2000—2020年南京市土地覆蓋變化對地表徑流影響研究

許天宇，朱 偉，李志慶，李二珠

(1.江蘇師范大學(xué) 地理測繪與城鄉(xiāng)規(guī)劃學(xué)院，江蘇 徐州 221116；2.山東省國土測繪院，山東 濟南 250102)

0 引 言

地表徑流是指降水除去植物截留、滲入土壤后所剩余的部分[1]。復(fù)雜的氣候變化和快速的城市化進程影響了地表徑流的形成過程。特別是氣候變暖導(dǎo)致水文循環(huán)進程加快，短時間的強降水、連續(xù)性降水是造成地表徑流增加的主要原因；同時，土地覆蓋類型的動態(tài)變化導(dǎo)致區(qū)域水文過程發(fā)生改變，造成地表下滲減緩，匯集積水無法快速排出，進而加劇了城市洪澇風(fēng)險的發(fā)生[2]。近年，洪澇災(zāi)害的出現(xiàn)頻次明顯多于干旱、風(fēng)暴等其他災(zāi)害，因其形成周期短、影響程度大，已經(jīng)成為全球面臨的最主要的災(zāi)害敏感問題之一[3]。因此，準(zhǔn)確預(yù)測城市徑流，定量評估城市化進程對地表徑流的影響，對于城市規(guī)劃、洪澇預(yù)警等具有重要意義[4]。

以往的研究主要通過水文模型模擬地表徑流變化特征以預(yù)測洪澇積水、評估洪澇風(fēng)險，如暴雨洪水管理模型(SWMM)、分布式水文模型(MIKE)、綜合流域模型(InfoWorks ICM)[5]。葉陳雷等基于InfoWorks ICM模型使用城市管網(wǎng)、土地覆蓋等數(shù)據(jù)模擬了福州市白馬河片區(qū)地表徑流，并對洪澇危險區(qū)進行量化分析[6]。班玉龍等綜合地形、水文、排水單元數(shù)據(jù)通過SWMM模型模擬了四川巴中市地表徑流變化信息[7]。然而，上述模型輸入?yún)?shù)較多，全面準(zhǔn)確的數(shù)據(jù)資料難以獲取，因此限制了水文徑流模型在不同城市的推廣應(yīng)用[8]。為了克服傳統(tǒng)水文模型的不足，美國農(nóng)業(yè)部水土保持局提出了徑流曲線模型(SCS-CN)，該模型主要通過土地覆蓋信息預(yù)測地表徑流[9]。因其輸入?yún)?shù)簡單、容易使用及改進，目前已被廣泛應(yīng)用于城市徑流模擬及洪澇評估[10]。Dang等基于QuickBird數(shù)據(jù)獲取土地覆蓋信息并結(jié)合SCS-CN模型預(yù)測了胡志明市降雨徑流深度，進而繪制了洪澇分布地圖[11]。Hu等根據(jù)SCS-CN模型預(yù)測結(jié)果分析了北京土地覆蓋信息對地表徑流分布的影響，指出土地覆蓋類型是地表徑流模擬的重要指標(biāo)[12]。馬麗君等根據(jù)土地分類標(biāo)準(zhǔn)，結(jié)合鄭州市土地利用現(xiàn)狀將土地覆蓋類型分為17類，通過SCS-CN模型模擬了不同土地覆蓋類型下的地表徑流量，進一步證明了土地覆蓋因素對地表徑流的影響[13]。戴開璇等結(jié)合歷史降雨數(shù)據(jù)和城市土地覆蓋分布數(shù)據(jù)通過SCS-CN模型預(yù)測了拉薩市地表徑流，并且分析了拉薩市各個縣區(qū)的洪澇緩解能力，同時提出了城市擴張與加強綠地設(shè)施建設(shè)協(xié)同布局的建議[14]。鑒于SCS-CN模型在城市地表徑流模擬中的有效性、適用性，并且能夠指導(dǎo)城市洪澇災(zāi)害防治，因此本研究選擇該模型對地表徑流進行模擬。

