長江流域產水功能對土地利用變化的響應及其驅動因素

胡文敏,楊睿瀚,賈冠宇,殷梓強,李 毅, 沈守云, 李 果,*

1 中南林業科技大學, 長沙 410004 2 湖南省自然保護地風景資源大數據工程技術研究中心, 長沙 410004 3 湖南農業大學, 長沙 410152

隨著全球氣候變化加劇和人口城市化的迅速增長,全球性水資源矛盾及水安全問題日益突出,已成為限制國家和地區可持續發展的關鍵問題,其中土地利用/覆被變化對水文過程的影響成為該領域的研究重點[1—2]。由于LULC會影響地表雨水的截留、下滲、蒸發等水文要素及其產匯流過程,進而造成區域產水量在時間過程和空間分布上呈現多樣性特征,土地利用變化被認為是影響區域生態系統功能的重要驅動[3—4]。2020年國際生物多樣性和生態系統服務政府間科學政策平臺發布的《全球生物多樣性和生態系統服務評估報告》中指出水資源功能退化是造成生態環境損失和生態系統服務衰退的重要因素,未來隨著全球氣候變暖,水資源功能退化風險將很難管控,但土地利用作為人類的可控行為,有助于減緩水資源的退化[5—6]。因此了解水資源對土地利用變化的響應機制有重要意義。目前,揭示地表產水功能如何響應土地利用方式,以及兩者之間的變化規律尤其是量變過程還存在不足,本研究重點在于揭示產水功能對土地利用變化的響應及其驅動因素。

流域是陸地表層生態系統重要的組成單元,其產水功能作為流域生態系統的關鍵要素,在整個流域生態系統發育中具有決定作用[7—8]。長江流域是土地利用變化以及生態功能變化研究的熱點區域,中國高度重視長江流域的生態環境保護,生態環境部印發的《長江流域水環境質量監測預警辦法(試行)》(2018),提出推進長江流域水環境質量持續改善,此外長江流域水生態環境保護作為核心內容被列入“十四五”規劃[9]。因此,探討長江流域土地利用變化對生態系統產水功能的影響,對于深化土地利用/覆被變化的水環境功能效應,健全長江流域水資源的生態安全格局具有重要意義。

從地理學上看,長江流域表現為從河口至高原的跨尺度特征,具有大尺度、跨區域的特點,以長江流域全域為研究對象,解決的是流域的跨尺度研究問題。目前針對長江流域的產水功能研究主要集中在長江流域的局部典型區域,如長江源頭[10]、蓄滯洪區[11]、三角洲河口[12]、中下游平原[13]等,雖然這些地域的研究具有典型性,但主要從區域角度考慮,在全域或跨尺度的地理探討上還存在不足。并且,當前對長江全流域尺度的水資源研究主要涉及徑流量變化[14]、水資源量分布特征[15]、水資源綜合管理[16]等,對長江流域全尺度的產水功能研究鮮見。國際上研究土地利用/覆被變化的水功能效應主要使用模型法,如InVEST模型[17]、SWAT 模型[18—19]、DHSVM模型[20]等。其中InVEST模型產水模塊,主要基于水量平衡原理,根據土地利用、氣候及土壤等要素實現對生態系統產水功能的定量、動態及可視化評估,適用于不同尺度、不同區域類型的生態系統產水服務功能的評估,模型在英國典型集水區[21]、洞庭湖濕地[22]、橫斷山區[23]、太湖流域[24]、三江源[25]、海南島[26]和武漢市[27]等區域均取得較好的模擬效果。因此,本研究擬采用InVEST模型來探討長江流域產水量對土地利用變化的響應模式,并結合多元統計方法以期揭示影響區域產水功能的主要驅動因素。

1 數據來源與研究方法

1.1 研究對象

長江是中國第一大河,干流全長約6300km,流域面積約180萬km2,占中國國土面積的18.8%。長江流域作為中國重要的水源涵養區,承擔了中國約39.2%的水源涵養功能[28],流域地形地貌復雜、土地開發利用程度高,一直以來都是土地利用和環境變化研究的熱點,也是重要生態經濟發展區,其土地利用變化對流域水環境的影響深刻關系到國家的水生態安全。長江流域聚集了超過全國總量40%的人口和國內生產總值(GDP)[29],近年來,氣候變化和社會經濟改變了流域的水文條件和水資源時空分配格局,導致部分區域水生態系統受損,水生態安全面臨較大威脅。為探討長江流域的子流域功能變化,研究基于長江水利委對水系的劃分,將其劃分為12個子流域[30],以宜昌市劃分上游和中游,以湖口縣劃分中游和下游,如圖1所示。由于1990年至2015年是長江流域經濟的高速增長時期,經歷了從“八五”至“十三五”宏觀區域土地利用、生態環境、社會發展的劇烈轉變,因此,以該時期為研究時段對于揭示產水功能與土地利用變化的關系具有代表性。

