黄彬彬，徐 娴，韦 越，王 悦，江 丹

(南昌工程学院 鄱阳湖流域水工程安全与资源高效利用国家地方联合工程实验室，江西 南昌 330099)

径流是水文循环过程中的关键要素[1]。部分自然地理特征通过径流变化就可以得到很好的反映。与此同时，近年来人类的活动加剧了气候变化，进而对径流过程产生了一定的影响[2-3]。研究径流变化规律显得越发重要[4]，这也是积极响应国家号召，提高水资源综合开发利用率，强化相关部门的在水资源上的科学管理水平的体现，也为后期优化调度提供了数据支撑。水文模型是采用简化便捷方式对现实中复杂的水文过程进行量化，是人们了解水文循环过程以及水资源时空演变规律的重要手段[5-6]。水文模型经过了一百多年的发展，近些年流域模型等概念的出现标志着水文模型走向高速发展阶段[7]。

随着时代的发展，科技的进步，计算机和遥感信息化技术日趋成熟，分布式水文模型自然成为水文领域的研究重点，而SWAT模型就是众多分布式水文模型中最典型的一个[8-10]。SWAT模型自开发到运用于实际情况以来，无数国内外学者利用该模型对不同的流域得到了应用和验证，例如：模拟径流、估算非点源污染负荷、地下水中化学物质变化、农药对农业生态系统的影响等，但多集中在中小流域[11-13]。在径流模拟方面，聚焦在不同流域径流模拟的适用性、不同因素对模拟结果的影响和模型参数的率定与验证三方面[14-16]。有学者利用SWAT模型对美国部分河流[17]、亚洲东北部河流[18]、老挝南部Xedone河流[19]、汾河上游河流[20]、北山水库流域[21]等径流进行了模拟。实验证明用SWAT模型对不同区域的研究具有很好的代表性和科研价值，可以进一步利用基于模型的参数敏感性来分析该区域，从而可以从众多参数中筛选出影响力最强的几个因素。

本文基于ArcGIS10.2构建了SWAT模型，在Arcswat中输入赣江流域的土地利用、土壤、气象数据。在这基础上开展对所研究的流域进行月、年尺度径流模拟。其中涉及的参数率定和敏感性分析，采用SUFI算法处理。并利用外洲水文站1960—2010年径流数据校准和验证模型，最后依据实测值与模拟值的相关系数R2和纳什系数Ens来判定SWAT模型在赣江流域的适应性，为将来在该水域构建水文模型，并对水资源评价以及管理提供了一定的经验、科学依据以及数据支持。

1 研究区概况

图1 研究区域示意图

赣江总长达766 km。赣江流域地处亚热带，常年温度适中，降雨充足，年平均降水量达到了1 580 mm。赣江下游的外洲水文站多年径流量达到了686亿m3，然而每年的汛期径流量占全年径流量的比例高达72.3%。由于每年的降水量充足，水资源十分丰富。迄今为止共建有7个水文控制站，分布于赣江流域之上，其中外洲水文站的集水面积占流域总面积的96.94%，高达80 948 km2，本文主要研究的区域为外洲站以上的流域部分，该区域的流域图见图1。

2 数据来源与数据预处理

2.1 数据来源

本次模拟的DEM数据、土壤数据、土地利用数据分别来自于地理空间数据云、世界土壤数据库、资源环境数据云平台的2015年数据；气象数据则是从宜春、南昌等共19个气象站点获取。由图1可知，模拟和验证模型的径流数据选择外洲水文站，1960—2010年的径流资料。

2.2 数据预处理

2.2.1 数字高程处理

依据地理空间数据云所提供的GDEMDEM数据，采用ArcGIS软件对所研究区域的DEM数据集进行整合、投影、转换及裁剪，最终得到有利于本文研究的DEM数据。

2.2.2 土地利用重分类

通过流域边界裁剪法获得全国土地利用数据，在全国土地利用数据的基础上进一步裁剪得到本文所研究的赣江外州站以上流域原有的土地利用数据，再根据所获得的DEM数据坐标系对赣江外州站以上流域进行重新投影并裁剪，得到土地利用数据，将两者变换到同一坐标系。研究流域内有19种土地利用类型，比较复杂，按照国家土地类型分类标准重新分类之后只有9种，效果明显。表1和见图2。

2.2.3 土壤重分类

在GIS中加载HWSD数据，用流域边界裁剪HWASD数据得到研究区域原有的土壤数据，同样对其重投影。然后在GIS中重分类，将原有的56种土壤类型重分类为27种，见图3。并对将所研究区域土壤的物理属性构建成数据库，计算相关参数，为接下来运行SWAT模型做准备。

表1 土地利用类型重分类结果

2.2.4 气象数据处理

通过分析和研究赣江流域的19个气象站点数据，在SWAT模型中构建天气发生器，在这之前需将整理好的数据输入至模型，确保无误，参数的准确性会影响模型的运行效率。

图2 土地利用分类图

3 模型评价方法

本次模拟采用拟合系数R2如式(1)所示，Nash Suttcliffe系数Ens，见式(2)。来判定SWAT模型在研究区域的适应性，如果R2>0.5和Ens>0.6则判定SWAT模型适用于研究区域[22]。

(1)拟合系数R2，用来反映实测值与模拟值的吻合程度。如果得到的数值越接近1，那么证明这两者的相关程度越高。

(1)

