胡雅丹 ,张 飞,范宣梅,郁文龙
1. 成都理工大学 地质灾害防治与地质环境保护国家重点实验室,成都 610059
2. 中国科学院地球环境研究所 黄土与第四纪地质国家重点实验室,西安 710061
土壤侵蚀是现今全球主要的环境问题之一,对农业生产力降低、河流径流输沙甚至全球气候变化都有着重要的影响(李占斌等,2008)。我国土壤侵蚀形势严峻,轻度以上土壤侵蚀面积约为482.53万km2(赵晓丽等,2002)。土壤侵蚀受气候条件、地表环境以及土壤自身性质的综合影响(魏宁和魏霞,2016)。其中,土壤侵蚀与气候变化的响应关系颇有争议。在地质时期尺度的研究中,前人重点讨论了强土壤侵蚀期与气候期的对应关系,研究结果基本分为三种截然不同的观点:(1)强土壤侵蚀期与湿润气候期相对应;(2)强土壤侵蚀发生在干旱气候与湿润气候的过渡时期;(3)强土壤侵蚀期与干旱气候期对应(景可和李凤新,1993;景可和焦菊英,2011)。在现代气候研究中,学者们普遍认为全球气候趋向温暖化发展,近年来论证气候变化对土壤侵蚀的影响引起了广泛关注。其中,通过研究气候变化对侵蚀环境的改变进而讨论气候对土壤侵蚀的重要作用是较为普遍的研究方法之一。例如:气候变暖导致冰川退缩、冻土退化等融化过程使得地表径流增加;温度升高导致冻土强度降低进而加大灾害发生风险等(陈同德等,2020)。虽已有一些研究认为全球气候暖化会促进土壤侵蚀的加剧(孙本国等,2008;Lu et al,2010;Zhang et al,2020),但未来气候进一步暖化是否会加剧土壤侵蚀仍存在着不确定性。因此,对相关研究展开进一步的探讨不仅有助于深入理解气候变化与土壤侵蚀的相互作用机制,更对未来气候持续变暖背景下应对侵蚀变化具有重要的现实意义。
河流悬浮物是研究土壤侵蚀的常用工具。气候变化通过调节地表水循环影响河流系统,进而管理沉积物的输送效率(Zhao et al,2017;Yang et al,2018)。河流泥沙研究对于有效应对水土流失及防护,促进生态环境的可持续发展具有重要作用。据野外考察发现,在雅鲁藏布江流域及黄土高原关键带存在河水在雨季前期变浑浊的异常现象,其产生原因及控制机理尚无定论。本文以该异常现象为出发点,基于水文气象数据探讨高原地区地表侵蚀的响应机制。
地处季风交汇地带的青海湖流域是维系青藏高原东北部生态安全的重要区域,因其特殊的地理位置及气候特征更是被视为气候变化的“指示器”。学者们在各领域开展了青海湖流域土壤侵蚀的相关研究,如沙占江等(2012)和张娟(2012)基于遥感和GIS对布哈河流域的土壤侵蚀进行了定性半定量评价研究,认为该流域以轻度及中度侵蚀为主;Jin et al(2011)和Zhang et al(2013)利用水化学数据讨论了青海湖流域的地表风化与侵蚀过程。然而,现有研究大多集中于流域的侵蚀强度评价或气候对季节性风化、侵蚀的整体性影响,鲜少讨论该区特有的强烈的季节性冻融作用在地表侵蚀中的贡献。本文选取青海湖流域最大河流布哈河为研究对象,以径流量、悬浮物浓度、气温及降雨的逐日监测数据为基础,分析该流域在不同时间尺度下受气候影响的侵蚀行为的变化特征,以期补充现有关于土壤侵蚀对气候变化响应机制研究的不足。
青海湖流域位于青藏高原东北部(97°50′ ― 101°20′E,36°15′ ― 38°20′N),地处我国西北干旱区、西南高寒区和东部季风区的交汇区域(方健梅等,2020),对全球气候和环境变化尤为敏感。流域分别被日月山、青海南山、天峻山、大通山脉所环绕,形成一地势以西北高、东南低为特征的内陆湖盆地,平均海拔约为4000 m,流域面积约29661 km2(杨雄丹等,2020)。区内青海湖是我国最大的内陆咸水湖,其形成受晚新生代新构造活动的影响。湖区北部大通山为北北西(NNW)走向,基岩裸露(Zhang et al,2013)。据统计,入湖河流约数十条,其中布哈河是青海湖流域内长度及流域面积均最大的河流(图1)(周一飞等,2017)。
图1 布哈河流域区域概况图Fig. 1 The map of study area
布哈河起源于疏勒南山,自西北向东南流入青海湖。河流全长约286 km,源头海拔、河口海拔分别为4513 m、3195 m,流域面积为14337 km2,约占青海湖流域总面积的1/2。区内出露二叠纪海相灰岩和砂岩、志留纪砂岩和片岩,以丘陵地形为主(Zhang et al,2013)。流域内主要发育的土壤类型包括草毡土、栗钙土、泥炭沼泽土、钙质石质土等,植被类型多为高寒草原、高寒草甸(张超等,2017)。布哈河流域属于高原半干旱气候,夏季短暂,冬季漫长,春季多风沙。流域内年平均气温为-2.25℃,日平均温度在- 27.5 — 16.5℃波动,多年平均降水量(1957 —2015年)为386 mm,平均蒸发量(1991 — 2015年)为977 mm。降水主要集中在5 — 9月,约占全年90%以上(彭红明等,2015),使得地表径流大多集中在该时期。该区域气候变化表现为雨热同季,月降雨量峰值及最高月平均气温多出现在7 — 8月(图2)。然而,在冷季(11月—次年3月),低温导致地表冻结,此时降雨主要以降雪形式发生。
