论文部分内容阅读
摘要： 北三河流域是京津冀地區的重要水源地， 恰当分析流域水源供给时空变化及驱动因素对维持生态系统安全与稳定意义重大. 基于气象、土地利用及土壤等数据， 利用InVEST模型的产水模块分析了北三河流域2000—2017年水源供给量的时空变化特征， 通过情景模拟探讨了气候与土地利用变化对流域水源供给能力变化的贡献程度. 结果表明， 2000—2017年， 北三河流域年均水源供给量为17.8 × 108 m3， 其年际变化呈增加趋势， 增长率为1.03 × 108 m3/a. 水源供给量在空间上呈南高北低的分布格局， 南北部的平均产水深度分别为70.85 mm和8.83 mm， 水源供给高值区由东南泃河和还乡河流域向西南温河与永定北河流域转移. 从不同的土地利用类型来看， 单位面积水源供给能力由高到低为： 建设用地 > 耕地 > 水域 >未利用地 > 林地 > 草地. 2000—2015年， 耕地的水源供给量最高， 占流域水源供给总量的51.3%， 而建设用地水源供给量增长幅度最大， 达到144.3%. 情景模拟结果表明， 气候和土地利用变化对水源供给量增加的贡献率分别为70.7%和29.3%， 降水量的激增起到主导作用.
关键词： 水源供给能力； InVEST模型； 生态系统服务； 北三河流域
中图分类号： X826； Q149 文献标志码： A DOI： 10.3969/j.issn.1000-5641.2021.04.012
The impacts of climate and land use changes on water yield in the Beisan River Basin
LI Wenjing1， WANG Sheng1， LI Qing2， WU Taoli1， ZHAO Xinyue1
（1. Geography Science Institute， Shanxi Normal University， Linfen Shanxi 041000， China； 2. Hebei Engineering Research Center for Geographic Information Application， Institute of Geographical Sciences， Hebei Academy of Sciences， Shijiazhuang 050011， China）
Abstract： The Beisan River Basin is an important water source for the Jing-Jin-Ji region. It is important to analyze the temporal and spatial changes in basin water yield and the corresponding driving factors to maintain the security and stability of the ecosystem. Based on meteorology， land use， and soil data， the water production module of the InVEST model was used to analyze the temporal and spatial change characteristics of water yield in the Beisan River Basin from 2000 to 2017. The contribution of climate and land use change to the change in water yield was explored through scenario simulation. The results showed that from 2000 to 2017， the average annual water yield of the Beisan River Basin was 17.8 × 108 m3； the annual change showed an increasing trend at a rate of 1.03 × 108 m3/a. The spatial distribution pattern of water yield was high in the south and low in the north. The average depth of water production in the south and north was 70.85 mm and 8.83 mm， respectively. The high value area of water yield was transferred from the southeast Juhe River and Huanxiang River Basin to the southwest Wenhe River and Yongdingbei River Basin. The water supply per unit area， ranked from high to low， across different land use types showed the following order： construction land > cultivated land > water area > unused land > forest land > grassland. From 2000 to 2015， the water yield of cultivated land was the highest， accounting for 51.3% of the total water yield of the basin， while that of construction land increased the most， reaching 144.3%. Scenario simulation results showed that climate and land use change contributed 70.7% and 29.3%， respectively， to the water yield increase， and the surge in precipitation played a leading role. 2.2 不同土地利用类型产水分布特征
2.2.1 土地利用面积变化
北三河流域2000—2015年各类土地利用类型的面积变化如表2所示. 流域最主要的土地类型是耕地和林地， 约占流域总面积的70%； 其次是草地和建设用地， 面积占比超过25%； 水域和未利用地最少， 不足总面积的5%. 2000—2015年， 随着城市化进程的不断加剧， 建设用地激增971 km2， 而其他5类土地利用类型的面积表现出不同程度的减少. 其中耕地面积减少最明显， 从2000年的16 044 km2减少到2015年的15 297 km2， 共减少了747 km2； 水域面积次之， 其面积减少也达到142 km2；其余林地、草地和未利用地面积共减少97 km2， 变化幅度较小. 从间隔5年的阶段性变化来看， 土地利用类型转化主要发生在2000—2005年， 其间建设用地增加574 km2， 而耕地和水域分别减少418 km2和112 km2. 结合实际情况分析可知， 由于京津冀地区城市化、工业化的发展对土地的需求增加， 大量的耕地和水域向建设用地转变， 从而促进了土地利用/覆被的变化.
