APP下载

塔里木河流域产水量时空分布及驱动因素分析

2021-09-02孙琪徐长春任正良楚智

灌溉排水学报 2021年8期
关键词:流域因子区域

孙琪,徐长春*,任正良,楚智

塔里木河流域产水量时空分布及驱动因素分析

孙琪1,2,徐长春1,2*,任正良1,2,楚智1,2

(1.新疆大学 资源与环境科学学院,乌鲁木齐 830046;2.新疆大学 绿洲生态教育部重点实验室,乌鲁木齐 830046)

【】研究区域产水量时空变化及其驱动因素,为区域水资源的调配与管理提供理论支撑。利用InVEST模型模拟了2000―2015年和田河流域、开都-孔雀河流域和叶尔羌河流域产水量的时空分布并对驱动因素进行了分析。空间上,各流域多年平均产水量均集中分布在流域上游地区,平均产水量多在30 mm以上。2000―2015年和田河流域和开都-孔雀河流域产水量以下降趋势为主,而叶尔羌河流域则相反。降水对流域产水功能起着关键作用,和田河流域、开都-孔雀河流域和叶尔羌河流域产水量与降水呈显著相关性的面积占比较大,分别为73.99%、88.49%和71.11%。气温和降水是影响各流域产水量空间分布的主导因素,其值都在0.438 0以上;各流域两两因子之间的交互作用都存在着非线性增强;和田河流域人口密度与GDP、开都-孔雀河流域相对湿度与太阳辐射和风速、叶尔羌河流域GDP、人口密度与相对湿度之间差异显著。西北干旱区内陆河典型流域产水量主要受气温和降水的影响。

西北干旱区;产水量;时空分布;气候因素;社会经济因素

0 引 言

【研究意义】水资源不仅是人类生存必不可少的资源,而且是维持和保障区域经济和生态系统可持续发展的重要条件[1-2]。区域经济发展中的各类要素(人口、农业、工业等)的空间布局在一定程度上都受到水资源分布的限制。随着人类生产生活需求的增加和城市化进程的加快,对水资源的需求量也迅速增加。同时,由人类活动所引起的水环境污染和水资源浪费现象严重,也导致了部分地区出现水资源短缺[3-5]的问题。因此,研究产水量的时空分布与变化及驱动因素对区域水资源的合理开发和利用尤为重要。【研究进展】产水是一个复杂的过程,产水的形成受到降水、土壤质地、土壤深度、蒸散发、土地利用类型和植物根系深度等多种因素的共同影响[6]。对于产水量,当前无明确定义,一般认为是降水量与实际蒸散发的差值[1,7]。随着遥感技术的发展与应用,使用模型模拟不同尺度产水量的方法,在区域水资源研究与管理中得到了广泛的应用[8]。目前用于研究产水量的水文模型主要有:MIKESHE模型、TOPMODEL模型、SWAT模型和InVEST模型等。如:肖金强[9]利用MIKESHE模型模拟了北京市密云县土门试验流域、帽石沟小流域的径流量;李文倩等[10]基于融雪的TOPMODEL模型模拟玛纳斯河流域的日降雨径流过程;Chen等[11]利用分布式水文模型SWAT模拟了长江上游索莫盆地近40年来的径流变化;窦苗等[12]利用InVEST模型模拟了2005―2014年横断山区的年均产水量;王蓓等[13]利用InVEST模型对我国西北干旱区黑河流域产水量的空间分布进行了模拟并对其冷热点分布格局进行了计算。近年来,受到全球气候变化和社会经济发展的影响,国内外学者对区域产水量的研究开始集中于产水量的驱动因素分析。赵亚茹等[14]对影响石羊河上游产水量的驱动因素进行了分析,得出气候因素是影响产水变化的主导因素;杨洁等[15]研究了降水和土地利用变化对黄河流域产水量的影响,结果表明降水对产水量的影响要远大于土地利用变化的影响。

