空间数据对分布式水文模型SWAT流域水文模拟精度的影响

陈祥义，肖文发，2， 黄志霖,2†， 曾立雄，2

(1. 中国林业科学研究院森林生态环境与保护研究所 国家林业局森林生态环境重点实验室，100091，北京；2. 南京林业大学南方现代林业协同创新中心， 210037，南京)



空间数据对分布式水文模型SWAT流域水文模拟精度的影响

陈祥义1，肖文发1，2， 黄志霖1,2†， 曾立雄1，2

(1. 中国林业科学研究院森林生态环境与保护研究所 国家林业局森林生态环境重点实验室，100091，北京；2. 南京林业大学南方现代林业协同创新中心， 210037，南京)

摘要：分布式水文模型的模拟精度受空间参数精度的影响。提升空间参数精度能较为精准描述流域空间特征，也会使空间数据量冗增，甚至影响模型运行效率。以分布式水文模型SWAT为例，分析DEM、子流域划分、土地利用、土壤、降水站点等空间数据精度对模型模拟精度的影响。结果表明：1)对不同对象(流量、泥沙、营养元素等)进行模拟时，大多数空间数据分辨率阈值不同，分辨率超出阈值可能降低模型模拟的精度；2)DEM分辨率降低，泥沙和总磷(TP)模拟结果的相对误差明显增加，而流量和硝态氮(NO3-N)模拟结果变化极小；3)DEM分辨率达到一定精度后，进一步提高并不会使地表径流模拟精度得到改善，低分辨率DEM获得的坡度较小，这会降低模型对流量的模拟，模拟的洪峰径流产生滞后现象；4)子流域划分对流域产流模拟影响较小，而对产沙模拟影响较大。子流域和水文响应单元的划分数量对流域上游产沙量影响较大，而对流域出口处泥沙荷载影响较小；5)土地利用和土壤图精度主要通过影响模型中HRU生成的数量而影响模拟结果；6)地表径流模拟上，能够体现对地表径流贡献较大的局地降水事件的分布式的降水数据要比利用气象站点获得的降水数据模拟结果的精度要高。研究结果可以为今后模型开发、利用、改进提供参考，提高模型模拟的精度。

关键词：分布式水文模型；SWAT；数据质量；分辨率；水文模拟； 空间数据； 子流域

水文循环是一个涉及降水、截留、入渗、产流、输移、蒸散等多环节复杂的生态过程，受土地利用变化、管理措施和气候条件等多重因素影响。传统的水文研究手段无法满足复杂的水文循环模拟的精度要求，水文模型逐渐成为水文模拟研究的主要手段。具有一定物理基础、充分考虑空间异质性的分布式水文模型较概念性的集总式水文模型具有较好的模拟精度，正逐步成为当今流域水文水资源和物质运移规律模拟研究与评估的重要工具。分布式水文模型的模拟精度很大程度上依赖于地理空间数据的精度，空间数据精度越高，越有利于准确描述流域特征；但同时也会增加数据收集与处理的难度，降低模型对数据的处理速度。分布式水文模型模拟精度与空间数据精度不是正相关的，研究分布式水文模型模拟结果对空间数据精度变化的响应方向与响应程度，选取合适精度的空间数据，对提高模型运行效率具有非常重要的研究价值。

SWAT(Soil and Water Assessment Tool)模型[1]是一个广泛应用的区域水文水资源评估工具，很多学者利用SWAT模型对产流量，泥沙、氮、磷等物质输移等方面进行了预测和验证，并对空间数据精度对模型模拟精度的影响进行了探讨。笔者利用综合分析方法，评述空间数据精度对SWAT模型模拟结果的影响，综合分析数字高程模型(Digital Elevation Model，DEM)分辨率、子流域和水文响应单元(Hydrological Response Units， HRU)数量、土地利用和土壤分布空间分辨率、气象站点数量等对流域流量、泥沙、污染物等模拟结果的影响，以期为SWAT模型的应用和改进提供参考，提高模型模拟精度和运行效率。

