全球变化背景下，定量分析气候和土地利用变化与径流变化特征，可以为流域水资源合理调配提供决策依据。本文选取黑河绿洲地区为研究区，利用气象、土地利用和实测径流数据，分析研究区气候、径流、土地利用变化特征，基于SWAT模型，设定不同气候与土地利用变化情景模拟研究区径流，并分析径流变化特征，主要研究结论如下：

（1）研究区气候总体朝暖、湿方向变化，气温、降水与径流均呈显著上升趋势，突变时段存在差异。气温突变发生时段主要在1994-1996年，降水突变发生时段在1970-1990年，年径流在2004年发生突变；2000-2018年间，土地利用结构保持稳定态势，裸地、草地和林地面积占比大，土地利用类型转移特征为其他土地利用类型均向耕地、草地、裸地转移。

（2）构建黑河绿洲地区SWAT模型，根据实验结果，结合已有相关研究，确定相关参数，完成模型率定与验证。率定期和验证期模型Ens值分别0.51、0.61，R²分别为0.71、0.72，其精度达标，模拟结果基本可信；根据气候与土地利用对径流的贡献程度结果可知：气候变化对径流的贡献水平略高于土地利用，占比分别为59.93%和40.07%。

（3）在不同气候变化情景下，径流变化率总体呈现随降水增加而增加，随气温上升而下降的变化趋势。具体而言，当气温不变时，径流变化率随降水增加而增加，当降水保持不变时，径流变化率随气温上升而下降；在气温和降水降低时，径流变化率呈下降趋势；在气温降低且降水增加时，径流变化率呈现上升趋势，当气温下降2℃且降水增加20%时，径流量提升速度较快，为39.11%；在气温升高，降水降低时，径流变化率呈现下降趋势；当气温、降水增加时，径流变化率呈上升趋势，但上升速度不明显。可以认为，降水对径流变化具有正向作用，气温对径流变化具有负向作用。

（4）在极端土地利用与未来土地利用情景下，径流量均呈现波动性变化，径流变化大小存在略微差异。极端土地利用情景下，2018年，初始土地利用、全耕地和全草地情景下月平均径流量模拟结果分别为：20.42 m³/s、12.58 m³/s、20.82 m³/s，相较于初始土地利用，全耕地情景的径流量下降38.36%，全草地情景提升65.41%。2030年，全耕地情景下径流变化率为-37.77%，全草地的径流变化率为65.41%，可以认为，全耕地情景对径流变化具有消极作用，全草地情景促进径流量增加；未来土地利用情景下，2025年自然增长和经济发展情景下的月平均径流量，与2020年相比，分别下降1.10%、1.09%，生态保护情景下径流量增加4.53%， 2030年自然增长、经济发展、生态保护情景下的月平均径流量，与2020年相比，变化率分别为-1.40%、-1.38%和9.90%。可以认为，自然增长、经济发展情景对径流变化具有消极影响，而生态保护情景则有积极作用。

Under the background of global change, quantitative analysis of the characteristics of climate and land use changes and runoff changes can provide a basis for decision-making for the rational allocation of water resources in the basin. This paper selects the Heihe oasis area as the study area, uses meteorological, land use and measured runoff data to analyze the characteristics of climate, runoff and land use change in the study area, and sets different climate and land use change scenarios to simulate the runoff in the study area based on the SWAT model. Analyzing the characteristics of runoff change, the main research conclusions are as follows:

(1) The climate in the study area generally changes in the direction of warm and wet, and the temperature, precipitation and runoff all show a significant upward trend, and there are differences in the sudden change period. The period of sudden change in temperature mainly occurred from 1994 to 1996, the period of sudden change in precipitation occurred from 1970 to 1990, and the sudden change of annual runoff occurred in 2004. From 2000 to 2018, the land use structure remained stable, with the proportion of bare land, grassland and forest land. The characteristics of land use type transfer are that all other land use types are transferred to cultivated land, grassland and bare land.

