基于流域?qū)傩院蛥?shù)敏感性的相似流域識別方法

陳磊，李爽，王國波，沈珍瑤

(北京師范大學環(huán)境學院,北京 100875）

基于流域?qū)傩院蛥?shù)敏感性的相似流域識別方法

陳磊，李爽，王國波，沈珍瑤*

(北京師范大學環(huán)境學院,北京 100875）

以三峽庫區(qū)大寧河流域為例,提出了基于流域?qū)傩院湍Ｐ兔舾行詤?shù)兩種相似流域的識別方法。案例研究結(jié)果表明,基于參數(shù)敏感性法的相似流域識別結(jié)果較好,評價標準等級劃分精細程度會影響屬性法的結(jié)果。當評價標準很精細時,兩種相似流域識別方法得到的結(jié)果趨于一致,表明兩種方法均可用于相似流域判定。同時,兩種方法各有其適應性,在實際應用時可將兩種方法相結(jié)合,以便獲得更為精確的識別結(jié)果。本研究所提出的方法有助于改善農(nóng)業(yè)非點源污染模擬技術(shù),實現(xiàn)農(nóng)業(yè)非點源污染影響的準確量化。

非點源污染；SWAT模型；參數(shù)移植法；相似性評價；三峽庫區(qū)

農(nóng)業(yè)非點源污染導致環(huán)境污染事件頻發(fā),已成為當前環(huán)境治理的關(guān)鍵課題之一,科學有效地控制農(nóng)業(yè)非點源污染是當前農(nóng)業(yè)可持續(xù)發(fā)展和水環(huán)境保護亟待解決的重要問題。模型模擬是進行農(nóng)業(yè)非點源污染評估的主要技術(shù)手段,目前廣泛用于農(nóng)業(yè)面源污染評價的機理模型包括AnnAGNPS、AGNPS、ANSWERS、SWRRB、HSPF和SWAT等［1］。這些機理模型可以很好地描述農(nóng)業(yè)面源污染發(fā)生的過程,并通過構(gòu)建流域內(nèi)各要素間的數(shù)值關(guān)系,量化農(nóng)業(yè)非點源對于河流(湖泊）水環(huán)境的影響。如趙倩等［2］運用AnnAGNPS對柴河上游流域農(nóng)業(yè)非點源污染負荷進行了估算；Liu等［3］運用SWAT模型評估了最佳管理措施對農(nóng)業(yè)非點源污染的影響。但由于我國農(nóng)田-地表水系統(tǒng)監(jiān)測網(wǎng)絡(luò)的相對滯后,導致監(jiān)測數(shù)據(jù)缺失,這也成為流域農(nóng)業(yè)非點源污染評價亟待解決的關(guān)鍵問題。開展數(shù)據(jù)缺失下的農(nóng)業(yè)非點源污染模型應用研究,有助于量化農(nóng)業(yè)非點源污染影響、實現(xiàn)農(nóng)業(yè)非點源污染的有效防治。

