二元驱动下泾河流域蓝绿水变化归因分析

2022-12-26占杨英高贤君杨元维李菲菲

中国农村水利水电 2022年12期

占杨英，汤军，高贤君，杨元维，李菲菲

（长江大学地球科学学院，湖北武汉 430100）

0 引言

水资源短缺是全球三大系统性风险之一，水资源可持续发展更是当前研究热点［1］。气候变暖势必会影响蒸发、降水和径流等气象水文要素，同时大幅提高极端水文事件的频率。土地性质的改变对流域的水文循环和水量的空间分布产生重大影响［2］。因此，从气候变化和土地利用变化角度对水资源进行评估，可以加强水资源管理，为实现流域的水资源可持续发展提供指导意义。

蓝水是指“暴露的水”，其中包括陆面上的河川径流和地底下的壤中流、地下径流；绿水是指“隐藏的水”，其中包括土壤水和蒸散发的水［3］。绿水是粮食生产最重要的水源，支撑着雨养农业（约占全球耕地面积的4/5），给全球70 多亿提供粮食保障［4］。蓝水从多个角度影响着人类的生活和发展，如生活日常用水、工业生产用水、农业灌溉用水等。SWAT（Soil and Water Assessment Tool）模型是一种分布式水文模型，可以模拟长时间序列的水文循环过程［5，6］，相比于其它常见水文模型（半分布式水文模型：VIC（Variable Infiltration Capacity）、分布式水文模型：SWIM（Soil and Water Integrated Model）），它的优点在于：结合流域多种数据，全面模拟流域内水文循环过程，从而准确评价蓝/绿水资源的分布和含量［7-10］。例如：吕乐婷［11］等基于SWAT 模型对小尺度流域（细河流域）的蓝绿水资源的时空分布进行了探索，并详细介绍了蓝绿水在农业上的作用。荣琨［12］等以晋江西溪流域为研究对象，用SWAT 模型分析土地利用对蓝绿水的影响，从不同的土地利用类型探究蓝绿水的时空分布规律。

泾河是黄河流域的二级支流，以清澈著称，其发源地六盘山更是被国家列为自然保护区。由于流域内气候变化剧烈、降雨时空分布不均、土地利用类型发生较大改变，使泾河流域不仅是黄土高原严重水土流失地之一，也是西北地区暴雨多发区之一［13］。因此，从气候变化和土地利用变化角度研究泾河流域的水资源，对该流域规划水资源分配和巩固生态系统平衡具有重要的意义。但前人的研究，如邱国玉［14］、赵姹［15］、李雪［16］、王尹萍［17］等主要研究土地利用变化和气候变化对泾河流域径流、生态基流的影响，缺乏气候变化和土地利用变化对泾河流域蓝绿水的研究。基于此，本文以泾河为研究对象，利用土地、DEM、气候和土壤等因子模拟过去40 年泾河水文循环情况，探究泾河流域蓝绿水分布规律并估算其产量，为泾河流域优化蓝绿水资源提供理论依据。

1 研究区概况

1.1 研究区域

泾河流域坐落于我国黄土高原中部地区，地理坐标为：东经106°14'～108°42'、北纬34°46'～37°19'，海拔介于440～2 200 m，地势为西北高东南低。泾河发源于宁夏省六盘山东麓，是我国黄河一级支流渭河的第一大支流（见图1）。流域全长455.1 km，面积45 421 km2，平均径流量21.40 亿m³，依次流经宁夏、甘肃、陕西三省。流域多年平均气温8 ℃，7 月平均气温最高，高达29 ℃，1 月平均气温最低，低至-13 ℃，年降水量在350～650 mm之间，夏季气候湿润雨水多，夏季降水量一般超过年降水量的3/5。泾河流域土地平坦辽阔，耕地占整个流域面积近60%，为西北地区粮食生产提供了保障。

图1 泾河流域概况图Fig.1 Overview of Jinghe River Basin

1.2 数据来源与处理

SWAT 模型数据输入具有多样性，其中包括空间数据和属性数据。空间数据主要有数字高程DEM数据、土壤类型分布数据、土地利用分布数据（图2）；需要的属性数据包括气象数据、实测径流数据（见表1）。输入SWAT 模型的空间数据需要统一投影坐标系，本文采用的投影坐标系为WGS_1984_UTM_Zone_49N。

表1 原始数据说明Tab.1 Raw data description

图2 泾河流域土壤、土地利用和子流域图Fig.2 Soil types，land use and sub basins of Jinghe River Basin

