基于SWAT模型的黑河与白河流域水文模拟研究

奚建梅 杨现坤 吕喜玺 胡海珠

摘 要：若尔盖湿地是我国最大的泥炭沼泽地，自然资源丰富。黑河与白河是该湿地中最大的两条河流，黑河与白河流域的水文模拟研究对于了解流域内的水文变化情况具有重要意义。利用黑河若尔盖水文站和白河唐克水文站2009—2016年的实测水文数据，对黑河与白河流域进行SWAT水文模拟。结果表明：唐克站率定期的决定系数R2和纳什效率系数Ens分别为0.79和0.73，若尔盖站率定期的R2和Ens分别为0.72和0.72;验证期唐克站和若尔盖站的R2分别为0.77和0.62，Ens分别为0.72和0.61，模拟结果比较理想;SWAT模型在黑河与白河流域有较好的适用性。

關键词：黑河与白河流域;SWAT模型;水文模拟

中图分类号：P343 文献标志码：A

doi：10.3969/j.issn.1000-1379.2021.10.012

引用格式：奚建梅，杨现坤，吕喜玺，等.基于SWAT模型的黑河与白河流域水文模拟研究

[J].人民黄河，2021，43（10）：60-66，113.

Abstract：The Zoige wetland is the largest peat swamp in China and is rich in natural resources. The Heihe River and Baihe River are the two largest rivers in the wetland. The hydrological simulation of the Heihe River and Baihe River Basins is of great significance for understanding the hydrological changes in the basin. In this study， the SWAT hydrological simulations of the Heihe and Baihe River basins were carried out by using the measured hydrological data from the Heihe Zoige Hydrological Station and the Baihe Tangke Hydrological Station from 2009 to 2016. The results show that the regular decision coefficient R2 and the Nash efficiency coefficient Ens of the Tangke Station rate are 0.79 and 0.73 in the calibration periods， and the R2 and Ens of the Zoige Station rate are 0.72 and 0.72 in the calibration periods， respectively. In the validation periods， the R2 of the Tangke Station and the Zoige Station are 0.77 and 0.62， respectively， and the Ens are 0.72 and 0.61， respectively. The simulation results are ideal. It shows that the SWAT model has good applicability in the Heihe and Baihe River basins.

Key words： Heihe and Baihe River Basin; SWAT model; hydrological simulation

1 引 言

若尔盖湿地位于青藏高原东部的黄河上游，是黄河源区的重要组成部分，每年可以为黄河提供其45%的径流量，当之无愧地成了母亲河的“蓄水池”[1]。同时，若尔盖湿地是长江支流白龙江的发源地和嘉陵江上游水源的重要涵养地，对长江、黄河上游及其支流的水源涵养、水土保持发挥着重要作用。近年来，受人类活动的影响，若尔盖湿地的草场退化、植被覆盖率降低、土地沙漠化较为严重，湿地严重萎缩，湿地内部的水沙变化使得若尔盖湿地的生态功能严重退化，进而导致黄河的水量减少，流量季节性变化增大，含沙量增加，严重影响了湿地的可持续发展。

SWAT（Soil and Water Assessment Tool）模型是20世纪90年代，在美国农业部农业研究中心Jeff Arnold博士主持下，将SWRRB模型与河道演算ROTO模型进行整合而开发形成的水文模型。SWAT模型自开发以来，在国外应用比较广泛。Himanshu等[2]应用SWAT模型在印度肯河流域准确地模拟了研究区的水文和泥沙浓度，为该流域的管理实践和农业环境政策的实施提供了可靠依据;Hernandez等[3]通过研究发现，SWAT模型能很好地模拟不同土地利用条件下流域的水文过程;Arnold等[4-5]在美国多个流域应用SWAT模型较为准确地模拟了不同尺度流域的径流量;Srinivasan等[6]在Richland-Chambers流域应用SWAT模型监测了该流域的生态脆弱区，根据监测模拟的结果对该流域提出了合理有效控制水土流失的措施。21世纪以来，国内的学者也开始使用SWAT模型进行相关研究。2002年李硕[7]利用SWAT模型深入研究了流域模拟的空间离散化和参数化，并在江西潋水河流域的径流和泥沙模拟方面取得一定成果;张雪松等[8]利用SWAT模型对黄河中游洛河卢氏水文站以上流域进行了产流产沙模拟;王中根等[9]以黑河莺落峡以上流域为研究区，利用SWAT模型进行径流模拟，结果表明模型考虑融雪和冻土对径流的影响，适用于寒冷地区;胡远安等[10]将SWAT模型应用于芦溪小流域，发现其可以模拟长时间序列的水文过程，相较于短期径流，对长期径流的模拟更为准确。

