變異條件下淮河流域生態徑流變化特征及驅動因子

溫慶志,姚 蕊, 孫 鵬,3,*,張 強,顧 然

1 安徽師范大學地理與旅游學院,蕪湖 241002 2 南京師范大學，虛擬地理環境教育部重點實驗室，南京 210023 3 安徽省水利部淮河水利委員會水利科學研究院,水利水資源安徽省重點實驗室,蚌埠 233000 4 北京師范大學,地表過程與資源生態國家重點實驗室,北京 100875 5 北京師范大學,環境演變與自然災害教育部重點實驗室,北京師范大學, 北京 100875

氣候變化和人類對水資源開發利用顯著改變區域水循環過程,近年來出現一系列諸如水資源短缺、河道斷流等水資源、水環境問題[1- 3]。生態需水是一個復雜的概念,至今國內外還未形成一個明確的定義。在實際研究中出現了“生態徑流”、“生態流量”、“環境流量”等不完全相同但又緊密聯系的概念。生態徑流的概念是指能夠維持河流或者溪流中水生生物多樣性和生態系統所需的水量,并且能夠保證生態完整性的流動狀態[4],生態徑流的研究對象主要側重于生物群落,考慮依賴于水而生存的動植物、微生物所需要的水量[5]。生態流量是指生態系統的生物完整性隨著水量的減少而發生演變,是維持水體生物完整性的需水流量[6]。環境流量的研究對象則側重于自然環境,是解決環境問題,例如治理污染、保護水環境景觀等所需的水量[5]。從研究方法上來講,全球生態需水計算方法超過200種[7]。總的來說,可以概括為4類[8]：(1)傳統流量的計算方法計算生態需水,如Tennant法[9-11]；(2)基于水力學基礎,如河道濕周法、R2-CROSS[7,12]；(3)基于生物學基礎的棲息地計算,如IFIM(Instream Flow Incremental Methodology,河道內流量增加)法[13-14]、CASIMIR算法(Computer Aided Simulation Model for Instream Flow Requirements In Diverted Stream)[15]等,(4)以IFIM法為基礎將水力模型與生物棲息相結合,出現了很多相關模型,如PHABSIM模型、River2D模型[16-17]。

淮河流域地處南北氣候過渡地帶,氣候變化復雜,形成無降水旱、有降水澇、強降水洪的特點。淮河流域是中國的重要商品糧基地,平均每年向國家提供的商品糧約占全國商品糧的1/4,為國家糧食安全提供了強有力的保障[18-20]。隨著淮河流域大部分區域水資源存在無節制的過度開發,水生態系統健康存在著不同程度退化[21-22],嚴重影響著淮河流域生態系統的平衡以及威脅著國家的糧食安全。國家高度重視淮河流域生態環境的保護,在2018年11月2日經國務院批準,國家發展改革委印發《淮河生態經濟帶發展規劃》[23],淮河流域的生態環境保護和經濟發展上升到國家戰略,亟需開展淮河流域水生生物多樣性和生態系統所需的水資源量的研究。因此,本文選用生態徑流指標開展淮河流域生態需水研究顯得十分必要。

國內外學者對淮河流域水資源方面開展大量研究。孫鵬等[24-25]發現淮河中上游徑流年際變化劇烈,徑流量整體呈下降趨勢,枯水流量上游呈增加的趨勢,中游呈下降的趨勢；石衛等[26]定量分離了氣候變化和人類活動對徑流影響的平均貢獻率分別為38.13%和61.87%,人類活動的影響遠遠大于氣候變化產生的影響；馬躍先等[27]研究表明淮河流域干江河徑流減少的人類因素主要是城鎮居民用水和農業灌溉用水；在探討淮河流域的生態需水上,潘扎榮等[28]采用年內展布法研究發現淮河流域生態保障程度上游地區高于下游地區,且淮河北岸支流生態需水呈顯著下降趨勢。劉丹等[21]和于魯翼等[21]分別用生態水力半徑法和濕周法來評價淮河二級支流賈魯河的最小生態需水,均在逐年的減少。左其亭等[30]評價了淮河中上游水生生態系統健康狀況,研究表明水生態退化嚴重。基于上述的研究淮河流域的徑流在逐年下降,生態徑流受到嚴重的破壞。目前,對淮河流域的生態徑流的研究較少,主要從生態徑流的保證率和豐、枯季節大壩對生態需水的影響方面開展研究,并未考慮水文變異前后的生態徑流變化,研究區域主要集中在淮河中、上游,且對于淮河流域水利工程導致的河道生物多樣性變化和生態徑流的氣候變化成因分析方面研究不足。因此,本文利用Pettitt變異點檢測和流量歷時曲線(Flow Duration Curve,FDC)計算得到變異點前后的生態徑流指標,開展變異條件下的淮河流域生態徑流的時空變化特征,根據生物多樣性指標香農指數(Shannon Index,SI)和水文變異指數(Indicators of Hydrologic Alteration,IHA)之間的關系,評價淮河流域水文變化特征的生態效應,在GAMLSS的模型框架下定量分析氣候因子對生態徑流影響。本研究為科學的理解淮河流域的生態徑流演變規律及成因,為淮河流域生態經濟發展提供理論依據。

