李閏潔,李升峰,吳森垚,2

(1.南京大學(xué) 地理與海洋科學(xué)學(xué)院,江蘇 南京 210023;2.中國(guó)人民解放軍61175部隊(duì),江蘇 南京 210049)

徑流作為流域水循環(huán)的重要環(huán)節(jié)，受到氣候變化和人類活動(dòng)的影響[1-2]。氣候變化通過(guò)改變降水、氣溫、風(fēng)速等氣象要素對(duì)流域水循環(huán)過(guò)程產(chǎn)生影響[3-4]。人類活動(dòng)一方面通過(guò)改變流域下墊面特征直接影響產(chǎn)匯流過(guò)程；另一方面通過(guò)水庫(kù)修建、取用水等行為間接干擾流域徑流的自然變異特征[5-6]。綜合考慮氣候變化和人類活動(dòng)的影響，徑流系列會(huì)出現(xiàn)漸變和突變等非平穩(wěn)特征，并且在不同時(shí)間尺度表現(xiàn)有所差異[7]。水文序列非平穩(wěn)分析中的重要內(nèi)容包括趨勢(shì)分析和突變檢驗(yàn)[8]，水文序列趨勢(shì)分析常用方法主要有：滑動(dòng)平均法[9]、Mann-Kendall(M-K)趨勢(shì)檢驗(yàn)法[10]、R/S分析法[11]等。突變點(diǎn)檢測(cè)方法有Pettitt檢驗(yàn)法[12]、雙累積曲線法[13]、有序聚類法[14]等。這些方法已在實(shí)踐中得到廣泛的應(yīng)用。例如，陳立華等[15]采用M-K趨勢(shì)檢驗(yàn)法、R/S法、有序聚類法等方法分析西江干流徑流年際及年內(nèi)變化規(guī)律。陳玫君[16]采用M-K趨勢(shì)檢驗(yàn)、雙累積曲線、Pettitt突變檢驗(yàn)法等方法研究黃河三個(gè)典型流域的徑流變化特征。以上研究表明M-K趨勢(shì)檢驗(yàn)法和Pettitt檢驗(yàn)法原理簡(jiǎn)單，可操作性強(qiáng)，定量化程度高，表征效果好[17]。水文序列變異影響因素分析主要采用統(tǒng)計(jì)模型和水文模型法[18]，對(duì)自然因素和人為因素進(jìn)行定性或定量的區(qū)分[19-20]。統(tǒng)計(jì)模型通過(guò)分析水文序列變異點(diǎn)與其變異形式的相關(guān)性，從而確定引起序列變化的關(guān)鍵因素。水文模型法通過(guò)模擬預(yù)測(cè)不同情景下流域徑流的響應(yīng)，從物理過(guò)程的角度更好地揭示徑流的變化規(guī)律[21]。由于水文模型結(jié)構(gòu)復(fù)雜，參數(shù)眾多，并且尚未能完全表征人類活動(dòng)對(duì)不同水文過(guò)程的影響機(jī)制，其應(yīng)用受到一定的限制，尤其是受到強(qiáng)人類活動(dòng)影響的流域水文研究[22-23]。近來(lái)廣義可加模型(GAMLSS)得到了較為廣泛的應(yīng)用[24]，由于該模型計(jì)算簡(jiǎn)潔，可以較為容易的獲得自變量和因變量的關(guān)系，不僅可預(yù)測(cè)未來(lái)徑流的變化趨勢(shì)，還可以進(jìn)行歸因分析。有學(xué)者采用GAMLSS模型建立多種分布下的回歸模型來(lái)研究復(fù)雜環(huán)境下的水文要素變化過(guò)程。例如，張冬冬等[25]采用GAMLSS模型分析出大渡河流域年最大日降水序列呈現(xiàn)不顯著變化趨勢(shì)，且氣候變化對(duì)流域極端降水的影響較強(qiáng)。李凌琪等[26]采用GAMLSS建立影響因素降水、氣溫、ATD指數(shù)(累積氣溫虧損值)與長(zhǎng)江上游巴塘站年徑流量之間的關(guān)系，結(jié)果表明ATD指數(shù)對(duì)徑流變化的影響更顯著。城市化進(jìn)程中，隨著林地、耕地、濕地等不斷轉(zhuǎn)化為建筑用地、工業(yè)用地或商業(yè)用地，不透水表面(如屋頂、水泥道路、停車場(chǎng)等人工建筑物)不斷增加，并通過(guò)直接改變降雨入滲過(guò)程，對(duì)流域產(chǎn)匯流產(chǎn)生影響。目前，城市化水文效應(yīng)研究集中在短期水文效應(yīng)(如洪水)或長(zhǎng)期水文效應(yīng)(如年徑流)。短期水文效應(yīng)表現(xiàn)為城市化對(duì)暴雨洪水的影響。例如，牛勝利[27]基于HEC-HMS模型分析出城市化導(dǎo)致武漢符河流域洪水徑流增加。長(zhǎng)期水文效應(yīng)表現(xiàn)在城市化對(duì)年際尺度徑流的影響，例如，余琪[28]利用長(zhǎng)期水文影響模型分析不透水面擴(kuò)張對(duì)年徑流量的影響。林立清[29]基于L-THIA模型分析出上海地區(qū)快速城市化導(dǎo)致徑流量不斷增加。研究城市擴(kuò)張對(duì)水文影響的程度及范圍是城市水文研究的熱點(diǎn)與難點(diǎn)。現(xiàn)階段研究針對(duì)單一徑流指標(biāo)，對(duì)不同時(shí)間尺度徑流影響程度的研究還較為匱乏，且各時(shí)間尺度之間的效應(yīng)分析也相對(duì)較少。多時(shí)間尺度分析可以幫助全面認(rèn)識(shí)城市化對(duì)水文循環(huán)的影響，更準(zhǔn)確揭示流域水循環(huán)演變機(jī)理及內(nèi)在聯(lián)系，從而科學(xué)指導(dǎo)不同目的的生產(chǎn)實(shí)踐如防洪除澇、水生態(tài)環(huán)境治理、水資源管理等。

