基于SWAT模型的抚河流域土壤侵蚀模拟

肖军仓，罗定贵，王忠忠

（1．河南省环境保护科学研究院，郑州450004；2．广州大学 环境科学与工程学院，广州510006；3．广东省地质调查院，广州510080）

土壤侵蚀使土壤和养分流失、土地贫瘠、宜耕地减少；导致地表植被严重破坏，生态环境恶化；大量泥沙进入水库、河道和湖泊，造成河床淤塞、抬高，引起河流泛滥，加剧洪涝灾害的威胁；泥沙中的氮、磷营养物质还会加剧水体的富营养化，已经成为目前最为严重的环境问题之一。近年来，随着GIS技术和分布式水文模型的发展，为土壤侵蚀定量研究提供了有效的分析工具，SWAT模型即为其中之一。SWAT（Soil and Water Assessment Tool）作为典型的分布式水文模型，在世界上已得到广泛应用。如Santhi等［1］对美国德克萨斯州的 West Fork流域在执行水质管理规划（WQMPs）前后两个情景进行模拟，来评价该规划对非点源污染的长期影响。Behera等［2］对Kapgari流域的非点源污染关键区进行了识别。Srinivasan等［3］成功模拟了 Richland－Chambers流域的径流和泥沙输移量，指出SWAT模型可以用于情景分析以检测流域的生态脆弱区，并提出减少土壤流失的最佳措施。庞靖鹏等［4］利用SWAT模型分析了不同土地利用方式对产沙的影响，结果表明：流域内的土壤侵蚀主要发生在农田。郝芳华等［5］利用情景模拟来分析土地利用变化对产流量和产沙量的影响，模拟结果显示：森林的存在能增加径流量，减少产沙量；草地覆被能减少产沙量；农业用地的增加将会导致产沙量增加。卢爱刚等［6］通过对黄土高原典型区汭河流域的径流、侵蚀模数的模拟研究，对流域的径流现状和侵蚀现状进行了空间定量评价。杨巍等［7］利用SWAT模型对水库汇水区产沙以及泥沙入库进行了研究，揭示了水库汇水区的水土流失规律。

抚河是鄱阳湖流域第二大水系，抚河流域为典型的农业区。研究抚河流域不同土地利用方式下的产流产沙规律，定量分析不同土地利用类型的径流和泥沙响应，探索流域的水土保持与生态恢复对策，对于抚河流域的生态保护和生态恢复，乃至对鄱阳湖流域的水环境、生态保护都有重要的参考价值，可以为区域可持续发展对策的制定提供科学依据。

本文以抚河流域为研究对象，应用SWAT模型对其1999—2005年的产流产沙进行模拟，对其土壤侵蚀强度进行分级，并分析不同土地利用方式对河道中泥沙负荷的贡献。

1 材料与方法

1．1 抚河流域概况

抚河是江西省第二大河流，抚河流域地处江西省东部（图1），位于115°36′—117°10′E，26°30′—28°20′N，流域面积15 856km2，属于中亚热带湿润季风区，年均降水量1 790mm。境内以丘陵山地为主，丘陵占53．1%，山地占29．5%，岗地占10．4%，平原只占7．0%。土壤以红壤、潴育型水稻土、黄红壤、酸性紫色土、黄壤等为主［8］。林地占流域总面积的65．93%、水稻田占23．46%，是流域两种主要的土地利用类型。

1．2 SWAT模型原理

SWAT是美国农业部（USDA）开发的流域尺度的分布式水文模型，用于模拟预测一个大型复杂的流域内，土地管理措施对流域产流、产沙和化学污染物负荷的影响［9］。SWAT模型是在SWRRB（Simulator for Water Resources in Rural Basins）模型［10］基础上发展起来的，融合了ARS几个模型的特点。模型自开发以来，已经在北美、欧洲等地取得了广泛的应用，并在不断地进行改进。

应用SWAT模型前，须将流域划分成多个子流域。在流域内不同地点，对每个子流域分别预测径流，然后通过河道的汇流得到总径流。SWAT模型采用修正的SCS曲线数CN值法对降雨量计算得到地表径流量［11］；采用修正的通用土壤流失方程（MUSLE）来计算每个子流域的土壤侵蚀和泥沙量［12］。

图1 抚河河域内气象站点、雨量站点位置

1．3 模型输入数据

为了便于模型的应用，将抚河流域划分为50个子流域，每个子流域再进一步划分为模型所需大小的水文响应单元（HRUs），最终划分为368个水文响应单元。模型所需要的数据包括地形、土壤、农业土地管理和逐日气象数据。区域地形图、土壤属性数据和土地覆盖／土地利用数据均来源于江西省国土资源厅，农业土地管理数据来源于农业主管部门及实地调查复核资料。

