Runoff variation characteristics and attribution analysis of the upper and middle reaches of the Yellow River from 1951 to 2020
-
摘要:目的
河川径流是地表重要的水资源，对其变化特征和原因进行解析，是流域水资源科学管理规划的前提。
方法本文采用Mann-Kendall趋势检验、Pettitt突变检验、Budyko弹性系数法等方法分析了黄河上游和中游近70年（1951—2020年）径流变化的趋势和成因。
结果（1）1951—2020年黄河上游年降水量呈不显著增加趋势（4.04 mm/（10 a），P > 0.05），中游呈不显著减少趋势（4.90 mm/（10 a），P > 0.05）；上游、中游年潜在蒸散发均呈不显著增加趋势（1.77、2.23 mm/（10 a），P > 0.05）；（2）黄河上游和中游1980—2020年土地利用/覆盖变化明显，主要表现在林草面积的增加，上游、中游年NDVI分别以0.025/（10 a）、0.042/（10 a）的速率显著增加（P < 0.01）；（3）1951—2020年，上游和中游年径流量分别以3.46、7.46 mm/（10 a）的速率显著减少（P < 0.01），并分别在1986年、1990年发生突变；（4）上游和中游径流对降水变化最为敏感，其次是土地利用/覆盖变化、潜在蒸散发变化，且径流对各影响因子的敏感性逐年增强，即气候和土地利用/覆盖的变化将更容易引起径流的变化；（5）土地利用/覆盖变化是导致黄河上游和中游径流减少的主要原因，其次是降水和潜在蒸散，但各影响因子对径流变化的影响性质和程度在上游和中游不同区间存在一定的差异。其中，上游地区降水、潜在蒸散发、土地利用/覆盖变化对径流的影响性质和程度分别为−14.04%、1.30%、112.73%；中游地区分别为21.54%、3.63%、74.83%。
结论1951—2020年黄河上游和中游径流变化是气候变化和土地利用/覆盖变化共同作用的结果，但主要影响因素为人类活动主导的土地利用/覆盖变化，且各因子对径流的影响在不同区间存在一定的差异。本研究结果可为黄河上游和中游不同区间的水资源管理和综合治理提供理论支持。
Abstract:ObjectiveRiver runoff is an important water resource on the surface of the earth, and the analysis of the characteristics and causes of its change is a prerequisite for the scientific management and planning of water resources in the basin.
MethodThis study used Mann-Kendall trend test, Pettitt mutation test, Budyko elasticity coefficient method and other methods to analyze trends and causes of runoff variation in the upper and middle reaches of the Yellow River in recent 70 years (1951−2020).
Result(1) From 1951 to 2020, the annual precipitation in the upper reaches of the Yellow River increased 4.04 mm/(10 year) (P > 0.05) and decrease 4.90 mm/(10 year) (P > 0.05) in the middle reaches of the Yellow River. The potential evapotranspiration in the upper and middle reaches showed no significant increase trend (1.77 mm/(10 year), 2.23 mm/(10 year), P > 0.05). (2) From 1980 to 2020, the changes of landuse/cover in the upper and middle reaches of the Yellow River are obvious, mainly in the increase of forest and grass area, and the NDVI in the upper and middle reaches of the Yellow River increased significantly at the rates of 0.025/(10 year) (P < 0.01) and 0.042/(10 year) (P < 0.01), respectively. (3) From 1951 to 2020, the runoff of upper and middle reaches decreased at the rate of 3.46 mm/(10 year) (P < 0.01) and 7.46 mm/(10 year) (P < 0.01), respectively, and changed abruptly in 1986 and 1990, respectively. (4) Runoff in the upper and middle reaches is most sensitive to precipitation change, followed by land use/cover change and potential evapotranspiration change, and the sensitivity of runoff to each influencing factor increased year by year, which showed that the change of climate and land use will easily cause runoff change. (5) Land use/cover change was the main cause of runoff decrease in the upper and middle reaches of the Yellow River, followed by precipitation and potential evapotranspiration, but there were some differences in the nature and degree of influencing factors on runoff change in different regions of the upper and middle reaches. Among them, the nature and degree of influence of precipitation, potential evapotranspiration, and land use/cover change on runoff in the upstream area were −14.04%, 1.30%, and 112.73%, respectively; the midstream area was 21.54%, 3.63%, and 74.83%, respectively.
ConclusionThe runoff change in the upper and middle reaches of the Yellow River from 1951 to 2020 is the result of climate change and land use/cover change, but the main influencing factor is land use/cover change dominated by human activities, and the influence of each factor on runoff is different in varied intervals. The results of this study can provide theoretical support for water resource management and comprehensive control in different sections of the upper and middle reaches of the Yellow River.