在監(jiān)測數(shù)據(jù)缺失的情況下,利用已有的監(jiān)測站點率定得到的模型參數(shù)在空間上進行移植成為必不可少的技術(shù)手段,并被廣泛地應用于流域水文研究中,其中相似流域識別是模型參數(shù)移植的前提和關(guān)鍵。其主要實現(xiàn)途徑是通過尋找與缺資料流域特征最為相似的流域,并將有監(jiān)測資料流域的相關(guān)參數(shù)移植到缺資料流域,從而實現(xiàn)缺資料流域的非點源污染預報［4］。目前基于相似流域的水文模擬方法主要有參數(shù)等值線法、水文比擬法、地區(qū)經(jīng)驗法以及區(qū)域化方法等,其中參數(shù)移植法與參數(shù)回歸法為目前常用的兩種區(qū)域化方法。參數(shù)回歸法通過建立有資料流域與缺資料流域特征值之間的多元回歸方程,然后由缺資料流域的物理屬性推求其他參數(shù)［5-6］。參數(shù)移植法主要基于屬性相似法和距離相近法［8-9］,尋找與缺資料流域?qū)傩蕴卣髯顬橄嗨频牧饔?并將參證流域的相關(guān)參數(shù)移植到缺資料流域［7］。距離相近法指的是目標流域與其距離最近的參證流域具有相似的水文過程和模型參數(shù)。由于降雨條件、地表結(jié)構(gòu)以及土地利用等因素的差異,該方法的參數(shù)移植效果不一定令人滿意。目前關(guān)于相似流域分析的研究更多集中在水文領(lǐng)域,如何基于非點源污染過程進行流域相似性判斷,并在此基礎(chǔ)上開展缺資料地區(qū)的非點源污染評價是目前研究的難點。本文提出了基于流域?qū)傩院湍Ｐ兔舾行詤?shù)的兩種相似流域識別方法,并以三峽庫區(qū)大寧河流域為例,分析了兩種方法的適用性。

1 材料和方法

1.1 相似流域識別的基本理念

基于水文過程的相似流域判定本質(zhì)上是尋找與缺資料流域相似的有資料的參證流域,在參證流域構(gòu)建水文模型,并將參證流域的參數(shù)移植到缺資料流域,這為基于非點源污染的相似流域判定提供了較好的思路。借鑒水文學研究的最新研究進展,本研究提出了基于流域?qū)傩院湍Ｐ蛥?shù)敏感性的兩種相似流域判定方法。其中屬性相似可以定義為有資料和缺資料流域具有相同或相似的驅(qū)動力條件、下墊面結(jié)構(gòu)特征、水流動力特征等流域?qū)傩裕?0-11］。流域?qū)傩苑ㄊ窍嗨屏饔蚺卸ǖ闹匾椒?通過比較影響非點源污染過程的氣候、地形、植被等指標的相似性識別相似流域。參數(shù)敏感性法主要通過對目標流域和參證流域進行模型參數(shù)敏感性分析,明確各個流域的敏感性參數(shù)的分布情況,并將敏感性參數(shù)分布相似的流域定義為相似流域。在有資料的參證流域構(gòu)建非點源污染評價模型,并將參證流域獲得的模型參數(shù)作為與其相似的缺資料流域的參數(shù),從而實現(xiàn)缺資料流域的農(nóng)業(yè)非點源污染預報。

1.2 基于屬性的相似流域識別方法

(1）相似指標體系構(gòu)建

已有研究表明,流域內(nèi)影響非點源污染的主要因素包括水文氣象要素、下墊面要素、土地利用要素、土壤要素以及人類活動影響要素等。因此流域?qū)傩灾笜艘矎倪@5個方面著手［4,7］,基于非點源污染過程的流域相似性評價指標體系如圖1所示,共包含了5個一級指標,12個二級指標。

圖1 流域相似性評價指標體系Figure 1 Basin similarity evaluation index system

(2）相似元計算

在本研究中,將目標流域和參證流域所包含的共有的屬性和特征,且在具體數(shù)值上存在差異的要素所構(gòu)成的組合單元稱為相似元［12］。若相似元值為負值表明流域相似性較差。相似元計算公式為.

式中：q(ui）為相似元值；yr為流域A的屬性特征值；ys為流域B的屬性特征值。

(3）相似權(quán)重計算

由于流域許多指標之間的相關(guān)性可能會造成信息的大量重疊,甚至掩蓋其內(nèi)在規(guī)律,因此需要先對選定的評價指標進行相關(guān)性檢驗。由于不同流域指標的相似程度存在顯著差異,因此需量化每項指標的權(quán)重,以表征不同指標對于流域相似度的影響。本文采用變異系數(shù)法評估各項指標的權(quán)重,通過每個指標包含的信息計算各個指標的權(quán)重,以消除量綱不同的影響。各項指標的變異系數(shù)計算如下.

