基于時變矩BMA方法的贛江流域年輸沙量變化歸因分析

溫天福，熊立華，江 聰，許新發，劉章君

基于時變矩BMA方法的贛江流域年輸沙量變化歸因分析

溫天福1，熊立華2，江 聰3，許新發1，劉章君1

（1. 江西省水利科學院，南昌 330029；2. 武漢大學水資源與水電工程科學國家重點實驗室，武漢 430072；3. 中國地質大學（武漢）環境學院，武漢 430074）

分析河道泥沙影響因素并進行定量歸因分析，對正確認識和評價流域水土流失治理措施有著重要意義。該研究通過對鄱陽湖贛江流域1958－2014年的年輸沙量變化特征分析，引入降雨侵蝕、森林覆蓋以及水庫調控3個影響因素建立年輸沙量時變矩模型，利用BMA方法融合4個時變矩模型模擬贛江年輸沙量過程，并定量歸因分析年輸沙量變化中多因素的貢獻程度。研究表明：1）以降雨侵蝕力、森林覆蓋率和水庫調控系數為主要物理影響因子構建的時變矩模型，可以較好地描述贛江年輸沙量分布特征及時變過程，納什效率系數達到0.93；2）BMA方法有效融合了多個時變矩模型的優點，年輸沙量模擬的不確定性區間變小，通過遍歷多因素情景組合可定量分離不同影響因素的貢獻量及變化范圍；3）相對于基準期（1958－1989年），變化期（1990－2014年）贛江流域年輸沙量顯著減少（<0.05），主要受人類活動影響，與雙累積曲線法和產沙函數法的定量歸因結果相近。森林覆蓋率和大中型水庫調控對贛江流域年輸沙量減少貢獻量分別為414.87和261.45×104t/a，兩者貢獻率分別為59.72%、37.63%，而降雨侵蝕導致年輸沙量增加約42.99×104t/a，其他因素減少年輸沙量61.40×104t/a。對于贛江流域，持續加強流域森林資源的保護，強化大中型水庫的調控能力，是提升流域水土流失治理能力的重要舉措。研究結果可為流域水土流失綜合治理提供科學參考。

模型；水庫；輸沙量；BMA方法；歸因分析；非一致性；多因素；贛江流域

0 引 言

泥沙是河道演進和生態系統穩定重要的驅動因子之一。在20世紀，全球145條河流中近一半年輸沙量有明顯變化，其中47%（如密西西比河、印度河、尼羅河、長江、黃河等）呈顯著減少趨勢[1]。1955－2010年，中國排入太平洋的年輸沙量由20×108t驟減至5×108t[2]。河流輸沙量減少容易導致河床下切、河流生態環境改變以及河口三角洲退化等一系列問題。影響流域年輸沙量變化的因素眾多，主要包括降雨、水利工程、水保措施以及農業耕作等。雨量、雨強是影響坡面產流輸沙的主要降雨特征，地表輸沙模數和產沙量隨降雨強度的增大而增大[3-5]；修建淤地壩、水庫可直接改變水動力條件，阻攔河道泥沙運移，減少下游河道斷面的輸沙量[6-7]；森林覆蓋減少和開荒耕作等土地利用方式則會引起坡面產沙的增加[8-10]。

分析引起河道輸沙量變化的影響因素并對其定量歸因分析成為當前泥沙研究的熱點問題，歸因方法多以統計分析為主，該方法基于輸沙量與降雨或徑流等要素之間的統計關系，通過對比輸沙量變化來分離貢獻程度，具有對數據資料要求不高且相對簡單的優點[11]。胡春宏等[12]分析了中國11條主要河流，發現除塔里木河外，其他主要河流1950－2008年年輸沙量都有不同程度的減少，其中北方河流的減小幅度較大，主要受氣候變化和人類活動雙重因素影響。此外，眾多研究表明，黃河、長江、珠江等中國大部分流域輸沙量減少受降雨等氣候變化的影響較小，主要是由于植樹造林、淤堤壩、水庫工程等人類活動的影響，多數區域其貢獻程度可達到70%以上[13-16]。但多數研究主要以分離氣候變化和人類活動兩類貢獻為主，多種影響因素對河流輸沙量變化的定量貢獻研究較少。時變矩模型在描述泥沙、徑流等水文序列非一致性變化時，通過引入表征氣候變化和人類活動的多種影響因素，實現定量歸因分析各影響因素的貢獻量[17]。同時，貝葉斯模型加權平均方法（Bayesian Model Averaging method，BMA）可融合不同模型模擬值，有效提高樣本序列的模擬效果[18]。

綜上，本研究提出通過BMA融合時變矩模型，構建流域年輸沙量變化定量歸因分析方法。該方法通過時變矩模型建立年輸沙量分布參數與降雨侵蝕、森林覆蓋和水庫調控等相關因素的統計關系，通過BMA方法融合多個時變矩模型以提高模擬效果，進一步模擬多因素情景組合，實現不同因素的貢獻分離。以贛江流域為例，分析不同因素對贛江外洲站1958－2014年年輸沙量變化的貢獻程度，為流域水土流失綜合治理提供科學參考。

