SWIM水文模型在王家壩地區(qū)的適用性評(píng)估

高 超, 陸 苗, 姚夢(mèng)婷， 孫艷偉

(1.寧波大學(xué) 地理與空間信息技術(shù)系, 浙江 寧波 315211; 2.安徽師范大學(xué) 國(guó)土資源與旅游學(xué)院, 安徽 蕪湖 241000)

在氣候急劇變化的背景下，水文序列的穩(wěn)定性遭到了破壞，使得極端水文事件頻發(fā)[1-2]。利用水文模型可為探索水文過程在氣候變化下的響應(yīng)關(guān)系與極端水文事件發(fā)生規(guī)律提供科學(xué)依據(jù)和實(shí)現(xiàn)平臺(tái)[3-6]。然而，水文模型結(jié)構(gòu)較為復(fù)雜，模型的各個(gè)參數(shù)具有時(shí)空變異性，尤其是具有物理基礎(chǔ)的分布式水文模型，其參數(shù)與下墊面條件有著密切的聯(lián)系。因此，評(píng)估模型參數(shù)取值變化對(duì)模擬精度的影響，可為水文模型的高效優(yōu)化和率定工作提供基礎(chǔ)支撐[7-8]。

分布式水文模型是一種較為真實(shí)科學(xué)模擬水文過程的有效途徑[9]，HBV(hydrologiska fyrans vattenbalans modell)[10-11]、SWAT(soil and water assessment tool)[12-13]、新安江模型[14]等模型在中國(guó)應(yīng)用較廣。SWIM(soil and water integrated model)模型由德國(guó)波茨坦研究所在SWAT和MATSALU模型基礎(chǔ)上開發(fā)，該模型整合了流域尺度內(nèi)的水文、植被、侵蝕和養(yǎng)分輸送等各個(gè)方面，具有良好的物理基礎(chǔ)，且相較于SWAT，SWIM模型能實(shí)現(xiàn)日尺度的模擬，對(duì)流域進(jìn)行空間上劃分為多個(gè)子流域，結(jié)合適當(dāng)?shù)乃Y源管理數(shù)據(jù)等，以及適中的數(shù)據(jù)需求都是該模型的重要優(yōu)點(diǎn)[15]。有學(xué)者研究得出SWIM模型的模擬在中國(guó)淮河流域、黑龍江流域等均具有較好的適應(yīng)性，適合氣候變化背景下的水文過程研究[16]。然而，SWIM模型在中國(guó)尚未得到廣泛應(yīng)用，目前國(guó)內(nèi)對(duì)于SWIM模型的研究仍然有限，主要集中在研究模型的尺度效應(yīng)問題[17]，探討模型在不同區(qū)域的適用性，利用模型研究下墊面對(duì)水文過程的影響，水文要素對(duì)氣候變化的響應(yīng)等[18-19]，但對(duì)模型參數(shù)的率定大多基于經(jīng)驗(yàn)進(jìn)行，率定過程的科學(xué)性有所欠缺。有學(xué)者比較了SWIM模型中7個(gè)可率定參數(shù)與模型的敏感性[18]，但是缺少分析這7個(gè)參數(shù)的取值變化對(duì)模型精度的影響。因此，本研究通過人工擾動(dòng)分析法對(duì)重點(diǎn)參數(shù)確定調(diào)整范圍并手動(dòng)賦值，分析并檢驗(yàn)特定參數(shù)變化對(duì)模型輸出結(jié)果的影響。

綜上，本研究擬以淮河流域王家壩地區(qū)為研究區(qū)，利用王家壩地區(qū)率定期(1959—1978年)和驗(yàn)證期(1979—2008年)的實(shí)測(cè)數(shù)據(jù)，自動(dòng)率定SWIM水文模型，得到最優(yōu)的參數(shù)組合，并對(duì)率定好的SWIM模型的模擬精度進(jìn)行評(píng)價(jià)，討論SWIM模型在王家壩地區(qū)的適用性，為王家壩地區(qū)洪澇災(zāi)害的預(yù)報(bào)和減災(zāi)提供科學(xué)支持，旨在為SWIM模型參數(shù)率定工作提供參照，推進(jìn)SWIM模型率定工作的科學(xué)化。