式中：Vi是第i項相似指標的變異系數(shù)；σi是第i項指標的標準差；xˉi是第i項指標的平均值。各項指標的權(quán)重為.

(4）相似度計算

相似度是基于流域?qū)傩缘南嗨屏饔蚺卸ǚ椒ǖ淖罱K量化指標,具體包含相似要素數(shù)量、相似元數(shù)值、各個相似元權(quán)重系數(shù)的函數(shù)集合［13］,流域相似度可以表示為：

式中：流域A由k個特征要素構(gòu)成,流域B由l個特征要素構(gòu)成,兩流域間相似特征要素的數(shù)量為n,每個相似元記為q(ui）,各個相似元的權(quán)重系數(shù)為βi。

1.3 基于參數(shù)敏感性的相似流域識別方法

機理模型是流域水文過程和非點源污染過程的概化,流域過程在模型中通過一定的函數(shù)關(guān)系式表達。模型參數(shù)是流域過程和屬性的概化,模型構(gòu)建過程的核心是確定模型內(nèi)部函數(shù)的相關(guān)參數(shù)。各流域的氣候、地形等屬性存在差異,導致不同流域的模型參數(shù)也不盡相同。參數(shù)敏感性在數(shù)值上表現(xiàn)為參數(shù)變化對模型模擬結(jié)果的影響,其差異反映了流域間的水文過程、污染發(fā)生過程的差異,其大小也一定程度上反映了非點源污染產(chǎn)生的主導過程。敏感性分析是分析模型對參數(shù)的響應程度,具體操作是在參數(shù)最佳估計值附近給定一個人工干擾,并計算參數(shù)在這一很小范圍內(nèi)產(chǎn)生波動所導致模型輸出的變化率。敏感性分析不受觀測資料的限制,對于缺資料地區(qū)同樣適用,若兩個流域的敏感性參數(shù)相同且在敏感度排序上具有一致性,一定程度上說明這兩個流域具有相似的非點源污染過程,則可以將具有相同參數(shù)敏感性或者參數(shù)敏感性排序一致的流域判斷為相似流域。

參數(shù)敏感性分析方法有傅里葉分析法、摩爾斯分類篩選法(OAT）［16］、拉丁超立方抽樣法(LHS）以及結(jié)合兩者的LH-OAT方法［17-18］等。本文采用較為常見的LH-OAT方法進行參數(shù)敏感性分析,具體方法是選定眾多參數(shù)中的一個變量,進而在該變量閾值范圍內(nèi)隨機改變變量值,運行模型得到該變量不同值對應的目標函數(shù)值,最終運用基本影響值來判斷參數(shù)變化對輸出值的影響程度,這種方法具有易于編程實現(xiàn)和運行、計算效率高和單個參數(shù)敏感性特征明顯的特點。同時本文采用傳統(tǒng)的摩爾斯平均系數(shù)作為敏感性大小的判別指標。

式中：SN為敏感性判別因子；Yi為模型第i次運行輸出值；Yi+1為模型第i+1次運行輸出值；Y0為參數(shù)調(diào)整后計算結(jié)果初始值；Pi為第i次模型運算參數(shù)值相對于校準后參數(shù)值的變化百分率；Pi+1為第i+1次模型運算參數(shù)值相對于校準后初試參數(shù)值的變化百分率；n為模型運行次數(shù)。

基于上述,本研究對相似流域的判定過程為.

