馬天文,徐國(guó)策*,趙超志,毛金沙,徐明珠,熊海晶,魏 全,方 康,萬(wàn) 順
(1. 西安理工大學(xué) 西北旱區(qū)生態(tài)水利國(guó)家重點(diǎn)實(shí)驗(yàn)室,陜西 西安 710048; 2. 陜西交通控股集團(tuán)有限公司,陜西 西安 710065)
森林是地球生態(tài)系統(tǒng)的重要組成部分,對(duì)調(diào)節(jié)全球水量平衡和水循環(huán)具有至關(guān)重要的作用。森林生態(tài)系統(tǒng)的水源涵養(yǎng)、水質(zhì)凈化、水土保持、滯洪減洪、改變產(chǎn)匯流條件等水文效應(yīng)已達(dá)成共識(shí)。秦嶺林區(qū)是中國(guó)暖濕帶森林系統(tǒng)的典型代表,同時(shí)也是長(zhǎng)江、黃河的分水嶺。漢江是長(zhǎng)江最大的支流,發(fā)源于秦嶺南麓陜西省境內(nèi)。漢江流域在陜西省境內(nèi)流域面積為6.24×10km,是南水北調(diào)中線工程的核心水源地,丹江口水庫(kù)90%的水量來(lái)自漢江。因此,開(kāi)展?jié)h江源頭區(qū)與水源涵養(yǎng)區(qū)的徑流演變規(guī)律研究對(duì)南水北調(diào)中線工程的水資源管理與流域水生態(tài)文明建設(shè)具有重要意義。
徑流水源解析方法是從徑流分割的理念發(fā)展而來(lái)的,徑流分割是基于濾波思想將流量過(guò)程線人工劃分為地表快速?gòu)搅骱突鲀刹糠帧鹘y(tǒng)的水文分割方法采用圖解法(例如直線分割法、退水曲線法等),根據(jù)經(jīng)驗(yàn)判斷地表快速?gòu)搅骱偷叵滤怂^(guò)程,將兩者進(jìn)行分割,雖然直接簡(jiǎn)潔,但具有較強(qiáng)的主觀性和不確定性。因此,基于質(zhì)量守恒和水量平衡,利用穩(wěn)定同位素和化學(xué)示蹤劑對(duì)徑流中降水和基流占比進(jìn)行研究的方法被提出并成功應(yīng)用于不同地區(qū)。隨著同位素水文學(xué)的發(fā)展,氫氧穩(wěn)定同位素被認(rèn)為是開(kāi)展水循環(huán)研究的理想示蹤劑。穩(wěn)定同位素D、O具有“保守”特征,即無(wú)論水的流動(dòng)路徑如何,只要沒(méi)有發(fā)生相態(tài)轉(zhuǎn)化和混合作用,其組成將保持不變,因此,其可用來(lái)定量分析不同水源的徑流成分。端元混合模型是氫氧穩(wěn)定同位素定量分析不同水源徑流成分的重要手段。利用端元混合模型可以研究事件前水和事件水對(duì)河道徑流的貢獻(xiàn)過(guò)程。由于端元成分的時(shí)空異質(zhì)性,應(yīng)用時(shí)需要對(duì)端元貢獻(xiàn)比例的不確定性進(jìn)行分析。近年來(lái),很多相關(guān)研究揭示了復(fù)雜的森林流域產(chǎn)流機(jī)制,包括回歸流、優(yōu)先流、連通性等機(jī)制。研究發(fā)現(xiàn)森林流域降雨徑流過(guò)程中存在“新水-舊水”悖論,即在降雨徑流過(guò)程中,河道徑流由降雨之前儲(chǔ)存在流域內(nèi)的“舊水”(即事件前水)組成,而不是本次降雨形成的“新水”(即事件水)組成。
近年來(lái),秦嶺地區(qū)水文過(guò)程研究主要集中在水系演化、降水趨勢(shì)及成因、植被對(duì)水文過(guò)程的影響、氣候變化與水文過(guò)程的耦合關(guān)系、地下水動(dòng)態(tài)變化特征等方面,但對(duì)于河道徑流時(shí)間來(lái)源的動(dòng)態(tài)變化過(guò)程鮮有報(bào)道。因此,本文將秦嶺南麓漢江支流丹江源頭區(qū)的閔家河森林小流域作為研究區(qū)域,選擇2020年的兩場(chǎng)完整降雨徑流過(guò)程,基于氫氧穩(wěn)定同位素示蹤方法研究二水源下事件水、事件前水對(duì)河道徑流的貢獻(xiàn)量及其動(dòng)態(tài)變化,為深入理解秦嶺森林流域的產(chǎn)流機(jī)制及徑流演變規(guī)律提供依據(jù)和科學(xué)支撐。