1 研究區(qū)概況

本研究區(qū)是利用SWIM水文模型，以中國(guó)淮河流域上游地區(qū)王家壩閘(115°47′E，32°19′N)為出口斷面，基于數(shù)字高程圖(DEM)劃分得到的王家壩閘的集水區(qū)，研究區(qū)范圍為淮河流域以內(nèi)、自王家壩閘以上至桐柏地區(qū)的區(qū)域，總面積約2 050 500 hm2，地處淮河流域中游和上游之間，在蒙洼蓄洪區(qū)的上游，王家壩閘水文站的地理坐標(biāo)位置為東經(jīng)115°47′，北緯32°19′。研究區(qū)地勢(shì)整體上呈西高東低的態(tài)勢(shì)，地貌類型豐富，海拔高度最高可達(dá)869 m。研究區(qū)內(nèi)屬半濕潤(rùn)季風(fēng)氣候，降水年際變化大，多年平均年降水量為1 018 mm。據(jù)資料記載，王家壩地區(qū)分別在1954，1964，2003年以及2007年發(fā)生了大洪水。

2 數(shù)據(jù)來源

實(shí)測(cè)氣象數(shù)據(jù)包括研究區(qū)內(nèi)8個(gè)氣象站點(diǎn)(桐柏、平玉、新蔡、正陽(yáng)、息縣、信陽(yáng)、羅山、潢川)的1959年1月1日至2008年12月31日實(shí)測(cè)氣象數(shù)據(jù)，由中國(guó)氣象局國(guó)家氣候中心提供。包括最高溫、最低溫、平均溫、降水、濕度、日照時(shí)數(shù)、日輻射量等。

徑流數(shù)據(jù)主要是指王家壩閘1959年1月1日至2008年12月31日的實(shí)測(cè)徑流數(shù)據(jù)，由淮河水利委員會(huì)提供。涉及到的地理數(shù)據(jù)主要包括研究區(qū)內(nèi)DEM數(shù)據(jù)，土地利用數(shù)據(jù)和土壤數(shù)據(jù)。DEM數(shù)據(jù)為90 m空間分辨率的SRTM數(shù)據(jù)，來自中國(guó)科學(xué)院的地理空間數(shù)據(jù)云網(wǎng)站(http:∥www.gscloud.cn)。土壤數(shù)據(jù)空間分辨率為800 m，由聯(lián)合國(guó)糧農(nóng)組織(FAO)全球土壤數(shù)據(jù)庫(kù)(http:∥www.fao.org/)提供。土地利用數(shù)據(jù)為1∶100 000，由中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心提供。所有地理數(shù)據(jù)在輸入SWIM水文模型之間，均需要對(duì)像元大小進(jìn)行重采樣至400 m×400 m。

3 模型參數(shù)與率定

3.1 自動(dòng)率定

本研究中SWIM模型采用自動(dòng)率定方法，分別對(duì)模型的7個(gè)可調(diào)節(jié)參數(shù)進(jìn)行率定?？紤]到模型存在預(yù)熱期，自動(dòng)率定以除第一年以外計(jì)算出的納西效率系數(shù)為判定標(biāo)準(zhǔn)?；舅枷霝椋簭牡谝粋€(gè)可調(diào)節(jié)參數(shù)開始，在其取值范圍內(nèi)以一定的步長(zhǎng)取數(shù)，運(yùn)行模型并計(jì)算納西效率系數(shù)，取最優(yōu)值并記錄，再以同樣的方法調(diào)節(jié)所有參數(shù)并記錄下他們的最優(yōu)值，此為一個(gè)循環(huán)?？紤]到不同參數(shù)組合會(huì)有不同效果，自動(dòng)率定過程一般進(jìn)行多個(gè)循環(huán)，直到納西效率系數(shù)不再提高時(shí)，得到最優(yōu)結(jié)果。

