基于隨機森林模型的茹河流域水沙變化及其影響因素研究

韓建純,李 鵬,2,*,楊 志,張 祎,許垚濤,封揚帆,黨小虎

1 西安理工大學 省部共建西北旱區生態水利國家重點實驗室,西安 710048

2 旱區生態水文與侵蝕災害防治國家林業和草原局重點實驗室,西安 710048

3 寧夏回族自治區水土保持監測總站,銀川 750002

4 寧夏大學生態環境學院,銀川 750021

5 西安科技大學地質與環境學院,西安 710055

近幾十年來,氣候變化和人類活動對生態環境的影響愈發顯著,并進一步影響了水文過程,特別是對徑流和泥沙的變化最為顯著,引起了廣泛關注[1—4]。人類活動造成下墊面變化[5],進而對地表徑流形成、產沙機制及輸沙過程產生了巨大影響[6—7],且社會和生態系統的結構、過程和功能也隨之發生變化[8],使得流域的徑流量和輸沙量發生顯著變化[9]。人類活動受到政策和社會經濟因素的制約[10—12]。因此,揭示社會經濟因素、生態因素與水沙變化之間的響應關系對于水土流失治理至關重要。

目前關于影響徑流量、輸沙量變化的研究多集中于水土保持措施、水沙變化趨勢等方面,以社會經濟、生態恢復等具體因子為出發點探討對徑流、輸沙影響變化的研究較少[5]。為了有效控制水土流失,恢復生態環境,政府采取了各種治理措施和政策。梯田、淤地壩等工程措施的建設以及退耕還林政策的實施,造成了泥沙供應過程和流域下墊面條件的變化,從而影響了徑流、土壤侵蝕、水沙輸送的連通性,并大幅減少了黃河輸沙量[13]。闡明各種措施對徑流量、輸沙量變化的影響對今后水土保持工作具有重要意義。Zhao等人[14]量化了人為因素和氣候因素對徑流量和輸沙量變化的貢獻,發現淤地壩建設在控制泥沙輸移方面發揮著重要作用;劉二佳[15]分析了黃土高原地區北洛河流域的水沙變化,表明生態恢復措施在減水減沙方面良好的治理效果;張建[16]分析了彭陽縣小河流域水沙變化的影響貢獻率,發現非降雨因素對徑流量和輸沙量的貢獻率為84%和79%。人類活動受到社會經濟條件的制約,社會經濟因素通過影響人類活動改變徑流量和輸沙量,農村人口的減少、產業結構的變化均造成了下墊面的變化[17],進而對徑流量、輸沙量產生了影響。少數研究[18]通過構建指標體系,采用多元回歸分析方法對水沙變化的影響進行探究,而多元回歸分析限制條件較多,面對復雜的非線性問題時解釋能力較差。相比之下,隨機森林回歸模型具有較高的預測精度,且能處理多重共線性的數據,便于計算變量的非線性作用[19]。

本研究選擇寧夏回族自治區彭陽縣茹河流域為研究對象,探討近年來人類活動產生的經濟、社會和生態等因素對徑流量和輸沙量的響應關系。本研究的具體目標是:(1)分析徑流量、輸沙量的趨勢變化以及突變時期,量化降雨和人類活動對徑流量和輸沙量的相對貢獻度;(2)揭示經濟、社會、生態等人類活動因素對徑流量、輸沙量的影響,以期為促進流域水土流失治理可持續發展提供指導。

1 研究區概況

茹河屬于黃河的二級支流,位于寧夏回族自治區東南邊隅(圖1),六盤山脈東側,地處黃土丘陵溝壑區。流域總面積為2470km2,占彭陽縣總面積的73%,東、南、北分別與甘肅省接壤。該流域地形復雜、地貌破碎,水土流失嚴重。干旱少雨是當地最主要氣候特征,流域范圍內多年平均年降雨量在420—550mm,自1999年實施退耕還林政策以來,生態環境得到極大改善。年平均徑流量為2763萬m3,年平均輸沙量為519萬t。流域干流上設有彭陽水文站(圖1),控制面積1544km2,并設有青石嘴、任河、店子洼及黨家溝等15處雨量站[20],站網密度相對較大,水文資料較多,能夠滿足研究需要。

