高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于Budyko理论定量分析窟野河流域植被变化对径流的影响

毕早莹 李艳忠 林依雪 卜添荟 黄蓉

毕早莹, 李艳忠, 林依雪, 卜添荟, 黄蓉. 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
引用本文: 毕早莹, 李艳忠, 林依雪, 卜添荟, 黄蓉. 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 Zaoying, Li Yanzhong, Lin Yixue, Bu Tianhui, Huang Rong. 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
Citation: Bi Zaoying, Li Yanzhong, Lin Yixue, Bu Tianhui, Huang Rong. 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

基于Budyko理论定量分析窟野河流域植被变化对径流的影响

doi: 10.12171/j.1000-1522.20190330
基金项目: 国家自然科学基金青年项目(41701019),南京信息工程大学“优秀本科毕业论文(设计)支持计划”项目,江苏省高等学校大学生创新创业训练计划项目(201810300077X),南京信息工程大学人才启动项目(2017r069),国家留学基金委资助(201809040009)
详细信息
    作者简介:

    毕早莹。主要研究方向:水文气象。Email:bzy456123@163.com 地址:210044 江苏省南京市浦口区宁六路219号南京信息工程大学水文与水资源工程学院

    通讯作者:

    李艳忠,博士,讲师。主要研究方向:植被变化、水热耦合模型和水文气象应用。Email:liyz_egi@163.com 地址:同上

Quantitative assessment on the effects of vegetation changes on runoff based on Budyko theory in the Kuyehe River Basin of northern China

  • 摘要:   目的  植被变化可影响流域下垫面条件,改变水文过程和水资源可持续利用量。揭示植被时空变化格局,明确其对径流变化的贡献是流域水资源管理规划的前提,也是植被恢复工程实施效果评价的依据。  方法  本研究以植被恢复的典型半干旱区窟野河流域为研究区,基于遥感植被指数NDVI和水文、气象数据,通过基于Budyko假设的弹性系数法,分析了1982—2015年植被变化对径流变化的影响。  结果  (1)径流突变点在1998年左右,突变点前后,径流和人类取耗水变化率分别达到−55.5%和92.3%,存在显著性差异(P < 0.05);降水、干燥指数分别增加2.6%和1.9%,前后两个时段差异不显著(P > 0.05)。(2)流域植被指数NDVI在突变点前后差异显著,88.7%以上区域呈显著增加趋势(P < 0.001),尤以下游明显,表明植被得到了极大恢复。Budyko弹性模型中表征流域属性信息的参数最优值为2.37,拟合出来的参数系数和常数项分别为20.407和−1.868(P < 0.05),表明拟合效果较好,适用性较强。(3)植被变化对径流的贡献率达到84.9%,气候变化和人类活动影响分别为9.3%和5.8%。  结论  窟野河流域内植被得到了极大的恢复;植被变化成为决定径流变化的主导因素,其次为气候变化和人类活动。植被变化的长期生态水文效应有待进一步加强研究,本研究结果可为生态恢复工程实施和政策制定提供参考依据。
  • 图  1  窟野河流域示意图

    Figure  1.  Sketch map of Kuyehe River Basin

    图  2  窟野河流域水文气象特征

    横虚线表示时段内的均值,平滑实线为 5 年滑动平均,竖直虚线表示的为1999年。UF.前向连续曲线;UB.后向连续曲线。The horizontal dotted lines refer to the mean value at specific period, and the smooth solid lines refer to the 5-year moving average. The vertical dashed line in the figure represents the year of 1999. UF, forward sequence curve; UB, backward sequence curve.

    Figure  2.  Hydrometeorological characteristics of Kuyehe River Basin

    图  3  窟野河流域植被变化时空分布

    a. 1982—2015年NDVI的空间分布;b. 1999年前后两个时段NDVI变化率的空间分布;c. 1982—2015年NDVI变化趋势的显著性水平空间分布;d. 1982—2015年NDVI的变化趋势 a, spatial distribution of NDVI during 1982−2015; b, spatial distribution of NDVI change rate before and after 1999; c, spatial distribution of significance level of NDVI changing trend during 1982−2015; d, NDVI changing trend during 1982−2015

    Figure  3.  Spatial and temporal distribution of vegetation in the Kuyehe River Basin

    图  4  参数优化以及拟合

    Figure  4.  Parameter optimization and fitting

    表  1  突变点前后水文要素与植被指数弹性系数

    Table  1.   Hydrological factors and the elasticity coefficients of vegetation index before and after break point

    年份 YearQ/mmPre/mmET0/mmAIHu/mmεndvi
    1982—1998 60.36(− 0.47) 380.5(2.31) 1 002.3(0.57) 2.66(− 0.02) 1.96(0.03) − 5.58
    1999—2015 26.84(0.79) 390.4(6.94* 1 022.0(− 0.43) 2.73(− 0.06) 3.77(0.19***
    1982—2015 43.60(− 1.52*** 387.8(1.38) 1 009.9(1.09) 2.69(− 0.01) 2.86(0.11***
    注:Q为径流;Pre为降水量;ET0为潜在蒸散发;AI为干燥指数;Hu为人类耗水量;εndvi为植被指数弹性系数。括号内数字表示变化趋势,星号代表显著性水平,其中******分别对应P < 0.1,P < 0.01和P < 0.001显著性水平。下同。Notes: Q refers to runoff; Pre refers to precipitation; ET0 refers to the potential evapotranspiration; AI is the aridity index; Hu is water consumption by human; εndvi is the elasticity coefficients of vegetation index. The number in bracket indicates the changing trend, and the asterisks represent significance level, where *, **, and *** correspond to three significance levels of P < 0.1, P < 0.01, and P < 0.001, respectively. The same below.
    下载: 导出CSV

    表  2  径流突变点前后(1982—1998年和1999—2015年)径流变化的归因

    Table  2.   Attribution to runoff change before and after break point of runoff(1982−1998 and 1999−2015)

    项目 ItemCr_AICr_HuCr_NDVI模型估算
    Model estimation
    观测径流
    Observed runoff
    误差 Error/%
    贡献量 Contribution/mm −2.9 −1.8 −26.7 −31.4 −33.5 −6.3
    贡献率 Contribution rate/% 9.3 5.8 84.9
    注:Cr_AI、Cr_Hu、Cr_NDVI分别表示气候、人类活动和植被变化对径流的贡献率。Notes: Cr_AI,Cr_Hu,Cr_NDVI denote the contribution rates of climate, human activities and vegetation changes to runoff change, respectively.
    下载: 导出CSV
  • [1] Zhu Z C, Piao S L, Myneni R B, et al. Greening of the earth and its drivers[J]. Nature Climate Change, 2016, 6(8): 791−795. doi:  10.1038/nclimate3004
    [2] Piao S L, Wang X H, Ciais P, et al. Changes in satellite-derived vegetation growth trend in temperate and boreal Eurasia from 1982 to 2006[J]. Global Change Biology, 2011, 17(10): 3228−3239. doi:  10.1111/j.1365-2486.2011.02419.x
    [3] Zhang P, Shao G F, Zhao G, et al. China’s forest policy for the 21st century[J]. Science, 2000, 288: 2135−2136. doi:  10.1126/science.288.5474.2135
    [4] 李艳忠, 刘昌明, 刘小莽, 等. 植被恢复工程对黄河中游土地利用/覆被变化的影响[J]. 自然资源学报, 2016, 31(12):2005−2020. doi:  10.11849/zrzyxb.20160073