3.2 參數(shù)的物理意義及范圍

SWIM模型水文過程的模擬總體上涉及到10個(gè)過程，分別是融雪計(jì)算過程、地表徑流計(jì)算過程、徑流峰值計(jì)算過程、下滲量計(jì)算過程、側(cè)向壤中流計(jì)算過程、潛在蒸散計(jì)算過程、土壤蒸發(fā)和植物蒸騰計(jì)算過程、地下徑流計(jì)算過程、傳輸損耗的計(jì)算過程以及最終的徑流匯流過程。其中，對(duì)模擬結(jié)果影響最大的主要是地表徑流計(jì)算過程、潛在蒸散計(jì)算過程以及徑流匯流過程，其參數(shù)具有明確的物理意義，其中可調(diào)節(jié)的主要包括以下7個(gè)參數(shù)[15]。

(1) thc。SWIM模型基于Priestley-Taylor公式計(jì)算潛在蒸散，thc是模型在潛在蒸散計(jì)算模塊中，對(duì)大氣散射率的校正因子。該參數(shù)取值范圍為0～1，為0時(shí)代表不考慮大氣散射率因子，為1時(shí)代表考慮大氣散射率因子。

(2) bff?；饕蜃樱糜谟?jì)算回流的行進(jìn)時(shí)間，取值范圍為0～1?；亓鲿r(shí)間可被用于計(jì)算土壤層的滲透量。其取值與流域的特性有關(guān)，不同特性河流的基流因子取值參考值如表1所示。

表1 不同河流基流因子參考值

(3) cnum1，cnum3。SWIM模型基于SCN-CN模型(即徑流曲線數(shù)法)計(jì)算地表徑流，cnum1和cnum3分別為徑流曲線數(shù)法中條件1和條件3下的CN值，僅當(dāng)參數(shù)icn為1時(shí)，cnum1和cnum3才可作為率定參數(shù)。其取值范圍為1～100，且cnum1

(4) gwq0。gwq0是初始地下流對(duì)徑流量的貢獻(xiàn)，單位為mm/d，取值范圍為0.01～1。

(5) abf0。abf0為地下水阿爾法因子，與地下水回流到地表徑流的速率有關(guān)，用于反映地下水的衰退特征，其取值范圍是0.01～1。

(6) roc2，roc4。roc2，roc4是河道的匯流系數(shù)，受河道的長(zhǎng)度和流速影響。其取值范圍為1～100，且roc2

(7) sccor。為飽和傳導(dǎo)率校正因子，其取值范圍為0.01～10。

3.3 參數(shù)率定的目標(biāo)函數(shù)

模型采用Nash-Sutcliffe效率系數(shù) 和相對(duì)誤差 作為目標(biāo)函數(shù)對(duì)模型進(jìn)行率定。Nash-Sutcliffe效率系數(shù) 的計(jì)算公式如下[18]：

(1)

(2)

R的取值范圍是0～100%，R越小，表示模擬誤差越小，模擬精度越高。

3.4 參數(shù)率定結(jié)果

SWIM模型的7個(gè)參數(shù)通過步長(zhǎng)加速法進(jìn)行率定，并利用納西效率來判斷最優(yōu)參數(shù)組合，結(jié)果如表2所示。

表2 參數(shù)率定過程及結(jié)果

3.5 模擬精度評(píng)價(jià)

3.5.1 日序列模擬總體精度評(píng)價(jià) 利用最優(yōu)參數(shù)組合率定后的SWIM模型對(duì)率定期(1959—1978年)及驗(yàn)證期(1979—2008年)日徑流量序列模擬的結(jié)果如圖1所示，納西效率分別達(dá)到0.79及0.81，相對(duì)誤差R分別為22%及7.8%，總體上率定期及驗(yàn)證期SWIM模型模擬的徑流量與實(shí)測(cè)徑流量相關(guān)性較好。模擬的日徑流量序列總體略高于實(shí)測(cè)日徑流量序列，特別是在低值區(qū)和極端高值區(qū)。這主要是由于SWIM模型模擬的逐日徑流量序列是天然的徑流量序列，而實(shí)測(cè)的徑流量則是受到一系列人類活動(dòng)影響之后所測(cè)得的徑流量。例如水利工程的修建，生活用水、工業(yè)用水以及農(nóng)業(yè)用水對(duì)徑流的損耗等。

