內(nèi)蒙古高原典型草原內(nèi)陸河流域徑流的時(shí)序演變特征

高瑞忠 白勇 劉廷璽 王喜喜 王威娜

摘要：高原內(nèi)陸河在我國半干旱地區(qū)社會經(jīng)濟(jì)發(fā)展的區(qū)域水資源開發(fā)利用過程中起到了重要的支撐作用，認(rèn)識其演變特征及進(jìn)行模擬對于流域的可持續(xù)發(fā)展具有重要的意義。以內(nèi)蒙古高原典型草原內(nèi)陸河流域——巴拉格爾河流域?yàn)檠芯繉ο?，基?959-2015年的水文、氣象和社會經(jīng)濟(jì)等數(shù)據(jù)，采用雙累積曲線法、累積距平法、改進(jìn)的MK趨勢檢驗(yàn)法和小波變換法對流域徑流序列的變化特征進(jìn)行了解析，并通過細(xì)化降水特征因素影響和以社會經(jīng)濟(jì)指標(biāo)量化人類活動影響，運(yùn)用統(tǒng)計(jì)相關(guān)檢驗(yàn)法篩選徑流時(shí)序演變模擬的主要輸入要素，以改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了水文年、季尺度下徑流的時(shí)序演變模擬。結(jié)果表明：巴拉格爾河流域徑流量在年、季尺度下呈現(xiàn)顯著減少趨勢；徑流變化的突變年份為1998年，在這之前受到氣候變化為主的影響，而在這之后為加入人類活動的雙重影響；年、枯水季徑流序列均存在6 a和30 a周期，而豐水季徑流在分析序列內(nèi)無明顯周期變化；降水指標(biāo)中的降水量、降水天數(shù)和降水次數(shù)，氣候因素中的蒸發(fā)和相對濕度，以及人類活動的所有指標(biāo)是與徑流顯著相關(guān)的影響因素；在無法實(shí)現(xiàn)分布式水文模擬時(shí)，改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)可以較好地模擬該流域徑流的時(shí)序演變過程。

關(guān)鍵詞：時(shí)序演變；徑流；改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)；小波變換法；高原內(nèi)陸河

中圖分類號：P333文獻(xiàn)標(biāo)志碼：A文章編號：16721683（2018）03001008

Evolution characteristics of runoff in the typical grassland inland river basin of Inner Mongolia Plateau

GAO Ruizhong1，2，BAI Yong1，LIU Tingxi1，2，WANG Xixi3，WANG Weina1

（1.Water Conservancy and Civil Engineering College of Inner Mongolia Agricultural University，Hohhot 010018，China；

2.Inner Mongolia Key Laboratory of Water Resources Protection and Utilization，Hohhot 010018，China；

3.Old Dominion University，Norfolk，Virginia，USA 23529）

Abstract：Inland river plays an important role in the social and economic development and regional water resources utilization in semiarid plateau areas of China.To recognize and simulate its evolution characteristics is very significant for the basin′s sustainable development.In this paper，Balager river basin was selected as the study object.Based on the hydrological，meteorological，and socioeconomic data in 19592015，we analyzed the characteristics of the runoff series by the double mass curve method，the cumulative departure method，the improved MK trend test，and the wavelet transform method.We used statistical correlation test to select the main input factors for runoff evolution simulation，and realized the simulation of annual and seasonal runoff series evolution by BP artificial network.The results showed that the runoff decreased significantly at the annual and seasonal scale.The abrupt change of runoff occurred in 1998，before which the runoff was mainly influenced by climate change，while after which by both human activities and climate change.There was a 6year period and a 30year period for the annual and dryseason runoff，yet the wetseason runoff showed no obvious periodic change.The impact factors significantly correlated with runoff included precipitation quantity，wet days，number of precipitation events，evaporation，relative humidity，and all indicators of human activity.The improved BP neural network can well simulate the evolution of runoff in this basin when the distributed hydrological simulation cannot be realized.

Key words：temporal evolution；runoff；the improved BP neural network；wavelet transform method；inland river on plateau

