EN中文

干旱区研究 >

2024 , Vol. 41 >Issue 5: 776 - 787

DOI: https://doi.org/10.13866/j.azr.2024.05.06

水土资源

马莲河下游产水量时空演变特征

  • 高雅玉 , 1 ,
  • 宋玉 1 ,
  • 赵廷红 , 1 ,
  • 高金芳 2 ,
  • 何文博 1 ,
  • 李泽霞 2
展开
  • 1.兰州理工大学能源与动力工程学院，甘肃 兰州 730050
  • 2.甘肃省水土保持科学研究所，甘肃 兰州 730020
赵廷红. E-mail:

高雅玉（1985-），女，正高级工程师，博士，主要从事水资源与水土保持方面的研究工作. E-mail:

收稿日期: 2023-12-13

  修回日期: 2024-01-30

  网络出版日期: 2024-06-20

基金资助

甘肃省重点研发计划项目(22YF7FA165)

高端外国专家引进计划项目(22JR10KA006)

甘肃省水利科学试验研究及推广计划项目(22GSLK006)

甘肃省水利科学试验研究及推广计划项目(22GSLK011)

甘肃省水利科学试验研究及推广计划项目(23GSLK007)

甘肃省水利科学试验研究及推广计划项目(24GSLK074)

收起

Spatiotemporal evolution of water yield in the lower Malian River Basin

  • GAO Yayu , 1 ,
  • SONG Yu 1 ,
  • ZHAO Tinghong , 1 ,
  • GAO Jinfang 2 ,
  • HE Wenbo 1 ,
  • LI Zexia 2
Expand
  • 1. College of Energy and Power Engineering, Lanzhou University of Technology, Lanzhou 730050, Gansu, China
  • 2. Gansu Institute of Soil & Water Conservation Sciences, Lanzhou 730020, Gansu, China

Received date: 2023-12-13

  Revised date: 2024-01-30

  Online published: 2024-06-20

Fold

摘要

马莲河下游流域是我国陇东典型的黄土高原沟壑区，在气候和土地利用变化背景下研究其产水量的时空特征和变化响应，对区域生态系统可持续发展具有重要意义。基于InVEST （Integrated Valuation of Ecosystem Services and Trade-offs）模型定量评估1990年、2000年、2010年和2020年4个时期马莲河下游流域产水量的时空格局和变化，运用地理探测器分析影响因子对产水功能空间分异的影响程度。结果表明：（1） 1990—2020年，马莲河下游流域总产水量整体呈现先减后增再减的变化趋势，2020年总产水量相比1990年减少了5.9×107 m3，减少率为25.43%。不同时期产水量在空间上呈现南部和边缘地带高、北部和中心地带低的分布特征。（2） 不同土地利用类型产水能力大小排序依次为：城镇用地>未利用地>耕地>低覆盖度草地>高覆盖度草地>灌木林>有林地>水域。（3） 产水量与降水量呈现明显的正相关，与实际蒸散发量和海拔之间存在负相关。降水和实际蒸散发是决定产水量空间分布和变化的主导因素，q值分别为0.616~0.735和0.517~0.653。研究成果可为陇东黄土高原沟壑区水土资源开发、利用和管理提供科学支撑。

关键词： InVEST模型; 产水量; 时空演变; 马莲河下游

本文引用格式

高雅玉 , 宋玉 , 赵廷红 , 高金芳 , 何文博 , 李泽霞 . 马莲河下游产水量时空演变特征[J]. 干旱区研究, 2024 , 41(5) : 776 -787 . DOI: 10.13866/j.azr.2024.05.06

Abstract

This study examines water yield patterns in the lower reaches of the Malian River Basin, which are typical loess plateau gully areas in eastern Gansu Province, China. These areas are crucial for regional ecosystem health and understanding the temporal and spatial characteristics and response of water yield considering climate and land-use changes. Employing the Integrated Valuation of Ecosystem Services and Trade-offs (InVEST) model, we quantitatively assess the spatial and temporal patterns of water yields across four years: 1990, 2000, 2010, and 2020. Spatial heterogeneity in water yield across the lower reaches of the Malian River Basin was assessed using geographic detection techniques. Analysis revealed a fluctuating trend in total water yield from 1990 to 2020, characterized by an initial decrease, followed by an increase, and finally another decrease. Compared to 1990, total water yield in 2020 declined by 5.9×107 m3 (25.43% reduction). Furthermore, spatial analysis revealed a distinct pattern in water yield distribution across the basin. Higher water yield was observed in the southern and marginal areas, whereas lower yield characterized the northern and central regions. Land-use type significantly influenced water yield capacity. Ranked from highest to lowest, the order was as follows: construction land>bare land>agricultural land>low-coverage grassland>high-coverage grassland>shrub land>forest land>open water. Moreover, a significant positive correlation was identified between water yield and precipitation, suggesting that precipitation plays a key role in water production. Conversely, a negative correlation emerged between actual evapotranspiration and altitude. Our analysis identified precipitation and actual evapotranspiration as the primary drivers of spatial variations and temporal changes in water yield, with q values ranging from 0.616 to 0.735 and 0.517 to 0.653, respectively. These findings provide valuable scientific evidence to support the development, utilization, and management of soil and water resources in the loess plateau of eastern Gansu.

