張春輝，王炳亮 ,2

(1.寧夏大學(xué)土木與水利工程學(xué)院，銀川 750021；2.教育部旱區(qū)現(xiàn)代農(nóng)業(yè)水資源高效利用工程研究中心，銀川 750021)

水文模型依據(jù)數(shù)學(xué)原理和氣象水文資料以及水利工程等人類實際需求對自然水文現(xiàn)象進行模擬，是水文科學(xué)必備的重要方法之一。分布式流域水文模型考慮了下墊面和降雨分布不均對流域水文過程的影響，同時也能模擬人類活動下流域水文情勢的發(fā)展方向，比傳統(tǒng)的集總式水文模型更為系統(tǒng)，為科學(xué)模擬降雨徑流形成過程及其發(fā)展機理提供了可靠的工具，成為水文模型發(fā)展的趨勢[1]。

SWAT(Soil and Water Assessment Tool)模型是由美國農(nóng)業(yè)部于20世紀(jì)90年代開發(fā)的半分布式水文模型[2]，該模型主要用于模擬和評價各種管理措施和氣候條件變化下的流域水文情勢、水質(zhì)變化情況。目前，國內(nèi)外針對模型已進行了大量的研究，主要有徑流模擬、氣候/土地利用變化的水文效應(yīng)研究、泥沙運動模擬、面源污染研究[3-7]，其中，徑流模擬由于長時段徑流實測資料易于獲取成為模型模擬的主流方向[8]。目前構(gòu)建SWAT模型時所需的氣象數(shù)據(jù)庫參數(shù)大多是根據(jù)流域內(nèi)的氣象站數(shù)據(jù)推求所得。有研究表明，驅(qū)動SWAT模型的氣象數(shù)據(jù)的不確定性對模擬結(jié)果影響較大，其中以降水最為顯著[9]。

西北內(nèi)陸干旱區(qū)氣象站點分布稀疏，致使模型的可靠性降低，是制約水文模型廣泛應(yīng)用的主要因素之一。為解決地面氣象站點及氣象數(shù)據(jù)缺乏的問題，國內(nèi)外學(xué)者將各種氣候模式輸出數(shù)據(jù)及其降尺度數(shù)據(jù)用于大尺度水文模擬中，并取得了較好的效果[10,11]。但由于氣候模式及再分析數(shù)據(jù)自身的缺陷，氣候模式產(chǎn)品和再分析數(shù)據(jù)與區(qū)域氣候差異較大，應(yīng)用這些數(shù)據(jù)進行水文響應(yīng)研究時會出現(xiàn)差異較大的結(jié)論，究其原因是氣候模式產(chǎn)品模擬區(qū)域氣候時出現(xiàn)的較大偏差所導(dǎo)致的[12,13]。因此，研究不同大氣再分析數(shù)據(jù)及氣候模式產(chǎn)品在SWAT模型中的應(yīng)用效果及敏感性對于水文響應(yīng)研究具有重要意義。中國大氣同化驅(qū)動數(shù)據(jù)集(China Meteorological Assimilation Driving Database for the SWAT model, CMADS) 以中國氣象局大氣同化系統(tǒng)(CLDAS)為基礎(chǔ)，應(yīng)用數(shù)據(jù)模式要素重算、質(zhì)量控制、循環(huán)嵌套、重采樣及雙線性插值等多種技術(shù)手段建立，具有數(shù)據(jù)來源廣、多時間尺度和多分辨率的特點，可應(yīng)用于不同分辨率下的模型[14]。目前該數(shù)據(jù)的應(yīng)用還處于探索階段，孟現(xiàn)勇等國內(nèi)學(xué)者以地處西北干旱區(qū)的黑河流域為研究對象，通過比較由CMADS、CFSR、傳統(tǒng)氣象數(shù)據(jù)驅(qū)動的SWAT模型模擬效果，發(fā)現(xiàn)CMADS結(jié)合SWAT模式的模擬效果優(yōu)于基于CFSR和傳統(tǒng)氣象站的模擬效果[15]。張利敏等對由CMADS驅(qū)動的渾河流域SWAT模型的適用性進行了評價，結(jié)果表明，模型徑流模擬效果理想，且CMADS 數(shù)據(jù)集能很好地反映位于高寒山區(qū)且缺乏氣象資料的渾河流域下墊面氣候特征[16]。本文以寧夏回族自治區(qū)境內(nèi)的苦水河流域為研究區(qū)，分別構(gòu)建由傳統(tǒng)氣象數(shù)據(jù)和CMADS數(shù)據(jù)驅(qū)動的SWAT模型，并進行參數(shù)率定與驗證，以探究不同氣象數(shù)據(jù)源對SWAT模型模擬效果的影響。

