京津冀城市群土地利用变化对地表径流的影响

巨鑫慧, 高 肖, 李伟峰, 韩立建, 毛劲乔

1 河海大学水利水电学院, 南京 210098 2 中国科学院生态环境研究中心城市与区域国家重点实验室, 北京 100085

近年来,由于气候变化和人类活动的双重影响,地球上的水文循环过程正在发生深刻变化[1- 2]。城市化作为21世纪人类社会经济发展的重要过程[3],其引发的水文效应是国内外学者关注的热点。在城市发展过程中,以不透水地表覆盖为主的各种人工土地利用类型(居民住宅、道路、广场、工业及商业用地等)大量增加,显著地改变了原本自然或半自然的下垫面格局,对区域内的水文循环产生了极大的干扰[4- 6]。一方面,城市区域径流系数增大,洪峰流量增加,暴雨频现；另一方面,不透水地表的增加加大了降雨的淋溶冲刷作用,导致地表污染负荷增加,非点源污染加重[7- 9]。城市化导致的水资源、水环境问题已经成为制约城市经济可持续发展的重要因素[10]。因此,研究高度城市化区域土地利用/覆被变化对地表径流的影响特征与机制具有重要意义。

目前,经济全球化使国家间综合竞争的地理层级由城市层级向城市群层级过渡[11]。随着我国经济的快速发展,以特大城市为核心的都市圈和城市群的发展已成为推动区域经济发展的重要战略[12]。相比于单个城市,城市群对区域地表径流过程扰动更加强烈,这种集中连片的城市发展模式对区域生态环境会产生明显的叠加或累积影响效应。京津冀城市群作为我国三大城市群之一,在我国新型城镇化战略布局中处于重要地位[12]。但与此同时,京津冀地区也是我国人类活动对水文循环过程干扰强度极大的区域。研究京津冀地区高强度人类活动对地表径流的影响机制有助于优化城市布局、促进水资源合理配置,从而有助于京津冀地区的协同发展。

目前,国内外学者多采用模型模拟的方法分析土地利用/覆被变化对地表径流的影响[13- 16]。按照模型结构分类,水文模型可分为黑箱模型、概念模型和物理模型[17]。在多种模型中,分布式水文模型能够客观的反映降雨和下垫面条件对流域径流的影响,因此被广泛应用于地表径流的模拟研究中[18],如SWAT模型、SCS-CN模型、L-THIA模型等。其中,L-THIA模型主要适用于较大时空尺度上水文情势特征的模拟,如土地利用/覆被变化下的长期水文影响评价等[19- 21]。此外,该模型结构简单,所需数据较易获取,较复杂的水文模型所需设置参数少,并且能够很好的与地理信息系统结合,对于缺乏资料和数据的地区有较好的适用性。如Jingqiu Chen等,利用L-THIA 模型对美国地区典型年的平均年径流深和年径流总量进行评价,结果表明该方法能够有效评价城市化对地表径流的影响[22]；张明月等在L-THIA模型内部增加流域划分模块,考虑多站点的日降雨量的输入,模拟太湖流域不同土地利用情景下地表径流的变化过程[23]；刘珍环等利用L-THIA模型模拟了深圳市不透水面扩张对城区地表径流的影响,结果表明该模型对模拟快速城市化、无水文监测资料地区的径流量变化有良好效果[24]。因此,本文选用L-THIA模型进行京津冀城市群的地表径流模拟研究。

综上所述,本研究以我国最重要的城市群之一——京津冀城市群为例,利用研究区1950—2015年的逐日降雨数据、土壤数据及1980、1990、2000、2010、2015年5期土地利用数据,采用L-THIA模型,模拟计算在相同降雨情景下土地利用/覆被变化对京津冀城市群地表径流的影响,并在此基础上分析不同土地利用类型与地表径流的响应关系,以及不同城市地表径流的变化规律与差异。本研究有助于全面了解京津冀城市群扩张对地表径流的影响。

