二元驅動下涇河流域藍綠水變化歸因分析

占楊英，湯 軍，高賢君，楊元維，李菲菲

（長江大學地球科學學院，湖北武漢 430100）

0 引言

水資源短缺是全球三大系統性風險之一，水資源可持續發展更是當前研究熱點［1］。氣候變暖勢必會影響蒸發、降水和徑流等氣象水文要素，同時大幅提高極端水文事件的頻率。土地性質的改變對流域的水文循環和水量的空間分布產生重大影響［2］。因此，從氣候變化和土地利用變化角度對水資源進行評估，可以加強水資源管理，為實現流域的水資源可持續發展提供指導意義。

藍水是指“暴露的水”，其中包括陸面上的河川徑流和地底下的壤中流、地下徑流；綠水是指“隱藏的水”，其中包括土壤水和蒸散發的水［3］。綠水是糧食生產最重要的水源，支撐著雨養農業（約占全球耕地面積的4/5），給全球70 多億提供糧食保障［4］。藍水從多個角度影響著人類的生活和發展，如生活日常用水、工業生產用水、農業灌溉用水等。SWAT（Soil and Water Assessment Tool）模型是一種分布式水文模型，可以模擬長時間序列的水文循環過程［5，6］，相比于其它常見水文模型（半分布式水文模型：VIC（Variable Infiltration Capacity）、分布式水文模型：SWIM（Soil and Water Integrated Model）），它的優點在于：結合流域多種數據，全面模擬流域內水文循環過程，從而準確評價藍/綠水資源的分布和含量［7-10］。例如：呂樂婷［11］等基于SWAT 模型對小尺度流域（細河流域）的藍綠水資源的時空分布進行了探索，并詳細介紹了藍綠水在農業上的作用。榮琨［12］等以晉江西溪流域為研究對象，用SWAT 模型分析土地利用對藍綠水的影響，從不同的土地利用類型探究藍綠水的時空分布規律。

涇河是黃河流域的二級支流，以清澈著稱，其發源地六盤山更是被國家列為自然保護區。由于流域內氣候變化劇烈、降雨時空分布不均、土地利用類型發生較大改變，使涇河流域不僅是黃土高原嚴重水土流失地之一，也是西北地區暴雨多發區之一［13］。因此，從氣候變化和土地利用變化角度研究涇河流域的水資源，對該流域規劃水資源分配和鞏固生態系統平衡具有重要的意義。但前人的研究，如邱國玉［14］、趙姹［15］、李雪［16］、王尹萍［17］等主要研究土地利用變化和氣候變化對涇河流域徑流、生態基流的影響，缺乏氣候變化和土地利用變化對涇河流域藍綠水的研究。基于此，本文以涇河為研究對象，利用土地、DEM、氣候和土壤等因子模擬過去40 年涇河水文循環情況，探究涇河流域藍綠水分布規律并估算其產量，為涇河流域優化藍綠水資源提供理論依據。

1 研究區概況

1.1 研究區域

涇河流域坐落于我國黃土高原中部地區，地理坐標為：東經106°14'～108°42'、北緯34°46'～37°19'，海拔介于440～2 200 m，地勢為西北高東南低。涇河發源于寧夏省六盤山東麓，是我國黃河一級支流渭河的第一大支流（見圖1）。流域全長455.1 km，面積45 421 km2，平均徑流量21.40 億m3，依次流經寧夏、甘肅、陜西三省。流域多年平均氣溫8 ℃，7 月平均氣溫最高，高達29 ℃，1 月平均氣溫最低，低至-13 ℃，年降水量在350～650 mm之間，夏季氣候濕潤雨水多，夏季降水量一般超過年降水量的3/5。涇河流域土地平坦遼闊，耕地占整個流域面積近60%，為西北地區糧食生產提供了保障。

