基于SWAT模型的天目湖流域徑流模擬分析

許延昌

(1.江蘇海洋大學(xué)海洋技術(shù)與測繪學(xué)院，江蘇 連云港 222000；2.中國科學(xué)院南京地理與湖泊研究所，江蘇 南京 210000)

0 引言

隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，人們的生活水平日益提高，但出現(xiàn)的問題也日趨明顯，其中比較突出的一個(gè)就是水環(huán)境問題[1]。近幾年來，天目湖流域隨著種植業(yè)、水產(chǎn)養(yǎng)殖業(yè)等產(chǎn)業(yè)的蓬勃發(fā)展，產(chǎn)生的污染物致使流域內(nèi)很多湖泊、河流等都受到了不同程度的污染，出現(xiàn)了藻類大量繁殖、富營養(yǎng)化等現(xiàn)象，甚至有進(jìn)一步惡化的趨勢，這就亟需要一種合適的方法對該流域的污染情況等進(jìn)行分析，從而提出有效的對策。在研究水環(huán)境的眾多方法中，SWAT( Soil and Water Assessment Tool)水文模型模擬分析法應(yīng)用較為廣泛。Woo So-Young[2]等利用 SWAT 模型，選取 8 種水量水質(zhì)相關(guān)情景，分析了 IBWT(跨流域調(diào)水)對受納流域水質(zhì)的影響; M’Hamed Boufala[3]等采用水農(nóng)SWAT模型，對M’dez流域等高線耕作、梯田等最佳管理措施( BMPs )進(jìn)行評價(jià)，量化了水土平衡和土壤侵蝕及其空間分布; 馬新萍[4]等基于 SWAT 模型預(yù)測了未來 2 種土地利用變化模式下的徑流量變化。故本次研究選擇SWAT模型，結(jié)合天目湖流域土地利用等相關(guān)數(shù)據(jù)，對該流域的徑流進(jìn)行了模擬。

1 研究區(qū)概況

天目湖流域主要位于江蘇省溧陽市南部，小部分位于安徽廣德、郎溪境內(nèi)，介于119°18′E～119°29′E、31°8′N～31°25′N之間，見圖1，地勢整體上南高北低。其中的天目湖是國家5A級景區(qū)、生態(tài)旅游示范區(qū)，流域面積246 km2，有大溪、沙河兩座國家級水庫。流域內(nèi)有多種地貌類型，且四季分明，物種豐富，雨量充沛，有包括水體、林地、茶園、農(nóng)田等多種覆被類型[5]。

圖1 研究區(qū)示意圖

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源

SWAT模型的構(gòu)建主要需要兩種數(shù)據(jù)，即屬性數(shù)據(jù)和空間數(shù)據(jù)[6]。本次研究所使用的空間數(shù)據(jù)有DEM高程數(shù)據(jù)、土地利用數(shù)據(jù)、土壤數(shù)據(jù)等，數(shù)據(jù)詳細(xì)情況見表1；屬性數(shù)據(jù)主要用到的是所在研究區(qū)的降水、風(fēng)速、相對濕度、溫度以及太陽輻射等氣象數(shù)據(jù)。

表1 數(shù)據(jù)說明

2.2 研究方法

SWAT模型是由美國農(nóng)業(yè)部農(nóng)業(yè)研究服務(wù)中心( USDA-ARS) 開發(fā)的一種基于流域尺度的分布式水文模型，該模型的原理是將參與水文循環(huán)模擬的各要素的變化進(jìn)行模擬并分析,模型的物理基礎(chǔ)較強(qiáng)，能綜合考慮土壤、土地利用等數(shù)據(jù)來模擬多種復(fù)雜的情況[7-8]。模型的率定及驗(yàn)證使用的是SWAT-CUP 2012軟件，通過實(shí)測徑流數(shù)據(jù)對模擬數(shù)據(jù)進(jìn)行率定，通過Sensitivity analysis模塊中的Global Sensitivity功能進(jìn)行敏感性分析，挑選出對模型模擬結(jié)果影響最敏感的參數(shù)，用新的參數(shù)及參數(shù)范圍重復(fù)率定，直到滿足要求為止。將率定好的參數(shù)帶回SWAT模型，重新寫入數(shù)據(jù)再次模擬，用實(shí)測徑流數(shù)據(jù)驗(yàn)證模擬結(jié)果。本次研究選擇的評價(jià)指標(biāo)是決定系數(shù)R2和Nash-Suttcliffe效率系數(shù)NS，公式如下。式中：Qm為觀測流量(m3/s)，Qs為模擬流量(m3/s)，Qavgm為觀測流量平均值 (m3/s) ，Qavgs為模擬流量平均值(m3/s)[9]。

(1)

(2)

