岷江上游小型水電站生態(tài)流量計算指標體系構建

陳 濤，李錦勝，李澤坤,王灼磊

(云南省生態(tài)環(huán)境廳駐大理州生態(tài)環(huán)境監(jiān)測站，云南 大理 671000)

前 言

生態(tài)流量[1]是維持水生物種基本整體性的最小流量，同時它可以為水生生物物種維持健康生育條件，確保它們基本固有生存條件。水資源綜合模型的層次結構[2]為:降雨和調水工程是水資源的主要來源，水資源可用于農業(yè)灌溉、工業(yè)生產使用、生活用水以及初始環(huán)境流量，當環(huán)境流量用于分配和管理水資源的時候，平衡生態(tài)系統(tǒng)水資源利用成果已經變成了一個需要重點解決的問題，大量文獻記載了提高水資源分配決策的最優(yōu)模型，因此生態(tài)流量在水資源的分配問題上就顯得非常重要。河流生態(tài)環(huán)境需水量[3]是指維系水電工程下游河段水生態(tài)系統(tǒng)基本穩(wěn)定所需的流量及過程, 生態(tài)需水量與下游生態(tài)系統(tǒng)狀況有直接關系，生態(tài)流量與生態(tài)需水量有一定的線性關系,因此生態(tài)需水量成為表征生態(tài)流量的指標。生態(tài)流量的計算成為國內外研究熱點的問題，美國于上世紀40年代開始研究生態(tài)流量，主要側重于有關最小可接受河流流量的研究，不僅滿足航運的需求、生態(tài)和平原水資源的需求，而且還滿足研究生態(tài)環(huán)境需水量研究萌芽階段形成的排水和廢水排放要求。我國的生態(tài)流量研究起步于上世紀，相關研究主要集中在干旱與半干旱區(qū)域供給與需求之間的矛盾，在海河和黑河盆地存在非常嚴重的水資源短缺問題，河流生態(tài)流量計算涉及生態(tài)學、水文學、水利學、水資源等方面的內容，21世紀以來生態(tài)需水量的計算已經變得相對成熟，生態(tài)流量計算是基于水文學方法、水利學方法、生境模擬方法和同步方法進行研究，但很多計算只限于單一的計算方法，各種計算方法尚未考慮多方面的影響因素，根據(jù)張麗等[4]的研究表明：生態(tài)需水量概念及其內涵存在著許多分歧，評價指標體系、方法尚不健全，因此弄清水電站生態(tài)流量的主要影響因素，建立小型電站生態(tài)流量指標體系對生態(tài)流量的計算具有重要的意義。

1 材料與方法

1.1 研究區(qū)域

岷江是長江上游左岸的主要支流之一，干流全長711km，流域面積13.588萬km2，落差3 560m，平均坡降5.01‰。沿途有較多的支流，現(xiàn)有松潘縣三個小型電站，分別位于岷江支流雙泉溝、先進溝、麻柳溝上，分別為新民水電站、金瓶巖水電站、五里村水電站，三座都為2.4MW的小型引水式電站。這三條小型河流水量主要由降雨補給，其次是地下水，還有小部份來源融雪、化冰，通過采用空間地理數(shù)據(jù)云30m分辨率數(shù)字高程模型數(shù)據(jù)，得到四川省及該區(qū)域內松潘縣岷江流域水系圖1。

圖1 岷江水系松潘縣DEMFig.1 The DEM of Minjiang River system in Songpan County

1.2 數(shù)據(jù)來源

1.2.1 小流域區(qū)域數(shù)據(jù)

根據(jù)三個電站初步設計報告，先進溝、麻柳溝、雙泉溝流域內即無水文站點也無氣象站點，鎮(zhèn)江關水文站位于松潘縣鎮(zhèn)江關鎮(zhèn)下游約3km，是離這三條河流較近的水文站點，鎮(zhèn)江關水文站控制流域與設計流域在降水、下墊面條件較為接近，故選用鎮(zhèn)江關水文站作為三條支流水文分析計算的基準站，松潘縣鎮(zhèn)江關水文站水文資料、松潘縣氣象站2006年1至12月氣象觀測資料可近似代表各個閘、廠址處的水文、氣象特性,生態(tài)流量與水文頻率密切相關[5]，相關資料研究表明[5～8]由于天氣的改變和人類的活動影響，河流流量遭遇了巨大的變化，下雨時由于雨量不均勻的分配、蒸發(fā)和氣溫的改變，影響了水資源的時空特征，同時由于季節(jié)的變化，汛期與非汛期適宜生態(tài)流量表現(xiàn)出明顯的不同[9]，在初步設計報告中選取與生態(tài)流量相關的8個水文氣候特征指標具體為：氣溫、相對濕度、降水量、多年平均風速、河流流量、蒸發(fā)量。

1.2.2 各河流特征數(shù)據(jù)

