CMADS與傳統(tǒng)氣象站數(shù)據(jù)驅(qū)動(dòng)下的SWAT模型模擬效果評(píng)價(jià)
----以苦水河流域?yàn)槔?/h1>
2018-07-09 12:32:06張春輝王炳亮
中國農(nóng)村水利水電 2018年6期
張春輝，王炳亮 ,2
(1.寧夏大學(xué)土木與水利工程學(xué)院，銀川 750021；2.教育部旱區(qū)現(xiàn)代農(nóng)業(yè)水資源高效利用工程研究中心，銀川 750021)
水文模型依據(jù)數(shù)學(xué)原理和氣象水文資料以及水利工程等人類實(shí)際需求對(duì)自然水文現(xiàn)象進(jìn)行模擬，是水文科學(xué)必備的重要方法之一。分布式流域水文模型考慮了下墊面和降雨分布不均對(duì)流域水文過程的影響，同時(shí)也能模擬人類活動(dòng)下流域水文情勢的發(fā)展方向，比傳統(tǒng)的集總式水文模型更為系統(tǒng)，為科學(xué)模擬降雨徑流形成過程及其發(fā)展機(jī)理提供了可靠的工具，成為水文模型發(fā)展的趨勢[1]。
SWAT(Soil and Water Assessment Tool)模型是由美國農(nóng)業(yè)部于20世紀(jì)90年代開發(fā)的半分布式水文模型[2]，該模型主要用于模擬和評(píng)價(jià)各種管理措施和氣候條件變化下的流域水文情勢、水質(zhì)變化情況。目前，國內(nèi)外針對(duì)模型已進(jìn)行了大量的研究，主要有徑流模擬、氣候/土地利用變化的水文效應(yīng)研究、泥沙運(yùn)動(dòng)模擬、面源污染研究[3-7]，其中，徑流模擬由于長時(shí)段徑流實(shí)測資料易于獲取成為模型模擬的主流方向[8]。目前構(gòu)建SWAT模型時(shí)所需的氣象數(shù)據(jù)庫參數(shù)大多是根據(jù)流域內(nèi)的氣象站數(shù)據(jù)推求所得。有研究表明，驅(qū)動(dòng)SWAT模型的氣象數(shù)據(jù)的不確定性對(duì)模擬結(jié)果影響較大，其中以降水最為顯著[9]。
西北內(nèi)陸干旱區(qū)氣象站點(diǎn)分布稀疏，致使模型的可靠性降低，是制約水文模型廣泛應(yīng)用的主要因素之一。為解決地面氣象站點(diǎn)及氣象數(shù)據(jù)缺乏的問題，國內(nèi)外學(xué)者將各種氣候模式輸出數(shù)據(jù)及其降尺度數(shù)據(jù)用于大尺度水文模擬中，并取得了較好的效果[10,11]。但由于氣候模式及再分析數(shù)據(jù)自身的缺陷，氣候模式產(chǎn)品和再分析數(shù)據(jù)與區(qū)域氣候差異較大，應(yīng)用這些數(shù)據(jù)進(jìn)行水文響應(yīng)研究時(shí)會(huì)出現(xiàn)差異較大的結(jié)論，究其原因是氣候模式產(chǎn)品模擬區(qū)域氣候時(shí)出現(xiàn)的較大偏差所導(dǎo)致的[12,13]。因此，研究不同大氣再分析數(shù)據(jù)及氣候模式產(chǎn)品在SWAT模型中的應(yīng)用效果及敏感性對(duì)于水文響應(yīng)研究具有重要意義。中國大氣同化驅(qū)動(dòng)數(shù)據(jù)集(China Meteorological Assimilation Driving Database for the SWAT model, CMADS) 以中國氣象局大氣同化系統(tǒng)(CLDAS)為基礎(chǔ)，應(yīng)用數(shù)據(jù)模式要素重算、質(zhì)量控制、循環(huán)嵌套、重采樣及雙線性插值等多種技術(shù)手段建立，具有數(shù)據(jù)來源廣、多時(shí)間尺度和多分辨率的特點(diǎn)，可應(yīng)用于不同分辨率下的模型[14]。目前該數(shù)據(jù)的應(yīng)用還處于探索階段，孟現(xiàn)勇等國內(nèi)學(xué)者以地處西北干旱區(qū)的黑河流域?yàn)檠芯繉?duì)象，通過比較由CMADS、CFSR、傳統(tǒng)氣象數(shù)據(jù)驅(qū)動(dòng)的SWAT模型模擬效果，發(fā)現(xiàn)CMADS結(jié)合SWAT模式的模擬效果優(yōu)于基于CFSR和傳統(tǒng)氣象站的模擬效果[15]。張利敏等對(duì)由CMADS驅(qū)動(dòng)的渾河流域SWAT模型的適用性進(jìn)行了評(píng)價(jià)，結(jié)果表明，模型徑流模擬效果理想，且CMADS 數(shù)據(jù)集能很好地反映位于高寒山區(qū)且缺乏氣象資料的渾河流域下墊面氣候特征[16]。本文以寧夏回族自治區(qū)境內(nèi)的苦水河流域?yàn)檠芯繀^(qū)，分別構(gòu)建由傳統(tǒng)氣象數(shù)據(jù)和CMADS數(shù)據(jù)驅(qū)動(dòng)的SWAT模型，并進(jìn)行參數(shù)率定與驗(yàn)證，以探究不同氣象數(shù)據(jù)源對(duì)SWAT模型模擬效果的影響。
1 基礎(chǔ)數(shù)據(jù)處理
1.1 研究區(qū)概況
苦水河源于甘肅省環(huán)縣沙坡子溝，是黃河一級(jí)支流，流經(jīng)寧夏回族自治區(qū)鹽池縣、同心縣、吳忠市境內(nèi)，最終于靈武市新華橋匯入黃河，其支流主要有甜水河、小河、沙溝。流域位于北緯37°02′～38°03′，東經(jīng)106°01′～107°14′之間，南北長約224 km，東西最寬為200 km，流域總面積為5 218 km2，年平均徑流量為1 550 萬m3；境內(nèi)屬于溫帶大陸性氣候，年平均氣溫15.8 ℃，年平均降水量248 mm；境內(nèi)地形南高北低，地貌多以山地丘陵為主，分布有黑壚土(Calcic Chernozems)、黃綿土(Calcaric Cambisols)、淡灰鈣土(Calcaric Arenosols)、灰鈣土(Calcaric Fluvisols)、灰褐土(Rendzic Leptosols)、鹽堿土(Mollic Solonchaks)、石灰性粗骨土(Calcaric Regosols)等土壤類型；郭家橋水文站是流域內(nèi)唯一的水文站。
1.2 DEM處理
研究區(qū)DEM空間分辨率為30 m，參考坐標(biāo)系為GCS_WGS_1984(圖1)。在ArcSWAT中需將地理坐標(biāo)系轉(zhuǎn)化為投影坐標(biāo)系，根據(jù)高斯克呂格3度帶投影方式，轉(zhuǎn)換后的DEM投影坐標(biāo)系為Beijing_1954_3_Degree_GK_Zone_35，中央經(jīng)線為東經(jīng)105°。
圖1 苦水河流域DEMFig.1 The DEM of kushui river basin
1.3 土地利用數(shù)據(jù)處理
