DEM和土地利用分辨率對SWAT水沙模擬效果的影響
——以涇河流域?yàn)槔?/h1>
2023-11-13 01:18:42李睿智杜佰林郭宗俊許鎏佳
水資源與水工程學(xué)報 2023年5期
李睿智, 吳 磊 , 杜佰林, 郭宗俊, 王 妍, 許鎏佳
(1.西北農(nóng)林科技大學(xué) 旱區(qū)農(nóng)業(yè)水土工程教育部重點(diǎn)實(shí)驗(yàn)室, 陜西 楊凌 712100; 2.西北農(nóng)林科技大學(xué) 黃土高原土壤侵蝕與旱地農(nóng)業(yè)國家重點(diǎn)實(shí)驗(yàn)室, 陜西 楊凌 712100; 3.西北農(nóng)林科技大學(xué) 水利與建筑工程學(xué)院, 陜西 楊凌 712100)
1 研究背景
21世紀(jì)以來,隨著地理信息系統(tǒng)(Geographic Information System, GIS)技術(shù)與遙感(remote sensing,RS)技術(shù)的廣泛應(yīng)用,各種水文模型被廣泛應(yīng)用于水文和產(chǎn)沙機(jī)理過程模擬[1]以及水土保持措施的規(guī)劃與實(shí)施[2]研究中,如RUSLE(revised universal soil loss equation)模型[3]、WEPP(Water Erosion Prediction Project)模型[4]、DYRIM(digital Yellow River integrated model)模型[5]以及SWAT(soil and water assessment tool)模型[6]等。水文模型的模擬精度很大程度上取決于輸入數(shù)據(jù)的空間精確度,不同空間分辨率的數(shù)字高程數(shù)據(jù)(digital elevation model, DEM)和土地利用數(shù)據(jù)會對模型模擬結(jié)果造成一定的影響[7-8]。因此,有必要探究輸入數(shù)據(jù)的空間精度與模擬結(jié)果之間的關(guān)系,以提高模型的模擬精度。
基于此,國內(nèi)外學(xué)者開展了與DEM分辨率相關(guān)的研究,發(fā)現(xiàn)DEM的分辨率會對流域地形細(xì)節(jié)的提取造成影響,一般而言,隨著分辨率的增加,地形細(xì)節(jié)會更加精確[8],然而高精度的數(shù)據(jù)并不總能提高模型性能。比如,郭偉玲等[9]通過研究發(fā)現(xiàn)高精度的DEM數(shù)據(jù)并不能提取出更準(zhǔn)確的坡長;Gautam等[10]研究表明在尼泊爾的兩個流域使用分辨率為30 m或更精細(xì)的DEM數(shù)據(jù)能獲得最佳的徑流模擬性能;Tan等[11]在Kelantan River流域研究發(fā)現(xiàn)不同分辨率的DEM數(shù)據(jù)以及流域閾值均會對模型性能產(chǎn)生影響,DEM分辨率為20～60 m時可以取得更好的月徑流模擬效果;蔡朵朵等[12]發(fā)現(xiàn)過低的DEM分辨率會降低北洛河流域的徑流模擬效果。陳海濤等[13]發(fā)現(xiàn)DEM分辨率對潮河流域SWAT徑流模擬效果影響并不顯著,但會對總氮的模擬結(jié)果產(chǎn)生較大影響。另外,有研究發(fā)現(xiàn)土地利用數(shù)據(jù)質(zhì)量對流域水文建模較為重要[7],Jin等[14]研究發(fā)現(xiàn)高分辨率的土地利用數(shù)據(jù)會提高1.1%～6.9%的徑流模擬性能,而Fisher等[15]研究表明過于精細(xì)的土地利用數(shù)據(jù)會大幅度增加經(jīng)濟(jì)和時間成本。但也有部分研究表明,土地利用精度與模型模擬結(jié)果的相關(guān)性不強(qiáng)[16]。綜上,不同分辨率的輸入數(shù)據(jù)會對流域邊界、河網(wǎng)和坡度等基本參數(shù)產(chǎn)生影響[17],導(dǎo)致模型水沙的模擬計算過程產(chǎn)生偏差?，F(xiàn)關(guān)于輸入數(shù)據(jù)對模型模擬效果方面的研究多集中在DEM或土地利用等單因素對流域SWAT模型模擬的影響,且輸入數(shù)據(jù)分辨率選取的數(shù)量不足,鮮有對嵌套流域多分辨率DEM和土地利用數(shù)據(jù)交互影響的多模型模擬效果的評價研究。
涇河是黃河流域十大水系之一,針對涇河流域開展水沙研究對于黃河流域的生態(tài)保護(hù)和高質(zhì)量發(fā)展具有重要意義[18]。因此,本研究通過構(gòu)建涇河流域的SWAT模型,探究DEM與土地利用分辨率對模型性能的交互影響,并利用TOPSIS(technique for order preference by similarity to an ideal solution)優(yōu)選理論模型針對水沙模擬結(jié)果的多個指標(biāo)進(jìn)行綜合評價,評選出涇河流域及其嵌套流域(蒲河流域、涇河南支干流流域)DEM與土地利用分辨率最佳組合的SWAT水沙模擬模型,該結(jié)果可為后期涇河流域的水沙研究提供技術(shù)參考。
2 數(shù)據(jù)來源與研究方法
2.1 研究區(qū)概況
涇河流域(106°14′～108°42′E, 34°46′～37°19′N)位于黃土高原中部,流經(jīng)陜、甘、寧部分地區(qū),流域面積約為45 000 km2,河網(wǎng)長度為455 km,地勢西北高、東南低。涇河發(fā)源于寧夏回族自治區(qū)涇源縣六盤山東麓,在陜西省高陵縣注入渭河,是渭河的一級支流、黃河的二級支流。流域內(nèi)地形復(fù)雜,最小高程為219 m,最大高程為2 890 m,是黃土高原水土流失最嚴(yán)重的區(qū)域之一。流域處于半濕潤半干旱氣候的過渡地帶,為典型的溫帶大陸性氣候,多年平均氣溫為8 ℃,年降雨量在350～600 mm之間,降雨大多集中在7、8月份,徑流年際變化明顯。流域土地利用類型以草地和耕地為主,土壤以石灰性雛形土和鈣積潛育土為主。涇河流域的地理位置及水系、高程分布如圖1所示。
圖1 涇河流域高程、水系及水文氣象站點(diǎn)分布
2.2 研究數(shù)據(jù)及來源
2.2.1 DEM數(shù)據(jù) 在本研究中,選用了ASTER GDEM V2 DEM數(shù)據(jù),數(shù)據(jù)來源于地理空間數(shù)據(jù)云(https://www.gscloud.cn),空間分辨率為30 m×30 m。為獲得研究所需的不同分辨率的數(shù)據(jù),基于最鄰近分配法將 DEM 數(shù)據(jù)分別重采樣至60、90、150、300、500、750、1 000、2 000、3 000 m共9組不同空間分辨率的 DEM 數(shù)據(jù)。其中,3種不同量級(30、300、3 000 m)分辨率的DEM數(shù)據(jù)如圖2所示,圖中還顯示了同一局部位置的放大圖。
圖2 涇河流域3種不同量級分辨率的DEM數(shù)據(jù)圖
