李文婷，楊肖麗，任立良，2，高 甜，顧玉嬌

（1.河海大學水文水資源學院，南京210098；2.河海大學水文水資源與水利工程科學國家重點實驗室，南京210098）

近年來，在全球氣候變暖和劇烈人類活動的影響下，水資源短缺和分配不平衡問題日益突出，傳統(tǒng)的水資源評價已經(jīng)不能滿足解決當前的水安全問題。為了更好地評估水資源在陸地生態(tài)系統(tǒng)里的作用，1995年Falkenmark［1］首次提出了藍水、綠水的概念，藍水主要是以地表徑流、土壤中流、地下徑流3 種形式存在的水，綠水是指土壤水和實際蒸散量。綠水作為水分消耗的主體，其80%的水資源量用于全球農(nóng)業(yè)生產(chǎn)［2，3］，對維持生態(tài)系統(tǒng)的穩(wěn)定具有不可代替的作用。因此，綜合研究藍綠水能夠更為全面的對水資源進行評價，對地區(qū)的水資源規(guī)劃和管理具有重要意義。趙安周等［4，5］利用SWAT 模型研究了渭河流域典型年份的藍綠水時空變化特征，并進一步研究了基于氣候變化和人類活動的影響下藍綠水量的變化特征，其研究結論為渭河流域水資源保護和生態(tài)治理提供了理論支撐。呂樂婷等［6］基于SWAT 模型，從水文循環(huán)的角度對流域藍綠水量變化趨勢及空間分布特征進行評估。張洋等［7］利用SWAT 模型從不同土地利用類型對岷沱江流域的藍/綠水量時空分布特征進行評估。

黃河流域是中國重要的生態(tài)屏障，近年來受氣候變化和人類活動的影響，黃河水資源量呈減少趨勢，用水形勢嚴峻，生態(tài)環(huán)境問題日益突出。習近平總書記在黃河流域生態(tài)保護和高質(zhì)量發(fā)展座談會上提出黃河流域生態(tài)保護和高質(zhì)量發(fā)展這一新的重大國家戰(zhàn)略，為做好黃河流域生態(tài)治理和水資源管理工作指明了方向［8］。而黃河源區(qū)作為黃河流域重要的產(chǎn)流區(qū)和水源涵養(yǎng)區(qū)，具有“黃河水塔”之稱［9］，其水量變化會影響黃河中下游地區(qū)水量的穩(wěn)定，從而會影響黃河流域的生態(tài)安全問題。已有的研究［6-7］主要是研究藍綠水數(shù)量的變化及空間分布情況，對流域內(nèi)長時間序列的變化趨勢研究較少，同時結合氣候因素分析藍綠水變化的研究也相對較少。本文以黃河源區(qū)為研究對象，利用SWAT（Soil and Water Assessment Tool）模型、Mann-Kendall 檢驗和滑動t檢驗方法，定量分析黃河源區(qū)1962-2017年的降水量、藍水量、綠水量時空分布特征及變化趨勢，其結果將為黃河源區(qū)的流域治理和生態(tài)保護提供科學理論支撐。

1 研究區(qū)概況及數(shù)據(jù)

1.1 研究區(qū)概況

黃河源區(qū)是指唐乃亥水文站以上集水面積（95°50'E～103°30'E，32°30'N～36°00'N），總面積為12.19 萬km2，約占黃河流域總面積的16.2%（圖1）。流域內(nèi)海拔從2 663 m 到6 253 m 不等，平均海拔為4 025 m。黃河源區(qū)位于青藏高原的東北部，地勢呈現(xiàn)西高東低，具有典型的內(nèi)陸高原氣候特征［10］。流域東西距離長，由東向西橫跨了黃淮海平原、黃土高原、內(nèi)蒙古高原和青藏高原4個地貌單元［11］。黃河源區(qū)的降水和氣溫自西北至東南均呈逐漸遞增趨勢。流域產(chǎn)水量約占整個黃河流域的36%，是黃河流域重要的水源涵養(yǎng)區(qū)和產(chǎn)流區(qū)［12］。

