渭河流域蓝绿水对土地利用变化的响应模拟

杨肖丽，李文婷，任立良※，高 甜，马慧君

（1.河海大学水文水资源与水利工程科学国家重点实验室，南京 210098；2.河海大学水文水资源学院，南京 210098）

0 引 言

淡水资源对于维持生态平衡和人类活动的可持续发展至关重要。近年来，受气候变化、人口增长的影响，水资源短缺已经成为全球面临的严峻挑战，传统的水资源评价已经不能满足解决当前的水安全问题[1]。为了提高水资源的有效利用率，近年来水资源评价与管理集中于蓝绿水的研究，蓝水主要是以地表径流、土壤中流、地下径流三种形式存在的水，绿水是指土壤水和实际蒸散量[2]。绿水作为水分消耗的主体，其80%的水资源量用于全球农业生产[3]，对维持生态系统的稳定起着不可替代的作用。蓝绿水的变化主要是由气候变化（降水、气温等）和人类活动（土地利用、调水工程、引水灌溉等）共同引起的，在长时间尺度上，气候变化是影响流域水文过程的主要因素之一，而在短时间尺度上，土地利用变化是直接影响流域水文过程的关键因素之一[4]。土地利用变化是对城镇化发展、产业格局及水土保持措施等的侧面反映，人类活动通过改变土地利用方式，间接影响水循环过程中的冠层截留、地表下渗、蒸散发及土壤水，进而使流域蓝绿水资源发生改变，对流域水量平衡产生重要影响[5]。因此，重点关注流域内蓝绿水对土地利用变化的响应研究，对流域生态环境保护与土地利用规划具有重要的研究意义。

自 1995年国际地圈-生物圈计划（International Geosphere-Biosphere Program，IGBP）和国际全球环境变化人文因素计划（International Human Dimensions Programme on Global Environmental Change，IHDP）联合提出“土地利用/覆盖计划”（land use/cover change）研究计划以来，土地利用/覆盖变化已成为国际水文组织的核心研究领域[6]，不同时空尺度的土地利用/覆被变化研究有助于揭示人类活动影响下区域及全球水文循环变化的过程、机理等。近年来，诸多学者主要利用CLUE-S[7]、SLEUTH[8]，以及元胞自动机-马尔科夫链(CA-Markov)[9]等模型进行土地利用演变研究。其中CA-Markov模型基于土地利用转移概率矩阵和土地利用适宜性图集，充分结合了CA模型的空间动态模拟能力和Markov模型的长期预测能力，具有较高的模拟精度，在土地利用变化的模拟与预测中取得了良好的效果。张晓娟等[10]利用CA-Markov模型对三峡库区土地利用变化进行模拟，Kappa精度达到0.9712，模拟效果较好；王兆林等[11]利用改进的CA-Markov模型对山地城市边缘区土地利用变化进行模拟，经过改进后模型模拟精度有效提高，Kappa系数达到0.931 5。

土地利用变化对流域蓝绿水影响的研究方法主要包括数理统计方法和水文模型两类。水文模型不仅可以充分考虑地理要素的空间差异性，还能够结合气象数据和土地利用变化对流域内蓝绿水量进行定量分析，应用较为广泛，如 SWAT[12]、MPI-HM[13]、SWIM[14]等。SWAT模型具有较强物理机制，模型可以直接输出组成蓝绿水量的各个分量，被认为是评估蓝绿水量较为有效的模型[15-18]。黎云云等[15]设置多种土地利用变化情景，利用SWAT模型研究了渭河流域土地利用变化与径流的响应关系；王钰双等[16]构建闽江流域的SWAT模型，模拟了不同土地利用情景下的径流过程，定量分析了土地利用变化对流域径流影响；张洋等[17]基于SWAT模型评估了岷沱江流域不同土地利用类型下的蓝/绿水量时空分布特征；张杰等[18]利用SWAT模型模拟结果分析了湟水流域不同土地利用类型下的蓝绿水量变化情况。然而，以往的研究主要集中在历史土地利用条件下的流域水资源研究，对未来土地利用变化下水资源的时空响应研究较少，对于未来土地利用变化背景下的蓝绿水响应研究也相对缺乏。

