楊曉高, 郝 虎, 趙傳燕, 臧 飛, 安金玲, 張茂軍, 張恒平

(1.蘭州大學(xué) 草地農(nóng)業(yè)科技學(xué)院 草地農(nóng)業(yè)生態(tài)系統(tǒng)國家重點實驗室,蘭州 730020; 2.甘肅祁連山國家級自然保護區(qū)管理局, 甘肅 張掖 734000)

西北干旱區(qū)的生態(tài)環(huán)境安全越來越受到人們的關(guān)注，是當(dāng)前我國社會發(fā)展面臨的首要問題。近些年來，隨著全球氣候變化影響的加劇和該地區(qū)社會經(jīng)濟的迅速發(fā)展，脆弱的生態(tài)環(huán)境面臨著一系列的嚴(yán)重問題，亟待解決。其中，水資源短缺問題尤為突出，已經(jīng)成為制約當(dāng)?shù)厣鐣沙掷m(xù)發(fā)展的關(guān)鍵因素[1-2]。在內(nèi)陸河流域，由于降水少，蒸發(fā)強，河川徑流對于氣候變化的響應(yīng)極為敏感，而且徑流基本代表了整個流域的地表水資源，分析其變化規(guī)律與影響因素，對未來水資源的開發(fā)和利用具有深遠(yuǎn)的指導(dǎo)意義[3-4]。

黑河是我國第二大內(nèi)陸河，發(fā)源于祁連山區(qū)，其上游高寒山區(qū)是主要的水源形成區(qū)，河川徑流量的變化，對中、下游地區(qū)的民生、工農(nóng)業(yè)和生態(tài)用水分配影響巨大[5-7]。已有研究發(fā)現(xiàn)，氣候變化和人類活動是河川徑流變化的主要驅(qū)動因素，由于黑河上游山區(qū)的人類活動影響較小，徑流主要受氣候變化的影響[8-12]。近年來，黑河上游流域的生態(tài)環(huán)境不斷改善，水資源儲量有所增加，出山徑流量有明顯的增加趨勢，然而關(guān)于黑河流域徑流變化歸因的眾多研究中，現(xiàn)階段研究大多集中在年際尺度和易于監(jiān)測的大面積區(qū)域，而上游高寒山區(qū)徑流觀測難度較大，數(shù)據(jù)缺乏，各類氣象、徑流要素的精確觀測研究較少[13-15]，因此本研究選取黑河上游的天澇池典型小流域，通過逐日實測流域內(nèi)多年生長季河川徑流量、降雨量和氣溫，對其變化特征、相互關(guān)系和河川徑流的滯后效應(yīng)進(jìn)行分析，探討黑河上游流域產(chǎn)流機制，以期為該區(qū)域的水文過程和水資源管理及綜合保護提供科學(xué)依據(jù)。

1 研究區(qū)概況

研究區(qū)位于黑河上游寺大隆河流域的天澇池小流域(38°23′56″—38°26′47″N,99°53′57″—99°57′10″E)，流域總面積約為12.8 km2，河流縱長6.0 km，縱坡比降1∶12.5，海拔2 660～4 419 m。流域氣候類型為高寒半干旱、半濕潤山地森林草原氣候，無霜期90～120 d，年均日照時數(shù)1 892.6 h，年均氣溫-0.2～2.0℃，最高溫度為28℃，最低氣溫為-36℃，年均相對濕度為60%，年均蒸發(fā)量1 051.7 mm，年降水量300～500 mm，降水季節(jié)分布不均，主要集中生長季的5—9月份，占全年降水量的80%～90%。因流域內(nèi)海拔差異較大，導(dǎo)致水熱條件組合不同，其植被分布垂直地帶性明顯，由低海拔到高海拔，植被類型依次為森林草原、灌叢、亞高山草甸、高山草甸。2 800 m以下主要為山地干草原，2 600～3 450 m的陰坡分布青海云杉(Piceacrassifolia)，2 700～3 250 m的陽坡分布祁連圓柏(Sabinaprzewalskii)，3 250～3 750 m以亞高山灌叢分布為主，主要有金露梅(Dasiphorafruticosa)、鬼箭錦雞兒(Caraganajubata)等，3 800 m以上主要為高山裸巖和冰雪帶(圖1)。各種植被類型中，林地面積占比最大，為38.73%，灌叢次之，為32.41%，草地占比較小，為7.49%。土壤隨植被類型發(fā)生變化，主要為山地灰褐土和灌木草甸土，土層較薄，以粉砂質(zhì)為主，成土母質(zhì)主要是礫巖、紫紅色砂頁巖等[16-18]。

