楊 穎，馬 蓮，李樹森，高云鶴，李夢媛，劉增輝，司劍華，盧素錦*，陳雨薇，李紫涵，張小燕，顏 丹，單雅佩，劉海玲

(1.青海大學(xué) 生態(tài)環(huán)境工程學(xué)院，青海 西寧 810016； 2.青海大學(xué) 農(nóng)牧學(xué)院，青海 西寧 810016)

SWAT(soil and water assessment tool)是一個長時間尺度的分布式水文模型，該模型適用于不同地域、不同空間尺度、不同時間尺度等多種環(huán)境過程[1]，適用于具有不同土壤類型以及土地利用的復(fù)雜大流域，目前已得到廣泛應(yīng)用[2].作為SWAT模型的技術(shù)支撐，“3S”技術(shù)的發(fā)展促進了分布式水文模型的應(yīng)用[3].國外將SWAT模型應(yīng)用于美國德格薩斯州、密西西比河等區(qū)域，應(yīng)用SWAT模型進行徑流模擬、分布式水文-土壤-植被模型(DHSVM)開發(fā)等方面的研究[4-8]；SWAT模型在國內(nèi)的應(yīng)用與研究從2000年左右開始，先后開展了三川河流域、東江流域、潘家口水庫等的模擬，利用SWAT模型對土地利用、土地覆被變化對徑流量的影響等進行研究[9-12]，并對SWAT模型的應(yīng)用進行了改進[13-14].

長江源區(qū)地處青藏高原，是組成三江源自然保護區(qū)的重要部分，是我國生態(tài)環(huán)境安全以及經(jīng)濟可持續(xù)發(fā)展的重要生態(tài)屏障[15].目前，國內(nèi)部分學(xué)者已對長江源區(qū)流域徑流量變化等做了研究，如張小詠等[16]利用長江源區(qū)1975—2004年氣象數(shù)據(jù)、水文數(shù)據(jù)等進行了模擬.張佳等[17]通過SWAT水文模型，分析了長江源區(qū)巴塘河流域的氣候變化和水文響應(yīng)關(guān)系；李佳等[18]通過構(gòu)建SWAT水文模型，對不同的土地利用及土地覆被情況下的徑流量進行了分析.目前對長江源區(qū)SWAT水文模型的研究雖獲得了一定的成果，但存在研究空間、時間尺度較短等問題[19].筆者通過建立長江源區(qū)SWAT水文模型數(shù)據(jù)庫，對SWAT水文模型進行參數(shù)率定與驗證，預(yù)測源區(qū)長時間尺度的水量輸出過程、趨勢和規(guī)律，為研究氣候變化對長江源區(qū)水文資源循環(huán)過程的影響提供依據(jù).

1 材料與方法

1.1 研究區(qū)概況

長江源區(qū)地處青藏高原，地理坐標(biāo)為32°30′～35°35′N，90°43′～96°45′E，是組成三江源國家公園的重要部分，是我國生態(tài)環(huán)境安全以及經(jīng)濟可持續(xù)發(fā)展的重要生態(tài)屏障[15].源區(qū)為典型的高原大陸性氣候，干燥、寒冷、缺氧、晝夜溫差大，風(fēng)大沙多.年平均氣溫在6.0～4.0 ℃之間[20]，屬于高原亞寒帶半濕潤半干旱區(qū)，流域內(nèi)植被類型簡單[21]，主要有高寒草原生態(tài)系統(tǒng)、高寒草甸生態(tài)系統(tǒng)和高寒沼澤生態(tài)系統(tǒng)三大類型[22].土壤類型有高山草甸土、沼澤土和高山草原土[18].

選取長江源區(qū)五道梁、沱沱河、治多、曲麻萊、玉樹、清水河、安多、囊謙、雜多共9個氣象站點以及直門達、沱沱河、楚瑪爾、雁石坪共4個水文站(見圖1)，統(tǒng)計及處理各站點的所有數(shù)據(jù).