1 數據

本文選取淮河流域干流、支流等(表1)7個水文站點1956—2016年逐日徑流量和72個雨量站點1960—2016的逐日降水數據(圖1),缺失的數據本文采用臨近站點相關分析法來插補,用來保證序列的完整性和連續性。表1描述了7個水文控制站的基本流域信息,徑流數據由淮河水利委員會提供,氣象數據由國家氣候中心提供。1956—2016年逐月的 Nino3.4區(5°N—5°S, 170°W—120°W)海溫距平SST(Nino3.4)、北大西洋濤動(North Atlantic Oscillation,NAO)、太平洋年代際振蕩(Pacific Decadal Oscillation,PDO)數據來源于https://www.esrl.noaa.gov/psd/data/,以及《治淮匯刊》淮河流域農田水利主要統計指標。

表1 水文控制點特征

圖1 研究區域概況以及水文站和氣象站點空間分布Fig.1 Locations of the hydrological and meteorological stations within the study region, i.e. the Huai River basin

2 研究方法

2.1 變異點分析

Pettitt非參數檢驗法是基于Mann-Whitney的統計函數[31]。通過檢驗時間序列要素均值和方差變化進行變異點分析,認為兩個樣本x1,…,xt和xt+1,…,xn來自同一整體：

(1)

其中,xt為水文序列中第t和點的值,xj為水文序列中的第j個點的值,t=2,…，n。式(1)用于均值變異監測,用Pettitt法監測序列方差變異,需要對日徑流序列進行處理[17]：

Yi=(xi-Li)2

(2)

用公式(2)進行變異點檢測,若存在變異則存在方差突變。其中xi表示實測徑流序列,L代表參考函數Loess[32](Locally weighted regression,局部加權回歸),Y表示殘差平方和序列。

2.2 生態剩余和生態赤字

Vogel等在2007年提出了用生態剩余和生態赤字兩個指標來評價生態徑流指標[33]。生態徑流指標以流量歷時曲線(Flow Duration Curve,FDC)為基礎。FDC曲線由研究時間段的日尺度的徑流數據構造,衡量徑流量超過給定閾值的時間歷時百分比。在研究的時間段內日徑流流量數據Qi從大到小,進行排列,其超過概率為[35]：

pi=i/(n+1)

(3)

其中,i為秩次,n為日徑流流量觀測值Qi的樣本大小。Qi是pi的函數。日徑流流量時間序列可構造年尺度FDC,也可構造成季節FDC。淮河流域治理水利較早,因此在研究時段內,水文站點徑流過程均受已建水庫等水利設施的影響。淮河流域1956—2016年日徑流數據將以Pettitt計算的變異點為數據分割點,變異點前后表示水庫調蓄的兩種狀態。本文構造徑流序列年FDC或季節FDC,然后求得25%和75%分位數的年FDC和季節FDC,作為淮河流域生態系統保護范圍。將給定年的年FDC或季節FDC高于75%分為FDC,將兩條曲線圍成的面積為生態剩余；同理,將低于25%的FDC曲線和25%分為曲線圍成的面積定義為生態赤字[34],并將其標準化。生態剩余和生態赤字為表征生態徑流的指標。

2.3 生物多樣性評價指標

本文選用香農指數(Shannon Index,SI)是運用最為廣泛的評價生物多樣性指標[35],計算為：

(4)

其中,pi表示屬于群落的第i個群落物種比例；香農指數越大表示生物多樣性越豐富。香農指數的計算利用Yang等[36]在2008年提出了用Genetic Programming(GP)算法建立IHA32個指標與香農指數的最佳擬合關系：

