章水流域输沙变化对水文气象因素的响应
张婷
1,2
,
刘士余
1,2
,
盛菲
1,2,
王艳艳
1,2,
余敏琪
1,2,
卢静媛
3
1. 江西农业大学国土资源与环境学院, 330045, 南昌;
2. 江西省鄱阳湖流域农业资源与生态重点实验室, 330045, 南昌;
3. 江西省水文监测中心, 330002, 南昌
收稿日期：2022-08-02; 修回日期：2023-02-12
项目名称：国家自然科学基金"不同尺度上植被空间分布格局的水土保持效应研究"（31960331）；江西省水利科技项目"变化环境下鄱阳湖泥沙演变规律研究"（202223YBKT28）
摘要：输沙是流域关键水文要素之一，深入探究其变化特征及影响因素，对流域水土流失综合治理具有重要意义。以赣江上游章水流域为研究区，基于1961—2018年的实测水文气象数据，采用Mann-Kendall检验、小波分析等方法分析输沙变化特征，通过逐步回归分析法筛选出输沙变化的显著性影响因素，利用通径分析量化各因素对输沙的直接、间接和综合影响。结果表明：1）输沙量年内分配不均匀，呈单峰型分布，主要集中在4—6月；年际上，输沙量呈极显著下降趋势（P < 0.01）；周期变化上，主要存在3~7、11~19和21~30 a这3种时间尺度的变化周期，第1主周期为16 a；2）输沙量减少的显著性影响因素为径流量、风速和气温，三者的贡献率分别为52.5%、28.8%和-18.7%；3）径流量、风速和气温对输沙减少的直接影响排序为径流量>风速>气温，间接影响排序为风速>径流量>气温，综合影响排序为径流量>气温>风速。研究成果可为流域水沙调控、水土流失综合治理奠定理论基础。
关键词：输沙变化 水文气象因素 逐步回归 通径分析 间接影响
Response of sediment variation to hydrological and meteorological factors in Zhangshui watershed
1. College of Land Resources and Environment, Jiangxi Agricultural University, 330045, Nanchang, China;
2. Key Laboratory of Poyang Lake Watershed Agricultural Resources and Ecology of Jiangxi Province, 330045, Nanchang, China;
3. Jiangxi Hydrology Monitoring Center, 330002, Nanchang, China
全球气候变化使河流的水沙情势发生了显著变化，也深刻影响着流域水土资源的时空分布。全球145条主要河流中，有51.7%的输沙量呈显著减少或增加趋势[1]。中国的长江、钱塘江、珠江、闽江等河流的输沙量均呈下降趋势，尤其是2000年之后，减少幅度达44%~58%[2]。输沙作为对气候变化响应敏感的重要水文变量之一，反映流域生态环境特性及水土流失状况[3]。因此，变化环境下的输沙变化已成为生态水文领域的研究热点，深入探究流域输沙变化特征及其影响因素，对流域生态建设、水土流失综合治理等具有重要意义。
国内外学者针对输沙变化的影响因素已有许多研究。李晶莹等[4]分析中国40多条主要河流输沙减少的原因，结果显示，径流对输沙的影响最大，降水、气温对输沙的影响不显著。朱燕琴等[5]采用通径分析研究黄土高原安家沟流域产沙的影响因素表明，径流是产沙的首要影响因子。Zhang等[6]在黄土高原的研究指出，各驱动因素对输沙减少的敏感性排序为径流>降水>潜在蒸发散。Wang等[7]研究显示，径流减少对黄河流域输沙锐减的贡献率为58%。方怒放[8]的研究显示，降水、气温、风力、蒸发均会影响流域侵蚀产沙。赵阳等[9]在黄土丘陵沟壑区罗玉沟流域的研究显示，输沙量与各气象因子的灰色关联度排序为：降水>潜在蒸发散>气温>相对湿度>风速。刁文博[10]在无定河流域的研究发现，输沙量与降水量的关联性最强，其次是气温，蒸发量最弱；输沙量与降水量呈正相关，与气温、蒸发量呈负相关。Pruski等[11]在美国8个地区的研究表明，降水每减少1%，流域输沙减少2.4%。Syvitski等[12]在Fly river的研究表明，气温升高2 ℃，输沙量减少18%。邓振镛等[13]在渭河上游的研究表明，输沙大小除受制于降水多寡、大雨次数，还与风速大小、大风次数有关。