东江流域降水与径流演变趋势及周期特征分析

周平, 陈刚, 刘智勇, 高常军

1. 广东省林业科学研究院, 广州 5105202. 海德堡大学地理研究所, 海德堡 D-69120

东江流域降水与径流演变趋势及周期特征分析

周平1, 陈刚1, 刘智勇2,*, 高常军1

1. 广东省林业科学研究院, 广州 510520
2. 海德堡大学地理研究所, 海德堡 D-69120

周平, 陈刚, 刘智勇, 等. 东江流域降水与径流演变趋势及周期特征分析[J]. 生态科学, 2016, 35(2): 44-51.

ZHOU Ping, CHEN Gang, LIU Zhiyong, et al. Variation trend and periodicity analysis of precipitation and runoff in Dongjiang Watershed[J]. Ecological Science, 2016, 35(2): 44-51.

认识流域水文演变趋势和周期性规律对流域可持续发展规划具有重要的生态意义。基于 1989—2011年东江流域9个气象站点的逐日降水数据和3个水文代表站(龙川、河源和博罗)的日径流数据, 分别采用Mann-Kendall趋势检验和小波分析方法对东江流域降水量和径流量变化趋势和周期特征进行了研究。结果表明 1989—2011年间东江流域年降水量和春冬季节降水量呈不显著的减少趋势, 而夏秋季节降水量有增多的趋势; 位于上、中、下游水文站点的年径流量和枯水期径流量均呈现不显著的下降趋势; 东江流域的降水和径流趋向于更加不均的时空分布特征,其周期性演变趋势的时空特征较一致; 年径流系数的变化幅度极小(Mann-Kendal倾斜度接近0)。这项研究也将有益于位于亚热带类似的流域森林植被恢复的政策决定。

降水; 径流; Mann-Kendall检验; 小波分析; 东江流域

1 前言

水文循环过程作为地球物理系统的重要组成部分, 它与气候系统相互作用、相互影响[1–2]。全球气候的变暖直接影响区域降水频率、强度以及时空分布, 进而影响径流量的变化和水资源分配。近年来,国内外一些学者采用不同研究方法对所研究区域内的降水和径流的变化趋势和周期进行了大量研究[3–4]。如Tabai和Talaee[5]采用Mann-Kendal检验法和线性回归方法分析了伊朗41个气象站点1966—2005年降水的变化趋势。刘超等[6]采用假设统计法对黄河上游近 30年的降水和径流变化趋势进行了分析。王澄海和崔洋[7]利用小波分析和奇异谱分析方法对我国西北地区近 50年的降水周期的稳定性进行了对比分析。邱临静等[8]运用滑动平均法、Mann-Kendall趋势法和Sen斜率估计法分析了延河流域1952—2008年降水和径流的变化特征。刘兆飞等[9]结合Mann-Kendall和小波分析方法对太湖流域1957—2009年气象数据和径流量的变化趋势和周期特征进行了研究, 并探讨了降水和径流之间的耦合关系。

东江流域作为气候变化的敏感区, 降水的时空分布不均加剧了该流域的干旱、洪涝和季节性的水资源短缺问题, 因而充分认识东江流域水文循环过程的演变趋势和周期规律, 对科学进行东江流域水资源的综合开发利用具有重要指导意义[10–11]。此外, 近20年来, 东江流域的植被也在不断改善[12], 森林植被的恢复是否会影响该流域产水量的大小也是值得研究的问题。本研究以非参数统计检验(Mann-Kendall)方法为主, 并结合基于显著性检验的小波分析方法对1989—2011年间东江流域及周边9个气象站点的逐日降水数据和3个水文代表站(龙川、河源和博罗)的日径流数据进行趋势及周期分析, 为进一步探讨东江流域气候变化特征和水文循环过程奠定基础。

