2. 江西农业大学林学院, 330045, 南昌
-
项目名称
- 国家自然科学基金"赣西北小流域森林植被变化对径流影响的定量研究"(31460222)
-
第一作者简介
- 刘士余(1975-), 男, 博士, 教授。主要研究方向:水土保持与森林水文。E-mail:397013250@qq.com
-
文章历史
-
收稿日期:2017-07-27
修回日期:2018-03-25
2. 江西农业大学林学院, 330045, 南昌
2. School of Forestry, Jiangxi Agricultural University, 330045, Nanchang, China
流域径流的变化及其原因的研究,是一个重要的科学问题。导致流域径流变化的因素,可以概括为气候变化因素和人类活动因素。国内外关于流域气候变化和人类活动对径流影响的定量研究较多[1-7],其水文效应在不同时间尺度上存在一定差异[8],大部分研究[9-12]以年尺度来计算径流影响量,而对季节尺度上的研究较少。季节尺度影响量分析对年内水资源合理配置具有重要意义,尤其是存在季节性干旱的流域;因此,季节尺度下气候变化与人类活动对径流的影响值得深入研究。
气候因素主要有降水量和气温,降水量的变化直接导致流域产流量的变化,气温的变化可能会影响流域蒸发散从而导致径流的变化;但是,根据郭华等[13]在鄱阳湖流域的研究显示,径流系数与气温并无明显的线性相关关系。据此,笔者将影响流域径流变化的气候因素简化为降水量。人类活动因素包括引水、水库、水土保持措施的实施等,对无人居住及未修建水利、水土保持工程的同一小流域而言,人类活动因素主要是水土保持林草措施的实施(植被恢复)。
近年来,在气候变化、退耕还林(草)工程及城镇化(山区人口大量减少)的共同驱动下,流域的植被恢复状况较好,其径流也随之发生变化,为开展降水变化与植被恢复对流域径流影响的贡献率分析提供了天然场所。20世纪80年代,彭冲涧小流域的主要林种——杉木林被砍伐。之后,杉木次生林一直在恢复过程中,是开展本研究的理想流域。根据都昌县武山林场的森林调查资料,该小流域森林覆盖率由1985年的80%提高到2016年的98%,森林蓄积量由1985年的1.2万m3提高到2014年的2.5万m3。
笔者以降水充沛的彭冲涧小流域为研究对象,通过经验统计分析和水文模型模拟2种方法,开展降水变化与植被恢复对小流域径流变化的贡献率分析,为从更深层次上认识植被对径流的影响程度,为植被恢复和生态建设提供科学依据。
1 研究区概况彭冲涧小流域位于江西省九江市都昌县境内,E 116°25′48″ ~116°27′7″,N 29°31′44″ ~29°32′56″,流域集水面积2.90 km2(图 1)。小流域地形西北高东南低,地层出露以浅变质岩、花岗岩和灰岩为主。海拔高度80~560 m。植被类型丰富,林分类型主要为杉木(Cunninghamia lanceolata)林(70%)、栎(Quercus acutissima)类(28%)和毛竹(Phyllostachy heterocycla)(2%)。气候类型属亚热带湿润季风气候区,多年平均降水量1 560 mm。小流域四周闭合,属都昌县武山林场管辖,无人口居住,也未修建水利、水土保持工程。1981年江西省水文局于流域径流出口处设立彭冲涧水文站,并一直持续观测小流域的降雨、径流等数据至今。
为分析彭冲涧小流域30多年来的降水和径流变化,笔者从江西省水文局收集彭冲涧水文站自1983—2014年的逐日降水、流量、蒸发量和日平均气温等观测资料,计算得到季节、年降水量和径流深。
Mann-Kendall检验法是检验水文时间序列变化趋势的良好方法[14-15]。应用Mann-Kendall法开展降水、径流的变化趋势研究和突变性检验逐渐增多[16-17];因此,笔者采用Mann-Kendall检验法对彭冲涧小流域的降水、径流等要素进行突变性检验,确定该小流域1983—2014年年降水量和年径流深变化趋势的一致突变点为2003年,然后将研究时段划分为1983—2003年(基准期)和2004—2014年(变化期)2个时段,为分析不同时段径流变化与降水变化和植被恢复的关系奠定基础。
