收稿日期：2023-03-18；接受日期：2023-06-23

基金項目：中國科學(xué)院對外合作重點項目“農(nóng)業(yè)流域關(guān)鍵帶及河網(wǎng)氮輸移與降解機(jī)制”（131432KYSB20200029）；國家自然科學(xué)基金項目“鄱陽湖典型入湖流域農(nóng)業(yè)非點源氮素流失機(jī)制解析與時空分異模擬”（41877487）

作者簡介：王真，男，碩士研究生，研究方向為流域水文模擬。E-mail：wz983948162@163.com

通信作者：

姜三元，男，副研究員，博士，研究方向為流域水文與水環(huán)境。E-mail：syjiang@niglas.ac.cn

Editorial Office of Yangtze River. This is an open access article under the CC BY-NC-ND 4.0 license.

文章編號：1001-4179（2024） 03-0105-12

引用本文：王真，姜三元，張奇，等.贛江流域水文情勢時空差異性及變化分析［J］.人民長江，2024，55（3）：105-116.

摘要：

贛江流域作為鄱陽湖流域最大的子流域，是長江中下游的重要水源區(qū)，研究贛江流域的水文情勢可以拓展對該區(qū)域水文演變機(jī)制的認(rèn)識?；谮M江流域2000～2021年的日降雨量和徑流監(jiān)測數(shù)據(jù)，采用Mann-Kendall檢驗以及相關(guān)分析等方法，結(jié)合HYPE水文模擬和PEST自動率定技術(shù)對參數(shù)敏感性指數(shù)、徑流量及降雨量等指標(biāo)進(jìn)行水文過程及其時空變異的研究。結(jié)果表明：① 流域內(nèi)的水文變量呈現(xiàn)一定的時空變化。在年尺度上，徑流量和降雨量有一定的波動，總體上呈現(xiàn)小幅上升趨勢，兩者之間存在明顯的正相關(guān)關(guān)系，同時流域內(nèi)水庫運行也可能對水文機(jī)制產(chǎn)生一定影響；在月尺度上，徑流量和降雨量均在6月達(dá)到峰值，1月達(dá)到最低值；在空間分布上，年均徑流和降雨量在流域東部和北部均較大。② 在水文過程模擬中，描述發(fā)生大孔隙流和地表徑流的土壤水含量閾值的參數(shù)mactrsm相對綜合敏感性最大。③ HYPE模型能夠較好地模擬贛江流域及其代表性子流域宜豐河流域的徑流動態(tài)變化（0.60≤Ens≤0.86），宜豐河小流域出口（宜豐水文站）的流量模擬效果明顯低于贛江流域出口（外洲水文站）。在年尺度上，宜豐站子流域的土壤濕度、蒸發(fā)量和地表徑流整體上呈現(xiàn)上升趨勢；在空間分布上，外洲站子流域相較于宜豐站子流域，土壤濕度更高、蒸發(fā)量較低、地表徑流更大。④ 根據(jù)基流分割，宜豐站子流域和外洲站子流域的徑流機(jī)制有所不同，表現(xiàn)在宜豐站子流域飽和地下水對總徑流的貢獻(xiàn)較大，而外洲站子流域地表徑流對總徑流的貢獻(xiàn)較大。流域特征非均質(zhì)性和水文過程變異是造成模型精度空間差異的主要原因。

關(guān)鍵詞：水文情勢； 時空差異； M-K檢驗； 趨勢分析； 水文模擬； HYPE模型； 贛江流域

中圖法分類號： TV211.2；P333

文獻(xiàn)標(biāo)志碼： A" " " " " " " " " " " DOI：10.16232j.cnki.1001-4179.2024.03.015

0引 言

近幾十年來，全球氣候變化以及水庫建設(shè)等人類活動導(dǎo)致了水文過程以及自然水文情勢的重大變化［1-4］，流域內(nèi)的水文徑流情況又對水文過程產(chǎn)生重要影響［5］。一些自然地理特征通過徑流變化得到了很好的反映［6］，流域內(nèi)污染程度也是隨徑流而變化［7］。因此，研究河流的水文情勢，有助于分析水文演變機(jī)制，對指導(dǎo)流域水資源的宏觀調(diào)控和生態(tài)保護(hù)具有重要戰(zhàn)略價值［8］。研究水文變量的變化過程，對預(yù)測未來水資源變化趨勢、流域水資源保護(hù)和流域水問題治理也具有重要的科學(xué)意義和現(xiàn)實意義［9-10］。

流域的水文情勢驅(qū)動著流域生態(tài)系統(tǒng)的能量過程、物質(zhì)循環(huán)和生物相互作用，所以有必要分析流域的水文情勢變化［11-12］。地理信息系統(tǒng)（GIS）、遙感和電子傳感器技術(shù)的發(fā)展降低了數(shù)據(jù)采集的難度，提高了數(shù)據(jù)的分辨率，而人工神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)等新方法自20世紀(jì)90年代以來被應(yīng)用于模型開發(fā)，模型和數(shù)據(jù)庫得到充分應(yīng)用［13］。水文模型是了解水文循環(huán)和水資源時空演變的重要工具，它以一種簡化和方便的方式量化復(fù)雜的水文過程［14］。因此，水文模型已成為水文研究的重點，HYPE模型也應(yīng)運而生。HYPE模型由瑞典氣象和水文研究所于2005～2007年開發(fā)，是一個基于過程的半分布式流域模型，用于小尺度和大尺度的水資源評估［15］。目前，為了解決大尺度甚至全球范圍內(nèi)的水問題，對大尺度水文觀測數(shù)據(jù)的信息提取也在發(fā)展，而HYPE模型在大尺度流域的應(yīng)用效果尚未得到充分證明，需要進(jìn)一步研究和分析［16］。由Dr.Jeff Arnold為美國農(nóng)業(yè)部開發(fā)的SWAT模型，也多用于與徑流有關(guān)的研究［17-19］。

