SWAT模型在清江流域上游徑流模擬中的應(yīng)用

譚 珉，孫 毅*，胡 洋，宋 健，楊松元

(1.湖北民族大學(xué) 林學(xué)園藝學(xué)院，湖北 恩施 445000;2.湖北省地質(zhì)局 第二地質(zhì)大隊(duì)，湖北 恩施 445000；3.恩施州水文資源勘測(cè)局，湖北 恩施 445000)

徑流作為水循環(huán)中的基本環(huán)節(jié)和重要組成部分，同時(shí)也是水量平衡的基本要素，它的變化可反映區(qū)域水文過(guò)程與水資源量的變化[1].徑流模擬作為揭示徑流對(duì)環(huán)境變化、人為活動(dòng)影響響應(yīng)規(guī)律的研究基礎(chǔ)，現(xiàn)已成為水文過(guò)程模擬研究的重要環(huán)節(jié)之一[2].

目前，隨著人類活動(dòng)對(duì)區(qū)域環(huán)境影響日益增強(qiáng)，下墊面環(huán)境變化顯著，傳統(tǒng)的概念性水文模型對(duì)徑流形成的空間異質(zhì)性缺少考慮，致使在進(jìn)行水文模擬過(guò)程中存在不足.而SWAT(soil and water assessment tool)模型可以在各種土地利用、土壤類別以及管理模式下進(jìn)行模擬，并通過(guò)強(qiáng)大的內(nèi)部物理運(yùn)行機(jī)制加以運(yùn)算，自20世紀(jì)90年代開(kāi)發(fā)以來(lái)便在不同國(guó)家與地區(qū)開(kāi)展相關(guān)應(yīng)用研究，應(yīng)用研究?jī)?nèi)容包括水文模擬、水沙模擬、養(yǎng)分輸移模擬、環(huán)境變化下的水文效應(yīng)等方面[3-4].SWAT模型在清江流域的應(yīng)用主要包括非點(diǎn)源污染模擬[5-6]、環(huán)境變化對(duì)徑流的響應(yīng)[7-8]、旱災(zāi)監(jiān)測(cè)[9]和徑流模擬[10]，這些研究多以大尺度為研究對(duì)象，對(duì)中小尺度研究較少.

清江上游是清江的發(fā)源地，其水量水質(zhì)發(fā)生變化一方面會(huì)影響當(dāng)?shù)氐乃Y源環(huán)境，另一方面也會(huì)對(duì)中下游地區(qū)水資源環(huán)境造成連鎖反應(yīng).開(kāi)展SWAT模型在清江上游流域的應(yīng)用研究，不僅對(duì)了解流域徑流特點(diǎn)具有現(xiàn)實(shí)意義，而且還可以進(jìn)一步豐富SWAT模型在清江流域的研究?jī)?nèi)容.本文以恩施出口斷面控制的清江上游流域?yàn)檠芯繉?duì)象構(gòu)建SWAT模型，使用SUFI-2算法分析模型的敏感性參數(shù)，并進(jìn)行參數(shù)校正與驗(yàn)證，評(píng)估SWAT模型在清江上游的適應(yīng)性，為清江上游水資源調(diào)配提供技術(shù)支持，同時(shí)也為后續(xù)研究打下基礎(chǔ).

1 研究區(qū)概況

清江上游流經(jīng)湖北省恩施州境內(nèi)，干流自西向東分別流經(jīng)利川市和恩施市，恩施市之后為清江中游[11].河段全長(zhǎng)153 km，流域面積2 928 km2,流域內(nèi)巖溶地貌分布廣泛，地下暗河、溶洞、伏流發(fā)育.流域四周高、中間低，總體上從西部向東部延伸.清江上游地處中亞熱帶季風(fēng)氣候區(qū)，年平均降水量1 466 mm，年平均流量464 m3/s，降雨集中在4-9月，汛期多出現(xiàn)在6-7月，1月降水量最小，7月降水量最大.清江上游流域支流主要包括長(zhǎng)偏河、云龍河、龍橋河等.

