以降水为基础的淮北浅埋区涝渍分析与评价

黄爱明, 顾南, 胡永胜, 闫浩芳, 杜明成, 王国庆

黄爱明,顾南,胡永胜,等. 以降水为基础的淮北浅埋区涝渍分析与评价[J]. 水利水运工程学报,2022(2):21-30. DOI: 10.12170/20210315002
引用本文: 黄爱明,顾南,胡永胜,等. 以降水为基础的淮北浅埋区涝渍分析与评价[J]. 水利水运工程学报,2022(2):21-30. DOI: 10.12170/20210315002
(HUANG Aiming, GU Nan, HU Yongsheng, et al. Evaluation of waterlogging in Huaibei plain based on precipitation analysis[J]. Hydro-Science and Engineering, 2022(2): 21-30. (in Chinese)). DOI: 10.12170/20210315002
Citation: (HUANG Aiming, GU Nan, HU Yongsheng, et al. Evaluation of waterlogging in Huaibei plain based on precipitation analysis[J]. Hydro-Science and Engineering, 2022(2): 21-30. (in Chinese)). DOI: 10.12170/20210315002

以降水为基础的淮北浅埋区涝渍分析与评价

基金项目: 国家自然科学基金资助项目(41830863,51879162);水文水资源与水利工程科学国家重点实验室基金项目(2020nkzd01)
详细信息
    作者简介:

    黄爱明(1996—),女,广西南宁人,硕士研究生,主要从事水文水资源模拟研究。E-mail:873577052@qq.com

    通讯作者:

    王国庆(E-mail:gqwang@nhri.cn

  • 中图分类号: TV11

Evaluation of waterlogging in Huaibei plain based on precipitation analysis

  • 摘要: 淮北平原涝渍灾害严重,研究淮北浅埋区的地下水埋深对降水的响应规律及涝渍评价方法,对科学规划区域排涝减灾及农作物增产具有重要意义。基于五道沟实验站32年的日降水、地下水埋深及土壤水分数据,利用数理统计的方法分析了五道沟实验站降水、地下水埋深变化特征,同时分析了作物和不同雨强的降水对地下水埋深的影响。利用正距平法和Z指数法对五道沟实验站涝情进行评价。结果表明:淮北浅埋区的年内降水主要集中在5—9月;作物生长前期需水少,降水补给量决定了地下水水位的增长幅度,后期需水量过大,地下水水位会持续下降;地下水埋深在年内呈现双峰变化,在地下水浅埋区,地下水埋深对一定范围内的降水具有弹性;对比不同雨强下地下水水位的响应时间发现,随着雨强的增大,地下水水位的响应时间逐渐减小;两种方法均能较好评价淮北浅埋区的涝渍情况,但长期无降水、地下水位过低时会高估受涝渍灾害的严重性,且Z指数法高估程度更明显。
    Abstract: Waterlogging in the Huaibei plain has been a serious natural disaster which attracts tremendous attentions from government and local communities due to its huge influence on society and economy. It is of significance to study the response law of groundwater depth to precipitation change and the method of waterlogging evaluation for supporting the planning of regional drainage disaster reduction and crop harvest. Based on daily data of precipitation, groundwater depth and soil moisture measured at the Wudaogou Experimental Station with a time span of 32 years, the variation characteristics of precipitation and groundwater depth were analyzed by using statistical methods. Meanwhile, the effects of crops and different rainfall intensity on groundwater depth were investigated. Further more, waterlogging situation was evaluated by using the positive anomaly method and Z index method. The results show that annual precipitation in the shallow groundwater area in Huaibei plain mainly concentrates in the period from May to September. Precipitation dominates the increase range of groundwater level in the early stage of crop growth due to less water demand. However, groundwater level would continually decline in the crop growing stage due to dramatic increase in water demand. The groundwater depth presents a bimodal variation over a year. In the shallow groundwater area, the groundwater depth is elastic to the precipitation within a certain range. By comparing the response time of groundwater level under different rainfall intensities, it is found that the response time of groundwater level gradually decreases with the increase of rainfall intensity. Both the positive anomaly method and the Z index method are effective in evaluating the waterlogging situation in the shallow groundwater area of Huaibei. However, the Z index method might overestimate the severity of waterlogging disaster for a long-lasting drought and low groundwater level before rainfall occurs.
  • 气候变化和人类活动对水文过程的影响是全球水文学研究的热点问题。气候变化和人类活动对径流过程的影响十分敏感,气候变化导致了全球极端降雨等降雨模式的变化,人类活动变化则改变了流域水文过程的时空模式,两者的共同作用导致了严重的供水危机和生态环境问题[1]。近50年来,伊洛河流域径流量发生趋势性锐减[2],可利用水资源急剧衰减,进一步加剧了流域水资源短缺的形势,已引起政府决策部门和公众的广泛关注。