1 材料與方法

1.1 研究區概況

贛江地處長江中下游右岸，是江西省和鄱陽湖流域最大的河流[19]，集水面積為8.09×104km2（外洲站以上），見圖1。流域屬中亞熱帶濕潤季風氣候區，多年平均降水量1 627 mm，多年平均徑流深849 mm。流域以山區丘陵為主，土層較薄、土質松散，多年平均懸移質含沙量為0.165 kg/m3，多年平均年輸沙量976×104t，主要集中在汛期，其中4－6月占65.9%。流域內已經修建各類水庫4 000余座，總庫容量超過110億m3，其中大中型水庫139座。

贛江流域及周邊12個氣象站點1958－2014年逐日降水序列從中國氣象科學數據共享服務平臺（http://data.cma.cn/）獲取，其中夏坪站缺測14年數據（1999－2006年，2009－2014年）；外洲水文站1958－2014年逐日流量和含沙率序列由江西省水文監測中心提供；1958－2014年贛江流域大中型水庫資料由江西省大壩安全管理中心提供；基于歷年江西省省統計年鑒和中國統計年鑒，采用面積加權法統計贛江流域歷年的森林覆蓋情況；贛江流域年輸沙量由外洲站逐日流量和含沙率推求；基于12個氣象站的年降雨侵蝕力運用泰森多邊形法推求流域面降雨侵蝕力。1958－2014年贛江流域年輸沙量以及年降雨侵蝕力、森林覆蓋率、水庫調控系數序列見圖2。

1.2 年輸沙量主要影響因素

降雨是南方地區水土流失的重要氣象驅動因子，可利用降雨侵蝕力（Re）反映降雨對水土流失的影響，采用Yu等[20]提出的基于日降雨量的月降雨侵蝕力模型。

式中Re為第年的降雨侵蝕力，(MJ·mm)/(hm2·h)；R,d為第月第日超過侵蝕臨界值（本文取12.7 mm/d）的降雨量，mm；N為第月中降雨量超過臨界值的天數，d；、、、、均為模型參數，取1/12，取5π/6（北半球），取1.5，和公式如下：

=0.58+0.25/1 000 （3）

式中為夏半年（5－10月）降雨量，mm；a為年均降雨量，mm。

在水保措施方面，郁閉度大于0.2的森林植被對區域水土保持作用顯著[21]，流域森林覆蓋面積以此郁閉度為統計標準。此外，流域干支流水庫對河道輸沙調控功能較強，將水庫庫容與河道徑流量的比值作為水庫調控系數[22]，可用于反映流域水利工程蓄水攔沙能力。本文分別選取森林覆蓋率（Fc）和大中型水庫調控系數（Rc）表征水保措施因素和水利工程因素，其中水庫調控系數計算公式如下：

式中Rc為第年流域大中型水庫調控系數；CV為第年流域內興建大中型水庫的累積庫容，108m3；R為第年流域外洲站年徑流量，108m3；J為第年流域內興建大中型水庫的累積數量；V為流域內第個水庫的庫容，108m3。

1.3 年輸沙量變化歸因方法

1.3.1 時變矩模型

式中(μ)、(σ)、()為連接函數，表示統計參數與解釋變量之間的單調函數關系；=[Re, Fc, Rc]為協變量向量；1、2、3為模型回歸參數向量，采用極大似然法求解。

在構建時變矩模型時，選取兩參數分布（Gamma、Lognormal和Weibull）和三參數分布（Pearson-Ⅲ）共4種水文領域常用的概率分布函數作為年輸沙量的分布函數[24]，見表1。采用KS（Kolmogorov-Smirnov）檢驗、殘差worm圖以及百分位數曲線圖評價模型的擬合優度，以檢驗水文序列是否服從備選概率分布函數。此外，選取貝葉斯信息準則（Bayesian Information Criterion，BIC）作為評價備選模型優劣的標準，BIC值越小則認為擬合效果越好。

表1 4種統計模型的概率分布

注：和分別為隨機變量和隨機變量的任意實數；E()和Var()分別為水文序列的均值和方差；、和分別為備選概率分布的位置參數、尺度參數以及形狀參數。下同。

Note:andare a random variable and corresponding any real number, respectively; E() and Var() are mean and variance of hydrological series, respectively;,andare location, scale and shape parameters of candidate distribution. Same as below.