流域內(nèi)有9個(gè)雨量站、2個(gè)水文站，其中以流域出口的恩施水文站作為徑流模擬站點(diǎn).

2 研究方法

2.1 SWAT模型

SWAT模型是美國(guó)農(nóng)業(yè)部20世紀(jì)90年代針對(duì)復(fù)雜大中尺度流域開(kāi)發(fā)的分布式水文模型.該模型采用模塊化結(jié)構(gòu)進(jìn)行模型組成與模型開(kāi)發(fā)，由亞流域模塊和匯流運(yùn)算模塊組成.亞流域模塊包括8個(gè)部分：水文過(guò)程、氣候、沉積物、土壤、植物生長(zhǎng)、養(yǎng)分、農(nóng)藥和管理方式.匯流運(yùn)算模塊由2個(gè)部分組成：河道徑流運(yùn)算與儲(chǔ)水體匯流運(yùn)算[3,12].徑流模擬主要在亞流域模塊中的水文過(guò)程部分中進(jìn)行，水文過(guò)程部分估算地表徑流主要包括兩種方法：SCS曲線數(shù)法與Green & Ampt下滲法，其計(jì)算公式如下[13].

1) SCS曲線數(shù)法

(1)

式中Qsurf表示累計(jì)徑流量，mm；Rday表示某天的雨深，mm；Ia表示最初損失量，包括產(chǎn)流前的地表填洼量、植被截留量和下滲量，mm；S表示滯留參數(shù)，mm.滯留參數(shù)的定義為：S=25.4(1 000/CN-10)，其中CN表示某天的曲線數(shù).

2) Green & Ampt下滲法

(2)

式中finf,t表示t時(shí)刻的下滲率，mm/h；Ke表示有效滲透系數(shù)，mm/h；ψwf表示潮濕鋒處的基質(zhì)勢(shì)，mm；Δθv表示潮濕鋒處土壤體積含水量的變化量，mm/mm；Finf,t表示t時(shí)刻的累計(jì)下滲量，mm.

2.2 SUFI-2算法

SUFI-2算法(sequential uncertainty fitting version 2)是內(nèi)置于SWAT-CUP(calibration and uncertainty programs)軟件中的一種參數(shù)估計(jì)最優(yōu)化方法.它具有運(yùn)行效率高、運(yùn)行次數(shù)少、模擬精度高[14]等優(yōu)點(diǎn)，在模型參數(shù)敏感性分析、率定以及水文模型不確定性應(yīng)用過(guò)程中使用廣泛.

該算法的原理為：首先確定一組較大的參數(shù)值范圍，然后不斷進(jìn)行迭代運(yùn)算，逐漸縮小參數(shù)值范圍，最終使模擬值不斷接近實(shí)測(cè)值[15].該算法通過(guò)不確定性P因子和R因子對(duì)模型的不確定性結(jié)果進(jìn)行評(píng)估，其中P因子的取值范圍為0到1，R因子的取值范圍為0到+∞，最終以P因子接近1和R因子接近0的程度來(lái)判斷模型校正效果.

SUFI-2算法步驟為：① 選擇目標(biāo)函數(shù)；② 確定初始參數(shù)范圍和計(jì)算次數(shù)；③ 選擇目標(biāo)參數(shù)；④ 進(jìn)行拉丁超立方抽樣；⑤ 對(duì)抽樣組合進(jìn)行評(píng)價(jià)，確定模型敏感性參數(shù)；⑥ 參數(shù)敏感性分析.

2.3 模型模擬精度評(píng)價(jià)指標(biāo)

采用國(guó)內(nèi)外學(xué)者認(rèn)可度較高的Nash效率系數(shù)(Nash-Sutcliffe efficiency,Ens)、相關(guān)系數(shù)(Correlation Coefficient，R2)、百分比偏差(Percent bias，PBIAS)3個(gè)評(píng)價(jià)指標(biāo)進(jìn)行模擬結(jié)果精度評(píng)價(jià).