    径流变化成因有降水的影响,有气候变暖的影响,也有植被恢复、取用水等人类活动的影响。量化气候变化和人类活动对径流量的影响,可以更好地揭示径流变化的主导因素,对水资源管理者和决策者有着重要的参考价值。评估气候变化和人类活动对径流演变影响的常用方法有经验统计和水文模型等方法。贺瑞敏等利用澳大利亚水量平衡模型对伊洛河流域径流进行模拟,得出降水减少是该流域径流锐减的主要原因[3]。王国庆采用流域水文模型分析了伊洛河流域不同年代径流变化原因,指出气候变化是伊洛河流域径流减少的主要因素[4]。刘绿柳等针对黄河流域水资源短缺问题,应用SWAT模型对伊洛河等流域的径流变化进行分析,认为气候变化对径流变化贡献大于人类活动[5]。然而,其他研究者利用经验统计方法或其他模型得到了相反的结论。Luan等利用双累积曲线、新安江模型等方法分析径流减少的贡献,指出下垫面变化是径流变化的主导因素[6]。方宏阳等利用流域尺度水均衡模型评估了气候变化和人类活动对径流的影响,指出人类活动是主要原因[7]。以往的研究利用上述方法就流域径流变化的归因分析进行了大量研究,但难以得到一致的结论。在现有方法尚不完善的情况下,准确估计气候变化及人类活动对径流变化的影响尚存在困难。

    除了上述方法,基于Budyko理论的方法由于具有明显的物理意义且计算过程相对简单,已成为近年来的研究热点且得到了成功的应用[8-10]。因此,本研究在系统分析水循环要素的变化趋势的基础上,利用Budyko假设分析了伊洛河流域水循环演变机理与水资源衰减原因,量化解析了径流对各驱动因素变化的敏感性,评估了各环境因素对径流变化的贡献。

    伊洛河属于黄河中游下段的一级支流,流经陕西、河南两省的21个县市(图1),全长974 km,主要干流伊河和洛河分别长265和447 km,流域出口控制水文站为黑石关站,控制面积为18 563 km2,地处33°39' N~34°54' N和109°43' E~113°11' E之间,海拔为92~2 616 m。伊洛河流域多年平均降水量约690 mm,气候分区为湿润和半湿润地区。伊洛河上游为土石山区,植被较好;下游为黄土丘陵区,植被相对稀疏,水土流失严重[3]。近年来受气候和人类活动等因素影响,流域内可利用水资源急剧减少,面临严重的缺水危机。

    图  1  伊洛河流域地理位置
    Figure  1.  Location of the Yiluo River basin

    伊洛河流域1970—2018年的径流数据来源于《中华人民共和国水文年鉴》的黄河流域水文资料,对其进行还原计算得到天然径流。降水数据取自流域内的142个雨量站,气象数据来源于中国气象数据网(http://data.cma.cn),选取流域周边11个气象站点的日平均气压、降水、蒸散发、平均相对湿度、日照时数、平均温度、最高温度、最低温度和平均风速等,潜在蒸散发量由Penman-Monteith公式计算。30 m分辨率的DEM数据来源于地理空间数据云(www.giscloud.cn),用于表示地形分布特征和提取流域边界。1 km分辨率的土地利用数据和归一化植被指数NDVI数据来源于中国科学院资源环境科学与数据中心(https://www.resdc.cn)。

    本研究趋势分析和突变检验选用Mann-Kendall(MK)检验方法,该方法是水文气象系列常用的趋势分析和突变检测方法[11]。统计值Z为MK趋势显著性检验值,其正负表示系列存在增加或减少趋势。如果Z的绝对值大于α显著性水平值$ {Z}_{1-\alpha /2} $,则表明系列在$ 1-\alpha /2 $置信区间趋势显著。

    系列变量的突变点检验统计值为UFUBUF的正负表示系列的上升和下降趋势,超出α显著性水平说明变化趋势明显。如果UFUB在显著性水平之间存在交点,则该点即为突变点[12]。突变点将系列变量分为基准期和变化期,本研究采用滑动t检验方法验证两个子系列样本平均值是否存在显著性差异。

