近20a济南泉域水源涵养量的时空变化特征

刘建军　田勇　姜腾龙　孙军　刘贵芬　杨晓钰

摘要：为探究济南市的水源涵养量，利用Arcgis软件划定泉域范围，通过解译2000年、2005年、2010年、2015年和2020年的Landsat遥感影像数据，获取范围内土地利用类型；基于InVEST模型并结合气象、土壤、地形等数据估算泉域水源涵养量，分析了近20a来泉域水源涵养量和涵养能力的时空变化及影响因素。结果表明，与2000年相比，泉域内土地利用类型变化较大，其中耕地面积变化最大，减少了470.1 km2；城乡居民点和工矿用地增长较快，增幅为9.1%；林地草地面积也呈增长态势，增幅为4.1%，面积占比达到了32.3%。泉域水源涵养量为157.9～238.3 mm，均值为188.8 mm，受降水影响较大；泉域水源涵养率为23.5%～25.9%，平均为24.2%，水源涵养能力较低。时间上，多年水源涵养率基本保持稳定；空间上，南部山区水源涵养能力较之前有所提升，中部受城市化影响而下降显著。各土地利用类型水源涵养量从大到小依次为：林地>草地>耕地>未利用土地>城乡居民点和工矿用地>水域湿地，水源涵养率分别为49.15%、30.32%、20.09%、17.69%、8.62%和8.31%。区域内水源涵养功能区以一般重要区为主，面积占比为40%，极重要区内林地占比为94.62%。植被类型和气象因素是影响区域水源涵养的主要因素，应结合土壤类型适当调整植被配置。

关键词：水源涵养；InVEST模型；土地利用；济南泉域

中图分类号：X826       文献标志码：A        文章编号：1674-3075（2023）05-0048-10

生态系统是人类生存发展的自然环境和必然条件，根据其结构、过程与生态系统服务功能的关系，能有效评价其服务功能。水源涵养功能作为陆地生态系统调节服务的重要功能之一，通过植被及土壤将降水拦蓄、吸收、积蓄在系统内，具有抑制蒸发、调节径流、净化水质等功能（吕一河等，2015）。在不同尺度的生态区划中，水源涵养重要性评价都是必不可少的内容。

济南被誉为“泉城”，降雨是泉水的主要补给来源（邢立亭等，2018）。随着经济快速发展，城市建设规模迅速扩大，地面硬化造成降水渗入补给泉水的区域减少，加之地下水超量开采，2000年前后泉群出现间歇性喷涌甚至常年停喷的现象，流域范围内的水源涵养量直接关系到区域的水资源供给。目前，国内外学者对水源涵养功能评价方法主要包括水量平衡法（张彪等，2008；崔景轩等，2019）、降水贮存法（刘泽彬等，2017）、土壤蓄水能力法（田璐，2019）、综合蓄水能力法（刘璐璐和曹巍，2016）与多因子分析法等（周佳雯等，2018；Chen et al，2020）。基于水量平衡法的生态系统服务和权衡综合评估模型（The integrate valuation of ecosystem services and tradeoffs tool， InVEST）充分考虑土壤物理性质、地形起伏和地表覆盖状况等对水源涵养量的影响，更适用于区域尺度研究（刘越等，2021）。如利用InVEST模型对汉江（陈泽怡等，2022）、岷江（刘菊等，2019）等流域以及辽宁省（吕乐婷等，2022）、安徽省（李莹莹等，2022）等区域开展了水源涵养量及其时空变化特征研究，其研究大多基于较大空间尺度。

本文以小范围的济南泉域为研究对象，运用InVEST模型综合评估济南泉域内2000-2020年水源涵养量，分析其时空变化特征，验证模型结果的可靠性，探究影响水源涵养能力的主要因素，以期为济南市兼顾城市发展和泉水保护以及提升区域水源涵养力提供理论依据。

