關(guān)鍵詞：突變分析；濃度與流量關(guān)系；總磷；LOADEST模型；潮河

河流水質(zhì)在氣候和人類活動的驅(qū)動下時刻發(fā)生著變化，關(guān)系著河流生態(tài)系統(tǒng)的健康發(fā)展。農(nóng)田徑流、畜禽養(yǎng)殖、生活污水排放、土地利用變化等人類活動導(dǎo)致河流水質(zhì)的惡化，特別是自然水體中廣泛存在的營養(yǎng)物質(zhì)元素（如氮和磷），如果過量不僅會對水生生物有害，而且會降低飲用水質(zhì)量，損害人類健康。了解河流水文及水質(zhì)特征變化及準(zhǔn)確估算物質(zhì)通量，對流域生態(tài)系統(tǒng)保護(hù)、水資源管理及可持續(xù)發(fā)展至關(guān)重要。

流域水文水質(zhì)數(shù)據(jù)通常會由于洪水、干旱、人為活動或環(huán)境中發(fā)生的其他變化而出現(xiàn)突變點(diǎn)，探究流域流量及水質(zhì)濃度的長期變化與突變特征，對估算河流物質(zhì)通量及評估流域管理效果至關(guān)重要。突變分析是分析水資源長期變化的重要工具，通常選取某一水文或水質(zhì)指標(biāo)，通過相應(yīng)的統(tǒng)計(jì)分析方法確定其時間序列變化發(fā)生的時間節(jié)點(diǎn)，常見的方法有：Mann-Kendall（M-K）突變檢驗(yàn)法、Pettitt突變檢驗(yàn)法、分段回歸法、Wild二值分割法等。這些方法通常應(yīng)用于單因子時間序列的突變點(diǎn)分析，較難識別因子間（如濃度與流量）的關(guān)系變化。而研究表明河流氮磷濃度不僅受流量影響，且與流量間存在復(fù)雜的非線性關(guān)系，同時存在閾值效應(yīng)，還可能存在時間變化特征。為了深入理解河流水文水質(zhì)特征的變化，需要進(jìn)一步識別濃度與流量關(guān)系的變化特征。

當(dāng)前研究因子間關(guān)系變化的方法主要為貝葉斯模型法，可將時間視為獨(dú)立變量來檢測營養(yǎng)物質(zhì)元素與流量、葉綠素含量等其他因子關(guān)系變化的時間。研究者建立了包含徑流量和多種水質(zhì)因子的貝葉斯統(tǒng)計(jì)模型，更好地認(rèn)識濃度與流量之間潛在關(guān)系的變化，理解河流水量、水質(zhì)對人類活動變化的響應(yīng)。比如，Alameddine等提出了一種結(jié)合溫度變化的貝葉斯突變點(diǎn)一閾值模型，該研究量化了總有機(jī)氮濃度與流量關(guān)系隨時間的變化，判斷美國Neuse河在實(shí)施一系列管理措施后流量變化發(fā)生的年份。Pirani等結(jié)合其他水質(zhì)指標(biāo)（水溫、溶解氧和電導(dǎo)率）的影響，識別河流水質(zhì)組分時間動態(tài)及其對流量閾值效應(yīng)的響應(yīng)和潛在的季節(jié)性變化。這類模型對于認(rèn)識水環(huán)境內(nèi)部的復(fù)雜過程具有重要的理論意義和現(xiàn)實(shí)價值，可為分析濃度與流量關(guān)系的突變與閾值特征提供有力工具。

