李鳳歡, 羅瀲蔥, 翟海濤,2, 孫瑩蓓,2, 李慧赟

(1.暨南大學(xué) 生態(tài)學(xué)系, 廣州 510632; 2.暨南大學(xué) 資源環(huán)境與可持續(xù)發(fā)展研究所, 廣州 510632;3.南京地理與湖泊研究所, 南京 210008; 4.廣東省高校水體富營養(yǎng)化與赤潮防治重點實驗室, 廣州 510632)

SWAT對大沙河水庫流域徑流模擬研究

李鳳歡1, 羅瀲蔥2,3, 翟海濤1,2, 孫瑩蓓1,2, 李慧赟3,4

(1.暨南大學(xué) 生態(tài)學(xué)系, 廣州 510632; 2.暨南大學(xué) 資源環(huán)境與可持續(xù)發(fā)展研究所, 廣州 510632;3.南京地理與湖泊研究所, 南京 210008; 4.廣東省高校水體富營養(yǎng)化與赤潮防治重點實驗室, 廣州 510632)

廣東開平大沙河水庫為開平市主要供水源，其入庫河流都受到不同程度的污染，水庫呈富營養(yǎng)化狀態(tài)需控制外源營養(yǎng)鹽的輸入。為了探究SWAT(Soil and Water Assessment Tool)模型在亞熱帶地區(qū)的適用性，為流域污染管理提供參考，運用ArcSWAT2009對大沙河水庫流域進行了徑流模擬和評價研究。用LH-OAT方法進行參數(shù)敏感性分析，找出對徑流模擬影響較大的15個參數(shù)，采用2003—2012年的水庫總?cè)肓鲾?shù)據(jù)對模型進行率定和驗證。結(jié)果表明，LH-OAT敏感性分析方法可準確地找出模型的敏感參數(shù)；將時間尺度分別為日和月的率定和驗證結(jié)果進行比較，月模擬效果明顯較好，其與實測數(shù)據(jù)的相關(guān)系數(shù)R2分別為0.884和0.911，納什系數(shù)(NSE)分別為0.879和0.907；模型的自動率定SCE-UA方法在大沙河水庫流域的水量模擬中較適用，值得進一步研究應(yīng)用，為水質(zhì)水量管理工作提供參考。

ArcSWAT2009; 徑流模擬; 敏感性分析; 自動率定

SWAT(Soil and Water Assessment Tool)模型是一個連續(xù)時間序列的半分布式流域模型，主要用來評估管理措施的改變對流域點源和非點源污染的影響[1]。該模型偏重于水文的模擬，能預(yù)測流域的總徑流量、泥沙流失量和營養(yǎng)鹽負荷。模型將土地利用和流域水文等過程聯(lián)系起來，可對流域管理中各種決策的適用性進行評估。關(guān)于該模型的原理及應(yīng)用已有廣泛介紹[1-3]。目前國外對SWAT的研究較早和深入，主要方面有：關(guān)于GIS界面的描述、水文評估、構(gòu)建及輸入數(shù)據(jù)變化的影響、自動率定和敏感性分析、氣候變化的影響作用、與其他模型及方法的比較、與其他模型的連接、污染評估等[2]。國內(nèi)對SWAT的研究起步較晚，在模型各方面的研究比較初步[4-5]。水量平衡是SWAT中所有過程的驅(qū)動力，它影響植物生長及泥沙、營養(yǎng)鹽、殺蟲劑和病菌的遷移運動。水文循環(huán)又由天氣驅(qū)動，需要提供逐日降雨、最高最低氣溫、太陽輻射、風(fēng)速、相對濕度等觀測數(shù)據(jù)[6]。為了更好地使用SWAT的預(yù)測和評估作用，必須將水量平衡的不確定性降到最小。

為了減小和評估模型的不確定性，一般先對模型進行參數(shù)敏感性分析和參數(shù)率定。SWAT2009模型自帶有參數(shù)敏感性分析和自動率定模塊，可分析判斷敏感性參數(shù)并對其進行調(diào)整，使模型在流域中的應(yīng)用效果最佳。SWAT2009自帶的參數(shù)敏感性分析模塊采用LH-OAT法進行參數(shù)敏感性分析。該方法結(jié)合了拉丁超立方(Latin Hypercube，LH)和每次單因素(One-At-a-Time，OAT)采樣方法，保證在所有參數(shù)的可行空間中，根據(jù)OAT的設(shè)計進行精確采樣，每次模型運行的輸出變化都可歸結(jié)到輸入?yún)?shù)的變化，從而保證參數(shù)敏感性分析的效率[7]。模型自動率定程序基于混亂復(fù)雜的進化算法—Shuffled Complex Evolution數(shù)學(xué)算法(SCE-UA)和一個單一的目標(biāo)函數(shù)。SEC-UA可以快速有效地解決參數(shù)全局采樣問題，被認為是連續(xù)流域中最有效的方法，并被廣泛運用到水文模型中[8-11]。

