基于SW AT模型土地利用变化对东江流域产流产沙的影响分析1

仇继忠 王云鹏

（1、中国科学院广州地球化学研究所，广州 510640）（2、中国科学院大学，北京 100049）

基于SW AT模型土地利用变化对东江流域产流产沙的影响分析1

仇继忠 王云鹏

（1、中国科学院广州地球化学研究所，广州 510640）（2、中国科学院大学，北京 100049）

利用地形、土地利用、土壤和气候气象等数据，构建了东江流域SWAT模型。基于流域内2001-2012年的土地利用变化，对不同土地利用情景下的产流产沙量进行了计算模拟。结果表明：2001-2012年，东江流域的土地利用类型以常绿林、草地和农业用地为主，均占总面积的80%以上。在12a间，土地利用主要变化为常绿林地的增加了14.46%，即4524.79km2，而草地、农业用地以及混交林分别减少了4.78%、4.54%和3.97%，面积为1495.1km2、1422.11km2和1243.09km2。这些变化使得流域内月均产流量增加了0.22mm，最大月产流量增加0.36mm，汛期（4月-9月）增加2.39mm。同时，月均产沙量减少0.79t/ha，最大月产沙量减少2.86t/ ha，汛期减少为6.29t/ha。研究结果可为东江流域土地利用方案的制定实施和水资源规划管理决策提供科学参考。

东江流域，土地利用变化，产流量，产沙量

1、引言

土地利用变化是全球变化研究中的主要驱动力之一[1-3]，其不仅需要大尺度的宏观研究，而且需要中小尺度的中微观研究。在流域或区域等中小尺度上，土地利用变化将改变水量平衡状态，并影响水质变化。因此，开展土地利用变化的水文和泥沙响应研究，在促进流域区域内水资源的开发和保证水质利用等方面，具有重要的意义。

在国内外，运用模型研究土地利用变化对于流域内水文水质的影响逐渐受到重视。袁再健等[4]针对日益加剧的水土流失情况，在四川紫色土地区选取了南部县鹤鸣观小流域作为研究区，分析荒地、灌木林、坡耕地、梯地、林地等土地利用方式的产流产沙特征，为构建产流产沙的小流域分布式模型奠定基础。傅伯杰等[5]使用校正的土壤侵蚀模型LISEM（Limburg Soil Erosion Model）探讨了黄土沟壑区的林地/灌木地、果园/经济林地、荒草地、休闲地和耕地等五种土地利用方式的水土流失效应。花利忠等[6]利用农业非点源污染模型Ann AGNPS（annualized agricultural non-point source）定量评价了三峡库区的大宁河流域流域的径流与泥沙，显示了模型在流域径流与泥沙负荷估算及其评价中的应用潜力。

本文利用成熟的分布式水文模型SWAT，构建了东江流域空间和属性数据库。基于此，审计了两种不同土地利用情景，模拟运算出产流产沙量，分析了流域内土地利用变化对两种产量的影响。研究结果不仅对政府部门进行水资源管理时提供决策参考，还对流域内土地可持续利用科学方案的制定与实施提供依据。

2、研究区域和SWAT模型

2.1 研究区概况

东江（图1）是珠江的三大干流水系之一，发源于江西省南部山区，流经广东省河源、惠州等地，在东莞市石龙镇注入珠江三角洲。流域的地理范围为北纬，东经，总面积约为2.9×104km2。地势由北、东、西三面边缘渐次向中部降低，并向南倾斜，海拔由最高的1470m降低到最低的0m。东江流域属于亚热带湿润区，其气候受季风影响较大，气温约为24.5-32.9℃，年均降水约2114.6mm，年均径流量为33.11×109m3，超过中国河流径流量平均水平[7]，汛期为每年的4月-9月。

2.2 SWAT模型简介

SWAT（Soil and Water Assessment Tool）是Jeff Arnold为美国农业部下属的农业研究中心开发的分布式流域模型[8]。该模型以年、月和日等为时间步长，以水循环为基础，对流域内的一系列复杂物理现象进行模拟计算，如汇流产水、泥沙产生和营养物迁移等等。并能在不同气候条件和土地利用类型的情景下进行上述流域内过程的预测。

建模时，SWAT首先跟据DEM和实际水系等数据把研究流域划分为若干个子流域。当子流域内因不同的土地利用、土壤类型和管理措施影响到水文过程时，模型就进一步把子流域继续划分为不同的水文响应单元（Hydrologic Response Units,HRUs）。在SWAT模型里，同一个HRU中具有相同水文特性。

