黄河流域上中游地区土地利用变化的降水效应

张若兰 ，闫菲泽 ，肖硕凌 ，何瑞珍

（1.河南测绘职业学院，河南 郑州 450002；2.河南农业大学 风景园林与艺术学院，河南 郑州 450002）

大气降水作为水文循环的一部分，联结着大气圈和地圈，受到气候变化和土地利用变化的双重影响。土地利用作为陆面过程中重要的部分，也影响着大气降水和大气运动[1-2]。土地利用类型的高度空间异质性导致气候系统对它的反馈也具有明显的空间差异[3]。土地利用变化是通过植被覆盖的大规模改变，影响局部对流和水蒸气可用性的变化、拦截蒸散和入渗的土壤水分、水平衡和生物地球化学循环，从而改变流域系统的水文平衡[4]，对流域的降水过程进行影响[5-6]。SNYDER等[7]研究发现，热带森林植被的清除导致年降水量减少，在生物群落整个生长季节高达1.3 mm/d（24%），在非洲为1.7 mm/d（31%）；最大的季节性减少发生在亚马逊和非洲的SON地区，分别为2.2 mm/d（30%）和3.2 mm/d（47%）。

在城市化过程中，大量透水的陆地表面通过人为严重干扰转换成不透水地面，造成不透水地面面积的大量增加、入渗减少，从而改变局地的水量平衡状况，造成极端天气状况越来越严重[8]，内涝和干旱发生频率越来越高，严重影响着城市安全[9-11]。邹贤菊[12]研究了珠江三角洲城市群发展过程中区域降水的变化过程，结果表明，城市发展前期和后期降水量空间分布没有太大改变，年均降水量和夏秋季降水量空间分布相似，降水高值中心集中在北部山前区域，城市化发展后期年均降水量和夏冬季降水高值范围较城市化发展前期扩大，而春秋季降水高值范围略有缩小。该研究将气象站分为城市站、城市化站和农村站，统计分析了这三类站点的降水量和空间分布情况，发现降水范围变化主要发生在城市化站和农村站，但该研究未就土地利用城市化空间布局变化进行深入探讨。姜晓玲[13]利用观测的数据对长江三角洲地区的降水进行了研究，发现在快速城市化阶段，极端小时降水频次和雨量比缓慢城市化阶段明显增多，且极端降水分布格局也发生了变化，在降水分布格局方面，仅研究了城市站和乡村站，未对降水格局变化具体位置和方向进行研究。吴雷等[14]利用长三角地区站点的观测数据，分析了夏季降水结构的时空特征，结果表明，城市化对夏季降水量、降雨强度、大雨和暴雨发生率有增加作用，说明强降雨发生率趋多。这说明土地利用变化及城市化发展程度的不同，使水文效应的表现差异明显[15]，同时也说明土地利用的降水效应很复杂，需要更深入的研究。

就土地利用降水效应的研究手段来说，限于地面实测数据费用较高及气象站分布不均，大多数气候变化和土地利用变化研究关注地表径流的影响[16-17],对降水效应研究相对较少，且相关研究多采用数值模拟的方法进行[18]。数值模拟在土地利用降水效应的模型中，土地利用类型多是固定不变的，即忽略了土地利用类型变化产生的降水效应[19]。因此，预测结果的可信度值得深入研究。华文剑[20]用数值模拟的方式研究土地利用/土地覆盖变化对区域地表能量、水文循环以及大气环流的影响，结果显示，土地利用/土地覆盖的变化使得华南的降水偏多，华北降水偏少，相比于实际观测方法，数值模拟的有效性还需要实际数据验证。因此，地面实测长时间序列连续降水资料是非常难得的气候数据资源，充分详尽准确地分析其空间分布状况，对搞清土地利用和降水的关系意义重大。

