长江源区SWAT水文模型数据库构建及模型的率定与验证

杨 颖，马 莲，李树森，高云鹤，李梦媛，刘增辉，司剑华，卢素锦*，陈雨薇，李紫涵，张小燕，颜 丹，单雅佩，刘海玲

(1.青海大学 生态环境工程学院，青海 西宁 810016； 2.青海大学 农牧学院，青海 西宁 810016)

SWAT(soil and water assessment tool)是一个长时间尺度的分布式水文模型，该模型适用于不同地域、不同空间尺度、不同时间尺度等多种环境过程[1]，适用于具有不同土壤类型以及土地利用的复杂大流域，目前已得到广泛应用[2].作为SWAT模型的技术支撑，“3S”技术的发展促进了分布式水文模型的应用[3].国外将SWAT模型应用于美国德格萨斯州、密西西比河等区域，应用SWAT模型进行径流模拟、分布式水文-土壤-植被模型(DHSVM)开发等方面的研究[4-8]；SWAT模型在国内的应用与研究从2000年左右开始，先后开展了三川河流域、东江流域、潘家口水库等的模拟，利用SWAT模型对土地利用、土地覆被变化对径流量的影响等进行研究[9-12]，并对SWAT模型的应用进行了改进[13-14].

长江源区地处青藏高原，是组成三江源自然保护区的重要部分，是我国生态环境安全以及经济可持续发展的重要生态屏障[15].目前，国内部分学者已对长江源区流域径流量变化等做了研究，如张小咏等[16]利用长江源区1975—2004年气象数据、水文数据等进行了模拟.张佳等[17]通过SWAT水文模型，分析了长江源区巴塘河流域的气候变化和水文响应关系；李佳等[18]通过构建SWAT水文模型，对不同的土地利用及土地覆被情况下的径流量进行了分析.目前对长江源区SWAT水文模型的研究虽获得了一定的成果，但存在研究空间、时间尺度较短等问题[19].笔者通过建立长江源区SWAT水文模型数据库，对SWAT水文模型进行参数率定与验证，预测源区长时间尺度的水量输出过程、趋势和规律，为研究气候变化对长江源区水文资源循环过程的影响提供依据.

1 材料与方法

1.1 研究区概况

长江源区地处青藏高原，地理坐标为32°30′～35°35′N，90°43′～96°45′E，是组成三江源国家公园的重要部分，是我国生态环境安全以及经济可持续发展的重要生态屏障[15].源区为典型的高原大陆性气候，干燥、寒冷、缺氧、昼夜温差大，风大沙多.年平均气温在6.0～4.0 ℃之间[20]，属于高原亚寒带半湿润半干旱区，流域内植被类型简单[21]，主要有高寒草原生态系统、高寒草甸生态系统和高寒沼泽生态系统三大类型[22].土壤类型有高山草甸土、沼泽土和高山草原土[18].

选取长江源区五道梁、沱沱河、治多、曲麻莱、玉树、清水河、安多、囊谦、杂多共9个气象站点以及直门达、沱沱河、楚玛尔、雁石坪共4个水文站(见图1)，统计及处理各站点的所有数据.

图1 长江源区气象站点和水文站点分布图

1.2 数据来源

土地覆被数据是认识人类活动和全球变化之间复杂关系的关键信息源.NLCD2001(国家土地覆被数据库，National Land Cover Database， http://www.dsac.cn/)数据集的研发，在已有国内外土地覆被分类系统的基础上，基于中国土地覆被实际情况，从遥感分析角度和陆地生态系统观点出发，建立一种新的土地覆被分类体系，该体系由一级地类7类、二级地类28类构成且对每一种土地覆被类型二级类分别进行编码、定义，并对其主要特征和空间分布进行详尽描述[23].以多种遥感影像作为数据源，以中国植被区划数据、数字高程模型数据(digital elevation model，简称DEM)等多种数据作为辅助数据，该数据库被普遍认为能够提高土地分类的准确性[24].笔者在中国地理空间数据云(http://www.gscloud.cn/)根据经纬度共下载60张30 m分辨率的DEM数据影像图，按照长江源区域裁剪；土地利用/土地覆盖数据采用SWAT模型中推荐的NLCD2001进行分类.

所使用数据资料包括长江源区DEM影像图、土地利用/土地覆盖数据，以及径流量、气温、相对湿度、降水量、太阳辐射、大气压、风速、蒸散发量等数据.

长江源区1961—2020年气象数据来源于中国气象数据网(http://data.cma.cn)中的地面资料和青海省气候中心；1961—2020年径流量数据来源于青海省水文水资源勘测局.

