极端气象气候条件下土地利用变化的水文水资源效应研究——以东江流域为例

秦美茵，董春雨，孙秀峰

(1.中山大学 土木工程学院，广东 珠海 519082；2. 广东省水利水电科学研究院，广州 510635)

1 概述

土地利用变化作为影响流域水文循环的主要驱动因素之一，能够显著影响蒸散发、降雨截留、地表径流及土壤下渗等水文过程，进而改变河道的径流量，并引发洪旱灾害、水资源短缺等问题[1]。目前国内外已有较多学者对土地利用变化对径流的影响展开研究。Matens等[2]采用试验流域法对多个土地利用条件不同流域的年径流量进行分析，研究表明园地和裸地年径流系数最大，而自然植被的径流系数最小。欧阳钦从等[1]对晋江流域土地利用变化对水文过程影响进行分析，认为降雨量越小，蒸散发和地表径流的效应越显著，而土壤剖面下渗和地下径流效应则相反。吕乐婷等[3]对土地利用变化对东江流域产流过程影响进行定量评估，认为地表径流、侧向流对土地利用变化的响应在雨季更为敏感，实际蒸发、潜在蒸发及径流总量对土地利用变化的响应在旱季更为敏感。目前相关研究大多集中于研究土地利用变化对年径流、月径流及产流过程的响应分析，对极端气象气候条件下土地利用变化的水文效应研究相对较少。

近百年来，全球气候持续变暖，地表气温升高，在一定程度上加剧了蒸散发等水循环过程，导致暴雨和干旱等灾害事件发生的频率和强度增加[4-5]。极端气象气候条件下，土地利用对水文过程的影响可能会有放大效应，但目前学界仍没有明确结论，亟需深入研究[6-8]。因此，研究极端气象气候条件下土地利用变化的水文效应对于地方防灾减灾、生态保护和国土空间规划等具有重要意义。

东江流域位于经济发达的东部沿海地区，1990年以来，其土地利用结构变化主要表现为城市化过程显著，非城镇用地结构变化明显，以及林地和灌草地减少的总体特征；随着粤港澳大湾区的建设开发，未来该流域内土地开发利用活动将更加频繁[9-10]。近半个多世纪以来，珠江流域极端高温及短时间极端降水事件持续增多，极端高温事件的增多，降水的集中以及干期的变长使珠江流域面临着高温干旱和暴雨洪水的威胁[11]。目前关于东江流域土地利用变化对水文过程的影响分析主要基于实际发生的土地利用变化，少有针对未来不同土地利用情景对水文过程和水资源的影响进行相关探讨。因此，本文以东江流域为案例研究区，基于SWAT水文模型，模拟1990年、2018年以及另外六种城镇用地及林地面积递增的土地利用情景下，不同程度强降水和干旱条件下的流域水文过程和水资源量变化规律，探讨极端气象气候条件下土地利用变化的水文效应和水资源效应，旨在为东江流域的土地利用规划、水资源配置和防洪减灾提供科学依据。

2 研究区概况与数据来源

2.1 研究区概况

东江流域位于珠江三角洲的东北端，地理坐标为113°52′～115°52′E，22°38′～25°14′N。流域多年平均气温为20℃～22℃，多年平均降雨量为1 500～2 400 mm，降雨时空分布不均，西南多、东北少；降水年际变化大，年内分配也极不均匀，主要集中在4—9月[12]。本研究选取东江干流下游主要控制站博罗站以上区域作为研究区(见图1)，流域控制面积为25 325 km2，占东江流域总面积的71.7%。土壤类型主要有红壤、赤红壤和水稻土；土地利用类型以林地为主，其次为耕地、草地、建筑用地等。

图1 研究区概况示意

2.2 数据来源

本研究采用的数据包括研究区数字高程模型(Digital Elevation Model，DEM)、气象、土壤、土地利用及实测径流量数据。DEM分辨率为30 m，来源于2020年2月NASA发布的NASADEM数据。气象数据来自国家青藏高原科学数据中心孟现勇建立的CMADS V1.1数据集[13]，可直接用于驱动SWAT模型，数据水平空间分辨率为 0.1°，时间分辨率为3 h，数据覆盖时段为1979—2018年，数据要素包含流域内日均降雨量、日最高和最低气温、风速、相对湿度和太阳辐射值等。土壤数据采用联合国农粮组织和维也纳国际应用系统研究所于2009年发布的世界土壤数据库(Harmonized World Soil Database，HWSD)，分辨率为1 km。土地利用数据来源于中国科学院资源环境科学数据中心，分辨率为30 m。

