荥经河流域径流变化过程分析

黄晓荣, 奚圆圆, 李晶晶, 高蔺云, 马凯

(1.四川大学 水力学与山区河流开发保护国家重点实验室，四川 成都 610065; 2.四川大学 水利水电学院,四川 成都 610065)



荥经河流域径流变化过程分析

黄晓荣1,2, 奚圆圆2, 李晶晶2, 高蔺云2, 马凯2

(1.四川大学 水力学与山区河流开发保护国家重点实验室，四川 成都 610065; 2.四川大学 水利水电学院,四川 成都 610065)

为了研究荥经河流域径流演变规律,定量分析影响因素,根据荥经站1965—2010年径流数据及相关气象资料,利用小波分析法、双累积曲线法,综合分析了荥经河流域径流变化过程及影响因素,应用多元线性回归法建立了径流回归模型,并对1965—2010年的径流进行了模拟。结果显示,荥经河流域径流量有减少的趋势,特别是近20年来,枯水年出现的概率增大;1975—1990年、2001—2010年，降雨是影响径流变化的最主要因素,而在1991—2000年人类活动对径流的影响较大;所建立的径流回归模型拟合性较好,有较强的实用性。

荥经河流域;径流变化;双累积曲线;多元线性回归模型

径流是水文过程的一个重要环节,它能够直接反映区域气候变化和人类活动对水文过程的作用[1]。同时,作为地表水资源的重要部分,径流的变化直接关系到区域可利用水资源量。

近年来,随着经济社会的快速发展,全球气温逐年上升,导致需水量剧增,河川径流大幅减少,直接影响到经济社会的发展以及人民生活、生产的用水安全。因此,更准确地把握径流的变化规律、弄清影响径流的主要因素、提出径流年际和年内变化的模拟模型,具有非常重要的意义。国内外许多学者就这几方面的内容作了大量的研究,如胡东来等[2]分析了宜宾以上长江流域1956—2000年降水、水资源量的趋势和周期,总结出青衣江与岷江流域的降水呈下降趋势,长江上游的其他各流域降水变化趋势均不明显,南水北调西线调水区存在8～12 a的周期。张淑兰等[3]分析了泾河径流的时空变化规律,评估了人类活动对径流的影响,总结出径流呈明显下降的趋势,且不同时段气候变化、人类活动对径流的影响程度不同。马新萍等[4]定量估算了灞河流域气候因子和人类活动对径流量变化的影响,总结出径流量有逐年减少的趋势,其减少的主要因素是人类活动的影响。凌文韬等[5]对黑河流域径流变化规律及未来演变趋势进行了预测。Wei等[6]利用年径流和有效降雨累积曲线来寻找加拿大Willow流域森林砍伐引起的径流突变点。同样利用此方法,Zhang等[7]分析了岷江上游杂古脑河森林砍伐引起的径流响应。但荥经河流域在这几方面的研究相对较少。本文主要研究荥经河流域径流的变化情况和人类活动及降雨对径流的影响,并对1965—2010年的径流进行模拟。研究结果可为荥经河流域的水资源开发利用提供参考。

1　数据与方法

1.1区域概况

荥经河属青衣江上游一级支流。向东南于雅安接纳周公河,至洪雅接纳花溪河,过夹江于乐山附近的草鞋渡注入大渡河。流域内冬暖夏凉、温和湿润、降水丰富,属于典型的暴雨区。荥经河主源荥河,发源于荥经、天全、泸定三县交界处的马场梁,流至荥经县与南边的经河汇合,始称荥经河。荥经河河长112 km,流域面积1 985 km2,平均比降22.5‰,目前流域内支流与干流上均分布有小型水电站,同时荥经河上游正在规划建设龙头水电站(新庙电站)。未来随着全球气候变化和水电站建设规模的不断扩大,荥经河流域的径流必然会发生较大的改变。

1.2数据资料

采用的数据资料主要有:1965—2010年荥经站和石滓站的径流、降雨资料,以及1965—2010年青衣江上游雅安气象站的气温资料。荥经水文站为荥经河流域的主要控制站点,其监测数据资料较为完整,具有较强的代表性。

1.3分析方法

1.3.1高桥浩一郎蒸发公式法

高桥浩一郎蒸发公式是由高桥浩一郎推算出的经验公式,运用月平均气温、月降水量来推算月蒸发量。

(1)

式中:E为月蒸发量,mm;P为月降水量,mm;T为月平均气温[8],℃。

高桥公式虽然是经验公式,但在物理上考虑了影响实际蒸发的两个最主要物理因子,并有实际观测资料作依据,因此能较好地反映实际蒸发的变化情况[9]。

1.3.2双累积曲线

双累积曲线是在直角坐标系中绘制同期内两个变量连续累积值的关系曲线,用来判断变量的趋势性及突变点。由于该研究区域属于高寒地区,人烟稀少,近50年来下垫面植被变化不大,径流主要受气候变化的影响,因此运用径流与降雨累积曲线来分析气候变化对径流的影响。若两者关系曲线近似为一条直线,则认为径流趋势不明显,没有明显的突变点,相反则认为径流存在明显的突变变化。

