CMADS數(shù)據(jù)對(duì)長(zhǎng)江源區(qū)水文模擬的適用性研究

劉 薇，王海軍，陳翠英

（山東省水文中心，濟(jì)南 250002）

青藏高原地區(qū)由于海拔過(guò)高氣候寒冷，被稱為地球第三級(jí)。由于獨(dú)特的氣候環(huán)境，水文循環(huán)條件復(fù)雜，冰川積雪融水廣泛參與到水文循環(huán)中［1-3］。對(duì)于高原山區(qū)的水文模擬，冰雪融水是難以回避的問(wèn)題，一些主流的含有融雪模塊的水文模型包括：HBV模型，SRM模型，VIC模型，SWAT模型［4-7］。其中VIC模型和SWAT模型分布式水文模型，基于物理基礎(chǔ)，適用范圍廣。

SWAT 模型由于其適應(yīng)能力強(qiáng)，且能對(duì)流域水文過(guò)程進(jìn)行分區(qū)處理，對(duì)水文規(guī)律的研究更為深入，而得到廣泛的應(yīng)用。竇小東等基于SWAT模型研究了氣候變化對(duì)大盈江流域徑流的影響［8］。鄭思遠(yuǎn)等利用SWAT 模型在東苕溪上游區(qū)域研究了氮磷對(duì)環(huán)境的影響［9］。王磊等通過(guò)SWAT 模型研究了土地利用變化情景下對(duì)清水河徑流的影響［10］。王富強(qiáng)等使用SWAT 模型對(duì)賈魯河流域區(qū)域農(nóng)業(yè)干旱程度評(píng)價(jià)進(jìn)行了研究［11］。SWAT模型由于耦合了眾多模塊，對(duì)流域各方面的模擬研究都有很強(qiáng)的適應(yīng)性［12，13］。且代碼開(kāi)源，模型得到不斷的改進(jìn)升級(jí)，使得模型更加適合全球用戶的個(gè)性需求。

SAWT 模型在全球得到廣泛的利用，但需要輸入較多的氣象數(shù)據(jù)來(lái)驅(qū)動(dòng)模型，特別是在一些受地形和經(jīng)濟(jì)條件影響的區(qū)域，缺乏模型所需要輸入的氣象數(shù)據(jù)時(shí)，使得模型難以在該地區(qū)開(kāi)展研究。由孟先勇，王浩等牽頭，中國(guó)水利水電科學(xué)研究院，中國(guó)氣象局國(guó)家氣象信息中心等單位合作開(kāi)發(fā)的SWAT 模型中國(guó)大氣同化驅(qū)動(dòng)數(shù)據(jù)集（CMADS）彌補(bǔ)了一些偏遠(yuǎn)地區(qū)數(shù)據(jù)不足的缺陷，使SWAT 模型可以對(duì)中國(guó)一些偏遠(yuǎn)地區(qū)的進(jìn)行水文模擬［14-17］。該數(shù)據(jù)集基于世界各類再分析場(chǎng)及中國(guó)氣象局大氣同化系統(tǒng)（CLDAS）技術(shù)，利用數(shù)據(jù)循環(huán)嵌套、重采樣，模式推算及雙線性插值等多種技術(shù)手段而建立。且符合SWAT模型的輸入格式，使用方便。本文通過(guò)提取長(zhǎng)江源區(qū)CMADS 數(shù)據(jù)，及利用傳統(tǒng)的氣象站數(shù)據(jù)利用SWAT模型在長(zhǎng)江源區(qū)進(jìn)行水文模擬，分析CMADS 數(shù)據(jù)在高寒山區(qū)的適用性。