圖1 涇河流域概況圖Fig.1 Overview of Jinghe River Basin

1.2 數據來源與處理

SWAT 模型數據輸入具有多樣性，其中包括空間數據和屬性數據。空間數據主要有數字高程DEM數據、土壤類型分布數據、土地利用分布數據（圖2）；需要的屬性數據包括氣象數據、實測徑流數據（見表1）。輸入SWAT 模型的空間數據需要統一投影坐標系，本文采用的投影坐標系為WGS_1984_UTM_Zone_49N。

表1 原始數據說明Tab.1 Raw data description

圖2 涇河流域土壤、土地利用和子流域圖Fig.2 Soil types，land use and sub basins of Jinghe River Basin

DEM 數據來源于地理空間數據云，下載并對其進行預處理，最后按流域邊界裁剪即可；土地利用數據根據我國最新修訂的《土地利用現狀分類》（GB/T21010-2017）中的一級分類標準將其分為：耕地、林地、草地、濕地、水體、建設用地和裸地等七種類型；土壤數據通過建立土壤數據庫應用SWAT模型中，模型運行之前必須轉化成統一的美制土壤粒徑標準，土壤參數用SPAW 軟件計算；氣候數據利用氣象站數據自制氣象數據庫，太陽輻射數據根據逐日日照時數數據來計算［18］。

2 研究方法

2.1 SWAT模型

SWAT 模擬流域的水文循環過程需要遵守水量平衡原理，其公式如下：

式中：SWt是指土壤最終含水量；t是指時間；SW0指最初土壤在第i天的含水量；Rday的降水量；Qsurf地表徑流；Ea第i天的水分蒸散發量；Wseep天離開土壤剖面底部的滲透水流和旁通水流水量；Qgw表示第i天回歸流的水量。

2.2 模型評價

本研究以SWAT-CUP 軟件中自帶的SUFI-2 算法（序貫不確定性分析方法）對SWAT 模型執行率定和驗證。模型適用性取決于R2［公式（2）］、NSE［公式（3）］、PBIAS［公式（4）］、和RSR［公式（5）］等4個指標，R2表示模型模擬值和輸入實測值之間的貼合度，值越接近于1，說明兩者的結果越貼合，得到的效果就越好；NSE是指模型模擬值與輸入實測值之間偏離程度，值越接近于1，說明兩者的結果偏差越?。?9］；PBIAS是指模型模擬值與輸入實測值之間的平均變化趨勢，PBIAS>0，說明模型模擬值偏小，反之，模型模擬值偏大［20］；RSR是指用均方根誤差與輸入實測值的標準差的比值，RSR絕對值越小，模擬效果越好［21］。

R2、NSE、PBIAS和RSR計算公式如下：

2.3 藍/綠水資源量統計

根據SWAT 模型輸出結果來計算藍水和綠水的產量，其中藍水產量的輸出結果用每個子流域產水量（WYLD）加上深層含水層補給量（DA_RCHG）的值來表示；綠水產量是輸出結果中每個RHU的實際蒸散發（ET）和土壤含水量（SW）之和［22］。以下是計算藍水、綠水和綠水系數的公式：

式中：G表示綠水資源量；B表示藍水資源量；GWC表示綠水系數。

2.4 皮爾遜Ⅲ型頻率曲線法

在水文計算領域中，很多學者通常用皮爾遜Ⅲ型頻率曲線法統計各類水文現象，以評價我國水文變量的分布。因此，我國豐水年、平水年和枯水年的劃定可以基于皮爾遜Ⅲ型頻率曲線計算流域內年降水量頻率序列得以實現［23］。

皮爾遜Ⅲ型頻率曲線概率密度函數為：

式中：Γ(α)表示α的伽瑪函數；α，β，a0（α>0，β>0）分別表示曲線分布的形狀尺度和位置未知參數，其與期望值（Ex）、偏態系數（Cs）和變差系數（Cv）的關系如下：

