基于SCS模型的登封市景觀格局對地表徑流的影響研究

DOI：10.15928/j.1674-3075.202204270145

收稿日期：2022-04-27""""" 修回日期：2022-06-28

基金項目：國家自然科學基金青年項目（ 51808198）；河南省城鄉綠地資源與景觀生態設計學科創新引智基地項目（GXJD006）。

作者簡介：朱瑩瑩，1997年生，女，碩士研究生，研究方向為城鄉綠地資源調控。E-mail： 1609765130@qq.com

通信作者：田國行，1964年生，男，博士，教授，博士生導師，主要從事城鄉綠地資源調控研究。E-mail： tgh.0810@163.com

摘要：探究登封市2003-2021年景觀格局演變及其與枯、平、豐水月地表徑流的關聯性差異，分析景觀格局指數的空間異質性，為減緩地表徑流、優化景觀格局提供理論支持。基于Landsat系列遙感影像，提取登封市用地類型及景觀格局指數，利用SCS水文模型、Pearson相關性分析及GWR等方法研究景觀格局演變對徑流量的影響。結果如下：（1）登封市林地對地表徑流的消減率隨著雨量增加而降低，豐水月比平水月降低了33.37%；（2）登封市在不同雨量下產生的地表徑流具有顯著的時空差異性，其中2015-2021年快速的城市建設活動導致豐水月有26.29 km2的區域出現徑流深增加量超出50 mm的現象；（3）景觀指數與徑流量的相關性隨雨量遞增而逐漸顯著，SPLIT、IJI和LSI在豐水月與徑流的正相關系數比在平水月平均降低10.8%、12.3%和8.3%，其中林地結合度對徑流的阻滯效應在平水月最強；（4）CONTAG、IJI、LSI對徑流的正、負向影響力在時間和空間雙重維度上存在顯著差異且整體呈正向驅動，其主導驅動力隨時間變化由IJI向CONTAG轉變。景觀格局與徑流量的耦合關聯性在平水月最為顯著，而影響徑流變化的主導驅動力在時空尺度上具有差異性，因此不同區域的防洪規劃在優化整體景觀格局的基礎上應充分考慮優勢斑塊連通性對減緩徑流的差異影響。

關鍵詞：地表徑流；SCS模型；景觀格局；地理加權回歸分析；登封市

中圖分類號：P343.9；P954""""""" 文獻標志碼：A""""""" 文章編號：1674-3075（2024）04-0063-10

因人類活動對城市地表景觀的擾動及城市化引發氣候異變，全球極端暴雨致使洪澇災害風險居高不下。而中國處于高危險度洪澇災害多發區域（孔鋒，2019），超高強度城市化區，高密度的城市下墊面改變了雨洪產匯流過程，加大地表徑流，提高了城市內澇風險（Wu et al，2020）。城市擴張及植被覆蓋面積減少是景觀格局變化的基本特征（宋治清和王仰麟，2004），通過改變物質能量流對區域生態環境產生強烈影響，包括區域水文循環過程，因此景觀格局演變成為影響雨水徑流空間分布的重要因素之一（Randhir amp; Tsvetkova，2011；羅英菡，2021）。流域景觀格局通過改變空間水分的重新分配起到宏觀尺度上的水文調節作用（林炳青等，2014），城市化地區不透水面的空間分布影響雨水滲透通道而擾亂地表匯流路徑（鄭琳琳等，2018），林地通過水平向的群落寬度和垂直向的冠層結構對雨水的下滲及匯流起到重要調控（李偉民和黃文輝，2007），不同研究尺度的景觀格局對地表徑流的影響途徑和強度不同，分析景觀格局動態變化對徑流的影響機制是優化用地結構、調整雨水資源分配、減少洪澇災害的重要途徑。

