崔肖林，陸建忠，陳曉玲，2，陶 燦

(1.武漢大學(xué)測(cè)繪遙感信息工程國家重點(diǎn)實(shí)驗(yàn)室，武漢 430079;2.江西師范大學(xué)鄱陽湖濕地與流域研究教育部重點(diǎn)實(shí)驗(yàn)室，南昌 330022)

1 研究背景

SWAT(Soil and Water Assessment Tool)模型是由20世紀(jì)90年代美國農(nóng)業(yè)部農(nóng)業(yè)研究中心(USDAARS)開發(fā)的流域尺度分布式水文模型。該模型可以在水文響應(yīng)單元的空間尺度上進(jìn)行地表徑流、非點(diǎn)源污染、農(nóng)業(yè)面源污染、總氮負(fù)荷的模擬和地下水資源評(píng)價(jià)等研究，而徑流模擬是SWAT模型最基本、最重要的的功能，是進(jìn)行農(nóng)業(yè)面源污染，非點(diǎn)源污染等各種應(yīng)用研究的基礎(chǔ)。

目前，國內(nèi)外學(xué)者應(yīng)用SWAT模型在模擬流域徑流方面進(jìn)行了大量的研究，但是研究的焦點(diǎn)多集中于對(duì)模型進(jìn)行率定與校準(zhǔn)，再根據(jù)評(píng)價(jià)系數(shù)決定模型是否具有適用性，并沒有對(duì)模型在不同氣候條件下的穩(wěn)定性進(jìn)行驗(yàn)證，而是直接用于后續(xù)理論和應(yīng)用等的研究。例如，利用構(gòu)建的SWAT模型驗(yàn)證土地利用變化或農(nóng)作物管理措施對(duì)徑流量、營養(yǎng)物載荷的影響［1］;應(yīng)用構(gòu)建的某一流域的SWAT模型對(duì)該流域的徑流過程進(jìn)行模擬［2－4］;應(yīng)用 SWAT分布式水文模型，研究不同的模型參數(shù)的輸入對(duì)地表徑流、泥沙產(chǎn)量等的影響［5－7］;利用建立好的SWAT模型，在充分考慮巖溶區(qū)特殊的地質(zhì)背景和降雨不均勻的情況下，模擬連江流域的徑流過程來評(píng)價(jià)地下水的資源量［8］;通過構(gòu)建的甘肅梨園河流域的SWAT模型，在證明模型適應(yīng)于該流域的模擬之后，通過回歸模型和時(shí)域法的結(jié)合預(yù)測(cè)氣象數(shù)據(jù)，用來模擬 2009—2018 年的地表徑流［9］;利用構(gòu)建的SWAT模型，評(píng)價(jià)不同的氣候場(chǎng)景對(duì)流域水文過程的影響［10］或者通過設(shè)置未來的氣候場(chǎng)景模擬氣候變化對(duì)水文過程的影響［11－13］。由于無法對(duì)未來極端氣候條件下的模型進(jìn)行驗(yàn)證，但是模型的適用性與穩(wěn)定性對(duì)于模擬結(jié)果的可信性以及可用性是非常重要的，所以對(duì)未來預(yù)測(cè)的結(jié)果難以讓人信服。本文從這種思路出發(fā)，選擇了歷史年份下的極端氣候條件對(duì)模型進(jìn)行驗(yàn)證，證明所建模型的適應(yīng)性與穩(wěn)定性。

本文選取江西撫河流域?yàn)檠芯繀^(qū)域，在構(gòu)建適合于該流域的SWAT模型的基礎(chǔ)上，根據(jù)豐水年和枯水年、高溫年和低溫年的選取原則，選取連續(xù)的豐水年和枯水年、連續(xù)的高溫年和低溫年對(duì)模型的穩(wěn)定性進(jìn)行驗(yàn)證，為以后研究撫河流域在不同氣候期的徑流量變化等奠定重要的基礎(chǔ)。

