崔肖林，陸建忠，陳曉玲，2，陶 燦

(1.武漢大學測繪遙感信息工程國家重點實驗室，武漢 430079;2.江西師范大學鄱陽湖濕地與流域研究教育部重點實驗室，南昌 330022)

1 研究背景

SWAT(Soil and Water Assessment Tool)模型是由20世紀90年代美國農業(yè)部農業(yè)研究中心(USDAARS)開發(fā)的流域尺度分布式水文模型。該模型可以在水文響應單元的空間尺度上進行地表徑流、非點源污染、農業(yè)面源污染、總氮負荷的模擬和地下水資源評價等研究，而徑流模擬是SWAT模型最基本、最重要的的功能，是進行農業(yè)面源污染，非點源污染等各種應用研究的基礎。

目前，國內外學者應用SWAT模型在模擬流域徑流方面進行了大量的研究，但是研究的焦點多集中于對模型進行率定與校準，再根據(jù)評價系數(shù)決定模型是否具有適用性，并沒有對模型在不同氣候條件下的穩(wěn)定性進行驗證，而是直接用于后續(xù)理論和應用等的研究。例如，利用構建的SWAT模型驗證土地利用變化或農作物管理措施對徑流量、營養(yǎng)物載荷的影響［1］;應用構建的某一流域的SWAT模型對該流域的徑流過程進行模擬［2－4］;應用 SWAT分布式水文模型，研究不同的模型參數(shù)的輸入對地表徑流、泥沙產量等的影響［5－7］;利用建立好的SWAT模型，在充分考慮巖溶區(qū)特殊的地質背景和降雨不均勻的情況下，模擬連江流域的徑流過程來評價地下水的資源量［8］;通過構建的甘肅梨園河流域的SWAT模型，在證明模型適應于該流域的模擬之后，通過回歸模型和時域法的結合預測氣象數(shù)據(jù)，用來模擬 2009—2018 年的地表徑流［9］;利用構建的SWAT模型，評價不同的氣候場景對流域水文過程的影響［10］或者通過設置未來的氣候場景模擬氣候變化對水文過程的影響［11－13］。由于無法對未來極端氣候條件下的模型進行驗證，但是模型的適用性與穩(wěn)定性對于模擬結果的可信性以及可用性是非常重要的，所以對未來預測的結果難以讓人信服。本文從這種思路出發(fā)，選擇了歷史年份下的極端氣候條件對模型進行驗證，證明所建模型的適應性與穩(wěn)定性。

本文選取江西撫河流域為研究區(qū)域，在構建適合于該流域的SWAT模型的基礎上，根據(jù)豐水年和枯水年、高溫年和低溫年的選取原則，選取連續(xù)的豐水年和枯水年、連續(xù)的高溫年和低溫年對模型的穩(wěn)定性進行驗證，為以后研究撫河流域在不同氣候期的徑流量變化等奠定重要的基礎。

2 研究區(qū)概況

撫河流域位于江西省東南部，是鄱陽湖水系5大河流的第二大河流，地跨東經 115°36'～117°10'，北緯26°30'～28°20'，流域面積15 811 km2(李家渡水文站以上)。撫河流域屬于中亞熱帶濕潤季風氣候區(qū)，氣候溫和，雨量充沛。流域內多年平均氣溫為16.9～18.2℃;多年平均降雨量為1 500～2 000 mm，年內降雨量分配不均勻，豐水期(4—6月)平均降雨量為835 mm，占降水量的50.7%左右。洪水一般發(fā)生在6—7月份，各水文站的洪峰流量和最大流量出現(xiàn)時間大多集中在6月份?？拷芯繀^(qū)域有4個氣象站，分別是樟樹、貴溪、廣昌和南城，其中，廣昌和南城在流域內，貴溪和樟樹在流域外(圖1)。本文選擇李家渡水文站作為控制點，研究該區(qū)域的徑流過程。

圖1 撫河流域及其地形、水文站、氣象站分布Fig.1 Map of Fuhe river watershed with DEM，hydrological and meteorological stations

3 研究方法

3.1 撫河流域SWAT模型的構建

SWAT模型的建立包括模型的輸入數(shù)據(jù)、子流域的劃分和水文響應單元(HRU)的確定、參數(shù)敏感性分析以及參數(shù)率定。模型的輸入數(shù)據(jù)包括研究區(qū)域的空間數(shù)據(jù)庫和屬性數(shù)據(jù)庫，其中，空間數(shù)據(jù)庫包括數(shù)字高程模型(DEM)、土地利用/覆蓋圖、土壤類型圖;屬性數(shù)據(jù)庫包括土壤屬性數(shù)據(jù)庫、氣象數(shù)據(jù)庫等。