秦淮河位于中國(guó)經(jīng)濟(jì)發(fā)達(dá)、城市化發(fā)展迅速的長(zhǎng)江三角洲地區(qū)，也是江蘇省省會(huì)南京市的母親河。隨著城市建設(shè)用地的不斷擴(kuò)張，秦淮河流域不透水面迅速增加，給流域的水文循環(huán)過(guò)程帶來(lái)深刻影響，顯著增加南京城市的洪澇風(fēng)險(xiǎn)，嚴(yán)重制約社會(huì)經(jīng)濟(jì)發(fā)展和威脅城市居民的生命財(cái)產(chǎn)安全。分析城市化驅(qū)動(dòng)下的秦淮河流域的徑流變化特征對(duì)流域防洪減災(zāi)、土地可持續(xù)利用、水資源保護(hù)具有重要意義，同時(shí)也可為長(zhǎng)三角地區(qū)其他城市化流域的水文循環(huán)變異研究提供參考。本文以秦淮河流域?yàn)檠芯繀^(qū)，基于30 a(1986—2015年)的水文序列，分析流域多時(shí)間尺度徑流系列非平穩(wěn)演變特征(漸變和突變)。進(jìn)一步借助廣義可加模型GAMLSS，分析非平穩(wěn)徑流序列的影響因素及其在不同時(shí)間尺度的內(nèi)在聯(lián)系[30]，旨在為后續(xù)定量分析氣候變化和人類活動(dòng)對(duì)流域水文循環(huán)演變研究提供科學(xué)依據(jù)。

