劉劍宇，張 強，3**，鄧曉宇，慈 暉，陳曉宏，3

（1：中山大學水資源與環(huán)境系，廣州510275）

（2：中山大學華南地區(qū)水循環(huán)與水安全廣東省普通高校重點實驗室，廣州510275）

（3：中山大學廣東省城市化與地理環(huán)境空間模擬重點實驗室，廣州510275）

?

氣候變化和人類活動對鄱陽湖流域徑流過程影響的定量分析*

劉劍宇1，2，張 強1，2，3**，鄧曉宇1，2，慈 暉1，2，陳曉宏1，2，3

（1：中山大學水資源與環(huán)境系，廣州510275）

（2：中山大學華南地區(qū)水循環(huán)與水安全廣東省普通高校重點實驗室，廣州510275）

（3：中山大學廣東省城市化與地理環(huán)境空間模擬重點實驗室，廣州510275）

量化氣候變化和人類活動對流域水文影響及其對流域水資源規(guī)劃和管理具有重要的理論與現(xiàn)實意義.采用水文模型和多元回歸法定量分析氣候變化和人類活動對鄱陽湖“五河”徑流的影響，并通過與靈敏度分析法對比來進一步驗證分析結(jié)果.研究表明，1970-2009年，氣候變化和人類活動對鄱陽湖流域徑流增加的貢獻率分別為73%和27%.氣候變化是饒河、信江和贛江徑流增加的主導因素，而人類活動是修水徑流增加的主要因素，是撫河徑流減少的主要原因.另外，不同季節(jié)影響徑流變化的主導因素又有不同，人類活動為干季（11月到次年2月）徑流增加和濕季（4-6月）徑流減小的主導因素，其貢獻率分別為78.9%和82.7%.本研究可為鄱陽湖流域防洪抗旱及水資源優(yōu)化配置提供重要科學依據(jù).

鄱陽湖流域；氣候變化；人類活動；徑流；水文模型；不同時間尺度

?2016 by Journal of Lake Sciences

氣候變化和人類活動是影響流域水文情勢的主要因素［1］.氣候變化導致降水時空變化［2］，進而影響徑流過程的時空變化，而湖泊圍墾、森林破壞、引水灌溉等人類活動改變了水資源時空分布特征［3］.隨著水資源短缺問題日益嚴峻及水旱災害頻發(fā)，在變化環(huán)境下探討水循環(huán)要素的演變規(guī)律、定量分析氣候變化和人類活動對流域水循環(huán)過程的影響具有重要意義.目前量化氣候變化和人類活動對徑流影響的方法主要有三種：回歸分析［4-5］、靈敏度分析［6-7］、水文模型模擬［6，8］.其中靈敏度分析法使用最為廣泛，然而Wang等［9］通過概述量化氣候變化和人類活動水文影響的主要方法，指出靈敏度分析法無法消除基準期的人類活動影響，所量化的氣候變化影響量包含有基準期的人類活動影響量，從而使氣候變化影響量存在較大偏差.鑒于此，本文采用回歸分析與水文模型相結(jié)合的思路，量化氣候變化和人類活動對鄱陽湖流域徑流的影響，將所求結(jié)果與靈敏度分析法下氣候變化與人類活動影響量相比較，以實例進一步分析并驗證Wang等［9］的推論.氣候變化和人類活動的水文響應在不同時間尺度上存在一定差異［10］，大部分研究［4-8］都以年尺度來評估影響量，而對季節(jié)和月尺度上的研究較少.年尺度影響量分析可以得到不同時期氣候變化和人類活動的水文效應，而季節(jié)和月尺度影響量分析對年內(nèi)水資源合理配置具有重要意義，例如在季節(jié)性干旱頻發(fā)區(qū)域的農(nóng)業(yè)灌溉和工業(yè)用水方面.因此，季節(jié)或月尺度下氣候變化與人類活動對徑流的影響值得進一步研究.

鄱陽湖流域面積16.22×104km2，是我國最大的淡水湖泊，也是我國十大生態(tài)功能保護區(qū)之一，對維系區(qū)域和國家生態(tài)安全具有重要意義.近年來湖區(qū)及流域內(nèi)水旱災害頻繁，特別是1900s和2000s.水旱災害頻發(fā)使湖區(qū)生態(tài)環(huán)境及整個流域的水資源管理得到更多關(guān)注.氣候變化對鄱陽流域徑流變化影響顯著，人類活動主要通過改變下墊面狀況間接導致徑流發(fā)生變化［11］.田鵬等［12］采用SWAT模型，探討土地利用與氣候變化對徑流變化的貢獻率.鄧曉宇等［13］采用HSPF水文模型，量化氣候變化和對信江流域徑流變化影響. Ye等［7］采用靈敏度分析法，區(qū)分氣候變化和人類活動對鄱陽湖流域贛江、信江、撫河徑流的影響.已有的研究采用單一的量化方法探討氣候變化和人類活動對鄱陽湖流域徑流過程的影響，沒有對不同類型量化方法的對比研究.同時，已有的研究均以年或者年代為研究尺度，沒有考慮季節(jié)和月尺度上氣候變化和人類活動對徑流影響量的差別.另外，過去的研究針對的是鄱陽湖流域部分河段或河流，尚未有對整個鄱陽湖流域“五河”徑流系統(tǒng)研究的相關(guān)成果.因此，本文通過對比多元線性回歸法、靈敏度分析法和水文模型3種不同類型的量化方法，旨在探討年、季節(jié)和月的不同時間尺度下，氣候變化和人類活動對鄱陽湖流域“五河”徑流變化的影響.該研究有助于理解氣候變化和人類活動對鄱陽湖流域徑流量增加的具體影響，對區(qū)域水資源合理配置和管理具有重要意義.

