渭河流域藍綠水對土地利用變化的響應模擬

楊肖麗，李文婷，任立良※，高 甜，馬慧君

（1.河海大學水文水資源與水利工程科學國家重點實驗室，南京 210098；2.河海大學水文水資源學院，南京 210098）

0 引 言

淡水資源對于維持生態(tài)平衡和人類活動的可持續(xù)發(fā)展至關重要。近年來，受氣候變化、人口增長的影響，水資源短缺已經(jīng)成為全球面臨的嚴峻挑戰(zhàn)，傳統(tǒng)的水資源評價已經(jīng)不能滿足解決當前的水安全問題[1]。為了提高水資源的有效利用率，近年來水資源評價與管理集中于藍綠水的研究，藍水主要是以地表徑流、土壤中流、地下徑流三種形式存在的水，綠水是指土壤水和實際蒸散量[2]。綠水作為水分消耗的主體，其80%的水資源量用于全球農(nóng)業(yè)生產(chǎn)[3]，對維持生態(tài)系統(tǒng)的穩(wěn)定起著不可替代的作用。藍綠水的變化主要是由氣候變化（降水、氣溫等）和人類活動（土地利用、調水工程、引水灌溉等）共同引起的，在長時間尺度上，氣候變化是影響流域水文過程的主要因素之一，而在短時間尺度上，土地利用變化是直接影響流域水文過程的關鍵因素之一[4]。土地利用變化是對城鎮(zhèn)化發(fā)展、產(chǎn)業(yè)格局及水土保持措施等的側面反映，人類活動通過改變土地利用方式，間接影響水循環(huán)過程中的冠層截留、地表下滲、蒸散發(fā)及土壤水，進而使流域藍綠水資源發(fā)生改變，對流域水量平衡產(chǎn)生重要影響[5]。因此，重點關注流域內(nèi)藍綠水對土地利用變化的響應研究，對流域生態(tài)環(huán)境保護與土地利用規(guī)劃具有重要的研究意義。

自 1995年國際地圈-生物圈計劃（International Geosphere-Biosphere Program，IGBP）和國際全球環(huán)境變化人文因素計劃（International Human Dimensions Programme on Global Environmental Change，IHDP）聯(lián)合提出“土地利用/覆蓋計劃”（land use/cover change）研究計劃以來，土地利用/覆蓋變化已成為國際水文組織的核心研究領域[6]，不同時空尺度的土地利用/覆被變化研究有助于揭示人類活動影響下區(qū)域及全球水文循環(huán)變化的過程、機理等。近年來，諸多學者主要利用CLUE-S[7]、SLEUTH[8]，以及元胞自動機-馬爾科夫鏈(CA-Markov)[9]等模型進行土地利用演變研究。其中CA-Markov模型基于土地利用轉移概率矩陣和土地利用適宜性圖集，充分結合了CA模型的空間動態(tài)模擬能力和Markov模型的長期預測能力，具有較高的模擬精度，在土地利用變化的模擬與預測中取得了良好的效果。張曉娟等[10]利用CA-Markov模型對三峽庫區(qū)土地利用變化進行模擬，Kappa精度達到0.9712，模擬效果較好；王兆林等[11]利用改進的CA-Markov模型對山地城市邊緣區(qū)土地利用變化進行模擬，經(jīng)過改進后模型模擬精度有效提高，Kappa系數(shù)達到0.931 5。

土地利用變化對流域藍綠水影響的研究方法主要包括數(shù)理統(tǒng)計方法和水文模型兩類。水文模型不僅可以充分考慮地理要素的空間差異性，還能夠結合氣象數(shù)據(jù)和土地利用變化對流域內(nèi)藍綠水量進行定量分析，應用較為廣泛，如 SWAT[12]、MPI-HM[13]、SWIM[14]等。SWAT模型具有較強物理機制，模型可以直接輸出組成藍綠水量的各個分量，被認為是評估藍綠水量較為有效的模型[15-18]。黎云云等[15]設置多種土地利用變化情景，利用SWAT模型研究了渭河流域土地利用變化與徑流的響應關系；王鈺雙等[16]構建閩江流域的SWAT模型，模擬了不同土地利用情景下的徑流過程，定量分析了土地利用變化對流域徑流影響；張洋等[17]基于SWAT模型評估了岷沱江流域不同土地利用類型下的藍/綠水量時空分布特征；張杰等[18]利用SWAT模型模擬結果分析了湟水流域不同土地利用類型下的藍綠水量變化情況。然而，以往的研究主要集中在歷史土地利用條件下的流域水資源研究，對未來土地利用變化下水資源的時空響應研究較少，對于未來土地利用變化背景下的藍綠水響應研究也相對缺乏。