1 研究区概况

图1 京津冀城市群地理位置Fig.1 Location of Beijing-Tianjin-Hebei urban agglomeration

京津冀城市群地处环渤海核心地带,地势西北高、东南低,区位优势明显[25]。京津冀地区在地域上覆盖北京市、天津市两个直辖市及河北省的石家庄、唐山、秦皇岛等11个地级市(图1)。截至2014年,京津冀城市群土地面积占全国的2.3%,总人口占全国的8.1%,生产总值为6.65万亿元,占全国生产总值的10.5%,北京和天津等中心城市的城镇化率分别高达86.4% 和82.3%,高于全国平均水平54.8%[25]。从水资源量来看,京津冀城市群地处我国水资源最为短缺的海河流域,2014年,其水资源总量为203.69亿m3,仅占全国的0.75%；人均水资源量为182 m3,仅为全国平均水平的9.14%[26]。长期以来,由于水资源的过度开发,京津冀地区出现了一系列的生态环境问题,如河道断流、湿地萎缩、地下水位下降、水体污染严重、地下水漏斗成片等[27-28]。水资源问题现已成为制约京津冀地区社会经济可持续发展的重要因素[29-30]。

2 研究方法与数据

2.1 研究方法

2.1.1L-THIA模型原理

L-THIA(Long-Term Hydrologic Impact Assessment)模型是由美国普渡大学开发的可用于流域径流及非点源负荷模拟的水文模型。模型运行基于GIS平台,相较于其他水文模型,所需数据较易获取,操作简单[9]。L-TIHA模型的核心方法是SCS-CN曲线方法,该方法通过CN值及逐日降雨量模拟特定流域的径流量[31- 33]。其中,CN值是一个无量纲的参数,基于土地利用类型、水文土壤分组和水文状况(前期土壤湿润状况,AMC)综合反映下垫面状况。模型的计算公式如下：

(1)

Ia=0.2S

(2)

(3)

式中,Q为直接地表径流量,mm；P为逐日降水量,mm；Ia为初损值,mm；S为最大田间持水量,mm。

2.1.2标准化年均径流深

为了消除城市面积对地表径流量的影响,直接比较不同城市地表径流的变化规律,本研究引入了标准化年均径流深(Normalized Average Annual Runoff depth,NAARD),计算公式如下：

(4)

式中,NAARD市表示特定城市的标准化年均径流深,mm；RV市为特定城市的年均产流量,m3；A市为特定城市的行政面积,m2。

2.2 研究数据

考虑到模拟结果的合理性和准确性,本文以海河流域和京津冀城市群叠加区域为模拟边界。模型所需数据包括土地利用类型数据、水文土壤数据和气象数据。

2.2.1土地利用类型数据

京津冀城市群土地利用类型划分为6类：水体、裸地、林地、不透水地表、草地、耕地。本研究基于Landsat (MSS、TM3与TM5,30米空间分辨率)遥感影像,利用面向对象与回溯相结合的方法提取研究区土地利用/覆被信息,数据的获取时间为1980、1990、2000、2010及2015年6—10月份气象条件较好(无云或少云天气)的白天。

土地利用类型数据的提取过程如下：首先,采用面向对象的分类方法,对2010年遥感数据进行分类；其次,以2010年分类结果为参照基准,对其他年份(1980、1990、2000与2015年)土地利用/覆被变化特征进行分析,对于未变化的地区,其土地利用/覆被类型与2010年分类结果一致,而对于变化地区的土地利用/覆被则进行分类提取；最后,采用分层随机采样方法对分类结果进行检验,具体选择北京、天津、唐山、承德、石家庄与邢台等6个城市,每个城市根据不同土地利用/覆被类型组成特征共计随机选取300个样点,结合航片与SPOT等高分遥感数据,进行目视判读比较,最终获得整体分类精度为87%的土地利用类型数据[34]。

