賴(lài) 明，陳仁升，劉玖芬，劉淑亮，吳浩然，柳曉丹

（1.中國(guó)地質(zhì)大學(xué)(武漢)資源學(xué)院, 湖北 武漢 430074；2.中國(guó)科學(xué)院西北生態(tài)環(huán)境資源研究院, 甘肅 蘭州 730000；3.中國(guó)地質(zhì)調(diào)查局自然資源綜合調(diào)查指揮中心, 北京 100055；4.自然資源要素耦合過(guò)程與效應(yīng)重點(diǎn)實(shí)驗(yàn)室, 北京 100055；5.中國(guó)地質(zhì)調(diào)查局煙臺(tái)海岸帶地質(zhì)調(diào)查中心, 山東 煙臺(tái) 264000；6.中國(guó)地質(zhì)大學(xué)(武漢)海洋學(xué)院, 湖北 武漢 430074）

科學(xué)界將人類(lèi)從生態(tài)系統(tǒng)獲取的各種直接或間接的惠益統(tǒng)稱(chēng)為生態(tài)系統(tǒng)服務(wù)，包括供給、調(diào)節(jié)、文化和支持四大類(lèi)服務(wù)[1]，其服務(wù)價(jià)值無(wú)法估量，更是關(guān)系著人類(lèi)福祉[2]，自2005 年以來(lái)，有關(guān)生態(tài)系統(tǒng)服務(wù)評(píng)估的科學(xué)研究數(shù)量呈指數(shù)級(jí)增長(zhǎng)[3-4]，其中的相當(dāng)一部分是關(guān)于產(chǎn)水服務(wù)的研究。產(chǎn)水服務(wù)作為生態(tài)系統(tǒng)最具價(jià)值、最重要的服務(wù)功能之一[5]，是產(chǎn)生與水有關(guān)的生態(tài)系統(tǒng)服務(wù)的屬性和過(guò)程的關(guān)鍵組成部分[6]，對(duì)流域水文狀態(tài)平衡、區(qū)域水循環(huán)調(diào)節(jié)、生物多樣性維持等關(guān)鍵生態(tài)系統(tǒng)功能具有重要意義[7-9]，影響著地區(qū)生物量、碳循環(huán)、農(nóng)業(yè)灌溉、人口、生產(chǎn)生活用水、水力發(fā)電、旅游等自然和社會(huì)經(jīng)濟(jì)格局[10-13]。開(kāi)展產(chǎn)水服務(wù)研究，可為區(qū)域生態(tài)保護(hù)修復(fù)、可持續(xù)發(fā)展決策及水資源合理開(kāi)發(fā)、有效利用和綜合管理等提供科學(xué)指導(dǎo)[14]。

產(chǎn)水過(guò)程涉及降水、蒸發(fā)、土地利用/覆被、地形、土壤性質(zhì)、植被蒸騰等眾多因素，這使得產(chǎn)水量計(jì)算十分復(fù)雜且具有很大的不確定性[15-16]。遙感和地理信息技術(shù)的發(fā)展，允許在生物地球化學(xué)過(guò)程與水文過(guò)程耦合的基礎(chǔ)上，開(kāi)發(fā)分布式物理和概念水文模型，對(duì)生態(tài)系統(tǒng)產(chǎn)水功能進(jìn)行直觀(guān)、定量、精細(xì)的分析和評(píng)價(jià)[15,17]，如：MIKE SHE 模型[18]、SWAT模型[19]、TOPMODEL 模型[20]、ARIES 模型[21]等，在數(shù)據(jù)充分的條件下，這些模型在各種地理和氣候環(huán)境的水文研究中都能取得良好表現(xiàn)，但在數(shù)據(jù)匱乏或數(shù)據(jù)難以獲取的情況下，簡(jiǎn)單的InVEST 模型更加適用[22]。InVEST 模型以其數(shù)據(jù)輸入簡(jiǎn)單、空間表達(dá)能力強(qiáng)、參數(shù)設(shè)置靈活、操作便利等優(yōu)點(diǎn)，成為目前國(guó)內(nèi)外生態(tài)系統(tǒng)服務(wù)研究應(yīng)用最多、最廣泛的模型之一[23-24]。近幾十年來(lái)，全球氣候和土地利用/覆被變化導(dǎo)致產(chǎn)水量呈現(xiàn)出時(shí)空差異，InVEST模型能為探究產(chǎn)水量時(shí)空動(dòng)態(tài)和影響貢獻(xiàn)提供技術(shù)支持[25]。