閔家河流域位于陜西省商洛市商州區(qū)黑龍口鎮(zhèn),經(jīng)度范圍為109°40′11″E~109°43′4″E,緯度范圍為34°1′58″N~34°6′29″N。閔家河屬于丹江二級(jí)支流,是丹江口水庫(kù)上游重要的水源地,為季節(jié)性河流,干流長(zhǎng)度8.3 km。流域總面積28.19 km,多年平均氣溫10.3 ℃,多年平均降雨量890.4 mm。流域地處秦嶺南麓土石山區(qū),土壤以石渣土、山地棕壤土和淤砂土為主,坡面土層深度較淺,河流兩岸和溝道主要為淤砂土。土地利用類型以林地和農(nóng)用地為主,流域內(nèi)坡度高于25°的土地面積占總土地面積的82.3%,15°~25°的坡耕地全部改造成梯田。森林覆蓋率在78%以上,植被覆蓋率在89%以上,以油松、櫟樹(shù)為主的次生林分布在海拔1 300 m以上的山梁及坡面上。馬桑、杜鵑、荊條等灌木草類在高山區(qū)和低山區(qū)坡面上均有分布。
本研究所選擇的兩場(chǎng)降雨徑流過(guò)程分別發(fā)生在2020年6月16日至19日、2020年8月17日至21日;依據(jù)降雨等級(jí)分類(表1),將其劃分為小雨事件和暴雨事件。采樣從降雨前開(kāi)始,直到河水水位恢復(fù)至降雨前的水位為止。降雨量數(shù)據(jù)來(lái)自于布設(shè)在流域內(nèi)的自動(dòng)氣象站(HOBO U30 NRC,美國(guó)),記錄頻次為每5 min一次。水位數(shù)據(jù)來(lái)自于在流域出口斷面布設(shè)的自計(jì)式水位計(jì)(WLZ-2平板雷達(dá)水位計(jì),中國(guó)),測(cè)量頻次為每5 min一次[圖1(c)]。
圖1 秦嶺閔家河流域地理位置及采樣點(diǎn)、觀測(cè)點(diǎn)分布Fig.1 Geographical Location and Distribution of Sampling and Observation Points in Minjiahe River Basin of Qinling
表1 降雨等級(jí)分類Table 1 Classification of Rainfall
利用水位流量關(guān)系推求流域出口斷面的洪水過(guò)程。將降雨前期在流域出口斷面采集的河水樣品作為事件前水樣品;降雨開(kāi)始時(shí)每隔固定時(shí)間采集一次降雨樣品作為事件水樣品,采樣頻次為每5 min一次。同時(shí),在流域出口斷面采集洪水樣品,采樣頻次為每30 min一次。采樣同時(shí),利用便攜式水質(zhì)分析儀(HQ30d,美國(guó))測(cè)定樣品的電導(dǎo)率(EC)。
為避免采集的水樣發(fā)生分餾,利用封口膜將樣品瓶口封實(shí)。采樣結(jié)束后立刻將樣品帶回實(shí)驗(yàn)室測(cè)試分析。測(cè)得的水樣中氫氧穩(wěn)定同位素值是水樣測(cè)定值與標(biāo)準(zhǔn)平均大洋水(SMOW)的千分偏差。其可直接反映樣品同位素組成相對(duì)于標(biāo)準(zhǔn)樣品的變化方向和強(qiáng)度。如同位素值為正,表明樣品較標(biāo)樣富含重同位素;如同位素值為負(fù),表明樣品較標(biāo)樣富含輕同位素;如同位素值為0,表明樣品的同位素組成和標(biāo)樣相同。
氫氧穩(wěn)定同位素值在西安理工大學(xué)西北旱區(qū)生態(tài)水利國(guó)家重點(diǎn)實(shí)驗(yàn)室使用液態(tài)水同位素分析儀(DLT-100,LGR公司,美國(guó))測(cè)定。δD和δO值測(cè)量精度分別為0.50‰和0.15‰。
采用端元混合模型量化降雨過(guò)程中事件水和事件前水對(duì)河道徑流的貢獻(xiàn)量。在降雨徑流過(guò)程中,事件前水與事件水相互混合后匯入河道,到達(dá)流域出口。根據(jù)降雨和河水的δD值,建立二元混合模型,對(duì)流域出口的河道徑流量進(jìn)行劃分。其計(jì)算公式為
=+
(1)
=+
(2)
式中:為流域出口斷面的總徑流量;為河水的δD值;為事件前水對(duì)河道總徑流量的貢獻(xiàn)量;為基流的δD值(用來(lái)代替事件前水的δD值);為事件水對(duì)河道總徑流量的貢獻(xiàn)量;為降水(即事件水)的δD值;事件水的同位素值采用降雨量加權(quán)平均值,事件前水的同位素值采用算術(shù)平均值;在計(jì)算過(guò)程中,若事件水的貢獻(xiàn)比例為負(fù)值時(shí),用0代替。