Key words： InVEST model; water yield; spatiotemporal evolution; lower Malian River Basin

生态系统服务是指自然生态系统向人类社会系统输送能源和物质，并对其产生的废弃物进行回收和转化，这直接或间接地为人类生存提供了服务资源，对人类社会可持续发展具有重要作用[1-2]。国内外众多学者对生态系统诸多服务开展了深入研究，现已成为生态学、水文学和其他相关学科研究的前沿和热点[3]。产水服务作为生态系统最重要的供给服务，不仅影响着流域的水量平衡和水分循环，而且也与区域自然地理条件和人类活动密切相关[4-5]，尤其在干旱和半干旱地区，产水量不足是限制内陆河流域经济和生态可持续发展的根本原因[6]。因此研究产水功能的时空变化特征及影响机制对区（流）域未来水源地空间规划和生态系统服务功能的提升意义重大。
产水功能是一个复杂而全面的概念，是一定气候条件下生态系统和水文过程共同作用的结果。相关研究表明，气候变化、地形和土地利用是产水功能的主要驱动因素[7⇓-9]。近年来模型在产水服务功能评估中发挥着越来越重要的作用，它们能够准确模拟复杂的水文过程，量化不同时空尺度的产水功能[10]，例如：SWAT模型[11]、MIKE SHE模型[12]、TOPMODEL模型[13]和InVEST模型[14]等。其中，InVEST（Integrated Valuation of Ecosystem Services and Trade-offs）模型是一种能够定量评估不同情景下生态系统服务功能的可视化工具，与其他水文模型相比，具有对原始数据量的要求较低、可使评估结果精确量化等优势。InVEST模型的产水量模块可以在区域尺度上模拟年均产水量，并将结果以地图的形式表达出来，在世界范围内得到了广泛应用[15-16]。InVEST模型在我国黄土高原地区也有一定的应用成果，Wang等[17]基于InVEST模型，评估了黄土高原地区的水生态系统服务功能，并探讨了产水、土壤保持、水质净化功能之间的相互作用。包玉斌等[18]基于InVEST模型的产水模块，定量评价陕北黄土高原地区退耕还林还草工程背景下土地利用/覆被变化对水源涵养的影响。刘宥延等[19]利用InVEST模型评估了黄土高原丘陵区定西市安定区的水源涵养功能及其空间分布特征，并利用空间统计方法计算了水源涵养功能的冷热点和重要性分布格局。
马莲河流域是我国陇东典型的黄土高原沟壑区，流域内水土流失严重、水质苦咸、洪水期河流泥沙含量高、水资源可利用量较少等生态问题给生态恢复带来了挑战，制约了区域经济发展。马莲河下游位于甘肃省庆阳市东南部，是整个流域降水量最多和植被覆盖度最广的区域，水力资源较为丰富，开发潜力巨大。但近几十年来，气候和土地利用的变化正在逐渐改变产水量的时空格局，同时也加剧了产水功能的不确定性[20-21]。目前对马莲河下游流域产水量时空分布格局及其演化特征还有待进一步探究。以往对产水变化驱动机制研究大多采用相关性分析[22]、聚类分析[23]等传统方法，但从地理分异角度考虑产水空间分布和变化的定量归因研究较少。因此，本文基于InVEST模型，选取1990年、2000年、2010年和2020年4期降水、实际蒸散发、土地利用类型和海拔等数据，分析马莲河下游流域产水量时空演变，采用地理探测器量化产水量对气候和土地利用变化的响应。以期为当地水资源优化配置、应对气候变化风险和生态系统可持续发展提供理论依据。

1 研究区概况与方法

1.1 研究区概况

马莲河是渭河的二级支流、泾河的最大一级支流，属于高含沙量河流，年均输沙总量约为1.29×108 t，约占黄河年均输沙量的8%。马莲河下游流域位于甘肃省庆阳市境内的庆城县、合水县、西峰区、宁县和正宁县，属于黄土高原沟壑区，地理位置介于107°35′~108°35′E，35°14′~36°15′N。流域内河谷、山峦、高原、沟壑、平川和梁峁共存，总面积约5354 km2，总地势呈现中部河谷偏低，两侧塬面较高的趋势，海拔在907~1736 m（图1）。流域属于温带大陆性气候，夏季温度高降水多，冬季寒冷且雨雪少，年日照时数约2400 h，年均气温约7~9 ℃，年均降水量在600 mm左右。流域内河川径流量年际、年内变化很大，地区性分布较为明显，天然植被较为丰富，森林覆盖率达到20%~25%。土地利用类型主要有耕地、草地和林地。
图1 研究区概况

注：底图采用自然资源部标准地图制作，审图号为GS(2016)1600号，对底图边界无修改。下同。

Fig. 1 Research area

1.2 研究方法

1.2.1 数据来源

降水量数据来源于国家气象科学数据中心（https://data.cma.cn），选取西峰、庆城、宁县和正宁等气象站点的逐日平均降水量数据，通过ArcGIS 10.8的IDW（反距离权重插值法）进行处理得到年均降水量；潜在蒸散发量数据来源于国家青藏高原科学数据中心（http://data.tpdc.ac.cn/）；实际蒸散发量数据由InVEST模型产水是各影响因子的探测值，值域量模块计算得出；土地利用类型数据来源于中国科学院资源环境科学与数据中心（https://www.resdc.cn/）；海拔数据来源于地理空间数据云平台（http://www.gscloud.cn）；植物根系深度数据参考Yan等[24]研究的中国1 km植物根系深度；土壤数据来源于世界土壤数据库，其中中国（不含港澳台地区）数据由南京土壤研究所提供，数据下载自国家青藏高原科学数据中心（http://data.tpdc.ac.cn/），其中包括土壤砂粒、粉粒、黏粒、有机质和容重含量等数据；通过ArcGIS 10.8中的栅格计算器（在月数据的基础上采用最大值合成法生成年数据）和Extract by Mask（掩膜提取）功能提取研究区的潜在蒸散发、土地利用类型、植物根系深度、土壤质地、海拔等栅格数据，并基于海拔数据通过ArcGIS 10.8中的水文分析工具生成研究区子流域。生物物理系数主要用来反映土壤覆盖度和土地利用/土地覆盖（LULC）的属性（表1）。所有数据在30 m空间分辨率下重采样，统一使用Albers_Conic_Equal_Area坐标系进行投影。
表1 生物物理系数