現有研究從單一用地類型和全局景觀格局定量分析了景觀過程和水文過程的耦合關聯性。有學者從城區、場地尺度探討綠地景觀格局的消納蓄滯能力，發現城區尺度綠地規模特征影響力最大而場地尺度綠地分布特征指數有關聯性最大（石鐵矛和卜英杰，2021）。劉蓓蕾等（2021）發現黃土高原地區的景觀蔓延程度對徑流有顯著的正向影響，與李亞嬌等（2022）的研究結果互相印證。呂英爍等（2021）利用SWAT模型探討了北京市百萬畝造林地區不同森林格局對不同區域暴雨徑流的影響，研究發現造林對徑流的減緩強度在地理空間上具有差異性且不同區域滯洪的關鍵性林地景觀指數也不同。Wu等（2020）通過地理加權回歸（GWR）模型研究建設用地的景觀指數對深圳市內澇風險的影響程度，研究發現建設用地的連通性顯著提高了城市內澇災害點密度且兩者之間的耦合關系受到地形高程的影響。

目前，景觀格局對地表徑流的影響已經得到驗證，無論是時間尺度上兩者的相關性演變（Hainesyoung amp; Chopping，1996），還是空間尺度上景觀格局影響力的空間異質性（雷澤鑫等，2022），多基于相同降雨量下地表產生的徑流量。已有學者證明徑流對降雨量大小較為敏感（Zheng，2019）且不同雨量下景觀指數和徑流的關聯性不同（曹言等，2018），因此本研究以雨量差異下景觀指數驅動力的差異性為切入點，探究在景觀格局與徑流相關性最大時的雨量條件下，景觀指數影響力表現的空間非平穩性。基于河南省登封市2003-2021年的遙感影像，提取用地類型及景觀格局指數，利用SCS-CN水文模型、皮爾遜相關性分析及GWR模型等方法探究登封市近20年用地轉移造成的地表徑流變化及景觀格局對徑流驅動力的區域差異，通過合理的景觀格局優化降低地表徑流，為雨洪資源調控和城市防洪規劃提供支撐。

1"" 研究區概況

研究區登封市地處豫西山地向豫東平原過度地區，屬鄭州市轄“五市一縣”之一，市境內土地面積1 217 km2，其中山地丘陵面積占總面積的68.8%（圖1）。登封市屬暖溫帶濕潤季風氣候，多年平均降雨量790 mm，汛期（6-9月）降水占全年的57.6%，且境內無過境河流，淺深層地下水貧乏，水的來源僅為大氣降水和田間回歸補給，常造成多數河流的季節性特點突出，形成豐水期暴雨成災和枯水期水系斷流的現狀。潁河是登封市主要河流，流域面積1 037.5 km2，其支流少林河、書院河和五渡河流經登封市區，是影響到城區防洪安全的主要水系。

2"" 數據來源與研究方法

2.1"" 數據來源和處理

本文數據主要包括遙感影像、土壤質地類型、數字高程及降雨量等。其中登封市2003（ETM+）、2009（TM）、2015（OLI）、2021（OLI）年3-4月的Landsat系列遙感影像來自地理空間數據云平臺，空間分辨率30 m。通過ENVI軟件對影像進行地理配準、大氣校正等預處理并基于支持向量機法對研究區進行監督分類，參考全國土地利用現狀分類標準（GB/T 21010-2017）及研究需求，將研究區劃分為耕地、林地、建設用地和水體4類土地利用類型，并結合實地調研和天地圖等資料進行解譯后的精度驗證，解譯精度均gt;89%，滿足研究要求。

土壤數據來源于世界土壤數據庫（HWSD），空間分辨率為1：500萬；數字高程數據采用 ALOS DEM數據，空間分辨率為12.5 m；月降雨數據集（2000-2019年）來源于國家氣象科學數據共享平臺，以月降雨距平百分率lt;-20%、-20%～20%、gt;20%為指標（曹言等，2018），降雨月型劃分為豐水月、平水月和枯水月，且結合登封市全年降雨特點，得出1月份屬枯水月，4月份屬平水月，7月份屬豐水月，降雨量分別為16.70、52.40、159.10 mm。

2.2"" 研究方法

2.2.1"" SCS-CN產流模型及坡度修正"" SCS模型是基于研究區土壤質地類型、土地利用方式及前期土壤含水量等，用以模擬計算場地水文過程，具有結構簡單、參數少的顯著特點，在研究無資料地區的徑流估算方面得到廣泛應用（劉家福等，2010）。模型原理如下：

[Q=（P?λS）2P+1?λS]""""""""""""""""""""""""""""" ①

式中：降雨量（mm）P≥λS，否則徑流量（mm）Q=0；λ為初損率，取決于地理和氣候因素，取值范圍為0.1≤λ≤0.3，基于大量研究基礎，λ常取值0.2；S為土壤最大滯水量（mm），通過引入無量綱產流系數CN計算S值：

