李影，雷秋良，秦麗歡，朱阿興，李曉虹，翟麗梅，王洪媛，武淑霞，閆鐵柱，李文超，胡萬里，任天志，劉宏斌

（1中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所/農(nóng)業(yè)農(nóng)村部面源污染控制重點實驗室，中國北京100081；2中國科學(xué)院地理科學(xué)與資源研究所，中國北京100101；3南京師范大學(xué)/江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心，中國南京 210023；4Department of Geography, University of Wisconsin-Madison,Madison, WI 53706, USA；5云南省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)環(huán)境資源研究所，中國昆明 50205；6中國農(nóng)業(yè)科學(xué)院，中國北京100081）

0 引言

【研究意義】當(dāng)前我國水質(zhì)污染情勢嚴(yán)峻，成為制約我國可持續(xù)發(fā)展的主要因素之一[1-2]。人類的耕作、養(yǎng)殖和生產(chǎn)生活等活動引起的面源污染是造成水質(zhì)惡化的主要原因[3-5]。由于面源污染的廣泛性、復(fù)雜性和空間異質(zhì)性等特征，基于污染物遷移轉(zhuǎn)化過程的分布式水文模型逐漸被用于面源污染的研究中，如SWAT（soil & water assessment tool）模型、AnnAGNPS（annualized agricultural non-point source pollution model）模型和 HSPF（hydrological simulation programfortran）模型等[6-8]。此類模型可用于定量化描述人類活動對流域污染物產(chǎn)生和遷移過程的影響[9]，為流域的規(guī)劃和管理提供決策依據(jù)。雖然分布式模型在污染物的空間識別上具有絕對的優(yōu)勢，但它的復(fù)雜性和對數(shù)據(jù)的強依賴性，使得其在應(yīng)用過程中具有很大的不確定性。依據(jù)來源的不同，可將不確定性劃分為：模型的結(jié)構(gòu)、輸入數(shù)據(jù)和參數(shù)不確定性[10-11]。在眾多的模型中，SWAT模型是采用日尺度作為最低模擬時間尺度的半分布式模型。該模型在我國得到了廣泛的應(yīng)用且模擬結(jié)果都可達到?jīng)Q定系數(shù)R2≥0.6，納什系數(shù)NS≥0.5的可接受模擬效果[6,12-13]。然而，當(dāng)前對于SWAT模型在使用過程中的不確定性問題的關(guān)注卻遠(yuǎn)遠(yuǎn)不夠?！厩叭搜芯窟M展】土壤數(shù)據(jù)作為流域模擬中的重要輸入數(shù)據(jù)之一，其來源和分辨率的不同會影響地表的產(chǎn)流過程[14]，這要歸因于其屬性的空間分布特征對模型坡面產(chǎn)流空間分布的影響[15]。國內(nèi)外學(xué)者研究了土壤數(shù)據(jù)對環(huán)境模型模擬的影響，發(fā)現(xiàn)土壤特征差異會放大氣象條件的差異，并顯著影響流域的水文響應(yīng)，因此強調(diào)開發(fā)精細(xì)土壤數(shù)據(jù)庫的必要性[16]；但也有研究表明，模型的模擬效果與污染物類型有關(guān)，對土壤數(shù)據(jù)的精度不敏感[17]；甚至有研究顯示在低分辨率的土壤數(shù)據(jù)下徑流模擬效果反而略好于高精度數(shù)據(jù)[18]。此外，土壤數(shù)據(jù)對模型的影響存在尺度效應(yīng)，在匯流面積大于10 km2時，基于不同來源土壤數(shù)據(jù)的模擬結(jié)果吻合度較高[19-20]。由于土壤數(shù)據(jù)的可獲取性，當(dāng)前對于美國SSURGO和STATSGO兩種土壤圖的研究較多。盡管當(dāng)前研究表明了不同的土壤圖會對水文響應(yīng)單元（hydrologic response unit, HRU）劃分、水質(zhì)水量模擬及相關(guān)參數(shù)的提取產(chǎn)生影響，但影響程度卻存在差異[21-22]，也未明確哪個土壤圖更有優(yōu)勢[23]。全國第二次土壤普查形成了不同精度的土壤圖，1﹕5萬土壤圖（縣級土壤圖）、1﹕50萬土壤圖（省級土壤圖）和1﹕100萬土壤圖（國家級土壤圖），是目前我國可以獲得的3種類型土壤圖，但鮮有研究分析這3種土壤圖數(shù)據(jù)對流域模擬的影響?！颈狙芯壳腥朦c】綜上所述，應(yīng)用精細(xì)分辨率土壤數(shù)據(jù)，需要花費更多的精力來收集或生產(chǎn)土壤數(shù)據(jù)、準(zhǔn)備和校準(zhǔn)模型，但當(dāng)前的研究結(jié)果對于模型模擬所需土壤圖的最佳分辨率仍然存在爭議。此外，已有研究大多只關(guān)注于土壤數(shù)據(jù)對水量和水文過程模擬的影響，而對于水質(zhì)的研究仍然較為缺乏?！緮M解決的關(guān)鍵問題】鑒于此，本文采用當(dāng)前應(yīng)用廣泛的SWAT模型，研究不同精度（1﹕5萬、1﹕50萬和1﹕100萬）的土壤數(shù)據(jù)對HRU劃分、模型參數(shù)和水質(zhì)水量模擬的影響，以期豐富這一領(lǐng)域的建模先驗知識，為流域水質(zhì)和水量模擬時選取土壤基礎(chǔ)數(shù)據(jù)提供依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

