东辽河流域吉林省境内的径流模拟研究

卞建民, 胡昱欣, 张真真, 汤 洁, 赵 娟

(吉林大学 环境与资源学院, 长春 130021)

东辽河流域吉林省境内的径流模拟研究

卞建民, 胡昱欣, 张真真, 汤 洁, 赵 娟

(吉林大学 环境与资源学院, 长春 130021)

以东辽河吉林省境内河段为研究对象，采用SWAT分布式水文模型对东辽河泉太水文站进行径流模拟，模型采用2006—2008年实测的逐月径流资料进行参数的率定，并以2009—2010年为模型的验证期，分析对水文过程影响较大的因素、模型的模拟精度及对研究区的适用性。结果表明：泉太水文站率定期与验证期径流的模拟值与实测值总体上拟合较好，率定期与验证期径流模拟的相关系数(R2)均大于0.6，Nash-Suttclife效率系数(Ens)均大于0.75，相对误差(R)均小于30%。验证期的月径流模拟相对误差较率定期小，且相关系数R2、效率系数均大于0.9，降雨是径流的重要影响因素，月径流模拟值与年内的降雨过程存在较好的正相关性，且率定期相关性较验证期相关性大。应用率定后的参数在SWAT模型中进行径流模拟的结果较好，精度较高。将SWAT模型应用于东辽河吉林省段的径流过程模拟，具有较强的适用性。

东辽河流域; SWAT模型; 径流模拟

东辽河流域是辽河源头区的主要部分，近年来，针对东辽河流域开展的研究逐渐增多，且研究的角度各异。其中，以流域内水生态、水环境需水量、水环境容量、水环境承载力等方面的研究居多[1-6]。针对该流域的研究日益增多，但对其水文过程的研究却很少，尤以模型应用方面。然而，地表径流作为水文循环的重要组成部分，近几年来一直是国内外学者关注的重点，对SWAT模型应用于径流模拟方面亦进行了大量的探索和研究[7]，在国内，董国强等在滦河流域将SWAT模型模拟结果与GIS空间分析功能结合，设置不同情景下流域下垫面的变化对径流模拟的影响，说明林地的增加使得径流量增加，而降雨量的增加又强化了其影响程度[8]。郝振纯、姚苏红等在不同的干旱半干旱地区应用SWAT模型进行径流模拟研究，探索并验证了该模型在干旱半干旱地区的适用性[9-10]。顾万龙等应用SWAT模型对沙河周口水文站上游区域进行了径流模拟，论证了该模型对山区、丘陵和平原地区均有较好的适用性[11]。谢媛媛应用SWAT对罗玉沟典型小流域的径流、泥沙和水质状况进行模拟研究,着重探讨了降雨和森林植被变化对水文生态响应的影响[12]。朱丽等采用SWAT模型中敏感性分析模块，获得对产流模拟影响较大的参数，通过验证得出该模块在面积较小的中尺度流域的可用性[13]，王亚军等基于SWAT模型对湟水流域径流过程进行了模拟与评价，获得较好的结果，证明了模型的适用性[14]。已有的大量研究表明，应用SWAT模型进行径流模拟具有较好的通用性和实用性[15]。

本文将SWAT模型的径流模拟应用于东辽河流域吉林省境内河段，通过对东辽河泉太水文站2006—2010年间的月径流进行模拟，研究SWAT模型在该区的适用性，分析影响径流模拟的诸多因素，为相关部门进行东辽河流域水文循环等方面的研究提供可靠的依据，以期为SWAT模型在东辽河流域的应用奠定基础。

