应用SWAT模型研究潮河流域土地利用和气候变化对径流的影响

2014-05-14郭军庭张志强王盛萍StraussPeter姚安坤

生态学报 2014年6期

郭军庭，张志强，王盛萍，Strauss Peter，姚安坤

(1.教育部水土保持与荒漠化防治重点实验室，北京林业大学水土保持学院，北京 100083;2.中国林业科学研究院湿地研究所，北京 100091;3.华北电力大学资源与环境研究院/区域能源环境系统优化教育部重点实验室，北京 102206;4.Federal Agency for Water Management，Institute for Land and Water Management Research，Pollnbergstrasse 1，A-3252 Petzenkirchen，Austria)

气候与土地利用变化对流域水文水资源的影响是适应性流域管理的重要基础［1-2］。评价气候变化，特别是降水变化对水资源及水循环的影响非常迫切，研究结果对未来水资源规划和开发利用具有重要意义［3］。相对于气候变化的长期性特点，土地利用和覆被变化是短期内流域水文变化的主要驱动因素之一。它通过影响冠层截流、地表入渗、蒸散发和地表径流等，对流域水文循环产生作用。目前定量分析二者对流域径流的影响多采用对比流域试验、统计分析和模型模拟等方法［4］。对比流域试验不能应用于地质地貌等存在显著空间差异的中大尺度流域，且其重点在于考察流域土地利用变化对流域水文的影响［5］。统计方法可以用来分析水文气象数据的变化趋势，但不能考虑流域空间异质性以及土地利用和气候变化对流域水文的作用机理。因此，基于物理过程的分布式水文模型近来被广泛用于评价气候变异和土地利用变化的水文响应［6-7］。其优点在于模型既考虑了流域的空间异质性，同时也对流域水文过程物理过程进行刻画，可以描述流域确定时间范围内土地利用变化后的长期影响，并进行连续模拟，因此适用于空间特征差异较大的流域。

在全球气候变化背景下，华北地区1951—2009年间多年平均降水量呈现减少趋势，近59年间减少了26.8 mm［8］，在 2040年之前仍可能呈现减少趋势［9］。该地区的密云水库上游潮河流域1961—2009年间年和汛期(6—9月)降水量呈减少趋势但不显著，而非汛期降水量显著增加并于1979年发生突变，即年际降水变化趋势不明显，但年内降水变率减小［4］。潮河流域作为北京市主要地表饮用水源供应地之一，从20世纪80年代开始，开展了国家“三北”防护林重点建设工程、国家级水土流失重点治理工程和京津风沙源区防沙治沙项目等。大规模的退耕还林还草等生态措施被用来治理水土流失和改善水质。同时，随着经济发展，人口增加，城镇化速度加快，流域内建设用地迅速增加。流域土地利用和覆被发生变化进而改变该流域下垫面产流环境。因此，潮河流域内气候和土地利用都发生变化的情况下，定量评价二者对流域产水量的影响，是评价前期生态治理措施并为后续措施调整及科学开展流域治理的重要基础和前提［10-11］。在该流域业已开展的相关研究采用不同的方法，包括经验回归模型［4，12］，集总式模型［13］，以及分布式模型［1，14］，分析了气候和人类活动引起的土地利用变化对流域产水量的影响。各研究尽管方法不同，但研究结果指出人类活动主导的土地利用变化是驱动流域产水量变化的主要因素之一。但是，目前该流域内缺乏对单一土地利用类型以及潜在气候变化对产流影响的定量研究。

SWAT(Soil and Water Assessment Tool)模型是美国农业部开发的分布式水文模型，被广泛应用于流域尺度各种土地管理措施及气候变化对流域水文影响的模拟和预测［6，7，15-19］。本文的目的在基于SWAT水文模型，建立潮河流域分布式水文模拟系统，通过模拟径流对气候和土地利用变化的响应，定量分析不同时期二者对流域产流的影响，并进一步分析单一土地利用类型对产水量的影响，以及分析不同气候变化情景对产水量的影响，为应对气候变化和水资源短缺的适应性流域管理和水资源规划提供科学依据。

