Spatiotemporal Variations of Water Yields in the Yunnan-Guizhou Plateau Based on InVEST and PLUS Models

doi:10.19657/j.geoscience.1000-8527.2024.038

Abstract

Abstract:

Quantitative assessment on the water production in Yunnan-Guizhou Plateau is essential to investigate the dynamic changes of water resources and to maintain the ecological security and balance in this region.This is of great practical significance for maintaining urban water conservation as well.In this study, PLUS model was used to predict the land-use types in the region from the year of 2025 to 2030, and InVEST model was used to qua.pngy the water yields from the year of 2000 to 2030 (every five years), with analyzing it in spatio-temporal perspective.We therefore analyzed the changes in the water yield of different land-use types and the changes in the water yields under different slope classes.Meanwhile, a geographical detector were used to analyze the driving forces of water yields of different land-use types.The results show that (1) the total amount of water produced in the region from 2000 to 2030 shows a trend of “decreasing-raising-decreasing-raising” with the total amount of water produced as 7.818×10⁷ m³, 5.750×10⁷ m³, 4.700×10⁷ m³, 9.162×10⁷ m³, 7.498×10⁷ m³, 7.820×10⁷ m³, and 8.999×10⁷ m³, respectively.The spatial distribution of water production shows the characteristics of high in the southeast and the north, and low in the middle areas.(2) Unutilized land is the land type with the highest water production in the region.(3) Changes in the meteorological factors are the main reason causing the changes in the annual water production in the Yunnan-Guizhou Plateau.The analysis of geographical detector shows that the precipitation and evapotranspiration have a strong explanatory power for water yields, and the interactions between precipitation and land-use has the strongest explanatory power for the changes of water yield.The water yield is mainly concentrated in the area with slope gradient of ~0°-5°, which accounts for 43.80% of the total water yield.The results of this study provide scie.pngic references for the dynamic assessment, effective management, and sustainable development of water resources in the Yunnan-Guizhou Plateau.

Key words: water yield, InVEST model, PLUS model, Yunnan-Guizhou Plateau, geographical detector, spatiotemporal characteristics

CLC Number:

P641

GUO Jiahui, LIU Xiaohuang, ZHANG Wenbo, YANG Chaolei, WANG Ran, LUO Xinping, XING Liyuan, WANG Chao, ZHAO Honghui. Spatiotemporal Variations of Water Yields in the Yunnan-Guizhou Plateau Based on InVEST and PLUS Models[J]. Geoscience, 2024, 38(03): 624-635.