1 研究區(qū)域概況

長(zhǎng)江源區(qū)地處青海省東南部，是青藏高原的中心地區(qū)，面積達(dá)137 800 km2，平均海拔高程達(dá)4 500 m 左右，屬于典型的高海拔地區(qū)［18］。流域呈西高東低的地形結(jié)構(gòu)，其主源西支的沱沱河和南支的當(dāng)曲，其源頭位于唐古拉山北麓，源頭以冰雪融水為主。長(zhǎng)江源區(qū)主要以裸地和高原草地等地貌特征為主，其下游河谷地帶覆蓋有少量森林植被，也是人類的主要聚集地。2000年設(shè)立三江源國(guó)家級(jí)自然保護(hù)區(qū)后，源區(qū)內(nèi)的游牧得到有效控制，源區(qū)自然生態(tài)環(huán)境朝健康方向發(fā)展。長(zhǎng)江源區(qū)多年平均降水只有450 mm 左右，且從下游向上游逐漸遞減，氣溫受地形影響，下游氣溫明顯要高于上游地區(qū)，多年平均氣溫在-1.7～5.5 °C 波動(dòng)［19］。7、8月份流域氣溫最高，12-2月是氣溫最低的時(shí)期，流域上游覆蓋有常年無(wú)消融的凍土，流域無(wú)明顯的無(wú)霜期。流域內(nèi)氣象站分布雖然只有四個(gè)，但在上中下游都有分布，較能反映流域不同區(qū)域的氣候特征，在流域出口有記錄著整個(gè)源區(qū)出口流量的直門達(dá)水文，該站記錄的流量也是本次研究的對(duì)比數(shù)據(jù)［20］。流域地形及氣象水文站點(diǎn)分布如圖1所示。

圖1 長(zhǎng)江源區(qū)地形及氣象水文站點(diǎn)分布Fig.1 Terrain，meteorological and hydrological sites distribution of the source region of the Yangtze River

2 數(shù)據(jù)的處理及建模

SWAT 模型建模所需要的數(shù)據(jù)較多，分為氣象驅(qū)動(dòng)數(shù)據(jù)和地理空間數(shù)據(jù)兩大類。氣象數(shù)據(jù)由長(zhǎng)江源區(qū)4 個(gè)氣象站提供，包括降水，最高最低氣溫?cái)?shù)據(jù)，另外就是從CMADS 數(shù)據(jù)集中裁剪出來(lái)的長(zhǎng)江源區(qū)氣象數(shù)據(jù)，該數(shù)據(jù)包括：日平均相對(duì)濕度（Relative-Humidity）、日累計(jì)降水量（Precipitation）、日平均太陽(yáng)輻射（Solar radiation）、日最高、最低2 m 氣溫（Max and Min Temperature）、日平均10 m 風(fēng)速（Wind）。地理空間數(shù)據(jù)包括DEM數(shù)據(jù)，土地利用數(shù)據(jù)，土壤數(shù)據(jù)。

2.1 氣象數(shù)據(jù)

利用長(zhǎng)江源區(qū)4 個(gè)傳統(tǒng)氣象站數(shù)據(jù)建立的SWAT 模型驅(qū)動(dòng)數(shù)據(jù)為文本格式，包括日最高最低氣溫及日降水量，對(duì)缺失數(shù)據(jù)進(jìn)行插補(bǔ)處理，保證數(shù)據(jù)較高質(zhì)量。CMADS數(shù)據(jù)集通過(guò)寒區(qū)旱區(qū)科學(xué)數(shù)據(jù)中心（http：//westdc.westgis.ac.cn）下載。整個(gè)數(shù)據(jù)集覆蓋范圍在60°～160°E，0°～65°N 之間，將整個(gè)中國(guó)地區(qū)都覆蓋在內(nèi)，數(shù)據(jù)集較為龐大。該數(shù)據(jù)集已經(jīng)有發(fā)行了4個(gè)版本，本次研究利用的CMADS V1.1 版本，該數(shù)據(jù)集的空間分辨率為0.25°×0.25°，時(shí)間跨度為2008年到2016年。CMADS 數(shù)據(jù)中氣溫、氣壓、比濕、風(fēng)速驅(qū)動(dòng)數(shù)據(jù)采用了2421個(gè)國(guó)家級(jí)自動(dòng)站和業(yè)務(wù)考核的39 439 個(gè)區(qū)域自動(dòng)站，2008年1月以來(lái)地面基本氣象要素逐小時(shí)觀測(cè)數(shù)據(jù)以及相應(yīng)時(shí)期的臺(tái)站信息（臺(tái)站經(jīng)緯度、海拔高度）。利用多重網(wǎng)格三維變分方法（STMAS），在NCEP/GFS 背景場(chǎng)基礎(chǔ)上制作地面基本要素分析場(chǎng)。其中，中國(guó)區(qū)域以外，只對(duì)NCEP/GFS 背景數(shù)據(jù)做地形調(diào)整、變量診斷并插值到分析格點(diǎn)；中國(guó)區(qū)域以內(nèi)，利用STMAS 算法，將經(jīng)過(guò)前處理的NCEP/GFS 背景數(shù)據(jù)和自動(dòng)站觀測(cè)融合，并與中國(guó)區(qū)域以外的數(shù)據(jù)進(jìn)行拼接。通過(guò)ArcGIS提取長(zhǎng)江源區(qū)范圍內(nèi)的所有站點(diǎn)的CMADS數(shù)據(jù)，由于該數(shù)據(jù)集不需要進(jìn)行數(shù)據(jù)格式轉(zhuǎn)化，可以直接被SWAT模型利用。長(zhǎng)江源區(qū)CMADS數(shù)據(jù)點(diǎn)集如圖2所示。