1SWAT模型概述

SWAT模型是由美国农业部农业研究中心(USDA-ARS)开发的，具有一定物理基础和流域尺度的分布式水文模型[1]，主要用来模拟管理措施、土地利用变化以及气候变化等对水文生态过程的影响，模拟的对象主要是径流、泥沙和氮、磷等营养物质，可以对流域进行长时间、持续地模拟，结果可以分年、月、日3种时间步长进行输出[2]。

SWAT模型首先将整个研究区依据自然汇水区域划分为若干子流域，在子流域内通过叠加土地利用、土壤分布以及坡度(SW AT 2009及以上版本)等数据生成若干HRU，HRU是模型模拟的最小地理单元，所有的产流、产沙计算首先在HRU上进行，然后汇总得到子流域内的产流、产沙量，最后所有子流域内的径流、泥沙通过河道输移至流域出口。

模型地表产流计算有2个选择：SCS-CN径流曲线数法[3]和Green-Ampt入渗法[4]，2种方法对气象数据的要求不同，地表产沙量则使用修正的土壤流失方程(MUSLE)[5]。

2空间数据精度对流域水文模拟的影响

SWAT模型所需数据主要有空间数据和文本数据。文本数据主要用来存储气象、水文观测、植物生长和土壤理化性质等参数数据，用于获取地理参数、进行流域离散空间数据的精度对模型模拟影响显著。模型所需的主要空间数据见表1。

表1　SWAT模型所需主要空间数据

2.1DEM分辨率对SWAT模型模拟精度的影响

DEM分辨率影响流域平均坡度、流域面积、河道长度等关键地理参数的偏差，随流域面积的增加，这种偏差的影响减弱[6]。流域地形参数获取是分布式水文模型进行水文模拟的基础，不同分辨率的DEM所提取的流域边界与最长河道差异不明显，但是对河网总长以及局地的坡度影响显著[7]。反映到流域水文和物质运移上，则直接影响汇水面积、汇流和物质运移的路径和速率等。

DEM作为SWAT模型提取地形参数的基础数据，并不是分辨率越高，模型模拟的结果就越准确，DEM分辨率的选取要以模拟的对象和目标不同而有所差异。A. S. Cotter等[8]在18.9 km2的流域尺度范围内研究表明，DEM分辨率在30～300 m范围内时流量、泥沙、硝态氮(NO3-N)、总磷(TP)的模拟精度可以满足要求。在这一流域尺度上，地表径流随DEM分辨率的变化并不敏感。分辨率提高，地表径流模拟结果没有显著改善，但泥沙和NO3-N的模拟出现了较大的误差。Shen Z.Y.等[9]在流域面积为4 426 km2大宁河流域利用分辨率为40 m×40 m、90 m×90 m和200 m×200 m的DEM数据模拟得到的流量结果与利用分辨率为30 m×30 m的数据模拟结果最大相对误差为2.09%，泥沙模拟结果的最大相对误差达到19.18%。泥沙负荷受地表产沙量和河网输移能力影响，不同分辨率DEM提取的坡度值影响修正土壤流失方程(MUSLE)产沙的计算[10]；同时泥沙在运输过程中的沉积和冲刷受到河网内水流流速的影响，而流域内坡度的变化影响地表径流与河道中水的流速，进而影响泥沙的输移。

DEM分辨率还影响流域洪峰发生时间。随着分辨率的降低，模拟的洪峰流量出现滞后现象[11]。在整个流域尺度上不同分辨率的DEM提取的平均坡度差异相对较小[12]，但是在子流域或水文响应单元尺度上坡度的变化较大，低分辨率的DEM会造成局部坡度的减缓，降低了汇流速度。

DEM分辨率对硝态氮(NO3-N)和流量的模拟结果影响较为一致，总磷(TP)对DEM的响应与泥沙的响应一致[8-9]。I. Chaubey等[13]研究发现分辨率在30～1 000 m之间，径流量和NO3-N荷载随着DEM分辨率的降低而减少，而TP荷载随DEM分辨率的变化趋势不定，分辨率在100～200 m之间时才能保证径流量、NO3-N、TP的模拟误差小于10%。2.2子流域和水文响应单元划分对模拟精度的影响

