氣候和土地利用變化對北三河流域生態(tài)系統(tǒng)水源供給服務(wù)功能的影響

李文靜 王盛 李慶 武桃麗 趙欣悅

摘要： 北三河流域是京津冀地區(qū)的重要水源地， 恰當(dāng)分析流域水源供給時空變化及驅(qū)動因素對維持生態(tài)系統(tǒng)安全與穩(wěn)定意義重大. 基于氣象、土地利用及土壤等數(shù)據(jù)， 利用InVEST模型的產(chǎn)水模塊分析了北三河流域2000—2017年水源供給量的時空變化特征， 通過情景模擬探討了氣候與土地利用變化對流域水源供給能力變化的貢獻(xiàn)程度. 結(jié)果表明， 2000—2017年， 北三河流域年均水源供給量為17.8 × 108 m3， 其年際變化呈增加趨勢， 增長率為1.03 × 108 m3/a. 水源供給量在空間上呈南高北低的分布格局， 南北部的平均產(chǎn)水深度分別為70.85 mm和8.83 mm， 水源供給高值區(qū)由東南泃河和還鄉(xiāng)河流域向西南溫河與永定北河流域轉(zhuǎn)移. 從不同的土地利用類型來看， 單位面積水源供給能力由高到低為： 建設(shè)用地 > 耕地 > 水域 >未利用地 > 林地 > 草地. 2000—2015年， 耕地的水源供給量最高， 占流域水源供給總量的51.3%， 而建設(shè)用地水源供給量增長幅度最大， 達(dá)到144.3%. 情景模擬結(jié)果表明， 氣候和土地利用變化對水源供給量增加的貢獻(xiàn)率分別為70.7%和29.3%， 降水量的激增起到主導(dǎo)作用.

關(guān)鍵詞： 水源供給能力； InVEST模型； 生態(tài)系統(tǒng)服務(wù)； 北三河流域

中圖分類號： X826； Q149 文獻(xiàn)標(biāo)志碼： A DOI：10.3969/j.issn.1000-5641.2021.04.012

The impacts of climate and land use changes on water yield in the Beisan River Basin

LI Wenjing1， WANG Sheng1， LI Qing2， WU Taoli1， ZHAO Xinyue1

（1. Geography Science Institute， Shanxi Normal University， Linfen Shanxi 041000， China； 2. Hebei Engineering Research Center for Geographic Information Application， Institute of Geographical Sciences， Hebei Academy of Sciences， Shijiazhuang 050011， China）

Abstract： The Beisan River Basin is an important water source for the Jing-Jin-Ji region. It is important to analyze the temporal and spatial changes in basin water yield and the corresponding driving factors to maintain the security and stability of the ecosystem. Based on meteorology， land use， and soil data， the water production module of the InVEST model was used to analyze the temporal and spatial change characteristics of water yield in the Beisan River Basin from 2000 to 2017. The contribution of climate and land use change to the change in water yield was explored through scenario simulation. The results showed that from 2000 to 2017， the average annual water yield of the Beisan River Basin was 17.8 × 108 m3； the annual change showed an increasing trend at a rate of 1.03 × 108 m3/a. The spatial distribution pattern of water yield was high in the south and low in the north. The average depth of water production in the south and north was 70.85 mm and 8.83 mm， respectively. The high value area of water yield was transferred from the southeast Juhe River and Huanxiang River Basin to the southwest Wenhe River and Yongdingbei River Basin. The water supply per unit area， ranked from high to low， across different land use types showed the following order： construction land > cultivated land > water area > unused land > forest land > grassland. From 2000 to 2015， the water yield of cultivated land was the highest， accounting for 51.3% of the total water yield of the basin， while that of construction land increased the most， reaching 144.3%. Scenario simulation results showed that climate and land use change contributed 70.7% and 29.3%， respectively， to the water yield increase， and the surge in precipitation played a leading role.