2 研究區(qū)概況

撫河流域位于江西省東南部，是鄱陽湖水系5大河流的第二大河流，地跨東經(jīng) 115°36'～117°10'，北緯26°30'～28°20'，流域面積15 811 km2(李家渡水文站以上)。撫河流域?qū)儆谥衼啛釒駶櫦撅L(fēng)氣候區(qū)，氣候溫和，雨量充沛。流域內(nèi)多年平均氣溫為16.9～18.2℃;多年平均降雨量為1 500～2 000 mm，年內(nèi)降雨量分配不均勻，豐水期(4—6月)平均降雨量為835 mm，占降水量的50.7%左右。洪水一般發(fā)生在6—7月份，各水文站的洪峰流量和最大流量出現(xiàn)時(shí)間大多集中在6月份?？拷芯繀^(qū)域有4個(gè)氣象站，分別是樟樹、貴溪、廣昌和南城，其中，廣昌和南城在流域內(nèi)，貴溪和樟樹在流域外(圖1)。本文選擇李家渡水文站作為控制點(diǎn)，研究該區(qū)域的徑流過程。

圖1 撫河流域及其地形、水文站、氣象站分布Fig.1 Map of Fuhe river watershed with DEM，hydrological and meteorological stations

3 研究方法

3.1 撫河流域SWAT模型的構(gòu)建

SWAT模型的建立包括模型的輸入數(shù)據(jù)、子流域的劃分和水文響應(yīng)單元(HRU)的確定、參數(shù)敏感性分析以及參數(shù)率定。模型的輸入數(shù)據(jù)包括研究區(qū)域的空間數(shù)據(jù)庫和屬性數(shù)據(jù)庫，其中，空間數(shù)據(jù)庫包括數(shù)字高程模型(DEM)、土地利用/覆蓋圖、土壤類型圖;屬性數(shù)據(jù)庫包括土壤屬性數(shù)據(jù)庫、氣象數(shù)據(jù)庫等。

(1)SWAT模型的輸入數(shù)據(jù)。DEM數(shù)據(jù)是描述區(qū)域地貌形態(tài)空間分布的重要數(shù)據(jù)，它在SWAT模型建模的過程中，對(duì)于流域邊界的勾畫、子流域的劃分、河網(wǎng)水系的生成、各水文參數(shù)的提取、HRU的劃分起著基礎(chǔ)作用。研究區(qū)域的DEM數(shù)據(jù)是由ASTER GDEM 30m分辨率得到的。將原始的DEM數(shù)據(jù)進(jìn)行拼接處理后，再利用ARCGIS工具進(jìn)行投影變換，最后將研究區(qū)域根據(jù)流域邊界切割出來。

土地利用/覆蓋類型影響著降水在陸面的成流過程，對(duì)模擬的結(jié)果具有重要影響。SWAT模型需要的土地利用/覆蓋數(shù)據(jù)包括土地利用/覆蓋分布圖以及土地利用/覆蓋類型索引表。土地利用/覆蓋分布圖是由1990年的30 m分辨率的Landsat TM遙感影像［14］，通過非監(jiān)督分類得到，其中主要的土地利用類型是林地、水田、農(nóng)田。

土壤數(shù)據(jù)包括土壤類型分布圖、土壤類型索引表以及土壤數(shù)據(jù)庫的參數(shù)(土壤物理屬性)，是SWAT模型主要的輸入?yún)?shù)。土壤物理屬性主要包括有機(jī)碳含量(SOL_CBN)、土壤的飽和水力傳導(dǎo)度(SOL_K)、土層可利用的有效水量(SOL_AWC)、土壤濕密度(SOL_BD)等，是建模前期數(shù)據(jù)處理的關(guān)鍵，這些參數(shù)可利用土壤水特性軟件SPAW計(jì)算得到。土壤類型數(shù)據(jù)是根據(jù)南京土壤所制作的1∶1 000 000的Harmonized World Soil Database(HWSD)世界土壤數(shù)據(jù)庫得到的。對(duì)該土壤數(shù)據(jù)利用ARCGIS進(jìn)行投影變換、切割后得到了32種土壤類型。其中，最主要的土壤類型是典型強(qiáng)淋溶土。

