蔣夢瑤，王水獻(xiàn)，趙志剛

(蘭州大學(xué)資源環(huán)境學(xué)院，甘肅 蘭州 730000)

SWAT模型作為最有前景的流域分布式水循環(huán)模擬方式，在近30年來得到了廣泛利用，主要包括節(jié)水灌溉[1]、土壤侵蝕模擬[2]、水循環(huán)模擬[3]和徑流模擬等[4]。但研究大多集中在地勢顯著的山區(qū)，受人為因素干擾較少，模型建立多是利用 DEM-based 方法，該方法以山谷線作為匯流途徑，并以分水嶺作為子區(qū)邊界將研究區(qū)離散化為若干水系和子區(qū)，而對受人類活動(dòng)影響顯著的平原灌區(qū)的研究相對較少。近年來，新疆節(jié)水灌溉工程的不斷深入，對流域水文產(chǎn)生了復(fù)雜的影響，因此本文針對干旱綠洲灌區(qū)的水文特點(diǎn)建立分布式水文模型，研究了新疆焉耆盆地水循環(huán)要素的變化并對未來氣候變化下的徑流進(jìn)行了預(yù)測。

本文利用穩(wěn)定性較高的ArcGIS10.2.2 軟件處理DEM數(shù)據(jù)、土地利用數(shù)據(jù)、土壤數(shù)據(jù)和天氣發(fā)生器，并應(yīng)用SPAW軟件計(jì)算出相應(yīng)的土壤參數(shù)，繼而創(chuàng)建了土壤數(shù)據(jù)庫?；谘申扰璧貙?shí)際灌區(qū)劃分和水系特征自定義了河網(wǎng)水系及子區(qū)(包括五大灌區(qū)和博斯騰湖)，然后根據(jù)上述數(shù)據(jù)和坡度劃分為不同的水文相應(yīng)單元，同時(shí)將焉耆盆地的主要補(bǔ)給河流，開都河和黃水溝概化為點(diǎn)源，構(gòu)建了灌區(qū)長時(shí)間尺度的SWAT 模型。

1 研究區(qū)概況

焉耆盆地位于中國西北部的新疆維吾爾自治區(qū)(圖1)，地理坐標(biāo)為41°23′N～43°31′N,86°39′E～88°20′E，包括焉耆縣、和靜縣、和碩縣、博湖縣和8個(gè)兵團(tuán)，盆地內(nèi)的焉耆水文站作為徑流模擬站點(diǎn)，其土地總面積1.32×106hm2，其中綠洲平原區(qū)面積占43.08%[5]。平均高程約為1 050～1 200 m，其地勢西高東低，北高南低，低處為中國最大的內(nèi)陸淡水湖——博斯騰湖，總體表現(xiàn)為四周向盆地傾斜的地貌形態(tài)。灌區(qū)屬于暖溫帶大陸性干旱氣候，月最低溫-31.93℃，月平均最高溫度38.93℃；多年平均氣溫5.6℃；年降雨量約為50～80 mm，且年內(nèi)分配不均，年際變化大；年蒸發(fā)量約為2 000～2 450 mm，相對濕度50%～60%。

圖1 焉耆盆地地理位置

研究區(qū)灌溉農(nóng)業(yè)發(fā)達(dá)，自1950年以來，灌溉引水量增加了3倍以上，是新疆重要的綠洲農(nóng)業(yè)生產(chǎn)區(qū)。盆地內(nèi)的開都河是研究區(qū)最大的河流，流域總面積2.2×106hm2，也是干旱平原灌區(qū)最主要的地表水補(bǔ)給來源，多年平均徑流量為36.4×108m3,是唯一常年補(bǔ)給博斯騰湖的河流[6]。黃水溝是焉耆盆地第二大入湖河流，其多年平均徑流量2.88×108m3。清水河是研究區(qū)第三大河流，河長60.2 km，主要是一條以冰雪融水、降水及地下水混合補(bǔ)給的河流，主要用于灌溉[7]。

