流域又称为集水区，是水量归属地的重要评判依据，通常认定当地表水和地下水的集水区重合时，称其为闭合流域，否则称为不闭合流域^[1]. 鉴于太湖流域地下水流域仍未十分明确^[2-3]，很多学者将太湖地表水流域(36900 km²)科学地分为7个水利分区(湖西区、武澄锡虞区、阳澄淀泖区、浙西区、杭嘉湖区、浦西区和浦东区)和一个太湖汇水区(2338 km²)^[4-5]，其中江苏片区的湖西区和武澄锡虞区为太湖主要的入湖分区，近30年来这两个片区的入湖水量约占流域总入湖水量的60 % ~80 % ^[6]，具有典型性和代表性. 而阳澄淀柳区虽然也属于江苏片区，但多年平均入湖水量不足全流域入湖水量的2 %，因此本研究仅将湖西区和武澄锡虞区作为本文的研究范围. 对于一个湖体来说，入湖流量来源于自然降雨径流和外部引水，主要影响原因可初步确定为降雨量和蒸发量、土地径流系数以及外部引调水3部分^[7]. 陶雨薇等对太湖流域湖西区的降雨量进行了长序列突变分析，发现湖西区近年来降雨量有明显的上升趋势^[8]，并且在集水区周边更加容易发生极端暴雨事件；同时李伶杰等对流域土地利用类型进行了近25年的分析，结果表明2010年不透水区域的面积相对于1985年增加了150 %，这将间接导致入湖径流系数的增大，进而导致入湖水量的增加^[9]；关于江苏片区的引水，主要来源于“引江济太”工程与湖西区沿江泵站的抽水站调度，胥瑞晨等对流域近年来的引水量做了深入分析，发现沿江引水对入湖水量也起到了一定的叠加效应，提升了水体交换速度^[10]，使得近年来太湖水体交换周期缩短至170 d左右. 总体而言，以往的研究在入湖水量成因的定性研究方面取得了较大进展，但在定量化方面仍有一定不足^[11].

本研究通过中国气象数据网(http://data.cma.cn/)获取了太湖流域1990-2019年共计30年溧阳站(58345)和常州站(58343)两个气象站点的逐日资料；通过毛新伟等^[12]及水利部太湖流域管理局(http://www.tba.gov.cn/)公开的数据，获取了沿江主要口门1990-2019年的逐年引水量资料以及湖西区和武澄锡虞区的入湖水量资料；通过地理空间数据云(http://www.gscloud.cn/)下载了1990-2019年太湖湖西区和武澄锡虞区精度为30 m的逐年遥感影像资料，并利用Envi5.3对土地利用类型进行计算统计. 借助Mann-Kendall(M-K)突变法寻找3个主要原因近30年的突变年份，并根据实际情况做了相关讨论分析. 最后以1990-2019年城镇化率、降雨量和蒸发量以及外部引水量为自变量，入湖水量为因变量，采用Pearson法对主要因素做相关性及贡献度分析，讨论其对江苏片区入太湖水量的具体影响.

1 研究区域与方法 1.1 研究区域

7大水利分区均为太湖流域的子流域，具有相对独立的汇水特性，江苏片区中主要的入湖区域包括湖西区和武澄锡虞区(31°5′10″~32°22′15″N, 119°0′0″~120°53′20″E)，其主要由江苏省镇江市、常州市、无锡市和苏州市所管辖(图 1)，总面积约为11697 km²，同时该区域近年来城镇化的快速发展与沿江引水量的增加也备受关注，具有深入研究的必要性和典型性. 地处长江下游流域区，气候温润多雨，根据中国气象数据网提供的数据，计算得到近30年来年均降雨量为1195 mm，蒸发量为1091 mm. 丘陵山区的地带性土壤相应为亚热带的黄棕壤与中亚热带的红壤，太湖平原河网湖群的低地区以沼泽土为主，耕作土壤区则以水稻土为主^[13]，2017年的建设用地开发程度是1985年的近3倍，区域土地利用类型及占比发生了重大变化^[14]. 根据水利部太湖流域管理局公开的数据资料可知，沿江主要设有14个抽水泵站，年均向流域引调水37亿m³，区域水量最终通过望虞河、太滆运河、陈东港等50多条入湖河道汇入太湖，近年来研究区域年均入湖水量约为64亿m³. 同时，本研究将其余河网闸站设为一个整体，在后期研究中将不会对研究结果产生任何影响，因此在此不做具体阐述.

