金鑫 金彦香

摘要：土地利用/覆被是水文模拟的重要参数。短时期内，土地利用/覆被是流域水文循环过程的主要影响因素之一。选择位于高寒山区的黑河上游流域为研究区，建立基于不同时间分辨率的土地利用/覆被数据集并输入SWAT模型，研究土地利用/覆被数据时间分辫率对高寒山区流域水文模拟的影响。结果表明：在SWAT模型校准前，时间分辨率高的土地利用/覆被数据对应的水文模型更易校准；SWAT模型校准后，土地利用/覆被数据的时间分辨率对月径流量模拟的影响相对不明显，对年径流量模拟的影响较为明显，且时间分辫率越高，对应的模拟效果越好。

关键词：SWAT模型；时间分辫率；土地利用/覆被；水文模拟；黑河上游

中图分类号：P333 文献标志码：A Doi：10.3969/j.issn.1000-1379.2018.09.002

土地利用/覆被是水文模拟的重要参数，是短时期内流域水文循环过程的主要影响因素之一川。人口增长、气候变化、制度变迁、城市化等多种因素会致使流域的土地利用/覆被发生变化，从而对流域水文过程，如下渗、地表径流、蒸散发、侧向径流等产生一定影响，最终影响整个流域的水量平衡[2-3]。然而，不论水文模型的模拟时段长短，目前都是采用某一年的土地利用/覆被数据生成水文模型的基本计算单元，这些基本计算单元在模拟时段内始终保持数量、面积与属性不变。换言之，水文模型本身并未考虑土地利用/覆被的时空变异性。如在SWAT（Soil and Water AssessmentTools）模型中，仅采用某一年的土地利用/覆被数据与土壤数据、地形数据空间叠加，生成其基本计算单元HRU（Hydrologic Response Unit，水文响应单元）并进行后续模拟计算[4]。有研究认为，由于水文模型的校准是使其模拟结果无限逼近实测数据的过程，这会弱化输入参数的差异性，因此输入参数的精确与否可能对水循环模拟结果并无明显影响[5-6]。相反地，也有研究者认为水文模型输入参数的精确度对水循环模拟有明显影响[7-8]。事实上，水循环模拟不是单纯地令某一水文要素值与实测值相吻合或相接近，这种方式可能令某一水文要素的模拟精度高，但多数模型参数可能是不合理的L9-10]。水循环模拟其实是在准确描述流域下垫面、气候等特征的基础上确定参数的合理范围，然后进行模型校准[4]。因此，在水循环模拟时考虑土地利用/覆被数据的时间分辨率等输入参数的精确性是必要的。本研究中，土地利用/覆被数据的时间分辨率是针对水文模型模拟时段内对相应土地利用/覆被数据的调用方式（只调用同一年或者调用模拟时段内每一年）而言的。目前，尚没有研究明确提出土地利用/覆被数据时间分辨率对水文模拟是否有影响。本研究选择位于高寒山区的黑河上游（源头到莺落峡）流域为研究区，建立基于不同时间分辨率的土地利用/覆被数据集并输入SWAT模型，研究土地利用/覆被数据的时间分辨率对高寒山区流域水文模拟的影响。

1 材料与方法

1.1 研究区概况

黑河流域是典型的内陆河流域，也是我国西北地区第二大内陆河流域。黑河上游位于青海省祁连县，流域面积为10 009km2[川，气候寒冷，地形复杂，常年积雪，是整个黑河流域的径流形成区，其出山口莺落峡站以上的多年平均径流量为巧.80亿m3，占整个黑河天然水量的88% [12-13]。黑河上游的河川径流主要由降水、冰雪融水和地下水补给，径流量在年内分配极不均匀[11]。整体上来说，黑河上游祁连山区年降水量多在200mm以上，最高可以达到700mm，降水量东多西少，雪线高度东低西高[13-14]。研究区概况见图1。

1.2 土地利用/覆被数据集建立

为探讨土地利用/覆被数据的时间分辨率对高寒山区流域水文模拟的影响，在研究时段内（1990-2009年）建立两种时间分辨率的土地利用/覆被数据集。为保证两种土地利用/覆被数据集的空间分辨率相统一，两种数据集的数据源均采用夏季Landsat TM影像。第一种数据集基于黑河计划数据管理中心（ht-tp：//westdc.westgis.ac.cn）提供的2000年夏季黑河流域Landsat TM影像，以1：50000地形图为基准，选择阿尔伯斯投影，采用二次多项式纠正方法对影像进行几何纠正。利用该时期土地利用现状图和野外实地勘测资料建立研究区的解译标志，然后应用AreGIS 10.0和ENVI 5.1遥感图像处理软件，采用人机交互的监督分类方法进行遥感影像解译，并结合相应年份的研究區土地利用现状图对解译结果进行调整和纠正，最终得到一幅2000年黑河上游土地利用/覆被图。第二种数据集基于黑河计划数据管理中心提供的1990—2009年黑河上游夏季Landsat TM影像，利用同样的处理方法对各年遥感影像进行解译，得到1990-2009年各年的土地利用/覆被图。实地勘察验证表明，两个数据集数据的准确率均超过95%。此外，综合考虑《中国土地利用分类系统》和SWAT模型土地利用/覆被数据库，将1990-2009年黑河上游土地利用/覆被类型分为农田、林地、草地、水域、城镇和裸地6类。

