黑土区农地集水区次降雨径流与输沙特征研究
2019-12-18翟星雨2乔宝玲2张兴义
胡 伟,翟星雨2,李 浩,乔宝玲2,张兴义
(1.中国科学院 东北地理与农业生态研究所 黑土区农业生态重点实验室,黑龙江 哈尔滨 150081; 2.东北农业大学 资源与环境学院,黑龙江 哈尔滨 150030)
0 引 言
东北黑土区是我国最大的商品粮基地,近半个世纪以来,该区土壤侵蚀日趋严重,威胁着国家的粮食和生态安全[1-2]。据《中国水土流失防治与生态安全(东北黑土区卷)》报道,该区黑土层厚度以0.3~1.0 cm·a-1的速度递减,目前已经下降了30~40 cm,被列为我国急需治理的三大区域之一[3-4]。水力侵蚀是诱发黑土区侵蚀发生发展的首要因素和表现[5],降雨是水蚀最根本的动力来源,该区降雨70%以上集中在夏季[6]。次降雨过程中降雨量和降雨强度等因素对地表产流、产沙过程具有重要的影响[7-9]。
降雨强度是影响坡面产流、产沙的主要影响因素,随着降雨强度的增大,坡面径流的初始产流时间缩短[7],径流量、径流系数和输沙量增加[9]。基于径流小区和小流域尺度上的研究结果表明,侵蚀性降雨主要是中雨、大雨和暴雨,而小雨未能引起研究区产流[10-12]。前期土壤含水量也是影响产流、产沙的重要因子,一般情况下,土壤含水量低,坡面产流慢,而土壤含水量高,坡面产流快[13]。下垫面特性是影响地表水沙关系的主导因素,流域出口断面的径流和输沙特征间接反映了降雨和下垫面特性对流域侵蚀产沙的综合影响[14]。东北黑土区地形地貌类型多为漫川漫岗,坡缓而长,汇流面积大,增强了径流的汇流冲刷能力[15]。另一方面,黑土坡耕地多为顺坡/斜坡垄作,垄沟作为人造沟,为地表径流的汇集提供了独特的地形条件[16]。宋玥[17]和何超等[18]在径流小区的定位研究发现,与其他水土保持措施相比,顺坡垄作的土壤侵蚀量最大。
然而,现有东北黑土区次降雨径流与输沙特征观测研究多集中在坡面径流小区尺度[17-19],而关于集水区尺度的研究鲜见报道,集水区作为地表径流从汇聚到集中排出所流经的封闭区域,在保持下垫面自然状态的基础上,避免了径流小区研究尺度太小和下垫面的均一化[20]。因此,本研究基于次降雨条件下径流泥沙观测资料和降雨资料,在集水区尺度分析次降雨的径流和输沙特征,探讨降雨对径流和输沙的贡献,筛选影响径流和输沙的关键变量,以期为水土流失监测和预报提供参考。
1 材料与方法
1.1 研究区概况
研究区位于黑龙江省绥棱农场(47°35′3.48″N,127°28′37.19″E),海拔225~245 m。属中温带大陆性季风气候,年平均降水量631 mm,平均气温0.9 ℃,有效积温(≥10 ℃)为2 383 ℃,年平均日照时数为1 964 h,平均无霜期116 d。最大冻土深为2.2 m。年平均风速3.8 m·s-1,地貌类型为漫川漫岗,土壤以黑土和草甸土为主[21]。
观测的农地集水区面积为6.4 hm2,至本研究观测之时已有30年的耕种历史,耕作方式以传统的顺坡垄作为主,种植制度主要以玉米-大豆轮作为主,观测期间种植大豆,植被覆盖度在41.5%。集水区下游沟道内布设了3处涵洞,出口断面建有量水堰。
1.2 研究方法
降雨径流泥沙观测在2018年雨季(6月-9月)进行。降雨量(日降雨量、次降雨量和次降雨过程)和降雨历时通过FDY系列翻斗式雨量传感器获取,使用RainRecord1.06软件包计算得到次降雨侵蚀力数据。根据气象学上对降雨等级的划分标准,将观测数据划分为小雨(<10.0 mm)、中雨(10.0~24.9 mm)、大雨(25.0~49.9 mm)、暴雨(50.0~100.0 mm)和大暴雨(>100.0 mm)5个等级。
次降雨过程中,记录初始产流时间,即农地集水区自降雨开始到量水堰观测断面开始产生径流的时间。在量水堰出口,人工取水样获取径流、泥沙资料。产流后,根据流量大小,每隔0.5~1.0 h取样观测1次,同时使用1 000 mL聚乙烯瓶采集径流泥沙样品,详细记录采样时间。次降雨结束后,将径流泥沙样品烘干称重,计算其泥沙含量。降雨过程中采用水位尺和直尺测量相结合的方法获取水位变化值。
