EN中文

自然资源学报 >

2024 , Vol. 39 >Issue 7: 1720 - 1734

DOI: https://doi.org/10.31497/zrzyxb.20240713

其他研究论文

过去30年气候和土地利用变化对海河流域径流、泥沙及氮磷流失的影响

  • 丁楠 , 1, 2 ,
  • 李义博 1, 2 ,
  • 陶福禄 , 1, 2
展开
  • 1.中国科学院地理科学与资源研究所，北京 100101
  • 2.中国科学院大学，北京 100049
陶福禄（1970- ），男，河南洛阳人，博士，研究员，博士生导师，研究方向为生态系统生态学、全球变化生态学和农林气象学。E-mail:

丁楠（1993- ），女，上海人，博士，研究方向为全球变化与区域生态、全球变化生态学。E-mail:

收稿日期: 2023-05-07

  修回日期: 2024-04-12

  网络出版日期: 2024-07-10

基金资助

中澳合作项目(177GJHZ2022052MI)

收起

Effects of climate change and land use change on runoff, sediment, nitrogen and phosphorus losses in the Haihe River Basin

  • DING Nan , 1, 2 ,
  • LI Yi-bo 1, 2 ,
  • TAO Fu-lu , 1, 2
Expand
  • 1. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 2. University of Chinese Academy of Sciences, Beijing 100049, China

Received date: 2023-05-07

  Revised date: 2024-04-12

  Online published: 2024-07-10

Fold

摘要

海河流域在国民经济可持续发展中发挥着重要作用，同时也是中国水资源最为短缺的地区之一。人口密集、长期不适当的人类活动和气候变化加剧了该区水土流失和水资源短缺等问题。因此，研究气候变化和土地利用对海河流域径流、泥沙以及氮磷流失的影响，不仅可为流域水沙灾害的预警提供理论支撑，也可为理解流域生态环境演变规律提供重要科学依据。对1985—2015年海河流域气候、土地利用、蒸散发（ET）、归一化植被指数（NDVI）和净初级生产力（NPP）等时空演变规律及其影响机制进行了解析。研究结果表明：（1）海河流域六个子流域中，各变量（ET、NDVI、NPP、径流、泥沙、氮磷等）之间的相关性存在显著的地域差异；（2）温度和降雨直接影响径流，从而间接地影响泥沙和氮磷流失；（3）蒸散发受到温度和降雨影响，直接影响径流，并间接影响泥沙和氮磷流失。由此揭示了过去30年气候和土地利用变化对径流、泥沙及氮磷流失的影响机制，对于理解流域生态环境演变规律及其调控具有重要意义。

关键词： 海河流域; 土地利用; 气候变化; 生态水文

本文引用格式

丁楠 , 李义博 , 陶福禄 . 过去30年气候和土地利用变化对海河流域径流、泥沙及氮磷流失的影响[J]. 自然资源学报, 2024 , 39(7) : 1720 -1734 . DOI: 10.31497/zrzyxb.20240713

Abstract

The Haihe River Basin plays an important role in the sustainable economic development of the national economy and is also one of the most water-scare regions in China. Densely populated, long-term inappropriate human activities and climate change have exacerbated the problems of soil erosion and water scarcity in the region. Therefore, studying the effects of climate change and land use on runoff, sediment, and nitrogen and phosphorus losses in the Haihe River Basin provides not only theoretical support for the early warning of water and sand hazards in the region, but also an important scientific basis for understanding the evolutionary pattern of the basin's ecological environment. In this study, we analyzed the spatial and temporal evolution patterns of climate, land use, evapotranspiration (ET), normalized vegetation index (NDVI), and net primary productivity (NPP) in the Haihe River Basin from 1985 to 2015 and their influence mechanisms. The results show that: (1) There are significant geographical differences in the correlations among the variables (ET, NDVI, NPP, runoff, sediment, nitrogen and phosphorus, etc.) in the six sub-basins of the Haihe River Basin. (2) Temperature and precipitation directly affect runoff, and thus indirectly affect sediment and nitrogen and phosphorus losses. (3) ET is directly affected by both temperature and precipitation, and it directly affects runoff, and then indirectly affects sediment and nitrogen and phosphorus losses. The paper reveals the influence of climate and land use changes on runoff, sediment and nitrogen and phosphorus losses over the past 30 years, which is of great significance to the understanding of the evolution of the ecological environment of the basin and its regulation.

