张徐杰，朱　聪，程开宇，富　强

(中国电建集团华东勘测设计研究院有限公司，浙江 杭州　311122)



SWAT模型在兰江流域未来径流模拟中的应用

张徐杰，朱聪，程开宇，富强

(中国电建集团华东勘测设计研究院有限公司，浙江 杭州311122)

摘要：结合IPCC气候排放情景和多个大气环流模式集合数据，进行空间降尺度和时间降尺度处理，通过SWAT模型模拟兰江流域未来三个不同时期的径流变化情况.结果表明，SWAT模型在该流域有较好的径流模拟能力，兰江流域未来径流与基准期相比大致呈减少趋势，其中秋季减少最为严重.不同排放情景下径流减少有所不同，其中A2情景下径流减少最为明显.

关键词：气候变化；SWAT；大气环流模式；径流变化；降尺度

0引言

SWAT(Soil and Water Assessment Tool)模型是由美国农业部(USDA)的农业研究中心(ARS)研发的长时段分布式水文模型，具有很强的物理机制.SWAT模型于20世纪90年代早期正式推出，继而又出现了SWAT与GIS软件(如GRASS、Arcview)的集成版本，使模型的应用更加方便[1].SWAT模型在国外的应用非常广泛，近几年来，在国内也逐步被推广起来，很多研究者开始应用SWAT模型.如代俊峰、崔远来[2]以SWAT模型为工具，对典型灌区进行灌区小流域和区域尺度的水平衡模拟，定量分析了不同水管理措施对灌区小流域尺度水量平衡评价指标的影响.朱丽等[3]基于SWAT模型灵敏性分析模块，在北京密云县红门川流域应用与验证，通过灵敏性分析，得到了影响该流域产流模拟结果精度的主要敏感参数.刘晋[4]进行了SWAT模型对高原寒区白河流域的模拟研究，得出了SWAT模型可以满足高山寒冷和资料缺乏地区的水文过程模拟的结论.李晓等[5]将SWAT模型应用于中国伊河流域潭头以上地区，探讨了SWAT模型在中国半湿润半干旱地区的适用性.

气候变化问题是目前全球范围内的一个热门话题，已经有非常多的相关研究[6-10].如Xu等[6]运用大气环流模式的结果，通过天气发生器进行降尺度处理，研究了气候变化对中国钱塘江流域未来三个时期内设计暴雨的影响.张建云等[7]采用设定情景与水文模拟相结合的途径，评估了黄河中游不同区间河川径流量对气候变化的响应.丛振涛等[8]采用IPCC第四次报告中给出的未来气候变化情景中的COMMIT、A1B、A2和B1，选用大气环流模式HadCM3，利用作物模型CERES，模拟不同的灌溉处理下、不同的预测期内北京地区冬小麦的生长和耗水过程，分析了气候变化对冬小麦耗水的影响.

本文利用DEM等空间格点数据和大量水文气象数据，在兰江流域建立SWAT模型，并对模型进行了校准和验证.然后利用20C3M、A1B、A2和B1情景下的大气环流模式集合数据，进行降尺度处理后作为SWAT模型的输入数据，模拟出未来三个时期内兰江流域的径流，分析未来时期流域的水量平衡状况、径流变化情况及其对降水变化的响应，为兰江流域的水资源管理与研究提供一定借鉴和支持.

1SWAT模型的建立

1.1研究区域概况

兰江，位于浙江省兰溪市境内，由衢江、金华江汇合，再由南向北流经兰溪市区，直至建德梅城.兰江为钱塘江最大支流的一段，也是钱塘江水量的主要来源之一.兰江流域是钱塘江流域的三大子流域之一(见图1)，兰江流域面积19 350 km2，主流长300 km，其中在建德的流域面积419 km2，河段长23.5 km.

图1　兰江流域

1.2SWAT模型输入数据介绍

SWAT模型的原理已经有相当多的文献进行了阐述，这里不再赘述.文中DEM数据来自于SRTM官方网站，分辨率为90 m×90 m.DEM数据主要用来划分流域，形成水系.土地利用数据来自于GLC2000项目，空间分辨率是1 km×1 km.我们对中国土地利用数据按照SWAT模型中土地利用数据库的类型，进行重分类.

