楊肖麗，李文婷，任立良※，高 甜，馬慧君

（1.河海大學(xué)水文水資源與水利工程科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，南京 210098；2.河海大學(xué)水文水資源學(xué)院，南京 210098）

0 引 言

淡水資源對(duì)于維持生態(tài)平衡和人類活動(dòng)的可持續(xù)發(fā)展至關(guān)重要。近年來(lái)，受氣候變化、人口增長(zhǎng)的影響，水資源短缺已經(jīng)成為全球面臨的嚴(yán)峻挑戰(zhàn)，傳統(tǒng)的水資源評(píng)價(jià)已經(jīng)不能滿足解決當(dāng)前的水安全問(wèn)題[1]。為了提高水資源的有效利用率，近年來(lái)水資源評(píng)價(jià)與管理集中于藍(lán)綠水的研究，藍(lán)水主要是以地表徑流、土壤中流、地下徑流三種形式存在的水，綠水是指土壤水和實(shí)際蒸散量[2]。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)[3]，對(duì)維持生態(tài)系統(tǒng)的穩(wěn)定起著不可替代的作用。藍(lán)綠水的變化主要是由氣候變化（降水、氣溫等）和人類活動(dòng)（土地利用、調(diào)水工程、引水灌溉等）共同引起的，在長(zhǎng)時(shí)間尺度上，氣候變化是影響流域水文過(guò)程的主要因素之一，而在短時(shí)間尺度上，土地利用變化是直接影響流域水文過(guò)程的關(guān)鍵因素之一[4]。土地利用變化是對(duì)城鎮(zhèn)化發(fā)展、產(chǎn)業(yè)格局及水土保持措施等的側(cè)面反映，人類活動(dòng)通過(guò)改變土地利用方式，間接影響水循環(huán)過(guò)程中的冠層截留、地表下滲、蒸散發(fā)及土壤水，進(jìn)而使流域藍(lán)綠水資源發(fā)生改變，對(duì)流域水量平衡產(chǎn)生重要影響[5]。因此，重點(diǎn)關(guān)注流域內(nèi)藍(lán)綠水對(duì)土地利用變化的響應(yīng)研究，對(duì)流域生態(tài)環(huán)境保護(hù)與土地利用規(guī)劃具有重要的研究意義。

自 1995年國(guó)際地圈-生物圈計(jì)劃（International Geosphere-Biosphere Program，IGBP）和國(guó)際全球環(huán)境變化人文因素計(jì)劃（International Human Dimensions Programme on Global Environmental Change，IHDP）聯(lián)合提出“土地利用/覆蓋計(jì)劃”（land use/cover change）研究計(jì)劃以來(lái)，土地利用/覆蓋變化已成為國(guó)際水文組織的核心研究領(lǐng)域[6]，不同時(shí)空尺度的土地利用/覆被變化研究有助于揭示人類活動(dòng)影響下區(qū)域及全球水文循環(huán)變化的過(guò)程、機(jī)理等。近年來(lái)，諸多學(xué)者主要利用CLUE-S[7]、SLEUTH[8]，以及元胞自動(dòng)機(jī)-馬爾科夫鏈(CA-Markov)[9]等模型進(jìn)行土地利用演變研究。其中CA-Markov模型基于土地利用轉(zhuǎn)移概率矩陣和土地利用適宜性圖集，充分結(jié)合了CA模型的空間動(dòng)態(tài)模擬能力和Markov模型的長(zhǎng)期預(yù)測(cè)能力，具有較高的模擬精度，在土地利用變化的模擬與預(yù)測(cè)中取得了良好的效果。張曉娟等[10]利用CA-Markov模型對(duì)三峽庫(kù)區(qū)土地利用變化進(jìn)行模擬，Kappa精度達(dá)到0.9712，模擬效果較好；王兆林等[11]利用改進(jìn)的CA-Markov模型對(duì)山地城市邊緣區(qū)土地利用變化進(jìn)行模擬，經(jīng)過(guò)改進(jìn)后模型模擬精度有效提高，Kappa系數(shù)達(dá)到0.931 5。