-
丛枝菌根真菌（arbuscular mycorrhiza fungi，AMF），作为一种与植物关系最为密切的微生物，广泛分布于地球，能与陆地上大约90%的植物产生共生关系[1]。AMF能够为植物提供一个良好的根际环境，并通过增进营养吸收、提高光合效率等多种途径，改善植物的生长发育，促进植物与生态系统的C、N、P循环，提高植物生长量。Wu等[2]研究表明，AMF定殖欧美杨107（Populus × euramericana ‘Neva’）可以显著提高其氮素吸收及光合作用。
植物可通过提高次生代谢产物含量、防御蛋白活性或者改变体内营养成分含量等一系列生理生化反应提高其化学防御能力，抵御植食性昆虫的危害[3]。植物次生代谢产物是非营养物质，能够增加昆虫的代谢负担、降低昆虫对食物的利用效率，进而影响其正常生长发育[4-5]。防御蛋白包括防御酶和蛋白酶抑制剂。防御酶是植物由初生代谢转为次生代谢途径中的关键酶，对降低植物的营养价值和毒害植食昆虫方面具有重要意义[6]，主要包括苯丙氨酸解氨酶（PAL）和多酚氧化酶（PPO）；蛋白酶抑制剂能削弱昆虫肠道内蛋白酶活性或阻断消化酶对食物中蛋白质的消化利用，还能诱导昆虫消化酶的过度分泌，造成昆虫营养不良，进而影响昆虫的生长[7]。尽管，植物体内营养物质的含量是衡量植物抗虫性的另一种生理指标[8]，但是，营养物质与次生代谢产物和防御蛋白对抗虫性的调控机制并不一致，因为营养物质含量与抗虫性并不一定呈线性相关，主要取决于含碳、氮营养物质的比例[9-10]。大量研究表明，AMF作为一种生物制剂在与植物形成共生体后，会与植物进行复杂的信号分子交换并产生诱导因子，诱导激发植物的化学防御[11]，在一定程度上诱导激发植物的抗病性、抗虫性或抗应激能力，间接提高植物对不利环境条件的适应性[12]。例如：异形根孢囊霉（Rhizophagus irregularis）定殖车前草（Plantago lanceolata）后，能显著提高其叶片中次生代谢产物梓醇的含量，使甜菜夜蛾（Spodoptera exigua）的死亡率显著升高[13]。Nishida等[14]研究显示，将日本百脉根（Lotus japonicus）分别接种根内球囊霉（Glomus intraradices，GI）、幼套近明球囊霉（Glomus etunicatum，GE）、聚丛球囊霉（Glomus aggregatum，GA）、稍长无梗囊霉（Acaulospora longula）、球状巨孢囊霉（Gigaspora margarita）或玫瑰红巨孢囊霉（Gigaspora rosea）6种AMF可以显著提高其叶片内酚类的含量，使二斑叶螨（Tetranychus urticae）的取食和产卵受到显著抑制。GI能通过茉莉酸途径诱导黄瓜（Cucumis sativus）产生防御性物质葫芦素C，使甜菜夜蛾的取食量显著低于对照[15]。
目前，关于AMF的研究，多以豆科植物或农业经济型植物的抗逆性为主，其对林木抗虫性影响的研究较少。本研究以银中杨（Populus alba × P. berolinensis）为对象，对其接种摩西球囊霉（Glomus mosseae，GM）或GI，在侵染率达到最高时，测定银中杨叶片N和P元素、营养物质、次生代谢产物含量和防御蛋白活性，分析AMF对银中杨物质代谢及化学防御的影响，为利用AMF诱导增强林木化学防御及提高林木抗虫性提供理论依据。
1. 材料与方法
1.1 试验材料
供试植物：1年生银中杨扦插苗。扦插前一周对插穗进行沙埋，并定期浇水。将插穗取出后，用500 mg/L生根粉溶液浸泡12 h后扦插。
供试菌剂：摩西球囊霉（GM）和根内球囊霉（GI）由甘肃农科院提供，通过宿主玉米和三叶草扩繁完成，菌剂中包含孢子、菌丝、根段和沙子，其中孢子含量15 个/g。
土壤：草炭土∶蛭石∶沙子 = 3∶1∶1，混合后在121 ℃下高压灭菌2 h。
1.2 试验设计
试验前，将高11.5 cm的32孔塑料穴盘和容量为1 L的花盆用0.3%KMnO4溶液浸泡2 h进行消毒处理。在穴盘内装入灭菌后的土壤。将浸泡后的插穗扦插于穴盘，每穴1株，定期浇水，一个月后移栽至花盆。将花盆分为3组，在AMF处理组的每个花盆中，分别装入1.3 kg灭菌土壤与20 g GM或GI的均匀混合物，对照组只装入1.3 kg灭菌土壤，不加菌剂。每盆移栽1株扦插苗，每组150株，3组共450株。移栽后，在东北林业大学林木遗传育种苗圃温室进行培养，并进行定期浇水除草。
1.3 指标测定
1.3.1 侵染率测定
根据Phillips等[16]方法修改。在移植后30、60、90和100 d，从每组随机各选取5株样树，检测AMF侵染率。将样树根部须根剪下，洗净，剪成1 ~ 2 cm长的小段，先加入10%KOH，放入90 ℃水浴锅加热30 min使根透明（溶液变黄要及时更换，直至溶液不再变黄）。根透明后用蒸馏水清洗3 ~ 5次，再加入20%过氧化氢使根软化，静置10 ~ 15 min，取出根用蒸馏水洗净；然后加入2%稀盐酸酸化5 min，用蒸馏水洗净，接着加入曲利苯蓝溶液（乳酸（mL）∶甘油（mL）∶曲利苯蓝（g） = 100∶100∶0.2）进行染色30 min。染色完成后用蒸馏水清洗两次，最后放入乳酸−甘油（1∶1）中脱色12 h，取出后置于乳酸甘油溶液（乳酸∶甘油∶水 = 1∶1∶1）中，4 ℃保存，蒸馏水清洗后取样镜检。通过网格线相交法[17]计算AMF侵染率，以根段上出现孢子或丛枝为标准。在每次取样时，每个样树至少观察50小段根样，每个处理共观察250小段根样。在侵染率达到最高时，取样测定叶片内营养元素、营养物质和次生代谢产物含量，以及防御蛋白活性。
1.3.2 N、P元素测定
每个处理组随机选取9株样树，每3株一个重复，测3个重复。每株选取第3、第4片子叶进行测定，下同。N元素采用奈氏比色法，测定P元素采用钼锑抗比色法[18]。
1.3.3 营养物质测定