吕振豫[14]发现，气候变化通过影响流域径流在时间、空间上的重新分配，进而改变泥沙输移过程及泥沙数量。Zhu等[15]在长江上游龙川江流域的研究指出，气温可以通过影响径流间接改变输沙能力，亦可通过其对植被、风化作用的影响改变侵蚀速率，从而导致输沙变化。Lu等[16]基于中国8大流域的研究显示，降水减少、气温升高可导致流域输沙减少4%~61%，由降水引起的径流量每减少1%，输沙量减少1.6%。综上可知，前人关于降水、径流、气温、风速等对流域输沙的影响已取得一些定性和定量的研究成果，但研究区域主要集中在北方流域[5-7, 9-10, 13]，定量区分各因素对南方红壤区流域输沙变化的直接、间接及综合影响研究尚不多见。
赣江是汇入鄱阳湖水系的5大河流之首、长江8大支流之一，其平均输沙量约占鄱阳湖输沙量的62.8%[17]。章水流域作为赣江的2大源头之一，是赣江的主要产沙区，其输沙变化不仅影响赣江、鄱阳湖的泥沙淤积，也带来长江下游的生态环境问题。章水流域水文气象和泥沙资料观测开始于20世纪50年代，是长江流域观测资料时间序列最长的区域之一，是开展输沙变化研究的理想场所；因此，笔者以赣江上游章水流域为研究区，基于1961—2018年的水文气象资料，分析输沙量及各水文气象因素的变化特征，通过逐步回归分析筛选出输沙变化的显著性影响因素，在此基础上，采用通径分析定量区分它们对输沙变化的直接、间接及综合影响，旨为流域生态建设、水土资源规划、水土流失综合治理提供科学依据。
1 研究区概况
章水，又称章江，属鄱阳湖水系，是赣江上游的一级支流，位于江西省赣州市西南部(E 113°40′~ 115°05′，N 25°15′~26°10′)，发源于江西省赣州市崇义县聂都乡，流经大余县、上犹县、崇义县、南康区及章贡区，在赣州市八镜台汇入赣江，主河道长222 km，平均坡降4.33‰。章水流域面积为7 657 km2，其出口控制站——坝上水文站位于赣州市章贡区水南镇腊长村(E 114°56′37″，N 25°48′49″)(图 1)。流域气候类型属亚热带湿润季风气候，年平均降水量1 431 mm，且主要集中在3—6月。地形四周高中间低，西高东低，地貌多为低山和丘陵，海拔98~1 993 m，土壤类型主要为红壤。流域内土地利用类型包括耕地、林地、草地、水域及居民用地，其中林地、草地的面积占流域总面积的78%以上。
2 数据与方法
笔者收集由江西省水文监测中心坝上水文站提供的1961—2018年的逐日降水、径流和泥沙等水文数据以及江西省赣州市气象站提供的1961—2018年的逐日气温、风速、相对湿度等气象数据(https://data.cma.cn/)，计算得到流域年尺度上的输沙量、降水量、径流量、气温、风速及相对湿度。同时，根据闭合流域的水量平衡方程，计算得到蒸发散。
2.1 Mann-Kendall趋势检验
Mann-Kendall趋势检验(下称为M-K检验)是一种非参数统计检验法，是目前应用较为广泛的一种分析时间序列变化趋势的研究方法，优点是计算简便、适用性强、定量化程度高。Z为M-K检验的统计变量，Z>0，表示上升趋势；Z < 0，表示下降趋势。当|Z|≥1.96(2.58)时，表示趋势达到了P < 0.05(0.01)的显著水平[18]。
2.2 小波分析
小波分析是研究时间序列周期变化特征的一种工具，可以反映不同时间尺度上水文序列的变化周期，常用于分析水文气象因素的长期变化特征。笔者采用Morlet小波分析，通过绘制时间序列的小波系数实部等值线图、小波方差图，分析输沙量的周期变化规律。计算过程详见文献[19]。
2.3 逐步回归分析
逐步回归分析的基本思路是有进有出，将所有自变量Xi按其对因变量Y影响程度的高低逐个引入回归方程中，每引入一个自变量，需对已选入的变量逐个进行统计检验，即t检验，只保留影响显著的自变量，引入一个变量或从回归方程中剔除一个变量为逐步回归的一步，每一步都需进行显著性检验，即F检验，以确保方程中只包含影响显著的变量。t检验是检验各自变量的偏相关系数，F检验则是对每一步生成的拟合方程的整体进行检验，即逐步回归分析法是一个双检验过程。t检验所对应的P1小于0.05时，表示自变量对因变量具有显著影响；F检验所对应的P2小于0.05时，表示回归方程显著性成立。
假设多元线性回归模型为：
|
$
\begin{gathered}
Y=\alpha_0+\alpha_1 X_1+\alpha_2 X_2+\cdots+\alpha_k X_k \\
