楊 靖，藺子琪，趙慶緒，謝 靜，廖衛(wèi)紅

(1.華能西藏水電安全工程技術(shù)研究中心，四川 成都 610093；2.四川大學(xué) 水利水電學(xué)院，四川 成都 610065；3.華中科技大學(xué) 土木與水利工程學(xué)院，湖北 武漢 430072；4.長(zhǎng)江勘測(cè)規(guī)劃設(shè)計(jì)研究有限責(zé)任公司，湖北 武漢 430010；5.水利部水網(wǎng)工程與調(diào)度重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430010；6.中國(guó)水利水電科學(xué)研究院 流域水循環(huán)模擬與調(diào)控國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100038)

1 研究背景

雅魯藏布江是世界上海拔最高、西藏最大的一條河流，也是我國(guó)西南地區(qū)非常重要的跨界河流之一。雅魯藏布江流域徑流主要由降水、冰雪融水和地下水補(bǔ)給組成[1]。由于流域面積廣闊，流域內(nèi)的降水量、蒸發(fā)量以及地形、冰雪覆蓋面積、植被等條件差異很大，流域內(nèi)的徑流補(bǔ)給類型復(fù)雜多樣[2-3]。精確描述徑流特征及其變化的基礎(chǔ)是獲得大量高精度流量數(shù)據(jù)，特別是在水文站點(diǎn)缺乏的地區(qū)。分布式水文模型為流域徑流數(shù)據(jù)的延展和加密提供了重要的支撐[4-5]，基于此，可量化評(píng)估人類活動(dòng)、下墊面和氣候變化等變化條件對(duì)水文特性影響程度，從而可為區(qū)域水資源合理開(kāi)發(fā)利用提供重要的依據(jù)[6]。

針對(duì)氣候變化和水資源開(kāi)發(fā)利用而導(dǎo)致的水文改變度的分析一直為生態(tài)水文研究領(lǐng)域的熱點(diǎn)問(wèn)題[7-8]，Richter等[9]在1996年提出了一套能夠評(píng)估水生態(tài)水文改變過(guò)程的指標(biāo)體系(Indicators of Hydrologic Alteration，IHA)，目前被廣泛應(yīng)用于生態(tài)水文領(lǐng)域[10-14]。但Olden等[15]學(xué)者分析結(jié)果表明，眾多水文變量之間存在十分突出的冗余性問(wèn)題，而IHA指標(biāo)與大多數(shù)水文變量之間存在較高的信息重疊現(xiàn)象。相對(duì)于早期研究中只考慮單一水文變量，盡管IHA體系較完善，但是水文變量仍然較多，IHA變量之間也存在著自相關(guān)性和嚴(yán)重的冗余性問(wèn)題。IHA法目前被認(rèn)為可以相對(duì)最全面、最系統(tǒng)的來(lái)評(píng)估水文情勢(shì)變化特征。此外，雅魯藏布江地區(qū)的水文情勢(shì)研究較多，但具體對(duì)于環(huán)境流量組分的變化分析較少[16]，本文采用改進(jìn)后的IHA法[17]降低生態(tài)水文變量中的冗余性，保留原始數(shù)據(jù)中的關(guān)鍵信息，分析雅魯藏布江下游、尼洋河出口斷面受上游水庫(kù)影響的水文改變度，聚焦于對(duì)流量組分分級(jí)以及缺資料地區(qū)的水文情勢(shì)評(píng)估。以期為分析雅魯藏布江地區(qū)水資源管理和生態(tài)治理提供科學(xué)參考。

2 研究概況

2.1 研究區(qū)概況雅魯藏布江(28°N—31°N、82°E—97°E)發(fā)源于西藏自治區(qū)西南部喜馬拉雅山中段北麓的杰馬央宗冰川，是世界上海拔最高、西藏最大的一條河流。雅魯藏布江從源頭～入?？谌L(zhǎng)約3162 km，其中，中國(guó)境內(nèi)長(zhǎng)約2057 km。入?？谔幙偭饔蛎娣e175萬(wàn)km2，在中國(guó)境內(nèi)流域面積約33.20萬(wàn)km2，雅魯藏布江徑流總體以降水補(bǔ)給為主，流域內(nèi)多年平均降水量300～500 mm，且年際變化較小，年內(nèi)分配不均。流域多年平均凈流量約1655億m3，年徑流深與年降水量的分布趨勢(shì)具有較好的一致性[18]。測(cè)站分布位置如圖1所示。