采用有效降雨与径流来分析降雨与径流的一致性关系,进而定量分析径流变化的影响因素,利用有效降雨可以更好地反映降雨-径流关系。

1.3.3多元线性回归法

设影响因变量Y的自变量个数为p,自变量分别为X1,X2,…,Xp,假设Y=β0+β1X1+β2X2+…+βpXp+ε成立,其中ε服从N(0,σ2),称上式为因变量Y对自变量X1,X2,…,Xp的多元线性回归方程,其中自变量系数可以用最小二乘法进行计算[10]。多元线性回归法能够很好地反映因变量与多个自变量之间的关系,应用非常广泛。

2　结果与分析

2.1径流趋势分析

1965—2010年荥经河流域各月径流量变化过程如图1所示。由图1可知:1月份的径流量占全年径流量的比例最小,为2%；8月份的最大,为20.8%；径流量主要集中在6—10月份；全年有7个月的径流量低于年均值,这与该地区属于暴雨区的特征相吻合。

图1　1965—2010年荥经河流域各月平均径流量变化过程

荥经河流域年径流量及汛期最大值变化过程如图2 所示。从图2中可以看出:年径流量有减少的趋势,年径流量最大值出现在1975年,最小值出现在1987年;汛期月最大径流量也呈减少趋势,并且减少趋势较年径流量更加剧烈,平均每10 a减少13.3 m3/s。

图2　荥经河流域年径流量及汛期最大值变化过程

以荥经站年径流量为基础,绘制皮尔逊Ⅲ型曲线。以频率P≤15%为丰水年;15%85%为枯水年[11]。通过对皮尔逊Ⅲ型曲线进行排频,对该站1965—2010年、1965—1990年、1991—2010年径流量的特征值进行计算,结果如图3所示。

图3　荥经河流域径流丰枯变化图

由图3可知,荥经站1965—2010年间,径流偏丰、偏枯、平水的年份相同,枯水年较丰水年多;1965—1990年间,径流明显偏丰,丰枯曲线中心偏向丰水,说明这段时间内径流较丰富；而1991—2010年间,径流丰枯曲线发生了较大改变,重心偏枯,说明该时间段内径流相对较小。综合3个时期径流丰枯的分布图可以看出,近年来径流有减少的趋势。

利用小波分析法进行荥经河流域径流变化周期分析,结果如图4所示。小波方差图可用来确定序列中存在的周期，图中峰值对应的时间尺度即为序列的周期。由图4可知, 荥经河流域径流存在7、12 a的周期变化特征。

图4　荥经河流域径流小波方差曲线

2.2人类活动和降雨对径流影响的估算

一般而言,径流主要来源于降雨。根据原始降雨和径流数据绘制荥经河流域降雨-径流关系曲线,如图5所示。由图5可知,趋势线R2=0.693,说明该地区降雨与径流的相关性一般。进一步绘制荥经河流域有效降雨与径流的双累积曲线,如图6所示。由图6可以看出，曲线存在明显的拐点,在1975年以前，曲线的线性趋势较好；而在1975年以后,累积曲线与趋势线发生明显偏移。因此，这里笔者将1965—1974年定为基准期,1975—2010年定为参考期,1975年定为突变点。

图5　荥经河流域降雨-径流关系曲线

图6　荥经河流域有效降雨-径流双累积曲线

假定引起径流变化的因素有两类：气候变化(主要是降雨)与人类活动。通过基准期有效降雨与径流建立方程：

R=0.109P0-26.69。

(2)

式中：P0为有效降雨量,mm;R为径流量,m3/s。

以此为基础,计算参考期理论径流量,实测径流量与理论径流量的差值即为径流影响量。其中,降雨对径流的影响量为参考期理论径流量减去基准期的径流均值;而人类活动对径流的影响量即为径流影响量与降雨对径流的影响量的差值。初步将参考期分为1975—1990年、1991—2000年、2001—2010年3个时期,根据以上方法分别计算降雨与人类活动对径流的影响,结果见表1。

表1　　　　荥经河流域降雨变化与人类活动

相对基准期而言,径流影响量在最近10年内为负,说明径流有进一步减少的趋势;对比不同时期径流量受影响比例,在1975—1990年间,降雨对径流的影响所占比例较大,说明这段时期人类活动影响是次要因素;而1991—2000年间,人类活动的影响显著增加,说明该时期内可能实施了一系列的水利工程设施;2001—2010年间,降雨的负影响较以往更大。总的来说,1975—1990年、2001—2010年，降雨是影响径流变化的最主要因素,而人类活动在1991—2000年对径流的影响较大。

2.3径流模拟

采用多元线性回归法对1965—2010年的径流量进行模拟,分别以当年降雨量、当年温度、前一年降雨量、前一年径流量为自变量选项,建立多元线性回归模型模拟年径流量。最终得出,当自变量包含以上所列所有变量时,模型的效果最佳,能够更好地反映径流量的年际变化,径流量实测值与模拟值曲线如图7所示。

