甘肃省白龙江引调水工程受水区渭河与泾河流域年径流量演变情势

Evolution of Annual Runoff in the Wei and Jing River Watersheds in the Water-Receiving Areas of the Bailong River Water Diversion Project in Gansu Province

摘要: 随着人口增长和经济发展，干旱半干旱地区水资源供需矛盾日益突出，跨流域引调水工程被认为是解决这一问题最有效的解决手段之一，而引调水工程受水区的年径流量演变情势对规划引调水工程的规模与调度起着十分重要的作用。本研究以甘肃省白龙江引调水工程受水区为研究对象，利用CWatM模型模拟年径流量，结合1961~2020年实测年径流数据和未来SSP370气候情景，分析了研究区域内北道与杨家坪两个径流控制站的年径流包括突变点、演变趋势及其周期性在内的演化情势。研究结果表明：1) CWatM模型在模拟受水区所在流域的月尺度径流方面表现良好，率定期与验证期结果均可满足精度要求；2) 通过实测数据分析，表明北道与杨家坪站的年径流量在1992年和1985年分别发生突变，突变后径流量显著减少，通过趋势分析发现北道与杨家坪站年径流量突变前均呈现显著下降趋势，而突变后北道站呈显著上升趋势，杨家坪站逐渐趋于稳定，尽管该区域降水量有所增加，但蒸发量和耗水量的上升幅度更大，必导致水资源供需矛盾进一步加剧。周期性分析发现年径流量在短周期(2~8年)内存在波动，主周期为5年，无明显长周期；3) 在未来SSP370情景下，考虑人类取用水影响后，两站点年径流量均呈下降趋势，北道与杨家坪站的多年平均径流量分别减少19.9%和46.0%，因此，人类取用水显著影响径流总量与变化趋势，尤其是杨家坪站所在的泾河流域，亟需通过外流域调水缓解当地水资源压力。

Abstract: With population growth and economic development, the contradiction between water supply and demand in arid and semi-arid regions has become increasingly prominent. Inter-basin water diversion projects are considered to be one of the most effective solutions to this contradiction. The evolution of annual runoff in the receiving area of water diversion projects plays a crucial role in planning the scale and regulation of such projects. This study focuses on the evolution of annual runoff in the watersheds of the water-receiving areas of the Bailong River Water Diversion Project. Taken the receiving area of the Bailong River Water Diversion Project in Gansu Province as a case study, the measured annual runoff data from 1961~2020 was used to calibrate and verify the CWatM model. And the results by SSP370 future climate scenarios are from the CWatM model. Beidao and Yangjiaping are located in the Wei and Jing river watersheds, respectively. And the abrupt change points, evolution trends, and periodicity of the annual runoff are identified in these two stations. The results indicate that: 1) The CWatM demonstrates satisfactory performance in simulating monthly runoff within the water-receiving area, with both calibration and validation periods meeting prescribed accuracy criteria; 2) Abrupt changes in annual runoff were found in 1992 at Beidao station and in 1985 at Yangjiaping station. There were significant downward trends of the annual runoff at both Beidao and Yangjiaping stations before the abrupt change while there was a significant upward trend at Beidao station and a stationary trend at Yangjiaping station. Although there was an increase in precipitation, there were more increases in evaporation and in water consumption. The contradiction between water supply and demand inevitably was exacerbating. There were short periodicities with 2~8 years and without significant long periodicities at the two stations; 3) Under the future SSP370 scenario, the annual runoffs at both stations show the decreasing trends, and the multi-year average runoff had been found to be decreased 19.9% and 46.0%. Our study demonstrates that water supply significantly affects the total runoff and its trends, especially in the Jinghe River Basin where Yangjiaping station is located, urgently requiring inter-basin water transfer to alleviate local water resource pressure.

1. 引言

随着人口的增长与经济的快速发展，人类取用水增加的同时气候变化导致的地表径流时空分布更加不均，水资源供需矛盾不断加剧，尤其是在受气候变化影响最敏感的干旱半干旱地区[1] [2]。为了解决水资源的供需矛盾，跨流域引调水工程被认为是最有效的解决手段之一[3] [4]。引调水工程将来自于水源区的地表径流，增加或替代受水区的地表水源供给，从而改变受水区的供水格局。因此，引调水工程受水区的年径流量演变情势对规划引调水工程的规模与调度起着十分重要的作用[5]。

