2000—2020 年黄河源区水源涵养能力模拟与分析

叶立娟，刘翠善，王国庆，赵天晴，贾雨凡，阮俞理

(1.河海大学 水灾害防御全国重点实验室, 江苏 南京 210098； 2.南京水利科学研究院 水灾害防御全国重点实验室, 江苏 南京 210029； 3.河海大学 水文水资源学院, 江苏 南京 210098)

水源涵养作为地表生态系统一项重要服务功能，主要表现在拦蓄降水、调节径流、影响降水量、净化水质、维持生态系统稳定等方面[1]，对保持水土、减少植被退化、改善下垫面条件、调节气候等也有一定作用[2]。水源涵养能力作为水源涵养作用大小的定量体现，目前主要通过水源涵养量来体现。传统的水源涵养量计算方法有水量平衡法、综合蓄水能力法、蓄水能力法等，但存在较大的不确定性，且无法实现长时间、大尺度的研究[3]。3S 技术的迅速发展使生态系统服务“模型化、空间化”的研究成为新趋势，各类水文模型得到广泛应用[4]。基于水源涵养模拟分析的模型分为两种类型，一是传统的水文模型，如SWAT 模型[5]、VIC 模型[6]；二是新兴的生态系统服务模型，如InVEST 模型[7-8]。传统的水文模型侧重于生态系统服务驱动因素，但参数不确定性较大，在资料较少地区(如青藏高原)校正困难，同时水源涵养量的计算缺少修正过程，易使计算结果偏大[9]；而生态系统服务工具主要关注终端服务和可视化，计算简便，是当下热门的研究工具。InVEST 模型具有简便快速的空间表达手段、输入参数较少、数据导入要求相对较低、易操作、动态能力强等优点，适用于流域、生态保护区、半干旱与干旱生态脆弱区等较大尺度的研究[10-15]。

水源涵养量受地理条件、气候因素和人类活动等多重因素影响。由于地形及土壤性质等地理条件在很长一段时间内并不会发生明显改变，因此水源涵养量在短时间内的变化主要受气温、降水、潜在蒸散发等气候因素[16]及人类活动的影响，而人类活动影响水源涵养能力的本质是改变了区域下垫面条件[17]。河源区作为河流水源供给的源头区域，其水源涵养能力的影响因素也逐渐引起人们的关注[18]。吕乐婷等[19]基于InVEST 模型评估三江源的水源涵养能力，重点探究降水及蒸散发的影响；尹云鹤等[20]基于改进的LPJ 模型，研究降水和潜在蒸散发对黄河源区水源涵养能力的影响；潘韬等[21]基于InVEST 模型探究三江源产水量变化的驱动因素，指出三江源产水量受降水、潜在蒸散发及土地利用类型的共同影响，认为土地利用类型变化对产水量起负面作用，但没有对土地利用类型变化为何导致产水量降低做进一步分析。综上所述，目前对黄河源区水源涵养能力变化的研究，多集中在气候因素产生的影响上，缺乏对下垫面条件的深入分析。本文基于InVEST 模型对黄河源区的产水量和水源涵养量进行定量评估，分析其时空演变特征，并基于情景模拟，分析降水、潜在蒸散发对水源涵养量的影响，量化水源涵养量对不同土地利用类型变化的响应，以期对黄河源区水源涵养能力提升提供科学依据。

1 研究区概况

黄河源区以唐乃亥水文站断面为界，主体位于青藏高原东北部(95°50′ E～103°30′ E，32°30′ N～36°00′ N)，地势西高东低，大部分海拔在3 000 m以上(见图1)。黄河源区控制面积为12.2×104km2，占黄河流域面积的15.1%，多年平均降水量约为485.9 mm，多年平均气温−4.9 ℃[22]。多年平均径流量204×108m3，占黄河径流量的三分之一以上，是黄河流域的重要产水区。

