基于CMADS驱动的SWAT模型在辽宁浑河流域的应用研究

张利敏, 王浩, 孟现勇

(1.北京工业大学 建筑工程学院,北京 100124; 2.中国水利水电科学研究院 流域水循环模拟与调控国家重点实验室,北京100038)

基于CMADS驱动的SWAT模型在辽宁浑河流域的应用研究

张利敏1, 王浩2, 孟现勇2

(1.北京工业大学 建筑工程学院,北京 100124; 2.中国水利水电科学研究院 流域水循环模拟与调控国家重点实验室,北京100038)

我国气象观测资料较为匮乏,尤其在高山寒区，使得高寒地区的水文建模研究未能很好地开展。流域水资源研究对区域经济社会发展、水资源管理、生态平衡及环境保护等均具有重要意义。研究选取浑河流域沈阳水文控制站以上区域构建SWAT(Soil and Water Assessment Tool)分布式水文模型，并采用中国大气同化数据集(China Meteorological Assimilation Datasets,CMADS)作为大气输入数据驱动SWAT模型，通过对区域内4个水文站的月尺度径流和日尺度径流的率定与验证，来评估CMADS+SWAT模式在高寒山区的适应性。此外，在SWAT模型参数敏感性分析的基础上，应用SWAT模型优化率定工具——SWAT-CUP中自带的SUFI-2优化率定方法对模型参数进行校准与验证。研究发现：在率定期，模式Nash-Sutcliffe效率系数NSE和决定系数R2均在0.74以上；在验证期，NSE和R2也均大于0.58。结果表明：CMADS+SWAT模式在浑河流域取得了较好的模拟结果，CMADS数据集可很好地体现浑河流域下垫面地表大气特征。研究总体认为：CMADS数据集可为我国气象观测资料匮乏的地区提供重要的基础数据支持;同时，利用CMADS+SWAT模式可为我国气象无站或缺测区的水资源利用、水土保持及非点源污染防治等研究提供重要的科技支撑。

CMADS；SWAT模型；径流模拟；浑河流域

水是生命之源，是人类赖以生存和发展的自然物质。水资源短缺与水质恶化严重制约着我国经济社会的可持续发展，并危及我国公民的生命安全。伴随城镇化的建设发展，造成浑河及其支流的部分河道自净能力变差、水质恶化、河岸两侧景观带退化等突出问题。SWAT模型[1]是20世纪90年代在SWRRB(Simulator for Water Resources in Rural Basins)模型[2]的基础上推出的一个具有较强物理基础的分布式流域水文模型，主要用来模拟和预测长期连续时段内，大尺度复杂流域内不同的土壤类型、土地利用方式/覆被变化等条件下土地管理措施对水文、泥沙和污染物质的影响[3-4]。降水与径流过程是非点源污染产生和迁移的驱动力[5-6]，因此,对降水、径流的研究可为实施水资源管理和解决水体污染问题提供重要支持。在我国，应用SWAT模型模拟的流域面积小到4.1 km2，大至301 516 km2[7]。郝芳华等[8]基于SWAT模型,利用情景模拟分析了长江流域土地利用变化对产流量和产沙量的影响。陈军锋等[9]利用SWAT模型揭示了梭磨河流域气候波动和土地覆被变化对流域径流的影响。王中根等[3]将该模型成功应用于西北寒区(黑河莺落峡以上流域)的日径流过程模拟。李占玲等[10]将SWAT模型应用于西北寒区并与具有融雪模块的集总式WASMOD(Water And Snow balance MODeling system)模型[11]相比，得出SWAT模型在模拟的时间尺度上及模拟流域内的站点上具有优势。孟现勇等[12]将SWAT模型的融雪模块进行改进(将SWAT模型度日因子方法改进为能量平衡法)，增加了SWAT模型在高山寒区的融雪物理模拟的能力。韩成伟[13]将SWAT模型应用于辽宁寒冷地区，完成了径流、泥沙和营养物质的模拟，并取得了很高的模拟精度。以上的研究结果表明：SWAT模型在国内应用广泛，并且也适用于我国的寒冷地区。

