董立俊，董晓华，魏 冲，喻 丹，薄会娟，郭 靖

(1.三峡大学 水利与环境学院，湖北 宜昌 443002；2.水资源安全保障湖北省协同创新中心，武汉 430070；3.中国电建集团华东勘测设计研究院有限公司，杭州 310014)

全球环境变化是当前和未来人类社会发展面临的共同问题, 全球环境变化包括气候变化和人类活动引起的环境变化[1]。土地利用变化直接体现和反映了人类活动的影响程度。土地利用变化可以通过改变植物截留、蒸散发、下渗、地下水补给、基流和地表径流等水文要素的方式直接影响流域水循环，它对水循环过程的影响结果将直接导致水资源供需关系发生变化，进而对流域水资源开发利用、生态环境、供水保障、防洪安全等方面产生重大影响[2]。

针对土地利用变化的水文响应，国内外学者进行了大量类似研究。欧春平等[1]使用 SWAT模型，定量分析了土地利用/覆被变化对蒸发、径流等水循环要素的影响。张兰影等[3]利用率定好的SWAT模型，结合情景分析方法，定量分析了古浪河流域气候变化和土地利用/覆被变化对蒸散发、地表径流等水循环要素的影响。刘芳等[4]基于GIS和Fragstats等软件，分析了泾河流域土地利用类型和景观格局变化及其对径流的影响。Li等[5]、张凌[6]、窦小东[7]等分别研究了土地利用变化及气候变化对藉河流域、黑河流域中上游、龙川江流域径流的影响。罗开盛等[2]借助SWAT模型，并结合统计方法定量评估了黑河径流对土地利用变化和气候变化的敏感性。杨宏伟等[8]利用 SWAT 模型研究了东江流域典型子流域土地利用/覆被变化对地表径流的影响。Zhou等[9]通过耦合CLUE-S 和SWAT模型，定量分析了土地利用/覆被变化对西苕溪流域径流的影响。高玉琴等[10]通过建立研究区HEC-HMS水文模型，并设置3种土地利用情景(自然发展情景、林地限制情景、水田限制情景)，研究了秦淮河流域高速城市化背景下土地利用变化的暴雨洪水响应机制。

土地利用/土地覆盖变化(LUCC)受自然资源条件和社会经济发展程度等因素约束，同时也直接影响着区域内各生态过程的变化[11]。在气候变化、城镇化进程加快以及流域生态环境问题日益凸显等多重背景下，土地利用/覆被变化(LUCC)研究已成为全球环境变化研究领域的热点[12]。目前土地利用/土地覆盖变化模拟常用的模型主要包括回归分析模型、Markov模型、CA(cellular automaton)模型、CLUE-S (the conversion of land use and its effects at small regional extent)模型[13,14]。CLUE-S 模型是荷兰瓦赫宁根大学 “土地利用变化和影响”研究小组在CLUE 模型的基础上开发的，CLUE-S模型通过土地利用类型与其自然条件及社会经济等驱动因子之间的定量关系，来模拟土地利用变化的空间分布，进而对未来土地利用变化进行预测[15-17]。

目前雅砻江流域已开展的类似研究主要是针对历史期径流模拟及变化分析，陈昕等[18]运用北京师范大学水科学研究院自主开发的基于人工神经网络方法的多模型输出集合系统，对SWAT模型、BTOPMC模型、VIC模型和DTVG模型等4个水文模型模拟的雅砻江流域径流结果进行了集合计算。黄艳艳等[19]采用相关分析和逐步多元回归方法分析了2000-2014年雅砻江上游径流变化及其影响因素，结果表明2000-2014年雅砻江上游径流整体呈上升趋势，且冬季积雪面积和汛期降水为主要影响因素。雅砻江流域为我国重要的水电基地，其规划总装机容量达3 000 万kW，变化环境导致的径流变化将直接影响雅砻江梯级水库群运行安全和发电调度。量化分析土地利用/覆被变化对水文极值的影响对于雅砻江流域梯级水库群防洪调度和确保流域防洪安全具有重要的理论价值和现实意义。

本文通过建立雅砻江流域日尺度SWAT模型，并同时进行多出口率定，然后采用CLUE-S模型模拟了城镇化发展情景下的土地利用空间分布，并在现状土地利用基础上进行退耕还林操作得到了退耕还林情景下的土地利用空间分布，进而模拟了3种土地利用情景(基准期、城镇化情景及退耕还林情景)下的日径流序列，并根据模拟的日径流序列对水文极值变化情况进行了统计分析。

