摘要：進(jìn)入21世紀(jì)以來，受氣候變化與人類活動(dòng)因素疊加影響，鄱陽湖退水時(shí)間提前、枯水期延長(zhǎng)、水位降低等問題頻發(fā)，呈現(xiàn)出常態(tài)化、趨勢(shì)化特征，給鄱陽湖湖區(qū)生產(chǎn)生活帶來巨大挑戰(zhàn)。運(yùn)用趨勢(shì)檢驗(yàn)及突變檢驗(yàn)的方法分析鄱陽湖湖區(qū)1989～2020年5個(gè)水文站（星子、棠蔭、康山、都昌和湖口）年均水位的變化趨勢(shì)；耦合可細(xì)化人類活動(dòng)影響的PCR-GLOBWB（PCRaster Global Water Balance）模型與可預(yù)測(cè)時(shí)間序列的LSTM長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)模型，結(jié)合IHA/RVA法，量化氣候變化與人類活動(dòng)對(duì)鄱陽湖的影響。結(jié)果表明：受人類活動(dòng)影響，鄱陽湖水位呈現(xiàn)下降趨勢(shì)，在2003年鄱陽湖水位發(fā)生顯著變異，同時(shí)，鄱陽湖水位整體改變度由低度改變上升到中度改變。以星子站為例，人類活動(dòng)是鄱陽湖水文情勢(shì)變化的主要驅(qū)動(dòng)因素，貢獻(xiàn)率達(dá)110.62%，氣候變化對(duì)其貢獻(xiàn)率僅為-10.62%。研究成果可為鄱陽湖的水資源科學(xué)管理調(diào)控提供依據(jù)。

關(guān) 鍵 詞：水文情勢(shì)； 氣候變化； 人類活動(dòng)； LSTM； PCR-GLOBWB； IHA； RVA； 鄱陽湖

中圖法分類號(hào)： P333

文獻(xiàn)標(biāo)志碼： A

DOI：10.16232/j.cnki.1001-4179.2024.11.016

0 引 言

鄱陽湖作為中國(guó)第一大淡水湖，也是長(zhǎng)江中下游自然漲落的通江湖泊，在流域內(nèi)發(fā)揮著調(diào)蓄洪水、保持水土、調(diào)節(jié)氣候的作用^［1-4］。然而，近年來，隨著人類活動(dòng)的增強(qiáng)，特別是三峽水庫(kù)運(yùn)行后，鄱陽湖水位顯著下降，鄱陽湖水文節(jié)律發(fā)生變化^［5-7］。這種水文情勢(shì)變化可歸因?yàn)闅夂蜃兓c人類活動(dòng)兩種因素的作用，因此，研究?jī)煞N因素對(duì)水文變量與環(huán)境之間關(guān)系的影響是加強(qiáng)湖泊水情預(yù)警、提高防御自然災(zāi)害能力的重要前提^［8］。20世紀(jì)90年代美國(guó)學(xué)者Richter等^［9］提出河道水文情勢(shì)變化的指標(biāo)體系IHA（indicators of hydrologic alteration）及變化范圍法RVA（range of variability approach），IHA/RVA法不僅能描述湖泊或河流的流量和水位變化的全局特征，還能將各水文指標(biāo)與環(huán)境之間建立起聯(lián)系，后被廣泛運(yùn)用于河流或湖泊水文情勢(shì)研究中。黃峰等^［10］通過分析選定的IHA指標(biāo)，發(fā)現(xiàn)三峽水庫(kù)運(yùn)行后對(duì)鄱陽湖枯水期的水文情勢(shì)影響較為顯著。郭強(qiáng)等^［11］通過IHA/RVA法研究發(fā)現(xiàn)鄱陽湖水位異常及其空間差異與采砂導(dǎo)致的湖盆地形變化密切相關(guān)。

氣候變化通過降水的時(shí)空變化影響徑流過程的時(shí)空變化，如降水減少導(dǎo)致地表徑流減少，進(jìn)而導(dǎo)致河道內(nèi)水位下降。而人類活動(dòng)通過灌溉、水庫(kù)調(diào)節(jié)等影響徑流過程，如水庫(kù)通過蓄泄水，發(fā)揮蓄豐補(bǔ)枯的作用。通過人為改變水資源的時(shí)空分布特征，對(duì)流域地表徑流產(chǎn)生影響，進(jìn)而對(duì)湖泊水位造成影響^［12］。由于人類科學(xué)技術(shù)的進(jìn)步，全球氣候變化和人類活動(dòng)的加劇對(duì)流域內(nèi)水文變化過程的干擾程度也隨之增加^［13-14］，如何量化氣候變化與人類活動(dòng)對(duì)湖泊水文變化過程的影響也逐漸受到重視。Sutanudjaja等^［15］開發(fā)的PCR-GLOBWB模型將水資源利用和水庫(kù)運(yùn)行完全整合到降雨徑流過程中，可以細(xì)化自然情景（不考慮人類活動(dòng)）與考慮不同人類活動(dòng)影響情景下的水文過程^［16］，為定量研究氣候變化與人類活動(dòng)對(duì)湖泊水位的影響提供了平臺(tái)。

