焦金魚

（定西師范高等?？茖W(xué)校，定西 743000）

高泉溝流域產(chǎn)流產(chǎn)沙的降水特征因子分析

焦金魚

（定西師范高等?？茖W(xué)校，定西 743000）

高泉溝流域?qū)儆邳S土丘陵溝壑區(qū)。運用灰色關(guān)聯(lián)與相關(guān)系數(shù)分析法，分析影響該流域坡面產(chǎn)流產(chǎn)沙的降水特征因子。結(jié)果表明對黃土丘陵溝壑區(qū)產(chǎn)生徑流貢獻(xiàn)最大的因子是降雨量；對土壤侵蝕量貢獻(xiàn)最大的因子是降雨量半小時雨強(qiáng)復(fù)合因子。因此，降雨量的多少是影響本區(qū)產(chǎn)流產(chǎn)沙最關(guān)鍵的因素。

高泉溝；降水因子；水土流失

水土流失引起土地資源退化，導(dǎo)致生態(tài)環(huán)境惡化，而降雨是引發(fā)水土流失的主要外營力。研究降雨特征因子與水土流失之間的關(guān)系，進(jìn)而確定各降雨特征因子在土壤侵蝕過程中對產(chǎn)流、產(chǎn)沙的影響序列，對進(jìn)一步揭示土壤侵蝕規(guī)律具有重要意義。影響產(chǎn)流的主要因素除降雨外，還有蒸發(fā)、地形、土壤、植被和人類活動等因素。趙文林通過對半干旱地區(qū)皇甫川流域的實證研究得出：徑流量與雨量、雨強(qiáng)和土壤含水量有關(guān)［1］。方天縱對白馬泉流域的研究結(jié)果顯示：降雨是該地區(qū)主要的土壤侵蝕動力因子［2］。黃土高原地區(qū)水土流失的危害已達(dá)到十分嚴(yán)重的程度，水土流失使得物理理化性狀持續(xù)惡化。黃土高原多年平均年流失的氮、磷、鉀總量約4000 ×104t，而且大部分在水土流失嚴(yán)重區(qū)，這更加劇了糧食等基本生活資料的緊張［3］。

1 研究區(qū)概況

高泉溝流域位于甘肅省定西市東南部，屬定西縣團(tuán)結(jié)鄉(xiāng)管轄。水土保持區(qū)劃屬黃土丘陵溝壑區(qū)第五副區(qū)，是黃河流域祖厲河水系關(guān)川河支流的一支小支溝，位于東經(jīng)104°31′52″～104°34′，北緯35°22′24″～35°25′，海拔2056～2447m，流域面積9.168 km2，屬黃土覆蓋的梁狀緩坡丘陵溝壑地形，南高北低，海拔高2056～2447m，相對高差391m，其制高點為黃河水系祖歷河流域與渭河流域的分水嶺。流域被Ⅰ號、Ⅱ號兩條干溝切割，形成“兩溝一梁四面坡”的地貌特征。溝壑密度2.38km/km2，主溝橫剖面一般呈矩形寬淺槽式，為“U”型谷。主溝兩側(cè)分布有上百條二級支溝，溝長大于50m的支溝有69條。流域溝壑密度為2.9km/km2。流域內(nèi)梁峁頂、梁峁坡、階坪川臺和溝谷分別占流域總面積的6.9%、52.4%、13.8%和26.9%。流域內(nèi)有山地灰褐土、坡地黑麻土、坡地黃麻土、坡地白麻土、坡地麻土、谷地麻土、川地麻土、川地黃麻土、川地黃綿土9個土壤類型。流域內(nèi)無天然喬木林分布。人工植被有以楊樹為主的人工林和以紫花苜蓿為主的人工草，其覆蓋度為38%，另外還有以春小麥、洋芋等為主的季節(jié)性農(nóng)業(yè)植被。氣候?qū)僦袦貛О敫珊禋夂颍昃鶜鉁?.2℃，年均降水415.2mm，7～9月降水占總降水量的56%，年日照時數(shù)2500h，無霜期140d。蒸發(fā)量1318mm。

