1 简介
气候行动是《欧洲绿色协议》的核心 ( https://ec.europa.eu/info/strategy/priorities-2019-2024/european-green-deal_en )，这是一系列引导欧盟实现气候变化的政治举措到 2050 年实现中立。其计划采取的行动包括转向可持续粮食系统以及保护生物多样性和生态系统，以使我们的环境更能适应气候变化。

地中海地区 (MedR) 是气候变化热点，这一点已成为科学界的共识（Cramer等人，2017）。引文2018）。MedR 的变暖速度平均比全球年平均地表温度 (GMST) 快 20%，同时，GMST 每升高一度，降水量就会减少 4%（Lionello 和 Scarascia）引文2018）。在 MedR 背景下，伊比利亚半岛的年气温增幅最大，尤其是在夏季，当地的变化率是 GMST 的两倍（Lionello 和 Scarascia）引文2018）。随着全球变暖，伊比利亚半岛年降水量减少幅度最大，减少幅度超过 50 毫米/°C（Lionello 和 Scarascia）引文2018）。因此，淡水供应量可能会大幅减少（气温升高 2°C，淡水供应量会减少 2-15%）——这是世界上最显着的减少之一（Jiménez Cisneros等人，2017）。引文2014年，医学ECC引文2019年，ACA引文2020）——气象干旱期的长度显着增加（Kovats等， 2020） 。引文2014，施洛伊斯纳等人。引文2016）和干旱（Tsanis等， 2016 ）引文2011）。沿着这些思路，Hettiarachchi等人。（引文2022）发现，2000 年之后，美国、欧洲、亚洲和澳大利亚的温暖夏季比例（根据夏季平均气温定义）出现了更高的增量。在夏季，他们发现，温暖的夏季的平均干旱时间（0 毫米降雨量）比同期寒冷的夏季更长，这意味着过去几年对水资源供应的压力有所增加，可能在未来几年也会如此，因为气候正趋于变暖。

MedR 的用水主要用于农业，占总用水量的 50% 以上（Iglesias等，2016）。引文2011）。当一个地区变得更加干燥和温暖时，由于气温升高导致作物蒸散量增加，水作物需求增加（Döll引文2002）。MedR 是一个半干旱地区，可用水量的减少和水作物需求的增加可能使农业活动和粮食安全面临风险（Iglesias等，2017）。引文2012年，政府间气候变化专门委员会引文2022）。

淡水生态系统对变暖也特别敏感，因为水量和质量受到大气温度状况的强烈影响（Capon等，2017）。引文2021）。一方面，气温决定了水温和许多影响水质的化学属性。此外，水温在确定淡水物种的分布方面起着关键作用，并影响最关键的生物过程，包括与繁殖（例如产卵线索、卵孵化和种子发芽的触发因素等）和生长相关的生物过程（Visser等）。引文2016）。更具体地说，已经在一些地中海河流中分析了变暖对鲑科鱼类栖息地的潜在影响（Almodóvar等，2017）。引文2012 年，穆尼奥斯-马斯等人。引文2016年，引文2018，圣地亚哥等人。引文2017）。另一方面，地表水和地下水状况，包括降水、融雪、径流、土壤湿度、河流流量和含水层补给，对变暖同样敏感，水文学发生显着变化，而本地物种不一定能适应（Cai和考恩引文2008 年，卡彭等人。引文2021）。例如，何等人。（引文2022年）发现，除部分热带、亚热带地区外，大部分地区随气温升高，频繁洪水量（与供水蓄水密切相关）和洪峰较低，这与近期观测到的历史平均径流下降趋势一致澳大利亚南部、欧洲南部和美国大部分地区（Gudmunsson等人，2017）。引文2019）。

可能需要采取适应性措施来减轻气候变化对社会经济系统和淡水生态系统的负面影响。适应性是弹性的一部分。它代表了根据不断变化的外部驱动因素和内部流程调整响应的能力（Folke等，2017）。引文2010）。可持续水系统在满足社会需求的同时保持关键的生态功能，在不断变化的社会和环境条件下具有更强的适应和持续能力（Poff等，2017） 。引文2016）。

规划有弹性、稳健和适应性强的水系统，以在非平稳气候条件下实现社会、经济和环境目标具有挑战性（Poff等，2017）。引文2016）。传统上，区域到地方的气候变化影响评估使用大气环流模型（GCM）缩小规模的未来气候预测来提供气候情景的集合（Dessai 和 Hulme）引文2007 年，布雷克等人。引文2009年，伦珀特和格罗夫斯引文2010）并评估系统漏洞。然而，GCM 结果的范围是未来气候不确定性最大范围的下限（Stainforth等，2017）。引文2007）。此外，GCM 预测很难从概率上解释（Tebaldi 和 Knutti）引文2007 年，史蒂芬森等人。引文2012）。