1 研究區(qū)概況

秦淮河流域地處長(zhǎng)江下游地區(qū)，位于江蘇省西南部，整個(gè)流域?yàn)殚]合流域，流域面積為2 631 km2,形狀近似呈方形，流域范圍位于118°39′—119°19′E，31°34′—32°10′N。流域地形為完整的構(gòu)造盆地，地勢(shì)平坦。地貌類型由高到低依次為丘陵、崗地和平原，四周為丘陵山地，流域內(nèi)部的平原分布在中央地勢(shì)低洼地區(qū)，主要沿河流兩側(cè)分布，崗地多出于流域內(nèi)低山和丘陵的中部地帶。秦淮河流域?qū)賮啛釒О霛駶?rùn)季風(fēng)氣候區(qū)，具有四季分明、夏熱冬冷的特點(diǎn)，多年平均氣溫為15.4 ℃，最高氣溫為43 ℃，最低氣溫為-14 ℃，溫差較大。年平均降水量為1 119 mm，降雨比較充沛。流域上游支流眾多，且多分布在山區(qū)，匯流速度快，流量漲幅大；中下游地區(qū)地形平坦，洪、澇水相互交織。隨著城市化進(jìn)程加快，1988—2015年秦淮河流域不透水面的增長(zhǎng)極其顯著，不透水率(定義為流域中不透水面積占流域總面積的比例)從1988年的3.09%擴(kuò)展至2015年的24.01%，擴(kuò)大了近8倍[31]。2001年之前不透水率的年均凈增為0.34%，而之后則為1.16%。流域中下游洪澇災(zāi)害風(fēng)險(xiǎn)日益加劇。

2 數(shù)據(jù)和方法

2.1 數(shù)據(jù)來(lái)源

1986—2015年是秦淮河流域城市化高速發(fā)展，流域下墊面變化顯著的階段。1988年秦淮河流域年末總?cè)丝跀?shù)為72.27萬(wàn)人，2015年年末總?cè)丝跀?shù)為99.36萬(wàn)人，增長(zhǎng)率為37.48%。人口數(shù)據(jù)來(lái)源于南京市統(tǒng)計(jì)局(http:∥tjj.nanjing.gov.cn/)的《南京統(tǒng)計(jì)年鑒(1987—2018年)》和鎮(zhèn)江市統(tǒng)計(jì)局(http:∥tjj.zhenjiang.gov.cn/)的《鎮(zhèn)江統(tǒng)計(jì)年鑒(2018版)》。本文選用秦淮河流域1986—2015年的降水、徑流及不透水面數(shù)據(jù)。降水?dāng)?shù)據(jù)來(lái)源于流域內(nèi)7個(gè)雨量站1986—2015年逐日觀測(cè)資料。通過(guò)計(jì)算各站點(diǎn)多年平均雨量，發(fā)現(xiàn)各站點(diǎn)之間的差異較小(變差系數(shù)為0.0～0.02)，表明研究流域降雨空間一致性較好。因此，本文采用泰森多邊形插值得到流域面降雨量數(shù)據(jù)，用于后續(xù)分析。徑流數(shù)據(jù)源于水文年鑒，經(jīng)過(guò)水文部門(mén)的整編和核對(duì)，具有較好的一致性和可靠性。將流域出口秦淮河新閘和武定門(mén)閘的日徑流數(shù)據(jù)之和作為秦淮河流域總徑流，用于后續(xù)分析。秦淮河流域年降雨量和年徑流深關(guān)系在研究時(shí)段內(nèi)未發(fā)生明顯變化，降雨量和徑流深存在較好的一致性，降雨徑流相關(guān)系數(shù)達(dá)到0.78。不透水面數(shù)據(jù)基于Landsat衛(wèi)星遙感影像，采用半自動(dòng)決策樹(shù)分類模型獲取[31]。