1 研究区概况及数据

1.1 研究区概况

雅砻江是长江上游金沙江的最大支流，其径流量占金沙江总径流量的41%。雅砻江流域水量丰沛、落差大，干支流蕴藏了丰富的水力资源，是我国十三大水电基地之一。雅砻江干流共规划了21级水电站，规划总装机容量约3 000 万kW，年发电量约1 500 亿kWh。雅砻江流域位于青藏高原的东部，地理位置介于东经96°52′～102°48′、北纬26°32′～33°58′之间，流域大致在南北向呈条带状，流域总面积12.8 万km2。雅砻江流域年降水量在河源区为500～600 mm，中下游区渐增为900～1 300 mm，中游地区最高可达1 500～1 800 mm。大致自北向南递增，且东侧多于西侧。

1.2 数据来源及处理

数字高程模型DEM(Digital Elevation Model)是SWAT模型对研究区进行河流水系及流域边界提取、坡度坡向计算、子流域划分的依据。本文使用USGS(United State Geological Survey)官网下载的SRTM(Shuttle Radar Topography Mission)90 m×90 m数据作为建模的DEM数据，雅砻江流域DEM、水系图及气象水文站点位置见图1。

本文采用的土壤基础数据来源于联合国粮农组织(FAO)和维也纳国际应用系统研究所(IIASA)构建的世界协调土壤数据库HWSD(Harmonized World Soil Database)。首先采用划分的流域边界对HWSD空间栅格数据进行裁剪，得到研究区土壤空间分布图，并在此基础上根据HWSD土壤属性数据制作SWAT模型运行所需的土壤数据库。

图1 雅砻江DEM、水系图及气象站点位置Fig.1 Map of DEM, river system and hydrological stations in Yalong River Basin

土地利用数据来源于中国科学院资源环境科学数据中心下载的1∶10万的1995年土地利用数据集，采用划分的流域边界进行裁剪，并根据SWAT模型中土地利用/植被覆盖分类标准进行重分类，得到雅砻江流域土地利用空间分布图。

SWAT模型所需的气候变量包括天气发生器、日降水量、日最高气温、日最低气温、太阳辐射、风速和相对湿度。其中，日降水量、日最高气温、日最低气温为实测数据，采用研究区内清水河、石渠、甘孜、色达、道孚、新龙、康定、木里、九龙、越西、昭觉、盐源、西昌等13个国家气象站1963-2004年的逐日数据。研究区气象站点分布见图 1。其余无观测资料的气象数据使用天气发生器产生。天气发生器参数库根据美国国家环境预报中心(NCEP)基于全球气候再分析系统(CFRS)提供的全球高精度气候变量数据计算。

2 流域SWAT模型构建及率定

2.1 SWAT模型基本原理

SWAT(Soil and Water Assessment Tool)模型是美国农业部(USDA)农业研究中心开发的基于物理机制的、能够连续模拟的流域尺度模型。该模型是基于GIS的半分布式水文模型，可模拟流域循环中多种水文物理化学过程，并可模拟和预测土地利用及气候因素变化对流域水文循环的影响[20-22]。

2.2 SWAT模型率定和验证结果

本文采用SWAT-CUP(SWAT Calibration and Uncertainty Programs)程序进行参数敏感性分析和模型率定。SWAT-CUP是瑞士联邦水科学与技术研究所(Swiss Federal Institute of Aquatic Science and Technology)开发的，以SWAT模型模拟结果为基础对参数进行敏感性分析、自动校准、不确定分析和验证的分析工具[23-25]。评价模拟精度使用3个指标：Nash-Sutcliffe系数NS，确定性系数R2，相对误差PBIAS。

参数敏感性分析基于SWAT-CUP的LH-OAT全局方法进行，参数率定通过SUFI-2优化算法实现。SWAT模型中与径流模拟有关的参数共有28个，根据LH-OAT方法得出的P-value值和t-Stat值对参数敏感性进行排序，P-value值越小，t-Stat值的绝对值越大，表明参数越敏感；反之，参数越不敏感[26]。根据参数敏感性分析结果，结合雅砻江流域特点(流域北部气温较低，常年有积雪，因此加入与融雪模块相关的参数)，以及本文研究目的(重点考虑与水文极值模拟有关的参数)，选取敏感性高且对流域水文过程影响较大的20个参数进行率定，参数率定结果见表1。