近年來，隨著全球氣候變化和人類活動影響的加強(qiáng)，部分河流的徑流量發(fā)生了顯著變化，這在我國北方半干旱地區(qū)的高原內(nèi)陸河流域尤為明顯[12]，這些變化或影響在一定程度上導(dǎo)致流域水資源時(shí)空上再分布、水循環(huán)改變和降水極端事件與山洪災(zāi)害發(fā)生，因此，變化環(huán)境下河川徑流的變化特征、影響分析和模擬等方面的研究已經(jīng)成為國內(nèi)外學(xué)者關(guān)注的熱點(diǎn)[15]。如王亮等[1]研究發(fā)現(xiàn)近50年灤河流域內(nèi)蒙段河川徑流呈明顯下降趨勢，并以SWAT模型對其進(jìn)行了模擬預(yù)測；王威娜等[2]采用累積距平法、雙累積曲線和累積量斜率變化率法對錫林河流域徑流和氣候變化特征及趨勢進(jìn)行了分析，定量評估了氣候變化和人類活動對徑流量變化的影響；劉兆飛等[3]利用MannKendall法和小波分析法對太湖流域1957-2009年氣象數(shù)據(jù)和徑流量的變化趨勢和周期特征進(jìn)行了研究；張勃等[4]對鶯落峽徑流量進(jìn)行模擬預(yù)測，為黑河流域未來水資源的合理調(diào)度及上下游制定合理的分水方案提供了依據(jù)；朱穎潔等[5]基于神經(jīng)網(wǎng)絡(luò)模擬的年徑流結(jié)果，定量分析了氣候變化和人類活動對西江梧州站徑流變化的影響程度?？梢钥闯觯瑢τ趶搅髯兓卣鞣治龊湍M預(yù)測的研究多數(shù)集中在我國主要河流及其支流，而對于資料相對缺乏的高原內(nèi)陸河草原流域卻少有文獻(xiàn)報(bào)道，也沒有針對該類流域從定量的角度進(jìn)行細(xì)致科學(xué)的分析和探討，因此，本文以內(nèi)蒙古高原內(nèi)陸河典型草原流域——巴拉格爾河流域?yàn)檠芯繉ο?，基于流域水文、氣象和社會?jīng)濟(jì)等數(shù)據(jù)，利用累積距平[67]、降水-徑流雙累積曲線[810]、改進(jìn)的MannKendall趨勢檢驗(yàn)[1117]、小波變換[5，1819]等方法對巴拉格爾河流域徑流演變規(guī)律進(jìn)行分析，并對徑流時(shí)序演變過程進(jìn)行模擬，旨在為內(nèi)蒙古高原典型草原內(nèi)陸河流域的水資源可持續(xù)利用和有效配置提供參考依據(jù)，對理解和認(rèn)識變化環(huán)境下高原內(nèi)陸河草原流域的生態(tài)水文過程及演變規(guī)律具有一定的現(xiàn)實(shí)意義。

第16卷 總第96期·南水北調(diào)與水利科技·2018年6月高瑞忠等·內(nèi)蒙古高原典型草原內(nèi)陸河流域徑流的時(shí)序演變特征1材料與方法

1.1研究區(qū)概況

巴拉格爾河流域（116°21′-119°31′ E， 43°57′-45°23′ N）位于內(nèi)蒙古錫林郭勒盟東部的西烏珠穆沁旗境內(nèi)，流域面積5 350 km2，海拔高度885～1 876 m，平均地形坡度007（圖1）。流域植被是以羊草和針茅為主的典型草原，土壤類型是以砂和粉砂為主的砂壤土，含有少量黏土。流域氣候?yàn)榈湫偷拇箨懶詺夂?，冬季?yán)寒、夏季炎熱，年均降水量334 mm，大部分降水來自6月-9月的降雨和10月-次年1月的降雪，流域年均蒸發(fā)量1 149 mm，遠(yuǎn)大于平均年降水量，平均氣溫12 ℃，夏季最高氣溫375 ℃，冬季最低-385 ℃，平均風(fēng)速15 km/h。流域內(nèi)主要經(jīng)濟(jì)為畜牧業(yè)，以及少量的工業(yè)。

1.2數(shù)據(jù)來源

本文主要使用了巴拉格爾河流域的氣象、水文和社會經(jīng)濟(jì)等數(shù)據(jù)。氣象數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)（http：//data.cma.cn），主要為西烏珠穆沁旗氣象站1959-2015年日數(shù)據(jù)，其中包括平均氣溫、相對濕度、降水量、風(fēng)速、日照時(shí)數(shù)、蒸發(fā)量等數(shù)據(jù)，鑒于內(nèi)陸河流域氣象站點(diǎn)少，又以國家氣象信息中心氣象資料實(shí)驗(yàn)室建立的05°×05°降水格點(diǎn)月值數(shù)據(jù)[20]作為補(bǔ)充。每個(gè)氣象序列包含20 819個(gè)日數(shù)據(jù)，經(jīng)檢驗(yàn)，除了蒸發(fā)量的缺測率為106%以外，其他氣象要素的缺測率均小于035%。本研究對缺測數(shù)據(jù)采用線性回歸和代表年分析進(jìn)行了插補(bǔ)。氣象數(shù)據(jù)無明顯突變點(diǎn)和隨機(jī)變化，數(shù)據(jù)變化相對一致，可以代表流域氣候狀況。水文數(shù)據(jù)來源于內(nèi)蒙古水文總局，為1959-2015年白音烏拉站的日徑流序列實(shí)測數(shù)據(jù)，資料序列完整。社會經(jīng)濟(jì)數(shù)據(jù)來源于錫林郭勒盟西烏珠穆沁旗政府統(tǒng)計(jì)年鑒，包括人口、國內(nèi)生產(chǎn)總值（GDP）、第一產(chǎn)業(yè)產(chǎn)值（PIP）、第二產(chǎn)業(yè)產(chǎn)值（SIP）、第三產(chǎn)業(yè)產(chǎn)值（TIP）和牲畜數(shù)目等。研究區(qū)子流域劃分、水系、氣象站點(diǎn)及水文站點(diǎn)分布見圖1。

