劉家威, 蔡 宏, 鄭婷婷, 唐 敏

(貴州大學(xué) 礦業(yè)學(xué)院, 貴州 貴陽 550025)

赤水河是長江上游的重要支流，也是經(jīng)過貴州省的主要河流之一。赤水河流域降水和徑流的年內(nèi)分配和年際變化情況，深刻地影響著流域內(nèi)的水文水資源特征、生態(tài)環(huán)境以及當(dāng)?shù)鼐用竦纳钯|(zhì)量與生命財產(chǎn)安全。河川徑流是由流域內(nèi)氣象要素和下墊面共同作用的產(chǎn)物[1]，對徑流影響最大的因素包括降水、氣溫和人類活動等[2-4]。其中，氣溫主要是從兩個方面對徑流產(chǎn)生影響，一是影響蒸散發(fā)，二是影響融雪。赤水河發(fā)源于云南省鎮(zhèn)雄縣板橋鎮(zhèn)長槽村滮水巖，發(fā)源地以林地為主，沒有顯著的雪山[5]。因此相較黑河[4]等流域內(nèi)存在雪山的河流，赤水河徑流量受溫度的影響僅需考慮蒸散發(fā)。另外，赤水河是少數(shù)沒有修建大型水壩的河流，且該地區(qū)長期注重生態(tài)保護，人類活動對赤水河流域徑流量的影響較小。綜上所述，相比其他河流，赤水河徑流受降水影響更加顯著，因此研究該流域徑流對降水的響應(yīng)特征顯得很有必要。

國內(nèi)學(xué)者已經(jīng)做了很多關(guān)于區(qū)域降水/徑流變化特征的研究。Zhang等[6]把候降水量看作矢量，提出一種度量降水年內(nèi)非均勻分配的方法，很好地反映年總降水量年內(nèi)非均勻分配特性。劉賢趙等[7]將這種方法推廣到月尺度并用到徑流年內(nèi)分配的研究上，研究發(fā)現(xiàn)，月徑流集中度比徑流年內(nèi)不均勻系數(shù)具有更高的分辨能力和敏感性，用集中度和集中期能夠充分反映徑流年內(nèi)分配的不均勻性，具有客觀準(zhǔn)確、概念明確、適用性強的優(yōu)點。但國內(nèi)學(xué)者在利用集中度和集中期進(jìn)行相關(guān)問題的研究時，仍存在兩個問題： ①相關(guān)研究僅單獨對降水或徑流的集中度與集中期進(jìn)行討論，少有人同時對兩者進(jìn)行分析，并以此探討徑流對降水的響應(yīng)情況，這使得降水與徑流間年內(nèi)分配的特征關(guān)系難以被很好地解釋； ②在對徑流的相關(guān)研究中，主要基于水文站點多年的實測數(shù)據(jù)進(jìn)行。由于數(shù)據(jù)收集難度較大，往往只能以一兩個站點的實測數(shù)據(jù)來反映流域整體狀況，無法對流域內(nèi)各支流的情況進(jìn)行詳細(xì)探究，所得結(jié)論也是各區(qū)域綜合影響下的結(jié)果。這使得對各支流流域徑流的年內(nèi)分配特點及其對降水年內(nèi)分配的響應(yīng)特征描述不夠細(xì)致。

SWAT模型在大尺度流域水文過程的模擬預(yù)測方面有著廣泛的應(yīng)用，故本文以赤水河流域中上游為研究區(qū)，利用多源數(shù)據(jù)，建立SWAT模型，從而完成對流域內(nèi)各子流域降水及徑流的模擬。以SWAT模型輸出結(jié)果，結(jié)合降水和徑流的集中度與集中期，研究流域降水與徑流的分配和變化情況以及徑流對降水變化的響應(yīng)關(guān)系，以期為赤水河流域水文預(yù)報、河流水質(zhì)與流域生態(tài)保護及防洪治澇等提供有效的參考。

