气候变化对卡拉苏河流域径流演变规律的影响

刘 军

(新疆水利水电勘测设计研究院有限责任公司，新疆 乌鲁木齐 830000)

1 材料及研究方法

1.1 研究区概况

卡拉苏河位于新疆阿克苏地区拜城县，地理位置介于东经81°44′～82°18′，北纬41°42′～42°26′之间，是渭干河流域的五条支流之一。卡拉苏河发源于天山南麓中段的哈尔克山南坡，流域最高海拔5097 m。该河东与克孜尔河相邻，西与台勒维丘克河相邻，北面以巍峨的哈尔克山山脉为屏障，南望拜城盆地。

卡拉苏河流域呈“羽状水系”，流域全长92 km，总面积2057 km2，平均宽约22 km，平均纵坡17.4‰。河流由北向南流，出山口后即呈散流状，再经约21 km的冲洪积扇，最终汇入木扎提河。水系见图1。

图1 卡拉苏河流域水系及水文站网分布示意图

卡拉苏河流域地处中纬度大陆深处，其气候特点是：冬季寒冷，夏季凉爽，降水较少，蒸发强烈，四季变化明显。据卡拉苏水文站及邻近气象站统计，多年平均气温为7.4℃，极端最高气温38.5℃，极端最低气温-28.0℃。多年平均降水量120.6 mm，最大年降水量268.8 mm(1987年)，最小年降水量32.9 mm(1965年)。降水量的季节变化明显，年内分配不均，历年平均月降水量7月最大，为22.5 mm，占全年降水量的18.7%，12月最小，为1.6 mm，仅占全年降水量的1.3%。多年平均蒸发量(20 cm蒸发皿)2014.5 mm，最大年蒸发量2716.1 mm(2015年)，最小年蒸发量1403.3 mm(1981年)，平均最大月蒸发量是最小月蒸发量的17.1倍，说明流域蒸发量年内变化较大。

1.2 研究方法

收集卡拉苏河流域1959—2019年60余年的径流、降雨及气温资料，首先通过统计径流的不均匀系数、完全调节系数、集中度、合成向量方向及相对变化幅度等参数对径流的年内分配特征进行统计分析；其次运用趋势分析法及集合经验模态分解法(EEMD)对径流的演变规律及增减趋势进行分析说明；最后运用相关关系及通径分析等理论分析研究气候变化对卡拉苏河流域径流演变规律的影响。

1.2.1 径流的年内分配

通过统计径流的年内分配不均匀系数Cv及完全调节系数Cr来分析径流年内分配的不均匀程度[1-2]；通过统计集中度及径流的合成向量方向来反映年内径流量的集中程度，集中度是将一年内各月的径流量看作向量，径流量的多少代表向量的长度，所处的月份代表向量的方向，如0°代表1月，360°代表12月[3]；变化幅度可用来分析卡拉苏河年内各月径流量最大值和最小值间的关系[4]。

表1 卡拉苏站1959—2019年多年平均径流年内分配

1.2.2 Mann-Kendall趋势检验法

Mann-Kendall[5](下文简称M-K)作为一种非参数统计检验方法，由于其计算简单、适用性强，被广泛应用于时间序列的变化趋势分析。同时该方法还可以通过计算统计量UF和UB以应用于检验时间序列数据是否发生了突变[6]。

对于时间序列Y，M-K趋势检验的统计量如式(1)：

(1)

式中：P为统计量；n为样本数据的个数；i和j分别为第i个、第j个数据点；xi和xj分别为时间序列在i年和j年中的数值。另外，Mann(1945)和Kendall(1975)证明，当n≥8时，统计量P大致服从均值为0的正态分布。方差如式(2)：

Var(P)=

(2)

式中：ti为第i组的数据点的数目。

标准化统计量Zc计算如式(3)：

(3)

β用于衡量趋势大小，如式(4)：

(4)

10时，数据呈现“上升趋势”，反之则呈现“下降趋势”。

1.2.3 集合经验模态分解法(EEMD)

集合经验模态分解(EEMD)方法[7]，其过程可概括为：(1)在原数据的基础上加入白噪声序列。(2)对处理后的数据进行经验模态分解。(3)反复上述步骤得到不同的本征模态函数(IMFs)。(4)将每次分解到的IMFs进行集合平均，用于抵消加入的白噪声使其作为最终的分解结果，如式(5)：

(5)

式中：Ci(t)为信号在i固有尺度上的本征模函数；rn(t)为信号分解后的趋势项(RES)。

1.2.4 相关分析及通径分析

应用SPSS软件进行相关关系及通径分析[8-9]，进而分析卡拉苏河流域气候因子与卡拉苏河流域径流的相关关系。其中通径分析是研究气候因子对径流的直接重要性和间接重要性。

