基于SWAT模型的黄河源区蓝/绿水资源时空分布特征研究

李文婷; 杨肖丽; 任立良; 高甜; 顾玉娇; Wen-ting LI; Xiao-li YANG; Li-liang REN; Tian GAO; Yu-jiao GU

中国农村水利水电 ›› 2021 ›› (8) : 59-66.

作者信息 +

Spatial and Temporal Distribution Characteristics of Blue and Green Water Resources in the Yellow River Source Region Based on SWAT Model

Author information +

稿件信息 +

摘要

黄河源区作为黄河流域重要的产流区和水源涵养区，其水资源量的变化对实现“加强黄河治理保护和推动黄河流域高质量发展”总体目标具有重要的影响。基于SWAT（Soil and Water Assessment Tool）模型、Mann-Kendall检验和滑动t检验方法，定量分析了黄河源区1962-2017年的降水量、蓝水量、绿水量时空分布特征及变化趋势。结果表明：近56年来，黄河源区多年平均绿水量约是蓝水量的2.5倍以上。全流域内绿水量呈增加趋势，西北玛多站（1.0 mm/a）增加幅度最大；降水量、蓝水量在西北地区呈增加的趋势，东部地区和东南地区呈减少趋势；在空间上，降水量、蓝/绿水量分布总体上均呈现从西北地区向东南地区递增的趋势。降水量变化是影响流域内蓝水量时空分布差异的主要因素。流域内绿水量则同时受降水、气温影响，空间分布差异大，西北地区蒸散发量少于东南地区，东南地区的绿水量最为丰富。

Abstract

The source region of the Yellow River， as an important flow producing area and water conservation area of the Yellow River basin， has an important influence on the realization of the overall goal of “strengthening the governance and protection of the Yellow River and promoting the high-quality development of the Yellow River Basin”. Based on SWAT （Soil and Water Assessment Tool） model， Mann-Kendall test and sliding T-test， the spatial and temporal distribution characteristics and change trend of precipitation， blue water volume and green water volume in the source region of the Yellow River from 1962 to 2017 are quantitatively analyzed. The results show that in the past 56 years， the average amount of green water in the source region of the Yellow River is more than 2.5 times that of the blue water. The green water increases in the whole basin， with the largest increase at the northwestern Maduo Station （1.0 mm/a）. Precipitation and blue water increases in the northwest， while decreasing in the east and southeast. In terms of spatial distribution， the distribution of precipitation and blue/green water shows an increasing trend from northwest to southeast. Precipitation change is the main factor affecting the temporal and spatial distribution of blue water. However， the green water in the basin is affected by both precipitation and air temperature， and its spatial distribution is quite different. The evapotranspiration in the northwest is less than that in the southeast， and the green water in southeast is the most abundant.

关键词

蓝水 / 绿水 / SWAT模型 / Mann-Kendall检验 / 黄河源区

Key words

blue water / green water / SWAT model / Mann-Kendall test / Upper Yellow River Basin

基金

“十三五”国家重点研发计划项目“全球变化背景下陆地水文极端事件演变及趋势预测”(2016YFA0601504)

国家自然科学基金面上项目(52079036)

引用本文

EndNote

Ris (Procite)

Bibtex

导出引用

李文婷 , 杨肖丽 , 任立良 , 高甜 , 顾玉娇. 基于SWAT模型的黄河源区蓝/绿水资源时空分布特征研究[J].中国农村水利水电, 2021(8): 59-66

Wen-ting LI , Xiao-li YANG , Li-liang REN , Tian GAO , Yu-jiao GU. Spatial and Temporal Distribution Characteristics of Blue and Green Water Resources in the Yellow River Source Region Based on SWAT Model[J].China Rural Water and Hydropower, 2021(8): 59-66

近年来，在全球气候变暖和剧烈人类活动的影响下，水资源短缺和分配不平衡问题日益突出，传统的水资源评价已经不能满足解决当前的水安全问题。为了更好地评估水资源在陆地生态系统里的作用，1995年Falkenmark^［1］首次提出了蓝水、绿水的概念，蓝水主要是以地表径流、土壤中流、地下径流3种形式存在的水，绿水是指土壤水和实际蒸散量。绿水作为水分消耗的主体，其80%的水资源量用于全球农业生产^［2，3］，对维持生态系统的稳定具有不可代替的作用。因此，综合研究蓝绿水能够更为全面的对水资源进行评价，对地区的水资源规划和管理具有重要意义。赵安周等^［4，5］利用SWAT模型研究了渭河流域典型年份的蓝绿水时空变化特征，并进一步研究了基于气候变化和人类活动的影响下蓝绿水量的变化特征，其研究结论为渭河流域水资源保护和生态治理提供了理论支撑。吕乐婷等^［6］基于SWAT模型，从水文循环的角度对流域蓝绿水量变化趋势及空间分布特征进行评估。张洋等^［7］利用SWAT模型从不同土地利用类型对岷沱江流域的蓝/绿水量时空分布特征进行评估。