圖1 黃河源區(qū)氣象站、水文站、水系、高程分布圖Fig.1 Distribution of meteorological station，hydrological station，water system and elevation of the source region of Yellow River

1.2 數(shù) 據(jù)

SWAT 模型數(shù)據(jù)包括地形數(shù)據(jù)、氣象數(shù)據(jù)、土地利用數(shù)據(jù)、土壤類型數(shù)據(jù)、水文數(shù)據(jù)等。地形數(shù)據(jù)來源于地理空間數(shù)據(jù)云（http：//www.gscloud.cn/），分辨率為90 m。氣象數(shù)據(jù)選取黃河源區(qū)內(nèi)8個氣象站點，從中國氣象科學數(shù)據(jù)共享服務網(wǎng)（http：//da?ta.cma.cn/）中下載了1961-2017年的風速、氣溫、太陽輻射、降水量、相對濕度等數(shù)據(jù)，部分缺測數(shù)據(jù)已使用線性插值法［13］進行插值處理。土地利用數(shù)據(jù)來源于中國科學院資源科學數(shù)據(jù)中心（http：//www.dsac.cn/）。土壤數(shù)據(jù)直接來源于世界土壤數(shù)據(jù)庫（HWSD），該數(shù)據(jù)庫能夠直接應用于SWAT 模型，無需再進行土壤粒徑的轉(zhuǎn)換［7］。水文數(shù)據(jù)來源于黃河流域水文年鑒統(tǒng)計資料。

2 研究方法

2.1 SWAT模型

SWAT 模型是1990年由美國農(nóng)業(yè)部農(nóng)業(yè)研究服務中心（USDA）開發(fā)研制的基于物理機制的大尺度分布式水文模型［14］。模型的模擬尺度有年、月、日3 種時間尺度，時間序列可長達100年，SWAT 模型由水文循環(huán)模擬、土壤侵蝕過程以及污染負荷子模型3大子模型組成。運用SWAT 模型對流域進行水文循環(huán)模擬，可以直接輸出組成藍綠水的各個分量，是進行藍綠水研究比較高效的方法［15，16］。

2.2 藍綠水量計算

藍/綠水量是根據(jù)SWAT 模型各水文變量的輸出結果進行計算的［16］，分別為

式中：BW為藍水量；GW為綠水量；WYLD為子流域產(chǎn)水量；DA_RCHG為深層含水層補給量；ET為實際蒸散發(fā)量，即綠水流（GWF）；SW為土壤含水量，即綠水儲量（GWS）。

2.3 Mann-Kendall檢驗

利用Mann-Kendall 檢驗方法［17］對研究時間序列進行趨勢性檢驗分析以及突變檢驗分析。原理如下，假定降水、氣溫、徑流等時間序列Xi是由n個隨機獨立同分布的樣本x1，x2，...，xn組成，即X=｛x1，x2，...，xn｝。首先，構造一秩序列：

秩序列SK是統(tǒng)計量ai在i時刻的數(shù)值大于j時刻數(shù)值的累加次數(shù)。

基于樣本x1，x2，...，xn是隨機獨立分布的假設，標準化秩序列SK且定義為統(tǒng)計量UFK：

逆序排列時間序列X，按照上式再次計算，同時使：

式中：UFK和UBK均服從標準正態(tài)分布，UFK和UBK的正負可作為判斷某一時間段數(shù)據(jù)的變化趨勢，當|UFK|或者|UBK|超過顯著性水平時，表明變化趨勢較為顯著；判斷UFK、UBK兩曲線是否存在交點及相交點是否在臨界線之間，來判斷原數(shù)據(jù)序列是否存在突變點。

2.4 滑動t檢驗

為確保M-K 突變檢驗結果的可靠性，本文利用滑動t檢驗［18］對研究序列再次進行突變點的檢驗?；瑒觮檢驗的原理為：在具有n個樣本量的時間序列中，人為選擇某一時刻為基準點，基準點前后兩段子序列X1和X2的樣本分別為n1和n2。定義統(tǒng)計量t為：