2 径流的年内分析

通过统计卡拉苏河流域不同时段各月及不同季节径流的分配情况来分析流域年内径流的分配情况。同时计算得出径流的年内分配指标对径流的年内分配特征及集中度等进行分析。

2.1 不同时段各月的径流分配情况

通过统计卡拉苏河流域不同时段年内月平均径流可以看出(图2)，卡拉苏河各时段径流年内分配特征都呈现出明显的“单峰”现象，其中7月径流量最多。1—3月径流量较小，但从4月开始逐渐增加，分析是由于卡拉苏河上游河源发育大量冰川，从4—8月气温升高，导致冰雪融水，径流量增大。同时卡拉苏河流域中、低山区还是暴雨的高发区，每年夏季6—7月，该流域中、低山区常发生局部暴雨。这就形成了卡拉苏河以冰雪融水补给为主，夏季降雨及地下水补给为辅的径流补给形式。

图2 卡拉苏河不同时段径流的年内变化

2.2 不同季节径流的分配情况

统计卡拉苏水文站多年年内不同季节的径流量详见表1。由表1可见，卡拉苏河流域冬季(12月—次年2月)水量占年径流量的4.8%；夏季(6—8月)水量占年径流量的63.7%；春季(3—5月)水量占年径流量的15.3%；秋季(9—11月)水量占年径流量的16.2%，径流年内变化相对较大，而夏季水量大也反映了卡拉苏河以冰雪消融补给为主、暴雨及地下水补给为辅的特点。

统计得出卡拉苏河流域径流的年内分配特征结果详见表2。结果表明流域内径流的不均匀系数、完全调节系数及集中度等特征值反映的结果一致。1991—2000年流域内径流的不均匀系数、完全调节系数及集中度最大，分别为1.051、0.437及0.650%，1981—1990年次之，2001—2010年最小。通过径流的合成向量方向可以发现卡拉苏河流域内不同时段的合成向量方向在169.94°～177.84°之间，结合ZHANG等[3]关于合成向量方向上的研究结果，卡拉苏河流域最大径流出现在7月，这与前文统计结果相同。2001—2010年相对变化幅度最大，分析可能是由于受到气候变化及人类活动的影响造成。

表2 卡拉苏河径流年内分配特征统计

3 径流的年际分析

经统计卡拉苏河流域多年平均径流量为2.431亿m3，多年平均流量为7.66 m3/s，最大年径流量为4.837亿m3(2002年)，最小年径流量为1.493亿m3(1968年)，丰枯比为3.2，径流的年际变化较大。因此本次采用多种方法联合对比分析，从不同年际、年代际尺度分析卡拉苏河径流的变化特征。

3.1 趋势性分析

将1959—2019年卡拉苏河水文站年径流量运用线性回归及M-K趋势分析法对其变化趋势进行分析，结果详见图3。其中线性回归及距平分析结果均表示卡拉苏河流域近年来径流量总体呈现出增加趋势，线性回归增长率为0.61亿m3/10 a。距平结果显示卡拉苏河流域径流量大致呈现出先减少后增加的趋势，径流量在1995年前后开始发生突变，反观径流量的趋势变化曲线也可看出自1995年后径流量明显增多。表明卡拉苏河在1995年之前径流量相对较少，水量整体偏枯。1995年之后则逐渐增加，水量整体偏丰。在20世纪60—90年代，卡拉苏河径流量为偏枯期，在1996—2019年为偏丰期，尤其是1996—2002年，径流量较多，属极端水文高发期。总体而言，流域各年径流量存在较大差异，卡拉苏河径流量呈现出一个相对“枯-丰-枯”的变化过程。同时，根据径流量的线性回归和距平分析也表明径流的增加趋势呈现出显著的非线性变化趋势。

图3 卡拉苏河流域径流量年际变化特征

根据M-K趋势检验结果详见表3，径流量Zc值为1.67>1.64，β值为0.085>0，表明其通过了置信度为95%的显著性检验，径流量呈现出增加趋势但并不显著。尽管图3及表3反映出卡拉苏河逐年径流量变化趋势略有差异，但不可否认的是卡拉苏河年径流量在逐年增加。

表3 卡拉苏河流域径流量趋势分析结果

3.1.1 突变性分析

为进一步分析卡拉苏河逐年径流量的变化趋势，本次运用M-K突变分析[10]方法分析判别流域径流量的波动变化情况。依据突变分析的计算原理，做出在显著性水平α=0.05情况下的径流量UF和UB序列数据，结果详见图4。由图4可知，卡拉苏河逐年径流量UF和UB两个统计量在1990年相交出现突变，其突变时间与前文距平分析得出的时间较为接近，具有一致性。

图4 卡拉苏河流域径流量突变检验结果

根据图中UF的变化趋势可以发现，径流量1959—1976年，其值基本都<0，说明在此期间卡拉苏河径流波动呈下降趋势，1976—2019年，UF的值都>0，表明卡拉苏河在该时段径流表现为增加趋势。尤其在1996年后UF的统计值急剧增大，表明卡拉苏河径流量在此之后呈显著增加趋势。突变前、后径流量平均值分别为2.12亿m3/a和2.67亿m3/a，相对变化为25.9%。这也反映出流域内径流量年际差异波动明显。该结论虽与上述M-K趋势性分析得出的流域径流量上升趋势不显著的结果略有差异，但仍可以表明卡拉苏河流域径流量随时间呈较为明显的增加趋势。