1 材料和方法

1.1 研究区概况

本研究中潮河流域是指密云水库以上潮河流域部分(不包括牤牛河、安达木河和清水河等二级支流)，总面积4 855.9 km2，占密云水库以上集水流域面积的31%。流域位于华北土石山区(116°10'—117°35'E，40°35'—41°37'N)，流域地势西北高，东南低，以低山和中山为主，山地面积约占总面积80%以上(图1)。流域气候类型属于中温带向暖温带及半干旱向半湿润过渡的大陆性季风气候，多年平均气温为8.3℃，多年平均降水量为511 mm，汛期(6—9月)占年降水量的75%以上。汛期多以暴雨形式出现，土壤侵蚀严重，山区多年平均土壤侵蚀总量(轻度以上)为2 174万t，土壤平均侵蚀模数为2682 t km-2a-1，多发生于上游河谷阶地黄土覆盖区［20］。流域内土壤类型以棕壤和褐土为主，占总面积的80%以上。

图1 潮河流域位置图Fig.1 Location of Chaohe Watershed

根据我国土地利用现状分类标准(GB-T21010—2007)，将流域内土地利用类型分为耕地、草地、灌木林地、有林地、城乡建设用地、水域和未利用地7类;潮河流域主要的土地利用类型为耕地、草地、灌木林和有林地，四者占流域总面积95%以上(表1)。与1987年相比，1999年耕地面积增加了6.1%，草地面积减少26.5%，有林地面积增加23.57%，灌木林地增加7.73%。从1999年到2009年，草地面积大幅减少了45.9%，耕地减少31.91%，而有林地和灌木林地分别增加了27.96%和17.8%。潮河流域土地利用变化结果表明:耕地和草地面积减少，有林地和灌木林地面积增加。20世纪70年代末期流域修建了一些塘坝和小水库，由于设计不合理及缺乏经费维持，到80年代中后期塘坝等逐步废弃。从20世纪80年代末开始，流域所处地区先后实施了大量水土保持工程，主要采取以植被恢复为主的生物措施。工程措施主要是水平梯田和谷坊，但所占面积相对较小。截至2005年底，流域内累计水土保持措施面积为2735.69 km2，其中植被恢复面积2678.47 km2，修建水平梯田 57.27 km2［12］。

表1 潮河流域不同时期土地利用对比Table 1 Comparison of land use between different periods in Chaohe watershed

1.2 研究方法

1.2.1 SWAT模型数据输入及运行

本研究采用ArcGIS9.3环境下的Arc-SWAT2005版本。模型输入数据主要包括:从国际科学数据服务平台获取的流域ASTAR数字高程模型数据(Digital Elevation Model，DEM)，空间分辨率为 30 m;1987，1999和2009年3期Landsat TM多波段遥感影像数据，空间分辨率为30 m。通过校正后，选用接近地表真实情景的7/4/2波段假彩色合成，根据土地利用现状分类标准，采用人机交互进行图像解译。土壤数据由联合国粮农组织提供的全球土壤分布图库获取，分辨率为100 m。使用ArcGIS将土地利用图和土壤分布图转换为与DEM具有相同投影坐标信息以及栅格大小的数据，则SWAT模型运算的空间分辨率统一为30 m。SWAT模型根据DEM、土地利用和土壤数据将整个流域划分为若干个子流域。大阁、戴营和下会3个水文站1981—2009年的径流数据以及流域内8个雨量站的数据分别由河北水文水资源局和北京水文总站提供。密云、丰宁和承德3个气象站的气象数据由国家气象局提供，包括1961—2009年的日降水，气温，风速，相对湿度和太阳辐射。将距离子流域形心最近的气象站的数据赋予该流域，实现气象数据由点及面的空间插值。SWAT模型自带天气发生器(WXGEN)可以用来生成气候数据，并且填补缺失数据。本文构建WXGEN所需的参数是通过近40年的气象数据统计获得多年逐月气象资料，主要包括月日均降水量、月日均最高和最低气温、月日均太阳辐射总量、月日均露点温度、月日均风速等。本研究中采用SWAT官方提供的统计软件pcpSTAT及dew02软件对气象资料进行统计，求算以上参数。