式中：

2.5 SWAT模型構建

2.5.1 模型建立

利用SWAT 模型，導入DEM 數(shù)據(jù)、氣象數(shù)據(jù)，根據(jù)土地利用數(shù)據(jù)、土壤數(shù)據(jù)以及坡度數(shù)據(jù)，將黃河源區(qū)劃分為117 個子流域，708 個水文響應單元（HRU）。根據(jù)對黃河源區(qū)1961-2017年的徑流量的突變檢驗分析（圖2），判定1989年為徑流量的突變年份。因此，模型模擬期為56年（1962-2017年），預熱期1年（1961-1962年），其中率定期（1962-1989年）和驗證期（1990-2017年）。

圖2 黃河源區(qū)1961-2017年徑流量突變分析Fig.2 Abrupt change analysis of runoff in the source region of the Yellow River from 1961 to 2017

2.5.2 模型參數(shù)及評價指標選擇

SWAT 模型中參數(shù)眾多，參考相關文獻［19-21］，根據(jù)SWATCUP 中的全局敏感性（Global Sensitivity）對參數(shù)進行分析，t值表示參數(shù)敏感性程度，t絕對值越大參數(shù)越敏感；p值表示參數(shù)敏感性的顯著性，p值越接近0 越顯著。本研究選取11 個敏感性最高的參數(shù)（表1）進行率定。由表1可知，對徑流影響較大的參數(shù)為CN2、ALPHA_BF、SOL_K、SOL_AWC，影響最為顯著的是CN2（SCS徑流曲線數(shù)）。

表1 SWAT模型的參數(shù)選擇及率定結果Tab.1 Parameter selection and calibration results of SWAT model

模型評價選用確定性系數(shù)（R2）和Nash-Sutcliffe 納什系數(shù)（NSE）［22］，具體計算公式如下：

式中：Qm，i為模擬徑流量；Qs，i為觀測徑流量；Qm為平均模擬徑流量；Qs為平均觀測徑流量；i為模擬序列長度。

取R2>0.6為模擬結果的臨界評價標準。

式中：Qm為模擬徑流量；Qs為平均模擬徑流量；i為觀測次數(shù)。

NSE的值越接近1，說明模型模擬結果越好，取NSE>0.5 作為模擬結果的臨界評價標準。

3 結果分析

3.1 模型率定與驗證

利用唐乃亥水文站月徑流資料，基于SWAT-CUP 率定程序?qū)WAT 模擬結果進行率定和驗證。率定期設為1962-1989年，驗證期設為1990-2017年。率定期的確定性系數(shù)R2和NSE分別是0.87 和0.86，驗證期的確定性系數(shù)R2和NSE分別是0.82和0.77（圖3）?？傮w模擬效果較好，說明SWAT模型在黃河源區(qū)具有較好的適用性。

圖3 黃河源區(qū)唐乃亥水文站月徑流的SWAT模型模擬結果對比圖Fig.3 A comparison chart of SWAT model simulation results of monthly runoff from Tangnaihai Hydrological Station in the source region of the Yellow River

3.2 藍綠水量的時間變化特征

3.2.1 變化趨勢分析

基于SWAT模型模擬結果，計算分析黃河源區(qū)藍綠水量、綠水流以及流域內(nèi)多年降水量和平均氣溫（圖4）。黃河源區(qū)綠水量豐富，1962-2017年多年平均綠水量為450 mm，多年平均藍水量為154 mm，綠水量約是藍水量的2.5倍以上；多年平均綠水流量為345 mm，綠水流是綠水資源的主要組成部分，約占綠水量的78%左右。1962-2017年黃河源區(qū)多年平均年降水量為518 mm。由圖4分析年降水量和藍水量的變化趨勢可得，年降水量波動較明顯，總體呈現(xiàn)增加的趨勢；藍水量多年變化起伏大，藍水量主要是受降水量多年波動變化影響。

