基于CMADS 驱动的SWAT 模型在浏阳河流域的应用研究

周 滢，毛德华，邓美容

（湖南师范大学资源与环境科学学院，长沙 410081）

SWAT（Soil and Water Assessment Toll）模型是美国农业部农业研究服务中心在SWRRB（Simulator for Water Resources in Rural Basins）模型基础上发展起来的基于物理机制的半分布式水文模型［1］，被广泛应用于不同时空尺度下的径流模拟、气候变化和土地利用影响的归因分析、未来综合情景分析、非点源污染等领域。其中，对径流模拟的研究多集中在SWAT 模型的适用性和不确定性分析等方向。模型的适用性主要通过不同地形特征流域、不同时空尺度下模型模拟效果进行判断［2］。Arnold 等［3］率先利用SWAT 模型验证了模型径流模拟在密西西比河上游流域的适用性。AL-Khafaji 等［4］应用 SWAT 模型，通过伊拉克Al-Adhaim 盆地内的日径流数据进行校准，模拟长期径流。Yang 等［5］利用多个雨量站的每日和每小时降雨量观测值作为SWAT 的输入数据，用于中国淮河流域的日径流模拟。李佳等［6］、王梦园等［7］、张利敏等［8］将 SWAT 模型应用于长江流域、黄河流域、浑河流域，并取得了良好的效果。模型的不确定性主要来源于模型结构、模型输入和模型输出 3 个方面［9］。Kassem 等［10］对伊拉克库尔德斯坦地区Khazir 河流域进行模拟发现，SWAT-ANN 模型比SWAT 模型能更有效地预测流域的日径流。Meng等［11］对SWAT 模型的融雪模块进行改进，对军塘湖流域日尺度上融雪过程进行模拟，得到了较满意的结果。Tan 等［12］分析了 DEM 分辨率、DEM 源和 DEM重采样技术对SWAT 模型在马来西亚Johor 河的模拟精度的影响，发现与DEM 源和DEM 重采样技术相比，DEM 分辨率是最敏感的SWAT 模型DEM 参数，且“基于低分辨率DEM 模型模拟不精确”这一说法不一定准确。薛丰等［13］构建了淮河流域SWAT 模型，通过对模型降雨输入不确定性进行分析，得出在雨量资料不充足的地区，使用最邻近插值法得出的径流模拟精度更加稳定。

浏阳河是长江主要支流湘江的重要组成部分，水资源开发潜力大。目前针对浏阳河流域的水文研究主要集中在径流成因及其演变规律方面，有关SWAT 模型的适用性方面研究较少［14，15］。对小尺度流域而言，流域内气象站点分布稀疏甚至没有站点，通过传统气象站点实测气象数据建立SWAT 模型，将导致模型的不确定性增大［16］，因此选择一套合适的水文模式驱动集对研究区径流精确模拟尤为重要。

CMADS V1.0（China Meteorological Assimilation Datasets for SWAT model，Version 1.0）数据集引入了CLDAS（CMA Land Data Assimilation System），利用了数据嵌套、重采样等多种技术手段建立。该数据集包括从2008 年至2016 年9 年内的逐日数据，空间上覆盖了整个东亚地区，分辨率为（1/3）°。孟现勇等［17］以干旱地区的祁连山黑河流域为研究区，利用CMADS、CFSR 和传统气象站点数据分别驱动SWAT模型，发现CMADS+SWAT 模式径流模拟效果要优于CFSR 和传统气象站数据。洪梅等［18］在温带东亚季风气候区的潮白河、东洋河流域以CMADS 降水数据作为模型输入项进行水文径流模拟，取得了良好的模拟效果。

浏阳河流域作为南方湿润地区的典型小尺度流域，区域内传统气象站分布稀疏且不均，而降水数据的空间变异性对水文建模的精度有直接影响。使用高精度、高质量的再分析气象数据集驱动水文模型进行模拟，可以提高模型模拟的精确度，减小模拟的不确定性。CMADS V1.0 能够直接驱动SWAT 模型而不需要任何格式转换，将CMADS 作为SWAT 模型的驱动数据，可使气象输入数据的分布密度得到保障，并保证其气象数据的时间连续性。本研究拟用CMADS 数据驱动SWAT 模型对湖南省小流域——浏阳河流域径流进行模拟，以验证CMADS 数据集在该区域的适用性，为流域水资源管理和调控分配提供科学参考依据，并为后续模型间耦合提供有力支撑。