1   材料与方法

1.1   区域概况

济南市位于山东省中西部，南依泰山，北跨黄河，地势南高北低，高差超过500 m；气候属于暖温带半湿润季风型气候，四季分明，年均气温13.8℃，年均降水量685 mm，且主要集中在6-8月，占年降水量的65.9%。市内泉水属于岩溶泉类型，地下石灰岩发育，因其独特的地形地质构造，利于地表水和地下水向城区汇集，城内分布有趵突泉、黑虎泉、五龙潭、珍珠泉四大泉群。济南境内河流主要有黄河、小清河两大水系；其中，小清河发源于济南境内，上游水源补给主要来自市内各泉。小清河作为济南市泉域内的主要出境河流，流域内的水源涵养量直接关系到泉域地下水的补给量。

1.2   研究方法

InVEST模型是由美国斯坦福大学、世界自然基金会和大自然保护协会联合开发的生态系统服务功能评估工具，主要是针对淡水、海洋和陆地三大生态系统的评估模块，每个模块由于生态系统功能不同又包含不同的评估项目（Tallis & Ricketts，2011）。本文利用的InVEST产水模块是基于水量平衡原理，通过降水、地表蒸发、植物蒸腾、土壤深度和根系深度等参数计算产水量；在此基础上，利用土壤饱和导水率、地形指数和流速系数等因子对产水量结果进行修正，进而得出水源涵养量。

1.3   泉域提取

济南泉域地下水分布受地质构造、地层岩性等自然因素控制，南部山区丘陵石灰岩裸露，溶蚀裂隙普遍发育，为地下水直接补给区；北部平原区地下裂隙岩溶发育，受煤系地层或岩溶岩体阻隔，上涌成泉喷泄。因此，根据济南水文地质实际，结合DEM数据，运用Arcgis软件水文学模块（Hydrology），选取济南市小清河流域出境断面作为泉域流域的出口，建立济南市泉域范围（图1）。

1.4   InVEST产水模型

InVEST产水模型是基于Budyko水热耦合平衡原理提出的一种水量平衡估算方法（王亚慧等，2020），即以各栅格单元降水量与实际蒸散量之差作为该栅格单元产水量，计算公式如下：

式中：Drainage area为集水区栅格数量，SoilDepth为土壤深度（mm）；Slope为百分比坡度，由DEM在Arcgis软件中求得。

1.5.2   基于资料统计估算   区域降水量与蒸散量以及其他水资源消耗的差值即为本区域的水源涵养量，计算公式如下：

水源涵养量 = （降水量-水资源量-用水量×耗水率）/区域面积-蒸散量 14

1.6   数据来源

1.6.1   土地利用类型   采用美国地质勘探局网站下载2000年、2005年、2010年、2015年、2020年30 m分辨率的Landsat 5、Landsat 8遥感数据，运用ENVI、Arcgis软件对原始数据进行预处理，通过目视解译的方法，获取泉域土地利用类型。经野外现场核查，解译准确率达到90%以上。

1.6.2   DEM数据   济南市30 m分辨率的DEM数据来自地理空间数据云，运用Arcgis软件叠加泉域边界裁剪获得泉域的DEM数据。

1.6.3   气象数据   气象数据来自美国国家气候数据中心（NCDC），包含气温、气压、露点、风向风速、云量、降水量等日值数据，本研究利用其温度和降水量数据。

1.6.4   土壤数据   数据来源于联合国粮农组织（FAO）和维也纳国际应用系统研究所（IIASA）所构建的世界土壤数据库（Harmonized World Soil Database version 1.1， HWSD）。中国境内数据源为第二次全国土地调查南京土壤所提供的1：100万土壤数据。经查询计算，泉域内土壤参数见表1。

1.6.5   生物物理系数   模型需要的生物物理系数主要包含土地利用类型、根系深度、作物蒸散系数以及流速系数等。具体指标参考文献（刘越等，2021；傅斌等，2013；杜佳衡和王锦，2021）及模型用户手册确定（表2）。

