李 雪，馬孝義

(西北農(nóng)林科技大學(xué)水利與建筑工程學(xué)院，陜西 楊凌 712100)

水文循環(huán)是一個(gè)涉及降水、截留、入滲、產(chǎn)流、輸移、蒸散等多環(huán)節(jié)復(fù)雜的生態(tài)過(guò)程，受土地利用變化、管理措施和氣候條件等多重因素影響[1]。人們常用分布式水文模型來(lái)模擬水文循環(huán)過(guò)程，其中SWAT模型的應(yīng)用最為廣泛。作為SWAT模型重要輸入信息的土地利用數(shù)據(jù)有許多種，常見(jiàn)的包括：中國(guó)1∶10萬(wàn)土地利用數(shù)據(jù)集、IGBP DISCover數(shù)據(jù)集、馬里蘭大學(xué)土地覆蓋數(shù)據(jù)集、MODIS土地覆蓋產(chǎn)品、WESTDC系列土地覆被產(chǎn)品和GLC2000數(shù)據(jù)集。并且，由不同國(guó)家、部門基于不同遙感數(shù)據(jù)和制圖方法的土地利用數(shù)據(jù)在土地利用分類類型和精度上往往具有一定的差異。對(duì)于大尺度流域分布式水文模型來(lái)說(shuō)，高精度的空間數(shù)據(jù)意味著數(shù)據(jù)前處理工作和模型運(yùn)算量的增加，因此分析土地利用數(shù)據(jù)精度對(duì)水文過(guò)程模擬的影響，有利于加深對(duì)水文模型機(jī)理和模擬結(jié)果對(duì)輸入數(shù)據(jù)不確定性影響的認(rèn)識(shí)。但前人的研究，如劉春雨[2]、李鴻儒[3]、王潺[4]、黃佩然[5]等多集中于土地利用/覆被類型變化對(duì)SWAT模型模擬結(jié)果的影響，而關(guān)于土地利用數(shù)據(jù)集精度對(duì)SWAT模型模擬結(jié)果影響的研究則較少，且極少數(shù)有關(guān)于對(duì)水文過(guò)程影響的研究。為了更好地了解土地利用數(shù)據(jù)精度對(duì)SWAT模型模擬結(jié)果及其水文循環(huán)過(guò)程的影響，本文擬選用3種土地利用集，將涇川三站以上的涇河流域作為研究區(qū)域進(jìn)行相關(guān)研究。對(duì)于各數(shù)據(jù)集本身的質(zhì)量對(duì)比，冉有華、李新[6]以中國(guó)科學(xué)院1∶10萬(wàn)土地利用數(shù)據(jù)集為參考數(shù)據(jù)，做過(guò)1 km分辨率的IGBP DISCover數(shù)據(jù)集、馬里蘭大學(xué)土地覆蓋數(shù)據(jù)集、GLC2000數(shù)據(jù)集和MODIS土地覆蓋產(chǎn)品在中國(guó)區(qū)域的精度評(píng)價(jià)。分析結(jié)果表明,在1 km尺度上，中科院CAS1990數(shù)據(jù)集是目前中國(guó)最好的，以較高精度反映了中國(guó)的土地覆蓋狀況，但同時(shí)信息損失嚴(yán)重，而WESTDC系列數(shù)據(jù)集更能滿足數(shù)據(jù)用戶的較高要求。因此，本文最終選用中國(guó)1∶10萬(wàn)土地利用數(shù)據(jù)集以及該數(shù)據(jù)集重采樣后的1 km分辨率的數(shù)據(jù)產(chǎn)品、WESTDC 2土地覆蓋產(chǎn)品分別在涇河上游區(qū)構(gòu)建SWAT模型，研究土地利用數(shù)據(jù)集精度對(duì)涇川站以上的涇河流域徑流模擬的影響。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