圖1 研究區域地理分布示意圖Fig.1 Geographical distribution map of the study areaHS:長江源頭;JS:金沙江水系;MTS:岷沱水系;JLS:嘉陵江水系;WS:烏江水系;UMS:上游干流水系;LDS:洞庭湖水系;HJS:漢江水系;LPS:鄱陽湖水系;MMS:中游干流水系;LMS:下游干流水系; LTS: 太湖水系

1.2 數據源與數據處理

1.2.1數據來源

研究數據源主要包括兩個方面,一是計算產水量所需模型參數,二是計算影響產水量變化的主要驅動指標。具體數據包括：年平均降水量(PRE)、年平均潛在蒸散量(PET)、土地利用現狀數據、土壤根系最大埋藏深度、植物可利用水量、蒸散發相關系數、流域和子流域矢量分區、季節參數Z、年平均溫度(TEMP)、植被覆蓋度(NDVI)、人口密度(TPOP)、GDP公里網格、實際蒸散量(AET)。其中,年平均降水量和年平均溫度來源于國家氣象科學數據中心(http://data.cma.cn/),單位分別為mm和℃,采用了1990年至2015年的月值數據,得到年平均降雨量和年平均溫度。年平均潛在蒸散量(PET)同樣來源于國家氣象科學數據中心,單位為mm,通過月日照時間和月平均氣溫,結合Ham2公式計算流域的潛在蒸散量[31],公式為：

(1)

式中SD為日照時間(h),Ta為平均氣溫(℃)。土地利用現狀數據來源于中國科學院資源環境科學與數據中心,采用土地利用類型一級劃分標準：耕地(AL)、林地(WL)、草地(GL)、水域(WA)、建設用地(CL)和未利用土地(UL)六個類型,見圖2。土壤根系最大埋藏深度(mm)、植物可利用水量(mm)來源于國際土壤數據庫(HWSD)的土壤參考深度(mm)。季節參數Z借鑒文獻中關于長江流域的參考經驗值0.5取值[28]。歸一化植被指數、人口密度(萬人/km2)和GDP公里網格(萬人/km2)數據來源于中國科學院資源環境科學與數據中心。實際蒸散量(mm)通過InVEST模型產水量模塊計算。

圖2 1990—2015年長江流域土地利用類型分布圖Fig.2 Distribution map of land use types in the Yangtze River Basin from 1990 to 2015

1.2.2產水量模型

本研究采用InVEST模型的產水量(Water yield)模塊計算長江流域的產水量。InVEST模型產水量模塊基于Budyko水熱耦合平衡假設,由各個柵格單元的降水量減去實際的蒸散發量從而得到該柵格單元的產水量[32],計算公式如下：

(2)

(3)

(4)

(5)

式中,Yxj為j地類的柵格單元x的產水量深度(mm)。AETxj為j地類柵格單元x的年實際增散發量(mm)。Px為柵格單元x的年降水量(mm)。Rxj為潛在蒸散發與降雨量的比值。ωx為氣候與土壤屬性關系的非物理參數。AWCx為植物可利用水量(mm)。Z即Zhang系數,表示研究區降水量特征。ET0x為柵格單元x的潛在蒸散發。Kxj為某植被類型的蒸散系數。研究計算的平均產水量為平均產水體積(m3),國際上較為通用,主要通過柵格單元的產水量深度乘以像元面積計算,本研究中采用1km×1km像元大小,總產水體積為所有像元平均產水體積的總和。

1.2.3主成分與聚類分析

為分析長江流域產水量驅動因子,研究選取了13個指標進行了探討分析,利用主成分分析提取了前3個主成分,主要因子包括社會經濟、氣候變化、土地利用3種因素類型,具體為子流域的耕地、林地、草地、水域、建設用地和未利用地六個地類面積、PRE、PET、AET、TEMP、NDVI、TPOP、GDP,計算采用Origin 9.1軟件。為分析長江流域產水量驅動因子的性質和貢獻類別,研究結合系統聚類分析方法,將所選取的13個指標進行了指標聚類[33]。系統聚類方法中相似度方法選擇類平均法,聚類數為3。此外,為探討所選因子對產水量的效應,采用了Pearson相關分析和邊際效應分析方法。