圖1 研究區(qū)地理位置和觀測(cè)站點(diǎn)示意圖Fig.1 Schematic diagram of geographical location and observation stations in the study area

2.2 研究數(shù)據(jù)奴下水文站位于雅魯藏布江流域干流，控制流域面積占其國(guó)內(nèi)總流域面積的57.6%。尼洋河出口斷面的更張測(cè)站為雅魯藏布江的上游控制站，是青藏高原重要的水文站點(diǎn)之一[19]。本文根據(jù)雅魯藏布江流域水文站點(diǎn)分布及各站基本資料條件，選用奴下、更張站作為徑流計(jì)算的依據(jù)站，進(jìn)行分析評(píng)價(jià)采用的是1965—2018年的徑流日值數(shù)據(jù)。然而，由于資料獲取難度問(wèn)題，本文分析的幾個(gè)斷面的數(shù)據(jù)均存在不同程度的資料缺失，如奴下站點(diǎn)缺1958—1959年、1969年的實(shí)測(cè)資料。因此，本文采用分布式水文模型EasyDHM[20-22]進(jìn)行主要站點(diǎn)逐日流量數(shù)據(jù)的插補(bǔ)還原。

2.3 研究方法論文基于Richter等[9，23-24]提出的IHA指標(biāo)進(jìn)行分析，通過(guò)重新構(gòu)建IHA指標(biāo)體系將降水時(shí)期劃分為枯水期(1—5月和11—12月)和豐水期(6月—10月)兩個(gè)時(shí)段，將IHA指標(biāo)劃分為不同時(shí)段內(nèi)IHA指標(biāo)，進(jìn)一步優(yōu)化IHA體系計(jì)算生態(tài)最相關(guān)水文指標(biāo) ERHIs，從而達(dá)到減少水文指標(biāo)的同時(shí)盡可能多地保留原數(shù)據(jù)關(guān)鍵信息[17]。然后基于ERHIs進(jìn)一步優(yōu)選參數(shù)，采用6種突變檢驗(yàn)診斷指標(biāo)變化規(guī)律，最后應(yīng)用水文改變度描述雅魯藏布江徑流變化情況。

2.3.1 水文改變指標(biāo)(IHA) Richter提出的IHA體系，該方法定量分析了水文變異程度，目前該指標(biāo)體系被普遍用來(lái)代表水文情勢(shì)變化特征，該指標(biāo)體系包含33個(gè)指標(biāo)，目前被認(rèn)為可以相對(duì)最全面、最系統(tǒng)的來(lái)評(píng)估水文情勢(shì)變化特征。該體系共分為5組，詳細(xì)指標(biāo)劃分可參照文獻(xiàn)[23]。由于研究時(shí)段內(nèi)雅魯藏布江未出現(xiàn)斷流現(xiàn)象，故本研究不考慮“斷流天數(shù)”這一變量[25]。

2.3.2 突變?cè)\斷 采用貝葉斯推斷[26]、曼-肯德?tīng)?Mann-Kendall)法[27-28]、勒帕熱(Le-Page)法[28]、BG(Bernaola-Galvan)分割算法[29]以及有序聚類法[30]對(duì)改進(jìn)后的指標(biāo)突變點(diǎn)進(jìn)行識(shí)別，用以排除單一突變?cè)\斷方法的局限性以及數(shù)據(jù)漂移問(wèn)題。

(1)貝葉斯推斷

貝葉斯推斷[26]是利用貝葉斯定理來(lái)修正特定假設(shè)的可能性，該方法可以充分利用先驗(yàn)信息和樣本信息，得到統(tǒng)計(jì)結(jié)論。計(jì)算公式為：

p(X，α)=p(X|α)p(α)=p(α|X)p(X)