研究區(qū)土地利用類型數(shù)據(jù)由寧夏回族自治區(qū)水文水資源局提供，其分辨率為30 m，在此以2010年土地利用數(shù)據(jù)為建?；A(chǔ)數(shù)據(jù)，其土地利用類型主要有水田、旱地、有林地、灌木林、高覆蓋度草地、中覆蓋度草地、低覆蓋度草地、灘地、城鎮(zhèn)用地、農(nóng)村居民地、工交建設(shè)用地、沙地、鹽堿地、裸土地、裸巖16種。由于SWAT 模型內(nèi)嵌美國國家地質(zhì)調(diào)查局(USGS)設(shè)計(jì)的土地利用分類系統(tǒng)，所以需對(duì)土地利用數(shù)據(jù)進(jìn)行重分類，并以SWAT 模型要求的字母代碼對(duì)土地利用類型命名(命名結(jié)果見表1) ，重分類土地利用現(xiàn)狀圖見圖2。
表1 土地利用重分類結(jié)果Tab.1 Land use reclassification results
圖2 土地利用重分類圖Fig.2 Land use reclassification map
1.4 土壤數(shù)據(jù)處理
本文采用世界和諧土壤數(shù)據(jù)庫(Harmonized World Soil Database, HWSD)提供的土壤數(shù)據(jù)土壤分布圖見圖3。HWSD 采用的FAO 制與SWAT模型采用的土壤粒徑級(jí)配標(biāo)準(zhǔn)(USDA)差別不大，所以不用對(duì)土壤粒徑進(jìn)行轉(zhuǎn)化[17]。模型數(shù)據(jù)庫要求的一些參數(shù)，如土壤名稱、沙土含量、壤土含量、黏土含量、礫石含量、分層數(shù)、土壤剖面最大根系深度、土壤層結(jié)構(gòu)、土壤層深度、有機(jī)碳含量、電導(dǎo)率可直接從HWSD屬性數(shù)據(jù)庫中查詢獲得。土壤數(shù)據(jù)庫參數(shù)中田間持水量(SOL-AWC)、飽和導(dǎo)水率(SOL-K)、土壤濕密度(SOL-BD)可由SPAW軟件進(jìn)行計(jì)算。
圖3 基于HWSD的土壤類型分布圖Fig.3 Soil distribution map based on HWSD
1.5 氣象數(shù)據(jù)處理
利用傳統(tǒng)氣象數(shù)據(jù)驅(qū)動(dòng)SWAT 模型時(shí)需計(jì)算天氣發(fā)生器參數(shù)。天氣發(fā)生器通過統(tǒng)計(jì)流域內(nèi)外站點(diǎn)多年氣象觀測值計(jì)算出氣候態(tài)以模擬站點(diǎn)歷史缺測值及預(yù)測值[18]。天氣發(fā)生器的各項(xiàng)參數(shù)主要有月平均最高/低氣溫、月最高/低氣溫標(biāo)準(zhǔn)偏差、月平均降雨天數(shù)、月平均降雨量、月降雨量標(biāo)準(zhǔn)偏差、降雨量偏度系數(shù)、所有計(jì)算年月內(nèi)降水日與非降水日比率、所有計(jì)算年月內(nèi)非降水日與降水日比率、按月統(tǒng)計(jì)日均露點(diǎn)溫度、按月統(tǒng)計(jì)日均太陽輻射量、按月統(tǒng)計(jì)日均風(fēng)速平均風(fēng)速[19]。本研究中傳統(tǒng)氣象站點(diǎn)有鹽池縣、同心縣、中寧縣氣象站(圖4)，其氣象要素時(shí)間為2008-2016年。
本文使用的CMADS V1.0數(shù)據(jù)覆蓋整個(gè)東亞(0°～65°N，60°～160°E)，空間分辨率為0.25°，氣象要素時(shí)間為2008-2016年，其中，位于研究區(qū)的CMADS站點(diǎn)共有16個(gè)(圖4)。該氣象數(shù)據(jù)集中，氣溫、氣壓、比濕、風(fēng)速驅(qū)動(dòng)數(shù)據(jù)利用NCEP /GFS 為背景場，融合中國2421個(gè)國家級(jí)氣象局自動(dòng)站的觀測數(shù)據(jù)；降水?dāng)?shù)據(jù)利用CMORPH融合了我國近40000個(gè)區(qū)域自動(dòng)臺(tái)站。
圖4 傳統(tǒng)氣象站點(diǎn)與CMADS站點(diǎn)空間分布圖Fig.4 Traditional meteorological stations and CMADS stations Distribution
2 結(jié)果分析及討論
基于流域DEM，利用ArcSWAT2012提取的流域面積為5 218 km2，其中子流域劃分為16個(gè)。在子流域基礎(chǔ)上需劃分水文響應(yīng)單元(Hydrologic Response Unit,HRU)，水文響應(yīng)單元是流域內(nèi)最小的水文計(jì)算單元，每一個(gè)HRU中土地利用/覆被類型、土壤類型、坡度分布無差異，通過計(jì)算HRU的匯流量，可計(jì)算出子流域徑流量，最終推算整個(gè)流域徑流量。加載完土地利用圖和土壤圖以及完成坡度分級(jí)后，進(jìn)行 HRU 的劃分。為保證HRU劃分的準(zhǔn)確性與水文要素計(jì)算效率，模型推薦一個(gè)子流域內(nèi)的水文響應(yīng)單元一般為3～4個(gè)。本文考慮各子流域內(nèi)土壤類型和土地利用類型以及各坡度等級(jí)的面積比例，確定出流域內(nèi)優(yōu)勢土壤類型和土地利用類型及坡度等級(jí)面積閾值，低于該閾值的類型將劃分到優(yōu)勢類型當(dāng)中。最終確定土地利用、土壤及坡度的面積閾值分別為 8%、10%、16%。并將苦水河流域劃分為237個(gè)HRU。在輸入氣象水文數(shù)據(jù)后，2005-2007年為模型的預(yù)熱期，以2008-2012年為模型參數(shù)率定期，2013-2016年為模型驗(yàn)證期，采用SCS徑流曲線方法計(jì)算地表徑流[20]。
在模型初次運(yùn)行后，需進(jìn)行參數(shù)敏感性分析，以確定對(duì)模型輸出貢獻(xiàn)較大的參數(shù)及不同參數(shù)組合對(duì)模擬效果的影響[21]。本文依托SWAT-CUP(SWAT Calibration Uncertainty Procedures) 進(jìn)行參數(shù)敏感性分析、率定及驗(yàn)證，其內(nèi)置的SUFI-2算法基于綜合優(yōu)化和梯度搜索方法，同時(shí)率定多個(gè)參數(shù)，分析模型參數(shù)及模型結(jié)構(gòu)的不確定性[22]，該算法通過確定目標(biāo)函數(shù)，進(jìn)行多次迭代計(jì)算，完成參數(shù)初始范圍的確定，之后進(jìn)行Latin Hypercube采樣得到多種參數(shù)組合并再次運(yùn)行模型，完成參數(shù)的不確定性分析及參數(shù)率定[23]。對(duì)模型參數(shù)進(jìn)行敏感性分析，參數(shù)相對(duì)顯著性由t-Stat 檢驗(yàn)值確定，t-Stat 檢驗(yàn)值的絕對(duì)值越大，參數(shù)敏感性越高；P-Value是t檢驗(yàn)值表對(duì)應(yīng)的P概率值，其值越接近于0，參數(shù)敏感性越高。