开展降水变化与植被恢复对小流域径流影响的贡献率分析常用方法有经验统计分析法、水文模型模拟法及累积量斜率变化率比较法等。笔者为比较不同方法的定量区分结果,并相互验证结果的可信度,采用经验统计分析法和水文模型模拟法进行分析。
2.1 经验统计分析法即对植被恢复前期(基准期)的降水、径流实测资料进行回归分析,建立基准期的径流深与降水量之间的经验统计方程,将植被恢复后期(变化期)的平均降水量代入上述方程,得到的径流深即为变化期的降水在基准期植被条件下的平均径流深,即模拟平均径流深。将其减去变化期实测平均径流深,即为小流域植被恢复导致的径流变化。由基准期的实测平均径流深减去模拟平均径流深,求得降水变化导致的径流变化[18]。
2.2 水文模型模拟法水文模型是对自然界中复杂水循环过程的近似描述,是水文科学研究的一种常用手段和方法。IHACRES集总式水文模型在国内外广泛应用于径流模拟[19]。刘贵花等[20]的研究表明,IHACRES模型能较好地模拟赣江流域的径流,适用于中亚热带湿润季风气候区;因此,笔者采用由Jakeman等提出,以单位线原理为基础的水文模型——IHACRES模型[21],以基准期的降水、径流等实测资料率定、验证模型,在模型评价指标满足模拟精度的基础上,将变化期的降水资料输入模型进行模拟,得到的径流模拟值即为变化期的降水在基准期植被条件下的径流值,经计算,得到模拟平均径流深。将其减去变化期实测平均径流深,即为小流域植被恢复导致的径流变化。由基准期的实测平均径流深减去模拟平均径流深,求得降水变化导致的径流变化[18]。
3 结果与分析 3.1 降水量与径流深的季节分配通过对彭冲涧水文站1983—2014年逐日降水、径流资料的整理,得到该小流域月、季节(春季为3—5月,夏季为6—8月,秋季为9—11月,冬季为12月—翌年2月)、年等时间尺度上的降水、径流资料,为分析小流域降水、径流的年内、年际分配规律及降水变化与植被恢复对径流的影响奠定基础。
由表 1可知,彭冲涧小流域秋季、冬季的降水量、径流深占全年的比例均很小,因此笔者仅对春季、夏季及年尺度上的资料进行分析。
根据Mann-Kendall检验,1983—2014年彭冲涧小流域年降水量的变化趋势为:1)小流域降水总体呈波动下降趋势(图 2a)。1983—1986年年降水量显著下降,1986年为该时期降水最低值,超过α=0.05的显著性水平;1987—2003年降水波动上升,1998年为该时期降水最高值;2004—2009年,降水呈下降趋势,2010年始分别出现1个降水峰值(2011)和谷值(2012),之后逐渐上升。2)根据UF和UB曲线的交点位置,采用T检验法,确定小流域降水在2003年发生突变(图 2b)。
根据Mann-Kendall检验,1983—2014年彭冲涧小流域年径流深的变化趋势为:1)小流域年径流深呈波动下降趋势(图 3a)。1983—1986年年径流深显著下降,并超过α=0.05显著性水平;1987—2003年径流深逐渐上升,且在1999年达到最大值;除2010年外,2004年始径流深均较小。2)由图 3b可以看出,UF和UB曲线有多个交点,为了去除无效突变点,采用t检验法,确定年径流深的突变年份为2003年,这与彭冲涧小流域年降水量的突变年份一致,说明径流的增加与降水有直接关系。
根据降水和径流的突变检验结果,将研究时段划分为1983—2003年和2004—2014年2个时段。1983—2003年的年平均降水量、年平均径流深分别为1 608.2和831.9 mm,2004—2014年的年平均降水量、年平均径流深分别为1 468.9和588.9 mm。相对于基准期,变化期的年平均降水量和年平均径流深分别减少8.7%和29.2%,年平均减少幅度分别为12.7和22.1 mm。年平均径流深的减少比例(量)大于年平均降水量的减少比例(量)。由此可知,除降水外,还存在着使径流减少的植被恢复因素。如何定量区分降水变化与植被恢复对小流域径流减少的贡献率,是一个需要研究的科学问题。
