CMADS在玉龍喀什河徑流模擬中的適用性研究

駱成彥， 陳伏龍， 何朝飛， 龍愛華,2， 喬長錄

（1.石河子大學(xué)水利建筑工程學(xué)院，新疆 石河子 832000；2.中國水利水電科學(xué)研究院流域水循環(huán)模擬與調(diào)控國家重點實驗室，北京 100038）

玉龍喀什河位于和田流域，屬于西北內(nèi)陸干旱區(qū)，水資源嚴(yán)重制約著該區(qū)域的經(jīng)濟發(fā)展，在近50 a來和田流域的氣候特征有了明顯的變化，洪水和干旱等極端氣候頻繁發(fā)生，嚴(yán)重影響了人類活動［1］，亟需精確的水文模型來模擬預(yù)測該流域的地表徑流，為水資源和洪水風(fēng)險管理提供科學(xué)指導(dǎo)［2-3］。通常，水文模型采用地面氣象站收集的氣象數(shù)據(jù)來進(jìn)行水文過程和徑流預(yù)測的研究［4］。但由于環(huán)境特殊、技術(shù)條件落后等因素，在西北內(nèi)陸干旱區(qū)，尤其是高寒山區(qū)地面氣象測站稀疏，甚至無地面氣象站，即使有測站的地方也存在不同程度的缺測記錄［5］。因此，地面氣象數(shù)據(jù)的不完備嚴(yán)重制約著水文模型的模擬精度，迫切需要更高分辨率的氣象數(shù)據(jù)驅(qū)動水文模型。

目前，有2種高分辨率氣象數(shù)據(jù)：一種是全球氣候模式或區(qū)域氣候模式的降尺度數(shù)據(jù)，另一種是大氣再分析數(shù)據(jù)集［6］。相比于前一種，大氣再分析數(shù)據(jù)由于其覆蓋范圍廣和更高分辨率的優(yōu)點成為驅(qū)動水文模型的首選，被國內(nèi)外學(xué)者廣泛使用于各類水文模型模擬研究［7］。大氣再分析數(shù)據(jù)是由地面實測數(shù)據(jù)和氣象衛(wèi)星數(shù)據(jù)再結(jié)合的氣候模式，在真實的環(huán)流場強迫下，通過數(shù)據(jù)同化等技術(shù)制作得到歷史氣象數(shù)據(jù)集［8］。國際上使用較為廣泛的主要有美國NCEP 氣候再分析數(shù)據(jù)［Climate Forecast System Reanalysis（CFSR）、National Center for Atmospheric Research（NCAR）］、美國國家航空航天局再分析產(chǎn)品（Modern-Era Retrospective Analysis for Research and Applications，MERRA）、歐洲中期天氣預(yù)報中心（European Centre for Medium-Range Weather Forecast，ECMWF）的EAR-Inter-Im、EAR-15、EAR-40和中國大氣同化數(shù)據(jù)集CMADS 等［9-11］。許多學(xué)者對CMADS在中國不同地區(qū)的適用性進(jìn)行了驗證，在中國西部地區(qū)，孟現(xiàn)勇等［12］以黑河流域為例，使用CMADS、CFSR 和TWS 再分析數(shù)據(jù)驅(qū)動SWAT 水文模型，系統(tǒng)地分析了3 類再分析數(shù)據(jù)對黑河流域水文過程的影響，結(jié)果表明使用CMADS 再分析數(shù)據(jù)集的徑流模擬效果均優(yōu)于其他2 個；張利敏等［13］使用CMADS 驅(qū)動SWAT 模型研究了其在遼寧渾河流域的適用性，認(rèn)為CMADS 能夠很好地表現(xiàn)下墊面地 形 特 征；Jun 等［6］和 劉 兆 晨 等［14］對 比 分 析 了CMADS 和CFSR 的氣候要素與氣象站的觀測值，并結(jié)合SWAT 模型模擬水文過程，研究表明CMADS+SWAT 模式的模擬效果最優(yōu)。通過以上多地區(qū)、多方面的對比應(yīng)用研究，基于衛(wèi)星和再分析降水?dāng)?shù)據(jù)的廣泛應(yīng)用，極大地促進(jìn)了地面實測氣象站點稀少地區(qū)的水文氣象研究，且CMADS 再分析數(shù)據(jù)集比其他再分析數(shù)據(jù)集表現(xiàn)出更高模擬潛力。

