SWAT模型在碾盤河流域的應用研究

(遼寧省河庫管理服務中心(遼寧省水文局)，遼寧 沈陽 110003)

碾盤河位于清河右岸，是清河的一級支流，遼河干流的二級支流。河流發(fā)源于遼寧省鐵嶺市西豐縣和隆滿族鄉(xiāng)，流經(jīng)西豐縣和隆滿族鄉(xiāng)、涼泉鎮(zhèn)、房木鎮(zhèn)以及開原市八棵樹鎮(zhèn)，在開原市八棵樹鎮(zhèn)匯入清河。河流全長55km，流域面積552km2，河流多年平均年降水量750.5mm，平均比降3.21‰[1]。由于河流發(fā)源于山區(qū)，并且各支流河長短、比降大，造成河道匯流時間短并且集中，加之受地理、地勢和氣候條件的影響，碾盤河經(jīng)常泛濫，多次成為清河的暴雨中心，洪澇影響甚至危及遼河[2]。碾盤河位于清河水庫的上游，清河水庫是一座以防洪、灌溉功能為主的大(2)型水庫，同時也是鐵嶺市開原市和清河區(qū)的備用水源，碾盤河作為清河水庫的重要匯入支流，其水質狀況會對清河水庫水源水質產(chǎn)生重要影響。因此，在碾盤河流域開展流量和水質的分析與預測工作，對于流域水文測報、防洪、水資源保護等工作的開展具有重要的現(xiàn)實意義。

SWAT模型屬于流域尺度的分布式水文模型[3]。模型輸入DEM數(shù)字高程、土地利用、土壤等特征數(shù)據(jù)，完成研究流域河網(wǎng)的提取、子流域的劃分、水文響應單元的劃分。每個水文響應單元的坡度、土地利用、土壤特征基本一致。模型通過每個水文響應單元的模擬計算，匯總形成整個流域的水文循環(huán)模擬結果。SWAT模型對水文過程的模擬主要分水循環(huán)的陸面部分和水面部分，二者分別模擬子流域向河道匯水的過程、主河道向流域出口匯流的過程[4]。SWAT模型已應用于流域水文過程的模擬與預測、環(huán)境影響下的水文響應研究、管理措施預測以及非點源污染研究等領域[5-9]。目前，將SWAT模型應用于遼河流域或清河流域的文獻中，多針對位于遼河干流或清河的水文測站開展率定與驗證，預測分析等研究工作也更加側重于干流，也未見單獨針對碾盤河流域的SWAT模型的應用與研究[10-11]。鑒于此，本文通過構建SWAT模型，模擬分析了碾盤河耿王莊水文站流量和水質指標氨氮的變化過程，并對模擬結果進行了分析，研究結果為碾盤河流域水文測報、水資源保護與管理等工作的開展提供技術支撐，同時，可為其他小流域相關研究工作的開展提供借鑒與參考。

1 研究區(qū)域概況

研究區(qū)域為碾盤河耿王莊水文站以上流域，位于遼寧省東北部的鐵嶺市境內。區(qū)域地處遼東丘陵區(qū)，屬北溫帶大陸性季風氣候區(qū)，降水主要集中在6—9月。大部分研究區(qū)域所在的西豐縣的年平均氣溫為5.4℃，歷史最低氣溫-43.4℃，歷史最高氣溫36.7℃，年平均降水量692.2mm，無霜期131天左右[12]。

研究區(qū)域所在的縣級行政區(qū)是鐵嶺市的西豐縣和開原市，兩縣市占研究區(qū)面積的比例分別為90.3%和9.7%。區(qū)域涉及鄉(xiāng)鎮(zhèn)主要包括西豐縣和隆滿族鄉(xiāng)、涼泉鎮(zhèn)、房木鎮(zhèn)以及開原市八棵樹鎮(zhèn)，區(qū)域人口約為5.13萬人。研究區(qū)域具有豐富的森林、礦產(chǎn)、旅游資源，經(jīng)濟發(fā)展主要依靠農業(yè)及畜牧業(yè)等。

2 基礎數(shù)據(jù)及模型構建

2.1 基礎數(shù)據(jù)