圖1 研究區(qū)植被類型

2 研究方法

2.1 降雨和氣溫的觀測

天澇池流域內(nèi)布設(shè)19臺自記式雨量筒(HOBO RG3-M，Decagon，USA)，用于觀測降雨量。選取2014—2019年的降雨觀測數(shù)據(jù)，分析流域平均降雨量的年內(nèi)和年際間的動態(tài)變化。基于ArcGIS 10.8軟件，選擇泰森(Thiessen)多邊形工具(圖2)，計算流域平均降雨量空間分布。

研究區(qū)內(nèi)布設(shè)5臺自動氣象站(HOBO U30，Decagon，USA)，選取2014—2019年的氣溫觀測數(shù)據(jù)，采用算術(shù)平均法計算平均氣溫，分析流域平均氣溫的動態(tài)變化。選擇2016年、2017年、2019年生長季(4—9月)降雨量、氣溫和河川徑流量數(shù)據(jù)，分析氣象因子與徑流量的關(guān)系。

2.2 研究區(qū)平均降雨量的計算方法

(1)

式中：Pi為第i個雨量站測得的降雨量(mm)；Ai為第i個子區(qū)域的面積(km2)；A為整個區(qū)域的總面積(km2)；αi為雨量的面積權(quán)重；n為雨量站的數(shù)目。

圖2 天澇池流域各類氣象站點分布和泰森多邊形示意圖

2.3 河川徑流量的觀測

研究區(qū)出口處設(shè)有量水堰，觀測河川徑流量。量水堰由溢流堰和梯形堰組合而成，長為5.0 m，寬為8.0 m，其中溢流堰寬6.8 m。梯形堰為倒置等腰梯形，上底為0.4 m，下底為1.2 m，腰長為0.8 m。采用便攜式流速儀(Flowatch, Switzerland)觀測河川徑流的瞬時流速及水位，觀測步長為4 h(每天8：00，12：00，16：00，20：00)，利用水文學(xué)公式計算流域日徑流量，分析其生長季內(nèi)的變化。2018年因量水堰遭洪水破壞，觀測數(shù)據(jù)缺失。特別指出，從2019年8月18日開始，采用更為精確的超聲波多普勒流速流量儀(LSH10-1QC，博意達(dá)，廈門)觀測，測量間隔為30 min。

2.4 河川徑流量的計算方法

河川徑流量計算公式如下：

R=V×S

(2)

式中：R為瞬時徑流量(m3/s)；V為流速(m/s)；S為梯形堰的過水面積(m2)。

超聲波多普勒流速流量儀測量河川徑流量應(yīng)用了聲學(xué)多普勒效應(yīng)原理，根據(jù)多普勒頻移方程計算流速，公式如下：

(3)

式中：ΔFd為多普勒頻移；F0為發(fā)射超聲波頻率(常數(shù))；C為水中聲速；V為水的流速；θ為發(fā)射波束和接收波束相對于河水流方向的夾角(儀器安裝后固定不變)。

由于C?V·cosθ，式(3)可得：

(4)

式中：K為常數(shù)。儀器可檢測ΔFd和水溫，C可由溫度值換算獲取。

根據(jù)儀器測得水位，可計算出過水面積(S)，再由式(2)即可計算出河川徑流量。

2.5 數(shù)據(jù)處理方法

本文采用ArcGIS，Excel，SPSS，Origin等軟件進(jìn)行數(shù)據(jù)整理、分析和作圖。在ArcGIS中使用泰森多邊形工具，通過逐日實測降雨數(shù)據(jù)計算流域平均降雨；利用SPSS對河川徑流與降雨、氣溫的相關(guān)關(guān)系進(jìn)行分析，擬合多元線性回歸模型。將2016年、2017年、2019年生長季的降雨事件與河川徑流數(shù)據(jù)進(jìn)行對比篩選，分析河川徑流的時滯現(xiàn)象。

3 結(jié)果與分析

3.1 生長季河川徑流量的變化分析

2016年、2017年和2019年天澇池流域生長季日徑流量隨時間呈現(xiàn)出先升后降的波動變化趨勢(圖3A)。2016年共實測河川徑流165 d(4月3日—9月14日)，日平均值為3.27萬m3，最大值為11.58萬m3(8月25日)，最小值為0.14萬m3(4月16日)。2017年共實測149 d(4月17日—9月11日)，日平均值為2.90萬m3，最大值為7.72萬m3(8月23日)，最小值為0.25萬m3(5月8日)。2019年共實測119 d(6月4日—9月30日)，日平均值為3.30萬m3，最大值為9.89萬m3(7月20日)，最小值為1.16萬m3(6月8日)。

