基于SWAT模型的吉拉姆河流域日均流量模擬研究

徐志 鄧頌霖 閆明路 劉啟松

摘要：為了加強巴基斯坦卡洛特水電站壩址以上巴基斯坦境內(nèi)吉拉姆河流域性水文建模研究，結(jié)合ArcGIS，采用SWAT模型對流域日均流量進行了模擬。結(jié)果表明：基于SWAT模型對2017～2019年日均流量的模擬值與實測值吻合較好，模型率定期（2017～2018年）的決定系數(shù)[R2]為0.79，Nash-Sutcliffe效率系數(shù)[ENS]為0.79;驗證期（2019年）[R2]為0.84，效率系數(shù)[ENS]為0.79。SWAT模型在流域內(nèi)的適用性研究結(jié)果達(dá)到了預(yù)期，有助于提高卡洛特水電站水情預(yù)報預(yù)測能力，為該流域后續(xù)水文特性研究工作打下了良好基礎(chǔ)。

關(guān)鍵詞：日均流量;SWAT模型;卡洛特水電站;吉拉姆河流域;巴基斯坦

中圖法分類號：TV143文獻(xiàn)標(biāo)志碼：ADOI：10.15974/j.cnki.slsdkb.2021.11.003

文章編號：1006 - 0081（2021）11 - 0012 - 04

0引 言

SWAT（Soil and Water Assessment Tool）模型是由美國農(nóng)業(yè)部研發(fā)的一款分布式水文模型，能反映氣候和下墊面的空間分布及人類生產(chǎn)管理等特定信息對徑流、泥沙和污染物等變量的影響，運算效率高，具備對大流域進行長時段連續(xù)時間模擬的優(yōu)勢[1]。目前，SWAT模型在全球研究甚廣[2]，歐洲的維斯瓦（Vistula）河和奧得（Odra）河[3-4]，美國密歇根州中部[5]和北卡羅來納州紐斯（Neuse） 流域[6]，中國的資水流域[7]、漢江流域[8]、洞庭湖流域[9]和錫林河流域[10]等地區(qū)均采用SWAT模型進行了研究。

吉拉姆（Jhelum）河位于印度河上游，發(fā)源于克什米爾山谷。受特殊地理位置影響，目前對其徑流的研究較少?，F(xiàn)有研究包括對吉拉姆河上游菲羅茲布爾（Ferozpur）子流域德魯格（Drung）、特蘭（Terran）和庫巴爾（Trikulbal）3個測站流量年季變化和季節(jié)性變化的研究[11]，基于Modis數(shù)據(jù)的吉拉姆河流域雪被變化對曼格拉（Mangla）水庫入流量的影響[12]，構(gòu)建吉拉姆河8個雨量站數(shù)據(jù)與曼格拉水庫入庫流量的多元回歸模型，以預(yù)測上游來水量[13]等。因此，針對該流域的流域性水文建模研究還有待加強。

本研究結(jié)合ArcGIS，采用SWAT模型對卡洛特水電站以上巴基斯坦境內(nèi)吉拉姆河流域降雨徑流進行模擬和驗證，可為工程安全度汛和運行期全流域水文模擬提供技術(shù)支撐。

1 研究區(qū)概況

吉拉姆河是印度河流域水系最大的河流之一，發(fā)源于克什米爾山谷的韋爾納格深泉，干流全長725 km，流域面積6.35萬km2?？逄厮娬臼前突固咕硟?nèi)吉拉姆河規(guī)劃的5個梯級電站的第4級，上一級為阿扎德帕坦（Azad Pattan），下一級為已建成的曼格拉電站。卡洛特水電站壩址以上流域面積26 700 km2，巴基斯坦境內(nèi)干流長155 km?，F(xiàn)在壩址以上巴基斯坦境內(nèi)流域建有32個測站，控制區(qū)面積13 100 km2，流域內(nèi)海拔在370～6 200 m之間，平均海拔2 800 m，地勢呈北高南低，年內(nèi)雨量主要集中在西南季風(fēng)期（6～9月），流域徑流以降水和冰川融雪為主。

