乌江流域水沙变化及其影响因素分析

Analysis of runoff and sediment changes and their influencing factors in Wujiang River Basin

摘要

目的 河流径流量和输沙量反映流域的水资源量和水土流失特征，解析水沙变化可为流域水沙调控和生态建设提供指导。 方法 选取长江上游的乌江流域为研究对象，采用Mann-Kendall趋势检验、Pettitt突变检验以及偏最小二乘-结构方程模型（PLS-SEM）等方法分析了乌江流域径流量、输沙量的时空变化特征，明晰了影响径流量和输沙量变化的主要因素。 结果 1960—2019年乌江径流量以-0.95亿m³/a的速率减少，未发生显著突变；而输沙量以-61.52万t/a的速率显著减少，且在1984年突变后减少了65.33%。径流量和输沙量主要集中在5—7月，年内变幅均减小。径流深最高的区域位于流域下游，输沙模数较大的区域为流域上游和下游，2000s以来流域输沙模数降低显著。降水对径流影响最大，径流变化是输沙量年际波动的主要因素，温度、降水、潜在蒸散发和植被共同解释了84%的径流量变化，植被和径流对输沙量变化的解释度为64%。 结论 人类活动改变了流域输沙格局，应加强土壤侵蚀和水库建设的生态环境效应研究，制定综合的生态环境治理策略。

Abstract

Objective River runoff and sediment load reflect the quantity of water resources and the characteristics of soil erosion in a river basin， and analyzing runoff and sediment changes can provide guidance for runoff-sediment regulation and ecological construction in the river basin. Methods The Wujiang River Basin in the upper reaches of the Yangtze River was selected as the study area. The spatiotemporal variation characteristics of runoff and sediment load were analyzed using the Mann-Kendall trend test， Pettitt abrupt change test， and partial least squares-structural equation modeling （PLS-SEM）， and the main factors influencing their changes were identified. Results From 1960 to 2019， runoff in the Wujiang River Basin decreased at a rate of -9.5×10⁹ m³/a， with no significant abrupt change. In contrast， sediment load decreased significantly at a rate of -6.15×10⁵ t/a， showing an abrupt change in 1984 followed by a reduction of 65.33%. Runoff and sediment load were primarily concentrated from May to July， and their intra-annual variability decreased over time. The areas with the highest runoff depth were observed in the lower reaches of the river basin， and areas with higher sediment load modulus were found in both the upper and lower reaches. Since the 2000s， the sediment load modulus of the river basin has decreased significantly. Precipitation had the greatest influence on runoff， and runoff variation was the main driver of interannual fluctuations in sediment load. Temperature， precipitation， potential evapotranspiration， and vegetation collectively explained 84% of the variations in runoff， while vegetation and runoff accounted for 64% of the variations in sediment load. Conclusion Human activities have altered the sediment transport pattern in the river basin. It is necessary to strengthen research on the ecological and environmental effects of soil erosion and reservoir construction， and to formulate comprehensive ecological and environmental management strategies.

Graphical abstract

关键词

水沙变化 / 气候变化 / 植被变化 / 人类活动 / 乌江流域

Key words

runoff and sediment changes / climate change / vegetation change / human activities / Wujiang River Basin

河流径流量和输沙量反映流域的水资源量和水土流失特征，其受流域气候、植被、土壤、地形地貌和人类活动等要素的综合影响。水沙变化不但影响河道冲淤、地貌演化，关乎航运、水利、防洪安全，同时还影响生物地球化学循环、营养物质输送和生态平衡^［1］。近几十年来，全球年径流入海通量基本保持稳定，但年入海泥沙通量下降了20.8%；约70%的世界大河径流变化与降水密切相关，约30%的大河泥沙通量变化受高强度人类活动（大坝运行和灌溉等）的影响^［2］。河流水沙情势变化及其背后所反映的流域水土流失、气候变化、水资源管理等已成为全球普遍关注和影响人类生存发展的重要环境问题。因此，科学认知河流水沙变化对流域水土流失治理、水沙调控体系建设等具有重要意义^［3］。

长江是我国第一大河流，年径流量和输沙量分别居世界第5位和第4位^［4］。据2021年全国水土流失动态监测，长江流域（片）水土流失面积45.79万km²（不含冻融侵蚀），占国土面积的14.7%。其中，长江上游是全国水土保持的重点防治区，乌江是长江上游右岸的最大支流，年均土壤侵蚀量1 187 t/km^2［5］。因其河口距三峡大坝仅489 km，与金沙江屏山站、岷江高场站、嘉陵江北碚站共同影响着三峡工程的入库水沙，所以水沙变化直接关系到三峡大坝的泥沙淤积和安全运行^［6-7］，尤其是在长江流域遭遇极端气候水文事件时起到重要的调控作用。同时，乌江地处典型的喀斯特山地流域，水文地质结构复杂，成土速率慢、地表土层浅薄且分布不连续，土壤一旦流失极难恢复^［8-10］，水沙变化研究在流域水土流失治理和生态建设中至关重要。