玉龍喀什河流域地形復(fù)雜，屬于典型的高寒山區(qū)，流域內(nèi)無氣象站點分布，不能滿足分布式水文模型模擬的氣象驅(qū)動要求，必須利用氣候模式或再分析資料作為流域內(nèi)氣象替代數(shù)據(jù)。CMADS 作為適應(yīng)于分布式水文模型的氣象驅(qū)動數(shù)據(jù)，還尚未在中國西北寒旱區(qū)玉龍喀什河流域得到充分的研究，需要評估其在研究區(qū)模擬氣溫和降水的能力，為玉龍喀什河流域水文模型的構(gòu)建提供備選數(shù)據(jù)集，對研究該流域水資源的形成和分布規(guī)律，理解高寒山區(qū)水文循環(huán)過程具有重要科學(xué)意義，對促進(jìn)玉龍喀什河流域水資源合理利用和防范夏洪春旱等自然災(zāi)害提供一定科學(xué)指導(dǎo)。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

玉龍喀什河（以下簡稱玉河）為和田河源流（東支）之一，位于塔里木盆地南緣，發(fā)源于昆侖山北坡，自南向北流經(jīng)和田綠洲，經(jīng)出山口同古孜洛克水文站（79.91609°E，36.81055°N）與喀拉喀什河（西支）并行，在下游于闊什拉什匯流入和田河，最終注入塔里木河，全長504 km［15-16］。研究區(qū)位于玉龍喀什河上游河源產(chǎn)流區(qū)（77.25°～81.75°E，34.75°～36.25°N，圖1），地勢南高北低，落差極大，集水面積為14887 km2；研究區(qū)屬于內(nèi)陸干旱區(qū)，氣候干燥、降水稀少，蒸發(fā)強烈［17］，玉河出山口同古孜洛克水文站日均氣溫12.7 ℃，年均降水94.2 mm［18］。玉河地表徑流補給主要依靠冰川積雪融水及部分高山降水，平均年徑流量為22.6×108m3，年際、年內(nèi)變化大，6—9 月為玉河洪水期，其地表徑流量占到全年的80%，最大年徑流超出平均徑流64.2%，最小年徑流低于平均徑流34.9%。

圖1 研究區(qū)地形及站點分布Fig.1 Topography and station distribution of the study area

1.2 數(shù)據(jù)來源與處理

1.2.1 氣象數(shù)據(jù) 氣象數(shù)據(jù)作為分布式水文模型的主要驅(qū)動數(shù)據(jù)，其精確性與完整性至關(guān)重要［19］。由于研究區(qū)位于高寒山區(qū)，地形復(fù)雜多變，研究區(qū)內(nèi)沒有相應(yīng)的氣象觀測站，只有同古孜洛克水文站，但該站位于流域邊緣平原處，無法替代整個流域的氣溫降水情況，故本文采用中國大氣同化驅(qū)動數(shù)據(jù)集CMADS V1.1 版本作為SWAT 模型的氣象驅(qū)動數(shù)據(jù)［20］。CMADS 數(shù)據(jù)集數(shù)據(jù)源為國家級自動氣象站觀測數(shù)據(jù)，包括測站的經(jīng)緯度和海拔高度以及降水、氣溫、氣壓、比濕、輻射和風(fēng)速等氣象要素數(shù)據(jù)，