Keywords： water yield； InVEST model； ecosystem services； the Beisan River Basin

0 引 言

水資源是生命的源泉， 是人類生存和發(fā)展過程中不可缺少和替代的重要物質(zhì)， 在社會經(jīng)濟(jì)可持續(xù)發(fā)展進(jìn)程中具有重要作用[1]. 一個流域的水源供給能力是其生態(tài)過程與生態(tài)服務(wù)功能的基礎(chǔ)， 不僅制約著該流域的生態(tài)平衡與生物多樣性， 而且對人文經(jīng)濟(jì)發(fā)展布局存在顯著影響[2-4]. 當(dāng)前， 人類活動對流域水資源和水循環(huán)的影響日益加劇， 自然系統(tǒng)水循環(huán)原有的規(guī)律和平衡被打破， 由自然因素單一主導(dǎo)的循環(huán)過程轉(zhuǎn)變成自然環(huán)境變化和人為干擾共同影響的新天然—人工“二元”水循環(huán)系統(tǒng)[5-6]. 在區(qū)域氣候變化和人類活動的共同作用下， 流域水源供給能力日趨不穩(wěn)定， 水資源短缺、水環(huán)境惡化等問題嚴(yán)重威脅生態(tài)系統(tǒng)安全與穩(wěn)定， 多時段尺度的流域產(chǎn)水能力空間定量分析成為生態(tài)和水文相關(guān)研究的熱點(diǎn)問題[7-8].

對于流域生態(tài)系統(tǒng)服務(wù)功能研究， 早期多以定性描述和統(tǒng)計分析為主， 存在結(jié)果單一、動態(tài)性不足、空間性較弱等問題. 隨著RS與GIS技術(shù)的發(fā)展， 基于多因子綜合分析的模型工具（如InVEST、SWAT和MIKE SHE模型等）不斷開發(fā)和發(fā)展， 其中InVEST模型的應(yīng)用最為廣泛[9]. 近年來， 在京津冀地區(qū)基于InVEST模型的流域生態(tài)服務(wù)功能研究不斷涌現(xiàn). 李屹峰等[8]以密云水庫流域?yàn)檠芯繀^(qū)， 利用InVEST模型評估了生態(tài)系統(tǒng)的水源供給、土壤保持、固碳和水質(zhì)凈化等服務(wù)功能， 重點(diǎn)探討了土地利用變化對各服務(wù)功能的影響. 許丁雪等[10]對張家口—承德地區(qū)土地利用變化對產(chǎn)水量的影響進(jìn)行了評估， 認(rèn)為灌木林地是產(chǎn)水能力最高的生態(tài)用地類型. 吳瑞等[11]分析了官廳水庫流域產(chǎn)水能力的時空變化特征， 發(fā)現(xiàn)產(chǎn)水量整體呈減少趨勢， 氣候變化、土地利用和水保政策對庫區(qū)產(chǎn)水變化均存在不同程度的影響. 王大尚等[12]針對密云水庫上游流域的生態(tài)系統(tǒng)調(diào)節(jié)服務(wù)功能， 評估了水資源供給、土壤保持、水質(zhì)凈化等服務(wù)功能的空間特征， 并探討了生態(tài)系統(tǒng)服務(wù)與居民福祉的關(guān)系模式和管理策略.

北三河是京津冀地區(qū)重要的水源地之一， 尤其是上游密云水庫以上的潮白河流域， 被劃歸為京津冀北部水源涵養(yǎng)功能區(qū). 該流域人地關(guān)系緊張， 生態(tài)環(huán)境脆弱[8]. 隨著不斷加劇的人類活動， 流域土地利用覆蓋變化顯著， 其中耕地與林草地的分布和變化將直接影響水土保持功能[13]， 進(jìn)而對流域的水生態(tài)及水環(huán)境產(chǎn)生了一系列影響. 因此， 定量分析流域水源供給的時空變化及影響因素對制定合理的生態(tài)服務(wù)功能管理措施、促進(jìn)流域水資源的可持續(xù)發(fā)展意義重大. 目前， 針對該地區(qū)水源供給服務(wù)功能的評估多為單一時間尺度的靜態(tài)研究， 對產(chǎn)水能力影響因素貢獻(xiàn)率的定量分析更是鮮有涉及. 鑒于此，本研究利用InVEST模型的產(chǎn)水模塊， 分析了2000—2017年北三河流域水源供給服務(wù)功能的時空變化特征， 通過情景模擬， 定量區(qū)分了氣候和土地利用變化對流域水源供給量的貢獻(xiàn)率， 以期為區(qū)域水資源的優(yōu)化利用、規(guī)劃和管理決策提供科學(xué)依據(jù).