为验证SWAT模型在雅砻江流域的空间适用性，进而分析土地利用变化对流域不同区域的水文极值的影响程度，结合径流资料收集情况，本文选取雅江站、洼里站以及小得石站3个出口率定雅砻江流域SWAT模型，同时模拟雅江站、洼里站以及小得石站1981-1997年的日径流。其中以1981-1982年为预热期，1983-1990年为率定期，1991-1997为验证期。本研究区构建的SWAT模型子流域及水文响应单元划分参数设置：最小集水面积值阈设置为170 000 ha，设置四级坡度，分别为0%～15%、15%～25%、25%～40%、≥40%，拆分合并到其他类型的阈值分别设置为：坡度阈值10%，土地利用阈值10%，土壤类型阈值15%。研究区域划分为41个子流域，641个水文相应单元。模拟结果见图2～图4，模型精度统计指标见表2。

根据上述SWAT模型模拟结果，模拟日径流与实测日径流吻合较好，特别是对于年内最大日流量，基本上3个站点都有较好响应，基本能够重现最大日流量的出现时间和洪水量级等主要特征，这对水文极值变化的模拟和评价是十分有利的。由表 2可知，模型率定期和验证期的Nash-Sutcliffe系数NS、确定性系数R2均在0.70以上，除洼里站的验证期外，PBIAS的绝对值均小于10%，模拟精度较高。

表1 参数率定结果Tab.1 Results of parameter calibration

注：率定值中…/…表示 1～21号子流域率定值/22～41号子流域率定值。

图2 雅江站日径流模拟结果Fig.2 Daily runoff simulation at Yajiang station

图3 洼里站日径流模拟结果Fig.3 Daily runoff simulation at Wali station

图4 小得石站日径流模拟结果Fig.4 Daily runoff simulation at Xiaodeshi station

3 土地利用情景设置

3.1 CLUE-S模型

CLUE-S(Conversion of Land Use and its Effects at Small Region Extent)模型通过量化土地利用与自然条件与社会经济等驱动因子之间的关系来模拟土地利用空间分布，从而预测未来土地利用。CLUE-S模型主要由非空间需求模块和空间分配模块组成，其中非空间模块是独立于模型而运行的，通过对人口增长、社会经济以及区域综合发展规划等因素的分析，计算研究区不同土地利用类型每年的数量需求。空间模块则是以栅格化空间数据为基础，根据每个栅格单元出现某种土地类型的概率、土地利用转换规则等，从而对模拟年份的土地利用需求进行空间位置分配[27]。

表2 模型模拟精度Tab.2 Accuracy of model simulation

3.2 驱动因子选择

本文在考虑资料的可获取性，因子是否能定量化，在研究区内部存在是否空间差异，与研究区土地利用变化的相关性，自然条件与社会经济因子综合选取等原则的基础上，从地形条件、土壤条件、气象条件以及社会条件4个方面选择了9个驱动因子[28](见图5)。

图5 雅砻流域CLUE-S模型驱动因子选择Fig.5 Selection of driving factors for CLUE-S model in Yalong River Basin

CLUE-S模型使用Logistic回归分析对不同土地利用类型与各种驱动因素之间的关系进行定量分析[29]。本文使用二元Logistic回归对每一栅格单元中可能出现某种土地利用类型的概率进行分析，二元Logistic回归方程的基本形式见。雅砻江流域各种土地利用类型的Logistic二元回归方程系数及常量见表3。

(1)

式中：Pi为每个栅格可能出现某种土地利用类型i的概率；Xn,i为驱动因子；β为回归系数，其中β0为常量。

表3 Logistic二元回归方程系数及常量Tab.3 Accuracy of model simulation

由表 3可知，影响雅砻江流域土地利用类型的主要驱动因子有坡度、有机质含量、排水条件、土壤pH、总用水量及人口分布。采用ROC(Relative Operating Characteristics)方法对二元Logistic回归结果进行检验，雅砻江流域主要的6种土地利用类型的ROC值为0.75～0.86，均大于0.7，表明表3中的Logistic回归方程对雅砻江流域的土地利用具有较强的解释能力，可以用来模拟雅砻江流域的土地利用。