黄河流域土地利用变化与水资源密切相关，更关系到国家的粮食安全、生态安全和能源安全，因此，研究土地利用变化的降水效应对黄河流域高质量发展意义重大。黄河流域特殊的地质条件形成的地貌及其在我国地理的位置是影响其降水的重要因素，土地利用变化的复杂性更增加了降水效应空间分析的难度。GIS作为有效的空间分析工具，可有效地解决土地利用变化对降水影响的空间分布状况。本研究利用GIS空间分析计算了土地利用变化的时空转移矩阵和最大降水量的标准差椭圆，对黄河上中游地区1985—2015年的土地利用数据和实测降水数据进行了详尽的分析,旨在探讨土地利用变化降水效应的尺度和幅度，为构建黄河流域生态安全奠定坚实的基础，同时也为区域空间规划提供指导。

1 研究区域及研究方法

1.1 研究区域

黄河位于我国北中部，是我国第二大河，集水面积75万km2。黄河流域上中游区域（图1）包括青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南8个省的近70万km2。黄河流域幅员辽阔，地貌差异较大，东西高差悬殊，处于中纬度地带，受大气环流和季风环流影响形成差异显著的不同气候，大部分地区年降水量在200～650 mm，上中游南部地区超过650 mm。降水量多集中在每年7月下旬至8月上旬，降水量分布不均，南北降水量差距较大。

1.2 数据来源

1.2.1 土地利用数据 本研究选择每年空间分辨率为30 m的土地利用数据[21]，精度较高且与降水数据匹配。该数据使用谷歌地球引擎上时间序列Landsat图像，结合从中国土地利用/覆盖数据集中提取的稳定样本来收集训练样本，采用随机森林分类器，对Landsat数据进行了分类，并结合时空滤波和逻辑推理的后处理方法，是我国第一个Landsat衍生的年度土地覆盖产品（CLCD），数据经过合格验证后，经数据网站发布供后续研究使用。

1.2.2 降水数据 本研究数据来源于黄河流域上中游地区月度8 km网格气象数据集（1980—2015年）[22]。该数据集采用黄河流域周边共计195个由国家气象科学数据中心共享的气象站点地面气候资料日值数据集，基于在国内外得到了广泛应用的样条函数法插值软件ANUSPLIN，对时间序列气象数据通过插值得到8 km分辨率月度网格气象数据集。Landsat年度土地覆盖产品的分类包括农田、森林、灌木、草地、水、雪/冰、荒地、不透水土地、湿地。为了详细研究每种土地利用变化对降水的影响，本研究将沿用该分类体系。

为了探讨土地利用与年度降水、季节降水的关系，研究中将利用GIS地图代数算法将月度降水数据制成了年度和不同季节的降水数据。

1.3 研究方法

1.3.1 土地利用时空变化分析方法 土地利用时间变化可采用时间序列数据回归分析方法，空间变化可采用土地利用转移矩阵分析。土地利用转移矩阵可反映不同时间不同土地利用类型相互转化的位置和面积变化的动态过程信息，一系列的变化可间接反映土地利用变化的方向。

本研究共统计分析了6个时段的土地利用转移矩阵，即1985—1990年、1991—1995年、1996—2000年、2001—2005年、2006—2010年、2011—2015年6个时段。利用Excel软件的数据分析功能绘制了1985-2015年不同土地利用变化的折线图，并添加了相应的趋势线。

1.3.2 降水标准差的椭圆分析 标准差椭圆是一种表示空间变化的方法。椭圆的长轴和短轴以及椭圆的方向分别表示空间变量X、Y方向变化的大小，方向表示从顶点顺时针测量的长轴旋转的角度，可用于分析降水中心空间分布的趋势，误差椭圆的大小可以表示空间分布的离散程度。

本研究将7月的降水中心分成1985—1990年、1991—1995年、1996—2000年、2001—2005年、2006—2010年、2011—2015年等6个组，利用ArcMap 10.6软件的地统计分析功能绘制各组的标准差椭圆，以表示不同时间降水的空间分布状况。