当前，众多研究分析了乌江径流量和输沙量的年际变化规律。如郭文献等^［11］研究发现1965—2017年乌江年径流量呈不显著的下降趋势，年输沙量却呈显著的下降趋势。管晓祥等^［12］分析认为乌江年径流过程平稳，无剧烈变化，而输沙量分别在1967年、1984年、2004年发生了突变。Ye等^［13］研究表明气候变率对径流量变化的贡献率为71.5%~85.6%，人类活动（水土保持、植树造林、水库建设等）是输沙量减少的主导因素，贡献率在67.2%~107.5%。但是鲜有研究乌江流域径流和输沙在空间上的变化以及大规模人类活动后水沙变化的新特征。鉴于此，本研究选取流域把口站（武隆站）分析乌江径流量和输沙量的年际、年内变化特征；并基于流域的支流水文站资料，分析子流域径流深和输沙模数的时空变化；同时，定量解析影响径流量和输沙量变化的主要因素，以期为流域水土保持和生态建设提供科学参考。

1 研究区概况、数据与方法

1.1 研究区概况

乌江发源于云贵高原乌蒙山东麓，流经贵州省、云南省、重庆市和湖北省4省（直辖市），是长江上游右岸的最大支流，也是三峡水库主要的水源补给河流之一（图1）。河流全长1 050 km，流域总面积87 920 km^2［11］。鸭池河、思南、武隆水文站分别为乌江上中下游的控制站。流域地处亚热带季风气候区，年均气温15 ℃，年降水量1 144 mm，多集中在5—9月^［5，14］。乌江属山区雨源型河流，主要支流有六冲河、三岔河、猫跳河、偏岩河、石阡河、芙蓉江等，多年平均径流量为485.6亿m³，输沙量为0.21亿t，输沙模数为253 t/（km² · a）^［15］。植被以常绿阔叶林为主，土壤以黄红壤、石灰土和黄壤为主^［5］。流域内碳酸盐类岩广泛分布，水土流失、石漠化等问题较严重，是重要的水源涵养区与土壤保持区^［16］。

1.2 数据来源

乌江水沙数据主要来源于《长江流域水文资料》以及国家地球系统科学数据中心，时间序列为1960—2019年。在划分子流域时，考虑到径流深和输沙模数的可对比性，选取水沙数据较为齐全的洪家渡、鸭池河、乌江渡、石阡、思南、长坝、武隆水文站。气象数据采用流域内监测时间较长的11个国家气象站，计算年均气温、年均降水、潜在蒸散发、年降雨侵蚀力，以及8个与水沙有关的气候指标：年大雨量（日降水量≥25 mm时的年总降水量）、年暴雨量（日降水量≥50 mm时的年总降水量）、汛期降水量（6月1日—9月30日汛期总降雨量）、年大雨天数（年降水≥25 mm的日数）、年暴雨天数（年降水≥50 mm的日数）、年降雨强度（雨天平均雨量）、夏日天数（每年日最高气温大于25 ℃的天数）和最长连续干旱天数（一年中连续无降水的最长时间段，其中干旱定义为日降水量小于1 mm）。DEM采用SRTM 250 m精度数据。植被数据来自国家地球科学数据中心中国8 km分辨率逐月NDVI数据集。

1.3 研究方法

采用线性趋势法、Mann-Kendall趋势检验法和Pettitt突变检验方法分析径流量、输沙量的年际变化特征，采用不均匀系数、绝对变化幅度^［17］分析径流量和输沙量的年内变化，通过偏最小二乘-结构方程模型（Partial Least Squares-Structural Equation Modelling， PLS-SEM）分析水沙与其影响因素之间的关系。

1.3.1 潜在蒸散发

以气象站点的日气象数据为基础，采用联合国粮农组织（FAO）推荐的Penman-Monteith公式计算潜在蒸散量（\mathrm{P}\mathrm{E}\mathrm{T}）。该模型以水汽扩散理论和能量平衡理论为基础，相对全面地考虑了影响\mathrm{P}\mathrm{E}\mathrm{T}的各因素，是目前精度较高，相对误差较小的方法^［18］。计算公式如下：