生態(tài)流量不僅與水文氣候數(shù)據(jù)有關系，同時還與各個河流特征有關，先進溝、麻柳溝、雙泉溝雖然大致在一個區(qū)域內，但每條河流有其自身的特點，其源頭高程、縱坡降、流域面積、河流長度等參數(shù)各不同，有相關研究表明[1]河道的流速受橫截面積、斜率、粗糙系數(shù)、水深、彎曲系數(shù)、湍流狀態(tài)等河流特征因素影響，按照岷江生態(tài)空間劃分[10]，岷江上游屬于優(yōu)先和重點保護水域，先進溝、麻柳溝、雙泉溝生態(tài)需水量還受棲息地維持、泥沙沉降量、生物保護、河流SS濃度值、景觀維護等生態(tài)環(huán)境狀況等方面影響[11～13]，根據(jù)初步設計報告中2006年勘測的金瓶巖水電站、五里村水電站、新民水電站、所在的先進溝、麻柳溝、雙泉溝河流特征數(shù)據(jù)為表1。

表1 河流特征參數(shù)Tab.1 The characteristic parameters of rivers

1.3 研究方法

1.3.1 主成分分析法

主成分分析法[14-15]是從多方面觀察研究對象，全面客觀的分析問題，考慮各個指標間的相互關系，利用降維的思想把多個指標轉化成較少的幾個互不相關的綜合指標，并盡可能保留原始數(shù)據(jù)的信息，從而使進一步研究變得簡單的一種統(tǒng)計方法，在分析之前，首先對數(shù)據(jù)進行標準化處理，以消除量綱不同和數(shù)值大小的影響,主成分(PC) 的個數(shù) k 的選取主要基于以下兩個原則: (1) 特征值≥1；(2) 累積貢獻率大于等于80%以上。

1.3.2 聚類分析

聚類分析法[16-17]是一種廣泛應用的聚類統(tǒng)計分析方法，其思想是先將每一個個體看做一類，然后將相近程度最高的兩類進行合并組成一個新類，再將該新類與相似度最高的類進行合并，不斷重復此過程，直到所有的個體都歸為一類，從而將相關的指標分為幾類，并且各個指標相關之間信息不重復，現(xiàn)在的研究建議是一種基于與主成分分析(PCA)相結合分層聚類的新方法[18],因此聚類分析可與主成分分析結合運用。

2 結果及討論

2.1 各個指標相關性分析

通過SPSS16.0對20個指標之間進行相關性分析，可以確定它們之間的相關關系，氣溫與相對濕度、降水日數(shù)、降雨量之間的相關性達到了0.90以上；降雨量與氣溫、相對濕度、降雨日數(shù)≥0.1mm、降雨日數(shù)≥10mm相關性系數(shù)達到了0.95以上；蒸發(fā)量與氣溫、降雨日數(shù)≥0.1mm、降雨日數(shù)≥10mm、降雨量相關性系數(shù)達到了0.80以上；河流流量、多年平均風速與其他指標相關性系數(shù)較?。缓恿魈卣髦笜酥g相關性分析中除生物保護投資、河流SS濃度值、景觀維護與其他指標相關性較低外，其他指標之間相關性較高，因此區(qū)域水文、氣象之間以及河流特征數(shù)據(jù)之間大多數(shù)指標存在很高的相關性，而水文、氣象指標信息與河流的特性指標之間相互獨立，互不影響。

2.2 生態(tài)流量指標分類

2.2.1 主成分建立

主成分分析是一種從混亂的數(shù)據(jù)集中提取相關信息的簡單非參數(shù)方法[19]，由于生態(tài)流量相關的指標較多，因此采用SPSS16.0對水文氣候指標、河流特征指標進行主成分分析降維，結果為：區(qū)域水文氣象指標第一主成分特征值為5.829，累積百分比為72.9%；第二主成分特征值為1.673，累積百分比為93.9%，前兩個主成分累積貢獻率大于80%以上，可代表水文氣象指標大部分信息；河流特征指標第一主成分特征值8.630，累積百分比為71.9%，第二主成分特征值3.370，累積貢獻率為100%，河流特征指標第一成分、第二主成分可代表河流特征指標大部分信息，根據(jù)主成分分析提取原則，區(qū)域水文氣象指PC1～PC2即為所提取的主成分，河流特征指標PC3、PC4即為所提取的主成分，區(qū)域水文氣候指標初始相關矩陣特征值、河流特征指標初始相關矩陣特征值詳見表2區(qū)域水文氣象、河流特征總方差分解。

表2 區(qū)域水文氣象、河流特征總方差分解Tab.2 The total variance explained of regional hydrology climate and river characteristic

2.2.2 生態(tài)流量指標體系構建

根據(jù)三個電站涉及生態(tài)流量的20個相關指標，主成分分析方法通過采用大量觀測變量轉化為新的、相當小的主成分變量從而實現(xiàn)對指標的降維[20]，這些變量保留了盡可能多的數(shù)據(jù)表中特定指標信息，從而構建了生態(tài)流量指標體系，水文氣象和河流特性各分為兩類指標，按照主成分的分析步驟，借助SPSS16.0提取主因子，從而得到了水文氣候信息和河流特征信息的分析結果如下表3。

