撫河流域農業干旱的影響機制研究

鄭 金 麗，周 祖 昊，劉 佳 嘉，嚴 子 奇，李 國 文，王 欽 釗

(1.中國水利水電科學研究院 流域水循環模擬與調控重點實驗室，北京 100038； 2.江西省水文監測中心(江西省水資源監測中心)，江西 南昌 330002； 3.江西省水文局，江西 南昌 330000)

0 引 言

干旱是一種緩慢發生、影響范圍大、持續時間長的自然災害[1]，在全球范圍內均可發生，嚴重影響了全球糧食作物生產[2]。據《中國水旱災害公報2020》統計，1950～2020年我國年均糧食損失高達163億kg，年均受災面積高達200萬hm2[3]。因此，開展干旱研究對于減少農業干旱造成的損失至關重要。

農業干旱作為干旱災害的主要類型之一，常通過建立干旱指數的方法進行評估[4-5]。已有農業干旱指數通常分為3種，即土壤水分指數類、作物生理生態指數類和衛星遙感干旱指數類[6]，其中由于土壤水分是影響作物生長發育的主要因子，因此基于土壤水分的干旱指數被廣泛應用[7]。周洪奎等[8]采用標準化土壤濕度指數反映黃淮海平原的農業干旱狀況，發現干旱指數對農業干旱引起的冬小麥減產起到指示作用。Souza等[9]采用土壤水分農業干旱指數分析農業干旱與玉米和高粱作物的生產力和收獲面積的相關性，發現農業干旱與高粱作物的相關性更加顯著。Yao等[10]采用土壤水分虧缺指數分析農業干旱對小麥/玉米產量的影響，發現產量和干旱指數的相關性在6、7月最高。由于大面積土壤水分的監測比較困難，因此基于水文模型的農業干旱評估方法被廣泛應用。如王富強等[11]構建基于SWAT(Soil and Water Assessment Tool)的區域農業干旱模擬模型；李軍等[12]通過VIC(Variable Infiltration Capacity)模型模擬蒸散發、徑流和土壤水分等水文氣象要素構建農業干旱指數。但是土壤含水量受作物類型、灌溉條件等人類活動影響，而考慮灌溉等人類活動對農業水循環過程影響機制的模型不多，因此需要構建反映人類影響機制的水文模型對農業水循環過程進行模擬，在此基礎上對農業干旱進行評價。

農業干旱受到很多因素的影響，其中氣候變化和人類活動是主要的影響因素[13]。已有研究表明農業干旱受氣候變化影響較大，但是諸如土地利用變化、水資源開發利用等人類活動的影響也不可忽略。如蔣桂芹[14]分析海河水系1956～1975年和1990～2009年氣候變化、土地利用和水資源開發利用對農業干旱的驅動作用，結果分別為40%、4%和-56%。楊志遠[15]分析烏裕爾河流域1961～1985年和1986～2011年氣候變化和土地利用對農業干旱的影響，發現氣候變化的貢獻率為15%～62%，土地利用變化的貢獻率為38%～85%。黎云云等[16]對比分析黃河流域1968～1990年、1991～2000年和2001～2010年氣候變化和土地利用對黃河流域農業干旱的影響貢獻率，發現氣候變化的貢獻率約為50%～90%，土地利用變化的貢獻率約為10%～50%。以上貢獻率的研究方法中均將單個因素的影響貢獻簡單相加作為多因素的綜合貢獻，但對于不同影響因素之間的相互作用考慮不足。對此，劉佳嘉等[17]提出的多因素綜合影響貢獻量分解方法能改進上述方法的不足。

本文深入研究農業干旱的影響機制，以位于長江中下游地區的撫河流域為例，采用撫河流域二元水循環模型、農業干旱評估法及多因素歸因分析法，在動態評價撫河流域長系列農業干旱演變規律的基礎上，定量分析氣候變化和人類活動對撫河流域農業干旱演變造成的影響。