1　研究區(qū)域和數(shù)據(jù)

鄱陽湖流域氣候類型屬于亞熱帶季風氣候，降水年內(nèi)分配不均，流域內(nèi)大部分地區(qū)4-6月降水量占多年平均降水量的45%～50%，而7-9月降水量小于蒸發(fā)量［14］.鄱陽湖屬季節(jié)性洪泛湖泊，水位變化非常明顯，水位年變幅在2.25～12.18 m之間［15］.

本文所用水文數(shù)據(jù)為萬家埠、虎山、李家渡、梅港和外洲5個水文站1955-2009年日流量資料，其中萬家埠水文站在修水的主要支流潦河之上，萬家埠水文站之上沒有大中型水庫分布，因此結(jié)合其它站點可以很好地研究大型水庫對徑流變化的影響.水文數(shù)據(jù)來自江西省水文局.氣象數(shù)據(jù)為鄱陽湖流域及其周邊31個氣象站1955-2009年逐日氣象資料（圖1）.潛在蒸發(fā)量采用Penman-Monteith［16］公式計算，考慮到流域內(nèi)氣象站分布不均，全流域及各子流域面降水量和潛在蒸發(fā)量均采用泰森多邊形法計算.

圖1　鄱陽湖流域、主要水文站點、水庫、灌區(qū)位置Fig.1 Location of the hydrological stations，water reservoirs and irrigation areas in Poyang Basin

2　研究方法

2.1趨勢檢驗方法

采用Mann-Kendall趨勢檢驗法（下文簡稱M-K檢驗）、Sen坡度估計法［17］和線性回歸方法進行趨勢分析.M-K檢驗方法介紹較多［6-8］，這里不再贅述.確定了序列變化趨勢后，采用Sen坡度估計法計算變化趨勢大小.序列自相關(guān)性對趨勢檢驗產(chǎn)生較大影響，Yue等［18］對預白化方法［19］進行改進，提出趨勢自由預白化方法（TFPW）.對于自相關(guān)系數(shù)達到0.05顯著性水平的序列，采用自由預白化方法去除序列自相關(guān).

2.2定量區(qū)分方法

徑流的變化總量為影響期與基準期徑流量的差值，用公式表示為：

式中，Qobs2為影響期徑流量，Qobs1為基準期徑流量，ΔQtot為影響期相對基準期徑流的變化量.徑流變化由氣候變化與人類活動引起［9］.因此，徑流變化量又可表示為：

式中，ΔQhum和ΔQclim分別為徑流變化量中的人類活動和氣候變化影響量.Qobs1是基準期氣候條件和人類活動共同作用的結(jié)果.通過基準期校準的模型得到影響期模擬徑流Qsim，主要受影響期氣候變化影響，同時還包含基準期的人類活動影響.而Qobs2是基準期的人類活動和影響期氣候變化與人類活動三者共同影響所產(chǎn)生的徑流量.因此，Qsim與Qobs1的差值即為氣候變化影響量，Qobs2與Qsim之間的差值即為影響期新增人類活動對徑流的影響量.用公式表示即：

2.2.1線性回歸模型 Boughton等［20］研究指出，加入葉面積指數(shù)、森林覆蓋率、植物持水能力等流域特征要素對改善徑流回歸效果沒有明顯幫助.因此，本文回歸分析中不考慮上述流域特征因素，以基準期（1955-1969年）月平均降水和潛在蒸發(fā)及上月月平均降水和潛在蒸發(fā)不同解釋變量進行組合（表1），分別對該時期徑流進行回歸.

Miao等［5］采用一元線性回歸法，建立降水與徑流、泥沙的線性關(guān)系，初步量化人類活動與氣候變化對黃河水沙演變貢獻率.Jiang等［4］則采用降水、潛在蒸發(fā)2個解釋變量對徑流進行回歸，進而量化氣候變化和人類活動影響量.從月尺度來看，上月降水量、潛在蒸發(fā)量對當月產(chǎn)匯流可能存在較大影響，但以上研究均未考慮這一因素，也未對降水、潛在蒸發(fā)及上月降水、潛在蒸發(fā)等不同解釋變量選擇，對徑流回歸效果影響的對比研究.因此，本文將分以下4種情況分別對徑流回歸效果進行研究探討：（1）只考慮降水的一元線性回歸；（2）考慮降水和潛在蒸發(fā)的二元線性回歸；（3）考慮降水、潛在蒸發(fā)以及上月降水的三元線性回歸；（4）考慮降水、潛在蒸發(fā)，以及上月降水、潛在蒸發(fā)的四元線性回歸.

多元線性回歸伴隨解釋變量的增加，判定系數(shù)往往增大［21］.若采用傳統(tǒng)方法對判定系數(shù)進行求算，則對比研究沒有任何意義.因此，本文采用校正判定系數(shù)［22］對不同數(shù)量解釋變量下的回歸模型進行比較，以期優(yōu)選出基準期的最佳回歸函數(shù).校正的判定系數(shù)可通過公式（5）求得：式中，R2a為校正判定系數(shù)，SSE為殘差平方和，SST為總離差平方和分別為誤差平方和、總體平方和的自由度.Qi、Q＾i分別為i月實測月徑流量和月回歸徑流量，為多年平均月徑流量.