土地利用變化對(duì)流域藍(lán)綠水影響的研究方法主要包括數(shù)理統(tǒng)計(jì)方法和水文模型兩類。水文模型不僅可以充分考慮地理要素的空間差異性，還能夠結(jié)合氣象數(shù)據(jù)和土地利用變化對(duì)流域內(nèi)藍(lán)綠水量進(jìn)行定量分析，應(yīng)用較為廣泛，如 SWAT[12]、MPI-HM[13]、SWIM[14]等。SWAT模型具有較強(qiáng)物理機(jī)制，模型可以直接輸出組成藍(lán)綠水量的各個(gè)分量，被認(rèn)為是評(píng)估藍(lán)綠水量較為有效的模型[15-18]。黎云云等[15]設(shè)置多種土地利用變化情景，利用SWAT模型研究了渭河流域土地利用變化與徑流的響應(yīng)關(guān)系；王鈺雙等[16]構(gòu)建閩江流域的SWAT模型，模擬了不同土地利用情景下的徑流過(guò)程，定量分析了土地利用變化對(duì)流域徑流影響；張洋等[17]基于SWAT模型評(píng)估了岷沱江流域不同土地利用類型下的藍(lán)/綠水量時(shí)空分布特征；張杰等[18]利用SWAT模型模擬結(jié)果分析了湟水流域不同土地利用類型下的藍(lán)綠水量變化情況。然而，以往的研究主要集中在歷史土地利用條件下的流域水資源研究，對(duì)未來(lái)土地利用變化下水資源的時(shí)空響應(yīng)研究較少，對(duì)于未來(lái)土地利用變化背景下的藍(lán)綠水響應(yīng)研究也相對(duì)缺乏。

渭河流域作為陜西省的“母親河”，近年來(lái)隨著經(jīng)濟(jì)的快速發(fā)展，高強(qiáng)度的人類活動(dòng)使得流域內(nèi)的土地利用格局發(fā)生很大改變。流域內(nèi)部分地區(qū)追求經(jīng)濟(jì)利益而忽視了對(duì)土地的合理利用，導(dǎo)致渭河流域土地利用系統(tǒng)遭到一定破壞，水土流失問(wèn)題日益凸顯，水資源量呈減少趨勢(shì)，引發(fā)一系列的生態(tài)環(huán)境問(wèn)題，亟待深入探討渭河流域土地利用變化對(duì)藍(lán)綠水的影響，為流域的生態(tài)保障和土地規(guī)劃管理提供一定的科學(xué)依據(jù)。本文利用CA-Markov模型預(yù)測(cè)渭河流域2035年土地利用格局，從多角度定量分析1995—2035年土地利用變化時(shí)空特征，并通過(guò)設(shè)置不同土地利用情景，借助SWAT模型對(duì)藍(lán)綠水進(jìn)行定量評(píng)估，探討渭河流域不同土地利用分布下藍(lán)、綠水量的時(shí)空分布特征。

1 研究區(qū)域概況

渭河是黃河流域第一大支流，發(fā)源于甘肅省渭源縣鳥鼠山，流經(jīng)甘肅、寧夏、陜西三省（自治區(qū)），最終在陜西省潼關(guān)縣匯入黃河，河流全長(zhǎng)818 km，流域面積為13.4萬(wàn)km2。流域內(nèi)支流眾多，其中涇河和北洛河是最大的兩條支流，流域面積分別為 4.54×104km2和2.69×104km2。 渭 河 流 域 地 處 104°00′E~110°20′E ，33°50′N～37°18′N 之間，流域地形西高東低，南北高中部低，差異較大，形成了北部、中部和南部不同的植被類型。北部為黃土高原，土地相對(duì)貧瘠，植被類型以溫帶叢生禾草植被為主，極易造成水土流失；南部為秦嶺山脈，氣候適宜，植被類型以溫帶落葉灌叢為主；中部為關(guān)中平原，土壤肥沃，土地利用類型以耕地為主，是人類活動(dòng)最為強(qiáng)烈的地區(qū)。渭河流域氣候?qū)儆诖箨懶约撅L(fēng)氣候，冬季寒冷且雨量較少，夏季炎熱但雨量充沛，多年平均氣溫為 7.8～13.5 ℃，多年平均降水量為 400～800 mm，受地形等因素的影響，流域降水由東南向西北遞減，空間差異大（圖1）。

2 數(shù)據(jù)及研究方法

2.1 數(shù)據(jù)來(lái)源

高程數(shù)據(jù)來(lái)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)選取渭河流域內(nèi)及周圍26個(gè)氣象站點(diǎn)（http://data.cma.cn/）的1984—2014年的風(fēng)速、氣溫、太陽(yáng)輻射、降水量、相對(duì)濕度等數(shù)據(jù)，缺測(cè)數(shù)據(jù)使用線性插值法進(jìn)行插值處理。土地利用數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院資源科學(xué)數(shù)據(jù)中心（http://www.dsac.cn/），分辨率為30 m，其中將土地利用類型劃分為耕地、林地、草地、水體、建筑用地及裸地6種。鐵路、公路、高速公路等基礎(chǔ)地理信息數(shù)據(jù)來(lái)源于中國(guó)國(guó)家基礎(chǔ)地理信息系統(tǒng)。土壤數(shù)據(jù)直接來(lái)源于世界土壤數(shù)據(jù)庫(kù)（HWSD），該數(shù)據(jù)庫(kù)能夠直接應(yīng)用于SWAT模型。5個(gè)水文站月徑流資料來(lái)源于渭河流域水文年鑒統(tǒng)計(jì)資料。