1.2.2 模型校准和验证

本文分别选择位于流域上中下游的大阁，戴营和下会3个水文站，代表流域内不同空间特征，采用多站校准检验的方法，以月为模拟步长，对流域1981—1991年的月径流进行模拟，将1981—1982年作为模型预热期，1983—1986年为模型校准期，1987—1991年为模型验证期，最后确定模型参数值。首先用LH-OAT采样法［20］，进行参数敏感性分析，选取对模拟结果灵敏度大的参数进行校准和验证。应用SUFI-2算法［7，21-22］进行迭代运算，模拟过程中所有不确定性因素(参数，模型概念，数据输入等)统一用参数的不确定性表示，将参数不确定性能够对所有不确定性因素解释的程度定义为p因子，即95%预测不确定性(95%Prediction Uncertainty，95PPU)包含观测数据的比例。95PPU的计算是采用拉丁抽样法选取累积频率位于2.5%与97.5%之间的模拟值，剔除了5%极坏模拟;95PPU的平均厚度除以观测值的标准偏差定义为r因子。p取值介于0到100%，r介于0到无穷大。理论上p为1且r值为0代表实测数据和模拟结果完全吻合。由于测量误差和模型的不确定性，理论最佳模拟值很难达到。因此本文中模拟结果同时满足以下两个条件:(1)p值大于0.7，即超过70%的观测数据落在95%的预测不确定性内;(2)r值小于1，即95%预测不确定性值范围的平均厚度(即不确定性程度)小于观测数据的标准偏差［7，15］，则认为模拟结果与实测值相符合。另外，本文进一步采用Karuse［23］定义的有效评价方法比较潮河流域月径流模拟值对观测值的有效性:

式中，R2是模拟值与观测值的决定系数，b是回归曲线斜率。对于同时模拟流域多个流量观测点，模型目标函数为区域内所有模拟站点的Φ的平均值:

式中，g是模型目标函数最佳值，n是观测站个数。上述有效性评价中Φ值变化范围为(0，1)。相对于目标函数取纳什系数(Nash-Sutcliffe)等函数时，最佳模拟值以及优化过程会受到个别较差模拟值的影响，而该函数值则不受较差模拟值的影响，目标函数最佳值大于0.6时认为模拟效果较好［23］。

1.2.3 情景设置与模型分析

当模型校准和验证完成后，应用SWAT模型模拟不同时期的土地利用和气候变化下流域出口下会站径流的响应。具体情景设置如表2，在模拟过程中相应改变植被模块的参数和土壤水力参数:以情景1为基准期，将情景4，5与其对比，获取土地利用和气候变化二者共同对产流量的影响;将情景2，3分别与情景1比较，获取气候变化对产流量的影响;再将情景4，5与分别与情景2，3比较，获取对应时期土地利用变化对产流量的影响。最终，定量分析不同时期土地利用和气候变化对整个流域产流的影响。

表2 模型模拟情景设置Table 2 Scenarios for modeling analysis

为进一步探讨单一土地利用类型在产流量中所起的作用，剔除土地利用变化中地形、地貌等不确定性因素的影响，采用极端土地利用变化情景模拟进行分析，具体设置为:以1999年土地利用现状为基础，保留流域内的居民区和交通建设用地以及水域外，将流域内其它所有土地利用类型依次设置为草地情景、灌木林地情景、林地情景和耕地情景，并分别改变相应的植被模块的参数和土壤水力参数，模拟1999—2009年不同土地利用情景下的年径流量。

为探讨气候变异对流域出口产水量的影响，根据未来气候变异的可能范围［24］，给定降水和气温的变化值，设定如下情景:保持现有降水状况不变(多年平均降水511 mm)，增加10%/20%/30%和减少10%/20%/30%降水共7种方案;采用保持现有温度不变(多年平均气温8.3℃)，降低1℃(-12%)，升高1℃(12%)/2℃(24%)4种方案，总共有28种不同的气候变异组合方案。通过不同的气候变异方案，模拟径流对气候变异的响应。年径流量的变化b的求解如下:

式中，yi为第i中气候方案下的年均径流量(m3/s);y0为真实情景下的年均径流量(m3/s)。

2 结果与分析

2.1 模型校准与验证

将研究流域1987年的土地利用和3个水文站1981—1986与1987—1991年的水文气象数据代入模型，通过LH-OAT采样法选取模型中前14位对径流模拟结果敏感性高的参数进行校准和验证。

