## 1. 标题 土地利用与土地覆盖变化对水电站径流量的影响：基于遥感和SCS-CN模型的Habu集水区评估

《Applied Research》：The Impact of Land Use and Land Cover Changes on Runoff Volume for Hydropower

　　

## 3. 摘要翻译

本研究探讨了土地利用与土地覆盖（LULC）变化与水力发电径流之间的复杂关系。研究采用遥感与地理信息系统（GIS）方法对21年期间的LULC变化进行分析，并结合水土保持服务曲线数（SCS-CN）方法，基于LULC变化估算径流量。研究结果显示，LULC类型发生了显著变化，林地区域出现重大损失，主要归因于城市和农业扩张。这导致曲线数（CN）值升高，从而将LULC变化与径流联系起来。研究结果表明，LULC变化与径流潜力增加相关，表现为更高的曲线数（CN）值，同时降雨变异性也影响估算的径流量。森林覆盖率从2001年的74.10%下降至2022年的68.85%，而城市面积从7.92%增加至11.11%。水力发电量采用经验性水土保持服务曲线数（SCS-CN）水文模型计算总径流，同时利用流量历时曲线（FDC）确定可用于水力发电的流量。该研究对土地利用管理实践具有重要意义，并为水电站运营者实现可持续水电运营提供了有价值的信息。

## 4. 论文解读

**研究背景与问题**

水力发电强烈依赖于水文条件，尤其是降雨、径流和河流流量，这些因素决定了发电可用水量。全球范围内，水电是最大的可再生能源之一，也是低碳电力的重要贡献者。在马来西亚，能源需求预计到2050年将翻倍，可持续能源需求随之增加；小水电因环境影响较小且能向农村地区供电而尤为重要。过去十年间，Cameron Highlands（金马仑高原）发生了重大LULC改变。为支持旅游业、人口增长和经济发展而推进的城市化和集约农业活动，导致建成区和耕地增加。已有研究一致报告森林覆盖下降、农业和建成区增加，但主要集中于景观转变和环境影响的量化，缺乏对LULC变化如何影响水力发电径流可用量的评估。该区域径流特性可能因LULC快速变化而改变，进而影响发电河流流量。森林覆盖增加可通过增强截留和下渗减少直接径流，而高度城市化和农业扩张可能导致径流增加；尽管径流增加似乎有利于发电，但不受控制的径流增加可能造成水电站洪水，并改变土壤复合体导致土壤侵蚀，进而产生泥沙淤积、降低取水口水位，导致发电可用水量不足。为填补该空白，本研究将多时相LULC分析、SCS-CN水文建模和FDC分析整合于Habu集水区的单一评估框架中，提供观测LULC变化、估算径流变化与发电可用流量之间的定量联系。研究目标为：（i）利用多光谱卫星影像、遥感和GIS技术分析长期LULC变化；（ii）采用经验性SCS-CN方法评估LULC变化与径流量变化的关系；（iii）构建FDC以评估所选研究年份的流量可用性及其对水力发电的影响。

**主要技术方法**

研究采用多阶段流程：数据收集、集水区划定、土壤图制备、LULC图制备、经验性SCS-CN水文建模及水电分析。数据来源包括：30 m数字高程模型（DEM，来自QGIS mSRTM插件）、1:5,000,000土壤类型图（FAO）、30 m卫星影像（USGS）、30年日降雨数据（马来西亚灌溉与排水局DID）。卫星影像选用2001年Landsat 7 ETM+、2014年Landsat 8 OLI/TIRS和2022年Landsat 9 OLI/TIRS（Path/Row 127/57，云量<10%）。LULC分类采用QGIS中的半自动分类插件（SCP）进行监督分类，并以Google Earth高分辨率影像地面真值点进行精度验证，计算总体精度和Kappa系数。径流估算采用SCS-CN方法，CN值依据土壤类型、前期土壤含水量（AMC）和LULC类型确定，并按面积加权计算集水区总CN值。水力发电量计算采用功率方程，水头为90 m，水密度1000 kg/m³，重力9.8 m/s²，两台Francis水轮机各额定2.75 MW，总效率取80%；流量由FDC确定，FDC采用经验超越频率公式（Weibull公式）构建。

**研究结果**

集水区划定：Habu水电站集水区排水面积约21.76 km²，高程范围1193至2014 m，取水口位于4°27′34″N、101°24′7″E，处于集水区最低高程约1200 m处。

LULC变化：水体在整个时期内基本不变，约占总面积0.20%。森林在三年中均为最大覆盖类型，平均约占集水区70%，但覆盖度从2001年的74.10%逐步降至2014年的72.27%，再降至2022年的68.85%，研究期内总体减少5.25个百分点。混合植被为第二大覆盖类型，呈上升趋势。城市面积从2001年的7.92%增至2014年的8.49%，再增至2022年的11.11%。裸地从2001年的1.86%升至2014年的2.60%，2022年降至1.48%。