土壤数据来自于联合国粮农组织(FAO)和维也纳国际应用系统研究所(IIASA)所构建的世界和谐土壤数据库(HWSD)，空间分辨率是1 km×1 km.中国的土壤图分类很细，按照土纲/土类/亚类/土属的级别分为几百个土属.我们对中图土壤图按土纲进行重分类，结果分为7类.

另外根据1961—1990年的实测气象资料，建立金华和衢州2个站点的天气发生器数据库.输入模型的降雨站点有10个，时间为1980—1995年(其中常山站缺1994年数据).温度站为2个，数据包括每日最高温和最低温，时间为1980—1995年.风速、湿度和辐射数据通过天气发生器来生成.流量站点有3个，为1980—1995年逐日数据.各站点信息(见表1).

兰江流域各站点信息

1.3SWAT模型率定和验证

根据SWAT的输入要求，建立SWAT模型.使用金华、衢州和兰溪三个站点1980—1995年的逐月实测径流数据进行模型的率定和验证.1980年为模型预热期，1981—1990年为模型率定期，1991—1995年为模型验证期.金华、衢州和兰溪3个站点的Nash-Sutcliffe系数在率定期分别为0.76、0.86和0.86，在验证期分别为0.89、0.77和0.89.图2和图3分别为兰溪站率定期和验证期的模拟径流与实测径流对比图.由模型的率定和验证结果可以看出，SWAT模型的径流模拟效果较好.

图2　兰溪站率定期模拟与实测径流对比

图3　兰溪站验证期模拟与实测径流对比

2未来径流模拟

2.1气候情景和GCM数据

联合国政府间气候变化专门委员会(IPCC)的第四次评估报告中给出了几种气候排放情景，来体现未来气候的可能发展方向[11].本文选取20C3M情景下的1961—1990年用来表示基准期，选取A1B、A2和B1用来表示未来气候情景.

IPCC第四次评估报告中给出了20多个GCM的结果，但是各个GCM的结果又存在较大的不确定性.因此，本文采用GCM集合数据以减少不确定性.REA数据集是国家气候中心通过REA(Reliability Ensemble Averaging)方法得到的GCM集合数据[12]，时间尺度为月，包括A1B、A2、B1和20C3M情景下的月平均降雨数据和温度数据，其数据分辨率为1°×1°.

2.2降尺度方法

由于REA数据集是分辨率为1°×1°的月平均数据，所以先通过反距离权重插值(IDW)方法进行空间降尺度处理，得到各个雨量站各种情景下的逐月降雨量和平均温度.然后在温度站建立月平均温度与月最高、最低温之间的线性关系，以得到温度站的月最高、最低温.再通过MODAWEC天气发生器[13]进行时间降尺度处理，将逐月降雨量转换为逐日降雨量.

2.3应用SWAT模型模拟径流

利用REA数据集中的20C3M情景下1961—1990年的降雨数据模拟基准期下的径流，以及A1B、A2和B1情景下2011—2100年的降雨数据模拟气候变化背景下的径流，并把结果分为三个时期：T1(2011—2040)、T2(2041—2070)、T3(2071—2100).将结果与基准期的径流进行对比，来分析气候变化对兰江流域未来时期水量平衡状况、径流变化情况的影响.

由于篇幅限制，这里仅列出部分结果，图4所示的是A1B情景下衢州站未来的径流变化情况.由图可知，未来衢州站的径流大致呈减少趋势，T1时期减少较严重，全年12个月的月均流量都是降低的，降幅最大的出现在10月份，为23.4%.T2、T3时期也仅有少数月份的月均流量是增加的，增幅最大的出现在T2时期的6月份，为9.9%.

图4　A1B情景下衢州站径流变化情况

图5所示的是A2情景下金华站未来的径流变化情况.很明显地，A2情景下径流降低非常严重，3个时期内各月的月均流量相比基准期都是减少的，秋季径流减少最严重，最大降幅接近50%.图6所示的是B1情景下兰溪站未来的径流变化情况.同样可以看出，径流以减少为主，秋季将是径流减少最严重的季节.其中降幅最大的出现在T2时期的10月份，为23.3%.

