《Watershed Ecology and the Environment》：Impact of past, present and future land use and land cover changes on water yield and evapotranspiration in a small urban watershed in Texas, USA
编辑推荐：
土地利用与土地覆盖变化（LULC）和气候变率是全球流域水文过程变化的主要驱动力。本研究耦合了SWAT+水文模型与TerrSet Land Change Modeler（LCM）模块，量化了美国德克萨斯州赛普拉斯溪流域（Cypress Creek Watersh
土地利用与土地覆盖变化（LULC）和气候变率是全球流域水文过程变化的主要驱动力。本研究耦合了SWAT+水文模型与TerrSet Land Change Modeler（LCM）模块，量化了美国德克萨斯州赛普拉斯溪流域（Cypress Creek Watershed）过去（2000–2020年）、现在及未来（至2040年）LULC变化对产水量（Water Yield）和蒸散发（Evapotranspiration, ET）的影响。研究发现，从2000年到2040年，牧草覆盖率持续下降，而建设用地面积显著扩张。这种LULC转变导致流域产水量增加了70.7%，蒸散发减少了6.7%。此外，LULC变化加速了流域内的洪水风险。研究表明，城市化是该流域产水量和蒸散发变化的核心驱动力。该研究成果为快速城市化流域的水资源管理和防洪减灾策略提供了科学依据。
论文解读文章
1. 研究背景与问题
土地利用与土地覆盖变化（LULC）和气候变率是影响全球流域水文过程的两大核心驱动力。自然地表向城市和农业用地的转化通常会破坏土壤结构、干扰养分循环并改变生物多样性，进而通过改变冠层截留、土壤水力特性、入渗率、地表粗糙度、反照率和蒸散发（ET）等过程显著改变流域水文情势。然而，现有研究多集中于年径流总量的宏观变化，缺乏对产水量和蒸散发在季节尺度及子流域尺度上的精细刻画，尤其对未来发展情景下的水文响应评估不足。
位于美国德克萨斯州休斯顿市的赛普拉斯溪流域（Cypress Creek Watershed）是一个典型的快速城市化区域，面临着极端天气带来的严重洪涝与干旱交替威胁，年均发生2至3次洪水事件。尽管已有研究（如Kim等人，2013）揭示了2001–2011年间LULC变化与该流域年径流增加之间的关联，但这些工作未涉及季节性产水量和蒸散发的动态变化，也未将分析框架延伸至未来的开发情景。因此，迫切需要一种能够整合历史与未来LULC情景、并在子流域尺度上解析水文要素（产水量、蒸散发）时空演变规律的综合研究方法。
2. 研究内容与结论
为填补上述空白，研究人员耦合了校准验证后的SWAT+水文模型与TerrSet Land Change Modeler（LCM）模块，系统评估了2000年至2040年间LULC变化对赛普拉斯溪流域产水量和蒸散发的影响。研究结果表明：牧草地面积从49%持续缩减至34%，而中高密度建设用地从6.1%激增至20.8%，城市化进程显著。这种LULC转变导致流域产水量增加了70.76%，蒸散发减少了6.74%，地下水入渗量下降了21.1%。其中，下游子流域（如sub_2、sub_6、sub_10）因城市化程度最高，产水量增幅最为显著，最大增量达141.36 mm。季节性分析显示，夏季产水量普遍高于冬季，且多数子流域呈现随LULC变化而递增的趋势。洪水严重性-历时-频率（SDF）曲线进一步表明，从2000年至2040年，所有重现期和历时下的潜在洪峰流量均呈上升趋势，其中短历时（1日）洪峰的增幅尤为突出（100年一遇条件下增幅约40%）。这些发现证实了城市化是驱动流域产水量增加、蒸散发减少及洪水风险加剧的根本原因。
3. 关键技术方法概述
为开展此项研究，研究人员采用了以下主要技术方法：
- 1.
SWAT+水文模型：基于QGIS平台建立，将流域划分为14个子流域和538个水文响应单元（HRU），采用SCS曲线数法估算径流，变蓄量系数法进行河道演算。利用三个USGS流量站点的月尺度观测数据，以Kling-Gupta效率系数（KGE）为目标函数，通过拉丁超立方抽样算法进行自动校准（2017–2022年）和验证（2012–2016年）。
- 2.
TerrSet Land Change Modeler（LCM）模块：利用2000年和2010年的NLCD（国家土地覆盖数据库）LULC数据作为训练期，结合马尔可夫链和多层感知器（MLP）神经网络，并输入六个驱动变量（距城市距离、距道路距离、距河流距离、城市密度、高程和路网密度），预测2030年和2040年的LULC情景。模型验证结果显示Kno=0.908，Kstandard=0.878，精度较高。
- 3.