水源劃分結(jié)果的不確定性計(jì)算公式為
(3)
=×=,,
(4)
式中:為劃分結(jié)果的不確定性;、、分別代表事件前水、事件水和徑流的傳播不確定性;為樣品的標(biāo)準(zhǔn)差;為分布在70%與95%置信區(qū)間的統(tǒng)計(jì)量。
由于非參數(shù)檢驗(yàn)是在不同分布之間進(jìn)行比較,所以非參數(shù)的Kruskal-Wallis檢驗(yàn)可以適用于隨機(jī)分組樣本的差異性分析。其原假設(shè)為所有樣本均來(lái)自于同一水源。
本研究利用SPSS軟件中的非參數(shù)Kruskal-Wallis檢驗(yàn)對(duì)小雨、暴雨事件下事件水和事件前水的樣品進(jìn)行統(tǒng)計(jì)檢驗(yàn)和分析,計(jì)算結(jié)果見(jiàn)表2。結(jié)果表明:小雨事件下,事件水與事件前水的δD、δO值存在顯著差異,電導(dǎo)率存在極顯著差異;暴雨事件下,事件水與事件前水的δD、δO、電導(dǎo)率均存在極顯著差異,可以進(jìn)行徑流來(lái)源的劃分。
表2 事件水與事件前水的Kruskal-Wallis H檢驗(yàn)結(jié)果Table 2 Kruskal-Wallis H Test Results of Event Water and Pre-event Water
2.1.1 徑流變化特征
本次降雨事件的降雨量為11.8 mm,從6月16日15時(shí)開(kāi)始,至6月17日21時(shí)結(jié)束,期間有8 h無(wú)降雨,降雨歷時(shí)共31 h,24 h降雨量為9.8 mm,平均降雨強(qiáng)度為0.38 mm·h。本次降雨持續(xù)時(shí)間長(zhǎng),降雨強(qiáng)度小,期間出現(xiàn)了4個(gè)顯著的雨強(qiáng)峰值,分別為6月16日17時(shí)的1 mm·h、6月16日20時(shí)的2.2 mm·h、6月17日1時(shí)的1.2 mm·h、6月17日12時(shí)的1 mm·h[圖2(a)]。
圖2 小雨事件下降雨徑流過(guò)程各要素變化特征Fig.2 Variation Characteristics of Various Parameters in Rainfall-runoff Process Under Light Rain Event
降雨開(kāi)始2 h后,河道徑流對(duì)其產(chǎn)生響應(yīng),河道流量在降雨前為0.205 8 m·s,至6月19日20時(shí)基本恢復(fù)至降雨前水平,期間累計(jì)徑流量為86 687.60 m,徑流深為3.08 mm,徑流系數(shù)為0.261。洪峰為單峰型,出現(xiàn)在6月17日18時(shí),洪峰流量為0.427 0 m·s,洪峰滯后最大雨強(qiáng)22 h[圖2(b)]。
降雨(即事件水)的δD值為-114.58‰~-56.50‰,按降雨量加權(quán)平均值為-77.91‰(表3)。降雨前河水(即事件前水)的δD值為-60.10‰~-56.65‰,平均值為-58.62‰(表3)。事件水與事件前水的δD值差異明顯,為劃分不同徑流成分提供了現(xiàn)實(shí)依據(jù)。降雨中河水的δD值為-64.23‰~-53.95‰,平均值為-59.12‰(表3)。降雨中河水的δD值對(duì)降雨的響應(yīng)無(wú)明顯滯后,其過(guò)程線呈單峰型,河水的δD值到達(dá)峰值后急劇下降;在洪峰之前有一個(gè)谷值,為-64.23‰,較洪峰提前7 h。最終,河水的δD值基本回升至降雨前的水平[圖2(c)]。
表3 小雨事件下的樣品δD值Table 3 δD Values of Samples Under Light Rain Event