(2) Construct the SWAT model in the Heihe oasis area, and determine the relevant parameters according to the experimental results, combined with the existing relevant research, and complete the model calibration and verification. The Ens values ​​of the regular and validation models are 0.51 and 0.61, respectively, and the R² is 0.71 and 0.72, respectively. The accuracy is up to the standard, and the simulation results are basically credible. According to the contribution of climate and land use to runoff, it can be seen that the contribution level of climate change to runoff Slightly higher than land use, accounting for 59.93% and 40.07% respectively.

(3) Under different climate change scenarios, the runoff change rate generally increases with the increase of precipitation and decreases with the increase of temperature. Specifically, when the temperature is constant, the runoff change rate increases with the increase of precipitation, and when the precipitation remains constant, the runoff change rate decreases with the increase of temperature; when the temperature and precipitation decrease, the runoff change rate shows a downward trend; When the temperature decreased and the precipitation increased, the runoff change rate showed an upward trend. When the temperature dropped by 2°C and the precipitation increased by 20%, the runoff increased rapidly, which was 39.11%; When the temperature increased and the precipitation decreased, the runoff change rate showed a rapid increase of 39.11%, a downward trend; when the temperature and precipitation increase, the runoff change rate shows an upward trend, but the rising speed is not obvious. It can be considered that precipitation has a positive effect on runoff change, and temperature has a negative effect on runoff change.

(4) Under the extreme land use and future land use scenarios, the runoff shows fluctuating changes, and there are slight differences in the magnitude of runoff changes. Under the extreme land use scenario, in 2018, the simulation results of monthly average runoff under the initial land use, all-arable land and all-grassland scenarios are: 20.42 m³/s, 12.58 m³/s, and 20.82 m³/s, respectively. Compared with the initial land use, the runoff of the whole farmland scenario decreased by 38.36%, and the whole grassland scenario increased by 65.41%. In 2030, the runoff change rate under the all-arable land scenario is -37.77%, and the runoff change rate for the whole grassland is 65.41%. It can be considered that the all-arable land scenario has a negative effect on the runoff change, and the whole-grassland scenario promotes the increase of runoff; the future land use scenario compared with 2020, the monthly average runoff under the natural growth and economic development scenarios in 2025 will decrease by 1.10% and 1.09%, respectively, and the runoff under the ecological protection scenario will increase by 4.53%. In 2030, natural growth, economic development, ecological compared with 2020, the monthly average runoff under the protection scenario has a change rate of -1.40%, -1.38% and 9.90%, respectively. It can be considered that the natural growth and economic development scenarios have a negative impact on the runoff change, while the ecological protection scenario has a positive effect.

[1]李艳, 于澎涛, 王彦辉, 等. 柔远川小流域土地利用强度变化对径流的影响[J].中国水土保持科学,2013,11(3):40-46.

[2]Congbin Fu. From climate to global change: Following the footprint of Prof. Duzheng YE's research[J]. Advances in Atmospheric Sciences, 2017, 34(10):1159–1168.

[3]Hoekstra, Arjen y. Water scarcity challenges to business[J]. Nature Climate Change, 2014, 4(5):318-320.

[4]赵美亮. 气候变化对大通河上游地表径流的影响研究[D]. 西宁：青海师范大学, 2021.

[5]秦大河, Thomas Stocker. IPCC第五次评估报告第一工作组报告的亮点结论[J]. 气候变化研究进展, 2014, 10(1):1-6.

[6]IPCC第六次评估报告第二工作组报告发布[N]. 中国气象报, 2022-03-01(1).

[7]丁一汇, 任国玉, 石广玉, 等. 气候变化国家评估报告(Ⅰ):中国气候变化的历史和未来趋势[J]. 气候变化研究进展, 2006(1):3-8+50.