分別對(duì)兩種模式氣象站下的模型輸出結(jié)果進(jìn)行500 次迭代運(yùn)算，確定敏感性高的參數(shù)并以流域出口郭家橋水文站的月徑流資料為準(zhǔn)進(jìn)行參數(shù)率定。由表2可知，有8個(gè)對(duì)兩種模型敏感度都較高的參數(shù)，其中CN2表示SCS 徑流曲線數(shù)，GW_DELAY 表示地下水延遲時(shí)間，CH_K2表示河道有效滲透系數(shù)，ESCO 表示土壤蒸發(fā)補(bǔ)償系數(shù)，ALPHA_BNK 表示河岸調(diào)蓄基流系數(shù)，SOL_AWC 表示土壤有效含水率，SOL_K 表示土壤飽和滲透系數(shù)，ALPHA_BF 表示基流α因子，且SCS徑流曲線數(shù)、地下水延遲時(shí)間、土壤蒸發(fā)補(bǔ)償系數(shù)在兩種模型中敏感性等級(jí)相同，說明這3個(gè)參數(shù)對(duì)模型結(jié)構(gòu)及模擬結(jié)果影響最大。
表2 參數(shù)敏感性分析及調(diào)參結(jié)果統(tǒng)計(jì)Tab.2 Parameter sensitivity analysis and parameter adjusting statistics
模型模擬效果的評(píng)價(jià)指標(biāo)采用Nash-Sutcliff 效率系數(shù)(NSE) 和決定系數(shù)(R2)，具體表達(dá)式為：
(1)
(2)
NSE變化范圍為-∞至1，當(dāng)NSE計(jì)算結(jié)果為1時(shí)，觀測值與模擬值完全相同；在0.5～1之間，表示模式結(jié)果可接受，當(dāng)NSE小于0時(shí)，認(rèn)為模擬效果可靠性差，R2表征模擬值與實(shí)測值的相關(guān)性，其值越接近1，表明模擬效果越好[24]。
2008-2012年為率定期，2013-2016年為模型驗(yàn)證期，以郭家橋水文站實(shí)測月徑流流量為準(zhǔn)，先后得到率定期與驗(yàn)證期徑流模擬結(jié)果。從圖5和表3可以看出：在月尺度上，兩種SWAT模型在率定期及驗(yàn)證期徑流模擬效果理想，降雨量變化趨勢與徑流變化趨勢一致，且NSE、R2都大于0.6，模擬值與實(shí)測值相關(guān)性良好；CMADS驅(qū)動(dòng)的SWAT模型NSE值與R2均大于基于傳統(tǒng)氣象站數(shù)據(jù)模型的對(duì)應(yīng)值，且在徑流流量出現(xiàn)突變的月份，CMADS驅(qū)動(dòng)的模型徑流峰值變化幅度小于傳統(tǒng)氣象站下的模型徑流變化，更接近實(shí)測值，其原因可歸結(jié)為：由于SCS徑流曲線數(shù)、地下水延遲時(shí)間、土壤蒸發(fā)補(bǔ)償系數(shù)是對(duì)模型敏感度最高的3個(gè)參數(shù)，而降雨量又是影響這3個(gè)參數(shù)值變化的主要因素，本研究中，由于傳統(tǒng)氣象站點(diǎn)分布稀疏，且大多位于流域外圍，導(dǎo)致模型在進(jìn)行降水空間插值時(shí)出現(xiàn)偏差，使得徑流模擬效果欠佳；而CMADS的運(yùn)用則彌補(bǔ)了這一偏差，使模擬結(jié)果更為精確?？傮w來看，兩種SWAT模型的徑流模擬結(jié)果都表明，2008-2016年流域年徑流總量呈現(xiàn)減少的趨勢，河道最大流量出現(xiàn)在每年的7-9月，最小流量位于每年的11月到次年4月，這與流域常年氣象水文情勢相符，即苦水河流域地處旱區(qū)，降水主要集中在7-9月；而從11月至次年2月，流域內(nèi)降水稀少，土壤結(jié)凍，降水多以降雪的形式出現(xiàn)，導(dǎo)致匯入河流的地表水量減少；2-4月，河流流水主要來自地下水，隨著氣溫回升，日照時(shí)間增多，導(dǎo)致土壤解凍后地表蒸發(fā)逐漸旺盛，植物根系吸水能力增強(qiáng)，使得補(bǔ)給河流基流的地下水水量急劇減少。
圖5 模擬徑流流量與實(shí)測徑流流量對(duì)比圖Fig.5 The comparison between simulation runoff and the measured in calibration stage
時(shí)間站點(diǎn)站點(diǎn)所在子流域號(hào)傳統(tǒng)氣象站NSER2CMADSNSER2率定期(2008-2012年)郭家橋水文站10.6420.5970.8460.741驗(yàn)證期(2013-2016年)郭家橋水文站10.6190.6280.8160.752
3 結(jié) 語
由于研究流域地處西北干旱內(nèi)陸區(qū)，流域內(nèi)氣象站點(diǎn)稀少，所以本文在苦水河流域地形、土壤、土地利用等數(shù)據(jù)的基礎(chǔ)上不僅建立了傳統(tǒng)氣象站數(shù)據(jù)支撐的SWAT模型，還引入了能夠彌補(bǔ)氣象站點(diǎn)缺失的CMADS氣象數(shù)據(jù)，并構(gòu)建了基于此數(shù)據(jù)集的SWAT模型，最終完成了兩種模型的參數(shù)率定及驗(yàn)證。將兩種模型的徑流模擬效果進(jìn)行了比較，發(fā)現(xiàn)均適用于此干旱流域，能體現(xiàn)出流域的徑流變化特征，且基于CMADS的SWAT模型模擬精度高于傳統(tǒng)氣象站數(shù)據(jù)支配的模型，說明CMADS可用于氣象資料稀缺地區(qū)SWAT模型的構(gòu)建。
CMADS大氣同化數(shù)據(jù)集是近年開發(fā)的大氣數(shù)據(jù)再分析產(chǎn)品，其氣象要素時(shí)間范圍較小(2008-2016年)，導(dǎo)致模型率定期、驗(yàn)證期較短，這會(huì)對(duì)參數(shù)敏感性分析、參數(shù)率定及驗(yàn)證效果造成一定的影響。由于流域內(nèi)只有一個(gè)出口水文站，所以用此水文站徑流數(shù)據(jù)進(jìn)行模型參數(shù)率定及驗(yàn)證將不能完全確定影響子流域產(chǎn)流相關(guān)參數(shù)的變化情況，增大了模型調(diào)參的隨機(jī)性，在今后的研究中應(yīng)注重應(yīng)用其他實(shí)測氣象水文數(shù)據(jù)進(jìn)行模型校正與驗(yàn)證，例如利用遙感ET進(jìn)行模型校正，可以從子流域的角度出發(fā)完成模型參數(shù)敏感性分析、率定及驗(yàn)證，從而提高模型運(yùn)行的可靠性。此外，本研究僅考慮了基于SWAT模型的流域自然水文循環(huán)，并未考慮模型對(duì)流域內(nèi)退耕還林、揚(yáng)水工程等人為活動(dòng)的響應(yīng)，將在后續(xù)的研究中繼續(xù)深入上述問題的研究。
□
參考文獻(xiàn)：
[1] 閆紅飛,王船海,文 鵬. 分布式水文模型研究綜述[J]. 水電能源科學(xué),2008,26(6):1-4.