Tab. 1 Biophysical coefficient

土地利用编号 土地利用
类型		 植被蒸散系数 植物最大根系深度/mm 属性类别
1 耕地 0.65 400 1
2 有林地 0.95 3000 1
3 灌木林 0.9 2500 1
4 高覆盖度草地 0.65 500 1
5 低覆盖度草地 0.6 450 1
6 水域 0.9 1 0
7 城镇用地 0.3 1 0
8 未利用地 0.5 100 0

注：属性类别是根据是否有植被覆盖来判定0和1，植被覆盖地类（不包括湿地）赋值为1，其他土地利用类型（包括湿地、城市用地、水体、永久冰雪等）赋值为0。

1.2.2 InVEST模型

InVEST模型的产水模块建立在Budyko水热平衡假设和年均降水量的基础上，将产水定义为栅格范围内的降水量减去植物蒸腾和地表蒸发后剩余的水量。基本计算过程如下：
Y ( x ) = 1 - A E T ( x ) P ( x ) × P ( x )
A E T ( x ) P ( x ) = 1 + ω ( x ) + R ( x ) 1 + ω ( x ) R ( x ) + 1 / R ( x )
ω ( x ) = Z × A W C ( x ) P ( x )
A W C ( x ) = m i n R e s t . l a y e r . d e p t h ,   r o o t . d e p t h × P A W C
R ( x ) = K c × P E T ( x ) P ( x )
式中：Y(x)为年均产水量（mm）；AET(x)为实际年均蒸散发量（mm）；P(x)为年均降水量（mm）；PET(x)为潜在蒸散发量（mm）；ω(x)为植被年平均可利用水量与预期水量的比值；AWC(x)为植物有效可利用水分含量（mm）；Rest.layer.depth为植物根系在土壤中延伸的最大深度（mm）；root.depth为植物根系深度（mm）；Z为Zhang系数，是反映区域降水模式和水文地质特征的常数，其值在1~30之间变化；R(x)为干燥指数，无量纲；Kc为植被蒸散系数。PAWC为植物利用水分含量，本文选择周文佐[25]提出的“PAWC”公式进行计算，具体计算公式如下：
P A W C = 54.509 - 0.132 × S a n d % - 0.003 × ( S a n d % ) 2 - 0.055 × S i l t % - 0.006 × ( S i l t % ) 2 - 0.738 × C l a y % + 0.007 × ( C l a y % ) 2 - 2.688 × O M % + 0.501 × ( O M % ) 2
式中：PAWC为植物利用水分含量；Sand为土壤砂粒含量（%）；Silt为土壤粉粒含量（%）；Clay为土壤黏粒含量（%）；OM为土壤有机质含量（%）。

1.2.3 地理探测器

地理探测器主要用于检测地理现象的空间分异并揭示其影响因素[26]。本研究运用地理探测器中的因子探测模块探究不同影响因子对流域产水功能空间分异的影响程度。因子探测器可探测自变量对因变量的解释程度，解释程度的强弱用q值表示，计算公式如下:
q = 1 - 1 N σ 2 ∑ h = 1 L N h σ 2 h
式中：q为是各影响因子的探测值，值域为[0,1]，q值越大，表明各影响因子对产水功能演变的影响程度越大；L为各影响因子的分类数； N h和N分别为分区和全区样本数； σ 2 h和 σ 2分别为分区和全区的离散方差。

1.2.4 模型验证

InVEST模型产水量模拟精度评价指标主要选取确定性系数（R2）、相对误差百分率（PBIAS）、纳什效率系数（NSE）、均方根误差（RMSE）和绝对误差（MAE），根据Moriasi等[27]提出的模拟精度判别界限进行准确性评价。R2反映模拟值与实测值之间的线性相关程度，越接近1相关性越好。PBIAS表示模拟值的百分比偏差大于或小于相应的实测值，越接近0模型效果越好。NSE用来验证水文模型模拟结果的好坏，越接近1模型模拟结果越好。RMSE是衡量模拟值与实测值之间的平均偏差程度，其值越小表示模型效果越好。MAE表示模拟值与实测值之间绝对误差的平均值，其值越小表示模型效果越好。具体计算公式如下:
R 2 = ∑ i = 1 n O i - O a v g P i - P a v g 2 ∑ i = 1 n ( O i - O a v g ) 2 ∑ i = 1 n ( P i - P a v g ) 2
P B I A S = ∑ i = 1 n P i - O i ∑ i = 1 n O i × 100 %
N S E = 1 - ∑ i = 1 n ( O i - P i ) 2 ∑ i = 1 n ( O i - O a v g ) 2
R M S E = 1 n ∑ i = 1 n ( P i - O i ) 2
M A E = 1 n ∑ i = 1 n ( P i - O i )
式中： P i为模型模拟值； O i为观测序列（参考序列）； P a v g和 O a v g为模拟序列和观测序列的平均值；n表示观测序列的长度。

2 结果与分析

2.1 马莲河下游流域产水量模拟精度分析

InVEST模型在运行50多次后，得到1990年、2000年、2010年和2020年马莲河下游流域模拟产水量，利用四个时期的雨落坪水文站（图1）年径流量实测资料对Z参数进行验证，通过多次试验选择最优的Z值。结果发现当Z值为4.6时，NES=0.98，R2=0.99，PBIAS=2.64%，RMSE=1.10，MAE=0.49，模拟产水量与观测径流量最接近，模型模拟效果最好（表2）。
表2 1990—2020年马莲河下游流域模拟产水量与实测径流量

