土地利用和氣候變化對流溪河水庫流域徑流的影響

余揚波, 唐國平, 牛香豫, 黎 毅

(中山大學 地理科學與規(guī)劃學院, 廣州 510275)

土地利用與土地覆被變化(LUCC)以及氣候變化是影響水資源變化的兩大主要因素[1]。土地利用變化通過改變下墊面條件,如截留量、下滲率、土壤含水量、蒸散發(fā)量等,來影響產匯流機制,改變流域的水資源狀況[2]。氣候變化會影響流域的降水模式,進而流域徑流的形成,反映在年徑流量、徑流系數、洪峰徑流量上的改變[3]。徑流量的變化會引發(fā)洪澇災害或缺水問題,對區(qū)域的水資源開發(fā)利用和社會經濟發(fā)展造成顯著影響。因此,土地利用和氣候變化對徑流的影響成為了當前水文學的熱點問題。

模型模擬是分析流域徑流對土地利用和氣候變化響應的主要方法,其中分布式水文模型得到了廣泛應用。例如,竇小東等[4]利用SWAT模型研究了瀾滄江流域土地利用和氣候變化對徑流的影響,并對流域未來徑流變化進行了預估。林嫻等[5]采用HIMS模型,定量分析了武江流域氣候變化與人類活動對流域年最大日流量和徑流變化的貢獻率及影響。然而,在評估未來徑流變化方面,大多數研究都是基于歷史觀測的土地利用數據,僅考慮了氣候變化對徑流的影響,忽視了未來土地利用變化對徑流的影響。此外,相關研究多集中在我國中部地區(qū)[6-8]、西北地區(qū)[9-10]、西南地區(qū)[4],而對于華南地區(qū)尤其是小流域的關注較少。楊宏偉[11]、袁宇志[12]、黃鋒華[13]等分別對華南地區(qū)東江流域、流溪河流域、北江流域徑流對土地利用和氣候變化的響應進行了定量分析,但均未在未來徑流預測方面展開相關研究。

流溪河水庫流域位于廣州市從化區(qū)東北部,是廣州市的重要水源地,流域徑流量關乎整個廣州市的用水安全[14]。流域內多山地丘陵,地形地貌情況復雜,極端降水易引起山洪的發(fā)生。近年來流域內暴雨頻繁,洪水多發(fā),這對當地的生態(tài)系統(tǒng)及人們用水安全造成了嚴重的影響。為此,本文基于CHESS模型,結合歷史土地利用數據和氣象數據,通過設置不同情景,分析土地利用和氣候變化對流域徑流的影響,并利用CA-Markov模型預測未來土地利用變化的情景,再結合未來氣候預估數據對流域未來徑流變化進行模擬預測。研究結果可為流溪河水庫流域未來水資源的合理利用和社會經濟的可持續(xù)發(fā)展提供依據。

1 研究區(qū)域與數據

1.1 研究區(qū)概況

流溪河水庫流域(113°44′—144°04′E,23°40′—23°60′N)位于廣東省廣州市從化區(qū)東北部,流域面積約為539 km2,海拔為170～1 139 m。氣候類型屬南亞熱帶濕潤季風氣候,年平均氣溫約為20.3℃(圖1)。流溪河發(fā)源于廣州市從化區(qū)呂田鎮(zhèn)桂峰山,流經從化區(qū)、花都區(qū)、白云區(qū),最終在南崗口與白泥河匯入珠江西航道[14]。氣候上,流域空氣濕度大,雨水資源充足,但降雨量在不同年份、不同月份差異較大,4—9月為雨季,年平均降水量為1 770 mm,年平均蒸發(fā)量為1 100 mm。土壤以沙壤土為主,其次是壤土,粉砂壤土最少[15]。

圖1 流溪河水庫流域示意圖Fig. 1 Map of Liuxi River Reservoir Basin

1.2 基礎數據

本文所使用的數據包括柵格數據和氣象數據。其中數字高程模型數據采用SRTM(http:∥srtm.csi.cgiar.org/)提供的數據,分辨率為90 m。河網數據基于ArcGIS中的水文模塊獲得。土壤數據采用世界土壤數據庫(HWSD)數據,分辨率為1 km,并結合流域土壤的性質以及研究需要,將研究區(qū)內的土壤分為壤土、沙壤土和粉砂壤土。土地覆被類型數據來自于國家基礎地理信息中心全球地表覆蓋數據產品服務網站(http:∥www.globallandcover.org/),年份為2000年、2010年、2020年,分辨率為30 m。根據土地覆被類型及研究區(qū)的實際情況,將流域內的土地覆被類型劃分為5類:耕地、林地、草地、水體和建筑用地。