流域中的所有模拟过程均基于水量平衡。SWAT模型采用的水量平衡方程为[9]

式中,SWt表示土壤最终含水量，SW0表示土壤的初始含水量，t表示时间，Rday表示降水量，Qsurf表示地表径流，Ea表示蒸散发量，Wseep表示土壤剖面底层的渗透量和侧流量，Qgw表示回归流的水量。上述符号，除了时间t的单位为d外，其他均为mm。在本研究中，地表径流量的估算使用修正的SCS曲线数法(Modified SCS Curve Number)[10]，产沙量则使用MUSLE方程（Modified Universal Soil Loss Equation）[11]来计算。具体细节可查看相关文献，此处则不再展开。

2.3 SWAT模型构建

在运行SWAT模型前需要收集大量基础数据，如地形、土地利用、土壤和气候气象等等，并根据模型的运行条件和要求进行整理和预处理，建立起模型所需的空间数据库和属性数据库。

2.3.1 DEM数据

地形数据来自90m空间分辨率的SRTM（Shuttle Radar Topography Mission）DEM数据集，从网站（http∶//srtm.csi.cgiar.org/）下载。

2.3.2 气象数据

模型所需的气象数据包括气温、降水、太阳辐射、风速和相对湿度等。东江流域内共有4个国家气象站（图1和表1）。从中国气象数据网（http∶// data.cma.cn）的中国地面气候资料日值数据集V3.0版本可获取其数据，时段为1970-2012年，其中1970-2000年等30年数据作为模型运行的气候背景值，用于建立天气发生器数据库。

2.3.3 土地利用数据

土地利用数据采用两景MODIS数据产品MCD12Q1，获取时间分别为2001年和2012年，空间分辨率为500m。其原有的IGBP土地分类经过如表2的转换后方可适合SWAT模型的使用。

2.3.4 土壤数据

土壤数据来源于联合国粮食和农业组织（Food and Agriculture Organization of the United Nations，FAO）的和谐世界土壤数据库（Harmonized World Soil Database，HWSD）。然而，HWSD的土壤粒径级配标准是国际制，而SWAT模型是USDA简化的美制标准，所以需要使用土壤水文特性软件SPAW[12]对其进行转换，才得到模型需要的土壤属性[13]。

2.4 情景设定

研究[14，15]表明，气候变化和土地利用方式的改变会影响到流域内的产流量和产沙量。为了评估土地利用变化的影响，本研究设定了以下两种模拟情景，只改变土地利用而保持气候变化变量不动：

2001年情景：2000-2012年气象数据、2001年土地利用数据；

2012年情景：2000-2012年气象数据、2012年土地利用数据。

3、结果和分析

3.1 土地利用时空变化特征

基于两期(2001年和2012年)MODIS土地利用影像，本研究使用ArcGIS软件对东江流域的土地利用进行分析，得到2001-2012年土地利用变化情况（表3）。

2001-2012年东江流域的土地利用以常绿林、草地和农业用地为主。这些土地利用类型均占流域总面积的80%以上(2001年为81.16%，2012年为86.29%)；而水域、落叶林、灌木林和裸地等类型的比例较小，不超过2%。与2001年相比较，2012年的土地利用结构发生了一些变化。2012年土地利用变化主要表现为常绿林地的增加。该种土地类型的面积比2001年增加了14.46%，即4524.79km2。而草地、农业用地和混交林减少的比例较大，分别为4.78%、4.54%和3.97%，减少的面积分别为1495.1km2、1422.11km2和1243.09km2。

继续利用ArcGIS软件处理这两景土地利用影像，得到2001-2012年东江流域土地利用转移矩阵（表4），以进一步分析各种土地利用类型的转化情况。

常绿林地的增加主要由混交林和草地转移过来，其中混交林约转移了1846.49km2，草地约为3333.01km2。同时，常绿林地只转移给混交林1008.68km2,转移给草地只有358.48km2。农业用地转移了543.52km2给常绿林，但更多转给了草地，达2093.35km2。这些土地利用方式的变化导致了东江流域下垫面状况的改变，进一步作用于流域内水循环，必定对研究流域内的产流产沙产生一定的影响。