2.2.2 不同土地利用类型水源供给量
流域水源供给量一定程度上受下垫面的影响， 不同土地利用类型的水源供给量存在时空差异. 总体来看， 2000—2015年各土地利用类型单位面积水源供给能力由高到低依次为建设用地（75.22 mm）、耕地（61.23 mm）、水域（61.21 mm）、未利用地（57.31 mm）、林地（28.89 mm）、草地（21.81 mm）. 这是由于在植被的冠层、覆盖度及根系的共同作用下， 可以增加蒸散发率、水土保持能力以及水分入渗率，因此有植被覆盖的土地利用类型产水能力显著低于建设用地[16，20-21]. 利用ArcGIS空间分析功能对不同土地利用类型下的水源供给总量进行分类统计， 得出2000年、2005年、2010年和2015年4期各种土地覆被下的水源供给量变化情况（见图5）. 整体来看， 耕地的水源供给量最高， 占流域水源供给总量的51.3%， 其次为建设用地（20.1%）和林地（17.9%）， 其余土地利用类型（尤其是未利用地）的水源供给量较少. 2000—2015年， 各土地利用类型的水源供给量均有所增加， 其中耕地增加最多， 达到4.06 ×108 m3 （65.8%）. 除未利用地外， 其余土地利用类型的水源供给量增长幅度均超过45%， 尤其是建设用地， 涨幅高达144.3%， 建设用地水源供给能力大幅提升与近年来京津冀地区城市化建设不断扩张、城市不透水表面增加及人类工业生活用水增加有较大关系. 从水源供给量的阶段性变化来看， 产水能力最强的建设用地和耕地均在2010年达到峰值， 而林地和草地等生态用地在2010—2015年水源供给量仍有所增加. 这与2005年以来流域实施生态林补偿、矿山修复等生态修复工程密切相关， 而耕地产水能力由于退耕还林等生态建设的开展大幅减少， 说明生态建设工程已经初见成效.
2.3 气候和土地利用变化对水源供给量的贡献率
通过情景设置来定量评估气候和土地利用变化对流域水源供给量的贡献率. 共设置8种情景（气候和土地利用变化情景各4种）， 具体情景为调整2000—2005年、2005—2010年、2010—2015年、2000—2015年北三河流域气候数据得到模拟时段平均产水深度Wm1， 调整土地利用数据得出各模拟时段流域平均产水深度Wm2， 结果如表3所示. 表中Wa代表研究时段开始年份的实际平均产水深度， L代表土地利用变化导致的产水深度变化， 而C代表气候变化下的产水深度变化.
在8种气候和土地利用变化情景下（见表3）， 气候和土地利用变化对北三河流域水源供给能力都起到正向促进作用. 以2000年的实际水源供给能力为基准， 2000—2015年气候条件改变的情境下流域平均产水深度增加51.04 mm， 土地利用条件改变的情境下产水深度增加21.12 mm， 气候和土地利用变化对流域水源供给的贡献率分别是70.7%和29.3%. 在4个模拟时段内， 仅在2010—2015年流域平均产水深度有所减少， 从2010年的57.24 mm减少至2015年的51.61 mm. 其间土地利用对水源供给变化起主导作用， 贡献率为55.7%， 而气候变化的贡献率为44.3%. 而在2000—2005年和2005—2010年两个模拟时段内， 气候变化对水源供给的贡献率更高， 尤其是2005—2010年， 气候变化的贡献率高达85.1%， 而土地利用变化的贡献率只有14.9%.