人工神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的非線性能力，能無限逼近任意函數(shù)，在水位預(yù)測(cè)中能通過數(shù)據(jù)間的潛在聯(lián)系進(jìn)行數(shù)據(jù)預(yù)估，進(jìn)而避免眾多參數(shù)的選取及校正，因此在時(shí)間序列預(yù)測(cè)中得到廣泛應(yīng)用。隨著機(jī)器學(xué)習(xí)方法在水文預(yù)測(cè)方面技術(shù)的不斷完善，遞歸神經(jīng)網(wǎng)絡(luò)的出現(xiàn)有效解決了長(zhǎng)距離依賴問題^［17］；隨后Hochreiter^［18］、Gers^［19］等分別提出和完善LSTM（long short term memory）模型，解決了機(jī)器學(xué)習(xí)中梯度消失或梯度爆炸問題，并在水文預(yù)測(cè)領(lǐng)域得到了廣泛應(yīng)用^［20-22］。

已有的關(guān)于湖泊水文情勢(shì)變化的研究主要是利用實(shí)測(cè)數(shù)據(jù)通過IHA/RVA法分析突變時(shí)間點(diǎn)前后各水位指標(biāo)的變化，較少將其與機(jī)器學(xué)習(xí)及水文模型結(jié)合起來，分離研究氣候變化與人類活動(dòng)對(duì)湖泊水文情勢(shì)的影響。因此，本研究基于耦合的PCR-GLOBWB模型與LSTM模型，模擬自然情景與人類活動(dòng)情景下的湖泊水位，定量評(píng)估氣候變化與人類活動(dòng)對(duì)鄱陽湖湖泊水位影響的差異。

1 研究區(qū)概況

鄱陽湖地處江西省北部，坐標(biāo)為24°29′14″ N～30°4′41″ N、113°34′36″ E～118°28′58″ E，承接贛江、撫河、信江、饒河、修水五河來水，最終通過湖口調(diào)蓄匯入長(zhǎng)江干流（圖1）。

隨著鄱陽湖流域經(jīng)濟(jì)與人口的增長(zhǎng)，近年來流域平均用水量已達(dá)234億m³，其中農(nóng)業(yè)用水占比最高，達(dá)155億m3^［23］。同時(shí)，為應(yīng)對(duì)鄱陽湖旱澇問題，截至2022年，江西省水庫(kù)數(shù)量已達(dá)1萬余座^［24］，其中大部分分布在鄱陽湖入湖五河上，如贛江萬安、峽江水庫(kù)，撫河洪門、廖坊水庫(kù)，修水大塅、柘林水庫(kù)等已是鄱陽湖流域水庫(kù)群的重要組成部分。

鄱陽湖是一個(gè)典型的吞吐型湖泊，在湖體上呈現(xiàn)南部寬淺、北部窄深的地理特征。由于降水季節(jié)性差異與湖泊地形的影響，鄱陽湖水位豐枯季節(jié)差異非常大^［25］，呈現(xiàn)“豐水一片，枯水一線”的景觀^［26］：在豐水期4～9月降雨充沛，此時(shí)湖泊淹沒面積可達(dá)3 000 km²以上；而在枯水期10月至次年3月由于降水少，在這一時(shí)期湖泊淹沒面積甚至低于1 000 km^2［27-28］。

2 研究數(shù)據(jù)與方法

2.1 研究數(shù)據(jù)

本研究收集的數(shù)據(jù)包括：鄱陽湖5條入湖河流（贛江、撫河、信江、饒河和修水）的7個(gè)水文站（外洲站、李家渡站、梅港站、渡峰坑站、虎山站、萬家埠站和虬津站）1989～2020年日流量數(shù)據(jù)；長(zhǎng)江干流九江站1989～2020年日流量數(shù)據(jù)；鄱陽湖湖區(qū)5個(gè)主要水文站（星子站、棠蔭站、康山站、都昌站和湖口站）1989～2020年日水位數(shù)據(jù)，以上數(shù)據(jù)均來源于水文年鑒。

PCR-GLOBWB模型所需輸入數(shù)據(jù)及參數(shù)有：地形參數(shù)、每層土壤根系分?jǐn)?shù)、上下層土壤儲(chǔ)存參數(shù)、土地覆被分?jǐn)?shù)、Arno方案指數(shù)（定義土壤水容量分布）、物候相關(guān)參數(shù)、地下水參數(shù)、氣象驅(qū)動(dòng)數(shù)據(jù)（日氣象觀測(cè)資料，其中氣溫與降水?dāng)?shù)據(jù)均來源于中國(guó)氣象局國(guó)家氣候中心，使用反距離權(quán)重法將這些數(shù)據(jù)插值到10 km網(wǎng)格中）、單元土壤最低（最高）水儲(chǔ)量與上下層總水儲(chǔ)量比值以及其他數(shù)據(jù)。關(guān)于模型輸入數(shù)據(jù)和參數(shù)用途，詳見文獻(xiàn)［15］。