Figures/Tables 12

References 46

[1]	王斌, 张彪, 王建锋, 等. 太湖流域水生态系统服务及其空间差异[J]. 水土保持通报, 2011, 31(2): 215-221.
[2]	李福杰, 韩风, 马斌, 等. 塔里木河下游近20年植被演化特征对生态输水的响应[J]. 草业科学, 2022, 39(12): 2578-2588.
[3]	魏培洁, 吴明辉, 贾映兰, 等. 基于InVEST模型的疏勒河上游产水量时空变化特征分析[J]. 生态学报, 2022, 42(15): 6418-6429.
[4]	周懿琳, 毛德华. 基于INVEST模型的资水流域产水量及其对环境响应的评估分析[J]. 湖北农业科学, 2022, 61(9): 16-23.
[5]	王茜, 李宛莹. 基于InVEST模型的秦岭产水量时空变化对土地利用变化的响应[J]. 河南科技, 2021, 40(33): 119-122.
[6]	吕乐婷, 任甜甜, 李赛赛, 等. 基于InVEST模型的大连市产水量时空变化分析[J]. 水土保持通报, 2019, 39(4): 144-150, 157.
[7]	李芳, 张金龙, 杨环. 基于InVEST模型的黑河流域上游1990—2018年产水量模拟[J]. 高原气象, 2022, 41(3): 698-707. DOI
[8]	PESSACG N, FLAHERTY S, BRANDIZI L, et al. Getting water right: A case study in water yield modelling based on precipitation data[J]. The Science of the Total Environment, 2015, 537: 225-234. DOI PMID
[9]	SHARP R, CHAPLIN-KRAMER R, WOOD S, et al. InVEST User’s Guide[M]. Palo Alto: Stanford University, 2018.
[10]	张建, 雷刚, 漆良华. 丹江口库区产水量时空动态与情景模拟[J]. 林业科学, 2020, 56(11): 12-20.
[11]	朱丽亚, 胡克, 孙爽, 等. 基于InVEST模型的辽宁省海岸带碳储量时空变化研究[J]. 现代地质, 2022, 36(1): 96-104.
[12]	黄奎. SWAT模型研究进展[J]. 珠江水运, 2019(19): 34-35.
[13]	赵武生, 石培基. 基于InVEST模型的复合生态系统耦合协调关系研究: 以兰西城市群为例[J]. 中国环境科学, 2023, 43(4): 1883-1894.
[14]	蔡梦卿, 黄璐, 严力蛟. 基于InVEST模型的杭州市典型年份年产水量时空变化特征及其影响因素[J]. 浙江农林大学学报, 2022, 39(1): 127-135.
[15]	GASHAW T, WORQLUL A W, DILE Y T, et al. Evaluating InVEST model for simulating annual and seasonal water yield in data-scarce regions of the Abbay (Upper Blue Nile) Basin: Implications for water resource planners and managers[J]. Sustai-nable Water Resources Management, 2022, 8(5): 170.
[16]	BENRA F, DEFRUTOS A, GAGLIO M, et al. Mapping water ecosystem services: Evaluating InVEST model predictions in data scarce regions[J]. Environmental Modelling and Software, 2021, 138: 104982.
[17]	付宇佳, 谭昌海, 刘晓煌, 等. 自然资源定义、分类,观测监测及其在国土规划治理中的应用[J]. 中国地质, 2022, 49(4): 1048-1063.
[18]	冯娟. 基于InVEST模型和SWAT模型的秦岭北麓水源涵养时空格局分析: 以沣河中上游流域为例[D]. 西安: 西北大学, 2021.
[19]	靖娟利, 王永锋. 西南岩溶区NDVI时空变化及其与气候因子的关系[J]. 水土保持研究, 2016, 23(5):169-174.
[20]	徐飞, 焦玉国, 唐丽伟, 等. 泰安市山水林田湖草生态修复区生态脆弱性评价与生态修复对策研究[J]. 现代地质, 2023, 37(4): 892-902.
[21]	张海燕, 樊江文, 黄麟, 等. 中国自然资源综合区划理论研究与技术方案[J]. 资源科学, 2020, 42(10): 1870-1882. DOI
[22]	王乔林, 宋云涛, 吕许朋, 等. 云南省西部地区土壤地球化学基准值特征及成因分析[J]. 现代地质, 2021, 35(2): 412-424.
[23]	廖红为, 李社宏, 严松, 等. 云南省蒙自东山岩溶地区村寨水塘调查与环境质量评价[J]. 现代地质, 2018, 32(5): 1097-1102.
[24]	杨乐心. 云贵高原区域大气环境及气候资源时空特征分析[D]. 南京: 南京信息工程大学, 2015.
[25]	云南省水利厅. 2016年度云南省水资源公报[N]. 云南日报, 2017-07-10(5).
[26]	袁建飞, 邓国仕, 徐芬, 等. 川西南喜德热田地下水水文地球化学特征[J]. 现代地质, 2017, 31(1): 200-208.
[27]	宗庆霞, 肖高强, 向龙洲, 等. 云南省盈江县旧城—姐冒地区铅地球化学特征及风险评价[J]. 现代地质, 2020, 34(5): 979-986.
[28]	安国英, 周璇, 温静, 等. 西南地区石漠化分布、演变特征及影响因素[J]. 现代地质, 2016, 30(5): 1150-1159.
[29]	马宁, JOZSEF S, 张寅生, 等. 中国陆地实际蒸散发数据集(1982— 2017)[DB]. 北京: 国家青藏高原科学数据中心, 2019.
[30]	ALLEN R G, PEREIRA L S, RAES D, et al. Crop evapotranspiration: Guidelines for computing crop water requirements[M]// Irrigation and Drainage Paper No 56. Rome: Food and Agriculture Organization of the United Nations (FAO), 1998.
[31]	ALLEN R G, PEREIRA L S, SMITH M, et al. FAO-56 dual crop coefficient method for estimating evaporation from soil and application extensions[J]. Journal of Irrigation and Drainage Engineering, 2005, 131(1): 2-13.
[32]	徐建宁. 基于InVEST模型的小江流域生态系统服务评估[D]. 兰州: 兰州交通大学, 2016.
[33]	ZHANG L, HICKEL K, DAWES W R, et al. A rational function approach for estimating mean annual evapotranspiration[J]. Water Resources Research, 2004, 40(2): W02502.
[34]	胡丰, 张艳, 郭宇, 等. 基于PLUS和InVEST模型的渭河流域土地利用与生境质量时空变化及预测[J]. 干旱区地理, 2022, 45(4): 1125-1136.
[35]	孙欣欣, 薛建辉, 董丽娜. 基于PLUS模型和InVEST模型的南京市生态系统碳储量时空变化与预测[J]. 生态与农村环境学报, 2023, 39(1): 41-51.
[36]	张静, 任志远. 基于MOD16的汉江流域地表蒸散发时空特征[J]. 地理科学, 2017, 37(2): 274-282. DOI
[37]	王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116-134. DOI
[38]	娄梦婕, 史明昌, 郭虹扬, 等. 基于InVEST模型的白洋淀—大清河流域水源涵养分析[J]. 中国水土保持科学, 2022, 20(5): 118-123.
[39]	刘珺, 俞博云, 杨文府. 多尺度地理加权回归模型支持下的汾河流域生态系统服务关系演化机理研究[J]. 遥感学报, 2023, 27(7): 1667-1679.
[40]	彭赤彬, 钱湛, 姜恒, 等. 沅江流域产水服务功能的时空变化及驱动力分析[J]. 人民长江, 2023, 54(6): 95-102, 125.
[41]	吴大放, 马佩芳, 李龙, 等. 基于地理探测器的区域土地利用转型时空演变及因子探测: 以珠海市为例[J]. 华南师范大学学报(自然科学版), 2023, 55(4): 50-61.
[42]	舒天竹, 王晓红. 基于3S技术的地形起伏度与区域土壤侵蚀的相关性研究[J]. 水土保持研究, 2017, 24(4): 127-132.
[43]	殷丽婷. 基于InVEST模型的庙岛群岛典型陆域生态系统服务研究[D]. 烟台: 中国科学院烟台海岸带研究所, 2020.
[44]	张薇, 王凤春, 贾悦, 等. 张承水源涵养区土地利用演变及产水量的响应[J]. 中国农村水利水电, 2022(5): 138-146.
[45]	吴健, 李英花, 黄利亚, 等. 东北地区产水量时空分布格局及其驱动因素[J]. 生态学杂志, 2017, 36(11): 3216-3223.
[46]	吕乐婷, 任甜甜, 孙才志, 等. 1980—2016年三江源国家公园水源供给及水源涵养功能时空变化研究[J]. 生态学报, 2020, 40(3): 993-1003.

