基于分布式水文模型的龙河流域径流模拟

基于分布式水文模型的龙河流域径流模拟

林 竞

（重庆交通大学  河海学院，重庆 400074）

摘  要：以位于重庆市东部的龙河流域为研究对象，构建 SWAT 分布式水文模型对该流域的径流过程进行模拟，采用SUFI-2算法对模型参数进行敏感性分析，最终对其率定与验证的结果进行分析。结果表明，龙河流域对CH_K2.rte、CN2.mgt、SOL_BD.sol、GWQMN.gw、SOL_K.sol等较为敏感，影响较显著，率定期与验证期龙河流域月均径流量实测值与模拟值吻合度较好，率定期和验证期的 Nash-Suttcliffe 效率系数均大于0.6、确定性系数和相对误差也均满足要求，说明 SWAT 模型在龙河流域具有很好的适用性。

关键词：SWAT模型；径流模拟；小流域

1 引言

近年来，随着经济社会的发展以及人口密度的增加，全球绝大部分地区都存在严重的水资源紧缺的问题。在此大背景下，精确模拟径流成为各国水利科研工作者的热门研究课题[1]。基于物理机制的分布式水文模型为径流模拟和流域水循环研究提供了有效工具，SWAT（Soil and Water Assessment Tool）是一种广泛应用于水文模拟和流域管理的模型。该模型是由美国农业部（USDA）开发的，旨在评估土壤侵蚀、径流、水质和农务管理措施对流域水资源的影响。在模拟径流方面，国内外学者主要将SWAT水文模型用于探讨径流过程下的时空演变特征、土地利用及气候变化的响应[2]、未来水文预测、生态补水应用等方面[3]。总体来看，运用 SWAT 模型探求径流时空变化特征及对该变化未来趋势的预测，是未来相关研究的一大热点和主要方向。

2 研究区概况与模型构建

2.1 研究区域概况

龙河是长江右岸一级支流，亦称南滨河，葫芦溪、漆园河、三江溪、后河，地跨重庆市石柱、丰都、武隆三区县，河长164 km，流域面积2810 km2，天然落差1621 m，多年平均流量59.9 m³/s，多年平均含沙量约0.9  kg/m³。龙河流域属亚热带湿润季风气候区，多年平均气温16.5～18.3 °C，多年平均降水量959.5～1394.1 mm。流域地处四川盆地东部中低山丘陵区，地貌以低山、丘陵为主，间有平坝。。流域内山区有成片森林，河谷地带两岸多为农田或荒地，林木稀疏。龙河流域的土地利用类型以耕地和林地为主，流域内土壤类型以黄壤和紫色土为主。

2.2 基础数据处理

2.2.1 数字高程DEM

数字高程模型（DigitalElevationModel，DEM）用于数字化描述地理特征，DEM数据将用于后续的流域信息的提取，是模型最基础的地理信息数据。相关研究表明，DEM 分辨率范围在 20～150 m 时，SWAT 模型的模拟效果较好。本研究使用的DEM数据来源于地理空间数据云平台(http：//www.gscloud.cn/)，采用30 m×30 m精度的数字海拔图，利用ArcGIS10.2的拼接和裁剪操作，将其处理成分布式水文模型所需要的标准数据。

2.2.2土地利用数据

研究流域土地利用数据均使用中国科学院地理科学与资源研究所，为保持土地利用分类体系与SWAT一致，需要对土地利用数据进行重分类，SWAT模型分类参考庞靖鹏非点源污染分布式模拟的研究结果[4]，

2.2.3 土壤数据

土壤数据是SWAT模型分析中很重要的一项指标，是影响这水文循环的重要因素。而且不仅在水文领域，在其他专业领域，可靠的土壤数据也是十分重要的参考依据。本文采用的是新一代的世界土壤数据库（Harmonized World Soil Database version 1.2）（HWSD V1.2）。HWSD V1.2是在气候变化公约的背景下，由国际应用系统分析研究所（IIASA）及联合国粮农组织（FAO）共同倡导建立的，中国区的数据源是由南京土壤所提供的1995年全国第二次土地调查得出的1:1000000土壤数据。本文采用中国科学院青藏高原研究所国家青藏高原科学数据中心所提供的数据，下载地址为：http://data.tpdc.ac.cn，数据格式为栅格格式。由于土壤数据对产汇流影响很大，故没有对其进行重分类。