2.2.2 土地利用數(shù)據(jù) 土地利用數(shù)據(jù)來源于地理國情監(jiān)測云平臺(http://www.geodata.cn/),空間分辨率為30 m×30 m。自20世紀(jì)80年代起,涇河流域開始實(shí)施大規(guī)模的水土保持措施,為降低淤地壩、水庫等客觀因素對模擬結(jié)果的影響,本研究選用1980年的土地利用數(shù)據(jù)。與DEM數(shù)據(jù)處理方法一致,采用最鄰近分配法將土地利用數(shù)據(jù)分別重采樣至60、90、150、300、500、750、1 000、2 000、3 000 m共9組不同空間分辨率的土地利用數(shù)據(jù),其中,不同量級(30、300、3 000 m)分辨率的土地利用數(shù)據(jù)如圖3所示,圖中也顯示了同一局部位置的放大圖。
圖3 涇河流域3種不同量級分辨率的土地利用數(shù)據(jù)圖
2.2.3 土壤數(shù)據(jù) 本研究所需的土壤數(shù)據(jù)來源于HWSD(Harmonized World Soil Database)數(shù)據(jù)集(http://westdc.westgis.ac.cn/),空間分辨率為1 km×1 km。
2.2.4 氣象與水文數(shù)據(jù) 涇河流域內(nèi)固原、長武、西峰、環(huán)縣4個氣象站的逐日氣象數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng),毛家河、楊家坪及張家山水文站逐日徑流泥沙數(shù)據(jù)來源于水文年鑒及黃土高原科學(xué)數(shù)據(jù)中心,該3個水文站分別為蒲河流域、涇河南支干流以及整個涇河流域的控制站。為降低人類活動等客觀因素造成的影響,并與土地利用數(shù)據(jù)的年份相匹配,采用1972—1986年的水文數(shù)據(jù)校準(zhǔn)SWAT模型。
2.3 SWAT模型的構(gòu)建與校準(zhǔn)
SWAT模型是一個基于物理的半分布式流域水文模型,該模型可從DEM數(shù)據(jù)中提取坡度、河流的長度與寬度等水文參數(shù)。當(dāng)流域內(nèi)不同柵格的土地利用、土壤以及坡度類型相匹配時,SWAT會將這些柵格劃分為一個水文響應(yīng)單元(hydrological response unit,HRU)進(jìn)行處理。并計算HRU水平上的水文參數(shù)、徑流量、產(chǎn)沙量等水文水質(zhì)信息,HRU的數(shù)量以及分布與輸入數(shù)據(jù)的空間分辨率相關(guān)。該模型被廣泛應(yīng)用于評估土地管理和氣候變化對流域水質(zhì)水量的影響[19]。
本研究基于土壤、氣象數(shù)據(jù)以及不同分辨率的DEM和土地利用數(shù)據(jù)構(gòu)建了SWAT模型,并根據(jù)張家山站實(shí)測的水沙數(shù)據(jù)來確定模型參數(shù)。在分析DEM與土地利用分辨率對模型的影響時,控制土壤、氣象數(shù)據(jù)以及模型的參數(shù)類型保持不變。在建模的過程中,面積閾值統(tǒng)一設(shè)定為80 000 hm2,坡度統(tǒng)一劃分為3個等級(0°～7°,7°～25°,大于25°),HRU定義閾值統(tǒng)一設(shè)定為土地利用5%、土壤10%、坡度10%。使用SUFI-2算法程序?qū)δＰ偷膮?shù)進(jìn)行校準(zhǔn),并選取該程序中的全局敏感性分析方法對模型的參數(shù)進(jìn)行敏感性分析,其中t-Stat代表參數(shù)敏感性程度,P-Value代表參數(shù)敏感的顯著性程度,t-Stat越大、P-Value越接近于0,則參數(shù)的敏感性越強(qiáng)。
選取毛家河、楊家坪和張家山站實(shí)測的徑流、泥沙數(shù)據(jù)對模型逐一進(jìn)行水沙同步校準(zhǔn)。選取納什效率系數(shù)NSE和決定系數(shù)R2作為3個水文站點(diǎn)的模擬結(jié)果評價指標(biāo)。其中,NSE為小于1的數(shù)值,可為負(fù)值;R2為小于1的正數(shù),該兩個值的上限數(shù)值均為1,兩者數(shù)值大小越接近上限值1則模型的模擬結(jié)果越好,模擬值與實(shí)測值越接近。所構(gòu)建的100個校準(zhǔn)和不確定分析程序(calibration and uncertainty programs, CUP)工程均包含3個水文站的率定,每個站點(diǎn)均迭代3 000次,并對校準(zhǔn)后的結(jié)果進(jìn)行討論分析。
2.4 TOPSIS模型優(yōu)選評價
TOPSIS是多目標(biāo)決策方法的一種,其基本原理是計算評價對象到正理想解和負(fù)理想解的距離,然后根據(jù)正、負(fù)理想解的距離計算出相對貼近度并進(jìn)行排序[20]。該方法的計算步驟如下:
首先采用平方和歸一化對原始數(shù)據(jù)進(jìn)行無量綱處理并構(gòu)建評價矩陣Z=(zij)m×n(i=1,2,…,m;j=1,2,…,n);zij為第i個評估對象的第j個評價指標(biāo)。平方和歸一化的公式如下:
(1)
式中:xij為第i個評估對象第j個評價指標(biāo)的原始數(shù)據(jù)。
然后確定模型的正理想解Z+和負(fù)理想解Z-,其分別代表理想中的最優(yōu)方案和最差方案,計算公式如下:
Z+=(maxzi1,maxzi2,…,maxzin)
(2)
Z-=(minzi1,minzi2,…,minzin)
(3)
式中:maxzij、minzij分別為第j個評價指標(biāo)中的最大值、最小值。
(4)
(5)
計算每個待選方案的相對貼近度Ci,計算公式如下:
(6)
最終根據(jù)相對貼近度Ci值的大小對待選方案進(jìn)行排序,評選出最優(yōu)的模型。
3 結(jié)果與分析
3.1 水文邊界與河網(wǎng)
受空間分辨率的影響,基于較低空間分辨率的DEM數(shù)據(jù)生成的河網(wǎng)和水文邊界可能與實(shí)際有所偏差。為解決建模中DEM空間分辨率低于1 000 m時河網(wǎng)提取與實(shí)際差別較大、不連續(xù)等問題,本研究采用SWAT模型中自帶的Burn in工具,對1 000 m分辨率DEM數(shù)據(jù)產(chǎn)生的河網(wǎng)文件進(jìn)行修正,以獲得連續(xù)河網(wǎng)。不同分辨率DEM數(shù)據(jù)提取的河網(wǎng)與流域邊界如圖4所示。由圖4可以看出,當(dāng)DEM分辨率在1 000 m及以下時,涇河流域水文邊界的劃分并未產(chǎn)生較大的差異,提取的河網(wǎng)接近實(shí)際河網(wǎng)。而當(dāng)DEM的分辨率在2 000和3 000 m時,北支涇河流域河網(wǎng)的提取在部分支流中出現(xiàn)了較大的偏差,產(chǎn)生了一些偽河道(圖4 (a)、4 (b)),流域西南部部分邊界發(fā)生明顯的凹陷(圖4 (c))。DEM分辨率的降低會減弱水文邊界以河網(wǎng)的提取能力,在涇河流域,30～1 000 m分辨率的DEM數(shù)據(jù)提取河網(wǎng)的能力能基本滿足SWAT建模的需要。
圖4 涇河流域不同分辨率DEM數(shù)據(jù)提取的河網(wǎng)與流域邊界
3.2 水文特征與HRU數(shù)量分析
為進(jìn)一步表明涇河流域在不同DEM分辨率下的水文特征情況,在土地利用數(shù)據(jù)分辨率為30 m的條件下,針對建模過程中所提取的子流域數(shù)量、流域面積、坡度及高程等展開分析,如表1所示。
表1 涇河流域不同DEM分辨率數(shù)據(jù)提取的流域水文特征