图7　荥经河流域径流量实测值与模拟值曲线

由图7可以看出,二者具有较好的拟合性,径流量的模拟值能够很好地反映实测值的变化过程。进一步分析径流量的模拟值与实测值的相对误差,可以得出:误差超过12%的年份只有3个,占了总年份的6%;超过10%的年份有10个,占总年份的21%;误差最大值为18%。充分说明了该线性回归模型具有较好的实用性,可以用来进行径流量的预测。

3　结语

1)年内径流量主要集中在6—10月份;年径流量和汛期月最大径流量均呈减少趋势;年径流量最大值出现在1975年,最小值出现在1987年。

2)荥经站1965—2010年间,径流偏丰、偏枯、平水的年份相同,枯水年较丰水年多;1965—1990年间,径流明显偏丰,丰枯曲线中心偏向丰水;而1991—2010年间,径流丰枯曲线发生了较大的改变,重心偏枯。利用小波分析发现:荥经河流域径流存在7、12 a的周期变化特征。

3)根据有效降雨与径流的双累积曲线,分时段定量研究降雨与人类活动对径流的影响,得出1975—1990年、2001—2010年，降雨是影响径流变化的最主要因素,而人类活动在1991—2000年对径流的影响较大。

4)采用多元线性回归法对径流量进行模拟,模拟值与实测值拟合较好,所建立的线性回归模型具有较好的实用性。

5)不足之处在于对影响径流的因素考虑较少,在建立线性回归模型时也未考虑其他因素对径流的影响,需要在后续研究中弥补。

[1]唐湘玲,吕新,李俊峰.近50年玛纳斯河流域径流变化规律研究[J].干旱区资源与环境,2011,25(5):124-129.

[2]胡东来,严登华,宋新山,等.宜宾以上长江流域水资源变化趋势分析[J].南水北调与水利科技,2008,6(2):53-56.

[3]张淑兰,王彦辉,丁澎涛,等.人类活动对泾河流域径流时空变化的影响[J].干旱区资源与环境,2011,25(6):66-72.

[4]马新萍,白红英,侯钦磊,等.1959年至2010年秦岭灞河流域径流量变化及其影响因素分析[J].资源科学,2012,34(7):1298-1304.

[5]凌文韬,谢利云,何玉琛,等.黑河流域径流变化规律及趋势预测[J].人民黄河,2014,36(11)：20-22.

[6]WEI X H,ZHANG M F.Quantifying streamflow change caused by forest disturbance at a large spatial scale:a single watershed study[J].Water Resources Research,2010,46(12)：439-445.

[7]ZHANG M F,WEI X H,SUN P S,et al.The effect of forest harvesting and climatic variability on runoff in a large watershed:the case study in the upper Minjiang River of Yangtze River Basin[J].Journal of Hydrology,2012,s 464-465(13):1-11.

[8]周长艳,彭俊,李跃清.九寨沟、黄龙地区水资源的变化特征及成因分析[J].资源科学,2007,29(2):60-67.

[9]宋正山,杨辉,张庆云.华北地区水资源各分量的时空变化特征[J].高原气象,1999,18(4):552-566.

[10]杜强,贾丽艳.SPSS统计分析从入门到精通[M].北京：人民邮电出版社,2012.

[11]王振龙,陈玺,郝振纯,等.淮河干流径流量长期变化趋势及周期分析[J].水文,2011,31(6):79-85.

The Analysis of Runoff Variation in Yingjing River Basin

HUANG Xiaorong1,2, XI Yuanyuan2, LI Jingjing2, GAO Linyun2, MA Kai2

(1.State Key Laboratory of Hydraulics and Mountain River Engineering, Sichuan University, Chengdu 610065, China;2.College of Water Resource & Hydropower, Sichuan University, Chengdu 610065, China)

In order to study the evolution law of runoff in Yingjing River Basin and quantitatively analyze influencing factors, based on the runoff data of Yingjing station and relevant meteorological data from 1965 to 2010, the methods of wavelet analysis, double mass curve analysis were used to analyze the change process and influencing factors of runoff in Yingjing River Basin, meanwhile, the multiple linear regression method was adopted to establish the runoff regression model by which the runoff from 1965 to 2010 was simulated. According to the results, the runoff in Yingjing River Basin had a tendency to reduce, especially over the past 20 years, and the dry year occurrence probability increased. Rainfall was the most important factor that resulted in runoff variation from 1975 to 1990 and from 2001 to 2010, while human activity was the main factor from 1991 to 2000. The fitting runoff regression model was good, and it had stronger practicability.

Yingjing River Basin; runoff variation; double mass curve; multiple linear regression model

2016-05-19

国家自然科学基金项目(51579161);国家重点基础研究发展计划(2015CB452701)。

黄晓荣(1972—),男,重庆人,教授,博士，主要从事水文水资源方面的研究。E-mail:hxiaorong@scu.edu.cn。

TV121+.2

A

1002-5634(2016)04-0067-04

(责任编辑：张陵)

DOI:10.3969/j.issn.1002-5634.2016.04.011