1.3 数据处理与分析
1.3.1 径流泥沙计算。根据堰槽测流规范推算降雨径流率[22-23],V形宽顶堰流量计算公式为:
(1)
式中:Q为过堰流量,单位为m3·s-1;θ为堰顶角;CD为流量系数;CV为行近流速系数;Cf为淹没系数;h为水位,单位为m;g为重力加速度,单位为9.82 m·s-2。其中,CD、CV和Cf可查表获取相关参数[23]。
次降雨径流量公式如下:
(2)
式中:Qt为径流量,单位为m3;Q1、Q2,…,Qn为各时段径流量,单位为m3·s-1;t1、t2,…,tn-1为间隔时间,单位为s。
次降雨输沙量公式如下:
ST=q1s1+q2s2+…+qnsn
(3)
式中:ST为输沙量,单位为t;q1、q2,…,qn为降雨过程各时段径流量,单位为m3;s1、s2,…,sn为各时段水样泥沙含量,单位为t·m-3。
1.3.2 径流和侵蚀输沙相关变量。借鉴已有研究成果[24-25],次降雨事件中径流和侵蚀输沙的相关变量选取了10个降雨变量、2个径流变量和2个侵蚀输沙变量(表1)。
表1 降雨、径流、侵蚀量相关变量Table 1 Related variable of rainfall,runoff,and soil erosion
1.3.3 偏最小二乘回归。回归模型的结果通过R2Y和Q2两个参数表示,R2Y代表着模型拟合后对Y变量(因变量)的变化进行说明部分,Q2代表着通过模型的交叉验证进行预测因变量Y变化的部分。R2Y和Q2值接近1.0,说明模型建立非常好。回归模型通常使用变量权重系数(VIP)表征和量化每个自变量Y变量(因变量)的贡献,VIP>1的变量被认为是贡献较大的变量,VIP值越大,表示各自变量指标对于解释变量(因变量)的贡献越大。
Pearson相关分析使用SPSS 21.0软件。偏最小二乘回归分析使用SIMCA-P 11.5软件。使用SigmaPlot 12.0软件绘图。
2 结果与分析
2.1 次降雨特征
在观测期内,总降雨量为640 mm(图1a),共有44场次降雨事件,仅有12场次降雨有径流记录。根据降雨等级的划分标准,本研究中雨、大雨和暴雨的频率分布为58.3%、25.0%和16.7%(图1b)。暴雨时平均降雨量分布是中雨和大雨的3.69和1.49倍(图1c)。平均雨强随降雨等级的增加而增加,变化范围为2.9~6.3 mm·h-1(图1d)。最大30 min雨强的变化范围为12.3~28.3 mm·h-1。平均降雨侵蚀力随降雨等级的增加呈现递增趋势,变化范围为65.7~441 MJ·mm·hm-2·h-1(图1e)。
图1 研究区2018年雨季次降雨特征指标Fig.1 Characteristics index for rainfall events during rainy season in 2018
2.2 次降雨径流和输沙特征
2.2.1 初始产流时间。观测期,不同降雨等级下初始产流时间不同(表2)。中雨时,初始产流时间大多出现在降雨后期;而大雨和暴雨时,初始产流时间大多出现在降雨前期和中期。
表2 不同降雨等级下次降雨历时和初始产流时间Table 2 Rainfall duration and initial runoff occurrence for rainfall events under different precipitation grades
2.2.2 径流深和输沙量。径流深间接反映下垫面对降雨再分配作用的强弱,输沙量主要反映降雨与下垫面的相互作用[26]。观测期,不同降雨等级下累积径流深、径流系数和累积输沙量表现不同(图2)。累积径流深和径流系数表现为:大雨>暴雨>中雨。大雨时的累积径流深和径流系数分别是中雨时的3.30和2.96倍,是暴雨时的1.75和1.63倍。累积输沙量在不同降雨等级下表现为:大雨>中雨>暴雨,大雨时累积输沙量分别是中雨和暴雨的3.82倍和4.62倍。