可溶性蛋白质含量采用考马斯亮蓝法[19]测定，可溶性糖和淀粉含量采用蒽酮比色法[20]测定。
1.3.4 防御蛋白活性及次生代谢物质含量测定
PAL采用苯丙氨酸比色法[20]，PPO采用邻苯二酚比色法[21]。TI和CI依据孟昭军[20]和段文昌等[22]方法测定。总酚采用福林酚比色法[23]测定，单宁依据范旭东[24]的方法测定，黄酮含量依据Jia等[25]的方法测定，木质素含量依据任琴等[26]的方法测定。
1.4 数据处理与分析
使用Excel2010统计数据的平均值和标准误差。使用SPSS22.0 one-way ANOVA进行差异显著性方差分析，多重比较采用LSD法在0.05水平下检验各组之间的差异显著性。
2. 结果与分析
2.1 GM和GI侵染率随时间的变化趋势
在处理30、60、90、100 d后GM和GI侵染率随时间变化如图1所示。随着处理时间的延长，侵染率呈显著升高，且GM和GI处理组之间差异显著（P < 0.05）。在30 d时，GM侵染率为10.8%，GI为15.6%；60 d时，GM为20.1%，GI为30.5%；在90 d时侵染率达到最大值，GM为45.6%，GI为61.7%；在100 d时侵染率降低，GM为43.7%，GI为60.8%。CK组没有检测到侵染。
![]()
图 1 GM、GI处理组侵染率随时间变化的趋势CK.对照；GM.摩西球囊霉；GI.根内球囊霉。数据均为平均值 ± 标准差(n = 3)；不同小写字母表示处理组与对照组之间差异显著(P < 0.05)。下同。CK, control; GM, Glomus mosseae; GI, Glomus intraradices. The data annotation in the picture is average value ± SD (n = 3); different lowercase letters mean significant differences between treatment group and control group (P < 0.05). The same below.Figure 1. Trend of infection rate of GM and GI with time2.2 GM和GI处理叶片中N、P 及营养物质的含量
银中杨接种GM、GI 90 d后叶片内N、P及营养物质含量如图2所示。GM和GI处理组叶片N、P元素含量显著高于CK组（P < 0.05）。P元素含量，GI组显著高于GM组（P < 0.05）；N元素含量，GM与GI组差异不显著（如图2A）。可溶性蛋白质含量，GM和GI处理组显著高于CK组（P < 0.05），GM和GI组间差异不显著；可溶性糖含量，GM和GI处理组显著低于CK组（P < 0.05），GM与GI处理组差异不显著；淀粉含量3组间差异均不显著（如图2B）。
![]()
图 2 GM、GI处理组叶片中营养元素(N、P)和营养物质的含量Figure 2. Contents of nutrient elements (N, P) and nutrients in leaves with GM or GI treatment2.3 GM和GI处理叶片中次生代谢产物的含量
接种GM、GI 90 d后，银中杨叶片内次生代谢产物含量如图3所示。总酚、黄酮、木质素和单宁含量，GM和GI处理组均显著高于CK组（P < 0.05）。在2个处理组间，木质素和单宁差异显著（P < 0.05），总酚和黄酮差异不显著（P > 0.05）。
![]()
图 3 GM和GI处理组叶片中总酚、黄酮、木质素和单宁的含量Figure 3. Contents of total phenols, flavonoids, lignin and tannins in leaves of GM or GI treatments2.4 GM和GI处理叶片中防御蛋白的活性
接种GM、GI 90 d后，银中杨叶片内防御蛋白苯丙氨酸解氨酶（PAL）、多酚氧化酶（PPO）、胰凝乳蛋白酶抑制剂（CI）和胰蛋白酶抑制剂（TI）的活性均显著大于对照（见图4）。在2个处理组间，PAL活性差异显著（见图4A），PPO、CI和TI活性差异不显著（见图4B、C、D）。
![]()
图 4 GM和GI处理组叶片中PAL、PPO、CI和TI的活性Figure 4. Activities of PAL, PPO, CI and TI in leaves of GM or GI treatments3. 结论与讨论
本研究表明，外源接种AMF（GM或GI）可以显著提高银中杨的物质代谢和化学防御，具体表现为叶片内N、P、可溶性蛋白质含量增加，可溶性糖含量减少，次生代谢产物含量增加，防御蛋白活性增强。
研究报道，GI可以改善欧美杨107对N、P的吸收和利用，其中N吸收与蛋白质的含量变化有关[2]。Tao等[27]研究显示，用不同浓度的GM、GI和GE混合菌种处理马利筋属（Asclepias）6种植株，能显著提高其根系和叶片内的N、P含量；随着P浓度的增加，马利筋生长速率显著加快，因而对黑脉金斑蝶（Danaus plexippus）危害的耐受性显著提高；同时N含量的增加使马利筋叶片的乳胶（主要防御物质）渗出量显著提高。用GM、GI和地表球囊霉（Glomus versiforme，GV）等3种AMF分别处理黄瓜，均可以在不同程度上显著提高其对土壤基质中N、P元素的吸收能力[28]。本研究结果进一步证实了这一点。N、P在植物生长过程中起到重要的生理作用，不仅可以提高植物叶片的营养水平，而且参与氮代谢和磷代谢等生理进程，进而提高植物的耐受性[29]。本试验显示，AMF处理组可溶性糖含量显著低于对照，淀粉含量差异不显著，其原因可能是植物碳素营养物质与AMF消耗植物糖类的水平有关[30]。Bonfante和Genre研究报道，在植物生长早期AMF会起到抑制作用，可能是由于真菌的生长需要寄主植物提供糖类[31]。