1.3.2 基于時變矩的BMA方法

貝葉斯模型加權平均方法（BMA）是一種通過加權平均不同模型的結果得到更可靠的綜合結果以及不確定性的數學方法[25]。假設為模擬變量，為實測數據資料，[1,2,3,4]表示擬合的4個時變矩組成的模型空間?；跁r變矩BMA的概率模擬(|)可表示為

以基于時變矩的BMA方法以及4個時變矩模型的中位值作為模擬值，采用均方根誤差（RMSE）、納什效率系數（NSE）和相對誤差（RE）3項指標評價，而區間模擬采用覆蓋率（Containing Ratio，CR）、平均帶寬（）和平均偏移程度（）等3項指標評價。其中，RMSE、RE、和越小模型效果越好，而NSE越大模型效果越好，CR接近置信區間則效果越好。

1.3.3 基于時變矩BMA方法的歸因分析

在多影響因素歸因分析時，應充分考慮某一因素受其他因素不同狀態的影響，分析該因素所有可能的分解貢獻量，取其平均值作為該因素的影響貢獻量。主要有3個步驟[26]：1）結合流域研究期內工程修建、水保措施建設等情況，將樣本序列時段劃分為基準期和變化期；2）選取表征氣候變化和人類活動的影響因素并組成情景組合，運用模型遍歷模擬所有組合下變化期的水文過程；3）基于Fixing-Changing方法，分析不同組合的模擬差值即相應因素所對應的分解貢獻量，取其均值為影響貢獻量。贛江流域通過交叉組合降雨侵蝕、森林覆蓋和水庫調控3種影響因素的狀態（即模型輸入數據）遍歷模擬可能情景組合，共8種，如表2所示。

表2 不同影響因素情景組合

注：“-”表示該因素選取基準期均值；“+”表示該因素選取變化期實際值。

Note: “-” represents the mean value of the factor during the baseline period; “+” represents the measured value of the factor during the change period.

運用EM算法得到BMA權重w以及4種時變矩模型，采用Monte Carlo方法產生不同情景組合下年輸沙量模擬值，從而量化不同影響因素的貢獻量。具體步驟如下：

3）從所選模型的第年第種情景組合的年輸沙量模擬區間中抽樣，產生該種情景下該年的1 000個年輸沙量模擬值。

5）變化期第年年輸沙量與基準期均值之差Δy，即年輸沙量的變化值。基于時變矩的BMA方法的不同因素對年輸沙量變化的歸因貢獻量和貢獻率計算公式如下：

2 結果與分析

2.1 贛江流域年輸沙量模擬

當只考慮位置參數和尺度參數的時變特性時，模型時變參數劃分為4類組合形式：1）和為常數（即一致性，可認為是非一致性的特例）；2）為時變而為常數；3）為常數而為時變；4）和均為時變。當涉及多個物理協變量時，根據協變量組合可進一步分為多種具體參數組合。不同分布類型年輸沙量最優時變矩模型見表3，模型擬合變量經過除均值無量綱化處理，顯著水平選為0.05，當P-KS>0.05時，模型通過檢驗，否則模型不通過檢驗。從表3可見，贛江流域年輸沙量模型最優參數均表現為時變特征，且年輸沙量時變性可由3種物理協變量表征。根據KS檢驗可知，基于最優參數的4個時變矩模型均能通過顯著性水平為0.05的擬合優度檢驗，且模型的BIC值均較小，因此認為4個模型均是合理可行的。

表3 基于物理協變量的年輸沙量時變矩模型

注：Re、Fc和Rc分別代表降雨侵蝕力、森林覆蓋率和水庫調控系數3類影響因素；Dks和P-KS分別為最大垂直差和通過概率。

Note: Re, Fc and Rc represent three influence factors of the rainfall erosivity, forest coverage rate and reservoir control coefficient, respectively; Dks and P-KS represent maximum vertical deviation and passing probability, respectively.

基于4種年輸沙量時變矩模型（表3），運用BMA方法模擬贛江流域年輸沙量變化，其似然函數的收斂過程如圖3所示。迭代結果表明，Gamma、Pearson-Ⅲ、Weibull和Lognormal時變矩模型的權重分別為0.225、0.245、0.255、0.275。表4列出了BMA和組成它的4個時變矩模型的年輸沙量模擬精度。從表4可知，BMA結果中位值的RMSE、NSE和RE指標值均優于單個時變矩模型，RMSE、NSE和RE分別為125.96×104t/a、0.93和11.41%，具有很好的模擬效果；對于95%置信區間，BMA方法的平均帶寬值較單個時變矩模型更小，即不確定性區間變小，為481.38×104t/a，且覆蓋率CR值為94.47%，但平均偏移程度值較單個模型沒有顯著優勢。總體上，時變矩的BMA方法較組成它的單個模型在模擬年輸沙量的精度和區間上表現得更為優越。

表4 BMA和4個時變矩模型年輸沙量模擬效果

基于時變矩BMA方法的年輸沙量序列百分位數模擬曲線及其殘差worm圖如圖4所示。從圖4可知，年輸沙量模擬的中位數較好地擬合了年輸沙量實測樣本點據，95%置信區間也較好地覆蓋了實測樣本點據；殘差worm圖中偏差位于允許范圍內且接近0，說明模型分位殘差近似服從正態分布，表明基于時變矩的BMA方法對贛江流域年輸沙量模擬效果很好。