2 结果与分析

2.1 土地利用时空格局变化

2.1.1 土地利用时间变化特征 不同土地利用类型时间变化特征如图2所示。

图2 不同土地利用类型时间变化特征Fig.2 Temporal change characteristics of different land use

1985—2015年，黄河流域上中游地区土地利用发生了巨大的变化，从图2可以看出，森林、草地、雪/冰、水体和不透水地面的面积呈增加趋势，而耕地、灌木林、湿地和荒地的面积有所下降。其中，耕地面积呈线性下降趋势（R2为0.953 7），湿地面积呈非线性下降趋势（R2为0.856 0），草地面积呈线性上升趋势（R2为0.911 8），森林面积呈线性上升趋势（R2为0.969 6），不透水地面面积呈线性上升趋势（R2为0.990 1）。与1985年相比，到2015年，黄河流域上中游地区耕地面积减少了14.41%，湿地面积减少了39.83%，灌木林地面积减少了32.13%，荒地面积减少了36.36%，草地面积增加了4.35%，森林面积增加了17.39%，雪/冰面积增加了83.87%，水体面积增加了20.62%，不透水地面面积增加了172.92%。

从年际变化分析（表1）来看，各类土地利用类型的面积都发生了变化，按变化量大小排序依次是耕地＞草地＞荒地＞森林＞不透水地面＞灌木林＞水体＞湿地＞雪/冰。从土地利用类型转换情况看，耕地、灌木林、荒地和湿地面积呈转出减少状态，其余为转入增加状态。耕地只在1996—2000年间转入412.65 km2，其余均为减少情况；森林整个研究时间内均为增加状态；草地只在2011—2015年间出现减少；不透水地面一直处于增加状态。

表1 面积年际变化Tab.1 Inter-annual changes of area km2

土地利用变化最剧烈的时段是1996—2000年，在这个时段，耕地、森林、灌木林和草地及不透水地面面积都出现增加趋势；水体、雪/冰和湿地及荒地面积都出现减少趋势。这和国家退耕还林政策是密不可分的。耕地面积减少最多的时段是2006—2010年，在这个时段，森林、草地和不透水地面面积增加最多，灌木林地和荒地面积减少最多，水体和雪/冰面积增加最多。

2.1.2 土地利用空间变化特征 由图3可知，黄河流域上中游地区草地面积超过整个研究区域面积的1/2，分布在流域的中部和西部；耕地主要分布在流域西北和东南，靠近流域的边界，森林和灌木林地主要分布在东南耕地的外围，不透水地面接近于耕地，也主要分布在流域西北和东南。雪/冰主要分布在流域的西部。

图3 不同土地利用类型空间变化特征Fig.3 Spatial change characteristics of different land use types

利用GIS地图代数运算功能制作了研究区6个时段的土地利用转移矩阵，结果如图4所示，1985—1990年耕地大量减少，森林、草地和不透水地面呈增加趋势，增加的不透水地面主要分布在陕西和山西；增加的草地分布较为均匀，其中相对较为集中的草地分布在内蒙古的北中部，陕西的西北部和青海的西部和西北部。

图4 不同土地利用类型空间变化转移特征Fig.4 Spatial change transfer characteristics of different land use types