(5)

其中,Dmin表示天最小流量的Julian日期,Min3、Min7、Max3分別表示最小3天流量和最小7天流量和最大3天流量；Q3和Q5表示3、5月實測流量；Rrate表示為連續日流量之間的正值差異的均值。

2.4 生態徑流的非平穩成因分析

GAMLSS(Generalized Additive Models for Location Scale and Shape)模型是Rigby和Stasinopoulos在2005年提出的參數回歸模型[37],可以用于描述變量序列的統計參數和解釋變量之間的線性或非線性關系。

在GAMLSS的模型構建框架中,若不考慮隨機效應對分布參數的影響,當k=1,2,…,p時,GAMLSS模型為：

gk(θk)=ηk=Xkβk

(6)

當徑流的解釋變量為時間t時,解釋變量的矩陣Xk為：

(7)

假設隨機變量Y服從三參數概率分布,結合公式(8)和(9)可得到參數分布和時間變量的函數關系：

(8)

本研究結合孫鵬等的研究結果[24],主要探討氣候因子NAO、PDO和ENSO對生態徑流的影響,選用了4種三參數指數高斯(Exponential Gaussian distribution,exGAUS)、冪指數(Power exponential distribution,PE)、正態分布族(Normal family distribution,NOF)和t族分布(tfamily distribution,TF)作為備選函數。將NAO、PDO、ENSO和位置、尺度、形狀參數建立GAMLSS模型。

3 研究結果

3.1 生態徑流變異特征分析

利用Pettitt變異點分析,求出各水文站點的變異點(圖2),阜陽和蔣家集變異時間主要在1970年,淮河上游息縣變異點在1991年,其他中游站點主要集中在2000年左右。基于圖2的變異點得到變異前后年和季節尺度的歷年FDC散點圖(圖3)。由圖3知：年尺度上的FDC變異前和變異后FDC的分布范圍較為一致,變化不明顯,變異后高、低流量能夠較好的覆蓋住變異前高流量和低流量出現的區域。但季節尺度上變異前后高、低流量出現的范圍有較大的差別,春季和冬季的變異前后高、低流量差別最大。變異后高流量的量級和次數呈顯著的下降趨勢,而低流量的量級和次數卻呈顯著增加趨勢,春季和冬季的低流量引起的生態赤字增加和生態剩余減小。干流上的年和季節FDC在變異前高、低流量出現的范圍要大于支流。而支流班臺和蔣家集除了春季外,其他尺度的FDC曲線變異前后的分布范圍較為一致。主要原因為班臺和蔣家集流域面積和徑流量小,水利工程對徑流的調節作用明顯。FDC曲線變化的特征只能作為初步判斷變異后年和季節生態徑流指標的變化特征,若要更加具體的分析生態指標的變化特征應考慮水文控制站以上的流域平均降水對徑流的影響。

圖2 各水文站點pettitt變異分析Fig.2 Result of Pettitt test in Huai River Basin

圖3 變異點前后的季節和年尺度FDC曲線Fig.3 Seasonal and annual FDC before and after change points

圖4為年、季生態徑流指標(生態剩余和生態赤字)與水文站點控制斷面以上流域的平均年、季降水距平時間變化特征。年生態徑流指標與年降水變化較為一致,相關性達0.24以上(P<0.1),干流的相關性(0.40)大于支流的相關性(0.30)。魯臺子在年尺度生態徑流指標的相關性最高(0.45),蔣家集在年尺度生態徑流指標的相關性最低(0.24)。從季節尺度上看,春季生態徑流與面降水量相關系數最高(>0.47)(P<0.01),其相關系數變化：干流上游>干流中游>支流。夏季生態徑流指標與降水距平相關性最低,干流所有站點通過了90%置信度檢驗,而支流的蔣家集(史灌河灌區面積1013.33 km2)和阜陽(沙穎河灌區面積1400 km2)相關性僅為0.08和0.09,未通過P<0.01的顯著性檢驗,灌區面積較大,人類灌溉對生態徑流的影響較大。夏季為淮河流域汛期,在淮河流域干流流域周邊建立大量水庫和蓄洪區域[38],將流域內降水形成的徑流進行調蓄。秋、冬季作為淮河流域干季,其相關性僅次于春季。

