基于較高精度土壤庫的三峽水庫匯水區(qū)徑流模擬

趙佳婧, 張萬順, 王永桂, 石熒原, 陳肖敏

(武漢大學(xué) 資源與環(huán)境科學(xué)學(xué)院, 武漢 430079)

基于較高精度土壤庫的三峽水庫匯水區(qū)徑流模擬

趙佳婧, 張萬順, 王永桂, 石熒原, 陳肖敏

(武漢大學(xué) 資源與環(huán)境科學(xué)學(xué)院, 武漢 430079)

土壤參數(shù)控制了水和空氣在土壤界面的運(yùn)動(dòng)，對區(qū)域內(nèi)水分循環(huán)產(chǎn)生主要影響。三峽庫區(qū)土壤種類眾多，區(qū)域分異明顯，且同一種土壤在不同地區(qū)的理化性質(zhì)也不盡相同。為了能更加精確地模擬庫區(qū)徑流過程，基于SWAT模型，采用了高精度的土壤空間數(shù)據(jù)，系統(tǒng)研究了土壤屬性參數(shù)的確定方法，建立了高精度的土壤數(shù)據(jù)庫。用LH-OAT方法、SWAT-CUP軟件及SUFI-2算法進(jìn)行了參數(shù)敏感性分析、參數(shù)率定、模型驗(yàn)證和不確定性分析，對三峽庫區(qū)2010—2013年的日徑流過程進(jìn)行模擬。結(jié)果表明：對徑流模擬影響最明顯的5個(gè)土壤參數(shù)為SOL_AWC，SOL_Z，SOL_K，SOL_CBN和SOL_BD。6個(gè)水文站率定期和驗(yàn)證期的平均確定性系數(shù)、平均納什效率系數(shù)、平均相對誤差分別為：0.818，0.798，6.778%，流量模擬值與實(shí)測值過程線總體擬合程度較好。研究揭示了土壤參數(shù)對徑流模擬的潛在影響作用，為大尺度流域水文模擬和區(qū)域水量平衡研究可提供基礎(chǔ)支持。

三峽庫區(qū); 土壤參數(shù); SWAT; 徑流模擬; SUFI-2算法

三峽庫區(qū)是長江中下游地區(qū)的生態(tài)屏障，是我國淡水資源的戰(zhàn)略儲(chǔ)備庫，是國家南水北調(diào)計(jì)劃中的重要調(diào)水區(qū)域，具有重要的戰(zhàn)略地位[1-2]。近年來，隨著社會(huì)經(jīng)濟(jì)的發(fā)展和生產(chǎn)活動(dòng)的加強(qiáng)，流域內(nèi)非點(diǎn)源污染風(fēng)險(xiǎn)大大增加[3]，而庫區(qū)復(fù)雜的土壤狀況和水文情勢加大了對水環(huán)境風(fēng)險(xiǎn)的應(yīng)對和處理難度[4-5]。SWAT具有完整的水文機(jī)理，可以預(yù)測多種土壤類型和土地利用方式下大面積復(fù)雜流域的地表水與地下水的水量和水質(zhì)過程，并通過將流域劃分為子流域(subbasin)與水文響應(yīng)單元(HRU)，以更加準(zhǔn)確的方式模擬流域內(nèi)的水文過程，適合對三峽庫區(qū)進(jìn)行模擬研究[6-7]。

在SWAT研究的各種問題中，水量平衡始終是流域內(nèi)所有過程的驅(qū)動(dòng)力。而土壤參數(shù)控制了水和空氣在土壤界面的運(yùn)動(dòng)，同時(shí)對HRU內(nèi)水分的循環(huán)產(chǎn)生主要影響[8-9]。但是本研究的瓶頸在于：SWAT模型中的初始值均是在基于美國德州Temple station試驗(yàn)站的監(jiān)測數(shù)據(jù)計(jì)算而來，模型土壤數(shù)據(jù)庫與我國的實(shí)際情況有較大出入，而且模型所需要的屬性數(shù)據(jù)和國內(nèi)現(xiàn)有的標(biāo)準(zhǔn)不一致，導(dǎo)致目前無可直接使用的基礎(chǔ)數(shù)據(jù)庫[10-12]。因此在實(shí)際應(yīng)用時(shí)，為了提高模型的適用性和模擬的精度，需構(gòu)建適用于三峽庫區(qū)特點(diǎn)的土壤數(shù)據(jù)庫。