融合衛(wèi)星數(shù)據(jù)產(chǎn)品，利用多重網(wǎng)格三維變分、循環(huán)嵌套、重采樣等方法，并以NCEP/GFS再分析數(shù)據(jù)為背景場做地形調(diào)整并插值到0.25°×0.25°格點上［20］。CMADS 數(shù)據(jù)集已按照SWAT 模型氣象數(shù)據(jù)輸入格式進(jìn)行了調(diào)整，不需要建立每個站點的天氣發(fā)生器數(shù)據(jù)庫，只需建立研究區(qū)的氣象站索引表。研究區(qū)內(nèi)CMADS站點分布見圖1，數(shù)據(jù)來源見表1。

1.2.2 下墊面數(shù)據(jù) SWAT 模型所需下墊面數(shù)據(jù)包括DEM 數(shù)字高程、土地利用數(shù)據(jù)、土壤數(shù)據(jù)（表1）。DEM數(shù)字高程是獲取研究區(qū)地形地貌、坡度的重要依據(jù)，用以生成河網(wǎng)水系、劃分子流域及確定流域邊界［21］，經(jīng)過SWAT 模型處理生成的玉河水系以及流域邊界（圖1）；土地利用數(shù)據(jù)是反映研究區(qū)某個時期的土地表面要素的空間分布狀態(tài)、地表特征以及人類對土地的開發(fā)利用的數(shù)據(jù)資料［22］，對于土地利用數(shù)據(jù)，需進(jìn)行土地利用重分類預(yù)處理，之后與SWAT模型內(nèi)部數(shù)據(jù)庫的索引表進(jìn)行鏈接。根據(jù)中

表1 數(shù)據(jù)類型及來源Tab.1 Data types and sources

國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心分類指標(biāo)和研究區(qū)實際情況，將玉河土地利用類型重分類為6類（圖2），分別是耕地、林地、草地、水域、永久性冰川雪地、裸地，其中裸地的占比最大，為49.23%；土壤數(shù)據(jù)用以反映研究區(qū)不同土壤的空間分布以及各種土壤物理屬性；通過對世界土壤數(shù)據(jù)庫的研究區(qū)范圍裁剪以及重分類后，得到研究區(qū)的土壤類型空間分布（圖3），其中永凍薄層土占比最大，為36.04%；對于土壤物理屬性，部分土壤基本數(shù)據(jù)可以從HWSD土壤數(shù)據(jù)庫獲得，如土壤各粒徑成分的含量、碳酸鹽含量、有機碳含量等，大部分?jǐn)?shù)據(jù)無法直接測得，需通過SPAW 軟件的Soil Water Characteristic模塊計算參數(shù)，如土壤濕密度、土壤有效含水量、飽和水力傳導(dǎo)系數(shù)等。

圖2 土地利用類型Fig.2 Land use types

圖3 土壤類型Fig.3 Soil types

1.3 研究方法

1.3.1 SWAT 模型設(shè)置 SWAT 模型是由美國農(nóng)業(yè)部農(nóng)業(yè)研究中心開發(fā)的基于流域尺度的一個長時段分布式流域水文模型，可以直接模擬水流、泥沙等物理過程［23］，可以定量化的輸入?yún)?shù)（如氣候、植被等變化）以研究對徑流等的影響［24-25］。根據(jù)研究區(qū)實際情況，設(shè)置流域面積劃分閥值為25000 hm2，將流域劃分為53 個子流域，子流域平均面積為280.88 km2；將流域劃分為1863 個水文響應(yīng)單元HRU（Hydrologic Response Unit）。在加載2008—2016 年CMADS 氣象驅(qū)動數(shù)據(jù)之后，建立SWAT 月徑流模型，設(shè)置2008—2009 年為預(yù)熱期，2010—2012年為模型參數(shù)率定期，2013—2016年為模型驗證期。

