拉萨河流域径流对土地利用和气候变化的响应分析

霍军军，伊明启,2，王 静，江玉吉

(1.长江科学院 水资源综合利用研究所，武汉 430010; 2.河海大学 水文水资源学院，南京 210098；3.西藏自治区水文水资源勘测局，拉萨 850000)

1 研究背景

全球气候在过去一个多世纪发生了显著变化，并且将在未来一段时间内持续这种变化[1]。青藏高原平均海拔在4 000 m以上，地形独特复杂，对气候变化响应迅速，是全球气候最敏感的区域之一[2]，且对全球气候变化趋势具有一定的超前性[3]，例如其气候变暖速率自1960年以来为同时期全球变暖速率的2倍左右[4]。在气候变化对水文要素的影响中，径流的变化最为直观，但径流同时也受土地利用变化等因素的影响。因此，如何量化分析径流对气候变化的响应是目前的热点研究内容之一。

目前相关研究表明，土地利用和气候变化是影响流域径流的主要驱动因素。Wang等[5]利用SWAT(Soil and Water Assessment Tool)模型对妫水河流域径流进行模拟分析，认为气候变化对该流域径流量的变化贡献率达到60%；Zhang等[6]也基于SWAT模型在格兰德河和泰晤士河对未来气候情景下的径流响应进行了研究，认为气候变化导致降水时空变异，进而加剧径流的不均匀性。土地利用变化通过改变下垫面条件，也会对径流过程产生较大影响[7]。Chen等[8]运用SWAT和HSPF模型开展了不同时间尺度上土地利用变化对径流影响的不确定性分析；Tankpa等[9]在利用CA-Markov模型预测未来土地利用变化的基础上，基于SWAT模型对Ashi河流域土地利用变化对径流的影响进行了综合分析。在不同的区域，气候与土地利用变化的程度和速度存在差异，因而对径流变化的影响程度也各有不同。在一些区域，相较于土地利用的变化，气候变化对径流的影响程度更大[10]；而在另一些区域，土地利用对径流的影响程度更大[11]。

拉萨河流域地处青藏高原中南部，水量较为丰沛，人口和耕地较为密集，是西藏自治区的政治和文化中心。目前对拉萨河流域的相关研究侧重在气温、降水、冰川冻土等气候要素的变化分析上[12-13]，在土地利用、气候变化等对径流的影响分析方面较少。本文在利用SWAT模型对拉萨河流域径流进行模拟的基础上，通过比较不同情景模式下的径流量变化情况，研究拉萨河径流变化的敏感因素，并量化分析土地利用和气候变化对径流的影响。

2 研究区域与数据

2.1 研究区概况

拉萨河(90°05′E—93°20′E，29°20′N—31°15′N)发源于念青唐古拉山中段南麓，流域面积32 610 km2，河长551 km，平均海拔4 900 m左右。拉萨河流域属高原温带干旱半干旱气候区，植被类型主要有山地灌丛草原和高山草原，径流来源主要为降水和积雪融水。受西南季风影响，流域干湿季节明显，5—9月份为雨季，10月—次年4月份则为旱季，多年平均降水量约为650 mm。全年太阳辐射强度较大，日间气温变化幅度较大。流域内共设有4个水文站，分别为羊八井站、唐加站、旁多站与拉萨站，流域内及周边共分布有气象站5个，分别为尼木站、当雄站、拉萨站、泽当站和嘉黎站，具体信息详见表1和图1。

表1 拉萨河流域水文站和气象站基本信息Table 1 Basic information of hydrological andmeteorological stations in Lhasa River Basin

图1 拉萨河流域地理位置及流域内水文气象站点分布Fig.1 Map of the geographical location of the LhasaRiver Basin and hydro-meteorological stations inthe basin