然而，已有研究主要通過單一年份數(shù)據(jù)通過SCS-CN模型評估城市土地覆蓋類型及其分布對地表徑流的影響，對復(fù)雜降雨情景下，較長時間尺度的城市土地覆蓋變化對地表徑流特征的研究較少。因此，本研究通過設(shè)置多種降雨情景，利用多時期土地覆蓋類型數(shù)據(jù)模擬地表徑流，定量評估了較長時間尺度土地利用覆蓋信息及其變化對地表徑流的影響，以期為城市洪澇調(diào)節(jié)及洪災(zāi)預(yù)防提供參考。

1 研究區(qū)域與數(shù)據(jù)

1.1 研究區(qū)概況

研究區(qū)南京市位于北緯31°14′至32°37′、東經(jīng)118°22′至119°14′之間，地處江蘇省西南部，是長江三角洲城市群中心城市之一。南京市屬于亞熱帶季風(fēng)氣候，雨量充沛，降水強度大，年均降雨量約1 100 mm，其中，夏季降雨量占全年的60%以上。過去30年，南京歷經(jīng)了快速的城市化進程，截止至2021年底，建成區(qū)面積為868 km2。近些年，南京每年都遭受不同程度的降雨侵襲，洪澇多發(fā)期集中于6～7月，嚴重影響了居民的正常生活[15]。2022年，南京市入選建設(shè)“海綿城市”發(fā)展模式的試點城市，旨在降低地表徑流總量，提高城市雨洪調(diào)節(jié)能力。因此，以南京市為例進行城市地表徑流量模擬和特征分析具有典型代表意義(圖1)。

圖1 研究區(qū)位置示意圖

1.2 數(shù)據(jù)及處理

本研究數(shù)據(jù)主要包括土地覆蓋數(shù)據(jù)、土壤類型數(shù)據(jù)、數(shù)字高程數(shù)據(jù)、降雨量數(shù)據(jù)。土地覆蓋數(shù)據(jù)為全球30 m土地覆蓋精細分類產(chǎn)品(GLC_FCS30)，該產(chǎn)品是利用1984-2020年Landsat數(shù)據(jù)生產(chǎn)的全球30 m精細土地覆蓋動態(tài)監(jiān)測產(chǎn)品，更新周期為5年，包含29個土地覆蓋類型，最高總體精度為 82.5%，本研究選取了2000、2005、2010、2015和2020年研究區(qū)的分類產(chǎn)品作為土地覆蓋信息數(shù)據(jù)源[16]。土壤類型數(shù)據(jù)采用全球水文土壤分組產(chǎn)品(Global Hydrologic Soil Groups，HYSOGs250m)，該數(shù)據(jù)集是為了支持區(qū)域及大尺度上降雨徑流估算模型而改進的水文土壤分組(Hydrologic Soil Group，HSG)數(shù)據(jù)，分辨率為250 m，根據(jù)降雨徑流潛力劃分為A、B、C、D 4個標(biāo)準(zhǔn)等級的水文土壤類型(表1)[17]。數(shù)字高程數(shù)據(jù)(Digital Elevation Model，DEM)使用SRTM數(shù)據(jù)，分辨率為30 m，由谷歌地球引擎平臺(Google Earth Engine，GEE)獲取，主要用來提取研究區(qū)坡度因子。降雨數(shù)據(jù)采用全球降雨測量產(chǎn)品(Global Precipitation Measurement, GPM)，該產(chǎn)品提供每3 h一次的全球雨雪觀測數(shù)據(jù)，空間分辨率為10 km。研究區(qū)降雨事件多發(fā)生于夏季，本研究通過GEE平臺獲取了2000、2005、2010、2015和2020年6～7月已校準(zhǔn)的降雨數(shù)據(jù)。為了綜合使用上述多源遙感數(shù)據(jù)集，對所有數(shù)據(jù)進行了統(tǒng)一的坐標(biāo)轉(zhuǎn)換及空間分辨率重采樣。