图1 黄河源区示意Fig.1 The source region of the Yellow River

2 方法及数据

2.1 InVEST 模型原理

InVEST 模型由美国斯坦福大学、世界自然基金和自然保护协会联合开发，是基于生态系统过程评估的综合类模型，主要包括陆地系统、海洋系统和淡水系统三大模块[23]，其中淡水系统可应用于产水量分析、水源涵养服务时空变化及其影响因素、功能价值评估及其调控等方面[24]。

基于水量平衡原理，产水量即某栅格单元的降雨量减去实际蒸散发后的水源供给量，由淡水系统的产水模块通过降水、地表蒸发、植物蒸腾、土壤深度和根系深度等参数计算，具体计算[25-26]如下：

式中：Yjx为土地覆被类型j像元x处的年均产水量 (mm)；Px为像元x处的年均降水量 (mm)；Eajx为土地覆被类型j像元x处的年均实际蒸散量 (mm)；kj为土地覆被类型j处的蒸散系数；EPx为像元x处的年潜在蒸散量 (mm)； ω为植物需水量与降水量的比值；Z为经验常数，代表降水时间的季节分布，与年降水次数成正比，取值在1～30 之间；Wajx为土地覆被类型j像元x处的土壤有效含水量 (mm)，由土壤厚度 (mm)、根系深度 (mm)、土壤砂粒含量 (%)、土壤黏粒含量 (%)、土壤有机质含量 (%)计算得到；ds为土壤深度 (mm)；dr为根系深度 (mm)；Wp为植物可利用水，取值范围0～1[27]。

水源涵养量为降水量减去实际蒸发量后地表及地下的剩余水量，包括径流、植被截流和壤中流等，由地形指数、土壤饱和导水率和流速系数对产水量进行修正获得[28]，具体计算如下：

式中：Wrjx为土地覆被类型j像元x处的年均水源涵养能力 (mm)；Vj为土地覆被类型j处径流系数；Ksx为像元x处的土壤饱和导水率 (%)；Tix为像元x处的地形指数。

2.2 数据及模型验证

本文所用的气象数据来自国家青藏高原科学数据中心(www.tpdc.ac.cn)，包括降水及潜在蒸散发1 km 逐月栅格数据，以年尺度进行整合及单位转换。土地利用数据来自欧空局哥白尼数据中心(https://scihub.copernicus.eu)，分辨率为300 m，通过重分类进行调整(图2)，如表1 所示。土壤数据来自土壤-地形数字化数据库计划(SOTER)(http://www.isric.org/)，空间分辨率为1 km，包括土壤厚度、植物可利用水栅格数据等。以上数据进行了重投影和裁剪等预处理步骤。

表1 土地利用类型Tab.1 Land use/land cover categories

图2 黄河源区土地利用类型Fig.2 Land use/land cover types found in the source area of the Yellow River

根据水量平衡原理，多年平均产水量应等于多年平均径流量，因此本文采用唐乃亥水文站2000—2020 年实测径流量数据进行产水量的验证。如图3 所示，Z值增加导致产水量减小，本文通过手动调整Z值来调整多年平均产水量。当Z值取11 时，多年平均产水量(198.8×108m3)与多年平均径流量(200.4×108m3)最为接近，误差为0.8%。

图3 产水量与经验常数(Z)关系Fig.3 The correlation between water yield and the empirical constant (Z)

2.3 时空演变分析方法

本文采用Sen’s Slope 方法结合M-K 显著性检验进行时空演变分析。Sen’s Slope 方法是一种稳健的非参数统计的趋势计算方法，该方法计算效率高，对测量误差和离群数据不敏感，适用于长时间序列数据的趋势分析。其计算如下：

式中： β为趋势值，β＞0 表示增长趋势，反之为下降趋势；Median()代表取中值。

Mann-Kendall 非参数统计方法是一种非参数的时间序列趋势性检验方法[29]。该方法不受少数异常值的影响，也不要求数据服从特定的分布，在水文、气候等领域广泛运用。如表2 所示，根据M-K 检验结果的变化率τ值、显著性水平P值判断趋势性变化情况。

表2 趋势检验P 值和τ值及其对应的趋势类别Tab.2 Trend test results for P and τ values and their corresponding trend categories