2.2 数据来源

为建立拉萨河流域径流模型，本文采用的数据包括数字高程模型(Digital Elevation Model，DEM)数据、土地利用数据、土壤数据、气象数据和水文数据等。DEM数据来源于地理空间数据云(http:∥www.gscloud.cn/)，空间分辨率为90 m。土地利用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/)，本文用到了2000年和2015年分辨率为1 km的土地利用数据，其土地利用类型包括林地、耕地、草地、水域、居民地和未利用土地等6个一级大类和25个二级细类组成；在此基础上按SWAT模型要求重分类为耕地、林地、草地、水域、城镇居民区、农村居民区、工业用地、荒地裸地与湿地共9个类型。土壤类型数据来源于联合国粮农组织(FAO)发布的世界土壤数据库(Harmonized World Soil Database version1.1，HWSD)(http:∥westdc.westgis.ac.cn/)，空间分辨率为1 km。以上数据在本文应用中都统一到1 km的空间分辨率。

气象数据来源为中国气象数据网(http:∥data.cma.cn/)，包括尼木站、当雄站、拉萨站、泽当站与嘉黎站1976—2016年日降水、气温、风速、相对湿度与太阳辐射数据。水文数据为羊八井站、旁多站、唐加站与拉萨站1976—2016年日径流数据。

3 研究方法

3.1 SWAT 模型与径流模拟

利用以上地理空间数据和气象水文数据，构建拉萨河流域径流SWAT模型。该模型将拉萨河流域划分为27个子流域，继而细分为107个水量平衡单元。SWAT模型参数较多，本文根据相关研究及区域特点共选取了11个参数进行率定和验证，分别为SOL_AWC、CN2、SOL_Z、GW_DELAY、ALPHA_BF、GWQMN、SOL_K、ESCO、CANMX、GW_REVAP和EPCO。模型率定期为1990—1996年，验证期为1997—2003年，并选取决定系数(R2)、纳什效率系数(Nash-Sutcliffe efficiency，NSE)、误差百分数(Percent Bias，PBIAS)、均方根误差与标准误差比率(Ratio of the root mean square error to the standard deviation of measured data，RSR)用于评价模拟精度，评价指标计算公式如式(1)—式(4)所示。

(2)

(3)

(4)

式中：Q1为实测径流量(m3/s)；Q2为模拟径流量(m3/s)；Q1m为实测平均径流量(m3/s)；Q2m为模拟平均径流量(m3/s)；n为数据总个数。

R2和NSE在[0，1]内取值，越接近于1，表明拟合程度越好。一般情况下，当R2>0.7，NSE>0.6时，模拟结果与实测数据拟合情况较好。PBIAS和RSR可对模型模拟值与实测值偏差大小进行评价，一般认为PBIAS绝对值<15%，RSR<0.7时，模拟效果较好。

我把原来存在旧手机电池里的电放光，以测试能否完全靠太阳能工作。这个应急灯就放在客厅的茶几上，电池板朝向南方，没有放在阳光直射的窗台上。开始的几天，我每天晚上测试使用两个小时，可以正常工作很多天，后来尝试了一次整晚点亮应急灯，到第二天早晨都能正常发光。如果把它放到阳台上的阳光下，应该可以充更多的电。测试结果表明，使用这个家用应急灯时，只要放在光线较好的地方，停电时就可以使用很长时间，平时完全不用惦记充电的事。

本文选用SWAT-CUP中SUFI-2程序分析模型参数的全局灵敏度，并采用p值和t值对灵敏度进行评价。某一参数的p值越小，t值绝对值越大，代表该参数越灵敏[14]。

3.2 情景设置

本文通过对土地利用条件与气候因子设置不同的情景并进行交叉组合，来分析拉萨河流域径流在不同因素变化及协同作用下的响应情况。

3.2.1 土地利用变化与气候因素共同作用情景设置

从当雄站、嘉黎站、尼木站、拉萨站和泽当站1985—2016年间的年均降水、年均气温数据可以看出，2000—2016年期间年均降水与气温较1985—2000年都显著增加，其中嘉黎站年均降水增加达22.04 mm，拉萨站年均气温升高达1.17 ℃。因此，为探求拉萨河流域土地利用变化与气候因素对径流的综合影响，本文拟以2000年为界将1985—2000年、2001—2016年气象数据与2000年、2015年土地利用情况进行交叉组合，共设置S1—S4四种情景，如表2所示。通过比较S1与S3、S2与S4情景结果以分析土地利用变化情况对径流的影响，比较S1与S2、S3与S4情况结果以分析气候变化对径流的影响，比较S1与S4情景结果以分析土地利用和气候变化协同作用下径流的变化情况。