圖2　AWBM結(jié)構(gòu)框圖［23］Fig.2 The Australia Water Balance Model

2.2.2AWBM模型 AWBM模型（Australia Water Balance Model）［23］是一個基于水量平衡原理的集總式降水徑流模型.模型輸入包括日降水量、日潛在蒸發(fā)量和日實測徑流量3部分. AWBM模型結(jié)構(gòu)如圖2所示.該模型將流域分成3種不同的地表水儲蓄A1、A2、A3，其存儲能力分別為C1、C2和C3.不同地表水儲蓄之間相互獨立，但滿足限制條件：A1+A2+A3=1.

在模型計算過程中，若地表水儲蓄為負值，則將該值以0代替；若地表水儲蓄量超過其容量，則超過部分將根據(jù)基流指數(shù)轉(zhuǎn)化為地表徑流儲蓄與補充基流儲蓄.轉(zhuǎn)化過程如下式所示：

式中，Store（n，m）表示第m個地表水儲蓄在第n個時段內(nèi)的蓄水量，C（m）為第m個地表水儲存容量.S（n）、BS（n）分別為時段n內(nèi)地表徑流儲蓄量、基流儲蓄量；BS為基流儲蓄量，BFI為基流指數(shù).地表徑流和基流演進按照一元線性水庫出流量理論進行計算，再線性疊加演進的地表徑流和基流，得到時段內(nèi)模擬徑流量.

式中：K和KS分別為基流和地表徑流衰退系數(shù)；Qs（n）和Qb（n）分別為地表徑流和基流；QC（n）為時段內(nèi)計算徑流量.模型優(yōu)化方法采用Genetic算法進行參數(shù)率定及模型檢驗，目標函數(shù)采用NASH-Sutcliff標準（NASH）表示.

3　結(jié)果

3.1趨勢分析

趨勢分析結(jié)果（表1）表明，“五河”流域年降水量均呈增加趨勢，但未達到95%置信水平，趨勢不顯著.“五河”流域年潛在蒸發(fā)量減少趨勢顯著.修水、饒河、信江、贛江年徑流量均呈顯著增加趨勢，分別以2.922、1.992、2.922和2.144 mm/a的趨勢增加.相反，撫河年徑流量呈減小趨勢，以-0.723 mm/a的趨勢減少.就全流域而言，降水量以1.12 mm/a的趨勢增加，蒸發(fā)量以-0.69 mm/a的顯著趨勢減小，全流域年徑流深（“五河”年徑流深加權(quán)）以1.974 mm/a的顯著趨勢增加.修水、饒河、信江、贛江年徑流深增加趨勢值均大于降水量增加值與潛在蒸發(fā)量減小值之和.以修水流域為例，修水年降水量以0.647 mm/a的趨勢增加，年蒸發(fā)量以0.731 mm/a的趨勢減小，而徑流深以2.92 mm/a的趨勢增加，遠大于降水量增加值與潛在蒸發(fā)量減小值之和.因此，除降水量與潛在蒸發(fā)量之外，人類活動總體增加了修水、饒河、信江和贛江流域的年徑流量.撫河流域降水量增加最為明顯，潛在蒸發(fā)量減少趨勢也超過全流域平均水平，但該流域年徑流量變化趨勢與其它“四河”相反，可見人類活動較大程度上減小了撫河年徑流量.

上述分析表明，徑流量的變化不僅僅由降水量與潛在蒸發(fā)量變化所導致，同時還受到人類活動的影響，并且人類活動的影響有可能大于氣候變化的影響.另外，人類活動對鄱陽湖流域各個子流域影響程度不同，對徑流量變化的影響方向也存在差異.

表1　鄱陽湖流域降水、潛在蒸發(fā)、徑流序列M-K檢驗及Sen坡度估計統(tǒng)計Tab.1 Summarized results of M-K test with Sen's sloPe for the series of PreciPitation，Potential evaPoration and runoff in Poyang Basin

3.2模型率定

量化氣候變化和人類活動對徑流影響的相關(guān)研究［5-8］，大部分以徑流序列變異點作為基準期和影響期的分界點，并認為變異前徑流序列為人類活動可以忽略不計的“天然期”.劉劍宇等［24］研究表明鄱陽湖流域修水、饒河、信江、贛江徑流序列變異點均由氣候變化所導致，撫河徑流序列無明顯變異點，故采用變異點為基準期和實測期的分界點已無實際意義.另外，本文以Qobs2與Qsim的差值為氣候變化影響量，同時以Qsim與Qobs1的差值為人類活動影響量，這種方式能很好地消除或消減基準期的人類活動影響.因此，本文采用序列前15年（1955-1969年）為基準期，而序列后40年（1970-2009年）為影響期.

表2　不同解釋變量下月徑流量回歸方程校正決定系數(shù)*Tab.2 The adjust determination coefficients for multiPle linear regressions by different exPlanatory variables

以基準期“五河”及全流域月平均降雨量（P）、月平均蒸發(fā)量（E）及上月平均降雨量（P′）為解釋變量，分別對相應流域月平均流量（Q）進行回歸，回歸方程見表3，各回歸方程決定系數(shù)R2均大于0.810，F(xiàn)統(tǒng)計值在248以上，F(xiàn)統(tǒng)計值對應的P值均小于0.01，回歸效果顯著，“五河”及全流域的多元回歸模型均成立.