1 材料與方法

1.1 研究區(qū)概況

如圖1所示， 北三河流域地跨北京、天津和河北三省（直轄市）， 地形上西北高東南低， 山區(qū)和平原之間過渡帶較少， 北部為燕山山脈， 東南部為廣闊平原， 山區(qū)有密云水庫、于橋水庫等大型水庫[14]. 北三河流域總面積約38 400 km2， 干支流總長142.8 km， 屬于海河三級流域， 由北運(yùn)河、潮白河、薊運(yùn)河3條主要支流組成. 北運(yùn)河發(fā)源于北京市昌平區(qū)燕山南麓， 從天津大虹橋入海河； 潮白河由潮河、白河兩大支流組成， 分別發(fā)源于河北省的沽源縣與河豐寧縣， 兩支流在密云區(qū)南河槽村匯合后最終匯入永定河； 薊運(yùn)河由泃河、州河和還鄉(xiāng)河三大支流組成， 至九王莊匯合向南流于北塘入海[14]. 北三河流域?qū)贉貛Т箨懶约撅L(fēng)氣候， 多年平均降水量約580 mm， 降水年內(nèi)分布不均， 超過80%的降水集中在6—9月.

1.2 數(shù)據(jù)來源

本研究所需的數(shù)據(jù)分為氣象數(shù)據(jù)、遙感數(shù)據(jù)和社會經(jīng)濟(jì)數(shù)據(jù)3類. 氣象數(shù)據(jù)為2000—2017年北三河流域周邊28個國家氣象站的日尺度降水和潛在蒸散發(fā)資料， 來源于中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)（http：//cdc.cma.gov.cn/home.do）. 遙感數(shù)據(jù)包括土地利用、土壤和DEM（覆蓋流域的數(shù)字高程模型）等. 土地利用數(shù)據(jù)由中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心（http：//www.resdc.cn/）提供， 分為2000年、2005年、2010年和2015年4期， 空間分辨率為100 m × 100 m. 土壤數(shù)據(jù)來源于中國科學(xué)院南京土壤所完成的中國1∶100萬土壤數(shù)據(jù)庫， 包括土壤類型圖和土壤屬性數(shù)據(jù). DEM來源于中國科學(xué)院地理空間數(shù)據(jù)云（http：//www.gscloud.cn/）， 采用SRTM 90 m分辨率原始數(shù)據(jù). 社會經(jīng)濟(jì)數(shù)據(jù)主要包括河北省水資源公報和海河流域水資源公報提供的流域水資源量資料.

1.3 研究方法

1.3.1 產(chǎn)水模塊算法

InVEST模型產(chǎn)水模塊的核心算法是基于水量平衡原理， 結(jié)合氣候、土壤和土地利用類型計算得出研究區(qū)每個柵格的水源供給量. 其實(shí)質(zhì)為區(qū)域上某柵格單元的降雨量減去實(shí)際蒸散發(fā)后的水量， 包括地表產(chǎn)流、土壤含水量、枯落物持水量和冠層截留量[15]. 對于模型中最重要的實(shí)際蒸散量的計算， 根據(jù)Zhang等[16]基于Budyko水熱耦合平衡假設(shè)[17]提出的經(jīng)典算法. 具體的計算公式包括：

1.3.2 模型輸入與參數(shù)率定

模型輸入變量包括： 降水量（Px）、潛在蒸散發(fā)量（Ep）、根系限制層深度（DRoot）、植被可利用水含量（Wx）、植被蒸散系數(shù)（Kxj）、土地利用/覆被類型、根系深度和季節(jié)參數(shù)（Z ）. 氣象站點(diǎn)的降水量和潛在蒸散發(fā)量數(shù)據(jù)先處理為年尺度， 然后用ANUSP-LIN42模型進(jìn)行空間插值. 根系限制層深度是指由于土壤的物理化學(xué)性質(zhì)， 植物根系滲透被強(qiáng)烈抑制的深度， 常用土壤深度代替[15]， 可由土壤屬性數(shù)據(jù)直接獲取. 植被可利用水含量的計算采用周文佐等[18]提出的非線性擬合土壤AWC估算模型. 植被蒸散系數(shù)和根系深度借鑒海河流域[9]和河北省[19]相關(guān)研究成果， 結(jié)合河北省土地利用/覆被類型屬性，制成模型所需的生物物理參數(shù)表. 季節(jié)參數(shù)Z的率定過程為： 以特定年份的氣象和土地利用數(shù)據(jù)為模型輸入， 在0 ～ 30范圍內(nèi)多次改變Z值， 運(yùn)行模型得到一系列產(chǎn)水量結(jié)果， 通過描繪Z值與對應(yīng)產(chǎn)水量結(jié)果的散點(diǎn)圖， 構(gòu)建二者之間的數(shù)學(xué)關(guān)系. 借助SPSS軟件分析得出， 指數(shù)模型的擬合效果最好（2000—2017年共18個擬合指數(shù)模型均滿足R2 > 0.95， p = 0.00 < 0.01）. 借助水資源公報中北三河流域年尺度的地表水資源量數(shù)據(jù)（代表實(shí)際水源供給量）， 通過上述指數(shù)模型反推得到最適宜的Z值率定結(jié)果， 從而使模擬結(jié)果最大限度地接近實(shí)測值以減少誤差.