由表1可知,DEM分辨率的變化對流域面積有著顯著的影響,模型中涇河流域的計算面積與DEM分辨率呈負(fù)相關(guān)關(guān)系。當(dāng)DEM分辨率由30 m降低至3 000 m時,流域面積由44 420 km2減小至38 970 km2,面積減少了12.27%。當(dāng)DEM的分辨率為30～150 m時,子流域數(shù)量穩(wěn)定不變,當(dāng)DEM的分辨率低于150 m時,子流域數(shù)量呈現(xiàn)減少趨勢。更粗糙的DEM分辨率會導(dǎo)致高程信息的誤差增加,與30 m分辨率的DEM數(shù)據(jù)相比,3 000 m分辨率的DEM最大高程低估了312 m,最小高程高估了139 m,平均高程降低了14.54 m,標(biāo)準(zhǔn)差降低了29.02 m。DEM分辨率的降低會導(dǎo)致高程范圍以及標(biāo)準(zhǔn)差的減小,這是由地形特征信息的丟失所導(dǎo)致的。DEM分辨率對于坡度的影響更為顯著,在30 m分辨率DEM的模型中,46.63%的地區(qū)的坡度在25°以上,僅有11.31%的地區(qū)的地形比較平坦,坡度在7°以下。而當(dāng)分辨率低于500 m時,25°以上的坡度信息幾乎完全丟失,當(dāng)分辨率低于2 000 m時,所有的坡度信息幾乎完全丟失,99%以上地區(qū)的坡度均呈現(xiàn)為7°以下。
此外,DEM和土地利用的分辨率還會對HRU數(shù)量產(chǎn)生交互影響,圖5給出了兩者分辨率對HRU數(shù)量的交互影響結(jié)果。圖5表明,在相同的土地利用分辨率下,隨著DEM分辨率的降低,HRU數(shù)量呈明顯的減少趨勢,但在相同的DEM分辨率下,土地利用分辨率的變化對HRU數(shù)量的影響有限。
圖5 DEM和土地利用數(shù)據(jù)的分辨率對HRU數(shù)量的交互影響
3.3 參數(shù)敏感性分析
采用SWAT-CUP的SUFI-2算法,對不同分辨率的DEM和土地利用數(shù)據(jù)構(gòu)建的SWAT模型進(jìn)行參數(shù)敏感性分析,探究DEM和土地利用數(shù)據(jù)對參數(shù)敏感性的影響。本研究以5個模型為例,分別對每個模型最敏感的前8個參數(shù)進(jìn)行分析,各參數(shù)及其物理意義見表2,不同模型的敏感性參數(shù)匯總?cè)绫?所示。
表2 模型各參數(shù)及其物理意義
表3 不同分辨率模型的參數(shù)敏感性分析結(jié)果匯總
由表3可知,在所有5個模型中,USLE_C、EPCO、ALPHA_BNK以及CN2均為最敏感的參數(shù)。對比模型30D30L、90D30L、3000D30L來探究DEM分辨率對參數(shù)敏感性的影響,DEM分辨率變化較小時,參數(shù)的敏感性幾乎不發(fā)生變化,當(dāng)DEM分辨率下降到3 000 m時,3個產(chǎn)匯流參數(shù)OV_N、SMTMP、SURLAG以及一個產(chǎn)沙參數(shù)USLE_P不再是最敏感的參數(shù),此時新增的敏感性參數(shù)包括3個產(chǎn)沙參數(shù)BIOMIX、 LAT_SED、USLE_K 和一個匯流參數(shù)CH_N1。對比模型30D30L、30D90L、30D3000L可發(fā)現(xiàn)土地利用分辨率的變化對參數(shù)敏感性的影響不大,僅個別參數(shù)的敏感性排序略有改變。
3.4 DEM和土地利用分辨率對水沙模擬效果的交互影響
利用不同分辨率的DEM和土地利用數(shù)據(jù)共構(gòu)建了100個SWAT模型,經(jīng)過參數(shù)校準(zhǔn)后不同水文站點(diǎn)的徑流或泥沙較優(yōu)模擬效果(NSE系數(shù)較高)的分辨率組合如表4所示。在所有的模型中毛家河站徑流和泥沙的NSE系數(shù)均大于0.63,均能滿足模擬精度要求。由表4可見,毛家河站徑流模擬的NSE系數(shù)最佳為0.80,此時DEM和土地利用分辨率分別為2 000和150 m;泥沙模擬的NSE系數(shù)最佳為0.81,此時DEM和土地利用分辨率分別為500 和2 000 m。楊家坪站徑流模擬的NSE系數(shù)最佳為0.76,此時DEM和土地利用分辨率分別為30和90 m;泥沙模擬的最佳NSE系數(shù)為0.79,此時DEM和土地利用分辨率分別為30 和2 000 m,有3個SWAT模型徑流或泥沙模擬的NSE系數(shù)小于0.50,不滿足模擬要求。張家山站徑流模擬的最佳NSE系數(shù)為0.73,此時DEM分辨率為90 m、土地利用分辨率分別為30、60、90 m;泥沙模擬的NSE系數(shù)最佳為0.66,此時DEM和土地利用的分辨率均為2 000 m,該站共有22個SWAT模型泥沙模擬的NSE系數(shù)小于0.50。與其他兩個水文站點(diǎn)相比,張家山站的模擬效果較差,這是由于建模所用到的4個氣象站多分布在西南部,無法有效覆蓋北部支流,因而降低了北部支流的模擬精度,影響了張家山站的模擬結(jié)果。
表4 涇河流域不同水文站點(diǎn)水沙模擬效果較優(yōu)的分辨率組合
以張家山站為例,徑流和泥沙模擬的NSE系數(shù)與DEM及土地利用分辨率的交互影響關(guān)系如圖6所示。通常模擬結(jié)果隨著DEM和土地利用分辨率的降低而變差,然而圖6顯示出徑流和泥沙的模擬結(jié)果隨著土地利用分辨率的變化并沒有發(fā)生明顯的改變,而隨著DEM的分辨率的降低呈現(xiàn)了“增大→降低→增大→降低”的不規(guī)則變化。
圖6 徑流和泥沙模擬的NSE系數(shù)與DEM及土地利用分辨率的交互影響關(guān)系(以張家山站為例)
3.5 模型綜合優(yōu)選評價
采用TOPSIS對涇河流域3個水文站模型模擬效果進(jìn)行綜合評價與方案優(yōu)選。取徑流和泥沙模擬的NSE和R2共4個參數(shù)作為評價指標(biāo)。對評價指標(biāo)進(jìn)行平方和歸一化處理,計算出正理想解距離、負(fù)理想解距離和相對貼近度C,據(jù)此對模型進(jìn)行排序,相對貼近度越大,表明該模型的模擬效果越好,3個水文站點(diǎn)的相對貼近度計算結(jié)果如圖7所示。
圖7 基于TOPSIS理論的模型綜合優(yōu)選評價
由圖7可見,張家山站模擬效果最好的DEM和土地利用分辨率分別為150和3 000 m,相對貼近度為0.85(徑流模擬:R2=0.71、NSE=0.69;泥沙模擬:R2=0.64、NSE=0.62),模擬效果最差的DEM和土地利用分辨率分別為300 和30 m。采用DEM和土地利用均為30 m分辨率的數(shù)據(jù)構(gòu)建的模型排序僅為49,這也進(jìn)一步說明并非DEM和土地利用的分辨率越高模型的模擬效果越好。毛家河站和楊家坪站模擬效果最優(yōu)的DEM和土地利用分辨率組合分別為750和300 m以及30 和90 m,相對貼近度分別為0.86(徑流模擬:R2=0.81、NSE=0.78;泥沙模擬:R2=0.79、NSE=0.78)和0.95(徑流模擬:R2=0.76、NSE=0.76;泥沙模擬:R2=0.79、NSE=0.77)。
4 討 論
