摘要:
本文基于1960~2014年气象数据以及1998~2014年淮河流域水资源公报数据,对淮河生态经济带水文情势和水质演变特征进行了分析。主要结论如下:1) 气温表现为显著上升趋势,降水量变化不显著。冷极值呈显著下降,暖极值呈波动上升趋势,降水极值表现为不显著变化;年与季节旱涝指数无显著变化趋势;2) 水资源总量随降水变化呈波动变化。废水排放量呈显著增长趋势,化学需氧量(COD)排放量减少。I、II、III类水的比重增加,IV和V类水的比重减少,水质总体向好,但污染仍然较为严重。
Abstract:
Based on the meteorological and water resources data of Huaihe basin from 1960 to 2014, this paper analyzes the hydrological changes and evolution characteristics of water quality in Huaihe eco-economy zone. The main conclusions are as follows: 1) Temperature increased significantly, and precipitation did not change obviously. The cold extremes showed a significant decrease trend, warm extremes being an increase trend, and the precipitation extreme showed no obvious change. There was no significant change in drought/flood indices at the annual and seasonal scale; 2) The total amount of water resources was fluctuated with the change of precipitation. The quantity of wastewater emissions showed a significant increasing trend, while the COD emissions have reduced. The proportions of I, II and III have increased, while the proportions of IV and V water have decreased, which indicated that the water quality has become better. While the pollution is still serious, the proportion of IV and V water is still more than 50%.
1. 引言
全球气候变暖一直是科学家关注的研究热点 [1] [2] 。IPCC第五次评估报告指出,全球海陆表面平均温度呈线性上升趋势,2003~2012年比1850~1990年的平均温度平均升高了0.78℃ [3] 。自1913年以来,我国的地表温度已上升了0.91℃,特别是最近50年来气温上升尤为明显 [4] 。在全球气候变化和人类活动双重影响的大背景下,淮河流域水环境发生了重大变化 [5] 。研究指出,淮河流域社会经济进入快速发展期,水安全将面临更大的压力与挑战 [6] 。淮河中下游地区与沭河中下游地区水生态系统脆弱 [7] ,河流多处于病态。随着淮河流域城市化、工业化以及农业现代化的快速推进,流域人口增加、经济实力增强、工业和生活废水排放量持续增加,以及农业化学品的大量投入,导致流域水环境急剧恶化 [8] 。淮河流域各地市水污染防治能力普遍较低,且呈现显著空间差异性,流域水污染防治能力整体呈现干流高于支流,下游高于中游,中游高于上游的梯级趋势;流域经济发达地区防治能力明显高于欠发达地区,省会城市防治能力远高于普通地级市 [8] 。此外,淮河流域由于其比较特殊的地域特征,旱涝灾害非常容易发生 [9] ,“大雨大灾,小雨小灾,无雨旱灾”成了淮河流域的一个明显特点。自进入21世纪以来,夏季的多雨带高频率的出现在淮河流域,2003年、2005年以及2007年这三年期间淮河流域发生了后果严重的暴雨以及洪涝灾害,仅2003年期间淮河流域发生的暴雨灾害就造成了181.7 × 108元的直接经济损失 [10] 。
广义的水环境包括水量与水质两个方面 [11] 。在全球变化背景下,水文要素的变化直接影响水质的变化,如温度和降水的变化直接控制着水体的生态环境和径流变化,从而影响着水体内污染物的迁移转化过程。开展水环境对全球气候变化的响应研究,对减少气候变化对河流水环境的不利影响具有重要的意义。本文系统分析了淮河流域水环境(水量和水质)的演变规律,以期为保护现在的生态环境和积极应对未来气候变化提供决策参考。
