极端降雨条件下植被恢复流域结构和功能连通性间的关系.pdf

极端降雨条件下植被恢复流域结构和功能连通性间的关系张慧勇1,3，吴磊1,2,3，郭嘉薇1,3，刘帅1,3，郭宗俊1,3（1.西北农林科技大学旱区农业水土工程教育部重点实验室，杨凌712100；2.西北农林科技大学黄土高原土壤侵蚀与旱地农业国家重点实验室，杨凌712100；3.西北农林科技大学水利与建筑工程学院，杨凌712100）摘要：探明极端降雨条件下流域水文和泥沙连通性的相互关系，对新形势下黄土高原植被恢复流域水沙调控与水土保持高质量发展具有重要作用。该研究在泥沙连通性指数（indexofconnectivity，IC）的基础上，采用地形位置指数和植被覆盖因子改进的结构连通性指数（structuralsedimentconnectivity，SCst），累计地表径流深因子改进的功能连通性指数（functionalhydrologicalconnectivity，HCfn），研究了极端降雨和植被恢复对流域水沙连通性的影响及输沙潜力的表征能力。结果表明：植被恢复流域归一化植被指数均值由 2000 年的 0.29 剧增到 2020 年的 0.70，显著影响 SCst，其均值由 2000 年的6.49 下降到 2020 年的10.03，Pearson 相关系数0.93；降雨径流显著影响 HCfn，年月尺度上 HCfn均值与降雨径流深的相关系数均大于 0.70。HCfn可动态反映流域径流输沙情况，平水年流域实测月输沙量与月功能连通性指数的相关系数大于 0.50，而极端水文年二者更加显著，相关系数大于 0.60。极端降雨条件下，降雨因子占主导作用，SCst与 HCfn指数可灵敏地反映降雨强度和植被覆盖的季节性变化特征，但二者的相互作用随季节在不断变化。总之，改进后的水沙连通性指数有一定的优势和局限性，可为变化环境下黄土高原大型流域水沙管理和生态建设提供科学指导。关键词：植被；泥沙；径流；极端；结构连通性；功能连通性；输沙潜力doi：10.11975/j.issn.1002-6819.202304040中图分类号：S157文献标志码：A文章编号：1002-6819(2023)-15-0103-11张慧勇，吴磊，郭嘉薇，等.极端降雨条件下植被恢复流域结构和功能连通性间的关系J.农业工程学报，2023，39(15)：103-113.doi:10.11975/j.issn.1002-6819.202304040http:/www.tcsae.orgZHANG Huiyong,WU Lei,GUO Jiawei,et al.Relationship between structural and functional connectivity of vegetationrestoration watershed under extreme rainfall conditionsJ.Transactions of the Chinese Society of Agricultural Engineering(TransactionsoftheCSAE),2023,39(15):103-113.(inChinesewithEnglishabstract)doi:10.11975/j.issn.1002-6819.202304040http:/www.tcsae.org0引言连通性可以反映流域泥沙源汇间的连通能力1，其被划分为三类2，即水文连通性、泥沙连通性和景观连通性，三者分别强调的是径流、泥沙以及不同地貌在空间上的物理级联。从景观系统内部物质的输移过程上又可将其划分为结构（静态）和功能（动态）连通性3，前者与景观连通性等价，后者更注重表述的是结构之间各类物质的相互作用。水沙连通性越来越成为国际相关领域研究的热点，然而，对于不同区域、时空变化下影响水沙连通性的主控因素，结构和功能连通性之间存在的相互作用关系，应采用何种权重因子计算的连通性能够更加准确地对流域动态输沙潜力进行表征，仍然不够明确，需进一步深入研究4。近 10 年来对于结构和功能连通性的研究，国内外学者取得了一些成果。CAVALLI 等5在泥沙连通性（indexofconnectivity，IC）基础上结合高山流域特征采用地表粗糙度指数（roughnessindex，RI）使模型能很好地模拟泥石流和水道化泥沙运输的泥沙路径。WANG等6通过对黄土高原纸坊沟小流域 20a 泥沙连通性的计算，发现在半干旱区小流域尺度上植被恢复和沟壑发育是影响 IC 的主要原因。