2.2.2水文土壤数据

本研究所需土壤数据来自于中国土壤数据库,以中国1:100万的土壤栅格数据为基础,叠加研究区范围,得到研究区土壤类型分布数据图。L-THIA模型依据美国农业部水土保持局(USDA)的土壤分类,按照渗透性高低,将土壤数据分为A、B、C、D 4类(表1)[35]。本研究参照此分类标准对京津冀地区的土壤数据进行分类。鉴于整个研究时段(1980—2015年)土壤质地及其理化性质相对稳定,不会发生本质变化,因此整个研究期采用相同的土壤水文分组。

表1 京津冀地区土壤水文类型

2.2.3水文气象数据

本研究所需的水文气象站点信息、降水数据及实测径流量数据来自于中国气象数据库、海河流域水文年鉴及河北省水资源公报(图1)。采用大同、北京、石家庄35个气象站点1950—2015年的逐日降雨数据,并对降雨数据进行整理和格式转换,以满足模型要求。同时,在径流模拟计算过程中统计水文站的实测径流数据进行模型参数验证,确保构建的模型适用于研究区域。

2.3 模型参数校正

基于SCS-CN方法的L-THIA模型是根据美国地区气象、土壤及土地利用数据测算实现的。因此,在应用模型进行径流量模拟时需要对模型参数进行校正。一般地说,在降雨一定的条件下,产流量较大的土地利用类型、土壤类型、前期土壤湿润程度,其CN值较大,反之亦然[14]。

考虑到京津冀城市群93%的区域位于海河流域境内,本研究以海河流域为边界,对模型参数进行校正。本研究参考美国水土保持局出版的CN值查算表以及其他学者的相关研究,根据海河流域土壤特性和土地利用/覆被特性,通过试算建立研究区在正常土壤湿润程度下的CN值表(表2)[36- 37]。

表2 海河流域不同土地利用/覆被类型CN值

2.4 模型有效性验证

本研究选取海河流域内部滦县站、王快水库和西大洋水库3个水文站点2001—2014年共14年的实测径流数据进行模型有效性验证。3个站点的流域控制面积分别为44100 km2、3770 km2、4420 km2(数据来源于河北省水资源公报)。分别以2000年土地利用数据和2001—2007年逐日降雨数据、2010年土地利用数据和2008—2014年的逐日降雨数据为输入,模拟计算海河流域2001—2014的多年平均地表径流量,模拟结果见表3。将模拟结果与实测数据进行比较,两者误差在±10%之间,在误差允许范围之内。因此,以上确定的CN值适用于海河流域径流模拟,可用L-THIA模型进行后续研究。

表3 L-THIA模型模拟结果评价

2.5 模型模拟过程

本研究利用海河流域境内35个气象站点1950—2015年的逐日降雨数据、土壤数据以及1980、1990、2000、2010、2015年5期土地利用数据模拟计算京津冀城市群多年平均地表径流量。模拟流程如下：首先,模型以气象站点位置、土壤数据及不同土地利用数据作为输入,计算每个栅格的CN值,并建立泰森多边形；其次,以逐日降雨数据驱动模型,模型将降雨数据按照泰森多边形分配到栅格,并以公式(1)—(3)进行径流量计算；最后,对模型模拟结果进行统计,得到不同土地利用/覆被情景下的多年平均地表径流量。

3 结果与分析

3.1 京津冀城市群土地利用/覆被变化特征分析

1980—2015年京津冀地区土地利用/覆被变化特征分析结果表明(图2、表4、表5)：(1)从土地利用类型构成看,1980—2015年京津冀地区土地利用类型以耕地和林地为主,其多年平均占比分别为47.10%、32.84%；草地、不透水地表与水体所占比重依次减小；裸地面积最小,占比低于0.4%。(2)从土地利用变化趋势看,1980—2015年不透水地表、林地、草地及裸地的面积增加,水体及耕地面积减小。其中,耕地与不透水地表变幅较大,其余土地利用类型变幅较小。如1980—2015年,耕地面积由109371.78 km2减少至94303.11 km2,在整个研究区的面积占比减少6.99%；不透水地表面积由11675.17 km2增加至24365.31 km2,面积占比增加5.89%。(3)从土地利用类型转换方式看,各土地利用类型转化程度不同。其中,耕地、不透水地表和水体的转移变化最为剧烈,主要表现为耕地向林地、不透水地表、草地的转变及水体向不透水地表的转变,1980—2015年其净转化值分别1515.98 km2、10992.45 km2、1979.83 km2、826.59 km2。(4)从不同城市土地利用特征看,京津冀城市群13个城市均以耕地和林地等非人工表面为主要用地类型,但不同城市的人工表面(不透水地表)面积占比有较大差异(图3)。天津、北京、廊坊等城市的不透水地表面积占比较大,2015年分别为26.86%、18.72%与19.15%,而承德、张家口的不透水地表面积占比较小,2015年分别为1.95%与4.11%。此外,从不透水地表的变化特征看,1980—2015年不同城市不透水地表的增长幅度不同,不透水地表的增长主要发生在北京、天津、石家庄、保定、唐山、邯郸等城市,这些城市的净增长值均超过了1000 km2。