    Li Y Z, Liu C M, Liu X M, et al. Impact of the grain for green project on the land use/cover change in the middle Yellow River[J]. Journal of Natural Resources, 2016, 31(12): 2005−2020. doi:  10.11849/zrzyxb.20160073
    [5] Yang W T, Long D, Bai P. Impacts of future land cover and climate changes on runoff in the mostly afforested river basin in North China[J]. Journal of Hydrology, 2019, 570: 201−219. doi:  10.1016/j.jhydrol.2018.12.055
    [6] Chen C, Park T, Wang X H, et al. China and India lead in greening of the world through land-use management[J]. Nature Sustainability, 2019, 2: 122−129. doi:  10.1038/s41893-019-0220-7
    [7] 刘晓燕, 刘昌明, 杨胜天, 等. 基于遥感的黄土高原林草植被变化对河川径流的影响分析[J]. 地理学报, 2014, 69(11):1595−1603. doi:  10.11821/dlxb201411001

    Liu X Y, Liu C M, Yang S T, et al. Influences of shrubs-herbs-arbor vegetation coverage on the runoff based on the remote sensing data in Loess Plateau[J]. Acta Geographica Sinica, 2014, 69(11): 1595−1603. doi:  10.11821/dlxb201411001
    [8] Jackson R B, Jobbágy E G, Avissar R, et al. Trading water for carbon with biological carbon sequestration[J]. Science, 2005, 310: 1944−1947. doi:  10.1126/science.1119282
    [9] 刘纪远, 匡文慧, 张增祥, 等. 20世纪80年代末以来中国土地利用变化的基本特征与空间格局[J]. 地理学报, 2014, 69(1):3−14. doi:  10.11821/dlxb201401001

    Liu J Y, Kuang W H, Zhang Z X, et al. Spatiotemporal characteristics, patterns and causes of land use changes in China since the late 1980s[J]. Acta Geographica Sinica, 2014, 69(1): 3−14. doi:  10.11821/dlxb201401001
    [10] 杨胜天, 周旭, 刘晓燕, 等. 黄河中游多沙粗沙区(渭河段)土地利用对植被盖度的影响[J]. 地理学报, 2014, 69(1):31−41. doi:  10.11821/dlxb201401003

    Yang S T, Zhou X, Liu X Y, et al. Impacts of land use on vegetation coverage in the rich and coarse sediment area of Yellow River Basin[J]. Acta Geographica Sinica, 2014, 69(1): 31−41. doi:  10.11821/dlxb201401003
    [11] Liang W, Bai D, Wang F Y, et al. Quantifying the impacts of climate change and ecological restoration on streamflow changes based on a Budyko hydrological model in China’s Loess Plateau[J]. Water Resources Research, 2015, 51(8): 6500−6519. doi:  10.1002/2014WR016589
    [12] Wang S, Fu B J, Piao S L, et al. Reduced sediment transport in the Yellow River due to anthropogenic changes[J]. Nature Geoscience, 2016, 9(1): 38−41. doi:  10.1038/ngeo2602
    [13] Chen Y P, Wang K B, Lin Y S, et al. Balancing green and grain trade[J]. Nature Geoscience, 2015, 8(10): 739−741. doi:  10.1038/ngeo2544
    [14] Zhang X P, Zhang L, McVicar T R, et al. Modelling the impact of afforestation on average streamflow in the Loess Plateau, China[J]. Hydrological Processes, 2008, 22(12): 1996−2004. doi:  10.1002/hyp.6784
    [15] 王高敏, 杨宗儒, 查同刚, 等. 晋西黄土区退耕还林20年后典型林地的持水能力[J]. 北京林业大学学报, 2015, 37(5):88−95.

    Wang G M, Yang Z R, Zha T G, et al. Water-holding capacity of different forestlands 20 years after converted from farmland in loess region, western Shanxi Province[J]. Journal of Beijing Forestry University, 2015, 37(5): 88−95.
    [16] Liang K, Liu C M, Liu X M, et al. Impacts of climate variability and human activity on streamflow decrease in a sediment concentrated region in the middle Yellow River[J]. Stochastic Environmental Research & Risk Assessment, 2013, 27(7): 1741−1749.
    [17] Li S, Liang W, Fu B J, et al. Vegetation changes in recent large-scale ecological restoration projects and subsequent impact on water resources in China’s Loess Plateau[J]. Science of the Total Environment, 2016, 569: 1032−1039.
    [18] 郭巧玲, 陈新华, 窦春锋, 等. 近60年来窟野河全流域年径流变化及其影响因素分析研究[J]. 水土保持学报, 2016, 30(3):90−95.

    Guo Q L, Chen X H, Dou C F, et al. Study on the variation of annual runoff and influencing factors in Kuye River during the past 60 years[J]. Journal of Soil and Water Conservation, 2016, 30(3): 90−95.
    [19] Li Y, Liu C M, Zhang D, et al. Reduced runoff due to anthropogenic intervention in the Loess Plateau, China[J]. Water, 2016, 8(458): 1−16.
    [20] 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
    [21] Li D, Pan M, Cong Z T, et al. Vegetation control on water and energy balance within the Budyko framework[J]. Water Resources Research, 2013, 49(2): 969−976. doi:  10.1002/wrcr.20107
    [22] 刘昌明, 李艳忠, 刘小莽, 等. 黄河中游植被变化对水量转化的影响分析[J]. 人民黄河, 2016, 38(10):7−12. doi:  10.3969/j.issn.1000-1379.2016.10.002

    Liu C M, Li Y Z, Liu X M, et al. Impact of vegetation change on water transform in the middle Yellow River[J]. Yellow River, 2016, 38(10): 7−12. doi:  10.3969/j.issn.1000-1379.2016.10.002
    [23] McVicar T R, Roderick M L, Donohue R J, et al. Less bluster ahead? Ecohydrological implications of global trends of terrestrial near-surface wind speeds[J]. Ecohydrology, 2012, 5(4): 381−388. doi:  10.1002/eco.1298
    [24] Jorge P, Compton T. A non-stationary 1981−2012 AVHRR NDVI3g time series[J]. Remote Sensing, 2014, 6(8): 6929−6960. doi:  10.3390/rs6086929
    [25] Allen R G, Pereira L S, Raes D, et al. Crop evapotranspiration: guidelines for computing crop water requirements[M]. Roma: Food and Agriculture Organization, 1998.
    [26] 傅抱璞. 论陆面蒸发的计算[J]. 大气科学, 1981, 5(1):23−31. doi:  10.3878/j.issn.1006-9895.1981.01.03

    Fu B P. On the calculation of the evaporation from land surface[J]. Chinese Journal of Atmospheric Sciences, 1981, 5(1): 23−31. doi:  10.3878/j.issn.1006-9895.1981.01.03
    [27] Li Y Z, Liu C M, Yu W J, et al. Response of streamflow to environmental changes: a Budyko-type analysis based on 144 river basins over China[J]. Science of the Total Environment, 2019, 664(10): 824−833.
    [28] Liu X M, Luo Y Z, Zhang D, et al. Recent changes in panevaporation dynamics in China[J/OL]. Geophysical Research Letters, 2011, 38(13)[2019−10−12]. https//doi.org/10.1029/2011GL047929.
    [29] 信忠保, 余新晓, 甘敬, 等. 黄河中游河龙区间植被覆盖变化与径流输沙关系研究[J]. 北京林业大学学报, 2009, 31(5):1−7. doi:  10.3321/j.issn:1000-1522.2009.05.001