2 数据来源与研究方法

2.1 研究区概况

东江流域位于东经 113°52＇—115°52＇, 北纬22°38＇—25°14＇, 干流全长562 km, 其中在江西省境内长度127 km, 广东省境内长度435 km, 流域总面积35340 km2(图1)。东江直接为河源、惠州、东莞、广州、深圳以及香港近4000万人口提供生产、生活和生态用水。流域内地貌以低山丘陵为主, 地势东北部高、西南部低。东江流域属南亚热带湿润季风气候区, 光热充足, 雨量充沛。年平均气温21.1 ℃,最冷1月平均气温11.9 ℃, 极端最低气温 –3.8 ℃,最热7月平均气温28.1 ℃, 极端最高气温39.3 ℃。年平均降水量1665 mm, 4—9月为雨季, 约占全年总降水量的80%, 11月至翌年3月为旱季, 仅占全年总降水量的 20%。流域多年平均水面蒸发量在1000—1400 mm之间, 流域年平均水资源总量约为331.1亿m3。东江流域森林植被主要为南亚热带季风常绿阔叶林, 主要由樟科、壳斗科、桑科、桃金娘科、大戟科、茶科、豆科和番荔枝科等组成[13]。

图1 东江流域范围及站点分布图Fig. 1 Map of Dongjiang Watershed and distribution of weather stations

2.2 数据资料

数据采用广东省水文局提供的 9个气象站点23年(1989—2011年)的日降水资料和分别处于流域上中下游的 3个水文站点(龙川、河源和博罗站)1989—2011年的逐日实测径流资料, 流域位置及站点分布见图1。采用克里金插值方法(Kriging)[14]在ArcGIS 9.3平台下分析降水要素的空间分布特征以及计算其在整个流域的平均值。

2.3 Kriging插值方法

克里金方法(Kriging)是以空间统计学作为理论基础(空间自相关性), 采用半方差函数对未知的采样点进行无偏估值的插值方法, 能对空间分布数据进行最优、线性估计, 是主要的插值方法之一。表达式为:

式中:Z为估算点的降水量值;λi为参与插值的站点对估算点降水要素的权重;Z(xi)表示第i个位置处的降水测量值(克里金法可将数学函数与指定数量的点或指定半径内的所有点进行拟合以确定每个位置的输出值)。为了实现线性无偏估算, 使估算方差最小, 可以采用Ordinary/Simple Kriging方程组求得权重系数, 在克里金插值方法中, 权重不仅建立在实测点和插值点间距的基础上, 还要考虑实测点的位置以及空间分布[14]。

2.4 Mann-Kendall非参数统计检验法

Mann-Kendall非参数秩次相关检验法是检验气象水文时间序列单调趋势的有效工具, 主要特点为不受少数异常值的干扰, 适用于类型变量和顺序变量且不要求样本遵从一定的分布[15]。Mann-Kendall检验统计量Z的计算公式为:

式中:n为样本序列时间长度;kx和ix为第k和i个样本数据, 且(k＞i),jt为宽度(extent)为j的“结”(ties)的数量。比如, 对于数据集{ 5, 5, 6, 7, 8, 8, 8, 10, 10, 11, 12, 12},jt值是:13t= [三个没有连“结”(untied)的值(即6,7,11), 宽度为1],23t= [有三个宽度为2的连“结”的值, 即(5, 10, 12)],31t= [有一个宽度为 3 的连“结”值, 即(8)][14]。 ()Var S为方差。对于给定的显著性水平α, 若则否定原假设, 说明该时间序列存在明显的上升或者下降趋势, 若则原假设成立, 说明时间序列没有明显的变化趋势。

Mann-Kendall倾斜度指标β用来衡量序列单调趋势, 计算公式为:

式中 1＜j＜i＜n,β的正或负分别表示变量随时间增加或减少。

2.5 Morlet小波分析法

小波分析是在傅里叶变化的基础上引入窗口函数, 将时间序列分解为时间和频率的贡献, 利用小波变换的时频局部化优势可以用来探讨时间序列的周期成分和多时间尺度变化特征。小波函数是小波分析的关键[16–17], 本研究采用 Morlet小波函数, 其表达式为:

式中:0ω为常数,i为虚数,η表示为无量纲的“时间”单位。

本研究采用Torrence和Compo[18-19]的研究成果,离散持续小波变换方程式如下:

