基于SWAT模型的干旱绿洲灌区径流模拟研究

蒋梦瑶，王水献，赵志刚

(兰州大学资源环境学院，甘肃 兰州 730000)

SWAT模型作为最有前景的流域分布式水循环模拟方式，在近30年来得到了广泛利用，主要包括节水灌溉[1]、土壤侵蚀模拟[2]、水循环模拟[3]和径流模拟等[4]。但研究大多集中在地势显著的山区，受人为因素干扰较少，模型建立多是利用 DEM-based 方法，该方法以山谷线作为汇流途径，并以分水岭作为子区边界将研究区离散化为若干水系和子区，而对受人类活动影响显著的平原灌区的研究相对较少。近年来，新疆节水灌溉工程的不断深入，对流域水文产生了复杂的影响，因此本文针对干旱绿洲灌区的水文特点建立分布式水文模型，研究了新疆焉耆盆地水循环要素的变化并对未来气候变化下的径流进行了预测。

本文利用稳定性较高的ArcGIS10.2.2 软件处理DEM数据、土地利用数据、土壤数据和天气发生器，并应用SPAW软件计算出相应的土壤参数，继而创建了土壤数据库。基于焉耆盆地实际灌区划分和水系特征自定义了河网水系及子区(包括五大灌区和博斯腾湖)，然后根据上述数据和坡度划分为不同的水文相应单元，同时将焉耆盆地的主要补给河流，开都河和黄水沟概化为点源，构建了灌区长时间尺度的SWAT 模型。

1 研究区概况

焉耆盆地位于中国西北部的新疆维吾尔自治区(图1)，地理坐标为41°23′N～43°31′N,86°39′E～88°20′E，包括焉耆县、和静县、和硕县、博湖县和8个兵团，盆地内的焉耆水文站作为径流模拟站点，其土地总面积1.32×106hm2，其中绿洲平原区面积占43.08%[5]。平均高程约为1 050～1 200 m，其地势西高东低，北高南低，低处为中国最大的内陆淡水湖——博斯腾湖，总体表现为四周向盆地倾斜的地貌形态。灌区属于暖温带大陆性干旱气候，月最低温-31.93℃，月平均最高温度38.93℃；多年平均气温5.6℃；年降雨量约为50～80 mm，且年内分配不均，年际变化大；年蒸发量约为2 000～2 450 mm，相对湿度50%～60%。

图1 焉耆盆地地理位置

研究区灌溉农业发达，自1950年以来，灌溉引水量增加了3倍以上，是新疆重要的绿洲农业生产区。盆地内的开都河是研究区最大的河流，流域总面积2.2×106hm2，也是干旱平原灌区最主要的地表水补给来源，多年平均径流量为36.4×108m3,是唯一常年补给博斯腾湖的河流[6]。黄水沟是焉耆盆地第二大入湖河流，其多年平均径流量2.88×108m3。清水河是研究区第三大河流，河长60.2 km，主要是一条以冰雪融水、降水及地下水混合补给的河流，主要用于灌溉[7]。

2 SWAT模型构建

2.1 数据准备

美国农业部于1994年开发了SWAT模型，作为具有强物理机制的流域分布式水文模型[8]，首先根据流域地形数据、河网水系分布等特征将研究区划分若干子流域，再进一步根据土地覆盖、土壤类型以及坡度阈值划分水文响应单元(HRUs)。本文选择 WGS 1984 UTM Zone 45N 为统一坐标系进行空间数据处理。依据表1所示的数据建立空间数据库和属性数据库。

表1 SWAT模型所需数据

30 m精度的SRTM_DEM地形数据来自中国科学院计算机网络信息中心地理空间数据云平台。在ArcGIS10.2中对数据进行提取，拼接、裁剪、投影变换和掩膜等处理，生成焉耆盆地SWAT模型所需要的DEM，见图2。

图2 研究区30 m精度DEM

本文基于遥感数据获得了盆地2015年的土地利用数据，然后根据美国土地利用分类特点将其进行重分类为耕地、林地、草地、水域、城镇居民建设用地、沙地和沼泽7类，具体见表2，得到的研究区土地利用数据见图3，由图表可知盆地内的土地利用方式主要为耕地，占总面积的35.94%。

图3 焉耆盆地土地利用重分类

表2 研究区土地利用重分类表

土壤类型分布图、土壤类型索引表、土壤参数均为SWAT模型所需要的土壤数据。本研究通过对比美国土壤数据，利用SPAW 软件的 SWC 模块计算相关土壤数据库参数，最后用已获取的土壤物理属性数据对SWAT自带的usersoil数据库进行修改，从而将研究区的土壤数据进行分类，实现属性的赋值，见图4。

图4 灌区土壤重分类

气象数据对水文循环有重要的影响，SWAT模型中天气发生器构建所需要的降雨量、太阳辐射、温度、风速和相对湿度的数据为日尺度数据。本研究选取研究区的气象站点为焉耆、和静以及和硕气象站，其逐日气象资料序列为1955—2017年。本文依据模型需求将这些日观测数据以 DBF 的格式进行保存，以供模型调用。