2.2 研究方法

2.2.1 PCR-GLOBWB模型

PCR-GLOBWB模型是一個(gè)基于網(wǎng)格的高分辨率（在赤道約10 km×10 km）大尺度全球水文水資源模型，通過對(duì)可用淡水量與人類用水需求的模擬，對(duì)全球的水資源進(jìn)行評(píng)估。該模型不僅具有高空間分辨率的輸入?yún)?shù)^［29］，而且還具有模塊化、可移植、方便維護(hù)的優(yōu)點(diǎn)^［28］。其內(nèi)部主要分為：氣象驅(qū)動(dòng)模塊、地表模塊、地下水模塊、灌溉和用水模塊、水庫(kù)調(diào)節(jié)模塊以及匯流模塊，能依據(jù)使用者的需求針對(duì)不同模型系統(tǒng)對(duì)模塊進(jìn)行改進(jìn)與完善。該模型不僅可以通過氣象要素模擬自然條件下的水文循環(huán)過程，而且還能結(jié)合灌溉、用水（包括家庭、工業(yè)及牲畜用水）及水庫(kù)調(diào)節(jié)模塊模擬人類活動(dòng)參與下的水文過程^［30］，借此進(jìn)行自然情景與人類活動(dòng)情景下的水文過程模擬，目前在全球與區(qū)域尺度上均已得到廣泛應(yīng)用^{［15，31-35］}。

灌溉模塊：使用來源于聯(lián)合國(guó)糧食及農(nóng)業(yè)組織提供的數(shù)據(jù)來計(jì)算每月的總灌溉面積等。該模塊在缺水情況下啟動(dòng)，基于地表和土壤中的水分平衡來模擬灌溉用水過程。此外，PCR-GLOBWB模型依據(jù)灌溉效率計(jì)算水資源損失量來模擬灌區(qū)的蒸散發(fā)。上述內(nèi)容反映了灌溉對(duì)地表徑流及土壤水分的補(bǔ)給過程。

用水模塊：家庭用水需求是通過網(wǎng)格中的人口數(shù)與區(qū)域內(nèi)的人均生活用水需求計(jì)算得到；工業(yè)用水需求根據(jù)Shiklomanov^［36］、Vrsmarty^［37］等的研究進(jìn)行計(jì)算。牲畜用水需求計(jì)算與家庭用水需求計(jì)算類似，利用網(wǎng)格中的牲畜密度與牲畜用水配額得到；該模塊能夠反映在人類水資源管理過程中的取用水、回流及田間滲漏等過程。

水庫(kù)調(diào)節(jié)模塊：PCR-GLOBWB模型包含全球7 000個(gè)左右?guī)烊荽笥?.1 km³的水庫(kù)，依據(jù)水庫(kù)建造時(shí)間從全球水庫(kù)數(shù)據(jù)集（Global Reservoir and Dam Database，GRanD）中的數(shù)據(jù)逐步引入水庫(kù)數(shù)據(jù)。模型中水庫(kù)的運(yùn)行與防洪、發(fā)電、航運(yùn)等功能密切相關(guān)，與當(dāng)?shù)卣{(diào)度方案存在動(dòng)態(tài)聯(lián)系，需要滿足當(dāng)?shù)嘏c下游用水需求^［38］。

2.2.2 PCR-GLOBWB與LSTM模型耦合

LSTM模型，即長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)模型，相較于一般的循環(huán)神經(jīng)網(wǎng)絡(luò)模型，能夠利用遺忘門、輸入門和輸出門組成的記憶單元，有選擇性的記憶有用的信息或遺忘無用的信息，從而提高神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)長(zhǎng)序列信息的效率^［39］。

本研究通過鄱陽湖5條入湖河流7個(gè)水文站（以下簡(jiǎn)稱“五河七口”）的流量數(shù)據(jù)與鄱陽湖水位觀測(cè)數(shù)據(jù)，構(gòu)建突變前后的LSTM模型。為評(píng)價(jià)LSTM模型模擬的精度，使用納什系數(shù)（NSE）、皮爾遜相關(guān)系數(shù)（R）和均方根誤差（RMSE）^［40-41］比較實(shí)測(cè)數(shù)據(jù)與模型模擬數(shù)據(jù)。NSE與R越接近于1、RMSE越接近于0，模型模擬效果越好。

為耦合PCR-GLOBWB模型與LSTM模型，本研究進(jìn)行了兩次實(shí)驗(yàn)：第一次打開人類取用水模塊（包括家庭、工業(yè)、灌溉與牲畜用水）及水庫(kù)模塊，模擬人類活動(dòng)影響下的水文過程；第二次情景建立在第一次完成參數(shù)校準(zhǔn)的基礎(chǔ)上，區(qū)別在于該情景與人類活動(dòng)有關(guān)的模塊全部關(guān)閉，模擬自然情景下的水文過程。

基于PCR-GLOBWB模型分別模擬出自然情景與人類活動(dòng)情景下，1989～2020年的五河七口水文站的流量數(shù)據(jù)，并輸入LSTM模型分別預(yù)測(cè)鄱陽湖湖區(qū)5個(gè)水文站的水位數(shù)據(jù)，其中，兩種情景下的數(shù)據(jù)輸入輸出關(guān)系為：將PCR-GLOBWB模型模擬的自然情景下的五河七口流量數(shù)據(jù)輸入突變發(fā)生前的LSTM模型，得到自然情景下鄱陽湖湖區(qū)水位；將PCR-GLOBWB模型模擬的人類活動(dòng)情景下的五河七口流量數(shù)據(jù)輸入突變發(fā)生后的LSTM模型，得到人類活動(dòng)情景下鄱陽湖湖區(qū)水位。

2.2.3 IHA/RVA法

水文指標(biāo)體系IHA用于定量評(píng)價(jià)河流或湖泊水文情勢(shì)變化?；谘芯磕康募佰蛾柡蛔兓^程，本研究?jī)H選取IHA中的32個(gè)指標(biāo)評(píng)估鄱陽湖湖區(qū)水文節(jié)律變化（表1）^［42］，各指標(biāo)生態(tài)效應(yīng)參照IHA軟件使用手冊(cè)^［43］。