1.3 SWAT模型建立

SWAT模型是长时段的流域分布式水文模型，具有很强的物理基础，它适用于具有不同的土壤类型、土地利用方式、坡度和管理条件下的复杂流域，并适用于资料缺乏地区的建模[15-16]。SWAT模型首先将整个研究流域划分为若干子流域，而后进一步按流域的土地利用/覆被类型、土壤类型和地形数据划分HRU，在每一个HRU上再进行产汇流计算[4，8]。

SWAT模型的气象数据库包括逐日最高和最低气温、降水量、太阳辐射、相对湿度和风速数据[17-18]，本文采用位于黑河上游及附近7个气象站（托勒站、野牛沟站、肃南站、张掖站、民乐站、祁连站、永昌站）的气象资料建立气象数据库。土壤数据库基于点实测数据以及文献[1]中的空间聚类法建立。其他地表参数（DEM、数字河网、流域边界以及流域出口经纬度）均下载自黑河计划数据管理中心。

为分析不同时间分辨率的土地利用/覆被数据对SWAT模型水文模拟的影响，利用前述的两种数据集分别建立SWAT模型。利用第一种数据集建立SWAT模型，即为传统建模方法[19-20]，本文不再赘述。将第二种数据集输入SWAT模型，则需改进SWAT模型的HRU生成方式，令每一个HRU可调用相应模拟年份的土地利用/覆被数据，并保持每一个HRU划分数量、面积和空间位置不变。首先将1990-2009年的土地利用图进行空间叠加，而后将20a的土地利用空间叠加图与土壤类型、坡度再次进行空间叠加，得到不同年份对应的HRU。这些不同年份的HRU具有相同的数量、面积和空间位置，但是每个HRU可以调用不同年份的土地利用类型。此外，用Fortran语言（SWAT源代码编写语言）在Windows平台上的Visual Studio2010中修改原始SWAT模型的运算模块，在原来日循环的基础上加人一层年循环，使SWAT模型基于当前年份对应的HRI进行计算。

选取纳什效率系数（NSE）、误差百分数（PBIAS）、均方根误差与标准误差比率（RSR）评价SWAT模型的适用性。其中，NSE通常用于度量剩余方差与实测方差的相对大小，它可以表示实测数据与模拟数据的吻合程度。NSE值越接近1，SWAT模型的模拟效果越好，模型的可信度越高。PBIAS度量的是模拟数据的平均趋势高于或者低于相应实测数据的程度，它能够更清楚地表现不好的模型模拟效果。PBIAS介于-10%到10%之间表明模型模拟效果好，-25%到25%则表示模拟效果可信尸BIAS为正值表示模型模拟值对实测值的低估，负值表示模型模拟值对实测值的高估。RSR用标准误差标准化均方根误差，更能衡量模拟值与真实值之间的偏差，RSR越小模拟效果越好[1]。3个参数的计算公式如下：式中：Qiobs为实测径流量；Qisim为模拟径流量；Qobs实测径流量在模拟期内的平均值；i为模拟的时间步长。

2 结果与分析

2.1 黑河上游土地利用数据集

表1为黑河上游1990-2009年土地利用/覆被类型及面积。由表1可知：黑河上游主要的土地利用/覆被类型为草地、裸地和林地；黑河上游土地利用/覆被类型是逐年改变的，仅某一年的土地利用/覆被数据无法代表长时段内的区域土地利用/覆被状况。

2.2 校准前SWAT径流模拟结果

对比校准之前的模型模拟结果能使建模者了解模型校准的难易程度，也避免了参数优化所导致的模拟偏差。因此，本文首先将前述两种土地利用/覆被数据集输入SWAT模型，并对校准之前的月、年径流量（以流量表示）模拟结果分别进行对比分析。由图2可知，两种时间分辨率的土地利用/覆被数据集对应的月径流变化趋势基本一致，但与实测月径流量相比，两种土地利用/覆被数据集对应的枯水期径流量明显比实测径流量小。由表2可知：用两个数据集模拟月径流量的NSE值均大于0.50，RSR值均小于0.70，PBIAS绝对值小于25%，这说明两种数据集对应的黑河上游月径流模拟效果在模型校准前均已达到了较好的效果；第一种数据集对应的NSE值略小于第二种数据集的，说明利用第二种数据集模拟的月径流量与实测月径流量的吻合程度更高；第一种数据集对应的PBIAS值为正且略小于第二种，说明两种数据集对应的模型校准前的月径流模拟值总体小于实测值，且第二种数据集的模拟值更小；从RSR值来看，第二种数据集对应的模拟值与实测值之间的偏差更小。综上，模型校准前，第二种数据集对应的模拟效果好于第一种的。