    归因分析采用基于Budyko假设的水热耦合平衡方程,在长时间尺度上蒸散发量主要受供水条件和辐射能量的平衡关系决定,结合水量平衡方程(P=Q+E,PQE分别为年平均降水量、年径流量、年平均实际蒸散发量)可推算出流域的径流量。该方程最初由Budyko提出[13],函数形式为$ E/P=f\left({E}_{0}/P\right) $,描述了流域气候、水文和下垫面之间的相互作用。方程经过以往研究的不断完善已发展为多种形式,其中Choudhury-Yang公式被普遍用于流域实际蒸散发量计算[14],表达式如下:

    $$ E=\frac{{E}_{0}P}{{\left({P}^{n}+{E}_{0}^{n}\right)}^{{1}/{n}}} $$ (1)

    式中:E0为年平均潜在蒸散发量;n为流域特征参数,与流域的地形地貌、土地利用类型、植被等因素相关。

    结合敏感性系数定义和水量平衡方程,对Choudhury-Yang公式求偏导,可得到QPE0和流域特征参数n的敏感性系数计算公式,n由最小二乘法求得,具体结合Excel中单变量求解方法。

    $$ \frac{\partial Q}{\partial P}=1-\frac{1}{{\left[1+{\left(\dfrac{P}{{E}_{0}}\right)}^{n}\right]}^{1+{1}/{n}}} $$ (2)
    $$ \frac{\partial Q}{\partial {E}_{0}}=-\frac{1}{{\left[1+{\left(\dfrac{{E}_{0}}{P}\right)}^{n}\right]}^{1+{1}/{n}}} $$ (3)
    $$ \frac{\partial Q}{\partial n}=\frac{{E}_{0}P}{{\left({P}^{n}+{E}_{0}^{n}\right)}^{{1}/{n}}}\left[\left(-\frac{1}{{n}^{2}}\right)\mathrm{ln}\left({P}^{n}+{E}_{0}^{n}\right)+\frac{1}{n}\frac{1}{{P}^{n}+{E}_{0}^{n}}\left(\mathrm{ln}P{P}^{n}+\mathrm{ln}{E}_{0}{E}_{0}^{n}\right)\right] $$ (4)

    根据各因素突变前后两阶段的变化量$ \mathrm{\Delta }X $,结合式(2)~(4)推导的敏感性系数,可计算求得径流变化各因素影响量$ \mathrm{\Delta }{Q}_{X} $及其贡献率$ {F}_{\text{P}} $

    $$ \Delta {Q}_{X}=\frac{\partial Q}{\partial X}\Delta X $$ (5)
    $$ {F}_{\text{P}}=\frac{\mathrm{\Delta }{Q}_{\text{X}}}{\mathrm{\Delta }Q}\times 100\%$$ (6)

    归因分析结果验证采用降雨-径流双累积曲线方法,假设不受人类活动影响时,降水量与径流量的双累积曲线是一条直线,其线性变化反映了人类活动对流域径流的影响。利用变化期降雨量代入拟合的基准期降雨-径流关系式,可推算出仅受降雨影响下的径流量,与基准期实测径流量的差值即为降雨变化的影响量,由此可计算得到人类活动的影响量及相应的贡献率。双累积曲线表达式如下:

    $$ X\left(t\right)=\sum _{i=1}^{t} {x}_{i},\;Y\left(t\right)=\sum _{i=1}^{t} {y}_{i},\;Y\left(t\right)=f\left(X\left(t\right)\right) $$ (7)

    式中:$ {x}_{i} $ 表示第i年的降水量;$ {y}_{i} $ 表示第i年的径流。

    1970—2018年伊洛河流域径流呈现减小趋势(−1.05 mm/a),降水呈减小趋势(−0.62 mm/a),平均气温呈增加趋势(0.03 ℃/a),蒸散发呈增加趋势(0.43 mm/a)。降水减少、气温增加表明气候存在暖干化的趋势,加上蒸散发消耗的加剧,直接导致了流域径流的减少。MK趋势分析结果表明,径流和气温统计值Z分别为−1.89和4.75,均通过了95%的显著性检验,气温甚至超过了99%的显著水平,这说明径流和气温变化趋势显著,降水和蒸散发量的统计值为−0.49和0.85,变化趋势不显著。具体见图2

    图  2  伊洛河流域水文气象要素变化线性趋势
    Figure  2.  The linear trend of changes in hydrological and and meteorological elements in the Yiluo River basin