1 基礎(chǔ)數(shù)據(jù)處理

1.1 研究區(qū)概況

苦水河源于甘肅省環(huán)縣沙坡子溝，是黃河一級支流，流經(jīng)寧夏回族自治區(qū)鹽池縣、同心縣、吳忠市境內(nèi)，最終于靈武市新華橋匯入黃河，其支流主要有甜水河、小河、沙溝。流域位于北緯37°02′～38°03′，東經(jīng)106°01′～107°14′之間，南北長約224 km，東西最寬為200 km，流域總面積為5 218 km2，年平均徑流量為1 550 萬m3；境內(nèi)屬于溫帶大陸性氣候，年平均氣溫15.8 ℃，年平均降水量248 mm；境內(nèi)地形南高北低，地貌多以山地丘陵為主，分布有黑壚土(Calcic Chernozems)、黃綿土(Calcaric Cambisols)、淡灰鈣土(Calcaric Arenosols)、灰鈣土(Calcaric Fluvisols)、灰褐土(Rendzic Leptosols)、鹽堿土(Mollic Solonchaks)、石灰性粗骨土(Calcaric Regosols)等土壤類型；郭家橋水文站是流域內(nèi)唯一的水文站。

1.2 DEM處理

研究區(qū)DEM空間分辨率為30 m，參考坐標(biāo)系為GCS_WGS_1984(圖1)。在ArcSWAT中需將地理坐標(biāo)系轉(zhuǎn)化為投影坐標(biāo)系，根據(jù)高斯克呂格3度帶投影方式，轉(zhuǎn)換后的DEM投影坐標(biāo)系為Beijing_1954_3_Degree_GK_Zone_35，中央經(jīng)線為東經(jīng)105°。

圖1 苦水河流域DEMFig.1 The DEM of kushui river basin

1.3 土地利用數(shù)據(jù)處理

研究區(qū)土地利用類型數(shù)據(jù)由寧夏回族自治區(qū)水文水資源局提供，其分辨率為30 m，在此以2010年土地利用數(shù)據(jù)為建模基礎(chǔ)數(shù)據(jù)，其土地利用類型主要有水田、旱地、有林地、灌木林、高覆蓋度草地、中覆蓋度草地、低覆蓋度草地、灘地、城鎮(zhèn)用地、農(nóng)村居民地、工交建設(shè)用地、沙地、鹽堿地、裸土地、裸巖16種。由于SWAT 模型內(nèi)嵌美國國家地質(zhì)調(diào)查局(USGS)設(shè)計的土地利用分類系統(tǒng)，所以需對土地利用數(shù)據(jù)進行重分類，并以SWAT 模型要求的字母代碼對土地利用類型命名(命名結(jié)果見表1) ，重分類土地利用現(xiàn)狀圖見圖2。

表1 土地利用重分類結(jié)果Tab.1 Land use reclassification results

圖2 土地利用重分類圖Fig.2 Land use reclassification map

1.4 土壤數(shù)據(jù)處理

本文采用世界和諧土壤數(shù)據(jù)庫(Harmonized World Soil Database, HWSD)提供的土壤數(shù)據(jù)土壤分布圖見圖3。HWSD 采用的FAO 制與SWAT模型采用的土壤粒徑級配標(biāo)準(zhǔn)(USDA)差別不大，所以不用對土壤粒徑進行轉(zhuǎn)化[17]。模型數(shù)據(jù)庫要求的一些參數(shù)，如土壤名稱、沙土含量、壤土含量、黏土含量、礫石含量、分層數(shù)、土壤剖面最大根系深度、土壤層結(jié)構(gòu)、土壤層深度、有機碳含量、電導(dǎo)率可直接從HWSD屬性數(shù)據(jù)庫中查詢獲得。土壤數(shù)據(jù)庫參數(shù)中田間持水量(SOL-AWC)、飽和導(dǎo)水率(SOL-K)、土壤濕密度(SOL-BD)可由SPAW軟件進行計算。