1) Nash效率系數(shù)(Ens) 該評(píng)價(jià)指標(biāo)反映模擬值與實(shí)際測(cè)值兩者的匹配程度，計(jì)算公式如下：

(3)

2) 相關(guān)系數(shù)(R2) 該評(píng)價(jià)指標(biāo)反映模擬值與實(shí)際測(cè)值兩者的吻合狀況，計(jì)算公式如下：

(4)

表1 SWAT模型模擬結(jié)果評(píng)價(jià)Tab.1 Evaluation of SWAT model simulation results

3) 百分比偏差(Percent bias,PBIAS) 該指標(biāo)反映模擬值與實(shí)際測(cè)值兩者的偏差程度，計(jì)算公式如下：

(5)

式中Qobs為實(shí)際流量測(cè)值，m3/s，Qsim為模擬流量值，m3/s，n為實(shí)際測(cè)值個(gè)數(shù).當(dāng)PBIAS=0時(shí)，表示模擬值與實(shí)際測(cè)值一致；當(dāng)PBIAS值為正值，說(shuō)明模擬值偏?。划?dāng)PBIAS值為負(fù)值，說(shuō)明模擬值偏大.

參考前人對(duì)SWAT模型模擬結(jié)果的評(píng)價(jià)體系[16-17]，將Nash效率系數(shù)Ens、相關(guān)系數(shù)R2和百分比偏差PBIAS分為4個(gè)等級(jí)，分級(jí)情況如表1所示.

3 SWAT模型構(gòu)建

3.1 基礎(chǔ)數(shù)據(jù)庫(kù)構(gòu)建

輸入到SWAT模型的主要原始數(shù)據(jù)包括研究區(qū)地形參數(shù)數(shù)據(jù)、土地利用類型數(shù)據(jù)、土壤種類數(shù)據(jù)、氣象水文數(shù)據(jù)以及與流域相關(guān)的其他地理輔助數(shù)據(jù).清江上游流域SWAT模型數(shù)據(jù)來(lái)源、格式及尺度如表2所示.

表2 研究區(qū)SWAT模型輸入數(shù)據(jù)Tab.2 Input data of SWAT model in the study area

3.1.1 數(shù)字高程模型(DEM) 本文使用的數(shù)字高程數(shù)據(jù)來(lái)源于NASA EARTHDATA官網(wǎng)，數(shù)據(jù)尺度為12.5 m，數(shù)據(jù)格式為GRID.運(yùn)用GIS軟件對(duì)原始DEM數(shù)據(jù)進(jìn)行圖幅拼接、DEM數(shù)據(jù)裁剪、投影轉(zhuǎn)換、填洼處理等一系列處理.

3.1.2 土地利用數(shù)據(jù) 土地利用數(shù)據(jù)來(lái)源于全球30 m精細(xì)地表覆蓋產(chǎn)品[18]，分辨率為30 m，它是由我國(guó)研制的高精度全球地表覆蓋數(shù)據(jù)，目前已發(fā)布GlobeLand30 2000、GlobeLand30 2010和GlobeLand30 2020三個(gè)版本，GlobeLand30數(shù)據(jù)共包括10個(gè)一級(jí)土地利用類型，分別是耕地、林地、草地、灌木、濕地、水體、苔原、人造地表、裸地、冰川和永久積雪.本文采用GlobeLand30 2000數(shù)據(jù)作為研究時(shí)段(1998-2005年)的模型輸入數(shù)據(jù).利用GIS軟件對(duì)原始數(shù)據(jù)進(jìn)行裁剪和投影，然后根據(jù)SWAT模型代碼重新對(duì)土地利用類型進(jìn)行分類，最終劃分為5種土地利用類型.研究區(qū)各土地利用類型面積、占比和代碼如表3所示.