【切入点】和田河流域、开都-孔雀河流域和叶尔羌河流域位于我国西北内陆干旱区,是塔里木河流域四源一干的重要组成部分,生态脆弱和荒漠化程度较高,水资源短缺及其时空分布不均是导致流域生态环境脆弱和荒漠化现象的主要原因。因此,加大流域水资源的合理开发利用、管理和调配就显得尤为重要。人类活动影响着干旱区流域水分的时空分布变化,而干旱区流域水分条件的改变又影响着流域内绿洲的演变和荒漠化的程度和方向;随着人类活动和社会经济的发展,这种演化将会更加剧烈。全球气候变暖又导致新疆气候向暖湿化方向发展,气温的升高和降水的增加在一定程度上又使得退化生态系统得到了一定恢复。目前无法得知在这种气候变化和社会经济发展双重作用下流域内产水量的时空分布究竟会发生怎样变化,驱动因子如何,其对流域产水的影响程度又如何。【拟解决的关键问题】鉴于此,选择1998年以来全球气候变暖开始处于高位震荡的时期,以2000―2015年作为研究年限,基于InVEST模型模拟分析和田河流域、开都-孔雀河流域和叶尔羌河流域产水量的时空分布及变化,并对气候(降水、气温、辐射、风速和相对湿度)和社会经济(GDP和人口密度)2方面的影响因素进行对比分析,以期为流域水资源配置与管理、生态环境保护和流域综合治理提供科学依据。

1 研究方法、数据及模型校准

1.1 研究区概况

和田河流域、开都-孔雀河流域和叶尔羌河流域位于新疆南部塔里木盆地,属大陆性暖温带干旱气候,是塔里木河流域四源一干的重要组成部分(图1)。

图1 研究区位置及地理环境示意

和田河流域位于昆仑山与喀喇昆仑山北麓、新疆维吾尔自治区南端、塔里木盆地西南部边缘[16],流域总面积为49 330 km2,流域内主要河流为玉龙喀什河和喀拉喀什河,多年平均年径流量47.344亿m3;开都-孔雀河流域位于天山南簏、塔里木盆地东北部[17],流域总面积为49 584 km2,流域内主要河流为开都河和孔雀河,多年平均年径流量为38.603亿m3;叶尔羌河流域位于喀喇昆仑山南端北麓、塔里木盆地西部边缘,流域总面积为79 820 km2,流域内主要河流为叶尔羌河、提孜那甫河、乌鲁克河和克柯亚河,多年平均年径流量为74.131亿m3[18]。

1.2 数据来源与处理

①气象数据:选取了新疆50个气象站点2000、2005、2010年和2015年的逐日降水量、气温、辐射、风速和相对湿度,数据来源于国家气象信息中心(https://data.cma.cn)。利用ANUSPLIN方法进行插值,通过研究区矢量图对研究区域进行裁剪,得到研究区气象要素的空间分布数据。②社会经济数据:选取了2000、2005、2010年和2015年的GDP和人口密度(POP)数据,来源于资源环境科学与数据中心(http://www.resdc.cn/),空间分辨率为1 000 m。③土地利用类型数据:选取了2000、2005、2010年和2015年的土地利用类型数据,来源于资源环境科学与数据中心(http://www.resdc.cn/),空间分辨率为30 m,由中国科学院地理科学与资源研究所以各期Landsat TM/ETM遥感影像为主要数据源通过人工目视解译生成。④年平均潜在蒸散发:利用Penman-Monteith公式对研究区2000、2005、2010年和2015年的潜在蒸散发进行计算,计算潜在蒸散发所需要的气象数据(降水、气温和太阳辐射)均来自国家气象信息中心(https://data.cma.cn)。反距离加权(IDW)方法进行插值,得到研究区年平均潜在蒸散发空间分布图。⑤土壤深度和土壤质地数据:来源于寒区旱区科学数据中心(http://data.casnw.net/portal/),通过研究区矢量图对研究区域进行裁剪,得到研究区土壤深度图。⑥植物可利用水量(PAWC):一般指田间持水率减去萎蔫点,可以根据土壤质地数据使用Soil Water Characteristics软件进行计算得到。⑦流域边界数据:来源于资源环境科学与数据中心(http://www.resdc.cn/),中国三级流域空间分布。⑧生物物理系数表:包括蒸散系数(c)和根系深度。其中,蒸散系数依据联合国粮农组织FAO的参考值和InVest模型提供的参考数据获得;根系深度则是依据Canadell等[19]对全球范围内植被最大根深的研究获得。

1.3 研究方法

1.3.1 产水量模型

本文利用InVEST模型中的产水模块对流域产水的时空变化进行了计算。InVEST模型是由美国自然资源项目组开发,主要用于生态系统服务功能的量化以及为生态系统管理提供决策方案的一套模型系统,主要包括碳存储和固定、产水量、水电生产和评价、养分持留、土壤保持量、生物多样性和作物生产等模块。InVEST模型产水模块原理是基于Budyko水热耦合平衡假设,来计算研究区内每个栅格单元的年产水量,计算式为:

式中:()为栅格单元的年产水量;()为栅格单元的年实际蒸散发;()为栅格单元的年降水量。

()为栅格单元的潜在蒸散发,计算式为:

式中:0()为栅格单元的参考作物蒸散量;c(l)为栅格单元某一土地利用类型的植被蒸散系数。

()为自然气候―土壤性质的非物理参数,是一个经验参数,基于全球数据的()公式亟待进一步研究,InVEST模型使用了Donohue等[20]提出的公式:

式中:为季节参数(1~30之间);()为土壤有效含水率(mm);是植物可利用水量()与土壤最大根系埋藏深度和植物根系深度最小值的乘积,公式为:

()=Min(Rest.layer.depth,root.depth)·。(5)

1.3.2 地理探测器

地理探测器是由王劲峰等[21]提出,可探测空间分异性并揭示该空间分异的驱动因素。其核心思想是:假设自变量是影响因变量的重要因素,那么自变量的空间分布与因变量在一定程度上具有相似性。地理探测器主要是由分异及因子探测器、交互作用探测器、生态探测器和风险区探测器组成。本研究使用了分异及因子探测器、交互作用探测器、生态探测器。

分异及因子探测器:可用于量化各驱动因子即自变量对因变量的空间变化分异性,探测其影响力大小,值表示自变量对因变量的解释程度,计算式为:

式中:=1,2,…,为自变量或因变量的类型分区;N和分别为类型分区和整体区域的样本数量;σ2和2分别是类型分区和整体区域值的方差;值取值(0≤≤1),值越大,对因变量的解释能力越强。

交互作用探测器:可用于判别各驱动因子(自变量)之间的交互作用,即判断自变量a和自变量b共同作用时对于因变量的解释力是起增强作用还是减弱作用,两自变量之间存在以下几种关系(表1)。

表1 两自变量交互作用类型

生态探测器:可用于判断两两驱动因子即自变量a和自变量b对因变量空间分布影响力是否具有显著的差异:

式中:Na和Nb分别为两驱动因子a和b的采样个数;SSWa和SSWb分别为驱动因子a和b形成的类型分区的区内方差之和。

1.4 模型校准

通过调节季节参数,对流域产水量的输出结果进行校准。根据塔里木河流域水资源公报以及《中国塔里木河治水理论与实践》,和田河流域、开都-孔雀河流域和叶尔羌河流域多年平均年径流量分别为47.334亿、38.603亿m3和74.131亿m3,当季节参数分别为30、24、30时,接近各流域多年平均产水量,整体的误差最小,模型模拟结果最优。

2 结果与分析

2.1 各流域产水量的空间分布

新疆和田河流域、开都-孔雀河流域和叶尔羌河流域2000―2015年平均产水量均集中分布在上游且具有较大的空间差异(图2)。其中,和田河流域上游产水量空间格局具有东南高西北低的特点,玉龙喀什河上游山区、皮山县的南部产水量较大,大部分区域产水量在90 mm以上,而喀拉喀什河上游山区产水量则集中分布在30~90 mm之间。开都-孔雀河流域上游产水量空间分布表现出四周高中间低的特点,阳霞河、开都河、乌拉斯台河、东塔西台河、霍拉山和迪那河周边地区产水量大多在120 mm以上,而中心地带的产水量则在30 mm以下。叶尔羌河流域产水高低值交叉分布在流域上游的山间谷地,其中,公格尔山、巴士塔格山、克勒青河和乌鲁克吾斯塘河源头附近的山区产水量较大,而在塔什库尔干河、乌鲁克吾斯塘河、克勒青河的河道附近产水量较小。从各流域整体空间分布上看,各流域在上游山间谷地的产水量要明显高于其他地区,这是由于流域的降水量在山间分布较大的原因。从各流域相比较来说,开都-孔雀河流域产水量在120 mm以上的区域明显大于其他2个流域且分布比较集中。

图2 2000―2015年各流域平均产水量(mm)

图3 2000―2015年各流域产水量变化斜率(mm/a)