青藏高原是全球氣候變化最敏感的地區(qū)之一，許多地區(qū)的降水量波動(dòng)很大[26-27]，研究表明，氣候變化深刻影響了青藏高原的水文地質(zhì)過(guò)程[28]，而雅魯藏布江下游位于青藏高原東南部，是整個(gè)青藏高原降水最多的地區(qū)[29]。該地區(qū)具有水量多和地形落差大的條件，水力資源十分豐富，開(kāi)發(fā)潛力巨大[30]。目前，氣候和土地利用變化正在逐漸改變產(chǎn)水量的時(shí)空格局[31]，這將對(duì)地區(qū)水能利用產(chǎn)生影響。國(guó)內(nèi)外眾多學(xué)者已在塔里木河流域[32]、南四湖流域[33]、黃河流域[34]、伊朗[35]、印度尼西亞[36]等地區(qū)開(kāi)展氣候和土地利用對(duì)產(chǎn)水量的影響研究，但對(duì)雅魯藏布江流域缺乏相關(guān)研究。因此，基于InVEST 模型，本文選取2000、2010 和2020 年3 期降水、蒸散發(fā)、土地利用、土壤類(lèi)型等數(shù)據(jù)，分析雅魯藏布江下游流域時(shí)空演變，探究產(chǎn)水量對(duì)氣候和土地利用變化的響應(yīng)，以期為當(dāng)?shù)厮Y源開(kāi)發(fā)、利用和管理提供科技支撐。

1 研究區(qū)概況

雅魯藏布江下游流域位于西藏自治區(qū)林芝市，包括米林縣派鎮(zhèn)到出境口的河段，下游河長(zhǎng)約496 km，流域面積約為5.08 × 106hm2，地理范圍為27°59′～30°59′ N，92°52′～97°05′ E。雅魯藏布江下游有兩條主要支流，位于研究區(qū)北部，分別是易貢藏布和帕隆藏布(圖1)。流域內(nèi)高山峽谷林立，平均海拔在3 000 m 以上，最高峰南迦巴瓦峰7 782 m，雅魯藏布江下游圍繞南迦巴瓦峰構(gòu)成“U”字形的大拐彎，形成世界上最深的峽谷- 雅魯藏布大峽谷，核心河段的平均切割深度達(dá)5 000 m。雅魯藏布江下游段是青藏高原上最大的水汽通道，使印度洋暖濕氣流在該地區(qū)形成降水帶，下游巴昔卡地區(qū)的年均降水量超過(guò)4 000 mm，故整個(gè)下游地區(qū)異常濕潤(rùn)。雅魯藏布江下游一瀉千里，加上豐富的降水，其蘊(yùn)藏的水能資源僅次于長(zhǎng)江。

圖1 研究區(qū)概況圖Figure 1 Overview of the study area

2 方法及數(shù)據(jù)

2.1 InVEST 產(chǎn)水量模型

InVEST 模型全稱(chēng)“生態(tài)系統(tǒng)服務(wù)功能與權(quán)衡綜合 評(píng) 價(jià) 模 型”(integrated valuation of ecosystem services and tradeoffs)，是由美國(guó)斯坦福大學(xué)、大自然保護(hù)協(xié)會(huì)和世界自然基金會(huì)于2007 年聯(lián)合開(kāi)發(fā)的開(kāi)源模型，用于繪制、評(píng)估維持和滿(mǎn)足人類(lèi)生活的自然產(chǎn)品和服務(wù)。產(chǎn)水量模型是InVEST 模型的子模塊之一，基于一個(gè)簡(jiǎn)單的水量平衡，即假設(shè)降水量中除開(kāi)蒸散損失的部分，其他全都匯集到流域出口，則流域中每個(gè)柵格的產(chǎn)水量為降水量減去實(shí)際蒸發(fā)量，公式如下：