3 讨 论
在京津冀地区， 已有学者关注到不同土地利用类型及其变化对水源供给能力的影响. 如Li等[22]发现土地利用变化对产水量的影响主要由土地利用类型的生物物理特征决定， 有植被覆盖土地类型的产水能力明显低于建设用地. 在流域尺度， 本研究通过情景模拟发现， 气候因素对北三河流域水源供给量变化起主导作用， 其贡献率达到70.7%. 这与Xu等[23]在北三河支流北运河流域的研究结果相近. 分析原因发现， 北三河流域最主要的土地利用类型转化为耕地和水域向建设用地的转变， 建设用地、耕地和水域的产水能力在各土地利用类型中最强， 而且彼此之间差距相对较小， 造成整体上土地利用变化对水源供给的影响较小. 2000—2015年北三河流域降水量激增126.23 mm （30.71%）， 其中2010—2015年微弱減少18.07 mm （–3.25%）. 因此， 2010—2015年土地利用变化对流域水源供给变化的贡献率较大， 主要原因是降水量变化幅度小， 导致气候变化的贡献率降低， 致使土地利用变化的贡献率相对提高. 但从整个研究时段（2000—2015年）来看， 降水量的显著增加仍起到决定性作用. 在同样受人类活动影响深远的浙江省宁波地区与江西省都昌县， 窦攀峰等[7]研究发现2000—2015年气候变化对宁波产水的贡献率高达97.56%， 而土地利用变化仅为2.44%； 孙建伟[24]研究发现2000—2015年气候变化对都昌县产水的贡献率在90%以上， 而土地利用变化不足10%. 结合北三河流域的研究结果发现， 即使在人类活动频繁的地区， 相比于土地利用变化， 气候因素仍可能是影响区域水源供给量变化的主要因素. 目前， InVEST模型广泛应用于各种时空尺度的生态系统服务功能评价， 其中， 产水模块用于模拟水源供给量变化及驱动因素的分析. 在本研究中， 采用河北省和海河流域水资源公报年尺度数据对季节参数Z值进行逐年率定， 使模拟结果最大限度地接近实测值以减少误差. 校准后的模型对流域产水驱动力分析及变化趋势的模拟结果与研究区现有研究结果较为一致. 由于模型自身存在一定的局限性， 对于地表水和地下水没有明确区分， 模拟结果无法精确到逐个像元位置. 但综合来看， 模拟结果可以反映流域水源供给量总体的变化趋势与空间分布， 模拟精度满足要求.
4 结 论
基于InVEST模型产水模块对北三河流域2000—2017年水源供给量进行计算， 从多个角度对流域水源供给量的时空分布进行分析， 通过情景模拟探讨了气候条件与土地利用变化对流域水源供给能力变化的贡献率， 主要结论如下：
（1） 2000—2017年， 北三河流域平均产水深度为46.27 mm， 相当于水源供给量为17.8 × 108 m3.其年际变化呈波动增加趋势， 年均增长率为2.70 mm/a， 降水量增加是造成流域水源供给能力增强最重要的气候因子.
（2） 流域水源供给量在空间上呈南高北低的分布格局， 南、北部的平均产水深度分别为70.85 mm和8.83 mm， 差值高达62.02 mm. 2000—2015年流域产水能力全面提升， 水源供给高值区由东南泃河和还乡河流域向西南温河与永定北河流域转移.
（3） 流域各土地利用类型单位面积水源供给能力由高到低依次为建设用地、耕地、水域、未利用地、林地、草地. 2000—2015年， 耕地的水源供给量最高， 占流域水源供给总量的51.3%， 而建设用地水源供给量增长幅度最大， 达到144.3%.
（4） 通过情景模拟发现， 2000—2015年气候和土地利用变化对水源供给的贡献率分别为70.7%和29.3%， 气候变化起到主导作用.