[2] 王中根,劉昌明,黃友波. SWAT模型的原理、結(jié)構(gòu)及應(yīng)用研究[J]. 地理科學(xué)進(jìn)展,2003, 22(1):79-86.
[3] Dessu S B, Melesse A M. Modelling the rainfall-runoff process of the Mara River basin using the Soil and Water Assessment Tool [J]. Hydrological Processes, 2012,26(26):4 038-4 049.
[4] 孫 瑞,張雪芹. 基于SWAT模型的流域徑流模擬研究進(jìn)展[J]. 水文,2010,30(3):28-32.
[5] 林桂英,曾宏達(dá),謝錦升. SWAT模型在流域LUCC水文效應(yīng)研究中的應(yīng)用[J]. 水資源與水工程學(xué)報(bào),2009,20(6):145-148,151.
[6] Gessese A, Yonas M. Prediction of inflow to legedadi reservoir using SWAT watershed and CCHELD sediment transport models[J]. Nile Basin Water Engineering Scientific Magazine,2008,(1):65-74.
[7] 陳曼雨,崔遠(yuǎn)來,鄭世宗,等. 基于SWAT模型的農(nóng)業(yè)面源污染尺度效應(yīng)研究[J]. 中國農(nóng)村水利水電,2016,(9):187-191,196.
[8] 王 林,陳興偉. SWAT模型流域徑流模擬研究進(jìn)展[J]. 華僑大學(xué)學(xué)報(bào)(自然科學(xué)版),2008,(1):6-10.
[9] 廖亞一,呂海深,李占玲. 氣象數(shù)據(jù)不確定性對(duì)SWAT模型徑流模擬影響[J]. 人民長江, 2014,(9):34-38.
[10] Smith R A, C D Kummerow. A comparison of in situ, reanalysis, and satellite water budgets over the Upper Colorado River Basin[J]. Journal of Hydrometeorology，2013,(14):888-905.
[11] Lavers D A, G Villarini, R P Allan, et al. The detection of atmospheric rivers in atmospheric reanalyses and their links to british winter floods and the large-scale climatic circulation[J]. Journal of Geophysical Research Atmospheres，2012，117(D20):1-13.
[12] 陸桂華,吳志勇,張建云. 陸氣耦合模型在實(shí)時(shí)暴雨洪水預(yù)報(bào)中的應(yīng)用[J]. 水科學(xué)進(jìn)展,2007,16(6):847-852.
[13] 王 超. 祁連山區(qū)出山徑流對(duì)氣候變化的響應(yīng)研究----以黑河上游為例[D]. 蘭州:蘭州大學(xué),2010.
[14] 孟現(xiàn)勇. SWAT 模型中國大氣同化驅(qū)動(dòng)數(shù)據(jù)集(CMADS V1.1)[Z]. 蘭州:寒區(qū)旱區(qū)科學(xué)數(shù)據(jù)中心,2016.
[15] 孟現(xiàn)勇,師春香,劉時(shí)銀,等. 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)槔齕J]. 人民珠江,2016,37(7):1-19.
[16] 張利敏,王 浩,孟現(xiàn)勇. 基于CMADS驅(qū)動(dòng)的SWAT模型在遼寧渾河流域的應(yīng)用研究[J]. 華北水利水電大學(xué)學(xué)報(bào)(自然科學(xué)版),2017,38(5):1-8.
[17] 寧吉才,劉高煥,劉慶生. 水文響應(yīng)單元空間離散化及SWAT模型改進(jìn)[J]. 水科學(xué)進(jìn)展,2012,23(1):14-20.
[18] Neitsch S L, J G Arnold，J R Kiniry, et al. Soil and Water Assessment Tool Theoretical Documentation[Z]. Version 2005. Grassland Soil and Water Research Laboratory, Agricultural Research Service, Blackland Research Center, Texas Agricultural Experiment Station, Temple, Texas, 2012.
[19] 李 威. 基于GIS和SWAT模型的嘉陵江降雨徑流模擬研究[D]. 重慶：重慶師范大學(xué),2015.
[20] 王 英,黃明斌. 徑流曲線法模型參數(shù)在黃土地區(qū)的優(yōu)化研究[J]. 水土保持通報(bào),2008,(1):54-58.
[21] 宋曉猛,張建云,占車生,等. 水文模型參數(shù)敏感性分析方法評(píng)述[J]. 水利水電科技進(jìn)展,2015,35(6):105-112.
[22] Richard M W, Sam M, Juan A，et al. Effect of drought and the presence of the 1BL /1RS translocation on grain vitreosity, hardness and protein content in winter wheat[J]. Journal of Cereal Science,2008,47(3):457-468.
[23] 劉睿翀,霍艾迪,CHEN X H,等. 基于SUFI-2 算法的SWAT 模型在陜西黑河流域徑流模擬中的應(yīng)用[J]. 干旱地區(qū)農(nóng)業(yè)研究,2014,32(5):213-217,222.
[24] 劉 俊,劉時(shí)銀,上官冬輝,等. CMADS、ITPCAS和TRMM 3B42 3套降水?dāng)?shù)據(jù)集在玉龍喀什河流域的適用性評(píng)價(jià)[J]. 華北水利水電大學(xué)學(xué)報(bào)(自然科學(xué)版),2017,38(5):28-37.