(1）初步構(gòu)建流域非點源污染模型,通過大量的參數(shù)抽樣獲得不同模型參數(shù)組,代入流域非點源污染模型分析模擬,得到參證流域和目標流域各自的敏感性參數(shù)；

(2）若參證流域與研究流域具有相同的敏感性參數(shù)且排序一致,則判斷兩流域為相似流域。相同排序的敏感性參數(shù)越多,則說明兩個流域相似程度越高。

(3）如參證流域與研究流域的敏感性參數(shù)不同,也可依據(jù)1.2節(jié)的方法進行流域間的相似度判斷。

2 案例研究

2.1 研究區(qū)介紹

本研究選擇位于三峽庫區(qū)上游的一級支流大寧河流域巫溪段作為研究對象。巫溪段流域總面積為2422 km2(圖2）,地貌以山地為主,丘陵分布少,平均海拔1197 m,多年平均氣溫18.4℃,多年平均降水量1 049.3 mm。土地利用方式主要以森林為主(占比65.8%）,農(nóng)田次之(占比22.2%）,草地面積占比11.4%。

本研究所需的基礎(chǔ)數(shù)據(jù)包括.流域內(nèi)部雨量站的降雨數(shù)據(jù),氣象數(shù)據(jù)(溫度、濕度、風速、太陽輻射）,流域數(shù)字高程圖、土地利用數(shù)據(jù)、土壤數(shù)據(jù)等。主要包含的監(jiān)測數(shù)據(jù)有2000—2008年月流量監(jiān)測數(shù)據(jù)和月總磷監(jiān)測數(shù)據(jù)。詳細數(shù)據(jù)來源如表1所示。

根據(jù)大寧河水系結(jié)構(gòu)和課題組前期研究,將大寧河流域劃分成22個子流域(圖3）。由于受地理條件、人力財力等限制,只有巫溪水文站(13號子流域出口）具有水質(zhì)監(jiān)測站點,這就給非點源污染的準確評價造成了困難。在對各子流域特征和模型參數(shù)敏感性研究的基礎(chǔ)上,本研究對22個內(nèi)部流域進行了相似性識別,并對缺資料地區(qū)的相似流域識別方法進行了驗證。

圖2 大寧河流域巫溪段示意圖Figure 2 Location of Daning watershed

圖3 子流域劃分示意圖Figure 3 Diagram for division of sub-basins

2.2 基于屬性的相似流域識別

根據(jù)前期研究,大寧河流域的降雨空間差異性不大,因此本研究結(jié)合大寧河流域地形特征,及指標間的相似度識別結(jié)果,最終選擇了平均高程、平均坡度、林地百分比和耕地百分比作為流域?qū)傩耘卸ǚ椒ǖ木唧w指標。選取指標的相關(guān)性檢驗結(jié)果如表2所示?？傮w來說,各指標之間相關(guān)性并不顯著。

根據(jù)公式(3）計算得到各指標的權(quán)重,并且對出現(xiàn)負相似元值的流域組合予以去除。以1號流域為例,參證流域的指標權(quán)重值如表3所示。根據(jù)流域概況,初步選擇五級相似度評價等級(表4）。

表2 指標相關(guān)系數(shù)矩陣Table 2 Correlation coefficient matrix of index

表1 主要數(shù)據(jù)及來源Table 1 Source and description of basic data

2.3 基于模型參數(shù)敏感性的相似流域識別

SWAT(Soil and Water Assessment Tool）是美國農(nóng)業(yè)部(USDA）農(nóng)業(yè)調(diào)查局(ARS）開發(fā)的流域尺度模型,可用于模擬地表水和地下水水量及水質(zhì)。本課題組已經(jīng)應用SWAT模型開展了大寧河流域水文、泥沙和農(nóng)業(yè)化學物質(zhì)模擬,并量化了不同農(nóng)業(yè)管理措施對非點源污染過程的影響。因此本研究擬在課題組已構(gòu)建模型的基礎(chǔ)上,開展模型敏感性分析,并基于各流域的敏感性參數(shù)對比進行流域相似性判定。其中,用于模型率定和驗證的水文水質(zhì)觀測數(shù)據(jù)主要從長江水利委員會、巫溪縣環(huán)境保護局和巫溪水文站獲取。模型率定驗證過程采用SWAT-CUP軟件實現(xiàn),模型評價指標為Nash-Sutcliffe系數(shù)(NSE）和相關(guān)系數(shù)(R2）。SWAT模型參數(shù)率定驗證結(jié)果見表5,巫溪水文站月平均徑流量和月總磷負荷模擬結(jié)果同實測值的相關(guān)系數(shù)R2均大于0.79,NSE均大于0.74,模擬效果較好。