1.2.4邊際效應分析

邊際效應分析可以定性定量描述自變量變化對因變量的影響程度,適合在同樣協變量因子下揭示自變量因子的梯度水平[34—35]。本研究中對平均產水量的邊際效應進行了分析,主要通過各指標對產水量的邊際效應體現。分析基于部分依賴(Partial dependence)函數進行計算[34],其結果可以解釋某個特征和目標值y的邊際效應關系f,具體實現主要通過在R語言中構建平均產水量因子與各指標構建隨機森林模型(Random Forest,RF),然后利用部分依賴函數求出特征指標(驅動力指標)的邊際效應。隨機森林邊際效應函數公式如下：

(6)

2 結果與分析

2.1 長江流域產水量時空變化特征

圖3顯示了長江流域1990年至2015年各時期的平均產水量空間分布特征,按照標準差劃分為低、較低、中等、較高、高5個等級,單位：103m3/km2。可以看出：(1)從空間分布上看長江流域平均產水量在空間分布上呈現出明顯的西北低、東南高的特點；(2)低等級區呈團狀分布,其它等級區域都呈現東北至西南向的帶狀分布；(3)高等級產水區域主要集中在流域中下游,中等級產水區域主要集中在流域中游,低等級產水區域主要集中在流域上游；(4)從產水量最高值分布上看,最高值出現在2000年,最低值出現在1990年。

圖3 1990—2015年長江流域平均產水量等級空間分布特征/(103m3) Fig.3 Spatial distribution characteristics of average water yield grade in the Yangtze River Basin from 1990 to 2015

圖4 長江流域各子流域1990至2015年間各期平均產水量特征 Fig.4 Characteristics of average water yield of each sub basin in the Yangtze River Basin from 1990 to 2015

從時間變化上來看(圖4和表1)：(1)各期平均產水量排序為：2000年(933.0×103m3/km2)>1995年(892.7×103m3/km2)>2015年(889.9×103m3/km2)>2005年(881.9×103m3/km2)>1990年(867.0×103m3/km2)>2010年(860.4×103m3/km2)；(2)平均產水量變化趨勢上,1990至2000年間平均產水量呈升高趨勢,2000至2015年間產水量呈先降低再升高趨勢；(3)長江流域各期總產水量排序特征為：2000年(1657.0×109m3)>1995年(1585.4×109m3)>2015年(1580.5×109m3)>2005年(1566.2×109m3)>1990年(1539.7×109m3)>2010年(1528.1×109m3),總產水量變化趨勢與平均產水量一致。

表1顯示了長江流域各子流域1990至2015年間各期平均產水量特征,其中趨勢采用各期平均產水量的擬合曲線,可以看出：(1)長江流域上、中、下游的平均產水量均呈現出前10年(1990—2000年)上升,后15年(2000—2015年)先下降再上升的趨勢,與流域總體產水量變化趨勢一致；(2)從各子流域平均產水量變化上看,上游的長江源頭與流域總體的產水量變化趨勢差異較大,前5年(1990—1995年)呈下降趨勢,而后20年(1995—2015年)呈上升趨勢；(3)上游子流域中,烏江水系和上游干流水系平均產水量較高,長江源頭最低；(4)中游子流域中,鄱陽湖水系和洞庭湖水系為最高,漢江水系最小,下游子流域差異較小；(3)中下游大部分子流域平均產水量超過1000×103m3/km2,鄱陽湖水系和洞庭湖水系最高,均超過1300×103m3/km2和1100×103m3/km2。因此,不同子流域之間的空間差異性較為明顯,且洞庭湖與鄱陽湖是平均產水量的主要貢獻流域。

表1 長江流域平均產水量變化特征/(103m3/km2)

表2顯示了長江流域各子流域1990—2015年的總產水量變化特征,可以看出(1)總產水量變化趨勢與平均產水變化趨勢基本一致,但在變化程度上有所差異,如總產水量上金沙江水系、中游干流水系產水量后15年(2000—2015年)下降趨勢更明顯;洞庭湖水系、鄱陽湖水系前10年(1990—2010年)上升趨勢更明顯。(2)此外,洞庭湖、鄱陽湖和金沙江三個水系對流域總產水的貢獻超過了50%,太湖、烏江和下游干流水系不足15%。