作為鄱陽湖流域最大的子流域，贛江流域在長江中下游地區(qū)具有典型性。針對贛江流域的水文分析，鄒杰平等［20］選取了居龍灘站對贛江上游典型流域水文情勢進(jìn)行分析，推斷造成水文變異的因素可能和人類活動因素有關(guān)，但是并未給出詳細(xì)數(shù)據(jù)予以論證，后續(xù)可以進(jìn)一步搭建水文模型進(jìn)行試驗驗證；黃彬彬等［6］對SWAT模型在贛江流域的適用性進(jìn)行研究，結(jié)果顯示實測過程線與月尺度和年尺度徑流接近吻合；郭強(qiáng)等［21］基于SWAT模型，對單純的土地利用變化對贛江流域主要水文過程的影響進(jìn)行系統(tǒng)分析，研究表明，在土地利用之間的相互轉(zhuǎn)換和其影響疊加的情況下，綜合水文效應(yīng)并不高；Huang等［22］為預(yù)測贛江流域未來的氣候變化，探討其對徑流的影響，建立了SWAT水文模型，結(jié)果表明，徑流與降水之間存在較強(qiáng)的正相關(guān)關(guān)系，與溫度之間存在弱相關(guān)關(guān)系。然而，需要注意的是，SWAT模型通常需要大量的參數(shù)輸入來支持其運行，例如需要多層土壤屬性數(shù)據(jù)，從而導(dǎo)致參數(shù)優(yōu)化、校準(zhǔn)和驗證的計算量較大［23］。除此之外，也少有新的水文模型從不同的空間尺度來具體分析流域的水文變化情況。因此，對贛江流域復(fù)雜的水文運移以及土地利用和其他因素之間的關(guān)系研究不夠充分，限制了流域內(nèi)水資源管理等決策的制定。

HYPE模型輸入數(shù)據(jù)少，所需數(shù)據(jù)容易獲取，計算簡單方便，運行成本低，模型結(jié)構(gòu)簡單，但功能模塊齊全，空間分辨率高，是一個全面、高效、高計算能力的系統(tǒng)［24］。贛江流域又是鄱陽湖流域乃至長江中下游地區(qū)的典型代表，下游尾閭地區(qū)涉及的南昌市也被劃入鄱陽湖地區(qū)，因此研究該流域的水文情勢可以對整個源區(qū)的徑流變化有更詳細(xì)和深入的了解。本文根據(jù)2000～2021年的徑流和降雨監(jiān)測數(shù)據(jù)，采用線性回歸和Mann-Kendall（M-K）檢驗分析了贛江流域的水文情勢變化，對徑流量和降雨量進(jìn)行了時空變異分析。然后以HYPE模型為有效工具，利用模型參數(shù)的敏感性分析該地區(qū)水文過程，從而在各種參數(shù)中篩選出影響最大的因素。同時，對所研究的流域進(jìn)行了日尺度徑流模擬，驗證了模型在國內(nèi)大型流域的模擬效果，并對模型輸出的土壤濕度、蒸發(fā)量以及地表徑流的時空變化特征進(jìn)行了分析，最后基于基流分割探求了不同流域特征角度的水文過程存在的差異，為今后HYPE模型在大尺度流域的應(yīng)用和贛江流域的水資源評價提供了一些科學(xué)依據(jù)和數(shù)據(jù)支持。

1材料與方法

1.1研究區(qū)概況

贛江流域（見圖1）位于長江中下游南岸，其中贛江，古稱揚漢、湖漢，是長江的主要支流之一，也是鄱陽湖流域的第一大河，位于流域南部，發(fā)源于武夷山，由章江與贛州貢水匯合而成，自南向北流經(jīng)江西省，包括貢水在內(nèi)的總長度為1 200 km，集水面積為8.35萬km2，占鄱陽湖流域面積的51%。自然落差為937 m，年平均流量為2 130 m3/s。贛江流域呈現(xiàn)出以山地和丘陵為主的地貌格局，山地和丘陵占流域面積的64.7%（山地占43.9%，丘陵占20.8%），低丘（海拔200 m以下）崗地占31.5%，而平原和水域僅占3.9%。贛江流域?qū)儆趤啛釒駶櫦撅L(fēng)氣候，氣候溫和，雨量充沛，非常適宜植物生長以及動物和人類的生存，年平均降水量為1 400～1 800 mm。贛江流域土地面積占鄱陽湖流域土地面積的51.5%，其中林業(yè)用地為551.4萬hm2，占區(qū)域土地面積的64.7%，耕地約占25.8%，城鎮(zhèn)用地占4.5%，草地河流等約占5%（見圖2）。土壤類型主要為山地黃壤、黃棕壤、紅壤、粗骨紫土和潮泥田。海拔800 m以上主要是黃壤和黃棕壤，紅壤廣泛分布在800 m以下的丘陵崗地，粗骨紫色土也主要分布在此區(qū)，潮泥田則分布在丘陵谷地、河谷平原（見圖3）。

1.2基礎(chǔ)數(shù)據(jù)準(zhǔn)備與預(yù)處理

1.2.1數(shù)據(jù)來源

本文使用的基礎(chǔ)數(shù)據(jù)主要包括流域氣象數(shù)據(jù)、空間數(shù)據(jù)和水文數(shù)據(jù)。流域氣象數(shù)據(jù)主要包括流域內(nèi)的雨量監(jiān)測數(shù)據(jù)，本文使用的雨量數(shù)據(jù)為宜春市氣象局提供的日步長監(jiān)測數(shù)據(jù)，分析時段為2000～2021年。本文使用的空間數(shù)據(jù)為研究流域分辨率為90 m的數(shù)字高程模型（DEM）、2015年分辨率為30 m的土地利用分布圖以及2015年分辨率為500 m的土壤數(shù)據(jù)。DEM數(shù)據(jù)來自中國科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心，土壤數(shù)據(jù)來自世界土壤數(shù)據(jù)庫，土地利用數(shù)據(jù)來自國家基礎(chǔ)地理信息中心全球土地覆蓋數(shù)據(jù)產(chǎn)品服務(wù)網(wǎng)站。水文數(shù)據(jù)為贛江下游水文水資源監(jiān)測中心提供的宜豐站和外洲站的日徑流數(shù)據(jù)，時間序列數(shù)據(jù)分析時段為2000～2021年。