目前，已有學(xué)者對我國SWAT土壤數(shù)據(jù)庫的構(gòu)建方法進(jìn)行了研究，并在我國各地區(qū)流域均取得了較為理想的效果[10-12]。但是，這些研究僅僅局限于中小尺度流域，對大尺度流域土壤參數(shù)的本地化和精細(xì)化方面還缺乏研究。本文以三峽庫區(qū)為研究對象，系統(tǒng)研究大尺度流域SWAT土壤參數(shù)的確定方法和土壤數(shù)據(jù)庫的構(gòu)建過程，以期為模擬預(yù)測三峽流域水質(zhì)水量提供基礎(chǔ)，并為SWAT在我國的推廣應(yīng)用提供借鑒意義。

1 材料與方法

1.1 研究區(qū)概況

三峽庫區(qū)地處我國地勢第二級階梯的東緣，庫區(qū)總面積約為5.8萬km2，江河縱橫、水系發(fā)達(dá)，干流長達(dá)660 km，有次級支流400多條。屬亞熱帶季風(fēng)性濕潤氣候，年均氣溫14.9～18.5℃，年均降水量1 045～1 140 mm，降雨多集中在4—10月，河流補(bǔ)給以降水補(bǔ)給為主[2]。流域內(nèi)土壤以紫色土和黃壤為主，分別占總面積的27.07%和19.35%。庫區(qū)南北高、中間低，地勢落差大，土壤類型組合區(qū)域分異明顯。土體較薄，砂粒含量高、粉砂粒含量適中，質(zhì)地以砂質(zhì)黏壤土居多，土質(zhì)疏松，抗蝕能力較弱，降水時(shí)極易形成地表徑流和沖溝。紫色土區(qū)域由于嚴(yán)重的水土流失，成土物質(zhì)不斷更新和堆積，加之亞熱帶氣候條件下物質(zhì)循環(huán)強(qiáng)烈和墾殖率高、復(fù)種指數(shù)高等因素，有機(jī)質(zhì)在土壤中難于積累。黃壤分布于濕潤多雨的中山地貌區(qū)，濕度較高、又由于植被茂密，有機(jī)質(zhì)含量較為豐富[13]。

1.2 土壤空間數(shù)據(jù)庫的構(gòu)建

土壤空間數(shù)據(jù)庫主要是指數(shù)字化的土壤類型圖。土壤類型數(shù)據(jù)是生成水文響應(yīng)單元的基礎(chǔ)，主要包括不同土壤類型分布的面積和周長。這些數(shù)據(jù)具有很強(qiáng)的空間變異性，不僅能夠表現(xiàn)出流域的形態(tài)信息，而且還能表示屬性信息與空間信息的關(guān)系，起到空間再現(xiàn)和空間分析的作用。因此，準(zhǔn)確地獲取高質(zhì)量的土壤數(shù)據(jù)是進(jìn)行模型模擬的先決條件。

本研究的土壤空間數(shù)據(jù)來源于中國科學(xué)院南京土壤研究所，精度為1∶50萬。構(gòu)建空間數(shù)據(jù)庫時(shí)，本研究選用我國分類標(biāo)準(zhǔn)下的土壤亞類作為SWAT土壤類型標(biāo)準(zhǔn)，以充分保證土壤參數(shù)的精度。模型要求所有空間數(shù)據(jù)應(yīng)具有統(tǒng)一的地理坐標(biāo)和投影，以便為空間數(shù)據(jù)疊加分析及水文單元?jiǎng)澐痔峁┗A(chǔ)。通用橫軸墨卡托格網(wǎng)(UTM)系統(tǒng)適用于全世界，其將地球表面劃分為60個(gè)帶。三峽庫區(qū)位于東經(jīng)105°49′—111°39′，北緯28°28′—31°44′，位于UTM的48 N分帶。因此選擇投影坐標(biāo)為WGS_1984_Zone_48 N。

SWAT運(yùn)行時(shí)，需在界面上載入土壤類型數(shù)據(jù)，因此需要制作土壤類型數(shù)據(jù)載入索引表，對各土壤亞類進(jìn)行模型編碼，見表1。