3 模型構(gòu)建與模擬

3.1 流域劃分

在地理空間數(shù)據(jù)云下載天目湖流域分辨率為30 m的DEM數(shù)據(jù)，在ArcSWAT的Watershed Delineation(流域劃分)功能模塊中進(jìn)行加載。由于洼地的存在，水流方向、匯流累積量的計(jì)算以及河道的生成都會(huì)受到影響，所以要進(jìn)行填洼預(yù)處理。填洼后要確定最小流域面積，面積越小生成的子流域越多，反之生成的子流域則越少，所以選擇一個(gè)合適的最小流域面積至關(guān)重要，經(jīng)多次測試，發(fā)現(xiàn)最小面積設(shè)置在1 000 hm2是比較合適的，然后選擇流域總出口后即可開始子流域的劃分，最后計(jì)算子流域的參數(shù)。

3.2 水文響應(yīng)單元的定義

水文響應(yīng)單元(Hydrologic Response Unit，HRU)，由土地利用數(shù)據(jù)、土壤數(shù)據(jù)以及坡度數(shù)據(jù)共同組合而成。根據(jù)二調(diào)土地利用SWAT分類對照表，將土地利用類型分為耕地 (AGRL) 、林地 (FRST) 、牧場 (PAST) 、水域 (WATR) 、居民區(qū) (URLD) 以及荒地裸地 (BARR)，見圖2(受dem影響，研究區(qū)北部一小部分區(qū)域在ArcSWAT生成流域時(shí)未生成，下同)。用天目湖流域的掩膜數(shù)據(jù)提取HWSD土壤數(shù)據(jù)庫，流域內(nèi)共有4種土壤類型，其中人為堆積土(Cumulic Anthrosols)占比30.369%，簡育低活性強(qiáng)酸土(Haplic Acrisols)占比14.644%，簡育高活性淋溶土(Haplic Luvisols)占比47.653%，水體(Water bodies)占比7.334%，見圖3。坡度代表地形陡緩的程度，用坡面的垂直高度與水平距離的比來計(jì)算，參考坡度的統(tǒng)計(jì)參數(shù)：平均值為14.20、標(biāo)準(zhǔn)偏差為11.58，將坡度分為三級：0～9、9～15、15～9999，見圖4。加載并設(shè)置完三種類型的數(shù)據(jù)后分別對其進(jìn)行重分類，后續(xù)計(jì)算中會(huì)根據(jù)分類代碼從數(shù)據(jù)庫中檢索相關(guān)屬性值進(jìn)行計(jì)算。

HRU的定義有四種方式：Dominant Land Use,Soils,Slope、Dominant HRU、Target Number of HRUs和Multiple HRUs，本次研究選用使用頻率最高的第四種，該方式會(huì)通過設(shè)置閾值的方式，將小于閾值的部分按比重分配到大于該閾值的土地利用、土壤和坡度數(shù)據(jù)中[10]。通過面積比重的比較，將土地利用、土壤和坡度數(shù)據(jù)的閾值分別設(shè)置為：1%、0%、0%，最終將研究區(qū)劃分為385個(gè)HRU。

圖2 土地利用空間分布圖 圖3 土壤空間分布圖 圖4 坡度空間分布圖

3.3 氣象數(shù)據(jù)的定義

CMADS(The China Meteorological Assimilation Driving Datasets for the SWAT model)數(shù)據(jù)集引入了LAPSSTMAS算法[11]，采用雙線性插值、數(shù)據(jù)循環(huán)嵌套以及重采樣等多種科學(xué)方法和技術(shù)手段建立，并且針對SWAT模型進(jìn)行了格式等方面的一系列修改，使得SWAT模型的研究者可以直接使用本套中國大氣同化驅(qū)動(dòng)數(shù)據(jù)集而不需要做任何格式上的處理[12]，這降低了數(shù)據(jù)集使用的難度，減少了研究人員的工作量，也使得CMADS的應(yīng)用變的更加廣泛。本次研究使用的是CMADS V1.2版本，空間分辨率為1/8°*1/8°，時(shí)間分辨率為逐日，時(shí)間尺度為2008年至2018年，主要包括日平均相對濕度 (Relative-Humidity) 、日平均風(fēng)速 (Wind) 、 日24h累計(jì)降水量 (Precipitation) 、日最高最低氣溫 (Temperature) 以及日平均太陽輻射 (Solar radiation) 等數(shù)據(jù)。

3.4 模型模擬

目前，CMADS公布的最新氣象數(shù)據(jù)是從2008年1月1日至2018年12月31日，故本次模擬也在該時(shí)間段內(nèi)。為了使模擬結(jié)果更加準(zhǔn)確，設(shè)置2008年為預(yù)熱期進(jìn)行預(yù)熱，然后對天目湖流域2009至2018年的徑流進(jìn)行模擬。

3.5 率定與驗(yàn)證

3.5.1 模型率定

SWAT-CUP2012軟件是專為SWAT模型的率定、驗(yàn)證工作開發(fā)的計(jì)算機(jī)軟件，該軟件集成了SUFI-2、MCMC、GLUE、ParaSol和PSO程序，可用于SWAT模型的不確定性分析、敏感性分析、率定和驗(yàn)證等。為使率定的效果更好，本次研究使用的是最常用的SUFI-2算法，該算法通過拉丁超立方體抽樣法判斷參數(shù)的敏感性并通過95PPU(95%置信水平上的不確定性區(qū)間帶)來表示參數(shù)的不確定性[13]。