[S=25400CN?254]"""""""""""""""""""""""""""" ②

式中：徑流曲線數CN的理論取值范圍為0～100，反映降雨前期流域產生徑流的潛力，與土壤類型、坡度、土地利用類型和前期土壤濕潤程度（AMC）有關。SCS模型根據前5 d的降雨量將土壤濕潤程度分為干旱狀況（AMCⅠ）、一般狀況（AMCⅡ）、濕潤狀況（AMCⅢ）3種狀態，本研究假設登封市前期土壤濕潤程度處于一般狀況（AMCⅡ），結合美國國家工程手冊第4章提供的CN值查找表，確定登封市不同土壤狀況下用地類型的水文特性分組（表1），干旱和濕潤條件下的CN值可以通過公式換算。CN的取值依托于美國大量緩坡（lt;5%）的徑流資料（焦劍等，2017），為提高在地形復雜區域的模擬精度，將坡度因素引入SCS-CN模型，提出在一般情況下對CN的坡度修正公式（雷曉玲等，2021）：

CNS = [CNAMCⅢ+CNAMCⅡ3][1?2exp?13.86Slp]+

[CNAMCⅡ] ③

式中：[CNAMCⅢ=CNexp[0.00673100?CNAMCⅡ]]，[CNAMCⅢ、CNAMCⅡ]分別為濕潤土壤條件和一般土壤條件下的CN值；[Slp]為研究區平均坡度（%）；[CNS]為坡度修正后的[CNAMCⅡ]。

2.2.2"" 地理加權回歸分析"" 多數回歸模型默認回歸系數在研究區全域保持一致性，即認為變量的解釋力與變量的空間位置不存在依賴關系，地理加權回歸模型（GWR）則在研究空間異質性的基礎上，引入空間距離權重，較好地描述變量對觀測值影響程度因空間變化而具有空間非平穩性的特點（韓逸等，2019）。本文參考前人研究成果，選擇調整型高斯核函數以及AICc準則法計算最佳帶寬等參數，利用GWR模型分析評價不同地理位置處的景觀指數對地表徑流的影響強度。GWR模型的計算原理如下：

[yi=β0wi，ui+n=1βnwi，uixinn+?i]"""""""""""""" ④

式中：[yi]為觀測樣本i的地理加權回歸值；[wi，ui]為觀測樣本i的經緯度坐標；[βnwi，ui]為第i個位置上的第n個變量[xin]的回歸參數；[xin]為第n個空間樣本i的變量值；[β0wi，ui]、[?i]分別為觀測樣本i的常數與隨機誤差。

2.2.3"" 景觀格局指數的選擇"" 為充分解釋景觀結構與過程之間的聯系，本文從格局與變化2方面選擇3個格局指數和4個變化指數對研究區2003-2021年的景觀格局變化進行探討。格局指數包括形狀指數（landscape shape index，LSI）、散布與并列指數（interspersion and juxtaposition index，IJI）與分割度指數（splitting index，SPLIT）；變化指數分別是斑塊密度（patch density，PD）、斑塊結合度（patch cohesion index，COHESION）、聚合度（aggregation index，AI）、蔓延度（contagion index，CONTAG）。

3"" 結果與分析

3.1"" 景觀格局與地表徑流的關聯性

3.1.1"" 登封市用地類型和景觀格局的演變"" 利用ARCGIS軟件將登封市2003-2021年的土地利用類型疊加，得到登封市土地利用結構（圖2）及用地轉移的空間分布（圖3）。由圖可知，登封市耕、林地占比較高，兩者面積之和呈減少趨勢，從1 101.09 km2減少到915.00 km2，占比從90.60%降至75.29%；建設用地次之，占地面積逐年遞增，由2003年的8.4%增加至2021年的24.2%；水體呈波動變化，呈減-增-減的趨勢，最終由12.22 km2減至6.68 km2，且在2015-2021年變化幅度最大，減少面積占初期面積的53.9%。