式中:nx为具有相等时间间隔(tδ)的离散的时间序列;n为平移参数,n=0,…,N–1; *号表示共轭复数;s为用来改变尺度的“扩张”参数(Dilation parameter)。由于Morlet小波并没有完全的将时间域局部化, 因而在Torrence和Compo的研究方法中, 考虑了边角效果(Edge effects)的“影响锥”方法(Cone of influence, COI)被引入, 此外, 新的小波分析方法中也引入了显著性水平α=0.05的信度检验[20–22]。

3 结果与分析

3.1 降水量Mann-Kendal趋势检验结果

东江流域及周边各站点降水量年序列(1989—2011年)Mann-Kendal趋势检验的空间分布见图2。可以看出, 除惠阳站外所有站点年降水的统计量 Z值均小于 0, 各站点年降水量变幅(倾斜度β)为–0.57—5.88 mm·10–1·a–1, 且所有站点变化趋势均未通过显著水平α=0.05的信度检验, 表明东江流域年降水量总体表现为不显著的下降趋势, 但个别站点年降水量呈现不显著的上升趋势, 如惠阳站, 其倾斜度β为5.88 mm·10–1·a–1。此外, 从年平均降水量的空间分布来看, 年平均降水量较多的地区主要集中在东江流域的中游和下游地主, 在该流域的上游地区年平均降水量相对偏少, 年平均降水量在整个流域内的变化区间为1467—1906 mm, 由东北向西南呈现递增趋势。

对东江流域及周边各站点不同季节(1989—2011 年)降水量序列进行Mann-Kendal趋势检验分析表明(图3), 9个气象站点春冬降水量均表现为不显著下降趋势(未通过显著水平α=0.05的信度检验), 各站点春季降水量降幅在–11.58—–1.63 mm·10–1·a–1之间,冬季降水量减少幅度区间为–6.82—–3.23 mm·10–1·a–1。与春冬季不同, 所有站点夏秋季降水量都呈现上升趋势, 表明春冬季节降水量的减少对全年总体降水量的减少起了主要贡献。夏季各站点降水量增幅在0.85—12.16 mm·10–1·a–1之间, 且连平、寻乌和惠阳3个站点上升趋势显著。秋季各站点降水量增加趋势与夏季一致, 但增幅相对较小, 有 4个站点的趋势显著(分别为岳城、顺天、惠阳和博罗), 主要集中在流域中游和下游地区。各季节平均降水量空间分布情况表明, 春季平均降水量空间分布与年平均降水量分布一致, 夏秋季节流域平均降水量主要集中在下游地区, 上游降水相对偏少, 而冬季则刚好相反, 表现为流域上游比下游地区降水量相对丰沛。

图 2 东江流域各站点降水量年序列变化趋势的显著性、Mann-Kendal倾斜度及空间分布Fig. 2 Trends of annual precipitation with its magnitude value at each station and spatial distribution of annual precipitation in Dongjiang Watershed

3.2 径流量Mann-Kendal趋势检验结果

对东江流域上中下游龙川、河源和博罗3个具有代表性的水文站点 1989—2011年径流量变化趋势进行分析表明(表1), 流域径流量主要集中在汛期(4—9月), 3个站点汛期的径流量变差系数CV值相对于全年和枯水期最大(均＞=0.36), 而枯水期变差系数CV相对较小(均＜=0.27), 3个站点年径流量的变差系数约为 0.29, 表明该流域汛期径流量的振荡幅度相对较大, 而在枯水期东江流域径流相对稳定,受降雨影响程度较小, 其径流主要贡献来自基流。表2为1989—2011年东江流域年、汛期和枯水期径流量序列的 Mann-Kendal趋势检验结果。整个东江流域年径流量和枯水期径流量统计量 Z值均小于0, 且未达到α=0.05的显著性水平, 说明年径流量和枯水期径流量都呈现为不显著的下降趋势,其中倾斜度β绝对值最大的为河源站, 其年径流量和枯水期径流量的倾斜度β分别达到了–10062.00 万m3·10–1·a–1和–2835.00万m3·10–1·a–1。比较特殊的是龙川站汛期径流量表现为不显著的增加趋势, 增幅为2486.30万m3·10–1·a–1, 而中游和下游两站汛期径流量表现为不显著下降趋势。此外, 对流域年径流系数的趋势分析结果表明(表3), 处于上游的龙川站年径流系数变化趋势并不明显(微弱的上升趋势),处于中游和下游的两个站点的年径流系数呈现为下降趋势(没有达到α=0.05的显著性水平), 但变法幅度较小(β值接近0)。

