江善虎，王孟浩，崔 豪，劉亞婷，任立良

(河海大學 a.水文水資源與水利工程科學國家重點實驗室；b.水文水資源學院，南京 210098)

0 引 言

干旱事件成因復雜，影響范圍廣泛，極易對區(qū)域范圍內(nèi)的農(nóng)業(yè)及經(jīng)濟生產(chǎn)活動產(chǎn)生影響并造成較大損失[1-3]。根據(jù)干旱的定義，干旱可以分為：氣象干旱、農(nóng)業(yè)干旱、水文干旱及社會經(jīng)濟干旱[4-6]。水文干旱是由于地表徑流量或地下水量異常偏少而導致的水資源短缺現(xiàn)象。

進入人類世后，人類活動逐漸成為影響全球水文循環(huán)過程及水資源演變的重要驅動力，也是影響區(qū)域干旱演變的重要因素[7-8]。研究表明，中國很多流域都存在水資源過度開采的現(xiàn)象，導致區(qū)域地表徑流明顯衰減，水文干旱事件頻發(fā)。人類活動對水文干旱演變的驅動機理成為水科學研究的熱點之一。

本文提出了基于“實測-模擬”對比的評估框架，定量分析人類活動對水文干旱過程的影響。利用趨勢及突變檢驗方法分析流域內(nèi)降水、氣溫、徑流等水文氣象要素的變化情況；基于水文模型還原自然徑流過程；結合變閾值方法與游程理論開展干旱識別。選取中國北方半干旱地區(qū)受人類活動影響顯著的老哈河流域為研究區(qū)，對提出的框架開展應用研究，以期為區(qū)域水文干旱防治及水資源管理提供科學依據(jù)。

1 研究區(qū)概況

老哈河流域(41.0°N～42.75°N，117.25°E～120°E)處于河北、遼寧兩省和內(nèi)蒙古自治區(qū)的交界處，是我國重要的重工業(yè)、能源和商品糧生產(chǎn)基地[9-10]。該河流屬西遼河支流，流域控制站為興隆坡水文站，控制面積18 112 km2。按照干旱區(qū)劃分，老哈河流域處于半干旱區(qū)，流域內(nèi)地形復雜，地勢西高東低，海拔427～2 054 m。按照氣候帶劃分，該流域屬于溫帶大陸性氣候，多年(1964—2015年)平均氣溫、降水、徑流深分別為7.57℃、417.9 mm、24.9 mm。降水量時空分布不均，季節(jié)性強，年降水量的80%集中于每年的5—10月(圖1)。

圖1 老哈河流域雨量站、水文站、氣象站及水庫分布Fig.1 Distributions of rain gauge stations, hydrological station, meteorological stations, and reservoirs in Laohahe basin

2 數(shù)據(jù)及方法

2.1 研究數(shù)據(jù)

本研究收集的數(shù)據(jù)包括：

1)內(nèi)蒙古水文水資源局提供的1964—2015年52個雨量站的日降水數(shù)據(jù)和興隆坡水文站(流域控制站)的日流量數(shù)據(jù)。從國家氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn/)下載獲取3個氣象站的日最高、日最低氣溫以及10 m高平均風速數(shù)據(jù)。將日流量數(shù)據(jù)(m3·s-1)轉化為日徑流深(mm)數(shù)據(jù)，便于同降水數(shù)據(jù)進行對比。同時采用反距離加權法(IDW)將降水、氣溫、風速數(shù)據(jù)插值成0.062 5°×0.062 5°精度的網(wǎng)格數(shù)據(jù)，用于驅動VIC模型。

2)1964—2015年土壤類型數(shù)據(jù)通過糧食及農(nóng)業(yè)組織數(shù)據(jù)集(Food and Agriculture Organization data global land set)獲??；土地覆被資料采用美國馬里蘭大學全球1 km土地覆被數(shù)據(jù)(University of Maryland’s 1 km globalland cover data)；地形DEM 數(shù)據(jù)為美國地質(zhì)調(diào)查局提供的USGS 標準格式全球1 km 精度的GTOPO30數(shù)據(jù)。將土壤類型及土地覆被數(shù)據(jù)重采樣為0.062 5°×0.062 5°精度，同樣用于驅動VIC模型。