從土地轉移關系可知，登封市在2003-2009年與2015-2021年的土地利用轉移顯著，其中耕地和林地的變動較為突出。2002年河南省退耕還林工程全面實施，登封市東部山區及北部嵩山山地被耕地侵蝕的森林植被通過封山育林、人工造林等活動得到保護，促使178.30 km2的耕地轉換為林地，但林地面積增加趨勢在2009-2015年變緩，一方面有107.53 km2的耕地轉化為林地，另一方面卻有33.95 km2林地被建設用地侵占，且侵占速度在2015-2021年迅速增加，導致158.79 km2的林地流失，其主要集中在登封市主城區及向東延至鄭少高速路發展的中岳街道和盧店鎮。登封市水體面積在2003-2015年變動不大，而后受到建設用地擴張及城鎮用水的影響，導致7.82 km2的水體消失，其中48.59%的水體轉化為建設用地，主要集中位于白沙水庫上游的告城鎮與陽城區鎮。

使用軟件Fragstats4.2計算各時期的景觀格局指數，從景觀水平和斑塊類型水平分別分析不同景觀指數的時間演變（圖4）。總體上，登封市各景觀類型的聚集程度減弱，同類斑塊的連通性（CONTAG）逐年降低，且景觀類型的邊界形狀（LSI）趨于復雜，景觀趨于破碎。其中耕地在2003-2015年受退耕工程的持續影響，其聚合度（AI）、結合度（COHESION）及散布與并列指數（IJI）逐年降低，LSI逐年遞增，即耕地斑塊趨于破碎分散，形狀邊界趨于復雜化；林地的斑塊類型指數變化與耕地相反，其AI、IJI和COHESION均在2015年達到最大，密度（PD）降到最低；建設用地COHESION呈逐年遞增趨勢，AI和IJI均在2009年之后穩步升高，即登封市城市發展前期，隨著煤電鋁產業鏈條的不斷強化，大量工業基地及配套設施持續擴張規模，登封市迎來經濟產業轉型和城市發展的浪潮，建設用地斑塊持續聚集，斑塊邊界趨于規則化；2015年以后，登封市加快美麗鄉村建設步伐，大批原始村莊進階新型城鎮，建設用地的持續擴張吞并大量林地，導致林地斑塊的AI、COHESION及LSI顯著降低，斑塊密度增加，且建設用地的連片發展導致其PD及LSI顯著升高，景觀格局趨于復雜聚集。

3.1.2"" 登封市地表徑流的時空分異特征"" 利用修正后的SCS-CN模型模擬登封市在枯水月（16.70 mm）、平水月（52.40 mm）和豐水月（159.10 mm）各用地類型產生的平均地表徑流深度（表2）和總徑流量（圖5）。

各用地類型的產流能力差異較大，從強至弱排序為水體gt;建設用地gt;耕地gt;林地；從不同降雨量看，每年平水月產生的平均徑流深分別是同年枯水月的10.45、10.22、9.87、8.88倍，豐水月的平均徑流深分別是同年平水月的5.57、5.87、6.00、5.38倍，說明降雨量對徑流的影響顯著且地表徑流量呈現出明顯的豐水月gt;平水月gt;枯水月的趨勢；從不同降雨期的徑流量結構來看（圖5），枯水期登封市主要徑流量來自耕地、林地和建設用地，隨著耕地面積的減少以及林地和建設用地面積的增加，2021年產流量從高到低的用地類型排序為建設用地gt;耕地gt;林地gt;水體，即各用地類型的產流量變化與面積的增減趨勢保持一致；在同年不同降雨期內，林地在2003-2021年的枯水月、平水月和豐水月對地表徑流的平均消減率分別為94.39%、80.90%、47.53%，林地的滯洪能力隨著降雨量的升高而降低，豐水月的雨水消減率比平水月的顯著降低33.37%，平水月減少量是枯水月的2.47倍。

利用自然斷點法劃分地表徑流等級，不探討10 mm以下的地表徑流深，將徑流深增加量超出50 mm的區域作為洪澇高風險區進行重點研究，通過比較2003-2009年、2009-2015年、2015-2021年登封市在枯水月、平水月和豐水月的地表徑流的時空變化特征（圖6），分析登封市各地區土地利用類型演變對地表徑流的影響趨勢。

