基于CMDAS驅(qū)動(dòng)SWAT模式的精博河流域水文相關(guān)分量模擬、驗(yàn)證及分析

孟現(xiàn)勇,王 浩,雷曉輝,蔡思宇

中國水利水電科學(xué)研究院 流域水循環(huán)模擬與調(diào)控國家重點(diǎn)實(shí)驗(yàn)室,北京 100038

基于CMDAS驅(qū)動(dòng)SWAT模式的精博河流域水文相關(guān)分量模擬、驗(yàn)證及分析

孟現(xiàn)勇,王 浩*,雷曉輝,蔡思宇

中國水利水電科學(xué)研究院 流域水循環(huán)模擬與調(diào)控國家重點(diǎn)實(shí)驗(yàn)室,北京 100038

利用大氣和水文模型定量描述陸表相關(guān)變量變化規(guī)律一直是大氣科學(xué)和水文學(xué)界的研究熱點(diǎn)。然而,由于我國西部地區(qū)站點(diǎn)匱乏,傳統(tǒng)氣象觀測站點(diǎn)已不能滿足大尺度地表分量高精度模擬分析的需求。建立SWAT模型中國大氣同化驅(qū)動(dòng)數(shù)據(jù)集 (China Meteorological Assimilation Driving Datasets for the SWAT model, CMADS) 驅(qū)動(dòng)SWAT(Soil and Water Assessment Tool) 模型(簡稱為CMADS+SWAT 模式),選取傳統(tǒng)氣象站點(diǎn)稀缺的新疆精博河流域?yàn)榘袇^(qū),完成流域各地表分量 (如土壤濕度、雪深、融雪) 校準(zhǔn)、驗(yàn)證及其時(shí)空關(guān)系提取與分析。分析發(fā)現(xiàn):CMADS數(shù)據(jù)集可很好地驅(qū)動(dòng)、率定SWAT模式完成本地化工作。其中,CMADS+SWAT模式在月尺度上總體NSE效率系數(shù)均在0.659—0.942,日尺度也均在0.526—0.815。對(duì)流域內(nèi)土壤濕度和融雪過程進(jìn)行相關(guān)分析發(fā)現(xiàn)：精博河流域土壤濕度在年內(nèi)3—4月份達(dá)到其第一次峰值,主要貢獻(xiàn)來自于流域內(nèi)高山融雪現(xiàn)象；融雪期結(jié)束后,流域降水量增加,伴隨氣溫上升等現(xiàn)象導(dǎo)致土壤溫度呈現(xiàn)波動(dòng)態(tài)勢(shì),至10月中旬冷空氣過境產(chǎn)生較大降水(雪),最終使土壤水轉(zhuǎn)變?yōu)閮鐾?直至次年接近融雪期,土壤水再次增加直到融雪過程結(jié)束。一方面證明CMADS+SWAT模式可有效提高SWAT水文模型在我國西北干旱區(qū)(站點(diǎn)稀缺區(qū)域)的表現(xiàn)能力,另一方面理清了精博河流域相關(guān)地表分量(土壤濕度、蒸發(fā)等)時(shí)空演變規(guī)律。本研究對(duì)我國大氣水文學(xué)科發(fā)展將起到一定的科學(xué)促進(jìn)作用。

CMADS; SWAT; 精博河流域;地表分量

近年來,全球范圍內(nèi)均面臨嚴(yán)重的生態(tài)與水危機(jī),干旱區(qū)陸面過程變化無論對(duì)整個(gè)內(nèi)陸河流水循環(huán)亦或是對(duì)整個(gè)干旱區(qū)生態(tài)環(huán)境演變均具重要影響。其中,干旱內(nèi)陸區(qū)水量、水質(zhì)加速驟減與惡化也促使該地區(qū)突發(fā)性水事件頻繁發(fā)生。干旱區(qū)綠洲構(gòu)造獨(dú)特,水與能量循環(huán)具備其自身的特殊規(guī)律,系統(tǒng)分析新疆干旱區(qū)地表水資源相關(guān)分量時(shí)空變化意義重大,這將為我國實(shí)現(xiàn)內(nèi)陸干旱區(qū)流域生態(tài)水文可持續(xù)發(fā)展提供重要科學(xué)依據(jù)。精博河流域位于新疆地區(qū)西部,封閉流域總面積達(dá)25萬km2。流域在西、北,南等3個(gè)方向均為高山,中間為谷地,東邊為盆地。地貌及地形宏觀上與準(zhǔn)噶爾盆地連為一體,大體分為山、谷、盆三大地貌。流域交匯處正好位于阿拉山口大風(fēng)下沉通道,故大風(fēng)災(zāi)害是該流域最大的氣象災(zāi)害。此外,由于該流域生態(tài)結(jié)構(gòu)極其脆弱,導(dǎo)致研究區(qū)內(nèi)風(fēng)沙頻繁、鹽漬化及荒漠化現(xiàn)象嚴(yán)重。近年來,由于氣候變暖加劇及人類墾荒活動(dòng)不斷,導(dǎo)致流域內(nèi)艾比湖入湖水量不斷減少,生態(tài)環(huán)境持續(xù)惡化。據(jù)不完全統(tǒng)計(jì),自20世紀(jì)50年代至70年代以來,精博河流域內(nèi)艾比湖面積萎縮了近678km2,艾比湖儲(chǔ)水量共損耗近23億m3。水資源的急劇下降導(dǎo)致艾比湖水體礦化度急劇攀升,濕地面積驟然減小,湖泊對(duì)氣候的調(diào)控作用降低,對(duì)流域內(nèi)生態(tài)系統(tǒng)及當(dāng)?shù)鼐用竦纳姝h(huán)境造成了極大的破壞影響,并最終導(dǎo)致精博河生態(tài)環(huán)境迅速惡化,發(fā)生了生物鏈斷層、多樣性減少,荒漠化過程加劇等現(xiàn)象。由于精博河流域?qū)π陆鷳B(tài)平衡及社會(huì)經(jīng)濟(jì)發(fā)展均具有重大貢獻(xiàn),利用高精度大氣數(shù)據(jù)驅(qū)動(dòng)成熟水文模型的輸出結(jié)果可為流域提供一定的可持續(xù)發(fā)展決策,促進(jìn)精博河流域地表過程分量(生態(tài)、水文等) 合理發(fā)展。

