摘要
为揭示岷沱江蓝绿水对气候和土地利用变化两类驱动因子的敏感性差异，提出管控与适应性措施，定量评估蓝绿水资源的时空演变及其对气候与土地利用变化的响应。基于SWAT和FLUS模型，结合CMIP6气候数据，分析1981—2021年岷沱江流域蓝绿水的时空演变，并预测至2100年的动态变化。研究表明：①1981—2021年，岷沱江流域以蓝水为主，约占水资源总量的63.2%，气候变化是蓝绿水变化的核心驱动因素，气候变化对蓝水和绿水变化的贡献率分别为79.12%和63.18%；②1990—2020年，农业用地与草地分别减少4.0%和2.1%，城镇用地扩张了138%，导致农业用地与草地的面积显著减少，加剧了水资源空间失衡。预估至2040年城镇用地会再扩张135%，将进一步压缩草地与农业用地空间，城镇用地扩张区域集中在流域东部成都平原，增加人口密集区的水资源短缺风险；③在未来情景下，流域降水量增加量为1.43~1.80 mm/a，气温升高幅度为0.025~0.042 ℃/a，绿水量将显著增加0.35~1.02 mm/a，而蓝水量在2050年前下降后转为波动增长。在4种共享社会经济路径（SSPs）下，以传统化石燃料为主的路径（SSP5-8.5）蓝绿水变化最为显著，控制城镇扩张并优先实施可持续发展路径（SSP1-2.6）可有效缓解水资源压力；④空间分布上，未来蓝水集中于流域西南部，绿水高值区向东南部转移，东部的成都平原因人口密集且受高温影响，面临水资源短缺与极端灾害风险倍增。研究结果可为岷沱江流域制定适应性水资源管理策略和应对气候变化提供科学依据。
Abstract
This study aims to quantify the spatiotemporal dynamics of blue and green water resources in the Minjiang-Tuojiang River Basin. In addition, the study has sought to disentangle the differential sensitivities of these water resources to climate and land-use changes. The study has thereby proposed context-specific management strategies and adaptive pathways for sustainable water governance. The utilization of the Soil and Water Assessment Tool (SWAT) model and the Future Land-Use Simulation (FLUS) model, in conjunction with climate projections derived from the Coupled Model Intercomparison Project Phase 6 (CMIP6), was employed for the analysis of historical changes (1981-2021) and the projection of future dynamics of blue and green water up to the year 2100. The following key findings were identified: (1) From 1981 to 2021, the Minjiang-Tuojiang River Basin was dominated by blue water, accounting for 63.2% of the total water resources. Climate change was identified as the primary driving factor for variations in blue and green water, with contribution rates of 79.12% and 63.18%, respectively. (2) Between 1990 and 2020, there was a decrease in cultivated land and grassland of 4.0% and 2.1%, respectively, while urban land expanded by 138%. This has resulted in a significant reduction in agricultural and grassland areas and has exacerbated spatial imbalances in water resources. Projections indicate that by 2040, urban land is expected to further expand by 135%, further compressing the spatial extent of grassland and cultivated land. The expansion will be centered in the Chengdu Plain, located in the eastern part of the basin, thereby exacerbating water scarcity risks in densely populated areas. (3) Future climate trends indicate a precipitation increase of 1.43-1.80 mm/a and a temperature rise of 0.025-0.042 ℃/a. Green water will increase significantly by 0.35-1.02 mm/a, while blue water will decrease until 2050 before rebounding. In the context of the four Shared Socioeconomic Pathways (SSPs), the fossil fuel-dominated pathway (SSP5-8.5) demonstrates the most significant alterations in blue and green water. Conversely, the strategies of curbing urban expansion and prioritizing sustainable development (SSP1-2.6) have the potential to effectively alleviate water resource pressures. (4) The concentration of blue water is observed in the southwestern basin, while the shift of green water hotspots towards the southeast is evident. The Chengdu Plain is susceptible to water scarcity and extreme events, a phenomenon attributable to population density and elevated temperatures. This study provides a scientific basis for adaptive water management strategies in the Minjiang-Tuojiang River Basin in the context of climate and land-use pressures.