2.2 研究方法

2.2.1 CA-Markov模型

CA-Markov模型由CA濾波器、Markov鏈、多準(zhǔn)則評(píng)估構(gòu)成。元胞自動(dòng)機(jī)（cellular automaton，CA）采用“自下而上”的研究思想，是一種時(shí)間、空間以及狀態(tài)都離散，能夠模擬復(fù)雜系統(tǒng)時(shí)空演化的網(wǎng)格動(dòng)力學(xué)模型[19]。元胞轉(zhuǎn)換規(guī)則是CA研究的核心，利用轉(zhuǎn)化規(guī)則可以模擬復(fù)雜的土地利用變化，表達(dá)式為：

式中t和t+1為元胞所處的前后時(shí)刻；S為元胞的狀態(tài)集合；f為元胞轉(zhuǎn)換規(guī)則；N為元胞鄰域。

Markov 模型是一種基于轉(zhuǎn)移概率矩陣來(lái)模擬和預(yù)測(cè)事件發(fā)生概率的方法，其使用前提是事件過(guò)程沒(méi)有后續(xù)影響。土地利用的動(dòng)態(tài)變化具有馬爾可夫過(guò)程的性質(zhì)，土地利用類型可以對(duì)應(yīng)Markov過(guò)程中的“可能狀態(tài)”，各種土地利用類型之間相互轉(zhuǎn)化的面積或比例對(duì)應(yīng)狀態(tài)轉(zhuǎn)移概率[10]，表達(dá)式如下：

式中St、St+1分別為t、t+1時(shí)刻的系統(tǒng)狀態(tài)，Pij為狀態(tài)轉(zhuǎn)移概率矩陣。

IDRISI是一個(gè)將地理信息系統(tǒng)和遙感技術(shù)完美結(jié)合的軟件，該軟件包括遙感圖像處理、空間分析、土地利用變化分析、適宜性評(píng)價(jià)制圖、元胞自動(dòng)機(jī)土地動(dòng)態(tài)變化趨勢(shì)預(yù)測(cè)等 300多個(gè)專業(yè)模塊[20]。本文中所用到的模塊主要包括 RECLASS、FUZZY、MCE、COLLECTION EDIT、AHP等。RECLASS模塊用于基礎(chǔ)數(shù)據(jù)的重分類處理；FUZZY模塊主要是利用模糊幾何函數(shù)的方式對(duì)約束因子進(jìn)行標(biāo)準(zhǔn)化處理；MCE（Multi-criteria evaluation）模塊是一個(gè)多目標(biāo)決策支持的多標(biāo)準(zhǔn)的創(chuàng)建適宜性圖像集，其評(píng)價(jià)標(biāo)準(zhǔn)主要包括限制因子和限制條件；COLLECTION EDIT模塊可根據(jù)土地利用分類順序?qū)⒏鞯仡愡m宜性圖像合成適宜性圖集。層次分析法（AHP）是用于確定各個(gè)因子的權(quán)重值。CA-Markov模型充分結(jié)合了CA模型的空間動(dòng)態(tài)模擬能力和Markov模型長(zhǎng)期預(yù)測(cè)能力，可以更全面地從空間和時(shí)間上模擬土地利用的動(dòng)態(tài)變化情況，該模型是借助IDRISI Selva 17.0版本實(shí)現(xiàn)土地利用數(shù)據(jù)的模擬預(yù)測(cè)。土地利用分布模擬預(yù)測(cè)具體步驟如下：

1）數(shù)據(jù)預(yù)處理：一是將土地利用分布圖轉(zhuǎn)化為ASCII碼格式，導(dǎo)入IDRISI軟件中轉(zhuǎn)成RST數(shù)據(jù)格式；二是將利用FUZZY模塊對(duì)高程、坡度、公路、高速公路、鐵路等約束數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。

2）構(gòu)建土地轉(zhuǎn)移概率矩陣：在Markov模塊分別疊加甘肅、寧夏、陜西省實(shí)測(cè)的1995年和2015年的土地利用數(shù)據(jù)，時(shí)間間隔和時(shí)間周期均設(shè)置為20 a，比例誤差設(shè)為0.15，得到3省1995－2015年的土地轉(zhuǎn)移概率矩陣和轉(zhuǎn)移面積矩陣；其次，根據(jù) 3省《土地利用總體規(guī)劃（2006－2020年）》中各種土地利用類型的變化趨勢(shì)，對(duì)1995－2015年的土地轉(zhuǎn)移概率矩陣進(jìn)行修改。