由于精博河流域傳統(tǒng)氣象站點(diǎn)稀缺,流域下墊面分異較大,加之氣候變化及人為活動(dòng)的影響,增強(qiáng)了該區(qū)域模式輸出與評(píng)估的不確定性[1]。眾多研究證明：融合更多觀測數(shù)據(jù)的大氣同化數(shù)據(jù)集可更大程度提高模式輸出精度[2- 5]。當(dāng)前,國內(nèi)外大氣再分析種類繁多,如： NCEP的NCAR/DOE[6- 7],歐洲預(yù)報(bào)中心ERA—15、ERA—40、ERA—Interim再分析資料[8]、日本JRA—25再分析資料[9]及陸面模式驅(qū)動(dòng)場Princeton數(shù)據(jù)集。由于傳統(tǒng)大氣觀測臺(tái)站并未布滿全球,以上再分析數(shù)據(jù)集對(duì)氣象缺測區(qū)氣候場景分析及應(yīng)用提供了重要數(shù)據(jù)支撐[10]。然而,對(duì)于區(qū)域精細(xì)化模擬而言,以上再分析數(shù)據(jù)的準(zhǔn)確性丞待提高。Pal等[11]利用區(qū)域氣候模式RegCM3對(duì)東亞季風(fēng)區(qū)冬、夏兩個(gè)季節(jié)內(nèi)降水量的月變化規(guī)律在季節(jié)尺度上進(jìn)行了模擬與評(píng)估后發(fā)現(xiàn)：區(qū)域模式RegCM3對(duì)降水量存在較大誤差,這種現(xiàn)象在冬季顯得尤為凸顯。趙天保等利用NCEP、ERA及JRA等數(shù)據(jù)集的地面壓強(qiáng)及溫度要素在中國區(qū)域可用性進(jìn)行評(píng)估后發(fā)現(xiàn)：3種再分析數(shù)據(jù)集存在明顯的季節(jié)性和區(qū)域性差異[12-14]。施曉暉等[15- 16]利用各類技術(shù)手段將NCAR驅(qū)動(dòng)數(shù)據(jù)(包括：空氣溫度、風(fēng)速)在中國區(qū)域的適用性進(jìn)行評(píng)估后發(fā)現(xiàn)：風(fēng)場數(shù)據(jù)距平誤差與海拔表現(xiàn)為負(fù)相關(guān)現(xiàn)象。以上研究均表明：各類再分析產(chǎn)品雖可較好地反映出大尺度氣象要素空間模態(tài),然而,由于大部分再分析數(shù)據(jù)集并未利用我國全部區(qū)域自動(dòng)站進(jìn)行訂正,故不能較好地反映我國近地表真實(shí)氣象狀況。綜上所述：利用更接近我國真實(shí)氣象場的大氣數(shù)據(jù)集驅(qū)動(dòng)成熟的水文模型,可更好的對(duì)我國大尺度地表分量時(shí)空演變規(guī)律進(jìn)行細(xì)致化分析[10]。

本研究以站點(diǎn)稀缺、下墊面分異較大的新疆博精河流域作為典型驗(yàn)證及分析區(qū),利用SWAT模型中國大氣同化驅(qū)動(dòng)數(shù)據(jù)集(CMADS)[10]驅(qū)動(dòng)在我國應(yīng)用普遍的SWAT水文模型,以期在為該流域提供有效生態(tài)水文系統(tǒng)恢復(fù)策略的同時(shí),驗(yàn)證CMADS數(shù)據(jù)集在中國西部地區(qū)的適用性。

1 研究區(qū)介紹

精博河流域地處西天山北坡(圖1),介于81°46′—83°51′E,44°02′—45°10′N之間。總面積達(dá)11275km2,流域內(nèi)降水多為來自北冰洋和大西洋的水汽,呈現(xiàn)總體山區(qū)較平原多,西部較東部多,陰坡較陽坡多的態(tài)勢(shì)。精河和博爾塔拉地區(qū)的冰川面積均分別為96.2km2和110.3km2。其中,精河冰川補(bǔ)給量在年際上約為0.96億m3,博爾塔拉河約為1.05億m3,分別占據(jù)了其本身河川總徑流的20.6%和21.4%。近年來,流域內(nèi)艾比湖湖水礦化度在逐年升高,流域生態(tài)與生活用水矛盾也隨之日益凸顯。流域土地退化現(xiàn)象嚴(yán)重,其中,艾比湖流域湖底已有1500km2區(qū)域退化淪為鹽漠,鹽漬化面積達(dá)71km2。

圖1 博、精河流域示意圖Fig.1 Schematic diagram of the Jing and Bo River Basin

近年來,學(xué)者們對(duì)于精博河流域乃至整個(gè)新疆區(qū)域的研究僅基于各類再分析數(shù)據(jù)(或區(qū)域氣候模式)及傳統(tǒng)氣象觀測數(shù)據(jù)。由于流域內(nèi)僅有4個(gè)氣象站,導(dǎo)致對(duì)該區(qū)域還未進(jìn)行較為合理可信的水文過程模擬與分析工作。本研究將基于面向東亞的高分辨率大氣驅(qū)動(dòng)場CMADS數(shù)據(jù)集驅(qū)動(dòng)SWAT模型,對(duì)精博河水文相關(guān)分量進(jìn)行細(xì)致模擬,以期系統(tǒng)分析精博河流域各地表要素時(shí)空演變特征,同時(shí)為我國高分辨率氣象數(shù)據(jù)驅(qū)動(dòng)復(fù)雜水文模式研究打下堅(jiān)實(shí)基礎(chǔ)。

2 材料與方法

2.1 SWAT模型地表輸入數(shù)據(jù)

2.1.1 數(shù)字高程模型數(shù)據(jù)

SWAT模型輸入數(shù)據(jù)主要包括數(shù)字高程模型(DEM)、土壤數(shù)據(jù)、土地利用數(shù)據(jù)及氣象驅(qū)動(dòng)場。其中,數(shù)字高程模型選取自SRTM —(90m) DEM(圖2), 該數(shù)據(jù)來源于CGIAR—CSI SRTM 90m 高程數(shù)據(jù)庫(http://srtm.csi.cgiar.org/SELECTION/inputCoord.asp)。