    MK突变检验结果表明径流系列在1991年发生突变(图3),突变点的滑动t检验值为2.83,超过0.01显著性水平,说明径流在1991年突变显著。径流量突变的年份与流域内故县水库下闸蓄水的时间相吻合,表明径流量从此开始受人类活动影响。突变点将径流系列分为基准期(1970—1990)和变化期(1991—2018),和基准期相比,变化期多年平均径流减少了46.43 mm,减少34.32%。

    图  3  伊洛河流域突变检验及变化前后对比
    Figure  3.  Runoff mutation test in Yiluo River basin and comparison during the two periods

    将流域降水、径流和潜在蒸散发各阶段均值代入式(1)进行最小二乘法计算,得到各阶段的下垫面参数n表1),结合式(2)~(4)可求得伊洛河流域径流变化对降水、潜在蒸散发和下垫面参数的敏感性系数分别为0.42、−0.18和−78.36。结果表明伊洛河流域降水量每增加1 mm将导致径流增加0.42 mm,潜在蒸散发量每增加1 mm将导致径流减少0.18 mm,下垫面参数每增加1个单位将导致径流减少78.36 mm。

    表  1  伊洛河流域水文要素阶段特征值及变化量
    Table  1.  Characteristic values and changes of hydrological elements in the Yiluo River Basin
    时段Q/mmP/mmE0/mmn
    1970—1990135.28705.81986.971.96
    1991—201888.85668.041 009.412.29
    变化量/Δ−46.43−37.7722.440.33
    下载: 导出CSV 
    | 显示表格

    结合径流对各变量变化的敏感性系数,以及相应的两阶段变化量,代入式(5),可分别计算出各因素变化导致的径流变化量。伊洛河流域降水、潜在蒸散发和下垫面参数引起的径流变化量为−15.80、−3.98和−26.17 mm,Budyko框架模拟的径流变化总量为−45.95 mm,与实测的径流变化量46.43 mm的误差仅为−0.48 mm(1.04%),这表明Budyko假设应用于伊洛河流域模拟径流的阶段变化结果与实测值基本一致。

    径流变化归因分析结合式(2),可求得气候变化和下垫面变化对径流变化的贡献率(表2)。由表2可见,降水变化和下垫面特征变化为径流变化的主导因素。

    表  2  径流演变各影响因素贡献率
    Table  2.  Contribution rate of each influencing factor to runoff evolution
    项目ΔQ实测ΔQ气候ΔQ下垫面误差
    ΔQPΔQE0小计
    影响量/mm−46.43−15.80−3.98−19.78−26.17−0.48
    贡献率/%10034.038.5742.6056.361.04
    下载: 导出CSV 
    | 显示表格

    对伊洛河流域的降水和径流系列数据进行双累积曲线分析,结果如图4所示。在1991年前降水-径流拟合关系良好,决定性系数R2为0.988,可以认为流域径流过程处于天然状态,受人类影响较小。累积降水和累积径流的关系在1991年发生明显的变化,这表明在1991年后径流开始受人类活动影响,偏离量说明了降水和人类活动的影响量。

    图  4  伊洛河流域双累积曲线及降水-径流关系
    Figure  4.  The double accumulation curve and precipitation-runoff relationship of the Yiluo River basin

    根据拟合的1970—1990年降水-径流关系线,结合变化期1991—2018年的平均降水,可计算出不受人类活动影响时1991—2018年的模拟径流结果,即仅考虑降水变化时的径流量为116.01 mm,降水变化导致的径流变化量为19.27 mm,结合实测的两阶段径流变化量46.43 mm,可推算出人类活动的影响量为27.16 mm,降水和人类活动的贡献率分别为41.50%和58.50%,这与基于Budyko假设计算的影响量和贡献率基本一致,说明计算的结果是可信的。

    以往研究 [15-16] 表明,影响径流的因素可以概括为气候变化和人类活动。由于降水、温度和风速的变化,气候变化改变了水资源的空间分布,对干旱和洪水等极端水文事件有直接影响。人类活动通过改变植被条件、土地利用方式及水利水保工程建设等影响了流域的水循环过程,是流域径流减少的主导因素,这与本研究的结论基本一致。同样,也存在一些与本研究相悖的结论,这些研究[3-5]利用水文模型归因分析时通常选用土地利用变化作为人类活动的影响,通过对1980—2018年近5期的土地利用数据分析可知土地利用面积整体变化不大(图5),而土地利用面积的变化无法真实反映下垫面变化的影响,往往导致模拟时低估了人类活动的影响,因此得出了与本研究相反的结论。