表2 長江流域總產水量變化特征/(109m3)

2.2 土地利用變化對產水量的影響

2.2.1土地利用變化與產水量變化聯動特征

土地利用變化與產水量變化關系較為復雜,研究主要從土地利用類型水平上探討兩者的聯動關系,如圖5所示。可以看出：(1)總體上,長江流域農用地(AL)面積逐年降低,建設用地(CL)和水域(WA)面積逐年升高,林地(WL)、草地(GL)、未利用地(UL)面積變化起伏較大,且農用地和建設用地對平均產水的貢獻較大,水域、林地、草地較小；(2)總體體積上,農用地與林地總產水體積最大,為主要貢獻地類,建設用地由于面積占比小,雖然平均產水量高,但對總產水體積影響較弱；(3)各土地利用類型上的平均產水量與類型面積變化關系存在較大差異,圖中灰色背景區域代表兩者變化趨勢一致的時期,結果顯示農用地上兩者的變化趨勢在2000—2010年一致,均呈下降趨勢和正相關關系,其它時期呈相反變化和負相關關系。建設用地與水域類型上兩者變化趨勢在1990—2000年和2010—2015年期間一致,呈正相關關系,林地類型上兩者變化趨勢僅在1990—1995年一致,呈正相關關系,其它時期呈相反變化差異。草地類型上兩者變化趨勢在1990—2010年一致,呈正相關關系,僅在2010—2015年變化相反,呈負相關系。未利用地類型上,兩者變化趨勢在1990—2005年一致,其它時期呈負相關。這種平均產水量與類型面積變化的聯動關系的差異一方面由于土地利用覆被變化的導致,另一方面與氣候變化和人類活動對產水量的影響有密切關系,尤其是產水量在不同流域的時空變化差異。

圖5 土地利用類型水平上產水量與類型面積變化的聯動特征Fig.5 Linkage characteristics of water yield and type area change at the level of land use type

2.2.2產水量對土地利用變化的響應

圖6顯示了長江流域不同時期各子流域產水量變化的差異。總體上看：(1)農用地、建設用地、林地和水域類型上的平均產水量變化過程較為一致,在1990—2010年和2010—2015年期間,其產水量的變化呈增長趨勢,而在2000—2010年期間,產水量變化呈降低趨勢。草地與未利用地類型上與以上土地利用類型差異主要體現在1990—1995年期間,這一時期產水量變化在草地與未利用地類型上呈略微降低狀態;(2)從各土地利用類型上的子流域產水量變化與長江流域總體產水量變化對比來看,各時期的變化具有顯著差異,土地類型與產水量具有階段性特征,其中農用地、建設用地的平均產水量變化差異最為顯著,其次是林地與水域類型,說明產水量對農用地與建設用地類型的變化響應較為敏感,而林地與水域類型的響應次之,草地與未利用地類型的響應敏感性較弱。

2.2.3土地利用變化與產水量變化的協同關系

圖6 產水量對土地利用變化的響應Fig.6 Response of water yield to land use change

圖7揭示了研究期間各土地利用類型上產水量變化與類型面積變化的協同關系,可以看出：(1)農用地、草地、未利用地類型上的平均產水量與其面積變化呈正相關,相關系數分別為：7.28、70.04和354.2,說明農用地、草地、未利用地每增加1km2面積,產水量將增加7.28m3、70.04 m3、354.2 m3,具有正向協同效應；(2)而建設用地、林地和水域面積上的平均產水量與其面積變化呈負相關,相關系數分別為：-1.86、-59.00、-265.64,說明建設用地、林地和水域每增加1km2面積,產水量將減少1.86m3、59.00 m3、265.64 m3,具有負向協同效應；(3)在影響程度上,水域與未利用地呈現較強的協同效應,建設用地雖然呈負相關,但相關性較弱,呈較弱的協同效應。

圖7 1990—2015年不同土地利用類型上產水量變化與類型面積變化的協同關系Fig.7 Synergistic relationship between water yield change and area change of different land use types from 1990 to 2015

