金鑫 金彥香

摘要：土地利用/覆被是水文模擬的重要參數(shù)。短時期內(nèi)，土地利用/覆被是流域水文循環(huán)過程的主要影響因素之一。選擇位于高寒山區(qū)的黑河上游流域為研究區(qū)，建立基于不同時間分辨率的土地利用/覆被數(shù)據(jù)集并輸入SWAT模型，研究土地利用/覆被數(shù)據(jù)時間分辮率對高寒山區(qū)流域水文模擬的影響。結(jié)果表明：在SWAT模型校準(zhǔn)前，時間分辨率高的土地利用/覆被數(shù)據(jù)對應(yīng)的水文模型更易校準(zhǔn)；SWAT模型校準(zhǔn)后，土地利用/覆被數(shù)據(jù)的時間分辨率對月徑流量模擬的影響相對不明顯，對年徑流量模擬的影響較為明顯，且時間分辮率越高，對應(yīng)的模擬效果越好。

關(guān)鍵詞：SWAT模型；時間分辮率；土地利用/覆被；水文模擬；黑河上游

中圖分類號：P333 文獻標(biāo)志碼：A Doi：10.3969/j.issn.1000-1379.2018.09.002

土地利用/覆被是水文模擬的重要參數(shù)，是短時期內(nèi)流域水文循環(huán)過程的主要影響因素之一川。人口增長、氣候變化、制度變遷、城市化等多種因素會致使流域的土地利用/覆被發(fā)生變化，從而對流域水文過程，如下滲、地表徑流、蒸散發(fā)、側(cè)向徑流等產(chǎn)生一定影響，最終影響整個流域的水量平衡[2-3]。然而，不論水文模型的模擬時段長短，目前都是采用某一年的土地利用/覆被數(shù)據(jù)生成水文模型的基本計算單元，這些基本計算單元在模擬時段內(nèi)始終保持?jǐn)?shù)量、面積與屬性不變。換言之，水文模型本身并未考慮土地利用/覆被的時空變異性。如在SWAT（Soil and Water AssessmentTools）模型中，僅采用某一年的土地利用/覆被數(shù)據(jù)與土壤數(shù)據(jù)、地形數(shù)據(jù)空間疊加，生成其基本計算單元HRU（Hydrologic Response Unit，水文響應(yīng)單元）并進行后續(xù)模擬計算[4]。有研究認(rèn)為，由于水文模型的校準(zhǔn)是使其模擬結(jié)果無限逼近實測數(shù)據(jù)的過程，這會弱化輸入?yún)?shù)的差異性，因此輸入?yún)?shù)的精確與否可能對水循環(huán)模擬結(jié)果并無明顯影響[5-6]。相反地，也有研究者認(rèn)為水文模型輸入?yún)?shù)的精確度對水循環(huán)模擬有明顯影響[7-8]。事實上，水循環(huán)模擬不是單純地令某一水文要素值與實測值相吻合或相接近，這種方式可能令某一水文要素的模擬精度高，但多數(shù)模型參數(shù)可能是不合理的L9-10]。水循環(huán)模擬其實是在準(zhǔn)確描述流域下墊面、氣候等特征的基礎(chǔ)上確定參數(shù)的合理范圍，然后進行模型校準(zhǔn)[4]。因此，在水循環(huán)模擬時考慮土地利用/覆被數(shù)據(jù)的時間分辨率等輸入?yún)?shù)的精確性是必要的。本研究中，土地利用/覆被數(shù)據(jù)的時間分辨率是針對水文模型模擬時段內(nèi)對相應(yīng)土地利用/覆被數(shù)據(jù)的調(diào)用方式（只調(diào)用同一年或者調(diào)用模擬時段內(nèi)每一年）而言的。目前，尚沒有研究明確提出土地利用/覆被數(shù)據(jù)時間分辨率對水文模擬是否有影響。本研究選擇位于高寒山區(qū)的黑河上游（源頭到鶯落峽）流域為研究區(qū)，建立基于不同時間分辨率的土地利用/覆被數(shù)據(jù)集并輸入SWAT模型，研究土地利用/覆被數(shù)據(jù)的時間分辨率對高寒山區(qū)流域水文模擬的影響。