LIU 等7将土地利用变化与泥沙连通性及输沙量联系起来，定量化地分析随土地利用变化而改变的泥沙连通性对集水区输沙量的影响。HOOKE等8基于三个不同权重版本的连通性指数对地中海农业流域进行计算，评估了其对表征径流和泥沙连通性模式的适用性。上述学者旨在通过结构性指标对连通性进行探究，并没有将功能因素（如径流因子、降雨侵蚀力因子、降雨指数）考虑到模型中。为了使连通性具备功能性特点，增强其对流域输沙潜力的表征，也有部分学者使用降雨径流因子改进了连通性。如 ZANANDREA等9为了使模型不光具有结构成分，将降雨指数和地表径流指数作为功能性组分嵌入模型，构建了水沙连通性指数（hydrosedimentologicalconnectivityindex，IHC），使流域连通性同时具备了时空特征并且能够较好地反映泥沙的运移模式。LPEZ-VICENTE 等10将多种权重因子加入 IC 模型，提出了同时具有结构和功能特性的水沙连通性聚合指数（aggregatedindexofflowandsedimentconnectivity，AIC），分析了研究流域径流泥沙的响应情况，在此基础上 WU 等11利用 AIC 指数对中国渭河流域进行泥沙评估，得出了功能连通性比结构连通性更收稿日期：2023-04-07修订日期：2023-07-11基金项目：国家自然科学基金项目（42277073，52070158）作者简介：张慧勇，研究方向为流域水土环境模拟。Email：通信作者：吴磊，教授，博士导师，研究方向为流域水土环境模拟。Email:第39卷第15期农 业 工 程 学 报 Vol.39No.152023年8月TransactionsoftheChineseSocietyofAgriculturalEngineeringAug.2023103能决定泥沙动力学的结论。虽然以植被为代表的结构连通性和以降雨为代表的功能连通性取得了重大的研究进展，但对于黄土高原流域不同时期降雨和植被的主导作用并不明析，对于结构与功能连通性间的相互作用也缺乏研究，对极端降雨条件下植被恢复流域的水沙连通性对流域输沙能力的表征研究更少。黄土高原地区经过几十年的水土流失治理虽已取得举世瞩目的成效12，但是变化环境下特别是降雨和植被对流域水沙连通性的影响仍需密切关注。因此，该研究以黄土高原延河流域为研究区，探讨基于植被和地形因子计算的结构连通性（structuralsedimentconnectivity，SCst）和基于累积地表径流深因子计算的功能连通性（functionalhydrologicalconnectivity，HCfn）的相互关系，主要研究目的：1）明晰极端降雨和植被在不同时空尺度下对水沙连通性的影响；2）验证改进的水沙连通性指数是否可以很好地表征流域侵蚀输沙潜力；3）探明结构与功能连通性的相互作用，以期为黄土高原植被恢复流域尤其是特大暴雨事件下水土流失的治理提供科学参考。1材料与方法1.1研究区概况延河流域（3621N3719N，10838E11029E）位于陕北黄土高原中部（图 1），是黄河中游段的一级支流，总长 286.9km，流域面积 7725km2。延河的源头在靖边县，流经志丹、安塞、延安三县，并最终在延长县汇入黄河。延河流域 90%以上都是黄土丘陵沟壑区，土壤类型以黄绵土为主，地势西北高，东南低，海拔4851800m。该区域属于亚热带大陆性季风气候，夏季多雨，冬季少雨，径流地区分布差异大，径流量年际变化大且分配不均。流域内部土壤侵蚀尤为严重，水土流失问题日益加剧。数十年来随着水土保持措施的大力实施，使得土壤侵蚀问题得以缓解。N延河流域Yanhe River Basin陕西省Shaanxi Province黄土高原The Loess Ploteau0 60240 km1200624 km0624 km18a.流域位置a.Location of basinb.