图3 东江流域各站点四季降水量变化趋势的显著性、Mann-Kendal倾斜度及空间分布(a. 春季、b. 夏季、c. 秋季、d. 冬季)Fig. 3 Trends of precipitation in four seasons with their magnitude value at each station and spatial distribution of seasonal precipitation in Dongjiang Watershed (a. Srping, b. Summer, c. Autumn, d. Winter)

表1 1989—2011年东江流域径流量变化特征Tab. 1 The variation of runoff in Dongjiang Watershed from 1989 to 2011

表2 东江流域上中下游3个代表站点径流量Mann-Kendal统计检验结果Tab. 2 Results of Mann-Kendal test for runoff at the 3 different parts of Dongjiang Watershed

表 3 东江流域上中下游 3个代表站点年径流系数 Mann-Kendal统计检验结果Tab. 3 Results of Mann-Kendal test for annual runoff coefficient at the 3 different parts of Dongjiang Watershed

3.3 降水量和径流量周期变化小波分析结果

采用ArcGIS 9.3软件中的Kriging空间插值方法计算整个流域面的多年(1989—2011年)降水量,并在Matlab软件中进行小波运算, 得到包括流域年降水量的小波变换(图 4a)及方差分布(图 4b)。小波变换图红色区域表示代表要素值偏高, 而蓝色区域表示代表要素值偏低, 同一颜色的中心区对应突变点, 黑色的等值线包围的区域表示通过0.05显著性水平检验, 黑色弧线以上的区域为考虑了小波边角效应(Edge effects)的“影响锥”(Cone of Influence, COI)区域。小波方差图能表示各振荡周期在0.05显著性水平下的显著性(图4右中虚线以上的振荡周期表明通过0.05的显著性水平检验)。图4表明流域年降水量存在1 a, 3 a, 7—9 a的振荡周期, 但3 a, 7—9 a的振荡周期没有通过了0.05的显著性水平检验, 小波变换图中红色区域表明东江流域在 1993—2001年以及 2006—2009年间年降水量振荡比较强烈(降水量相对增加的幅度较大), 而 2002—2004年间振荡相对比较平缓。

分别对研究流域龙川、河源和博罗3个站点年径流量时间序列进行小波分析表明(图5), 3站点年径流量小波变换基本一致。小波方差分布(图5b、图5d、图 5f)表明, 龙川站存在 3个振荡周期, 分别为1 a, 3 a, 5—6 a和10—12 a; 河源站振荡周期为1 a, 3 a, 5—6 a及9—13 a; 博罗站振荡周期为1 a, 3 a, 6 a 和11—13 a。3个站点的各振荡周期与流域年降水量周期性分析结果相近。3个站点的小波变换图中均表明3个站点年径流量变振荡幅度较大(径流量相对增加的幅度较大)的年份主要集中 2005—2007年, 而在2000—2003年流域年径流量处于枯水期, 3个站点年径流量小波变换图与流域年降水量小波变换图也基本接近。3个站点1a的显著振荡周期(黑色等值线区域)主要出现在1992—1998年及2004—2008年左右, 且这个时期径流处于丰水期。

图4 东江流域年降水量(a)及小波变换方差分布(b)Fig. 4 Results of the Morlet wavelet for annual precipitation of Dongjiang Watershed

图5 东江流域3个站点年径流量小波分析Fig. 5 Results of the Morlet wavelet for annual runoff of 3 stations in Dongjiang Watershed

4 讨论与结论

东江流域所有研究站点的降水量在春冬季节均呈现不显著下降趋势, 在夏秋季节均为上升趋势,其中一些站点上升趋势达到了0.05的显著性水平,说明在1989—2011年间东江流域降水趋向于更加不均的时间分布特征。该趋势可能会引起该流域的干旱、洪涝和季节性的水资源短缺问题加剧。东江流域枯水期最长连续无降水日数的变化特征研究也说明东江流域存在季节性干旱加剧的可能性[10]。东江流域研究站点年径流量和枯水期径流量均呈现为不显著下降趋势。可能受降水量减少和土地利用类型变化等因素的影响[11–12]。但龙川站汛期径流量表现为不显著的增加趋势, 主要可能是由于夏秋季节流域降水量趋势增加导致。流域年降水量存在1 a、3 a 和7—9 a的振荡周期, 位于流域上、中、下游代表站点的年径流量也存在3个振荡周期, 且周期较为接近, 说明东江流域降水和径流的周期性演变趋势的时空特征较一致。

