CMADS与传统气象站数据驱动下的SWAT模型模拟效果评价----以苦水河流域为例

张春辉，王炳亮 ,2

(1.宁夏大学土木与水利工程学院，银川 750021；2.教育部旱区现代农业水资源高效利用工程研究中心，银川 750021)

水文模型依据数学原理和气象水文资料以及水利工程等人类实际需求对自然水文现象进行模拟，是水文科学必备的重要方法之一。分布式流域水文模型考虑了下垫面和降雨分布不均对流域水文过程的影响，同时也能模拟人类活动下流域水文情势的发展方向，比传统的集总式水文模型更为系统，为科学模拟降雨径流形成过程及其发展机理提供了可靠的工具，成为水文模型发展的趋势[1]。

SWAT(Soil and Water Assessment Tool)模型是由美国农业部于20世纪90年代开发的半分布式水文模型[2]，该模型主要用于模拟和评价各种管理措施和气候条件变化下的流域水文情势、水质变化情况。目前，国内外针对模型已进行了大量的研究，主要有径流模拟、气候/土地利用变化的水文效应研究、泥沙运动模拟、面源污染研究[3-7]，其中，径流模拟由于长时段径流实测资料易于获取成为模型模拟的主流方向[8]。目前构建SWAT模型时所需的气象数据库参数大多是根据流域内的气象站数据推求所得。有研究表明，驱动SWAT模型的气象数据的不确定性对模拟结果影响较大，其中以降水最为显著[9]。

西北内陆干旱区气象站点分布稀疏，致使模型的可靠性降低，是制约水文模型广泛应用的主要因素之一。为解决地面气象站点及气象数据缺乏的问题，国内外学者将各种气候模式输出数据及其降尺度数据用于大尺度水文模拟中，并取得了较好的效果[10,11]。但由于气候模式及再分析数据自身的缺陷，气候模式产品和再分析数据与区域气候差异较大，应用这些数据进行水文响应研究时会出现差异较大的结论，究其原因是气候模式产品模拟区域气候时出现的较大偏差所导致的[12,13]。因此，研究不同大气再分析数据及气候模式产品在SWAT模型中的应用效果及敏感性对于水文响应研究具有重要意义。中国大气同化驱动数据集(China Meteorological Assimilation Driving Database for the SWAT model, CMADS) 以中国气象局大气同化系统(CLDAS)为基础，应用数据模式要素重算、质量控制、循环嵌套、重采样及双线性插值等多种技术手段建立，具有数据来源广、多时间尺度和多分辨率的特点，可应用于不同分辨率下的模型[14]。目前该数据的应用还处于探索阶段，孟现勇等国内学者以地处西北干旱区的黑河流域为研究对象，通过比较由CMADS、CFSR、传统气象数据驱动的SWAT模型模拟效果，发现CMADS结合SWAT模式的模拟效果优于基于CFSR和传统气象站的模拟效果[15]。张利敏等对由CMADS驱动的浑河流域SWAT模型的适用性进行了评价，结果表明，模型径流模拟效果理想，且CMADS 数据集能很好地反映位于高寒山区且缺乏气象资料的浑河流域下垫面气候特征[16]。本文以宁夏回族自治区境内的苦水河流域为研究区，分别构建由传统气象数据和CMADS数据驱动的SWAT模型，并进行参数率定与验证，以探究不同气象数据源对SWAT模型模拟效果的影响。

1 基础数据处理

1.1 研究区概况

苦水河源于甘肃省环县沙坡子沟，是黄河一级支流，流经宁夏回族自治区盐池县、同心县、吴忠市境内，最终于灵武市新华桥汇入黄河，其支流主要有甜水河、小河、沙沟。流域位于北纬37°02′～38°03′，东经106°01′～107°14′之间，南北长约224 km，东西最宽为200 km，流域总面积为5 218 km2，年平均径流量为1 550 万m3；境内属于温带大陆性气候，年平均气温15.8 ℃，年平均降水量248 mm；境内地形南高北低，地貌多以山地丘陵为主，分布有黑垆土(Calcic Chernozems)、黄绵土(Calcaric Cambisols)、淡灰钙土(Calcaric Arenosols)、灰钙土(Calcaric Fluvisols)、灰褐土(Rendzic Leptosols)、盐碱土(Mollic Solonchaks)、石灰性粗骨土(Calcaric Regosols)等土壤类型；郭家桥水文站是流域内唯一的水文站。