河流物質(zhì)通量通常由徑流量和相對離散的濃度數(shù)據(jù)估算，LOADEST模型是估算河流物質(zhì)通量的最常用方法之一。一些研究表明，LOADEST模型準(zhǔn)確性受水質(zhì)組分類型、采樣頻率、土地利用和流域面積等多個因素影響。而模型模擬結(jié)果產(chǎn)生偏差的根本原因可能來源于對濃度與流量關(guān)系的擬合性差。一方面，LOADEST模型在模擬通量時，低流量數(shù)據(jù)會對高流量數(shù)據(jù)的模擬造成影響，使得高流量數(shù)據(jù)的模擬偏差較大，特別是磷這類受到徑流沖刷影響較大的水質(zhì)組分。另一方面，LOADEST模型假設(shè)濃度與流量之間的關(guān)系在不同時間和不同流量狀態(tài)下是固定不變的，并未考慮濃度與流量之間復(fù)雜的關(guān)系變化，采用統(tǒng)一的模型結(jié)構(gòu)估算通量可能會產(chǎn)生較大的偏差。尤其是在長時間序列的模擬中，當(dāng)河流受到明顯人為活動干擾，如點(diǎn)源的削減、土地利用改變或土地管理措施等，都可能會導(dǎo)致濃度與流量關(guān)系發(fā)生實(shí)質(zhì)變化，從而使得物質(zhì)通量評估效果并不理想，降低了模型的擬合效果和預(yù)測能力。

已有一些研究表明，在水質(zhì)建模及通量模擬時考慮突變點(diǎn)，可以減少模型的時間不變性帶來的偏差，但不同方法、不同參數(shù)得到的突變點(diǎn)存在差異，當(dāng)前仍需要加深對單因子（濃度或流量）突變點(diǎn)以及濃度一流量關(guān)系突變點(diǎn)對通量模擬影響的理解。為進(jìn)一步加深對流量與水質(zhì)濃度突變特征理解，探究濃度及流量突變點(diǎn)對通量模擬的作用，本研究以潮河流域?yàn)檠芯繀^(qū)，基于M-K突變檢驗(yàn)法以及貝葉斯突變點(diǎn)模型對流量、總磷（TP）濃度以及二者之間的關(guān)系進(jìn)行突變分析，并結(jié)合LOADEST模型估算其通量。潮河流域位于密云水庫上游，畜禽養(yǎng)殖、農(nóng)業(yè)施肥、水土流失是影響其水質(zhì)的主要原因。21世紀(jì)以來，該流域先后實(shí)施了多項(xiàng)水土保持和水華防治工程，有效減少了水土和氮磷的流失。長期的人類活動使流域水文水質(zhì)產(chǎn)生的變化使其更適合于突變點(diǎn)的研究。本研究主要目標(biāo)：分析流域長期徑流量和TP濃度的變化趨勢和突變特征；構(gòu)建流域TP濃度與流量的非線性突變響應(yīng)關(guān)系，識別二者關(guān)系發(fā)生突變的時間，分析濃度一流量關(guān)系變化特征；基于時間突變點(diǎn)構(gòu)建LOADEST模型，評估流域的TP通量，比較不同突變點(diǎn)對通量模擬的影響。

1材料與方法

1.1研究區(qū)概況

密云水庫是我國首都居民的主要地表飲用水源。潮河位于密云水庫上游，橫跨北京和河北兩省市，如圖1所示。潮河流域面積4888km2，約占密云水庫上游集水面積的40%。地貌以山地丘陵為主，占總面積80%左右，屬于大陸性季風(fēng)氣候，多年平均氣溫為8.30℃，多年平均降水量為511mm，汛期（6-9月）占年降水量的75%以上。研究區(qū)共有人口約40.5萬，農(nóng)業(yè)人口約占總?cè)丝诘?7%，城鎮(zhèn)人口約占23%。21世紀(jì)前該流域大部分地區(qū)經(jīng)濟(jì)基礎(chǔ)較差，以農(nóng)業(yè)為主，工業(yè)不發(fā)達(dá)，農(nóng)田管理方式粗放。畜禽養(yǎng)殖、農(nóng)業(yè)施肥等人類活動以及水土流失是影響潮河水質(zhì)的主要原因。為了確保北京供水安全以及水庫的運(yùn)行，1989-2005年在該流域陸續(xù)開展了多項(xiàng)水利工程建設(shè)并采取了水土保持措施。