在SWAT模型模擬的整個(gè)過程中，氣象數(shù)據(jù)的重要性是不言而喻的。在建立SWAT模型的過程中，天氣發(fā)生器、降水?dāng)?shù)據(jù)、氣溫?cái)?shù)據(jù)這3個(gè)數(shù)據(jù)是模型所必需的，前者可以彌補(bǔ)氣象數(shù)據(jù)的缺測(cè)。本文利用樟樹、廣昌、南城、貴溪 4個(gè)氣象站點(diǎn)的1961—1998年連續(xù)38 a的逐日氣象數(shù)據(jù)制作了天氣發(fā)生器，其中降水、溫度、相對(duì)濕度、風(fēng)速數(shù)據(jù)、太陽輻射數(shù)據(jù)均選取了1961—1998年的數(shù)據(jù)。以上氣象數(shù)據(jù)均來源于中國氣象數(shù)據(jù)服務(wù)共享網(wǎng)。

(2)流域劃分及HRU的確定。模型根據(jù)DEM數(shù)據(jù)，利用SWAT模型自帶的地形與河網(wǎng)分析工具，將撫河流域劃分為31個(gè)子流域，再結(jié)合土地利用/覆蓋類型和土壤類型，將流域劃分為511個(gè)水文響應(yīng)單元(HRU)。本文選取李家渡作為控制點(diǎn)，利用流域出口處的地表徑流數(shù)據(jù)對(duì)模型進(jìn)行評(píng)價(jià)。

(3)參數(shù)敏感性分析。敏感性分析的目的就是對(duì)輸入?yún)?shù)值對(duì)模擬結(jié)果的影響程度進(jìn)行分析判斷，然后將確定的影響程度最大的參數(shù)作為參考，從輸入?yún)?shù)中選擇重要的參數(shù)因子進(jìn)行調(diào)整。對(duì)參數(shù)進(jìn)行敏感性分析，不僅能夠減少調(diào)整參數(shù)的時(shí)間，而且在一定程度上能夠提高模型的效率。

對(duì)模型進(jìn)行敏感性分析之后，得到影響流域模擬結(jié)果精度的5個(gè)重要參數(shù)分別是土壤蒸發(fā)補(bǔ)償系數(shù)(ESCO)、徑流曲線數(shù)(CN2)、淺層蓄水層補(bǔ)償深度(GWQMN)、土壤蒸發(fā)補(bǔ)償系數(shù)(ESCO)和植物吸收補(bǔ)償因子(EPCO)。

(4)模型參數(shù)率定。對(duì)模型參數(shù)進(jìn)行敏感性分析之后，就需要對(duì)參數(shù)進(jìn)行率定。參數(shù)率定的目的是提高模型的效率，而模型的效率反映了模型在研究區(qū)域的適應(yīng)性，一般由3個(gè)指標(biāo)來判斷:相對(duì)誤差Re、決定系數(shù)R2、Nash-Sutcliffe效率系數(shù) ENS。參數(shù)率定時(shí)采用手動(dòng)校準(zhǔn)與SWAT-CUP相結(jié)合的方法。本文選取了1981—1988年的李家渡徑流量數(shù)據(jù)進(jìn)行率定，1991—1998年的徑流量數(shù)據(jù)進(jìn)行驗(yàn)證。

