劉 薇，王海軍，陳翠英

（山東省水文中心，濟南 250002）

青藏高原地區(qū)由于海拔過高氣候寒冷，被稱為地球第三級。由于獨特的氣候環(huán)境，水文循環(huán)條件復(fù)雜，冰川積雪融水廣泛參與到水文循環(huán)中［1-3］。對于高原山區(qū)的水文模擬，冰雪融水是難以回避的問題，一些主流的含有融雪模塊的水文模型包括：HBV模型，SRM模型，VIC模型，SWAT模型［4-7］。其中VIC模型和SWAT模型分布式水文模型，基于物理基礎(chǔ)，適用范圍廣。

SWAT 模型由于其適應(yīng)能力強，且能對流域水文過程進行分區(qū)處理，對水文規(guī)律的研究更為深入，而得到廣泛的應(yīng)用。竇小東等基于SWAT模型研究了氣候變化對大盈江流域徑流的影響［8］。鄭思遠等利用SWAT 模型在東苕溪上游區(qū)域研究了氮磷對環(huán)境的影響［9］。王磊等通過SWAT 模型研究了土地利用變化情景下對清水河徑流的影響［10］。王富強等使用SWAT 模型對賈魯河流域區(qū)域農(nóng)業(yè)干旱程度評價進行了研究［11］。SWAT模型由于耦合了眾多模塊，對流域各方面的模擬研究都有很強的適應(yīng)性［12，13］。且代碼開源，模型得到不斷的改進升級，使得模型更加適合全球用戶的個性需求。

SAWT 模型在全球得到廣泛的利用，但需要輸入較多的氣象數(shù)據(jù)來驅(qū)動模型，特別是在一些受地形和經(jīng)濟條件影響的區(qū)域，缺乏模型所需要輸入的氣象數(shù)據(jù)時，使得模型難以在該地區(qū)開展研究。由孟先勇，王浩等牽頭，中國水利水電科學(xué)研究院，中國氣象局國家氣象信息中心等單位合作開發(fā)的SWAT 模型中國大氣同化驅(qū)動數(shù)據(jù)集（CMADS）彌補了一些偏遠地區(qū)數(shù)據(jù)不足的缺陷，使SWAT 模型可以對中國一些偏遠地區(qū)的進行水文模擬［14-17］。該數(shù)據(jù)集基于世界各類再分析場及中國氣象局大氣同化系統(tǒng)（CLDAS）技術(shù)，利用數(shù)據(jù)循環(huán)嵌套、重采樣，模式推算及雙線性插值等多種技術(shù)手段而建立。且符合SWAT模型的輸入格式，使用方便。本文通過提取長江源區(qū)CMADS 數(shù)據(jù)，及利用傳統(tǒng)的氣象站數(shù)據(jù)利用SWAT模型在長江源區(qū)進行水文模擬，分析CMADS 數(shù)據(jù)在高寒山區(qū)的適用性。

1 研究區(qū)域概況

長江源區(qū)地處青海省東南部，是青藏高原的中心地區(qū)，面積達137 800 km2，平均海拔高程達4 500 m 左右，屬于典型的高海拔地區(qū)［18］。流域呈西高東低的地形結(jié)構(gòu)，其主源西支的沱沱河和南支的當曲，其源頭位于唐古拉山北麓，源頭以冰雪融水為主。長江源區(qū)主要以裸地和高原草地等地貌特征為主，其下游河谷地帶覆蓋有少量森林植被，也是人類的主要聚集地。2000年設(shè)立三江源國家級自然保護區(qū)后，源區(qū)內(nèi)的游牧得到有效控制，源區(qū)自然生態(tài)環(huán)境朝健康方向發(fā)展。長江源區(qū)多年平均降水只有450 mm 左右，且從下游向上游逐漸遞減，氣溫受地形影響，下游氣溫明顯要高于上游地區(qū)，多年平均氣溫在-1.7～5.5 °C 波動［19］。7、8月份流域氣溫最高，12-2月是氣溫最低的時期，流域上游覆蓋有常年無消融的凍土，流域無明顯的無霜期。流域內(nèi)氣象站分布雖然只有四個，但在上中下游都有分布，較能反映流域不同區(qū)域的氣候特征，在流域出口有記錄著整個源區(qū)出口流量的直門達水文，該站記錄的流量也是本次研究的對比數(shù)據(jù)［20］。流域地形及氣象水文站點分布如圖1所示。