3.2 土地利用变化对产流的影响

表5显示了2001年和2012年两个时期的土地利用方式对东江流域产流量的改变起到一定的作用。利用方式的改变使得流域内三种产流量都有不同程度的增加。与2001年情景相比，2012年情景的月均产流量增加了0.22mm，最大月产流量在5月份，增加了0.36mm，汛期（4月-9月）的增加程度尤其明显，达2.39mm。前面分析可知，在2001-2012年的12a里，流域内土地利用变化以常绿林地的增加、草地、农业用地和混交林减少为主要特点。结果说明了在降水充沛的湿润条件下，在具有较好的水源涵养能力、较少的蒸散发耗水以及林地土壤良好的渗透作用，常绿林地的增加使得流域内产流量增加。

3.3 土地利用变化对产沙的影响

与产流量相反，土地利用方式的变化削减了东江流域的产沙量（表6）。与2001年情景相比，2012年情景的月均产沙量减少了0.79t/ha，最大月产沙量在4月份，减少了2.86t/ha，汛期（4月-9月）的削减程度很大，为6.29t/ha。因为常绿林地的增加，林冠的密实减少降雨动能，林木根系稳定坡体，林地地表糙率阻延地被物流失等等诸多因素均能有效地防止土壤侵蚀，有效地削减了东江河道的泥沙来源。

4、结论

本文选取东江流域2001年和2012年的土地利用为研究对象，使用SWAT分布式流域模型，对两种不同土地利用情景下的产流量和产沙量进行了模拟，得出以下结论∶

①东江流域的土地利用类型以常绿林、草地和农业用地为主，均占流域总面积的80%以上。2001-2012年的12a的土地利用变化主要为常绿林地的增加和草地、农业用地以及混交林减少。

②常绿林地的增加以及其他土地利用类型的减少使得东江流域内月均产流量、最大产流量和汛期产流量有着不同程度的增加，月均产沙量、最大产沙量和汛期产沙量有着不同程度的减少。

土地利用变化具有时效性。随着经济社会的不断发展，东江流域内土地利用随着时间的推移而在变化。这种变化影响到流域内水循环，最终影响到了产流量和产沙量的变化，尤其是在4月-7月的汛期阶段，这会在某种程度上加大洪涝灾害的风险，值得当地政府和人民注意。

[1]摆万奇,柏书琴.土地利用和覆盖变化在全球变化研究中的地位与作用[J].地域研究与开发,1999, 18(04):13-16.

[2]Jonathan A.Foley,Ruth Defries,Gregory P. Asner,等.Global consequences of land use[J]. Science,2005,309(5734)∶570-4.

[3]张新荣,刘林萍,方石,等.土地利用、覆被变化(LUCC)与环境变化关系研究进展[J].生态环境学报,2014,(12):2013-2021.

[4]袁再健,蔡强国,秦杰,等.鹤鸣观小流域不同土地利用方式的产流产沙特征[J].资源科学,2006, 28(01):70-74.

[5]傅伯杰,邱扬,王军,等.黄土丘陵小流域土地利用变化对水土流失的影响[J].地理学报,2002,57 (06):717-722.

[6]花利忠,贺秀斌,颜昌宙,等.三峡库区大宁河流域径流泥沙的AnnAGNPS定量评价[J].水土保持通报,2009,(06):148-152.

[7]杨宏伟.GIS支持下的东江典型流域径流变化研究[D].南京大学,2009.

[8]J.G.Arnold,R.Srinivasan,R.S.Muttiah,等. Large area hydrologic modeling and assessment Part I∶Model development[J].Jawra Journal of the American Water Resources Association,1998, 34(1)∶73–89.

[9]S.L.Neitsch,J.G.Arnold,J.R.Kiniry,等.Soil and Water Assessment Tool Theoretical Documentation Version 2009,http∶//swat.tamu.edu/ documentation/,2011.

[10]USDA Soil Conservation Service,'Section 4 Hydrology,Chapters 4-10',in National Engineering Handle Book,1972).

[11]J.R.Williams.Sediment routing for agricultural watersheds[J].Jawra Journal of the American Water Resources Association,1975,11(5)∶965–974.

[12]K.E.Saxton,W.J.Rawls.Soil Water Characteristic Estimates by Texture and Organic Matter for Hydrologic Solutions[J].Soil Science Society of America Journal,2006,70(5)∶1569-1578.

[13]魏怀斌,张占庞,杨金鹏.SWAT模型土壤数据库建立方法[J].水利水电技术,2007,38(06):15-18.

[14]李晶莹,张经.中国主要河流的输沙量及其影响因素[J].中国海洋大学学报(自然科学版),2003, 33(04):565-573.

[15]张圣微,雷玉平,姚琴,等.土地覆被和气候变化对拉萨河流域径流量的影响[J].水资源保护,2010, 26(02):39-44.