笔者利用SWAT模型对若尔盖湿地内的黑河与白河流域的径流状况进行模拟，采用SUFI-2算法，通过模拟值与实测值的对比来提高模型的精确度，评价SWAT模型在流域的适用性，以更好地了解若尔盖湿地的径流变化，推测流域内的环境变化，实现流域内水资源的合理调配，为保护湿地做决策提供参考，同时为流域的可持续发展和水资源规划提供科学的依据[11]。

2 研究区域概况与数据来源

2.1 研究区域概况

黑河与白河流域地处青藏高原东北部若尔湿地东部，位于北纬32°20′—34°16′、东经102°11′—103°30′之间，属四川省阿坝藏族羌族自治州的若尔盖、红原和阿坝三县所辖[12]。黑河与白河流域属于大陆性寒温带气候区，又是“松潘低压”常年所在地区，气候特点是“冬长、夏无、春秋短”，地面高程在3 400 m以上。年平均气温只有0.7～1.1 ℃，极端最低气温可达 -33.7 ℃。年平均降水量为640～750 mm，7—9月降水量约占全年降水量的三分之二，是黄河流域年降水量的高值区之一。

黑河（又称墨曲）发源于红原与松潘两县交界岷山西麓的洞亚恰，由东南流向西北，经若尔盖县，于甘肃省玛曲县曲果果芒汇入黄河，河道长456 km，流域面积7 608 km2。白河（又称嘎曲）发源于红原县壤口乡与刷经寺镇之间，北流入若尔盖县，在唐克镇北约7 km处汇入黄河，河道长270 km，流域面积5 488 km2。黑河和白河都属于黄河上游支流，两河分水岭低矮，无明显流域界线，经常合在一起称之为黑河与白河流域，如图1所示。

2.2 数据来源

原始数据来源及说明见表1。

3 研究方法

3.1 SWAT模型的原理

SWAT模型由701个方程、1 013个中间变量组成，该模型可以模拟流域内多种不同的水循环物理过程[17]，例如水循环、泥沙和污染物质的迁移等。SWAT模型共有4大模块：水文模块、土壤侵蚀与泥沙运输模块、营养物运输模块、植物生长和经营管理模块[9]。

本研究应用的主要是SWAT模型的水文模块。流域水循环可以分为两个部分：第一部分是陆面水循环，陆面水文过程控制着每个子流域向河道输入的水量、泥沙量和营养物量;第二部分是河道的水文过程，它决定着流域内主河道向流域出口输送的水量、泥沙量和营养物量。

SWAT模型中的陆面水循环可用水量平衡方程[18]来表示：

式中：SWt为土壤最终含水量，mm;SWo为土壤初始含水量，mm;Ri，day为第i天的降水量，mm;Qi，sruf为第i天的地表径流量，mm;Ei，a为第i天的蒸发量，mm;Wi，seep为第i天的下渗量，mm;Qi，lat为第i天壤中流量，mm;Qi，gw为第i天的基流量，mm。

