榮 易, 秦成新, 孫 傅, 杜鵬飛
清華大學(xué)環(huán)境學(xué)院, 北京 100084
流域水環(huán)境模型是對水體及其匯水區(qū)受自然過程和人類活動影響呈現(xiàn)出的復(fù)雜響應(yīng)關(guān)系的抽象定量表達(dá),是評估氣候變化、土地管理、人類活動等對流域水環(huán)境影響的重要工具[1]. 近年來,流域水環(huán)境模型在我國得到廣泛應(yīng)用,在非點源污染負(fù)荷估算[2]、污染負(fù)荷源解析[3]、水環(huán)境容量核算[4]、流域規(guī)劃情景預(yù)測[5]等方面發(fā)揮了支撐作用. 由于真實環(huán)境系統(tǒng)的復(fù)雜性,流域水環(huán)境模型通常具有復(fù)雜的非線性結(jié)構(gòu),部分參數(shù)、輸入及邊界條件難以直接獲取,需要通過主觀估計確定,導(dǎo)致模型的模擬結(jié)果存在不確定性. 為了評估和管控模型不確定性對管理決策的影響,模型評估驗證是模型開發(fā)和應(yīng)用不可或缺的工作. 模型評估驗證是指為確定模型及其結(jié)果的質(zhì)量是否適宜支持管理決策而收集和分析信息的過程,具體包括模型遴選、收集輸入數(shù)據(jù)、確定邊界條件、建立模型并識別參數(shù)、模型結(jié)果不確定性分析等步驟.
SWAT(soil and water assessment tool)模型是美國農(nóng)業(yè)部農(nóng)業(yè)研究所(USDA-ARS)開發(fā)設(shè)計、目前已得到廣泛應(yīng)用的成熟模型,它可在日尺度上連續(xù)模擬土壤蒸散發(fā)、地表徑流、地下水與地表交互及污染物遷移等水文水質(zhì)過程[6]. SWAT模型也是我國流域水環(huán)境模擬的常用模型之一,已有大量應(yīng)用案例[7]. 然而,由于該模型是基于美國相關(guān)研究開發(fā)的,也出現(xiàn)了不適用于我國流域的情況[8]. 因此,將SWAT模型應(yīng)用于我國流域水環(huán)境管理決策時,必須開展完整的模型評估驗證. 但是,利用SWAT模型開展應(yīng)用研究的現(xiàn)有文獻(xiàn)對模型評估驗證的重視程度參差不齊,并且通常重點關(guān)注模型參數(shù)識別、不確定性分析等步驟,對模型空間概化、輸入數(shù)據(jù)獲取等缺少評估[9-11],尚不足以為該模型的評估驗證提供規(guī)范性指導(dǎo).
該研究針對流域水環(huán)境模型評估驗證過程的質(zhì)量問題,以SWAT模型為例,梳理總結(jié)模型評估驗證過程的評價方法,并利用該方法評價2015—2017年發(fā)表的SWAT模型在我國流域應(yīng)用研究中的模型評估驗證過程,分析模型評估驗證的現(xiàn)狀以及存在的問題和不足,以期為完善SWAT模型的評估驗證方法、促進(jìn)模型的標(biāo)準(zhǔn)化應(yīng)用提出建議.
為了評價現(xiàn)有SWAT模型應(yīng)用研究中模型評估驗證過程的質(zhì)量,該研究結(jié)合SWAT模型的建模過程和模型評估驗證的基本步驟,梳理總結(jié)了SWAT模型評估驗證過程的評價方法,具體流程如圖1所示.
圖1 SWAT模型評估驗證過程的評價方法
本階段的評價重點是SWAT模型應(yīng)用中是否清晰識別研究區(qū)域、確認(rèn)研究目標(biāo)并分析模型應(yīng)用的期望產(chǎn)出. 識別研究區(qū)域需關(guān)注研究區(qū)域的地理位置、面積及流域劃分等. 根據(jù)模型應(yīng)用關(guān)注的主要問題,可將研究目標(biāo)分為解釋研究、預(yù)測研究和方法研究. 解釋研究側(cè)重利用模型解釋流域水文水質(zhì)過程的歷史和現(xiàn)狀,預(yù)測研究側(cè)重模擬輸入要素變化下流域的水文水質(zhì)響應(yīng),而方法研究側(cè)重提出模型構(gòu)建及評估驗證新方法. 模型的期望產(chǎn)出應(yīng)匹配研究目標(biāo),選定重點關(guān)注的水文水質(zhì)過程及變量,如河道徑流、泥沙及氮磷含量等.