1.2 DEM处理

研究区DEM空间分辨率为30 m，参考坐标系为GCS_WGS_1984(图1)。在ArcSWAT中需将地理坐标系转化为投影坐标系，根据高斯克吕格3度带投影方式，转换后的DEM投影坐标系为Beijing_1954_3_Degree_GK_Zone_35，中央经线为东经105°。

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

1.3 土地利用数据处理

研究区土地利用类型数据由宁夏回族自治区水文水资源局提供，其分辨率为30 m，在此以2010年土地利用数据为建模基础数据，其土地利用类型主要有水田、旱地、有林地、灌木林、高覆盖度草地、中覆盖度草地、低覆盖度草地、滩地、城镇用地、农村居民地、工交建设用地、沙地、盐碱地、裸土地、裸岩16种。由于SWAT 模型内嵌美国国家地质调查局(USGS)设计的土地利用分类系统，所以需对土地利用数据进行重分类，并以SWAT 模型要求的字母代码对土地利用类型命名(命名结果见表1) ，重分类土地利用现状图见图2。

表1 土地利用重分类结果Tab.1 Land use reclassification results

图2 土地利用重分类图Fig.2 Land use reclassification map

1.4 土壤数据处理

本文采用世界和谐土壤数据库(Harmonized World Soil Database, HWSD)提供的土壤数据土壤分布图见图3。HWSD 采用的FAO 制与SWAT模型采用的土壤粒径级配标准(USDA)差别不大，所以不用对土壤粒径进行转化[17]。模型数据库要求的一些参数，如土壤名称、沙土含量、壤土含量、黏土含量、砾石含量、分层数、土壤剖面最大根系深度、土壤层结构、土壤层深度、有机碳含量、电导率可直接从HWSD属性数据库中查询获得。土壤数据库参数中田间持水量(SOL-AWC)、饱和导水率(SOL-K)、土壤湿密度(SOL-BD)可由SPAW软件进行计算。

图3 基于HWSD的土壤类型分布图Fig.3 Soil distribution map based on HWSD

1.5 气象数据处理

利用传统气象数据驱动SWAT 模型时需计算天气发生器参数。天气发生器通过统计流域内外站点多年气象观测值计算出气候态以模拟站点历史缺测值及预测值[18]。天气发生器的各项参数主要有月平均最高/低气温、月最高/低气温标准偏差、月平均降雨天数、月平均降雨量、月降雨量标准偏差、降雨量偏度系数、所有计算年月内降水日与非降水日比率、所有计算年月内非降水日与降水日比率、按月统计日均露点温度、按月统计日均太阳辐射量、按月统计日均风速平均风速[19]。本研究中传统气象站点有盐池县、同心县、中宁县气象站(图4)，其气象要素时间为2008-2016年。

本文使用的CMADS V1.0数据覆盖整个东亚(0°～65°N，60°～160°E)，空间分辨率为0.25°，气象要素时间为2008-2016年，其中，位于研究区的CMADS站点共有16个(图4)。该气象数据集中，气温、气压、比湿、风速驱动数据利用NCEP /GFS 为背景场，融合中国2421个国家级气象局自动站的观测数据；降水数据利用CMORPH融合了我国近40000个区域自动台站。

图4 传统气象站点与CMADS站点空间分布图Fig.4 Traditional meteorological stations and CMADS stations Distribution

2 结果分析及讨论

基于流域DEM，利用ArcSWAT2012提取的流域面积为5 218 km2，其中子流域划分为16个。在子流域基础上需划分水文响应单元(Hydrologic Response Unit,HRU)，水文响应单元是流域内最小的水文计算单元，每一个HRU中土地利用/覆被类型、土壤类型、坡度分布无差异，通过计算HRU的汇流量，可计算出子流域径流量，最终推算整个流域径流量。加载完土地利用图和土壤图以及完成坡度分级后，进行 HRU 的划分。为保证HRU划分的准确性与水文要素计算效率，模型推荐一个子流域内的水文响应单元一般为3～4个。本文考虑各子流域内土壤类型和土地利用类型以及各坡度等级的面积比例，确定出流域内优势土壤类型和土地利用类型及坡度等级面积阈值，低于该阈值的类型将划分到优势类型当中。最终确定土地利用、土壤及坡度的面积阈值分别为 8%、10%、16%。并将苦水河流域划分为237个HRU。在输入气象水文数据后，2005-2007年为模型的预热期，以2008-2012年为模型参数率定期，2013-2016年为模型验证期，采用SCS径流曲线方法计算地表径流[20]。