2.2 贛江流域年輸沙量歸因分析

采用Pettit變點分析法診斷1958－2014年贛江流域年輸沙量序列的突變點為1989年，進一步以時間(a)為協變量構造變點前后參數的時變性，采用4種統計模型（表1）診斷贛江流域年輸沙量的非一致性特征。20世紀80年代至21世紀初江西省實施了植樹造林、梯田工程等一系列水土流失治理工程，近30年贛江流域水土流失呈減少趨勢[27]，結合非參數突變檢驗結果，診斷為1989年后贛江流域年輸沙量呈減少的趨勢性變化較為合理。以BIC為優選準則，Gamma模型的BIC值最小，為最優模型，基于Gamma分布的時變矩模型為年輸沙量模擬過程如圖5所示。從圖5可知，1958－2014年贛江流域年輸沙量為局部趨勢變化，即1958－1989年為穩定期，而1990－2014年為下降趨勢。因此，本文選擇1958－1989年為基準期，定量歸因分析1990－2014年贛江流域年輸沙量的變化。

以基準期（1958－1989年）和變化期（1990－2014年）的物理協變量作為模型輸入數據，根據表2的情景組合運用時變矩BMA方法模擬贛江流域變化期逐年年輸沙量，如圖6所示。根據式（10）～式（14），利用不同情景組合的差值分離年降雨侵蝕、森林覆蓋和水庫調控以及其他因素對贛江流域年輸沙量變化的貢獻。變化期贛江流域年輸沙量逐年定量歸因結果如圖7所示。從圖7可知，年降雨侵蝕在多數年份增加了贛江流域年輸沙量，而森林覆蓋和水庫調控有效地削減了流域年輸沙量。

贛江流域不同時段3個影響因素對年輸沙量變化的貢獻量變化情況見表5。1990－1994年、2000－2014年和1990－2014年3個時段森林覆蓋的貢獻量四分位區間均為最大，其次為水庫調控，降雨侵蝕的貢獻變幅最小。對于贛江流域影響因素貢獻量的中位數，不同時段年輸沙量變化歸因結果見表6。

表5 不同時段3個影響因素的貢獻量區間和中位數

表6 不同時段年輸沙量變化歸因結果

相對于基準期，以1990－2014年為例，降雨侵蝕增加年輸沙量為42.99×104t/a，占年輸沙變化總量的?6.19%，表明贛江流域變化期侵蝕性降雨量較基準期有所增加；森林覆蓋和水庫調控減少年輸沙量分別為414.87×104和261.45×104t/a，占變化總量的59.72%和37.63%，表明變化期植樹造林和水庫修建等人類活動變化顯著，且對贛江流域年輸沙量減少起主要作用；其他因素減少年輸沙量61.40×104t/a，占變化總量8.84%，進一步表明基于時變矩的BMA方法可以很好地解釋和分離贛江流域年輸沙量的變化貢獻?？傮w而言，在不同時段中，降雨侵蝕對年輸沙量變化的貢獻較小，其最大貢獻位于1995－1999年，占比?22.08%；除1990－1994年外，森林覆蓋較水庫調控對年輸沙量變化的貢獻更大，占比在60%以上；其他因素的影響在2000年以后對年輸沙量變化的貢獻均在10%以下，在變化期的不同時段人類活動的貢獻均在90%以上，表明植樹造林、水庫調控等人類活動是引起贛江流域年輸沙量減少的主要因素。

2.3 不同方法歸因結果對比

為了對比不同歸因方法的差異，本文引入了雙累積曲線法[6]和產沙函數法[27]對贛江流域年輸沙量變化進行歸因分析。對于產沙函數法，外洲站的徑流、降雨的產沙彈性系數由灰色關聯分析法確定，分別為0.710和0.436?；跁r變矩的BMA方法中，降雨侵蝕引起的年輸沙量變化為降雨變化的貢獻，其余（森林覆蓋、水庫調控、其他因素）歸為人類活動的貢獻。不同方法的年輸沙量變化歸因對比見表7。

由表7可知，不同方法的定量歸因結果相近，不同時段人類活動均是引起贛江流域年輸沙量減少的主要原因。然而，基于時變矩的BMA方法通過一階矩和二階矩反映樣本序列均值和方差的時變性，而雙累積曲線和產沙函數僅考慮樣本均值的線性關系。結果表明不同時期基于時變矩的BMA方法較其他2種方法結果變化范圍較小，可以更準確地模擬年輸沙量的非一致性變化過程，定量歸因分析結果也更為合理可靠。

表7 不同方法的年輸沙量變化歸因對比

3 討 論

1980－2012年鄱陽湖“五河”流域入湖泥沙呈顯著減少的變化特征，降水量對流域泥沙變化無顯著影響，水利、水保及林業工程等人類活動是徑流泥沙變化的主要影響因素[28]。對于贛江流域，1970－2009年年輸沙量顯著減少，主要受水土保持綜合治理和水利工程攔沙等人類活動影響，而流域年降水量影響較小[29]。1970－2011年贛江外洲站入鄱陽湖泥沙量年際波動較大，總體呈明顯減少趨勢，水土保持措施的實施、水利工程的修建等人類活動是入湖泥沙減少的主要驅動力。1993－2011年期間，人類活動對入湖泥沙減少的貢獻率增大到97.24%。本研究結果表明，1990－2014年贛江流域年輸沙量呈明顯減少趨勢，森林覆蓋和水庫調控的貢獻率達106.19%，人類活動仍然是導致贛江年輸沙量減少的主要因素，但流域降雨侵蝕力的增強增加了流域水土流失的風險。