涇河流域地處黃土高原中部，位于106°14′～108°42′E、34°46′～37°19′N之間，流域面積45 421 km2，橫跨寧夏、甘肅、陜西三省(區(qū))部分地區(qū)， 流域內(nèi)地勢(shì)西北高，東南低，總體地勢(shì)是東北西三面向東南傾斜。流域深處大陸，為典型的溫帶大陸性氣候，處于溫帶半濕潤(rùn)向半干旱氣候的過(guò)渡地帶，冬季干旱少雨，夏季多暴雨，降水多集中在每年的5-8月，年平均氣溫在5～15 ℃，年降水量介于350～600 mm之間。涇河全長(zhǎng)483 km，為渭河的一級(jí)支流、黃河的二級(jí)支流。本文研究區(qū)域?yàn)闆艽ㄈ疽陨系臎芎恿饔?，?jiǎn)稱為涇河上游區(qū)，研究區(qū)概況圖具體見(jiàn)圖1。涇川以上流域由發(fā)源地六盤山流經(jīng)崆峒峽水庫(kù)、甘肅平?jīng)鲎罱K到達(dá)涇川縣(涇川三站， 35°20′N，107°21′E)，包括汭河、潘楊澗河、大路河、小路河、頡河共五條一級(jí)支流[7]，地理高程介于1 020～2 890 m，總流域面積為4 213 km2。全年降雨量在500 mm左右，汛期降水量占全年總降水量的70%～80%。

圖1 研究區(qū)概況圖Fig.1 Overview of the study area

1.2 SWAT模型建立

SWAT(Soil and Water Assessment Tool)模型是美國(guó)農(nóng)業(yè)部(USDA)農(nóng)業(yè)研究中心(ARS)研發(fā)的適用于較大流域尺度的分布式水文模型。該模型由水文(Hydrology)、氣象(Weather)、泥沙(Sediment)、土壤溫度(Soil Temperature)、作物生長(zhǎng)(Crop Growth)、養(yǎng)分(Nutrient)、農(nóng)藥/殺蟲(chóng)劑(Pesticides)和農(nóng)業(yè)管理(Agriculture Management)等8個(gè)組件構(gòu)成 ，具有很強(qiáng)的物理機(jī)制[8]。

SWAT(Soil and Water Assessment Tool)模型作為連續(xù)時(shí)間分布式水文模型，偏重于水文模擬，可以模擬流域水量平衡，估算徑流、蒸發(fā)等水分循環(huán)分量[9]。運(yùn)行步長(zhǎng)以日為單位, 還可用來(lái)模擬不同土地利用和多種農(nóng)業(yè)管理措施對(duì)流域的水、泥沙、化學(xué)物質(zhì)的長(zhǎng)期影響，能預(yù)測(cè)100 a以內(nèi)的某個(gè)流域的總徑流量、泥沙流失量和營(yíng)養(yǎng)負(fù)荷，這使其被廣泛應(yīng)用在非點(diǎn)源污染的管理和控制過(guò)程中[10]。

SWAT 模型需要輸入的數(shù)據(jù)分為屬性數(shù)據(jù)和空間數(shù)據(jù)兩種：①屬性數(shù)據(jù)，分別為水文數(shù)據(jù)、氣象數(shù)據(jù)和土壤屬性數(shù)據(jù)；②空間數(shù)據(jù)，包括數(shù)字高程DEM數(shù)據(jù)和土地利用數(shù)據(jù)。