將吉拉姆河流入巴基斯坦的第一個水文監(jiān)測站恰科奇（Chakochi）站作為上游控制站，利用2017～2019年水文氣象資料對巴境內(nèi)吉拉姆河流域進行研究。經(jīng)過近幾年觀測發(fā)現(xiàn)，流域內(nèi)支流尼拉姆（Neelum）河和昆哈（Kunhar）河上游均位于高山區(qū)，西南季風(fēng)極少到達(dá)該區(qū)域。下游和吉拉姆河干流流域易發(fā)生局部暴雨洪水，匯流時間很短。當(dāng)暴雨中心偏流域上游時，預(yù)見期6～12 h，暴雨中心在臨近壩址時預(yù)見期僅為1 h。準(zhǔn)確模擬和預(yù)測壩址日均流量變化對卡洛特水電站安全度汛具有重要意義。

2 數(shù)據(jù)來源及SWAT模型構(gòu)建

2.1 數(shù)據(jù)來源

構(gòu)建SWAT模型需要準(zhǔn)備水文、氣象測站的觀測數(shù)據(jù)和空間分布數(shù)據(jù)，以及數(shù)字高程模型（DEM）、土壤類型數(shù)據(jù)、土地利用類型數(shù)據(jù)等下墊面數(shù)據(jù)。

（1）地形數(shù)據(jù)。本文采用ASTER GDEM 30m數(shù)據(jù)，經(jīng)ArcGIS軟件拼接、裁剪及投影后得到研究區(qū)地圖，見圖1（a）。使用來源于地理空間數(shù)據(jù)云平臺的數(shù)字高程（DEM），DEM越精細(xì)則最后SWAT工程劃分得到的水系和子流域越精準(zhǔn)，見圖1（b）。

（2）土地利用數(shù)據(jù)。來源于馬里蘭大學(xué)基于AVHRR數(shù)據(jù)的全球土地覆蓋數(shù)據(jù)（1981～1994年）。研究區(qū)土地利用類型共7類，見圖1（c），符合SWAT模型中建議的土地利用類型總數(shù)，無需重分類，結(jié)合SWAT土地利用分類標(biāo)準(zhǔn)建立土地利用索引表。本文土壤數(shù)據(jù)來源于聯(lián)合國糧農(nóng)組織發(fā)布的HWSD（Harmonized World Soil Database）數(shù)據(jù)。由于數(shù)據(jù)采用的是國際單位，與SWAT模型采用的美國標(biāo)準(zhǔn)對應(yīng)，沙土、黏土、粉粒粒徑不需要轉(zhuǎn)換，再根據(jù)土壤水文特征軟件SPAW（Soil-Plant-Air-Water）軟件計算得到土壤的物理屬性。研究區(qū)土壤類型分為5種，見圖1（d）。

（3）氣象數(shù)據(jù)。逐日降水?dāng)?shù)據(jù)來源于流域內(nèi)的30個雨量站2017～2019年實測資料，見圖1（e）。研究區(qū)內(nèi)有卡洛特氣象站，氣溫數(shù)據(jù)按照雨量站所在地與氣象站高程差，根據(jù)溫度遞減率理論，以每上升100 m降低0.56 ℃的遞降率校正。

（4）徑流數(shù)據(jù)來自于恰科奇站和卡洛特專用水文站實際觀測日均流量資料，時間為2017～2019年。

2.2 SWAT模型構(gòu)建

需要統(tǒng)一坐標(biāo)系來實現(xiàn)不同數(shù)據(jù)的空間對應(yīng)，本研究地理坐標(biāo)選擇WGS_1984，并統(tǒng)一使用WGS_1984_UTM_Zone_43N投影。