本階段的評價重點是模型輸入數(shù)據(jù)的可溯源性、準(zhǔn)確性、精密性和完備性,由此判斷其是否足以支持模型建立與分析. 可溯源性是指輸入數(shù)據(jù)應(yīng)從可靠來源獲取,并詳細(xì)說明來源;準(zhǔn)確性和精密性是指輸入數(shù)據(jù)的產(chǎn)生程序、質(zhì)量控制、誤差水平等應(yīng)符合相關(guān)標(biāo)準(zhǔn)和規(guī)范要求;完備性是指輸入數(shù)據(jù)的數(shù)量和代表性應(yīng)滿足既定研究目標(biāo)的需求.
本階段的評價內(nèi)容包括流域空間劃分、行為設(shè)定、參數(shù)選擇、參數(shù)識別方法、率定期和驗證期長度、模擬效果評價指標(biāo)等. 模型概化時,流域空間劃分方式和人類活動行為等設(shè)定應(yīng)符合流域?qū)嶋H并滿足研究需求. 模型參數(shù)識別時,應(yīng)重點關(guān)注對流域水文水質(zhì)響應(yīng)靈敏的參數(shù),并根據(jù)研究目標(biāo)選擇適宜的參數(shù)識別方法,如基于定向搜索的尋優(yōu)方法和基于采樣的貝葉斯方法. 模型參數(shù)識別和驗證時,還應(yīng)關(guān)注率定期和驗證期觀測數(shù)據(jù)的時間長度以及二者的相對長短,并選擇適當(dāng)?shù)脑u價指標(biāo)評判模型模擬效果.
本階段的評價重點是模型模擬效果和模擬結(jié)果的不確定性,即評價模擬結(jié)果與觀測數(shù)據(jù)的吻合程度,并表征模擬結(jié)果的不確定性及其對決策的影響.
該研究評價的我國SWAT模型應(yīng)用研究文獻(xiàn)均來自中國知網(wǎng)(https:www.cnki.net). 數(shù)據(jù)檢索策略:主題為SWAT模型,并限制出版時間為2015—2017年,對文獻(xiàn)類型不做限制. 從檢索結(jié)果中排除綜述性文章、同一研究同時發(fā)表于期刊及作為學(xué)位論文主要內(nèi)容、研究區(qū)域位于我國境外等情況后,共保留428篇文獻(xiàn),建立我國SWAT模型評估驗證過程評價研究文獻(xiàn)庫(簡稱“研究庫”),其中2015年145篇、2016年158篇、2017年125篇.
2.1.1識別研究區(qū)域
圖2 研究流域的位置和面積分布
將研究庫中文獻(xiàn)的研究區(qū)域按地理位置和流域面積分類,結(jié)果如圖2所示. 其中,地理位置按流域所在省份歸類至我國地理區(qū)劃,流域面積按全部研究流域面積的四分位數(shù)歸類,分為小型流域(0.62~1 911.5 km2)、中小型流域(1 911.5~5 394.5 km2)、大中型流域(5 394.5~19 032.75 km2)和大型流域(19 032.75~805 000 km2). 從地理位置看,SWAT模型在西北地區(qū)的應(yīng)用研究最多,占到總數(shù)的27.1%,其中,應(yīng)用于大中型及以上流域的文獻(xiàn)達(dá)到75篇,遠(yuǎn)超其他區(qū)域. 這與SWAT模型適合開展大尺度流域模擬,且干旱半干旱的西北地區(qū)更關(guān)注SWAT模型揭示的水資源變化趨勢有關(guān). 在水資源較為缺乏的華北和東北地區(qū),SWAT模型的應(yīng)用也較為廣泛,分別占到文獻(xiàn)總數(shù)的16.1%和15.7%. 從應(yīng)用的具體流域來看,海河流域[12]、渭河流域[13]、長三角水系[14-15]和三峽庫區(qū)[16-17]等是研究熱點.