数据类型	数据名称	数据精度	数据来源	时间
土地利用数据	土地利用数据	30 m	http://www.resdc.cn/	2000—2020年
社会经济数据	人口、国内生产总值	1 km	http://www.resdc.cn/	2019年
社会经济数据	距铁路/高速/国道/省道距离	1 km	http://www.resdc.cn/	2019年
气候和环境数据	土壤类型	1 km	http://soil.geodata.cn/	2020年
	年平均气温	1 km	http://www.resdc.cn/	2000—2020年
	年平均降水量	1 km	http://data.cma.cn/	2000—2020年
	年蒸散发数据	1 km	http://data.tpdc.ac.cn	2000—2020年
	数字高程数据	30 m	http://www.gscloud.cn/home	2000—2020年
	坡度、坡向	30 m	由DEM生成	2000—2020年
	植被覆盖度数据	30 m	http://www.resdc.cn/	2000—2020年

数据类型	数据名称	数据精度	数据来源	时间
土地利用数据	土地利用数据	30 m	http://www.resdc.cn/	2000—2020年
社会经济数据	人口、国内生产总值	1 km	http://www.resdc.cn/	2019年
社会经济数据	距铁路/高速/国道/省道距离	1 km	http://www.resdc.cn/	2019年
气候和环境数据	土壤类型	1 km	http://soil.geodata.cn/	2020年
	年平均气温	1 km	http://www.resdc.cn/	2000—2020年
	年平均降水量	1 km	http://data.cma.cn/	2000—2020年
	年蒸散发数据	1 km	http://data.tpdc.ac.cn	2000—2020年
	数字高程数据	30 m	http://www.gscloud.cn/home	2000—2020年
	坡度、坡向	30 m	由DEM生成	2000—2020年
	植被覆盖度数据	30 m	http://www.resdc.cn/	2000—2020年

产水量类别	占比(%)						产水量面积(km²)
产水量类别	0°~5°	5°~ 8°	8°~ 15°	15°~ 25°	25°~ 35°	>35°	产水量面积(km²)
低等级	43.80	22.70	26.61	6.50	0.38	0	58034
较低等级	37.58	20.86	29.80	11.11	0.63	0.01	91760
中度等级	44.45	21.32	25.08	8.57	0.57	0	78484
较高等级	51.48	19.09	21.21	7.80	0.41	0	46315
高等级	57.82	18.93	18.00	4.98	0.27	0	18461

产水量类别	占比(%)						产水量面积(km²)
产水量类别	0°~5°	5°~ 8°	8°~ 15°	15°~ 25°	25°~ 35°	>35°	产水量面积(km²)
低等级	43.80	22.70	26.61	6.50	0.38	0	58034
较低等级	37.58	20.86	29.80	11.11	0.63	0.01	91760
中度等级	44.45	21.32	25.08	8.57	0.57	0	78484
较高等级	51.48	19.09	21.21	7.80	0.41	0	46315
高等级	57.82	18.93	18.00	4.98	0.27	0	18461