2.2 研究方法

2.2.1 M-K檢驗(yàn)法 M-K非參數(shù)檢驗(yàn)方法被廣泛應(yīng)用于分析降水、徑流和氣溫等要素時(shí)間序列的變化趨勢(shì)[32]，該方法假設(shè)序列中的樣本無(wú)需遵從一定的分布，避免少數(shù)異常值的干擾。M-K趨勢(shì)檢驗(yàn)法中的統(tǒng)計(jì)變量Z值可用來(lái)對(duì)水文序列進(jìn)行顯著性檢驗(yàn)。在M-K檢驗(yàn)中，原假設(shè)H0為時(shí)間序列數(shù)據(jù)x1,x2,x3,…xn是n個(gè)隨機(jī)且獨(dú)立分布的樣本；備選假設(shè)H1是雙邊檢驗(yàn)，對(duì)于所有的k,j≤n，且k≠j，xk和xj的分布不同，檢驗(yàn)的統(tǒng)計(jì)變量S計(jì)算公式為：

(1)

S為正態(tài)分布，其均值為0。方差var(S)=n(n-1)(2n+5)/18。當(dāng)n>10時(shí)，標(biāo)準(zhǔn)的正態(tài)統(tǒng)計(jì)變量通過(guò)下式計(jì)算：

(2)

在給定的α置信水平上，如果|Z|≥Z1-α/2，表明時(shí)間序列數(shù)據(jù)存在明顯的上升或下降趨勢(shì)。對(duì)于統(tǒng)計(jì)變量Z，大于0為上升趨勢(shì)，小于0為下降趨勢(shì)。本文給定顯著性水平分別為0.01，0.05時(shí)，對(duì)應(yīng)的統(tǒng)計(jì)量臨界檢驗(yàn)值分別為±2.58和±1.96。

2.2.2 Pettitt突變點(diǎn)檢驗(yàn)法 Pettitt突變點(diǎn)檢驗(yàn)法用于檢測(cè)時(shí)間序列是否存在突變點(diǎn)，該方法是一種基于秩的非參數(shù)統(tǒng)計(jì)檢驗(yàn)方法，基本原理是假設(shè)將隨機(jī)變量序列x1,x2,…xn任意分割為x1,x2,…xi和xi+1,xi+2,…xn兩個(gè)均值相等的子序列后，如果前后兩部分中隨機(jī)變量的分布函數(shù)是F1(x)和F2(x)，且F1(x)≠F2(x)，則認(rèn)為變點(diǎn)發(fā)生在i處。統(tǒng)計(jì)量定義如下：

(3)

(4)

構(gòu)造統(tǒng)計(jì)量K和P:

K=max|Ut,n| (t=1,2,…,n)

(5)

(6)

與K對(duì)應(yīng)的年份為時(shí)間序列最有可能突變的地方，當(dāng)P≤0.05時(shí)，認(rèn)為發(fā)生突變；否則突變不顯著。

2.2.3 廣義可加模型GAMLSS GAMLSS模型是半?yún)?shù)回歸模型，用于描述隨機(jī)變量序列的任何統(tǒng)計(jì)參數(shù)與解釋變量之間的線性或非線性關(guān)系[33]。模型定義如下：假設(shè)同一時(shí)間序列yi(i=1,2,…,n)相互獨(dú)立并且服從分布函數(shù)F=(yi|θi)，θi=(θ1，θ2，…θp)表示P個(gè)參數(shù)(包括位置、尺度和形狀參數(shù))形成的向量。記gk(θk)表示反應(yīng)參數(shù)向量θk與解釋變量Xk和隨機(jī)效應(yīng)項(xiàng)之間的單調(diào)連接函數(shù)，連接函數(shù)的統(tǒng)一表達(dá)式為：

(7)

式中：ηk，θk是長(zhǎng)度為n的向量；Xk是維度為n×Jk的解釋變量矩陣；βk={β1k,β2k,…,βJkk}是長(zhǎng)度為Jk的參數(shù)向量；Zjk是已知的n×qjk固定設(shè)計(jì)矩陣；γjk是正態(tài)分布隨機(jī)變量。

當(dāng)解釋變量為時(shí)間t時(shí)，解釋變量矩陣Xk可以表示為：

(8)