1 研究區概況及數據來源

1.1 撫河流域概況

撫河流域位于長江中下游地區，隸屬于鄱陽湖水系，流域面積為15 767 km2。多年平均降水量為1 755.7 mm，多年平均蒸發量約為1 100 mm，流域內撫州市多年平均水資源總量為160.97億m3。撫河流域歷史旱情是由于降水年內分布極不均勻，且與農田生長需水要求不相協調造成的，以致每年均發生不同程度的旱災。一般年受旱面積約4.7萬hm2(70萬畝)，以1963年和1978年災情最為嚴重。本文以撫河流域大中型灌區作為灌區單元，大中型灌區以外單元作為其他單元，如圖1所示。

圖1 撫河流域研究區概況Fig.1 Overview of the study area in the Fuhe River Basin

1.2 數據來源

本文研究數據包含2類數據：第一類是模型計算需要的數據，主要涉及DEM和河道信息、土地利用類型、土壤類型以及人工取用水數據等數據；第二類是用于模型結果驗證的數據，包括李家渡、廖家灣、婁家村等3個水文站逐日流量數據，以及2010～2019年土壤墑情站點數據。

以上各項數據中，1956～2019年3個水文站逐日流量數據來自江西省水文局；1956～2019年2個土壤墑情站點數據來自江西省水文局；11個國家氣象站1956～2019年的每日氣象數據，包括降水、氣溫、相對濕度、日照時數和風速，由國家氣象信息中心提供；1956～2019年10個雨量站逐日降雨數據來著江西省水文局；DEM數據采用SRTM90，柵格邊長為90 m(http：∥srtm.datamirror.csdb.cn/)；土地利用數據采用1985年和2015年的LANDSAT TM數據；撫河流域遙感蒸散數據來自MODIS蒸散數據集；土壤數據均采用《中國土種志》上的“統計剖面”資料，采用第二次全國土壤普查結果1∶100 000分辨率的土壤類型圖；撫河流域灌區以及大中型水庫資料來源于撫州市水資源公報；經濟社會用水數據來自撫州市水資源公報和江西省統計年鑒。

2 研究方法

2.1 分布式二元水循環模型

WEP-L分布式二元水循環模型(簡稱WEP-L模型)是耦合“自然和社會”二元水循環過程的分布式水循環模型[18]，目前已在黃河、海河、松花江、漢江、柳江、紅河等南北方多個流域進行了應用，本次研究采用WEP-L模型模擬撫河流域農業干旱相關水文要素。

2.1.1模型原理

WEP-L模型[18]的空間計算單元為子流域套等高帶，自然水循環過程主要是對各計算單元的降水、入滲、產流、匯流等過程進行模擬，通過下墊面劃分和垂向結構對產流過程進行計算，采用“馬賽克”法劃分土地利用類型，具體為裸地-植被域、灌溉農田、非灌溉農田、水域和不透水域五大類。在垂直方向上，可劃分截留層、根系土壤層、過渡層和含水層等。水平方向上，采用一維運動波模型進行匯流過程演算，從上游到下游子流域之間進行河道匯流演算。WEP-L自然水循環過程模擬如圖2所示。

圖2 自然水循環模擬Fig.2 Natural water cycle simulation

人工側支水循環過程[19]集中于取水、輸水、儲水、用水、排水和耗水6個方面。在大多數情況下，取水和排水是與自然水循環有關的兩個關鍵過程，如圖3所示，耦合機制主要發生在這兩個過程中。河流、水庫和地下水可以被認為是取水來源。取水過程使河流和地下水中的水量減少，排水過程使河流和地下的水量增加。此外，該模型還考慮了廢水回用。圖4為WEP-L模型耦合的原理。

圖3 社會水循環模擬Fig.3 Generalizations of social water cycle systems

圖4 自然、社會水循環耦合原理Fig.4 The coupling principle of natural and social water cycle

2.1.2模型率定驗證方法

根據研究對象的突變情況，將研究時間序列劃分為基準期和變化期，分別采用水文站月平均流量、土壤墑情站點的月均土壤含水量對撫河流域二元水循環模型進行率定驗證，具體計算公式如下：