渭河流域作为陕西省的“母亲河”，近年来随着经济的快速发展，高强度的人类活动使得流域内的土地利用格局发生很大改变。流域内部分地区追求经济利益而忽视了对土地的合理利用，导致渭河流域土地利用系统遭到一定破坏，水土流失问题日益凸显，水资源量呈减少趋势，引发一系列的生态环境问题，亟待深入探讨渭河流域土地利用变化对蓝绿水的影响，为流域的生态保障和土地规划管理提供一定的科学依据。本文利用CA-Markov模型预测渭河流域2035年土地利用格局，从多角度定量分析1995—2035年土地利用变化时空特征，并通过设置不同土地利用情景，借助SWAT模型对蓝绿水进行定量评估，探讨渭河流域不同土地利用分布下蓝、绿水量的时空分布特征。

1 研究区域概况

渭河是黄河流域第一大支流，发源于甘肃省渭源县鸟鼠山，流经甘肃、宁夏、陕西三省（自治区），最终在陕西省潼关县汇入黄河，河流全长818 km，流域面积为13.4万km2。流域内支流众多，其中泾河和北洛河是最大的两条支流，流域面积分别为 4.54×104km2和2.69×104km2。 渭 河 流 域 地 处 104°00′E~110°20′E ，33°50′N～37°18′N 之间，流域地形西高东低，南北高中部低，差异较大，形成了北部、中部和南部不同的植被类型。北部为黄土高原，土地相对贫瘠，植被类型以温带丛生禾草植被为主，极易造成水土流失；南部为秦岭山脉，气候适宜，植被类型以温带落叶灌丛为主；中部为关中平原，土壤肥沃，土地利用类型以耕地为主，是人类活动最为强烈的地区。渭河流域气候属于大陆性季风气候，冬季寒冷且雨量较少，夏季炎热但雨量充沛，多年平均气温为 7.8～13.5 ℃，多年平均降水量为 400～800 mm，受地形等因素的影响，流域降水由东南向西北递减，空间差异大（图1）。

2 数据及研究方法

2.1 数据来源

高程数据来源于地理空间数据云（http://www.gscloud.cn/），分辨率为90 m。气象数据选取渭河流域内及周围26个气象站点（http://data.cma.cn/）的1984—2014年的风速、气温、太阳辐射、降水量、相对湿度等数据，缺测数据使用线性插值法进行插值处理。土地利用数据来源于中国科学院资源科学数据中心（http://www.dsac.cn/），分辨率为30 m，其中将土地利用类型划分为耕地、林地、草地、水体、建筑用地及裸地6种。铁路、公路、高速公路等基础地理信息数据来源于中国国家基础地理信息系统。土壤数据直接来源于世界土壤数据库（HWSD），该数据库能够直接应用于SWAT模型。5个水文站月径流资料来源于渭河流域水文年鉴统计资料。

2.2 研究方法

2.2.1 CA-Markov模型

CA-Markov模型由CA滤波器、Markov链、多准则评估构成。元胞自动机（cellular automaton，CA）采用“自下而上”的研究思想，是一种时间、空间以及状态都离散，能够模拟复杂系统时空演化的网格动力学模型[19]。元胞转换规则是CA研究的核心，利用转化规则可以模拟复杂的土地利用变化，表达式为：

式中t和t+1为元胞所处的前后时刻；S为元胞的状态集合；f为元胞转换规则；N为元胞邻域。

Markov 模型是一种基于转移概率矩阵来模拟和预测事件发生概率的方法，其使用前提是事件过程没有后续影响。土地利用的动态变化具有马尔可夫过程的性质，土地利用类型可以对应Markov过程中的“可能状态”，各种土地利用类型之间相互转化的面积或比例对应状态转移概率[10]，表达式如下：

式中St、St+1分别为t、t+1时刻的系统状态，Pij为状态转移概率矩阵。

IDRISI是一个将地理信息系统和遥感技术完美结合的软件，该软件包括遥感图像处理、空间分析、土地利用变化分析、适宜性评价制图、元胞自动机土地动态变化趋势预测等 300多个专业模块[20]。本文中所用到的模块主要包括 RECLASS、FUZZY、MCE、COLLECTION EDIT、AHP等。RECLASS模块用于基础数据的重分类处理；FUZZY模块主要是利用模糊几何函数的方式对约束因子进行标准化处理；MCE（Multi-criteria evaluation）模块是一个多目标决策支持的多标准的创建适宜性图像集，其评价标准主要包括限制因子和限制条件；COLLECTION EDIT模块可根据土地利用分类顺序将各地类适宜性图像合成适宜性图集。层次分析法（AHP）是用于确定各个因子的权重值。CA-Markov模型充分结合了CA模型的空间动态模拟能力和Markov模型长期预测能力，可以更全面地从空间和时间上模拟土地利用的动态变化情况，该模型是借助IDRISI Selva 17.0版本实现土地利用数据的模拟预测。土地利用分布模拟预测具体步骤如下：