DEM 数据来源于地理空间数据云，下载并对其进行预处理，最后按流域边界裁剪即可；土地利用数据根据我国最新修订的《土地利用现状分类》（GB/T21010-2017）中的一级分类标准将其分为：耕地、林地、草地、湿地、水体、建设用地和裸地等七种类型；土壤数据通过建立土壤数据库应用SWAT模型中，模型运行之前必须转化成统一的美制土壤粒径标准，土壤参数用SPAW 软件计算；气候数据利用气象站数据自制气象数据库，太阳辐射数据根据逐日日照时数数据来计算［18］。

2 研究方法

2.1 SWAT模型

SWAT 模拟流域的水文循环过程需要遵守水量平衡原理，其公式如下：

式中：SWt是指土壤最终含水量；t是指时间；SW0指最初土壤在第i天的含水量；Rday的降水量；Qsurf地表径流；Ea第i天的水分蒸散发量；Wseep天离开土壤剖面底部的渗透水流和旁通水流水量；Qgw表示第i天回归流的水量。

2.2 模型评价

本研究以SWAT-CUP 软件中自带的SUFI-2 算法（序贯不确定性分析方法）对SWAT 模型执行率定和验证。模型适用性取决于R2［公式（2）］、NSE［公式（3）］、PBIAS［公式（4）］、和RSR［公式（5）］等4个指标，R2表示模型模拟值和输入实测值之间的贴合度，值越接近于1，说明两者的结果越贴合，得到的效果就越好；NSE是指模型模拟值与输入实测值之间偏离程度，值越接近于1，说明两者的结果偏差越小［19］；PBIAS是指模型模拟值与输入实测值之间的平均变化趋势，PBIAS>0，说明模型模拟值偏小，反之，模型模拟值偏大［20］；RSR是指用均方根误差与输入实测值的标准差的比值，RSR绝对值越小，模拟效果越好［21］。

R2、NSE、PBIAS和RSR计算公式如下：

2.3 蓝/绿水资源量统计

根据SWAT 模型输出结果来计算蓝水和绿水的产量，其中蓝水产量的输出结果用每个子流域产水量（WYLD）加上深层含水层补给量（DA_RCHG）的值来表示；绿水产量是输出结果中每个RHU的实际蒸散发（ET）和土壤含水量（SW）之和［22］。以下是计算蓝水、绿水和绿水系数的公式：

式中：G表示绿水资源量；B表示蓝水资源量；GWC表示绿水系数。

2.4 皮尔逊Ⅲ型频率曲线法

在水文计算领域中，很多学者通常用皮尔逊Ⅲ型频率曲线法统计各类水文现象，以评价我国水文变量的分布。因此，我国丰水年、平水年和枯水年的划定可以基于皮尔逊Ⅲ型频率曲线计算流域内年降水量频率序列得以实现［23］。

皮尔逊Ⅲ型频率曲线概率密度函数为：

式中：Γ(α)表示α的伽玛函数；α，β，a0（α>0，β>0）分别表示曲线分布的形状尺度和位置未知参数，其与期望值（Ex）、偏态系数（Cs）和变差系数（Cv）的关系如下：

3 结果和分析

3.1 泾河流域径流突变年份

突变分析是研究水文序列特征的主要切入点，基于径流数据做突变分析，有利于独立研究气候和土地利用2 种因子对泾河流域蓝绿水的影响［24］。将1979-2019 年泾河流域张家山水文站的逐月径流数据整理成年径流量，用M-K（Mann-Kendall）突变检验法对其突变分析，再用滑动t检验法和累积距平法对结果进行检验，结果如图3。M-K突变检验结果表明，泾河流域张家山水文站的径流在1996 年发生突变；滑动t检验设置99%置信区间和5 年步长，其结果也说明张家山水文站的径流突变年份为1996 年；从累积距平检验结果图可以看出，1996 年是张家山水文站径流突变年份。综合3 种突变检验方法可以确认1996年是张家山水文站径流突变年份，与刘宇［25］结果一致。

图3 张家山水文站1979-2019年径流量M-K检验、滑动t检验、累积距平Fig.3 Runoff m-k test，sliding t test and cumulative anomaly of Zhangjiashan hydrological station from 1979 to 2019