鳳羽河流域（99.86°—100.03°E，25.88°—26.10°N）地處云南省大理白族自治州，被稱為“洱海之源”，是洱海的源頭。該流域位于我國西南山區(qū)，坡度較大，流域的平均坡度約19°。流域總面積為217 km2，主干河流全長 12.8 km。流域內(nèi)干濕季明顯，年均氣溫在13.9℃，近5年平均降雨量為1 328 mm（下龍門監(jiān)測站數(shù)據(jù)），7、8、9月的降水量占全年降水量的70.72%。該流域包含茈碧湖鎮(zhèn)和鳳羽鎮(zhèn)的9個行政村，總?cè)丝诩s35 400人。流域內(nèi)經(jīng)濟主要依靠種植業(yè)和養(yǎng)殖業(yè)，二者貢獻了總產(chǎn)值的60%以上。其中，種植以水旱輪作和旱旱輪作為主；養(yǎng)殖以散養(yǎng)為主。流域內(nèi)土地利用現(xiàn)狀為草地（45.93%）、林地（29.59%）、果園（2.26%）、農(nóng)村居民點（1.41%）和水域（0.03%）。此外，農(nóng)用地占20.78%，包括旱地（8.89%）和水田（11.89%）（圖 1）。流域內(nèi)的主要面源污染源為農(nóng)村生活源、農(nóng)田種植源和畜禽養(yǎng)殖源[24-25]。

圖1 鳳羽河流域位置圖、數(shù)字高程圖、土地利用圖和流域出口監(jiān)測點Fig.1 Location of Fengyu river watershed in Yunnan province, digital elevation model (DEM), land use and monitoring site

1.2 數(shù)據(jù)資料

SWAT模型需要的輸入數(shù)據(jù)主要為空間數(shù)據(jù)和屬性數(shù)據(jù)。

1.2.1 空間數(shù)據(jù) 本文用于構(gòu)建SWAT模型的空間數(shù)據(jù)包括：DEM圖、土壤類型圖、土地利用圖和水系圖，柵格大小均為25 m×25 m。數(shù)據(jù)的詳細(xì)信息如表1所示。其中，3種不同比例尺土壤圖的土壤分類情況和實測采樣點位置如圖2所示。對比不同土壤圖可知，隨著比例尺的減小，較小的土壤斑塊被合并，空間數(shù)據(jù)精細(xì)度降低。其中，1﹕5萬的土壤圖土壤分類為 20種、1﹕50萬的土壤圖土壤分類為11種、1﹕100萬的土壤圖土壤分類為8種，3種土壤數(shù)據(jù)不僅在土壤分類的詳細(xì)程度上有差異，同時各類土壤的邊界也有明顯的差別。

1.2.2 屬性數(shù)據(jù) 模型所需的其他數(shù)據(jù)主要包括：氣象數(shù)據(jù)、土壤屬性數(shù)據(jù)、農(nóng)田管理措施、農(nóng)村生活污染及畜禽養(yǎng)殖。這些數(shù)據(jù)通過實際的站點監(jiān)測和現(xiàn)場調(diào)查獲得，數(shù)據(jù)的詳細(xì)信息如表2所示。