圖2 長(zhǎng)江源區(qū)CMADS點(diǎn)數(shù)據(jù)集Fig.2 Point CMADS data set of the source region of the Yangtze River

2.2 空間數(shù)據(jù)

SWAT 模型屬于分布式水文模型，其建模需要流域下墊面數(shù)據(jù)，其中包括：數(shù)字高程數(shù)據(jù)（DEM），該數(shù)據(jù)主要用來(lái)進(jìn)行子流域劃分，及確定流域河道；另外兩個(gè)地理空間數(shù)據(jù)為土地利用數(shù)據(jù)和土壤數(shù)據(jù)，兩數(shù)據(jù)結(jié)合來(lái)確定水文響應(yīng)單元（HRU），同一水文響應(yīng)單元內(nèi)進(jìn)行一致的水文計(jì)算。其中DEM 數(shù)據(jù)通過(guò)USGS（United States Geological Survey）下載90 m 分辨率的SRTM（Shuttle Radar Topography Mission）DEM 數(shù)據(jù)；土地利用數(shù)據(jù)通過(guò)中國(guó)科學(xué)院地理科學(xué)與資源研究所資源環(huán)境數(shù)據(jù)云平臺(tái)下載青海省2015年土地利用數(shù)據(jù)。該土地利用數(shù)據(jù)將土地利用類型分為耕地、林地、草地、水域、居民地和未利用土地6個(gè)一級(jí)類型以及25 個(gè)二級(jí)類型。土壤數(shù)據(jù)來(lái)自世界土壤數(shù)據(jù)庫(kù)（Harmonized World Soil Database version 1.2），通過(guò)黑河計(jì)劃數(shù)據(jù)管理中心（http：//westdc.westgis.ac.cn）獲取，需要用戶根據(jù)研究區(qū)土壤信息建立用戶自己的土壤數(shù)據(jù)庫(kù)，本次研究的長(zhǎng)江源區(qū)由于自然環(huán)境惡劣，土壤發(fā)育程度淺，主要是冰川土，將源區(qū)土壤類型重新分為5類。由于需要計(jì)算流域面積及SWAT 模型要求數(shù)據(jù)具有投影坐標(biāo)系，將三類空間數(shù)據(jù)統(tǒng)一投影到Albers WGS_1984坐標(biāo)系中。土地利用數(shù)據(jù)及土壤數(shù)據(jù)如圖3所示。

圖3 長(zhǎng)江源區(qū)土地利用和土壤類型圖Fig.3 Land use and soil types of the source region of the Yangtze River