在SWAT模型中，利用马斯京根方程来模拟水流在河道中运动的过程，方程中的流速利用曼宁公式计算。

马斯京根方程如下：

式中：V为河道水量，m3;qin为上游流量，m3/s;qout为下游流量，m3/s;K为河道蓄水时间，s;X为衡量河段出流与入流相互关系的权重因子。

其中，K的计算公式为

式中：Lch为河道长度，km;v为流速，m/s。

流速v利用曼宁公式计算：

式中：R为水力半径，m;slp为底面坡降;n为河道曼宁系数。

SWAT模型在进行径流模拟时，为了减小下垫面和气候变化对模拟结果的影响，采用模块化设计思路，通常将研究区域划分为若干个子流域单元，水循环的每一个环节对应一个子模块，在每一个网格单元或子流域上应用传统的概念性模型来推求降水量，再进行汇流演算，最后得到出口断面流量[9]。

3.2 SWAT模型的构建

3.2.1 土地利用数据

土地利用数据是SWAT模型的基础数据之一，它影响着降水在陆面的成流过程。本研究的土地利用数据来源于中国科学院资源环境科学数据中心（2015年中国1∶10万土地利用现状遥感监测数据），通过ArcGIS对土地利用类型进行重分类，最终得到研究区域的8种土地利用类型，如图2所示。其中最主要的土地利用类型为草地，占研究区域面积的75.51%，见表2。

3.2.2 土壤数据

SWAT模型所需要的土壤数据包括土壤类型分布图和土壤索引表，土壤的物理属性决定了土壤剖面中水和气的运动情况，对水文响应单元中的水循环起着重要的作用[13]，土壤数据是SWAT建模前期处理过程的关键数据。本研究采用寒区旱区科学数据中心下载的1∶100万世界土壤数据集（HWSD），经土壤水文特性软件SPAW和经验公式等计算出土壤的物理参数，重分类之后得到研究区域的土壤类型为13类，如图3所示。其中松软薄层土在流域内占主导地位，占比为47.700%，其次为松软潜育土2（占比17.970%）和简育黑土（占比11.370%），见表3。

3.2.3 气象数据

SWAT模型中的气象数据可选用传统气象数据和CMADS（中国大气同化驱动数据集）两种。张春辉等[19]的研究表明，在SWAT模型中，使用CMADS气象数据的模拟精度要高于使用传统气象数据的，可以减小模型模拟的不确定性。CMADS可以直接输入SWAT模型中，不需要任何形式的转换[20]。本研究采用2008—2016年的CMADS V1.1数据集，其中数据类型包括太阳辐射、相对湿度、气温、风速和降水，选取覆盖研究区域的80个CMADS站点进行研究，如图4所示。按照CMADS说明制作气象数据索引表，以文本格式直接输入，即完成了SWAT模型所需的气象数据。

3.2.4 径流数据

徑流数据采用的是2009—2016年白河唐克水文站和黑河若尔盖水文站的实测月尺度数据。实测径流数据主要用于对模拟结果准确性的验证，其中2009—2012年的数据是连续的，2013—2016年少部分月份缺测，在SWAT模型的率定和验证时，缺测月份的数据可直接跳过，对模拟结果影响不大。

3.3 模型的运行以及率定验证

3.3.1 基于数字高程模型的子流域的划分

数字高程数据（DEM）是构建SWAT模型的基础数据之一。本研究的DEM原始数据来自于地理空间数据云下载的GDEMDEM分辨率为30 m数字高程数据，在ArcGIS Desktop中对原始数据进行拼接、裁剪、投影、水文分析等处理。通过SWAT模型中定义集水区域的模块，对研究区域进行子流域以及水文响应单元（HRU）的划分，按照不同的土地利用方式和土壤类型，最终将研究区划分为45个子流域、172个HRU，如图5所示。

3.3.2 模型参数选择及敏感性分析

在SWAT模型中，影响产流、汇流的参数比较多，根据参数的定义并参考相关文献[21-26]，最终选取13个常用的对径流影响较大的参数作为径流模拟的率定参数，见表4。

SWAT-CUP包含了2种敏感性分析类型，全局敏感性（Global Sensitivity）和一次一个（one-at-a-time）敏感性分析。全局敏感性分析可以在一次迭代后执行，而一次一个敏感性分析一次只执行1个参数[27]。笔者采用全局敏感性分析，经过多次迭代计算最终所得结果见表5和表6。