圖1 研究區地理位置Fig.1 Geographical location of the study area

2 研究方法與數據來源

2.1 數據來源與預處理

本研究采取的降雨量,徑流量與輸沙量數據由寧夏水土保持監測中心提供,時間分辨率為日水文數據,時間跨度為1989—2019年,通過水文計算獲取多年平均水文數據,茹河流域范圍涉及彭陽縣各鄉鎮,因此選取《寧夏統計年鑒》中彭陽縣的統計數據來表示茹河流域的社會經濟數據,來源于《寧夏統計年鑒》;淤積庫容數據由水土保持監測中心提供;土地利用數據來源于Zenodo數據網站(https://zenodo.org/record/4417810#.YShGWugzbBU),空間分辨率為30m;NDVI數據來源于中國科學院資源與環境數據中心網站(https://www.resdc.cn/data.aspx?DATAID=257),空間分辨率為1000m。

2.2 研究方法

2.2.1水沙變化趨勢及突變分析

利用Mann-Kendall統計檢驗方法(以下簡稱為M-K檢驗)對水文氣象要素進行趨勢分析。檢驗統計量值為正,表示氣象水文序列呈增加趨勢,為負值則表示數據呈現出減少趨勢。當檢驗統計量(U)絕對值大于1.65、1.96和2.58時,分別表示序列通過了置信度為90%、95%和99%的顯著性檢驗,檢驗統計量絕對值越大,趨勢越顯著。該方法不考慮樣本序列的分布特征,且樣本中少數極大、極小異常值也不會對結果造成影響,能很好的揭示時間序列的變化趨勢[21]。采用Pettitt突變檢驗法對水文要素進行突變檢驗,該方法將可能發生突變的時間節點把序列分為前后兩個時段,認為這兩個時段數據均來自同一樣本。

2.2.2氣候變化與人類活動貢獻率

本研究采用雙累積曲線法來研究降雨和人類活動對徑流量、輸沙量變化的影響,以對徑流量變化的影響為例[22],雙累積曲線計算貢獻度的方法如下:

∑Q基=k∑P基+b

(1)

∑Q基計算=k∑P基+b

(2)

∑Q影計算=k∑P影+b

(3)

式中,ΣQ基為基準期徑流累積量,ΣP基為基準期降雨累積量,k和b為基準期降雨-徑流雙累積曲線的線性回歸方程參數,ΣQ基計算為基準期徑流累積量的計算值,ΣQ影計算為影響期徑流累積量的計算值,Σp影為影響期徑流累積量。

(4)

(5)

(6)

(7)

式中,ε降雨為降雨對徑流量變化的貢獻率,ε人為人類活動對徑流量變化的貢獻率。

2.2.3水沙變化影響因子重要性評估

隨機森林(Random Forest)模型是一種非參數回歸機器學習算法,由Leo Breiman于2001年開發,是一種集成學習方法,用于分類、回歸和其他任務。假設因變量(徑流量、輸沙量)有n個實測值,有m個影響因子與其相關(經濟-社會-生態因素中相關因子),通過采用Bootstrap重抽樣的方法從n個原數據中隨機抽取n個觀測值,選擇部分變量作為分類樹節點,從而構建幾百甚至幾千個分類樹組合成隨機森林,將重復程度最高的樹作為最終結果。采用隨機森林回歸分析能夠對影響因子的相對重要性進行排序,對徑流量、輸沙量進行預測。變量重要性是基于變量數據被置換時,預測誤差增加的程度[22],預測誤差減少百分比(IncMSE)是衡量將一個變量的取值變為隨機數后隨機森林預測準確性降低程度的指標[23],IncMSE值越大,說明相應變量的重要性越大,對模型的貢獻越高[24]。本研究同樣將其作為重要性排序的衡量標準。使用RandomForest和ranger軟件包[25]在R數據分析軟件中進行隨機森林回歸分析,ntree參數設置為2000棵樹,其他參數設為默認值[26]。

3 研究結果

3.1 降雨和人類活動對徑流輸沙變化影響

3.1.1徑流及輸沙變化趨勢

茹河流域1989—2019年徑流量、輸沙量年際變化結果顯示(圖2),1989年—2011年間,茹河流域年徑流量、輸沙量變化趨勢基本一致、峰值對應情況良好,重疊度較高,最大徑流量為1996年的8135萬m3,最大輸沙量為1996年的輸沙量2969萬t,均呈現出明顯減小趨勢;但在2012年之后徑流量和輸沙量結果出現明顯差異,徑流量明顯增大,而輸沙量平穩減小。采取M-K檢驗和Pettitt突變檢驗對徑流量、輸沙量進行分析(表1),結果均通過顯著性檢驗,M-K檢驗結果顯示徑流量變化的統計量絕對值均低于輸沙量,說明輸沙量下降幅度更大,Pettitt突變分析結果顯示(圖3,圖4),在1989—2019年間,年徑流量于2003年發生突變,年輸沙量于2004年發生突變,而進一步對突變前后的徑流量與輸沙量進行Pettitt檢驗,結果顯示年徑流量和年輸沙量于1996年同樣存在突變點。