其中，土壤屬性數(shù)據(jù)的物理屬性數(shù)據(jù)包括土壤分層、土層結(jié)構(gòu)、含水量、導(dǎo)水率、容重等；化學(xué)屬性數(shù)據(jù)包括土壤中硝態(tài)氮、有機氮和無機磷等的含量。這些數(shù)據(jù)通過挖土壤剖面（每個土壤類型一個剖面），取土壤樣品測試得到（土壤采樣點分布見圖 2），具體測試結(jié)果可參考文獻[26]，未采集到的土壤類型數(shù)據(jù)通過土種志獲得。

表1 空間數(shù)據(jù)的精度和來源Table 1 The resolution and source of spatial data

圖2 3種比例尺的土壤圖和采樣點Fig.2 Soil maps of three scales and samples

流域輪作方式主要為玉米-蠶豆和水稻-蠶豆，因此土地利用的屬性數(shù)據(jù)主要輸入了水稻、玉米和蠶豆的土地覆蓋/植物生長數(shù)據(jù)庫中的變量，對于其他類型的土地利用采用模型默認(rèn)值。具體管理措施來自參考文獻[26-27]，其中灌溉用水量取自子流域所在的河道。

將流域內(nèi)農(nóng)村生活的排放作為點源輸入模型中，通過流域的實地調(diào)查和查閱文獻，確定各子流域的人口數(shù)量和排污系數(shù)。其中流域內(nèi)人均年總氮（TN）排放量為1.87 kg、總磷（TP）排放量為0.22 kg，流域的入河系數(shù)為0.15[25]。

1.2.3 實測數(shù)據(jù)

（1）水質(zhì)數(shù)據(jù)。2011年1月至2013年12月，在鳳羽河小流域出口（下龍門監(jiān)測站）（圖 1），每天進行一次人工水樣采集，并進行實驗室分析。測試指標(biāo)包括可溶性總氮、TN、TP和含沙量。水樣采集后在4℃低溫下冷藏保存，之后分別利用過濾烘干法測定含沙量；利用紫外分光光度計比色法測定總氮、溶解性總氮和含量；利用靛酚藍(lán)比色法測定含量；利用鉬藍(lán)比色法測定溶解性總磷和總磷含量[26-27]。（2）水量數(shù)據(jù)。2010年6月至2012年6月，在下龍門監(jiān)測站，使用Stalker II SVR測量流量數(shù)據(jù)。2012年6月，在下龍門監(jiān)測站安裝了Waterlog H-3553氣泡水位計并可通過無線傳輸實現(xiàn)水位的遠(yuǎn)程自動實時監(jiān)測。根據(jù)在流域出口的實測流量和水位數(shù)據(jù)建立水位-流量關(guān)系曲線Q=（4.09×H-81.54）2.20，H為水位計高度（m），Q為與H匹配的流量（m3·s-1），得到高頻率的實時流量數(shù)據(jù)。

1.3 研究設(shè)計

SWAT模型[28]是一個日時間尺度上的連續(xù)模型，可以對流域等大尺度范圍的多種污染物和水文過程進行模擬，具有計算效率高、模擬周期長等特點，已經(jīng)成為流域水循環(huán)、污染源評價和流域管理措施分析的重要工具之一。

本研究利用空間數(shù)據(jù)、屬性數(shù)據(jù)及水文、氣象監(jiān)測數(shù)據(jù)，結(jié)合1﹕5萬、1﹕50萬和1﹕100萬3種不同精度的土壤數(shù)據(jù)，分析不同的土壤圖精度是否會對SWAT模型的模擬結(jié)果產(chǎn)生影響：

（1）水文響應(yīng)單元（HRU）是SWAT模型進行流域模擬的基本單元，HRU的劃分對于準(zhǔn)確的模擬有著至關(guān)重要的作用?？紤]流域中不同土壤所占比例及土壤類型的面積，設(shè)定 0—16%的劃分閾值范圍，子流域中每種土地利用下小于該面積閾值的土壤類型將被忽略。通過不同的閾值設(shè)置生成HRU，分析不同閾值下模型劃分HRU數(shù)量的差異。通過比較不同精度土壤數(shù)據(jù)對HRU劃分的影響，可以在一定程度上反映其對SWAT模型模擬的影響。