1 研究区概况

选取浏阳河出口控制站榔梨水文站以上流域作为研究区域，集水面积约为3 869.7 km2。浏阳河位于湖南省东部，是湘江的一级支流，源于湘赣交界的大围山麓，流经浏阳市到达长沙市，最后于长沙市开福区的陈家屋场注入湘江（图1）。浏阳河流域地处112°58′E—114°15′E，27°51′N—28°34′N，面积约为4 665 km2，占全省面积2.2%，干流河长约234.8 km，河道坡降约为0.6%。流域属于亚热带湿润季风气候，雨热同期，年平均气温约17.5 ℃，年平均降水量约1 568 mm，降水主要集中在5、6 月。地形地貌属湖南省东部丘陵区，地势东北高西南低［19，20］。

图1 浏阳河地理位置及站点分布

2 数据来源与研究方法

2.1 基础数据

构建SWAT 模型所需要的基础数据主要包括模型的输入数据（空间数据和属性数据）和模型率定与验证所需水文数据（表 1）［2］。由于 SWAT 模型需要保持各个图层坐标系的一致性，因此对所有图层进行统一投影，投影坐标为WGS_1984_UTM_ZONE_49N。

表1 SWAT 模型基础数据

2.1.1 DEM 数据 DEM 数据来源于地理数据云平台（http：//www.gscloud.cn/）GDEM V2（Global DEM Version2）30 m 分辨率数据，利用 ArcGIS10.2 对其进行掩膜和投影变换等预处理，得到浏阳河流域DEM数据。

2.1.2 土地利用数据 土地利用影响降水在陆面的成流过程，对SWAT 径流模拟结果影响大。研究采用的土地利用数据分辨率为1 km×1 km，来源于中国科学院资源与环境科学数据中心（http：//www.resdc.cn/）2015 年土地利用遥感监测数据（图2）。为减少模型HRU 的生成数量，将浏阳河流域土地类型按照SWAT 代码重新分类，最终划分为5 类，分别为耕地、林地、草地、水域和建设用地，其中林地所占面积最大，占整个研究区域的73.8%。

图2 浏阳河流域土地利用类型

2.1.3 土壤数据 土壤属性参数是SWAT 模型计算田间持水量和水力传导系数的关键。采用世界土壤数据库（HWSD）的中国土壤数据集（v1.1）（2009）的土壤数据，其分辨率为1 km×1 km［21］，对该数据计算处理后将土壤类型重新分类。由图3 可知，研究区域一共有12 种土壤类型，主要为简育低活性强酸土和人为堆积土，分别占46.01%和24.54%。

图3 浏阳河流域土壤类型

2.1.4 气象数据 选择来自寒区旱区科学数据中心的中国大气同化驱动数据集（CMADS V1.0）作为SWAT 模型的气象输入数据，该数据集包括了2008—2015 年8 年内逐日气象资料（气温、降水、湿度、风速、太阳辐射等），空间分辨率为（1/3）°，可直接驱动SWAT 模型而不需要任何格式转换。选取覆盖研究区域的 20 个 CMADS 站点进行研究，CMADS V1.0 站点具体信息见表2。

表2 浏阳河流域CMADS 站点分布情况

2.1.5 水文数据 采用榔梨水文站1961—2015 年实测月径流数据，选用2008—2015 年8 年逐月径流资料作为SWAT 模型参数率定和验证数据。

2.2 SWAT 模型及目标函数

采用分布式水文模型SWAT 来模拟水文过程，应用的主要是SWAT 模型的水文模块。水文循环是最主要的流域过程，也是流域内部的主要驱动力，SWAT 模型的流域水文过程分为2 个阶段，即陆面阶段和水面阶段，其中陆面阶段可用水量平衡方程表示［22］如下。

式中，SWt表示土壤最终含水量；SWo表示土壤初始含水量；n表示时间步长；Ri，day表示第i天的降水量；Qi，surf表示第i天的地表径流量；Ei，a表示第i天的蒸发量；Wi，seep表示第i天从土壤剖面进入包气带的水量；Qi，lat表示第i天土壤中流量；Qi，gw表示第i天的地下水含量。