[参 考 文 献]
[ 1 ]钱正英. 中国水资源战略研究中几个问题的认识 [J]. 河海大学学报， 2001， 29（5）： 1-7.
[ 2 ]COSTANZA R， D’ARGE R， GROOT R， et al. The value of the world’s ecosystem services and natural capital [J]. Nature， 1997， 387（6630）： 253-260.
[ 3 ]孟雅丽， 苏志珠， 马杰， 等. 基于生态系统服务价值的汾河流域生态补偿研究 [J]. 干旱区资源与环境， 2017， 31（8）： 76-81.
[ 4 ]李想， 雷硕， 冯骥， 等. 北京市绿地生态系统文化服务功能价值评估 [J]. 干旱区资源与环境， 2019， 33（6）： 33-39.
[ 5 ]MESSERLI B， GROSJEAN M， HOFER T. From nature-dominated to human-dominated environmental changes [J]. Quaternary Science Reviews， 2000， 19： 459-479.
[ 6 ]王浩， 王建華， 秦大庸， 等. 基于二元水循环模式的水资源评价理论方法 [J]. 水利学报， 2006， 37（12）： 1496-1501.
[ 7 ]窦攀烽， 左舒翟， 任引， 等. 气候和土地利用/覆被变化对宁波地区生态系统产水服务的影响 [J]. 环境科学学报， 2019， 39（7）： 2398-2409.
[ 8 ]李屹峰， 罗跃初， 刘纲， 等. 土地利用变化对生态系统服务功能的影响—以密云水库流域为例 [J]. 生态学报， 2013， 33（3）： 726-736.
[ 9 ]吴迎霞. 海河流域生态服务功能空间格局及其驱动机制 [D]. 武汉： 武汉理工大学， 2013.
[10]许丁雪， 吴芳， 何立环， 等. 土地利用变化对生态系统服务的影响—以张家口-承德地区为例 [J]. 生态学报， 2019， 39（20）： 7493-7501.
[11]吴瑞， 刘桂环， 文一惠. 基于InVEST模型的官厅水库流域产水和水质净化服务时空变化 [J]. 环境科学研究， 2017， 30（3）： 406-414.
[12]王大尚， 李屹峰， 郑华， 等. 密云水库上游流域生态系统服务功能空间特征及其与居民福祉的关系 [J]. 生态学报， 2014， 34（1）： 70-81.
[13]庞靖鹏， 刘昌明， 徐宗学. 密云水库流域土地利用变化对产流和产沙的影响 [J]. 北京师范大学学报（自然科学版）， 2010， 46（3）： 290-299.
[14]程扬， 张雪花， 冯婧. 北三河水系水资源调度研究综述 [J]. 环境工程， 2016， 34（S1）： 378-380.
[15]TALLIS H T， RICKETTS T， GUERRY A D， et al. InVEST 2.2. 4 users guide [R]. Stanford： The Natural Capital Project， 2011.
[16]ZHANG L， DAWES W R， WALKER G R. Response of mean annual evapotranspiration to vegetation changes at catchment scale [J]. Water Resource Research， 2001， 37（3）： 701-708. [17]BUDYKO M I. Climate and Life [M]. New York： Academic Press， 1974.
[18]周文佐， 刘高焕， 潘剑君. 土壤有效含水量的经验估算研究—以东北黑土为例 [J]. 干旱区资源与环境， 2003， 17（4）： 88-95.
[19]李夫星. 基于USLE模型的河北省土壤侵蝕评价研究 [D]. 石家庄： 河北师范大学， 2012.
[20]ARUNYAWAT S， SHRESTHA R P. Assessing land use change and its impact on ecosystem services in northern Thailand [J]. Sustainability， 2016， 8（8）： 768.
[21]JUJNOVSKY J， RAMOS A， CARO-BORRERO A， et al. Water assessment in a peri-urban watershed in Mexico City： A focus on an ecosystem services approach [J]. Ecosystem Services， 2017， 24： 91-100.