本研究以基準(zhǔn)期的IHA各項(xiàng)指標(biāo)的25%分位數(shù)與75%分位數(shù)作為RVA閾值，計(jì)算每項(xiàng)指標(biāo)的水文改變度，并通過多個(gè)指標(biāo)的改變度計(jì)算該位置處湖泊水位整體改變度，計(jì)算公式如下：

Ai=|ei-e0e0|×100%

（1）

A0=13232i=1A2i

（2）

式中：Ai表示第i個(gè)水位指標(biāo)的水文改變度；ei為水文序列發(fā)生變異后第i個(gè)水位指標(biāo)值在25%～75%之間RVA閾值內(nèi)的預(yù)期年數(shù)；e₀為落在RVA閾值內(nèi)的實(shí)際年數(shù)；A0為該位置處湖泊水位整體改變度，其中0≤|A₀|＜33%為低度改變，33%≤|A₀|＜67%為中度改變，67%≤|A₀|≤100%為高度改變。

2.2.4 氣候變化與人類活動(dòng)對(duì)水位指標(biāo)影響的定量計(jì)算

本研究運(yùn)用M-K（Mann-Kendall）趨勢(shì)檢驗(yàn)法^［44-45］進(jìn)行趨勢(shì)檢驗(yàn)，采用差積曲線-秩聯(lián)合識(shí)別法^［46］進(jìn)行突變檢驗(yàn)。結(jié)合兩者分析鄱陽湖水位變異特征，將研究時(shí)段劃分為受人類活動(dòng)影響較小的基準(zhǔn)期和受人類活動(dòng)影響較大的變化期。

PCR-GLOBWB模型通過打開對(duì)應(yīng)水庫(kù)、灌溉和取用水模塊來模擬人類活動(dòng)參與下的水文過程，關(guān)閉對(duì)應(yīng)模塊模擬僅受氣候變化影響的水文過程，兩種情景的差異可被視為人類活動(dòng)的影響。基于PCR-GLOBWB與LSTM模型耦合模擬的數(shù)據(jù)，模擬自然情景下基準(zhǔn)期與變化期水位差異可被解釋為氣候變化的影響；鄱陽湖實(shí)測(cè)數(shù)據(jù)與模型模擬的自然情景下水位差異可被解釋為人類活動(dòng)的影響。

然而，氣候變化與人類活動(dòng)是相互影響、相互作用的，很難完全區(qū)分人類活動(dòng)和天然氣候因素引起的水位變化^［47-48］。模型模擬的水文過程與實(shí)際水文過程始終有所差異，這些差異源于模型的簡(jiǎn)化假設(shè)、參數(shù)和數(shù)據(jù)的不確定性，以及模型的適用性和外部影響因素的限制等，故只能在一定目標(biāo)下模擬水文過程。

因此，本研究假設(shè)氣候變化與人類活動(dòng)相互獨(dú)立，基于模型模擬結(jié)果和實(shí)測(cè)數(shù)據(jù)的對(duì)比，量化氣候變化與人類活動(dòng)對(duì)鄱陽湖水位影響的貢獻(xiàn)率，計(jì)算公式如下：

ΔXc=ΔX2，s-ΔX1，s

（3）

ΔX=ΔX_2，o-ΔX_1，o

（4）

ΔXh=ΔX-ΔXc

（5）

Ic=ΔXcΔX×100%

（6）

Ih=ΔXhΔX×100%

（7）

式中：ΔX_c與ΔX_h分別為氣候變化與人類活動(dòng)下水位指標(biāo)變化值；ΔX_2，s與ΔX_1，s分別為變化期與基準(zhǔn)期模型模擬的自然情景水位指標(biāo)值；ΔX_2，o與ΔX_1，o分別為變化期與基準(zhǔn)期依據(jù)實(shí)測(cè)數(shù)據(jù)計(jì)算出的水位指標(biāo)值；I_c與I_h分別為氣候變化與人類活動(dòng)的貢獻(xiàn)率。

3 結(jié)果與討論

3.1 鄱陽湖水位變異特征分析

對(duì)1989～2020年鄱陽湖流域降水?dāng)?shù)據(jù)進(jìn)行分析：利用M-K趨勢(shì)檢驗(yàn)發(fā)現(xiàn)鄱陽湖流域年平均降水量呈現(xiàn)顯著增加的趨勢(shì)（M-K統(tǒng)計(jì)量為4.07）。由Pettitt突變檢驗(yàn)（顯著性水平取0.05）得出鄱陽湖流域年降水序列在2004年發(fā)生顯著變異。

在1989～2020年，鄱陽湖1998年年均水位最高（圖2），這與1998年長(zhǎng)江流域發(fā)生大洪水相關(guān)^［49］。M-K檢驗(yàn)計(jì)算結(jié)果顯示湖區(qū)5個(gè)水文站水位在1989～2020年間出現(xiàn)顯著下降的趨勢(shì)，且通過了90%的趨勢(shì)性檢驗(yàn)。湖口站、都昌站和星子站在2009年之后的年均水位差異不大（圖3）。依據(jù)鄭永超^［50］、江豐^［51］等的研究，推測(cè)是由于鄱陽湖湖盆地形的變化導(dǎo)致的，從星子到都昌地區(qū)，地形逐漸平坦，該地區(qū)的水位差異較小。