Brown等人提出了另一种方法。（引文2011）描述了一种称为“决策缩放”（DS）的基于决策分析的方法，旨在根据一系列气候变化条件下自下而上过程识别的系统漏洞创建气候响应功能。此外，现有的自上而下的预测为气候条件的合理性提供了信息。布朗等人。（引文2012）将利益相关者定义的风险一词引入 DS 方法中，以根据风险和影响方面对利益相关者重要的内容来识别系统漏洞。DS 方法对气候模型的不确定性不太敏感，因为它可以识别在缩小的 GCM 预测下可能未实现的系统漏洞，并且还可以利用计算高效的气候生成工具来更好地探索内部气候变化的影响（Steinschneider 等，2017）。引文2015b）。

波夫等人。（引文2016）通过添加生态维度将可持续原则引入DS框架。该方法被称为“生态工程决策尺度”（EEDS），考虑工程和生态绩效来实施可持续水资源管理。在 EEDS 方法中，决策者与利益相关者合作，确定生态和工程/经济指标以及系统的关键阈值。在多目标 DS 方法中，通过评估指标对各种非平稳威胁（例如气候变化条件）的敏感性来评估系统脆弱性。EEDS 允许在复杂的社会和生态系统中评估工程经济设计和生态绩效之间的权衡，以提出管理决策建议。

DS 的另一个重要贡献是联合国教育、科学及文化组织 (UNESCO) 国际水文计划的气候风险知情决策分析 (CRIDA) 方法。CRIDA 是一个自下而上的多步骤流程，旨在根据当地需求并在当地社区的参与下识别水安全危害并设计强有力的适应途径（联合国教科文组织引文2018）。与 DS 和 EEDS 一样，CRIDA 旨在提出水资源管理决策，同时应对未来不确定的气候条件。

本研究提出了应用于塞尔皮斯河流域的多目标决策框架，该流域是一个复杂的地中海盆地，具有三个在气候和水文方面相互关联的子流域。由于未来气候预测的不确定性，我们同时探讨了流域的农业和环境脆弱性。这项工作代表了针对复杂水系统的 EEDS 的扩展，其中来自不同子流域的气候和水流变量在空间和时间上相关，并且对运行规则和水分配机制进行了详细建模。脆弱性评估是通过对系统进行气候压力测试来进行的，考虑了 20 种气候情景，并对每种情景进行 434 次模拟，以探索可能的潜在气候波动。

这项研究有助于实现西班牙水资源规划的目标，即实现公民和子孙后代的水安全，并保护生物多样性和社会经济活动。

2 研究区
塞尔皮斯河流域位于西班牙东部半干旱地区，流域面积985 km 2流入地中海。在胡卡尔河流域地区（由胡卡尔水务局管理，以下简称 CHJ）内，存在三个主要的子流域：贝尼亚雷斯、恩坎塔达和韦尔尼萨，它们在气候和水文方面相互关联（图。1）。该河由单一水库贝尼亚雷斯（26.5 Hm 3）调节，其主要功能是灌溉和防洪。塞尔皮斯河流域农业需水量占流域总需水量的72%（CHJ引文2022）。主要农业需求位于流域下游，为 Canales Altos（15.91 Hm 3 /年）和 Canales Bajos（12.59 Hm 3 /年）。卡纳莱斯阿尔托斯完全由地表水供应，而卡纳莱斯巴霍斯则可以使用地表水和地下水。流域主城区饮用水由地下水提供。

贝尼亚雷斯大坝建于 1958 年，自那时起，大坝运营和下游灌溉的几次取水在一定程度上改变了水流状况，对河岸社区产生了相关影响。胡卡尔河流域管理计划 (JRBMP) (CHJ引文2022）确定了大坝下游的最小和最大环境流量状况以及洪水状况以及每日和每小时时间尺度的变化率。本研究的重点是贝尼亚雷斯大坝下游特定部分在最小和最大环境流量方面的脆弱性。之所以选择它，是因为它对过去的经验以及有关水生栖息地和物种的可用信息感兴趣（Martínez Capel等人，2017）。引文2018）。

每个子流域的降水量 (P) 和温度 (T) 气候数据均来自 Spain02_v5，这是为伊比利亚半岛和巴利阿里群岛开发的每日网格观测数据集（Herrera 等人，2017 ）。引文2016）。本工作中使用的数据涵盖1950年1月至2015年12月期间。观测的气候数据在每个子流域进行空间平均，并汇总到月时间尺度。1971-2007 年期间贝尼亚雷、恩坎塔达和韦尔尼萨子流域的历史月度流入量 (Q) 是从 CHJ 网页 ( www.chj.es ) 获得的。

3 方法论
在目前的工作中，我们公开了一个决策系统框架，用于评估气候变化条件下地中海盆地的气候脆弱性，重点关注农业需求和生态要求。

首先，开发了与每个子流域相对应的天气生成器，以生成气候变化的多种实现（P和T），并在月时间尺度上对流域进行了气候压力测试。天气生成器首先由年尺度的自回归模型（AR）组成，然后是月尺度的分解，最后通过改变一些时间序列统计数据来阐述气候变化情景。