圖1 長江源區(qū)地形及氣象水文站點分布Fig.1 Terrain，meteorological and hydrological sites distribution of the source region of the Yangtze River

2 數(shù)據(jù)的處理及建模

SWAT 模型建模所需要的數(shù)據(jù)較多，分為氣象驅(qū)動數(shù)據(jù)和地理空間數(shù)據(jù)兩大類。氣象數(shù)據(jù)由長江源區(qū)4 個氣象站提供，包括降水，最高最低氣溫數(shù)據(jù)，另外就是從CMADS 數(shù)據(jù)集中裁剪出來的長江源區(qū)氣象數(shù)據(jù)，該數(shù)據(jù)包括：日平均相對濕度（Relative-Humidity）、日累計降水量（Precipitation）、日平均太陽輻射（Solar radiation）、日最高、最低2 m 氣溫（Max and Min Temperature）、日平均10 m 風速（Wind）。地理空間數(shù)據(jù)包括DEM數(shù)據(jù)，土地利用數(shù)據(jù)，土壤數(shù)據(jù)。

2.1 氣象數(shù)據(jù)

利用長江源區(qū)4 個傳統(tǒng)氣象站數(shù)據(jù)建立的SWAT 模型驅(qū)動數(shù)據(jù)為文本格式，包括日最高最低氣溫及日降水量，對缺失數(shù)據(jù)進行插補處理，保證數(shù)據(jù)較高質(zhì)量。CMADS數(shù)據(jù)集通過寒區(qū)旱區(qū)科學(xué)數(shù)據(jù)中心（http：//westdc.westgis.ac.cn）下載。整個數(shù)據(jù)集覆蓋范圍在60°～160°E，0°～65°N 之間，將整個中國地區(qū)都覆蓋在內(nèi)，數(shù)據(jù)集較為龐大。該數(shù)據(jù)集已經(jīng)有發(fā)行了4個版本，本次研究利用的CMADS V1.1 版本，該數(shù)據(jù)集的空間分辨率為0.25°×0.25°，時間跨度為2008年到2016年。CMADS 數(shù)據(jù)中氣溫、氣壓、比濕、風速驅(qū)動數(shù)據(jù)采用了2421個國家級自動站和業(yè)務(wù)考核的39 439 個區(qū)域自動站，2008年1月以來地面基本氣象要素逐小時觀測數(shù)據(jù)以及相應(yīng)時期的臺站信息（臺站經(jīng)緯度、海拔高度）。利用多重網(wǎng)格三維變分方法（STMAS），在NCEP/GFS 背景場基礎(chǔ)上制作地面基本要素分析場。其中，中國區(qū)域以外，只對NCEP/GFS 背景數(shù)據(jù)做地形調(diào)整、變量診斷并插值到分析格點；中國區(qū)域以內(nèi)，利用STMAS 算法，將經(jīng)過前處理的NCEP/GFS 背景數(shù)據(jù)和自動站觀測融合，并與中國區(qū)域以外的數(shù)據(jù)進行拼接。通過ArcGIS提取長江源區(qū)范圍內(nèi)的所有站點的CMADS數(shù)據(jù)，由于該數(shù)據(jù)集不需要進行數(shù)據(jù)格式轉(zhuǎn)化，可以直接被SWAT模型利用。長江源區(qū)CMADS數(shù)據(jù)點集如圖2所示。