經(jīng)計(jì)算，大多數(shù)站點(diǎn)的突變年份為2003年，只有康山站突變點(diǎn)為2002年（圖3）。2003年三峽水庫(kù)開始蓄水運(yùn)行，對(duì)長(zhǎng)江干流的影響傳遞到鄱陽湖，進(jìn)而導(dǎo)致鄱陽湖2003年前后水文情勢(shì)發(fā)生變化^［52-53］。由于康山站與長(zhǎng)江干流的距離相對(duì)較遠(yuǎn)，受到三峽水庫(kù)的影響相比其他站點(diǎn)小^［54］，故水位突變年份也與其他站點(diǎn)不同。同時(shí)根據(jù)楊肖麗等^［30］的研究，在2003年三峽水庫(kù)建成前三峽水庫(kù)下游代表站宜昌站在自然情景與人類活動(dòng)情景下的徑流模擬結(jié)果差別不大，而2003年6月三峽水庫(kù)開始蓄水后，自然情景與人類活動(dòng)情景下徑流模擬結(jié)果有著顯著差異。因此，本研究將2003年確定為鄱陽湖水位突變年份，將1989～2020年劃分為基準(zhǔn)期（1989～2002年）與變化期（2003～2020年），分析變化期內(nèi)氣候變化與人類活動(dòng)對(duì)鄱陽湖水文情勢(shì)的影響。

3.2 鄱陽湖水文情勢(shì)變化歸因分析

3.2.1 模型精度評(píng)估

將PCR-GLOBWB模型模擬的人類活動(dòng)情景下鄱陽湖流域外洲、李家渡、梅港、渡峰坑、虎山、萬家埠、虬津、九江站的月徑流量數(shù)據(jù)與實(shí)測(cè)數(shù)據(jù)之間的納什系數(shù)NSE、皮爾遜相關(guān)系數(shù)R比較。結(jié)果顯示：在8個(gè)水文站中，有7個(gè)NSE值達(dá)到0.90以上，虬津站略低（0.80）。6個(gè)水文站R值超過0.80，虬津站（0.62）和萬家埠站（0.73）R值略低，但都超過0.60，表明模擬自然情景數(shù)據(jù)可用于后續(xù)研究。

以2003年為界，將數(shù)據(jù)集劃分為三峽水庫(kù)運(yùn)行前（1989～2002年）、三峽水庫(kù)運(yùn)行后（2004～2017年）兩個(gè)時(shí)段。經(jīng)計(jì)算，三峽水庫(kù)運(yùn)行前后NSE與R均達(dá)到0.98以上，RMSE不超過0.16 m，構(gòu)建的LSTM模型模擬精度滿足研究需要（表2和圖4～5）。

3.2.2 鄱陽湖水文情勢(shì)變化分析

以LSTM模型得到的5個(gè)水文站1989～2020年自然情景下水位數(shù)據(jù)與實(shí)測(cè)數(shù)據(jù)為基礎(chǔ)，進(jìn)行32個(gè)水位指標(biāo)的分析（表3與圖6）。在氣候變化的影響下，5個(gè)水文站水文序列|A₀|不超過32%，屬低度改變；而在人類活動(dòng)的參與下，2003年后整體水文改變度在40%～56%之間，上升到中度改變。都昌站在人類活動(dòng)影響下整體水文改變度較大，達(dá)31.19%，推測(cè)與該地生態(tài)系統(tǒng)脆弱，易受到人類活動(dòng)影響有關(guān)。這與郭強(qiáng)等^［11］的研究相符，鄱陽湖水位在湖泊中部的都昌站受人類活動(dòng)影響最大；由湖區(qū)中心擴(kuò)散，由南向北湖區(qū)受人類活動(dòng)的影響逐漸降低。

星子站由于其所處位置受五河入流與長(zhǎng)江干流影響較小，相比于其他站點(diǎn)能更好地代表鄱陽湖水位的變化特征^{［52，55］}。為進(jìn)一步研究氣候變化與人類活動(dòng)對(duì)鄱陽湖水位各水位指標(biāo)的影響程度，以星子站為例進(jìn)行分析（表4）：氣候變化對(duì)星子站6月中值水位、10月中值水位、高脈沖歷時(shí)、漲水率、逆轉(zhuǎn)次數(shù)影響顯著，對(duì)應(yīng)的貢獻(xiàn)率分別為-147.83%，-105.60%，-105.31%，-100.00%，-200.00%，對(duì)應(yīng)的人類活動(dòng)影響的貢獻(xiàn)率為247.83%，205.60%，205.31%，200.00%，300.00%，氣候變化對(duì)星子站水位貢獻(xiàn)率平均為-10.62%，人類活動(dòng)的貢獻(xiàn)率為110.62%。由于氣候變化與人類活動(dòng)對(duì)鄱陽湖水位的影響不一定同向影響，所以在最終計(jì)算中貢獻(xiàn)率會(huì)出現(xiàn)超過100%且有正負(fù)的結(jié)果。大多數(shù)指標(biāo)計(jì)算結(jié)果表明，星子站人類活動(dòng)的貢獻(xiàn)率高于氣候變化，表明人類活動(dòng)是影響鄱陽湖水文情勢(shì)變化的主要驅(qū)動(dòng)因素。

