金 聰，張行南,2，夏達(dá)忠,2

(1. 河海大學(xué)水文水資源學(xué)院，南京 210098；2. 河海大學(xué)水資源高效利用與工程安全國家工程研究中心，南京 210098)

0 引 言

流域徑流模擬是當(dāng)前地表水文過程研究的重要課題之一[1]。徑流作為水文循環(huán)中不可或缺的基本組成部分，其變化客觀反映了地區(qū)水文過程的變化以及水資源存量的變化，是反映流域資源環(huán)境狀況的重要指標(biāo)[2]。水文模型是模擬流域徑流過程和分析水文規(guī)律的重要工具，通過對流域徑流觀測歷史數(shù)據(jù)進(jìn)行分析，研究影響流域徑流量的氣候、自然環(huán)境、人為等因素及其與徑流變化的定量關(guān)系，建立流域徑流量模擬模型，可以定量分析與預(yù)測流域水文變化過程，為流域水資源管理及社會經(jīng)濟(jì)發(fā)展政策制定提供科學(xué)依據(jù)。

傳統(tǒng)的概念性水文模型對流域的產(chǎn)匯流機制進(jìn)行了高度概化，結(jié)構(gòu)簡單易于實現(xiàn)，但對徑流形成因子的時空異質(zhì)性缺乏充分考慮，在流域尺度上的徑流時空動態(tài)模擬存在明顯局限性[3]。隨著3S技術(shù)與計算機技術(shù)的飛速發(fā)展，基于多源遙感信息、能夠充分考慮流域氣候與下墊面特征不均的分布式水文模型已經(jīng)成為流域水文模擬的研究前沿。其中，SWAT(Soil and Water Assessment Tool)模型可以對流域的徑流進(jìn)行長期連續(xù)模擬，適用性強，已經(jīng)成為世界上應(yīng)用最為廣泛的分布式水文模型之一[4]。20世紀(jì)90年代，SWAT模型最早由美國農(nóng)業(yè)部(USDA)在多個版本的分布式水文模型基礎(chǔ)上發(fā)展而來，并率先在美國全國、伊利諾斯伊、密西西比河支流等國家、大、中流域尺度和小流域尺度的徑流模擬中得到了應(yīng)用研究[5,6]，驗證了SWAT模型用于流域徑流模擬的適用性。隨后，SWAT模型在加拿大、歐洲、非洲等其他國家和地區(qū)迅速得到應(yīng)用與推廣[7-9]。國內(nèi)學(xué)者在SWAT模型徑流模擬方面也開展了廣泛研究[10]，證實了SWAT模型在黑河流域[11]、湘江流域[12]、東江流域[13]、渭河流域[14]、內(nèi)蒙古閃電河流域[15]等流域徑流模擬應(yīng)用中具有較強適用性。國內(nèi)外大量成功應(yīng)用的案例流域尺度跨度大、地形特征各異、氣候條件不同，SWAT模型均表現(xiàn)出良好的適用性，表明SWAT模型是研究當(dāng)前變化條件下流域徑流演變規(guī)律的有效工具，能夠?qū)α饔驈搅餍纬蛇^程的時空異質(zhì)性進(jìn)行有效模擬。

新興江作為廣東省新興縣的主干河流，是該地區(qū)農(nóng)業(yè)灌溉、引水供水、水力發(fā)電的主要來源之一，對于當(dāng)?shù)亟?jīng)濟(jì)社會的穩(wěn)定發(fā)展、生態(tài)環(huán)境的保護(hù)具有極為重要的意義。隨著氣候變化以及人類活動影響的加劇，流域未來的水資源情勢也面臨著較大不確定性，給地區(qū)水資源的合理開發(fā)與高效管理帶來了新的問題與挑戰(zhàn)。本文選用SWAT分布式水文模型，對新興江流域的長期月徑流過程進(jìn)行模擬，通過模型的率定與驗證，評估SWAT模型在該地區(qū)的適應(yīng)性，在此基礎(chǔ)上，運用增量情景法，構(gòu)建25種氣候變化情景，模擬氣候因子變化對流域徑流帶來的影響，以期為新興江沿岸未來的防洪減災(zāi)、水資源規(guī)劃與管理等工作提供有效的技術(shù)支持與參考依據(jù)。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