图2 不同降雨等级下累积径流深和累积输沙量Fig.2 Cumulative runoff depth,runoff coefficient and sediment yield under different precipitation grades
2.2.3 最大径流率和最大泥沙浓度。最大径流率反映降雨的时空分布特征和下垫面对径流汇流过程的影响,最大泥沙浓度反映输沙的时空分布特征和下垫面对径流输沙过程的影响[26]。观测期,不同降雨等级下农地集水区的最大径流率和最大泥沙浓度表现不同(表3)。最大径流率在不同降雨等级下表现为:大雨>暴雨>中雨,大雨时的最大径流率分别是中雨和暴雨的3.41和1.53倍;最大泥沙浓度在不同降雨等级下表现为:中雨>大雨>暴雨。中雨时最大泥沙浓度分别是大雨和暴雨的1.05和2.83倍。
表3不同降雨等级下最大径流率和最大泥沙浓度
Table3Maximumrunoffrateandsedimentconcentrationunderdifferentprecipitationgrades
降雨等级 Precipitation grades日期 Date最大径流率 Maximum runoff rate/(m3·h-1)最大泥沙浓度 Maximum sediment concentration/(g·L-1)中雨Moderate rain2018-7-1232.310.22018-8-453.720.12018-8-250.080.152018-9-40.010.692018-9-120.010.012018-9-150.011.382018-9-230.010.90大雨Heavy rain2018-6-2911117.62018-7-1857.919.12018-7-2018318.4暴雨Storm rain2018-6-1812.54.432018-7-241207.10
2.3 降雨对径流和输沙的贡献
次降雨对集水区径流和输沙的影响相同。大部分泥沙由6场次降雨产生,产生的径流量和输沙量分别占集水区总径流量的90.6%和87.0%。
图3 降雨等级对径流量和输沙量的贡献Fig.3 Contribution of precipitation grades to runoff and sediment yield
不同降雨等级对集水区径流量和输沙量的贡献不同(图3)。降雨等级对径流的贡献表现为:大雨>暴雨>中雨,各自贡献率分别为53.3%、30.5%和16.1%。降雨等级对输沙量的贡献表现为:大雨>中雨>暴雨,各自贡献率分别为67.6%、17.7%和14.7%。说明各集水区的径流和输沙量主要取决于大雨。
2.4 径流和侵蚀输沙相关变量分析
2.4.1 Pearson相关分析。Pearson相关分析发现降雨、径流及侵蚀各变量之间存在一定的相关关系(表4)。总径流量(QT)与I30、R、Qmax、SE,SCmax和P7 d呈极显著相关关系,与P和P10 d呈显著相关关系,和Qmax相关性最好。最大径流率(Qmax)与I30、QT、SE和SCmax呈极显著相关关系,与R、P5d和P7 d呈显著相关关系,和SE相关性最好。总输沙量(SE)与I30、QT、Qmax和SCmax呈极显著相关关系,和Qmax相关性最好。最大泥沙浓度(SCmax)与I30、QT、Qmax和SE呈极显著相关关系,与P10 d呈显著相关关系,和SE相关性最好。SE与Qmax相关性最高,达到0.970。其余各变量之间亦存在不同程度的线性相关关系。
表4 降雨、径流、侵蚀量相关变量Pearson相关分析Table 4 Pearson correlation coefficients among precipitation,runoff and soil erosion variables
注:**表示在P<0.01水平上达到极显著相关关系,*表示在P<0.05水平上达到显著相关关系(n=12)。
Note:**represents a significant difference at 0.01 level,*represents a significant difference at 0.05 level(n=12).
