基于SWAT模型的岷江上游流域水文模拟与干旱评估

张 菡 , 赵金鹏 , 郭 斌

（1. 高原与盆地暴雨旱涝灾害四川省重点实验室，成都 610072；2. 南方丘区节水农业研究四川省重点实验室，成都 610066；3. 四川省农业气象中心，成都 610072；4. 四川省农村经济综合信息中心，成都 610072；5. 四川省阿坝州气象局，马尔康 624000）

引言

岷江发源于四川与甘肃接壤的岷山南麓阿坝州境内，是长江上游水量最大的支流。岷江上游流域境内多高山和干旱河谷，干湿季降水差异显著，季节性干旱突出[1]。近年来，在气候变化背景下，随着川西高原地区水资源系统开发加速，水源供需矛盾日益凸显，区域性干旱事件呈明显上升趋势，给社会和经济发展带来极大压力。利用环境和气象数据，分析并预测流域径流量和干旱灾害在未来的变化，科学利用、调度流域水资源，降低干旱危害，成为目前解决这一困境的有效途径[2]。

干旱指数是干旱灾害量化和评估研究的基础，常用的气象干旱指数有M指数[3]、SPI指数[4-5]、CI指数[6-8]、PDSI指数[9]和SPEI指数[10-11]等。其中CI综合气象干旱指数同时考虑了降水和蒸发能力两个方面，既反映不同时间尺度（月、季）降水的气候异常情况，又体现影响农作物生长的短时间尺度的水分亏欠程度，已在四川省气象干旱监测业务中得到长期应用和验证。SWAT分布式水文模型（Soil and Water Assessment Tool）[12-14]能较为准确地描述具有不同土壤和土地利用类型的复杂大流域，近年来在流域水文模拟和土壤水文过程等研究领域得到广泛应用。利用SWAT模型对地表径流、壤中流和浅层地下径流等径流成分以及不同尺度蒸散量进行模拟，可以弥补CI指数在土壤含水量评估方面的不足，从而更好地体现研究区域下垫面的干旱特征。

本文以川西高原岷江上游流域为研究区域，拟通过提取该区域的土地利用、土壤类型、DEM等土地特征信息，利用2013~2017年的水文观测数据和气象数据驱动SWAT水文模型，结合CI指数，开展岷江上游流域水文特征模拟与干旱评估研究，以期为同类地区水源合理调配和制定抗旱减灾决策提供支持。

1 材料与方法

1.1 研究区概况

如图1所示，研究区域是位于30°41′~33°9′N、102°34′~103°56′E的岷江上游流域，地处青藏高原和四川盆地的过渡地带，海拔高差悬殊，地形地貌复杂[15]。岷江上游流域全长共341 km，流域面积约23000 km2，包括都江堰市紫坪埔入口以上的阿坝州松潘、黑水、茂县、汶川、理县5县区域。岷江上游流域多晴少雨，干湿季分明，降水时空分布不均。径流主要来源于降水，也含有少量融雪补给，径流量随降水和气温的变化而变化[16]。每年3月起气温明显上升，4月开始雨季逼近，降水增多，径流量随之增大。5~10月是丰水期，多年平均径流量约占全年的80%，其中尤以6~7月最为集中，占全年的33%。受高压系统影响，8月通常是丰水期的径流相对低值期，因此丰水期径流整体上表现为“两头大、中间小”的马鞍型分布。10月以后至翌年3月降水逐渐减少，江河进入枯水期。

图1 岷江上游流域地理位置

1.2 SWAT模型

基于水量平衡原理，SWAT模型综合考虑了自然因素和社会因素，能够响应降水、蒸发等气候因素和下垫面的空间变化。模型首先将研究区划分为若干个子流域和更小的水文响应单元（Hydro-logic Research Unit, HRU），在对每个响应单元进行径流计算后，再将各响应单元的模拟结果叠加在一起作为整个研究流域的模拟结果，进行水资源管理研究。

1.2.1 模型基础数据

驱动SWAT模型需要空间数据和属性数据两类基础数据。空间数据包括DEM数字高程数据、土壤类型和土地利用、植被覆盖数据等，属性数据包括气象数据、水文站逐日径流数据等。