黄河流域是中国重要的生态屏障，近年来受气候变化和人类活动的影响，黄河水资源量呈减少趋势，用水形势严峻，生态环境问题日益突出。习近平总书记在黄河流域生态保护和高质量发展座谈会上提出黄河流域生态保护和高质量发展这一新的重大国家战略，为做好黄河流域生态治理和水资源管理工作指明了方向^［8］。而黄河源区作为黄河流域重要的产流区和水源涵养区，具有“黄河水塔”之称^［9］，其水量变化会影响黄河中下游地区水量的稳定，从而会影响黄河流域的生态安全问题。已有的研究^［6-7］主要是研究蓝绿水数量的变化及空间分布情况，对流域内长时间序列的变化趋势研究较少，同时结合气候因素分析蓝绿水变化的研究也相对较少。本文以黄河源区为研究对象，利用SWAT（Soil and Water Assessment Tool）模型、Mann-Kendall检验和滑动t检验方法，定量分析黄河源区1962-2017年的降水量、蓝水量、绿水量时空分布特征及变化趋势，其结果将为黄河源区的流域治理和生态保护提供科学理论支撑。

1 研究区概况及数据

1.1 研究区概况

黄河源区是指唐乃亥水文站以上集水面积（95°50′E～ 103°30′E，32°30′N～36°00′N），总面积为12.19 万km²，约占黄河流域总面积的16.2%（图1）。流域内海拔从2 663 m到6 253 m不等，平均海拔为4 025 m。黄河源区位于青藏高原的东北部，地势呈现西高东低，具有典型的内陆高原气候特征^［10］。流域东西距离长，由东向西横跨了黄淮海平原、黄土高原、内蒙古高原和青藏高原4个地貌单元^［11］。黄河源区的降水和气温自西北至东南均呈逐渐递增趋势。流域产水量约占整个黄河流域的36%，是黄河流域重要的水源涵养区和产流区^［12］。

图1 黄河源区气象站、水文站、水系、高程分布图

Fig.1 Distribution of meteorological station， hydrological station， water system and elevation of the source region of Yellow River

Full size|PPT slide

1.2 数据

SWAT模型数据包括地形数据、气象数据、土地利用数据、土壤类型数据、水文数据等。地形数据来源于地理空间数据云（http：//www.gscloud.cn/），分辨率为90 m。气象数据选取黄河源区内8个气象站点，从中国气象科学数据共享服务网（http：//data.cma.cn/）中下载了1961-2017年的风速、气温、太阳辐射、降水量、相对湿度等数据，部分缺测数据已使用线性插值法^［13］进行插值处理。土地利用数据来源于中国科学院资源科学数据中心（http：//www.dsac.cn/）。土壤数据直接来源于世界土壤数据库（HWSD），该数据库能够直接应用于SWAT模型，无需再进行土壤粒径的转换^［7］。水文数据来源于黄河流域水文年鉴统计资料。

2 研究方法

2.1 SWAT模型

SWAT模型是1990年由美国农业部农业研究服务中心（USDA）开发研制的基于物理机制的大尺度分布式水文模型^［14］。模型的模拟尺度有年、月、日3种时间尺度，时间序列可长达100年，SWAT模型由水文循环模拟、土壤侵蚀过程以及污染负荷子模型3大子模型组成。运用SWAT模型对流域进行水文循环模拟，可以直接输出组成蓝绿水的各个分量，是进行蓝绿水研究比较高效的方法^{［15，16］}。

2.2 蓝绿水量计算

蓝/绿水量是根据SWAT模型各水文变量的输出结果进行计算的^［16］，分别为

B_{W} = W_{Y L D} + D_{A_R C H G}

（1）

G_{W} = E_{T} + S_{W}

（2）

式中：B_W 为蓝水量；G_W 为绿水量；W_YLD 为子流域产水量；D_{A_RCHG} 为深层含水层补给量；E_T 为实际蒸散发量，即绿水流（GWF）；S_W 为土壤含水量，即绿水储量（GWS）。