水文模型是对具有高度非线性和复杂性的水文循环的近似描述，是解决诸多实际水文问题的有效途径。由于水文循环过程极其复杂以及当前人类的认知水平有限，水文过程的不确定性普遍存在且不可避免。降水、气温、蒸发等水文气象数据是造成水文模型输入不确定性的原因，输入资料的优劣直接影响到水文模拟结果的好坏，其中降水是最为重要的因素[14]。研究结果[8,15-16]表明：10%的蒸散发偏差会导致10%的径流模拟误差，10%的降水数据偏差将导致35%的径流模拟偏差，降水数据1倍的误差将导致洪峰流量1.6倍的误差，与其他因素相比，降雨时空的不均匀性对产流量和产沙量模拟结果不确定性的影响比较明显。相关研究认为：在早春，如果温度升高1 ℃，平均日径流(2月27日)将增加2.14倍，而温度升高3 ℃，就会导致早期融雪现象发生，这种现象也在部分学者的研究中得到了验证[17]。因此，使用高精度、高质量的水文气象输入资料可以有效地减小模型输入的不确定性，提高水文模型模拟和预测的水平。本文采用孟现勇建立的中国大气同化驱动数据集 (CMADS)[18]驱动SWAT模型(简称为CMADS+SWAT 模式)。与国内外大气再分析数据(如NCAR/DOE、ERA、JRA-25及Princeton数据集)相比，CMADS数据集利用我国近40 000个区域自动站进行订正，能够较好地反映我国近地表的真实气象状况[19]。孟现勇等[20]在黑河流域利用CMADS V1.0版本数据集驱动SWAT模型，并与CFSR(Climate Forecast System Reanalysis)及传统气象站(TWS)驱动SWAT模型的模拟结果进行对比分析，结果表明：CMADS+SWAT模式的径流输出结果总体优于CFSR+ SWAT 模式及TWS + SWAT 模式的模拟结果，可以很好地反映黑河流域各类地表分量(如土壤湿度、融雪等)的时空分布特征，可以为我国地面气象站缺失地区或无站区(如中国西部及我国大部分高寒山区等)的水文研究提供气象数据保障。孟现勇等[19]将CMADS+SWAT模式应用于新疆精博河流域，证明了CMADS+SWAT模式可有效地提高SWAT水文模型在我国西北内陆干旱区的表现能力。孟现勇等[21]利用CMADS数据集驱动SWAT模型,并应用于新疆天山北坡玛纳斯流域，得到了较好的模拟结果。

为了验证CMADS+SWAT模式在中国东北部无站区的表现能力,本文利用CMADS+SWAT模式对辽宁寒冷地区进行模拟验证，以评估CMADS数据集在寒冷地区气象要素的代表性，进而为我国高寒且缺资料地区的研究提供借鉴。

1 研究区概况

浑河全长415.4 km，是辽宁省五大河之一，发源于抚顺市清原县滚马岭，是该省水资源最丰富的内河，流经清原、新宾、抚顺、沈阳、辽中、辽阳、海城等市县。浑河曾是辽河最大的支流，现于三岔河附近与太子河汇合后由营口市注入渤海，流域总面积为11 481 km2，年径流量30.5 亿m3[22-26]。本文的研究区在浑河沈阳站上游区域，地理位置介于东经123°22′～125°17′，北纬41°29′～42°16′之间，研究区总面积7 919 km2，如图1所示。

图1 研究区概况

研究区内的大伙房水库距抚顺市18 km，距沈阳市68 km，水库上游是山区，山峰高程一般为400～800 m，它的下游为丘陵地区，山峰高程一般为100～200 m。研究区受温带半湿润和半干旱大陆风气候影响，冬季寒冷漫长，夏季炎热多雨，年均气温4～8 ℃，降水主要在每年的6—9月份，占全年降水量的70%～80%。研究区属于寒冷地区，由于低温，一年中有较长时间的降水以固态形式出现，每年在10月底至11月初进入冻结期，一直持续到次年3月底，历时5个月左右，几乎占全年的一半时间。夏秋季节多为降雨驱动的径流发生过程，而冬春两季受土壤冻结、积雪融化和冻融等作用，使流域产、汇流变得复杂，并且在高山寒区恶劣的自然条件下，相关观测资料难以获取且精度不高[22-26]。