3 结果与讨论

3.1 土地利用类型变化

2000—2020 年黄河源区土地利用类型(以下简称地类)变化如图4 所示，地类转移以草地和耕地之间的相互转换为主。2000—2010 年，耕地转为草地的面积为320 km2，草地转为耕地的面积为366 km2，因此耕地增加而草地减少。2010 年以后，黄河源区有2 112 km2的耕地转移为草地，2 030 km2的草地转移为耕地，另外还有192 km2的草地转换为未利用地，226 km2的草地转换为湿地及231 km2的湿地转换为草地，导致耕地、草地和湿地减少而未利用地增加。整体而言，2000—2020 年黄河源区耕地和草地面积呈下降趋势，分别减少了67 和128 km2；未利用地、水域以及城镇用地面积呈上升趋势，分别增加了114、48、29 km2；湿地面积略有减小；林地面积无明显的变化(图5)。

图4 2000—2020 年地类转移情况Fig.4 Transition matrix of land use/land cover from 2000 to 2020

图5 2000—2020 年黄河源区各地类面积变化Fig.5 The temporal variation of land use/land cover types in the Yellow River source area from 2000 to 2020

3.2 产水量时空变化

2000—2020 年黄河源区多年单元平均产水量为161.7 mm，多年平均产水总量为198.8×108m3。研究期间，黄河源区产水量呈波动上升趋势，增长率为3.8 mm/a，在0.05 显著性水平下，显著增加(图6(a))。空间分布差异明显，呈现自东向西、自南向北递减的特点，产水量较高地区主要分布在久治和玛曲(图6(b))。产水量变化趋势表现出明显的东西差异，自东南向西北依次表现为极显著上升、显著上升、轻微上升以及没有明显变化，产水量增长最明显区域主要出现在若尔盖和红原地区(图6(c))。

图6 2000—2020 年黄河源区产水量Fig.6 Water yield trends in the Yellow River source area from 2000 to 2020

3.3 水源涵养量变化

3.3.1 水源涵养量变化的空间分布 2000—2020年黄河源区多年单元平均水源涵养量为29.6 mm，单元平均水源涵养量增加率为0.7 mm/a，在0.05 显著性水平下，显著增加(图7(a))。多年平均水源涵养总量为35.3×108m3，其空间分布与产水量基本一致，呈现自东向西、自南向北递减的特点(图7(b))。南部、东部及东南部表现出显著上升的趋势，主要在玛曲、久治、阿坝和红原等地；西北部地区水源涵养量几乎没有变化(图7(c))。

图7 2000—2020 年黄河源区水源涵养量Fig.7 Water conservation capacity trends in the Yellow River source area from 2000 to 2020

3.3.2 不同地类的水源涵养量 如图8 所示，2000—2020 年黄河源区的草地水源涵养总量最高，其次是耕地、湿地和林地，未利用地及城镇用地的水源涵养总量最低。不同地类的单元平均水源涵养量有所不同，林地和草地最高，其次为未利用地、耕地和湿地，城镇用地的单元平均水源涵养量最低。林地与草地中的冠层、枯落物部分能够有效截留水分，因此水源涵养能力较强，单元水源涵养量较高。而未利用地主要是裸土或稀疏植被，耕地的植被根系较浅且作物蒸腾较强，城镇用地主要为不透水面，因此水源涵养能力较低。

图8 2000—2020 年黄河源区不同地类的水源涵养量Fig.8 Water conservation capacity of different land use/land cover types in the Yellow River source area from 2000 to 2020

除城镇用地水源涵养总量极显著增加外，其余地类水源涵养总量均显著增加。就单元平均水源涵养量而言，耕地呈极显著增加趋势，草地、湿地及林地呈显著增加趋势，未利用地呈轻微增加趋势而城镇用地基本没有变化。城镇用地水源涵养总量和单元平均水源涵养量变化趋势差异较大，主要是由于黄河源区初期的建筑用地面积极小，后期显著扩张，因此水源涵养总量随之增加，而单元平均水源涵养量并没有显著变化。