2.2 子流域划分

焉耆盆地属于典型的干旱绿洲平原灌区，空间离散化是构建SWAT模型的难点问题[9]，本文根据灌溉区域和盆地内河流将研究区划分为6个子流域和水系，并通过 Pre-defined 操作导入 SWAT，然后在Watershed Delineation对话框中手动添加开都河和黄水沟这两大水系的点源，最终生成的子区划分见图5。

图5 焉耆盆地自定义流域水系

水文响应单元HRU是SWAT模型流域水文计算的最小单元，表示子流域内具有相一致的土地利用类型、土壤类型和坡度等级的区域。在HRU Analysis菜单下逐一定义土地利用数据集，重分类土地利用图，定义土壤数据集，重分类土壤图，重分类坡度图并叠置土地利用、土壤及坡度图。最终焉耆盆地被划分为53个水文响应单元(HRU)。

2.3 天气发生器与数据库创建

HRU分布确定之后，运用ArcSWAT工具栏中的Write Input Tables菜单项输入用于焉耆盆地干旱平原灌区模拟的气象数据。SWAT运行之前，必须定义初始流域值，因此气象资料加载成功之后，可激活Write All命令创建所有默认数据库文件。其中主要包括流域配置文件(.gig)、土壤输入文件(.sol)、天气发生器文件(.wgn)、子流域输入文件(.sub)、水文响应单元文件(.hru)、主河道输入文件(.rtc)以及管理方式输入文件(.mgt)等。

2.4 点源排放和灌溉管理

开都河和黄水沟是焉耆盆地的主要径流来源，本节将焉耆盆地开都河和黄水沟1955—2017年的多年平均径流数据导入了SWAT模型点源编辑对话框。

焉耆盆地内主要种植作物为玉米、小麦、薯类和棉花，受人类活动的剧烈影响，具体表现为灌区内的地下水在灌溉农业中的作用日益凸显，井灌比例从2000年的15%上升为2017年的46.7%。本文将博斯腾大湖和小湖在管理模块分别概化为Water和Wetlands-Forested，其他子区内的耕地(AGRL)概化为Agricultural Land-Generic，其他土地利用类型采用模型默认操作。然后依据焉耆盆地75%保证率下的平均灌溉定额将春灌、夏灌和冬灌的净灌溉水量分别设为96、180、98 mm，其中春灌时间为1月30日到5月10日，夏灌时间为5月20日到8月20日，冬灌时间为10月20日到来年的2月5日。根据表3、4所示的灌区 1955—2017 年灌溉数据(田间灌溉水量及井灌水量)对管理方式文件(.mgt)进行了编辑。当上述所有数据编辑完之后，运行该SWAT模型。

表3 焉耆盆地灌溉情况

表4 焉耆盆地1955—2017灌溉数据

3 参数率定和验证

3.1 参数敏感性分析

参数敏感性分析是SWAT模型率定与验证的前提与基础[7]。衡量模型敏感性的指标有2个：即P-Value和t-Stat，其P指标值越接近于0越敏感，t指标值绝对值越大越敏感。本文通过SWAT-CUP模型的SUFI-2算法自动率定最终获得11个参数的敏感性排序，见图6。部分敏感性较大的参数具体如下：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，在具有城镇区的HRU中，模型将调解曲线系数来反映不透水区的影响；ALPHA_BN为河岸调蓄的基流因子，其值介于0～1，平缓退水的值大(接近于1)，急剧退水的值小(接近于0)；ESCO.hru为土壤蒸发补偿因子，ESCO值介于0.01～1.00之间，随着该参数值的减小，模型可以从下层获得更多的蒸发需水量。

图6 SWAT模型参数敏感性分析及率定终值

3.2 模型参数率定和验证

本研究采用序贯不确定度拟合(SUFI-2)算法对模型进行率定，此算法运算效率高，运行次数少，其模拟结果尽可能多的包含观测数据，达到了减小误差的目的[10-11]。将1955—2017 年模拟期的前3年作为预热期，1958—1990年作为模拟的参数率定期，1991—2017 年作为模拟的验证期。根据对应的修改方式设定参数初始范围，经过多次迭代(每次迭代次数设置为 500 次)逐步满足评价指标，得到参数率定结果，见图6。其焉耆水文站率定期和验证期的月模拟值和月实测值见图7。由图可知，其模拟径流趋势与实测趋势基本吻合，置信度较高，所建立的SWAT分布式模型较好地揭示了焉耆盆地的水文特征。

a)率定期

本研究评价标准采用相对误差Re、皮尔逊相关系数R2以及纳什系数NSE来评价模拟精度，具体计算公式为：

(1)

(2)

(3)