3.2 不同氣候時(shí)期的選取

為了能將該模型應(yīng)用于變化環(huán)境下未來水文條件的預(yù)測(cè)模擬，本研究進(jìn)一步驗(yàn)證模型在不同氣候條件下的穩(wěn)定性，選取歷史時(shí)期內(nèi)的極端氣候條件，對(duì)流域徑流進(jìn)行模擬與驗(yàn)證。其中極端氣候年份主要選取了豐水年和枯水年、高溫年和低溫年。在選取豐水年和枯水年時(shí)，考慮到李家渡水文站接收上游部分的全部徑流量，所以本文以李家渡水文站的徑流量數(shù)據(jù)為依據(jù)選取豐水年和枯水年。由于廣昌、南城、樟樹、貴溪這4個(gè)氣象站能夠比較全面地覆蓋整個(gè)撫河流域，所以我們利用這4個(gè)氣象站的年平均氣溫選取高溫年和低溫年。

豐水年與枯水年的選取原則:①從1961—1978年的時(shí)間范圍內(nèi)選取豐水年和枯水年，不與率定期與校準(zhǔn)期的時(shí)間重合;②求得李家渡水文站1961—1978年實(shí)測(cè)流量數(shù)據(jù)的年平均值，從中選擇流量數(shù)據(jù)較高或者較低的連續(xù)幾年。根據(jù)上面的選取原則，豐水年選取的年份為1975—1977年，枯水年選取的年份為1963—1965年。

高溫年與低溫年的選取原則:①從1961—1978年的時(shí)間范圍內(nèi)選取豐水年和枯水年，不與率定期與校準(zhǔn)期的時(shí)間重合;②由廣昌、貴溪、南城、樟樹的月平均氣溫分別求得它們的年平均氣溫，選取這4個(gè)氣象站溫度都較高或者都較低的連續(xù)幾年。根據(jù)上面的選取原則，最后選取的高溫年為1963—1965年，低溫年為1969—1971年。其中，高溫年和枯水年選在了同一時(shí)期。

4 結(jié)果與討論

4.1 模擬結(jié)果分析

作為撫河流域的出口，李家渡水文站接收了上游部分的所有徑流量。為了減少誤差，提高模擬精度，因此將李家渡作為模擬的監(jiān)測(cè)站點(diǎn)，利用李家渡水文站1981—1988年和1991—1998年的徑流數(shù)據(jù)對(duì)模型進(jìn)行率定與驗(yàn)證。率定期與驗(yàn)證期的徑流實(shí)測(cè)值與模擬值對(duì)比見圖2。

圖2 徑流模擬值與實(shí)測(cè)值對(duì)比Fig.2 Comparison of simulated and measured runoff

從模擬的結(jié)果來看，率定期的1981－04，1982－06和驗(yàn)證期的1998－07這3個(gè)月的流量峰值有較大的偏差，其中以1998－07偏差最大，為26%，其他2處的偏差分別為12%和21%。出現(xiàn)這種較大偏大的原因可能是7月份容易爆發(fā)洪水，造成地表徑流迅速增加，導(dǎo)致了實(shí)測(cè)值和模擬值在一定程度上的偏差。除此之外，率定期與驗(yàn)證期模擬的流量過程與實(shí)測(cè)的總體趨勢(shì)非常吻合(圖2)。SWAT模型在率定期的相關(guān)系數(shù)R2為0.92，效率系數(shù)ENS為0.91，相對(duì)誤差Re為－8%;在校準(zhǔn)期的R2為0.92，ENS為0.92，Re為－6%。說明構(gòu)建的模型適用于撫河流域的徑流模擬。