河水電導(dǎo)率為328~413 μS·cm,平均值為374.25 μS·cm。河水的電導(dǎo)率對(duì)降雨的響應(yīng)無(wú)明顯滯后,在降雨開(kāi)始后的10 h內(nèi),河水電導(dǎo)率的過(guò)程線與河水δD值的過(guò)程線基本呈對(duì)稱關(guān)系??傮w上,河水電導(dǎo)率先減小后增加,有一個(gè)低谷,谷值為328 μS·cm,且谷值滯后洪峰6 h。最終,河水的電導(dǎo)率增大至較降雨前略低的水平[圖2(d)]。
2.1.2 河道徑流水源劃分
根據(jù)式(1)與(2),對(duì)流域出口的河道流量進(jìn)行劃分[圖3(a)]。小雨事件中,事件水、事件前水對(duì)河道徑流量的貢獻(xiàn)比例分別為6.5%、93.5%,貢獻(xiàn)量分別為5 634.69 m、81 052.91 m。事件水的貢獻(xiàn)量轉(zhuǎn)化為徑流深后為0.20 mm,占本次降雨量的1.7%,說(shuō)明流域?qū)涤甑臄r蓄作用顯著。
小雨事件中,河水的時(shí)間來(lái)源可以劃分為5個(gè)階段(表4):①漲水前期,降雨開(kāi)始后的18 h內(nèi)河水幾乎全部由事件前水組成,事件水的貢獻(xiàn)比例極低,事件前水對(duì)河道徑流的貢獻(xiàn)比例幾乎為100%;②第19時(shí)至22時(shí),事件水徑流量和貢獻(xiàn)比例快速上升并達(dá)到峰值,期間河水的電導(dǎo)率下降幅度大于前18個(gè)小時(shí),事件水、事件前水對(duì)河道徑流的貢獻(xiàn)比例分別為9.2%、90.8%;在第22時(shí),事件水徑流量和貢獻(xiàn)比例達(dá)到峰值,其峰值較洪峰提前了5 h,事件水在峰值時(shí)對(duì)河道徑流的貢獻(xiàn)比例為29.1%,峰值流量為0.120 9 m·s;③第23時(shí)至28時(shí),事件水達(dá)到峰值至洪峰的這一段時(shí)間,事件水與事件前水的徑流量和貢獻(xiàn)比例上下波動(dòng),河水電導(dǎo)率一直下降,事件水、事件前水對(duì)河道徑流的貢獻(xiàn)比例分別為17.0%、83.0%;第28時(shí),河水達(dá)到洪峰,洪峰處事件水、事件前水的貢獻(xiàn)比例分別為21.5%、78.5%;④第29時(shí)至50時(shí),洪峰過(guò)后事件水的徑流量急劇下降并在之后的一段時(shí)間內(nèi)保持穩(wěn)定,事件前水徑流量逐漸下降,事件水、事件前水對(duì)河道徑流的貢獻(xiàn)比例分別為9.7%、90.3%;⑤第50時(shí)后,事件水徑流量逐漸下降直至趨于0,事件前水徑流量逐漸下降并與洪水過(guò)程線相一致,事件水、事件前水對(duì)河道徑流的貢獻(xiàn)比例分別為3.5%、96.5%。
(1)為漲水前期;(2)為漲水后期;(3)為洪峰階段;(4)為退水前期;(5)為退水后期圖3 小雨事件下河道徑流分割結(jié)果Fig.3 Segmentation Results of River Runoff Under Light Rain Event
表4 小雨事件下事件水、事件前水各時(shí)段徑流量與貢獻(xiàn)比例Table 4 Runoff and Contribution Ratio of Event Water and Pre-event Water During Each Period Under Light Rain Event
2.2.1 徑流變化特征
本次降雨事件的降雨量為51.4 mm,從8月17日14時(shí)開(kāi)始,至18日3時(shí)結(jié)束,期間有1 h無(wú)降雨,降雨歷時(shí)共14 h,平均降雨強(qiáng)度為3.67 mm·h,24 h降雨量為51.4 mm。暴雨事件相比小雨事件,降雨歷時(shí)短,降雨強(qiáng)度大。降雨開(kāi)始的前3個(gè)小時(shí)降雨量占總降雨量的61%,期間出現(xiàn)兩個(gè)顯著的降雨強(qiáng)度峰值,分別是8月17日14時(shí)的16.4 mm·h和8月17日16時(shí)的14.4 mm·h。8月17日17時(shí)至19時(shí),降雨強(qiáng)度迅速減小,直至8月18日12時(shí)又出現(xiàn)一次較大的降雨強(qiáng)度(6.8 mm·h),之后降雨強(qiáng)度逐漸減弱[圖4(a)]。