1 數(shù)據(jù)來源

1.1 研究區(qū)概況

赤水河是長江上游的主要支流，發(fā)源自云南省鎮(zhèn)雄縣，自東向西流經(jīng)云南、貴州和四川3省，至合江城東匯入長江。地理位置：27°15′2″—28°25′59″N，104°44′19″—106°58′36″E。本文以赤水河流域中上游為研究區(qū)，以丙安古鎮(zhèn)作為赤水河中上游和下游的分界點。赤水河中上游河長約258.23 km，流域集水面積約為11 610 km2，巖溶十分發(fā)育，兩岸陡峭，多險灘急流，地表坡降大，用地類型以林地、草地和耕地為主。研究區(qū)內(nèi)以典型的中亞熱帶濕潤氣候為主，氣溫較高，降水主要表現(xiàn)形式為降雨，且集中在夏季，冬季較少，年內(nèi)分配極不均勻。研究區(qū)地勢特征見圖1。

圖1 赤水河流域地勢

1.2 數(shù)據(jù)來源

本次試驗中所使用的數(shù)據(jù)包括赤水河流域中上游的數(shù)字高程模型(DEM)，2015年土地利用數(shù)據(jù)、土壤數(shù)據(jù)、研究區(qū)內(nèi)部及周圍5個氣象站點的日值氣象數(shù)據(jù)以及二郎壩站和茅臺站兩個水文站點的實測徑流數(shù)據(jù)。其中數(shù)字高程模型(DEM)、土壤類型分布圖以及土地利用類型分布圖定義的投影坐標(biāo)系均為WGS_1984_UTM_Zone_48 N，各項數(shù)據(jù)詳細(xì)情況及來源見表1。

表1 數(shù)據(jù)詳情及來源

2 研究方法

2.1 SWAT模型構(gòu)建

SWAT(soil and water assessment tool)模型近年來已得到了廣泛應(yīng)用。國內(nèi)部分學(xué)者在不同流域成功建立了SWAT模型并完成了對流域徑流的模擬[8-9]。水文響應(yīng)單元(HRU)是SWAT模型的基本計算單元，由土地利用、土壤類型和坡度共同定義，通過閾值劃分[10]。SWAT模型可結(jié)合給定的氣象數(shù)據(jù)、水文數(shù)據(jù)以及管理措施等信息，單獨計算每個HRU的內(nèi)部循環(huán)，并在子流域進(jìn)行累計匯總，再通過河網(wǎng)對子流域進(jìn)行有機連接以模擬地表匯流。

2.1.1 土地利用數(shù)據(jù)庫 本研究所使用的土地利用數(shù)據(jù)來自中科院資源環(huán)境科學(xué)數(shù)據(jù)中心，研究區(qū)土地利用類型共被劃分為了18個二級類，與SWAT模型內(nèi)采用的由美國地質(zhì)調(diào)查局指定的分類系統(tǒng)不一致[11]。故根據(jù)研究區(qū)實際情況，綜合考慮模型自帶的土地利用屬性數(shù)據(jù)庫，將研究區(qū)土地利用類型重分類為6類，分別為：林地、耕地、草地、水域、建設(shè)用地及未利用地。

2.1.2 土壤數(shù)據(jù)庫 土壤數(shù)據(jù)庫中所需土壤相關(guān)的物理屬性參數(shù)較多，主要存在3種收集途徑。其中大多數(shù)參數(shù)可以直接在HWSD的屬性數(shù)據(jù)庫中查詢獲??；土壤層結(jié)構(gòu)(TEXTURE)、土壤濕密度(SOL_BD1)、土壤可利用有效水(SOL_AWC1)以及飽和水力傳導(dǎo)系數(shù)(SOL_K1)可利用由美國農(nóng)業(yè)部與華盛頓州立大學(xué)開發(fā)的SPAW軟件計算得到；土壤侵蝕力因子(USLE_K1)則可利用現(xiàn)今被普遍認(rèn)可的由美國學(xué)者Williams提出的計算方法進(jìn)行求算。