最常用的評估水文率定和驗證的統(tǒng)計分析方法為相關(guān)系數(shù)R2和納什系數(shù)[8](Nash-suttcliffes efficiency coefficient, NSE)，對于月模擬的NSE要求大于0.5且當(dāng)R2大于0.6，才能認為模擬結(jié)果較滿意[2]。R2表示觀測數(shù)據(jù)中可被模型解釋的總體變量的比例，NSE表示觀測值和模擬值在對比圖中對1∶1線的符合情況，但是R2和NSE并不能表示模擬是否偏高或偏低，而偏差百分率PBIAS可用來計算模擬值與實測值偏離的情況[9]。為了探究模型在亞熱帶地區(qū)的適用性，在大沙河水庫流域進行SWAT模型構(gòu)建，并對其水文過程進行模擬，運用ArcSWAT2009模型自帶模塊進行參數(shù)敏感性分析，找出對徑流模擬影響較大的15個參數(shù)，采用2003—2012年的水庫日入流和月入流數(shù)據(jù)分別對模型水量平衡進行率定和驗證，用PBIAS、R2和NSE來對模型進行評估，并對結(jié)果進行初步分析。

1 研究材料和方法

1.1 研究區(qū)概況

開平市大沙河水庫位于廣東省開平市區(qū)西北部，地處開平、恩平、新興的交匯處(21°56′—22°39′N，112°3′—114°48′E)，是攔截大沙水而成，屬多年調(diào)節(jié)水庫。水庫集雨面積217 km2，水庫面積16.3 km2，總庫容2.58億m3，正常庫容1.568億m3，正常蓄水位34.81 m，是一座具有灌溉、防洪、發(fā)電、供水、養(yǎng)殖、造林等多種功能的大(Ⅱ)型水庫[12]，水庫流域見圖1。研究區(qū)屬亞熱帶海洋性季風(fēng)氣候，全年溫和濕潤，雨量充沛，暴雨強烈而頻繁。年平均氣溫22℃，最低氣溫1℃。全年無霜期333 d，年降雨量1 700～2 400 mm，4—9月降雨量占全年總降雨量的82.1%。年日照為2 009 h，年太陽輻射為104 W/m2。年蒸發(fā)量為1 534.3 mm。境內(nèi)季風(fēng)明顯，4—9月多吹偏南風(fēng)，10月—翌年3月多吹偏北風(fēng)。夏季受熱帶氣旋影響，多臺風(fēng)、暴雨，冬季受寒潮影響時出現(xiàn)寒潮和霜凍[13]。

水庫上游流域地表徑流主要有大沙河、白沙河、富食河、蟠龍河，在圖中分別對應(yīng)入流1、入流2、入流4、入流5。流域徑流年際變化與降水相對應(yīng)，季節(jié)變化很大。研究發(fā)現(xiàn)，主要的5條入庫河流分別受到不同程度的污染，入流1主要受到上游林業(yè)(速生桉)及農(nóng)業(yè)方面的污染，入流2和入流3主要受上游生活污水及養(yǎng)殖廢水的污染，入流4和入流5主要受到養(yǎng)殖及農(nóng)業(yè)方面的污染，大量營養(yǎng)鹽的輸入使水庫易呈富營養(yǎng)化狀態(tài)[14]。其水量水質(zhì)直接關(guān)系到開平市36.34萬人民的健康與社會經(jīng)濟的可持續(xù)發(fā)展，因此，研究SWAT模型在大沙河水庫流域的適用性，對大沙河水庫水源管理和保護具有現(xiàn)實意義，對模型在亞熱帶地區(qū)的推廣應(yīng)用具有重要意義。