結果表明，登封市在2003-2009年城市發展初期主要依賴煤炭、水泥、耐材等傳統工業，多個鄉鎮開發建設吞噬大面積林地、耕地，如位于登封市東部的大冶鎮屬于典型的資源型鄉鎮，自2003年以來新上擴建200萬以上項目13個，產業規模的擴張造成6.43 km2的耕地消失，直接導致大冶鎮在豐水月有9.30%的區域產生超過30 mm的地表徑流增深，迫使0.28 km2的區域變成洪澇高風險區（gt;50 mm）。

隨著2008年以來登封鐵路全線通運及產業集聚區的建成，登封市在2009-2015年逐漸興起以開發煤礦資源為主的龍頭產業，同時伴隨著6.57%的透水綠地轉變為不透水表面，導致該地區在豐水月有4.35 km2區域的地表徑流增加量超出50 mm以上，是2003-2009年同區域的3.48倍。2015年登封市啟動美麗鄉村試點建設，伴隨著2015-2021年152.95 km2的不透水面擴張，全域徑流結構顯著改變，造成登封市平水月有17.64%的地區出現10 mm以上的地表徑流深增量以及豐水月有26.29 km2的地區徑流深增量超過50 mm的現象，是2009-2015年豐水月全域徑流增量（gt;50 mm）的2.30倍。總體來說，登封市高徑流變化區域主要位于地勢較高的主城區，以及地勢較低的寬谷丘陵地帶。其中告成鎮位于潁河下游，是全域雨洪聚集匯入白沙水庫的必經之地，快速的景觀格局演變造成告成鎮更高的地表徑流增量以及更高的洪澇淹沒風險。

3.1.3"" 景觀格局與徑流量的相關性分析"" 運用Pearson相關分析及雙尾顯著檢驗，研究登封市建設用地和林地斑塊類型的景觀格局指數與地表徑流深在不同降雨量下的相關性變化（圖7），結果發現多個景觀指數與徑流量在2003年枯水月的相關性不顯著，且隨著降雨增大及城市的發展而逐漸顯著，如CONTAG在2009年以后表現為顯著的正相關且隨著斑塊延展趨勢增大，景觀連通性增強，地表徑流量也逐漸增加；SPLIT、IJI、LSI與地表徑流的相關性在3種降雨條件下均有顯著的正相關性且隨著城市發展呈先減后增加的趨勢，AI則表現為不顯著相關，說明隨著景觀空間破碎及景觀形狀趨于復雜，地表徑流產生量也逐漸增加。且CONTAG、IJI、SPLIT對降雨量較為敏感，在枯水月的相關性普遍較低，而豐水月的相關性又比在平水月的平均降低了10.8%、12.3%、8.3%，說明景觀格局與地表徑流量的相關性在平水月達到最大。

用地類型景觀指數中，建設用地（R）的PD、IJI、LSI及COHESION在不同降雨量下與徑流量均呈顯著正相關，而SPLIT呈顯著負相關，即人工硬質斑塊面積越大、結合程度越高，不透水界面對地表徑流的匯集越強，導致地表徑流量也越大；林地（F）的LSI和PD與徑流的相關性在枯水月不顯著，隨著雨量增強而呈正相關性，且隨著林地面積的變化呈現先增強后減弱的趨勢；林地的COHESION與地表徑流量表現為顯著負相關且在平水月達到最大，即林地斑塊連通性越大，對雨水徑流的滯留能力越強，而當雨量較大時，林地對雨洪的阻滯效應減弱。

3.2"" 景觀格局對地表徑流的驅動

3.2.1"" 驅動因子的篩選"" 由分析結果可得，景觀指數對地表徑流的影響在時間尺度上具有顯著的不平穩性，且多個指數在平水月呈最大相關度，因此進一步分析景觀格局對平水月地表徑流深影響力的空間異質性。選擇蔓延度、分離度、散布與并列指數、形狀指數進行多重共線性檢驗，如表3。為了提高變量間的可比性，使用Z-score標準化法將各變量進行標準化處理，并將GWR模型運行的結果與最小二乘法回歸結果對比，發現地理加權回歸后的擬合優度R2由0.19提高到0.50，且具有更低的AICC值，說明GWR的分析結果更具備解釋力（Brown et al， 2012）。