    Xin B Z, Yu X X, Gan J, et al. Vegetation restoration and its effects on runoff and sediment yield in Hekouzhen-Longmen Section of the middle reaches of Yellow River[J]. Journal of Beijing Forestry University, 2009, 31(5): 1−7. doi:  10.3321/j.issn:1000-1522.2009.05.001
    [30] Zhao F F, Zhang L, Xu Z X, et al. Evaluation of methods for estimating the effects of vegetation change and climate variability on streamflow[J]. Water Resources Research, 2010, 46(3): 742−750.
    [31] 杨雨行, 曾平江. 我国森林植被变化对河川径流泥沙的影响[J]. 北京林业大学学报, 1994, 16(增刊3): 35−41.

    Yang Y X, Zeng P J. Impact of forest vegetation change on runoff sediment in China[J]. Journal of Beijing Forestry University, 1994, 16(Suppl. 3): 35−41.
    [32] Jia X X, Shao M A, Zhu Y J, et al. Soil moisture decline due to afforestation across the Loess Plateau, China[J]. Journal of Hydrology, 2017, 546: 113−122. doi:  10.1016/j.jhydrol.2017.01.011
    [33] 石培礼, 李文华. 森林植被变化对水文过程和径流的影响效应[J]. 自然资源学报, 2001, 16(5):481−487. doi:  10.3321/j.issn:1000-3037.2001.05.015

    Shi P L, Li W H. Influence of forest cover change on hydrological process and watershed runoff[J]. Journal of Natural Resources, 2001, 16(5): 481−487. doi:  10.3321/j.issn:1000-3037.2001.05.015
    [34] Zhang M, Liu N, Harper R, et al. A global review on hydrological responses to forest change across multiple spatial scales: importance of scale, climate, forest type and hydrological regime[J]. Journal of Hydrology, 2017, 546: 44−59. doi:  10.1016/j.jhydrol.2016.12.040
    [35] Kang S, Eltahir E A B. North China Plain threatened by deadly heatwaves due to climate change and irrigation[J/OL]. Nature Communications, 2018, 9(1): 2894[2019−11−22]. https://www.nature.com/articles/s41467-018-05252-y.
    [36] Mo K C, Lettenmaier D P. Heat wave flash droughts in decline[J]. Geophysical Research Letters, 2015, 42(8): 2823−2829. doi:  10.1002/2015GL064018
    [37] 刘昌明, 王中根, 杨胜天, 等. 地表物质能量交换过程中的水循环综合模拟系统(HIMS)研究进展[J]. 地理学报, 2014, 69(5):579−587. doi:  10.11821/dlxb201405001

    Liu C M, Wang Z G, Yang S T, et al. Hydro-informatic modeling system: aiming at water cycle in land surface material and energy exchange processes[J]. Acta Geographica Sinica, 2014, 69(5): 579−587. doi:  10.11821/dlxb201405001
    [38] Leuning R, Zhang Y Q, Rajaud A, et al. A simple surface conductance model to estimate regional evaporation using MODIS leaf area index and the Penman-Monteith equation[J]. Water Resources Research, 2008, 44(10): 1−17.
  • [1] 高岩, 张宇清, 秦树高, 张举涛, 刘振.  固沙植被景观格局变化及其影响因子 . 北京林业大学学报, 2020, 42(4): 102-112. doi: 10.12171/j.1000-1522.20190061
    [2] 亢小语, 张志强, 陈立欣, 许行, 冷曼曼.  自动基流分割方法在黄土高原昕水河流域适用性分析 . 北京林业大学学报, 2019, 41(1): 92-101. doi: 10.13332/j.1000-1522.20180087
    [3] 刘正才, 屈瑶瑶.  基于SPOT-VGT数据的湖南省植被变化及其对气候变化的响应 . 北京林业大学学报, 2019, 41(2): 80-87. doi: 10.13332/j.1000-1522.20180278
    [4] 朱方嫣, 沈文娟, 李明诗.  基于WorldView2和GF-2的面向对象多指标综合植被变化分析 . 北京林业大学学报, 2019, 41(11): 54-65. doi: 10.13332/j.1000-1522.20180435
    [5] 贾京伟, 牛健植, 蔺星娜, 朱志俊, 吴姗姗.  洋河流域NDVI时空变化及驱动力分析 . 北京林业大学学报, 2019, 41(2): 106-115. doi: 10.13332/j.1000-1522.20180046
    [6] 朱娅坤, 秦树高, 张宇清, 张举涛, 邵艳莹, 高岩.  毛乌素沙地植被物候动态及其对气象因子变化的响应 . 北京林业大学学报, 2018, 40(9): 98-106. doi: 10.13332/j.1000-1522.20180020
    [7] 邵艳莹, 吴秀芹, 张宇清, 秦树高, 吴斌.  内蒙古地区植被覆盖变化及其对水热条件的响应 . 北京林业大学学报, 2018, 40(4): 33-42. doi: 10.13332/j.1000-1522.20170414
    [8] 李梁, 张建军, 陈宝强, 冯换成.  晋西黄土区封禁小流域植被群落特征变化 . 北京林业大学学报, 2017, 39(10): 78-89. doi: 10.13332/j.1000-1522.20170185
    [9] 李明泽, 王雪, 高元科, 付瑜, 范文义.  大兴安岭植被指数年际变化及影响因子分析 . 北京林业大学学报, 2015, 37(5): 1-10. doi: 10.13332/j.1000-1522.20140220
    [10] 赵阳, 余新晓.  黄土丘陵沟壑区典型流域气候和土地利用变化 对径流泥沙产量的影响 . 北京林业大学学报, 2013, 35(3): 39-45.
    [11] 张秀敏, 盛煜, 吴吉春, 陈继, 李静, 曹元兵, 李昆.  祁连山大通河源区高寒植被物种多样性随冻土地温梯度的变化特征 . 北京林业大学学报, 2012, 34(5): 86-93.
    [12] 潘蔷, 范文义, 于海群, 张峰, 张扬建.  北京市植被指数变化与影响因素分析 . 北京林业大学学报, 2012, 34(2): 26-33.
    [13] 张守红, 刘苏峡, 莫兴国, 舒畅, 郑超磊, 侯博.  降雨和水保措施对无定河流域径流和产沙量影响 . 北京林业大学学报, 2010, 32(4): 161-168.
    [14] 信忠保, 余新晓, 甘敬, 王小平, 李金海.  黄河中游河龙区间植被覆盖变化与径流输沙关系研究 . 北京林业大学学报, 2009, 31(5): 1-8.
    [15] 张建军, 董煌标, 纳磊, 王鹏.  晋西黄土区不同尺度小流域降雨径流过程的对比分析 . 北京林业大学学报, 2008, 30(2): 106-112.
    [16] 孙宁, 李秀彬, 李子君, 余新晓, .  潮河上游土地利用/覆被变化对年径流影响模拟 . 北京林业大学学报, 2008, 30(supp.2): 22-30.
    [17] 陈崇, 李吉跃, 王玉涛, .  绦柳树干液流变化及其影响因子研究 . 北京林业大学学报, 2008, 30(4): 82-88.
    [18] 李子君, 李秀彬, .  潮白河上游1961—2005年径流变化趋势及原因分析 . 北京林业大学学报, 2008, 30(supp.2): 82-87.
    [19] 张璧光, 周永学, 高黎, 魏潇潇, 何亚平, 吴彩燕, 袁怀文, 白岗栓, 王芳, 张洪江, 郑小贤, 杨平, 刘杏娥, 毛俊娟, 黄荣凤, 殷亚方, 李瑞, 张莉俊, 秦爱光, 颜绍馗, 胡胜华, 王费新, 胡万良, 邓小文, 费世民, 谭学仁, 王晓欢, 王胜华, 常旭, 戴思兰, 樊军锋, NagaoHirofumi, 赵天忠, 杜社妮, 孙向阳, 汪思龙, 罗晓芳, 王正, 刘燕, 崔赛华, 张克斌, 张岩, 李猛, 王兆印, 乔建平, 王小青, 王海燕, 江泽慧, 陈放, , 张双保, 范冰, 刘云芳, 江玉林, 李昀, 徐嘉, 张占雄, 龚月桦, 李华, 张旭, 孔祥文, KatoHideo, 高荣孚, 韩士杰, 常亮, IdoHirofumi, 任海青, 李媛良, 侯喜录, 郭树花, 陈秀明, 刘秀英, 陈宗伟, 丁磊, 杨培华, , 李晓峰, 张代贵, 陈学平, 李考学, 张桂兰, 费本华, , 徐庆祥, 蒋俊明, 薛岩, , 高建社, 金鑫, 李雪峰, 涂代伦, 刘永红, 王晓东, 续九如, , , 张红丽, 丁国权, , .  黄土丘陵沟壑区典型流域土地利用/土地覆被变化对径流产沙的影响 . 北京林业大学学报, 2007, 29(6): 115-122.
    [20] 吕建雄, 王继强, 谢力生, 李利平, 周存宇, 王跃思, 高莉萍, 程广有, 赵东, 贺康宁, 孙仁山, 包仁艳, 李红, 高林, 李世荣, 邢韶华, 向仕龙, 周国逸, 殷亚方, 于志明, 孙扬, 高峰, 李文彬, 李吉跃, 姜春宁, 包满珠, 史常青, 孙磊, 赵勃, 葛春华, 刘娟娟, 田勇臣, 曹全军, 王迎红, 赵有科, 郑彩霞, 唐晓杰, 丁坤善, 孙艳玲, 华丽, 周心澄, 高亦珂, 张德强, 王清春, 姜笑梅, 崔国发, 张启翔, 刘世忠, .  杂谷脑河径流趋势及周期变化特征的小波分析 . 北京林业大学学报, 2005, 27(4): 49-55.
  • 加载中
图(4) / 表 (2)
计量
  • 文章访问数:  169
  • HTML全文浏览量:  82
  • PDF下载量:  25
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-08-20
  • 修回日期:  2019-11-06
  • 网络出版日期:  2020-07-09
  • 刊出日期:  2020-09-07