2 SWAT模型構(gòu)建

2.1 數(shù)據(jù)準(zhǔn)備

美國農(nóng)業(yè)部于1994年開發(fā)了SWAT模型，作為具有強(qiáng)物理機(jī)制的流域分布式水文模型[8]，首先根據(jù)流域地形數(shù)據(jù)、河網(wǎng)水系分布等特征將研究區(qū)劃分若干子流域，再進(jìn)一步根據(jù)土地覆蓋、土壤類型以及坡度閾值劃分水文響應(yīng)單元(HRUs)。本文選擇 WGS 1984 UTM Zone 45N 為統(tǒng)一坐標(biāo)系進(jìn)行空間數(shù)據(jù)處理。依據(jù)表1所示的數(shù)據(jù)建立空間數(shù)據(jù)庫和屬性數(shù)據(jù)庫。

表1 SWAT模型所需數(shù)據(jù)

30 m精度的SRTM_DEM地形數(shù)據(jù)來自中國科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心地理空間數(shù)據(jù)云平臺。在ArcGIS10.2中對數(shù)據(jù)進(jìn)行提取，拼接、裁剪、投影變換和掩膜等處理，生成焉耆盆地SWAT模型所需要的DEM，見圖2。

圖2 研究區(qū)30 m精度DEM

本文基于遙感數(shù)據(jù)獲得了盆地2015年的土地利用數(shù)據(jù)，然后根據(jù)美國土地利用分類特點(diǎn)將其進(jìn)行重分類為耕地、林地、草地、水域、城鎮(zhèn)居民建設(shè)用地、沙地和沼澤7類，具體見表2，得到的研究區(qū)土地利用數(shù)據(jù)見圖3，由圖表可知盆地內(nèi)的土地利用方式主要為耕地，占總面積的35.94%。

圖3 焉耆盆地土地利用重分類

表2 研究區(qū)土地利用重分類表

土壤類型分布圖、土壤類型索引表、土壤參數(shù)均為SWAT模型所需要的土壤數(shù)據(jù)。本研究通過對比美國土壤數(shù)據(jù)，利用SPAW 軟件的 SWC 模塊計(jì)算相關(guān)土壤數(shù)據(jù)庫參數(shù)，最后用已獲取的土壤物理屬性數(shù)據(jù)對SWAT自帶的usersoil數(shù)據(jù)庫進(jìn)行修改，從而將研究區(qū)的土壤數(shù)據(jù)進(jìn)行分類，實(shí)現(xiàn)屬性的賦值，見圖4。

圖4 灌區(qū)土壤重分類

氣象數(shù)據(jù)對水文循環(huán)有重要的影響，SWAT模型中天氣發(fā)生器構(gòu)建所需要的降雨量、太陽輻射、溫度、風(fēng)速和相對濕度的數(shù)據(jù)為日尺度數(shù)據(jù)。本研究選取研究區(qū)的氣象站點(diǎn)為焉耆、和靜以及和碩氣象站，其逐日氣象資料序列為1955—2017年。本文依據(jù)模型需求將這些日觀測數(shù)據(jù)以 DBF 的格式進(jìn)行保存，以供模型調(diào)用。

2.2 子流域劃分

焉耆盆地屬于典型的干旱綠洲平原灌區(qū)，空間離散化是構(gòu)建SWAT模型的難點(diǎn)問題[9]，本文根據(jù)灌溉區(qū)域和盆地內(nèi)河流將研究區(qū)劃分為6個(gè)子流域和水系，并通過 Pre-defined 操作導(dǎo)入 SWAT，然后在Watershed Delineation對話框中手動(dòng)添加開都河和黃水溝這兩大水系的點(diǎn)源，最終生成的子區(qū)劃分見圖5。

圖5 焉耆盆地自定義流域水系

水文響應(yīng)單元HRU是SWAT模型流域水文計(jì)算的最小單元，表示子流域內(nèi)具有相一致的土地利用類型、土壤類型和坡度等級的區(qū)域。在HRU Analysis菜單下逐一定義土地利用數(shù)據(jù)集，重分類土地利用圖，定義土壤數(shù)據(jù)集，重分類土壤圖，重分類坡度圖并疊置土地利用、土壤及坡度圖。最終焉耆盆地被劃分為53個(gè)水文響應(yīng)單元(HRU)。