(1)SWAT模型的輸入數(shù)據(jù)。DEM數(shù)據(jù)是描述區(qū)域地貌形態(tài)空間分布的重要數(shù)據(jù)，它在SWAT模型建模的過程中，對于流域邊界的勾畫、子流域的劃分、河網水系的生成、各水文參數(shù)的提取、HRU的劃分起著基礎作用。研究區(qū)域的DEM數(shù)據(jù)是由ASTER GDEM 30m分辨率得到的。將原始的DEM數(shù)據(jù)進行拼接處理后，再利用ARCGIS工具進行投影變換，最后將研究區(qū)域根據(jù)流域邊界切割出來。

土地利用/覆蓋類型影響著降水在陸面的成流過程，對模擬的結果具有重要影響。SWAT模型需要的土地利用/覆蓋數(shù)據(jù)包括土地利用/覆蓋分布圖以及土地利用/覆蓋類型索引表。土地利用/覆蓋分布圖是由1990年的30 m分辨率的Landsat TM遙感影像［14］，通過非監(jiān)督分類得到，其中主要的土地利用類型是林地、水田、農田。

土壤數(shù)據(jù)包括土壤類型分布圖、土壤類型索引表以及土壤數(shù)據(jù)庫的參數(shù)(土壤物理屬性)，是SWAT模型主要的輸入?yún)?shù)。土壤物理屬性主要包括有機碳含量(SOL_CBN)、土壤的飽和水力傳導度(SOL_K)、土層可利用的有效水量(SOL_AWC)、土壤濕密度(SOL_BD)等，是建模前期數(shù)據(jù)處理的關鍵，這些參數(shù)可利用土壤水特性軟件SPAW計算得到。土壤類型數(shù)據(jù)是根據(jù)南京土壤所制作的1∶1 000 000的Harmonized World Soil Database(HWSD)世界土壤數(shù)據(jù)庫得到的。對該土壤數(shù)據(jù)利用ARCGIS進行投影變換、切割后得到了32種土壤類型。其中，最主要的土壤類型是典型強淋溶土。

在SWAT模型模擬的整個過程中，氣象數(shù)據(jù)的重要性是不言而喻的。在建立SWAT模型的過程中，天氣發(fā)生器、降水數(shù)據(jù)、氣溫數(shù)據(jù)這3個數(shù)據(jù)是模型所必需的，前者可以彌補氣象數(shù)據(jù)的缺測。本文利用樟樹、廣昌、南城、貴溪 4個氣象站點的1961—1998年連續(xù)38 a的逐日氣象數(shù)據(jù)制作了天氣發(fā)生器，其中降水、溫度、相對濕度、風速數(shù)據(jù)、太陽輻射數(shù)據(jù)均選取了1961—1998年的數(shù)據(jù)。以上氣象數(shù)據(jù)均來源于中國氣象數(shù)據(jù)服務共享網。

(2)流域劃分及HRU的確定。模型根據(jù)DEM數(shù)據(jù)，利用SWAT模型自帶的地形與河網分析工具，將撫河流域劃分為31個子流域，再結合土地利用/覆蓋類型和土壤類型，將流域劃分為511個水文響應單元(HRU)。本文選取李家渡作為控制點，利用流域出口處的地表徑流數(shù)據(jù)對模型進行評價。

(3)參數(shù)敏感性分析。敏感性分析的目的就是對輸入?yún)?shù)值對模擬結果的影響程度進行分析判斷，然后將確定的影響程度最大的參數(shù)作為參考，從輸入?yún)?shù)中選擇重要的參數(shù)因子進行調整。對參數(shù)進行敏感性分析，不僅能夠減少調整參數(shù)的時間，而且在一定程度上能夠提高模型的效率。

對模型進行敏感性分析之后，得到影響流域模擬結果精度的5個重要參數(shù)分別是土壤蒸發(fā)補償系數(shù)(ESCO)、徑流曲線數(shù)(CN2)、淺層蓄水層補償深度(GWQMN)、土壤蒸發(fā)補償系數(shù)(ESCO)和植物吸收補償因子(EPCO)。

(4)模型參數(shù)率定。對模型參數(shù)進行敏感性分析之后，就需要對參數(shù)進行率定。參數(shù)率定的目的是提高模型的效率，而模型的效率反映了模型在研究區(qū)域的適應性，一般由3個指標來判斷:相對誤差Re、決定系數(shù)R2、Nash-Sutcliffe效率系數(shù) ENS。參數(shù)率定時采用手動校準與SWAT-CUP相結合的方法。本文選取了1981—1988年的李家渡徑流量數(shù)據(jù)進行率定，1991—1998年的徑流量數(shù)據(jù)進行驗證。