基于Budyko理论定量分析窟野河流域植被变化对径流的影响

doi: 10.12171/j.1000-1522.20190330
    基金项目:  国家自然科学基金青年项目(41701019),南京信息工程大学“优秀本科毕业论文(设计)支持计划”项目,江苏省高等学校大学生创新创业训练计划项目(201810300077X),南京信息工程大学人才启动项目(2017r069),国家留学基金委资助(201809040009)
    作者简介:

    毕早莹。主要研究方向:水文气象。Email:bzy456123@163.com 地址:210044 江苏省南京市浦口区宁六路219号南京信息工程大学水文与水资源工程学院

    通讯作者: 李艳忠,博士,讲师。主要研究方向:植被变化、水热耦合模型和水文气象应用。Email:liyz_egi@163.com 地址:同上

摘要:   目的  植被变化可影响流域下垫面条件,改变水文过程和水资源可持续利用量。揭示植被时空变化格局,明确其对径流变化的贡献是流域水资源管理规划的前提,也是植被恢复工程实施效果评价的依据。  方法  本研究以植被恢复的典型半干旱区窟野河流域为研究区,基于遥感植被指数NDVI和水文、气象数据,通过基于Budyko假设的弹性系数法,分析了1982—2015年植被变化对径流变化的影响。  结果  (1)径流突变点在1998年左右,突变点前后,径流和人类取耗水变化率分别达到−55.5%和92.3%,存在显著性差异(P < 0.05);降水、干燥指数分别增加2.6%和1.9%,前后两个时段差异不显著(P > 0.05)。(2)流域植被指数NDVI在突变点前后差异显著,88.7%以上区域呈显著增加趋势(P < 0.001),尤以下游明显,表明植被得到了极大恢复。Budyko弹性模型中表征流域属性信息的参数最优值为2.37,拟合出来的参数系数和常数项分别为20.407和−1.868(P < 0.05),表明拟合效果较好,适用性较强。(3)植被变化对径流的贡献率达到84.9%,气候变化和人类活动影响分别为9.3%和5.8%。  结论  窟野河流域内植被得到了极大的恢复;植被变化成为决定径流变化的主导因素,其次为气候变化和人类活动。植被变化的长期生态水文效应有待进一步加强研究,本研究结果可为生态恢复工程实施和政策制定提供参考依据。

English Abstract

毕早莹, 李艳忠, 林依雪, 卜添荟, 黄蓉. 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
引用本文: 毕早莹, 李艳忠, 林依雪, 卜添荟, 黄蓉. 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 Zaoying, Li Yanzhong, Lin Yixue, Bu Tianhui, Huang Rong. 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
Citation: Bi Zaoying, Li Yanzhong, Lin Yixue, Bu Tianhui, Huang Rong. 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
  • 近些年来,由于气候变化和人类活动的影响,区域乃至全球尺度的植被均呈现了显著“变绿”的趋势[1-2]。自1999年以来,我国政府实施了大规模的生态恢复工程[3],如退耕还林/还草工程[4],三北防护林工程[5]等,使得全国植被覆盖度显著增加。据统计,2000—2017年我国叶面积指数的净增长量达到1.35 × 106 km2,增长率达到17.8%,位居全球之首,我国已成为全球植被“变绿”的主要贡献国[6]。植被变化可以通过改变植被蒸腾、土壤蒸发和截留蒸发等水文过程,显著地改变流域河川径流,进而影响流域水资源可利用量[2, 7-8]。故而,分析植被的时空变化过程,并分析径流变化规律,定量分析植被变化对径流变化的贡献,有助于深刻理解水循环过程对下垫面条件变化的响应机制,对改善流域水资源管理措施具有理论和实践意义。