模型參數(shù)的率定采用SWAT-CUP（SWAT Calibration and Uncertainty Program）軟件，此軟件專門用于SWAT 模型的參數(shù)敏感性分析、模型的率定以及不確定性分析［26-27］。通過比較SWAT-CUP所提供的5種算法，SUFI-2算法結(jié)合了不確定性分析與優(yōu)化，并使用拉丁超立方抽樣方法處理參數(shù)，具有運行簡單、計算效率高以及可靈活選擇目標(biāo)函數(shù)等優(yōu)點［28-30］。故本文選用SWAT-CUP提供的SUFI-2算法，并選擇納什效率系數(shù)（Nash-Sutcliffe Efficiency Coefficient，NSE）為目標(biāo)函數(shù)來率定模型參數(shù)，利用t-Stat 值和P-Value值進(jìn)行模型參數(shù)敏感性檢驗。

1.3.2 CMADS 數(shù)據(jù)集評價方法 為評價CMADS 數(shù)據(jù)集在研究區(qū)的模擬精度，選取距離同古孜洛克水文站最近的CMADS 的148-81（80.03125°E，36.78125°N）站點進(jìn)行分析。因同古孜洛克水文站僅有逐日降水以及日平均氣溫，故只評價CMADS數(shù)據(jù)集與觀測站點的降水與平均氣溫。對于平均氣溫主要采用相關(guān)系數(shù)、均方根誤差和相對誤差3項指標(biāo)；而對于降水為了全面表征CMADS 數(shù)據(jù)集在該地區(qū)模擬的效果，增加了探測率、誤報率和臨界成功指數(shù)3項指標(biāo)，具體公式如表2。

1.3.3 徑流模擬效果評價方法 對SWAT模型的徑流模擬精度采用納什效率系數(shù)、模型決定系數(shù)和相對誤差3類指標(biāo)進(jìn)行評價，具體公式如表2。

表2 精度評價公式Tab.2 Accuracy evaluation formula

2 結(jié)果與分析

2.1 CMADS精度及時空分布特征評價

2.1.1 CMADS 精度及評價 降水?dāng)?shù)據(jù)的精度很大程度上決定了模型的徑流模擬效果，為直觀分析CMADS 降水?dāng)?shù)據(jù)與研究區(qū)同古孜洛克水文站實測降水的擬合程度，作日尺度降水過程線（圖4）。由圖4可以看出，CMADS降水所表現(xiàn)出的峰值以及峰值出現(xiàn)的時間與觀測降水在大部分年份都有較好的對應(yīng)，但在個別年份存在峰值模擬效果較差，如在2010—2011 年出現(xiàn)明顯的錯峰現(xiàn)象，在2013—2014 年CMADS 的降水峰值明顯低于實測降水，說明CMADS 對連續(xù)的極端降水和變化劇烈的降水事件的模擬性能較差。

圖4 同古孜洛克水文站與CMADS 148-81格點日降水過程對比Fig.4 Comparison of precipitation process of Tongguziluoke hydrological station between and grid 148-81 of CMADS

為定量評估CMADS 降水?dāng)?shù)據(jù)的擬合效果，作散點圖進(jìn)行線性擬合（圖5）。CMADS 降水與實測降水的相關(guān)系數(shù)CC為0.65，兩者之間具有較強的線性相關(guān)性；相對誤差RE為24.67%大于0，CMADS降水與實測降水?dāng)?shù)據(jù)年均降水量分別為97.77 mm 與91.03 m，CMADS 對實測降水有所高估，但相差僅6.74 mm；均方根誤差RMSE 為1.14，表明兩者之間誤差較?。惶綔y率POD、誤報率FAR 和臨界成功指數(shù)CSI分別為0.87、0.25和0.68，說明CMADS對于實際降水事件發(fā)生的概率擬合準(zhǔn)確性較高?？傮w而言，CMADS降水?dāng)?shù)據(jù)不論在降水量還是降水事件再現(xiàn)的模擬上，都有著較好的表現(xiàn)，CMADS 降水?dāng)?shù)據(jù)在研究區(qū)有較高的精度和可靠性，加上其覆蓋全面，分辨率高的特點，可在研究區(qū)代替實測降水?dāng)?shù)據(jù)驅(qū)動SWAT水文模型進(jìn)行徑流的模擬。