    图  5  伊洛河流域土地利用和植被覆盖度变化趋势
    Figure  5.  Land use and vegetation change trends in the Yiluo River basin

    降水和蒸发是径流变化的最直接的影响因素。在全球气候变暖的背景下,相对于基准期(1970—1990),伊洛河流域变化期(1991—2018)多年平均降水减少了37.77 mm,多年平均潜在蒸散发量增加了22.44 mm。降水减少而蒸散发增加,流域暖干化趋势明显,是导致伊洛河流域径流锐减的主要驱动因子。基于Budyko假设的Choudhury-Yang公式中,下垫面参数n代表了植被、土壤和地形,由于在一定的时间尺度内,土壤和地形相对变化不大,下垫面的变化主要反映了植被在内的土地利用的变化。同时,为了减少水土流失改善生态环境,流域内开展了一系列的水土保持措施建设。根据国务院第一次水利普查水土保持情况专项普查成果统计,截止到2011年,流域内修建梯田186.24 km2,种植水土保持林等植被措施2 163.61 km2,修建淤地坝1 079座,累积淤地面积21.95 km2,这些措施极大地改变了伊洛河流域的下垫面特征,改善了流域的植被条件,反映了人类活动对径流变化的影响。利用伊洛河流域1980、1990、2000、2010、2018的5期土地利用数据(图5)和转移矩阵(表3)分析流域土地利用变化情况,发现耕地面积明显减少,耕地逐渐转变成林地、草地和居住用地,居住用地显著增加,反映了城市化建设的影响。草地、林地和耕地等植被面积占比超过90%,是下垫面变化的主要因素,显著影响了流域径流过程。

    表  3  伊洛河流域土地利用转移矩阵
    Table  3.  Land use transfer matrix of Yiluo River basin 单位:%
    土地利用类型耕地林地草地水域居住用地裸地
    耕地 33.741 2.245 3.075 0.734 4.826 0.006
    林地 2.154 28.758 1.601 0.132 0.199 0
    草地 3.574 1.679 11.445 0.054 0.241 0
    水域 0.722 0.138 0.138 0.493 0.138 0
    居住用地 1.793 0.048 0.054 0.036 1.956 0
    裸地 0.012 0 0 0 0 0.006
    下载: 导出CSV 
    | 显示表格

    根据1981—2018年伊洛河流域的植被NDVI指数,结合一元线性回归θslope公式和F检验,分析流域的植被时空变化趋势。结果表明:在时间上,1981—2018年伊洛河流域植被覆盖明显增加(P<0.01);在空间上,流域70.76%以上的区域植被覆盖显著增加,植被覆盖显著减少区域仅占10.27%,其他区域变化趋势不明显。植被的叶面截留和蒸腾消耗了相当一部分降水,是水文循环的关键环节,因此植被也是径流变化的间接影响因子,在产汇流过程中起着重要作用,是准确评估可利用水资源的最大不确定因子。然而,目前的研究无法准确量化植被变化对径流变化的贡献。因此,在缺水严重的黄河流域,植被变化的影响对准确评估可利用水资源显得至关重要。

    以伊洛河流域为研究区,基于Budyko理论的Choudhury-Yang公式,分别对研究区径流变化中气候变化和人类活动的影响进行归因分析,得出主要结论如下:

    (1)伊洛河流域1970—2018年径流呈显著的减小趋势,且在1991年发生突变,突变前后径流变化了46.43 mm(34.32%)。

    (2)径流变化对降水、潜在蒸散发和下垫面参数的敏感性系数分别为0.42、−0.18和−78.36,即降水每增加1 mm将导致径流增加0.42 mm,潜在蒸散发量每增加1 mm将导致径流减少0.18 mm,下垫面参数每增加1个单位将导致径流减少78.36 mm。

    (3)降水、潜在蒸散发和下垫面变化对径流变化的贡献分别为34.03%,8.58%和56.36%,与双累积曲线分析结果基本一致,人类活动引起的下垫面变化是径流变化的主要驱动因素,降水变化的影响也不可忽视。