洪水严重性-历时-频率（SDF）曲线分析：采用L矩法拟合Gumbel分布，基于各LULC情景下流域出口的日流量数据，计算1天、3天和7天历时的年最大流量，并推导2年、5年、10年、25年、50年和100年重现期的洪水位点。
4. 研究结果详述
4.1 SWAT+模型校准与验证
模型校准和验证结果表明，六个最敏感参数（cn2、esco、cn3_swf、canmx、z、perco）被用于优化模拟。在三个流量站点上，校准期（2017–2022年）的KGE值介于0.74至0.86之间，验证期（2012–2016年）的KGE值介于0.62至0.80之间，均达到“良好”以上等级，表明模型能够较好地模拟流域的月尺度径流过程。
4.2 土地利用变化预测
基于2000–2010年训练期的MLP神经网络模型，成功预测了2020年LULC，并与实际2020年地图进行了验证，各项Kappa统计指标（Kno=0.908，Klocation=0.911，KlocationStrata=0.911，Kstandard=0.878）表明模型可靠性高。随后，利用相同参数和驱动变量模拟了2030年和2040年的LULC情景。
4.3 土地利用与土地覆盖变化
4.3.1 全流域LULC变化：从2000年到2040年，牧草地面积从49%降至34%；常绿森林从4.7%降至1.59%；耕地从7.8%降至4.6%。相反，中密度建设用地从6.1%增至20.8%，低密度建设用地从9.9%增至14.9%。年变化率分析显示，2000–2005年是变化最剧烈的时期。
4.3.2 子流域级LULC变化：子流域2、6和10经历了最高的城市转型，其中子流域2的中密度建设用地增加了29.24%（2000–2040年），同时牧草地减少了22.68%。子流域9景观最为稳定，牧草地仅损失0.5%–6.32%。
4.4 LULC变化对全流域主要水均衡组分的影响
从2000年到2040年，产水量和地表径流增加了70.76%，蒸散发减少了6.74%，地下水入渗减少了21.1%。曲线数（CN）从49.5增至53.9（增长8.8%）。相关性矩阵表明，耕地和牧草地百分比与蒸散发和入渗呈强正相关（r>0.9），而与产水量呈负相关；而建设用地与产水量呈强正相关（r>0.94）。
4.5 LULC变化对产水量的影响
几乎所有子流域都出现了产水量增加，其中下游子流域增幅最大。子流域2在2020、2030和2040年始终表现出最高的产水量增益，最大增量为141.36 mm。相比之下，子流域13和14出现少量产水量损失。季节性分析显示，夏季产水量普遍高于冬季，且大多数子流域的产水量随LULC变化呈递增趋势。
4.6 LULC变化对蒸散发的影响
多数子流域（1、2、3、4、6、7、10、11）的蒸散发呈下降趋势，其中子流域10降幅最大（-16.92%），其次是子流域2（-14.2%）和子流域4（-11.9%）。部分上游子流域（如5、8、9、12）蒸散发略有回升。冬季蒸散发同样呈下降趋势，但幅度小于夏季。
4.7 LULC变化对洪水严重性-历时-频率（SDF）曲线的影响
SDF曲线显示，从2000年到2040年，在所有重现期和历时下，潜在洪峰流量均呈增加趋势。100年一遇条件下，1日流量增加约40%，3日流量增加约28%，7日流量增加约17%。平均日流量从2000年到2040年增加了38.6%，其中2000–2010年的增幅最大（24.9%）。
5. 讨论与结论
讨论部分总结：研究指出，LULC变化分析揭示了赛普拉斯溪流域在过去40年间发生了显著的景观转型，其中牧草地面积减少了15%，常绿森林减少了66%，耕地减少了41%，而中密度建设用地则增长了241%。2000–2005年是最具变革性的阶段。产水量的增加（70.76%）主要归因于城市化导致的入渗减少和地表径流增加，这一趋势在下游子流域尤为明显。蒸散发的减少（6.74%）虽相对较小，但与牧草地和森林的丧失密切相关。值得注意的是，并非所有研究都报告一致的城市化效应，例如在土耳其伊兹尼克湖流域的研究中，尽管地表径流增加了22.3%，但产水量却略微下降，这强调了LULC驱动的水文变化方向受预转换土地覆被组成、气候条件和具体城市发展强度组合的共同影响。洪水风险方面，SDF曲线表明短历时洪峰的放大效应更为突出，且洪水频率的非平稳性挑战了现有基础设施设计所依赖的静态洪水频率假设。研究还识别出子流域2、6和10为高风险热点区域，建议在这些区域优先进行空间针对性的暴雨管理基础设施升级，并保护上游湿地主导的子流域（如5、9、12）以维持其缓冲功能。
研究结论翻译：本研究表明，从历史条件到2040年预计情景的四十年间，赛普拉斯溪流域的土地利用变化持续增加了产水量和洪水风险，同时减少了蒸散发和地下水入渗，其根本驱动因素是牧草地、森林和耕地向建设用地的转化。这些影响并非均匀分布，而是集中在经历最密集开发的特定下游子流域，并且超越了平均条件，重塑了洪水本身的统计频率——短历时洪峰受到的影响比持续性事件更为显著。这使得曾经与稀有事件相关的流量向更高频率转移，挑战了基于历史洪水频率假设的基础设施设计。变化速度在研究初期最快，此后随着最城市化地区可开发土地的减少而放缓，这表明以土地转换为重点的缓解措施窗口正在收窄，未来将越来越依赖基于基础设施的干预手段。这些发现指出了需要采取空间靶向、历时感知的流域管理策略，而非统一的、全流域范围的方法，并证明本文应用的耦合SWAT+/TerrSet LCM框架为预测类似城市化流域的水文变化提供了一种可推广的工具。