本文采用GAMLSS模型探討降水和不透水率對(duì)不同時(shí)間尺度徑流的影響。選用Gamma(GA)，Gumbel(GUM)，Weibull(WEI)，Logistic(LO)這4種兩參數(shù)分布函數(shù)類型[34]，根據(jù)赤池信息量準(zhǔn)則AIC(akaike information criterion)值選擇最優(yōu)擬合分布。

3 結(jié)果與分析

3.1 不同時(shí)間尺度徑流特征分析

本文按照日、月、季度、干季、濕季和年分別建立秦淮河流域不同時(shí)間尺度的徑流和降雨序列。日時(shí)間序列為一年內(nèi)日流量(以及日降雨)從大到小排列，統(tǒng)計(jì)出最大值(R1)以及5個(gè)百分位數(shù)，分別為5%(R5)，25%(R25)，50%(R50)，75%(R75)和95%(R95)，分別構(gòu)建降雨和徑流序列；月時(shí)間序列為1—12月的降雨和徑流序列；季時(shí)間序列按1—3月、4—6月、7—9月、10—12月劃分為四季，分別建立季節(jié)降雨和徑流序列；干季時(shí)間序列為一年內(nèi)枯水期的降雨和徑流序列，為每年的11月到翌年的4月；濕季時(shí)間序列為一年內(nèi)豐水期的降雨和徑流序列，為每年的5—10月；年時(shí)間序列為每年總降雨和徑流序列。秦淮河流域不同時(shí)間尺度徑流量變化特征如圖1所示。

圖1 秦淮河流域不同時(shí)間尺度徑流統(tǒng)計(jì)特征

根據(jù)圖1可知，徑流年內(nèi)變化特征表現(xiàn)出較大的差異性。從日尺度看，日最大徑流量和前5百分位流量與25百分位以下徑流量差距明顯；從月尺度看，秦淮河流域流量的年內(nèi)分布很不均勻且流域徑流有春、夏兩個(gè)汛期，年徑流過(guò)程線呈雙峰，春汛集中在3月份，占全年徑流量的比例為9%，夏汛主要集中在6—8月份，占全年徑流量的比例約為50%，最小流量出現(xiàn)在12月到翌年2月；從季尺度看，第2,3季度的徑流量明顯高于第1,4季度，第2,3季度的徑流量占總徑流量的68%，超過(guò)全年徑流量的1/2；受季風(fēng)氣候影響，流域全年徑流相對(duì)集中，出現(xiàn)顯著的干、濕兩季。徑流年際變化特征通過(guò)變差系數(shù)和年際極值比來(lái)表征[35]，計(jì)算可得秦淮河流域變差系數(shù)(Cv)為0.58，年際極值比(ω)為14.78。徑流變差系數(shù)和年際極值比的數(shù)值比較大，說(shuō)明秦淮河流域年徑流序列離散程度較大，年際豐枯變化劇烈。

3.2 不同時(shí)間尺度徑流趨勢(shì)分析和突變檢驗(yàn)