Key words： Haihe River Basin; land use; climate change; ecohydrology

自工业革命以来，人类活动强度及全球气候变化显著加剧，在陆表环境和生态系统物质循环等方面都产生了强烈影响[1]。大量研究表明：全球变暖能够加剧全球水循环[2] 。一方面，气候变化，例如温度升高，能够通过影响蒸散发（ET），进而影响径流、泥沙及氮磷流失，对水循环过程产生显著影响[3,4]。而在中高纬度地区，温度升高导致冰川积雪融化，引起径流、泥沙及水质发生变化[5]。同时，风速下降导致ET减少，引起径流增加，反之亦然[6]。此外，太阳辐射、相对湿度等气象要素的变化对ET、径流、泥沙及水质也会造成一定的影响[7]。通过对过去100多年降雨的趋势分析，降雨在未来有增加的趋势，且空间差异很大[8]。在雨水补给为主的流域，降水的季节变化对地表径流会产生影响[9]。因此，径流、泥沙及水质的变化是多种气象要素共同作用的结果，其影响程度亟需进一步厘清。另一方面，随着人口增加和城镇化进程的加快，人类活动，包括土地利用变化、水库和大坝的建设、工业用水、农业用水和生活用水均会对径流、泥沙及水质造成影响[10]。有研究表明，人类活动导致的土地利用变化是影响产流、产沙和水质变化的主要因素[11]。其中，土地利用变化能够改变地表状况，从而影响生态水文过程[12]。土地利用变化对降水、蒸发、径流及土壤侵蚀等多个方面产生影响，进而影响流域水资源的重新分配和整个水循环过程；土地利用变化可通过改变水热传输、反照率、净辐射，进而改变流域的水循环过程[13]。
ET主要反映水由液态或冰雪阶段向气态变化的过程，它包括流域内土壤蒸发、水面蒸发和植物蒸腾[14]。ET作为自然界水文循环的三大主要过程之一（降水、ET和径流），在水循环和能量循环过程中起着极其重要的作用[15]，因此，ET对气候变化的影响一直是该领域的研究热点。其中，降水、气温等气象要素均对ET有着重要的影响。Li等[16]研究表明：日降水量和降水频度对ET的年际变化具有显著影响；降水的年际间变异越大，ET下降越明显[16]。Liu等[17]发现，在太平洋西北地区的寒季，ET主要受到温度的控制；而在高寒地区，ET不仅受到温度的影响，而且还受到可获得的水分的控制[17]。除此之外，不同土地利用方式也会影响ET，如林地的蒸发量约占陆地蒸发量的45%[18]。而土地利用变化通过显著改变地球表面的能量平衡，进而对ET有着重要的影响[19] 。但由于大尺度上ET数据获取的不易，土地利用变化对ET影响还需进一步深入研究，此外，归一化植被指数（NDVI）和净初级生产力（NPP）能够反映土地利用/覆被及环境效应的变化，可用于评价气候和土地利用变化对流域水文过程的影响。
海河流域位于中国华北地区，其中大中城市众多、人口密集、人均GDP较高，在中国政治和经济中处于重要地位。同时，海河流域也是中国水资源最为短缺的地区，易受截流灌溉的影响，导致中下游地区的水量急剧下降，并且存在严重的水污染问题[20] 。综上，本文以海河流域为例，分析过去30年（1985—2015年）的气候、土地利用、NDVI、NPP和ET等数据的年际变化趋势，以及海河流域径流、泥沙和施肥量的年际变化趋势，探讨气候变化和土地利用变化对海河流域ET、径流和泥沙变化的影响机制，以揭示不同驱动因子对流域生态水文过程的影响机制及其效应，增进对气候变化、人类活动和水文过程相互作用的科学认识，为流域水资源管理实践和未来预测提供科学指导。

1 研究方法与数据来源

1.1 数据来源

水文数据来自海河流域水文年鉴，包括河道月平均径流和泥沙数据。土地利用遥感监测数据来源于国家地球系统科学数据中心（http://www.geodata.cn/）。该数据库整合利用美国陆地卫星Landsat遥感影像数据，借助人工目视解译的方式，搭建了国家尺度1∶10万比例尺多时期土地利用/土地覆盖专题数据库（CNLUCC），数据包括20世纪70年代末期（1980年）、80年代末期（1990年）、90年代中期（1995年）、90年代末期（2000年）、2005年、2008年、2010年、2013年和2015年、2018年、2020年11期。本文使用了1980年、1990年、1995年、2005年、2015年土地利用数据。NDVI是基于SPOT/VEGETATION NDVI卫星遥感数据在月数据基础上采用最大值合成法生成的年度空间数据集（http://www.resdc.cn/），而NPP数据来自于MODIS17A3数据集的16天合成产品经最大值合成法形成的年度NPP产品（http://www.ntsg.umt.edu/）。1985—2015年的气象数据来自中国气象科学数据共享服务网（http://cdc.cma.gov.cn/）。从中国气象数据共享中心下载海河流域41个相关站点的日气象要素数据，即日降水量、日平均气压、日最高温、日最低温、日平均风速、日照时间长度和日相对湿度。氮、磷数据来源于水质自动监测站周报、水质自动监测站月报、《中国统计年鉴》、省市统计年鉴。农业管理实践数据来自市统计年鉴、《中国农村统计年鉴》《中国水统计年鉴》《中国统计纲要1949—2008年》和中国农产品成本与收益纲要（https://data.cnki.net/）。

1.2 研究方法

本文以海河流域六个主要的水系为研究对象（图1），包括：潮白河（CB）、子牙河水系（ZY）、大清河水系（DQ）、滦河河北沿海诸小河（LH）、南运河水系（NY）和永定河水系（YD）。基于气候变化、土地利用、NPP、NDVI等数据，采用Pearson进行偏相关分析，研究不同因子对海河流域水文、泥沙等影响。并利用ArcGIS 10.3等软件进行空间变化统计，定量分析海河流域径流、泥沙及氮磷流失的影响因素及空间格局。此外，利用R版本3.5.2中lavann软件包进行结构方程模型（SEM）分析，探讨海河流域ET、气候变化、土地利用、NPP、NDVI、径流、泥沙及氮磷之间的相互作用机制。结构方程模型与传统模型相比具有更高的综合性和灵活性，在本文中需要探究海河流域各变量（ET、NDVI、NPP、径流、泥沙、氮磷等）之间的直接和间接影响，需处理多个变量之间的关系，传统的统计方法不能很好地解决这个问题。SEM能够对抽象的概念进行估计与检定，而且能够同时进行潜在变量的估计与复杂自变量/因变量预测模型的参数估计，通过路径分析和验证性因子分析检验变量之间的相互因果关系[21]。本文所有的统计分析在R语言中进行分析。
图1 海河流域水系图

