李相虎，張 奇，葉許春

（1.中國科學院 南京地理與湖泊研究所 湖泊與環(huán)境國家重點實驗室，江蘇 南京210008；2.西南大學 地理科學學院，重慶400715）

分布式水文過程模擬基于流域地形、土壤類型及土地利用參數(shù)，其準確性有賴于輸入數(shù)據(jù)對流域特征的準確描述［1］。流域下墊面特征（地形、植被、糙率等）在空間分布上具有很大的差異性，且會影響降雨的分配和產匯流過程［2］，對正確理解和模擬產流、入滲、蒸散發(fā)、地下水補給、侵蝕等過程十分重要。相對來說，地形與植被的空間變化可借助于高分辨率遙感影像方便的獲?。?］，而土壤物理屬性的空間分布則較難獲得，需經過大量的土壤樣品采集與實驗分析，另一方面，普通的土壤調查與土壤制圖又不能提供高分辨率的空間分布信息［4］，使其對模型模擬結果的不確定性也大于其他輸入數(shù)據(jù)，這已經引起越來越廣泛的關注。

針對土壤數(shù)據(jù)空間分辨率對水文過程模擬的影響，國內外諸多學者已做了大量研究。Muttiah等［5］利用SWAT模型研究了干旱半干旱地區(qū)土壤數(shù)據(jù)比例尺從1∶250 000變?yōu)?∶24 000時的影響效應，指出流域水量平衡和土壤水分儲量會發(fā)生較大改變，但蒸散發(fā)基本保持不變。李潤奎等［6］，文小平等［7］分別利用SWAT模型和BTOPMC模型研究了徑流模擬對高精度土壤信息的敏感性，發(fā)現(xiàn)徑流模擬對土壤信息的敏感性較弱。Peschel等［8］基于美國州級土壤地理數(shù)據(jù)庫（STATSGO）與土壤調查地理數(shù)據(jù)庫（SSURGO）評價了其對徑流模擬的影響，認為由于高分辨率的SSURGO土壤數(shù)據(jù)模擬水量傳輸中的損失較少，其總徑流比低分辨率的STATSGO數(shù)據(jù)大。然而，Levick等［9］在比較 FAO，STATSGO 和SSURGO的影響時得出了和Peschel正好相反的結論，他認為在大多數(shù)情況下，用FAO數(shù)據(jù)模擬的徑流比SSURGO多但比STATSGO少。Mukundan等［10］發(fā)現(xiàn)在模型重新率定后，用不同分辨率的土壤數(shù)據(jù)模擬的徑流基本相當，差別不大，這一結論也得到葉許春等［1］研究的認同。此外，Cho等［11］研究發(fā)現(xiàn)，盡管空間分布信息能使水文模型反映空間上的異質性，但當流域面積較小時，這種空間差異性的考慮未必能提高模型的模擬精度。Maeda等［12］分析了土壤層厚度及物理屬性的長期時空分布影響，指出其對土壤水分及徑流會產生較大影響。而Loague等［13］證明土壤飽和水力傳導度的空間分布與入滲過程有較大關系。

綜合以上研究發(fā)現(xiàn)，目前大多數(shù)研究都集中于土壤類型數(shù)據(jù)空間分辨率的水文效應方面，而對田間持水量、孔隙度及飽和水力傳導度等土壤物理屬性空間分布對水文過程模擬的影響方面涉及較少。雖然不同分布式水文模型利用不同的方式處理下墊面空間信息，但需要的土壤物理屬性空間分布信息大多來源于傳統(tǒng)的土壤類型分布圖［1］，這種處理方式通常是假定土壤物理屬性在同一土壤類型中是均一的。然而，這個假定在水文過程模擬中多大程度上可接受？它對產流、入滲、土壤水分及蒸散發(fā)過程有多大影響？這些疑問還沒有明確的定論。本項研究正是基于這樣的前提，分別以不同空間分辨率的土壤田間持水量、孔隙度和飽和水力傳導度數(shù)據(jù)為水文模型輸入，對比評價其對水文模型模擬精度及地下水補給量、非飽和土壤蒸發(fā)、徑流量及其組分的影響。