（2）在流域土地利用類型劃分閾值設(shè)置為10%、土壤類型劃分閾值設(shè)置為10%和坡度面積的劃分閾值設(shè)置為5%的前提下[26]，運用3種不同精度的土壤數(shù)據(jù)進行鳳羽河流域的水文和水質(zhì)模擬，利用SWAT-CUP軟件進行參數(shù)的調(diào)整和模擬效果的分析。為避免4個指標(biāo)率定過程的相互影響，將流量、泥沙、總氮及總磷數(shù)據(jù)同時進行率定，分別得到1﹕5萬（soil-1）、1﹕50萬（soil-2）和1﹕100萬（soil-3）3種不同精度土壤圖所建SWAT工程對4個模擬指標(biāo)的最佳綜合模擬效果。

1.4 模型的率定

在模型率定之前進行了參數(shù)的敏感性分析。對SWAT輸入輸出文件手冊中列出的水文循環(huán)、營養(yǎng)物、泥沙和河道過程相關(guān)的103個參數(shù)（剔除了已有的土壤參數(shù)和 SWAT-CUP中沒有的參數(shù)）進行了敏感性分析，利用SWAT-CUP軟件設(shè)置運行次數(shù)為1 000次。同時參考了文獻[29]中用于徑流和硝態(tài)氮率定所選取的 38個參數(shù)，以及文獻[26-27]中的參數(shù)敏感性分析結(jié)果和選定的率定參數(shù)，對本文中率定的參數(shù)進行了補充，最終選取了與流量、泥沙、總氮和總磷模擬過程關(guān)系密切的43個參數(shù)，見表3—6。對于模型的率定，采用SWAT-CUP軟件中的 SUFI-2算法進行自動率定，在調(diào)整參數(shù)過程中不對土壤參數(shù)和實測參數(shù)進行率定。參照（公式4）將4個因子的整體表現(xiàn)效果設(shè)置為目標(biāo)函數(shù)，并對模擬效果進行綜合分析。因此，率定的目的是達到流量、泥沙、總氮和總磷4個項目的綜合效果最優(yōu)，這樣才能說明模型在流域的應(yīng)用是最佳狀態(tài)。

選取SWAT-CUP中的通用評價指標(biāo)相關(guān)系數(shù)R2和納什系數(shù)NS進行模擬效果的評價。當(dāng)相關(guān)系數(shù)R2≥0.6，且納什系數(shù)NS≥0.5時，模型模擬結(jié)果是滿意的[30]。R2和NS的計算方法如下所示：

式中，Qm,i為第i天的監(jiān)測數(shù)據(jù)，Qs,i為第i天的模擬值，為監(jiān)測數(shù)據(jù)平均值，為模擬值平均值。

如果有多個變量，則目標(biāo)函數(shù)為：

w為權(quán)重（在本研究將泥沙的權(quán)重設(shè)為1.5，徑流、總氮和總磷的權(quán)重設(shè)為1），j為模擬變量。

NS為納什系數(shù)。如果有多個變量，則目標(biāo)函數(shù)為：

率定過程中選取的率定參數(shù)及初始閾值如表 3—6所示，其中R表示在參數(shù)調(diào)整中作相對初始值變化調(diào)整，V表示在參數(shù)調(diào)整過程中做絕對值變化調(diào)整（直接賦新值），率定的實測數(shù)據(jù)范圍為2011年1月至2013年12月。

2 結(jié)果

2.1 不同精度土壤數(shù)據(jù)對 HRU分配和模型參數(shù)的影響

圖3為3種不同精度的土壤圖在不同的土壤閾值設(shè)定下生成 HRU的數(shù)量。從圖中可以看出，隨著土壤劃分閾值從0—16%逐漸增加，1﹕5萬（soil-1）土壤數(shù)據(jù)的HRU劃分?jǐn)?shù)量從741減少到382個，1﹕50萬（soil-2）土壤數(shù)據(jù)HRU的劃分?jǐn)?shù)量從611減少到347個，1﹕100萬（soil-3）土壤數(shù)據(jù)HRU的劃分?jǐn)?shù)量從487減少到320個。由此可知，不同土壤圖劃分的 HRU數(shù)量在閾值較小時存在較大的差別，隨著土壤閾值逐漸增加，3種土壤數(shù)據(jù)所生成的HRU個數(shù)均逐漸減少，且不同土壤數(shù)據(jù)之間的差別也逐漸減小。此外，隨著精度的降低，HRU隨閾值增加而減少的趨勢逐漸變緩，這說明 HRU的劃分對高分辨率的土壤數(shù)據(jù)影響更大。土壤數(shù)據(jù)引起 HRU劃分的差異，會進一步影響 SWAT模型對流域水文過程及污染物遷移過程的模擬。