在现有针对年径流量演变分析与趋势预测研究中，主要有两种途径：一是建立水文模型模拟分析年径流量动态变化过程。如杨桂莲等人应用SWAT模型模拟洛河流域基流并使用滤波技术对实测径流进行基流分割用以评价模拟值[6]，杜志毅等人耦合SWAT模型和CA-Markov模型，预估了未来“碳达峰”时期和“碳中和”时期的流域径流变化趋势[7]，Manqing Shao等人利用分布式水文模型(DHSVM)与水资源模拟模型(WAM)得到美国得克萨斯州未来情景下的水库水量[8]，王建坤等人使用Budyko框架预测干旱半干旱地区未来不同气候情景下的径流量[9]；二是基于历史数据进行统计分析。黄草等人利用1988~2018年洞庭湖地区径流与水资源量资料分析三峡工程蓄水前后地表水资源量变化[10]；汪清旭根据青海省近61年长系列径流与水资源量资料，进行地表水资源趋势分析[11]，崔东文基于人工神经网络利用以新疆伊犁河雅马渡站径流资料，构建多隐层BP神经网络径流预测模型[12]。虽然以上方法阐明了径流量的演变过程和发展趋势，但未能充分考虑人类取用水过程的影响；而CWatM (Community Water Model)水文模型[13]在产汇流过程中考虑了人类取用水过程的影响，并在其中加入多部门需用水与回流过程，所以使用该模型分析年径流量的演变情势，可综合考虑自然与人类取用水活动的共同影响。

甘肃省白龙江引调水工程从嘉陵江支流白龙江上游新建的代古寺水利枢纽自流引水，向天水、平凉、庆阳3市20县(区)以及陕西省延安市4县区供水，是国家水网重要组成部分之一。本研究以甘肃省白龙江引调水工程受水区作为研究对象，利用CWatM模型，结合1961~2020年实测年径流数据和未来SSP370气候情景，分析了研究区域内北道与杨家坪两个径流控制站的年径流包括突变点、演变趋势及其周期性在内的演化情势。

2. 研究区域及数据

2.1. 研究区域

甘肃省白龙江引调水工程受水区共包含3个地级市，共20个区县，其中天水市(武山县、秦州区、甘谷区、麦积区、张家川县、清水县)，平凉市(庄浪县、华亭市、崇信县、灵台县、崆峒区、泾川县)以及庆阳市(西峰区、正宁县、镇原县、合水县、宁县、环县、华池县、庆城县)的行政区划分布与气象水文站分布如图1所示。

图1. 甘肃省白龙江引调水工程受水区行政区与气象水文站分布图

受水区涉及两个流域，一是宝鸡峡以上的渭河流域：天水市的武山县，甘谷县，秦州县，麦积区，清水县，张家川县与平凉市庄浪县主要部分在渭河流域内；二是泾河流域：平凉市的华亭市，崆峒区，崇信县，泾川县，灵台县与庆阳市的所有八个区县主要部分在泾河流域内。

2.2. 研究数据

2.2.1. 气象数据资料

气象数据来自中国地面气候资料日值数据集(V3.0)，从中选取流域内外20个气象站自1961年1月1日至2020年12月31日的逐日降雨数据，各站点信息如表1所示。对各个站点的数据使用克里金(Kriging)插值法进行空间插值，计算得到受水区30 min的逐日面降雨数据。在1961年1月1日至2020年12月31日时间段内，使用GSWP3-W5E5 (Global Soil Wetness Project Phase 3-WFDE5 over 5 land points)逐日GCM数据集，空间尺度为30 min，模拟受水区历史年径流量演变形式；在未来阶段(2021年1月1日至2040年12月31日)使用IPSL-CM6A-LR (Institut Pierre-Simon Laplace-Climate Model version 6A-Low Resolution) SSP370情景下的逐日GCM数据集，空间尺度为30 min，模拟受水区未来水资源演变趋势。

表1. 研究区所选气象站信息

编号	站点名	编号	站点名
1	靖远	11	西峰镇
2	榆中	12	长武
3	华家岭	13	岷县
4	中卫	14	天水北道区
5	盐池	15	横山
6	同心	16	洛川
7	固原	17	泾河
8	环县	18	汉中
9	西吉	19	武都
10	平凉	20	临洮