1 研究區(qū)概況及數(shù)據(jù)來源

西苕溪是太湖流域上游地區(qū)的重要支流，流域面積2 200km2，流域地勢西南高，東北低，依次從山地過渡為丘陵平原，地面高程在1～1 575m。西苕溪流域屬亞熱帶季風氣候區(qū)，多年平均降雨量為1 465mm，氣溫為15.5℃，降雨主要集中在4—9月，降雨量的空間分布差異也很大。西苕溪主河長約143km，源于天目山脈，向北流于湖州市杭長橋與東苕溪匯合入湖，是太湖的重要水源之一。流域內主要土地覆被類型為竹林（67.3%），其次為耕地（26.8%），主要分布在下游沖積平原區(qū)，其他如城鎮(zhèn)（2.35%）、草地（0.66%）及水體（1.98%）等所占面積都較小。

流域地形數(shù)據(jù)來源于美國國家航空航天局（NASA）和國家地理空間情報局（NGA）提供的SRTM DEM數(shù)據(jù)，空間分辨率為90m，并基于此數(shù)據(jù)，提取流域內水系及邊界信息。土壤類型數(shù)據(jù)來自中國科學院南京土壤研究所的土壤調查數(shù)據(jù)，按中國土壤分類標準，流域內主要土壤類型為黃紅壤（47.6%）和水稻土（28.7%），其他還有黃壤（5.7%）、酸性粗骨土（5.6%）、棕色石灰土（5.4%）以及少量的棕紅壤（2.8%）、酸性紫色土（2.6%）和紅壤性土（1.6%）。土壤類型空間分布如附圖10所示。

研究中用到的兩種不同分辨率的田間持水量、孔隙度、飽和水力傳導度空間分布，一種是基于傳統(tǒng)的土壤類型圖（附圖10）確定每類土壤的屬性值（記為STMB土壤數(shù)據(jù)），在同一類型內，土壤屬性值均一。表1所示為每種土壤類型所對應的土壤屬性值。由表1可見，田間持水量在0.16～0.31，孔隙度在0.52～0.69，飽和水力傳導度在0.31～5.78m／d。另一種是由中國科學院南京土壤研究所經過加密采樣和數(shù)值差值得到的250m×250m網格的土壤物理屬性空間分布（記為RSIM土壤數(shù)據(jù)），這一空間分布信息比之前應用的土壤類型數(shù)據(jù)精度更高，其空間分布信息更詳盡。而降水數(shù)據(jù)來自流域內10個雨量站2005—2010年的逐日觀測數(shù)據(jù)，這些數(shù)據(jù)的質量已經過檢驗并已應用于之前不同的研究中。同時，研究中曾試圖確定降水量與高程之間的關系以校正山區(qū)與平原區(qū)的降水量，但在這一區(qū)域并未發(fā)現(xiàn)降水量隨高程升高發(fā)生明顯的變化，因此，在模型中直接將站點觀測雨量用泰森多邊形法直接差值到空間250m×250m的網格上，以滿足分布式水文模型的需要。另外，觀測的范家村站日流量過程用于模型參數(shù)的率定和驗證。

表1 各土壤類型對應的屬性值

2 分布式水文模型

目前，有許多水文模型如IHDM，SWAT，BTOPMC等分別采用不同的方法處理空間信息，但這些模型并不能直接把土壤的田間持水量、孔隙度、飽和水力傳導度的空間分布信息作為輸入，而是把基于多邊形的土壤類型數(shù)據(jù)作為輸入，然后再通過一些轉換關系轉換為土壤的物理屬性信息，而WATLAC模型［14］則不同，它可以把許多下墊面屬性信息直接輸入模型，可直接反映下墊面信息變化的水文效應，因此本研究基于該模型進行分析。