(1)

(2)

(3)

2.2 干旱演變分析方法

2.2.1農業干旱評價指標

農業干旱通常用土壤含水量來表征，考慮標準化土壤濕度指數計算方法較為常用，所需的長系列土壤含水量數據可通過模擬獲得，因此農業干旱選用標準化土壤濕度指數作為評價指標。標準化土壤濕度指數(Standard soil moisture index，SSMI)是一個無量綱的農業干旱指標，通過對土壤濕度指數(Soil moisture index，SMI)標準化得到，SMI的計算公式如下：

(4)

式中：wsim、wwilt和wfc分別為土壤含水量、凋萎系數和田間持水量，其中土壤含水量可通過模型模擬獲得。

其次，對土壤濕度指數序列依次進行分布擬合、正態標準化等處理，得到標準化土壤濕度指數(SSMI)。獲得某時段的SSMI值的計算公式如下：

(5)

式中：當F≤0.5時，S=-1；當F>0.5時，F=1-F，S=1。其它常數項分別為c0=2.515 517，c1=0.802 853，c2=0.010 328，d1=1.432 788，d2=0.189 269，d3=0.001 308。

2.2.2干旱特征識別方法與評估指標

基于干旱評估結果，采用游程理論識別出干旱特征指標，具體包括干旱歷時和干旱強度。同時為了盡量減少輕微干旱的影響，研究采用雙閾值法對干旱過程進行識別，根據干旱等級評估標準，設定截斷水平Z1=-0.5，如圖5所示。根據已有長江中下游干旱研究成果[20]，設單月干旱事件截斷水平Z2=-1.5，間隔期截斷水平Z0=0.5，具體過程為：① 將干旱指數視為離散序列，設定截斷水平Z1，當干旱指數序列在連續時段出現負游程(

圖5 游程理論示意Fig.5 Schematic diagram of run theory

干旱歷時(Duration，D)表示基于游程理論識別出的開始和結束時間的時間差；干旱強度(Intensity，I)表示干旱發生時段內干旱指數絕對值之和與時間的比值。

D=j-i+1

(6)

(7)

式中，i，j分別表示圖5中干旱事件c，d的開始和結束時間；Zi為干旱指數，D為干旱事件的干旱歷時。

2.3 多因素歸因分析方法

本文采用多因素歸因分析方法對農業干旱演變進行歸因分析[17]。根據影響農業干旱的n個因素劃分基準氣和變化期，然后對不同因素的狀態進行交叉組合設置模擬情景，進而采用分布式水文模型模擬得出各情景模擬值，采用公式(4)～(7)計算農業干旱指數及干旱特征，并用于影響貢獻量分解計算，貢獻量和貢獻率分解計算采用以下公式：

(8)

(9)

式中：ΔXj為第j個因素的貢獻量；ai，j為第j個因素對應情景i的權重系數，若該情景下j個因素處于變化期為1，基準期為-1；n為因素個數；γi為第i個因素的占總變化的貢獻率。

3 結果分析

3.1 撫河流域分布式二元水循環模型驗證

3.1.1月徑流過程率定和驗證

根據干旱指數突變的時間，選取李家渡、廖家灣以及婁家村3個水文站1956～1980 年和 1981～2019年逐月流量序列對模型參數進行率定和驗證。各站流量過程模擬結果和效率系數如圖6和表1所示。率定期3個水文站月徑流過程Nash-Sutcliffe效率系數均在0.9以上，相對誤差在±2%以內；驗證期3個水文站月徑流過程Nash-Sutcliffe效率系數均在0.85以上，相對誤差在±6%以內。結果表明，WEP-L模型總體上能夠較好地描述撫河流域的徑流過程。率定期由于人類活動較少，所以相比驗證期，率定期模型模擬效果稍好。