研究区DEM数字高程数据来源于CGIAR-CSI SRTM高程数据库(http://srtm.csi.cgiar.org/)，反映地形、河网和子流域等水文相关信息，空间分辨率为90 m。在ArcGIS空间分析模块中进行格式转换，提取岷江上游流域地区的DEM 数据，生成流域边界、子流域等数字河网图层[17-18]。

土地利用类型数据来源于资源环境科学与数据中心(https://www.resdc.cn/)，空间分辨率为1 km×1 km[19]。按照SWAT模型中的土地利用分类标准，对岷江上游流域土地利用数据重新分类，将其划分为林地、草地、农田、水体及其它用地5类，其中林地和草地共占98.5%，农田及其它用地占1.3%，水体占0.2%(图2)。

图2 岷江上游流域土地利用数据分布

土壤数据来源于世界土壤数据库(HWSD)的中国土壤数据集(V1.2)（http://www.crensed.ac.cn/portal/metadata），空间分辨率为1 km×1 km[20]。在SWAT模型数据库所需的土壤参数中，土层厚度、有机碳含量等可在HWSD土壤数据库中获取，而饱和导水率、有效含水量等可通过土壤水特性软件 SPAW 或经验公式计算得到。由图3可知，重新分类后的土壤类型共有11种，主要为雏形土、薄层土和高活性淋溶土，分别占13.3%、44.6%和38.1%。

图3 岷江上游流域土壤数据分布

水文数据受限于数据质量，从岷江上游现有的水文站中选择数据连续性最好的紫坪埔入口站，将2013~2017年该站日平均径流资料作为SWAT模型的参数校准及验证数据源。紫坪埔入口水文站逐日径流数据由阿坝州生态环境局提供。

气象数据用于驱动SWAT模型，数据来源于四川省气象探测数据中心，资料年限与水文数据一致。气象数据包括岷江上游流域松潘、黑水、茂县、汶川、理县5个国家基本站逐日最高气温、最低气温、降水量、雨日数、露点温度、太阳辐射量和风速等数据。

1.2.2 子流域划分

利用SWAT流域划分模块，设定集水面积阈值，按水系分布情况将岷江上游流域划分为35个子流域。为确保模型的准确性，从土地利用状况、土壤特性和坡度几个方面定义水文响应单元，将土地利用阈值设为 10%，土壤类型阈值设为 15%，坡度阈值设为 10%，最终将整个流域划分为107个水文响应单元。计算各子流域面积、坡长、坡度变化等特征参数，采用基于连续方程的河槽蓄量法计算主河道水量的变化。

1.2.3 参数敏感性及模型适用性评价指标

SWAT模型参数较多，明确各类参数的合理取值对改善模型模拟效果具有十分重要的意义，因此需要先对与径流相关的参数进行敏感性分析和校准以提升模型的精确度[21]。利用SWAT-CUP（SWAT Calibration Uncertainty Procedures）模型优化工具的SUFI-2算法[22]分析模型参数的敏感性、不确定性并进行校准，选取Nash-Sutcliffe Efficiency效率系数（ENS）及决定性系数（R2）作为模型适用性评价的指标。R2值表征观测值与模型模拟值之间的相关程度，R2值越接近1，表明模拟值与实测值越吻合，通常将R2>0.6作为观测值与模拟值相关程度较为理想的标准。ENS表征观测值与模拟值之间的拟合度，数值越接近1，表明模拟值与实测值越接近，偏离程度越小[23]。

1.3 基于SWAT的岷江上游流域干旱评估方法

根据《气象干旱等级》（GB/T 20481-2006）[24]中关于干旱评价的指标，选用CI综合气象干旱指数来评估岷江上游流域干旱情况。岷江上游流域面积广阔、地形条件复杂，雨量站数量不足且分布不均。为获得此区域的空间连续降水分布数据，采用气象观测的雨量数据，基于SWAT模型的泰森多边形法[25]计算各子流域的逐日面雨量；利用面雨量数据计算各子流域的PET值[26]（潜在蒸散发值，代表作物的实际需水量），代入CI指数计算公式，计算各气象监测站点所属子流域的平均CI指数；采用反距离权重插值计算全流域CI指数值并分级，进而评估流域干旱情况。

