許天宇，朱 偉，李志慶，李二珠

(1.江蘇師范大學(xué) 地理測(cè)繪與城鄉(xiāng)規(guī)劃學(xué)院，江蘇 徐州 221116；2.山東省國(guó)土測(cè)繪院，山東 濟(jì)南 250102)

0 引 言

地表徑流是指降水除去植物截留、滲入土壤后所剩余的部分[1]。復(fù)雜的氣候變化和快速的城市化進(jìn)程影響了地表徑流的形成過(guò)程。特別是氣候變暖導(dǎo)致水文循環(huán)進(jìn)程加快，短時(shí)間的強(qiáng)降水、連續(xù)性降水是造成地表徑流增加的主要原因；同時(shí)，土地覆蓋類(lèi)型的動(dòng)態(tài)變化導(dǎo)致區(qū)域水文過(guò)程發(fā)生改變，造成地表下滲減緩，匯集積水無(wú)法快速排出，進(jìn)而加劇了城市洪澇風(fēng)險(xiǎn)的發(fā)生[2]。近年，洪澇災(zāi)害的出現(xiàn)頻次明顯多于干旱、風(fēng)暴等其他災(zāi)害，因其形成周期短、影響程度大，已經(jīng)成為全球面臨的最主要的災(zāi)害敏感問(wèn)題之一[3]。因此，準(zhǔn)確預(yù)測(cè)城市徑流，定量評(píng)估城市化進(jìn)程對(duì)地表徑流的影響，對(duì)于城市規(guī)劃、洪澇預(yù)警等具有重要意義[4]。

以往的研究主要通過(guò)水文模型模擬地表徑流變化特征以預(yù)測(cè)洪澇積水、評(píng)估洪澇風(fēng)險(xiǎn)，如暴雨洪水管理模型(SWMM)、分布式水文模型(MIKE)、綜合流域模型(InfoWorks ICM)[5]。葉陳雷等基于InfoWorks ICM模型使用城市管網(wǎng)、土地覆蓋等數(shù)據(jù)模擬了福州市白馬河片區(qū)地表徑流，并對(duì)洪澇危險(xiǎn)區(qū)進(jìn)行量化分析[6]。班玉龍等綜合地形、水文、排水單元數(shù)據(jù)通過(guò)SWMM模型模擬了四川巴中市地表徑流變化信息[7]。然而，上述模型輸入?yún)?shù)較多，全面準(zhǔn)確的數(shù)據(jù)資料難以獲取，因此限制了水文徑流模型在不同城市的推廣應(yīng)用[8]。為了克服傳統(tǒng)水文模型的不足，美國(guó)農(nóng)業(yè)部水土保持局提出了徑流曲線(xiàn)模型(SCS-CN)，該模型主要通過(guò)土地覆蓋信息預(yù)測(cè)地表徑流[9]。因其輸入?yún)?shù)簡(jiǎn)單、容易使用及改進(jìn)，目前已被廣泛應(yīng)用于城市徑流模擬及洪澇評(píng)估[10]。Dang等基于QuickBird數(shù)據(jù)獲取土地覆蓋信息并結(jié)合SCS-CN模型預(yù)測(cè)了胡志明市降雨徑流深度，進(jìn)而繪制了洪澇分布地圖[11]。Hu等根據(jù)SCS-CN模型預(yù)測(cè)結(jié)果分析了北京土地覆蓋信息對(duì)地表徑流分布的影響，指出土地覆蓋類(lèi)型是地表徑流模擬的重要指標(biāo)[12]。馬麗君等根據(jù)土地分類(lèi)標(biāo)準(zhǔn)，結(jié)合鄭州市土地利用現(xiàn)狀將土地覆蓋類(lèi)型分為17類(lèi)，通過(guò)SCS-CN模型模擬了不同土地覆蓋類(lèi)型下的地表徑流量，進(jìn)一步證明了土地覆蓋因素對(duì)地表徑流的影響[13]。戴開(kāi)璇等結(jié)合歷史降雨數(shù)據(jù)和城市土地覆蓋分布數(shù)據(jù)通過(guò)SCS-CN模型預(yù)測(cè)了拉薩市地表徑流，并且分析了拉薩市各個(gè)縣區(qū)的洪澇緩解能力，同時(shí)提出了城市擴(kuò)張與加強(qiáng)綠地設(shè)施建設(shè)協(xié)同布局的建議[14]。鑒于SCS-CN模型在城市地表徑流模擬中的有效性、適用性，并且能夠指導(dǎo)城市洪澇災(zāi)害防治，因此本研究選擇該模型對(duì)地表徑流進(jìn)行模擬。