表1 主要土壤類型數(shù)據(jù)載入索引

1.3 土壤屬性數(shù)據(jù)庫的構(gòu)建

SWAT 模型的土壤屬性數(shù)據(jù)包含水文、作物生長、營養(yǎng)元素分配等參數(shù)，直接關(guān)系到研究區(qū)域內(nèi)水以及氮磷等污染物在土壤中的遷移轉(zhuǎn)化過程，決定著地表徑流的產(chǎn)流機(jī)制。土壤屬性數(shù)據(jù)包括土壤的物理屬性數(shù)據(jù)和化學(xué)屬性數(shù)據(jù)，其中，物理屬性數(shù)據(jù)決定了土壤剖面中水和氣的運(yùn)動(dòng)狀況，并且對水文響應(yīng)單元(HRU)中的水循環(huán)起著重要作用；化學(xué)屬性數(shù)據(jù)主要是給氮磷等污染物的濃度賦初值[8-9,14-15]。土壤化學(xué)屬性數(shù)據(jù)通過查詢?nèi)珖诙瓮寥榔詹閿?shù)據(jù)即可獲得，因此本研究著重考慮土壤物理屬性數(shù)據(jù)庫的構(gòu)建，見表2。

表2 SWAT模型土壤主要物理屬性輸入表

1.3.1 初始參數(shù)獲取 根據(jù)中國科學(xué)院“十一五”信息化建設(shè)專項(xiàng)“數(shù)據(jù)應(yīng)用環(huán)境建設(shè)和服務(wù)”項(xiàng)目提供的《中國土壤數(shù)據(jù)庫》以及全國第二次土壤普查成果《中國土壤》，并結(jié)合實(shí)地土壤剖面調(diào)查，可得各土壤類型的剖面最大根系深度(SOL_ZMX)、各土壤表層到土壤底層的深度(SOL_Z)、土壤粒徑(CLAY，SILT，SAND)百分比、礫石(ROCK)含量以及土壤有機(jī)質(zhì)含量。采用國際上通用的Bemmelan的研究成果：有機(jī)質(zhì)含量的58%即為碳含量轉(zhuǎn)換系數(shù)，算得土壤有機(jī)碳含量(SOL_CBN)[16]。

1.3.2 土壤粒徑轉(zhuǎn)換 土壤粒徑大小對土壤水力學(xué)性質(zhì)有著強(qiáng)烈的影響，決定了模型模擬的精度。本研究查詢得到的土壤粒徑百分比是基于全國第二次土壤普查所得，采用的單位是國際制。而SWAT中采用的單位是USDA簡化的美制，見表3。因此，需要進(jìn)行土壤粒徑轉(zhuǎn)換。

采用三次樣條插值法進(jìn)行土壤粒徑轉(zhuǎn)換[17-18]。具體計(jì)算方法為：(1) 先對各有效粒徑的機(jī)械組成百分比做累積計(jì)算；(2) 計(jì)算各有效粒徑的對數(shù)值；(3) 編寫Matlab 程序，把有效粒徑對數(shù)值和對應(yīng)的累積計(jì)算值代入程序計(jì)算。

表3 土壤粒徑分類標(biāo)準(zhǔn)比較

1.3.3 土壤水分參數(shù)的確定 土壤的水分參數(shù)包括土壤的有效含水量(SOL_AWC)，土壤容重(SOL_BD)及飽和滲透系數(shù)(SOL_K)等。采用美國華盛頓州立大學(xué)開發(fā)的SPAW(Soil-Plant-Air-Water)軟件[19]，通過黏粒(Clay)、砂粒(Sand)、有機(jī)質(zhì)含量(Organic Matter)、含鹽度(Salinity)、石礫含量(Gravel)等參數(shù)精確地估算土壤的水分參數(shù)。具體操作時(shí)，將模型單位轉(zhuǎn)換為與SWAT匹配的Metric制，輸入?yún)?shù)，運(yùn)行軟件，將計(jì)算得到的凋萎系數(shù)(Wilting Point)的值輸入Moisture Calculator處，即可得到SWAT模型所需的土層質(zhì)地(Texture)值Texture Class、土壤容重(SOL_BD)值Metric Bulk Density、飽和水力傳導(dǎo)系數(shù)(SOL_K)值Sat Hydraulic Cond以及凋萎系數(shù)值Wilting Point和田間持水量值Field Capacity。由凋萎系數(shù)和田間持水量可計(jì)算得出有效田間持水量值(SOL_AWC)。

SOL_AWC=Field Capacity-Wilting Point

(1)