1）数据预处理：一是将土地利用分布图转化为ASCII码格式，导入IDRISI软件中转成RST数据格式；二是将利用FUZZY模块对高程、坡度、公路、高速公路、铁路等约束数据进行标准化处理。

2）构建土地转移概率矩阵：在Markov模块分别叠加甘肃、宁夏、陕西省实测的1995年和2015年的土地利用数据，时间间隔和时间周期均设置为20 a，比例误差设为0.15，得到3省1995－2015年的土地转移概率矩阵和转移面积矩阵；其次，根据 3省《土地利用总体规划（2006－2020年）》中各种土地利用类型的变化趋势，对1995－2015年的土地转移概率矩阵进行修改。

3）制作土地利用适宜性图集：土地利用适宜性图集是提高CA-Markov模型预测精度的关键环节，针对渭河流域实际的地形地貌条件、城镇发展情况以及当地土地资源利用特点，将水域和建设用地设为限制因子，利用RECLASS模块获得两者的布尔约束性图像，在土地利用模拟过程中限制水域及建设用地发生转换；将高程、坡度、距离水域、距离铁路、公路及高速公路等数据作为限制条件，对流域内不同土地利用类型的转化进行约束和限制。利用MCE模块生成不同土地利用类型的适宜性图集。最后利用COLLETION EDIT模块将多个适宜性图集进行合并。

4）未来土地利用预测：基于实测的 2015年土地利用分布，将CA滤波器循环次数设为20，结合修改的1995－2015年土地利用转移概率矩阵和土地利用适宜性图集，依次对甘肃、宁夏、陕西省的2035年土地利用格局进行模拟。将3省（区）2035年的土地利用进行合并，裁剪出渭河流域2035年的土地利用分布。

Kappa系数能够用于检验模拟图像与观测图像的一致性，较多应用于土地利用模拟精度检验[21]。本文采用Kappa系数检验CA-Markov模型对渭河流域土地利用模拟预测的精度，其计算公式如下：

式中P0为正确模拟的栅格比例；Pc为随机情况下正确模拟的栅格比例；1代表理想分类下正确模拟的栅格比例。当 0.4

2.2.2 土地利用转移矩阵

土地利用转移矩阵是研究区域内在特定时期初和期末各土地利用类型之间转化关系，使用土地利用转移矩阵不仅可以研究土地利用类型数量变化关系，还可以分析各类型相互转移情况[22]，公式如下：

式中A表示土地利用类型的面积，km2，n表示土地利用类型，i表示研究初期土地利用类型，j表示研究末期土地利用类型。

2.2.3 土地利用动态度

土地利用动态度[23]反映了土地利用类型的变化速度，可用于预测未来的土地利用变化特征，公式如下：

式中K为土地利用动态度；Ua为研究初期土地利用的面积，km2；Ub为研究末期的土地利用面积，km2；T为时间长度，a。

2.2.4 情景设置

为定量研究渭河流域土地利用变化的蓝绿水响应情况，分别设置5种土地利用情景：情景1、2为历史时期土地利用，情景5是未来时期土地利用，情景3、4是模拟退耕还林、退耕还草 2种极端土地利用情景。其中情景3、4是考虑到渭河流域水土流失严重，以2015年土地利用分布为基础数据，将耕地分别转为草地和林地。具体设置见表1。

表1 渭河流域土地利用情景设置Table 1 Scenario setting of land use in the Weihe River Basin

2.2.5 SWAT模型

SWAT模型是1990年由美国农业部农业研究服务中心（USDA)开发研制的基于物理机制的大尺度分布式水文模型。该模型由水文循环模拟、土壤侵蚀过程以及污染负荷子模型 3个子模型组成，可预测未来各种因素变化带来的影响[24]。模型首先是根据流域的地形因子、河网分布等因子，将整个研究流域划分为若干个子流域，然后按照流域的土地利用类型、土壤类型和坡度的设定阈值划分水文响应单元（HRUs），并单独计算每一水文响应单元的产流量；最后通过河道汇流演算求得出口断面的总径流量。SWAT模型遵循水量平衡原理：