3 研究方法

3.1 SWAT模型

SWAT(Soil and Water Assessment Tool)水文模型是由美国农业部农业研究中心于1994年开发的，近年来在水文水资源领域已得到广泛应用[14]。其模拟的流域水文过程分为产流、坡面汇流、河道汇流过程[15]，产流和坡面汇流过程描述的是子流域内水流、泥沙、营养物等汇入主河道的过程，河道汇流过程描述的是流域河网中水流、泥沙等的输移过程[16]。SWAT模型根据地形及河网将流域划分为多个子流域，再将子流域中土地利用和土壤类型的唯一组合定义为水文响应单元(HRU)，HRU是SWAT水文模拟的基本单位，1个子流域可划分为1个或多个HRU[16]。SWAT模型中的水量平衡方程如下：

(1)

式中:

SWt——土壤最终含水量；

SW0——第i天土壤初始含水量；

t——时间；

Rday——第i天的降水量；

Qsurf——第i天地表径流；

Ea——第i天的蒸散发量；

Wseep——第i天离开土壤剖面底部的渗透水流和旁通水流水量；

Qgw——第i天回归流的水量。

SWAT模型可在控制其它输入数据不变的前提下输入不同类型的土地利用数据，以获得不同土地利用情景下不同时间尺度的径流量以及蓝绿水的分量(子流域产水量、深层含水层补给量和蒸散发、土壤含水量)。

3.2 蓝绿水定义及计算

近年来，蓝绿水概念已被广泛应用于水资源管理与评估。蓝水是指地表径流和地下径流，即可直接被人类利用的水资源，包含深层含水层补给、湖泊、湿地储水量；绿水由绿水流和绿水储组成，绿水流指实际蒸散量，绿水储指储存在土壤中的水分[17]。根据蓝水、绿色的定义以及SWAT模型的输出结果可知，蓝水可用SWAT模型输出的子流域产水量(WYLD)以及深层含水层补给量(DA_RCHG)之和表示；绿水流为实际蒸散发量(ET)；绿水储为土壤含水量(SW)，绿水即为实际蒸散发量(ET)与土壤含水量(SW)之和[18-19]。

3.3 帕尔默干旱指数(PDSI)

帕尔默指数(Palmer Drought Severity Index, PDSI)是表征一段时间内某地区实际水分供应持续少于当地气候适宜水分供应的水分亏缺情况[20]，其数值落于区间(-∞，-4]时为极度干旱，落于区间(-4，-3]时为严重干旱，落于区间(-3，-2]时为中度干旱，落于区间(-2，-1]时为轻度干旱。本文应用遥感云平台Google Earth Engine提取1979—2018年间东江流域PDSI数据集，统计不同干旱等级情景下的蓝绿水变化情况，以研究东江流域在不同土地利用变化情景下蓝绿水资源对不同干旱程度的响应特征。

3.4 土地利用情景构建

根据SWAT模型的分类标准，将东江流域土地利用重分类为林地(FRST)、耕地(AGRL)、草地(PAST)、城镇用地(URHD)、村庄(URLD)、工业用地(UIDU)、裸地(BALD)和水域(WATR)8类。为研究径流量对不同土地利用情景的响应、不同土地利用变化情景下径流量对不同降雨等级的响应，以及不同土地利用变化情景下蓝绿水对不同干旱等级的响应，本文将对2个实际土地利用情景及6个假设土地利用情景下的水文过程和水资源量进行对比分析。各土地利用情景分类见表1。

表1 研究区土地利用情景分类

3.5 SWAT模型构建及评价

本文首先利用SWAT模型进行子流域划分，通过DEM设置、河网定义、修改阈值、流域总出口选择以及子流域参数计算等过程，完成子流域划分，共划分子流域(subbasin)101个，水文响应单元(HRU)1 943个。随后依次输入处理后的土壤数据、土地利用数据(模型参数率定使用1990年土地利用数据)，设置流域坡度分级对水文响应单元进行定义；输入处理后的CMADS气象数据集，数据包含日均降雨量、日最高/最低气温、风速、相对湿度和太阳辐射值；定义流域内三大水库(新丰江、白盆珠、枫树坝水库)出口，输入水库相关参数[21]。径流模拟选用SCS曲线法，潜在蒸散发模拟选用Penman-Monteith方法，河道验算选用Muskingum公式法。配置好SWAT模型后，月径流模型分别选取博罗站1979—1998年、1999—2007年实测径流数据作为率定期和验证期，其中模型预热期2 a；日径流模型分别选取博罗站1989—2003年、2004—2007年实测径流数据作为率定期和验证期，其中模型预热期2 a。