由《气象干旱等级》可知，CI指数计算公式为：

式中：a、b、c为常数，分别取值为0.4、0.4、0.8；Z30和Z90分别为近30 d和近90 d标准化降水指数SPI值；M30为近30 d相对湿润指数值，由公式（2）计算可得。

式中：P为评估时段降水量（mm）；PE为评估时段的可能蒸散值（mm），应用彭曼公式计算可得，与PET值一致[27-28]。

干旱过程评价依据的等级划分标准见表1，CI指数值越小，说明干旱过程越强。

表1 综合气象干旱等级划分标准[24]

2 结果与分析

2.1 SWAT模型在岷江上游流域的适用性评价

2.1.1 SWAT模型参数敏感性分析

设置SUFI-2算法进行1000次迭代计算，通过分析最优参数值及敏感性排序（表2），筛选出12个敏感程度较高的参数用于模型校准，包括主河道有效渗透系数、土壤湿密度、SCS径流曲线值、主河道曼宁系数、河流调蓄的基流a因子、土壤饱和渗透系数、有效持水量、土壤蒸发补偿系数、浅层含水层发生回归流的水位阈值、基流a因子、地下水再蒸发系数以及地下水补给延迟时间。这12个参数对模拟结果影响最大，其偏差累积是导致岷江上游流域模型径流量模拟结果出现偏差的主要原因。

表2 SWAT模型参数校准结果

2.1.2 SWAT模型适用性分析

紫坪埔水文站位于岷江上游，控制流域面积22662 km2，占岷江上游总面积的98%，多年平均径流量占岷江上游总量的97%，且能提供5年连续性较好的日平均径流数据。因此，对该站径流量变化的分析能有效代表岷江上游流域的总体水文特征。以紫坪埔水文站径流量为模拟对象，选定2013年、2015年和2016年作为模型预热期；以流域洪涝较为严重的2014年作为模型校准期，利用2014年实测径流量资料对模型进行校准；2017年作为模型验证期，对比分析模拟径流量和2017年实测值的变化趋势，评估SWAT模型对研究区域的径流模拟能力。由SWAT模型适用性评价指标（表3）可知，紫坪埔水文控制站校准期（2014年）和验证期（2017年）的决定性系数R2值均大于0.75，效率系数ENS值均达到0.70以上，满足模型评价指标，说明模拟值与实测值相关性良好，模型对紫坪埔水文站逐日径流变化过程模拟精度较高。

表3 SWAT模型适用性评价指标

图4是岷江上游流域日径流模拟的水文过程对比结果。由图可知，校准期和验证期的模拟径流量与实测值趋势大致相同，波峰与波谷大部时段内一致，表现出岷江上游流域日径流量马鞍形分布的特点。尤其是6、7月主汛期时段内，实测值与模拟值重合度最高，说明此时期模拟效果最好。据此认为，SWAT模型在充分考虑模型参数物理意义的基础上，合理描述了紫坪埔水文站日径流变化，因此该模型适用于岷江上游流域的径流分析。值得注意的是，校准期和验证期径流模拟值均存在主汛期偏大、枯水期偏小的现象，这可能是因为近10 a岷江上游流域通过建设大量水电站，人为调节降水波峰和波谷期径流量，加之下垫面及土地利用类型改变[29]等原因，对模拟结果精度造成一定影响。

图4 岷江上游流域实测值与逐日径流量模拟值对比（a. 校准期，b. 验证期）

2.2 基于SWAT的岷江上游流域干旱评估

2.2.1 岷江上游流域典型干旱年气象及水文数据分析

为验证采用SWAT模型构建的干旱指数在岷江上游流域干旱评价的准确性，选取研究区域典型干旱年气象及水文数据进行分析。由紫坪埔入口水文站2013~2017年月平均及年平均径流数据可知，2013年该水文站平均径流量最小，仅为403 m3/s，明显低于多年平均径流量（446.2 m3/s）。结合2013年年降水量距平分布和气象实测数据（表4）可以看出，2013年岷江上游流域年降水量区域平均值少于常年，其中径流的主要补充区松潘、理县、黑水年总降水量明显减少，尤其是黑水和松潘两县，年降水量分别减少161.4 mm和154.2 mm。缺水导致的农业干旱严重影响了这些地区2013年全年的粮食生产，造成粮食作物减产，故定义2013年为岷江上游流域典型干旱年，进一步分析其干旱的时空演变情况。