表7統(tǒng)計了3種土壤數(shù)據(jù)下所提取的幾個重要模型參數(shù)。不同精度的土壤數(shù)據(jù)下所得到的 CN2、SOL_ZMX和SOL_Z、SOL_BD、SOL_AWC、SOL_K、USLE_K都有所差異。3種土壤圖所得到的CN2分別為77.93、77.43和66.23；得到的SOL_ZMX分別為722.73、879.93和526.07 mm；以第一層土壤為例得到的SOL_Z分別為211.24、160.66和201.79 mm；得到的SOL_BD分別為1.19、1.15和1.27 g·cm-3；得到的SOL_AWC分別為0.16、0.36和0.18 mm·mm-1；得到的SOL_K分別為21.61、42.56和21.18 mm·h-1；得到的USLE_K分別為0.27、0.29和0.24。由此可以看出，對于參數(shù)CN2、SOL_ZMX、SOL_BD和USLE_K，soil-2與 soil-1的差異更??；而對于參數(shù) SOL_Z、SOL_AWC和SOL_K，soil-3與soil-1的差異更小。

表3 選取的水文循環(huán)參數(shù)及其初始閾值Table 3 Hydrologic cycle parameters and their initial ranges

表4 選取的營養(yǎng)物參數(shù)及其初始閾值Table 4 Nutrients parameters and their initial ranges

表5 選取的泥沙參數(shù)及其初始閾值Table 5 Sediment parameters and their initial ranges

表6 選取的河道過程參數(shù)及其初始閾值Table 6 Channel processes parameters and their initial ranges

圖3 不同土壤數(shù)據(jù)的閾值設(shè)置對HRU劃分的影響Fig.3 Effects of threshold settings on HRU numbers based on the difference soil datasets

2.2 不同精度土壤數(shù)據(jù)對模型模擬效果的影響

利用SWAT-CUP軟件分別進行參數(shù)的調(diào)整和模擬效果的分析，表8為基于3種不同土壤圖的模型在率定前后模型表現(xiàn)效果的評價結(jié)果。從表中可以看出，在校準(zhǔn)之前，泥沙的模擬效果最好（泥沙的NS值較流量、總氮和總磷高），流量次之，而總氮和總磷的模擬效果最差，并且與實測值相差很大，不可以進行使用。因此在默認(rèn)參數(shù)下，3種土壤數(shù)據(jù)所建立的模型對于總氮、總磷的模擬是完全不可信的（NS遠(yuǎn)遠(yuǎn)小于0）；經(jīng)過校準(zhǔn)之后模型的表現(xiàn)效果（各評價指標(biāo)）有顯著的提高，這說明對于模型參數(shù)的校準(zhǔn)十分必要，模型參數(shù)的校準(zhǔn)可以大幅度提高模型在流域的模擬效果。通過對模型校準(zhǔn)后各評價指標(biāo)的分析，發(fā)現(xiàn)經(jīng)過校準(zhǔn)后徑流的模擬效果最好，而對于泥沙的模擬效果均不太理想（NS＜0.5）。

表7 不同土壤數(shù)據(jù)下的模型參數(shù)Table 7 Model parameters from different soil data

表8 校準(zhǔn)前后模型的表現(xiàn)效果Table 8 Performance of the models before and after calibration

