鐘小敏, 鐘科元, 高怡婷, 李煜連, 涂 浙, 黃 莉, 帥 紅,2

(1.湖南師范大學 地理科學學院, 長沙 410081; 2.湖南師范大學 地理空間大數(shù)據(jù)挖掘與應用湖南省重點實驗室, 長沙 410081; 3.贛南師范大學 地理與環(huán)境工程學院, 江西 贛州 341000; 4.中國科學院大學 西北生態(tài)環(huán)境資源研究院, 蘭州 730000)

在人類活動與氣候變化的共同影響下，土地利用/覆被變化及其水文效應成為研究熱點[1-2]。合理評價土地利用變化對水文過程的影響對流域水土資源合理利用具有重要意義[3]。分布式水文模型因其較強的物理機理，通過計算單元劃分反映流域下墊面及水文要素的空間異質性[4]，能模擬流域不同下墊面特征下的水沙過程，近年來已被廣泛應用于土地利用變化的水文效應研究[5-6]。分布式水文模型根據(jù)流域內地形、土壤和土地利用等空間分布將流域劃分為一定數(shù)量的計算單元，計算單元內地形、土壤和土地利用具有一致性，通過這些單元求解模型方程，以此來預測流域響應。然而地形、土壤和土地利用等輸入數(shù)據(jù)的分辨率往往小于這些計算單元的空間分辨率[7]，以致每個計算單元的參數(shù)值計算會存在某種程度的集總，模型通過對輸入數(shù)據(jù)進行空間集總來實現(xiàn)流域離散化，而輸入數(shù)據(jù)集總程度對模擬結果具有一定的影響[8]。因此，分析水文模型計算單元劃分導致的流域離散化對模擬結果的影響，對減少模擬不確定性、構建高精度的水文模型具有重要意義。

在分布式水文模型發(fā)展初期，一些研究已經(jīng)注意到了計算單元劃分引起的流域離散化對模擬結果的影響[9-10]。部分學者對分布式水文模型計算單元劃分引起的下墊面空間聚合對流域產(chǎn)流產(chǎn)沙過程的影響開展研究[11-12]，普遍認為子流域劃分對徑流的影響比較小[13-14]，對泥沙的影響比較大[15-16]。張雪松等[17]發(fā)現(xiàn)子流域劃分通過改變CN值的空間集總程度，從而影響流域產(chǎn)流量，同時通過改變水文響應單元數(shù)量和面積以及通用土壤流失方程中各因子參數(shù)值的統(tǒng)計值，對流域產(chǎn)沙量造成影響。Chen等[18]從模型機理角度分析了SWAT模型子流域劃分對模擬結果的影響，認為徑流量和輸沙量受輸入?yún)?shù)空間集總與模型結構兩個因素的共同影響。鐘科元等[19]在桃溪流域進行AnnAGNPS模擬分析發(fā)現(xiàn)土壤/土地利用參數(shù)空間聚合主要通過改變土壤侵蝕因子和地表覆被與作物栽培管理因子等參數(shù)的取值與空間分布，從而導致年平均輸沙量減少。

綜上所述，子流域劃分引起的空間離散化主要分為地形、土壤和土地利用要素的空間離散化，子流域劃分方案通過影響這3種下墊面要素，進而影響模擬結果。模型對下墊面屬性刻畫的準確性是影響模型不確定性的重要因素，已有研究主要關注子流域劃分引起的下墊面空間離散化對模擬結果的綜合影響，缺乏探討土地利用、土壤和地形空間離散化分別對水文過程的影響。同時，研究表明東江源是廣州和香港地區(qū)3 000多萬居民的主要飲水源，然而大規(guī)模的礦山開采導致植被受到大面積破壞[20]，鑒于此，本文以東江源流域水背水文站以上流域為研究區(qū)，構建流域日尺度產(chǎn)流產(chǎn)沙SWAT模型，通過設置11種情景，輸入單一地形和土壤數(shù)據(jù)，以揭示SWAT模型子流域劃分引起的土地利用空間離散化對流域產(chǎn)流產(chǎn)沙過程的影響，研究結果為減少模型的不確定性、確定最優(yōu)計算單元提供科學參考。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

