氣候變化對卡拉蘇河流域徑流演變規律的影響

劉 軍

(新疆水利水電勘測設計研究院有限責任公司，新疆 烏魯木齊 830000)

1 材料及研究方法

1.1 研究區概況

卡拉蘇河位于新疆阿克蘇地區拜城縣，地理位置介于東經81°44′～82°18′，北緯41°42′～42°26′之間，是渭干河流域的五條支流之一。卡拉蘇河發源于天山南麓中段的哈爾克山南坡，流域最高海拔5097 m。該河東與克孜爾河相鄰，西與臺勒維丘克河相鄰，北面以巍峨的哈爾克山山脈為屏障，南望拜城盆地。

卡拉蘇河流域呈“羽狀水系”，流域全長92 km，總面積2057 km2，平均寬約22 km，平均縱坡17.4‰。河流由北向南流，出山口后即呈散流狀，再經約21 km的沖洪積扇，最終匯入木扎提河。水系見圖1。

圖1 卡拉蘇河流域水系及水文站網分布示意圖

卡拉蘇河流域地處中緯度大陸深處，其氣候特點是：冬季寒冷，夏季涼爽，降水較少，蒸發強烈，四季變化明顯。據卡拉蘇水文站及鄰近氣象站統計，多年平均氣溫為7.4℃，極端最高氣溫38.5℃，極端最低氣溫-28.0℃。多年平均降水量120.6 mm，最大年降水量268.8 mm(1987年)，最小年降水量32.9 mm(1965年)。降水量的季節變化明顯，年內分配不均，歷年平均月降水量7月最大，為22.5 mm，占全年降水量的18.7%，12月最小，為1.6 mm，僅占全年降水量的1.3%。多年平均蒸發量(20 cm蒸發皿)2014.5 mm，最大年蒸發量2716.1 mm(2015年)，最小年蒸發量1403.3 mm(1981年)，平均最大月蒸發量是最小月蒸發量的17.1倍，說明流域蒸發量年內變化較大。

1.2 研究方法

收集卡拉蘇河流域1959—2019年60余年的徑流、降雨及氣溫資料，首先通過統計徑流的不均勻系數、完全調節系數、集中度、合成向量方向及相對變化幅度等參數對徑流的年內分配特征進行統計分析；其次運用趨勢分析法及集合經驗模態分解法(EEMD)對徑流的演變規律及增減趨勢進行分析說明；最后運用相關關系及通徑分析等理論分析研究氣候變化對卡拉蘇河流域徑流演變規律的影響。

1.2.1 徑流的年內分配

通過統計徑流的年內分配不均勻系數Cv及完全調節系數Cr來分析徑流年內分配的不均勻程度[1-2]；通過統計集中度及徑流的合成向量方向來反映年內徑流量的集中程度，集中度是將一年內各月的徑流量看作向量，徑流量的多少代表向量的長度，所處的月份代表向量的方向，如0°代表1月，360°代表12月[3]；變化幅度可用來分析卡拉蘇河年內各月徑流量最大值和最小值間的關系[4]。

表1 卡拉蘇站1959—2019年多年平均徑流年內分配

1.2.2 Mann-Kendall趨勢檢驗法

Mann-Kendall[5](下文簡稱M-K)作為一種非參數統計檢驗方法，由于其計算簡單、適用性強，被廣泛應用于時間序列的變化趨勢分析。同時該方法還可以通過計算統計量UF和UB以應用于檢驗時間序列數據是否發生了突變[6]。

對于時間序列Y，M-K趨勢檢驗的統計量如式(1)：

(1)

式中：P為統計量；n為樣本數據的個數；i和j分別為第i個、第j個數據點；xi和xj分別為時間序列在i年和j年中的數值。另外，Mann(1945)和Kendall(1975)證明，當n≥8時，統計量P大致服從均值為0的正態分布。方差如式(2)：

Var(P)=

(2)

式中：ti為第i組的數據點的數目。

標準化統計量Zc計算如式(3)：

(3)

β用于衡量趨勢大小，如式(4)：

(4)