WATLAC是一個基于網格的分布式水文模型，它可以在降雨和蒸發(fā)驅動下，模擬流域地表和地下徑流過程，也可以反映地表水、土壤水及地下水的相互作用。該模型已在許多流域成功應用，包括西苕溪流域地表地下水相互作用分析［15］、鄱陽湖流域未來氣候變化的水文響應［16］以及信江流域的水文過程模擬研究［17］等。模型的具體結構及其過程計算可參考文獻［14-17］，本文不再贅述。模型參數(shù)采用PEST自動優(yōu)化算法進行率定［18］，模型模擬精度采用納西效率系數(shù)（Ens）、徑流深相對誤差（DE）以及確定性系數(shù)（R2）來評價，Ens和 DE 分別由以式（1）—（2）計算：

式中：Qobsi——觀 測 流 量；Qsimi——模 擬 流 量；——觀測流量的平均值；n——總時間步長。

3 結果與討論

西苕溪流域被離散為250m×250m的網格應用WATLAC分布式水文模型模擬2005年1月1日至2010年12月31日的徑流過程，其中2005—2008年為模型率定期，2009—2010年為模型驗證期。為保證模型參數(shù)的物理意義，研究中大部分參數(shù)包括土地利用、河流等的屬性參數(shù)都由野外調查數(shù)據(jù)庫或相關文獻確定，剩余的幾個經驗參數(shù)如坡面流滯后系數(shù)Clag，地下水補給和土壤水運移參數(shù)β1，β2以及馬斯京根法匯流參數(shù)e和k則通過PEST算法進行自動優(yōu)化。模型參數(shù)優(yōu)化分2種情景：情景1，先基于傳統(tǒng)土壤類型圖的土壤屬性分布STMB進行參數(shù)率定，再保持參數(shù)不變，換為高分辨率的土壤屬性分布RSIM運行模型；情景2，先以高分辨率的土壤屬性分布RSIM率定模型參數(shù)，再保持參數(shù)不變，換為傳統(tǒng)土壤類型圖的土壤屬性分布STMB運行模型。2種情景下模型模擬結果的精度對比如表2所示。

表2 基于不同土壤屬性空間分布下模型模擬精度對比

由表2可看出，在情景1中，基于STMB土壤數(shù)據(jù)的模擬精度整體較好，率定期的納西效率系數(shù)Ens，徑流深相對誤差DE，確定系數(shù)R2分別為0.78，－8.60%和0.84，驗證期精度同樣較高，分別達到0.88，－10.80%和0.91，這說明 WATLAC模型能較好地應用于西苕溪流域的水文過程模擬；當換為RSIM土壤數(shù)據(jù)時，模擬精度有所下降，盡管徑流深相對誤差DE較小，只有－3.90%，但Ens和R2較低，分別為0.63和0.76。在情景2中，采用RSIM土壤數(shù)據(jù)經參數(shù)率定后，模擬精度有較大提高，率定期Ens，DE，R2分別為0.79，－6.90%和0.85，驗證期為0.91，－12.01%和0.92，與情景1中STMB土壤數(shù)據(jù)模擬結果相比，二者精度相當，說明更高分辨率的土壤屬性空間分布信息未能明顯提高模型模擬的精度。圖1為不同分辨率的土壤屬性空間分布數(shù)據(jù)模擬的范家村站徑流過程與觀測值的對比。由圖1可看出，基于STMB土壤數(shù)據(jù)和RSIM土壤數(shù)據(jù)模擬的流量過程線較相似，并且與觀測結果基本一致，較準確地模擬了研究區(qū)的水文過程，但對2005年的洪峰模擬偏小，另外在部分年份的枯水期模擬值也較實測值偏小。

圖1 利用不同土壤屬性分布數(shù)據(jù)模擬的范家村站徑流過程與觀測值的對比

土壤物理屬性的空間分布對土壤水分影響較大，而土壤水分狀況又決定了地下水補給、非飽和土壤蒸發(fā)等過程。本文分析了兩種不同分辨率的土壤屬性空間分布對地下水補給和土壤蒸發(fā)的影響，結果如表3所示。由表3可看出，基于STMB土壤數(shù)據(jù)模擬的年地下水補給量在237～276mm，平均每年262mm，年土壤蒸發(fā)量在492～745mm，平均每年639mm，而采用RSIM土壤數(shù)據(jù)模擬的年地下水補給量在168～190mm，平均每年182mm，年土壤蒸發(fā)量在480～730mm，平均每年621mm。土壤物理屬性數(shù)據(jù)空間分辨率的提高，使模擬的地下水補給量有所減少，但對于土壤蒸發(fā)量則影響不大。