本研究表明,隨著DEM數(shù)據(jù)分辨率的降低,水文邊界的提取會產(chǎn)生偏差。這是由于DEM數(shù)據(jù)的分辨率會對地形參數(shù)的垂直精度產(chǎn)生影響[21],低分辨率的DEM數(shù)據(jù)會對高程信息產(chǎn)生概化作用[13],降低了提取數(shù)據(jù)的準(zhǔn)確性,導(dǎo)致流域邊界的偏移及流域面積的缺失[22]。另外,SWAT模型中河道的提取基于D8算法[23],高程信息的偏差會對水流方向的計算產(chǎn)生較大影響。而且,DEM數(shù)據(jù)分辨率的降低會造成黃土丘陵區(qū)及殘塬區(qū)為主的涇河流域中部和北部地區(qū)[24]地形細(xì)節(jié)損失,更容易產(chǎn)生偽河道。
在相同的土地利用、土壤類型及坡度劃分閾值下,HRU的數(shù)量與流域柵格數(shù)、子流域數(shù)量和子流域中土地利用、土壤類型及坡度的分類數(shù)有關(guān)[25]。本研究中,DEM分辨率對HRU數(shù)量的影響占主導(dǎo)作用,這是由三方面原因?qū)е碌?。第?整個流域的柵格數(shù)量是由DEM分辨率決定的,DEM的分辨率越高則柵格的數(shù)量越多,HRU劃分的過程就會越精細(xì)。第二,DEM分辨率的降低會導(dǎo)致子流域數(shù)量減少,從而引起HRU數(shù)量的降低。第三,土地利用數(shù)據(jù)和土壤數(shù)據(jù)會被投影在DEM圖形柵格上,DEM分辨率的降低還會導(dǎo)致土地利用、土壤以及坡度的分類丟失[26],這也導(dǎo)致HRU數(shù)量受DEM分辨率的影響更大。此外,由于涇河流域的地形較為復(fù)雜,相較于地形特征的變化,相鄰柵格數(shù)據(jù)之間的土地利用變化較為平滑,從而導(dǎo)致了土地利用分辨率的變化對HRU數(shù)量的影響遠(yuǎn)小于DEM。當(dāng)DEM分辨率為30 m時,HRU的數(shù)量多達(dá)612個;當(dāng)DEM分辨率為3 000 m時,HRU的數(shù)量減少至154個,同比減少了74.8%。
DEM數(shù)據(jù)分辨率的降低會造成坡度信息的丟失,地形趨于平緩,匯流時間增加,從而導(dǎo)致了部分參數(shù)的敏感性發(fā)生變化。曼寧系數(shù)OV_N和水土保持措施因子USLE_P的敏感性均與坡度相關(guān),坡度越大則敏感性越強(qiáng),而地表徑流滯后系數(shù)SURLAG會隨匯流時間的增大而更加敏感[27]。在DEM分辨率變化較小時,坡度和匯流時間變化幅度也較小,對參數(shù)的敏感性影響有限;當(dāng)DEM分辨率變化較大時,OV_N、USLE_P以及SURLAG等參數(shù)的敏感性降低。
土地利用分辨率對模型水沙模擬效果和模型參數(shù)的敏感性的影響要小于DEM分辨率。具體來說,土地利用分辨率的變化會影響土地利用的類型及空間分布,但對土地利用類型的面積變化影響有限,在由30 m分辨率DEM數(shù)據(jù)構(gòu)建的所有模型中,土地利用數(shù)據(jù)分辨率由30 m降低至3 000 m時,僅造成土地利用類型“牧草”的面積占比減少了1.57%以及土地利用類型“耕地”的面積占比增加了1.26%,其余土地類型的變化幅度均不超過0.2%。因此對整個流域的水沙模擬結(jié)果及參數(shù)的敏感性影響并不顯著。然而,DEM的分辨率會影響模型水文參數(shù)的提取,導(dǎo)致水文循環(huán)及泥沙侵蝕的模擬過程產(chǎn)生變化,從而對水沙模擬效果產(chǎn)生較大的影響。另外,30 m分辨率的DEM數(shù)據(jù)并未構(gòu)建出精度最高的模型。這是因?yàn)檫^于精細(xì)的DEM數(shù)據(jù)會生成更多數(shù)量的HRU,導(dǎo)致SWAT-CUP的運(yùn)算量大幅度增加,不僅延長了模型運(yùn)行時間,還有可能導(dǎo)致優(yōu)化算法陷入局部最優(yōu)解,無法計算出最佳參數(shù)[28-29]。低分辨率數(shù)據(jù)構(gòu)建的模型也可能具有良好的適用性,比如,在模型綜合評價中,毛家河站與張家山站最優(yōu)模型的DEM和土地利用分辨率組合為750 和300 m以及150 和3 000 m,在水沙模擬的過程中均具有較好的適用性,這也與韓振宇等[30]的研究結(jié)果一致。
本研究基于TOPSIS理論優(yōu)選出涇河流域SWAT水沙模擬模型的DEM和土地利用分辨率組合,可為涇河流域的生態(tài)保護(hù)和水沙治理提供技術(shù)參考。然而,由于各流域的下墊面情況不盡相同,該流域的建議輸入數(shù)據(jù)不一定適用于其他流域,各流域可根據(jù)自身條件進(jìn)行模型模擬評價,優(yōu)選出不同分辨率輸入數(shù)據(jù)的最佳組合。此外,后續(xù)研究可以考慮數(shù)據(jù)源和土壤數(shù)據(jù)的分辨率對模擬效果的影響。
5 結(jié) 論
(1) DEM分辨率的變化會影響水文邊界與河網(wǎng)的提取,30～1 000 m分辨率的DEM均能滿足建模需求。當(dāng)DEM分辨率低于1 000 m時,會產(chǎn)生偽河道和不連續(xù)的河網(wǎng),河網(wǎng)邊界也會發(fā)生凹陷。隨著DEM的分辨率的降低,流域的計算面積累積減少了12.27%,最大高程低估了312 m,最小高程高估了139 m。坡度受分辨率變化的影響更大,當(dāng)分辨率低于2 000 m時,坡度信息幾乎全部丟失。HRU的數(shù)量會隨著DEM分辨率的降低而明顯減少,土地利用對HRU數(shù)量的影響較小。
(2) 涇河流域毛家河和楊家坪水文站的模擬效果優(yōu)于張家山站,這與氣象站的坐標(biāo)以及流域面積有關(guān),參數(shù)自身的不確定性會影響模型的模擬效果。因此,低分辨率的模型也可能具有較好的適用性。在所有的模型中,USLE_C,EPCO、ALPHA_BNK以及CN2均為最敏感的參數(shù),DEM對參數(shù)敏感性的影響大于土地利用。
(3) 由于模型和參數(shù)的不確定性,DEM和土地利用數(shù)據(jù)的分辨率對模型水沙模擬效果的影響并不明顯。不同流域的最佳模型的DEM和土地利用分辨率組合不同,蒲河流域、涇河南支干流流域以及整個涇河流域的最佳模型DEM和土地利用分辨率組合分別是750和300 m、30和90 m以及150和3 000 m。
猜你喜歡
一半模型童話王國·奇妙邏輯推理(2024年5期)2024-06-19 16:03:38 是什么影響了滑動摩擦力的大小中學(xué)生數(shù)理化·八年級物理人教版(2022年3期)2022-03-16 05:55:08 哪些顧慮影響擔(dān)當(dāng)?當(dāng)代陜西(2021年2期)2021-03-29 07:41:24 重要模型『一線三等角』中學(xué)生數(shù)理化·七年級數(shù)學(xué)人教版(2020年10期)2020-11-26 08:24:50 重尾非線性自回歸模型自加權(quán)M-估計的漸近分布數(shù)學(xué)物理學(xué)報(2020年2期)2020-06-02 11:29:24 沒錯，痛經(jīng)有時也會影響懷孕媽媽寶寶(2017年3期)2017-02-21 01:22:28 3D打印中的模型分割與打包光學(xué)精密工程(2016年6期)2016-11-07 09:07:19 擴(kuò)鏈劑聯(lián)用對PETG擴(kuò)鏈反應(yīng)與流變性能的影響中國塑料(2016年3期)2016-06-15 20:30:00 基于Simulink的跟蹤干擾對跳頻通信的影響通信電源技術(shù)(2016年3期)2016-03-26 07:13:38 FLUKA幾何模型到CAD幾何模型轉(zhuǎn)換方法初步研究核科學(xué)與工程(2015年4期)2015-09-26 11:59:03