图2 布哈河2008 — 2015年月平均降雨量及月平均气温变化Fig. 2 Monthly average variations in precipitation and temperature in Buha River from 2008 to 2015
本文选用布哈河水文站在2008 — 2015年逐日监测的水文气象数据,包括河流悬浮物浓度(SSC)、河水流量(discharge)、降雨量及气温。其中,11月至次年3月的河流悬浮物浓度(SSC)均缺失,是由于在该季节内,极低的气温导致地面处于冻结状态,河流悬浮物浓度极低,故而未监测。
本文以2008 — 2015年的逐日数据为基础数据,利用逐日悬浮物浓度与河水流量的乘积得到悬浮物通量(SSF = SSC×discharge),进而通过单位换算后得到在日、月、年时间尺度下该流域的侵蚀通量。
基于布哈水文站逐日监测的水文数据,统计了布哈河2008 — 2015年月、日侵蚀通量以及径流量(图3 、 4)。结果表明:布哈河径流量年内分配不均,日均流量从最小值1.14×105m3· d-1(2012年2月20日)增加至4.76×107m3· d-1(2012年8月14日);月径流总量从2月的3.41×106m3(2012年)增加至8月的最高值6.22×108m3(2012年)。与流量变化趋势相似,布哈河流域侵蚀通量年内差异明显。日均侵蚀通量的最大值与最小值相差6个数量级,从0.23 t · d-1(2011年4月9日)增加至63638.78 t · d-1(2014年8月4日)。同样,月侵蚀通量从4月的0.10×103t(2012年)增加至8月的3.79×105t(2012年),二者相差4个数量级。
图3 布哈河2008 — 2015年侵蚀通量、径流量及降雨量的日变化Fig. 3 Daily variations of SSF, water discharge, and precipitation in Buha River from 2008 to 2015
图4 布哈河2008—2015年月侵蚀通量与月径流量变化Fig. 4 Monthly variations of SSF and water yield in Buha River from 2008 to 2015
在2008 — 2015年,布哈河流域日均径流量、侵蚀通量与日降雨量均保持良好的对应关系。该流域约90%的降雨集中出现在5 — 9月,其中7 — 8月占比达49.2%。同样地,径流量与侵蚀通量在5月开始增加,在7 — 8月达到峰值,继而下降。降雨的集中分配导致地表径流明显的年内差异。在雨季,强烈的暴雨更会导致径流量的激增,出现洪水事件,瞬时强降雨及连续的地表径流均会造成不同程度的土壤侵蚀,因此可将地表径流视为大气降雨的良好体现(张飞等,2016)。日均径流量及侵蚀通量的拟合结果显示二者呈现良好的指数关系,相关系数R2处于0.63 — 0.81(表1),可见降雨是半干旱布哈河流域土壤侵蚀的主要控制因素。
表1 布哈河日侵蚀通量与气温、日均径流量的拟合关系Tab. 1 The relationship of daily SSF vs. air temperature and water discharge in Buha River from 2008 to 2015
然而,与降雨作为流域侵蚀主要控制因素不同的是,虽然气温变化趋势与侵蚀通量、径流量相似,在7、8月份达到峰值(图2),但据气温与侵蚀通量拟合结果,二者并未形成良好的相关关系,R2除2012年稍高外,其他年份均指示其为土壤侵蚀的弱相关因素(表1)。但是,土壤侵蚀对气候变化的季节性响应使气温具有不可忽视的地位,尤其是在春季解冻期。
3.2.1 径流量、悬浮物通量、气温及降雨的季节性变化特征
图2统计了布哈河流域2008—2015年月平均气温及降雨量。结果表明:在研究期间,月平均气温在-16.5 — 10.3℃波动变化;年平均降雨量为436 mm,月平均降雨量从12月的0.3 mm增加至7月的111.0 mm。布哈河流域降雨具有年内集中分配的特点,季节间差异明显,降雨大多集中在雨季(6月中旬至9月),降雨量为309 mm,占全年的71%;其次为雨季前期(4月至6月中旬)和雨季后期(10月),雨量分别为101 mm和16 mm,占比分别为23%和4%;冬季降雨量为全年最低(10 mm),仅占比2%,且该时期降雨主要以降雪形式发生。