近30年贛江流域開展了大量的植樹造林、水庫修建等人類活動。森林覆蓋是山丘區影響水土侵蝕和坡面產流的重要影響因素之一，森林覆蓋程度和質量越高，區域水土保持能力將越強[30]。20世紀80年代初期，贛江上游山區丘陵區是江西省水土流失最嚴重的地區之一，水土流失面積占流域面積的21.9%，曾是全國八片水土保持治理區之一。近30年，贛江流域先后實施了全國八片水土保持重點治理、國家水土保持重點建設工程、鄱陽湖流域水土保持重點治理工程等一系列重點水保工程[29]，累計完成420余條小流域綜合治理，治理區域的攔沙效率達60%以上[31]。植樹造林、退耕還林等措施大幅提升了流域森林覆蓋率，2014年森林覆蓋率較1985年提高了近40%，主要分布混交林、常綠針葉林、闊葉林和耕地4種森林類型，較大地提高了流域坡面水土保持能力。20世紀50年代以來，贛江流域修建了各類水庫4 540余座（截至2018年），總庫容約126.81億m3，占流域多年平均流量的18.92%，其中大型水庫16座，庫容占總庫容的50%以上。水庫在攔蓄贛江流域年輸沙量過程中發揮了重要的作用，年輸沙量與累積庫容之間存在負相關性，相關系數達?0.470。萬安水庫控制面積占流域上游面積的90%以上，年均攔蓄沙量約300×104t，約占人類活動貢獻的35%，對于攔蓄贛江流域年輸沙量發揮著十分重要的作用[15]。

此外，長江中下游和江南地區的極端降水事件持續時間較長，可用降雨侵蝕力有效表征降雨引起土壤侵蝕的潛在能力[32]。贛江流域年降雨侵蝕力略有上升趨勢，其中7－9月降雨侵蝕力上升趨勢顯著，導致流域年輸沙量受降雨影響呈增加趨勢[33]。但受沿東南登陸的臺風型降雨影響，贛江流域降雨侵蝕力空間差異明顯，流域上游區（即贛南地區）年降雨侵蝕力略有下降，中下游區年降雨侵蝕力呈上升趨勢，且人類活動較為明顯。在流域水土保持綜合規劃與管理過程中，除了水保措施和水利工程等因素外，還應考慮流域降雨空間變化區別不同因素綜合作用，提出更科學合理的流域水土流失綜合治理的對策與措施。

4 結 論

1）對于贛江流域而言，引入降雨侵蝕、森林覆蓋和水庫調控等3種影響因素作為物理協變量，基于時變矩的BMA方法較單個時變矩模型在模擬精度和區間上均有更好的表現，納什效率系數（NSE）為0.93，且覆蓋率接近95%；通過遍歷不同影響因素的組合情景，基于時變矩的BMA方法可以實現3個及以上因素歸因分析，量化不同概率下各個影響因素對年輸沙量變化貢獻值的大小和區間范圍。

2）1990－2014年贛江年輸沙量呈明顯的下降趨勢變化，植樹造林和大中型水庫調控等2項人類活動對流域年輸沙量減少的貢獻率分別為59.72%和37.63%，其他影響因素的貢獻率為8.84%，而降雨侵蝕力在一定程度上增加了流域的年輸沙量，貢獻率為6.19%。表明自1990年以來贛江流域實施的一系列水土流失治理工程有效地減少了坡面侵蝕并攔蓄河道輸沙量。

[1] Walling D E, Fang D. Recent trends in the suspended sediment loads of the world’s rivers[J]. Global and Planetary Change, 2003, 39(1): 111-126.

[2] Liu C, Sui J Y, He Y, et al. Changes in runoff and sediment load from major Chinese rivers to the Pacific Ocean over the period 1955—2010[J]. International Journal of Sediment Research, 2013, 28(4): 486-495.

[3] 王小博，朱永清，吳宜進，等. 不同植被下降雨類型對紅壤坡地土壤侵蝕特征的影響[J]. 水土保持研究，2017，24(2)：6-11.

Wang Xiaobo, Zhu Yongqing, Wu Yijin, et al. Effects of rainfall regimes on soil erosion on red soil slopes under different vegetation types[J]. Research of Soil and Water Conservation, 2017, 24(2): 6-11. (in Chinese with English abstract)

[4] 李瑞，陳康，劉瑞祿，等. 基于小流域尺度的黔北喀斯特地區產流產沙特征[J]. 農業工程學報，2019，35(11)：139-147.

Li Rui, Chen Kang, Liu Ruilu, et al. Characteristics of runoff and sediment in karst area of northern Guizhou province based on small watershed scale[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(11): 139-147. (in Chinese with English abstract)

[5] 彭浩，李忠武，劉春，等. 湘中低山丘陵區坡面產流輸沙對降雨、土壤類型及水保措施的綜合響應特征[J]. 水土保持學報，2019，33(2)：60-67.