1991—1995年，土地利用变化量远远超过1985—1990年，在甘肃省中部、宁夏和陕西北部增加了大量的耕地和草地；在青海北部、内蒙古、宁夏的北部增加了大量的草地；不透水地面在河南西部、陕西南部和山西西南部增加较多；增加的森林和灌木林地多分布在内蒙古段黄河两岸以及陕西省南部。1996—2000年，在青海的东北部、宁夏的南部、陕西的西北部、甘肃的中部和东部、内蒙的北部和山西的北部及东南部增加了大量的耕地；增加的草地分布在山西的东部、内蒙古的南部和陕西的东北部；增加的不透水地面除原来的河南西部、陕西南部和山西西南部外，在内蒙古的北部和西部及宁夏的北部增加较多；增加的森林和灌木林地除内蒙古段黄河两岸外，宁夏段黄河两岸以及陕西及河南交界处增加也较多。2001—2005年，在整个流域的中南部，横跨山西、陕西和甘肃中南部增加了大量的耕地；宁夏的南部、陕西的北部和内蒙古的东南部增加了大量的草地；增加的不透水地面多分布在陕西的南部、宁夏的北部和内蒙古的北部；森林和灌木林地增加较多的地区为陕西和山西南部以及河南西部。2006—2010年，增加的耕地多分布在宁夏的南部、陕西的北部和山西的中部；增加的草地分布在陕西的北部、山西的北部和内蒙古的南部及甘肃的中部；增加的不透水地面多分布在陕西的南部、宁夏的北部、内蒙古的北部、河南西部及山西西南部；除山西、陕西和河南外，甘肃和青海中部增加的森林和灌木林地较多。2011—2015年，在甘肃的中部、山西的中部耕地增加较多，在宁夏的南部、内蒙古的南部和陕西的北部草地增加较多，不透水地面在陕西的南部、河南西部及山西西南部增加较多；森林和灌木林地在陕西北中部及陕西与河南交界处增加较多。

2.2 降水变化

2.2.1 年降水变化分析 从1985—2015年年度降水变化（图5）可以看出，黄河流域上中游地区年均降水量呈线性上升趋势，年最小降水量在1997年，为322.31 mm，最大降水量在2003年，为531.20 mm。

图5 年均降水量变化Fig.5 Change of annual average precipitation

7月是一年中太阳辐射量最大的时间，也是植物蒸散量最大的时间，研究选择了7月降水量分布来研究土地利用和降水空间变化的关系，绘制了每年的7月降水最大值中心（图6）。从图6可以看出，最大降水中心多分布在流域的东部和南部，东部为太行山西麓地区，南部为秦岭北麓地区，土地利用类型以耕地、森林/灌木林和不透水地面为主。

图6 1985—2015年7月降水中心分布Fig.6 Distribution of precipitation centers in July from 1985 to 2015

根据土地利用变化分组时段，利用GIS的地统计分析功能，制作了各组7月最大降水量中心的标准椭圆，如图7所示。通过计算得到这6个时段的椭圆扁率，分别是0.148 8、0.123 5、0.236 6、0.264 1、0.220 5、0.113 4。根据图7及椭圆扁率可知，随着分组的时间变化，椭圆呈减小而后再增大趋势，2001—2005年时段的椭圆面积最小，表明降水最集中，从椭圆的方向来看，在1985—2000年，降水呈东北西南方向分布，2001—2005年降水接近正北正南方向分布，2006—2010年呈正东正西方向分布，2011—2015年呈东北西南方向分布，但比1985—2000年的方向更向北偏转。从图7可以看出，最大降水量方向除2001—2005年外，其他时段呈现与秦岭走向接近的趋势。

图7 1985—2015年7月降水中心分组标准椭圆Fig.7 Standard ellipse of precipitation center grouping in July from 1985 to 2015

研究计算了各个时段年均降水量的差值，如表2所示。

表2 各时段年均降水量的差值Tab.2 Differences in annual average precipitation in different periods mm/a

对降水量的年际变化分析可以看出，在1985—1990、2011—2015年这2个时段降水出现减少，其余时段降水呈增加趋势，在1996—2000年增加最多，年均降水增加了267.70 mm/a。

2.2.2 降水的季节变化 从图8可以看出，黄河流域上中游地区降水量的季节性变化相差很大。整体来看，冬季降水量最小，夏季降水量最大，春季和秋季降水量相当。除秋季降水量呈上升趋势外，其余3个季节均呈下降趋势，夏季降水的下降趋势最明显，其次是冬季，而后是春季。2002年以后，秋季降水量均超过春季。