圖2 研究區(qū)高程及SWAT模型其他輸入數(shù)據(jù)Fig.2 The elevation of the study area and the input data for SWAT model

2.1.2 精博河流域土壤分布

土壤物理特性決定了SWAT模型不同水文響應(yīng)單元的產(chǎn)、匯流特征,同時(shí)也是SWAT模型定義水文響應(yīng)單元(HRU)的參考依據(jù)。本研究選用的土壤輸入數(shù)據(jù)為基于世界土壤數(shù)據(jù)庫(HWSD)的中國土壤數(shù)據(jù)集(V1.1)(圖3A)[16]。土地利用來源于精博河流域管理處,土地利用數(shù)據(jù)疊加了我國第二次冰川數(shù)據(jù)集[17],疊加后的土地利用分布情況可參見圖3B。為保證模式分辨率一致,本研究將DEM、土壤與土地利用等數(shù)據(jù)空間分辨率均統(tǒng)一為1km,平面投影坐標(biāo)統(tǒng)一設(shè)置為WGS_1984_UTM_Zone_44N。

圖3 精博河流域土壤分布及精博河流域土地利用分布Fig.3 Soil distribution in the Jing and Bo River Basin, and Land use distribution in the Jing and Bo River Basin注：SWGR：細(xì)芽草,Slender Wheatgrass；PAST：牧場,Pasture；HAY：干草,Hay；WETL：混合濕地,Wetlands-Mixed；WATR：水域,Water；AGRL：其他作物,Agricultural Land-Generic；AGRR：中耕作物,Agricultural Land-Row Crops；URML：居民區(qū),Residential-Med/Low Density；UIDU：工業(yè)用地,Industrial；UTRN：交通用地,Transportation；FRST：林地,Forest-Mixed；RNGE：草場,Range-Grasses；BARO：裸巖,Bare rock；DESE：荒漠,Desert；SALA：鹽堿地,Saline land；GLSN：冰川/永久積雪,Glacier and snow；FRSD：落葉林,Forest-Deciduous；PINE：針葉林,Pine；RNGB：灌木林,Range-Brush；ORCD：果園,Orchard；FRSE：常綠林,Forest-Evergreen

2.1.3 大氣驅(qū)動(dòng)數(shù)據(jù)

本研究使用的大氣輸入數(shù)據(jù)為SWAT模型中國大氣同化驅(qū)動(dòng)數(shù)據(jù)集(China Meteorological Assimilation Driving Datasets for the SWAT model, CMADS),該數(shù)據(jù)集引入了中國陸面同化系統(tǒng),保證了氣象輸入數(shù)據(jù)的可靠性[10]。CMADS站點(diǎn)具體信息見表1及表2。

表1 CMADS數(shù)據(jù)集信息

CMADS V1.0版本空間分辨率為1/3度,時(shí)間分辨率為逐日,數(shù)據(jù)尺度為2008—2014年。SWAT模型在精博河流域共讀取了CMADS數(shù)據(jù)集近23個(gè)站點(diǎn)要素(溫、濕、風(fēng)、降水及輻射數(shù)據(jù))。其中,CMADS氣象站點(diǎn)具體信息(站點(diǎn)名稱及經(jīng)緯度)如表2所示。

2.1.4 水文驗(yàn)證數(shù)據(jù)

本研究將精博河流域內(nèi)水文站逐日流量資料作為模型率定及驗(yàn)證資料,臺(tái)站信息如表3所示。

表2 精博河流域CMADS站點(diǎn)分布

CMADS站點(diǎn)名為CMADSV1.0數(shù)據(jù)集在其空間范圍(東亞區(qū)域)內(nèi)唯一標(biāo)識(shí)符

表3 精博河流域水文站相關(guān)信息

2.2 SWAT水文模式介紹

SWAT模型概化的將相同土地覆被/利用、土壤分布及管理方式的均一性單元視為同一類水文響應(yīng)單元(HRU),模型認(rèn)為每一種HRU內(nèi)所有水量平衡過程具一致性特征[18]。SWAT模型提供了3種潛在蒸發(fā)計(jì)算方法,主要包括Penman-Monteith法[18-20],Priestley-Taylor法[21]及Hargreaves法[22-25]。在本研究中,由于CMADS數(shù)據(jù)集可提供全部輸入要素(而傳統(tǒng)氣象站由于無法提供太陽輻射數(shù)據(jù)僅能利用天氣發(fā)生器模擬),本研究選取Penman-Monteith法作為蒸發(fā)模擬的方法,以最大可能提高模式模擬精度[20]。

3 SWAT模型方案設(shè)置

本研究區(qū)流域面積經(jīng)過ArcGIS提取后為2482366.4052hm2,共劃分39個(gè)子流域及1648個(gè)水文響應(yīng)單元。由于降水輸入數(shù)據(jù)為逐日數(shù)據(jù),地表徑流模擬方法選取徑流曲線數(shù)模型計(jì)算,地表徑流將被分別在不同水文響應(yīng)單元中進(jìn)行模擬,最終匯流到主河道。最后,選取基于連續(xù)方程的河槽蓄量法計(jì)算主河道水量演進(jìn)。SWAT模型通過Centriod法將流域內(nèi)單點(diǎn)氣象數(shù)據(jù)空間離散插值到整個(gè)流域,為減少空間離散插值帶來的誤差(尤其是高海拔區(qū)),本研究針對(duì)精博河流域劃分出多個(gè)高程帶以期精確識(shí)別不同高程帶降水量分布狀態(tài)。

綜合CMADS驅(qū)動(dòng)場時(shí)間尺度(2008—2014年)及徑流觀測數(shù)據(jù)的重合區(qū)間,同時(shí)為使模擬初期所有水文過程從初始狀態(tài)進(jìn)入平衡狀態(tài),本研究將預(yù)熱期設(shè)定為1年(即2008年),校準(zhǔn)期設(shè)為2009—2010年,驗(yàn)證期設(shè)定為2011—2013年。