湖泊水文情勢(shì)變化對(duì)周圍濕地植被組成分布、水生生物與候鳥的棲息和繁衍等具有重要影響。針對(duì)鄱陽湖近年來出現(xiàn)的問題，本文研究發(fā)現(xiàn)，人類活動(dòng)的影響占據(jù)主導(dǎo)地位，且湖區(qū)不同位置所受到的影響有所差異。因此，對(duì)于鄱陽湖問題的處理，需要分區(qū)域進(jìn)行調(diào)查，制定合理的管理措施。

4 結(jié) 論

本研究基于1989～2020年鄱陽湖流域五河七口流量數(shù)據(jù)、長(zhǎng)江干流流量數(shù)據(jù)和湖區(qū)5個(gè)水文站水位數(shù)據(jù)，分析鄱陽湖水位的變化趨勢(shì)。通過構(gòu)建的鄱陽湖區(qū)PCR-GLOBWB模型與LSTM模型，得到自然情景下與人類活動(dòng)影響下鄱陽湖湖區(qū)IHA水位指標(biāo)，反映氣候變化與人類活動(dòng)影響下的鄱陽湖水文情勢(shì)變化特征。在氣候變化與人類活動(dòng)相互獨(dú)立的條件下，結(jié)論如下：

（1） 1989～2020年星子站、棠蔭站、康山站、都昌站、湖口站水位都有顯著的下降，其中湖口站、都昌站、星子站從2009年開始年均水位差異不大。

（2） 鄱陽湖湖區(qū)5個(gè)水文站在氣候變化情況下2003年后湖泊水文整體改變度為低度改變（不超過32%），而在人類活動(dòng)的影響下上升到高度改變（40%～56%）。

（3） 在IHA指標(biāo)分析中，人類活動(dòng)是鄱陽湖水文情勢(shì)變化的主要驅(qū)動(dòng)因素，人類活動(dòng)貢獻(xiàn)率達(dá)110.62%，氣候變化貢獻(xiàn)率僅-10.62%。

近年來，鄱陽湖流域極端干旱災(zāi)害發(fā)生越發(fā)頻繁，研究短期內(nèi)水庫(kù)修建等人類活動(dòng)與長(zhǎng)期氣候變化引起的水文節(jié)律變化，將是鄱陽湖流域生態(tài)水文方面的重點(diǎn)。

參考文獻(xiàn)：

［1］ 陳璐，鄧金運(yùn).長(zhǎng)江-鄱陽湖頂托作用評(píng)價(jià)指標(biāo)研究［J］.人民長(zhǎng)江，2024，55（1）：1-5，20.

［2］ 胡春宏，張雙虎.長(zhǎng)江經(jīng)濟(jì)帶水安全保障與水生態(tài)修復(fù)策略研究［J］.中國(guó)工程科學(xué)，2022，24（1）：166-175.

［3］ 游中瓊，袁迪，李昌文.五河控制性水庫(kù)對(duì)鄱陽湖枯水期水文情勢(shì)的影響［J］.人民長(zhǎng)江，2021，52（3）：53-57.

［4］ 遲殿委，黃琪，劉麗貞，等.基于PCA-MIC-LSTM的碟形湖溶解氧含量預(yù)測(cè)模型研究［J］.人民長(zhǎng)江，2022，53（6）：54-60.

［5］ 李振旗，程和琴，李紀(jì)人，等.鄱陽湖環(huán)湖灌區(qū)枯季缺水量分析及對(duì)策建議［J］.湖泊科學(xué)，2022，34（2）：601-618.

［6］ 陳旻坤，徐昔保.近30年來鄱陽湖生態(tài)系統(tǒng)服務(wù)變化［J］.湖泊科學(xué)，2021，33（1）：309-318.

［7］ 邴建平，鄧鵬鑫，張冬冬，等.三峽水庫(kù)運(yùn)行對(duì)鄱陽湖江湖水文情勢(shì)的影響［J］.人民長(zhǎng)江，2020，51（3）：87-93.

［8］ 周樂，王瑞，江善虎，等.生態(tài)相關(guān)水文指標(biāo)的優(yōu)選及其演變歸因分析［J］.生態(tài)學(xué)報(bào)，2022，42（17）：7068-7079.

［9］ RICHTER B D，BAUMGARTNER J V，POWELL J，et al.A method for assessing hydrologic alteration within ecosystems［J］.Conservation Biology，1996，10（4）：1163-1174.

［10］黃峰，吳瑤，曾天山，等.三峽水庫(kù)運(yùn)行后鄱陽湖水文情勢(shì)變化特征［J］.水電能源科學(xué)，2017，35（6）：35-37.

［11］郭強(qiáng)，孟元可，樊龍鳳，等.基于IHA/RVA法的近年來鄱陽湖生態(tài)水位變異研究［J］.長(zhǎng)江流域資源與環(huán)境，2019，28（7）：1691-1701.

［12］劉劍宇，張強(qiáng)，鄧曉宇，等.氣候變化和人類活動(dòng)對(duì)鄱陽湖流域徑流過程影響的定量分析［J］.湖泊科學(xué)，2016，28（2）：432-443.

［13］康元品，馬杰，郭留鋒.長(zhǎng)江流域最嚴(yán)格水資源管理制度考核實(shí)踐研究［J/OL］.水利水電快報(bào)，1-8［2024-11-12］.http：//kns.cnki.net/kcms/detail/42.1142.TV.20241108.1131.002.html.