3.3 CLUE-S模拟及验证

以雅砻江流域1995年土地利用为基准期，2005年土地利用为目标期，率定CLUE-S模型参数，用Kappa指数验证模拟效果[30]。Kappa指数主要是对图像的精确性及一致性进行评价，其计算公式如下。

Kappa=(Po-Pc)/(Pp-Pc)

(2)

式中：Po为正确模拟的比例；Pc为随机情况下期望的正确模拟比例，研究区内总共土地利用类型有6种，即Pc=1/6；Pp为理想分类情况下正确模拟的比例，取值为1。

Kappa指数的值位于0～1之间，值越接近1，说明模拟结果越好。当Kappa指数值大于0.7时，表明结果较好。

经计算，整个雅砻江流域共有127 885个栅格，正确模拟的栅格为126 788个，即P0=126 788/127 885=0.99，Kappa=0.988，可知该模型模拟的精度很好，可以用于雅砻江流域土地利用状况的模拟。

3.4 土地利用情景设置及模拟

雅砻江流域整个流域林地和草地合计占总面积的比例超过85%，且流域内生态环境脆弱，一方面开垦适宜耕作的后备土地资源的难度较大，另一方面具有生态保护功能的林地和草地属于保护用地，面积应保持相对稳定。根据流域内地方政府(主要是四川省甘孜藏族州和凉山彝族州)土地利用规划，结合城镇化发展和生态保护的要求，主要设置两种土地利用情景，一种是城镇化发展情景，即按照1990-2015年城镇用地的年平均增长速率线性外延至2050年，未利用地和耕地面积减小，其他土地类型面积不变；另一种是退耕还林情景，即以2015年土地利用现状为基础，大于25°的耕地退耕还林，15°～25°的耕地退耕还草。根据以上设置的土地利用发展情景，各土地利用类型的面积和比例见表4。

表4 雅砻江流域土地利用情景Tab.4 Land use scenario in Yalong River Basin

根据表4可知，与基准期相比，城镇化情景和退耕还林情景土地利用变化总体较为平缓，其中城镇化情景下城镇面积占比由0.12%增加到0.37%，耕地和未利用地面积占比略有减少；退耕还林情景下耕地面积占比由5.43%降至2.85%，林地和草地面积占比相应增加。

根据各土地利用需求量的设置，采用已率定的CLUE-S模型模拟在城镇化发展情景下的雅砻江土地利用空间分布，并对现状土地利用空间分布进行退耕还林操作，得到退耕还林情景下的雅砻江土地利用空间分布。城镇化情景及退耕还林情景下的雅砻江流域土地利用空间分布见图6。

4 径流模拟及水文极值分析

基于率定好的SWAT模型，分别输入城镇化情景、退耕还林情景下的土地利用空间分布图(图6)，得到城镇化情景、退耕还林情景下的雅砻江流域SWAT模型，然后保持其他参数不变分别模拟3种情景(基准期土地利用情景、城镇化土地利用情景以及退耕还林土地利用情景)下雅砻江流域1963-2004年日径流，其中1963-1964年为预热期，同时对雅江站、麦地龙站和洼里站进行日径流模拟。这是因为，雅江站为在建两河口电站的设计代表站，且位于雅砻江流域上中游交界处；麦地龙为在建杨房沟电站的设计代表站；洼里站为已建成的锦屏一级水库的入流代表站，且位于雅砻江流域中下游交界处。根据模拟日径流序列，分别提取雅江站、麦地龙站以及洼里站每年的最大日流量，3个站点的各年度最大日流量见图7，最大日流量序列统计参数见表5。

图6 雅砻江流域土地利用对比图Fig.6 Land use contrast map of Yalong River Basin

根据图7及表5可知，在城镇化土地利用情景下，雅砻江流域多年日最大流量整体上增加，雅江站、麦地龙站及洼里站的日最大流量序列均值增幅依次为4.6%、3.4%及2.3%，增幅从上游至下游逐步减小。在退耕还林土地利用情景下，雅砻江流域的日最大流量略有减少，但减少幅度十分有限，洼里站减少幅度最大，也仅为-1.2%。