2 SWAT模型简介与数据准备

2.1 SWAT模型简介

SWAT模型是美国农业部农业研究服务中心开发的流域尺度模型，主要应用于水文和非点源污染模拟。SWAT模型不同于一般的水文模型，它将研究区先划分为一个流域或者若干个子流域，每个子流域又划分为一个或若干个水文响应单元(Hydrologic Research Unit,HRU)。SWAT模型将研究区内土地利用方式、土壤类型及坡度均一致的区域划分为一个HRU，HRU作为SWAT模型的独立计算单元，不与其他HRU发生联系，并且认为在该单元内所有的水量平衡过程具有一致性[20]。SWAT模型在每一个HRU上应用传统概念性模型来推求净雨，然后进行汇流演算，最后求得出口断面的流量[3]。SWAT模型有两种计算地表径流的方法，即Green&Ampt法和SCS曲线法。当采用Green&Ampt法时，需要单独计算冠层截留，可以直接模拟下渗，但需要次降雨数据；SCS曲线法由于计算时间是以日为步长，不能直接模拟下渗，而是基于水量平衡来计算下渗量。SWAT模型提供了3种潜在蒸散发计算方法：Hargreaves法[27]、Priestley-Taylor法[28]和Penman-Monteith法[29]。SWAT模型通过Centriod法将流域内的单点气象数据空间离散，插值到整个子流域[20]。为考虑地形对降雨和气温的影响，减少空间离散带来的误差(尤其是在山区)，本研究结合浑河研究区提取的高程信息划分为多个高程带。在每个高程带，其降水量、最高气温和最低气温是高程带的相应递减率及台站高程与相应高程带平均高程之差的函数。经过高程调整后，每个子流域的降水量将通过模型输出生成。

2.2 数据准备

2.2.1 研究区DEM数据

数字高程模型(Digital Elevation Model,DEM)是对地形表面高程信息近似模拟的数学模型，它包含了大量的水文要素和地形地貌信息[30]。随着计算机技术及3S技术的不断发展，DEM的引入促进了分布式水文模型的长足发展，基于DEM的数字化流域和提取地貌特征的技术已得到广泛应用[31]。DEM的精度和空间分辨率对流域地貌特征的提取结果以及产汇流的模拟精度有着重要影响。理论上，DEM数据精度和分辨率越高，模拟效果也越好[32]。但是，现阶段高精度、高分辨率的DEM获取比较困难，而且进行大尺度水文模拟时，普通计算机的运算能力难以满足模型的模拟运行。DEM数据来源于CGIAR-CSISRTM 90 m (http:∥srtm.csi.cgiar.org/SELECTION/inputCoord.asp)高程数据库(如图2所示)，SWAT模型可基于DEM数据生成数字河网，如果生成的河网不理想，可以输入实际河网来校准生成的数字河网。