3）制作土地利用適宜性圖集：土地利用適宜性圖集是提高CA-Markov模型預(yù)測(cè)精度的關(guān)鍵環(huán)節(jié)，針對(duì)渭河流域?qū)嶋H的地形地貌條件、城鎮(zhèn)發(fā)展情況以及當(dāng)?shù)赝恋刭Y源利用特點(diǎn)，將水域和建設(shè)用地設(shè)為限制因子，利用RECLASS模塊獲得兩者的布爾約束性圖像，在土地利用模擬過(guò)程中限制水域及建設(shè)用地發(fā)生轉(zhuǎn)換；將高程、坡度、距離水域、距離鐵路、公路及高速公路等數(shù)據(jù)作為限制條件，對(duì)流域內(nèi)不同土地利用類型的轉(zhuǎn)化進(jìn)行約束和限制。利用MCE模塊生成不同土地利用類型的適宜性圖集。最后利用COLLETION EDIT模塊將多個(gè)適宜性圖集進(jìn)行合并。

4）未來(lái)土地利用預(yù)測(cè)：基于實(shí)測(cè)的 2015年土地利用分布，將CA濾波器循環(huán)次數(shù)設(shè)為20，結(jié)合修改的1995－2015年土地利用轉(zhuǎn)移概率矩陣和土地利用適宜性圖集，依次對(duì)甘肅、寧夏、陜西省的2035年土地利用格局進(jìn)行模擬。將3?。▍^(qū)）2035年的土地利用進(jìn)行合并，裁剪出渭河流域2035年的土地利用分布。

Kappa系數(shù)能夠用于檢驗(yàn)?zāi)M圖像與觀測(cè)圖像的一致性，較多應(yīng)用于土地利用模擬精度檢驗(yàn)[21]。本文采用Kappa系數(shù)檢驗(yàn)CA-Markov模型對(duì)渭河流域土地利用模擬預(yù)測(cè)的精度，其計(jì)算公式如下：

式中P0為正確模擬的柵格比例；Pc為隨機(jī)情況下正確模擬的柵格比例；1代表理想分類下正確模擬的柵格比例。當(dāng) 0.4

2.2.2 土地利用轉(zhuǎn)移矩陣

土地利用轉(zhuǎn)移矩陣是研究區(qū)域內(nèi)在特定時(shí)期初和期末各土地利用類型之間轉(zhuǎn)化關(guān)系，使用土地利用轉(zhuǎn)移矩陣不僅可以研究土地利用類型數(shù)量變化關(guān)系，還可以分析各類型相互轉(zhuǎn)移情況[22]，公式如下：

式中A表示土地利用類型的面積，km2，n表示土地利用類型，i表示研究初期土地利用類型，j表示研究末期土地利用類型。

2.2.3 土地利用動(dòng)態(tài)度

土地利用動(dòng)態(tài)度[23]反映了土地利用類型的變化速度，可用于預(yù)測(cè)未來(lái)的土地利用變化特征，公式如下：

式中K為土地利用動(dòng)態(tài)度；Ua為研究初期土地利用的面積，km2；Ub為研究末期的土地利用面積，km2；T為時(shí)間長(zhǎng)度，a。

2.2.4 情景設(shè)置

為定量研究渭河流域土地利用變化的藍(lán)綠水響應(yīng)情況，分別設(shè)置5種土地利用情景：情景1、2為歷史時(shí)期土地利用，情景5是未來(lái)時(shí)期土地利用，情景3、4是模擬退耕還林、退耕還草 2種極端土地利用情景。其中情景3、4是考慮到渭河流域水土流失嚴(yán)重，以2015年土地利用分布為基礎(chǔ)數(shù)據(jù)，將耕地分別轉(zhuǎn)為草地和林地。具體設(shè)置見(jiàn)表1。

表1 渭河流域土地利用情景設(shè)置Table 1 Scenario setting of land use in the Weihe River Basin

2.2.5 SWAT模型

SWAT模型是1990年由美國(guó)農(nóng)業(yè)部農(nóng)業(yè)研究服務(wù)中心（USDA)開(kāi)發(fā)研制的基于物理機(jī)制的大尺度分布式水文模型。該模型由水文循環(huán)模擬、土壤侵蝕過(guò)程以及污染負(fù)荷子模型 3個(gè)子模型組成，可預(yù)測(cè)未來(lái)各種因素變化帶來(lái)的影響[24]。模型首先是根據(jù)流域的地形因子、河網(wǎng)分布等因子，將整個(gè)研究流域劃分為若干個(gè)子流域，然后按照流域的土地利用類型、土壤類型和坡度的設(shè)定閾值劃分水文響應(yīng)單元（HRUs），并單獨(dú)計(jì)算每一水文響應(yīng)單元的產(chǎn)流量；最后通過(guò)河道匯流演算求得出口斷面的總徑流量。SWAT模型遵循水量平衡原理：