1.2分析方法與數(shù)據(jù)來源

數(shù)據(jù)分析主要分為三部分：（1）采用線性回歸、局部加權(quán)回歸分析法（LOWESS）和M-K突變檢驗(yàn)法分析流量與濃度的時間趨勢與突變特征。（2）通過改進(jìn)的貝葉斯突變點(diǎn)模型識別濃度一流量關(guān)系變化；運(yùn)用WinBUGS 14專業(yè)軟件包基于馬爾科夫鏈蒙特卡洛（Markov Chain Monte Carlo，MCMC）算法對TP濃度一流量關(guān)系突變識別模型進(jìn)行主要參數(shù)估計(jì)；此部分將在1.3中詳細(xì)介紹。（3）基于以上突變點(diǎn)運(yùn)用LOADEST模型進(jìn)行分段擬合，并比較模型改進(jìn)前后的擬合精度。

線性回歸、LOWESS法是常見的趨勢分析方法，LOWESS法相較于線性回歸更能夠處理與描述數(shù)據(jù)的局部波動特征。M-K突變檢驗(yàn)法是一種非參數(shù)統(tǒng)計(jì)檢驗(yàn)方法，被廣泛應(yīng)用于水文氣象變化研究中；該方法可通過正向序列和反向序列的趨勢變化統(tǒng)計(jì)量UF和UB的交點(diǎn)判斷是否存在突變點(diǎn)；若UF和UB在95.00%顯著性（P=0.05）的置信區(qū)間[-1.96，1.96]內(nèi)存在交點(diǎn)，則該交點(diǎn)為時間序列突變點(diǎn)。LOADEST模型運(yùn)用中，選取觀測日期當(dāng)日的流量和濃度監(jiān)測數(shù)據(jù)作為平均流量和平均濃度，平均流量與平均濃度的乘積作為當(dāng)日通量的觀測值，并與模擬結(jié)果進(jìn)行比較驗(yàn)證。最終模擬結(jié)果通過均方根誤差（Root MeanSquared Error. RMSE）和納什效率系數(shù)（Nash-Sut-cliffe Efficiency Coefficient．NSE）進(jìn)行評價。主要數(shù)據(jù)分析基于MATLAB程序腳本實(shí)現(xiàn)，后續(xù)所有數(shù)據(jù)整理匯總與圖形繪制工作均用Origin軟件完成。

研究中潮河流域監(jiān)測站（下會站）的流量、水質(zhì)數(shù)據(jù)來自密云水庫管理處，其中徑流量數(shù)據(jù)為逐日尺度，水質(zhì)數(shù)據(jù)包括：TP濃度、水溫（℃）、溶解氧（%）和電導(dǎo)率，為逐月尺度，篩除缺失值共262組水質(zhì)數(shù)據(jù)。以上實(shí)際監(jiān)測數(shù)據(jù)時間跨度為1992-2014年，共計(jì)23a。

為了探討流量和TP濃度變化成因，對潛在的影響因素進(jìn)行分析，包括：降水、凈人為磷輸入（Net An-thropogenic Phosphorus Input，NAPI）和歸一化植被指數(shù)（Normalized Difference Vegetation Index， NDVI），降水?dāng)?shù)據(jù)來自中國氣象數(shù)據(jù)網(wǎng)（http：//data．cma．cn/），站點(diǎn)為密云站，時間跨度為1992-2014年；NAPI根據(jù)研究區(qū)各區(qū)縣統(tǒng)計(jì)年鑒提供的社會經(jīng)濟(jì)數(shù)據(jù)計(jì)算，時間跨度為1995-2014年；NDVI數(shù)據(jù)來自于資源環(huán)境科學(xué)數(shù)據(jù)注冊與出版系統(tǒng)（http：//www．resdc.cn/DOI），時間跨度為1998-2014年。以上數(shù)據(jù)均以年為尺度，個別年份缺失數(shù)據(jù)根據(jù)已有數(shù)據(jù)的線性趨勢估算。

1.3貝葉斯突變點(diǎn)模型

模型定義時間t上觀測到的TP濃度為因變量，而徑流量和其他水質(zhì)參數(shù)被視作為自變量；引入了術(shù)語“突變點(diǎn)”來表示時間上的變化點(diǎn)，以“閾值”表示流量范圍的變化。假設(shè)TP濃度對數(shù)服從正態(tài)分布：