1.3 SWAT水文模型的原理及方法

1.3.1 SWAT水文模型的原理及运行结构

SWAT水文模型可以将流域划分为不同的子流域，并进行多种不同的水运转换的物理过程模拟.运用SWAT模型中气候和水文2个组件[25-26].

1.3.2 SWAT水文模型参数敏感性及率定的方法

SWAT水文模型使用LHS-OAT分析方法进行参数敏感分析和自动参数率定，该方法结合了拉丁超立方抽样法(latin hypercube sampling，简称LHS)与单因子(one factor at a time experimentation，简称OAT)敏感度分析，同时具备LHS抽样的健壮性和OAT算法的准确性[27].

1.3.3 SWAT水文模型验证的方法

通过敏感性分析后选出所用参数，并利用参数验证SWAT水文模型，检验模型是否能反映该研究流域的情况[27].在验证时，先预热模型，以排除参数变量对结果的影响.

选取相对误差Re以及拟合度R2对模型进行评估.Re越接近0，模型模拟结果与实测值相差越小.R2为模拟值与实测值的拟合度，数值越接近1，则模拟值与实测值越接近[28].

(1)

(2)

其中：Qs为模拟值，Qm为第m次的观测值，Qoi为第i次的实际测量值，¯Qo为平均的实际测量值，Qsi为第i次的模拟值，¯Qs为平均的模拟值.

1.4 数据处理

将下载的60张长江源区DEM影像图拼接，裁剪成长江源区行政区域图.shp文件.为防止在模型中水流流向计算错误，需将拼接图像中不平滑或不完整的区域在ArcGIS 10.2 软件中使用“ArcToolbox”工具进行填洼处理，然后进行水文分析.

利用NLCD2001(国家土地覆被数据库，National Land Cover Database)，得到长江源区土地利用/土地覆盖图(图2)和土壤类型图(图3).

图2 长江源区土地利用/土地覆盖图

图3 长江源区土壤类型图

2 结果与分析

2.1 SWAT水文模型数据库的构建

2.1.1 构建土地数据库

根据图2中已划分好的长江源区土地利用类型，使用SWAT水文模型的辅助工具SPAW(土壤计算软件)计算，得到SOL-K(土层饱和水传导度)、SOL-AWC(土壤层有效含水量)、SOL-BD(土壤容积密度)3项数据.将以上3项数据进行处理，导入SWAT模型中建立土壤数据库.

2.1.2 构建气象数据库

使用MATLAB软件编程，计算长江源区各气象站点内的径流量、气温、相对湿度、降水量、太阳辐射、大气压、风速、蒸散发量等数据，得出月平均值.其中，可利用多个月平均值的均值补充缺失的数据.将处理好的各项数据导入模型，建立气象数据库.

2.2 SWAT水文模型的建立

在经过处理的DEM图中提取河网(图4)，选取直门达水文站作为长江源区的流域总出口，在模型中输入直门达水文站的经纬度坐标，然后划分出长江源区子流域.计算出流域的总体参数，通过土地利用/土壤类型划分水文响应单元(hydrologic response unit，简称HRU)(图5).研究中，将长江源区划分为31个子流域，202个HUR.模型的参数率定以及验证需要使用长江源区内水文站实测的数据.1961—2016年为模型的模拟时间，其中模型的预热期为1961—1965年，以2017—2020年进行模型的验证.若模型可以正常运行，则证明数据库成功建立.

图4 长江源区河网图

图5 长江源区子流域及水文响应单元

2.3 SWAT水文模型的参数敏感性分析及率定

参数敏感性分析是为了判断哪几项数据的变化对结果的影响更大[29].若使用模型中全部的中间变量，则计算量过大.因此选取敏感性高及最重要的中间参数可以提高对SWAT模型的计算效率[28].为减少不重要参数的影响，研究中采用的方法为LH-OAT法(拉丁超立方方法)[30].

经过敏感性分析，得出基流衰减系数等8个影响长江源区径流模拟结果精度的参数，具体参数列于表1.