1.2 數(shù)據(jù)準備

本研究區(qū)域選擇從大沙河水庫上游到水庫出水口位置。專題圖的原始數(shù)據(jù)主要從國際科學(xué)數(shù)據(jù)平臺(http:∥www.csdb.cn/)下載，所需專題文件主要參考Anders Nielsen[15]，選用國際較通用的格式，采用墨卡托投影統(tǒng)一坐標(biāo)系，投影帶為：WGS_1984_UTM_Zone_49N。由ArcGIS以研究區(qū)域圖為掩膜剪切各原始數(shù)據(jù)得到專題圖，數(shù)字地形圖(DEM, Digital Elevation Model)的柵格大小是90 m×90 m，與此對應(yīng)，土地利用和土壤圖也轉(zhuǎn)為同樣?xùn)鸥翊笮〉膖if格式。

1.2.1 DEM及坡度分布圖 大沙河流域DEM原始數(shù)據(jù)為SRTM 90 m第4版柵格文件，分辨率為1∶10萬，在ArcSWAT中對坡度分析結(jié)果如圖2所示。

1.2.2 土地利用圖 大沙河土地利用圖原始數(shù)據(jù)來自歐洲航天局(European Space Agency)Globcover v2009，分辨率1∶10萬，在ArcGIS中對其進行切割及重分類制成土地利用圖。大沙河水庫流域集水區(qū)較小，由于本區(qū)為大沙河水庫的水源保護區(qū)，近年來的封山育林、退耕還草等水土保持工作，使本區(qū)土地利用結(jié)構(gòu)稍微發(fā)生了變化，主要表現(xiàn)為耕地所占面積有所減小。研究區(qū)內(nèi)植被主要以次生林和人工林為主。次生林天然植被主要有亞熱帶常綠季雨林、南亞熱帶常綠闊葉林、常綠落葉闊葉混交林、灌叢與草坡。人工林主要是集約林業(yè)，以桉樹和松樹為主。

1.2.3 土壤數(shù)據(jù) 土壤分布圖原始數(shù)據(jù)來源于世界土壤數(shù)據(jù)庫(HWSD，Harmonized World Soil Database)，分辨率為1∶100萬，經(jīng)過切割并采用HWSD中土壤代碼分類制得土壤專題數(shù)據(jù)。流域內(nèi)土壤為6類：潴育水稻土、麻黃壤、麻紅壤、麻赤紅壤、頁赤紅壤、酸性紫色土，其中以麻赤紅壤分布最廣。

SWAT進行非點源污染模擬需要土壤的空間數(shù)據(jù)和屬性數(shù)據(jù)，屬性數(shù)據(jù)包括土壤物理和化學(xué)屬性數(shù)據(jù)。土壤物理屬性決定土壤剖面中水和氣的運動情況，并對水文響應(yīng)單元(HRUs，Hydrologic Response Units)中的水循環(huán)影響很大；土壤的化學(xué)屬性則決定土壤營養(yǎng)物質(zhì)的存在狀態(tài)和豐度?；贖WSD中的中國土壤數(shù)據(jù)[16]，參照SWAT數(shù)據(jù)格式，將相似土壤類型歸并，制作該流域土壤屬性數(shù)據(jù)庫。大部分參數(shù)參考HWSD和中國土壤參比數(shù)據(jù)庫，土壤侵蝕方程中的土壤可蝕性因子K可通過查閱土壤可蝕性諾模圖得到。

1.2.4 氣象數(shù)據(jù) SWAT模型需要輸入的氣象數(shù)據(jù)包括逐日最大最小氣溫、太陽輻射、風(fēng)速、降雨量和相對濕度。本研究中所用數(shù)據(jù)為1981—2012年流域附近氣象站的觀測數(shù)據(jù)，其中1981—2011年日最大最小氣溫、風(fēng)速和相對濕度采用中國國家氣象信息中心陽江觀測站數(shù)據(jù)，降水?dāng)?shù)據(jù)由水庫管理站提供，太陽輻射為廣州站的測量結(jié)果，2012年氣象數(shù)據(jù)由大沙河水庫燈山副壩處的自動氣象站收集得到。

1.2.5 水文資料 大沙河水庫的水文資料包括大沙河水庫庫容、面積、年均供水、灌溉面積、泄洪量等數(shù)據(jù)及2001—2012年水庫逐日總?cè)肓鲾?shù)據(jù)，這些資料由開平大沙河水庫管理中心提供。