對(duì)不同時(shí)間尺度的徑流序列分別進(jìn)行M-K趨勢(shì)分析及Pettitt突變檢驗(yàn)。從圖2可以看出，各個(gè)時(shí)間尺度的徑流都表現(xiàn)出增加趨勢(shì)。日序列第25百分位以下徑流，月序列1月，2月，9月，10月和12月，季序列的第4季度，年序列徑流增加趨勢(shì)非常顯著，達(dá)到了1%的顯著性水平。月序列4月，5月和8月，季序列的第3季度，干濕季徑流增加趨勢(shì)顯著，達(dá)到了5%的顯著性水平。而日系列的最大值和第5百分位，月序列的3月，6月，7月和11月，季序列的第1，2季度的變化趨勢(shì)都不顯著。通過(guò)對(duì)比不同尺度下徑流變化趨勢(shì)的顯著性，并結(jié)合徑流特征發(fā)現(xiàn)：①?gòu)南嗤瑫r(shí)間尺度來(lái)看，一般情況下，流量大的序列變化趨勢(shì)不顯著，而流量小的序列增加趨勢(shì)顯著。如日尺度徑流序列，前5百分位徑流增加趨勢(shì)不顯著，而25百分位以下徑流增加顯著；月尺度徑流序列，3月，6月，7月增加趨勢(shì)不顯著，而1月，2月，4月，5月，9月，10月和12月增加趨勢(shì)顯著。8月和11月例外，8月實(shí)際徑流變化顯著，而11月實(shí)際徑流離散程度低，趨勢(shì)不顯著。季尺度徑流序列，第1，2季度變化趨勢(shì)不顯著，第4季度變化趨勢(shì)顯著，第3季度例外；②從不同時(shí)間尺度來(lái)看，徑流增加趨勢(shì)不顯著或顯著的序列，隨著時(shí)間尺度增大，徑流變化趨勢(shì)會(huì)由不顯著到顯著再到非常顯著或由顯著到非常顯著。例如，第1，2季度變化趨勢(shì)不顯著，到干濕季尺度變?yōu)轱@著，再到年尺度變?yōu)榉浅ｏ@著；第3季度是顯著增加趨勢(shì)，到干濕季仍為顯著增加趨勢(shì)，再到年尺度變?yōu)榉浅ｏ@著。

圖2 秦淮河流域不同時(shí)間尺度徑流M-K檢驗(yàn)結(jié)果

徑流顯著突變序列如圖3所示，結(jié)果表明日徑流序列的突變點(diǎn)集中在2001—2005年，月徑流序列的突變點(diǎn)集中在1997—2005年，季徑流序列的突變點(diǎn)為1998年，濕季徑流序列的突變點(diǎn)為2001年，年徑流序列的突變點(diǎn)為2001年。

圖3 秦淮河流域1986-2015年徑流顯著突變序列

不同時(shí)間尺度徑流突變結(jié)果表明，年、濕季、月、日序列徑流均存在2001年左右的突變點(diǎn)，徑流突變點(diǎn)表現(xiàn)出統(tǒng)一性。通過(guò)對(duì)不同降雨時(shí)間序列趨勢(shì)和突變檢驗(yàn)發(fā)現(xiàn)，各時(shí)間尺度下降雨都無(wú)顯著變化趨勢(shì)和突變(與徑流序列一致，分別采用M-K趨勢(shì)檢驗(yàn)和Pettitt突變檢驗(yàn)方法)。因此，初步判定1986—2015年徑流的變化特征顯著受到了城市擴(kuò)張引起的下墊面變化的影響。

3.3 基于GAMLSS模型的不透水率對(duì)徑流的影響分析

對(duì)秦淮河流域不同時(shí)間尺度徑流序列建立以時(shí)間為協(xié)變量的非平穩(wěn)性模型，根據(jù)AIC值確定各個(gè)序列下的最優(yōu)擬合分布函數(shù)。結(jié)果表明，日、月徑流序列的最佳擬合分布函數(shù)以Logistic分布為主，而Weibull是季、干濕季、年徑流序列的最佳擬合函數(shù)。盡管各時(shí)間尺度徑流的最優(yōu)擬合函數(shù)不一致，發(fā)現(xiàn)各時(shí)間尺度徑流序列都可通過(guò)Logistic擬合，且AIC平均值最低，表明對(duì)多時(shí)間尺度的徑流系列Logistic是最優(yōu)擬合分布函數(shù)。

為了進(jìn)一步研究不透水率對(duì)徑流產(chǎn)生顯著影響，以徑流量作為常量，對(duì)應(yīng)時(shí)間尺度的降水量和不透水率作為解釋變量，以Logistic分布構(gòu)建GAMLSS模型，經(jīng)過(guò)AIC模型對(duì)解釋變量的篩選。結(jié)果表明，日徑流的最大值和第5百分位以非線性降水量作為最佳解釋變量，25，50，75和95百分位都以不透水率作為最佳解釋變量。月序列(7月除外)、季序列、干濕季序列及年序列徑流都不能單純用降水量或不透水率作為解釋變量，而是受到氣候變化和人類活動(dòng)共同影響(見(jiàn)圖4)。