3.2 模型参数率定及验证

将DEM 数据、土地利用数据、土壤数据和气象数据依次输入SWAT 模型中，模型运行过程中将泾河流域划分成29个子流域，生成342个水文响应单元。

鉴于泾河流域张家山水文站径流在1996年发生突变，为保证参数的可靠性，用突变之前的月径流数据对模型进行率定。预热期为2 年，1981-1990 年为率定期，1991-1995 年为验证期。运用SWAT-CUP 软件对模拟径流相关的28 个参数进行全局敏感性分析［26］，最终选用敏感性最高的12个参数作为泾河流域的率定参数（表2）。SWAT 模型模拟结果（图4）：率定期和验证期结果如表3。Moriasi 认为，当R2>0.7，NSE>0.5，|PBIAS|≤25%且RSR≤0.7 时，模型的模拟效果较好［27］。结果表明SWAT 模型适合探究气候变化和土地利用变化对泾河流域蓝水绿水资源影响。

表3 模拟指标结果Tab.3 Simulation index results

图4 张家山水文站月径流率定期和验证期结果Fig.4 Results of regular and validation period of monthly runoff rate of Zhangjiashan hydrological station

表2 参数含义及率定结果Tab.2 Parameter meaning and calibration results

3.3 典型丰枯年份确定

研究泾河流域蓝绿水在典型年份的空间分布差异，对典型年份下该流域蓝绿水资源的合理利用做出了重要的贡献。

目前，划分丰水年、平水年和枯水年有多种方法，本文采用皮尔逊Ⅲ型频率曲线法对多年平均降水量进行划分。对年降水量（1979-2019 年）数据采用数学期望公式进行频率计算，得到频率曲线如图5，参数：Eχ=468.73 mm，Cs/Cυ=2.5。其中频率小于25%为丰水年，频率介于25%和50%之间为平水年，频率大于50%为枯水年。根据频率曲线图（图5）可知，丰水年、平水年和枯水年各占24.3%、26.8%和48.9%。本文选取3 个典型年份来研究蓝绿水时空分布，分别是2003 年（丰水年）、2010 年（平水年）和1997年（枯水年）。

图5 理论频率曲线与经验点据拟合图Fig.5 Theoretical frequency curve and empirical point data fitting diagram

3.4 典型年份下的蓝绿水时空变化特征

泾河流域典型年份下的蓝水和绿水时间分布如图6 所示。流域蓝水资源在枯水年、平水年和丰水年下分别是43.54、132.07、235.14 mm，丰水年的蓝水量是枯水年的5.4 倍，是平水年的1.8 倍；流域绿水资源在枯水年、平水年和丰水年下分别是346.13、450.77、490.93 mm，丰水年的绿水量是枯水年的1.4 倍，是平水年的1.1 倍。流域内蓝水量和绿水量与降水量成正相关，而绿水系数与降水量成负相关，说明绿水资源对维持生态平衡起着至关重要的作用。

图6 典型年份下的降水量、蓝绿水量和绿水系数的变化Fig.6 Changes of precipitation，blue-green water and green water coefficient in typical years

泾河流域典型年份蓝水和绿水资源空间分布如图7所示：

图7 典型年份泾河蓝水绿水空间分布Fig.7 Spatial distribution of blue water and green water in Jinghe River in typical years

（1）流域3个典型年份的降水量空间分布大体相同，都是自东南向西北方向减少。丰水年部分地区降水量高达810 mm，枯水年大部分地区降水量小于390 mm。

（2）枯水年、平水年和丰水年的蓝水量空间分布均呈东南向西北方向减少。丰水年的蓝水量较丰富，部分地区达到390 mm 以上，相反枯水年的蓝水量就极少，大部分地区蓝水量小于40 mm。

（3）3个典型年份的绿水空间分布几乎一致，均是由东南向西北方向减少。在丰水年，绿水量最为丰富，部分地区超过520 mm，而在枯水年，部分地区绿水量少于280 mm。

（4）绿水系数与蓝绿水量的空间分布完全相反，枯水年、平水年和丰水年的绿水系数分布趋势均由东南向西北方向增高。在枯水年，绿水系数普遍更高，大部分地区超过87%，这是因为在枯水年间降水量少、气温高，流域内水资源蒸散发的程度比平水年和丰水年剧烈，所以枯水年的绿水系数高于其他典型年份。

3.5 气候变化和土地利用对蓝绿水的时空影响

3.5.1 情景设置

采用情景对比法，即固定其他因子，仅改变气象因子或者土地利用因子来设置情景，情景设置如表4。张家山水文站径流突变年份是1996 年，故将1979-1996 年设置为基准期，气象因素划分成1979-1996 年、1997-2019 年两段时间序列。气候变化（情景Ⅰ-基准期）对蓝绿水的影响通过固定土地利用数据，改变气象数据的策略来实现；土地利用变化（情景Ⅱ-基准期）采用固定气象要素，改变土地利用数据的方式来实现；而气候变化和土地利用变化（情景Ⅲ-基准期）对蓝绿水的共同影响则通过改变两种数据来研究。