1.2.2數(shù)據(jù)預(yù)處理

在DEM、贛江流域邊界和河流數(shù)據(jù)的基礎(chǔ)上，利用ArcGIS軟件對研究區(qū)的這些數(shù)據(jù)進(jìn)行整合、投影、轉(zhuǎn)換和裁剪，得到有利于本文研究的數(shù)據(jù)。同時，對贛江流域的降雨數(shù)據(jù)和徑流數(shù)據(jù)進(jìn)行了整理并輸入到模型中，保證了模型輸入數(shù)據(jù)的準(zhǔn)確性，從而提高模型的運行效率。

1.3研究方法

1.3.1統(tǒng)計分析方法

采用Mann-Kendall（M-K）趨勢檢驗分析方法分析水文變量的時間序列中是否存在單調(diào)增加或減少的趨勢［25］，給定顯著性水平α=0.05，臨界值u0.05=±1.96。

時間序列數(shù)據(jù)［Xt］和［Yt］（t=1，2，…，n）的相關(guān)關(guān)系可以用相關(guān)系數(shù)rx，y來表示［26］。采用不均勻系數(shù)Cv量化徑流等值的年內(nèi)分配，基流指數(shù)（BFI）表示基流對總徑流的貢獻(xiàn)值。采用反距離權(quán)重法（IDW）進(jìn)行空間插值分析，將插值點與樣本點之間的距離作為加權(quán)平均的權(quán)重，樣本點離插值點越近，所占的權(quán)重越大［27］。

1.3.2HYPE模型構(gòu)建

圖4為HYPE模型的結(jié)構(gòu)示意圖。在應(yīng)用HYPE模型時，首先根據(jù)地形和河網(wǎng)將流域劃分為若干個子流域。子流域可以是獨立的，也可以由河流和區(qū)域地下水流連接?；谕恋乩煤屯寥李愋蛿?shù)據(jù)，子流域進(jìn)一步劃分為不同的土壤-土地利用分類（SLCs）。每個SLC代表一個所謂的水文響應(yīng)單元（HRU）。這些類別是最小的計算空間單元，與地理位置無關(guān)。土地、湖泊和河流類別是3個不同的類別，在模擬中會分別計算［28］。

在水文模擬過程中，HYPE模型模擬的主要過程包括：積雪和融雪、蒸發(fā)、地表徑流、入滲、大孔隙流、滲流、壤中流、排水管流和地下徑流。圖5是HYPE模型水文模擬過程的示意圖。

模型中的水量平衡公式為.

式中：P是降雨量，QSNOW是降雪量，qE是土壤蒸散發(fā)量，QMPOR是大孔隙流量，QSR是地表徑流量，QTILE是排水管流量，QGRW是地下徑流量，ΔS是土壤水變化量。

水文模擬采用Nash-Sutcliffe效率系數(shù)Ens［26］、確定性系數(shù)R2［29］和相對誤差RE［26］這3個指標(biāo)來評價模型對徑流的模擬效果。納什效率系數(shù)Ens可以定量表征整個模擬過程的擬合好壞程度，是一個無量綱的統(tǒng)計參數(shù)，描述模擬值與實測值的擬合精度。Ens=1，意味著模擬值和測量值完全吻合；如果Ens為負(fù)值，則意味著模型模擬值的可靠性不如直接使用測量的平均值。確定性系數(shù)R2直觀地反映了測量過程與模擬過程的擬合程度，R2越大表明測量過程與模擬過程的擬合程度越好，模擬精度越高。相對誤差RE的絕對值越小，說明兩者在總量上越接近，兩者的差值越大，模擬結(jié)果越差。

1.3.3參數(shù)敏感性

在目前的模型參數(shù)敏感性分析過程中，采用了PEST自動率定技術(shù)的綜合敏感指數(shù)進(jìn)行分析。參數(shù)敏感性分析是模型不確定性量化的重要組成部分，有助于有效識別關(guān)鍵參數(shù)，減少參數(shù)不確定性的影響，從而提高參數(shù)優(yōu)化的效率。PEST輸出的綜合靈敏指數(shù)乘以參數(shù)值的絕對值，得到參數(shù)的相對綜合敏感指數(shù)，可以用來比較不同類型和規(guī)模的參數(shù)的敏感性［30］。綜合敏感指數(shù)的計算公式如下：.

式中：J為雅可比矩陣，O為觀測值權(quán)重矩陣，m為觀測值的個數(shù)。

2率定策略

在當(dāng)前模型參數(shù)率定方面，將PEST參數(shù)自動率定技術(shù)用于模型參數(shù)優(yōu)化。PEST是一個非線性參數(shù)估計工具，其原理是采用GML算法來優(yōu)化模型，通過盡量少的迭代和模型調(diào)用次數(shù)使得計算值與觀測值之間的殘差平方和達(dá)到最小，以此來尋求最優(yōu)參數(shù)值。PEST還提供了探索校準(zhǔn)前后參數(shù)不確定性的方法，不需要模型線性的假設(shè)。PEST輸入文件可以用隨機(jī)參數(shù)集填充，然后可以使用這些集合中的每一個參數(shù)進(jìn)行模型運行，以便尋求模型輸出的最佳結(jié)果［31］。