2.2.4 气象数据

选取龙河河流域内部及周边的 3 个基本气象站即流域内部的石柱站(编号 57438)、流域外西部的丰都站(编号 57523)和流域外北部的忠县站(编号 57437)，将它们的实测逐日气象数据进行分析。时间段为1960年-2021年9月。将每个气象站测得的气象因子数据制作成满足SWAT模型格式的txt。

2.2.5 水文数据

选取龙河河流域石柱水文站观测的 1960—1980 年逐日径流数据进行分析，这一时期的数据连续性较好，可作为模型率定与验证的依据。上述水文数据通过访问重庆市生态环境大数据中心(http://sthjj.cq.gov.cn)获得。

2.3 SWAT模型构建

2.3.1 子流域划分

对子流域的构建需要以DEM数据作为输入，其次为了提高河网生成的精度导入以四级河流为原型对子流域进行划分。划分子流域需要确定最小积水面积，这个值通常经过实际情况来定，根据输入DEM、河流、高程单位、出水口等信息划定流域范围。龙河划分子流域数目为31个。

2.3.2 土地利用重分类

将表2做成Excel文件ArcGis转成dbf格式，在对土地利用进行重分类时导入此dbf表至SWAT模型中进行重分类。

3 结果与分析

3.1 参数敏感性分析

参数的取值将直接影响着模型模拟的精度，为提高模拟精度，需要对参数进行率定分析。为提高模型的率定效率，需要筛选一部分敏感性较高的值进行分析。SWAT-CUP2012的敏感性分析有全局敏感性（GlobalSensitivity）分析和一次一个敏感性（One-at-a-time），前者在一次迭代之后即可执行，后者一次只执行一个参数。参数的敏感性由t-stat和p-values共同决定：其中 t-stat表征了模型参数的敏感程度，t的绝对值值越大越敏感；p-values反映敏感性参数的显著性，其绝对值越趋向于0，参数越显著。基于流域特征、模型结构和SWAT模型参数率定相关研究选取出13个与径流模拟相关的核心参数，然后率定模型参数并进行t-Stat、P-Value和最终参数值的统计，最终结果表明，CH_K2.rte、CN2.mgt、SOL_BD.sol、GWQMN.gw、SOL_K.sol较为敏感，影响较显著。

3.2 精度评价

模型运行结束后，需对模拟结果的正确性做出量化判断。通过 Nash-Suttcliffe 效率系数、确定性系数和 相对误差共 3 个指标参数来评价模型在流域的适应性[5]，它们的计算公式如下：

，

，

。

式中：NSE为 Nash-Suttcliffe 效率系数；R 2 为确定性系数；Re 为相对误差；Qz、Qs 分别表示实测值、模拟值；Qz 、 Qs 分别表示实测数据均值、模拟数据均值。

根据前人的研究成果可知，当 Nash-Suttcliffe 效率系数值大于或等于 0.55、确定性系数值大于或等于 0.6、相对误差的绝对值小于或等于 25%时，模型的适应性较好。

4 结论

将与现有实测资料时间数量匹配的模拟结果提取分析，设置模型的率定期为1960~1969年，验证期为1970~1979年。率定期与验证期模拟值与实测值拟合理想，NSE 效率系数均大于 0.55，确定性系数也在 0.6 以上，相对误差绝对值均小于 25%，这一结果表明 SWAT 模型能很好地适用于龙河流域的径流模拟。

参考文献

[1]UNIYAL B, JHA M K, VERMA A K, et al. Identification of Critical Areas and Evaluation of Best Management Practices Using Swat for Sustainable Watershed Management [J]. Science of the Total Environment, 2020, 744.

[2]NEUPANE P, BAILEY R T, TAVAKOLI-KIVI S. Assessing Controls on Selenium Fate and Transport in Watersheds Using the Swat Model [J]. Science of the Total Environment, 2020, 738.

[3]安晨, 方海燕. 基于swat模型的妫水河流域径流空间分布特征 [J]. 水文, 2021, 41: 81-7+47.

[4]庞靖鹏, 刘昌明, 徐宗学. 基于swat模型的径流与土壤侵蚀过程模拟 [J]. 水土保持研究, 2007: 88-93.

[5]刘卫林, 叶咏, 朱圣男, 等. 基于sufi-2算法的swat模型在抚河临水流域径流模拟中的应用 [J]. 水利规划与设计, 2018: 57-61.