鄱阳湖水文情势演变原因及对策

郭振天, 黄 峰, 郭利丹, 吴 瑶, 3

(1.河海大学 水文水资源学院, 南京 210098； 2.河海大学 商学院，南京 211100; 3.江西省鄱阳湖水利枢纽建设办公室，南昌 330046)

1 研究背景

鄱阳湖位于江西省北部，长江中下游南岸，是我国最大的淡水湖，也是全球重要的水鸟越冬栖息地[1]。鄱阳湖承纳赣江、抚河、信江、饶河、修水五河来水，并通过湖口与长江连通，在供水、防洪、航运以及生物多样性保护等方面发挥着十分重要的作用。其水位不仅受五河来水影响，还会受到长江干流水情影响，江湖关系复杂，呈现出“高水是湖、低水似河，洪水一片、枯水一线”的独特景观[2]。在目前气候变化和人类活动加剧的背景下，鄱阳湖的水文情势发生了一定程度的改变，这不仅破坏了候鸟栖息地，对生态安全造成威胁，也一定程度上制约了江西省社会经济的发展。

鄱阳湖水文情势主要受气候变化、三峡水库运行、五河入流以及湖区取用水、采砂等人类活动的综合影响[3]。气候变化主要影响了五河入流和长江来水，从而影响鄱阳湖水位。三峡水库运行影响长江水情并进一步改变了江湖关系[4]。三峡水库蓄水、拦截泥沙、清水下泄，冲刷下游河床，导致河床下切、干流水位下降，对鄱阳湖的顶托作用减弱[5-6]。鄱阳湖与长江干流间的水力坡度加大，加快湖水出流，导致湖区水位下降[7]。采砂等人类活动同样改变了长江以及鄱阳湖的地形特征，从而影响鄱阳湖水情[8]。因此，归结起来，鄱阳湖水文情势主要受长江干流流量、鄱阳湖子流域五河入流以及地形这三方面的影响。已有研究成果表明，采砂等人类活动、长江干流上游水库群汛末蓄水、河床冲淤变化是鄱阳湖秋季枯水的长期影响因素[9]。天然径流变化、三峡水库汛末蓄水、地形变化对鄱阳湖10月份水位变化的贡献率分别为40.87%、34.01%和25.11%，长江及鄱阳湖子流域径流减少是造成鄱阳湖水位降低的主要原因[10]。鄱阳湖湖口入江水道河床下切导致湖口水位降低、湖区水面坡降增大，地形是鄱阳湖枯水期水位变化的主要驱动因子[11]。

现有成果对鄱阳湖年平均水位、枯水期水位等水情变化做了大量的定量归因分析，为科学剖析鄱阳湖水情演变奠定了基础。湖泊水文情势涵盖月均水位、年极端水位、脉冲水位等特征，需进一步深入研究不同驱动因子对鄱阳湖水情演变的影响。当前，鄱阳湖水文情势的变化已经威胁到了候鸟栖息地以及社会经济的可持续发展。在长江经济带建设的大背景下，明晰各驱动因子对鄱阳湖水文情势变化的贡献率，对于制定科学合理的湖泊水资源管理和调控措施意义重大。因此，将采用BP神经网络模型模拟鄱阳湖水位过程，利用水文变异指标法(Indicators of Hydrologic Alteration，IHA)中的指标体系表征水文情势，根据长江干流、鄱阳湖湖区以及五河实测的逐日水位、流量资料，以湖区水位突变点为界，分别模拟突变前、突变后的水位过程；通过情境对比分析，量化长江干流流量、五河入流以及地形对鄱阳湖水情演变的贡献率，为制定鄱阳湖治理和调控措施提供科学依据。

2 数据及方法

2.1 基本数据

本研究使用的基本资料如下：1988—2016年鄱阳湖五河七口逐日流量，包括赣江的外洲站、抚河的李家渡站、信江的梅港站、饶河的虎山和渡峰坑站、修水的虬津站和万家埠站；长江干流以汉口站作为代表站，所需数据为1988—2016年逐日流量；鄱阳湖湖区水位以星子站作为控制站[12]，所需数据为1987—2016年逐日水位。其中水位数据采用吴淞基面。

