基于Budyko假设的昌马河流域径流变化归因分析

doi:10.7522/j.issn.1000-694X.2024.00064

摘要/Abstract

摘要：

昌马河是疏勒河的主要干流段，其径流变化对气候变化和下垫面变化极其敏感。以昌马河流域为研究对象，运用Budyko假设对径流变化进行归因分析。结果表明：（1）径流、气候和下垫面因子均具有明显的突变特征，气候特征总体上呈暖湿化趋势。（2）径流对降水量变化的敏感性最高，其次为下垫面和潜在蒸散发；气候变化和下垫面变化分别贡献径流量变化的37.31%和62.79%，下垫面变化是径流变化的主要原因，降水增加对径流变化起到次要作用。（3）叶面积指数是与径流变化最相关的影响因子，其次为降水量和土壤水分；气候变化引起下垫面变化能够在更大程度上解释径流变化。

关键词: 昌马河流域, 径流变化, 气候变化, Budyko假设

Abstract:

The high-quality economic development and the security of the oasis ecosystem in the middle and lower reaches of the Shule River Basin are intimately connected to the runoff emerging from the upper reaches. The Changma River， as the principal channel of the Shule River， exhibits extreme sensitivity to variations in climate and underlying surface changes. This study， focusing on the Changma River Basin and employing the Budyko hypothesis for the attribution analysis of runoff variations， arrives at the following primary conclusions：（1） Runoff， climate， and underlying surface factors all display pronounced characteristics of abrupt change， with the overall climate trend leaning towards warmer and more humid conditions. （2） Runoff exhibits the highest sensitivity to changes in precipitation， followed by underlying surface changes and potential evapotranspiration. In 1965-2015， the runoff in the Changma River demonstrated a significant increasing trend， with climate change （precipitation and potential evapotranspiration） and changes in the underlying surface contributing 37.31% and 62.79% to the runoff quantity changes， respectively. Changes in the underlying surface emerge as the predominant cause of runoff variations， with an increase in precipitation playing a secondary role. （3） The leaf area index is the factor most correlated with changes in runoff， followed by precipitation and soil water content. The change of underlying surface factors can explain the changes in runoff to a greater extent.

Key words: Changma River Basin, runoff change, climate change, Budyko hypothesis

中图分类号:

P333

尹振良, 朱睿, 方春爽, 杨华庆, 陈泽霞. 基于Budyko假设的昌马河流域径流变化归因分析[J]. 中国沙漠, 2024, 44(6): 110-121.

Zhenliang Yin, Rui Zhu, Chunshuang Fang, Huaqing Yang, Zexia Chen. Attribution analysis of runoff variations in the Changma River Basin based on the Budyko hypothesis[J]. Journal of Desert Research, 2024, 44(6): 110-121.

图/表 13

图1 研究区位置示意图

Fig.1 Location of the study area

图2 径流和影响因子的M-K突变检验

Fig.2 M-K mutation test of runoff and impact factors

图3 径流和影响因子的Theil-Sen斜率和Mann-Kendall显著性检验

Fig.3 Theil-Sen slope and Mann-Kendall test of runoff and impact factors

图4 径流和影响因子的连续小波谱注：粗实线表示相对于红噪声的5%显著性水平；浅色区域表示受边缘效应影响区域；颜色表示功率谱强弱

Fig.4 Continuous wavelet transforms of runoff and impact factors. Thick contours denote 5% significance levels against red noise； pale regions denote the cone of influence where edge effects might distort the results； the color denotes the strength of wavelet power

表1 基准期和变化期水文气象要素的特征值及弹性系数

Table 1 Statistics in hydro-climatic variables and elasticity coefficient of streamflow to P， ET0， and ω in two periods