2.2.2. 水文资料数据

根据甘肃省1961至2020年《水文统计年鉴》，收集整理北道水文站(渭河流域)，杨家坪水文站(泾河流域) 1961年至2020年年径流序列。站点资料如表2所示。

表2. 研究区所选水文站信息

编号	站点名	河名	所在水系	集水面积/km²
1	北道	渭河干流	渭河水系	23,385
2	杨家坪	泾河干流	泾河水系	14,124

2.2.3. 需(用)水数据

需(用)水数据使用WFaS提供的历史与未来不同情境下的生活、工业、畜牧需(用)水栅格数据[14] [15]，灌溉需水使用Penman-Monteith法进行计算。灌溉回流量中的50%经蒸发损失后，剩余水量进入河道；畜牧用水假定全部损失；生活回流量为实际需(用)水量的90%，工业回流量为实际需(用)水量的85%。

3. 研究方法

3.1. 基于CWatM模型的径流模拟及预测

3.1.1. CWatM模型

CWatM (Community Water Model)是一款由国际应用系统分析研究所(International Institute for Applied System Analysis, IIASA)开发的分布式水文水资源模型，可在30 min~30 s的空间分辨率和日时间尺度下模拟区域水文过程。CWatM不仅能够模拟自然界的水文循环，还考虑了需水、用水及回流等人类活动对水循环的影响，并集成了水资源综合管理措施，如水库调度、地下水开采和农业灌溉等，适用于评估气候变化和人类活动背景下的多尺度水资源供需关系，其模型结构图如图2所示。

图2. CWatM模型结构示意图[13]

一定流域或区域的地表水资源量，主要由降水补给，并能反映在河川径流量上。该模型的气象数据输入种类中包含降雨、气温、风速、大气辐射等数据，根据各个气候因子对水资源量的影响，利用GCM (Global Climate Model, GCM)全球尺度气象数据作为CWatM的气象部分的输入数据(降水除外)。历史降水数据根据受水区的站点实测数据插值所得；未来时段则采用GCM数据。CWatM模型内部的河道径流量通过计算各网格单元当日的径流信息来确定。

3.1.2. 模拟结果评价指标

CWatM模型使用KGE作为目标函数进行模型参数率定，选取R²、NSE与P_bias指标进行模型效果评价，关于详细评价指标见表3 [16]。目标函数与评价指标计算公式分别为：

$$ $KGE=1-\sqrt{{\left(r-1\right)}^2+{\left(\beta -1\right)}^2+{\left(\gamma -1\right)}^2}$ (1)

$R^2={\left[\frac{{{\displaystyle \sum }}_{t=1}^T\left(Q_{oi}-\overline{Q_0}\right)\left(Q_{si}-\overline{Q_s}\right)}{\sqrt{{{\displaystyle \sum }}_{t=1}^T{\left(Q_{oi}-\overline{Q_0}\right)}^2}\sqrt{{{\displaystyle \sum }}_{t=1}^T{\left(Q_{si}-\overline{Q_s}\right)}^2}}\right]}^2$ (2)

$P_{bias}={\displaystyle \sum }_{t=1}^T\frac{Q_{si}-Q_{oi}}{Q_{oi}}\times 100\%$ (3)

$NSE=1-\frac{{{\displaystyle \sum }}_{t=1}^T{\left(Q_{si}-Q_{oi}\right)}^2}{{{\displaystyle \sum }}_{t=1}^T{\left(Q_{oi}-\overline{Q_0}\right)}^2}$ (4)

式(1)中，KGE为克林–古普效率系数，r为相关系数(无量纲)；β为偏离率(无量纲)，$\beta =\overline{Q_s}/\overline{Q_0}$ ；γ为变异率(无量纲)，$\gamma =CO{V}_S/CO{V}_0={\sigma }_s\overline{Q_0}/{\sigma }_0\overline{Q_s}$ ；COV为变异系数；σ为标准差。式(2)中，R²为决定系数，Q_si为模拟径流量；Q_oi为实测径流量；$\overline{Q_s}$ 为模拟径流量的平均值；$\overline{Q_0}$ 为实测径流量的平均值；T为实测数据的长度。式(3)中，P_bias为偏差百分比；Q_si为模拟径流量；Q_oi为实测径流量。式(4)中，NSE为纳什效率系数；Q_si为模拟径流量；Q_oi为实测径流量；$\overline{Q_0}$ 为实测径流量的平均值。

表3. 水文模型评价指标

性能等级	R^2	NSE	Pbias/%
非常好	0.7 < R^2 ≤ 1.00	0.75 < NSE ≤ 1.00	Pbias ≤ ±10%
良好	0.6 < R^2 ≤ 0.70	0.65 < NSE ≤ 0.75	±10% ≤ Pbias < ±15%
满意	0.5 < R^2 ≤ 0.60	0.50 < NSE ≤ 0.65	±15% ≤ Pbias < ±25%
不满意	0 < R^2 ≤ 0.50	NSE ≤ 0.50	±25% ≤ Pbias