1 材料與方法

1.1 研究區(qū)概況

黑河流域是典型的內(nèi)陸河流域，也是我國西北地區(qū)第二大內(nèi)陸河流域。黑河上游位于青海省祁連縣，流域面積為10 009km2[川，氣候寒冷，地形復(fù)雜，常年積雪，是整個黑河流域的徑流形成區(qū)，其出山口鶯落峽站以上的多年平均徑流量為巧.80億m3，占整個黑河天然水量的88% [12-13]。黑河上游的河川徑流主要由降水、冰雪融水和地下水補給，徑流量在年內(nèi)分配極不均勻[11]。整體上來說，黑河上游祁連山區(qū)年降水量多在200mm以上，最高可以達到700mm，降水量東多西少，雪線高度東低西高[13-14]。研究區(qū)概況見圖1。

1.2 土地利用/覆被數(shù)據(jù)集建立

為探討土地利用/覆被數(shù)據(jù)的時間分辨率對高寒山區(qū)流域水文模擬的影響，在研究時段內(nèi)（1990-2009年）建立兩種時間分辨率的土地利用/覆被數(shù)據(jù)集。為保證兩種土地利用/覆被數(shù)據(jù)集的空間分辨率相統(tǒng)一，兩種數(shù)據(jù)集的數(shù)據(jù)源均采用夏季Landsat TM影像。第一種數(shù)據(jù)集基于黑河計劃數(shù)據(jù)管理中心（ht-tp：//westdc.westgis.ac.cn）提供的2000年夏季黑河流域Landsat TM影像，以1：50000地形圖為基準(zhǔn)，選擇阿爾伯斯投影，采用二次多項式糾正方法對影像進行幾何糾正。利用該時期土地利用現(xiàn)狀圖和野外實地勘測資料建立研究區(qū)的解譯標(biāo)志，然后應(yīng)用AreGIS 10.0和ENVI 5.1遙感圖像處理軟件，采用人機交互的監(jiān)督分類方法進行遙感影像解譯，并結(jié)合相應(yīng)年份的研究區(qū)土地利用現(xiàn)狀圖對解譯結(jié)果進行調(diào)整和糾正，最終得到一幅2000年黑河上游土地利用/覆被圖。第二種數(shù)據(jù)集基于黑河計劃數(shù)據(jù)管理中心提供的1990—2009年黑河上游夏季Landsat TM影像，利用同樣的處理方法對各年遙感影像進行解譯，得到1990-2009年各年的土地利用/覆被圖。實地勘察驗證表明，兩個數(shù)據(jù)集數(shù)據(jù)的準(zhǔn)確率均超過95%。此外，綜合考慮《中國土地利用分類系統(tǒng)》和SWAT模型土地利用/覆被數(shù)據(jù)庫，將1990-2009年黑河上游土地利用/覆被類型分為農(nóng)田、林地、草地、水域、城鎮(zhèn)和裸地6類。

1.3 SWAT模型建立

SWAT模型是長時段的流域分布式水文模型，具有很強的物理基礎(chǔ)，它適用于具有不同的土壤類型、土地利用方式、坡度和管理條件下的復(fù)雜流域，并適用于資料缺乏地區(qū)的建模[15-16]。SWAT模型首先將整個研究流域劃分為若干子流域，而后進一步按流域的土地利用/覆被類型、土壤類型和地形數(shù)據(jù)劃分HRU，在每一個HRU上再進行產(chǎn)匯流計算[4，8]。

SWAT模型的氣象數(shù)據(jù)庫包括逐日最高和最低氣溫、降水量、太陽輻射、相對濕度和風(fēng)速數(shù)據(jù)[17-18]，本文采用位于黑河上游及附近7個氣象站（托勒站、野牛溝站、肅南站、張掖站、民樂站、祁連站、永昌站）的氣象資料建立氣象數(shù)據(jù)庫。土壤數(shù)據(jù)庫基于點實測數(shù)據(jù)以及文獻[1]中的空間聚類法建立。其他地表參數(shù)（DEM、數(shù)字河網(wǎng)、流域邊界以及流域出口經(jīng)緯度）均下載自黑河計劃數(shù)據(jù)管理中心。