时期	$R ˉ$ /mm	$P ˉ$ /mm	$E T 0 ˉ$ /mm	$ω$	$R ˉ$ / $P ˉ$	$E T 0 ˉ$ / $P ˉ$	弹性系数（ $ε X$ ）
时期	$R ˉ$ /mm	$P ˉ$ /mm	$E T 0 ˉ$ /mm	$ω$	$R ˉ$ / $P ˉ$	$E T 0 ˉ$ / $P ˉ$	$ε p$	$ε E T 0$	$ε w$
基准期(1965—2000年)	78.4	283.4	833.4	0.95	0.28	2.94	1.69	-0.69	-1.59
变化期(2001—2015年)	113.5	309.6	858.0	0.80	0.367	2.78	1.53	-0.53	-1.33
差值	35.1	26.2	24.6	-0.15	0.087	-0.16	-0.16	0.16	0.26

表1 基准期和变化期水文气象要素的特征值及弹性系数

Table 1 Statistics in hydro-climatic variables and elasticity coefficient of streamflow to P， ET0， and ω in two periods

时期	$R ˉ$ /mm	$P ˉ$ /mm	$E T 0 ˉ$ /mm	$ω$	$R ˉ$ / $P ˉ$	$E T 0 ˉ$ / $P ˉ$	弹性系数（ $ε X$ ）
时期	$R ˉ$ /mm	$P ˉ$ /mm	$E T 0 ˉ$ /mm	$ω$	$R ˉ$ / $P ˉ$	$E T 0 ˉ$ / $P ˉ$	$ε p$	$ε E T 0$	$ε w$
基准期(1965—2000年)	78.4	283.4	833.4	0.95	0.28	2.94	1.69	-0.69	-1.59
变化期(2001—2015年)	113.5	309.6	858.0	0.80	0.367	2.78	1.53	-0.53	-1.33
差值	35.1	26.2	24.6	-0.15	0.087	-0.16	-0.16	0.16	0.26

表2 昌马河流域降水量、潜在蒸散发量和下垫面对径流变化的贡献率

Table 2 Contribution of P， ET0， and ω to runoff change

基准期	变化期	ΔR_o/mm	ΔR_P /mm	Δ $R E T 0$ /mm	ΔR_ω /mm	ΔR_c/mm	贡献率/%
基准期	变化期	ΔR_o/mm	ΔR_P /mm	Δ $R E T 0$ /mm	ΔR_ω /mm	ΔR_c/mm	CON_p	$C O N E T 0$	CON_w
1965—2000年	2000—2015年	35.10	14.68	-1.72	27.66	40.62	33.31%	-3.90%	62.79%

表2 昌马河流域降水量、潜在蒸散发量和下垫面对径流变化的贡献率

Table 2 Contribution of P， ET0， and ω to runoff change

基准期	变化期	ΔR_o/mm	ΔR_P /mm	Δ $R E T 0$ /mm	ΔR_ω /mm	ΔR_c/mm	贡献率/%
基准期	变化期	ΔR_o/mm	ΔR_P /mm	Δ $R E T 0$ /mm	ΔR_ω /mm	ΔR_c/mm	CON_p	$C O N E T 0$	CON_w
1965—2000年	2000—2015年	35.10	14.68	-1.72	27.66	40.62	33.31%	-3.90%	62.79%

图5 1980（A）、2000（B）、2020年（C）昌马河流域土地利用类型空间分布；1980、2000年和2020年土地利用类型统计值（D）；1980—2000年（E）和2000—2020年（F）年的地类转移状况

Fig.5 Land cover classification maps over the study area in 1980 （A）， 2000 （B） and 2020 （C）； Land cover classification proportions （D）； Land use change over the study area between 1980 and 2000 （E） and between 2000 and 2020 （F）

表 3 1960s/1970s—2020年昌马河流域冰川变化特征

Table 3 Glacier change over the study area between 1970s and 2020

时期	冰川面积 /km²	冰川数量	冰储量/km³
FCGI(1960s—1970s)	494.46^[21]	505^[21]	30.58^[21]
1990年	481.07	503	28.07
1995年	456.28	506	26.64
2000年	437.39	505	25.51
2005年	421.24	505	24.57
SCGI(2005—2010年)	415.29^[21]	501^[21]	24.81^[21]
2010年	414.12	506	24.13
2015年	401.14	520	23.31
2020年	384.05	519	22.80

