土地利用数据精度对泾河上游区径流模拟影响研究

李 雪，马孝义

(西北农林科技大学水利与建筑工程学院，陕西 杨凌 712100)

水文循环是一个涉及降水、截留、入渗、产流、输移、蒸散等多环节复杂的生态过程，受土地利用变化、管理措施和气候条件等多重因素影响[1]。人们常用分布式水文模型来模拟水文循环过程，其中SWAT模型的应用最为广泛。作为SWAT模型重要输入信息的土地利用数据有许多种，常见的包括：中国1∶10万土地利用数据集、IGBP DISCover数据集、马里兰大学土地覆盖数据集、MODIS土地覆盖产品、WESTDC系列土地覆被产品和GLC2000数据集。并且，由不同国家、部门基于不同遥感数据和制图方法的土地利用数据在土地利用分类类型和精度上往往具有一定的差异。对于大尺度流域分布式水文模型来说，高精度的空间数据意味着数据前处理工作和模型运算量的增加，因此分析土地利用数据精度对水文过程模拟的影响，有利于加深对水文模型机理和模拟结果对输入数据不确定性影响的认识。但前人的研究，如刘春雨[2]、李鸿儒[3]、王潺[4]、黄佩然[5]等多集中于土地利用/覆被类型变化对SWAT模型模拟结果的影响，而关于土地利用数据集精度对SWAT模型模拟结果影响的研究则较少，且极少数有关于对水文过程影响的研究。为了更好地了解土地利用数据精度对SWAT模型模拟结果及其水文循环过程的影响，本文拟选用3种土地利用集，将泾川三站以上的泾河流域作为研究区域进行相关研究。对于各数据集本身的质量对比，冉有华、李新[6]以中国科学院1∶10万土地利用数据集为参考数据，做过1 km分辨率的IGBP DISCover数据集、马里兰大学土地覆盖数据集、GLC2000数据集和MODIS土地覆盖产品在中国区域的精度评价。分析结果表明,在1 km尺度上，中科院CAS1990数据集是目前中国最好的，以较高精度反映了中国的土地覆盖状况，但同时信息损失严重，而WESTDC系列数据集更能满足数据用户的较高要求。因此，本文最终选用中国1∶10万土地利用数据集以及该数据集重采样后的1 km分辨率的数据产品、WESTDC 2土地覆盖产品分别在泾河上游区构建SWAT模型，研究土地利用数据集精度对泾川站以上的泾河流域径流模拟的影响。

1 数据与方法

1.1 研究区概况

泾河流域地处黄土高原中部，位于106°14′～108°42′E、34°46′～37°19′N之间，流域面积45 421 km2，横跨宁夏、甘肃、陕西三省(区)部分地区， 流域内地势西北高，东南低，总体地势是东北西三面向东南倾斜。流域深处大陆，为典型的温带大陆性气候，处于温带半湿润向半干旱气候的过渡地带，冬季干旱少雨，夏季多暴雨，降水多集中在每年的5-8月，年平均气温在5～15 ℃，年降水量介于350～600 mm之间。泾河全长483 km，为渭河的一级支流、黄河的二级支流。本文研究区域为泾川三站以上的泾河流域，简称为泾河上游区，研究区概况图具体见图1。泾川以上流域由发源地六盘山流经崆峒峡水库、甘肃平凉最终到达泾川县(泾川三站， 35°20′N，107°21′E)，包括汭河、潘杨涧河、大路河、小路河、颉河共五条一级支流[7]，地理高程介于1 020～2 890 m，总流域面积为4 213 km2。全年降雨量在500 mm左右，汛期降水量占全年总降水量的70%～80%。

图1 研究区概况图Fig.1 Overview of the study area

1.2 SWAT模型建立

SWAT(Soil and Water Assessment Tool)模型是美国农业部(USDA)农业研究中心(ARS)研发的适用于较大流域尺度的分布式水文模型。该模型由水文(Hydrology)、气象(Weather)、泥沙(Sediment)、土壤温度(Soil Temperature)、作物生长(Crop Growth)、养分(Nutrient)、农药/杀虫剂(Pesticides)和农业管理(Agriculture Management)等8个组件构成 ，具有很强的物理机制[8]。

SWAT(Soil and Water Assessment Tool)模型作为连续时间分布式水文模型，偏重于水文模拟，可以模拟流域水量平衡，估算径流、蒸发等水分循环分量[9]。运行步长以日为单位, 还可用来模拟不同土地利用和多种农业管理措施对流域的水、泥沙、化学物质的长期影响，能预测100 a以内的某个流域的总径流量、泥沙流失量和营养负荷，这使其被广泛应用在非点源污染的管理和控制过程中[10]。

