基于CN05. 1 数据集驱动SWAT 模型的基于CN05. 1 数据集驱动SWAT 模型的
2024-11-10余小波黄领梅申曼华张婷
摘 要:为探究CN05. 1数据集驱动下的SWAT模型在气象站稀缺地区模拟效果以及流域径流对气候变化的响应,选取玉龙喀什河流域为研究区,利用上述数据集驱动SWAT模型对该流域1991—2020年进行逐月径流模拟,在此基础上,设置了25种气候情景模式,通过模型导入25种气候情景下气象数据模拟径流。结果表明:CN05. 1+SWAT模型适用于玉龙喀什河流域的径流模拟,模拟结果与实测数据吻合较好,率定期和验证期的决定系数(R2)、纳什系数(CNS)和百分比偏差(σP)均达到模型评价标准,率定期(1991—2005)CNS、R2、σP分别为0. 85、0. 86、-10. 35%,验证期(2006—2020)CNS、R2、σP分别为0. 76、0. 79、-14. 75%;CN05. 1数据集可以为无气象资料的玉龙喀什河流域水文模拟提供时间连续、时间序列长、高分辨的气象数据,可用作后续的研究与应用;CN05. 1数据集能够准确反映玉河流域的下垫面和地表大气特征;玉龙喀什河流域年径流量与温度和降水皆呈正相关,2个因子中温度变化对径流的影响更为显著,降水-温度-径流量之间基本可以用平面函数表达,决定系数为0. 995 7,方差为0. 000 2,均方根误差为0. 012 3。
关键词:径流模拟;SWAT;CN05. 1数据集;气候变化;玉龙喀什河流域
中图分类号:TV121;P333 文献标识码:A 文章编号:1001-9235(2024)09-0019-08
SWAT 模型已成为径流模拟[1-2]和评估气候变化[3-4]对流域水文过程影响的重要工具。气象数据是水文模型准确模拟流域水文过程所必须的关键输入,相关研究已经表明,气象数据的不确定性对模拟结果影响较大[5]。对一些流域而言,气象水文资料易获取,但在中国西北干旱地区,由于气候、地形等因素以及观测设施的限制,导致气象站点稀缺且分布不均,数据获取困难[6],时间序列的连续性也受到了影响,这给当地的气候水文研究带来了巨大挑战。为克服这一问题,许多学者采用一些再分析气象数据集运用到水文模型中,如CMADS、CFSR、ERA-5等。胡胜等[7]将CFSR数据运用到灞河流域的水文模拟中,得到模拟结果往往比实测值大;张利敏等[8]将CMADS、CFSR 与实测气象数据驱动SWAT模型在浑河流域做了适用性分析,结果表明CMADS再分析数据在浑河流域水文模拟的适用性更强;骆成彦等[9]利用CMADS数据集驱动SWAT模型对玉龙喀什河流域径流模拟得到了较好的效果,说明该数据集能很好地反映该流域的下垫面特征。但CMADS数据集仅提供2008—2016年气象数据,使得模型参数的率定、验证时间较短,难免会对模型径流模拟效果产生一定的影响,且无法满足长序列水文气象研究。CN05. 1 数据集时间序列长(1961—2020年),分辨率高,该数据集是气象场格点化数据中精度最高的数据集[10-11]。该数据集目前主要用于气候变化分析[12-13],在水文模拟方面运用还相对较少,开发其应用潜力巨大。
气候变化导致全球水循环受到巨大影响,极端水文事件发生概率增大。在西北干旱地区,径流受气候变化和人类活动的影响最显著,但是相比而言,气候变化对径流影响更大[14]。玉龙喀什河(简称玉河)流域水资源的主要来源是冰川融雪水和降水[15],该流域径流量直接影响到和田绿洲及新疆塔里木河流域的用水稳定性,因此,对气候变化对径流的影响进行量化评估至关重要。
玉河流域内气象资料有限,目前只有出山口同古孜洛克水文站的气象数据,且数据有缺失,不足以代表整个流域的气象情况。因此,本文以玉河流域为研究对象,利用CN05. 1 数据集驱动SWAT 模型,分析其在玉河流域径流模拟的适用性,为后续研究提供参考;在此基础上,通过定量温度和降水变化设置25种气候情景,分析不同情景下该流域径流量的变化,为当地评估洪涝和山洪灾害的潜在风险提供依据,促进地区可持续性发展。
1 研究区概况