采用涇河上游區(qū)附近的西峰、平?jīng)觥㈤L(zhǎng)武3個(gè)氣象站的1965-1995年共31年的逐日最高和最低氣溫、降水量、日照時(shí)數(shù)、相對(duì)濕度和風(fēng)速數(shù)據(jù)的氣象數(shù)據(jù)，以及崆峒峽水庫(kù)壩下、米崗、沙塘川、大灣、和商鋪、瓦亭、什字、東山坡、三關(guān)口、大秦、史家窩、四十里鋪、窯峰頭、草峰、花所鎮(zhèn)、黨原、涇川三站、孟家臺(tái)、華亭、新民、策底、安口、銅城、袁家庵、頡溝的逐日降水?dāng)?shù)據(jù)。此外，建模所需的數(shù)字高程DEM數(shù)據(jù)為30 m分辨率的GDEMDEM數(shù)據(jù)、土壤類型數(shù)據(jù)為世界協(xié)調(diào)數(shù)據(jù)庫(kù)HWSD數(shù)據(jù)中的中國(guó)數(shù)據(jù)集。

基于模型輸入的屬性和空間數(shù)據(jù)，最終將涇河上游區(qū)劃分成26個(gè)子流域。查閱資料可知，在平?jīng)錾嫌伟ㄎ鲘{、龍?zhí)逗歪轻紞{三座水庫(kù)，由于缺乏相應(yīng)的水庫(kù)資料，采用將崆峒峽水庫(kù)以及上游簡(jiǎn)化成一個(gè)入水口的方法[7]，以此提高SWAT模型模擬精度，涇河上游區(qū)流域劃分結(jié)果具體見(jiàn)圖2。

圖2 涇河上游流域劃分結(jié)果Fig.2 Watershed division of jing river upstream

選用那什效率系數(shù)ENS(Nash-Sutcliffe Efficiency,NSE)、決定系數(shù)R2作為模型模擬精度的評(píng)價(jià)指標(biāo)，ENS值越接近1，則模型的可信度越高；越接近0.5，模型總體結(jié)果可信[11]，故可認(rèn)為，ENS、R2均大于0.5，模型模擬結(jié)果是可信的[12]。計(jì)算公式分別為：

(1)

(2)

1.3 土地利用/覆被數(shù)據(jù)集

采用具有不同分辨率和不同土地利用/覆被分類的3種土地利用數(shù)據(jù)集：①來(lái)源于中國(guó)1∶10萬(wàn)土地利用數(shù)據(jù)集，將涇河上游區(qū)所在的固原縣、彭陽(yáng)縣、鎮(zhèn)原縣、涇川縣、平?jīng)鍪小⒊缧趴h、華亭縣、涇源縣、隆德縣、莊浪縣的土地利用圖拼接在一起，然后利用涇河上游區(qū)DEM圖裁剪得到(以下簡(jiǎn)稱Land 1)。該數(shù)據(jù)集是基于2000年Landsat TM 和 ETM 遙感圖像建立起來(lái)的,采用中科院資源環(huán)境分類系統(tǒng)，將涇河上游分為耕地、林地、草地、水域、城鎮(zhèn)用地、農(nóng)村居民點(diǎn)、其他建設(shè)用地、未利用土地8個(gè)土地利用類型，分辨率為105 m，由于有的土地利用類型面積較小，因此重分類后的土地利用類型變?yōu)楦?、林地、草地、水域、居民住宅區(qū)、未利用土地；②利用ArcGIS軟件Date Management Tools中的raster工具中的resample方法將Land 1數(shù)據(jù)105 m分辨率重采樣成1 km，記為L(zhǎng)and 2，該數(shù)據(jù)與Land 1數(shù)據(jù)具有相同的土地利用分類 ；③來(lái)源于中國(guó)WESTDC系列土地覆蓋數(shù)據(jù)產(chǎn)品，采用其中的WESTDC2數(shù)據(jù)集，空間分辨率為1 km，融合了中國(guó)1∶10萬(wàn)土地利用數(shù)據(jù)集， 整體分類精度較高的GLC2000數(shù)據(jù)集[2]、MODIS土地覆蓋數(shù)據(jù)集并進(jìn)行類型轉(zhuǎn)換，將中科院資源環(huán)境分類系統(tǒng)轉(zhuǎn)換成IGBP分類系統(tǒng)。該數(shù)據(jù)集經(jīng)涇河上游區(qū)的DEM裁剪得到?jīng)芎由嫌螀^(qū)的WESTDC土地利用圖，記為L(zhǎng)and 3，最終將全流域分成13種土地利用類型，分別為常綠針葉林、落葉闊葉林、混交林、郁閉灌木林、開(kāi)放性灌木林、干草地、稀疏草地、草場(chǎng)、永久性濕地、耕地、城市與建設(shè)用地、耕地自然植被區(qū)、水體。由于有的土地利用類型在SWAT土地利用數(shù)據(jù)庫(kù)中找不到相應(yīng)的代碼，因此將Land 3重分類成10類土地利用類型，分別為常綠針葉林、落葉闊葉林、混交林、灌木林、干草、草場(chǎng)、永久性濕地、耕地、城市與建設(shè)用地、水體。本文構(gòu)建涇河上游區(qū)SWAT模型的數(shù)據(jù)的具體來(lái)源見(jiàn)表1。