1.3研究方法

1.3.1徑流演變的突變點(diǎn)檢測

對于突變點(diǎn)的劃分有很多方法，常用的有雙累積曲線法、累積距平法、有序聚類分析法和MannKendall法等，本文使用雙累積曲線法和累積距平法。累積距平法可以較為直觀地反映水文序列的突變年份，其計(jì)算公式為：

X∧t=∑ti=1（xi-），t=1，2，3，…，n（1）

式中：X∧t為序列x在第t年的累積距平值；xi為序列x第i年的數(shù)值；n為序列長度（a）；為序列x的平均值。

1.3.2徑流演變的趨勢檢測

MannKendall法已廣泛應(yīng)用于水文氣象時(shí)間序列的趨勢分析中，為了解決因序列正相關(guān)性增加趨勢顯著性的機(jī)率而導(dǎo)致趨勢誤判的問題，Hamed等[11]提出了考慮時(shí)間序列滯后自相關(guān)性的改進(jìn)MannKendall趨勢檢測方法，并在實(shí)踐中證明了有效性。這里采用該法來檢測研究區(qū)徑流序列在顯著水平α= 005時(shí)的趨勢性，主要計(jì)算過程為：（1）計(jì)算徑流序列{Y1，Y2，…，Yn}的Sen斜率Q；（2） 原始序列{Y1，Y2，…，Yn}減去Q 得到去趨勢序列{Y′1，Y′2，…，Y′n}，對其按數(shù)值從小到大賦予序號1到n ，進(jìn)而得到一個(gè)新的序列{y1，y2，…，yn}；（3）計(jì)算序列{y1，y2，…，yn}滯后i步的自相關(guān)系數(shù)ρ（i），并進(jìn)行顯著性水平α = 005的t 檢驗(yàn)；（4）計(jì)算nn*s比值和方差Var*（S）；（5）計(jì)算MannKendall 統(tǒng)計(jì)變量S；（6）計(jì)算改進(jìn)的MannKendall統(tǒng)計(jì)變量Z*；（7）徑流序列趨勢判定：當(dāng)Z* 為正值時(shí)，說明徑流序列為增加趨勢；當(dāng)Z* 為負(fù)值時(shí)，說明徑流序列為減少趨勢。Z*大于標(biāo)準(zhǔn)正態(tài)95%分位數(shù)時(shí)，表明徑流序列在顯著性水平α= 005時(shí)存在顯著趨勢。主要計(jì)算公式如下：

Q=Tm+12m為奇數(shù)

Tm2+Tm+122 m為偶數(shù)（2）

ρ（i）=∑n-ik=1（yk-）（yk+i-k+i）[∑n-ik=1（yk-）2（yk+i-k+i）2]0.5

i=1，2，…，n-3（3）

ti=ρ（i）1-[ρ（i）]2n-i-2i=1，2，…，n-3（4）

nn*s=1+2n（n-1）（n-2）·

∑n-3i=1[（n-i）（n-i-1）（n-i-2）·ρs（i）]（5）

Var*（S）=n（n-1）（2n+5）-∑npp=1[mp（mp-1）（2mp+5）]18·nn*s（6）

S=∑n-1k=1∑nj=k+1sign（Yj-Yk）（7）

sign（Yj-Yk）1ifYj>Yk

0ifYj=Yk

-1ifYj

k=1，2，…，n-1；j=k+1，k+2，…，n（8）

Z*=S-1Var*（S）ifS>0

0ifS=0

S+1Var*（S）ifS<0（9）

式中：n為序列長度；Ti=Yj-Ykj-k；m=n（n-1）2，i=1，2，…，n（n-1）2；k=1，2，…，n-1；j=k+1，k+2，…，n；為序列{y1，y2，…，yn}的均值；np 為序列數(shù)據(jù)組的數(shù)目；mp 為第p個(gè)數(shù)據(jù)組中數(shù)據(jù)點(diǎn)的數(shù)目。