表1 水文土壤分組

2 研究方法

為了更加全面、具體地描述由降雨因子產(chǎn)生的地表徑流特征信息，并分析土地覆蓋類型與地表徑流之間的關(guān)系，采用SCS-CN模型對研究區(qū)地表徑流量進行估算，具體計算公式為：

(1)

式中，Q為地表徑流量(mm)，P是降雨量(mm)，S是最大可能滯留量(mm)。由于不同單元上的土地覆蓋層存在差異，最大滯留量S因而也存在差異，其主要由土地覆蓋類型和土壤類型決定，具體關(guān)系如下：

(2)

式中，CN為地表徑流能力參數(shù)，其值越大，代表地表徑流產(chǎn)生的可能性越大。研究表明，地形因子會影響SCS-CN模型的模擬效果，因此在CN值基礎(chǔ)上考慮了坡度因子對地表徑流的影響，本研究利用Huang等人提出的修正模型進行改進[18]，改進模型如下：

(3)

式中，SLP為坡度，CNS為坡度修正后的CN。此外，在實際應(yīng)用中，前期土壤濕潤程度也會影響地表徑流，因此有必要引入土壤濕潤情況對CN進行進一步的修正[19]。根據(jù)降雨發(fā)生前五日的降雨量，本研究將土壤濕潤程度分為3類：干旱(Ⅰ)、正常(Ⅱ)、濕潤(Ⅲ)。由正常程度計算其他CN值，具體公式如下：

(4)

(5)

式中，CNⅠ為干旱程度的CN值，CNⅡ為正常程度的CN值，CNⅢ為濕潤程度的CN值。在研究范圍內(nèi)，土地覆蓋類型共有14類。高強度降雨發(fā)生于夏季，落葉闊葉林處于生長期，因此本研究將其與常綠闊葉林合并為一類。土壤類型及土地覆蓋類型的初始CN值通過查詢美國國家工程手冊獲得[20]，具體數(shù)據(jù)如表2所示。

表2 土地覆蓋類型及初始CN

為了研究降雨量與地表徑流量之間的相關(guān)性，量化土地覆蓋對降雨徑流緩解能力，本文通過洪澇緩解系數(shù)(R)評價徑流洪澇調(diào)節(jié)能力，其定義如下：

(6)

式中，R為緩解系數(shù)，值越大則洪澇緩解能力越差。

3 結(jié)果與分析

3.1 洪澇緩解能力評價

本研究通過模擬不同降雨情景，結(jié)合不同時期土地覆蓋信息分析南京地表徑流特征及其變化信息?？紤]研究區(qū)域氣候及降雨特征，根據(jù)降雨量劃分為4種降雨情景：弱降雨、中等降雨、強降雨、暴雨。首先，基于GPM歷史降雨數(shù)據(jù)，通過最大值合成法提取每一年雨季最大降雨量，對每一年最大降雨量計算均值，將結(jié)果作為暴雨情景下的模擬降雨量；然后，基于暴雨情景降雨量，將其數(shù)值的1/4、2/4和3/4分位分別作為弱降雨、中等降雨、強降雨情景下的模擬降雨量。最后，采用于SCS-CN模型，輸入不同降雨量及其土地覆蓋數(shù)據(jù)，計算2000、2005、2010、2015和2020年不同降雨場景下的地表徑流量，進而獲得研究區(qū)平均洪澇緩解系數(shù)。如圖2所示，在弱降雨情景下，不同時期的洪澇緩解系數(shù)均超過0.9，表明當(dāng)降雨量較小時，大部分降雨滲入地下，城市地表徑流量較小，能夠有效阻止城市洪澇產(chǎn)生；在中等降雨和強降雨情景下，洪澇緩解系數(shù)由0.7下降至0.5。隨著降雨量增加，城市地表徑流量增加，發(fā)生洪澇的潛力也增加。在暴雨情景下，洪澇緩解系數(shù)降低至0.3，大量降雨匯集于地表，降雨調(diào)節(jié)能力下降，因此容易產(chǎn)生城市內(nèi)澇。此外，隨著南京市城市化進程加速，洪澇緩解系數(shù)下降，如在暴雨情景下，五期系數(shù)分別為0.252 3、0.244 1、0.230 1、0.225 3、0.212，呈下降趨勢，說明南京市城市洪澇風(fēng)險在持續(xù)惡化。

