長三角小流域AnnAGNPS模型參數(shù)敏感性及適用性評價

張水鋒，張金池，莊家堯，王新猛，張思玉

(1.南京林業(yè)大學(xué)，南方現(xiàn)代林業(yè)協(xié)同創(chuàng)新中心，江蘇省水土保持與生態(tài)修復(fù)重點實驗室，南京林業(yè)大學(xué)林學(xué)院，江蘇 南京 210037；2.南京森林警察學(xué)院信息技術(shù)學(xué)院，江蘇 南京 210023)

非點源(NPS)污染已經(jīng)成為全球性的環(huán)境問題之一[1-7]，在我國長江流域、淮河流域、太湖流域等，非點源污染一直是困擾流域管理的關(guān)鍵問題[8-12]。我國人均耕地相對較少[13]，根據(jù)2018年耕地面積測算,平均施肥量約419 kg/hm2，已遠(yuǎn)超世界平均水平120 kg/hm2[14-16]，種植高產(chǎn)品種過程中大量施用化肥農(nóng)藥導(dǎo)致的環(huán)境污染尤其是農(nóng)業(yè)非點源污染已成為我國重要的污染源之一[17]。此外，《長江流域水土保持公告(2018年)》顯示，長江流域水土流失面積3.47×105km2，占流域總面積的19.36%，流域年輸沙量占全國的17%(8.31×107t)[18-19]。因此，我國流域的非點源污染與水土流失問題也不容忽視。

農(nóng)業(yè)非點源污染物模型“AnnAGNPS v1.00”支持以天為基礎(chǔ)的連續(xù)模擬和改進(jìn)的處理方法[20]，用于預(yù)測徑流、峰值流量、沉積物負(fù)荷和養(yǎng)分負(fù)荷。AnnAGNPS在國外已被廣泛用于不同類型、尺度的流域研究，成功模擬了水文、沉積物和養(yǎng)分輸送[2-6]，根據(jù)粒徑級別計算的沉積物產(chǎn)量，以及營養(yǎng)(氮、磷和有機碳)濃度，可用于評估流域?qū)r(nóng)業(yè)管理的響應(yīng)實踐。其中，Chahor等[6]應(yīng)用AnnAGNPS模型對地中海農(nóng)業(yè)小流域的8個參數(shù)進(jìn)行了敏感性評價，其標(biāo)定誤差小于1%，驗證誤差小于7%。邊金云[21]采用修正的摩爾斯分類篩選法模擬并討論了AnnAGNPS模型參數(shù)的敏感性；席慶[22]將AnnAGNPS模型應(yīng)用在田中河流域，并采用擾動分析法進(jìn)行了水文水質(zhì)參數(shù)敏感性分析。多位學(xué)者選擇采用差分靈敏度分析(DSA)方法對AnnAGNPS模型參數(shù)進(jìn)行敏感性分析[23-27]。參數(shù)敏感性分析對模型運行具有重要意義，可以使參與流域模擬的重要參數(shù)能夠有針對性地得到校準(zhǔn)和改進(jìn)，從而提高模型預(yù)測的準(zhǔn)確性,已廣泛應(yīng)用于SWAT[27]、HSPF[28]等水文模型中。然而，應(yīng)用AnnAGNPS模型從敏感性參數(shù)分析與適用性評價角度對長三角農(nóng)業(yè)小流域的模擬研究較少，尤其對長江中下游水陽江水系控制區(qū)域以傳統(tǒng)農(nóng)業(yè)生產(chǎn)為主的小流域研究則更少見。

我國一直將以小流域為單元治理水土流失、改善生態(tài)環(huán)境、發(fā)展經(jīng)濟(jì)作為水土保持工作中一項基本策略[29]。本次研究區(qū)“沛橋河小流域”屬于長江中下游水陽江水系，是典型的以傳統(tǒng)農(nóng)業(yè)為主的小流域，位于長三角地區(qū)的重要農(nóng)業(yè)基地江蘇南京高淳區(qū)內(nèi)，且存在非點源污染等管理難題。隨著近年來我國測土配方施肥以及農(nóng)用地整治措施的逐步推進(jìn)，區(qū)內(nèi)農(nóng)業(yè)作物種植造成的非點源污染和水土流失等問題得以逐步緩解，為此，本研究擬通過AnnAGNPS模型在沛橋河小流域的適用性研究，以期為長三角地區(qū)的流域綜合管理工作提供數(shù)據(jù)支撐和科學(xué)依據(jù)，輔助流域生態(tài)-經(jīng)濟(jì)復(fù)合系統(tǒng)可持續(xù)發(fā)展的多目標(biāo)決策。