图2 研究区DEM高程数据及CMADS V1.1站点分布图

2.2.2 土壤数据

土壤数据和土地利用数据下载于寒区旱区科学数据中心(http:∥westdc.westgis.ac.cn/)。土壤数据是SWAT建模前期处理的关键输入数据，数据质量的优劣将对模拟结果产生重要影响。模型用到的土壤数据包括土壤类型分布数据及土壤的物理化学属性数据。其中，土壤的物理属性决定了土壤剖面中水、气的运动情况，而且对水文响应单元中的水循环起到重要作用。本研究选用的土壤数据为基于世界土壤数据库(HWSD)的中国土壤数据集(V1.1)[33]，比例尺是1∶100万，分辨率是1 km。通过分析发现,研究区的土壤类型一共分为7种，其分布图如图3所示。流域内7种土壤类型的面积及各自占流域总面积的百分比情况为：石灰性土(Calcaric Cambisols)占0.13%；普通褐色土(Haplic Phaeozems)占17.59%；堆垫人为土(Cumulic Anthrosols)占4.73%；普通淋溶土(Haplic Luvisols)占56.61%；潜育淋溶土(Gleyic Luvisols)占18.30%；城市(Urban)占1.67%；水体(Water bodies)占0.96%。从图3及以上7种土壤类型的占比情况可以看出，研究区内普通淋溶土的占比较大，占研究区内总面积的56.61%，石灰性土和水体的占比不足流域总面积的1%。

图3 研究区土壤数据分布图

2.2.3 土地利用数据

2000年，欧盟联系研究中心空间技术研究所联合30多个国家和地区，共同开展全球土地覆盖数据集的开发。不同的土地利用类型影响着径流形成以及泥沙的产生和运移过程，数据来源于GLC2000项目开发的基于SP0T4遥感数据的全球土地覆盖数据中国子集，分辨率为1 km[34]。研究区内包含的土地利用类型按照SWAT代码重新分类后，最终分为5类，其分布情况如图4所示。重分类后的各土地利用类型面积占流域总面积的百分比情况为：一般耕地(Agricultural Land-Generic,AGRL)占16.59%；林地(Forest-Mixed,FRST)占79.17%；牧场(Pasture,PAST)占3.76%；住宅高密度区(Residential-High Density,URHD)占0.39%；水域(Water,WATR)占0.09%。

图4 研究区土地利用数据分布图

从图4及以上5种土地利用类型占比情况可以看出：研究区内林地面积最大，占研究区内总面积的近80%；住宅高密度区及水域的面积不足流域总面积的1%。

为了保持SWAT模型分辨率的一致性，本研究将DEM、土壤和土地利用等数据的空间分辨率统一为1 km，投影坐标系统一设置为WGS_1984_UTM_Zone_51N。

2.2.4 气象数据

本文选用的气象数据来自于寒区旱区科学数据中心，孟现勇建立的CMADS V1.1数据集(获取自http:∥westdc.westgis.ac.cn/)[18]可直接驱动SWAT模型，CMADS系列数据集引入了中国气象局大气同化系统(CLDAS)，利用了数据嵌套、重采样、模式推算及双线性插值等多种技术手段。CMADS V1.1数据集空间分辨率为1/4°，数据尺度为2008—2014年，步长为日。SWAT模型自动读取了CMADS数据集10个站点的要素，CMADS V1.1数据集的信息见表1，研究区内CMADS V1.1站点信息见表2。

表1 CMADS V1.1数据集信息

表2 研究区内站点分布情况

2.2.5 水文验证数据

本文将研究区内北口前、大伙房水库、抚顺和沈阳4个水文站逐日平均流量资料作为模型的率定及验证数据，4个水文站的相关信息见表3。

表3 研究区水文站相关信息

3 SWAT模型方案设置

将研究区划分为18个子流域，203个水文响应单元，由于输入降雨数据的步长为日，故采用SCS曲线法计算每个独立水文响应单元(HRU)上产生的地表径流，最终汇流到流域出口断面。选取Penman-Monteith法计算研究区潜在蒸散发量，选取基于连续方程的河槽蓄量法计算主河道的水演进。CMADS V1.1数据集选取2008—2012年共5 a时间来进行模型的率定与验证工作。