為了進一步分析生態赤字、生態剩余與降水的關系,計算不同時間尺度的生態赤字、生態剩余和面降水的變差系數(Cv)來反映其變化規律。冬季降水變差系數最大(0.73),而年降水量變差系數(0.27)最小。季節性降水變化幅度并不能引起季節生態赤字和生態剩余的變化。淮河流域生態剩余在春季的Cv值最大(3.35),冬季Cv值最小(1.88)；而生態赤字季節變化幅度恰好與生態剩余相反,其冬季變化幅度最大,Cv值達1.86。生態赤字的變化幅度遠小于生態剩余的變化幅度。從與降水量的變化幅度來看,生態赤字與降水的變化規律一致,冬季降水變差系數大,導致生態赤字變化幅度大,而生態剩余主要與工農業生產需水有關,春季是淮河流域冬小麥需水期,冬季是農業用水量低,大量的農業用水使得生態剩余春季的Cv值是最高的,而冬季生態剩余最小。

圖4 生態徑流與面平均降水距平百分率時間變化分析Fig.4 Temporal variations of the difference of the areal precipitation and the ecological flow across the Huai River basin

淮河流域年尺度生態赤字整體上呈增加趨勢(圖5),除支流阜陽站外,其他站點生態赤字在1990s和2010s最大,其中班臺在1990s最高達0.69。從季節尺度上來看,春、夏、秋生態赤字年際變化與年尺度基本一致,呈逐年增加趨勢；而生態剩余呈逐年減小趨勢,且維持在較低水平。春季生態徑流大部分年份均處于赤字狀態,這個結果與孫鵬等[38]淮河流域4、5月農業干旱有加劇趨勢相符合。春季為農業需水量較大的季節,生態赤字流量的量級遠大于生態剩余的量級,表現出水利工程調控和農業生產需水對生態赤字的正向影響。而降水最多的夏季,生態赤字均呈逐年上升趨勢,生態剩余均在較低水平呈現“低-高-低”的變化,這與蔡濤等[22]研究的“在某些年份豐水期適宜生態徑流破壞率較枯水期的要高”相一致。冬季生態徑流與年、其他季節尺度變化相反,生態剩余均處較高流量水平,干流呈逐年下降趨勢,支流的班臺站表現出逐年上升,而蔣家集和阜陽為先下降后上升。生態赤字呈現“低-高-低”的變化,在1990s達到最大值,其中蚌埠和阜陽生態赤字最高,分別達0.65和0.66。綜上所述,除冬季外,淮河流域年和季節尺度的生態赤字在逐年代的增加,春季表現的尤為明顯。生態剩余逐年的呈減小趨勢,盡管冬季生態剩余比其他季節高,但是整體呈減小趨勢,特別是2000s以來,淮河流域干流生態剩余達到最低。

3.2 生態徑流變化對生物多樣性的影響

圖6是總季節生態徑流指標用局部加權多項式的回歸擬合曲線[32]。由圖6知：所有站點的生態剩余均大于生態赤字,除了阜陽站以外,其他站點生態剩余呈下降趨勢,且2000年后開始迅速下降,2016年后低于生態赤字。阜陽站在1980年之前生態剩余先上升后下降,到2016年呈現持續下降趨勢。而所有站點生態赤字均呈上升趨勢,且1980年上升明顯,在2000年后生態剩余基本為0。除蔣家集站外,其他站點2016年生態赤字均超過了生態剩余,由此可見淮河流域的生態需水日益緊張。社會經濟、農業需水與維持生物多樣性最低需水量存在著巨大矛盾,并且這樣的矛盾在日益加劇。蔣家集的生態剩余一直高于生態赤字,且在2016年與其他站點變化不同。主要是因為蔣家集所屬的淠河位于全國三個特大型灌區之一,即淠史杭灌區,其總設計灌溉面積79913.33 km2,淠河徑流受到水利工程的顯著調節作用[39-40],蔣家集所在的灌區為淠史杭灌區的史灌河灌區,因此,1980年以來生態剩余一直維持在一個穩定的狀態。

圖6 總季節生態剩余和總季節生態赤字的時間變化特征Fig.6 Changing characteristics of the seasonal ecosurplus and ecodeficit 陰影部分為loess擬合的95%置信區間