圖2 人類活動對流域水文干旱影響的量化評估框架Fig.2 Quantifying framework of the human influence on hydrological drought

2.2 研究方法

研究水文干旱過程的演變規(guī)律及驅動因素，對于區(qū)域干旱治理及水資源規(guī)劃管理至關重要。本文提出了一種基于“實測-模擬”對比的量化框架評估人類活動對水文干旱的影響(圖2)。該框架可分為3部分：①水文氣象要素變異診斷。根據(jù)趨勢及突變檢驗方法識別水文氣象變量突變點，根據(jù)突變點將整個研究時段劃分為兩部分：基準期(未受人類活動干擾)和變化期(受人類活動干擾)；②變化期自然徑流重建。首先通過基準期的實測水文氣象數(shù)據(jù)對選定的水文模型進行校準，而后在保持率定參數(shù)不變的情況下，利用變化期的實測氣象數(shù)據(jù)模擬重建該時段自然徑流序列。在本研究中，選用可變下滲容量模型(Variable infiltration capacity, VIC)模型實現(xiàn)此目標；③水文干旱識別及人為影響量化。使用可變閾值方法(variable threshold level method, TLMv)分別識別變化期實測和自然徑流序列中的水文干旱事件及其歷時、水分虧缺量等烈度特征，最后比較兩序列水文干旱特征值，量化評估人類活動對水文干旱過程的影響。

2.2.1 趨勢及突變分析方法

2.2.1.1 MK趨勢檢驗法

Mann-Kendall秩次相關檢驗[11]是世界氣象組織(WMO)推薦的一種非參數(shù)統(tǒng)計檢驗方法。該方法被廣泛用于檢驗數(shù)據(jù)序列的趨勢，因此常用來檢測降水、徑流、氣溫等水文氣象要素的時間變化趨勢。例如，對于樣本序列x1,x2, …,xn。當樣本長度n> 10時，正態(tài)Z檢驗統(tǒng)計量計算如下：

(1)

其中：

(2)

(3)

var(S)=n(n-1)(2n+5)/18

(4)

式中:xi、xj分別為第i、j年對應的樣本值；S為檢驗統(tǒng)計量；var(S)為S的方差。當|Z|>Z(1-α/2)時，即數(shù)據(jù)序列存在顯著水平α下的變化趨勢，其中，Z(1-α/2)為標準正態(tài)分布中值為(1-α/2)時對應的統(tǒng)計值；Z> 0表示序列存在上升趨勢，Z< 0表示序列存在下降趨勢。

2.2.1.2 Pettitt突變點檢驗法

Pettitt突變檢驗方法[12]是識別一個數(shù)據(jù)序列在給定顯著性水平(α)下突變點的非參數(shù)檢驗方法。該方法將一個時間序列劃分為兩段x1,x2, …,xt和xt+1,xt+2, …,xn，則第t個時間點檢驗函數(shù)Ut,n為

(5)

式中：

(6)

在Pettitt檢驗中，該點為突變點的概率(p)可通過下式計算，若p<α，則認為時間點t為突變點。

(7)

2.2.2 VIC模型

可變下滲容量模型(Variable infiltration capacity, VIC)[13]是由華盛頓大學、加利福尼亞大學伯克利分校和普林斯頓大學共同開發(fā)的大尺度半分布的水文模型。該模型基于土壤-植被-大氣傳輸模式(SVATS)原理，將研究流域概化為空間尺度均一的若干網(wǎng)格，每個網(wǎng)格又在垂直方向上被劃分為4層，包括1層冠層和3層土壤。模型模擬的時間尺度包括小時尺度、日尺度，月尺度等。目前，VIC模型已被廣泛用于世界各地的流量模擬中，包括中國、美國、歐洲、印度等地區(qū)。