圖2 長江源區(qū)CMADS點數(shù)據(jù)集Fig.2 Point CMADS data set of the source region of the Yangtze River

2.2 空間數(shù)據(jù)

SWAT 模型屬于分布式水文模型，其建模需要流域下墊面數(shù)據(jù)，其中包括：數(shù)字高程數(shù)據(jù)（DEM），該數(shù)據(jù)主要用來進行子流域劃分，及確定流域河道；另外兩個地理空間數(shù)據(jù)為土地利用數(shù)據(jù)和土壤數(shù)據(jù)，兩數(shù)據(jù)結(jié)合來確定水文響應(yīng)單元（HRU），同一水文響應(yīng)單元內(nèi)進行一致的水文計算。其中DEM 數(shù)據(jù)通過USGS（United States Geological Survey）下載90 m 分辨率的SRTM（Shuttle Radar Topography Mission）DEM 數(shù)據(jù)；土地利用數(shù)據(jù)通過中國科學(xué)院地理科學(xué)與資源研究所資源環(huán)境數(shù)據(jù)云平臺下載青海省2015年土地利用數(shù)據(jù)。該土地利用數(shù)據(jù)將土地利用類型分為耕地、林地、草地、水域、居民地和未利用土地6個一級類型以及25 個二級類型。土壤數(shù)據(jù)來自世界土壤數(shù)據(jù)庫（Harmonized World Soil Database version 1.2），通過黑河計劃數(shù)據(jù)管理中心（http：//westdc.westgis.ac.cn）獲取，需要用戶根據(jù)研究區(qū)土壤信息建立用戶自己的土壤數(shù)據(jù)庫，本次研究的長江源區(qū)由于自然環(huán)境惡劣，土壤發(fā)育程度淺，主要是冰川土，將源區(qū)土壤類型重新分為5類。由于需要計算流域面積及SWAT 模型要求數(shù)據(jù)具有投影坐標系，將三類空間數(shù)據(jù)統(tǒng)一投影到Albers WGS_1984坐標系中。土地利用數(shù)據(jù)及土壤數(shù)據(jù)如圖3所示。

圖3 長江源區(qū)土地利用和土壤類型圖Fig.3 Land use and soil types of the source region of the Yangtze River

2.3 SWAT模型

SWAT（Soil and Water Assessment Tool）模型是一個典型的分布式水文模型，它以日為時間步長，采用離散化的方式描述流域內(nèi)水文要素等參數(shù)的空間差異，可以模擬大流域的徑流、泥沙和營養(yǎng)物質(zhì)等的輸移，也可以預(yù)測人類活動對水、沙、農(nóng)業(yè)、化學(xué)物質(zhì)的長期影響。由于SWAT模型物理基礎(chǔ)強、模塊結(jié)構(gòu)清晰、計算高效、具有友好的用戶界面并將空間數(shù)據(jù)集成于ArcGIS 中進行處理，功能強大，使用方便，在世界范圍內(nèi)得到廣泛應(yīng)用和發(fā)展。

SWAT 模型由701 個方程和1 013 個中間變量組成，是一個具有很強物理機制的長時段流域水文模型，在水文模擬中不僅考慮了氣象、水文、生物等自然過程，而且考慮了城市擴張、農(nóng)業(yè)種植、土地利用變化等人為影響。其模擬的流域水文過程可以分為子流域模塊和演算模塊兩個部分。子流域模塊即產(chǎn)流和坡面匯流部分，控制每個子流域內(nèi)主河道的徑流、泥沙、營養(yǎng)物質(zhì)等的輸入量；演算模塊即河道匯流部分，決定徑流、泥沙等物質(zhì)從河網(wǎng)向流域出口的輸移運動。整個水分循環(huán)遵循水量平衡原理，具體計算公式為：

式中：swt表示t時刻的土壤含水量，mm；sw0表示初始時刻的土壤含水量，mm；Rday表示第i天的降水量，mm；Qsurf表示第i天的地表徑流量，mm；Ea表示第i天的蒸散量，mm；Wseep表示第i天土壤測流量，mm；Qgw表示第i天的地下水徑流量，mm。