1 材料與方法

1.1 研究區(qū)概況

沛橋河小流域位于江蘇高淳(118°41′～119°21′E，31°13′～31°26′N)，高程為4～179 m。沛橋河小流域總面積34.85 km2，地處茅山山脈的余脈，山勢平緩，為長三角區(qū)域典型的低山丘陵區(qū)，屬于水陽江水系，土壤類型主要包括粗骨土、黃棕壤、紅壤、石灰(巖)土、滲育型水稻土和潴育水稻土。水田和旱地各占地約37%和25%，為典型的以農(nóng)業(yè)用地為主的小流域，屬于北亞熱帶和中亞熱帶過渡季風(fēng)氣候區(qū)。受季風(fēng)環(huán)流影響，四季分明，光照充足，無霜期長，每月平均氣溫下降5.6 ℃，2005—2018年多年平均降雨量1 296.1 mm，降雨主要集中在6—9月，占全年降雨的52.82%，且雨強較大，常發(fā)生短歷時暴雨，其中7月降雨量最大，1—3月與11—12月降雨量較小。高淳區(qū)是華東長三角地區(qū)的重要農(nóng)業(yè)基地[30]，截至2017年末，農(nóng)用地總面積580.93 km2，占全區(qū)總土地面積的73.51%，糧食作物種植主要以小麥和水稻為主，占當(dāng)季糧食作物種植面積比例的87%以上，而經(jīng)濟(jì)作物主要以油菜為主，2016—2018年年均種植達(dá)60×103hm2，面積大小位于小麥和水稻之間。該區(qū)也是江蘇省第一個國家級生態(tài)區(qū)，農(nóng)業(yè)快速發(fā)展的同時，作物種植導(dǎo)致的非點源污染與水土流失問題也不容忽視。

1.2 數(shù)據(jù)來源與預(yù)處理

AnnAGNPS模型對流域過程的模擬需要大量的流域數(shù)據(jù)為支撐，指標(biāo)包括地形數(shù)據(jù)、土壤數(shù)據(jù)、土地利用數(shù)據(jù)、氣象數(shù)據(jù)和土地管理數(shù)據(jù)等5大類。模型模擬精度與所獲取指標(biāo)數(shù)據(jù)的確定性和準(zhǔn)確性緊密相關(guān)，為使參數(shù)指標(biāo)能更好地反映流域特征且保證模擬的精度，本研究做了大量的實地和資料調(diào)研，確定各參數(shù)指標(biāo)的數(shù)據(jù)可得性和可用性。

數(shù)字高程模型(DEM，分辨率30 m)、土地管理數(shù)據(jù)(包括研究區(qū)農(nóng)用地種植概況、農(nóng)用地利用方式，以及農(nóng)作物耕作和施肥管理)由高淳區(qū)自然資源部門提供。土地利用數(shù)據(jù)則基于南京市自然資源部門提供的2016年沛橋河小流域1 m×1 m分辨率原始遙感影像，通過ArcGIS、ENVI與BigMap軟件進(jìn)行協(xié)同監(jiān)督分類，獲取沛橋河小流域土地利用類型圖。氣象數(shù)據(jù)包括7類逐日數(shù)據(jù)：24 h降雨量值、氣溫值(最高、最低、平均和露點)、蒸散發(fā)、風(fēng)速值、地表土壤反射率，以及云量和太陽輻射量值等，主要來源于南京市氣象部門提供的高淳氣象觀測站(118°54′E，31°20′N)資料。其中，太陽輻射數(shù)據(jù)根據(jù)高淳氣象觀測站提供的監(jiān)測點經(jīng)緯度和日值日照時數(shù)等數(shù)據(jù)，利用Angtrom-Prescott方程[31]計算獲??；云量計算是根據(jù)金波爾提出的云量與總輻射經(jīng)驗關(guān)系式[32]；地表土壤反射率采取閆勝軍[33]的經(jīng)驗公式。

