黑龙江省不同土地利用下季节降水-径流-土壤水响应关系研究

邢贞相，孙 鹏，纪 毅，李凤昱，付 强*，丁 红

（1.东北农业大学水利与土木工程学院，哈尔滨150030；2.黑龙江省水利科学研究院，哈尔滨150050）

径流是水文循环重要环节，也是水文研究重要变量之一。径流的形成开始于降水过程，结束于流域出口断面流量过程，是降水与流域下垫面条件共同作用产物[1-2]。降水是水循环重要补给来源，其时空分配变化直接影响径流变化，汛期径流集中，洪峰过大易造成洪灾，非汛期径流量减少以致断流形成旱灾[3]。随人类活动加剧，一方面改变径流形成物理条件，另一方面影响水量平衡要素在时空和数量上的变化[4]。研究径流对降水变化的响应规律，可为开展径流预报流域水资源开发利用奠定基础[5]。土壤湿度是地表物理过程中重要影响因子，在改善区域和全球气候模型、干旱监测、预估农作物产量和投资等方面发挥重要作用[6]。降水是影响土壤水分重要因素之一，对土壤水分起调节和控制作用[7-9]。土壤水分通常随降水增加而增加，但在极端干旱和湿润区域观察到土壤水分和降水存在负反馈关系[10-11]。且降水频率变化对土壤水分动态影响显著，瞬时入渗速率受降雨强度和时间影响较大[12-13]。此外，土壤水分还受土地利用类型、海拔和土壤深度等非气象因素影响[14]。

黑龙江省为我国重要商品粮基地，粮食产量逐年增长[15]，随耕地开垦和利用，出现农业用水量提高、水资源承载能力下降、水资源供需矛盾突出等问题，对黑龙江省水资源高效综合利用造成严重压力[16]。从水资源利用角度，通常将降水、径流、土壤水、地下水等统称为水源。因此，研究不同水源响应关系有利于掌握水资源循环系统特征、解决水资源短缺带来的一系列问题，对社会发展与水生态保护具有重要意义。

针对不同水源响应关系的研究，国内外学者开展一系列探索，时忠杰等结合宁夏六盘山区香水河小流域2004~2005年降雨、径流观测资料，对流域的坡向、海拔和植被对降雨径流的影响进行研究，结果表明，径流对降雨的响应以人工林的最大，灌丛的次之，亚高山草甸的最小[17]。Dhakal等根据得克萨斯州90个流域的土地利用数据，计算了不同土地利用情况下各流域径流深度和容量径流系数，并对降雨径流响应关系进行了分析[18]。王维等利用红花岗区气象站、雨量站1952至2015年资料，分析年径流系数变化趋势及其与流域下垫面特征的关系，结果表明，径流对降雨的响应关系与下垫面地貌、植被条件等密切相关，下垫面变化是影响贵州省降雨径流响应关系变化的主要因素[19]。Bienes等采用人工降雨模拟系统对SBS、防水砖、水泥路面、透水砖和草地5种典型下垫面进行了试验研究，结果表明：不同土地利用条件下的径流对降雨持续时间的响应关系十分显著，相关系数高达92%~97%[20]。石扬旭等使用ArcGIS和ENVI等软件对流域多年平均径流系数和各下垫面因子进行相关性分析，结果表明，林地、耕地面积所占比例对多年平均径流系数和降雨径流响应关系有较大影响[21]。

目前不同水源响应关系研究主要集中在场次洪水的降水-径流-土壤含水量响应特征，对季节尺度下不同水源间响应特征研究较少；大多以流域为研究对象，以栅格为基本单位，考虑流域下垫面差异开展不同水源间响应关系的研究较少，以栅格为单位作响应分析更加准确。水资源利用尤其是农业用水具有较强季节性，大空间区域尺度下垫面差异明显。本文依据1981~2020年黑龙江省逐月降水（P）、径流（R）和土壤含水量（S）资料，以春夏秋冬4个季节为时间尺度，根据不同土地利用类型中不同水源网格数据，研究不同季节和土地利用类型降水、径流、土壤含水量间响应特征，定量分析径流对降水、土壤含水量对降水、土壤含水量对径流的相关关系，为深入研究区域降水、径流、土壤含水量等各类水源转化及水资源季节性综合开发利用提供参考。