表3 區(qū)域水文氣象和河流特征分析的因子載荷矩陣Tab.3 The component Matrix of Regional hydrology climate and river characteristic

續(xù)表3

根據(jù)表3中因子載荷的大小將生態(tài)流量的指標分為兩大類，第一大類為水文氣象指標，第一主成分氣候因子PC1在氣溫、降水量、降水日數(shù)≥10mm、降水日數(shù)≥0.1mm、相對濕度、蒸發(fā)量有較大載荷，我們將這一類因素歸納為氣候因子，第二主成分水文因子PC2在河流流量上有較大的載荷，反應了河流的基本情況，我們將其歸為水文因子PC2，根據(jù)多年平均風速與河流流量相關性僅為0.434，雖然它在第二主成分水文因子上有較大的載荷，但多年平均風速從性質上看為氣候因子，因此將其歸入氣候因子PC1；第二大類為河流特征指標，其中主成分河流特性因子PC3在平坡坡降、年泥沙沉降量、流域面積、源頭高程、河道長度上有較大的載荷，其反應了河流的基本特性，我們將其歸入河流特性因子PC3，其中多年平均徑流量、壩址多年平均流量與水文因子PC2指標性質較為接近，故將多年平均徑流量、壩址多年平均流量納入水文因子PC2，第四主成分PC4在生物保護投資、景觀維護、河流SS濃度值上有較大載荷，可歸納為生態(tài)功能因子，河流特性因子PC3中棲息地維持、植被覆蓋率載荷與生態(tài)功能因子PC4指標性質較為接近，可納入PC4指標，經過指標分類后，生態(tài)流量指體系的構建如下表4。

2.2.3 生態(tài)流量指標系統(tǒng)聚類

聚類分析方法采用分層聚類[14，21]，它是一種通過創(chuàng)建聚類樹在各種尺度上同時研究數(shù)據(jù)分組的方法 ，即聚類開始時把所有個體(觀測量或變量)都視為屬于一大類，然后根據(jù)距離和相似性逐步合并，至到合并為一個大類為止。聚類方法采用組間平均連接法，首先利用標準化方法對原始數(shù)據(jù)進行一次轉換，并采用歐式距離平法進行距離測度，然后聚類過程根據(jù)轉化后的的數(shù)據(jù)進行變量R型聚類，最終形成的圖2氣象水文樹形圖和圖3河流特性樹形圖，從圖2上可看出氣象水文數(shù)據(jù)中變量中(VAR00001、VAR00004、VAR00005、VAR00006、VAR00007、VAR00009、VAR00010)可歸為一類，而變量(VAR00002、VAR00003、VAR00008)可歸為一類；從圖3河流特性表中變量(VAR00011、VAR00013、VAR00014、VAR00017、VAR00019)可歸為一類,(VAR00012、VAR00015、VAR00016、VAR00018、VAR00020)可歸為一類，氣候水文數(shù)據(jù)聚類樹形圖和河流特性數(shù)據(jù)聚類樹形圖的分類類別與表6區(qū)域水文氣象和河流特征分析的因子載荷矩陣中的指標分類一致，因此氣候水文數(shù)據(jù)、河流特性指標的分類是合理的。

圖2 氣象水文樹形圖Fig.2 Meteorological and hydrological tree diagram

圖3 河流特征指標聚類樹形圖Fig.3 The cluster tree of river characteristic indexes

3 結 論

小型電站建設下泄生態(tài)流量可維持下游河流的生態(tài)平衡,滿足電站下游生物生存所需，結合松潘縣岷江上游支流的三個小型電站，歸納出了刻畫山區(qū)小型電站生態(tài)流量計算的指標，利用主成分分析法和分層聚類分析法，通過采用SPSS16.0 軟件，得到了影響生態(tài)流量分類指標以及評價指標，通過表征指標刻畫了小型電站生態(tài)流量計算指標體系，可得如下結論。

(1)小型電站生態(tài)流量主要與區(qū)域概況、河流特性、氣候水文以及下游生態(tài)狀況等有關，其中氣候水文指標之間、河流特性指標之間相關性較高。

(2)根據(jù)8個氣候水文數(shù)據(jù)指標中的12組變量和12個河流特性指標中3組變量，通過采用主成分分析，氣候水文數(shù)據(jù)可分為兩個主成分，即第一主成分：氣候因子，第二主成分：水文因子；河流特性數(shù)據(jù)也歸納為兩個主成分，即第三主成分：河流特性因子，第四主成分：生態(tài)功能因子，通過采用分層聚類的方法進行聚類分析，證實按照主成分分析的原理進行生態(tài)流量指標的劃分是合理的。

(3)小型電站生態(tài)流量指標體系的構建確立了與生態(tài)流量較為緊密的指標，為小型電站生態(tài)流量計算提供了參考依據(jù)。

致謝：感謝西南交通大學地球與環(huán)境工程學院王文勇教授對我論文材料及數(shù)據(jù)的支持。