图6 径流与影响因子的交叉分析注：Lag0~Lag 11表示径流滞后影响因子0~11个月；显著性P0.05，标记为**；显著性P0.1，标记为*

Fig.6 The interrelation between runoff and influencing factors.Lag0-Lag 11 denotes the impact of runoff lagging behind influencing factors by 0 to 11 months. Significance P0.05， marked as **； significance P0.1， marked as *

表 4 径流与单个影响因子之间的小波相干分析的统计值

Table 4 Coherence between runoff and individual influencing factor

	PCP	ET₀	TMP	SW	LAI	SCE	SD
WTC	0.90	0.89	0.91	0.85	0.89	0.83	0.85
PASC	46.67%	29.99%	25.04%	41.82%	54.48%	15.85	18.05

图7 径流与单个影响因子之间的小波相干谱注：粗实线表示相对于红噪声的5%显著性水平；灰色区域表示受边缘效应影响区域；颜色表示相干性强弱

Fig.7 Wavelet coherence between runoff and individual influencing factor. Thick contours denote 5% significance levels against red noise； pale regions denote the cone of influence where edge effects might distort the results； the color denotes the strength of coherence

表5 径流与多个影响因子组合之间小波相干分析的统计值

Table 5 Coherence between runoff and multiple influencing factor

双变量	MWC2	PASC/%	三变量	MWC3	PASC/%
LAI-SW	0.95	60.65	LAI-SW-SCE	0.98	58.87
LAI-SCE	0.94	55.23	LAI-SW-PCP	0.98	58.03
LAI-PCP	0.95	53.40	LAI-SW-ET₀	0.98	55.55
LAI-ET₀	0.95	51.75	LAI-SCE-PCP	0.98	54.60
PCP-SW	0.95	51.24	LAI-SCE-ET₀	0.97	54.31
PCP-ET₀	0.95	51.19	LAI-SW-SD	0.97	54.29
LAI-SD	0.94	50.03	LAI-PCP-ET₀	0.98	53.11
LAI-TMP	0.95	47.23	LAI-SCE-TMP	0.97	51.84
PCP-SCE	0.96	44.40	LAI-PCP-SD	0.98	51.78
PCP-SD	0.95	40.47	LAI-SW-TMP	0.98	51.38
PCP-TMP	0.95	39.30	LAI-SCE-SD	0.97	49.20

图8 径流与组合影响因子之间的小波相干谱注：双因子组合（上），三因子组合（下）；粗实线表示相对于红噪声的5%显著性水平；灰色区域表示受边缘效应影响区域；颜色表示相干性强弱

Fig.8 Wavelet coherence between runoff and multiple influencing factors. Thick contours denote 5% significance levels against red noise； pale regions denote the cone of influence where edge effects might distort the results； the color denotes the strength of coherence