(1)

(2)

p(α|Y)∝p(α)p(Y|α)

(3)

(2)M-K法

M-K法[27-28]作為常見(jiàn)的非參數(shù)統(tǒng)計(jì)檢驗(yàn)方法，無(wú)需樣本遵從一定的分布，適用于類型變量和順序變量，計(jì)算簡(jiǎn)便，可以明確突變開(kāi)始的時(shí)間并指出突變區(qū)域。計(jì)算公式如下：

(4)

(5)

(6)

其中，ai是第i時(shí)刻數(shù)值個(gè)數(shù)的累計(jì)數(shù)，E(ai)，D(ai)分別是ai的均值和方差，統(tǒng)計(jì)量UFi為標(biāo)準(zhǔn)正態(tài)分布。按時(shí)間序列x逆序xn，xn-1，…，x1，再重復(fù)上述過(guò)程，同時(shí)使UBk=-UFk，其中k=n，n-1，…，1。

2）經(jīng)營(yíng)健康穩(wěn)健，盈利質(zhì)量和運(yùn)營(yíng)效率提升。公司過(guò)去三年每年經(jīng)營(yíng)活動(dòng)現(xiàn)金流量?jī)纛~均高于凈利潤(rùn)，業(yè)績(jī)質(zhì)量較高。公司運(yùn)營(yíng)效率這兩年也有很大改善，存貨周轉(zhuǎn)率不斷優(yōu)化，2016年和2017年存貨周轉(zhuǎn)率分別為1.69次和2.07次，今年上半年已經(jīng)達(dá)到1.07次，較17年繼續(xù)提升7%，運(yùn)營(yíng)效率的提升將會(huì)顯著減少存貨減值準(zhǔn)備計(jì)提，對(duì)業(yè)績(jī)提升有很大幫助。

(3)勒帕熱法

勒帕熱(Le Page)法[31]是一種具有兩個(gè)樣本不受分布影響的非參數(shù)判別法，計(jì)算公式如下：

(7)

(8)

U為統(tǒng)計(jì)量，式(8)是勒帕熱統(tǒng)計(jì)量。注意到當(dāng)樣本量足夠大時(shí)，WU漸近具有自由度為2的χ2分布。其余參數(shù)含義同上。

(4)BG分割算法

BG分割算法[29]主要針對(duì)非平穩(wěn)時(shí)間序列進(jìn)行突變檢測(cè)，其核心思想是通過(guò)顯著性檢驗(yàn)找到突變點(diǎn)的左右兩部分序列的差異最大的位置。計(jì)算公式如下：

(9)

(10)

(5)有序聚類法

有序聚類分析法[32]進(jìn)行突變點(diǎn)的識(shí)別，該方法核心思想是在分類時(shí)不打亂次序的情況下，通過(guò)計(jì)算突變點(diǎn)前后點(diǎn)位的離差平方和尋求最優(yōu)分割點(diǎn)。計(jì)算公式為：

2.3.3 水文改變度 基于IHA指標(biāo)體系，Richter等[24]在1997年提出了用于判斷IHA指標(biāo)改變程度的變化范圍法(Range of Variability Approach，RVA)，并定義了RVA閾值概念，即在IHA的基礎(chǔ)上，將各指標(biāo)發(fā)生幾率的75%和25%作為RVA的上下閾值，用來(lái)作為評(píng)價(jià)各指標(biāo)受影響程度的標(biāo)準(zhǔn)[33-35]。為了量化ERHIs受干擾后的變化程度，采用水文改變度來(lái)評(píng)估[36]，其定義如下：