1.3.3徑流演變的周期性分析

小波變換[1819]能夠有效地識別、判斷和提取水文時(shí)序中的周期成分，是序列時(shí)頻分析的一種重要手段，其主要計(jì)算步驟為：（1）將流域徑流序列進(jìn)行距平處理；（2）將距平后的序列和Morlet小波函數(shù)代入公式（10），取不同的a和b，計(jì)算小波變換系數(shù)wf（a，b），繪制以年份b為橫坐標(biāo)，不同時(shí)間尺度a為縱坐標(biāo)的二維小波變換系數(shù)等值線圖；（3）根據(jù)公式（11）由小波變換系數(shù)計(jì)算出小波方差Var，并繪制出小波方差圖，找出極大值點(diǎn)對應(yīng)的時(shí)間尺度a，即為其周期T。

wf（a，b）=|a|12Δt∑ni=1f（i·Δt）i·Δt-ba（10）

Var（a）=∫+∞-∞|wf（a，b）|2db（11）

式中：a為尺度參數(shù)；b為平移參數(shù)；n為數(shù)據(jù)個(gè)數(shù)；i=1，2，…，n；Δt為采樣時(shí)間間隔；（x）是小波函數(shù)Ψ（x）的復(fù)共軛函數(shù)。

1.3.4徑流的時(shí)序演變模擬

（1）徑流模擬的影響因子篩選。

這里采用統(tǒng)計(jì)相關(guān)檢驗(yàn)法從氣候和人類活動多種因素中篩選模型模擬輸入因子，主要步驟為：（a）利用公式（12）計(jì)算徑流與影響因素的互相關(guān)系數(shù)rk（x，y）；（b）以公式（13）計(jì)算α=005下徑流與影響要素之間相關(guān)系數(shù)的最低值；（c）當(dāng)相關(guān)系數(shù)rk（x，y）<|r0k|min時(shí)，可接受徑流與該影響因素序列為獨(dú)立的這一假設(shè)，排除該因素為影響徑流的主導(dǎo)因素；而當(dāng)rk（x，y）>|r0k|min時(shí)，徑流與該影響因素為相關(guān)序列的假設(shè)。

rk（x，y）=∑n-kt=1（xt-）（yt+k-）∑nt=1（xt-）2（yt-）21/2（12）

式中：xt和yt分別為徑流和影響要素（氣候或人類活動）的時(shí)間序列；k為時(shí)移；n為數(shù)據(jù)個(gè)數(shù)；和為樣本均值。

|r0k|min=tpt2p+n-2（13）

式中：|r0k|min為徑流與影響要素之間相關(guān)系數(shù)的最低值；p為顯著性水平；tp為分布雙側(cè)檢驗(yàn)的臨界值；n為數(shù)據(jù)個(gè)數(shù)。

（2）徑流的時(shí)序演變模擬模型。

人工神經(jīng)網(wǎng)絡(luò)模型具有自我學(xué)習(xí)、自我適應(yīng)能力，尤其對于尚不能用確切函數(shù)表示的問題，模型具有較好識別、仿真能力。BP神經(jīng)網(wǎng)絡(luò)模型解決了多層前饋網(wǎng)絡(luò)的學(xué)習(xí)問題，在各學(xué)科各個(gè)方面獲得了廣泛的應(yīng)用，BP神經(jīng)網(wǎng)絡(luò)算法的建模過程及各參數(shù)的確定原則詳見參考文獻(xiàn)[4]。這里用來模擬巴拉格爾河流域水文年、水文季尺度徑流量時(shí)序演變的神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)見圖2。

2結(jié)果與討論

2.1突變特征

通過巴拉格爾河流域降水徑流雙累積曲線可以初步判斷徑流序列突變拐點(diǎn)為1998年（圖3），但由于徑流量與降水量的變化規(guī)律不一致，導(dǎo)致突變拐點(diǎn)不顯著，還需通過徑流、降水累積距平分析來進(jìn)一步確定突變拐點(diǎn)。巴拉格爾河流域徑流突變點(diǎn)為1965年、1985年和1998年（圖4），結(jié)合降水-徑流雙累積曲線進(jìn)一步確定徑流序列最顯著的突變拐點(diǎn)為1998年。在1998年之前反映了巴拉格河流域徑流變化主要受到降水變化的影響，而在1998年之后，人類活動的影響逐漸顯現(xiàn)，徑流量的變化除了受到降水等自然因素的影響外，還疊加了人類活動的影響（圖3）。

2.2趨勢變化特征

由改進(jìn)MannKendal檢驗(yàn)可知，在α=005顯著性水平下，年徑流量（p=0042）及枯水季徑流量（p =0003）下降趨勢顯著，而豐水季徑流量（p=0117）呈不顯著的下降趨勢（表1）。無論時(shí)間尺度如何，巴拉格爾河流域徑流總體呈現(xiàn)下降趨勢。