2   结果与分析

2.1   土地利用变化

经统计，济南泉域面积约为3 100 km2，将其划分为耕地、林地、草地、水域湿地、城乡居民点和工矿用地以及未利用土地共计6类土地利用类型（图2）。其中利用类型以耕地、城镇居民点和工矿用地、林地为主。2020年耕地占比为33.9%，城镇居民点和工矿用地占比为29.1%，林地占比为27.6%，未利用土地面积最小，仅0.13%。

空间分布上，泉域地势南高北低，土地利用类型主要受地形变化影响，南部山区以林地、草地为主；北部地形平坦，以耕地为主；中西部为济南市主城区，主要为城乡居民点和工矿用地。

时间变化上，泉域耕地面积变化最大，2020年较2000年减少14.8%，面积减少了470.1 km2；而相对的城乡居民点和工矿用地面积逐年增加，2020年较2000年增加9.1%，面积增加了290.8 km2；林地和草地面积较2000年增加4.1%，面积占比达到了32.3%。水域湿地面积占比较小，但增幅最大，较2000年增加了76.6%。

2.2   产水量时空变化

运用InVEST年产水模型计算得到的2000-2020年济南泉域产水量时空分布见图3。

济南泉域年产水量变化在656～980 mm，产水量的空间分布格局与土地利用类型空间分布格局一致，城区产水量明显高于周边其他土地利用类型；而南部植被覆盖度较高的山区产水量低，结合产水模型的计算原理，分析原因为植被蒸散作用的影响，城区植被覆盖较少，区域植被蒸散系数低，水分蒸散损耗少。

2.3   水源涵养量

2.3.1   时空变化   产水量的变化与分布直接影响区域的水源含养量（刘娇等，2021），受流速系数、地形指数、土壤饱和导水率等因素的影响，水源涵养量与产水量的空间分布呈显著的空间异质性，中西部城区低，南部山区高；各年度的水源涵养量在空间分布上存在一致性（图4）。

济南泉域多年水源涵养量均值为188.8 mm。以2005年最大，为238.3 mm；2015年最低，为157.9 mm；2000年和2020年分别为173.6 mm和176.3 mm，水源涵养量趋势与降水量变化趋势一致（图5）；这与秦岭（宁亚洲等，2020）和三江源国家公园（吕乐婷等，2020）等区域的研究结果一致。2020年降水量较2000年减少了41.9 mm，但水源涵养量却增加了2.72 mm，说明济南泉域水源涵养能力较2000年有很大提升。水源涵养率为水源涵养量与降水量的比值，能有效评价区域的水源涵养能力，泉域多年水源涵养率在23.5%～25.9%，平均值为24.2%；与国内其他地区如贵州卡斯特地区10.1%（夏林等，2019）、金沙江干热河谷区10.8%（刘娇等，2021）、都江堰21.7%（傅斌等，2013）、岷江上游25.8%～43.9%（刘菊等，2019）、福建森林26.5%～37.8%（刘业轩等，2021）以及甘肃黑河流域45%（张福平等，2018）相比，泉域的水源涵养能力较低。对比济南泉域2020年与2000年水源涵养率的变化情况（图6），在区域分布上，可见南部山区的水源涵养能力提升明显，中部及北部区域水源涵养能力有所下降，尤其中部受城市化影响下降显著。

2.3.2   基于土地利用的水源涵养量   各年度不同土地类型水源涵养量见图7。各类型土地利用的水源涵养量差别较大，从大到小依次为：林地>草地>耕地>未利用土地>城乡居民点和工矿用地>水域湿地，分别为384.4 mm、234.8 mm、156.9 mm、138.4 mm、67.2 mm和64.7 mm，其水源涵养率分别为49.15%、30.32%、20.09%、17.69%、8.62%和8.31%。2020年草地水源涵养率较之前有较大提升，对比草地分布的空间变化发现，部分山区草地随着不断加大的生态保护修复力度土地利用类型转出为林地，而山区草地受土壤类型及地形指数（TI）影响，水源涵养量低于其他草地，其他土地利用类型水源涵养率年度变化不大（表3）。