表3　鄱陽湖流域基準期月徑流序列最佳回歸方程Tab.3 OPtimal multiPle linear regressions for the series of monthly runoff during baseline Period in Poyang Basin

3.2.2AWBM模型 以基準期（1955-1969年）來校正模型，其中1955-1964年為模型校準期，1965-1969年為模型驗證期.從圖3可以看出，“五河”及全流域模擬月平均徑流深與實測月平均徑流深擬合效果良好.

“五河”及全流域校準期與驗證期的NASH系數(shù)見表4.“五河”校準期模擬NASH系數(shù)在0.840～0.977之間，驗證期NASH系數(shù)0.927～0.977之間.Moriasi等［25］的研究表明，NASH系數(shù)大于0.75即表示模型模擬效果良好，AWBM模型適用于鄱陽湖流域徑流模擬，運用AWBM模型對影響期地表徑流模擬的可信度較高.

表4　AWBM模型校準期與驗證期NASH系數(shù)Tab.4 NASH coefficient for AWBM during calibration and validation Period

圖3　校準期、驗證期模擬與實測月平均徑流深對比Fig.3 ComParison of simulated and observed monthly runoff dePth during calibration Period and validation Period

3.3定量分析氣候變化與人類活動的影響

運用校正的多元線性回歸模型和AWBM模型，得到影響期（1970-2009年）的模擬徑流，并采用公式（3）、（4）分離出人類活動與氣候變化對徑流的影響.從氣候變化影響量曲線圖可以看出（圖4），2種方法下氣候變化影響量差距較小，且不同方法下氣候變化對徑流的影響方向一致.2種不同方法相互印證，增加了量化氣候變化對徑流影響的可信度.因此，采用2種方法下氣候變化影響量（人類活動影響量）的均值作為最終氣候變化影響量（人類活動影響量）（圖4、表5）.

3.3.1年尺度下影響量 1955-2009年“五河”流域降水量均為增加趨勢，潛在蒸發(fā)量減少趨勢顯著（表1），使得氣候變化對“五河”年徑流量的影響均為增加作用（表5），修水、饒河、撫河、信江、贛江年徑流深分別增加65、94、112、93和70 mm.“五河”中氣候變化對撫河徑流影響最大，對修水徑流影響最小，“五河”中撫河流域降水增加趨勢最為顯著，修水增加趨勢相對最不明顯（表1），撫河和修水蒸發(fā)量下降趨勢在“五河”中處于中間水平，說明徑流對降水量變化更為靈敏，與Jiang等［4］研究結(jié)果一致.1970s-1990s氣候變化影響量均為正，并在1990s達到最大（圖4），影響量在141.7～316.7 mm/a之間.2000年之后，各流域氣候變化增加徑流作用不明顯甚至減少徑流，氣候變化影響量在-88.4～26.2 mm/a，其中撫河、贛江流域氣候變化增加少量徑流，修水、饒河、信江流域氣候變化較大幅度減少徑流.就全流域而言，2000s氣候變化對徑流變化影響甚微，略微減小年徑流深.

除修水外，氣候變化對“五河”徑流的影響均大于人類活動的影響，氣候變化對全流域徑流增加的貢獻率為73.2%.除撫河外，人類活動對其它“四河”年徑流深均有增加作用，增加30.3～130.9 mm/a.相反，撫河受贛撫平原灌區(qū)大量引水影響（引水量占撫河多年平均徑流量的29.6%），人類活動大幅減少撫河年徑流深為-109.2 mm/a，在人類活動和氣候變化綜合影響之下，撫河年徑流量變化甚微，從而導致貢獻率比值較大.人類活動對全流域徑流量具有增加作用，對全流域徑流增加的貢獻率為26.8%.1990s之前人類活動平均增加年徑流深37.7 mm/a，而2000s增加徑流深為9.6 mm/a，人類活動增加徑流作用明顯下降.2000s饒河、修水流域人類活動影響量從大幅增加徑流轉(zhuǎn)變?yōu)闇p少徑流，人類活動對撫河徑流的減少量進一步增大.

表5　氣候變化與人類活動對鄱陽湖流域年徑流深影響Tab.5 Climate and human imPact amount for annual runoff in the Poyang Basin

圖4　氣候變化對鄱陽湖流域徑流深變化的影響Fig.4 Climate change's imPact on runoff dePth for Poyang Basin

3.3.2季節(jié)尺度下影響量 將鄱陽湖流域降水量最大的4-6月定義為濕季，而降水量最小的11月-次年1月定義為干季，對比分析氣候變化與人類活動對干、濕徑流變化的影響（表6）.干季，氣候變化和人類活動均增加徑流量，兩者對干季全流域徑流增加的貢獻率分別為21.1%和78.9%.濕季，氣候變化與人類活動總體上減少全流域徑流量，兩者對全流域徑流減少的貢獻率分別為17.3%和82.7%.人類活動對干季徑流的增加作用和對濕季徑流量減小作用均占主導地位.