2.3 Mann-Kendall检验

利用Mann-Kendall检验方法^［17］对研究时间序列进行趋势性检验分析以及突变检验分析。原理如下，假定降水、气温、径流等时间序列X_i 是由n个随机独立同分布的样本x ₁，x ₂，...，x_n 组成，即X=｛x ₁，x ₂，...，x_n ｝。首先，构造一秩序列：

S_{K} = \sum_{i = 1}^{k} a_{i} (k = 2,3, \dots, n)

（3）

其中：

a_{i} = \{\begin{matrix} 1, x_{i} > x_{j} \\ 0, x_{i} \leq x_{j} \end{matrix} (j = 1,2, \dots, n)

（4）

秩序列S_K 是统计量a_i 在i时刻的数值大于j时刻数值的累加次数。

基于样本x ₁，x ₂，...，x_n 是随机独立分布的假设，标准化秩序列S_K 且定义为统计量UF_K ：

U F_{K} = \frac{[S_{K} - E (S_{K})]}{\sqrt[]{V a r (S_{K})}} (K = 1,2, \dots, n)

（5）

式中：

E (S_{K}) = \frac{K (K - 1)}{4}

（6）

V a r (S_{K}) = \frac{K (K - 1) (2 K + 5)}{72}

（7）

逆序排列时间序列X，按照上式再次计算，同时使：

\{\begin{matrix} U B_{K} = - U F_{K} \\ K = n + 1 - K \end{matrix}

（8）

式中：UF_K 和UB_K 均服从标准正态分布，UF_K 和UB_K 的正负可作为判断某一时间段数据的变化趋势，当|UF_K |或者|UB_K |超过显著性水平时，表明变化趋势较为显著；判断UF_K 、UB_K 两曲线是否存在交点及相交点是否在临界线之间，来判断原数据序列是否存在突变点。

2.4 滑动t检验

为确保M-K突变检验结果的可靠性，本文利用滑动t检验^［18］对研究序列再次进行突变点的检验。滑动t检验的原理为：在具有n个样本量的时间序列中，人为选择某一时刻为基准点，基准点前后两段子序列X ₁和X ₂的样本分别为n ₁和n ₂。定义统计量t为：

t = \frac{\bar{X_{1}} - \bar{X_{2}}}{S \sqrt[]{\frac{1}{n_{1}} + \frac{1}{n_{2}}}} ~ t (n_{1} + n_{2} - 2)

（9）

式中：

S = \sqrt[]{\frac{n_{1} {s_{1}}^{2} + n_{2} {s_{2}}^{2}}{n_{1} + n_{2} - 2}}

（10）

2.5 SWAT模型构建

2.5.1 模型建立

利用SWAT模型，导入DEM数据、气象数据，根据土地利用数据、土壤数据以及坡度数据，将黄河源区划分为117个子流域，708个水文响应单元（HRU）。根据对黄河源区1961-2017年的径流量的突变检验分析（图2），判定1989年为径流量的突变年份。因此，模型模拟期为56年（1962-2017年），预热期1年（1961-1962年），其中率定期（1962-1989年）和验证期（1990-2017年）。

图2 黄河源区1961-2017年径流量突变分析

Fig.2 Abrupt change analysis of runoff in the source region of the Yellow River from 1961 to 2017

Full size|PPT slide

2.5.2 模型参数及评价指标选择

SWAT模型中参数众多，参考相关文献^［19-21］，根据SWAT-CUP中的全局敏感性（Global Sensitivity）对参数进行分析，t 值表示参数敏感性程度，t 绝对值越大参数越敏感；p 值表示参数敏感性的显著性，p 值越接近0越显著。本研究选取11个敏感性最高的参数（表1）进行率定。由表1可知，对径流影响较大的参数为CN2、ALPHA_BF、SOL_K、SOL_AWC，影响最为显著的是CN2（SCS径流曲线数）。