式中qobs——径流实测值；qsim——径流模拟值。

相对误差|Re|<10时，模型被评价为效果很好；R2越接近于1吻合度就越高；NSE取值为0～1，当大于0.54被认为是可接受的范围，越接近于1适用性越好[7]。

由表5的评价结果见可知，本文根据以焉耆盆地为代表的干旱绿洲灌区独特的水文气象要素以及人为灌溉影响因素建立的分布式SWAT模型，具有很好的适用性，对以农业灌溉为主的干旱平原水资源研究提供了重要的手段依据。

表5 焉耆水文站年径流模拟结果评价

3.3 模拟结果分析

3.3.1流域蒸散发分析

SWAT 模型最常用Penman-Monteith 方法计算蒸散发过程，其主要包括土壤水蒸发、植物散发等，其实际蒸散量(ET)依据潜在蒸散量(PET)来计算[12]。图8为焉耆盆地SWAT模型中2000—2017年的蒸散量和降水量的统计及对比，由此可知该干旱灌区月际的潜在蒸散量与实际蒸散量变化趋势一致，月际间的实际蒸散量范围为18.07～380.09 mm，潜在蒸散量范围为39.22～507.22 mm，多年平均月降水量范围为0.93～12.23 mm。月际间的蒸散量变化大，整年中的蒸散量主要集中在夏季，整年蒸散量的60.4%左右。

图8 焉耆盆地逐月降水量和蒸散发量模拟结果

3.3.2河道径流量分析

焉耆盆地降水量少，蒸发强度大，因此对主河道总径流贡献最大的主要是上游开都河的来水量，占88.96%；其次是地表、地下径流对主河道总径流的贡献量，分别占1.02%和10.02%。本节采用率定后的 SWAT 模型进行2000—2017年序列的年径流模拟。从图9中可以看出月地表径流对主河道总径流量的贡献量为0～3.73 mm，月地下径流对主河道总径流量的贡献量为0.62～30.32 mm，地表、地下径流对主河道总径流量的贡献范围为1.40～32.89 mm。

图9 焉耆盆地逐月主河道径流的贡献量模拟结果

4 模型应用

4.1 情景设置

开都河作为焉耆盆地的主要径流补给来源，受气候变化的显著影响。本文根据顾海敏等[13]的研究设置开都河年径流量情景1(23.49×108m3)和情景2(43.46×108m3)，其对应的气候情景分别为T=T+2℃，P=P(1-20%)和T=T+2℃，P=P(1+20%)。

全球气候模式是研究气候变化机理和预测未来气候变化的重要工具，国际耦合模式比较计划 CMIP5(The Fifth Phase of Coupled Model Intercomparison Project)提出了名为“典型浓度路径”的新的未来气候变化发展情景(Representative Concentration Pathways,RCPs)，该情景提出了RCP2.6、RCP4.5、RCP6.0以及RCP8.5 4种未来温室气体排放情景[7,14]。RCP4.5(中等排放情景)和RCP8.5(高排放情景)是2种新的未来气候变化情景，这两种排放模式均假设到2100年，其中RCP4.5情景辐射强度高达4.5 W/m2，温度上升范围为2.4～5.5℃，CO2浓度上升至540 ppm；RCP8.5情景温度升高范围为4.6～10.3℃，CO2浓度上升至940 ppm[15]。本文分别在RCP4.5情景和RCP8.5情景下对经过验证的SWAT模型进行模拟预测至2100年，对应的开都河流两分别为情景1、2。

4.2 结果分析

不同气候情景下的年径流预测值见图10，RCP4.5情景下年径流均值为22.09×108m3，较现状年(1955—2017年)减少了19.05%；RCP8.5情景下年径流均值为34.53×108m3，较现状年增加了26.53%。总体而言，开都河流量为43.46×108m3时的RCP8.5气候情景下，预测的径流量较大。

图10 不同气候情景下的年径流预测

5 结论

本文构建了干旱平原灌区SWAT模型所需的空间数据库和属性数据库，并首次建立了焉耆盆地的SWAT模型，采用焉耆水文站1955—2017年的径流数据，基于提升模拟效果的自动率定 SUFI-2 算法进行率定和验证，并利用Re、R2、Ens3个评价指标验证模型的适应性。预测了未来气候情景下的径流变化，认为开都河流域的降水变化对盆地内径流的影响较大，即开都河降水量增加20%，温度升高2℃时，RCP8.5情景下的焉耆盆地径流量在较现状年增加了26.53%。因此，未来气候变暖趋势下，降雨量会成为影响盆地内径流量的主要因素，即温度相同，开都河降雨量增加20%时，盆地内模拟的径流量相较于降雨量减少20%时增加了45.58%。

SWAT 模型与气象预报数据相结合，可进行焉耆盆地径流过程预报，但对于未来气候系统的复杂性、参数的不确定性以及敏感性参数对模拟影响的贡献等问题还需要进一步研讨。同时，应该依据径流趋势的预测规划径流控制方案，有待进一步研究。