\mathrm{P}\mathrm{E}\mathrm{T}=\frac{\mathrm{0.408}\mathrm{\Delta }(R_n-G)+\gamma \frac{\mathrm{900}}{T+\mathrm{273}}{u}_{\mathrm{2}}(e_s-e_a)}{\mathrm{\Delta }+(\mathrm{1}+\mathrm{0.34}{u}_{\mathrm{2}})}（1）

式中：\mathrm{P}\mathrm{E}\mathrm{T}为潜在蒸散量（\mathrm{m}\mathrm{m}/\mathrm{d}）；R_{\mathrm{n}}为地表净辐射数〔\mathrm{M}\mathrm{J}/\left({\mathrm{m}}^{\mathrm{2}}·\mathrm{d}\right)〕；G为土壤热通量密度〔\mathrm{M}\mathrm{J}/\left({\mathrm{m}}^{\mathrm{2}}·\mathrm{d}\right) 〕；T为日平均气温（℃）；u_{\mathrm{2}}\mathrm{为}\mathrm{2}\mathrm{m}高处风速（\mathrm{m}/\mathrm{s}）；e_{\mathrm{s}}为饱和水汽压（\mathrm{k}\mathrm{P}\mathrm{a}）；e_{\mathrm{a}}为实际水汽压（\mathrm{k}\mathrm{P}\mathrm{a}）；∆为饱和水汽压曲线斜率（\mathrm{k}\mathrm{P}\mathrm{a}/℃）；\gamma为干湿常数（\mathrm{k}\mathrm{P}\mathrm{a}/℃）。

1.3.2 降雨侵蚀力

降雨侵蚀力反映了降雨引起土壤侵蚀的潜在能力，是导致水土流失重要的外部驱动力。本文采用章文波等提出的基于日降雨量资料的估算模型计算，该模型在降雨量较丰富的地区计算精度相对更高^［19］。

R=\alpha {\displaystyle \sum _{i=\mathrm{1}}^k}(P_i{)}^{\beta }（2）

\beta =\mathrm{0.8363}\times \frac{\mathrm{18.177}}{P_{\mathrm{d}\mathrm{12}}}+\frac{\mathrm{24.455}}{P_{\mathrm{y}\mathrm{12}}}（3）

\alpha =\mathrm{21.586}{\beta }^{-\mathrm{7.1891}}（4）

式中：n为一年中第n个半月（每月的前15 d为一个半月，剩余天数为另一个半月）；R为半月降雨侵蚀力〔MJ · mm/（hm² · h · a）〕；k为半月内的天数；P_i为半月内第i天的侵蚀性降雨量（≥12 mm）；\alpha，\beta为回归系数；P_{\mathrm{d}\mathrm{12}}为日降雨量≥12 mm的日平均降雨量；P_{y\mathrm{12}}为日降雨量≥12 mm的年平均降雨量。

1.3.3 Pettitt突变检验

Pettitt突变检验法是一种非参数统计方法，通过检验时间序列均值变化的时间来确定序列突变时间。该检验基于Mann-Whitney的统计量U_t，N，计算公式如下：

U_{t,N}=U_{t-\mathrm{1},N}+{\displaystyle \sum _{i=\mathrm{1}}^N}sgn(x_t-x_i)(t=\mathrm{2,3},\cdots ,N)（5）

式中：\mathrm{s}\mathrm{g}\mathrm{n}\left(x_t-x_i\right)根据x_t\mathrm{与}{x}_i的差值正负分别取值1，0，-1。进一步计算统计量K_N和相关概率的显著性检验公式如下：

K_{t,N}=\mathrm{m}\mathrm{a}\mathrm{x}\left|U_{t,N}\right|,(\mathrm{1}\le t\le N)（6）

p\cong \mathrm{2}\mathrm{e}\mathrm{x}\mathrm{p}\left\{-\mathrm{6}(K_{t,N}{)}^{\mathrm{2}}/N^{\mathrm{3}}+N^{\mathrm{2}}\right\}（7）

若p≤0.05，则认为突变点t在95%置信水平上是显著的。一个时间序列可能会有多个突变点产生，最终突变点的确定需根据具体成因来分析和确定。该方法对序列端点位置的变点具有相对较好的检验效果^［20］。

1.3.4 年内不均匀系数

水文要素的年内分配不均匀性可用年内分配不均匀系数（C_{\mathrm{v}}）表达。C_{\mathrm{v}}值越大，表明水文变量各月间差异大；C_{\mathrm{v}}值越小，表明水文变量在年内变化稳定^［17］。计算公式如下：