表4 2013年岷江上游流域气象观测数据

土壤相对湿度数据反映土壤的实际含水量，能更准确地反映农业干旱的严重程度[30]。岷江上游流域有且仅有松潘县存在连续的土壤水分观测数据，且2013年松潘县降水较其余地区偏少最为明显。因此，借助松潘县土壤相对湿度观测数据对此区域全年时段的干旱情况进行分析可知：2013年松潘地区浅层（10 cm）及耕层（20 cm）土壤相对湿度普遍低于80%，其中1~3月松潘地区处于干季，冬干突出，降水较常年偏少65%~70%，土壤相对湿度介于30%~50%，达到严重干旱水平，造成青稞、玉米等作物播种困难；春季（4~5月）出现降水，但大部分时段土壤相对湿度不超过60%，难以满足农作物生长需水；即使是在降水最为丰沛的雨季，旱情虽然缓解，但6、7月土壤相对湿度也不超过80%，低于常年雨季85%~95%的水平值，8月降水甚至还较常年同期偏少36%；进入秋季，有效降水逐渐减少，土壤相对湿度明显下滑至50%的干旱水平线以下，干旱灾害快速发展。

2.2.2 基于SWAT的岷江上游流域干旱灾害空间演变分析

采用基于SWAT模拟计算的CI综合气象干旱指数，对2013年岷江上游流域干旱灾害的时空变化进行评估。由图5可知，岷江上游流域1月全流域没有明显的旱情；2月松潘地区出现中旱，松潘河下游地区多为轻旱；前期干旱叠加的结果导致3月干旱的范围和程度迅速扩大，岷江上游流域大部地方出现重旱和特旱；4月大部地区旱情缓解，但松潘河流域仍达到重旱和中旱水平；5~8月，岷江流域大部地区旱情不重，仅个别地方出现轻旱；9~10月，松潘河流域达到中旱水平，其余区域为轻旱；11月全流域无旱；12月岷江上游流域普遍为轻旱，部分下游地区出现中旱。

图5 基于SWAT的2013年岷江上游流域干旱空间分布逐月演变

综上所述，2013年全年岷江上游全流域除1月和11月未出现干旱外，其余月份均出现旱情，尤其是径流主要补充区域冬干、春旱和秋旱较为严重，体现出2013年岷江上游流域全年性偏干的气候特征。对比代表站松潘的土壤相对湿度分析结果可知，基于SWAT模型计算的CI指数干旱评价结果与2013年气象实测数据分析基本一致，说明该干旱评价指标在岷江上游流域具有较好的适用性[31-33]。

3 结论与讨论

本文利用土地、水文和气象观测等数据驱动SWAT分布式水文模型，并结合CI指数，开展岷江上游流域水文特征模拟与干旱评估，得到如下主要结论：

（1）无论是校准期还是验证期，SWAT模型在岷江上游流域均具有较好的适用性，模拟精度高，实测逐日径流值与模拟值峰值趋于一致，尤其是6、7月主汛期内模拟效果最好。

（2）基于SWAT模型计算的CI指数能较为准确地反映岷江上游流域干旱的时空演变，为缺乏土壤墒情观测资料的地区评价农业干旱提供了一种值得深入探讨的替代方式，有助于实现流域尺度旱灾的监测和评估。

但需要关注的是，土地利用方式、土壤类型数据的精度和地形地貌等自然因素的地理差异，在一定程度上影响了土壤径流曲线值等模型参数的空间变异，水利工程、流域土地利用变化等人类活动也造成径流量变化的不确定性，使得校准期和验证期模拟值均存在一定程度的偏差。另一方面，川西高原作为四川地区气候、自然条件最为艰苦的地区，无论是气象台站数目还是有效的土壤水分数据均难以满足精细化研究的需要，例如整个岷江上游流域仅松潘有较长时间且连续的土壤水分观测数据，造成可用数据量不足，直接限制了干旱分析的深度和准确性，这些都对模型模拟结果存在不利影响。因此，岷江上游流域高精度的土地利用遥感解析、土壤相对湿度数据计算和充分考虑人为因素对径流量和农业干旱的作用，是今后需要进一步研究的重点内容。