新興江，為珠江水系西江下游一級支流，位于廣東省中西部，發(fā)源于天露山脈，自南向北流經(jīng)云浮市新興縣、云城區(qū)，于高要區(qū)南岸注入西江，總長約145 km。流域位于北回歸線以南，屬于亞熱帶季風(fēng)氣候，水熱條件充足，年平均氣溫約22 ℃，年均降水量約1 600 mm，其中汛期4-9月雨量占全年的80%左右，其間受臺風(fēng)與熱帶低壓的影響，易引發(fā)暴雨洪水。流域上游以山地丘陵為主，植被覆蓋良好，水能資源豐富，建有合河、共城、朝陽等若干中小型水庫，中下游為丘陵與部分沖積小平原，農(nóng)業(yè)生產(chǎn)發(fā)達(dá)。流域控制站點為腰古水文站，斷面以上集水面積為1 776 km2，占流域總面積的75.4%，本文研究區(qū)域即為腰古站以上流域部分。

1.2 數(shù)據(jù)及預(yù)處理

本研究使用的原始數(shù)據(jù)包括數(shù)字高程模型(DEM)數(shù)據(jù)、土地利用數(shù)據(jù)、土壤類型數(shù)據(jù)、氣象數(shù)據(jù)及水文數(shù)據(jù)等，各類型數(shù)據(jù)的規(guī)格、來源及格式等信息如表1所示。

表1 原始數(shù)據(jù)說明Tab.1 Description of the original data

為得到滿足建模需求的數(shù)據(jù)形式，在收集到各類數(shù)據(jù)之后，需要對數(shù)據(jù)進(jìn)行必要的預(yù)處理，預(yù)處理方法與過程如表2所示，預(yù)處理后主要數(shù)據(jù)如圖1所示。

表2 原始數(shù)據(jù)預(yù)處理方法Tab.2 Methods of the data preprocessing

1.3 模型構(gòu)建

本研究基于ArcSWAT平臺構(gòu)建新興江流域徑流模擬模型，包括以下主要步驟：

(1)基于DEM數(shù)據(jù)，設(shè)定相應(yīng)的集水面積閾值以及流域出口位置，完成河網(wǎng)的提取、亞流域的劃分以及相關(guān)地形參數(shù)的計算。

圖1 預(yù)處理后主要數(shù)據(jù)Fig.1 Main data after processed

(2)基于重分類后的土壤與土地利用數(shù)據(jù)，分別設(shè)定土壤、土地利用與坡度的最小面積閾值，完成水文響應(yīng)單元(HRU)的劃分。本文依照流域?qū)嶋H情況，同時兼顧模型運行效率，最終將流域劃分為27個亞流域與279個水文響應(yīng)單元，計算總面積為1 780 km2。

(3)讀取氣象數(shù)據(jù)，完成全部SWAT輸入文件表的創(chuàng)建，模擬方法選用SCS徑流曲線法計算地表產(chǎn)流，變動儲量系數(shù)法計算河道匯流。

(4)以1989-2003年作為模型的模擬時段，選定1989年作為預(yù)熱期，減少模型初始狀態(tài)變量為零的影響，以1990-1997年為率定期，1998-2003年為驗證期，以腰古水文站的逐月徑流記錄作為徑流數(shù)據(jù)，構(gòu)建新興江流域徑流模擬模型。