3.1.2 波动性分析

运用集合经验模态分解(EEMD)的方法对流域径流量数据进行分解，得出4个IMF分量和1个趋势项RES。将分解后得到的各分量和趋势项叠加合成径流量的重构与原始径流量数据进行拟合，从而验证径流量分解后的可靠性和完备性，结果详见图5。由图5可见，流域径流量相对误差在0.1%之内，表明EEMD方法在此次径流量分解中具有很好的完备性，能较为全面地反映流域径流量在时间序列下的多尺度变化特征。

图5 流域径流量EEMD重构序列与原始数据拟合

图5证实了分解后的数据具有很好的完备性，故做出反应流域逐年径流量从高频到低频不同时间尺度下的波动特征及复杂得多时间尺度性[7]，结果详见图6。结合获取的趋势项RES表明卡拉苏河流域径流量随时间的变化整体呈增加趋势，分析可能与全球气候变暖导致降雨及冰雪融水增多有关。同时结合表4结果表明卡拉苏河逐年径流量在年际尺度上具有3 a和7 a的准周期性变化，在年代际尺度上具有13 a和29 a的准周期性变化。径流量在IMF1分量上方差贡献率最大为37.07%，说明高频振荡在流域径流量总体变化特征中影响程度最大。除IMF3分量与原始数据无显著相关性外，其余各分量与原始数据的相关性均较为显著。说明流域内径流长期的年代际变化趋势也有一定的意义。

表4 卡拉苏河流域径流集合经验模态分解结果表

图6 卡拉苏河流域径流集合经验模态分解图

3.2 气候变化对径流的影响

为定量分析卡拉苏河流域气候变化对径流的影响，对1959—2019年径流量资料及1960—2019年温度与降雨量资料采用相关性分析及通径分析，研究流域气候变化对径流的影响程度。

3.2.1 相关性分析

根据相关分析得出流域径流量与气温及降雨量的相关系数分别为0.433和0.286。流域年径流量与年降水量及温度之间存在着较为显著的正相关关系，且温度与流域径流量之间存在着更为显著的关系。分析是因为流域径流量的变化受到补给来源的影响较大，结合前期收集到的资料显示卡拉苏河流域上游冰川发育，水文站控制集水区域冰川面积为71.6 km2，冰川覆盖率为5.5%。高山带海拔3200 m以上，长年白雪皑皑，中山带海拔2400～3200 m之间，降水丰沛，气候湿润，在山坡和河滩谷地生长有大片茂密的云杉林。当气温高时流域受冰雪融水补给，气温低时流域则主要靠降雨补给。而这也间接证明了气候变化会影响流域径流量的多少，从而起到调节作用，这与陈忠升[1]在西北干旱区河川径流变化及归因定量辨识中分析结论一致。

3.2.2 通径分析

为进一步定量分析流域径流量是受温度还是降雨量的影响，采用通径分析的方法研究其相关性。但使用通径分析时通常要求数据之间不仅存在显著的相关性，还要求因变量需服从正态分布[9]。而前文分析结果表明流域内径流量与降雨量及温度存在明显的相关关系。故采用对样本数量要求较少的Shapiro-Wilk正态性检验方法分析流域径流量是否满足正态性分布，结果如表5。其显著性为0.076>0.050，说明卡拉苏河流域径流量在95%的置信区间下服从正态分布。因此可在流域内径流量与气候的年际尺度上对其进行通径分析。

表5 径流量正态性检验统计

在通径分析中将两个变量之间的相互关系又分为直接通径系数和间接通径系数，本次利用SPSS中的线性回归方法实现通径系数的计算[9]，结果见表6。流域温度及降雨量对径流的通径系数分别为0.519及0.405，表明卡拉苏河流域径流量同时受流域温度与降雨量的驱动作用，但温度是卡拉苏河流域径流产生的主要驱动因子。与前文相关性分析结果一致，冰雪融水为卡拉苏河流域的主要补给来源，而温度又是影响冰雪融水的主要因素，从而使得气候因子中的温度成为影响卡拉苏河流域径流量变化的主要因素。同时表中反映出流域气候因子与径流量之间的直接通径系数均大于间接通径系数，表明流域径流量受温度与降雨量的直接影响较大，而受温度与降雨量之间的间接影响较小[10]。

表6 卡拉苏河降雨量和气温与径流量的通径分析

4 结 论

(1)受气候变化及人类活动的影响，流域径流年内分配不均，但本文仅对气候变化对径流的影响做出了分析，未深入探讨人类活动对径流产生的影响，这将作为后续的研究重点。

(2)流域径流量呈现出非线性、非平稳的增加趋势，且在20世纪90年代左右发生突变。同时，径流量在年际尺度上具有3 a和7 a的准周期性变化，在年代际尺度上具有13 a和29 a的准周期性变化。

(3)通过相关性与通径分析发现卡拉苏河流域温度与降雨量均对径流量有驱动作用，但主要受温度变化引起的冰雪融水影响。