基于SWAT模型分析岷沱江流域蓝/绿水资源量的时空变化特征＊

2020-06-28倪福全

中国农业气象 2020年6期

张洋，邓玉，倪福全，聂超，马捷

（四川农业大学水利水电学院，雅安 625014）

近年来，受全球气候变化与剧烈的人类活动影响，水文循环过程发生了不同程度的改变，对水资源的研究已不能局限于传统的水资源评价。为了更好地理解水资源在陆地生态系统中的作用，Falkenmark[1]于1995年提出了蓝水、绿水的概念，并指出两者均来自于降水。其中，蓝水主要是以地表径流、土壤中流、地下径流3 种形式存在的水，一般储存于江、河、湖泊中[2-5]，约占降水的35%；其余部分为绿水，储藏于非饱和土壤，通过蒸散作用回到大气，其对陆地生态系统的维持具有重要意义。

在众多的水资源量影响因素中，土地利用/土地覆被变化（Land Use and Cover Change, LUCC）在水文循环过程中的影响一直是生态水文学界关心的问题[6]。人类活动通过LUCC 影响流域水循环过程中的蒸散、径流速度、下渗及土壤水再分配等因子，进而改变流域水量水质和水循环，对流域水量平衡产生重大影响[7-9]。同时，研究发现蓝/绿水在水资源总量中所占比重及时空变化特征存在着地区差异性，在气候和土地利用变化的情况下，尤其是在干旱地区，未来农作物对蓝水的依赖性将增加[10]。Lathuillière 等[11]研究表明，亚马逊盆地绿水资源对未来农业的重要性，并根据未来的农业生产需水和潜在灌溉量，基于土地利用和生物多样性保护以及区域降水的循环利用，评估陆地生态系统的成本和收益，提倡蓝/绿水资源管理。

基于特定流域尺度，筛选恰当的水文模型积极开展蓝/绿水量的模拟研究十分必要。在众多水文模型中，SWAT 模型将气候变化、LUCC、管理措施等进行有机耦合，在国内外得到了广泛应用[12-13]，且模型可以直接输出组成蓝/绿水资源的各个分量，因此被认为是一种评估蓝/绿水资源量较为有效的水文模型[14]。以往研究主要针对岷江中上游、沱江流域的水文和水质情况，而将岷、沱江相结合的大流域尺度上的研究还未见报道[15-17]。

基于此，本研究以岷沱江为研究对象，将岷沱江流域生态过程与流域水资源量进行模拟，借助SWAT 模型建立流域数据库对蓝/绿水进行定量评估，探讨蓝/绿水的时空分布特征，甄别不同土地利用类型对流域蓝/绿水的影响程度和贡献率，以期为流域水资源优化配置及指导流域蓝水绿水管理实施应用提供理论依据。

1 资料与方法

1.1 研究区概况

岷江、沱江均为长江上游左岸一级支流，其中岷江发源于四川岷山南麓松潘县郎架岭，由西北向东南流经汶川、都江堰市、乐山市，于宜宾市合江门汇入长江，流域面积约13.6 万km2，且岷江、沱江为不封闭流域，两者通过都江堰灌区的清白江连通，沱江年径流的33.4%来源于岷江[18]。岷江干流河口多年平均流量2850m3·s-1，多年平均年径流量876亿m3。沱江为四川盆地腹部区域重要水系之一，流域面积2.7 万km2，流域多年平均降水量1200mm，年径流量351 亿m3，主要来自降水。岷、沱江流域仅占四川省幅员面积的30%左右，却涵养和支持了全省60%以上的人口和经济总量。因此，岷沱江流域水资源和水环境变化对区域生态环境和长江经济带发展具有重大影响。

1.2 数据来源及预处理

1.2.1 DEM

SWAT2012 模型利用DEM 图进行河网模拟和流域提取，DEM 数据是构建流域的基础数据。采用的DEM 数据集来源于CGIAR-CSI SRTM 90m 高程数据库，分辨率为30m×30m。DEM 数据处理过程为剪切、拼接及掩膜提取→填充洼地→累计汇流→河网生成→生成集水流域。