2.2 BP神经网络模型

BP神经网络是一种基于误差反向传播算法训练的多层前馈神经网络[13]。李云良等[14]将其应用于模拟鄱阳湖水位，论证了BP神经网络模拟大型通江湖泊水位的可靠性，并提出可以用这一模型定量评估五河和长江来水对湖泊枯水位的贡献分量。星子站水位在2003年发生了显著变异[15]。考虑到模型输入与输出都是逐日数据，为保证突变前后2个系列中含有相同的数据个数，将数据以2003年为界划分为1988—2000年突变前系列和2004—2016年突变后系列，以这2个系列构建2个结构一致的三层BP神经网络模型。突变前后水位模型可分别反映突变前以及突变后鄱阳湖水位对长江干流流量以及五河入流的响应关系，在控制汉口流量和五河入流一致、模型结构也一致的情况下，模拟结果的差异就是地形变化导致的，由此就可以计算出地形的贡献量。模型为9-21-1结构：输入层为汉口站逐日流量、五河七口水文站逐日流量以及星子站前一日水位，共9个神经元；经过训练调试，隐含层为21个神经元时的模拟精度较高；输出层为星子站水位，仅1个神经元。突变前模型的训练期和测试期分别为1988—1997年、1998—2000年，突变后模型的训练期和测试期分别为2004—2013年、2014—2016年。

采用纳什效率系数Ens、确定性系数R2、均方根误差(RMSE)评价模型的模拟精度。纳什效率系数和确定性系数越接近1，说明模拟精度越高；均方根误差越接近0 m，说明模拟精度越高[16]。

图1为星子站水位实测值和模拟值的对比情况。由图1可以看出实测与模拟的水位过程线高度吻合，Ens和R2均达到了0.99，RMSE在0.07～0.10 m之间，说明该BP神经网络模型模拟精度较高，对鄱阳湖水位具有较好的模拟效果。

图1 星子站水位实测值与模拟值对比Fig.1 Comparison of water level at Xingzi station between observation and simulation

2.3 情境分析设置

水文因子与地形因子对鄱阳湖水情的影响可用式(1)表示，其中水文因子包括长江干流流量和五河入流。

ΔH=ΔHc+ΔHw+ΔHd。

(1)

式中：ΔH为鄱阳湖水情总变化量；ΔHc为长江干流流量的贡献量；ΔHw为五河入流的贡献量；ΔHd为地形的贡献量。各驱动因子的贡献率由式(2)计算。

(2)

式中Pc、Pw、Pd分别为长江、五河和地形的贡献率。

设置如表1中的4种情境，可得到S1—S4四个水位系列。将汉口流量、五河入流的突变前系列以及星子站前一日水位输入突变前模型中，可模拟得到S1水位系列。由S1水位系列计算得到的水文指标可以反映水文和地形因子均未改变时鄱阳湖的水文情势。考虑到鄱阳湖水位波动的特性，在计算IHA指标时，将4月份至翌年3月份作为水文年。同理，由S2、S3、S4水位系列计算得到的水文指标可分别反映仅长江干流流量变化后鄱阳湖的水文情势、水文因子发生变化后鄱阳湖的水文情势以及水文和地形因子均改变时鄱阳湖的水文情势。对比4种情境下水文指标的差异就可以分别得到水文因子和地形因子的贡献量。

表1 情境分析设置情况Table 1 Settings of scenarios

在情境分析时，逐日模拟星子站水位。如在情境1中，模拟第1天水位时输入：1988年1月1日汉口流量、1988年1月1日五河入流、1987年12月31日星子站水位。在接下来的水位模拟中，输入实测汉口流量、实测五河流量和模拟得到的星子站前一日水位。

