【论文精选】164：越南胡志明市土地利用变化对地下水补给的影响

　　在过去的几十年里，越南胡志明市(HCMC)在土地利用实践方面发生了巨大的变化。与地下水有关的问题也是越南这个快速发展的南部城市的一个主要问题。定量预测流域土地利用格局变化对地下水补给的影响，对于制定健全的地下水管理方案至关重要。本研究旨在评价胡志明市土地利用方式变化对地下水回灌量的影响。利用土地利用实证预测模型(Dyna-CLUE)和水文模型(SWAT)进行研究。

在Dyna-CLUE中，以建成区面积的增加为重点，开发了低城市化情景(LU)、中等城市化情景(MU)和高城市化情景(HU)三种未来土地利用情景，生成了到2100年HCMC的土地利用图。然后将所有三种情景的土地利用图用于校准水文模型SWAT，以获得近期(2016-2045)、中期(2046-2075)和远期(2076-2100)的未来补给。结果表明，远未来陆源的年平均补给量将增加10%，而远未来陆源的年平均补给量将分别减少30%和52%。由此可见，建成区面积的变化对胡志明市地下水补给有显著影响。

本研究旨在量化不透水建成区面积增加对胡志明市地下水补给的影响。本研究的具体目标包括:

1)利用Dyna-CLUE模型对低城市化、中等城市化和高城市化3种特定情景下至2100年的未来土地利用变化进行模拟;

2)预测上述土地利用变化情景下胡志明市未来地下水补给量;

3)评估上述土地利用变化情景对胡志明市地下水补给量的影响。

 研究区域 

　　胡志明市位于越南的南端，是越南最大的城市之一(图1)。它位于北纬10°10′-10°38′和东经106°2′-106°54′之间。全市自然用地面积2095平方公里。

 数　据 

研究中使用的数据集包括海拔、土地利用、土壤、河流、降雨和温度等历史气候数据集，以及基于区域环流模式(RCM)输出的预测未来降雨和温度的气候数据集。上述数据集的时空分辨率见表1。

总体方法框架已在图3中描述。本文以建成区为中心的城市土地利用格局，并提出了低城市化情景(LU)、中等城市化情景(MU)和高城市化情景(HU)三种未来城市土地利用情景。然后使用土地利用预测模型Dyna-CLUE获得了到2100年所有未来土地利用情景的年度地图。经过校准和验证的SWAT模型提供了来自RCMs输出的未来预测气候变量，如降雨和温度。利用线性标度法对研究区雨量站数据进行了气候网格预估偏差校正。同样，未来的土地利用地图被输入到校准/验证的SWAT模型中，以模拟未来的地下水补给。分析了近未来(2016-2045年)、中未来(2046-2075年)和远未来(2076-2100年)三种情景的未来地下水补给量与基线地下水补给量的相对变化。

 利用Dyna-CLUB模型进行土地利用预测 

Dyna-CLUE模型的标定过程如图4a所示。Dyna-CLUE模型通过逐步将需求面积与各自土地利用类型的可用面积相关联，将国家层面的需求空间分配到单个网格单元，以迭代方法模拟土地利用变化。

土地利用的转换顺序决定了一种土地利用类型转变为另一种土地利用类型的概率(表2)。这用逻辑值0和1表示，其中1表示从一种土地利用类型转变为另一种土地利用类型的全部潜在可能性，0表示从一种土地利用类型转变为其他土地利用类型的零可能性。同样，转换弹性定义了土地利用类型向任何其他类别转变的趋势。取值范围是0~1。转换弹性值为1的土地不能转换为其他土地类型，转换弹性值为0的土地可以很容易地转换为其他土地类型。中间值表示相对转换趋势。在本研究中，这些转换弹性值是根据HCMC中观察到的最佳判断和实际情况得出的(表3)。

Dyna-CLUE模型考虑了五种类型的输入文件，即土地利用需求、位置适宜性、邻里适宜性、空间限制和转换参数。采用逐步Logistic回归方法对各土地利用类型的区位适宜性和邻里适宜性进行分析。

以2005年土地利用观测图作为基线图，以2015年土地利用观测图进行定标(图4a)。研究考虑了与河流的距离、与道路的距离、高程、坡度、坡向、人口密度和土壤类型等7个驱动因素。利用校正后的Dyna-CLUE模型，分别对胡志明市的保护情景、有限城市化增长率和快速城市化增长率3种城市化情景进行了模拟。在2016-2100年期间，每年1%的农用地转为森林的情景或保护情景进行了模拟。在这种情况下，建成区和水体保持不变。在MU情景下，2016-2100年期间，城市建成区的年增长率预计为1%，而2000-2015年期间的年增长率低于5.3%。此外，在森林和水体保持不变的情况下，土地利用变化允许由农业用地向城市用地转换。在HU情景或快速城市化情景中，城市面积在2016-2025年期间每年增长5%，在2026-2035年期间每年增长2.5%，在2036-2100年期间每年增长1%。

