2011-2020年赣江上游主要支流水沙变化特征

戴中山, 李海峰

(1.江西农业大学 国土资源与环境学院 南昌市景观与环境重点实验室, 南昌 330045;2.江西省土壤侵蚀与防治重点实验室, 南昌 330029; 3.华中农业大学 资源与环境学院, 武汉 430070)

江河水沙变化情况及成因分析对流域的可持续健康发展至关重要[1-2]。旱涝灾害与水沙年内和年际分布密切相关[3],对河川水沙变化进行归因和预测分析有助于旱涝灾害的科学防御[4]。作为鄱阳湖流域的第一大河,赣江入湖平均年径流量和输沙量分别占全流域的40.4%和62.8%,赣江是鄱阳湖泥沙的主要策源地,而赣江上游又是赣江泥沙的主要来源地[5-7]。江西自80年代末开展“治江必先治山”理念指导下的流域综合治理以来,水土流失状况明显改善,相关水土保持措施取得了良好效果[8-9]。因此,进一步认识赣江流域水沙变化特征对水资源管理及水土保持工作意义重大,也能为应对极端气候条件下流域水旱灾害提供思路。

赣江上游是江西省水土流失最严重的地区之一,对赣江上游的水沙变化特征及归因分析已有诸多研究成果[10]。例如丁倩倩等分析了桃江流域水沙对全球气候变化的响应,发现了太阳黑子等气候因子与输沙量的关系[11]。刘惠英等基于坝上水文站1956—2015年的长序列资料采用多种统计学方法对章水流域的水沙变化驱动力进行分析,研究发现水土保持等人类活动对输沙量变化有显著影响[12]。赵淑云等对贡水流域输沙量变化进行分析指出降水是影响输沙的主要因素,径流是直接因素[13]。江辉等对万安水库建库前后的水沙变化进行分析发现水利工程的显著减沙效益[14]。黄达等运用CBA经济学理论对赣江上游水土保持效益进行评价,考虑土地机会成本等因素后指出水保措施发挥的生态效益最大[15]。刘明霞研究发现赣江上游未来植被覆盖度呈下降趋势等[16]。以上研究为认识赣江上游流域水沙变化特征和了解流域水土保持效益奠定了坚实的基础。但对赣江上游水沙变化的研究局限在个别支流,对上游支流群综合分析不足,缺乏水土保持措施效果的量化研究。此外,大多数研究采用长序列资料分析,在气候变化和人类活动不可预测性大的背景下,短序列的资料分析或许更具有现实意义。

本文基于赣江上游4大支流(章水、平江、桃江、贡水)的把口站水沙资料(2011—2020年),采用水文分析、累积距平、双累积曲线法对赣江上游支流群水沙变化特征进行分析,并对所得的结果进行析因,在寻找到各支流输沙影响因子的基础上量化影响因子的作用,构建关系方程。本研究以期为赣江流域的水沙变化分析和水土流失治理与水旱灾害防御提供科学依据。

1 研究区概况

赣江为江西第一大河,发源于江西和福建交界处的石寮岽[17],自南向北流经赣州、吉安、南昌等20多个县市最后分为四支汇入鄱阳湖。赣江上游是指万安棉津以上区域,面积约36 800 km2,占整个赣江流域的45.5%[18-19]。该流域属亚热带季风气候区,雨量和光照均充足,4—6月降雨集中。DEM显示赣江上游地势起伏较大,各支流发源于崇山峻岭之间(图1)。上游主要岩体为易蚀性花岗岩和变质岩,特殊的地形和地质条件使得赣江上游流域易形成洪灾[20]。赣江上游主要支流有章水、贡水、平江、桃江等[21]。

图1 研究区示意图

2 数据与方法

2.1 数据来源

各支流把口站的气象数据和水沙数据是经过对2011—2020年《江西省水土保持公报》的数据进行整理而获得(图1)。研究区位图中用到的相关矢量数据和栅格(DEM)数据底图来自国家基础地理信息网(http:∥www.ngcc.cn/ngcc/)以及地理空间数据云(http:∥www.gscloud.cn/),流域范围与河流网络运用ArcGIS 10.2软件通过一系列水文分析步骤获得。赣州市各类水土保持措施规模数据来自2011—2020年《江西省水土保持公报》的统计数据,各支流区域内水土保持规模数据是基于赣州市数据采用支流流域面积占比的方法通过计算获得。

2.2 研究方法

针对各支流把口站降雨量、径流量以及输沙量的年际变化特征采用OriginPro 2021作图进行分析,采用SPSS(IBM SPSS Statistics 24)软件进行皮尔逊相关分析获得水沙年际变化的相关性,同样采用此软件对流域输沙模数和水土保持影响因子进行逐步回归分析获得线性回归方程。

2.2.1 累积距平法 累积距平法常用于判断变化阶段性[22],表达式为:

2.2.2 双累积曲线法 双累积曲线法是将两个不同变量的同期累积值绘制在一个坐标系中,一般横坐标为参考或基准变量,纵坐标为被检验变量。双累积曲线法常用于水文气象等要素的一致性检验。在研究河川径流量和流域输沙量的归因分析中应用广泛[23-25]。通过作出累积降雨量—累积径流量、累积降水量—累积输沙量的双累积曲线图,可以清楚了解水沙变化受人为因素和自然因素影响的程度和进一步的变化趋势。