Tab. 2 Simulated water yield and measured runoff of the lower Malian River Basin from 1990 to 2020

年份
1990年 2000年 2010年 2020年
实测径流量/mm 42.71 25.68 36.01 31.76
模拟产水量/mm 43.29 26.66 37.52 32.31

2.2 马莲河下游流域产水量的时空变化特征

根据模拟结果，马莲河下游流域1990年、2000年、2010年、2020年总产水量分别为2.32×108 m3、1.48×108 m3、2.01×108 m3、1.73×108 m3，1990—2020年，总产水量减少了5.9×107 m3，减少率为25.43%。图2为马莲河下游流域产水量空间分布格局，不同时期产水量空间差异较小，表现出较一致的分布规律，主要呈现南部高，北部低，边缘地带高，中心地带低的产水空间格局。产水量高值区主要集中在流域西部和南部的边缘地带以及中部的局部地区，即庆阳市境内的西峰区、宁县和正宁县一带；而产水量低值区主要集中于流域东北部地区，即庆阳市境内的庆城县和合水县一带。与栅格单元产水量的空间格局类似，不同时期子流域平均产水量表现出相同的空间分布规律（图2），即由东北向西南产水量呈逐渐增加的趋势。产水高值区主要集中在西南部的15、24、28、34、35、36号子流域；而产水量低值区则位于东北部的1、2、5、6、7、8、10、13号子流域。
图2 马莲河下游流域产水量空间分布格局

Fig. 2 Spatial distribution pattern of water yield in the lower Malian River Basin

从时间尺度来看（图2），1990—2020年，马莲河下游流域年际平均产水量变化趋势表现为先减少后增大再减少的波动变化。具体表现为：1990—2000年平均产水量大幅度减少，减少幅度为38.42%；2000—2010年，平均产水量明显增加，增加幅度为28.94%；2010—2020年，平均产水量小幅度减少，减少量为5.21 mm（减少幅度13.89%）。总体来看，1990年流域产水量处于高水平状态，2000年产水量处于低水平状态，2010和2020年产水量处于中等水平状态。
图3为马莲河下游流域产水量变化的空间分布格局，1990—2000年，整个流域产水量均呈减少趋势，极显著减少和显著减少区域分别约占流域总面积的46.64%和53.33%，其中西南部地区的产水量减少最为明显；2000—2010年，流域产水量以增加为主，显著增加区域面积占比（60.98%）大于极显著增加区域面积占比（38.18%）；2010—2020年，流域产水量以减少为主，其中大部分区域为极显著减少和显著减少，面积占比分别为48.76%和48.77%。总体上，1990—2020年，流域产水量以减少为主，减少区域约占总面积的90%以上，覆盖了全流域，显著减少区集中分布在东北部地区，而极显著减少区则主要位于西南部地区。
图3 1990—2020年马莲河下游流域产水量年际变化

Fig. 3 Interannual variation of water yield in the lower Malian River Basin from 1990 to 2020

2.3 土地利用类型变化

参考《土地利用现状分类》（GB/T21010-2017），将研究区土地利用类型分为耕地、有林地、灌木林、高覆盖度草地、低覆盖度草地、水域、城镇用地和未利用地8种（图4）。有林地和灌木林主要集中在流域东部地区。耕地和低覆盖度草地是流域面积最大的土地利用类型，分布在流域全境，所占面积比例分别在31.46%~36.49%和33.33%~35.64%。城镇用地集中在西南部地区，即庆阳市境内的西峰区和宁县一带。未利用地所占比例在0.04%~0.12%，是面积最少的土地利用类型。1990—2020年流域各土地利用类型相互之间存在一定的转化关系，如图5所示，主要变化过程为耕地、有林地、灌木林和草地相互之间的转化；草地的转入面积最多，草地的去向是以耕地、灌木林、有林地和城镇用地为主；耕地的去向以草地、有林地、城镇用地和灌木林为主；水域、城镇用地和未利用地的转入主要来自于耕地、有林地、灌木林和草地。
图4 1990—2020年马莲河下游流域土地利用类型

Fig. 4 Land use types in the lower Malian River Basin from 1990 to 2020

图5 马莲河下游流域土地利用转移

Fig. 5 Land use transfer in the lower Malian River Basin

由表3可知，1990—2020年，流域耕地和水域面积呈现出不同程度的下降趋势。其中耕地面积持续减少最为严重，面积减少约为269.36 km2，减少率为13.79%，大部分耕地转换为有林地、灌木林和草地，表明由于退耕还林还草、封山育林以及生态移民等生态工程的实施，使得整个流域的林地和草地逐渐恢复，生态环境整体改善；水域面积缩减了1.67 km2，减幅达到了13.53%。2010—2020年，高覆盖度草地面积明显减少，面积减少了85.56 km2，减幅为21.02%。1990—2020年，有林地、灌木林、高覆盖度草地和低覆盖度草地面积增加量分别为17.82 km2、6.71 km2、52.51 km2、123.41 km2，增幅分别为3.88%、0.87%、19.52%、6.91%。城镇用地面积明显大幅度增加，面积增加量为62.38 km2，增幅达到了61.41%，表明流域城市化进程发展较快，有大量的耕地转变城镇用地。
表3 土地利用类型面积统计

