SWAT模型在蘭江流域未來徑流模擬中的應(yīng)用

張徐杰，朱　聰，程開宇，富　強(qiáng)

(中國(guó)電建集團(tuán)華東勘測(cè)設(shè)計(jì)研究院有限公司，浙江 杭州　311122)

?

SWAT模型在蘭江流域未來徑流模擬中的應(yīng)用

張徐杰，朱聰，程開宇，富強(qiáng)

(中國(guó)電建集團(tuán)華東勘測(cè)設(shè)計(jì)研究院有限公司，浙江 杭州311122)

摘要：結(jié)合IPCC氣候排放情景和多個(gè)大氣環(huán)流模式集合數(shù)據(jù)，進(jìn)行空間降尺度和時(shí)間降尺度處理，通過SWAT模型模擬蘭江流域未來三個(gè)不同時(shí)期的徑流變化情況.結(jié)果表明，SWAT模型在該流域有較好的徑流模擬能力，蘭江流域未來徑流與基準(zhǔn)期相比大致呈減少趨勢(shì)，其中秋季減少最為嚴(yán)重.不同排放情景下徑流減少有所不同，其中A2情景下徑流減少最為明顯.

關(guān)鍵詞：氣候變化；SWAT；大氣環(huán)流模式；徑流變化；降尺度

0引言

SWAT(Soil and Water Assessment Tool)模型是由美國(guó)農(nóng)業(yè)部(USDA)的農(nóng)業(yè)研究中心(ARS)研發(fā)的長(zhǎng)時(shí)段分布式水文模型，具有很強(qiáng)的物理機(jī)制.SWAT模型于20世紀(jì)90年代早期正式推出，繼而又出現(xiàn)了SWAT與GIS軟件(如GRASS、Arcview)的集成版本，使模型的應(yīng)用更加方便[1].SWAT模型在國(guó)外的應(yīng)用非常廣泛，近幾年來，在國(guó)內(nèi)也逐步被推廣起來，很多研究者開始應(yīng)用SWAT模型.如代俊峰、崔遠(yuǎn)來[2]以SWAT模型為工具，對(duì)典型灌區(qū)進(jìn)行灌區(qū)小流域和區(qū)域尺度的水平衡模擬，定量分析了不同水管理措施對(duì)灌區(qū)小流域尺度水量平衡評(píng)價(jià)指標(biāo)的影響.朱麗等[3]基于SWAT模型靈敏性分析模塊，在北京密云縣紅門川流域應(yīng)用與驗(yàn)證，通過靈敏性分析，得到了影響該流域產(chǎn)流模擬結(jié)果精度的主要敏感參數(shù).劉晉[4]進(jìn)行了SWAT模型對(duì)高原寒區(qū)白河流域的模擬研究，得出了SWAT模型可以滿足高山寒冷和資料缺乏地區(qū)的水文過程模擬的結(jié)論.李曉等[5]將SWAT模型應(yīng)用于中國(guó)伊河流域潭頭以上地區(qū)，探討了SWAT模型在中國(guó)半濕潤(rùn)半干旱地區(qū)的適用性.

氣候變化問題是目前全球范圍內(nèi)的一個(gè)熱門話題，已經(jīng)有非常多的相關(guān)研究[6-10].如Xu等[6]運(yùn)用大氣環(huán)流模式的結(jié)果，通過天氣發(fā)生器進(jìn)行降尺度處理，研究了氣候變化對(duì)中國(guó)錢塘江流域未來三個(gè)時(shí)期內(nèi)設(shè)計(jì)暴雨的影響.張建云等[7]采用設(shè)定情景與水文模擬相結(jié)合的途徑，評(píng)估了黃河中游不同區(qū)間河川徑流量對(duì)氣候變化的響應(yīng).叢振濤等[8]采用IPCC第四次報(bào)告中給出的未來氣候變化情景中的COMMIT、A1B、A2和B1，選用大氣環(huán)流模式HadCM3，利用作物模型CERES，模擬不同的灌溉處理下、不同的預(yù)測(cè)期內(nèi)北京地區(qū)冬小麥的生長(zhǎng)和耗水過程，分析了氣候變化對(duì)冬小麥耗水的影響.