將2000年1月1日至2000年12月31日設(shè)為HYPE模型的預(yù)熱期，不計入模擬結(jié)果評估，選用2001年1月1日至2008年12月31日作為整個模型的率定期，率定取得優(yōu)化的參數(shù)，基于優(yōu)化參數(shù)選擇2009年1月1日至2021年12月31日為驗證期評估模型模擬的效果。本文通過2個水文站（宜豐站與外洲站）的河道日徑流量來率定HYPE模型的水文過程參數(shù)。

HYPE模型參數(shù)主要包括3類：與流域有關(guān)的一般參數(shù)、與土地利用類型有關(guān)的參數(shù)和與土壤類型有關(guān)的參數(shù)。在徑流模擬過程中，大多數(shù)參數(shù)反映了持水特性、蒸發(fā)和徑流等。HYPE模型的主要參數(shù)見表1。

本研究中的參數(shù)值確定分為3個步驟：首先，部分參數(shù)可以根據(jù)相關(guān)文獻(xiàn)和已知的物理化學(xué)過程直接確定；其次，采用人工試錯法進(jìn)行參數(shù)值確定，根據(jù)文獻(xiàn)、參數(shù)的物理意義、以往研究中的參數(shù)值確定結(jié)果等設(shè)定參數(shù)的初始值，并在手動調(diào)參過程中確定具有高敏感性的參數(shù)；最后，采用PEST進(jìn)一步對選定的高敏感性參數(shù)進(jìn)行率定。

3結(jié)果與討論

3.1贛江流域水文氣象要素時間變異分析

3.1.1年際變化特征分析

2000～2021年贛江流域徑流呈弱上升趨勢，通過線性回歸分析得宜豐站的年均流量遞增趨勢速率為0.20 m3/s，22 a間的年平均流量為17.18 m3/s（見圖6）；外洲站的年均流量遞增趨勢速率為7.85 m3/s，19 a 間的年平均流量為2 017.31 m3/s（見圖7）。研究期間，贛江流域宜豐站和外洲站年徑流量和降雨量有效突變點如下：宜豐站的徑流統(tǒng)計量UF和UB交叉了3次（范圍分別為2008～2009年、2010～2011年和2012～2013年），宜豐站的降雨統(tǒng)計量UF和UB交叉了7次（范圍為2008～2009年、2009～2010年、2010～2011年、2012～2013年、2013～2014年、2016～2017年、2018～2019年）；外洲站的徑流統(tǒng)計量UF和UB交叉了4次（范圍分別為2000～2001年、2002～2003年、2010年和2011～2012年），外洲站的降雨統(tǒng)計量UF和UB交叉了1次（范圍為2017～2018年）。有效突變點反映了研究期間贛江流域年徑流量和年降水量存在一定的波動，分析認(rèn)為峽江水利樞紐工程（見圖1），其控制流域面積約為62 710 km2，2009～2013年并網(wǎng)發(fā)電，可能是引起這幾年徑流量突變的原因之一。2009年以來，宜豐站流域內(nèi)年平均徑流量和降雨量曲線的UF值基本大于0，反映了2009年以后徑流和降水量的長期上升趨勢，同時2000～2008年呈現(xiàn)出一定的波動性，而外洲站流域內(nèi)年平均徑流量和降水曲線的UF值在0附近波動，2015年后基本大于0，反映外洲站2015年后徑流和降水量呈現(xiàn)上升趨勢。

圖8所示流域內(nèi)宜豐和外洲站降水與徑流的相關(guān)性較強(qiáng)，根據(jù)降水和徑流的實測數(shù)據(jù)統(tǒng)計，宜豐站和外洲站的年降水量和徑流的相關(guān)系數(shù)分別為0.86和0.81，說明贛江流域降水過程與徑流過程大體相當(dāng)，降水是影響流域內(nèi)徑流變化的主要因素。上述結(jié)果表明，贛江流域各年徑流增長與降水量密切相關(guān)，呈弱上升趨勢，其變化的顯著性水平達(dá)到0.05。

3.1.2年內(nèi)變化特征分析

為了研究氣候影響下的徑流年內(nèi)分布規(guī)律，本文分析了2000～2021年徑流和降水的多年平均年內(nèi)變化情況，結(jié)果見圖9。徑流量在1～6月逐漸增加，在7～12月逐漸減少。宜豐河流域內(nèi)平均徑流量6月最大，為36.14 m3/s，1月最小，為8.23 m3/s。外洲站平均徑流量6月最高，達(dá)到了4 691.01 m3/s，1月最小，為1 028.58 m3/s。8月至次年2月為徑流量較小時期，3～7月為主要產(chǎn)流時段，7～9月由于受到長江洪水頂托和倒灌影響，徑流量也處在較高水平。宜豐和外洲站徑流量的年內(nèi)不均勻系數(shù)Cv也分別達(dá)到了 0.51 和0.56，表明徑流量在年內(nèi)分布不均，極端值差異較大。

贛江流域?qū)儆趤啛釒駶櫦撅L(fēng)氣候，氣候溫和，雨量充沛，降水呈季節(jié)性分布，徑流也受氣候影響［32］。該流域降水量集中在4～7月，在6月達(dá)到最大值。每年7～10月，在太平洋副熱帶高壓的控制下，下沉氣流盛行，天氣晴朗，日照強(qiáng)烈，此時高溫干燥，降水稀少，極易形成干旱，造成農(nóng)業(yè)缺水。

3.2參數(shù)敏感性分析

用HYPE模型模擬徑流過程中會有很多參數(shù)影響，通過參數(shù)敏感性分析有利于進(jìn)一步提高模擬精度，減少模型的運行時間，提高效率。選擇常見的與徑流有關(guān)的多個參數(shù)校準(zhǔn)日徑流數(shù)據(jù)，運行多次選擇出敏感性參數(shù)，再基于宜豐和外洲水文站的日徑流數(shù)據(jù)進(jìn)行PEST自動率定和驗證。表2是HYPE水文模型主要敏感參數(shù)的PEST率定結(jié)果。