10時，數據呈現“上升趨勢”，反之則呈現“下降趨勢”。

1.2.3 集合經驗模態分解法(EEMD)

集合經驗模態分解(EEMD)方法[7]，其過程可概括為：(1)在原數據的基礎上加入白噪聲序列。(2)對處理后的數據進行經驗模態分解。(3)反復上述步驟得到不同的本征模態函數(IMFs)。(4)將每次分解到的IMFs進行集合平均，用于抵消加入的白噪聲使其作為最終的分解結果，如式(5)：

(5)

式中：Ci(t)為信號在i固有尺度上的本征模函數；rn(t)為信號分解后的趨勢項(RES)。

1.2.4 相關分析及通徑分析

應用SPSS軟件進行相關關系及通徑分析[8-9]，進而分析卡拉蘇河流域氣候因子與卡拉蘇河流域徑流的相關關系。其中通徑分析是研究氣候因子對徑流的直接重要性和間接重要性。

2 徑流的年內分析

通過統計卡拉蘇河流域不同時段各月及不同季節徑流的分配情況來分析流域年內徑流的分配情況。同時計算得出徑流的年內分配指標對徑流的年內分配特征及集中度等進行分析。

2.1 不同時段各月的徑流分配情況

通過統計卡拉蘇河流域不同時段年內月平均徑流可以看出(圖2)，卡拉蘇河各時段徑流年內分配特征都呈現出明顯的“單峰”現象，其中7月徑流量最多。1—3月徑流量較小，但從4月開始逐漸增加，分析是由于卡拉蘇河上游河源發育大量冰川，從4—8月氣溫升高，導致冰雪融水，徑流量增大。同時卡拉蘇河流域中、低山區還是暴雨的高發區，每年夏季6—7月，該流域中、低山區常發生局部暴雨。這就形成了卡拉蘇河以冰雪融水補給為主，夏季降雨及地下水補給為輔的徑流補給形式。

圖2 卡拉蘇河不同時段徑流的年內變化

2.2 不同季節徑流的分配情況

統計卡拉蘇水文站多年年內不同季節的徑流量詳見表1。由表1可見，卡拉蘇河流域冬季(12月—次年2月)水量占年徑流量的4.8%；夏季(6—8月)水量占年徑流量的63.7%；春季(3—5月)水量占年徑流量的15.3%；秋季(9—11月)水量占年徑流量的16.2%，徑流年內變化相對較大，而夏季水量大也反映了卡拉蘇河以冰雪消融補給為主、暴雨及地下水補給為輔的特點。

統計得出卡拉蘇河流域徑流的年內分配特征結果詳見表2。結果表明流域內徑流的不均勻系數、完全調節系數及集中度等特征值反映的結果一致。1991—2000年流域內徑流的不均勻系數、完全調節系數及集中度最大，分別為1.051、0.437及0.650%，1981—1990年次之，2001—2010年最小。通過徑流的合成向量方向可以發現卡拉蘇河流域內不同時段的合成向量方向在169.94°～177.84°之間，結合ZHANG等[3]關于合成向量方向上的研究結果，卡拉蘇河流域最大徑流出現在7月，這與前文統計結果相同。2001—2010年相對變化幅度最大，分析可能是由于受到氣候變化及人類活動的影響造成。

表2 卡拉蘇河徑流年內分配特征統計

3 徑流的年際分析

經統計卡拉蘇河流域多年平均徑流量為2.431億m3，多年平均流量為7.66 m3/s，最大年徑流量為4.837億m3(2002年)，最小年徑流量為1.493億m3(1968年)，豐枯比為3.2，徑流的年際變化較大。因此本次采用多種方法聯合對比分析，從不同年際、年代際尺度分析卡拉蘇河徑流的變化特征。