[8]Allen S K, Plattner G K, Nauels A, et al. Carbon and Other Biogeochemical Cycles: Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change Change[J]. Computational Geometry, 2007, 18(2):95-123.

[9]《气候变化国家评估报告》编写委员会编. 气候变化国家评估报告[J]. 科学出版社, 2007.

[10]唐国利, 丁一汇, 王绍武, 等. 中国近百年温度曲线的对比分析[J]. 气候变化研究进展,2009,5(2):71-78.

[11]张莉, 丁一汇, 吴统文, 等. CMIP5模式对21世纪全球和中国年平均地表气温变化和2℃升温阈值的预估[J]. 气象学报, 2013,71(6):1047-1060.

[12]张建云, 章四龙, 王金星, 等. 近50年来中国六大流域年际径流变化趋势研究[J]. 水科学进展, 2007(2):230-234.

[13]余钟波. 流域分布式水文学原理及应用[M]. 北京：科学出版社, 2008.

[14]刘昌明, 刘文彬, 傅国斌, 等. 气候影响评价中统计降尺度若干问题的探讨[J]. 水科学进展, 2012, 23(3):11.

[15]黄锋华, 黄本胜, 邱静, 等. 气候变化对北江流域径流影响的模拟研究[J]. 水利水电技术, 2018,49(1):23-28.

[16]岳本江. 延河流域水沙演变及对土地利用/覆被变化的响应[D]. 杨凌：中国科学院研究生院（教育部水土保持与生态环境研究中心）, 2015.

[17]李凯. 气候变化背景下疏勒河流域基于农业种植结构调整的水资源优化分配[D]. 兰州：兰州大学, 2019.

[18]尚星星. 气候与土地利用变化对地表径流的影响研究[D]. 西安：西北大学，2019.

[19]黄友波, 郑冬燕, 夏军, 等. 黑河地区水资源脆弱性及其生态问题分析[J]. 水资源与水工程学报, 2004(1):32-37.

[20]贺缠生, Carlo De M, Thomas E. C, 等. 基于分布式大流域径流模型的中国西北黑河流域水文模拟(英文)[J]. 冰川冻土, 2009, 31(3):410-421.

[21]蒋晓辉, 夏军, 黄强, 等. 黑河“97”分水方案适应性分析[J]. 地理学报, 2019, 74(01):103-116.

[22]席佳. 气候变化对澜湄流域气象水文干旱时空特性的影响研究[D]. 大连：大连理工大学, 2021.

[23]徐宗学, 程磊. 分布式水文模型研究与应用进展[J]. 水利学报, 2010, 41(9):1009-1017.

[24]贾仰文, 王浩. 分布式流域水文模型原理与实践[M]. 北京：中国水利水电出版社, 2005.

[25]Abu-Zreig M, Hani L B. Assessment of the SWAT model in simulating watersheds in arid regions: Case study of the Yarmouk River Basin (Jordan)[J]. Open Geosciences, 2021, 13(1):377-389.

[26]何旭强. 基于SWAT模型的黑河上游径流模拟及其对气候变化的响应[D]. 兰州：西北师范大学, 2013.

[27]Gosain A K, Rao S, Srinivasan R, et al. Return-flow assessment for irrigation command in the Palleru river basin using SWAT model[J]. Hydrological Processes, 2005, 19(3):673-682.

[28]Fohrer N, Mller D, Steiner N, et al. An interdisciplinary modelling approach to evaluate the effects of land use change - ScienceDirect[J]. Physics and Chemistry of the Earth, Parts A/B/C, 2002, 27(9-10):655-662.

[29]郑思远, 王飞儿, 俞洁, 等. 水文响应单元划分对SWAT模型总氮模拟效果的影响[J]. 农业环境科学学报, 2019, 38(6):1305-1311.

[30]史晓亮. 基于SWAT模型的滦河流域分布式水文模拟与干旱评价方法研究[D]. 哈尔滨：中国科学院研究生院(东北地理与农业生态研究所)，2013.