1.2.2 土地利用

采用2015年岷沱江流域土地利用类型图分析LUCC 变化情况，图像来源于igbp_lucc-1km 中国区域土地覆盖数据库，分类方式为二级分类，而SWAT模型需要一级分类[19]。利用ArcGIS10.2 对土地利用数据进行重分类，获得耕地、林地、草地、水域、冰川雪地、城镇用地、农村居民点、其它建设用地、盐碱沼泽地、裸地10 种土地利用类型，具体见图1。

图1 岷沱江流域土地利用类型（2015年）Fig.1 Landuse types in the Min-Tuo River Basin in 2015

1.2.3 土壤

在建立土壤属性数据库前必须按照模型所要求的美制标准进行粒径转化[20]。土壤数据源自世界土壤数据库（HWSD）。该数据库（HWSD）是基于美国制标准制备的土壤粒径，无需再进行土壤粒径转换。岷沱江流域土壤类型共计54 种，土壤类型见图2。

图2 岷沱江流域土壤类型Fig.2 Soil types in the Min-Tuo River Basin

1.2.4 气象及水文数据

气象数据来源于岷沱江流域的12 个主要气象站1979-2014年的实测逐日数据，包括降水量、最高/最低气温和空气相对湿度，逐日风速（m·s-1），资料缺失的数据和太阳辐射利用天气发生器（SWATweather）模拟计算。模型读取的气象数据为索引表（WGNSTATI）格式，表头需按照ID、NAME、XPR、YPR、ELEVATION（分别代表编号、站点名称、经度、纬度、高程）制作成dbf/txt 格式放在同一目录下。月径流数据来源于宜宾高场水文站1982-1998年和2006-2013年监测数据。岷沱江流域水文气象站点分布见图3。

1.2.5 空间属性离散化

为了更好地进行模拟，根据研究区DEM 数据及水系图对流域进行空间属性离散化，基于数字DEM数据和流域水系划分子流域，将岷沱江流域划分为89 个子流域（图4）。在HRUs Definition 模块中，根据土地利用方式、土壤类型和坡度的面积百分比设置相应的阈值，最终将流域划分为1929 个水文响应单元（Hydrological Response Units，HRUs）。

图3 岷沱江流域高场水文站和12 个气象站的分布Fig.3 Distribution of Gaochang hydrological station and 12 meteorological stations in the Min-Tuo River Basin

图4 岷沱江流域子流域分布Fig.4 Sub-basin distribution in the Min-Tuo River Basin

1.3 SWAT 模型

1.3.1 蓝/绿水量计算

模拟过程是 SWAT 模型运行的基础，选用SWAT2012（Soil and Water Assessment Tool）模型，加载制备好的30mDEM 数据、2015年土地利用数据、土壤数据，1979-2014年逐日气象数据，以子流域为尺度，模拟岷沱江流域的蓝水资源、绿水流和绿水储量。模型遵循的水量平衡方程为

式中，PREC 为每个水文响应单元单位时段内的降水量（mm·d-1）；ET 为每个水文响应单元的实际蒸散量（mm·d-1），即绿水（mm·d-1）；ΔSW 为前后时段土壤储水量的变化（mm），SW 为单位时段末的土壤储水量即绿水储量（mm）；ΔGS 为回归流的水量（mm）；LOSS 为离开土壤剖面底部的渗透水流和旁通水流的水量（mm），即单位时段内由降水到产汇流等水文过程中的其它损耗。WYLD 为单位时段从水文响应单元HRU 通过子流域汇集进入河流的产水量，即蓝水资源量（mm·d-1）；SURQ 为地表径流量（mm·d-1）；LATQ为壤中流（mm·d-1）；GWQ 为地下径流（mm·d-1）。