表3 流域指標權(quán)重值Table 3 Weight of index for basins

通過參數(shù)敏感性分析,得到大寧河流域最敏感的23個參數(shù)(表6）。在對22個流域的敏感性參數(shù)分析發(fā)現(xiàn),對多數(shù)流域而言,USLE_P、CANMX、CH_K2、SOL_Labp、CH_N2、SOL_Z等參數(shù)對模擬結(jié)果的影響均較大,說明22個流域受影響較大的參數(shù)范圍比較一致,但具體到各個流域,其敏感性參數(shù)排序差別較大。研究中取前三位敏感性參數(shù)排序一致的流域組劃為相似流域。識別結(jié)果如表7所示。

2.4 相似流域識別結(jié)果的對比分析

基于流域?qū)傩院湍Ｐ蛥?shù)敏感性兩種方法得到的相似流域判定結(jié)果如表7所示?？梢钥闯?屬性相似法(五級評價標準）與模型參數(shù)敏感性法得到的相似流域組(六組相似流域）具有一定的一致性。在參數(shù)敏感性方法的結(jié)果中,1號流域、2號流域、3號流域、6號流域、9號流域、10號流域、16號流域和17號流域被識別為相似流域,這與屬性相似法的結(jié)果有所不同。此外,屬性相似法將8號流域、18號流域和19號流域判定為相似流域,但是參數(shù)敏感性法判斷18號流域、20號流域與其他流域均不相似。由此看來,兩種方法判斷出的相似流域結(jié)果也具有一定的差異性。

為量化不同相似度評價標準對識別結(jié)果的影響,將相似度評價標準進一步細化,如表4中所示的六級、七級相似度范圍?；诹壓推呒壪嗨贫鹊淖R別結(jié)果如表7所示。相較于五級評價標準,隨著相似度等級的增加,屬性相似法得到的相似流域劃分結(jié)果逐漸精細,且與參數(shù)敏感性法劃分結(jié)果更為接近。說明兩種方法都能有效地進行相似流域判定,但是屬性相似法受相似評價等級劃分影響較大,具有一定的主觀性。

表5 SWAT模型評估結(jié)果Table 5 Evaluation result of SWAT model

表4 相似度評價表Table 4 Table of similarity evaluation

2.5 相似流域驗證

本研究將相似流域定義為具有相同或相似的流域非點源污染過程,具體表現(xiàn)為在同樣的降雨輸入條件下,相似流域應具有類似的水文、非點源污染輸出過程線。基于上述的相似流域判定結(jié)果,本文借助于SWAT模型,對基于屬性相似法(七級標準）和模型敏感性參數(shù)法得到的相似流域分別進行了驗證。具體操作為對相似流域設(shè)置同樣的降雨輸入序列,通過SWAT模型模擬得到參證流域和目標流域出口的污染物負荷輸出序列,并將模型輸出序列進行相關(guān)性評價(用NSE指標量化）。如輸出數(shù)據(jù)序列相關(guān)性較好,則說明兩個流域具有較強的相似性,也即本研究提出的方法具有較好的識別效果。鑒于各相似流域組中的模擬結(jié)果較多,為節(jié)約篇幅,本文只列出部分驗證結(jié)果(圖4）。