相关研究[32]表明，接种GE和GM促进了柑橘幼苗叶片可溶性蛋白等的积累，提高了防御蛋白的活性，进而增强植物对干旱的适应能力。在我们的研究中，可溶性糖含量降低即碳素含量降低，氮素含量升高，碳氮比降低。据报道，植物体内的碳氮比是研究抗虫性的重要指标，碳氮比的高低对不同植物的抗虫性影响不同[33-34]。Gherlenda等[35]研究发现，高浓度的CO2条件下，细叶桉（Eucalyptus tereticornis）的C/N升高，对桉树龟金花虫（Paropsis atomaria）幼虫体重显著降低，血淋巴蛋白含量显著降低。马艳等[36]研究表明，在棉铃虫（Helicoverpa armigera）幼虫取食C/N低的棉花（Gossypium spp.）后，成虫产卵量增加，雄性成虫寿命显著增加。因此，本研究中银中杨碳氮比与抗虫性的关系有待我们进一步生物测定。
次生代谢产物含量和防御蛋白活性是衡量植物抗虫性的生理指标。分月扇舟蛾（Clostera anastomosis）危害69杨（P. deltoides）和895杨（P. delotides × P.euramericana cv.‘Nanlin895’）后，诱导杨树叶片内单宁、黄酮和总酚含量显著升高，延长分月扇舟蛾的幼虫期和蛹期，显著降低其化蛹率、蛹重、羽化率和产卵量 [37]。Jiang等[38]在研究茉莉酸诱导下长白落叶松（Larix olgensis）的抗虫机制时发现，针叶内防御蛋白酶和蛋白酶抑制剂活性的增加是抑制舞毒蛾（Lymantria dispar）生长发育的主要原因之一。本研究中，在接种AMF的银中杨叶片内，次生代谢产物总酚、黄酮、木质素和单宁的含量及防御蛋白PAL、PPO、CI和TI活性均显著高于对照，进一步说明AMF诱导可以提高银中杨的化学防御。相似的研究发现，接种GI的黑吉豆（Vigna mungo）叶片中积累大量的防御代谢产物，如酚类，木质素以及防御蛋白，大大降低了斜纹夜蛾（Spodoptera litura）的取食率[39]。接种不同浓度的GM、GI和GE混合菌种能够显著提高马利筋叶片内的次生代谢产物卡烯内酯含量，使黑脉金斑蝶的生长发育和繁殖（体重、取食量和产卵量）受到抑制[27]。本试验中AMF诱导银中杨化学防御的改变是否会增强银中杨的抗虫性，有待进一步生物测定来验证。
不同AMF对寄主植物的适应性不同[40]，即不同的AMF和植物共生对植食昆虫的抗性有不同的影响。在本研究中，GI对银中杨的侵染率显著高于GM，说明GI对银中杨的适应性更强。接种GI的银中杨生长发育显著高于接种GM（另文发表），GI组P含量显著高于GM组，但GM组木质素、单宁含量和PAL活性显著高于GI组。因此，在实践中，可根据生产目的选取AMF菌种。
本试验结果说明AMF能够促进银中杨的物质代谢，增强树势，改善其耐受性；提高银中杨的化学防御，改变其抗虫性。但对抗虫性是否具有积极地意义，有待我们进一步的生物测定结果来验证，从而为之后关于AMF的研究奠定理论基础。
-
![]()
图 1 黄河上游和中游分区及水文气象站点分布
Figure 1. Zoning and distribution of hydrological and meteorological stations in the upper and middle reaches of the Yellow River
![]()
图 2 1951—2020年黄河上游和中游年降水、潜在蒸散发变化趋势
Figure 2. Changing trend of annual precipitation and potential evaporation in the upper and middle reaches of the Yellow River from 1951 to 2020
![]()
图 3 1982—2020年黄河上游和中游年植被指数变化趋势
Figure 3. Variation trend of annual NDVI in the upper and middle reaches of the Yellow River from 1982 to 2020
![]()
图 4 1951—2020年黄河上游和中游年径流变化趋势
Figure 4. Variation trend of annual runoff in the upper and middle reaches of the Yellow River from 1951 to 2020
![]()
图 5 降水、潜在蒸散发和土地利用/覆盖的弹性系数年际变化
Figure 5. Interannual variation of elasticity coefficients of precipitation, potential evapotranspiration and LUCC
表 1 黄河上游和中游降水、潜在蒸散发Mann-Kendall趋势检验结果
Table 1 Results of Mann-Kendall trend test for precipitation and potential evapotranspiration in the upper andmiddle reaches of the Yellow River
区域 Region 降水量 Precipitation 潜在蒸散发 Potential evapotranspiration Z值 Z value 显著性 Significance 趋势 Trend Z值 Z value 显著性 Significance 趋势 Trend 上游 Upper reaches 1.57 NS 上升 Raise 1.13 NS 上升 Raise 中游 Middle reaches −0.85 NS 下降 Descend 0.91 NS 上升 Raise 注：NS代表不显著。Note: NS represents not significant. 