3.1 敏感性分析

本研究利用SWAT-CUP對(duì)SWAT模式進(jìn)行模式率定工作。SWAT-CUP是EWAGE研究所針對(duì)SWAT模型研發(fā)的一款自動(dòng)校準(zhǔn)與不確定性分析的程序[26]。在本研究中,重點(diǎn)對(duì)12個(gè)與徑流相關(guān)的參數(shù)進(jìn)行參數(shù)率定,并得到模式參數(shù)最終取值(表4)。

3.2 模型校準(zhǔn)

在模型率定期(2009—2010年)對(duì)模型參數(shù)進(jìn)行校準(zhǔn)工作。筆者先利用SWAT-CUP率定軟件對(duì)精博河流域兩個(gè)測站同時(shí)進(jìn)行參數(shù)校準(zhǔn),校準(zhǔn)過程中兼顧參考流域年均蒸發(fā)量及降水量情況下進(jìn)行宏觀調(diào)整,首先考慮年蒸發(fā)量和徑流量的關(guān)系比,保證模擬結(jié)果符合精博河流域年總蒸發(fā)量、降水量及徑流量接近實(shí)際真實(shí)情況。分然后延展至月,在月數(shù)據(jù)校準(zhǔn)準(zhǔn)確后進(jìn)行日參數(shù)率定及微調(diào)。分析發(fā)現(xiàn)：SWAT模型降水遞減率(PLAPS)參數(shù)最優(yōu)取值為44.5mm/km。溫度梯度(TLAPS)最優(yōu)值為-4.3039℃/km(表4),與流域內(nèi)多年實(shí)際均值吻合。

表4 SWAT模型參數(shù)最終取值結(jié)果

CN2：SCS徑流曲線值,Initial SCS runoff curve number for moisture condition II；ALPHA_BF：基流α因子,Baseflow alpha factor；GW_DELAY：地下水補(bǔ)給延遲時(shí)間,Groundwater delay time；GWQMN：地下水匯入主河道時(shí)淺層含水層的水位閾值,Threshold depth of water in the shallow aquifer required for return flow to occur；GW_REVAP：地下水再蒸發(fā)系數(shù),Groundwater "revap" coefficient；ESCO：土壤蒸發(fā)補(bǔ)償系數(shù),Soil evaporation compensation factor；ALPHA_BNK：基流退水常數(shù),Baseflow alpha factor for bank storage；SFTMP：降雪日的平均空氣溫度,Snowfall temperature；PLAPS：降水直減率,Precipitation lapse rate；SMFMN：12月21日的融雪因子,Melt factor for snow on December 21；SMFMX：6月21日的融雪因子,Melt factor for snow on June 21；TLAPS：溫度直減率,Temperature lapse rate

3.3 模型評(píng)估

本研究選取 (NSE,Nash-Sutcliffe Efficiency)效率系數(shù)及R2決定性系數(shù)作為模型評(píng)估指標(biāo),以上指標(biāo)被廣泛的應(yīng)用于評(píng)估模型的性能[27-28]。其中,Nash-Sutcliffe效率系數(shù)是一個(gè)正態(tài)統(tǒng)計(jì)方程,它反映了觀測值與對(duì)應(yīng)模擬值的擬合程度。NSE可利用方程(1)計(jì)算[27-28]：

(1)

決定性系數(shù)R2表示變量之間相關(guān)程度(見式2)：

(2)

式中,Qm,Qs和式(6)中的含義相同,i變量表示第i次的模擬或?qū)崪y值。

眾多研究將R2>0.5且NSE>0.5作為SWAT模型模擬滿意的準(zhǔn)則[29],亦有研究認(rèn)為NSE>0.4也可作為模型指標(biāo)滿意的標(biāo)準(zhǔn),本研究采用Moriasi等評(píng)價(jià)標(biāo)準(zhǔn)[30]。即模型在率定期的月尺度模擬結(jié)果NSE≥0.65或日尺度模擬結(jié)果NSE ≥0.5,說明模型模擬結(jié)果可接受[31]。

4 結(jié)果分析

4.1 基于CMADS+SWAT模式的徑流量模擬驗(yàn)證及分析

圖4 CMADS數(shù)據(jù)集驅(qū)動(dòng)SWAT模型的精河山口控制站逐月模擬結(jié)果(2009—2013), 其中,95PPU代表預(yù)測不確定性內(nèi)監(jiān)測數(shù)據(jù)占據(jù)的百分比Fig.4 The monthly simulation results (2009—2013) simulated by SWAT model driving by CMADS in Jinghe control station, where the percentage of measured data bracketed by the 95% prediction uncertainty (95PPU)

本研究利用CMADS+SWAT模式分別輸出流域兩內(nèi)兩個(gè)水文控制站(精河山口控制站及溫泉站)逐月徑流量,利用觀測結(jié)果進(jìn)行參數(shù)率定與校準(zhǔn)工作(圖4—圖7)。

分析發(fā)現(xiàn)：在月尺度上,由CMADS驅(qū)動(dòng)下的SWAT模型模擬結(jié)果在精博河流域兩個(gè)控制站均到達(dá)了滿意的效果(見表5)。由CMADS驅(qū)動(dòng)下的模擬結(jié)果在精河山口站的NSE和R2均取得了令人滿意的表現(xiàn)(NSE=0.939,R2=0.942)。

在模型驗(yàn)證期,雖然NSE效率系數(shù)與確定性系數(shù)R2較率定期略微偏低,也得到了可接受的效果(NSE=0.904,R2=0.934)。相對(duì)精河山口控制站來說,溫泉站在率定期和驗(yàn)證期的模擬精度均較前者略低。筆者認(rèn)為,溫泉上游高寒山區(qū)冰川對(duì)溫泉站模擬結(jié)果影響巨大,由于SWAT模型度日因子僅對(duì)融雪進(jìn)行了細(xì)致化考慮,導(dǎo)致流域在溫泉站的模擬精度要低于精河控制站(冰川補(bǔ)給率較溫泉控制站小)所在子流域。

圖5 精河山口控制站月觀測與模式模擬結(jié)果確定性系數(shù)Fig.5 The certainty factor of the relationship between monthly observation and model simulation data in Jinghe control staion

圖6 CMADS數(shù)據(jù)集驅(qū)動(dòng)SWAT模型的溫泉控制站逐月模擬結(jié)果(2009—2013), 其中,95PPU代表預(yù)測不確定性內(nèi)監(jiān)測數(shù)據(jù)占據(jù)的百分比Fig.6 The monthly simulation results simulated by SWAT model driving by CMADS in Wenquan control station,where the percentage of measured data bracketed by the 95% prediction uncertainty (95PPU)