1.4 參數(shù)分析與率定

考慮到SWAT模型參數(shù)較多，不同參數(shù)對模擬結(jié)果的影響也相差較大。因此，在模型正式率定前，先進(jìn)行模型參數(shù)敏感性分析，將高靈敏的重要參數(shù)篩選出來，以提高參數(shù)率定的效率，降低模型的不確定性[17]。參考有關(guān)文獻(xiàn)[18,19]，并根據(jù)研究區(qū)地處南方亞熱帶濕潤地區(qū)的特性，選出若干對模型產(chǎn)匯流過程影響較大的參數(shù)進(jìn)行敏感性分析。綜合考慮下墊面地形、土壤含水量、植被覆蓋等影響徑流的主要因素，綜合選取SCS徑流曲線數(shù)(CN2)、土壤蒸發(fā)補償因子(ESCO)、土壤有效水含量(SOL_AWC)、土壤濕容重(SOL_BD)、土壤飽和水力傳導(dǎo)度(SOL_K)、基流系數(shù)(ALPHA_BF)、地下水再蒸發(fā)系數(shù)(GW_REVAP)、淺層地下水徑流系數(shù)(GWQMN)、地下水滯后系數(shù)(GW_DELAY) 、地表徑流滯后系數(shù)(SURLAG)、主河道水力傳導(dǎo)度(CH_K2)、主河道曼寧系數(shù)(CH_N2)等作為主要研究參數(shù)，在此基礎(chǔ)上進(jìn)行參數(shù)敏感性分析。

參數(shù)敏感性分析在SWAT-CUP(SWAT-Calibration and Uncertainty Programs)軟件(http:∥swat.tamu.edu/)中進(jìn)行，考慮計算效率和敏感性分析精度，選用SUFI-2(Sequential Uncertainty Fitting version2)作為優(yōu)化算法。敏感性分析結(jié)果采用t檢驗法進(jìn)行評價，t統(tǒng)計量(t-Stat)作為參數(shù)的敏感性指標(biāo)，其絕對值越大，代表參數(shù)敏感性越強；p值(p-Value)是顯著性指標(biāo)，其值越接近0，代表參數(shù)敏感的顯著程度越高。按照參數(shù)敏感程度大小排序結(jié)果，即對模型參數(shù)展開有針對性的率定。

1.5 模擬精度評價

為方便模型參數(shù)調(diào)試，并驗證模型的模擬精度，分析SWAT模型的適用性，本研究選用總徑流相對誤差(RE)與Nash-Sutcliffe系數(shù)(Ens)作為模型精度評定指標(biāo)。

(1)相對誤差RE。該指標(biāo)用于表征模擬徑流總量與實測徑流總量之間的偏離程度，其計算公式為：

式中：Qc,i為模擬流量，m3/s；Qo,i為實測流量，m3/s；n為實測值個數(shù)。RE值越接近0，代表模擬徑流總量偏差越小，模擬的總體水量平衡效果越好，一般認(rèn)為該值在±20%以內(nèi)，模擬結(jié)果可以接受。

(2)Nash-Sutcliffe系數(shù)Ens。該指標(biāo)用于評價模擬徑流過程與實測徑流過程之間的擬合程度，其計算公式為：

1.6 氣候變化響應(yīng)模擬

從新興江流域的實地氣候特征可知，該區(qū)域地處氣候變化敏感的南海季風(fēng)區(qū)，當(dāng)?shù)貧夂蜃兓^為顯著。為了探索氣候變化對該地區(qū)水資源情勢的影響，利用建立的SWAT模型，運用增量情景法，選定氣溫與降水兩個主要氣候因子作為變化量，分析流域徑流對氣候因子改變的響應(yīng)特征。

以1990-2003年實測水文氣象數(shù)據(jù)為基礎(chǔ)，假定流域下墊面特征、人類活動影響不變，同時不考慮各類氣象因子空間分布的改變，進(jìn)行氣候變化情景的構(gòu)建：降水量(P)在原來基礎(chǔ)上減少10%、減少5%、不變、增加5%與增加10%；氣溫(T)在原來基礎(chǔ)上降低2 ℃、降低1 ℃、不變、升高1 ℃與升高2 ℃，將其兩兩組合，共生成25種氣候變化情景。利用率定好的SWAT模型對上述不同氣候情景下腰古站徑流量進(jìn)行模擬，得出各類情景下流域年均徑流量的變化，用以評價氣候因子改變對該流域徑流過程的影響程度。

2 結(jié)果與分析

2.1 參數(shù)敏感性評價結(jié)果

基于上述建模和參數(shù)確定方法，在SWAT-CUP中對模型諸多參數(shù)進(jìn)行敏感性分析，并采用t檢驗法進(jìn)行敏感性評價，得到如表3所示結(jié)果。