Fig. 1 Water system of Haihe River Basin

2 结果分析

2.1 1985—2015年海河流域土地利用变化趋势

海河流域六个子流域的土地利用变化趋势如图2所示。图2a表示过去30年用地类型由耕地转化成其他用地类型（林地、草地、未利用地、城镇建设用地、水域）；图2b表示过去30年用地类型由其他用地类型转化成耕地；图2c表示用地类型由林地转化成其他用地类型；图2d表示用地类型由其他用地类型转化成林地。在过去30年间，海河流域土地利用变化总体呈耕地减少的趋势。耕地面积大幅度减少主要发生在潮白河、永定河和大清河交界处，其次是流域东南部平原和永定河西部地区（图2a）。表1展示海河流域用地类型（耕地、林地、草地、城镇建设用地、水域、未利用地）之间的面积转换情况。耕地转换为其他用地类型的面积约为7150 km2，其中主要是转变为城镇建设用地（5897 km2）。耕地面积的增加并不明显，仅在大清河流域有少量的增加（图2b），其中以水域转变为耕地的面积最大（568 km2）。海河流域林地面积变化并不明显，仅在西部山区有少量减少（图2c），其中林地转变为其他用地类型的面积约1197 km2。而在永定河西部以及永定河和潮白河交界处，林地有少量的增加（图2d）。海河流域的主要用地类型呈现如下变化：耕地减少了5712 km2，约占耕地总面积的4%；林地减少了416 km2，约占林地总面积的0.7%；草地减少了195 km2，约占草地总面积的3%；城镇建设用地增加了6692 km2，占城镇建设总面积的约40%。耕地减少主要是由于转变为城镇建设用地（5897 km2），林地减少主要是由于转变为草地（671 km2），而草地减少主要是因转变为耕地（425 km2）和城镇建设用地（391 km2）。
图2 1985—2015年海河流域土地利用变化

Fig. 2 Land use change in the Haihe River Basin from 1985 to 2015

表1 海河流域各用地类型之间的面积转换

Table 1 Area conversion among land use types in Haihe River Basin (km2)

用地类型变化 耕地 林地 草地 未利用地 城镇建设用地 水域 面积变化
耕地 133085 480 259 469 5897 45 -7150
林地 275 56415 671 16 230 5 -1197
草地 425 258 56641 97 391 151 -1322
未利用地 568 39 26 4942 177 18 -828
城镇建设用地 46 3 5 12 16628 0 -66
水域 124 1 166 30 63 1958 -894
面积变化 +1438 +781 +1127 +624 +6758 +219

注：“+”表示相应的用地类型面积增加；“-”表示相应的用地类型面积减少。

2.2 1985—2015年海河流域ET、NDVI和NPP年际变化及各要素年际变化趋势分析

过去30年，海河流域六个子流域的NPP年际变化趋势、NPP年平均值、NDVI年际变化趋势、NDVI年平均值、ET年际变化趋势和ET年平均值如图3所示。ET总体呈现北部增加、南部减少的趋势。潮白河和滦河流域ET均呈现增加趋势，尤其在滦河流域的变化率高达12.7 mm yr-1；而在永定河的部分区域ET呈现减少趋势，其中在子牙河和南运河流域减少趋势最为明显，年际变化的减少量达到-9.97~ -2.21 mm yr-1（图3a3）。过去30年ET平均值在360~1200 mm之间，总体呈现南高北低的趋势。在海河流域的山区，永定河流域ET年平均值最低（377 mm）；而在东南部平原（子牙河流域），ET平均值最高（1145 mm）（图3b3）。总体而言，年均ET值大的地区减小幅度大；年均值小的地区增加幅度大。西北部山区的年均ET较小，但呈增加趋势；东南部平原地区的年均ET值较大，但呈减少趋势。
图3 1985—2015年海河流域ET、NDVI和NPP年际变化趋势和年平均值

Fig. 3 Inter-annual variation trend and annual average of ET, NDVI and NPP in the Haihe River Basin from 1985 to 2015

海河流域过去30年NDVI总体呈增加趋势，由东向西递增。其中海河流域西南部增加趋势较为明显，东北部沿海地区减少趋势较为明显。除滦河、潮白河和南运河流域有小面积减少趋势外，其他流域的NDVI均呈增加趋势，增加量为0~4.6×10-3 yr-1。其中，南运河中部地区的减少趋势最为明显（-2.1×10-3 yr-1）。而海河流域的西南部有大面积的增加趋势，尤其是大清河的西部增幅高达4.5×10-3 yr-1（图3a2）。海河流域过去30年的NDVI平均值在0.4~0.9之间。其中，西部永定河流域的NDVI较小，而在北部沿海地区（滦河流域）以及东南部平原地区（子牙河和南运河流域）的NDVI较大，高达0.83（图3b2）。年均NDVI较大的地区其年际变化趋势较小，而年均NDVI较小的地区其年际变化趋势较大。
过去30年，海河流域的NPP总体呈增加趋势，大部分地区增加幅度介于0~1.5 Pg C yr-1。在滦河西部，海河东北部沿海地区、大清河及南运河中部，NPP有小面积的减少趋势（-1.16~0 Pg C yr-1）。而其他地区的NPP均有不同程度的增加，其中海河流域的西南部NPP年际变化增幅最为明显，尤其是子牙河的西部，增幅高达4.24 Pg C yr-1（图3a1）。过去30年海河的NPP年平均值介于200~550 Pg C，总体呈由北向南递增的趋势。永定河流域的NPP平均值最小（214 Pg C），而子牙河和南运河流域NPP平均值最大，高达641 Pg C（图3b1）。NPP的年际变化趋势总体也呈增加趋势，总体呈现南高北低的趋势。
分析滦河（图4a~图4d）、潮白河（图4e~图4h）、永定河（图5a~图5d）、大清河（图5e~图5h）、子牙河（图6a~图6d）、南运河（图6e~图6h）六个子流域ET、NPP、NDVI、径流、泥沙、氮肥施用量、温度和降雨的年际变化关系以及四种土地利用类型（耕地、林地、草地、城镇建设用地）百分比变化趋势可知，ET与NDVI年际变化的波动曲线幅度较为一致，在2000年和2010年出现波谷值，可能与这两年的年均温度和降雨量略有减少有关。泥沙和施肥量的年际变化趋势均呈先升高后减少的趋势，在2000年左右达到较高值。在过去30年滦河四种土地利用类型中，林地面积占比最大，其次是草地，城镇建设用地占比最少。对潮白河流域相关指标的分析显示（图4e~图4h），ET总体呈现增加的趋势；潮白河流域的土地利用类型在1995年前耕地面积占比略高于林地面积，而1995年后耕地面积大幅度减少，林地面积大幅度增加，之后持续小于林地面积。对永定河流域相关指标的分析结果表明（图5a~图5d），泥沙和施肥量年际变化趋势相似。温度呈增加趋势，降雨在过去30年变化幅度不大，在2000—2010年间降雨量较少。耕地面积在2005年前占比远高于林地面积，而2010年及以后耕地面积大幅减少，林地面积占比远超耕地面积，草地面积在2010年后也高于耕地面积。
图4 1985—2015年滦河和潮白河相关指标年际变化趋势