為進一步分析降水和氣溫變化對研究區(qū)內(nèi)藍綠水量變化的影響，對藍綠水量、降水量多年變化進行M-K趨勢性檢驗（圖4），結果表明降水量（PREC_Z）和藍水量（BW_Z）的MK 統(tǒng)計值分別為1.34、0.19，均未通過95%的顯著性檢驗，為不顯著的增加；綠水流（GWF_Z）和綠水量（GW_Z）的MK 統(tǒng)計值分別為4.91、3.72，均通過95%的顯著性檢驗，呈現(xiàn)顯著性的增加趨勢；同時年平均氣溫（TMP_Z）的MK 統(tǒng)計值為5.71，也呈現(xiàn)顯著性的增加趨勢。黃河源區(qū)地處西北內(nèi)陸，降水量較少，氣候干旱，降水大多數(shù)通過入滲和冠層截留轉(zhuǎn)化成生態(tài)系統(tǒng)用水，地表徑流形成量低［23］。流域內(nèi)的綠水量主要由綠水流和綠水儲量組成，綠水流為流域內(nèi)的實際蒸散發(fā)（ET），氣溫直接影響蒸散發(fā)量。表明，黃河源區(qū)藍水量和綠水量的差異主要是由氣候條件所決定的。

圖4 1962-2017年年降水量（PREC）、藍水（BW）、綠水（GW）、綠水流（GWF）、年平均氣溫（TMP）變化過程Fig.4 The change process of annual precipitation（PREC），blue water（BW），green water（GW），green water flow（GWF）and annual average temperature（TMP）from 1962 to 2017

利用線性傾向估計法［22］得到黃河源區(qū)1962-2017年的藍/綠水量、降水量變化趨勢的空間分布（圖5）。降水量、藍水量的變化趨勢空間差異性顯著，西北地區(qū)呈增加趨勢，東部地區(qū)和東南地區(qū)整體呈減少趨勢。綠水量在西北及南部地區(qū)呈顯著增加趨勢，中部地區(qū)變化不明顯。其中降水量呈顯著增加趨勢的有西北瑪多站（1.66 mm/a）、貴南站（1.91 mm/a）地區(qū)，呈下降趨勢的則有東南部河南站（-0.80 mm/a）、若爾蓋站（-0.26 mm/a）地區(qū)。相比于降水量，流域內(nèi)的藍水呈下降趨勢的子流域數(shù)量更多，主要集中在東南部若爾蓋站（-0.97 mm/a）、紅原站（-0.21 mm/a）及中部河南站（-1.21 mm/a）地區(qū)，呈顯著增加趨勢的有西北瑪多站（0.64 mm/a），這與張為彬等人的研究一致［24］。

圖5 1962-2017年降水量、藍水量、綠水量的流域尺度變化趨勢分布情況Fig.5 Distribution of watershed scale variation trends of precipitation，blue water and green water from 1962 to 2017

黃河源區(qū)綠水量增加趨勢最為明顯，多集中于西北瑪多站（1.0 mm/a）和南部達日站（0.57 mm/a）地區(qū)。黃河源區(qū)綠水變化趨勢與流域內(nèi)多年來的降水量空間分布格局的變化、氣溫的增幅變化有較大的關系。此外，流域內(nèi)東南地區(qū)綠水量和藍水量的變化存在一定的差異，主要是因為近年來人類活動導致的土地利用方式變化對綠水量的影響要大于對藍水量的影響［25］。根據(jù)水量平衡原理，若爾蓋站和河南站地區(qū)綠水量的增加將會導致該地區(qū)藍水量的減少。

3.2.2 突變分析

由于單一突變檢驗方法存在較大的不確定性［26］，因此結合滑動t檢驗和M-K 突變檢驗兩種方法對藍/綠水量、綠水流、年降水量、年平均氣溫進行突變點分析（圖6、表2）。黃河源區(qū)流域內(nèi)的年降水量大部分時間內(nèi)呈增加趨勢，僅在1999-2007年這段時間有所減少，確定在2012年出現(xiàn)一次增加的突變點［圖6（a）］。流域內(nèi)的年平均氣溫在整個研究期內(nèi)一直呈增加趨勢，而且在2002年發(fā)生了一次增加的突變。這可能是進入21世紀，人口快速增長，活動影響范圍廣，進一步加劇全球變暖，導致流域內(nèi)氣溫不斷增長。