利用IHA徑流變化指標計算的生物多樣性指標—香農指數(圖7),從圖7中可知,香農指標的特征變化與總季節生態剩余一致,(除阜陽外)相關系數達0.31以上(圖8),且香農指數的計算和生態徑流的計算方法不同,不存在內部聯系。干流總季節生態赤字與香農指數呈顯著負相關(r<-0.17),通過了90%的顯著性檢驗(P<0.1),支流未通過顯著性檢驗。阜陽生態剩余和香農指數呈現負相關(其他站點均呈顯著正相關),這與王園欣和左其亭[41]在沙潁河河南段的水質分析,沙潁河存在著污染團下泄事件[42]的工業廢水污染、農田灌溉定額過大、化肥農藥過度使用以及水資源的開發式掠奪的研究結果相符,上述情況使沙潁河的生物多樣性偏低,且與生態徑流關系不顯著(圖7)。所有站點總季節生態剩余在1970年之前均呈現顯著下降趨勢,干流的息縣、王家壩、魯臺子和支流的班臺、蔣家集等站點的總季節生態剩余一直呈下降的狀態,而蚌埠站生態剩余呈現減小-增加-減小的趨勢,2000年蚌埠閘擴建后生物多樣性開始急劇下降,下降到40；阜陽站1995年之后開始生物多樣性呈現迅速增加,到2016年上升到25。整體上淮河中上游的香農指數在不斷的下降,生物多樣性呈下降趨勢。班臺和阜陽2000年后有上升的趨勢,這一結果與王園欣和左其亭[41]的研究結果相符,說明近年來生物多樣性的保護有了一定的成果,但是效果并不顯著。

圖7 生物多樣性指標香農指數時間變化特征Fig.7 Changing characteristics of Shannon index 陰影部分為loess擬合的95%置信區間

圖8 總季節生態徑流與香農指數相關散點圖Fig.8 Relations between seasonal ecological flow and Shannon index

3.3 生態徑流指標和IHA33個指標的比較

將生態徑流指標的時間序列和IHA33個指標的時序進行相關性分析(圖9),由于所選的水文站點未出現過斷流現象,因此將IHA33個指標的零流量天數(Number of zero-flow days)忽略。從圖中可知生態徑流指標與IHA32個指標呈現顯著的正相關和負相關關系。季節生態赤字、年生態赤字與Max1、3、7、30、90 d流量呈顯著正相關(r>0.54,P<0.01),生態剩余與Min1、3、7、30、90 d均呈顯著正相關關系(r>0.61,P<0.01)。但是總的季節生態剩余與和大部分IHA指標呈現負相關關系,相關性不顯著。香農指數與HPL(高流量洪峰數)呈現顯著正相關(r=0.78,P<0.01),與Rise(年均落水水率)呈現顯著負相關的關系(r=-0.71,P<0.01)。低流量谷底數、低流量歷時數、流量漲落變化次數、年最大最小流量到來時刻與生態徑流指標的相關性較小且不顯著,這表明了生態徑流指標只能反映較大尺度的變化信息,能夠體現河流生態總體變化,但是對于一些極端事件,則不能準確反映。通過上述生態徑流指標與IHA指標進行相關分析,生態徑流指標能夠準確的反映出IHA指標的信息,并且IHA指標和生態徑流指標計算的方法均不相同,因此生態徑流指標能夠獨立的反映淮河流域的生態徑流變化信息,可以作為衡量生態需水的定量指標。

3.4 生態徑流變化規律及成因

基于上述結論,利用GAMLSS模型構建以時間和氣候因子作為位置、尺度、形狀參數的生態徑流指標,經過AIC模型對于生態徑流指標集的篩選,表2是淮河流域各站點擬合最優的分布函數和生態徑流指標計算模型。

由表2可知,干流的四個站點中(息縣、王家壩、魯臺子和蚌埠),中游的王家壩、魯臺子和蚌埠的最優模型是模型8,而上游息縣的最優模型是模型7,其次是模型8。淮河南岸的蔣家集最優模型是模型2,其次是模型8。體現淮河蚌埠閘以上的淮河干流和南岸的生態徑流模型的概率分布函數的位置參數、尺度參數和形狀

表2 生態徑流與氣候因子建立GAMLSS模型分析結果和最優概率分布AIC值

*擬合最優模型；AIC：赤池信息準則(Akaike information criterion)；PE：冪指數(Power Exponent)；exGUAS：指數高斯(Exponential Gaussian)；NOF：正態分布族(Normal Family)；TF：t分布族(tFamily)