3 結果和分析

3.1 涇河流域徑流突變年份

突變分析是研究水文序列特征的主要切入點，基于徑流數據做突變分析，有利于獨立研究氣候和土地利用2 種因子對涇河流域藍綠水的影響［24］。將1979-2019 年涇河流域張家山水文站的逐月徑流數據整理成年徑流量，用M-K（Mann-Kendall）突變檢驗法對其突變分析，再用滑動t檢驗法和累積距平法對結果進行檢驗，結果如圖3。M-K突變檢驗結果表明，涇河流域張家山水文站的徑流在1996 年發生突變；滑動t檢驗設置99%置信區間和5 年步長，其結果也說明張家山水文站的徑流突變年份為1996 年；從累積距平檢驗結果圖可以看出，1996 年是張家山水文站徑流突變年份。綜合3 種突變檢驗方法可以確認1996年是張家山水文站徑流突變年份，與劉宇［25］結果一致。

圖3 張家山水文站1979-2019年徑流量M-K檢驗、滑動t檢驗、累積距平Fig.3 Runoff m-k test，sliding t test and cumulative anomaly of Zhangjiashan hydrological station from 1979 to 2019

3.2 模型參數率定及驗證

將DEM 數據、土地利用數據、土壤數據和氣象數據依次輸入SWAT 模型中，模型運行過程中將涇河流域劃分成29個子流域，生成342個水文響應單元。

鑒于涇河流域張家山水文站徑流在1996年發生突變，為保證參數的可靠性，用突變之前的月徑流數據對模型進行率定。預熱期為2 年，1981-1990 年為率定期，1991-1995 年為驗證期。運用SWAT-CUP 軟件對模擬徑流相關的28 個參數進行全局敏感性分析［26］，最終選用敏感性最高的12個參數作為涇河流域的率定參數（表2）。SWAT 模型模擬結果（圖4）：率定期和驗證期結果如表3。Moriasi 認為，當R2>0.7，NSE>0.5，|PBIAS|≤25%且RSR≤0.7 時，模型的模擬效果較好［27］。結果表明SWAT 模型適合探究氣候變化和土地利用變化對涇河流域藍水綠水資源影響。

表3 模擬指標結果Tab.3 Simulation index results

圖4 張家山水文站月徑流率定期和驗證期結果Fig.4 Results of regular and validation period of monthly runoff rate of Zhangjiashan hydrological station

表2 參數含義及率定結果Tab.2 Parameter meaning and calibration results

3.3 典型豐枯年份確定

研究涇河流域藍綠水在典型年份的空間分布差異，對典型年份下該流域藍綠水資源的合理利用做出了重要的貢獻。

目前，劃分豐水年、平水年和枯水年有多種方法，本文采用皮爾遜Ⅲ型頻率曲線法對多年平均降水量進行劃分。對年降水量（1979-2019 年）數據采用數學期望公式進行頻率計算，得到頻率曲線如圖5，參數：Eχ=468.73 mm，Cs/Cυ=2.5。其中頻率小于25%為豐水年，頻率介于25%和50%之間為平水年，頻率大于50%為枯水年。根據頻率曲線圖（圖5）可知，豐水年、平水年和枯水年各占24.3%、26.8%和48.9%。本文選取3 個典型年份來研究藍綠水時空分布，分別是2003 年（豐水年）、2010 年（平水年）和1997年（枯水年）。

圖5 理論頻率曲線與經驗點據擬合圖Fig.5 Theoretical frequency curve and empirical point data fitting diagram

3.4 典型年份下的藍綠水時空變化特征

涇河流域典型年份下的藍水和綠水時間分布如圖6 所示。流域藍水資源在枯水年、平水年和豐水年下分別是43.54、132.07、235.14 mm，豐水年的藍水量是枯水年的5.4 倍，是平水年的1.8 倍；流域綠水資源在枯水年、平水年和豐水年下分別是346.13、450.77、490.93 mm，豐水年的綠水量是枯水年的1.4 倍，是平水年的1.1 倍。流域內藍水量和綠水量與降水量成正相關，而綠水系數與降水量成負相關，說明綠水資源對維持生態平衡起著至關重要的作用。