為分析不同時間分辨率的土地利用/覆被數(shù)據(jù)對SWAT模型水文模擬的影響，利用前述的兩種數(shù)據(jù)集分別建立SWAT模型。利用第一種數(shù)據(jù)集建立SWAT模型，即為傳統(tǒng)建模方法[19-20]，本文不再贅述。將第二種數(shù)據(jù)集輸入SWAT模型，則需改進SWAT模型的HRU生成方式，令每一個HRU可調(diào)用相應(yīng)模擬年份的土地利用/覆被數(shù)據(jù)，并保持每一個HRU劃分?jǐn)?shù)量、面積和空間位置不變。首先將1990-2009年的土地利用圖進行空間疊加，而后將20a的土地利用空間疊加圖與土壤類型、坡度再次進行空間疊加，得到不同年份對應(yīng)的HRU。這些不同年份的HRU具有相同的數(shù)量、面積和空間位置，但是每個HRU可以調(diào)用不同年份的土地利用類型。此外，用Fortran語言（SWAT源代碼編寫語言）在Windows平臺上的Visual Studio2010中修改原始SWAT模型的運算模塊，在原來日循環(huán)的基礎(chǔ)上加人一層年循環(huán)，使SWAT模型基于當(dāng)前年份對應(yīng)的HRI進行計算。

選取納什效率系數(shù)（NSE）、誤差百分?jǐn)?shù)（PBIAS）、均方根誤差與標(biāo)準(zhǔn)誤差比率（RSR）評價SWAT模型的適用性。其中，NSE通常用于度量剩余方差與實測方差的相對大小，它可以表示實測數(shù)據(jù)與模擬數(shù)據(jù)的吻合程度。NSE值越接近1，SWAT模型的模擬效果越好，模型的可信度越高。PBIAS度量的是模擬數(shù)據(jù)的平均趨勢高于或者低于相應(yīng)實測數(shù)據(jù)的程度，它能夠更清楚地表現(xiàn)不好的模型模擬效果。PBIAS介于-10%到10%之間表明模型模擬效果好，-25%到25%則表示模擬效果可信尸BIAS為正值表示模型模擬值對實測值的低估，負(fù)值表示模型模擬值對實測值的高估。RSR用標(biāo)準(zhǔn)誤差標(biāo)準(zhǔn)化均方根誤差，更能衡量模擬值與真實值之間的偏差，RSR越小模擬效果越好[1]。3個參數(shù)的計算公式如下：式中：Qiobs為實測徑流量；Qisim為模擬徑流量；Qobs實測徑流量在模擬期內(nèi)的平均值；i為模擬的時間步長。

2 結(jié)果與分析

2.1 黑河上游土地利用數(shù)據(jù)集

表1為黑河上游1990-2009年土地利用/覆被類型及面積。由表1可知：黑河上游主要的土地利用/覆被類型為草地、裸地和林地；黑河上游土地利用/覆被類型是逐年改變的，僅某一年的土地利用/覆被數(shù)據(jù)無法代表長時段內(nèi)的區(qū)域土地利用/覆被狀況。