3.2.2"" 地理加權回歸結果"" 分別選取2003-2021年回歸系數的四分位數、正負值比例等7個統計項目（表4），對3個解釋變量的回歸系數進行統計分析。

總的看來，3個景觀指數在研究區域內均存在負值但所占比例較小，整體上對地表徑流的產生表現為顯著的正向影響，即徑流量隨著景觀的緊密度和形狀復雜度的增加而逐漸增加。從四分位數的平均值來看，景觀指數對地表徑流的影響力存在較大差異，且CONTAG的影響程度較IJI、LSI大。在時間維度上，CONTAG的回歸系數有先減小后增加的趨勢，IJI的影響程度則連續降低，LSI的回歸系數表現為先增加后減小的趨勢，即在登封市發展前期（2003-2009年），地表徑流的增加更多受到景觀形狀和聚集程度的影響，而在發展后期（2009-2021年），CONTAG對地表徑流的影響程度顯著增加。

在空間維度上，3個解釋變量在2003、2009、2015、2021年對地表徑流的正向及負向影響具有顯著的空間非平穩性（圖8）。具體來看：（1）研究區東南及西部丘陵地區的CONTAG對地表徑流具有顯著負向影響，隨耕地和林地面積的變化，其斑塊連通度對徑流的蓄滯效應改變，2015-2021年連通度負影響范圍逐減縮小且影響力減弱；而CONTAG的正向高值區的范圍擴展，從北部高山區逐漸向南轉移，在中部、南部的寬谷丘陵地區蔓延，建設用地逐漸聚集，高連通度的不透水界面促進了地表徑流快速匯集。（2）IJI對地表徑流的影響總體上表現為正向作用但影響力逐年下降。其中IJI的正向高值區在研究區西部分布較為穩定，呈西向東擴散趨勢；負向高值區在2003-2009年主要分布在登封市北部嵩山地區且影響力較小，且在2015-2021年逐漸向東南轉移，形成半環狀分布且影響范圍縮小。（3）LSI的回歸系數在地理空間上波動較大，正負值所占比例不均衡，以正向影響為主，且正向高值區的分布由登封市東南角沿東部邊緣地區向北擴散，進而形成弧形半圓且影響程度逐漸增大；負向高值區在城市建成區附近的分布較為穩定且影響力先減小后增大，而分布在登封市西南角的負值區的范圍則逐年增大且向建成區擴散。

4"" 討論

4.1"" 登封市景觀格局與徑流的相關性差異

登封市景觀格局與地表徑流的相關性差異是人類活動和降雨量綜合作用的結果。地表徑流量結構隨著用地面積的改變在研究期間存在較大差異，產流能力較弱的耕地和林地由于面積優勢成為登封市2003-2015年主要的徑流載體，隨著退耕還林工程中耕地比例不斷縮減及新型城鎮化建設過程中不透水下墊面比例的持續增加，導致2015年以后平水月里建設用地的平均徑流量比例不斷升高。用地面積的改變直接影響到不同雨洪消納體的比例和空間格局，造成全域景觀格局及地表徑流的空間異質性，其中以告成鎮為代表的潁河沿線鄉鎮較為顯著，該區域地表徑流深增量超50 mm的面積占比不斷擴大，造成更多低地勢鄉鎮變成高洪澇風險區。結果還顯示，景觀格局與徑流的相關性在不同降雨量下具有顯著差異。林地斑塊在豐水月對地表徑流的消納能力顯著低于平水月和枯水月，造成面積比例較高的林地在2009-2021年的豐水月產流量最大，這與已有研究（曹言等，2019）得出的結論相似。林地斑塊的高連通性顯著阻滯了雨洪匯流路徑（王杰等，2021），但隨著林地蓄滿產流，具面積優勢的林地斑塊反而成為登封市最大的產流類型，也是登封市的CONTAG、IJI、SPLIT等景觀指數與地表徑流量相關性在豐水月下降的主要原因。