流域离散是分布式水文模型的基础，子流域的数量和面积对模拟结果影响差异极为显著，子流域离散方案产生的模拟偏差，可能会超过模型参数率定所产生的偏差[14]。

子流域数量过多、划分过细时产生了较多过于狭长或过小的虚假子流域，导致不真实的水文模拟[15-16]；但当亚流域划分数量较少时，对流域描述不够充分导致模拟输出结果不稳定，难以达到理想的预测精度。

子流域划分对流域产流模拟影响较小，而对产沙模拟影响较大。郝芳华等[17]对面积分别为4 623 km2和486 km2的2个流域中相同子流域划分方案对模拟结果影响的研究表明，子流域数量为4和127时产流模拟的相对误差分别为6.3%和1.3%，而产沙模拟的相对误差达到了60%和34.3%，最佳子流域数分别为24个和37个。卢文喜等[15]在流域面积为4 843.5 km2的石头口门水库汇流区的研究表明：子流域数量分别为5和59时对产流、产沙影响的相对误差分别为3.1%和76%，最佳子流域数为25个。子流域数量存在阈值，在阈值范围内流域产沙模拟结果相对稳定，若超出该阈值范围，模型会低估产沙量[10]。虽然不同子流域划分方案对地表径流模拟的影响较小，但是对水量平衡各组分如蒸散、入渗和土壤含水量的影响较大[18]。对流量、泥沙、NO3-N和无机磷模拟的最适子流域面积占流域总面积的比例分别为4%、3%、2%和5%[18-19]，所以在子流域划分过程中要根据模拟目标的优先权确定最合适的子流域面积阈值。

泥沙模拟对子流域以及水文响应单元的响应具有空间异质性。有研究发现在流域上游产沙量对子流域和水文响应单元的划分数量较为敏感，而在流域出口处泥沙荷载受影响较小[20]，这是流域有限的输移能力导致的[21-22]，在坡面上产出的泥沙最终没能输出到流域出口，而是在某个地方沉积起来。

2.3土地利用/覆盖和土壤图像精度对模拟结果的影响

土地利用和土壤图精度主要通过影响SWAT模型中水文响应单元(HRU)生成的数量而影响模拟结果[23-24]。研究[9]表明土地利用图精度的变化可能导致森林、农地、城镇等土地利用面积出现偏差。土地利用图精度降低会造成林地面积偏低而农地面积偏高，农地因覆盖情况和耕作措施等比森林产生更多的泥沙[25-26]。A. S. Cotter等[8]研究发现土地利用数据精度对河川流量和NO3-N模拟影响不明显，但是对泥沙和TP的模拟影响较大。控制预测误差在10%以内，适宜的土地利用图像分辨率为30～500 m。