土壤类型与HSG：FAO土壤数据图显示土壤类型为黏壤土（clay loam），在HSG分类中属C类，具有中等偏高径流潜力和较低下渗率，SCS-CN计算采用HSG C对应的CN值。

LULC分类精度：2001、2014、2022年总体精度分别为91.37%、90.13%、92.45%，Kappa系数分别为0.77、0.78、0.81，表明分类准确。

LULC变化检测：2001—2014年期间，水体小幅减少0.03%，原生森林大幅减少2.14%；混合植被、城市区和裸地分别增加0.87%、0.57%和0.73%。森林减少主要由混合植被（4.33%）、城市区（1.20%）和裸地（1.55%）扩张解释。2014—2022年期间，水体小幅增加0.03%，森林仍显著减少3.40%，裸地减少1.12%；混合植被和城市土地继续增加，分别增加1.85%和2.65%，森林主要损失仍归因于混合植被和城市区扩张。总体而言，2001—2014年期间的净变化最大。

降雨与CN值：就日降雨趋势而言，2014年被视为最干旱年份，尤其6月至10月降雨量最少。加权CN值从2001年至2022年上升：加权CN_II由71.53升至71.95再升至72.63；加权CN_I由52.39升至52.91再升至53.75；加权CN_III由85.47升至85.73再升至86.14。2022年CN值最高，因森林减少下渗最低，表明高CN值意味着该区域将发生高径流。不同AMC条件下加权CN的变化反映CN参数对前期土壤水分的敏感性，例如2022年加权CN在干燥条件（AMC I）下为53.75，平均条件（AMC II）下为72.63，湿润条件（AMC III）下为86.14，这些值用于说明参数不确定性。

降雨—径流关系：2022年降雨量最高，产生的径流量也最大。2001年尽管降雨量高于2014年，径流量却低于2014年，表明2001年土地覆盖类型具有更好的土壤截留能力（由LULC分类和较低加权CN值反映），大部分降雨未转化为径流。2001年平均降雨量为149,433.96 m³，平均径流量为11,975.67 m³，转化率8.01%；2014年平均降雨量118,571.50 m³，平均径流量15,506.55 m³，转化率13.08%；2022年平均降雨量186,581.18 m³，平均径流量16,926.22 m³，转化率9.07%。

FDC与发电量：2001年约4 m³/s流量在50%时间内可用；2014年5 m³/s流量在50%时间内可用，而在60%时间内仅约3 m³/s可用，表明两年径流均较低，2014年径流略高且持续时间更长。达到单机2.75 MW发电所需最小流量为4 m³/s，因此2001年和2014年分别仅有40%和50%时间能够产生目标容量，而2022年约80%时间可达到目标功率输出。在忽略泥沙和机械影响的理想条件下，2022年大部分月份可实现目标容量；反之，2001年和2014年6月至9月因径流低而功率输出低。综上，径流量对决定水力发电量具有显著影响。

**讨论与结论**

遥感结合QGIS应用为LULC变化分析提供了可靠结果，能够建立并分析准确的LULC。研究发现过去21年林区大幅减少，主要归因于城市土地和代表农业用地的混合植被扩张，该趋势与Cameron Highlands既往研究一致。研究发现径流量随CN值增加而增加，CN值很好地表征了LULC变化对径流的影响；林区减少与不透水面增加导致CN值升高，表明该区域水文特性发生变化。森林覆盖减少和不透水面扩张可能促成径流潜力增加（表现为更高CN值），但观测到的径流差异不能完全归因于LULC变化，因为研究年份间降雨条件也存在差异。在水电方面，集水区流量具有季节性，干旱期主要出现在5月至9月，径流量低，可供发电的水流量小。LULC变化对发电径流的主要影响可见于2001年和2014年，尽管2014年降雨少于2001年，但可用径流量更高。径流量变化极大影响了水力发电。研究结果印证了既往关于LULC变化影响径流的假设，并成功回答了研究问题。结论部分指出：遥感确实是分析LULC变化的宝贵工具，因其灵活性、成本效益和可靠性，可监测和评估大范围、多时段的LULC动态，为土地利用变化对水文情势的影响提供有价值信息。SCS-CN方法是基于LULC变化估算径流的广泛使用方法，通过为不同土地覆盖类型分配不同曲线数，基于下渗和土壤水分条件估算转化为直接径流的降雨量，可提供土地覆盖变化如何影响径流模式的总体认识，从而为水电管理和规划提供更明智的决策依据。