圖6 典型年份下的降水量、藍綠水量和綠水系數的變化Fig.6 Changes of precipitation，blue-green water and green water coefficient in typical years

涇河流域典型年份藍水和綠水資源空間分布如圖7所示：

圖7 典型年份涇河藍水綠水空間分布Fig.7 Spatial distribution of blue water and green water in Jinghe River in typical years

（1）流域3個典型年份的降水量空間分布大體相同，都是自東南向西北方向減少。豐水年部分地區降水量高達810 mm，枯水年大部分地區降水量小于390 mm。

（2）枯水年、平水年和豐水年的藍水量空間分布均呈東南向西北方向減少。豐水年的藍水量較豐富，部分地區達到390 mm 以上，相反枯水年的藍水量就極少，大部分地區藍水量小于40 mm。

（3）3個典型年份的綠水空間分布幾乎一致，均是由東南向西北方向減少。在豐水年，綠水量最為豐富，部分地區超過520 mm，而在枯水年，部分地區綠水量少于280 mm。

（4）綠水系數與藍綠水量的空間分布完全相反，枯水年、平水年和豐水年的綠水系數分布趨勢均由東南向西北方向增高。在枯水年，綠水系數普遍更高，大部分地區超過87%，這是因為在枯水年間降水量少、氣溫高，流域內水資源蒸散發的程度比平水年和豐水年劇烈，所以枯水年的綠水系數高于其他典型年份。

3.5 氣候變化和土地利用對藍綠水的時空影響

3.5.1 情景設置

采用情景對比法，即固定其他因子，僅改變氣象因子或者土地利用因子來設置情景，情景設置如表4。張家山水文站徑流突變年份是1996 年，故將1979-1996 年設置為基準期，氣象因素劃分成1979-1996 年、1997-2019 年兩段時間序列。氣候變化（情景Ⅰ-基準期）對藍綠水的影響通過固定土地利用數據，改變氣象數據的策略來實現；土地利用變化（情景Ⅱ-基準期）采用固定氣象要素，改變土地利用數據的方式來實現；而氣候變化和土地利用變化（情景Ⅲ-基準期）對藍綠水的共同影響則通過改變兩種數據來研究。

表4 情景設置Tab.4 Scenario setting

3.5.2 藍綠水時空變化特征

涇河流域3種情景下的藍綠水資源量如圖8所示：

圖8 情景設置下的藍綠水量、綠水系數和因素影響下藍綠水、綠水系數改變量Fig.8 Blue and green water quantity and green water coefficient under scenario setting and change of blue/green water and green water coefficient under influence of factors

（1）涇河流域基準期、情景Ⅰ、情景Ⅱ和情景Ⅲ的藍水量分別為107.17、109.14、106.11 和108.08 mm，在氣候因素作用下，藍水資源量增加了1.97 mm；在土地利用變化的情況下，藍水量減少了1.06 mm；在氣候變化和土地利用變化共同作用下，藍水量增加了0.91 mm。

（2）涇河流域基準期、情景Ⅰ、情景Ⅱ和情景Ⅲ的綠水量分別為421.24、442.72、422.03 和443.51 mm，在氣候變化下，綠水資源量增加了21.48 mm；在土地利用變化的情況下，綠水量增加了0.79 mm；在氣候變化和土地利用變化共同作用下綠水量增加了22.27 mm。

（3）涇河流域基準期、情景Ⅰ、情景Ⅱ和情景Ⅲ的綠水系數分別為80.01%、80.53%、80.19%和80.71%，在氣候因素作用下，綠水系數升高了0.52%；在土地利用變化的情況下，綠水系數升高了0.18%；在氣候變化和土地利用變化共同作用下，綠水系數升高了0.7%。