式中：Y(x)代表年產(chǎn)水量；AET(x)代表柵格單元x 的年實(shí)際蒸散量；P(x)代表柵格單元x的年降水量。該公式中的AET(x)/P(x)基于Budyko 水熱耦合平衡假設(shè)，后來(lái)由傅抱璞[37]和Zhang 等[38]改編，公式如下：

式中：PET(x)代表潛在蒸散量；ω(x)代表自然氣候-土壤特性的非物理參數(shù)。其中：

式中：Kc(lx)代表柵格單元x中特定土地利用/覆被類(lèi)型的植被蒸散系數(shù)；ET0(x)代表柵格單元x的植被參考蒸散量。

ω(x)是一個(gè)經(jīng)驗(yàn)參數(shù)，在InVEST 模型中，ω(x)采用Donohue 等[39]提出的公式表達(dá)：

式中：Z代表季節(jié)性因子，是一個(gè)經(jīng)驗(yàn)常數(shù)，表征區(qū)域降水分布及其他水文地質(zhì)特征，通常取值在1 到30 之間。AWC(x)代表土壤有效含水量(mm)，由土壤質(zhì)地和有效生根深度決定，用于確定土壤為植物生長(zhǎng)儲(chǔ)存和提供的總水量，計(jì)算公式如下：

式中：Ds是最大根系埋藏深度，代表植物根系能在土壤中延伸到達(dá)的最大深度，Dr是植被根系深度，代表特定植被95%的根系所存在的深度。PAWC代表植被可利用含水量，是土壤中供植被生長(zhǎng)的水量所占的比例。

2.2 情景分析法

氣候變化和土地利用變化是區(qū)域產(chǎn)水量變化的主要影響因素，情景分析法即假定一種要素在一段時(shí)間內(nèi)沒(méi)有變化而其他要素變化，本文設(shè)立兩個(gè)情景，情景1：保持2000 年土地利用不變，氣候要素變化；情景2：保持2000 年氣候要素不變，土地利用變化。通過(guò)變化貢獻(xiàn)率可以判斷不同要素對(duì)產(chǎn)水量變化的影響程度，公式如下：

式中：RP和RL分別代表氣候變化和土地利用變化對(duì)產(chǎn)水量變化的貢獻(xiàn)率；ΔP和ΔL分別代表氣候變化情景和土地利用變化情景的產(chǎn)水量變化量。

2.3 數(shù)據(jù)來(lái)源及處理

InVEST 產(chǎn)水量模型使用當(dāng)前或可預(yù)見(jiàn)的未來(lái)的土地利用和氣候數(shù)據(jù)，對(duì)每個(gè)柵格單元的產(chǎn)水量進(jìn)行空間制圖，需要的基礎(chǔ)數(shù)據(jù)具體包括：多邊形流域圖、年降水量(mm)、年平均參考蒸散量(mm)、最大根系埋藏深度(mm)、植被可利用含水率、土地利用數(shù)據(jù)、植被蒸散系數(shù)和植被根系深度。