[22]LI S， YANG H， LACAYO M， et al. Impacts of land-use and land-cover changes on water yield： A case study in Jing-Jin-Ji， China [J]. Sustainability， 2018， 10（4）： 960.
[23]XU J， LIU S， ZHAO S， et al. Spatiotemporal dynamics of water yield service and its response to urbanisation in the Beiyun River Basin， Beijing [J]. Sustainability， 2019， 11（16）： 4361.
[24]孙见伟. 基于InVEST模型的都昌县土地利用/覆被变化产水效应研究 [D]. 南昌： 江西农业大学， 2018.
（责任编辑： 李万会）
关键词： 水源供给能力； InVEST模型； 生态系统服务； 北三河流域
中图分类号： X826； Q149 文献标志码： A DOI： 10.3969/j.issn.1000-5641.2021.04.012
The impacts of climate and land use changes on water yield in the Beisan River Basin
LI Wenjing1， WANG Sheng1， LI Qing2， WU Taoli1， ZHAO Xinyue1
（1. Geography Science Institute， Shanxi Normal University， Linfen Shanxi 041000， China； 2. Hebei Engineering Research Center for Geographic Information Application， Institute of Geographical Sciences， Hebei Academy of Sciences， Shijiazhuang 050011， China）
Abstract： The Beisan River Basin is an important water source for the Jing-Jin-Ji region. It is important to analyze the temporal and spatial changes in basin water yield and the corresponding driving factors to maintain the security and stability of the ecosystem. Based on meteorology， land use， and soil data， the water production module of the InVEST model was used to analyze the temporal and spatial change characteristics of water yield in the Beisan River Basin from 2000 to 2017. The contribution of climate and land use change to the change in water yield was explored through scenario simulation. The results showed that from 2000 to 2017， the average annual water yield of the Beisan River Basin was 17.8 × 108 m3； the annual change showed an increasing trend at a rate of 1.03 × 108 m3/a. The spatial distribution pattern of water yield was high in the south and low in the north. The average depth of water production in the south and north was 70.85 mm and 8.83 mm， respectively. The high value area of water yield was transferred from the southeast Juhe River and Huanxiang River Basin to the southwest Wenhe River and Yongdingbei River Basin. The water supply per unit area， ranked from high to low， across different land use types showed the following order： construction land > cultivated land > water area > unused land > forest land > grassland. From 2000 to 2015， the water yield of cultivated land was the highest， accounting for 51.3% of the total water yield of the basin， while that of construction land increased the most， reaching 144.3%. Scenario simulation results showed that climate and land use change contributed 70.7% and 29.3%， respectively， to the water yield increase， and the surge in precipitation played a leading role. 2.2 不同土地利用类型产水分布特征
2.2.1 土地利用面积变化
北三河流域2000—2015年各类土地利用类型的面积变化如表2所示. 流域最主要的土地类型是耕地和林地， 约占流域总面积的70%； 其次是草地和建设用地， 面积占比超过25%； 水域和未利用地最少， 不足总面积的5%. 2000—2015年， 随着城市化进程的不断加剧， 建设用地激增971 km2， 而其他5类土地利用类型的面积表现出不同程度的减少. 其中耕地面积减少最明显， 从2000年的16 044 km2减少到2015年的15 297 km2， 共减少了747 km2； 水域面积次之， 其面积减少也达到142 km2；其余林地、草地和未利用地面积共减少97 km2， 变化幅度较小. 从间隔5年的阶段性变化来看， 土地利用类型转化主要发生在2000—2005年， 其间建设用地增加574 km2， 而耕地和水域分别减少418 km2和112 km2. 结合实际情况分析可知， 由于京津冀地区城市化、工业化的发展对土地的需求增加， 大量的耕地和水域向建设用地转变， 从而促进了土地利用/覆被的变化.