表3 參數(shù)敏感性分析結(jié)果Tab.3 Results of parameter sensitivity analysis

由表3可見，徑流曲線數(shù)(CN2)、基流系數(shù)(ALPHA_BF)與土壤蒸發(fā)補償因子(ESCO)是模型最為敏感的3個參數(shù)，其中CN2主要影響地表徑流的大小，ALPHA_BF主要控制基流響應(yīng)特征，ECSO用于調(diào)節(jié)土壤蒸發(fā)作用。其余參數(shù)如土壤參數(shù)SOL_BD、SOL_K以及地下水參數(shù)GW_REVAP、GWQMN等也對徑流過程模擬有著較大影響，需要在參數(shù)率定中予以重點調(diào)試。

2.2 模型率定結(jié)果

在確定敏感參數(shù)基礎(chǔ)上，利用率定期數(shù)據(jù)進(jìn)行模型率定，通過率定期的徑流模擬流量和實測流量計算評價指標(biāo)RE和Ens，如表4所示，并根據(jù)逐月徑流模擬流量和實測流量繪制對比曲線，如圖2所示，綜合評價模型的率定精度。

表4 模型率定期精度評價Tab.4 Evaluation of simulation results in model calibration

圖2 率定期模型模擬與實測徑流量對比Fig.2 Comparison between simulated runoff and observed runoff of model calibration

由表4可知，率定期相對誤差RE為-0.61%，Nash-Sutcliffe系數(shù)Ens為0.95，模型率定精度相當(dāng)理想。從圖2可以看出，模擬徑流過程與實測徑流過程之間總體擬合度較高，表明所構(gòu)建的SWAT模型基本可以代表新興江流域的率定期徑流規(guī)律。不過少數(shù)年份存在流量峰值模擬偏差較大的現(xiàn)象，這可能與本次研究缺乏河流沿線水利工程的相關(guān)資料，未能考慮汛期水庫調(diào)洪等人類活動的影響有關(guān)。

2.3 模型驗證結(jié)果

在模型率定基礎(chǔ)上，利用驗證期的徑流觀測數(shù)據(jù)對模型的精度進(jìn)行驗證，驗證模型在新興江流域的適用性，模型驗證結(jié)果如表5所示，并根據(jù)逐月徑流模擬流量和實測流量繪制模型驗證的徑流量對比曲線，如圖3所示。

表5 模型驗證期精度評價Tab.5 Evaluation of simulation results in model validation

圖3 驗證期模型模擬與實測徑流量對比Fig.3 Comparison between simulated runoff and observed runoff of model validation

從表5可知，驗證期模型相對誤差RE為4.24%，Nash-Sutcliffe系數(shù)Ens為0.93，驗證情況下模型取得較好的精度。從圖3可以看出，模擬徑流過程與實測徑流過程之間總體擬合度較高，模型對非汛期徑流模擬比較出色，而對部分年份的汛期流量峰值模擬則誤差稍大，這與率定期的情況類似。

總體來看，SWAT模型能夠較為真實地模擬腰古站的歷史月徑流過程，綜合率定期與驗證期，模型在總體水量平衡以及徑流過程擬合方面達(dá)到了較高的精度。可以認(rèn)為，SWAT分布式模型在新興江流域具有良好的適應(yīng)性，能夠應(yīng)用于新興江流域的實際徑流模擬。

2.4 氣候變化情景下的徑流響應(yīng)

基于建立的SWAT模型，對增量情景法生成25種氣候變化情景下的徑流量進(jìn)行模擬，分別統(tǒng)計徑流量模擬值和徑流量變化值，模擬結(jié)果如表6所示。在此基礎(chǔ)上，分組繪制不同氣候情景下的徑流響應(yīng)特征對比圖，如圖4所示。

