(nèi)容。排放預(yù)估結(jié)果被廣泛用于評(píng)估未來(lái)的氣候變化。

A1情景假定這樣一個(gè)世界：經(jīng)濟(jì)增長(zhǎng)非?？?，全球人口數(shù)量峰值出現(xiàn)在本世紀(jì)中葉，新的和更高效的技術(shù)被迅速引進(jìn)。A1情景分為三組，分別描述了技術(shù)變化中可供選擇的方向：化石燃料密集型（A1FI）、非化石燃料能源（A1T）以及各種能源之間的平衡（A1B）。B1情景描述了一個(gè)趨同的世界：全球人口數(shù)量與A1情景相同，但經(jīng)濟(jì)結(jié)構(gòu)向服務(wù)和信息經(jīng)濟(jì)方向更加迅速地調(diào)整。B2情景描述了一個(gè)人口和經(jīng)濟(jì)增長(zhǎng)速度處于中等水平的世界：強(qiáng)調(diào)經(jīng)濟(jì)、社會(huì)和環(huán)境可持續(xù)發(fā)展的具體解決方案。A2情景描述了一個(gè)很不均衡的世界：人口快速增長(zhǎng)、經(jīng)濟(jì)發(fā)展緩慢、技術(shù)進(jìn)步緩慢。對(duì)任何的SRES情景均未賦予任何可能性。

氣候變化研究中，各個(gè)全球氣候模式（Global　Climate　Models，GCMs）對(duì)不同地區(qū)的模擬效果不盡相同，許多科學(xué)家的研究證明多個(gè)模式的平均效果優(yōu)于單個(gè)模式的效果。因此，國(guó)家氣候中心對(duì)參與IPCC　AR4的20多個(gè)不同分辨率的GCMs的模擬結(jié)果經(jīng)過(guò)插值降尺度計(jì)算，將其統(tǒng)一到同一分辨率下，對(duì)其在東亞地區(qū)的模擬效果進(jìn)行檢驗(yàn)，利用可靠性加權(quán)平均（Reliability　Ensemble　Averaging，REA）方法進(jìn)行多模式集合，制作成一套1901—2100年逐月平均資料，提供給從事氣候變化影響研究的科研人員使用。REA加權(quán)平均數(shù)據(jù)在不同SRES情景下所使用的模式數(shù)量為：SRESA1B、B1情景下17個(gè)模式，SRESA2情景下16個(gè)模式。數(shù)據(jù)分辨率為1°×1°，海洋—陸地區(qū)域格點(diǎn)分布見(jiàn)圖5．3。

圖5．3　REA加權(quán)平均數(shù)據(jù)海陸格點(diǎn)分布

將REA加權(quán)平均數(shù)據(jù)從原始格點(diǎn)插值校正到觀測(cè)站點(diǎn)上，得到對(duì)應(yīng)站點(diǎn)在不同情景下氣候變化的預(yù)估結(jié)果。以阿克蘇氣象站為例，圖5．4及圖5．5分別顯示在A1B、A2和B1情景下阿克蘇站的氣溫和降水的未來(lái)逐年變化趨勢(shì)。站點(diǎn)尺度的未來(lái)氣候變化預(yù)估數(shù)據(jù)可作為流域水文模型的驅(qū)動(dòng)場(chǎng)，用以模擬分析關(guān)注的地區(qū)對(duì)氣候變化的水文響應(yīng)，包括河流水量的季節(jié)分配、極端洪旱事件的特征演變以及高山冰川物質(zhì)平衡改變等，該數(shù)據(jù)也對(duì)評(píng)估氣候變化和水資源時(shí)空格局的影響有著深刻的意義。

圖5．4　阿克蘇站未來(lái)氣溫逐年變化趨勢(shì)

圖5．5　阿克蘇站未來(lái)降水逐年變化趨勢(shì)

5．4．2　冰雪水文模型構(gòu)建

阿克蘇河作為塔河上游“三源流”中最重要一源，占據(jù)塔河干流水量的70%～ 80%，其北支昆馬力克河擁有1．28萬(wàn)km2的流域面積，以高山降雨及冰雪消融為主的方式補(bǔ)給徑流，與阿克蘇河下游相比受人類活動(dòng)影響較少，因此被選取為分析塔河流域未來(lái)干旱情景的典型代表流域。針對(duì)此流域超過(guò)20%的冰川覆蓋率，本研究構(gòu)建了月尺度冰雪水文模型用以探索其獨(dú)特的產(chǎn)匯流規(guī)律。