1.3 SWAT模型及敏感性分析方法

1.3.1 子流域劃分 用專題及屬性數(shù)據(jù)構(gòu)建模型，基于DEM進行子流域劃分，設(shè)研究區(qū)為閉合流域，出水口位置位于大沙河水庫燈山壩處，在集水面積閾值為199.73 km2的尺度上提取流域水系，共劃分為30個子流域。將土地利用和土壤數(shù)據(jù)導(dǎo)入到SWAT數(shù)據(jù)庫后，可設(shè)置一個標(biāo)準決定HRU的分布。首先對土地利用、土壤數(shù)據(jù)和坡度進行重分類，進行疊加分析，然后定義HRU的分布標(biāo)準。HRU定義時選用復(fù)合HRU方法，閾值水平選用面積百分比表示，小于此百分比的數(shù)據(jù)將被忽略，其余數(shù)據(jù)將重新計算面積百分比。子流域上土地利用類型的閾值設(shè)為5%，土地利用區(qū)域上土壤類型的閾值設(shè)為10%，土壤區(qū)域上坡度閾值設(shè)為10%，重分類后生成369個水文響應(yīng)單元(HRUs)如圖3所示。對流域進行劃分能夠使模型反映出不同植被及土壤條件下蒸發(fā)量的變化。徑流在每個HRU上單獨預(yù)測，并按徑流匯總得到流域總徑流，這提高了精確性并使水平衡過程有較好的物理意義。

圖1大沙河水庫流域圖圖2大沙河水庫流域坡度分布圖3大沙河水庫流域HRUs分布情況

1.3.2 水量平衡計算 SWAT模擬的水文過程包括冠層截留、地表徑流、入滲、蒸發(fā)、橫向流動、渠道排水、土壤剖面水的重新分布、消費用水、回流和滲漏。水庫水平衡包括入流、出流、水面降雨、蒸發(fā)、庫底滲漏和分散。

SWAT模型中水文循環(huán)的模擬依據(jù)水量平衡方程[6](Water Balance Equation)：

(1)

式中：SWt——最終土壤水分含量(mm)；SWO——土壤初始水含量(mm)；t——時間(d)；Rday——第i天的降水量(mm)；Qsurf——第i天的地表徑流(mm)；Ea——第i天的蒸發(fā)量(mm)；Wseep——第i天從土壤剖面進入到滲流區(qū)的水量(mm)；Qgw——第i天返回的水量(mm)。

1.3.3LH-OAT敏感性分析方法 敏感性分析可以有效地確認參數(shù)敏感性順序，ArcSWAT自帶的參數(shù)敏感性分析模塊采用LH-OAT法進行參數(shù)敏感性分析。LH-OAT敏感性分析方法將參數(shù)敏感度表示為一個無量綱的指數(shù)，反映了模型輸出結(jié)果隨參數(shù)的微小改變而變化的程度[17]。該方法采用拉丁超立方采樣(LatinHypercube，LH)和每次單因素采樣(One-At-a-Time，OAT)相結(jié)合的方法，兼有二者的優(yōu)點。

LH-OAT算法首先進行LH采樣，將整個參數(shù)空間分為m層，分別對每一層進行一次隨機采樣，各生成一個包含p個參數(shù)的LH采樣組，每組采樣值作為該層區(qū)間的基線，然后進行OAT采樣，按照設(shè)定的百分率改變該組的參數(shù)值(1次1個參數(shù))，計算每次參數(shù)改變對目標(biāo)函數(shù)變化的影響。在所有參數(shù)的可行空間中 ，根據(jù)OAT的設(shè)計進行精確采樣，每次模型運行的輸出變化都可歸結(jié)到輸入?yún)?shù)的變化，從而保證參數(shù)敏感性分析的效率。若評估參數(shù)個數(shù)為p，LH采樣點數(shù)為m，則模型將運行m(p+1)次，在結(jié)果中產(chǎn)生最大平均變化百分率的參數(shù)被列為最敏感參數(shù)[18]。

1.3.4SCE-UA參數(shù)率定方法 參數(shù)率定方式有手動調(diào)參、SWAT模型參數(shù)自動率定以及SWAT_CUP參數(shù)率定等方式[17,19]。自SWAT2005版本以來，模型開始帶有自動率定程序，該程序基于混亂復(fù)雜的進化算法(SCE-UA)和一個單一的目標(biāo)函數(shù)。SCE-UA先從可行參數(shù)空間中隨機采樣得到初始參數(shù)分布群體，基于給定的參數(shù)范圍對p個參數(shù)進行優(yōu)化。將參數(shù)群分為幾個群落，每一群落包含2p+1個點，每個群落依據(jù)用單一形法的統(tǒng)計過程運算[7]。SEC-UA可以快速有效地解決參數(shù)的全局采樣問題，被認為是連續(xù)流域中最有效的方法。

SCE-UA方法對SWAT模型進行參數(shù)優(yōu)化的目標(biāo)函數(shù)SSQ[7](Sumofthesquaresoftheresiduals)為：

