李愛娟, 徐光來,3, 楊強強, 池建宇

(1.安徽師范大學地理與旅游學院, 安徽 蕪湖 241003;2.安徽省江淮流域地表過程與區(qū)域響應重點實驗室, 安徽 蕪湖 241003;3.安徽師范大學 皖江流域退化生態(tài)系統(tǒng)的恢復與重建省部共建協(xié)同創(chuàng)新中心, 安徽 蕪湖 241003)

0 引言

生態(tài)系統(tǒng)服務是對人類的生存和生活質(zhì)量做出貢獻的生態(tài)系統(tǒng)產(chǎn)品和生態(tài)系統(tǒng)功能,人類從生態(tài)系統(tǒng)中獲得的所有利益,包括供給服務、文化服務、調(diào)整服務和支持服務[1-2]．隨著經(jīng)濟發(fā)展人類對資源和環(huán)境的需求增加,生態(tài)系統(tǒng)的服務價值與人類的福祉有著更加密切的聯(lián)系．生態(tài)系統(tǒng)服務已成為生態(tài)學、地理學研究的熱點問題[3-4]．

產(chǎn)水量是生態(tài)系統(tǒng)供給服務中重要的供給功能之一,受到氣候、植被、土壤和地形等多種因素的影響,這些因素使得產(chǎn)水功能在空間上具有異質(zhì)性[5]．我國是水資源相對匱乏的國家,產(chǎn)水量對流域內(nèi)及下游地區(qū)的生產(chǎn)、生活、生態(tài)都起著至關重要的作用．產(chǎn)水功能作為生態(tài)系統(tǒng)供給服務中的重要指標,受多種因素的影響,在時空上出現(xiàn)不平衡的情況．侯文娟等[6]構建烏江三岔河流域SWAT模型,結合地理加權回歸模型分析了喀斯特流域產(chǎn)流服務的空間分異規(guī)律及與景觀破碎化指數(shù)、NDVI等因子的關系．戴爾阜等[7]利用InVEST模型模擬橫斷山區(qū)的產(chǎn)水量空間分布,研究結果表明氣候因子是影響產(chǎn)水量的空間異質(zhì)性的主導因素,不同地貌及氣候分區(qū)的因子解釋力不同．

SWAT模型的水文模塊可以綜合流域多種因素影響得出空間上的產(chǎn)水量分布,將其用于產(chǎn)水服務模型構建可以科學評估流域產(chǎn)水量的時空分布規(guī)律．利用地理探測器對模擬產(chǎn)水模擬結果進行歸因分析,可以從空間上探測變量可能存在的因果關系,科學定量研究產(chǎn)水量的影響因素,可以對流域的生態(tài)系統(tǒng)產(chǎn)水服務進行科學評價,為水資源的可持續(xù)利用和水資源調(diào)配管理方法提供參考,同時對流域生態(tài)補償研究奠定基礎,促進流域健康可持續(xù)發(fā)展．

1 研究區(qū)概況

選取淮河干流淮濱水文站以上流域為研究區(qū),該區(qū)域總面積為141 12 km2,流經(jīng)河南、湖北兩省,流域范圍主要位于信陽市,部分位于南陽市、駐馬店市、隨州市、孝感市及黃岡市．該流域內(nèi)地形單元豐富,有低山、丘陵和相對平坦的平原地區(qū),屬于亞熱帶與溫暖帶過渡的氣候,自然水系發(fā)育較好．南部及西部地區(qū)受人類活動影響較小,平原地區(qū)主要為信陽市轄區(qū)范圍,城鎮(zhèn)化的建設使得地面硬化率提高會對產(chǎn)水量產(chǎn)生一定的影響．流域內(nèi)土地利用類型多樣,以耕地和林地為主,流域內(nèi)地理環(huán)境具有較大的空間異質(zhì)性,如圖1所示．

圖1 研究區(qū)概況

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源與處理

本文中DEM(30 m×30 m),土地利用(30 m×30 m)及影響因子中人口密度數(shù)據(jù)(1 km×1 km)、NDVI數(shù)據(jù)均來自中國科學院資源環(huán)境科學與數(shù)據(jù)中心(http://www.resdc.cn/);土壤數(shù)據(jù)(1 km×1 km)來自世界和諧土壤數(shù)據(jù)庫HWSD;降水、氣溫等構建模型的氣象數(shù)據(jù)來自中國氣象數(shù)據(jù)網(wǎng)(https://data.cma.cn/),分辨率為日．用于校準模型的實測徑流數(shù)據(jù)來自河南省信陽市水文局．