渭河流域作為陜西省的“母親河”，近年來隨著經(jīng)濟的快速發(fā)展，高強度的人類活動使得流域內(nèi)的土地利用格局發(fā)生很大改變。流域內(nèi)部分地區(qū)追求經(jīng)濟利益而忽視了對土地的合理利用，導致渭河流域土地利用系統(tǒng)遭到一定破壞，水土流失問題日益凸顯，水資源量呈減少趨勢，引發(fā)一系列的生態(tài)環(huán)境問題，亟待深入探討渭河流域土地利用變化對藍綠水的影響，為流域的生態(tài)保障和土地規(guī)劃管理提供一定的科學依據(jù)。本文利用CA-Markov模型預測渭河流域2035年土地利用格局，從多角度定量分析1995—2035年土地利用變化時空特征，并通過設置不同土地利用情景，借助SWAT模型對藍綠水進行定量評估，探討渭河流域不同土地利用分布下藍、綠水量的時空分布特征。

1 研究區(qū)域概況

渭河是黃河流域第一大支流，發(fā)源于甘肅省渭源縣鳥鼠山，流經(jīng)甘肅、寧夏、陜西三?。ㄗ灾螀^(qū)），最終在陜西省潼關縣匯入黃河，河流全長818 km，流域面積為13.4萬km2。流域內(nèi)支流眾多，其中涇河和北洛河是最大的兩條支流，流域面積分別為 4.54×104km2和2.69×104km2。 渭 河 流 域 地 處 104°00′E~110°20′E ，33°50′N～37°18′N 之間，流域地形西高東低，南北高中部低，差異較大，形成了北部、中部和南部不同的植被類型。北部為黃土高原，土地相對貧瘠，植被類型以溫帶叢生禾草植被為主，極易造成水土流失；南部為秦嶺山脈，氣候適宜，植被類型以溫帶落葉灌叢為主；中部為關中平原，土壤肥沃，土地利用類型以耕地為主，是人類活動最為強烈的地區(qū)。渭河流域氣候屬于大陸性季風氣候，冬季寒冷且雨量較少，夏季炎熱但雨量充沛，多年平均氣溫為 7.8～13.5 ℃，多年平均降水量為 400～800 mm，受地形等因素的影響，流域降水由東南向西北遞減，空間差異大（圖1）。

2 數(shù)據(jù)及研究方法

2.1 數(shù)據(jù)來源

高程數(shù)據(jù)來源于地理空間數(shù)據(jù)云（http://www.gscloud.cn/），分辨率為90 m。氣象數(shù)據(jù)選取渭河流域內(nèi)及周圍26個氣象站點（http://data.cma.cn/）的1984—2014年的風速、氣溫、太陽輻射、降水量、相對濕度等數(shù)據(jù)，缺測數(shù)據(jù)使用線性插值法進行插值處理。土地利用數(shù)據(jù)來源于中國科學院資源科學數(shù)據(jù)中心（http://www.dsac.cn/），分辨率為30 m，其中將土地利用類型劃分為耕地、林地、草地、水體、建筑用地及裸地6種。鐵路、公路、高速公路等基礎地理信息數(shù)據(jù)來源于中國國家基礎地理信息系統(tǒng)。土壤數(shù)據(jù)直接來源于世界土壤數(shù)據(jù)庫（HWSD），該數(shù)據(jù)庫能夠直接應用于SWAT模型。5個水文站月徑流資料來源于渭河流域水文年鑒統(tǒng)計資料。

2.2 研究方法

2.2.1 CA-Markov模型

CA-Markov模型由CA濾波器、Markov鏈、多準則評估構成。元胞自動機（cellular automaton，CA）采用“自下而上”的研究思想，是一種時間、空間以及狀態(tài)都離散，能夠模擬復雜系統(tǒng)時空演化的網(wǎng)格動力學模型[19]。元胞轉換規(guī)則是CA研究的核心，利用轉化規(guī)則可以模擬復雜的土地利用變化，表達式為：