SWAT 模型需要输入的数据分为属性数据和空间数据两种：①属性数据，分别为水文数据、气象数据和土壤属性数据；②空间数据，包括数字高程DEM数据和土地利用数据。

采用泾河上游区附近的西峰、平凉、长武3个气象站的1965-1995年共31年的逐日最高和最低气温、降水量、日照时数、相对湿度和风速数据的气象数据，以及崆峒峡水库坝下、米岗、沙塘川、大湾、和商铺、瓦亭、什字、东山坡、三关口、大秦、史家窝、四十里铺、窑峰头、草峰、花所镇、党原、泾川三站、孟家台、华亭、新民、策底、安口、铜城、袁家庵、颉沟的逐日降水数据。此外，建模所需的数字高程DEM数据为30 m分辨率的GDEMDEM数据、土壤类型数据为世界协调数据库HWSD数据中的中国数据集。

基于模型输入的属性和空间数据，最终将泾河上游区划分成26个子流域。查阅资料可知，在平凉上游包括西峡、龙潭和崆峒峡三座水库，由于缺乏相应的水库资料，采用将崆峒峡水库以及上游简化成一个入水口的方法[7]，以此提高SWAT模型模拟精度，泾河上游区流域划分结果具体见图2。

图2 泾河上游流域划分结果Fig.2 Watershed division of jing river upstream

选用那什效率系数ENS(Nash-Sutcliffe Efficiency,NSE)、决定系数R2作为模型模拟精度的评价指标，ENS值越接近1，则模型的可信度越高；越接近0.5，模型总体结果可信[11]，故可认为，ENS、R2均大于0.5，模型模拟结果是可信的[12]。计算公式分别为：

(1)

(2)

1.3 土地利用/覆被数据集

采用具有不同分辨率和不同土地利用/覆被分类的3种土地利用数据集：①来源于中国1∶10万土地利用数据集，将泾河上游区所在的固原县、彭阳县、镇原县、泾川县、平凉市、崇信县、华亭县、泾源县、隆德县、庄浪县的土地利用图拼接在一起，然后利用泾河上游区DEM图裁剪得到(以下简称Land 1)。该数据集是基于2000年Landsat TM 和 ETM 遥感图像建立起来的,采用中科院资源环境分类系统，将泾河上游分为耕地、林地、草地、水域、城镇用地、农村居民点、其他建设用地、未利用土地8个土地利用类型，分辨率为105 m，由于有的土地利用类型面积较小，因此重分类后的土地利用类型变为耕地、林地、草地、水域、居民住宅区、未利用土地；②利用ArcGIS软件Date Management Tools中的raster工具中的resample方法将Land 1数据105 m分辨率重采样成1 km，记为Land 2，该数据与Land 1数据具有相同的土地利用分类 ；③来源于中国WESTDC系列土地覆盖数据产品，采用其中的WESTDC2数据集，空间分辨率为1 km，融合了中国1∶10万土地利用数据集， 整体分类精度较高的GLC2000数据集[2]、MODIS土地覆盖数据集并进行类型转换，将中科院资源环境分类系统转换成IGBP分类系统。该数据集经泾河上游区的DEM裁剪得到泾河上游区的WESTDC土地利用图，记为Land 3，最终将全流域分成13种土地利用类型，分别为常绿针叶林、落叶阔叶林、混交林、郁闭灌木林、开放性灌木林、干草地、稀疏草地、草场、永久性湿地、耕地、城市与建设用地、耕地自然植被区、水体。由于有的土地利用类型在SWAT土地利用数据库中找不到相应的代码，因此将Land 3重分类成10类土地利用类型，分别为常绿针叶林、落叶阔叶林、混交林、灌木林、干草、草场、永久性湿地、耕地、城市与建设用地、水体。本文构建泾河上游区SWAT模型的数据的具体来源见表1。