    窟野河流域是我国植被恢复工程实施的重点区域[9],工程实施以来,区域内的植被指数(如NDVI、LAI)增加显著,表明植被覆盖度得到了显著恢复[10]。为了评估植被变化及其对水循环的影响,诸多学者开展了相关研究工作[11-19]。Liang等[16]分析窟野河流域径流,发现径流在1999年左右存在突变点,且气候变化和人类活动(退耕还林工程、水保措施等)对径流变化的贡献率分别约为40%和60%,人类活动已成为该流域径流变化的主导因素,但未明确分析植被变化对径流的贡献;Li等[17]通过对遥感植被指数NDVI的分析,发现窟野河流域NDVI在2000年后呈现显著增加趋势,而径流系数则呈显著下降趋势,主要是由于植被变化导致了地表反照率降低,更多能量用于潜热蒸发,植被蒸散发的显著增加最终导致径流下降。郭巧玲等[18]分析窟野河径流发现,1996—2013年径流呈现显著的下降趋势,并且人类活动成为影响年、汛期径流的主要因素。Li等[19]利用Budyko弹性系数法分析了气候变化、人类活动对黄河中下游径流的影响,发现由于退耕还林工程导致的下垫面变化(参数n)已经成为2000年后窟野河流域径流下降的主要因素。刘晓燕等[7]通过分析黄河中游大部分流域遥感植被覆盖度信息与径流的统计关系,发现径流系数随林草植被的改善而减小;Liang等[11]基于布迪克理论,分析了1961—2009年生态恢复措施对黄土高原大部分流域径流的影响,发现生态恢复措施对窟野河径流下降的贡献达到60%以上,并且布迪克参数n与生态恢复面积呈正相关;杨大文等[20]通过布迪克弹性系数法分析了下垫面参数n的变化是绝大多数流域径流下降的主导因素,近些年的生态恢复措施对水文过程影响日趋显著。以往大部分研究基于统计分析或者布迪克弹性系数方法分析植被对径流影响,而且在使用布迪克弹性系数方法时,大部分分析是通过参数(nw)的变化,进而探讨下垫面的变化对径流的贡献,但并没有明确给出植被的变化(如LAI,NDVI)与布迪克参数的关系,无法直接定量化表达植被变化对径流的贡献量。Li等[21]通过研究全球26个流域的植被指数NDVI与布迪克参数w存在较好的线性关系,这为定量评估植被变化对径流变化的影响提供了可能。

    窟野河流域地处生态恢复工程实施的重点区域,同时处于干旱、半干旱的生态脆弱区。近年来该流域植被得到了极大恢复[22],但植被的时空格局是否发生显著变化?如果植被也呈现显著变化趋势,那么对径流的影响有多大?此外,在剧烈的气候变化和人类活动日益加剧的变化环境下,气候和人类直接活动对径流影响又如何?这些问题都有待解答。基于此,本文研究内容包括:(1)分析1982—2015年窟野河流域水文气象特征,获取径流突变点;(2)阐明植被变化时空格局,量化植被指数NDVI与布迪克参数w的关系;(3)揭示决定径流变化的主导因素,探明植被变化、人类活动和气候变化对径流变化的影响。本研究结果可为生态恢复措施效应评估,以及窟野河流域水资源管理和规划提供科学指导和支撑。

    • 窟野河流域地处黄河中游北部,海拔在740 ~ 1 575 m,从西北到东南逐渐降低(图1)。流域集水区面积约8 515 km2,多年平均降水量约379 mm,其中夏季降水占到年均降水量的80%左右,且较多以暴雨形式发生。从空间分布格局而言,呈现东部多于西部少,南部多于北部。多年径流深约42.8 mm,径流系数约0.11,产流方式以超渗产流为主。空间分布而言,径流深、径流系数与降水分布格局较为吻合,呈现西小东大,北小南大格局。多年潜在蒸散发约为942 mm,干燥指数约为2.59,属于较为典型的干旱区[23]。土壤类型以钙层土、初育土和半水成土为主,其中钙层土主要分布在流域北部与东北部,初育土广泛分布于该流域,而半水成土多分布于流域西部较小区域。流域植被以草地为主,林地覆盖率较低。上游地区以耐旱、耐寒的沙生、旱生灌丛植被为主,兼有荒漠草原、草甸、农业植被以及人工乔灌植被;中下游地区以一年或多年生草本植物为主,人工乔灌木多局限于河川沟道中。

      图  1  窟野河流域示意图

      Figure 1.  Sketch map of Kuyehe River Basin

    • 流域1982—2015年逐月径流数据来自国家水利部出版的水文年鉴,流域的人类活动的直接取耗水资料来自黄河水利委员会第二次水资源普查,其中普查数据仅对2000年前进行了还原,故而,本文根据2000年前流域取耗水量与流域径流的关系,根据2000—2015年的取耗水量,对实测径流进行了还原处理,根据流域集水区面积,获取流域逐年径流深。流域内部以及周边区域35个常规气象数据(包括降水、日最高气温、日最低气温、风速、日照时长和水气压等要素)来自中国气象局国家气象信息中心(http://data.cma.cn/)。8 km空间分辨率的遥感植被指数NDVI来自美国国家航空和宇宙航行局(NASA)的地球数据交换中心(NEX)(https://nex.nasa.gov/nex/projects/1349/[24],数据的时间跨度选取1982—2015年。30 m分辨率的DEM数据来自地理数据云共享网(http://www.gscloud.cn/),用于提取河流水系和表征研究区地形分布。

    • 干燥指数(AI)定义为潜在蒸散量(ET0)与降水量(P)的比值:

      $$ {\rm{AI}} = \frac{{{\rm{ET}}{_0}}}{P} $$ (1)

      式中:ET0可以通过FAO参考作物蒸散发[25]计算方法获取:

      $$ {\rm{ET}}{_0} = \frac{{0.408{\mathit{\Delta }} ({R_{\rm{n}}} - G) + \gamma \dfrac{{900}}{{{T_{\rm{a}}} + 273}}{u_2}{\rm{VPD}}}}{{{\mathit{\Delta }} + \gamma (1 + 0.34{u_2})}} $$ (2)

      式中:ET0为日潜在蒸散发(mm/d);Ta为2 m高度平均日气温(℃),u2为2 m高度风速(m/s),可通过10 m高度观测值和风廓线函数估算;气象站点年ET0通过日值累计获取。

      ∆为温度−饱和水汽压曲线斜率(kPa/℃),可由平均气温估算:

      $$ {\mathit{\Delta }} = \frac{{4\;098 \left( {0.610\;8 \exp \left( {\dfrac{{17.27T}}{{T + 237.3}}} \right)} \right)}}{{{{\left( {T + 237.3} \right)}^2}}} $$ (3)

      式中:T为空气平均温度,可以通过最高和最低温度获取。

      VPD为水汽压差(kPa),为饱和水汽压(es和实际水汽压(ea)之差,esea可由下式估算:

      $$ {\rm{VPD}} = {e_{\rm{s}}} - {e_{\rm{a}}} $$ (4)
      $$ {e_{\rm{s}}} = 0.610\;8 \left( {\frac{{17.27T}}{{T + 237.3}}} \right) $$ (5)
      $$ {e_{\rm{a}}} = \frac{{{\rm{RH}}{_{\rm{mean}}}}}{{100}}\left( {\frac{{{e_{\rm{s}}}({T_{\rm{max}}}) + {e_{\rm{s}}}({T_{\rm{min}}})}}{2}} \right) $$ (6)