Keywords
全球气候持续变暖与土地利用变化正深刻改变水循环格局，极端干旱与洪涝灾害频发已成为威胁人类社会可持续发展的重要挑战[1]。作为支撑全球数十亿人口生计的核心资源，水资源的空间分布不均与供需矛盾在气候变化背景下进一步加剧[2-4]。作为水资源重要组成部分的蓝水是指地表与地下径流的液态水，是人类社会经济用水的主要来源[5]；绿水指来自降雨的蒸发蒸腾（evapotranspiration，ET）和未饱和土壤层中的水分，不直接参与地表径流或地下水流动，对调节生态与降水功能和农业生产具有关键作用[6-7]。
降水短缺导致气象干旱，会加剧流域内蓝绿水波动，进一步带来水文干旱，而社会经济干旱通常滞后于水文干旱一段时间，导致人类在生产生活、生态等方面遭受严重缺水问题[8]。因此，研究蓝绿水对气候和土地利用变化的响应是非常必要的。Ma等[9]评估了黄河流域下游地区6种作物的蓝绿水足迹稀缺性指数，并预测了2030年的时空分布格局；Feng等[10]探讨了湘江流域气候变化对蓝绿水资源时空分布的影响，并提出了相应的管理对策；康文东[11]定量分析了多种变化情景下蓝绿水对乌江流域气候和土地利用变化的响应，并预估了未来蓝绿水的时空变化；Tan等[12]量化了气候和土地利用变化对珠江流域蓝绿水的影响权重，发现气候变化的贡献率超过80%；杨肖丽等[13]利用FLUS模型模拟了未来岷沱江流域的土地利用变化；Jiang等[14]基于CMIP6数据的降水与温度趋势分析了岷沱江流域未来径流变化；张洋[15]研究发现，历史时期岷沱江流域蓝绿水变化受气候与土地利用双重驱动。岷沱江流域作为成渝经济圈的水资源命脉，其水资源安全直接关系到区域经济发展与生态平衡。随着城镇化进程加速和极端灾害事件增多，亟需开展岷沱江流域蓝绿水多模型耦合研究，揭示其在气候变化与人类活动共同作用下的演变规律，为优化水资源配置、应对复合型灾害风险提供科学依据。
为优化环成都经济区水资源管理和应对未来气候变化挑战，本研究构建多模型耦合框架，整合SWAT水文模型、CMIP6多模式气候数据和FLUS未来土地利用模型，定量评估蓝绿水时空演变规律及其对气候与土地利用变化的响应机制[16-17]。研究重点包括：量化1981—2021年历史时期蓝绿水动态特征，揭示蓝绿水与气象因子和土地利用类型的关联性；基于CMIP6气候数据和FLUS土地利用数据，预测在不同SSPs社会经济路径下，2015—2100年蓝绿水变化趋势，并评估不同情景下的风险空间分布；提出适应气候与土地变化的协同管理策略，为流域水资源可持续利用提供科学依据。本文不仅能为岷沱江流域制定适应性水资源管理策略与灾害防控提供理论支撑[18]，而且通过优化蓝绿水协同配置，增强生态系统碳汇稳定性，结合低碳路径的多目标规划，为区域实现 “双碳”目标提供科学路径[19-20]。研究蓝绿水对气候和土地利用变化的响应机制，并预估未来水资源变化趋势，对于制定精准科学的水资源管理策略具有重要意义。
1 研究区概况
研究区位于28°~34°N，99°~106°E，主要包括岷江、沱江、青衣江和大渡河4个子流域。岷沱江流域地处亚热带季风气候区，整体气候温暖湿润。流域西部为海拔4000 m以上的邛崃山脉，东部为岷江、沱江及其支流冲积形成的成都平原。成都平原是该区域重要的工农业生产基地和人口聚居区，地势总体由北向南递减。研究区面积约为15.7×104 km2，年均水资源总量为1050×108 m3，流域人口约5125.4万人，岷沱江流域地表水环境质量良好[21-22]。岷沱江流域的地势、行政区域划分、气象站点等分布情况见图1。
图1岷沱江流域及水文、气象站点概况
Fig.1Overview of the Minjiang-Tuojiang River Basin, hydrological and meteorological stations
2 数据处理与方法
2.1 模型与数据
2.1.1 SWAT模型
采用SWAT模型定量评估岷沱江流域蓝绿水资源的时空演变及其对气候与土地利用变化的响应。SWAT模型基于物理机制模拟流域内水文循环、污染物迁移及土地利用管理措施的影响，适用于大尺度流域的水质、水量和泥沙的评估与模拟。构建SWAT模型需整合多源数据，包括下垫面数据、气象数据、径流数据和气候变化数据4大类，具体见表1。