径流曲线数(runoff curve number，简称CN)，为无量纲参数，是一个反映土地利用、土壤类型、水文条件和前期土壤湿度的综合性指标.CN值越大，可能渗入量越小，越容易产生径流，它在SCS模型中是一个重要的参数，对径流计算结果影响很大，决定地表径流、侧流和浅蓄水层的出流量，是影响水文过程模拟精度的基本关键参数.前期降水指数分为干旱、正常及湿润3种状态，CN2对应降水指数正常状态值.经上述敏感性分析，CN2敏感度数值为0.022，表明CN2敏感性较低，对标准SCS-CN模型中的CN和初损率λ进行敏感性分析，经公式(1)计算，得出以不同土地利用方式为主的流域，当CN值一定时，初损率λ相对敏感性会随着降雨量的增加而减小，即降雨量越小，地表径流量对初损率λ变化越敏感.径流量对初损率λ的敏感程度的影响从大到小排序依次为：人工林为主的流域，草地和乔木林为主的清水河流域，次生林为主的流域，农田草地为主的流域.文中长江源区土壤类型大多是以草地为主的流域，因此，CN对地表径流敏感性较低.但模拟结果评价目标不同时，模型参数的敏感性会有一定的变化，即不同的土壤类型分布，其推求的参数的敏感度会有所改变.

表1 SWAT水文模型参数敏感性分析

在SWAT水文模型中输入选择出的8个敏感性高的参数，将模拟值与实测值进行对比.将选出的参数用SWAT模型进行率定(见表2)，首先将参数输入模型，确定率定值范围，然后不断缩小范围直到确定最终值.表2显示，最终率定值在率定范围内，证明参数在该模型中适用.

表2 SWAT水文模型参数率定范围及最终结果

2.4 SWAT水文模型的验证

该模型中，1961—2016年为率定期，2017—2020年为验证期.比较率定期内和验证期内的模拟值与实测值，结果如图6～8所示.

图6 率定期长江源区月径流模拟值与实测值对比

图7 验证期长江源区月径流模拟值与实测值对比

图8 率定期和验证期决定系数比较

由图6～8可见，通过模型模拟所得数据与实际测量数据之间存在一定的偏差.在春汛期，即每年3—5月中，气温上升导致冰川融雪，使径流量突然增加；在夏季，即每年6—9月中，长江源区降水量增加，模型模拟所得数据和实际径流量值接近，但存在短期内降雨量过大导致洪水，从而模拟所得数值比实测数据偏低；在冬季，即每年10月至次年2月径流量伴随着气温的降低而逐渐减小，模拟所得数据接近实测数据.

长江源区模拟评价结果列于表3.

表3 长江源区模拟评价结果

由表3可知，率定期相对误差为5.27%，决定系数为0.84，表明在率定期内的实测值与模拟值拟合较好，SWAT水文模型对长江源区净流量的模拟符合实际；验证期相对误差为3.34%，决定系数为0.89，表明SWAT水文模型适用于长江源区.

3 讨论与结论

笔者构建长江源区SWAT水文模型的过程与李佳等[18]基本相同，而在参数的敏感性分析及选取与模拟最终得到的误差值等方面与张小咏等[16]的结论存在偏差.笔者利用1961年以来的数据建立了长江源区SWAT水文数据模型，得到的模拟结果与实际测量结果误差较低，相对更为精准，说明使用长时间尺度范围的数据可以提高模型的精确度；研究中2004年的净流量模拟数据误差较大，这可能是由于短期内降水集中、强度大，而SWAT水文模型不够完善，无法处理这种特殊情况，其有待于进一步修正完善；利用SWAT水文模型模拟得出1961—1966年和2006年以后两个阶段径流量增加，1967—2005年径流量呈现波动下降的趋势，率定期的模拟值与实际值误差为5.27%，在验证期内误差为3.34%，所得模拟数据较为合理.该结论与罗玉、韩丽等[30-31]的结论基本符合.通过构建SWAT 水文模型进行气候变化的模拟，发现降水量增加、蒸散发量减少会导致长江源区净流量明显增加，气温急剧上升导致的冰雪融化会使径流量剧增，此结论与齐冬梅、张晓娅等[32-33]的结论基本符合.但该模型中气温上升与径流量增加的关系不显著，有待于进一步探讨.

笔者通过建立长江源区SWAT水文模型数据库，对参数进行率定，并验证模型，得出以下结论：

(1) 在模型参数敏感性分析过程中，选取了基流衰减系数等8个参数的敏感性大，对径流的影响更显著.模型验证所得的模拟径流量与实际径流量相比误差小，且拟合度较高.

(2) 由1961—2015年各项数据率定所得的参数，通过模型模拟得出2016—2020年的长江源区径流量高于实际所测得的数据.

(3) SWAT水文模型在长时间尺度下精准度较高，适用于长江源区，但SWAT水文模型中融冰融雪模块不够精准，春汛期的径流量模拟偏差比其他时期较大，SWAT水文模型在高寒地区的应用需要进一步完善.