2.3周期變化特征

對巴拉格爾河流域水文年、季徑流序列進(jìn)行小波變換分析，流域年徑流存在兩個(gè)明顯的特征時(shí)間尺度，分別為3～9 a、24～33 a，并且小波方差存在兩個(gè)較為明顯的峰值（圖5（a）），表明其對應(yīng)的6 a和30 a為年徑流序列的周期，其中30 a尺度變化周期方差貢獻(xiàn)最大，表明流域徑流存在30 a的顯著周期，頻率方差在6 a尺度存在一個(gè)不太明顯的波峰，表明序列在6 a左右存在不顯著周期；豐水季徑流序列沒有顯著的頻率方差極值，說明流域豐水季徑流在分析序列中不存在顯著周期，但從方差曲線的上升趨勢來看，豐水季徑流應(yīng)遵循一個(gè)更大的周期變化，這決定著流域豐水季徑流在整個(gè)研究時(shí)間域內(nèi)的變化特性（圖5（b））；類似于年尺度，流域枯水季徑流序列存在 6 a、30 a時(shí)間尺度的周期（圖5（c）），這些周期的波動表明巴拉格爾河流域枯水季徑流在時(shí)間域的變化決定著整個(gè)年徑流的變化特性。

2.4時(shí)序演變模擬

2.4.1徑流與環(huán)境因素關(guān)系的統(tǒng)計(jì)檢驗(yàn)

流域徑流受到氣候、流域特征和人類活動等因素的影響，這里計(jì)算氣候因素（降水特征指標(biāo)和其他氣象指標(biāo)）和人類活動因素與研究區(qū)徑流量的相關(guān)性，以分析徑流變化與影響因素的密切程度。由于降水與徑流的關(guān)系密切，因此這里特別對降水指標(biāo)進(jìn)行細(xì)化，對降水量、降水天數(shù)、降水次數(shù)、最大降水強(qiáng)度、平均降水強(qiáng)度等降水特征指標(biāo)與徑流的相關(guān)性進(jìn)行了分析。

用統(tǒng)計(jì)相關(guān)檢驗(yàn)法分析氣象要素、社會經(jīng)濟(jì)指標(biāo)與徑流的相關(guān)性，以判斷變量之間的密切程度，自然對數(shù)變換可以增強(qiáng)徑流和各影響因素之間的相關(guān)性（表2）。在95%的置信水平下，進(jìn)行雙側(cè)t檢驗(yàn)（|r0k|min=036），流域年徑流與氣象要素中的降水量、降水天數(shù)、降水次數(shù)、平均降水強(qiáng)度、相對濕度呈顯著正相關(guān)，與人類活動因素中的所有經(jīng)濟(jì)指標(biāo)呈顯著負(fù)相關(guān)，這表明降水特征指標(biāo)及相對濕度越大，巴拉格爾河流域的徑流量越大，而人口數(shù)量越多，經(jīng)濟(jì)社會發(fā)展速度越快，徑流量越小；流域豐水季徑流與氣候因素中所有的降水特征指標(biāo)、相對濕度以及與所有的人類活動因素呈顯著正相關(guān)，與氣候因素中的日照時(shí)間、溫度呈顯著負(fù)相關(guān)；對于流域枯水季徑流，僅與氣候因素中降水天數(shù)、降水次數(shù)、相對濕度以及所有的人類活動因素呈顯著正相關(guān)?？傮w來看，無論水文年，還是豐水季或枯水季徑流，除氣候變化影響外，人類活動也已成為徑流變化的主要驅(qū)動因素，主要原因?yàn)樵诟珊蛋敫珊蹈咴瓋?nèi)陸河流域人口數(shù)量快速增長，人類活動加劇，經(jīng)濟(jì)快速發(fā)展等一系列因素導(dǎo)致流域用水量猛增，從而使徑流量急劇減少。

2.4.2徑流時(shí)序的演變模擬分析

選擇1986-2010年的徑流實(shí)測序列資料進(jìn)行模型參數(shù)識別，以2011-2015年的序列資料進(jìn)行模型的檢驗(yàn)。以統(tǒng)計(jì)檢驗(yàn)（表2）中與徑流顯著相關(guān)的指標(biāo)作為作為神經(jīng)網(wǎng)絡(luò)模型模擬輸入因子（即輸入層節(jié)點(diǎn)），水文年尺度選擇降水量、降水天數(shù)、降水次數(shù)、平均降水強(qiáng)度、蒸發(fā)量、相對濕度、GDP、PIP、SIP和TIP等10個(gè)指標(biāo)，豐水季選擇降水量、降水天數(shù)、降水次數(shù)、最大降水強(qiáng)度、平均降水強(qiáng)度、日照時(shí)間、相對濕度、溫度、人口、GDP、PIP、SIP和TIP等13個(gè)指標(biāo)，枯水季選擇降水天數(shù)、降水次數(shù)、相對濕度、人口、GDP、PIP、SIP和TIP等8個(gè)指標(biāo)；隱含層層數(shù)取1，隱含層節(jié)點(diǎn)數(shù)通過試算法確定，分別為15、18和10；輸出層節(jié)點(diǎn)分別為各時(shí)間尺度對應(yīng)的徑流深。水文年、豐水季和枯水季分別經(jīng)過6 000、5 000和5 500次學(xué)習(xí)訓(xùn)練后，神經(jīng)網(wǎng)絡(luò)模型實(shí)測徑流和計(jì)算值擬合誤差在模型識別和檢驗(yàn)階段均取得較好的效果，網(wǎng)絡(luò)全局誤差依次為001、011和018。