    (4)由于流域下垫面特征主要受植被、地形和土壤等因素影响,而地形和土壤等因素在短时期内变化不大,因此下垫面变化主要受植被变化主导。

  • 图  1   五道沟实验站地理位置及土壤类型

    Figure  1.   Geographic location map of Wudaogou Experimental Station

    图  2   1986—2018年五道沟气象站降水量变化过程

    Figure  2.   The precipitation change process of Wudaogou Meteorological Station from 1986 to 2018

    图  3   1986—2018年五道沟地下水埋深年内分配

    Figure  3.   Annual distribution of groundwater depth in Wudaogou from 1986 to 2018

    图  4   1986—2018年五道沟地下水埋深多年过程

    Figure  4.   Multi-year process chart of groundwater buried depth in Wudaogou from 1986 to 2018

    图  5   夏玉米生长季多年平均地下水埋深变化过程

    Figure  5.   Multi-year average groundwater depth change process in summer maize growing season

    图  6   冬小麦生长季多年平均地下水埋深变化过程

    Figure  6.   Multi-year average groundwater depth change process in winter wheat growing season

    图  7   不同降雨条件地下水埋深的变化

    Figure  7.   Variation of groundwater depth under different rainfall conditions

    图  8   以小时为尺度的降雨对地下水埋深的影响

    Figure  8.   Influence of hourly scale rainfall on groundwater depth

    图  9   以日为尺度降雨对地下水埋深的影响

    Figure  9.   Influence of daily scale rainfall on groundwater depth

    图  10   土壤水分和降水与蒸发差值年内变化

    Figure  10.   Annual variation of soil moisture and precipitation minus evaporation

    图  11   土壤水分及地下水埋深各月变化比例

    Figure  11.   Ratio of monthly changes of soil moisture and groundwater depth

    表  1   Z值为指标划分旱涝等级

    Table  1   Classified drought and flood levels by Z value

    等级Z指数类型
    1 $ Z > 1.645 $ 极涝
    2 $ 1.037 < Z\leqslant 1.645 $ 大涝
    3 $ 0.842 < Z\leqslant 1.037 $ 偏涝
    4 $ -0.842 < Z\leqslant 0.842 $ 接近正常
    5 $ -1.037 < Z\leqslant -0.842 $ 偏旱
    6 $ -1.645 < Z\leqslant -1.037 $ 大旱
    7 $ Z\leqslant -1.645 $ 极旱
    下载: 导出CSV

    表  2   距平法和 Z 指数法涝情分析结果

    Table  2   Analysis results of waterlogging situation by anomaly method and by Z index method

    时间距平法Z指数法
    现涝频次/次经验频率/%现涝频次/次经验频率/%
    大涝一般涝正常一般涝以上正常极涝大涝偏涝正常偏涝以上正常
    1月 0 3 1 9.38 3.13 0 1 1 30 6.25 93.75
    2月 0 1 1 3.12 3.13 2 0 0 30 6.25 93.75
    3月 1 1 5 6.25 15.63 2 0 0 30 6.25 93.75
    4月 1 0 5 3.12 15.63 1 0 0 31 3.12 96.88
    5月 1 4 7 15.62 21.88 2 4 1 25 21.88 78.12
    6月 3 3 8 18.75 25.00 3 3 1 20 21.88 62.50
    7月 3 3 6 18.75 18.75 3 2 0 20 15.62 62.50
    8月 1 5 9 18.75 28.13 1 5 0 17 18.75 53.12
    9月 2 3 5 15.62 15.63 2 3 2 25 21.88 78.12
    10月 1 2 5 9.38 15.63 2 3 0 27 15.62 84.38
    11月 0 1 3 3.12 9.38 1 3 0 28 12.50 87.50
    12月 0 0 1 0 3.13 1 0 0 31 3.12 96.88
    3 3 0 17 18.75 53.12
    下载: 导出CSV

    表  3   典型日尺度降雨受涝等级评价及实际地下水埋深变化

    Table  3   Evaluation of waterlogging grade of typical daily scale rainfall and change of actual groundwater depth

    降雨时段正距平法Z指数法实际埋深
    2018-03-01—2018-04-04 正常 正常 依旧下降
    2018-07-09—2018-07-29 正常 正常 依旧下降
    2018-01-01—2018-01-16 极涝 前期缓慢上升,后期陡然升高
    2018-01-17—2018-01-21 极涝 维持稳定
    2018-08-04—2018-08-30 大涝 极涝 震荡上升,上升速率快
    2020-07-07—2020-07-15 极涝 上升,降雨结束下降
    2020-07-15—2020-07-20 大涝 上升
    下载: 导出CSV
  • [1]