多邊形流域圖由DEM 圖經(jīng)ArcGIS 軟件水文分析獲得，DEM 數(shù)據(jù)來(lái)源于地理空間數(shù)據(jù)云網(wǎng)站(http://www.gscloud.cn/)；年降水量數(shù)據(jù)由國(guó)家地球科學(xué)數(shù)據(jù)中心(http://www.geodata.cn/)下載的中國(guó)1 km 分辨率逐月降水量累加合成得到，該數(shù)據(jù)是采用CRU 發(fā)布的全球0.5°氣候數(shù)據(jù)(https://crudata.uea.ac.uk/cru/data/hrg/)以及WorldClim 發(fā)布的全球高分辨率氣候數(shù)據(jù)(http://www.worldclim.org/)，通過(guò)Delta空間降尺度方案在中國(guó)地區(qū)降尺度生成，并用496 個(gè)獨(dú)立氣象觀(guān)測(cè)點(diǎn)數(shù)據(jù)進(jìn)行驗(yàn)證，驗(yàn)證結(jié)果可信；年平均參考蒸散量由Modified-Hargreaves 方程導(dǎo)出(公式8)[38]，相關(guān)的氣象數(shù)據(jù)來(lái)源于中國(guó)氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn/)；最大根系埋藏深度用土壤深度代替，植被可利用含水量采用Zhou 等[40]的經(jīng)驗(yàn)公式(公式9)，利用土壤質(zhì)地?cái)?shù)據(jù)計(jì)算獲得，相關(guān)土壤數(shù)據(jù)來(lái)源于世界土壤數(shù)據(jù)，其中的中國(guó)大陸區(qū)域數(shù)據(jù)由南京土壤研究所提供，數(shù)據(jù)下載自國(guó)家青藏高原科學(xué)數(shù)據(jù)中心(http://data.tpdc.ac.cn/)；土地利用數(shù)據(jù)來(lái)源于資源環(huán)境科學(xué)與數(shù)據(jù)中心(https://www.resdc.cn/)；植被蒸散系數(shù)參考InVEST 模型用戶(hù)手冊(cè)和聯(lián)合國(guó)糧食和農(nóng)業(yè)組織蒸散系數(shù)，并根據(jù)研究區(qū)土地利用和植被類(lèi)型調(diào)整；植被根系深度參考聯(lián)合國(guó)糧食和農(nóng)業(yè)組織FAO-56 指南的標(biāo)準(zhǔn)作物系數(shù)[41]。

式中：ET0代表參考蒸散量；RA代表天文輻射量[MJ·(m2·d)-1]；Tavg代表平均日最高氣溫和平均日最低氣溫的均值(℃)；TD代表平均日最高氣溫和平均日最低氣溫的差值(℃)；P代表月平均降水量(mm)。

一是水位變化的不規(guī)則性，往往使閘引水流量無(wú)法準(zhǔn)確控制。過(guò)閘流量受上下游水位組合及閘門(mén)開(kāi)高雙重因素影響，閘門(mén)不能及時(shí)跟蹤調(diào)整，流量易失去控制。

式中：PAWC代表植被可利用含水量；sand代表土壤沙粒含量(%)；silt代表土壤粉粒含量(%)；clay代表土壤粘粒含量(%)；OM代表土壤有機(jī)質(zhì)含量(%)。

由于本研究缺乏雅魯藏布江下游實(shí)際徑流量數(shù)據(jù)，加上該區(qū)域有相當(dāng)一部分的徑流量來(lái)自于冰川積雪融水，因此不適合用實(shí)際徑流量對(duì)比驗(yàn)證Z值。據(jù)相關(guān)研究，以夏季降水為主的地區(qū)，Z值接近1；以冬季降水為主的地區(qū)，Z值接近10[42]。雅魯藏布江流域的年內(nèi)降水量分布不均，5 月-9 月的降水量可達(dá)全年降水量的80%[43]，經(jīng)驗(yàn)證，產(chǎn)水量與Z值成反比，本文取最大產(chǎn)水量模擬值，即Z= 1。

