拉萨河流域径流对土地利用和气候变化的响应分析

拉萨河流域处青藏高原中南部,因其独特的地理位置是对气候变化较为敏感的区域之一,同时也是青藏高原人口和耕地较为密集区域。在建立SWAT模型对拉萨河流域水循环过程进行模拟的基础上,通过设置不同气候情景与土地利用状况,分析近30 a来拉萨河流域径流变化的成因,并研究径流对气候因子变化的敏感性。结果表明:①气候变化与土地利用对径流影响占比分别约为82.95%和17.05%,主要原因在于近30 a拉萨河流域土地利用情况变化不大,而气温、降水则呈显著增加趋势;②降水每增加10%,流域径流约增加11.8%,且径流对降水变化敏感性的空间差异性较小;③气温每增加1 ℃,流域总径流约增加2.5%,但径流随气温变化的空间差异性较大,其中,中上游地区径流减小0.7%,下游地区径流约增加3.6%。     

长江科学院野外科学观测与科学考察回顾及展望

野外科学观测与科学考察既是基础性科技工作,又是自主创新突破口。近年来,长江科学院设立了野外科学观测中心,初步形成覆盖长江流域,涵盖生态、环境、资源及灾害防治等领域的野外科学观测研究站网体系,持续开展长江流域野外科学观测和多专业综合性科学考察。回顾了长江科学院野外科学观测和科学考察的发展历程,从基础条件、观测成果、科技支撑、骨干队伍以及社会影响等方面,系统总结了长江科学院在野外科学观测与科学考察方面取得的成绩。未来将着重做好基础设施建设、长期观测与考察、科学研究与示范、合作交流以及人才队伍建设等方面工作,以期为长江流域高质量发展提供支撑。     

广东省东江流域显著水问题类型识别

通过构建流域水资源、水环境与水生态功能评价指标体系,采用ArcGIS自然间断点分级法分析广东省东江流域水资源、水环境与水生态3类涉水功能的空间格局特征,采用Spearman等级相关系数定量分析3类涉水功能间的交互作用,识别各地区显著水问题类型,并提出相应管控策略。结果表明：广东省东江流域水资源、水环境与水生态功能评价等级空间格局体现出显著的空间差异性;流域水资源、水环境与水生态功能间的交互作用类型为兼容;基于3类涉水功能评价等级及功能间交互作用类型,将广东省东江流域10个评价单元划分为水资源、水环境、水生态、水资源-水环境、水生态-水环境及非显著型6个显著水问题类型。     

变化环境下韩江生态流量演变特征分析

选取位于粤东、闽西南地区的韩江流域为研究对象,基于CA-Markov模型对2050年流域土地利用空间格局进行预测,构建SWAT分布式水文模型,以未来土地利用情景和气候变化情景为变量进行水文模拟,分析不同情景下韩江生态流量的时空演变特征。结果表明,未来城镇化扩张将使梅江支流中上游成为韩江流域内生态流量对土地利用变化最为敏感的区域;土地利用和气候变化将导致韩江流域枯水期流量整体减小,枯水期流量对环境变化更加敏感;韩江流域生态流量变化特征将呈现从西南到东北由升到降的趋势,梅江支流中上游地区的生态流量将得到改善;梅江和汀江两大支流上游区域生态流量对气候变化更为敏感;韩江流域径流总量下降,但丰枯流量分化加剧,长期来看枯季生态流量保障风险可能进一步增大。     

阿姆河流域耕地变化及水土匹配特征分析

基于中亚阿姆河流域4个分区1990—2015年间土地利用变化和水资源等数据,运用耕地变化速率、洛伦兹曲线和基尼系数法以及水土资源匹配系数对阿姆河流域耕地变化和水土匹配状况进行了综合分析。结果表明:1990—2015年阿姆河流域耕地以146.74 km²/a的速度在扩张,且各时期、各分区扩张的速度不同;在不考虑咸海来水不断减少、生态持续恶化的前提下,绿洲区匹配状况属比较公平和相对合理状况;阿姆河流域水土资源空间分布存在明显的错位现象;全流域生态用水被农业用水严重挤占,阿姆河流域灌溉面积、灌溉用水量成为影响咸海水量及面积变化的重要因素,是一种不可持续的用水方式。     

1957-2017年泾河流域降雨量及降雨侵蚀力时空变化分析

泾河流域受土壤侵蚀的影响,水土流失较为严重,为对流域水土流失风险评估和防治等提供参考依据,根据1957-2017年泾河流域5个气象站点的日降水资料,运用ArcGIS空间插值、小波分析、R/S分析等方法,分析了该时段降雨量及降雨侵蚀力时空变化规律。结果表明:泾河流域及各气象站点的降雨量与降雨侵蚀力均呈显著正相关关系;泾河流域降雨量与降雨侵蚀力年内分布不均,主要集中在夏季,分别占全年的67.80%和52.86%;泾河流域年均降雨量和降雨侵蚀力分别为496.83 mm和1 481.24 (MJ·mm)/(hm~2·h),年际总体呈波动上升趋势且未来降雨侵蚀力将延续增加趋势,两者均在1996和2009年出现突变点且第一主周期分别为27和17 a;泾河流域降雨量和降雨侵蚀力在空间上均呈从西北到东南递增的趋势。     