（1）子流域劃分?；贒EM數(shù)據(jù)，經(jīng)多次試驗，確定20 km2集水面積閾值生成的河網(wǎng)與實際河網(wǎng)相符，定義恰科奇站和卡洛特專用水文站作為流域入水口和出水口，將整個流域劃分為385個子流域，子流域面積從0.01～323 km2不等，見圖1（b）。

（2）水文響應(yīng)單元（HRU）的劃分。輸入下墊面數(shù)據(jù)后，SWAT將相似的土壤類型和土地利用面積具有統(tǒng)一水文行為的部分劃分為單個HRU，這樣整個流域?qū)⒈粍澐譃椴煌腍RU。為了提高模擬精度和運算效率，將土地利用、土壤分布和坡度類型閾值設(shè)定為10%，10%和15%，即子流域中占比低于該百分比的土地利用、土壤分布和坡度類型將被拆分并入其他類型中。用上述方法將研究區(qū)域劃分為997個HRU，通過分別計算每個HRU的徑流量，最后得到流域的總徑流量。

（3）氣象數(shù)據(jù)加載及模型運行。將氣象數(shù)據(jù)整理后載入模型，以恰科奇站的日實測流量作為研究區(qū)的輸入數(shù)據(jù)，通過計算得到卡洛特專用水文站的模擬日均流量。

2.3 參數(shù)率定與驗證

SWAT-CUP（SWAT Calibration Uncertainty Procedures）軟件是服務(wù)于SWAT模型參數(shù)校準(zhǔn)的一款程序，集合了SUFI2、GLUE、ParaSol、MCMC和PSO算法，主要用于模型的校準(zhǔn)、驗證，靈敏度分析及不確定性分析[13-18]。根據(jù)SWAT-CUP給出的參數(shù)取值范圍對模型參數(shù)進行率定，列出模型敏感性分析排名前10的敏感性參數(shù)（表1）。分析較敏感參數(shù)發(fā)現(xiàn)：影響研究區(qū)徑流的主要因子跟融雪密切相關(guān)，這與研究區(qū)地處于喜馬拉雅南緣地形復(fù)雜、山區(qū)有積雪密切相關(guān)。

采用決定系數(shù)[R2]和效率系數(shù)[ENS]對模型模擬精度進行評定：

[R2=i=1nQm，i-QmQs，i-Qs2i=1nQm，i-Qm2i=1nQs，i-Qs2]（1）

[ENS=1-i=1n（Qm-Qs）2i=1n（Qm-Qm）2]? ? ? ? ? （2）

式中： [Qm]為實測值;[Qs]為模擬值;n為實測值個數(shù)。通常當(dāng)[R2]=1時，表示模擬值與實測值非常吻合;當(dāng)[R2]<1時，其值越大，兩者相似度越高。當(dāng)[ENS]越接近于1時，模擬結(jié)果越準(zhǔn)確。決定系數(shù)的評價標(biāo)準(zhǔn)如表2所示。

3 SWAT模型運行結(jié)果分析

采用卡洛特專用水文站2017～2019年實測日均流量對模型進行參數(shù)率定和驗證，校準(zhǔn)期為2017～2018年。經(jīng)過SWAT-CUP的計算，率定期、驗證期日均徑流量模擬值和實測值的決定系數(shù)[R2]和效率系數(shù)[ENS]分別達(dá)到0.79，0.79和0.84，0.79;驗證期模型等級達(dá)到了乙等。一般當(dāng)R2>0.6且Ens>0.5時認(rèn)為模型是準(zhǔn)確的，可見針對研究區(qū)的日均流量模擬效果較為理想。