逐日最高氣溫、最低氣溫、平均氣溫數據取自距離研究流域最近且氣候、土壤、植被等條件與研究區(qū)相似的新豐站(114°8′E,24°N)。日尺度降雨數據取自流域內的流溪河水庫站和呂田站。以上氣象數據均由國家氣象科學數據中心(http:∥data.cma.cn)提供。徑流數據通過《廣東省水文年鑒》中流溪河水庫逐日出庫流量、逐日水位表以及逐日入庫流量數據推導而來[16]。二氧化碳年平均值數據來自NOAA/美國海洋及大氣管理局(https:∥www.noaa.gov/)。

2 研究方法

2.1 CHESS模型

本文選取分布式耦合生態(tài)水文模型CHESS(coupled hydrology and ecology simulation System)來量化土地利用和氣候變化對徑流的影響。CHESS是一個基于過程的物理模型,旨在模擬植被生長并量化流域尺度陸地生態(tài)系統(tǒng)中的碳、水和養(yǎng)分動態(tài)[17-19]。CHESS模型能夠動態(tài)地模擬植被生長,植物攔截降水和水在土壤—植被—大氣連續(xù)流動情況[17]。因此,它能夠量化氣候變化和相關的植被動態(tài)對水量平衡的調節(jié),方程式如下:

P=SF+AET+ΔS+ΔCanS+ΔGW

(1)

AET=Tr+Es+Eca

(2)

式中:P為降水;SF為徑流;AET為實際蒸散發(fā)量;ΔS為土壤含水量的變化;ΔCanS為冠層存儲降水的變化;ΔGW為地下水含量的變化;Tr為植物散發(fā)量;Es是為土壤蒸發(fā)量;Eca為林冠截留的蒸發(fā)量。

本文選取流溪河水庫流域1976—1988年的數據對模型進行率定和驗證,其中前5 a為植被累計循環(huán)期,使植被生長在這5 a中達到平衡狀態(tài)。1981—1984年為率定期,1985—1988年為驗證期。模型可信度的評估主要采用決定系數R2和納什效率系數NS[20-21]。

納什效率系數(Nash-sutcliffe efficiency coefficient,NS),能夠反映水文模型的模擬結果與實際觀測值之間的擬合程度,常用來評價水文模型模擬結果的優(yōu)良。其計算公式如下:

(3)

(4)

2.2 CA-Markov模型

CA-Markov模型結合了CA模型和Markov模型的優(yōu)勢,填補了Markov模型對空間屬性不敏感的特點[22],具有模擬多類別土地利用變化的能力[23],在模擬土地利用變化領域得到了廣泛的使用[24-25]。

本文利用IDRISI 17.0軟件中的CA-Markov模型對流溪河水庫流域未來的土地利用格局進行模擬。首先,將2000年土地利用數據和2010年土地利用數據導入IDRISI17.0軟件,使用Markov模塊獲得轉移概率矩陣和轉移面積矩陣。然后通過導入高程、坡度等柵格文件對不同的土地類型添加約束條件,得到適宜性圖集。最終,使用CA-Markov模塊生成2020年土地利用模擬數據。使用ArcGIS中的相交功能,比較2020年土地利用的模擬數據和實測數據,并通過計算Kappa系數來驗證模型的適用性。Kappa系數能夠評估圖像的模擬數據與實際數據之間的擬合程度,常用于土地利用變化模擬精度檢驗[6]。其計算公式如下:

(5)

式中:P0為總體模擬精度;Pc為理論模擬精度;1代表理想狀況下模擬的柵格比例。初步模擬結果顯示,Kappa數為0.71,模擬精度較高(0.60～0.80),表明CA-Markov模型模擬的未來的土地利用格局具有適用性[26]。

2.3 情景設置

2.3.1 土地利用變化情景 為了確定不同土地利用類型對徑流的影響程度,本文設置以下4種極端土地利用類型情景。情景1:采用2020年土地利用數據和2010—2020年的氣象數據,作為基準情景;情景2:采用2010—2020年的氣象數據,并將流域內的林地、草地轉化為耕地;情景3:采用2010—2020年的氣象數據,并將耕地轉化為林地;情景4:采用2010—2020年的氣象數據,并將耕地轉化為草地。