3 结果与分析

3.1 水文特征

赣江上游四大支流的坝上站、翰林桥站、居龙滩站和峡山站降雨量与径流量的年际变化特征如图2所示。由图2可知,近十年间(2011—2020年)四大支流的把口站降雨量和径流量均在2016年达到峰值,四大支流各自的把口站径流量大体上随降雨量变化而变化,但2018年坝上、翰林桥、居龙滩测站的径流量在降雨量与2017年相比增加的情况下反而减小,峡山站在2018年降雨量较前一年小幅度下降的情况下其径流量则大幅下降。2019年坝上站降雨量相比2018年略降而其径流量则大幅增加。

图2 主要测站的降雨量、径流量年际变化

由图3可知,2018年以前各测站的输沙量随径流量变化而变化,呈现“丰水丰沙,贫水贫沙”的情况;但在2018年除桃江的居龙滩站仍维持“水少沙少”的状况外,其他测站呈现“贫水丰沙”的态势,在之后的2019年恢复正常。

图3 主要测站的径流量、输沙量年际变化

对4个测站的径流量与输沙量进行相关性分析,分析结果如表1所示,4个测站中除坝上站外其他测站的皮尔逊相关系数都在0.9左右,其中以平江流域(翰林桥站)的皮尔逊相关系数最高,达到0.985;且平江、桃江和贡水三大支流的年径流量和年输沙量相关性显著。章水流域的年径流量和年输沙量的皮尔逊相关系数只有0.613,相对其他三大支流而言年径流量和输沙量相关性较差。

表1 相关性分析结果Table 1 Correlation analysis result

由于选取的赣江上游四大主要支流面积相差较大,采用河川径流输沙模数的方式能更好体现各支流年输沙量的变化特征,分析结果如图4所示。各支流的输沙模数在短期内呈双峰变化,2011—2018年四大支流的输沙模数都在2016年达到最大值,这与前文分析得出的“丰水丰沙,贫水贫沙”结论相符合。但在2019年四大支流降水量小于2016年的情况下却有3条支流达到了新的输沙模数峰值,推测是大尺度水土保持措施结构变化产生影响,也可能与流域内水库修建等因素有关,影响因素较为复杂。

图4 流域输沙模数

3.2 水沙变化特征

4个测站的降水量、径流量和输沙量各自的累积距平值结果见图5,不难看出4条支流的降水量与径流量的变化特征大体吻合,且平江流域的吻合度最好,另外3条支流的降水量与径流量的阶段性变化不稳定,呈现出较大的波动性,以章水流域最为明显;在2015年、2019年章水和桃江的降雨量与径流量变化趋势相反,2019年贡水的降雨量与径流量变化趋势亦相反。4条支流的径流量与输沙量的变化特征具有很好的一致性,采用径流量的累积距平值来划分赣江上游主要支流的输沙量变化阶段比采用降雨量的累积距平值更为合适。章水流域在2012—2015年和2016—2018年这两个短时段内径流量和输沙量处于下降阶段;平江流域在2012—2014年和2016—2018年两个短时段内径流量和输沙量处于下降阶段,中间时段处于上升阶段;桃江流域在2012—2015年和2016—2018年两个短时段内径流量和输沙量处于下降阶段;贡水流域在2012—2014年和2016—2018年两个短时段内径流量和输沙量处于下降阶段,中间时段则为上升阶段。

图5 累积距平分析结果

总之,4个流域的输沙量在短期内都是表现出持续2～3 a的上升(下降)随后出现下降(上升)的间歇性态势,说明赣江上游的主要支流章水、平江、桃江和贡水的输沙量在较短的时间尺度上仍然随径流量的变化而变化。

3.3 输沙量变化与归因分析

3.3.1 变化特征 为进一步探究赣江上游四大支流的输沙量影响因素,采用双累积曲线法对相关测站的累积降雨量、累积径流量和累积输沙量进行分析。此处由于数据序列较短,为方便观察输沙量的变化特征,在径流量—输沙量双累积曲线图中作出趋势线,如图6所示。四大支流的降雨量—径流量双累积曲线线性拟合良好,线性拟合优度R2均在0.99以上;说明四大支流的径流量没有受到大的影响,与降雨量具有较好的一致性,可以以径流量累积值为横坐标来分析输沙量受其他因素的影响程度。

图6 双累积曲线法分析结果

从径流量—输沙量累积曲线分析图中可以明显看出平江流域的双累积曲线斜率基本无变化,以此可以判断该流域的河流输沙量主导因素为径流量,与水土保持等其他因素关联程度不大,也可能是该流域水土保持效果已经达到阈值。其他三大支流的双累积曲线均在不同时段出现斜率的变化,说明流域输沙量受到除径流量之外的其他自然因素或人为因素的影响。其中贡水流域的双累积曲线斜率变化最不规则,可能是流域面积大导致输沙量受到的影响因素较为复杂。除平江流域外,其他三大支流的累积曲线斜率在研究时段后期均有上升的趋势,在输沙模数分析过程中出现的“2016年输沙模数出现峰值后2019年再次达到峰值”的现象与此可能有一定的关联性。