玉河发源于昆仑山脉北麓的冰川和雪峰之间,流经塔什库尔干塔吉克自治县,是和田河的重要支流之一。玉河流域地理坐标为北纬38°15'~35°25' 、东经81°41' ~ 79°22'( 图1),流域面积14 581. 90 km2,河长504 km,海拔为1 367~6 901 m。玉河流域属于干旱气候,夏季炎热干燥,冬季寒冷。年降水量较少,主要集中在夏季,冬季几乎无降水,玉河流域在出山口水文站处日均气温12. 7 °C,年均降水94. 2 mm[16],多年平均径流量为22. 66亿m3。
2 研究方法与数据处理
2. 1 研究方法
2. 1. 1 SWAT模型
SWAT模型的基本原理是综合考虑流域内的空间分布、植被覆盖、气温和地形等因素。它通过将流域划分为多个水文响应单元(HRUs)来进行模拟,包括降水输入、蒸发蒸腾、土壤水分运动和地表径流等。同时,SWAT考虑了植被生长对土壤水分的影响以及土壤侵蚀过程,使得模型能够更准确地评估流域的水资源管理和土壤侵蚀控制效果。其基本原理见式(1):
式中:SWt 为土壤最终含水率;SW0 为第i 天的土壤初始含水率;Rday 为第i 天的降水量;Qsurf 为第i 天的累积地表径流量;Ea 为第i 天的蒸散发量;Wseep 为第i天从土壤剖面进入包气带的水量;Qgw 为第i 天的回归流的水量。
2. 1. 2 模型评估指标
本文将模型预热期设置为1989—1990年,率定期设置为1991—2005年,验证期设置为2006—2020年,采用σP、CNS 和R2 进行评价,当指标-25%≤σP≤+25%,CNS>0. 7,R2>0. 7 则认为模拟结果是满意的[17],见式(2)—(4):
式中:Qm,i、Qs,i 分别为实测与模拟的流量值;Qm,a、Qs,a 分别为实测与模拟的多年平均流量值;n 为实测时间序列长度。
2. 1. 3 SWAT-CUP0
SWAT-CUP 是一个与SWAT 模型配合使用的参数优化工具,通过比较模拟结果与观测数据,自动调整参数来提升模拟结果的准确度,包括参数优化、观测数据准备、参数优化算法、模型评估和结果分析等步骤。
2. 2 数据处理
2. 2. 1 DEM数据
DEM数据来源于地理空间数据云平台,分辨率为30 m 的GDEMV2 高程数据,数据用于划分子流域、生成河网、提取地形参数等。
2. 2. 2 土地利用数据
采用2020年的土地利用数据来构建模型,数据选自中国科学院资源环境科学数据中心,空间分辨率为1 km,数据处理主要涉及3个步骤:将研究区内的土地利用数据根据标准分类系统进行重分类;将重分类的土地利用数据投影成DEM相同的坐标系;建立土地利用类型索引表。基于研究区的实际情况,将玉河流域土地利用类型重分类为草地、耕地、冰川及未利用土地4种(图2)。
2. 2. 3 土壤数据
土壤数据选世界和谐土壤数据库(HWSD),空间分辨率为1 km,根据流域内的土壤类型建立了土壤物理属性数据库,该数据库能够反映流域内土壤类别、各种物理属性信息以及空间分布。一些基础物理属性信息需要使用SPAW软件计算土壤水分特性。对玉河流域土壤类型进行重新分类,最终得到9种土壤类型,分别为黏化钙积土、石化石膏土、黑色石灰薄层土、饱和薄层土、人为土、永冻雏形土、饱和潜育土、永冻薄层土、冰川。
2. 2. 4 气象数据
气象数据使用CN05. 1 数据集,它是通过对2 400多个中国地面气象台站的观测数据进行插值处理而建立的。该数据集时间序列长(1961—2020年),分辨率高,已在新疆开都河流域得到验证和应用[18]。在本研究区内,共有107 个格点分布,利用Python软件提取格点的数据,将数据整理成模型兼容的格式。在为子流域分配降雨站点时,模型通常会使用一些算法和规则来自动识别并排除无效站点,最终采用48个CN05. 1格点(图1)。
2. 2. 5 径流数据
玉河流域的径流数据由和田地区水利局提供,为出山口处同古孜洛克水文站的逐月观测资料,时段为1991—2020年。
3 结果与分析
3. 1 SWAT模型构建
3. 1. 1 提取水系和划分流域导入已处理的DEM数据,根据已有的研究,设置提取子流域阈值为25 000 hm2,利用流向算法确定水流路径并识别河流网络,根据累积流量和设定的阈值提取河网,然后根据出水口点将研究区域划分为多个子流域,实现水系和流域的自动提取和划分,玉河流域共划分了53个子流域。
3. 1. 2 水文响应单元划分