1.2 研究方法 1.2.1 基于Mann-Kendall的趋势检验及突变检验法

Mann-Kendall趋势检验法^[15]是由Mann H.B.和Kendall M.G.提出的一种非参数统计方法，又叫无分布检验法，可以用于分析现象或者事物随时间的变化是自然波动还是存在着确定的变化趋势. 因此方法不需要样本有特定的分布规律而且不会受到异常值、缺失值的干扰，适用性广，可以明确趋势的显著性和突变发生时间且计算较为方便，多用于了解降雨、径流、水质、气候等的变化发展规律. 本研究中的建筑面积和流域进出水量均为遥感解译及实际监测数值，与降雨等数据监测方式一致，没有对数据增加任何人为后期处理与干扰，属于自然变化规律研究范畴，因此也可采用此方法进行研究.

Mann-Kendall突变检验法：对时间序列(x₁, x₂, x₃, …，x_n)，定义：

$ 其中，~~~~S_{k}=\sum\limits_{i=1}^{k} \sum\limits_{j}^{i-1} a_{i j}(k=2, 3, 4, \cdots, n) $

(1)

$ a_{i j}=\left\{\begin{array}{l} 0, x_{i}>x_{j} \\ 1, x_{i} \leqslant x_{j} \end{array}\right\}, (1 \leqslant i \leqslant j) $

(2)

$\text { 均值: } ~~E\left(S_{k}\right)=k(k-1) / 4 $

(3)

$ \text { 方差: } \quad \operatorname{var}\left(S_{k}\right)=k(k-1)(2 k+5) / 72 $

(4)

$ \text { 将 } S_{k} \text { 标准化 }: \quad U F_{k}=\left[S_{k}-E\left(S_{k}\right)\right] /\left[\sqrt{\operatorname{var}\left(S_{k}\right)}\right] $

(5)

式中，UF_k服从标准正态分布，给定的α置信水平下，当$ \left|U F_{k}\right|>U_{\alpha / 2}$，说明时间序列存在显著的趋势变化. 对反序排列的时间序列$\left(x_{n}, x_{n-1}, x_{n-2}, \cdots, x_{1}\right) $，按同样的方法，则$ U B_{k^{\prime}}=-U F_{k}, k^{\prime}=n+1-k $. 分析绘制的UF_k、UB_k′曲线以及U_α曲线(U_0.05=±1.96)，当UF_k或者UB_k′ >0，表示趋势上升，当UF_k或者UB_k′ < 0，表示趋势下降，超过U_α曲线则说明上升或者下降的趋势显著. 当UF_k、UB_k′曲线在U_α曲线之间出现交点，则交点时刻即为突变发生的时刻.

1.2.2 基于Envi5.3的地类遥感分析法

本研究基于Landsat5(服役年限：1985-2013年)、Landsat7(服役年限：2000年至今)与Landsat8(服役年限：2013年至今)卫星，收集到了1990-2019年的逐年^[16]遥感影像资料. 由于1990-2019年期间遥感卫星影像的不确定性、样本标记的不确定性和聚类统计计算中出现的不确定性，本研究仅对1990、1995、2000、2005、2010、2016和2019年的卫星影像进行土地监督分类处理. 为了突出人造建筑痕迹，本研究采用了7 ∶5 ∶3波段进行研究，主要对研究区域的建筑用地、林地、农田和水体4种主要土地利用类型进行遥感统计，样本检验值均在1.97以上，可以很好地对不同地类进行区分. 具体方法流程和案例分析见图 2.

1.2.3 基于Pearson系数的相关性分析方法

采用Pearson系数法^[17]计算入湖水量与建筑面积、降雨量、蒸发量、总引水量、沿江引水量和望虞河引水量间的相关性，具体公式为：

$ \left\{\begin{array}{l} r=\frac{l_{x y}}{\sqrt{l_{x x} \cdot l_{y y}}} ; l_{x x}=\sum\limits_{i=1}^{n} x_{i}^{2}-\frac{\left(\sum\limits_{i=1}^{n} x_{i}\right)^{2}}{n} ; l_{y y}=\sum\limits_{i=1}^{n} y_{i}{ }^{2}-\frac{\left(\sum\limits_{i=1}^{n} y_{i}\right)^{2}}{n} \\ l_{x y}=\sum\limits_{i=1}^{n} x_{i} \cdot y_{i}-\frac{\sum\limits_{i=1}^{n} x_{i} \cdot \sum\limits_{i=1}^{n} y_{i}}{n} \end{array}\right. $