采用决定系数R2、纳什效率系数NSE、偏差百分比PBIAS和均方根误差与标准差偏值RSR来综合评价模型的适用性。计算公式如下。

式中，Qm，i为实测径流序列；Qs，i为模拟径流序列；为实测径流序列均值为模拟径流序列均值。

R2表征观测值与模拟值的相关程度，R2越接近1，模拟效果越好；NSE表示观测值与模拟值的拟合度，NSE取值越接近1，说明模拟结果与观测值越接近；PBIAS用于衡量模拟值相对于观测值的平均变化趋势，PBIAS的最佳值为 0，PBIAS＞0 时模型低估偏差，PBIAS＜0 时模型高估偏差；RSR使用观测值标准差对均方根误差（RMSE）进行标准化，RSR越小，模型模拟效果越好［23］。不同研究选择模型指标的评价标准可能不同，本研究采用Moriasi 等［24］的评价标准，认为R2＞0.7，NSE＞0.5，|PBIAS|＜25%且RSR≤7 时，模型模拟结果是满意的。

2.3 水文序列突变点分析方法

非一致性水文条件下的径流模拟能够体现变化环境下水文模型的适用性，采用Mann-Kendall（MK）趋势分析法和滑动t检验法对研究区水文序列资料进行突变检测［25］。

2.3.1 Mann-Kendall（M-K）趋势分析 M-K 检验是常用的非参数检验方法，优点是不需要样本服从一定分布规律，不受少数异常值的干扰，适用于分析气象水文要素时间序列的变化趋势［26］。对一段水文序列进行M-K 检验，若统计结果UF 或UB 的值大于0，表示序列呈上升趋势，小于0 则相反，当它们超过临界直线时，表明上升或下降的趋势显著，若UF、UB 相交且交点位于临界线之间，则此交点为突变点［27］。

2.3.2 滑动t检验 滑动t检验是一种判断突变的统计方法。将连续的数据时间序列分割成2 个子序列，容量分别为n1和为其均值及方差。构造统计量T，服从t（n1+n2-2）分布：

给定显著性水平 α，其临界值为tα，若 |T|＞tα，则分割点前后两子序列均值存在显著差异，认为分割点对应时刻出现突变［28］。

3 结果与分析

3.1 水文序列资料突变分析

从研究区1961—2015 年年径流长期变化、5 年滑动平均（图4）和M-K 检验结果（图5）可知，1961—2015 年年径流量拟合直线斜率为-0.108，总体呈微弱下降趋势。年径流量正序列曲线UF 均位于信度线以内，说明年径流变化趋势不明显。UF 与UB 过程线在置信区间（±1.96）内有6 个交点，说明可能的突变年份为 1962、1965、1977、1982、1983、1987、2003、2005 年。因为M-K 检验法不适用于多点突变的情况，需结合其他突变分析方法进行下一步突变检验，故采用滑动t检验方法对研究区径流序列进行突变检验［29］。在步长为4，显著水平为0.01 的情况下，1983 年和1987 年径流量发生突变（图6）。综上判断，1987 年为年径流量的突变年。由于径流时间序列发生了突变，因此研究区域水文序列不满足一致性。

图4 1961—2015 年浏阳河流域年径流变化趋势

图5 1961—2015 年浏阳河流域年径流量序列M-K突变检验

图6 1961—2015 年浏阳河流域年径流量滑动t检验

3.2 基于SWAT 的径流模拟

3.2.1 参数敏感性分析 在SWAT 模型径流预测过程中，一些较为敏感的参数对模型模拟结果影响显著，通过参数敏感性分析可以确定这些参数，从而减少调参数目，提高模型效率。SUFI-2 算法是一种反演建模法，考虑了参数不确定性的所有来源［30］，虽然精度不是很高，但是适用于本研究这种径流变化不太复杂的流域［31］。选取了11 个与径流相关的参数，在 SWAT-CUP（SWAT-Calibration uncertainty procedure）中选取SUFI-2 算法中的全局敏感性分析方法（global sensitivity）对水文模型进行参数优化。其中t-Stat 代表参数的敏感性程度，P决定敏感的显著性，t-Stat 绝对值越大，P越接近 0，参数越敏感［8］。经过500 次迭代，参数敏感性分析结果见表3。

由表3 可以看出，对浏阳河流域径流影响较大的参数分别为SCS 径流曲线系数（CN2）、地下水的时间延迟（GW_DELAY）、土壤有效可利用水量（SOL_AWC）、基流α 因子（ALPHA_BF）和土壤饱和渗透系数（SOL_K）。

表3 参数敏感性分析

CN2是水分条件为Ⅱ时的初始SCS 径流曲线数，决定CN2的主要因素为土壤类型、土壤利用方式和前期土壤含水量，降雨量一定时，CN2值越大，流域产流能力越强。GW_DELAY代表水分下渗进入浅层含水层与流出土壤非饱和层的延迟时间差，GW_DELAY值越大，地下水补给地表径流的时间越长。SOL_AWC能反映土壤的有效蓄水能力。ALPHA_BF也叫基流衰退系数，能反映地下径流对补给的响应程度。SOL_K会影响土壤的导水性能，其值大小与流域径流量成反比关系。