圖2 不同降雨情景下城市洪澇緩解系數(shù)

3.2 土地覆蓋類型對地表徑流特征分析

統(tǒng)計建成區(qū)內(nèi)不同土地覆蓋類型的面積占比、貢獻率(各土地覆蓋徑流量與徑流總量占比)、徑流量均值。圖3展示了2020年暴雨情景下的徑流特征，為了便于統(tǒng)計，闊葉林、針葉林歸為林地，水體不參與統(tǒng)計?？梢园l(fā)現(xiàn)，灌溉農(nóng)田和不透水面的面積占比最大，分別為43%和38%。同時，對于土地覆蓋類型面積和徑流量的貢獻率，兩者的貢獻率也最大，分別為40%和42%；對于不透水面，由于其阻礙了地表水下滲，因此該類型徑流量均值較大，達到84 mm。其他土地覆蓋類型所占比例及貢獻率較小，均小于10%。其中，林地地表徑流量均值最小，為58 mm，其原因為降雨一部分被樹冠截留，另一部分滲入稀松多孔的林地土壤里，從而形成較少的地表徑流。

圖3 2020年不同土地覆蓋類型徑流特征

圖4為2000至2020年弱降雨(A)和暴雨情景(B)下南京建成區(qū)地表徑流分布。其中，城市擴張使得不透水面取代了以植被為主的自然地表景觀。因此，在不透水面密集區(qū)域，地表徑流增加，進而增加了城市洪澇風(fēng)險。

圖4 南京市建成區(qū)2000-2020年地表徑流模擬結(jié)果

3.3 土地覆蓋變化對地表徑流變化的影響

為了探究土地覆蓋變化與地表徑流變化之間的關(guān)系，利用皮爾森相關(guān)系數(shù)(R)對2000年至2020年暴雨情景下的徑流差值與土地覆蓋面積變化的進行相關(guān)性分析。如表3所示，草地、林地轉(zhuǎn)變?yōu)椴煌杆娴倪^程與徑流變化的相關(guān)性最高，說明了不透水面擴張是徑流量增加的主要原因。除此之外，其他的土地覆蓋變化，如林地到草地和農(nóng)田的轉(zhuǎn)變，也一定程度上造成了徑流量的增加，但影響較弱。與之相反，不透水面轉(zhuǎn)為林地、草地的變化與徑流變化呈現(xiàn)中高度負相關(guān)，該變化過程有效降低了地表徑流量。因此，不透水面變化是研究區(qū)較長時間地表徑流變化的主要驅(qū)動因素。

表3 土地覆蓋變化與徑流變化相關(guān)分析

4 結(jié) 語

本研究基于多時期土地覆蓋數(shù)據(jù)，通過SCS-CN模型模擬了多種降雨情景下的地表徑流。以南京市為例進行地表徑流模擬及特征分析，主要結(jié)論如下：① 2000-2020年，研究區(qū)域內(nèi)地表徑流總量逐年增大，洪澇緩解系數(shù)呈現(xiàn)下降趨勢；② 對于不同土地覆蓋類型，農(nóng)田和不透水面在研究區(qū)域內(nèi)的面積占比最大，并且對徑流總量的貢獻最高；③ 在城市化進程中土地覆蓋發(fā)生變化，不透水面和林地的變化對徑流變化的影響最為顯著，其中，大面積的不透水面擴張是造成徑流量增加，加劇城市洪澇風(fēng)險的主要因素。

此外，本研究使用的土地覆蓋和降雨數(shù)據(jù)分辨率較低，對于城市內(nèi)部徑流模擬及洪澇評估有所限制，在未來研究中，獲取高分辨率遙感數(shù)據(jù)以更加精準(zhǔn)模擬地表徑流。