图2 京津冀城市群地区不同时期土地利用/覆被分布特征Fig.2 Land use/cover distribution of Beijing-Tianjin-Hebei urban agglomeration in different periods

3.2 土地利用/覆被变化对地表径流的影响

L-THIA模型的模拟结果表明,随着土地利用/覆被的变化,研究区地表径流量呈逐年增长的趋势(表6)。1980—2015年,京津冀城市群多年平均径流量由150.75亿m3增长至168.59亿m3,净增长值为17.84亿m3,增幅11.83%。不同时段京津冀地区地表径流增长率不同,总体来看,1990—2000年及2010—2015年地表径流增长率较大,这两个时段地表径流量的年均增长率分别为0.36%、0.46%。

表4 京津冀城市群地区土地利用/覆被构成/%

表5 京津冀城市群1980—2015年土地利用变化转移矩阵

图3 京津冀城市群地区不同城市土地覆盖/利用组成Fig.3 The composition of land use/cover types of Beijing-Tianjin-Hebei City Group in different cities

表6 京津冀城市群多年平均径流量

不同土地利用类型的产流特征分析结果表明(表7)：(1)不同土地利用类型产流能力不同,按照产流能力强弱排序：水体>不透水地表>裸地>耕地>草地>林地。如2015年,不透水地表和耕地的面积占比分别为11.3%、43.70%,但产流量为50.22亿m3、52.14亿m3,不透水地表以不到耕地1/3的面积产生约为耕地96%的径流量。(2)各土地利用类型产流量与其面积的变化趋势基本一致。如1980年至2015年,不透水地表面积由5.41%增长至11.3%(表4),相应的产流量由24.27亿m3增长至50.22亿m3。(3)从贡献量的大小看,京津冀城市群对地表径流贡献较大的土地利用类型为耕地和不透水地表。耕地和不透水地表的多年平均产流占比分别为35.38%、22.71%。同时,随着土地利用格局的变化,不透水地表对地表径流的贡献率逐年上升。

3.3 不同城市地表径流的变化特征与规律

城市尺度上,1980—2015年不同土地利用/覆被格局下地表径流模拟结果表明(图4),京津冀地区地表径流深空间分布不均匀,较大径流深主要出现在北京、天津、保定、石家庄、邢台、邯郸与唐山等城市。此外,不同城市内部的径流深极值有较大差异,如天津、保定主城区的径流深较北京主城区更大。

表7 京津冀城市群地区不同土地利用/覆被类型产流量

图4 京津冀城市群径流深分布图Fig.4 Runoff depth distribution of Beijing-Tianjin-Hebei urban agglomeration in different periods

各城市标准化年均径流深(NAARD)分析结果表明,不同城市标准化年均径流深值差异较大(表8),表明不同城市的产流能力不同。综合来看,天津、保定、石家庄3个城市的标准化年均径流深值较大,承德、衡水的标准化年均径流深较低,北京市的标准化年均径流深处于中等水平。如2015年,天津、保定、石家庄的NAARD值分别为142.31 mm、121.75 mm、126.44 mm,承德、衡水的NAARD值仅为37.14 mm、52.77 mm,北京市的NAARD值为81.24 mm。