图5　A2情景下金华站径流变化情况

图6　B1情景下兰溪站径流变化情况

3结论和讨论

本文在兰江流域建立SWAT模型，并对模型进行了校准和验证.然后以气候变化为背景，应用SWAT模型模拟了兰江流域未来不同排放情景下的径流变化情况，初步得出了以下结论：(1)SWAT模型在兰江流域有较好的径流模拟能力；(2)兰江流域未来时期内的径流基本呈现减少趋势，秋季最为严重，更有可能发生干旱；(3)不同排放情景下的径流变化情况有所差异，其中A2情景下径流减少最为严重.

参考文献：

[1]JAYAKRISHNAN R,SRINIVASAN R, SANTHI C,et al. Advances in the Application of the SWAT Model for Water Resources Management [J]. Hydrological Processes, 2005,19(3):749-762.

[2]代俊峰，崔远来.基于SWAT的灌区分布式水文模型——Ⅱ.模型应用[J].水利学报,2009,40(3):311-318.

[3]朱丽,秦富仓,姚云峰,等.SWAT模型灵敏性分析模块在中尺度流域的应用——以密云县红门川流域为例[J].水土保持研究,2011,18(1):161-165.

[4]刘晋.SWAT分布式水文模型的应用及与新安江模型的对比研究[D].南京:河海大学,2007.

[5]李晓，李致家，董佳瑞.SWAT模型在伊河上游径流模拟中的应用[J].河海大学学报(自然科学版),2009,37(1):23-26.

[6]XU Y P,ZHANG X,TIAN Y.Impact of Climate Change on 24-h Design Rainfall Depth Estimation in Qiantang River Basin, East China[J].Hydrological Processes,2012,26(26):4067-4077.

[7]张建云，王国庆，贺瑞敏，等.黄河中游水文变化趋势及其对气候变化的响应[J].水科学进展,2009,20(2):153-158.

[8]丛振涛，辛儒，姚本智，等.基于HadCM3模式的气候变化下北京地区冬小麦耗水研究[J].水利学报,2010,41(9):1101-1107.

[9]魏光辉.气候变化对新疆黄水沟流域径流过程的影响[J].浙江水利水电学院学报,2015,27(1):46-52.

[10]王忠红,赵贤产,余菲.义乌降水气候分析中的面雨量计算及其应用比较[J].浙江水利水电专科学校学报,2010,22(1):47-50.

[11]IPCC. Climate Change 2007: The Physical Science Basis: Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change [M].Cambridge:Cambridge University Press,2007.

[12]XU Y, GAO X, GIORGI F. Upgrades to the Reliability Ensemble Averaging Method for Producing probabilistic climate-change projections [J]. Climate Research, 2010,41(1):61-81.

[13]LIU J, WILLIAMS J R, WANG X, et al. Using MODAWEC to Generate Daily Weather Data for the EPIC model [J]. Environmental Modelling and Software, 2009,24(5):655-664.

Application of SWAT in Runoff Simulation of Lanjiang River Basin

ZHANG Xu-jie, ZHU Cong, CHENG Kai-yu, FU Qiang

(Power China Huadong Engineering Co. Ltd., Hangzhou 311122, China)

Abstract:Combined with the IPCC climate emissions scenario and multiple atmospheric circulation pattern collection data, spatial scale and time scale processing based on SWAT Model are discussed to simulate the runoff changes of Lanjiang watershed in three different period in the future. Results show that the SWAT Model carries better ability in runoff simulation in the basin. Compared with the baseline period, the future runoff in Lanjiang basin roughly shows a decreasing trend, especially in autumn. Runoff decrease is different under different emission scenarios, while the runoff reduction under A2 scenario is most obvious.

Key words:climate change; SWAT; general circulation model; runoff variation; downscaling

收稿日期：2016-01-31

作者简介：张徐杰(1987-)，男，浙江余姚人，工程师，主要从事工程水文设计工作和研究.

中图分类号：P338+.2

文献标志码：A

文章编号：1008-536X(2016)04-0013-04