2.2 各流域产水量时空动态分析

2000―2015年和田河流域和开都-孔雀河流域绝大部分区域的产水量都处于下降的趋势,分别占流域面积的94.37%和89.64%(图3)。和田河流域2.81%的区域产水量下降在15 mm/a以上,零散分布在和田河流域的中部,呈西北东南方向条带状分布,而产水量增加的区域集中分布在喀拉喀什河的上游。开都-孔雀河流域3.04%的区域产水量下降达到15 mm/a以上,主要分布在霍拉山和哈布其哈河附近,在博斯腾湖和孔雀河的河道附近产水量呈增加趋势。叶尔羌河流域产水量以增加趋势为主,占流域面积的69.01%,增加范围为0~15 mm/a,仅有0.03%区域的产水量增加在30 mm/a以上,零散分布在叶尔羌河流域上游的山间谷地。

2.3 气候因子与各流域产水量相关性分析

为定量分析气候因子对3个流域产水量的影响,本文采用Pearson相关系数逐像元计算2000、2005、2010、2015年和田河流域、开都-孔雀河流域、叶尔羌河流域产水量与各气候因子(降水、气温、辐射、风速和相对湿度)之间的相关性程度(图4)。由图4降水可知,和田河流域、开都-孔雀河流域、叶尔羌河流域绝大部分地区的产水量与年降水量都呈显著正相关,面积占比分别为73.99%、88.49%和71.11%,说明降水是影响流域产水的主导因素。

和田河流域和叶尔羌河流域产水量与年平均气温的相关性以正相关为主,开都-孔雀河流域产水量与年平均气温负相关的面积占比较大(图4气温)。其中,和田河流域产水量与年平均气温呈显著正相关面积占比为5.04%,集中分布在喀拉喀什河的上游山区;开都-孔雀河流域有4.33%的区域产水量与年平均气温呈显著负相关,主要分布在霍拉山和哈布其哈河附近。

和田河流域和开都-孔雀河流域产水量与辐射呈正相关的区域明显大于呈负相关的区域,而叶尔羌河流域则相反(图4辐射)。其中和田河流域和开都-孔雀河流域产水量与辐射呈显著正相关面积占比分别为13.20%和14.74%,集中分布在玉龙喀什河、哈布其哈河和东塔西台河上游山区附近。叶尔羌河流域产水量与辐射呈显著负相关面积占比为8.09%,零散分布在叶尔羌河流域的上游。

注 a、b、c分别代表和田河流域、开都-孔雀河流域和叶尔羌河流域(显著性水平α=0.1)。

和田河流域、开都-孔雀河流域和叶尔羌河流域产水量与年平均风速呈负相关面积占比分别为52.63%、82.89%和27.24%(图4风速)。其中,呈显著负相关面积占比分别为19.79%、20.21%和4.54%,集中分布于玉龙喀什河的上游山区、霍拉山、哈布其哈河、东塔西台河中下游地区和叶尔羌河流域的中游地区。

和田河流域产水量与相对湿度的相关性,负相关性占主导地位,而开都-孔雀河流域和叶尔羌河流域则相反(图4相对湿度)。其中,和田河流域有0.87%的区域产水量与相对湿度呈显著负相关,零散分布在喀拉喀什河的上游山区和慕士山附近;开都-孔雀河流域产水量与相对湿度呈显著正相关面积占比为39.55%,主要分布在霍拉山和哈布其哈河和东塔西台河附近;叶尔羌河流域产水量与相对湿度呈显著正相关面积占比为2.55%,零散分布在克勒青河山区附近。

2.4 社会经济因子与各流域产水量相关性分析

图5为社会经济因子与流域产水量相关性的空间分布情况。由图5可知,和田河流域、开都-孔雀河流域和叶尔羌河流域产水量与GDP呈负相关的区域大于呈正相关的区域。其中和田河流域有2.44%的区域呈显著负相关,零散分布在流域的中游;开都-孔雀河流域与GDP呈显著负相关的区域仅占0.54%,集中分布在霍拉山南坡山脚附近;而叶尔羌河流域和GDP呈显著正相关的区域明显大于显著负相关的区域,主要分布在克勒青河附近周边山区。

图5 社会经济因子与流域产水量相关性的空间分布格局

和田河流域、开都-孔雀河流域产水量与人口密度(POP)呈负相关的区域明显大于呈正相关的区域,而叶尔羌河流域则相反。相较于和田河流域和叶尔羌河流域,开都-孔雀河流域产水量与人口密度呈显著相关性的区域较大,集中分布在博斯腾湖和东塔西台河附近。