模型所需的土壤理化數(shù)據(jù)包括土壤質(zhì)地、土壤比質(zhì)量、飽和導(dǎo)水率、田間持水量、凋萎點、土壤可侵蝕因子K值、土壤水文組類別，以及有機碳、氮、磷含量與pH等，主要通過實地采樣與實驗室分析獲取。采樣主要通過小流域內(nèi)不同土壤類型區(qū)域坐標(biāo)，在各區(qū)確定不同土地利用類型中的3個重復(fù)樣地，按照“S”形取樣方法分3層各取土壤樣品6個，共取土壤樣品270個、環(huán)刀156個，帶回實驗室分析。土壤質(zhì)地根據(jù)農(nóng)業(yè)行業(yè)土壤檢測標(biāo)準(zhǔn)NY/T 1121.3—2006利用比重計法測定，土壤容重、飽和導(dǎo)水率、田間持水量的測定采用環(huán)刀法，土壤有機碳含量采用德國Elementar Macro元素分析儀測定，土壤pH采用IQ150土壤原位pH計測定，土壤N、P、K等養(yǎng)分含量通過TPY-6A土壤養(yǎng)分速測儀測定，用于計算流域輸出養(yǎng)分負(fù)荷總量。凋萎點采用SPAW軟件中的Soil Water Characteristics模塊[33]進(jìn)行計算，土壤可蝕性因子K值則根據(jù)Williams等[34]提出的EPIC(Erosion-Productivity Impact Calculator)模型中的土壤可蝕性K值的估算方法。參照美國農(nóng)業(yè)部自然資源保護(hù)局(Natural Resources Conservation Service，NRCS)通過的土壤最小下滲率的范圍將土壤水文類型組劃分為A、B、C和D等4類[35]，其中的最小下滲率計算采用車振海[36]設(shè)計的經(jīng)驗公式。

1.3 最佳水文響應(yīng)單元劃分

AnnAGNPS模型通過臨界源區(qū)面積(critical source area，CSA，式中記為ACS)與最小源區(qū)溝道長度(minimum source channel length，MSCL，式中記為LMSC)的取值來劃分水文響應(yīng)單元(cells)和自動切取流域河段(reaches)水系，計算子流域的面積、坡度與坡長等各項特征參數(shù)。經(jīng)測試，CSA和MSCL的取值越小，流域河段越密集，水文響應(yīng)單元數(shù)量也越多，對地表的概化程度越詳細(xì)。然而并不是越小越詳細(xì)效果越好，以過小的響應(yīng)單元劃分出的溝道并不是真正的溝道，即容易失真[37]，同時AnnAGNPS的計算工作量和時間會大量增加。CSA與MSCL的取值主要依據(jù)研究區(qū)的地形和土地利用的特點來確定，需盡可能以較少的單元反映實際的地形、土地覆被等，從而保證模擬的精度。如表1所示，本研究參照了國內(nèi)[22-25, 33]和國外[38-39]對其取值的研究，結(jié)合研究區(qū)的面積大小與地形特征，將本研究測試的取值范圍設(shè)置為5≤ACS≤50(增量取5)，20≤LMSC≤120(增量取10)，分別對取值組合進(jìn)行測試。

表1 CSA與MSCL取值參考

1.4 參數(shù)敏感性分析方法

徑流曲線數(shù)(CN)作為一個能綜合反映降雨前流域特征的綜合參數(shù)，其值取決于流域土壤類型、植被覆蓋類型、水文狀況、土壤濕潤狀況以及農(nóng)業(yè)耕作措施等。依據(jù)以往的研究經(jīng)驗[21-26,38-41]，CN值被一致驗證為影響流域徑流、泥沙，以及氮與磷產(chǎn)量最敏感的參數(shù)，且可通過AnnAGNPS模型提供的技術(shù)手冊(TR-55)對研究區(qū)的CN值進(jìn)行人工取值率定，達(dá)到模型校準(zhǔn)的目的。

