Page 120 - 2025年第56卷第6期

ｘ － ｘ
( )
ｉ
ｊ
β ＝ Ｍｅｄｉａｎ ｊ － ｉ ，ｊ＞ｉ （２）
式中：β 为变化趋势；Ｍｅｄｉａｎ为中值函数；当 β ＜０时，呈减少趋势；β ＞０时，呈增加趋势。
３．２．２ 灰色关联度分析 本研究选取 ＳＯＳ、ＥＯＳ、ＮＤＶＩ、降水（Ｐｒｅ）、气温（Ｔｍｅａｎ）、太阳辐射（Ｒａｄ）、
蒸发（ＥＴ）、根区土壤湿度（ＳＭｒｏｏｔ）８个影响径流（Ｒ）的主要因子，通过构建灰色关联模型对比分析植
被物候、植被生长和气候因子对径流的相对重要性，识别影响径流的关键因素。在构建模型之前，需
要对影响因子进行多重共线性检验，以排除影响因子之间的高度相关性对模型结果的干扰。本研究选
取方差膨胀因子（ ＶＩＦ）和 Ｐｅａｒｓｏｎ相关系数进行综合检验，发现 １７个小流域各影响因子之间的 ＶＩＦ值
均小于 １０且影响因子之间的 Ｐｅａｒｓｏｎ相关系数的绝对值均小于 ０．７，说明各影响因子之间不存在多重
共线性问题，可以进行后续的模型构建与分析 ［３０ － ３１］ 。灰色关联模型计算步骤如下：
（１）数据无量纲化处理。采用最小最大值法对数据无量纲化处理。
（ ２）计算关联系数：
ｍｉｎ ｍｉｎ ｙ（ｋ） － ｘ（ｋ） ＋ ρ ｍａｘｍａｘｙ（ｋ） － ｘ（ｋ）
ｉ
ｉ
ｉ ｋ ｉ ｋ
（ｋ） ＝ （３）
ε ｉ
ｙ（ｋ） － ｘ（ｋ） ＋ ρ ｍａｘｍａｘｙ（ｋ） － ｘ（ｋ）
ｉ ｉ
ｉ ｋ
式中：ｙ（ｋ）为径流序列；ｘ（ｋ）代表影响因子序列；ρ 为分辨系数，常取 ０．５；ｋ ＝ １，２，…，ｎ；ｉ ＝ １，
ｉ
２，…，ｍ。
（ ３）计算关联度：
１ ｎ
θ ｉ ∑ ε ｉ （ｋ） （４）
＝
ｎ ｋ ＝１
为关联度。关联度越大，表示该因子对径流的影响程度越高 ［３２］ 。
式中 θ ｉ
３．２．３ 结构方程模型 结构方程模型（ＳｔｒｕｃｔｕｒａｌＥｑｕａｔｉｏｎＭｏｄｅｌｉｎｇ，ＳＥＭ）是以变量协方差矩阵为基础，
对多变量之间潜在因果关系进行分析的统计方法 ［３３］ 。该模型能够直接分离直接影响（自变量和因变量
之间的关系）和间接影响（由其他因素调节的自变量和因变量之间的关系）。与其他方法相比，ＳＥＭ 更
有利于厘清一组变量之间的复杂响应关系 ［３４ － ３５］ 。本研究采用 ＡＭＯＳ２４．０软件构建 ＳＥＭ 框架，选用
Ｐｒｅ、Ｔｍｅａｎ、Ｒａｄ、ＳＭｒｏｏｔ、ＳＯＳ、ＥＯＳ、ＮＤＶＩ、ＥＴ、Ｒ探究春、秋季不同植被覆盖类型下气候 － 植被
２
物候－ 径流的影响机制。对于每一个模型，采用卡方自由度比（ χ ?ｄｆ）和拟合优度指数（ＧＦＩ）作为衡量
模型性能的指标，卡方自由度比在 １～３，ＧＦＩ＞０．８表示模型可接受 ［３６］ 。

４ 结果与分析

４．１ 海河山丘区小流域气候因子和径流的时间演变特征 研究区 １９８２—２０２０年生长季平均气温、降
水量和太阳辐射的时间演变特征如图 ３所示。研究区气温总体呈增加趋势（０．０２℃?ａ），各小流域的
Ｔｍｅａｎ增幅在 ０．００２～０．０５８℃?ａ，其中 １３个小流域呈显著增加趋势。以草地为主的小流域气温增幅最
大，为 ０．０４℃?ａ，其次是以林草混合和林地为主的小流域，分别为 ０．０２和０．０１℃?ａ。研究区降水总体
呈减少趋势（ － ０．２１ｍｍ?ａ ），但不同植被覆盖类型的小流域降水差异较大，以草地为主的小流域降水总
体呈增加趋势，增幅为 ０．３６ｍｍ?ａ，林 地和混 合 植被为 主 的 小流 域 降 水呈 减少 趋势，增 幅 为 － ０．８２
２
和 － ０．１ｍｍ?ａ 。太阳辐射总体呈下降趋势，每年减少 ０．０２ＭＪ?（ｋｍ·ｄ），１７个 小流 域 太 阳辐射每年
２
减少 ０．０１２～０．０４４ＭＪ?（ｍ·ｄ），以草地为主的小流域太阳辐射减少最快，混合植被类型的小流域减
少最慢。
１９８２—２０２０年 １７个小流域生长季归一化实测径流量时间变化如图 ４所示。所有小流域在研究期
内径流均呈现减少趋势，其中 １２个小流域的径流变化趋势具有统计意义（Ｐ＜０．０５）。从不同植被覆盖
－ １
类型来看，以林地为主的小流域归一化径流量衰减 最多 （ － ０．００８ａ ），这些小流域每年衰减幅度在
－ １
－ １
０．００６～０．０１之间；其次是以林草混合植被为主的小流域（ － ０．００７ａ ）和以草地为主的小流域（ － ０．００６ａ ）。
— ８ ０ —
８