3 結(jié)果與分析

3.1 產(chǎn)水量空間分異特征

2000、2010 和2020 年雅魯藏布江下游流域的產(chǎn)水深度范圍分別為9.6～2 543 mm、0～2 694 mm 和0～2 395 mm，各年份的產(chǎn)水量空間分布如圖2 所示。整體上，2000-2020 年間的產(chǎn)水量空間分布特征相類(lèi)似，呈現(xiàn)南高北低的格局，2 000 mm 以上的高值區(qū)分布于雅魯藏布江出境口至雅魯藏布江大峽谷的拐彎處，500 mm 以下的低值區(qū)分布于北部帕隆藏布和易貢藏布的流域范圍內(nèi)，500～1 000 mm的次低值區(qū)廣泛分布于研究區(qū)北部和中部；從時(shí)間上看，2000 和2010 年的產(chǎn)水量高值區(qū)分布基本一致，而2010 年的低值區(qū)面積明顯增加，主要分布于易貢藏布流域，2020 年的低值區(qū)面積進(jìn)一步增加，分布范圍擴(kuò)大至研究區(qū)整個(gè)北部區(qū)域，并且高值區(qū)分布面積減少，向南部集中。

圖2 2000、2010 和2020 年雅魯藏布江下游流域產(chǎn)水量空間分布圖Figure 2 Spatial distribution of water yield in the lower reaches of the Yarlung Zangbo River in 2000, 2010 and 2020

垂向上，雅魯藏布江下游流經(jīng)雅魯藏布江大峽谷后，海拔由高到低急劇下降，水面落差超過(guò)2 700 m，“天上之水”實(shí)至名歸；整個(gè)流域范圍內(nèi)，海拔從南迦巴瓦峰超過(guò)7 700 m 下降到雅魯藏布江出境處低于200 m，海拔高差超過(guò)7 000 m，高山深壑縱橫交錯(cuò)。海拔的巨大落差使產(chǎn)水量隨海拔高度變化而呈現(xiàn)明顯垂向差異，各個(gè)年份的平均產(chǎn)水深度隨海拔升高的變化趨勢(shì)完全一致，均是先急劇減少后緩慢增加，在海拔低于500 m 的區(qū)域內(nèi)，各年份的平均產(chǎn)水深度均超過(guò)2 000 mm，最高值為2 341 mm，2000 和2010 年在海拔4 001～5 000 m 時(shí)，平均產(chǎn)水深度最低，2020 年的最低值出現(xiàn)在海拔3 501～4 000 m 的區(qū)域內(nèi)，最低值為478 mm (圖3)；在面積和產(chǎn)水量方面，以2020 年為例，海拔1 500 m 以下和3 000 m 以下的區(qū)域面積分別約占研究區(qū)總面積的11%和29%，而產(chǎn)水量占研究區(qū)總產(chǎn)水量的比例分別達(dá)到28%和50%，由此可知，低海拔區(qū)的面積集中且對(duì)產(chǎn)水量的貢獻(xiàn)大，高海拔區(qū)的面積廣闊，但對(duì)產(chǎn)水量的貢獻(xiàn)相對(duì)不足(圖3)。

圖3 研究區(qū)各海拔區(qū)間的產(chǎn)水量情況Figure 3 Water yield at different altitudes in the study area

3.2 產(chǎn)水量時(shí)間變化分析

產(chǎn)水量模型模擬結(jié)果為2000、2010 和2020 年雅魯藏布江下游流域的平均產(chǎn)水深度分別為809、772 和709 mm，產(chǎn)水量分別為411 × 108、392 × 108和360 × 108m3(產(chǎn)水量等于產(chǎn) 水深度與面積的乘積)。產(chǎn)水量總體呈下降趨勢(shì)，且下降幅度呈擴(kuò)大趨勢(shì)，20 年間平均產(chǎn)水深度下降100 mm (產(chǎn)水量下降51 × 108m3)，其中，2000-2010 年平均產(chǎn)水深度下降37 mm (產(chǎn) 水 量下降19 × 108m3)，2010-2020 年平均產(chǎn)水深度下降63 mm (產(chǎn)水量下降32 × 108m3)。