(2)

式中：xi,觀測——i時間觀測值；xi,模擬——i時間模擬值；n——觀測次數(shù)，以日為時間步長對模型進行優(yōu)化。

本文選用的評價方法是偏差百分率PBIAS[9]、相關(guān)系數(shù)R2和納什系數(shù)NSE。PBIAS用來計算模擬值與實測值偏離的情況，該數(shù)值越接近0越好，一般要求其絕對值小于15%，正值表示模擬值偏高，負值表示模擬值偏低。R2表示觀測數(shù)據(jù)中可被模型解釋的總體變量的比例，0≤R2≤1，較高的R2值代表模型較好的模擬表現(xiàn)。NSE表示觀測值和模擬值在對比圖中對1∶1線的符合情況，NSE≤1，值越接近于1，模擬結(jié)果越具有代表性。當(dāng)R2大于0.6，且NSE大于0.5時，可認為模型較適用[2]。R2值及NSE可由SWATPlot對實測值與模擬值的對比得到。

選用2003—2012年逐月和逐日總?cè)霂炝髁繑?shù)據(jù)分別進行參數(shù)率定和驗證。其中設(shè)2003—2007年為模型率定期，2008—2012年為模型驗證期。

2 結(jié)果與分析

2.1 參數(shù)敏感性分析

參數(shù)敏感性與氣候、物理過程和土地利用情況等條件有關(guān)，不同氣候區(qū)的參數(shù)敏感性不同。模型中徑流敏感性參數(shù)有26個，其中6個參數(shù)與融雪有關(guān)。對日模擬值和月模擬值分別進行參數(shù)敏感性分析，設(shè)定所有HRU范圍的參數(shù)值改變，在運行270次后，結(jié)果如表1所示。其中前15個參數(shù)相同而敏感性順序有差異，土壤蒸發(fā)補償系數(shù)Esco是最敏感的參數(shù)；淺層地下水徑流系數(shù)Gwqmn、SCS徑流曲線系數(shù)Cn2、基流α系數(shù)Alpha_Bf、最大冠層蓄水量Canmx和地下水再蒸發(fā)系數(shù)Gw_Revap等對日、月徑流的模擬影響最為顯著。因為研究區(qū)域全年氣溫在零上，無降雪產(chǎn)生，與降雪融雪有關(guān)的參數(shù)不敏感，排序均為27。

2.2 模型校正和驗證

依據(jù)敏感性分析結(jié)果，對排名前15個參數(shù)進行參數(shù)自動率定。運用2003—2012年入庫總流量數(shù)據(jù)，在ArcSWAT2009的自動率定模塊中選用太陽傘(Parasol)[18]方法，對徑流月模擬值及日模擬值分別進行率定和驗證，參數(shù)率定和驗證結(jié)果如表2和圖4、圖5所示。

在以月為時間尺度的模型率定和驗證中，觀測數(shù)據(jù)的月流量采用日均流量，降雨量采用月總降雨量。在以日為時間尺度的模型率定和驗證中，觀測數(shù)據(jù)的流量和降雨量均采用逐日數(shù)據(jù)。月模擬的率定期R2值為0.879，NSE值為0.884，驗證期R2為0.911，NSE為0.907，很明顯月模擬可滿足模型模擬要求。日模擬的率定期R2值為0.681，NSE值為0.681，驗證期R2為0.651，NSE為0.648，日模擬也能滿足率定基本要求?？傮w上，水平衡誤差為-1.03%～-5.5%，負值表示模擬值比觀測值低。驗證期的誤差較率定期大一些，但驗證期的觀測數(shù)據(jù)可被模型解釋的總體變量比例較高，觀測值與模擬值的擬合度較好。相對來說，月模擬效果要好于日模擬效果。

表1 參數(shù)敏感性分析結(jié)果

注：以日為尺度的敏感性分析結(jié)果為排序①，敏均值①；以月為尺度的敏感性分析結(jié)果為排序②,敏均值②。

表2 參數(shù)率定和驗證結(jié)果

率定期年均降雨量為1 559.52 mm，驗證期年均降雨量2 114.28 mm，降雨量較大時流量也相應(yīng)增大，年徑流中約81.6%在汛期產(chǎn)生。月模擬結(jié)果中，總體水平衡誤差為-1.034%～-4.99%，由圖4可知，總體上模擬與觀測吻合情況較好，月模擬結(jié)果具有代表性，多數(shù)情況下汛期的模擬值與觀測值符合情況較好，非汛期的模擬值較觀測值低。日模擬結(jié)果中，總體誤差為-1.056%～-5.5%，由圖5可知，模擬值與觀測值存在較大差異。在非汛期，模擬值偏低，而在汛期特別是暴雨情況下，模擬結(jié)果偏高。