借助ArcGIS將DEM、土地利用等空間數(shù)據(jù)庫定義統(tǒng)一的投影坐標系．原始的18種土地利用類型進行適用于模型內(nèi)部數(shù)據(jù)庫的重分類,將研究區(qū)分成6種土地利用類型,分別為耕地、林地、草地、水域、居民區(qū)、荒地、裸地．利用HWSD土壤數(shù)據(jù)庫,通過SPAW軟件及土壤水文學分組進行一定的計算轉(zhuǎn)換得到研究區(qū)的土壤數(shù)據(jù)庫．將每個站點的降雨量、最高最低氣溫、風速、相對濕度及太陽輻射數(shù)據(jù)整理成SWAT模型所識別的數(shù)據(jù)格式,時間尺度為1981-2018年,步長為日,并通過站點經(jīng)緯度與空間數(shù)據(jù)庫連接．

2.2 SWAT模型的產(chǎn)水量模擬

SWAT模型對流域水文過程模擬主要包括陸地、匯流兩個階段的水循環(huán)．在陸地階段的水循環(huán)中可以獲得流域總徑流量與產(chǎn)沙量,前者是通過演算劃分的每個HRU的徑流量得到,后者則由修正的通用土壤流失方程計算[8-9]．模型的水量平衡公式如下[10]:

(1)

式中:SWt代表了土壤最后保持水量(mm);t代表了時間步長(d);SWo和Rday分別代表了第i天的土壤最開始保持水量和降水量(mm);Qsurt和Ea分別代表了第i天的地表產(chǎn)流量和蒸散發(fā)量(mm);Wseep和Qgw分別代表了第i天地下和包氣帶的保持水量(mm)．

SWAT模型會在流域內(nèi)根據(jù)土地利用、土壤、坡度等因素劃分的具有相同水文特性的水文相應單元(HRU),再根據(jù)水量平衡法計算每個HRU內(nèi)的產(chǎn)水量,即在給定期間內(nèi)單位流域面積產(chǎn)生的注入水道的總水量,最終讀取得出HRU尺度的產(chǎn)水量．本文利用SWAT模型水文模塊對HRU尺度的產(chǎn)水量輸出數(shù)據(jù)進行流域水供給量的計算．產(chǎn)水量計算公式如下[11]:

WYLD=SURQ+LATQ+GWQ-TLOSS-pond

(2)

式中,WYLD為總產(chǎn)水量(mm),SURQ為主水道中的地表徑流量(mm),LATQ為主水道中的側(cè)向流量(mm),GWQ為主水道中的地下徑流量(mm),TLOSS為河床傳輸損失量(mm),pond為池塘截留量(mm)．

2.3 地理探測器

產(chǎn)水的空間分異是由多種因素導致的,假設某因素對產(chǎn)水產(chǎn)生影響,則其空間分布就會和產(chǎn)水的空間分布有一定的相似性．本文運用地理探測器對產(chǎn)水服務進行單因子及交互因子探測．單因子探測因變量的空間分異性,明確不同影響因子對產(chǎn)水量空間分異的解釋程度,而交互作用探測器則可以評估兩個不同自變量同時作用時對產(chǎn)水量空間分異的解釋能力．

某影響因子X對產(chǎn)水量的解釋力為q,公式如下[12]:

(3)

(4)

2.4 影響因素選取

土地利用類型改變了地表狀況,地表狀況影響了地面的蒸發(fā)量,從而對區(qū)域的產(chǎn)水量產(chǎn)生影響[13]．植物的蒸騰作用是水循環(huán)的環(huán)節(jié)之一,其影響著水量的產(chǎn)生．地形和坡度是重要的下墊面因子,是氣候形成的重要影響因素,直接影響著降水量及產(chǎn)水量[14]．受人類活動的影響,土地利用景觀格局發(fā)生顯著變化,流域徑流也因此受到影響,水文過程發(fā)生改變．因此綜合考慮了自然和人為因子共9個因子進行分析,自然因子中選取降水、氣溫、DEM、坡度、NDVI等5個因子,人為因子中選取了人口密度、香農(nóng)多樣性指數(shù)(SHDI)、蔓延度指數(shù)(CONTAG)和有效粒度尺寸(MESH)4個因子分別表示景觀的多樣性、聚集度以及破碎度．對數(shù)據(jù)進行ArcGIS漁網(wǎng)重采樣,按照1 km間隔生成,使各影響因子在空間單位上統(tǒng)一,便于進一步分析．