對巴拉格爾河流域年季尺度下的徑流量建模樣本和檢驗(yàn)樣本的實(shí)際值和模擬值對比（圖6、表3）可以看出，在模型識別期，枯水季徑流量的平均相對誤差最小，而豐水季徑流量的平均相對誤差最大；在模型檢驗(yàn)期，枯水季徑流量的平均相對誤差為1709%，豐水季徑流量模擬偏差較大，平均相對誤差為1873%，而年徑流量的模擬效果最好，平均相對誤差為1623%。在基準(zhǔn)期，年徑流量的平均相對誤差最小，為107%，豐水季徑流量、枯水季徑流量的平均相對誤差分別為303%、219%；在變化期，枯水季徑流量的平均相對誤差最小，為421%，年徑流量、豐水季徑流量的平均相對誤差分別為1680%、2036%?？傮w而言，無論是模型識別和檢驗(yàn)階段，還是徑流基準(zhǔn)期和變化期，豐水季徑流的模擬偏差均大于其他時(shí)間尺度，分析其主要原因可能為，盡管豐水季降水量較多，但蒸散發(fā)量也相對較

5討論

研究區(qū)的降水-徑流關(guān)系在1998年左右改變，在相同的降水量條件下，基準(zhǔn)期產(chǎn)生的徑流量比變化期產(chǎn)生的徑流量大，流域天然徑流特征發(fā)生改變，這與焦瑋等[22]關(guān)于錫林河流域的研究結(jié)果基本一致，而與Wang XiXi[12]等關(guān)于該流域的突變年份（1994年）劃分不一致，究其原因可能是突變點(diǎn)確定方法不同、研究的時(shí)間尺度不同、以及研究所采用的時(shí)間序列長短不一致導(dǎo)致。

由統(tǒng)計(jì)相關(guān)檢驗(yàn)分析得出降水與徑流的關(guān)系與劉洪蘭等[21]關(guān)于黑河流域的分析結(jié)果相近，但其僅對氣候因素與徑流之間的相關(guān)性進(jìn)行了分析，沒有將氣候和人類活動要素與徑流進(jìn)行綜合分析，并且本次研究在前人研究的基礎(chǔ)上，不僅將在水文年、季的多時(shí)間尺度下進(jìn)行了的徑流分析，還通過各要素的對數(shù)變換以增強(qiáng)徑流和各影響因素的相關(guān)性，使分析結(jié)果更精確。

以BP神經(jīng)網(wǎng)絡(luò)來模擬氣候波動和人類活動影響下的流域年、季尺度下的徑流量，這與朱穎潔等[5]關(guān)于西江流域降水徑流演變分析中采用的方法類似，但本論文對于降水特征因素進(jìn)行了進(jìn)一步的指標(biāo)細(xì)化，并預(yù)先對于模擬輸入因子進(jìn)行了統(tǒng)計(jì)相關(guān)檢驗(yàn)的篩選，以提高徑流序列模擬精度。

巴拉格爾河流域存在多種因素對徑流變化產(chǎn)生影響，各種因素之間的相互作用較為復(fù)雜，BP神經(jīng)網(wǎng)絡(luò)只是一種人工智能方法，在沒有合適的物理機(jī)制模型情況下是一種快速解決徑流模擬問題的有力手段，其和基于徑流機(jī)理機(jī)制的分布式水文模型（如SWAT、MIKE SHE等模型）的耦合方法是今后研究的關(guān)鍵方向[23]。

3結(jié)論

（1）巴拉格爾河流域水文年、枯水季徑流在1959-2015年呈現(xiàn)顯著的下降趨勢，在1998年出現(xiàn)拐點(diǎn)，降水徑流關(guān)系發(fā)生改變，人類活動進(jìn)程的加劇改變了天然徑流發(fā)生的機(jī)制和變化規(guī)律。

（2）巴拉格爾河流域水文年徑流、枯水季徑流存在6 a和30 a左右的變化周期，豐水季徑流在分析序列中不存在顯著周期，枯水季徑流在研究時(shí)間域內(nèi)的變化決定著整個(gè)年徑流的變化特性。。

（3）通過以社會經(jīng)濟(jì)指標(biāo)量化人類活動影響和細(xì)化降水特征因素，運(yùn)用統(tǒng)計(jì)相關(guān)檢驗(yàn)法篩選出了變化環(huán)境下以人類活動為主的影響徑流的主要因素，徑流受到它們直接或間接的影響而發(fā)生變化。