圖1 長江源區(qū)氣象站點和水文站點分布圖

1.2 數(shù)據(jù)來源

土地覆被數(shù)據(jù)是認(rèn)識人類活動和全球變化之間復(fù)雜關(guān)系的關(guān)鍵信息源.NLCD2001(國家土地覆被數(shù)據(jù)庫，National Land Cover Database， http://www.dsac.cn/)數(shù)據(jù)集的研發(fā)，在已有國內(nèi)外土地覆被分類系統(tǒng)的基礎(chǔ)上，基于中國土地覆被實際情況，從遙感分析角度和陸地生態(tài)系統(tǒng)觀點出發(fā)，建立一種新的土地覆被分類體系，該體系由一級地類7類、二級地類28類構(gòu)成且對每一種土地覆被類型二級類分別進行編碼、定義，并對其主要特征和空間分布進行詳盡描述[23].以多種遙感影像作為數(shù)據(jù)源，以中國植被區(qū)劃數(shù)據(jù)、數(shù)字高程模型數(shù)據(jù)(digital elevation model，簡稱DEM)等多種數(shù)據(jù)作為輔助數(shù)據(jù)，該數(shù)據(jù)庫被普遍認(rèn)為能夠提高土地分類的準(zhǔn)確性[24].筆者在中國地理空間數(shù)據(jù)云(http://www.gscloud.cn/)根據(jù)經(jīng)緯度共下載60張30 m分辨率的DEM數(shù)據(jù)影像圖，按照長江源區(qū)域裁剪；土地利用/土地覆蓋數(shù)據(jù)采用SWAT模型中推薦的NLCD2001進行分類.

所使用數(shù)據(jù)資料包括長江源區(qū)DEM影像圖、土地利用/土地覆蓋數(shù)據(jù)，以及徑流量、氣溫、相對濕度、降水量、太陽輻射、大氣壓、風(fēng)速、蒸散發(fā)量等數(shù)據(jù).

長江源區(qū)1961—2020年氣象數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn)中的地面資料和青海省氣候中心；1961—2020年徑流量數(shù)據(jù)來源于青海省水文水資源勘測局.

1.3 SWAT水文模型的原理及方法

1.3.1 SWAT水文模型的原理及運行結(jié)構(gòu)

SWAT水文模型可以將流域劃分為不同的子流域，并進行多種不同的水運轉(zhuǎn)換的物理過程模擬.運用SWAT模型中氣候和水文2個組件[25-26].

1.3.2 SWAT水文模型參數(shù)敏感性及率定的方法

SWAT水文模型使用LHS-OAT分析方法進行參數(shù)敏感分析和自動參數(shù)率定，該方法結(jié)合了拉丁超立方抽樣法(latin hypercube sampling，簡稱LHS)與單因子(one factor at a time experimentation，簡稱OAT)敏感度分析，同時具備LHS抽樣的健壯性和OAT算法的準(zhǔn)確性[27].

1.3.3 SWAT水文模型驗證的方法

通過敏感性分析后選出所用參數(shù)，并利用參數(shù)驗證SWAT水文模型，檢驗?zāi)Ｐ褪欠衲芊从吃撗芯苛饔虻那闆r[27].在驗證時，先預(yù)熱模型，以排除參數(shù)變量對結(jié)果的影響.

選取相對誤差Re以及擬合度R2對模型進行評估.Re越接近0，模型模擬結(jié)果與實測值相差越小.R2為模擬值與實測值的擬合度，數(shù)值越接近1，則模擬值與實測值越接近[28].

(1)

(2)

其中：Qs為模擬值，Qm為第m次的觀測值，Qoi為第i次的實際測量值，ˉQo為平均的實際測量值，Qsi為第i次的模擬值，ˉQs為平均的模擬值.

1.4 數(shù)據(jù)處理

將下載的60張長江源區(qū)DEM影像圖拼接，裁剪成長江源區(qū)行政區(qū)域圖.shp文件.為防止在模型中水流流向計算錯誤，需將拼接圖像中不平滑或不完整的區(qū)域在ArcGIS 10.2 軟件中使用“ArcToolbox”工具進行填洼處理，然后進行水文分析.

利用NLCD2001(國家土地覆被數(shù)據(jù)庫，National Land Cover Database)，得到長江源區(qū)土地利用/土地覆蓋圖(圖2)和土壤類型圖(圖3).

圖2 長江源區(qū)土地利用/土地覆蓋圖

圖3 長江源區(qū)土壤類型圖

2 結(jié)果與分析

2.1 SWAT水文模型數(shù)據(jù)庫的構(gòu)建

2.1.1 構(gòu)建土地數(shù)據(jù)庫

根據(jù)圖2中已劃分好的長江源區(qū)土地利用類型，使用SWAT水文模型的輔助工具SPAW(土壤計算軟件)計算，得到SOL-K(土層飽和水傳導(dǎo)度)、SOL-AWC(土壤層有效含水量)、SOL-BD(土壤容積密度)3項數(shù)據(jù).將以上3項數(shù)據(jù)進行處理，導(dǎo)入SWAT模型中建立土壤數(shù)據(jù)庫.