圖4 暴雨事件下降雨徑流過(guò)程各要素變化特征Fig.4 Variation Characteristics of Various Parameters in Rainfall-runoff Process Under Heavy Rain Event
河道流量在降雨之前為0.388 7 m·s,河道徑流對(duì)降雨的響應(yīng)較快,在降雨開(kāi)始的1 h內(nèi)河道流量就有明顯增長(zhǎng),至8月21日17時(shí)基本恢復(fù)至降雨前水平。降雨期間,累計(jì)徑流量為373 800.13 m,徑流深約為13.26 mm,徑流系數(shù)為0.258。洪峰為單峰型,出現(xiàn)在8月18日6時(shí),洪峰流量為2.288 1 m·s。洪水過(guò)程線漲水段與退水段呈近對(duì)稱分布,拖尾現(xiàn)象顯著。與小雨事件相比,暴雨事件河道徑流響應(yīng)迅速,漲水段歷時(shí)較短且洪水過(guò)程持續(xù)時(shí)間更長(zhǎng)。洪峰滯后最大降雨強(qiáng)度16 h,比小雨事件提前了6 h[圖4(b)]。
降雨(即事件水)的δD值為-117.35‰~-83.25‰,按降雨量加權(quán)平均值為-95.24‰(表5)。降雨前河水(即事件前水)的δD值為-70.42‰~-67.41‰,平均值為-69.20‰(表5)。事件水與事件前水的δD值差異明顯,為劃分不同徑流成分提供了現(xiàn)實(shí)依據(jù)。降雨中河水的δD值為-81.35‰~-67.68‰,平均值為-74.49‰(表5)。河水的δD值對(duì)降雨的響應(yīng)無(wú)滯后,總體上先減小后增大。降雨中河水的δD值在漲水階段急劇減小,在到達(dá)洪峰之前開(kāi)始回升,但在整個(gè)退水過(guò)程中上下波動(dòng)較大,且最終遠(yuǎn)低于降雨前的水平[圖4(c)]。
表5 暴雨事件下的樣品δD 值Table 5 δD Values of Samples Under Heavy Rain Event
河水電導(dǎo)率為301~426 μS·cm,平均值為388 μS·cm。河水電導(dǎo)率對(duì)降雨的響應(yīng)無(wú)明顯滯后。降雨開(kāi)始的2 h內(nèi),河水電導(dǎo)率從381 μS·cm先降至372 μS·cm,再升至389 μS·cm,之后便迅速減??;在第二個(gè)降雨強(qiáng)度峰值過(guò)后2 h,河水電導(dǎo)率回升至342 μS·cm,隨后繼續(xù)減小,其最小值(301 μS·cm)出現(xiàn)的時(shí)間與洪峰出現(xiàn)的時(shí)間相對(duì)應(yīng);之后,在整個(gè)退水過(guò)程中,河水電導(dǎo)率逐漸增大(先快后慢)至比降雨前更高的水平[圖4(d)]。
2.2.2 河道徑流水源劃分
根據(jù)式(1)與(2),對(duì)流域出口的河道流量進(jìn)行劃分[圖5(a)]。暴雨事件中,事件水、事件前水對(duì)河道徑流量的貢獻(xiàn)比例分別為22.9%、77.1%,貢獻(xiàn)量分別為85 600.23 m、288 199.9 m。事件水的貢獻(xiàn)量轉(zhuǎn)化為徑流深后為3.04 mm,占本次降雨量的5.9%,說(shuō)明流域?qū)涤甑臄r蓄作用顯著。
在暴雨事件中,河水的時(shí)間來(lái)源可以劃分為5個(gè)階段(表6):①降雨開(kāi)始后,河道徑流對(duì)降雨沒(méi)有明顯的滯后現(xiàn)象,事件前水與事件水的徑流量同時(shí)增加,河水電導(dǎo)率快速下降,對(duì)應(yīng)降雨徑流過(guò)程的前11個(gè)小時(shí);第7 