2.1.3 氣象數(shù)據(jù)庫 氣象發(fā)生器用于當(dāng)站點氣象數(shù)據(jù)缺測時對缺失值進(jìn)行填補[12]。氣象數(shù)據(jù)庫應(yīng)采用盡量長時間序列的氣象數(shù)據(jù)進(jìn)行構(gòu)建，以使得其中的各項參數(shù)盡可能地趨近于真實值。本次試驗共收集到了研究區(qū)內(nèi)及周圍共5個氣象站2000—2020年逐日的降水、最高氣溫、最低氣溫、平均氣溫、平均氣壓、平均風(fēng)速、相對濕度以及日照時數(shù)的實測數(shù)據(jù)用以構(gòu)建氣象發(fā)生器。SWAT模型氣象發(fā)生器參數(shù)計算工作量大，本研究運用北京師范大學(xué)數(shù)字流域?qū)嶒炇覘钕嫉萚13]研究集成的各個參數(shù)公式建立的計算程序SWATWeather進(jìn)行相關(guān)參數(shù)的計算。

2.1.4 子流域與水文響應(yīng)單元的劃分 已有研究發(fā)現(xiàn)子流域劃分存在一個合理的水平[14]，子流域劃分個數(shù)不宜過多或過少[15]。本文參考史曉亮等[16]的研究成果，設(shè)置最小集水面積為研究區(qū)總面積的2%(250 km2)，將研究區(qū)劃分為38個子流域，劃分結(jié)果見圖2?？紤]到下墊面因素對流域水文過程的影響顯著，故本文結(jié)合研究區(qū)實際情況和研究目的，分別設(shè)定土地利用、土壤與坡度的最小面積百分比閾值為5%，10%與5%，將研究區(qū)劃分為776個HRU。

注：阿拉伯?dāng)?shù)字1—38為子流域編號。下同。

2.2 模型評價方法

本研究以二郎壩站和茅臺站的實測逐月徑流數(shù)據(jù)為參照，利用SWAT-CUP工具中的SUFI-2算法對SWAT模型輸出結(jié)果進(jìn)行率定及驗證。由于研究區(qū)涉及區(qū)域較大，赤水河中上游除干流外還存在有較多支流，其中尤以桐梓河(赤水河一級支流)涉及的范圍最廣。在劃分的38個子流域中，桐梓河共涉及13個子流域?？紤]到赤水河中上游干流與桐梓河所涉及區(qū)域的各項參數(shù)可能存在差異，故本文采用先支流后干流的率定驗證方法，先以二郎壩站實測徑流數(shù)據(jù)對桐梓河徑流模擬結(jié)果進(jìn)行率定驗證，再以茅臺站實測徑流數(shù)據(jù)對赤水河流域中上游干流徑流模擬結(jié)果進(jìn)行率定驗證。選用決定系數(shù)(R2)及納什效率系數(shù)(Ens)作為模型模擬精度的評定指標(biāo)，其計算公式如下：

(1)

(2)

式中：R2表示確定性系數(shù)； Ens表示納什效率系數(shù)；Qs,i為第i個模擬值；Qsa表示模擬值的平均值；Qo,i為第i個實際觀測值；Qoa為實際觀測值的平均值；n為值的個數(shù)。R2值越接近于1，表明模擬值越接近實測值，模擬效果越好； Ens用于評價模型模擬值與實測值的擬合程度，其值越接近1，說明模擬值與實測值擬合程度越高[17]。一般來說R2≥0.6，Ens≥0.5同時達(dá)到時，就說明結(jié)果達(dá)到模擬精度要求[18-20]。

2.3 流域降水總量與徑流總量的計算

值得注意的是，SWAT模型輸出降水量模擬結(jié)果的方式是：分別輸出各子流域降水量(mm)。因此在計算流域降水總量(m3)時，不能簡單地將模型輸出的各子流域降水量相加，而是需將模型輸出的各子流域降水量進(jìn)行單位換算后，乘以對應(yīng)子流域的面積，得到各子流域的降水總量，最后再相加得到流域的降水總量。類似地，SWAT模型輸出的徑流量模擬結(jié)果單位是(m3/s)，需乘以對應(yīng)的時長，才能與流域降水總量單位統(tǒng)一。