表1 SWAT模型建模數(shù)據(jù)Tab.1 Modeling data for the SWAT model

3種不同的土地利用/覆被數(shù)據(jù)集對(duì)應(yīng)的土地利用類型面積存在一定差別，具體面積見(jiàn)表2。

表2 各數(shù)據(jù)集對(duì)應(yīng)的土地利用/覆被類型面積 km2

由表2可知，Land 1與Land 2數(shù)據(jù)集重分類后對(duì)應(yīng)的土地利用/覆被類型面積中水域、裸地面積基本未變，差異體現(xiàn)在林地、草地、居民住宅區(qū)和耕地上，最大差異出現(xiàn)在耕地上，為49 km2。Land 2數(shù)據(jù)集對(duì)應(yīng)的耕地、林地面積相比Land 1數(shù)據(jù)集來(lái)說(shuō)均增大了一部分，其中，耕地面積的增大的程度大于林地面積增大幅度；而草地面積、居民住宅區(qū)面積的情況恰恰相反，Land 1數(shù)據(jù)集對(duì)應(yīng)的這兩項(xiàng)的面積大于相應(yīng)的Land 2數(shù)據(jù)集對(duì)應(yīng)的面積，草地面積的減少幅度更大。這說(shuō)明，土地利用/覆被數(shù)據(jù)集空間精度的變化會(huì)引起耕地、草地、林地、居民住宅區(qū)等土地利用/覆被所對(duì)應(yīng)的面積的變化，精度降低會(huì)使得耕地和林地面積增加、草地和居民與建設(shè)用地面積減少，且耕地面積、草地面積的增減變化幅度更大。

Land 3、 Land 2由于具有的分類系統(tǒng)不同，因此劃分的土地利用類型及其各土地利用類型對(duì)應(yīng)的面積也具有很大不同，但3種數(shù)據(jù)集對(duì)應(yīng)的土地利用類型中，耕地的面積均是最大的，且Land 3數(shù)據(jù)集對(duì)應(yīng)的耕地面積都比前兩個(gè)數(shù)據(jù)集大，為2 039 km2。3個(gè)不同數(shù)據(jù)集對(duì)應(yīng)的土地利用/覆被類型的空間分布見(jiàn)圖3。

圖3 不同數(shù)據(jù)集對(duì)應(yīng)的土地利用/覆被類型空間分布Fig.3 Spatial distribution of land use/cover types of different data sets

Land 1和Land 2具有相同的土地利用/覆被分類，但是具有不同的分辨率；Land 2和Land 3具有相同的分辨率，但又具有不同的分類系統(tǒng)。簡(jiǎn)言之，3種數(shù)據(jù)集具有不同的分辨率和分類系統(tǒng)。

從3種數(shù)據(jù)集對(duì)應(yīng)的土地利用/覆被分類圖，即圖3可以看出，各種土地利用/覆被數(shù)據(jù)集的空間分布沒(méi)有較大差異，基本是一致的，只是由于Land 3融合了較多的其他的土地利用數(shù)據(jù)集而使得分類更精細(xì)，空間分布也較其他數(shù)據(jù)集的零碎。