3.1 趨勢性分析

將1959—2019年卡拉蘇河水文站年徑流量運用線性回歸及M-K趨勢分析法對其變化趨勢進行分析，結果詳見圖3。其中線性回歸及距平分析結果均表示卡拉蘇河流域近年來徑流量總體呈現出增加趨勢，線性回歸增長率為0.61億m3/10 a。距平結果顯示卡拉蘇河流域徑流量大致呈現出先減少后增加的趨勢，徑流量在1995年前后開始發生突變，反觀徑流量的趨勢變化曲線也可看出自1995年后徑流量明顯增多。表明卡拉蘇河在1995年之前徑流量相對較少，水量整體偏枯。1995年之后則逐漸增加，水量整體偏豐。在20世紀60—90年代，卡拉蘇河徑流量為偏枯期，在1996—2019年為偏豐期，尤其是1996—2002年，徑流量較多，屬極端水文高發期。總體而言，流域各年徑流量存在較大差異，卡拉蘇河徑流量呈現出一個相對“枯-豐-枯”的變化過程。同時，根據徑流量的線性回歸和距平分析也表明徑流的增加趨勢呈現出顯著的非線性變化趨勢。

圖3 卡拉蘇河流域徑流量年際變化特征

根據M-K趨勢檢驗結果詳見表3，徑流量Zc值為1.67>1.64，β值為0.085>0，表明其通過了置信度為95%的顯著性檢驗，徑流量呈現出增加趨勢但并不顯著。盡管圖3及表3反映出卡拉蘇河逐年徑流量變化趨勢略有差異，但不可否認的是卡拉蘇河年徑流量在逐年增加。

表3 卡拉蘇河流域徑流量趨勢分析結果

3.1.1 突變性分析

為進一步分析卡拉蘇河逐年徑流量的變化趨勢，本次運用M-K突變分析[10]方法分析判別流域徑流量的波動變化情況。依據突變分析的計算原理，做出在顯著性水平α=0.05情況下的徑流量UF和UB序列數據，結果詳見圖4。由圖4可知，卡拉蘇河逐年徑流量UF和UB兩個統計量在1990年相交出現突變，其突變時間與前文距平分析得出的時間較為接近，具有一致性。

圖4 卡拉蘇河流域徑流量突變檢驗結果

根據圖中UF的變化趨勢可以發現，徑流量1959—1976年，其值基本都<0，說明在此期間卡拉蘇河徑流波動呈下降趨勢，1976—2019年，UF的值都>0，表明卡拉蘇河在該時段徑流表現為增加趨勢。尤其在1996年后UF的統計值急劇增大，表明卡拉蘇河徑流量在此之后呈顯著增加趨勢。突變前、后徑流量平均值分別為2.12億m3/a和2.67億m3/a，相對變化為25.9%。這也反映出流域內徑流量年際差異波動明顯。該結論雖與上述M-K趨勢性分析得出的流域徑流量上升趨勢不顯著的結果略有差異，但仍可以表明卡拉蘇河流域徑流量隨時間呈較為明顯的增加趨勢。

3.1.2 波動性分析

運用集合經驗模態分解(EEMD)的方法對流域徑流量數據進行分解，得出4個IMF分量和1個趨勢項RES。將分解后得到的各分量和趨勢項疊加合成徑流量的重構與原始徑流量數據進行擬合，從而驗證徑流量分解后的可靠性和完備性，結果詳見圖5。由圖5可見，流域徑流量相對誤差在0.1%之內，表明EEMD方法在此次徑流量分解中具有很好的完備性，能較為全面地反映流域徑流量在時間序列下的多尺度變化特征。

圖5 流域徑流量EEMD重構序列與原始數據擬合

圖5證實了分解后的數據具有很好的完備性，故做出反應流域逐年徑流量從高頻到低頻不同時間尺度下的波動特征及復雜得多時間尺度性[7]，結果詳見圖6。結合獲取的趨勢項RES表明卡拉蘇河流域徑流量隨時間的變化整體呈增加趨勢，分析可能與全球氣候變暖導致降雨及冰雪融水增多有關。同時結合表4結果表明卡拉蘇河逐年徑流量在年際尺度上具有3 a和7 a的準周期性變化，在年代際尺度上具有13 a和29 a的準周期性變化。徑流量在IMF1分量上方差貢獻率最大為37.07%，說明高頻振蕩在流域徑流量總體變化特征中影響程度最大。除IMF3分量與原始數據無顯著相關性外，其余各分量與原始數據的相關性均較為顯著。說明流域內徑流長期的年代際變化趨勢也有一定的意義。