表3 研究區(qū)土地利用類型分類表 Tab.3 Classification of land use types in the study area

3.1.3 土壤數(shù)據(jù) 土壤數(shù)據(jù)來(lái)源于聯(lián)合國(guó)糧農(nóng)組織發(fā)布的1∶100萬(wàn)世界土壤數(shù)據(jù)庫(kù)(harmonized world soil database,HWSD)土壤類型數(shù)據(jù)集，數(shù)據(jù)格式為GRID，數(shù)據(jù)尺度為1 000 m的網(wǎng)格數(shù)據(jù).因?yàn)镠WSD數(shù)據(jù)與SWAT模型采用的美國(guó)農(nóng)業(yè)部簡(jiǎn)化標(biāo)準(zhǔn)基本相同，所以不需轉(zhuǎn)換土壤粒度，保證了土壤數(shù)據(jù)的準(zhǔn)確性，降低建立SWAT模型土壤數(shù)據(jù)庫(kù)的難度[19].本文輸入SWAT模型的絕大部分土壤物理參數(shù)數(shù)據(jù)可從HWSD數(shù)據(jù)庫(kù)中直接讀?。黄溆鄥?shù)如土壤水分參數(shù)中的土層結(jié)構(gòu)、土壤濕密度、土層有效含水量和飽和水力傳導(dǎo)系數(shù)使用土壤水特性軟件SPAW(Soil Plant Air Water)中的Soil Characteristics模塊計(jì)算；土壤侵蝕力因子利用Williams提出的修正通用土壤流失方程計(jì)算，對(duì)于難以獲取計(jì)算的參數(shù)采用模型默認(rèn)值.

運(yùn)用GIS軟件對(duì)HWSD數(shù)據(jù)進(jìn)行裁剪、投影轉(zhuǎn)換得到15種土壤類型，然后查詢HWSD數(shù)據(jù)庫(kù)屬性表，將土壤物理屬性相同的土壤類型進(jìn)行歸類，以面積最大的一類土壤作為該類土壤的代表性土壤進(jìn)行重分類，減少模型計(jì)算量，最終重分類為8種土壤類型，重分類結(jié)果如表4所示.

表4 研究區(qū)土壤重分類結(jié)果Tab.4 Results of soil reclassification in the study area

3.1.4 氣象、徑流數(shù)據(jù) 輸入SWAT模型的氣象數(shù)據(jù)包含研究區(qū)的日降水量、日氣溫、日輻射、日相對(duì)濕度以及日風(fēng)速，主要用于計(jì)算天氣發(fā)生器各氣象參數(shù)，其中降水、氣溫?cái)?shù)據(jù)是模型的必要數(shù)據(jù)，可從氣象站點(diǎn)獲取.本文的氣象資料主要分為兩部分：一是研究區(qū)內(nèi)利川、恩施兩個(gè)氣象站1998-2005年8年日氣象資料，利用SWAT Weather程序計(jì)算各類氣象資料，然后將其轉(zhuǎn)換成模型需要的輸入格式并構(gòu)建用戶氣象數(shù)據(jù)庫(kù)；二是研究區(qū)內(nèi)氣象站點(diǎn)少，為保證模擬精度，添加研究區(qū)內(nèi)9個(gè)雨量站1998-2005年日降水?dāng)?shù)據(jù).降水、氣溫?cái)?shù)據(jù)格式根據(jù)模型需要的格式進(jìn)行預(yù)處理.

按照SWAT-CUP軟件徑流觀測(cè)數(shù)據(jù)輸入格式對(duì)恩施水文站1998-2005年月徑流量數(shù)據(jù)進(jìn)行輸入格式處理，為后期模型率定與驗(yàn)證提供參考.

3.2 子流域及水文響應(yīng)單元(HRU)劃分

加載前期處理好的DEM數(shù)據(jù)，參考前人研究成果[20-21],利用Burn in法添加流域?qū)嶋H河網(wǎng)進(jìn)行河網(wǎng)提取與流域邊界的確定，使用模型推薦的最優(yōu)集水面積閾值并確定流域出水口、入水口和總出水口后，模型自動(dòng)劃分子流域，計(jì)算子流域地形參數(shù).最終將清江上游流域劃分為21個(gè)子流域.