2 試驗小區(qū)的布設(shè)與數(shù)據(jù)的測定

本試驗研究在定西市高泉溝流域溝緣線以上的坡面上共布設(shè)徑流試驗小區(qū)7個，小區(qū)編號分別為1＃、2＃、3＃、4＃、5＃、6＃、7＃。小區(qū)坡度15°，水平投影面積5×20m2，徑流池規(guī)格為1.5×1.5×1.5 m3。觀測項目分徑流量（Q）和泥沙量（M）。并設(shè)有虹吸式自記雨量計一臺，用于觀測各次降雨不同時段雨量、雨強(qiáng)等的變化過程。本研究所用數(shù)據(jù)采用徑流小區(qū)1989～1991年15場次降雨的徑流、泥沙和降雨資料，降雨特征因子選擇了雨量計直接觀測的降雨量（P）、降雨歷時（T）、平均雨強(qiáng)（I）、10min雨強(qiáng)（I10）和30min雨強(qiáng)（I30），另外還選擇了依據(jù)有降雨資料計算的降雨動能（E）、雨量和雨強(qiáng)的復(fù)合因子（PI）、（PI10）、（PI30）。

3 研究方法

3.1 灰色關(guān)聯(lián)法確定各降雨特征因子對徑流量和泥沙量的影響程度

灰色系統(tǒng)理論的研究對象是“部分信息已知，部分信息未知”的小樣本不確定性系統(tǒng)，與研究“隨機(jī)不確定性”的概率統(tǒng)計和研究“認(rèn)知不確定性”的模糊數(shù)學(xué)不同，它通過對“部分”已知信息的生成、開發(fā)去了解、認(rèn)識現(xiàn)實世界，實現(xiàn)對系統(tǒng)運行行為和演化規(guī)律的正確把握和描述。其具體分析步驟如下［4］：

3.1.1 數(shù)據(jù)的無量綱化

先分別求出各個序列的平均值，再用平均值去除對應(yīng)序列中的各個原始數(shù)據(jù)，所得到新的數(shù)據(jù)列，即為均值化序列。量綱化值大于0，并且大部分接近于1，具體數(shù)據(jù)見表1。

表1 降雨特征因子的無量綱化值Table 1 Dimensionless value of rainfall factors

3.1.2 確定比較數(shù)據(jù)列和參考數(shù)據(jù)列

設(shè)評價對象為m個，評價指標(biāo)為n個，標(biāo)準(zhǔn)數(shù)據(jù)列為x0，第k個指標(biāo)值記為x0（k），標(biāo)準(zhǔn)數(shù)據(jù)列表示公式：

x（0）＝｛x0（k）｝，k＝1，2，3，···，n

比較數(shù)據(jù)列是研究的對象數(shù)據(jù)列，表示公式：

xi＝｛xi（k），k＝1，2，3，···，n｝，i＝1，2，3，···，m

3.1.3 關(guān)聯(lián)系數(shù)與關(guān)聯(lián)度的計算

關(guān)聯(lián)系數(shù)反映兩個被比較序列在某一時刻的緊密（靠近）程度，實質(zhì)上是數(shù)列的幾何曲線在性狀上的差異，比較序列與參考序列在各時點的差值即為關(guān)聯(lián)系數(shù)，對于參考序列x0（k）與i個比較序列的關(guān)聯(lián)系數(shù)計算公式如下：

上式中，ξ0i（k）為x0與xi在第k點的關(guān)聯(lián)系數(shù)；表示x0數(shù)列與xi數(shù)列在第k點的絕對差）稱為二級最小差，其中是第一級最小差，而是第二級最小差；其含義與最小值相似，ρ為分辨系數(shù)，取值為0.5，將比較數(shù)列xi與參考數(shù)列x0各點的關(guān)聯(lián)度數(shù)加和平均得到關(guān)聯(lián)度Ri。

式中，k為采樣時點，k＝1，2，3…，15。對表1數(shù)據(jù)通過DPS統(tǒng)計軟件計算，各降雨特征因子對徑流量、泥沙量的關(guān)聯(lián)度結(jié)果見表2。