由于本次模擬涉及的相關(guān)土壤理化基礎(chǔ)數(shù)據(jù)均采用了野外取樣與實驗室測定的方式獲取，并非通過查詢?nèi)珖寥榔詹閿?shù)據(jù)獲取，模型中土壤理化數(shù)據(jù)相關(guān)的輸入?yún)?shù)相對準(zhǔn)確。因此，本研究參數(shù)敏感性分析以“徑流曲線數(shù)(CN)”為主，主要用于率定AnnAGNPS模型。同時，由于模型輸入?yún)?shù)較多，參考以往研究[21-26,38-41]，遴選了與土壤、作物管理相關(guān)且可通過人工生態(tài)修復(fù)方式改善的10個參數(shù)(土壤可蝕性因子、田間持水量、飽和導(dǎo)水率、凋萎點與土壤有機質(zhì)含量，以及作物冠層覆蓋度、作物留茬30%、肥料施用量、作物管理因子與水土保持因子)進(jìn)行敏感性分析。

本研究采用DSA方法進(jìn)行參數(shù)敏感性分析，DSA是一個有限差分?jǐn)?shù)值逼近方法[40]。如式(1)所示，y0作為x0輸入模型的輸出值，在保持其他參數(shù)值不變的情況下，其中的某個參數(shù)從初始值以±Δx為步長上下增減，x1=x0-Δx，x2=x0+Δx對應(yīng)的輸出值y1和y2。指數(shù)符號表示模型對輸入?yún)?shù)的變化是否有響應(yīng)，即參數(shù)的增加是否導(dǎo)致輸出變量的增加，參數(shù)的減少是否導(dǎo)致變量的減少，或者效果相反。DSA方法根據(jù)參數(shù)的敏感性指數(shù)取絕對值|S|，將其敏感性程度劃分為4個等級：可忽略(Ⅰ為0.00～0.05)、中等(Ⅱ為≥0.05～0.20)、高(Ⅲ為≥0.20～1.00)、非常高(Ⅳ為≥1.00)。

(1)

式中：S為敏感性指數(shù)；x0為參數(shù)初始值；y0、y1、y2為參數(shù)x0、x1、x2情況下對應(yīng)的模型輸出值；Δx為變化步長，10%×x0。

1.5 模型率定及評價方法

根據(jù)以上的敏感參數(shù)分析方法，獲取對模型模擬結(jié)果最敏感的參數(shù)，采用試錯法人工調(diào)參校準(zhǔn)模型[41]。針對模擬結(jié)果與觀測數(shù)據(jù)進(jìn)行對比分析，以2008—2014年作為率定期，2015—2018年作為驗證期。采用Legates等[42]在應(yīng)用AnnAGNPS模型評估流域泥沙和氮磷負(fù)荷中的建議，通過相關(guān)系數(shù)(R2)、效率系數(shù)(E)以及常用的相對誤差(ER)來綜合評價模型的適用性，對每個評價指標(biāo)的局限性和適宜性做進(jìn)一步的闡述：相關(guān)系數(shù)(R2)的取值范圍為0.0(模擬精度低，不良模型)至1.0(模擬精度高，完善模型)，如式(2)所示；效率系數(shù)(E)如式(3)所示，它的范圍從負(fù)無窮(模擬精度低，不良模型)到1.0(模擬精度高，完善模型)；相對誤差(ER)如式(4)所示。

R2=

(2)

(3)

(4)

式中：Oi為觀測數(shù)據(jù)；Pi為相應(yīng)的模擬數(shù)據(jù)；O為觀測數(shù)據(jù)集的均值；P為模擬數(shù)據(jù)集的均值；i為降雨與徑流事件的編號；N為數(shù)據(jù)對的總數(shù)。

Moriasi等[43]與Saleh等[44]通過對常用水文模型的模擬應(yīng)用與對比分析，認(rèn)為R2和E大于0.5時模擬效果尚可，大于0.65則表示模擬的精度很高；ER取值可為正，亦可為負(fù)，在±40%之內(nèi)為可接受的范圍，若其絕對值小于15%則可滿足研究需要[21-24]。