本文以江西省境內東江源頭水背水文站(24°47′56″N，115°40′40″E)以上流域(以下稱東江源流域)為研究區(qū)(圖1)，流域發(fā)源于江西省尋烏縣椏髻缽山[21]，流域控制面積為904.4 km2。東江源是深圳、廣州以及香港等地3 000多萬人的主要飲用水來源，該水源的安全與東江流域、珠三角流域經(jīng)濟的繁榮穩(wěn)定密切相關[20]。研究區(qū)地形以山地和丘陵為主，地勢北高南低，海拔在179～1 488 m。土地利用類型主要有林地、草地、耕地、建設用地和水域等，其中以林地最為典型，占總面積的82.52%，土壤類型主要有泥紅壤、黃壤、石質土、滲育質水稻土等，其中以泥紅壤為主，占總面積的80.41%。研究區(qū)屬亞熱帶季風氣候，降水年內分配不均，主要集中在5—6月份，水資源較為豐富，1979—2017年多年平均氣溫為20℃，年平均降雨量為1 526.3 mm。該地區(qū)人類活動廣泛，土地利用變化顯著，對其徑流和泥沙產(chǎn)生不同程度的影響。

圖1 研究區(qū)站點分布

1.2 數(shù)據(jù)來源

空間數(shù)據(jù)主要包括DEM、土壤、土地利用和氣象水文數(shù)據(jù)。流域DEM數(shù)據(jù)來源于地理空間數(shù)據(jù)云(http:∥www.gscloud.cn/)，其空間分辨率為30 m；土壤和土地利用數(shù)據(jù)來源于江西省水土保持研究院。本文所用的水文氣象數(shù)據(jù)為水背水文站上游12個雨量站點2008—2016年逐日降雨數(shù)據(jù)(源于贛州市水文局)、水背水文站1980—2016年日徑流量和輸沙量數(shù)據(jù)(源于贛州市水文局)、尋烏國家氣象站1980—2016年逐日最高氣溫、最低氣溫、太陽輻射和風速等數(shù)據(jù)(源于國家氣象局)。

2 研究方法

2.1 SWAT模型

1994年美國農(nóng)業(yè)部農(nóng)業(yè)研究中心開發(fā)出建立在地理信息系統(tǒng)基礎之上的SWAT模型[22]。模型根據(jù)流域地形、河流等進行子流域劃分，再通過子流域關鍵自然要素的輸入建立自然條件下的水文模型，并以不同的時間尺度模擬各子流域的徑流、輸沙等。模型主要采用Green&Ampt入滲方法和徑流曲線數(shù)(curve number)法計算地表徑流量，其中徑流曲線數(shù)法應用最為廣泛[14,23]；采用MUSLE計算地表輸沙量[24]。

2.2 模擬方案

SWAT模型基于以下兩個方面實現(xiàn)流域離散化：一是基于設定的閾值劃分子流域，閾值越小，子流域劃分數(shù)量越多；二是在每個子流域內進一步劃分水文響應單元(HRUs)，HRUs具有相同的地形、土壤和土地利用屬性和參數(shù)[8]。為進一步分析SWAT模型子流域劃分引起的土地利用空間離散化對模擬結果的影響，本文在前人的研究基礎上[15,25]，將土壤固定為泥紅壤，坡度設置為單一坡度，設置11種情景(表1)以分析土地利用空間離散化對模擬結果的影響。11種方案的子流域集水面積閾值分別為4 000，3 200，2 000，1 500，1 100，800，400，200，100，50，25 hm2，對應的子流域數(shù)量分別為11，17，29，39，47，69，137，267，524，1 007，1 955個，同時設定土地利用面積閾值為5%來確定子流域中HRUs的數(shù)量。