随后，先前校准的水文模型将气候数据转换为水流数据。水资源系统模型估计了系统对水文不确定性的响应，并根据一些先前定义的经济（农业）和生态指标开发和识别了导致系统失败的关键条件。通过将气候条件与来自耦合模型比对项目第 6 阶段 (CMIP6) 的五个情景的 22 个 GCM 预测的集合进行比较，结合共享社会经济路径 (SSP) 和代表性集中度，对气候条件的合理性进行了交叉检查2011 年至 2099 年期间的路径 (RCP) 情景（表格1）。这些预测根据西班牙气象局采用的方法对平均统计数据进行了偏差调整（Amblar等人，2017）。引文2017）和政府间气候变化专门委员会（IPCC）第六次评估报告引文2021）。图2显示模型的不同步骤，如下所述。

3.1 天气发生器
我们根据 Steinschneider 和 Brown 的作品开发了一个天气生成器（引文2013）和斯坦施奈德等人。（引文2015a）。

首先，我们使用 AR 模型生成每个子流域的合成年降水量和温度时间序列，以捕获气候低频信号。合成序列与历史序列长度相同（65年），并且紧密保留了历史主要统计数据（平均值、标准差、相关结构和跨子流域的互相关）。

对于降水量，历史年度时间序列满足AR模型的正态性和平稳性要求；因此，没有进行任何转换。

使用片段方法将年度时间序列分解为每月时间步长（Srikanthan 和 McMahon引文2001）。它首先计算历史序列中每年每个月对应的年度P的比例，获得一系列片段。之后，每次模拟都会随机更改范围的顺序，并将新的因素范围应用于合成时间序列。该方法保持了变量的年内相关性。

最后，我们通过改变系列的平均统计量生成了几种替代气候变化情景，以探索历史不确定性之外的流域表现。平均值的变化包括应用从-30%到+30%的变化，使用15%的增量（五个增量），根据研究中考虑的GCM预测中观察到的降水预测。新的65年降水时间序列是通过分位数映射获得的，代表2015-2080年期间。

关于温度（T），不同子流域的历史月时间序列之间存在高度互相关性（R 2  > 0.99）。因此，我们决定在恩坎塔达子流域建立一个年尺度的温度天气发生器，以捕获气候低频信号，并随后通过线性回归模型估计其他子流域的相应时间序列。月规模。恩坎塔达次流域的年度模型是在消除历史年度序列的趋势并确认平稳序列的正态性后建立的。

T 的气候变化情景是在年度范围内制定的，强制在这段时间内（2015-2080 年）将平均值从 0°C 增量到 3°C，每次增量为 1°C（四个增量）。最大增量区间是根据中短期（2021-2060年）全球地表温度最大变化确定的（IPCC引文2021）。使用标准附加方法来改变温度分布。年增加因子在整个模拟期间逐渐增加，从0 开始，到指定变化水平（例如2°C）结束。

Encantada 的月度时间序列是使用碎片方法分解年度时间序列后获得的（Srikanthan 和 McMahon）引文2001）。随后，通过如下所示的线性回归获得了贝尼亚雷和韦尔尼萨子流域的月度、面积平均温度时间序列

3.2 蒸散量时间序列估计
参考蒸散量 (ETo) 时间序列是在应用转换因子 (TF) 后根据每月温度时间序列估算的。因此，随机模型生成替代 T 时间序列，然后将其转换为 ETo 时间序列。TF针对每个子流域是特定的，并且是在满足三个条件的代表性气候站获得的：（1）它们提供历史月平均温度（TCS ）数据和彭曼-蒙特斯（PM）参考蒸散量（ETo）数据; (2) T CS和 ETo 时间序列高度相关；(3) 气候站的温度时间序列 (TCS )与 Spain02_v5 数据集 (T) 的相应序列高度相关（参见表3）。

TF 被量化为每个气候站的每月 ETo 和每月 T CS时间序列之间的比率。为了将 TF 应用于新生成的温度时间序列，我们通过傅里叶级数表示估计了平均周期比（Salas等人，2017）。引文1997）。我们假设尽管气候条件发生变化，ETo 和 T 之间的关系仍保持不变。

3.3 水文水资源系统建模
我们使用了 Témez 降雨径流模型 (Témez引文1977）将每个气候模拟转换为水流时间序列。Témez 模型是一个概念性的集总水文模型，将子流域视为一个均质单元。为了校准和验证模型，我们使用每个子流域的历史月平均面积降水量（P）和参考蒸散量（ETo）时间序列作为输入变量，并使用每个子流域的历史径流时间序列（Q）作为输出变量。最小化均方根误差 (RMSE) 的优化工具对参数进行了校准，我们使用四个拟合优度指数来评估模型的准确性：RMSE、Nash-Sutcliffe 效率系数 (E)、R 2和积分平方误差 (ISE)。

降雨径流模型的校准完成后，我们将天气发生器生成的气候模拟转换为水流时间序列，用作代表塞尔皮斯河流域的水资源系统模型的输入（图3）。系统模型是用 GAMS 软件构建的（Brooke等人，2014）。引文1998）来估计系统在每种模拟气候变化条件下的性能。该系统包括三个主要子流域、塞尔皮斯河河段和运河、贝尼亚雷水库、两个城市需求 (UDU) 和两个农业需求（D1 和 D2）以及塞尔皮斯河两个主要含水层的降水输入流域。组件的特性是从 JRBMP 中获得的。