2 結(jié)果與分析

2.1 土地利用/覆被數(shù)據(jù)空間精度對(duì)水文響應(yīng)單元HRUs劃分的影響

HRUs水文響應(yīng)單元是被劃分出的SWAT模型的最小計(jì)算單元，每一個(gè)HRU中具有相同的土地利用類型、土壤類型和坡度[13]。HRUs劃分的多少將直接影響SWAT模型的計(jì)算速度。采用Land 1 的SWAT模型劃分出的HRUs的個(gè)數(shù)最多為658個(gè)，而采用Land 2劃分出的HRUs個(gè)數(shù)次之為645個(gè)，這說(shuō)明水文響應(yīng)單元HRUs劃分的個(gè)數(shù)可能跟輸入模型的土地利用/覆被數(shù)據(jù)集的空間精度有關(guān)，且輸入數(shù)據(jù)空間精度越高，劃分的HRUs越多。這與葉許春等[14]的研究結(jié)果一致。采用Land 3劃分出的HRUs個(gè)數(shù)為574個(gè)，這說(shuō)明分類系統(tǒng)對(duì)HRUs的劃分具有較大影響，在其他輸入數(shù)據(jù)不變的情況下，分類精度低的土地利用/覆被數(shù)據(jù)集對(duì)應(yīng)的SWAT模型劃分的HRUs更多。

2.2 土地利用/覆被數(shù)據(jù)精度對(duì)涇河上游涇川水文站徑流模擬的影響

2.2.1 對(duì)敏感性參數(shù)的影響

選取對(duì)徑流模擬影響大的參數(shù)，利用SWAT-CUP軟件的全局敏感性分析方法進(jìn)行參數(shù)敏感性分析，選取敏感性排名靠前的11個(gè)參數(shù)，分析采用不同土地利用/覆被方式所構(gòu)建模型的敏感參數(shù)的不同，采用不同土地利用數(shù)據(jù)集的模型參數(shù)敏感性排名表見(jiàn)表3。

分析敏感性參數(shù)排名表表3可知，3種數(shù)據(jù)集對(duì)應(yīng)的模型的敏感性參數(shù)，敏感性排名前4的參數(shù)都是相同的，這說(shuō)明對(duì)于涇河上游區(qū)的徑流模擬來(lái)說(shuō)，不論采用哪種土地利用/覆被數(shù)據(jù)集，這4個(gè)參數(shù)都是極其敏感重要的。對(duì)于分辨率不同、分類系統(tǒng)相同的Land 1和Land 2來(lái)說(shuō)，敏感性參數(shù)相同，僅個(gè)別參數(shù)(CH_K2、EVRCH)的敏感性排名有所不同，但相差不大，這說(shuō)明輸入模型的數(shù)據(jù)空間分辨率不是影響SWAT模型徑流模擬敏感性參數(shù)的主要因素。分辨率相同、分類系統(tǒng)不同的Land 2、Land 3對(duì)應(yīng)的SWAT模型的敏感性參數(shù)有些微的差別。特別是采用Land 3構(gòu)建的SWAT模型的敏感性參數(shù)多了代表12月31日的融雪因子的參數(shù)SMFMN和代表平均坡度的參數(shù)HRU_SLP，少了代表支流曼寧系數(shù)的參數(shù)CH_N1.sub，這說(shuō)明對(duì)于采用Land 3構(gòu)建的SWAT模型來(lái)說(shuō)，融雪產(chǎn)生的徑流和流域平均坡度導(dǎo)致的徑流的匯流速度對(duì)涇河上游區(qū)SWAT模型徑流模擬的影響大于支流曼寧系數(shù)對(duì)徑流模擬的影響，這也說(shuō)明分類系統(tǒng)不同對(duì)于土地利用/覆被數(shù)據(jù)集對(duì)應(yīng)的模型的敏感性參數(shù)有影響。綜上知，輸入土地利用數(shù)據(jù)的分類精度對(duì)模型敏感性參數(shù)的影響高于空間分辨率對(duì)模型敏感性參數(shù)的影響。