然而，已有研究主要通過(guò)單一年份數(shù)據(jù)通過(guò)SCS-CN模型評(píng)估城市土地覆蓋類(lèi)型及其分布對(duì)地表徑流的影響，對(duì)復(fù)雜降雨情景下，較長(zhǎng)時(shí)間尺度的城市土地覆蓋變化對(duì)地表徑流特征的研究較少。因此，本研究通過(guò)設(shè)置多種降雨情景，利用多時(shí)期土地覆蓋類(lèi)型數(shù)據(jù)模擬地表徑流，定量評(píng)估了較長(zhǎng)時(shí)間尺度土地利用覆蓋信息及其變化對(duì)地表徑流的影響，以期為城市洪澇調(diào)節(jié)及洪災(zāi)預(yù)防提供參考。

1 研究區(qū)域與數(shù)據(jù)

1.1 研究區(qū)概況

研究區(qū)南京市位于北緯31°14′至32°37′、東經(jīng)118°22′至119°14′之間，地處江蘇省西南部，是長(zhǎng)江三角洲城市群中心城市之一。南京市屬于亞熱帶季風(fēng)氣候，雨量充沛，降水強(qiáng)度大，年均降雨量約1 100 mm，其中，夏季降雨量占全年的60%以上。過(guò)去30年，南京歷經(jīng)了快速的城市化進(jìn)程，截止至2021年底，建成區(qū)面積為868 km2。近些年，南京每年都遭受不同程度的降雨侵襲，洪澇多發(fā)期集中于6～7月，嚴(yán)重影響了居民的正常生活[15]。2022年，南京市入選建設(shè)“海綿城市”發(fā)展模式的試點(diǎn)城市，旨在降低地表徑流總量，提高城市雨洪調(diào)節(jié)能力。因此，以南京市為例進(jìn)行城市地表徑流量模擬和特征分析具有典型代表意義(圖1)。

圖1 研究區(qū)位置示意圖

1.2 數(shù)據(jù)及處理

本研究數(shù)據(jù)主要包括土地覆蓋數(shù)據(jù)、土壤類(lèi)型數(shù)據(jù)、數(shù)字高程數(shù)據(jù)、降雨量數(shù)據(jù)。土地覆蓋數(shù)據(jù)為全球30 m土地覆蓋精細(xì)分類(lèi)產(chǎn)品(GLC_FCS30)，該產(chǎn)品是利用1984-2020年Landsat數(shù)據(jù)生產(chǎn)的全球30 m精細(xì)土地覆蓋動(dòng)態(tài)監(jiān)測(cè)產(chǎn)品，更新周期為5年，包含29個(gè)土地覆蓋類(lèi)型，最高總體精度為 82.5%，本研究選取了2000、2005、2010、2015和2020年研究區(qū)的分類(lèi)產(chǎn)品作為土地覆蓋信息數(shù)據(jù)源[16]。土壤類(lèi)型數(shù)據(jù)采用全球水文土壤分組產(chǎn)品(Global Hydrologic Soil Groups，HYSOGs250m)，該數(shù)據(jù)集是為了支持區(qū)域及大尺度上降雨徑流估算模型而改進(jìn)的水文土壤分組(Hydrologic Soil Group，HSG)數(shù)據(jù)，分辨率為250 m，根據(jù)降雨徑流潛力劃分為A、B、C、D 4個(gè)標(biāo)準(zhǔn)等級(jí)的水文土壤類(lèi)型(表1)[17]。數(shù)字高程數(shù)據(jù)(Digital Elevation Model，DEM)使用SRTM數(shù)據(jù)，分辨率為30 m，由谷歌地球引擎平臺(tái)(Google Earth Engine，GEE)獲取，主要用來(lái)提取研究區(qū)坡度因子。降雨數(shù)據(jù)采用全球降雨測(cè)量產(chǎn)品(Global Precipitation Measurement, GPM)，該產(chǎn)品提供每3 h一次的全球雨雪觀測(cè)數(shù)據(jù)，空間分辨率為10 km。研究區(qū)降雨事件多發(fā)生于夏季，本研究通過(guò)GEE平臺(tái)獲取了2000、2005、2010、2015和2020年6～7月已校準(zhǔn)的降雨數(shù)據(jù)。為了綜合使用上述多源遙感數(shù)據(jù)集，對(duì)所有數(shù)據(jù)進(jìn)行了統(tǒng)一的坐標(biāo)轉(zhuǎn)換及空間分辨率重采樣。