圖2 徑流量、輸沙量年際變化Fig.2 Interannual variation of runoff and sediment transport

目標TargetM-K趨勢分析 M-K Trend AnalysisPettitt突變檢驗 Pettitt mutation test檢驗統計量Test statistics顯著水平 Significant level突變點 Discontinuity顯著性 Salience徑流量 Runoff-2.680.00721996/20030.0023/0.0064輸沙量Sediment transport-4.860.00011996/20040.0001/0.0089

圖3 茹河流域徑流量變化突變點Fig.3 Sudden change point of runoff change in the Ru River basinUT表示樣本統計量;T0表示突變時間;P表示顯著性水平

圖4 茹河流域輸沙量變化突變點Fig.4 Sudden change point of sediment transport change in the Ru River basin

3.1.2降雨和人類活動對水沙變化的貢獻率分析

茹河流域降雨量-徑流量雙累積曲線和降雨量-輸沙量雙累積曲線(圖5)所示,1989—2019年期間,徑流量和輸沙量均出現了兩次轉折點,且第一次轉折點均為1996年,徑流量第二次轉折點位于2003年,輸沙量第二次轉折點為2004年,這與Pettitt檢驗結果一致。1996年之前,人類活動對茹河流域水沙變化的影響較小,因此,本研究將1989—1996年設為基準期,來量化茹河流域降雨量和人類活動對水沙變化的貢獻率。

圖5 茹河流域降雨量-徑流量、降雨量-輸沙量雙累積曲線Fig.5 Double accumulation curves of Precipitation-runoff and Precipitation-sediment transport in the Ruhe River Basin

年份Year年均降雨量Average annual precipitation/mm年均徑流量Average annual runoff/104m3降雨影響Precipitation impact人類活動Human activity實測值計算值減少量/104m3貢獻率/%減少量/104m3貢獻率/%1989—1996477.794584.474351.551997—2003433.672967.954410.0258.474.051383.5995.952004—2019501.991762.955102.23750.6922.482588.5977.52

降雨量和人類活動對茹河流域徑流量、輸沙量的貢獻率表(表2和表3)所示,近年來對茹河流域徑流量和輸沙量變化的主要影響因素是人類活動。人類活動影響徑流量和輸沙量最顯著的階段是1997—2003年,對減少徑流量和輸沙量的貢獻度分別為95.95%和78.31%;2004—2019年人類活動對徑流量減少的貢獻率為77.52%,與1997—2003年相比降低了18.43%;該階段人類活動對輸沙量減少的貢獻率為77.91%,相比于1997—2003年降低了0.4%,人類活動對減水減沙效益的貢獻在明顯降低。

表3 降雨和人類活動對輸沙量影響分析結果Table 3 Results of analysis on the effects of rainfall and human activities on sediment transport

3.2 人類活動對水沙變化影響的主控因子

人類活動對流域水沙變化的影響復雜多變,對徑流的影響主要是通過改變土地利用方式影響氣候和下墊面條件,以及農田灌溉、城市建設等直接影響水文循環和水量平衡等;對輸沙量的影響主要是通過修建淤地壩、進行植被恢復等達到減沙的目的。因此為了能夠更好的進行水土流失控制,達到蓄水保土,減少徑流量與輸沙量的目標,對人類活動影響水沙變化的具體措施進行研究是有必要的。本研究通過走訪調研、閱讀相關文獻,查閱統計年鑒資料[10,18],最終選取經濟因素、社會因素、生態因素等三類人類活動因素共16個指標來綜合研究茹河流域水沙變化的響應關系,具體指標含義如表4所示:

表4 影響因子指標評價體系Table 4 Impact factor index evaluation system

3.2.1隨機森林回歸擬合驗證

將研究中影響徑流量和輸沙量的全部因子作為自變量,徑流量和輸沙量分別作為因變量進行隨機森林回歸分析;計算隨機森林回歸模型得到的徑流量、輸沙量擬合值與實際統計值的R2和MAE值。隨機森林回歸模型預測值與實測值分析驗證結果如圖6所示,徑流量擬合的R2和MAE值分別為0.98、235.46;輸沙量擬合的R2和MAE值分別為0.98、41.99。擬合曲線的R2均達到了0.98,表明隨機森林回歸擬合結果接近實際,具有可靠性。