表1 SWAT模型的参数选择及率定结果

Tab.1 Parameter selection and calibration results of SWAT model

敏感度排序	参数名称	含义	t-Stat	P-Value	率定范围	最优值
1	CN2	SCS径流曲线数	-17.89	<0.001	-0.04~0.30	-0.01
2	ALPHA_BF	基流α因子	-3.15	<0.001	0.06~0.69	0.41
3	SOL_K	土壤饱和导水率	-2.81	0.01	-0.77~0.28	0.03
4	SOL_AWC	土壤有效含水量	2.05	0.05	-0.29~0.17	0.15
5	CH_K2	主河道有效水力传导系数	-1.89	0.07	40.00~111.00	94.23
6	GWQMN	浅层地下径流系数	-1.25	0.22	0.83~2.31	2.25
7	CH_N2	主河道曼宁系数	-1.23	0.23	0.02~0.21	0.19
8	SFTMP	降雪日平均空气温度	0.96	0.34	-1.59~5.29	1.94
9	ESCO	土壤蒸发补偿系数	-0.96	0.34	0.76~0.92	0.77
10	GW_REVAP	地下水蒸发系数	0.80	0.43	0.09~0.20	0.18
11	GW_DELAY	地下水延迟时间	-0.71	0.48	137.00~355.00	189.26

模型评价选用确定性系数（R ²）和Nash-Sutcliffe纳什系数（NSE）^［22］，具体计算公式如下：

R^{2} = \frac{{[\sum_{} (Q_{m, i} - \bar{Q_{m}}) (Q_{s, i} - \bar{Q_{s}})]}^{2}}{{\sum_{} (Q_{m, i} - \bar{Q_{m}})}^{2} \sum_{i} {(Q_{s, i} - \bar{Q_{s}})}^{2}}

（11）

式中：Q_m _， _i 为模拟径流量；Q_s _， _i 为观测径流量；Q_m 为平均模拟径流量；Q_s 为平均观测径流量；i为模拟序列长度。

取R ²>0.6为模拟结果的临界评价标准。

N S E = 1 - \frac{\sum_{} {(Q_{m, i} - Q_{s, i})}^{2}}{\sum_{} {(Q_{m, i} - Q_{m})}^{2}}

（12）

式中：Q_m 为模拟径流量；Q_s 为平均模拟径流量；i为观测次数。

NSE的值越接近1，说明模型模拟结果越好，取NSE>0.5作为模拟结果的临界评价标准。

3 结果分析

3.1 模型率定与验证

利用唐乃亥水文站月径流资料，基于SWAT-CUP率定程序对SWAT模拟结果进行率定和验证。率定期设为1962-1989年，验证期设为1990-2017年。率定期的确定性系数R ²和NSE分别是0.87和0.86，验证期的确定性系数R ²和NSE分别是0.82和0.77（图3）。总体模拟效果较好，说明SWAT模型在黄河源区具有较好的适用性。

图3 黄河源区唐乃亥水文站月径流的SWAT模型模拟结果对比图

Fig.3 A comparison chart of SWAT model simulation results of monthly runoff from Tangnaihai Hydrological Station in the source region of the Yellow River

Full size|PPT slide

3.2 蓝绿水量的时间变化特征

3.2.1 变化趋势分析

基于SWAT模型模拟结果，计算分析黄河源区蓝绿水量、绿水流以及流域内多年降水量和平均气温（图4）。黄河源区绿水量丰富，1962-2017年多年平均绿水量为450 mm，多年平均蓝水量为154 mm，绿水量约是蓝水量的2.5倍以上；多年平均绿水流量为345 mm，绿水流是绿水资源的主要组成部分，约占绿水量的78%左右。1962-2017年黄河源区多年平均年降水量为518 mm。由图4分析年降水量和蓝水量的变化趋势可得，年降水量波动较明显，总体呈现增加的趋势；蓝水量多年变化起伏大，蓝水量主要是受降水量多年波动变化影响。

图4 1962-2017年年降水量（PREC）、蓝水（BW）、绿水（GW）、绿水流（GWF）、年平均气温（TMP）变化过程

Fig.4 The change process of annual precipitation （PREC）， blue water （BW）， green water （GW）， green water flow （GWF） and annual average temperature （TMP） from 1962 to 2017

Full size|PPT slide

为进一步分析降水和气温变化对研究区内蓝绿水量变化的影响，对蓝绿水量、降水量多年变化进行M-K趋势性检验（图4），结果表明降水量（PREC_Z）和蓝水量（BW_Z）的MK统计值分别为1.34、0.19，均未通过95%的显著性检验，为不显著的增加；绿水流（GWF_Z）和绿水量（GW_Z）的MK统计值分别为4.91、3.72，均通过95%的显著性检验，呈现显著性的增加趋势；同时年平均气温（TMP_Z）的MK统计值为5.71，也呈现显著性的增加趋势。黄河源区地处西北内陆，降水量较少，气候干旱，降水大多数通过入渗和冠层截留转化成生态系统用水，地表径流形成量低^［23］。流域内的绿水量主要由绿水流和绿水储量组成，绿水流为流域内的实际蒸散发（ET），气温直接影响蒸散发量。表明，黄河源区蓝水量和绿水量的差异主要是由气候条件所决定的。