3.2. Pettitt突变检验

Pettitt检验是一种非参数检验方法[17]，用于检测时间序列中的单一突变点，其基于Wilcoxon秩和检验，适用于非正态分布的数据，公式如式(5)所示：

(5)

式(5)中，K_t是时间点t的统计量，R_i是第i个观测值的秩，n是观测值的总数，|K_t|最大时对应的点即为突变点。

3.3. 趋势分析

3.3.1. 线性趋势法

线性趋势法通过线性回归模型来评估数据的长期趋势。计算趋势的斜率和截距，以及相关系数和显著性水平，公式如式(6)所示：

$y={\beta }_{1}x+{\beta }_0$ (6)

式(6)中，${\beta }_1$ 为斜率，表示趋势的变化率；${\beta }_0$ 为截距，表示回归线与y轴的交点；x是自变量(时间)；y是因变量(年径流量)。

3.3.2. 滑动平均法

滑动平均法用于平滑时间序列数据，减少短期波动以更清晰地观察长期趋势。本研究中采用5年窗口的滑动平均，公式如式(7)所示：

(7)

式(7)中，MA_t是时间点t的滑动平均值，x_i是第i个观测值，k是窗口大小的一半，本研究中k为2。

3.3.3. Mann-Kendall趋势检验

Mann-Kendall趋势检验是一种非参数统计检验方法[18]，适用于检验非线性趋势，近年来广泛应用于分析降水、径流、气温及水质等要素时间序列的变化趋势。计算步骤如下：

1) 计算S统计量：对所有可能的观测对$\left(x_i,x_j\right)$ 进行比较

(8)

$sgn\left(x\right)=\{\begin{array}{ll}1,\hfill & \text{ if }x>0\hfill \\ 0,\hfill & \text{ if }x=0\hfill \\ -1,\hfill & \text{ if }x<0\hfill \end{array}$

2) 计算方差Var(S)：

$Var\left(S\right)=\frac{n\left(n-1\right)\left(2n+5\right)}{18}$ (9)

3) 计算Tau、Z统计量：

$Tau=\frac{S}{n\left(n-1\right)/2}$ (10)

$Z=\{\begin{array}{ll}\frac{S-1}{\sqrt{Var\left(S\right)}},\hfill & \text{if }S>0\hfill \\ 0,\hfill & \text{if }S=0\hfill \\ \frac{S+1}{\sqrt{Var\left(S\right)}},\hfill & \text{if }S<0\hfill \end{array}$ (11)

式(10)中，n为观测值的数量，Tau为一种标准化指标，用于定量描述序列趋势强度与方向。式(11)中，Z 统计量用于评估趋势的显著性。Tau < 0表示存在下降趋势，Tau > 0表示存在上升趋势。在显著性水平α下，若|Z| > Z_α/2认为单调减或增趋势显著；若|Z| < Z_α/2则认为变化趋势不显著。显著性水平0.1、0.05、0.01对应的Z_α/2分别为1.64、1.96、2.58。

3.4. 小波分析

小波分析基于基小波函数的平移和伸缩，用一簇函数表示或逼近一个信号或函数[19]。小波系数实部图可以反映不同时间尺度振荡周期的时频变化特点，用于分析年径流量周期变化特征。本研究使用连续小波变换来分析年径流量演变形式周期性，选择复Morlet小波作为基小波函数，提取系数的实部并绘制小波实部图。小波变换通过将信号投影到小波函数上，获得信号在不同尺度和位置的系数，公式如式(12)所示：

(12)

(13)

式(12)中，W_f (a,b)；x(t)为原始信号；$\psi$ 为基小波函数；a为尺度参数，控制小波的宽度；b为平移参数，控制小波的位置；${\psi }^{*}$ 为基小波函数的复共轭；式(13)中，Var(a)为小波方差。

4. 结果与分析

4.1. CWatM模型率定与检验

根据北道与杨家坪水文站2011至2020年实测月径流数据，将CWatM模型率定期设定为2011至2015年，验证期设定为2016至2020年。经过参数率定后，CWatM模型的模拟结果如图3所示。