圖6 1956～2019年撫河流域月流量模擬率定效果Fig.6 Model calibration effect of monthly flow in the Fuhe River Basin from 1956 to 2019

表1 模型率定驗證結果Tab.1 Model calibration and validation results

3.1.2土壤含水量率定和驗證

基于WEP-L模型模擬了撫河流域等高帶單元農田單元根系層的土壤含水量。模型模擬的3層土壤含水量假設在每一層都是均勻分布的，根據各層的深度線性插值成淺層0～10 cm、中層10～20 cm及深層20～40 cm的土壤含水量數據，與實測土壤墑情站點土壤含水量監測深度相對應。由于撫河土壤墑情站點建設較晚，且監測數據連續性不高，因此本文選取時間序列完整的土壤墑情站點巴山站和崇崗站2010～2019年數據，對模型模擬的兩個站點的土壤含水率進行驗證，結果如圖7所示。此外，相關性系數的評價結果表明，兩站土壤含水量模擬值和實測值的相關系數分別為0.76和0.40，相對誤差均小于5%，表明WEP-L模型模擬的土壤含水量可以較好反映實際土壤含水量的變化過程。

圖7 2010～2019年撫河流域月土壤含水率模型率定效果Fig.7 Model calibration effect of monthly soil water content in Fuhe River Basin from 2010 to 2019

3.2 撫河流域農業干旱演變規律

3.2.1干旱指數變化規律

采用公式(4)～(5)計算12個月時間尺度的農業干旱指數SSMI(SSMI-12)，并對其進行MK趨勢檢驗，發現在90%的置信水平下，撫河流域年尺度SSMI的Z值為3.71，同時結合SSMI-12趨勢變化圖(圖8)，可知撫河流域農業干旱在年尺度上呈現顯著濕潤化趨勢。采用MK突變檢驗法對年尺度的SSMI進行突變檢驗，結果如圖9所示。選取0.05顯著性水平的置信區間(±1.96)作為臨界曲線的MK檢驗值，根據突變檢驗結果，發現撫河流域農業干旱年尺度存在突變性，突變開始時間是1980年。

圖8 撫河流域1956～2019年SSMI趨勢變化Fig.8 SSMI changes in the Fuhe River Basin from 1956 to 2019

圖9 撫河流域1956～2019年SSMI突變診斷Fig.9 SSMI mutation diagnosis for the Fuhe River Basin from 1956 to 2019

3.2.2干旱特征變量變化規律

根據干旱特征識別方法中的游程理論識別出1956～2019年撫河流域發生農業干旱的次數，通過公式(6)～(7)計算得到各次農業干旱的歷時和強度，如圖10所示。由圖可知，撫河流域1956～2019年發生農業干旱事件共計58次，總體上，干旱歷時和干旱強度呈現減少的趨勢。由表2可知，相比1980之前，1980年以后灌區單元平均干旱歷時減少0.53個月，平均干旱強度減少0.08。其他單元平均干旱歷時減少1.58個月，平均干旱強度減少0.19。

圖10 1956～2019年撫河流域農業干旱歷時和干旱強度統計Fig.10 Statistics on duration and intensity of agricultural drought in the Fuhe River Basin from 1956 to 2019

表2 基準期和變化期農業干旱特征變量變化Tab.2 Changes of agricultural drought characteristic variables in base period and change period

3.3 撫河流域干旱演變影響機制分析

3.3.1多因素歸因情景方案

根據農業干旱指數的突變性分析結果，確定撫河流域農業干旱演變影響機制分析的基準期和變化期分別為1956～1980年和1981～2019年。情景設置如表3所列。由于主要考慮氣候變化(主要涉及降水、氣溫)和人類活動(主要涉及社會經濟取用水量、水庫庫容和灌溉面積)2類因素，因此共設置4個情景。基準期與變化期不同因素的設置見表4。不同時期代表氣候變化和人類活動的5個指標的多年平均值如表5所列。由表可知，相比于基準期，變化期的降水年均值增加119 mm，氣溫年均值增加0.3 ℃，社會經濟取用水量年均值增加5.8億m3，水庫庫容均增加60 922萬m3以及灌溉面積增加308.6 km2。