將不同年份產(chǎn)水量分布圖相減，獲取2000-2010、2010-2020 和2000-2020 年的產(chǎn)水量時(shí)空變化圖(圖4)，其中，將2000-2010 年的產(chǎn)水量增減區(qū)間劃分為3 類(lèi)，即小于-70 mm (明顯減少)、-70～70 mm(少量變動(dòng))和大于70 mm (明顯增加)，由于2010-2020 年間的產(chǎn)水量下降幅度較大，因此2010-2020和2000-2020 年的時(shí)空變化圖增加小于-200 mm(大量減少)的變化區(qū)間。各年間的產(chǎn)水量時(shí)空變化呈現(xiàn)不同的分布特征。2000-2010 年，產(chǎn)水量明顯減少區(qū)域面積(面積占比約為29%)大于明顯增加區(qū)域面積(8%)，產(chǎn)水量明顯減少區(qū)主要分布于研究區(qū)西北部(易貢藏布流域)，明顯增加區(qū)則集中于研究區(qū)南部(雅魯藏布江末端)；2010-2020年，產(chǎn)水量明顯減少區(qū)域面積進(jìn)一步擴(kuò)大(39%)，分布狀況與前10 年相反，產(chǎn)水量明顯減少區(qū)主要分布于研究區(qū)東部(帕隆藏布流域)和南部，并且南部區(qū)域的產(chǎn)水量大量減少，最大減少量超過(guò)1 100 mm，明顯增加區(qū)則分散分布于研究區(qū)北部；2000-2020年總體上，產(chǎn)水量明顯減少區(qū)域面積占比達(dá)到74%，遍布于整個(gè)研究區(qū)，而少量變動(dòng)區(qū)和明顯增加區(qū)分布范圍較小，呈分散分布狀。

圖4 2000-2010 年、2010-2020 年和2000-2020 年產(chǎn)水深度時(shí)空變化圖Figure 4 Temporal and spatial variation of water yield in 2000-2010, 2010-2020, and 2000-2020

3.3 產(chǎn)水量對(duì)氣候和土地利用變化的響應(yīng)

表1 不同情景下平均產(chǎn)水深度Table 1 Average water yield depth under different scenarios mm

在以2000 年土地利用為基準(zhǔn)而氣候要素?cái)?shù)據(jù)改變的情景下(情景1)，2010 和2020 年的平均產(chǎn)水深度分別較2000 年的真實(shí)情景減少了37 和120 mm，相應(yīng)產(chǎn)水量減少約19 × 108和61 × 108m3，約占2000年產(chǎn)水量的5%和15%。模擬結(jié)果表明，在土地利用不變而氣候要素改變的情況下，氣候要素對(duì)研究區(qū)產(chǎn)水量具有較大的影響。

在以2000 年氣候要素為基準(zhǔn)而土地利用數(shù)據(jù)改變的情景下(情景2)，2010 年的平均產(chǎn)水深度較2000 年的真實(shí)情景沒(méi)有明顯變化，在產(chǎn)水量上僅增加約1.1 × 105m3，占比低于0.01%，可以忽略不計(jì)。2020 年的平均產(chǎn)水深度較2000 年的真實(shí)情景增加了16 mm，產(chǎn)水量增加約8 × 108m3，約占2000 年產(chǎn)水量的2%，如圖5 所示，在情景2 下，2020 年的產(chǎn)水量增加部分主要來(lái)自于林地和草地，減少部分主要來(lái)自于水體和未利用地；其中，較2000 年，2020年林地和草地的面積占比分別增加約7.3%和11.6%，相應(yīng)的產(chǎn)水量分別增加約22 × 108和41 ×108m3，水體和未利用地的面積占比分別減少約6.9%和11.9%，相應(yīng)產(chǎn)水量分別減少約16 × 108和37 × 108m3，4 類(lèi)土地利用類(lèi)型的面積增減相抵消，而產(chǎn)水量增加了約10 × 108m3。模擬結(jié)果表明，相較于情景1，在氣候要素不變而土地利用改變的情況下，林地和草地的擴(kuò)張使得產(chǎn)水量明顯增加，水體和未利用地的縮減致使產(chǎn)水量明顯減少，但總體上，土地利用變化對(duì)研究區(qū)產(chǎn)水量影響較小。

圖5 土地利用變化情景下(情景2)各地類(lèi)產(chǎn)水量和面積占比變化Figure 5 Change of water yield and area proportion of different types under the land use change scenario (scenario 2)