利用线性倾向估计法^［22］得到黄河源区1962-2017年的蓝/绿水量、降水量变化趋势的空间分布（图5）。降水量、蓝水量的变化趋势空间差异性显著，西北地区呈增加趋势，东部地区和东南地区整体呈减少趋势。绿水量在西北及南部地区呈显著增加趋势，中部地区变化不明显。其中降水量呈显著增加趋势的有西北玛多站（1.66 mm/a）、贵南站（1.91 mm/a）地区，呈下降趋势的则有东南部河南站（-0.80 mm/a）、若尔盖站（-0.26 mm/a）地区。相比于降水量，流域内的蓝水呈下降趋势的子流域数量更多，主要集中在东南部若尔盖站（-0.97 mm/a）、红原站（-0.21 mm/a）及中部河南站（-1.21 mm/a）地区，呈显著增加趋势的有西北玛多站（0.64 mm/a），这与张为彬等人的研究一致^［24］。

图5 1962-2017年降水量、蓝水量、绿水量的流域尺度变化趋势分布情况

Fig.5 Distribution of watershed scale variation trends of precipitation， blue water and green water from 1962 to 2017

Full size|PPT slide

黄河源区绿水量增加趋势最为明显，多集中于西北玛多站（1.0 mm/a）和南部达日站（0.57 mm/a）地区。黄河源区绿水变化趋势与流域内多年来的降水量空间分布格局的变化、气温的增幅变化有较大的关系。此外，流域内东南地区绿水量和蓝水量的变化存在一定的差异，主要是因为近年来人类活动导致的土地利用方式变化对绿水量的影响要大于对蓝水量的影响^［25］。根据水量平衡原理，若尔盖站和河南站地区绿水量的增加将会导致该地区蓝水量的减少。

3.2.2 突变分析

由于单一突变检验方法存在较大的不确定性^［26］，因此结合滑动t检验和M-K突变检验两种方法对蓝/绿水量、绿水流、年降水量、年平均气温进行突变点分析（图6、表2）。黄河源区流域内的年降水量大部分时间内呈增加趋势，仅在1999-2007年这段时间有所减少，确定在2012年出现一次增加的突变点［图6（a）］。流域内的年平均气温在整个研究期内一直呈增加趋势，而且在2002年发生了一次增加的突变。这可能是进入21世纪，人口快速增长，活动影响范围广，进一步加剧全球变暖，导致流域内气温不断增长。

图6 1962-2017年年降水量、绿水流、蓝水、绿水量、平均气温M-K突变检验分析结果

Fig.6 Analysis results of annual precipitation， green water flow， blue water， green water volume， and mean air temperature M-K test from 1962 to 2017

Full size|PPT slide

表2 滑动t检验分析结果

Tab.2 Analysis results of sliding t test

变量名称	突变年份	统计量t值	临界t_a _/2（a=0.05）	是否显著
降水量（PREC）	2012	2.33	1.64	是
绿水流（GWF）	1993	5.34	1.64	是
绿水量（GW）	1988	4.14	1.64	是
蓝水量（BW）	1986	1.55	1.64	否
平均气温（TMP）	2002	8.81	1.64	是

流域内的蓝水量在1993年之前，一直呈增加的趋势，这与

同时间段降水量变化趋势有较大关系。1994-2011年蓝水量呈减少的趋势，2012年以后蓝水量呈现增加趋势，同时间段流域内气温呈现显著性的增加趋势，气温升高会增加冰雪融水的补给，这在一定程度上会增加蓝水量^［27］。结合M-K突变［图6（d）］和滑动t突变（表2）两者的检验结果，显示蓝水量不存在突变点。流域内的绿水流在1983年之前呈增加的趋势，在1984-1988年这段时间呈现减少的趋势，自1989年以后绿水流呈现增加的趋势。此外，根据突变结果，确定流域的绿水流在1993发生一次增加的突变点［图6（b）］。绿水量多年变化呈增加趋势，仅在1984-1989年之间呈减少趋势。其中M-K突变结果显示，绿水量UF与UB曲线相交于1994年，相交后UF值持续增大，UB值波动性减小。从UF、UB两曲线的后期变化趋势判断，1994年可能为突变点［图6（c）］，但滑动t检验结果显示，1988年为显著的突变点。结合绿水量多年变化趋势，认为绿水量在1988年发生突变更符合实际。绿水量在1989年往后呈显著增加趋势，这可能是流域内气温呈现持续增加趋势，使得降水量一部分通过蒸散发作用转化为绿水，增加了绿水量。