2.3 天氣發(fā)生器與數(shù)據(jù)庫創(chuàng)建

HRU分布確定之后，運(yùn)用ArcSWAT工具欄中的Write Input Tables菜單項(xiàng)輸入用于焉耆盆地干旱平原灌區(qū)模擬的氣象數(shù)據(jù)。SWAT運(yùn)行之前，必須定義初始流域值，因此氣象資料加載成功之后，可激活Write All命令創(chuàng)建所有默認(rèn)數(shù)據(jù)庫文件。其中主要包括流域配置文件(.gig)、土壤輸入文件(.sol)、天氣發(fā)生器文件(.wgn)、子流域輸入文件(.sub)、水文響應(yīng)單元文件(.hru)、主河道輸入文件(.rtc)以及管理方式輸入文件(.mgt)等。

2.4 點(diǎn)源排放和灌溉管理

開都河和黃水溝是焉耆盆地的主要徑流來源，本節(jié)將焉耆盆地開都河和黃水溝1955—2017年的多年平均徑流數(shù)據(jù)導(dǎo)入了SWAT模型點(diǎn)源編輯對話框。

焉耆盆地內(nèi)主要種植作物為玉米、小麥、薯類和棉花，受人類活動(dòng)的劇烈影響，具體表現(xiàn)為灌區(qū)內(nèi)的地下水在灌溉農(nóng)業(yè)中的作用日益凸顯，井灌比例從2000年的15%上升為2017年的46.7%。本文將博斯騰大湖和小湖在管理模塊分別概化為Water和Wetlands-Forested，其他子區(qū)內(nèi)的耕地(AGRL)概化為Agricultural Land-Generic，其他土地利用類型采用模型默認(rèn)操作。然后依據(jù)焉耆盆地75%保證率下的平均灌溉定額將春灌、夏灌和冬灌的凈灌溉水量分別設(shè)為96、180、98 mm，其中春灌時(shí)間為1月30日到5月10日，夏灌時(shí)間為5月20日到8月20日，冬灌時(shí)間為10月20日到來年的2月5日。根據(jù)表3、4所示的灌區(qū) 1955—2017 年灌溉數(shù)據(jù)(田間灌溉水量及井灌水量)對管理方式文件(.mgt)進(jìn)行了編輯。當(dāng)上述所有數(shù)據(jù)編輯完之后，運(yùn)行該SWAT模型。

表3 焉耆盆地灌溉情況

表4 焉耆盆地1955—2017灌溉數(shù)據(jù)

3 參數(shù)率定和驗(yàn)證

3.1 參數(shù)敏感性分析

參數(shù)敏感性分析是SWAT模型率定與驗(yàn)證的前提與基礎(chǔ)[7]。衡量模型敏感性的指標(biāo)有2個(gè)：即P-Value和t-Stat，其P指標(biāo)值越接近于0越敏感，t指標(biāo)值絕對值越大越敏感。本文通過SWAT-CUP模型的SUFI-2算法自動(dòng)率定最終獲得11個(gè)參數(shù)的敏感性排序，見圖6。部分敏感性較大的參數(shù)具體如下：SCS曲線數(shù)是土壤滲透性、土地利用和前期土壤水分條件的函數(shù)，在具有城鎮(zhèn)區(qū)的HRU中，模型將調(diào)解曲線系數(shù)來反映不透水區(qū)的影響；ALPHA_BN為河岸調(diào)蓄的基流因子，其值介于0～1，平緩?fù)怂闹荡?接近于1)，急劇退水的值小(接近于0)；ESCO.hru為土壤蒸發(fā)補(bǔ)償因子，ESCO值介于0.01～1.00之間，隨著該參數(shù)值的減小，模型可以從下層獲得更多的蒸發(fā)需水量。