通过SWAT2012 模型的输出结果SWATOutput-Sub表能直接输出流域蓝水资源WYLD、绿水流ET、绿水储量SW 及上述数值的各个子流域分量，再通过子流域的面积加权平均计算流域蓝/绿水资源量（mm）。而绿水资源量等于绿水流ET 和绿水储量SW之和，根据SWAT 模型水量平衡方程，在长时期的流域水量平衡中，降水量约等于绿水资源量和蓝水资源量及单位时段内由流域降水到产汇流等水文过程中的其它损耗之和。

1.3.2 模型评价

将土地利用、土壤和气象数据输入SWAT2012模型中，运行得到径流模拟值（m3·s-1），利用SWAT-CUP 软件与实测值（m3·s-1）对比，计算决定系数（R2）、Nash-Sutcliffe 纳什系数（NSE）[21]评估模型在校准和验证过程中的模拟效果，即评价模型模拟结果的有效性。R2和NSE 计算式分别为

式中，Qm,i为模拟径流量；Qs,i为观测径流量；是平均模拟径流量；为平均观测径流量；i 为模拟序列长度。取R2＞0.6 为模拟结果的临界评价标准。

式中，Qm为模拟径流量；Qs为观测径流量；是平均模拟径流量；i 为观测次数；NSE 的值越接近1，说明模型模拟结果越好，取NSE ＞0.5 为模拟结果的临界评价标准。

1.4 变化趋势分析

通过Mann-Kendall 统计检验方法分析岷沱江流域蓝/绿水不同时段变化的显著性，Mann-Kendall 检验法既可以进行趋势性检验，又可以进行突变性分析，算法简单，且不受样本异常数据影响，也不要求数据有特定的分布特征，适用于气象、水文等非正态分布的数据分析[22]。

Mann-Kendall 趋势检验法的计算方法如下：待验假设H0为时间序列变量(x1, …,xn)无显著的变化趋势，是n 个独立同分布的随机变量的样本。对立假设H1是双侧检验，对于任何的k ≠ j，且k，j≤n， xk和xj的分布是不同的。定义统计变量S 为

当时间序列变量增加时，S 呈正态分布。正态统计变量为

当Z 0＞时，呈增加态势；当Z ＜0时，呈减小态势，当和2.32 时，说明分别在置信度90%、95%、99%水平下达到显著性。

2 结果与分析

2.1 基于月径流资料对SWAT 模型的率定与验证

基于SWAT 校准和不确定程序（SWAT Calibration and Uncertainty Programs，SWAT-CUP），为使模型模拟结果更加符合研究区实际情况，本次模拟的预热期为1979-1980年。采用流域出口宜宾高场水文站已有的实测月径流数据对模型进行校准和验证，率定期为1982-1998年，在参数率定好后，保持参数不变，改变年份进行模型验证[19]，验证期为2006-2013年，结果见图5 和图6。由图可见，在率定期和验证期，宜宾高场水文站的年径流量模拟值和实测值均随年内降水量变化表现出周期性的波动过程，且两条曲线的波峰与波峰、波谷与波谷完全重合，仅波幅略有差异；率定期和验证期年径流量模拟值和实测值的决定系数R2均为0.76，NSE 分别为0.90 和0.89，说明径流参数满足模型模拟适用性评价标准。

图5 1982-1998年宜宾高场水文站月径流实测值与SWAT 模拟值的对比Fig.5 Comparison of the observed runoff at Yibin Gaochang hydrological station and simulated by SWAT2012 model in 1982-1998

图6 2006-2013年宜宾高场水文站月径流实测值与SWAT 模拟值的对比Fig.6 Comparison of the observed runoff at Yibin Gaochang hydrological station and simulated by SWAT2012 model in 2006-2013

2.2 SWAT 模型模拟的流域蓝/绿水资源量变化

模型完成率定与验证后，根据模型输出的SWATOutput-Sub 数据建立数据透视表，对模拟结果进行进一步的水资源量统计，结果见图7。由图中可见，1981-2014年历年蓝水资源为370～570mm、绿水资源为441～543mm，降水量为760～1062mm，蓝/绿水资源量、降水量均在年际间呈波动变化，且每年蓝水、绿水资源量之和与年降水量基本相等，变化过程也大致相同。