2.3.2 氣候變化情景 以情景1為基礎,通過改變氣溫和降水量來構建氣候變化情景。情景5:其他條件不變,氣溫升高2℃;情景6:其他條件不變,氣溫降低2℃;情景7:其他條件不變,降水量增加10%;情景8:其他條件不變,降水量減少10%。

2.3.3 綜合情景 設置4種情景,分析土地利用和氣候變化對流溪河水庫流域徑流的綜合影響。情景9:采用2000年土地利用數據和1990—2000年的氣象數據,作為此部分的背景情景;情景10:采用2000年土地利用數據和2010—2020年的氣象數據驅動模型,分析氣候變化對徑流的影響;情景11:采用2020年土地利用數據和1990—2000年的氣象數據驅動模型,分析土地利用變化對徑流的影響;再通過與情景1進行比較,分析土地利用和氣候變化對徑流的綜合影響。

2.3.4 未來徑流變化預估情景 為了預測未來土地利用變化情況,以2020年流溪河水庫流域土地利用數據為基礎,采用CA-Markov模型模擬得到2030年和2050年流域土地利用的預測數據,以此設置未來土地利用變化情景。情景12:在其他條件不變的情況下,將情景1中的土地利用數據替換為2030年土地利用預測數據;情景13:在其他條件不變的情況下,將情景1中的土地利用數據替換為2050年土地利用預測數據。

預估未來氣候變化有兩種常見的方法,IPCC法[4,6,21]和趨勢變化法[9,27]。由于IPCC法預測的結果存在不確定性以及受分辨率的限制[9],本文采用基于歷史變化趨勢設置未來氣候情景的方法。有研究表明,未來華南地區(qū)的極端降水事件將持續(xù)增多,降水強度變化傾向率為0.34 mm/(d·10 a)[28];氣溫也呈上升趨勢,平均增速達到0.2℃/10 a[29]。本文以2010—2020年氣象數據為基礎,將降水日(日降水量≥1 mm)的降水量增大1.02 mm,將氣溫升高0.6℃,得到2040—2050年氣象預測數據(表1),再設置未來氣候變化情景。情景14:在其他條件不變的情況下,將情景1中的氣象數據替換為2040—2050年氣象預測數據。

表1 2040-2050年氣象預測數據Table 1 Meteorological forecast data from 2040 to 2050

最后,對2040—2050年徑流進行預估。情景15:采用2050年土地利用預測數據和2040—2050年氣象預測數據驅動模型。

3 結果與分析

3.1 參數率定與驗證結果

率定結果顯示,對流溪河水庫流域徑流形成最敏感的參數依次為滲透系數垂直遞減率、土壤表層孔隙率、地下水補給率、滲透系數、孔徑指數,這表明流域徑流的形成對地表水和地下水的交換、土壤的滲透能力較為敏感。模擬結果如圖2—3所示。徑流的模擬值總體上略大于實測值,率定期的NS為0.82,R2為0.91,驗證期的NS為0.74,R2為0.86。模擬徑流除部分峰值略低于實測徑流值外,大部分徑流量都能與實測值匹配,表明模型模擬的精度高,在流溪河水庫流域有著良好的適用性。

圖2 流溪河水庫流域率定期和驗證期徑流模擬結果Fig. 2 Runoff simulation results of Liuxi River Reservoir Basin in regular and verification periods

圖3 流溪河水庫流域率定期和驗證期徑流模擬散點圖Fig. 3 Scatter diagram of runoff simulation in regular and verification periods of Liuxi River Reservoir Basin

3.2 情景模擬分析

3.2.1 土地利用變化情景分析 由表2可知,以情景1為基準期,對比情景2可知,將流域內的林地和草地全部轉化為耕地后,年均徑流量增大了2.36 m3/s;對比情景3和情景4可知,將流域內的耕地分別轉化為林地和草地后,年均徑流量分別減少了0.19,0.1 m3/s。結果表明,耕地面積的增大有利于徑流的形成,而林地和草地面積的增大會使得徑流量減少。通過對比情景3和情景4可知,將耕地轉化為林地后徑流量為18.23 m3/s,將耕地轉化為草地后徑流量為18.32 m3/s,林地對徑流形成的貢獻度小于草地。因此,耕地、林地、草地對徑流形成的貢獻率為耕地>草地>林地。