表3 不同土壤屬性分布數(shù)據(jù)模擬的地下水補給量及土壤蒸發(fā)量 mm

圖2和圖3分別為基于STMB土壤數(shù)據(jù)和RSIM土壤數(shù)據(jù)模擬的平均年地下水補給量和土壤蒸發(fā)量的空間分布。由圖2可見，不同的土壤屬性空間分布數(shù)據(jù)模擬的地下水補給量空間分布在整體上有一定的一致性，北部的沖積平原區(qū)補給量較小而南部山區(qū)補給量較大，但也存在較大差異，圖2a的中部區(qū)域除了河谷地區(qū)外其他地方的補給量都較大，而在圖2b中，中部地區(qū)補給量都較小；另外，雖然基于STMB土壤數(shù)據(jù)模擬的地下水補給量最大值（1 076mm）比基于RSIM土壤數(shù)據(jù)模擬的補給量小300mm，但高補給量所占的區(qū)域面積比后者大。由圖3可見，2種不同分辨率的土壤屬性空間分布數(shù)據(jù)模擬的土壤蒸發(fā)量空間分布較相似，僅在流域西南部存在一定的差異。因此，土壤屬性空間分辨率不同對地下水補給量影響較大，而對土壤蒸發(fā)的影響較小。

圖2 年地下水補給量空間分布

基于STMB土壤數(shù)據(jù)和RSIM土壤數(shù)據(jù)模擬的徑流總量及其各組分所占百分比如表4所示。由表4可知，在采用STMB土壤數(shù)據(jù)時，模擬的基流量為155～214mm，平均191mm，占徑流總量的30.1%，地表徑流量的貢獻在324～624mm，占到徑流總量的70%。

采用RSIM土壤數(shù)據(jù)時，模擬的基流量大幅減少，在52～150mm，平均110mm，僅占徑流總量的15.8%，而地表徑流量貢獻率則相應增大。這主要是由于RSIM土壤數(shù)據(jù)模擬的地下水補給量較小，進而造成基流量的比率也相應減小，另外，模型在參數(shù)優(yōu)化時，僅以河道斷面的總徑流過程進行參數(shù)率定，可能會使中間過程如地下水補給、蒸發(fā)及徑流分割等出現(xiàn)一定的偏差。表4表明，雖然兩種不同的土壤屬性空間分布對模擬的徑流總量的影響很微弱，但對基流與地表徑流的分割比例卻會產生較大影響。

圖3 年土壤蒸發(fā)量空間分布

表4 不同土壤屬性分布數(shù)據(jù)模擬的徑流量及其組分對比

4 結論

基于WATLAC分布式水文模型，分別以不同空間分辨率的土壤田間持水量、孔隙度和飽和水力傳導度數(shù)據(jù)為輸入，對比評價了其對降雨徑流過程中地下水補給量、非飽和土壤蒸發(fā)、徑流量及其組分的影響。

（1）基于傳統(tǒng)土壤類型圖的土壤屬性空間分布的模擬精度整體較好，率定期的納西效率系數(shù)Ens，徑流深相對誤差 DE，確定系數(shù)R2分別為0.78，－8.6%和0.84，驗證期分別達到0.88，－10.8%和0.91，當采用高分辨率的土壤屬性分布時，經再次參數(shù)率定后，模擬精度也很好，率定期Ens，DE，R2分別為0.79，－6.9%和0.85，驗證期為0.91，－12.0%和0.92，兩次模擬精度相當，說明更高分辨率的土壤屬性空間分布信息未能明顯提高模型模擬的精度。

（2）基于STMB土壤數(shù)據(jù)模擬的年地下水補給量在237～276mm，采用RSIM土壤數(shù)據(jù)模擬的年地下水補給量則大幅減小，同時其空間分布也存在較大差異，然而對于土壤蒸發(fā)，其影響則相對較小，除個別小區(qū)域外兩次模擬的土壤蒸發(fā)量空間分布較相似。

（3）盡管不同分辨率的土壤屬性空間分布輸入對模型模擬的總徑流量影響很小，但對基流與地表徑流的分割比例卻產生了較大影響。

［1］ 葉許春，張奇，劉健，等.土壤數(shù)據(jù)空間分辨率對水文過程模擬的影響［J］.地理科學進展，2009，28（4）：575-583.