叶许春等[23]在面积为1.55万km2的鄱阳湖上游的研究表明，在土地利用和土壤分布阈值(模型中生成水文响应单元时对土地利用和土壤面积比例的设定)设置固定的情况下，将精度为1∶100万和1∶300万的土壤分布图与土地利用图叠加，前者生成水文响应单元数量是后者的2倍多。模型校准前后，低精度土壤数据径流模拟结果略好于高精度土壤数据，二者之间的差别不明显。这表明在较大尺度SWAT模型的模拟中，土壤数据精度的提高不一定会改善模型的模拟结果。虽然SWAT模型对土壤理化性质非常敏感，但是土壤空间数据精度对模拟结果影响较小[6]。H. V. Singh等[27]利用SWAT模型和Tukey-Kramer统计检验评价了2种土壤数据类型美国州级土壤地理数据库(STATSGO)与土壤调查地理数据库(SSURGO)对关键污染源区(Critical Source Area，CSA)确定的影响。在没有进行泥沙校准的情况下，低分辨率STATSGO与高分辨率SSURGO土壤数据比较，前者获得的泥沙总负荷要高于后者，这是因为利用低分辨率土壤数据获得了较高的土壤可蚀性因子和较高的地表径流。M. Geza等[24]研究以上2种分辨率土壤数据对径流、泥沙和污染物模拟的影响，发现利用高分辨率土壤数据获得的水文响应单元的数量要远远多于低分辨率土壤数据，流量以及可溶性的营养元素的荷载的预测结果也是高分辨率土壤数据高于低分辨率土壤数据；但是由高分辨率土壤数据获得的泥沙以及附着在泥沙上的营养物质荷载的模拟结果要低于用低分辨率土壤数据获得的模拟结果。与实测日均流量相比，在校准之前低分辨率土壤数据模拟得到的流量结果要好于利用高分辨率土壤数据模拟得到的结果。李润奎等[28]在面积为19.5 km2的Brewery Creek流域上的研究表明：SWAT模型的径流模拟对高分辨率的土壤数据敏感性较弱，在模型的校正前后，2种土壤数据的径流模拟结果近似。这是因模型采用SCS-CN方法来估算地表径流，径流曲线数(Cruve Number，CN)的确定与土壤因素相关的是4个水文土壤组，再精细的土壤图最后也会被归结为4种水文土壤组，在此过程中存在着土壤信息的概化；所以高分辨率的土壤分布图不一定就能得到好的模拟结果。

2.4降水数据对模拟结果的影响

降水数据主要有2种形式，一是传统气象站点监测数据，还有一种是基于遥感等技术获取的分布式的降水数据。降水作为水文循环的开始和初始动力来源，其数据的好坏会对水文模型的模拟精度产生影响。SWAT模型将离子流域几何中心最近的降水监测站点的数据作为该子流域的降水数据[29]。研究发现利用分布式的降雨数据比用均一化的数据模拟的径流深精度有明显提高[30]。SWAT模型对所模拟研究区的面积大小没有特殊要求，但是流域面积越小就需要越密集的降水监测站点数据来保证模拟的精度[31]。泥沙荷载的模拟精度随着雨量站数量的增加有了很大的提升，但是径流和硝酸盐的模拟结果变化很小[32]。

下一代雷达气象系统(NEXRAD)是一个能够提供雷雨、冰雹、山洪、降雨等多种气象信息的数据系统[29]。NEXRAD反射率数据可以转化为多种形式的分布式降雨数据产品，比较常用的有StageⅢ和MPE数据[33-34]。利用StageIII和MPE降雨数据产品模拟的结果要好于利用气象站点的降雨数据得到的模拟结果[33-35]。降雨监测站点监测不到一些对地表径流产生贡献的局部降雨事件，而NEXRAD降雨数据弥补了这方面的不足，这表明NEXRAD降雨数据可以在没有监测站点或者监测站点较稀疏的地区替代监测站点进行水文模拟。

3结论与讨论

1)空间数据的分辨率不是越高越好，数据选取时要根据模拟的指标、可能影响指标模拟的因素等进行选择。一些数据对模拟的影响存在上下阈值现象，过高或过低分辨率的数据都可能降低模型模拟的精度。

2)子流域划分数量过多形成很多过于狭窄或虚假子流域导致不真实的水文模拟。子流域面积占流域总面积的5%左右时，对各指标的模拟精度均能达到要求。子流域划分对流域产流模拟影响较小，而对产沙模拟影响较大。泥沙荷载在上游对子流域划分较为敏感，但流域河网有限的泥沙输移能力使得整个流域出口处的泥沙荷载变化不是很明显。

3)分布式的降水数据可以监测到对地表径流贡献较大的局地降水事件，所以在地表径流模拟上要比利用气象站点降水数据模拟得到的结果精度要高，依靠遥感等手段获取的分布式气象数据可以用于在无监测站点或监测站点不足的区域进行水文要素模拟。

4)研究结果不一定适用于所有的分布式水文模型，因为水文模型在参数选取或者算法选择上存在着差别，所以相同的数据通过不同模型计算得出的结果也可能会存在很大差别。此外，模型运行结果在很大程度上还会受到研究区流域面积的影响。由于研究案例中研究区流域面积的差异，所得结论并不是一定适合于所有的研究。

4参考文献

[1]Arnold J G, Srinivasan R, Muttiah R S, et al. Large area hydrologic modeling and assessment part I: model development [J]. Journal of the American Water Resources Association, 1998, 34(1): 73.