3.1 敏感性分析

由于SWAT模型参数繁多，因此，在模型校验之前需先进行参数的敏感性分析，这样能够减少需要调整的参数数目，提高模型的校准效率。但SWAT模型自带的参数敏感性分析和校准工具的功能相对弱小，所以,采用最新的校验工具SWAT-CUP(SWAT Calibration Uncertainty Procedures)对SWAT模型的模拟结果进行参数敏感性分析、率定与验证。SWAT-CUP可将GLUE(Generalized Likelihood Uncertainty Estimation)、ParaSol(Parameter Solution)、SUFI-2(Sequential Uncertainty FItting)和MCMC(Markov Chain Monte Carlo)等算法与SWAT模型连接起来。SUFI-2算法是一种综合优化和梯度搜索的方法，可以同时率定多个参数，且具有全局搜索功能，同时考虑了输入数据、模型参数及模型结构的不确定性[35-37]。将SUFI-2算法与模型自带 的SCE-UA 算法进行对比分析，发现 SUFI-2 算法所需时间短且精度更高[37]。对研究区内4个水文站的径流参数进行敏感性分析，t-Stat检验值用来确定每个样本的相对显著性，而P-Value是t检验值表对应的P概率值。t-Stat检验值的绝对值越大，参数敏感性越高；P-Value值越接近于0，参数敏感性越高。通过4 000次迭代，按照敏感程度选取前5个敏感程度较高的参数列于表4。

表4 模型径流参数的敏感性分析结果

从表4中可以看出，主要的敏感性参数如下：①地下水参数GW_DELAY、ALPHA_BF；②主河道参数ALPHA_BNK；③地表水分配参数CN2；④土壤水参数SOL_K。

GW_DELAY：通过渗透或侧向流流出土壤剖面与进入浅层含水层之间的时间延迟，取决于潜水面的埋深及包气带和饱和带中地层的水力特性。时间延迟虽不能直接测量，但可以运用不同的时间延迟值来模拟含水层的补给量，并比较潜水面的模拟值和实测值来估算时间延迟。

ALPHA_BF：基流退水常数α是地下水径流对补给量变化响应的直接指标，补给响应的快慢对区域枯水期河流基流量的变化产生很大的影响。

ALPHA_BNK：河岸调蓄的水量补给子流域内的主河道或河段。通过类似于地下水模拟中使用的退水曲线来计算河岸调蓄量，平缓退水的值大(接近于1)，急剧退水的值小(接近于0)，如果没有输入值，模型将其设置为地下水文件(.gw)中的ALPHA_BF。

CN2：SCS曲线数是土壤渗透性、土地利用和前期土壤水分条件的函数，主要用来描述流域内的降水-径流关系，反映流域下垫面的产流能力。一般在降雨量一定的情况下，CN2增加将引起产流量增加。

SOL_K：土壤饱和渗透系数会影响土壤的导水能力，它的值在增加的同时也会使土壤的下渗率以及对地下水的补给量增加。

3.2 模型率定与验证

利用研究区的实测资料对模型进行率定，其目的是寻找能使模拟值与观测值之间最一致的参数值。本研究利用SWAT-CUP工具对研究区内的4个水文站的径流量模拟进行参数的率定与验证，2008—2010年是率定期，2011—2012年是验证期。率定时间的先后顺序是先率定月，再率定日。

3.3 模型评价指标

选用Nash-Sutcliff效率系数(NSE)和决定系数(R2)这两个指标来评价和表征模型在研究区的适用性。

(1)

(2)

式中:Qmi为模拟径流序列；QOi为实测径流序列；

NSE取值范围为(-∞,1]，取值越接近于1，说明模拟结果与实测值吻合程度越好；R2值越接近于1，说明模拟值与实测值相关性越好。

4 结果分析

4.1 径流量的模拟验证及分析

本研究对CMADS+SWAT模式模拟的径流量进行率定与验证，研究区内4个水文站的月径流的率定与验证结果如图5所示，日径流的率定与验证结果如图6所示，各站点月、日率定期与验证期的评价指标结果见表5。

图5 CMADS+SWAT模式下各站点月径流的率定与验证结果

图6 CMADS+SWAT模式下各站点日径流的率定与验证结果

时间站点站点所在子流域号月尺度NSER2日尺度NSER2率定期(2008—2010年)北口前20.9270.9580.7710.810大伙房水库70.8930.9180.7470.778抚顺110.9090.9310.7880.815沈阳130.9130.9310.7930.812验证期(2011—2012年)北口前20.8680.9510.7760.803大伙房水库70.7330.7450.5880.615抚顺110.7540.7520.6600.674沈阳130.7700.7670.6720.689