(2)Nash Suttcliffb系数Ens，用来表示实测径流过程与模拟径流过程的拟合程度[23]。如果所得计算数值在0～1区间内，则证明模拟结果有参考价值，否则该模拟方法有误，需进一步调整参数，重新计算模拟。如果所取得值越大，越接近1，证明拟合的程度越好；反之如果值越小，说明其可信度越低，当Ens<0时，则所得结果不具有代表性。

(2)

4 模型构建与结果分析

4.1 模型构建

本次研究所构建赣江流域径流模拟模型是基于ArcSWAT平台完成的，其步骤如下：

(1)获取之前准备好的DEM数据，导入Arcgis中，将所研究的外洲站以上的流域的河网提取出来，并把所提取的流域划分好，设置好集水面积阈值，将外洲水文站的位置定为研究区域的出水口，结果可以划成41个子流域，如图4～5。为提高运行效率，本次选择Multiple slope，并对划分子流域、土壤类型占土地利用类型、坡度类型占土壤类型面积的面积域值分别选定为10%、10%、15%，最终得到344个水文相应单元，这样有利于获得更好的模拟结果，大大提高了模型运行效率。

(2)获取之前整理的气象数据以及与SWAT有关的所有输入文件表。其中其中SCS Runoff Curve方法用来计算地表产流，而河道回流部分则采用变动储量系数法，用这两种方法来计算显得更加合理与高效。

(3)通过选取具有实测径流数据的水文站点，这增加了数据的可靠性，模拟的科学性，率定期的时间段要选择尽可能长，选取的是1960—1985年，其中1960年是预热阶段，验证期选取的是1986—2010年，增加了合理性。

图4 研究区域DEM图 图5 流域划分结果图

4.2 参数敏感性分析

用SWAT模型模拟径流过程，毫无疑问会有很多参数影响，通过参数敏感性分析有利于进一步提高模拟精度，减少模型的运行时间，提高效率。从时间尺度上，SWAT模型校准遵循先年数据再月数据和日数据的原则，本次模拟先校准年数据再校准月数据。先选择常见的与径流有关的15个参数校准年径流数据，运行500次，依照P值越小，T值绝对值越大，参数越敏感的原则，最终选取排名前九的参数率定和验证外州水文站的年、月径流数据。

分析结果可知，无论是年径流数据还是月径流数据的率定都有3个敏感参数。其中它们的共同敏感参数是土壤蒸发补偿系数ESCO，在年径流中比较突出的是最大冠层蓄水量CANMX和土壤可用含水量SOL_AWC；而在月径流中比较突出的是河岸基流α因子ALPHA_BNK和主河道的有效水力传导率CH_K2这两个敏感参数，其余的参数都分布在-3～3区间，不属于敏感参数范畴，具体数据由表2～3列出。

表2 年径流数据敏感性分析结果

表3 月径流数据敏感性分析结果

4.3 月、年径流校准与模拟

通过对比外州水文站1961—1985年的月、年径流模拟值与实测值来率定模型，并将率定后的参数用到外州站1986—2010年的月、年径流模拟。绘制率定期和验证期的月、年实测值与模拟值的对比曲线图，见图6～9。

月径流结果表明：率定期的纳什系数Ens的值为0.93，相关系数为0.94；验证期的纳什系数Ens的值为0.94，相关系数为0.95；通过比较得知，两个时期的纳什系数及相关系数基本吻合。结合SWAT模型的评价标准，该研究区域所建立的模型得出的月径流模拟效果很好，由图7可知，模拟值变化趋势的与实测值大体相同。

通过比较年径流结果可知：率定期的纳什系数Ens的值为0.93，相关系数为0.93；验证期的纳什系数Ens的值为0.93，相关系数为0.93。按SWAT模型的评价标准可见，该模型对赣江外州以上流域的年径流模拟效果很好，通过图9的对比曲线可以得知，实测值的变化趋势与率定期的基本一致，但是在峰值的模拟情况下模拟所得到的结果偏小。

图6 月径流率定期与验证期实测值与模拟值相关关系

图7 月径流率定期与模拟期实测值与模拟值对比曲线

图8 年径流率定期与验证期实测值与模拟值相关关系

图9 年径流率定期与模拟期实测值与模拟值对比曲线

5 结束语

研究表明，用SWAT分布式水文模型来模拟赣江外州站以上流域具有很好的模拟效果，这也间接证明了用SWAT模型对不同区域的研究具有很好的代表性和科研价值。结论如下：

(1)赣江流域年径流过程和流域水平衡3个参数最为敏感的水文参数为：ESCO、CANMX和SOL_AWC，而对于月径流，ALPHA_BNK、CH_K2和ESCO3个参数最为敏感。

(2)在月尺度的径流模拟中分别计算了在率定期与验证期这两个时期的实测径流与模拟径流的Ens，两者基本吻合，模拟结果误差很小；在年尺度的径流模拟中计算了在率定期与验证期的实测径流与模拟径流的Ens以及相关系数，都有很强的一致性，进一步证明了用SWAT模型模拟该区域的合理性。无论是月尺度径流模拟还是年尺度径流模拟都高于评价标准，SWAT模型对该研究区域的月尺度和年尺度径流模拟精度均较高。

(3)利用SWAT模型来研究赣江流域具有良好的效果，然而此模型还是有不足的地方，比如说对于峰值的模拟值较实测值偏低，可能是由于气候变化和人类活动的影响导致，而且本文研究只是对赣江外州站以上流域进行了模拟，但不能代表整个赣江流域的径流过程，在以后的模拟应用中，还需进一步改进。