冰雪物質(zhì)平衡方案：

本研究中冰雪物質(zhì)平衡的參數(shù)化方案所基于的是中國(guó)冰川編目及相應(yīng)的冰川目錄數(shù)據(jù)庫(kù)。中國(guó)冰川編目是在航空相片校對(duì)地形圖和野外考察的基礎(chǔ)上，逐條量算冰川面積、類型、雪線高度以及冰儲(chǔ)量等34項(xiàng)形態(tài)指標(biāo)，最后集成為《中國(guó)冰川目錄》12卷22冊(cè)，并附有冰川分布圖195幅。為便于科學(xué)研究和生產(chǎn)部門使用，編寫(xiě)了《簡(jiǎn)明中國(guó)冰川目錄》中英文版專著，并建立了冰川目錄數(shù)據(jù)庫(kù)，見(jiàn)圖5．6。

圖5．6　中國(guó)冰川目錄數(shù)據(jù)庫(kù)

在ArcGIS平臺(tái)上，通過(guò)數(shù)字高程模型（Digital　Elevation　Model，簡(jiǎn)稱DEM）生成流域邊界及對(duì)應(yīng)水系，再對(duì)冰川目錄數(shù)據(jù)庫(kù)系統(tǒng)的相關(guān)信息進(jìn)行查詢、提取和疊加，生成了阿克蘇河流域水系及冰川分布圖，見(jiàn)圖5．7。對(duì)于要進(jìn)行模擬的特定流域，再在ArcGIS平臺(tái)上對(duì)其范圍內(nèi)冰川的位置、高程、面積、厚度及儲(chǔ)量等主要特征進(jìn)行提取和統(tǒng)計(jì)，由此成為本研究中冰雪物質(zhì)平衡參數(shù)化方案的數(shù)據(jù)基礎(chǔ)。

圖5．7　阿克蘇河流域水系及冰川分布圖

首先引入一種基于氣溫的方法來(lái)識(shí)別降雨及降雪：若月最低氣溫（Tmin）高于閾值氣溫（Tthres）時(shí)，認(rèn)為所有降水以降雨形式出現(xiàn)；若月最高氣溫（Tmax）低于閾值氣溫時(shí)，則認(rèn)為所有降水均為降雪；當(dāng)閾值氣溫介于月最高氣溫與最低氣溫時(shí)，降雨量（Prain）與降雪量（Psnow）將根據(jù)降水量（Ptotal）由以下公式計(jì)算出。

由于研究流域內(nèi)高程變化較大，為考慮由此造成對(duì)氣溫及降水的影響，我們直接參考阿克蘇河流域的相關(guān)研究結(jié)果，分別利用氣溫遞減率（Tlapse）及降水梯度（Pgrad）進(jìn)行修正，見(jiàn)表5．4。另外，為了考慮冰川覆蓋區(qū)域本身對(duì)空氣可能存在的冷卻作用，引入可調(diào)試參數(shù)——?dú)鉁剡f減放大系數(shù)（Camp）來(lái)表現(xiàn)這種對(duì)氣溫的反饋效果。

表5．4　昆馬力克河流域氣溫遞減率及降水梯度

式中：Mglacier——冰川消融量（mm）；

Msnow——非冰川區(qū)季節(jié)積雪消融量（mm）；

DDFglacier——冰川度日因子（mm/（天·℃））；

DDFsnow——積雪度日因子（mm/（天·℃））；

Δt——消融時(shí)間（天）。

模擬月份內(nèi)的消融時(shí)間長(zhǎng)度及對(duì)應(yīng)的正積溫將根據(jù)該月的最高及最低氣溫估計(jì)。需要說(shuō)明的，由于塔河流域，特別是高寒山區(qū)缺乏對(duì)冰川積雪的實(shí)地觀測(cè)資料，同時(shí)冰川積累區(qū)積雪的成冰作用極為復(fù)雜，因此本模型在冰川區(qū)域未對(duì)積雪和冰川冰再加以區(qū)分。

引入一個(gè)簡(jiǎn)單的概念性降雨徑流模型SIXPAR來(lái)模擬研究流域的產(chǎn)匯流過(guò)程。SIXPAR的模型結(jié)構(gòu)見(jiàn)圖5．8。SIXPAR將土壤沿垂向分成上下兩層，上層從地表延伸至植物根系，下層則用于描述地下水（淺層）的儲(chǔ)存與運(yùn)動(dòng)。兩層之間用一條由雙參數(shù)確定的曲線連接，描述水分在重力、土壤吸力等各種作用下的入滲過(guò)程。本研究中，采用經(jīng)改進(jìn)的SIXPAR模擬流域的產(chǎn)匯流過(guò)程，將冰川及積雪融水與降雨一并作為上層的輸入處理。另外，使用基于氣溫和太陽(yáng)輻射的Hargreaves方法估算流域的蒸散發(fā)能力。由于本模型模擬為逐月時(shí)間尺度，所以忽略流域匯流可能帶來(lái)的影響，即認(rèn)為月內(nèi)的產(chǎn)流全部流至流域出口。