Fig. 4 Annual variation trend of related indicators for the Luanhe River and Chaobai River from 1985 to 2015

图5 1985—2015年永定河和大清河相关指标年际变化趋势

Fig. 5 Annual variation trend of related indicators for the Yongding River and Daqing River from 1985 to 2015

图6 1985—2015年子牙河和南运河相关指标年际变化趋势

Fig. 6 Annual variation trend of related indicators for the Ziya River and Nanyun River from 1985 to 2015

通过对大清河流域相关指标之间的分析（图5e~图5h），可以发现NDVI大致呈现增加趋势；而径流、泥沙和施肥量在大清河流域总体呈现小幅度减少趋势。过去30年的温度年际变化总体上呈现增加趋势，降水年际变化趋势并不明显。大清河流域的耕地面积占比远高于其他三种土地利用类型，土地利用类型变化幅度总体不大。通过对子牙河流域相关指标的分析（图6a~图6d），发现ET与NDVI均在2010年左右达到最大值。流域温度在1995年之前变化并不明显，在1995—2000年间突然有大幅度增加，之后又趋于稳定。降雨年际变化与温度类似，在1995年之前降雨变化幅度并不大，而在1995—2000年间突然大幅度地升高达到波峰，之后又大幅度地降低达到波谷后趋于稳定；子牙河流域过去30年土地利用变化并不明显，与大清河流域相似，耕地面积远高于其他三种用地类型。通过对南运河流域相关指标的分析发现（图6e~图6h），泥沙和施肥量在2000年之前有较好的年际变化趋势，之后趋势变化一致性较差，这可能是由于2000年后人类活动的影响增加所致。过去30年，南运河流域的土地利用类型与大清河和子牙河相似，耕地占比远高于其他三种用地类型，达到60%以上。

2.3 海河流域各要素间的偏相关分析

对ET、NDVI、NPP、径流、泥沙、施肥量、温度、降雨、耕地、林地、草地和城镇建设用地等12个指标进行偏相关分析（图7、表2），结果表明：不同子流域的相关性存在较大差异。在整个海河流域内，径流与降雨呈现显著正相关关系（r=0.48~0.79，*p<0.01）；温度主要影响大清河与子牙河的ET（r=0.53，*p<0.01和r=0.67，*p<0.01）、NDVI（r=0.62，*p<0.01和r=0.72，*p<0.01）和泥沙（r= -0.47，*p<0.01和r= -0.63，*p<0.01）；在潮白河流域，降雨与NDVI呈显著正相关（r=0.44，*p<0.01）；在永定河流域，降雨与NPP呈显著正相关（r=0.39，*p<0.01）；在子牙河流域，降雨与ET呈现正相关关系（r=0.4，*p<0.01）；耕地面积的变化主要影响滦河的ET、NDVI和NPP。林地面积变化对潮白河的影响较大，与ET呈现负相关性（r= -0.53，*p<0.01），与径流（r=0.83，*p<0.01）、泥沙（r=0.55，*p<0.01）、施肥（r=0.48，*p<0.01）以及降雨（r=0.56，*p<0.01）呈现正相关关系；草地面积主要影响滦河和子牙河的NPP（r=0.36，*p<0.01和r=0.52，*p<0.01）。城镇建设用地主要影响ET，且不同子流域内二者的相关性不同。在滦河和永定河中，城镇建设用地面积与ET呈现负相关性（r= -0.55，*p<0.01和r= -0.47，*p<0.01），在潮白河和子牙河中呈现正相关性（r=0.62，*p<0.01和r=0.69，*p<0.01）。
图7 相关指标偏相关分析

Fig. 7 Correlation analysis of related indicators

表2 部分指标之间偏相关分析相关系数r

Table 2 Partial correlation analysis of correlation coefficient r among some indicators

相关系数
r		 温度-
NDVI		 降雨-
NPP		 降雨-
NDVI		 径流-
降雨		 温度-
ET		 降雨-
ET		 温度-
泥沙		 耕地-
ET		 林地-
ET		 林地-
径流		 林地-
泥沙		 林地-
施肥量		 林地-
降雨
滦河 0.058 0.18 0.15 0.66 0.38 0.13 0.12 0.53 -0.42 0.13 0.26 0.28 0.23
潮白河 0.4 0.2 0.44 0.79 0.4 0.18 0.076 0.46 -0.53 0.83 0.55 0.48 0.56
永定河 0.09 0.39 0.19 0.57 0.49 0.4 -0.34 0.4 -0.37 0.033 0.44 -0.51 0.26
大清河 0.62 0.34 0.09 0.53 0.53 0.12 -0.47 0.21 -0.11 0.68 0.29 -0.79 0.05
子牙河 0.72 0.23 0.33 0.52 0.67 0.23 -0.63 0.39 0.06 0.39 -0.92 0.94 0.14
南运河 0.13 0.28 0.022 0.48 0.23 0.08 0.14 0.62 -0.27 -0.04 0.15 -0.12 0.12