高程及雨量站点分布b.Elevation and rainfall stationsc.56个子流域、河网系统及甘谷驿水文站位置c.Sub-watershed(a total of 56),river network system andlocation of Ganguyi hydrological station雨量站Rainfall stations河道River甘谷驿水文站Ganguyi hydrological station延河流域Yanhe River basin河道River高程Elevation/m4851 800子长Zichang图 1延河流域概况Fig.1YanheRiverbasinprofile1.2数据来源研究区 30m 分辨率数字高程数据（digitalelevationmodel，DEM）来源于地理空间数据云平台（https:/ 分辨率土地利用数据来源于地理信息监测云平台（http:/ 万土壤数据来源于黄土高原数据中心（http:/ 年日数据（降雨、气温、风速、日照），甘谷驿水文站 20002020 实测日流量数据和 20062013 实测日输沙量数据均来自于水文年鉴和甘谷驿水文站，归一化植被指数（normalizeddifferencevegetationindex，NDVI）数据来自美国航空航天局（NationalAeronauticsandSpaceAdministration，NASA）数据中心提供的MOD13Q1-NDVI数据，空间分辨率为250m，时间分辨率为 16d。以上数据用于延河流域SWAT 模型的构建，面降雨量利用泰森多边形法对雨量站加权平均得到，NDVI 数据用于结构连通性指数的构建。将获取的数据进行校准、裁剪并重采样为 30m 分辨率，坐标系统一为WGS_1984_UTM_Zone_49N，数据处理在Arcgis10.5 中进行。1.3连通性指数BORSELLI 等1在 2008 年提出了描述流域泥沙源汇级联关系的连通性指数，它旨在明确泥沙从一个区域位置到另一个区域位置的潜力，其计算式如下：S1=lg(DupDdn)=lgWSAidiWiSi（1）WS式中 S1为泥沙连通性指数 IC，它的值越大代表泥沙在不同区域间的输移越容易；Dup是上坡组分，Ddn是下坡组分。是上坡区域的平均权重因子，以往研究中大多使用 RUSLE 模型中的植被覆盖因子 C 代替；是上坡区域的平均坡度，m/m；A 是上坡区域面积，m2；di是第 i 个单元沿着汇流路径到出口的距离，m；Wi是第 i 个单元104农业工程学报（http:/www.tcsae.org）2023年的权重因子，Si是第 i 个单元的坡度。1.4水沙连通性指数本研究以泥沙连通性模型为基础，结合黄土高原地形特征以及气候特点改变其权重因子，改进得到以下两种连通性指数。1.4.1基于地形植被复合因子的结构连通性指数由于黄土高原地区采取了一系列水土保持活动，单纯用 C 因子作为权重因子来计算流域的连通性已不太合适13。而地形常被用来预测流域的水通量，地形指数概化水沙运动也是合理的14，因此本文引入地形位置指数T，与植被覆盖因子 C 共同充当权重因子，计算式如下：S2=lgCTSAidiCiTiSi（2）式中 S2为结构连通性指数 SCst，C 为植被覆盖度因子，无量纲；T*为地形位置指数 T 的逆归一化，m。1.4.2基于径流深因子的功能连通性指数由于径流是运移泥沙的直接因素，径流的大小关系着两单元间的连通程度，定量表示径流强度和径流随时间变化的单元累积地表降雨径流深能较直接反映泥沙源汇的连通能力15，因此本文采用径流深作为权重嵌入泥沙连通性模型，使其成为具有功能特性的连通指数，计算式如下：S3=lgHSAidiHiSi（3）式中 S3为功能连通性指数 HCfn，H 为某单元的累积地表降雨径流深，m。1.4.3各因子计算方法1）归一化植被指数为了最大限度减少云污染、太阳角度和阴影效果、气溶胶、水蒸气以及定向反射和观看角度带来的影响，利用最大值合成法得到年和月最大 NDVI 值来表示植被的生长状况16-18。最大值合成法是指栅格同一位置的多个像元中取最大值从而获取新的包含所有最大值信息的图像，计算式如下：S4=MaxN1a,N1b,N2a,N2b,N12a,N12b（4）S5=MaxNja,Njb（5）式中 S4为年最大 NDVI 值；S5为月最大 NDVI 值；j 表示第 j 月，N1a，N2a，N12a分别为 112 月上半月的植被 NDVI 值，N1b，N2b，N12b分别为 112 月下半月的植被 NDVI 值。为了更好地分析流域植被覆盖恢复过程，将 21a 的NDVI 指数划分为 5 个等级19，分别为低植被覆盖（00.2）、中低植被覆盖（0.20.4）、中植被覆盖（0.40.6）、中高植被覆盖（0.60.8）和高植被覆盖（0.81.0）。