余煌浩,李彬權(quán)
(河海大學(xué)水文水資源學(xué)院,江蘇 南京 210098)
受氣候變化和高強(qiáng)度人類活動影響,中國北方河流江河徑流量總體上呈現(xiàn)顯著性減少趨勢,在黃河流域,人類活動是徑流變化的主要驅(qū)動因素[1];同時在空間分布上,人類活動的影響貢獻(xiàn)自上游往下游逐漸增大[2]。在黃河中游黃土高原地區(qū),大部分支流流域徑流均表現(xiàn)為銳減趨勢,人類活動影響為主導(dǎo)因素。鮑振鑫等[3]基于VIC模型對窟野河流域徑流進(jìn)行歸因分析發(fā)現(xiàn),影響期與天然期相比,人類活動對徑流減少的貢獻(xiàn)為61%~76%。Li等[4]運(yùn)用數(shù)理統(tǒng)計方法對無定河和蘆河流域徑流歸因發(fā)現(xiàn),人類活動對兩流域徑流減少的貢獻(xiàn)率分別為85%~90%和83%~86%。在渭河流域,Gao等[5]采用雙累積曲線法計算得到人類活動對徑流減少的貢獻(xiàn)率為83%。然而在下墊面植被條件較好的延河流域,Wu等[6]基于SWAT模型計算得到氣候變化的貢獻(xiàn)率為56%,為徑流減少的主要影響因素。薛帆等[7]基于Budyko假設(shè)和分形理論對北洛河流域徑流進(jìn)行歸因識別,研究得出流域上游和下游徑流減少主要受人類活動影響,而中游主要受氣候變化影響。目前,徑流變化歸因分析基本是建立在水文模擬基礎(chǔ)上的,很大程度上受模擬精度的限制。然而,黃土高原地區(qū)水文模型精度普遍不高[8-9],特別是風(fēng)沙區(qū)等特殊地貌條件下的水文模型適用性不強(qiáng)。本文從數(shù)據(jù)驅(qū)動途徑改進(jìn)風(fēng)沙區(qū)典型流域(以陜北禿尾河為例)徑流模擬方法,選擇適用性較強(qiáng)的徑流模擬方法對徑流變化進(jìn)行歸因分析。
禿尾河發(fā)源于陜西省神木縣瑤鎮(zhèn)西北的公泊海子,全長140 km,流域面積3 294 km2(圖1),屬于干旱半干旱風(fēng)沙區(qū),多年平均面雨量為404 mm,雨量在年內(nèi)分配不均,汛期(6—9月)占比達(dá)75%[10]。研究數(shù)據(jù)包括90 m分辨率的數(shù)字高程數(shù)據(jù)DEM(來源于地理空間數(shù)據(jù)云,https://www.gscloud.cn/)、2個氣象站的關(guān)鍵氣象要素數(shù)據(jù)(來源于中國氣象數(shù)據(jù)網(wǎng),http://data.cma.cn/)以及9個雨量站的日降水和2個水文站的日徑流數(shù)據(jù)。日潛在蒸散發(fā)量根據(jù)Penman-Monteith方程[11]計算。各站點(diǎn)數(shù)據(jù)根據(jù)泰森多邊形法處理得到流域面平均系列。
采用Mann-Kendall檢驗法(M-K法)[12]對降水、潛在蒸散發(fā)和徑流系列進(jìn)行趨勢分析。根據(jù)M-K檢驗統(tǒng)計值Z大于0(或小于0),確定系列呈上升(或下降)趨勢,顯著性水平α=0.1。
突變檢測選擇滑動t檢驗、有序聚類法(OC法)、Pettitt法、標(biāo)準(zhǔn)正態(tài)均一性檢驗(SNHT法)這4種方法[4,12],并采用水文變異綜合診斷的專家評分法[13]確定最終的突變點(diǎn),具體步驟為:①每種方法評分總分為1,對處在可信度較低區(qū)間的點(diǎn)給予較低的評分,對在可信度較高區(qū)間的點(diǎn)給予較高的評分;②若檢驗方法對樣本檢驗結(jié)果所處區(qū)間無要求,則對檢驗的變異點(diǎn)給予相同的評分;③對沒有可信度的檢測結(jié)果評分為0,然后采取加權(quán)平均和歸一化處理計算各可能變異點(diǎn)的綜合權(quán)重,綜合權(quán)重最大的點(diǎn)即為最可能突變點(diǎn)。
采用降水蒸發(fā)因子法、成因分割法、趙文林法、張經(jīng)之法這4種方法[4,10]對天然期徑流系列進(jìn)行擬合,同時引入潛在蒸散發(fā)因子改進(jìn)后3種方法,使其更為合理。
1.2.1降水蒸發(fā)因子法