2.1.2 CMIP6模式与路径
不同气候模式对岷沱江流域的模拟能力存在显著差异。筛选出历史时期的气温和降水模拟值与观测数据偏差较小、数据完整、情景覆盖全面以及时空相关性较强的模式，再选择分辨率较高的7个全球气候模式（global climate models，GCMs）（表2）作为岷沱江流域未来气象数据，并采用Delta方法[23]进行偏差订正以达到精度要求。为减少单一模式间不确定性和有效降低系统误差，采用多模式集合平均（multi-model ensemble mean，MME）的方法进行模拟，MME模拟性能通常优于大多数单一模式的模拟性能[24-26]。气候变化趋势也受到社会经济发展程度的影响，4种不同的共享社会经济路径见表3[27]。
表1SWAT模型数据
Tab.1Data for the SWAT model
2.1.3 FLUS模型与驱动数据
土地利用类型的变化受自然条件和人类活动的影响[28]。采用FLUS模型预估岷沱江流域2040年的土地利用变化。FLUS模型是一种基于元胞自动机（cellular automata，CA）和人工神经网络（artificial neural network，ANN）的混合模型，通过耦合自然与社会经济驱动因子模拟多情景下的土地利用动态变化，其核心优势在于能够处理非线性关系和高维数据，并引入自适应惯性权重机制以提高模拟精度。数据包括降水、气温、DEM、水域、GDP、人口密度以及道路等（表4）。
表2CMIP6模式的相关信息
Tab.2Information related to the CMIP6 models
表3共享社会经济路径简介
Tab.3Overview of SSPs
2.2 研究方法
2.2.1 SWAT模型的率定与验证
SWAT模型模拟大流域不同的水文物理化学过程，由结果文件可以计算出蓝绿水资源量[29]。SWAT模型基于DEM与河网将岷沱江流域划分为89个子流域，再依据相同的土壤和土地利用类型细分为1929个水文影响单元（hydrologic response units，HRUs）。为验证模型拟合度，采用SWAT-CUP的SUFI-2算法进行2000次率定，迭代6轮，采用决定系数（coefficient of determination，R2）、纳什系数（nash-sutcliffe coefficient，NSE）和百分比偏差（PBIAS）3个指标来评估[30]。
2.2.2 蓝绿水量化
2.2.3 相关性分析
采用皮尔逊相关系数（Pearson correlation coefficient，ρ）评估蓝绿水与气象要素的相关性[33]。
2.2.4 贡献率分析
为探究气候与土地利用变化对蓝绿水变化的贡献率，选取1990年和2020年2期土地利用数据以及1981—2000年和2001—2021年2期气象数据组合成S1~S4共4个情景，具体见表5。
表4FLUS模型驱动数据
Tab.4Data driven by the FLUS model
表5情景设置
Tab.5Scenarios setup framework
量化岷沱江流域气候、土地利用和其他因素变化对蓝绿水的贡献率，计算公式分别为：
(1)
(2)
(3)
式中，φC、φL和φO分别表示气候、土地利用和其他因素（如植被覆盖与生态系统变化、水资源开发利用措施、土壤特性与过程、社会经济与政策因素等）变化对蓝绿水资源变化量的贡献率（%）；WS1~WS4为对应情景下的蓝绿水资源量（m3）。
3 模型评价与分析
3.1 SWAT模型评价
选用岷沱江流域7个水文监测站点的月径流数据进行率定和验证，所有站点验证期和率定期结果均满足R2＞0.6、NSE＞0.5、|PBIAS|＜25%，模型率定和验证结果理想（表6）。7个水文监测站中，高场站和泸州站作为研究区的2个出口水文站，高场站的月径流模拟值与实测值差异较小（图2a）。选取全流域遥感观测数据作为实际蒸散发，对比模拟蒸散发值，模拟结果与真实值拟合效果较理想（图2b），且参数满足模型模拟适用性标准，证实SWAT模型在岷沱江流域气候与土地利用变化的拟合度较高[34]。
表6模型率定和验证结果
Tab.6Model calibration and validation results