本研究采用的水文气象数据时段为1986—2005年，包括26个雨量站（含11个气象站）的日降雨数据，11个气象站的日气象数据（最高／最低气温、太阳辐射、风速、相对湿度等），4个水文站（南城站、廖家湾站、娄家村站、李家渡站）的径流量、河道输沙量数据，1座大型水库（洪门水库）的日出流量数据。以上数据由江西省气象局和抚州市水文局共同提供。

1．4 模型校准与验证

模拟精度的高低决定了模型在研究区的适应性。本次研究选取3个指标用于模型适用性评价，分别是相对误差Re、决定系数R2和Nash－Suttcliffe效率系数。相对误差计算公式为：

式中：Re——模型模拟相对误差；Qp——模拟值；Qo——实测值。若Re为正值，说明模型预测或模拟值偏大；若Re为负值，则说明模型预测或模拟值偏小；若Re＝0，则说明模型模拟结果与实测值正好吻合。

决定系数R2在MS－Excel中应用线性回归法求得，R2也可以进一步用于实测值与模拟值之间的数据吻合程度评价，R2＝1表示非常吻合，当R2＜1时，其值越小，则表明数据的吻合程度越低。

Nash－Suttcliffe效率系数NSE的计算公式为：

式中：Qp——模拟值；Qo——实测值；¯Q——实测平均值；n——实测数据个数。当Qo＝Qp时，NSE＝1；若NSE为负值，说明模型模拟平均值比直接使用实测平均值的可信度低。

模型在运行初期需要将模拟初期作为模型运行的启动（Setup）阶段，以合理估计模型初始变量，然后再将数据系列分为校准和验证阶段。根据数据获取的完整性，选用1998—2005年间的径流进行模拟，其中1998年数据用作模型模拟的建立阶段，1999—2002年作为校准阶段（Calibration），2003—2005年作为验证阶段（Validation）。

校准SWAT模型中径流和泥沙负荷相关参数的步骤为：首先进行径流参数校准，若模拟值与实测值月均误差小于实测值的20%，月决定系数R2＞0．6，且NSE＞0．5，则认为达到满意精度。其次，对泥沙负荷进行参数校准，若模拟值与实测值月均误差小于实测值的30%，月决定系数R2＞0．6，且 NSE＞0．5，则认为达到满意精度。至此完成对径流和泥沙负荷的校准过程。在此基础上采用另外一组数据对模型进行验证，最终确定模拟参数值。

2 结果与分析

2．1 校准结果

利用南城、廖家湾、娄家村和李家渡水文站1999—2002年月径流实测数据和月泥沙量数据进行月尺度校准。校准期间月径流量和月泥沙量的实测值与模拟值的拟合结果分别如图2、图3所示。校准统计结果见表1。

径流：南城、廖家湾和娄家村3个测站校准期的相对误差都小于±5%，李家渡站的相对误差较大。南城、廖家湾和娄家村3个测站的决定系数R2分别为0．87，0．89，0．86，李家渡站略低为0．83；各个测站的NSE值都大于0．7，其中李家渡站的NSE值略低，为0．74，其余各站均大于0．80。

泥沙：南城、廖家湾、娄家村和李家渡站校准期的相对误差都小于±20%，其中娄家村站的相对误差较大。南城、廖家湾和娄家村站的决定系数R2分别为0．80，0．75和0．82，李家渡站略低，为0．70；各个测站的NSE值都大于0．6，其中李家渡站的NSE值略低，为0．64。

2．2 验证结果

校准完成后，使用2003—2005年的径流和泥沙观测数据进行验证。验证期间月径流量和月泥沙量的实测值与模拟值的拟合结果分别见图4、图5，验证期的评价参数见表1。

图2 抚河流域各测站1999－2002年径流实测值和模拟值月拟合曲线

图3 抚河流域各测站1999－2002年泥沙实测值和模拟值月拟合曲线

图4 抚河流域各测站2003－2005年径流实测值和模拟值月拟合曲线

表1 SWAT模型校准和验证所用的最佳标准

径流：南城、廖家湾和娄家村3个测站验证期的相对误差都小于±10%，李家渡站的相对误差则较大，不满足评价标准，其原因是：李家渡处于赣抚平原，经济较发达，人口较多，取水口一般都设在抚河，其取水量占整个抚河总取水量的25%多［13］，对抚河径流有重要影响，所以造成实际流量较模拟值偏小。南城、廖家湾、娄家村和李家渡站的决定系数R2分别为0．93，0．93，0．86，0．86；各个测站的NSE值都大于0．7，其中李家渡站的NSE值略低，为0．74，其余各站均大于0．78。

泥沙：各个测站验证期的相对误差都小于±15%。南城、廖家湾、娄家村和李家渡站的决定系数R2分别为0．81，0．83，0．84，0．85；各个测站的 NSE值都大于0．81。以上校准与检验证明，除了李家渡外（未考虑取水量对模拟结果的影响），SWAT模型对研究区所有站点的径流、泥沙模拟都达到了满意的精度。表明了模型在抚河流域的适宜性。