在全局敏感性分析中，参数的敏感性分析结果用T检验法来进行评价[13]。T检验法可以用来确定每一个参数的相对显著性，t值给出了参数敏感性程度，t绝对值越大越敏感;p值决定了敏感性的显著性，p值越接近0越显著。

由表5和表6可以看出，对唐克站影响较大的参数为SOL-K、SOL-BD、ALPHA-BNK、ESCO和CH-N2，对若尔盖站影响较大的参数为SOL-K、SOL-BD、ALPHA-BNK、ESCO和CN2，其他参数对径流影响均不明显。其中两站对径流影響最为显著的参数均为SOL-K（土壤饱和导水率），说明当研究区域内的土壤含水饱和时，土壤中单位时间单位面积的含水量对模型有较大的影响。

在两个水文站中，敏感性较强的参数基本相同，不同的是CH-N2对于唐克站的影响较大，而对于若尔盖站并不敏感，对于若尔盖站影响较大的是CN2。CN2为平均湿度时的SCS径流曲线数，CN2越大，流域的径流总量越大;CH-N2为主河道曼宁系数，CH-N2越大，流域的汇流速度越慢。两站不同的主要原因是两站所处流域土地利用方式存在差异。从图2可以看出，白河流域主要的土地利用类型为草地、湿地以及林地，黑河流域主要的土地利用类型为草地和湿地。因为白河流域除了草地和湿地之外，还覆盖有10%的林地，水流阻力较大，汇流速度相对较慢，所以CH-N2在唐克站比较敏感。

3.3.3 模型评价指标的选择

选用决定系数R2和纳什效率系数Ens作为模型评价的指标[14，20，28-32]。决定系数R2用于评价模拟值和实测值的关系，R2=1时表示模拟值与实测值完全一致，R2越接近1，表示模拟值与实测值越接近，模拟效果越好。R2的计算公式如下：

式中：Qi为第i次观测值;Qavr为整个研究期的平均观测值;Pi为第i次模拟值;Pavr为整个研究期平均预测（模拟）值;n为实测数据的个数。

Ens的计算公式如下：

Ens用于评价模拟值和实测值的偏离程度，Ens越接近1，表示实测值与模拟值越接近。Ens参数性能等级见表7[33-35]。

4 结果与讨论

4.1 模型的率定与验证

选用SUFI-2算法作为率定和验证的基本算法。SUFI-2算法是一种反演建模法，其参数的不确定性考虑了所有可能的来源，比如驱动变量（如降水、气温）、模型概念、监测数据、模型结构等。该方法首先根据参数的上下限确定比较大的范围，而后进行多次迭代，根据新的参考范围对参数范围进行调整，直至获得理想的迭代结果，并通过验证最终参数的范围来评估模型在研究区域的适用性[25]。

模型运行时间设定为2009—2016年。其中，2009—2010年为预热期，2011—2014年为率定期，2015—2016年为验证期。

唐克站和若尔盖站率定期和验证期模拟与实测径流量对比如图6和图7所示，模型适应性评价指标见表8。从表8可以看出，两个水文站率定期的决定系数R2和纳什效率系数Ens均大于0.70，说明月径流模拟值与实测值拟合效果很好。参数率定后，将参数代入SWAT模型进行验证，验证期若尔盖站的R2和Ens都大于0.60，唐克站的R2和Ens都大于0.70，表明SWAT模型在研究区域适用性比较好。

4.2 结果分析

从图6和图7中可以看出，黑河与白河的流量呈现冬季较小、春季过后逐渐增加、夏季最大的季节性特点。这是因为该地区冬季气温较低，土壤冻结，降水多以降雪的形式出现，所以此时以径流形式汇入河道的水量较小，故而流量较小。随着春季气温的逐渐升高，冰雪消融导致地表径流逐渐增大，进入夏季后气温升高、降水增多，且降水多以暴雨的形式出现，进入汛期后降水剧增，流量可以达到一年之中的峰值。但是从图中可以看出，模型对于夏季汛期流量的模拟较为准确，春季3—4月的模拟效果不是很理想，原因是SWAT模型采用的是相对简单的度日因子来计算融雪径流，不能精确地模拟流域的融雪过程。