2.4 海河流域各要素之间的相互作用机制

利用结构方程模型分析海河流域各变量（ET、NDVI、NPP、径流、泥沙、氮磷等）之间的直接和间接影响，研究结果表明模型很好地拟合了数据（图8），其中六个子流域卡方和RMSEA值如下所示，χ2=0.008，p=0.659，RMSEA=0.002，df=2（图8a）；χ2=0.550，p=0.362，RMSEA=0，df=1（图8b）；χ2=2.871，p=0.216，RMSEA=0.024，df=2（图8c）；χ2=0.012，p=0.535，RMSEA=0.004，df=1（图8d）；χ2=0.009，p=0.662，RMSEA=0.002，df=2（图8e）；χ2=0.014，p=0.464，RMSEA=0.006，df=1（图8f）。海河流域六个子流域中，径流对泥沙和氮磷流失均存在直接影响。其中，径流对泥沙的直接影响系数在0.424~0.523（p<0.001），在滦河流域中直接影响最大，而永定河流域影响程度最小。相比较径流对泥沙的影响，氮磷流失受径流的直接影响较小，直接影响系数为0.143~0.477（p<0.001），在滦河氮磷流失受径流的影响最大，而在永定河和子牙河两者没有显著的直接影响。
图8 海河流域变量之间的直接和间接影响

注：图中实线和虚线箭头表示正负显著性水平，不显著性水平（p>0.05）路径被忽略。箭头的宽度表示关系的强度，箭头附近的数字是标准化路径系数，表示这些关系的影响大小。*、**和***分别代表0.05、0.01和0.001的显著性水平。

Fig. 8 Direct and indirect effects between variables in the Haihe River Basin

温度对径流的直接影响系数介于-0.389~ -0.228之间（p<0.001），表明温度的升高直接导致径流的减少。六个子流域的降雨对径流的直接影响为0.362~0.566（p<0.001），表明降雨量增加会直接导致径流的增加。尽管温度和降雨对泥沙和氮磷流失不存在显著的直接影响，但通过对径流的直接影响而间接影响泥沙及氮磷流失。ET受到温度和降雨的直接影响，温度影响高达0.622（p<0.001）。ET也直接对径流产生影响（-0.496~-0.379，p<0.001），从而间接影响泥沙及氮磷流失。土地利用变化对径流、温度、ET等产生直接影响，不同子流域土地利用变化的影响不尽相同。城镇用地面积的增加直接导致温度和ET总体呈现升高趋势，其中城镇用地面积对温度的直接影响在永定河高达0.527（p<0.001）。而在大清河流域，虽然城镇用地面积对温度没有显著的直接影响，但是对流域径流及NDVI产生了显著的直接影响，直接影响系数为0.385（p<0.01）和0.362（p<0.01）。六个子流域中，NDVI对NPP都会产生显著的直接影响，影响程度最大的是滦河（0.534，p<0.001），最小的是子牙河（0.417，p<0.001）。

3 结论与讨论

3.1 结论

本文利用Pearson偏相关分析和结构方程模型等方法，结合统计资料，分析了海河流域过去30年气候、土地利用、ET、NDVI、NPP等变量的时空变化，并阐明影响海河流域六个子流域ET、径流、泥沙以及氮流失变化的主导因素。得到主要结论如下：
（1）土地利用、ET和NPP变化：通过对各变量的空间格局分析可得，海河流域过去30年主要土地类型变化表现为耕地减少5712 km2，占耕地面积约4%；林地减少416 km2，占比约0.7%；草地减少195 km2，占比约3%；城镇建设用地增加6692 km2，占比约40%。其中耕地主要转换为城镇建设用地（5897 km2），林地主要转换为草地（671 km2），草地主要转换为耕地（425 km2）和城镇建设用地（391 km2）。过去30年ET平均值为360~1200 mm，总体呈现南高北低的分布。年平均值大的地区，ET减小幅度大；年均值小的地区，ET增加幅度大。过去30年NDVI平均值达到0.4~0.9，总体上呈现增加的趋势。由东向西递增，NDVI平均值较高的地区下降幅度较大；反之，平均值较小的地区，其下降幅度较小。NPP的年平均值为200~550 Pg C，总体呈现由北到南递增的趋势。
（2）不同要素间的相互关系：通过对各变量（ET、NDVI、NPP、径流、泥沙、氮磷等）之间的偏相关分析表明，海河流域六个子流域变量之间存在着不同的相关性。六个子流域的ET与温度、NDVI与NPP均呈现显著正相关。潮白河和大清河的ET与NPP及NDVI均有显著相关性，同时，子牙河ET受NDVI变化的影响最为显著，而南运河ET受NPP的影响较为显著。降雨和温度的变化对径流均有一定的影响，且径流与降雨量均呈现显著正相关。除此之外，径流与土地利用的变化也存在一定关系：潮白河流域径流与林地面积呈现正相关，而与耕地面积呈现负相关。另外，泥沙在部分流域受土地利用变化影响较大：潮白河流域随着城镇用地面积的增加，泥沙量呈下降趋势；同时，子牙河流域的泥沙量会随着耕地和草地的增加而增加，但与城镇用地面积的变化相反。
（3）气候和土地利用变化与各要素间的相互作用机制：通过分析各变量（ET、NDVI、NPP、径流、泥沙、氮磷等）之间的直接和间接影响表明，海河流域六个子流域径流与泥沙以及氮磷流失均存在直接影响。温度和降雨直接影响径流，从而间接影响泥沙以及氮磷流失；ET同时受到温度和降雨的直接影响；ET直接对径流产生影响，从而间接影响泥沙及氮磷流失；土地利用类型的变化也会对径流、温度、ET等产生直接影响，不同子流域土地利用变化的影响不尽相同，城镇用地面积的增加会直接导致温度和ET总体呈现升高趋势。
本文揭示了气候和土地利用变化对径流、泥沙及氮磷流失的影响机制，充分考虑不同流域的背景环境以及相互作用机制，对理解流域生态环境演变规律及其调控等方面提供了一定的科学依据。