圖3 基于HWSD的土壤類型分布圖Fig.3 Soil distribution map based on HWSD

1.5 氣象數(shù)據(jù)處理

利用傳統(tǒng)氣象數(shù)據(jù)驅(qū)動SWAT 模型時需計算天氣發(fā)生器參數(shù)。天氣發(fā)生器通過統(tǒng)計流域內(nèi)外站點多年氣象觀測值計算出氣候態(tài)以模擬站點歷史缺測值及預(yù)測值[18]。天氣發(fā)生器的各項參數(shù)主要有月平均最高/低氣溫、月最高/低氣溫標(biāo)準(zhǔn)偏差、月平均降雨天數(shù)、月平均降雨量、月降雨量標(biāo)準(zhǔn)偏差、降雨量偏度系數(shù)、所有計算年月內(nèi)降水日與非降水日比率、所有計算年月內(nèi)非降水日與降水日比率、按月統(tǒng)計日均露點溫度、按月統(tǒng)計日均太陽輻射量、按月統(tǒng)計日均風(fēng)速平均風(fēng)速[19]。本研究中傳統(tǒng)氣象站點有鹽池縣、同心縣、中寧縣氣象站(圖4)，其氣象要素時間為2008-2016年。

本文使用的CMADS V1.0數(shù)據(jù)覆蓋整個東亞(0°～65°N，60°～160°E)，空間分辨率為0.25°，氣象要素時間為2008-2016年，其中，位于研究區(qū)的CMADS站點共有16個(圖4)。該氣象數(shù)據(jù)集中，氣溫、氣壓、比濕、風(fēng)速驅(qū)動數(shù)據(jù)利用NCEP /GFS 為背景場，融合中國2421個國家級氣象局自動站的觀測數(shù)據(jù)；降水?dāng)?shù)據(jù)利用CMORPH融合了我國近40000個區(qū)域自動臺站。

圖4 傳統(tǒng)氣象站點與CMADS站點空間分布圖Fig.4 Traditional meteorological stations and CMADS stations Distribution

2 結(jié)果分析及討論

基于流域DEM，利用ArcSWAT2012提取的流域面積為5 218 km2，其中子流域劃分為16個。在子流域基礎(chǔ)上需劃分水文響應(yīng)單元(Hydrologic Response Unit,HRU)，水文響應(yīng)單元是流域內(nèi)最小的水文計算單元，每一個HRU中土地利用/覆被類型、土壤類型、坡度分布無差異，通過計算HRU的匯流量，可計算出子流域徑流量，最終推算整個流域徑流量。加載完土地利用圖和土壤圖以及完成坡度分級后，進行 HRU 的劃分。為保證HRU劃分的準(zhǔn)確性與水文要素計算效率，模型推薦一個子流域內(nèi)的水文響應(yīng)單元一般為3～4個。本文考慮各子流域內(nèi)土壤類型和土地利用類型以及各坡度等級的面積比例，確定出流域內(nèi)優(yōu)勢土壤類型和土地利用類型及坡度等級面積閾值，低于該閾值的類型將劃分到優(yōu)勢類型當(dāng)中。最終確定土地利用、土壤及坡度的面積閾值分別為 8%、10%、16%。并將苦水河流域劃分為237個HRU。在輸入氣象水文數(shù)據(jù)后，2005-2007年為模型的預(yù)熱期，以2008-2012年為模型參數(shù)率定期，2013-2016年為模型驗證期，采用SCS徑流曲線方法計算地表徑流[20]。