图8 一年四季降水量变化Fig.8 Change of precipitation in four seasons of a year

从图9可以看出，黄河流域上中游地区7月降水量整体呈上升趋势，考虑到夏季降水量呈下降趋势，说明黄河流域上中游地区的降水呈现时间更加集中的特点。

图9 7月降水量变化Fig.9 Change of precipitation in July

2.3 土地利用和降水的关系

土地利用会影响降水这是共识，然而，土地利用与降水的关系是极其复杂的，需要深入探讨不同的植物、不同构成的植物景观、不同大小的流域与不同季节的降水、不同时长的降水关系。研究利用Excel的相关系数计算功能计算了分组的土地利用和降水的相关关系，如表3所示。

表3 土地利用变化与降水的相关性Tab.3 Correlation between land use change and precipitation

由表3可知，相关系数的绝对值越大，表明土地利用与降水的关系越密切。相关系数为正，表明该土地利用类型的变化易产生降雨，反之则不易产生降雨。据相关性大小可以看出，影响黄河流域上中游地区降水的土地利用类型的重要性依次为：湿地＞荒地＞不透水地面＞森林＞草地＞耕地＞雪/冰＞水体＞灌木林。从各土地利用类型的蒸散量来说，水体蒸散量是最大的，但就黄河流域上中游地区来说，湿地对降水的影响最大，这可能和湿地面积较大有关。

为了探讨7月降水中心与不透水地面土地利用空间分布的关系，研究用GIS空间分析的功能计算了不同年份不透水地面土地利用类型的中心，如图10所示。

图10 不透水地面中心与7月降水中心空间分布Fig.10 Spatial distribution of impervious ground center and precipitation center in July

从图10可以看出，随着时间的变化，不透水地面中心呈线性一直向西北方向偏移，这与7月降水标准椭圆的剧烈变化形成鲜明的对比，这反映了土地利用变化和降水关系的复杂性。虽然数值关系表明土地利用和降水相关，还需就二者的时空关系进行深入的研究。

3 结论与讨论

本研究表明，1985—2015年，黄河流域上中游地区土地利用发生了巨大的变化，耕地面积呈线性下降趋势，湿地面积呈非线性下降趋势，草地面积呈线性上升趋势，森林面积呈线性上升趋势，不透水地面面积呈线性上升趋势。

黄河流域上中游地区年均降水量呈线性上升趋势，年最小降水量在1997年，为322.31 mm，最大降水量在2003年，为531.20 mm。降水量的季节性变化相差很大，除秋季降水量呈上升趋势外，其余3个季节均呈下降趋势，夏季降水量的下降趋势最明显，然而7月降水量呈现上升趋势，考虑到夏季降水量呈下降趋势，说明黄河流域上中游地区的降水呈现时间更加集中的特点。

绘制的7月最大降水量中心标准椭圆表明，椭圆呈现先大后小的趋势，表明降水呈现集中化趋势。

利用Excel计算的分组土地利用和降水的相关系数表明，黄河流域上中游地区降水的土地利用类型的重要性依次为：湿地＞荒地＞不透水地面＞森林＞草地＞耕地＞雪/冰＞水体＞灌木林。

不透水地面几何中心呈现较好的一直向西北方向偏移的线性关系，但7月降水中心多分布在流域分界线附近，表现出受地形影响的非线性关系。

土地利用类型空间分布与降水的空间布局的关系是一个复杂的系统动态过程，需综合考虑土地利用类型、地形地貌、社会和经济等众多因素，限于数据的可获得性，本研究仅考虑了土地利用类型变化的影响，使得研究结果有一定的局限性，建议将土地利用与降水的空间关系随时间变化及不透水地面几何中心与年均降水中心的关系进行深入探讨。TALIB等[23]研究表明，气候和土地利用变化会加剧水循环，并在流域系统研究中引入季节性变化。接下来应重点研究土地覆被/土地利用方式的变化引起降水的空间分布变化的强度和尺度[24]、降水的时长与土地利用类型空间分布的关系以及黄河流域土地利用变化与生境质量[25]的关系。