塞尔皮斯河流域的可接受性能是根据满足系统中定义的两个目标之间的权衡来定义的：农业供水可靠性和环境流量要求。每个目标的满意度水平是根据一些阈值来衡量的，这些阈值表明指标的性能是否最佳、可接受或不可接受。评估中使用的指标如下所述。

3.3.1 农业指标
Serpis 河提供的主要农业需求对应于两个灌溉区：Canales Altos（D1，15.91 Hm 3 /年）和 Canales Bajos（D2，12.59 Hm 3 /年），均位于 Serpis 下游（参见图。1）。用于表示该系统农业经济目标的指标是每年满足的年需求的比例。根据西班牙水法的规定，该变量的接受阈值设定为 50%。此外，我们认为，由于经济影响，供水量低于当前平均水平（约占两种需求的 75%），无法令农民满意。因此，第二个阈值设置为一年所需水量的 75%，以表明最佳供应。

3.3.2 环境指标
JRBMP 在流域内的河流中建立了环境流量制度，旨在维持一些水生保护物种及其栖息地的生态功能。JRBMP 中的环境流量状况包括 (a) 每月范围内扩展到所有表层水体的最小流量状况 (Qmin)，以及 (b) 受管制水体中每月规模的最大流量状况 (Qmax)。在目前的工作中，我们评估了大坝下方特定河流河段的最小（Qmin）和最大（Qmax）环境流量状况的实施情况（参见第 2 节：研究区域）。每个变量的可接受性能阈值是从 JRBMP 中提取的（参见表4）。Qmin 阈值被认为是水管理模型中的限制，因为 JRBMP 认为最小流量对于生态要求是强制性的。对于 Qmax，JRBMP 标记了不同的时期：雨季（从 11 月到 2 月）和旱季（从 3 月到 10 月）。此外，出于分析中的实际原因，我们假设每月流量超过 Qmax 25% 可以认为是可以接受的。这种 Qmax 的“容差”或扩展阈值称为 Qtransition。

为了评估流域性能的稳健性并探索模型不确定性，我们使用 MATLAB® 为每种气候情景生成了 434 次 P 和 T 运行（Steinschneider等人，2017）。引文2015a，波夫等人。引文2016，约翰等人。引文2021）。在估计每次运行的 ET 0并从 Témez 模型获得相应的水文场景后，我们根据目标指标结果之间的权衡来评估气候场景是否提供了可接受或不可接受的系统性能（表5）。如果一个计划能够为一定比例的模拟提供令人满意的性能，则该计划被认为是稳健的。

4 个结果
4.1 天气生成器
434 个 65 年合成时间序列 P 和 T 获得的年均值和标准差的盒须图。结果表明，对于降水量，两个统计数据的中值均符合历史值（黑点）在所有子流域。相反，对于温度，中值显示出一些偏差，尤其是平均值，被低估了 0.3 至 0.4°C。

我们获得了令人满意的降水结果，特别是在贝尼亚雷子流域（图5(a)和 （乙））。Encantada 和 Vernissa 子流域月平均降水量最大偏差在 11 月份约为 20 毫米，是最潮湿的月份。

对于温度（图5(c） 和 （d))，各流域的月均估计值相对于历史值略有低估，与年尺度趋势一致。然而，最大偏差约为 0.5–0.6°C，对应于最热的月份 8 月。

4.2 蒸散量时间序列估计
图6显示了贝尼亚雷子流域估计的 ETo 时间序列（红色虚线）和相应气候站的历史时间序列（黑色填充线）。它使我们能够观察最小值、最大值和周期性的拟合优度。Encantada 和 Vernissa ETo 估计值在附录中给出图A3，并且它们表现出相似的性能。

通过傅里叶级数模型在每个子流域获得的 TF 的一些特征（解释了谐波数量和方差百分比）以及 ETo 估计时间序列的一些拟合优度统计数据。例如，我们可以观察到只需要一两个谐波就可以捕获平均每月历史 TF 时间序列的几乎总变化。估计的 ETo 时间序列解释了三个子流域约 96-98% 的 ETo 观测结果，所有这些子流域的 RMSE 约为 10 毫米/月。因此，我们认为获得的转换因子适合估计合成 T 时间序列的 ETo 数据。

4.3 水文水资源系统建模
可用的水流数据被分为两个时间段来校准（1971-2000）和验证（2001-2007）降雨径流模型。表7显示了三个子流域获得的校准和验证结果。对于校准，R 2范围在0.69和0.88之间，E在0.69和0.86之间，这表明历史行为的良好再现。RMSE 和 ISE 也显示出足够的性能水平，与 R 2和 E 一致。验证结果显示，总体而言，性能水平如预期略有下降，但 Encantada 的 E 指数除外（从 0.86 降至 0.40）以及除贝尼亚雷斯 (Beniarrés) 的 ISE 之外的所有指数（显示性能有所提高）。由于在 Encantada E 指数中观察到的下降并未反映在其余指标中，因此可以得出结论，水文 Témez 模型公平地再现了 Serpis 流域的历史水文行为。