      式中:es (Tmax) 和 (Tmin) 分别为日最高和最低温度下的饱和水汽压。

      湿度计常数γ(kPa/℃),可由下式估算:

      $$ \gamma = \frac{{{C_{\rm{p}}}P}}{{\varepsilon \lambda }} $$ (7)

      式中:Cp为空气定压比热,Cp = 1.013 × 10− 3 MJ/(kg·℃),ε为水蒸气与干燥空气的比值,ε = 0.622。

      G为土壤热通量(MJ/(m2·d)),在日尺度上变化可以忽略(G ≈ 0)。

      $$ {R_{\rm{n}}} = {R_{{\rm{ns}}}} - {R_{{\rm{nl}}}} $$ (8)
      $$ {R_{{\rm{ns}}}} = (1 - \alpha ){R_{\rm{s}}} = (1 - \alpha )({a_{\rm{s}}} + {b_{\rm{s}}}\frac{{{d_{\rm{s}}}}}{N}){R_{\rm{a}}} $$ (9)

      式中:RnsRnl分别是净短波辐射和净长波辐射,α为反照率(取值0.23),ds为实际最大日照时长,N为潜在最大日照时长,asbs为辐射系数(分别as = 0.25,bs = 0.50),Ra为大气层外辐射,详细计算过程,请参阅Allen等[25]文章。

    • 对于一个闭合流域而言,水量平衡表达为:

      $$ Q = P - {\rm{ET}}{_{\rm{a}}} \pm \Delta S $$ (10)

      式中:ETa为实际蒸散发(mm/a),ΔS为土壤水储量变化量(mm/a)。对于一个长时间尺度而言(如10年以上),其土壤水储量变化量ΔS可认为不变,公式(10)可以表达为:

      $$ Q = P - {\rm{ET}}{_{\rm{a}}} $$ (11)

      根据布迪克假设理论,特定流域多年尺度实际蒸散发是干燥指数的函数,可用下式估算,

      $$ {\rm{ET}}{_{\rm a}} = P \cdot f({\rm{AI}}) $$ (12)

      式(11)和(12)结合,

      $$ Q = P - P \cdot f({\rm{AI}}) = P(1 - f({\rm{AI}})) $$ (13)

      f(AI)表达式较多,其中基于布迪克框架的傅抱璞[26]模型的表达方式:

      $$ f({\rm{AI}}) = 1 + {\rm{AI}} - {(1 + {\rm{AI}}{^w})^{1/w}} $$ (14)

      式中:w表征流域属性信息的变量,也是衡量植被水分利用效率的指标,值越大表征更多的水分被用于植被蒸散发,更少的水分形成地表径流。

      式(14)代入式(13),可得:

      $$ Q = P({(1 + {\rm{AI}}{^w})^{1/w}}{\rm{ - }}{\rm{AI}}) $$ (15)

      根据Li等[21]的研究结果,可知Budyko假设中的参数w与NDVI存在线性关系:

      $$ w = a \cdot {\rm{NDVI}} + b $$ (16)

      式中:ab对于特定流域是常数,需要进行拟合求算,a值的大小表征了模型关键参数w对植被信息变化的敏感性强弱程度。

      结合式(14),式(15)和式(16),得到径流与气候和植被指数的关系式(17),这样就可以根据遥感获取的NDVI数据,估算窟野河流域植被的变化对径流的影响:

      $$ Q = P \cdot \left( {{{(1 + {{\rm{AI}}^{a \cdot {\rm{NDVI}} + b}})}^{1/(a \cdot {\rm{NDVI}} + b)}} - {\rm{AI}}} \right) $$ (17)
    • 弹性系数的定义为因变量y变化率与自变量x变化率的比值:

      $$ \varepsilon {\rm{ = }}\mathop {\lim }\limits_{\Delta x/x \to 0} \frac{{\Delta y/y}}{{\Delta x/x}} = \frac{{\partial y}}{{\partial x}} \cdot \frac{x}{y} $$ (18)

      同理,径流Q对AI和NDVI的弹性系数如下:

      $$ {\varepsilon _{{\rm{AI}}}}{\rm{ = }}\frac{{\partial Q}}{{\partial {\rm{AI}}}}\cdot\frac{{{\rm{AI}}}}{Q} $$ (19)
      $$ {\varepsilon _{{\rm{NDVI}}}}{\rm{ = }}\frac{{\partial Q}}{{\partial {\rm{NDVI}}}}\cdot\frac{{{\rm{NDVI}}}}{Q} $$ (20)

      式中:$ \dfrac{{\partial {{Q}}}}{{\partial {\rm{AI}}}}$$\dfrac{{\partial {{Q}}}}{{\partial {\rm{NDVI}}}}$为对式(17)分别求偏微分获得。

      根据全微分的概念,径流Q的变化量可以认为是由气候变化AI,植被指数NDVI和人类活动引起,即

      $$ \begin{array}{c} {\rm{d}}Q = \Delta {Q_{{\rm{AI}}}} + \Delta {Q_{{\rm{NDVI}}}}{\rm{ + }}\Delta {Q_{{\rm{Hu}}}} = {\varepsilon _{{\rm{AI}}}} \cdot \dfrac{{{\rm{d}}{\rm{AI}}}}{{{\rm{AI}}}}Q + \\ {\varepsilon _{{\rm{NDVI}}}} \cdot \dfrac{{{\rm{dNDVI}}}}{{{\rm{NDVI}}}}Q + {\rm{Cr}}\_{\rm{Hu}} \end{array} $$ (21)

      公式(21)最右侧的第一部分即为气候变化对径流变化的贡献量(Cr_AI),第二部分为植被指数对径流变化的贡献量(Cr_NDVI),而人类活动的影响则直接用黄河水利委员会公布的工业、农业和生活的耗水量表征(Cr_Hu)。

    • 对傅抱璞模型的方程式,如果方程两边的各要素(ETaPQ)能够确定,则参数w可求解。充分利用利用本文水文、气象和植被数据序列,采用5年滑动平均的方式获取水量平衡的各个要素,然后求解出多个w的值,再结合对应时期的NDVI值,根据Li等[21]w与NDVI的关系,即可拟合求出参数ab。对于多年尺度流域的最优w值,通过实测与模拟的均方误差最小即可,如下式所示:

      $$ {\rm{Obj}} = \min \sum\limits_i {{{\left\{ {{{\left( {\frac{{{\rm{ET}}{_{\rm a}}}}{P}} \right)}_i} - \left\{ {1 + {\rm{AI}}{_i} - {{\left[ {1 + {\rm{AI}}{^w}_i} \right]}^{1/w}}} \right\}} \right\}}^2}} \!\!\! $$ (21)

      式中:i是年序号,w是特定流域的拟合Budyko曲线最优解。

    • 窟野河流域的径流序列的突变点通过非参数Mann-Kendall检测,由于该方法对非正态分布的数据检测性能良好,已广泛应用到水文气象序列的变化检测中[27]。变化趋势检验通过Mann-Kendal的Z统计量表征,Z值为 ±1.64,±2.58和 ±3.29对应显著性水平P < 0.1,P < 0.01和P < 0.001[28]。借助Arcgis 12.2的空间插值工具,对黄土高原地区108个气象站降水、潜在蒸散发进行空间插值,并提取出流域均值。