3.1.4 根據(jù)關(guān)聯(lián)度的大小，對各評價對象進(jìn)行排序，建立評價對象的關(guān)聯(lián)序

關(guān)聯(lián)度Ri表示標(biāo)準(zhǔn)數(shù)據(jù)列和比較數(shù)據(jù)列接近程度，可根據(jù)關(guān)聯(lián)度的大小，對各評價對象進(jìn)行排序，建立評價對象的關(guān)聯(lián)序，據(jù)此可進(jìn)行系統(tǒng)內(nèi)各因素間影響性質(zhì)的重要性分析。根據(jù)表2中的計算結(jié)果，各降雨特征因子對高泉溝流域坡面徑流量的影響序列為：

表2 降雨特征因子對徑流量和泥沙量的關(guān)聯(lián)度Table 2 Correlation degree of rainfall factors to runoff and sediment

降雨量P（k）＞降雨量和平均雨強(qiáng)的乘積PI（k）＞降雨量和30min雨強(qiáng)的乘積PI30（k）＞降雨動能E（k）＞降雨量和10min雨強(qiáng)的乘積PI10（k）＞30 min雨強(qiáng)I30（k）＞10min雨強(qiáng)I10（k）＞平均雨強(qiáng)I（k）＞降雨歷時T（k）

各降雨特征因子對高泉溝流域坡面泥沙量（土壤侵蝕量）的影響序列為：

降雨量和30min雨強(qiáng)的乘積PI30（k）＞降雨量和平均雨強(qiáng)的乘積PI（k）＞降雨量和10min雨強(qiáng)的乘積PI10（k）＞降雨量P（k）＞30min雨強(qiáng)I30（k）＞10 min雨強(qiáng)I10（k）＞平均雨強(qiáng)I（k）＞降雨歷時T（k）

3.2 相關(guān)分析法確定各降雨特征因子對徑流量和泥沙量的影響程度

所謂相關(guān)，是指兩個或兩個以上變數(shù)間相互關(guān)系是否密切。相關(guān)分析僅限于測定兩個或兩個以上變數(shù)具有相關(guān)關(guān)系者，其主要目的是計算出表示兩個或兩個以上變數(shù)間的相關(guān)程度和性質(zhì)。地理要素之間相互關(guān)系密切程度的測定，主要是通過對相關(guān)系數(shù)的計算和檢驗來完成的［5］。高泉溝流域試驗小區(qū)有關(guān)影響徑流量（Q）和泥沙量（M）的降雨特征因子主要為用雨量計直接觀測的降雨量（P）、降雨歷時（T）、平均雨強(qiáng)（I）、10min雨強(qiáng)（I10）和30min雨強(qiáng)（I30），另外還選擇了依據(jù)有降雨資料計算的降雨動能（E）、雨量和雨強(qiáng)的復(fù)合因子（PI）、（PI10）、（PI30）。通過SPSS軟件利用pearson相關(guān)分析法計算出各指標(biāo)的相關(guān)系數(shù)矩陣（表3、表4）。

表3 影響徑流量的各降雨特征因子相關(guān)系數(shù)矩陣Table 3 Correlation coefficient matrix of rainfall factors affecting runoff

表4 影響泥沙量的各降雨特征因子相關(guān)系數(shù)矩陣Table 4 Correlation coefficient matrix of rainfall factors affecting sediment

在SPSS軟件分析中，同時對相關(guān)系數(shù)進(jìn)行了雙尾檢驗［6］，對165個觀測數(shù)據(jù)進(jìn)行相關(guān)性分析可知，以上降雨量、降雨歷時等9個降雨特征因子中只有降雨歷時和平均雨強(qiáng)和徑流量和泥沙量之間的相關(guān)系數(shù)較小外，其余因子均與徑流量和泥沙量之間的相關(guān)性較為顯著。