猜你喜歡
2022年《中國水文年報(bào)》發(fā)布水資源開發(fā)與管理(2023年8期)2023-09-08 13:27:10 珠峰上架起世界最高氣象站環(huán)球時(shí)報(bào)(2022-05-05)2022-05-05 11:08:07 水文河南水利年鑒(2020年0期)2020-06-09 05:43:48 水文水資源管理河南水利年鑒(2020年0期)2020-06-09 05:43:30 心靈氣象站趣味(語文)(2019年3期)2019-06-12 08:50:14 水文河南水利年鑒(2017年0期)2017-05-19 02:29:33 Topmodel在布哈河流域徑流模擬中的應(yīng)用水利科技與經(jīng)濟(jì)(2016年9期)2016-04-22 01:07:12 自動(dòng)氣象站應(yīng)該注意的一些防雷問題氣象研究與應(yīng)用(2016年4期)2016-02-27 12:23:17 探秘“大徑流”交通建設(shè)與管理(2015年15期)2015-03-20 15:19:31 攻克“大徑流”交通建設(shè)與管理(2015年15期)2015-03-20 15:19:01
張春輝，王炳亮 ,2
(1.寧夏大學(xué)土木與水利工程學(xué)院，銀川 750021；2.教育部旱區(qū)現(xiàn)代農(nóng)業(yè)水資源高效利用工程研究中心，銀川 750021)
水文模型依據(jù)數(shù)學(xué)原理和氣象水文資料以及水利工程等人類實(shí)際需求對(duì)自然水文現(xiàn)象進(jìn)行模擬，是水文科學(xué)必備的重要方法之一。分布式流域水文模型考慮了下墊面和降雨分布不均對(duì)流域水文過程的影響，同時(shí)也能模擬人類活動(dòng)下流域水文情勢的發(fā)展方向，比傳統(tǒng)的集總式水文模型更為系統(tǒng)，為科學(xué)模擬降雨徑流形成過程及其發(fā)展機(jī)理提供了可靠的工具，成為水文模型發(fā)展的趨勢[1]。
SWAT(Soil and Water Assessment Tool)模型是由美國農(nóng)業(yè)部于20世紀(jì)90年代開發(fā)的半分布式水文模型[2]，該模型主要用于模擬和評(píng)價(jià)各種管理措施和氣候條件變化下的流域水文情勢、水質(zhì)變化情況。目前，國內(nèi)外針對(duì)模型已進(jìn)行了大量的研究，主要有徑流模擬、氣候/土地利用變化的水文效應(yīng)研究、泥沙運(yùn)動(dòng)模擬、面源污染研究[3-7]，其中，徑流模擬由于長時(shí)段徑流實(shí)測資料易于獲取成為模型模擬的主流方向[8]。目前構(gòu)建SWAT模型時(shí)所需的氣象數(shù)據(jù)庫參數(shù)大多是根據(jù)流域內(nèi)的氣象站數(shù)據(jù)推求所得。有研究表明，驅(qū)動(dòng)SWAT模型的氣象數(shù)據(jù)的不確定性對(duì)模擬結(jié)果影響較大，其中以降水最為顯著[9]。
西北內(nèi)陸干旱區(qū)氣象站點(diǎn)分布稀疏，致使模型的可靠性降低，是制約水文模型廣泛應(yīng)用的主要因素之一。為解決地面氣象站點(diǎn)及氣象數(shù)據(jù)缺乏的問題，國內(nèi)外學(xué)者將各種氣候模式輸出數(shù)據(jù)及其降尺度數(shù)據(jù)用于大尺度水文模擬中，并取得了較好的效果[10,11]。但由于氣候模式及再分析數(shù)據(jù)自身的缺陷，氣候模式產(chǎn)品和再分析數(shù)據(jù)與區(qū)域氣候差異較大，應(yīng)用這些數(shù)據(jù)進(jìn)行水文響應(yīng)研究時(shí)會(huì)出現(xiàn)差異較大的結(jié)論，究其原因是氣候模式產(chǎn)品模擬區(qū)域氣候時(shí)出現(xiàn)的較大偏差所導(dǎo)致的[12,13]。因此，研究不同大氣再分析數(shù)據(jù)及氣候模式產(chǎn)品在SWAT模型中的應(yīng)用效果及敏感性對(duì)于水文響應(yīng)研究具有重要意義。中國大氣同化驅(qū)動(dòng)數(shù)據(jù)集(China Meteorological Assimilation Driving Database for the SWAT model, CMADS) 以中國氣象局大氣同化系統(tǒng)(CLDAS)為基礎(chǔ)，應(yīng)用數(shù)據(jù)模式要素重算、質(zhì)量控制、循環(huán)嵌套、重采樣及雙線性插值等多種技術(shù)手段建立，具有數(shù)據(jù)來源廣、多時(shí)間尺度和多分辨率的特點(diǎn)，可應(yīng)用于不同分辨率下的模型[14]。目前該數(shù)據(jù)的應(yīng)用還處于探索階段，孟現(xiàn)勇等國內(nèi)學(xué)者以地處西北干旱區(qū)的黑河流域?yàn)檠芯繉?duì)象，通過比較由CMADS、CFSR、傳統(tǒng)氣象數(shù)據(jù)驅(qū)動(dòng)的SWAT模型模擬效果，發(fā)現(xiàn)CMADS結(jié)合SWAT模式的模擬效果優(yōu)于基于CFSR和傳統(tǒng)氣象站的模擬效果[15]。張利敏等對(duì)由CMADS驅(qū)動(dòng)的渾河流域SWAT模型的適用性進(jìn)行了評(píng)價(jià)，結(jié)果表明，模型徑流模擬效果理想，且CMADS 數(shù)據(jù)集能很好地反映位于高寒山區(qū)且缺乏氣象資料的渾河流域下墊面氣候特征[16]。本文以寧夏回族自治區(qū)境內(nèi)的苦水河流域?yàn)檠芯繀^(qū)，分別構(gòu)建由傳統(tǒng)氣象數(shù)據(jù)和CMADS數(shù)據(jù)驅(qū)動(dòng)的SWAT模型，并進(jìn)行參數(shù)率定與驗(yàn)證，以探究不同氣象數(shù)據(jù)源對(duì)SWAT模型模擬效果的影響。
1 基礎(chǔ)數(shù)據(jù)處理
1.1 研究區(qū)概況
苦水河源于甘肅省環(huán)縣沙坡子溝，是黃河一級(jí)支流，流經(jīng)寧夏回族自治區(qū)鹽池縣、同心縣、吳忠市境內(nèi)，最終于靈武市新華橋匯入黃河，其支流主要有甜水河、小河、沙溝。流域位于北緯37°02′～38°03′，東經(jīng)106°01′～107°14′之間，南北長約224 km，東西最寬為200 km，流域總面積為5 218 km2，年平均徑流量為1 550 萬m3；境內(nèi)屬于溫帶大陸性氣候，年平均氣溫15.8 ℃，年平均降水量248 mm；境內(nèi)地形南高北低，地貌多以山地丘陵為主，分布有黑壚土(Calcic Chernozems)、黃綿土(Calcaric Cambisols)、淡灰鈣土(Calcaric Arenosols)、灰鈣土(Calcaric Fluvisols)、灰褐土(Rendzic Leptosols)、鹽堿土(Mollic Solonchaks)、石灰性粗骨土(Calcaric Regosols)等土壤類型；郭家橋水文站是流域內(nèi)唯一的水文站。
1.2 DEM處理