验证期的拟合效果明显不如率定期，原因是验证期的数据只有2 a，数据量少，模型的拟合度较差，从而导致结果的不准确。同时，模拟值和实测值存在一定的偏差，原因是SWAT模型所需的基础数据较多，而黑河与白河流域地处偏僻，获取高精度基础数据较为困难，例如土地利用数据和土壤数据的精度分别为1∶10万和1∶100万，数据精度不够高也极大地限制了模拟结果的准确性，造成了模拟结果的偏差;而SWAT模型中与径流相关的参数有很多，不同参数的选择也会对模拟结果产生一定的影响。总体上看，汛期实测值普遍略大于模拟值，原因是汛期降水多、气温高、地表蒸散量较大，浅层地下水会相应地补偿河水，而SWAT模型对于地下水的补偿机制考虑不足，导致汛期模拟值较实测值偏小。

总体看来，研究区域径流模拟值和实测值的趋势基本一致，能够较好地反映流量的年内分布情况，说明SWAT模型适用于黑河与白河流域的水文模拟。

5 结 语

通过对若尔盖湿地黑河与白河流域的水文模拟，表明SWAT模型在该地区有很好的适用性，能够较为准确地模拟研究区域的径流情况，研究结果可为流域未来的可持续发展和水资源规划管理提供科学依据。

模型的径流模拟结果与实测径流数据存在一定的误差，主要原因可能是实测径流数据时间尺度较小、数据库构建时基础数据不精确、不同径流参数的选择以及融雪因素等。

汛期降水多，径流量大，模拟时的误差较小，模型对于汛期的拟合度较好，而汛期实测值略微大于模拟值原因是SWAT模型对于地下水的补偿机制考虑不足。

由于研究区实测数据难以获取，因此只利用月尺度数据进行了模拟，缺乏对日尺度数据的分析和预测，今后可以对日尺度进行研究。同时，随着GIS的不断发展，可获取更高精度的基础数据，在模型原有的基础上对融雪模块和地下水补偿机制进行改进，可使研究结果更加科学可信。

参考文献：

[1] 王建兵，王素萍，汪治桂.1971—2010年若尔盖湿地潜在蒸散量及地表湿润度的变化趋势[J].地理科学，2015，35（2）：245-250.

[2] HIMANSHU S K， PANDEY A， SHRESTHA P. Application of Swat in an Indian River Basin for Modeling Runoff， Sediment and Water Balance[J].Environmental Earth Sciences，2017，76（1）：3.

[3] 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 & Assessment，2000，64（1）：285-298.

[4] ARNOLD J G， ALLEN P M. Automated Methods for Estimating Baseflow and Ground Water Recharge from Streamflow Records[J].Jawra Journal of the American Water Resources Association，2010，35（2）：411-424.

[5] ARNOLD J G， ALLEN P M. Estimating Hydrologic Budgets for Three Illinois Watersheds[J].Journal of Hydrology，1996，176（1）：57-77.

[6] SRINIVASAN R， ARNOLD J G， JONES C A. Hydrologic Modelling of the United States with the Soil and Water Assessment Tool[J].International Journal of Water Resources Development，1998，14（3）：315-325.

[7] 李硕.GIS和遥感辅助下流域模拟的空间离散化与参数化研究与应用[D].南京：南京师范大学，2002：76-92.

[8] 张雪松，郝芳华，杨志峰，等.基于SWAT模型的中尺度流域产流产沙模拟研究[J].水土保持研究，2003，10（4）：38-42.

[9] 王中根，劉昌明，黄友波.SWAT模型的原理、结构及应用研究[J].地理科学进展，2003，22（1）：79-86.

[10] 胡远安，程声通，贾海峰.非点源模型中的水文模拟：以SWAT模型在芦溪小流域的应用为例[J].环境科学研究，2003，16（5）：29-32.

[11] 张余庆，陈昌春，杨绪红，等.基于SUFI-2算法的SWAT模型在修水流域径流模拟中的应用[J].水电能源科学，2013，31（9）：24-28.