4.2 極端年份對(duì)模型的驗(yàn)證

為了驗(yàn)證模型的穩(wěn)定性，選取了連續(xù)豐水年和枯水年、連續(xù)高溫年和低溫年對(duì)模型再次進(jìn)行驗(yàn)證。理論上，驗(yàn)證模型的數(shù)據(jù)集應(yīng)該包括平均年份和極端年份，而實(shí)際中由于數(shù)據(jù)的缺乏或者數(shù)據(jù)質(zhì)量問題，一般都會(huì)選擇對(duì)模擬效果有利的數(shù)據(jù)［10］。為了便于實(shí)驗(yàn)，在沒有發(fā)生較大氣候事件的情況下，將一般年份均假設(shè)為平均年，因此在實(shí)驗(yàn)中將率定期(1981—1988年)考慮為平均年。本文選取同一時(shí)期(1991—1998年)作為驗(yàn)證期，首先利用了平均年份對(duì)模型進(jìn)行驗(yàn)證，然后再利用選擇的極端年份對(duì)模型進(jìn)行驗(yàn)證。通過選取不同的氣候條件對(duì)模型進(jìn)行驗(yàn)證，就能夠證明模型在各種氣候條件下的適應(yīng)性。利用選取的極端氣候年份，通過對(duì)徑流量的實(shí)測(cè)數(shù)據(jù)和模擬值進(jìn)行比較進(jìn)而對(duì)模型的適應(yīng)性進(jìn)行評(píng)價(jià)，模擬結(jié)果如圖3至圖5所示。

由圖3可知，利用連續(xù)豐水年對(duì)模型的穩(wěn)定性進(jìn)行評(píng)價(jià)，在率定期1975－05，1976－07，1977－06這3個(gè)峰值處的偏差都在15%以內(nèi)，而較大的偏差發(fā)生在1977－08，其模擬數(shù)據(jù)高于實(shí)測(cè)數(shù)據(jù)，出現(xiàn)這種現(xiàn)象的原因可能由于是對(duì)蒸發(fā)量的低估。除此之外，豐水年在率定期的徑流模擬結(jié)果和實(shí)測(cè)數(shù)據(jù)的總體趨勢(shì)是非常吻合，由他們的決定系數(shù)R2、效率系數(shù)ENS(均大于0.90)和相對(duì)誤差Re(2%)也可以看出。在驗(yàn)證期，由圖3(b)可看出，在總體趨勢(shì)上模擬值要高于實(shí)測(cè)數(shù)據(jù)，尤其是在1994－06和1996－06，模擬值均高于實(shí)測(cè)數(shù)據(jù)。但是，從總的徑流過程分析，模型在驗(yàn)證期的的決定系數(shù)和效率系數(shù)均在0.8以上，相對(duì)誤差為19%。由上述分析可知，利用豐水年驗(yàn)證模型的穩(wěn)定性，模擬效果是令人滿意的，說明構(gòu)建的模型在豐水年具有一定的穩(wěn)定性。

圖3 利用連續(xù)豐水年對(duì)模型的穩(wěn)定性進(jìn)行評(píng)價(jià)Fig.3 Evaluating the stability of the model with continuous wet years

圖4 利用連續(xù)枯水年對(duì)模型的穩(wěn)定性進(jìn)行評(píng)價(jià)Fig.4 Evaluating the stability of the model with continuous drought years

圖5 利用連續(xù)低溫年對(duì)模型的穩(wěn)定性進(jìn)行評(píng)價(jià)Fig.5 Evaluating the stability of the model with continuous low temperature years

利用連續(xù)枯水年對(duì)模型的適應(yīng)性進(jìn)行驗(yàn)證，由模擬結(jié)果(圖4)分析:在率定期，總的模擬徑流和實(shí)測(cè)徑流是非常吻合的，沒有出現(xiàn)較大的峰值偏差。在驗(yàn)證期，由圖上可直觀地看出除了在1998－06出現(xiàn)了一個(gè)較大的峰值偏差(22%)，總的模擬過程是非常令人滿意的。對(duì)率定期和驗(yàn)證期的R2和效率系數(shù)ENS計(jì)算，結(jié)果均大于0.90，相對(duì)誤差Re的絕對(duì)值均小于5%。從而證明模型在枯水年具有一定的穩(wěn)定性，可用于對(duì)枯水年的模擬。