式中t和t+1為元胞所處的前后時刻；S為元胞的狀態(tài)集合；f為元胞轉換規(guī)則；N為元胞鄰域。

Markov 模型是一種基于轉移概率矩陣來模擬和預測事件發(fā)生概率的方法，其使用前提是事件過程沒有后續(xù)影響。土地利用的動態(tài)變化具有馬爾可夫過程的性質，土地利用類型可以對應Markov過程中的“可能狀態(tài)”，各種土地利用類型之間相互轉化的面積或比例對應狀態(tài)轉移概率[10]，表達式如下：

式中St、St+1分別為t、t+1時刻的系統(tǒng)狀態(tài)，Pij為狀態(tài)轉移概率矩陣。

IDRISI是一個將地理信息系統(tǒng)和遙感技術完美結合的軟件，該軟件包括遙感圖像處理、空間分析、土地利用變化分析、適宜性評價制圖、元胞自動機土地動態(tài)變化趨勢預測等 300多個專業(yè)模塊[20]。本文中所用到的模塊主要包括 RECLASS、FUZZY、MCE、COLLECTION EDIT、AHP等。RECLASS模塊用于基礎數(shù)據(jù)的重分類處理；FUZZY模塊主要是利用模糊幾何函數(shù)的方式對約束因子進行標準化處理；MCE（Multi-criteria evaluation）模塊是一個多目標決策支持的多標準的創(chuàng)建適宜性圖像集，其評價標準主要包括限制因子和限制條件；COLLECTION EDIT模塊可根據(jù)土地利用分類順序將各地類適宜性圖像合成適宜性圖集。層次分析法（AHP）是用于確定各個因子的權重值。CA-Markov模型充分結合了CA模型的空間動態(tài)模擬能力和Markov模型長期預測能力，可以更全面地從空間和時間上模擬土地利用的動態(tài)變化情況，該模型是借助IDRISI Selva 17.0版本實現(xiàn)土地利用數(shù)據(jù)的模擬預測。土地利用分布模擬預測具體步驟如下：

1）數(shù)據(jù)預處理：一是將土地利用分布圖轉化為ASCII碼格式，導入IDRISI軟件中轉成RST數(shù)據(jù)格式；二是將利用FUZZY模塊對高程、坡度、公路、高速公路、鐵路等約束數(shù)據(jù)進行標準化處理。

2）構建土地轉移概率矩陣：在Markov模塊分別疊加甘肅、寧夏、陜西省實測的1995年和2015年的土地利用數(shù)據(jù)，時間間隔和時間周期均設置為20 a，比例誤差設為0.15，得到3省1995－2015年的土地轉移概率矩陣和轉移面積矩陣；其次，根據(jù) 3省《土地利用總體規(guī)劃（2006－2020年）》中各種土地利用類型的變化趨勢，對1995－2015年的土地轉移概率矩陣進行修改。

3）制作土地利用適宜性圖集：土地利用適宜性圖集是提高CA-Markov模型預測精度的關鍵環(huán)節(jié)，針對渭河流域實際的地形地貌條件、城鎮(zhèn)發(fā)展情況以及當?shù)赝恋刭Y源利用特點，將水域和建設用地設為限制因子，利用RECLASS模塊獲得兩者的布爾約束性圖像，在土地利用模擬過程中限制水域及建設用地發(fā)生轉換；將高程、坡度、距離水域、距離鐵路、公路及高速公路等數(shù)據(jù)作為限制條件，對流域內(nèi)不同土地利用類型的轉化進行約束和限制。利用MCE模塊生成不同土地利用類型的適宜性圖集。最后利用COLLETION EDIT模塊將多個適宜性圖集進行合并。

4）未來土地利用預測：基于實測的 2015年土地利用分布，將CA濾波器循環(huán)次數(shù)設為20，結合修改的1995－2015年土地利用轉移概率矩陣和土地利用適宜性圖集，依次對甘肅、寧夏、陜西省的2035年土地利用格局進行模擬。將3?。▍^(qū)）2035年的土地利用進行合并，裁剪出渭河流域2035年的土地利用分布。

Kappa系數(shù)能夠用于檢驗模擬圖像與觀測圖像的一致性，較多應用于土地利用模擬精度檢驗[21]。本文采用Kappa系數(shù)檢驗CA-Markov模型對渭河流域土地利用模擬預測的精度，其計算公式如下：