根據(jù)相對綜合敏感性指數(shù)可以看出，水文過程模擬中，相對綜合敏感度排序由大到小為：發(fā)生大孔隙流和地表徑流的土壤水含量閾值mactrsm（紅壤，0.017 3），河水流速rivvel（0.003 8），宏觀孔隙流動系數(shù)macrate（紅壤，0.002 4），潛在蒸散發(fā)速率cevp（耕地，0.001 5）。大孔隙流是一種快速非平衡的土壤水分運動，由于耕種等物理過程以及植物生長等生物過程形成了大孔隙，使水沿著大孔隙形成了大孔隙流，大孔隙流和徑流中土壤水含量以及蒸散發(fā)在贛江流域的水量平衡關(guān)系中是關(guān)鍵因素［33］。河水流速也是流域中重要的水文特征，由地形決定。因為贛江流域是大尺度流域，流速是描述流域水資源和了解水情的重要依據(jù)，所以有必要全面掌握上述水文參數(shù)及其變化規(guī)律，為人類合理利用水資源提供重要依據(jù)。除上述參數(shù)以外，積雪融化、積雪密度和蒸散的閾值溫度ttmp（耕地、林地）、水道中引起阻尼的延遲百分比damp等參數(shù)相對綜合敏感性較小。

3.3日徑流校準(zhǔn)與模擬

在模型經(jīng)過參數(shù)率定后，驗證了模型的效果。表3為宜豐站和外洲站的日徑流Ens、日確定性系數(shù)R2和多年徑流相對誤差RE，圖10～11為兩個水文站的模擬和實測日徑流值及降雨量的對比。

從表3可以看出兩個水文站率定期的日徑流Ens和確定性系數(shù)R2均大于0.60，其中外洲站的日徑流Ens達(dá)到0.86，日確定性系數(shù)R2達(dá)到0.90以上，說明模型的模擬值和觀測值吻合度較高，兩站多年徑流相對誤差RE均介于±10%之間，說明模擬時段的模擬值和實測值兩者在總量上較接近。宜豐站的日徑流Ens為0.60，這可能是宜豐站點日徑流數(shù)據(jù)出現(xiàn)一些極端值的影響或者是樣本量不足造成的。這也表明，HYPE模型在模擬對應(yīng)于外洲站的大尺度流域時更有效，因為水文過程的尺度效應(yīng)影響了水文模型的模擬精度。對于微觀尺度，一般采用基于水文要素的過程模型，但隨著尺度的增大，如具有多種時空異質(zhì)性的大尺度流域，原有的水文要素就不再適用了［15］。為了克服這個問題，從HYPE模型結(jié)構(gòu)示意圖和水文過程示意圖中不難看出，在模型結(jié)構(gòu)的水平和垂直方向上都有分類。研究區(qū)被劃分為子流域，每個子流域又被劃分為不同的類（Class），它們是模型空間計算的最小單位，與地理位置無關(guān)。土地類、湖泊類和河流類是3個不同的類，將在模擬中分別計算。土地類是不同土壤類型和土地利用類型的組合。土地類在垂直方向上被分為1～3個不同厚度的土壤層［34］。

模型驗證期，兩個水文站的日徑流Ens和日確定性系數(shù)R2均大于0.65，總體效果較好。兩個水文站多年徑流相對誤差RE均介于±10%之間，模擬值和實測值在總量上也是相對接近的。與現(xiàn)有SWAT模型對贛江流域徑流模擬結(jié)果比較，黃彬彬等［6］對SWAT模型在贛江流域的適用性進(jìn)行研究，比較外洲水文站1961～1985年的年徑流模擬結(jié)果，外洲站率定期和驗證期Ens均為0.93；郭強(qiáng)等［21］利用SWAT模型對贛江流域外洲站1961～1992年的月徑流過程進(jìn)行模擬，率定期和驗證期Ens均為0.65，確定性系數(shù)R2分別為0.72和0.71，相對誤差RE分別為12.40%和14.60%。Huang等［22］為預(yù)測贛江流域未來的氣候變化，建立了SWAT水文模型，對外洲站1961～2005年月徑流進(jìn)行模擬，率定期和驗證期Ens分別為 0.84 和0.87，確定性系數(shù)R2分別為0.88和0.89。通過對兩種模型模擬精度的比較可以看出，HYPE模型能夠模擬不同流域特征、氣候條件下的日步長流量動態(tài)變化，模型結(jié)構(gòu)和參數(shù)具有很好的可移植性。

從圖10和圖11中可以看出，在夏季徑流高峰期，模擬結(jié)果低于觀測值，這可能是由于徑流高峰是由短時高強(qiáng)度降雨引起的，而HYPE模型以日尺度為最小計算時間單位，所以難以準(zhǔn)確模擬徑流高峰?？傮w而言，HYPE水文模型在贛江流域的模擬效果在率定期和驗證期均表現(xiàn)良好，說明該模型能夠再現(xiàn)流域的氣候和水文過程。模擬結(jié)果表明，HYPE水文模型具有時間和空間上的可移植性，為準(zhǔn)確模擬流域水文變量奠定了堅實基礎(chǔ)。

3.4水文變量時空變化趨勢

3.4.1時間變化趨勢

土壤濕度是水文、氣象和農(nóng)業(yè)科學(xué)研究領(lǐng)域的重要指標(biāo)參數(shù)，對氣候、農(nóng)業(yè)和干旱監(jiān)測具有重要意義［35］；蒸發(fā)量是水文循環(huán)的重要組成部分，是計算水平衡的重要內(nèi)容［36］；地表徑流是陸地水循環(huán)系統(tǒng)的重要組成部分之一，氣候變化和流域內(nèi)的人類活動會引起地表徑流的水文特征變化［37］。HYPE模型除了輸出流量之外，還可以輸出土壤濕度、蒸發(fā)量和地表徑流等水文變量。圖12（a）、（c）、（e）為2000～2021年宜豐站水文輸出變量的年際變化趨勢，土壤濕度、蒸發(fā)量和地表徑流在2000～2021年均呈微弱上升趨勢。