    • 图2展示了窟野河流域1982—2015年径流和水文气象要素变化特征。实测径流深在过去34年中呈显著下降趋势(图2a),达到了− 1.52 mm/a(P < 0.001)。通过非参数Mann-Kendall检测发现,实测径流深在1998年左右存在突变点(图2b),在1982—1998年径流深由60.4 mm下降到1999—2015年的26.8 mm,下降了33.5 mm,相对变化率达到了− 55.5%(表1),突变点前后两个时段的径流深存在显著性差异(P < 0.05)。

      表 1  突变点前后水文要素与植被指数弹性系数

      Table 1.  Hydrological factors and the elasticity coefficients of vegetation index before and after break point

      年份 YearQ/mmPre/mmET0/mmAIHu/mmεndvi
      1982—1998 60.36(− 0.47) 380.5(2.31) 1 002.3(0.57) 2.66(− 0.02) 1.96(0.03) − 5.58
      1999—2015 26.84(0.79) 390.4(6.94* 1 022.0(− 0.43) 2.73(− 0.06) 3.77(0.19***
      1982—2015 43.60(− 1.52*** 387.8(1.38) 1 009.9(1.09) 2.69(− 0.01) 2.86(0.11***
      注:Q为径流;Pre为降水量;ET0为潜在蒸散发;AI为干燥指数;Hu为人类耗水量;εndvi为植被指数弹性系数。括号内数字表示变化趋势,星号代表显著性水平,其中******分别对应P < 0.1,P < 0.01和P < 0.001显著性水平。下同。Notes: Q refers to runoff; Pre refers to precipitation; ET0 refers to the potential evapotranspiration; AI is the aridity index; Hu is water consumption by human; εndvi is the elasticity coefficients of vegetation index. The number in bracket indicates the changing trend, and the asterisks represent significance level, where *, **, and *** correspond to three significance levels of P < 0.1, P < 0.01, and P < 0.001, respectively. The same below.

      图  2  窟野河流域水文气象特征

      Figure 2.  Hydrometeorological characteristics of Kuyehe River Basin

      降水量由突变点前的380.5 mm增加到突变点后的390.4 mm(图2c表1),整体呈现不显著增加趋势(1.38 mm/a,P > 0.05)。潜在蒸散发与降水量相似,呈不显著增加趋势(P > 0.05)。干燥指数变化可以反映一个区域较长时间内水热平衡状态,整个研究期内窟野河流域干燥指数呈不显著的下降趋势(− 0.01,P > 0.05),表明研究区内气候条件并未发生显著变化。由人类活动引起的耗水量呈显著增加趋势(0.11 mm/a,P < 0.001),由突变点前的1.96 mm增加到3.77 mm,相对变化率达到92.3%,尤其以突变点后的时段增加显著(P < 0.001)。表明近些年,随着经济增长和人口增加,人类活动对水资源的需求增加显著,导致人为因素成为影响河川径流变化日趋重要的因素。综上分析发现,尽管径流在1998年前后发生了显著变化,但是气候变化并不显著,所以气候变化应该不是导致径流急剧下降的原因。虽然人类活动对径流的影响增加十分显著,但其引起径流下降量仅为1.81 mm,仅占到观测径流变化的5.4%,所以,窟野河流域径流的变化应该主要由其他因素引起,比如下垫面条件的变化,特别是植被变化对黄河水资源的影响成为科学研究的热点[12, 29]

    • 为了定量评估窟野河流域植被变化对径流的影响,首先对窟野河流域植被变化时空动态进行了分析。图3展示了1982—2015年植被指数NDVI的时空变化趋势。NDVI的均值空间分布存在较大空间异质性,波动范围为0.167 ~ 0.255,均值为0.213,其中较大值分布在流域中上游和下游地区(图3a)。突变点前后两个时段,NDVI变化率从流域上游到下游逐渐增加,波动范围达到− 1.3% ~ 30%。除上游极少区域(1.4%)NDVI呈减小趋势外,其余绝大部分区域(98.6%)均呈现增加趋势,尤其在流域出口位置,NDVI变化率达到25%以上(图3b)。通过Mann-Kendall检测发现,流域88.7%的区域达到了极显著增加水平(P < 0.001,图3c)。在突变点前后的两个时段,NDVI的均值和变化趋势分别由1982—1998年的0.202和0.84(P < 0.001),增加到1999—2015年的0.219和3.51(P < 0.001),相对变化率为8.42%(图3d)。故而,窟野河流域NDVI的变化率和趋势的时空分布,表明我国1998年左右实施退耕还林/还草生态恢复工程后,流域的植被状况发生了显著性的变化,呈现明显变绿的趋势。该结果与其他研究较为一致[7, 22]

      图  3  窟野河流域植被变化时空分布

      Figure 3.  Spatial and temporal distribution of vegetation in the Kuyehe River Basin

      最新研究发现,NDVI与布迪克框架的傅抱璞公式参数w存在线性关系,利用窟野河流域NDVI对线性方程的参数ab进行了优化(公式13,图4)。参数w取值从1到2时,均方误差呈现急剧下降趋势(图4a),当w取值达到2.37时,均方误差达到最低(图4b),之后随着w取值增加,误差又呈现缓慢上升趋势。故而,对于长时间尺度而言,窟野河流域的参数w取值为2.37。傅抱璞模型中推荐的缺省值(w = 2.6)与本流域最优化值存在较大差异(图4c),并不适合本流域。本文关键参数w小于缺省值,表明本研究区的植被水分利用效率低于缺省值水平,当一定量的降水发生时,将有较大比例的降水转为径流。模型中w参数反映的是下垫面状况变化,所以w在年或者多年尺度上应该是变化的。本文以5年为一个均值,获取每个时间段内的w与NDVI值,然后采用最小二乘法拟合获取回归系数ab,拟合结果分别取值为:a = 20.407,b = − 1.868。方程拟合的R2达到0.635 2,并且拟合结果显著(P < 0.01),表明效果较好(图4d)。系数a说明当植被指数NDVI增加10%时,参数w将增加2倍以上,表明流域产流性能对植被变化的高度敏感性。

      图  4  参数优化以及拟合

      Figure 4.  Parameter optimization and fitting

    • 表3列出了植被变化(NDVI表征)、人类活动和气候变化对径流变化的贡献量和贡献率。模型计算3个因素共同导致径流的变化量为−31.4 mm,而实际观测径流变化量为−33.5 mm,两者的相对误差为−6.3%,表明本研究所采用的模型性能较好,能够较好地解释各个变量对径流变化的影响。由表3可知,1999年后,植被的显著变化导致观测径流下降了31.4 mm(Cr_NDVI),占到径流总变化率的84.9%,显然已成为控制窟野河流域近些年径流下降的主导因素。对于人类活动而言,水资源的消耗主要用于人类的生活用水、工业耗水等相关领域。虽然2000年以来,人类活动对径流的直接影响呈现显著增加趋势(图2fP < 0.001),但是其导致的径流下降仅为1.8 mm,对总径流下降的贡献率为5.8%,远低于植被变化对径流的影响;与1982—1998年相比,虽然1999年后降水稍微增加(图2c),但是流域内的潜在蒸散发也呈现了增加(图2d),两者的综合影响导致干燥指数增加了2.6%(图2e),也就是流域气候变化呈轻度干燥化,这将导致可利用水资源下降,本文模型计算发现气候变化导致径流下降了2.9 mm,对径流下降的贡献量为9.3%,其影响程度介于植被变化和人类活动之间。