2.2 校準(zhǔn)前SWAT徑流模擬結(jié)果

對比校準(zhǔn)之前的模型模擬結(jié)果能使建模者了解模型校準(zhǔn)的難易程度，也避免了參數(shù)優(yōu)化所導(dǎo)致的模擬偏差。因此，本文首先將前述兩種土地利用/覆被數(shù)據(jù)集輸入SWAT模型，并對校準(zhǔn)之前的月、年徑流量（以流量表示）模擬結(jié)果分別進行對比分析。由圖2可知，兩種時間分辨率的土地利用/覆被數(shù)據(jù)集對應(yīng)的月徑流變化趨勢基本一致，但與實測月徑流量相比，兩種土地利用/覆被數(shù)據(jù)集對應(yīng)的枯水期徑流量明顯比實測徑流量小。由表2可知：用兩個數(shù)據(jù)集模擬月徑流量的NSE值均大于0.50，RSR值均小于0.70，PBIAS絕對值小于25%，這說明兩種數(shù)據(jù)集對應(yīng)的黑河上游月徑流模擬效果在模型校準(zhǔn)前均已達到了較好的效果；第一種數(shù)據(jù)集對應(yīng)的NSE值略小于第二種數(shù)據(jù)集的，說明利用第二種數(shù)據(jù)集模擬的月徑流量與實測月徑流量的吻合程度更高；第一種數(shù)據(jù)集對應(yīng)的PBIAS值為正且略小于第二種，說明兩種數(shù)據(jù)集對應(yīng)的模型校準(zhǔn)前的月徑流模擬值總體小于實測值，且第二種數(shù)據(jù)集的模擬值更小；從RSR值來看，第二種數(shù)據(jù)集對應(yīng)的模擬值與實測值之間的偏差更小。綜上，模型校準(zhǔn)前，第二種數(shù)據(jù)集對應(yīng)的模擬效果好于第一種的。

對于年徑流量的模擬，由圖3及表2可知：兩種數(shù)據(jù)集對應(yīng)的模型校準(zhǔn)前的模擬結(jié)果均較差，其NSE值均接近于0，說明兩種數(shù)據(jù)集對應(yīng)的年徑流模擬值與實測值的吻合程度均較低；PBIAS的絕對值大于25%，說明兩種數(shù)據(jù)集對應(yīng)的年徑流模擬值均小于實測值；RSR值均接近于1，說明兩種數(shù)據(jù)集對應(yīng)的年徑流模擬值與實測值之間的偏差較大，且第二種數(shù)據(jù)集對應(yīng)的模擬效果略好于第一種數(shù)據(jù)集的。也可以說，土地利用/覆被數(shù)據(jù)的時間分辨率越高，基于其建立的SWAT模型越易校準(zhǔn)。

2.3 校準(zhǔn)后SWAT徑流模擬結(jié)果

為了提高模型模擬結(jié)果的可信度，模型校準(zhǔn)是必不可少的步驟。在進行水文模型校準(zhǔn)前需先進行參數(shù)敏感性分析?；诘诙N數(shù)據(jù)集建立的SWAT模型改進了HRU的生成方式，并在模型計算結(jié)構(gòu)中加人了一層年循環(huán)，此外對于其他模型結(jié)構(gòu)和計算公式均無修改。因此，本文假設(shè)基于第二種數(shù)據(jù)集建立的SWAT模型與基于第一種數(shù)據(jù)集建立的SWAT模型的敏感性參數(shù)一致，且只對基于第一種數(shù)據(jù)集建立的SWAT模型進行參數(shù)敏感性分析。參數(shù)敏感性分析方法參照相關(guān)研究。選取最敏感的10個參數(shù)進行參數(shù)率定，即土壤蒸發(fā)補償因子（ESCO）、水分條件Ⅱ時的初始SCS徑流曲線數(shù)（CN2）、主河道沖積物有效滲透系數(shù)（CH_K2）、最大冠層截留量（CANMX）、平均比降（HRU_SLP）、基流因子（ALPHA_F）、深層含水層的滲透系數(shù)（RCHRG_DP）、主河道曼寧系數(shù)（CH_N2）、地下水再蒸發(fā)系數(shù)（GW_REVAP）、積雪溫度滯后因子（TIMP）。基于第一種數(shù)據(jù)集建立的SWAT模型參數(shù)率定，參考Arnold J.G.等的多步驟手動調(diào)參法進行。由于基于第二種數(shù)據(jù)集建立的SWAT模型逐年調(diào)用了模擬時段內(nèi)的土地利用/覆被數(shù)據(jù)，因此在參數(shù)率定時為了體現(xiàn)土地利用/覆被的變化對模型參數(shù)的影響，采用“參數(shù)動態(tài)率定”法使不同的土地利用數(shù)據(jù)對應(yīng)不同的最優(yōu)參數(shù)組合。具體來說，首先篩選出每年土地利用/覆被發(fā)生變化的HRU，分析HRU中土地利用/覆被的變化類型，并基于這些HRU率定前述10個敏感參數(shù)中受土地利用/覆被影響的5個參數(shù)（ESCO、CN2、CH_K2、CANMX、ALPHA_BF），其他參數(shù)值不變。