2 結(jié)果與分析

2.1 最佳水文響應(yīng)單元劃分分析

流域地形越平坦，土地利用差異越小，則CSA與MSCL的取值越大。鑒于研究區(qū)相對地勢平坦，土地利用類型以農(nóng)用地為主，也考慮到模型運算過程的時效性，CSA和MSCL不能取值太小。但其取值也不能過大，過大的取值會使劃分結(jié)果概化程度大，無法反映小流域下墊面的真實利用場景屬性，因此，根據(jù)設(shè)置的取值范圍分別取值進(jìn)行組合測試。結(jié)果表明，隨著CSA值和MSCL值增大，地塊單元越大，劃分結(jié)果概化程度越大。根據(jù)小流域土地利用類型圖中林地、草地、耕地的面積大小，經(jīng)多次分組測試后，當(dāng)CSA取值5、10或20，MSCL取值50或100時(共6個組合，如圖1所示)，最小水文響應(yīng)單元的劃分結(jié)果更符合研究區(qū)的土地利用現(xiàn)狀特征。

圖1 不同CSA與MSCL取值組合的最小水文響應(yīng) 單元離散分布圖Fig.1 Discrete distribution of cells with different values of CSA and MSCL

根據(jù)土地利用類型圖和DEM的分辨率水平，并結(jié)合野外實地調(diào)研對土地利用現(xiàn)狀特征的深入理解，當(dāng)取值組合為“ACS=20，LMSC=50”時，沛橋河小流域的117個水文響應(yīng)單元和50個河段，更符合沛橋河小流域下墊面的地塊和河段特征，其具體分布如圖2所示，各斷面之間的河段長度為42.43～3 137.94 m。

圖2 沛橋河小流域的水文響應(yīng)單元分布圖(A)和 河道網(wǎng)絡(luò)分布圖(B)Fig.2 Cells distribution of Peiqiao River watershed(A) and channel network distribution(B)

2.2 參數(shù)敏感性分析

參數(shù)敏感性分析通過將“徑流曲線數(shù)(CN)”以及遴選的其他10個參數(shù)對徑流、泥沙、總氮與總磷輸出的變化率代入式(1)，計算結(jié)果如表2所示。由表2可以看出，徑流、泥沙、總氮與總磷負(fù)荷的輸出均對CN的敏感性相對最高，且呈明顯正相關(guān)關(guān)系，泥沙輸出的敏感等級為Ⅲ，而對徑流、總氮與總磷負(fù)荷輸出影響的敏感程度達(dá)到Ⅳ級。除CN外，徑流深僅對凋萎點、田間持水量和作物冠層覆蓋度的變化表現(xiàn)敏感，且等級為Ⅲ，而對其他參數(shù)的敏感性可忽略；泥沙對土壤可蝕性因子(K)、水土保持因子(P)與作物管理因子(C)的敏感性等級均為Ⅲ，對其他參數(shù)則不敏感；總氮、總磷負(fù)荷對土壤有機質(zhì)含量的敏感等級均為Ⅲ，總磷對田間持水量、肥料施用量的敏感性等級也達(dá)到Ⅲ；泥沙負(fù)荷對凋萎點不敏感，而總氮、總磷負(fù)荷卻表現(xiàn)為負(fù)相關(guān)的中等敏感(Ⅱ)。

表2 所選參數(shù)敏感性指數(shù)值與等級

2.3 模型的率定與驗證

2.3.1 徑流、泥沙率定與驗證

1)基流計算?；鏖L期補充河川的徑流，是水文計算中不可忽略的重要部分。本研究從方法的客觀程度和基流特征出發(fā)，選擇應(yīng)用廣泛且效果較好的數(shù)字濾波法[45]中單參數(shù)數(shù)字濾波方程[46](式5)：

(5)

式中：qt，t時刻地表徑流量，m3；Qt，t時刻實測徑流量,m3；bt，t時刻的基流量,m3；t，時間，d；β，濾波參數(shù)，一般取值為0.900～0.950[47]。

本研究中β取值為0.900、0.920、0.935、0.950，進(jìn)行4次過濾，將2008—2018年的觀測徑流和AnnAGNPS徑流模擬數(shù)據(jù)代入式5，獲得2008—2018年逐年的基流占總徑流比例(BFI)值如表3所示。通過不同β取值計算得到多年平均BFI分別是0.434、0.407、0.391和0.367。其中，當(dāng)濾波參數(shù)為 0.935，計算后基流量比前兩次取值分別減少4.31%、6.52%，且反映水文序列變異程度的離散系數(shù)Cv分別減少了0.08和0.14，基流相對平穩(wěn)。因此，本研究的濾波參數(shù)β取值0.935。