淮河流域水资源短缺风险评估与时空分析

根据2003-2013年淮河流域五省的降水量、径流系数、人均水资源量、人均GDP、人口密度等相关数据,构建水资源短缺风险评价体系,用熵权法对指标赋值,运用可变模糊模型对淮河流域及各省的水资源短缺风险进行评估和时空差异分析。结果表明:2003-2013年间淮河流域水资源短缺风险值总体较高,且呈缓慢的增长趋势,2004年降水较少,风险值达到最高;十年间河南省风险增加最为明显,而山东省较为稳定,风险增加也最低;在淮河流域五个区域中,河南省的风险程度最高,达到3.52;江苏省、山东省次之;安徽省和湖北省相对较低,达到2.86和2.51。水资源短缺风险二级指标分析发现,危险性最强的是河南省,安徽省最小;水资源短缺易损性最强的是山东省,湖北省最小;水资源短缺暴露性最强的是江苏省,山东省最小;水资源短缺可恢复性最好的是湖北省,河南省最差。同时,所有评价指标中人口密度、人均GDP、降水量对水资源短缺风险的影响较大。     

滇池环湖截污干渠错峰技术模拟与分析

为了实现滇池流域截污效果的最大化,基于前期建立的东岸排水管网SWMM模型,结合该区域1995-2016年间降雨资料,研究环湖截污干渠的错峰调蓄技术。根据雨水干渠液位高度执行不同控制模式:当水位低于6.76 m时执行典型污染物浓度阈值控制模式;当水位高于6.76 m时执行典型污染物阈值控制的同时执行液位-污染物通量控制模式。采用SS和TN作为干渠截流的典型污染物控制指标,其控制浓度阈值分别取12和5 mg/L。模拟重现期为0.5~1 a降雨时SS、TN浓度-负荷通量调蓄方案下干渠负荷收集情况,结果表明两种调蓄方案均能有效提高雨水干渠的负荷收集率,提高污水干渠出口浓度,降低雨水径流对污水厂的高水量和低浓度冲击负荷。随着重现期增大,干渠对污染物的高效和最大化收集效果越明显。但是TN调控下污染负荷收集效果优于SS,因此选择TN作为干渠截流的最优典型污染物控制指标。     

A modified NRCS-CN method for eliminating abrupt runoff changes induced by the categorical antecedent moisture conditions

The popular Natural Resources Conservation Service Curve Number (NRCS-CN) (earlier known as Soil Conservation Service Curve Number (SCS-CN) method of rainfall-runoff modeling has often faced the criticism of exhibiting quantum jumps in runoff computations because of the sudden jumps appearing in CN-values derived from NEH-4 tables for three antecedent moisture conditions (AMC), viz., AMC-I, AMC-II, and AMC-III valid for dry, normal, and wet conditions, respectively. The variability of antecedent soil moisture within an AMC category is responsible for the abrupt jump and other deficiencies in the CN method for runoff estimation. This paper suggests a novel procedure to account for the antecedent moisture (M), preventing quantum jumps and eliminating deficiencies in determination of CN and, in turn, estimation of direct runoff. Its validity was verified utilizing the observed rainfall (P)-runoff (Q) events from 36 US watersheds, four sub-catchments of the Godavari basin, and small agricultural plots at Roorkee, India. The performance of the proposed model (M5) for runoff prediction was compared with the existing NRCS-CN (M1), Mishra and Singh (2002) (M2), Singh et al. (2015) (M3), and Verma et al. (2021) (M4) model using various performance indices. Using the CNs derived from observed events, model M5 was seen to have performed better than M1-M4 in terms of Nash Sutcliffe Efficiency (NSE), Root Mean Square Error (RMSE), and Percent Bias (PBIAS) for the data of US watersheds, and CN-P correlation improved as the coefficient of determination (R²) enhanced. Similarly, using the RS & GIS-based CNs on natural watersheds of the Godavari basin and considering AMC-I, the performance of M5 was again better than M1-M4 in terms of RMSE, Mean Bias Error (mBIAS), Mean Absolute Error (MAE), and Normalized-Nash Sutcliffe Efficiency (NNSE). Interestingly, there existed a significant (p < 0.05) relationship between the in-situ water content (w) measured for the experimental plots of Roorkee and the model input variable antecedent moisture (M), offering a physical touch to the conceptual model.