本文利用DEM等空間格點(diǎn)數(shù)據(jù)和大量水文氣象數(shù)據(jù)，在蘭江流域建立SWAT模型，并對(duì)模型進(jìn)行了校準(zhǔn)和驗(yàn)證.然后利用20C3M、A1B、A2和B1情景下的大氣環(huán)流模式集合數(shù)據(jù)，進(jìn)行降尺度處理后作為SWAT模型的輸入數(shù)據(jù)，模擬出未來三個(gè)時(shí)期內(nèi)蘭江流域的徑流，分析未來時(shí)期流域的水量平衡狀況、徑流變化情況及其對(duì)降水變化的響應(yīng)，為蘭江流域的水資源管理與研究提供一定借鑒和支持.

1SWAT模型的建立

1.1研究區(qū)域概況

蘭江，位于浙江省蘭溪市境內(nèi)，由衢江、金華江匯合，再由南向北流經(jīng)蘭溪市區(qū)，直至建德梅城.蘭江為錢塘江最大支流的一段，也是錢塘江水量的主要來源之一.蘭江流域是錢塘江流域的三大子流域之一(見圖1)，蘭江流域面積19 350 km2，主流長(zhǎng)300 km，其中在建德的流域面積419 km2，河段長(zhǎng)23.5 km.

圖1　蘭江流域

1.2SWAT模型輸入數(shù)據(jù)介紹

SWAT模型的原理已經(jīng)有相當(dāng)多的文獻(xiàn)進(jìn)行了闡述，這里不再贅述.文中DEM數(shù)據(jù)來自于SRTM官方網(wǎng)站，分辨率為90 m×90 m.DEM數(shù)據(jù)主要用來劃分流域，形成水系.土地利用數(shù)據(jù)來自于GLC2000項(xiàng)目，空間分辨率是1 km×1 km.我們對(duì)中國(guó)土地利用數(shù)據(jù)按照SWAT模型中土地利用數(shù)據(jù)庫(kù)的類型，進(jìn)行重分類.

土壤數(shù)據(jù)來自于聯(lián)合國(guó)糧農(nóng)組織(FAO)和維也納國(guó)際應(yīng)用系統(tǒng)研究所(IIASA)所構(gòu)建的世界和諧土壤數(shù)據(jù)庫(kù)(HWSD)，空間分辨率是1 km×1 km.中國(guó)的土壤圖分類很細(xì)，按照土綱/土類/亞類/土屬的級(jí)別分為幾百個(gè)土屬.我們對(duì)中圖土壤圖按土綱進(jìn)行重分類，結(jié)果分為7類.

另外根據(jù)1961—1990年的實(shí)測(cè)氣象資料，建立金華和衢州2個(gè)站點(diǎn)的天氣發(fā)生器數(shù)據(jù)庫(kù).輸入模型的降雨站點(diǎn)有10個(gè)，時(shí)間為1980—1995年(其中常山站缺1994年數(shù)據(jù)).溫度站為2個(gè)，數(shù)據(jù)包括每日最高溫和最低溫，時(shí)間為1980—1995年.風(fēng)速、濕度和輻射數(shù)據(jù)通過天氣發(fā)生器來生成.流量站點(diǎn)有3個(gè)，為1980—1995年逐日數(shù)據(jù).各站點(diǎn)信息(見表1).

蘭江流域各站點(diǎn)信息

1.3SWAT模型率定和驗(yàn)證

根據(jù)SWAT的輸入要求，建立SWAT模型.使用金華、衢州和蘭溪三個(gè)站點(diǎn)1980—1995年的逐月實(shí)測(cè)徑流數(shù)據(jù)進(jìn)行模型的率定和驗(yàn)證.1980年為模型預(yù)熱期，1981—1990年為模型率定期，1991—1995年為模型驗(yàn)證期.金華、衢州和蘭溪3個(gè)站點(diǎn)的Nash-Sutcliffe系數(shù)在率定期分別為0.76、0.86和0.86，在驗(yàn)證期分別為0.89、0.77和0.89.圖2和圖3分別為蘭溪站率定期和驗(yàn)證期的模擬徑流與實(shí)測(cè)徑流對(duì)比圖.由模型的率定和驗(yàn)證結(jié)果可以看出，SWAT模型的徑流模擬效果較好.