模型各參數(shù)取值以及不確定范圍確定采用MCMC算法，該方法已廣泛應(yīng)用于統(tǒng)計(jì)模型參數(shù)估計(jì)及參數(shù)不確定性分析等領(lǐng)域。在WinBUGS 14的MC-MC參數(shù)估計(jì)中，其中一共設(shè)置了3條馬爾科夫鏈，每條鏈采樣20000次。各項(xiàng)水質(zhì)影響因素的懲罰樣條計(jì)算參照相關(guān)文獻(xiàn)。

2結(jié)果與分析

2.1流量與TP濃度趨勢及突變分析

圖2展示了潮河流域流量、TP濃度的趨勢與突變分析結(jié)果。可以看到流域徑流量總體呈下降趨勢（圖2a）。M-K突變分析中統(tǒng)計(jì)量UF和UB在95.00%顯著性臨界限的上限和下限區(qū)間，即[-1.96，+1.96]內(nèi)存在的交點(diǎn)，以此判斷流域徑流量在1998年初出現(xiàn)突變（圖2b），突變前后的平均流量分別為7.92m3·s-1和2.86m3·s-1．突變前的平均流量明顯高于突變后的平均流量。

潮河流域TP濃度呈現(xiàn)明顯的下降趨勢。根據(jù)線性趨勢結(jié)果，TP濃度以平均每年1.38x10-3mg·L-1的速度降低（圖2c）。根據(jù)M-K突變分析結(jié)果，TP濃度在1993年初和1996年底出現(xiàn)突變（圖2d）。據(jù)此，TP濃度時間變化總結(jié)為三個階段：下降階段（1992-1993年）、速增階段（1994-1996年）和波動降低階段（1997-2014年）；三個時間段平均濃度分別為0.08、0.06mg·L-1和0.03mg·L-1。在1997-2014年，TP濃度于2004年底出現(xiàn)峰值，但未形成突變；2005年以后，TP濃度基本維持在0.03mg·L-1以下的低濃度水平。

2.2濃度一流量關(guān)系突變的識別

表1展示了濃度一流量關(guān)系的突變點(diǎn)一閾值模型相關(guān)參數(shù)。結(jié)果顯示，潮河流域TP濃度與流量的非線性關(guān)系在2004年12月前后發(fā)生突變（圖3）?？蓳?jù)此將TP濃度一流量關(guān)系劃分為前后獨(dú)立的兩個階段：1992-2004年和2005-2014年。前后兩個階段的流量閾值分別為2.36m3·s-1和9.08m3·s-1。模型中溫度、電導(dǎo)率對TP濃度的影響系數(shù)為正，產(chǎn)生正面影響；溶解氧則表現(xiàn)出負(fù)面影響。

河流物質(zhì)濃度一流量關(guān)系可以分為兩種模式：稀釋主導(dǎo)模式和流量驅(qū)動模式。將大于或等于閾值的流量稱為高流量，小于閾值的流量稱為低流量。突變點(diǎn)與流量閾值將流域出口的流量與對應(yīng)的TP濃度分為了4組（表1）：突變前一低流量；突變前一高流量；突變后一低流量；突變后一高流量。結(jié)果顯示，在突變點(diǎn)前，TP濃度與流量的關(guān)系是典型的流量驅(qū)動模式。在突變點(diǎn)后，濃度與流量關(guān)系發(fā)生轉(zhuǎn)變，在低流量情況下仍是流量驅(qū)動模式，但在高流量情況下轉(zhuǎn)變?yōu)橄♂屩鲗?dǎo)模式。

2.3基于突變點(diǎn)的TP通量估算

依據(jù)流量、TP濃度以及TP濃度一流量關(guān)系的突變分析得到了三類突變點(diǎn)，據(jù)此將觀測時間序列劃分相應(yīng)的子序列，利用LOADEST模型分別估算每個子序列對應(yīng)的污染物通量方程，并與總時間序列（ 1992-2014年）進(jìn)行比較（表2），并將不同模型的綜合模擬效果繪制散點(diǎn)圖（圖4），比較不同突變點(diǎn)設(shè)置對負(fù)荷模擬的影響。根據(jù)LOADEST模型統(tǒng)計(jì)指標(biāo)，LOAD-EST模型所模擬的不同時段的TP通量與實(shí)測值的吻合程度較高，方程決定系數(shù)R2在0.66-0.93之間，模型優(yōu)化系數(shù)均具有顯著性統(tǒng)計(jì)學(xué)意義（顯著性水平Plt;0.05），說明LOADEST模型能夠滿足潮河流域TP的通量評估。