2）植被覆盖因子 C本文采用 BENAVIDEZ 的方法20，基于植被覆盖度（f）估算了 C 因子，f 由 NDVI 计算，计算式如下：f=NNminNmaxNmin（6）C=1f0.0960.65080.3436lgf0.096f0.7830f 0.783（7）式中 N 为归一化植被指数 NDVI，Nmax为最大值，即纯植被像元的 NDVI 值，Nmin为最小值，即全裸土像元的NDVI 值。3）地形位置指数 T利用地形位置指数不仅可以区分出地形的坡位，综合坡度数据后还可以识别出地形形态类型，计算式如下21-22：T=Z01nRiRZi（8）T=1T TminTmaxTmin（9）式中 Z0表示中心点高程，Zi表示邻域内高程，nR表示预设邻域 R 内高程点数量，Tmax为最大值，即像元处于领域内较高处的最大值，Tmin为最小值，即像元处于领域内较低处的最小值。4）降雨径流深 H本研究使用 ArcGIS10.5 工具对 DEM 数据提取并设置水系将延河流域划分为 56 个子流域，将土地利用类型、土壤数据库、气象数据库等信息输入，构建 SWAT 模型，模型输出结果包括模拟时段所有子流域的月径流数据。选用甘谷驿水文站 20002010 年月径流数据进行模型的校准，使用 20112020 年月径流数据进行模型验证，率定期与验证期模型结果皆符合率定标准23（R20.6，NSE0.5）。利用率定后延河流域 SWAT 模型 output.sub 输出文件中包含 20002020 年 56 个子流域的逐月数据的地表径流深（SURQ）字段，使用 ArcGIS10.5 工具确定 56个子流域中心点的地理坐标，并分别用地统计分析模块的普通克里金和反距离权重法对流域累计地表径流深进行空间插值生成年月累计地表径流深图。1.5GIS 空间分析与 SPSS 相关性分析本文延河流域 SWAT 模型的建立、地表累计径流深空间插值、NDVI 和水沙连通性时空分布图计算绘制均在 ArcGIS10.5 工具中进行。借助 SPSS 数据分析软件的Pearson 相 关 性 分 析 功 能 来 描 述 变 量 间 的 相 关 性。Pearson 相关性系数可以很好地度量两个变量 X 和 Y 之间的线性相关程度，其值介于1 和 1 之间，绝对值越大代表两变量越相关，与回归分析相比，它的优点是不需要区分自变量和因变量。通常认为，当|r|0.6，两变量强相关；当 0.4|r|0.6，两变量中度相关；当 0.2|r|0.20.40.40.60.60.80.81.0N土地利用类型Land use type林地Woodland草地Grassland水域Water建设用地Construction land裸地Bareland耕地Cropland10NDVI0 102040 km图 2延河流域 20002020 年土地覆盖和归一化植被指数的时空分布Fig.2Spatiotemporaldistributionoflandcoverandnormalizeddifferencevegetationindex(NDVI)inYanheRiverBasinfrom2000to2020表1延河流域 20002020 年主要土地利用类型面积变化Table1Changesinareasofdominantlandusetypesfrom2000to2020inYanheRiverBasin%土地利用类型Landusetypes年份 Year20002005201020152020耕地 Cropland43.1040.3140.1431.8031.32林地 Woodland11.1913.9714.1114.7314.79草地 Grassland45.0144.9944.9852.5152.32水域 Water0.330.280.300.330.36建设用地 Constructionland0.350.420.430.621.11裸土 Bareland0.030.030.030.010.10106农业工程学报（http:/www.tcsae.org）2023年0 102040 kma.2000c.2015b.2010d.2020SCst高High:1.52低Low:22.34N图 3延河流域 20002020 年结构连通性（SCst）时空分布Fig.3Spatiotemporaldistributionofstructuralsedimentconnectivity(SCst)inYanheRiverBasinfrom2000to20202.2极端降雨和功能连通性延河流域在 2013 年 7 月发生了极其罕见的极端降雨事件，共出现了 5 次强降雨过程，其降雨总量异常偏多且具有全流域、长历时、高强度的暴雨特点，超过百年一遇标准，暴雨中心位于延安市31-33。