直接建立徑流量與降水量、潛在蒸散發(fā)量之間的統(tǒng)計關(guān)系,見式(1):
Q=a×P+b×E+c
(1)
式中Q、P、E——年徑流深、年降水量、年潛在蒸散發(fā)量;a、b、c——天然期徑流系列的回歸參數(shù)。
1.2.2改進(jìn)成因分割法
按徑流的不同形成過程,成因分割法將徑流分解為地下徑流(基流)和地表徑流(表流),分別建立降水與地下徑流、地表徑流的相關(guān)關(guān)系,見式(2)、(3):
Q=K1×Pm1+K2×P+C1
(2)
在式(2)中加入潛在蒸散發(fā)因子,則可改寫為:
Q=K1×Pm1+K2×P+K3×E+C1
(3)
式中Q、P、E——年徑流深、年降水量、年潛在蒸散發(fā)量;K1、K2、K3、m1、C1——天然期徑流系列的回歸參數(shù)。
1.2.3改進(jìn)趙文林法
趙文林法將徑流系列劃分為汛期徑流和非汛期徑流,分別建立汛期徑流與汛期降水、上一期非汛期徑流的相關(guān)關(guān)系,以及非汛期徑流與非汛期降水、前一個汛期雨量與前一個汛期徑流深之差的相關(guān)關(guān)系,見式(4)—(8):
QX=K4×PXm2+K5×QFpast
(4)
QF=K7×PFm3×HAm4
(5)
引入潛在蒸散發(fā)因子,則可改寫為
QX=K4×PXm2+K5×QFpast+K6×EX+C2
(6)
QF=K7×PFm3×HAm4+K8×EF+C3
(7)
Q=QX+QF
(8)
式中 QX、QF——汛期徑流深和非汛期徑流深;PX、PF——汛期降水量和非汛期降水量;EX、EF——汛期潛在蒸散發(fā)量和非汛期潛在蒸散發(fā)量;QFpast——前一時段非汛期徑流深;HA——前一個汛期降水量與前一個汛期徑流深之差;K4、K5、K6、K7、K8、m2、m3、m4、C2、C3——天然期徑流系列的回歸參數(shù)。
1.2.4改進(jìn)張經(jīng)之法
張經(jīng)之法根據(jù)汛期、非汛期降水量及汛期最大1日降水量,建立年徑流量,見式(9)、(10):
Q=K9(PX×fm5+PFm6)+C4
(9)
引入潛在蒸散發(fā)因子,則可改寫為:
Q=K9(PX×fm5+PFm6)+K10×E+C4
(10)
式中Q、E——年徑流深和年潛在蒸散發(fā)量;PX、PF——汛期降水量和非汛期降水量;f——汛期最大一日降水量與汛期降水量的比值;K9、K10、m5、m6、C4——天然期徑流系列的回歸參數(shù)。
最優(yōu)回歸參數(shù)根據(jù)非線性回歸擬合得到。輸入模型表達(dá)式和參數(shù)初始值,經(jīng)過多次迭代直到殘差平方和最小時停止迭代,得到最優(yōu)回歸參數(shù)。
對比天然期、人類活動影響期的實測和模擬徑流系列,建立徑流變化的歸因分析方法如下[3-5]:
ΔQT=QHR-QB
(11)
ΔQH=QHR-QHN
(12)
ΔQC=ΔQT-ΔQH
(13)
(14)
(15)
式中 ΔQT——徑流變化總量;ΔQH——人類活動對徑流的影響量;ΔQC——?dú)夂蜃兓瘜搅鞯挠绊懥浚籕B——天然期實測徑流量;QHR——人類活動影響期的實測徑流量;QHN——人類活動影響期模擬的徑流量;ηH、ηC——為人類活動和氣候變化對徑流影響的貢獻(xiàn)比例。
1961—2015年流域年尺度降水和潛在蒸散發(fā)呈不顯著下降趨勢(統(tǒng)計特征量Z分別為-0.19和-0.16),相應(yīng)的年徑流深為顯著下降趨勢(Z=-8.23),見圖2。4種方法檢測得到禿尾河高家川站1961—2015年年徑流系列的突變點(diǎn)主要有1979、1983、1996年(表1),它們的綜合權(quán)重分別為0.575、0.250、0.175,據(jù)此可確定主突變點(diǎn)為1979年、次突變點(diǎn)為1996年(1983年與主突變點(diǎn)位置接近,暫不考慮)。將整個徑流系列劃分為天然期(1961—1979年)、影響期I(1980—1996年)和影響期II(1997—2015年)3個階段。支童等[14]在對禿尾河流域的降水、潛在蒸散發(fā)和徑流系列進(jìn)行趨勢分析和突變檢測時,也得出同樣的結(jié)論。據(jù)此可判斷上述具有一定可靠性。