从径流深变化规律来看,1980—2015年13个城市的标准化年均径流深总体呈现增长趋势,但不同城市的增长幅度不同。其中,北京、天津、石家庄、廊坊、邯郸的增长值较高,1980—2015年分别增加了12.31 mm、25.66 mm、13.33 mm、12.36 mm、13.77 mm；承德、张家口的标准化年均径流深增加较低,分别增加了1.27 mm、2.70 mm。

此外,各城市标准化年均径流深在不同时期的变化特征差异较大。如北京、天津、石家庄、邢台等城市在1990—2000年NAARD年均增长值最大,分别为0.52 mm、1.39 mm、0.70 mm及0.48 mm；而唐山、承德、张家口、保定等城市的NAARD年均增值较大值则出现在2010—2015年,分别为0.44 mm、0.13 mm、0.35 mm、0.58 mm,秦皇岛在2000—2010年NAARD年均增长值最大。但总体来看,13个城市在1990—2000年、2010—2015年两个时间段的年均增长值较大,各城市NAARD年均增长率有相似规律。

4 结论与讨论

本研究旨在分析我国特大城市群快速的土地利用/覆被变化情况与地表径流的响应关系。基于多年平均的水文气象条件,分析京津冀地区历史土地利用/覆被格局变化对径流的影响与变化规律,主要结论如下：

(1)本研究应用L-THIA模型,基于逐日降雨数据、土壤数据,以及不同土地利用/覆被数据,模拟京津冀地区地表径流量的时空分布特征。经检验,模型模拟误差在±10%内,表明所构建的L-THIA模型适用于京津冀地区的地表径流模拟。

(2)1980—2015年,京津冀城市群不透水地表面积剧烈增加,其净增长值为12690.14 km2,面积占比增加5.89%。经济较发达的北京、天津、唐山、保定、石家庄等城市不透水地表面积占比较大,其增长值也相对较大。

表8 不同城市标准化年均径流深

NAARD, 标准化年均径流深 Normalized Average Annual Runoff depth

(3)随着土地利用/覆被格局的变化,京津冀地区地表径流量呈逐渐增长趋势。1980—2015年京津冀城市群地表径流量增加了17.84亿m3,增幅11.83%。对地表径流贡献较大的土地利用类型为耕地和不透水地表,并且随着不透水地表面积的逐渐增加,其贡献率逐年增加。

(4)从城市尺度来看,京津冀各城市的标准化年均径流深(NAARD)有较大差异。天津市NAARD值最大,承德市最小,北京市处于中等水平。不同城市标准化年均径流深增长规律也存在较大差异。但大多数城市在1990—2000年、2010—2015年径流深增长较快,这与京津冀地区的城市化进程有关。

研究结果表明,随着土地利用/覆被的变化,京津冀地区地表径流呈明显的增长趋势,这可能会导致城市洪涝灾害风险增加,造成生态环境的破坏。合理规划京津冀城市群土地利用结构、控制地表径流的动态平衡、完善调控机制是减少洪涝灾害的重要手段。此外,从各城市NAARD变化规律可以看出,土地覆被并不是影响城市地表径流的唯一因素,土壤类型、蒸散发与气象等因素也会对径流深产生重要影响。如相比保定、石家庄,廊坊市的不透水地表、耕地等产流能力较高的土地利用类型占比较大,但是廊坊市的标准化年均径流深却比保定和石家庄偏低近60 mm。城市标准化年均径流深反映了不同城市产流能力的强弱,可以作为有效指标指示城市土地利用/覆被变化对区域地表径流量的影响。

此外,本文仍存在一些不足之处。如在进行模型率定时,本研究选取了海河流域3个子流域进行参数验证,但海河流域范围较广,下垫面特征在空间上存在较大的差异,模型率定范围的选择会使模拟的结果存在一定误差。另外,本文仅根据过去的土地利用数据模拟了地表径流的变化,在后续研究中可设置不同的气候和土地利用变化方案,探讨未来情景下京津冀地区水文要素的变化规律。