      流域大规模的植树造林活动所导致的植被变化,可显著地影响径流,这一结论已被诸多研究所证实[20, 3031],也与本文的结论一致。植被变化可以通过多个途径影响径流:植被覆盖度的增加,可以有效地增加植被冠层对降水的截留量,这些被截留的降水量将通过蒸发的形式返回大气,进而减少了到达地面的降水量;此外,植被叶面积的增加,可增加植物叶片的散发量,更多的水分通过叶片气孔的呼吸作用排放到大气中,进而降低土壤含水量,不利于地表径流和壤中流的产生;随着森林中枯枝落叶厚度的增加,加大了地表粗糙度,增加了径流的汇流时间,导致大部分地表径流以蒸发的形式返回大气;由于植被散发增加,导致根系对土壤水分的消耗加剧,增加土壤干旱化[13, 32],不利于地表水与地下水的交换。

    • 河川径流量的变化(趋势或突变)往往是由多个因素引起,比如人类活动、气候变化、植被变化等,而植被变化的生态水文效应一直是水文学和生态学研究的焦点[3334]。但较为一致的观点是认为造林或植被增加会减少径流量,本文研究结果与这一结论较为吻合(图2a)。而2000—2003年尽管处于植被恢复的初期,植被指数并未出现显著增加现象,但是还原径流较2000年前下降幅度很大,这可能主要由此时降水的显著下降和潜在蒸散发显著增加所引起(图2cd)。但是,随着植被的进一步恢复(2004—2011年),植被指数NDVI增加显著,尽管该时段降水增加、潜在蒸散发保持稳定,但径流依然维持较低水平,这表明植被逐渐成为控制径流变化的主导因素(表2)。但是,植被的恢复不可能导致植被指数NDVI无限增加,所以随着降水呈现增加趋势(2012—2015年),径流也呈现了明显的增加,这表明窟野河流域植被变化对径流的影响已经达到了一个稳定状态[13],随着植被恢复稳定,径流不会再次出现急剧下降现象,而是随着气候变化而波动。

      表 2  径流突变点前后(1982—1998年和1999—2015年)径流变化的归因

      Table 2.  Attribution to runoff change before and after break point of runoff(1982−1998 and 1999−2015)

      项目 ItemCr_AICr_HuCr_NDVI模型估算
      Model estimation
      观测径流
      Observed runoff
      误差 Error/%
      贡献量 Contribution/mm −2.9 −1.8 −26.7 −31.4 −33.5 −6.3
      贡献率 Contribution rate/% 9.3 5.8 84.9
      注:Cr_AI、Cr_Hu、Cr_NDVI分别表示气候、人类活动和植被变化对径流的贡献率。Notes: Cr_AI,Cr_Hu,Cr_NDVI denote the contribution rates of climate, human activities and vegetation changes to runoff change, respectively.

      有诸多学者建议减缓对黄土高原地区植被恢复工程的实施,以维持植被恢复的现状为主。否则继续大规模的植树造林,会对生态环境造成不利的影响。其中,最主要的表现之一就是可能会增加枯水年的干旱事件的发生。目前,全球正处于一个急剧变化的环境中(气候变化和人类活动加剧),水文气象的极端事件发生频率增加,比如最近报道的华北平原地区的热浪[35],就是由于人类活动和气候变化共同作用下的极端事件,严重威胁着人类的健康生存。研究表明,这种热浪型干旱较多发生在植被茂密的区域[36],所以,窟野河流域植被的急剧增加,可能会增加干旱事件的发生频率和强度。研究已发现黄土高原地区植被恢复导致土壤湿度下降,长时间尺度而言这将会对生态恢复工程带来不利影响,如会造成植被矮化,发育不良,降低对干旱的抵抗力,甚至造成植被死亡。所以,为了保持已经取得生态恢复工程的成果以及长期的植被恢复,将来的退耕还林政策应该兼顾考虑未来水资源需求和水土保持的可持续发展。

    • 虽然本文对数据和模型进行了严格的质量控制,但仍然存在一些不确定性。首先,本文利用人类活动的耗水量对观测径流进行了还原,但是由于人类活动涉及方面广泛,难以精确的估算人类活动的影响。其次,布迪克假设的弹性系数方法的前提条件是所有变量之间相互独立,互不影响,比如在对多年蒸散发估算求偏导时要求植被变化、气候因素和人类取水等因素之间相互独立,然而在实际情况中,下垫面和气候系统是一个整体,这些因素之间相互作用,相互影响,不符合弹性系数法的前提,会使模型产生误差。本文的布迪克弹性系数模型的误差为− 6.3%(表2),表明本模型在窟野河流域的适用性较好,模型可靠性较强。最后,流域内的水库,淤地坝等水利工程建筑对径流的影响导致不确定性。人类修筑的水利工程建筑会直接影响到流域径流月、年际尺度的时空变化,但本研究中仅考虑了人类取耗水和生态恢复工程两个因素对径流造成的影响,忽略了水库、梯田、淤地坝等水土保持工程措施对径流的影响,从而导致计算结果存在误差。但由于黄河中游的大型水库较少,而小型水库较多但是库容有限,作用较小;2000年以后窟野河流域淤地坝发挥作用的骨干坝较少,所以水库、淤地坝等水利工程措施对本研究结果的影响有限。

      本文初步分析了窟野河流域植被动态及其对径流的影响,但要揭示植被对水循环的影响机理,需要分析植被如何影响“降水−截留−下渗−蒸散发−径流”等水文过程。随着研究的深入,笔者将考虑借助分布式水文模型HIMS[37],以及采用更高的遥感植被指数(1 km,植被叶面积指数),耦合LAI信息的PML模型[38],构建适合干旱区特性的分布式水热耦合模型HIMS-PML[22],模拟近些年以及未来气候变化和人类活动情形下,植被变化如何影响水量平衡(蒸散发、径流和土壤水分)和能量再分配(潜热、显热比例)的过程,这将是阐明植被变化对水热平衡影响机理的有效途径。

    • 本文利用植被指数NDVI、气候要素和实测径流数据,基于布迪克框架的傅抱璞模型,定量分析了窟野河流域1982—2015年植被变化及其对径流的影响。结果显示,实测径流的突变点出现在1998年左右,与我国黄土高原地区大规模生态恢复工程开始实施基本一致。突变点前后气候并未发生显著性变化,虽然人类活动的耗水增加显著,但并不是导致径流下降的主要因素,而植被的显著增加才是导致径流下降的主导因素,对径流的相对贡献率达到84.9%以上,这说明退耕还林/退耕还草的政策收效显著,取得了初步的成功,生态环境得到了显著的改善,并且显著地影响了流域水文过程。

      植被的显著变化有助改变生态环境的同时,也应该加强其不利方面的研究,比如植被变化对骤发性干旱,洪水频率和强度,未来气候变化情境下的水资源可利用量等科学问题,都需要进一步加强研究。此外,相关政策制定部门也应该结合窟野河流域的实测径流变化情况,以及植被恢复情况,制定更加科学、严谨、谨慎的植被恢复方案,以便达到更好的防沙固沙效果,更好的生态恢复效果。

参考文献 (38)

目录

    /

    返回文章
    返回