表3 沛橋河小流域2008—2018年基流占總徑流比例計算結(jié)果

2)率定與驗證。由于長江下游流域基流受降雨影響較大，按照降雨量年平均值把徑流時間分為汛期4—9月(降雨量>100 mm)和非汛期10月至次年3月(40 mm<降雨量≤100 mm)兩個區(qū)間，進(jìn)行分別率定。通過基流處理后，對月尺度徑流、泥沙負(fù)荷按汛期和非汛期兩個階段進(jìn)行了率定與驗證。由于CN值是對徑流深、泥沙、總氮與總磷的模擬效果敏感性程度均最高的參數(shù)，因此本研究主要通過采用試錯法人工調(diào)參CN值校準(zhǔn)模型。模型校準(zhǔn)后，林地CN取值范圍是30～77、草地CN取值范圍是32～82、農(nóng)用地的CN取值范圍是63～91。

以Moriasi等[43]與Saleh等[44]的研究為參考標(biāo)準(zhǔn)，該模型在沛橋河小流域?qū)υ鲁叨鹊哪M結(jié)果可靠，且模擬效果較好。對泥沙按照汛期和非汛期分別進(jìn)行率定與驗證分析，結(jié)果如表4所示，汛期和非汛期的相關(guān)系數(shù)(R2)、效率系數(shù)(E)均分別大于0.87和0.83，相對誤差(ER)均小于11%，且汛期的率定與驗證效果均高于非汛期。因此，模型的徑流模擬效果雖略低于泥沙，但整體模擬效果可靠。

表4 沛橋河小流域汛期與非汛期徑流、泥沙、總氮、總磷模擬評價結(jié)果

驗證期(2015—2018年)汛期與非汛期之徑流、泥沙的模擬與觀測值隨時間的分布趨勢基本一致(圖3)。

基于圖3中的徑流和泥沙數(shù)據(jù)進(jìn)行Pearson分析可知，泥沙與徑流隨時間變化的趨勢在汛期較為相似，兩者模擬值之間的Pearson相關(guān)系數(shù)達(dá)到0.916，而觀測值之間的Pearson相關(guān)系數(shù)達(dá)到0.894，均在0.01水平(雙側(cè))上顯著相關(guān)；而非汛期泥沙與徑流的模擬值和觀測值之間Pearson相關(guān)系數(shù)分別為0.666、0.701，均小于汛期，但也均在0.01水平(雙側(cè))上顯著相關(guān)。驗證期(2015—2018年)模型模擬的徑流輸出、泥沙負(fù)荷與觀測值的相對誤差(ER)均值分別為-11.50%、9.53%，因此，模型對泥沙的模擬效果略優(yōu)于徑流，與表4的模擬結(jié)果相一致。

圖3 2015—2018年沛橋河小流域月徑流、泥沙、總氮、總磷的觀測值與模擬值對比Fig.3 Comparisons of actual and simulation runoff, sand,TN and TP in Peiqiao River watershed from 2015 to 2018

2.3.2 總氮、總磷率定與驗證

以2008—2014年作為率定期，2015—2018年作為驗證期，對總氮、總磷負(fù)荷進(jìn)行率定和驗證，結(jié)果如表4所示：2015—2018年的汛期與非汛期，總氮的相關(guān)系數(shù)(R2)與效率系數(shù)(E)均大于0.80，相對誤差(ER)均控制在10%以內(nèi)；而總磷的相關(guān)系數(shù)(R2)與效率系數(shù)(E)均大于0.78，相對誤差(ER)的絕對值均控制在11%以內(nèi)，其模擬結(jié)果的精度總體略小于總氮。此外，非汛期的模擬精度略高于汛期，這不同于徑流、泥沙的模擬結(jié)果。