参考文献 47

1	冯起，龙爱华，王宁练，等.西北内陆区水资源安全保障技术集成与应用［J］.人民黄河，2019，41（10）：103-108.
2	丁永建，赵求东，吴锦奎，等.中国冰冻圈水文未来变化及其对干旱区水安全的影响［J］.冰川冻土，2020，42（1）：23-32.
3	Chen Y N， Li B F， Li Z，et al.Water resource formation and conversion and water security in arid region of Northwest China［J］.Journal of Geographical Sciences，2016，26（7）：939-952.
4	汤秋鸿，兰措，苏凤阁，等.青藏高原河川径流变化及其影响研究进展［J］.科学通报，2019，64（27）：2807-2821.
5	常启昕，孙自永，潘钊，等.高寒山区河道径流的形成与水文调节机制研究进展［J］.地球科学，2022，47（11）：4196-4209.
6	王磊，刘虎，雍斌，等.陆地冰冻圈水文过程的研究现状及展望［J］.北京师范大学学报（自然科学版），2023，59（3）：489-496.
7	余国安，岳蓬胜，张晨笛，等.藏东南地区的河流水文研究：进展与挑战［J］.科学通报，2024，69（3）：394-413.
8	Dey P， Mishra A.Separating the impacts of climate change and human activities on streamflow：a review of methodologies and critical assumptions［J］.Journal of Hydrology，2017，548：278-290.
9	宋晓猛，张建云，占车生，等.气候变化和人类活动对水文循环影响研究进展［J］.水利学报，2013，44（7）：779-790.
10	董磊华，熊立华，于坤霞，等.气候变化与人类活动对水文影响的研究进展［J］.水科学进展，2012，23（2）：278-285.
11	尹振良，冯起，刘时银，等.水文模型在估算冰川径流研究中的应用现状［J］.冰川冻土，2016，38（1）：248-258.
12	Choudhury B J.Evaluation of an empirical equation for annual evaporation using field observations and results from a biophysical model［J］.Journal of Hydrology，1999，216（1/2）：99-110.
13	Yang H B， Yang D W， Lei Z，et al.New analytical derivation of the mean annual water‐energy balance equation［J］.Water Resources Research，2008，44（3）：2007WR006135.
14	Konapala G， Mishra A K.Three-parameter-based streamflow elasticity model：application to MOPEX basins in the USA at annual and seasonal scales［J］.Hydrology and Earth System Sciences，2016，20（6）：2545-2556.
15	孙莉茹，毕华兴，马志瑾，等.1951-2020年黄河上中游径流变化特征及归因分析［J］.北京林业大学学报，2024，46（1）：82-92.
16	Xin J L， Sun X Y， Liu L，et al.Quantifying the contribution of climate and underlying surface changes to alpine runoff alterations associated with glacier melting［J］.Hydrological Processes，2021，35（3）：e14069.
17	梁鹏飞，辛惠娟，李宗省，等.基于Budyko假设的党河径流变化归因［J］.中国沙漠，2023，43（3）：210-219.
18	张晓晓，张钰，徐浩杰.疏勒河上游径流年内分配变化规律分析［J］.人民黄河，2014，36（6）：58-60.
19	贾玲，张百祖，牛最荣，等.疏勒河上游径流变化与预测分析［J］.干旱区研究，2022，39（5）：1588-1597.
20	王学良，陈仁升，刘俊峰，等.1956-2021年疏勒河流域主要河流出山径流变化及成因分析［J］.干旱区研究，2022，39（6）：1782-1792.
21	孙美平，张磊，姚晓军，等.1954-2016年疏勒河上游径流变化特征及影响因素［J］.冰川冻土，2022，44（2）：657-666.
22	李洪源，赵求东，吴锦奎，等.疏勒河上游径流组分及其变化特征定量模拟［J］.冰川冻土，2019，41（4）：907-917.
23	Zhang Z H， Deng S F， Zhao Q D，et al.Projected glacier meltwater and river run-off changes in the upper reach of the Shule River Basin，north-eastern edge of the Tibetan Plateau［J］.Hydrological Processes，2019，33（7）：1059-1074.
24	Wu J K， Li H Y， Zhou J X，et al.Variation of runoff and runoff components of the upper Shule River in the northeastern Qinghai-Tibet Plateau under climate change［J］.Water，2021，13（23）：3357.
25	Zhou J X， Ding Y J， Wu J K，et al.Streamflow generation in semi-arid，glacier-coverd，montane catchments in the upper Shule River，Qilian Mountains，northeastern Tibetan plateau［J］.Hydrological Processes，2021，35（8）：e14276.
26	Guo W Q， Liu S Y， Xu J L，et al.The second Chinese glacier inventory：data，methods and results［J］.Journal of Glaciology，2015，61（226）：357-372.
27	吴佳，高学杰.一套格点化的中国区域逐日观测资料及与其它资料的对比［J］.地球物理学报，2013，56（4）：1102-1111.
28	Allen Richard G， Pereira Luis S， Raes Dirk，et al.Crop Evapotranspiration-Guidelines for Computing Crop Water Requirements［M］.Rome，Italy： Food and Agriculture Organization of the United Nations，1998.