从各土地利用类型的水源涵养水量来看，耕地涵养水源量占比呈明显逐年下降趋势，林地呈明显的上升趋势，城乡居民点和工矿用地呈缓慢的上升趋势，其他类型变化不明显。这种变化趋势与土地利用类型变化趋势一致，但两者之间的变化速率与各土地利用类型的产水能力和水源涵养能力有关。大量减少的耕地和快速增加的城乡居民点和工矿用地使泉域的水源涵养能力持续降低，由于林地、草地水源涵养量的提升，泉域近20年水源涵养率也基本保持稳定（表3）。

2.3.3   水源涵养功能重要性   根据《资源环境承载能力和国土空间开发适宜性评价指南（试行）》评价标准，将累积水源涵养量最高的前50%区域确定为水源涵养极重要区域，同时参照《国家生态保护红线——生态功能红线划定技术指南》的分位数分级方法，本文将水源涵养重要性评价标准划分为：（1）分位数≥50%的区域为极重要区；（2）分位数≥40%且<50%的区域为高度重要区；（3）分位数≥30%且<40%的区域为中等重要区；（4）分位数≥20%且<30%的区域为较重要区；（5）分位数＜20%的区域为一般重要区。

从多年平均水源涵养重要性分级的空间分布来看（图8），泉域水源涵养极重要区和重度重要区主要分布在南部山区，一般重要区为中西部的中心城区，东北部的平原耕地为水源涵养的中等重要区；其中，极重要区面积占比为16.62%，高度重要区为5.14%，中等重要区为12.89%，较重要区为25.35%，一般重要区为40.00%。

结合土地利用类型，极重要区以林地为主，平均面积占比达到94.62%；高度重要区以林地和草地为主，平均占比分别为75.85%和20.61%；中等重要区以耕地、草地和林地为主，占比分别为54.91%、21.89%和21.88%；较重要区以耕地为主，占比为90.11%；一般重要区以城乡居民点和工矿用地和耕地为主，占比为60.22%和33.52%。由此可见，林草地是较高等级区域的主要土地利用类型。

2.3.4   结果验证   为验证InVEST模型水源涵养量结果的可靠性，通过查阅2020年度济南市水资源公报的降水量、水资源量、用水量等统计数据（表4），计算水源涵养量，以此来验证模型计算结果的准确性。为使数据有更好的可比性，查询数据区域泉域所在的济南市区和历城区。

通过计算得出，2020年济南市区和历城区平均的水源涵养量为173.02 mm，与模型计算结果176.30 mm仅相差约3.3 mm，说明模型计算结果可靠。

3   讨论

泉域水源涵养量的时空变化与降水和土地利用类型密切相关，降水是区域产水的水源，其大小直接决定区域的产水量；土地利用类型影响了地表的径流速度、水分蒸发量以及水分渗透和保持能力。通过分析产水模型和水源涵养估算模型的运算原理，影响单元产水能力的因素主要是单元土地上植被类型（植被蒸散系数）、土壤因素（土壤深度、土壤质地）以及气象条件（温度、降水），影响水源涵养能力的因素主要是植被类型（流速系数）、地形因素（坡度）以及土壤因素（饱和导水率），土壤因素和地形因素长期稳定，由此可知植被类型和气象因素是影响单元水源涵养的主要因素。因此，在自然气象条件下，充分考虑区域发展规划，结合土壤结构，适当调整土地利用类型，有利于提高水源涵养量。

尽管InVEST模型充分考虑气象数据、土壤属性数据、地形数据和土地覆盖类型数据，但Polasky等（2011）指出，该模型运用水量平衡估算产水量时，未考虑土壤深层含水量，使得估算结果高于真实值，同时模型基于土地利用/覆盖单元建立的参数，是对现实中地表覆盖的简化，模拟略微存在偏差（张福平等，2018）。下一步需结合野外调查，需制定更为详细的土地利用分类类型；且本研究使用多年平均降水特征常数Z作为模型关键参数，因缺少流域实测径流量数据，采用默认的固定值，未能对其进行数据校验，也可能导致产水量的计算结果与实际值存在较大差异。因此，在后期研究中，需加强有关实测实验，以进一步校正模型，提升模拟精度。

参考文献

陈泽怡，余珮珩，陈奕云，等，2022. 汉江流域水源涵养和水质净化服务时空分析[J]. 生态经济， 38（4）：193-200.