圖2　蘭溪站率定期模擬與實(shí)測(cè)徑流對(duì)比

圖3　蘭溪站驗(yàn)證期模擬與實(shí)測(cè)徑流對(duì)比

2未來徑流模擬

2.1氣候情景和GCM數(shù)據(jù)

聯(lián)合國(guó)政府間氣候變化專門委員會(huì)(IPCC)的第四次評(píng)估報(bào)告中給出了幾種氣候排放情景，來體現(xiàn)未來氣候的可能發(fā)展方向[11].本文選取20C3M情景下的1961—1990年用來表示基準(zhǔn)期，選取A1B、A2和B1用來表示未來氣候情景.

IPCC第四次評(píng)估報(bào)告中給出了20多個(gè)GCM的結(jié)果，但是各個(gè)GCM的結(jié)果又存在較大的不確定性.因此，本文采用GCM集合數(shù)據(jù)以減少不確定性.REA數(shù)據(jù)集是國(guó)家氣候中心通過REA(Reliability Ensemble Averaging)方法得到的GCM集合數(shù)據(jù)[12]，時(shí)間尺度為月，包括A1B、A2、B1和20C3M情景下的月平均降雨數(shù)據(jù)和溫度數(shù)據(jù)，其數(shù)據(jù)分辨率為1°×1°.

2.2降尺度方法

由于REA數(shù)據(jù)集是分辨率為1°×1°的月平均數(shù)據(jù)，所以先通過反距離權(quán)重插值(IDW)方法進(jìn)行空間降尺度處理，得到各個(gè)雨量站各種情景下的逐月降雨量和平均溫度.然后在溫度站建立月平均溫度與月最高、最低溫之間的線性關(guān)系，以得到溫度站的月最高、最低溫.再通過MODAWEC天氣發(fā)生器[13]進(jìn)行時(shí)間降尺度處理，將逐月降雨量轉(zhuǎn)換為逐日降雨量.

2.3應(yīng)用SWAT模型模擬徑流

利用REA數(shù)據(jù)集中的20C3M情景下1961—1990年的降雨數(shù)據(jù)模擬基準(zhǔn)期下的徑流，以及A1B、A2和B1情景下2011—2100年的降雨數(shù)據(jù)模擬氣候變化背景下的徑流，并把結(jié)果分為三個(gè)時(shí)期：T1(2011—2040)、T2(2041—2070)、T3(2071—2100).將結(jié)果與基準(zhǔn)期的徑流進(jìn)行對(duì)比，來分析氣候變化對(duì)蘭江流域未來時(shí)期水量平衡狀況、徑流變化情況的影響.

由于篇幅限制，這里僅列出部分結(jié)果，圖4所示的是A1B情景下衢州站未來的徑流變化情況.由圖可知，未來衢州站的徑流大致呈減少趨勢(shì)，T1時(shí)期減少較嚴(yán)重，全年12個(gè)月的月均流量都是降低的，降幅最大的出現(xiàn)在10月份，為23.4%.T2、T3時(shí)期也僅有少數(shù)月份的月均流量是增加的，增幅最大的出現(xiàn)在T2時(shí)期的6月份，為9.9%.

圖4　A1B情景下衢州站徑流變化情況

圖5所示的是A2情景下金華站未來的徑流變化情況.很明顯地，A2情景下徑流降低非常嚴(yán)重，3個(gè)時(shí)期內(nèi)各月的月均流量相比基準(zhǔn)期都是減少的，秋季徑流減少最嚴(yán)重，最大降幅接近50%.圖6所示的是B1情景下蘭溪站未來的徑流變化情況.同樣可以看出，徑流以減少為主，秋季將是徑流減少最嚴(yán)重的季節(jié).其中降幅最大的出現(xiàn)在T2時(shí)期的10月份，為23.3%.

圖5　A2情景下金華站徑流變化情況

圖6　B1情景下蘭溪站徑流變化情況

3結(jié)論和討論

本文在蘭江流域建立SWAT模型，并對(duì)模型進(jìn)行了校準(zhǔn)和驗(yàn)證.然后以氣候變化為背景，應(yīng)用SWAT模型模擬了蘭江流域未來不同排放情景下的徑流變化情況，初步得出了以下結(jié)論：(1)SWAT模型在蘭江流域有較好的徑流模擬能力；(2)蘭江流域未來時(shí)期內(nèi)的徑流基本呈現(xiàn)減少趨勢(shì)，秋季最為嚴(yán)重，更有可能發(fā)生干旱；(3)不同排放情景下的徑流變化情況有所差異，其中A2情景下徑流減少最為嚴(yán)重.