［14］江善虎，王孟浩，崔豪，等.人類活動(dòng)對(duì)水文干旱影響的量化評(píng)估方法［J］.黑龍江大學(xué)工程學(xué)報(bào)，2022，13（4）：1-10.

［15］SUTANUDJAJA E H，BEEK R V，WANDERS N，et al.PCR-GLOBWB 2：a 5 arcmin global hydrological and water resources model［J］.Geoscientific Model Development，2018，11（6）：2429-2453.

［16］CHENG H，WANG W，VAN OEL PR，et al.Impacts of different human activities on hydrological drought in the Huaihe River Basin based on scenario comparison［J］.Journal of Hydrology：Regional Studies，2021，37：909.

［17］唐鳴，雷曉輝，龍巖，等.基于長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)（LSTM）的南水北調(diào)中線水位預(yù)測(cè)［J］.中國(guó)農(nóng)村水利水電，2020（10）：189-193.

［18］HOCHREITER S，SCHMIDHUBER J.Long short-term memory［J］.Neural Computation，1997，9（8）：1735-1780.

［19］GERS F A，SCHMIDHUBER J，CUMMINS F.Learning to forget：continual prediction with LSTM［J］.Neural Computation，2000，12（10）：2451-2471.

［20］崔巍，顧冉浩，陳奔月，等.BP與LSTM神經(jīng)網(wǎng)絡(luò)在福建小流域水文預(yù)報(bào)中的應(yīng)用對(duì)比［J］.人民珠江，2020，41（2）：74-84.

［21］FANG Z，WANG Y，PENG L，et al.Predicting flood susceptibility using LSTM neural networks［J］.Journal of Hydrology，2021，594：125734.

［22］XIANG Z，YAN J，DEMIR I.A rainfall-runoff model with LSTM-based sequence-to-sequence learning［J］.Water Resources Research，2020，56（1）：e2019WR025326.

［23］陳璐，鄧金運(yùn).長(zhǎng)江-鄱陽湖頂托作用評(píng)價(jià)指標(biāo)研究［J］.人民長(zhǎng)江，2024，55（1）：1-5，20.

［24］雷聲，全智平，王能耕.2022年江西省極端干旱回顧與思考［J］.中國(guó)防汛抗旱，2023，33（4）：1-6.

［25］WANG W，YANG P，XIA J，et al.Characterizing water body changes in Poyang lake using multi-source remote sensing data［J］.Environmental Development，2023，48：100909.

［26］戴志健，夏玲君，孔萍，等.近20年鄱陽湖水體面積變化遙感監(jiān)測(cè)與分析［J］.氣象與減災(zāi)研究，2021，44（2）：127-132.

［27］FENG L，HU C，CHEN X，et al.Assessment of inundation changes of Poyang Lake using MODIS observations between 2000 and 2010［J］.Remote Sensing of Environment，2012，121：80-92.

［28］吳培軍，段明，陳江，等.鄱陽湖水利樞紐調(diào)度對(duì)鄱陽湖水資源利用的影響［J］.人民長(zhǎng)江，2020，51（9）：101-106.

［29］LPEZ P，SUTANUDJAJA E H，SCHELLEKENS J，et al.Calibration of a large-scale hydrological model using satellite-based soil moisture and evapotranspiration products［J］.Hydrology and Earth System Sciences，2017，21（6）：3125-3144.

［30］楊肖麗，崔周宇，任立良，等.1966～2015年長(zhǎng)江流域水文干旱時(shí)空演變歸因［J］.水科學(xué)進(jìn)展，2023，34（3）：349-359.

［31］WINSEMIUS H，VAN BEEK L，JONGMAN B，et al.A framework for global river flood risk assessments［J］.Hydrology and Earth System Sciences，2013，17（5）：1871-1892.

［32］MA F，YUAN X，LIU X.Intensification of drought propagation over the Yangtze River basin under climate warming［J］.International Journal of Climatology，2023，43（12）：5640-5661.

［33］HOCH J M，SUTANUDJAJA E H，WANDERS N，et al.Hyper-resolution PCR-GLOBWB：opportunities and challenges from refining model spatial resolution to 1 km over the European continent［J］.Hydrology and Earth System Sciences，2023，27（6）：1383-1401.

［34］TANGDAMRONGSUB N.Comparative analysis of global terrestrial water storage simulations：assessing CABLE，Noah-MP，PCR-GLOBWB，and GLDAS Performances during the GRACE and GRACE-FO Era［J］.Water，2023，15（13）：2456.

［35］WU F，YANG X，CUI Z，et al.The impact of human activities on blue-green water resources and quantification of water resource scarcity in the Yangtze River Basin［J］.Science of the Total Environment，2024，909：168550.

［36］SHIKLOMANOV I A.Comprehensive assessment of the freshwater resources of the world：assessment of water resources and water availability in the world［R］.Geneva：WMO，1997.

［37］VRSMARTY C，LEVEQUE C，REVENGA C.Millennium ecosystem assessment volume 1：conditions and trends，chap.7：freshwater ecosystems［M］.Washington：Island Press，2005.

［38］LEHNER B，LIERMANN C R，REVENGA C，et al.High-resolution mapping of the world's reservoirs and dams for sustainable river-flow management［J］.Frontiers in Ecology and the Environment，2011，9（9）：494-502.

［39］HOCHREITER S，SCHMIDHUBER J.Long short-term memory［J］.Neural Computation，1997，9（8）：1735-1780.