[12] 赵资乐.黄河上游黑河、白河流域水沙规律[J].甘肃水利水电技术，2005，41（4）：336-338.

[13] 陈祥，刘卫林，熊翰林，等.SWAT模型在赣江流域径流模拟中的应用研究[J].人民珠江，2018，39（12）：31-35，53.

[14] 金浩宇，李思言，徐坚.SWAT模型在尼洋河流域的应用研究[J].人民珠江，2018，39（12）：1-6.

[15] 孟现勇，师春香，刘时银，等.CMADS数据集及其在流域水文模型中的驱动作用：以黑河流域为例[J].人民珠江，2016，37（7）：1-19.

[16] 喻晓，马孝义，蔡朵朵.基于SWAT模型的合理亚流域划分和径流模拟[J].中国农村水利水电，2017（11）：20-25.

[17] 李峰，胡铁松，黄华金.SWAT模型的原理、结构及其应用研究[J].中国农村水利水电，2008（3）：24-28.

[18] 王威娜.变化环境下锡林河流域径流变化特征及时序演变模拟[D].呼和浩特：内蒙古农业大学，2018：52-53.

[19] 张春辉，王炳亮.CMADS与传统气象站数据驱动下的SWAT模型模拟效果评价：以苦水河流域为例[J].中国农村水利水电，2018（6）：52-57.

[20] 孙贺阳.基于SWAT模型塔布河流域水文模拟与预测[D].呼和浩特：内蒙古大学，2018：27-30.

[21] 陈成广，李晶晶，滕凯玲，等.基于SWAT模型的绍兴城市径流时空演变规律分析[J].水文，2017，37（4）：29-34.

[22] 王宏伟，韩露，王晓蕊，等.基于SWAT模型的细河流域径流模拟研究[J].辽宁师范大学学报（自然科学版），2017，40（4）：558-562.

[23] 张爱玲，王韶伟，汪萍，等.基于SWAT模型的资水流域径流模拟[J].水文，2017，37（5）：38-42，26.

[24] 杨静媛，郗林.基于SWAT的沣河流域水文特征研究[J].陕西水利，2018（3）：46-49.

[25] 陈晓丽，黄国如.基于SWAT模型的北江飞来峡流域径流模拟[J].水资源与水工程学报，2017，28（5）：1-7.

[26] 王权威.气候变化对碧流河流域径流的影响研究[D].太原：太原理工大学，2018：11-18.

[27] 朱烨，方秀琴，王凯.基于SWAT模型的延河流域月径流量模拟分析[J].长江科学院院报，2016，33（10）：41-45.

[28] 达瓦次仁.基于SWAT模型的拉萨河流域水文模拟研究[D].北京：清华大学，2015：25-28.

[29] 刘柏君，权锦，杨超慧，等.基于SWAT模型的青海省主要流域径流模拟[J].水资源保护，2016，32（6）：39-44.

[30] 刘卫林，叶咏，朱圣男，等.基于SUFI-2算法的SWAT模型在抚河临水流域径流模拟中的应用[J].水利规划与设计，2018（10）： 57-61.

[31] 艾力江·克力木.基于SWAT模型的叶尔羌河流域径流分析[J].水利科技与经济，2016，22（7）：95-98.

[32] 李宗华.基于SWAT模型的漳河上游流域径流模拟研究[D].邯郸：河北工程大学，2015：32-40.

[33] 潘登，任理，刘钰.应用分布式水文模型优化黑龙港及运东平原农田灌溉制度Ⅰ：模型参数的率定验证[J].水利学报，2012，43（6）：717-725.

[34] 吕乐婷，彭秋志，郭媛媛，等.基于SWAT模型的东江流域径流模拟[J].自然资源学报，2014，29（10）：1746-1757.

[35] MORIASI D N， ARNOLD J G， LIEW M W V， et al. Model Evaluation Guidelines for Systematic Quantification of Accuracy in Watershed Simulations[J].Transactions of the Asabe， 2007，50（3）：885-900.

【責任编辑 张 帅】