表3 采用不同土地利用數(shù)據(jù)集的模型參數(shù)敏感性排名Tab.3 Model parameter sensitivity ranking using different land use data sets

采用Land 1、Land 2、Land 3構(gòu)建的SWAT模型的徑流模擬的敏感性參數(shù)的率定方式、物理意義以及在SWAT模型中的取值范圍見(jiàn)表4。

表4 涇河上游敏感性參數(shù)意義及取值范圍Tab.4 Significance and value range of sensitivity parameters on the upstream of jing river

2.2.2 對(duì)徑流模擬結(jié)果的影響

采用Land 1、Land 2、Land 3構(gòu)建的涇河上游區(qū)SWAT模型的徑流模擬結(jié)果具體見(jiàn)表5。

從表5可知，Land 1、Land 2、Land 3這3種土地利用/覆被數(shù)據(jù)集對(duì)應(yīng)的涇河上游區(qū)的SWAT模型率定期(1980-1988年)ENS、R2的率定結(jié)果大于0.70，驗(yàn)證期(1989-1990年)ENS、R2均在0.5以上，符合模型的精度要求，這說(shuō)明SWAT模型基本適用于涇河上游區(qū)。

在模型未校準(zhǔn)時(shí)，3種土地利用數(shù)據(jù)/覆被數(shù)據(jù)集對(duì)應(yīng)的SWAT模型在率定期的模擬結(jié)果基本相同，驗(yàn)證期Land 3數(shù)據(jù)集對(duì)應(yīng)的SWAT模型的模擬結(jié)果稍差于其他兩個(gè)數(shù)據(jù)集對(duì)應(yīng)的模型模擬結(jié)果，但3種土地利用數(shù)據(jù)集對(duì)應(yīng)的SWAT模型在驗(yàn)證期的模擬結(jié)果ENS<0.5都達(dá)不到模型的模擬精度，模擬結(jié)果差。

模型校準(zhǔn)后，不論是率定期還是驗(yàn)證期，模型的模擬效果都有了較大提高，其中，Land 1數(shù)據(jù)集對(duì)應(yīng)的SWAT模型的模擬結(jié)果在率定期最好，而Land 2數(shù)據(jù)集對(duì)應(yīng)的SWAT模型的模擬結(jié)果在驗(yàn)證期相比最好。

表5 采用不同土地利用/覆被數(shù)據(jù)集的涇河上游區(qū)SWAT模型徑流模擬結(jié)果Tab.5 Runoff simulation results of the SWAT model in the upstream of Jinghe river using different land use/cover data sets