Peng Hao, Li Zhongwu, Liu Chun, et al. Comprehensive response characteristics of runoff and Sediment yield on rainfall, soil type and water conservation measures in hilly area of central Hunan Province[J]. Journal of Soil and Water Conservation, 2019, 33(2): 60-67. (in Chinese with English abstract)

[6] 高海東，劉晗，賈蓮蓮，等. 2000—2017年河龍區間輸沙量銳減歸因分析[J]. 地理學報，2019，74(9)：1745-1757.

Gao Haidong, Liu Han, Jia Lianlian, et al. Attribution analysis of precipitous decrease of sediment loads in the Hekou-Longmen section of Yellow River since 2000[J]. Acta Geographica Sinica, 2019, 74(9): 1745-1757. (in Chinese with English abstract)

[7] 李勉，李平，楊二，等. 黃土丘陵區淤地壩建設后小流域泥沙攔蓄與輸移特征[J]. 農業工程學報，2017，33(18)：80-86.

Li Mian, Li Ping, Yang Er, et al. Characteristics of sediment retention and transport in small watershed after construction of check dams in Loess Hilly Area[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(18): 80-86. (in Chinese with English abstract)

[8] 王雪松，謝永生. 模擬降雨條件下錐狀工程堆積體侵蝕水動力特征[J]. 農業工程學報，2015，31(1)：117-124.

Wang Xuesong, Xie Yongsheng. Hydrodynamic characteristics of tapered spoil bank under simulated rainfall condition[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(1): 117-124. (in Chinese with English abstract)

[9] 景昭偉，何洪鳴，Soksamnang Keo，等.全球河流輸沙量分布格局及其影響因素[J]. 水土保持學報，2017，31(3)：1-9.

Jing Zhaowei, He Hongming, Sokamnang Keo, et al. The distributional patterns of sediment loads of global rivers and influencing factors[J]. Journal of Soil Water Conservation, 2017, 31(3): 1-9. (in Chinese with English abstract)

[10] 鄭江坤，李靜苑，秦偉，等. 川北紫色土小流域植被建設的水土保持效應[J]. 農業工程學報，2017，33(2)：141-147.

Zheng Jiangkun, Li Jingyuan, Qin Wei, et al. Effects of vegetation construction on soil and water conservation in small watershed of purplish soil region, northern Sichuan[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(2): 141-147. (in Chinese with English abstract)

[11] 李曉宇，劉曉燕，李焯. 黃河主要產沙區近年降雨及下墊面變化對入黃沙量的影響[J]. 水利學報，2016，47(10)：1253-1259，1268.

Li Xiaoyu, Liu Xiaoyan, Li Zhuo. Effects of rainfall and underlying surface on sediment yield in the main sediment-yielding area of the Yellow River[J]. Journal of Hydraulic Engineering, 2016, 47(10): 1253-1259, 1268. (in Chinese with English abstract)

[12] 胡春宏，王延貴，張燕菁, 等. 中國江河水沙變化趨勢與主要影響因素[J]. 水科學進展，2010，21(4)：524-532.

Hu Chunhong, Wang Yangui, Zhang Yanjing, et al. Variation tendency of runoff and sediment load in China major rivers and its causes[J]. Advances in Water Science, 2010, 21(4): 524-532. (in Chinese with English abstract)

[13] 楊媛媛，李占斌，任宗萍，等. 人類活動對無定河流域不同地貌區水沙變化的影響[J]. 泥沙研究，2017，42(5)：50-56.

Yang Yuanyuan, Li Zhanbin, Ren Zongping, et al. The influence of human activities on the changes of water and sediment in different landforms[J]. Journal of Sediment Research, 2017, 42(5): 50-56. (in Chinese with English abstract)

[14] 趙陽，胡春宏，張曉明，等. 近70年黃河流域水沙情勢及其成因分析[J]. 農業工程學報，2018，34(21)：112-119.

Zhao Yang, Hu Chunhong, Zhang Xiaoming, et al. Analysis on runoff and sediment regimes and its causes of the Yellow River in recent 70 years[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(21): 112-119. (in Chinese with English abstract)

[15] Wen T F, Xiong L H, Jiang C, et al. Effects of climate variability and human activities on suspended sediment load in the Ganjiang River basin, China[J]. J Hydrol Eng, 2019, 24(11): 05019029.

[16] 蔣凱鑫，于坤霞，曹文洪，等. 黃土高原典型流域水沙變化歸因對比分析[J]. 農業工程學報，2020，36(4)：143-149.

Jiang Kaixin, Yu Kunxia, Cao Wenhong, et al. Attributional comparative analysis of runoff and sediment change in typical basin of Loess Plateau[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(4): 143-149. (in Chinese with English abstract)

[17] 熊立華，江聰，杜濤，等. 變化環境下非一致性水文頻率分析研究綜述[J]. 水資源研究，2015，4(4)：310-319.

Xiong Lihua, Jiang Cong, Du Tao, et al. Review on nonstationary hydrological frequency analysis under changing environments[J]. Journal of Water Resources Research, 2015, 4(4): 310-319. (in Chinese with English abstract)

[18] 董磊華，熊立華，萬民. 基于貝葉斯模型加權平均方法的水文模型不確定性分析[J]. 水利學報，2011，42(9)：1065-1074.