[2]Gassman P W, Reyes M R, Green C H, et al. The soil and water assessment tool: historical development, applications, and future research directions[J]. Transactions of the ASABE, 2007, 50(4):1211.

[3]Soil Conservation Service (SCS). National Engineering Handbook, Section 4, Hydrology [M].Washington D C: U.S.Department of Agriculture, 1972.

[4]Heber Green W, Ampt G A. Studies on soil phyics [J]. The Journal of Agricultural Science, 1911, 4(1): 1.

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

[6]Di Luzio M, Arnold J G, Srinivasan R. Effect of GIS data quality on small watershed stream flow and sediment simulations [J]. Hydrological Processes, 2005, 19(3): 629.

[7]吴军, 张万昌. SWAT径流模拟及其对流域内地形参数变化的响应研究 [J]. 水土保持通报, 2007, 27(3): 52.

Wu Jun, Zhang Wanchang. Responses of runoff simulations to the change in topographic parameters based on SWAT model [J].Bulletin of Soil and Water Conservation, 2007, 27(3): 52. (in Chinese)

[8]Cotter A S, Chaubey I, Costello T A, et al. Water quality model output uncertainty as affected by spatial resolution of input data [J]. Journal of the American Water Resources Association, 2003, 39(4): 977.

[9]Shen Z Y, Chen L, Liao Q, et al. A comprehensive study of the effect of GIS data on hydrology and non-point source pollution modeling [J]. Agricultural Water Management, 2013, 118(0): 93.

[10] 邱临静, 郑粉莉, Runsheng Y. DEM 栅格分辨率和子流域划分对杏子河流域水文模拟的影响 [J]. 生态学报, 2012, 32(12): 3754.

Qiu Linjing, Zheng Fenli, Yin Runsheng. Effects of DEM resolution and watershed subdivision on hydrological simulationin the Xingzihe watershed [J]. Acta Ecologica Sinica, 2012, 32(12): 3754. (in Chinese)

[11] 吴军, 张万昌. DEM分辨率对AVSWAT2000径流模拟的敏感性分析 [J]. 遥感信息, 2007(3): 8.

Wu Jun, Zhang Wanchang. Sensitivity analyses of rainfall runoff simulations withAVSWAT2000 on effects of different spatial resolution DEMs [J]. Remote Sensing Information, 2007(3): 8. (in Chinese)

[12] Chaplot V. Impact of DEM mesh size and soil map scale on SWAT runoff, sediment, and NO3-N loads predictions [J]. Journal of Hydrology, 2005, 312(1/2/3/4): 207.

[13] Chaubey I, Cotter A, Costello T, et al. Effect of DEM data resolution on SWAT output uncertainty [J]. Hydrological Processes, 2005, 19(3): 621.

[14] Kim J G, Park Y, Yoo D, et al. Development of a SWAT patch for better estimation of sediment yield in steep sloping watersheds [J]. Journal of the American Water Resources Association, 2009, 45(4): 963.

[15] 卢文喜, 伊燕平, 张蕾, 等. 不同亚流域划分数量对 SWAT 模型模拟结果的影响 [J]. 水电能源科学, 2010, 28(10): 23.

Lu Wenxi, Yi Yanping, Zhang Lei, et al. Influence of different watershed subdivision numberson simulation results of SWAT model [J]. Water Resources and Power, 2010, 28(10): 23. (in Chinese)

[16] Manguerra H B, Engel B A. Hydrologic parameterization of watersheds for runoff prediction using SWAT [J]. JAWRA Journal of the American Water Resources Association, 1998, 34(5): 1149.