在模型初次運行后，需進行參數(shù)敏感性分析，以確定對模型輸出貢獻較大的參數(shù)及不同參數(shù)組合對模擬效果的影響[21]。本文依托SWAT-CUP(SWAT Calibration Uncertainty Procedures) 進行參數(shù)敏感性分析、率定及驗證，其內(nèi)置的SUFI-2算法基于綜合優(yōu)化和梯度搜索方法，同時率定多個參數(shù)，分析模型參數(shù)及模型結(jié)構(gòu)的不確定性[22]，該算法通過確定目標(biāo)函數(shù)，進行多次迭代計算，完成參數(shù)初始范圍的確定，之后進行Latin Hypercube采樣得到多種參數(shù)組合并再次運行模型，完成參數(shù)的不確定性分析及參數(shù)率定[23]。對模型參數(shù)進行敏感性分析，參數(shù)相對顯著性由t-Stat 檢驗值確定，t-Stat 檢驗值的絕對值越大，參數(shù)敏感性越高；P-Value是t檢驗值表對應(yīng)的P概率值，其值越接近于0，參數(shù)敏感性越高。分別對兩種模式氣象站下的模型輸出結(jié)果進行500 次迭代運算，確定敏感性高的參數(shù)并以流域出口郭家橋水文站的月徑流資料為準(zhǔn)進行參數(shù)率定。由表2可知，有8個對兩種模型敏感度都較高的參數(shù)，其中CN2表示SCS 徑流曲線數(shù)，GW_DELAY 表示地下水延遲時間，CH_K2表示河道有效滲透系數(shù)，ESCO 表示土壤蒸發(fā)補償系數(shù)，ALPHA_BNK 表示河岸調(diào)蓄基流系數(shù)，SOL_AWC 表示土壤有效含水率，SOL_K 表示土壤飽和滲透系數(shù)，ALPHA_BF 表示基流α因子，且SCS徑流曲線數(shù)、地下水延遲時間、土壤蒸發(fā)補償系數(shù)在兩種模型中敏感性等級相同，說明這3個參數(shù)對模型結(jié)構(gòu)及模擬結(jié)果影響最大。

表2 參數(shù)敏感性分析及調(diào)參結(jié)果統(tǒng)計Tab.2 Parameter sensitivity analysis and parameter adjusting statistics

模型模擬效果的評價指標(biāo)采用Nash-Sutcliff 效率系數(shù)(NSE) 和決定系數(shù)(R2)，具體表達式為：

(1)

(2)

NSE變化范圍為-∞至1，當(dāng)NSE計算結(jié)果為1時，觀測值與模擬值完全相同；在0.5～1之間，表示模式結(jié)果可接受，當(dāng)NSE小于0時，認(rèn)為模擬效果可靠性差，R2表征模擬值與實測值的相關(guān)性，其值越接近1，表明模擬效果越好[24]。

2008-2012年為率定期，2013-2016年為模型驗證期，以郭家橋水文站實測月徑流流量為準(zhǔn)，先后得到率定期與驗證期徑流模擬結(jié)果。從圖5和表3可以看出：在月尺度上，兩種SWAT模型在率定期及驗證期徑流模擬效果理想，降雨量變化趨勢與徑流變化趨勢一致，且NSE、R2都大于0.6，模擬值與實測值相關(guān)性良好；CMADS驅(qū)動的SWAT模型NSE值與R2均大于基于傳統(tǒng)氣象站數(shù)據(jù)模型的對應(yīng)值，且在徑流流量出現(xiàn)突變的月份，CMADS驅(qū)動的模型徑流峰值變化幅度小于傳統(tǒng)氣象站下的模型徑流變化，更接近實測值，其原因可歸結(jié)為：由于SCS徑流曲線數(shù)、地下水延遲時間、土壤蒸發(fā)補償系數(shù)是對模型敏感度最高的3個參數(shù)，而降雨量又是影響這3個參數(shù)值變化的主要因素，本研究中，由于傳統(tǒng)氣象站點分布稀疏，且大多位于流域外圍，導(dǎo)致模型在進行降水空間插值時出現(xiàn)偏差，使得徑流模擬效果欠佳；而CMADS的運用則彌補了這一偏差，使模擬結(jié)果更為精確?？傮w來看，兩種SWAT模型的徑流模擬結(jié)果都表明，2008-2016年流域年徑流總量呈現(xiàn)減少的趨勢，河道最大流量出現(xiàn)在每年的7-9月，最小流量位于每年的11月到次年4月，這與流域常年氣象水文情勢相符，即苦水河流域地處旱區(qū)，降水主要集中在7-9月；而從11月至次年2月，流域內(nèi)降水稀少，土壤結(jié)凍，降水多以降雪的形式出現(xiàn)，導(dǎo)致匯入河流的地表水量減少；2-4月，河流流水主要來自地下水，隨著氣溫回升，日照時間增多，導(dǎo)致土壤解凍后地表蒸發(fā)逐漸旺盛，植物根系吸水能力增強，使得補給河流基流的地下水水量急劇減少。