3.3 经验统计分析法分析降水变化与植被恢复对小流域径流减少的贡献率通过对1983—2003年(基准期)春季、夏季及年的平均降水量和平均径流深的线性回归分析,得到的线性方程分别为y=0.980 9x-193.01(R2=0.880 3)、y=0.996 1x-259.47(R2=0.915 5)及y=0.995 3x-768.8(R2=0.858 8),拟合效果较好,线性拟合曲线详见图 4。
将2004—2014年(变化期)春季、夏季及年的平均降水量分别代入相应方程,得到模拟平均径流深。降水变化与植被恢复对径流减少的贡献率计算结果详见表 2。
由表 2可知,相对于基准期,春季、夏季及年尺度上变化期的平均径流深分别减少100.2、105.8和243.0 mm,其中,因降水变化导致的径流深减少分别为59.0、75.7和138.7 mm,因植被恢复导致的径流深减少分别为41.2、30.1和104.3 mm,降水变化和植被恢复对径流减少的贡献率分别为58.9%、41.1%,71.6%、28.4%和57.1%、42.9%。
3.4 水文模型模拟法分析降水变化与植被恢复对小流域径流减少的贡献率 3.4.1 IHACRES模型的径流模拟评价决定系数(R2)、Nash-Sutcliffe效率系数(NS)和相对误差(PBIAS)被用来评价模型基准期和变化期的模拟效果[22]。
R2为模拟值与实测值的拟合效果,范围为0~1,其值越大表示拟合效果越好。
NS计算公式如下:
$ {\rm{NS}} = 1 - \frac{{{{\sum\limits_{i = 1}^n {\left( {{Q_{{\rm{obs}}}} - {Q_{{\mathop{\rm sim}\nolimits} }}} \right)} }^2}}}{{{{\sum\limits_{i = 1}^n {\left( {{Q_{{\rm{obs}}}} - {\rm{mean}}\left( {{Q_{{\rm{obs}}}}} \right)} \right)} }^2}}}。$ | (1) |
式中:Qobs,Qsim和mean(Qobs)分别为实测值、模拟值和实测值均值;n代表数据个数。NS最优值=1.0,NS值越接近于1.0,表示模拟效果越好,当NS<0时,表示模拟效果不佳。
PBIAS计算公式如下:
$ {P_{{\rm{BIAS}}}} = \frac{{\sum\limits_{i = 1}^n {\left( {{Q_{{\rm{obs}}}} - {Q_{{\mathop{\rm sim}\nolimits} }}} \right) \times 100} }}{{\sum\limits_{i = 1}^n {{Q_{{\rm{obs}}}}} }}。$ | (2) |
式中:Qobs和Qsim为实测值和模拟值。当|PBIAS|小于10,模拟效果非常好;当|PBIAS|介于10~15之间,模拟效果较好;当|PBIAS|介于15~25之间,模型模拟效果令人满意。
将1983—2014年彭冲涧小流域日降水、日径流、日气温和流域面积数据输入模型,采用月尺度进行模拟,选取基准期降水、气温和径流数据率定参数。参数取值分别为:δ=0,f=1.1,w=2,tr=21,c=0.004,(δ为产流的延迟时间系数,f为温度调节因子,w为小流域干时常数,tr为参考温度,c为保证在整个率定期模拟的有效降雨总量等于观测总径流量的一个非自由参数)。
小流域基准期的模拟径流深与实测径流深比较及拟合状况见图 5。
经计算,R2=0.95,NS=0.94,PBIAS=-5.19,可见基准期模型月径流模拟效果较好,可用于彭冲涧小流域的径流变化研究。
3.4.2 小流域径流模拟小流域变化期的模拟径流深与实测径流深比较及拟合状况见图 6。
经计算,R2=0.92,NS=0.88,PBIAS=-21.7,基本可以满足要求;但相对误差增大,表明变化期植被恢复对小流域径流的影响增强。降水变化与植被恢复对径流减少的贡献率计算结果详见表 3。