SWAT-CUP里的Sensitivity analysis模塊中的Global Sensitivity功能可進(jìn)行參數(shù)的敏感性分析，由t-Stat和P-Value兩個(gè)參數(shù)來判定，t-Stat代表敏感性的程度，絕對值越大說明參數(shù)越敏感，P-Value表示了敏感性的顯著性，值越接近于零就越顯著。率定數(shù)據(jù)采用的是2010年，2011年和2012年的實(shí)測徑流數(shù)據(jù)，經(jīng)率定及敏感性分析，測得ALPHA_BF(基流消退系數(shù))、GW_REVAP(地下水再蒸發(fā)系數(shù))等8個(gè)參數(shù)對天目湖流域徑流的模擬結(jié)果影響最大，見表2。本次研究選擇的評價(jià)指標(biāo)是決定系數(shù)R2和Nash-Suttcliffe效率系數(shù)NS，其中R2反映的是模擬值與實(shí)測值的吻合程度，取值范圍是[0,1]，當(dāng)R2>0.5時(shí)說明模擬結(jié)果是合理的，另一個(gè)評價(jià)指標(biāo)NS反映的是觀測徑流過程與模擬徑流過程間的擬合程度，取值范圍是(-∞，1]，當(dāng)NS>0.5時(shí)表明模擬結(jié)果是滿足要求的。本次率定的R2為0.68，NS為0.66，說明率定效果滿足要求，率定效果圖見圖5。

表2 敏感參數(shù)說明

3.5.2 模型驗(yàn)證

率定完成后，將SWAT-CUP軟件校準(zhǔn)輸出中Best_Par里敏感參數(shù)的Fitted_Value代回SWAT模型中。ArcSWAT中Manual Calibration功能中有三種參數(shù)校正方法，分別是Multiply By(r)、Add(a)和Replace Value(v)。Multiply By運(yùn)算是將原參數(shù)值乘以(Fitted_Value + 1)，Add運(yùn)算是將原參數(shù)值加Fitted_Value，Replace Value是將原參數(shù)值用Fitted_Value替換。

參數(shù)校正完成后重新寫入輸入文件中，再次執(zhí)行模擬，用2016年和2018年兩年的實(shí)測徑流數(shù)據(jù)在SWAT-CUP軟件中驗(yàn)證模擬結(jié)果。本次驗(yàn)證決定系數(shù)R2為0.70，Nash-Suttcliffe效率系數(shù)NS為0.65，驗(yàn)證效果見圖6。

圖5 率定結(jié)果 圖6 驗(yàn)證結(jié)果

4 結(jié)語

(1)本次研究通過DEM數(shù)據(jù)、土地利用數(shù)據(jù)、土壤數(shù)據(jù)和氣象數(shù)據(jù)等構(gòu)建了天目湖流域SWAT水文模型，并利用該流域的實(shí)測徑流數(shù)據(jù)對模擬結(jié)果進(jìn)行了率定及驗(yàn)證，結(jié)果表明：率定階段決定系數(shù)R2為0.68，Nash-Suttcliffe效率系數(shù)NS為0.66，驗(yàn)證階段R2為0.70，NS為0.65,4值均大于0.5，說明本次模擬結(jié)果是滿足要求的，構(gòu)建的SWAT模型能較好的反映天目湖流域的產(chǎn)匯流規(guī)律，可以用于以后的水文規(guī)律的預(yù)測等工作。另外，之所以會(huì)有較好的模擬結(jié)果，一個(gè)主要的原因便是SWAT模型采用了把流域劃分成下墊面相似的子流域進(jìn)行分塊計(jì)算的計(jì)算方式。

(2)從參數(shù)敏感性分析結(jié)果中可以看出，敏感度最高的參數(shù)是基流消退系數(shù)ALPHA_BF，它是地下水對補(bǔ)給變化的一個(gè)直接指數(shù)，其t-Stat值為6.36，遠(yuǎn)大于地下水再蒸發(fā)系數(shù)GW_REVAP等7個(gè)參數(shù)，P-Value為0；而敏感度最低的參數(shù)是土壤飽和水力傳導(dǎo)系數(shù)SOL_K，其t-Stat值為0.52， P-Value為0.61。

(3)率定期(2010-2012年)和驗(yàn)證期(2016年、2018年)的觀測值和模擬值能夠較好的吻合，且觀察折線圖能夠看出，每一年的 5-9月份的徑流量都明顯高于其他月份，一個(gè)很重要的原因是5-9月份降雨比較多，這符合現(xiàn)實(shí)情況，也從一個(gè)側(cè)面反映了本次模擬結(jié)果較好。

(4)本次研究后續(xù)可以根據(jù)模擬結(jié)果中hru(水文響應(yīng)單元)數(shù)據(jù)表、rch(河道)數(shù)據(jù)表以及sub(子流域)數(shù)據(jù)表中模擬的總磷、總氮等數(shù)據(jù)進(jìn)行污染物輸移等相關(guān)分析，為找出污染天目湖流域水質(zhì)的因子及為相關(guān)部門制定水質(zhì)保護(hù)措施等方面提供幫助。