式中：Di為第i個(gè)ERHIs指標(biāo)的水文變化程度；Nio為第i個(gè)ERHIs指標(biāo)變化在之后(之前)仍在RVA閾值范圍內(nèi)的實(shí)際觀測(cè)年數(shù)；Nie為第i個(gè)ERHIs突變(前)后預(yù)計(jì)落在RVA閾值內(nèi)的年數(shù)，可以表示為r×NT，其中r為突變前(后)第i個(gè)ERHIs落在RVA閾值內(nèi)的比例(本文取50%)，NT是受突變(前)和后影響的時(shí)間序列中記錄的總年數(shù)。D0為流域整體的水文改變度，規(guī)定水文變化程度在0～<33%之間為無(wú)變化或低程度變化，33%～<67%為中度變化，67%～≤100%之間是高度變化。

3 模型驗(yàn)證與指標(biāo)確定

3.1 測(cè)站驗(yàn)證依據(jù)流域和數(shù)據(jù)資料情況，論文對(duì)奴下、更張斷面的1999到2012年水文日模擬精度進(jìn)行了參數(shù)率定，將優(yōu)化得到的參數(shù)對(duì)流域各主要斷面1999—2018年的逐日水文過(guò)程進(jìn)行了模擬，各站Nash系數(shù)評(píng)價(jià)見(jiàn)表1，說(shuō)明論文采用的EasyDHM模型用于日徑流資料的延展和加密是可行的。依據(jù)流域和數(shù)據(jù)資料情況，本研究對(duì)奴下、更張斷面挑選洪水場(chǎng)次進(jìn)行了參數(shù)率定和驗(yàn)證，并對(duì)精度進(jìn)行了評(píng)價(jià)，針對(duì)流域特點(diǎn)，主要針對(duì)洪峰誤差精度對(duì)方案合格程度進(jìn)行了評(píng)定，其中水庫(kù)入庫(kù)數(shù)據(jù)主要通過(guò)出庫(kù)和蓄量反推，本身就存在誤差，因此對(duì)其洪峰許可誤差做了適當(dāng)放大。選取1998—2018年間的20組徑流過(guò)程進(jìn)行率定，徑流過(guò)程擬合效果較好，洪峰流量誤差和峰現(xiàn)時(shí)間誤差基本符合要求。對(duì)1998—2018年間的20組徑流過(guò)程樣本進(jìn)行評(píng)定，洪水場(chǎng)次合格率為90%。EasyDHM模型采用SCE-UA全局參數(shù)優(yōu)化算法進(jìn)行參數(shù)率定[37-40]。

表1 EasyDHM模型模擬徑流Nash系數(shù)表Table 1 Nash coefficient of simulated runoff by EasyDHM model

3.2 IHA的冗余性分析IHA體系包含33個(gè)指標(biāo)，由于研究時(shí)段內(nèi)雅魯藏布江未出現(xiàn)斷流現(xiàn)象，故本研究不考慮“斷流天數(shù)”這一變量[25]。論文對(duì)所選擇的32個(gè)IHA指標(biāo)進(jìn)行冗余性分析，主要針對(duì)指標(biāo)間的相關(guān)系數(shù)，認(rèn)為相關(guān)系數(shù)小于0.4為冗余度較小。從圖2可以看出，部分水文變量之前展現(xiàn)了較強(qiáng)的相關(guān)性，10月流量，11月流量，12月流量，年最小 1 日、3 日、7 日、30 日流量之間的相關(guān)性較強(qiáng)，高流量年內(nèi)發(fā)生次數(shù)，高流量年內(nèi)平均歷時(shí)，上升率，下降率之間相關(guān)性較強(qiáng)。從圖3可以看出，年最小 3 日、7 日、30 日流量，年最大 1 日、3 日、7 日、30 日、90日流量之間也具有較強(qiáng)的相關(guān)性，其相關(guān)系數(shù)甚至超過(guò)了0.9。結(jié)果表明，雅魯藏布江的站點(diǎn)斷面的IHA指標(biāo)變量相互之間顯然存有高度自關(guān)性，即指標(biāo)冗余性問(wèn)題非常明顯。

圖2 奴下斷面IHA指標(biāo)相關(guān)關(guān)系熱力圖Fig.2 Correlation heat map of IHA index under Nuxia section