1 研究区域概况

黑龙江省（见图1，其中黑龙江省行政边界来自中华人民共和国自然资源部标准地图）为我国纬度最高省份，北纬43°26′~53°33′，经度121°11′~135°05′，占地面积约4.73×105km2[22]，西部和南部分别毗邻内蒙古自治区和吉林省，属温带大陆性季风气候[23]。黑龙江省年平均气温-5~5℃，极端最低气温-52.3℃，极端最高气温41.6℃，年平均降水量400~650 mm，生长季降水约占全年总量83%~94%。黑龙江省降水东部大于西部，根据降水量为湿润区、半湿润区和半干旱区[24]。黑龙江省土地利用类型主要由林地、草地、耕地、水体、建设用地和湿地组成，林地、草地、耕地和湿地占总面积94.88%，各类土地利用面积占总面积比例如图1所示。

图1 黑龙江省土地利用栅格图及各土地利用占比Fig.1 Land use grid chart of Heilongjiang Province and the proportion of each land use

2 数据与方法

2.1 数据来源

降水、径流和土壤含水量等原始栅格气象数据来源于Copernicus Programme官网1981~2020年ERA5-Land数据集，该数据集是通过ECMWF ERA5再分析模型计算的再分析数据集[25]。ERA5-Land月平均数据可从Climate Data Store免费访问和下载。该数据集空间分辨率为0.1°×0.1°（约9 km×9 km），时间尺度为月尺度，研究使用的季节尺度降水、径流和土壤含水量等数据为各季节对应月数据累加所得。栅格径流数据为ERA5-Land数据集中总径流（由地面径流和地下径流构成，以径流深表示），ERA5-Land数据集中土壤含水量数据来自ECMWF综合预报系统，数据集包含4层土壤含水量数据，第一层（S1）土壤深度0~7 cm，第二层（S2）土壤深度7~28 cm，第三层（S3）土壤深度28~100 cm，第四层（S4）土壤深度100~289 cm。0~10 cm土壤含水量因受降水影响不稳定，降雨初期土壤含水量响应过于敏感，降雨后期土壤含水量达到饱和时，其含水量对后续降水响应迟钝，导致土壤含水量和降水相关较弱[26]。深度过大（如S3、S4）土壤含水量对降水响应不敏感[27]，故选取数据集中S2层土壤含水量为研究对象。黑龙江省级行政边界来自中华人民共和国自然资源部标准地图，构建地理数据库所需的空间分辨率为1 km×1 km的土地利用数据集，来自中国科学院资源与环境科学数据中心（RESDC）[28-29]。因ERA5-Land的降水等气象数据集空间分辨率为0.1°×0.1°（约9 km×9 km），与土地利用数据集的空间分辨率不匹配，故利用ArcGIS将土地利用数据的空间分辨率由原来1 km×1 km降为9 km×9 km。

2.2 方法

为定量研究降水、径流、土壤含水量在不同土地利用和季节条件下相关关系，选取皮尔逊（积矩）相关系数计算其相关程度，皮尔逊相关系数用于测量两个变量之间线性相关程度，广泛应用于科学和商业等领域[30-32]。对相关系数取绝对值后，0~0.09可近似认为无相关性，0.1~0.3认为弱相关，0.3~0.5认为中等相关，0.5~1.0认为强相关。皮尔逊相关系数假设检验采用t检验方法，具体方法参见文献[33-34]。为统一土地利用数据和气象数据栅格分辨率，利用ArcGIS重采样工具最近邻法将1 km×1 km的土地利用数据变为9 km×9 km栅格数据。最近邻法无新值创建，可将像素值更改内容最小化，适用于离散数据，例如土地利用类型数据。

3 结果与分析

3.1 草地季节降水-径流-土壤含水量相关关系分析

表1 为草地覆被条件下季节降水、径流、土壤水含量间相关系数均值及比值，其中任意两类水源相关系数均值为同一类覆被条件下所有网格中两类水源相关系数算术平均。由表1可知，草地：春季降水与径流、径流与土壤含水量、降水与土壤含水量相关系数分别为0.41、0.39、0.30（见图2a），变量间相关关系均为中等正相关（见图2b）；夏季降水与径流、径流与土壤含水量、降水与土壤含水量的相关系数为四季最高，两变量之间相关关系均为强正相关；秋季降水与径流的相关系数为强正相关，径流与土壤含水量、降水与土壤含水量的相关系数均为中等正相关；冬季上述3个相关系数绝对值为0~0.09，说明任意两种水源间相关性均较弱，故未分析其相关性。

表1 草地季节降水-径流-土壤含水量相关系数均值及比值Table 1 Mean value and ratio of correlation coefficient of precipitation,runoff and soil water content in four seasons of grassland

图2 黑龙江省草地栅格分布图及相关系数箱线图Fig.2 Grid distribution and correlation coefficient box plot of grassland in Heilongjiang Province