（4）BP神經(jīng)網(wǎng)絡(luò)模型對于巴拉格爾河流域徑流量與氣候和人類活動因素之間非線性函數(shù)關(guān)系模擬效果總體較好，表明在無法實(shí)現(xiàn)分布式水文模擬時(shí)，可以考慮在該流域應(yīng)用該方法。

研究成果可以為我國高原內(nèi)陸河草原流域水資源可持續(xù)利用和有效配置提供參考依據(jù)，對于認(rèn)識變化環(huán)境下內(nèi)陸河流域的水文循環(huán)過程和演變規(guī)律、生態(tài)環(huán)境保護(hù)與管理具有一定的現(xiàn)實(shí)意義。

參考文獻(xiàn)（References）：

[1]王亮，高瑞忠，劉玉才，等.氣候變化和人類活動對灤河流域內(nèi)蒙段河川徑流的影響分析[J].水文，2014，34（3）：7079.（WANG L，GAO R Z，LIU Y C，et al.Impact of climate change and human activities on runoff in neimeng reach of Luanhe River[J].Journal of China Hydrology，2014，34（3）：7079.（in Chinese））

[2]王威娜，高瑞忠，王喜喜，等.錫林河流域徑流變化規(guī)律及氣候波動和人類活動影響的定量分析[J].水土保持研究，2018，25（2）：347353.（WANG W N，GAO R Z，WANG X X，et al.Quantitative analysis of runoff variations as affected by climate variability and human activity in the Xilin River Basin[J].Research of Soil and Water Conservation，2018，25（2）：347353.（in Chinese））

[3]劉兆飛，王翊晨，姚治君，等.太湖流域降水、氣溫與徑流變化趨勢及周期分析[J].自然資源學(xué)報(bào)，2011，26（9）：15751584.（LIU Z F，WANG Y C，YAO Z J，et al.Trend and periodicity of precipitation，air temperature and runoff in the Taihu Lake Basin[J].Journal of Natural Resources，2011，26（9）：15751584.（in Chinese））

[4]張勃，王海青，張華，等.基于人工神經(jīng)網(wǎng)絡(luò)的鶯落峽月徑流模擬預(yù)測[J].自然資源學(xué)報(bào)，2009，24（12）：21692177.（ZHANG B，WANG H Q，ZHANG H，et al.The simulation and predication of monthly runoff in Yingluoxia based on artificial neural network[J].Journal of Natural Resources，2009，24（12）：21692177.（in Chinese））

[5]朱穎潔，郭純青，黃夏坤，等.氣候變化和人類活動影響下西江梧州站降水徑流演變研究[J].水文，2010，30（3）：5055.（ZHU Y J，GUO C Q，HUANG X K，et al.Change of precipitation and runoff at Wuzhou Station on Xijiang River under influence of climate changes and human activities[J].Journal of China Hydrology，2010，30（3）：5055.（in Chinese））

[6]陳錫云，郭東靜，高曉棟，等.涇河合水川流域近50年徑流演變特征及影響因素分析[J].地理學(xué)報(bào)，2016，36（1）：114120.（CHEN X Y，GUO D J，GAO X D，et al.Runoff evolution and its impacting factors in the Heshuichuan Basin of the Jinghe River in the past 50 years[J].Acta Geographica Sinica，2016，36（1）：114120.（in Chinese））

[7]胡珊珊，鄭紅星，劉昌明，等.氣候變化和人類活動對白洋淀上游水源區(qū)徑流的影響[J].地理學(xué)報(bào)，2012，67（1）：6270.（HU S S，ZHENG H X，LIU C M，et al.Assessing the impacts of climate variability and human activities on stream flow in the water source area of Baiyangdian Lake[J].Acta Geographica Sinica ，2012，67 （1）：6270.（in Chinese））

[8]左德鵬，徐宗學(xué)，隋彩虹，等.氣候變化和人類活動對渭河流域徑流的影響[J].北京師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，49（23）：115123.（ZUO D P，XU Z X，SUI C H，et al.Impact of climate change and human activity on stream flow in the Wei river basin[J].Journal of Beijing Normal University（Natural Science），2013，49（23）：115123.（in Chinese））

[9]張利平，于松延，段堯彬，等.氣候變化和人類活動對永定河流域徑流變化影響定量研究[J].氣候變化研究進(jìn)展，2013，9（6）：391397.（ZHANG L P，YU S Y，DUAN Y B，et al.Quantitative assessment of the effects of climate change and human activities on runoff in the Yongding River Basin[J].Progressus Inquisitiones DE Mutatione Climatis ，2013，9（6）：391397.（in Chinese））

[10]張永勇，張士鋒，翟曉燕.氣候變化下石羊河流域徑流模擬與影響量化[J].資源科學(xué)，2013，35（3）：601609.（ZHANG Y Y，ZHANG S F，ZHAI X Y，et al.Runoff Simulation on the impact of climate change in the Shiyang River Basin[J].Resources Science，2013，35（3）：601609.（in Chinese））

[11]HAMED，K H RAO.A modified MannKendall trend test for autocorrelated data[J].Hydrol，1998，204，182196.