[17] 郝芳华, 张雪松, 程红光, 等. 分布式水文模型亚流域合理划分水平刍议 [J]. 水土保持学报, 2003, 17(4): 75.

Hao Fanghua, Zhang Xuesong, Cheng Hongguang, et al. Discussion on reasonable subdivision level of watershedfor distributed hydrologic model [J]. Journal of Soil and Water Conservation, 2003, 17(4): 75. (in Chinese)

[18] Tripathi M, Raghuwanshi N, Rao G. Effect of watershed subdivision on simulation of water balance components [J]. Hydrological Processes, 2005, 20(5): 1137.

[19] Jha M, Gassman P W, Secchi S, et al. Effect of watershed subdivision on swat flow, sediment, and nutrient predictions [J]. Journal of the American Water Resources Association, 2007, 40(3): 811.

[20] Fitzhugh T W, Mackay D. Impacts of input parameter spatial aggregation on an agricultural nonpoint source pollution model [J]. Journal of Hydrology, 2000, 236(1): 35.

[21] Fitzhugh T, Mackay D. Impact of subwatershed partitioning on modeled source-and transport-limited sediment yields in an agricultural nonpoint source pollution model [J]. Journal of soil and water conservation, 2001, 56(2): 137.

[22] Chen E, Mackay D S. Effects of distribution-based parameter aggregation on a spatially distributed agricultural nonpoint source pollution model [J]. Journal of Hydrology, 2004, 295(1): 211.

[23] 叶许春, 张奇, 刘健, 等. 土壤数据空间分辨率对水文过程模拟的影响 [J]. 地理科学进展, 2009, 28(4): 575.Ye Xuchun, Zhang Qi, Liu Jian, et al. Effects of spatial resolution of soil data on hydrological processes modeling [J]Progress in Geography, 2009, 28(4): 575. (in Chinese)

[24] Geza M, Mccray J E. Effects of soil data resolution on SWAT model stream flow and water quality predictions [J]. Journal of Environmental Management, 2008, 88(3): 393.

[25] Shen Z Y, Hong Q, Yu H, et al. Parameter uncertainty analysis of non-point source pollution from different land use types [J]. Science of The Total Environment, 2010, 408(8): 1971.

[26] Nie W, Yuan Y, Kepner W, et al. Assessing impacts of landuse and landcover changes on hydrology for the upper San Pedro watershed [J]. Journal of Hydrology, 2011, 407(1/2/3/4): 105.

[27] Singh H V, Kalin L, Srivastava P. Effect of soil data resolution on identification of critical source areas of sediment [J]. Journal of Hydrologic Engineering, 2010, 16(3): 253.

[28] 李润奎, 朱阿兴, Augello P C, 等. SWAT 模型对高精度土壤信息的敏感性研究 [J]. 地球信息科学, 2007, 9(3): 72.

Li Runkui, Zhu Axing, Augello P C, et al. Sensitivity of SWAT model to detailed soil information [J]. Geo-Information Science, 2007, 9(3): 72. (in Chinese)

[29] Douglas-Mankin K, Srinivasan R, Arnold J. Soil and Water Assessment Tool (SWAT) model: Current developments and applications [J]. Transactions of the ASABE, 2010, 53(5): 1423.

[30] Hernandez M, Miller S N, Goodrich D C, et al. Modeling runoff response to land cover and rainfall spatial variability in semi-arid watersheds [J]. Environmental Monitoring and Assessment, 2000, 64(1): 285.

[31] Andréassian V, Perrin C, Michel C, et al. Impact of imperfect rainfall knowledge on the efficiency and the parameters of watershed models [J]. Journal of Hydrology, 2001, 250(1): 206.

[32] Chaplot V, Saleh A, Jaynes D B. Effect of the accuracy of spatial rainfall information on the modeling of water, sediment, and NO3-N loads at the watershed level [J]. Journal of Hydrology, 2005, 312(1/2/3/4): 223.