    GUAN X X, ZHANG J Y, YANG Q L, et al. Evaluation of precipitation products by using multiple hydrological models over the upper Yellow River Basin, China[J]. Remote Sensing, 2020, 12(24): 4023. doi: 10.3390/rs12244023

    [2] 姚瑶, 唐婉莹, 袁宏伟, 等. 基于称重式蒸渗仪的淮北平原冬小麦蒸散估算模型的本地化[J]. 麦类作物学报,2020,40(6):737-745. (YAO Yao, TANG Wanying, YUAN Hongwei, et al. Calibration of evapotranspiration for winter wheat based on the value of weighing lysimeter measurements in Huaibei plain[J]. Journal of Triticeae Crops, 2020, 40(6): 737-745. (in Chinese) doi: 10.7606/j.issn.1009-1041.2020.06.12
    [3] 陈柏丽, 朱永华, 王春艳, 等. 淮北平原降水量和参考作物蒸散量时空演变规律研究[J]. 灌溉排水学报,2018,37(6):109-116. (CHEN Baili, ZHU Yonghua, WANG Chunyan, et al. Spatiotemporal variation of precipitation and evapotranspiration in Huaibei plain[J]. Journal of Irrigation and Drainage, 2018, 37(6): 109-116. (in Chinese)
    [4] 朱建强. 基于作物的农田排水指标及排水调控研究[D]. 杨凌: 西北农林科技大学, 2006.

    ZHU Jianqiang. Study on farmland drainage indices and drainage control based upon crop[D]. Yangling: Northwest A & F University, 2006. (in Chinese)

    [5] 鞠笑生, 邹旭恺, 张强. 气候旱涝指标方法及其分析[J]. 自然灾害学报,1998,7(3):51-57. (JU Xiaosheng, ZOU Xukai, ZHANG Qiang. The operational system of drought flood climate monitoring and early warning and its services[J]. Journal of Natural Disasters, 1998, 7(3): 51-57. (in Chinese) doi: 10.3969/j.issn.1004-4574.1998.03.009
    [6] 李红军, 江志红, 魏文寿. 近40年来塔里木河流域旱涝的气候变化[J]. 地理科学,2007,27(6):801-807. (LI Hongjun, JIANG Zhihong, WEI Wenshou. Drought and flood change of Tarim River basin in recent 40 years[J]. Scientia Geographica Sinica, 2007, 27(6): 801-807. (in Chinese) doi: 10.3969/j.issn.1000-0690.2007.06.012
    [7] 张瑞涵, 高涵. 气候变化条件下黄河流域的旱涝特征[J]. 西安理工大学学报,2020,36(3):323-329. (ZHANG Ruihan, GAO Han. Characteristics of drought-flood in the Yellow River Basin under climate change[J]. Journal of Xi’an University of Technology, 2020, 36(3): 323-329. (in Chinese)
    [8]

    SHAO W Y, KAM J. Retrospective and prospective evaluations of drought and flood[J]. Science of the Total Environment, 2020, 748: 141155. doi: 10.1016/j.scitotenv.2020.141155

    [9]

    TAHROUDI M N, RAMEZANI Y, DE MICHELE C, et al. A new method for joint frequency analysis of modified precipitation anomaly percentage and streamflow drought index based on the conditional density of copula functions[J]. Water Resources Management, 2020, 34(13): 4217-4231. doi: 10.1007/s11269-020-02666-6