图中显示，整个分析期内，流域平均年降水量呈一定的周期性波动变化特点，M-K 统计值为-0.1087，未通过M-K 置信度为90%的显著性检验；相应的年均蓝水、绿水资源量也呈一定的波动变化过程，且波动的幅度明显小于降水量。绿水资源量有所增加，M-K 统计值为0.0232，未通过M-K 置信度为90%的显著性检验，蓝水资源量呈波动减少趋势，M-K 统计值为-0.1729，同样未通过M-K 置信度为90%的显著性检验，线性变化趋势均不显著。

图7 1981-2014年区域年降水量、蓝/绿水资源量变化过程Fig.7 Variation course of the annual precipitation and blue/green water resources from 1981 to 2014

2.3 SWAT 模型模拟的蓝/绿水资源量时空变化

由图8 可以看出，分3 个阶段看，1981-2014年岷沱江流域年降水量、蓝/绿水资源量的空间分布趋势基本一致，总体上均表现为从上游到下游由少到多再少的趋势。从区域来看，流域上游即果洛州、甘孜州、阿坝州和凉山州等一带，三种水资源量分布较少；流域中游即雅安市和乐山市峨眉地区等一带蓝/绿水资源量最多；相较于流域中游，流域下游即眉山市、乐山市（除峨眉地区）和宜宾市等一带，蓝/绿水资源量有所减少，但是相比全流域仍较为丰富。其原因是岷沱江流域降水量在空间分布上不均匀，其中上游地区年均降水量为600～800mm，中下游地区（都江堰以下）为900～1600mm。降水量主要与气候有关，中下游地区为丘陵地区独特的气候条件，受亚热带湿润季风气候影响，有气候温和，温暖潮湿，四季分明，雨量充沛，降水集中，霜稀雪少，无霜期长的特点，导致中下游蓝/绿水资源量极其丰富，尤其雨城、峨眉一带的年均蓝水资源量在1000mm 以上，这也表明岷沱江流域中下游地区地表径流较大。

图8 分三个阶段计算岷沱江流域年平均降水量（1）和蓝水（2）/绿水（3）资源量的空间分布Fig.8 Spatial distribution of average annual precipitation(1) and blue (2) / green water resource (3) in the Min-Tuo River Basin during three stages

2.4 SWAT 模型模拟的主要植被类型下蓝/绿水资源量变化

根据收集的岷沱江流域历年土地利用数据，发现年际间的土地利用类型变化并不明显。因此，采用2015年土地利用图对历年不同土地利用类型中蓝/绿水含量进行分析。通过SWAT2012 模型的输出结果SWATOutput-hru 表中读取各项土地利用中蓝/绿水含量（mm），并建立数据透视表，进行年平均水资源量计算，结果见表1。由表可见，研究区总土地面积为162960km2，其中耕地、林地、草地三种类型合计占流域总面积的95.9%，其余土地覆被类型仅占4.1%。

结合2015年LUCC 面积占比分析，虽然耕地面积仅占流域总面积的25%左右，但耕地具有良好的团粒结构，能够迅速排水，同时蓄水能力强的特点，加上灌溉补给水量，相比于林地和草地，岷沱江流域耕地对蓝/绿水总量的贡献率在三种不同LUCC 中都最高，其中耕地中蓝水资源量平均占比为41.2%，绿水资源量的平均占比为36.6%。表明耕地对区域水资源配置变化及其重要，对蓝/绿水的响应间接反映了对农田灌溉需求和生态服务价值。林地在蓝水资源量平均占比为30.3%，绿水资源量的平均占比为32.8%，草地在蓝水资源量平均占比为28.5%，绿水资源量的平均占比为30.7%。林地、草地具有较强的蒸散发能力，根据水量平衡原理，蒸散增大，径流量会减小，说明林地具有调节径流的作用，能够有效防止水土流失。