構建SWAT模型所需的基礎數(shù)據(jù)主要包括DEM數(shù)字高程、土地利用、土壤、氣象、水文、水質、污染源數(shù)據(jù)等。

應用DEM數(shù)字高程數(shù)據(jù)可以獲取研究區(qū)的地形、提取河網(wǎng)、劃分子流域，本文使用的DEM數(shù)字高程數(shù)據(jù)來源于中國科學院計算機網(wǎng)絡信息中心地理空間數(shù)據(jù)云平臺，空間分辨率為30m×30m。土地利用和土壤數(shù)據(jù)等是劃分水文響應單元的基礎[6]。模型利用土地利用數(shù)據(jù)計算植被生長、地表產(chǎn)匯流等，表征不同土地利用類型區(qū)域的產(chǎn)匯流情況；利用土壤數(shù)據(jù)計算壤中流和淺層地下水量，表征不同土壤類型區(qū)域的產(chǎn)流情況。本文采用的是2010年土地利用成果，空間分辨率為30m×30m，土壤數(shù)據(jù)來源于世界土壤數(shù)據(jù)庫(HWSD)，空間分辨率為1km×1km。氣象數(shù)據(jù)是計算流量和蒸散發(fā)量的基礎，本文采用的氣象數(shù)據(jù)包括研究區(qū)域周邊氣象站的逐日降水量、最高氣溫、最低氣溫、相對濕度、風速數(shù)據(jù)，以及耿王莊雨量站的逐日降水數(shù)據(jù)。污染源數(shù)據(jù)是水質指標模擬的基礎，研究區(qū)域位于水源上游，水質較好，污染類型以非點源污染為主。本文參考文獻[13-14]，確定了研究區(qū)域的主要種植作物為玉米，一年一季，播種期為4月中下旬，收獲期為9月中下旬；同時，依據(jù)《遼寧省統(tǒng)計年鑒》對農作物耕作過程中農藥和化肥的施用情況等進行估算。

2.2 模型構建

模型基于DEM數(shù)字高程數(shù)據(jù)，并結合研究區(qū)域的數(shù)字化河網(wǎng)底圖，完成了研究區(qū)域的河網(wǎng)提取和子流域的劃分。研究區(qū)域共劃分28個子流域，流域面積合計532.8km2，研究區(qū)域河網(wǎng)分布情況及子流域的劃分情況見圖1，其中序號為28的子流域為耿王莊水文站所在流域。在河網(wǎng)提取和子流域劃分的基礎上，結合土地利用、土壤及坡度信息，完成研究區(qū)域水文響應單元的劃分。研究區(qū)域共劃分水文響應單元94個，水文響應單元劃分情況見圖2。在完成水文響應單元劃分后，將氣象數(shù)據(jù)及耕作管理數(shù)據(jù)添加至模型，完成SWAT模型的構建。

圖1 研究區(qū)域河網(wǎng)及子流域分布情況

圖2 研究區(qū)域水文響應單元劃分情況

2.3 模型的率定與驗證

本文采用SWAT-CUP軟件的SUFI-2算法對模型參數(shù)進行敏感性分析、率定和驗證[15]。為降低模型初始值對模擬結果的影響，以2012年3—6月作為預熱期；同時，依據(jù)實測數(shù)據(jù)情況，以2012年7月至2013年12月作為率定期，對耿王莊水文站的月均流量、氨氮含量進行率定；以2014年1月至2016年12月和2014年1月至2014年12月作為驗證期，分別對耿王莊水文站的月均流量、氨氮含量進行驗證。