表2 土地利用變化情景年均徑流量Table 2 Annual average runoff under land use change scenarios

3.2.2 氣候變化情景分析 從表3可以看出,保持其他條件不變,溫度升高或降低2℃,所對應的徑流量變化分別是-0.21,0.22 m3/s,徑流變化率分別是-1.13%,1.19%,表明年均徑流量和溫度之間存在著反比關系。保持其他條件不變,降水量增加或減少10%,所對應的徑流量變化分別是2.5,-2.52 m3/s,徑流變化率分別是13.59%,-13.67%,表明年均徑流量和降水量的變化是正相關的。

表3 氣候變化情景年均徑流量Table 3 Annual average runoff under climate change scenarios

3.2.3 綜合情景分析 模擬結果見表4,4種情景的年均徑流量分別為17.74,18.63,17.55,18.42 m3/s。通過對比情景11和情景12可知,在只改變氣候數據的情況下,年均徑流量增大了0.89 m3/s;對比情景11和情景13可知,在只改變土地利用數據的情況下,年均徑流量減少了0.19 m3/s;再通過對比情景11和情景1可知,徑流的變化量為0.68 m3/s,這是由氣候變化和土地利用變化共同影響所致,氣候變化對徑流形成的貢獻為0.89 m3/s,土地利用變化對徑流形成的貢獻為-0.19 m3/s。結果表明,2000—2020年,流域年均徑流量逐漸增大,氣候變化促進了徑流的形成,土地利用變化抑制了徑流的形成,且氣候變化的影響大于土地利用變化。

表4 綜合情景年均徑流量Table 4 Annual average runoff under comprehensive scenarios

3.2.4 未來徑流變化預估情景 圖4展示了CA-Markov模型生成的2030年和2050年土地利用情景。通過觀察各地類的變化可以看出,2030年和2050年的建筑用地面積相較于2020年有所增多,其他地類并未發(fā)生明顯的變化。表5列出了詳細的土地利用類型面積比例。2000—2050年,變化最大的地類是建筑用地,增大了3.15%;林地和草地面積比例分別減少了2.82%,0.89%;耕地和水體則沒有太大的變化。模擬結果顯示(表6),兩個未來土地利用變化情景的年均徑流量相較于2020年分別增加了0.62,1.08 m3/s;未來氣候變化情景的年均徑流量為20.05 m3/s,相較于2020年增多了1.63 m3/s。表明未來土地利用和氣候的變化對徑流的形成有促進作用,且氣候變化的貢獻大于土地利用變化。2040—2050年的年均徑流量為21.2 m3/s,與情景1相比,徑流變化量為2.78 m3/s,徑流變化率為15.07%,表明未來流域徑流變化趨勢為增加趨勢。

表5 2000-2050年土地利用類型面積比例Table 5 Land use type area ratio from 2000 to 2050 %

表6 未來徑流變化預估情景年均徑流量Table 6 Estimated annual runoff under future scenarios

圖4 流溪河水庫流域實測和模擬土地利用數據Fig. 4 Measured and simulated land use data of Liuxi River Reservoir Basin

4 討 論

本文通過設置3個極端土地利用變化情景,定量分析了土地利用變化對徑流的影響。結果表明,耕地、林地、草地對徑流形成的貢獻率大小為耕地>草地>林地,該結論與許多學者所得結論相似[8, 21]。耕地面積增大對徑流形成有促進作用,其原因體現在以下幾點:首先,耕作會降低土壤的降水入滲率。有研究表明[30],耕作會破壞土壤的結構,表層土壤容易發(fā)生結皮,土壤入滲速率變慢,徑流量增大。還有學者研究發(fā)現[31],由于耕地植被覆蓋較低,在降雨過程中易發(fā)生泥漿的飛濺而導致土壤孔隙堵塞,使得水分下滲減弱。而隨著植被覆蓋度的增大,土壤的孔隙結構便能得到改善,土壤的入滲能力也隨之增大,并且植被覆蓋度的增大能有效減少土壤水分的蒸發(fā)量[32],因此林地有著更好的保水能力。另一方面,相較于耕地和草地,林地有著更大的冠層面積和更多的地表覆蓋物,冠層和枯枝落葉層都能對降水進行截留。除此之外,發(fā)達的根系可以使林地土壤更加疏松,增大土壤孔隙度,還可以吸持水源,減少徑流的產出。因此,林地的產流能力要弱于耕地和草地。