圖6 SWAT模型參數(shù)敏感性分析及率定終值

3.2 模型參數(shù)率定和驗(yàn)證

本研究采用序貫不確定度擬合(SUFI-2)算法對模型進(jìn)行率定，此算法運(yùn)算效率高，運(yùn)行次數(shù)少，其模擬結(jié)果盡可能多的包含觀測數(shù)據(jù)，達(dá)到了減小誤差的目的[10-11]。將1955—2017 年模擬期的前3年作為預(yù)熱期，1958—1990年作為模擬的參數(shù)率定期，1991—2017 年作為模擬的驗(yàn)證期。根據(jù)對應(yīng)的修改方式設(shè)定參數(shù)初始范圍，經(jīng)過多次迭代(每次迭代次數(shù)設(shè)置為 500 次)逐步滿足評價(jià)指標(biāo)，得到參數(shù)率定結(jié)果，見圖6。其焉耆水文站率定期和驗(yàn)證期的月模擬值和月實(shí)測值見圖7。由圖可知，其模擬徑流趨勢與實(shí)測趨勢基本吻合，置信度較高，所建立的SWAT分布式模型較好地揭示了焉耆盆地的水文特征。

a)率定期

本研究評價(jià)標(biāo)準(zhǔn)采用相對誤差Re、皮爾遜相關(guān)系數(shù)R2以及納什系數(shù)NSE來評價(jià)模擬精度，具體計(jì)算公式為：

(1)

(2)

(3)

式中qobs——徑流實(shí)測值；qsim——徑流模擬值。

相對誤差|Re|<10時(shí)，模型被評價(jià)為效果很好；R2越接近于1吻合度就越高；NSE取值為0～1，當(dāng)大于0.54被認(rèn)為是可接受的范圍，越接近于1適用性越好[7]。

由表5的評價(jià)結(jié)果見可知，本文根據(jù)以焉耆盆地為代表的干旱綠洲灌區(qū)獨(dú)特的水文氣象要素以及人為灌溉影響因素建立的分布式SWAT模型，具有很好的適用性，對以農(nóng)業(yè)灌溉為主的干旱平原水資源研究提供了重要的手段依據(jù)。

表5 焉耆水文站年徑流模擬結(jié)果評價(jià)

3.3 模擬結(jié)果分析

3.3.1流域蒸散發(fā)分析

SWAT 模型最常用Penman-Monteith 方法計(jì)算蒸散發(fā)過程，其主要包括土壤水蒸發(fā)、植物散發(fā)等，其實(shí)際蒸散量(ET)依據(jù)潛在蒸散量(PET)來計(jì)算[12]。圖8為焉耆盆地SWAT模型中2000—2017年的蒸散量和降水量的統(tǒng)計(jì)及對比，由此可知該干旱灌區(qū)月際的潛在蒸散量與實(shí)際蒸散量變化趨勢一致，月際間的實(shí)際蒸散量范圍為18.07～380.09 mm，潛在蒸散量范圍為39.22～507.22 mm，多年平均月降水量范圍為0.93～12.23 mm。月際間的蒸散量變化大，整年中的蒸散量主要集中在夏季，整年蒸散量的60.4%左右。

圖8 焉耆盆地逐月降水量和蒸散發(fā)量模擬結(jié)果

3.3.2河道徑流量分析

焉耆盆地降水量少，蒸發(fā)強(qiáng)度大，因此對主河道總徑流貢獻(xiàn)最大的主要是上游開都河的來水量，占88.96%；其次是地表、地下徑流對主河道總徑流的貢獻(xiàn)量，分別占1.02%和10.02%。本節(jié)采用率定后的 SWAT 模型進(jìn)行2000—2017年序列的年徑流模擬。從圖9中可以看出月地表徑流對主河道總徑流量的貢獻(xiàn)量為0～3.73 mm，月地下徑流對主河道總徑流量的貢獻(xiàn)量為0.62～30.32 mm，地表、地下徑流對主河道總徑流量的貢獻(xiàn)范圍為1.40～32.89 mm。