[31]Xu R, Hu C H, Tian F Q, et al. Projected climate change impacts on future streamflow of the Yarlung Tsangpo-Brahmaputra River[J]. Global and Planetary Change, 2019, 175:

[32]Try S, Tanaka S, Tanaka K, et al. Comparison of gridded precipitation datasets for rainfall-runoff and inundation modeling in the Mekong River Basin[J]. PLoS ONE, 2020, 15(1): 1305-1311.

[33]孙傅, 何霄嘉. 国际气候变化适应政策发展动态及其对中国的启示[J]. 中国人口·资源与环境, 2014, 24(5):1-9.

[34]田鹏. 气候与土地利用变化对径流的影响研究[D]. 杨凌：西北农林科技大学, 2012.

[35]Shrestha N K, Du X, Wang J. Assessing climate change impacts on fresh water resources of the Athabasca River Basin, Canada[J]. Science of the Total Environment, 2017, 601-602(dec.1):425.

[36]Arnell N W. Climate change and global water resources: SRES emissions and socio-economic scenarios[J]. Global Environmental Change, 2004.

[37]Wilby R L, Dawson C W, Barrow E M. sdsm - a decision support tool for the assessment of regional climate change impacts[J]. Environmental Modelling & Software, 2002, 17(2):145-157.

[38]闻昕, 方国华. 气候变化对流域水文影响评估及水资源适应性调度研究[M]. 北京：中国水利水电出版社, 2015.

[39]Cherkauer K A, Sinha T. Hydrologic impacts of projected future climate change in the Lake Michigan region[J]. Journal of Great Lakes Research, 2010, 36(SUPPL.2):33-50.

[40]Matondo J I, Msibi K M. Estimation of the Impact of Climate Change on Hydrology and Water Resources in Swaziland[J]. Water International, 2001, 26(3):425-434.

[41]张利平, 陈小凤, 赵志鹏, 等. 气候变化对水文水资源影响的研究进展[J]. 地理科学进展, 2008(3):60-67.

[42]王国庆, 王云璋, 康玲玲. 黄河上中游径流对气候变化的敏感性分析[J]. 应用气象学报, 2002(1):117-121.

[43]汪美华, 谢强, 王红亚.未来气候变化对淮河流域径流深的影响[J]. 地理研究, 2003(1):79-88.

[44]朱利, 张万昌. 基于径流模拟的汉江上游区水资源对气候变化响应的研究[J]. 资源科学, 2005(2):16-22.

[45]高超, 陆苗, 张勋,等. 淮河流域上游地区径流对气候变化的响应分析[J]. 华北水利水电大学学报：自然科学版, 2016, 37(5):5.

[46]夏军, 马协一, 邹磊, 等. 气候变化和人类活动对汉江上游径流变化影响的定量研究[J]. 南水北调与水利科技, 2017, 15(1):16.

[47]苏姗. 基于景观格局与MCE-CA-Markov的土地利用变化模拟预测[D]. 成都：四川师范大学, 2019.

[48]刘新卫, 陈百明, 史学正. 国内LUCC研究进展综述[J]. 土壤, 2004, 36(2):5.

[49]郭家力. 变化环境下水文极值事件和水量平衡响应研究[D]. 武汉：武汉大学, 2014.

[50]魏冲. 基于分布式水文模型的景观变化下生态水文响应研究[D]. 郑州：郑州大学, 2014.

[51]史培军. 土地利用/覆盖变化研究的方法与实践[M]. 科学出版社, 2000.

[52]李秀彬. 全球环境变化研究的核心领域——土地利用/土地覆被变化的国际研究动向[J]. 地理学报, 1996(06):553-558.

[53]俞冰. 土地利用变化及其对径流的影响[D]. 南京：河海大学, 2007.

[54]华文剑, 陈海山, 李兴. 中国土地利用/覆盖变化及其气候效应的研究综述[J]. 地球科学进展, 2014, 29(9):1025-1036.