在SWAT模型中添加之前處理好的土地利用及土壤數(shù)據(jù)并通過(guò)索引表鏈接到SWAT模型數(shù)據(jù)庫(kù),重新對(duì)土地利用及土壤數(shù)據(jù)進(jìn)行分類.在重分類的土地利用數(shù)據(jù)與土壤數(shù)據(jù)的基礎(chǔ)上，結(jié)合清江上游流域?qū)嶋H情況、模型運(yùn)行效率以及參考相關(guān)研究成果[5,19-22]，分別定義土地利用類、土壤類和地形坡度類的閾值為5%、10%、10%，最終將清江上游流域劃分為168個(gè)HRU.

3.3 參數(shù)敏感性分析

水文模型通過(guò)數(shù)學(xué)物理方程對(duì)現(xiàn)實(shí)水文過(guò)程進(jìn)行描述與模擬，模型內(nèi)部涉及到大量與流域空間屬性或時(shí)間屬性相關(guān)的參數(shù)，這些參數(shù)繁多且復(fù)雜[23].SWAT模型涵蓋許多參數(shù)，對(duì)模型參數(shù)進(jìn)行敏感性分析不僅可以了解研判各參數(shù)變化對(duì)模擬結(jié)果的影響深度，而且可以篩選出靈敏度高的模型參數(shù)，為后期進(jìn)行針對(duì)性的參數(shù)校準(zhǔn)奠定基礎(chǔ)，減少參數(shù)校準(zhǔn)過(guò)程中的不確定性和盲目性.本文使用SWAT-CUP軟件中SUFI-2算法的全局敏感性分析進(jìn)行模型參數(shù)的敏感性分析.

4 結(jié)果與分析

4.1 參數(shù)敏感性結(jié)果分析

根據(jù)模型運(yùn)算原理及各參數(shù)含義，結(jié)合其他研究者的研究成果[16,24-25]，在SWAT-CUP軟件中篩選與徑流相關(guān)的參數(shù)進(jìn)行全局敏感性分析，依照SUFI-2算法步驟篩選出研究區(qū)的模型敏感性參數(shù)，在拉丁超立方計(jì)算結(jié)果的基礎(chǔ)上不斷調(diào)整敏感性參數(shù)的范圍，依次進(jìn)行多次迭代運(yùn)算，完成參數(shù)校準(zhǔn)工作.最終敏感性參數(shù)結(jié)果如表5所示.

表5 參數(shù)敏感性排名及參數(shù)最佳取值結(jié)果Tab.5 Ranking of sensitivity of parameters and results of the best values of parameters

敏感性參數(shù)采用T檢測(cè)法進(jìn)行結(jié)果評(píng)估，t值(t-stat)代表參數(shù)靈敏性，該值絕對(duì)值越大，表明參數(shù)靈敏性越高；P值(P-value)代表參數(shù)的靈敏性顯著水平，該值越接近于0，表明參數(shù)的靈敏性顯著水平越高[26]，同時(shí)滿足兩者說(shuō)明該參數(shù)越敏感.

由表5可知，選取的19個(gè)敏感性參數(shù)大致可以分為6種類型：地表徑流參數(shù)(CN2、SURLAG)、地下徑流參數(shù)(REVAPMN、GWQMN、GW_REVAP、ALPHA_BF、GW_DELAY和RCHRG_DP)、地形特征參數(shù)(HRU_SLP、SLSUBBSN)、下墊面特性參數(shù)(OV_N、EPCO、ESCO)、河道匯流參數(shù)(ALPHA_BNK、CH_K2、CH_N2)與土壤性質(zhì)參數(shù)(SOL_BD(..)、SOL_AWC(..)、SOL_K(..)).