圖7 溫泉控制站月站點(diǎn)觀測與模式模擬結(jié)果確定性系數(shù)Fig.7 The certainty factor of the relationship between monthly observation and model simulation data in Wenquan control station

當(dāng)完成月尺度率定和驗(yàn)證后,本研究將月尺度最佳參數(shù)值帶入SWAT模型進(jìn)行日微調(diào)校準(zhǔn)后發(fā)現(xiàn)： CMADS+SWAT模式徑流模擬結(jié)果在兩個(gè)水文控制子流域與日觀測結(jié)果呈現(xiàn)很好的一致性。(見圖8—圖11、表5)。

圖8 CMADS數(shù)據(jù)集驅(qū)動(dòng)SWAT模型的精河山口控制站逐日模擬結(jié)果(2009—2013), 其中,95PPU代表預(yù)測不確定性內(nèi)監(jiān)測數(shù)據(jù)占據(jù)的百分比Fig.8 The daily simulation results (2009—2013) simulated by SWAT model driving by CMADS in Jinghe control station, where the percentage of measured data bracketed by the 95% prediction uncertainty (95PPU)

圖9 精河山口控制站日觀測與模式模擬結(jié)果確定性系數(shù)Fig.9 The certainty factor of the relationship between daily observation and model simulation data in Jinghe control staion

圖10 CMADS數(shù)據(jù)集驅(qū)動(dòng)SWAT模型的溫泉控制站逐日模擬結(jié)果(2009—2013), 其中,95PPU代表預(yù)測不確定性內(nèi)監(jiān)測數(shù)據(jù)占據(jù)的百分比Fig.10 The daily simulation results (2009—2013) simulated by SWAT model driving by CMADS in Wenquan control station,Where the percentage of measured data bracketed by the 95% prediction uncertainty (95PPU)

圖11 溫泉控制站日觀測模擬結(jié)果確定性系數(shù)Fig.11 The certainty factor of the relationship between daily observation and model simulation data in Wenquan control station

在模型率定期,由CMADS驅(qū)動(dòng)SWAT模式在精河站的日擬合結(jié)果(NSE=0.801,R2=0.815)與溫泉站擬合結(jié)果(NSE=0.796,R2=0.791)也均較好。在驗(yàn)證期,雖然SWAT模式在兩個(gè)站點(diǎn)模擬結(jié)果均可接受,而模式在精河山口站模擬效果(NSE=0.851,R2=0.796)較溫泉控制站(NSE=0.526,R2=0.592)表現(xiàn)更佳。

4.2 基于CMADS+SWAT模式的土壤濕度及相關(guān)變量分析

將SWAT模型進(jìn)行精博河流域本地化后,為從時(shí)空角度分析CMADS+SWAT模式在土壤濕度及融雪變量時(shí)空演變模擬能力,同時(shí)定量分析各分量之間響應(yīng)關(guān)系,本研究還以精河子流域?yàn)橹饕治鰧?duì)象,對(duì)多個(gè)要素響應(yīng)關(guān)系進(jìn)行了提取。

4.2.1 精博河流域融雪過程與土壤濕度響應(yīng)分析

為研究精博河流域融雪過程對(duì)土壤濕度的影響,本部分提取精博河整個(gè)流域在2012年4月8日的土壤濕度及其對(duì)應(yīng)融雪量空間變化圖(圖12)。

圖12 精博河流域土壤濕度與融雪量空間相關(guān)分析Fig.12 The correlation analysis of soil moisture and snow melting in Jinghe River Basin

圖12A為當(dāng)日土壤濕度分布情況,圖12B為對(duì)應(yīng)時(shí)期融雪空間分布情況。為定量研究流域內(nèi)各地表分量間關(guān)系,研究提取了精河控制站子流域內(nèi)各地表分量(包括土壤濕度、潛在蒸散發(fā)、降水量和融雪量)在2012年4月8日的時(shí)間序列分布(圖13)。

通過對(duì)2012年4月8日精博河流域內(nèi)土壤濕度分布分析發(fā)現(xiàn): 流域整體土壤濕度在該日處于偏濕狀態(tài)(圖14)。其中, 溫泉站控制子流域土壤濕度為18mm至20mm左右,而精河控制站及其附近子流域土壤濕度達(dá)近57mm。通過分析流域內(nèi)對(duì)應(yīng)融雪空間分布情況(圖14)后發(fā)現(xiàn),2012年4月8日,精博河流域內(nèi)出現(xiàn)整體較大融雪現(xiàn)象,而發(fā)生融雪的區(qū)域恰好為西天山北坡地區(qū),該區(qū)域年內(nèi)3—4月雪蓋覆蓋豐厚。為定量分析精博河流域內(nèi)融雪及土壤濕度量級(jí)及其直接響應(yīng)關(guān)系,本研究對(duì)精河水文站控制子流域中土壤濕度與融雪量等分量進(jìn)行了(以精河山口控制站為例)時(shí)序量級(jí)分析研究。

圖13 精博河流域各類分量時(shí)間序列分析(以精河山口控制站為例)Fig.13 The correlation analysis in Jinghe River Basin (taking the control station of Jinghe as an example)

圖13給出了精河控制子流域內(nèi)各地表或近地表分量(潛在蒸散發(fā),土壤濕度,降水量及融雪量等)在精河山口控制子流域時(shí)序分布狀態(tài)。分析發(fā)現(xiàn)：精博河流域自2012年3月中旬開始出現(xiàn)融雪現(xiàn)象,并于2012年4月8日出現(xiàn)較大融雪現(xiàn)象。其中,精河站控制子流域融雪量達(dá)18mm/d。當(dāng)日精河控制站子流域土壤濕度也達(dá)到其年內(nèi)較高水平(約56mm)。分析表明：融雪期內(nèi),精博河流域土壤濕度增加的最主要貢獻(xiàn)來自于融雪,僅極少量來自降水。此外,土壤濕度與潛在蒸發(fā)數(shù)值上呈反比關(guān)系。