式中SWt為土壤含水量的最終值，mm；SW0為第i天土壤含水量的起始值，mm；t為時(shí)間，d；Rday為第i天的降水量，mm；Qsurf為第i天的地表徑流量，mm；Ea為第i天的蒸散發(fā)量，mm；Wseep為第i天離開(kāi)土壤剖面底部的滲透水流和旁通水流量，mm；Qgw為第i天回歸流的水量，mm。

藍(lán)/綠水量可根據(jù)SWAT模型各水文變量的輸出結(jié)果進(jìn)行計(jì)算[25]，分別為

式中BW為藍(lán)水量，mm；GW為綠水量，mm；WYLD為子流域產(chǎn)水量，mm；DA_RCHG為深層含水層補(bǔ)給量，mm；ET為實(shí)際蒸散發(fā)量，mm；SW為土壤含水量，mm。

3 結(jié)果與分析

3.1 渭河流域土地利用變化趨勢(shì)

3.1.1 CA-Markov模型評(píng)估

為了檢驗(yàn) CA-Markov模型模擬精度，以渭河 2005年土地利用分布圖為起始年，結(jié)合1995－2005土地轉(zhuǎn)移概率矩陣和土地利用適宜性圖集，模擬得到流域2015年土地利用格局。對(duì)2015年模擬和實(shí)際土地利用數(shù)據(jù)進(jìn)行精度評(píng)估統(tǒng)計(jì)（表2、圖2），其中耕地、草地、林地、水域及建設(shè)用地精度較高，分別為 83.82%、83.33%、86.06%、89.82%和82.50%，裸地的模擬精度相對(duì)較低，僅為61.65%，主要是因?yàn)楸疚膶⒏叱?、坡度等地形?shù)據(jù)作為驅(qū)動(dòng)因子，將水域和建設(shè)用地設(shè)置為限制因子，使得耕地、草地、林地、水域以及建設(shè)用地的轉(zhuǎn)化過(guò)程比較容易追蹤，而裸地不僅受地理環(huán)境的影響，還受人為因素的影響，不容易模擬其演變特征，導(dǎo)致模擬精度不高。2015年土地利用模擬 Kappa系數(shù)為 0.89，表明CA-Markov模型模擬達(dá)到最佳效果，可用于預(yù)測(cè)渭河流域未來(lái)的土地利用情景。因此，以2015年土地利用分布圖作為起始年，利用CA-Markov模型，結(jié)合修改的土地利用轉(zhuǎn)移概率矩陣和土地利用適宜性圖集，CA濾波器循環(huán)次數(shù)設(shè)為20，模擬渭河流域2035年土地利用分布格局。

表2 2015年渭河流域土地利用模擬對(duì)比及精度檢驗(yàn)Table 2 Comparison and precision test of land use simulation in Weihe River Basin in 2015

3.1.2 1995-2035年土地利用動(dòng)態(tài)變化

渭河流域1995、2015、2035年3期的土地利用中（圖3、表3）均是耕地面積比例最大，草地面積第二，林地面積第三。1995－2015年期間建筑用地單一動(dòng)態(tài)度達(dá) 2.35%，其年增速最大；耕地土地利用的變化率為?0.24%，呈減少趨勢(shì)；林地和草地的變化率分別為0.29%、0.02%。2015－2035年，建筑用地面積動(dòng)態(tài)度達(dá)3.50%，耕地變化率減少為?0.32%，水域和裸地均呈現(xiàn)增加趨勢(shì)。1995－2035年40 a期間增速最快的是建筑用地，單一動(dòng)態(tài)度為 3.75%，其次是林地、水域，單一動(dòng)態(tài)度分別為0.21%、0.08%；耕地、草地和裸地呈減少趨勢(shì)，單一動(dòng)態(tài)度分別為?0.27%、?0.01%和?0.98%。整體而言，1995－2035年期間，耕地呈減少趨勢(shì)，林地和建筑用地呈增加的趨勢(shì)，草地呈先增加后減少的趨勢(shì)，裸地和水域呈現(xiàn)先減少后增加的趨勢(shì)。

表3 1995－2035年渭河流域土地利用類型變化Table 3 Changes of land use types in the Weihe River Basin from 1995 to 2035