    [10] 葛岩, 李趋, 褚丽妹, 等. 基于修正Z指数辽西北地区干旱时空特性分析[J]. 灌溉排水学报,2013,32(5):133-136. (GE Yan, LI Qu, CHU Limei, et al. Temporal and spatial analysis on drought events in northwest of Liaoning based on adjusted Z-index[J]. Journal of Irrigation and Drainage, 2013, 32(5): 133-136. (in Chinese)
    [11] 贺音, 王钊, 贺皓. 三种不同干旱动态监测指数在陕西省的适用性研究[J]. 干旱地区农业研究,2014,32(4):242-249, 274. (HE Yin, WANG Zhao, HE Hao. Application of three dynamic drought-monitoring indexes in Shaanxi Province[J]. Agricultural Research in the Arid Areas, 2014, 32(4): 242-249, 274. (in Chinese) doi: 10.7606/j.issn.1000-7601.2014.04.043
    [12] 祁靓雯, 钱会, 高盼盼. 可利用降雨量Z指数法的西安市气象干旱特征[J]. 南水北调与水利科技,2016,14(2):93-98, 124. (QI Jingwen, QIAN Hui, GAO Panpan. Drought characteristics of Xi’an city based on Z index of available rainfall[J]. South-to-North Water Transfers and Water Science & Technology, 2016, 14(2): 93-98, 124. (in Chinese)
    [13] 王怡宁, 杨秒, 王兵, 等. 五道沟地区“蒸发悖论”及成因探析[J]. 灌溉排水学报,2020,39(3):126-133. (WANG Yining, YANG Miao, WANG Bing, et al. The “evaporation paradox” in Wudaogou area and its underlying mechanisms[J]. Journal of Irrigation and Drainage, 2020, 39(3): 126-133. (in Chinese)
    [14] 王振龙, 陈玺, 郝振纯, 等. 淮北平原水文气象要素长期变化趋势和突变特征分析[J]. 灌溉排水学报,2010,29(5):52-56. (WANG Zhenlong, CHEN Xi, HAO Zhenchun, et al. Long-team trend and jump change for major climate processes over the area of Huaibei[J]. Journal of Irrigation and Drainage, 2010, 29(5): 52-56. (in Chinese)
    [15] 王振龙, 孙乐强, 郝振纯, 等. 淮北平原降水时空变化规律研究[J]. 水文,2010,30(6):78-84, 92. (WANG Zhenlong, SUN Leqiang, HAO Zhenchun, et al. Research on temporal and spatial variation of precipitation in Huaibei plain[J]. Journal of China Hydrology, 2010, 30(6): 78-84, 92. (in Chinese) doi: 10.3969/j.issn.1000-0852.2010.06.019
    [16] 王宏, 余锦华, 李宗涛, 等. 基于Z指数的河北省旱涝多尺度变化特征[J]. 气象与环境学报,2012,28(1):43-47. (WANG Hong, YU Jinhua, LI Zongtao, et al. Multi-time scale characteristics of drought and flood based on Z index in Hebei Province[J]. Journal of Meteorology and Environment, 2012, 28(1): 43-47. (in Chinese) doi: 10.3969/j.issn.1673-503X.2012.01.007
    [17] 鞠笑生, 杨贤为, 陈丽娟, 等. 我国单站旱涝指标确定和区域旱涝级别划分的研究[J]. 应用气象学报,1997,8(1):26-33. (JU Xiaosheng, YANG Xianwei, CHEN Lijuan, et al. Research on determination of station indexes and division of regional flood/drought grades in China[J]. Quarterly Journal of Applied Meteorlolgy, 1997, 8(1): 26-33. (in Chinese)
    [18] 李玲芝. 易涝易渍农田水文过程及其对作物的影响研究[D]. 荆州: 长江大学, 2012.

    LI Lingzhi. Hydrological process and its impact upon crops in farmland vulnerable to waterlogging[D]. Jingzhou: Yangtze University, 2012. (in Chinese)

    [19] 李明刚, 管兆勇, 梅士龙. 夏季长江中下游地区降水持续性年(代)际变异及其与环流和Rossby波活动的联系[J]. 大气科学,2016,40(6):1199-1214. (LI Minggang, GUAN Zhaoyong, MEI Shilong. Interannual and interdecadal variations of summer rainfall duration over the middle and lower reaches of the Yangtze River in association with anomalous circulation and Rossby wave activities[J]. Chinese Journal of Atmospheric Sciences, 2016, 40(6): 1199-1214. (in Chinese)
  • 期刊类型引用(3)

    1. 王婉婉,周超,杜富慧,王振龙. 基于改进SCS-CN模型的降水径流预测. 安徽农学通报. 2024(01): 100-105 . 百度学术
    2. 杜明成,张建云,王振龙,刘猛,刘翠善,王国庆. 皖北平原不同土壤水分养分差异性研究. 水利水运工程学报. 2023(01): 120-130 . 本站查看
    3. 张雯叶,赵亲文,刘园园,杨星,侯苗. 涝渍胁迫对不同作物根系及土壤酶活性的影响. 中国农村水利水电. 2023(06): 209-214+221 . 百度学术

    其他类型引用(1)

图(11)  /  表(3)
计量
  • 文章访问数: 
  • HTML全文浏览量: 
  • PDF下载量: 
  • 被引次数: 4
出版历程
  • 收稿日期:  2021-03-14
  • 网络出版日期:  2021-11-15
  • 刊出日期:  2022-07-02

目录

/

返回文章
返回