通過對比3 a生長季的日徑流量變化可知(圖3B)，2016年日均徑流量相較2017年高0.37萬m3，最大值高3.86萬m3，出現(xiàn)時間提前3 d；最小值低0.11萬m3，推遲21 d。2016年日均流量相較2019年低0.03萬m3，最大值高1.69萬m3，推遲35 d；最小值低1.12萬m3，推遲52 d。3 a生長季的日徑流量在3.15萬m3上下波動，極差較大，且極值出現(xiàn)時間不同，主要是由于氣象因子的變化。4—5月降雨較少，氣溫較低，導(dǎo)致河流補給量較小，徑流量小且變化平穩(wěn)；6—9月降雨增加，氣溫升高，冰雪大量融化和降雨同時補給河流，徑流量逐漸增加，且變化較大。本研究結(jié)果與李秋菊[21]、李云武[22]等在黑河上游研究結(jié)果一致，降雨、氣溫是引起河川徑流量變化的主要因素。

圖3 2016年、2017年、2019年生長季徑流量日動態(tài)和年際變化

3.2 流域內(nèi)降雨量的變化分析

2014—2019年流域內(nèi)年降雨量表現(xiàn)出波動變化的趨勢(圖4A)，年降雨量分別為391.2，404.0，344.0，388.2，325.3，461.2 mm，6 a平均降雨量為385.7 mm。徑流觀測期間，2019年降雨最為豐沛，2016年降水較少，相差117.2 mm，2017年的降雨量最接近6 a均值。6 a間月降雨量呈現(xiàn)年內(nèi)分配不均的現(xiàn)象(圖4B)，呈單峰曲線變化。生長季(4—9月)降雨較多，占全年降雨量的91.15%；非生長季(10月—翌年3月)降雨較少，占年降雨總量的8.85%。2014年和2016年最大月降雨量出現(xiàn)在8月，分別為95.1，75.6 mm，2015年、2017年、2018年和2019年份最大月降雨量出現(xiàn)在7月，分別為76.8，83.1，89.7，101.7 mm；而2017年11月未發(fā)生降雨事件，其余年份最小月降雨量出現(xiàn)在12月，分別為0.3，0.1，0.1，0，0.1，0.3 mm。6 a來，7—8月降雨量占全年降雨量的39.14%，11—12月降雨量僅占全年降雨量的0.78%。已有研究表明，黑河上游降雨補給是河流最主要的補給類型[23-24]。本研究區(qū)為黑河上游典型小流域，由于7—8月降雨集中，河川徑流量達(dá)到峰值，說明降雨對徑流補給作用明顯。流域內(nèi)植被覆蓋率高，植被冠層和凋落物對降雨有截留和再分配的作用，可削弱河川徑流洪峰。

圖4 2014-2019年流域年降雨量和月降雨量的變化

3.3 流域內(nèi)氣溫的變化分析

2014—2019年流域內(nèi)年均溫呈先升后降的變化過程，分別為0.02℃，0.87℃，1.45℃，1.25℃，0.29℃，0.11℃，6 a平均氣溫為0.67℃(圖5A)。徑流觀測年份，2016年和2017年的年平均氣溫高于6 a平均氣溫，2019年平均氣溫低于平均值。6 a間月均溫隨著時間呈現(xiàn)出單峰的變化趨勢(圖5B)，最低月均溫出現(xiàn)在12月(2014年)或1月(2015—2019年)，分別為-12.93℃，-10.69℃，-13.09℃，-11.20℃，-13.51℃，-12.92；最高月均溫都出現(xiàn)在7月，分別為12.04℃，11.11℃，13.78℃，13.65℃，12.75℃，10.71℃，氣溫年較差為24.97℃，21.80℃，26.88℃，24.86℃，26.27℃，23.63℃，符合研究區(qū)所處中緯度、高海拔地區(qū)的規(guī)律。在積雪、河冰和凍土融化期(5—6月)，2016年和2017年氣溫比6 a的平均值要高，2019年比6 a的平均值要低。河川徑流對氣溫響應(yīng)敏感，氣溫對徑流量的影響表現(xiàn)在兩個方面。首先，春季氣溫回升，冰雪融化、凍土消融開始補給河流；其次，隨著氣溫逐漸升高，流域蒸發(fā)量和土壤入滲量逐漸增加，不利于徑流產(chǎn)生[25-26]。研究區(qū)位于高寒山區(qū)，4月氣溫上升到0℃以上，冰雪、凍土融水引起徑流量增加；7月氣溫達(dá)到年內(nèi)最高，顯然在這個時間段，蒸發(fā)和土壤入滲加強，但降雨補給徑流的程度在增加，減弱了蒸發(fā)和土壤入滲對徑流的負(fù)效應(yīng)，所以徑流仍然升高。

圖5 2014-2019年流域年均溫和月均溫的變化

3.4 生長季降雨、氣溫與河川徑流量的關(guān)系

3.4.1 生長季降雨、氣溫與河川徑流量的回歸模型 選擇2016年、2017年、2019年生長季(4—9月)同期16組月降雨量、月均溫和月徑流量數(shù)據(jù)，采用Shapiro-Wilk test方法進(jìn)行正態(tài)性檢驗，均呈正態(tài)分布(p<0.01)，因此可采用Pearson相關(guān)性檢驗(表1)，月徑流量與月降雨量、月均溫均為極顯著正相關(guān)，月均溫的相關(guān)性高于月降雨量，這與已有研究結(jié)果一致[27-28]。采用多元線性回歸分析方法，擬合回歸模型：