2 結(jié)果與分析

2.1 水源供給量時空變化特征

2.1.1 時間變化特征

北三河流域2000—2017年水源供給量、降水量、潛在蒸散發(fā)量和實(shí)際蒸散發(fā)量的年際變化狀況如圖2所示. 流域多年平均產(chǎn)水深度為46.62 mm， 相當(dāng)于水源供給量為17.9 × 108 m3. 2000—2017年， 北三河流域產(chǎn)水深度的年際變化呈現(xiàn)波動增加趨勢， 年均增長率為2.70 mm/a. 其中， 2012年水源供給服務(wù)能力最強(qiáng)， 流域產(chǎn)水深度達(dá)到122.10 mm， 水源供給總量為46.8 × 108 m3； 2002年水源供給服務(wù)能力最弱， 流域產(chǎn)水深度僅為2.37 mm， 水源供給總量為0.9 × 108 m3.

根據(jù)水量平衡原理， 降水是北三河流域水源供給量最重要的補(bǔ)給來源， 而蒸發(fā)是最主要的支出項.總體上， 2000—2017年流域降水量和實(shí)際蒸發(fā)量呈現(xiàn)波動增加態(tài)勢， 年均增長率為8.70 mm/a； 而潛在蒸散發(fā)量呈現(xiàn)減少趨勢， 年均減少率為3.76 mm/a. 降水量增加和潛在蒸散發(fā)量減少的協(xié)同變化導(dǎo)致了北三河流域水源供給量年際變化的增加趨勢. 經(jīng)相關(guān)性分析可知（見表1）， 2000—2017年， 北三河流域水源供給量與降水量和實(shí)際蒸散發(fā)量呈顯著正相關(guān)， 相關(guān)系數(shù)分別高達(dá)0.929 （p < 0.01）和0.844 （p < 0.01）； 而水源供給量與潛在蒸散發(fā)量呈不顯著的負(fù)相關(guān)， 相關(guān)系數(shù)僅為–0.301， 說明降水量是影響流域水源供給能力最重要的氣候因子.

2.1.2 空間分布格局和變化特征

為最大限度地消除氣候異常年份對水源供給功能評估帶來的不確定性， 流域水源供給量的空間分布分為2000年、2005年、2010年和2015年4期展示（見圖3）， 此結(jié)果為相鄰年份水源供給量的平均值， 其中2000年為2000—2002年、2005年為2003—2007年、2010年為2008—2012年、2015年為2013—2017年. 從空間分布上來看， 2000—2015年北三河流域水源供給量整體呈現(xiàn)出南高北低的分布格局. 南部水源供給量高值區(qū)主要分布在潮白河、溫河、薊運(yùn)河、泃河、北運(yùn)河、潮白新河以及還鄉(xiāng)河等流域， 占流域總面積的47.6%. 上述流域的多年平均產(chǎn)水深度為70.85 mm， 其中潮白河流域的產(chǎn)水能力最強(qiáng)， 產(chǎn)水深度高達(dá)86.85 mm. 北部水源供給量低值區(qū)集中分布在白河、湯河、黑河與潮河等流域， 占流域總面積的38.0%， 其平均產(chǎn)水深度僅為8.83 mm. 流域水源供給能力存在空間差異， 這與氣候和土地利用類型密切相關(guān). 北京、天津兩大城市群布局于流域南部， 建設(shè)用地和耕地占比高， 天然植被覆蓋度較差， 而北部地區(qū)土地利用類型以林地、草地為主， 植被覆蓋度高. 在植物蒸散發(fā)的作用下， 流域北部的生態(tài)耗水明顯多于南部， 加之流域南部地區(qū)的降水強(qiáng)度整體強(qiáng)于北部地區(qū)， 因此造成了流域水源供給能力南高北低的分布格局.