3.2.1 徑流量與各降雨特征的相關(guān)性分析

由表3可知，徑流量與降雨量的相關(guān)系數(shù)最大，相關(guān)系數(shù)為0.853，顯著性概率水平為0.01。其次，相關(guān)系數(shù)較大的為雨量30min雨強(qiáng)復(fù)合因子，相關(guān)系數(shù)為0.812，顯著性概率水平為0.01。其他雨量10min雨強(qiáng)復(fù)合因子、雨量平均雨強(qiáng)復(fù)合因子、降雨動能3個因子與徑流量的相關(guān)系數(shù)都在0.684以上，都達(dá)到了顯著性概率水平為0.01的水平。因而在定西市高泉溝流域，引起地表徑流量大小的最主要降雨特征因子為降雨量，其次為雨強(qiáng)和降雨動能，而與降雨歷時和單因子雨強(qiáng)相關(guān)性不大。從而說明該流域降雨產(chǎn)流的形成與降雨量和雨強(qiáng)的有效結(jié)合有關(guān)，當(dāng)降雨強(qiáng)度大于表層土壤的入滲率時產(chǎn)生地表徑流。另外該流域位于黃土丘陵溝壑區(qū)，溝壑密度大，根據(jù)超滲產(chǎn)流理論，故因與坡度較陡有關(guān)的降雨動能因子在雨滴擊濺過程中加快了坡面流水的匯入速度［7］。

3.2.2 泥沙量與各降雨特征的相關(guān)性分析

由表4可知，3個雨量雨強(qiáng)復(fù)合因子與泥沙量的相關(guān)系數(shù)是9個降雨特征因子中最高的。其中泥沙量與雨量30min雨強(qiáng)復(fù)合因子的相關(guān)系數(shù)最大，相關(guān)系數(shù)為0.903，顯著性概率水平為0.01。其次，相關(guān)系數(shù)較大的為雨量10min雨強(qiáng)復(fù)合因子和雨量平均雨強(qiáng)復(fù)合因子，相關(guān)系數(shù)分別為0.837、0.823，顯著性概率水平為0.01。除降雨歷時和平均雨強(qiáng)2個因子外，其他降雨特征因子與泥沙量的相關(guān)系數(shù)都在0.658以上，都達(dá)到了顯著性概率水平為0.01的水平。因而在定西市高泉溝流域，引起河流泥沙量大小的最主要降雨特征因子為雨量30 min雨強(qiáng)復(fù)合因子，其次為雨量10min雨強(qiáng)復(fù)合因子和雨量平均雨強(qiáng)復(fù)合因子，而與降雨歷時和單因子雨強(qiáng)相關(guān)性不大。降雨量與泥沙量的相關(guān)性不如雨量雨強(qiáng)復(fù)合因子明顯，相關(guān)系數(shù)為0.819，但仍很重要。另外雨強(qiáng)和降雨動能因子與該流域泥沙量的相關(guān)性也較為顯著，都達(dá)到了顯著性概率水平為0.01的水平。

4 討論與結(jié)論

4.1 結(jié)論

（1）灰色關(guān)聯(lián)法和相關(guān)系數(shù)法2種方法確定各降雨特征因子對徑流量所起作用的大小分析數(shù)據(jù)顯示：降雨量與徑流量的關(guān)系最顯著。用灰色關(guān)聯(lián)法分析后關(guān)聯(lián)度居于第二位和第三位的分別是雨量和30min雨強(qiáng)復(fù)合因子和雨量平均雨強(qiáng)復(fù)合因子，而運用相關(guān)系數(shù)法分析后相關(guān)系數(shù)居于第二位和第三位的分別是雨量30min雨強(qiáng)復(fù)合因子和雨量平均雨強(qiáng)復(fù)合因子。

（2）通過以上2種分析法確定各降雨特征因子對土壤侵蝕量所起作用的大小分析數(shù)據(jù)顯示：降雨量30min雨強(qiáng)復(fù)合因子與土壤侵蝕量的關(guān)系最顯著。用灰色關(guān)聯(lián)法分析后關(guān)聯(lián)度居于第二位和第三位的分別是雨量平均雨強(qiáng)復(fù)合因子和雨量10min雨強(qiáng)復(fù)合因子，而運用相關(guān)系數(shù)法分析后相關(guān)系數(shù)居于第二位和第三位的分別是雨量10min雨強(qiáng)復(fù)合因子和雨量平均雨強(qiáng)復(fù)合因子，因此有必要做進(jìn)一步的探討分析。