2.1.2 構(gòu)建氣象數(shù)據(jù)庫

使用MATLAB軟件編程，計算長江源區(qū)各氣象站點內(nèi)的徑流量、氣溫、相對濕度、降水量、太陽輻射、大氣壓、風(fēng)速、蒸散發(fā)量等數(shù)據(jù)，得出月平均值.其中，可利用多個月平均值的均值補充缺失的數(shù)據(jù).將處理好的各項數(shù)據(jù)導(dǎo)入模型，建立氣象數(shù)據(jù)庫.

2.2 SWAT水文模型的建立

在經(jīng)過處理的DEM圖中提取河網(wǎng)(圖4)，選取直門達水文站作為長江源區(qū)的流域總出口，在模型中輸入直門達水文站的經(jīng)緯度坐標(biāo)，然后劃分出長江源區(qū)子流域.計算出流域的總體參數(shù)，通過土地利用/土壤類型劃分水文響應(yīng)單元(hydrologic response unit，簡稱HRU)(圖5).研究中，將長江源區(qū)劃分為31個子流域，202個HUR.模型的參數(shù)率定以及驗證需要使用長江源區(qū)內(nèi)水文站實測的數(shù)據(jù).1961—2016年為模型的模擬時間，其中模型的預(yù)熱期為1961—1965年，以2017—2020年進行模型的驗證.若模型可以正常運行，則證明數(shù)據(jù)庫成功建立.

圖4 長江源區(qū)河網(wǎng)圖

圖5 長江源區(qū)子流域及水文響應(yīng)單元

2.3 SWAT水文模型的參數(shù)敏感性分析及率定

參數(shù)敏感性分析是為了判斷哪幾項數(shù)據(jù)的變化對結(jié)果的影響更大[29].若使用模型中全部的中間變量，則計算量過大.因此選取敏感性高及最重要的中間參數(shù)可以提高對SWAT模型的計算效率[28].為減少不重要參數(shù)的影響，研究中采用的方法為LH-OAT法(拉丁超立方方法)[30].

經(jīng)過敏感性分析，得出基流衰減系數(shù)等8個影響長江源區(qū)徑流模擬結(jié)果精度的參數(shù)，具體參數(shù)列于表1.

徑流曲線數(shù)(runoff curve number，簡稱CN)，為無量綱參數(shù)，是一個反映土地利用、土壤類型、水文條件和前期土壤濕度的綜合性指標(biāo).CN值越大，可能滲入量越小，越容易產(chǎn)生徑流，它在SCS模型中是一個重要的參數(shù)，對徑流計算結(jié)果影響很大，決定地表徑流、側(cè)流和淺蓄水層的出流量，是影響水文過程模擬精度的基本關(guān)鍵參數(shù).前期降水指數(shù)分為干旱、正常及濕潤3種狀態(tài)，CN2對應(yīng)降水指數(shù)正常狀態(tài)值.經(jīng)上述敏感性分析，CN2敏感度數(shù)值為0.022，表明CN2敏感性較低，對標(biāo)準(zhǔn)SCS-CN模型中的CN和初損率λ進行敏感性分析，經(jīng)公式(1)計算，得出以不同土地利用方式為主的流域，當(dāng)CN值一定時，初損率λ相對敏感性會隨著降雨量的增加而減小，即降雨量越小，地表徑流量對初損率λ變化越敏感.徑流量對初損率λ的敏感程度的影響從大到小排序依次為：人工林為主的流域，草地和喬木林為主的清水河流域，次生林為主的流域，農(nóng)田草地為主的流域.文中長江源區(qū)土壤類型大多是以草地為主的流域，因此，CN對地表徑流敏感性較低.但模擬結(jié)果評價目標(biāo)不同時，模型參數(shù)的敏感性會有一定的變化，即不同的土壤類型分布，其推求的參數(shù)的敏感度會有所改變.

表1 SWAT水文模型參數(shù)敏感性分析

在SWAT水文模型中輸入選擇出的8個敏感性高的參數(shù)，將模擬值與實測值進行對比.將選出的參數(shù)用SWAT模型進行率定(見表2)，首先將參數(shù)輸入模型，確定率定值范圍，然后不斷縮小范圍直到確定最終值.表2顯示，最終率定值在率定范圍內(nèi)，證明參數(shù)在該模型中適用.