图7 模拟最大日流量对比Fig.7 Comparison of simulatedmaximum daily flow

表5 雅砻江流域最大日流量序列统计参数
Tab.5 Land use scenario in Yalong River Basin

项 目雅江站基准期城镇化情景退耕还林情景麦地龙站基准期城镇化情景退耕还林情景洼里站基准期城镇化情景退耕还林情景均值/(m3·s-1)2 7142 8402 6984 1454 2874 1255 0295 1444 966均值变幅/%4.6-0.63.4-0.52.3-1.2离差系数0.23 0.23 0.23 0.19 0.19 0.19 0.18 0.18 0.19

上述结果表明：城镇化发展会对雅砻江流域的水文极值造成一定影响。退耕还林对雅砻江流域的水文极值的影响则十分微弱，其主要是发挥生态保护作用。在本文设置的城镇化发展情景下，城镇面积增加，即地表不透水面积增加，一方面减少了径流下渗，降雨形成地表快速径流的比例增加，另一方面缩短了地表径流汇流时间，两方面因素影响导致了日最大流量增加。

城镇化土地利用情景会导致雅砻江流域日最大流量增加，对流域防洪安全不利，但在雅砻江流域，人类活动的另一方面(即水库调蓄)同样也对水文极值有着直接影响。雅砻江流域作为我国重要的水电基地，中下游已建成锦屏一级、二滩等大型调节水库，在建两河口调节水库，通过梯级调度，充分发挥上述水库的调蓄作用，可以削减洪峰，有效控制出库流量，对最大出库流量以及洪水过程线都有着较好控制作用，可使洪水过程线有陡峭变为平缓，这对防洪安全是十分有利的。

本文设置的城镇化情景预计城镇面积占比为0.37%，小于凉山彝族州规划的城镇面积占比1.01%，如后续城镇化迅速发展，城镇面积占比明显增加，其对雅砻江流域水文极值的影响会更加显著，再加之气候变化的影响，二者叠加后对雅砻江流域水文极值以及雅砻江流域梯级水库群防洪调度的影响不容忽视。因此在后续流域综合规划修编过程中，应按照集约用地、适当控制城镇建设规模的原则，科学规划城镇建设布局，合理控制城镇建设用地增长速度；同时应进一步优化调度，充分发挥流域梯级水库群的调蓄作用，尽可能降低气候变化及土地利用变化对流域防洪安全造成的不利影响。

5 结 论

本文建立了雅砻江流域日尺度SWAT模型，并对其进行多出口率定，然后采用CLUE-S模型模拟了城镇化发展情景下的土地利用空间分布，并在现状土地利用基础上进行退耕还林操作得到了退耕还林情景下的土地利用空间分布，进而模拟了3种土地利用情景(基准期、城镇化情景及退耕还林情景)下的日径流序列，并根据模拟的日径流序列对水文极值进行了统计分析，主要结论如下：

(1)建立的SWAT模型能较好模拟和重现雅砻江流域基准期水文极值，基本能够重现雅江站、洼里站及小得石站水文极值的发生时间和量级等主要特征，模型率定期和验证期的Nash-Sutcliffe系数NS、确定性系数R2均在0.70以上，除洼里站的验证期外PBIAS的绝对值小于10，模拟精度较高。

(2)城镇化土地利用情景下，城镇面积占比由0.12%增加到0.37%，耕地和未利用地面积占比略有减少；雅江站、麦地龙站及洼里站的日最大流量整体上增加，日最大流量序列均值增幅依次为4.6%、3.4%及2.3%，增幅从上游至下游逐步减小。

(3)退耕还林土地利用情景下，耕地面积占比由5.43%降至2.85%，林地和草地面积占比相应增加；雅江站、麦地龙站及洼里站的日最大流量略有减少，但减少幅度十分有限，洼里站减少幅度最大，也仅为-1.2%。

(4)虽然城镇化发展会对雅砻江流域水文极值的影响有限，但如果后续城镇化迅速发展(本文设置的城镇化情景城镇面积占比为0.37%，小于凉山彝族州规划的城镇面积占比1.01%)，再加之气候变化的影响，二者叠加后对雅砻江流域水文极值的影响不容忽视。因此在后续流域综合规划修编过程中，应按照集约用地、适当控制城镇建设规模的原则，科学规划城镇建设布局，合理控制城镇建设用地增长速度；同时应进一步优化调度，充分发挥流域梯级水库群的调蓄作用，尽可能降低气候变化及土地利用变化对流域防洪安全造成的不利影响。

□