2.1.2確認(rèn)研究目標(biāo)
將研究庫中文獻(xiàn)的研究目標(biāo)分類,結(jié)果如圖3所示. 由圖3可見:解釋研究的文獻(xiàn)有294篇,目標(biāo)包括模擬水文水質(zhì)過程(如蒸散發(fā)量[18]、融雪徑流[19]等)和輔助流域管理(如計算生態(tài)需水量[20]、水環(huán)境容量[21]等);預(yù)測研究的文獻(xiàn)有183篇,目標(biāo)主要是分析氣候、土地利用、管理措施等不同驅(qū)動條件下流域的水文水質(zhì)響應(yīng)[22-23];方法研究的文獻(xiàn)有61篇,目標(biāo)涉及模型改進(jìn)及與其他模型耦合[24]、模型輸入和結(jié)構(gòu)不確定性分析[25]、參數(shù)識別和靈敏度分析方法[26]等. 綜上,我國對SWAT模型的研究仍以應(yīng)用為主,對模型開發(fā)和應(yīng)用中涉及的方法學(xué)研究仍有探索空間.
圖3 各類研究目標(biāo)對應(yīng)的文獻(xiàn)數(shù)量
圖4 各類期望產(chǎn)出對應(yīng)的文獻(xiàn)數(shù)量
2.1.3分析期望產(chǎn)出
研究庫中文獻(xiàn)模擬或預(yù)測的流域水文水質(zhì)變量主要包括河道徑流量、其他水文過程量(如蒸發(fā)量等)、河道泥沙含量、河道污染物含量等,各類期望產(chǎn)出涉及的文獻(xiàn)數(shù)量如圖4所示. 應(yīng)用SWAT模型研究河道徑流量的文獻(xiàn)最多,占68.0%,其次是研究河道污染物含量,占25.9%. 研究河道泥沙含量和蒸發(fā)量等其他水文過程量的文獻(xiàn)相對較少,這可能與相應(yīng)的監(jiān)測數(shù)據(jù)獲取困難有關(guān). 隨著我國日益重視水生態(tài)保護(hù),SWAT模型也被用于模擬河道重金屬[27]、農(nóng)藥[28]等非常規(guī)污染物,但目前相關(guān)文獻(xiàn)數(shù)量極少,尚有較大發(fā)展空間.
SWAT模型必需的輸入數(shù)據(jù)包括數(shù)字高程模型(DEM)、土地利用類型分布、土壤分布與屬性、氣象等數(shù)據(jù). 研究庫中文獻(xiàn)輸入數(shù)據(jù)的可溯源性總體較好,89.5%的文獻(xiàn)提供了所有數(shù)據(jù)的來源信息,主要來源如表1所示. 由表1可見,當(dāng)?shù)叵嚓P(guān)主管部門(如測繪局、氣象局、水文局等)是主要的數(shù)據(jù)來源. 當(dāng)研究區(qū)域較大時,研究者也會使用公開數(shù)據(jù)庫及開源數(shù)據(jù). 但是,不同文獻(xiàn)對開源數(shù)據(jù)的描述方式不一致,有的描述為數(shù)據(jù)名稱(如Landsat TM),有的描述為數(shù)據(jù)來源(如地理空間數(shù)據(jù)云等網(wǎng)絡(luò)數(shù)據(jù)庫),同一數(shù)據(jù)集在不同文獻(xiàn)中可能出現(xiàn)不同的描述. 為了準(zhǔn)確說明模型所用的數(shù)據(jù),應(yīng)同時報告數(shù)據(jù)來源、名稱、版本號等信息,如文獻(xiàn)[29].
表1 文獻(xiàn)報告的輸入數(shù)據(jù)來源
由于文獻(xiàn)使用的數(shù)據(jù)通常具有可靠來源,因此一般未報告數(shù)據(jù)的準(zhǔn)確性和精密性. 然而,研究者自行觀測的數(shù)據(jù)(如徑流量、土壤理化性質(zhì)等),則應(yīng)盡可能報告數(shù)據(jù)獲取的相關(guān)方法和依據(jù),以確保數(shù)據(jù)質(zhì)量. 研究庫中12篇文獻(xiàn)采用了自行觀測的數(shù)據(jù),其中6篇文獻(xiàn)報告了數(shù)據(jù)觀測相關(guān)內(nèi)容,其余則受篇幅所限未作報告.