Tab. 3 Land use type and area statistics

土地利用
类型		 1990—2000年 2000—2010年 2010—2020年 1990—2020年
面积变化/km2 变化率/% 面积变化/km2 变化率/% 面积变化/km2 变化率/% 面积变化/km2 变化率/%
耕地 -10.39 -0.53 -226.47 -11.65 -32.5 -1.89 -269.36 -13.79
有林地 1.07 0.23 17.14 3.72 -0.39 -0.08 17.82 3.88
灌木林 0.16 0.02 4.87 0.63 1.68 0.22 6.71 0.87
高覆盖度草地 0.12 0.04 137.95 51.27 -85.56 -21.02 52.51 19.52
低覆盖度草地 -0.06 0.01 31.08 1.74 92.39 5.09 123.41 6.91
水域 -0.89 -7.21 -0.9 -7.86 0.12 1.14 -1.67 -13.53
城镇用地 9.16 9.02 33.93 30.64 19.29 13.33 62.38 61.41
未利用地 0.78 0.39 0.4 0.14 0.93 0.29 2.11 1.07

2.4 不同影响因子的产水功能差异

2.4.1 不同土地利用类型下的产水功能差异

通过对比8种土地利用类型的平均产水量（图6），城镇用地和未利用地具有最强的产水能力，多年平均产水量分别为110.62 mm和49.74 mm，由于城镇用地大部分区域都为不透水路面，而未利用地多为裸土地，降水不易入渗，容易形成产流[28-29]，因此这两种土地利用类型的平均产水量最高。耕地的产水能力较强，多年平均产水量为38.23 mm，耕地的表层土壤由于长期受人类活动影响呈现出退化和板结，导致其产水量较高[30]。水域的产水能力最弱，多年平均产水量为18.11 mm，由于水域附近的蒸发较大，大部分的降水以实际蒸散发的形式返回大气。灌木林、高覆盖度草地和低覆盖度草地的产水能力相当，多年平均产水量从高到低依次为：低覆盖度草地>高覆盖度草地>灌木林>有林地，说明植被覆盖度越高的区域，土壤吸收水分的能力越强，产水量较少，产水能力也就越弱。
图6 1990—2020年马莲河下游流域各土地利用类型年平均产水量变化

Fig. 6 Annual average water yield changes of various land use types in the lower Malian River Basin from 1990 to 2020

2.4.2 不同海拔下的产水功能差异

流域的东部和西北部的边缘地带多为山地丘陵，中部地区支流众多，海拔分布规律呈现由边缘向中心地带逐渐减小的趋势，与产水量的空间分布特征呈现出明显的差异性。流域海拔主要在907~1736 km，将其分为8个级别，分别为I（<1000 m）、II（1000~1100 m）、III（1100~1200 m）、IV（1200~1300 m）、V（1300~1400 m）、VI（1400~1500 m）、VII（1500~1600 m）和VIII（>1600 m）。如图7所示，流域平均产水量随着海拔等级升高而有逐渐降低的趋势，呈现一定的负相关，说明高海拔区域的产水能力较弱，而低、中海拔区域具有较强的产水能力。
图7 1990—2020年马莲河下游流域不同海拔年平均产水量变化

Fig. 7 Changes in average annual water yield at different altitudes in the lower Malian River Basin from 1990 to 2020

2.4.3 不同降水和实际蒸散下的产水功能差异

马莲河下游流域降水量和实际蒸散发量的空间分布格局如图8所示，降水量在1990—2020年空间分布格局与产水量相似，主要呈现从北向南逐渐增加的趋势，降水量范围为450.31~705.56 mm。不同时期实际蒸散发量空间差异较小，表现出较一致的分布规律，高值区域主要分布在东南部地区，实际蒸散发量范围为286.41~670.11 mm。
图8 马莲河下游流域降水量和实际蒸散发量空间分布格局

Fig. 8 Spatial distribution pattern of precipitation and actual evapotranspiration in the lower Malian River Basin

降水量和实际蒸散发量的分级采用ArcGIS中的自然断点分类法，将降水量分为I（<480 mm）、II（480~510 mm）、III（510~540 mm）、IV（540~570 mm）、V（570~600 mm）、VI（600~630 mm）、VII（630~660 mm）和VIII（>660 mm）8个级别，实际蒸散发量分为I（<330 mm）、II（330~380 mm）、III（380~430 mm）、IV（430~480 mm）、V（480~530 mm）、VI（530~580 mm）、VII（580~630 mm）和VIII（>630 mm）8个级别，如图9所示，平均产水量随降水量等级的增加而增加，说明降水量与产水量之间存在明显的正相关。平均产水量随实际蒸散发量等级的增加而减少，且I级、II级实际蒸散发量的产水量值明显大于其他级别，说明降水量与实际蒸散发量之间存在明显的负相关，蒸发越小的区域其产水能力越强。
图9 1990—2020年马莲河下游流域不同降水量和实际蒸散发量等级的年平均产水量变化

Fig. 9 Changes in annual average water yield of different precipitation and actual evapotranspiration levels in the lower Malian River Basin from 1990 to 2020

2.5 产水量影响因子的地理探测

本研究选取降水、实际蒸散发、高程和土地利用类型4个驱动因素，对不同年份马莲河下游流域产水量进行了地理探测。1990—2020年，所有影响因子的q值均通过0.05显著性检验。结果如表4所示，不同影响因子对产水量的解释力存在差异性，从大到小依次为降水、蒸散发、高程、土地利用类型。同一影响因子在不同年份对产水量的解释力也存在差异性。降水q值最高（0.616~0.735）、实际蒸散发q值（0.517~0.625）次之，二者是决定产水量空间分布和变化的主导因素。高程q值（0.344~0.376）大于土地利用类型（q值为0.114~0.196），土地利用类型对产水功能的影响力最弱。
表4 1990—2020年马莲河下游流域各类因子对产水量空间分布的解释力