圖5 同古孜洛克水文站與CMADS的148-81格點降水散點圖Fig.5 Precipitation scatter diagram of Tongguziluoke hydrological station between and grid 148-81 of CMADS

氣溫作為SWAT模型必不可少的氣象數(shù)據(jù)輸入項，決定著SWAT 模型降水形態(tài)的轉(zhuǎn)變以及融雪速度和融雪水量。研究區(qū)屬于內(nèi)陸高寒山區(qū)，融雪是徑流的重要組成部分，故對融雪模擬的效果也將對最終徑流的模擬效果產(chǎn)生很大的影響。相對于降水來說，CMADS數(shù)據(jù)集對氣溫的擬合效果要優(yōu)于降水。從氣溫擬合散點圖（圖6和圖7）可知，對于最高氣溫和最低氣溫的擬合，CMADS氣溫與實測最高氣溫與最低氣溫之間的相關(guān)系數(shù)CC分別達(dá)到了0.998與0.995，CMADS 氣溫與實測氣溫之間具有相當(dāng)高的線性相關(guān)性；相對誤差RE 分別為11.22%與16.52%均大于零，CMADS 對實際氣溫是低估的；均方根誤差RMSE 分別為1.787 和1.75，CMADS 對實際氣溫的模擬誤差較小。通過以上指標(biāo)分析，CMADS 對于氣溫的模擬具有相當(dāng)高的精度和可靠性，可用于研究區(qū)作為SWAT 模型的氣象驅(qū)動數(shù)據(jù)來模擬徑流。

圖6 同古孜洛克水文站與CMADS的148-81格點最高氣溫散點圖Fig.6 Maximum temperature scatter diagram of Tongguziluoke hydrological station between and grid 148-81 of CMADS

圖7 同古孜洛克水文站與CMADS的148-81格點最低氣溫散點圖Fig.7 Minimum temperature scatter diagram of Tongguziluoke hydrological station between and grid 148-81 of CMADS

2.1.2 CMADS降水氣溫時空分布特征評價 SWAT模型作為分布式水文模型，不僅對輸入數(shù)據(jù)精度有較高的要求，而且對氣溫與降水的空間分布特征也有較高的要求。從地形圖（圖1）可以看出，研究區(qū)地形復(fù)雜，海拔變化大，36°15′N為流域的高程劃分線，其下至流域出水口，是山前沖積扇平原區(qū)，地勢平坦；其上至流域邊界，海拔均在3000 m以上，是冰川積雪的主要覆蓋地，溝壑交錯。為充分考慮地形對降水和氣溫的影響，采用ArcGIS中地統(tǒng)計處理模塊的協(xié)同克里金法對CMADS 的氣溫與降水進(jìn)行空間插值，協(xié)同克里金插值是基于高程利用區(qū)域化變量的原始數(shù)據(jù)和變異函數(shù)的結(jié)構(gòu)特點，對未采樣點的區(qū)域化變量的取值進(jìn)行線性無偏、最優(yōu)估計［31］。

對于降水，從時間分布上來看（圖8），年內(nèi)降水主要集中于夏季，夏季流域降水量占全年總降水量的38.03%，春季降水最少，占全年總降水量的18.52%；從空間分布來看，降水并未表現(xiàn)出明顯的隨海拔升高而降水量增加的趨勢，四季的結(jié)果均表現(xiàn)出強烈的地形特征的降水集中區(qū)，圖8 中所表現(xiàn)的降水集中區(qū)剛好位于流域內(nèi)一處開口向東的馬蹄形盆地，氣流從東面開口進(jìn)入，使氣流輻合上升，形成地形雨。此外，四季均存在一條20～30 mm 的降水分割帶，該降水帶主要沿昆侖山脈走勢分布。以北由于昆侖山阻擋了南來的暖空氣，造成高山區(qū)降水較少；同時，該降水帶的移動也表征了四季的變換?？傮w而言，CMADS降水?dāng)?shù)據(jù)的空間分布能夠較好地反映研究區(qū)的地形特征。