C_{\mathrm{v}}=\frac{\sigma }{\overline{r}}=\frac{\sqrt[]{\frac{\mathrm{1}}{\mathrm{12}}{\displaystyle \sum _{i=\mathrm{1}}^{\mathrm{12}}}(r_i{-\overline{r})}^{\mathrm{2}}}}{\frac{\mathrm{1}}{\mathrm{12}}{\displaystyle \sum _{i=\mathrm{1}}^{\mathrm{12}}}{r}_i}（8）

式中：C_{\mathrm{v}}为年内分配不均匀系数；\sigma为径流/输沙标准差；\overline{r}为年内月平均径流量/输沙量；r_i为各月径流量/输沙量。

1.3.5 PLS-SEM

PLS-SEM是一种融合了主成分分析和多元线性回归特征的因果建模方法，可探索变量之间的关系和关键路径，从而最大程度地解释相关结构中的方差（R²值）^［21］。模型主要由两部分组成：内部模型（结构模型）解决潜在变量之间相互作用的复杂关系，外部模型（测量模型）分析每个潜在变量与相应可观测变量之间的关系。模型通过迭代算法计算潜在变量的估计值，采用偏最小二乘法线性回归得到结构模型和测量模型的参数估计^［8，21］。该方法可有效量化多因素对径流量和输沙量等水文过程的复合影响^［8，22］。

结构模型方程为：

{\xi }_i={\displaystyle \sum _{j=\mathrm{1}}^m}{\beta }_{ij}{\xi }_j+{\zeta }_i（9）

式中：{\xi }_i为第i个标准化内生潜在变量；{\beta }_{ij}为路径系数；{\xi }_j为第j个标准化潜在变量；m为外生变量总数；{\zeta }_i为结构模型误差项。

测量模型方程为：

X_{ik}={\lambda }_{ik}{\xi }_j+{\epsilon }_{ik}（10）

式中：{\lambda }_{ik}为因子负荷；{\epsilon }_{ik}为测量模型误差项。

用于验证和确定模型预测能力的拟合优度指数（GOF）可表示为：

\mathrm{G}\mathrm{O}\mathrm{F}=\sqrt[]{{\overline{\mathrm{Q}}}^{\mathrm{2}}\times {\overline{R}}^{\mathrm{2}}}（11）

式中：{\overline{\mathrm{Q}}}^{\mathrm{2}}为内生变量的平均预测相关性；{\overline{R}}^{\mathrm{2}}为外生变量的平均解释力。

在本研究中，使用SmartPLS 3软件构建气候-植被-径流-输沙耦合模型对乌江流域水沙变化进行归因分析。潜变量间路径是否通过检验的主要依据为显著性p值，当p<0.05时路径检验通过^［23］。

2 结果与分析

2.1 水沙时间变化

2.1.1 年际变化

乌江流域武隆水文站径流量和输沙量年际变化如图2所示。1960—2019年乌江年径流量在287.67亿~683.81亿m³波动，多年平均值为486亿m³，变化速率为-0.95亿m³/a，呈不显著减小趋势（Z=-0.88）。输沙量在16万~4 851万t变化，多年平均值为2 087万t，以-61.52万t/a的速率显著减少，Z值达到了-6.48。从年代变化来看，径流量在1990s最大，均值为519.7亿m³，其次是1970s；2010s最小，均值为448.62亿m³。输沙量表现为1970s最高，达到了3 960.49万t，之后逐渐降低，至2010s降至259.37万t，减少了93.45%。

Pettitt突变分析表明（图2A—B），乌江径流量虽然在2004年发生了转折，但未通过显著性检验。较1960—2004年，2005—2019年年均径流量减少了13.52%，但斜率和变化率有所增加；极值比和极差减小，变差系数变化不大，表明此阶段径流波动幅度降低（表1）。输沙量在1984年发生了显著突变，检验结果通过了99%的置信水平。1984—2019年较1960—1984年输沙量减少了65.33%，斜率、变化率、极值比和变差系数变化剧烈，表明此阶段乌江输沙量减少显著，且波动幅度降低。

2.1.2 年内变化

为了进一步了解乌江径流量和输沙量的年内变化特征，且考虑到数据的完整性，采用1970s和2010s的水沙数据进行对比分析。图3显示，乌江径流量和输沙量主要集中在5—7月。其中，径流量夏季占年径流总量比例最大，其次是春季，冬季最小。从动态来看，秋季径流占比有所下降，冬季略有上升。输沙量也主要集中在夏季，占年输沙量比例达60%以上，其次是春季，秋、冬季微乎其微，动态变化上表现出夏、冬季上升，春、秋季下降。同时，1970s径流量不均匀系数（0.82）和绝对变化幅度（107.44亿m³）较大，而2010s有所减小，分别为0.62，72.04亿m³，表明径流年内变化受到水库的调节。输沙量不均匀系数有所增大，由1.56变为1.95，绝对变化幅度明显减小，由1 632.96万t降至152.25万t。表明现阶段乌江输沙量年内分配不均匀性依然存在，但高输沙情况受到控制。