图2高场站月径流（a）与流域蒸散发（b）模拟结果
Fig.2Simulation results of monthly runoff of Gaochang Station (a) and evapotranspiration of the whole basin (b)
3.2 岷沱江流域蓝绿水的时空分布
由图3a可知，1981—2021年岷沱江流域多年平均降水量约为891 mm，最大降水量（1215 mm）出现在2019年，最小降水量（719 mm）出现在2015年，蓝水量和绿水量年均值分别为571和333 mm。岷沱江水资源以蓝水为主，约占水资源总量的63.2%。降水量、绿水量和年均气温分别以0.04 mm/a、1.36 mm/a和0.0017℃/a的速度缓慢增加，蓝水量以-1.57 mm/a的速度波动下降。
图3b揭示了1981—2021年岷沱江流域降水量、蓝水量、绿水量和气温的月变化特征。流域水资源集中在5—9月，5—9月降水量、蓝水量和绿水量分别占全年水资源总量的78.8%、70.5%和64.4%，其中夏季分别产生全年55.2%、49.4%和41.6%的降水量、蓝水量和绿水量。
图31981—2021年气温、降水量、蓝水和绿水年际变化（a）与月变化（b）
Fig.3Annual (a) and monthly (b) variations in temperature, precipitation, blue and green water from 1981 to 2021
图4揭示了岷沱江流域降水量、蓝绿水资源、年均气温、最高气温和最低气温的空间分布特征。由图4可见，岷沱江流域绿水量、年均气温、最高气温、最低气温从上游到下游呈上升趋势，东南部高于西北部；西南部降水量在1300~1450 mm之间，降水量与蓝水量呈西南部高于东北部的趋势。
图41981—2021年年均蓝绿水量和气象因子的空间分布特征
Fig.4Spatial distribution characteristics of annual average blue and green water and climate factors from 1981 to 2021
3.3 1990—2020年土地利用变化分析
采用1990年、2000年、2010年、2020年4期土地利用数据（图5a）。土地利用类型分为6类：农业用地（agricultural land，AL）、林地（forest land，FL）、草地（grass land，GL）、水域（water body，WB）、城镇用地（urban land，UL）和未利用土地（unused land，UNL）（图5b）。1990—2020年，岷沱江全流域约4.1%的土地利用类型发生变化，农业用地和草地规模在30年间逐步缩减4.0%和2.1%。城镇用地在1990年基础上面积扩张了138%，占所有扩张用地的75.3%。城镇用地扩张主要发生在岷沱江流域东部，主要表现为农业用地和林地转为城镇用地。这是因为岷沱江流域东部成都平原区分布着大量的城市和人口，经济的高速发展促使城镇用地面积扩张。
图51990—2020年土地利用随时间（a）和空间（b）的变化
Fig.5Temporal (a) and spatial (b) changes of land use from 1990 to 2020
3.4 蓝绿水对气象因子和土地利用变化的响应
如图6所示，蓝水量与降水量、径流量和地下水变化呈正相关，流域蓝水主要来源于降水。绿水量与蒸散发、最高气温、平均气温、最低气温呈强正相关，但与绿水储的相关性较弱。流域内温度升高会加大蒸散发，进一步增加绿水总量。
图6蓝绿水与气象因子的相关性热力图
Fig.6Correlation heatmap of blue and green water and meteorological factors
3.5 气候和土地利用变化对蓝绿水变化的贡献率
1981—2021年不同情景下气候、土地利用和其他因素变化对蓝绿水变化的贡献率见表7。气候变化对蓝水和绿水变化的贡献率分别为79.12%和63.18%，土地利用变化对蓝水和绿水变化的贡献率分别为14.12%和32.96%，表明气候变化对岷沱江流域蓝水变化起主导作用。
