莫淑紅，甄曉彤，陳麗麗，程 龍，陳明康，4

(1.西安理工大學 省部共建西北旱區(qū)生態(tài)水利國家重點實驗室，陜西 西安 710048；2.江蘇省水利勘測設計研究院有限公司六安分公司，安徽 六安 237000；3.中國電建集團西北勘測設計研究院有限公司，陜西 西安 710065；4.深能阜平蓄能發(fā)電有限公司，河北 保定 073200)

1 研究背景

河川徑流的變化作為全球變化的重要組成部分，其形成越來越多的受到全球氣候變化和人類活動的影響[1-2]，并導致區(qū)域水資源時空分布發(fā)生變化。劉春蓁等[3]提出影響徑流變化的三種類型，即以氣候暖干化為主、人類活動為輔的徑流顯著衰減型，以人類活動為主、氣候暖干化為輔的徑流顯著衰減型，人類活動與氣候變異都不明顯、徑流無顯著變化類型，分析結(jié)果展示了氣候、人類活動與水文過程間的相互作用。這種相互作用給徑流的變化分析和成因研究增加了復雜性，因此定量研究徑流變化及歸因識別對認識區(qū)域水文現(xiàn)象演變規(guī)律具有重要意義。

目前國內(nèi)外學者嘗試多種方法用于定量研究以上兩大類因素對流域徑流量變化的影響程度。Li等[4]采用非參數(shù)Mann-Kendall-Sneyers檢驗法及降雨徑流模型法量化了水土保持等人類活動和氣候變化對無定河流域徑流變化的影響；Chiew等[5]用SIMHYD模型研究了澳大利亞南部徑流變化并認為徑流對氣候變化的響應明顯；王隨繼等[6]提出累積量斜率變化率法，并對皇甫川流域的徑流變化進行了歸因研究；Zhang等[7]運用改進的雙累積曲線法定量計算了森林植被和氣候變化對加拿大Baker Creek流域徑流的影響；潘健等[8]構建分布式水文模型GBHM，計算了松花江流域上游土地利用和氣象條件的變化對徑流變化的貢獻；張樹磊等[9]采用基于Budyko假設的流域水熱耦合平衡方程，對我國諸多流域徑流變化進行了歸因分析；Chang等[10]基于彈性系數(shù)法、TOPMODEL和VIC水文模型對涇河流域徑流變化進行了歸因分析；Jiang等[11]研究渭河流域徑流變化歸因時發(fā)現(xiàn)Budyko公式中下墊面參數(shù)與氣候變化和人類活動都具較強的聯(lián)系；董弟文等[12]采用小波分析等方法分析了和田河源流區(qū)近60徑流特征及對氣候變化的響應，發(fā)現(xiàn)氣溫是影響和田河徑流變化的最主要因子，且徑流對于氣溫的響應具有一定的滯后性。張艷霞等[13]嘗試多種方法對錫林河流域徑流變化進行定量歸因分析，表明彈性系數(shù)法優(yōu)于經(jīng)驗統(tǒng)計法；王芳等[14]對大理河流域降雨徑流關系演變進行研究，結(jié)果表明1997以后蒸發(fā)增加導致徑流減少量約占水資源總量的18。范宏翔等[15]基于長記憶模型發(fā)現(xiàn)人類活動主要在春秋兩季對鄱陽湖徑流產(chǎn)生影響；保廣裕等[16]采用氣候傾向率等方法研究了黃河上游河源區(qū)不同量級降水對徑流的影響，結(jié)果表明降水量和徑流量變化顯著正相關；苗正偉等[17]基于Budyko四種彈性系數(shù)法和SWAT模型定量分析了滹沱河上游氣候變化和人類活動對徑流的影響。潘佳佳等[18]采用多種方法研究長江源區(qū)際冰水情變化，表明降雨和蒸發(fā)是徑流變化的重要驅(qū)動因子，氣溫是影響河冰過程的主要因子。以上研究可知目前關于環(huán)境變化對徑流影響的定量研究多集中于對多或尺度徑流量的影響分析，對季尺度徑流過程變化及其歸因量化研究相對較少。

黃河中游陜北黃土高原區(qū)是典型的干旱半干旱區(qū)域，生態(tài)環(huán)境比較脆弱，對于氣候變化和人類活動影響較為敏感，其氣候要素和徑流演變特性具有典型的區(qū)域特點。本文以佳蘆河為例，采用流域長序列水文氣象和人類活動數(shù)據(jù)資料，綜合運用統(tǒng)計分析和水熱平衡法，探究該流域徑流過程變化特征及其歸因量化分析，成果有助于揭示黃土高原區(qū)水文過程對環(huán)境變化的響應機制，為該區(qū)水資源規(guī)劃和管理提供一定的參考。