对于年径流量的模拟，由图3及表2可知：两种数据集对应的模型校准前的模拟结果均较差，其NSE值均接近于0，说明两种数据集对应的年径流模拟值与实测值的吻合程度均较低；PBIAS的绝对值大于25%，说明两种数据集对应的年径流模拟值均小于实测值；RSR值均接近于1，说明两种数据集对应的年径流模拟值与实测值之间的偏差较大，且第二种数据集对应的模拟效果略好于第一种数据集的。也可以说，土地利用/覆被数据的时间分辨率越高，基于其建立的SWAT模型越易校准。

2.3 校准后SWAT径流模拟结果

为了提高模型模拟结果的可信度，模型校准是必不可少的步骤。在进行水文模型校准前需先进行参数敏感性分析。基于第二种数据集建立的SWAT模型改进了HRU的生成方式，并在模型计算结构中加人了一层年循环，此外对于其他模型结构和计算公式均无修改。因此，本文假设基于第二种数据集建立的SWAT模型与基于第一种数据集建立的SWAT模型的敏感性参数一致，且只对基于第一种数据集建立的SWAT模型进行参数敏感性分析。参数敏感性分析方法参照相关研究。选取最敏感的10个参数进行参数率定，即土壤蒸发补偿因子（ESCO）、水分条件Ⅱ时的初始SCS径流曲线数（CN2）、主河道沖积物有效渗透系数（CH_K2）、最大冠层截留量（CANMX）、平均比降（HRU_SLP）、基流因子（ALPHA_F）、深层含水层的渗透系数（RCHRG_DP）、主河道曼宁系数（CH_N2）、地下水再蒸发系数（GW_REVAP）、积雪温度滞后因子（TIMP）。基于第一种数据集建立的SWAT模型参数率定，参考Arnold J.G.等的多步骤手动调参法进行。由于基于第二种数据集建立的SWAT模型逐年调用了模拟时段内的土地利用/覆被数据，因此在参数率定时为了体现土地利用/覆被的变化对模型参数的影响，采用“参数动态率定”法使不同的土地利用数据对应不同的最优参数组合。具体来说，首先筛选出每年土地利用/覆被发生变化的HRU，分析HRU中土地利用/覆被的变化类型，并基于这些HRU率定前述10个敏感参数中受土地利用/覆被影响的5个参数（ESCO、CN2、CH_K2、CANMX、ALPHA_BF），其他参数值不变。

由图4及表3可知：两个模型模拟的月径流量过程线与实测的流量过程线基本吻合，且其NSE值均大于0.90，RSR值均较小；两个数据集对应的PBIAS值虽然均在-10%和10%之间，但第一种数据集对应的值为-4.85%，说明其对应的径流模拟值总体大于实测值，第二种数据集对应的值为1.69%，说明其对应的径流模拟值总体小于实测值。这也说明校准后基于两个数据集建立的模型对黑河上游月出山径流量的模拟效果均很好。同时也可以看出，第二种数据集对应的模拟效果略好于第一种数据集的，但是总体上来说，两种数据集对应的月径流模拟效果差别不大。

由图5及表3可知：从流量过程线来看，两种数据集对应的年尺度模拟值基本与实测值相吻合。由表3可知，基于第二种数据集建立的SWAT模型模拟的年径流量效果明显好于第一种数据集的，这就说明，时间分辨率高的土地利用/覆被数据集能够改善SWAT模型的模拟效果。