李睿智, 吳 磊 , 杜佰林, 郭宗俊, 王 妍, 許鎏佳
(1.西北農(nóng)林科技大學(xué) 旱區(qū)農(nóng)業(yè)水土工程教育部重點(diǎn)實(shí)驗(yàn)室, 陜西 楊凌 712100; 2.西北農(nóng)林科技大學(xué) 黃土高原土壤侵蝕與旱地農(nóng)業(yè)國家重點(diǎn)實(shí)驗(yàn)室, 陜西 楊凌 712100; 3.西北農(nóng)林科技大學(xué) 水利與建筑工程學(xué)院, 陜西 楊凌 712100)
1 研究背景
21世紀(jì)以來,隨著地理信息系統(tǒng)(Geographic Information System, GIS)技術(shù)與遙感(remote sensing,RS)技術(shù)的廣泛應(yīng)用,各種水文模型被廣泛應(yīng)用于水文和產(chǎn)沙機(jī)理過程模擬[1]以及水土保持措施的規(guī)劃與實(shí)施[2]研究中,如RUSLE(revised universal soil loss equation)模型[3]、WEPP(Water Erosion Prediction Project)模型[4]、DYRIM(digital Yellow River integrated model)模型[5]以及SWAT(soil and water assessment tool)模型[6]等。水文模型的模擬精度很大程度上取決于輸入數(shù)據(jù)的空間精確度,不同空間分辨率的數(shù)字高程數(shù)據(jù)(digital elevation model, DEM)和土地利用數(shù)據(jù)會對模型模擬結(jié)果造成一定的影響[7-8]。因此,有必要探究輸入數(shù)據(jù)的空間精度與模擬結(jié)果之間的關(guān)系,以提高模型的模擬精度。
基于此,國內(nèi)外學(xué)者開展了與DEM分辨率相關(guān)的研究,發(fā)現(xiàn)DEM的分辨率會對流域地形細(xì)節(jié)的提取造成影響,一般而言,隨著分辨率的增加,地形細(xì)節(jié)會更加精確[8],然而高精度的數(shù)據(jù)并不總能提高模型性能。比如,郭偉玲等[9]通過研究發(fā)現(xiàn)高精度的DEM數(shù)據(jù)并不能提取出更準(zhǔn)確的坡長;Gautam等[10]研究表明在尼泊爾的兩個流域使用分辨率為30 m或更精細(xì)的DEM數(shù)據(jù)能獲得最佳的徑流模擬性能;Tan等[11]在Kelantan River流域研究發(fā)現(xiàn)不同分辨率的DEM數(shù)據(jù)以及流域閾值均會對模型性能產(chǎn)生影響,DEM分辨率為20～60 m時可以取得更好的月徑流模擬效果;蔡朵朵等[12]發(fā)現(xiàn)過低的DEM分辨率會降低北洛河流域的徑流模擬效果。陳海濤等[13]發(fā)現(xiàn)DEM分辨率對潮河流域SWAT徑流模擬效果影響并不顯著,但會對總氮的模擬結(jié)果產(chǎn)生較大影響。另外,有研究發(fā)現(xiàn)土地利用數(shù)據(jù)質(zhì)量對流域水文建模較為重要[7],Jin等[14]研究發(fā)現(xiàn)高分辨率的土地利用數(shù)據(jù)會提高1.1%～6.9%的徑流模擬性能,而Fisher等[15]研究表明過于精細(xì)的土地利用數(shù)據(jù)會大幅度增加經(jīng)濟(jì)和時間成本。但也有部分研究表明,土地利用精度與模型模擬結(jié)果的相關(guān)性不強(qiáng)[16]。綜上,不同分辨率的輸入數(shù)據(jù)會對流域邊界、河網(wǎng)和坡度等基本參數(shù)產(chǎn)生影響[17],導(dǎo)致模型水沙的模擬計算過程產(chǎn)生偏差?，F(xiàn)關(guān)于輸入數(shù)據(jù)對模型模擬效果方面的研究多集中在DEM或土地利用等單因素對流域SWAT模型模擬的影響,且輸入數(shù)據(jù)分辨率選取的數(shù)量不足,鮮有對嵌套流域多分辨率DEM和土地利用數(shù)據(jù)交互影響的多模型模擬效果的評價研究。
涇河是黃河流域十大水系之一,針對涇河流域開展水沙研究對于黃河流域的生態(tài)保護(hù)和高質(zhì)量發(fā)展具有重要意義[18]。因此,本研究通過構(gòu)建涇河流域的SWAT模型,探究DEM與土地利用分辨率對模型性能的交互影響,并利用TOPSIS(technique for order preference by similarity to an ideal solution)優(yōu)選理論模型針對水沙模擬結(jié)果的多個指標(biāo)進(jìn)行綜合評價,評選出涇河流域及其嵌套流域(蒲河流域、涇河南支干流流域)DEM與土地利用分辨率最佳組合的SWAT水沙模擬模型,該結(jié)果可為后期涇河流域的水沙研究提供技術(shù)參考。
2 數(shù)據(jù)來源與研究方法
2.1 研究區(qū)概況
涇河流域(106°14′～108°42′E, 34°46′～37°19′N)位于黃土高原中部,流經(jīng)陜、甘、寧部分地區(qū),流域面積約為45 000 km2,河網(wǎng)長度為455 km,地勢西北高、東南低。涇河發(fā)源于寧夏回族自治區(qū)涇源縣六盤山東麓,在陜西省高陵縣注入渭河,是渭河的一級支流、黃河的二級支流。流域內(nèi)地形復(fù)雜,最小高程為219 m,最大高程為2 890 m,是黃土高原水土流失最嚴(yán)重的區(qū)域之一。流域處于半濕潤半干旱氣候的過渡地帶,為典型的溫帶大陸性氣候,多年平均氣溫為8 ℃,年降雨量在350～600 mm之間,降雨大多集中在7、8月份,徑流年際變化明顯。流域土地利用類型以草地和耕地為主,土壤以石灰性雛形土和鈣積潛育土為主。涇河流域的地理位置及水系、高程分布如圖1所示。
圖1 涇河流域高程、水系及水文氣象站點(diǎn)分布
2.2 研究數(shù)據(jù)及來源
2.2.1 DEM數(shù)據(jù) 在本研究中,選用了ASTER GDEM V2 DEM數(shù)據(jù),數(shù)據(jù)來源于地理空間數(shù)據(jù)云(https://www.gscloud.cn),空間分辨率為30 m×30 m。為獲得研究所需的不同分辨率的數(shù)據(jù),基于最鄰近分配法將 DEM 數(shù)據(jù)分別重采樣至60、90、150、300、500、750、1 000、2 000、3 000 m共9組不同空間分辨率的 DEM 數(shù)據(jù)。其中,3種不同量級(30、300、3 000 m)分辨率的DEM數(shù)據(jù)如圖2所示,圖中還顯示了同一局部位置的放大圖。
圖2 涇河流域3種不同量級分辨率的DEM數(shù)據(jù)圖