作為世界領(lǐng)先的物流設備制造與集成巨頭，德馬泰克是如何在中國發(fā)展壯大的，又將如何依托凱傲集團，開辟出一片新天地？我們請德馬泰克國際業(yè)務首席執(zhí)行官慕思捷先生來談一談。

3.3.3月尺度下影響量 不同月份氣候變化和人類活動影響量存在較大差異（表7）.2-4月份，“五河”年徑流深的變化總量為18.3～55.6 mm，其中氣候變化增加徑流深41.8～71.0 mm，除修水外，人類活動對其它“四河”（饒河、撫河、信江、贛江）徑流量均為減少作用.5、6月份，“五河”徑流深減小-32.2～-7.0 mm，其中氣候變化減小徑流深-57.2～-29.0 mm，除撫河外，其它“四河”人類活動增加徑流深2.1～25.0 mm.7-9月份，“五河”徑流深變化之和分別為23.6～129.0 mm，其中氣候變化增加徑流深24.7～68.1 mm，除撫河外，其它“四河”人類活動增加徑流深4.5～60.9 mm.10月至次年1月，“五河”徑流深變化總量為25.1～56.5 mm，其中氣候變化增加徑流深分別為9.3～30.1 mm，人類活動增加徑流深15.8～43.5 mm，氣候變化和人類活動共同增加徑流深，人類活動影響量大于氣候變化影響量.

表6　氣候變化和人類活動對干、濕季徑流深變化的影響Tab.6 Climate and human imPact on runoff dePth in dry and wet season

表7　氣候變化和人類活動對各月徑流深的影響Tab.7 Climate and human imPact on monthly runoff dePth

4　與靈敏度分析法對比

靈敏度分析法下氣候變化影響量和本文2種方法所求氣候變化影響量變化模式基本一致，進一步驗證了本文所求結(jié)果的正確性（圖4）.對比3種方法下氣候變化影響曲線可以看出，靈敏度分析法下氣候變化影響曲線總體高于其它2種方法下氣候變化影響曲線.靈敏度方法下氣候變化對“五河”徑流變化的影響量明顯大于本文方法所求氣候變化影響量（表8）.

靈敏度分析法的降水、潛在蒸發(fā)靈敏度系數(shù)是基于基準期人類活動和氣候條件所求得，通過靈敏度分析法模擬的氣候變化影響量實際上是影響期氣候條件相對于基準期氣候條件和人類活所產(chǎn)生的徑流變化，即氣候變化影響量中包含有基準期人類活動的影響［9］.因此，若基準期的人類活動增加徑流，則所求得氣候變化影響量偏大；若基準期的人類活動減小徑流，則所求得的氣候變化影響量偏小.而長江中下游地區(qū)人類活動對年徑流的影響以增加徑流為主［26］，因此靈敏度分析法所求得的氣候變化影響量較實際偏大.Ye等［7］以1960-1970年為基準期，采用靈敏度分析法量化氣候變化和人類活動對鄱陽湖流域贛江、信江、撫河“三河”徑流影響，“三河”氣候變化影響量均大于本文模型所求氣候變化影響量，主要由上述原因?qū)е?，而與本文靈敏度分析法所求結(jié)果存在差別的原因可能是，受不同基準期地下水儲存量存在差異的影響.因此，本文認為靈敏度分析法并不適合在基準期人類活動較為頻繁流域上運用.

表8　靈敏度分析法下氣候變化影響量與本文方法所求氣候變化影響量的比較（mm）Tab.8 ComParison among the results of sensitivity-base method，hydrological models and regression analysis

5　討論

本文利用AWBM模型和多元線性回歸方法，以1955-1969年為基準期，模擬影響期1970-2009年徑流Qsim.Qsim是在影響期氣候條件和人類活動的基礎(chǔ)上進行模擬校正，并在影響期氣候（降水和潛在蒸發(fā)）變化條件下所得到的徑流，故以Qsim減去Qobs1所得到的氣候變化影響量很大程度上排除了基準期的人類活動影響，所得氣候變化影響量較靈敏度分析法的結(jié)果更加合理、精確.同理，影響期實測徑流Qobs2是基準期和影響期的人類活動和氣候變化共同作用所產(chǎn)生的結(jié)果，以Qobs2減去模擬徑流Qsim得到的ΔQhum為影響期新增人類活動對徑流的影響量.

1956-2000年降水增加的主要原因是長江以南地區(qū)冬季與春季降雨呈增加趨勢［26］，且全年降水也呈現(xiàn)增加趨勢，特別是1990s增加趨勢最為顯著［27］.1955-2002年鄱陽湖潛在蒸發(fā)減少趨勢顯著，這主要由流域內(nèi)太陽凈輻射和風速的下降導致［28］.鄱陽湖流域1961-2000年降雨量呈增加趨勢，同時期流域內(nèi)蒸發(fā)量呈減少趨勢［29］，因此1970s-1990s氣候變化增加徑流量，并且在1990s增加最為明顯.我國降水量變化受東亞季風季節(jié)性變化影響顯著，降水主要集中在夏季，2000s夏季降水減少趨勢顯著［30］，使該時期年降水量減少，氣候變化影響量明顯下降，總體上減少全流域徑流量.Zhang等［31］通過對比不同時期水汽通量變化，認為冬季水汽從自太平洋及南海北上增加導致鄱陽湖流域冬季降水量增加，與本文氣候變化增加干季徑流量基本一致.研究指出，夏季水汽向北輸送能力減弱，水汽輸送量減少，使長江流域水汽含量下降，水汽上升運動減弱，導致長江流域夏季降水量顯著減少［32］，從而使氣候變化減少濕季徑流量.隨著社會經(jīng)濟的發(fā)展和人口的增長，人類活動對徑流變化影響越來越突出.人類活動可通過河湖圍墾、森林改造、建筑用地和引水工程等方式直接或間接地影響河川徑流［33］.長江中下游地區(qū)湖泊面積由1950s初的17198 km2減少到現(xiàn)在的不足6600 km2，湖泊總面積減少61.6%［34］.近30年，鄱陽湖流域大于1.0 km2以上的湖泊共消失10個，其中因圍墾而消失的湖泊有8個［35］.由于耕地和林地大量擴張，盲目圍墾侵占了流域內(nèi)河流、湖泊大量水域面積，導致流域內(nèi)水域面積大幅下降，流域?qū)嶋H蒸發(fā)量減小，從而增強人類活動對河流年徑流量的增加作用.在經(jīng)歷1998年特大洪水之后，鄱陽湖流域開展了大規(guī)模的退田還湖、疏浚河湖等工程，流域內(nèi)水域面積逐漸增加.據(jù)統(tǒng)計，2000-2008年水域面積增長8.0%［36］.水域面積增加使得流域?qū)嶋H蒸發(fā)量增大，一定程度上減小河流年徑流量.森林具有保持水土、涵養(yǎng)水源以及增加枯水流量等功能［24］.鄱陽湖流域森林覆蓋率從1949年的40.4%下降到1980s初的31.5%，該時期森林覆蓋率下降導致鄱陽湖流域生態(tài)環(huán)境惡化，水土流失嚴重，徑流量增多［37］.1980s、1990s森林覆蓋率雖增加迅速，但以新增人工林和中幼林為主，森林結(jié)構(gòu)性矛盾嚴重削弱了森林生態(tài)功能.進入21世紀，森林覆蓋率提高到60.1%，原有中幼林已成林，森林保持水土、涵養(yǎng)水分功能得到充分發(fā)揮，一定程度上起到了消減徑流的作用.