下载: 导出CSV
表 2 1980—2020年黄河上游和中游土地利用类型面积占比
Table 2 Area proportion of land use types in the upper and middle reaches of the Yellow River from 1980 to 2020
% 土地利用类型
Land use type上游 Upper reaches 中游 Middle reaches 1980 1990 2000 2010 2020 1980 1990 2000 2010 2020 耕地 Cultivated land 12.95 13.06 13.47 13.23 12.99 40.40 40.60 40.53 39.59 37.34 林地 Forest land 7.73 7.75 7.74 7.88 8.11 19.61 19.52 19.57 20.11 20.14 草地 Grassland 62.66 62.79 62.06 61.78 62.72 34.35 34.32 34.48 34.49 35.24 水域 Water area 2.01 1.85 1.88 1.87 2.00 1.11 1.05 0.99 1.05 1.04 建设用地 Construction land 1.19 1.20 1.29 1.43 2.22 1.76 1.79 2.04 2.29 3.87 未利用土地 Unused land 13.46 13.35 13.56 13.81 11.96 2.77 2.72 2.39 2.47 2.37
下载: 导出CSV
表 3 1980—2020年黄河上游和中游土地利用类型的转移矩阵
Table 3 Transfer matrix of land use types in the upper and middle reaches of the Yellow River from 1980 to 2020
km2 区域 Region 土地利用类型
Land use type上游（2020） Upstream (2020)/中游（2020） Midstream (2020) 耕地
Cultivated land林地
Forest land草地
Grassland水域
Water area建设用地
Construction land未利用土地
Unused land总计
Sum上游（1980）
Upper reaches (1980)耕地 Cultivated land 1 642.45 14 777.75 985.19 3 919.23 1 221.76 55 327.81 林地 Forest land 1 176.14 12 803.56 216.00 265.17 532.04 33 013.47 草地 Grassland 16 597.25 13 662.81 2 160.24 2 839.91 15 187.86 267 661.61 水域 Water area 1 060.61 210.11 2 165.33 199.46 790.17 8 601.84 建设用地 Construction land 2 046.17 162.55 1 041.10 111.01 143.34 5 092.62 未利用土地 Unused land 1 865.18 932.99 19 916.89 884.19 664.84 57 426.06 总计 Sum 55 526.79 34 631.48 267 918.19 8 532.78 9 477.06 51 037.14 中游（1980）
Middle reaches (1980)耕地 Cultivated land 8 925.19 36 861.29 1 241.20 8 183.97 452.14 138 708.52 林地 Forest land 7 532.74 10 804.97 185.61 525.19 158.39 67 251.35 草地 Grassland 32 310.17 11 454.86 639.71 2 094.88 2 347.58 117 911.51 水域 Water area 1 356.22 187.80 612.35 212.61 64.55 3 805.52 建设用地 Construction land 3 220.90 167.08 614.66 63.21 27.89 6 041.37 未利用土地 Unused land 718.53 278.79 3 018.06 85.13 321.30 9 502.68 总计 Sum 128 183.28 69 058.18 120 975.64 3 586.85 13 285.60 8 131.42
下载: 导出CSV
表 4 黄河上游和中游径流趋势及突变检验结果
Table 4 Results of runoff trends and abrupt change tests in the upper and middle reaches of the Yellow River
范围 Region Mann-Kendall趋势检验 Mann-Kendall trend test Pettitt突变检验 Pettitt mutation test Z值 Z value 显著性 Significance 趋势 Trend 突变年份 Mutation year 显著性 Significance 上游 Upper reaches −3.22 ** 下降 Descend 1986 ** 中游 Middle reaches −6.07 ** 下降 Descend 1990 ** 注：**表示P < 0.01。Note: ** represents P < 0.01.