基于 3種土壤圖進行模型的建立和參數(shù)的率定后，模型的表現(xiàn)效果見圖 4。從中可以看出對于流量的模擬存在普遍的高估，R2分別為0.81、0.86和0.75，模擬效果較為接近；模擬的泥沙產(chǎn)量在總量較低時存在高估，在總量較高時出現(xiàn)低估；對于總氮的模擬，基于1﹕50萬和1﹕100萬的土壤圖存在低估現(xiàn)象，而基于1﹕5萬的土壤圖在總量較低時會出現(xiàn)高估現(xiàn)象；對于總磷的模擬，3種土壤數(shù)據(jù)所建立的SWAT工程在模擬過程中存在普遍的低估現(xiàn)象。因此，不同精度的土壤數(shù)據(jù)對于不同指標(biāo)的模擬效果存在差異，并非精度越高模擬效果必然越好。為了評價3種土壤圖對4個指標(biāo)的綜合表現(xiàn)效果，將3個SWAT工程模擬的4個指標(biāo)（流量、泥沙、總氮和總磷）的R2和NS進行平均，得到基于1﹕5萬、1﹕50萬和1﹕100萬土壤圖模擬結(jié)果的平均R2分別為0.59、0.70和0.67，平均NS分別為0.55、0.64和0.58。因此，從模擬的整體效果來說，基于 1﹕50萬土壤圖的模擬整體效果最好，其次是基于1﹕100萬土壤圖的模擬，而基于1﹕5萬土壤圖的模擬效果反而最差。因此，對于流域出口流量、泥沙、總氮和總磷模擬來說，如果考慮成本和模擬效果，在建立模型的時候并不需要追求過高精度的土壤數(shù)據(jù)。

圖4 3種精度土壤數(shù)據(jù)在進行模型校準(zhǔn)后的模擬效果Fig.4 Simulation performance for the three types of soil data after model calibration

2.3 不同精度土壤數(shù)據(jù)的空間尺度效應(yīng)

圖5顯示了鳳羽河子流域的劃分結(jié)果和水系匯流情況，流域出口位于4號子流域?；谧恿饔蛎娣e和流域的匯流情況進行了不同精度土壤數(shù)據(jù)的空間尺度效應(yīng)分析。

以1﹕5萬的土壤數(shù)據(jù)為標(biāo)準(zhǔn)，以第一層土壤層為例分析了基于不同土壤圖獲得的模型參數(shù)隨子流域面積的變化情況，如圖6所示。從圖中可以看出，當(dāng)子流域面積較小的時候，不同土壤數(shù)據(jù)計算得到的模型參數(shù)之間的差異較大，子流域間參數(shù)差異存在較大的變幅；隨著子流域面積的增大，基于不同土壤數(shù)據(jù)的子流域參數(shù)的差別逐漸趨于穩(wěn)定。說明隨著面積的增大，不同土壤數(shù)據(jù)得到的土壤平均屬性趨于一致，大的子流域面積可以在一定程度上綜合掉土壤參數(shù)的空間異質(zhì)性。

以 1﹕5萬（soil-1）的土壤數(shù)據(jù)為標(biāo)準(zhǔn)，對基于不同土壤圖的模擬結(jié)果的差異隨匯流面積的變化進行分析，如圖7所示。圖7顯示了在進行模型校準(zhǔn)前后soil-2和soil-3與soil-1結(jié)果的差異。從圖中可以看出，在校準(zhǔn)之前，當(dāng)子流域面積較小的時候，不同精度的土壤數(shù)據(jù)模擬結(jié)果的差異在不同子流域之間差別較大，隨著子流域面積的增大，基于不同土壤數(shù)據(jù)模擬結(jié)果的差別逐漸變小，并且逐漸趨于穩(wěn)定；校準(zhǔn)后，soil-2和soil-3的模擬結(jié)果與soil-1相比，在匯流面積較小時差異很大，在流域出口差異收斂于 0，也就是說對于不同精度的土壤數(shù)據(jù)來說，模型的校準(zhǔn)增加了較小匯流面積時的模擬差異，但隨著匯流面積的增加，差異迅速減小并趨于穩(wěn)定，收斂于 0。這說明校準(zhǔn)過程會在較小的匯流面積上產(chǎn)生較大的影響。

圖5 子流域劃分圖Fig.5 Subbasin map

圖6 基于不同土壤圖獲得的土壤參數(shù)隨子流域面積的變化Fig.6 Differences between soil parameters from different soil data across varying subbasin areas

圖7 在進行模型校驗前（左）后（右）基于不同土壤數(shù)據(jù)模擬結(jié)果的差異與匯流面積的關(guān)系Fig.7 Differences in simulation results based on different soil data across varying subbasin areas