图2为潮河流域月径流模拟结果。在校准期，大阁站1983和1986年汛期模拟峰值大于实测值，1984年汛期模拟值小于实测值。p和r值分别为0.70和0.84，决定系数R2为0.63。戴营站1985年汛期模拟峰值大于实测值，而1986年和1983年的汛期模拟值与实测值基本吻合，p值和r值分别为0.87和0.97，决定系数R2为0.68。流域出口下会站汛期峰值模拟与实测值基本吻合，p值为0.87，r值为0.97，决定系数R2为0.72。由于模型在运行前期，许多变量，如土壤含水量的初始值为零，会影响模型模拟的结果，所以需要将模拟初期作为模型的预热期，合理估算模型参数的初始值。因此，本文将1981—1982年作为预热期，从而减少此类误差的影响。

在验证期，大阁径流模拟变化趋势与观测值一致，模拟峰值却大于观测峰值，相应的p值，r值相分别为0.77和0.90，决定系数R2为0.71。戴营站1989和1990年模拟峰值小于观测值，1987和1991年模拟峰值与观测值基本吻合，对应的p值为0.82，r值为0.79，决定系数R2为0.86。下会站的径流模拟峰值在1987年和1990年比观测值小，在1989年和1991年模拟峰值大于观测值，在1988年模拟峰值与实测值基本一致。该站的验证期的p值为0.78，r值为0.82，决定系数R2为0.82。

运用多站校准验证方法，经过SUFI-2法迭代运算，3个测站的p值都大于0.7，r值小于1，模型模拟目标函数g最佳值为0.66，说明该模型在潮河有一定的适用性，可以满足该流域产水量的模拟预测。流域出口下会站敏感参数最佳值如表3所示。

2.2 情景模拟

根据情境设置，对潮河流域土地利用和气候变化的径流响应进行定量研究。结果如表4所示:情景1的年均径流量为42.18 mm，情景4的年均径流量为67.76 mm，情景5的年均径流量为24.90 mm。根据1.2.4中的方法描述，基于情景1，情景4中土地利用变化引起产水量减少了4.1 mm，而气候变化增加了29.68 mm径流量;情景5中，土地利用变化造成产水量减少2.98 mm，气候变化造成产水量减少了14.3 mm。情境4相对于情境1，流域的林地面积增加了23.57%(表1)，导致流域蒸散发量增加。同时，该时段内年均降水比情境1多，特别是1994年和1998年潮河流域发生全流域性的大洪水，降水迅速转为地表径流直接流出流域。虽然该阶段的潜在蒸发散也显著增加［4］，但潜在蒸发散和温度等对流域径流的影响较小［25］，所以年径流量增加较大。情境5中，林地和灌木林地面积继续增加(表1)，年均降水减少，土地利用和气候变化都减少流域的产水量。因此，在气候变化的背景下，根据水资源管理目标，可以通过流域管理措施的调整，包括对土地利用类型和空间分布等进行调整，减缓气候变化对水资源的负面效果。

图2 SWAT模型对潮河月径流模拟的校准和验证Fig.2 Calibration and validation of SWAT model for monthly runoff in Chaohe Watershed

表3 潮河流域下会径流模拟敏感参数最佳值Table 3 Optimal values of sensitive parameters for runoff in Chaohe watershed

表4 潮河流域土地利用和气候变化对径流量影响的模拟结果Table 4 Simulated response of runoff to land use and climate changes in Chaohe watershed

以1999年土地利用情景下的模拟径流为基准，对比四种不同极端情境下的径流变化情况。其中，灌木林地情景中径流增加了158.2%，草地情景中径流增加了4.1%。但是林地情景中径流减少了23.7%，耕地情景中径流减少41.7%。结果表明，灌木林地和草地均增加流域径流，从而增加下游流域供水量。