VIC模型的輸入?yún)?shù)可以分為兩類:①包括具有明確物理含義的參數(shù)，可直接從已發(fā)布的植被數(shù)據(jù)庫(如結構阻抗、最小氣孔阻抗、葉面積指數(shù)、反照率、糙率等)和土壤類型數(shù)據(jù)庫(如孔隙度、飽和土壤水勢、土壤飽和水力傳導度等)中獲取;②經(jīng)驗性參數(shù)，需要進行參數(shù)率定。一般選取7個參數(shù)進行參數(shù)率定(表1)。

2.2.3 干旱識別及量化評估框架

選用變閾值評估方法對實測和自然徑流過程進行干旱識別。閾值方法最早由Yevjevich[14]提出，將流量低于預定義閾值的時段識別為干旱事件，而預定義閾值是對應于多年流量數(shù)據(jù)構成的流量歷時曲線中某個百分位數(shù)處的值，范圍在70%到90%分位數(shù)之間。具體步驟如下：

表1 VIC模型參數(shù)定義及取值范圍

從逐月徑流序列中提取出1—12月各月的逐年徑流序列：

(8)

式中:j為月份；k為序列年數(shù)(≥10)；Xj為第j個月的逐年徑流序列；xjk為第k年，第j月的徑流值。

進一步地，通過比較兩組序列干旱特征的差異，可以分析人類活動對水文干旱的影響。本文提供了一個可用于定量評估人類活動對水文干旱影響的框架。該框架的前提假設是：對于某一特定流域，突變點之前水文干旱受人類活動影響較小，可以忽略；突變點之后，人類活動影響顯著，不可忽略。根據(jù)以上假設，定量評估計算公式為

(9)

式中：Xobs為變化期實測徑流序列對應的干旱特征值(包括干旱歷時、水分虧缺量、峰值等，下同)；Xnat為變化期自然徑流序列對應的干旱特征值；Ih為變化期人類活動對水文干旱的影響貢獻率。

3.1 在我國某些地區(qū)，民間仍然有采用蛙肉碾碎作外敷消炎藥和吞食活蛙治療瘡癤和疼痛的陋習。近年來，隨著人們飲食習慣的改變，盛行進食蛙肉、蛇肉等，導致本病時有發(fā)生［2］。同時，上海等大城市流行食用各種野味、刺身以及未完全煮熟的水產(chǎn)品等，必然會為此病在城市中流行創(chuàng)造某些條件［3］。因此，人類感染曼氏裂頭蚴病的情況值得引起高度重視［4］。

圖3 老哈河流域1964—2015年水文氣象要素過程線Fig.3 Evolutions of annual hydro-meteorological variables in Laohahe basin during 1964—2015

3 結果分析

3.1 水文氣象要素變異分析

老哈河流域1964—2015年水文氣象要素序列見圖3。流域年降水量、潛在蒸散發(fā)量(圖3(a))呈現(xiàn)略微下降趨勢，而年徑流量(圖3(c))則呈現(xiàn)明顯下降趨勢。通過計算1964—2015年的徑流系數(shù)(圖3(d))可見，年徑流系數(shù)也呈現(xiàn)出0.02/10 a的下降趨勢，間接證明在降水量未發(fā)生較大下降時，該流域的徑流量明顯下降。流域年最高氣溫(圖3(b))呈小幅下降趨勢，年平均、最低氣溫呈小幅上升趨勢，氣候傾向率分別為-0.01 ℃/10 a，0.23 ℃/10 a，0.56 ℃/10 a。

3.1.1 趨勢分析

為進一步分析流域降水量和徑流量的變化趨勢，同時考慮不同時間尺度引起的波動以及不同季節(jié)的水分差異，將不同時間尺度(1、3、12個月)的降水、徑流累積量按照不同截至月份劃分為12個季(1月季、2月季、……、12月季)。另外考慮到降水、徑流序列的局部特征，將上述劃分為12個季后的降水、徑流序列，按照30 a等長滑動劃分為23個子序列(1964—1993、1965—1994、……、1986—2015)。利用MK趨勢檢驗法，檢驗各子序列不同時間尺度下各季節(jié)的降水、徑流變化趨勢。