3 討論

3.1 土壤數(shù)據(jù)精度對模擬的影響與模擬指標(biāo)有關(guān)

本研究利用1﹕5萬、1﹕50萬和1﹕100萬的土壤數(shù)據(jù)在面積為217 km2的小流域進行建模，發(fā)現(xiàn)3種土壤數(shù)據(jù)對流量模擬的差異小于對水質(zhì)的模擬。土壤數(shù)據(jù)作為SWAT模型中重要的輸入信息之一，具有很強的空間變異性，通過影響流域的水文過程而影響模型的模擬[16]。不同分辨率的土壤數(shù)據(jù)會對SWAT模型模擬的土壤參數(shù)產(chǎn)生影響，其中含水量差異顯著，進而顯著影響水文響應(yīng)單元的劃分，但對于土壤蒸發(fā)的計算沒有顯著影響[18]。而已有研究也表明不同比例尺的土壤數(shù)據(jù)對 SWAT模型模擬的影響與模擬項目有關(guān)。例如許多學(xué)者探討了美國比例尺為1﹕12000—63360的縣級SSURGO土壤數(shù)據(jù)和1﹕25萬—50萬比例尺的州級STATSGO土壤數(shù)據(jù)對流域水文模型的流量與水質(zhì)的影響。在流量預(yù)測的影響方面，模型校準(zhǔn)前后存在差異，校準(zhǔn)前應(yīng)用STATSGO數(shù)據(jù)進行流量預(yù)測效果相對高于 SSURGO數(shù)據(jù)；在校準(zhǔn)后，SSURGO土壤數(shù)據(jù)整體上提供了更好的流量預(yù)測結(jié)果[23]，使用SSURGO導(dǎo)致傳輸損失較少，較高的地表徑流歸因于較高的土壤數(shù)據(jù)分辨率[22-23]。然而，在更大尺度流域應(yīng)用不同比例尺土壤數(shù)據(jù)時，不同比例尺土壤圖之間對于流量的預(yù)測差異不大[17]，甚至低分辨率的數(shù)據(jù)效果反而略好于高分辨率[18]。與之相反，對SSURGO和STATSGO數(shù)據(jù)的研究表明，土壤數(shù)據(jù)分辨率的不同對營養(yǎng)物負(fù)荷影響比較顯著[31]。與SSURGO數(shù)據(jù)相比，1﹕25萬和1﹕50萬STATSGO土壤圖顯著降低了月平均氮負(fù)荷[32]。

3.2 不同土壤數(shù)據(jù)的模擬效果存在尺度效應(yīng)

不同土壤數(shù)據(jù)對SWAT模型的模擬效果與流域尺度關(guān)系密切，不同土壤數(shù)據(jù)對模型模擬效果的影響存在時空尺度效應(yīng)[33]。在本研究中，隨著匯流面積的增大，基于3種土壤數(shù)據(jù)提取的模型參數(shù)和模擬結(jié)果的差異逐漸減小，說明不同土壤數(shù)據(jù)參數(shù)在較小的空間尺度差異更大，進而對模型產(chǎn)生影響。主要原因在于模型在地表徑流計算過程中，進行了土壤水文組的劃分，概括了土壤信息，降低了土壤信息的精度；同時，在小的尺度上土壤的異質(zhì)性影響較為嚴(yán)重，而在大的空間尺度上土壤屬性的均值較為一致[20]。已有研究表明對于大于 10 km2的子流域，采用10 m的SoLIM模型生成的土壤數(shù)據(jù)和1﹕24 000 SSURGO土壤數(shù)據(jù)對于流量的模擬沒有顯著差異，在較大的尺度上，使用精度低的土壤數(shù)據(jù)同樣可以達到理想的模擬效果[20]。此外，空間尺度對流域演算過程的影響呈線性相關(guān)關(guān)系，最小模擬單元級別下的徑流模擬差異非常大，但差異隨著模擬單元的空間尺度的增加而逐漸降低[19,34]。雖然不同模型對土壤數(shù)據(jù)的敏感性不同，但模擬的差別也會隨流域面積的增大而降低[35]。這說明不同土壤數(shù)據(jù)對于模型提取的土壤參數(shù)存在空間尺度效應(yīng)，進而對模型的模擬產(chǎn)生影響。