Dong Leihua, Xiong Lihua, Wan Min. Uncertainty analysis of hydrological modeling using the Bayesian model averaging method[J]. Journal of Hydraulic Engineering, 2011, 42(9): 1065-1074. (in Chinese with English abstract)

[19] 江西省水利廳. 江西河湖大典[M]. 武漢：長江出版社，2009.

[20] Yu B, Rosewell C J. An assessment of a daily rainfall erosivity model for New South Wales[J]. Aust J Soil Res, 1996, 34(1): 139-152.

[21] Magdon P, Kleinn C. Uncertainties of forest area estimates caused by the minimum crown cover criterion: A scale issue relevant to forest cover monitoring[J]. Environ Monit Assess. 2013, 185(6): 5345-5360.

[22] 王延貴，史紅玲，劉茜. 水庫攔沙對長江水沙態勢變化的影響[J]. 水科學進展，2014，7(25)：467-476.

Wang Yangui, Shi Hongling, Liu Qian. Influence of sediment trapping in reservoirs on runoff andsediment discharge variations in Yangtze River[J]. Advances in Water Science, 2014, 7(25): 467-476. (in Chinese with English abstract)

[23] Rigby R A, Stasinopoulos D M. Generalized additive models for location scale and shape[J]. J Royal Statistical Soc, 2005, 54(3): 507-554.

[24] 熊斌，熊立華. 基于基流退水過程的非一致性枯水頻率分析[J]. 水利學報，2016，47(7)：873-883.

Xiong Bin, Xiong Lihua. Nonstationary frequency analysis of low-flow seriesconsidering both baseflow recession process and rainfall[J]. Journal of Hydraulic Engineering, 2016, 47(7): 873-883. (in Chinese with English abstract)

[25] Raftery A E, Gneiting T, Balabdaoui F, et al. Using Bayesian model averaging to calibrate forecast ensembles[J]. Mon Weather Rev, 2005, 113(5): 1155-1174.

[26] 劉佳嘉，周祖昊，賈仰文，等. 水循環演變中多因素綜合影響貢獻量分解方法[J]. 水利學報，2014，45(6)：658-665.

Liu Jiajia, Zhou Zuhao, Jia Yangwen, et al. A new method to quantitatively separate the effects of multi-factors on the water cycle evolution[J]. Journal of Hydraulic Engineering, 2014, 45(6): 658-665. (in Chinese with English abstract)

[27] 涂安國，楊潔，李英，等. 人類活動對贛江入湖泥沙量的影響[J]. 水土保持學報，2013，27(2)：76-79.

Tu Anguo, Yang Jie, Li Ying, et al. Effect of human activities on sediment load evolution into Poyang Lake from Ganjiang River[J]. Journal of Soil and Water Conservation, 2013, 27(2): 76-79. (in Chinese with English abstract)

[28] 莫明浩，楊筱筱，肖勝生，等. 鄱陽湖五河流域入湖徑流泥沙變化特征及影響因素分析[J]. 水土保持研究，2017，24(5)：197-203.

Mo Minghao, Yang Xiaoxiao, Xiao Shengsheng, et al. Analysis on runoff and sediment change characteristics and factors of Poyang Lake five rivers basin[J]. Research of Soil and Water Conservation, 2017, 24(5): 197-203. (in Chinese with English abstract)

[29] 鄭海金，方少文，楊潔，等. 近40年贛江年徑流泥沙變化及影響因素分析[J]. 水土保持學報，2012，26(1)：28-32.

Zheng Haijin, Fang Shaowen, Yang Jie, et al. Analysis on evolution characteristics and impacting factors of annual runoff and sediment in the Ganjiang River during 1970—2009[J]. Journal of Soil and Water Conservation, 2012, 26(1): 28-32. (in Chinese with English abstract)

[30] Wei W, Chen L D, Fu B J, et al. The effect of land uses and rainfall regimes on runoff and soile rosion in the semi-arid loess hilly area, China[J]. Journal of Hydrology, 2007, 335(3/4): 247-258.

[31] 顧朝軍，穆興民，高鵬，等. 贛江流域徑流量和輸沙量的變化過程及其對人類活動的響應[J]. 泥沙研究，2016(3)：38-44.

Gu Chaojun, Mu Xingmin, Gao Peng, et al. Variation of runoff and sediment discharge and response to human activities in the Ganjiang River[J]. Journal of Sediment Research, 2016(3): 38-44. (in Chinese with English abstract)

[32] 賴成光，陳曉宏，王兆禮，等. 珠江流域1960—2012年降雨侵蝕力時空變化特征[J]. 農業工程學報，2015，31(8)：159-167.

Lai Chengguang, Chen Xiaohong, Wang Zhaoli, et al. Spatial and temporal variations of rainfall erosivity on Pearl River basin during 1960—2012[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(8): 159-167. (in Chinese with English abstract)

[33] 溫天福，張范平，胡建民，等. 1958—2014年贛江流域降雨侵蝕力時空變化特征[J].水土保持研究，2020，27(1)：7-14, 20.