表7不同情景下的蓝绿水量及各影响因子的相对贡献率
Tab.7Relative contribution rates of blue and green water quantities and respective influencing factors under different scenarios
3.6 未来气候和未来土地利用预估拟合度评价
3.6.1 CMIP6气候模式拟合度评价
为降低CMIP6数据偏差，选用Delta方法进行降尺度和偏差修正[23]。选择CMIP6数据完整、拟合度高、精度高的7种全球气候模式[35]和多模式集合平均模式模拟岷沱江流域降水和平均气温，得出拟合程度泰勒统计图（图7）。MIROC6在模拟降水方面表现突出，ACCESS-ESM1-5模拟平均气温的效果最好。而多模式集合平均模式（MME）综合模拟降水量和平均气温的整体效果优于7种单一模型，故本研究区选择MME作为对岷沱江流域气象数据驱动已构建好的SWAT模型[36]。
3.6.2 未来土地利用预估拟合度评价
以岷沱江流域2000年土地利用为基准，添加自然生态和社会经济等为相关驱动因子，利用FLUS模型预估岷沱江流域2020年土地利用。Kappa系数大于0.75表示模拟精度较高。岷沱江流域2020年土地利用模拟结果与实测值的Kappa系数达到0.914，表明FLUS模型在岷沱江流域具有较好的适用性。如图8所示，以2000年和2020年两期土地利用进一步模拟得到2040年的土地利用预估结果。
2020年与预估的2040年土地利用相比，城镇用地面积继续扩张135%，在各类型土地利用类型中增加幅度最大，其次为水体和林地面积，分别增加了29.2%和1.2%。预估岷沱江流域2040年草地减少4.7%，而未利用地和农业用地面积分别减少4.4%和2.1%。岷沱江流域东部成都平原区的城镇用地面积扩张最为显著；东部地区农业用地受政策保护，减少速度放缓。
图7CMIP6多模式降水（a）和气温（b）模拟性能评估
Fig.7Assessment of precipitation (a) and temperature (b) simulation performance of CMIP6 multi-models
图82000—2040年土地利用的时空演变
Fig.8Spatiotemporal evolution of land use from 2000 to 2040
3.7 预估未来岷沱江流域蓝绿水的时空分布
3.7.1 未来情景下岷沱江流域蓝绿水的时间变化
分别将1979—1980年、1981—2014年、2015—2042年、2043—2071年和2072—2100年划分为预热期、基准期、近期、中期和远期。以FLUS模型预估的2040年土地利用数据和CMIP6的MME模式的气象数据驱动SWAT模型，得到2015—2100年岷沱江流域降水量（图9a）、气温（图9b）和蓝绿水资源量。由图9a可见，在4种SSPs下，岷沱江流域降水量呈现上升趋势且波动偏差振幅加剧。其中SSP5-8.5降雨量增加最多且偏差振幅最大，SSP1-2.6降水量增加最少且偏差振幅最小；预估到2100年SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5平均降水量分别增加1.43、1.45、1.65和1.80 mm/a。
由图9b可见，预估岷沱江流域所有SSPs下2015—2100年平均气温均比基准期高出2.25~3.7℃，SSP1-2.6年平均气温增长最小，到2050年趋于稳定在11.3℃附近；SSP5-8.5到21世纪末期，相比于历史期温度升高6.7℃，年均气温达到16.0℃，预估到2100年SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5平均气温分别增加0.025、0.031、0.037和0.042℃/a。