2.2.2 土地利用數(shù)據(jù) 土地利用數(shù)據(jù)來源于地理國情監(jiān)測云平臺(http://www.geodata.cn/),空間分辨率為30 m×30 m。自20世紀(jì)80年代起,涇河流域開始實(shí)施大規(guī)模的水土保持措施,為降低淤地壩、水庫等客觀因素對模擬結(jié)果的影響,本研究選用1980年的土地利用數(shù)據(jù)。與DEM數(shù)據(jù)處理方法一致,采用最鄰近分配法將土地利用數(shù)據(jù)分別重采樣至60、90、150、300、500、750、1 000、2 000、3 000 m共9組不同空間分辨率的土地利用數(shù)據(jù),其中,不同量級(30、300、3 000 m)分辨率的土地利用數(shù)據(jù)如圖3所示,圖中也顯示了同一局部位置的放大圖。
圖3 涇河流域3種不同量級分辨率的土地利用數(shù)據(jù)圖
2.2.3 土壤數(shù)據(jù) 本研究所需的土壤數(shù)據(jù)來源于HWSD(Harmonized World Soil Database)數(shù)據(jù)集(http://westdc.westgis.ac.cn/),空間分辨率為1 km×1 km。
2.2.4 氣象與水文數(shù)據(jù) 涇河流域內(nèi)固原、長武、西峰、環(huán)縣4個氣象站的逐日氣象數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng),毛家河、楊家坪及張家山水文站逐日徑流泥沙數(shù)據(jù)來源于水文年鑒及黃土高原科學(xué)數(shù)據(jù)中心,該3個水文站分別為蒲河流域、涇河南支干流以及整個涇河流域的控制站。為降低人類活動等客觀因素造成的影響,并與土地利用數(shù)據(jù)的年份相匹配,采用1972—1986年的水文數(shù)據(jù)校準(zhǔn)SWAT模型。
2.3 SWAT模型的構(gòu)建與校準(zhǔn)
SWAT模型是一個基于物理的半分布式流域水文模型,該模型可從DEM數(shù)據(jù)中提取坡度、河流的長度與寬度等水文參數(shù)。當(dāng)流域內(nèi)不同柵格的土地利用、土壤以及坡度類型相匹配時,SWAT會將這些柵格劃分為一個水文響應(yīng)單元(hydrological response unit,HRU)進(jìn)行處理。并計算HRU水平上的水文參數(shù)、徑流量、產(chǎn)沙量等水文水質(zhì)信息,HRU的數(shù)量以及分布與輸入數(shù)據(jù)的空間分辨率相關(guān)。該模型被廣泛應(yīng)用于評估土地管理和氣候變化對流域水質(zhì)水量的影響[19]。
本研究基于土壤、氣象數(shù)據(jù)以及不同分辨率的DEM和土地利用數(shù)據(jù)構(gòu)建了SWAT模型,并根據(jù)張家山站實(shí)測的水沙數(shù)據(jù)來確定模型參數(shù)。在分析DEM與土地利用分辨率對模型的影響時,控制土壤、氣象數(shù)據(jù)以及模型的參數(shù)類型保持不變。在建模的過程中,面積閾值統(tǒng)一設(shè)定為80 000 hm2,坡度統(tǒng)一劃分為3個等級(0°～7°,7°～25°,大于25°),HRU定義閾值統(tǒng)一設(shè)定為土地利用5%、土壤10%、坡度10%。使用SUFI-2算法程序?qū)δＰ偷膮?shù)進(jìn)行校準(zhǔn),并選取該程序中的全局敏感性分析方法對模型的參數(shù)進(jìn)行敏感性分析,其中t-Stat代表參數(shù)敏感性程度,P-Value代表參數(shù)敏感的顯著性程度,t-Stat越大、P-Value越接近于0,則參數(shù)的敏感性越強(qiáng)。
選取毛家河、楊家坪和張家山站實(shí)測的徑流、泥沙數(shù)據(jù)對模型逐一進(jìn)行水沙同步校準(zhǔn)。選取納什效率系數(shù)NSE和決定系數(shù)R2作為3個水文站點(diǎn)的模擬結(jié)果評價指標(biāo)。其中,NSE為小于1的數(shù)值,可為負(fù)值;R2為小于1的正數(shù),該兩個值的上限數(shù)值均為1,兩者數(shù)值大小越接近上限值1則模型的模擬結(jié)果越好,模擬值與實(shí)測值越接近。所構(gòu)建的100個校準(zhǔn)和不確定分析程序(calibration and uncertainty programs, CUP)工程均包含3個水文站的率定,每個站點(diǎn)均迭代3 000次,并對校準(zhǔn)后的結(jié)果進(jìn)行討論分析。
2.4 TOPSIS模型優(yōu)選評價
TOPSIS是多目標(biāo)決策方法的一種,其基本原理是計算評價對象到正理想解和負(fù)理想解的距離,然后根據(jù)正、負(fù)理想解的距離計算出相對貼近度并進(jìn)行排序[20]。該方法的計算步驟如下:
首先采用平方和歸一化對原始數(shù)據(jù)進(jìn)行無量綱處理并構(gòu)建評價矩陣Z=(zij)m×n(i=1,2,…,m;j=1,2,…,n);zij為第i個評估對象的第j個評價指標(biāo)。平方和歸一化的公式如下:
(1)
式中:xij為第i個評估對象第j個評價指標(biāo)的原始數(shù)據(jù)。
然后確定模型的正理想解Z+和負(fù)理想解Z-,其分別代表理想中的最優(yōu)方案和最差方案,計算公式如下:
Z+=(maxzi1,maxzi2,…,maxzin)
(2)
Z-=(minzi1,minzi2,…,minzin)
(3)
式中:maxzij、minzij分別為第j個評價指標(biāo)中的最大值、最小值。
(4)
(5)
計算每個待選方案的相對貼近度Ci,計算公式如下:
(6)
最終根據(jù)相對貼近度Ci值的大小對待選方案進(jìn)行排序,評選出最優(yōu)的模型。
3 結(jié)果與分析
3.1 水文邊界與河網(wǎng)
受空間分辨率的影響,基于較低空間分辨率的DEM數(shù)據(jù)生成的河網(wǎng)和水文邊界可能與實(shí)際有所偏差。為解決建模中DEM空間分辨率低于1 000 m時河網(wǎng)提取與實(shí)際差別較大、不連續(xù)等問題,本研究采用SWAT模型中自帶的Burn in工具,對1 000 m分辨率DEM數(shù)據(jù)產(chǎn)生的河網(wǎng)文件進(jìn)行修正,以獲得連續(xù)河網(wǎng)。不同分辨率DEM數(shù)據(jù)提取的河網(wǎng)與流域邊界如圖4所示。由圖4可以看出,當(dāng)DEM分辨率在1 000 m及以下時,涇河流域水文邊界的劃分并未產(chǎn)生較大的差異,提取的河網(wǎng)接近實(shí)際河網(wǎng)。而當(dāng)DEM的分辨率在2 000和3 000 m時,北支涇河流域河網(wǎng)的提取在部分支流中出現(xiàn)了較大的偏差,產(chǎn)生了一些偽河道(圖4 (a)、4 (b)),流域西南部部分邊界發(fā)生明顯的凹陷(圖4 (c))。DEM分辨率的降低會減弱水文邊界以河網(wǎng)的提取能力,在涇河流域,30～1 000 m分辨率的DEM數(shù)據(jù)提取河網(wǎng)的能力能基本滿足SWAT建模的需要。
圖4 涇河流域不同分辨率DEM數(shù)據(jù)提取的河網(wǎng)與流域邊界
3.2 水文特征與HRU數(shù)量分析
為進(jìn)一步表明涇河流域在不同DEM分辨率下的水文特征情況,在土地利用數(shù)據(jù)分辨率為30 m的條件下,針對建模過程中所提取的子流域數(shù)量、流域面積、坡度及高程等展開分析,如表1所示。