2.2 水沙空间变化

径流深、输沙模数可反映流域径流量、输沙量的空间分布特征，是推断流域产水产沙情况的重要指标，也是制定水土保持方案的基本依据。乌江流域不同时期径流深空间变化如图4所示，总体上思南—武隆区间（下游）是流域径流深最大的区间（717.26 mm），鸭池河—思南区间（中游）径流深最小（527.17 mm），鸭池河以上区间（上游）径流深居中（563.35 mm）。流域平均径流深为589.48 mm，从1960—1969年的618.12 mm降低到了2006—2019年的520.43 mm。其中，洪家渡以上区间1970—1983年较大，达600 mm以上，而2006—2019年较小，在350~400 mm。洪家渡—鸭池河区间期间均在550~600 mm，平均径流深为577.13 mm。鸭池河—乌江渡区间整体上为流域径流深最小的区域，平均为443.52 mm。思南—武隆区间平均径流深717.26 mm，1990—1999年最大。以上表明思南—武隆区间是乌江流域产水最大的区域，这与下游降水量大于上游的空间分布规律相似^［24］。

乌江流域不同时期输沙模数变化如图5所示。总体上看，洪家渡以上区间、思南—武隆区间是流域输沙模数较大的区域，平均分别为636.64，397.3 t/（km² · a）；鸭池河—思南区间是流域输沙模数最小的区域，平均为38.34 t/（km² · a）；同时，2000s以来流域输沙模数显著降低，从1960s的288.44 t/（km² · a）降低至2006—2019年的80.35 t/（km² · a）。变化尤为显著的是洪家渡以上区间在1970—1983年达到了1 000 t/（km² · a）以上，而2006—2019年迅速降低至10 t/（km² · a）以内；洪家渡—鸭池河区间输沙模数在1960—1983年期间逐年代升高，1990年代以来产沙贡献显著减弱，甚至出现输沙量入大于出的现象；思南—武隆区间（不含长坝）输沙模数在1970—1983年和1990—1999年达到了700 t/（km² · a）以上，但是2006年以来迅速降低至0~100 t/（km² · a）。表明这些区间的下垫面受到了显著的人为影响。以往的研究多认为上游是乌江流域的主要产沙区，但随着1980年以来乌江渡等水电站的运行，流域产沙分布发生了明显变化，即乌江渡以上地区输沙比例大幅下降，而下游地区输沙比例增加^［25-26］。

2.3 水沙变化归因分析

2.3.1 气候和植被变化

气候尤其是降雨通常为影响流域水沙变化的主要因素。乌江流域1960—2019年12个气候指标的年际变化如图6所示。从中可以看出：除年均降水呈不显著下降（-0.34 mm/a），潜在蒸散发（-1.12 mm/a）呈显著下降趋势（Z=-1.85/a）外，其他指标均呈上升趋势。其中，年降雨强度变化通过了99%的显著检验（Z=2.83）。植被可通过截留降雨、削弱径流以及植物根系增强土壤结构稳定性等机制影响流域产流产沙。图7显示，乌江流域1982—2019年植被恢复显著，NDVI从1982年的0.76增长到了2019年的0.82，增加速率为0.001 5/a（Z=5.11），增加了7.3%。

2.3.2 水沙变化与气候和植被的相关性分析

相关分析（表2）发现，1985—2019年乌江径流量与年均降水、年降雨侵蚀力、年大雨量、年暴雨量、汛期降水量、年大雨天数、年暴雨天数、年降雨强度均呈极显著正相关，与年均气温、潜在蒸散发、夏日天数、最长连续干旱天数、NDVI均呈负相关，其中与潜在蒸散发在p<0.01水平上显著，与夏日天数在p<0.05水平上显著。表明乌江径流量变化与降水变化密切相关，潜在蒸散发、夏日天数等温度指数对其有负面作用。输沙量与年均降水呈显著正相关，与径流量、年降雨侵蚀力、年大雨量、年暴雨量、汛期降水量、年大雨天数、年暴雨天数均呈极显著正相关，而与潜在蒸散发、NDVI呈显著负相关，与年均气温、年降雨强度、夏日天数、最长连续干旱天数相关性不显著。表明输沙量变化主要与雨季降水密切相关，植被增长上有助于抑制输沙。