2.4.2 偏最小二乘回归分析。考虑到各变量之间存在多重线性相关关系,故使用偏最小二乘法分析径流量/输沙量与各相关变量之间的关系,得到回归方程(4)和(5)。
QT=0.796+0.114P+0.004D+0.024I+0.131I30+0.145R+0.165Qmax+0.152SE+0.132SCmax-0.041P1 d+0.028P3 d+0.100P5 d+0.129P7 d+0.102P10 d,R2Y=0.908,Q2=0.819
(4)
SE=0.780+0.085P-0.007D+0.019I+0.135I30+0.100R+0.151QT+0.168Qmax+0.149SCmax-0.031P1 d+0.068P3 d+0.094P5 d+0.087P7 d+0.090P10 d,R2Y=0.801,Q2=0.641
(5)
对于总径流量,回归方程可以解释90.8%的总径流量的变化(R2Y),并拥有81.9%的预测能力(Q2)。变量权重系数(VIP)结果显示(图4a),有7个变量的VIP值大于1,各变量对总径流量的贡献依次为:Qmax>SE>R>SCmax>I30>P7 d>P。其中,Qmax对总径流量具有最大贡献的指标,VIP值为1.490。径流量QT随Qmax,SE,R,SCmax,I30,P7 d和P的增加而增大。
对于总输沙量,回归方程可以解释80.1%的总输沙量的变化(R2Y),并拥有64.1%的预测能力(Q2)。变量权重系数(VIP)结果显示(图4b),有5个变量的VIP值大于1,各变量对总输沙量的贡献依次为:Qmax>QT>SCmax>I30。其中,Qmax是对总输沙量具有最大贡献的指标,VIP值为1.629。侵蚀量SE随Qmax,QT,SCmax和I30的增加而增大。
注:+/-表示公式5和6中各独立变量系数的趋势。 Note:+/- indicates the trend of independent variables parameter in equations 5 and 6.图4 径流和输沙相关指标的VIP值Fig.4 Variable importance (VIP) values for related variable of runoff and soil erosion
3 讨 论
次降雨过程,降雨量的多少直接影响径流过程。通常降雨量多则产流也多,大雨和暴雨时集水区内汇流量增加,加速了径流向出口断面的汇集,因此,中雨时集水区出口断面初始产流时间明显晚于大雨和暴雨。与中雨和大雨相比,暴雨时累积径流深和最大径流率最大,观测期间最大径流深(为6.15 mm)发生在降雨量最大的7月24日。本研究中6场次大雨和中雨贡献了90.6%的径流量,说明径流主要来源于几场较大的降雨[25],这与前人在坡面和小流域的研究结果相似[10-11,14]。除降雨外,诸如前期土壤含水量和耕作方式等下垫面条件也对径流产生影响[21]。一般而言,土壤前期含水量的高低决定了产流的快慢。鉴于前人研究结果,在缺乏实测土壤含水量数据时可使用次降雨前i天累积降水量表征前期土壤含水量[24]。9月12日,初始产流时间距离降雨结束仅为13 min,该次降雨前7天累积降雨量仅为4.5 mm且未有径流记录,说明降雨前土壤较为干燥,次降雨过程中大部分降水发生了入渗,使得表层土壤含水量增加,土壤入渗能力随之减弱,当表层土壤含水量达到饱和时,土壤中的重力水随重力排出,坡面有径流发生[24]。