崔景轩，李秀芬，郑海峰，等，2019. 典型气候条件下东北地区生态系统水源涵养功能特征[J]. 生态学报， 39（9）：3026-3038.

杜佳衡，王锦，2021. 基于InVEST模型的大理州永平县水生态系统服务功能时空变化分析[J]. 西部林业科学， 50（6）：91-102．

傅斌，徐佩，王玉宽，等，2013．都江堰市水源涵养功能空间格局[J]. 生态学报， 33（3）：789-797．

李莹莹，马晓双，祁国华，等，2022. 基于参数本地化InVEST 模型的安徽省水源涵养功能研究[J]. 长江流域资源与环境， 31（2）：313-325.

刘娇，郎学东，苏建荣，等，2021．基于InVEST模型的金沙江流域干热河谷区水源涵养功能评估[J]. 生态学报， 41（20）：8099-8111．

刘菊，傅斌，张成虎，等，2019. 基于InVEST模型的岷江上游生态系统水源涵养量与价值评估[J]. 长江流域资源与环境， 28（3）：577-585.

刘璐璐，曹巍，2016. 南北盘江森林生态系统水源涵养功能评价[J]. 地理科学， 36（4）：603-611.

刘业轩，石晓丽，史文娇，2021. 福建省森林生态系统水源涵养服务评估：InVEST模型与meta分析对比[J]. 生态学报， 41（4）：1349-1361.

刘越，李雨珊，单姝瑶，等，2021. 甘肃祁连山国家级自然保护区水源涵养量的时空变化[J]. 草业科学， 38（8）：1420-1431.

刘泽彬，王彦辉，田奥，等，2017. 六盘山半湿润区坡面华北落叶松林冠层截留的时空变化及空间尺度效应[J]. 水土保持学报， 31（5）：231-239.

吕乐婷，李青，杨勇，2022. 辽宁省2001－2020年水源涵养量变化及其影响因素[J]. 水土保持通报， 42（1）：290-296.

吕乐婷，任甜甜，孙才志，等，2020. 1980－2016年三江源国家公园水源供给及水源涵养功能时空变化研究[J]. 生态学报， 40（3）：993-1003.

吕一河，胡健，孙飞翔，等，2015. 水源涵养与水文调节：和而不同的陆地生态系统水文服务[J]. 生态学报， 35（15）：5191-5196.

宁亚洲，张福平，冯起，等，2020．秦岭水源涵养功能时空变化及其影响因素[J]. 生态学杂志， 39（9）：3080-3091.

田璐，2019. 不同覆盖措施对干化土壤水分的影响研究[D]. 北京：中国科学院大学.

王亚慧，戴尔阜，马良，等，2020. 横断山区产水量时空分布格局及影响因素研究[J]. 自然资源学报， 35（2）：371-386.

夏林，安裕伦，姜海峰，等，2019. 基于InVEST模型的喀斯特流域水源涵养量——以贵州省内乌江流域为例[J]. 贵州科学， 37（1）：27-32.

邢立亭，周娟，宋广增，等，2018. 济南四大泉群补给来源混合比探讨[J]. 地学前缘， 25（3）：260-272.

张彪，李文华，谢高地，2008. 北京市森林生态系统的水源涵养功能[J]. 生态学报， 28（11）：5619-5624.

张福平，李肖娟，冯起，等，2018. 基于InVEST模型的黑河流域上游水源涵养量[J]. 中国沙漠， 38（6）：1321-1329.

周佳雯，高吉喜，高志球，2018. 森林生态系统水源涵养服务功能解析[J]. 生态学报， 38（5）：1679-1686.

Chen H， Chen K，Yang M H， 2020. A new hysteresis model of the water retention curve base donporeex-pansion and contraction[J]. Elsevier Ltd， 121：103482.