視研究目標(biāo)不同,SWAT模型可能還需要流域水文水質(zhì)、耕地管理措施等數(shù)據(jù)或信息,需要關(guān)注輸入數(shù)據(jù)的完備性. 例如,在耕地比重較大的流域,耕地管理措施(農(nóng)田耕種行為等)較為重要,研究庫中22.7%的文獻(xiàn)做了相關(guān)設(shè)定.
2.3.1構(gòu)建模型
在流域空間劃分方面,研究庫中67.5%的文獻(xiàn)報告了子流域劃分結(jié)果,54.7%的文獻(xiàn)報告了水文響應(yīng)單元(hydrologic response unit, HRU)劃分結(jié)果. 在劃分HRU時,各土地利用類型和土壤類型的劃分閾值越大,計算速度越快,但同時會增加不確定性,因此需要確定合理的閾值. 研究庫中36.9%的文獻(xiàn)報告了劃分閾值,絕大部分不超過20%. 在研究土地利用變化的水文水質(zhì)響應(yīng)時,土地利用類型劃分閾值通常設(shè)為0%,以保留不同土地利用的空間分布信息.
圖5 參與靈敏度分析以及被判定為靈敏參數(shù)的SWAT模型參數(shù)
在行為設(shè)定方面,研究庫中文獻(xiàn)設(shè)定最多的行為是農(nóng)業(yè)耕種措施,包括種植、施肥、灌溉、收割等. 這些措施的實施時間通常采用已有文獻(xiàn)的調(diào)研結(jié)果或?qū)嵉卣{(diào)研獲取,在模擬中固定在每年的同一時間. 然而,由于施肥、灌溉等行為受降雨影響較大,固定耕種措施實施時間可能出現(xiàn)降雨時施肥等不合理行為,導(dǎo)致模型模擬與實際出現(xiàn)較大偏差[30]. 為降低這一問題引起的輸出不確定性,可對實施時間開展靈敏度分析,并結(jié)合降雨時間做出適當(dāng)調(diào)整.
2.3.2模型率定驗證
研究庫文獻(xiàn)中,SWAT模型涉及的95個參數(shù)參與了參數(shù)靈敏度分析和參數(shù)識別過程,其中水文、泥沙和水質(zhì)相關(guān)的參數(shù)分別為43、10和42個,如圖5所示. 在水文參數(shù)中,SCS徑流曲線數(shù)(CN2)、基流衰退系數(shù)(ALPHA_BF)、土壤蒸發(fā)補償系數(shù)(ESCO)、土壤持水度(SOL_AWC)、主河道水力系數(shù)(CH_K2)、曼寧系數(shù)(CH_N2)等在較多的應(yīng)用案例中表現(xiàn)為靈敏參數(shù),而影響氣象、降雪、匯流和側(cè)向流過程的參數(shù)通常為不靈敏參數(shù). 在泥沙參數(shù)中,影響產(chǎn)沙的通用土壤流失方程耕作管理因子(USLE_C)和水土保持因子(USLE_P),以及影響河道傳輸過程的河道泥沙運移方程的線性參數(shù)(SPCON)和指數(shù)參數(shù)(SPEXP)等,在較多應(yīng)用案例中被判定為靈敏參數(shù). 在水質(zhì)參數(shù)中,氮滲透系數(shù)(NPERCO)、磷滲透系數(shù)(PPERCO)、生物混合系數(shù)(BIOMIX)、磷分配系數(shù)(PHOSKD)等與物質(zhì)遷移相關(guān)的參數(shù)在較多應(yīng)用案例中是靈敏參數(shù),而與初始化、物質(zhì)形態(tài)轉(zhuǎn)化、河道反應(yīng)過程相關(guān)的參數(shù)通常不敏感. 總體而言,SWAT模型水文模擬的控制過程主要包括產(chǎn)流、蒸散發(fā)以及土壤、地下水和河道之間的交互,而水質(zhì)模擬的控制過程主要是污染物的遷移過程. 由于不同流域的水文條件不同,模型的主要控制過程也會出現(xiàn)變化,因此需要在確定參與靈敏度分析的模型參數(shù)前識別流域模擬的主要控制過程,并基于控制過程選擇參數(shù)[31-32].