從圖2～3可以看出：①研究區(qū)的SWAT模擬值基本反映了徑流量的實際變化趨勢。②研究區(qū)4～9月徑流量最大，說明氣溫對山區(qū)徑流有顯著的調(diào)控作用，這與敏感性分析中得出的雪融最低氣溫（SMTMP）最為敏感相符，冰雪融水對研究區(qū)的徑流產(chǎn)生了較大影響。同時，該時間段受西南季風(fēng)影響，充沛的降雨也對徑流進行了補充。與Azmat[12]對吉拉姆河流域特性，即初夏期間高海拔地區(qū)主要以融雪和冰川融化的形式增加徑流，夏季末低海拔地區(qū)的季風(fēng)降雨進一步增加徑流的結(jié)論一致。③模型誤差的主要來源是對幾場較大降雨的洪峰模擬效果較差。原因包括：①越詳細(xì)的測站資料得到的模擬結(jié)果越準(zhǔn)確[19]，但目前整個流域都用卡洛特水電站專用氣象站資料，該站海拔為662 m，而流域內(nèi)平均海拔為2 800 m，用氣象站的資料空間插值可能缺乏代表性。②由于山區(qū)型河流流域空間變異性較大，有時測站位置不能有效反映暴雨中心也是造成模擬結(jié)果誤差的重要因素。③流域內(nèi)小電站調(diào)蓄削峰對模擬精度也有很大影響，這也是汛末幾場較大流量過程的降雨模擬值大于實際值的原因。

4 結(jié) 論

（1）本研究將SWAT模型應(yīng)用于巴基斯坦境內(nèi)吉拉姆河卡洛特水電站以上流域區(qū)域，利用2017～2019年水文氣象監(jiān)測資料以及下墊面空間分布信息，建立了流域內(nèi)SWAT模型，將研究劃分為385個子流域、997個HRU。以上游恰科奇站來水作為輸入，模擬卡洛特水電站壩址處日平均流量的變化過程。率定期（2017～2018年）和驗證期（2019年）相關(guān)系數(shù)和納什效率系數(shù)分別為0.79，0.79和0.84，0.79。這表明，SWAT模型對研究區(qū)的模擬效果較好，對吉拉姆河流域的水文變化模擬具有適用性。

（2）針對氣象資料不足的問題，后續(xù)將跟巴基斯坦氣象部門溝通聯(lián)系開展相關(guān)研究合作，同時也將根據(jù)需要布設(shè)適當(dāng)氣象站點，多措并舉不斷提高模型模擬精度。

（3）SWAT模型在吉拉姆河的成功應(yīng)用為全流域的后續(xù)徑流、泥沙模擬等水文特性研究工作打下了良好的基礎(chǔ)。

參考文獻(xiàn)：

[1] 郝芳華. 非點源污染模型-理論方法與應(yīng)用[M].北京： 中國環(huán)境科學(xué)出版社，2008.

[2] GASSMAN PW， SADEGHI AM， SRINIVASAN R. Applications of the SWAT model special section： overview and insights[J].Journal of Enviromental Quality， 2014， 43（1）：1-8.

[3] PINIEWSKI M， SZCZE M， KARDEL I， et al. Hydrological modelling of the Vistula and Odra river basins using SWAT[J]. Hydrological Sciences Journal， 2017：1-24.

[4] ABBASPOUR K C， ROUHOLAHNEJAD E， VAGHEFI S， et al. A continental-scale hydrology and water quality model for Europe： Calibration and uncertainty of a high-resolution large-scale SWAT model [J]. Journal of Hydrology， 2015， 524：733-752.

[5] SUNDE M， HE H， HUBBART J， et al. An integrated modeling approach for estimating hydrologic responses to future urbanization and climate changes in a mixed-use midwestern watershed[J]. Journal of Environmental Management， 2018， 220（15）：149-162.

[6] ERCAN M， MAGHAMI I， BOWES B， et al. Estimating potential climate change effects on the upper Neuse watershed water balance using the SWAT model[J]. Journal of the American Water Resources Association， 2020， 56（1）：? 53-67.