3 结果与讨论

各驱动因子对各水文指标贡献量和贡献率如表2所示。长江干流流量对鄱阳湖12月份至翌年2月份以及6月份月平均水位具有一定的抬高作用。三峡水库在枯水期泄水发电可在一定程度上抬高长江干流水位。6月份三峡水库为腾空防洪库容，提前预泄，水位降到防洪限制水位145 m。预泄同样提高了长江干流水位。这增强了长江干流对鄱阳湖的顶托作用，使得湖水不易出流，从而抬高鄱阳湖水位。而5—6月份为鄱阳湖水系主汛期，三峡水库预泄增大了长江洪水与鄱阳湖洪水的遭遇概率，这在一定程度上增加了鄱阳湖5—6月份的防洪压力[17]。将5—6月份的情况和7—10月份的情况对比，可以发现，地形变化拉低鄱阳湖7—10月份月均水位为0.403～0.818 m，和5—6月份对鄱阳湖水位的影响差不多，甚至更小；但三峡水库运行后，这几个月鄱阳湖水位变化剧烈，尤其10月份水位下降量达到了最大值，为2.253 m。长江干流流量变化的贡献率为52%～67%，是7—10月份月均水位变化的主要驱动因子。7—8月份为长江主汛期，在遇到大洪水时，三峡水库将拦蓄超额洪水，导致鄱阳湖水位下降[18]。9月中旬，为达到正常蓄水位175 m，三峡水库开始蓄水，蓄水会一直持续到10月底，有时甚至延续到11月份。长江干流水量变化是造成鄱阳湖7—10月份水位下降的主要原因。这一结果和刘章君等[19]采用线性回归模型得到的结论一致。长江干流流量对年最高极值水位的拉低效应明显，拉低水位1.004～1.457 m，贡献率为58%～61%，对年最低极值水位则有抬高作用，表明三峡水库的运行对鄱阳湖7—9月份防洪发挥了重要作用，并对鄱阳湖枯水期具有一定的生态补水作用[17,20]。长江干流流量对高脉冲历时减少作用明显，对涨水率、落水率和逆转次数这3个指标影响不大。与长江干流流量一样，五河入流对年最低极值水位起到抬高作用，而其变化导致年最高极值水位降低。水文因子对年极值水位出现时间作用明显，是年极值水位出现时间这组指标变化的主要驱动因子。此外，水文因子对于年最高极值水位以及高脉冲次数、高脉冲历时等反映鄱阳湖洪水特征的指标降低或者减少都有着显著影响。

表2 水文与地形因子对水文指标贡献量及贡献率Table 2 Contributions of hydrological and topographic factors to hydrological indicators

从12月份至翌年6月份，地形是鄱阳湖水位下降的主要驱动因子。尤其在12月份至翌年3月份，地形对鄱阳湖水位下降贡献量为0.936～1.132 m，贡献率为92%～185%。地形对年最低极值水位的作用与水文因子相反。地形对年均1日最低水位、年均3日最低水位、年均7日最低水位、年均30日最低水位、年均90日最低水位的拉低效应明显，拉低水位1.056～1.095 m，贡献率为119%～147%。从以上分析可以发现，地形对鄱阳湖枯水期水文情势变化有着显著影响。

4 对策与建议

鄱阳湖水文情势变化对湖区水生态、水环境以及周边社会经济发展产生了不利影响，引起了广泛关注。针对前文的分析结果，并结合习近平总书记提出的“节水优先、空间均衡、系统治理、两手发力”的治水新思路，对鄱阳湖水资源管理和调控提出一些建议。

(1)优化三峡水库运行调度。三峡水库5—6月份预泄水量人为增大了长江洪水与鄱阳湖洪水的遭遇概率，增大了鄱阳湖5—6月份的防洪压力。针对这一情况，需要结合长江上游来水、鄱阳湖五河来水等合理把握预泄时间以及预泄水量。长江干流流量是鄱阳湖7—10月份水位下降的主要驱动因子，而三峡水库运行以来鄱阳湖10月份月平均水位变化剧烈，同样也需要根据长江上游来水、五河来水等实际情况将三峡水库汛末蓄水时间适当提前，减小水库蓄水对鄱阳湖水位变化的影响，避免出现极端的枯水水情[19]。

(2)加强五河上水利工程建设，调蓄五河洪水，加强全流域蓄水，植树造林，涵养水源，在三峡蓄水期间增加五河泄流[17,19]。

(3)规范采砂，禁止乱采滥挖，减小采砂对鄱阳湖水文情势的影响[21]。

5 结 论

通过构建BP神经网络模型模拟鄱阳湖水位过程，利用水文变异指标法中的指标体系表征鄱阳湖水文情势，并通过情境分析计算长江干流流量、五河入流以及地形对IHA各个水文指标改变量的贡献率，所得主要研究结论如下：

(1)长江干流流量是鄱阳湖7—10月份月平均水位下降的主要驱动因子，贡献率为52%～67%，表明三峡水库的运行对鄱阳湖7—9月份防洪发挥了重要作用，但也造成了鄱阳湖10月份月平均水位的剧烈变化。

(2)水文因子是年最高极值水位下降的主要驱动因子，是年极值水位出现时间变化的主要原因，对于年最高极值水位以及高脉冲次数、高脉冲历时等反映鄱阳湖洪水特征的指标降低或者减少都有着显著影响。

(3)地形对鄱阳湖枯水期水文情势变化有着显著影响，对12月份至翌年3月份月平均水位下降的贡献率为92%～185%，是鄱阳湖枯水期水位下降的主要驱动因子。