1 研究区概况

东辽河流域位于吉林省的西南部，松辽平原中部，地处东经123°52′—125°6′，北纬42°54′—44°14′，地势呈东南高、西北低，海拔611～120 m。流域面积为15 719 km2，区内主要有东辽河、招苏台河和条子河三条河流[16]。拥有辽源市和四平市两个地级市以及东辽县、公主岭市、梨树县、双辽市、伊通满族自治县5个县级市[3]。东辽河全长448 km，省内河长321 km，流域面积10 136 km2。发源于辽源市萨哈岭，流经辽源、公主岭、双辽等市，并最终汇入辽宁省境内的辽河[17-18]，气候属温带大陆性季风气候，四季变化明显，冬季寒冷多风，夏季炎热干燥。多年平均径流量5.61亿m3，6—9月份为丰水期，径流量占年径流量的60%～70%。3—5月、10月份为平水期，11月份进入枯水期后流量骤少，东辽河最枯年份的来水量占多年平均来水量的9.3%，流经的王奔站丰水年与枯水年的水资源量相差30.8倍[1-3]。径流过程是水文循环的一个重要环节，降雨、径流之间又密不可分。因此，通过对研究区水文过程中的径流进行模拟，分析降雨、径流的相关关系，评价模型的精度、适用性，具有极大的现实意义，为该区进行相关水文过程、农业污染等方面的研究提供可靠的依据。

2 数据来源与方法

2.1 数据来源

基于SWAT模型的径流模拟需要空间数据及属性数据，为使数据库中各图件在同一个坐标系下，研究采用Albers投影，投影中第一、第二标准纬线依次为25，47，中央经线为105°。高程模型采用STRM DEM数据，土地利用数据的空间分辨率为1 km；土地利用类型图是项目组通过对流域Landsat遥感数据TM和ETM影像解译得到的，结合1∶50万吉林省土地利用图和野外调查GPS实测样点进行检验。土壤类型图是通过将吉林省1∶50万土壤类型图矢量化，并转换投影获得。利用流域水文站点、雨量站点资料以及90 m数字高程图、1∶50万的土地利用和土壤类型图等构建东辽河流域的空间数据库和属性数据库，数据来源及说明见表1。

2.2 研究方法

SWAT模型由美国农业部农业研究中心(USDA-ARS)研发，是基于SWRRB模型发展起来的一种基于过程的分布式流域尺度水文模型[19-21]。模型将遥感(RS)、地理信息系统(GIS)、数字高程模型(DEM)等数字技术进行集成应用，在径流模拟的过程中充分考虑气候、流域下垫面条件等因素对径流模拟的影响[22]，在径流模拟方面应用广泛。

本次径流模拟选取SCS—径流曲线法进行地表径流量的计算，潜在蒸散发能力采用Prestley-Taylor方法计算、河道演算采用Variable storage法获得，模型以月平均为步长。模型率定及验证结果选取相对误差(Re)、决定系数(R2)、Nash-Suttclife效率系数(Ens)三项指标进行评价。其中，Re为实测值与模拟值的相对误差，一般要求其绝对值在30%以内；R2为相关系数的平方，反映实测值与模拟值之间的数据相关程度，R2≥0.6时，模拟结果较好，且越接近于1，吻合的程度越高；Ens用来描述模拟值与实测值拟合精度，取值在0～1之间，当Ens在0.5～0.65之间时，模拟结果可接受，当Ens>0.75时，认为模拟结果非常好[23]，Re，R2，Ens的计算公式如下：

Re=[(Ps-W0)/W0]×100%

(1)

(2)

(3)

式中：W0——实测值；Ps——模拟值；Wavg，Pavg——实测值与模拟值的平均值；n——实测数据的个数；相关系数R2可在Excel中应用线性回归法求得。

3 结果与分析

3.1 模型构建及参数率定

SWAT模型构建之初，由流域的DEM数据生成流域河网水系，加载水文站点后确定流域出口位置，将整个流域划分成28个子流域，再将土地利用及土壤类型数据分别加载并重新分类后进行叠加处理。通过设值流域面积阈值，将流域内子流域划分成363个水文响应单元，土地利用类型及土壤类型面积阈值均取10%，最后通过加载气象数据及其他相关的默认数据库文件，采用上述径流模拟方法实现对东辽河流域水文过程的模拟，东辽河流域DEM高程图及东辽河子流域划分结果见图1、图2。