(k=1, 2, 3, \cdots, n)_{\circ}
\end{gathered}
$
|
(1) |
式中：α0为常数；X1~Xk为各自变量；α1~αk为各自变量的偏回归系数。
采用标准化回归系数分析比较各自变量对因变量的相对作用，由各自变量的标准化回归系数Li，根据权重计算式(2)可得出各自变量的相应权重，据此定量区分各自变量对因变量的贡献率大小[20]。
|
$
q_i=\frac{L_i}{\sum\limits_{i=1}^k\left|L_i\right|} 。$
|
(2) |
式中：qi为各自变量的权重，Li为各自变量的标准化回归系数；其中$\sum\limits_{i=1}^k\left|q_i\right|=1$。
2.4 通径分析
通径分析是指在多元回归的基础上利用通径系数来分析各变量间相关关系，并将相关系数分解的一种统计方法。即将相关系数分解为直接通径系数(自变量Xi对因变量Y的直接作用)和间接通径系数(自变量Xi通过其他自变量对因变量Y的间接作用)。决策系数代表自变量Xi对因变量Y的综合作用，它包括自变量Xi对因变量Y的直接作用，还包括自变量Xi通过其他自变量对因变量Y的间接作用，通过决策系数的大小排序，可确定主要决策性变量和主要限制性变量。计算原理详见文献[21]。
3 结果与分析
3.1 输沙量变化特征
3.1.1 输沙量年内、年际变化特征
由图 2a可知，1961—2018年输沙量的年内分配不均匀，呈单峰型曲线，1—6月输沙量呈上升趋势，7—12月呈下降趋势。输沙量主要集中在4—6月，这3个月的累积输沙量为57.2万t，占全年输沙量的61.8%。6月和12月的输沙量分别为23.0万t(最大值)和0.625万t(最小值)，占全年输沙量的24.8%和0.68%。6月的变差系数Cv仅为0.93，说明输沙量较为稳定；12月的变差系数Cv为1.79，说明输沙量变化幅度较大。由图 2b可知，1961—2018年输沙量呈极显著下降趋势(P < 0.01)，倾向率为-2.03万t/a。年输沙量的变差系数Cv为0.65，年均输沙量为92.6万t。峰值为1973年的268万t，谷值为2004年的11.5万t，极值差为256万t，极值比为23.3。
3.1.2 输沙量周期变化特征
同一时间尺度下，小波系数等值线的正负代表输沙量的多少。由图 3a可知，在58 a时间序列中，输沙量主要存在3~7 a、11~19 a和21~30 a这3种时间尺度的变化周期。在3~7 a时间尺度上，输沙量出现5次“丰—枯”交替现象；在11~19 a时间尺度上，输沙量出现8次“丰—枯”循环交替，丰枯振荡周期最为显著；在21~30 a时间尺度上，输沙量发生4次“丰—枯”振荡，且该时间尺度上的周期性变化具有全域性。由图 3b可知，输沙量的小波方差存在4个较为明显的峰值，其中16 a时间尺度对应的周期变化最为强烈，是输沙量变化的第1主周期，6 a、4 a和25 a时间尺度分别对应第2、第3和第4主周期。
3.2 各水文气象因素变化特征
在前人研究[5, 9, 13, 22]的基础上，结合流域特征，选取降水量(Pr)、径流量(R)、气温(T)、风速(V)、蒸发散(E)及相对湿度(H)作为影响输沙的水文气象因素。
由图 4可知，1961—2018年章水流域降水量、气温、蒸发散均呈上升趋势，倾向率分别为0.49 mm/a、0.01 ℃/a、0.62 mm/a；径流量、相对湿度、风速均呈下降趋势，倾向率分别为-0.01亿m3/a、-0.05%/a、-0.01 (m/s)/a。M-K检验结果显示，气温呈极显著上升趋势(P < 0.01)，风速呈极显著下降趋势(P < 0.01)，其他因素的年际变化趋势均不显著(P>0.05)。
3.3 各水文气象因素对输沙变化的逐步回归分析
以各水文气象因素为自变量，输沙量为因变量，采用逐步回归分析，定量评估各因素对章水流域输沙变化的影响程度，筛选出显著性影响因素，分析结果见表 1。
表 1(Tab. 1)
表 1 1961—2018年逐步回归计算
Tab. 1 Stepwise regression calculation from 1961 to 2018
| 模型Model |
变量Variable |
B |
Beta |
t |
P1 |
F |
P2 |
R2 |
| 1 |
α0 |
-41.65 |
|
-2.21 |
0.03 |