6月29日,集水区在降雨开始2 min后开始产流,该次降雨前7天累积降雨量达到31.5 mm且未有径流记录,说明降雨前土壤含水量相对较高,表层土壤很快能达到饱和,产流时间提前。农地集水区,顺坡垄作在长期的机械作业下容易形成坚硬的犁底层,在雨季形成“上层滞水”,沿垄沟极易形成汇流[16]。与横坡垄作相比,顺垄地表径流量最大,可能的原因是横坡垄与径流方向垂直,可以有效地拦蓄没有来得及入渗的雨水,继而减慢地表径流的发生。不同作物对降雨和径流的调控存在差异[17]。吴限等[19]的研究指出,天然降雨条件下,尽管初始产流时间相同,玉米调控径流的效果明显优于大豆,减流率达17.7%。可能的原因是大豆对降雨的拦截集中于冠层边缘,而玉米的截留主要以茎杆流为主。这样的差异性导致了玉米对于降雨的分配相对大豆更加均匀,减缓了径流的形成。
雨滴打击和地表径流不仅是水力侵蚀的主要外营力,同时也是泥沙搬运的主要载体[26],降雨能量的大小和径流量的多少在很大程度上决定了集水区出口断面输沙量的多少。集水区内存在反复的泥沙侵蚀-沉积过程,说明产流、产沙过程是一个极其复杂的物理过程。出口断面处的输沙特征是降雨与下垫面相互作用的最终体现[14]。本研究中,6场次大雨和中雨贡献了87.0%的输沙量,这与Fang等[25]的研究结果相似,绝大部分泥沙来源于几场较大的降雨。大雨时累积输沙量最多,这与Tu等[12]基于15年的小区观测结果一致,严重的土壤侵蚀主要是由大雨造成的。最大泥沙浓度受降雨等级频率的影响对降雨等级响应不同。农地表土相对疏松、受人为干扰比较大,其中耕作方式对侵蚀输沙的影响尤为突出[18]。一般而言,顺坡垄沟内汇流较为集中,径流侵蚀能力较大[16]。与顺坡垄作相比,横坡耕作的保土效果更优。主要是因为其垄向垂直于汇流方向,垄沟内蓄存的水层还可消除雨滴对土壤的打击,有效地减少了水土流失[17]。不同作物对侵蚀输沙的调控作用,主要体现在其对降雨的拦截作用。大豆冠层垂直投影结构较复杂,对降雨多层拦截消能。玉米的茎杆流在降雨分配中起主导作用,较高的冠层高度下茎秆流消耗了大量的雨滴动能,使得玉米对土壤侵蚀的调控作用优于大豆[19]。
4 结 论
(1)2018年雨季发生产流的降雨事件为12次,主要为中雨、大雨和暴雨。初始产流时间随降雨等级表现不同,中雨时初始产流时间大多出现在降雨后期,而大雨和暴雨时,初始产流时间大多出现在降雨前期和中期。
(2)不同降雨等级下累积径流深,径流系数和累积输沙量表现不同。累积径流深和径流系数表现为:大雨>暴雨>中雨,累积输沙量表现为:大雨>中雨>暴雨。
(3)集水区大部分泥沙由6场降雨事件产生,对集水区总径流量和输沙量的贡献分别为90.6%和87.0%。不同降雨等级对集水区径流量和输沙量的贡献不同,对径流的贡献表现为:大雨>暴雨>中雨,对输沙量的贡献表现为:大雨>中雨>暴雨。
(4)偏最小二乘回归分析显示Qmax是对QT和SE贡献最大的因子,VIP值分别为1.490和1.629。
致 谢
感谢“国家科技基础条件平台-国家地球系统科学数据共享服务平台-东北黑土科学数据中心(http://northeast.geodata.cn)”提供数据支撑。