表1 SWAT模型建模数据Tab.1 Modeling data for the SWAT model

3种不同的土地利用/覆被数据集对应的土地利用类型面积存在一定差别，具体面积见表2。

表2 各数据集对应的土地利用/覆被类型面积 km2

由表2可知，Land 1与Land 2数据集重分类后对应的土地利用/覆被类型面积中水域、裸地面积基本未变，差异体现在林地、草地、居民住宅区和耕地上，最大差异出现在耕地上，为49 km2。Land 2数据集对应的耕地、林地面积相比Land 1数据集来说均增大了一部分，其中，耕地面积的增大的程度大于林地面积增大幅度；而草地面积、居民住宅区面积的情况恰恰相反，Land 1数据集对应的这两项的面积大于相应的Land 2数据集对应的面积，草地面积的减少幅度更大。这说明，土地利用/覆被数据集空间精度的变化会引起耕地、草地、林地、居民住宅区等土地利用/覆被所对应的面积的变化，精度降低会使得耕地和林地面积增加、草地和居民与建设用地面积减少，且耕地面积、草地面积的增减变化幅度更大。

Land 3、 Land 2由于具有的分类系统不同，因此划分的土地利用类型及其各土地利用类型对应的面积也具有很大不同，但3种数据集对应的土地利用类型中，耕地的面积均是最大的，且Land 3数据集对应的耕地面积都比前两个数据集大，为2 039 km2。3个不同数据集对应的土地利用/覆被类型的空间分布见图3。

图3 不同数据集对应的土地利用/覆被类型空间分布Fig.3 Spatial distribution of land use/cover types of different data sets

Land 1和Land 2具有相同的土地利用/覆被分类，但是具有不同的分辨率；Land 2和Land 3具有相同的分辨率，但又具有不同的分类系统。简言之，3种数据集具有不同的分辨率和分类系统。

从3种数据集对应的土地利用/覆被分类图，即图3可以看出，各种土地利用/覆被数据集的空间分布没有较大差异，基本是一致的，只是由于Land 3融合了较多的其他的土地利用数据集而使得分类更精细，空间分布也较其他数据集的零碎。

2 结果与分析

2.1 土地利用/覆被数据空间精度对水文响应单元HRUs划分的影响

HRUs水文响应单元是被划分出的SWAT模型的最小计算单元，每一个HRU中具有相同的土地利用类型、土壤类型和坡度[13]。HRUs划分的多少将直接影响SWAT模型的计算速度。采用Land 1 的SWAT模型划分出的HRUs的个数最多为658个，而采用Land 2划分出的HRUs个数次之为645个，这说明水文响应单元HRUs划分的个数可能跟输入模型的土地利用/覆被数据集的空间精度有关，且输入数据空间精度越高，划分的HRUs越多。这与叶许春等[14]的研究结果一致。采用Land 3划分出的HRUs个数为574个，这说明分类系统对HRUs的划分具有较大影响，在其他输入数据不变的情况下，分类精度低的土地利用/覆被数据集对应的SWAT模型划分的HRUs更多。

2.2 土地利用/覆被数据精度对泾河上游泾川水文站径流模拟的影响

2.2.1 对敏感性参数的影响

选取对径流模拟影响大的参数，利用SWAT-CUP软件的全局敏感性分析方法进行参数敏感性分析，选取敏感性排名靠前的11个参数，分析采用不同土地利用/覆被方式所构建模型的敏感参数的不同，采用不同土地利用数据集的模型参数敏感性排名表见表3。

分析敏感性参数排名表表3可知，3种数据集对应的模型的敏感性参数，敏感性排名前4的参数都是相同的，这说明对于泾河上游区的径流模拟来说，不论采用哪种土地利用/覆被数据集，这4个参数都是极其敏感重要的。对于分辨率不同、分类系统相同的Land 1和Land 2来说，敏感性参数相同，仅个别参数(CH_K2、EVRCH)的敏感性排名有所不同，但相差不大，这说明输入模型的数据空间分辨率不是影响SWAT模型径流模拟敏感性参数的主要因素。分辨率相同、分类系统不同的Land 2、Land 3对应的SWAT模型的敏感性参数有些微的差别。特别是采用Land 3构建的SWAT模型的敏感性参数多了代表12月31日的融雪因子的参数SMFMN和代表平均坡度的参数HRU_SLP，少了代表支流曼宁系数的参数CH_N1.sub，这说明对于采用Land 3构建的SWAT模型来说，融雪产生的径流和流域平均坡度导致的径流的汇流速度对泾河上游区SWAT模型径流模拟的影响大于支流曼宁系数对径流模拟的影响，这也说明分类系统不同对于土地利用/覆被数据集对应的模型的敏感性参数有影响。综上知，输入土地利用数据的分类精度对模型敏感性参数的影响高于空间分辨率对模型敏感性参数的影响。

表3 采用不同土地利用数据集的模型参数敏感性排名Tab.3 Model parameter sensitivity ranking using different land use data sets