3.2.2 模型率定与验证 利用CMADS 数据集驱动SWAT 模型，将运行时间设定为2008—2015 年，为避免模型初期状态的影响，将2008 年设置为模型预热期，2009—2013 年为率定期，2014—2015 年为验证期。以浏阳河流域水文控制站榔梨站2009—2015年实测月径流值作为模型检验值，对流域月径流进行模拟。以决定系数R2、纳什系数NSE、偏差百分比PBIAS、均方根误差与标准差偏值RSR共4 项常用指标对模型适用性进行评价。

从图7、图8 可以看出，整个模拟期中模拟径流量与实测径流量趋势基本吻合。率定期和验证期普遍出现枯水期模拟径流量低于实测值的现象，但对峰值流量模拟较好，表明由CMADS 驱动的SWAT 模型对偏枯水年的径流模拟精度较丰水年低。

图7 榔梨水文站率定期月径流模拟值与实测值拟合曲线

图8 榔梨水文站验证期月径流模拟值与实测值拟合曲线

从表4 可以看出，率定期和验证期的R2和NSE均达到了0.85 以上，说明模型模拟径流序列与实测径流序列之间具有较高的一致性，模型模拟效果良好。验证期的决定系数相对于率定期有所降低，可能是因为验证期只有2 年，数据不够，参数拟合度较低。率定期和验证期的PBIAS均大于0 且小于25%，说明模型在此期间模拟径流较实测值低。对于RSR而言，率定期和验证期的RSR值均小于0.70，位于误差范围内。

表4 浏阳河流域月径流模拟评价指标

整体来看，R2、NSE、PBIAS、RSR这4 项指标均取得了良好的评价结果，说明基于CMADS 驱动的SWAT 模型在浏阳河流域有很好的适用性。

3.2.3 不确定性分析 采用2.5%～97.5%的置信区间作为SUFI-2 算法的95%参数估计的不确定性区间（95PPU），通过P-factor 和R-factor 来评估模型预测的不确定性，P-factor 表示实测值位于95PPU 区间 内 的 百 分 比 ，取 值 区 间 为 0～1；R-factor 表 示95PPU 平均宽度与实测值的标准差之比，取值区间为0～∞。当P-factor=1，R-factor=0 时，模拟值与实测值相等［32］。由表4 可知，验证期和率定期的P-factor均大于 0.5，R-factor 均小于 1.0，因此基于 CMADS 所构建的SWAT 模型径流模拟的不确定性处于可接受范围。

4 结论

本研究以浏阳河流域为研究对象，利用中国大气同化驱动数据集（CMADS V1.0）驱动SWAT 模型，对流域2009—2015 年月径流进行模拟，进一步分析了SWAT 模型参数敏感性和不确定性。具体结论如下。

1）浏阳河流域径流序列于1987 年发生突变，其水文序列资料不满足一致性。基于CMADS 驱动下的SWAT 模型模拟了非一致性径流序列下的浏阳河流域月径流量，NSE和R2均达到了0.85 以上，模拟效果较好。

2）利用 CMADS V1.0 数据集驱动 SWAT 模型对浏阳河流域进行月径流进行模拟，在所选取的11 个参数中，对浏阳河流域径流影响较大的参数分别为SCS 径流曲线系数、地下水的时间延迟、土壤有效可利用水量、基流α 因子和土壤饱和渗透系数。

3）基于 CMADS V1.0 驱动的 SWAT 模型在浏阳河流域具有较好的适应性，R2、NSE、PBIAS、RSR这 4项指标均取得良好的评价结果，模型对丰水年的模拟效果要优于偏枯水年。

4）由SUFI-2 算法的不确定性分析结果可知，验证期和率定期的P-factor 均大于0.5，R-factor 均小于1.0，模型的不确定性较小。

当前可获得的CMADS 数据集时间范围相对较短，只有8 年的数据，使得模型率定验证的年份缩短，可能会对模型模拟精度造成影响。CMADS 驱动下的SWAT 模型目前广泛用于北方干旱地区，从模型率定和验证的结果来看，模型对丰水年的模拟效果要优于偏枯水年，这为基于CMADS 驱动的SWAT模型应用于南方湿润地区径流预测提供了思路。