圖4 Logistic分布下不同時(shí)間尺度各解釋變量AIC值

從日尺度來(lái)看，根據(jù)GAMLSS模型的分析結(jié)果，前5百分位徑流，降雨是唯一解釋變量，說(shuō)明降雨對(duì)前5百分位的日徑流起主要作用；而25百分位以下徑流，不透水率是唯一解釋變量，說(shuō)明日中小徑流主要受不透水率的影響。分析其原因，在中小雨情景，降雨流經(jīng)透水地表時(shí)，經(jīng)土壤下滲、地面填洼、植物蒸散等作用后，徑流量會(huì)大幅減少。而流經(jīng)不透水地表時(shí)，由于阻隔作用，導(dǎo)致降雨無(wú)法下滲，地下徑流減少，地表徑流迅速增加；在暴雨情景，由于雨量大且雨速快，透水地表的削弱作用也不如小雨情景時(shí)強(qiáng)烈。因此，不透水率的變化對(duì)最大日流量和第5百分位徑流的影響較小，而對(duì)中小徑流過(guò)程產(chǎn)生較大影響。除了日尺度，對(duì)于其他同一時(shí)間尺度，GAMLSS模型的分析結(jié)果表明，降水和不透水率是共同的解釋變量。由于降水在任何尺度上都無(wú)明顯的增加趨勢(shì)，不透水率是主要的解釋變量。在這些尺度上，一般是流量大的序列受到不透水率的影響較小，而流量小的序列受到不透水率的影響較大。如在月尺度徑流序列，流量大的序列如3月和6月受不透水率的影響較小，流量最大值7月的月流量約占總徑流量的25%，結(jié)果顯示降雨是唯一解釋變量。而流量小的序列如1月，2月，4月，5月，9月，10月，12月受不透水率的影響較大。如在季尺度序列，流量大的第1，2季度受不透水率的影響較小，而流量小的第4季度受不透水率的影響較大。秦淮河流域降水季節(jié)分配差異明顯，徑流年內(nèi)分布差異性較大。在枯水期，受不透水面的影響，蒸發(fā)和土壤下滲減少，地面徑流增加，地下水補(bǔ)給減少；在汛期，不透水面增加的徑流量相對(duì)降雨的產(chǎn)流量要少的多，此外水利工程措施的調(diào)控也會(huì)對(duì)汛期的徑流產(chǎn)生影響。因此，不透水面對(duì)流量大的序列影響較小。從不同時(shí)間尺度來(lái)看，通常情況下隨著時(shí)間尺度增大，不透水面的影響增強(qiáng)。例如，第1，2季度受到不透水率的影響小，干濕季受到不透水率的影響變大，年尺度徑流受到不透水率的影響最大。證明不透水面對(duì)徑流的影響有累積效應(yīng)[36]。通過(guò)比較不同時(shí)間尺度的徑流變化，對(duì)于完整揭示城市化下的徑流變化規(guī)律，及闡述不同時(shí)間尺度下流域水循環(huán)演變機(jī)理具有重要意義。