研究区年尺度下蓝水和绿水变化量分别如图10a和图10b所示。蓝水量在2025—2050年SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5平均减少1.48、1.72、2.42和2.44 mm/a，蓝水从21世纪中叶开始由下降趋势转为上升趋势。绿水量增长趋势显著，其中SSP5-8.5保持明显的领先趋势。所有SSPs在前期和中期的上涨趋势相似，到2070年前后开始分化，SSP5-8.5上涨最为显著，超过620 mm，SSP1-2.6绿水上涨至571 mm趋于稳定。经计算，2015—2100年SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5平均绿水量分别上升0.35、0.53、0.74和1.02 mm/a。
图9不同路径下2015—2100年降水量（a）和气温（b）的趋势分析（阴影区域表示标准差范围）
Fig.9Trends analysis of precipitation (a) and temperature (b) from 2015 to 2100 under different pathways (the shaded area represents the standard deviation range)
图102015—2100年多情景下蓝水（a）和绿水（b）的动态预测
Fig.10Dynamic pathways of blue water (a) and green water (b) from 2015 to 2100 under multiple scenarios
3.7.2 未来情景下岷沱江流域蓝绿水的空间分布
岷沱江流域未来情景不同路径下的蓝绿水空间分布见图11。各路径下蓝绿水的空间分布整体上与历史时期基本保持一致。岷沱江流域水资源分布仍存在显著差异，西南部蓝水分布较多，东南部绿水分布多于其他地区。绿水在各个子流域都呈现从上游到下游逐渐增加的趋势，这是由于下游纬度低、气温高，蒸散发加快所致。流域东部成都平原区分布着大量的农业用地与城镇用地，导致蓝水资源消耗量大，蓝水资源相对匮乏。同时，人类活动影响土地利用，下垫面植被绿化程度会影响流域生态水文，使得岷沱江流域绿水存在较大差异[37]。
4 讨论
4.1 蓝绿水对历史时期气候和土地利用变化的响应
1981—2021年间，气候变化对蓝水和绿水变化的贡献率分别为79.12%和63.18%，是驱动水资源时空分异的核心因素。岷沱江流域水资源以蓝水为主，约占水资源总量的63.2%，而蓝水主要源自降水，蓝水与降水变化趋势保持高度相关。蓝绿水呈现显著的季节性与空间异质性，岷沱江流域在夏季集中全年55.2%的降水量、49.4%的蓝水量和41.6%的绿水量，夏季降水集中，气温大幅升高，蒸散发速率加快，蓝绿水资源于7—8月达到峰值。岷沱江流域南部纬度低且气温较高，受季风气候影响大，因此该地区蓝绿水资源丰沛。岷沱江流域西南部位于四川盆地与青藏高原过渡地带，易形成地形雨，使得流域西南部降水量和蓝水量高于东北部[38]。空间上，岷沱江流域呈现西南部蓝水资源充沛、东南部绿水资源丰富的特点。
图114种SSP路径下蓝绿水的空间分布
Fig.11Spatial distribution of blue and green water under four scenarios of SSPs
1990—2020年间，岷沱江流域4.1%的土地利用类型发生变化，农业用地和草地分别减少4%和2.1%，蓄水调水能力较弱的城镇面积扩大138%，重构了流域下垫面性质。农业用地转为城镇用地主要发生在流域东部成都平原区，城镇用地的扩张直接降低了地表渗透率，增加了生产生活用水，加剧了流域蓝绿水的时空演变。
4.2 未来情景下蓝绿水对气候和土地利用变化的响应
本研究揭示了未来岷沱江流域蓝绿水资源分布不均的现象将继续加剧。与基准期相比，流域中部4个SSPs下的绿水量均显著增加，降水量增加且波动加剧，年均气温上升0.025~0.041℃/a，蓝水资源在2025—2050年呈现下降趋势，2050年后由下降趋势变为增加趋势。预估2040年岷沱江流域草地减少4.7%、城镇用地扩张135%，东部成都平原扩张最为显著，东部农业用地受政策保护促使农业用地下降速度放缓。