圖9 生態徑流指標和IHA指標相關分析Fig.9 Correlations between ecological flow and IHA (Indicators of hydrologic alteration) SES：春季生態剩余(Spring ecological surplus, SES)；SED：春季生態赤字(Spring ecological deficit, SED)；SEP：夏季生態剩余(Summer ecological surplus, SEP)；SET：夏季生態赤字(Summer ecological deficit, SET)；AES：秋季生態剩余(Autumn ecological surplus, AES)；AED：秋季生態赤字(Autumn ecological deficit, AED)；WES：冬季生態剩余(Winter ecological surplus, AES)；WED：冬季生態赤字(Winter ecological deficit, AED)；ANES：年生態剩余(Annual ecological surplus, ANES)；ANED：年生態赤字(Annual ecological deficit, ANED)；SNES：季節生態剩余(Season ecological surplus, SNES)；SNED：季節生態赤字(Season ecological deficit, SNED)；EC：總生態改變(Ecological change, EC)；SI：香農指數(Shannon index, SI)；RL：漲落變化次數(Reversal, RL)；F：年均落水速率(Fall, F)；R：年均漲水速率(Rise, R)；HPL：高流量平均持續時間(High peak long, HPL)；LPL：低流量平均持續時間(Low peak long, LPL)；HPN：高流量洪峰數(High peak number, HPN)；LPN：低流量谷底數(Low peak number, LPN)；Dmax：年最大流量出現日期(Date of maximum flow, Dmax)；Dmin：年最小流量出現日期(Date of Minimum flow, Dmin)；Max1、Max3、Max30、Max90：1、3、30、90最大徑流(1 days maximum flow, 3 days maximum flow, 30 days maximum flow, 90 days maximum flow); Min1、Min3、Min30、Min90：1、3、30、90最小徑流(1 days minimum flow, 3 days minimum flow, 30 days minimum flow, 90 days minimum flow);BI：基流指數(Base flow index,BI)；Jan、Feb、Mar、Apr、May、Jun、Jul、Aug、Sep、Oct、Nov、Dec：1—12的月均徑流(January flow, February flow, March flow, April flow, May flow, June flow, July flow, August flow, September flow, October flow, November flow, December flow)

從分布指數上參數分別受PDO、NAO和Nino3.4的影響。阜陽站生態徑流最優模型為模型6,對氣候因子NAO響應不敏感。而淮河支流最優模型與干流站點差異較大,其中班臺站的生態徑流最優模型是模型1,淮河流域站點中唯一呈平穩態,氣候因子對洪汝河的生態徑流的影響不顯著。盡管淮河流域的生態徑流最優模型并不一致,分別對8個模型的淮河流域站點的AIC取平均,發現模型8的AIC值30.9是最低,這說明淮河流域整體上模型8是擬合最好的。

干流4個站點有3個站點是exGAUS函數分布擬合最優,其次支流3個站點有2個站點是TF函數分布擬合最優。班臺站擬合最優模型是平穩性模型,說明生態徑流受到氣候因子的影響較低,體現了平穩性的變化。通過分析不同子流域的河床比降、年徑流深與AIC差值的關系,發現干流的息縣和支流的蔣家集的AIC差值僅次于蚌埠,且河床比降(分別為4.9、9.2)和年徑流深(分別為62.2 mm、55.6 mm)是所有站點中最大的兩個,因此生態徑流受到氣候因子的影響與河流的平均水資源量有關。蚌埠閘是淮河干流最大的出水斷面控制點,流域內包含著本文研究的所有站點,其跟氣候因子的關系較為復雜。淮河干流(除息縣)越往下游AIC差值越來越大,綜合越多子流域,氣候因子對生態徑流的影響越大。

為了更加直觀地分析氣候因子對生態徑流的非平穩性影響,繪制出時間單變量的生態徑流流量面積序列分位圖(圖10)和氣候因子與生態徑流流量面積序列分位圖(圖11)。僅以時間作為單一變量所繪制出的分位圖,雖能夠在整體上體現生態徑流的波動和變化的趨勢,但是對于一些極端值和局部趨勢擬合的效果不好,并且實際的序列曲線和模型構建的曲線相差較大,蚌埠和阜陽的生態徑流序列擬合分位曲線對極值擬合的極不合理。基于GAMLSS模型加入氣候因子所建立的模型(圖11),修正了僅以時間變量建模時未體現出的局部變化和非平穩性的變化。阜陽站(圖11)在1965年出現的極端值在加入氣候因子建模之后能夠很好的模擬出來,而未加入氣候因子建模的阜陽站(圖10)模型變化與實際生態徑流不符。加入氣候因子建模,使得生態徑流的細節信息體現更為明顯。因此利用GAMLSS模型框架對淮河流域的生態徑流進行成因分析是合理的。