1990s以前，森林破壞、水域面積減少及建筑用地的增加，使流域蒸發(fā)量減小、降水下滲增加，人類活動增加流域徑流量.2000年之后，森林植被得以恢復，水域面積增加，一定程度上減小河川徑流；同時，該時期江西省城市化進程的加快，流域內(nèi)建筑用地迅速增加［38］，降水下滲及蒸發(fā)減少，徑流增加，在這些因素的綜合作用下，該時期人類活動對徑流的影響甚微.引水灌溉減小河川徑流，這種影響在撫河最為明顯，江西省灌溉面積最大的贛撫平原灌渠平均每年向撫河引水37.6×108m3，占撫河多年平均徑流量的29.6%.大規(guī)模引水使年徑流大幅減小，直接導致?lián)岷恿饔蛉祟惢顒訉搅鞯挠绊懩Ｊ脚c其它“四河”流域不同.引水灌溉對其它”四河”徑流的影響主要體現(xiàn)在雨季到來前的2-5月.人類活動對鄱陽湖流域徑流變化影響復雜，不同類型人類活動相互疊加或相互削弱，徑流量在不同類型人類活動共同作用下產(chǎn)生變化.本文分析各種人類活動分別對鄱陽湖流域徑流的影響，但并未嘗試分離不同類型人類活動對徑流的具體影響量.

6　結(jié)論

以1955-1969年為基準期，采用多元線性回歸方法和AWBM模型，定量分析氣候變化與人類活動對鄱陽湖流域徑流的影響.趨勢分析表明，“五河”流域年降水量均呈增加趨勢，年蒸發(fā)量下降趨勢顯著，除撫河外其它“四河”年徑流量均呈顯著增加趨勢.多元線性回歸模型解釋變量選擇上，通過對比不同解釋變量下校正決定系數(shù)，得出加入蒸發(fā)及上月降水量兩個解釋變量的三元降水徑流回歸模型回歸效果最佳.AWBM模型模擬結(jié)果的NASH系數(shù)均在0.842以上，較多元線性回歸模擬效果更佳.鑒于2種方法下氣候變化和人類活動影響量變化模式非常相似，可以認為2種方法均適合定量區(qū)分氣候變化與人類活動對徑流的影響，采用2種方法的平均值相對單一方法所求結(jié)果更為可靠.與常用的靈敏度分析方法對比，其結(jié)果與本文所求氣候變化影響量變化模式基本一致，進一步驗證了本文所求結(jié)果的可靠性.但靈敏度方法無法排除基準期的人類活動的影響，在基準期的人類活動增加徑流的情況下，所求氣候變化影響量偏大.

氣候變化和人類活動總體上增加鄱陽湖流域徑流量，兩者對全流域徑流增加的貢獻率分別為73%和27%.氣候變化對“五河”徑流量均有增加作用，人類活動增加除撫河以外的其它“四河”徑流量，撫河徑流量受大量引水灌溉影響，年徑流量呈減少趨勢.氣候變化和人類活動對徑流變化影響在不同時間尺度上存在較大差異.年尺度上，1970s-1990s人類活動和氣候變化均較大幅度增加徑流量.2000s氣候變化一定程度上減少全流域年徑流量，該時期人類活動對徑流的增加量影響也相對較小.季節(jié)尺度上，氣候變化和人類活動對流域內(nèi)干季徑流量均有增加作用，而對濕季全流域徑流量有減少作用.人類活動影響量在干、濕季均占主導地位，對干季徑流量增加和濕季徑流量減少的貢獻率分別為78.9%、82.7%.氣候變化和人類活動對各月徑流量的影響差別較大，氣候變化是5-6月份徑流減小的主要原因，人類活動減小雨季到來前的2-5月徑流量.以不同時間尺度定量區(qū)分氣候變化和人類活動對鄱陽湖流域徑流變化的影響，可為區(qū)域水旱災害治理和水資源規(guī)劃管理提供科學依據(jù)和重要參考.

［1］ Zhang Q，Li J，Chen YD et al.Observed changes of temPerature extremes during 1960-2005 in China：natural or humaninduced variations？Theoretical and Applied Climatology，2011，106（3/4）：417-431.