表1 水文土壤分組

2 研究方法

為了更加全面、具體地描述由降雨因子產(chǎn)生的地表徑流特征信息，并分析土地覆蓋類(lèi)型與地表徑流之間的關(guān)系，采用SCS-CN模型對(duì)研究區(qū)地表徑流量進(jìn)行估算，具體計(jì)算公式為：

(1)

式中，Q為地表徑流量(mm)，P是降雨量(mm)，S是最大可能滯留量(mm)。由于不同單元上的土地覆蓋層存在差異，最大滯留量S因而也存在差異，其主要由土地覆蓋類(lèi)型和土壤類(lèi)型決定，具體關(guān)系如下：

(2)

式中，CN為地表徑流能力參數(shù)，其值越大，代表地表徑流產(chǎn)生的可能性越大。研究表明，地形因子會(huì)影響SCS-CN模型的模擬效果，因此在CN值基礎(chǔ)上考慮了坡度因子對(duì)地表徑流的影響，本研究利用Huang等人提出的修正模型進(jìn)行改進(jìn)[18]，改進(jìn)模型如下：

(3)

式中，SLP為坡度，CNS為坡度修正后的CN。此外，在實(shí)際應(yīng)用中，前期土壤濕潤(rùn)程度也會(huì)影響地表徑流，因此有必要引入土壤濕潤(rùn)情況對(duì)CN進(jìn)行進(jìn)一步的修正[19]。根據(jù)降雨發(fā)生前五日的降雨量，本研究將土壤濕潤(rùn)程度分為3類(lèi)：干旱(Ⅰ)、正常(Ⅱ)、濕潤(rùn)(Ⅲ)。由正常程度計(jì)算其他CN值，具體公式如下：

(4)

(5)

式中，CNⅠ為干旱程度的CN值，CNⅡ?yàn)檎３潭鹊腃N值，CNⅢ為濕潤(rùn)程度的CN值。在研究范圍內(nèi)，土地覆蓋類(lèi)型共有14類(lèi)。高強(qiáng)度降雨發(fā)生于夏季，落葉闊葉林處于生長(zhǎng)期，因此本研究將其與常綠闊葉林合并為一類(lèi)。土壤類(lèi)型及土地覆蓋類(lèi)型的初始CN值通過(guò)查詢(xún)美國(guó)國(guó)家工程手冊(cè)獲得[20]，具體數(shù)據(jù)如表2所示。

表2 土地覆蓋類(lèi)型及初始CN

為了研究降雨量與地表徑流量之間的相關(guān)性，量化土地覆蓋對(duì)降雨徑流緩解能力，本文通過(guò)洪澇緩解系數(shù)(R)評(píng)價(jià)徑流洪澇調(diào)節(jié)能力，其定義如下：

(6)

式中，R為緩解系數(shù)，值越大則洪澇緩解能力越差。

3 結(jié)果與分析

3.1 洪澇緩解能力評(píng)價(jià)

本研究通過(guò)模擬不同降雨情景，結(jié)合不同時(shí)期土地覆蓋信息分析南京地表徑流特征及其變化信息。考慮研究區(qū)域氣候及降雨特征，根據(jù)降雨量劃分為4種降雨情景：弱降雨、中等降雨、強(qiáng)降雨、暴雨。首先，基于GPM歷史降雨數(shù)據(jù)，通過(guò)最大值合成法提取每一年雨季最大降雨量，對(duì)每一年最大降雨量計(jì)算均值，將結(jié)果作為暴雨情景下的模擬降雨量；然后，基于暴雨情景降雨量，將其數(shù)值的1/4、2/4和3/4分位分別作為弱降雨、中等降雨、強(qiáng)降雨情景下的模擬降雨量。最后，采用于SCS-CN模型，輸入不同降雨量及其土地覆蓋數(shù)據(jù)，計(jì)算2000、2005、2010、2015和2020年不同降雨場(chǎng)景下的地表徑流量，進(jìn)而獲得研究區(qū)平均洪澇緩解系數(shù)。如圖2所示，在弱降雨情景下，不同時(shí)期的洪澇緩解系數(shù)均超過(guò)0.9，表明當(dāng)降雨量較小時(shí)，大部分降雨滲入地下，城市地表徑流量較小，能夠有效阻止城市洪澇產(chǎn)生；在中等降雨和強(qiáng)降雨情景下，洪澇緩解系數(shù)由0.7下降至0.5。隨著降雨量增加，城市地表徑流量增加，發(fā)生洪澇的潛力也增加。在暴雨情景下，洪澇緩解系數(shù)降低至0.3，大量降雨匯集于地表，降雨調(diào)節(jié)能力下降，因此容易產(chǎn)生城市內(nèi)澇。此外，隨著南京市城市化進(jìn)程加速，洪澇緩解系數(shù)下降，如在暴雨情景下，五期系數(shù)分別為0.252 3、0.244 1、0.230 1、0.225 3、0.212，呈下降趨勢(shì)，說(shuō)明南京市城市洪澇風(fēng)險(xiǎn)在持續(xù)惡化。