渭河流域1995—2015、2015—2035年的土地利用轉(zhuǎn)移面積矩陣如表4、表5所示。

表4 1995－2015年土地利用變化轉(zhuǎn)移面積矩陣Table 4 Land use change transfer area matrix from 1995 to 2015 km2

表5 2015－2035 年土地利用變化轉(zhuǎn)移面積矩陣Table 5 Land use change transfer area matrix from 2015to 2035 km2

2期土地利用轉(zhuǎn)移矩陣表明，渭河流域土地利用類型在時(shí)空上的轉(zhuǎn)移具有一定的可逆性，在向外轉(zhuǎn)出的同時(shí)又伴隨著其他地類的轉(zhuǎn)入，這與黎云云等[15]研究結(jié)果較為一致。1995－2015年期間，耕地、林地、草地三者之間的轉(zhuǎn)移頻率較高，轉(zhuǎn)移面積最大的是耕地轉(zhuǎn)為草地，轉(zhuǎn)移面積3 323.56 km2，主要反映了20世紀(jì)90年代后期，國(guó)家在水土流失嚴(yán)重地區(qū)實(shí)施退耕還林還草工程；其次是耕地轉(zhuǎn)化為建設(shè)用地，轉(zhuǎn)移面積為1 625.63 km2；草地轉(zhuǎn)化為耕地的面積為2 264.33 km2；林地轉(zhuǎn)化為草地的面積為 584.79 km2。2015－2035年期間，耕地主要是向草地和建筑用地轉(zhuǎn)移，轉(zhuǎn)移面積分別為 4 811.87和3 329.39 km2，表明2015年之后渭河流域內(nèi)社會(huì)經(jīng)濟(jì)快速發(fā)展，城市化進(jìn)程加快，城市建筑用地增幅較大。此外，在草地的轉(zhuǎn)出過(guò)程中，主要是向耕地和林地轉(zhuǎn)移，轉(zhuǎn)移面積分別為4 254.42和2 346.92 km2，在林地的轉(zhuǎn)出過(guò)程中，主要是向草地進(jìn)行轉(zhuǎn)移，轉(zhuǎn)移面積為1 572.42 km2，這充分體現(xiàn)了渭河流域土地利用類型轉(zhuǎn)移的可逆性。

3.2 土地利用變化對(duì)藍(lán)綠水的時(shí)空影響

3.2.1 SWAT模型模擬精度評(píng)價(jià)

SWAT模型涉及徑流的參數(shù)較多，參考相關(guān)文獻(xiàn)[26-27]，最終確定16個(gè)敏感性較高的參數(shù)作為渭河流域5個(gè)水文站的率定參數(shù)（表6）。結(jié)合渭河流域上、中、下游以及2個(gè)支流的參數(shù)分析結(jié)果可知，對(duì)渭河流域徑流產(chǎn)生較為敏感的參數(shù)有CN2（SCS徑流曲線數(shù)）、ALPHA_BF（基流α因子）、SOL_K（土壤飽和導(dǎo)水率）、SOL_AWC（土壤有效含水率），其中影響最為顯著的是CN2（SCS徑流曲線數(shù)）。

表6 SWAT模型參數(shù)選擇及率定結(jié)果Table 6 SWAT model parameter selection and calibration results

模型評(píng)價(jià)選用確定性系數(shù)（R2）和Nash-Sutcliffe納什系數(shù)（NSE）[28]。利用渭河流域 5個(gè)水文站的月徑流資料，以 1995年土地利用數(shù)據(jù)作為基準(zhǔn)期，結(jié)合SWAT-CUP校準(zhǔn)工具和手動(dòng)調(diào)參法，按照林家村、咸陽(yáng)、張家山、狀頭、華縣的順序進(jìn)行率定，率定期為 1985－1990年，驗(yàn)證期為1991-1993年（表7）。5個(gè)水文站的評(píng)價(jià)指標(biāo)均滿足R2>0.6，NSE>0.5的標(biāo)準(zhǔn)，表明 SWAT模型在渭河各子流域均有較好的適用性，可用于研究流域土地利用變化對(duì)藍(lán)綠水時(shí)空分布的影響。

表7 渭河流域SWAT模型模擬結(jié)果評(píng)價(jià)Table 7 Evaluation of SWAT model simulation results in Weihe River Basin

3.2.2 不同土地利用對(duì)藍(lán)綠水的影響

藍(lán)綠水的變化主要由氣候變化和人類活動(dòng)兩方面因素共同引起，因此為了定量分析土地利用變化對(duì)藍(lán)綠水的影響，排除其他因素的干擾，本研究將各土地利用情景分別代入校準(zhǔn)好的SWAT模型中，保證基準(zhǔn)期氣候和土壤等要素不變。在各土地利用情景下，渭河流域藍(lán)綠水量的變化情況如表8所示，從表中分析可知：