圖1 率定期(1959-1978年)與驗(yàn)證期(1979-2008年)日徑流量序列模擬結(jié)果

3.5.2 日序列逐年模擬精度評(píng)價(jià) 率定期(1959—1978年)模擬徑流量日序列逐年納西效率如圖2(a)所示。20 a中，有13 a的納西效率在0.6以上，1961和1966年納西效率較低。率定期SWIM模型在1961，1966和1978年的模擬精度很低，這與SWIM水文模型對(duì)于徑流量低值模擬效果較差有一定關(guān)系。據(jù)歷史資料記載，淮河流域1966和1978年發(fā)生一級(jí)大旱，1961年發(fā)生3級(jí)大旱。此外，1968年8月淮河流域發(fā)生特大洪水，由于SWIM模型在汛期模擬效果較好，致使1968年的模擬精度較好，進(jìn)一步證實(shí)了SWIM模型對(duì)于徑流量高值模擬效果較好，對(duì)于徑流量低值模擬效果較差。

驗(yàn)證期(1979—2008年)模擬徑流量日序列逐年納西效率如圖2(b)所示。30 a中，有25 a的納西效率在0.6以上，1992，1993年以及1999年納西效率較低。率定期SWIM模型在1999年的模擬精度最低。1999年，淮河流域發(fā)生嚴(yán)重旱災(zāi)，出現(xiàn)了自1979年以后的首次斷流，王家壩水文站8月多日徑流量為0。SWIM水文模型對(duì)于徑流量低值模擬效果較差，故1999年模擬精度很低。

圖2 率定期(1959-1978年)與驗(yàn)證期(1979-2008年)模擬徑流量日序列逐年納西效率

3.5.3 SWIM模型適用性評(píng)估 綜合SWIM模型在率定期和驗(yàn)證期對(duì)王家壩地區(qū)日徑流量序列的模擬精度，可以看出SWIM模型總體上對(duì)王家壩地區(qū)適用性較好，僅在少數(shù)干旱年份如1961，1966，1978和1999年模擬效果較差。SWIM模型可以用于王家壩地區(qū)的徑流量模擬，尤其適合研究王家壩地區(qū)的洪水預(yù)報(bào)工作。

4 參數(shù)敏感性研究

針對(duì)SWIM模型中可率定的7個(gè)參數(shù)，選取1979—2008年時(shí)間段，通過人工擾動(dòng)分析法對(duì)重點(diǎn)參數(shù)確定調(diào)整范圍并手動(dòng)賦值，分析并檢驗(yàn)特定參數(shù)變化對(duì)模型精度的影響。

4.1 thc的敏感性評(píng)價(jià)

為探討日徑流量序列對(duì)thc取值變化的敏感性，選取王家壩地區(qū)典型洪災(zāi)年份2003年進(jìn)行討論。王家壩水文站2003年逐日徑流量序列隨thc取值的變化曲線如圖3所示。

由圖3可知，王家壩站2003年日徑流量序列的模擬結(jié)果對(duì)thc取值的變化較敏感，且汛期相對(duì)于非汛期而言，更加敏感。根據(jù)前文結(jié)論，SWIM模型在汛期模擬精度較高，非汛期模擬精度較低。由此可以進(jìn)一步驗(yàn)證模擬精度差的時(shí)間段對(duì)于thc取值的變化更為敏感。

圖3 2003年日徑流量序列對(duì)thc取值變化的敏感性

選取對(duì)thc取值的變化較敏感的月份8—12月，進(jìn)一步研究thc取值變化對(duì)徑流量序列的影響。由圖4看出，隨著thc取值逐漸增大，模擬的日徑流量序列值逐漸增大。在非汛期SWIM模型的模擬值偏高，因此，隨著thc取值的增大，SWIM模型的模擬徑流量值會(huì)進(jìn)一步增大，模擬精度會(huì)進(jìn)一步降低。