表4 情景设置Tab.4 Scenario setting

3.5.2 蓝绿水时空变化特征

泾河流域3种情景下的蓝绿水资源量如图8所示：

图8 情景设置下的蓝绿水量、绿水系数和因素影响下蓝绿水、绿水系数改变量Fig.8 Blue and green water quantity and green water coefficient under scenario setting and change of blue/green water and green water coefficient under influence of factors

（1）泾河流域基准期、情景Ⅰ、情景Ⅱ和情景Ⅲ的蓝水量分别为107.17、109.14、106.11 和108.08 mm，在气候因素作用下，蓝水资源量增加了1.97 mm；在土地利用变化的情况下，蓝水量减少了1.06 mm；在气候变化和土地利用变化共同作用下，蓝水量增加了0.91 mm。

（2）泾河流域基准期、情景Ⅰ、情景Ⅱ和情景Ⅲ的绿水量分别为421.24、442.72、422.03 和443.51 mm，在气候变化下，绿水资源量增加了21.48 mm；在土地利用变化的情况下，绿水量增加了0.79 mm；在气候变化和土地利用变化共同作用下绿水量增加了22.27 mm。

（3）泾河流域基准期、情景Ⅰ、情景Ⅱ和情景Ⅲ的绿水系数分别为80.01%、80.53%、80.19%和80.71%，在气候因素作用下，绿水系数升高了0.52%；在土地利用变化的情况下，绿水系数升高了0.18%；在气候变化和土地利用变化共同作用下，绿水系数升高了0.7%。

泾河流域蓝水、绿水和绿水系数的变化以气候变化为主要驱动因素，贡献率分别是65%、96%和74%，土地利用对其变化贡献率分别是35%、4%和26%。

泾河流域气候变化、土地利用变化和气候与土地利用共同变化下蓝水和绿水空间分布如图9 所示。就蓝水而言：在气候因素作用下，泾河流域蓝水量整体增多，越靠东南方向蓝水量增加的越多；在土地利用变化的作用下，流域全区域蓝水量减少，其中流域东南地区减少的最多；在气候变化和土地利用变化共同作用下，流域蓝水量整体增多，与气候变化作用下的蓝水分布一致。从绿水角度分析：在气候因素作用下，泾河流域全流域绿水量增多，其中部分地区增多高达28 mm；在土地利用的影响下西北地区绿水量减少，其他区域绿水量增多；在气候变化和土地利用变化共同作用下，绿水资源量大部分地区增多，只有极小部分地区减少。绿水系数的变化：在气候因素作用下，泾河流域绿水系数整体升高，小部分地区绿水系数降低；在土地利用的影响下，绿水系数分布与土地利用影响下的绿水量分布一致，西北地区绿水系数降低，其他地区绿水系数升高；在气候变化和土地利用变化共同作用下，绿水系数整体升高，只有少部分地区的绿水系数降低。

图9 气候变化、土地利用变化、气候与土地利用共同变化下的蓝绿水改变量Fig.9 Blue green water change under climate change，land use change and joint climate and land use change

4 结论与讨论

4.1 讨论

采用皮尔逊Ⅲ型频率曲线法划分泾河流域典型年份，选取1997 年（枯水年）、2010 年（平水年）、2003 年（丰水年）3 个典型年份为代表，更加直观地分析典型年份下蓝绿水资源量的时间分布差异。泾河流域气候干旱，降水更多转化为绿水，绿水是流域水资源的主要组成成分。枯水年的绿水系数更高，这是由于枯水年间降水量少、气温高，水资源蒸散发剧烈导致［28］。分析典型年份蓝绿水时空分布特征，有利于更深一步了解蓝绿水互相转化规律，从而为解决泾河流域水资源短缺、水土流失严重、生态平衡失调等问题做出更大的贡献。

采用情景设置法来定量分析气象变化、土地利用变化对泾河流域蓝绿水的影响。研究表明，蓝绿水分布与降水分布一致，气象变化是决定泾河流域蓝绿水资源量的主导因素，这与王绍娜研究结果一致［29］。其中气候因子对绿水变化的贡献率为96%，蒸散发量在气候驱动绿水变化中起着较为关键的作用［30］。同时，土地利用变化对蓝绿水资源也有一定的影响，建设用地面积增多促使不透水面扩张，导致地表径流无法进入土壤，因此合理规划土地利用对该流域的水土保持具有重要的意义［31］。除了气象变化和土地利用变化以外，人类活动也会改变蓝绿水资源的分布。未来将从水库和灌溉方面分析蓝绿水的时空分布特征。