由圖4及表3可知：兩個模型模擬的月徑流量過程線與實測的流量過程線基本吻合，且其NSE值均大于0.90，RSR值均較?。粌蓚€數(shù)據(jù)集對應(yīng)的PBIAS值雖然均在-10%和10%之間，但第一種數(shù)據(jù)集對應(yīng)的值為-4.85%，說明其對應(yīng)的徑流模擬值總體大于實測值，第二種數(shù)據(jù)集對應(yīng)的值為1.69%，說明其對應(yīng)的徑流模擬值總體小于實測值。這也說明校準(zhǔn)后基于兩個數(shù)據(jù)集建立的模型對黑河上游月出山徑流量的模擬效果均很好。同時也可以看出，第二種數(shù)據(jù)集對應(yīng)的模擬效果略好于第一種數(shù)據(jù)集的，但是總體上來說，兩種數(shù)據(jù)集對應(yīng)的月徑流模擬效果差別不大。

由圖5及表3可知：從流量過程線來看，兩種數(shù)據(jù)集對應(yīng)的年尺度模擬值基本與實測值相吻合。由表3可知，基于第二種數(shù)據(jù)集建立的SWAT模型模擬的年徑流量效果明顯好于第一種數(shù)據(jù)集的，這就說明，時間分辨率高的土地利用/覆被數(shù)據(jù)集能夠改善SWAT模型的模擬效果。

3 討論

土地利用/覆被變化對水文過程的影響一直是研究熱點，模型模擬是研究該問題的有效手段，但少有研究者關(guān)注土地利用/覆被數(shù)據(jù)的時間分辨率對水文過程模擬可能造成的影響。本研究認(rèn)為土地利用/覆被數(shù)據(jù)的時間分辨率對水文模擬有一定影響。首先，影響水文模型的校準(zhǔn)，時間分辨率高的土地利用/覆被數(shù)據(jù)對應(yīng)的水文模型更易校準(zhǔn)；其次，影響水文模型的模擬效果，時間分辨率高的土地利用/覆被數(shù)據(jù)對應(yīng)更好的模擬效果。但是，土地利用/覆被數(shù)據(jù)的時間分辨率對黑河上游月徑流的模擬影響相對不明顯，原因可能是黑河上游地處高寒山區(qū)，受人類活動影響相對較小，土地利用/覆被的年際變化不大，而水文過程對小規(guī)模土地利用/覆被變化的響應(yīng)需要較長的時間。同時，上游是整個黑河流域的產(chǎn)流區(qū)，降水是黑河上游的主要來水，而SWAT模型運用SCS曲線數(shù)法估算地表徑流，SCS曲線數(shù)法是一個經(jīng)驗?zāi)Ｐ?，不論下墊面條件是否一致，它都能夠使模擬的日尺度和月尺度的徑流趨勢趨于相同且很大程度上只受降水影響。雖然SCS曲線數(shù)法中的曲線數(shù)（CN值）主要由土地利用類型和土壤水文組合綜合決定，但它歸根結(jié)底是由土壤滲透率決定的。這種確定CA值的方法往往會弱化日尺度和月尺度上土地利用的年際變化對徑流的影響。這一研究結(jié)果與其他同類研究結(jié)果相似。在模擬黑河上游年徑流量時，土地利用/覆被數(shù)據(jù)的時間分辨率對其影響較為明顯，時間分辨率越高，對應(yīng)的模擬效果越好，原因可能是土地利用/覆被對河道徑流的影響在較大尺度上更明顯。與其他研究相比，本研究中黑河上游出山徑流量的模擬效果并不是最好的，原因可能是建模時采用的氣象站點較少且分布不均勻。