本文对延河流域3 个气象站多年降雨量数据统计，全年降雨集中分布在汛期（69 月），汛期多年平均面降雨量为 377.38mm，占全年降雨量的 75.9%，而非汛期（1、2、11、12 月）多年平均面降雨量为 24.95mm，其降雨量仅占到全年降雨量的 5%。流域 2013 年由于多场暴雨的出现，降雨量值异常突出，其中 7 月降雨量（528mm）竟达多年平均水平的 5 倍（图 4a图 4b），为同期 10000 年一遇（10000 年重现期降雨量为 444mm，图 4d），用皮尔逊型曲线对历年和历年 7 月（除 2013 年）降雨量拟合优度达到极显著水平（P0.01，图 4c图 4d）。1 0002 0002 0052 0102 0152 020800600降雨量Precipitation/mm4002000年份Yeara.降雨量a.Precipitationb.2013降雨量与多年平均降雨量比较b.Comparison between 2013and annual average precipitation600500400降雨量Precipitation/mm3002000月份Month100123456789101112延安站Yanan station安塞站Ansai station延长站Yanchang station月降雨量(2013)Monthly precipitation(2013)多年平均月降雨量Annual average monthly precipitation1 4001 000降雨量Precipitation/mm600200频率Frequency/%c.降雨频率(20002020)c.Precipitation frequency(20002020)0.010.10.051.00.551020304050607080909999.599.999.9599.9995理论频率Theoretric frequency经验频率Empirical frequency400300降雨量Precipitation/mm2001000频率Frequency/%d.历年7月降雨频率(20002020)d.Precipitation frequency in July(20002020)0.010.10.051.00.551020304050607080909999.599.999.9599.9995理论频率Theoretric frequency经验频率Empirical frequency图 4延河流域 20002020 年年降雨量和历年 7 月降雨量变化趋势以及降雨频率Fig.4VariationtrendandfrequencyofannualrainfallandrainfallinJulyfrom2000to2020inYanheRiverBasin汛期面降雨量为 798mm，占 2013 年全年降雨量的88.8%，是汛期多年平均面降雨量的 2.1 倍，非汛期降雨量仅为 15mm，和非汛期多年平均值相差不大。因此根据世界气象组织的明确规定，2013 年延河流域降雨远超25 年一遇标准，极其异常，凸显了其降雨的极端特点。分析了 20002020 年累积地表径流深空间插值图和功能连通性图，其中包括极端水文年（2013）和平水年（2012）的年月分析。图 5 展示了具有代表性的年月尺度地表累积径流深和功能连通性分布情况。总体上，延河流域径流量呈现出从上游到下游逐渐减小的分布特点，年累计地表径流深上游明显大于下游，这是研究流域径流地区分布差异，径流主要来源于上游的缘故。在大部分年份，流域中游的连通性是最小的，这与延安段实施的一系列水土保持工程密不可分。然而，2013 年流域的径流深和功能连通性空间分布发生了变化（图 5c图 5d、图 5i图 5j），流域的年月累计地表径流深显著高于其他研究时段，7 月的累计地表径流深最大值达到 300mm，甚至远大于个别年份的年累计地表径流深，此时流域HCfn最大值和平均值均达到最大，分别为 1.63 和5.52，这归因于流域 7 月的特大暴雨掩盖了植被和水土保持措施的共同作用。