2.5 各流域产水量空间差异驱动因子分析

由因子探测的结果可知(表2),和田河流域、开都-孔雀河流域气候因子的决定力(值)要远远大于社会经济因子,而叶尔羌河流域则不同,其社会经济因子的决定力明显大于其他2个流域。影响三大流域产水量空间变化分布的第一、第二主导因素都是气温和降水,其值都在0.438 0以上,由此可知,气温和降水是引起产水量变化的重要驱动力。GDP是影响和田河流域、开都-孔雀河流域产水量变化最小的因子,值分别为0.042 8、0.008 2,而对叶尔羌河流域产水量变化影响最小的因子是相对湿度,值为0.155 7。

由表3―表5可知,和田河流域、开都-孔雀河流域和叶尔羌河流域产水量变化的驱动因子之间的交互作用均大于各因子的独立作用,且各流域两两因子之间的交互作用都存在非线性增强。和田河流域相对湿度和辐射之间的交互作用影响力最强,相对湿度和气温交互因子次之;开都-孔雀河流域风速和降水之间的交互作用影响力最强,风速和气温交互因子次之,而叶尔羌河流域降水和气温之间的交互作用影响力最强,降水和风速交互因子次之。说明不同流域两两因子交互作用产生的影响力存在着较大差异。

通过生态探测器可知,和田河流域人口密度与GDP、开都-孔雀河流域相对湿度与辐射和风速、叶尔羌河流域GDP、人口密度与相对湿度之间的差异显著,其余因子之间差异不显著。

表2 各流域产水量年际空间变化的因子探测结果

表3 和田河流域产水量交互探测与生态探测结果

注 加“*”表示两两因子的交互作用为非线性增强,否则无标记;“+”表示生态探测中为显著差异,否则无标记。下同。

表4 开都-孔雀河流域产水量交互探测与生态探测结果

表5 叶尔羌河流域产水量交互探测与生态探测结果

3 讨 论

2000―2015年和田河流域、开都-孔雀河流域和叶尔羌河流域年均产水量集中分布在各流域的上游,和田河流域和开都-孔雀河流域绝大部分区域的产水量以下降趋势为主,而叶尔羌河流域则相反,这一空间格局变化与各流域降水空间格局变化相吻合。通过Pearson相关性分析和地理探测器综合分析表明降水对流域产水量的影响最为显著,且呈正相关关系。这一研究结论与以往结果相似。例如,王亚慧等[22]通过Pearson相关分析,得到横断山区产水量与降水量呈明显的正相关,相关系数在0.9以上,且产水量的时间变化也主要受降水量变化的影响(>0.98,<0.01)。郭丽洁等[23]通过ArcGIS对2010和2015年阿克苏河流域产水和降水时空格局进行比较,得到产水量变化与降水量变化基本一致,表明降水对其产水量变化具有显著影响。在与其他气候因子(气温、辐射、风速和相对湿度)的相关性分析中,各流域产水量与各气候因子呈现不显著相关性的区域面积占比较大,这是因为气温、辐射、风速和相对湿度等气候因子主要通过影响流域的蒸散发过程间接影响流域的产水,而王亚慧等[22]、孙小银等[7]、吴健等[1]和徐洁等[24]研究证明产水量与潜在蒸散和实际蒸散相关性并不明显。在不同流域中,气温、辐射等气候因子对流域产水量的正负相关性的影响可能截然不同,即不同区域对流域蒸散发过程正负相关性的影响不同。这一研究结论与蒙雨等[25]研究结果相一致。

通过Pearson相关性分析和地理探测器综合分析,和田河流域、开都-孔雀河流域和叶尔羌河流域产水量受社会经济因子(GDP和人口密度)的影响较小。这主要是因为GDP和人口密度是人类活动的反应指标。在塔里木河流域人类活动多集中分布在流域中下游绿洲平原区,流域上游山区受人类活动影响较小。而和田河流域、开都-孔雀河流域和叶尔羌河流域产水量多集中在流域上游。因此,和田河流域、开都-孔雀河流域和叶尔羌河流域产水量受社会经济因素的影响较小,主要受气候因子影响。

4 结 论

1)新疆和田河流域、开都-孔雀河流域和叶尔羌河流域多年平均产水量均集中分布在流域上游地区。和田河流域上游产水量表现为东南高西北低的特点;开都-孔雀河流域上游产水量空间分布呈四周高中间低;而叶尔羌河流域产水量高低值区交叉分布在流域上游的山间谷地。

2)2000―2015年和田河流域和开都-孔雀河流域绝大部分区域的产水量都处于下降的趋势,分别占流域面积的94.37%和89.64%,而叶尔羌河流域产水量则以增加趋势为主,占流域面积的69.01%。

