Page 77 - 2025年第56卷第2期

的角度分析水资源变化的内在逻辑与规律尚显不足，其主要原因是大范围、高质量的天然径流数据集
的缺失。随着复杂水文模型在天然水文过程的分析中发挥越来越重要的作用，生成高质量天然径流数
据集成为可能，其在校准、验证气候和水文模型等方面也具有实际意义 ［８］ 。
正确分析天然径流变化趋势是研究径流演变和归因的基础，能够为水资源利用和管理提供科学依
据 ［９］ ，趋势识别的核心是在所研究的时间尺度上确定水文时间序列的趋势形态并评估其显著性。以往
径流研究主要从年尺度展开 ［１０ － １２］ ，较少在月尺度进行；而月尺度径流受短期因素影响（如年内周期性
和突发事件）可能使趋势结果出现偏差 ［１３］ ，有必要探索月径流趋势在剔除短期因素影响前后的差异。
作为时间序列分解的主流方法，ＳＴＬ（Ｓｅａｓｏｎａｌ － ＴｒｅｎｄｄｅｃｏｍｐｏｓｉｔｉｏｎｐｒｏｃｅｄｕｒｅｂａｓｅｄｏｎＬｏｅｓｓ） ［１４］ 十分通
用且稳健，以往学者表明了 ＳＴＬ在径流研究方面的重要性。例如，张力等 ［１５］ 以攀枝花水文站 ２０１８年
日径流为例进行 ＳＴＬ分解，并通过协方差分析表明趋势项一直是影响径流序列波动的主导贡献因子，
残差项的贡献率次之，季节项最小；雷庆文等 ［１６］ 研究的时序分解和 ＣＮＮ － ＬＳＴＭ 相融合的月径流预报
模型中也表明，用 ＳＴＬ对径流序列分解后，径流的演变规律更容易被神经网络所识别；温馨等 ［１７］ 分
析径流分解对于预报结果的影响时，发现 ＳＴＬ径流分解对于丰枯水年的预测精度提高十分显著，相较
２
于随机森林 ＲＦ模型，ＳＴＬ － ＲＦ模型预报的年径流 Ｒ更接近 １；Ｈｕ等 ［１８］ 建立的基于时间尺度分解法的
长江中下游汛期降水季节预报模型，该模型比采用传统方案且不进行时间尺度分解的预报模型效果更
好。可以发现，从径流序列分解后的趋势项入手，可以挖掘历史天然径流演变的显著规律。
因此，基于我国天然径流格点数据集 ［１９］ 和区域地面气象要素驱动数据集 ［２０］ ，对 １９７９—２０１８年全
国三级流域的气象水文序列进行 ＳＴＬ时序分解，再采用 Ｔｈｅｉｌ － Ｓｅｎ斜率估算 ［２１］ 与 Ｍａｎｎ － Ｋｅｎｄａｌｌ显著性
检验 ［２２ － ２３］ ，应用时间序列分解与传统趋势分析相结合的月尺度径流趋势探测方法，更加准确地分析天
然径流的时间趋势及其空间特征，最后基于多元线性回归探究影响天然径流变化的驱动因子。

２ 研究区概况与数据来源

２．１ 研究区概况 本研究依据《全国水资源综合区划导则》 ［２４］ 的水资源分区情况，将全国划分为 ２１８
个三级流域，以此为单元探究我国天然径流的时空变化趋势。各三级流域分布如图 １所示。图中同时
展示了我国 １０个一级流域，包括长江、黄河、淮河、海河、辽河、珠江、松花江、东南诸河、西南
诸河与内陆河流域。其中，长江流域有 ４５个三级流域，黄河流域有 ２９个三级流域，淮河流域有 １５
个，海河流域有 １５个，辽河流域有 １２个，珠江流域有 １９个，松花江流域有 １８个，东南诸河流域有
１０个（包括我国台湾地区），西南诸河流域有 ２１个，内陆河流域有 ３４个。所有三级流域的面积范围分
２
布于 ０．３１万 ～６８．２７万ｋｍ 之间。
我国划分三级流域是为了满足流域层面和区域层面水资源规划、水资源配置和日常管理等工作的
要求，在二级流域的基础上，按照水系内河流的关系，综合考虑地形地貌、水文气象、自然灾害、生
态环境及经济社会发展状况，结合流域和区域进行分区划片 ［２４］ 。因此，基于三级流域进行径流变化的
相关研究可以更加直接地对我国的水资源规划管理进行指导，具有更强的现实意义，同时三级流域的
面积可以保证每个流域都有多个数据格点覆盖 ［２５］ ，确保结果准确有效。
２．２ 数据来源
２．２．１ 气象数据 本研究使用的气象数据来源于国家青藏高原科学数据中心（ｈｔｔｐ：??ｗｗｗ．ｔｐｅｄａｔａｂａｓｅ．ｃｎ）
的中国区域地面气象要素驱动数据集 ＣＭＦＤ（ＣｈｉｎａＭｅｔｅｏｒｏｌｏｇｉｃａｌＦｏｒｃｉｎｇＤａｔａｓｅｔ）。该数据集是以国际
上现有的 Ｐｒｉｎｃｅｔｏｎ再分析资料、ＧＬＤＡＳ资料、ＧＥＷＥＸ － ＳＲＢ辐射资料，以及 ＴＲＭＭ 降水资料为背景
场，融合了中国气象局常规气象观测数据制作而成。原始资料来自于气象局观测数据、再分析资料和
卫星遥感数据，已去除非物理范围的值，采用 ＡＮＵ － Ｓｐｌｉｎｅ统计插值，精度介于气象局观测数据和卫
星遥感数据之间，高于国际上已有再分析数据的精度 ［１９］ 。
该数据集覆盖了中国陆地区域，时间跨度为 ４０年（１９７９—２０１８年），水平空间分辨率为 ０．１°，时
间分辨率为 ３ｈ，本研究使用该数据集的近地面（２ｍ）气温、近地面（２ｍ）空气比湿、近地面（１０ｍ）全

— ２ １ ７ —