1.3.4 土壤水文學(xué)分組(HYDGRP)的確定 HYDGRP即土壤水動(dòng)力分組(A，B，C或D)。其定義為：水動(dòng)力組為在相似降雨和地表覆蓋的條件下?lián)碛邢嗨茲撛趶搅鞯耐寥繹20]。A：即使在完全濕潤的情況下土壤仍有極高的滲透率，能充分快速地排水，該類土壤發(fā)生徑流潛在可能性較小。B：在完全濕潤的情況下土壤有中等滲透率，排水性適中，這種土壤發(fā)生徑流潛在可能性適中。C：在完全濕潤的情況下土壤滲透率較低，排水性很差，該類土壤發(fā)生徑流潛在可能性大。D：在完全濕潤的情況下土壤的滲透率極低，該類土壤發(fā)生徑流潛在可能性極大，見表4。

表4 水文分組單元評級標(biāo)準(zhǔn)

本研究運(yùn)用飽和水力傳導(dǎo)系數(shù)(SOL_K)，參照表4進(jìn)行土壤水文學(xué)分組的判定。

1.3.5 濕土反射率的確定 濕土反射率(SOL_ALB)的大小主要取決于土壤顏色的深淺、土壤有機(jī)質(zhì)含量的高低和土壤含水量的多少[21]。一般情況下，土壤顏色越深、有機(jī)質(zhì)含量越高、土壤含水量越多，反射率就越小。采用SOL_ALB 與SOL_CBN之間的經(jīng)驗(yàn)關(guān)系式進(jìn)行濕土反射率的確定[10-12]。

SOL_ALB=0.2227exp(-1.8672SOL_CBN)

(2)

1.3.6 土壤侵蝕因子的確定 SWAT模型中運(yùn)用修正的通用土壤流失方程MUSLE，來計(jì)算由降雨和徑流引起的侵蝕。采用Wischmeier等[22]提出的用于土壤可蝕性因子的通用方程進(jìn)行土壤可侵蝕性因子的測定。

(3)

式中：M為顆粒尺度參數(shù)，計(jì)算方法為(粉砂百分?jǐn)?shù)+極細(xì)砂百分?jǐn)?shù))×(100-黏粒百分?jǐn)?shù))；OM為有機(jī)質(zhì)含量(%)；csoilstr為土壤分類中的結(jié)構(gòu)代碼；cperm為土壤坡面滲透性等級，可分為1～6個(gè)等級。

具體計(jì)算方法如下：

KUSLE=fcsand·fcl-ci·forgc·fhisand

(4)

式中：fcsand表示高含沙量土壤的低可蝕性因子及低含沙量土壤的高可蝕性因子；fcl-ci表示黏粒/粉粒值高的土壤的低可蝕性因子；forgc表示高有機(jī)碳含量土壤可蝕性減小因子；fhisand表示極高含沙量土壤可蝕性減小因子。

這些因子的計(jì)算式如下：

(5)

(6)

(7)

(8)

式中：ms表示沙粒(直徑為0.05～2.00mm的顆粒)的含量；msilt表示粉粒(直徑為0.002～0.05mm的顆粒)的含量；mc表示黏粒(直徑<0.002的顆粒)的含量；orgC表示該層中有機(jī)碳的含量(%)。

按上述步驟所建土壤屬性數(shù)據(jù)庫的主要結(jié)果見表5。

2 結(jié)果與分析

利用本研究所建立的土壤數(shù)據(jù)庫以及三峽庫區(qū)流域DEM(數(shù)字高程模型)、土地利用、氣象、水系數(shù)據(jù)，可建立三峽水庫流域的ArcSWAT模型。在其他參數(shù)都已基本確定的情況下，為證明所建土壤數(shù)據(jù)庫的適用性，需對其進(jìn)行敏感性分析以及率定與驗(yàn)證。

2.1 參數(shù)敏感性分析

本研究采用SWAT自帶的LH-OAT方法[23]，以日為尺度，對18個(gè)土壤參數(shù)進(jìn)行敏感性分析。該方法的優(yōu)點(diǎn)是：確保所有的參數(shù)在其取值范圍內(nèi)均被采樣，可明確地確定哪一個(gè)參數(shù)改變了模型的輸出,從而減少需要調(diào)整的參數(shù)數(shù)目,提高計(jì)算的效率。參數(shù)的絕對值越大表明參數(shù)對模型的預(yù)測結(jié)果影響越明顯。

設(shè)定所有HRU范圍內(nèi)的參數(shù)值均改變，模型運(yùn)行500次，得出敏感性較高的土壤參數(shù)有SOL_AWC，SOL_Z，SOL_K，SOL_CBN和SOL_BD，見表6。