[55]Costa M H, Botta A, Cardille J A. Effects of large-scale changes in land cover on the discharge of the Tocantins River, Southeastern Amazonia[J]. Journal of Hydrology, 2003, 283(1-4):206-217.

[56]Lahmer W, Pfützner B, Becker A. Assessment of land use and climate change impacts on the mesoscale[J]. Physics and Chemistry of the Earth, Part B: Hydrology, Oceans and Atmosphere, 2001.

[57]王盛萍, 张志强, 孙阁,等. 黄土高原流域土地利用变化水文动态响应—以甘肃天水吕二沟流域为例[J]. 北京林业大学学报, 2006, 28(1):7.

[58]王韶伟. 土地利用/土地覆被变化的水文效应模拟[J]. 人民黄河, 2010, 32(5):3.

[59]中国科学院南京湖泊研究所. 中德合作团队将实施气候变化和旱涝灾害项目[J]. 自然科学进展, 2007, 17(7):1.

[60]李宏亮. 基于SWAT模型的土地利用/覆被变化对水文要素的影响研究[D]. 石家庄：河北师范大学, 2007.

[61]于洋. 松嫩平原百年草甸农田化的干旱效应[D]. 哈尔滨：哈尔滨师范大学, 2017.

[62]南涛. 基于Mann-Kendall的沈阳水文站年径流量变化分析[J]. 东北水利水电, 2018, 36(04):20-22+72.

[63]李文婷, 杨肖丽, 任立良,等. 基于SWAT模型的黄河源区蓝/绿水资源时空分布特征研究[J]. 中国农村水利水电, 2021(8):59-66.

[64]祖拜代·木依布拉, 师庆东, 普拉提·莫合塔尔,等. 基于SWAT模型的乌鲁木齐河上游土地利用和气候变化对径流的影响[J]. 生态学报, 2018, 38(14):5149-5157.

[65]孟军令. 土地利用和气候变化对渭河流域径流的影响[D]. 郑州：郑州大学, 2021.

[66]Li X, Cheng G, Liu S, et al. Heihe Watershed Allied Telemetry Experimental Research (HiWATER): Scientific Objectives and Experimental Design[J]. Bulletin of the American Meteorological Society, 2013, 94(8):1145-1160.

[67]王根绪, 程国栋. 干旱内陆流域生态需水量及其估算——以黑河流域为例[J]. 中国沙漠, 2002(2):33-38.

[68]李新, 刘绍民, 马明国,等. 黑河流域生态—水文过程综合遥感观测联合试验总体设计[J]. 地球科学进展, 2012, 27(5):481-498.

[69]袁忆. 水量调度信息服务系统[D]. 西安：西安工业大学, 2012.

[70]谭美宝. 黑河流域植被覆盖度与灌溉耕地遥感监测研究[D]. 兰州：兰州大学, 2021.

[71]Yu, Chen, Jun, et al. Effects of irrigation on water and energy balances in the Heihe River basin using VIC model under different irrigation scenarios.[J]. The Science of the total environment, 2018, 645:1183-1193.

[72]Qi S Z, Luo F. Water Environmental Degradation of the Heihe River Basin in Arid Northwestern China[J]. Environmental Monitoring and Assessment, 2005, 108(1):205-215.

[73]岳东霞, 杜军, 刘俊艳,等. 基于RS和转移矩阵的泾河流域生态承载力时空动态评价[J]. 生态学报, 2011, 31(9):2550-2558.

[74]王录仓, 张晓玉. 黑河流域近期气候变化对水资源的影响分析[J]. 干旱区资源与环境, 2010, 24(4):60-65.

[75]加孜拉·阿布都拉扎克. 黑河流域中游灌区水平衡模型研究[D]. 南京：河海大学, 2006.

[76]Prasad T, Venkateswarlu D, Chandrashekhar B, et al. Irrigated Area Maps and Statistics of India Using Remote Sensing and National Statistics[J]. Remote Sensing, 2009, 1(2):50-67.

