張 薇，王鳳春，3，4，賈 悅，萬虹麟，5，牛天浩云，杜雨森

（1.河北水利電力學(xué)院水利工程系，河北滄州 061001；2.滄州市遙感與智慧水利技術(shù)創(chuàng)新中心，河北滄州 061001；3.河北省高校水利自動化與信息化應(yīng)用技術(shù)研發(fā)中心，河北滄州 061001；4.河北省數(shù)據(jù)中心相變熱管理技術(shù)創(chuàng)新中心，河北滄州 061001；5.河北省巖土工程安全與變形控制重點實驗室，河北滄州 061001）

0 引 言

近年來隨著水資源短缺問題的日益突出和生態(tài)系統(tǒng)服務(wù)功能研究的不斷深入，水源供給作為生態(tài)系統(tǒng)服務(wù)的重要功能之一，被廣泛關(guān)注［1］。生態(tài)系統(tǒng)的水源供給功能概念較廣，其內(nèi)涵隨著研究的不斷深入而不斷完善，主要表現(xiàn)為生態(tài)系統(tǒng)攔蓄降水、調(diào)節(jié)徑流、影響降雨、凈化水質(zhì)等，研究表明不同的土地利用/覆被（LULC）類型通過影響流域水循環(huán)過程中的蒸散、下滲和持水，進(jìn)而改變流域水源供給服務(wù)功能［2］。目前，眾多學(xué)者在水源供給服務(wù)功能方面做了大量研究，取得了系列成果，為相關(guān)研究提供了有益參考［3-6］。特別是InVEST 模型，相較于其他水資源評估模型以其原理簡單，易于被不同學(xué)科背景的使用者理解，且需要的數(shù)據(jù)量相對較少、易于獲取，近年來被廣泛應(yīng)用于水源供給服務(wù)功能評價相關(guān)研究中［7-9］。

密云水庫上游流域張承地區(qū)作為密云水庫的水源涵養(yǎng)區(qū)，擔(dān)負(fù)著向北京市提供飲用水源的重要任務(wù)，其水源供給服務(wù)功能質(zhì)量將直接關(guān)系首都的水生態(tài)安全。近年來，隨著經(jīng)濟的發(fā)展和人類活動干擾的加劇，流域生態(tài)環(huán)境脆弱、庫區(qū)水生態(tài)質(zhì)量下降。其中涉及水質(zhì)評價、污染源及污染評價、流域水生態(tài)改善機制等方面的研究較多，但分析產(chǎn)水量時空變化及其與土地利用變化的響應(yīng)關(guān)系方面的研究相對較少，且不同學(xué)者研究的流域范圍也不盡相同［10-12］。從土地利用結(jié)構(gòu)驅(qū)動水源涵養(yǎng)生態(tài)服務(wù)功能的角度出發(fā)，定量評估區(qū)域產(chǎn)水量并分析其時空變化特征，揭示其變化與土地利用類型變化的內(nèi)在關(guān)系，深入分析哪種土地利用方式有利于提高區(qū)域水源供給能力，有助于實施精準(zhǔn)靶向生態(tài)補償，提高補償效率和效果。

基于此，本文借助InVEST 模型產(chǎn)水模塊，定量評估張承水源涵養(yǎng)區(qū)2000-2019年的產(chǎn)水量并分析其時空變化特征，進(jìn)一步探討不同土地利用類型變化與產(chǎn)水量變化的響應(yīng)關(guān)系，以期為張承水源涵養(yǎng)區(qū)的國土規(guī)劃和京冀生態(tài)協(xié)同發(fā)展提供科學(xué)依據(jù)。

1 數(shù)據(jù)來源與研究方法

1.1 研究區(qū)概況

密云水庫有白河和潮河兩大入庫河流。其中，白河起源于張家口沽源縣，經(jīng)赤城、延慶、懷柔入庫；潮河源于承德豐寧縣，經(jīng)灤平、古北入庫。本文研究區(qū)為密云水庫上游流域的河北省赤城、豐寧和灤平三縣，位于40°30′～41°37′N，115°30′～117°32′E，總面積約111.30 萬hm2（圖1）。該區(qū)域地處山地與平原的過渡地區(qū)，地勢北高南低。該區(qū)域?qū)儆谥袦貛蚺瘻貛н^渡、半干旱向半濕潤過渡的中緯度大陸性季風(fēng)氣候，年平均氣溫在7 ℃左右，且隨海拔的上升有所下降。全年降雨量約為490 mm，且大多數(shù)集中在7-9月份，降雨所形成的地表徑流是河流的主要補給形式。人工林和天然次生林是區(qū)域內(nèi)的主要植被類型，同時，灌叢有較廣的分布。