參考文獻(xiàn)：

[1]JAYAKRISHNAN R,SRINIVASAN R, SANTHI C,et al. Advances in the Application of the SWAT Model for Water Resources Management [J]. Hydrological Processes, 2005,19(3):749-762.

[2]代俊峰，崔遠(yuǎn)來.基于SWAT的灌區(qū)分布式水文模型——Ⅱ.模型應(yīng)用[J].水利學(xué)報(bào),2009,40(3):311-318.

[3]朱麗,秦富倉(cāng),姚云峰,等.SWAT模型靈敏性分析模塊在中尺度流域的應(yīng)用——以密云縣紅門川流域?yàn)槔齕J].水土保持研究,2011,18(1):161-165.

[4]劉晉.SWAT分布式水文模型的應(yīng)用及與新安江模型的對(duì)比研究[D].南京:河海大學(xué),2007.

[5]李曉，李致家，董佳瑞.SWAT模型在伊河上游徑流模擬中的應(yīng)用[J].河海大學(xué)學(xué)報(bào)(自然科學(xué)版),2009,37(1):23-26.

[6]XU Y P,ZHANG X,TIAN Y.Impact of Climate Change on 24-h Design Rainfall Depth Estimation in Qiantang River Basin, East China[J].Hydrological Processes,2012,26(26):4067-4077.

[7]張建云，王國(guó)慶，賀瑞敏，等.黃河中游水文變化趨勢(shì)及其對(duì)氣候變化的響應(yīng)[J].水科學(xué)進(jìn)展,2009,20(2):153-158.

[8]叢振濤，辛儒，姚本智，等.基于HadCM3模式的氣候變化下北京地區(qū)冬小麥耗水研究[J].水利學(xué)報(bào),2010,41(9):1101-1107.

[9]魏光輝.氣候變化對(duì)新疆黃水溝流域徑流過程的影響[J].浙江水利水電學(xué)院學(xué)報(bào),2015,27(1):46-52.

[10]王忠紅,趙賢產(chǎn),余菲.義烏降水氣候分析中的面雨量計(jì)算及其應(yīng)用比較[J].浙江水利水電?？茖W(xué)校學(xué)報(bào),2010,22(1):47-50.

[11]IPCC. Climate Change 2007: The Physical Science Basis: Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change [M].Cambridge:Cambridge University Press,2007.

[12]XU Y, GAO X, GIORGI F. Upgrades to the Reliability Ensemble Averaging Method for Producing probabilistic climate-change projections [J]. Climate Research, 2010,41(1):61-81.

[13]LIU J, WILLIAMS J R, WANG X, et al. Using MODAWEC to Generate Daily Weather Data for the EPIC model [J]. Environmental Modelling and Software, 2009,24(5):655-664.

Application of SWAT in Runoff Simulation of Lanjiang River Basin

ZHANG Xu-jie, ZHU Cong, CHENG Kai-yu, FU Qiang

(Power China Huadong Engineering Co. Ltd., Hangzhou 311122, China)

Abstract:Combined with the IPCC climate emissions scenario and multiple atmospheric circulation pattern collection data, spatial scale and time scale processing based on SWAT Model are discussed to simulate the runoff changes of Lanjiang watershed in three different period in the future. Results show that the SWAT Model carries better ability in runoff simulation in the basin. Compared with the baseline period, the future runoff in Lanjiang basin roughly shows a decreasing trend, especially in autumn. Runoff decrease is different under different emission scenarios, while the runoff reduction under A2 scenario is most obvious.

Key words:climate change; SWAT; general circulation model; runoff variation; downscaling

收稿日期：2016-01-31

作者簡(jiǎn)介：張徐杰(1987-)，男，浙江余姚人，工程師，主要從事工程水文設(shè)計(jì)工作和研究.

中圖分類號(hào)：P338+.2

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1008-536X(2016)04-0013-04