表6 參數(shù)敏感性分析結(jié)果Table 6 Sensitivity analysis of parameters

表7 相似流域組識別結(jié)果Table 7 Identification results of similar basins group

由圖4可知,各相似流域的非點源污染(總磷）輸出結(jié)果具有較強的相關(guān)性,表明相似流域具有類似的非點源污染過程?；趨?shù)敏感性分析得到的相似流域的吻合度較高,除了個別流域組的NSE較低(如8號流域與22號流域）,其余的相似流域的總磷擬合相關(guān)性均超過了0.54(NSE值）,表明基于參數(shù)敏感性分析的相似流域識別結(jié)果較好。然而,14號流域-21號流域組為基于屬性法識別出的相似流域組,總磷擬合指標為0.89,但卻并沒有在參數(shù)敏感性法中識別出來,這表明敏感性參數(shù)法也有一定的誤差?？傮w而言,大多數(shù)的相似流域組的擬合指標均大于0.71(總磷模擬）,這說明模型參數(shù)敏感性具有更好的適用性。

基于屬性法識別的相似流域與基于參數(shù)敏感性相似得到的結(jié)果大體相同。不同的是,屬性相似法識別出了1號流域-5號流域、1號流域-13號流域、1號流域-22號流域和14號流域-21號流域等相似流域組。除了上述提到的14號流域-21號流域組的擬合效果較好之外,其余幾個相似流域組的總磷擬合結(jié)果均小于0.52,擬合效果較差,說明這幾組流域相似度較低。證明相對于敏感性參數(shù)法,屬性相似法誤差較大。但總體而言,當相似評價標準足夠精細時,屬性相似法可以得到較為精確的相似流域組。

3 結(jié)論

相似流域識別是數(shù)據(jù)缺失下的農(nóng)業(yè)非點源污染模擬的前提和基礎(chǔ)。本研究提出了基于流域?qū)傩院湍Ｐ兔舾行詤?shù)兩種相似流域的識別方法。案例研究結(jié)果中,基于參數(shù)敏感性法的相似流域識別結(jié)果較好(NSE指標值均大于0.54）,屬性法除個別組擬合結(jié)果較差外,其余的相似流域組的擬合指標也均超過了0.61,表明兩種方法均可用于相似流域判定。對比兩種方法發(fā)現(xiàn),流域?qū)傩苑ㄊ茉u價標準等級劃分影響較大,當評價標準增多時,兩種方法的相似流域識別結(jié)果趨于一致?？傮w而言,兩種方法各有其優(yōu)缺點,在實際應用時可將兩種方法相結(jié)合,以便獲得更為精確的識別結(jié)果。

圖4 基于參數(shù)敏感性分析的相似流域評估Figure 4 Evaluation of similar basins based on parameter sensitivity analysis

受數(shù)據(jù)限制,本研究只基于特定的流域水文模型(SWAT模型）進行了相似流域判斷,未來可繼續(xù)驗證本方法對于其他模型的適應性,同時,目前基于水文過程的相似流域識別方法已取得很大進展,建議未來加強對于農(nóng)業(yè)非點源污染過程機理研究,并在此基礎(chǔ)上完善影響非點源污染過程的流域?qū)傩灾笜梭w系和模型敏感性參數(shù)。

［1］丁曉雯,沈珍瑤.涪江流域農(nóng)業(yè)非點源污染空間分布及污染源識別［J］.環(huán)境科學,2012,33(11）.4025-4032.

DING Xiao-wen,SHEN Zhen-yao.Spatial distribution and pollution source identification of agricultural non-point source pollution in Fujiang Watershed［J］.Environmental Science,2012,33(11）.4025-4032.

［2］趙倩,馬建,問青春,等.應用AnnAGNPS模型模擬柴河上游農(nóng)業(yè)非點源污染［J］.農(nóng)業(yè)環(huán)境科學學報,2010,29(2）.344-351. ZHAO Qian,MA Jian,WEN Qing-chun,et al.Modeling pollutant load and management alternatives in headwater of Chai River Watershed with AnnAGNPS［J］.Journal of Agro-Environment Science,2010,29(2）. 344-351.