圖3 更張斷面IHA指標(biāo)相關(guān)關(guān)系熱力圖Fig.3 Correlation heat map of IHA index under Gengzhang section

3.3 IHA指標(biāo)體系重建鑒于IHA變量之間存在的冗余性問(wèn)題比較突出，本文通過(guò)重新構(gòu)建IHA指標(biāo)體系將降水時(shí)期劃分為枯水期(1—5月和11—12月)和豐水期(6月—10月)兩個(gè)時(shí)段，將IHA指標(biāo)劃分為不同時(shí)段內(nèi)IHA指標(biāo)，進(jìn)一步優(yōu)化IHA體系計(jì)算ERHIs，在緩解IHA變量冗余性時(shí)，減少水文指標(biāo)，在保證全面描述流域水文情勢(shì)變化時(shí)盡可能多地保留原數(shù)據(jù)關(guān)鍵信息，通過(guò)涵蓋豐枯時(shí)段以及指標(biāo)所在組別信息來(lái)確定。

流域的徑流量以及徑流特征受到季節(jié)變化的影響，由于不同季節(jié)降水量的不同，可將降水時(shí)期分為豐水期和枯水期。由于一年內(nèi)枯水期歷史長(zhǎng)短與流域自然地理及氣象條件相關(guān)，根據(jù)豐水期和枯水期的特點(diǎn)將雅魯藏布江奴下斷面6月至10月劃分為豐水期，將1—5月、11—12月劃分為枯水期(表2)。

表2 重建后IHA指標(biāo)Table 2 IHA indicator after reconstruction

為使篩選出的ERHIs指標(biāo)具有較高的可靠性，本文通過(guò)選取樣本年并挑選各樣本年所對(duì)應(yīng)的相似年，計(jì)算相似年各IHA指標(biāo)的貢獻(xiàn)率，選取貢獻(xiàn)率排在前六位且重復(fù)出現(xiàn)次數(shù)最多的IHA指標(biāo)為ERHIs指標(biāo)。

相似年通常指在表征同一流域有兩年或多個(gè)年份具有相同的水文指標(biāo)或徑流特征或其他流域特征時(shí)，都可以稱這兩年或多個(gè)年份之間在某一特征前提下存在相似性，即這兩年或多個(gè)年互為相似年[41-42]。相似年在各個(gè)領(lǐng)域的應(yīng)用十分廣泛，在天文、氣象、水利等各行業(yè)的預(yù)報(bào)都有應(yīng)用。本文從奴下、更張斷面57年數(shù)據(jù)中分別隨機(jī)選取十年作為相應(yīng)斷面的樣本年，將能夠反應(yīng)徑流特征的水文統(tǒng)計(jì)值作為選取樣本年所對(duì)應(yīng)相似年的基準(zhǔn)，運(yùn)用二維歐氏距離篩選方法結(jié)合統(tǒng)計(jì)值對(duì)選取好的樣本年進(jìn)行相似年份的選取[41-42]。

為對(duì)應(yīng)不同時(shí)期IHA指標(biāo)體系，將1962—2018年流量數(shù)據(jù)按枯水期(1—5月和11—12月)和豐水期(6月—10月)分開(kāi)，分別計(jì)算57年數(shù)據(jù)的枯水期統(tǒng)計(jì)值和豐水期統(tǒng)計(jì)值。統(tǒng)計(jì)值包括：均值、方差、極差、中位數(shù)、25分位數(shù)、75分位數(shù)、變異系數(shù)、偏度和峰度。