式中P0為正確模擬的柵格比例；Pc為隨機情況下正確模擬的柵格比例；1代表理想分類下正確模擬的柵格比例。當 0.4

2.2.2 土地利用轉移矩陣

土地利用轉移矩陣是研究區(qū)域內(nèi)在特定時期初和期末各土地利用類型之間轉化關系，使用土地利用轉移矩陣不僅可以研究土地利用類型數(shù)量變化關系，還可以分析各類型相互轉移情況[22]，公式如下：

式中A表示土地利用類型的面積，km2，n表示土地利用類型，i表示研究初期土地利用類型，j表示研究末期土地利用類型。

2.2.3 土地利用動態(tài)度

土地利用動態(tài)度[23]反映了土地利用類型的變化速度，可用于預測未來的土地利用變化特征，公式如下：

式中K為土地利用動態(tài)度；Ua為研究初期土地利用的面積，km2；Ub為研究末期的土地利用面積，km2；T為時間長度，a。

2.2.4 情景設置

為定量研究渭河流域土地利用變化的藍綠水響應情況，分別設置5種土地利用情景：情景1、2為歷史時期土地利用，情景5是未來時期土地利用，情景3、4是模擬退耕還林、退耕還草 2種極端土地利用情景。其中情景3、4是考慮到渭河流域水土流失嚴重，以2015年土地利用分布為基礎數(shù)據(jù)，將耕地分別轉為草地和林地。具體設置見表1。

表1 渭河流域土地利用情景設置Table 1 Scenario setting of land use in the Weihe River Basin

2.2.5 SWAT模型

SWAT模型是1990年由美國農(nóng)業(yè)部農(nóng)業(yè)研究服務中心（USDA)開發(fā)研制的基于物理機制的大尺度分布式水文模型。該模型由水文循環(huán)模擬、土壤侵蝕過程以及污染負荷子模型 3個子模型組成，可預測未來各種因素變化帶來的影響[24]。模型首先是根據(jù)流域的地形因子、河網(wǎng)分布等因子，將整個研究流域劃分為若干個子流域，然后按照流域的土地利用類型、土壤類型和坡度的設定閾值劃分水文響應單元（HRUs），并單獨計算每一水文響應單元的產(chǎn)流量；最后通過河道匯流演算求得出口斷面的總徑流量。SWAT模型遵循水量平衡原理：

式中SWt為土壤含水量的最終值，mm；SW0為第i天土壤含水量的起始值，mm；t為時間，d；Rday為第i天的降水量，mm；Qsurf為第i天的地表徑流量，mm；Ea為第i天的蒸散發(fā)量，mm；Wseep為第i天離開土壤剖面底部的滲透水流和旁通水流量，mm；Qgw為第i天回歸流的水量，mm。

藍/綠水量可根據(jù)SWAT模型各水文變量的輸出結果進行計算[25]，分別為

式中BW為藍水量，mm；GW為綠水量，mm；WYLD為子流域產(chǎn)水量，mm；DA_RCHG為深層含水層補給量，mm；ET為實際蒸散發(fā)量，mm；SW為土壤含水量，mm。

3 結果與分析

3.1 渭河流域土地利用變化趨勢

3.1.1 CA-Markov模型評估

為了檢驗 CA-Markov模型模擬精度，以渭河 2005年土地利用分布圖為起始年，結合1995－2005土地轉移概率矩陣和土地利用適宜性圖集，模擬得到流域2015年土地利用格局。對2015年模擬和實際土地利用數(shù)據(jù)進行精度評估統(tǒng)計（表2、圖2），其中耕地、草地、林地、水域及建設用地精度較高，分別為 83.82%、83.33%、86.06%、89.82%和82.50%，裸地的模擬精度相對較低，僅為61.65%，主要是因為本文將高程、坡度等地形數(shù)據(jù)作為驅動因子，將水域和建設用地設置為限制因子，使得耕地、草地、林地、水域以及建設用地的轉化過程比較容易追蹤，而裸地不僅受地理環(huán)境的影響，還受人為因素的影響，不容易模擬其演變特征，導致模擬精度不高。2015年土地利用模擬 Kappa系數(shù)為 0.89，表明CA-Markov模型模擬達到最佳效果，可用于預測渭河流域未來的土地利用情景。因此，以2015年土地利用分布圖作為起始年，利用CA-Markov模型，結合修改的土地利用轉移概率矩陣和土地利用適宜性圖集，CA濾波器循環(huán)次數(shù)設為20，模擬渭河流域2035年土地利用分布格局。