3.2 讨论

3.2.1 气候和土地利用变化对ET、径流、泥沙以及氮磷流失的影响

近年来，水循环和水环境对气候变化和人类活动的响应被广泛关注[22]。前人采用多种方法，对气候变化情景下ET、径流、泥沙及氮磷流失的响应过程进行了大量研究[23,24]。已有研究表明，气候变化是影响流域水文过程的主要因素之一，其对水资源的影响主要体现在降水和温度的变化上[25]。其中，降水是导致产流、产沙以及水质发生变化的主要因素[26]，而日最高温度的升高会通过增加ET，从而导致中国许多地区的径流呈现下降趋势[27]。本文的结果进一步证实前人的研究结果，即温度升高会降低流域的产流，进而增加流域的ET；而降雨量的增加也会增加流域的产流和ET。本文在此基础上，量化温度和降水对不同要素影响的相互作用机制，表明温度和降水在不同地区存在一定的交互影响（图8）。除上述温度和降水外，其他气象要素的变化也会对海河流域的ET、径流、泥沙和氮磷流失造成不可忽视的影响，如风速、大气亮度与浑浊度、净辐射通量以及相对湿度等[28]。
土地利用变化作为人类活动的集中体现，能够直接反映人类活动对自然环境的影响，并影响着流域的水循环和水环境[29]。本文研究结果表明：人类活动加剧和城市化进程的加快，促进了城镇用地面积的增加（5712 km2的耕地转移为城镇建设用地），从而导致温度呈现升高趋势（图4、图5、图6），进而对流域的水资源及水环境产生影响。城市用地的扩张则会增强城市的热岛效应，从而影响流域的产流、产沙及水质[30]。虽然气候变化对产流、产沙及氮磷流失影响很大，且降水是影响径流的最重要的因子之一，但在长时间尺度上，降水对径流量的影响并不明显，而对径流影响最重要的因素是强人类活动的干扰[31]。这些结果表明：在长时间尺度上，人类活动导致的土地利用变化对产流、产沙以及水质的影响要强于气候变化的影响[32]。本文结果表明，在海河流域可持续发展中，通过协同与优化土地利用方式，尤其是人类活动的影响，能够有效地调控流域的生态环境。
ET在水循环和能量循环过程中起着极其重要的作用，而降水、气温等气象要素均对ET产生重要影响。本文发现，在永定河流域（图8c），ET与耕地用地面积呈负相关；而在大清河流域（图8d），ET受温度和降水的直接影响，温度和ET与径流呈负相关，而降雨量与径流呈正相关关系。上述结果表明，ET受到多种因素的共同作用，且不同子流域的ET会受到不同因素的影响，因此在探究ET对NDVI、NPP、气候变化及土地利用变化的响应时，应充分考虑流域的背景环境。此外，自然景观转化为农业用地时，地表粗糙度、地表反照率和其他相关属性也会发生相应变化，进而改变不同季节的地表能量和净辐射[33] 。本文结果表明，ET与温度、降雨、城镇用地面积和NDVI呈正相关性，与径流呈负相关性（图8e），耕地面积的增加会导致产沙量增加。而在南运河流（图8f），ET则与林地面积和城镇用地呈负相关性，一方面由于南运河处于海河流域南部，ET受气温和降雨影响较大，共同驱动这一区域的ET时空演变，且流域ET空间强弱关系与海拔具有一定的联系。同时林木根系吸水的生理特性也会影响ET的空间变化。另一方面，海河流域正处于快速工业化阶段，流域内建设用地急剧增长，耕地面积迅速减少，由于这种土地利用格局的突出表现，导致土壤下渗量和下渗速度受到影响[34]，从而影响ET的空间变化[35]。此外，城镇用地面积的增加会扩大城市的不透水面，增加流域的径流和NPP，从而进一步增加NDVI（图7）；而林地面积增加直接导致温度升高和ET增大。草地转化为裸地对能量平衡的影响最大，草地面积的增加会导致ET呈现下降趋势；而随着草地面积的减少，NDVI和NPP会呈现上升趋势。此外，ET与NPP呈现显著的正相关关系，ET的增加会直接导致产流量的显著下降，从而间接减少泥沙和施肥量的损失。