3.4 ERHIs指標(biāo)確定通過(guò)計(jì)算各樣本年所對(duì)應(yīng)十個(gè)相似年枯水期和豐水期IHA指標(biāo)的變異系數(shù)，將十個(gè)相似年中各年枯水期和豐水期變異系數(shù)前六個(gè)指標(biāo)挑選出來(lái)并記錄各指標(biāo)在十年中出現(xiàn)的重疊次數(shù)，挑選出枯水期和豐水期出現(xiàn)次數(shù)排在前六的指標(biāo)，將這十二個(gè)指標(biāo)再次按照出現(xiàn)次數(shù)排序，查看前六個(gè)指標(biāo)在一級(jí)指標(biāo)中的覆蓋度是否合理。通過(guò)計(jì)算各樣本年所對(duì)應(yīng)十個(gè)相似年枯水期和豐水期IHA指標(biāo)的變異系數(shù)，將十個(gè)相似年中各年枯水期和豐水期變異系數(shù)前六個(gè)指標(biāo)挑選出來(lái)并記錄各指標(biāo)在十年中出現(xiàn)的重疊次數(shù)，挑選出枯水期和豐水期出現(xiàn)次數(shù)排在前六的指標(biāo)，將這十二個(gè)指標(biāo)再次按照出現(xiàn)次數(shù)排序，查看前六個(gè)指標(biāo)在一級(jí)指標(biāo)中的覆蓋度是否合理。經(jīng)合理性確認(rèn)，將前六個(gè)指標(biāo)確定為ERHIs。在合理性判定的基礎(chǔ)上計(jì)算各指標(biāo)的相關(guān)性，經(jīng)計(jì)算后發(fā)現(xiàn)只有兩個(gè)指標(biāo)存在相關(guān)性，其他指標(biāo)之間的相關(guān)系數(shù)都小于0.4為不相關(guān)，將這些指標(biāo)確定為篩選指標(biāo)。具體步驟見(jiàn)圖4。

圖4 ERHIs指標(biāo)確定步驟Fig.4 ERHIs indicator determination steps

指標(biāo)的變異系數(shù)反應(yīng)該指標(biāo)在所有IHA指標(biāo)中的鑒別能力。變異系數(shù)越大，表明該指標(biāo)的信息分辨能力就越強(qiáng)，從而保證了篩選出的指標(biāo)對(duì)流域影響最大[43]。初步篩選出的ERHIs指標(biāo)見(jiàn)表3、表4。

表3 更張斷面ERHIs指標(biāo)Table 3 ERHIs index of Gengzhang section

表4 奴下斷面ERHIs指標(biāo)Table 4 ERHIs index of Nuxia section

3.4.1 ERHIs指標(biāo)的合理性分析 為驗(yàn)證2個(gè)斷面選出的ERHIs指標(biāo)相互獨(dú)立且具有較高的代表性，現(xiàn)對(duì)選出的ERHIs指標(biāo)進(jìn)行合理性分析，本文中主要通過(guò)ERHIs指標(biāo)的覆蓋性分析和冗余性分析來(lái)進(jìn)行合理性分析。在減少IHA變量冗余性的同時(shí)，以保證ERHIs指標(biāo)可以均勻覆蓋不同時(shí)期以及不同組別，有效保留原始信息。

(1)ERHIs覆蓋性分析

覆蓋性分析通過(guò)對(duì)各ERHIs指標(biāo)在組別中的覆蓋范圍以及各指標(biāo)在不同時(shí)期的覆蓋范圍進(jìn)行指標(biāo)的合理性分析，研究斷面指標(biāo)覆蓋范圍分析結(jié)果見(jiàn)表5、表6。

表5 更張斷面覆蓋性分析Table 5 Coverage analysis of Gengzhang

表6 奴下斷面覆蓋性分析Table 6 Coverage analysis of Nuxia

由表可以得出，更張斷面六個(gè)ERHIs指標(biāo)涉及到了第一組、第三組至第五組且達(dá)到豐枯水期全覆蓋，奴下斷面的六個(gè)ERHIs指標(biāo)涉及到了第一組至第五組指標(biāo)且達(dá)到豐枯水期全覆蓋?？梢钥闯鲅鹏敳夭冀掠蔚?個(gè)斷面挑選出的ERHIs指標(biāo)在組別中的覆蓋率以及各指標(biāo)在不同時(shí)期的覆蓋率都很高，得出挑選出的ERHIs指標(biāo)具有一定的合理性。