2.3 產水量變化的影響因子綜合分析

2.3.1因子變化對產水量的敏感性分析

考慮土地利用變化、氣候變化以及人類活動對產水量的影響,進一步探討不同影響因子對產水量的敏感性,研究統計了長江流域各子流域的平均產水量(WY)、AL、WL、GL、WA、CL、UL的地類面積、平均降水量、平均潛在蒸散量、平均實際蒸散量、平均溫度、年平均植被覆蓋度、年平均人口密度、年平均生產總值,分析了因子變化對產水量的敏感性。

圖8反映了從總體階段1990—2015年上各因子與產水量變化的關系,可以看出：(1)PRE、PET對產水量在α=0.01水平上具有顯著相關性,相關性系數分別達到0.998、-0.481。AET、WL、GL、UL在α=0.05水平上具有較顯著相關性,相關性系數分別為-0.262、0.267、-0.289、0.294,說明平均降水量、平均潛在蒸散量兩個因子對產水量具有高敏感性,平均實際蒸散量、林地、草地、未利用地對產水量具有較強敏感性；(2)AL、CL、NDVI、TPOP相關性系數均小于0.2,與產水量呈弱相關性,但與其它產水因子有高或較高相關性系數,說明該類因子有可能通過其它產水因子間接作用于產水量,通過合理調控這些變化有可能對產水量產生積極影響。由于因子變化量采用的是各子流域的變化量,其相關性變化反映了長江流域各子流域間的空間差異性,可以看出上述顯著性因子中,PRE和PET在0.01水平上表現出較強的顯著性,說明不同子流域上PRE和PET的空間差異性較為明顯。

圖8 1990—2015年長江流域產水量驅動因子敏感性Fig.8 Sensitivity of water yield drivers in the Yangtze River Basin from 1990 to 2015* 表示α=0.05 水平上相關性顯著 ** 表示α=0.01 水平上相關性顯著;WY：年均產水量；PRE：年均降水量；PET：年均潛在蒸散量；AET：年均實際蒸散量；TEMP：年均溫度；NDVI：年均植被覆蓋度；TPOP：年均人口密度；GDP：年均生產總值；AL：農用地面積；CL：建設用地； WL：林地；WA：水域；GL：草地；UL：未利用地

圖9為產水量與驅動因子之間的邊際效應,圖中橫坐標為各驅動因子的變化范圍,縱坐標為效益值f,分析時把其它因子變量作為協變量,效應反映了單一驅動因子變化時與產水量變化的梯度關系,有助于理解驅動因子對產水功能的影響。可以看出隨著驅動因子的變化,產水量變化呈現不同的效應模式,土地利用類型上AL、GL、UL呈現正的效應關系,WL、WA、CL呈現負的效應關系。其它驅動因子成分上,PRE、NDVI、GDP和TPOP呈現正的效應關系,PET、AET、TEMP呈現負的效應關系。此外,平均產水量與其驅動因子之間的線性關系表現出不同程度的穩定性,從線性變化結果上看,UL、PET、PRE對產水量的影響呈較為穩定,說明長江流域城市化、蒸散和降雨對產水量的影響較為穩定。而其它因子如AL、WL等呈現復雜線性關系,說明農用地和林地對產水的影響關系較為復雜,這也進一步反映出通過人為作用對農用地、林地等進行結構調整,可以改善區域產水功能,但氣候因子如溫度升高,會降低地表的產水功能,當人口和經濟提升達到一定水平,產水功能有可能提升,反映出通過人為策略對區域水資源進行保護有可能改善區域產水功能。

2.3.2影響產水量主要驅動因素分析

圖10顯示了利用主成份分析和聚類分析方法探討影響長江流域產水量的主要驅動因素,主成份分析結果將1990—2015年各期的產水量驅動因子分為三個主成分：PC1、PC2、PC3,聚類分析方法采用平均距離聚類方法。