3 讨论

土地利用/覆被变化对水文过程的影响一直是研究热点，模型模拟是研究该问题的有效手段，但少有研究者关注土地利用/覆被数据的时间分辨率对水文过程模拟可能造成的影响。本研究认为土地利用/覆被数据的时间分辨率对水文模拟有一定影响。首先，影响水文模型的校准，时间分辨率高的土地利用/覆被数据对应的水文模型更易校准；其次，影响水文模型的模拟效果，时间分辨率高的土地利用/覆被数据对应更好的模拟效果。但是，土地利用/覆被数据的时间分辨率对黑河上游月径流的模拟影响相对不明显，原因可能是黑河上游地处高寒山区，受人类活动影响相对较小，土地利用/覆被的年际变化不大，而水文过程对小规模土地利用/覆被变化的响应需要较长的时间。同时，上游是整个黑河流域的产流区，降水是黑河上游的主要来水，而SWAT模型运用SCS曲线数法估算地表径流，SCS曲线数法是一个经验模型，不论下垫面条件是否一致，它都能够使模拟的日尺度和月尺度的径流趋势趋于相同且很大程度上只受降水影响。虽然SCS曲线数法中的曲线数（CN值）主要由土地利用类型和土壤水文组合综合决定，但它归根结底是由土壤渗透率决定的。这种确定CA值的方法往往会弱化日尺度和月尺度上土地利用的年际变化对径流的影响。这一研究结果与其他同类研究结果相似。在模拟黑河上游年径流量时，土地利用/覆被数据的时间分辨率对其影响较为明显，时间分辨率越高，对应的模拟效果越好，原因可能是土地利用/覆被对河道径流的影响在较大尺度上更明显。与其他研究相比，本研究中黑河上游出山径流量的模拟效果并不是最好的，原因可能是建模时采用的气象站点较少且分布不均匀。

4 结论

（1）在SWAT模型校准前，用第一种数据集（时间分辨率低）模拟月径流量的NSE值为0.71，PBIAS绝对值刁、于25%且RSR值为0.54；用第二种数据集（时间分辨率高）对应的NSE值为0.73，PBIAS绝对值小于25%且RSR值为0.52，说明时间分辨率高的土地利用/覆被数据对应的水文模型更易校准。

（2） SWAT模型校准后，第一种数据集对应的月径流量模拟的NSE值为0.91，PBIAS绝对值小于10%且RSR值为0.30；第二种数据集对应的NSE值为0.93，PBIAS绝对值小于10%且RSR值为0.26。由此可知，SWAT模型校准后，土地利用/覆被数据的时间分辨率对黑河上游月径流量模拟的影响相对不明显。

（3）SWAT模型校准后，第一种数据集对应的年径流量模拟的NSE值为0.69尸BIAS绝对值小于10%且RSR值为0.56；第二种数据集对应的NSE值为0.83，PBIAS绝对值小于10%且RSR值为0.41。这说明土地利用/覆被数据的时间分辨率对黑河上游年径流量模拟的影响较为明显，且土地利用/覆被数据的时间分辨率越高，对应的模拟效果越好。

参考文献：

[1]JIN x，ZHANG L，GU J，et al.Modeling the Impacts ofSpatial Heterogeneity in Soil Hydraulic Properties on Hydro-logical Process in the Upper Reach of the Heihe River in theQilianmountains，Northwest China[J].HydrologicalProcesses，2015，29（15）：3318-3327.

[2]WOODWARD C，SHULMEISTER J，LARSEN J，et al.TheHydrological Legacy of Deforestation on Global Wetlands[J].Science，2014，346（6211）：844-847.

[3]ZHOU F，XU Y，CHEN Y，et al.Hydrological Response toUrbanization at Different Spatio-Temporal Scales Simulatedby Coupling of CLUE-S and the SWATmodel in the YangtzeRiver Delta Region[J].Journal of Hydrology，2013，485：113-125.

[4]RNOLD J G，MORIASI D N，GASSMAN P W，et al.SWAT：Model Use，Calibration，and Validation[J]..Cransactions of theASABE，2012，55（4）：1491-1508.

[5]李润壅，朱阿兴，李宝林，等.流域水文模型对土壤数据响应的多尺度分析[J].地理科学进展，2011，30（1）：80-86.

[6]BOLUWADE A，MADRAMOOT00 C.Modeling the Impactsof Spatial Heterogeneity in the Castor Watershed on Runoff，Sediment，and Phosphorus Loss Using SWAT：1.Impacts ofSpatial Variability of Soil Properties[J].Water Air&SoilPollution，2013，224（10）：1-16.

[7]陳祥义，肖文发，黄志霖，等.空间数据对分布式水文模型SWAT流域水文模拟精度的影响[J].中国水土保持科学，2016，14（1）：138-143.

[8]金鑫，陈琼，金彦香.土地利用/覆被数据精度对流域水文过程模拟的影响研究[J].灌溉排水学报，2018，37（2）：108-115.

[9]BAKER T J，M[1]ER S N.Using the Soil and Water As-sessment Tool（SWAT）to Assess Land Use Impact onWater Resources in an East African Watershed[J].Journalof Hydrology，2013，486（8）：100-111.

[10]ZHANG L，NAN Z，YU W，et al.Modeling Land-Use andLand-Cover Change and Hydrological Responses UnderConsistent Climate Change Scenarios in the Heihe RiverBasin，China[J].Water Resourcesmanagement，2015，29（13）：4701-4717.