圖5 模擬徑流流量與實測徑流流量對比圖Fig.5 The comparison between simulation runoff and the measured in calibration stage

時間站點站點所在子流域號傳統(tǒng)氣象站NSER2CMADSNSER2率定期(2008-2012年)郭家橋水文站10.6420.5970.8460.741驗證期(2013-2016年)郭家橋水文站10.6190.6280.8160.752

3 結(jié) 語

由于研究流域地處西北干旱內(nèi)陸區(qū)，流域內(nèi)氣象站點稀少，所以本文在苦水河流域地形、土壤、土地利用等數(shù)據(jù)的基礎(chǔ)上不僅建立了傳統(tǒng)氣象站數(shù)據(jù)支撐的SWAT模型，還引入了能夠彌補氣象站點缺失的CMADS氣象數(shù)據(jù)，并構(gòu)建了基于此數(shù)據(jù)集的SWAT模型，最終完成了兩種模型的參數(shù)率定及驗證。將兩種模型的徑流模擬效果進行了比較，發(fā)現(xiàn)均適用于此干旱流域，能體現(xiàn)出流域的徑流變化特征，且基于CMADS的SWAT模型模擬精度高于傳統(tǒng)氣象站數(shù)據(jù)支配的模型，說明CMADS可用于氣象資料稀缺地區(qū)SWAT模型的構(gòu)建。

CMADS大氣同化數(shù)據(jù)集是近年開發(fā)的大氣數(shù)據(jù)再分析產(chǎn)品，其氣象要素時間范圍較小(2008-2016年)，導(dǎo)致模型率定期、驗證期較短，這會對參數(shù)敏感性分析、參數(shù)率定及驗證效果造成一定的影響。由于流域內(nèi)只有一個出口水文站，所以用此水文站徑流數(shù)據(jù)進行模型參數(shù)率定及驗證將不能完全確定影響子流域產(chǎn)流相關(guān)參數(shù)的變化情況，增大了模型調(diào)參的隨機性，在今后的研究中應(yīng)注重應(yīng)用其他實測氣象水文數(shù)據(jù)進行模型校正與驗證，例如利用遙感ET進行模型校正，可以從子流域的角度出發(fā)完成模型參數(shù)敏感性分析、率定及驗證，從而提高模型運行的可靠性。此外，本研究僅考慮了基于SWAT模型的流域自然水文循環(huán)，并未考慮模型對流域內(nèi)退耕還林、揚水工程等人為活動的響應(yīng)，將在后續(xù)的研究中繼續(xù)深入上述問題的研究。

□

參考文獻：

[1] 閆紅飛,王船海,文 鵬. 分布式水文模型研究綜述[J]. 水電能源科學(xué),2008,26(6):1-4.

[2] 王中根,劉昌明,黃友波. SWAT模型的原理、結(jié)構(gòu)及應(yīng)用研究[J]. 地理科學(xué)進展,2003, 22(1):79-86.

[3] Dessu S B, Melesse A M. Modelling the rainfall-runoff process of the Mara River basin using the Soil and Water Assessment Tool [J]. Hydrological Processes, 2012,26(26):4 038-4 049.

[4] 孫 瑞,張雪芹. 基于SWAT模型的流域徑流模擬研究進展[J]. 水文,2010,30(3):28-32.

[5] 林桂英,曾宏達,謝錦升. SWAT模型在流域LUCC水文效應(yīng)研究中的應(yīng)用[J]. 水資源與水工程學(xué)報,2009,20(6):145-148,151.

[6] Gessese A, Yonas M. Prediction of inflow to legedadi reservoir using SWAT watershed and CCHELD sediment transport models[J]. Nile Basin Water Engineering Scientific Magazine,2008,(1):65-74.