4.2"" 景觀格局對地表徑流影響機制的地域差異

景觀格局指數對地表徑流的驅動力隨用地斑塊的地理位置不同而具有顯著的空間差異性（Gao et al，2020；孫占東和黃群，2019）。結果顯示，林地作為登封市南、北部高山丘陵地帶的優勢斑塊，因退耕還林工程而逐漸呈高連通性，對地表徑流的形成具正向驅動，登封市東南部的森林植被對徑流的截留能力較為顯著，使整體上景觀連通度與地表徑流呈正相關。這與研究（李瑩和黃歲樑，2017）得到的結論相異，經對比研究區用地結構可知，當研究區主要用地為林地、草地等透水界面時，景觀聚集度降低會顯著影響區域降水截留能力，從而促進流域地表徑流的產生。隨著登封市建設用地的不斷開發，不透水空間錯綜分布于多個水文響應單元，引起若干水文過程的系統變化（孫占東和黃群，2019），從而造成不同地理單元的景觀格局水文響應的差異性。有研究指出，林地位于流域邊坡下部時對徑流洪峰值的消減率最高（孫亞聯等，2020），可知不同地理位置的林地空間顯著影響地表徑流的產生，可分區域提高林地斑塊的連接度和聚集度，以位于潁河下游的告城鎮、陽城區鎮為例，可修復河流綠地，構建藍綠廊道，通過提高林地斑塊連接度和聚集性增加綠地下滲和地下水補給，從而有效減緩地表徑流。

參考文獻

曹言， 柴素盈， 王杰， 等， 2018.昆明市主城區土地利用變化對地表徑流的影響[J].水電能源科學， 36（8）：22-25， 38.

曹言， 王杰， 柴素盈，等， 2019.昆明市區地表徑流影響因子分析[J].水土保持研究，26（2）：139-144， 152.

韓逸， 郭熙， 江葉楓， 等， 2019.南方丘陵區耕地景觀生態安全影響因素及其空間差異[J].生態學報， 39（17）：6522-6533.

焦劍， 宋伯巖， 王世雷， 等， 2017.基于改進徑流曲線數模型的北京密云坡地徑流估算[J].農業工程學報， 33（21）：194-199.

孔鋒， 2019. 透視變化環境下的中國城市暴雨內澇災害：形勢、原因與政策建議[J].水利水電技術， 50（10）：42-52.

雷曉玲，邱麗娜，魏澤軍，等，2021.基于SCS-CN模型在山地海綿城市不同下墊面徑流預測的優化及應用[J].中國農村水利水電，469（11）：49-52， 57.

雷澤鑫， 傅健宇， 羅俊杰， 等， 2022.景觀格局視角下晉西三川河流域徑流變化歸因分析[J].生態學報， 42（12）：4946-4958.

李偉民， 黃文輝， 2007. 森林對河川徑流影響關系的研究進展[J].廣東林業科技， 2007（2）：81-85.

李曉青， 王一淳， 徐修橋， 2022. 喀斯特地區農村居民點時空演變格局及影響因素：以平果市為例[J].水土保持研究， 29（3）：375-382.

李亞嬌， 沈昞昕， 李家科， 等， 2022. 漢江流域上游景觀格局變化及水沙響應關系[J].西安理工大學學報， 38（4）：538-550.

李瑩，黃歲樑， 2017. 灤河流域景觀格局變化對水沙過程的影響[J].生態學報， 37（7）：2463-2475.

林炳青， 陳興偉， 陳瑩， 等， 2014. 流域景觀格局變化對洪枯徑流影響的SWAT模型模擬分析[J].生態學報， 34（7）：1772-1780.

劉蓓蕾，李鵬，楊媛媛，等，2021.皇甫川流域水沙變化對景觀格局的響應[J].水土保持研究， 28（5）：102-107，120.

劉家福，蔣衛國，占文鳳，等， 2010. SCS模型及其研究進展[J].水土保持研究，17（2）：120-124.

羅英菡， 2021. 鄭州市主城區透水界面變遷與納流蓄水效應分析[D].鄭州：河南農業大學.

呂英爍， 王瑤函， 鄭曦， 2021.基于SWAT模型的北京平原區森林景觀格局對雨洪減緩的影響研究[J].生態學報， 41（10）：4036-4051.

石鐵矛，卜英杰， 2021.多尺度綠地景觀格局對滯蓄能力的影響研究[J].風景園林，28（3）：88-94.

宋治清， 王仰麟， 2004. 城市景觀及其格局的生態效應研究進展[J].地理科學進展， （2）：97-106.

孫亞聯， 李繼成， 楊東，等， 2020. 基于水動力模型的土地利用格局對流域雨洪過程的影響研究[J].水資源與水工程學報， 31（6）：36-40， 46.