根据表5所示，潮河流域降水保持不变，当温度比现有温度降低12%(减少1℃)，多年平均径流量增加4.1%。温度比现有气温升高12%和24%，则径流分别减少6%和5.9%。温度变化对水文效应有正负作用。随着温度升高，流域内的蒸发增加，在降雨不变情况下，径流减少。当温度升高超过一定水平，蒸发量增加，空气中水汽含量增多，云层增厚进而导致蒸发能力降低。当流域可供蒸发的水量不变，则径流变化只对降水量变化敏感，而对温度的变化不敏感。因此，温度变化对径流的影响较为复杂。流域内年均径流随降水的增多而增多，且径流增加的幅度大于降水的增幅。降水增加10%，20%，30%，径流分别增加21.6%，45.5%，71.8%;年均径流随降水的减少而减少，减少的幅度也随降水的逐步减少而减小。另外，年均径流随降水减少的减幅小于随降水增加的增幅。模拟结果表明潮河流域径流对降水的变化更加敏感。

表5 不同气候变异情景下年均径流深的相对变化/%Table 5 Relative variation of mean annual runoff depth for different climate scenarios/%

3 讨论

经过SWAT模型校准和验证，3个水文站点的模拟结果同时满足应用的标准，即p值大于0.7，r值小于1，并且模拟目标函数 g最佳值为0.66。文中SWAT模型在构建过程中充分考虑了水文和气象观测站点分布、土地利用类型、土壤和坡度等因素，虽然在80年代后期流域内的塘坝和小型水库已逐步废弃，对模型模拟结果影响较小，但由于数据条件限制，该研究中未将湿地等作为单独土地利用类型而是统一归为水域进行分析;另外，流域内是否有地质灾害如滑坡等发生，都会在一定时间内影响局部水文循环。由于缺乏流域内部水量迁移数据，如灌溉抽水与废水排放等，所以本研究采用流域受干扰较少时期的径流观测数据对后续的数据进行了还原，从一定程度减少上述不确定性的干扰。

同时，数据的不确定性同样会导致模型模拟的不确定性。SWAT模型中基于气象和水文观测站点的海拔梯度计算流域平均降水和气温，这在一定程度上消除了站点空间分布的误差。本文选用3个气象站点(丰宁，密云，承德)分别处于流域上下游。每个子流域选取距离其形心距离最近站点的气象数据为用。本文选用8个降水站点，3个气象站点和3个水文观测站点，尽可能增大的观测站点分布密度，提高子流域的数据的准确性，减少数据输入引起的模型不确定性。

该研究对流域分处上中下游的3个水文站产水量进行研究。由于流域空间异质性的存在，每个子流域的具有不同的属性特征。研究流域的上游为黄土覆盖区，土层厚，而中下游流域为土石山区，土层薄。在模拟过程中所有子流域被赋予相同的土壤参数值，这在一定程度上导致上下游站点径流模拟效果存在差异。要辨析环境变化影响以及各种误差来源引起的模拟不确定性，Bormann［26］提出引入“信号噪声比(signal-to-noise ratio)”的概念，判断环境变化影响效应是否较模拟不确定性显著。因此在后续工作中有必要对模型模拟的不确定性进行进一步探讨验证［27-28］。本文主要关注流域尺度土地利用和气候变化对产水量的影响，而非强调水文过程对二者变化的响应。因此，根据p值，r值以及g值对模拟效果的评价分析，表明本研究中潮河流域SWAT模型模拟的不确定性对模拟结果影响不显著，该模型可以很好的模拟流域的产水量变化，在潮河流域具有一定的适用性。

4 结论

本文应用分布式水文模型(SWAT)，通过多站点校准和验证，定量模拟分析潮河流域土地利用和气候变化对产水量的影响，结果表明:

(1)流域内3个水文站校准和验证阶段p值分别为:0.70和0.77，0.87 和 0.82，0.92 和 0.78，r值分别为0.63和0.90，0.97和0.79，0.88和0.92。SWAT模型在潮河流域模拟的目标函数最佳值为0.66，说明该模型对潮河流域的产水量模拟具有一定的适用性。

(2)不同时期的土地利用和气候变化对流域产水量的影响不同。与基准期相比，情景4中土地利用变化引起的产水量减少了4.1 mm，而气候变化增加了29.58 mm径流量;情景5中，土地利用变化造成产水量减少2.98 mm，气候变化造成产水量减少了14.3 mm。在未来流域管理中，可以考虑采取不同的流域管理措施，如调整土地利用结构和面积等，来应对气候变化对流域产水量的影响。

(3)模型模拟结果表明:潮河流域径流量随降水的增加而增大，随气温的增加而减少。潮河流域径流以降水补给为主，当降水增加时，径流量增大。气温升高，蒸发量增加，在降水不变的情况下，径流量减少。