［2］ Price K，Jackson C R，Parker A J.Variation of surficial soil hydraulic properties across land uses in the southern Blue Ridge Mountains，North Carolina，USA ［J］.Journal of Hydrology，2010，383（3）：256-268.

［3］ Quinn T，Zhu Axing，Burt J E.Effects of detailed soil spatial information on watershed modeling across differ-ent model scales ［J］.International Journal of Applied Earth Observation and Geoinformation，2005，7（4）：324-338.

［4］ Zhu Axing，Mackay D S.Effects of spatial detail of soil information on watershed modeling ［J］.Journal of Hydrology，2001，248（1／4）：54-77.

［5］ Muttiah R S，Wurbs R A.Scale-dependent soil and climate variability effects on watershed water balance of the SWAT model［J］.Journal of Hydrology，2002，256（3）：264-285.

［6］ 李潤奎，朱阿興，Peter，等.SWAT模型對高精度土壤信息的敏感性研究［J］.地球信息科學，2007，9（3）：72-90.

［7］ 文小平，萬育安，敖天其.土壤空間分辨率對BTOPMC模型徑流模擬的影響［J］.人民黃河，2010，32（11）：45-48.

［8］ Peschel J M，Haan P K，Lacey R E.Influences of soil dataset resolution on hydrologic modeling［J］.Journal of the American Water Resources Association，2006，42（5）：1371-1389.

［9］ Levick L R，Semmens D J，Guertin D P，et al.Adding global soils data to the automated geospatial watershed assessment tool（AGWA）［C］.Proceedings of Second International Symposium on Transboundary Waters Management.Tucson，Arizona：Routledge，2004：1-9.

［10］ 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 and Water Conservation，2010，65（2）：92-104.

［11］ Cho H，Olivera F.Effect of the spatial variability of land use，soil type，and precipitation on streamflows in small watersheds ［J］.Journal of the American Water Resources Association，2009，45（3）：673-686.

［12］ Maeda K，Tanaka T，Park H，et al.Spatial distribution of soil structure in a suburban forest catchment and its effect on spatio-temporal soil moisture and runoff fluctuations［J］.Journal of Hydrology，2006，321（1）：232-256.

［13］ Loague K，Kyriakidis P C.Spatial and temporal variability in the R-5infiltration data set：Déjàvu and rainfall-runoff simulations［J］.Water Resources Research，1997，33（12）：2883-2895.

［14］ 張奇.湖泊集水域地表—地下徑流聯(lián)合模擬［J］.地理科學進展，2007，26（5）：1-10.

［15］ Zhang Qi，Li Lijiao.Development and application of an integrated surface runoff and groundwater flow model for a catchment of Lake Taihu watershed，China［J］.Quaternary International，2009，208（1／2）：102-108.

［16］ Ye Xuchun，Zhang Qi，Bai Li，et al.A modeling study of catchment discharge to Poyang Lake under future climate in China［J］.Quaternary International，2011，244（2）：221-229.

［17］ Li Xianghu，Zhang Qi，Xu Chongyu.Suitability of the TRMM satellite rainfalls in driving a distributed hydrological model for water balance computations in Xinjiang catchment，Poyang lake basin［J］.Journal of Hydrology，2012，426／427：28-38.

［18］ Li Xianghu，Zhang Qi，Shao Min，et al.A comparison of parameter estimation for distributed hydrological modelling using automatic and manual methods［J］.Advanced Materials Research，2012，356／360：2372-2375.