2.3 SWAT模型

SWAT（Soil and Water Assessment Tool）模型是一個(gè)典型的分布式水文模型，它以日為時(shí)間步長(zhǎng)，采用離散化的方式描述流域內(nèi)水文要素等參數(shù)的空間差異，可以模擬大流域的徑流、泥沙和營(yíng)養(yǎng)物質(zhì)等的輸移，也可以預(yù)測(cè)人類活動(dòng)對(duì)水、沙、農(nóng)業(yè)、化學(xué)物質(zhì)的長(zhǎng)期影響。由于SWAT模型物理基礎(chǔ)強(qiáng)、模塊結(jié)構(gòu)清晰、計(jì)算高效、具有友好的用戶界面并將空間數(shù)據(jù)集成于ArcGIS 中進(jìn)行處理，功能強(qiáng)大，使用方便，在世界范圍內(nèi)得到廣泛應(yīng)用和發(fā)展。

SWAT 模型由701 個(gè)方程和1 013 個(gè)中間變量組成，是一個(gè)具有很強(qiáng)物理機(jī)制的長(zhǎng)時(shí)段流域水文模型，在水文模擬中不僅考慮了氣象、水文、生物等自然過(guò)程，而且考慮了城市擴(kuò)張、農(nóng)業(yè)種植、土地利用變化等人為影響。其模擬的流域水文過(guò)程可以分為子流域模塊和演算模塊兩個(gè)部分。子流域模塊即產(chǎn)流和坡面匯流部分，控制每個(gè)子流域內(nèi)主河道的徑流、泥沙、營(yíng)養(yǎng)物質(zhì)等的輸入量；演算模塊即河道匯流部分，決定徑流、泥沙等物質(zhì)從河網(wǎng)向流域出口的輸移運(yùn)動(dòng)。整個(gè)水分循環(huán)遵循水量平衡原理，具體計(jì)算公式為：

式中：swt表示t時(shí)刻的土壤含水量，mm；sw0表示初始時(shí)刻的土壤含水量，mm；Rday表示第i天的降水量，mm；Qsurf表示第i天的地表徑流量，mm；Ea表示第i天的蒸散量，mm；Wseep表示第i天土壤測(cè)流量，mm；Qgw表示第i天的地下水徑流量，mm。

利用氣象數(shù)據(jù)，空間數(shù)據(jù)，構(gòu)建長(zhǎng)江源區(qū)SWAT 模型，并對(duì)源區(qū)日徑流量進(jìn)行模擬。

3 結(jié)果分析

3.1 評(píng)價(jià)標(biāo)準(zhǔn)

本研究采用月模擬徑流與實(shí)測(cè)徑流的相對(duì)誤差Re、相關(guān)系數(shù)R2和Nash-Sutcliffe 效率系數(shù)NS三個(gè)目標(biāo)函數(shù)來(lái)表征模型的模擬效率，其計(jì)算公式如下：

3.2 率定期和驗(yàn)證期模擬結(jié)果

首先對(duì)長(zhǎng)江源區(qū)建立的SWAT 模型進(jìn)行率定，率定采用實(shí)測(cè)氣象站插值數(shù)據(jù)進(jìn)行，率定采用SWAT-CUP 中的Sufi-2 算法。由于只對(duì)長(zhǎng)江源區(qū)的徑流進(jìn)行模擬，所以只選擇了與產(chǎn)匯流有關(guān)的參數(shù)。參數(shù)率定結(jié)果及敏感性如表1所示。

表1 SWAT模型參數(shù)率定結(jié)果表Tab.1 The parameters calibration results of the SWAT model

以2008年作為模型的預(yù)熱期，2009-2013年作為模型的率定期，2014-2016年作為模型驗(yàn)證期。率定期和驗(yàn)證期模型模擬效果指標(biāo)如表2所示。率定期納什效率系數(shù)為0.682，驗(yàn)證期效果略差，納什效率系數(shù)為0.615。率定期模擬的徑流量將實(shí)測(cè)徑流量相對(duì)誤差較大，相對(duì)誤差為12.322%，驗(yàn)證期相對(duì)誤差較少為7.105%。率定期相關(guān)系數(shù)為0.788，驗(yàn)證期相關(guān)系數(shù)為0.692。整體來(lái)說(shuō)SWAT 模型能夠模擬出長(zhǎng)江源區(qū)徑流過(guò)程，但模擬效果一般，不是太高。