（3）不論是灰色關(guān)聯(lián)法還是相關(guān)系數(shù)法分析數(shù)據(jù)顯示，各降雨特征因子中對黃土丘陵溝壑區(qū)產(chǎn)生徑流貢獻(xiàn)最大的因子是降雨量；各降雨特征因子中對黃土丘陵溝壑區(qū)產(chǎn)生土壤侵蝕量貢獻(xiàn)最大的因子是降雨量30min雨強(qiáng)復(fù)合因子。

4.2 討論

（1）本文對影響半干旱黃土丘陵溝壑區(qū)的徑流量和土壤侵蝕量的降雨特征因子進(jìn)行了重點探討。但事實上影響徑流和土壤侵蝕過程的因素是錯綜復(fù)雜的，例如在研究土壤侵蝕時，也應(yīng)該考慮地表徑流本身對土壤侵蝕量的影響［8］。因為徑流量既受各降雨特征因子的影響，同時又反過來會影響土壤侵蝕量。

（2）本研究結(jié)論所示：最大雨強(qiáng)雨量復(fù)合因子對半干旱黃土丘陵溝壑區(qū)產(chǎn)生土壤侵蝕量所起的作用最大，正好與衛(wèi)偉等人用因子偏相關(guān)分析法得出的結(jié)論相一致［8］，而且在各降雨特征因子中排名前三的都是最大雨強(qiáng)雨量復(fù)合因子。因此，單純從降水量的多少來判斷是否產(chǎn)生土壤侵蝕是不科學(xué)的，應(yīng)該將最大雨強(qiáng)考慮在內(nèi)。因為在半干旱黃土丘陵溝壑區(qū)超滲產(chǎn)流的幾率大于蓄滿產(chǎn)流。

（3）在各降雨特征因子中對是否產(chǎn)生徑流或發(fā)生土壤侵蝕起主導(dǎo)作用的并非同一因子，因此更深一步的研究今后半干旱黃土丘陵溝壑區(qū)降水量和最大雨強(qiáng)的耦合機(jī)制，有助于最終達(dá)到對該區(qū)域產(chǎn)流產(chǎn)沙問題的解決。

［1］趙文林.皇甫川流域降雨產(chǎn)流產(chǎn)沙特性初析［J］.人民黃河，1990，12（6）：37－42.

［2］方天縱，張賢瑞，劉秀芹.石質(zhì)丘陵山地水土流失時空變化初步研究［J］.水土保持研究，2004，11（2）：24－26.

［3］張惠霞，鄭書彥.黃土高原水土流失災(zāi)害研究［J］.水土保持研究，2004，11（4）：320－321.

［4］鄧聚龍.灰色系統(tǒng)基本方法［M］.武漢：華中理工大學(xué)出版社，1992.

［5］孔蘭.基于相關(guān)分析法的喀斯特流域枯水影響因素分析［J］.水科學(xué)與工程技術(shù)，2008，11（2）：60－62.

［6］盧岱.SPSS for Windows統(tǒng)計方法［M］.北京：電子工業(yè)出版社，2006.

［7］王治國，張云龍，劉徐師，等.林業(yè)生態(tài)工程學(xué)［M］.北京：中國林業(yè)出版社，2000.

［8］衛(wèi)偉，陳利頂，傅伯杰.半干旱黃土丘陵溝壑區(qū)降水特征值和下墊面因子影響下的水土流失規(guī)律［J］.生態(tài)學(xué)報，2006，26（11）：3847－3853.

RAINFALL FACTORS AFFECTING RUNOFF AND SEDIMENT AT GAOQUANGOU VALLEY

JIAO Jin－yu
（Department of Geography，Dingxi Teachers College，Dingxi 743000，China）

Gaoquangou Valley is a hilly loess area.Gray correlation and correlation coefficient methods are used to analyze the rainfall factors.The results show that rainfall amount contributes most to the runoff，and half－an－h(huán)our＇s rainfall intensity composite factor contributes most to the soil erosion amount.

Gaoquangou Valley；rainfall factor；soil erosion

S157.1

:A

1006－4362（2012）02－0086－05

焦金魚（1974－ ），男，甘肅通渭人，講師，碩士，主要從事方向為區(qū)域環(huán)境與水土保持研究。

2011－12－20改回日期:2012－03－06

:甘肅省教育廳項目（2107B－01）