圖4 月徑流參數(shù)率定和驗證

圖5 日徑流參數(shù)率定和驗證

3 討 論

本研究用LH-OAT敏感性分析方法找到對徑流敏感的15個參數(shù)，減少了率定的盲目性。對徑流模擬結(jié)果有重大影響的參數(shù)主要有土壤蒸發(fā)補償系數(shù)Esco、淺層水徑流系數(shù)Gwqmn、SCS徑流曲線系數(shù)Cn2、基流α系數(shù)Alpha_Bf、最大冠層蓄水量Canmx和地下水再蒸發(fā)系數(shù)Gw_Revap。這些敏感性參數(shù)表明土地利用及植被覆蓋對徑流模擬影響較大。該流域的河流主要發(fā)源于西部的山區(qū)，流經(jīng)丘陵和平地，土地利用正常情況下變化不大，但經(jīng)濟林區(qū)砍伐時會造成部分地區(qū)植被變化很大。

由于資料限制，僅對全流域水量平衡敏感的15個參數(shù)進行率定和驗證，月模擬率定期R2值為0.879，NSE值為0.884，驗證期R2為0.911，NSE為0.907；日模擬率定前R2值為0.681，NSE值為0.681，率定后R2為0.651，NSE為0.648，總體水平衡誤差為-1.03%～-5.5%，總體上模擬值稍低，結(jié)果表明，模型在該流域較適用，月模擬效果比日模擬效果好。月模擬與日模擬效果的差異原因主要是日觀測值代表性較低，且在汛期河道上游用水閘調(diào)節(jié)流量，日徑流受人為影響大，導(dǎo)致日模擬與觀測值偏差較大，在暴雨時特別明顯，同時降雨的時空差異性也會導(dǎo)致一定偏差[20]，在降雨豐富時偏差的百分率較小。

Anders Neilsen等[15]對該流域土壤飽和導(dǎo)水率Sol_K和土壤可利用水量Sol_Awc，基流α系數(shù)Alpha_Bf、地下水滯后系數(shù)Gw_Delay 、地下水再蒸發(fā)系數(shù)Gw_Revap、SCS徑流曲線系數(shù)Cn2、降雨遞減率Plaps及曼寧值分區(qū)域運用手動和SWAT_CUP調(diào)參，也得到了較好的徑流模擬效果，其驗證期模擬效果不如率定期好，總體上模擬值稍高。本研究結(jié)果與其結(jié)果的差異可能是調(diào)整后參數(shù)值不同導(dǎo)致的，不同的參數(shù)組合可以得到相似的模擬結(jié)果。其參數(shù)率定主要依據(jù)經(jīng)驗進行，曼寧系數(shù)比常值高，他對徑流峰值的緩沖作用做了估計和補償。這些可能是導(dǎo)致總體模擬值偏高的原因。而本研究對于魚塘和水閘并未考慮，且各參數(shù)值較低，所以導(dǎo)致總體模擬偏低。

邱臨靜等[21]的研究認為DEM和子流域提取閾值會影響模擬的精度，歐春平等[22]認為土地利用/覆被變化較大時對SWAT水循環(huán)模擬的地表徑流影響較大；賴格英等[23]研究了土地利用和植被覆蓋的變化對水文響應(yīng)的影響，認為植被變化對中等強度的暴雨影響最大，且有明顯的洪峰滯后效應(yīng)；翟曉燕等[24]對沙澧河的徑流模擬認為氣候條件對水文過程有重要影響，其中溫度降低會引起徑流增加；袁軍營等[25]對柴河流域的徑流模擬認為小流域中的水庫存在會影響洪峰的模擬效果，對日模擬效果影響更顯著；這些是模型應(yīng)用普遍存在的問題。

該流域中模型的不確定性因素主要有：(1) 數(shù)據(jù)精度的不確定性，原始數(shù)據(jù)的精度較小可能會影響水系的提取和HRU的劃分；(2) 未知因素，例如流域內(nèi)的灌溉回流、畜禽養(yǎng)殖、傾倒垃圾入河、修路、水閘的影響等，這些因素往往無法了解到或不被模型所包括；(3) 氣象因素，例如降雨、溫度，蒸發(fā)量等數(shù)據(jù)的空間差異性，單個觀測點不能反映所有區(qū)域的實際情況；(4) 參數(shù)值的不唯一性，對全流域進行率定的參數(shù)值不一定適用于所有子流域或HRU，有時還需要對部分區(qū)域分別進行率定，不同的參數(shù)組合可以得到相似的結(jié)果。