Droogers P， Allen R G， 2002. Estimating reference evapotranspiration under inaccurate data conditions[J]. Irrigation and Drainage Systems 16： 33-45.

Jafarzadeh A A， Mahdavi A， Shamsi S F， et al， 2019. Annual water yield estimation for different land uses by GIS-Based InVEST model（Case Study： Mish-khas Catchment， Ilam Province， Iran）[J]. Journal of Rangel and Science， 9（1）：1-12.

Polasky S， Nelson E， Pennington D， et al， 2011．The impact of land-use change on ecosystem service，biodiversity and returns to landow ners： a case study in the state of Minnesota[J]. Environmental ＆Resource Economics， 48：219-242．

Tallis H， Ricketts T， 2011. InVEST2.4.4 Beta Users Guide：Integrated Valuation of Ecosystem Services and Tradeoffs[M]. Stanford（CA）： The Natural Capital Project.

Zhang L， Hickel K， Dawes W R， et al， 2004. Arational function appotranspiration[J]. Water Resources Research， 40（2）：W02502.

（责任编辑   万月华）

Temporal and Spatial Variation of Water Conservation Capacity

in the Jinan Spring Basin over the Past 20 Years

LIU Jian‐jun， TIAN Yong， JIANG Teng‐long， SUN Jun， LIU Gui‐fen， YANG Xiao‐yu

（Shandong Jinan Center for Ecological Environment Monitoring， Jinan   250014， P.R. China）

Abstract：In this study， the spring basin of Jinan City was selected for research， and we estimated the water conservation volume within the spring area in 2000， 2005， 2020， 2015 and 2020 using the Integrated Valuation of Ecosystem Services and Tradeoffs （InVEST） model and annual data on the meteorology， soil and landform. Further， the spatial-temporal variation of the water conservation volume and capacity as well as the influencing factors during the period 2000-2020 were analyzed. Our aim was to provide theoretical evidence for the conservation of spring and spring conservation capacity in the context of urban development. ArcGIS software was used to delineate the spring areas， and land use types within the areas （2000， 2005， 2010， 2015 and 2020） were obtained by interpreting Landsat remote sensing image data. Land use changed significantly during the investigation period， with the largest variation in cultivated land area， which decreased by 14.8% （470.1 km2）. Residential and industrial land increased rapidly， with a combined increase of 9.1% （290.8 km2）. The area of forest and grassland， accounting for 32.3% of the total area， also increased by 4.1%. Water source conservation capacity in the spring area was in the range， 157.9-238.3 mm， and the average value， 188.8 mm， was greatly affected by precipitation. The water conservation rate in the spring area ranged from 23.5% to 25.9%， with an average of 24.2%， and the water conservation capacity was relatively low. Temporarily， the water conservation rate has remained stable for many years. Spatially， the water conservation capacity of the southern mountain area has improved over the past 20 years， while the water conservation capacity of the central area has significantly decreased due to urbanization. Water conservation for each land use type， in descending order， was forest land>grassland>cultivated land>unused land>residential and industrial land>water bodies and wetlands， with respective water conservation rates of 49.15%， 30.32%， 20.09%， 17.69%， 8.62% and 8.31%. The functional water source conservation area within the region was primarily in a few important areas， accounting for 40% of the conservation and forest land was extremely important， accounting for 94.62%. The vegetation type and meteorological conditions were the primary factors affecting water conservation， and the vegetation type should therefore be adjusted according to soil type.

Key words：water conservation; InVEST model; land use type; Jinan spring basin

收稿日期：2022-02-21      修回日期：2023-04-13

基金项目：黄河流域生态状况评估（2015-2020年）（鲁环函[2020]202号）。

作者简介：刘建军，1982年生，男，高级工程师，主要从事生态环境监测研究。E-mail：272781784@qq.com

通信作者：姜腾龙，1985年生，男，高级工程师，主要从事生态遥感监测研究。 E-mail：304282486@qq.com