2.4 集中度和集中期的計算

為方便研究流域降水和徑流的時間變化規(guī)律，本文引入降水和徑流的集中度與集中期兩個量化指標(biāo)。其中，降水集中度(PCD)是一個能反映降水量在各個月份集中程度的無量綱數(shù)，取值范圍為0～1，PCD值越接近于1，說明其年降水量越集中于某一時間段；反之越接近于0，說明其各時間段的降水量分配較為均勻。降水集中期(PCP)則用來描述降水的集中時段[21]。徑流集中度(RCD)與徑流集中期(RCP)同理。

集中度、集中期是以矢量圓均等分圓周角為辨別區(qū)間，角度指示降水集中在某一時間段，集中程度的量化可以從集中度的矢量模數(shù)量值體現(xiàn)[22]。當(dāng)采用月為計算時段時，每個月的天數(shù)是不同的，因此，必須做一定程度的概化處理，即不考慮月大、月小，均視為同一個時段長[2]。降水集中度與集中期計算公式如下：

(3)

(4)

(5)

(6)

式中：PCDi，PCPi分別為研究區(qū)第i年的降水集中度和集中期；Ri為研究區(qū)在第i年內(nèi)的降水總量；rij為研究區(qū)第i年第j月的降水量；θj為第j月對應(yīng)的方位角(一年的方位角為一個圓周，即360°)。

3 結(jié)果與分析

3.1 模型參數(shù)率定驗證

本次研究以2007—2009年作為模型的預(yù)熱期，將收集到的兩個水文站10 a實測逐月徑流數(shù)據(jù)分為兩個部分，其中2010—2017年部分用于模型率定，2018—2019年部分用于模型驗證。模型率定驗證的結(jié)果見表2。水文站逐月徑流量實測值與模擬值對比見圖3。從表2和圖3中可以看出模型模擬結(jié)果較好，基本達(dá)到精度要求。

表2 亦水河流域二水文站徑流模擬結(jié)果評價

圖3 二郎壩站和茅臺站的徑流實測值與模擬值

3.2 徑流年內(nèi)年際分配情況及對降水的響應(yīng)

基于模型模擬結(jié)果計算得到研究區(qū)2010—2019年月降水和月徑流總量，結(jié)果見圖4。從圖4可知，總體上赤水河流域中上游月徑流總量受月降水總量影響顯著，兩者變化趨勢基本一致，且年內(nèi)降水與徑流分配極不均勻。研究時段內(nèi)月降水量與月徑流量最大值均出現(xiàn)在2014年7月，該月降水量達(dá)3.09×109m3，約占全年降水總量的21.1%；月徑流量達(dá)1.74×109m3，約占全年徑流總量的31.5%。而月降水量與月徑流量最小值均出現(xiàn)在2010年2月，該月平均降水量為9.95×107m3，平均徑流量為1.52×107m3，分別占全年平均降水量與徑流量的0.93%與0.55%。各年降水與徑流主要集中在夏季的6—8月。就降水而言，6—8月降水總量占多年年均降水總量的45.4%，最大降水月的降水量是最小降水月降水量的9.8倍。而6—8月徑流總量占多年年均徑流總量的52.0%，最大徑流月的徑流量是最小徑流月徑流量的14倍。由此可見，相對降水而言，徑流的年內(nèi)變化更為劇烈，不穩(wěn)定性更強，其年內(nèi)分配的不均勻性更為突出。

圖4 赤水河流域中上游多年月降水/徑流總量變化

3.3 研究區(qū)降水/徑流集中度

2010—2019年赤水河流域中上游降水集中度與徑流集中度計算結(jié)果見圖5。由圖5可知，研究區(qū)徑流集中度與降水集中度多年變化趨勢基本一致，降水集中度對徑流集中度影響較為顯著；同時，徑流集中度顯著高于降水集中度。