圖2 不同降雨情景下城市洪澇緩解系數(shù)

3.2 土地覆蓋類(lèi)型對(duì)地表徑流特征分析

統(tǒng)計(jì)建成區(qū)內(nèi)不同土地覆蓋類(lèi)型的面積占比、貢獻(xiàn)率(各土地覆蓋徑流量與徑流總量占比)、徑流量均值。圖3展示了2020年暴雨情景下的徑流特征，為了便于統(tǒng)計(jì)，闊葉林、針葉林歸為林地，水體不參與統(tǒng)計(jì)?？梢园l(fā)現(xiàn)，灌溉農(nóng)田和不透水面的面積占比最大，分別為43%和38%。同時(shí)，對(duì)于土地覆蓋類(lèi)型面積和徑流量的貢獻(xiàn)率，兩者的貢獻(xiàn)率也最大，分別為40%和42%；對(duì)于不透水面，由于其阻礙了地表水下滲，因此該類(lèi)型徑流量均值較大，達(dá)到84 mm。其他土地覆蓋類(lèi)型所占比例及貢獻(xiàn)率較小，均小于10%。其中，林地地表徑流量均值最小，為58 mm，其原因?yàn)榻涤暌徊糠直粯?shù)冠截留，另一部分滲入稀松多孔的林地土壤里，從而形成較少的地表徑流。

圖3 2020年不同土地覆蓋類(lèi)型徑流特征

圖4為2000至2020年弱降雨(A)和暴雨情景(B)下南京建成區(qū)地表徑流分布。其中，城市擴(kuò)張使得不透水面取代了以植被為主的自然地表景觀。因此，在不透水面密集區(qū)域，地表徑流增加，進(jìn)而增加了城市洪澇風(fēng)險(xiǎn)。

圖4 南京市建成區(qū)2000-2020年地表徑流模擬結(jié)果

3.3 土地覆蓋變化對(duì)地表徑流變化的影響

為了探究土地覆蓋變化與地表徑流變化之間的關(guān)系，利用皮爾森相關(guān)系數(shù)(R)對(duì)2000年至2020年暴雨情景下的徑流差值與土地覆蓋面積變化的進(jìn)行相關(guān)性分析。如表3所示，草地、林地轉(zhuǎn)變?yōu)椴煌杆娴倪^(guò)程與徑流變化的相關(guān)性最高，說(shuō)明了不透水面擴(kuò)張是徑流量增加的主要原因。除此之外，其他的土地覆蓋變化，如林地到草地和農(nóng)田的轉(zhuǎn)變，也一定程度上造成了徑流量的增加，但影響較弱。與之相反，不透水面轉(zhuǎn)為林地、草地的變化與徑流變化呈現(xiàn)中高度負(fù)相關(guān)，該變化過(guò)程有效降低了地表徑流量。因此，不透水面變化是研究區(qū)較長(zhǎng)時(shí)間地表徑流變化的主要驅(qū)動(dòng)因素。

表3 土地覆蓋變化與徑流變化相關(guān)分析

4 結(jié) 語(yǔ)

本研究基于多時(shí)期土地覆蓋數(shù)據(jù)，通過(guò)SCS-CN模型模擬了多種降雨情景下的地表徑流。以南京市為例進(jìn)行地表徑流模擬及特征分析，主要結(jié)論如下：① 2000-2020年，研究區(qū)域內(nèi)地表徑流總量逐年增大，洪澇緩解系數(shù)呈現(xiàn)下降趨勢(shì)；② 對(duì)于不同土地覆蓋類(lèi)型，農(nóng)田和不透水面在研究區(qū)域內(nèi)的面積占比最大，并且對(duì)徑流總量的貢獻(xiàn)最高；③ 在城市化進(jìn)程中土地覆蓋發(fā)生變化，不透水面和林地的變化對(duì)徑流變化的影響最為顯著，其中，大面積的不透水面擴(kuò)張是造成徑流量增加，加劇城市洪澇風(fēng)險(xiǎn)的主要因素。

此外，本研究使用的土地覆蓋和降雨數(shù)據(jù)分辨率較低，對(duì)于城市內(nèi)部徑流模擬及洪澇評(píng)估有所限制，在未來(lái)研究中，獲取高分辨率遙感數(shù)據(jù)以更加精準(zhǔn)模擬地表徑流。