由于高溫年和枯水年處于同一個(gè)時(shí)期，所以，只要利用低溫年對(duì)模型的穩(wěn)定性進(jìn)行驗(yàn)證即可。在率定期，模擬值與實(shí)測(cè)值之間的較大偏差出現(xiàn)在1969－07(67%)。出現(xiàn)這種現(xiàn)象的主要原因可能是7月是洪水暴發(fā)的時(shí)候，徑流量在短期內(nèi)增加很快，會(huì)使得實(shí)測(cè)徑流量與模擬結(jié)果出現(xiàn)很大的偏差。在驗(yàn)證期，模擬徑流變化趨勢(shì)同枯水年變化趨勢(shì)是相同的，除了在1998－06出現(xiàn)了一個(gè)較大的峰值偏差(23%)，總的模擬過程和實(shí)測(cè)過程是非常吻合的。利用連續(xù)低溫年對(duì)模型進(jìn)行驗(yàn)證，計(jì)算的模型決定系數(shù)R2和效率系數(shù)ENS在率定期和驗(yàn)證期均大于0.85，相對(duì)誤差Re分別為－15%和－4%。說明模型在低溫年也具有一定的穩(wěn)定性。

5 結(jié)語

本文通過建立空間數(shù)據(jù)庫與屬性數(shù)據(jù)庫，構(gòu)建了撫河流域的SWAT模型，并利用該模型對(duì)李家渡水文站的徑流數(shù)據(jù)進(jìn)行了模擬。結(jié)果表明，李家渡水文站率定期(1981—1988年)與驗(yàn)證期(1991－1998年)的決定系數(shù)R2和ENS效率系數(shù)均在0.90以上，相對(duì)誤差Re的絕對(duì)值均小于10%，說明建立的模型適用于撫河流域的徑流模擬。

為了更好適應(yīng)變化環(huán)境下水文預(yù)測(cè)模擬，在模型率定期與驗(yàn)證期之外，選取歷史年份下的極端氣候，即豐水年和枯水年、高溫年和低溫年，對(duì)模型的穩(wěn)定性再次進(jìn)行驗(yàn)證。從模擬結(jié)果可以看出，SWAT模型在洪峰處模擬效果不是特別好，尤其是徑流量較多的6，7月份，實(shí)測(cè)數(shù)據(jù)和模擬數(shù)據(jù)的偏差較大，而在秋冬季節(jié)，徑流量較少時(shí)，模擬的效果相對(duì)來說比較好。產(chǎn)生這種較大偏差的原因主要是受到洪水的影響以及對(duì)蒸散發(fā)量的低估。但是從總的模擬過程來看，各項(xiàng)評(píng)價(jià)指標(biāo)均達(dá)到精度要求，說明SWAT模型在極端氣候年份具有一定的穩(wěn)定性，為研究撫河流域在未來不同氣候期的徑流量變化奠定了理論基礎(chǔ)。

［1］PISINARASV，PETALASC，GIKASGD，et al.Hydrological and Water Quality Modeling in a Medium-sized Basin Using the Soil and Water Assessment Tool(SWAT)［J］.Desalination，2010，250(1):274－286.

［2］盧曉寧，韓建寧，熊東江，等.基于SWAT模型的忠縣蝦子嶺流域地表徑流特征淺析［J］.長江科學(xué)院院報(bào)，2010，27(11):15－20.(LU Xiao-ning，HAN Jian-ning，XIONG Dong-jiang，et al.Brief Analysis of Earth’s Surface Runoff Characteristic of Xiaziling Watershed in Zhongxian County Based on SWAT Model［J］.Journal of Yangtze River Scientific Research Institute，2010，27(11):15－20.(in Chinese))

［3］董國強(qiáng)，楊志勇，史曉亮，等.基于SWAT模型的灤河流域徑流模擬［J］.人民黃河，2013，35(6):46－52.(DONG Guo-qiang，YANG Zhi-yong，SHI Xiao-liang，et al.Runoff Simulation of Luanhe River Basin Based on SWAT Model［J］.Yellow River，2013，35(6):46－52.(in Chinese))