2.2 參數(shù)率定與模型驗(yàn)證

本研究選擇瑞士聯(lián)邦水科學(xué)與技術(shù)研究所(EAWAG)研發(fā)的SWAT率定分析工具SWAT-CUP(CalibrationandUncertaintyPrograms)軟件[24]以及連續(xù)不確定性匹配算法SUFI-2(SequentialUncertaintyFittingalgorithm)[25]對上述5個(gè)敏感性參數(shù)進(jìn)行率定及驗(yàn)證。參數(shù)的初始值取所建土壤數(shù)據(jù)庫中相應(yīng)的參數(shù)值：庫區(qū)共有29種土壤，每種土壤都取上三層(土壤層數(shù)集劃分依據(jù)全國第二次土壤普查剖面數(shù)據(jù)進(jìn)行確定)進(jìn)行SWAT模型模擬，每種土壤每層對應(yīng)的這5種參數(shù)值都不盡相同，所以分別取這些土壤參數(shù)中的最小值和最大值作為初始值的取值范圍。SUFI-2方法前一次計(jì)算的適應(yīng)性評價(jià)指標(biāo)與各參數(shù)之間的相關(guān)性，將為下一次運(yùn)行該算法提供新的推薦參數(shù)范圍。

表5 三峽庫區(qū)SWAT土壤屬性數(shù)據(jù)庫主要參數(shù)

表6 參數(shù)敏感性分析結(jié)果

注：(1)t值表示參數(shù)的敏感性：t的絕對值越大，參數(shù)越敏感；(2)p值表示t值的顯著性：p值越小，參數(shù)被偶然指定為敏感參數(shù)的機(jī)會(huì)越小。

本研究將5個(gè)參數(shù)進(jìn)行組合，在模型率定期進(jìn)行10次迭代模擬，每次模擬2 000次，將最終模擬結(jié)果作為模型最終輸入?yún)?shù)值用于驗(yàn)證期的模擬。由于庫區(qū)面積廣大，土壤狀況復(fù)雜，所以各小流域的最終參數(shù)值有所不同，參數(shù)最終確定值為一個(gè)范圍。率定結(jié)果見表7，圖1。

率定期為2010—2011年，采用2008—2009年的數(shù)據(jù)用于模型預(yù)熱，以降低誤差，在具體分析計(jì)算時(shí)不予采用。驗(yàn)證期為2012—2013年，同樣采用2010—2011年的數(shù)據(jù)進(jìn)行模型預(yù)熱。選用確定性系數(shù)R2，Nash效率系數(shù)Ens和相對誤差對模擬結(jié)果進(jìn)行評估，R2和Ens越接近于1，Re越接近于0，說明模型模擬結(jié)果越精確。一般以R2大于0.6，Ens大于0.5，Re的絕對值小于15%作為模擬精度較好的評價(jià)標(biāo)準(zhǔn)。其中，Re為負(fù)值時(shí)，表示模擬結(jié)果比實(shí)際值偏?。籖e為正值時(shí)，表示模擬結(jié)果比實(shí)際值偏大。

圖1 率定后5個(gè)敏感參數(shù)最終確定值的空間分布

表7 參數(shù)率定最終值

(9)

(10)

(11)

式中：Qo表示實(shí)測值(m3/s)；Qs表示模擬值(m3/s)。

結(jié)果表明，三峽庫區(qū)上游天堂巖、兩河水文站；中游溫泉、石柱水文站；下游巫溪、石板坪水文站的日徑流量模擬值與實(shí)測值過程線總體擬合程度較好(見表8和圖2)：率定期6個(gè)水文站的R2均在0.73以上，納什效率系數(shù)Ens都在0.68以上，Re的絕對值均在9.9%以下。上游的天堂巖水文站受石腳盆水庫影響，R2小于0.74，Ens小于0.69，Re的絕對值為9.847%，模擬誤差相對較大；下游的巫溪水文站和石板坪水文站模擬精度較高，R2和Ens均達(dá)到了0.80以上，Re的絕對值均小于4.86%；兩河站、石柱站和溫泉站模擬精度居中：R2均介于0.76～0.81之間，Ens均介于0.72～0.80之間，Re的絕對值介于8.01%～9.74%之間?？傮w呈現(xiàn)下游模擬精度大于中、上游的特點(diǎn)。驗(yàn)證期各站的確定性系數(shù)R2和納什效率系數(shù)Ens均有不同程度的增大，同樣是下游模擬結(jié)果優(yōu)于中、上游。