由表5可知，各敏感性參數(shù)對(duì)研究區(qū)的徑流均產(chǎn)生不同差異的影響.一般認(rèn)為，當(dāng)t值(t-stat)的絕對(duì)值大于2時(shí)，表明該敏感性參數(shù)對(duì)流域徑流靈敏性以及對(duì)徑流影響的顯著性水平較高[27]，由此可知對(duì)研究區(qū)徑流模擬影響較為顯著的5個(gè)參數(shù)分別是SCS徑流曲線數(shù)(CN2)、河岸調(diào)蓄的基流α因子(ALPHA_BNK)、植物吸收補(bǔ)償因子(EPCO)、主河道水力傳導(dǎo)系數(shù)(CH_K2)和淺層含水層快速蓄水的閾值水深(REVAPMN).

SCS徑流曲線數(shù)是影響SWAT模型徑流模擬精度的重要參數(shù)，表征下墊面的綜合狀況，決定了地表徑流量大小.河岸調(diào)蓄的基流α因子又稱河岸調(diào)蓄退水常數(shù)，表征河岸調(diào)蓄的退水曲線，反映河岸調(diào)蓄水量補(bǔ)給亞流域主要干流或支流的狀況.植物吸收補(bǔ)償因子是植物蒸散發(fā)需水量、蒸散發(fā)量與土壤有效水量的函數(shù)，該值會(huì)影響植物從土壤中吸收的水分含量.主河道水力傳導(dǎo)系數(shù)又稱淺層地下水再蒸發(fā)系數(shù)，它反映支流匯入主河道時(shí)地表徑流的有效滲透率，對(duì)研究區(qū)水資源平衡計(jì)算以及基流量擬合狀況有重要影響.淺層含水層快速蓄水的閾值水深與地下水水位有關(guān)，當(dāng)淺層地下水的水位超過(guò)閾值水深，淺層蓄水層會(huì)再次發(fā)生蒸發(fā).

4.2 模型參數(shù)率定與驗(yàn)證

大多模型敏感性參數(shù)運(yùn)算早期的開(kāi)始值為零，這會(huì)對(duì)SWAT模型輸出的模擬結(jié)果造成影響.所以有必要設(shè)定模型的預(yù)熱期，以合理預(yù)估模型敏感性參數(shù)的開(kāi)始變量[26].在敏感性參數(shù)篩選好的基礎(chǔ)上，利用研究區(qū)恩施水文站1998-2005年實(shí)測(cè)月徑流數(shù)據(jù)進(jìn)行參數(shù)校準(zhǔn)與驗(yàn)證，其中設(shè)定1997年為預(yù)熱期，1998-2002年為率定期，2003-2005年為驗(yàn)證期.

利用SWAT-CUP軟件推薦的參數(shù)范圍進(jìn)行迭代運(yùn)算，依據(jù)迭代運(yùn)算的結(jié)果調(diào)整下一輪參數(shù)范圍，依次類推，直至確定滿足模擬精度的最佳參數(shù)值.本文進(jìn)行3次迭代運(yùn)算，每次運(yùn)算500次，最終的最佳參數(shù)取值如表5所示.將迭代運(yùn)算后的最佳參數(shù)取值帶入模型，進(jìn)行參數(shù)校準(zhǔn)、驗(yàn)證，SWAT模型在率定期(1998-2002年)與驗(yàn)證期(2003-2005年)的模擬值與觀測(cè)值對(duì)比結(jié)果及散點(diǎn)圖如圖1和圖2所示.根據(jù)式(3)～(5)計(jì)算模擬精度，具體結(jié)果如表6所示.

圖1 率定期(1998-2002年)實(shí)測(cè)徑流與模擬徑流結(jié)果對(duì)比及散點(diǎn)圖Fig.1 Comparison of measured runoff and simulated runoff and scatter plot in rate period (1998-2002)

圖2 驗(yàn)證期(2003-2005年)實(shí)測(cè)徑流與模擬徑流結(jié)果對(duì)比及散點(diǎn)圖Fig.2 Comparison of measured runoff and simulated runoff and scatter plot during the verification period (2003-2005)

表6 月徑流模擬評(píng)價(jià)指標(biāo)結(jié)果統(tǒng)計(jì)表Tab.6 Statistical table of runoff simulation evaluation index results