從圖10結果可以看出,PC1的貢獻率范圍為(28.78%,48.46%),PC2的貢獻率范圍為(19.41%,28.63%),PC3的貢獻率范圍為(10.73%,17.13%)。PC1貢獻率較大可認為是產水量的主要驅動因素,PC2和PC3貢獻率較低可認為產水量的次要驅動因素或間接驅動因素。研究期六個階段的累積貢獻率分別為79.90%(1990—2015年)、70.46%(1990—1995年)、70.98%(1995—2000年),76.44%(2000—2005年)、81.57%(2005—2010年)、72.29%(2010—2015年),綜合說明各階段主成分因子的貢獻對產水影響的解釋力超過70%。主要驅動因素第一主成分PC1在各個階段呈現不同貢獻強度,1990—1995年PC1主要貢獻因子為AL、TPOP、WL和PRE,1995—2000年主要貢獻因子發生了變化,WL、CL、GDP、TPOP、EMP占主要因子,2000—2005年主要貢獻因子變為WA、CL、GDP、NDVI、PET,2005—2010年主要貢獻因子變為AL、PET、EMP、NDVI、WL、UL、AET,2010—2015年主要貢獻因子變為GL、PRE、TPOP、GDP、CL、TEMP,各階段呈現的因子貢獻變化說了不同階段產水量主要驅動力的差異,總的來說1990—2015年期間,PC1主成分主要貢獻因子為WA、CL、TPOP、GDP、PRE。同樣在次要驅動因素中PC2主成分中,主要貢獻因子為PET、AET、GL、UL、WL。PC3主成分對產水的貢獻較小。

圖10 基于主成分與聚類方法的產水量主要驅動因素分析圖Fig.10 Analysis chart of main driving factors of water yield based on principal component and clustering method

3 討論與結論

3.1 長江流域產水與土地利用時空變化響應模式

通過對長江流域產水與土地利用變化的關系分析,有助于更清楚地識別流域的土地利用變化模式,及其產水響應模式。長江流域土地利用變化與區域城市化、人類活動以及政策有重要聯系,研究揭示了流域中建設用地面積逐年增加,呈1990—2000年緩慢增加, 2000—2015年加劇增加態勢,且農用地面積變化與建設用地呈相反變化趨勢,這種變化與楊陽等[36]、李威等[37]土地利用演變研究規律相似,但較為特殊的是流域林地、草地、水域面積和產水變化具有多樣性,林地與草地作為典型植被類型,在長江流域實施重大生態恢復過程中起到重要作用。就林地與草地而言,植樹造林、退耕還林、生態林保護、退化草地恢復、退田還湖等對林地和草地的轉移產生重要影響,雖然植被恢復提升了流域水資源利用效率,但結果表明林地與草地面積依然呈現輕微降低趨勢,因此土地生態恢復政策總體上的作用還不明顯,且從土地利用方式上看長江流域依然面臨由于土地利用配置的差異引起的產水功能空間分布不均,且流域間異質性程度加劇問題,這就需要未來流域的水資源調控和土地利用配置更為科學合理,尤其對于產水貢獻最大的洞庭湖、鄱陽湖、金沙江流域。

流域產水體現了區域水源涵養與人類活動的協調關系,不同土地類型上產水上呈現較大差異,從平均產水量排序上看,建設用地>農用地>林地>水域>草地,其結果與胡硯霞等[38]對漢江流域的研究結果一致,但不同時期的變化幅度具有差異,產水變化特征較為一致的是后15年(2000—2015年),所有土地類型上的產水量呈現逐步增加態勢,這期間一方面受全球氣候變化影響,氣候變暖、降雨、融雪等加速了流域水循環,另一方面土地利用政策導向從注重大力開發到生態保護的變化也產生了積極作用[39],尤其在“十三五”與“十四五”期間推動長江流域水環境保護與經濟帶環境保護上作用明顯,但是由于不同子流域的土地覆被與產水的變化的空間異質性,在具體政策實施中導致土地利用和類型轉移方向發生改變,進而引起土地下墊面產水功能的變化[40],通過產水與土地利用類型變化的關系可以看出,農用地變化在長江流域產水功能中起到重要作用,雖然其相關性系數較低,但由于農用地面積占比大,其總體產水量變化較其它用地明顯。總體來說,長江流域產水變化對其土地利用變化具有土地類型上的多樣性響應模式,農用地、草地、未利用地具有正向協同效應,林地和水域具有負向協同效應,建設用地相關性小,對產水的響應不明顯,這些特征在對于長江流域生態系統服務功能維持、生態功能區劃、以及不同地理區域的土地利用范式上具有一定參考意義。