式中SWt为土壤含水量的最终值，mm；SW0为第i天土壤含水量的起始值，mm；t为时间，d；Rday为第i天的降水量，mm；Qsurf为第i天的地表径流量，mm；Ea为第i天的蒸散发量，mm；Wseep为第i天离开土壤剖面底部的渗透水流和旁通水流量，mm；Qgw为第i天回归流的水量，mm。

蓝/绿水量可根据SWAT模型各水文变量的输出结果进行计算[25]，分别为

式中BW为蓝水量，mm；GW为绿水量，mm；WYLD为子流域产水量，mm；DA_RCHG为深层含水层补给量，mm；ET为实际蒸散发量，mm；SW为土壤含水量，mm。

3 结果与分析

3.1 渭河流域土地利用变化趋势

3.1.1 CA-Markov模型评估

为了检验 CA-Markov模型模拟精度，以渭河 2005年土地利用分布图为起始年，结合1995－2005土地转移概率矩阵和土地利用适宜性图集，模拟得到流域2015年土地利用格局。对2015年模拟和实际土地利用数据进行精度评估统计（表2、图2），其中耕地、草地、林地、水域及建设用地精度较高，分别为 83.82%、83.33%、86.06%、89.82%和82.50%，裸地的模拟精度相对较低，仅为61.65%，主要是因为本文将高程、坡度等地形数据作为驱动因子，将水域和建设用地设置为限制因子，使得耕地、草地、林地、水域以及建设用地的转化过程比较容易追踪，而裸地不仅受地理环境的影响，还受人为因素的影响，不容易模拟其演变特征，导致模拟精度不高。2015年土地利用模拟 Kappa系数为 0.89，表明CA-Markov模型模拟达到最佳效果，可用于预测渭河流域未来的土地利用情景。因此，以2015年土地利用分布图作为起始年，利用CA-Markov模型，结合修改的土地利用转移概率矩阵和土地利用适宜性图集，CA滤波器循环次数设为20，模拟渭河流域2035年土地利用分布格局。

表2 2015年渭河流域土地利用模拟对比及精度检验Table 2 Comparison and precision test of land use simulation in Weihe River Basin in 2015

3.1.2 1995-2035年土地利用动态变化

渭河流域1995、2015、2035年3期的土地利用中（图3、表3）均是耕地面积比例最大，草地面积第二，林地面积第三。1995－2015年期间建筑用地单一动态度达 2.35%，其年增速最大；耕地土地利用的变化率为−0.24%，呈减少趋势；林地和草地的变化率分别为0.29%、0.02%。2015－2035年，建筑用地面积动态度达3.50%，耕地变化率减少为−0.32%，水域和裸地均呈现增加趋势。1995－2035年40 a期间增速最快的是建筑用地，单一动态度为 3.75%，其次是林地、水域，单一动态度分别为0.21%、0.08%；耕地、草地和裸地呈减少趋势，单一动态度分别为−0.27%、−0.01%和−0.98%。整体而言，1995－2035年期间，耕地呈减少趋势，林地和建筑用地呈增加的趋势，草地呈先增加后减少的趋势，裸地和水域呈现先减少后增加的趋势。

表3 1995－2035年渭河流域土地利用类型变化Table 3 Changes of land use types in the Weihe River Basin from 1995 to 2035

渭河流域1995—2015、2015—2035年的土地利用转移面积矩阵如表4、表5所示。

表4 1995－2015年土地利用变化转移面积矩阵Table 4 Land use change transfer area matrix from 1995 to 2015 km2

表5 2015－2035 年土地利用变化转移面积矩阵Table 5 Land use change transfer area matrix from 2015to 2035 km2

2期土地利用转移矩阵表明，渭河流域土地利用类型在时空上的转移具有一定的可逆性，在向外转出的同时又伴随着其他地类的转入，这与黎云云等[15]研究结果较为一致。1995－2015年期间，耕地、林地、草地三者之间的转移频率较高，转移面积最大的是耕地转为草地，转移面积3 323.56 km2，主要反映了20世纪90年代后期，国家在水土流失严重地区实施退耕还林还草工程；其次是耕地转化为建设用地，转移面积为1 625.63 km2；草地转化为耕地的面积为2 264.33 km2；林地转化为草地的面积为 584.79 km2。2015－2035年期间，耕地主要是向草地和建筑用地转移，转移面积分别为 4 811.87和3 329.39 km2，表明2015年之后渭河流域内社会经济快速发展，城市化进程加快，城市建筑用地增幅较大。此外，在草地的转出过程中，主要是向耕地和林地转移，转移面积分别为4 254.42和2 346.92 km2，在林地的转出过程中，主要是向草地进行转移，转移面积为1 572.42 km2，这充分体现了渭河流域土地利用类型转移的可逆性。