表2 長(zhǎng)江源區(qū)率定期和驗(yàn)證期統(tǒng)計(jì)結(jié)果表Tab.2 Statics results of calibration and validation period in the source region of the Yangtze River

圖4 為模擬徑流與實(shí)測(cè)徑流過(guò)程，從圖中可以看出模擬徑流與實(shí)測(cè)徑流變化基本一致，長(zhǎng)江源區(qū)實(shí)測(cè)徑流洪峰時(shí)期，徑流呈陡漲陡落現(xiàn)象明顯，且呈現(xiàn)多峰徑流過(guò)程，這也造成了模型對(duì)徑流模擬的難度。模型對(duì)水文過(guò)程的模擬除了與輸入變量的質(zhì)量有關(guān)外還與模型自身對(duì)水文過(guò)程的處理概化能力有關(guān)。整體來(lái)說(shuō)SWAT模型還是能夠模擬出長(zhǎng)江源區(qū)徑流過(guò)程。

圖4 率定期和驗(yàn)證期長(zhǎng)江源區(qū)徑流過(guò)程對(duì)比Fig.4 Comparison of calibration and validation period runoff process in the source region of the Yangtze River

3.3 CMADS數(shù)據(jù)模擬結(jié)果

圖5 為CMADS 數(shù)據(jù)驅(qū)動(dòng)下和4 個(gè)實(shí)測(cè)氣象站驅(qū)動(dòng)下的徑流過(guò)程比較。從圖5 中可以看出4 個(gè)氣象站數(shù)據(jù)驅(qū)動(dòng)下模擬的徑流過(guò)程與實(shí)測(cè)徑流過(guò)程更為接近，而CMADS 數(shù)據(jù)驅(qū)動(dòng)下模擬的徑流量偏少。模擬徑流與實(shí)測(cè)徑流變化趨勢(shì)基本一致。從表3 的統(tǒng)計(jì)指標(biāo)來(lái)看4 氣象站數(shù)據(jù)驅(qū)動(dòng)下模擬的徑流（2009-2016）納什效率系數(shù)為0.633，而利用CMADS數(shù)據(jù)驅(qū)動(dòng)下模擬的徑流（2009-2016）納什效率系數(shù)為0.447。CMDAS 數(shù)據(jù)驅(qū)動(dòng)下模擬的徑流量偏少，相對(duì)誤差系數(shù)達(dá)-30.417%，相關(guān)系數(shù)也不是很高，只有0.521。3個(gè)評(píng)價(jià)指標(biāo)顯示CMADS數(shù)據(jù)對(duì)SWAT模型模擬長(zhǎng)江源區(qū)徑流過(guò)程還是比較差的，有待改進(jìn)和調(diào)整。

表3 徑流模擬結(jié)果統(tǒng)計(jì)分析Tab.3 Statics of simulated runoff

圖5 CMADS數(shù)據(jù)與4氣象站數(shù)據(jù)驅(qū)動(dòng)下模擬徑流對(duì)比Fig.5 Runoff comparison driven by CMADS and four meteorological stations data

3.4 CMADS降水氣溫與實(shí)測(cè)站點(diǎn)對(duì)比

按照最近距離法找出與4個(gè)氣象站最為接近的4個(gè)CMADS數(shù)據(jù)點(diǎn)（圖2）。將實(shí)測(cè)降水氣溫?cái)?shù)據(jù)（2008-2016）與CMADS 點(diǎn)數(shù)據(jù)的降水氣溫進(jìn)行對(duì)比分析。圖6 為4 個(gè)氣象站實(shí)測(cè)降水與CMADS點(diǎn)降水進(jìn)行比較，整體來(lái)說(shuō)降水大小和降水集中時(shí)間兩者間趨于一致。從表4 的統(tǒng)計(jì)結(jié)果看，除了與玉樹(shù)站接近的133～149 點(diǎn)降水比實(shí)測(cè)多外，其他3 個(gè)CMADS 數(shù)據(jù)點(diǎn)的降水量都少于實(shí)測(cè)降水。納什效率系數(shù)和相關(guān)系數(shù)都比較差，表明CMADS降水?dāng)?shù)據(jù)與實(shí)測(cè)降水過(guò)程還是存在較大的差異。