3.2 影響長江流域產水量的主要與潛在驅動因素

通過對產水量主要驅動因素的分析為進一步揭示影響流域主要驅動力提供了參考。從研究方法上來說,InVEST模型的產水量模塊基于Budyko水熱耦合平衡假設,將蒸散量視為水量損失,一般來說降雨量與潛在蒸散量、實際蒸散量具有較高相關性[11, 24],可以視為影響產水的直接驅動因素,但由于長江流域自身的空間跨度大,地形、經緯度、海拔、區位的變化高,導致各地區的氣候條件差異性也較大,所以雖然作為直接驅動因素,但在各子流域的變化中呈現差異性,其中潛在蒸散量、實際蒸散量與降雨量都表現為東北低、東南高的趨勢,其特征在主成分分析中亦體現,其中降雨量作用貢獻較大。主成分PC1可以視為主導因素,其中除降雨量外,土地利用類型的水域、建設用地對產水的作用較大,這也反映了雖然水域與建設用地與總體產水的響應上中并不明顯,但由于子流域之間的相互作用起到了總體平衡的作用,總體上間接抵消了類型變化對產水變化的效應,這一結果與王保盛等[41]對閩三角產水量模擬研究結果相似。因此,重視不同子流域之間的作用,合理規劃和權衡子流域的功能定位對于調控長江流域產水功能有重要意義,未來可以通過基于不同子流域產水的差異特點,權衡合理的水資源功能區劃,進一步提高區域與宏觀政策的實施效率。

此外,人口密度、GDP作為PC1主要成分其作用亦較大,說明社會經濟與城市化的發展亦是主要驅動因素,這與夏慶云[42]、凌子燕[43]等研究一致,雖然該因素不是直接驅動因子,但其對產水的影響呈現間接式的作用。PC2的貢獻雖然較PC1低,但對產水仍具有一定影響,不同的是PC3成分的貢獻最低,雖然對產水的作用較小,但通過不同階段的主成分分析可以看出,農用地、植被覆蓋度、溫度發生了轉變,對產水的影響作用變大,這也說明該類因子可以作為一種潛力因素影響產水功能,雖然它們與平均產水量相關性弱,敏感性小,但在調節產水功能上亦具有潛在功能,如溫度在調節降雨和蒸散的同時,對于地表植被生物量以及土壤持水力的變化具有約束作用,從而影響植物[44]和土壤的水分利用[45]。另外從邊際效應上看,受溫度突變影響,溫度上升有可能降低產水的時空差異,且有溫度與降雨、蒸散具有負相關關聯,因此降雨量和蒸散的減少亦具有相同作用。需要指出的是總體流域與子流域之間亦存在驅動力的差異,如上游、中游、下游之間存在因子貢獻的差異,本研究主要是從流域總體上考慮。總之,從產水的主導驅動因子分析來看,長江流域水域、建設用地、人口密度、GDP、降雨可以作為主要驅動力,農用地、植被覆蓋、溫度可以作為潛在驅動力,主要驅動力和潛在驅動力的區分對于長江流域整體與子流域的宏觀和微觀政策引導具有指導意義。

3.3 結論

研究基于InVEST模型產水模塊探討了長江流域產水量對土地利用變化的響應模式,探明了流域產水的時空變化特征,揭示了影響流域產水的主要驅動因素,研究結果與討論表明：(1)長江流域產水量變化存在一定規律,首先在空間分布上呈現出明顯的西北低、東南高的特點,且不同子流域之間的空間差異性較為明顯,呈現中游>下游>上游的分布,農用地與林地為平均產水主要貢獻類型,洞庭湖、鄱陽湖和金沙江為總產水的主要貢獻流域,這種差異性對于流域產水功能合理區劃有重要意義；(2)流域土地利用變化也存在自身特點,表現為建設用地面積變化呈上升趨勢,而農用地呈下降趨勢,其它類型呈階段性和多樣性變化,這種變化導致長江流域產水變化對其土地利用變化的響應呈類型上的多樣性,從產水量的邊際效應上看農用地、草地、未利用地具有正向協同效應,林地和水域具有負向協同效應,建設用地對產水的效應不明顯；(3)通過主成分與聚類分析方法探討的產水的主導驅動因子上看,長江流域建設用地、水域、人口密度、生產總值、降雨為主要驅動力,農用地、植被覆蓋、溫度為潛在驅動力。平衡不同子流域之間的產水,合理區劃子流域的功能定位有助于科學調控長江流域產水功能。研究采用的InVEST模型是基于水熱平衡原理,在產水功能中反映的是水資源的縱向功能,不足之處在于未考慮水資源的橫向功能,比如區域的徑流輸送、地下水的傳輸等。因而未來研究還可以結合水資源橫縱方向綜合探析其產水功能的效應及其驅動機制。