表1 涇河流域不同DEM分辨率數(shù)據(jù)提取的流域水文特征
由表1可知,DEM分辨率的變化對流域面積有著顯著的影響,模型中涇河流域的計算面積與DEM分辨率呈負(fù)相關(guān)關(guān)系。當(dāng)DEM分辨率由30 m降低至3 000 m時,流域面積由44 420 km2減小至38 970 km2,面積減少了12.27%。當(dāng)DEM的分辨率為30～150 m時,子流域數(shù)量穩(wěn)定不變,當(dāng)DEM的分辨率低于150 m時,子流域數(shù)量呈現(xiàn)減少趨勢。更粗糙的DEM分辨率會導(dǎo)致高程信息的誤差增加,與30 m分辨率的DEM數(shù)據(jù)相比,3 000 m分辨率的DEM最大高程低估了312 m,最小高程高估了139 m,平均高程降低了14.54 m,標(biāo)準(zhǔn)差降低了29.02 m。DEM分辨率的降低會導(dǎo)致高程范圍以及標(biāo)準(zhǔn)差的減小,這是由地形特征信息的丟失所導(dǎo)致的。DEM分辨率對于坡度的影響更為顯著,在30 m分辨率DEM的模型中,46.63%的地區(qū)的坡度在25°以上,僅有11.31%的地區(qū)的地形比較平坦,坡度在7°以下。而當(dāng)分辨率低于500 m時,25°以上的坡度信息幾乎完全丟失,當(dāng)分辨率低于2 000 m時,所有的坡度信息幾乎完全丟失,99%以上地區(qū)的坡度均呈現(xiàn)為7°以下。
此外,DEM和土地利用的分辨率還會對HRU數(shù)量產(chǎn)生交互影響,圖5給出了兩者分辨率對HRU數(shù)量的交互影響結(jié)果。圖5表明,在相同的土地利用分辨率下,隨著DEM分辨率的降低,HRU數(shù)量呈明顯的減少趨勢,但在相同的DEM分辨率下,土地利用分辨率的變化對HRU數(shù)量的影響有限。
圖5 DEM和土地利用數(shù)據(jù)的分辨率對HRU數(shù)量的交互影響
3.3 參數(shù)敏感性分析
采用SWAT-CUP的SUFI-2算法,對不同分辨率的DEM和土地利用數(shù)據(jù)構(gòu)建的SWAT模型進(jìn)行參數(shù)敏感性分析,探究DEM和土地利用數(shù)據(jù)對參數(shù)敏感性的影響。本研究以5個模型為例,分別對每個模型最敏感的前8個參數(shù)進(jìn)行分析,各參數(shù)及其物理意義見表2,不同模型的敏感性參數(shù)匯總?cè)绫?所示。
表2 模型各參數(shù)及其物理意義
表3 不同分辨率模型的參數(shù)敏感性分析結(jié)果匯總
由表3可知,在所有5個模型中,USLE_C、EPCO、ALPHA_BNK以及CN2均為最敏感的參數(shù)。對比模型30D30L、90D30L、3000D30L來探究DEM分辨率對參數(shù)敏感性的影響,DEM分辨率變化較小時,參數(shù)的敏感性幾乎不發(fā)生變化,當(dāng)DEM分辨率下降到3 000 m時,3個產(chǎn)匯流參數(shù)OV_N、SMTMP、SURLAG以及一個產(chǎn)沙參數(shù)USLE_P不再是最敏感的參數(shù),此時新增的敏感性參數(shù)包括3個產(chǎn)沙參數(shù)BIOMIX、 LAT_SED、USLE_K 和一個匯流參數(shù)CH_N1。對比模型30D30L、30D90L、30D3000L可發(fā)現(xiàn)土地利用分辨率的變化對參數(shù)敏感性的影響不大,僅個別參數(shù)的敏感性排序略有改變。
3.4 DEM和土地利用分辨率對水沙模擬效果的交互影響
利用不同分辨率的DEM和土地利用數(shù)據(jù)共構(gòu)建了100個SWAT模型,經(jīng)過參數(shù)校準(zhǔn)后不同水文站點(diǎn)的徑流或泥沙較優(yōu)模擬效果(NSE系數(shù)較高)的分辨率組合如表4所示。在所有的模型中毛家河站徑流和泥沙的NSE系數(shù)均大于0.63,均能滿足模擬精度要求。由表4可見,毛家河站徑流模擬的NSE系數(shù)最佳為0.80,此時DEM和土地利用分辨率分別為2 000和150 m;泥沙模擬的NSE系數(shù)最佳為0.81,此時DEM和土地利用分辨率分別為500 和2 000 m。楊家坪站徑流模擬的NSE系數(shù)最佳為0.76,此時DEM和土地利用分辨率分別為30和90 m;泥沙模擬的最佳NSE系數(shù)為0.79,此時DEM和土地利用分辨率分別為30 和2 000 m,有3個SWAT模型徑流或泥沙模擬的NSE系數(shù)小于0.50,不滿足模擬要求。張家山站徑流模擬的最佳NSE系數(shù)為0.73,此時DEM分辨率為90 m、土地利用分辨率分別為30、60、90 m;泥沙模擬的NSE系數(shù)最佳為0.66,此時DEM和土地利用的分辨率均為2 000 m,該站共有22個SWAT模型泥沙模擬的NSE系數(shù)小于0.50。與其他兩個水文站點(diǎn)相比,張家山站的模擬效果較差,這是由于建模所用到的4個氣象站多分布在西南部,無法有效覆蓋北部支流,因而降低了北部支流的模擬精度,影響了張家山站的模擬結(jié)果。
表4 涇河流域不同水文站點(diǎn)水沙模擬效果較優(yōu)的分辨率組合
以張家山站為例,徑流和泥沙模擬的NSE系數(shù)與DEM及土地利用分辨率的交互影響關(guān)系如圖6所示。通常模擬結(jié)果隨著DEM和土地利用分辨率的降低而變差,然而圖6顯示出徑流和泥沙的模擬結(jié)果隨著土地利用分辨率的變化并沒有發(fā)生明顯的改變,而隨著DEM的分辨率的降低呈現(xiàn)了“增大→降低→增大→降低”的不規(guī)則變化。
圖6 徑流和泥沙模擬的NSE系數(shù)與DEM及土地利用分辨率的交互影響關(guān)系(以張家山站為例)
3.5 模型綜合優(yōu)選評價
采用TOPSIS對涇河流域3個水文站模型模擬效果進(jìn)行綜合評價與方案優(yōu)選。取徑流和泥沙模擬的NSE和R2共4個參數(shù)作為評價指標(biāo)。對評價指標(biāo)進(jìn)行平方和歸一化處理,計算出正理想解距離、負(fù)理想解距離和相對貼近度C,據(jù)此對模型進(jìn)行排序,相對貼近度越大,表明該模型的模擬效果越好,3個水文站點(diǎn)的相對貼近度計算結(jié)果如圖7所示。
圖7 基于TOPSIS理論的模型綜合優(yōu)選評價
由圖7可見,張家山站模擬效果最好的DEM和土地利用分辨率分別為150和3 000 m,相對貼近度為0.85(徑流模擬:R2=0.71、NSE=0.69;泥沙模擬:R2=0.64、NSE=0.62),模擬效果最差的DEM和土地利用分辨率分別為300 和30 m。采用DEM和土地利用均為30 m分辨率的數(shù)據(jù)構(gòu)建的模型排序僅為49,這也進(jìn)一步說明并非DEM和土地利用的分辨率越高模型的模擬效果越好。毛家河站和楊家坪站模擬效果最優(yōu)的DEM和土地利用分辨率組合分別為750和300 m以及30 和90 m,相對貼近度分別為0.86(徑流模擬:R2=0.81、NSE=0.78;泥沙模擬:R2=0.79、NSE=0.78)和0.95(徑流模擬:R2=0.76、NSE=0.76;泥沙模擬:R2=0.79、NSE=0.77)。
4 討 論