从图5、图6及表5可以看出：用CMADS数据集驱动SWAT模型得到的模拟结果，在月尺度上，4个水文站在率定期及验证期径流量模拟效果很好，且NSE>0.7，R2>0.7，说明模拟值接近实测值，两者相关性良好；在日尺度上，4个水文站在率定期及验证期径流量模拟也得到了满意的效果，NSE>0.5，R2>0.6，说明模拟值与实测值相关性较好，模拟结果可接受。同时，也可以看到北口前水文站径流量的模拟精度较高，这是因为北口前水文站以上流域受人类活动影响较小，故该站点模拟效果较好。大伙房水库站点日模拟效果相对较差，可能是由于水库蓄水、人为因素等原因造成的。

此外，从图5和图6 可以看出，从每年的12月份到次年2月底基本不产生径流。这是由于本研究区地处辽宁寒区，因长时段处于低温状态，降水以固态形式出现，一直持续到次年2月底。在冻结期结束后，受积雪融化和冻融的作用会产生融雪径流。本文以整个研究区2008年为例说明融雪量与产水量之间的关系，结果如图7所示(图中Y为融雪量及产水量)。从图中可以看出，在1—2月底及12月份基本不产流，而在融雪后的4月下旬产生了融雪径流。

图7 研究区2008年融雪量与产水量之间的关系

5 结语

利用CMADS V1.1数据集驱动SWAT模型对研究区内的4个水文站进行径流量模拟的率定与验证，无论是率定期还是验证期都得到了较好的模拟效果，模拟精度可靠。通过总体分析结果得出以下结论：

1)用CMADS数据集驱动SWAT模型在浑河流域进行径流模拟时，模拟结果能够体现该地区的寒冷特性，即该地区长时间处于低温状态，此时基本不产生径流，在冰雪消融的春季会产生融雪径流，说明CMADS+SWAT模式在寒冷地区有较好的适应性。

2)总体上本研究的径流模拟效果令人满意，说明CMADS数据集可以很好地体现浑河流域下垫面地表大气特征。研究结果可为该地区的水资源利用、水土保持及非点源污染防治等提供科学支持，也可为我国气象站点稀少的高寒地区的研究提供借鉴。

3)研究还发现在受人类活动影响较小的地区，模拟效果相对较好。这是由于本研究是基于水资源自然循环开展的，并未考虑人类活动对模型的影响。如何定量计算人类活动对各水文要素时空变化的影响也是目前国内外学者研究的热点和难点问题之一。

[1] NEITSCH S L,ARNOLD J G,KINIRY J R,et al.Soil and water assessment tool user′s manual version 2000[R].Texas:Texas Water Resources Institute,College Station,2002.

[2] ARNOLD J G,WILLIAMS J R,MAIDMEN D R.Continuous-time water and sediment-routing model for large basins[J].Journal of Hydraulic Engineering,1995,121(2):171-183.

[3] 王中根,刘昌明,黄友波.SWAT模型的原理、结构及应用研究[J].地理科学进展,2003,22(1):79-86.

[4] NEITSEH S L,AMOLD J G,KINIRY J R，et al.Soil and Water Assessment Tool Theoretical Documentation version 2000[M].Temple,Texas:Grassland,Soil and Water Research Service,2001.

[5] 杨巍.辽宁大伙房水库汇水区农业非点源污染模拟与风险评估[D].长春：吉林大学,2012.

[6] 罗倩,任理,彭文启.辽宁太子河流域非点源氮磷负荷模拟分析[J].中国环境科学,2014,34(1):178-186.

[7] 王晓朋,乔飞,雷坤,等.SWAT模型在我国的研究和应用进展[J].中国农村水利水电,2015(5):109-113.

[8] 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.

[9] 陈军锋,陈秀万.SWAT模型的水量平衡及其在梭磨河流域的应用[J].北京大学学报(自然科学版),2004,40(2):265-270.