表8 徑流率定和驗(yàn)證結(jié)果

3 討論與結(jié)論

3.1 討 論

結(jié)合圖3可知，最終模擬結(jié)果顯示：(1) 在汛期，三峽庫區(qū)下游的石板坪站和巫溪站流量峰值滯后于降雨峰值的時(shí)間比其他站長；(2) 在同等降雨條件下，石板坪站和巫溪站徑流量大于其他站。其原因可能有：

(1) 土壤的有效含水量(SOL_AWC)與土壤的飽和滲透系數(shù)(SOL_K)的影響：土壤的有效含水量與土壤的飽和滲透系數(shù)反映了土壤蓄水能力的不同，是影響不同土壤濕度下地表產(chǎn)流能力的重要因素，對坡地降雨—入滲—產(chǎn)流過程有著重要的影響。調(diào)參過程中發(fā)現(xiàn)，對于同一HRU，在經(jīng)歷一場強(qiáng)降雨后，土壤有效含水量大、飽和滲透系數(shù)小時(shí)產(chǎn)流較快而有效含水量小、飽和滲透系數(shù)大時(shí)產(chǎn)流具有滯后性。說明含水量較小、飽和滲透系數(shù)大的土壤具有良好的蓄水與保水功能，而含水量較大、飽和滲透系數(shù)小的土壤坡面產(chǎn)流和降雨情況的吻合度較好。而石板坪站和巫溪站所在小流域有效含水量較大、飽和滲透系數(shù)較小(圖1)，所以其流量峰值滯后于降雨峰值的時(shí)間比其他站長。

(2) 土層深度(SOL_Z)的影響：降雨條件下，土層深度通過影響下滲量對產(chǎn)流有著顯著影響。在同一HRU內(nèi)，保持其他因素不變，僅改變土壤各層深度，發(fā)現(xiàn)土層深度越小，降雨轉(zhuǎn)變成地表徑流的比重就越大。石板坪站和巫溪站所在小流域土壤較淺(圖2)，所以在同等降雨條件下，徑流量大于其他站。

(3) 土壤有機(jī)質(zhì)含量(在SWAT中換算成有機(jī)碳，即SOL_C來進(jìn)行模擬)的影響：土壤有機(jī)質(zhì)是改良土壤結(jié)構(gòu)的主要成分，與產(chǎn)流過程密切相關(guān)[26]。本研究在調(diào)參過程中只改變典型HRU內(nèi)的土壤有機(jī)質(zhì)含量，對比發(fā)現(xiàn)有機(jī)質(zhì)含量越高，產(chǎn)流量越小，土壤涵養(yǎng)水源、保水蓄水的能力就越強(qiáng)。石板坪站和巫溪站所在小流域上游有機(jī)質(zhì)含量較低(圖2)，所以在同等降雨條件下產(chǎn)流量大于其他區(qū)域。

圖2 率定和驗(yàn)證期間日徑流實(shí)測值與模擬值擬合曲線

(4) 土壤容重(SOL_BD)的影響：在土壤質(zhì)地相似的條件下，土壤容重大小可以反映土壤的松緊程度。數(shù)值越小，表明土壤疏松多孔，結(jié)構(gòu)性良好；反之，則表明土壤緊實(shí)板硬，缺乏團(tuán)粒結(jié)構(gòu)[27]。在調(diào)參過程中研究發(fā)現(xiàn)：在同一HRU內(nèi)，隨著容重增大，入滲率減小，徑流系數(shù)變大。石板坪站和巫溪站所在小流域上游土壤容重較大(圖2)，所以在同等降雨條件下，該區(qū)域產(chǎn)流量大于其他區(qū)域。

3.2 結(jié) 論

(1) 利用MATLAB軟件通過三次樣條插值法完成了土壤粒徑的轉(zhuǎn)換，在此基礎(chǔ)上運(yùn)用SPAW軟件確定了土壤水分參數(shù)；運(yùn)用相關(guān)經(jīng)驗(yàn)公式確定了土壤有機(jī)碳含量和濕土的反照率；并通過修正的通用土壤流失方程MUSLE確定了土壤侵蝕因子，完成了高精度土壤數(shù)據(jù)庫的建立。