氣候變化是流域水文過程主要的影響因素之一,其影響主要體現在氣溫和降水的變化上[4]。本文通過設置4個氣候變化情景,定量分析氣溫和降水變化對流溪河水庫流域徑流的影響。結果顯示,年均徑流量與降水量成正比,與溫度成反比。氣溫影響著流域的蒸散發(fā),氣溫升高會導致蒸散發(fā)量的增多,故徑流量減少。相比于氣溫變化的間接影響,降水量對徑流產生的影響則更為直接。一部分降水會直接匯入河流,另一部分降水降落至地表,通過下滲補充地下水,再通過地下水補給河流,兩者都會使得徑流量增大,因此,降水量變化對徑流量的影響更為顯著。

為了能更好地了解流溪河水庫流域未來土地利用格局變化以及對徑流的影響,本文通過CA-Markov模型模擬了2030年、2050年土地利用情景。模擬結果顯示,2030年和2050年的建筑用地面積呈增大趨勢,而林地和草地面積在不斷減少,且年均徑流量在不斷增大,這與許多學者的模擬結果相似[6]。除了林地、草地減少對徑流的影響之外,建筑用地的增多同樣會加快徑流的形成。建筑用地的增大意味著不透水層的面積增大,降水無法下滲至地下,增大徑流量的同時也縮短了匯流的時間。截至2020年底,呂田鎮(zhèn)人口約為3.24萬人,相比于2010年底的2.18萬人增長了1.06萬人,建筑用地不斷增大仍是未來的趨勢。作為流溪河流域的上游區(qū)域,在擴大建筑用地的同時,應當適當實施退耕還林、還草,降低下游地區(qū)遭遇洪水的風險。

為了對流域未來徑流變化進行預測,本文用2050年土地利用預測數據和2040—2050年氣候預測數據驅動模型,模擬表明未來年均徑流量將會持續(xù)增多,這與流域歷史徑流量變化趨勢一致。同時,模擬結果也與未來我國西南地區(qū)[4]、中部地區(qū)[6]、北方地區(qū)[10]的徑流量變化趨勢相似,呈增加趨勢。這表明流溪河水庫在未來有更多的水資源可以得到利用,維持為廣州地區(qū)供水、灌溉、發(fā)電等功能。同時,未來降水強度和徑流量的增大也意味著流域會面臨更大的洪水風險。為了減少洪澇災害的發(fā)生,應當加強對降水的預報,發(fā)揮水庫調度防洪的功能,合理地開發(fā)和管理河川徑流。

此外,本文在使用CA-Markov模型進行預測時,Kappa系數并未達到最優(yōu)的標準,原因可能在于對建筑用地的模擬方面。CA-Markov模型是基于城市化區(qū)域均勻增長的假設進行預測的,它無法識別新的發(fā)展方向[23],而流域內許多建筑用地建于2010—2020年,因此通過2000—2010年土地利用數據預測2020年情景具有挑戰(zhàn)性。在將來的研究中需要結合城市未來發(fā)展規(guī)劃來開展更準確的模擬工作。此外,在分析單個氣候變量對徑流的影響和預估未來氣象條件時,本文只考慮了降水和氣溫兩個變量,沒有考慮溫室氣體濃度變化對徑流造成的影響。因此,在未來的研究中還需要考慮溫室氣體等因素。

5 結 論

(1) CHESS模型在流溪河水庫流域徑流模擬中有很好的適用性,率定期NS為0.82,R2為0.91,驗證期NS為0.74,R2為0.86。

(2) 土地利用變化方面,耕地轉化為林地或草地會導致年均徑流量減少,林地或草地轉化為耕地會導致年均徑流量增大,耕地、林地、草地對徑流形成的貢獻能力為耕地>草地>林地;氣候變化方面,年均徑流量與降水量成正比,與溫度成反比。

(3) 2000—2020年,流域年均徑流量逐漸增大,氣候變化促進了徑流的形成,土地利用變化抑制了徑流的形成,且氣候變化的影響占主要地位。

(4) 預估結果顯示,2030年、2050年流域內建筑用地面積會增大,林地、草地面積會減小,耕地、水體面積變化不大;2040—2050年,流域年均徑流量呈現增大趨勢,與2000—2020年徑流變化趨勢相同。