表1 各土地利用空間離散化方案的特征參數(shù)

2.3 土地利用空間離散化對SWAT模型模擬的影響評價

SWAT模型參數(shù)變化對徑流量和輸沙量的模擬結果會產(chǎn)生影響[12]，為避免參數(shù)變化對模型輸出結果的影響，本文使用模型默認的參數(shù)，以實現(xiàn)不同方案下參數(shù)的一致性。本文采用11種子流域劃分方案，模擬2008—2016年各方案下的產(chǎn)流產(chǎn)沙過程。同時，以年均徑流深度和年均輸沙量為年指標，年最大1 d、連續(xù)最大5 d、連續(xù)最大7 d和洪水過程的徑流與輸沙量為洪水過程指標，采用Manner-Kendall趨勢檢驗法分析徑流量和輸沙量的變化趨勢。采用相對誤差(RE)來分析SWAT模型子流域劃分引起的土地利用空間離散化對徑流和輸沙模擬的影響。相對誤差RE的計算公式如下：

(1)

式中:Vmin為模擬的最小匯水面積閾值的模擬值;Vi為不同子流域劃分方案下的模擬值。

3 結果與分析

3.1 土地利用類型的離散效應

在各劃分方案下，流域內各土地利用面積表現(xiàn)出不同變化趨勢(圖2)。當子流域數(shù)量由11個增加至1 955個時，林地面積呈先增加后減少趨勢，11種方案下模擬的林地面積均高于實際面積；隨著子流域數(shù)量的增加，耕地面積呈顯著減少趨勢(p<0.01)，其面積由128.49 km2減少至123.08 km2，減幅為4.21%；而面積較小的地類(草地、建設用地和水域)，隨著子流域數(shù)量的增加面積快速增加(p<0.01)，草地、建設用地和水域的增幅分別為16.29%，145.86%，110.55%，并逐漸接近實際地類面積。其中，草地面積模擬值在子流域數(shù)量為1 955個時與實際草地面積接近，建設用地和水域在子流域數(shù)量分別為29，137個時開始出現(xiàn)，在各方案下的面積均低于實際地類面積。

注：虛線為實際地類面積。圖2 子流域劃分對土地利用類型的面積變化影響

由于東江源流域地處山區(qū)，林地面積大且分布集中，概化程度小；耕地面積較破碎，隨著離散程度增加，概化為林地或其他地類的幾率逐漸增大，因此耕地面積呈顯著減少趨勢(p<0.01)；面積較小的地類(草地、建設用地和水域)面積隨著離散程度的增加，呈顯著增加趨勢(p<0.01)，并與實際地類面積越來越接近。

3.2 土地利用空間離散化對徑流量的影響

東江源流域不同子流域劃分方案下，年均徑流深度呈波動下降趨勢(圖3)，由1 023.61 mm降至1 011.62 mm，在子流域數(shù)量為267個后趨于穩(wěn)定，研究方案中最大RE為1.85%，土地利用空間離散化導致年徑流量減少，且隨著離散程度的增加，其影響越大。

圖3 不同土地利用離散化水平下的年均徑流深度

本文選取2016年間的一次暴雨洪水事件(2016年3月21日)，以進一步分析土地利用空間離散化對洪水過程的影響(圖4)。從圖中可以看出，隨著土地利用空間離散化水平的提高，徑流過程基本重合，土地利用空間離散化對徑流過程的影響不顯著。