图7显示了贝尼亚雷子流域观测到的流量（黑色填充线）和模拟流量（红色虚线）（参见附录中其他子流域的图表）图A4）。绘图显示，模型精确地捕获了整个系列中三个子流域的低水流频率和高水流频率，但高流量脉冲存在一定程度的低估。

经过校准和验证过程，P和ETo的65年合成时间序列（后者从模拟的T时间序列获得）的434次运行，以及与每次运行相关的20种气候变化情景，被转换为相应的水文排放。这些排放量被用作水资源系统模型的输入，以确定与水资源管理相关的主要变量（贝尼亚雷水库的排放和储存、水流、输送量和赤字），并从中量化农业和环境指标。

4.4 性能测量和稳健性
每次水文运行的系统性能均根据所有客观指标进行独立评估，根据上述阈值将其分类为最佳、可接受或不可接受。

当关注农业指标时（图8），我们观察到，当月平均降水量等于或高于历史记录时，两种需求（D1 和 D2）均出现最佳性能（绿色）。不过性能还算可以接受，≥
满足 50% 的年需求（橙色等级），D1 因降水减少量高于历史记录的 25% 而失败，而 D2 由于可以使用地下水，因此可以应对高达 30% 的降水量减少。因此，我们发现D1供应比D2更脆弱。

需要强调的一个重要问题是，不同情景下年平均气温的变化似乎并没有改变年供水绩效。发生这种情况的原因是，在目前的研究工作中，我们根据 JRBMP (CHJ) 中规定的水权，在所有气候情景下保持农业用水需求统一引文2022）。未来水权（需求）的增加取决于是否存在足够的水资源以及 JRBMP 的批准。因此，考虑到未来水权演变的不确定性，我们认为当前水权可以适当代表未来的用水需求。

关于环境指标，在评估的所有情景下都满足最小环境流量（Qmin），因为它们是为 JRBMP 和大坝运营规则中建立的模型规定的。因此，下面评估的唯一环境指标是每月最大环境流量（Qmax），我们在其中观察到全年的明显差异（图9）。在丰水期（11 月至 2 月），我们观察到，在大多数气候条件下，研究河段的月平均流量对于 JRBMP（绿色）中定义的 Qmax 和目前的工作（橙色）。

相反，在干旱期（3 月至 10 月），月平均流量经常超过 Qmax 和 Qtransition 阈值（红色区域），除非降水量较历史记录显着下降（约 15-20%，甚至 25%，具体取决于月）。需要强调的是，即使在目前的气候条件下，JRBMP 中设定的最大环境流量阈值在此期间也没有达到，这可能是由于贝尼亚雷当前的运营规则。