表2 2015年渭河流域土地利用模擬對比及精度檢驗Table 2 Comparison and precision test of land use simulation in Weihe River Basin in 2015

3.1.2 1995-2035年土地利用動態(tài)變化

渭河流域1995、2015、2035年3期的土地利用中（圖3、表3）均是耕地面積比例最大，草地面積第二，林地面積第三。1995－2015年期間建筑用地單一動態(tài)度達 2.35%，其年增速最大；耕地土地利用的變化率為?0.24%，呈減少趨勢；林地和草地的變化率分別為0.29%、0.02%。2015－2035年，建筑用地面積動態(tài)度達3.50%，耕地變化率減少為?0.32%，水域和裸地均呈現(xiàn)增加趨勢。1995－2035年40 a期間增速最快的是建筑用地，單一動態(tài)度為 3.75%，其次是林地、水域，單一動態(tài)度分別為0.21%、0.08%；耕地、草地和裸地呈減少趨勢，單一動態(tài)度分別為?0.27%、?0.01%和?0.98%。整體而言，1995－2035年期間，耕地呈減少趨勢，林地和建筑用地呈增加的趨勢，草地呈先增加后減少的趨勢，裸地和水域呈現(xiàn)先減少后增加的趨勢。

表3 1995－2035年渭河流域土地利用類型變化Table 3 Changes of land use types in the Weihe River Basin from 1995 to 2035

渭河流域1995—2015、2015—2035年的土地利用轉移面積矩陣如表4、表5所示。

表4 1995－2015年土地利用變化轉移面積矩陣Table 4 Land use change transfer area matrix from 1995 to 2015 km2

表5 2015－2035 年土地利用變化轉移面積矩陣Table 5 Land use change transfer area matrix from 2015to 2035 km2

2期土地利用轉移矩陣表明，渭河流域土地利用類型在時空上的轉移具有一定的可逆性，在向外轉出的同時又伴隨著其他地類的轉入，這與黎云云等[15]研究結果較為一致。1995－2015年期間，耕地、林地、草地三者之間的轉移頻率較高，轉移面積最大的是耕地轉為草地，轉移面積3 323.56 km2，主要反映了20世紀90年代后期，國家在水土流失嚴重地區(qū)實施退耕還林還草工程；其次是耕地轉化為建設用地，轉移面積為1 625.63 km2；草地轉化為耕地的面積為2 264.33 km2；林地轉化為草地的面積為 584.79 km2。2015－2035年期間，耕地主要是向草地和建筑用地轉移，轉移面積分別為 4 811.87和3 329.39 km2，表明2015年之后渭河流域內(nèi)社會經(jīng)濟快速發(fā)展，城市化進程加快，城市建筑用地增幅較大。此外，在草地的轉出過程中，主要是向耕地和林地轉移，轉移面積分別為4 254.42和2 346.92 km2，在林地的轉出過程中，主要是向草地進行轉移，轉移面積為1 572.42 km2，這充分體現(xiàn)了渭河流域土地利用類型轉移的可逆性。

3.2 土地利用變化對藍綠水的時空影響

3.2.1 SWAT模型模擬精度評價

SWAT模型涉及徑流的參數(shù)較多，參考相關文獻[26-27]，最終確定16個敏感性較高的參數(shù)作為渭河流域5個水文站的率定參數(shù)（表6）。結合渭河流域上、中、下游以及2個支流的參數(shù)分析結果可知，對渭河流域徑流產(chǎn)生較為敏感的參數(shù)有CN2（SCS徑流曲線數(shù)）、ALPHA_BF（基流α因子）、SOL_K（土壤飽和導水率）、SOL_AWC（土壤有效含水率），其中影響最為顯著的是CN2（SCS徑流曲線數(shù)）。

表6 SWAT模型參數(shù)選擇及率定結果Table 6 SWAT model parameter selection and calibration results