55.97 |
0 |
0.49 |
| R |
2.14 |
0.71 |
7.48 |
0 |
| 2 |
α0 |
-208.72 |
|
-7.23 |
0 |
71.49 |
0 |
0.71 |
| R |
2.33 |
0.77 |
10.74 |
0 |
| V |
95.74 |
0.48 |
6.64 |
0 |
| 3 |
α0 |
481.61 |
|
2.62 |
0.01 |
64.09 |
0 |
0.77 |
| R |
2.20 |
0.73 |
11.18 |
0 |
| V |
80.42 |
0.40 |
5.93 |
0 |
| T |
-33.49 |
-0.26 |
-3.80 |
0 |
| 注：B为偏相关系数，Beta为标准系数，α0为常数，P1为t检验的可信度，P2为F检验的可信度。Notes: B is the non-standardized coefficient, Beta is the standardized coefficient, α0 is a constant, P1 is the reliability of t test, and P2 is the reliability of F test. R is runoff. V is wind speed. T is temperature. The same below. |
|
表 1 1961—2018年逐步回归计算
Tab. 1 Stepwise regression calculation from 1961 to 2018
|
由表 1可知，径流量、风速和气温通过t检验，P1 < 0.05，是输沙减少的显著性影响因素，三者的偏相关系数分别为2.20、80.42和-33.49，可见输沙量与径流量、风速呈正相关关系，与气温呈负相关关系。其回归方程为：
|
$
S=481.61+2.20 R+80.42 V-33.49 T
$
|
|
$
\left(R^2=0.77\right) 。$
|
(3) |
式中：S为输沙量，万t；R为径流量，亿m3；V为风速，m/s；T为气温，℃。
经F检验后，P2 < 0.05，该方程显著性成立。
由表 1还可以看出，径流量、风速和气温与输沙量的Beta系数分别为0.73、0.40和-0.26，可见径流量、风速对输沙减少起促进作用，气温对输沙减少起抑制作用。由Beta系数的权重计算式(2)可得，径流量、风速和气温对输沙减少的贡献率分别为52.5%、28.8%和-18.7%。
3.4 各显著性影响因素对输沙变化的通径分析
采用通径分析，定量计算输沙量与径流量、风速、气温的直接、间接通径系数及决策系数，以确定各显著性影响因素对输沙变化的直接、间接及综合影响(表 2)。
表 2(Tab. 2)
表 2 1961—2018年径流量、风速、气温对输沙量的通径分析结果
Tab. 2 Path analysis results of runoff, wind speed and temperature on sediment from 1961 to 2018
自变量
Independent variable |
相关系数
Correlation coefficient |
直接通径系数
Direct path coefficient |
间接通径系数Indirect path coefficient |
决策系数
Decision coefficient |
径流量
Runoff R |
风速
Wind speed V |
气温
Temperature T |
合计
Sum |
| 径流量Runoff R |
0.71 |
0.73 |
— |
-0.06 |
0.03 |
-0.03 |
0.50 |
| 风速Wind speed V |
0.37 |
0.40 |
-0.10 |
— |
0.71 |
0.61 |
0.14 |
| 气温Temperature T |
-0.46 |
-0.26 |
0.09 |
-0.11 |
— |
-0.02 |
0.17 |
|
表 2 1961—2018年径流量、风速、气温对输沙量的通径分析结果
Tab. 2 Path analysis results of runoff, wind speed and temperature on sediment from 1961 to 2018
|