3.2 不同氣候時期的選取

為了能將該模型應用于變化環(huán)境下未來水文條件的預測模擬，本研究進一步驗證模型在不同氣候條件下的穩(wěn)定性，選取歷史時期內的極端氣候條件，對流域徑流進行模擬與驗證。其中極端氣候年份主要選取了豐水年和枯水年、高溫年和低溫年。在選取豐水年和枯水年時，考慮到李家渡水文站接收上游部分的全部徑流量，所以本文以李家渡水文站的徑流量數(shù)據(jù)為依據(jù)選取豐水年和枯水年。由于廣昌、南城、樟樹、貴溪這4個氣象站能夠比較全面地覆蓋整個撫河流域，所以我們利用這4個氣象站的年平均氣溫選取高溫年和低溫年。

豐水年與枯水年的選取原則:①從1961—1978年的時間范圍內選取豐水年和枯水年，不與率定期與校準期的時間重合;②求得李家渡水文站1961—1978年實測流量數(shù)據(jù)的年平均值，從中選擇流量數(shù)據(jù)較高或者較低的連續(xù)幾年。根據(jù)上面的選取原則，豐水年選取的年份為1975—1977年，枯水年選取的年份為1963—1965年。

高溫年與低溫年的選取原則:①從1961—1978年的時間范圍內選取豐水年和枯水年，不與率定期與校準期的時間重合;②由廣昌、貴溪、南城、樟樹的月平均氣溫分別求得它們的年平均氣溫，選取這4個氣象站溫度都較高或者都較低的連續(xù)幾年。根據(jù)上面的選取原則，最后選取的高溫年為1963—1965年，低溫年為1969—1971年。其中，高溫年和枯水年選在了同一時期。

4 結果與討論

4.1 模擬結果分析

作為撫河流域的出口，李家渡水文站接收了上游部分的所有徑流量。為了減少誤差，提高模擬精度，因此將李家渡作為模擬的監(jiān)測站點，利用李家渡水文站1981—1988年和1991—1998年的徑流數(shù)據(jù)對模型進行率定與驗證。率定期與驗證期的徑流實測值與模擬值對比見圖2。

圖2 徑流模擬值與實測值對比Fig.2 Comparison of simulated and measured runoff

從模擬的結果來看，率定期的1981－04，1982－06和驗證期的1998－07這3個月的流量峰值有較大的偏差，其中以1998－07偏差最大，為26%，其他2處的偏差分別為12%和21%。出現(xiàn)這種較大偏大的原因可能是7月份容易爆發(fā)洪水，造成地表徑流迅速增加，導致了實測值和模擬值在一定程度上的偏差。除此之外，率定期與驗證期模擬的流量過程與實測的總體趨勢非常吻合(圖2)。SWAT模型在率定期的相關系數(shù)R2為0.92，效率系數(shù)ENS為0.91，相對誤差Re為－8%;在校準期的R2為0.92，ENS為0.92，Re為－6%。說明構建的模型適用于撫河流域的徑流模擬。

4.2 極端年份對模型的驗證

為了驗證模型的穩(wěn)定性，選取了連續(xù)豐水年和枯水年、連續(xù)高溫年和低溫年對模型再次進行驗證。理論上，驗證模型的數(shù)據(jù)集應該包括平均年份和極端年份，而實際中由于數(shù)據(jù)的缺乏或者數(shù)據(jù)質量問題，一般都會選擇對模擬效果有利的數(shù)據(jù)［10］。為了便于實驗，在沒有發(fā)生較大氣候事件的情況下，將一般年份均假設為平均年，因此在實驗中將率定期(1981—1988年)考慮為平均年。本文選取同一時期(1991—1998年)作為驗證期，首先利用了平均年份對模型進行驗證，然后再利用選擇的極端年份對模型進行驗證。通過選取不同的氣候條件對模型進行驗證，就能夠證明模型在各種氣候條件下的適應性。利用選取的極端氣候年份，通過對徑流量的實測數(shù)據(jù)和模擬值進行比較進而對模型的適應性進行評價，模擬結果如圖3至圖5所示。