模型評價選用確定性系數(shù)（R2）和Nash-Sutcliffe納什系數(shù)（NSE）[28]。利用渭河流域 5個水文站的月徑流資料，以 1995年土地利用數(shù)據(jù)作為基準期，結合SWAT-CUP校準工具和手動調參法，按照林家村、咸陽、張家山、狀頭、華縣的順序進行率定，率定期為 1985－1990年，驗證期為1991-1993年（表7）。5個水文站的評價指標均滿足R2>0.6，NSE>0.5的標準，表明 SWAT模型在渭河各子流域均有較好的適用性，可用于研究流域土地利用變化對藍綠水時空分布的影響。

表7 渭河流域SWAT模型模擬結果評價Table 7 Evaluation of SWAT model simulation results in Weihe River Basin

3.2.2 不同土地利用對藍綠水的影響

藍綠水的變化主要由氣候變化和人類活動兩方面因素共同引起，因此為了定量分析土地利用變化對藍綠水的影響，排除其他因素的干擾，本研究將各土地利用情景分別代入校準好的SWAT模型中，保證基準期氣候和土壤等要素不變。在各土地利用情景下，渭河流域藍綠水量的變化情況如表8所示，從表中分析可知：

表8 五種情景下藍水量、綠水量的變化情況Table 8 Changes of blue and green water quantities under five scenarios

1）1995－2015 年，流域內(nèi)藍水量增加了2.38 mm/a；2015－2035年，藍水量增加了14.82 mm/a。藍水量的增加主要是由于流域內(nèi)建筑用地面積的擴張，1995－2035年建筑用地單一動態(tài)度達3.75%，增幅較大。建筑用地面積的擴張會影響下滲、蒸發(fā)等水文過程，導致地表徑流的增加。1995－2015年和2015－2035年，流域內(nèi)綠水量分別減少了18.74、15.23 mm/a。綠水量的減少主要由于流域內(nèi)耕地面積的減少，耕地的轉出，使得蒸散發(fā)量減少，而蒸散發(fā)作為綠水的主要組成部分，直接影響綠水量的變化情況，這與趙安周等[29]研究較為一致。

2）在退耕還草作用下，藍水量較情景 2下降了9.27 mm/a；在退耕還林作用下，藍水量下降了11.37 mm/a。根據(jù)王磊等[30]、Thanh等[31]研究，耕地會促進徑流量的增加，林地和草地面積增加對徑流量起降低作用。隨著流域內(nèi)耕地全部轉化為林地和草地，地表徑流量減少，造成藍水量呈減少趨勢。在退耕還草/還林 2種情景下綠水量呈現(xiàn)減少的趨勢，分別減少了 32.94、21.13 mm/a。綠水量主要是由蒸散發(fā)和土壤含水量兩者組成，研究表明耕地對蒸散發(fā)量的貢獻高于林地、草地[32]，在人類活動的影響下，夏季耕地的日均蒸散發(fā)量遠遠大于林草地，其中蒸散發(fā)量占總耗水量高達 90%[33]，蒸散發(fā)作為綠水的主要組成部分，直接決定了綠水量的大小。此外，不同土地利用類型對土壤含水量影響排序是耕地>草地>林地[34]。因而耕地轉化成林地、草地之后，蒸發(fā)量和土壤含水量均減少，造成綠水量大幅度的減少。

在歷史、未來及模擬土地利用情景下，藍綠水的空間分布存在一定的差異（圖4）。在LULC1995、LULC2015和LULC2035這3種情景下的藍水量、綠水量空間分布基本一致，均表現(xiàn)為南多北少的趨勢，主要是因為流域南部和東部地區(qū)主要土地類型是耕地，耕地既能增加地表產(chǎn)流量，也能增加蒸發(fā)量，使得該區(qū)域的藍綠水量較為豐富；同時，流域地形自西向東逐漸降低，南部為秦嶺山脈，北部為黃土高原，海拔的差異使得流域內(nèi)氣溫呈現(xiàn)南高北低、東高西低的分布，氣溫與蒸散發(fā)呈正向關系[35]，因而東部和南部地區(qū)綠水量較為豐富。與LULC1995情景相比，LULC2015情景下渭河流域南部、東部的綠水量呈減少趨勢，流域南部、中部的藍水量呈增加趨勢；LULC2035情景下渭河流域中部、南部和西北部的綠水量呈減少趨勢，流域東部、南部和中部的藍水量呈增加趨勢。