表8 五種情景下藍(lán)水量、綠水量的變化情況Table 8 Changes of blue and green water quantities under five scenarios

1）1995－2015 年，流域內(nèi)藍(lán)水量增加了2.38 mm/a；2015－2035年，藍(lán)水量增加了14.82 mm/a。藍(lán)水量的增加主要是由于流域內(nèi)建筑用地面積的擴(kuò)張，1995－2035年建筑用地單一動(dòng)態(tài)度達(dá)3.75%，增幅較大。建筑用地面積的擴(kuò)張會(huì)影響下滲、蒸發(fā)等水文過(guò)程，導(dǎo)致地表徑流的增加。1995－2015年和2015－2035年，流域內(nèi)綠水量分別減少了18.74、15.23 mm/a。綠水量的減少主要由于流域內(nèi)耕地面積的減少，耕地的轉(zhuǎn)出，使得蒸散發(fā)量減少，而蒸散發(fā)作為綠水的主要組成部分，直接影響綠水量的變化情況，這與趙安周等[29]研究較為一致。

2）在退耕還草作用下，藍(lán)水量較情景 2下降了9.27 mm/a；在退耕還林作用下，藍(lán)水量下降了11.37 mm/a。根據(jù)王磊等[30]、Thanh等[31]研究，耕地會(huì)促進(jìn)徑流量的增加，林地和草地面積增加對(duì)徑流量起降低作用。隨著流域內(nèi)耕地全部轉(zhuǎn)化為林地和草地，地表徑流量減少，造成藍(lán)水量呈減少趨勢(shì)。在退耕還草/還林 2種情景下綠水量呈現(xiàn)減少的趨勢(shì)，分別減少了 32.94、21.13 mm/a。綠水量主要是由蒸散發(fā)和土壤含水量?jī)烧呓M成，研究表明耕地對(duì)蒸散發(fā)量的貢獻(xiàn)高于林地、草地[32]，在人類活動(dòng)的影響下，夏季耕地的日均蒸散發(fā)量遠(yuǎn)遠(yuǎn)大于林草地，其中蒸散發(fā)量占總耗水量高達(dá) 90%[33]，蒸散發(fā)作為綠水的主要組成部分，直接決定了綠水量的大小。此外，不同土地利用類型對(duì)土壤含水量影響排序是耕地>草地>林地[34]。因而耕地轉(zhuǎn)化成林地、草地之后，蒸發(fā)量和土壤含水量均減少，造成綠水量大幅度的減少。

在歷史、未來(lái)及模擬土地利用情景下，藍(lán)綠水的空間分布存在一定的差異（圖4）。在LULC1995、LULC2015和LULC2035這3種情景下的藍(lán)水量、綠水量空間分布基本一致，均表現(xiàn)為南多北少的趨勢(shì)，主要是因?yàn)榱饔蚰喜亢蜄|部地區(qū)主要土地類型是耕地，耕地既能增加地表產(chǎn)流量，也能增加蒸發(fā)量，使得該區(qū)域的藍(lán)綠水量較為豐富；同時(shí)，流域地形自西向東逐漸降低，南部為秦嶺山脈，北部為黃土高原，海拔的差異使得流域內(nèi)氣溫呈現(xiàn)南高北低、東高西低的分布，氣溫與蒸散發(fā)呈正向關(guān)系[35]，因而東部和南部地區(qū)綠水量較為豐富。與LULC1995情景相比，LULC2015情景下渭河流域南部、東部的綠水量呈減少趨勢(shì)，流域南部、中部的藍(lán)水量呈增加趨勢(shì)；LULC2035情景下渭河流域中部、南部和西北部的綠水量呈減少趨勢(shì)，流域東部、南部和中部的藍(lán)水量呈增加趨勢(shì)。

退耕還林、還草 2種模擬情景下，渭河流域藍(lán)綠水呈現(xiàn)不一致的空間分布特征。退耕還林情景下綠水量在流域東部和中部地區(qū)表現(xiàn)為減少趨勢(shì)，藍(lán)水量在流域南部和西部地區(qū)呈減少趨勢(shì)；退耕還草情景下綠水量在流域南部、中部和東部地區(qū)均表現(xiàn)為減少趨勢(shì)，且減少幅度比退耕還林情景更大，藍(lán)水量在流域南部、中部和東部地區(qū)呈減少趨勢(shì)。退耕還林/還草模擬情景下，藍(lán)綠水的空間變化是因?yàn)槲己恿饔騼?nèi)耕地主要分布在南部和東部，林地主要分布于東部，草地分布范圍較廣，主要是在北部，當(dāng)流域內(nèi)土地利用格局發(fā)生變化（如耕地全部轉(zhuǎn)為草地或林地），將影響流域內(nèi)藍(lán)綠水量的空間分布特征。因此合理規(guī)劃耕地、草地和林地，可以有效防止水土流失，是渭河流域未來(lái)土地利用規(guī)劃和水資源管理的重點(diǎn)。