采用Land 1、Land 2、Land 3构建的SWAT模型的径流模拟的敏感性参数的率定方式、物理意义以及在SWAT模型中的取值范围见表4。

表4 泾河上游敏感性参数意义及取值范围Tab.4 Significance and value range of sensitivity parameters on the upstream of jing river

2.2.2 对径流模拟结果的影响

采用Land 1、Land 2、Land 3构建的泾河上游区SWAT模型的径流模拟结果具体见表5。

从表5可知，Land 1、Land 2、Land 3这3种土地利用/覆被数据集对应的泾河上游区的SWAT模型率定期(1980-1988年)ENS、R2的率定结果大于0.70，验证期(1989-1990年)ENS、R2均在0.5以上，符合模型的精度要求，这说明SWAT模型基本适用于泾河上游区。

在模型未校准时，3种土地利用数据/覆被数据集对应的SWAT模型在率定期的模拟结果基本相同，验证期Land 3数据集对应的SWAT模型的模拟结果稍差于其他两个数据集对应的模型模拟结果，但3种土地利用数据集对应的SWAT模型在验证期的模拟结果ENS<0.5都达不到模型的模拟精度，模拟结果差。

模型校准后，不论是率定期还是验证期，模型的模拟效果都有了较大提高，其中，Land 1数据集对应的SWAT模型的模拟结果在率定期最好，而Land 2数据集对应的SWAT模型的模拟结果在验证期相比最好。

表5 采用不同土地利用/覆被数据集的泾河上游区SWAT模型径流模拟结果Tab.5 Runoff simulation results of the SWAT model in the upstream of Jinghe river using different land use/cover data sets

综合考虑率定期和模拟期两个时期模拟结果来看，Land 2数据集对应的SWAT模型模拟效果较于其他两个数据集好。这证明输入土地利用数据的精度与模拟结果之间的关系并不是随数据精度高低而变化的简单线性关系，这与前人的研究基本一致[15, 16]。模拟结果好于Land 1数据集对应的SWAT模型的模拟结果，可能是因为Land 1数据集对应的SWAT模型划分的HRUs个数多于Land 2数据集划分的HRUs个数的原因，HRUs个数增加，模型计算复杂性增加，模拟效果随之变差；而模拟结果好于Land 3数据集对应的模型的模拟效果，可能是因为Land 3数据集对应的泾河上游区土地利用/覆被类型多的缘故，这说明土地利用分类精度高的数据集对应的SWAT模型的模拟结果差。而Land 3数据集对应的模型的模拟结果稍好于Land 1数据集对应的模型的模拟结果，说明水文响应单元HRUs的划分对于模型模拟结果的影响大于土地利用分类精度对模型模拟结果的影响，即土地利用精度主要通过影响SWAT模型中水文响应单元HRUs生成的数量而影响模拟结果，这与前人研究基本一致[15, 17]。模型校准前后，率定期与验证期模型模拟结果图见图4。

从模型校准前后月径流量模拟结果图看出，3种土地利用/覆被数据集的模拟值与实测值的变化趋势基本一致。校准后，3种数据集对应的SWAT模型对于月径流量峰值的模拟效果明显变好。

图4 3种土地利用/覆被数据集对应模型校准前后率定期与验证期月径流量模拟结果Fig.4 Runoff simulation results of three land use/cover data sets corresponding to the monthly runoff simulation results before and after model calibration and verification period

3 结 语

(1) 3种土地利用/覆被数据集均在泾河上游区的适用性良好，就模拟结果来说，Land 2数据集的模拟效果最好，率定期(1980-1988年)的ENS、R2分别为0.73、0.74；验证期(1989-1990年)分别为0.55、0.73。

(2)水文响应单元HRUs划分的个数可能跟输入模型的土地利用/覆被数据集的空间精度有关，且输入数据空间精度越高，划分的HRUs数量越多。

(3)输入土地利用数据的分类精度对模型敏感性参数的影响高于空间分辨率对模型敏感性参数的影响。

(4)综合考虑率定期和模拟期两个时期模拟结果来看，Land 2数据集对应的SWAT模型模拟效果较于其他两个数据集好。这证明输入土地利用数据的精度与模拟结果之间的关系并不是随输入数据精度高低而变化的简单线性关系；水文响应单元HRUs的划分数量对于模型模拟结果的影响大于土地利用分类精度对模型模拟结果的影响。

(5)受研究人员经验、可收集到的资料的限制，子流域划分阈值及坡度划分等可能并不是最佳划分方案，因此导致研究结果存在一定的偶然性，研究结论不一定适用于所有的流域，在进行其他流域的相关研究时要具体情况具体分析。