對于氣溫，從時間分布來看（圖8），日最高氣溫均值出現(xiàn)在秋季，達(dá)到28 ℃，日最低氣溫均值出現(xiàn)在春季和冬季，達(dá)到-28 ℃；以日最高氣溫均值為例，自春季開始，4～8 ℃氣溫帶逐漸向南轉(zhuǎn)移，秋季到達(dá)流域中部，之后再次轉(zhuǎn)移到流域最北端，此為年內(nèi)的氣溫循環(huán)。從空間分布來看，整體上呈現(xiàn)出隨海拔升高氣溫降低的趨勢，氣溫直減率約為-1.56 ℃·km-1，其符合高寒山區(qū)的氣溫直減率［32］。另外，四季氣溫空間分布均存在一個氣溫低值區(qū)，位置恰好位于降水集中區(qū)，并在此區(qū)域形成環(huán)狀氣溫帶，易形成氣流輻合，從另一方面說明了該區(qū)域為降水集中區(qū)的原因。通過以上對降水和氣溫的時空分布特征分析，說明CMADS 很好地捕捉到了地形的變化。

圖8 CMADS降水氣溫時空分布Fig.8 Temporal and spatial distribution of CMADS precipitation and temperature

2.2 模型參數(shù)率定結(jié)果

根據(jù)研究區(qū)實際情況，擬定17 個參數(shù)進(jìn)行率定，因研究區(qū)位于高寒山區(qū)，徑流補給主要為高山降水、地下水和冰川融雪，故參數(shù)主要根據(jù)徑流補給來源選擇（表3），t-Stat值表示敏感性的程度，絕對值越大越敏感；P-Value 值決定敏感性的顯著性，值越接近0，越顯著。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)先驗分布范圍之外，當(dāng)模型率定出現(xiàn)不合理參數(shù)取值時，應(yīng)對這些參數(shù)取值進(jìn)行分析和調(diào)整［33］。

表3 參數(shù)率定結(jié)果Tab.3 Parameter calibration results

在敏感性排序前5 的參數(shù)中，與融雪模塊和地下水模塊相關(guān)的參數(shù)各占2 個，其中最大融雪因子（SMFMX，北半球為6 月21 號的融雪因子）最為敏感，最優(yōu)值為5.1345 mm·℃-1·d-1；融雪基溫SMTMP為0.5 ℃，當(dāng)子流域內(nèi)的積雪溫度超過此閥值將發(fā)生融雪，以上參數(shù)值與同屬于寒旱區(qū)的開都河月尺度徑流模擬參數(shù)取值相近［34］。對于地下水模塊，基流α因子ALPHA_BF 表現(xiàn)最為敏感，它是地下水徑流對補給量變化響應(yīng)的直接指標(biāo)，率定最優(yōu)值為0.1100；其次為地下水延遲時間GW_DELAY，它表征了地下水流出土壤剖面補給地表水的時間延遲，根據(jù)尤揚等［35］在不同氣候情景下和田河上游徑流變化中，建立的SWAT月尺度模型確定參數(shù)，最終率定為329 d；TLAPS 最終率定結(jié)果為1.532 ℃·km-1，與氣溫的垂直分布特征所表現(xiàn)的結(jié)果一致。通過以上分析，SWAT-CUP 率定的各項參數(shù)和敏感性排序，與劉曉笛［15］基于SWAT 模型的和田河上游氣候和土地利用變化的水文效應(yīng)模擬研究中，所構(gòu)建的月尺度模型的參數(shù)結(jié)果較為相近，均處于合理的物理范圍內(nèi)。

