Page 31 - 2023年第54卷第1期

２０００年以来或 ２０１０年以来的年均产沙量，是认识现状产沙情势的重要途径，但存在明显弊端：一是
该时段的降雨条件不仅与 １９１９—１９５９年不同，也与人们预测的未来降雨条件不同；二是黄土高原各
地的丰枯程度相差很大。为规避以上问题，采用以下评价方法：首先，获取各支流现状年的实测输沙
量、水库和淤地坝拦沙量、灌溉工程引沙量，采用式（ １）计算其年均产沙量 Ｗ ；第二，利用现状年实
ｓ
测降雨量和年均产沙量，采用式（ ２）计算各支流的现状产沙指数；第三，基于对黄土高原降雨变化趋
势的认识，设计多种情景的长系列降雨；最后，基于现状产沙指数和设计降雨系列的有效降雨 Ｐ ，
２５
利用式（ ２）计算相应降雨情景的年均产沙量，即 Ｗ ＝ Ｓ× Ｐ × Ａ。
ｓ ｉ ２５ ｅ
该方法的关键环节是，获取的坝库工程拦沙量、灌溉引沙量和河道冲淤量是否符合实际。
途径 ２：利用遥感水文统计模型，推算黄土高原在长系列降雨情景下的年均产沙量。研究发现 ［８］ ，
在流域尺度上，林草有效覆盖率与产沙指数之间呈现明显的指数关系。进一步考虑不同规模梯田加入
的影响，刘晓燕等创建了遥感水文统计模型 ［９］ ，用于评价流域在一定植被、地形和土壤条件下的产沙
能力，基本公式如下：
Ｓ＝ ａ × ｅ － ｂ × Ｖｅｔ （３）
ｉ
式中 ａ和 ｂ是与雨强、地形和土壤有关的参数。为克服雨型和降雨落区（涉及地形和土壤的差异）的影
响，构建该模型采用的数据多为 ２～３个雨强相似年份的均值，因此采用式（３）计算得到的产沙量单位
应为 ｔ?ａ。此外，模型构建时采用的林草有效覆盖率，是基于分辨率为 ３０～５６ｍ遥感影像提取的信息，
故应用该模型时，提取信息的遥感影像分辨率也应与之一致，以尽可能减少因分辨率不同而带来的植
被信息差异。
采用该模型，首先将遥感影像提取的流域现状林草梯田有效覆盖率代入式（ ３），计算相应的产沙
指数 Ｓ；然后，将降雨量 Ｐ 和流域的易侵蚀区面积 Ａ带入式（２），即可得到流域的年均产沙量。
ｉ ２５ ｅ

２ 现状年界定及下垫面特征值

从认识黄河水沙变化角度，过去哪个时段的下垫面可以作为现状下垫面？这是一个看似简单的问
题，但由于研究者掌握的数据资源、研究项目启动时间、成果服务对象等有所差异，因此，目前被称
为现状下垫面的时段差异很大，包括 ２０００—２０１２年、２００７—２０１４年和 ２０００—２０１６年等。
分析黄土高原各支流汛期含沙量和汛期径流系数变化过程可见（图 ２和图 ３），２００８年以来，绝大
多数支流汛期含沙量和汛期径流系数逐渐趋稳。洪水含沙量和洪量是流域产沙量的函数，汛期含沙量
和汛期径流系数趋于稳定，意味着流域产沙能力趋于稳定。鉴于此，并考虑时间系列的长度，本文将
黄土高原 ２０１０年以来的下垫面称为现状下垫面。

图 ２ 汛期含沙量变化 图 ３ 汛期径流系数变化
分析图 ４可见，２０１２年以来黄土高原林草植被盖度的增幅明显变缓，２０１８年以来植被盖度没有
增加。因此，采用分辨率为 ３０ｍ的遥感影像，提取了 ２０１０年和 ２０１６年的林草地面积和易侵蚀区面
积，取其平均值作为 ２０１０—２０１９年的代表值；取 ２０１０年、２０１３年、２０１６年和 ２０１８年 ４个典型年林
草地植被盖度（遥感分辨率 ３０ｍ）的平均值，作为 ２０１０—２０１９年林草植被盖度。将 ２０１８年的林草有效
覆盖率，作为现状年林草有效覆盖率的最大值。进而计算了现状年不同时段的林草梯田有效覆盖率
Ｖ，结果见表 １。
ｅｔ
— ２ ６ —