圖4 2003年8-12月日徑流量序列對(duì)thc取值變化的敏感性

對(duì)于納西效率系數(shù)和相對(duì)誤差等指標(biāo)整體而言，隨著thc值的增大，各年份納西效率系數(shù)顯著下降。尤其是納西效率系數(shù)低的年份，對(duì)于thc取值的變化更為敏感，其中1999年的納西效率對(duì)thc的變化最敏感，其次是1992年。隨著thc值的增大，各年份相對(duì)誤差顯著下降。尤其是相對(duì)誤差高的年份，對(duì)于thc取值的變化更為敏感，且整體上相對(duì)誤差對(duì)thc取值的敏感性比納西效率系數(shù)更強(qiáng)。

4.2 bff的敏感性評(píng)價(jià)

選取2003年日徑流量序列，討論研究日徑流量序列對(duì)bff取值變化的敏感性。由圖5可知，王家壩站2003年日徑流量序列的模擬結(jié)果對(duì)bff取值的變化較敏感。隨著bff值的增大，徑流曲線的波動(dòng)幅度變大，即模擬徑流量序列在峰值區(qū)值變大，在低值區(qū)值變小。由于模擬值總體高于實(shí)測(cè)值，年內(nèi)高值區(qū)模擬值增高導(dǎo)致模擬精度進(jìn)一步下降，低值區(qū)模擬值減小，導(dǎo)致模擬精度上升。二者的疊加作用，導(dǎo)致各年份納西效率總體無顯著變化。

圖5 2003年日徑流量序列對(duì)bff取值變化的敏感性

對(duì)于納西效率系數(shù)和相對(duì)誤差等指標(biāo)整體而言，各年份納西效率系數(shù)與相對(duì)誤差對(duì)bff的變化不敏感，隨著bff值的升高，各年份納西效率系數(shù)與相對(duì)誤差基本沒有變化，僅在1979年，納西效率與相對(duì)誤差有細(xì)微的變化。因此，總體上認(rèn)為率定期納西效率與相對(duì)誤差對(duì)bff取值變化不太敏感。

4.3 cnum1,cnum3的敏感性評(píng)價(jià)

cnum1,cnum3的取值范圍為1～100，cnum2模型默認(rèn)值為55，且cnum1

表3 1979-2008年納西效率對(duì)cnum1,cnum3取值變化的敏感性

4.4 gwq0的敏感性評(píng)價(jià)

1979—2008年逐年納西效率和逐年相對(duì)誤差對(duì)gwq0取值變化的敏感性分別如圖6所示，各年份納西效率和相對(duì)誤差對(duì)gwq0的變化不敏感，隨著gwq0值的增大，逐年納西效率和相對(duì)誤差除1979年外，基本無變化。1979年是率定期第1 a，受模型預(yù)熱影響，因此，認(rèn)為模型逐年模擬精度對(duì)gwq0變化不敏感。

4.5 abf0的敏感性評(píng)價(jià)

1979—2008年逐年納西效率與相對(duì)誤差對(duì)abf0取值變化的敏感性如圖7所示。由圖7可以看出，各年份納西效率與相對(duì)誤差對(duì)abf0的取值變化不敏感，基本可以忽略不計(jì)。

圖6 1979-2008年逐年納西效率及相對(duì)誤差對(duì)gwq0取值變化的敏感性

圖7 1979-2008年逐年納西效率及相對(duì)誤差對(duì)abf0取值變化的敏感性

4.6 roc2,roc4的敏感性評(píng)價(jià)

王家壩地區(qū)2003年日徑流量序列對(duì)roc2和roc4取值變化的敏感性分別如圖8—9所示，可見日徑流量序列對(duì)roc2和roc4取值的變化均較為敏感，其中：對(duì)roc4取值的變化更為敏感。對(duì)于roc2取值的變化，汛期大于非汛期。隨著roc4取值的增大，徑流曲線的波動(dòng)幅度變小，徑流曲線越來越趨向平滑。

圖8 2003年日徑流量序列對(duì)roc2取值變化的敏感性

圖9 2003年日徑流量序列對(duì)roc4取值變化的敏感性

4.7 sccor的敏感性評(píng)價(jià)

王家壩水文站2003年逐日徑流量序列隨sccor取值的變化曲線如圖10所示，王家壩站2003年日徑流量序列的模擬結(jié)果對(duì)sccor取值的變化較敏感。隨著sccor取值的增大，徑流曲線的波動(dòng)幅度變小，汛期模擬精度提高，非汛期模擬精度降低。