 SWAT水文模拟 

本研究选择SWAT模型来估算HCMC的地下水补给。使用各种输入数据集和衍生数据集的SWAT模型校准过程如图4b所示。SWAT模拟的主要水文过程是地表径流、土壤和根区入渗、蒸散发、土壤和雪蒸发以及基流。

在建立SWAT模型时，使用了表征流域特征的区域高程图、土地利用图和土壤图。然后利用水文和气象站资料对流域的整体水文成分进行研究和分析。DEM从ASTER获得，分辨率为30m。整个流域划分为39个子流域和794个HRU。土壤图从粮农组织获得，分辨率为1:50万，该流域中有14种不同类型的土壤。HRU的阈值分别为土地利用比子流域面积大5%、土壤类比土地利用面积大5%、坡度类比土壤面积大5%。

研究使用了该流域及其周边的5个气象站。研究使用的水文站为华化排放站，其流量数据为1989-2002年。因此，定标期为1989~1999年，验证期为2000~2002年。通过检验流量观测值与模拟值的拟合度，计算NSE、PBIAS、R²等统计参数，检验模型的准确性。

 未来土地利用类型预测 

利用Dyna-CLUE模型预测的LU、MU和HU情景下的未来土地利用图如图5所示。在LU情景中，假设建成区面积不变，森林面积增加1%。农业用地向森林转化的可能性不大。2000年森林总面积为27.86%，2100年上升到32.97%。

在MU情景中，假设建成区面积以每年1%的速度增长。按照这一增长速度，建成区面积占总面积的比例从2000年的13.77%上升到2100年的28.91%。农业用地从2000年的50.35%减少到2100年的36.73%，弥补了建成区面积的增加。森林面积略有减少，从2000年的27.85%减少到2100年的26.33%。水体覆盖面积保持不变，为8.01%。

在高城市化情景中，建成区面积从2016年到2025年以每年5%的速度增长，然后从2026年到2035年以每年2%的速度增长，从2036年到2100年以每年1%的速度增长。

在建成区情况下，这是一个非常高的增长率。建成区面积从2000年的13.70%增长到2100年的69.84%。森林面积减少不低于总面积的17.89%，为红树林保护区，称为芹吉奥。森林总面积从2000年的27.76%下降到2100年的20.06%，其中包括芹吉奥红树林保护区。农业面积也从基线的50.36%下降到2100年的2.09%。

 SWAT模型的校准和验证 

SWAT模型的定标过程中使用了排放站的日观测流量值，以获得流域水文参数的最佳估计。水文模型的定标期为1987-1999年，预热期为2年。有效期为2000年至2002年。利用SWAT-CUP接口进行校准灵敏度分析，以确定最终校准过程中最敏感的参数。SWAT模型的最终估计参数如表4所示。

通过观察观察和模拟各种性能指标的拟合度来检验模型的准确性(图6)。在校准和验证过程中使用了R²、NSE和PBIAS等性能指标。在校准和验证期间计算的这些值分别为R²=0.727, NSE=0.727, PBIAS=-0.661; R²=0.77, NSE=0.76, PBIAS=5.54。计算得到的性能指标值合理，表明模型运行良好。

 土地利用变化对地下水补给的影响 

利用HCMC中Dyna-CLUE模型预测的未来土地利用图，计算了经过校准/验证的SWAT模型的未来预计补给量，并对不同土地利用情景下的近期(2016-2045年)、中期(2046-2075年)和远期(2076-2100年)进行了补给预测。

与基线期相比，高城市化情景(HU)的年平均补给量显著减少，而中等城市化情景(MU)的年平均补给量减少较少，如图7所示。与此同时，在低城市化情景下，与基线期相比，年平均补给量略有增加。

HU情景近、中、远未来年平均补给量均呈下降趋势，远未来相对减少幅度最大，为52.15%。近、中、远未来平均年补给量均呈下降趋势，远未来相对减少幅度最大，达34%。如图8所示，与基线期相比，LU情景下的年平均补给量在不久的将来会略有下降，而在中期和远未来的年补给量会增加，远未来的年补给量增幅最高，为15%。

雨季(5-11月)LU、MU和HU情景近、中期和远期的总补给值如图9所示。各土地利用情景(LU、MU和HU)的近、中、远期补给值均呈下降趋势。然而，从近未来到远未来，LU情景的预测补给量逐渐增加。预计在遥远的未来，HU情景的补给量最低。这是因为HU情景下建成区面积的增加相对高于MU和MU情景，因此预测补给量也低于LU和MU情景(图9)。