d.HCfn(2013)e.RD(2020)f.HCfn(2020)高High:1.63低Low:12.16HCfn高High:0.06低Low:13.06HCfn高High:136低Low:18径流深Runoff depth/mmj.HCfn(2013-07)k.RD(2013-11)l.HCfn(2013-11)高High:1.00低Low:12.95HCfn高High:4.97低Low:33.18HCfn高High:3低Low:0径流深Runoff depth/mmg.RD(2013-02)h.HCfn(2013-02)i.RD(2013-07)高High:5.58低Low:26.73HCfn高High:2低Low:0径流深Runoff depth/mm高High:297低Low:16径流深Runoff depth/mma.RD(2005)b.HCfn(2005)c.RD(2013)N高High:318低Low:23径流深Runoff depth/mm高High:1.15低Low:12.11HCfn高High:457低Low:24径流深Runoff depth/mm040 km图 5延河流域年、月累计地表径流深（RD）和功能连通性（HCfn）分布Fig.5Annualormonthlycumulativesurfacerunoffdepth(RD)andfunctionalhydrologicalconnectivity(HCfn)distributioninYanheRiverBasin时空上累计地表径流深分布与功能连通性分布具有良好的一致性（图 5），径流量越多的区域其 HCfn就越大，降雨径流决定着流域的功能连通性。年际年内变化下，HCfn和 RD 密切相关，呈显著正相关关系，相关系数均大于 0.7（P0.01）（图 6）。此外，连通性最值区第15期张慧勇等：极端降雨条件下植被恢复流域结构和功能连通性间的关系107域的空间位置并不是固定的，而是随着 RD 的时空分布变化而变化的。5.45.65.86.06.26.46.66.8240210180150120906020002005201020152020HCfn均值HCfn mean value径流深Runoff depth/mm年份Yeara.年际变化a.Interannual variationHCfn均值HCfn mean value径流深Runoff depth6810121416120100806040200123456789 10 11 12HCfn均值HCfn mean value径流深Runoff depth/mm月份Monthb.年内变化b.Seasonal variation图 6延河流域功能连通性（HCfn）与累计地表径流深（RD）的关系Fig.6Relationshipbetweenfunctionalconnectivity(HCfn)andcumulativesurfacerunoffdepth(RD)inYanheRiverBasin2.3极端降雨影响下流域的结构和功能连通性为了凸显极端降雨对延河流域结构和功能连通性的影响并忽略植被对研究的干扰作用，以 2012 和 2013 年月的结构连通性和功能连通性为例（图 7）。流域的 SCst随时间变化先减小后增大，这缘于流域内分布的林地草地等植被在 5 月初 10 月底为生长季，对泥沙输移起到了极大阻碍作用，而后随着植被的凋落，SCst出现增大趋势，其相关系数可达0.92（P0.7，P0.01）。季节变化下流域的结构连通性和功能连通性呈现较高的负相关性，相关系数均为0.79（P0.01）。然而，7 月降雨量全年最大且植被覆盖近乎最高，两个研究年呈现的现象却截然不同，2012 年的 HCfn随着降雨量增多而增大，SCst随着植被增多而降低，它们各自的权重因子占主导作用。但是在 2013 年 7 月流域的 HCfn和SCst均值同时增大，此时两者呈显著正相关关系，这说明 2013 年 7 月这场极端降雨可能掩盖了植被对流域结构连通性的主导作用，此时降雨占主导作用，同时决定流域的结构和功能连通性。