采用M-K檢驗方法對流域內(nèi)宜豐站的土壤濕度、蒸發(fā)量和地表徑流進(jìn)行非參數(shù)趨勢突變檢驗，結(jié)果見圖12（b）、（d）、（f）。研究期間宜豐站的土壤濕度統(tǒng)計量UF和UB有4次交叉（范圍為2001～2002年、2002～2003年、2009～2010年、2011年），蒸發(fā)量統(tǒng)計量UF和UB有5次交叉（范圍為2001～2002年、2002～2003年、2005～2006年、2006～2007年、2008～2009年），地表徑流統(tǒng)計量UF和UB在研究期間有1次交叉（范圍為2017～2018年）。結(jié)合徑流分析的結(jié)果，2000～2008年的降雨量呈現(xiàn)出一定的波動性，這可能是2000～2008年水文變量波動的原因。峽江水利樞紐工程于2009年奠基，2013年開始并網(wǎng)發(fā)電，在此期間引起的水深和集水面積的變化，可能是造成2009～2013年這些水文變量突然變化的原因。2013年以后，隨著水利樞紐的順利運行且降雨量也呈現(xiàn)出明顯的上升趨勢，導(dǎo)致土壤濕度、蒸發(fā)量、地表徑流都呈現(xiàn)出一定的上升趨勢。

3.4.2空間變化趨勢

從子流域角度研究贛江流域多年平均徑流、降雨、土壤濕度、蒸發(fā)量以及地表徑流空間分布特征?；诼识ê玫腍YPE模型，實現(xiàn)對子流域的水文變量模擬。

將模擬得到的各子流域的多年平均徑流量以及降雨量提取到子流域的中心點，利用ArcGIS空間分析工具中的反距離加權(quán)插值（IDW）方法，得到平均年徑流以及年降雨量的空間分布。圖13和圖14顯示了贛江流域年均徑流和年均降雨量的空間分布，從總體空間分布特征來看，贛江流域東部和北部的年平均徑流相對較高，西南部相對較低。結(jié)合土地利用和上下游關(guān)系，流域東部的土地利用類型以林地為主，具有較好的涵養(yǎng)水源功能，對調(diào)節(jié)徑流和涵養(yǎng)土壤水分有重要作用。東北部主要是徑流匯流區(qū)，多年平均徑流量相對較大。一般來說，植被覆蓋可以保證一定的徑流調(diào)節(jié)能力［38］。贛江流域降水量的極大值主要出現(xiàn)在東部和西部，整個區(qū)域基本呈現(xiàn)出東北部降水量較多，西南部降水量較少的分布形式。

基于子流域的角度，本文選擇了研究區(qū)的宜豐站和外洲站所在的流域進(jìn)行土壤濕度、蒸發(fā)量和地表徑流的空間分析。圖15顯示了2000～2021年贛江流域子流域的宜豐河流域出口（宜豐站）和流域總出口（外洲站）的一些主要水文變量的變化對比?？傮w而言，兩站在時間動態(tài)上呈現(xiàn)出相對一致的趨勢，外洲站所在子流域的土壤濕度比宜豐站子流域高60.52%。這主要原因有：① 由于流域特征的不同，土壤濕度與土地覆蓋類型之間存在相關(guān)性，同時外洲站的匯水面積比例要大于宜豐站［39］。② 坡度對土壤濕度也有部分影響。作為贛江流域的總出口，外洲站的海拔比宜豐站低，坡度減小，河流尺度變大［40］。外洲站所在子流域的蒸發(fā)量比宜豐站子流域低68.81%，可能是因為宜豐站所在流域的土地覆蓋類型以林地為主，多分布有常綠闊葉林，所以蒸發(fā)量較大，而外洲站相應(yīng)農(nóng)田區(qū)域的蒸發(fā)量較?。?1］。外洲站所在子流域的徑流深比宜豐站子流域高39.41%，主要原因可能是：① 外洲站位于流域的總出口，集水面積較廣，因此地表徑流較大［42］；② 宜豐站所處位置植被覆蓋率較高，水體入滲較多，地表徑流相對較少［22］。這些因素是否真正反映了研究區(qū)的這些水文變量，還需要進(jìn)一步研究和分析。

3.5流域特征水文過程差異分析

對于一個流域的降雨過程，在流域出口段形成的流量過程線由不同的水源組成。如何區(qū)分徑流的不同成分及其比例，需要將徑流分為地表徑流和基流，即基流分割。宜豐站和外洲站的水文過程不同，基流分割可以分析地表徑流和飽和地下水流對總徑流的貢獻(xiàn)以及與流域特征的關(guān)系［43］。

本文采用HYPE模型模擬方法對贛江流域宜豐站和外洲站2000～2021年的基流進(jìn)行了估算。兩站的對比結(jié)果如圖16所示，兩個基流系列變化過程都具有良好的一致性。根據(jù)基流分割，宜豐站所在流域的基流指數(shù)BFI值達(dá)到0.85，說明宜豐河流域地下水補(bǔ)給河流的比例較高，而外洲站所在流域的BFI值僅為 0.48，地表徑流占有較高比例。

近20 a來，贛江流域的年降水量呈微弱上升趨勢，而徑流和基流系列的趨勢方向也與降水的趨勢高度相關(guān)，說明基流也在一定程度上受到氣候的影響。此外，人類活動，如水利工程建設(shè)，改變了流域的下墊面條件，在一定程度上影響了徑流和基流過程［27］。