突變檢測方法可能突變年份評分滑動t檢驗19790.519960.5OC法19790.819960.2Pettitt法19831.0SNHT法19791.0
采用上述7種數(shù)據(jù)驅(qū)動的統(tǒng)計方法對天然期年徑流系列進(jìn)行擬合,選用Nash-Sutcliffe效率系數(shù)(NSE)、Pearson相關(guān)系數(shù)(PCC)、均方根誤差(RMSE)和平均絕對誤差(MAE)進(jìn)行擬合精度評定;利用非線性回歸擬合得到各方法的最優(yōu)參數(shù)值見表2,擬合精度統(tǒng)計結(jié)果見表3。結(jié)果表明,改進(jìn)后3種數(shù)據(jù)驅(qū)動方法的NSE、PCC、RMSE和MAE 4種精度指標(biāo)較原方法均有大幅度提升;總體上,改進(jìn)趙文林法的擬合精度最高(NSE=0.77、PCC=0.88、RMSE=9.10、MAE=7.08),可用于后續(xù)徑流變化歸因研究。
以實測降水資料為數(shù)據(jù)驅(qū)動,利用改進(jìn)趙文林法重構(gòu)2個影響期的徑流系列,見圖3,計算得到氣候變化和人類活動對徑流減少的貢獻(xiàn)見表4。在影響期Ⅰ,年徑流模擬值略高于實測值,表明該時期人類活動的影響不顯著(對徑流減少的貢獻(xiàn)為19.1%),而氣候變化影響占主導(dǎo)地位(貢獻(xiàn)率為80.9%)。相較于影響期I,影響期Ⅱ的多年平均年徑流量比天然期減少幅度更大(-47.1%);年徑流模擬值遠(yuǎn)高于實測值,表明該時期人類活動的影響較大,對徑流減少的貢獻(xiàn)提高至58.8%,占主導(dǎo)地位。
從1980—2015年逐年氣候變化和人類活動影響貢獻(xiàn)柱狀圖來看,影響期Ⅰ中多數(shù)年份氣候變化貢獻(xiàn)率都大于人類活動;影響期Ⅱ中多數(shù)年份的人類活動貢獻(xiàn)率均大于氣候變化的貢獻(xiàn),且呈增長趨勢,表明人類活動對徑流減少的影響程度呈增長趨勢。對比天然期與整個影響期徑流變化,結(jié)果表明多年平均年徑流減少37%,氣候變化和人類活動影響的貢獻(xiàn)率分別為54.2%、45.8%。
禿尾河流域在影響期Ⅰ中徑流減少的主要驅(qū)動因素為氣候變化,表現(xiàn)為多年平均降水量(339 mm)遠(yuǎn)低于天然期的數(shù)值(420 mm);但自1999年黃土高原退耕還林還草政策實施后,禿尾河流域植被覆蓋面積顯著上升,從而導(dǎo)致影響期Ⅱ中徑流減少的主要驅(qū)動因素轉(zhuǎn)變?yōu)槿祟惢顒覽14]。
表2 7種數(shù)據(jù)驅(qū)動方法的參數(shù)取值
表3 天然期年徑流擬合精度統(tǒng)計
注:表格中括號內(nèi)容為未改進(jìn)前擬合精度。
時期實測值/mm模擬值/mm減少比例/%人類活動的貢獻(xiàn)絕對值/mm比例/%氣候變化的貢獻(xiàn)絕對值/mm比例/%天然期125.10124.80影響期Ⅰ92.8899.0525.86.1719.126.0580.9影響期Ⅱ66.17100.8447.134.6758.824.2641.2整個影響期78.78100.0037.021.2245.825.1054.2
利用M-K趨勢分析方法發(fā)現(xiàn),禿尾河流域1961—2015年年尺度降水、潛在蒸散發(fā)系列呈不顯著下降趨勢,而流域出口水文站高家川站年徑流量呈顯著減少趨勢;利用水文變異綜合診斷方法得到年徑流系列的突變點(diǎn)為1979年和1996年。引入潛在蒸散發(fā)因子,改進(jìn)成因分割法、趙文林法和張經(jīng)之法,增強(qiáng)了數(shù)據(jù)驅(qū)動方法在陜北風(fēng)沙區(qū)禿尾河流域徑流模擬中的適用性,其中改進(jìn)趙文林法精度最高(NSE=0.77)。影響期(1980—2015年)與天然期(1961—1979年)相比,多年平均年徑流量減少比例為37%,其中氣候變化的影響貢獻(xiàn)占主導(dǎo)地位(54.2%);但在影響期II(1997—2015年),人類活動的影響更大,對徑流減少的貢獻(xiàn)比例為58.8%。