3.3 蓝绿水量的空间变化特征

根据图2的黄河源区径流量突变分析结果，确定1989年为径流量的突变年份，同时2000年前后人类活动发生改变，故在研究水资源量时空变化时，将1962-2017年划分为3个时间段来进行研究，分别为1962-1989年、1990-1999年、2000-2017年。对SWAT模型输出结果进行统计计算，得到降水量、蓝/绿水量的空间分布变化图（图7）。

图7 黄河源区年降水量、蓝水量及绿水量空间分布情况

Fig.7 Spatial distribution of annual precipitation， blue water and green water in the source region of the Yellow River

Full size|PPT slide

1962-2017年，黄河源区降水量总体上呈现从西北地区向东南地区递增的趋势，东南地区的降雨量最为丰富，西北地区降雨量最低。西北部玛多站地区1962-1989年间总体降水量在390~450 mm之间，1990-1999年降水量在450~480 mm之间，2000-2017年降水量在480~520 mm之间，呈现逐渐增加的趋势。北部兴海站地区呈现先减少再增加的趋势。达日站附近地区的降水量总体呈现减少的趋势，东南若尔盖站和红原站附近地区降水量变化不明显。

黄河流域蓝水量总体呈现从西北地区向东南地区增加的趋势。西北地区玛多站和兴海站附近蓝水量分布较少，东南地区红原站附近蓝水量最丰富，在320~350 mm之间；若尔盖站附近地区1990-1999年蓝水量为200~240 mm，2000-2017蓝水量为160~200 mm，呈下降趋势。中游地区即达日站、果洛站以及河南站蓝水量较东南地区有所下降。降水量为流域内径流的主要来源^［28］，其时空分布变化会影响径流过程，进而直接影响着蓝水量的时空分布情况^［29］。

1962-2017年，黄河流域绿水量为290~640 mm，空间差异大，总体呈现从西北地区向东南地区增加。这可能是由于黄河源区西北地区草原面积大，东南地区分布少量的林地。郭瑞萍^［30］等人研究发现森林的蒸散发量大于农田大于草地，西北地区蒸散发量少于东南地区，所以东南地区的绿水量最为丰富。黄河源区绿水量整体呈增加趋势，流域中部达日站地区1962-1990年绿水量为450~490 mm，1990-2000年绿水量为490~530 mm，呈现增长趋势。东南部若尔盖站地区呈现先增加后减少的趋势。据相关学者的研究表明，进入20世纪90年代后，人类活动方式发生较大改变，土地利用方式、下垫面性质等都相应的发生改变^［31-33］，这些因素的综合作用会影响绿水量的变化^［34］。同时气候因素对绿水量的影响也较为显著，而蒸散发量是气候变化研究中较为关键的环节^［35］，它随着降水量和气温的增大而升高^{［36，37］}，从而增加绿水量。

4 结论

（1）基于唐乃亥水文站月径流资料对模型进行率定和验证，率定期的确定性系数R ²和NSE分别是0.87和0.86，验证期的确定性系数R ²和NSE分别是0.82和0.77。总体模拟效果较好，说明SWAT模型在黄河源区具有较好的适用性。

（2）1962-2017年间，研究区内降水量和蓝水量表现为不显著的增加；绿水流、绿水量及年平均气温呈现显著性的增加趋势。黄河源区绿水量丰富，多年平均绿水量为450 mm，多年平均蓝水量为154 mm，绿水量约是蓝水量的2.5倍以上；多年平均绿水流为345 mm，约占绿水量的78%左右。

（3）综合Mann-Kendall趋势检验法、滑动t检验分析结果，黄河源区多年降水量在2012年出现一次增加的突变点；流域内的年平均气温在整个研究期内一直呈增加趋势，在2002年发生了一次增加的突变。绿水流在1993年发生一次增加的突变点，绿水量在1988年发生突变。

（4）研究期内降水量、蓝水量、绿水量空间尺度上的变化趋势具有一定的差异性。降水量、蓝水量在西北地区呈增加的趋势，东部地区和东南地区整体呈减少趋势；受气候变暖的影响，绿水量在整个流域均呈现增加的趋势，其中在西北及南部地区呈较为显著的增加趋势。