2000—2015年北三河流域水源供給能力整體上顯著增強(qiáng)（見圖4）， 年均產(chǎn)水深度由32.82 mm增加至56.79 mm， 15年間增加了23.97 mm （73.0%）， 相當(dāng)于水源供給量增加9.19 × 108 m3. 從空間變化特征上看， 2000—2015年不同子流域水源供給量增加存在明顯差異， 空間變化極不均勻， 表現(xiàn)為北部輕微增加、東南部中等增加而西南部顯著增加的特點(diǎn). 北部輕微增加的區(qū)域?yàn)榘缀?、黑河、湯河和潮河流域?占流域總面積的38.0%， 平均產(chǎn)水深度增加了9.39 mm； 東南部產(chǎn)水深度增加了46.11 mm， 主要分布在潮白新河、泃河、還鄉(xiāng)河、北京排污河、北運(yùn)河和薊運(yùn)河等流域， 占流域總面積的46.1%； 西南部顯著增加的區(qū)域?yàn)闇睾?、潮白河、永定河和永定新河等流域?約占流域總面積的15.1%， 產(chǎn)水深度增加79.02 mm.

2.2 不同土地利用類型產(chǎn)水分布特征

2.2.1 土地利用面積變化

北三河流域2000—2015年各類土地利用類型的面積變化如表2所示. 流域最主要的土地類型是耕地和林地， 約占流域總面積的70%； 其次是草地和建設(shè)用地， 面積占比超過25%； 水域和未利用地最少， 不足總面積的5%. 2000—2015年， 隨著城市化進(jìn)程的不斷加劇， 建設(shè)用地激增971 km2， 而其他5類土地利用類型的面積表現(xiàn)出不同程度的減少. 其中耕地面積減少最明顯， 從2000年的16 044 km2減少到2015年的15 297 km2， 共減少了747 km2； 水域面積次之， 其面積減少也達(dá)到142 km2；其余林地、草地和未利用地面積共減少97 km2， 變化幅度較小. 從間隔5年的階段性變化來看， 土地利用類型轉(zhuǎn)化主要發(fā)生在2000—2005年， 其間建設(shè)用地增加574 km2， 而耕地和水域分別減少418 km2和112 km2. 結(jié)合實(shí)際情況分析可知， 由于京津冀地區(qū)城市化、工業(yè)化的發(fā)展對土地的需求增加， 大量的耕地和水域向建設(shè)用地轉(zhuǎn)變， 從而促進(jìn)了土地利用/覆被的變化.

2.2.2 不同土地利用類型水源供給量

流域水源供給量一定程度上受下墊面的影響， 不同土地利用類型的水源供給量存在時空差異. 總體來看， 2000—2015年各土地利用類型單位面積水源供給能力由高到低依次為建設(shè)用地（75.22 mm）、耕地（61.23 mm）、水域（61.21 mm）、未利用地（57.31 mm）、林地（28.89 mm）、草地（21.81 mm）. 這是由于在植被的冠層、覆蓋度及根系的共同作用下， 可以增加蒸散發(fā)率、水土保持能力以及水分入滲率，因此有植被覆蓋的土地利用類型產(chǎn)水能力顯著低于建設(shè)用地[16，20-21]. 利用ArcGIS空間分析功能對不同土地利用類型下的水源供給總量進(jìn)行分類統(tǒng)計， 得出2000年、2005年、2010年和2015年4期各種土地覆被下的水源供給量變化情況（見圖5）. 整體來看， 耕地的水源供給量最高， 占流域水源供給總量的51.3%， 其次為建設(shè)用地（20.1%）和林地（17.9%）， 其余土地利用類型（尤其是未利用地）的水源供給量較少. 2000—2015年， 各土地利用類型的水源供給量均有所增加， 其中耕地增加最多， 達(dá)到4.06 ×108 m3 （65.8%）. 除未利用地外， 其余土地利用類型的水源供給量增長幅度均超過45%， 尤其是建設(shè)用地， 漲幅高達(dá)144.3%， 建設(shè)用地水源供給能力大幅提升與近年來京津冀地區(qū)城市化建設(shè)不斷擴(kuò)張、城市不透水表面增加及人類工業(yè)生活用水增加有較大關(guān)系. 從水源供給量的階段性變化來看， 產(chǎn)水能力最強(qiáng)的建設(shè)用地和耕地均在2010年達(dá)到峰值， 而林地和草地等生態(tài)用地在2010—2015年水源供給量仍有所增加. 這與2005年以來流域?qū)嵤┥鷳B(tài)林補(bǔ)償、礦山修復(fù)等生態(tài)修復(fù)工程密切相關(guān)， 而耕地產(chǎn)水能力由于退耕還林等生態(tài)建設(shè)的開展大幅減少， 說明生態(tài)建設(shè)工程已經(jīng)初見成效.