[10] 李占玲,徐宗学.黑河流域上游山区径流模拟及模型评估[J].北京师范大学学报(自然科学版),2010,33(3):344-349.

[11] XU Chongyu.WASMOD:the Water and Snow Balance MODelling System[M]∥ SING V P,FREVERT D K.Mathematical Models of Small Watershed Hydrology and Applications,Ch.17.LLC,Chelsea,Michigan,USA:Water Resources Publications,2002.

[12] MENG Xianyong,YU Danlin,LIU Zhihui.Energy balance-based SWAT model to simulate the mountain snowmelt and runoff：taking the application in Juntanghu Watershed(China) as an example[J].Journal of Mountain Science,2015,12(2):368-381.

[13] 韩成伟.寒冷地区非点源氮磷环境行为与模拟预测研究[D].大连：大连理工大学,2012.

[14] 王浩,李扬,任立良,等.水文模型不确定性及集合模拟总体框架[J].水利水电技术,2015,46(6):21-26.

[15] NANDAKUMAR N，MEIN R G.Uncertainty in rainfall-runoff model simulation and the implications for predicting the hydrologic effects of land-use change[J].Journal of Hydrology，1997(192):211-232.

[16] KOBOLD M，SUSELJ K.Precipitation forcasts and their uncertainty as input into hydrological models[J].Hydrology and Earth System Sciences，2005，9(4):322-332.

[17] WANG Y J,MENG X Y,LIU Z H,et al.Snowmelt runoff analysis under generated climate change scenarios for the Juntanghu River Basin in Xinjiang,China[J].Tecnologia Y Ciencias Del Agua,2016,7(4):41-54.

[18] 孟现勇.SWAT模型中国大气同化驱动数据集(CMADS V1.1)[DS].兰州：寒区旱区科学数据中心,2016.

[19] 孟现勇，王浩,雷晓辉，等.基于CMDAS驱动SWAT模式的精博河流域水文相关分量模拟、验证及分析[J].生态学报，2017，39(3).DOI:10.5846/stxb201608231719.

[20] 孟现勇,师春香,刘时银,等.CMADS(V1.0)数据集及其在流域水文模拟中的应用：以黑河流域为例[J].人民珠江,2016,37(7):1-19.

[21] MENG X Y,WANG H,LEI X H,et al.Hydrological modeling in the Manas River Basin using soil and water assessment tool driven by CMADS[J].Tehnicki Vjesnik-Technical Gazette,2017,24(2):525-534.

[22] 侯广明,刘强.浑河沈抚段区域现状水质评价研究[J].科技创新与应用,2016(21):177.

[23] 侯广明.浑河沈抚段水污染变化规律及来源分析[J].科技创新与应用,2016(19):157.

[24] 唐继业.浑河沈抚区间还原水量的分析与处理[J].东北水利水电,2003(3):26-27，58.

[25] 张亚丽,张依章,张远,等.浑河流域地表水和地下水氮污染特征研究[J].中国环境科学,2014,34(1):170-177.

[26] 刘芳.典型流域地下水和土壤氮素分布特征及地下水氮素源解析[D].北京：北京交通大学,2016.

[27] HARGREAVES G L,HARGREAVES G H,RILEY J P.Agricultural benefits for Senegal River Basin[J].Irrig and Drain Engr,1985,111(2):113-124.

[28] PRIESTLEY C H B,TAYLOR R J.On the assessment of surface heat flux and evaporation using large-scale parameters[J].Mon Weather Rav,1972,100:81-92.

[29] PENMAN H L.Evaporation:an introductory survey[J].Netherlands Journal of Agricultural Science,1956(4):7-29.

[30] 何毅,蔺彬彬.基于DEM的流域分割及子流域分类[J].人民黄河,2014,37(7):25-28.

[31] 姚成,李致家,章玉霞,等.DEM分辨率对分布式水文模拟的影响[J].水利水电科技进展,2013,33(5):11-14,88.