圖5．8　SIXPAR模型結(jié)構(gòu)

模型參數(shù)調(diào)試分析：

以Nash效率系數(shù)NSE（1970）為標(biāo)準(zhǔn)并以協(xié)合拉水文站1961—2006水文年的逐月實(shí)測(cè)流量資料為基礎(chǔ)，使用University　of　Arizona提出的Shuffled　Complex Evolution　Metropolis（SCEM－UA）全局優(yōu)化方法調(diào)試模型參數(shù)。最終優(yōu)化結(jié)果為，在調(diào)試期（1961—2000年）和檢驗(yàn)期（2001—2006年）NSE分別達(dá)到了0．886 和0．888，見(jiàn)圖5．9。

模型參數(shù)的優(yōu)化結(jié)果見(jiàn)表5．5，敏感性參數(shù)Camp的優(yōu)化值為1．36，說(shuō)明相比非冰川區(qū)域，冰川區(qū)域?qū)諝獯嬖陲@著的冷卻效應(yīng)；另外同樣敏感的參數(shù)還有DDFglacier，其優(yōu)化值為4．40，該值與之前在天山南坡Koxkar　Baqi冰川進(jìn)行的野外觀測(cè)值5．70比較接近，說(shuō)明構(gòu)建的模型在該流域適用。

圖5．9　調(diào)試期實(shí)測(cè)與模擬流量對(duì)比

表5．5　模型參數(shù)優(yōu)化結(jié)果

續(xù)表5．5

5．4．3　未來(lái)徑流變化趨勢(shì)預(yù)估分析

利用插值降尺度至站點(diǎn)尺度的不同情景下的未來(lái)氣候預(yù)估數(shù)據(jù)（氣溫與降水）驅(qū)動(dòng)構(gòu)建的冰雪水文模型，獲得了研究流域出口的流量過(guò)程。圖5．10顯示的是昆馬力克河流域出口協(xié)合拉水文站未來(lái)徑流逐年變化趨勢(shì)。從圖中可以發(fā)現(xiàn)全球變暖將加速流域內(nèi)冰川的消融，其直接影響將是導(dǎo)致流域出口徑流量與氣溫一樣明顯呈現(xiàn)持續(xù)增加的趨勢(shì)。這也在一定程度上佐證了關(guān)于塔河上游源流，特別是最重要的阿克蘇河流域?qū)夂蜃兓乃捻憫?yīng)問(wèn)題。

圖5．10　協(xié)合拉站未來(lái)徑流逐年變化趨勢(shì)

另外，用所構(gòu)建的月尺度冰雪水文模型能量化分析徑流成分變化（降雨、積雪及冰川消融），也能用于流域尺度的冰川變化監(jiān)測(cè)，若與天氣中長(zhǎng)期預(yù)報(bào)技術(shù)結(jié)合將會(huì)為該地區(qū)及早制定相應(yīng)的防洪抗旱及水資源調(diào)配方案提供有力的工具。

5．5　本章小結(jié)

采用模糊物元理論將單個(gè)干旱模型綜合考慮，得出相對(duì)應(yīng)的干旱判別等級(jí)；在詳細(xì)介紹其基本原理的基礎(chǔ)上，進(jìn)行干旱統(tǒng)計(jì)與關(guān)聯(lián)分析；以阿克蘇流域?yàn)槔瑢?duì)未來(lái)氣溫，降水和徑流變化趨勢(shì)進(jìn)行了模擬；構(gòu)建了月尺度冰季水文模型?；谧魑镄杷卣?，提出利用年最小連續(xù)7日平均流量定義為村水流量研究其演變特征與頻率變化，探討干旱內(nèi)陸區(qū)域干旱災(zāi)害形成機(jī)制的方法。選取氣象干旱指標(biāo)SPI和水文干旱指標(biāo)SRI，驗(yàn)證了兩類指標(biāo)在塔河流域的適用性，以模糊物元理論為基礎(chǔ)，研發(fā)了基于熵值的干旱評(píng)價(jià)模型，實(shí)現(xiàn)了對(duì)流域的綜合評(píng)價(jià)。