圖1 研究區(qū)范圍Fig.1 Scope of study

1.2 研究方法

（1）土地利用轉(zhuǎn)移矩陣。引進(jìn)土地利用轉(zhuǎn)移矩陣來定量描述土地利用類型轉(zhuǎn)移情況。轉(zhuǎn)移矩陣是將各地類變化的轉(zhuǎn)移面積按矩陣形式排列，定量分析不同時期土地利用的變化結(jié)構(gòu)和方向，直觀反映一定時期內(nèi)各地類間的轉(zhuǎn)移方向和數(shù)量［13］，其數(shù)學(xué)模型為：

式中：U為土地利用轉(zhuǎn)移矩陣；Uij表示轉(zhuǎn)移前的i地類轉(zhuǎn)換成轉(zhuǎn)以后的j地類的面積。

（2）InVEST 模型產(chǎn)水模塊。InVEST 模型產(chǎn)水模塊基于Budyko 水熱耦合平衡假設(shè)（1974）和年平均降水量數(shù)據(jù)，年產(chǎn)水量等于年降雨總量與年蒸散總量的差值［14］。該模型運行基于柵格地圖，確定研究區(qū)每個柵格單元的年產(chǎn)水量［15］，公式如下：

式中：Yx，j為j類土地利用類型柵格x的產(chǎn)水量；Px為柵格x的年降水量；AETx，j為j類土地利用類型x的年實際蒸散量［16］；Rx，j是土地利用類型j柵格x的布德科干燥度指數(shù)，是潛在蒸散與降水的比值；Wx是一個非物理參數(shù)；AWCx是植被可利用的體積含水量，mm；Z為Zhang 系數(shù)，為一個經(jīng)驗值，其值在1～10，根據(jù)實際情況調(diào)整［17］。

式中：ET0為柵格x內(nèi)的潛在蒸散量；RA為太陽大氣頂層輻射；Tagv是日最高溫平均值與日最低溫平均值的均值；TD是最高溫平均值與日最低溫平均值之差；P為柵格x的年降水量［18］；AWC植被可利用的體積含水量；SAN%土壤沙粒含量百分比；SIL%土壤粉粒含量百分比；CLA%土壤黏粒含量百分比；C%土壤有機碳含量百分比。

（3）情景分析法。InVEST模型基于水量平衡原理模擬產(chǎn)水量，降水和實際蒸散量是影響模型模擬結(jié)果的主要因素，而蒸散量主要受植被和土地利用類型影響。為進(jìn)一步探究產(chǎn)水量與土地利用/覆被變化的關(guān)系，這里設(shè)計了模擬情景：在2000年模型數(shù)據(jù)的基礎(chǔ)上，只改變土地利用覆被數(shù)據(jù)，分別輸入2010年和2019年土地利用數(shù)據(jù)和對應(yīng)的作物生物物理參數(shù)，可研究2000-2010 和2000-2019 土地利用覆被變化對產(chǎn)水量的影響［19］。

式中：Rl土地利用覆被變化對研究區(qū)產(chǎn)水量變化的貢獻(xiàn)率；l0基準(zhǔn)產(chǎn)水量；li模擬產(chǎn)水量。

1.3 數(shù)據(jù)來源及預(yù)處理

選取2000年、2010年、2019年3 期數(shù)據(jù)為研究時序?；谏鲜龇椒ǎ占搜芯繀^(qū)的流域界限、行政區(qū)劃、土地利用、氣象、土壤屬性、DEM 等數(shù)據(jù)用于模型計算，同時還整理了研究區(qū)歷年水資源量數(shù)據(jù)對模型結(jié)果進(jìn)行驗證。其中，土地利用數(shù)據(jù)主要通過遙感解譯獲得，遙感數(shù)據(jù)由地理空間數(shù)據(jù)云（http：//www.gscloud.cn/sources/）下載；氣象數(shù)據(jù)來源于國家氣象信息中心中國氣象數(shù)據(jù)網(wǎng)（http：//data.cma.cn/），包括降雨、氣溫、日照等數(shù)據(jù)；土壤數(shù)據(jù)來源于世界土壤屬性數(shù)據(jù)庫（HWSD）；DEM數(shù)據(jù)也來源于地理空間數(shù)據(jù)云；水資源量來源于《河北省水資源公報》（http：//slt.hebei.gov.cn/）。