2.3.3 水沙与气候、植被变化的解耦分析

构建了气候-植被-径流-输沙耦合模型以定量分析乌江流域水沙变化的影响因素（图8），计算发现表示拟合优度指标的GoF值为0.7，表明模型模拟效果较好。分析发现，温度通过植被间接影响径流和输沙，通过潜在蒸散发间接影响植被和径流。潜在蒸散发和降水对径流均有显著的直接影响，路径系数分别为-0.34，0.67。植被对径流和输沙均有直接的负面影响，且对输沙影响显著，路径系数为-0.46。径流对输沙有显著的直接影响，路径系数达到了0.62。温度、降水、潜在蒸散发和植被共同解释了84%的径流量变化，植被和径流对输沙变化的解释度为64%。根据表3，降水对径流影响最大，总效应为0.83，其次为潜在蒸散发、温度和植被。径流是流域输沙量年际波动的主要驱动因素（总效应为0.62），其次为植被、降水、潜在蒸散发和温度。植被对输沙的总效应（-0.49）大于其对径流的总效应（-0.06），表明在乌江流域植被的减沙效果优于减流效果。

3 讨 论

近60年来，乌江流域除年均降水（-0.34 mm/a）和潜在蒸散发（-1.12 mm/a）呈下降趋势外，其他所选气候指标均呈上升趋势。乌江为山区雨源型河流，径流量变化与年均降水呈极显著正相关关系（r=0.91，p<0.01）。降水量的不显著减少是径流量减少的主要因素^［13］。据郭文献等^［27］研究，在导致乌江径流量变化的各因素中，降雨、潜在蒸发和人类活动的贡献率分别为60.2%，12.0%和27.8%。此外，汛期水库蓄水也一定程度上导致了径流量的减少^［14］。输沙量变化与径流量密切相关（r=0.62，p<0.01），整体上随径流量的年际减少和增加而发生相应的变化，尤其是特大洪水对地表侵蚀强烈，也带来较大的输沙量年际变化^［25］。

人类活动是影响输沙量变化的关键因素。20世纪60年代以来，开垦荒地和陡坡耕地造成了乌江流域水土流失的加剧，也导致了70年代河流泥沙的增加。耕作季节（4—5月）土层松动，容易冲刷，降雨将土壤带入河流，也增加了河流的泥沙^［28］。1989年以来，长江上游逐步实施了长江流域防护林体系建设工程、退耕还林工程和天然林保护工程等措施，植被条件得到较大改善^［29］。1982—2019年乌江流域NDVI从0.76增长到0.82，增加了7.3%。植被通过拦截降水、调节地表径流、固结土体和改良土壤性状等方式影响产流、产沙和输沙过程。此外，长江上游水土保持工程对流域水土保持也起到了重要作用^［25］。以乌江上游毕节市为例，1989—2004年水土保持措施年均减蚀量约1 000万t^［24］。

水土保持措施对流域产沙的影响通常是渐进的，但水利工程建设特别是大型水库的建设会导致河流中大部分泥沙被迅速拦截^［30］。武隆站年输沙量的显著变化点多与水电项目的建设时间相对应，如乌江渡水电站、东风水电站、洪家渡水电站等^{［28，30］}。水库建设是乌江输沙量突变性减少的主要因素。由于水电站建设的累积效应，1983年以后乌江干流输沙量显著减少^［28］，而水利工程对径流的调节作用表现在改变径流原有的时空分布，尤其是径流的年内分配过程^［11］。此外，水库拦沙主要影响输沙环节而非产沙，且具有时效性。因此应加强流域土壤侵蚀监测和研究，以及水库淤积、水库建设的生态环境效应，河道冲淤平衡等，制定综合的流域水土保持、石漠化治理和生态环境治理策略，以保障流域生态安全与可持续发展。

4 结 论

（1） 1960—2019年乌江径流量以-0.95亿m³/a的速率减少，但趋势不明显；输沙量以-61.52万t/a的速率显著减少。径流量突变不显著，输沙量在1984年突变后减少了65.33%。径流量和输沙量主要集中在5—7月，年内变化幅度均减小。

（2） 思南—武隆区间是流域径流深最大的区域，洪家渡以上区间、思南—武隆区间是流域输沙模数较大的区域，2000s以来流域输沙模数降低显著。

（3） 通过PLS-SEM发现，降水对径流影响最大，其次为潜在蒸散发；径流变化是流域输沙量年际波动的主要驱动因素。温度、降水、潜在蒸散发和植被共同解释了84%的径流量变化，植被和径流对输沙量变化的解释度为64%。

参考文献

[1] Dai S B， Lu X X. Sediment load change in the Yangtze River （Changjiang）： a review［J］. Geomorphology， 2014，215：60-73.