綜合考慮率定期和模擬期兩個(gè)時(shí)期模擬結(jié)果來(lái)看，Land 2數(shù)據(jù)集對(duì)應(yīng)的SWAT模型模擬效果較于其他兩個(gè)數(shù)據(jù)集好。這證明輸入土地利用數(shù)據(jù)的精度與模擬結(jié)果之間的關(guān)系并不是隨數(shù)據(jù)精度高低而變化的簡(jiǎn)單線性關(guān)系，這與前人的研究基本一致[15, 16]。模擬結(jié)果好于Land 1數(shù)據(jù)集對(duì)應(yīng)的SWAT模型的模擬結(jié)果，可能是因?yàn)長(zhǎng)and 1數(shù)據(jù)集對(duì)應(yīng)的SWAT模型劃分的HRUs個(gè)數(shù)多于Land 2數(shù)據(jù)集劃分的HRUs個(gè)數(shù)的原因，HRUs個(gè)數(shù)增加，模型計(jì)算復(fù)雜性增加，模擬效果隨之變差；而模擬結(jié)果好于Land 3數(shù)據(jù)集對(duì)應(yīng)的模型的模擬效果，可能是因?yàn)長(zhǎng)and 3數(shù)據(jù)集對(duì)應(yīng)的涇河上游區(qū)土地利用/覆被類型多的緣故，這說(shuō)明土地利用分類精度高的數(shù)據(jù)集對(duì)應(yīng)的SWAT模型的模擬結(jié)果差。而Land 3數(shù)據(jù)集對(duì)應(yīng)的模型的模擬結(jié)果稍好于Land 1數(shù)據(jù)集對(duì)應(yīng)的模型的模擬結(jié)果，說(shuō)明水文響應(yīng)單元HRUs的劃分對(duì)于模型模擬結(jié)果的影響大于土地利用分類精度對(duì)模型模擬結(jié)果的影響，即土地利用精度主要通過(guò)影響SWAT模型中水文響應(yīng)單元HRUs生成的數(shù)量而影響模擬結(jié)果，這與前人研究基本一致[15, 17]。模型校準(zhǔn)前后，率定期與驗(yàn)證期模型模擬結(jié)果圖見(jiàn)圖4。

從模型校準(zhǔn)前后月徑流量模擬結(jié)果圖看出，3種土地利用/覆被數(shù)據(jù)集的模擬值與實(shí)測(cè)值的變化趨勢(shì)基本一致。校準(zhǔn)后，3種數(shù)據(jù)集對(duì)應(yīng)的SWAT模型對(duì)于月徑流量峰值的模擬效果明顯變好。

圖4 3種土地利用/覆被數(shù)據(jù)集對(duì)應(yīng)模型校準(zhǔn)前后率定期與驗(yàn)證期月徑流量模擬結(jié)果Fig.4 Runoff simulation results of three land use/cover data sets corresponding to the monthly runoff simulation results before and after model calibration and verification period

3 結(jié) 語(yǔ)

(1) 3種土地利用/覆被數(shù)據(jù)集均在涇河上游區(qū)的適用性良好，就模擬結(jié)果來(lái)說(shuō)，Land 2數(shù)據(jù)集的模擬效果最好，率定期(1980-1988年)的ENS、R2分別為0.73、0.74；驗(yàn)證期(1989-1990年)分別為0.55、0.73。

(2)水文響應(yīng)單元HRUs劃分的個(gè)數(shù)可能跟輸入模型的土地利用/覆被數(shù)據(jù)集的空間精度有關(guān)，且輸入數(shù)據(jù)空間精度越高，劃分的HRUs數(shù)量越多。

(3)輸入土地利用數(shù)據(jù)的分類精度對(duì)模型敏感性參數(shù)的影響高于空間分辨率對(duì)模型敏感性參數(shù)的影響。

(4)綜合考慮率定期和模擬期兩個(gè)時(shí)期模擬結(jié)果來(lái)看，Land 2數(shù)據(jù)集對(duì)應(yīng)的SWAT模型模擬效果較于其他兩個(gè)數(shù)據(jù)集好。這證明輸入土地利用數(shù)據(jù)的精度與模擬結(jié)果之間的關(guān)系并不是隨輸入數(shù)據(jù)精度高低而變化的簡(jiǎn)單線性關(guān)系；水文響應(yīng)單元HRUs的劃分?jǐn)?shù)量對(duì)于模型模擬結(jié)果的影響大于土地利用分類精度對(duì)模型模擬結(jié)果的影響。

(5)受研究人員經(jīng)驗(yàn)、可收集到的資料的限制，子流域劃分閾值及坡度劃分等可能并不是最佳劃分方案，因此導(dǎo)致研究結(jié)果存在一定的偶然性，研究結(jié)論不一定適用于所有的流域，在進(jìn)行其他流域的相關(guān)研究時(shí)要具體情況具體分析。