2.3 氣候和土地利用變化對水源供給量的貢獻(xiàn)率

通過情景設(shè)置來定量評估氣候和土地利用變化對流域水源供給量的貢獻(xiàn)率. 共設(shè)置8種情景（氣候和土地利用變化情景各4種）， 具體情景為調(diào)整2000—2005年、2005—2010年、2010—2015年、2000—2015年北三河流域氣候數(shù)據(jù)得到模擬時段平均產(chǎn)水深度Wm1， 調(diào)整土地利用數(shù)據(jù)得出各模擬時段流域平均產(chǎn)水深度Wm2， 結(jié)果如表3所示. 表中Wa代表研究時段開始年份的實(shí)際平均產(chǎn)水深度， L代表土地利用變化導(dǎo)致的產(chǎn)水深度變化， 而C代表氣候變化下的產(chǎn)水深度變化.

在8種氣候和土地利用變化情景下（見表3）， 氣候和土地利用變化對北三河流域水源供給能力都起到正向促進(jìn)作用. 以2000年的實(shí)際水源供給能力為基準(zhǔn)， 2000—2015年氣候條件改變的情境下流域平均產(chǎn)水深度增加51.04 mm， 土地利用條件改變的情境下產(chǎn)水深度增加21.12 mm， 氣候和土地利用變化對流域水源供給的貢獻(xiàn)率分別是70.7%和29.3%. 在4個模擬時段內(nèi)， 僅在2010—2015年流域平均產(chǎn)水深度有所減少， 從2010年的57.24 mm減少至2015年的51.61 mm. 其間土地利用對水源供給變化起主導(dǎo)作用， 貢獻(xiàn)率為55.7%， 而氣候變化的貢獻(xiàn)率為44.3%. 而在2000—2005年和2005—2010年兩個模擬時段內(nèi)， 氣候變化對水源供給的貢獻(xiàn)率更高， 尤其是2005—2010年， 氣候變化的貢獻(xiàn)率高達(dá)85.1%， 而土地利用變化的貢獻(xiàn)率只有14.9%.

3 討 論

在京津冀地區(qū)， 已有學(xué)者關(guān)注到不同土地利用類型及其變化對水源供給能力的影響. 如Li等[22]發(fā)現(xiàn)土地利用變化對產(chǎn)水量的影響主要由土地利用類型的生物物理特征決定， 有植被覆蓋土地類型的產(chǎn)水能力明顯低于建設(shè)用地. 在流域尺度， 本研究通過情景模擬發(fā)現(xiàn)， 氣候因素對北三河流域水源供給量變化起主導(dǎo)作用， 其貢獻(xiàn)率達(dá)到70.7%. 這與Xu等[23]在北三河支流北運(yùn)河流域的研究結(jié)果相近. 分析原因發(fā)現(xiàn)， 北三河流域最主要的土地利用類型轉(zhuǎn)化為耕地和水域向建設(shè)用地的轉(zhuǎn)變， 建設(shè)用地、耕地和水域的產(chǎn)水能力在各土地利用類型中最強(qiáng)， 而且彼此之間差距相對較小， 造成整體上土地利用變化對水源供給的影響較小. 2000—2015年北三河流域降水量激增126.23 mm （30.71%）， 其中2010—2015年微弱減少18.07 mm （–3.25%）. 因此， 2010—2015年土地利用變化對流域水源供給變化的貢獻(xiàn)率較大， 主要原因是降水量變化幅度小， 導(dǎo)致氣候變化的貢獻(xiàn)率降低， 致使土地利用變化的貢獻(xiàn)率相對提高. 但從整個研究時段（2000—2015年）來看， 降水量的顯著增加仍起到?jīng)Q定性作用. 在同樣受人類活動影響深遠(yuǎn)的浙江省寧波地區(qū)與江西省都昌縣， 竇攀峰等[7]研究發(fā)現(xiàn)2000—2015年氣候變化對寧波產(chǎn)水的貢獻(xiàn)率高達(dá)97.56%， 而土地利用變化僅為2.44%； 孫建偉[24]研究發(fā)現(xiàn)2000—2015年氣候變化對都昌縣產(chǎn)水的貢獻(xiàn)率在90%以上， 而土地利用變化不足10%. 結(jié)合北三河流域的研究結(jié)果發(fā)現(xiàn)， 即使在人類活動頻繁的地區(qū)， 相比于土地利用變化， 氣候因素仍可能是影響區(qū)域水源供給量變化的主要因素.