Wen Tianfu, Zhang Fanping, Hu Jianmin, et al. Spatiotemporal variation of rainfall erosivity during the period 1958—2014 in Ganjiang River basin. Research of Soil and Water Conservation, 2020, 27(1): 7-14, 20. (in Chinese with English abstract)

Attribution analysis of annual sediment load of Ganjiang River Basin using BMA based on time-varying moment models

Wen Tianfu1, Xiong Lihua2, Jiang Cong3, Xu Xinfa1, Liu Zhangjun1

(1.,330029,; 2.,,430072,; 3.,(),430074,)

Suspended sediment is a key driving factor in river evolution and ecosystem stability. However, there is a significant change in the annual suspended sediment loads in many basins under a current rapidly changing environment. Therefore, it is highly demanding to clarify the influencing factors and their attributions for the suspended sediment, thereby improving control measures of soil and water loss in basins. Taking the Ganjiang River in the Poyang Lake Basin of China as an example, the forest coverage rate increased by nearly 40% in the last 30 years, where there were 139 large and medium-sized reservoirs in 2014. In this study, the annual suspended sediment of the Ganjiang River Basin was firstly determined during the period of 1958-2014. Then, time-varying moment models were constructed for different types of probability distributions, where the factors of rainfall erosivity, forest coverage, and reservoir regulation were taken as explanatory variables. Finally, the Bayesian Model Averaging (BMA) was selected to combine four time-varying moment models for the simulation of annual suspended sediment load, and thereby to separate the attributions of different factors. The results were as follows: 1) Rainfall erosivity, forest coverage, and reservoir regulation were all key factors affecting the suspended sediment load. The time-varying moment model was constructed using four probability distributions (Gamma, Pearson-Ⅲ, Weibull, Lognormal) considering the time-varying of location and scale parameters, where the rainfall erosivity (Re), forest coverage rate (Fc), and reservoir regulation coefficient (Rc) were utilized as physical covariables. The distribution characteristics and process changes of annual sediment load were reasonably described in the study areas, with a Nash-Sutcliffe Efficiency coefficient (NSE) of 0.93; 2) BMA improved the simulation effect, while reduced model uncertainty, compared with the single time-varying moment model. The Root Mean Square Error (RMSE) and Relative Error (RE) of simulated value were 125.96×104t/a, and 11.41%, respectively. The Containing Ratio (CR) and average band-width () of uncertainty interval were 94.47%, and 481.38×104t/a, respectively. A fixing-changing method was selected to perform the attribution analysis of suspended sediment load using BMA under various scenario combinations. 3) The annual suspended sediment load showed a local trend in the study area from 1958 to 2014, with the change point year of 1989. There was a significant decreasing trend of annual suspended sediment load at the 5% significance level during the period from 1990 to 2014, due possibly to the increase of forest coverage during the regulation of large and medium-sized reservoirs. Specifically, the decreased sediment loads were 414.87×104and 261.45×104t/a, for the increase of forest coverage and reservoirs in 1958-1989, indicating a great contribution of 59.72% and 37.63%, respectively. The factor of rainfall erosivity increased the suspended sediment load by about 42.99×104t/a, whereas, the forest coverage and reservoir regulation caused the decrease of 61.40×104t/a. Furthermore, the decrease of suspended sediment load was actually caused by human activities, indicating better agreement with the conclusions obtained by the double cumulative curve and sediment yield function. The dynamic characteristics of the first and second moment were well elucidated in the observed samples using the BMA based on time-varying moment models, with an exact description for the mean value and variance. Therefore, the attribution analysis on the suspended sediment load was more objective and reliable in practice. Some recommendations were made here to strengthen the protection of forest resources, and the scientific regulation of large and medium-sized reservoirs, further to improve the control ability of water and soil loss in the Ganjiang River Basin.

models; reservoirs; sediment load; BMA method; attribution analysis; nonstationarity; multi-factors; Ganjing River Basin

2020-11-16

2021-03-10

江西水利科技項目（201821ZDKT07，201922ZDKT14，201922ZDKT05）；國家自然科學基金項目（51809243，51909112）；江西省鄱陽湖水資源與環境重點實驗室開放研究基金項目（2020GPSYS06）；江西省重點研發計劃（20181ACG70018）

溫天福，博士，高級工程師，研究方向為水文與水資源。Email：wen-tianfu@whu.edu.cn

10.11975/j.issn.1002-6819.2021.07.017

P333

A

1002-6819(2021)-07-0140-10

溫天福，熊立華，江聰，等. 基于時變矩BMA方法的贛江流域年輸沙量變化歸因分析[J]. 農業工程學報，2021，37(7)：140-149. doi：10.11975/j.issn.1002-6819.2021.07.017 http://www.tcsae.org

Wen Tianfu, Xiong Lihua, Jiang Cong, et al. Attribution analysis of annual sediment load of Ganjiang River Basin using BMA based on time-varying moment models[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(7): 140-149. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.07.017 http://www.tcsae.org