由圖3可知，利用連續(xù)豐水年對模型的穩(wěn)定性進行評價，在率定期1975－05，1976－07，1977－06這3個峰值處的偏差都在15%以內，而較大的偏差發(fā)生在1977－08，其模擬數(shù)據(jù)高于實測數(shù)據(jù)，出現(xiàn)這種現(xiàn)象的原因可能由于是對蒸發(fā)量的低估。除此之外，豐水年在率定期的徑流模擬結果和實測數(shù)據(jù)的總體趨勢是非常吻合，由他們的決定系數(shù)R2、效率系數(shù)ENS(均大于0.90)和相對誤差Re(2%)也可以看出。在驗證期，由圖3(b)可看出，在總體趨勢上模擬值要高于實測數(shù)據(jù)，尤其是在1994－06和1996－06，模擬值均高于實測數(shù)據(jù)。但是，從總的徑流過程分析，模型在驗證期的的決定系數(shù)和效率系數(shù)均在0.8以上，相對誤差為19%。由上述分析可知，利用豐水年驗證模型的穩(wěn)定性，模擬效果是令人滿意的，說明構建的模型在豐水年具有一定的穩(wěn)定性。

圖3 利用連續(xù)豐水年對模型的穩(wěn)定性進行評價Fig.3 Evaluating the stability of the model with continuous wet years

圖4 利用連續(xù)枯水年對模型的穩(wěn)定性進行評價Fig.4 Evaluating the stability of the model with continuous drought years

圖5 利用連續(xù)低溫年對模型的穩(wěn)定性進行評價Fig.5 Evaluating the stability of the model with continuous low temperature years

利用連續(xù)枯水年對模型的適應性進行驗證，由模擬結果(圖4)分析:在率定期，總的模擬徑流和實測徑流是非常吻合的，沒有出現(xiàn)較大的峰值偏差。在驗證期，由圖上可直觀地看出除了在1998－06出現(xiàn)了一個較大的峰值偏差(22%)，總的模擬過程是非常令人滿意的。對率定期和驗證期的R2和效率系數(shù)ENS計算，結果均大于0.90，相對誤差Re的絕對值均小于5%。從而證明模型在枯水年具有一定的穩(wěn)定性，可用于對枯水年的模擬。

由于高溫年和枯水年處于同一個時期，所以，只要利用低溫年對模型的穩(wěn)定性進行驗證即可。在率定期，模擬值與實測值之間的較大偏差出現(xiàn)在1969－07(67%)。出現(xiàn)這種現(xiàn)象的主要原因可能是7月是洪水暴發(fā)的時候，徑流量在短期內增加很快，會使得實測徑流量與模擬結果出現(xiàn)很大的偏差。在驗證期，模擬徑流變化趨勢同枯水年變化趨勢是相同的，除了在1998－06出現(xiàn)了一個較大的峰值偏差(23%)，總的模擬過程和實測過程是非常吻合的。利用連續(xù)低溫年對模型進行驗證，計算的模型決定系數(shù)R2和效率系數(shù)ENS在率定期和驗證期均大于0.85，相對誤差Re分別為－15%和－4%。說明模型在低溫年也具有一定的穩(wěn)定性。

5 結語

本文通過建立空間數(shù)據(jù)庫與屬性數(shù)據(jù)庫，構建了撫河流域的SWAT模型，并利用該模型對李家渡水文站的徑流數(shù)據(jù)進行了模擬。結果表明，李家渡水文站率定期(1981—1988年)與驗證期(1991－1998年)的決定系數(shù)R2和ENS效率系數(shù)均在0.90以上，相對誤差Re的絕對值均小于10%，說明建立的模型適用于撫河流域的徑流模擬。

為了更好適應變化環(huán)境下水文預測模擬，在模型率定期與驗證期之外，選取歷史年份下的極端氣候，即豐水年和枯水年、高溫年和低溫年，對模型的穩(wěn)定性再次進行驗證。從模擬結果可以看出，SWAT模型在洪峰處模擬效果不是特別好，尤其是徑流量較多的6，7月份，實測數(shù)據(jù)和模擬數(shù)據(jù)的偏差較大，而在秋冬季節(jié)，徑流量較少時，模擬的效果相對來說比較好。產生這種較大偏差的原因主要是受到洪水的影響以及對蒸散發(fā)量的低估。但是從總的模擬過程來看，各項評價指標均達到精度要求，說明SWAT模型在極端氣候年份具有一定的穩(wěn)定性，為研究撫河流域在未來不同氣候期的徑流量變化奠定了理論基礎。

［1］PISINARASV，PETALASC，GIKASGD，et al.Hydrological and Water Quality Modeling in a Medium-sized Basin Using the Soil and Water Assessment Tool(SWAT)［J］.Desalination，2010，250(1):274－286.