2．3 土壤侵蚀分析

基于SWAT模型的模拟结果，对研究区土壤侵蚀状况进行了分析。（1）土壤侵蚀强度分级。根据SWAT模型模拟的1999—2005年各子流域泥沙负荷的平均值来计算各子流域的侵蚀模数，然后按照土壤侵蚀强度分级标准，对各子流域内的土壤侵蚀强度进行了分级。从模型模拟结果来看，抚河流域内微度侵蚀区域面积为8 029．53km2，占流域面积的51．9%，主要分布在支流—临水流域及流域北部出口处；轻度侵蚀区域总面积为7 434．83km2，占流域总面积的48．1%，主要分布在流域南部抚河上游和东部的黎滩河小流域。（2）不同土地利用类型对产沙的影响。通过对流域内定义的368个水文响应单元的泥沙负荷进行统计，得到模拟年份1999—2005年不同土地利用类型的泥沙负荷及平均侵蚀模数（表2）。前期土地利用分类时，将裸地归入了城乡及工矿用地类型中，因此从结果来看，受人为扰动因素、植被覆盖度的影响，城乡及工矿用地的土壤侵蚀模数比耕地要大；在当地，果园主要位于山区的山坡上，其作物主要是南丰金桔，受经济利益的驱动，金桔在区域内的种植范围一直在扩大，对土壤侵蚀的影响也很巨大。而从产沙量的绝对量来看，林地的产沙量是最大的，这与该类型在区域内的面积占较大比重有关。

图5 抚河流域各测站2003－2005年泥沙实测值和模拟值月拟合曲线

表2 抚河流域不同土地利用类型泥沙负荷

3 结 论

本文选择抚河流域为研究区，应用SWAT模型对研究区的径流、产沙状况进行了校准和验证，结果表明：流域内4个测站月径流、月输沙量的校准期和验证期的决定系数在0．7～0．93之间，Nash－Sutteliffe系数在0．64～0．92之间，径流、泥沙模拟结果达到满意精度，SWAT模型在本区域具有良好的适用性。在此基础上分析了抚河流域土壤侵蚀强度特征，探讨了不同土地利用条件对产沙的影响，结果表明：抚河流域的土壤侵蚀以微度侵蚀和轻度侵蚀为主；受人为扰动因素、植被覆盖度的影响较大，城乡及工矿用地的土壤侵蚀模数比耕地要大；而从产沙量的贡献来看，林地的产沙量绝对值是最大的，这与区域内林地面积占较大比重有关。

［1］ Santhi C，Srinivasan R，Arnold J G，et al．A modeling approach to evaluate the impacts of water quality management plans implemented in a watershed in Texas［J］．Environmental Modelling＆Software，Corrected Proof，2006，21（8）：1141－1157．

［2］ Behera S，Panda R K．Evaluation of management alternatives for an agricultural watershed in a sub－humid subtropical region using aphysical process based model［J］．Agriculture，Ecosystems and Environment，2006，113（1／4）：62－72．

［3］ Srinivasan R，Amold J G，Jones C A．Hydrologic modeling of the United States with the Soil and Water Assessment Tool［J］．Water Resources Development，1998，14（3）：315－325．

［4］ 庞靖鹏，刘昌明，徐宗学．基于SWAT模型的径流与土壤侵蚀过程模拟［J］．水土保持研究，2007，14（6）：89－94．

［5］ 郝芳华，陈利群，刘昌明，等．土地利用变化对产流和产沙的影响分析［J］．水土保持学报，2004，18（3）：5－8．

［6］ 卢爱刚，索安宁，张镭．基于SWAT模型的黄土高原典型区水土流失格局模拟评价［J］．水土保持研究，2011，18（2）：57－65．

［7］ 杨巍，汤洁，李昭阳，等．基于SWAT模型的大伙房水库汇水区径流与泥沙模拟［J］．水土保持研究，2012，19（2）：77－81．

［8］ 江西省土壤普查办公室．江西土壤［M］．北京：中国农业科技出版社，1991．

［9］ Neitsch S L，Arnold J G，Kiniry J R，et al．Soil and Water Assessment Tool Theoretical Documentation Version 2009［R］．Grassland，Soil and Water Research Laboratory，Agricultural Research Service，2011．

［10］ Arnold J G，Williams J R，Nicks A D，et al．SWRRB：A Basin Scale Simulation Model For Soil and Water Resources Management［M］．College Station：Texas A＆M Press，1990．

［11］ USDA－SCS，National Engineering Handbook，Hydrology Section 4，chap．4－10，（US Dept．of Agriculture，Soil Conservation Service，Washington，DC，USA，1972．

［12］ Williams J R，Berndt H D．Sediment yield prediction based on watershed hydrology［J］．Trans．ASAE，1977，20（6）：1100－1104．

［13］ 抚州市水文局．抚州市水资源公报［R］．抚州：抚州市水文局，2005．