整體上看，模擬結(jié)果表現(xiàn)出分段模型優(yōu)于未分段模型。其中，基于TP濃度突變點(diǎn)的模型（模型3）表現(xiàn)最佳，使NES由未分段模型（模型1）的0.50提高到0.96；與之表現(xiàn)相近是基于流量突變點(diǎn)的模型（模型2，NES=0.95）；模型2和模型3的線性擬合方程斜率均接近于l，RMSE相比模型l有所降低（圖4b、圖4c和表2）?；赥P濃度一流量關(guān)系突變點(diǎn)分段模型的NES雖然沒有模型2和模型3高，但比模型l模擬TP的NES提高了0.20（圖4d），整體的RMSE也有所降低，TP通量的擬合曲線斜率由0.34提高到0.58，增加了0.24。

為了方便比較，根據(jù)所有類型的突變點(diǎn)，將各模型的序列進(jìn)行分段比較，共分為四段（表3，1997年與1998均存在突變點(diǎn)，由于時間較近，為方便統(tǒng)計(jì)統(tǒng)一為1997年）。在1992-1996年的兩個階段，分段模型的表現(xiàn)均優(yōu)于未分段模型，其中以模型3的NES最高。在1997-2004年階段，模型2和模型3效果均較好，NESgt;0.80，但模型4表現(xiàn)不佳；而對于2005-2014階段，模型4的NES最高，對比模型1它使NES由-0.31提高到0.89。

綜合來看，以突變點(diǎn)對河流TP通量進(jìn)行分段估算，一定程度上有助于提高LOADEST模型模擬河流物質(zhì)通量的準(zhǔn)確性，而不同的突變點(diǎn)類型對模型的優(yōu)化效果不同。

3討論

3.1流量和TP濃度突變的成因分析

流量和TP濃度整體呈下降趨勢，時間序列突變發(fā)生在1992-1998年之間，雖然突變發(fā)生的時間節(jié)點(diǎn)不一致但是時間相對靠近。相關(guān)分析顯示流量及TP濃度Pearson相關(guān)系數(shù)為0.45 （Plt;0.05），一定程度上說明TP濃度變化與流量關(guān)系密切，TP濃度的突變可能與流量的突變存在關(guān)聯(lián)。研究結(jié)合了潛在的影響因素（降水、NAPI和NDVI）進(jìn)行討論，這些因素的變化趨勢如圖5所示。NAPI作為磷的輸入來源，總體呈上升趨勢，無顯著突變點(diǎn)；與流量及TP濃度呈負(fù)相關(guān)，Pearson相關(guān)系數(shù)分別為-0.55 （Plt;0.01）和-0.42（Plt;0.05），說明存在其他因素控制了磷的輸出和變化。ND VI整體也呈上升趨勢，與流量呈反比（Pearson相關(guān)系數(shù)：-0.54，Plt;0.01），體現(xiàn)了植被覆蓋增加對于水土保持具有積極作用，但由于NDVI不存在突變點(diǎn)，與流量和TP濃度的突變?nèi)鄙訇P(guān)聯(lián)性，其影響仍需進(jìn)一步討論。

降水是徑流的主要驅(qū)動因素。在1992-1998年期間，降水出現(xiàn)了多個突變點(diǎn)（1992年、1993年和1996年），與流量以及TP濃度的突變點(diǎn)的時間較為一致。這期間多年為豐水年，降雨量較大，降雨徑流沖刷使得泥沙進(jìn)入河道，增大了河流中的TP濃度；而后1999-2002年降水相對較少，多為平水年及枯水年，徑流和TP濃度也相應(yīng)減少。雖然1989-1993年流域已實(shí)施了大量的水土保持措施，以及20世紀(jì)70-80年代建成的水利工程也開始運(yùn)作，但由于1994年及1998年出現(xiàn)暴雨和山洪，水土保持措施的減水作用可能被暴雨所導(dǎo)致的強(qiáng)度產(chǎn)流作用所掩蓋。綜合以上討論，1992-1998年期間徑流量及TP濃度的時間序列突變的發(fā)生主要受降水變化的控制。