4.2.2 精博河流域降水與土壤濕度響應(yīng)分析

前文提到精河站控制子流域融雪過程對(duì)流域內(nèi)土壤濕度具有較大影響。筆者認(rèn)為降水量對(duì)土壤濕度貢獻(xiàn)亦不容忽視。筆者在此重點(diǎn)分析了夏季與秋末降水對(duì)土壤濕度的影響。由于精博河流域土壤濕度在融雪后期至年內(nèi)9月會(huì)出現(xiàn)較長時(shí)期波動(dòng),同時(shí)10月中后期將發(fā)生陡然上升現(xiàn)象并保持恒定等現(xiàn)象,筆者針對(duì)以上兩階段降水量與土壤濕度響應(yīng)關(guān)系進(jìn)行時(shí)空提取分析(圖14)。為驗(yàn)證精河山口控制站土壤濕度變化過程中其他相關(guān)變量(如：凍土及雪深)演變情況,研究還提取了精河山口控制站凍土和雪深逐日臺(tái)站觀測資料(2010至2011年)(圖16)作為驗(yàn)證分析。

圖14 精博河流域土壤濕度與降水量空間相關(guān)分析Fig.14 The correlation analysis of soil moisture and precipitation in Jinghe River Basin

圖14給出了精博河流域土壤濕度與降水量在日內(nèi)(2010年6月22日和2011年10月21日)空間分布情況。其中,圖14為2010年6月22日精博河流域土壤濕度分布情況,圖14為對(duì)應(yīng)流域內(nèi)降水量分布情況。分析發(fā)現(xiàn):當(dāng)日精河山口控制站子流域土壤濕度達(dá)24.8mm,精河山口控制站子流域的降水量達(dá)30.1mm。分析表明：降水量在日內(nèi)大幅度增加導(dǎo)致該子流域土壤濕度在短時(shí)期快速攀升。類似情況同時(shí)出現(xiàn)于2011年,圖14給出了精博河流域2011年10月21日土壤濕度的空間分布狀態(tài),圖14為對(duì)應(yīng)時(shí)期降水量在整個(gè)流域的分布狀態(tài)。該時(shí)段精河控制站及溫泉控制站所在的子流域土壤濕度較大,其中溫泉站控制站所在子流域土壤濕度達(dá)18mm左右,精河山口控制站所在子流域土壤濕度達(dá)到近22mm。分析還發(fā)現(xiàn),在流域內(nèi)土壤濕度達(dá)到該時(shí)期較高水平的同時(shí),降水過程在精博河整個(gè)子流域均有發(fā)生。為準(zhǔn)確的驗(yàn)證土壤濕度與降水量在量級(jí)上的響應(yīng)關(guān)系,本研究提取了精河山口控制站(2010年至2012年)其他地表分量(潛在蒸散發(fā)、土壤濕度、降水量及融雪量)對(duì)應(yīng)時(shí)序關(guān)系曲線(圖15)。

表5 CMDAS+SWAT模式徑流輸出的月、日擬合結(jié)果評(píng)估

NSE : 納什效率系數(shù), Nash-Sutcliffe Efficiency

分析發(fā)現(xiàn),在2010年6月22日,流域內(nèi)精河山口控制站子流域降水量接近30mm,流域內(nèi)土壤濕度亦攀升至24.8mm(圖15)。2011年10月21日,精河山口控制站所在子流域內(nèi)降水量達(dá)近40mm,于此同時(shí),子流域內(nèi)土壤濕度值也快速攀升至22mm左右,土壤濕度在此后保持恒定狀態(tài)(圖15)。秋末時(shí)期,精河山口控制子流域土壤濕度快速上升現(xiàn)象充分說明,年末降水對(duì)土壤濕度變化貢獻(xiàn)較大。

圖15 精博河流域土壤濕度與降水量時(shí)間序列分析(以精河山口控制站為例)Fig.15 The correlation analysis of Soil moisture and precipitation in Jinghe River Basin (taking the control station of Jinghe as an example)

圖16 2010年、2011年精河控制站雪深、凍土觀測值Fig.16 The snow depth and frozen soil depth observation in Jinghe control station (Year 2010 and 2011)

以年內(nèi)循環(huán)角度對(duì)土壤濕度變化進(jìn)行分析后發(fā)現(xiàn)：研究區(qū)內(nèi)每年3至4月為融雪期,流域內(nèi)雪深經(jīng)歷了先上升后下降的過程,并在融雪期結(jié)束時(shí)雪深接近0m,這與本研究在精河站提取的雪深觀測數(shù)據(jù)一致(圖16)。融雪期后期氣候轉(zhuǎn)暖,此時(shí)多雨期來臨,造成研究區(qū)內(nèi)土壤濕度快速攀升,由于空氣溫度在該時(shí)段較高,凍土發(fā)生融化現(xiàn)象(圖16)。蒸發(fā)同時(shí)增加并加速土壤水減少,導(dǎo)致該時(shí)期土壤濕度呈現(xiàn)波動(dòng)變化趨勢(shì)。10月后期,流域由于冷濕氣流過境出現(xiàn)大范圍降水(降雪),此時(shí)土壤含水量將大幅增加,伴隨冷空氣來臨而促使蒸發(fā)量大幅度下降。此時(shí),土壤液態(tài)含水量凍結(jié)(每年11月至12月)并產(chǎn)生凍土。季節(jié)性凍土將在來年1—2月到達(dá)峰值直至次年融雪期再次陡然下降,凍土再次融化。此時(shí),一部份凍土將轉(zhuǎn)換變成土壤液態(tài)含水量。

綜上所述,流域內(nèi)土壤濕度在每年3—4月份到達(dá)其第一次較高水平,這主要是由于流域內(nèi)積雪、凍土融化而造成的。融雪期結(jié)束后,由于降水量增多,空氣溫度上升導(dǎo)致土壤濕度呈現(xiàn)上下波動(dòng)態(tài)勢(shì),直至10月中旬冷空氣過境產(chǎn)生較大降水(雪)并最終使土壤水轉(zhuǎn)換為凍土,至次年融雪期,土壤液態(tài)水再次增加直至融雪期結(jié)束。