[7] 陳曼雨,崔遠來,鄭世宗,等. 基于SWAT模型的農(nóng)業(yè)面源污染尺度效應(yīng)研究[J]. 中國農(nóng)村水利水電,2016,(9):187-191,196.

[8] 王 林,陳興偉. SWAT模型流域徑流模擬研究進展[J]. 華僑大學(xué)學(xué)報(自然科學(xué)版),2008,(1):6-10.

[9] 廖亞一,呂海深,李占玲. 氣象數(shù)據(jù)不確定性對SWAT模型徑流模擬影響[J]. 人民長江, 2014,(9):34-38.

[10] Smith R A, C D Kummerow. A comparison of in situ, reanalysis, and satellite water budgets over the Upper Colorado River Basin[J]. Journal of Hydrometeorology，2013,(14):888-905.

[11] Lavers D A, G Villarini, R P Allan, et al. The detection of atmospheric rivers in atmospheric reanalyses and their links to british winter floods and the large-scale climatic circulation[J]. Journal of Geophysical Research Atmospheres，2012，117(D20):1-13.

[12] 陸桂華,吳志勇,張建云. 陸氣耦合模型在實時暴雨洪水預(yù)報中的應(yīng)用[J]. 水科學(xué)進展,2007,16(6):847-852.

[13] 王 超. 祁連山區(qū)出山徑流對氣候變化的響應(yīng)研究----以黑河上游為例[D]. 蘭州:蘭州大學(xué),2010.

[14] 孟現(xiàn)勇. SWAT 模型中國大氣同化驅(qū)動數(shù)據(jù)集(CMADS V1.1)[Z]. 蘭州:寒區(qū)旱區(qū)科學(xué)數(shù)據(jù)中心,2016.

[15] 孟現(xiàn)勇,師春香,劉時銀,等. CMADS數(shù)據(jù)集及其在流域水文模型中的驅(qū)動作用----以黑河流域為例[J]. 人民珠江,2016,37(7):1-19.

[16] 張利敏,王 浩,孟現(xiàn)勇. 基于CMADS驅(qū)動的SWAT模型在遼寧渾河流域的應(yīng)用研究[J]. 華北水利水電大學(xué)學(xué)報(自然科學(xué)版),2017,38(5):1-8.

[17] 寧吉才,劉高煥,劉慶生. 水文響應(yīng)單元空間離散化及SWAT模型改進[J]. 水科學(xué)進展,2012,23(1):14-20.

[18] Neitsch S L, J G Arnold，J R Kiniry, et al. Soil and Water Assessment Tool Theoretical Documentation[Z]. Version 2005. Grassland Soil and Water Research Laboratory, Agricultural Research Service, Blackland Research Center, Texas Agricultural Experiment Station, Temple, Texas, 2012.

[19] 李 威. 基于GIS和SWAT模型的嘉陵江降雨徑流模擬研究[D]. 重慶：重慶師范大學(xué),2015.

[20] 王 英,黃明斌. 徑流曲線法模型參數(shù)在黃土地區(qū)的優(yōu)化研究[J]. 水土保持通報,2008,(1):54-58.

[21] 宋曉猛,張建云,占車生,等. 水文模型參數(shù)敏感性分析方法評述[J]. 水利水電科技進展,2015,35(6):105-112.

[22] Richard M W, Sam M, Juan A，et al. Effect of drought and the presence of the 1BL /1RS translocation on grain vitreosity, hardness and protein content in winter wheat[J]. Journal of Cereal Science,2008,47(3):457-468.

[23] 劉睿翀,霍艾迪,CHEN X H,等. 基于SUFI-2 算法的SWAT 模型在陜西黑河流域徑流模擬中的應(yīng)用[J]. 干旱地區(qū)農(nóng)業(yè)研究,2014,32(5):213-217,222.

[24] 劉 俊,劉時銀,上官冬輝,等. CMADS、ITPCAS和TRMM 3B42 3套降水?dāng)?shù)據(jù)集在玉龍喀什河流域的適用性評價[J]. 華北水利水電大學(xué)學(xué)報(自然科學(xué)版),2017,38(5):28-37.