［3］Liu R,Zhang P,Wang X,et al.Assessment of effects of best management practices on agricultural non-point source pollution in Xiangxi River Watershed［J］.Agricultural Water Management,2013,117(1）.9-18.

［4］姚成,章玉霞,李致家,等.缺資料地區(qū)水文模擬及相似性分析［J］.河海大學學報(自然科學版）,2013,41(2）.108-113.

YAO Cheng,ZHANG Yu-xia,LI Zhi-jia,et al.Hydrological simulations and similarities in ungauged basins［J］.Journal of Hohai University, 2013,41(2）.108-113.

［5］李紅霞,張新華,張永強,等.缺資料流域水文模型參數(shù)區(qū)域化研究進展［J］.水文,2011,31(3）.13-17.

LI Hong-xia,ZHANG Xin-hua,ZHANG Yong-qiang,et al.Review of hydrological model parameter regionalization for ungauged catchments［J］.Journal of ChinaHydrology,2011,31(3）.13-17.

［6］李紅霞,張永強,敖天其,等.缺資料地區(qū)徑流預報方法的比較與研究［J］.長江科學院院報,2010,27(2）.11-15.

LI Hong-xia,ZHANG Yong-qiang,AO Tian-qi,et al.Comparison of regionalization approaches for runoff prediction in free of observational data catchments［J］.Journal of Yangtze River Scientific Research Institute,2010,27(2）.11-15.

［7］Singh R,Archfield S A,Wagener T.Identifying dominant controls on hydrologic parameter transfer from gauged to ungauged catchments.A comparative hydrology approach［J］.Journal of Hydrology,2014,517. 985-996.

［8］吳碧瓊,黎小東,敖天其,等.基于參數(shù)移植法的SWAT模型在缺資料地區(qū)非點源污染模擬中的應用［J］.四川大學學報,2015,47(增刊2）.9-16.

WU Bi-qiong,LI Xiao-dong,AO Tian-qi,et al.Study of SWAT model based on parameter transfer method in data scarce catchment for nonpoint source pollution simulation［J］.Journal of Sichuan University,2015, 47(Suppl 2）.9-16.

［9］于瑞宏,張宇瑾,張笑欣,等.無測站流域徑流預測區(qū)域化方法研究進展［J］.水利學報,2016,47(12）.1528-1539.

YU Rui-hong,ZHANG Yu-jin,ZHANG Xiao-xin,et al.Review of regionalization methods on streamflow prediction in ungauged basins［J］.Journal of Hydraulic Engineering,2016,47(12）.1528-1539.

［10］孫偉.基于SWAT模型石羊河流域徑流模擬研究［D］.蘭州.蘭州理工大學,2013.

SUN Wei.Runoff simulation of the Shiyang River basin using SWAT model［D］.Lanzhou.Lanzhou University of Technology,2011.

［11］葉金印,李致家,吳勇拓.一種用于缺資料地區(qū)山洪預警方法研究與應用［J］.水力發(fā)電學報,2013,32(3）.15-19.

YE Jin-yin,LI Zhi-jia,WU Yong-tuo.Study and application of flash flood warning method for ungauged basins［J］.Journal of Hydroloelectric Engineering,2013,32(3）.15-19.

［12］Hughes D A.Conceptual catchment model parameter transfer studies using monthly data from the southern Cape coastal lakes region［J］.Water SA,1985,11(3）.149-156.

［13］趙文舉,孫偉,李宗禮,等.石羊河流域無觀測資料地區(qū)徑流模擬［J］.蘭州理工大學學報,2014,40(3）.70-75.

ZHAO Wen-ju,SUN Wei,LI Zong-li,et al.Runoff simulation in ungauged area of Shiyang River basin［J］.Journal of Lanzhou University of Technology,2014,40(3）.70-75.