本研究表明,隨著DEM數(shù)據(jù)分辨率的降低,水文邊界的提取會產(chǎn)生偏差。這是由于DEM數(shù)據(jù)的分辨率會對地形參數(shù)的垂直精度產(chǎn)生影響[21],低分辨率的DEM數(shù)據(jù)會對高程信息產(chǎn)生概化作用[13],降低了提取數(shù)據(jù)的準(zhǔn)確性,導(dǎo)致流域邊界的偏移及流域面積的缺失[22]。另外,SWAT模型中河道的提取基于D8算法[23],高程信息的偏差會對水流方向的計算產(chǎn)生較大影響。而且,DEM數(shù)據(jù)分辨率的降低會造成黃土丘陵區(qū)及殘塬區(qū)為主的涇河流域中部和北部地區(qū)[24]地形細(xì)節(jié)損失,更容易產(chǎn)生偽河道。
在相同的土地利用、土壤類型及坡度劃分閾值下,HRU的數(shù)量與流域柵格數(shù)、子流域數(shù)量和子流域中土地利用、土壤類型及坡度的分類數(shù)有關(guān)[25]。本研究中,DEM分辨率對HRU數(shù)量的影響占主導(dǎo)作用,這是由三方面原因?qū)е碌?。第?整個流域的柵格數(shù)量是由DEM分辨率決定的,DEM的分辨率越高則柵格的數(shù)量越多,HRU劃分的過程就會越精細(xì)。第二,DEM分辨率的降低會導(dǎo)致子流域數(shù)量減少,從而引起HRU數(shù)量的降低。第三,土地利用數(shù)據(jù)和土壤數(shù)據(jù)會被投影在DEM圖形柵格上,DEM分辨率的降低還會導(dǎo)致土地利用、土壤以及坡度的分類丟失[26],這也導(dǎo)致HRU數(shù)量受DEM分辨率的影響更大。此外,由于涇河流域的地形較為復(fù)雜,相較于地形特征的變化,相鄰柵格數(shù)據(jù)之間的土地利用變化較為平滑,從而導(dǎo)致了土地利用分辨率的變化對HRU數(shù)量的影響遠(yuǎn)小于DEM。當(dāng)DEM分辨率為30 m時,HRU的數(shù)量多達(dá)612個;當(dāng)DEM分辨率為3 000 m時,HRU的數(shù)量減少至154個,同比減少了74.8%。
DEM數(shù)據(jù)分辨率的降低會造成坡度信息的丟失,地形趨于平緩,匯流時間增加,從而導(dǎo)致了部分參數(shù)的敏感性發(fā)生變化。曼寧系數(shù)OV_N和水土保持措施因子USLE_P的敏感性均與坡度相關(guān),坡度越大則敏感性越強(qiáng),而地表徑流滯后系數(shù)SURLAG會隨匯流時間的增大而更加敏感[27]。在DEM分辨率變化較小時,坡度和匯流時間變化幅度也較小,對參數(shù)的敏感性影響有限;當(dāng)DEM分辨率變化較大時,OV_N、USLE_P以及SURLAG等參數(shù)的敏感性降低。
土地利用分辨率對模型水沙模擬效果和模型參數(shù)的敏感性的影響要小于DEM分辨率。具體來說,土地利用分辨率的變化會影響土地利用的類型及空間分布,但對土地利用類型的面積變化影響有限,在由30 m分辨率DEM數(shù)據(jù)構(gòu)建的所有模型中,土地利用數(shù)據(jù)分辨率由30 m降低至3 000 m時,僅造成土地利用類型“牧草”的面積占比減少了1.57%以及土地利用類型“耕地”的面積占比增加了1.26%,其余土地類型的變化幅度均不超過0.2%。因此對整個流域的水沙模擬結(jié)果及參數(shù)的敏感性影響并不顯著。然而,DEM的分辨率會影響模型水文參數(shù)的提取,導(dǎo)致水文循環(huán)及泥沙侵蝕的模擬過程產(chǎn)生變化,從而對水沙模擬效果產(chǎn)生較大的影響。另外,30 m分辨率的DEM數(shù)據(jù)并未構(gòu)建出精度最高的模型。這是因?yàn)檫^于精細(xì)的DEM數(shù)據(jù)會生成更多數(shù)量的HRU,導(dǎo)致SWAT-CUP的運(yùn)算量大幅度增加,不僅延長了模型運(yùn)行時間,還有可能導(dǎo)致優(yōu)化算法陷入局部最優(yōu)解,無法計算出最佳參數(shù)[28-29]。低分辨率數(shù)據(jù)構(gòu)建的模型也可能具有良好的適用性,比如,在模型綜合評價中,毛家河站與張家山站最優(yōu)模型的DEM和土地利用分辨率組合為750 和300 m以及150 和3 000 m,在水沙模擬的過程中均具有較好的適用性,這也與韓振宇等[30]的研究結(jié)果一致。
本研究基于TOPSIS理論優(yōu)選出涇河流域SWAT水沙模擬模型的DEM和土地利用分辨率組合,可為涇河流域的生態(tài)保護(hù)和水沙治理提供技術(shù)參考。然而,由于各流域的下墊面情況不盡相同,該流域的建議輸入數(shù)據(jù)不一定適用于其他流域,各流域可根據(jù)自身條件進(jìn)行模型模擬評價,優(yōu)選出不同分辨率輸入數(shù)據(jù)的最佳組合。此外,后續(xù)研究可以考慮數(shù)據(jù)源和土壤數(shù)據(jù)的分辨率對模擬效果的影響。
5 結(jié) 論
(1) DEM分辨率的變化會影響水文邊界與河網(wǎng)的提取,30～1 000 m分辨率的DEM均能滿足建模需求。當(dāng)DEM分辨率低于1 000 m時,會產(chǎn)生偽河道和不連續(xù)的河網(wǎng),河網(wǎng)邊界也會發(fā)生凹陷。隨著DEM的分辨率的降低,流域的計算面積累積減少了12.27%,最大高程低估了312 m,最小高程高估了139 m。坡度受分辨率變化的影響更大,當(dāng)分辨率低于2 000 m時,坡度信息幾乎全部丟失。HRU的數(shù)量會隨著DEM分辨率的降低而明顯減少,土地利用對HRU數(shù)量的影響較小。
(2) 涇河流域毛家河和楊家坪水文站的模擬效果優(yōu)于張家山站,這與氣象站的坐標(biāo)以及流域面積有關(guān),參數(shù)自身的不確定性會影響模型的模擬效果。因此,低分辨率的模型也可能具有較好的適用性。在所有的模型中,USLE_C,EPCO、ALPHA_BNK以及CN2均為最敏感的參數(shù),DEM對參數(shù)敏感性的影響大于土地利用。
(3) 由于模型和參數(shù)的不確定性,DEM和土地利用數(shù)據(jù)的分辨率對模型水沙模擬效果的影響并不明顯。不同流域的最佳模型的DEM和土地利用分辨率組合不同,蒲河流域、涇河南支干流流域以及整個涇河流域的最佳模型DEM和土地利用分辨率組合分別是750和300 m、30和90 m以及150和3 000 m。
猜你喜歡
童話王國·奇妙邏輯推理(2024年5期)2024-06-19 16:03:38
中學(xué)生數(shù)理化·八年級物理人教版(2022年3期)2022-03-16 05:55:08
當(dāng)代陜西(2021年2期)2021-03-29 07:41:24
中學(xué)生數(shù)理化·七年級數(shù)學(xué)人教版(2020年10期)2020-11-26 08:24:50
數(shù)學(xué)物理學(xué)報(2020年2期)2020-06-02 11:29:24
媽媽寶寶(2017年3期)2017-02-21 01:22:28
光學(xué)精密工程(2016年6期)2016-11-07 09:07:19
中國塑料(2016年3期)2016-06-15 20:30:00
通信電源技術(shù)(2016年3期)2016-03-26 07:13:38
核科學(xué)與工程(2015年4期)2015-09-26 11:59:03