圖10 2003年日徑流量序列對(duì)sccor取值變化的敏感性

5 討論與結(jié)論

(1) 評(píng)估SWIM模型在王家壩地區(qū)適用性：結(jié)果表明，率定后的SWIM模型在王家壩地區(qū)適用性良好，率定期模擬日徑流量序列納西效率達(dá)到0.79，相對(duì)誤差為22%，驗(yàn)證期模擬日徑流量序列納西效率達(dá)到0.81，相對(duì)誤差為7.8%。

(2) SWIM模型在王家壩地區(qū)參數(shù)敏感性分析：根據(jù)參數(shù)的物理意義和取值范圍，分析SWIM在王家壩地區(qū)對(duì)主要7個(gè)可率定參數(shù)的敏感性。結(jié)果表明，SWIM模型模擬結(jié)果在王家壩地區(qū)對(duì)thc，cnum1，cnum3，roc2，roc4，sccor取值變化較敏感，對(duì)參數(shù)bff，gwq()，abf()取值變化不敏感。其中：隨著參數(shù)thc值的增大，各年份的相對(duì)誤差顯著下降，且整體上相對(duì)誤差對(duì)thc取值的敏感性比納西系數(shù)更強(qiáng)；相比較roc2，roc4取值的變化更能影響日徑流序列，而對(duì)于roc2取值的變化，汛期大于非汛期；隨著參數(shù)sccor取值的增大，汛期模擬精度提高，非汛期模擬精度降低。

本研究引入了具有物理基礎(chǔ)的分布式水文模型SWIM模型，評(píng)價(jià)了其在王家壩地區(qū)的適用性，分析了其參數(shù)敏感性，從而得出結(jié)論。與常用的水文模型相比，SWIM模型調(diào)參過程中更加重視地下水水文過程。HBV(hydrologiska fyrans vattenbalans)模型在水文模擬過程中可以進(jìn)行優(yōu)選的參數(shù)有12個(gè)，分為積融雪模塊、土壤模塊、響應(yīng)模塊與路徑模塊。其中：涉及地下水水文過程的參數(shù)較少，僅有基流出流系數(shù)來調(diào)節(jié)基流的退水系數(shù)，控制基流的多少[19]?；春恿饔虻乇硭c淺層地下水會(huì)發(fā)生直接的水力聯(lián)系，地下水對(duì)地表水的補(bǔ)給是水文過程中重要的一部分。在SWIM模型中，地下水水文過程中可調(diào)節(jié)的參數(shù)有基流因子(計(jì)算回流的行進(jìn)時(shí)間)、初始地下流對(duì)徑流量的貢獻(xiàn)、地下水阿爾法因子(反映地下水的衰退特征)，可以通過調(diào)節(jié)這些參數(shù)，更好地模擬地下水水文過程。在淮河流域水文模型參數(shù)率定方面，SWAT(soil and water assessment tool)模型中與水文過程相關(guān)的參數(shù)包括土壤參數(shù)、土地利用參數(shù)、地下水徑流參數(shù)、融雪徑流參數(shù)、地表特征參數(shù)[20]。有研究得出SWAT模型在淮河上游地區(qū)，有效水容量AWC，SCS徑流曲線數(shù)CNZ，土壤蒸發(fā)補(bǔ)償系數(shù)ESCO為主要敏感性參數(shù)[21]，這與本研究結(jié)果中關(guān)于淮河流域上游SWIM模型的敏感參數(shù)類型較為一致。目前SWIM模型在國(guó)內(nèi)尚未得到廣泛應(yīng)用，關(guān)于其參數(shù)敏感性方面的研究也較少涉及，在后續(xù)研究中可對(duì)模型的區(qū)域適用性及參數(shù)敏感性進(jìn)行研究，以期提高水文模型模擬的精確性及科學(xué)性。

[1] Shi Zhong, Xiu Qunyang. Ensemble simulations of the urban effect on a summer rainfall event in the Great Beijing Metropolitan Area[J]. Atmospheric Research, 2015,153(3):318-334.