分析降水量的趨勢變化發(fā)現(xiàn)，除個別時間尺度/月分季(M/S)外，老哈河流域降水從1964到2015年整體呈現(xiàn)略微下降趨勢。短時間尺度(1，3月尺度)中，只有1M/ 8S和3M/8S、3M/9S、3M/10S出現(xiàn)顯著性下降趨勢；長時間尺度(12月尺度)中，整體未出現(xiàn)顯著性下降趨勢，但在年際變化上呈現(xiàn)出先上升后下降的變化。

分析徑流量的趨勢變化發(fā)現(xiàn)，老哈河流域徑流量呈現(xiàn)顯著性下降趨勢，幾乎所有時間尺度/月分季下降的顯著性水平都達到了P= 99%(α=0.01)的置信水平。從短時間尺度和長時間尺度綜合來看，整體的下降趨勢開始于1979年。由此推斷，1979年后的老哈河流域徑流過程除了受到氣候因素的影響，還可能受到人類活動的影響。

3.1.2 突變檢驗

基于上述趨勢分析結果，為更準確識別突變年份，采用Pettitt突變點檢驗法，分析老哈河流域1964—2015年的年徑流序列。檢驗結果表明(圖4(a))，第一個達到P= 99%置信水平的突變年份為1979年。采用降水-徑流雙累積曲線法輔助判斷徑流突變年份(圖4(b))，曲線拐點出現(xiàn)在1979年附近，兩種方法的檢驗結果與趨勢分析階段的分析結果一致。因此，將1979年確定為老哈河流域徑流序列突變點。

圖4 老哈河流域1964—2015年年徑流量Pettitt突變點檢驗及年降水-徑流雙累積曲線Fig.4 Change point identification based on Pettitt test and double mass curve of the annual precipitation and streamflow depth In Laohahe basin from 1964 to 2015

3.2 自然徑流還原

根據(jù)老哈河流域徑流序列突變點檢驗結果，將整個研究序列(1964—2015年)中處于突變點之前的時期，即1964—1979年劃分為“基準期”，1980—2015年劃分為“變化期”。其中，“基準期”內(nèi)徑流過程受人類活動的影響很小，可忽略不計，“變化期”內(nèi)徑流過程明顯受到人類活動影響，不可忽略。

由于本文主要研究月尺度下的水文干旱事件，故對VIC模擬的月徑流過程進行精度分析。選取“基準期”內(nèi)1964年作為模型模擬的“預熱期”，1965—1974年作為“率定期”，1975—1979年作為“驗證期”。圖5(a)反映的是VIC模型在老哈河流域“基準期”的模擬精度。其中“率定期”內(nèi)，納什效率系數(shù)(NSE)為0.83，相對誤差為5.1%，相關系數(shù)達到0.92；“驗證期”內(nèi)NSE為0.73，相對誤差為2.5%，相關系數(shù)達到0.86。以上數(shù)據(jù)表明VIC模型模擬精度達標，基本客觀還原了“基準期”的徑流過程，可以滿足進一步的水文干旱分析。使用在“基準期”率定好的VIC模型，結合“變化期”氣溫、風速、降水等水文氣象要素，還原出“變化期”自然(模擬)徑流過程(圖5(b))，并認為該自然徑流過程只受到氣候因素的影響而不受人類活動的影響。

圖5 VIC模型模擬興隆坡水文站Fig.5 Variable infiltration capacity simulated monthly streamflow at the Xinlongpo hydrologic station

3.3 水文干旱識別

根據(jù)老哈河流域的流量歷時曲線分位數(shù)分布，同時考慮到老哈河流域徑流過程明顯的季節(jié)性特征，從自然徑流全序列(1964—2015年)中12個月份各自的流量歷時曲線中提取70%分位數(shù)，構成一組變閾值序列用于干旱識別，識別結果見圖6(a)。1980s和2000年以后，實測水文干旱事件頻發(fā)，且歷時及水分虧缺量較自然水文干旱過程顯著增加。而1990s由于降水偏多(圖6(b))，徑流量也相對充沛，所以實測及自然水文干旱事件極少且歷時及水分虧缺量較低。