当农业和环境指标重叠以找到一个共同领域时，我们获得了一个空间，使我们能够评估气候变化条件下系统目标的并发满意度。图 10 和 11显示了分别在潮湿和干燥时期在 Canales Altos (D1) 和 Canales Bajos (D2) 需求中获得的权衡空间的一些示例。今年剩余时间的结果见附录（无花果A5–A10）。我们可以观察到，权衡空间由一个可接受的区域组成，根据适合程度分为三个子区域（表5)：两个变量均为最佳时为绿色区域，当其中一个变量为最佳而另一个变量可接受时为黄色区域，当两个变量都可接受时为橙色区域。红色区域表示性能不可接受。我们可以看到这两种需求在潮湿期和干燥期的可接受区域存在明显差异。在湿润期（11月至2月），两种需求的可接受区域几乎占据了评估的所有气候空间。然而，在干旱期（3月至10月），几乎所有情景都未能满足系统目标，因为只有在降水量显着减少的情况下才会出现可接受的区域。湿季和干季结果之间的差异主要是由于两个时期的 Qmax 阈值存在显着差异。在干旱时期，当Qmax阈值​​相对较低时，在当前的管理规则下，月平均流量很容易超过它，因此，性能变得不可接受。即使在目前的气候条件下也观察到了这个问题，这表明系统在干旱时期的性能受到气候变化以外的因素的影响。特别是，目前的系统运行似乎是枯水期系统故障的根源，因此需要对其进行调整，以满足 JRBMP 的环境流量规定并确保水系统的可持续性。D1 和 D2 结果之间的另一个明显差异是 D1 的主要脆弱性，因为它完全依赖于表面水流，这在农业指标结果中已经提到。月平均流量很容易超过当前管理规则，因此，性能变得不可接受。即使在目前的气候条件下也观察到了这个问题，这表明系统在干旱时期的性能受到气候变化以外的因素的影响。特别是，目前的系统运行似乎是枯水期系统故障的根源，因此需要对其进行调整，以满足 JRBMP 的环境流量规定并确保水系统的可持续性。D1 和 D2 结果之间的另一个明显差异是 D1 的主要脆弱性，因为它完全依赖于表面水流，这在农业指标结果中已经提到。月平均流量很容易超过当前管理规则，因此，性能变得不可接受。即使在目前的气候条件下也观察到了这个问题，这表明系统在干旱时期的性能受到气候变化以外的因素的影响。特别是，目前的系统运行似乎是枯水期系统故障的根源，因此需要对其进行调整，以满足 JRBMP 的环境流量规定并确保水系统的可持续性。D1 和 D2 结果之间的另一个明显差异是 D1 的主要脆弱性，因为它完全依赖于表面水流，这在农业指标结果中已经提到。性能变得不可接受。即使在目前的气候条件下也观察到了这个问题，这表明系统在干旱时期的性能受到气候变化以外的因素的影响。特别是，目前的系统运行似乎是枯水期系统故障的根源，因此需要对其进行调整，以满足 JRBMP 的环境流量规定并确保水系统的可持续性。D1 和 D2 结果之间的另一个明显差异是 D1 的主要脆弱性，因为它完全依赖于表面水流，这在农业指标结果中已经提到。性能变得不可接受。即使在目前的气候条件下也观察到了这个问题，这表明系统在干旱时期的性能受到气候变化以外的因素的影响。特别是，目前的系统运行似乎是枯水期系统故障的根源，因此需要对其进行调整，以满足 JRBMP 的环境流量规定并确保水系统的可持续性。D1 和 D2 结果之间的另一个明显差异是 D1 的主要脆弱性，因为它完全依赖于表面水流，这在农业指标结果中已经提到。这表明系统在干旱时期的性能受到气候变化以外的因素的影响。特别是，目前的系统运行似乎是枯水期系统故障的根源，因此需要对其进行调整，以满足 JRBMP 的环境流量规定并确保水系统的可持续性。D1 和 D2 结果之间的另一个明显差异是 D1 的主要脆弱性，因为它完全依赖于表面水流，这在农业指标结果中已经提到。这表明系统在干旱时期的性能受到气候变化以外的因素的影响。特别是，目前的系统运行似乎是枯水期系统故障的根源，因此需要对其进行调整，以满足 JRBMP 的环境流量规定并确保水系统的可持续性。D1 和 D2 结果之间的另一个明显差异是 D1 的主要脆弱性，因为它完全依赖于表面水流，这在农业指标结果中已经提到。其适应需要满足 JRBMP 的环境流量规定并确保水系统的可持续性。D1 和 D2 结果之间的另一个明显差异是 D1 的主要脆弱性，因为它完全依赖于表面水流，这在农业指标结果中已经提到。其适应需要满足 JRBMP 的环境流量规定并确保水系统的可持续性。D1 和 D2 结果之间的另一个明显差异是 D1 的主要脆弱性，因为它完全依赖于表面水流，这在农业指标结果中已经提到。

来自 CMIP6 的 GCM 投影集合（表格1）有助于确定未来气候情景在三种时间情景中的可行性：短期（2011-2040）、中期（2041-2070）和长期（2071-2099）。在分析每个时期的结果时，我们根据 GCM 的收敛性估计了气候的合理性，然后确定了与气候条件相关的系统中的潜在影响。

例如，在图10(a)和11(a)，我们观察到，在短期内，GCM 预测在相对较小的气候空间内匹配，这被认为具有很高的发生概率。大多数模型都位于小范围降水变化 (85–110%) 附近，年平均气温增量在 1 到 1.5°C 之间。在这种情况下，根据我们的结果，满足农业需求的年度供应量将与当前水平相似（约 70-75%）。因此，短期内流域内无需采取或采取非常有限的适应性措施。

在中期（2041-2070），GCM 预测显示出更广泛的分布，这意味着气候模型预测的不确定性更高（见图10(b)和11(b)）。可以确定两个主要的预测模型组，预测降水量相对于历史记录减少高达 25% 的可能性更高。尽管这些气候预测在可接受的范围内，但它们会导致需求赤字增加（年供应量在 50% 至 75% 之间）。因此，应考虑中期采取适应性措施，以平衡水资源短缺及其对农业经济系统的经济影响。此外，由于降水量减少约 10%，D1 特别容易受到影响。25% 的人会在接近接受限度时放弃它。

尽管我们的气候测试代表了短期和中期的条件，特别是温度，但我们还评估了长期（2071-2099）气候的合理性。我们观察到长期排放情景中 GCM 预测存在显着的不确定性（参见图10(c) 和 11(c))。最乐观情景的模型（SSP1-1.9和SSP1-2.6，代表《巴黎协定》）表明未来的气候条件与短期和中期情景中描述的气候条件相差不远。尽管如此，许多具有最悲观排放情景（SSP3-7.0 和 SSP5-8.5）的模型预计降水量将减少高达 30%，年平均气温上升超过 3°C，与预期气温上升一致（IPPC引文2021）。由于当前气候预测的高度不确定性，长期的适应性策略很难预测。然而，如果采取任何措施，它们应该灵活地应对我们可能面临的广泛的社会经济情景和气候条件。