[12]WANG X X，YANG X M.Trend and extreme occurrence of precipitation in a midlatitude Eurasian steppe watershed at various time scales[J].Hydrological Processes，2014，28（22）：55475560.

[13]周平，陳剛，劉智勇，等.東江流域降水與徑流演變趨勢及周期特性分析[J].生態(tài)科學(xué)，2016，35（2）：4451.（ZHOU P，CHEN G，LIU Z Y，et al.Variation trend and periodicity analysis of precipitation and runoff in Dongjiang Watershed[J].Ecological Science，2016，35（2）：4451.（in Chinese））

[14]劉劍宇，張強(qiáng)，陳喜，等.氣候變化和人類活動對中國地表水文過程影響定量研究[J].地理學(xué)報(bào)，2016，71（22）：18751885.（LIU J Y，ZHANG QI，CHEN X.et al.Quantitative evaluations of human and climateinduced impacts on hydrological processes of China[J].Acta Geographica Sinica，2016，71（22）：18751885.（in Chinese））

[15]李雪，李運(yùn)剛，何嬌楠，等.19562013年元江紅河流域徑流變化及其影響因素分析[J].資源科學(xué)，2016，38（6）：11491159.（LI X，LI Y G，HE J N，et al.Analysis of variation in runoff and impacts factors in the YuanjiangRed River Basin from 1956 to 2013[J].Resources Science，2016，38（6）：11491159.（in Chinese））

[16]WANG S J，YAN Y X，YAN M，et al.Quantitative estimation of the impact of precipitation and human activities on runoff change of the Huangfuchuan River basin[J].Journal of Geographical Sciences，2012，22（5）：906918.

[17]王隨繼，李玲，顏明.氣候和人類活動對黃河中游區(qū)間產(chǎn)流量變化的貢獻(xiàn)率[J].地理研究，2013，32（3）：395402.（WANG S J，LI L，YAN M.The contributions of climate change and human activities to the runoff yield changes in the middle Yellow River Basin[J].Geographical Research，2013，32（ 3）：395402.（in Chinese））

[18]周平，陳剛，劉智勇，等.東江流域降水與徑流演變趨勢及周期特征分析[J].生態(tài)科學(xué)，2016，35（2）：4451.（ZHOU P，CHEN G，LIU Z Y，et al.Variation trend and periodicity analysis of precipitation and runoff in Dongjiang Watershed[J].Ecological Science，2016，35（2）：4451.（in Chinese））

[19]劉二佳，張曉萍，張建軍，等.1956—2005 年窟野河徑流變化及人類活動對徑流的影響分析[J].自然資源學(xué)報(bào)，2013，28（7）：11591168.（LIU E J，ZHANG X P，ZHANG J J，et al.Variation of Annual Streamflow and the Effect of Human Activity in the Kuye River during 1956 to 2005[J].Journal of Natural Resources，2013，28（7）：11591168.（in Chinese））

[20]趙煜飛，朱江，許艷.近50a中國降水格點(diǎn)數(shù)據(jù)集的建立及質(zhì)量評估[J].氣象科學(xué)，2014，34（4）：414420.（ZHAO Y F，ZHU J，XU Y.Establishment and assessment of the grid precipitation datasets in China for recent 50 year[J].Journal of the Meteorological Sciences，2014，34（4）：414420.（in Chinese））

[21]劉洪蘭，張強(qiáng)，郭俊琴，等.黑河流域春季降水空間分異性特征及其與黑河流量的相關(guān)分析[J].中國沙漠，2014，34（6）：16331640.（LIU H L，ZHANG Q，GUO J Q，et al.Spatial differentiation of spring precipition in the Heihe river basin and its correlation with the river flow[J].Journal of Desert Research，2014，34（6）：16331640.（in Chinese））

[22]焦瑋，朱仲元，宋小園，等.近50年氣候和人類活動對錫林河流域徑流的影響[J].中國水土保持科學(xué)，2015，13（6）：904909.（JIAO W，ZHU Z Y，SONG X Y，et al.Impacts of climate change and human activities on runoff yield of the Xilin River Basin over nearly 50 years[J].Science of Soil and Water Conservation，2015，13（6）：904909.（in Chinese））

[23]蘇安玉，李衡，濮勵(lì)杰，等.基于RAGABP神經(jīng)網(wǎng)絡(luò)模型的三江平原地下水資源預(yù)測研究[J].地理科學(xué)，2013，9（6）： 391397.（SU A Y，LI H，PU L J，et al.Evaluation of groundwater resources based on RAGABP neural networks in the Sanjiang Plain[J].Scientia Geographica Sinica，2013，9（6）：391397.（in Chinese））第16卷第3期

2018年6月南水北調(diào)與水利科技