圖6 “變化期”實測徑流與自然徑流序列水文干旱事件識別Fig.6 Identification of hydrological drought in “change period” for the observed and natural steamflow series

圖7 實測與自然序列干旱歷時-水分虧缺量-峰值特征對比Fig.7 Comparison of the characteristics of duration- intensity-peak between observed and natural drought

3.4 人類活動對水文干旱影響的定量評估

通過變閾值評估方法識別出干旱事件后，可以得到對應的干旱特征，包括干旱歷時、虧缺量和峰值等[15]。本研究選取干旱歷時、平均干旱水分虧缺量(每場次的平均干旱虧缺量=該場次干旱虧缺量/干旱歷時)及峰值3個特征值分析人類活動對水文干旱演變特征的影響，結合提出的定量評估框架計算出人類活動相應的貢獻率。

受人類活動影響的實測干旱序列中識別的干旱事件較自然干旱序列識別的干旱事件，更為嚴重，平均干旱水分虧缺量更大，峰值更高(圖7)。由圖7(a)可見，人類活動影響下的實測干旱序列對應的干旱歷時下四分位數(shù)和中位數(shù)與自然序列的較為接近，但上四分位數(shù)和極值部分差距很大，結合表2的特征統(tǒng)計值可見，人類活動導致平均干旱歷時增加了173.20%，最大干旱歷時增加了309.1%。此外，在干旱水分虧缺量(圖7(b))和峰值(圖7(c))方面，人類活動影響下的實測干旱序列對應的干旱水分虧缺量和峰值的上、下四分位數(shù)和中位數(shù)都高于自然序列。結合表2的特征統(tǒng)計值，在人為活動的影響下，平均干旱水分虧缺量和最大干旱水分虧缺量增加了53.9%和38.4%，平均干旱峰值和最大干旱峰值增加了99.3%和34.0%。以上結果表明，自然徑流過程在人類活動的影響下出現(xiàn)了更多歷時長且水分虧缺量更大的干旱事件。

表2 實測與自然干旱序列特征統(tǒng)計及人類活動影響定量評估

4 結 論

1)提出的基于“實測-模擬”對比的量化評估框架可有效識別徑流過程變異，合理還原自然徑流過程，量化人類活動對水文干旱過程的影響，為區(qū)域干旱管理提供科學指導。

2)老哈河流域1964—2015年降水量、潛在蒸散發(fā)量呈現(xiàn)非顯著性下降趨勢。年最高氣溫呈下降趨勢，平均及最低氣溫呈上升趨勢，氣候傾向率分別為-0.01 ℃/10 a，0.23 ℃/10 a，0.56 ℃/10 a。MK檢驗、Pettitt突變點檢驗及降水徑流雙累積曲線分析結果一致表明：老哈河流域年徑流量呈現(xiàn)顯著下降趨勢且突變點出現(xiàn)在1979年。

3)VIC模型模擬精度達標，能夠客觀還原出自然的徑流過程，其中率定期和驗證期的納什效率系數(shù)(NSE)、相對誤差及相關系數(shù)分別達到0.83，5.1%，0.92和0.73，2.5%，0.86。變閾值方法考慮到老哈河流域流量歷時曲線分位數(shù)分布和徑流過程明顯的季節(jié)性特征，可以合理客觀地評估實測和自然序列水文干旱演變特性。

4)通過對比實測和自然干旱序列發(fā)現(xiàn)，受人類活動的影響，老哈河流域變化期(1980—2015)的干旱歷時、水分虧缺量及峰值分別增加了173.2%～309.1%，38.4%～53.9%，34.0%～99.3%，表明在人類活動的影響下出現(xiàn)了更多歷時長且水分虧缺量更大的干旱事件。