（5）1962-2017年期间，黄河源区降水量、蓝水量、绿水量在空间分布上呈现一定的相似性，均表现为从西北地区向东南地区递增的趋势。东南地区红原站附近蓝水量最丰富，约在320~350 mm之间；绿水量相比较蓝水量而言，空间分布差异性更大。蓝水量的空间分布特征主要受降水量空间分布的影响；而绿水量的空间分布更大程度上是受气温、降水量两者的叠加影响，气温增加，导致流域内蒸散发量增加，进一步增加了绿水量。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

1	FALKENMARK M. The new blue and green water paradigm： breaking new ground for water resources planning and management ［J］. Journal of Water Resources Planning and Management， 2006，132（3）：129-132. 本文引用 [1]

2	程国栋，赵文智. 绿水及其研究进展［J］. 地球科学进展，2006（3）：221-227. 本文引用 [1]

3	徐宗学，左德鹏. 拓宽思路，科学评价水资源量：以渭河流域蓝水绿水量评价为例［J］. 南水北调与水利科技，2013，11（1）：12-16，49. 本文引用 [1]

4	赵安周，朱秀芳，潘耀忠，等. 典型年份渭河流域蓝水绿水时空差异分析［J］. 中国农业气象，2016，37（2）：149-157. 本文引用 [1]

5	赵安周，赵玉玲，刘宪锋，等. 气候变化和人类活动对渭河流域蓝水绿水影响研究［J］. 地理科学，2016，36（4）：571-579. 本文引用 [1]

6	吕乐婷，王晓蕊，江源，等. 基于SWAT模型的东江流域蓝水、绿水时空分布特征研究［J］.水资源保护，2017，33（5）：53-60. 本文引用 [2]

7	张洋，邓玉，倪福全，等. 基于SWAT模型分析岷沱江流域蓝/绿水量的时空变化特征［J］.中国农业气象，2020，41（6）：345-356. 本文引用 [3]

8	郑雅馨，张俊涛. “四大机制”加强黄河生态保护［N］. 检察日报，2020-11-26（007）. 本文引用 [1]

9	张世丰. 保护“黄河水塔”确保一江清水向东流［J］. 中国水利，2020（19）：17-18，14. 本文引用 [1]

10	王亚迪. 变化环境下黄河源区水文气象要素特征分析及径流变化驱动研究［D］. 西安：西安理工大学，2020. 本文引用 [1]

11	周群. 分布式水文模型SWAT在黄河源区径流模拟中的应用研究［D］. 兰州：兰州理工大学，2019. 本文引用 [1]

12	张成凤，刘翠善，王国庆，等. 基于Budyko假设的黄河源区径流变化归因识别［J］. 中国农村水利水电，2020（9）：90-94. 本文引用 [1]

13	黄鹏飞，常怡婷，赵甲林. 不同插值方法对近地面风速插值的精度对比分析［J］. 舰船电子工程，2020，40（10）：145-148. 本文引用 [1]

14	王中根，刘昌明，黄友波. SWAT模型的原理、结构及应用研究［J］. 地理科学进展，2003（1）：79-86. 本文引用 [1]

15	徐宗学. 水文模型［M］. 北京：科学出版社，2009. 本文引用 [1]

16	臧传富，刘俊国. 黑河流域蓝绿水在典型年份的时空差异特征［J］. 北京林业大学学报，2013，35（3）：1-10. 本文引用 [2]

17	龚宇，邢开成，王璞. 沧州地区近40年来气温和降水量的变化趋势分析［J］. 中国农业气象，2008（2）：143-145. 本文引用 [1]

18	魏凤英. 现代气候统计诊断预测技术［M］. 北京：气象出版社，1993. 本文引用 [1]

19	陈成广，李晶晶，滕凯玲，等. 基于SWAT模型的绍兴城市径流时空演变规律分析［J］. 水文，2017，37（4）：29-34. 本文引用 [1]

20	陈晓丽，黄国如. 基于SWAT模型的北江飞来峡流域径流模拟［J］. 水资源与水工程学报，2017，28（5）：1-7.