由表6可知，在月徑流模擬過(guò)程中，率定期(1998-2002年)與驗(yàn)證期(2003-2005年)的相關(guān)系數(shù)R2和Nash效率系數(shù)Ens均大于等于0.90，表明率定期與驗(yàn)證期的觀測(cè)值與模擬值兩者之間的線性相關(guān)性強(qiáng)，擬合效果好；率定期(1998-2002年)與驗(yàn)證期(2003-2005年)的百分比偏差PBIAS分別為0.48%和10%，兩者均小于25%百分比偏差臨界值，一方面表明觀測(cè)值與模擬值兩者的偏差程度小，另一方面說(shuō)明率定期與驗(yàn)證期的月均模擬值均比月均實(shí)測(cè)值小.由表6可知，率定期和驗(yàn)證期的月均模擬值分別為80.85、63.14 m3/s，比觀測(cè)值分別小了0.40、7.09 m3/s.

對(duì)于驗(yàn)證期(2003-2005年)Nash效率系數(shù)Ens和相關(guān)系數(shù)R2較高，百分比偏差PBIAS較低，由圖2散點(diǎn)圖可看出模擬徑流值與觀測(cè)徑流值線性相關(guān)性好，散點(diǎn)分布在擬合直線的兩側(cè)，但部分點(diǎn)離擬合直線距離較遠(yuǎn)，從而導(dǎo)致驗(yàn)證期(2003-2005年)徑流模擬值精確度較高，但準(zhǔn)確度較低，造成這種現(xiàn)象的原因可能是構(gòu)建模型的過(guò)程中土地利用輸入數(shù)據(jù)為率定期(1998-2002年)期間的數(shù)據(jù).

總體而言，SWAT模型在清江上游流域月徑流模擬過(guò)程中，模擬流量過(guò)程曲線與實(shí)測(cè)流量過(guò)程曲線較為吻合，對(duì)流量峰值均有所響應(yīng)，模擬等級(jí)高.說(shuō)明SWAT模型能夠很好再現(xiàn)清江上游流域月徑流的實(shí)際變化過(guò)程，表明SWAT模型在清江上游流域徑流模擬過(guò)程中具有良好的適應(yīng)性，滿足SWAT模型的模擬應(yīng)用要求.

5 結(jié)論

徑流模擬研究是水文過(guò)程模擬研究的重要環(huán)節(jié)之一，而SWAT模型作為徑流模擬研究的重要工具，自開(kāi)發(fā)以來(lái)便在世界不同地區(qū)、不同流域進(jìn)行廣泛應(yīng)用.本文以恩施斷面控制的清江上游流域?yàn)檠芯繉?duì)象，整合研究區(qū)流域下墊面數(shù)據(jù)及氣象水文數(shù)據(jù)構(gòu)建研究區(qū)SWAT模型，結(jié)合SUFI-2算法進(jìn)行敏感性參數(shù)分析及參數(shù)校正與驗(yàn)證,結(jié)論如下.

由全局敏感性分析可知，對(duì)研究區(qū)徑流模擬影響較大的5個(gè)參數(shù)分別是SCS徑流曲線數(shù)(CN2)、河岸調(diào)蓄的基流α因子(ALPHA_BNK)、植物吸收補(bǔ)償因子(EPCO)、主河道水力傳導(dǎo)系數(shù)(CH_K2)和淺層含水層快速蓄水的閾值水深(REVAPMN).

結(jié)合SUFI-2算法對(duì)模型參數(shù)進(jìn)行校正與驗(yàn)證，結(jié)果顯示：率定期(1998-2002年)相關(guān)系數(shù)R2、Nash效率系數(shù)Ens和百分比偏差PBIAS分別為0.96、0.96和0.48%；驗(yàn)證期(2003-2005年)相關(guān)系數(shù)R2、Nash效率系數(shù)Ens和百分比偏差PBIAS分別為0.90、0.91和10%，模型模擬結(jié)果良好，說(shuō)明SWAT模型適用于清江上游流域月徑流模擬.