[77]Deng X, Zhao C. Identification of Water Scarcity and Providing Solutions for Adapting to Climate Changes in the Heihe River Basin of China[J]. Advances in Meteorology, 2014, 2014:1-13.

[78]Zhao W, Liu B, Zhang Z. Water requirements of maize in the middle Heihe River basin, China[J]. Agricultural Water Management, 2010, 97(2):215-223.

[79]Zhang M, Wang S, Fu B, et al. Ecological effects and potential risks of the water diversion project in the Heihe River Basin[J]. Science of The Total Environment, 2017, 619-620:794-803.

[80]郭明,肖笃宁,李新.黑河流域酒泉绿洲景观生态安全格局分析[J].生态学报,2006(2):457-466.

[81]张俊龙. 随机方法应用于水文过程分析与水质管理[D]. 北京：华北电力大学, 2017.

[82]刘薇, 王海军, 陈翠英. CMADS数据对长江源区水文模拟的适用性研究[J]. 中国农村水利水电, 2022(03):32-38.

[83]梁新强. 太湖流域浙江片区非点源产排污核算方法[M]. 北京：科学出版社, 2015.

[84]郝芳华, 程红光. 非点源污染模型 理论方法与应用[M]. 北京：中国环境科学出版社, 2006.

[85]陈世雪, 玉素甫江·如素力, 张发,等. 基于SWAT模型的开都河上游气候变化和人类活动对径流的影响[J]. 湖北农业科学, 2022, 61(5):171-176.

[86]黑河计划数据管理中心. 黑河流域边界数据集. 国家冰川冻土沙漠科学数据中心(www.ncdc.ac.cn), 2019.

[87]鱼腾飞. 2013年黑河上游土壤数. 国家冰川冻土沙漠科学数据中心(www.ncdc.ac.cn), 2016.

[88]南卓铜. (2015). 黑河上游土地利用变化情景模拟数据（1986-2030）. 国家青藏高原科学数据中心, DOI: 10.3972/heihe.114.2014.db. CSTR: 18406.11.heihe.114.2014.db.

[89]周自翔. 延河流域景观格局与水文过程耦合分析[D]. 陕西师范大学，2014.

[90]张志强. 黑河流域各站点水文数据（1990-1995）. 时空三极环境大数据平台.

[91]魏怀斌, 张占庞,杨金鹏. SWAT模型土壤数据库建立方法[J]. 水利水电技术, 2007(06):15-18.

[92]齐贞, 杜丽平, 刘晓冰, 等. SWAT模型中气象数据库和土壤数据库的构建方法[J]. 河南科学, 2011, 29(12):1458-1463.

[93]刘宇栖. 全球变化情景下的径流响应研究[D]. 西安：西安科技大学, 2017.

[94]薛莉. 基于3S的吉林省西部生态环境的调查与研究[D]. 长春：吉林大学, 2009.

[95]张亮. 基于反规划理论的武鸣县城乡后备建设用地空间布局研究[D]. 桂林：广西师范学院, 2011.

[96]陈利群, 刘昌明, 郝芳华, 等. GIS支持下的黄河源区大尺度水文模拟[J]. 人民黄河, 2005(11):78-79.

[97]李凤欢, 罗潋葱, 翟海涛, 等. SWAT对大沙河水库流域径流模拟研究[J]. 水土保持研究, 2014, 21(02):87-93.

[98]刘睿, 霍艾迪, Chen X H, 等. 基于SUFI-2算法的SWAT模型在陕西黑河流域径流模拟中的应用[J]. 干旱地区农业研究, 2014, 32(5):213-217+222.

[99]郭伟, 陈兴伟, 林炳青. SWAT模型参数对土地利用变化的响应及其对不同时间尺度径流模拟的影响[J]. 生态学报, 2021, 41(16):6373-6383.