2.2.2 不同土地利用类型水源供给量
流域水源供给量一定程度上受下垫面的影响， 不同土地利用类型的水源供给量存在时空差异. 总体来看， 2000—2015年各土地利用类型单位面积水源供给能力由高到低依次为建设用地（75.22 mm）、耕地（61.23 mm）、水域（61.21 mm）、未利用地（57.31 mm）、林地（28.89 mm）、草地（21.81 mm）. 这是由于在植被的冠层、覆盖度及根系的共同作用下， 可以增加蒸散发率、水土保持能力以及水分入渗率，因此有植被覆盖的土地利用类型产水能力显著低于建设用地[16，20-21]. 利用ArcGIS空间分析功能对不同土地利用类型下的水源供给总量进行分类统计， 得出2000年、2005年、2010年和2015年4期各种土地覆被下的水源供给量变化情况（见图5）. 整体来看， 耕地的水源供给量最高， 占流域水源供给总量的51.3%， 其次为建设用地（20.1%）和林地（17.9%）， 其余土地利用类型（尤其是未利用地）的水源供给量较少. 2000—2015年， 各土地利用类型的水源供给量均有所增加， 其中耕地增加最多， 达到4.06 ×108 m3 （65.8%）. 除未利用地外， 其余土地利用类型的水源供给量增长幅度均超过45%， 尤其是建设用地， 涨幅高达144.3%， 建设用地水源供给能力大幅提升与近年来京津冀地区城市化建设不断扩张、城市不透水表面增加及人类工业生活用水增加有较大关系. 从水源供给量的阶段性变化来看， 产水能力最强的建设用地和耕地均在2010年达到峰值， 而林地和草地等生态用地在2010—2015年水源供给量仍有所增加. 这与2005年以来流域实施生态林补偿、矿山修复等生态修复工程密切相关， 而耕地产水能力由于退耕还林等生态建设的开展大幅减少， 说明生态建设工程已经初见成效.
2.3 气候和土地利用变化对水源供给量的贡献率
通过情景设置来定量评估气候和土地利用变化对流域水源供给量的贡献率. 共设置8种情景（气候和土地利用变化情景各4种）， 具体情景为调整2000—2005年、2005—2010年、2010—2015年、2000—2015年北三河流域气候数据得到模拟时段平均产水深度Wm1， 调整土地利用数据得出各模拟时段流域平均产水深度Wm2， 结果如表3所示. 表中Wa代表研究时段开始年份的实际平均产水深度， L代表土地利用变化导致的产水深度变化， 而C代表气候变化下的产水深度变化.
在8种气候和土地利用变化情景下（见表3）， 气候和土地利用变化对北三河流域水源供给能力都起到正向促进作用. 以2000年的实际水源供给能力为基准， 2000—2015年气候条件改变的情境下流域平均产水深度增加51.04 mm， 土地利用条件改变的情境下产水深度增加21.12 mm， 气候和土地利用变化对流域水源供给的贡献率分别是70.7%和29.3%. 在4个模拟时段内， 仅在2010—2015年流域平均产水深度有所减少， 从2010年的57.24 mm减少至2015年的51.61 mm. 其间土地利用对水源供给变化起主导作用， 贡献率为55.7%， 而气候变化的贡献率为44.3%. 而在2000—2005年和2005—2010年两个模拟时段内， 气候变化对水源供给的贡献率更高， 尤其是2005—2010年， 气候变化的贡献率高达85.1%， 而土地利用变化的贡献率只有14.9%.