研究區(qū)DEM空間分辨率為30 m，參考坐標(biāo)系為GCS_WGS_1984(圖1)。在ArcSWAT中需將地理坐標(biāo)系轉(zhuǎn)化為投影坐標(biāo)系，根據(jù)高斯克呂格3度帶投影方式，轉(zhuǎn)換后的DEM投影坐標(biāo)系為Beijing_1954_3_Degree_GK_Zone_35，中央經(jīng)線為東經(jīng)105°。
圖1 苦水河流域DEMFig.1 The DEM of kushui river basin
1.3 土地利用數(shù)據(jù)處理
研究區(qū)土地利用類型數(shù)據(jù)由寧夏回族自治區(qū)水文水資源局提供，其分辨率為30 m，在此以2010年土地利用數(shù)據(jù)為建?；A(chǔ)數(shù)據(jù)，其土地利用類型主要有水田、旱地、有林地、灌木林、高覆蓋度草地、中覆蓋度草地、低覆蓋度草地、灘地、城鎮(zhèn)用地、農(nóng)村居民地、工交建設(shè)用地、沙地、鹽堿地、裸土地、裸巖16種。由于SWAT 模型內(nèi)嵌美國國家地質(zhì)調(diào)查局(USGS)設(shè)計(jì)的土地利用分類系統(tǒng)，所以需對(duì)土地利用數(shù)據(jù)進(jìn)行重分類，并以SWAT 模型要求的字母代碼對(duì)土地利用類型命名(命名結(jié)果見表1) ，重分類土地利用現(xiàn)狀圖見圖2。
表1 土地利用重分類結(jié)果Tab.1 Land use reclassification results
圖2 土地利用重分類圖Fig.2 Land use reclassification map
1.4 土壤數(shù)據(jù)處理
本文采用世界和諧土壤數(shù)據(jù)庫(Harmonized World Soil Database, HWSD)提供的土壤數(shù)據(jù)土壤分布圖見圖3。HWSD 采用的FAO 制與SWAT模型采用的土壤粒徑級(jí)配標(biāo)準(zhǔn)(USDA)差別不大，所以不用對(duì)土壤粒徑進(jìn)行轉(zhuǎn)化[17]。模型數(shù)據(jù)庫要求的一些參數(shù)，如土壤名稱、沙土含量、壤土含量、黏土含量、礫石含量、分層數(shù)、土壤剖面最大根系深度、土壤層結(jié)構(gòu)、土壤層深度、有機(jī)碳含量、電導(dǎo)率可直接從HWSD屬性數(shù)據(jù)庫中查詢獲得。土壤數(shù)據(jù)庫參數(shù)中田間持水量(SOL-AWC)、飽和導(dǎo)水率(SOL-K)、土壤濕密度(SOL-BD)可由SPAW軟件進(jìn)行計(jì)算。
圖3 基于HWSD的土壤類型分布圖Fig.3 Soil distribution map based on HWSD
1.5 氣象數(shù)據(jù)處理
利用傳統(tǒng)氣象數(shù)據(jù)驅(qū)動(dòng)SWAT 模型時(shí)需計(jì)算天氣發(fā)生器參數(shù)。天氣發(fā)生器通過統(tǒng)計(jì)流域內(nèi)外站點(diǎn)多年氣象觀測值計(jì)算出氣候態(tài)以模擬站點(diǎn)歷史缺測值及預(yù)測值[18]。天氣發(fā)生器的各項(xiàng)參數(shù)主要有月平均最高/低氣溫、月最高/低氣溫標(biāo)準(zhǔn)偏差、月平均降雨天數(shù)、月平均降雨量、月降雨量標(biāo)準(zhǔn)偏差、降雨量偏度系數(shù)、所有計(jì)算年月內(nèi)降水日與非降水日比率、所有計(jì)算年月內(nèi)非降水日與降水日比率、按月統(tǒng)計(jì)日均露點(diǎn)溫度、按月統(tǒng)計(jì)日均太陽輻射量、按月統(tǒng)計(jì)日均風(fēng)速平均風(fēng)速[19]。本研究中傳統(tǒng)氣象站點(diǎn)有鹽池縣、同心縣、中寧縣氣象站(圖4)，其氣象要素時(shí)間為2008-2016年。
本文使用的CMADS V1.0數(shù)據(jù)覆蓋整個(gè)東亞(0°～65°N，60°～160°E)，空間分辨率為0.25°，氣象要素時(shí)間為2008-2016年，其中，位于研究區(qū)的CMADS站點(diǎn)共有16個(gè)(圖4)。該氣象數(shù)據(jù)集中，氣溫、氣壓、比濕、風(fēng)速驅(qū)動(dòng)數(shù)據(jù)利用NCEP /GFS 為背景場，融合中國2421個(gè)國家級(jí)氣象局自動(dòng)站的觀測數(shù)據(jù)；降水?dāng)?shù)據(jù)利用CMORPH融合了我國近40000個(gè)區(qū)域自動(dòng)臺(tái)站。
圖4 傳統(tǒng)氣象站點(diǎn)與CMADS站點(diǎn)空間分布圖Fig.4 Traditional meteorological stations and CMADS stations Distribution
2 結(jié)果分析及討論
基于流域DEM，利用ArcSWAT2012提取的流域面積為5 218 km2，其中子流域劃分為16個(gè)。在子流域基礎(chǔ)上需劃分水文響應(yīng)單元(Hydrologic Response Unit,HRU)，水文響應(yīng)單元是流域內(nèi)最小的水文計(jì)算單元，每一個(gè)HRU中土地利用/覆被類型、土壤類型、坡度分布無差異，通過計(jì)算HRU的匯流量，可計(jì)算出子流域徑流量，最終推算整個(gè)流域徑流量。加載完土地利用圖和土壤圖以及完成坡度分級(jí)后，進(jìn)行 HRU 的劃分。為保證HRU劃分的準(zhǔn)確性與水文要素計(jì)算效率，模型推薦一個(gè)子流域內(nèi)的水文響應(yīng)單元一般為3～4個(gè)。本文考慮各子流域內(nèi)土壤類型和土地利用類型以及各坡度等級(jí)的面積比例，確定出流域內(nèi)優(yōu)勢土壤類型和土地利用類型及坡度等級(jí)面積閾值，低于該閾值的類型將劃分到優(yōu)勢類型當(dāng)中。最終確定土地利用、土壤及坡度的面積閾值分別為 8%、10%、16%。并將苦水河流域劃分為237個(gè)HRU。在輸入氣象水文數(shù)據(jù)后，2005-2007年為模型的預(yù)熱期，以2008-2012年為模型參數(shù)率定期，2013-2016年為模型驗(yàn)證期，采用SCS徑流曲線方法計(jì)算地表徑流[20]。