由表 2可知，1961—2018年，径流量、风速、气温与输沙量的相关性排序为：径流量>气温>风速，输沙量与径流量、风速呈正相关，与气温呈负相关。三者对输沙减少的直接影响排序为：径流量>风速>气温，径流量、风速的输沙效应为正，而气温为负，与前文通过逐步回归分析计算的贡献率结果吻合。
径流量、风速、气温对输沙减少的间接影响排序为：风速＞径流量＞气温。风速的间接影响最大，且对输沙的间接影响中，有87.7%是通过气温的影响实现的；气温的间接影响最小，其通过径流量、风速分别对输沙起促进、抑制作用，正、负效应的相互抵消导致气温对输沙的间接影响最小。
径流量、风速、气温对输沙减少的综合影响排序为：径流量>气温>风速，径流量的决策系数最大，且综合效应为正，因此径流量是输沙减少的主要决策性变量。
通径分析图不仅可以直观地反映各自变量与因变量的关系，还可以反映各自变量之间的相互关系。由图 5可知，1961—2018年，径流量、风速和气温共通过9条通径影响输沙量，其中包括径流量、风速和气温对输沙量的3条直接影响通径，径流量、风速和气温三者之间的相互作用对输沙量的6条间接影响通径。
4 讨论
上述研究结果显示，章水流域输沙量呈极显著下降趋势(P < 0.01)，与李怡颖等[23]在嘉陵江流域、刘宇林等[24]在渭河流域的研究结果一致。章水流域输沙量的年均倾向率为-2.03万t，与聂小飞等[25]在平江流域的-2.38万t较为接近；与田义超等[26]在桐梓河流域的-4.13万t、马耘秀等[27]在岚河流域的-4.44万t相差较大。可见，不同流域输沙量的下降速率不尽相同，这是因为输沙变化是降水特性、气象因素、下垫面条件等综合影响的结果。
逐步回归分析结果表明，章水流域输沙变化的显著性影响因素为径流量、风速和气温，三者对输沙减少的直接影响排序为：径流量>风速>气温；间接影响排序为：风速>径流量>气温；综合影响排序为：径流量>气温>风速。
径流对输沙起促进作用，直接影响最大，这是因为径流作为土壤侵蚀的动力、泥沙输移的载体，是输沙变化的决定性因素，且主要依靠自身作用对输沙产生影响。输沙量与径流量呈显著正相关。这与李晶莹等[4]在中国40多条重要河流、Wang等[7]在黄河流域、吕明侠等[28]在祖厉河流域的研究结果基本一致。径流对输沙的影响程度取决于其对地表冲刷作用的大小。随着径流减少，径流对土壤的冲刷作用减弱，进而导致输沙减少。
气温主要通过改变流域蒸发散和土壤水分影响径流，进而影响输沙。气温与蒸发散呈正相关，气温每上升1 ℃，蒸发散约增加5.93%~8.04%[29]。随着气温升高，流域蒸发散增大，土壤水分含量减小。在这种情况下降雨时，枯枝落叶层和土壤根系层蓄水量增加，径流系数减小，从而径流量减小，最终导致输沙减少[30]。这与赵阳等[9]在黄土丘陵区、Zhu等[15]在长江上游的研究结果较为吻合。
风速是水文要素发生时空变化的影响因素之一。本研究计算结果显示，输沙量与风速呈正相关，风速对输沙减少的直接、间接及综合影响均为促进，与径流量、气温相比，风速对输沙减少的间接影响最大，且主要是通过影响气温实现的。风速增大时，流域植被蒸腾和土壤表面蒸发的水汽被带走，相对湿度降低，导致蒸腾量和蒸发量增加，从而增加土壤水分的消耗，降低土壤水分含量。而研究表明，土壤含水量较低时，土壤的可蚀性较大[5]。因此，风速减小间接导致输沙减少，风速对输沙量的间接作用不容忽视。
5 结论
1) 输沙量的年内分配不均匀，呈单峰型分布，主要集中在4—6月；年际变化上，输沙量呈极显著下降趋势(P < 0.01)，年均输沙量为92.6万t、倾向率为-2.03万t/a；周期变化上，输沙量主要存在3~7 a、11~19 a和21~30 a这3种时间尺度的变化周期，16 a、6 a、4 a和25 a分别对应输沙量变化的第1~4主周期。
2) 1961—2018年章水流域降水量、蒸发散呈非显著上升趋势，径流量、相对湿度呈非显著下降趋势，气温呈极显著上升趋势，风速呈极显著下降趋势。输沙量减少的显著性影响因素为径流量、风速和气温，三者对输沙减少的贡献率分别为52.5%、28.8%和-18.7%。
3) 径流量、风速和气温对输沙量减少的直接通径系数分别为0.73、0.40、-0.26；间接通径系数分别为-0.03、0.61、-0.02；决策系数分别为0.50、0.14、0.17。
局限于长时间序列的观测资料，笔者未对降雨特性及土壤水分等因素对输沙变化的影响加以分析，有待今后进一步深入探讨。
2023, Vol. 21 