研究庫中75.2%的文獻(xiàn)提及了模型參數(shù)靈敏度和不確定性分析過程. 其中,49.3%的文獻(xiàn)使用了SWAT-CUP[33]軟件,9.6%使用了SWAT自帶的靈敏度分析及自動校準(zhǔn)模塊,6.1%采用手動方式調(diào)整參數(shù). SWAT-CUP是專為SWAT模型開發(fā)的,能夠自動完成SWAT模型參數(shù)的靈敏度分析、參數(shù)識別和不確定性分析. 在開展參數(shù)靈敏度分析時,使用SWAT-CUP的多元線性回歸法[34]的文獻(xiàn)最多,而LH-OAT法[35]、Sobol法[36]、Morris法[37]等方法也有文獻(xiàn)使用. 在參數(shù)識別和不確定性分析方法中,SWAT-CUP特有的序列不確定性擬合方法(SUFI-2)[38]使用最為廣泛,少量文獻(xiàn)使用了粒子群算法(PSO)[39]、復(fù)合型混合演化算法(SCE-UA)[40]、廣義似然不確定性估計方法(GLUE)[41]等. 由于SWAT-CUP軟件的廣泛應(yīng)用,我國SWAT模型應(yīng)用研究中采用的靈敏度和不確定性分析方法大部分為該軟件支持的方法.
在率定和驗證期長度方面,研究庫中85.7%的文獻(xiàn)報告了率定期和驗證期觀測數(shù)據(jù)的時間長度. 現(xiàn)有文獻(xiàn)中率定期數(shù)據(jù)時間長度的中位數(shù)與驗證期接近,均為5年左右,但率定期數(shù)據(jù)時間長度總體上長于驗證期,50%的文獻(xiàn)中率定期數(shù)據(jù)時間長度為驗證期的1~2倍,25%的文獻(xiàn)中率定期數(shù)據(jù)時間長度為驗證期的2倍以上. 研究庫中也有17篇文獻(xiàn)在率定期和驗證期使用的數(shù)據(jù)時間長度均不足1年,這可能會制約模型在不同水文條件下的模擬能力.
研究庫中文獻(xiàn)使用的模型模擬效果評價指標(biāo)主要為統(tǒng)計學(xué)指標(biāo),包括相關(guān)系數(shù)或決定系數(shù)(correlation coefficientcoefficient of determination),相對誤差或百分比偏差(relative errorpercent bias)以及納什效率系數(shù)(Nash-Sutcliffe efficiency coefficient)3種,它們在現(xiàn)有文獻(xiàn)中分別被使用了345、207和380次. 除此之外,也有少量文獻(xiàn)使用均方根誤差(root mean square error)、均方根誤差與觀測值標(biāo)準(zhǔn)偏差比(RMSE-observations standard deviation ratio)、克林-古普塔效率系數(shù)(Kling-Gupta efficiency)等評價指標(biāo). 國外SWAT模型研究中使用的流量歷時曲線坡度偏差、峰值時間及強度偏差等動力學(xué)評價指標(biāo),在研究庫文獻(xiàn)中尚未見采用. 已有研究表明,使用動力學(xué)評價指標(biāo)可更好地識別模型參數(shù)[42],與統(tǒng)計學(xué)指標(biāo)組合使用可以提高模型對極低流量的模擬精度[43],并且有助于發(fā)現(xiàn)模型參數(shù)或結(jié)構(gòu)問題[44].
研究庫中文獻(xiàn)報告的決定系數(shù)和納什效率系數(shù)值較高,所有決定系數(shù)均大于0.6,絕大部分納什效率系數(shù)均大于0.5. 兩個評價指標(biāo)的中位數(shù)均超過0.8,高于擬合程度“相當(dāng)好”的標(biāo)準(zhǔn)0.75[45],說明大部分文獻(xiàn)中SWAT模型模擬結(jié)果與觀測數(shù)據(jù)的擬合效果較好. 但也有2篇文獻(xiàn)的納什效率系數(shù)小于0.5,表明這些文獻(xiàn)建立的模型對流域的表征能力弱,模擬結(jié)果不可靠.