(2) 基于高精度土壤庫的SWAT模型適用于三峽庫區(qū)流域。全庫區(qū)6個(gè)水文站率定期和驗(yàn)證期確定性系數(shù)、納什效率系數(shù)、相對誤差的絕對值的平均值分別為：0.818，0.798，6.778%，流量模擬值與實(shí)測值過程線總體擬合程度較好。

(3) 在汛期，石板坪站和巫溪站流量峰值滯后于降雨峰值的時(shí)間比其他站長；在同等降雨條件下，石板坪站和巫溪站徑流量大于其他站。剖析其原因發(fā)現(xiàn)：在其他條件不變的情況下，SOL_AWC越大、SOL_K越小，產(chǎn)流越快；表層土層深度越小，降雨轉(zhuǎn)變成地表徑流的比重就越大；SOL_CBN越高，產(chǎn)流量越??；在一定范圍內(nèi)，隨著SOL_BD增大，徑流系數(shù)變大，產(chǎn)流時(shí)間提早，入滲率減小。同時(shí)，本研究也存在一些不足。主要表現(xiàn)在徑流模擬的精度有待改善，五個(gè)敏感性土壤因子對產(chǎn)流時(shí)間和產(chǎn)流量的定量影響。這些還需在今后的研究中不斷完善。

[1] 劉春霞,李月臣,楊華,等.三峽庫區(qū)重慶段生態(tài)與環(huán)境敏感性綜合評價(jià)[J].地理學(xué)報(bào),2011,66(5):631-642.

[2] 李月臣,劉春霞,閔婕,等.三峽庫區(qū)生態(tài)系統(tǒng)服務(wù)功能重要性評價(jià)[J].生態(tài)學(xué)報(bào),2013,33(1):168-178.

[3] 沈虹,張萬順,彭虹,等.漢江中下游非點(diǎn)源磷負(fù)荷對水質(zhì)的影響[J].武漢大學(xué)學(xué)報(bào):工學(xué)版,2011,44(1):26-31.

[4] 張萬順,徐艷紅.基于水質(zhì)目標(biāo)的水環(huán)境累積風(fēng)險(xiǎn)評估模型[J].環(huán)境影響評價(jià),2013(5):51-54.

[5] 曾晨,劉艷芳,張萬順,等.流域水生態(tài)承載力研究的起源和發(fā)展[J].長江流域資源與環(huán)境,2011(2):203-210.

[6] Douglas-Mankin K R, Srinivasan R, Arnold J G. Soil and Water Assessment Tool(SWAT)Model:Current Developments and Applications[J]. Transactions of the ASABE,2010,53(5):1423-1431.

[7] 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.

[8] Betrie G D, Mohamed Y A, Griensven A V, et al. Sediment management modelling in Blue Nile Basin using SWAT model[J]. Hydrology & Earth System Sciences & Discussions, 2011,15(3):807-818.

[9] Mukundan R, Radcliffe D E, Risse L M. Spatial resolution of soil data and channel erosion effects on SWAT model predictions of flow and sediment[J]. Journal of Soil & Water Conservation, 2010,65(2):92-104.

[10] 魏懷斌,張占龐,楊金鵬. SWAT模型土壤數(shù)據(jù)庫建立方法[J].水利水電技術(shù),2007,38(6):15-18.

[11] 齊貞,杜麗平,劉曉冰,等. SWAT模型中氣象數(shù)據(jù)庫和土壤數(shù)據(jù)庫的構(gòu)建方法[J].河南科學(xué),2011,29(12):1458-1463.

[12] 姜曉峰,王立,馬放,等. SWAT模型土壤數(shù)據(jù)庫的本土化構(gòu)建方法研究[J].中國給水排水,2014(11):135-138.

[13] 全國土壤普查辦公室.中國土壤[M].北京:中國農(nóng)業(yè)出版社,1998.

[14] Cibin R, Sudheer K P, Chaubey I. Sensitivity and identifiability of stream flow generation parameters of the SWAT model[J]. Hydrological Processes, 2010,24(9):1133-1148.

[15] Tibebe D, Bewket W. Surface runoff and soil erosion estimation using the SWAT model in the Keleta Watershed, Ethiopia[J]. Land Degradation&Development, 2011,22(6):551-564.

[16] 梁啟鵬,余新曉,龐卓,等.不同林分土壤有機(jī)碳密度研究[J].生態(tài)環(huán)境學(xué)報(bào),2010,19(4):889-893.