3 讨 论
在京津冀地区， 已有学者关注到不同土地利用类型及其变化对水源供给能力的影响. 如Li等[22]发现土地利用变化对产水量的影响主要由土地利用类型的生物物理特征决定， 有植被覆盖土地类型的产水能力明显低于建设用地. 在流域尺度， 本研究通过情景模拟发现， 气候因素对北三河流域水源供给量变化起主导作用， 其贡献率达到70.7%. 这与Xu等[23]在北三河支流北运河流域的研究结果相近. 分析原因发现， 北三河流域最主要的土地利用类型转化为耕地和水域向建设用地的转变， 建设用地、耕地和水域的产水能力在各土地利用类型中最强， 而且彼此之间差距相对较小， 造成整体上土地利用变化对水源供给的影响较小. 2000—2015年北三河流域降水量激增126.23 mm （30.71%）， 其中2010—2015年微弱減少18.07 mm （–3.25%）. 因此， 2010—2015年土地利用变化对流域水源供给变化的贡献率较大， 主要原因是降水量变化幅度小， 导致气候变化的贡献率降低， 致使土地利用变化的贡献率相对提高. 但从整个研究时段（2000—2015年）来看， 降水量的显著增加仍起到决定性作用. 在同样受人类活动影响深远的浙江省宁波地区与江西省都昌县， 窦攀峰等[7]研究发现2000—2015年气候变化对宁波产水的贡献率高达97.56%， 而土地利用变化仅为2.44%； 孙建伟[24]研究发现2000—2015年气候变化对都昌县产水的贡献率在90%以上， 而土地利用变化不足10%. 结合北三河流域的研究结果发现， 即使在人类活动频繁的地区， 相比于土地利用变化， 气候因素仍可能是影响区域水源供给量变化的主要因素. 目前， InVEST模型广泛应用于各种时空尺度的生态系统服务功能评价， 其中， 产水模块用于模拟水源供给量变化及驱动因素的分析. 在本研究中， 采用河北省和海河流域水资源公报年尺度数据对季节参数Z值进行逐年率定， 使模拟结果最大限度地接近实测值以减少误差. 校准后的模型对流域产水驱动力分析及变化趋势的模拟结果与研究区现有研究结果较为一致. 由于模型自身存在一定的局限性， 对于地表水和地下水没有明确区分， 模拟结果无法精确到逐个像元位置. 但综合来看， 模拟结果可以反映流域水源供给量总体的变化趋势与空间分布， 模拟精度满足要求.
4 结 论
基于InVEST模型产水模块对北三河流域2000—2017年水源供给量进行计算， 从多个角度对流域水源供给量的时空分布进行分析， 通过情景模拟探讨了气候条件与土地利用变化对流域水源供给能力变化的贡献率， 主要结论如下：
（1） 2000—2017年， 北三河流域平均产水深度为46.27 mm， 相当于水源供给量为17.8 × 108 m3.其年际变化呈波动增加趋势， 年均增长率为2.70 mm/a， 降水量增加是造成流域水源供给能力增强最重要的气候因子.
（2） 流域水源供给量在空间上呈南高北低的分布格局， 南、北部的平均产水深度分别为70.85 mm和8.83 mm， 差值高达62.02 mm. 2000—2015年流域产水能力全面提升， 水源供给高值区由东南泃河和还乡河流域向西南温河与永定北河流域转移.
（3） 流域各土地利用类型单位面积水源供给能力由高到低依次为建设用地、耕地、水域、未利用地、林地、草地. 2000—2015年， 耕地的水源供给量最高， 占流域水源供给总量的51.3%， 而建设用地水源供给量增长幅度最大， 达到144.3%.
（4） 通过情景模拟发现， 2000—2015年气候和土地利用变化对水源供给的贡献率分别为70.7%和29.3%， 气候变化起到主导作用.
[参 考 文 献]
[ 1 ]钱正英. 中国水资源战略研究中几个问题的认识 [J]. 河海大学学报， 2001， 29（5）： 1-7.
[ 2 ]COSTANZA R， D’ARGE R， GROOT R， et al. The value of the world’s ecosystem services and natural capital [J]. Nature， 1997， 387（6630）： 253-260.
[ 3 ]孟雅丽， 苏志珠， 马杰， 等. 基于生态系统服务价值的汾河流域生态补偿研究 [J]. 干旱区资源与环境， 2017， 31（8）： 76-81.