图1东辽河流域DEM图图2东辽河子流域划分图

在模型建立的基础上，采用SWAT模型自带的参数敏感性分析模块Sens-Auto-Unc中的拉丁超立方—单次单因素(LH-OAT)法分析参数敏感程度。以2006—2008年月径流数据为敏感性分析对象，应用该方法获得CN2、SOL-AWC、ESCO等17个对本次径流模拟有重要影响的参数，部分敏感参数见表2。

表2 东辽河径流模拟部分敏感参数

对于模型参数的率定，本文引进SWAT-CUP应用程序，SWAT-CUP为SWAT模型用于校准的一个计算程序，具有参数敏感性分析、模型的校准等功能[24]，在模型参数率定时应用广泛，本次即采用该软件对参数进行率定。将17个敏感参数输入到SWAT-CUP中，采用Sufi2模拟方法进行计算，以全局敏感性分析中p-value和t-stat结果为参考。其中，p-value代表参数的重要性，越接近于0，表示参数越重要；t-stat表示参数的敏感性强弱，参数绝对值越大，表示敏感性越强。结合Sensitivity Analysis功能，对SWAT模型的敏感参数进行二次筛选，挑选出对研究区径流模拟影响更显著的参数，体现出Sensitivity Analysis高效、针对性强的特点。为使参数调整有据可依，径流校准效果更好，以获得适合研究区径流模拟的参数。本次研究在模型自动校准的基础上，采用one-at-a-time依次对CN2、ESCO、SOL_Z、SOL_AWC等几个主要参数进行校准。one-at-a-time敏感性分析方法即通过手动单一改变某一参数的范围值，其他参数范围值保持不变，通过对几次径流模拟结果进行对比分析，确定提高模型模拟效果及精度的参数调整方法，避免参数调整时存在的盲目性，大大提高本次参数调整的效率。通过手动调参、自动校准，对模型主要敏感参数值的范围进行调整、率定，获得较为符合该区域径流过程模拟结果及最为满意的参数率定值，见表3，即可采用率定的参数代回SWAT模型中进行验证模拟。

3.2 结果分析

模型采用泉太水文站2006—2008年间逐月径流数据作为校准数据对模型进行校准，并以2009—2010年作为模型的验证期，根据参数的类型，将率定的参数值代回SWAT模型中修改默认参数后，开始逐月径流的验证模拟。对模拟结果进行分析处理，获得率定期与验证期径流模拟结果(图3—4)，径流模拟值与实测值线性回归曲线见图5。结合模型自动计算功能，并利用Excel计算可得研究区率定期与验证期的径流模拟分析结果，见表4。

表3 主要敏感性参数率定值

图32006-2008年逐月径流率定结果图42009-2010年逐月径流验证结果

图5 率定期与验证期模拟值与实测值线性拟合曲线表4 东辽河流域月径流模拟结果

模拟期R2EnsRe/%率定期(2006—2008年)0.880.8224.22验证期(2009—2010年)0.920.928.09

结合图3与表4可知，径流模拟值与实测值之间的相对误差为24.22%，小于30%；决定系数R2为0.88，大于0.6；Nash-Suttclife效率系数(Ens)为0.82，高于0.75，对比模型评价指标的精度要求可知，三个评价指标均满足精度要求，模型率定期模拟的结果较为满意。结合率定期径流模拟值、实测值以及图3、图5不难发现，虽然率定期逐月径流模拟的结果较好，但大部分径流模拟值略高于实测值，即Ens>0，统计发现，校准期内每年的9月至次年的2月份，径流的模拟值均不同程度的偏高于实测值，分析可能是由于北方地区9月份起降水开始逐渐减小，而降水是径流产生的来源，降雨过程中模型会自动考虑多种因素的影响，因而径流模拟结果更接近实际径流，但该误差均在允许的范围内。此外，分析图3可知，率定期内降雨量与径流量的相关性很大，降雨量大的月份径流量亦大。