Tab. 4 Explanatory power of various factors on spatial distribution of water yield in the lower Malian River Basin from 1990 to 2020

年份 降水 实际蒸散发 海拔 土地利用类型
1990年 0.616 0.517 0.344 0.196
2000年 0.722 0.653 0.370 0.135
2010年 0.714 0.618 0.367 0.135
2020年 0.735 0.625 0.376 0.114

3 讨论

马莲河下游流域属于典型的黄土高原沟壑区，区域内地形复杂，沟壑纵横，土壤疏松，气候干旱，降雨量少且集中，特殊的气候条件和地貌特征导致其产汇流机制复杂且空间异质性较大，产水功能受到多种自然因素协同影响。因此，对产水的过程及其机制进行深入探讨意义重大，流域的产水过程，即流域通过水文循环产流和汇流的过程，主要包含降水、蒸散发、径流和流域储水量变化等多个环节。降水和蒸散发会直接影响生态系统的产水量[10]，而土地利用和地形通过影响径流和入渗等生态水文过程间接影响产水量[8-9]。研究发现降水量与产水量呈正相关，实际蒸散发量与产水量呈负相关，这与塔里木河流域[6]、黄河流域[30]、长白山区[7]等区域或流域的研究结论一致。在垂直梯度上，流域产水能力随着海拔升高而逐渐降低，这与赖明等[31]在雅鲁藏布江下游以及刘美娟等[32]在青海湖流域的研究结果相似。流域水文系统的产水机制处于一种动态演变的过程，人类活动和气候变化都可能使得该系统的动态平衡状态被打破，进而破坏、恢复或演化到新的平衡状态[33]。人类活动主要表现为土地利用类型的变化，不同土地利用类型的土壤含水量、蒸散发能力、凋落物持水能力及冠层截留量均存在差异[29]，因此不同土地利用类型产水能力不同。马莲河下游流域分布着大量的林草地，由于林草地的林冠层结构特征对降雨的截留效果较强，影响大气与地表间的水量和能量平衡关系，蒸腾作用明显且不容易形成径流，因此产水量较低，这也是导致1990—2020年流域产水量下降的部分原因。
马莲河下游流域作为中国陇东黄土高原最具代表性沟壑区，对缓解黄土高原缺水问题和促进水土保持建设起着非常重要的作用，其产水功能对区域可持续发展和水资源管理规划具有重要的战略意义。但近30 a来，研究区产水量总体呈下降趋势，这不利于生态系统服务功能的发展。因此，必须加强生态环境和水资源保护意识，及时采取有效的水资源管理政策应对自然条件改变对区域水资源带来的影响。基于此，本文提出了马莲河下游流域的水资源分区管理对策。流域西南部是产水高值区，水资源量较多，城镇化水平高，但由于人口较为集中、活动显著，植被覆盖率低，加之在工业的发展过程中，对资源的不合理利用，造成该区域的水资源存在消耗浪费等情况。因此，必须采用节水农业，开展清洁、耗水少的工业发展模式，以满足区域的生产生活用水和生态环境用水。同时也需要加强防洪涝工程和水污染防治工程建设，以及水利工程设施的建设和利用。流域东北部是产水低值区，这些区域植被覆盖度较高，是重要的水源涵养区，容易受人为因素的干扰。因此，必须科学规范地管理生产和生活用水，开展节约用水活动、加强雨洪资源利用技术的研究、实施节水技术改造，不断提高水资源综合利用效益。同时也要进一步减少人类在该区域的活动，重点保护水生态系统稳定和生物多样性。
目前对马莲河流域产水功能的研究主要集中在短时间的月尺度上，无法反映流域年尺度产水量的演变过程。本研究以栅格和子流域为尺度，较为准确地评估了1990—2020年马莲河下游流域在气候与土地利用变化背景下的产水量空间格局及演变特征，这对流域产水功能的长期评估具有重要意义，弥补了流域年均产水量研究的不足，同时也有效提高了InVEST模型在中国陇东黄土高原沟壑区的适用性。InVEST模型产水模块输入的原始数据和参数来源广泛，且处理方法众多，缺乏统一的准则和适用性评估，存在一定的局限性，但对判断流域产水格局影响不大，该研究成果仍然能较好地反映出马莲河下游流域产水量的时空分布特征及变化趋势。本文探讨了降水、实际蒸散发、海拔、土地利用类型对产水量的影响，但对各个因素对产水的具体影响机制的研究相对较少。在今后的研究中可以完善这些观点，使分析更加深入。该研究结果不但可为后续产水服务流动模拟研究与生态补偿机制建立提供更科学合理的数据基础，还有助于当地政府制定科学合理的水土资源利用政策。

4 结论

马莲河下游流域作为中国陇东黄土高原最具代表性沟壑区，对黄土高原生态环境保护和水资源管理具有重要战略意义。本文基于InVEST模型产水量模块计算了1990年、2000年、2010年和2020年马莲河流域下游的产水量，分析了产水量的空间分布格局与年际变化特征。并运用地理探测器量化降水、实际蒸散发、海拔和土地利用类型对流域产水空间分布影响，得到以下结论：
（1） 1990—2020年，马莲河下游流域总产水量整体呈现先减少后增大再减少的大幅波动下降趋势，2020年总产水量相比1990年减少了5.9×107 m3，减少率为25.43%。不同时期产水量空间差异较小，表现出较一致的分布规律，主要呈现南部高，北部低，边缘地带高，中心地带低的产水空间格局。
（2） 耕地、低覆盖度草地和灌木林是马莲河下游流域面积最大的土地利用类型，不同土地利用类型产水能力大小依次为：城镇用地>未利用地>耕地>低覆盖度草地>高覆盖度草地>灌木林>有林地>水域。1990—2020年流域主要土地利用变化过程为耕地、有林地、灌木林和草地相互之间的转化。
（3） 产水量与降水量呈现明显的正相关，与实际蒸散发量和海拔之间存在负相关，降水越多、海拔越低、蒸发越小的区域其产水能力越强。不同影响因子对产水量的影响程度存在差异，从大到小依次为降水、蒸散发、海拔、土地利用类型。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Liu J, Li J, Qin K, et al. Changes in land-uses and ecosystem services under multi-scenarios simulation[J]. Science of the Total Environment, 2017, 586, 522-526.