由表 3可知,相对于基准期,春季、夏季及年尺度上变化期的平均径流深分别减少100.2、105.8和243.0 mm,其中,因降水变化导致的径流深减少分别为61.1、86.3和170.2 mm,因植被恢复导致的径流深减少分别为39.1、19.5和72.8 mm,降水变化和植被恢复对径流减少的贡献率分别为61.0%、39.0%,81.6%、18.4%和70.0%、30.0%。
从以上分析可知,2种方法的研究结果总体上比较接近,说明研究结果均比较可信;但无论是经验统计分析法,还是水文模型模拟法,尺度不同,研究结果存在较大差异,且降水变化的贡献率均大于植被恢复。其中,夏季降水变化的贡献率最大,这可能与该季节的雨量、降雨强度大和雨日数多有关。年尺度上,研究结果与刘剑宇等[4]在饶河流域、WU Jingwen等[23]在延河流域求得的贡献率较接近,但与许炯心等[24]在嘉陵江流域、ZHANG Qiang等[25]在鄱阳湖流域的研究结果差异较大。这可能与不同流域的降水、植被、面积大小及地形地貌等不同有关。
4 结论与讨论1) Mann-Kendall检验法的分析结果显示,彭冲涧小流域的降水与径流呈减小趋势,其一致突变点为2003年。1983—2003年(基准期)的年降水量、年径流深分别为1 608.2、831.9 mm,2004—2014年(变化期)的年降水量、年径流深分别为1 468.9和588.9 mm。相对于基准期,变化期的年降水量、年径流深分别减少8.7%、29.2%,年平均减少幅度分别为12.7和22.1 mm。
2) 经验统计分析法分析降水变化与植被恢复对小流域径流减少的贡献率研究表明:相对于基准期,变化期春季、夏季及年的径流深分别减少100.2和105.8和243.0 mm,其中降水变化的贡献率分别为58.9%、71.6%和57.1%,植被恢复的贡献率分别为41.1%、28.4%和42.9%。
3) 水文模型模拟法分析降水变化与植被恢复对小流域径流减少的贡献率研究表明:相对于基准期,变化期春季、夏季及年的径流深分别减少100.2、105.8和243.0 mm,其中降水变化的贡献率分别为61.0%、81.6%和70.0%,植被恢复的贡献率分别为39.0%、18.4%和30.0%。
4) 无论是经验统计分析法,还是水文模型模拟法,尺度不同,研究结果存在较大差异,且降水变化的贡献率均大于植被恢复。其中,夏季降水变化的贡献率最大,这可能与该季节的雨量、降雨强度大和雨日数多有关。年尺度上,与有些学者的研究结果较接近,而与另一些学者的研究结果差异较大。这可能与不同流域的降水、植被、面积大小及地形地貌等不同有关。
可以看出,降水变化与植被恢复对径流的影响,同一流域不同尺度上贡献率不同,不同流域相同尺度上贡献率也不同。各流域的研究结果只能代表自身的特点,不能外推到其他流域,更不能代表普遍情况,普遍规律仍在探索之中。
[1] |
叶许春, 张奇, 刘健, 等. 气候变化和人类活动对鄱阳湖流域径流变化的影响研究[J].
冰川冻土, 2009, 31(5): 835.
YE Xuchun, ZHANG Qi, LIU Jian, et al. Impacts of climate change and human activities on runoff of Poyang lake catchment[J]. Journal of Glaciology and Geocryology, 2009, 31(5): 835. |
[2] |
王西琴, 张远, 张艳会. 渭河上游天然径流变化及其自然与人为因素影响贡献量[J].
自然资源学报, 2006, 21(6): 981.
WANG Xiqin, ZHANG Yuan, ZHANG Yanhui. Change of natural runoff and contribution of the natural and artifical factors to the upper reaches of Wei river[J]. Journal of Natural Resources, 2006, 21(6): 981. DOI: 10.11849/zrzyxb.2006.06.016. |
[3] |
夏军, 王渺林. 长江上游流域径流变化与分布式水文模拟[J].
资源科学, 2008, 30(7): 962.