表2 土地利用和气候变化情景设置Table 2 Scenarios of land use and climate change

3.2.2 气候变化情景设置

参考拉萨河流域近30 a气温和降水的变化趋势，气候情景设置以1984—2016年实测气温和降水数据为基础，降水增减10%、20%(P1—P4)，气温增减1、2 ℃(T1—T4)，并交叉组合为情景PT1—PT8，如表3所示。

表3 气温和降水变化情景设置Table 3 Scenarios for the combination of temperatureand precipitation changes

4 结果与分析

4.1 模拟效果评价

冻土变化通过影响地表径流、土壤含水量、地下水储量等因素而使流域水量平衡发生变化[15]。青藏高原冻土分布较为广泛，目前对青藏高原不同区域的研究结果表明，冻土退化是径流变化的驱动因素之一[16-17]。对于拉萨河流域，Lin等[18]相关研究表明，冻土变化不是影响径流的控制性因素。根据国家青藏高原科学数据中心(http:∥data.tpdc.ac.cn)发布的多年冻土分布概率(Permafrost Zonation Index，PZI)结果(图2(a))，拉萨河流域无冻土分布(PZI≤0.01)的区域面积约占41.5%，常年分布冻土(PZI≥0.5)(图2(b))的区域面积约占27.5%，冻土年际变化的区域占比较小。冻土对拉萨河流域径流的影响体现在冬季[16]，而拉萨河冬季径流量约占年径流量的14%，比例较小，因此冻土变化对拉萨河流域径流的总体影响较小，故在SWAT模型中未着重考虑冻土因素。

图2 拉萨河流域冻土分布情况Fig.2 Distribution of permafrost in the Lhasa Riverbasin

图3 拉萨河流域径流模拟效果评价Fig.3 Evaluation results of runoff simulation effect in Lhasa River Basin

表4 拉萨河流域SWAT模型参数敏感性分析Table 4 Sensitivity analysis of SWAT model parametersin Lhasa River Basin

4.2 径流对土地利用和气候因素变化的响应分析

4.2.1 土地利用变化情况

拉萨河流域2000年和2015年土地利用类型分布情况如图4所示，2000—2015年的土地利用类型变化转移矩阵如表5所示。2000—2015年拉萨河流域主要土地利用类型为牧场、荒地裸地和林地，且所占面积变化均不大。牧场、荒地裸地和林地面积占比2000年分别为67.99%、23.69%、3.83%，2015年变为67.84%、23.69%、3.83%。由表5可以看出，拉萨河流域2000—2015年，牧场变化面积较大，主要向荒地裸地和耕地转移，面积分别为1 017 km2和196 km2；其次荒地裸地变化面积也较大，主要向牧场和水域转移，面积分别为708 km2和41 km2。

图4 拉萨河流域2000年和2015年土地利用类型Fig.4 Land use map of Lhasa River Basin in 2000 and 2015

表5 拉萨河流域2000—2015年土地利用类型变化转移矩阵Table 5 Transfer matrix of land use change in Lhasa River Basin from 2000 to 2015 km2

4.2.2 径流对土地利用变化和气候因素响应分析

本文利用率定后的SWAT模型分别计算了表2中各情景下的拉萨河流域径流过程，并比较了流域总径流深变化情况，结果如表6所示。可以看出，在相同的土地利用情况下(情景S1与S2、情景S3与S4)，2001—2016年气候条件较1985—2000年的年均径流深增加约22.91 mm；在相同气候条件下(情景S1与S3、情景S2与S4)，2015年土地利用状况较2000年的年均径流深增加约4.71 mm。气候变化和土地利用对年均径流影响占比分别约为82.9%和17.1%，土地利用变化对拉萨河流域径流的影响较小，原因可能在于研究期1985—2016年内，拉萨河流域土地利用变化较小，而气温与降水显著增加。土地利用状况与气候条件都发生变化时(情景S1与S4)，年均径流深平均增加约27.61 mm。总体上看，目前拉萨河流域径流随土地利用与气候条件变化呈同步增加趋势，且气候条件变化是影响径流的主要因素。