2.3 徑流模擬結(jié)果及適用性評價

由表4 可知，模型在率定期和驗證期的納什系數(shù)分別達(dá)到0.845 和0.836，模型決定系數(shù)分別達(dá)到0.8562 和0.8153，驗證期此2 項指標(biāo)均有所減小。率定期和驗證期實測月徑流量均值較模擬均值分別高出7.464 m3·s-1和10.975 m3·s-1，相對誤差較率定期增大為-12.47%，模擬的均值偏低和相對誤差為負(fù)，均說明徑流的模擬值低估了實測值。但總體上來看，率定期和驗證期的各項指標(biāo)較為可觀，表明SWAT模型在該流域的徑流模擬中具有較好的適應(yīng)性。

表4 徑流模擬評價結(jié)果Tab.4 Runoff simulation evaluation results

模擬期內(nèi)模擬徑流與實測徑流曲線趨勢基本一致（圖9），在每年5 月徑流逐漸增大，于8 月達(dá)到峰值，在9月驟降，從10月開始到次年4月期間均為基流，基流天數(shù)約210 d。局部來看，存在部分誤差較大的時間點，其中最大負(fù)誤差出現(xiàn)在2012 年8月，模擬值低于實測值246.8 m3·s-1，最大正誤差出現(xiàn)在2013 年9 月，模擬值高于實測值244.3 m3·s-1，最小誤差為2010年9月，誤差僅為0.3 m3·s-1。大部分模擬值處于實測值的下方（圖9），與評價指標(biāo)中相對誤差所得到的結(jié)果一致，且低估現(xiàn)象主要出現(xiàn)在基流期和洪水期。基流期一般從冬季到次年春季末，雨季已過，且氣溫已經(jīng)降至0 ℃以下，冰川和積雪融水驟減，徑流主要由地下水補給。但研究區(qū)處于高寒山區(qū)，對于地下水的監(jiān)測和研究較少，缺少資料，無法對參數(shù)進(jìn)行準(zhǔn)確的率定，導(dǎo)致模型中地下水模塊的模擬結(jié)果不夠理想，造成模擬期基流偏低。

圖9 月徑流模擬結(jié)果Fig.9 Runoff simulation results

模擬結(jié)果表明，校準(zhǔn)期和驗證期內(nèi)，玉河徑流量模擬值和實測值之間的各項評價指標(biāo)的結(jié)果與劉曉笛［15］、羅開盛等［36］和宋玉鑫等［37］使用SWAT 模型在西北寒旱區(qū)建立的月尺度徑流模擬結(jié)果相近，均在允許范圍之內(nèi)。因此，SWAT 模型總體上適用于該區(qū)域高寒山區(qū)的水文過程模擬。

3 討論

本文的研究結(jié)果表明：氣象數(shù)據(jù)作為水文模型的輸入數(shù)據(jù)，其不確定性對徑流模擬結(jié)果有著重要的影響［25］。由于研究區(qū)的資料限制，只能使用僅有的出山口控制站同古孜洛克水文站來評價CMADS在此位置的精度，具有較大的不確定性。對于降水，其不確定性主要在于單站點的降水控制面積有限，無法代表整個流域的實際降水情況，包括降水強度變化、降水位置以及降水事件的發(fā)生［23］，降水站點密度對水文建模具有一定影響［38］；對于氣溫，研究區(qū)海拔變化幅度大，且存在冰川積雪，實際氣溫的變化無法得到測量，所以無法準(zhǔn)確評估CMADS降水和氣溫時空變異性。在評價CMADS 的時空分布特征時，使用協(xié)同克里金插值對未采樣點的區(qū)域進(jìn)行取值，得到的結(jié)果雖然是一個最優(yōu)估計值，但并不能反映未采樣點的實際值，其空間分布特征也存在一定誤差，可進(jìn)一步引入海拔、坡向、坡度等因子，提高插值精度［39］。整體而言，CMADS 在精度以及時空特征分布方面均有著良好的表現(xiàn)，用以驅(qū)動SWAT 模型模擬研究區(qū)的徑流，其結(jié)果有著較高的可靠性。