［40］李少恒，嚴(yán)新軍，韓克武，等.融合注意力機(jī)制的CNN-LSTM模型預(yù)測(cè)蒸發(fā)皿蒸發(fā)量［J/OL］.人民長(zhǎng)江，1-11［2024-11-12］.http：//kns.cnki.net/kcms/detail/42.1202.tv.20240823.1015.006.html.

［41］黃文峰.長(zhǎng)短期記憶模型的超級(jí)參數(shù)調(diào)節(jié)在徑流預(yù)測(cè)中的效果研究［J］.西華大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，39（1）：23-29.

［42］尚文繡，許明一，尚弈，等.龍羊峽水庫(kù)調(diào)度對(duì)徑流的影響及蓄補(bǔ)水規(guī)律［J］.南水北調(diào)與水利科技（中英文），2022，20（3）：451-458.

［43］CONSERVANCY N.Indicators of hydrologic alteration.version 7.user’s manual［R］.Washington：the Nature Conservancy，2007.

［44］陸志華，夏自強(qiáng)，于嵐嵐，等.近51年松花江流域氣溫時(shí)空變化特征［J］.河海大學(xué)學(xué)報(bào)（自然科學(xué)版），2012，40（6）：629-635.

［45］曹潔萍，遲道才，武立強(qiáng)，等.Mann-Kendall檢驗(yàn)方法在降水趨勢(shì)分析中的應(yīng)用研究［J］.農(nóng)業(yè)科技與裝備，2008（5）：35-37，40.

［46］于延勝，陳興偉.水文序列變異的差積曲線-秩檢驗(yàn)聯(lián)合識(shí)別法在閩江流域的應(yīng)用：以竹岐站年徑流序列為例［J］.資源科學(xué)，2009，31（10）：1717-1721.

［47］蔡媛媛.人類活動(dòng)及氣候變化對(duì)灤河流域地表徑流的影響［J］.水利技術(shù)監(jiān)督，2024（2）：122-126.

［48］張愛靜，王本德，曹明亮.氣候變化與人類活動(dòng)對(duì)徑流影響貢獻(xiàn)的研究概況［J］.東北水利水電，2012，30（1）：6-9，44，71.

［49］閔騫.鄱陽湖1998年洪水特征［J］.水文，2001（3）：55-58，39.

［50］鄭永超，陸建忠，陳莉瓊，等.基于GF-1 WFV的2013～2020年鄱陽湖采砂活動(dòng)時(shí)空動(dòng)態(tài)監(jiān)測(cè)［J］.湖泊科學(xué)，2022，34（6）：2144-2155.

［51］江豐，齊述華，廖富強(qiáng)，等.2001～2010年鄱陽湖采砂規(guī)模及其水文泥沙效應(yīng)［J］.地理學(xué)報(bào)，2015，70（5）：837-845.

［52］羅興，肖瀟，周冰逸，等.鄱陽湖生態(tài)流量適宜性評(píng)估［J］.水利水電快報(bào)，2024，45（7）：93-98，104.

［53］XU J，F(xiàn)AN H，LUO M，et al.Transformer based water level prediction in Poyang Lake，China［J］.Water，2023，15（3）：576.

［54］葉許春，吳娟，李相虎.鄱陽湖水位變化的復(fù)合驅(qū)動(dòng)機(jī)制［J］.地理科學(xué)，2022，42（2）：352-361.

［55］劉惠英，王永文，關(guān)興中.鄱陽湖濕地適宜生態(tài)需水位研究：以星子站水位為例［J］.南昌工程學(xué)院學(xué)報(bào)，2012，31（3）：46-50.

（編輯：謝玲嫻）

Impacts of climate change and human activities on hydrological regime of Poyang Lake

YE Zhoubing，YANG Xiaoli，WU Fan，LUO Ding，XIE Lingfeng

（College of Hydrology and Water Resources，Hohai University，Nanjing 210098，China）

Abstract：

Since the beginning of the 21st century，Poyang Lake has been confronted with a series of challenges resulting from the combined effects of climate change and human activities.These challenges include early water withdrawal time，dry season duration extension，and falling water levels.The observed phenomena exhibit a normalization and trending characteristics，posing significant challenges to the production and life in the Poyang Lake area.To analyze the trends in annual average water level at five hydrological stations in Poyang Lake area from 1989 to 2020，namely Xingzi，Tangyin，Kangshan，Duchang，and Hukou Station，we employed trend and mutation tests.Additionally，we quantified the impacts of climate change and human activities on Poyang Lake by utilizing the PCR-GLOBWB （PCRaster Global Water Balance） model，which captures the refined impact of human activities，and the LSTM （long short-term memory） neural network model which is suitable for time series prediction.These models were integrated with the IHA/RVA method.The results indicated that the water level of Poyang Lake showed a downward trend due to human activities.Notably，a significant change occurred in 2003.At the same time，the overall change degree of Poyang Lake water level increased from low change to moderate change.Taking Xingzi Station as an example，human activities were the main driving factors for the change in the hydrological regime of Poyang Lake，with a contribution rate of 110.62%.In contrast，the contribution rate of climate change was only -10.62%.The research results can provide a basis for the scientific management and regulation of water resources in Poyang Lake.

Key words：

hydrological regime； climate change； human activities； LSTM； PCR-GLOBWB； IHA； RVA； Poyang Lake