分别统计历年三种主要土地利用类型下蓝/绿水资源量，结果见图9 和图10。由图可见，不同土地利用类型下蓝/绿水资源量间存在明显差异，均表现为耕地＞林地＞草地。整个岷沱江流域降水总量减少的情况下，林地、草地中蓝水资源量波动减少，绿水资源缓慢增加，表明岷沱江流域在1981-2014年蓝水资源量减少主要用于林地、草地的绿水资源量，结合李波等[23]的分析，川西高原地区2000-2008年的人类活动如“退牧还草”工程等，使草地总体上处于恢复状态，也可能与林地、草地的蓝/绿水资源增加有关。

表1 2015年流域土地利用类型分类统计Table 1 Statistic result of the area and percentage of land use types in 2015

图10 不同土地利用类型的年均绿水资源量（1981-2014年）Fig.10 Average annual green water resources under different land use types(1981-2014)

3 结论与讨论

3.1 讨论

岷沱江流域降水量约等于蓝水资源量和绿水资源量之和，与冯畅等[24]的研究结论一致，SWAT 模型的模拟效果较好。杜华明等[25]表明岷江流域1961-2012 来降水量总体上呈下降趋势，且2000年以来为近52a 降水量最少的时段。研究区降水量和蓝水资源量在1981-2014年呈波动减少趋势；绿水资源量反而有所增加，在1981-2014年蓝水资源量减少主要用于林地、草地的绿水资源的增加。由于岷沱江流域属于中纬度地区，降水靠西风带的气旋活动，温度升高后气旋无明显改变，蒸发增加，因此降水减少，这也导致了用于植物蒸发蒸腾的绿水增加。造成区域降水量差异显著的原因主要与区域的独特气候特征有关，岷沱江流域上游为干旱河谷地段，主要分布于松潘镇江关以下、经茂县至汶川及黑水河和杂谷脑河等，上游干旱河谷，有较好的光热条件，日照充足，太阳辐射强，蒸发量较大，雨季水分损失严重，表现为全年水分亏损[26]，导致上游蓝/绿水资源量较少。在空间分布上整个岷沱江流域蓝/绿水资源量分布趋势大致相同，自北向南逐渐增加，除区域降水量影响以外还与岷沱江流域干流修建的水电站有关，梯级水电开发已拓展至流域的三级支流[27]，干流紫坪铺水电站（760MW）等近十座大、中型水电站的蓄水截流导致自上游到下游沿主河道逐渐增加，越靠近干流子流域的蓝/绿水资源量越大。

研究区面积约为16.296 万km2，跨越面积大，虽然蓝/绿水资源量丰富，但整个岷沱江流域的蓝/绿水资源量呈减少趋势。上游、中游、下游各区域对蓝/绿水资源量的影响因素多。本研究基于时间序列上，虽对不同LUCC 类型中蓝/绿水资源量进行分类研究，但实际上人类活动[28-29]仍然影响着流域的水生态系统平衡，在人口增多、城镇化加剧、水资源日益短缺的背景下，厘清不同年际间的LUCC 的变化规律和不同区域、不同农作物灌溉规律，以及流域梯级大型电站的修建对区域蓝/绿水资源量的影响研究，对岷沱江流域水资源规划与管理具有重要意义。根据岷沱江流域上游、中游、下游的蓝/绿水资源实际分布情况，进一步结合土地覆被类型，开展蓝水绿水相互转换的生态研究，探讨如何合理利用中下游丰富的蓝水绿水资源，释放中下游蓝水可用性，通过蓝/绿水的信贷补偿形式支持上游开展绿水管理措施[30]，以保护上游耕地，协调上下游蓝/绿水的冲突矛盾和收益分配，根据已经获得的上中下游蓝/绿水资源量，采取供需和成本相适应理论博弈优化模型，得出合理的蓝/绿水调配解决方案，促进流域经济发展，也是下一步重点研究的内容。