下载: 导出CSV
表 5 黄河上游和中游不同时期各气象水文要素特征值及弹性系数
Table 5 Characteristic values and elasticity coefficients of each meteorological and hydrological element in different periods in the upper and middle reaches of the Yellow River
范围 Region 时期 Period R/mm P/mm E0/mm R/P E0/P n 弹性系数 Elasticity coefficient εp εE0 εn 上游 Upper reaches 全时段 Full period（1951—2020） 58.78 405.10 966.66 0.15 2.39 1.51 2.25 −1.25 −2.01 基准期 Base period（1951—1986） 68.66 400.76 964.93 0.17 2.41 1.38 2.11 −1.11 −1.88 变化期 Change period（1987—2020） 48.32 409.69 968.50 0.12 2.36 1.68 2.42 −1.42 −2.16 中游 Middle reaches 全时段 Full period（1951—2020） 42.02 540.07 1021.87 0.08 1.89 2.41 3.10 −2.10 −2.30 基准期 Base period（1951—1990） 54.51 552.26 1016.13 0.10 1.84 2.22 2.88 −1.88 −2.09 变化期 Change period（1991—2020） 25.37 523.80 1029.53 0.05 1.97 2.81 3.56 −2.56 −2.70 注：R. 径流量；P. 降水量；E0.潜在蒸散发量；n.经验参数，主要与流域土地利用类型、植被有关；εp、εE0、εn分别为径流对P、E0和参数n的弹性系数。Notes: R represents runoff; P represents precipitation; E0 represents potential evapotranspiration; n represents empirical parameter which are mainly related to land use types and vegetation in watersheds; εp, εE0, εn, respectively represent the elastic coefficients of runoff for P，E0 and n.
下载: 导出CSV
表 6 黄河上游和中游不同弹性系数绝对值Mann-Kendall趋势分析结果
Table 6 Results of Mann-Kendall trend analysis of different absolute values of elasticity coefficients in the upper and middle reaches of the Yellow River
范围 Region |εP| |εE0| |εn| Z值
Z value显著性
Significance趋势
TrendZ值
Z value显著性
Significance趋势
TrendZ值
Z value显著性
Significance趋势
Trend上游 Upper reaches 4.58 ** 上升 Raise 4.58 ** 上升 Raise 3.32 ** 上升 Raise 中游 Middle reaches 6.83 ** 上升 Raise 6.83 ** 上升 Raise 5.55 ** 上升 Raise
下载: 导出CSV
表 7 黄河上游和中游径流变化归因分析结果
Table 7 Results of attribution analysis of runoff changes in the upper and middle reaches of the Yellow River
范围 Region 基准期
Base period变化期
Change periodΔRP/mm ΔRE0/mm ΔRLUCC/mm ΔR'/mm CP/% CE0/% CLUCC/% 上游 Upper reaches 1951—1986 1987—2020 2.91 −0.27 −23.36 −20.72 −14.04 1.30 112.73 中游 Middle reaches 1951—1990 1991—2020 −6.87 −1.16 −23.85 −31.88 21.54 3.63 74.83 注：ΔRP、ΔRE0、ΔRLUCC分别为降水量P、潜在蒸散发量E0和LUCC引起的径流变化量；ΔR' 为计算求得的径流变化量；CP、CE0、CLUCC 分别为降水、潜在蒸散发和LUCC对径流变化的影响性质和程度。Notes: ΔRP, ΔRE0, ΔRLUCC, respectively represent runoff changes caused by precipitation, potential evapotranspiration and LUCC. ΔR' represents runoff change calculated. CP, CE0, CLUCC, respectively represent the nature and degree of influence of precipitation, potential evapotranspiration and LUCC on runoff changes.
下载: 导出CSV
-
[1] Zhai R, Tao F. Contributions of climate change and human activities to runoff change in seven typical catchments across China[J]. Science of the Total Environment, 2017, 605−606: 219−229.
[2] 黄斌斌, 郝成元, 李若男, 等. 气候变化及人类活动对地表径流改变的贡献率及其量化方法研究进展[J]. 自然资源学报, 2018, 33(5): 899−910. Huang B B, Hao C Y, Li R N, et al. Research progress on the quantitative methods of calculating contribution rates of climate change and human activities to surface runoff changes[J]. Journal of Natural Resources, 2018, 33(5): 899−910.
[3] 胡慧杰, 崔凯, 曹茜, 等. 黄河近百年径流演变特征分析[J]. 人民黄河, 2019, 41(9): 14−19. Hu H J, Cui K, Cao Q, et al. Analysis of the characteristics of the runoff evolution in Yellow River in recent 100 years[J]. Yellow River, 2019, 41(9): 14−19.