孫占東， 黃群， 2019. 長江流域土地利用/覆被變化的大尺度水文效應[J].長江流域資源與環境， 28（11）：2703-2710.

王杰， 趙翠薇， 賀中華， 等， 2021. 三岔河上游景觀格局變化對徑流量的影響[J].濟南大學學報（自然科學版），35（4）：335-342.

鄭琳琳， 白天， 何瑞珍， 等， 2018.基于SWMM模型的漯河市雨水徑流模擬分析[J].河南農業大學學報，52（5）：793-800.

Brown S， Versace V L， Laurenson L， et al， 2012. Assessment of spatiotemporal varying relationships between rainfall， land cover and surface water area using geographically weighted regression[J]. Environmental Modeling amp; Assessment，17（3）：241-254.

Gao F， He B， Xue S S， et al， 2020. Impact of landscape pattern change on runoff processes in catchment area of the Ulungur River Basin[J]."Water Supply， 20 （3）： 1046-1058.

Hainesyoung R， Chopping M， 1996. Quantifying Landscape Structure： a review of landscape indices and their application to forested landscapes[J]. Progress in Physical Geography，20（4）：418-445.

Randhir T O， Tsvetkova O， 2011. Spatiotemporal dynamics of landscape pattern and hydrologic process in watershed systems[J]. Journal of Hydrology， 404（1/2）： 1-12.

Wu J S， Sha W， Zhang P H， et al， 2020. The spatial non-stationary effect of urban landscape pattern on urban waterlogging： a case study of shenzhen city[J]. Scientific Reports，10（1）：7369.

Zheng P， Ke J Y， Pan W B， et al， 2019. Effects of low-impact development on urban rainfall runoff under different rainfall characteristics[J]."Polish Journal of Environmental Studies， 28（2）：771-783.

（責任編輯"" 鄭金秀）

Effect of Landscape Pattern on Surface Runoff in Dengfeng City

ZHU Ying‐ying， ZHANG Yu‐fan， XU Yi‐ning， TIAN Guo‐hang

（School of Landscape Architecture and Art， Henan Agricultural University，

Zhengzhou"" 450002， P. R. China）

Abstract： In this study， we explored the evolution of landscape patterns in Dengfeng City from 2003 to 2021 and its correlation with surface runoff in dry， normal， and wet seasons， and analyzed the spatial heterogeneity of landscape pattern index. We aimed to provide a reference for decreasing surface runoff and optimizing the landscape pattern. Based on the Landsat series of remote sensing images， the land use type and landscape pattern indices of Dengfeng City were extracted， and four land use types were delineated in the study area： farm， forest， construction and surface water. The low water， normal water and high water months were January， April and July， with average monthly precipitation of 16.70， 52.40， 159.10 mm， respectively. The USDA Soil Conservation Service （SCS） hydrological model， Pearson correlation analysis and geographically weighted regression （GWR） methods were used to study the impact of landscape pattern evolution on runoff. Results are as follows： （1） In Dengfeng City， the ratio of forest land reduction to rise in surface runoff was smaller with increased rainfall， and the reduction rate in July was 33.37% lower than in April. （2） Surface runoff in Dengfeng City varied significantly with location and time. The increase in runoff resulting from rapid urban construction from 2015 to 2021 exceeded 50 mm in July， with the area of 26.29 km2. （3） The correlation between landscape index and runoff gradually increased and reached significance as rainfall increased. The positive correlations between the splitting index （SPLIT）， interspersion"juxtaposition"index （IJI）， landscape"shape"index （LSI） and runoff in July were 10.8%， 12.3% and 8.3% lower than the average in April. The blocking effect of forests on runoff was strongest in April. （4） The positive and negative influences of contagion index （CONTAG）， IJI， and LSI on runoff were significantly different in both temporal and spatial dimensions， and the overall driving force was positive. The dominant driving force changed from IJI to CONTAG with time. The coupling correlation between landscape pattern and runoff was highest in April， and the dominant driving force affecting runoff change was different on the temporal and spatial scales. Therefore， flood control planning in different regions should be based on optimizing the overall landscape pattern and fully consider the differential effects of dominant patch connectivity on runoff mitigation.

Key words：runoff; SCS model; landscape pattern; geographically weighted regression analysis; Dengfeng City