3.4 討 論

流域內(nèi)不透水面的擴(kuò)張使得地表徑流增加，地下徑流減少，地表與地下水量交換減少，深刻改變地表徑流的水循環(huán)過(guò)程和時(shí)空特征，主要表現(xiàn)在城市暴雨洪澇風(fēng)險(xiǎn)增大，枯季徑流減少。城市化對(duì)水文過(guò)程的影響已基本取得一致認(rèn)識(shí)，然而對(duì)于更精細(xì)尺度的水文機(jī)理研究則相對(duì)缺乏。本文首先分析了不同時(shí)間尺度水文時(shí)間序列的變化趨勢(shì)，其次結(jié)合統(tǒng)計(jì)模型分析城市化對(duì)不同時(shí)間尺度徑流的影響。研究結(jié)果表明城市化對(duì)徑流的影響程度不應(yīng)一概而論。從影響的程度來(lái)看，不透水面擴(kuò)張對(duì)小洪水的影響最為突出。從相同時(shí)間尺度來(lái)看，一般是流量小的序列受到不透水面的影響更為突出。對(duì)于不同時(shí)間尺度，不透水面具有累積效應(yīng)，隨著時(shí)間尺度增大，不透水面的影響效應(yīng)增強(qiáng)。分析城市化對(duì)不同時(shí)間尺度徑流的影響，目的在于更加深入地把握其內(nèi)在規(guī)律，從而為揭示城市化發(fā)展對(duì)水文過(guò)程的影響提供參考價(jià)值。代曉穎等[37]對(duì)秦淮河流域徑流變化歸因分析的研究結(jié)果表明，城市不透水面擴(kuò)張對(duì)徑流增加的貢獻(xiàn)率為115.5%，是影響年徑流變化的主導(dǎo)因素。劉珍環(huán)等[38]以深圳市為研究區(qū)，應(yīng)用SCS降雨曲線模型，分析城市不透水面擴(kuò)展對(duì)流域徑流量的長(zhǎng)期影響。結(jié)果表明不透水表面擴(kuò)展對(duì)小雨情景的影響大于暴雨情景，枯水年受不透水表面的影響大于豐水年。占紅[39]利用長(zhǎng)期水文影響評(píng)價(jià)模型，分析了不透水面的年際變化對(duì)流域徑流量的影響，結(jié)果表明不透水面擴(kuò)張對(duì)小雨情景時(shí)的日徑流和枯水年有顯著影響。李倩[40]基于HEC-HMS模型，探討了1986—2009年秦淮河流域城市化及其空間格局的演變導(dǎo)致的長(zhǎng)期水文效應(yīng)。結(jié)果表明隨著流域不透水率的增加，枯水年的徑流深變化最為顯著。上述學(xué)者采用概念性模型或物理性模型分析了不透水面變化對(duì)流域徑流的影響。然而，水文模型結(jié)構(gòu)復(fù)雜，尚未能較好表征人類活動(dòng)對(duì)不同水文過(guò)程的影響機(jī)制，例如人類生活取用水以及洪水管理等在模型中的表達(dá)。因此，將水文模型應(yīng)用于研究城市化流域的水文響應(yīng)仍存在較多問(wèn)題需要解決。本文以分析徑流系列為出發(fā)點(diǎn)，基于統(tǒng)計(jì)模型初步揭示了徑流變化在不同時(shí)間尺度的特征，對(duì)基于水文模型的研究有較好的參考價(jià)值，可以用于評(píng)價(jià)強(qiáng)人類活動(dòng)影響下水文模擬的精度，幫助全面準(zhǔn)確地理解城市化水循環(huán)演變機(jī)理。

4 結(jié) 論

(1) 秦淮河流域城市化進(jìn)程不斷加快，不透水率從1988年的3.09%擴(kuò)展至2015年的24.01%。

(2) 流域徑流在不同時(shí)間尺度變化特征不同，年徑流序列呈顯著增加趨勢(shì)，在2001年發(fā)生突變。

(3) 不透水面擴(kuò)張對(duì)小洪水的影響較大；對(duì)于相同的時(shí)間尺度，一般情況下，流量小的序列受不透水面影響較大，而流量大的序列受到影響較小；對(duì)不同時(shí)間尺度，不透水面具有累積效應(yīng)，隨著時(shí)間尺度增大，不透水面的影響增強(qiáng)。未來(lái)研究將基于水文模型方法，定量評(píng)估氣候變化和人類活動(dòng)對(duì)秦淮河流域不同時(shí)間尺度徑流變化的影響。