流域內(nèi)的藍水量在1993年之前，一直呈增加的趨勢，這與同時間段降水量變化趨勢有較大關系。1994-2011年藍水量呈減少的趨勢，2012年以后藍水量呈現(xiàn)增加趨勢，同時間段流域內(nèi)氣溫呈現(xiàn)顯著性的增加趨勢，氣溫升高會增加冰雪融水的補給，這在一定程度上會增加藍水量［27］。結合M-K 突變［圖6（d）］和滑動t突變（表2）兩者的檢驗結果，顯示藍水量不存在突變點。流域內(nèi)的綠水流在1983年之前呈增加的趨勢，在1984-1988年這段時間呈現(xiàn)減少的趨勢，自1989年以后綠水流呈現(xiàn)增加的趨勢。此外，根據(jù)突變結果，確定流域的綠水流在1993發(fā)生一次增加的突變點［圖6（b）］。綠水量多年變化呈增加趨勢，僅在1984-1989年之間呈減少趨勢。其中M-K 突變結果顯示，綠水量UF與UB曲線相交于1994年，相交后UF值持續(xù)增大，UB值波動性減小。從UF、UB兩曲線的后期變化趨勢判斷，

圖6 1962-2017年年降水量、綠水流、藍水、綠水量、平均氣溫M-K突變檢驗分析結果Fig.6 Analysis results of annual precipitation，green water flow，blue water，green water volume，and mean air temperature M-K test from 1962 to 2017

表2 滑動t檢驗分析結果Tab.2 Analysis results of sliding t test

1994年可能為突變點［圖6（c）］，但滑動t檢驗結果顯示，1988年為顯著的突變點。結合綠水量多年變化趨勢，認為綠水量在1988年發(fā)生突變更符合實際。綠水量在1989年往后呈顯著增加趨勢，這可能是流域內(nèi)氣溫呈現(xiàn)持續(xù)增加趨勢，使得降水量一部分通過蒸散發(fā)作用轉(zhuǎn)化為綠水，增加了綠水量。

3.3 藍綠水量的空間變化特征

根據(jù)圖2的黃河源區(qū)徑流量突變分析結果，確定1989年為徑流量的突變年份，同時2000年前后人類活動發(fā)生改變，故在研究水資源量時空變化時，將1962-2017年劃分為3 個時間段來進行研究，分別為1962-1989年、1990-1999年、2000-2017年。對SWAT 模型輸出結果進行統(tǒng)計計算，得到降水量、藍/綠水量的空間分布變化圖（圖7）。

圖7 黃河源區(qū)年降水量、藍水量及綠水量空間分布情況Fig.7 Spatial distribution of annual precipitation，blue water and green water in the source region of the Yellow River

1962-2017年，黃河源區(qū)降水量總體上呈現(xiàn)從西北地區(qū)向東南地區(qū)遞增的趨勢，東南地區(qū)的降雨量最為豐富，西北地區(qū)降雨量最低。西北部瑪多站地區(qū)1962-1989年間總體降水量在390～450 mm 之間，1990-1999年降水量在450～480 mm 之間，2000-2017年降水量在480～520 mm 之間，呈現(xiàn)逐漸增加的趨勢。北部興海站地區(qū)呈現(xiàn)先減少再增加的趨勢。達日站附近地區(qū)的降水量總體呈現(xiàn)減少的趨勢，東南若爾蓋站和紅原站附近地區(qū)降水量變化不明顯。