圖9 焉耆盆地逐月主河道徑流的貢獻(xiàn)量模擬結(jié)果

4 模型應(yīng)用

4.1 情景設(shè)置

開都河作為焉耆盆地的主要徑流補(bǔ)給來源，受氣候變化的顯著影響。本文根據(jù)顧海敏等[13]的研究設(shè)置開都河年徑流量情景1(23.49×108m3)和情景2(43.46×108m3)，其對應(yīng)的氣候情景分別為T=T+2℃，P=P(1-20%)和T=T+2℃，P=P(1+20%)。

全球氣候模式是研究氣候變化機(jī)理和預(yù)測未來氣候變化的重要工具，國際耦合模式比較計(jì)劃 CMIP5(The Fifth Phase of Coupled Model Intercomparison Project)提出了名為“典型濃度路徑”的新的未來氣候變化發(fā)展情景(Representative Concentration Pathways,RCPs)，該情景提出了RCP2.6、RCP4.5、RCP6.0以及RCP8.5 4種未來溫室氣體排放情景[7,14]。RCP4.5(中等排放情景)和RCP8.5(高排放情景)是2種新的未來氣候變化情景，這兩種排放模式均假設(shè)到2100年，其中RCP4.5情景輻射強(qiáng)度高達(dá)4.5 W/m2，溫度上升范圍為2.4～5.5℃，CO2濃度上升至540 ppm；RCP8.5情景溫度升高范圍為4.6～10.3℃，CO2濃度上升至940 ppm[15]。本文分別在RCP4.5情景和RCP8.5情景下對經(jīng)過驗(yàn)證的SWAT模型進(jìn)行模擬預(yù)測至2100年，對應(yīng)的開都河流兩分別為情景1、2。

4.2 結(jié)果分析

不同氣候情景下的年徑流預(yù)測值見圖10，RCP4.5情景下年徑流均值為22.09×108m3，較現(xiàn)狀年(1955—2017年)減少了19.05%；RCP8.5情景下年徑流均值為34.53×108m3，較現(xiàn)狀年增加了26.53%?？傮w而言，開都河流量為43.46×108m3時(shí)的RCP8.5氣候情景下，預(yù)測的徑流量較大。

圖10 不同氣候情景下的年徑流預(yù)測

5 結(jié)論

本文構(gòu)建了干旱平原灌區(qū)SWAT模型所需的空間數(shù)據(jù)庫和屬性數(shù)據(jù)庫，并首次建立了焉耆盆地的SWAT模型，采用焉耆水文站1955—2017年的徑流數(shù)據(jù)，基于提升模擬效果的自動(dòng)率定 SUFI-2 算法進(jìn)行率定和驗(yàn)證，并利用Re、R2、Ens3個(gè)評價(jià)指標(biāo)驗(yàn)證模型的適應(yīng)性。預(yù)測了未來氣候情景下的徑流變化，認(rèn)為開都河流域的降水變化對盆地內(nèi)徑流的影響較大，即開都河降水量增加20%，溫度升高2℃時(shí)，RCP8.5情景下的焉耆盆地徑流量在較現(xiàn)狀年增加了26.53%。因此，未來氣候變暖趨勢下，降雨量會(huì)成為影響盆地內(nèi)徑流量的主要因素，即溫度相同，開都河降雨量增加20%時(shí)，盆地內(nèi)模擬的徑流量相較于降雨量減少20%時(shí)增加了45.58%。

SWAT 模型與氣象預(yù)報(bào)數(shù)據(jù)相結(jié)合，可進(jìn)行焉耆盆地徑流過程預(yù)報(bào)，但對于未來氣候系統(tǒng)的復(fù)雜性、參數(shù)的不確定性以及敏感性參數(shù)對模擬影響的貢獻(xiàn)等問題還需要進(jìn)一步研討。同時(shí)，應(yīng)該依據(jù)徑流趨勢的預(yù)測規(guī)劃徑流控制方案，有待進(jìn)一步研究。