3.2 土地利用变化对蓝绿水的时空影响

3.2.1 SWAT模型模拟精度评价

SWAT模型涉及径流的参数较多，参考相关文献[26-27]，最终确定16个敏感性较高的参数作为渭河流域5个水文站的率定参数（表6）。结合渭河流域上、中、下游以及2个支流的参数分析结果可知，对渭河流域径流产生较为敏感的参数有CN2（SCS径流曲线数）、ALPHA_BF（基流α因子）、SOL_K（土壤饱和导水率）、SOL_AWC（土壤有效含水率），其中影响最为显著的是CN2（SCS径流曲线数）。

表6 SWAT模型参数选择及率定结果Table 6 SWAT model parameter selection and calibration results

模型评价选用确定性系数（R2）和Nash-Sutcliffe纳什系数（NSE）[28]。利用渭河流域 5个水文站的月径流资料，以 1995年土地利用数据作为基准期，结合SWAT-CUP校准工具和手动调参法，按照林家村、咸阳、张家山、状头、华县的顺序进行率定，率定期为 1985－1990年，验证期为1991-1993年（表7）。5个水文站的评价指标均满足R2>0.6，NSE>0.5的标准，表明 SWAT模型在渭河各子流域均有较好的适用性，可用于研究流域土地利用变化对蓝绿水时空分布的影响。

表7 渭河流域SWAT模型模拟结果评价Table 7 Evaluation of SWAT model simulation results in Weihe River Basin

3.2.2 不同土地利用对蓝绿水的影响

蓝绿水的变化主要由气候变化和人类活动两方面因素共同引起，因此为了定量分析土地利用变化对蓝绿水的影响，排除其他因素的干扰，本研究将各土地利用情景分别代入校准好的SWAT模型中，保证基准期气候和土壤等要素不变。在各土地利用情景下，渭河流域蓝绿水量的变化情况如表8所示，从表中分析可知：

表8 五种情景下蓝水量、绿水量的变化情况Table 8 Changes of blue and green water quantities under five scenarios

1）1995－2015 年，流域内蓝水量增加了2.38 mm/a；2015－2035年，蓝水量增加了14.82 mm/a。蓝水量的增加主要是由于流域内建筑用地面积的扩张，1995－2035年建筑用地单一动态度达3.75%，增幅较大。建筑用地面积的扩张会影响下渗、蒸发等水文过程，导致地表径流的增加。1995－2015年和2015－2035年，流域内绿水量分别减少了18.74、15.23 mm/a。绿水量的减少主要由于流域内耕地面积的减少，耕地的转出，使得蒸散发量减少，而蒸散发作为绿水的主要组成部分，直接影响绿水量的变化情况，这与赵安周等[29]研究较为一致。

2）在退耕还草作用下，蓝水量较情景 2下降了9.27 mm/a；在退耕还林作用下，蓝水量下降了11.37 mm/a。根据王磊等[30]、Thanh等[31]研究，耕地会促进径流量的增加，林地和草地面积增加对径流量起降低作用。随着流域内耕地全部转化为林地和草地，地表径流量减少，造成蓝水量呈减少趋势。在退耕还草/还林 2种情景下绿水量呈现减少的趋势，分别减少了 32.94、21.13 mm/a。绿水量主要是由蒸散发和土壤含水量两者组成，研究表明耕地对蒸散发量的贡献高于林地、草地[32]，在人类活动的影响下，夏季耕地的日均蒸散发量远远大于林草地，其中蒸散发量占总耗水量高达 90%[33]，蒸散发作为绿水的主要组成部分，直接决定了绿水量的大小。此外，不同土地利用类型对土壤含水量影响排序是耕地>草地>林地[34]。因而耕地转化成林地、草地之后，蒸发量和土壤含水量均减少，造成绿水量大幅度的减少。