(6)

式中，r为两点位相关系数，x_i和y_i分别为研究点位盐度年均值序列，n为年数，l_xx和l_yy分别为变量x和y的离均差平方和，l_xy为变量x和y的离均差积和. 相关系数的绝对值越大，相关性越强，相关系数越接近于1或-1，相关度越强，相关系数越接近于0，相关度越弱. 根据经验可将相关程度分为以下几种情况：当0.8≤ r＜1时，视为极强相关；0.6≤|r|＜0.8时，视为强相关；0.4≤|r|＜0.6时，视为中等程度相关；0.2≤|r|＜0.4时，视为弱相关；|r|＜0.2时，说明变量之间的相关程度极弱，或视为不相关.

2 结果与讨论 2.1 入湖水量变化突变分析

2000年之前，研究区域入湖水量平均在45×10⁸ m³左右，之后入湖水量便呈显著的上升趋势，整体数据拟合的R²达到了0.7以上，说明上升幅度较为稳定(图 3)，同时近年来太湖内部的水位也有着类似的变化趋势^[18]，初步判断这种现象的产生与区域城镇化率的变化、降雨量和蒸发量的变化和外部沿江引水的变化3方面有关. 结合Mann-Kendall突变检验计算得到水量突变点出现在2003年左右，之后突变趋势仍有一定的上涨，但幅度较之前有所降低，这与2000年以后太湖流域的快速发展及下游需水量的增加有一定的联系^[19-20]，其中东太湖主要饮用水源地^[21]取用水量扩增到目前的22.63×10⁸ m³/a，这些水资源的刚性需求势必导致流域外部沿江引水总量的增加，进而增加了区域的入湖水量，以每隔10年的数据为平均计算，发现近30年来总体入湖水量增加幅度达到了95 %. 为了进一步确定每类影响原因的具体突变年份，本文接下来对土地利用类型、降雨量和蒸发量与引水量做了进一步的Mann-Kendall突变研究.

2.2 研究区域外部条件变化及突变分析 2.2.1 研究区域土地利用类型变化及突变分析

1990-2019年研究区域土地利用类型的分析结果(图 4)表明，近30年来主要变化的土地结构为建筑用地和农田，其中建筑用地相对1990年增加了近2000 km²，是原有面积的1.33倍，农田面积减少了1500 km²，占原有面积的21 %，水体和林地总体变化不大，主要变化出现在2000年前后，这与当时退圩还湖和森林砍伐等有一定的关系^[22]. 对建筑用地面积进行Mann-Kendall突变计算，发现其突变点也在2003年前后，与入湖水量的突变时间点有着高度一致性，可初步确定近年来建筑用地面积的大幅度增加会对入湖水量增加产生影响^[23]. 并且2010年后又有较为明显的抬升趋势，预测在未来10年还会出现突变现象.

2.2.2 研究区域降雨量和蒸发量变化及突变分析

基于1990-2019年溧阳站(58345)和常州站(58343)雨量站的逐日降雨蒸发数据，分别对降雨量和蒸发量的突变进行计算(图 5). 结果表明降雨量突变点发生在2011-2014年之间，2011年之前突变现象不明显，说明流域降雨虽然有一定的上升趋势，但总体上仍较为平稳，2014年之后的两年突变幅度较大，这是由于2015年和2016年降雨量突然暴增^[24]，近5年来降雨量变化浮动较之前更加明显，可能与全球性气候变化有关，但目前总体仍处于较为稳定的状态，近30年来的增长幅度仅为15 %. 蒸发量的突变点出现在2003年左右，与流域入湖水量的突变点具有一致性，并且突变现象明显，在突变点之后保持了很长时间的大幅度降低，总体变化幅度达到了34 %，这个现象与这两个测点所在区域土地利用类型的变化有着一定的联系^[25]，具体原因仍有待进一步研究. 降雨量的增加与蒸发量的减少共同导致了总体变化达到了49 % 左右.