研究庫中文獻(xiàn)對模型模擬結(jié)果不確定性的討論相對較少,研究者通常只使用單一的模型“最優(yōu)”參數(shù)開展預(yù)測模擬,因而可能導(dǎo)致預(yù)測結(jié)果出現(xiàn)偏差. 部分文獻(xiàn)[46]通過統(tǒng)計所有接受的模擬結(jié)果得到模擬結(jié)果的95%置信區(qū)間,并分析了該置信區(qū)間涵蓋的監(jiān)測數(shù)據(jù)數(shù)量和模擬結(jié)果標(biāo)準(zhǔn)差,以評價模擬結(jié)果的覆蓋度和分散性. 國際上一些文獻(xiàn)將模型模擬結(jié)果的不確定性轉(zhuǎn)換為風(fēng)險損失費用,以更直觀地表現(xiàn)不同決策所需承受的風(fēng)險[47],但研究庫文獻(xiàn)中尚未見類似研究.
SWAT模型的徑流模擬是泥沙模擬的基礎(chǔ),而水質(zhì)模擬又與泥沙模擬有關(guān). 因此,開展泥沙模擬應(yīng)首先完成徑流模擬,而開展水質(zhì)模擬則需同時完成徑流和泥沙模擬[33]. 然而,部分文獻(xiàn)在應(yīng)用SWAT模型時并未遵守該流程. 例如,在模擬研究區(qū)污染負(fù)荷時,未率定模型對流量和泥沙的模擬效果,而直接率定模型對總氮、總磷的模擬效果[48];或僅率定了流量和水質(zhì)的模擬效果,而未率定泥沙的模擬效果,也未將泥沙相關(guān)參數(shù)納入靈敏度分析和參數(shù)識別的范圍[49]. 相較于流量和水質(zhì)數(shù)據(jù),泥沙數(shù)據(jù)較難獲取,因此模型率定存在客觀限制. 但在識別水質(zhì)過程時,仍應(yīng)將泥沙相關(guān)參數(shù)納入?yún)?shù)識別范圍.
從模型參數(shù)看,SWAT模型中使用的城市、植物數(shù)據(jù)庫以及徑流曲線數(shù)(CN2)、曼寧系數(shù)(OV_N)等均是基于美國環(huán)境特征設(shè)定的,直接移用到我國流域可能存在適用性的問題. 已有研究[50]表明,SWAT模型默認(rèn)的CN2對照表與我國實際情況存在較大偏差. 再例如,研究庫中文獻(xiàn)開展參數(shù)靈敏度分析涉及的95個參數(shù)中,僅包含植物數(shù)據(jù)庫中最大潛在葉面積指數(shù)(BLAI)這一個參數(shù),但是在其他被忽視的植物參數(shù)中,太陽輻射利用率(BIO_E)、作物最佳葉面積曲線第一參數(shù)點(FRGRW1)等參數(shù)可能對徑流模擬是靈敏的[51]. 因此,在我國開展SWAT模型評估驗證時,建議盡可能使用本地化數(shù)據(jù)庫或?qū)⑾嚓P(guān)模型參數(shù)納入靈敏度分析,以降低模型模擬的不確定性.
如前文所述,SUFI-2為SWAT模型最常用的參數(shù)識別算法,該算法識別得到的參數(shù)最優(yōu)值可能落在參數(shù)先驗分布范圍外[52]. 這一特點可糾正不合理的參數(shù)先驗分布范圍,但是當(dāng)參數(shù)的取值范圍具有明確物理意義時,參數(shù)取值落在設(shè)定的范圍外則出現(xiàn)錯誤. 常見的參數(shù)取值錯誤主要有3種形式:①參數(shù)取值過小,地下水相關(guān)參數(shù)(ALPHA_BF、GE_REVAP、GWQMN、RCHDG_DP)取值為負(fù)數(shù)的情況在文獻(xiàn)中頻繁出現(xiàn)[53-60],SCS徑流曲線數(shù)(CN2)[61-63]、冠層最大蓄水量(CANMX)[64]、土壤持水量(SOL_AWC)[53]、主河道曼寧系數(shù)(CH_N2)[65]等參數(shù)取值過小情況也時有發(fā)生. ②參數(shù)取值過大,主要體現(xiàn)在與河道(CH_N2)[66]、匯流(CH_N1)[66]、土壤(ESCO、SOL_AWC)[67-70]等相關(guān)的參數(shù)上. ③參數(shù)取值的相對大小不合理,例如一些文獻(xiàn)在識別降雪參數(shù)時得到了最小溶雪因子(SMFMN)取值大于最大溶雪因子(SMFMX)的結(jié)果[71-75]. 雖然SWAT模型會將這些不合理取值調(diào)整為合理數(shù)值,但這也將導(dǎo)致參數(shù)報告值與實際率定值不一致,容易引起研究者和模型用戶對參數(shù)取值的誤解. 因此,當(dāng)出現(xiàn)模型率定出現(xiàn)不合理參數(shù)取值時,研究者應(yīng)對這些參數(shù)取值進(jìn)行分析和調(diào)整.