本研究初步表明SWAT模型在該地區(qū)有較好的適用性，比較適合在廣東亞熱帶地區(qū)應(yīng)用，為流域管理提供決策依據(jù)。但是模型應(yīng)用中還存在一些問題，輸入數(shù)據(jù)的精度較小會影響結(jié)果的精確性和應(yīng)用范圍，且全流域水量平衡參數(shù)率定的結(jié)果僅對全流域水量平衡的模擬有意義。若要進一步應(yīng)用模型，還需要更高精度的原始數(shù)據(jù)，熟悉研究區(qū)域的環(huán)境特點和水資源管理情況，掌握充足且詳細的數(shù)據(jù)資料，對模型分區(qū)域進行參數(shù)率定，提高子流域徑流模擬效果。

致謝：感謝Anders Nielsen 在SWAT模型構(gòu)建方面給予的幫助，感謝姜仕軍老師對論文修改的建議，感謝韋桂峰老師、楊尚、戴淑君和么旺的幫助和支持，感謝開平大沙河水庫管理中心提供的管理資料。

[1] 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.

[2] Gassman P W, Reyes M R, Green C H, et al. The soil and water assessment tools: historical development, applications, and future research directions[J]. Transactions of the ASABE,2007,50(4):1211-1250.

[3] 王中根,劉明昌,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)進展,2003,22(1):79-86.

[4] 賴格英,吳敦銀,鐘業(yè)喜,等.SWAT模型的開發(fā)和應(yīng)用進展[J].河海大學(xué)學(xué)報:自然科學(xué)版,2012,40(3):243-250.

[5] 楊菁薈,張萬昌.SWAT模型及其在水環(huán)境非點源污染中的應(yīng)用研究進展[J].水土保持研究,2009,16(5):160-266.

[6] Neitsch S L, Arnold J G, Kiniry J R, et al. Soil and water assessment tool: theoretical documentation (Version 2009)[EB/OL]. [2013-09-18]. http:∥twri.tamu.edu/reports/2011/tr406.pdf

[7] Griensven A V. Sensitivity, auto-calibration, uncertainty and model evaluation in SWAT2005[EB/OL]. [2013-09-18].http:∥biomath.ugent.be/～ann/swat_manuals/SWAT2005_manual_sens_cal_unc.pdf

[8] LEI Xiaohui, CHEN Ning, JIANG Yunzhong. Parameters Auto Calibration With Modified SWAT Model in Beijing[EB/OL].[2013-9-18].http:∥www.seiofbluemountain.com/upload/product/201002/1265611824 jm1wpnbe.pdf

[9] Srinivasan R, Zhang X, Arnold J. SWAT ungauged: hydrological budget and crop yield predictions in the Upper Mississippi River Basin[J]. Transactions of the ASABE,2010,53(5):1533-1546.

[10] 朱麗,秦富倉,姚云峰,等.SWAT模型靈敏性分析模塊在中尺度流域的應(yīng)用:以密云縣紅門川流域為例[J].水土保持研究,2011,18(1):161-165.

[11] 李慧,靳昊,雷曉云,等.SWAT模型參數(shù)敏感性分析與自動率定的重要性研究:以瑪納斯河徑流模擬為例[J].水資源與水工程學(xué)報,2010,21(1):79-82.

[12] 梁紹良.開平市大沙河水庫灌溉供水量平衡計算分析[J].南昌水專學(xué)報,2004,23(3):37-41.

[13] 江門市地方志編纂委員會.江門年鑒[M].中國縣鎮(zhèn)年鑒社,2012.

[14] 楊尚,羅瀲蔥,翟海濤,等.大沙河主要入庫河流氮磷營養(yǎng)輸入分析[J].生態(tài)科學(xué),2013,32(2):158-164.

[15] Nielsen A, Trolle D, Me W, et al. Assessing ways to combat eutrophication in a Chinese drinking water reservoir using SWAT[J]. Marine and Freshwater Research,2013,64(5):475-492.

[16] Nachtergaele F, Velthuizen H V, Verelst L, et al. HWSD_Documentation[EB/OL].[2013-09-18]. http:∥www.fao.org/fileadmin/templates/nr/documents/HWSD/HWSD_Documentation.pdf

[17]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):1491-1508.