3)各流域产水量与降水呈显著性相关的面积占比最高;各流域绝大部分区域产水量与GDP、人口密度呈现的相关性不显著。

4)和田河流域、开都-孔雀河流域和叶尔羌河流域气温和降水是引起产水量变化的重要驱动力。和田河流域人口密度与GDP、开都-孔雀河流域相对湿度与辐射和风速、叶尔羌河流域GDP、人口密度与相对湿度之间差异显著。

[1] 吴健, 李英花, 黄利亚, 等. 东北地区产水量时空分布格局及其驱动因素[J]. 生态学杂志, 2017, 36(11): 3 216-3 223.

WU Jian, LI Yinghua, HUANG Liya, et al. Spatiotemporal variation of water yield and its driving factors in Northeast China[J]. Chinese Journal of Ecology, 2017, 36(11): 3 216-3 223.

[2] LANG Y Q, SONG W, ZHANG Y. Responses of the water-yield ecosystem service to climate and land use change in Sancha River Basin, China[J]. Physics and Chemistry of the Earth, Parts A/B/C, 2017, 101: 102-111.

[3] DENG X Z, ZHAO C H. Identification of water scarcity and providing solutions for adapting to climate changes in the Heihe river basin of China[J]. Advances in Meteorology, 2015, 2015: 1-13.

[4] SHOMAR B, DARE A. Ten key research issues for integrated and sustainable wastewater reuse in the Middle East[J]. Environmental Science and Pollution Research, 2015, 22(8): 5 699-5 710.

[5] 何伟, 宋国君. 河北省城市水资源利用绩效评估与需水量估算研究[J]. 环境科学学报, 2018, 38(7): 2 909-2 918.

HE Wei, SONG Guojun. Evaluation of urban water resources utilization efficiency and water demand estimation in Hebei Province[J]. Acta Scientiae Circumstantiae, 2018, 38(7): 2 909-2 918.

[6] 窦苗. 基于InVEST模型的横断山区产水功能时空变化及其影响因素研究[D]. 兰州: 兰州交通大学, 2018.

DOU Miao. The study of spatial and temporal variation of water production function and its influencing factors in the Hengduan mountain region based on InVEST model[D]. Lanzhou: Lanzhou Jiatong University, 2018.

[7] 孙小银, 郭洪伟, 廉丽姝, 等. 南四湖流域产水量空间格局与驱动因素分析[J]. 自然资源学报, 2017, 32(4): 669-679.

SUN Xiaoyin, GUO Hongwei, LIAN Lishu, et al. The spatial pattern of water yield and its driving factors in nansi lake basin[J]. Journal of Natural Resources, 2017, 32(4): 669-679.

[8] 王玉纯, 赵军, 付杰文, 等. 石羊河流域水源涵养功能定量评估及空间差异[J]. 生态学报, 2018, 38(13): 4 637-4 648.

WANG Yuchun, ZHAO Jun, FU Jiewen, et al. Quantitative assessment of water conservation function and spatial pattern in Shiyang River basin[J]. Acta Ecologica Sinica, 2018, 38(13): 4 637-4 648.

[9] 肖金强. 应用分布式流域水文模型MIKESHE研究华北土石山区小流域水文响应[D]. 北京: 北京林业大学, 2006.

XIAO Jinqiang. The application of distributed hydrologic model MIKESHE to simulate hydrologic responses of small watershed in North China[D]. Beijing: Beijing Forestry University, 2006.

[10] 李文倩, 汤骅, 薛联青. 基于融雪TOPMODEL模型对玛纳斯河流域径流的模拟[J]. 石河子大学学报(自然科学版), 2015, 33(6): 779-786.

LI Wenqian, TANG Hua, XUE Lianqing. The application of TOPMODEL for runoff simulation in the manas river based on snowmelt[J]. Journal of Shihezi University (Natural Science), 2015, 33(6): 779-786.

[11] CHEN J F, LI X B, ZHANG M. Simulating the impacts of climate variation and land-cover changes on basin hydrology: A case study of the Suomo basin[J]. Science in China Series D: Earth Sciences, 2005, 48(9): 1 501-1 509.

[12] 窦苗, 孙建国, 陈海鹏. 基于InVEST模型的横断山区产水量模拟[J]. 安徽农业科学, 2017, 45(21): 54-58.