為探究以上規(guī)律的普適性，本文計算了研究區(qū)13個支流流域2010—2019年年均徑流/降水集中度，其空間分布情況見圖6(通過自然斷點法劃分等級)。其中，西南部各支流降水/徑流集中度較大，西北部各支流降水/徑流集中度較小，徑流與降水集中度空間分布高度一致，進(jìn)一步證明研究區(qū)徑流集中度受降水影響顯著。13個支流流域2010—2019年共130組降水/徑流集中度計算結(jié)果見圖7。其中徑流集中度大于降水集中度的有119組，徑流集中度小于降水集中度的僅有11組。

圖6 赤水河流域各支流多年平均降水/徑流集中度空間分布特征

圖7 赤水河流域各支流流域多年降水/徑流集中度

經(jīng)計算，赤水河流域中上游年平均徑流系數(shù)約為0.31，這意味著流域降水中大部分通過蒸散發(fā)或被下墊面截留等方式損失，少部分轉(zhuǎn)化為徑流。圖8為赤水河流域中上游2010—2019年各年旱季(1—4月及11，12月)與雨季(5—10月)徑流系數(shù)。其中，各年雨季徑流系數(shù)均大于同年旱季徑流系數(shù)，這使得徑流集中度往往大于降水集中度。

圖8 赤水河流域多年旱季與雨季徑流系數(shù)

已有研究發(fā)現(xiàn)，土壤、土地利用及流域地質(zhì)條件的變化對徑流系數(shù)影響較小，而降水量變化對徑流系數(shù)的影響較大[23]。根據(jù)水量平衡原理，在任意時段內(nèi)，流域降水量等于產(chǎn)生的徑流量、蒸散發(fā)量及蓄水變化量之和。一方面，當(dāng)流域發(fā)生降雨事件時，降雨在地表主要有兩個分流過程(由于降雨時間短暫，降雨蒸發(fā)量忽略不計)，即入滲和徑流[24]。當(dāng)降雨強度小于或等于土壤入滲率時不產(chǎn)流，并以降雨強度向下入滲；當(dāng)降雨強度大于入滲率時，則形成超滲產(chǎn)流；當(dāng)土壤最大蓄水量小于累積入滲量時，則形成蓄滿產(chǎn)流[25]。因此，當(dāng)降雨強度大于入滲強度時，降雨強度越大，則入滲造成的損失占比越低，尤其是當(dāng)累積入滲量大于土壤最大蓄水量后，入滲作用將不再顯著，此時降水損失比例最小，大部分降水將直接轉(zhuǎn)化為徑流。另一方面，由于潛在蒸散發(fā)為在充分供水條件下的區(qū)域蒸散發(fā)能力，當(dāng)未滿足充分供水條件時，區(qū)域的實際蒸散發(fā)小于潛在蒸散發(fā)，此時實際蒸散發(fā)隨供水量增加而增加；當(dāng)滿足充分供水條件時，則實際蒸散發(fā)等于潛在蒸散發(fā)，并不再隨降水量增加而繼續(xù)增加。

由此可知，當(dāng)降水量較小時，由于入滲和蒸散作用，其變化對徑流量的影響并不顯著，此時徑流系數(shù)較小。當(dāng)降水量足夠大時，入滲量和蒸散發(fā)量不再隨降水量增加而增加，此時降水量越大，則徑流系數(shù)越大。因此研究區(qū)雨季徑流系數(shù)通常大于同年旱季徑流系數(shù)。Norbiato D等[26]在對意大利北部14個集水區(qū)進(jìn)行研究時也發(fā)現(xiàn)，徑流系數(shù)隨降水總量的增加而增加，且徑流系數(shù)的空間變異性可以被降水量較好地解釋。