目前， InVEST模型廣泛應(yīng)用于各種時空尺度的生態(tài)系統(tǒng)服務(wù)功能評價， 其中， 產(chǎn)水模塊用于模擬水源供給量變化及驅(qū)動因素的分析. 在本研究中， 采用河北省和海河流域水資源公報年尺度數(shù)據(jù)對季節(jié)參數(shù)Z值進(jìn)行逐年率定， 使模擬結(jié)果最大限度地接近實(shí)測值以減少誤差. 校準(zhǔn)后的模型對流域產(chǎn)水驅(qū)動力分析及變化趨勢的模擬結(jié)果與研究區(qū)現(xiàn)有研究結(jié)果較為一致. 由于模型自身存在一定的局限性， 對于地表水和地下水沒有明確區(qū)分， 模擬結(jié)果無法精確到逐個像元位置. 但綜合來看， 模擬結(jié)果可以反映流域水源供給量總體的變化趨勢與空間分布， 模擬精度滿足要求.

4 結(jié) 論

基于InVEST模型產(chǎn)水模塊對北三河流域2000—2017年水源供給量進(jìn)行計算， 從多個角度對流域水源供給量的時空分布進(jìn)行分析， 通過情景模擬探討了氣候條件與土地利用變化對流域水源供給能力變化的貢獻(xiàn)率， 主要結(jié)論如下：

（1） 2000—2017年， 北三河流域平均產(chǎn)水深度為46.27 mm， 相當(dāng)于水源供給量為17.8 × 108 m3.其年際變化呈波動增加趨勢， 年均增長率為2.70 mm/a， 降水量增加是造成流域水源供給能力增強(qiáng)最重要的氣候因子.

（2） 流域水源供給量在空間上呈南高北低的分布格局， 南、北部的平均產(chǎn)水深度分別為70.85 mm和8.83 mm， 差值高達(dá)62.02 mm. 2000—2015年流域產(chǎn)水能力全面提升， 水源供給高值區(qū)由東南泃河和還鄉(xiāng)河流域向西南溫河與永定北河流域轉(zhuǎn)移.

（3） 流域各土地利用類型單位面積水源供給能力由高到低依次為建設(shè)用地、耕地、水域、未利用地、林地、草地. 2000—2015年， 耕地的水源供給量最高， 占流域水源供給總量的51.3%， 而建設(shè)用地水源供給量增長幅度最大， 達(dá)到144.3%.

（4） 通過情景模擬發(fā)現(xiàn)， 2000—2015年氣候和土地利用變化對水源供給的貢獻(xiàn)率分別為70.7%和29.3%， 氣候變化起到主導(dǎo)作用.

[參 考 文 獻(xiàn)]

[ 1 ]錢正英. 中國水資源戰(zhàn)略研究中幾個問題的認(rèn)識 [J]. 河海大學(xué)學(xué)報， 2001， 29（5）： 1-7.

[ 2 ]COSTANZA R， DARGE R， GROOT R， et al. The value of the worlds ecosystem services and natural capital [J]. Nature， 1997， 387（6630）： 253-260.

[ 3 ]孟雅麗， 蘇志珠， 馬杰， 等. 基于生態(tài)系統(tǒng)服務(wù)價值的汾河流域生態(tài)補(bǔ)償研究 [J]. 干旱區(qū)資源與環(huán)境， 2017， 31（8）： 76-81.

[ 4 ]李想， 雷碩， 馮驥， 等. 北京市綠地生態(tài)系統(tǒng)文化服務(wù)功能價值評估 [J]. 干旱區(qū)資源與環(huán)境， 2019， 33（6）： 33-39.

[ 5 ]MESSERLI B， GROSJEAN M， HOFER T. From nature-dominated to human-dominated environmental changes [J]. Quaternary Science Reviews， 2000， 19： 459-479.