2 數(shù)據(jù)來源與研究方法

2.1 研究區(qū)概況佳蘆河位于黃河流域中游，是黃河一級支流，發(fā)源于榆林市斷橋村，在木場灣村匯入黃河，河流全長93 km，流域面積1134 km2。佳蘆河流域?qū)儆邳S土梁峁丘陵溝壑區(qū)，流域河口區(qū)域的石質(zhì)山區(qū)多為基巖裸露，設有的申家灣水文站控制面積1121 km2。流域多平均降水410.3 mm，內(nèi)分配不均，主要集中在6—9月份。佳蘆河流域水系及水文站點分布如圖1所示。

圖1 佳蘆河流域水系及水文站點分布圖Fig.1 Map of water system and hydrological sites distribution in Jialu River basin

2.2 數(shù)據(jù)來源本文所用資料為1960—2012水文氣象要素時間序列，其中降水與徑流數(shù)據(jù)摘自《黃河流域水文鑒》，面雨量資料由水文站申家灣、雨量站方家塌、王家砭、通秦寨和金明寺的降水資料通過泰森多邊形法計算得到。蒸發(fā)、風速、氣溫和濕度等要素數(shù)據(jù)來自國家氣象數(shù)據(jù)共享服務平臺，潛在蒸散發(fā)數(shù)據(jù)由以上資料基于Penman-Monteith公式計算得到。

2.3 研究方法采用Mann-Kendall趨勢檢驗方法和線性回歸趨勢檢驗方法對氣溫、降水、徑流和潛在蒸散發(fā)等要素進行趨勢檢驗分析，采用滑動F檢驗法[19]、Lee-Heghinian法[20]和滑動T檢驗法[21]進行突變點的檢驗。采用abcd模型和季尺度Budyko垂直分解法分別對徑流進行季尺度徑流歸因分析。

2.3.1 abcd水文模型 abcd模型以潛在蒸散發(fā)量和降水量為水量平衡的驅(qū)動因素，模擬區(qū)域水文循環(huán)得到水文要素如徑流、實際蒸散發(fā)、土壤含水量等。該模型結(jié)構簡單，僅有a、b、c、d四個參數(shù)，但其應用范圍廣泛，適用于干旱和濕潤地區(qū)[22]。

abcd模型將流域概化為土壤層和地下水層，將產(chǎn)流分為直接徑流和基流，直接徑流來源于降水和土壤水的轉(zhuǎn)化，基流來源于滲漏的土壤水和地下水。在該模型中，實際蒸散發(fā)E和土壤水量S之間具有非線性關系。同時，Thomas提出，可能蒸散發(fā)量Yi和有效水量Wi為兩個狀態(tài)變量，并假定二者服從非線性函數(shù)關系，具體計算公式如下：

Yi=Ei+Si

(1)

Wi=Pi+Si-1

(2)

(3)

式中：Ei為實際蒸散發(fā)；Si為時段末的土壤含水量；Pi為時段內(nèi)降水量；Si-1是前一個時段末土壤含水量；a為土壤飽和前徑流發(fā)生傾向，取值范圍(0，1)，當a為1時不產(chǎn)生徑流；b為實際蒸散發(fā)量與土壤含水量之和的上限。

(4)

式中E0i為時段內(nèi)的潛在蒸散發(fā)。

Si-Si-1=Pi-Ei-Di-Ri

(5)

Gi-Gi-1=Di-Fi

(6)

Qi=Ri+Fi

(7)

式中：Di、Ri、Fi分別為時段內(nèi)的地下補給量、直接徑流量和基流量，Gi、Gi-1分別為時段內(nèi)和前一時段的地下水儲量；Qi為時段內(nèi)的總徑流。將式(1)和式(2)帶入式(5)得到：

Di+Ri=Wi-Yi

(8)

Di=c(Wi-Yi)

(9)

式中c為兩者分配系數(shù)。

Ri=(1-c)(Wi-Yi)

(10)

Fi=dGi

(11)

式中d為地下水滯留時間的倒數(shù)。

幾個人吃罷飯，西雙建議找個歌廳唱一會兒歌。呼倫說唱歌就免了吧都這么晚了。西雙就壞笑。呼倫說再說喝了這么多酒。西雙繼續(xù)壞笑，嘴上說再著急這一會兒也能扛過去吧？云夢偷偷紅了臉，呼倫拖起西雙就走，說，反正你消費。