观察图4与表4可知，验证期径流模拟值与实测值的拟合度较高，验证期的相对误差仅为8.09%，小于校准期的相对误差；通过Excel回归曲线计算得出R2，验证期的相关系数R2、Nash-Suttclife效率系数Ens均为0.92，大于0.75，精度较高。分析验证期的径流实测值与模拟值可知，验证期径流模拟的误差相比于率定期更小，相关系数R2、效率系数Ens均提高，利用上述参数校准方法获得的参数值进行东辽河径流过程验证模拟，结果较好，适用性较强，即针对该区域，采用上述调参方法进行参数调整是可行的。由图4可知，验证期逐月模拟降雨量与径流量存在较大的正相关性，降雨量大的月份径流量亦大，且2010年相关性大于2009年。

可见，降雨是影响径流的重要因素，采用率定后的参数进行径流模拟的结果较好，应用率定的参数对研究区进行径流模拟，精度较高，具有较强的适用性。

4 结 论

(1) 泉太水文站率定期与验证期月平均径流量的模拟值与实测值的相对误差R分别为24.22%，8.09%，均小于30%；决定系数R2依次为0.88，0.92，均大于0.6；Nash-Suttclife效率系数(Ens)分别为0.82，0.92。三个评价指标均满足精度要求，且验证期月径流拟合精度有所提高，R2、Ens均大于0.90，模拟结果较好。应用率定后的参数对东辽河流域进行径流模拟，结果较为可靠，具有较强的适用性。

(2) 在时间上，东辽河流域的径流过程与模拟降雨过程具有一定的正相关性，即月径流量大的月份，模拟降雨量亦大，且率定期内相关性较验证期高。其中，2010年间月径流过程与降雨量相关性较大，而2009年月径流过程与降雨过程相关性较2010年小。

(3) 应用SWAT模型能较好地模拟东辽河泉太站逐月径流过程，但由于模型本身的不确定性，考虑人类活动对该区天然径流过程的影响时，与实际下垫面条件仍有些偏差，在后续模型的改进及模型应用的过程中，应着重研究下垫面条件对模型精度的影响。

[1] 龚磊,卢文喜,张蕾.东辽河流域水生态功能分区研究[J].人民黄河,2012,34(5):57-60.

[2] 张蕾.东辽河流域水生态功能分区与控制单元水质目标管理技术[D].长春:吉林大学,2012.

[3] 吴佳曦.吉林省东辽河流域生态环境需水量的研究[D].长春:吉林大学,2013.

[4] 程兵芬,罗先香,王刚.基于层次分析—模糊综合评价模型的东辽河流域水环境承载力评价[J].水资源保护,2012,28(6):33-36.

[5] 姜雪,卢文喜,黄鹤,等.基于WASP模型的东辽河水环境容量计算[J].节水灌溉,2012(6):56-59,63.

[6] 姜雪,卢文喜,张蕾,等.基于WASP模型的东辽河水质模拟研究[J].中国农村水利水电,2011(12):26-30.

[7] 白淑英,王莉,史建桥,等.基于SWAT模型的开都河流域径流模拟[J].干旱区资源与环境,2013,27(9):79-84.

[8] 董国强,杨志勇,史晓亮,等.基于SWAT模型的滦河流域径流模拟[J].人民黄河,2013,35(6):46-52.

[9] 郝振纯,侯艳茹,张余庆,等.基于SWAT模型的皇甫川流域径流模拟研究[J].中国农村水利水电,2013(5):6-10.

[10] 姚苏红,朱仲元,张圣微.基于SWAT模型的内蒙古闪电河流域径流模拟研究[J].干旱区资源与环境,2013,27(1):175-180.