3.2TP濃度一流量關(guān)系突變的成因分析

潮河流域TP濃度一流量關(guān)系在2005年前后發(fā)生了轉(zhuǎn)變，突變前為典型的流量驅(qū)動模式，突變后在高流量情況下為稀釋主導(dǎo)模式。雖然濃度一流量關(guān)系是復(fù)雜的非線性關(guān)系，但利用線性趨勢依然可以看出，突變前在高、低流量區(qū)流量與TP濃度均呈弱正相關(guān)（圖6a），TP濃度隨流量的增加而增加；突變后，線性趨勢由弱正相關(guān)轉(zhuǎn)為弱負(fù)相關(guān)（圖6b），這可能表明超過流量閾值后，流域景觀的磷流失不再隨著流量的增加而增加。這與在英國Hampshire Avon河對磷的研究結(jié)果類似，在突變點(diǎn)之前高流量與磷酸鹽增加的關(guān)系并不顯著，突變點(diǎn)后較高水平的河流流量似乎與磷酸鹽稀釋有關(guān)，即稀釋主導(dǎo)模式。由于這項(xiàng)研究時間跨度較短，研究者認(rèn)為此現(xiàn)象受到極端暴雨事件的影響。

雖然氣候變化或極端天氣的發(fā)生也可能導(dǎo)致濃度一流量關(guān)系突變，但從長時間尺度來看，潮河流域TP濃度一流量關(guān)系突變更可能與流域水土保持措施有關(guān)。潮河流域于1998-2000年啟動退耕還林還草和京津風(fēng)沙源治理工程水土保持項(xiàng)目，至2005年均屬于實(shí)施階段。近20多年來潮河流域自然景觀的恢復(fù)使得林草地面積比重明顯增加，1998-2014年流域的NDVI由0.73波動上升至0.83（圖5）。植被覆蓋面積的增加很大程度上降低了流域的徑流量和土壤侵蝕強(qiáng)度，也減少了伴隨泥沙輸出的顆粒態(tài)磷。另一方面，城市化以及逐年增加的人口增大了流域內(nèi)的用水需求，也可能導(dǎo)致流域產(chǎn)流減少。但是通過對比可以發(fā)現(xiàn)，除去已經(jīng)討論的1992-1998年期間，2004年降水量也出現(xiàn)較高的峰值，雖然徑流量較低（年均2.46m3·s-1），但是出現(xiàn)了較高的TP濃度峰值（0.29mg·L-1），這可能是強(qiáng)降雨沖刷導(dǎo)致顆粒態(tài)磷的流失；關(guān)系突變點(diǎn)后，2010年流域也經(jīng)歷了較大的降水，但對比1992-1998年間和2004年的數(shù)據(jù)，2010年流量年均為2.81m3·s-1．TP濃度峰值為0.04mg·L-1，這表明隨著強(qiáng)降雨被沖刷進(jìn)入河流的TP減少了。在Zhang等研究中也得到了類似的結(jié)論，他們發(fā)現(xiàn)潮河流域氣候和土地利用變化對年輸沙量減少的貢獻(xiàn)率分別為4.12%和95.88%．土地利用變化對徑流和泥沙減少的貢獻(xiàn)大于氣候變化。潮河流域土地利用變化的主要驅(qū)動力為上述工程與管理措施的實(shí)施，它們對流域水文、水質(zhì)特征產(chǎn)生了一定的影響。