4結(jié) 論

本文通過對贛江流域水文情勢的分析以及水文模擬分析，得出以下結(jié)論：

（1） 結(jié)合贛江流域子流域宜豐站和流域總出口外洲站降雨量及徑流量的時間變異分析，揭示了贛江流域水文情勢的變化程度。結(jié)果表明：2000年以來贛江流域年徑流量呈微弱上升趨勢，流域整體水文狀況變化不大，徑流變化趨勢顯著。其中，通過線性回歸分析得到的宜豐站年均流量遞增趨勢速率為0.20 m3/s，外洲站的年均流量遞增趨勢速率為7.85 m3/s。宜豐站和外洲站的年降水量和徑流的相關(guān)系數(shù)分別為0.86和0.81，反映了徑流量和降雨量之間存在相關(guān)性。從年內(nèi)分布來看，徑流量在1～6月逐漸增加，在7～12月逐漸減少。其中宜豐站平均徑流量6月最大，為36.14 m3/s，1月最小，為8.23 m3/s；外洲站平均徑流量6月最大，為4 691.01 m3/s，1月最小，為1 028.58 m3/s。

（2） 在HYPE模型模擬徑流過程中，通過參數(shù)敏感性分析發(fā)現(xiàn)發(fā)生大孔隙流和地表徑流的土壤水含量閾值及河水流速兩參數(shù)的相對綜合敏感度最高，分別為0.017 1和0.003 8。大孔隙流和徑流期間的土壤含水量和河流流速對贛江流域的水量平衡起著關(guān)鍵作用。河流流速是描述水資源的一個重要參數(shù)，也是了解水情的重要依據(jù)。

（3） 驗證了HYPE模型在贛江大尺度流域內(nèi)長時間序列的模擬效果，外洲站率定期和驗證期Ens系數(shù)分別為0.86和0.81，確定性系數(shù)R2分別為0.93和0.91，相對誤差RE分別為-7.68%和-7.21%。分析了模型在宜豐和外洲站輸出的徑流量、土壤濕度、蒸發(fā)量以及地表徑流等水文變量的時空變化趨勢，在年尺度上，宜豐站子流域的土壤濕度、蒸發(fā)量和地表徑流的年際變化整體上呈現(xiàn)上升趨勢。在空間分布上，外洲站子流域相較于宜豐站子流域，土壤濕度高60.52%，蒸發(fā)量低68.81%，徑流深高39.41%。HYPE模型在贛江流域率定期和驗證期的徑流模擬與實測結(jié)果吻合良好，模型對贛江流域具有較強(qiáng)的適應(yīng)性。HYPE模型結(jié)構(gòu)簡單，需要率定參數(shù)較少，參數(shù)基本具有明確的物理含義，易于確定，可以應(yīng)用于大尺度流域。

（4） 基于流域徑流分割探求了不同流域尺度的水文過程差異。宜豐站所在流域的BFI值為0.85，外洲站所在流域的BFI值為0.48，反映了宜豐站所處子流域總的徑流量主要由飽和地下水貢獻(xiàn)，外洲站所處流域的總徑流量主要由地表徑流貢獻(xiàn)。

參考文獻(xiàn)：

［1］郭文獻(xiàn)，金耀廣，李越，等.近60年來氣候變化和人類活動對長江中下游水文情勢影響定量評價［J］.長江流域資源與環(huán)境，2021，30（10）：2464-2470.

［2］胡強(qiáng)，王姣，劉穎，等.水庫建設(shè)對贛江流域水沙情勢的影響［J］.人民長江，2021，52（4）：1-5.

［3］許斌，鄒磊，姚立強(qiáng)，等.長江中下游徑流情勢演變及其歸因分析［J］.人民長江，2022，53（4）：91-97.

［4］ZENG F，MA M G，DI D R，et al.Separating the impacts of climate change and human activities on runoff：a review of method and application［J］.Water，2020，12（8）：2201.

［5］張燃鋼，胡江，徐煒，等.梯級水庫群運行后寸灘枯水徑流水文變異特性研究［J］.長江流域資源與環(huán)境，2022，31（10）：2176-2185.

［6］黃彬彬，徐嫻，韋越，等.SWAT模型在贛江流域的適用性及參數(shù)敏感性［J］.南昌工程學(xué)院學(xué)報，2021，40（4）：1-7.

［7］齊飛，陳淼，王振北，等.國家水體污染控制與治理科技重大專項產(chǎn)出城鎮(zhèn)降雨徑流污染控制技術(shù)的成熟度評估及該技術(shù)體系發(fā)展中面臨的挑戰(zhàn)［J］.環(huán)境工程學(xué)報，2022，16（9）：3144-3156.

［8］賈何佳，李謝輝，文軍，等.黃河源區(qū)徑流變化模擬及未來趨勢預(yù)估［J］.資源科學(xué)，2022，44（6）：1292-1304.

［9］WEI Z，F(xiàn)ENG D P，TSAI W P，et al.From hydrometeorology to river water quality：can a deep learning model predict dissolved oxygen at the continental scale？［J］Environmental Science amp; Technology，2021，55（4）：2357-2368.

［10］黃紫旖，姜三元，高海鷹，等.鄱陽湖丘陵流域水質(zhì)時空變化及影響因素［J］.環(huán)境科學(xué)與技術(shù)，2022，45（3）：47-57.

［11］GUO W，SHAO J，OU Y S，et al.Research on runoff variation trend and hydrological situation variation in Wujiang River Basin［C］∥IOP Conference Series：Earth and Environmental Science.Bristol：IOP Publishing，2021，826（1）：012004.

［12］張康，楊明祥，梁藉，等.長江上游水庫群聯(lián)合調(diào)度下的河流水文情勢研究［J］.人民長江，2019，50（2）：107-114.

［13］RIFFAT N M，MUHAMMAD Z H.Multivariate statistical techniques for the evaluation of surface water quality of the Himalayan foothills streams，Pakistan［J］.Applied Water Science，2017，7（6）：2817-2830.

［14］PAN Z R，DENG C，WANG W G，et al.Simulating runoff and actual evapotranspiration via time-variant parameter method：the effects of hydrological model structures［J］.Journal of Hydrologic Engineering，2022，27（12）：05022020.