進(jìn)一步觀察11組徑流集中度小于降水集中度(RCD≤PCD)的數(shù)據(jù)發(fā)現(xiàn)，當(dāng)降水集中度較大時(PCD>0.3)，PCD與RCD的差值均在0.03以內(nèi)；僅當(dāng)降水集中度較小時(PCD<0.3)，才會出現(xiàn)RCD顯著小于PCD的情況。這是由于當(dāng)降水集中度較小時，該地區(qū)降水的年內(nèi)分配比較均勻且整體處于較低水平。此時，年內(nèi)降水的小幅變化對徑流集中度的影響極小，而氣溫、人類活動等因素對徑流集中度的影響也變得更為顯著。因此當(dāng)降水集中度較小時，徑流集中度不再完全以降水集中度為主導(dǎo)，可能出現(xiàn)徑流集中度顯著大于降水集中度的情況。

3.4 研究區(qū)降水/徑流集中期

2010—2019年赤水河流域中上游降水/徑流集中期計算結(jié)果見圖9。研究區(qū)降水與徑流集中期多年變化趨勢基本一致，前者對后者影響顯著。研究區(qū)多年平均降水集中期與徑流集中期分別為179和188，其對應(yīng)日期分別約為6月29日和7月8日，相差約9 d。由于絕大部分降水需流經(jīng)下墊面才能匯入河道，使得流域徑流對降水變化的響應(yīng)存在滯后效應(yīng)[27]，故徑流集中期往往大于降水集中期。

圖9 赤水河流域多年降水/徑流集中期

針對圖9中研究區(qū)2013年P(guān)CP

圖10 赤水河流域各支流2013年降水/徑流集中期

對比以上支流流域2013年逐月降水和徑流，結(jié)果如圖11所示。各支流流域年內(nèi)降水量均存在兩個峰值，分別為5月和8月；而徑流量僅在6月有一個峰值，部分支流徑流量在8月有小幅上升，但并不明顯，這使得以上支流流域徑流集中期小于同年降水集中期。

圖11 赤水河流域各支流2013年逐月降水和徑流

對比兩個降水峰值，各支流5月降水量均大于8月，6月降水量也維持在較高水平，而9月降水量大幅下降。經(jīng)計算，5，6月各支流平均降水總量是8，9月的1.73倍，而5，6月各支流平均徑流總量是8，9月徑流總量的4.97倍。結(jié)合前述分析，說明5，6月降水總量足夠大，使得降水損失遠(yuǎn)低于8，9月，而降水的損失比例在不同降水量條件下的變化，是各支流徑流量在兩個降水峰值期間有著不同響應(yīng)的原因。

4 結(jié) 論

(1) 本研究實現(xiàn)了SWAT模型對赤水河流域中上游月徑流量的有效模擬。模型率定驗證時采用了先支流后干流的方式，茅臺站與二郎壩站在率定期的R2與Ens均大于0.83，驗證期的R2與Ens均大于0.69，說明SWAT模型能很好地模擬赤水河流域中上游的徑流量。

(2) 赤水河流域中上游徑流量變化趨勢與降水量變化趨勢基本一致，徑流量受降水量影響顯著。降水和徑流年內(nèi)分配均主要集中于6—8月，但相對于降水，徑流年內(nèi)分配的不均勻程度更高。

(3) 研究區(qū)徑流集中度的時空分布受降水集中度影響顯著。同時，由于入滲和蒸散作用的影響，徑流系數(shù)在旱季和雨季有著不同的表現(xiàn)。旱季徑流系數(shù)低，而雨季徑流系數(shù)高，因此流域徑流集中度往往大于降水集中度。但當(dāng)降水集中度較低時(PCD<0.3)，徑流集中度不再完全以降水集中度為主導(dǎo)。

(4) 研究區(qū)徑流集中期受降水集中期影響顯著。同時，流域徑流對降水變化的響應(yīng)存在滯后性，徑流集中期往往大于降水集中期。但由于入滲和蒸散作用的影響，徑流對短期較小幅度的降水量增加并不敏感。故短期較小幅度的降水量增加會對降水集中期產(chǎn)生較為顯著的影響，但對徑流集中期影響有限。