[18] Michael W. Van Liew. Guidelines for Using the Sensitivity Analysis and Auto-calibration Tools for Multi-gage or Multi-step Calibration in SWAT[EB/OL].[2013-09-18]. http:∥www.heartlandwq.iastate.edu/NR/rdonlyres/E1A747FB-4B95-485C-97C4-A055CD4DBEF2/136892/Guidelines for Sensitivity and auto-calibrations wat.pdf

[19] 楊軍軍,高小紅,李其江,等.湟水流域SWAT模型構(gòu)建及參數(shù)不確定性分析[J].水土保持研究,2013,20(1):83-88.

[20] 赫芳華,陳利群,劉昌明,等.降雨的空間不均勻性對模擬產(chǎn)流量和產(chǎn)沙量不確定的影響[J].地理科學(xué)進展,2003,22(5):446-452.

[21] 邱臨靜,鄭粉莉.DEM格式分辨率和子流域劃分對杏子河流域水文模擬的影響[J].生態(tài)學(xué)報,2012,32(12):3754-3763.

[22] 歐春平,夏軍,王中根,等.土地利用/覆被變化對SWAT模型水循環(huán)模擬結(jié)果的影響研究:以海河流域為例[J].水利發(fā)電學(xué)報,2009,28(4):124-129.

[23] 賴格英,劉志勇,劉胤文.流域土地利用/覆蓋與植被變化的水文響應(yīng)模擬研究[J].水土保持研究,2008,15(4):10-14.

[24] 翟曉燕,夏軍,張永勇.基于SWAT模型的沙澧河流域徑流模擬[J].武漢大學(xué)學(xué)報:工學(xué)版,2011,44(2):142-145,155.

[25] 袁軍營,蘇保林,李卉,等.基于SWAT模型的柴河水庫流域徑流模擬研究[J].北京師范大學(xué)學(xué)報:自然科學(xué)版,2010,46(3):361-365.

SimulationofRunoffParameterswithSWATinDashaheReservoirWatershed

LI Feng-huan1, LUO Lian-cong2,3, ZHAI Hai-tao1,2, SUN Ying-bei1,2, LI Hui-yun3,4

(1.DepartmentofEcology,Ji′nanUniversity,Guangzhou510632,China; 2.InstituteofResources,EnvironmentandSustainableDevelopment,Ji′nanUniversity,Guangzhou510632.China; 3.NanjingInstituteofGeography&Limnology,Nanjing210008,China; 4.KeyLaboratoryofAquaticEutrophicationandControlofHarmfulAlgalBloomsofGuangdongHigherEducationInstitutes,Guangzhou510632,China)

Dashahe Reservoir is the main source of drinking water for Kaiping City, Guangdong Province. With increasing pollution of inflow waters arising from developments of animal farming, industry and agriculture, the reservoir is now eutrophic and the external loadings need to be reduced for water quality regulation. For testing its availability for subtropical area and water environment management, ArcSWAT2009 was applied to simulate and evaluate the river inflows of Dashahe Reservoir. LH-OAT method was used for sensitivity analysis. 15 parameters were sensitive to the simulation of river inflows. Auto-calibration and validation were conducted based on observed inflows data during 2003—2012. The results indicated that the LH-OAT method could effectively find out the sensitive parameters. The monthly simulations had a better result than the daily simulations, the monthly coefficients of determination (R2) were 0.884 and 0.911 and Nash-suttcliffes coefficients were 0.879 and 0.907, respectively, which suggests that SCE-UA is effective for SWAT calibration at Dashahe Reservoir catchment and SWAT model might be externally applied for water environment management in this area.

ArcSWAT2009; runoff simulation; sensitivity analysis; auto-calibration

2013-11-15

：2013-12-05

中國科學(xué)院“百人計劃擇優(yōu)支持項目”(YOBROB045);廣東省水利科技創(chuàng)新項目(201102);水體富營養(yǎng)化與赤潮防治廣東普通高校重點實驗室開放基金項目(KLGHEIKLB07007);國家自然科學(xué)基金項目(40871095)

李鳳歡(1986—),女,河南濮陽人,碩士研究生,主要研究方向為水環(huán)境數(shù)值模擬。E-mail:lfh0219@163.com

羅瀲蔥(1972—),男,湖南婁底人,博士,教授,主要研究方向為水環(huán)境數(shù)值模擬。E-mail:lcluo@niglas.ac.cn

TV121.4

：A

：1005-3409(2014)02-0087-07