土地利用數(shù)據(jù)由Landsat OLI/ TM 遙感影像，利用ENVI5.3通過監(jiān)督分類結(jié)合人工目視解譯的方法獲取，參照中國科學(xué)院資源環(huán)境數(shù)據(jù)中心土地分類系統(tǒng)，將土地利用類型分為6 個一級類：耕地、林地、草地、建設(shè)用地、水域、裸地，其綜合精度達(dá)87%以上；降雨量空間數(shù)據(jù)由河北省13 個站點實測數(shù)據(jù)，經(jīng)ArcGIS10.2空間插值、裁剪所得；小流域劃分空間數(shù)據(jù)理論上應(yīng)該由DEM 經(jīng)ArcGIS10.2 投影變換、裁剪、水文分析流域提取所得，但這里由于研究區(qū)的不是一個完整的流域，且為了后期分析統(tǒng)計方便，小流域劃分空間數(shù)據(jù)由行政區(qū)劃矢量數(shù)據(jù)代替；潛在蒸發(fā)量空間數(shù)據(jù)是由氣象站點實測數(shù)據(jù)，經(jīng)公式計算后進(jìn)行空間插值、裁剪得到；植物有效含水率基于土壤屬性數(shù)據(jù)（沙粒、粉粒、黏粒、有機碳含量）經(jīng)ArcGIS10.2 屬性字段計算得到；土壤深度數(shù)據(jù)由全國土壤深度數(shù)據(jù)經(jīng)ArcGIS10.2 裁剪得到（見圖2）。

圖2 基礎(chǔ)處理數(shù)據(jù)（2010年6月）Fig.2 Processed basic data（2010，Jun）

2 結(jié)果與討論

2.1 土地利用結(jié)構(gòu)時空變化分析

由遙感解譯得到2000年、2010年和2019年3 期的土地利用分布圖（見圖3）。分析可知：林地的分布最為廣泛，其次是草地、耕地和建設(shè)用地，耕地分布在河流沿岸地勢平坦地區(qū)，草地則沿河流走勢分布在農(nóng)業(yè)生產(chǎn)用地的外圍，林地則主要位于離河較遠(yuǎn)的丘陵、山地區(qū)域。

圖3 2000-2019年研究區(qū)土地利用空間分布Fig.3 Spatial distribution of Land use of the study area in 2000-2019

經(jīng)統(tǒng)計得2000-2019年各地類面積及變化情況，如表1 所示。張承水源涵養(yǎng)區(qū)土地利用結(jié)構(gòu)中林地和草地是主要的用地類型，2019年兩種用地類型面積分別為793 461.70 和138 779.25 hm2，各占總面積的71.3%和12.5%，作為密云水庫上游流域涵養(yǎng)區(qū)，林地、草地有利于水量的儲存和凈化。2000-2019年的土地利用結(jié)構(gòu)轉(zhuǎn)型中，耕地、裸地和林地總體減少；草地、建設(shè)用地和水域總體增加，其中建設(shè)用地面積增長較快，19年間增加了4 268.32 hm2，年均漲幅2.1%，表明隨著城鎮(zhèn)化水平的不斷提高，研究區(qū)建設(shè)用地需求量增加。