［2］ Xiao M，Zhang Q，Singh VP.Influences of ENSO，NAO，IOD and PDO on seasonal PreciPitation regimes in the Yangtze River basin，China.International Journal of Climatology，2014，35：3556-3567.

［3］ Bao Z，Zhang J，Wang G et al.Attribution for decreasing streamflow of the Haihe River basin，northern China：Climate variability or human activities？Journal of Hydrology，2012，460：117-129.

［4］ Jiang S，Ren L，Yong B et al.Quantifying the effects of climate variability and human activities on runoff from the Laohahe basin in northern China using three different methods.Hydrological Processes，2011，25（16）：2492-2505.

［5］ Miao C，Ni J，Borthwick AGL et al.A Preliminary estimate of human and natural contributions to the changes in water discharge and sediment load in the Yellow River.Global and Planetary Change，2011，76（3）：196-205.

［6］ Ahn KH，Merwade V.Quantifying the relative imPact of climate and human activities on streamflow.Journal of Hydrology，2014，515：257-266.

［7］ Ye X，Zhang Q，Liu J et al.Distinguishing the relative imPacts of climate change and human activities on variation of streamflow in the Poyang Lake catchment，China.Journal of Hydrology，2013，494：83-95.

［8］ 夏智宏，劉 敏，王 苗等.1990s以來氣候變化和人類活動對洪湖流域徑流影響的定量辨識.湖泊科學，2014，26（4）：515-521.DOI 10.18307/2014.0404.

［9］ Wang X.Advances in seParating effects of climate variability and human activity on stream discharge：An overview.Advances in Water Resources，2014，71：209-218.

［10］ Zeng S，Xia J，Du H.SeParating the effects of climate change and human activities on runoff over different time scales in the Zhang River basin.Stochastic Environmental Research and Risk Assessment，2014，28（2）：401-413.

［11］ Guo H，Hu Q，Jiang T.Annual and seasonal streamflow resPonses to climate and land-cover changes in the Lake Poyang Basin，China.Journal of Hydrology，2008，355：106-122.

［12］ 田 鵬.氣候與土地利用變化對徑流的影響研究［學位論文］.楊凌：西北農(nóng)林科技大學，2012.

［13］ 鄧曉宇，張 強，孫 鵬等.氣候變化和人類活動對信江流域徑流影響模擬.熱帶地理，2014，（3）：293-301.

［14］ 謝 軍，黃智權(quán)，楊巧言.江西省自然地理志.北京：方志出版社，2003：213-219.

［15］ 閔 騫.鄱陽湖水位變化規(guī)律的研究.湖泊科學，1995，7（3）：281-288.DOI 10.18307/1995.0312.

［16］ Allen RG，Pereira LS，Raes D et al.CroP evaPotransPiration-Guidelines for comPuting croP water requirements-FAO Irrigation and drainage PaPer 56.FAO，Rome，1998，300：6541.

［17］ Sen PK.Estimates of the regression coefficient based on Kendall's tau.Journal of the American Statistical Association，1968，63（324）：1379-1389.

［18］ Yue S，Pilon P，Phinney B et al.The influence of autocorrelation on the ability to detect trend in hydrological series. Hydrological Processes，2002，16（9）：1807-1829.

［19］ 孫 鵬，張 強，陳曉宏等.鄱陽湖流域水沙時空演變特征及其機理.地理學報，2010，（7）：828-840.

［20］ Boughton W.The Australian water balance model.Environmental Modelling&Software，2004，19（10）：943-956.

［21］ Theil H，Nagar AL.Testing the indePendence of regression disturbances.Journal of the American Statistical Association，1961，56（296）：793-806.

［22］ Harel O.The estimation of R2 and adjusted R2 in incomPlete data sets using multiPle imPutation.Journal of Applied Statistics，2009，36（10）：1109-1118.

［23］ Boughton W，Chiew F.Estimating runoff in ungauged catchments from rainfall，PET and the AWBM model.Environmental Modelling&Software，2007，22（4）：476-487.

［24］ 劉劍宇，張 強，顧西輝.水文變異條件下鄱陽湖流域生態(tài)流量研究.生態(tài)學報，2015，（16）：5477-5485.

［25］ Moriasi DN，Arnold JG，Van Liew MW et al.Model evaluation guidelines for systematic quantification of accuracy in watershed simulations.Transactions of the ASABE，2007，50（3）：885-900.

［26］ 張 強，孫 鵬，陳 喜等.1956-2000年中國地表水資源狀況：變化特征、成因及影響.地理科學，2011，12：1430-1436.

［27］ 王 英，曹明奎，陶 波等.全球氣候變化背景下中國降水量空間格局的變化特征.地理研究，2006，（6）：1031-1040，1148.

［28］ Wang Y，Jiang T，Bothe O.Changes of Pan evaPoration and reference evaPotransPiration in the Yangtze River basin.Theoretical and Applied Climatology，2007，90（1/2）：13-23.

［29］ 郭 華，姜 彤，王國杰等.1961-2003年間鄱陽湖流域氣候變化趨勢及突變分析.湖泊科學，2006，18（5）：443-451.DOI 10.18307/2006.0501.

［30］ Zhang Q，Xu CY，Jiang T.Possible influence of ENSO on annual maximum streamflow of the Yangtze River，China.Journal of Hydrology，2007，333（2）：265-274.