圖4 洪水事件日徑流量

SWAT模型采用徑流曲線數(shù)法模擬地表徑流，其中徑流曲線數(shù)(CN)是影響徑流量的主要敏感性參數(shù)，降水截留能力越大，CN值越小，不同土地利用類型對降水截留能力存在較大差異，從大到小依次為林地、草地、耕地和建設用地[26]。土地利用空間離散化導致土地利用類型分布在空間和數(shù)量上存在差異，改變了CN值的空間集總程度，使其統(tǒng)計特征值發(fā)生變化，進而影響流域產(chǎn)流量[17]。通過圖5可知，隨著土地利用空間離散程度的增加，CN值呈不顯著減少趨勢，總體變化趨勢與年均徑流深變化基本一致(圖3)，子流域數(shù)量在11，17，29個時年均徑流深度和CN值呈相似的波動變化。由3.1節(jié)分析可知，研究區(qū)林地類型占比最大，為總面積的82.52%，草地、建設用地和水域面積小且分布分散，該區(qū)域土地利用類型的分布使得各方案下CN值在62.50～63.00變動，總體變化不大(<0.13%)，呈不顯著減少趨勢，該變化導致其對徑流和洪峰影響不大(<1.85%)。這與Lin等[27]研究結果相似。

圖5 土地利用空間離散化對CN值的影響

3.3 土地利用空間離散化對輸沙量的影響

隨著土地利用離散程度的增加，年均輸沙量呈顯著下降趨勢(p<0.01)(圖6)，輸沙總量由1.5×106t減少至9.04×105t；子流域數(shù)量為11，17，29，39，47，69，137，267，524，1 007個的年均輸沙量RE分別為65.84%，54.40%，45.05%，37.17%，33.52%，29.17%，19.10%，15.08%，8.99%，5.46%，其中最大RE為65.84%。土地利用空間離散化導致年均輸沙量減少，并且隨著離散程度的增加該影響越顯著。

圖6 不同組合方案下的年均輸沙量

年最大1 d、連續(xù)最大5 d和連續(xù)最大7 d輸沙量隨著土地利用空間離散化水平的提高呈顯著下降趨勢(p<0.01，圖7)，與子流域數(shù)量為11時相比，子流域數(shù)量為17，29，39，47，69，137，267，524，1 007，1 955個的年最大1 d輸沙量分別減少了11.01%，16.59%，23.31%，24.52%，23.49%，28.49%，36.49%，39.13%，41.12%，41.45%(圖7)；連續(xù)最大5 d的輸沙量分別減少了9.04%，15.90%，21.87%，23.85%，24.84%，31.52%，36.40%，40.19%，42.41%，45.30%(圖7)；連續(xù)最大7 d的輸沙量分別減少了7.28%，11.04%，17.47%，19.22%，21.19%，28.38%，33.83%，30.89%，33.30%，40.58%(圖7)。隨著土地利用空間離散化水平的提高，年最大1 d、連續(xù)最大5 d和連續(xù)最大7 d輸沙量顯著下降(41.45%，45.30%，40.58%)，且年最大1 d輸沙量下降趨勢最顯著(p<0.01)。

圖7 年最大1 d、連續(xù)最大5 d和連續(xù)最大7 d輸沙量

在2016年3月21日洪水事件中，當子流域數(shù)量由11增加到1 955個時，輸沙量顯著減少(圖8)，且洪水事件達到峰值時(2016年3月21日)最顯著(圖9)，隨著土地利用空間離散化水平的提高，輸沙量由3.13×105t減少到1.66×105t，減幅達47.16%(p<0.01)，土地利用空間離散化使輸沙峰值顯著下降(p<0.01)。

圖8 2016年3月21日洪水事件日輸沙模擬量

圖9 土地利用空間離散化對洪水事件日輸沙洪峰的影響

SWAT模型通過土壤流失方程對每一個HRUs中由降水和徑流產(chǎn)生的土壤侵蝕量和輸沙量進行估算，并通過河道匯流到流域出口[22]。USLE_C，USLE_K，USLE_Ls和USLE_P是影響輸沙量的主要參數(shù)。本文通過輸入單一的土壤數(shù)據(jù)和地形數(shù)據(jù)從而固定了USLE_K，USLE_Ls和USLE_P參數(shù)，因此土地利用空間離散化主要通過USLE_C影響流域輸沙過程。由圖10可以看出，隨著土地利用空間離散化水平的提高，USLE_C呈顯著下降趨勢(p<0.01)，土地利用空間離散化通過影響USLE_C從而引起輸沙量的變化。這一結論與其他學者的研究[10,12]相似。子流域劃分引起的土地利用空間離散化，通過改變USLE_C，進而影響輸沙量模擬結果。