在2000-2010 年間，氣候要素變化和土地利用變化對(duì)研究區(qū)產(chǎn)水量變化的貢獻(xiàn)率分別為-100%和0，2000-2020 年間，氣候要素變化和土地利用變化對(duì)研究區(qū)產(chǎn)水量變化的貢獻(xiàn)率分別為-115%和15%，說(shuō)明雅魯藏布江下游流域產(chǎn)水量的主要影響因素是氣候要素，而土地利用的影響貢獻(xiàn)相對(duì)不足。另外，如表1 所列，在不同年份土地利用和氣候要素的組合情景中，產(chǎn)水量最高的是2000 年氣候要素和2020 年土地利用的組合，產(chǎn)水量最低的是2020 年氣候要素分別與2000 和2010 年土地利用的組合，通過(guò)情景組合能夠初步劃定未來(lái)產(chǎn)水量的變化范圍。

4 討論

由于缺乏數(shù)據(jù)和融水干擾，模擬結(jié)果未能得到驗(yàn)證，因此本文利用雅魯藏布江中上游多年產(chǎn)水量模擬結(jié)果驗(yàn)證模型適用性和參數(shù)準(zhǔn)確性。采用相同的數(shù)據(jù)和方法，及Z取值為1 的條件下，獲取雅魯藏布江中上游流域的逐年產(chǎn)水量(圖6)，2000-2010年的多年平均產(chǎn)水量約為470 × 108m3，據(jù)相關(guān)文獻(xiàn)，相近時(shí)間段內(nèi)的雅魯藏布江中上游流域多年平均水文站實(shí)測(cè)徑流量約為643 × 108m3[44]，近20 年的冰川積雪融化對(duì)雅魯藏布江中上游流域?qū)嶋H徑流的平均貢獻(xiàn)率約為26%[45]，除去冰川積雪融化的多年平均實(shí)際徑流量約為476 × 108m3，與多年平均模擬產(chǎn)水量相差6 × 108m3，僅約1%，說(shuō)明當(dāng)Z=1 時(shí)，模型能夠很好模擬雅魯藏布江流域的產(chǎn)水量。

圖6 2000-2010 年雅魯藏布江中上游流域逐年產(chǎn)水量Figure 6 Annual water yield in the middle and upper reaches of Yarlung Zangbo River from 2000 to 2010

產(chǎn)水量時(shí)空變化與降水量和蒸散發(fā)的時(shí)空差異密切相關(guān)，降水量與產(chǎn)水量呈正相關(guān)關(guān)系，蒸散發(fā)與產(chǎn)水量呈負(fù)相關(guān)關(guān)系，土地利用則通過(guò)影響實(shí)際蒸散發(fā)從而影響產(chǎn)水量[46-47]。研究區(qū)產(chǎn)水量由南向北迅速遞減，并且平均產(chǎn)水深度相差巨大，這是由于研究區(qū)南部受印度洋氣流影響，該區(qū)域降水量十分豐富，但氣流在北上途中受到高海拔山脈阻擋，研究區(qū)整個(gè)北部降水量很低，從而使得研究區(qū)產(chǎn)水量北部與南端形成鮮明對(duì)比；經(jīng)驗(yàn)證，蒸散發(fā)的年際變化很小，而2000-2020 年研究區(qū)降水量呈整體下降趨勢(shì)(圖7)，這與產(chǎn)水量的整體趨勢(shì)相同，說(shuō)明降水量是產(chǎn)水量年際變化的主要影響因素，并排除了2000、2010 和2020 年屬于極端年份的可能性；土地利用對(duì)產(chǎn)水量的影響主要是通過(guò)土地利用類(lèi)型變化來(lái)控制實(shí)際蒸散發(fā)變化，但研究區(qū)土地利用在2000-2020 年變化較小，尤其是2000-2010 年，且土地利用變化引起的產(chǎn)水量增減基本相抵消，因此，土地利用變化的影響相對(duì)不足。總之，研究區(qū)產(chǎn)水量時(shí)空演變與降水量時(shí)空變化的趨勢(shì)一致，土地利用變化的影響基本被降水量稀釋或掩蓋。