图3. CWatM模型在率定期及验证期径流模拟结果

北道站与杨家坪站率定期的NSE均大于0.65，性能评价为良好；R²均大于0.7，性能等级为非常好；P_bias绝对值均小于10%，性能等级为非常好。验证期北道站的模拟结果相比率定期NSE指标为0.47，R²为0.57，P_bias为7.26%，除NSE外均在可接受范围内；杨家坪站验证期NSE为0.46，R²为0.64，P_bias为12.97%，除NSE外均在可接受范围内。CWatM模型在模拟受水区所在流域的月尺度径流方面表现良好，率定期与验证期结果均可满足精度要求。

4.2. 年径流量突变分析

为了确定变化趋势转变时间，利用Pettitt法对1961年至2020年的实测年径流序列进行突变检验，突变检验结果如图4所示，虚线处为突变时间点。Pettitt检验法北道站年径流突变时间为1992年，杨家坪站为1985年。基于年径流序列突变时间点，对比分析突变时间点前后年径流量特征值见表4。表4中，两站点在突变后年径流量多年平均值均大幅下降，北道站由14.4亿m³下降至6.8亿m³，降幅为52.9%；杨家坪站由8.8亿m³下降至4.9亿m³，降幅为44.4%。

表4. 北道与杨家坪站年径流量特征值

站点	突变前(亿m³)			突变后(亿m³)			降幅
	多年平均	最小值	最大值	多年平均	最小值	最大值	多年平均	最小值	最大值
北道	14.4	5.2	30.3	6.8	1.3	19.0	−52.9%	−75.4%	−59.9%
杨家坪	8.8	3.3	18.0	4.9	2.1	9.0	−44.4%	−35.7%	−99.6%

图4. 北道与杨家坪站年径流量突变检验结果

4.3. 年径流量演变趋势分析

根据突变分析中得到的突变时间点，使用线性趋势法与滑动平均法(窗口大小为5年)对突变点前后年径流量序列进行趋势分析，得到1961年至2020年实测年径流量趋势图，如图5所示。从图5中可知，突变前，北道与杨家坪站年径流量整体呈现明显下降趋势；突变后，北道站呈现明显上升趋势，而杨家坪站趋势逐渐趋于平稳。对北道与杨家坪站突变点前后年径流量序列进行Mann-Kendall趋势分析，其结果见表5与图6。表5中，突变前，北道站年径流量统计检验Z值为−2.32，呈现明显下降趋势，且通过0.05显著性水平(|Z| = 1.96)的检验；杨家坪站Z值为−1.85，呈下降趋势，通过0.1显著性水平(|Z| = 1.64)的检验。突变后，北道站年径流量统计检验Z值为2.67，呈现明显上升趋势，且通过0.01显著性水平(|Z| = 2.58)的检验；杨家坪站Z值为−0.06，无显著趋势变化。

1961至1970年渭河流域(北道)与泾河流域(杨家坪)的年均面降雨量分别为474.8 mm与486.1 mm，2011至2020年为557.3 mm与523.3 mm，分别增加了17.4%和7.7%，因此该区域的耗水量(包括蒸发量)大幅度增加，增加的幅度超过了代表站点的年径流量下降的幅度，必将导致区域内水资源的供需矛盾进一步加剧。

4.4. 年径流量周期性分析

根据在突变分析与趋势分析中得到的突变点前后的线性趋势方程，采用连续Morlet小波变换对1961~2020年的年径流量序列进行周期性分析。为了消除长期趋势对周期性分析的影响，对原序列进行了去趋势处理，得到北道与杨家坪站年径流小波系数实部图与小波函数方差图，如图7、图8所示。北道与杨家坪的年径流量序列在整个时域内无明显的周期性变化，见图7(a₁)和图7(b₁)；从图8(a)中可知，两个站点的小波方差均单调递增，无主周期存在，故考虑去趋势化后进行周期性分析。经去趋势化处理后，从图8(b)中可知，北道与杨家坪站均存在5年的主周期：图7(a₂)中北道站2~8年时间尺度变化较强，主要发生在1965~1970年；图7(b₂)中杨家坪站2~8年时间尺度变化也较强，主要发生在1960~1973年。受水区两个流域的年径流量在经过去趋势化处理后，均呈现相同的周期性，具有2~8年的短周期，主周期为5年，在长周期上原序列与去趋势化序列后均无明显周期性。