[17] 蔡永明,張科利,李雙才.不同粒徑制間土壤質(zhì)地資料的轉(zhuǎn)換問題研究[J].土壤學(xué)報(bào),2003,40(4):511-517.

[18] 謝毅文,陳曉宏,王兆禮,等.土壤質(zhì)地轉(zhuǎn)換中優(yōu)選插值方法研究[J].灌溉排水學(xué)報(bào),2009(3):50-52.

[19] Saxton K, Willey P. The SPAW Model for Agricultural Field and Pond Hydrologic Simulation[M]∥Watershed Models.2005.

[20] Arnold J G, Kiniry G..SWAT2009輸入輸出文件手冊[M]. 鄒松兵，譯.鄭州:黃河水利出版社,2011.

[21] Lei F, Huang C, Shen H, et al. Improving the estimation of hydrological states in the SWAT model via the ensemble Kalman smoother:Synthetic experiments for the Heihe River Basin in northwest China[J]. Advances in Water Resources, 2014,67(67):32-45.

[22] Wischmeier W H, Smith D D. Predicting rainfall erosion losses-a guide to conservation planning[G]. United States. dept. of Agriculture. Agriculture Handbook, 1978.

[23] Arnold J G, Moriasi D N, Gassman P W, et al. SWAT: Model use, calibration, and validation[J]. Transactions of the Asabe, 2012,55(4):1549-1559.

[24] Abbaspour K C, Vejdani M, Haghighat S. SWAT-CUP calibration and uncertainty programs for SWAT[J]. Modsim International Congress on Modelling & Simulation Land Water & Environmental Management Integrated Systems for Sustainability, 2007,364(3):1603-1609.

[25] 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(bào):自然科學(xué)版,2012,48(5):490-496.

[26] 楊才敏.土壤有機(jī)質(zhì)與水土流失的關(guān)系定量研究[J].水土保持研究,2008,15(5):177-179.

[27] 王輝,王全九,邵明安.表層土壤容重對黃土坡面養(yǎng)分隨徑流遷移的影響[J].水土保持學(xué)報(bào),2007,21(3):10-13.

RunoffSimulationBasedonaHigh-PrecisionSoilDatabaseintheThreeGorgesReservoirCatchment

ZHAO Jiajing, ZHANG Wanshun, WANG Yonggui, SHI Yingyuan, CHEN Xiaomin

(SchoolofResourcesandEnvironmentalScience,WuhanUniversity,Wuhan430079,China)

Soil parameters control the movement of air and water in the soil slope, and have the major influence on regional water cycle. Soil types in the three Gorges Reservoir Region are numerous, and there are obvious differences among them. In addition, physical and chemical properties of the same soil are not identical in different regions. In order to simulate the runoff process of the reservoir region more accurately, we studied the best method of determining soil attribute data based on SWAT model, and established a high-precision soil database combining the attribute data and a high precise spatial data. We simulated the daily runoff process from 2010 to 2013 of the Three Gorges Reservoir Region. LH-OAT method, SWAT-CUP and SUFI-2 were used for sensitivity analysis, calibration, validation and uncertainty analysis. The results showed that the top 5 sensitive soil parameters are SOL_AWC, SOL_Z, SOL_K, SOL_CBN and SOL_BD. The mean coefficient of determination, Nash-Sutcliffe efficiency coefficient and absolute percentage error were 0.818, 0.798, and 6.778%, respectively. The model performed well in simulating runoff process and the result was accurate. This research reveals the potential influence of soil parameters during the process of runoff simulation, and provides important basic support for hydrological simulation in large-scale watersheds and regional water balance research.

Three Gorges Reservoir Region; soil parameters; SWAT; runoff simulation; SUFI-2 Algorithm

2016-10-11

：2016-10-26

國家“十二五”重大科技專項(xiàng)水專項(xiàng)項(xiàng)目“三峽庫區(qū)及上游流域水環(huán)境風(fēng)險(xiǎn)評估與預(yù)警技術(shù)研究與示范課題”(2013ZX07503-001)

趙佳婧(1991—),女,山西臨汾人,碩士研究生,研究方向?yàn)榱饔蛩乃Y源與環(huán)境。E-mail:1159818347@qq.com

張萬順(1965—),男,甘肅寧縣人,教授,博士生導(dǎo)師,主要從事水環(huán)境管理及水環(huán)境模擬等方面的研究。E-mail:wszhang@whu.edu.cn

P334+.92; TV121

：A

：1005-3409(2017)03-0045-08