[2] Li L， Ni J R， Chang F， et al. Global trends in water and sediment fluxes of the world′s large rivers［J］. Science Bulletin， 2020，65（1）：62-69.

[3] 胡春宏，张晓明.近十年我国江河水沙变化、水沙调控与泥沙资源化利用研究［J］.中国水利，2022（19）：24-28.

[4] Hu C H， Zhang X M. Research on changes in river water and sediment， sediment regulation， and sediment resource utilization in China over the past decade［J］. China Water Resources， 2022（19）：24-28.

[5] Yang S L， Xu K H， Milliman J D， et al. Decline of Yangtze River water and sediment discharge： impact from natural and anthropogenic changes［J］. Scientific Reports， 2015，5：12581.

[6] 李怡颖.长江上游径流及输沙格局变化与影响因素［D］.成都：中国科学院大学（中国科学院水利部成都山地灾害与环境研究所），2021.

[7] Li Y Y. Changes of runoff and sediment yield pattern and its influencing factors in the upper reaches of the Yangtze River［D］. Chengdu： Institute of Mountain Hazards and Environment， Chinese Academy of Sciences， 2021.

[8] 熊亚兰，张科利，杨光檄，等.乌江流域水沙特性变化分析［J］.2008（5）：1942-1947.

[9] Xiong Y L， Zhang K L， Yang G X， et al. Change in characteristics of runoff and sediment in the Wujiang River［J］. Ecology and Environment， 2008（5）：1942-1947.

[10] 王延贵，胡春宏，刘茜，等.长江上游水沙特性变化与人类活动的影响［J］.泥沙研究，2016，41（1）：1-8.

[11] Wang Y G， Hu C H， Liu X， et al. Study on variations of runoff and sediment load in the upper Yangtze River and main influence factors［J］. Journal of Sediment Research， 2016，41（1）：1-8.

[12] Cheng S， Yu X X， Li Z W， et al. Quantitatively distinguishing the factors driving runoff and sediment yield variations in karst watersheds［J］. Water Resources Research， 2024，60（8）：e2024WR037089.

[13] 王克林，陈洪松，曾馥平，等.生态学研究支撑喀斯特区域生态环境治理与科技扶贫［J］.中国科学院院刊，2018，33（2）：213-222.

[14] Wang K L， Chen H S， Zeng F P， et al. Ecological research supports eco-environmental management and poverty alleviation in karst region of southwest China［J］. Bulletin of Chinese Academy of Sciences， 2018，33（2）：213-222.

[15] 李成芳，王忠诚，李振炜，等.西南喀斯特区土壤侵蚀研究进展［J］.中国岩溶，2022，41（6）：962-974.

[16] Li C F， Wang Z C， Li Z W， et al. Research progress of soil erosion in karst areas of southwest China［J］. Carsologica Sinica， 2022，41（6）：962-974.

[17] 郭文献，赵瑞超，付体江，等.乌江流域水沙变化趋势及驱动力分析［J］.人民长江，2021，52（9）：71-78.

[18] Guo W X， Zhao R C， Fu T J， et al. Trend and driving force of water-sediment changes in Wujiang River Basin［J］. Yangtze River， 2021，52（9）：71-78.

[19] 管晓祥，向小华，李超，等.乌江流域水沙规律演变及驱动因素定量分析［J］.泥沙研究，2019，44（5）：36-41.

[20] Guan X X， Xiang X H， Li C， et al. Analysis of evolution characteristics and driving factors of annual runoff and sediment transportation changes in Wujiang River［J］. Journal of Sediment Research， 2019，44（5）：36-41.

[21] Ye X C， Xu C Y， Zhang Z X. Comprehensive analysis on the evolution characteristics and causes of river runoff and sediment load in a mountainous basin of China′s subtropical plateau［J］. Journal of Hydrology， 2020，591：125597.

[22] 胡鉴闻.乌江流域植被覆盖时空变化及对径流影响［D］.郑州：华北水利水电大学，2023.

[23] Hu J W. Temporal and spatial changes of vegetation cover and its impact on runoff in the Wujiang River Basin［D］. Zhengzhou： North China University of Water Resources and Electric Power， 2023.

[24] 王尧.喀斯特地区土壤侵蚀模拟研究：以贵州省乌江流域为例［D］.北京：北京大学，2011.

[25] Wang Y. Simulation study on soil erosion in karst area： a case study of Wujiang River Basin in Guizhou Province. Beijing： Peking University， 2011.