3.3突變點(diǎn)對通量模擬的影響

研究比較了基于三類突變點(diǎn)分段對TP通量模擬的效果，并了解到基于突變點(diǎn)識別的分段建模有助于改善LOADEST模型的模擬效果，雖然基于TP濃度突變點(diǎn)的分段模型的效果最佳，但不同類型突變點(diǎn)側(cè)重點(diǎn)不同。由于TP濃度與流量呈正相關(guān)，基于M-K分析的流量突變點(diǎn)與TP濃度突變點(diǎn)都識別了高流量引起的突變，以此為分段結(jié)合LOADEST模型模擬，可以減少低流量數(shù)據(jù)對高流量的影響，提高高流量數(shù)據(jù)的模擬精確度。

運(yùn)用突變點(diǎn)一閾值模型識別濃度一流量關(guān)系變化，可以更好地理解流域中的物質(zhì)運(yùn)輸過程及動態(tài)，也可以較客觀和明確地評價流域所采用的管理政策成功與否和起效時間，可為管理者評估措施實(shí)施效果以及制定未來管理計(jì)劃提供參考。而基于濃度一流量關(guān)系突變點(diǎn)的模型，將突變點(diǎn)一閾值模型與LOAD-EST模型結(jié)合，在一定程度上可以克服濃度一流量關(guān)系時間不變性這一缺點(diǎn)，提高了突變點(diǎn)后對濃度一流量關(guān)系的把握。同時也應(yīng)該看到，當(dāng)前突變點(diǎn)一閾值模型仍存在一定缺陷。首先目前的方法中只假設(shè)了一個突變點(diǎn)的存在，但研究結(jié)果表明考慮多個突變點(diǎn)更能把握濃度與流量的變化，因此未來研究中可以推廣到多個突變點(diǎn)。另一方面，突變點(diǎn)一閾值模型考慮了水溫、電導(dǎo)率以及溶解氧等水質(zhì)參數(shù)對濃度一流量關(guān)系的影響，而對降水、NDVI等自然或人為的環(huán)境因素考慮較為欠缺。

此外，需要考慮分段模擬可能帶來新的不確定性。因?yàn)閿?shù)據(jù)集是可能影響模擬準(zhǔn)確度的原因之一，而數(shù)據(jù)的缺失對LOADEST模型的模擬結(jié)果會造成一定的影響。對時間序列進(jìn)行分段會造成每個子序列的數(shù)據(jù)量減少，從而可能降低模擬效果。目前，僅將濃度與流量的突變識別與LOADEST模型結(jié)合，尚未應(yīng)用于更多模型，因此對于其他模型的影響效果尚不清楚。因此，在未來的研究中，或許可以將突變點(diǎn)分析與更多模型結(jié)合，以及考慮開發(fā)涉及多個突變點(diǎn)的模型。

4結(jié)論

研究基于Mann-Kendall突變檢驗(yàn)和貝葉斯突變點(diǎn)模型識別潮河流域流量、TP濃度和TP濃度一流量關(guān)系的變化點(diǎn)，并將突變點(diǎn)與LOADEST模型結(jié)合，以更準(zhǔn)確地模擬河流TP的通量。研究發(fā)現(xiàn)：

（1）潮河流域流量、TP濃度整體均呈下降趨勢，流量突變點(diǎn)發(fā)生于1998年；TP濃度突變點(diǎn)發(fā)生于1993年和1996年。流量、TP濃度突變點(diǎn)的形成時間相近，可能受到降水的控制。

（2）TP濃度一流量的非線性關(guān)系在2004年12月前后發(fā)生突變。突變點(diǎn)前，TP濃度與流量的關(guān)系是典型的流量驅(qū)動模式；突變點(diǎn)后二者關(guān)系會在高流量情況下轉(zhuǎn)變?yōu)橄♂屩鲗?dǎo)模式。TP濃度一流量關(guān)系的突變可能與流域內(nèi)水土保持措施有關(guān)。

（3）基于突變點(diǎn)識別的分段建模有助于改善LOADEST模型的模擬效果，而不同類型突變點(diǎn)各有優(yōu)勢?；赥P濃度突變點(diǎn)的分段模型的整體效果最佳，基于濃度一流量關(guān)系突變點(diǎn)的模型對關(guān)系突變后TP通量的模擬效果最佳。