3.2.2 不确定性分析

海河流域人口密集，大中型城市众多，在中国政治经济中占有重要地位。与此同时，水土流失、土地沙漠化、地下水超采、水污染等一系列生态环境问题也在加剧。本文利用Pearson偏相关分析和结构方程模型，对海河流域1985—2015年气候变化和土地利用变化对海河流域ET、径流、泥沙及氮磷流失的影响进行了研究。但还存在一些不足，特别是结构方程模型模拟过程中数据不足所带来的不确定性，需要进一步探讨。首先，由于人类活动和气候变化对当地水文条件的影响是复杂的，流域内的水库、大坝、灌区等水利工程对流域中下游的径流、泥沙以及氮磷流失有很大的影响，不同的人类活动可能会相互影响或相互抵消。例如，在海河流域，工业和生活用水占总用水的30%，但数据的获取存在一定的限制，本文未对这些影响进行评估。此外，南水北调工程的影响同样未被考虑在内。其次，在对ET、NDVI、NPP、径流、泥沙、施肥量、温度、降雨、耕地、林地、草地和城镇建设用地等12个指标进行偏相关分析时，为了统一不同数据的时间尺度，本文将每五年的土地利用数据进行趋势分析转换为月尺度数据，气象数据的日尺度数据进行整合为月尺度数据，而后与径流、泥沙以及施肥量等数据进行相关性分析也可能会对分析结果造成一定影响。尽管在分析各变量之间的关系时，具有一定的不确定性，但对于探究水文循环和水环境变化对气候变化和人类活动变化的响应具有重要意义，能够为后续的研究提供一定的理论基础。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
王全九, 赵光旭, 刘艳丽, 等. 植被类型对黄土坡地产流产沙及氮磷流失的影响. 农业工程学报, 2016, 32(14): 195-201.

[WANG Q J, ZHAO G X, LIU Y L, et al. Effects of vegetation types on yield of surface runoff and sediment, loss of nitrogen and phosphorus along loess slope land. Transactions of the CSAE, 2016, 32(14): 195-201.]

[2]
CRUZ A B, GAVI R F, MARTINEZ M M, et al. Land use and its effect on runoff modeled with SWAT. Tecnologia Y Ciencias Del Agua, 2021, 12(2): 157-206.

[3]
曹晓娟, 谢林妤, 张风宝, 等. 沙层特性对沙盖黄土坡面产流产沙变化贡献的定量分析. 地理学报, 2019, 74(5): 962-974.

DOI

[CAO X J, XIE L Y, ZHANG F B, et al. Quantifying the contributions of sand layer characteristic to variations of runoff and sediment yields from sand-covered loess slopes during simulated rainfall. Acta Geographica Sinica, 2019, 74(5): 962-974.]

DOI

[4]
马恩朴, 蔡建明, 林静, 等. 近30年中国农业源氮磷排放的格局特征与水环境影响. 自然资源学报, 2021, 36(3): 752-770.

DOI

[MA E P, CAI J M, LIN J, et al. Spatial pattern and water environmental impact of nitrogen and phosphorus emissions from agricultural sources in China in recent 30 years. Journal of Natural Resources, 2021, 36(3): 752-770.]

[5]
刘剑宇, 张强, 陈喜, 等. 气候变化和人类活动对中国地表水文过程影响定量研究. 地理学报, 2016, 71(11): 1875-1885.

DOI

[LIU J Y, ZHANG Q, CHEN X, et al. Quantitative evaluations of human- and climate-inducedimpacts on hydrological processes of China. Acta Geographica Sinica, 2016, 71(11): 1875-1885.]

DOI

[6]
李晓蕾, 王卫光, 张淑林, 等. 基于CMIP6多模式的长江流域未来降水变化趋势分析. 中国农村水利水电, 2022, (3): 1-7.

[LI X L, WANG W G, ZHANG S L, et al. Trend analysis of future precipitation in the Yangtze River Basin based on CMIP6 multi-model. China Rural Water and Hydropower, 2022, (3): 1-7.]

[7]
BHARAT S, MISHRA V. Runoff sensitivity of Indian sub-continental river basins. Science of the Total Environment, 2021, 766: 142642, Doi: 10.1016/j.scitotenv.2020.142642.

[8]
SATOH Y, YOSHIMURA K, POKHREL Y, et al. The timing of unprecedented hydrological drought under climate change. Nature Communications, 2022, 13: 3287, Doi: 10.1038/s41467-022-30729-2.

PMID

[9]
刘晓燕, 党素珍, 刘昌明. 天桥泉域与黄河河段的补径排关系变化及其对河川径流的影响. 地理学报, 2016, 71(1): 66-74.

DOI

[LIU X Y, DANG S Z, LIU C M. Change of the relationship between recharge, runoff and drainage of groundwater in Tianqiao Spring Region and Yellow River Reach and its impact on runoff. Acta Geographica Sinica, 2016, 71(1): 66-74.]

DOI

[10]
DING N, TAO F L, CHEN Y. Effects of climate change, crop planting structure, and agricultural management on runoff, sediment, nitrogen and phosphorus losses in the Hai-River Basin since the 1980s. Journal of Cleaner Production, 2022, 359: 132066, Doi: 10.1016/j.jclepro.2022.132066.

[11]
MAO D, CHERKAUER K A. Impacts of land-use change on hydrologic responses in the Great Lakes Region. Journal of Hydrology, 2009, 374(1-2): 71-82.

[12]
刘晓燕, 刘昌明, 杨胜天, 等. 基于遥感的黄土高原林草植被变化对河川径流的影响分析. 地理学报, 2014, 69(11): 1595-1603.

DOI

[LIU X Y, LIU C M, YANG S T, et al. Influences of shrubs-herbs-arbor vegetation coverage on the runoff based on the remote sensing data in Loess Plateau. Acta Geographica Sinica, 2014, 69(11): 1595-1603.]

DOI

[13]
ELFERT S, BORMANN H. Simulated impact of past and possible future land use changes on the hydrological response of the Northern German lowland 'Hunt' catchment. Journal of Hydrology, 2010, 383(3-4): 245-255.

[14]
BAKER T J, MILLER S N. Using the Soil and Water Assessment Tool (SWAT) to assess land use impact on water resources in an East African Watershed. Journal of Hydrology, 2013, 486(8): 100-111.

[15]
ZHANG L, KARTHIKEYAN R, BAI Z, et al. Analysis of streamflow responses to climate variability and land use change in the Loess Plateau Region of China. Catena, 2017, 154: 1-11.