300250200150100500410861214161820123456789 10 11 12径流量Runoff yield/(105 m3)泥沙量Sediment yield/(104 t)均值Mean value月份MonthHCfn均值HCfn mean valueSCst均值SCst mean value径流量Runoff yield泥沙量Sediment yielda.201220016012080400246810121416123456789 10 11 12径流量Runoff yield/(106 m3)泥沙量Sediment yield/(105 t)均值Mean value月份Monthb.2013图 72012 和 2013 年月变化下 SCst、HCfn、径流量和泥沙量的关系Fig.7RelationshipbetweenSCst,HCfn,runoffandsedimentyieldundermonthlyvariationin2012and201301002003004005006007008000.120.160.200.080.040123456789 10 11 12降雨量Precipitation/mmC均值C mean value月份Month降雨量PrecipitationC均值C mean value图 82013 年降雨量和植被覆盖因子（C）随时间变化趋势Fig.8Variationtrendofprecipitationandvegetationcoverfactor(C)in20133讨论3.1植被恢复和极端降雨对水沙连通性的影响流域径流泥沙的输移，受多种因素共同影响，但植被恢复是黄土高原产沙大幅减小的重要原因之一34。植被可以通过冠层截留、改变入渗、增加坡面流阻力以及影响地表粗糙度来有效地降低土壤的滑脱能力和输沙能力。本研究表明，延河流域的泥沙连通性与 NDVI 均值有高度负相关性，相关系数为0.93（表 2），2000108农业工程学报（http:/www.tcsae.org）2023年2020 年流域 NDVI 均值升高了 0.41，其 SCst均值降低了3.54，泥沙连通性受植被的影响显著。这一结果与先前几项研究一致6,35-36，SCst指数能够很好地反映出植被覆盖变化所导致的连通性变化。表2结构功能连通性与降雨植被的 Pearson 相关性Table2Pearsoncorrelationsbetweenstructuralandfunctionalconnectivityandprecipitationandvegetation连通性指数Indexofconnectivity月均降雨（n=12）Averagemonthlyprecipitation极端降雨Extremeprecipitation月 NDVI（n1=12）MonthlyNDVI年 NDVI（n1=21）AnnualNDVIHCfn均值HCfnmeanvalue0.72*1.00*0.86*0.2SCst均值SCstmeanvalue0.471.00*0.92*0.93*注：n1为样本容量；*表示在 0.01 水平上显著相关。下同。Note:n1isthesamplesize;*indicatesasignificantcorrelationatthe0.01level.Thesamebelow.一些研究为了进一步弄清结构连通性系统内部之间的相互作用，将降雨、地表径流等具有时空分布特性的参数作为功能性指标嵌入 IC 模型中，探究它们对连通性的影响。研究表明9,37，植被和降雨对泥沙连通性效果相反且植被变化不明显时降雨对泥沙连通性起主导作用，这个结果与本文平水年（2012）的研究结果一致（图 7），SCst和 HCfn呈现出较强的负相关性，说明了此改进水沙连通性指数的可靠性。然而极端降雨事件却对流域水沙的产生与演变具有重要影响，其会削弱水土保持措施的减水减沙效益，甚至出现负效应36。突如其来的大暴雨会使流域径流量、输沙量剧增，虽然随着水土保持措施的完善以及绿化面积的全覆盖使之与过去相比明显改善，但是高强度的降雨会忽视植被等措施对流域径流泥沙的限制作用，此时极端降雨显著影响水文泥沙连通性。总之，降雨和植被在正常情况下虽会对连通性产生影响，但降雨主要决定水文连通性，植被主要决定泥沙连通性，它们可以很好地表征流域水沙连通性的情况，只有遇到极端降雨事件，降雨才会显著影响水沙连通性，此时降雨对水沙连通性的贡献远大于植被。3.2改进的水沙连通性指数对流域实际径流输沙能力的表征年 际 变 化下 HCfn和 SCst均 值 与 径 流 输 沙 量 的Pearson 相关性显示（表 3），观测站点的径流量、输沙量以及水文连通性指数 HCfn均值显著正相关，与泥沙连通性指数 SCst均值显著负相关，泥沙连通性 SCst并没有像预期那样对流域泥沙输移起到很好地表征作用，而是受植被变化的影响显著，这与延河流域植被的迅速恢复以及年际降雨量变化不大有直接关系。