4.5. 未来年径流量趋势预测

利用耦合人类取用水活动过程的CWatM水文模型，在SSP370未来情景驱动下，得到北道与杨家坪站2021至2040年年径流量。由于2037年径流值异常偏大，可能由极端气候事件导致，故将其当作异常值处理，未来气候变化SSP370情景下年径流量变化趋势图(如图9所示)。对北道与杨家坪站未来年径流量序列进行Mann-Kendall趋势分析，其结果见表6。在自然状态下，北道站年径流量统计检验Z值为1.48，存在不显著上升趋势；杨家坪站年径流量统计检验Z值为−2.34，通过0.05显著性水平(|Z| = 1.96)的检验，存在显著下降趋势。考虑人类需用水过程后两站点的年径流量统计检验Z值均为−0.42，均未通过0.05显著性水平检验，年径流量存在不显著下降趋势。自然状态下北道站与杨家坪站2021至2040年年径流量多年平均值分别为11.88亿m³与3.35亿m³，

表5. 北道与杨家坪站年径流量M-K趋势检验

站点	突变前			突变后
	Tau	Z值	P值	Tau	Z值	P值
北道	−0.29	−2.32	0.02	0.36	2.67	0.01
杨家坪	−0.27	−1.85	0.07	−0.01	−0.06	0.95

图5. 北道与杨家坪站年径流量变化趋势

图6. 北道与杨家坪站年径流量M-K检验统计值变化图

图7. 北道与杨家坪站年径流小波系数实部图：(a₁)和(b₁) 原序列；(a₂)和(b₂) 去趋势化后序列

图8. 北道与杨家坪站年径流小波函数方差图：(a) 原序列；(b) 去趋势化后序列

考虑人类取用水过程后多年平均值下降为9.51亿m³与1.81亿m³，降幅分别为19.9%与46.0%。人类取用水过程在改变年径流量变化趋势的同时，大幅减少了年径流量，导致了受水区供水能力下降。北道站与杨家坪站未来20年内两流域年径流量均无显著上升趋势，且杨家坪站在自然状态下的年径流量呈现明显下降趋势，表明处于泾河流域的受水区部分区县将面临严峻的水资源供需平衡矛盾，亟需外流域调水来解决日益增加的水资源供需矛盾问题。

表6. 北道与杨家坪站未来年径流量M-K趋势检验

站点	自然状态			考虑人类取用水
	Tau	Z值	P值	Tau	Z值	P值
北道(渭河流域)	0.20	1.48	0.138	−0.08	−0.42	0.675
杨家坪(泾河流域)	−0.31	−2.34	0.019	−0.08	−0.42	0.675

图9. 北道与杨家坪站年径流量未来变化趋势图：(a) 自然状态下；(b) 考虑人类取用水后

5. 结论

以北道站与杨家坪站1961年至2020年实测年径流量为对象，利用趋势分析、突变分析与周期性分析等方法对受水区年径流量进行历史演变分析，并使用耦合人类取用水过程的CWatM模型研究气候变化SSP370情景下未来受水区年径流量变化趋势，主要结论如下：

1) CWatM模型可用来模拟渭河流域与泾河流域的月尺度径流，率定期表现良好，验证期除NSE指标略微偏低外其余指标均在可接受范围内，可以满足流域径流模拟的需要。

2) 通过实测数据分析，发现了北道与杨家坪站的年径流量在1992年和1985年分别发生突变，且突变后径流量显著减少，且通过趋势分析明确了北道与杨家坪站年径流量突变前均呈现显著下降趋势，而突变后北道站呈显著上升趋势，杨家坪站逐渐趋于稳定，尽管该区域降水量有所增加，但蒸发量和耗水量的上升幅度更大，必导致水资源供需矛盾进一步加剧，周期性分析发现年径流量在短周期(2~8年)内存在波动，主周期为5年，无明显长周期。

3) 在未来SSP370情景下，自然状态下北道站与杨家坪站2021至2040年年径流量多年平均值分别为11.88亿m³与3.35亿m³，考虑人类取用水过程后为9.51亿m³与1.81亿m³，两站点年径流量均呈下降趋势，北道与杨家坪站的多年平均径流量分别减少19.9%和46.0%，因此，人类取用水显著影响径流总量与变化趋势，尤其是杨家坪站所在的泾河流域，亟需通过外流域调水缓解当地水资源压力。

基金项目

甘肃省重点人才项目(2025RCXM0050)，甘肃省重点研发项目(23YFFA0017, 23YFFA0018)，甘肃省水利科技推广计划项目(25GSLK011, 25GSLK021)。

NOTES

作者简介：程玉菲(1980年8月-)，女，黑龙江克山人，硕士研究生，正高级工程师，主要从事干旱区水文水资源方面的工作，Email: [e-mail]

^*通讯作者Email: [e-mail], [e-mail]