5 討論與結(jié)論

本文利用CMADS驅(qū)動(dòng)SWAT模型對(duì)精博河流域內(nèi)兩個(gè)水文控制站進(jìn)行了徑流精度模擬驗(yàn)證工作,利用本地化的SWAT模型分析了精河控制站所在子流域各類地表分量(包括土壤濕度、潛在蒸散發(fā)、降水量和融雪量)時(shí)空變化規(guī)律,加深了對(duì)該子流域內(nèi)各分量要素的空間演變規(guī)律,解釋了研究區(qū)內(nèi)土壤濕度在不同季節(jié)的變化機(jī)制。本研究后期將繼續(xù)考慮將更多觀測數(shù)據(jù)(如衛(wèi)星遙感數(shù)據(jù))同化到SWAT模型輸出數(shù)據(jù)中,以提高SWAT模式的結(jié)果可靠性。在現(xiàn)有階段,利用CMADS數(shù)據(jù)集驅(qū)動(dòng)SWAT模型對(duì)研究高分辨率氣象數(shù)據(jù)驅(qū)動(dòng)復(fù)雜水文模型的研究意義較大,預(yù)計(jì)該數(shù)據(jù)集將為我國的水文生態(tài)細(xì)致化模擬研究提供數(shù)據(jù)支撐。

[1] 孟現(xiàn)勇, 孟寶臣, 王月健, 劉志輝, 吉曉楠,余丹林. 近60年氣候變化及人類活動(dòng)對(duì)艾比湖流域水資源的影響. 水文, 2015, 35(2):90- 96.

[2] Berg A A, Famiglietti J S, Walker J P, Houser P R. Impact of bias correction to reanalysis products on simulations of North American soil moisture and hydrological fluxes. Journal of Geophysical Research, 2003, 108(D16): 4490.

[3] Maurer E P, Wood A W, Adam J C, Lettenmaier D P, Nijssen B. A long-term hydrologically based dataset of land Surface fluxes and states for the conterminous United States. Journal of Climate, 2002, 15(22): 3237- 3251.

[4] Fekete B M, V?r?smaety C J, Roads J O, Willmott CJ. Uncertainties in precipitation and their impacts on runoff estimates. Journal of Climate, 2004, 17(2): 294- 304.

[5] Sheffield J, Ziegler A D, Wood E F, Chen Y B. Correction of the high-latitude rain day anomaly in the NCEP-NCAR reanalysis for land surface hydrological modeling. Journal of Climate, 2004, 17(19): 3814- 3828.

[6] Kalnay E, Kanamitsu M, Kistler R, Collins W, Deaven D, Gandin L, Iredell M,Saha S, White G,Woollen J, Zhu Y, Leetmaa A, Reynolds B,Chelliah M, Ebisuzaki W, Higgins W, Janowiak J, Mo K C, Ropelewski C, Wang J, Jenne R, Joseph D. The NCEP/NCAR 40-year reanalysis project. Bulletin of the American Meteorological Society, 1996, 77(3): 437- 472.

[7] Kanamitsu M, Ebisuzaki W, Woollen J, Yang S K, Hnilo J J, Fiorino M, Potter G L. NCEP-DEO AMIP-II reanalysis (R- 2).Bulletin of the American Meteorological Society, 2002, 83(11): 1631- 1643.

[8] Uppala S M, K?llberg P W, Simmons A J, Andrae U, Da Costa Bechtold V, Fiorino M, Gibson J K, Haseler J, Hernandez A, Kelly G A, Li X, Onogi K, Saarinen S, Sokka N, Allan R P, Andersson E, Arpe K, Balmaseda M A, BeljaarsA C M, Van De Berg L, Bidlot J, Bormann N, Caires S, Chevallier F, Dethof A, Dragosavac M, Fisher M, Fuentes M, Hagemann S, Hólm E, Hoskins B J, Isaksen L, Janssen P A E M, Jenne R, Mcnally A P, Mahfouf J F, Morcrette J J, Rayner N A, Saunders R W, Simon P, Sterl A, Trenberth K E, Untch A, Vasiljevic D, Viterbo P, Woollen J. The ERA- 40 re-analysis. Quarterly Journal of the Royal Meteorological Society, 2005, 131(612): 2961- 3012.

[9] Onogi K, Tsutsui J, Koide H, Sakamoto M, Kobayashi S, Hatsushika H, Matsumoto T, Yamazaki N, Kamahori H, Takahashi K, Kadokura S, Wada K, Kato K, Oyama R, Ose T, Mannoji N, Taira R. The JRA- 25 reanalysis. Journal of the Meteorological Society of Japan, 2007, 85(3): 369- 432.

[10] 孟現(xiàn)勇, 師春香,劉時(shí)銀,王浩,雷曉輝,劉志輝,吉曉楠,蔡思宇,趙求東. CMADS數(shù)據(jù)集及其在流域水文模型中的驅(qū)動(dòng)作用——以黑河流域?yàn)槔? 人民珠江, 2016, 37(7): 1- 19.

[11] Pal J S, Eltahir E A. Pathways relating soil moisture conditions to future summer rainfall within a model of the land-atmosphere system. Journal of Climate, 2001,14(6): 1227- 1242.

[12] 趙天保, 艾麗坤, 馮錦明. NCEP再分析資料和中國站點(diǎn)觀測資料的分析與比較. 氣候與環(huán)境研究, 2004, 9(2): 278- 294.

[13] 趙天保, 符淙斌. 幾種再分析地表氣溫資料在中國區(qū)域的適用性評(píng)估. 高原氣象, 2009, 28(3): 595- 607.

[14] 趙天保, 符淙斌. 中國區(qū)域ERA- 40、NCEP- 2再分析資料與觀測資料的初步比較與分析. 氣候與環(huán)境研究, 2006, 11(1): 14- 32.

[15] 施曉暉, 徐祥德, 謝立安. NCEP/NCAR再分析風(fēng)速、表面氣溫距平在中國區(qū)域氣候變化研究中的可信度分析. 氣象學(xué)報(bào), 2006, 64(6): 709- 722.

[16] Fischer G, Nachtergaele F, Prieler S, van Velthuizen H T, Verelst L, WibergD.2008. Global agro-ecological zones assessment for agriculture (GAEZ 2008). Laxenburg, Austria, Rome, Italy: IIASA, FAO.