表4 卡拉蘇河流域徑流集合經驗模態分解結果表

圖6 卡拉蘇河流域徑流集合經驗模態分解圖

3.2 氣候變化對徑流的影響

為定量分析卡拉蘇河流域氣候變化對徑流的影響，對1959—2019年徑流量資料及1960—2019年溫度與降雨量資料采用相關性分析及通徑分析，研究流域氣候變化對徑流的影響程度。

3.2.1 相關性分析

根據相關分析得出流域徑流量與氣溫及降雨量的相關系數分別為0.433和0.286。流域年徑流量與年降水量及溫度之間存在著較為顯著的正相關關系，且溫度與流域徑流量之間存在著更為顯著的關系。分析是因為流域徑流量的變化受到補給來源的影響較大，結合前期收集到的資料顯示卡拉蘇河流域上游冰川發育，水文站控制集水區域冰川面積為71.6 km2，冰川覆蓋率為5.5%。高山帶海拔3200 m以上，長年白雪皚皚，中山帶海拔2400～3200 m之間，降水豐沛，氣候濕潤，在山坡和河灘谷地生長有大片茂密的云杉林。當氣溫高時流域受冰雪融水補給，氣溫低時流域則主要靠降雨補給。而這也間接證明了氣候變化會影響流域徑流量的多少，從而起到調節作用，這與陳忠升[1]在西北干旱區河川徑流變化及歸因定量辨識中分析結論一致。

3.2.2 通徑分析

為進一步定量分析流域徑流量是受溫度還是降雨量的影響，采用通徑分析的方法研究其相關性。但使用通徑分析時通常要求數據之間不僅存在顯著的相關性，還要求因變量需服從正態分布[9]。而前文分析結果表明流域內徑流量與降雨量及溫度存在明顯的相關關系。故采用對樣本數量要求較少的Shapiro-Wilk正態性檢驗方法分析流域徑流量是否滿足正態性分布，結果如表5。其顯著性為0.076>0.050，說明卡拉蘇河流域徑流量在95%的置信區間下服從正態分布。因此可在流域內徑流量與氣候的年際尺度上對其進行通徑分析。

表5 徑流量正態性檢驗統計

在通徑分析中將兩個變量之間的相互關系又分為直接通徑系數和間接通徑系數，本次利用SPSS中的線性回歸方法實現通徑系數的計算[9]，結果見表6。流域溫度及降雨量對徑流的通徑系數分別為0.519及0.405，表明卡拉蘇河流域徑流量同時受流域溫度與降雨量的驅動作用，但溫度是卡拉蘇河流域徑流產生的主要驅動因子。與前文相關性分析結果一致，冰雪融水為卡拉蘇河流域的主要補給來源，而溫度又是影響冰雪融水的主要因素，從而使得氣候因子中的溫度成為影響卡拉蘇河流域徑流量變化的主要因素。同時表中反映出流域氣候因子與徑流量之間的直接通徑系數均大于間接通徑系數，表明流域徑流量受溫度與降雨量的直接影響較大，而受溫度與降雨量之間的間接影響較小[10]。

表6 卡拉蘇河降雨量和氣溫與徑流量的通徑分析

4 結 論

(1)受氣候變化及人類活動的影響，流域徑流年內分配不均，但本文僅對氣候變化對徑流的影響做出了分析，未深入探討人類活動對徑流產生的影響，這將作為后續的研究重點。

(2)流域徑流量呈現出非線性、非平穩的增加趨勢，且在20世紀90年代左右發生突變。同時，徑流量在年際尺度上具有3 a和7 a的準周期性變化，在年代際尺度上具有13 a和29 a的準周期性變化。

(3)通過相關性與通徑分析發現卡拉蘇河流域溫度與降雨量均對徑流量有驅動作用，但主要受溫度變化引起的冰雪融水影響。