圖7 2000-2020 年雅魯藏布江下游流域平均降水量Figure 7 Average precipitation in the lower reaches of Yarlung Zangbo River Basin from 2000 to 2020

InVEST 模型的產(chǎn)水量模塊基于簡(jiǎn)單的水平衡模型，雖然能夠?qū)Ω鞣N地區(qū)的產(chǎn)水量進(jìn)行很好地模擬，但也存在一定的局限性和不確定性[48-49]，地形海拔是水資源變化的一個(gè)重要影響因素，尤其是具有復(fù)雜地形的山區(qū)，但產(chǎn)水量模塊對(duì)此沒(méi)有考慮[50]，本文研究區(qū)地形極其復(fù)雜，海拔高差巨大，對(duì)產(chǎn)水量分布產(chǎn)生重要影響，雖然本研究有做描述，但還有待完善。在有融水補(bǔ)給徑流的區(qū)域，模擬產(chǎn)水量不能代表真實(shí)徑流量，而是需要去掉融水部分。植被蒸散系數(shù)和植被根系深度參考相應(yīng)文獻(xiàn)和InVEST模型使用手冊(cè)，并根據(jù)研究區(qū)特征進(jìn)行調(diào)整，存在一定不確定性，另外，數(shù)據(jù)精度、參數(shù)確定和校驗(yàn)、參考蒸散發(fā)和植被可利用含水量計(jì)算公式的選取，這些都對(duì)最終評(píng)估結(jié)果精度產(chǎn)生影響，但總體上不會(huì)改變研究區(qū)產(chǎn)水量格局。

5 結(jié)論

本文基于InVEST 模型產(chǎn)水量模塊計(jì)算了2000、2010 和2020 年雅魯藏布江下游流域的產(chǎn)水量，分析研究區(qū)產(chǎn)水量的時(shí)空演變特征，并采用情景分析法探究氣候變化和土地利用變化對(duì)產(chǎn)水量的影響，得到以下結(jié)論：

1)雅魯藏布江下游流域各年產(chǎn)水量分布特征相似，研究區(qū)內(nèi)產(chǎn)水量差別大，平均產(chǎn)水深度最高值超過(guò)2 500 mm，2 000 mm 以上高值區(qū)主要分布于研究區(qū)南端，面積較小，1 000 m 以下的低值區(qū)和次低值區(qū)主要分布于研究區(qū)北部，面積廣闊。垂向上，平均產(chǎn)水深度隨海拔升高而迅速遞減，海拔3 000 m以下的區(qū)域以29%的面積占比擁有了全區(qū)50%的產(chǎn)水量，低海拔區(qū)表現(xiàn)為面積小而產(chǎn)水量高。

2)雅魯藏布江下游流域2000、2010 和2020 年的產(chǎn)水量分別為411 × 108、392 × 108和360 × 108m3，呈整體下降趨勢(shì)，且下降幅度擴(kuò)大。2000-2010 年間，研究區(qū)西北部產(chǎn)水量明顯減少，南部地區(qū)產(chǎn)水量明顯增加，2010-2020 年間與前10 年相反，研究區(qū)南部地區(qū)產(chǎn)水量明顯減少，且減少量很大，明顯增加的區(qū)域分布于北部的少數(shù)地區(qū)，2000-2020 年產(chǎn)水量在整個(gè)研究區(qū)呈明顯減少趨勢(shì)。

3) 2000-2020 年，氣候要素變化(情景1)和土地利用變化(情景2)對(duì)雅魯藏布江下游流域的產(chǎn)水量變化的貢獻(xiàn)率分別為-115%和15%，其中，氣候要素以降水為主導(dǎo)。表明研究區(qū)產(chǎn)水量變化的主要影響因素是降水量變化，而土地利用變化的影響較小。