在模型初次運(yùn)行后，需進(jìn)行參數(shù)敏感性分析，以確定對(duì)模型輸出貢獻(xiàn)較大的參數(shù)及不同參數(shù)組合對(duì)模擬效果的影響[21]。本文依托SWAT-CUP(SWAT Calibration Uncertainty Procedures) 進(jìn)行參數(shù)敏感性分析、率定及驗(yàn)證，其內(nèi)置的SUFI-2算法基于綜合優(yōu)化和梯度搜索方法，同時(shí)率定多個(gè)參數(shù)，分析模型參數(shù)及模型結(jié)構(gòu)的不確定性[22]，該算法通過確定目標(biāo)函數(shù)，進(jìn)行多次迭代計(jì)算，完成參數(shù)初始范圍的確定，之后進(jìn)行Latin Hypercube采樣得到多種參數(shù)組合并再次運(yùn)行模型，完成參數(shù)的不確定性分析及參數(shù)率定[23]。對(duì)模型參數(shù)進(jìn)行敏感性分析，參數(shù)相對(duì)顯著性由t-Stat 檢驗(yàn)值確定，t-Stat 檢驗(yàn)值的絕對(duì)值越大，參數(shù)敏感性越高；P-Value是t檢驗(yàn)值表對(duì)應(yīng)的P概率值，其值越接近于0，參數(shù)敏感性越高。分別對(duì)兩種模式氣象站下的模型輸出結(jié)果進(jìn)行500 次迭代運(yùn)算，確定敏感性高的參數(shù)并以流域出口郭家橋水文站的月徑流資料為準(zhǔn)進(jìn)行參數(shù)率定。由表2可知，有8個(gè)對(duì)兩種模型敏感度都較高的參數(shù)，其中CN2表示SCS 徑流曲線數(shù)，GW_DELAY 表示地下水延遲時(shí)間，CH_K2表示河道有效滲透系數(shù)，ESCO 表示土壤蒸發(fā)補(bǔ)償系數(shù)，ALPHA_BNK 表示河岸調(diào)蓄基流系數(shù)，SOL_AWC 表示土壤有效含水率，SOL_K 表示土壤飽和滲透系數(shù)，ALPHA_BF 表示基流α因子，且SCS徑流曲線數(shù)、地下水延遲時(shí)間、土壤蒸發(fā)補(bǔ)償系數(shù)在兩種模型中敏感性等級(jí)相同，說明這3個(gè)參數(shù)對(duì)模型結(jié)構(gòu)及模擬結(jié)果影響最大。
表2 參數(shù)敏感性分析及調(diào)參結(jié)果統(tǒng)計(jì)Tab.2 Parameter sensitivity analysis and parameter adjusting statistics
模型模擬效果的評(píng)價(jià)指標(biāo)采用Nash-Sutcliff 效率系數(shù)(NSE) 和決定系數(shù)(R2)，具體表達(dá)式為：
(1)
(2)
NSE變化范圍為-∞至1，當(dāng)NSE計(jì)算結(jié)果為1時(shí)，觀測值與模擬值完全相同；在0.5～1之間，表示模式結(jié)果可接受，當(dāng)NSE小于0時(shí)，認(rèn)為模擬效果可靠性差，R2表征模擬值與實(shí)測值的相關(guān)性，其值越接近1，表明模擬效果越好[24]。
2008-2012年為率定期，2013-2016年為模型驗(yàn)證期，以郭家橋水文站實(shí)測月徑流流量為準(zhǔn)，先后得到率定期與驗(yàn)證期徑流模擬結(jié)果。從圖5和表3可以看出：在月尺度上，兩種SWAT模型在率定期及驗(yàn)證期徑流模擬效果理想，降雨量變化趨勢與徑流變化趨勢一致，且NSE、R2都大于0.6，模擬值與實(shí)測值相關(guān)性良好；CMADS驅(qū)動(dòng)的SWAT模型NSE值與R2均大于基于傳統(tǒng)氣象站數(shù)據(jù)模型的對(duì)應(yīng)值，且在徑流流量出現(xiàn)突變的月份，CMADS驅(qū)動(dòng)的模型徑流峰值變化幅度小于傳統(tǒng)氣象站下的模型徑流變化，更接近實(shí)測值，其原因可歸結(jié)為：由于SCS徑流曲線數(shù)、地下水延遲時(shí)間、土壤蒸發(fā)補(bǔ)償系數(shù)是對(duì)模型敏感度最高的3個(gè)參數(shù)，而降雨量又是影響這3個(gè)參數(shù)值變化的主要因素，本研究中，由于傳統(tǒng)氣象站點(diǎn)分布稀疏，且大多位于流域外圍，導(dǎo)致模型在進(jìn)行降水空間插值時(shí)出現(xiàn)偏差，使得徑流模擬效果欠佳；而CMADS的運(yùn)用則彌補(bǔ)了這一偏差，使模擬結(jié)果更為精確?？傮w來看，兩種SWAT模型的徑流模擬結(jié)果都表明，2008-2016年流域年徑流總量呈現(xiàn)減少的趨勢，河道最大流量出現(xiàn)在每年的7-9月，最小流量位于每年的11月到次年4月，這與流域常年氣象水文情勢相符，即苦水河流域地處旱區(qū)，降水主要集中在7-9月；而從11月至次年2月，流域內(nèi)降水稀少，土壤結(jié)凍，降水多以降雪的形式出現(xiàn)，導(dǎo)致匯入河流的地表水量減少；2-4月，河流流水主要來自地下水，隨著氣溫回升，日照時(shí)間增多，導(dǎo)致土壤解凍后地表蒸發(fā)逐漸旺盛，植物根系吸水能力增強(qiáng)，使得補(bǔ)給河流基流的地下水水量急劇減少。
圖5 模擬徑流流量與實(shí)測徑流流量對(duì)比圖Fig.5 The comparison between simulation runoff and the measured in calibration stage
時(shí)間站點(diǎn)站點(diǎn)所在子流域號(hào)傳統(tǒng)氣象站NSER2CMADSNSER2率定期(2008-2012年)郭家橋水文站10.6420.5970.8460.741驗(yàn)證期(2013-2016年)郭家橋水文站10.6190.6280.8160.752
3 結(jié) 語
由于研究流域地處西北干旱內(nèi)陸區(qū)，流域內(nèi)氣象站點(diǎn)稀少，所以本文在苦水河流域地形、土壤、土地利用等數(shù)據(jù)的基礎(chǔ)上不僅建立了傳統(tǒng)氣象站數(shù)據(jù)支撐的SWAT模型，還引入了能夠彌補(bǔ)氣象站點(diǎn)缺失的CMADS氣象數(shù)據(jù)，并構(gòu)建了基于此數(shù)據(jù)集的SWAT模型，最終完成了兩種模型的參數(shù)率定及驗(yàn)證。將兩種模型的徑流模擬效果進(jìn)行了比較，發(fā)現(xiàn)均適用于此干旱流域，能體現(xiàn)出流域的徑流變化特征，且基于CMADS的SWAT模型模擬精度高于傳統(tǒng)氣象站數(shù)據(jù)支配的模型，說明CMADS可用于氣象資料稀缺地區(qū)SWAT模型的構(gòu)建。
CMADS大氣同化數(shù)據(jù)集是近年開發(fā)的大氣數(shù)據(jù)再分析產(chǎn)品，其氣象要素時(shí)間范圍較小(2008-2016年)，導(dǎo)致模型率定期、驗(yàn)證期較短，這會(huì)對(duì)參數(shù)敏感性分析、參數(shù)率定及驗(yàn)證效果造成一定的影響。由于流域內(nèi)只有一個(gè)出口水文站，所以用此水文站徑流數(shù)據(jù)進(jìn)行模型參數(shù)率定及驗(yàn)證將不能完全確定影響子流域產(chǎn)流相關(guān)參數(shù)的變化情況，增大了模型調(diào)參的隨機(jī)性，在今后的研究中應(yīng)注重應(yīng)用其他實(shí)測氣象水文數(shù)據(jù)進(jìn)行模型校正與驗(yàn)證，例如利用遙感ET進(jìn)行模型校正，可以從子流域的角度出發(fā)完成模型參數(shù)敏感性分析、率定及驗(yàn)證，從而提高模型運(yùn)行的可靠性。此外，本研究僅考慮了基于SWAT模型的流域自然水文循環(huán)，并未考慮模型對(duì)流域內(nèi)退耕還林、揚(yáng)水工程等人為活動(dòng)的響應(yīng)，將在后續(xù)的研究中繼續(xù)深入上述問題的研究。
□
參考文獻(xiàn)：
[1] 閆紅飛,王船海,文 鵬. 分布式水文模型研究綜述[J]. 水電能源科學(xué),2008,26(6):1-4.