上述结果表明草地覆被条件下春、夏、秋三季降水量、径流量、土壤含水量间具有较好相关关系，其中夏季各水源间相关性强于春、秋两季，冬季各水源间相关性较弱。从各季节内3种水源间相关性来看，春季降水量与同期径流量、土壤含水量的相关关系强于径流与土壤含水量的相关关系，且降水-径流相关性最强；夏季3种水源相关性均较强，其中降水-径流相关性最强；秋季3种水源相关性一般，其中仍以降水-径流相关性最强；冬季3种水源间相关性均极弱。对土壤含水量，除冬季外其他3个季节内与其相关水源也不同，春季与土壤含水量相关最强水源为降水，夏秋两季与土壤含水量相关最强水源为径流。因此，各水源间相关性因季节不同而有差异，这也是本文以季节为时间尺度研究各水源间相关性的原因。

1981~2020年草地春季降水与径流多年平均比值为0.16，夏季降水与径流多年平均比值为0.17。春、夏、秋三季土壤含水量与径流多年平均比值分别为1.75、0.53、2.63，春、秋季土壤含水量与降水量的多年平均比值分别为0.28、0.29，结果见表1。

3.2 林地季节降水-径流-土壤含水量相关关系分析

表2 列出林地覆被条件下季节降水、径流、土壤水含量间相关系数均值及其比值，其中任意两类水源相关系数均值为同一类覆被条件下所有网格中两类水源相关系数算术平均。由表2可知，林地春季降水与径流、径流与土壤含水量、降水与土壤含水量相关系数分别为0.33、0.31、0.36（见图3a），变量间相关关系均为中等正相关（见图3b）；夏季降水与径流、径流与土壤含水量、降水与土壤含水量相关系数为0.85、0.67、0.56，两变量间相关关系均为强正相关；秋季降水与径流、径流与土壤含水量相关系数均为强正相关，降水与土壤含水量的相关系数均为中等正相关；冬季上述3个相关系数绝对值为0.02~0.08，说明任意2种水源间相关性均较弱，故未分析其相关性。

图3 黑龙江省林地栅格分布图及相关系数箱线图Fig.3 Grid distribution and correlation coefficient box plot of forest in Heilongjiang Province

上述结果表明，林地覆被条件下春、夏、秋三季降水量、径流量、土壤含水量间具有较好相关关系，其中夏季各水源间相关性强于春、秋两季，冬季各水源间相关性相对较弱。从各季节内3种水源间相关性看，春季径流量与同期降水量、土壤含水量相关关系强于降水与土壤含水量相关关系，径流-土壤含水量相关性最强；夏季3种水源相关性均较强，其中降水-径流相关性最强；秋季3种水源相关性一般，其中仍以降水-径流相关性最强；冬季三种水源间相关性均极弱。对土壤含水量，除冬季外其他3个季节内与其相关的水源也不同，春季与土壤含水量相关最强水源为径流，夏秋两季与土壤含水量相关最强水源为降水。

1981~2020年林地春、夏、秋季降水与径流多年平均比值分别为0.29、0.20、0.11。秋季土壤含水量与径流的多年平均比值为2.08，高于林地春、夏季两者比值；春、秋季降水与土壤含水量比值均为0.23，结果见表2。

3.3 湿地季节降水-径流-土壤含水量的相关关系分析

表3 为湿地覆被条件下季节降水、径流、土壤水含量间相关系数均值及比值，其中任意两类水源的相关系数均值为同一类覆被条件下所有网格中两类水源相关系数的算术平均。由表3可知，湿地春季降水与径流、径流与土壤含水量、降水与土壤含水量的相关系数分别为0.38、0.31、0.38（见图4a），变量间相关关系均为中等正相关（见图4b）；夏季降水与径流、径流与土壤含水量、降水与土壤含水量的相关系数分别为0.84、0.67、0.57，与夏季林地的相关系数一致；秋季降水与径流和径流与土壤含水量相关系数为强正相关，降水与土壤含水量相关系数为中等正相关；冬季上述3个相关系数绝对值为0~0.09，说明3种水源间相关性极弱，故未分析其相关性。

表3 湿地季节降水-径流-土壤含水量相关系数均值及比值Table 3 Mean value and ratio of correlation coefficient of precipitation,runoff and soil water content in four seasons of wetland

图4 黑龙江省湿地栅格分布图及相关系数箱线图Fig.4 Grid distribution and correlation coefficient box plot of wetland in Heilongjiang Province