［2］盧曉寧，韓建寧，熊東江，等.基于SWAT模型的忠縣蝦子嶺流域地表徑流特征淺析［J］.長江科學院院報，2010，27(11):15－20.(LU Xiao-ning，HAN Jian-ning，XIONG Dong-jiang，et al.Brief Analysis of Earth’s Surface Runoff Characteristic of Xiaziling Watershed in Zhongxian County Based on SWAT Model［J］.Journal of Yangtze River Scientific Research Institute，2010，27(11):15－20.(in Chinese))

［3］董國強，楊志勇，史曉亮，等.基于SWAT模型的灤河流域徑流模擬［J］.人民黃河，2013，35(6):46－52.(DONG Guo-qiang，YANG Zhi-yong，SHI Xiao-liang，et al.Runoff Simulation of Luanhe River Basin Based on SWAT Model［J］.Yellow River，2013，35(6):46－52.(in Chinese))

［4］張利平，陳小風，張曉琳，等.SWAT模型在白蓮河流域徑流模擬中的應用研究［J］.長江科學院院報，2009，26(6):4－8.(ZHANG Li-ping，CHEN Xiaofeng，ZHANG Xiao-lin，et al.Application of SWAT Model in Bailian River Valley Runoff Simulation［J］.Journal of Yangtze River Scientific Research Institute，2009，26(6):4－8.(in Chinese))

［5］吳 軍，張萬昌.SWAT徑流模擬及其對流域內地形參數(shù)變化的響應研究［J］.水土保持通報，2007，27(3):52－58.(WU Jun，ZHANG Wan-chang.Responses of Runoff Simulations to the Change in Topographic Parameters Based on SWAT Model［J］.Bulletin of Soil and Water Conservation，2007，27(3):52－58.(in Chinese))

［6］CHAPLOT V.Impact of DEM Mesh Size and Soil Map Scale on SWAT Runoff，Sediment，and NO3-N Loads Predictions［J］.Journal of Hydrology，2005，312(1－ 4):207－222.

［7］ROMANOWICZ A A，VANCLOOSTER M，ROUNSEVELL M，et al.Sensitivity of the SWAT Model to the Soil and Land Use Data Parametrisation:A Case Study in the Thyle Catchment，Belgium［J］.Ecological Modeling，2005，187(1):27－39.

［8］劉 徽，唐仲華.基于SWAT模型的巖溶地區(qū)地下水資源評價［J］.安徽農業(yè)科學，2013，41(10):4559－1561.(LIU Hui，TANG Zhong-hua.Study on Groundwater Resources in Karst Region in SWAT Model［J］.Journal of Anhui Agricultural Science，2013，41(10):4559－1561.(in Chinese))

［9］薛天柱，馬 燦，魏國孝，等.甘肅梨園河流域SWAT徑流模擬與預報［J］.水資源與水工程學報，2011，22(4):61－ 65.(XUE Tian-zhu，MA Can，WEI Guo-xiao，et al.SWAT Runoff Simulation and Predictions in Liyuan River Basin of Gansu Province［J］.Journal of Water Resources＆Water Engineering，2011，22(4):61－ 65.(in Chinese))

［10］WU K S，JOHNSTON C A.Hydrologic Response to Climatic Variability in a Great Lakes Watershed:A Case Study with the SWAT Model［J］.Journal of Hydrology，2007，337(1－2):187－199.

［11］FICKLIN D L，LUO Y Z，LUEDELING E，et al.Cli-mate Change Sensitivity Assessment of a Highly Agricultural Watershed Using SWAT［J］.Journal of Hydrology，2009，374(1－2):16－29.

［12］王兆禮，沈 艷，宋立榮.基于SWAT模型的北江流域氣候變化的水文響應［J］.安徽農業(yè)科學，2012，40(34):16761－ 16764.(WANG Zhao-li，SHEN Yan，SONG Li-rong.Hydrologic Response of the Climatic Change Based on SWATModel in Beijiang River Basin［J］.Journal of Anhui Agricultural Science，2012，40(34):16761－16764.(in Chinese))

［13］SONG L R，ZHANG J Y.Hydrological Response to Climate Change in Beijiang River Basin Based on the SWAT Model［J］.Procedia Engineering，2012，28:241－245.

［14］CHEN X L，BAO S，LI H ，et al.LUCC Impact on Sediment Loads in Subtropical Rainy Areas［J］.Photogrammetric Engineering ＆ Remote Sensing， 2007，73(3):319－327.