圖10 平穩生態徑流面積序列分位圖Fig.10 Trend of ecological flow Quantile curve based on stationary

圖11 考慮氣候因子的生態徑流面積序列分位圖Fig.11 Trend of ecological flow Quantile curve with climatic factors

生態徑流的變化總體呈下降趨勢。淮河干流(除息縣外)生態徑流指標呈下降趨勢(圖10),表明社會經濟和農業用水與生態需水的矛盾日益突出。淮河流域中河南和安徽兩省總灌溉面積從1991年的36151.86 km2上升到2016年的37885.66 km2,農業總人口由8341.21萬人上升到9758.18萬人[43],淮河干流中上游生態需水與農業用水矛盾日益緊張。息縣是干流上游的水文控制站點,由表1可知息縣的河床比降為4.9,干流的其他站點河床比降小于0.35,河流的落差較大并且年徑流深為60.8 mm,水資源較豐富,因此息縣的生態徑流維持一個較為穩定的狀態。支流的班臺、阜陽兩站點生態徑流呈下降趨勢(阜陽2010年后生態徑流顯著下降),班臺、阜陽兩站點河床比降分別1和1/3000,年徑流深24.6 mm和15.7 mm(表1),水資源相對較少。班臺和阜陽所在的洪汝河、沙潁河農業灌溉面積較大(洪汝河灌區700 km2、沙穎河灌區1340 km2)、工業用水導致生態徑流呈持續下降趨勢。蔣家集與息縣生態徑流相似均維持一個穩定的狀態,蔣家集的河床比降為9.2,年徑流深達53.1 mm水資源量較為豐富,通過灌區水利工程的調蓄作用,生態徑流能維持正常狀態。

4 結論

利用Pettitt非參數檢驗法、流量歷時曲線(FDC)計算的生態徑流指標、IHA河流流態變化特征指標、香農指數以及利用GAMLSS模型進行氣候因子對生態徑流的定量影響評價等方法,對淮河流域的7個水文站點的生態徑流進行了全面分析,得出以下重要結論：

(1)利用Pettitt非參數檢驗方法求出日徑流變異時間,淮河中上游站點變異之后生態剩余減少和生態赤字增多,且干流生態赤字增加比支流更為明顯。年尺度上,區域降水量是影響生態剩余和生態赤字變化的主要原因。季節尺度上,春季、秋季和冬季生態剩余和生態赤字與面降水量相關性顯著,且春季相關系數最高(0.47),且相關性變化：干流上游>干流中游>支流。夏季生態剩余和生態赤字與面降水量相關性最低,主要淮河夏季汛期徑流受水庫調蓄和植被截留等影響,在支流蔣家集和阜陽站表現最為明顯。

(2)總季節生態剩余呈逐年下降,到2016年所有站點(除蔣家集)生態赤字超過了生態剩余。利用IHA計算的香農指數整體呈逐年下降趨勢,表明淮河流域生物多樣性呈減小趨勢,阜陽站2000年后隨著生物多樣性的保護香農指數有輕微上升,但并不顯著。香濃指數與生態剩余(除阜陽)呈顯著正相關(r>0.31,P<0.01)；干流(除息縣)香農指數與生態赤字呈顯著負相關(r<-0.31,P<0.01)。利用流量歷時曲線計算的生態徑流指標與IHA32指標有很好相關關系,能夠體現出IHA的大部分參數信息,生態徑流指標能夠很好的評價淮河流域季節和年生態徑流變化特征。

(3)淮河中、上游7個站點中有3個站點(王家壩、魯臺子、蚌埠)的最優擬合分布函數是exGAUS(均在干流),其次是TF函數(均在支流)。淮河流域生態徑流整體上最優的模型是PDO、NAO和Nino3.4三參數建模。干流(除息縣)往下游AIC差值逐漸增大,流域面積越大氣候因子對其生態徑流的影響越大。通過GAMLSS模型構建的非平穩性的生態徑流對極端值和局部趨勢擬合的效果更優。