Gi=[c(Wi-Yi)+Gi-1]/(1+d)

(12)

突變實測徑流減去模擬突變天然徑流為人類活動導致的徑流變化量，如下式：

(13)

ΔR=Rpost-Rpre

(14)

ΔRc=ΔR-ΔRh

(15)

式中：ΔR為徑流總變化量；Rpre為基準徑流多平均實測值；ΔRc為氣候變化導致的徑流變化。

2.3.2 季尺度Budyko模型 本文采用韓鵬飛[23]提出的基于有效降水量的季尺度Budyko模型，該模型運用時不能忽略短的土壤和地下含水量變化量，降水量減去土壤和地下含水量變化量為有效降水量，模型中采用Turc-Pike經(jīng)驗公式：

(16)

流域季尺度實際蒸散發(fā)、土壤與地下含水量等數(shù)據(jù)均由abcd模型模擬計算得到，用季尺度Budyko模型垂直分解法定量分析氣候變化和人類活動對徑流變化的影響程度。

(17)

ΔQc=ΔQ-ΔQh

(18)

3 結(jié)果與分析

表1 佳蘆河流域月干旱指數(shù)

表2 佳蘆河流域季尺度水文氣象要素趨勢變化

圖2 濕季水文氣象要素變化趨勢圖Fig.2 Trend map of hydrometeorological elements in the wet season

圖3 干季水文氣象要素變化趨勢圖Fig.3 Trend map of hydrometeorological elements in the dry season

圖4 濕季徑流序列突變檢驗曲線Fig.4 Wet season runoff sequence mutation test curve

根據(jù)表2和圖2、圖3可知，干季和濕季降水均有不顯著上升趨勢，而氣溫均呈顯著上升，潛在蒸散發(fā)干季顯著上升、濕季不顯著上升，干濕兩季徑流都具有顯著下降趨勢。

由圖5知，對干季徑流序列，其滑動T檢驗統(tǒng)計量在1984超過5顯著性水平的臨界值；其 Lee-Heghinian 法統(tǒng)計量在1984達到最大值，綜合兩種方法分析結(jié)果，認為佳蘆河流域干季徑流序列的突變點為1984。

圖5 干季徑流序列突變檢驗曲線Fig.5 Dry season runoff sequence mutation test curve

佳蘆河流域濕季和干季徑流突變均發(fā)生在1970以后，調(diào)查表明流域在1958后開始修建淤地壩，在1970—1980是淤地壩增長的高峰，在1990前已趨于穩(wěn)定，淤地壩的增長影響了流域徑流的形成過程，所以佳蘆河流域干季和濕季徑流在1970后突變較為合理。

3.2 徑流變化歸因分析基于突變分析，可將干濕季徑流時間序列劃分為基準和變化，其中干季基準為1960—1983(多平均徑流深為24 mm)，變化為1984—2012(多平均徑流深為11.2 mm)，徑流變化量為12.8 mm；濕季基準為1960—1970(多平均徑流深為67.4 mm)；突變?yōu)?971—2012(多平均徑流深為25.9 mm)，徑流變化量為41.52 mm。基于abcd模型和Budyko模型對干、濕季徑流的模擬及其變化影響因素量化分析如下。

3.2.1 abcd參數(shù)率定及徑流模擬 分別將干、濕季基準和變化數(shù)據(jù)帶入模型率定，獲得參數(shù)值如表3，并以納什效率系數(shù)NSE和確定性系數(shù)R2作為模型模擬精度評價指標，具體如表4，基準和變化的模型模擬徑流與實測徑流對比情況如圖6和圖7所示。

表3 abcd模型率定參數(shù)值

表4 abcd模型模擬結(jié)果評價

圖6 abcd模型模擬基準和突變干季徑流Fig.6 The abcd model simulates the base period (left)and mutation period (right)dry season runoff

圖7 abcd模型模擬基準和突變濕季徑流Fig.7 The abcd model simulates wet season runoff during the baseline period and mutation period

從圖6與圖7中可以看到干、濕季模擬徑流與實際徑流過程吻合度較好，從表4可以看到，干季和濕季基準納什效率系數(shù)分別為0.82和0.87，變化為0.91和0.71，納什效率系數(shù)均值為0.83，干季確定性系數(shù)R2均值為0.82，濕季均值為0.67。定性分析與定量評價結(jié)果表明所建abcd模型在干季和濕季徑流模擬效果均表現(xiàn)較好，說明該模型適用于佳蘆河流域徑流變化研究。