表1 2000-2019年各地類面積及變化 hm2Tab.1 2000-2019 Area and change of each category

進(jìn)一步分析各土地利用類型相互轉(zhuǎn)化的方向和數(shù)量，在圖3 的3 期土地利用分類圖的基礎(chǔ)上，利用ArcGIS 的空間分析功能對不同時期的土地利用圖進(jìn)行空間分析，獲得研究區(qū)2000-2010年和2010-2019年的土地利用功能類型的轉(zhuǎn)移矩陣（表2、3）。結(jié)果總體表現(xiàn)為建設(shè)用地面、草地面積增加，林地、耕地面積減少。2000-2010年，耕地、林地、建設(shè)用地面積均有所增加，增加的面積大多都是由水域、草地轉(zhuǎn)化而來，其中草地分別向耕地、林地、建設(shè)用地轉(zhuǎn)化了1 115.59、5 773.18 和92.08 hm2，裸地有86.3%開墾成了耕地。2010-2019年，林草地面積之和增加，耕地和裸地面積均有減少，且減少的耕地主要轉(zhuǎn)化為林草地、水域和建設(shè)用地，分別為34 655.8、384.68 和4 231.44 hm2；建設(shè)用地持續(xù)增加，林草地、耕地、裸地、水域均不同程度向其轉(zhuǎn)化，轉(zhuǎn)化率分別為：0.8%、2.4%、2.2%和1.5%；水域面積有所增加，增加的面積由林地、耕地、建設(shè)用地轉(zhuǎn)化而來。研究區(qū)作為密云水庫的水源涵養(yǎng)區(qū)，長期以來始終以保護生態(tài)環(huán)境作為地區(qū)發(fā)展的首要條件，充分利用地區(qū)林地、草地面積較多的優(yōu)勢，優(yōu)化區(qū)域水源涵養(yǎng)生態(tài)服務(wù)功能，按照《京津冀協(xié)同規(guī)劃綱要》的相關(guān)規(guī)定，多措并舉推進(jìn)生態(tài)清潔小流域建設(shè)。特別是隨著《河北省張承地區(qū)生態(tài)保護和修復(fù)實施方案》等一系列政策的落地實施，對研究區(qū)土地利用結(jié)構(gòu)變化起到一定的促進(jìn)作用。

表2 2000-2010土地利用變化矩陣 hm2Tab.2 2000-2010 Land use change matrix

表3 2010-2019土地利用變化矩陣 hm2Tab.3 2010-2019 Land use change matrix

2.2 產(chǎn)水量時空分布及變化特征

InVEST 模型在估算年產(chǎn)水量時除了數(shù)據(jù)預(yù)處理中所列的數(shù)據(jù)外，還需要輸入Zhang系數(shù)和生物物理參數(shù)表。Zhang系數(shù)是InVEST 模型需要輸入的重要參數(shù)，取值范圍1～10，可以由研究區(qū)年降雨發(fā)生次數(shù)進(jìn)行初步估算，再結(jié)合模型檢校數(shù)據(jù)進(jìn)行反復(fù)調(diào)試。生物物理參數(shù)表至少包含各土地利用/覆被類型的植被蒸散系數(shù)Kc和最大根系深度兩項參數(shù)，其中植被蒸散系數(shù)Kc是作物實際蒸散量與參考蒸散量的比值，經(jīng)多次試驗，發(fā)現(xiàn)研究區(qū)模型產(chǎn)水量的預(yù)測結(jié)果對該指標(biāo)敏感性較高。而以往的研究中Kc的確定多是直接采用聯(lián)合國糧農(nóng)組織作物參考值［20］，由于植被蒸散系數(shù)受植被的生長狀況、氣候及水分條件等諸多因素的影響，最好結(jié)合當(dāng)?shù)貙嶋H情況進(jìn)行校正。目前基于遙感估算作物蒸散系數(shù)Kc的研究相對較多［21，22］，在韓文霆、李霞［23，24］等人研究成果基礎(chǔ)上，結(jié)合楊潔、吳瑞［25，26］等人的研究確定本文3 期生物物理參數(shù)如表4 所示。以河北省水資源公報數(shù)據(jù)進(jìn)行模型檢校，經(jīng)過反復(fù)調(diào)試當(dāng)3 期Zhang 系數(shù)分別為1.1、3.5、3.0 時，模型模擬產(chǎn)水量與實際產(chǎn)水量最接近，相對誤差均控在20%以內(nèi)（表5）。