XIA Jun, WANG Miaolin. Runoff changes and distributed hydrologic simulation in the upper reaches of Yangtze River[J]. Resources Science, 2008, 30(7): 962. |
[4] |
刘剑宇, 张强, 邓晓宇, 等. 气候变化和人类活动对鄱阳湖流域径流过程影响的定量分析[J].
湖泊科学, 2016, 28(2): 432.
LIU Jianyu, ZHANG Qiang, DENG Xiaoyu, et al. Quantitative analysis the influences of climate change and human activities on hydrological processes in Poyang Basin[J]. Lake Sciences, 2016, 28(2): 432. DOI: 10.18307/2016.0224. |
[5] |
丁婧祎, 赵文武, 王军, 等. 降水和植被变化对径流影响的尺度效应:以陕北黄土丘陵沟壑区为例[J].
地理科学进展, 2015, 34(8): 1039.
DING Jingyi, ZHAO Wenwu, WANG Jun, et al. Scale effect of the impact on runoff of variations in precipitation/vegetation taking northern Shanxi loess hilly-gully region as an example[J]. Progress in Geography, 2015, 34(8): 1039. |
[6] |
郭爱军, 畅建霞, 黄强, 等. 渭河流域气候变化与人类活动对径流影响的定量分析[J].
西北农林科技大学学报(自然科学版), 2014, 42(8): 212.
GUO Aijun, CHANG Jianxia, HUANG Qiang, et al. Quantitative analysis of the impacts of climate change and human activities on runoff change in Weihe Basin[J]. Journal of Northwest A&F University, 2014, 42(8): 212. |
[7] |
刘贵花, 齐述华, 朱婧瑄, 等. 气候变化和人类活动对鄱阳湖流域赣江径流影响的定量分析[J].
湖泊科学, 2016, 28(3): 682.
LIU Guihua, QI Shuhua, ZHU Jingxuan, et al. Quantitative estimation of runoff changes in Ganjiang river, Lake Poyang Basin under climate change and anthropogenic impacts[J]. Journal of Lake Sciences, 2016, 28(3): 682. DOI: 10.18307/2016.0326. |
[8] |
ZENG Sidong, XIA Jun, DU Hong. Separating the effects of climate change and human activities on runoff over different time scales in the Zhang River basin[J].
Stochastic Environmental Research and Risk Assessment, 2014, 28(2): 401.
DOI: 10.1007/s00477-013-0760-8. |
[9] |
JIANG Shanhu, REN Liliang, YONG Bin, et al. Quantifying the effects of climate variability and human activities on runoff from the Laohahe basin in northern China using three different methods[J].
Hydrological Processes, 2011, 25(16): 2492.
DOI: 10.1002/hyp.v25.16. |
[10] |
AHN K H, MERWADE V. Quantifying the relative impact of climate and human activities on streamflow[J].
Journal of Hydrology, 2014, 515: 257.
DOI: 10.1016/j.jhydrol.2014.04.062. |
[11] |
YE Xuchun, ZHANG Qi, LIU Jian, et al. Distinguishing the relative impacts of climate change and human activities on variation of stream flow in the Poyang Lake catchment, China[J].
Journal of Hydrology, 2013, 494: 83.
DOI: 10.1016/j.jhydrol.2013.04.036. |
[12] |
夏智宏, 刘敏, 王苗, 等. 1990s以来气候变化和人类活动对洪湖流域径流影响的定量辨识[J].
湖泊科学, 2014, 26(4): 515.
XIA Zhihong, LIU Min, WANG Miao, et al. Quantitative identification of the impact of climate change and human activity on run-off in Lake Honghu basin since 1990s[J]. Lake Sciences, 2014, 26(4): 515. DOI: 10.18307/2014.0404. |
[13] |
郭华, 苏布达, 王艳君, 等. 鄱阳湖流域1955-2002年径流系数变化趋势及其与气候因子的关系[J].
湖泊科学, 2007, 19(2): 163.
GUO Hua, SU Buda, WANG Yanjun, et al. Runoff coefficients change and the analysis of the relationship between climate factors and runoff coefficients in Poyang Lake Basin (China):1955-2002[J]. Journal of Lake Sciences, 2007, 19(2): 163. DOI: 10.18307/2007.0209. |
[14] |
李丽娟, 郑红星. 华北典型河流年径流演变规律及其驱动力分析:以潮白河为例[J].