表6 土地利用与气候变化情景下的拉萨河流域径流深变化统计Table 6 Statistics of runoff depth in Lhasa River basinunder land use and climate changes

拉萨河各子流域表2情景下的径流深变化情况如图5所示。图5(a)为各子流域在相同气候条件下(情景S1与S3、情景S2与S4)2015年土地利用状况较2000年的年径流深变化情况，可以看出：拉萨河上游区域径流深呈增加趋势；中游区域的支流呈增加趋势而干流呈现减少趋势；下游区域支流呈减少趋势而干流呈增加趋势。图5(b)为各子流域在相同土地利用状况下(情景S1与S2、情景S3与S4)2001—2016年气候条件较1985—2000年的年径流深变化情况，可以看出：上中下游径流深均呈增加趋势，下游支流区域较中上游增加趋势更为明显，原因可能在于相对中上游区域，下游区域2001—2016年的气温与降水较1985—2000年增加幅度更大。图5(c)为各子流域年径流深对土地利用与气候变化的协同响应结果，总体上径流深均呈增加趋势，且下游支流区域的增加趋势最为显著，这也表明了目前拉萨河流域径流变化的主导因素是气候条件。

图5 拉萨河流域径流深变化空间分布Fig.5 Spatial distribution of runoff depth changein Lhasa River basin

4.3 径流对气候条件变化响应分析

降水(P1—P4)与气温(T1—T4)条件下的拉萨河流域径流深变化结果如图6所示。可以看出拉萨河流域径流深变化与降水、气温呈较为显著的正相关，近似线性拟合下，降水每增加10%致径流深增加约11.81%，气温每升高1 ℃致径流深增加2.58%。

图6 拉萨河流域径流深变化相关性分析Fig.6 Correlation analysis of runoff depth changes inLhasa River basin

各组合情景下(PT1—PT8)的拉萨河流域径流模拟计算结果也表明，流域径流变化与降水、气温存在较为明显的正相关关系，如表7所示。

表7 降水与气温变化情景下的拉萨河流域径流深变化统计Table 7 Statistics of runoff depth changes in Lhasa Riverbasin under precipitation and temperature changes

拉萨河各子流域降水(P1—P4)与气温(T1—T4)条件下的径流深变化结果如图7所示。由图7可以看出，各子流域径流深均随降水同步变化，且变化幅度差异较小，降水增大10%时各子流域径流深增加约8%～12%。气温发生变化时，中上游径流深随气温增高而减少，下游径流深则随气温增高而增加；气温每增加1℃，中上游区域径流深约减小0.7%，下游区域径流深约增加3.6%。

图7 降水与气温变化情景下的拉萨河流域径流深变化空间分布Fig.7 Spatial distribution of runoff depth changes in Lhasa River basin under precipitation and temperature changes

5 结 论

本文在建立SWAT模型对拉萨河流域径流进行模拟的基础上，通过比较不同情景模式下的径流变化情况，量化分析土地利用、气候变化对拉萨河流域径流的影响，结果表明：

(1)气候变化与土地利用对径流影响占比分别约为82.9%和17.1%，气候变化对拉萨河流域径流的影响较大，主要原因在于近30 a拉萨河流域土地利用情况变化不大，而气温和降水显著增加。

(2)径流随降水增大而增加，降水每增大10%，拉萨河各子流域径流增加约8%～12%，总径流增加约11.8%。

(3)径流随气温变化的空间差异性较大，气温每升高1 ℃，拉萨河中上游径流减小约0.7%，下游径流增加约3.6%，但总径流增加约2.5%。