综合而言,赣江上游的支流群中除了平江流域外,其他流域的泥沙输移能力可能受到较大的非自然因素影响,也可能存在未考虑到的自然因素影响。由于主要分析支流水沙变化特征,本文讨论的非自然因素影响主要是流域内水土保持措施规模,其他因素尚未考虑。

3.3.2 归因分析 为了对双累积曲线分析出现的特征和流域输沙模数峰值年份出现的情况进行分析,考虑到影响因素以人为因素为主,而具体的人为因素又以水土保持为代表,因此以赣江流域每年新增水土保持措施规模为切入点进行归因分析。

由于赣江上游流域几乎都在赣州市境内,所以采用赣州市每年新增的水土保持措施规模进行分析,在原始水土保持公报数据中没有将水土保持措施规模细分到各市的年份采用全省的水土保持措施规模乘以赣州市占江西省面积的比例(约占23.59%)进行计算,并对所得结果进行适当的修正,统计结果如表2所示。对各年份的各类水土保持措施新增面积占比结果分析可知,2011—2014年新增封育治理面积占比处于下降趋势(67.4%～52.8%),经果林面积占比上升(17.9%～22.3%),水保林(17.9%～24.9%)、坡改梯(0.7%～3.9%)和种草(1.8%～3.1%)变化不大。2015年、2016年新增封育治理面积占比增大,其中2016年,新增封育治理面积比重达74.3%,其他治理措施新增面积占比均下降。2017年新增水保林比重高达41.4%,与2011—2016年相比成倍增加;2018—2020年水保林所占比重均较大,且变化不稳定。2019年四大支流降水量小于2016年的情况下却有3条支流达到了新的输沙模数峰值可能与水土保持措施结构变化有关。

表2 2011-2020年赣州市新增水保措施规模Table 2 Scale of new water conservation measures in Ganzhou City from 2011 to 2020

基于表2,采用各支流流域面积占比的情况计算相应水土保持规模,采用逐步回归的分析方法寻找各支流输沙模数和5个水土保持因子(坡改梯、水保林、经果林、种草、封育治理)之间的关系,并进行量化分析。结果表明:2011—2020年赣江流域上游支流中平江、桃江及贡水流域输沙模数与5个水土保持因子无显著相关关系。章水流域输沙模数与新增水保林面积呈显著正相关。章水流域输沙模数与水土保持措施因子的关系方程如下:Mz=0.019S水保林+5.126(表3)。结合2011—2020年逐年新增各类水土保持措施所占的比重数据,提出适用于赣江上游地区水土流失防治的年新增水土保持措施配比——封育治理:52.0%～60.0%,经果林:22%～25%,水保林:20%～23%,种草:2%～3%,坡改梯:2%～3%。在制定水土保持规划时建议在因地制宜的基础上适当提高新增经果林的占比,适度压缩新增封育治理的面积,同时不可对新增水土保持措施的结构占比大幅度调整。

表3 支流输沙模数与水保措施因子相关性分析Table 3 Correlation analysis between sediment transport modulus of tributaries and water conservation measures

4 结 论

(1) 赣江上游主要支流的降雨量和径流量的变化特征大体相同,但个别年份存在径流量与降雨量不成正比的反常情况。赣江上游主要支流的输沙量随径流量变化而变化,呈现“丰水丰沙,贫水贫沙”的态势,但在2018年除桃江外其他支流呈现“水少沙多”的反常情况。皮尔逊相关分析显示除章水外其他支流的径流量和输沙量相关系数都在0.9左右;在2011—2018年中的2016年各支流的输沙模数达到相应时期内的最大值,而在2019年降水量小于2016年的情况下有3条支流达到新的峰值,影响赣江上游主要支流输沙能力的因素较为复杂。

(2) 采用径流量的累积距平值划分赣江上游主要支流的输沙量变化阶段更为合适,4个流域的输沙量在短期内都是表现出持续2～3 a的上升(下降)随后出现下降(上升)的间歇性态势。

(3) 双累积曲线法分析显示赣江上游四大支流的累积降雨量和径流量斜率无明显变化,线性拟合优度R2均大于0.99;径流量—输沙量的双累积曲线分析发现除平江外其他支流的输沙量可能受到非自然因素的较大影响,斜率变化不稳定。

(4) 人为影响因素对江河水沙变化的影响以水土保持措施为主,新增水土保持措施结构的变化可能与输沙量变化特征和输沙模数峰值出现波动有关。采用逐步回归的方式量化了章水流域输沙模数与水土保持因子之间的关系:Mz=0.019S水保林+5.126(Mz代表输沙模数,S水保林代表流域内对应水土保持措施年新增面积)。提出赣江上游水土流失防治的新增水土保持措施配比范围:封育治理(52.0%～60.0%),经果林(22%～25%),水保林(20%～23%),种草(2%～3%),坡改梯(2%～3%)。