年内变化下水沙连通性指数与径流输沙量关系显示（图 7、表 3），2012年的水沙连通性指数与观测站点的径流量强相关，与输沙量中度相关，由于 2013 年的极端降雨，HCfn与径流输沙量呈现强的正相关性，但 SCst与两者的相关性较弱，显著区别于 2012 年，这是因为高强度降雨削弱了结构性因素对泥沙连通性的影响，从而减弱了它们之间的相关性。表3结构功能连通性与径流泥沙的 Pearson 相关性Table3Pearsoncorrelationsbetweenstructuralandfunctionalconnectivityandrunoffandsedimentyield年份Year径流量Runoffyield泥沙量Sedimentyield2012 月 HCfn均值HCfnmeanvaluein20120.77*0.512012 月 SCst均值SCstmeanvaluein20120.84*0.52013 月 HCfn均值HCfnmeanvaluein20130.68*0.63*2013 月 SCst均值SCstmeanvaluein20130.40.3520062013 年 HCfn均值HCfnmeanvaluein2006-20130.78*0.83*20062013 年 SCst均值SCstmeanvaluein2006-20130.87*0.84*改进后的 HCfn可以很好地表征流域径流泥沙实际的输移能力，但 SCst对径流输沙的表征非常不好，这是因为结构因子的影响超过了降雨因子，这与已有的研究有着很好的一致性9,11,37，他们都通过研究证明了采用降雨径流等与泥沙输移直接相关的功能性因子计算的功能连通性比采用结构因子计算的结构连通性更能代表流域泥沙动力学。但是由于流域植被的年内变化往往伴随着降雨的年内变化，而植被对于泥沙输移的影响又与降雨的影响恰恰相反，因此他们的研究也存在一些缺陷，在研究年内变化时他们使用的降雨侵蚀力等功能性因子会受到植被和降雨两者所占比例的影响从而导致降雨因子的效果没有很好体现出来，致使连通性指数对流域实际输沙能力的表征并不是很理想。而本文使用的累计地表径流深因子计算的功能连通性很好地解决了这个问题，在研究年内变化时功能连通性可以动态地反映流域径流泥沙的实际输移能力，这为未来在大流域尺度上进行生态建设提供了指导。3.3结构连通性与功能连通性的互馈关系延河流域在输沙方面具有明显的季节性特征（图 7），在 14 月以及 1012 月流域产沙量很小，这归因于流域属大陆性季风气候，春季干旱多风，冬季降水少且干燥。研究表明，枯水季流域的 HCfn随降雨强度的变化而变化，SCst处于较高状态，两者的负相关性较强，流域内虽然有少量的径流，但流域在植被减沙作用最弱阶段几乎没有泥沙输移，此时的 SCst并不会对 HCfn有太大的限制作用，因此，结构和功能连通性的相互关系不光要看沙源供应是否充足，降雨径流深度非常重要38。丰水季流域降雨量明显增加，径流量充足，植被逐渐旺盛，流域的 HCfn不断增强且在 7 月达到最大，SCst逐渐减小且在 8 月达到最低，两者的相关性随降雨量的变化而不断发生改变。然而，流域输沙量在 7 月达到最大后急剧减少，但 SCst和 HCfn并没有太大变化，这可以解释为从整体水沙关系角度上看，径流深度虽可以反映流域径流潜在的侵蚀能力，但是坡面侵蚀产沙过程也会受到水流强度的影响，并不是高径流深一定对应高输沙38-39，这时的 SCst较低，一定程度上限制了 HCfn功能的发挥。极端降雨条件下，泥沙量充足，径流挟沙能力强，结构和第15期张慧勇等：极端降雨条件下植被恢复流域结构和功能连通性间的关系109功能连通性均由降雨决定，由于高强度降雨的冲击，此时的 SCst无法显著影响 HCfn，而 HCfn会改变 SCst，两者同时增大，呈现显著的正相关性。平水季流域降雨强度明显减弱，植被渐渐凋落，HCfn降到中等水平，SCst显著增大，两者又呈现出较强的负相关性，此时 SCst对HCfn的限制作用较弱，流域侵蚀输沙取决于径流强度。尽管改进的水沙连通性指数可以为连通性的研究带来进步，但它也有一定的局限性。为了进一步明晰结构和功能连通性之间的相互关系是否也可以反映流域的径流侵蚀潜