表4 實(shí)測(cè)降水與CMADS點(diǎn)降水統(tǒng)計(jì)分析Tab.4 Statics of measured and CMADS point precipitation

圖6 實(shí)測(cè)降水與CMADS點(diǎn)降水比較Fig.6 Comparation between measured and CMADS points precipitation

圖7 顯示了4 個(gè)氣象站記錄的實(shí)測(cè)日最高最低氣溫與CMADS點(diǎn)最高最低氣溫的過(guò)程圖。從圖中可以看出CMADS點(diǎn)最高最低氣溫與實(shí)測(cè)最高最低氣溫變化趨勢(shì)基本一致，個(gè)別年份出現(xiàn)明顯偏大偏小現(xiàn)象。表5 為兩者的統(tǒng)計(jì)結(jié)果，從表5 的相對(duì)誤差來(lái)看，玉樹(shù)站與133～149 點(diǎn)間最高最低氣溫都差距較大，CMADS 點(diǎn)最高氣溫都較實(shí)測(cè)偏低，最低氣溫與實(shí)測(cè)最低氣溫相差較小，除了玉樹(shù)站。CMADS點(diǎn)氣溫與氣象站實(shí)測(cè)氣溫的相關(guān)系數(shù)和納什系數(shù)都較高，滿足一定的精度水平。整體來(lái)說(shuō)CMADS數(shù)據(jù)在長(zhǎng)江源區(qū)的降水?dāng)?shù)據(jù)與實(shí)測(cè)數(shù)據(jù)偏差過(guò)大，而氣溫?cái)?shù)據(jù)精度較高。

表5 實(shí)測(cè)氣溫與CMADS點(diǎn)氣溫統(tǒng)計(jì)分析Tab.5 Statics of measured and CMADS point temperature

圖7 實(shí)測(cè)氣溫與CMADS點(diǎn)氣溫比較Fig.7 Comparation between measured and CMADS point temperature

4 結(jié) 論

本文通過(guò)構(gòu)建長(zhǎng)江源區(qū)SWAT模型，來(lái)驗(yàn)證CMADS數(shù)據(jù)在長(zhǎng)江源區(qū)的適用性，及分析了數(shù)據(jù)中降水氣溫與實(shí)測(cè)降水氣溫間的差異，具體結(jié)論如下。

（1）SWAT模型在長(zhǎng)江源區(qū)具有一定的適用性，率定期納什效率系數(shù)為0.682，驗(yàn)證期納什效率系數(shù)為0.615。CMADS 數(shù)據(jù)在長(zhǎng)江源區(qū)適用性較差，整體的納什效率系數(shù)為0.447，模擬的徑流量偏少。

（2）CMADS 降水?dāng)?shù)據(jù)與站點(diǎn)實(shí)測(cè)降水?dāng)?shù)據(jù)相差較大，相關(guān)系數(shù)和納什效率系數(shù)都較低；CMADS氣溫?cái)?shù)據(jù)與站點(diǎn)實(shí)測(cè)氣溫?cái)?shù)據(jù)較為接近，相關(guān)系數(shù)和納什效率系數(shù)都有著較高水平。

（3）整體來(lái)說(shuō)CMADS 數(shù)據(jù)在長(zhǎng)江源區(qū)的適應(yīng)性偏差，這主要是由于數(shù)據(jù)的降水值與實(shí)測(cè)差距偏大有關(guān)，且由于長(zhǎng)江源區(qū)為高原高寒山區(qū)，水文氣候條件復(fù)雜，也會(huì)影響水文模擬精度。CMADS數(shù)據(jù)是插值數(shù)據(jù)，難以避免會(huì)減少缺乏實(shí)測(cè)氣象站點(diǎn)地區(qū)數(shù)據(jù)的精度。 □