[2] Yang Tao, Wang Xiaoyan, Yu Zhongbo, et al. Climate change and probabilistic scenario of streamflow extremes in an alpine region[J]. Journal of Geophysical Research Atmospheres, 2014,119(14):8535-8551.

[3] Hesse C, Krysanova V, Stefanova A, et al. Assessment of climate change impacts on water quantity and quality of the multi-river Vistula Lagoon catchment[J]. Hydrological Sciences Journal, 2015,60(5):1-22.

[4] Krysanova V, Hattermann F, Huang S, et al. Modelling climate and land use change impacts with SWIM: Lessons learnt from multiple applications[J]. Hydrological Sciences Journal, 2015,60(4):606-635.

[5] 王懷志,高玉琴,袁玉,等.基于SWAT模型的秦淮河流域氣候變化水文響應(yīng)研究[J].水資源與水工程學(xué)報(bào),2017,28(1):81-87.

[6] 宋增芳,曾建軍,金彥兆,等.基于SWAT模型和SUFI-2算法的石羊河流域月徑流分布式模擬[J].水土保持通報(bào),2016,36(5):172-177.

[7] 黃金柏,王斌,溫佳偉,等.基于分布式水文模型的阿倫河流域降雨—徑流計(jì)算[J].水土保持通報(bào),2015,35(1):224-229.

[8] Gao Jungang, Sheshukov A Y, Yen Haw, et al. Impacts of alternative climate information on hydrologic processes with SWAT: A comparison of NCDC, PRISM and NEXRAD datasets[J]. Catena, 2017,156:353-364.

[9] Ding Jie, Wallner M, Müller H, et al. Estimation of instantaneous peak flows from maximum mean daily flows using the HBV hydrological model[J]. Hydrological Processes, 2016,30(9):1431-1448.

[10] 林志強(qiáng),洪健昌,尼瑪吉,等.基于HBV模型的尼洋曲流域上游洪水致災(zāi)臨界面雨量研究[J].水土保持通報(bào),2016,36(4):22-26.

[11] Romagnoli M, Portapila M, Rigalli A, et al. Assessment of the SWAT model to simulate a watershed with limited available data in the Pampas region, Argentina[J]. Science of the Total Environment, 2017,596:437-450.

[12] 王強(qiáng),許有鵬,高斌,等.西苕溪流域徑流對(duì)土地利用變化的空間響應(yīng)分析[J].自然資源學(xué)報(bào),2017,32(4):632-641.

[13] Lu Zhuo, Han Dawei. Misrepresentation and amendment of soil moisture in conceptual hydrological modelling[J]. Journal of Hydrology, 2016,535:637-651.

[14] 黃小祥,姚成,李致家,等.柵格新安江模型在天津于橋水庫(kù)流域上游的應(yīng)用[J].湖泊科學(xué),2016,28(5):1134-1140.

[15] Krysannona V, Wechsung F, Arnold,等.SWIM模型使用指南[M].蘇布達(dá),曹麗格,翟建青,等譯.北京:氣象出版社,2011.

[16] 楊志遠(yuǎn),高超,臧淑英,等.SWIM模型在東北黑土區(qū)流域的適用性評(píng)價(jià):以烏裕爾河中上游流域?yàn)槔齕J].地理學(xué)報(bào),2017,72(3):457-470.

[17] 高超,金高潔.SWIM水文模型的DEM尺度效應(yīng)[J].地理研究,2012,31(3):399-408.

[18] 張淑蘭,張海軍,王彥輝,等.涇河流域上游景觀尺度植被類型對(duì)水文過程的影響[J].地理科學(xué),2015,35(2):231-237.

[19] 谷一,郝振純,王國(guó)慶,等.HBV模型在遜畢拉河流域的適用性研究[J].水資源與水工程學(xué)報(bào),2017,28(1):20-25.

[20] 黃清華,張萬昌.SWAT模型參數(shù)敏感性分析及應(yīng)用[J].干旱區(qū)地理:中文版,2010,33(1):8-15.

[21] 丁飛.SWAT模型小尺度流域模擬的適宜性研究:以淮河上游迎河小流域?yàn)槔齕D].南京:南京農(nóng)業(yè)大學(xué),2007.