[32] 孙龙,臧文斌,黄诗峰，等.DEM空间分辨率对流域水文特征信息提取及径流模拟影响研究[J].水文,2014,34(6):21-25.

[33] FISCHER G,NACHTERGAELE F,PRIELER S，et al.Global Agro-ecological Zones Assessment for Agriculture(GAEZ 2008)[DS].IIASA,Laxenburg,Austria and FAO,Rome,Italy,2008.

[34] 冉有华,李新,卢玲.中国地区土地覆盖综合数据集[DS].兰州：寒区旱区科学数据中心,2010.

[35] ABBASPOUR K C.SWAT Calibration and Uncertainty Programs[M]．Duebendorf，Switzerland:Swiss Federal Institute of Aquatic Science and Technology，Eawag，2007:95．

[36] YANG J，REICHER P，ABBASPOUR K C，et al．Comparing uncertainty analysis techniques for a SWAT application to the Chaohe Basin in China[J]．Journal of Hydrology,2008,58(1-2):1-23．

[37] 刘睿翀，霍艾迪，CHEN X H，等.基于SUFI-2算法的SWAT模型在陕西黑河流域径流模拟中的应用[J].干旱地区农业研究，2014,32(5):213-217,222.

ApplicationofSWATModelDrivenbyCMADSinHunheRiverBasininLiaoningProvince

ZHANG Limin1, WANG Hao2, MENG Xianyong2

(1.Institute of Architecture and Engineering, Beijing University of Technology, Beijing 100124, China;2.State Key Laboratory of Simulation and Regulation of Water Cycle in River Basin, China Institute of Water Resources and Hydropower Research, Beijing 100038, China)

Due to the scarcity of meteorological observation data in our country (especially in the alpine regions), the study of hydrological modeling in alpine region has not been carried out well. However, to research on water resources in the basin is of great significance to the regional economic and social development, water resources management, ecological balance and environmental protection. This study selects the control area of Shenyang hydrological station as the study area in Hunhe River Basin to construct SWAT distributed hydrological model, and uses China Meteorological Assimilation Driving Datasets (CMADS) as meteorological forcing data for SWAT model. And it will evaluate the adaptability of CMADS+SWAT model in the alpine region basing on the calibration and validation of monthly runoff and daily runoff of 4 hydrological stations. In addition, based on the sensitivity analysis of the parameters of the SWAT model, the program SUFI-2 in SWAT-CUP package is used for the optimization and calibration of SWAT to calibrate and validate the parameters. The study finds that the Nash-Sutcliffe efficiency coefficientNSEand the coefficient of determinationR2are both above 0.74 in the validation period, and theNSEandR2are both above 0.58 in the validation period. The results show that the CMADS+SWAT model achieves a good result, and CMADS can reflect the characteristics of the atmospheric underlying surface in the Hunhe River Basin. This study generally believes that CMADS can provide important data support for China′s meteorological data scarce region. At the same time, using the CMADS+SWAT model can provide important scientific basis for the study of water resources utilization, water and soil conservation and non-point source pollution control in China′s region without meteorological station or missing data area.

CMADS; SWAT model; runoff simulation; Hunhe River Basin

2017-05-07

国家“973”计划课题“梯级水库群风险预警与应急处置机理”(2013CB036406)；2016年度流域水循环模拟与调控国家重点实验室培育课题代表性成果“跨流域调水系统多过程模拟与智能调控”(2016CG05)。

张利敏(1988—),女,河南郑州人,博士研究生,从事水文与水资源方面的研究。E-mail:zhanglmmail@qq.com。

王浩(1953—),男,北京人,中国工程院院士,从事水利工程方面的研究。E-mail:wanghao@iwhr.com。

孟现勇(1987—),男,宁夏银川人,博士,从事陆面与水文模式耦合方面的研究。E-mail:mxy@iwhr.com。

10.3969/j.issn.1002-5634.2017.05.001

TV121

A

1002-5634(2017)05-0001-09

(责任编辑乔翠平)