利用氣象數(shù)據(jù)，空間數(shù)據(jù)，構(gòu)建長江源區(qū)SWAT 模型，并對源區(qū)日徑流量進行模擬。

3 結(jié)果分析

3.1 評價標準

本研究采用月模擬徑流與實測徑流的相對誤差Re、相關(guān)系數(shù)R2和Nash-Sutcliffe 效率系數(shù)NS三個目標函數(shù)來表征模型的模擬效率，其計算公式如下：

3.2 率定期和驗證期模擬結(jié)果

首先對長江源區(qū)建立的SWAT 模型進行率定，率定采用實測氣象站插值數(shù)據(jù)進行，率定采用SWAT-CUP 中的Sufi-2 算法。由于只對長江源區(qū)的徑流進行模擬，所以只選擇了與產(chǎn)匯流有關(guān)的參數(shù)。參數(shù)率定結(jié)果及敏感性如表1所示。

表1 SWAT模型參數(shù)率定結(jié)果表Tab.1 The parameters calibration results of the SWAT model

以2008年作為模型的預(yù)熱期，2009-2013年作為模型的率定期，2014-2016年作為模型驗證期。率定期和驗證期模型模擬效果指標如表2所示。率定期納什效率系數(shù)為0.682，驗證期效果略差，納什效率系數(shù)為0.615。率定期模擬的徑流量將實測徑流量相對誤差較大，相對誤差為12.322%，驗證期相對誤差較少為7.105%。率定期相關(guān)系數(shù)為0.788，驗證期相關(guān)系數(shù)為0.692。整體來說SWAT 模型能夠模擬出長江源區(qū)徑流過程，但模擬效果一般，不是太高。

表2 長江源區(qū)率定期和驗證期統(tǒng)計結(jié)果表Tab.2 Statics results of calibration and validation period in the source region of the Yangtze River

圖4 為模擬徑流與實測徑流過程，從圖中可以看出模擬徑流與實測徑流變化基本一致，長江源區(qū)實測徑流洪峰時期，徑流呈陡漲陡落現(xiàn)象明顯，且呈現(xiàn)多峰徑流過程，這也造成了模型對徑流模擬的難度。模型對水文過程的模擬除了與輸入變量的質(zhì)量有關(guān)外還與模型自身對水文過程的處理概化能力有關(guān)。整體來說SWAT模型還是能夠模擬出長江源區(qū)徑流過程。

圖4 率定期和驗證期長江源區(qū)徑流過程對比Fig.4 Comparison of calibration and validation period runoff process in the source region of the Yangtze River

3.3 CMADS數(shù)據(jù)模擬結(jié)果

圖5 為CMADS 數(shù)據(jù)驅(qū)動下和4 個實測氣象站驅(qū)動下的徑流過程比較。從圖5 中可以看出4 個氣象站數(shù)據(jù)驅(qū)動下模擬的徑流過程與實測徑流過程更為接近，而CMADS 數(shù)據(jù)驅(qū)動下模擬的徑流量偏少。模擬徑流與實測徑流變化趨勢基本一致。從表3 的統(tǒng)計指標來看4 氣象站數(shù)據(jù)驅(qū)動下模擬的徑流（2009-2016）納什效率系數(shù)為0.633，而利用CMADS數(shù)據(jù)驅(qū)動下模擬的徑流（2009-2016）納什效率系數(shù)為0.447。CMDAS 數(shù)據(jù)驅(qū)動下模擬的徑流量偏少，相對誤差系數(shù)達-30.417%，相關(guān)系數(shù)也不是很高，只有0.521。3個評價指標顯示CMADS數(shù)據(jù)對SWAT模型模擬長江源區(qū)徑流過程還是比較差的，有待改進和調(diào)整。