[17] 劉時(shí)銀, 姚曉軍, 郭萬欽, 許君利, 上官冬輝, 魏俊鋒, 鮑偉佳, 吳立宗. 基于第二次冰川編目的中國冰川現(xiàn)狀. 地理學(xué)報(bào), 2015, 70(1): 3- 16.

[18] Monteith J L. 1965. Evaporation and environment. The state and movement of water in living organisms//The 19th Symposium of the Society on Experimental Biology. Swansea: Cambridge University Press.

[19] Allen R G. A Penman for all seasons. Journal of Irrigation and Drainage Engineering, 1986, 112(4): 348- 368.

[20] Allen R G, Jensen ME, Wright JL, Burman R D. Operational estimates of reference evapotranspiration. Agronomy Journal, 1989, 81(5): 650- 662.

[21] Priestley C H B, Taylor R J. On the assessment of surface heat flux and evaporation using large-scale parameters. Monthly Weather Review, 1972, 100(2): 81- 92.

[22] Hargreaves G H. Moisture availability and crop production. Transactions of the ASAE, 1975, 18(5): 980- 984.

[23] Hargreaves G H, Samani Z A. Reference crop evapotranspiration from temperature. Applied Engineering in Agriculture, 1985, 1(2): 96- 99.

[24] Hargreaves G H, Samani Z A. Estimating potential evapotranspiration. Journal of the Irrigation and Drainage Division, 1982, 108(3): 225- 230.

[25] Hargreaves G L, Hargreaves GH, Riley J P. Agricultural benefits for Senegal River Basin. Journal of Irrigation and Drainage Engineering, 1985, 111(2): 113- 124.

[26] Abbaspour K, Yang J, Reichert P, Vejdani M, Haghighat S, Srinivasan R. SWAT-CUP. SWAT calibration and uncertainty programs, Swiss Federal Institute of Aquatic Science and Technology (EAWAG), 2008, Zurich, Switzerland.

[27] Nash J E, Sutcliffe R M. River flow forecasting through conceptual models part 1-a discussion of principles. Journal of Hydrology, 1970, 10(3): 282- 290.

[28] Schaefli B, Gupta H V. Do Nash values have value?Hydrological Processes, 2007, 21(15): 2075- 2080.

[29] Santhi C, Arnold J G, Williams J R, Hauck L M, Dugas W A. Application of a watershed model to evaluate management effects on point and nonpoint source pollution. Transactions of the ASAE, 2011, 44(6): 1559- 1570.

[30] Ahmad H M N, Sinclair A, Jamieson R, Madani A, Hebb D, Havard P, Yiridoe E K. Modeling sediment and nitrogen export from a rural watershed in Eastern Canada using the soil and water assessment tool. Journal of Environmental Quality, 2011, 40(4): 1182- 1194.

[31] Moriasi D N, Arnold J G, Van Liew M W, Bingner R L, Harmel R D, Veith T L. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. Transactions of the ASABE, 2007, 50(3): 885- 900.

Simulation,validation,andanalysisoftheHydrologicalcomponentsofJingandBoRiverBasinbasedontheSWATmodeldrivenbyCMADS

MENG Xianyong, WANG Hao*, LEI Xiaohui, CAI Siyu

StateKeyLaboratoryofSimulationandRegulationofWaterCycleinRiverBasin,ChinaInstituteofWaterResourcesandHydropowerResearch,Beijing100038,China

Describing the changing rules of land surface variables by using meteorological and hydrological models has always been a research hotspot in the fields of atmospheric and hydrological science. However, due to the scarcity of weather stations in West China, traditional weather stations cannot satisfy the requirements of high precision simulation of large scale land surface components. Using the Jing and Bo River Basin in Xinjiang as a research area, the present study used the China Meteorological Assimilation Driving Datasets for the SWAT model (CMADS) to drive the Soil and Water Assessment Tool (SWAT) model, and then completed calibration, verification, and time-space relation analysis of each land surface component (such as soil moisture content, snow depth, and snow melt). Our analysis showed that the CMADS dataset can drive and calibrate the SWAT mode land complete localization work in Jin and Bo River Basin. The NSE efficiency coefficients of the SWAT model driven by the CMADS dataset were generally controlled between 0.659 and 0.942 at the monthly scale, and were also controlled between 0.526 and 0.815 at the daily scale. Furthermore, our analysis indicated that the soil moisture content would reach a high level for the first time between March and April each year, which is mainly caused by snow melting in the high mountains. However, when snow melting finished, due to an increase in precipitation and temperature, soil temperature fluctuated until the middle of October, when cold air brought considerable precipitation and snow. Finally, soil water was transformed into frozen soil until the snow melting period in the following year. Thereafter, soil water would increase again until the end of the snow melting period. On one hand, this study verified that the CMADS+SWAT mode can enhance the performance ability of the SWAT model in the arid areas of northwestern China, which lacks weather stations. On the other hand, the study provided a scientific explanation for time-space changing rules of land surface components (such as soil moisture and evaporation) in the Jing and Bo River Basin. The findings of this research will play a certain role in promoting the development of China′s meteorological and hydrological sciences.

CMADS; SWAT; Jing and Bo River Basin; surface component

“南水北調(diào)中線干線工程應(yīng)急運(yùn)行集散控制技術(shù)研究與示范”(2015BAB07B03)；國家973計(jì)劃課題(2013CB036406)；北京市科技計(jì)劃課題(Z141100006014049)；2016年度流域水循環(huán)模擬與調(diào)控國家重點(diǎn)實(shí)驗(yàn)室代表性成果培育課題(2016CG05)

2016- 08- 23; < class="emphasis_bold">網(wǎng)絡(luò)出版日期

日期:2017- 07- 11

*通訊作者Corresponding author.E-mail: wanghao@iwhr.com

10.5846/stxb201608231719

孟現(xiàn)勇,王浩,雷曉輝,蔡思宇.基于CMDAS驅(qū)動(dòng)SWAT模式的精博河流域水文相關(guān)分量模擬、驗(yàn)證及分析.生態(tài)學(xué)報(bào),2017,37(21):7114- 7127.

Meng X Y, Wang H, Lei X H, Cai S Y.Simulation, validation, and analysis of the Hydrological components of Jing and Bo River Basin based on the SWAT model driven by CMADS.Acta Ecologica Sinica,2017,37(21):7114- 7127.