[7] 張愛玲， 王韶偉， 汪萍， 等. 基于SWAT模型的資水流域徑流模擬[J].水文， 2017，37（5）：38-42.

[8] ZEJUN LI， PAN LIU， WANG ZHANG，et al.Comparative study on the performance of SWAT and Xinanjiang Models in Xunhe Basin[J]. Journal of Water Resources Research， 2014， 3：307-314.

[9] 謝南， 劉攀， 宋平， 等. 基于SWAT模型的洞庭湖區(qū)間徑流模擬研究[J]. 中國農(nóng)村水利水電， 2020（5）：39-41.

[10] 段超宇， 司建寧. 基于SWAT模型的寒旱區(qū)積雪與融雪期徑流模擬應(yīng)用研究-以錫林河流域上游為例[J]. 中國農(nóng)村水利水電， 2017（2）：94-97.

[11] ROMSHOO N. Streamflow changes of Ferozpur Watershed in the upper Indus Basin， Kashmir Himalayas[J]. Himalayan Ecol. Sustian.， 2015，15：27-38.

[12] AZMAT M， LIAQA U， QAMAR M， et al. Impacts of changing climate and snow cover on the flow regime of Jhelum River， Western Himalayas[J]. Regional Environmental Change， 2016， 17（3）：1-13.

[13] ARCHER D， FOWLER H. Using meteorological data to forecast seasonal runoff on the River Jhelum， Pakistan[J]. Journal of Hydrology， 2008， 361（1-2）：10-23.

[14] ABBASPOUR K C ， JING Y ， MAXIMOV I ， et al. Modelling of hydrology and water quality in the pre-alpine/alpine thur watershed using SWAT[J]. Journal of Hydrology， 2007， 333（2-4）：413-430.

[15] GRIENSVEN A V ， MEIXNER T . Methods to quantify and identify the sources of uncertainty for river basin water quality models[J]. Water Science & Technology： A Journal of the International Association on Water Pollution Research， 2006， 53（1）：51.

[16] KENNEDY J ， EBERHART R. Particle Swarm Optimization[C]// Icnn95-international Conference on Neural Networks. IEEE， 1995.

[17] BEVEN K ， BINLEY A . The future of distributed models： Model calibration and uncertainty prediction[J]. Hydrological Processes， 1992， 6（3）： 279-298.

[18] A G K ， B E P. Monte Carlo assessment of parameter uncertainty in conceptual catchment models： the Metropolis algorithm[J]. Journal of Hydrology， 1998， 211（ 1-4）：69-85.

[19] MOUSSA? ?R，? CHAHINIAN? ?N，? ?BOCQUILLON? ?C. Distributed hydrological modelling of a Mediterranean mountainous catchment-model construction and multi-site validation[J]. Journal of Hydrology，2007，337（1-2）：35-51.

（編輯：李 慧）

Hydrological modelling of daily average discharge of Jhelum River Basin using SWAT

XU Zhi，DENG Songlin，YAN Minglu，LIU Qisong

（Jingjiang Bureau of Hydrology and Water Resources Survey， Bureau of Hydrology， Changjiang Water Resources Commission， Jingzhou 434000， China）

Abstract： To strengthen the hydrological modelling of the basin above the dam site of Karot Hydropower of the Jhelum River Basin， the SWAT model was used with ArcGIS to simulate the daily average discharge of the Basin. The results showed that the simulated daily average discharge was well conformed with the measured data from 2017 to 2019. The R2 and Nash-Sutcliffe efficiency values during 2017 to 2018 calibration period were 0.79 and 0.79， 0.84 and 0.79 during 2019 validation period. The satisfactory application of the SWAT model in the watershed can help to improve the flow regime forecasting capabilities for the Karot Hydropower Station and lay a good foundation for the subsequent hydrological characteristics research of the basin.

Key words： daily average discharge; SWAT model; Karot hydropower station： Jhelum Basin; Pakistan