2.2.3 研究区域引水量变化及突变分析

对研究区域总的沿江引水量做了Mann-Kendall突变检验(图 6a)，发现沿江引水量也与入湖水量具有极相似的突变年份，这与2002年望虞河“引江济太”工程的正式运行有一定关系，同时突变幅度一直延续到2010年后才趋于稳定^[26]. 从图 6b和c可知区域沿江引水量自1990-2010年呈现显著线性上升趋势，望虞河引水量总体趋势与望虞河以西沿江引水量一致，这是由于区域引水一般是在降雨量小或者水资源供应不足的阶段，但在2010年左右望虞河引水量开始呈现二元非线性降低趋势，此时望虞河以西沿江引水量仍然保持着稳步上升趋势，这说明了望虞河以西沿江引水工程起到了越来越重要的作用^[27]，同样也可以解释2010年后变化趋缓的现象. 近30年来区域外部引水量总体上升比例达到了84 %，其中望虞河引水增幅也达到了81 %. 虽然中间有京杭大运河的阻隔，但仍然不能完全避免外来水量进入太湖，基于河海大学水文资料可知2017年京杭大运河的逆流时间为134 d，较2007年的10 d多了4个月左右，此时外部沿江引水无法顺流而下，将大面积跨过大运河进入宜兴腹地，进而导致入湖水量增加的现象产生^[28].

2.3 外部条件对入湖水量的相关性及贡献度分析

根据2.2节的分析结果可知，研究区域的土地利用类型变化、降雨量和蒸发量变化与外部引水量都是导致近30年入湖水量增加的原因. 为了进一步确定每个因素对入湖水量的贡献度，基于Pearson系数法对建筑用地面积、降雨量、蒸发量、外部引水量共计4个因素进行了相关性和改进型敏感性研究，其中外部引水量细分了总量、望虞河以西口门引水量以及望虞河引水量. 分析结果表明，近30年来，与入湖水量相关性强弱排序分别为建筑用地面积(l_xy=0.8，正极强相关)>蒸发量(l_xy=-0.73，负强相关)>降雨量(l_xy=0.56，正中等相关)>外部引水量(l_xy=0.49，正中等相关)，其中望虞河引江量对入湖水量的影响要大于沿江其他口门的影响^[29]. 结合权重公式计算得到了不同外部条件对入湖水量的具体贡献度(图 7)，发现2017-2019年的入湖水量增加其实是多方面综合条件变化所导致的结果和现象，但其中人为因素导致的贡献度高达50 %，与自然所贡献的比重一样，这间接说明了太湖流域江苏片区的人为干扰已经到达了一个临界点，在此呼吁未来的土地利用规划应该更加深入地对自然环境进行考虑，增加海绵城市和水敏性城市的打造力度，减少硬质化建筑的比重^[30]，同时科学合理地对外部水资源进行引调，降低对太湖流域的非自然性影响^[31].

$ \begin{array}{*{20}{c}} {M = \sum\limits_{i = 1}^4 {\left| {{l_{{x_i}y}}} \right|} }\\ {{C_i} = \frac{{\left| {{l_{xy}}} \right|}}{M} = \frac{{\left| {{l_{{x_i}y}}} \right|}}{{\sum\limits_{i = 1}^4 {\left| {{l_{{x_i}y}}} \right|} }}} \end{array} $

式中, M为建筑用地面积、降雨量、蒸发量与引江总量的相关度之和；i为对应的具体因素；C_i为不同因素对入湖水量的贡献程度.

3 结论与展望

1) 近30年来(1990-2019年)江苏片区入太湖水量有明显且稳定的上升趋势，总体入湖水量增加幅度达到了95 %，突变时间位于2003年前后.

2) 导致入湖水量变化的主要原因为土地利用类型变化、降雨量和蒸发量变化以及外部引水量变化，其中近30年来土地利用类型中建筑用地面积增加了17 %，突变时间在2003年左右；降雨量和蒸发量增加了49 %，其中降雨量增幅为15 %，突变时间在2011-2014年之间，蒸发量降幅为34 %，突变时间在2003年左右；外部引水年平均增加了84 %，其中望虞河增幅为81 %，突变时间在2003年前后. 3方面因素与入湖水量的突变具有高度一致性.

3) 主要外部因素与入湖水量间的相关关系分别为建筑用地面积(l_xy=0.80，正极强相关)>蒸发量(l_xy=-0.73，负强相关)>降雨量(l_xy=0.56，正中等相关)>外部引水量(l_xy=0.49，正中等相关)，其中望虞河引江量对入湖水量的影响要大于沿江其他口门的影响. 未来应该强化海绵城市和水敏性城市的建设力度，同时科学适当引水，以避免给太湖带进过多的人为干扰.

致谢: 特别感谢中国气象数据网、地理空间数据云与水利部太湖流域管理局公开的基础数据资料.