[2]
Lang Y, Song W, Deng X. Projected land use changes impacts on water yields in the karst mountain areas of China[J]. Physics and Chemistry of the Earth, Parts A/B/C, 2018, 104: 66-75.

[3]
戴尔阜, 王晓莉, 朱建佳, 等. 生态系统服务权衡/协同研究进展与趋势展望[J]. 地球科学进展, 2015, 30(11): 1250-1259.

[Dai Erfu, Wang Xiaoli, Zhu Jianjia, et al. Progress and perspective on ecosystem services trade-offs[J]. Advances in Earth Science, 2015, 30(11): 1250-1259.]

[4]
Wang Y, Ye A, Peng D, et al. Spatiotemporal variations in water conservation function of the Tibetan Plateau under climate change based on InVEST model[J]. Journal of Hydrology: Regional Studies, 2022, 41: 101064.

[5]
Sun S, Sun G, Cohen E, et al. Projecting water yield and ecosystem productivity across the United States by linking an ecohydrological model to WRF dynamically downscaled climate data[J]. Hydrology and Earth System Sciences, 2016, 20(2): 935-952.

[6]
孙琪, 徐长春, 任正良, 等. 塔里木河流域产水量时空分布及驱动因素分析[J]. 灌溉排水学报, 2021, 40(8): 114-122.

[Sun Qi, Xu Changchun, Ren Zhengliang, et al. Spatiotemporal variation in water yield and their underlying mechanisms in Tarim River Basin[J]. Journal of Irrigation and Drainage, 2021, 40(8): 114-122.]

[7]
吴健, 李英花, 黄利亚, 等. 东北地区产水量时空分布格局及其驱动因素[J]. 生态学杂志, 2017, 36(11): 3216-3223.

[Wu Jian, Li Yinghua, Huang Liya, et al. Spatiotemporal variation of water yield and its driving factors in Northeast China[J]. Chinese Journal of Ecology, 2017, 36(11): 3216-3223.]

[8]
Nahib I, Ambarwulan W, Rahadiati A, et al. Assessment of the impacts of climate and LULC changes on the water yield in the Citarum River Basin, West Java Province, Indonesia[J]. Sustainability, 2021, 13(7): 3919.

[9]
Pérez-Cutillas P, Banos Paez P, Banos-González I. Variability of water balance under climate change scenarios. Implications for sustainability in the Rhône River Basin[J]. Sustainability, 2020, 12(16): 6402.

[10]
Wang X, Liu G, Lin D, et al. Water yield service influence by climate and land use change based on InVEST model in the monsoon hilly watershed in South China[J]. Geomatics, Natural Hazards and Risk, 2022, 13(1): 2024-2048.

[11]
赵美亮, 曹广超, 赵青林, 等. 气候及土地利用变化对大通河源区水文要素空间分布的影响[J]. 干旱区研究, 2023, 40(3): 381-391.

[Zhao Meiliang, Cao Guangchao, Zhao Qinglin, et al. Effects of climate and land use change on the spatial distribution of hydrological factors in the source region of Datong River[J]. Arid Zone Research, 2023, 40(3): 381-391.]

[12]
刘斯文, 刘海隆, 王玲. MIKE SHE模型的发展与应用研究[J]. 水文, 2018, 38(5): 23-28.

[Liu Siwen, Liu Hailong, Wang Ling. Development and application of MIKE SHE model[J]. Journal of China Hydrology, 2018, 38(5): 23-28.]

[13]
Zhou S, Wang Y, Guo A, et al. Impacts of changes in the watershed partitioning level and optimization algorithm on runoff simulation: Decomposition of uncertainties[J]. Stochastic Environmental Research and Risk Assessment, 2020, 34: 1909-1923.

[14]
雷馨, 海新权. 祁连山地区土地利用变化对碳储量的影响及经济价值估算[J]. 干旱区研究, 2023, 40(11): 1845-1854.

[Lei Xin, Hai Xinquan. Impacts of land use change on carbon storage and estimation of economic value in Qilian Mountain region[J]. Arid Zone Research, 2023, 40(11): 1845-1854.]

[15]
Redhead J W, Stratford C, Sharps K, et al. Empirical validation of the InVEST water yield ecosystem service model at a national scale[J]. Science of the Total Environment, 2016, 569: 1418-1426.

[16]
Belete M, Deng J, Wang K, et al. Evaluation of satellite rainfall products for modeling water yield over the source region of Blue Nile Basin[J]. Science of the Total Environment, 2020, 708: 134834.

[17]
Wang Y, Wang H, Zhang J, et al. Exploring interactions in water-related ecosystem services nexus in Loess Plateau[J]. Journal of Environmental Management, 2023, 336: 117550.

[18]
包玉斌, 李婷, 柳辉, 等. 基于InVEST模型的陕北黄土高原水源涵养功能时空变化[J]. 地理研究, 2016, 35(4): 664-676.