[ 6 ]王浩， 王建華， 秦大庸， 等. 基于二元水循環(huán)模式的水資源評價理論方法 [J]. 水利學(xué)報， 2006， 37（12）： 1496-1501.

[ 7 ]竇攀烽， 左舒翟， 任引， 等. 氣候和土地利用/覆被變化對寧波地區(qū)生態(tài)系統(tǒng)產(chǎn)水服務(wù)的影響 [J]. 環(huán)境科學(xué)學(xué)報， 2019， 39（7）： 2398-2409.

[ 8 ]李屹峰， 羅躍初， 劉綱， 等. 土地利用變化對生態(tài)系統(tǒng)服務(wù)功能的影響—以密云水庫流域?yàn)槔?[J]. 生態(tài)學(xué)報， 2013， 33（3）： 726-736.

[ 9 ]吳迎霞. 海河流域生態(tài)服務(wù)功能空間格局及其驅(qū)動機(jī)制 [D]. 武漢： 武漢理工大學(xué)， 2013.

[10]許丁雪， 吳芳， 何立環(huán)， 等. 土地利用變化對生態(tài)系統(tǒng)服務(wù)的影響—以張家口-承德地區(qū)為例 [J]. 生態(tài)學(xué)報， 2019， 39（20）： 7493-7501.

[11]吳瑞， 劉桂環(huán)， 文一惠. 基于InVEST模型的官廳水庫流域產(chǎn)水和水質(zhì)凈化服務(wù)時空變化 [J]. 環(huán)境科學(xué)研究， 2017， 30（3）： 406-414.

[12]王大尚， 李屹峰， 鄭華， 等. 密云水庫上游流域生態(tài)系統(tǒng)服務(wù)功能空間特征及其與居民福祉的關(guān)系 [J]. 生態(tài)學(xué)報， 2014， 34（1）： 70-81.

[13]龐靖鵬， 劉昌明， 徐宗學(xué). 密云水庫流域土地利用變化對產(chǎn)流和產(chǎn)沙的影響 [J]. 北京師范大學(xué)學(xué)報（自然科學(xué)版）， 2010， 46（3）： 290-299.

[14]程揚(yáng)， 張雪花， 馮婧. 北三河水系水資源調(diào)度研究綜述 [J]. 環(huán)境工程， 2016， 34（S1）： 378-380.

[15]TALLIS H T， RICKETTS T， GUERRY A D， et al. InVEST 2.2. 4 users guide [R]. Stanford： The Natural Capital Project， 2011.

[16]ZHANG L， DAWES W R， WALKER G R. Response of mean annual evapotranspiration to vegetation changes at catchment scale [J]. Water Resource Research， 2001， 37（3）： 701-708.

[17]BUDYKO M I. Climate and Life [M]. New York： Academic Press， 1974.

[18]周文佐， 劉高煥， 潘劍君. 土壤有效含水量的經(jīng)驗(yàn)估算研究—以東北黑土為例 [J]. 干旱區(qū)資源與環(huán)境， 2003， 17（4）： 88-95.

[19]李夫星. 基于USLE模型的河北省土壤侵蝕評價研究 [D]. 石家莊： 河北師范大學(xué)， 2012.

[20]ARUNYAWAT S， SHRESTHA R P. Assessing land use change and its impact on ecosystem services in northern Thailand [J]. Sustainability， 2016， 8（8）： 768.

[21]JUJNOVSKY J， RAMOS A， CARO-BORRERO A， et al. Water assessment in a peri-urban watershed in Mexico City： A focus on an ecosystem services approach [J]. Ecosystem Services， 2017， 24： 91-100.

[22]LI S， YANG H， LACAYO M， et al. Impacts of land-use and land-cover changes on water yield： A case study in Jing-Jin-Ji， China [J]. Sustainability， 2018， 10（4）： 960.

[23]XU J， LIU S， ZHAO S， et al. Spatiotemporal dynamics of water yield service and its response to urbanisation in the Beiyun River Basin， Beijing [J]. Sustainability， 2019， 11（16）： 4361.

[24]孫見偉. 基于InVEST模型的都昌縣土地利用/覆被變化產(chǎn)水效應(yīng)研究 [D]. 南昌： 江西農(nóng)業(yè)大學(xué)， 2018.

（責(zé)任編輯： 李萬會）