涇河流域藍水、綠水和綠水系數的變化以氣候變化為主要驅動因素，貢獻率分別是65%、96%和74%，土地利用對其變化貢獻率分別是35%、4%和26%。

涇河流域氣候變化、土地利用變化和氣候與土地利用共同變化下藍水和綠水空間分布如圖9 所示。就藍水而言：在氣候因素作用下，涇河流域藍水量整體增多，越靠東南方向藍水量增加的越多；在土地利用變化的作用下，流域全區域藍水量減少，其中流域東南地區減少的最多；在氣候變化和土地利用變化共同作用下，流域藍水量整體增多，與氣候變化作用下的藍水分布一致。從綠水角度分析：在氣候因素作用下，涇河流域全流域綠水量增多，其中部分地區增多高達28 mm；在土地利用的影響下西北地區綠水量減少，其他區域綠水量增多；在氣候變化和土地利用變化共同作用下，綠水資源量大部分地區增多，只有極小部分地區減少。綠水系數的變化：在氣候因素作用下，涇河流域綠水系數整體升高，小部分地區綠水系數降低；在土地利用的影響下，綠水系數分布與土地利用影響下的綠水量分布一致，西北地區綠水系數降低，其他地區綠水系數升高；在氣候變化和土地利用變化共同作用下，綠水系數整體升高，只有少部分地區的綠水系數降低。

圖9 氣候變化、土地利用變化、氣候與土地利用共同變化下的藍綠水改變量Fig.9 Blue green water change under climate change，land use change and joint climate and land use change

4 結論與討論

4.1 討論

采用皮爾遜Ⅲ型頻率曲線法劃分涇河流域典型年份，選取1997 年（枯水年）、2010 年（平水年）、2003 年（豐水年）3 個典型年份為代表，更加直觀地分析典型年份下藍綠水資源量的時間分布差異。涇河流域氣候干旱，降水更多轉化為綠水，綠水是流域水資源的主要組成成分?？菟甑木G水系數更高，這是由于枯水年間降水量少、氣溫高，水資源蒸散發劇烈導致［28］。分析典型年份藍綠水時空分布特征，有利于更深一步了解藍綠水互相轉化規律，從而為解決涇河流域水資源短缺、水土流失嚴重、生態平衡失調等問題做出更大的貢獻。

采用情景設置法來定量分析氣象變化、土地利用變化對涇河流域藍綠水的影響。研究表明，藍綠水分布與降水分布一致，氣象變化是決定涇河流域藍綠水資源量的主導因素，這與王紹娜研究結果一致［29］。其中氣候因子對綠水變化的貢獻率為96%，蒸散發量在氣候驅動綠水變化中起著較為關鍵的作用［30］。同時，土地利用變化對藍綠水資源也有一定的影響，建設用地面積增多促使不透水面擴張，導致地表徑流無法進入土壤，因此合理規劃土地利用對該流域的水土保持具有重要的意義［31］。除了氣象變化和土地利用變化以外，人類活動也會改變藍綠水資源的分布。未來將從水庫和灌溉方面分析藍綠水的時空分布特征。

4.2 結論

以涇河流域作為研究對象，利用SWAT 模型從氣候和土地利用2 種元素驅動下分析藍綠水時空變化規律，得出的結論如下。

（1）根據M-K 突變檢驗法對1979-2019 年年徑流量進行突變檢驗，并用滑動t檢驗法和累積距平法對其結果進行校正，證實徑流突變年份發生在1996 年。故將氣象因素劃分成1979-1996 年和1997-2019 年兩段時間序列，并用1990 年和2015 年的土地利用來設置情景。

（2）涇河流域藍水量在氣候因子的作用下增多，在土地利用因子的作用下減少；綠水量在氣候和土地利用的影響下均增多。藍水、綠水和綠水系數的變化以氣候為主要驅動因子，氣候因素對其變化的貢獻率分別是65%、96%和74%，土地利用因素對其變化貢獻率分別是35%、4%和26%。

（3）涇河流域氣候和土地利用2種因子共同作用的藍水、綠水和綠水系數的空間分布與氣候變化的空間分布一致。氣候變化導致全流域的綠水量增多，土地利用變化導致全流域的藍水量都降低，變化分布均是中部地區比南北地區比變化明顯。