森林的变化是否会影响到产水量的变化一直是国内外森林水文的研究热点, Zhou et al. 通过构建气候和土地覆盖影响流域产水量的全球模式定量阐述了在全球范围内森林增加会增加、减少或不影响年均产水量的具体时空格局[23]。针对位于南亚热带流域面积在35340 km2的东江流域而言, 在1989—2009年植被恢复的过程中[12], 该研究发现期间流域上、中、下游的年均径流系数的变化趋势均接近于零, 这属于全球模式中的森林增加并不影响年均产水量的情况, 说明在东江流域森林的增加对年均产水量并没有负面影响。森林增加是否会减少该流域的泥沙含量, 是否会调节年度内丰水期和枯水期的径流量, 是否会影响地表径流和地下径流的比例有待于进一步研究。

本文通过对东江流域降水与径流演变趋势及周期特征分析的研究, 得出以下主要研究结论:

(1) 1989—2011年间, 东江流域的降水趋向于更加不均的时空分布特征。

(2) 东江流域上、中、下游降水和径流的周期性演变趋势的时空特征较一致。

(3) 在东江流域森林植被改善的情况下, 流域各研究站点的径流系数并没有呈减少的趋势, 期间变化趋势倾斜度接近于零。

由于本研究采用数据时间序列较短, 未能在更长时间尺度上研究该流域植被、气象和水文序列的趋势性和周期性规律, 将在后继的工作中做进一步研究, 并将深入分析人类活动对下垫面的干扰和气候变化对东江流域产水量的影响。

[1] 陈仁升, 康尔泅, 杨建平, 等. 水文模型研究综述[J]. 中国沙漠, 2003, 23(3): 221–229.

[2] 张升堂, 康绍忠, 张楷. 黄土高原水土保持对流域降雨径流的影响分析[J]. 农业工程学报, 2004, 20(6): 56–59.

[3] FU Guobin, CHEN Shulin, LIU Changming, et al. Hydroclimatic trends of the Yellow River Basin for the last 50 years[J]. Climatic Change, 2004, 65: 149–178.

[4] YUE Sheng, PILON P, PHINNEY B, et al. The influence of autocorrelation on the ability to detect trend in hydrological series [J]. Hydrological Processes, 2002, 16(9): 1807–1829.

[5] TABARI H, HOSSEINZADEH T P. Temporal variability of precipitation over Iran: 1966-2005 [J]. Journal of Hydrology, 96(3/4): 313–320.

[6] 刘超, 秦毅, 邓娜. 黄河上游主要干支流近期降水、径流统计特征变化分析[J]. 水土保持学报, 2004, 18(1): 96–99.

[7] 王澄海, 崔洋. 西北地区近 50 年降水周期的稳定性分析[J]. 地球科学进展, 2006, 21(6): 576–584.

[8] 邱临静, 郑粉莉, 尹润生. 1952-2008年延河流域降水与径流的变化趋势分析[J]. 水土保持学报, 2011, 25(3): 49–53.

[9] 刘兆飞, 王翊晨, 姚治君, 等. 太湖流域降水、气温与径流变化趋势及周期分析[J]. 自然资源学报, 2011, 26(9): 1575–1584.

[10] 王兆礼, 覃杰香, 陈晓宏. 东江流域枯水期最长连续无降水日数的变化特征[J]. 地理研究, 2011, 30(9): 1693–1701.

[11] 王兆礼, 陈晓宏, 杨涛. 东江流域博罗站天然年径流量序列多时间尺度分析[J]. 中国农村水利水电, 2010, (2): 21–24.

[12] 彭资, 谷成燕, 刘智勇, 等. 东江流域1989–2009年土地利用变化对生态承载力的影响[J]. 植物生态学, 2014, 38(7): 675–686.