［4］張利平，陳小風(fēng)，張曉琳，等.SWAT模型在白蓮河流域徑流模擬中的應(yīng)用研究［J］.長江科學(xué)院院報(bào)，2009，26(6):4－8.(ZHANG Li-ping，CHEN Xiaofeng，ZHANG Xiao-lin，et al.Application of SWAT Model in Bailian River Valley Runoff Simulation［J］.Journal of Yangtze River Scientific Research Institute，2009，26(6):4－8.(in Chinese))

［5］吳 軍，張萬昌.SWAT徑流模擬及其對(duì)流域內(nèi)地形參數(shù)變化的響應(yīng)研究［J］.水土保持通報(bào)，2007，27(3):52－58.(WU Jun，ZHANG Wan-chang.Responses of Runoff Simulations to the Change in Topographic Parameters Based on SWAT Model［J］.Bulletin of Soil and Water Conservation，2007，27(3):52－58.(in Chinese))

［6］CHAPLOT V.Impact of DEM Mesh Size and Soil Map Scale on SWAT Runoff，Sediment，and NO3-N Loads Predictions［J］.Journal of Hydrology，2005，312(1－ 4):207－222.

［7］ROMANOWICZ A A，VANCLOOSTER M，ROUNSEVELL M，et al.Sensitivity of the SWAT Model to the Soil and Land Use Data Parametrisation:A Case Study in the Thyle Catchment，Belgium［J］.Ecological Modeling，2005，187(1):27－39.

［8］劉 徽，唐仲華.基于SWAT模型的巖溶地區(qū)地下水資源評(píng)價(jià)［J］.安徽農(nóng)業(yè)科學(xué)，2013，41(10):4559－1561.(LIU Hui，TANG Zhong-hua.Study on Groundwater Resources in Karst Region in SWAT Model［J］.Journal of Anhui Agricultural Science，2013，41(10):4559－1561.(in Chinese))

［9］薛天柱，馬 燦，魏國孝，等.甘肅梨園河流域SWAT徑流模擬與預(yù)報(bào)［J］.水資源與水工程學(xué)報(bào)，2011，22(4):61－ 65.(XUE Tian-zhu，MA Can，WEI Guo-xiao，et al.SWAT Runoff Simulation and Predictions in Liyuan River Basin of Gansu Province［J］.Journal of Water Resources＆Water Engineering，2011，22(4):61－ 65.(in Chinese))

［10］WU K S，JOHNSTON C A.Hydrologic Response to Climatic Variability in a Great Lakes Watershed:A Case Study with the SWAT Model［J］.Journal of Hydrology，2007，337(1－2):187－199.

［11］FICKLIN D L，LUO Y Z，LUEDELING E，et al.Cli-mate Change Sensitivity Assessment of a Highly Agricultural Watershed Using SWAT［J］.Journal of Hydrology，2009，374(1－2):16－29.

［12］王兆禮，沈 艷，宋立榮.基于SWAT模型的北江流域氣候變化的水文響應(yīng)［J］.安徽農(nóng)業(yè)科學(xué)，2012，40(34):16761－ 16764.(WANG Zhao-li，SHEN Yan，SONG Li-rong.Hydrologic Response of the Climatic Change Based on SWATModel in Beijiang River Basin［J］.Journal of Anhui Agricultural Science，2012，40(34):16761－16764.(in Chinese))

［13］SONG L R，ZHANG J Y.Hydrological Response to Climate Change in Beijiang River Basin Based on the SWAT Model［J］.Procedia Engineering，2012，28:241－245.

［14］CHEN X L，BAO S，LI H ，et al.LUCC Impact on Sediment Loads in Subtropical Rainy Areas［J］.Photogrammetric Engineering ＆ Remote Sensing， 2007，73(3):319－327.