S=1.21×105T+2.70×103P-4.21×105

(R2=0.772)

(5)

式中:S為月徑流量(m3)；T為月均溫(℃)；P為月降水量(mm)。

回歸模型通過了F方差檢驗和R2擬合檢驗，且擬合程度較高。

3.4.2 生長季月降雨量、月均溫與月徑流量的變化關(guān)系 觀測期間，月徑流量表現(xiàn)出先升后降的趨勢(圖6)，最小值出現(xiàn)在4月，為11.20萬m3，最大值出現(xiàn)在8月，為142.15萬m3。生長季內(nèi)月降水量與月徑流量的變化趨勢一致，最小值出現(xiàn)在4月，為21.8 mm，但在7月出現(xiàn)最大值，為84.6 mm。月均溫最低月均溫出現(xiàn)在4月，為3.93℃，最高月均溫出現(xiàn)在7月，為12.72℃。生長季內(nèi)，4月徑流量最小，主要因為降雨較少，氣溫較低，冰雪、凍土消融對河川徑流的補給量少。但5—8月，降雨增加，氣溫不斷升高，產(chǎn)流豐富，8月達(dá)到徑流量峰值。進(jìn)入9月，降雨開始減少，氣溫降低，徑流量開始出現(xiàn)下降趨勢。通過對比可見，在月尺度上，生長季內(nèi)河川徑流、降雨和氣溫的變化趨勢一致，但徑流對降雨和氣溫響應(yīng)具有時滯現(xiàn)象，這與前人研究結(jié)果相符[29]，本研究中徑流峰值滯后1月。

表1 生長季月徑流量與月降雨量、月均溫的相關(guān)分析

圖6 生長季內(nèi)月徑流量與月降雨量、月均溫的對比分析

3.4.3 生長季河川徑流對降雨的時滯效應(yīng) 在研究區(qū)的生長季內(nèi)，降雨是河川徑流的主要補給源，降雨匯集至流域出口斷面形成徑流需要經(jīng)過一定時間，一般有3個過程：流域蓄滲、流域產(chǎn)流和河網(wǎng)匯流。降雨會在流域內(nèi)出現(xiàn)滯留，之后在流域出口形成徑流高峰，選擇了2016年、2017年、2019年生長季內(nèi)的4次典型降雨事件，分析河川徑流對降雨的滯后時間。如圖7所示，4次降雨事件之前都有較長時間的晴天，發(fā)生降雨之后，河川徑流量的峰值均滯后降雨峰值出現(xiàn)。在4次降雨徑流過程中，徑流滯后天數(shù)分別為9，7，7，7 d，平均滯后天數(shù)為7.5 d。毛亞花等[27]在該流域研究得出，徑流的滯后時間約為3 d，因選取的降雨事件不同而表現(xiàn)出差異。崔步禮等[30]在青海湖流域內(nèi)的布哈河流域，通過對47 a來的徑流和降水的集中期探討得出，多年平均滯后時間約為20 d。羅玉等[31]在長江源區(qū)沱沱河流域通過分析年際尺度上的降雨徑流過程得出，51 a來的平均滯后天數(shù)約為13.7 d。天澇池流域河川徑流的滯后時間較短，主要由于在該流域生長季內(nèi)降雨事件頻繁，產(chǎn)、匯流較快，徑流對降雨響應(yīng)迅速。除此之外，河川徑流的滯后時間與流域的植被分布、下墊面狀況和分析時間尺度等均有關(guān)系。

圖7 河川徑流對降雨的時滯效應(yīng)

4 結(jié) 論

(1) 黑河上游天澇池流域2016年、2017年和2019年生長季內(nèi)河川徑流隨時間呈現(xiàn)出先升后降的趨勢，日均徑流量為3.15萬m3，河川徑流量高峰集中在7—8月，最高可達(dá)11.58萬m3，其主要的補給形式為降雨。

(2) 河川徑流對降雨、氣溫的變化響應(yīng)敏感，Pearson相關(guān)系數(shù)分別達(dá)到0.69，0.87(p<0.01)，擬合多元線性回歸模型的R2為0.772，表明降雨和氣溫能較好地解釋徑流量的變化。

(3) 降雨徑流過程中，河川徑流的時滯現(xiàn)象受多種因素(如氣候、植被、下墊面等)相互作用的影響，且時間尺度不同，滯后時間有異；在日尺度上，河川徑流的平均滯后天數(shù)約為7.5 d。