利用SWAT-CUP中SUFI-2算法对SWAT模型输出结果进行参数敏感性分析、率定及验证。选用确定性系数(R2)和Nash-Suttclife系数(Ens)，评估模型模拟值和实测值的拟合效果[22]。经过率定，流域出口博罗站月径流(见图2)率定期和验证期确定性系数R2和Nash-Suttclife系数Ens分别为0.87、0.87和0.89、0.88，P-factor和R-factor分别为0.64和0.68；日径流(见图3)率定期和验证期确定性系数R2和Nash-Suttclife系数Ens分别为0.75、0.74和0.78、0.78，P-factor和R-factor分别为0.85和0.84；表明SWAT模型模拟东江流域水文过程适用性良好，精度较高，可以开展不同土地利用情景的水文水资源效应分析。

图2 博罗站月径流率定期(1981—1998年)、验证期(1999—2007年)模拟结果示意

图3 博罗站日径流率定期(1989—2003年)、验证期(2004—2007年)模拟结果示意

4 结果分析与讨论

4.1 土地利用变化分析

由表2、表3可知，林地为东江流域最主要的用地类型(见图4)，面积占比分别为75.4%(1990年)、74.5%(2018年)，1990—2018年间，林地面积共减少231.6 km2，变化率为-1.2%，减少的林地主要转变为耕地、草地、工业用地及城镇用地。城镇用地为东江流域增长量最大的用地类型，1990—2018年，流域内城镇用地面积共增长321.3 km2，增长率为272.7%，增加的城镇用地主要源于耕地、林地及草地。

表2 东江流域土地利用结构及变化趋势 km2，%

表3 1990—2018年东江流域土地利用转移矩阵 km2，%

1990年

4.2 径流量对不同土地利用情景的响应分析

基于表1中所示8种土地利用情景，本文利用SWAT水文模型模拟了东江流域下游博罗站逐月径流量。以1990年土地利用情景下的径流量为基准，本文计算了其他7种土地利用变化情景引起的径流量变化。由图5显示结果可知，流域内城镇用地及林地面积的增加均对流域出口博罗站月均径流量产生不同程度的影响，表现为扩大的城镇用地面积加剧了径流量年内分配不均。具体而言，在丰水季(4—9月)，城镇用地面积的增加导致径流量增加，且径流量变化量随城镇用地面积增加而增加；在枯水季(10月至次年3月)，城镇用地面积的增加导致径流量减少；林地面积的增加在全年各季节均导致流域出口博罗站月均径流量减少。

图5 月均径流量变化量示意

以上土地利用变化引起的水文响应，原因可能在于：流域城镇用地面积增加导致不透水面增加，减小了流域总体下渗能力和滞水能力，在丰水季，使得流域径流量增加；在枯水季，径流主要由基流组成，而基流一般来源于地下水或其他延迟部分的径流[23-24]，枯水季径流量减少，可能是由于不透明水面的增加导致土壤含水量减少，枯水季水量补给减少，从而使得流域径流量减少。流域林地的增加，一方面导致陆面蒸散发增加，另一方面伴随着冠层截留、枯落物层和土壤层持水量增加，从而降低土壤水分和地表径流量，导致丰水季径流量明显减少；而枯水季因降水量较少且植被蒸散发较弱，林地面积变化引起的径流量变化相对不明显。

4.3 土地利用变化情景下径流量对强降雨的响应分析

根据流域降雨特性及子流域降雨计算结果，本文对流域强降雨事件按24 h降雨量为100～150 mm，150～200 mm和大于200 mm进行划分，以研究城镇用地及林地变化情景下径流量对不同强度降雨事件的响应规律。据统计，1981—2018年，24 h降雨量在100～150 mm、150～200 mm之间和大于200 mm的强降雨事件分别发生了127次、26次和5次。

由图6～图8可知，发生强降雨时，林地面积的增加，使得径流量减少，变化量随降雨强度增加而增加，表明林地面积的增加对发生强降雨时的地表径流的减弱效应显著，可减缓和削弱洪峰。由图9～图11可知，城镇用地面积的增加导致径流量产生明显变化，变化率最大达38%，变化量随降雨强度及城镇用地面积增加而增加，表明城镇用地面积的增加对发生强降雨时的地表径流的增强效应显著，能加速和加剧流域内洪峰的形成，扩大洪涝灾害风险。