[16]
LI M, FU Q, SINGH V P, et al. Sustainable management of land, water, and fertilizer for rice production considering footprint family assessment in a random environment. Journal of Cleaner Production, 2020, 258: 120785, Doi: 10.1016/j.jclepro.2020.120785.

[17]
LIU J, ZHANG Q, SINGH V P, et al. Contribution of multiple climatic variables and human activities to streamflow changes across China. Journal of Hydrology, 2017, 545: 145-162.

[18]
ZHANG L, NAN Z, YU W, et al. Hydrological responses to land-use change scenarios under constant and changed climatic conditions. Environmental Management, 2016, 57: 412-431.

DOI PMID

[19]
王富强, 王金杰, 石家豪. 基于SWAT模型的区域农业干旱模拟研究. 华北水利水电大学学报: 自然科学版, 2019, 40(1): 64-70.

[WANG F Q, WANG J J, SHI J H. Study on simulation of agricultural drought in a region based on SWAT model. Journal of North China University of Water Resources and Electric Power, 2019, 40(1): 64-70.]

[20]
王道芸, 胡海棠, 李存军, 等. 基于GIS的海河流域农田氮磷肥施用环境风险评价. 山西农业科学, 2019, 47(3): 405-412.

[WANG D Y, HU H T, LI C J, et al. Environmental risk assessment of nitrogen and phosphorus fertilizer application in farmland of Haihe River Basin based on GIS. Journal of Shanxi Agricultural Sciences, 2019, 47(3): 405-412.]

[21]
吴兆龙, 丁晓. 结构方程模型的理论、建立与应用. 科技管理研究, 2004, (6): 90-92, 95.

[WU Z L, DING X. Theory, establishment and application of structural equation model. Science and Technology Management Research, 2004, (6): 90-92, 95.]

[22]
陈亮, 董晓华, 李英海, 等. 基于SWAT模型的黄柏河东支流域气候变化的水文响应研究. 三峡大学学报: 自然科学版, 2019, 41(2): 1-5.

[CHEN L, DONG X H, LI Y H, et al. Hydrological response to climate change in the East Branch of Huangbaihe River based on SWAT model. Journal of Three Gorges University: Natural Sciences, 2019, 41(2): 1-5.]

[23]
田晶, 郭生练, 刘德地, 等. 气候与土地利用变化对汉江流域径流的影响. 地理学报, 2020, 75(11): 2307-2318.

DOI

[TIAN J, GUO S L, LIU D D, et al. Impacts of climate and land use/cover changes on runoff in the Hanjiang River Basin. Acta Geographica Sinica, 2020, 75(11): 2307-2318.]

DOI

[24]
杨泽龙, 李艳忠, 梁康, 等. 植被恢复背景下黄河中游及6个典型流域蒸散发及其组分变化格局. 自然资源学报, 2022, 37(3): 816-828.

DOI

[YANG Z L, LI Y Z, LIANG K, et al. Variation patterns of evapotranspiration and its components in the Middle Yellow River and six typical basins under the background of vegetation restoration. Journal of Natural Resources, 2022, 37(3): 816-828.]

[25]
SHEN Y, ZHANG Y, SCANLON B R, et al. Energy/water budgets and productivity of the typical croplands irrigated with groundwater and surface water in the North China Plain. Agricultural and Forest Meteorology, 2013, 181(4): 133-142.

[26]
姜锋, 王丽霞, 孙烨. 陕北延河流域水土资源承载力评价研究. 地下水, 2012, 34(4): 117-120.

[JIANG F, WANG L X, SUN Y. Evaluation and study on water and land resources carrying capacity in the Yanhe Watershed. Ground Water, 2012, 34(4): 117-120.]

[27]
SCHIERHORN F, MÜLLER D, PRISHCHEPOV A V, et al. The potential of Russia to increase its wheat production through cropland expansion and intensification. Global Food Security, 2014, 3(3-4): 133-141.

[28]
FANG C, SONG K S, PAERL H W, et al. Global divergent trends of algal blooms detected by satellite during 1982-2018. Global Change Biology, 2022, 28(7): 2327-2340.

[29]
王梦园, 解宏伟, 赵杰, 等. 基于SWAT模型的黄河源区径流模拟. 青海大学学报, 2019, 37(1): 39-46.

[WANG M Y, XIE H W, ZHAO J, et al. Runoff simulation in the source region of the Yellow River based on SWAT model. Journal of Qinghai University, 2019, 37(1): 39-46.]

[30]
GIBSON G R, CAMPBELL J B, ZIPPER C E. Sociopolitical influences on cropland area change in Iraq, 2001-2012. Applied Geography, 2015, 62: 339-346.

[31]
FEI C C J, MCCARL B A, YANG Y Q, et al. Impacts of climate change on water management. Applied Economic Perspectives and Policy, 2022, 21(1): 81-99.

[32]
HOU X J, FENG L, DAI Y H, et al. Global mapping reveals increase in lacustrine algal blooms over the past decade. Nature Geoscience, 2022, 15: 130-134.

[33]
HYTTEN K F. Exploring climate change discourses across five Australian federal elections. Political Science, 2022, 73(2): 161-180.

[34]
吴立钰, 张璇, 李冲, 等. 气候变化和人类活动对伊逊河流域径流变化的影响. 自然资源学报, 2020, 35(7): 1744-1756.

DOI

[WU L Y, ZHANG X, LI C, et al. Impacts of climate change and human activities on runoff variations in Yixun River Basin. Journal of Natural Resources, 2020, 35(7): 1744-1756.]

[35]
SETYORINI A, KHARE D, PINGALE S M. Simulating the impact of land use/land cover change and climate variability on watershed hydrology in the Upper Brantas Basin, Indonesia. Applied Geomatics, 2017, 9(3): 191-204.

Options
文章导航

/

〈 〉