圖10 USLE_C隨子流域變化情況

模型將流域劃分為一定數(shù)量的子流域，徑流、輸沙模擬結果受到不同子流域劃分方案的直接影響，準確確定子流域劃分方案的標準尚未統(tǒng)一。部分學者根據(jù)流域總面積中集水面積閾值所占比重確定最優(yōu)子流域劃分方案[13,28]，還有部分學者認為可通過模擬結果隨子流域數(shù)量變化的“拐點”，來確定最優(yōu)子流域劃分方案[19]，如郝芳華[9]、胡連伍[11]、李曼曼[14]等發(fā)現(xiàn)可根據(jù)“拐點”位置確定最優(yōu)子流域的劃分水平，即當子流域數(shù)量不斷增加時，輸沙模擬值的變化存在一個“拐點”，隨著子流域數(shù)量的繼續(xù)增加，模擬結果變化不顯著。本文結果發(fā)現(xiàn)，在東江源流域，徑流量在子流域數(shù)量不低于267個時，隨著土地利用空間離散化水平的提高，年均徑流深度逐漸趨于穩(wěn)定，而輸沙量變化幅度較大，主要是由于東江源流域地處山區(qū)，土地利用復雜且破碎，空間差異大，需要更詳細的子流域劃分方案，以此充分體現(xiàn)該研究區(qū)的空間差異，但子流域劃分過細容易產(chǎn)生虛假水系，難以準確模擬流域產(chǎn)流產(chǎn)沙過程，子流域數(shù)量劃分過少則對流域描述不夠充分，導致模擬結果不穩(wěn)定，難以達到理想的預測精度[29]。子流域數(shù)量為1 955個時，草地、建設用地和水域面積模擬值已逐漸接近實際面積值，但是并未發(fā)現(xiàn)輸沙量“拐點”的存在。由于受計算機運行能力的限制，子流域繼續(xù)增加則模型無法運行，因此無法確定研究區(qū)最優(yōu)集水面積閾值。最優(yōu)計算單元劃分受流域面積、下墊面復雜程度等因素的綜合影響，因此，為減少分布式水文模擬的不確定性及確定最優(yōu)子流域劃分方案，不同研究區(qū)需要具體分析。

4 結 論

(1) 土地利用離散化使得流域內各類土地利用的面積表現(xiàn)出不同變化趨勢。隨著土地利用離散程度的增加，林地面積呈先增加后減少趨勢，耕地面積呈顯著下降趨勢(p<0.01)，草地、建設用地和水域面積均呈顯著增加趨勢(p<0.01)，并隨離散程度增加越接近實際面積。

(2) 年均徑流量和輸沙量模擬值對土地利用空間離散化的敏感性較強(p<0.01)，且輸沙量對土地利用空間離散化的敏感程度大于徑流量，徑流量模擬值最大RE為1.85%，輸沙量模擬值最大RE為65.84%。

(3) 土地利用空間離散化對年最大1 d、連續(xù)最大5 d和連續(xù)最大7 d輸沙量的影響隨著離散程度的增加呈顯著下降趨勢(p<0.01)，其中對年最大1 d的影響最為顯著。土地利用空間離散化導致泥沙峰值顯著下降，而對洪峰流量影響不顯著。

(4) 本研究結果表明，東江源流域子流域數(shù)目為1 955個時，未發(fā)現(xiàn)“拐點”的存在，受計算機運行能力的影響，無法確定研究區(qū)最優(yōu)集水面積閾值，因此不同研究區(qū)需要具體分析，以減少分布式水文模擬的不確定性，確定最優(yōu)子流域劃分方案。