4 結(jié)論

（1）在SWAT模型校準(zhǔn)前，用第一種數(shù)據(jù)集（時間分辨率低）模擬月徑流量的NSE值為0.71，PBIAS絕對值刁、于25%且RSR值為0.54；用第二種數(shù)據(jù)集（時間分辨率高）對應(yīng)的NSE值為0.73，PBIAS絕對值小于25%且RSR值為0.52，說明時間分辨率高的土地利用/覆被數(shù)據(jù)對應(yīng)的水文模型更易校準(zhǔn)。

（2） SWAT模型校準(zhǔn)后，第一種數(shù)據(jù)集對應(yīng)的月徑流量模擬的NSE值為0.91，PBIAS絕對值小于10%且RSR值為0.30；第二種數(shù)據(jù)集對應(yīng)的NSE值為0.93，PBIAS絕對值小于10%且RSR值為0.26。由此可知，SWAT模型校準(zhǔn)后，土地利用/覆被數(shù)據(jù)的時間分辨率對黑河上游月徑流量模擬的影響相對不明顯。

（3）SWAT模型校準(zhǔn)后，第一種數(shù)據(jù)集對應(yīng)的年徑流量模擬的NSE值為0.69尸BIAS絕對值小于10%且RSR值為0.56；第二種數(shù)據(jù)集對應(yīng)的NSE值為0.83，PBIAS絕對值小于10%且RSR值為0.41。這說明土地利用/覆被數(shù)據(jù)的時間分辨率對黑河上游年徑流量模擬的影響較為明顯，且土地利用/覆被數(shù)據(jù)的時間分辨率越高，對應(yīng)的模擬效果越好。

參考文獻：

[1]JIN x，ZHANG L，GU J，et al.Modeling the Impacts ofSpatial Heterogeneity in Soil Hydraulic Properties on Hydro-logical Process in the Upper Reach of the Heihe River in theQilianmountains，Northwest China[J].HydrologicalProcesses，2015，29（15）：3318-3327.

[2]WOODWARD C，SHULMEISTER J，LARSEN J，et al.TheHydrological Legacy of Deforestation on Global Wetlands[J].Science，2014，346（6211）：844-847.

[3]ZHOU F，XU Y，CHEN Y，et al.Hydrological Response toUrbanization at Different Spatio-Temporal Scales Simulatedby Coupling of CLUE-S and the SWATmodel in the YangtzeRiver Delta Region[J].Journal of Hydrology，2013，485：113-125.

[4]RNOLD J G，MORIASI D N，GASSMAN P W，et al.SWAT：Model Use，Calibration，and Validation[J]..Cransactions of theASABE，2012，55（4）：1491-1508.

[5]李潤壅，朱阿興，李寶林，等.流域水文模型對土壤數(shù)據(jù)響應(yīng)的多尺度分析[J].地理科學(xué)進展，2011，30（1）：80-86.

[6]BOLUWADE A，MADRAMOOT00 C.Modeling the Impactsof Spatial Heterogeneity in the Castor Watershed on Runoff，Sediment，and Phosphorus Loss Using SWAT：1.Impacts ofSpatial Variability of Soil Properties[J].Water Air&SoilPollution，2013，224（10）：1-16.

[7]陳祥義，肖文發(fā)，黃志霖，等.空間數(shù)據(jù)對分布式水文模型SWAT流域水文模擬精度的影響[J].中國水土保持科學(xué)，2016，14（1）：138-143.

[8]金鑫，陳瓊，金彥香.土地利用/覆被數(shù)據(jù)精度對流域水文過程模擬的影響研究[J].灌溉排水學(xué)報，2018，37（2）：108-115.

[9]BAKER T J，M[1]ER S N.Using the Soil and Water As-sessment Tool（SWAT）to Assess Land Use Impact onWater Resources in an East African Watershed[J].Journalof Hydrology，2013，486（8）：100-111.

[10]ZHANG L，NAN Z，YU W，et al.Modeling Land-Use andLand-Cover Change and Hydrological Responses UnderConsistent Climate Change Scenarios in the Heihe RiverBasin，China[J].Water Resourcesmanagement，2015，29（13）：4701-4717.