研究庫中部分文獻(xiàn)應(yīng)用SWAT模型的模擬效果不佳,在模型率定期表現(xiàn)尚可但在驗證期表現(xiàn)較差[60]. 分析這些文獻(xiàn)的參數(shù)取值和時間序列模擬結(jié)果可以發(fā)現(xiàn),模擬效果較差不只是因為產(chǎn)流模式與模型預(yù)設(shè)不匹配、驗證期水文環(huán)境變化等[60,76],還與率定期模型水文過程表征不準(zhǔn)確有關(guān).
模型對水文過程的表征與模型參數(shù)取值密切相關(guān). 例如,在北洛河流域的研究案例中,模型率定得到的參數(shù)ALPHA_BF取值為0.64,CN2為35,而驗證期徑流模擬的納什效率系數(shù)低至-32.125[76]. CN2值較低導(dǎo)致降雨幾乎不產(chǎn)生地表徑流而直接進(jìn)入土壤和地下水,而ALPHA_BF值過高又導(dǎo)致進(jìn)入淺層地下水的水量會立刻進(jìn)入河道,從而降低基流的流量. 因此,模型對北洛河水文過程不準(zhǔn)確的表征,造成了徑流量較低時模擬偏差較大的問題. 建議在模型評估驗證時,既注重提高模型率定期的模擬效果,也注重對水文過程的合理表征.
a) 我國現(xiàn)有的SWAT模型應(yīng)用研究總體比較重視模型評估驗證過程,部分文獻(xiàn)報告了輸入數(shù)據(jù)來源和質(zhì)量、模型概化、參數(shù)靈敏度分析、參數(shù)識別、不確定性分析等過程的技術(shù)細(xì)節(jié),模型模擬效果較好.
b) SWAT模型評估驗證過程的主要薄弱環(huán)節(jié)是參數(shù)識別,具體表現(xiàn)為關(guān)鍵參數(shù)選取與研究區(qū)域?qū)嶋H特征存在偏差、參數(shù)識別結(jié)果不合理等,進(jìn)而影響模型模擬效果和水文水質(zhì)過程表征.
c) 國際上SWAT模型評估驗證的一些新技術(shù),例如使用動力學(xué)指標(biāo)評價模擬效果、分時段分析模擬結(jié)果誤差、在情景模擬評價中討論模型輸出不確定性等,在我國的研究文獻(xiàn)中尚未見采用.
a) 在SWAT模型應(yīng)用研究中應(yīng)重點關(guān)注模型參數(shù)靈敏度分析和參數(shù)識別,結(jié)合流域?qū)嶋H情況識別關(guān)鍵模擬過程、篩選潛在靈敏參數(shù)、選取合理參數(shù)取值,確保過程模擬結(jié)果與流域?qū)嶋H相符.
b) 建立SWAT模型本地化應(yīng)用數(shù)據(jù)庫,更新模型涉及的非本地化設(shè)計的數(shù)據(jù),如植物數(shù)據(jù)庫、城市數(shù)據(jù)庫、CN值對照表等.
c) SWAT模型應(yīng)用于流域水環(huán)境管理決策時,應(yīng)完整報告模型評估驗證過程相關(guān)信息,并開展不確定性分析,降低決策風(fēng)險.
d) 加強SWAT模型評估驗證方法研究,引入和研發(fā)評估驗證新技術(shù),提高模擬結(jié)果的準(zhǔn)確度與可靠性,為模型應(yīng)用于流域水環(huán)境管理決策提供支撐.