[33] Sexton A M, Sadeghi A M, Zhang X, et al. Using NEXRAD and rain gauge precipitation data for hydrologic calibration of SWAT in a northeastern watershed [J]. Transactions of the ASAE, 2010, 53(5): 1501.

[34] Tuppad P, Douglas-Mankin K, Koelliker J, et al. NEXRAD Stage III precipitation local bias adjustment for streamflow prediction [J]. Transactions of the ASABE, 2010, 53(5): 1511.

[35] Moon J, Srinivasan R, Jacobs J. Stream flow estimation using spatially distributed rainfall in the Trinity River basin, Texas [J]. Transactions of the ASAE, 2004, 47(5): 1445.

(责任编辑：程云郭雪芳)

Impact of spatial data on the accuracy of watershed hydrological simulation of SWAT model

Chen Xiangyi1, Xiao Wenfa1,2, Huang Zhilin1,2, Zeng Lixiong1,2

(1. Key Laboratory of Forest Ecology and Environment of State Forestry Administration, Research Institute of Forest Ecology, Environment and Protection, Chinese Academy of Forestry, 100091, Beijing, China; 2. Co-Innovation Center for Sustainable Forestry in Southern China,Nanjing Forestry University, 210037, Nanjing, China)

Abstract:The simulation accuracy of watershed hydrological model depends largely on the description of the watershed characteristics of the input data. High resolution input data can accurately describe the watershed characteristics, and at the same time increase the difficulty of data collection and processing. So it is meaningful to study the response of the model simulation results to spatial data resolution, which would help to improve model running efficiency without reducing model simulation accuracy. Based on the previous studies, taking the SWAT for example, we review the impact of data quality on the accuracy of watershed hydrological simulation, mainly including the resolution of DEM (digital elevation model), the delineation of watershed, the quality of land use/land cover (LU/LC) and soil maps, the number and distribution of weather and precipitation gauge stations. The main conclusions are as follows: 1) Threshold of resolution of spatial data exists in the simulation of different subjects (runoff, sediment, nutrient, etc.), and too high or too low resolution of spatial data could result in the decrease of simulation accuracy. 2) The impact of DEM resolutions on the relative error of flow simulation results is far less than the relative error of sediment simulation, and the simulation results of inorganic nitrogen and organic phosphorus are consistent with the results of flow and sediment, respectively. 3) Further improvement of DEM resolution does not always result in the improvement of simulation accuracy after the resolution reaching certain accuracy, while the decrease of slope degree caused by the decrease of DEM resolution would decrease the flow production and delay the summit of peak flow. 4) The number of subwatersheds has little impact on the simulation of flow, but significantly influences the simulation of sediment. The number of subwatersheds and HRUs has significant impact on the upstream sediment yield, while it has little impact on the sediment load at the outlet of the watershed. 5) Effects of resolution of spatial landuse data and soil data on the simulation results of the model mainly result from their impact on the generation of HRUs. 6) The spatially distributed precipitation data could increase the accuracy of surface runoff simulation, because the distributed precipitation data could embody the locally intensified rainfall events that could significantly influence the surface runoff. The results could provide references for the development, application and improvement of watershed hydrological model and increase the accuracy of hydrological model simulation.

Keywords:distributed hydrological model; SWAT; data quality; resolution; hydrological simulation; spatial data; subwatershed

收稿日期：2015-02-11修回日期： 2015-11-04

第一作者简介：陈祥义(1986—)，男，博士研究生。主要研究方向：水土保持与流域水文模拟。E-mail:chenxiangyichen@163.com †通信 黄志霖(1966—)，男，副研究员，博士，硕士生导师。主要研究方向：水土保持与流域水文模拟。E-mail：hzlin66@caf.ac.cn

中图分类号：S157.2；P334+.92

文献标志码：A

文章编号：1672-3007(2016)01-0138-06

DOI:10.16843/j.sswc.2016.01.017

项目名称： 科技支撑计划课题“长江防护林质量调控与高效经营技术研究与示范”(2015BAD07B04)