(4)不同土地利用类型产流模拟结果表明:灌木林地情景中径流增加了158.2%，草地情景中径流增加了4.1%。林地和耕地情景下径流减少。因此，潮河流域作为密云水库水源区，未来流域管理过程中，在满足流域内用水需求的同时，通过调整土地利用类型，合理布局，从而增加流域出水量，保证流域下游用水。

［1］Pang J P，Liu C M，Xu Z X.Impact of land use change on runoff and sediment yield in the Miyun reservoir catchment.Journal of Beijing Normal University:Natural Science，2010，46(3):290-299.

［2］Schuol J，Abbaspour K C，Srinivasan R，Yang H.Estimation of freshwater availability in the West African sub-continent using the SWAT hydrologic model.Journal of Hydrology，2008，352(1/2):30-49.

［3］Tao T，Xin K L，Liu S Q.Summarization of climate changing effect on water resources management.Journal of Water Resources and Water Engineering，2007，18(6):7-12.

［4］Guo J T，Zhang Z Q，Wang S P，Yao A K，Ma S Z.Effects of climate and land use changes on stream flow and sediment yield in Chaohe river basin.Transactions of the Chinese Society of Agricultural Engineering，2012，28(14):236-243.

［5］Brown A E，Zhang L，McMahon T A，Western A W，Vertessy R A.A review of paired catchment studies for determining changes in water yield resulting from alterations in vegetation.Journal of Hydrology，2005，310(1/4):28-61.

［6］Lai G Y，Wu D Y，Zhong Y X，Zeng F H，Chen J，Zhang L.Progress in development and applications of SWAT model.Journal of Hohai University:Natural Sciences，2012，40(3):243-251.

［7］Abbaspour K C，Yang J，Maximov I，Siber R，Bogner K，Mieleitner J，Zobrist J，Srinivasan R.Modelling hydrology and water quality in the pre-alpine/alpine Thur watershed using SWAT.Journal of Hydrology，2007，333(2/4):413-430.

［8］Zhang Y C，Wu K，Yu J J，Xia J.Characteristics of precipitation and air temperature variation during 1951—2009 in North China.Journal of Natural Resources，2011，26(11):1930-1941.

［9］Zhang J Y，Wang G Q.Climate change and sustainable utilization of water resources in China.Hydro-Science and Engineering，2009，(4):17-21.

［10］Zhang Z Q，Wang S P，Sun G，Zhang M L，Li J L.Response of sediment production to land-use change in Luergou watershed of Loess Plateau.Chinese Journal of Applied Ecology，2005，16(9):1607-1612.

［11］Liu S Y，Yu X X，Xin Z B，Li Q Y，Li H G，Lei F Y.Effects of land use change on runoff-sediment relationship at watershed in the Loess Hilly Region.Progress in Geography，2010，29(5):565-571.

［12］Li Z J，Li X B，Xu Z M.Impacts of water conservancy and soil conservation measures on annual runoff in the Chaohe River Basin during 1961—2005.Journal of Geographical Sciences，2010，20(6):947-960.

［13］Sun N，Li X B，Li Z J，Yu X X.Simulation of impacts of changes in land use and cover on annual streamflow in the upper reach of Chaohe River Basin.Journal of Beijing Forestry University，2008，30(Supp.2):22-30.

［14］Wang S P，Zhang Z Q，Ge S，Strauss P，Guo J T，Yao A K，Tang Y.Assessing hydrological impacts of changes in land use and precipitation in Chaohe watershed using MIKESHE model.Journal of Ecology and Rural Environment，2012，28(3):320-325.

［15］Faramarzi M，Abbaspour K C，Schulin R，Yang H.Modelling blue and green water resources availability in Iran.Hydrological Processes，2009，23(3):486-501.

［16］Wang L，Chen X W.Simulation of hydrological effects on vegetation restoration of degraded mountain ecosystem with SWAT model.Journal of Mountain Science，2008，26(1):71-75.

［17］Zhang L P，Qin L L，Hu Z H，Zeng S D.Simulated hydrologic responses to climate change of water source area in the Middle Route ofSouth-to-North WaterTransferProject.Journalof Hydraulic Engineering，2010，41(11):1261-1271.