29	Muñoz-Sabater J， Dutra E， Agustí-Panareda A，et al.ERA5-Land：a state-of-the-art global reanalysis dataset for land applications［J］.Earth System Science Data，2021，13（9）：4349-4383.
30	Che T， Li X， Jin R，et al.Snow depth derived from passive microwave remote-sensing data in China［J］.Annals of Glaciology，2008，49：145-154.
31	Hao X H， Huang G H， Che T，et al.The NIEER AVHRR snow cover extent product over China：a long-term daily snow record for regional climate research［J］.Earth System Science Data，2021，13（10）：4711-4726.
32	Hamed K H.Trend detection in hydrologic data：the Mann-Kendall trend test under the scaling hypothesis［J］.Journal of Hydrology，2008，349（3/4）：350-363.
33	Li C Y， Hao J S， Zhang G T，et al.Runoff variations affected by climate change and human activities in Yarlung Zangbo River，southeastern Tibetan Plateau［J］.Catena，2023，230：107184.
34	Zhang Q， Xu C Y， Jiang T，et al.Possible influence of ENSO on annual maximum streamflow of the Yangtze River，China［J］.Journal of Hydrology，2007，333（2/4）：265-274.
35	Su L， Miao C Y， Duan Q Y，et al.Multiple‐wavelet coherence of world's large rivers with meteorological factors and ocean signals［J］.Journal of Geophysical Research：Atmospheres，2019，124（9）：4932-4954.
36	Ukasha M， Ramirez J A， Niemann J D.Temporal variations of NDVI and LAI and interactions with hydroclimatic variables in a large and agro‐ecologically diverse region［J］.Journal of Geophysical Research：Biogeosciences，2022，127（4）：e2021JG006395.
37	Chen T， de Jeu R A M， Liu Y Y，et al.Using satellite based soil moisture to quantify the water driven variability in NDVI：a case study over mainland Australia［J］.Remote Sensing of Environment，2014，140：330-338.
38	陈亚宁，李忠勤，徐建华，等.中国西北干旱区水资源与生态环境变化及保护建议［J］.中国科学院院刊，2023，38（3）：385-393.
39	张强，杨金虎，王朋岭，等.西北地区气候暖湿化的研究进展与展望［J］.科学通报，2023，68（14）：1814-1828.
40	Liu S Y， Sun W X， Shen Y P，et al.Glacier changes since the Little Ice Age maximum in the western Qilian Shan，Northwest China，and consequences of glacier runoff for water supply［J］.Journal of Glaciology，2003，49（164）：117-124.
41	Hu W， Si B C.Technical note：multiple wavelet coherence for untangling scale-specific and localized multivariate relationships in geosciences［J］.Hydrology and Earth System Sciences，2016，20（8）：3183-3191.
42	Ng E K， Chan J.Geophysical applications of partial wavelet coherence and multiple wavelet coherence［J］.Journal of Atmospheric and Oceanic Technology，2012，29（12）：1845-1853.
43	包文，段安民，游庆龙，等.青藏高原气候变化及其对水资源影响的研究进展［J］.气候变化研究进展，2024，20（2）：158-169.
44	Gu C J， Mu X M， Gao P，et al.Distinguishing the effects of vegetation restoration on runoff and sediment generation on simulated rainfall on the hillslopes of the loess plateau of China［J］.Plant and Soil，2020，447（1/2）：393-412.
45	Guo X X， Du M， Gao P，et al.Response of runoff-sediment processes to vegetation restoration patterns under different rainfall regimes on the Loess Plateau［J］.Catena，2024，234：107647.
46	Tan X Y， Jia Y W， Yang D W，et al.Impact ways and their contributions to vegetation-induced runoff changes in the Loess Plateau［J］.Journal of Hydrology：Regional Studies，2024，51：101630.
47	Shi P， Li P， Li Z B，et al.Effects of grass vegetation coverage and position on runoff and sediment yields on the slope of Loess Plateau，China［J］.Agricultural Water Management，2022，259：107231.