[26] 林小楠.下垫面变化与强降雨对流域土壤侵蚀的影响规律研究［D］.北京：华北电力大学，2022.

[27] Lin X N. Research on the impact of changing underlying surface and heavy rainfall on watershed soil erosion［D］. Beijing： North China Electric Power University， 2022.

[28] 郭巧玲，杨云松，畅祥生，等.1957—2008年黑河流域径流年内分配变化［J］.地理科学进展，2011，30（5）：550-556.

[29] GUO Q L， Yang Y S， Chang X S， et al. Annual variation of Heihe River runoff during 1957—2008［J］. Progress in Geography， 2011，30（5）：550-556.

[30] 钟巧，焦黎，李稚，等.博斯腾湖流域潜在蒸散发时空演变及归因分析［J］.干旱区地理，2019，42（1）：103-112.

[31] Zhong Q， Jiao L， Li Z， et al. Spatial and temporal changes of potential evapotranspiration and its attribution in the Bosten Lake Basin［J］. Arid Land Geography， 2019，42（1）：103-112.

[32] 章文波，谢云，刘宝元.利用日雨量计算降雨侵蚀力的方法研究［J］.地理科学，2002，22（6）：705-711.

[33] Zhang W B， Xie Y， Liu B Y. Rainfall erosivity estimation using daily rainfall amounts［J］. Scientia Geographica Sinica， 2002，22（6）：705-711.

[34] 张珮萱，田鹏，穆兴民，等.中国南北过渡带典型流域输沙变化及其驱动因素［J］.山地学报，2023，41（2）：169-179.

[35] Zhang P X， Tian P， Mu X M， et al. Sediment load variations and the driving forces in the typical drainage basins of the north-south transitional zone of China［J］. Mountain Research， 2023，41（2）：169-179.

[36] 李姝宁.西南喀斯特流域水沙关系特性及驱动因素研究［D］.武汉：湖北大学，2023.

[37] Li S N. Characteristics of water-sediment relationship and its driving factors in karst watersheds of Southwest China［D］. Wuhan： Hubei University， 2023.

[38] Wang Q Z， Shao W Y， Guan Q Y， et al. The structural equation modeling constructed for runoff change attribution analysis outperforms traditional methods［J］. Journal of Hydrology， 2024，636：131317.

[39] 姚春艳，刘洪鹄，刘竞.长江源区1980—2020年水沙变化规律［J］.干旱区研究，2023，40（5）：726-736.

[40] Yao C Y， Liu H H， Liu J. Variation of runoff and sediment in the headwaters of the Yangtze River from 1980 to 2020［J］. Arid Zone Research， 2023，40（5）：726-736.

[41] 许全喜，张欧阳，袁晶，等.长江上游泥沙时空变化及影响因素［M］.北京：科学出版社，2021.

[42] Xu Q X， Zhang O Y， Yuan J， et al. Spatiotemporal variation and influencing factors of sediment in upper Yangtze River［M］. Beijing： Science Press， 2021.

[43] Chen P， Tan G M， Deng J Y， et al. Mutation analysis of annual sediment discharge at Wu Long station in Wu Jiang River Basin from 1960 to 2016［J］. PLoS One， 2019，14（12）：e0225935.

[44] Wang Y， Hou L S， Cai Y L. Scale effects of eroded sediment transport in Wujiang River Basin， Guizhou Province， China［J］. Journal of Groundwater Science and Engineering， 2017，5（2）：182-192.

[45] 郭文献，胡鉴闻，王鸿翔.乌江流域径流变化特征及归因识别［J］.水电能源科学，2022，40（5）：14-17，33.

[46] Guo W X， Hu J W， Wang H X. Characteristics and attribution identification of runoff variation in Wujiang River Basin［J］. Water Resources and Power， 2022，40（5）：14-17.

[47] Wu X L， Xiang X H， Chen X， et al. Effects of cascade reservoir dams on the streamflow and sediment transport in the Wujiang River basin of the Yangtze River， China［J］. Inland Waters， 2018，8（2）：216-228.

[48] Zeng F， He Q L， Li Y， et al. Reduced runoff in the upper Yangtze River due to comparable contribution of anthropogenic and climate changes［J］. Earth′s Future， 2024，12（7）：e2023EF004028.

[49] Liu S W， Wang D Y， Miao W， et al. Characteristics of runoff and sediment load during flood events in the upper Yangtze River， China［J］. Journal of Hydrology， 2023，620：129433.

基金资助

国家自然科学基金委黄河水科学联合基金(U2243211)

南京水利科学研究院基本科研业务费专项资金项目(Rc923003)

南京水利科学研究院基本科研业务费专项资金项目(Y924003)