[13] 林凯荣, 何艳虎, 雷旭, 等. 东江流域1959–2009年气候变化及其对径流的影响[J]. 生态环境学报, 2011, 20(12): 1783–1787.

[14] 朱蕾, 黄敬峰. 山区县域尺度降水量空间插值方法比较[J]. 农业工程学报, 2007, 23(7): 80-85.

[15] XU Z X, TAKEUCHI K, ISHIDAIRA H. Long-term trends of annual temperature and precipitation time series in Japan [J]. Journal of Hydroscience and Hydraulic Engineering, 2002, 20(2):11–26.

[16] KARINA L, ANDREA I P, PEDRO J D. Mineral Weathering in a Semiarid Mountain River: Its assessment through PHREEQC inverse modeling [J]. Aquatic Geochemistry, 2005, 11(2):173–194.

[17] 程正兴, 杨守志, 冯晓霞. 小波分析的理论、算法、进展和应用[M]. 北京: 国防工业出版社, 2007.

[18] TORRENCE C, COMPO G P. A practical guide to wavelet analysis [J]. Bulletin of the American Meteorology Society, 1998, 79 (1): 61–78.

[19] GRINSTED A, MOORE J C, JEVREJEVA S. Application of the cross wavelet transform and wavelet coherence to geophysical time series [J]. Nonlinear Processes in Geophysics, 2004, 11: 561–566.

[20] ZHANG Qiang, XU Chongyu, JIANG Tong, et al. Possible influence of ENSO on annual maximum streamflow of the Yangtze River, China [J]. Journal of Hydrology, 2007, 333: 265–274.

[21] ZHAI Luxin, FENG Qi. Spatial and temporal pattern of precipitation and drought in Gansu Province, Northwest China [J]. Natural Hazards, 2009, 49: 1–24.

[22] 李辉, 练继建, 王秀杰. 基于小波分解的日径流逐步回归预测模型[J]. 水利学报, 2008, 39(12): 1334–1339.

[23] ZHOU Guoyi, WEI Xiaohua, CHEN Xiuzhi, et al. Global pattern for the effect of climate and land cover on water yield [J]. Nature Communication, 2015, 6: 5918. doi: 10.1038/ncomms6918.

Variation trend and periodicity analysis of precipitation and runoff in Dongjiang Watershed

ZHOU Ping1, CHEN Gang1, LIU Zhiyong2,*, GAO Changjun1
1.Guangdong Academy of Forestry,Guangzhou510520,China2.Institute of Geography,Heidelberg University,Heidelberg D-69120,Germany

It is of vital importance for sustainable watershed development planning to understand hydrological trends and cyclical patterns. We explored trends and periodicities of precipitation and runoff in Dongjiang Watershed by the non-parametric Mann-Kendall test and Morlet wavelet analysis based on daily precipitation data in 9 meteorological stations and the daily runoff data in 3 hydrological stations (Longchuan, Heyuan and Boluo station) from 1989-2011. The results showed that the annual precipitation, precipitation in spring and winter had insignificantly decreasing trends during 1989-2011, while precipitation in summer and autumn presented increasing trends. The annual runoff and runoff in dry season showed insignificant declining trends in the upper, middle and lower reaches of the watershed. The precipitation and runoff tended to be more uneven temporal and spatial distribution,with similar periodical characteristics. The changes in annual runoff coefficient were subtle withβvalues of Mann-Kendal test close to 0. The study could be beneficial to the policy-decision on forest restoration in subtropical similar watersheds.

precipitation; runoff; Mann-Kendall test; Morlet Wavelet Translation; Dongjiang Watershed

10.14108/j.cnki.1008-8873.2016.02.007

文献标识码：A 文章编号：1008-8873(2016)02-044-08

2014-11-18;

2015-04-08

国家自然科学基金重点项目(41430529); 国家林业局公益性行业专项(201204104)

周平(1977—), 女, 湖北荆州人, 博士, 研究员, 主要从事生态学研究, E-mail: zhoupinger@qq.com

*通信作者:刘智勇, 男, 博士生, 主要从事地理信息系统和水文学研究, E-mail: zhiyong.liu@geog.uni-heidelberg.de