本文使用2008—2012 的實測徑流率定SWAT模型，并以率定好的模型驗證2013—2017的實測徑流，結(jié)果表明驗證期的指標(biāo)較率定期的差，模擬效果較差不僅是因為產(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，還與率定徑流序列過短導(dǎo)致率定期模型水文過程表征不準(zhǔn)確有關(guān)［33］。SWAT水文模型作為分布式水文模型，盡管在結(jié)構(gòu)上考慮了融雪和凍土對水文循環(huán)的影響［38］，擁有較多的物理參數(shù)，有著相對完善的水文循環(huán)過程，但是由于缺乏冰川模塊，在夏季汛期缺少冰川融水資料，故造成模擬過程中模擬極值達(dá)不到實測極值。孫銘悅等［40］使用格點數(shù)據(jù)驅(qū)動HBV 水文模型在西北寒旱區(qū)呼圖壁河流域的日尺度徑流模擬中，同樣存在模擬極值低于實測徑流極值的現(xiàn)象。祖拜代·木依布拉等［41］使用單站點構(gòu)建了烏魯木齊河上游的月尺度SWAT模型，驗證期決定系數(shù)僅為0.75，且相對誤差高達(dá)22.20%，相比之下，本文以CMADS格點數(shù)據(jù)驅(qū)動SWAT模型在寒旱區(qū)的徑流模擬效果要更好，故CMADS+SWAT 模型在寒旱區(qū)玉河流域有著較好的適用性。

4 結(jié)論

本文基于研究區(qū)DEM、2010年土地利用和土壤數(shù)據(jù)，構(gòu)建了玉龍喀什河產(chǎn)流區(qū)的SWAT模型，驗證了CMADS 再分析數(shù)據(jù)集的精度和空間分布特征，模擬了研究區(qū)的月尺度徑流，得出如下主要結(jié)論：

（1）總體上CMADS 再分析數(shù)據(jù)的精度和可靠性較好，可替代無站點流域作為氣象數(shù)據(jù)驅(qū)動水文模型。氣溫的模擬效果優(yōu)于降水，降水大部分模擬值與實測值較為接近，CMADS再分析數(shù)據(jù)的時空分布特征基本符合實際，能夠準(zhǔn)確地捕捉到下墊面的地形特征變化，但CMADS 對于極端的氣候變化的模擬能力有待提高。

（2）以CMADS+SWAT 模式模擬玉河流域月尺度徑流，整體上模擬徑流序列與實測徑流變化趨勢一致，在研究區(qū)具有較好的適用性，但在峰值部分出現(xiàn)明顯的低估現(xiàn)象，主要原因是缺少夏汛期的冰川融水資料；另外，CMADS 數(shù)據(jù)集本身的時間跨度不夠長，導(dǎo)致驗證期的模擬效果稍差，模型的參數(shù)率定存在一定的偏差。

總體而言，CMADS再分析數(shù)據(jù)集通過研究區(qū)的驗證，對于無站點流域的水文模擬效果較好，可為無降水、少降水站點或缺失降水資料的區(qū)域提供較為可靠的數(shù)據(jù)來源，為擴大水文模擬的時間和空間尺度提供了可能。但缺乏與其他再分析數(shù)據(jù)的比較，在后續(xù)的研究中將耦合其他再分析數(shù)據(jù)進(jìn)行比較分析，對再分析數(shù)據(jù)進(jìn)行集合平均，結(jié)合各類再分析數(shù)據(jù)的優(yōu)勢，減少誤差；并收集研究區(qū)冰川資料，加入冰川模塊，完善水文模型結(jié)構(gòu)，使模擬結(jié)果精度更高。