圖6 隨機森林回歸模型擬合驗證Fig.6 Random forest regression model fitting verification

3.2.2影響水沙變化的主控因子識別

基于隨機森林的預測模型與徑流量、輸沙量進行擬合,通過繪制16個影響因子的預測誤差減少百分比(IncMSE),探究了各影響因子對徑流量、輸沙量的相對重要性(圖7)。當隨機排列影響因子時,對徑流量影響最大的因子是農作物播種面積,IncMSE為20.88%,其次是耕地面積(20.85%)、草地面積(18.93%)及人口密度(14.35%);對輸沙量影響顯著的因子是植被覆蓋度(21.95%)、水利環境投資占比(20.25%)、人口密度(15.63%)及工業總產值(14.75%)。徑流量與輸沙量影響因子差異較大,差異最顯著的因子為水利環境投資占比。

圖7 水沙變化影響因素重要性排序Fig.7 Ranking of the importance of factors affecting runoff and sediment changesIncMSE為精度平均減少值,指將變量隨機取值后進行隨機森林模型估算誤差相對于原來誤差的升高幅度;IncMSE值越大,說明該變量越重要

3.2.3主控因子與水沙變化的響應關系

基于隨機森林回歸模型,針對顯著影響徑流量前四項因子分析影響因子對徑流量變化的影響強度(圖8),結果顯示,農作物播種面積和耕地面積的變化與徑流量的影響均呈現出顯著正相關關系,草地面積和人口密度與徑流量的響應關系為顯著負相關。農作物播種面積和耕地面積對影響徑流量變化過程中的作用相似,近年來農作物播種面積和耕地面積顯著減少,在耕地面積減少至450—500km2以及農作物播種面積減少至45000—55000hm2時,對徑流量的減小影響最大,流域草地面積持續增長,草地面積增長至980—1200km2時保水效果達到理論效果最佳,繼續增長易造成反作用;人口密度在0.6—0.65人/hm2之間時徑流量達到最小,人口密度降低至0.6人/hm2以下時易導致徑流量迅速增加。

圖8 農作物播種面積、耕地面積、草地面積及人口密度對徑流量變化的影響強度Fig.8 Influence intensity of crop sown area,cultivated land area,grassland area and population density on the change of runoff

輸沙量影響因子排序前四的因子對輸沙量影響的影響強度(圖9)顯示,植被覆蓋度、水利環境投資占比、工業總產值等因子變化與輸沙量變化呈現出顯著負相關關系,人口密度與輸沙量呈現出顯著正相關關系。植被覆蓋度小于50%時,輸沙量變化較大,植被覆蓋度大于60%時,輸沙量變化趨于穩定,表明植被的減沙效益顯著,但是僅植被措施對輸沙量變化受到限制;水利環境投資占比在10%—30%時以及工業總產值大于50000萬元時減沙效果最好,且趨于穩定;茹河流域人口流失嚴重,當人口密度達到0.6人/hm2時輸沙量較小,隨著人口的減少,可用耕地被遺棄,廢棄農田中自然植被的恢復將改變土壤的水力特性,從而改變泥沙的輸送過程。

圖9 植被覆蓋度、水利環境投資占比、人口密度、工業總產值對輸沙量變化的影響強度Fig9 Influence intensity of vegetation coverage,proportion of water conservancy and environmental investment,population density,and gross industrial output value on changes in sediment transport

4 討論

茹河流域徑流量和輸沙量峰值對應情況良好,整體呈現出下降趨勢,但在2012年之后徑流量和輸沙量呈現出明顯分異,徑流量逐漸增加,輸沙量平穩減小,這與涇河流域水沙變化趨勢相一致[27]。水沙變化是降雨和人類活動共同作用的結果[28—29],降雨是流域產沙的主要驅動力[30],在不同時期的降雨和人類活動對水沙變化的貢獻率亦有差異。通常認為,降雨等氣候因素的貢獻率不斷降低,人類活動的貢獻率持續增加[27,31]。本研究結果表明,人類活動對徑流量和輸沙量減少貢獻率雖然仍遠大于降雨量的貢獻率,但是人類活動的貢獻率在緩慢降低,這與前人研究略有不同[31]。這一現象說明,在針對現階段流域水沙的控制中,傳統的水土保持措施存在了一定的不足,需要深入探究具體的人類活動對流域水沙變化的影響來為水土保持措施的改進提供指導。