[ 4 ]李想， 雷硕， 冯骥， 等. 北京市绿地生态系统文化服务功能价值评估 [J]. 干旱区资源与环境， 2019， 33（6）： 33-39.
[ 5 ]MESSERLI B， GROSJEAN M， HOFER T. From nature-dominated to human-dominated environmental changes [J]. Quaternary Science Reviews， 2000， 19： 459-479.
[ 6 ]王浩， 王建華， 秦大庸， 等. 基于二元水循环模式的水资源评价理论方法 [J]. 水利学报， 2006， 37（12）： 1496-1501.
[ 7 ]窦攀烽， 左舒翟， 任引， 等. 气候和土地利用/覆被变化对宁波地区生态系统产水服务的影响 [J]. 环境科学学报， 2019， 39（7）： 2398-2409.
[ 8 ]李屹峰， 罗跃初， 刘纲， 等. 土地利用变化对生态系统服务功能的影响—以密云水库流域为例 [J]. 生态学报， 2013， 33（3）： 726-736.
[ 9 ]吴迎霞. 海河流域生态服务功能空间格局及其驱动机制 [D]. 武汉： 武汉理工大学， 2013.
[10]许丁雪， 吴芳， 何立环， 等. 土地利用变化对生态系统服务的影响—以张家口-承德地区为例 [J]. 生态学报， 2019， 39（20）： 7493-7501.
[11]吴瑞， 刘桂环， 文一惠. 基于InVEST模型的官厅水库流域产水和水质净化服务时空变化 [J]. 环境科学研究， 2017， 30（3）： 406-414.
[12]王大尚， 李屹峰， 郑华， 等. 密云水库上游流域生态系统服务功能空间特征及其与居民福祉的关系 [J]. 生态学报， 2014， 34（1）： 70-81.
[13]庞靖鹏， 刘昌明， 徐宗学. 密云水库流域土地利用变化对产流和产沙的影响 [J]. 北京师范大学学报（自然科学版）， 2010， 46（3）： 290-299.
[14]程扬， 张雪花， 冯婧. 北三河水系水资源调度研究综述 [J]. 环境工程， 2016， 34（S1）： 378-380.
[15]TALLIS H T， RICKETTS T， GUERRY A D， et al. InVEST 2.2. 4 users guide [R]. Stanford： The Natural Capital Project， 2011.
[16]ZHANG L， DAWES W R， WALKER G R. Response of mean annual evapotranspiration to vegetation changes at catchment scale [J]. Water Resource Research， 2001， 37（3）： 701-708. [17]BUDYKO M I. Climate and Life [M]. New York： Academic Press， 1974.
[18]周文佐， 刘高焕， 潘剑君. 土壤有效含水量的经验估算研究—以东北黑土为例 [J]. 干旱区资源与环境， 2003， 17（4）： 88-95.
[19]李夫星. 基于USLE模型的河北省土壤侵蝕评价研究 [D]. 石家庄： 河北师范大学， 2012.
[20]ARUNYAWAT S， SHRESTHA R P. Assessing land use change and its impact on ecosystem services in northern Thailand [J]. Sustainability， 2016， 8（8）： 768.
[21]JUJNOVSKY J， RAMOS A， CARO-BORRERO A， et al. Water assessment in a peri-urban watershed in Mexico City： A focus on an ecosystem services approach [J]. Ecosystem Services， 2017， 24： 91-100.
[22]LI S， YANG H， LACAYO M， et al. Impacts of land-use and land-cover changes on water yield： A case study in Jing-Jin-Ji， China [J]. Sustainability， 2018， 10（4）： 960.
[23]XU J， LIU S， ZHAO S， et al. Spatiotemporal dynamics of water yield service and its response to urbanisation in the Beiyun River Basin， Beijing [J]. Sustainability， 2019， 11（16）： 4361.
[24]孙见伟. 基于InVEST模型的都昌县土地利用/覆被变化产水效应研究 [D]. 南昌： 江西农业大学， 2018.
（责任编辑： 李万会）