3.3.3 基于情景模拟的水源涵养量变化分析 本文通过情景模拟分别评估降水、蒸散发和地类变化对水源涵养量的影响。分别假设仅降水、潜在蒸散发和地类发生变化，计算3 种情景下的模拟水源涵养量。在第1 种假设情景下，降水为主要驱动因素，如图9 所示。水源涵养量和降水量存在正相关关系，水源涵养量受降水的影响增加了52.4%，影响较明显的区域分布在源区东部，包括若尔盖、玛曲、红原、久治、甘德、阿坝及玛沁县。

图9 仅降水发生变化时水源涵养量的变化Fig.9 Changes in water conservation capacity due to variations in precipitation alone

在第2 种假设情景下，潜在蒸散发为主要驱动因素。如图10 所示，水源涵养量和潜在蒸散发因为负相关关系，受潜在蒸散发的影响降低了1.6%。因潜在蒸散发变化导致的水源涵养量变化存在明显的空间异质性(图10(b))，中部及东部区域由于潜在蒸散发的降低，水源涵养量有所上升，西部及东南部受潜在蒸散发上升的影响，水源涵养量出现下降趋势。

图10 仅潜在蒸散发发生变化时水源涵养量的变化Fig.10 Changes in water conservation capacity due to changes in potential evapotranspiration alone

在第3 种假设情景下，地类变化为主要驱动因素。黄河源区的地类变化对水源涵养量起负面作用，导致水源涵养量减少0.1%(图11(a))。如图11(b)～(f)所示，除林地由于面积基本不变导致其水源涵养量也基本不变外，其余地类水源涵养量与地类面积高度相关，相关系数r均大于0.85。水源涵养量对湿地面积变化的响应程度最大，湿地每增加1 km2，水源涵养量增加0.93×105m3，而对城镇用地面积变化的响应程度最小，城镇用地每增加1 km2，水源涵养量仅增加0.15×105m3。可见，水源涵养量对地类的敏感性由高到低为湿地、草地、未利用地、耕地及城镇用地。由低敏感地类转变为高敏感地类将导致水源涵养量的上升，反之将导致水源涵养量的下降。

图11 仅地类发生变化时水源涵养量的变化Fig.11 Changes in water conservation capacity due to changes in land use/land cover types alone

根据以上结果可知，黄河源区水源涵养量的变化由降水变化主导，同时受潜在蒸散发和土地利用类型的影响。降水量增加、潜在蒸散发下降及低敏感地类向高敏感地类转换，会使水源涵养量上升，反之，降水量减少，潜在蒸散发上升及高敏感地类向低敏感地类转换，会使水源涵养量下降。

4 结 语

本文采用InVEST 模型对黄河源区2000—2020 年水源涵养量进行了时空演变分析及模拟，主要结论如下：

(1)黄河源区2000—2020 年平均产水总量和水源涵养总量约为198.8×108和35.3×108m3，水源涵养量呈显著增加趋势。

(2)水源涵养量的变化受土地利用类型影响存在差异。2000—2020 年黄河源区各土地利用类型水源涵养总量由高到低为草地、耕地、湿地、林地、未利用地及城镇用地，除城镇用地水源涵养总量极显著增加外，其余地类水源涵养总量均显著增加。

(3)黄河源区水源涵养量在近20 年呈现增加趋势，降水变化是主要的正贡献，而潜在蒸散发和土地利用类型的变化为负贡献。水源涵养量对土地利用类型的敏感性由高到低为湿地、草地、未利用地、耕地、城镇。湿地及草地等高敏感地类面积的减少、城镇用地等低敏感地类面积的增加会导致水源涵养量下降。

由于气候、土壤和地形等条件无法在短时间内进行人工干预，因此改善下垫面条件是调节水源涵养量的主要途径。本文研究表明，在黄河源区，湿地和草地是对水源涵养量贡献最高的两种地类，需要对湿地及草地实施精准化生态修复，采取具有针对性的修复措施，因地制宜，促进生态平衡，提升水源涵养能力。另外，黄河源区处于青藏高原东北部，是中国水文监测站点密度最低的地区，应尽量完善黄河源区水文监测体系，为研究黄河源区气候变化提供基础数据。