(2)ERHIs冗余性分析

為驗(yàn)證5個(gè)斷面選出的ERHIs指標(biāo)相互獨(dú)立且具有較高的代表性，現(xiàn)對(duì)選出的ERHIs指標(biāo)進(jìn)行相關(guān)性分析，確定ERHIs指標(biāo)各指標(biāo)間的相關(guān)性，圖5展示了各指標(biāo)間的相關(guān)系數(shù)。結(jié)果表明：大部分指標(biāo)之間存在較小的相關(guān)性，即信息并不存在冗余性問(wèn)題，則可最終確定為ERHIs指標(biāo)。

圖5 更張斷面和奴下斷面ERHIs相關(guān)關(guān)系熱力圖Fig.5 Heatmap of the correlation relationship of ERHIs in Gengzhang and Nuxia section

4 計(jì)算結(jié)果分析

4.1 初步診斷初步診斷是對(duì)已經(jīng)挑選出的ERHIs指標(biāo)進(jìn)行指標(biāo)變異強(qiáng)度的確定，將強(qiáng)變異指標(biāo)確定為最終用于識(shí)別變異年份的指標(biāo)。變異系統(tǒng)的初步診斷采用Hurst系數(shù)法[44]分別對(duì)雅魯藏布江的更張水文站、奴下水文站的ERHIs指標(biāo)進(jìn)行變異檢驗(yàn)。經(jīng)檢驗(yàn)得出尼洋河站的10月指標(biāo)Hurst系數(shù)為0.90屬于強(qiáng)變異，奴下站的4月指標(biāo)Hurst系數(shù)為0.86屬于強(qiáng)變異。計(jì)算結(jié)果見(jiàn)表7、表8。

表7 更張站ERHIs指標(biāo)變異強(qiáng)度Table 7 Intensity of variation of ERHIs indicators in Gengzhang section

表8 奴下站ERHIs指標(biāo)變異強(qiáng)度Table 8 Intensity of variation of ERHIs indicators in Nuxia section

4.2 詳細(xì)診斷根據(jù)初步診斷結(jié)果針對(duì)各斷面挑選出的強(qiáng)變異指標(biāo)進(jìn)行詳細(xì)診斷。本文利用水文變異診斷系統(tǒng)的跳躍診斷法和氣候突變檢測(cè)方法包括Mann-Kendall方法、有序聚類法、貝葉斯推斷方法、Le-Page方法和BG(Bernaola-Galvan)分割法等方法進(jìn)行突變年份的確定。更張斷面有4種方法診斷10月指標(biāo)在2000年發(fā)生顯著突變，有2種方法診斷其在2014年發(fā)生顯著突變。奴下斷面有3種方法診斷4月指標(biāo)在2013年發(fā)生顯著突變。具體診斷結(jié)果見(jiàn)表9。

表9 雅魯藏布江各斷面強(qiáng)變異指標(biāo)的突變?cè)\斷結(jié)果Table 9 Mutation diagnosis results of strong variation indicators in each section of the Yarlung Zangbo River

結(jié)果表明，不同突變方法對(duì)突變點(diǎn)的識(shí)別有所差異，由于LePage方法需要人為確定子序列長(zhǎng)度，可能會(huì)由于突變點(diǎn)的漂移造成誤差，只用一種突變方法難以全面的評(píng)判指標(biāo)突變的結(jié)果。綜上所述，運(yùn)用多種突變檢驗(yàn)方法分析更張、奴下站57年徑流數(shù)據(jù)得出以下結(jié)論：①對(duì)于更張斷面：10月指標(biāo)突變時(shí)段為1990—2014年。②對(duì)于奴下斷面：4月指標(biāo)突變時(shí)段綜合序列為1970—2016年。造成奴下斷面指標(biāo)綜合突變時(shí)間較長(zhǎng)的原因可能為上游支流拉薩河直孔及旁多水庫(kù)對(duì)下游的調(diào)蓄作用，2010年沖久水庫(kù)投入運(yùn)行后，改變了下游河段的天然徑流過(guò)程。因而，奴下斷面通過(guò)3種突變方法中體現(xiàn)出這種突變狀態(tài)，其中Hurst系數(shù)指標(biāo)顯示年最小流量出現(xiàn)時(shí)間、年最小1日流量指標(biāo)均有中等程度的改變。