在模型初次运行后，需进行参数敏感性分析，以确定对模型输出贡献较大的参数及不同参数组合对模拟效果的影响[21]。本文依托SWAT-CUP(SWAT Calibration Uncertainty Procedures) 进行参数敏感性分析、率定及验证，其内置的SUFI-2算法基于综合优化和梯度搜索方法，同时率定多个参数，分析模型参数及模型结构的不确定性[22]，该算法通过确定目标函数，进行多次迭代计算，完成参数初始范围的确定，之后进行Latin Hypercube采样得到多种参数组合并再次运行模型，完成参数的不确定性分析及参数率定[23]。对模型参数进行敏感性分析，参数相对显著性由t-Stat 检验值确定，t-Stat 检验值的绝对值越大，参数敏感性越高；P-Value是t检验值表对应的P概率值，其值越接近于0，参数敏感性越高。分别对两种模式气象站下的模型输出结果进行500 次迭代运算，确定敏感性高的参数并以流域出口郭家桥水文站的月径流资料为准进行参数率定。由表2可知，有8个对两种模型敏感度都较高的参数，其中CN2表示SCS 径流曲线数，GW_DELAY 表示地下水延迟时间，CH_K2表示河道有效渗透系数，ESCO 表示土壤蒸发补偿系数，ALPHA_BNK 表示河岸调蓄基流系数，SOL_AWC 表示土壤有效含水率，SOL_K 表示土壤饱和渗透系数，ALPHA_BF 表示基流α因子，且SCS径流曲线数、地下水延迟时间、土壤蒸发补偿系数在两种模型中敏感性等级相同，说明这3个参数对模型结构及模拟结果影响最大。

表2 参数敏感性分析及调参结果统计Tab.2 Parameter sensitivity analysis and parameter adjusting statistics

模型模拟效果的评价指标采用Nash-Sutcliff 效率系数(NSE) 和决定系数(R2)，具体表达式为：

(1)

(2)

NSE变化范围为-∞至1，当NSE计算结果为1时，观测值与模拟值完全相同；在0.5～1之间，表示模式结果可接受，当NSE小于0时，认为模拟效果可靠性差，R2表征模拟值与实测值的相关性，其值越接近1，表明模拟效果越好[24]。

2008-2012年为率定期，2013-2016年为模型验证期，以郭家桥水文站实测月径流流量为准，先后得到率定期与验证期径流模拟结果。从图5和表3可以看出：在月尺度上，两种SWAT模型在率定期及验证期径流模拟效果理想，降雨量变化趋势与径流变化趋势一致，且NSE、R2都大于0.6，模拟值与实测值相关性良好；CMADS驱动的SWAT模型NSE值与R2均大于基于传统气象站数据模型的对应值，且在径流流量出现突变的月份，CMADS驱动的模型径流峰值变化幅度小于传统气象站下的模型径流变化，更接近实测值，其原因可归结为：由于SCS径流曲线数、地下水延迟时间、土壤蒸发补偿系数是对模型敏感度最高的3个参数，而降雨量又是影响这3个参数值变化的主要因素，本研究中，由于传统气象站点分布稀疏，且大多位于流域外围，导致模型在进行降水空间插值时出现偏差，使得径流模拟效果欠佳；而CMADS的运用则弥补了这一偏差，使模拟结果更为精确。总体来看，两种SWAT模型的径流模拟结果都表明，2008-2016年流域年径流总量呈现减少的趋势，河道最大流量出现在每年的7-9月，最小流量位于每年的11月到次年4月，这与流域常年气象水文情势相符，即苦水河流域地处旱区，降水主要集中在7-9月；而从11月至次年2月，流域内降水稀少，土壤结冻，降水多以降雪的形式出现，导致汇入河流的地表水量减少；2-4月，河流流水主要来自地下水，随着气温回升，日照时间增多，导致土壤解冻后地表蒸发逐渐旺盛，植物根系吸水能力增强，使得补给河流基流的地下水水量急剧减少。