DOU Miao, SUN Jianguo, CHEN Haipeng. Water production simulation in Hengduan mountainous region based on in VEST model[J]. Journal of Anhui Agricultural Sciences, 2017, 45(21): 54-58.

[13] 王蓓, 赵军, 胡秀芳. 基于InVEST模型的黑河流域生态系统服务空间格局分析[J]. 生态学杂志, 2016, 35(10): 2 783-2 792.

WANG Bei, ZHAO Jun, HU Xiufang. Spatial pattern analysis of ecosystem services based on InVEST in Heihe River Basin[J]. Chinese Journal of Ecology, 2016, 35(10): 2 783-2 792.

[14] 赵亚茹, 周俊菊, 雷莉, 等. 基于InVEST模型的石羊河上游产水量驱动因素识别[J]. 生态学杂志, 2019, 38(12): 3 789-3 799.

ZHAO Yaru, ZHOU Junju, LEI Li, et al. Identification of drivers for water yield in the upstream of Shiyang River based on InVEST model[J]. Chinese Journal of Ecology, 2019, 38(12): 3 789-3 799.

[15] 杨洁, 谢保鹏, 张德罡. 基于InVEST模型的黄河流域产水量时空变化及其对降水和土地利用变化的响应[J]. 应用生态学报, 2020, 31(8): 2 731-2 739.

YANG Jie, XIE Baopeng, ZHANG Degang. Spatio-temporal variation of water yield and its response to precipitation and land use change in the Yellow River Basin based on InVEST model[J]. Chinese Journal of Applied Ecology, 2020, 31(8): 2 731-2 739.

[16] 黄领梅, 沈冰, 宋孝玉, 等. 和田河流域地表径流变化分析[J]. 沈阳农业大学学报, 2004, 35(Z1): 513-515.

HUANG Lingmei, SHEN Bing, SONG Xiaoyu, et al. Characteristics of surface water resources in the Hotan river basin[J]. Journal of Shenyang Agricultural University, 2004, 35(Z1): 513-515.

[17] 杨媛媛, 徐长春, 罗映雪, 等. 基于植被蒸散发法的孔雀河流域天然植被生态需水估算[J]. 灌溉排水学报, 2020, 39(4): 106-115.

YANG Yuanyuan, XU Changchun, LUO Yingxue, et al. Estimation of Ecological Water Requirement for the Natural Vegetation in the Kongque River Basin based on Vegetation Evapotranspiration [J]. Journal of Irrigation and Drainage, 2020, 39(4): 106-115.

[18] 邓铭江. 中国塔里木河治水理论与实践[M]. 北京: 科学出版社, 2009.

DENG Mingjiang. The Theory and Practice of Water Regulation of the Tarim River in China [M]. Beijing: Science Press, 2009.

[19] CANADELL J, JACKSON R B, EHLERINGER J B, et al. Maximum rooting depth of vegetation types at the global scale[J]. Oecologia, 1996, 108(4): 583-595.

[20] DONOHUE R J, RODERICK M L, MCVICAR T R. Roots, storms and soil pores: Incorporating key ecohydrological processes into Budyko's hydrological model[J]. Journal of Hydrology, 2012, 436/437: 35-50.

[21] 王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116-134.

WANG Jinfeng, XU Chengdong. Geodetector: Principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-134.

[22] 王亚慧, 戴尔阜, 马良, 等. 横断山区产水量时空分布格局及影响因素研究[J]. 自然资源学报, 2020, 35(2): 371-386.

WANG Yahui, DAI Erfu, MA Liang, et al. Spatiotemporal and influencing factors analysis of water yield in the Hengduan Mountain region[J]. Journal of Natural Resources, 2020, 35(2): 371-386.

[23] 郭丽洁, 尹小君, 苟贞珍, 等. 基于InVEST模型的阿克苏河流域产水量评估及环境因素影响研究[J]. 石河子大学学报(自然科学版), 2020, 38(2): 216-224.

GUO Lijie, YIN Xiaojun, GOU Zhenzhen, et al. Evaluation on water yield and analysis of its variation characteristics of Arku River Basin based on In VEST model[J]. Journal of Shihezi University (Natural Science), 2020, 38(2): 216-224.

[24] 徐洁, 肖玉, 谢高地, 等. 东江湖流域水供给服务时空格局分析[J]. 生态学报, 2016, 36(15): 4 892-4 906.