［18］Zhang Y Y，Xia J，Chen J F，Meng D J.Study on optimal dam operation of water quantity and quality based on a distributed SWAT model.Journal of Hydroelectric Engineering，2010，29(5):159-164.

［19］Zhen J，Li G Y，Han Z Z，Meng G X.Application of modified SWAT model in plain irrigation district.Journal of Hydraulic Engineering，2011，42(1):88-97.

［20］Ren X S.Haihe Basin Water Resources Assessment.Beijing:China Water Power Press，2007.

［21］Holvoet K，van Griensven A，Seuntjens P，Vanrolleghem P A.Sensitivity analysis for hydrology and pesticide supply towards the river in SWAT.Physics and Chemistry of the Earth，Parts A/B/C，2005，30(8/10):518-526.

［22］Abbaspour K C，Johnson C A，van Genuchten A M T.Estimating uncertain flow and transportparametersusing a sequential uncertainty fitting procedure.Vadose Zone Journal，2004，3(4):1340-1352.

［23］Krause P，Boyle D P，Bäse F.Comparison of different efficiency criteria for hydrological model assessment. Advances in Geosciences，2005，5:89-97.

［24］Hao L S， Zhang J， Yao X X.Characteristics of extreme temperature change in Hebei Province.Meteorological Monthly，2010，36(8):26-31.

［25］Jones R N，Chiew F H S，Boughton W C，Zhang L.Estimating the sensitivity of mean annual runoff to climate change using selected hydrological models.Advances in Water Resources，2006，29(10):1419-1429.

［26］Bormann H.Regional hydrological modelling in Benin(West Africa):Uncertainty issues versus scenarios of expected future environmental change.Physics and Chemistry of the Earth，2005，30(8/10):472-484.

［27］Arabi M，Govindaraju R S，Hantush M M.A probabilistic approach for analysis of uncertainty in the evaluation of watershed management practices.Journal of Hydrology，2007，333(2/4):459-471.

［28］Yang J，Reichert P，Abbaspour K C，Xia J，Yang H.Comparing uncertainty analysis techniques for a SWAT application to the Chaohe Basin in China.Journal of Hydrology，2008，358(1/2):1-23.

参考文献:

［1］庞靖鹏，刘昌明，徐宗学.密云水库流域土地利用变化对产流和产沙的影响.北京师范大学学报:自然科学版，2010，46(3):290-299.

［3］陶涛，信昆仑，刘遂庆.全球气候变化对水资源管理影响的研究综述.水资源与水工程学报，2007，18(6):7-12.

［4］郭军庭，张志强，王盛萍，姚安坤，马松增.气候和土地利用变化对潮河流域产流产沙的影响.农业工程学报，2012，28(14):236-243.

［6］赖格英，吴敦银，钟业喜，曾峰海，陈洁，张琍.SWAT模型的开发与应用进展.河海大学学报:自然科学版，2012，40(3):243-251.

［8］张一驰，吴凯，于静洁，夏军.华北地区1951—2009年气温、降水变化特征.自然资源学报，2011，26(11):1930-1941.

［9］张建云，王国庆.气候变化与中国水资源可持续利用.水利水运工程学报，2009，(4):17-21.

［10］张志强，王盛萍，孙阁，张满良，李建劳.黄土高原吕二沟流域侵蚀产沙对土地利用变化的响应.应用生态学报，2005，16(9):1607-1612.

［11］刘淑燕，余新晓，信忠保，李庆云，李海光，雷凤燕.黄土丘陵沟壑区典型流域土地利用变化对水沙关系的影响.地理科学进展，2010，29(5):565-571.

［13］孙宁，李秀彬，李子君，余新晓.潮河上游土地利用/覆被变化对年径流影响模拟.北京林业大学学报，2008，30(增刊2):22-30.

［14］王盛萍，张志强，Ge S，Strauss P，郭军庭，姚安坤，唐寅.基于MIKESHE模型的潮河流域土地利用与降水变化对水文的影响评价.生态与农村环境学报，2012，28(3):320-325.

［16］王林，陈兴伟.退化山地生态系统植被恢复水文效应的SWAT模拟.山地学报，2008，26(1):71-75.