電裝公司是汽車零部件及系統(tǒng)的全球知名供應(yīng)商，于1949年在日本成立，目前在全球30多個國家和地區(qū),設(shè)有180多家關(guān)聯(lián)公司，擁有員工約14萬名。電裝公司在環(huán)保、安全、舒適和便利等廣泛領(lǐng)域中，推進(jìn)技術(shù)開發(fā)，并提供眾多產(chǎn)品。2003年，電裝（中國）投資有限公司正式成立，并在長春、天津、上海、廣州、武漢、濟南和重慶設(shè)有分公司。

表4 InVEST模型的各土地利用類型生物物理參數(shù)Tab.4 Biophysical parameters of land use description in InVEST model

表5 InVEST年產(chǎn)水模型結(jié)果校驗Tab.5 Verification of result about InVEST water yield model

2000-2019年，研究區(qū)產(chǎn)水深度在7.2～65.1 mm。2000、2010 和2019年的總產(chǎn)水量分別為2.61、3.46 和2.71 億m3，說明研究區(qū)產(chǎn)水量先增加后減少（圖4）。不同時期的產(chǎn)水量表現(xiàn)出空間分異格局，整體變化趨勢為產(chǎn)水量由西高東低逐漸變?yōu)闁|高西低。2000年產(chǎn)水主要集中在赤城縣和豐寧縣西北部；2010年赤城中東部和豐寧西部地區(qū)產(chǎn)水量減少，豐寧東部和灤平縣地區(qū)產(chǎn)水量增加；2019年研究區(qū)產(chǎn)水量呈東高西低的趨勢更加明顯。這種格局與研究區(qū)年均降水量和土地利用類型分布有直接關(guān)系，降水量多且植被蒸散量低的區(qū)域產(chǎn)水能力強，反之產(chǎn)水能力較弱。

圖4 2000-2019產(chǎn)水深度空間分布Fig.4 Spatial distribution of the water yield depth in 2000-2019

由圖5 可以看出，2000-2019年，研究區(qū)產(chǎn)水量先增加后減少，總產(chǎn)水量略有增加。2000-2010年增加區(qū)域主要集中在灤平縣和豐寧縣東北部，以及赤城縣的西北部，增加的面積占總面積的76.5%；2010-2019年產(chǎn)水量總體減少，其中赤城縣、豐寧縣中部和灤平減少最多。2000-2019年總產(chǎn)水量略有增加，其中以巴克什營鎮(zhèn)、澇洼鄉(xiāng)和兩間房鄉(xiāng)產(chǎn)水深度增加最多，分別增加了28.5、31.5 和29.4 mm；產(chǎn)水量減少的區(qū)域主要集中在赤城縣和豐寧縣西部地區(qū)。2000-2019年研究區(qū)的產(chǎn)水量變化與不同時期的降雨和土地利用結(jié)構(gòu)有直接的關(guān)系。

圖5 2000-2019產(chǎn)水深度變化的空間分布Fig.5 Spatial distribution of the water yield depth change in 2000-2019

為了定量描述3 個區(qū)縣2000-2019年產(chǎn)水量的變化情況，分別對赤城、豐寧、灤平3個縣域三期的總產(chǎn)水情況進(jìn)行了統(tǒng)計分析（表6）。2000-2019年3 個縣域內(nèi)產(chǎn)水整體呈現(xiàn)先增加后減少趨勢，跟整個研究區(qū)三期產(chǎn)水趨勢吻合。其中，赤城縣2000-2019年產(chǎn)水總量總體減少0.177 億m3，豐寧縣和灤平縣2000-2019年產(chǎn)水總量總體分別增加了0.005和0.277 億m3。

表6 2000-2019各縣模擬產(chǎn)水量及變化 億m3Tab.6 Water yield and change in each county of 2000-2019