表6 不同氣候情景下的模擬徑流變化情況 m3/s

圖4 不同氣候情景下的徑流響應(yīng)特征Fig.4 Runoff response in different climate scenarios

通過表6和圖4的不同場景模擬結(jié)果對比可知，新興江流域的徑流量與降水和氣溫的變化存在如下規(guī)律：

(1)當(dāng)氣溫不變時，降水量的增加導(dǎo)致徑流量增大，兩者呈正相關(guān)；當(dāng)降水量不變時，氣溫的升高導(dǎo)致徑流量減少，兩者呈負(fù)相關(guān)。原因顯而易見，降水量的增加導(dǎo)致流域總產(chǎn)流量迅速增大，故而徑流量也相應(yīng)增大，而氣溫的升高則會加快蒸發(fā)速率，故而徑流量相應(yīng)減少，表明模型的基本響應(yīng)符合常理。

(2)降水變化對徑流量的影響程度明顯大于氣溫。當(dāng)氣溫不變，降水減少5%時，徑流量減少了4.47 m3/s ，降幅為9.22%；而當(dāng)降水不變，氣溫升高2 ℃時，徑流量只減少了1.99 m3/s，降幅僅為4.11%，降水減小5%比氣溫上升2℃對徑流的影響程度更大，徑流量對降水變化的響應(yīng)比氣溫更為敏感。

(3)總體來看，徑流減少最多的氣候情景是降水減少10%，氣溫升高2 ℃的組合方案，此時徑流量相對原來減少了10.76 m3/s，降幅為22.20%；而徑流增加最多的氣候情景是降水增加10%，氣溫降低2 ℃的組合方案，此時徑流量相對原來增大了11.22 m3/s，增幅為23.15%?？梢?，不同氣候因子的較小變化可能給流域徑流帶來顯著的影響。

3 結(jié)論與展望

本研究利用SWAT分布式水文模型，對新興江流域腰古水文站1990-2003年逐月徑流過程進(jìn)行模擬，并通過增量情景法分析了氣候變化對該地區(qū)徑流帶來的影響，得出如下結(jié)論：

(1)SWAT模型在新興江流域有著良好的適應(yīng)性，能夠較為準(zhǔn)確地模擬出新興江流域的月尺度徑流過程。模型率定期與驗證期相對誤差均在±10%以內(nèi)，Nash-Sutcliffe系數(shù)均在0.90以上，總體模擬精度較為理想，有潛力應(yīng)用于新興江流域的實際徑流模擬，為該地區(qū)水資源規(guī)劃與常態(tài)化管理提供技術(shù)參考和決策支持。

(2)SWAT模型模擬的新興江流域徑流量與降水呈正相關(guān)，與氣溫呈負(fù)相關(guān)，徑流量對降水變化的響應(yīng)比氣溫更加敏感。在不同氣候情景下，新興江流域的徑流響應(yīng)波動較大。因此有必要加強對流域氣候演變趨勢的預(yù)測分析，采取合理的應(yīng)對措施，減少流域水資源條件變化對該地區(qū)經(jīng)濟(jì)社會發(fā)展帶來的負(fù)面影響。

基于SWAT模型的新興江流域徑流模擬分析，可以為小流域徑流過程模擬和氣候響應(yīng)分析提供借鑒。但是，本研究的模型率定和驗證僅用到腰古水文站的實測數(shù)據(jù)，在代表新興江流域的整體徑流水平上尚有不足，且對部分年份的汛期徑流峰值模擬效果欠佳，因此還可以從以下方面考慮，進(jìn)一步提高模型的精度和適用性：

(1)收集新興江流域沿線實測徑流數(shù)據(jù)進(jìn)行綜合建模與率定，并采用不同定位的數(shù)據(jù)進(jìn)行模型驗證，充分考慮流域徑流異常因素的影響，調(diào)研流域不同時期自然與人類活動的客觀狀況，必要情況下補充相應(yīng)的模型輸入?yún)?shù)，使得模型的率定能夠代表新興江流域的整體徑流水平，提高模型的健壯性以及流域應(yīng)用泛化能力。

(2)依據(jù)真實的流域氣候變化資料，開展真實氣候變化場景下的徑流變化模擬，研究邊際條件與徑流變化的定量化關(guān)系，提高模型應(yīng)對極端氣候或突發(fā)因素的能力，對氣候變化場景下各項邊際指標(biāo)的定量化描述，為管理部門對于流域在氣候變化條件下的決策制定和措施評估提供定量參考指標(biāo)，以期為小流域水資源規(guī)劃、治理以及防洪減災(zāi)提供科學(xué)的理論支撐。

□

[1] Bhatt D, Mall R K. Surface Water Resources, Climate Change and Simulation Modeling[J]. Aquatic Procedia, 2015,3(4):730-738.