[11] 顾万龙,竹磊磊,许红梅,等.SWAT模型在气候变化对水资源影响研究中的应用:以河南省中部农业区为例[J].生态学杂志,2010,29(2):395-400.

[12] 谢媛媛.基于SWAT模型的罗玉沟流域森林植被变化的水文生态响应研究[J].水土保持研究,2009,16(4):197-202.

[13] 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):161-165,275.

[14] 王亚军,周陈超,贾绍凤,等.基于SWAT模型的湟水流域径流模拟与评价[J].水土保持研究,2007,14(6):394-397,406.

[15] 唐莉华,林文婧,张思聪,等.基于SWAT模型的温榆河流域非点源污染模拟与分析[J].水力发电学报,2010,29(4):6-13.

[16] 卞建民,胡昱欣,李育松,等. 基于BP神经网络的辽河源头区水质评价研究[J].水土保持研究,2014,21(1):147-151.

[17] 李迪.基于SWAT模型的东辽河流域农业非点源污染模拟研究[D].长春:吉林大学,2011.

[18] 曹艳,张宝新.东辽河流域水文气象特性分析[J].吉林水利,2006(6):30-31.

[19] 杨姗姗,徐征和,孔珂,等.基于SWAT模型的卧虎山水库流域径流模拟[J].中国农村水利水电,2013(5):11-14,19.

[20] 张展羽,司涵,孔莉莉,等.基于SWAT模型的小流域非点源氮磷迁移规律研究[J].农业工程学报,2013,29(2):93-100.

[21] 孙瑞,张雪琴.基于SWAT模型的流域径流模拟研究进展[J].水文,2010,30(3):28-32.

[22] 朱乔,梁睿,晋华,等.基于SWAT模型的岚河流域径流模拟[J].水电能源科学,2013(3):25-27.

[23] Moriasi D N, Arnold J G, Van Liew M W, et al. Model evaluation guideliness for systematic quantification of accuracy in watershed simulation[J]. Transactions of the ASABE,2007,50(3):885-900.

[24] 谢淼.石头口门水库汇水区土地利用情景分析及水资源污染模拟研究[D].长春:吉林大学,2013.

StudyonRunoffSimulationinDongliaoRiverBasinofJilinProvince

BIAN Jian-min, HU Yu-xin, ZHANG Zhen-zhen, TANG Jie, ZHAO Juan

(CollegeofEnvironmentandResources,JilinUniversity,Changchun130021,China)

The Dongliao River in Jilin Province was taken as a case study area. Runoff simulation of the Quantai hydrological station was carried out with SWAT, a distributed hydrological model. In order to analyze the factors influencing hydrological process, the accuracy of runoff process simulation and the model applicability for the study area, parameters were calibrated by observed monthly runoff data from 2006 to 2008, and validated from 2009 to 2010. The results showed that during the calibration and validation period, the simulation results of the Quantai hydrological station were overall credible and consistent with the measured runoff, and the coefficients of determination (R2) were both greater than 0.6, and Nash-Suttclife efficiency factors (Ens) were both greater than 0.75, as well as the relative errors (R) were both less than 30% . During the validation, the relative error was smaller, the coefficients of determination (R2) and Nash-Suttclife efficiency factors were both greater than 0.9. Rainfall is an important factor affecting the runoff processes, a better positive correlation between the monthly runoff simulation and rainfall process was found during the calibration and validation period, while the calibration period is higher. However, the results were better and accurate with the calibrated parameters applied to the model. SWAT model exhibited the strong applicability when it was applied to simulate the runoff process of Dongliao River in Jilin Province.

Dongliao River basin; SWAT model; runoff simulation

2014-04-30

：2014-05-19

国家水体污染控制与治理重大科技专项(2012ZX07202-009)

卞建民(1968—),女,吉林延吉人,教授,博士生导师,主要从事地下水资源评价、水环境与水生态方面的研究。Email:bianjianmin@126.com

P333.3

：A

：1005-3409(2014)04-0246-05