4 結(jié) 論

本文以渭河流域作為研究對(duì)象，利用CA-Markov模型對(duì)流域 2035年土地利用格局進(jìn)行模擬預(yù)測(cè)，通過(guò)SWAT模型和5種不同土地利用情景設(shè)置，定量分析不同情景下的藍(lán)綠水時(shí)空響應(yīng)情況，得到如下主要結(jié)論：

1）基于CA-Markov模型對(duì)渭河流域2015年土地利用格局進(jìn)行模擬預(yù)測(cè)，Kappa系數(shù)為0.89，表明模型精度較高，可用于未來(lái)土地利用的預(yù)測(cè)。渭河流域主要的土地利用方式是耕地、林地和草地，其余地類占比較小。1995-2035年期間，耕地呈減少趨勢(shì)，林地保持增加趨勢(shì)，草地呈先增加后減少的趨勢(shì)，建筑用地呈增加趨勢(shì)。耕地大面積轉(zhuǎn)移為建設(shè)用地和草地，草地主要轉(zhuǎn)移為林地和耕地，其余地類轉(zhuǎn)出面積不明顯。40年期間，建筑用地年增速最大，單一動(dòng)態(tài)度達(dá)3.75%，林地、水域單一動(dòng)態(tài)度分別為0.21%、0.08%，增長(zhǎng)趨勢(shì)不明顯；耕地、草地和裸地兩者單一動(dòng)態(tài)度分別為?0.27%、?0.01%和?0.98%，呈減少趨勢(shì)。

2）SWAT模型在渭河流域5個(gè)水文站的月徑流模擬精度較好，均滿足決定系數(shù)R2>0.6，納什系數(shù) NSE>0.5的精度要求，表明模型可用于模擬分析該流域土地利用變化對(duì)藍(lán)綠水的影響。1995－2015年間，渭河流域的藍(lán)水量增加了 2.38 mm/a，綠水量減少了 18.74 mm/a；2015－2035年藍(lán)水量增加了 14.82 mm/a，綠水量減少了15.23 mm/a，藍(lán)綠水量變化趨勢(shì)一致，主要是因?yàn)?995－2035年期間耕地減少，建筑用地增加，使得流域內(nèi)蒸散發(fā)量減少，徑流量增加；退耕還林、還草情景下，藍(lán)水量和綠水量均呈下降趨勢(shì)，主要因?yàn)楦丶饶軌虼龠M(jìn)徑流量的增加，又可以增加流域蒸散發(fā)量，將大面積的耕地轉(zhuǎn)化為林草地后，藍(lán)水量和綠水量也隨之減少。

本文利用CA-Markov模型模擬渭河流域土地利用演變，耦合SWAT模型定量分析藍(lán)綠水量的時(shí)空分布特征。在模擬土地利用演變時(shí)，在制作土地適宜性圖集時(shí)考慮不全面，對(duì)于限制條件和因子的選擇，應(yīng)結(jié)合流域內(nèi)實(shí)際發(fā)展情況，從地理位置、社會(huì)經(jīng)濟(jì)、人口發(fā)展以及資源環(huán)境等多方面進(jìn)行選取，這樣能更精確的對(duì)土地利用進(jìn)行模擬。在構(gòu)建渭河流域SWAT模型時(shí)，對(duì)于不同土地利用情景耦合SWAT模型，本文采用已校準(zhǔn)參數(shù)不變，僅更換土地利用數(shù)據(jù)，未考慮土地利用變化對(duì)模型參數(shù)的影響，在以后的研究中，需要深入分析不同的土地利用分布對(duì)模型參數(shù)敏感性的影響。流域尺度藍(lán)綠水的時(shí)空演變特征不僅受土地利用變化的影響，還同時(shí)受氣候變化和灌溉、取用水、水利工程等人類活動(dòng)的影響。本文在分析渭河流域藍(lán)綠水的時(shí)空變化時(shí)，主要考慮了土地利用演變對(duì)藍(lán)綠水的影響，在未來(lái)的研究中，將考慮氣候變化和人類活動(dòng)（如：“引漢濟(jì)渭工程”、水庫(kù)調(diào)節(jié)、農(nóng)業(yè)灌溉等）多方面因素，探討渭河流域藍(lán)綠水的時(shí)空變化特征。