退耕還林、還草 2種模擬情景下，渭河流域藍綠水呈現(xiàn)不一致的空間分布特征。退耕還林情景下綠水量在流域東部和中部地區(qū)表現(xiàn)為減少趨勢，藍水量在流域南部和西部地區(qū)呈減少趨勢；退耕還草情景下綠水量在流域南部、中部和東部地區(qū)均表現(xiàn)為減少趨勢，且減少幅度比退耕還林情景更大，藍水量在流域南部、中部和東部地區(qū)呈減少趨勢。退耕還林/還草模擬情景下，藍綠水的空間變化是因為渭河流域內(nèi)耕地主要分布在南部和東部，林地主要分布于東部，草地分布范圍較廣，主要是在北部，當流域內(nèi)土地利用格局發(fā)生變化（如耕地全部轉為草地或林地），將影響流域內(nèi)藍綠水量的空間分布特征。因此合理規(guī)劃耕地、草地和林地，可以有效防止水土流失，是渭河流域未來土地利用規(guī)劃和水資源管理的重點。

4 結 論

本文以渭河流域作為研究對象，利用CA-Markov模型對流域 2035年土地利用格局進行模擬預測，通過SWAT模型和5種不同土地利用情景設置，定量分析不同情景下的藍綠水時空響應情況，得到如下主要結論：

1）基于CA-Markov模型對渭河流域2015年土地利用格局進行模擬預測，Kappa系數(shù)為0.89，表明模型精度較高，可用于未來土地利用的預測。渭河流域主要的土地利用方式是耕地、林地和草地，其余地類占比較小。1995-2035年期間，耕地呈減少趨勢，林地保持增加趨勢，草地呈先增加后減少的趨勢，建筑用地呈增加趨勢。耕地大面積轉移為建設用地和草地，草地主要轉移為林地和耕地，其余地類轉出面積不明顯。40年期間，建筑用地年增速最大，單一動態(tài)度達3.75%，林地、水域單一動態(tài)度分別為0.21%、0.08%，增長趨勢不明顯；耕地、草地和裸地兩者單一動態(tài)度分別為?0.27%、?0.01%和?0.98%，呈減少趨勢。

2）SWAT模型在渭河流域5個水文站的月徑流模擬精度較好，均滿足決定系數(shù)R2>0.6，納什系數(shù) NSE>0.5的精度要求，表明模型可用于模擬分析該流域土地利用變化對藍綠水的影響。1995－2015年間，渭河流域的藍水量增加了 2.38 mm/a，綠水量減少了 18.74 mm/a；2015－2035年藍水量增加了 14.82 mm/a，綠水量減少了15.23 mm/a，藍綠水量變化趨勢一致，主要是因為1995－2035年期間耕地減少，建筑用地增加，使得流域內(nèi)蒸散發(fā)量減少，徑流量增加；退耕還林、還草情景下，藍水量和綠水量均呈下降趨勢，主要因為耕地既能夠促進徑流量的增加，又可以增加流域蒸散發(fā)量，將大面積的耕地轉化為林草地后，藍水量和綠水量也隨之減少。

本文利用CA-Markov模型模擬渭河流域土地利用演變，耦合SWAT模型定量分析藍綠水量的時空分布特征。在模擬土地利用演變時，在制作土地適宜性圖集時考慮不全面，對于限制條件和因子的選擇，應結合流域內(nèi)實際發(fā)展情況，從地理位置、社會經(jīng)濟、人口發(fā)展以及資源環(huán)境等多方面進行選取，這樣能更精確的對土地利用進行模擬。在構建渭河流域SWAT模型時，對于不同土地利用情景耦合SWAT模型，本文采用已校準參數(shù)不變，僅更換土地利用數(shù)據(jù)，未考慮土地利用變化對模型參數(shù)的影響，在以后的研究中，需要深入分析不同的土地利用分布對模型參數(shù)敏感性的影響。流域尺度藍綠水的時空演變特征不僅受土地利用變化的影響，還同時受氣候變化和灌溉、取用水、水利工程等人類活動的影響。本文在分析渭河流域藍綠水的時空變化時，主要考慮了土地利用演變對藍綠水的影響，在未來的研究中，將考慮氣候變化和人類活動（如：“引漢濟渭工程”、水庫調節(jié)、農(nóng)業(yè)灌溉等）多方面因素，探討渭河流域藍綠水的時空變化特征。