3 結果與分析

3.1 模型校準及驗證

SWAT模型內(nèi)參數(shù)眾多,同一個參數(shù)在不同的研究區(qū)對模型的貢獻率也不同．但是受限于實測數(shù)據(jù)的獲取難度,很難對每一個參數(shù)每一個子流域進行分別校準．本文利用大坡嶺長臺關2001-2015年實測月徑流數(shù)據(jù)對模型進行率定和驗證,其中2001-2010年為率定期,2011-2015年為驗證期．參考以往對淮河流域的研究以及自我調(diào)參的方式最終選取了8個參數(shù)來進行模型的校準．

率定方法采用SWAP-CUP軟件中的反演建模算法SUFI2進行參數(shù)率定[15],本文修改后的方法用賦值法,率定時采用先上游后下游的順序,經(jīng)過200次迭代后得出最佳的取值,進而代入SWAT中進行重新模擬取值驗證．大坡嶺站和長臺關站實測值和模擬值對比如圖2和圖3所示．經(jīng)過計算得到大坡嶺率定期確定性系數(shù)(R2)和納什效率系數(shù)(NSE)分別為0.864、0.818;長臺關率定期R2和NSE分別為0.873、0.829;大坡嶺驗證期R2和NSE分別為0.920、0.747;長臺關驗證期R2和NSE分別為0.862、0.719．總體來看,模擬效果較理想,率定后的模型在淮河上游具有較強的適用性．

圖2 大坡嶺月平均徑流實測值與模擬值比較

圖3 長臺關月平均徑流實測值與模擬值比較

3.2 產(chǎn)水服務空間特征

淮河上游流域產(chǎn)水量的變化范圍為8～531 mm,平均產(chǎn)水量為345 mm(圖4)．產(chǎn)水量整體呈現(xiàn)中間低四周高的分布格局,較高的地區(qū)集中在南部及東北部,其中產(chǎn)水量在500 mm以上的地區(qū)主要集中在南部的高程較高的地區(qū),中部為低值區(qū),產(chǎn)水量范圍主要在300 mm以下．

圖4 產(chǎn)水服務空間分布圖

3.3 產(chǎn)水量空間分異因素

3.3.1 單因子歸因分析

利用地理探測器對淮河上游流域的產(chǎn)水量空間分異影響因素進行探究．在選取的5個自然因子和4個人為因子中,降水和DEM對產(chǎn)水量空間分異解釋力最高,分別達到了61.4%和44.2%．氣溫和坡度對產(chǎn)水量的空間差異的解釋力差異不顯著,坡度略高為28.5%,氣溫為27.7%．人為因子中解釋力最高的為表征景觀破碎度的有效粒度尺寸,解釋力為40.2%,其次為人口密度,解釋力為29.0%．所有因子中解釋力排名靠后的分別為香農(nóng)多樣性指數(shù)的解釋力22.8%、蔓延度指數(shù)的解釋力16.0%以及NDVI的解釋力10.0%．總體來看,自然因子的總體解釋力大于人為因子,降水量及DEM對產(chǎn)水量的空間分異影響較大．

為探究不同因子在不同海拔高度上對產(chǎn)水量的影響程度,將淮河上游流域不同DEM分為7個不同分區(qū)并進行影響因子分析,不同DEM分區(qū)各因子對產(chǎn)水服務空間分異的影響程度(圖5)．由圖5可以看出,同一因子在不同海拔分區(qū)的解釋力存在較大差異．以降水量為例,降水量在大于400 m的地區(qū)中對產(chǎn)水量的解釋力達到了88%,而在小于50 m的地區(qū),解釋力為31.1%．隨著海拔的降低,降水量對產(chǎn)水量的解釋力逐漸降低．坡度因子在50 m以下的地區(qū)對產(chǎn)水空間分布解釋力不顯著,而在200～300 m卻可達26.7%,總體來說隨著高程的上升,自然因子的解釋力增強顯著．在人為因子中,有效力度尺寸在100～200 m的分區(qū)中對產(chǎn)水量的解釋力最小,為27.4%,在400 m以上的分區(qū)中解釋力最高,為51.7%．總體來看,降水量對產(chǎn)水量的解釋力在不同的DEM分區(qū)中的差異最大,即降水對產(chǎn)水量的影響受海拔的影響最大．氣溫及人口密度對產(chǎn)水量的影響受不同海拔的影響最低．自然因子在不同海拔上對產(chǎn)水量影響差異較大,人為因子在不同海拔上對產(chǎn)水量影響差異較小．