[Bao Yubin, Li Ting, Liu Hui, et al. Spatial and temporal changes of water conservation of Loess Plateau in northern Shaanxi Province by InVEST model[J]. Geographical Research, 2016, 35(4): 664-676.]

[19]
刘宥延, 刘兴元, 张博, 等. 基于InVEST模型的黄土高原丘陵区水源涵养功能空间特征分析[J]. 生态学报, 2020, 40(17): 6161-6170.

[Liu Youyan, Liu Xingyuan, Zhang Bo, et al. Spatial features analysis of water conservation function in the hilly areas of the Loess Plateau based on InVEST model[J]. Acta Ecologica Sinica, 2020, 40(17): 6161-6170.]

[20]
王雨山, 程旭学, 张梦南. 马莲河流域河水化学特征和化学风化过程分析[J]. 地球与环境, 2018, 46(1): 15-22.

[Wang Yushan, Cheng Xuxue, Zhang Mengnan. Hydrochemistry and chemical weathering processes of Malian River Basin[J]. Earth and Environment, 2018, 46(1): 15-22.]

[21]
彭世想, 郭相秦, 刘卓, 等. 马莲河流域水沙变化与水土保持成效分析[J]. 中国水土保持, 2020 (11): 29-31, 48.

[Peng Shixiang, Guo Xiangqin, Liu Zuo, et al. Analysis on water and sediment change and soil and water conservation effect in Malian River Watershed[J]. Soil and Water Conservation in China, 2020(11): 29-31, 48.]

[22]
龚诗涵, 肖洋, 郑华, 等. 中国生态系统水源涵养空间特征及其影响因素[J]. 生态学报, 2017, 37(7): 2455-2462.

[Gong Shihan, Xiao Yang, Zheng Hua, et al. Spatial patterns of ecosystem water conservation in China and its impact factors analysis[J]. Acta Ecologica Sinica, 2017, 37(7): 2455-2462.]

[23]
Hu W, Li G, Li Z. Spatial and temporal evolution characteristics of the water conservation function and its driving factors in regional lake wetlands—Two types of homogeneous lakes as examples[J]. Ecological Indicators, 2021, 130: 108069.

[24]
Yan F, Shangguan W, Zhang J, et al. Depth-to-bedrock map of China at a spatial resolution of 100 meters[J]. Scientific Data, 2020, 7(1): 2.

[25]
周文佐. 基于GIS的我国主要土壤类型土壤有效含水量研究[D]. 南京: 南京农业大学, 2003.

[Zhou Wenzuo. A Study on Available Water Capacity of Main Soil Types in China Based on Geographic Information System[D]. Nanjing: Nanjing Agricultural University, 2003.]

[26]
王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116-134.

[Wang Jinfeng, Xu Chengdong. Geodetector: Principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-134.]

[27]
Moriasi D N, Gitau M W, Pai N, et al. Hydrologic and water quality models: Performance measures and evaluation criteria[J]. Transactions of the ASABE, 2015, 58(6): 1763-1785.

[28]
郑续, 魏乐民, 郭建军, 等. 基于地理探测器的干旱区内陆河流域产水量驱动力分析——以疏勒河流域为例[J]. 干旱区地理, 2020, 43(6): 1477-1485.

[Zheng Xu, Wei Lemin, Guo Jianjun, et al. Driving force analysis of water yield in inland river basins of arid areas based on geo-detectors: A case of the Shule River[J]. Arid Land Geography, 2020, 43(6): 1477-1485.]

[29]
郭倩. 全球气候变化背景下土地利用和流域水生态系统响应研究[D]. 兰州: 兰州大学, 2022.

[Guo Qian. The Responses of Land Use and Watershed Water-related Ecosystem under Global Climate Change[D]. Lanzhou: Lanzhou University, 2022.]

[30]
杨洁, 谢保鹏, 张德罡. 基于InVEST模型的黄河流域产水量时空变化及其对降水和土地利用变化的响应[J]. 应用生态学报, 2020, 31(8): 2731-2739.

[Yang Jie, Xie Baopeng, Zhang Degang. Spatio-temporal variation of water yield and its response to precipitation and land use change in the Yellow River Basin based on InVEST model[J]. Chinese Journal of Applied Ecology, 2020, 31(8): 2731-2739.]

[31]
赖明, 陈仁升, 刘玖芬, 等. 雅鲁藏布江下游产水量时空演变及对气候和土地利用变化的响应[J]. 草业科学, 2022, 39(12): 2516-2526.

[Lai Ming, Chen Rensheng, Liu Jiufen, et al. Temporal and spatial evolution of water yield in the lower reaches of the Yarlung Zangbo River and its response to climate and land use change[J]. Pratacultural Science, 2022, 39(12): 2516-2526.]

[32]
刘美娟, 仲俊涛, 王蓓, 等. 基于InVEST模型的青海湖流域产水功能时空变化及驱动因素分析[J]. 地理科学, 2023, 43(3): 411-422.

[Liu Meijuan, Zhong Juntao, Wang Bei, et al. Spatiotemporal change and driving factor analysis of the Qinghai Lake Basin based on InVEST model[J]. Scientia Geographica Sinica, 2023, 43(3): 411-422.]

[33]
董玉婷, 穆兴民, 王双银, 等. 产流及其研究进展[J]. 华北水利水电大学学报(自然科学版), 2022, 43(2): 21-29.

[Dong Yuting, Mu Xingmin, Wang Shuangyin, et al. Runoft ceneration and its research progress[J]. Journal of North China University of Water Resources and Electric Power (Natural Science Edition), 2022, 43(2): 21-29.]

Options
文章导航

/

〈 〉