［31］ Zhang Q，Liu Y，Yang G et al.PreciPitation and hydrological variations and related associations with large-scale circulation in the Lake Poyang Basin，China.Hydrological Processes，2011，25（5）：740-751.

［32］ Zhu Y，Wang H，Zhou W et al.Recent changes in the summer PreciPitation Pattern in East China and the background circulation.Climate Dynamics，2011，36（7/8）：1463-1473.

［33］ Zhang Q，Chen G，Su B et al.Periodicity of sediment load and runoff in the Yangtze River basin and Possible imPacts of climatic changes and human activities.Hydrological Sciences Journal，2008，53（2）：457-465.

［34］ 吳瑞金.我國湖泊資源環(huán)境現(xiàn)狀與對策.中國科學院院刊，2001，（3）：176-181.

［35］ 馬榮華，楊桂山，段洪濤等.中國湖泊的數(shù)量、面積與空間分布.中國科學：地球科學，2011，（3）：394-401.

［36］ Liu H，Xia H，Zhou B.Land use information extraction and sPatio-temPoral variation analysis of Lake Poyang Basin based on remote sensing.In：Eighth International SymPosium on MultisPectral Image Processing and Pattern Recognition.International Society for OPtics and Photonics，2013：892113.

［37］ 劉 健，張 奇，許崇育等.近50年鄱陽湖流域徑流變化特征研究.熱帶地理，2009，（3）：213-218，224.

［38］ 張起明，胡 梅，齊述華等.1980-2005年江西省土地利用變化政策因素驅(qū)動力分析.江西科學，2011，（5）：597-602.

Quantitative anaLysistheinfLuencesofcLimatechangeandhumanactivitieson hydroLogicaL processes in Poyang Basin

LIU Jianyu1，2，ZHANG Qiang1，2，3**，DENG Xiaoyu1，2，CI Hui1，2&CHEN Xiaohong1，2，3
（1：Department of Water Resources and Environment，Sun Yat-sen University，Guangzhou 510275，P.R.China）
（2：Key Laboratory of Water Cycle and Water Security in Southern China of Guangdong High Education Institute，Sun Yat-sen University，Guangzhou 510275，P.R.China）
（3：School of Geography and Planning，Guangdong Key Laboratory for Urbanization and Geo-simulation，Sun Yat-sen University，Guangzhou 510275，P.R.China）

The streamflow Processes of the Poyang Basin are significantly altered due to combined influences from climate changes and human activities，which further triggers higher occurrence frequency of floods and droughts and hence serious water resources Problems.In this sense，quantitative evaluations of influences from human activities and climate changes resPectively are of greatly theoretical and Practical merits in terms of Planning and management of water resources.In this study，hydrological models and multivariate regression technique are used to identify quantitatively imPacts of climate changes and human activities on streamflow variations of five tributaries of the Poyang Basin.Furthermore，the results are further corroborated by comParisons between the analyses by hydrological models and multivariate regression methods and also sensitivity analysis technique.The exPlained variables of the multivariate models are done using the adjustment coefficients with different exPlained variables，showing that the multiPle regression models are the right ones with evaPoration and the PreciPitation of the last month.The NASH coefficient for the AWBM model is larger than 0.842，being better than the modeling results by the multivariate regression models.Meanwhile the imPacts modeled by the above-mentioned techniques are similar，and are good for identification of the imPacts of human activities and climate changes on streamflow variations.It should be noted here that the sensitivity method cannot exclude the base-Period human influences.Due to increase of streamflow as a result of human interferences，the influence comPonent by climate changes is usually exaggerat-ed.Analysis of this study indicates that PreciPitation，Potential evaPoration and also human activities have the Potential to increase the streamflow of the Poyang Basin and the fractional contribution is 27%and 73%，resPectively.Climate changes can increase the streamflow of these five rivers considered in this study.Human activities increase the streamflow of the rivers excePt Fu River basin.In the Fu River basin，the streamflow decreases due to massive agricultural irrigation.Different influences can be identified for climate changes and human activities on tributaries of the Poyang Basin.Climate change is the major driving factor for the increase of the streamflow within the Rao，Xin and Gan River basins；however，human activity is the PrinciPle driving factor behind the increase of the streamflow of the Xiu River basin and also the decrease of the streamflow of Fu River basin.Meanwhile，different im-Pacts of human activities and climate changes on streamflow variations are distinctly different on various temPoral scales.On the annual time scale，increase of streamflow is large due to climate changes and human activities during 1970s-1990s and decrease of streamflow during 2000s.On the seasonal scale，human activities can well increase streamflow during dry season（December to February of the subsequent year）and decrease streamflow during wet season（APril to June）with the fractional contribution of 78.9%and 82.7%resPectively.On the monthly scale，different influences of climate changes and human activities can be detected.Climate change is the main factor for the decrease of streamflow during May to June and human activities for the decrease of streamflow during February to May.The results of this study can Provide theoretical ground for basin-scale water resources management under the influences of climate changes and human activities.

Poyang Basin；climate changes；human activities；runoff；hydrological models；different time scales

10.18307/2016.0224

*國家杰出青年基金項目（51425903）、鄱陽湖濕地與流域研究教育部重點實驗室（江西師范大學）主任開放基金項目（ZK2013006）和香港特別行政區(qū)研究資助局項目（CUHK441313）聯(lián)合資助.2015-04-01收稿；2015-06-30收修改稿.劉劍宇（1991～），男，博士研究生；E-mail：liujianyu68@163.com.

**

；E-mail：zhangq68@mail.sysu.edu.cn.