[4] 鲍振鑫, 严小林, 王国庆, 等. 1956—2016年黄河流域河川径流演变规律[J]. 水资源与水工程学报, 2019, 30(5): 52−57. Bao Z X, Yan X L, W G Q, et al. The trend in streamflow of the Yellow River Basin during 1956–2016[J]. Journal of Water Resources and Water Engineering, 2019, 30(5): 52−57.
[5] 刘昌明, 刘小莽, 田巍, 等. 黄河流域生态保护和高质量发展亟待解决缺水问题[J]. 人民黄河, 2020, 42(9): 6−9. Liu C M, Liu X M, Tian W, et al. Ecological protection and high-quality development of the Yellow River Basin urgently need to solve the water shortage problem[J]. Yellow River, 2020, 42(9): 6−9.
[6] Gu C, Mu X, Gao P, et al. Changes in run-off and sediment load in the three parts of the Yellow River Basin, in response to climate change and human activities[J]. Hydrological Processes, 2019, 33(4): 585−601. doi: 10.1002/hyp.13345
[7] 杨旭, 姬广兴, 杨元达, 等. 1961—2016年黄河中游区间径流变化及归因分析[J]. 河南科学, 2021, 39(12): 2007−2013. Yang X, Ji G X, Yang Y D, et al. Runoff changes and their attributions in the middle reaches of the Yellow River from 1961 to 2016[J]. Henan Science, 2021, 39(12): 2007−2013.
[8] Li S, Yang G, Wang H. The runoff evolution and the differences analysis of the causes of runoff change in different regions: a case of the Weihe River Basin, Northern China [J/OL]. Sustainability, 2019, 11(19): 5295[2022−12−21]. https://doi.org/10.3390/su11195295.
[9] Wang J, Hong Y, Gourley J, et al. Quantitative assessment of climate change and human impacts on long-term hydrologic response: a case study in a sub-basin of the Yellow River, China[J]. International Journal of Climatlology, 2010, 30(14): 2130−2137. doi: 10.1002/joc.2023
[10] Zeng F, Ma M G, Di D R, et al. Separating the impacts of climate change and human activities on runoff: a review of method and application[J/OL]. Water, 2020, 12(8): 2201[2022−12−21]. https://doi.org/10.3390/w12082201.
[11] 杨大文, 张树磊, 徐翔宇. 基于水热耦合平衡方程的黄河流域径流变化归因分析[J]. 中国科学: 技术科学, 2015, 45(10): 1024−1034. doi: 10.1360/N092015-00013 Yang D W, Zhang S L, Xu X Y. Attribution analysis for runoff decline in Yellow River Basin during past fifty years based on Budyko hypothesis[J]. Scientia Sinica Technologica, 2015, 45(10): 1024−1034. doi: 10.1360/N092015-00013
[12] 孙福宝, 杨大文, 刘志雨, 等. 基于Budyko假设的黄河流域水热耦合平衡规律研究[J]. 水利学报, 2007, 38(4): 409−416. Sun F B, Yang D W, Liu Z Y, et al. Study on coupled water-energy balance in Yellow River Basin based on Budyko hypothesis[J]. Journal of Hydraulic Science, 2007, 38(4): 409−416.
[13] Ni Y, Yu Z, Lü X, et al. Spatial difference analysis of the runoff evolution attribution in the Yellow River Basin[J/OL]. Journal of Hydrology, 2022, 612: 128149[2022−12−21]. https://doi.org/10.1016 /j.jhydrol.2022.128149.
[14] He Y, Mu X, Jiang X, et al. Runoff variation and influencing factors in the Kuye River Basin of the middle Yellow River[J/OL]. Frontiers in Environmental Science, 2022, 10: 877535[2022−12−21]. https://doi.org/10.3389/fenvs.2022.877535.
[15] Allen R G, Pereira L S, Raes D, et al. Crop evapotranspiration: guidelines for computing crop water requirements: FAO irrigation and drainage paper 56[M]. Rome: Food and Agriculture Organization of the United Nations, 1998.
[16] 徐洋, 杨雅萍. 1982–2020年中国5 km分辨率逐月NDVI数据集[J]. 中国科学数据(中英文网络版), 2022, 7(1): 99–107. Xu Y , Yang Y P. A 5 km resolution dataset of monthly NDVI product of China(1982–2020)[J]. China Academic Journal Electronic Publishing House, 2022, 7(1): 99–107.
[17] 蓝云龙, 黎曙, 李霞, 等. 1956–2018年黄河源区降水变化规律分析[J]. 青海科技, 2021, 28(5): 107−112. Lan Y L, Li S, Li X, et al. Analysis of precipitation variation law in the source region of the Yellow River from 1956 to 2018[J]. Qinghai Science and Technology, 2021, 28(5): 107−112.