2. 研究区、数据和方法
淮河流域位于我国东部地区,介于30˚55'~36˚36'N,111˚55'~121˚25'E之间,流域面积27万 km2 (图1)。
![](//html.hanspub.org/file/9-2420224x10_hanspub.png)
Figure 1. Distribution of meteorological stations in the Huaihe Basin
图1. 淮河流域及流域内气象站点分布图
流域包括鄂、豫、皖、鲁、苏五省40个地(市) 181个县(市),流域内总人口1.65亿人,平均人口密度居各大江大河流域人口密度之首,为611人/平方公里。淮河流域1956~2000年多年平均地表水资源量595亿m3,人均占有量仅为全国的1/4,属严重缺水地区 [12] 。淮河流域地处我国南北方的过渡地带,气候类型属于暖温带半湿润季风气候,气候较温和。同时,淮河流域的发展在我国社会经济发展中具有重要的战略地位,主要工业形式有煤炭工业、电力工业及以农副产品作为原料的食品工业、轻纺工业。近年来,淮河流域在国家各项政策的支持下,以及受东部长江三角洲地区的辐射带动,经济持续平稳增长,产业结构不断升级优化,产业结构层次不断提高。当前,流域正处于城镇化、工业化和农业现代化快速发展时期,水环境压力大,2010年水质Ⅳ类及以上监测断面占监控断面总数的68.4%,水环境污染防治任务艰巨 [8] 。
本文选用的气候数据来源于中国气象局国家气象信息中心(http://www.nmic.gov.cn),选用的时段为1960~2015年,站点数据为33个,站点的算数平均值代表整个区域的气候变化。气候极值通过RclimDex 软件包进行分析,选用的气候极值指数包括:霜冻日数(FD0,日最低气温 < 0℃的全部日数),结冰日数(ID0,日最高气温 < 0℃的全部日数),暖夜日数(TN90p,日最低气温 > 90%分位值的日数),暖昼日数(TX90p,日最高气温 > 90%分位值的日数),1日最大降水量(RX1day,每月最大1日降水量),强降水量(R95p,日降水量 > 95%分位值的总降水量)。旱涝指数的表征主要采用标准化降水蒸散指数(SPEI) [13] 。水资源总量数据和水质数据来源于淮河流域1998~2014年水资源公报。
趋势检验采用Mann-Kendall检验,该方法经常应用于水文气象参数显著性检验的方法,其优点在于不需要检验数据是否服从某种分布 [14] 。时间序列的自相关性会影响到Mann-Kendall检验的精度,因此,必须对序列的自相关进行处理,消除时间序列的自相关成分。本文采用Trend Free Pre-Whitening方法对存在自相关性的序列去除时间序列的自相关性 [15] 。其具体步骤可参考 [16] 。
3. 结题与讨论
3.1. 气温和降水变化
年平均气温自1960年以来其趋势呈一种缓慢上升的状态,变化幅度为0.022℃/a (表1)。气温的急剧上升多发生在1993年以后,2007年达到历史最高平均温度(图2)。同年变化趋势一样,季节气温表现为相同的增加趋势,其中春季和冬季变化幅度最大,达到0.036℃/年和0.026℃/年(表1)。年平均降水量总体呈略微下降趋势,变化幅度为−0.266 mm/a (p = 0.644),但并无较大的降水量变化现象。从季节变化来看,春季和夏季降水减少,夏季和秋季降水增加,但变化趋势均不显著(图2,表1)。
3.2. 极端温度和降水的变化
本文选取极端气温指标中霜冻日数(FD0)和冷夜日数(ID0) 2个指标对冷极值进行分析。1960~2014年间FD0、ID0均呈显著下降趋势(图3,表1),线性趋势的倾斜率分别为−0.414 d/a和−0.044 d/a。选取暖夜日数(TN90p)和暖昼日数(TX90p)为2个暖极值,分析发现,1960~2014年间TN90p和TX90p均呈上升趋势,线性趋势的倾斜率分别为0.199 d/a和0.061 d/a (图3,表1)。总的来说,TN90p (FD0)变化趋势比
![](//html.hanspub.org/file/9-2420224x11_hanspub.png)
Figure 2. Time series of annual and seasonal precipitation and temperature
图2. 平均气温和降水变化时间序列
![](Images/Table_Tmp.jpg)
Table 1. The results of trend test of main climatic variables
表1. 主要气候指标趋势检验结果
![](//html.hanspub.org/file/9-2420224x12_hanspub.png)