[1]	李森, 杨宗英, 赵鸿雁, 那仁图雅null, 安桂香, 谢家丽, 贾晓鹏, 颜长珍. 1975—2020年黄河“几字弯”沙漠化时空变化[J]. 中国沙漠, 2024, 44(5): 13-22.
[2]	贺祯子, 徐冰鑫, 刘文静, 胡宜刚. 荒漠生物结皮碳交换对模拟增温和降雨变化的响应[J]. 中国沙漠, 2024, 44(3): 269-278.
[3]	葛健辉, 刘冰, 徐宇杰, 孙爱军, 汪克奇, 李冬雪, 赵晖. 末次冰消期以来黄河首曲流域气候变化与地表过程相互关系[J]. 中国沙漠, 2024, 44(2): 121-132.
[4]	陈阳, 吕萍, 曹敏, 夏子书, 马芳, 余军林. 腾格里沙漠湖泊群小气候特征及其对气候变化的响应[J]. 中国沙漠, 2024, 44(2): 231-238.
[5]	李庆, 周娜, 王盛, 李童洲, 王仁德, 王金凤. 气候变化和人类活动对土壤风蚀影响的定量评估[J]. 中国沙漠, 2024, 44(1): 178-188.
[6]	冯筱, 屈建军, 丁新辉, 田琴, 范庆斌. 沙漠化逆转过程中榆林市植被净初级生产力时空格局及其影响因素[J]. 中国沙漠, 2024, 44(1): 22-32.
[7]	赵延卓, 谢远云, 康春国, 迟云平, 孙磊, 吴鹏, 魏振宇. 呼伦贝尔沙地风成砂-古土壤剖面记录的全新世气候变化[J]. 中国沙漠, 2023, 43(5): 85-96.
[8]	路建兵, 鞠珂, 廖伟斌. 2000—2020年甘肃省植被覆盖特征及其对气候变化和人类活动的响应[J]. 中国沙漠, 2023, 43(4): 118-127.
[9]	尤其, 许宝荣, 邹松兵, 秦艺豪, 王铎, 于冬. 中国北方干旱半干旱区植被-气候响应关系特征[J]. 中国沙漠, 2023, 43(4): 274-287.
[10]	王耀宗, 岳新斌, 谢家丽, 刘志鹏, 马媛, 王亚晖, 宫燕. 2000—2020年宁夏河东沙区沙漠化演变[J]. 中国沙漠, 2023, 43(4): 31-40.
[11]	梁鹏飞, 辛惠娟, 李宗省, 南富森, 唐彪, 张文豹. 基于Budyko假设的党河径流变化归因[J]. 中国沙漠, 2023, 43(3): 210-219.
[12]	段然, 李宗杰, 王昱, 刘晓颖, 桂娟, 梁鹏飞, 李玉辰, 薛健, 刘梦晴, 徐斌. 石羊河流域径流变化特征[J]. 中国沙漠, 2023, 43(3): 57-68.
[13]	韩子言, 蒙吉军, 邹易, 朱利凯. 1982—2017年黑河流域植被指数动态及其对气候变化与生态建设工程的响应[J]. 中国沙漠, 2023, 43(3): 96-106.
[14]	辛春明, 何明珠, 李承义, 张力斌, 李新荣. 荒漠土壤氧化亚氮排放及其驱动因素研究进展[J]. 中国沙漠, 2023, 43(2): 184-194.
[15]	孙红, 段霁芸, 刘雨洁, 冉瑞兰, 李晓凤, 赵鹏善. 气候变化背景下沙蓬属（ *Agriophyllum* ）物种潜在地理分布[J]. 中国沙漠, 2023, 43(2): 255-263.