图5 模拟径流流量与实测径流流量对比图Fig.5 The comparison between simulation runoff and the measured in calibration stage

时间站点站点所在子流域号传统气象站NSER2CMADSNSER2率定期(2008-2012年)郭家桥水文站10.6420.5970.8460.741验证期(2013-2016年)郭家桥水文站10.6190.6280.8160.752

3 结 语

由于研究流域地处西北干旱内陆区，流域内气象站点稀少，所以本文在苦水河流域地形、土壤、土地利用等数据的基础上不仅建立了传统气象站数据支撑的SWAT模型，还引入了能够弥补气象站点缺失的CMADS气象数据，并构建了基于此数据集的SWAT模型，最终完成了两种模型的参数率定及验证。将两种模型的径流模拟效果进行了比较，发现均适用于此干旱流域，能体现出流域的径流变化特征，且基于CMADS的SWAT模型模拟精度高于传统气象站数据支配的模型，说明CMADS可用于气象资料稀缺地区SWAT模型的构建。

CMADS大气同化数据集是近年开发的大气数据再分析产品，其气象要素时间范围较小(2008-2016年)，导致模型率定期、验证期较短，这会对参数敏感性分析、参数率定及验证效果造成一定的影响。由于流域内只有一个出口水文站，所以用此水文站径流数据进行模型参数率定及验证将不能完全确定影响子流域产流相关参数的变化情况，增大了模型调参的随机性，在今后的研究中应注重应用其他实测气象水文数据进行模型校正与验证，例如利用遥感ET进行模型校正，可以从子流域的角度出发完成模型参数敏感性分析、率定及验证，从而提高模型运行的可靠性。此外，本研究仅考虑了基于SWAT模型的流域自然水文循环，并未考虑模型对流域内退耕还林、扬水工程等人为活动的响应，将在后续的研究中继续深入上述问题的研究。

□

参考文献：

[1] 闫红飞,王船海,文 鹏. 分布式水文模型研究综述[J]. 水电能源科学,2008,26(6):1-4.

[2] 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.

[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] 孙 瑞,张雪芹. 基于SWAT模型的流域径流模拟研究进展[J]. 水文,2010,30(3):28-32.

[5] 林桂英,曾宏达,谢锦升. SWAT模型在流域LUCC水文效应研究中的应用[J]. 水资源与水工程学报,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] 陈曼雨,崔远来,郑世宗,等. 基于SWAT模型的农业面源污染尺度效应研究[J]. 中国农村水利水电,2016,(9):187-191,196.

[8] 王 林,陈兴伟. SWAT模型流域径流模拟研究进展[J]. 华侨大学学报(自然科学版),2008,(1):6-10.

[9] 廖亚一,吕海深,李占玲. 气象数据不确定性对SWAT模型径流模拟影响[J]. 人民长江, 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] 陆桂华,吴志勇,张建云. 陆气耦合模型在实时暴雨洪水预报中的应用[J]. 水科学进展,2007,16(6):847-852.

[13] 王 超. 祁连山区出山径流对气候变化的响应研究----以黑河上游为例[D]. 兰州:兰州大学,2010.

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

[15] 孟现勇,师春香,刘时银,等. CMADS数据集及其在流域水文模型中的驱动作用----以黑河流域为例[J]. 人民珠江,2016,37(7):1-19.

[16] 张利敏,王 浩,孟现勇. 基于CMADS驱动的SWAT模型在辽宁浑河流域的应用研究[J]. 华北水利水电大学学报(自然科学版),2017,38(5):1-8.

[17] 宁吉才,刘高焕,刘庆生. 水文响应单元空间离散化及SWAT模型改进[J]. 水科学进展,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模型的嘉陵江降雨径流模拟研究[D]. 重庆：重庆师范大学,2015.

[20] 王 英,黄明斌. 径流曲线法模型参数在黄土地区的优化研究[J]. 水土保持通报,2008,(1):54-58.

[21] 宋晓猛,张建云,占车生,等. 水文模型参数敏感性分析方法评述[J]. 水利水电科技进展,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] 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.

[24] 刘 俊,刘时银,上官冬辉,等. CMADS、ITPCAS和TRMM 3B42 3套降水数据集在玉龙喀什河流域的适用性评价[J]. 华北水利水电大学学报(自然科学版),2017,38(5):28-37.