4.3 強(qiáng)變異指標(biāo)變化程度本文通過(guò)判斷變異前后時(shí)間序列的長(zhǎng)短來(lái)確定穩(wěn)定時(shí)段，通過(guò)以上對(duì)奴下和更張斷面水文情勢(shì)突變點(diǎn)的研究，認(rèn)為時(shí)間序列較長(zhǎng)一段的水文情勢(shì)更為穩(wěn)定[24]。將更張斷面1965—1989年作為穩(wěn)定時(shí)段，將奴下斷面1965—1969年作為穩(wěn)定時(shí)段。以Richter等[26]定義的閾值概

念即將穩(wěn)定時(shí)段強(qiáng)變異指標(biāo)發(fā)生幾率的75%作為RVA的上閾值，發(fā)生幾率的25%作為RVA的下閾值作為標(biāo)準(zhǔn)。

論文分別計(jì)算各斷面強(qiáng)變異指標(biāo)包括更張斷面10月指標(biāo)、奴下斷面4月指標(biāo)的水文改變度(表10)。結(jié)果顯示，兩個(gè)斷面的強(qiáng)變異指標(biāo)都發(fā)生了高度改變。綜上得出，更張斷面和奴下斷面整體水文改變度為高度改變。

表10 雅魯藏布江2個(gè)斷面強(qiáng)變異指標(biāo)改變度計(jì)算結(jié)果Table 10 Calculation results of the change degree of strong variation index of two sections of the Brahmaputra River

5 結(jié)論

(1)通過(guò)EasyDHM插補(bǔ)雅江流域站點(diǎn)數(shù)據(jù)是可行的，其中，參數(shù)優(yōu)化后的Nash系數(shù)最大為0.97，最小為0.67，均在合理范圍內(nèi)，在缺資料地區(qū)運(yùn)用較好。此外，ERHIs方法有效的通過(guò)減少變量簡(jiǎn)化水文響應(yīng)推求過(guò)程，以獲得水文情勢(shì)變化情況，提高水資源調(diào)配效率，對(duì)于水資源管理和生態(tài)系統(tǒng)保護(hù)都具有重要的參考價(jià)值和借鑒意義。

(2)ERHIs不僅有效緩解了IHA的冗余性問(wèn)題，還有利于抓住最關(guān)鍵的生態(tài)水文變量。從IHA指標(biāo)相關(guān)性熱圖可以看出，IHA參數(shù)之間的相關(guān)性較高，說(shuō)明指標(biāo)間的冗余問(wèn)題十分突出。ERHIs指標(biāo)突變結(jié)果分析表明，運(yùn)用歐式距離結(jié)合相似年篩選IHA指標(biāo)與多種突變結(jié)果的橫向?qū)Ρ纫约癊RHIs自身的縱向?qū)Ρ?，都表明所選取的生態(tài)最相關(guān)指標(biāo)是合理的。

(3)氣候變化和人類活動(dòng)對(duì)環(huán)境組分流量和水文狀況的構(gòu)成都有影響，而大規(guī)模水利建設(shè)是其中的主導(dǎo)因素。針對(duì)更張斷面和奴下斷面的水文改變度分析可以得出，在受到多布水電站建設(shè)的影響，尼洋河下游水文改變度差異顯著，這和張冬艷、劉海平等人的研究結(jié)果相一致[45-46]。

(4)上游水電站建設(shè)運(yùn)行對(duì)水文情勢(shì)有不同程度的影響，水文情勢(shì)變化總體屬高度改變，非汛期所受影響程度比汛期更大。干旱季節(jié)的徑流變化較大，除受到上游水電站影響外，氣溫的增溫效應(yīng)導(dǎo)致冰川融雪的補(bǔ)給量增加也在影響雅魯藏布江的年內(nèi)徑流分配，但這種變化還需相關(guān)的資料和分析去驗(yàn)證。