［14］王慧亮,孫志琢,李敘勇,等.非點源污染負荷模型的比較與選擇［J］.環(huán)境科學與技術(shù),2013,5(5）.176-182.

WANG Hui-liang,SUN Zhi-zhuo,LI Xu-yong,et al.Comparison and selection among nonpoint pollution models［J］.Environmental Science &Technology,2013,5(5）.176-182.

［15］胡文慧,李光永,郭亞潔,等.汾河灌區(qū)農(nóng)業(yè)面源污染經(jīng)驗統(tǒng)計模型的構(gòu)建與驗證［J］.中國農(nóng)業(yè)大學學報,2015,20(2）.207-215.

HU Wen-hui,LI Guang-yong,GUO Ya-jie,et al.Construction and verification of an empirical model for agricultural nonpoint source pollution in the Fenhe irrigation district［J］.Journal of China Agricultural University,2015,20(2）.207-215.

［16］郝芳華,陳利群,劉昌明,等.降雨的空間不均性對模擬產(chǎn)流量和產(chǎn)沙量不確定的影響［J］.地理科學進展,2003,22(5）.446-453.

HAO Fang-hua,CHEN Li-qun,LIU Chang-ming,et al.Model output uncertainty due to spatial variability of rainfall［J］.Progress in Geography,2003,22(5）.446-453.

［17］Abbaspour K C,Yang J,Maximov I,et al.Modelling hydrology and water quality in the pre-alpine/alpine Thur watershed using SWAT［J］.Journal of Hydrology,2007,333(2）.413-430.

［18］徐會軍,陳洋波,李晝陽,等.基于LH-OAT分布式水文模型參數(shù)敏感性分析［J］.人民長江,2012,43(7）.19-23.

XU Hui-jun,CHEN Yang-bo,LI Zhou-yang,et al.Analysis on parameter sensitivity of distributed hydrological model based on LH-OAT method［J］.Yangtze River,2012,43(7）.19-23.

Identifying similar basins in ungauged catchments based on attribute and parameter sensitivity

CHEN Lei,LI Shuang,WANG Guo-bo,SHEN Zhen-yao*
(School of Environment,Beijing Normal University,Beijing 100875,China）

Identifying similar basins in ungauged catchments is a foundation of agricultural non-point source pollution simulation.Using Daning watershed as a case study,two methods were proposed to identify similar basins based on attribute and parameter sensitivity.The results indicated that the method to identify similar basins based on parameter sensitivity performed well.The precise degree of evaluation criteria levels has an impact on the result of attribute method.When the evaluation criterion levels are particularly precise,the identified results of the two methods tend to be consistent.Thus both the two methods could identify similar basins.However,the two methods have different applicability.In practical applications,combining the two methods would obtain more accurate results.The methods proposed in this paper will be of great importance in improving agricultural non-point source pollution simulation techniques and quantifying the impact of non-point source pollution.

non-point source pollution;Soil and Water Assessment Tool(SWAT）;parameter transfer method;similarity evaluation;Three Gorges reservoir

X592

A

1672-2043(2017）07-1337-08

10.11654/jaes.2017-0802

陳磊,李爽,王國波,等.基于流域?qū)傩院蛥?shù)敏感性的相似流域識別方法［J］.農(nóng)業(yè)環(huán)境科學學報,2017,36(7）.1337-1344.

CHEN Lei,LI Shuang,WANG Guo-bo,et al.Identifying similar basins in ungauged catchments based on attribute and parameter sensitivity［J］.Journal of Agro-Environment Science,2017,36(7）.1337-1344.

2017-06-06

陳磊(1982—）,男,河北唐山人,副教授,從事農(nóng)業(yè)面源污染研究工作。E-mail:13756892980@163.com

*通信作者：沈珍瑤E-mail:z.y.shen@163.com

國家自然科學基金項目(51579011,51409003）

Project supported：The National Natural Science Foundation of China(51579011,51409003）