不同SSP路径通过气候和土地利用协同作用塑造蓝绿水格局。在SSP1-2.6绿色环保可持续发展路径下，气候变化较为温和，相较于基准期气温上升1.32℃，年均气温趋近于11.3℃；植被水分利用效率与蒸散发增量达到平衡，绿水量以0.31 mm/a的速度增长，增加率低于其他模式0.6%~2.4%；降水量整体呈现增加趋势；21世纪中叶开始蓝水量由下降转为增长趋势，能够有效缓解蓝水资源不足。在SSP5-8.5高排放情景下，蓝水量以2.44 mm/a的速度下降，岷沱江流域年均气温升高至16.02℃，高温加速土壤水分蒸发，绿水量以1.02 mm/a的速度增长，而夏季降水减少会导致极端干旱事件频繁发生[39]。
4.3 政策启示与适应性管理
岷沱江流域作为长江上游关键子流域，其蓝绿水演变规律与管理策略对整个长江经济带水资源安全具有重要意义[40]。与长江流域典型支流（如嘉陵江、乌江等）的研究对比发现[41-44]，岷沱江流域在气候和土地利用变化响应方面既存在共性特征，也展现出显著的时空异质性。
岷沱江流域的水资源管理需结合不同社会经济路径下的气候变化特征和不同水资源空间分布特征，采取差异化措施以应对未来挑战。相比SSP5-8.5高碳排放路径，SSP1-2.6低强迫可持续发展路径下气温与绿水资源增幅最小，降水波动最低，蓝水量于2050年后转为稳定增长，可持续发展路径是缓解水资源危机的最优选择。同时，流域东部的成都平原是人口与经济核心区，水资源短缺问题尤为突出。实施跨流域调水工程（如引大济岷工程），将西南部丰沛的蓝水资源调配至需求迫切的平原地带，可显著提升供水韧性，并结合海绵城市建设，增强城市对雨水的蓄滞能力，缓解极端降水与干旱的双重压力。西南山区作为流域主要水源涵养区，需重点防范降水集中引发的极端灾害。
4.4 不确定性和局限性分析
本研究虽聚焦于气候和土地利用变化的驱动机制研究，但流域内高强度的地下水开采以及农业灌溉、工业用水和城乡生活供水等取水行为，对水循环的直接干预作用可能未被充分揭示。
模型预估的数据来源于多个渠道，其质量和分辨率对研究结果有直接影响。研究使用的不同SSPs路径和情景是基于一系列假设，但缺乏对未来社会经济发展、技术进步和政策变化等的考虑[45]。使用自然发展的2040年土地利用数据作为未来土地利用数据，岷沱江流域内部存在显著的地理和气候差异，这些差异可能导致无法完全捕捉到局部差异。
5 结论
基于SWAT模型，研究了岷沱江流域历史时期蓝绿水资源对气候与土地利用变化的响应，并结合CMIP6模式MME气象数据以及FLUS模型预测的未来土地利用数据，预估了未来岷沱江流域至2100年蓝绿水资源的时空分布特征。主要研究结论如下：
1）1981—2021年，气候变化主导蓝绿水变化，气候变化对蓝水和绿水变化的贡献率分别为79.12%和63.18%，远超土地利用变化的影响。岷沱江流域降水量、绿水量和年均气温均呈现增加趋势，蓝水呈现下降趋势。岷沱江流域以蓝水为主，约占水资源总量的63.2%。夏季分别产生流域全年55.2%、49.4%和41.6%的降水量、蓝水量和绿水量。
2）1990—2020年，农业用地与草地分别减少4.0%和2.1%，城镇用地扩张了138%，占所有扩张用地的75.3%，农业用地与草地面积显著减少，加剧了水资源空间失衡。预计到2040年，草地、未利用地和农业用地面积分别减少4.7%、4.4%和2.1%，城镇用地将再扩张135%。城镇用地扩张主要发生在岷沱江流域东部的成都平原，将进一步压缩草地与农业用地空间，加剧成都平原等人口密集区的水资源短缺风险。
3）采用CMIP6多模式集合平均（MME）数据预估至2100年，气候变化呈现降水增加、气温升高的趋势。未来降水增加量为1.43~1.80 mm/a，气温上升幅度为0.025~0.042℃/a。蓝绿水动态分异显著，蓝水量在2025—2050年呈下降趋势，2050年后转为波动增长，绿水量则保持年均0.35~1.02 mm/a的增幅。SSP1-2.6情景下，绿水量与气温增幅最小，蓝水量与降水波动最低，可持续发展路径通过控制城镇无序扩张、平衡生态与农业用水，是缓解水资源危机的最优选择。
4）未来岷沱江流域空间异质性凸显，蓝水集中于西南山地且降水量高于1300 mm，绿水高值区东移至东南部且年均气温高于12.5℃。成都平原作为人口与经济核心区，蓝水稀缺，叠加高温热浪频发，需通过跨流域调水、海绵城市建设及农业节水技术提升供水韧性。同时，西南山区需加强山洪预警与生态修复，以应对降水集中期的极端灾害。