2.3 不同土地利用類型的產(chǎn)水深度和產(chǎn)水量

InVEST 模型的產(chǎn)水模塊是一種基于水量平衡法的估算方法，某柵格單元的降水量減去實際蒸發(fā)量即為該柵格的產(chǎn)水量，即總體的產(chǎn)水能力與降雨量成正比，與蒸散發(fā)量成反比，與坡度高程等地形因子無關(guān)。由于不同土地利用類型的蒸散發(fā)能力、土壤含水量、凋落物持水能力及冠層截留量存在差異，導(dǎo)致同一時期不同土地利用類型的產(chǎn)水深度不同。2000-2019年研究區(qū)的各地類平均產(chǎn)水深度如圖6所示，分析可知：不同土地利用類型平均產(chǎn)水深度從大到小依次為：建設(shè)用地、裸地、水域、耕地、林地、草地，各地類單位面積的平均產(chǎn)水深度分別為：30.786、27.638、27.564、27.304、26.572 和26.547 mm。其中建設(shè)用地植被覆蓋較少，相對蒸散發(fā)量也就較少，再加之不透水面的增加，使得降水滲入地下較少，導(dǎo)致該地類產(chǎn)水量最高；草地和林地地表調(diào)落物攔截地表徑流，延遲降雨匯流時間，增加土壤入滲量，同時植被冠層蒸散量相對較強，導(dǎo)致林地和草地產(chǎn)水量相對較少。

各地類的產(chǎn)水能力和面積占比是影響該地類總產(chǎn)水量的主要因素，通過圖6 分析除建設(shè)用地外，其他5 種地類平均產(chǎn)水能力相差不是很大，這樣研究區(qū)各地類總產(chǎn)水量主要取決于各地類面積占比。研究區(qū)主要的用地類型是林地，2019年，林地占整個研究區(qū)的71.3%，產(chǎn)水量占產(chǎn)水總量的72.0%。

圖6 不同土地覆被類型平均產(chǎn)水深度的時間變化Fig.6 Temporal variation of average water yield depth of different land cover types

2.4 產(chǎn)水量與土地利用相關(guān)性

由InVEST 模型產(chǎn)水模塊的估算原理可知，某柵格產(chǎn)水量主要受降雨和蒸散發(fā)兩個因素的影響，由于不同土地利用類型的蒸散發(fā)能力不同，且不同地類的凋落物持水能力及冠層截留量也存在一定的差異，導(dǎo)致不同土地利用類型將直接導(dǎo)致產(chǎn)水量的變化。本文采用情景模擬法，在2000年模型數(shù)據(jù)的基礎(chǔ)上，分別輸入2010年和2019年土地利用數(shù)據(jù)和對應(yīng)的作物生物物理參數(shù)，進(jìn)行情景模擬得2010年和2019年研究區(qū)總產(chǎn)水量，并分析兩期各地類的平均產(chǎn)水深度，以探究研究區(qū)產(chǎn)水量與土地利用的相關(guān)性。結(jié)果顯示2010年和2019年研究區(qū)總產(chǎn)水量相較2000年實際產(chǎn)水總量2.61 億m3分別減少1.42 億m3和增加0.15 億m3，地表覆被變化對產(chǎn)水量變化的貢獻(xiàn)率分別為-54.4%和5.7%。對比分析對應(yīng)的生物物理參數(shù)，2019年各地類作物系數(shù)與2000年的相同，而2010年各地類作物系數(shù)較2000年略有增加，作物系數(shù)代表各類地物的蒸散發(fā)能力，進(jìn)一步說明該產(chǎn)水模型對各地類蒸散系數(shù)較敏感，且產(chǎn)水量與作物系數(shù)成反比。通過對比分析2019年各地類模擬產(chǎn)水深度，如圖7 所示，發(fā)現(xiàn)與2000年相比，2019年各地類平均產(chǎn)水深度均有所增加，其中水域平均產(chǎn)水深度增幅最大由2000年的22.5 mm增加到2019年的27.8 mm，林地平均產(chǎn)水深度增幅最小由2000年的23.5 mm 增加到2019年的24.7 mm。通過情景模擬分析說明土地利用類型之間的相互轉(zhuǎn)移可能會導(dǎo)致產(chǎn)水量的增加或減少，例如在其他條件不變的情況下，建設(shè)用地增加會增加產(chǎn)水量，而林地增加會減少產(chǎn)水量。

圖7 模擬情景下各地類平均產(chǎn)水深度變化Fig.7 Change of average water yield depth in different regions in simulated situations

圖9 2000-2019產(chǎn)水量變化分布Fig.9 Spatial distribution of water yield and change in 2000-2019