21	朱烨，方秀琴，王凯，等. 基于SWAT模型的延河流域月径流量模拟分析［J］. 长江科学院院报，2016，33（10）：41-45. 本文引用 [1]

22	尹才. 基于SWAT和信息熵的非点源污染最佳管理措施的研究［D］. 上海：华东师范大学，2016. 本文引用 [2]

23	黄一鹏，刘卫林，万一帆，等. 基于SWAT模型的修河上中游流域径流与气候变化响应研究［J］. 人民珠江，2020，41（11）：16-23. 本文引用 [1]

24	张为彬，查小春，马玉改. 1961-2010年黄河源区蓝绿水资源时空变化［J］. 水土保持通报，2014，34（6）：338-343. 本文引用 [1]

25	DU L Y， RAJIB A， MERWADE V. Large scale spatially explicit modeling of blue and green water dynamics in a temperate mid-latitude basin［J］. Journal of hydrology， 2018，562（84-102）：0 022-1 694. 本文引用 [1]

26	张姝琪，张洪波，辛琛，等.水文序列趋势及形态变化的表征方法［J］. 水资源保护，2019，35（6）：58-67. 本文引用 [1]

27	常国刚，李林，朱西德，等. 黄河源区地表水资源变化及其影响因子［J］. 地理学报，2007（3）：312-320. 本文引用 [1]

28	王迪，刘梅冰，陈兴伟，等. 基于CMIP5和SWAT的山美水库流域未来蓝绿水时空变化特征［J/OL］. 南水北调与水利科技（中英文），1-15［2021-01-18］. 本文引用 [1]

29	李珊珊，张明军，汪宝龙，等. 近51年来三江源区降水变化的空间差异［J］. 生态学杂志，2012，31（10）：2 635-2 643. 本文引用 [1]

30	郭瑞萍，莫兴国. 森林、草地和农田典型植被蒸散量的差异［J］. 应用生态学报，2007（8）：1 751-1 757. 本文引用 [1]

31	杨丽萍，邹进. 土地利用变化对盘龙江流域产流过程的影响分析［J］. 中国农村水利水电，2020（7）：36-40，45. 本文引用 [1]

32	梁颖珊. 近55年来气候变化和人类活动对增江径流变化影响的定量研究［J］. 中国农村水利水电，2017（11）：87-93.

33	黄莎，付湘，秦嘉楠，等. 基于人类活动与气候变化的长江流域水资源压力评价［J］. 中国农村水利水电，2019（5）：12-16，28. 本文引用 [1]

34	LIANG J， LIU Q， ZHANG H， et al. Interactive effects of climate variability and human activities on blue and green water scarcity in rapidly developing watershed［J］. Journal of Cleaner Production， 2020，265：0 959-6 526. 本文引用 [1]

35	闫宇会，薛宝林，张路方，等. 基于MOD16产品的黑河流域蒸散量时空分布特征［J］. 节水灌溉，2019（9）：85-92. 本文引用 [1]

36	YUAN Z， XU J， WANG Y Q， et al. Historical and future changes of blue water and green water resources in the Yangtze River source region ［J］. Theoretical and Applied Climatology， 2019，138（1-2）：1 035-1 047. 本文引用 [1]

37	林若兰，卓文珊，高延康，等. 基于SWAT模型的北江流域生态径流调节服务评估［J］. 水资源保护，2020，36（6）：131-136. 本文引用 [1]

PDF(4888 KB)

767

访问

引用

详细情况

段落导航

摘要
Abstract
关键词
Key words
基金
引用本文
1 研究区概况及数据
1.1 研究区概况
图1 黄河源区气象站、水文站、水系、高程分布图
1.2 数据
2 研究方法
2.1 SWAT模型
2.2 蓝绿水量计算
2.3 Mann-Kendall检验
2.4 滑动t检验
2.5 SWAT模型构建
2.5.1 模型建立
图2 黄河源区1961-2017年径流量突变分析
2.5.2 模型参数及评价指标选择
表1 SWAT模型的参数选择及率定结果
3 结果分析
3.1 模型率定与验证
图3 黄河源区唐乃亥水文站月径流的SWAT模型模拟结果对比图
3.2 蓝绿水量的时间变化特征
3.2.1 变化趋势分析
图4 1962-2017年年降水量（PREC）、蓝水（BW）、绿水（GW）、绿水流（GWF）、年平均气温（TMP）变化过程
图5 1962-2017年降水量、蓝水量、绿水量的流域尺度变化趋势分布情况
3.2.2 突变分析
图6 1962-2017年年降水量、绿水流、蓝水、绿水量、平均气温M-K突变检验分析结果
表2 滑动t检验分析结果
3.3 蓝绿水量的空间变化特征
图7 黄河源区年降水量、蓝水量及绿水量空间分布情况
4 结论
参考文献

收稿日期	出版日期
2020-12-17	2021-08-15
发布日期
2021-09-24

选择文件类型/文献管理软件名称

选择包含的内容