［15］LINDSTRM G，PERS C，ROSBERG J，et al.Development and testing of the HYPE（Hydrological Predictions for the Environment）water quality model for different spatial scales［J］.Hydrology Research，2010，41（3/4）：295-319.

［16］朱吉生，黃詩峰，李紀(jì)人，等.水文模型尺度問題的若干探討［J］.人民黃河，2015，37（5）：31-37.

［17］MINAUDO C，DUPAS R，GASCUEL-ODOUX C，et al.Seasonal and event-based concentration-discharge relationships to identify catchment controls on nutrient export regimes［J］.Water Resource，2019，131：133-139.

［18］RAHMAN K U，PHAM Q B，JADOON K Z，et al.Comparison of machine learning and process-based SWAT model in simulating streamflow in the upper Indus basin［J］.Applied Water Science，2022，12：178.

［19］朱雙，李建慶，羅顯剛，等.氣候變化和都市化雙重驅(qū)動下流域未來水文響應(yīng)［J］.人民長江，2021，52（11）：86-91，127.

［20］鄒杰平，陳明，劉友存，等.贛江上游典型流域水文情勢分析［J］.安徽農(nóng)業(yè)大學(xué)學(xué)報，2022，49（2）：313-321.

［21］郭強(qiáng)，葉許春，劉佳，等.土地利用變化對流域水文過程時空分異的影響：以贛江流域為例［J］.長江流域資源與環(huán)境，2020，29（12）：2747-2759.

［22］HUANG Y P，LIU W L，WU B，et al.Climate change in Ganjiang River Basin and its impact on runoff［C］∥IOP Conference Series：Materials Science and Engineering.Bristol：IOP Publishing，2020，964（1）：012008.

［23］劉健，張奇.一個新的分布式水文模型在鄱陽湖贛江流域的驗證［J］.長江流域資源與環(huán)境，2009，18（1）：19-26.

［24］BERGSTRAND M，ASP S S，LINDSTRM G.Nationwide hydrologicalstatistics for Sweden with high resolution using the hydrological model S-HYPE［J］.Hydrology Research，2014，45（3）：349-356.

［25］MANISH M.Rainfall statistical trend and variability detection using Mann-Kendall test，sen′s slope and coefficient of variance-a case study of Udaipur District（1957-2016）［J］.Applied Ecology and Environmental Sciences，2020，8（1）：34-37.

［26］劉元波，張奇，劉健，等.鄱陽湖流域氣候水文過程及水環(huán)境效應(yīng)［M］.北京：科學(xué)出版社，2012．

［27］甘容，徐孟莎，左其亭.伊洛河流域基流分割及其時空變化特征［J］.資源科學(xué)，2022，44（9）：1824-1834.

［28］JIANG，S Y，ZHANG，Q，WERNER A D，et al.Effects of stream nitrate data frequency on watershed model performance and prediction uncertainty［J］.Journal of Hydrology，2019，569：22-36.

［29］王珍.鄱陽湖流域樂安江懸浮物與含沙量時空變化研究［D］.南京：東南大學(xué)，2014.

［30］BAHREMAND A，DE SMEDT F.Distributed hydrological modeling and sensitivity analysis in Torysa Watershed，Slovakia［J］.Water Resources Management，2008，22（3）：393-408.

［31］BAHREMAND A，DE SMEDT F.Predictive analysis and simulation uncertainty of a distributed hydrological model［J］.Water Resources Management，2010，24（12）：2869-2880.

［32］劉衛(wèi)林，吳濱，李香，等.贛江流域不同等級降水變化特征及其與大尺度氣候相關(guān)性研究［J］.長江流域資源與環(huán)境，2022，31（3）：659-672.

［33］高朝俠，徐學(xué)選，趙嬌娜，等.土壤大孔隙流研究現(xiàn)狀與發(fā)展趨勢［J］.生態(tài)學(xué)報，2014，34（11）：2801-2811.

［34］JIANG S Y，RODE P D M.Hydrological water quality modelling of nested meso scale catchments［D］.Braunschweig：Technical University Carolo-Wilhelmina，2014.

［35］YI B，CHEN L，ZHANG H S，et al.A time-varying distributed unit hydrograph method considering soil moisture［J］.Hydrology and Earth System Sciences，2022，26（20）：5269-5289.

［36］劉健，張奇，許崇育，等.近50年鄱陽湖流域?qū)嶋H蒸發(fā)量的變化及影響因素［J］.長江流域資源與環(huán)境，2010，19（2）：139-145.

［37］祁雪姣，楊穎，韓傳楠，等.氣候變化對長江源區(qū)地表徑流的影響［J］.南京師大學(xué)報（自然科學(xué)版），2022，45（4）：81-90.

［38］肖建勇，周德全，白曉永，等.四川省植被覆蓋時空演變及未來變化趨勢分析［J］.人民長江，2018，49（5）：16-21.

［39］陳少丹，張利平，閃麗潔，等.長江中下游流域土壤濕度遙感反演研究及其影響因素分析［J］.應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報，2017，25（4）：657-669.

［40］吳娜，石培基，朱國鋒，等.長江流域土壤相對濕度變化及其影響因素［J］.長江流域資源與環(huán)境，2017，26（7）：1001-1010.

［41］秦曉晨，戴志健，陳興鵑，等.1981～2019年鄱陽湖流域潛在蒸散變化特征及氣候成因分析［J］.農(nóng)業(yè)工程學(xué)報，2021，37（7）：94-102.

［42］GUO W X，HU J W，WANG H X.Analysis of runoff variation characteristics and influencing factors in the Wujiang River Basin in the past 30 years［J］.International Journal of Environmental Research and Public Health，2021，19（1）：372.

［43］黃珊珊，董前進(jìn).長江流域上中下游基流演變規(guī)律及與降水量關(guān)聯(lián)分析［J］.水電能源科學(xué)，2022，40（7）：10-13.

（編輯：謝玲嫻）