地理学报, 2000, 55(3): 309.
LI Lijuan, ZHENG Hongxing. Characteristics and driving forces of annual runoff changes for rivers in north China:A case study in the Chaobai River[J]. Acta Geographica Sinica, 2000, 55(3): 309. DOI: 10.11821/xb200003007. |
[15] |
徐海量, 叶茂, 宋郁东. 塔里木河源流区气候变化和年径流量关系初探[J].
地理科学, 2007, 27(2): 119.
XU Hailiang, YE Mao, SONG Yudong. Relationship between climate changes and annual runoff of headstreams of Tarim river[J]. Scientia Geographica Sinica, 2007, 27(2): 119. |
[16] |
康淑媛, 张勃, 柳景峰, 等. 基于Mann-Kendall法的张掖市降水量时空分布规律分析[J].
资源科学, 2009, 31(3): 501.
KANG Shuyuan, ZHANG Bo, LIU Jingfeng, et al. Analysis of the spatiotemporal distribution of precipitation in Zhangye City using Mann-Kendall Method[J]. Resources Science, 2009, 31(3): 501. |
[17] |
王金花, 康玲玲, 赵广福. 基于Mann-Kendall法的水沙系列突变点研究[J].
人民黄河, 2010, 32(1): 43.
WANG Jinhua, KANG Lingling, ZHAO Guangfu. Study on series of abrupt change of water and sediment using Mann-Kendall method[J]. Yellow River, 2010, 32(1): 43. |
[18] |
李子君, 李秀彬. 近45年来降水变化和人类活动对潮河流域年径流量的影响[J].
地理科学, 2008, 28(6): 809.
LI Zijun, LI Xiubin. Impacts of precipitation changes and human activities on annual runoff of Chao river basin during past 45 years[J]. Scientia Geographica Sinica, 2008, 28(6): 809. |
[19] |
ALREDAISY S M A. Recommending the IHACRES model for water resources assessment and resolving water conflict in Africa[J].
Journal of Arid Land, 2011, 3(1): 40.
DOI: 10.3724/SP.J.1227.2011.00040. |
[20] |
刘贵花, 齐述华, 朱婧瑄, 等. 气候变化和人类活动对鄱阳湖流域赣江径流影响的定量分析[J].
湖泊科学, 2016, 28(3): 682.
LIU Guihua, QI Shuhua, ZHU Jingxuan, et al. Quantitative estimation of runoff changes in Ganjiang river, Lake Poyang Basin under climate change and anthropogenic impacts[J]. Journal of Lake Sciences, 2016, 28(3): 682. DOI: 10.18307/2016.0326. |
[21] |
DYE P J, CROKE B F W. Evaluation of streamflow predictions by the IHACRES rainfall-runoff model in two South African catchments[J].
Environmental Modelling & Software, 2003, 8(18): 705.
|
[22] |
DEO R C, SAHIN M. Application of the Artificial Neural Network model for prediction of monthly standardized precipitation and evapotranspiration index using hydrometeorological parameters and climate indices in eastern Australia[J].
Atmospheric Research, 2015(161/162): 65.
|
[23] |
WU Jingwen, MIAO Chiyuan, ZHANG Xiaoming, et al. Detecting the quantitative hydrological response to changes in climate and human activities[J].
Science of the Total Environment, 2017, 586(3): 328.
|
[24] |
许炯心, 孙季. 嘉陵江流域年径流量的变化及其原因[J].
山地学报, 2007, 25(2): 153.
XU Jiongxin, SUN Ji. Temporal variation in annual water yield of the Jialingjiang river and the formative cause[J]. Journal of Mountain Science, 2007, 25(2): 153. |
[25] |
ZHANG Qiang, LIU Jianyu, VIJAY P, et al. Evaluation of impacts of climate change and human activities on streamflow in the Poyang Lake basin, China[J].
Hydrological Processes, 2016, 30(14): 2562.
DOI: 10.1002/hyp.v30.14. |