h時(shí),事件水的貢獻(xiàn)比例達(dá)到最高(46.67%);事件水、事件前水對(duì)河道徑流的貢獻(xiàn)比例分別為31.3%、69.9%;②第12時(shí)至22時(shí),隨著前兩個(gè)明顯的降雨強(qiáng)度峰值過(guò)后,降雨強(qiáng)度逐漸減弱,事件前水的徑流量仍在增加,事件水徑流量開(kāi)始降低;事件水、事件前水對(duì)河道徑流的貢獻(xiàn)比例分別為28.8%、71.2%;在第19時(shí),河水達(dá)到洪峰,洪峰處事件水的貢獻(xiàn)比例介于20.35%~39.32%;③第23時(shí)至24時(shí),隨著第3個(gè)降雨強(qiáng)度峰值的到來(lái),事件水的徑流量與貢獻(xiàn)比例迅速增加;事件水、事件前水對(duì)河道徑流的貢獻(xiàn)比例分別為32.9%、67.1%;④第25時(shí)至31時(shí),即退水過(guò)程早期,事件前水徑流量降低,事件水徑流量在一段時(shí)間內(nèi)基本保持不變;事件水、事件前水對(duì)河道徑流的貢獻(xiàn)比例分別為26.9%、73.1%;⑤第31時(shí)后,即退水階段中后期,事件前水與事件水徑流量基本上同步減小,事件水徑流量與貢獻(xiàn)比例減小直至趨于0,事件前水徑流量減少的同時(shí)貢獻(xiàn)比例逐漸增加;事件水、事件前水對(duì)河道徑流的貢獻(xiàn)比例分別為17.3%、82.7%。
(1)為漲水前期;(2)為漲水后期;(3)為退水前期;(4)為退水后期;(5)為拖尾階段圖5 暴雨事件下河道徑流分割結(jié)果Fig.5 Segmentation Results of River Runoff Under Heavy Rain Event
表6 暴雨事件下事件水、事件前水各時(shí)段徑流量與貢獻(xiàn)比例Table 6 Runoff and Contribution Ratio of Event Water and Pre-event Water During Each Period Under Heavy Rain Event
根據(jù)式(3)與(4)計(jì)算兩場(chǎng)降雨事件下事件水、事件前水的劃分結(jié)果的不確定性。如表7所示,小雨、暴雨事件下事件水在70%置信區(qū)間的傳播不確定性分別為21.687和10.655,在95%置信區(qū)間的傳播不確定性分別為45.136和21.911;事件前水在70%置信區(qū)間的傳播不確定性分別為0.639和1.071,在95%置信區(qū)間的傳播不確定性分別為1.491和2.155。小雨、暴雨事件下的劃分結(jié)果在70%置信區(qū)間的平均不確定性分別為17.4%、14.7%,在95%置信區(qū)間的平均不確定性分別為34.4%、28.9%。小雨事件劃分結(jié)果的平均不確定性大于暴雨事件,主要是受的影響。前人研究表明,在持續(xù)時(shí)間較長(zhǎng)(>9.5 h)的降雨過(guò)程中,同位素值隨著降雨的進(jìn)行而持續(xù)偏負(fù),即所謂的“降水量效應(yīng)”。由于小雨事件降雨歷時(shí)較長(zhǎng),同位素值受“降水量效應(yīng)”的影響較大,從而其事件水樣品的δD值標(biāo)準(zhǔn)差較大,導(dǎo)致小雨事件的大于暴雨事件,因此,小雨事件劃分結(jié)果的平均不確定性大于暴雨事件。
表7 兩次降雨徑流過(guò)程的不確定性分析結(jié)果Table 7 Uncertainty Analysis Results of Two Rainfall-runoff Processes
漢江支流丹江的二級(jí)支流閔家河森林小流域位于秦嶺南麓土石山區(qū)。前人認(rèn)為,森林山坡水文系統(tǒng)在降雨期間的河道徑流主要受以下產(chǎn)流機(jī)制控制(圖6):直接降落在河面上的降雨,飽和地表徑流,地下徑流,沿坡面下滲至河岸帶飽和區(qū)時(shí)重新出露于地表的回歸流以及土壤、基巖界面的優(yōu)先流。本研究中,地下徑流向河流的排泄量較事件前發(fā)生了改變,因此,事件前水成為降雨事件中河道徑流的主要組成部分,可以由洪水過(guò)程中河水電導(dǎo)率和δD值表征這種動(dòng)態(tài)變化。
圖6 河道徑流來(lái)源示意圖Fig.6 Schematic View of the Source of River Runoff