5 讨论
我们提出了一种传统自上而下的 GCM 框架的替代方法，可以在解决气候不确定性的同时对依赖水的经济体进行影响评估。我们在这里介绍的方法使我们能够通过计算高效的气候生成工具来评估大范围的气候变化条件，并探索流域对气候变化的鲁棒性。评估系统的脆弱性对于预测潜在风险和设计合适的适应性战略或途径来克服气候变化危害和实现恢复能力至关重要。本文提出的方法是 DS 的扩展（Brown等人，2017）。引文2012）和 EEDS（Poff等人。引文2016）方法，这是在水规划过程中实现可持续性和利益相关者治理原则的自下而上的框架。我们在复杂的地中海盆地——塞尔皮斯河流域（具有三个气候和水文相互关联的子流域）中测试了该框架，以评估不确定气候条件下的农业供应可靠性和淡水栖息地可持续性风险。

我们发现降水量大幅减少可能会在中长期对系统构成挑战。水资源的减少将意味着农业供水的大幅减少。鉴于塞尔皮斯河流域70%以上的总需水量来自农业，供水量大幅减少将对该地区的经济产生重大影响。例如，我们确定年降水量减少 25% 对于 Canales Altos 需求 (D1) 至关重要，因为该系统将无法提供所需的最低水量，并且这种情况将与中期预测一致CMIP6 GCM。因此，这项工作表明需要在中期采取适应性措施，特别是针对 D1 需求，以平衡预期的可用水损失。

目前的工作还发现，贝尼亚雷斯大坝当前的运行规则没有考虑 JRBMP 中规定的旱季最大环境流量。水生物种和栖息地适应自然水流状况（Poff等，2016）。引文1997），许多生物过程与变化的流动条件同步。这些条件的任何改变都可能导致淡水生态系统受损，甚至导致某些物种的灭绝（例如棕色Muñoz-Mas等人）。引文2016年，引文2018）。因此，对现行规则的审查应考虑涵盖农业用途和环境保护，同时考虑到根据未来气候预测，未来水资源预计将进一步减少（IPCC引文2021）。

本工作中开发的天气生成器在验证过程中获得了令人满意的结果，再现了感兴趣变量的空间和时间动态以及相关结构。年尺度上，三个流域的降水统计具有较高的稳健性，年气温的偏差较小。在月度规模上也观察到相同的趋势。此外，这些模型可以重现 P 和 T 的月内变化，这对于水文应用至关重要。本工作中开发的天气生成器假设未来气候情景的年内模式相对于历史模式没有变化，以及子流域之间的固定互相关性。根据 Hettiarachchi等人的说法。（引文2022年），2000年之后夏季干旱期的长度应该会增加，这可能意味着降水季节周期的变化。然而，比较贝尼亚雷子流域对应的两个时期的降水模式——1950-1999 年与 2000-2015 年——在月尺度上没有观察到显着差异（见图12）。因此，我们假设每日时间尺度上干旱期长度的增加，如果发生在流域内，不会对年度和月度模式产生影响。造成这种情况的一个原因可能是地中海地区降水事件的不规则模式，这可能会减弱每日范围内的任何微小变化。如果发现或希望在未来情景中考虑到年度内模式的变化，可以在所提出的方法中通过修改片段方法以实现季节性周期的变化，或通过应用额外的随机模型来生成年度时间序列中的每月时间序列。需要进一步研究，以探索在暗示年内气象周期发生变化的情况下，从年度时间尺度缩减到月度时间尺度的替代配置。

同样，我们也没有观察到流域之间互相关性的变化（参见表8），因此我们使用根据历史数据构建的相同模型来生成未来的气候变化情景。然而，先前对流域气候相互关系变化的分析是假设模型参数和空间结构平稳性的基础。同样，由于变暖而导致的水流模式的任何其他潜在变化，例如融雪模式的变化，应事先进行评估，并在重点流域需要时纳入模型的制定中。

在本研究中，我们贡献了一种新方法，可以从温度（T）时间序列中有效地获取PM参考蒸散量（ETo）时间序列。通常认为使用 PM 方法时 ETo 估计更为准确（Allen等人，2015）。引文2006）。然而，PM方法需要大量的变量，这些变量仅适用于西班牙的一些气候站（例如太阳辐射、空气湿度、风速）。因此，使用 PM 方法估计 ETo 时间序列通常是一个繁琐的过程（Camargo等人，2014）。引文1999 年，埃斯特雷拉等人。引文1999年，佩雷拉和普鲁特引文2004）。在目前的工作中，我们提供了一种新方法，通过高精度的傅立叶级数模型（R 2  > 0.96）将T时间序列灵活地转换为ETo时间序列。当有足够的历史气候数据来可靠地计算 TF 时，该方法可以在其他地区复制。

目前的工作旨在测试一种方法工具，以了解不确定的气候变化条件下的流域水挑战。使用每月（每月水流量）或每年（年度供水量百分比）指标使我们能够对流域中的潜在危险产生第一印象，并将规划行动置于背景之中。然而，最近的研究结果证明，变暖会影响水循环以及极端降水事件与洪水之间的关系，这些事件每天或次日发生一次，特别是从 2000 年开始（Dai引文2012 年，夏尔马等人。引文2018年，何等人。引文2022 年，Hettiarachchi等人。引文2022）。这种现象将改变降雨-径流模型，因此，我们评估了历史数据中降水-径流关系的任何变化。我们获得了 1971-1999 年和 2000-2015 年两个时期的月平均降水量和月平均水流量之间的相关性，以确定 2000 年之后相对于 2000 年之前的相关性是否有损失（参见表9）。