图6 遭遇200 mm/d以上强降雨时林地面积扩张引起的径流量变化示意

图7 遭遇150～200 mm/d强降雨时林地面积扩张引起的径流量变化示意

图8 遭遇100～150 mm/d强降雨时林地面积扩张引起的径流量变化示意

图9 遭遇200 mm/d以上强降雨时城镇用地面积扩张引起的径流量变化示意

图10 遭遇150～200 mm/d强降雨时城镇用地面积扩张引起的径流量变化示意

图11 遭遇100～150 mm/d强降雨时城镇用地面积扩张引起的径流量变化示意

4.4 土地利用变化情景下蓝绿水对干旱的响应分析

为探讨不同土地利用情景在发生干旱时的水资源效应变化规律，本文进一步分析了表1所示各土地利用情景下，东江流域蓝绿水资源量在不同强度干旱条件下的变化情况。据统计，1981—2018年，东江流域分别发生重度干旱(-3≥PDSI指数>-4)事件3次、中度干旱(-2≥PDSI指数>-3)事件4次、轻度干旱(-1≥PDSI指数>-2)事件3次。

由图12可知，流域林地面积增加，使得蓝水减少、绿水增加，且变化量随林地面积的增加而增加。在林地面积扩张1.1倍和1.13倍时，绿水储对林地扩张的响应不敏感，绿水的变化以绿水流的变化为主。林地扩张引发的绿水流的增加在中度干旱时取得最大值，表明林地扩张的蒸散发增加效应在中度干旱时达到峰值。发生重度干旱时林地面积扩张引起的绿水变化最少，可能由于部分森林植被因强烈干旱胁迫而生理受损，使得蒸散发增加量明显减小。以上结果与前人研究发现相一致，即一定程度的干旱会导致植被蒸散发增强，尤其干旱期间伴随异常高温时，植被需要更多水分进行降温；而当干旱继续加剧时，植被叶片气孔关闭，光合作用降低，甚至因干旱胁迫死亡，蒸散发下降[25-26]。此外，图12结果显示，林地面积扩张导致蓝水的减少量也在中度干旱时取得最大值，这与蒸散发在中度干旱时达到峰值的效应相符，根据水量平衡原理，蒸散发增大，径流量减小。

图12 不同干旱等级情景下林地面积扩张引起的蓝绿水变化示意

由图13可知，流域城镇用地面积增加，使得蓝水增加、绿水减少，且变化量随城镇用地面积的增加而增加。在城镇用地向外扩张2.5倍和5倍时，绿水流对城镇用地扩张的响应相对不敏感，绿水的变化以绿水储的变化为主，绿水储的减少在中度干旱时取得最大值，这可能是由于中度干旱时土壤含水量已接近其下限值，干旱等级继续增强后，土壤水分变化量开始减小。蓝水变化量在丰水季随干旱等级增强而减小，反映丰水季的降水随干旱增强而减少；蓝水变化量在枯水季为中度干旱时最大，这可能是由于枯水季蓝水有较大比例为地下径流，而地下径流又与土壤含水量相关，中度干旱时土壤含水量已接近下限值，干旱等级增强后，土壤水下降速度变慢，变化量开始减小。

图13 不同干旱等级情景下城镇用地面积扩张引起的蓝绿水变化示意

5 结语

以上结果分析显示，本文建立的基于SWAT的东江流域水文模型能够较好地模拟该流域的日径流、月径流过程，适用于评估东江流域土地利用变化的水文水资源效应。通过以上分析，本文主要得出以下几点结论：

1) 通过分析不同土地利用情景下东江流域月均径流的响应特征，表明城镇用地面积的增加会加剧径流年内分配不均，在丰水季，城镇用地面积的增加导致径流量增加，且径流量变化量随城镇用地面积增加而增加；在枯水季，城镇用地面积的增加导致径流量减少；林地面积的增加在全年均导致流域出口月均径流量减少。

2) 对不同土地利用变化情景下日径流对不同强度降雨的响应分析结果表明，城镇用地及林地面积的增加对发生强降雨时的地表径流的增强、减弱效应显著，且变化效应随土地利用结构变化强度增加而增加，因此，城镇用地的持续扩张及植树造林导致的土地利用结构变化都会对流域洪水过程产生显著影响。

3) 对土地利用变化情景下蓝绿水资源对不同干旱等级的响应分析结果表明，城镇用地及林地面积的增加对发生干旱时蓝绿水资源量总体影响较小，绿水储对林地扩张的响应不敏感，林地扩张引起的绿水的变化以绿水流的变化为主，绿水流的增加为中度干旱时最大，蓝水的减少量为中度干旱时最大。绿水流对城镇用地扩张的响应较不敏感，城镇用地扩张引起的绿水的变化以绿水储的变化为主，绿水储的减少量为中度干旱时最大；城镇用地扩张引起的蓝水变化量在丰水季随干旱等级增强而减小，在枯水季为中度干旱时最大。