在历史、未来及模拟土地利用情景下，蓝绿水的空间分布存在一定的差异（图4）。在LULC1995、LULC2015和LULC2035这3种情景下的蓝水量、绿水量空间分布基本一致，均表现为南多北少的趋势，主要是因为流域南部和东部地区主要土地类型是耕地，耕地既能增加地表产流量，也能增加蒸发量，使得该区域的蓝绿水量较为丰富；同时，流域地形自西向东逐渐降低，南部为秦岭山脉，北部为黄土高原，海拔的差异使得流域内气温呈现南高北低、东高西低的分布，气温与蒸散发呈正向关系[35]，因而东部和南部地区绿水量较为丰富。与LULC1995情景相比，LULC2015情景下渭河流域南部、东部的绿水量呈减少趋势，流域南部、中部的蓝水量呈增加趋势；LULC2035情景下渭河流域中部、南部和西北部的绿水量呈减少趋势，流域东部、南部和中部的蓝水量呈增加趋势。

退耕还林、还草 2种模拟情景下，渭河流域蓝绿水呈现不一致的空间分布特征。退耕还林情景下绿水量在流域东部和中部地区表现为减少趋势，蓝水量在流域南部和西部地区呈减少趋势；退耕还草情景下绿水量在流域南部、中部和东部地区均表现为减少趋势，且减少幅度比退耕还林情景更大，蓝水量在流域南部、中部和东部地区呈减少趋势。退耕还林/还草模拟情景下，蓝绿水的空间变化是因为渭河流域内耕地主要分布在南部和东部，林地主要分布于东部，草地分布范围较广，主要是在北部，当流域内土地利用格局发生变化（如耕地全部转为草地或林地），将影响流域内蓝绿水量的空间分布特征。因此合理规划耕地、草地和林地，可以有效防止水土流失，是渭河流域未来土地利用规划和水资源管理的重点。

4 结 论

本文以渭河流域作为研究对象，利用CA-Markov模型对流域 2035年土地利用格局进行模拟预测，通过SWAT模型和5种不同土地利用情景设置，定量分析不同情景下的蓝绿水时空响应情况，得到如下主要结论：

1）基于CA-Markov模型对渭河流域2015年土地利用格局进行模拟预测，Kappa系数为0.89，表明模型精度较高，可用于未来土地利用的预测。渭河流域主要的土地利用方式是耕地、林地和草地，其余地类占比较小。1995-2035年期间，耕地呈减少趋势，林地保持增加趋势，草地呈先增加后减少的趋势，建筑用地呈增加趋势。耕地大面积转移为建设用地和草地，草地主要转移为林地和耕地，其余地类转出面积不明显。40年期间，建筑用地年增速最大，单一动态度达3.75%，林地、水域单一动态度分别为0.21%、0.08%，增长趋势不明显；耕地、草地和裸地两者单一动态度分别为−0.27%、−0.01%和−0.98%，呈减少趋势。

2）SWAT模型在渭河流域5个水文站的月径流模拟精度较好，均满足决定系数R2>0.6，纳什系数 NSE>0.5的精度要求，表明模型可用于模拟分析该流域土地利用变化对蓝绿水的影响。1995－2015年间，渭河流域的蓝水量增加了 2.38 mm/a，绿水量减少了 18.74 mm/a；2015－2035年蓝水量增加了 14.82 mm/a，绿水量减少了15.23 mm/a，蓝绿水量变化趋势一致，主要是因为1995－2035年期间耕地减少，建筑用地增加，使得流域内蒸散发量减少，径流量增加；退耕还林、还草情景下，蓝水量和绿水量均呈下降趋势，主要因为耕地既能够促进径流量的增加，又可以增加流域蒸散发量，将大面积的耕地转化为林草地后，蓝水量和绿水量也随之减少。

本文利用CA-Markov模型模拟渭河流域土地利用演变，耦合SWAT模型定量分析蓝绿水量的时空分布特征。在模拟土地利用演变时，在制作土地适宜性图集时考虑不全面，对于限制条件和因子的选择，应结合流域内实际发展情况，从地理位置、社会经济、人口发展以及资源环境等多方面进行选取，这样能更精确的对土地利用进行模拟。在构建渭河流域SWAT模型时，对于不同土地利用情景耦合SWAT模型，本文采用已校准参数不变，仅更换土地利用数据，未考虑土地利用变化对模型参数的影响，在以后的研究中，需要深入分析不同的土地利用分布对模型参数敏感性的影响。流域尺度蓝绿水的时空演变特征不仅受土地利用变化的影响，还同时受气候变化和灌溉、取用水、水利工程等人类活动的影响。本文在分析渭河流域蓝绿水的时空变化时，主要考虑了土地利用演变对蓝绿水的影响，在未来的研究中，将考虑气候变化和人类活动（如：“引汉济渭工程”、水库调节、农业灌溉等）多方面因素，探讨渭河流域蓝绿水的时空变化特征。