圖5 不同DEM分區(qū)各因子對產(chǎn)水服務空間分異的影響程度

3.3.2 自然因子與人為因子的綜合分析

產(chǎn)水量的空間結構是由多因素間相互作用共同決定的[5],因子之間的交互作用對產(chǎn)水量空間分布格局的影響高于單個因子的影響程度．在單因子的影響中,最高的為降水量的61.4%,在多因子交互作用中,流域內(nèi)400 m以上的地區(qū),降水和坡度的交互作用解釋力可達96.4%,所有因子的交互作用解釋力靠前且具有代表性的因子數(shù)據(jù)如圖6所示．

圖6 不同DEM分區(qū)多因子交互作用產(chǎn)水服務空間分異的影響程度

總體來看,降水因子和其他因子的交互作用對產(chǎn)水量的解釋力最高,自然因子內(nèi)部降水∩坡度的交互作用解釋能力最強．人為因子中,人口密度∩景觀破碎化程度的解釋力較強．

在不同的地形分區(qū)中,主導的因子交互作用不同．在海拔相對較低的地區(qū),主導的交互作用主要為降水∩人口密度．在50 m以下的地區(qū)解釋力為93.7%,隨著海拔的上升,解釋力有所下降,在400 m以上的地區(qū)解釋力為89.1%．降水及坡度的交互作用在海拔相對較高的地區(qū)對產(chǎn)水量的解釋力最高,在400 m以上的地區(qū)降水∩坡度的解釋力為96.4%,而在50 m以下的地區(qū)降水∩坡度的解釋力為87.3%．次要的主導交互作用在海拔較低的地區(qū)為降水∩坡度,在海拔大于150 m的分區(qū)后,降水∩坡度成為主導交互作用,降水∩DEM為次要的主導交互作用．自然因子內(nèi)部的交互作用解釋力都呈現(xiàn)隨著海拔升高而增加的趨勢,人口密度∩景觀破碎化程度的解釋力大小受海拔的影響較?。?/p>

解釋力較低的交互作用因子主要為溫度與其他因子的交互及NDVI與其他因子的交互．溫度與其他因子的交互解釋力在10～50%之間,NDVI與其他因子的交互解釋力20～65%之間．人為因子之間的交互作用的解釋力也相對較低．

4 結論

利用SWAT模型模擬的產(chǎn)水量為自變量,以2010年為代表年份,利用地理探測器,對淮河上游流域產(chǎn)水量的空間分異影響因素進行分析,主要結論如下:

1) 淮河上游流域產(chǎn)水量的變化范圍為8～531 mm,平均產(chǎn)水量為345 mm．產(chǎn)水量整體呈現(xiàn)中間低四周高的分布格局,較高的地區(qū)集中在南部及東北部,中部為低值區(qū)．

2) 對產(chǎn)水量影響最大的為降水和DEM,解釋力為61.4%和44.2%．人為因子解釋力最高的為有效粒度尺寸,解釋力為40.2%．自然因子的解釋力大于人為因子．對于不同海拔的分區(qū),同一個因子的解釋力有顯著差異．降水量在大于400 m的地區(qū)中對產(chǎn)水量的解釋力達到了88%,在小于50 m的地區(qū),解釋力為31.1%．隨著高程的上升,自然因子的解釋力增強顯著．

3) 因子之間的交互作用對產(chǎn)水量空間分布格局的影響高于單個因子的影響程度．在海拔相對較低的地區(qū),主導的交互作用主要為降水∩人口密度,在50 m以下的地區(qū)解釋力為93.7%．在海拔大于150 m的分區(qū)后,降水∩坡度為主導交互作用,降水∩DEM為次要主導交互作用．