為了進(jìn)一步探討區(qū)域土地利用與產(chǎn)水量之間的時空分布關(guān)系，將2019年模擬產(chǎn)水量與2000年實際產(chǎn)水量變化以及兩期的土地利用變化做時空對比分析，如圖8、9 所示。通過對比分析發(fā)現(xiàn)：赤城縣的西南部、豐寧縣的中部以及灤平縣的南部產(chǎn)水量明顯增多，該地區(qū)主要土地利用類型變化為耕地或草地轉(zhuǎn)為建設(shè)用地，林地或草地轉(zhuǎn)為耕地，轉(zhuǎn)換后的土地利用類型相較耕地產(chǎn)水能力強，因此該地區(qū)整體產(chǎn)水量增加；產(chǎn)水量減少的4 個鄉(xiāng)鎮(zhèn)：赤城縣的白草鎮(zhèn)、豐寧縣的胡麻營鄉(xiāng)、灤平縣的鄧廠滿族鄉(xiāng)和付家店滿族，主要土地利用類型變化為耕地、建設(shè)用地、林地轉(zhuǎn)為草地，轉(zhuǎn)化后的土地利用類型較轉(zhuǎn)化前的地類產(chǎn)水能力較弱，導(dǎo)致該區(qū)域產(chǎn)水量減少。通過土地利用與產(chǎn)水量時空變化關(guān)系的分析，再次證明了在6種土地利用類型中，建設(shè)用地產(chǎn)水能力最強，其次是耕地，林地和草地產(chǎn)水能力最弱，蓄水能力較強。

圖8 2000-2019土地利用變化分布Fig.8 Spatial distribution of the land use change in 2000-2019

3 結(jié) 語

通過遙感解譯張承水源涵養(yǎng)區(qū)2000年、2010年和2019年三期土地利用數(shù)據(jù)，用InVEST 模型產(chǎn)水模塊從空間上量化評估了2000-2019年研究區(qū)的產(chǎn)水量，同時模擬不同土地利用變化對研究區(qū)產(chǎn)水功能的影響，最終借助GIS 空間分析功能分析了研究區(qū)產(chǎn)水功能的時空分布特征及其變化，并進(jìn)一步探討了產(chǎn)水功能變化與土地利用類型變化的內(nèi)在關(guān)系，通過研究分析得出以下結(jié)論。

（1）2000-2019年，研究區(qū)土地利用整體呈現(xiàn)耕地面積減少，林地、草地、建設(shè)用地不斷增加的特點。將其劃分為2000-2010年和2010-2019年兩個階段，前期水域和草地減少，轉(zhuǎn)化為耕地、林地和建設(shè)用地；后期耕地和林地減少，轉(zhuǎn)化為草地、水域和建設(shè)用地。

（2）2000年、2010年和2019年研究區(qū)的總產(chǎn)水量分別為2.61、3.46 和2.71 億m3。不同時期的產(chǎn)水量表現(xiàn)出空間異質(zhì)性，整體變化趨勢為由西高東低逐漸變?yōu)闁|高西低。2000-2010年產(chǎn)水量增加區(qū)域占總面積的76.5%，主要集中在灤平縣和豐寧縣東北部，以及赤城縣的西北部；2010-2019年產(chǎn)水量總體減少，其中赤城縣、豐寧縣中部和灤平減少最多。

（3）研究區(qū)不同土地利用類型平均產(chǎn)水深度從大到小依次為：建設(shè)用地、裸地、水域、耕地、林地、草地，通過情景模擬分析發(fā)現(xiàn)產(chǎn)水模型對各地類蒸散系數(shù)較敏感，在蒸散系數(shù)不變的情況下，土地利用由產(chǎn)水能力低的地類轉(zhuǎn)為產(chǎn)水能力高的地類會造成區(qū)域產(chǎn)水量的增加，反之減少。

（4）采用了土地利用的6個一級分類進(jìn)行了產(chǎn)水量分析，但由于水源涵養(yǎng)功能的涵義較廣，未來有必要將土地利用分類進(jìn)一步細(xì)化，進(jìn)一步考慮區(qū)域土壤的滲透性、地表徑流系數(shù)等因素，以便更好地分析土地利用和人類活動對張承地區(qū)水源涵養(yǎng)功能的影響。

（5）未來應(yīng)進(jìn)一步校驗?zāi)Ｐ退璧母黝悈?shù)，精確研究區(qū)域的本地化參數(shù)，提高模型精度。