3.2.2 季尺度Budyko曲線參數(shù)率定 將abcd模型模擬得到的土壤蓄水量與實際蒸散發(fā)量等同步到季尺度Budyko模型進行分析計算，采用最小二乘法得到ω和φ的值如表5。干、濕季基準及變化的 Budyko 曲線如圖8所示。

表5 干、濕季Budyko模型參數(shù)率定結(jié)果

圖8 Budyko曲線模擬合Fig.8 The Budyko curve simulates the combined during dry season and the wet season

圖8中虛線為基準數(shù)據(jù)擬合的Budyko曲線，實線為Budyko曲線邊界。從圖可知干、濕季變化實測點距都位于曲線上方，其距離越遠，表明人類活動對于徑流變化的影響越大。

3.2.3 氣候變化和人類活動的影響 由abcd模型和季尺度Budyko垂直分解法得到氣候變化和人類活動分別對徑流變化的影響如表6。由表6可知，abcd模型法計算結(jié)果表明，人類活動和氣候變化對干季徑流的影響分別為減少2.2 mm/月和增加0.07 mm/月，對濕季徑流序列的影響分別為減少7.84 mm/月和增加0.92 mm/月?；贐udyko法計算結(jié)果表明，人類活動和氣候變化對干季徑流序列的影響分別為減少2.86 mm/月和增加0.74 mm/月，對濕季徑流序列的影響分別為減少15.58 mm/月和增加8.67 mm/月?？梢?，兩種方法對干季徑流序列的量化分析結(jié)果基本一致，對濕季徑流的量化分析結(jié)果雖有異，但總體結(jié)論一致，即氣候變化均導致干濕兩季徑流增加，分別占徑流變化的19和69.34，而人類活動均引起干濕兩季徑流減小，且濕季增減幅度均更大，分別占徑流變化的119和169.34。

表6 徑流歸因分析結(jié)果

進一步深入探析濕季徑流減少幅度較大的原因，應是該流域1960代以后大量水土保持工程和水利工程的建設運行影響，加之退耕還林還草政策等因素綜合作用所致。1973佳蘆河流域修建高陽灣水庫，水庫設計總庫容1760萬m3，其中滯洪庫容470萬m3。流域在1958—2008間佳蘆河流域共修建570座淤地壩，累積庫容為17481.74萬m3，累積控制面積為971.84 km2，其中1970到1980為淤地壩高速增長階段，共修建了360座淤地壩，累積控制面積達到506.1 km2。淤地壩1958—2008建設情況如圖9。

圖9 淤地壩累積修建情況Fig.9 Cumulative dam construction

佳蘆河流域植被覆蓋度變化如表7所示，土地利用類型比例如圖10所示。自1999黃土高原響應退耕還林政策后，流域土地利用類型變化主要在于耕地減少和草地增加，草地從1985占比29.69增加到201537.47，且在1993—2014植被覆蓋質(zhì)量得到了提高，主要為低覆蓋度向中高覆蓋度轉(zhuǎn)變，以上變化大幅度增加了佳蘆河流域水土保持能力。

表7 植被覆蓋度變化

圖10 土地利用結(jié)構比例Fig.10 Proportion of land use structure in the fourth stage

4 結(jié)論

(1)佳蘆河流域降水、徑流和氣溫等水文氣象要素在季尺度上呈現(xiàn)的變化規(guī)律是干季和濕季降水均有不顯著上升趨勢，而氣溫均呈顯著上升，潛在蒸散發(fā)干季顯著上升、濕季不顯著上升，干濕兩季徑流都具有顯著下降趨勢。干季和濕季徑流序列分別為1972和1984發(fā)生突變。

(2)構建abcd模型模擬徑流，干季和濕季基準納什效率系數(shù)分別為0.82和0.87，變化的分別為0.91和0.71，納什效率系數(shù)均值為0.83，干季確定性系數(shù)R2均值為0.82，濕季均值為0.67，所建模型模擬效果較好，適用于該流域徑流變化研究。

(3)基于abcd模型和季尺度Budyko垂直分解法對流域干季徑流序列的量化分析結(jié)果基本一致，對濕季徑流的量化分析結(jié)果雖有異，但總體結(jié)論一致，即人類活動是佳蘆河流域干季和濕季徑流減少的主要原因，分別占徑流變化的119和169.34；氣候變化則引起干季和濕季徑流增加，分別占徑流變化的19和69.34。

(4)佳蘆河流域壩庫工程和退耕還林、還草是導致徑流量顯著減少的主要人類活動因素，其中壩庫工程控制面積接近流域面積的85.6，流域水土保持效果顯著。