XU Jie, XIAO Yu, XIE Gaodi, et al. Spatiotemporal analysis of water supply service in the Dongjiang Lake Basin[J]. Acta Ecologica Sinica, 2016, 36(15): 4 892-4 906.

[25] 蒙雨, 但文红, 王焕. 基于MOD16的乌江流域地表蒸散发时空特征及影响因素[J]. 水土保持研究, 2020, 27(6): 139-145.

MENG Yu, DAN Wenhong, WANG Huan. Spatiotemporal characteristics of evapotranspiration and its affecting factors in Wujiang basin based on MOD16[J]. Research of Soil and Water Conservation, 2020, 27(6): 139-145.

Spatiotemporal Variation in Water Yield and Their Underlying Mechanisms in Tarim River Basin

SUN Qi1,2, XU Changchun1,2*, REN Zhengliang1,2, CHU Zhi1,2

(1.College of Resource and Environment Sciences, Xinjiang University, Urumqi 830046, China;2. MOE Key Laboratory of Oasis Ecology, Xinjiang University, Urumqi 830046, China.)

【】Global climate change and anthropogenic activities combine to have altered water flow and distribution in many basins, especially those in arid and semi-arid regions. Understanding water yield and its spatiotemporal change in a basin, as well as their determinants, is hence important to improve water management but challenging because of the amount of data it requires. Taking Tarim basin as an example, this paper aims to analyze the spatiotemporal changes in its water yield and the underlying mechanisms.【】The analysis was based on numerical simulations; spatiotemporal distribution of water yield from 2000 to 2015 in three catchments in the basin: Hotan catchment, Kaidu-Kongqu catchment, and Yerqiang catchment, was simulated using the InVEST model. Factors posited to impact water yield in the three catchments, including precipitation, temperature, solar radiation, wind speed, relative humidity, GDP and population density, were analyzed using the Pearson correlation and the geographic detector.【】Spatially, the average annual water yield in each catchment was in its upper reach with average depth of the water yield in all three catchments being more than 30 mm. On average, the water yield in Kaidu-Kongque catchment was more than that in the Hetian and Yarkant catchment; and the water yield in most upstream areas in the three catchments was more than 120 mm. From 2000 to 2015, the water yield in Hetian and Kaidu-Kongque catchment had been in decline, while that in Yarkant catchment had been in rise. Precipitation and water production were correlated at significant level for all studied areas, accounting for 73.99%, 88.49% and 71.11% of the water production in Hetian, Kaidu-Peacock and Yarkant catchments respectively, indicating that precipitation was the key contributor to the water yield. Geographical-detector analysis revealed that air temperature and precipitation were the dominant factors controlling the spatial distribution of water yield and their impacts were nonlinearly integrated, with thevalue being higher than 0.438. Intra-basin factors that were not correlated at significant level are as follows: Population density and GDP for Hetian catchment; relative humidity, radiation and wind speed for Kaidu-Kongque catchment; population density and humidity for Yarkant catchment.【】The water yield in typical inland river basins in arid areas of northwestern China was mainly affected by temperature and precipitation.

arid regions of Northwestern China; water production; spatiotemporal distribution; climatic factors; socioeconomic factors

TV213.4

A

10.13522/j.cnki.ggps.2020698

1672 – 3317(2021)08 - 0114 - 09

孙琪, 徐长春, 任正良, 等. 塔里木河流域产水量时空分布及驱动因素分析[J]. 灌溉排水学报, 2021, 40(8): 114-122.

SUN Qi, XU Changchun, REN Zhengliang, et al. Spatiotemporal Variation in Water Yield and Their Underlying Mechanisms in Tarim River Basin[J]. Journal of Irrigation and Drainage, 2021, 40(8): 114-122.

2020-12-16

国家自然科学基金项目(41561023)

孙琪(1996-),男,山东淄博人。硕士研究生,主要从事干旱区生态水文研究。E-mail: 2972653327@qq.com

徐长春(1977-),女,新疆阿勒泰人。教授,博士,主要从事干旱区气候、水文与水资源研究。E-mail: xcc0110@163.com

责任编辑:陆红飞

猜你喜欢

流域因子区域
我刊2021年影响因子年报
我刊2021年影响因子年报
昌江流域9次致洪大暴雨的空间分布与天气系统分析
分割区域
基于BM3D的复杂纹理区域图像去噪
山药被称“长寿因子”
河南省小流域综合治理调查
区域发展篇
称“子流域”,还是称“亚流域”?
扮靓爱车拒绝潜伏危险因子