黃河流域藍水量總體呈現(xiàn)從西北地區(qū)向東南地區(qū)增加的趨勢。西北地區(qū)瑪多站和興海站附近藍水量分布較少，東南地區(qū)紅原站附近藍水量最豐富，在320～350 mm 之間；若爾蓋站附近地區(qū)1990-1999年藍水量為200～240 mm，2000-2017 藍水量為160～200 mm，呈下降趨勢。中游地區(qū)即達日站、果洛站以及河南站藍水量較東南地區(qū)有所下降。降水量為流域內(nèi)徑流的主要來源［28］，其時空分布變化會影響徑流過程，進而直接影響著藍水量的時空分布情況［29］。

1962-2017年，黃河流域綠水量為290～640 mm，空間差異大，總體呈現(xiàn)從西北地區(qū)向東南地區(qū)增加。這可能是由于黃河源區(qū)西北地區(qū)草原面積大，東南地區(qū)分布少量的林地。郭瑞萍［30］等人研究發(fā)現(xiàn)森林的蒸散發(fā)量大于農(nóng)田大于草地，西北地區(qū)蒸散發(fā)量少于東南地區(qū)，所以東南地區(qū)的綠水量最為豐富。黃河源區(qū)綠水量整體呈增加趨勢，流域中部達日站地區(qū)1962-1990年綠水量為450～490 mm，1990-2000年綠水量為490～530 mm，呈現(xiàn)增長趨勢。東南部若爾蓋站地區(qū)呈現(xiàn)先增加后減少的趨勢。據(jù)相關學者的研究表明，進入20 世紀90年代后，人類活動方式發(fā)生較大改變，土地利用方式、下墊面性質(zhì)等都相應的發(fā)生改變［31-33］，這些因素的綜合作用會影響綠水量的變化［34］。同時氣候因素對綠水量的影響也較為顯著，而蒸散發(fā)量是氣候變化研究中較為關鍵的環(huán)節(jié)［35］，它隨著降水量和氣溫的增大而升高［36，37］，從而增加綠水量。

4 結 論

（1）基于唐乃亥水文站月徑流資料對模型進行率定和驗證，率定期的確定性系數(shù)R2和NSE分別是0.87 和0.86，驗證期的確定性系數(shù)R2和NSE分別是0.82 和0.77?？傮w模擬效果較好，說明SWAT模型在黃河源區(qū)具有較好的適用性。

（2）1962-2017年間，研究區(qū)內(nèi)降水量和藍水量表現(xiàn)為不顯著的增加；綠水流、綠水量及年平均氣溫呈現(xiàn)顯著性的增加趨勢。黃河源區(qū)綠水量豐富，多年平均綠水量為450 mm，多年平均藍水量為154 mm，綠水量約是藍水量的2.5倍以上；多年平均綠水流為345 mm，約占綠水量的78%左右。

（3）綜合Mann-Kendall 趨勢檢驗法、滑動t檢驗分析結果，黃河源區(qū)多年降水量在2012年出現(xiàn)一次增加的突變點；流域內(nèi)的年平均氣溫在整個研究期內(nèi)一直呈增加趨勢，在2002年發(fā)生了一次增加的突變。綠水流在1993年發(fā)生一次增加的突變點，綠水量在1988年發(fā)生突變。

（4）研究期內(nèi)降水量、藍水量、綠水量空間尺度上的變化趨勢具有一定的差異性。降水量、藍水量在西北地區(qū)呈增加的趨勢，東部地區(qū)和東南地區(qū)整體呈減少趨勢；受氣候變暖的影響，綠水量在整個流域均呈現(xiàn)增加的趨勢，其中在西北及南部地區(qū)呈較為顯著的增加趨勢。

（5）1962-2017年期間，黃河源區(qū)降水量、藍水量、綠水量在空間分布上呈現(xiàn)一定的相似性，均表現(xiàn)為從西北地區(qū)向東南地區(qū)遞增的趨勢。東南地區(qū)紅原站附近藍水量最豐富，約在320～350 mm之間；綠水量相比較藍水量而言，空間分布差異性更大。藍水量的空間分布特征主要受降水量空間分布的影響；而綠水量的空間分布更大程度上是受氣溫、降水量兩者的疊加影響，氣溫增加，導致流域內(nèi)蒸散發(fā)量增加，進一步增加了綠水量?！?/p>