在漲水階段,暴雨事件相比小雨事件,流域內(nèi)飽和區(qū)面積更大,事件水在漲水初期就參與組成河水;小雨事件河岸帶由于需要蓄滿且沿山坡下滲至河岸重新出露的回歸流參與組成河水,所以在漲水后期事件水才參與組成河水。河水電導(dǎo)率由于受到河面直接降雨的稀釋作用而下降,且暴雨事件下河水電導(dǎo)率的下降速率和幅度明顯大于小雨事件。由于山坡上的降雨沿土壤-基巖界面迅速入滲,在山坡帶的優(yōu)先流快速形成,混入了大量在降雨前期儲(chǔ)存在流域中的淺層地下水,所以河水電導(dǎo)率會(huì)在漲水開(kāi)始后的第8時(shí)左右經(jīng)歷小幅上升,之后再下降的過(guò)程。小雨事件由于事件水對(duì)河水的補(bǔ)給無(wú)法抵消事件前水對(duì)河水的補(bǔ)給,因此,河水電導(dǎo)率在洪峰處就開(kāi)始回升,此時(shí)河水主要由淺層地下水補(bǔ)給。暴雨事件由于強(qiáng)降雨形成的事件水在洪峰前后抵消了一部分深層地下水,因此,河水電導(dǎo)率滯后洪峰2 h后才開(kāi)始回升。在洪峰時(shí),事件前水的貢獻(xiàn)比例總是大于事件水。前人基于示蹤劑的水源解析結(jié)果表明:濕潤(rùn)區(qū)流域,由于降雨(事件水)對(duì)流域中原有的含水層水量推動(dòng),引發(fā)了洪水波,洪峰中大部分由事件前水組成,而事件水對(duì)洪峰的貢獻(xiàn)量較低。在退水過(guò)程中,小雨事件由于在洪峰過(guò)后仍有短歷時(shí)小強(qiáng)度的持續(xù)降雨,所以事件水的流量在一段時(shí)間內(nèi)保持穩(wěn)定之后逐漸降為0。暴雨事件中,由于雨停后地下水水位逐漸降低,地下水向河水的補(bǔ)給量也逐漸減少,所以事件前水的流量逐漸減少。
研究表明,隨著地下水埋深增大,蒸發(fā)對(duì)地下水的影響越來(lái)越小,因此,地下水富集重同位素。暴雨事件漲水初期,由于強(qiáng)降雨的作用,事件水參與組成河水,河水的δD值急劇偏負(fù)。小雨事件漲水初期,事件前水占比極高,這時(shí)的事件前水主要由淺層地下水組成,導(dǎo)致河水的δD值在漲水初期持續(xù)偏正,而后隨著事件水的貢獻(xiàn)比例增加,河水的δD值持續(xù)偏負(fù)。圖3中小雨事件過(guò)程(3)與圖5中暴雨事件過(guò)程(5)貢獻(xiàn)比例的波動(dòng)與河水δD值的波動(dòng)直接相關(guān)。研究表明,降雨下滲的一部分將存儲(chǔ)在流域內(nèi)的事件前水快速排出,另一部分通過(guò)淺層壤中流、回歸流形式快速補(bǔ)給河水,使河水同位素值波動(dòng)更大。流域地處土石山區(qū),土層較薄,土壤下為基巖,為降雨下滲提供了有利條件,導(dǎo)致上述兩個(gè)過(guò)程的河水δD值和貢獻(xiàn)比例的波動(dòng)。
在兩次降雨事件中,河水δD值的谷值對(duì)應(yīng)著事件水的最大貢獻(xiàn)比例,且早于洪峰出現(xiàn),而后事件水的貢獻(xiàn)比例降低,事件前水的貢獻(xiàn)比例增加,河水δD值開(kāi)始回升。研究表明,淺層地下水的同位素值普遍比深層地下水偏正。小雨事件結(jié)束后,河水的δD值基本恢復(fù)至降雨前的水平,而暴雨事件結(jié)束后河水的δD值恢復(fù)至較降雨前偏負(fù)的水平。這可能是由于暴雨事件中深層地下水參與組成了事件前水,而小雨事件中事件前水主要由淺層地下水組成,同時(shí)在基流時(shí)期河道徑流主要受淺層地下水補(bǔ)給。前人認(rèn)為,在季風(fēng)氣候區(qū),同位素值存在明顯的“降水量效應(yīng)”,即隨著降雨量的增加,同位素值會(huì)不斷偏負(fù)。暴雨事件的降雨量遠(yuǎn)高于小雨事件,這是小雨事件中樣品的δD值總體上較暴雨事件偏正的原因之一。
通過(guò)對(duì)比兩次降雨事件,發(fā)現(xiàn)流域包氣帶在降雨前期是否濕潤(rùn)對(duì)河道徑流的時(shí)間來(lái)源有著顯著影響。小雨事件發(fā)生時(shí)流域前期降雨較少(圖7),飽和區(qū)面積較??;降雨開(kāi)始后因需要填補(bǔ)包氣帶,所以對(duì)河道徑流的貢獻(xiàn)較低。暴雨事件發(fā)生時(shí)流域內(nèi)飽和區(qū)面積較大,降雨開(kāi)始后能迅速轉(zhuǎn)化為蓄滿產(chǎn)流,因此,暴雨事件中事件水的貢獻(xiàn)比例高于小雨事件。以往的研究表明,降雨強(qiáng)度是影響河道徑流時(shí)間來(lái)源的重要因素,降雨強(qiáng)度較大時(shí),河面直接降雨和流域內(nèi)蓄滿產(chǎn)流增多,且蓄滿產(chǎn)流以事件水為主。在本研究中,兩次降雨的降雨量、降雨強(qiáng)度與事件水的貢獻(xiàn)比例關(guān)系明顯,事件水的貢獻(xiàn)比例隨著降雨量和降雨強(qiáng)度的增加而增大,且都不是單一的線性關(guān)系。相反,徑流系數(shù)與事件水的貢獻(xiàn)比例無(wú)明顯關(guān)系(表8)。