[2] Croley T E. Distributed-Parameter Large Basin Runoff Model. I: Model Development[J]. Journal of Hydrologic Engineering, 2005,10(3):173-181.

[3] 郝振純, 李 麗, 王家虎,等. 分布式水文模型理論與方法[M]. 北京:科學(xué)出版社, 2010.

[4] Valentina K, Arnold J G.. Advances in ecohydrological modelling with SWAT-a review[J]. Hydrological Sciences Journal, 2008, 53(5):939-947.

[5] Srinivasan R, Arnold J G., Jones C A. Hydrologic Modelling of the United States with the Soil and Water Assessment Tool[J]. International Journal of Water Resources Development, 1998,14(1):315-325.

[6] Bingner R L. Runoff simulated from Goodwin Creek Watershed using SWAT[J]. Transactions of American Society of Agricultural Engineers, 1996,39(1):85-89.

[7] Chanasyk D S, Mapfumo E, Willms W. Quantification and simulation of surface runoff from fescue grassland watersheds[J]. Agricultural Water Management, 2003,59(2):137-153.

[8] Mimikou M, Panagopoulos I, Bekiaris I. Application of the SWAT (Soil and water assessment tool) model in the Ronnea catchment of Sweden[J]. Globalnest International Journal, 2005,7(3):313-322.

[9] Schuol J, Abbaspour K C, Srinivasan R, et al. Estimation of freshwater availability in the West African sub-continent using the SWAT hydrologic model[J]. Journal of Hydrology, 2008,352(1-2):30-49.

[10] 孫 瑞, 張雪芹. 基于SWAT模型的流域徑流模擬研究進(jìn)展[J]. 水文, 2010,30(3):28-32.

[11] 王中根, 劉昌明, 黃友波. SWAT模型的原理、結(jié)構(gòu)及應(yīng)用研究[J]. 地理科學(xué)進(jìn)展, 2003,22(1):79-86.

[12] 羅 巧, 王克林, 王勤學(xué). 基于SWAT模型的湘江流域土地利用變化情景的徑流模擬研究[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報, 2011,19(6):1 431-1 436.

[13] 呂樂婷, 彭秋志, 郭媛媛,等. 基于SWAT模型的東江流域徑流模擬[J]. 自然資源學(xué)報, 2014,(10):1 746-1 757.

[14] 左德鵬, 徐宗學(xué). 基于SWAT模型和SUFI-2算法的渭河流域月徑流分布式模擬[J]. 北京師范大學(xué)學(xué)報(自然科學(xué)版), 2012,48(5):490-496.

[15] 姚蘇紅, 朱仲元, 張圣微,等. 基于SWAT模型的內(nèi)蒙古閃電河流域徑流模擬研究[J]. 干旱區(qū)資源與環(huán)境, 2013,27(1):175-180.

[16] 李 磊, 董曉華, 喻 丹,等. 基于SWAT模型的清江流域徑流模擬研究[J]. 人民長江, 2013,44(22): 25-29.

[17] 黃清華, 張萬昌. SWAT模型參數(shù)敏感性分析及應(yīng)用[J]. 干旱區(qū)地理, 2010,33(1): 8-15.

[18] 楊軍軍, 高小紅, 李其江,等. 湟水流域SWAT模型構(gòu)建及參數(shù)不確定性分析[J]. 水土保持研究, 2013,20(1): 82-88.

[19] 張余慶, 陳昌春, 楊緒紅,等. 基于SUFI-2算法的SWAT模型在修水流域徑流模擬中的應(yīng)用[J]. 水電能源科學(xué), 2013,31(9): 24-28.