表2 SWAT水文模型參數(shù)率定范圍及最終結(jié)果

2.4 SWAT水文模型的驗證

該模型中，1961—2016年為率定期，2017—2020年為驗證期.比較率定期內(nèi)和驗證期內(nèi)的模擬值與實測值，結(jié)果如圖6～8所示.

圖6 率定期長江源區(qū)月徑流模擬值與實測值對比

圖7 驗證期長江源區(qū)月徑流模擬值與實測值對比

圖8 率定期和驗證期決定系數(shù)比較

由圖6～8可見，通過模型模擬所得數(shù)據(jù)與實際測量數(shù)據(jù)之間存在一定的偏差.在春汛期，即每年3—5月中，氣溫上升導(dǎo)致冰川融雪，使徑流量突然增加；在夏季，即每年6—9月中，長江源區(qū)降水量增加，模型模擬所得數(shù)據(jù)和實際徑流量值接近，但存在短期內(nèi)降雨量過大導(dǎo)致洪水，從而模擬所得數(shù)值比實測數(shù)據(jù)偏低；在冬季，即每年10月至次年2月徑流量伴隨著氣溫的降低而逐漸減小，模擬所得數(shù)據(jù)接近實測數(shù)據(jù).

長江源區(qū)模擬評價結(jié)果列于表3.

表3 長江源區(qū)模擬評價結(jié)果

由表3可知，率定期相對誤差為5.27%，決定系數(shù)為0.84，表明在率定期內(nèi)的實測值與模擬值擬合較好，SWAT水文模型對長江源區(qū)凈流量的模擬符合實際；驗證期相對誤差為3.34%，決定系數(shù)為0.89，表明SWAT水文模型適用于長江源區(qū).

3 討論與結(jié)論

筆者構(gòu)建長江源區(qū)SWAT水文模型的過程與李佳等[18]基本相同，而在參數(shù)的敏感性分析及選取與模擬最終得到的誤差值等方面與張小詠等[16]的結(jié)論存在偏差.筆者利用1961年以來的數(shù)據(jù)建立了長江源區(qū)SWAT水文數(shù)據(jù)模型，得到的模擬結(jié)果與實際測量結(jié)果誤差較低，相對更為精準(zhǔn)，說明使用長時間尺度范圍的數(shù)據(jù)可以提高模型的精確度；研究中2004年的凈流量模擬數(shù)據(jù)誤差較大，這可能是由于短期內(nèi)降水集中、強度大，而SWAT水文模型不夠完善，無法處理這種特殊情況，其有待于進一步修正完善；利用SWAT水文模型模擬得出1961—1966年和2006年以后兩個階段徑流量增加，1967—2005年徑流量呈現(xiàn)波動下降的趨勢，率定期的模擬值與實際值誤差為5.27%，在驗證期內(nèi)誤差為3.34%，所得模擬數(shù)據(jù)較為合理.該結(jié)論與羅玉、韓麗等[30-31]的結(jié)論基本符合.通過構(gòu)建SWAT 水文模型進行氣候變化的模擬，發(fā)現(xiàn)降水量增加、蒸散發(fā)量減少會導(dǎo)致長江源區(qū)凈流量明顯增加，氣溫急劇上升導(dǎo)致的冰雪融化會使徑流量劇增，此結(jié)論與齊冬梅、張曉婭等[32-33]的結(jié)論基本符合.但該模型中氣溫上升與徑流量增加的關(guān)系不顯著，有待于進一步探討.

筆者通過建立長江源區(qū)SWAT水文模型數(shù)據(jù)庫，對參數(shù)進行率定，并驗證模型，得出以下結(jié)論：

(1) 在模型參數(shù)敏感性分析過程中，選取了基流衰減系數(shù)等8個參數(shù)的敏感性大，對徑流的影響更顯著.模型驗證所得的模擬徑流量與實際徑流量相比誤差小，且擬合度較高.

(2) 由1961—2015年各項數(shù)據(jù)率定所得的參數(shù)，通過模型模擬得出2016—2020年的長江源區(qū)徑流量高于實際所測得的數(shù)據(jù).

(3) SWAT水文模型在長時間尺度下精準(zhǔn)度較高，適用于長江源區(qū)，但SWAT水文模型中融冰融雪模塊不夠精準(zhǔn)，春汛期的徑流量模擬偏差比其他時期較大，SWAT水文模型在高寒地區(qū)的應(yīng)用需要進一步完善.