表3 徑流模擬結(jié)果統(tǒng)計分析Tab.3 Statics of simulated runoff

圖5 CMADS數(shù)據(jù)與4氣象站數(shù)據(jù)驅(qū)動下模擬徑流對比Fig.5 Runoff comparison driven by CMADS and four meteorological stations data

3.4 CMADS降水氣溫與實測站點對比

按照最近距離法找出與4個氣象站最為接近的4個CMADS數(shù)據(jù)點（圖2）。將實測降水氣溫數(shù)據(jù)（2008-2016）與CMADS 點數(shù)據(jù)的降水氣溫進行對比分析。圖6 為4 個氣象站實測降水與CMADS點降水進行比較，整體來說降水大小和降水集中時間兩者間趨于一致。從表4 的統(tǒng)計結(jié)果看，除了與玉樹站接近的133～149 點降水比實測多外，其他3 個CMADS 數(shù)據(jù)點的降水量都少于實測降水。納什效率系數(shù)和相關(guān)系數(shù)都比較差，表明CMADS降水數(shù)據(jù)與實測降水過程還是存在較大的差異。

表4 實測降水與CMADS點降水統(tǒng)計分析Tab.4 Statics of measured and CMADS point precipitation

圖6 實測降水與CMADS點降水比較Fig.6 Comparation between measured and CMADS points precipitation

圖7 顯示了4 個氣象站記錄的實測日最高最低氣溫與CMADS點最高最低氣溫的過程圖。從圖中可以看出CMADS點最高最低氣溫與實測最高最低氣溫變化趨勢基本一致，個別年份出現(xiàn)明顯偏大偏小現(xiàn)象。表5 為兩者的統(tǒng)計結(jié)果，從表5 的相對誤差來看，玉樹站與133～149 點間最高最低氣溫都差距較大，CMADS 點最高氣溫都較實測偏低，最低氣溫與實測最低氣溫相差較小，除了玉樹站。CMADS點氣溫與氣象站實測氣溫的相關(guān)系數(shù)和納什系數(shù)都較高，滿足一定的精度水平。整體來說CMADS數(shù)據(jù)在長江源區(qū)的降水數(shù)據(jù)與實測數(shù)據(jù)偏差過大，而氣溫數(shù)據(jù)精度較高。

表5 實測氣溫與CMADS點氣溫統(tǒng)計分析Tab.5 Statics of measured and CMADS point temperature

圖7 實測氣溫與CMADS點氣溫比較Fig.7 Comparation between measured and CMADS point temperature

4 結(jié) 論

本文通過構(gòu)建長江源區(qū)SWAT模型，來驗證CMADS數(shù)據(jù)在長江源區(qū)的適用性，及分析了數(shù)據(jù)中降水氣溫與實測降水氣溫間的差異，具體結(jié)論如下。

（1）SWAT模型在長江源區(qū)具有一定的適用性，率定期納什效率系數(shù)為0.682，驗證期納什效率系數(shù)為0.615。CMADS 數(shù)據(jù)在長江源區(qū)適用性較差，整體的納什效率系數(shù)為0.447，模擬的徑流量偏少。

（2）CMADS 降水數(shù)據(jù)與站點實測降水數(shù)據(jù)相差較大，相關(guān)系數(shù)和納什效率系數(shù)都較低；CMADS氣溫數(shù)據(jù)與站點實測氣溫數(shù)據(jù)較為接近，相關(guān)系數(shù)和納什效率系數(shù)都有著較高水平。

（3）整體來說CMADS 數(shù)據(jù)在長江源區(qū)的適應(yīng)性偏差，這主要是由于數(shù)據(jù)的降水值與實測差距偏大有關(guān)，且由于長江源區(qū)為高原高寒山區(qū)，水文氣候條件復(fù)雜，也會影響水文模擬精度。CMADS數(shù)據(jù)是插值數(shù)據(jù)，難以避免會減少缺乏實測氣象站點地區(qū)數(shù)據(jù)的精度。 □