[18] 田小靖, 赵广举, 穆兴民, 等. 水文序列突变点识别方法比较研究[J]. 泥沙研究, 2019, 44(2): 33−40. Tian X J, Zhao G J, Mu X M, et al. Comparison study on hydrological time series change-point testing methods[J]. Journal of Sediment Research, 2019, 44(2): 33−40.
[19] Hamed K H. Trend detection in hydrologic data: the Mann-Kendall trend test under the scaling hypothesis[J/OL]. Journal of Hydrology, 2008, 349(3–4): 350–363.
[20] Mann H B. Nonparametric tests against trend[J/OL]. Econometrica, 1945, 13(3): 245[2022−12−20]. https:// doi.org/10.2307/1907187.
[21] Pettitt A N. A non-parametric approach to the change-point problem[J/OL]. Applied Statistics, 1979, 28(2): 126[2022−12−20]. https://doi.org/10.2307/2346729.
[22] 廖慧, 舒章康, 金君良, 等. 1980–2015年黄河流域土地利用变化特征与驱动力[J]. 南水北调与水利科技(中英文), 2021, 19(1): 129−139. Liao H, Shu Z K, Jin J L, et al. Characteristics and driving forces of land use change in the Yellow River Basin from 1980 to 2015[J]. South-to-North Water Transfer and Water Science and Technology, 2021, 19(1): 129−139.
[23] Choudhury B J. Evaluation of an empirical equation for annual evaporation using field observations and results from a biophysical model[J]. Journal of Hydrology, 1999, 216(1−2): 99−110.
[24] Yang H, Yang D, Lei Z, et al. New analytical derivation of the mean annual water-energy balance equation[J]. Water Resources Research, 2008, 44(3): 893−897.
[25] Yang Y, Tian F. Abrupt change of runoff and its major driving factors in Haihe River Catchment, China[J]. Journal of Hydrology, 2009, 374(3−4): 373−383.
[26] Yang H, Yang D. Derivation of climate elasticity of runoff to assess the effects of climate change on annual runoff[J]. Water Resources Research, 2011, 47(7): 197−203.
[27] McCuen R H. A sensitivity and error analysis CF procedures used for estimating evaporation[J]. Journal of the American Water Resources Association, 1974, 10(3): 486−497. doi: 10.1111/j.1752-1688.1974.tb00590.x
[28] Xu X, Yang D, Yang H, et al. Attribution analysis based on the Budyko hypothesis for detecting the dominant cause of runoff decline in Haihe basin[J]. Journal of Hydrology, 2014, 510: 530−540. doi: 10.1016/j.jhydrol.2013.12.052
[29] Wang H, Stephenson S. Quantifying the impacts of climate change and land use/cover change on runoff in the lower Connecticut River Basin[J]. Hydrological Processes, 2018, 32(9): 1301−1312. doi: 10.1002/hyp.11509
[30] 毕早莹, 李艳忠, 林依雪,等. 基于Budyko理论定量分析窟野河流域植被变化对径流的影响[J]. 北京林业大学学报, 2020, 42(8): 61−71. doi: 10.12171/j.1000-1522.20190330 Bi Z Y, Li Y Z, Lin Y X, et al. Quantitative assessment on the effects of vegetation changes on runoff based on Budyko theory in the Kuyehe River Basin of northern China[J]. Journal of Beijing Forestry University, 2020, 42(8): 61−71. doi: 10.12171/j.1000-1522.20190330
[31] Jiang C, Zhang H, Wang X, et al. Challenging the land degradation in China’s Loess Plateau: benefits, limitations, sustainability, and adaptive strategies of soil and water conservation[J]. Ecological Engineering, 2019, 127: 135−150. doi: 10.1016/j.ecoleng.2018.11.018
[32] Wang Y, Wang S, Wang C, et al. Runoff sensitivity increases with land use/cover change contributing to runoff decline across the middle reaches of the Yellow River Basin[J/OL]. Journal of Hydrology, 2021, 600: 126536[2021−07−05]. https://doi.org/10.1016/j.jhydrol.2021.126536.
[33] 李芳, 曾彪, 李勋贵, 等. 气候变化和人类活动对黄河上游径流变化的差异性影响[J]. 人民珠江, 2022, 43(2): 101−111. doi: 10.3969/j.issn.1001-9235.2022.02.014 Li F, Zeng B, Li X G, et al. Differential impact of climate change and human activities on runoff changes in the upper reaches of the Yellow River[J]. Pearl River, 2022, 43(2): 101−111. doi: 10.3969/j.issn.1001-9235.2022.02.014
-
期刊类型引用(2)
1. 孙榕泽，宋焕芝，蒋珈琦，于晓南. 三倍体芍药品种染色体制片优化和核型分析. 河北农业大学学报. 2024(03): 46-55 . 
百度学术
2. 段英姿，客绍英，王晓英，张胜珍，马艳芝. 15个油用紫斑牡丹品种核型及亲缘关系分析. 种子. 2023(07): 96-104 . 百度学术
其他类型引用(0)
计量
- 文章访问数: 534
- HTML全文浏览量: 174
- PDF下载量: 81
- 被引次数: 2