在2008 — 2015年,布哈河流域年内径流量与侵蚀通量均存在明显的季节性差异,表现为:雨季(6月中旬至9月)>雨季前期(4月至6月中旬)>雨季后期(10月)>冬季(11月至次年3月)(图5)。雨季径流量占全年径流量的77%,大径流量及集中降雨(包括瞬时强降雨)导致约93%的悬浮物被输送。在其他季节,径流量较低,输送沉积物能力相对较弱,雨季后期表现最为明显。在雨季后期,径流量占全年径流量的7.9%,仅有0.6%的悬浮物被输送。
图5 布哈河2008 — 2015年侵蚀通量与径流量各季节所占比重Fig. 5 Contribution of SSF and water discharge in each season to annual SSF and water yield in Buha River from 2008 to 2015
布哈河流域的气候变化具有明显季节性差异特征,即降雨峰值及高温集中出现在雨季,径流以及悬浮沉积物通量亦是如此,高侵蚀量与高径流量相对应,在雨季达到峰值,而在冬季降到最低值。
3.2.2 春季解冻期土壤侵蚀变化特征
悬浮物浓度与径流量(SSC — Q)的关系曲线包含悬浮物浓度与径流量随时间变化曲线、悬浮物浓度随径流量变化曲线两种形式,用于指示悬浮物输送过程以及悬浮物运移机制,是研究河流悬浮物输移的常用手段(Gao and Pasternack,2007)。Williams(1989)将悬浮物浓度与径流量的比值(SSC / Q)作为判别曲线类别的指标。据此,图6总结了月平均悬浮物浓度与径流(SSC — Q)的关系(因冬季SSC数据未监测,故图6未标注该季节月平均数据),结果表明:布哈河流域在2008 — 2015年,月平均悬浮物浓度与月平均流量整体表现为顺时针滞后关系(clockwise loop)。
图6 布哈河2008 — 2015年月平均SSC与月平均流量的关系Fig. 6 Monthly SSC — Q hysteresis loops during the study period
在研究期间,日平均悬浮物浓度在最小值0.001 kg · m-3与最大值2.810 kg · m-3之间波动。从季节上来讲,SSC在雨季前期开始增加,由于降雨的集中分配使得SSC在雨季达到峰值,在雨季过后SSC呈下降趋势,直至最低值。上述SSC随季节变化的结果在SSC — Q的滞后曲线中整体表现为顺时针滞后关系,在该关系曲线中,SSC雨季前期处于上升段(rising limb),SSC雨季后期则处在峰值过后的下降段(falling limb),即在相同径流量下,雨季前期河流中悬浮物浓度高于雨季后期。
这样的SSC — Q顺时针滞后关系可归因于可用沉积物的耗竭及径流变化两个方面(Gao and Pasternack,2007)。本文借鉴季节性的“储存—释放”过程(Fang et al,2008;Sun et al,2016)解释这一现象。布哈河流域属高原半干旱气候,存在季节性冻土及强烈的冻融循环。在寒冷季节(11月至次年3月),气温低于0℃,此时土层冻结,土颗粒间水分由液相变为固相(Zhang et al,2016),孔隙间充满冰晶体,导致土壤发生挤胀作用致使土壤结构变得松散(景国臣等,2008),沉积物均处于“储存”阶段。在春末夏初季节,即雨季前期,气温逐渐升高且昼夜在0℃上下波动变化,土层经历频繁的“昼融夜冻”过程,反复的冻融循环破坏了土壤结构,增加了土壤的可蚀性(Bryan,2000;陈超,2019),进而在融水、重力等外营力作用下被搬运至河道中,使得河流中SSC升高。随后,雨季来临,强降雨及大径流事件导致大量沉积物在雨季被输送。雨季过后,可用沉积物被耗尽,导致雨季后期可用沉积物减少。因此,相同径流下,雨季前期相较雨季后期存在额外的沉积物累积。青藏高原河流在4 — 6月解冻期间变得浑浊正是这一现象的外部体现(孙辉等,2008)。此外,布哈河流域春季相对较高的悬浮物通量亦受春季降尘及植被季节性变化的影响(Jin et al,2011)。
布哈河流域在春季解冻期河流悬浮物浓度的变化反映了在季节尺度下,土壤侵蚀对气候的响应特征。同样地,在高纬度、高海拔地区,季节性冻土在春季解冻期因经历反复的冻融循环将会产生额外的沉积物累积并得到释放,进而加剧该时期的地表侵蚀。
通过分析布哈河流域的悬浮物浓度、径流量、气温及降雨量的逐日监测数据,进而探讨在不同时间尺度(日、月、季节尺度)下土壤侵蚀对气候变化的响应特征。结果表明:降雨是该流域土壤侵蚀的主要控制因素,冻融作用在春季解冻期的土壤侵蚀过程中发挥重要作用。此外,以布哈河为例,通过分析该流域土壤侵蚀的季节性变化认为:在高纬度、高海拔的季节性冻融区,在春季解冻期因土层经历反复的冻融循环产生额外的沉积物累积导致该时期的地表侵蚀加剧。该过程对深刻认识在未来全球气候持续变暖的情况下,作为全球第三极的青藏高原的侵蚀变化响应机制提供了重要的数据支撑。