驗證期2015—2018年AnnAGNPS模型模擬的年度總氮、總磷負(fù)荷與其觀測值隨時間的分布趨勢基本一致(圖3)。基于圖3中總磷和總氮數(shù)據(jù)，經(jīng)Pearson相關(guān)性分析，總氮、總磷負(fù)荷的模擬值與觀測值均在0.01水平(雙側(cè))上顯著相關(guān)。其中，汛期模擬值之間的相關(guān)系數(shù)達(dá)0.933，觀測值之間的相關(guān)系數(shù)為0.897；而非汛期的相關(guān)系數(shù)小于汛期，分別為0.773和0.789。驗證期2015—2018年AnnAGNPS模型模擬的年度總氮、總磷負(fù)荷與其觀測值相比，相對誤差(ER)的年度均值分別為-6.88%和-7.99%，均可滿足研究需要。因此，對總氮的模擬效果略優(yōu)于總磷，與表4的模擬結(jié)果相一致。

3 討 論

選擇長三角區(qū)域以傳統(tǒng)農(nóng)業(yè)為主的沛橋河小流域為研究對象，全面構(gòu)建了模型基礎(chǔ)數(shù)據(jù)庫，尤其針對AnnAGNPS模型模擬所用的關(guān)鍵土壤理化基礎(chǔ)數(shù)據(jù)，采用了野外取樣與實驗室測定的方式，避免了因查詢獲取的全國土壤普查數(shù)據(jù)尺度較大對小流域尺度非點源污染模擬的影響，相對提高了模型模擬的精度。

本研究中，AnnAGNPS模型在沛橋河小流域的最佳水文響應(yīng)參數(shù)CSA與MSCL分別取值20與50為宜，這與文獻(xiàn)[23-25, 33]的結(jié)果有差異，分析認(rèn)為是由于各研究區(qū)地形的特點不同導(dǎo)致：文獻(xiàn)中的研究區(qū)主要位于黃土丘陵溝壑區(qū)、西南巖溶地區(qū)、福建晉江流域，研究區(qū)面積均較大(130～2 581 km2)，且平均高程多在800 m以上，地勢起伏均較大，相互之間地貌類型差異也較大；而本研究區(qū)面積與高程均較小，相對地勢平坦，土地利用類型以農(nóng)用地為主。

此外，由于前人對日尺度徑流模擬得出一致的分析結(jié)果[45-46]，即基于24 h降雨數(shù)據(jù)測定的降雨數(shù)據(jù)通常達(dá)不到24 h，相對短暫，日尺度徑流的模擬某種程度上延長了降雨時間，因此會削弱對降雨帶來的效果，模擬結(jié)果一般不夠理想，若要提高日尺度的模擬精度，則需要如小時降雨數(shù)據(jù)等更精確的氣象數(shù)據(jù)。因此，本研究根據(jù)所獲取的氣象數(shù)據(jù)選擇對2008—2018年汛期與非汛期的月尺度泥沙、總氮與總磷負(fù)荷進(jìn)行了率定與驗證。其中，AnnAGNPS模型對沛橋河小流域總氮負(fù)荷的模擬效果優(yōu)于對總磷的模擬效果，這與邊金云[21]、席慶[22]、梁麗營等[41]的研究結(jié)果相一致。

本研究的參數(shù)敏感性分析中，徑流曲線數(shù)(CN)是對徑流深、泥沙、總氮與總磷輸出模擬總體影響最高的參數(shù)，除泥沙的敏感性等級為Ⅲ外，均達(dá)到最高級Ⅳ，這與以往的研究[21-26,38-41]相一致。由此可見，模型率定應(yīng)以徑流曲線數(shù)(CN)為主，土壤可蝕性因子(K)、水土保持因子(P)、作物管理因子(C)、土壤有機質(zhì)含量、作物冠層覆蓋度、田間持水量、肥料施用量對模型輸出的影響較大，應(yīng)以實驗室精確測定為佳，而不能僅依靠中國土壤數(shù)據(jù)庫中查詢的大尺度數(shù)據(jù)。在長三角區(qū)域內(nèi)以傳統(tǒng)農(nóng)業(yè)為主的農(nóng)業(yè)小流域綜合管理工作中，可通過人工生態(tài)修復(fù)措施調(diào)控這些參數(shù)以達(dá)到優(yōu)化小流域生態(tài)環(huán)境的目標(biāo)。

綜上所述，本研究通過對AnnAGNPS模型的徑流、泥沙、總氮與總磷輸出模擬進(jìn)行了參數(shù)敏感性分析與適用性評價，結(jié)果相對可靠，且模擬效果較好，可為長三角農(nóng)業(yè)小流域非點源污染與水土流失管理決策提供依據(jù)。