表3 撫河流域農業干旱影響機制分析的情景方案設置Tab.3 Scenario settings for analysis of impact mechanism of agricultural drought in the Fuhe River Basin

表4 基準期和變化期不同因素的設置Tab.4 Setting of different factors in base period and change period

表5 撫河流域農業干旱相關主要影響因素特征值Tab.5 Characteristic values of main influencing factors related to agricultural drought in the Fuhe River Basin

3.3.2農業干旱影響機制分析

采用WEP-L模型對各情景分別進行模擬，根據模型模擬結果，采用公式(6)～(7)計算干旱特征變量，采用公式(8)和(9)計算氣候條件和人類活動兩個因素對干旱貢獻率，如表6所列。從表6可以看出：

表6 氣候變化和人類活動對農業干旱的影響Tab.6 Impacts of climate change and human activities on agricultural drought

(1) 從各要素對農業干旱歷時的影響來看，氣候變化和人類活動都起到減緩作用。對灌區單元內的農業干旱而言，人類活動影響最大，貢獻率為-69.0%；其次是氣候變化，貢獻率為-31.0%。對其他單元內的農業干旱，氣候變化影響最大，貢獻率為-74.3%；其次是人類活動，貢獻率為-25.7%。

(2) 從各要素對農業干旱強度的影響來看，氣候變化和人類活動都起到減緩作用。對灌區單元內的農業干旱而言，人類活動影響最大，貢獻率為-66.5%；其次是氣候變化，貢獻率為-33.5%。對其他單元內的農業干旱，氣候變化影響最大，貢獻率為-60.1%；其次是人類活動，貢獻率為-39.9%。

以上針對農業干旱演變的歸因分析中，氣候變化和人類活動都起到減緩作用，且對于灌區單元而言，社會經濟取用水、水庫和灌溉等人類活動的貢獻率高于氣候變化，而其他單元人類活動的貢獻率低于氣候變化。結合基準期和變化期各項指標的變化情況，可以得出，降水作為導致干旱發生的關鍵因素，其年均值變化期高于基準期，因此導致氣候變化在農業干旱演變過程中起到減緩的作用。相應地，在表征人類活動的各項指標中，水庫庫容增加能一定程度增大干旱發生時期的用水量，同時取用水量和灌溉面積的增加能彌補作物關鍵生育期土壤水分的不足，保證作物的正常發育，這在一定程度上能達到緩解農業干旱的目的。

4 結 論

本文以撫河流域作為研究對象，基于二元水循環模型的干旱評估方法，并采用多因素歸因分析法對氣候變化和人類活動對農業干旱的貢獻進行分析，對推動水文水資源學科與干旱災害研究融合具有重要意義。

(1) 通過構建的撫河流域基礎數據平臺，搭建了撫河流域分布式水循環模型。模擬結果表明，徑流模擬的NSE均大于0.85，相對誤差小于±5%。兩個墑情監測站土壤含水量模擬值和實測值的相關系數分別為0.76和0.40，相對誤差均小于5%，模型模擬效果符合要求。

(2) 撫河流域年尺度SSMI呈現增加趨勢，流域農業干旱存在突變性，農業干旱的突變點在1980年。

(3) 氣候變化和人類活動要素對撫河流域農業干旱的平均干旱歷時和平均干旱強度均起到減緩作用。氣候變化和人類活動對灌區單元平均干旱歷時的貢獻率分別為-31%和-69%，對平均干旱強度的貢獻率分別為-33.5%和-66.5%。氣候變化和人類活動對其他單元平均干旱歷時的貢獻率分別為-74.3%和-25.7%，對平均干旱強度的貢獻率分別為-60.1%和-39.9%。由于數據時段的限制，下一步將考慮2022年長江流域特大干旱的數據，開展進一步研究。