[2] 王中根,劉昌明,黃友波. SWAT模型的原理、結(jié)構(gòu)及應(yīng)用研究[J]. 地理科學(xué)進(jìn)展,2003, 22(1):79-86.
[3] Dessu S B, Melesse A M. Modelling the rainfall-runoff process of the Mara River basin using the Soil and Water Assessment Tool [J]. Hydrological Processes, 2012,26(26):4 038-4 049.
[4] 孫 瑞,張雪芹. 基于SWAT模型的流域徑流模擬研究進(jìn)展[J]. 水文,2010,30(3):28-32.
[5] 林桂英,曾宏達(dá),謝錦升. SWAT模型在流域LUCC水文效應(yīng)研究中的應(yīng)用[J]. 水資源與水工程學(xué)報(bào),2009,20(6):145-148,151.
[6] Gessese A, Yonas M. Prediction of inflow to legedadi reservoir using SWAT watershed and CCHELD sediment transport models[J]. Nile Basin Water Engineering Scientific Magazine,2008,(1):65-74.
[7] 陳曼雨,崔遠(yuǎn)來,鄭世宗,等. 基于SWAT模型的農(nóng)業(yè)面源污染尺度效應(yīng)研究[J]. 中國農(nóng)村水利水電,2016,(9):187-191,196.
[8] 王 林,陳興偉. SWAT模型流域徑流模擬研究進(jìn)展[J]. 華僑大學(xué)學(xué)報(bào)(自然科學(xué)版),2008,(1):6-10.
[9] 廖亞一,呂海深,李占玲. 氣象數(shù)據(jù)不確定性對(duì)SWAT模型徑流模擬影響[J]. 人民長江, 2014,(9):34-38.
[10] Smith R A, C D Kummerow. A comparison of in situ, reanalysis, and satellite water budgets over the Upper Colorado River Basin[J]. Journal of Hydrometeorology，2013,(14):888-905.
[11] Lavers D A, G Villarini, R P Allan, et al. The detection of atmospheric rivers in atmospheric reanalyses and their links to british winter floods and the large-scale climatic circulation[J]. Journal of Geophysical Research Atmospheres，2012，117(D20):1-13.
[12] 陸桂華,吳志勇,張建云. 陸氣耦合模型在實(shí)時(shí)暴雨洪水預(yù)報(bào)中的應(yīng)用[J]. 水科學(xué)進(jìn)展,2007,16(6):847-852.
[13] 王 超. 祁連山區(qū)出山徑流對(duì)氣候變化的響應(yīng)研究----以黑河上游為例[D]. 蘭州:蘭州大學(xué),2010.
[14] 孟現(xiàn)勇. SWAT 模型中國大氣同化驅(qū)動(dòng)數(shù)據(jù)集(CMADS V1.1)[Z]. 蘭州:寒區(qū)旱區(qū)科學(xué)數(shù)據(jù)中心,2016.
[15] 孟現(xiàn)勇,師春香,劉時(shí)銀,等. 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)槔齕J]. 人民珠江,2016,37(7):1-19.
[16] 張利敏,王 浩,孟現(xiàn)勇. 基于CMADS驅(qū)動(dòng)的SWAT模型在遼寧渾河流域的應(yīng)用研究[J]. 華北水利水電大學(xué)學(xué)報(bào)(自然科學(xué)版),2017,38(5):1-8.
[17] 寧吉才,劉高煥,劉慶生. 水文響應(yīng)單元空間離散化及SWAT模型改進(jìn)[J]. 水科學(xué)進(jìn)展,2012,23(1):14-20.
[18] Neitsch S L, J G Arnold，J R Kiniry, et al. Soil and Water Assessment Tool Theoretical Documentation[Z]. Version 2005. Grassland Soil and Water Research Laboratory, Agricultural Research Service, Blackland Research Center, Texas Agricultural Experiment Station, Temple, Texas, 2012.
[19] 李 威. 基于GIS和SWAT模型的嘉陵江降雨徑流模擬研究[D]. 重慶：重慶師范大學(xué),2015.
[20] 王 英,黃明斌. 徑流曲線法模型參數(shù)在黃土地區(qū)的優(yōu)化研究[J]. 水土保持通報(bào),2008,(1):54-58.
[21] 宋曉猛,張建云,占車生,等. 水文模型參數(shù)敏感性分析方法評(píng)述[J]. 水利水電科技進(jìn)展,2015,35(6):105-112.
[22] Richard M W, Sam M, Juan A，et al. Effect of drought and the presence of the 1BL /1RS translocation on grain vitreosity, hardness and protein content in winter wheat[J]. Journal of Cereal Science,2008,47(3):457-468.
[23] 劉睿翀,霍艾迪,CHEN X H,等. 基于SUFI-2 算法的SWAT 模型在陜西黑河流域徑流模擬中的應(yīng)用[J]. 干旱地區(qū)農(nóng)業(yè)研究,2014,32(5):213-217,222.
[24] 劉 俊,劉時(shí)銀,上官冬輝,等. CMADS、ITPCAS和TRMM 3B42 3套降水?dāng)?shù)據(jù)集在玉龍喀什河流域的適用性評(píng)價(jià)[J]. 華北水利水電大學(xué)學(xué)報(bào)(自然科學(xué)版),2017,38(5):28-37.
猜你喜歡
水資源開發(fā)與管理(2023年8期)2023-09-08 13:27:10
環(huán)球時(shí)報(bào)(2022-05-05)2022-05-05 11:08:07
河南水利年鑒(2020年0期)2020-06-09 05:43:48
河南水利年鑒(2020年0期)2020-06-09 05:43:30
趣味(語文)(2019年3期)2019-06-12 08:50:14
河南水利年鑒(2017年0期)2017-05-19 02:29:33
水利科技與經(jīng)濟(jì)(2016年9期)2016-04-22 01:07:12
氣象研究與應(yīng)用(2016年4期)2016-02-27 12:23:17
交通建設(shè)與管理(2015年15期)2015-03-20 15:19:31
交通建設(shè)與管理(2015年15期)2015-03-20 15:19:01