人類活動對徑流量和輸沙量的影響復雜多變,國家實施退耕還林政策以來,茹河流域農作物播種面積和耕地面積持續減少,造成林草地面積的持續增加,使得更多的降雨被植被冠層截留,密集的凋落物能夠攔截徑流、延緩徑流流速[32],一小部分降雨對地下水進行補充,其余降雨通過蒸散作用排入大氣[33],使得徑流量持續減少[34]。另外,人口密度的減小導致廢棄耕地的增加,棄耕農田得以自然恢復,生長的草地和灌木叢等植被與農田相比增加了入滲能力,使得徑流量進一步減小。

茹河流域徑流量的變化進一步對輸沙量變化造成影響。退耕還林、植樹種草等措施增大了林草植被覆蓋度,更多的植被通過減少雨滴的動能,能夠使輸沙量顯著減小[35]。在經濟建設和工業擴張階段,大規?；A設施建設導致地表植被遭到了很大程度的破壞,造成了嚴重的土壤侵蝕和泥沙輸移。隨著經濟的發展和工業現代化的建設,茹河流域的機械化水平得以提升,人們利用經濟發展和科技成果來恢復流域的生態環境,一方面水利投資能夠增加水土保持建設,如修建梯田、淤地壩等工程措施來抑制水土流失,減少輸沙量,另一方面,傳統工業向綠色工業的轉變,促進了茹河流域的生態恢復。經濟發展帶來了大量的就業機會,越來越多的年輕人選擇在城市就業、創業,農村人口流失嚴重[36],農村勞動力的減少,降低了對耕地的需求,廢棄農田得以自然恢復,產生的草地和灌木叢改變了土壤的水力特性[37],影響了徑流和泥沙的輸送過程,流域的保水固土能力得以提高[38]。

影響徑流量、輸沙量變化的顯著因子存在差異,其中最顯著的差異為水利環境投資占比。茹河流域干旱缺水,在水沙治理過程中主要是以治沙為主,因此水利環境投資對輸沙量變化的影響相對較大。雖然徑流量與輸沙量顯著影響因子略有不同,但是揭示的水土流失未來治理方向確趨于一致,均反映出單因子作用下并不能到最佳的固水保土效果,如:農作物播種面積減少控制徑流量減少至最小值為1900萬m3;草地面積控制徑流量減少至最小值為1850萬m3;植被覆蓋度、水利環境投資占比、人口密度、工業總產值等單因子作用下控制輸沙量減少至140萬t時趨于穩定。因此,現階段水土流失治理需要結合經濟—生態—社會等因素進行綜合治理。

5 研究結論

本研究定量分析了茹河流域降雨量和人類活動對徑流量、輸沙量變化的貢獻率,探索了影響因子與水沙變化的響應關系。得到以下結論:

1)1989年—2011年間,茹河流域年徑流量、輸沙量變化趨勢基本一致、峰值對應情況良好,重疊度較高,最大徑流量為1996年的8135萬m3,最大輸沙量為1996年的輸沙量2969萬t,均呈現出明顯減小趨勢;但在2012年之后徑流量和輸沙量結果出現明顯差異,徑流量明顯增大,而輸沙量平穩減小。

2)茹河流域徑流量突變點為1996年、2003年,輸沙量突變點為1996年、2004年,影響期的兩個階段中,人類活動對徑流量的貢獻率分別為95.95%和77.52%,對輸沙量的貢獻率分別為78.31%和77.91%。

3)隨機森林回歸模型通過預測誤差減少百分比(IncMSE)對各影響因子進行重要性排序,得到對徑流量影響重要的前四個指標為降雨量、耕地面積、農作物播種面積、草地面積,IncMSE值分別為58.92%,56.67%,54.39%,54.19%;對輸沙量影響重要性靠前的指標為植被覆蓋度、水利環境投資占比、人口密度、工業總產值,其IncMSE值分別為62.21%,49.36%,49.25%,42.90%。

4)農作物播種面積、耕地面積與徑流量呈現出明顯的正相關關系;植被覆蓋度、水利環境投資占比、工業總產值等因子與輸沙量呈現出顯著負相關關系。

經濟—生態—社會等人類活動均在不同角度對徑流量和輸沙量產生了顯著影響,可見,單因子作用情況下對徑流量與輸沙量的作用易受到限制,現階段的水土保持工程措施在建設時應考慮經濟—生態—社會等因素的需求,在多因素驅動下進行水土保持措施的建設。