3.3 流域模型模擬效果受其他因素影響

通過本文的研究發(fā)現(xiàn)，SWAT模型的模擬效果在較大尺度上受土壤數(shù)據(jù)影響不明顯，可能是由于流域模擬效果受 CN2[14]、地貌和氣候的綜合影響更為明顯，這些因素會在一定程度上掩蓋土壤數(shù)據(jù)所帶來的不確定性。另外，模型率定調(diào)整參數(shù)的過程以同一套實測數(shù)據(jù)為率定目標(biāo)不可避免的掩蓋了土壤數(shù)據(jù)的不確定性對模型模擬過程的影響。本文研究結(jié)果也顯示出3個模型表現(xiàn)效果的差異在率定后出現(xiàn)了明顯的變化。也有研究表明，相較于土壤圖分辨率，土壤數(shù)據(jù)的來源對于模型輸出的影響更大[17]。因此，土壤圖的質(zhì)量和適用性不僅取決于比例尺，還取決于制圖方式[36]。不同制圖方法會造成地表產(chǎn)流和產(chǎn)沙模式存在高度的空間變異性[37]，WAHREN等將傳統(tǒng)的土壤圖和SoLIM生成的數(shù)字土壤圖應(yīng)用到SWAT模型中，在模擬出口日流量時，盡管均取得滿意的模擬效果，但 SoLIM 派生的土壤數(shù)據(jù)對旱季的第一次峰值流量模擬擬合程度更好。從傳統(tǒng)土壤數(shù)據(jù)與數(shù)字土壤制圖數(shù)據(jù)在水文模型中的應(yīng)用對比來看，更詳細(xì)的反映土壤屬性空間變異性的制圖方法（SoLIM）對峰值徑流事件的模擬效果更好[38-39]。此外，土壤制圖采用的插值方法也會影響土壤圖精度[36]。ZIADAT等[40]的研究對比了傳統(tǒng)插值方法和SLEEP（soil-landscape estimation and evaluation program）方法，結(jié)果表明相比于傳統(tǒng)的反距離加權(quán)和克里金插值方法，雖然模型對 SLEEP方法使用的土壤樣點數(shù)量并不敏感，但SLEEP方法制作的土壤數(shù)據(jù)在環(huán)境模型應(yīng)用中的效果更好。因此，提高土壤制圖方法的精確性也是減少 SWAT模型模擬不確定性的重要途徑。

從已有研究及本文的研究結(jié)果來看，在應(yīng)用SWAT模型進行流域模擬時，土壤數(shù)據(jù)分辨率與模型的模擬結(jié)果并無明顯的因果關(guān)系，提高土壤數(shù)據(jù)分辨率不一定會得到更好的模擬效果。同時，土壤數(shù)據(jù)對SWAT模型的影響存在著空間尺度效應(yīng)，因此，在實際模型模擬中應(yīng)根據(jù)流域大小和模擬指標(biāo)選擇土壤數(shù)據(jù)的精度。此外，土壤圖的制作方法也是提高模型模擬精度的關(guān)鍵。

4 結(jié)論

（1）不同精度的土壤數(shù)據(jù)對 HRU的劃分結(jié)果有明顯影響，并且 HRU劃分?jǐn)?shù)量的敏感性與劃分閾值及土壤詳細(xì)程度有關(guān)。此外，不同精度的土壤數(shù)據(jù)會明顯影響模型參數(shù)，但各參數(shù)的大小與土壤圖的詳細(xì)程度沒有對應(yīng)關(guān)系。（2）模型參數(shù)的校準(zhǔn)可以大幅度改善模型的模擬效果，不同的土壤數(shù)據(jù)對于不同模擬指標(biāo)的模擬效果存在差異，但并非土壤數(shù)據(jù)越精細(xì)模擬效果越好。因此，在建立模型的時候，需要根據(jù)模擬目標(biāo)具體而定，并不必要追求高精度的土壤數(shù)據(jù)。（3）隨著子流域面積的增大，土壤的平均屬性趨于一致，大的子流域面積在一定程度上綜合了土壤參數(shù)的空間異質(zhì)性；隨著匯流面積的增大，土壤差異所帶來的模擬結(jié)果的差異逐漸趨于穩(wěn)定，校準(zhǔn)過程會在較小的匯流面積上產(chǎn)生較大的影響。