在參數(shù)敏感性分析與率定方面，參考文獻[16]分別選取與徑流、泥沙、水質相關的30個參數(shù)進行敏感性分析與率定，主要考慮了影響降雪、產(chǎn)流、匯流、地下水、壤中流、蒸散發(fā)、河道、產(chǎn)沙、物質遷移與轉化等過程的參數(shù)對模型分析的影響，具體參數(shù)見表1。表中t-Stat表示參數(shù)的敏感性，p-Value表示參數(shù)敏感性的顯著水平，p-Value越小、t-Stat絕對值越大表示該參數(shù)越敏感。由表1可知，對于研究區(qū)域，基流α系數(shù)(ALPHA_BF)、土壤飽和導水率(SOL_K)、水土保持措施因子(USLE_P)、主河道有效水力傳導系數(shù)(CH_K2)、地下水延滯天數(shù)(GW_DELAY)、土壤蒸發(fā)補償系數(shù)(ESCO)、反硝化系數(shù)(CDN)等參數(shù)較為敏感。ALPHA_BF是表示基流回退時間長短的參數(shù)，其值會對河流基流量的變化產(chǎn)生影響；SOL_K是表示土壤導水能力的參數(shù)，其值會對土壤中水體的下滲速度、地下水的補給量產(chǎn)生影響；USLE_P是特定水土保持措施下的土壤流失量與未實施水土保持措施地塊順坡耕作的土壤流失量之比[17]，反映了水土保持措施效果；CH_K2反映了河流因補給地下徑流而引起的流量損失；GW_DELAY是降水入滲補給地下水的延滯時間；ESCO反映了土壤中水體的蒸發(fā)能力，隨著ESCO值的減小，土壤深層的蒸發(fā)量增加；CDN是反映水體中硝酸鹽中的氮元素還原為氮氣的生物化學過程的參數(shù)。上述參數(shù)具有較強的敏感性，一方面體現(xiàn)了研究區(qū)域地處半濕潤地區(qū)、植被覆蓋較好、以山地為主的氣候、植被及地形特點等，同時也表明水體中氮元素在不同形態(tài)之間的轉化對水質指標模擬結果的影響較為明顯。

表1 模型敏感性分析參數(shù)統(tǒng)計

續(xù)表

在模擬結果的評判方面，采用線性回歸相關系數(shù)R2和納什效率系數(shù)Ens(Nash-Suttcliffe)對SWAT模型的模擬結果進行評價。Ens用于衡量模型模擬值與實測值之間的擬合度[9]，Ens越接近于1表示模擬精度越高，當Ens=1時，代表實測流量與模擬流量相一致的情況。其計算公式為

(1)

式中：QO為實測值；QP為模擬值；Qavg為實測值的平均值；n為實測值的個數(shù)。

3 結果與討論

3.1 模擬值與實測值的對比分析

模擬時段耿王莊水文站月均流量的模擬值及實測值的對比見圖3。模擬結果表明，率定期月均流量模擬結果的線性相關系數(shù)R2為0.86，Ens為0.79；驗證期月均流量模擬結果的線性相關系數(shù)R2為0.79，Ens為0.69。率定期和驗證期的R2和Ens均滿足對模型模擬結果的評判要求。由圖3可知，在模擬時段，耿王莊水文站流量的模擬值與實測值的變化過程基本一致，并且對降水量的變化過程進行響應，能夠體現(xiàn)流量隨降水量變化的特征。通過實測值與模擬值的對比發(fā)現(xiàn)，總體而言，流量模擬值較實測值有所偏高，相較于非汛期的模擬結果，汛期(6—9月)的模擬結果更接近于實測值，這與非汛期實測流量本身相對較小，在一定程度上增加了模擬的難度有關。另外，在各年份的模擬結果中，降水量較大的2016年和2013年模擬效果最好，模擬值相較于實測值的偏差分別為19.3%和28.0%。對于研究區(qū)域，本文所建立的模型對于降水量更為豐沛的時段具有更優(yōu)的模擬效果。表2中列出了模擬時段耿王莊水文站汛期平均流量實測值與模擬值的對比情況，其中，2012年模擬值較實測值的相對誤差較大，這可能與模型預熱期過短有關，模擬結果受到了初始值的影響。