上述结果表明湿地覆被条件下春、夏、秋三季降水量、径流量、土壤含水量间具有较好相关关系，其中夏季各水源间相关性强于春、秋两季，冬季各水源间相关性较弱。从各季节内3种水源间相关性看，春季径流量与同期降水量、土壤含水量相关关系强于降水与土壤含水量的相关关系，且降水-土壤含水量相关性最弱；夏季3种水源相关性均较强，其中降水-径流相关性最强；秋季3种水源相关性一般，其中仍以降水-径流相关性最强。对于土壤含水量，除冬季外其他三内与相关水源也不同，春季与土壤含水量相关最强水源为径流，夏秋两季与土壤含水量相关最强水源为降水。1981~2020年湿地春、夏季径流与降水的多年平均比值为0.30、0.26。春、夏、秋三季土壤含水量与径流的多年平均比值分别为0.90、0.31、2.50。春、秋季土壤含水量与降水量多年平均比值分别为0.27和0.25，夏季土壤含水量与降水多年平均比值仅为0.08，主要由湿地区域大部分降水形成径流所致，结果见表3。

3.4 耕地季节降水-径流-土壤含水量的相关关系分析

表4 列出耕地覆被条件下季节降水、径流、土壤水含量间相关系数均值及其比值，其中任意两类水源的相关系数均值为同一类覆被条件下所有网格中两类水源相关系数的算术平均。由表4可知，耕地春季降水与径流、径流与土壤含水量、降水与土壤含水量的相关系数分别为0.43、0.29、0.39（见图5a），降水与径流、径流与土壤含水量的相关系数比其他3种土地利用下相应水源的相关系数高，降水与土壤含水量相关系数较其他3种土地利用下相应水源的相关系数低（见图5b）；夏季降水与径流、径流与土壤含水量、降水与土壤含水量相关系数分别为0.85、0.67、0.59，降水与径流、径流与土壤含水量相关系数与夏季林地相应水源相关系数相等、降水与土壤含水量的相关系数与夏季林地相应水源相关系数仅差0.02；秋季降水与径流、径流与土壤含水量相关系数均为强正相关，降水与土壤含水量相关系数为中等正相关；冬季上述3个相关系数绝对值为0.01~0.08，说明3种水源间相关性极弱，故未分析其相关性。

表4 耕地季节降水-径流-土壤含水量相关系数均值及比值Table 4 Mean value and ratio of correlation coefficient of precipitation,runoff and soil water content in four seasons of cultivated land

图5 黑龙江省耕地栅格分布图及相关系数箱线图Fig.5 Grid distribution and correlation coefficient box plot of cultivated land in Heilongjiang Province

上述结果表明，耕地覆被条件下春、夏、秋三季降水量、径流量、土壤含水量间具有较好相关关系，其中夏季各水源间相关性强于春、秋两季，冬季各水源间相关性较弱。从各季节内3种水源相关性看，春季径流量与同期的降水量、土壤含水量相关关系强于降水与土壤含水量相关关系，降水-径流相关性最强；夏季3种水源相关性均较强，其中降水-径流相关性最强；秋季3种水源相关性一般，其中仍以降水-径流相关性最强。对土壤含水量，除冬季外其他3个季节与其相关性强水源也不同，春季与土壤含水量相关最强水源为径流，夏秋两季与土壤含水量相关最强水源为降水。

1981~2020年耕地春、夏季降水与径流多年平均比值分别为0.18、0.20；春、夏、秋三季土壤含水量与降水多年平均比值分别为1.32、0.08、2.63，土壤含水量与降水多年平均比值分别为0.25和0.24，结果见表4。

4 结论

本文基于ERA5-Land数据集中降水、径流、土壤水等网格数据，依据黑龙江省不同土地利用类型，以季节为时间尺度，分析1981~2020年黑龙江省降水-径流、降水-土壤含水量、径流-土壤含水量响应关系，得出以下结论：

a.黑龙江省降水-径流、降水-土壤含水量、径流-土壤含水量相关程度因季节而不同，其相关性由强至弱为：夏季>秋季>春季>冬季，且冬季相关性极弱。

b.黑龙江省降水与径流相关性程度：耕地>草地>湿地>林地；降水与土壤含水量相关性程度：林地>湿地>草地>耕地；径流与土壤含水量相关性程度：耕地>草地>林地>湿地。

c.黑龙江省春夏秋各季节径流量与降水量多年平均比值分别为0.23、0.20、0.10，其中春、夏两季径流与降水比值较高；各季节土壤含水量与同期径流量多年平均比值分别为1.12、0.40、2.42，其中秋季土壤含水量与径流量比值最大；各季土壤含水量与相应降水的多年平均比值分别为0.25、0.08、0.24，其中春、秋季土壤含水量与降水量比值最大。

d.除冬季3种水源响应关系极弱外，其他3个季节黑龙江省年内径流接受降水的补给量以春、夏季为主、土壤含水量接收径流补给量以春、秋季为主、土壤含水量接收降水补给量以春、秋季为主。对于不同土地利用类型，上述各季节水源间响应关系差异较大。