表8 兩次降雨徑流過(guò)程對(duì)比結(jié)果Table 8 Comparison of Two Rainfall-runoff Processes
圖7 閔家河流域2020年日降雨強(qiáng)度分布Fig.7 Distribution of Daily Rainfall Intensity of Minjiahe River Basin in 2020
與前人的研究相比,本研究對(duì)秦嶺南麓土石山區(qū)森林小流域的小雨、暴雨事件進(jìn)行時(shí)間來(lái)源劃分的不確定性在70%的置信區(qū)間分別為17.4%、14.7%,在95%的置信區(qū)間分別為34.4%、28.9%,高于草原地區(qū)水源劃分的不確定性,與森林流域和高寒山區(qū)流域水源劃分的不確定性接近(表9),說(shuō)明水源劃分的結(jié)果比較可靠。
表9 不同區(qū)域徑流分割的不確定性比較Table 9 Uncertainty Comparison of Runoff Segmentation in Different Regions
(1)秦嶺南麓漢江支流丹江的二級(jí)支流閔家河流域2020年小雨事件的降雨量為11.8 mm,洪峰流量為0.427 0 m·s,徑流深為3.08 mm,洪峰滯后最大降雨強(qiáng)度22 h;暴雨事件的降雨量為51.4 mm,洪峰流量為2.288 1 m·s,徑流深為13.26 mm,洪峰滯后最大降雨強(qiáng)度16 h。
(2)在閔家河流域2020年降雨事件中,河道徑流主要由事件前水組成。小雨事件下,事件水、事件前水對(duì)河道徑流的貢獻(xiàn)比例分別為6.5%、93.5%;暴雨事件下,事件水、事件前水對(duì)河道徑流的貢獻(xiàn)比例分別為22.9%、77.1%。
(3)閔家河流域2020年小雨、暴雨事件時(shí)間來(lái)源劃分的平均不確定性在70%置信區(qū)間分別為17.4%和14.7%,在95%置信區(qū)間分別為34.4%和28.9%,劃分結(jié)果比較可靠。
西安地質(zhì)調(diào)查中心在基礎(chǔ)地質(zhì)、水文與環(huán)境地質(zhì)、災(zāi)害與工程地質(zhì)等領(lǐng)域?qū)嵙π酆瘛N以臀靼驳刭|(zhì)調(diào)查中心的師兄愉快地合作完成了很多項(xiàng)目,從野外調(diào)研到數(shù)據(jù)分析及報(bào)告撰寫(xiě),讓我受益匪淺。我的導(dǎo)師李占斌教授領(lǐng)導(dǎo)的團(tuán)隊(duì)與西安地質(zhì)調(diào)查中心的合作也很有淵源,在人才培養(yǎng)、項(xiàng)目申報(bào)、論文撰寫(xiě)等方面都有深入交流,與各位專家學(xué)者結(jié)下了深厚的友誼。西安地質(zhì)調(diào)查中心已成為我國(guó)西部地區(qū)高水平地質(zhì)調(diào)查、高層次人才培養(yǎng)、高質(zhì)量社會(huì)服務(wù)的重要基地,成立有國(guó)際研究中心和多個(gè)重點(diǎn)實(shí)驗(yàn)室,在地質(zhì)、水文、災(zāi)害防治等方面擁有大量?jī)?yōu)秀人才。在西安地質(zhì)調(diào)查中心組建六十周年之際,祝愿西安地質(zhì)調(diào)查中心各項(xiàng)事業(yè)不斷取得新的進(jìn)展,肩負(fù)起新的歷史使命,服務(wù)于國(guó)家戰(zhàn)略,昂揚(yáng)自信,開(kāi)拓創(chuàng)新,譜寫(xiě)更加絢爛的新篇章!
地球科學(xué)與環(huán)境學(xué)報(bào)2022年3期