圖3 率定期耿王莊水文站徑流量模擬值與實測值對比

表2 2012—2016年耿王莊水文站汛期流量模擬值與實測值對比情況

模擬時段耿王莊水文站水質指標氨氮含量的模擬值及實測值的對比見圖4。模擬結果表明，率定期氨氮含量模擬結果的線性相關系數(shù)R2為0.88，Ens為0.80；驗證期氨氮含量模擬結果的線性相關系數(shù)R2為0.76，Ens為0.59。率定期和驗證期的R2和Ens均滿足對模型模擬結果的評判要求。由圖4可知，在模擬時段，耿王莊水文站月流出氨氮含量的模擬值與實測值的變化過程總體一致，但模擬值較實測值總體偏低，在部分時段，雖然實測含量的峰值存在較小的變化，但是模擬結果的響應并不明顯，這可能與實測值并非逐日連續(xù)監(jiān)測數(shù)據(jù)有關。另外，汛期模擬結果總體優(yōu)于非汛期模擬結果，這與流量的模擬結果相一致，也在一定程度上體現(xiàn)了流量模擬是水質模擬的基礎。由圖4氨氮實測值和模擬值的變化過程線可知，氨氮含量較高的時段多出現(xiàn)在汛期，這主要與研究區(qū)域污染類型以非點源污染為主，汛期降水量較大，污染物容易通過降水的作用匯入河道有關。

圖4 驗證期耿王莊水文站徑流量模擬值與實測值對比

3.2 模擬結果分析

圖5 2013—2016年總降水量、總水量、氨氮模擬結果

通過建立的SWAT模型，對2013—2016年的水量及水質變化過程進行了模擬，圖5是耿王莊水文站所在流域出口各年度降水量、水量、氨氮含量的模擬結果。由圖5可知，水量和氨氮含量與降水量的年際變化規(guī)律基本一致，即降水量較多的2013年和2016年，流域出口的產(chǎn)出水量和氨氮含量也較多，同時氨氮的年際變化情況明顯大于總水量和降水量的年際變化情況。由表3可知，在汛期隨著降水量的增多，流域產(chǎn)出水量和氨氮的產(chǎn)出量明顯增多，汛期降水量占全年的71%、產(chǎn)水量占全年的63%、氨氮含量占全年的96%。產(chǎn)出水量的年內變化情況相對平緩，這與研究區(qū)地處山區(qū)、氣候條件濕潤，枯水期地下水對河流的補給量較多有關，而氨氮含量在汛期的變化較為明顯，一方面是由于化肥、農藥施用等農業(yè)種植活動主要發(fā)生在入汛前后，同時在汛期營養(yǎng)物質受雨水沖刷的影響也更容易進入河道。模擬結果也印證了研究區(qū)污染類型以非點源污染為主，而對于研究區(qū)域，水資源保護工作應重點圍繞非點源污染治理方面展開，確保水質安全及持續(xù)改善。

表3 2013—2016年各月總降水量、總水量、氨氮模擬結果

4 結 語

本文以碾盤河耿王莊水文站以上流域作為研究區(qū)域，以研究區(qū)域DEM數(shù)字高程、土地利用、土壤、氣象、水文、水質等數(shù)據(jù)為基礎，通過構建SWAT模型，將研究區(qū)劃分為28個子流域和94個水文響應單元。并選取與流量、泥沙、水質等相關的30個參數(shù)開展敏感性分析和率定，以月度為研究尺度模擬了耿王莊水文站流量、水質指標氨氮含量的變化過程。結果表明，在參數(shù)敏感性分析方面，基流α系數(shù)、土壤飽和導水率、水土保持措施因子、主河道有效水力傳導系數(shù)、地下水延滯天數(shù)、土壤蒸發(fā)補償系數(shù)、反硝化系數(shù)等7項參數(shù)較為敏感。在模擬結果分析方面，率定期和驗證期的模擬精度均符合相關要求，模擬結果能夠反映流量、氨氮含量的變化特征。同時，應用模擬結果分析了研究時段流域內降水量、總產(chǎn)水量、氨氮含量的年際和年內變化特征，結果表明總產(chǎn)水量和氨氮含量受降水影響顯著。模型可為研究區(qū)域水文測報、水資源管理、非點源治理等工作的開展提供技術支撐。

在后續(xù)的研究中，應通過完善模型輸入數(shù)據(jù)等方式，改善模擬效果。并進一步收集數(shù)據(jù)，延長模擬時段，提高模型的適用性；另外，可進一步擴大研究區(qū)域，提高模型的應用范圍。