我们观察到，在 Encantada 和 Vernisa 次流域，两个时期的相关性都高于 0.8，并且 2000 年前后没有显着差异。在贝尼亚雷次流域，2000 年以后的相关性实际上更强。因此，我们确认，2000年以后降水量与径流量之间相关性的任何损失（如果发生）都不会反映在月尺度上，因此，我们可以在这两个时期使用相同的水文模型。许多原因可以解释塞尔皮斯河流域降水-径流关系的平稳性，例如数据的聚合水平、流域的大小、降水模式或2000年后可用数据的稀缺。

选择使用每月时间步长进行分析是因为它符合应用程序的水规划重点。这可能意味着每日和次日极端值的变化没有得到适当处理。然而，案例研究区域的水规划和管理的这种变化的实际影响非常低，因为水库的存储容量不允许它利用此类事件进行补水，而且容易发生这些变化的地区事件发生在海岸线附近，任何调节设施的下游，因此最终这些事件的变化只会对向海洋的排放产生明显的影响。然而，所提出的方法可以通过添加额外的从每月到每日规模的缩减方法来解决这些问题，

关于未来的气温情景，我们强制在期末相对于当前记录的最高气温上升 3°C。然而，由于模型生成中的随机效应，许多模拟中的实际升温高达 4°C。因此，它包含了 IPCC6 2021 年至 2100 年期间的最佳温度估计（IPCC引文2021）。目前工作中应用的温度模型假设未来一段时间内呈持续上升趋势。然而，该方法可以适应具有不同趋势的温度增加的替代设置，例如，部分时间序列遵循相同的趋势，而其余部分则遵循增加的趋势。这可以通过修改用于生成年气温的模型来实现。

根据 EEDS 方法，分析系统脆弱性后的下一步是在应用利益相关者先前定义的管理措施和/或适应性措施后评估系统性能。西班牙生态转型部生物多样性基金会资助的先前项目讨论了首选决定的确定（https://www.fundacion-biodiversidad.es/en/node/10906和https://www. fundacion-biodiversidad.es/en/node/11884），以及与 Serpis 河公民平台合作（https://plataformaserpis.wordpress.com/）。在这些项目中，与 Serpis 的主要用户、利益相关者和决策者一起举办了研讨会和问卷调查。根据他们的观点，应对气候变化的首选方案是使用经过处理的废水（得分为 7.8，满分 10），紧随其后的是改善 Serpis 河的运营（7.6）和改善河流的治理整体（7.4）。他们还表示，他们同意假设因气候变化影响而导致水流最大减少 25% 所带来的经济损失，这与本研究中标记的农业阈值一致。拟议的方法将能够通过修改水资源系统的定义来适应这些措施。

然而，本研究也强调了该方法的一些方面有改进的空间。在气候变化情景下，温度对水资源系统的影响较小，这是由于在法定点下考虑了需水量，这可能与作物需水量的需求不一致。这个问题可以通过将作物模型纳入水资源系统来根据变暖的温度估计农业用水需求来解决。该系统的另一个值得探索的方面是变暖对水流栖息地的影响，这应该通过纳入生态模型来解决（Horne等人，2017）。引文2018，约翰等人。引文2021）。

目前的工作同时处理塞尔皮斯河流域社会经济和环境目标的脆弱性，以定义面对未来水文不确定性的可持续水资源管理。这项工作一方面评估当前的多功能水管理系统，另一方面识别未来无法满足系统目标的潜在气候危害。脆弱性评估对于水规划者预测系统的气候风险并采取行动建立弹性管理框架至关重要。

6。结论
压力测试方法是评估水系统结果对气候不确定变化的敏感性的有效方法。本工作中采用的方法是将 EEDS 方法扩展到复杂的水资源系统，已成功应用于塞尔皮斯河流域。其中，随机天气生成器、傅里叶级数模型的 ETo 估计、水文模型和水资源系统模型与现有记录相比显示出足够的性能水平。此外，建模框架能够适应具有不同特征和需求的其他系统。事实证明，所采用的方法可以在不同的时间范围内稳健地识别系统的潜在气候危害。

该方法还揭示了现行系统管理规则的缺陷；特别是，它没有考虑干旱时期贝尼亚雷斯大坝下游的最大环境流量状况。因此，需要对贝尼亚雷斯大坝的运营进行修改，以达到法定的生态目标。

由于涉及大量利益相关者，可持续水资源规划对决策者来说是一项挑战。水系统管理是一个复杂的难题，用水者的任何不平衡都会给其他人带来相反的后果。良好的水治理对于实现水安全、公平分配水资源、避免纠纷至关重要。社会如何选择管理水资源和服务对人们的生计和水资源的可持续性有着深远的影响。此外，预测气候变化对水资源供应的影响是避免其对社会产生不利影响并增强适应变化的能力的最佳方法。