Figure 3. Time series of climate extremes
图3. 气候极值时间序列
TX90p (ID0)更为显著,这同样说明与最低气温相关的极值比与最高气温相关的极值变化幅度大。选取R95p (强降水量)和Rx1day (1日最大降水量)这2个指标作为降水极值,并对各个站点的数据进行算术平均,得出各极端降水值的年际变化趋势。从R95p来看趋势线倾斜率为−0.037 d/a,大雨日数的变化总体呈下降趋势(图3,表1)。从Rx1day (连续1日最大降水量)来看趋势线倾斜率为0.072 mm/a,即大雨日数的变化总体呈上升趋势,但趋势不显著。
3.3. 洪旱变化
标准化降水蒸发指数(英文全称,SPEI)是进行旱涝表征的重要指数,计算了淮河流域3个月和12个月尺度的SPEI指数。SPEI3中第2个月、第5个月、第8个月以及第11个月的数据分别表示冬、春、夏、秋季的干旱变化。SPEI12中第12个月的数据表示年SPEI数据变化,结果见图4。年SPEI表现为上升趋势,幅度为0.011 d/a (图4,表1),此外,夏季和冬季亦表现为上升趋势,但仅有夏季表现为显著变化。SPEI上升表示干旱减少,洪涝的概率可能增加。春季和秋季表现为下降趋势,表明在这两个季节干旱的强度在增加,但这种变化并不显著。
![](//html.hanspub.org/file/9-2420224x13_hanspub.png)
Figure 4. Annual and seasonal variations of SPEI time series
图4. SPEI指数年与季节变化
3.4. 水量和水质变化
水资源总量年际变化较大,随着降水深的增加而增加,随着降水深的减少而减少(图5),这也说明淮河流域降水是水资源来源的主要形式。废水排放量呈显著增长趋势,从2000年的48.69亿吨增长到2014年76.35亿吨(表2),十二年排放量增长了57%。这可能与人口数量的不断增加、城市化进程的继续推进和人民生活水平的提高、生活污水排放量持续增长有关。化学需氧量(COD)排放量在持续减少(表2),说明水体的污染情况在减轻。从淮河流域重点监测断面水质来看,I、II、III类水的比重在不断增加(图6),从1999年的21.6%增长到2014年的46.7%。V类水的比例持续减少,从1999年的63.6%减少到2014年的25.3%。与此同时,IV和V类水的比重持续减少,从1999年的78.3%减少到2014年的53.3%,说明淮河流域水环境总体上有向好趋势,但水污染形式依旧严峻,IV和V类水的比重依然超过50%。
![](//html.hanspub.org/file/9-2420224x14_hanspub.png)
Figure 5. Depth of precipitation and the change of total water resources
图5. 降水深与水资源总量变化图
![](Images/Table_Tmp.jpg)
Table 2. The changes of water resources and water quality
表2. 水资源量和水质变化情况
![](//html.hanspub.org/file/9-2420224x15_hanspub.png)
Figure 6. The proportion of water quality change of I, II, III, IV and V
图6. I、II、III、IV、V水质占比变化(纵坐标单位为%,横坐标为年)
4. 结论
本文采用Mann-Kendall趋势检验对淮河流域1960年至2014年共33个气象站点的气象数据和1998~2014年的水量和水质数据进行了分析,研究结论如下:
1) 淮河流域年气温变化呈现显著上升趋势,增温幅度分别为0.022℃/a。1960年至2014年间,年降水量变化在淮河流域表现为极其微小的下降趋势,变化幅度为0.266 mm/a。1960~2014年间淮河流域冷极值总体呈现波动下降趋势,暖极值总体呈现波动上升趋势,霜冻日数(FD0)变化趋势较大,变化幅度为0.414 d/a。极端降水变化趋势不显著,强降水量处于缓慢下降趋势,连续1日最大降水呈缓慢上升趋势。此外,年SPEI指数表现为上升趋势,洪涝的概率可能增加,但这种变化亦不显著。
2) 水资源总量年际变化较大,与降水深密切相关。废水排放量呈显著增长趋势,化学需氧量(COD)排放量减少。I、II、III类水的比重在不断增加,IV和V类水的比重持续减少,淮河流域水环境总体上有向好趋势,但水污染形式依旧严峻。
基金项目
国家自然科学基金(41701034)、大学生创业项目(201610323058X)、江苏省高校自然科学研究面上项目(16KJB170001)资助。
参考文献
NOTES
*通讯作者。