SWAT模型基于流域内的空间变化,考虑到土地利用、土壤类型、坡度等因素的异质性,将流域划分成多个水文响应单元,即不同土地利用和土壤类型的空间单元,以模拟流域内的水文过程。这种划分使模型能够考虑到流域内各区域的水文特征差异,从而更准确地评估水资源量。玉河流域共划分了588个HRUs。
3. 1. 3 数据写入与运行
将1961—2020年CN05. 1气象驱动数据写入模型,设置模型预热期为2 a(1989—1990年),率定期为1991—2005年,验证期为2006—2020年,完成流域水文模型的构建。
3. 2 模型参数率定
利用SWAT-CUP 内置的SUFI-2 算法[19-20],参照已有的研究对模型中17个参数进行参数表率定,参数结果见表1。
同古孜洛克站的月径流率定及验证结果见表2,在率定期,玉河流域的模拟结果显示,纳什效率系数为0. 85,决定系数为0. 86,相对误差为-10. 35%。在验证期,玉河流域的模拟结果显示,纳什系数为0. 76,决定系数为0. 79,相对误差为-14. 75%。3个指标均在模型的可接受范围内,这说明在玉河流域进行径流过程模拟研究时,CN05. 1+SWAT模型是适用的。
1991—2005 年率定期实测值与模拟值对比结果见图3,2006—2020年验证期实测值与模拟值对比结果见图4。由图3、4可以知,玉河流域的径流量呈现冬季极小,春季过后大幅度增加的季节性特点,5—8月径流量增加趋势最为显著,7、8月径流量达到峰值,这是由于5—8月为玉河流域的降雨期;在率定期和验证期内,玉河流域的月径流模拟值与实测值的变化趋势总体上是一致的,但存在一些月份模拟峰值比实测峰值低的情况,造成该结果的原因可能是:玉河流域是一个典型的冰雪融水和降水混合补给型河流,冰川融水补给量占年平均径流40%以上[21],在温度升高的情况下,冰雪和冰川融水的增加导致了河流径流量的增加,但由于本研究所采用的模型没有冰川板块,无法对冰川变化过程进行模拟,故而模拟出月径流低于实际值;玉河流域海拔为1 367~6 901 m,属于高山区,地形复杂、高程变化较大,地形会对径流的模拟产生一定的影响;模型通常是基于物理方程和参数化过程来模拟大气、海洋、陆地等系统的复杂互动,模型本身存在一定程度的不确定性以及实测数据本身可能存在误差和不确定性,导致模拟值与实测值之间的差异。
3. 3 气候变化条件下径流响应分析
为探究气候变化对径流量的影响,参照学者[22]已有的研究设定25种气候变化情景,利用已经率定好的SWAT模型来模拟径流,分析在气候变化下玉河流域径流的变化趋势。气候因素主要考虑温度和降水情况,情景设置及结果见表3。由表3及图5可知,单一气候因子影响下:保持降水不变,通过设定不同的气温梯度(±1℃、±2℃),年径流变化率范围为-14. 29%~17. 59%,径流量随着气温升高而增大,反之则减小,表明两者呈正相关;保持温度不变,通过设定不同的降雨梯度(±10℃、±20℃),年径流变化率范围为-21. 71%~20. 54%,降水增大径流也增大,反之则减小,表明两者呈正相关。
为了进一步探讨降水和温度对径流的影响,用Python绘制降水-温度-径流关系(图6)并建立平面回归方程,决定系数为0. 995 7,方差为0. 000 2,均方根误差为0. 012 3,拟合较好,三者之间的关系基本可以用平面方程表示:
ΔQ = 0.0104ΔP + 0.0801ΔT + 0.0043 (5)
式中:ΔQ 为年径流变化率,%;ΔP 为降水量增值,%;ΔT 为温度增量,℃。可知在2个气候因子共同影响下,温度变化导致的表面斜率更陡,这意味着温度变化对径流的影响更为显著。上述结论与张勇等[23]研究结果一致。
4 结论
a)建立玉河流域的月均径流CN05. 1+SWAT模型,率定期和验证期模拟结果相较于实测值一些月份有偏高也有偏低,但总体上与实测数据径流趋势保持一致,模型在该流域适用性较好,率定期(1991—2005年),评价指标纳什效率系数、决定系数、相对误差分别为0. 85、0. 86、-10. 35%,验证期(2006—2020年),评价指标纳什效率系数、决定系数、相对误差分别为0. 76、0. 79、-14. 75%,这表明CN05. 1数据集能够准确反映玉河流域的下垫面和地表大气特征。
b)基于CN05. 1数据集构建了玉河流域SWAT模型并对其月径流进行模拟,结果显示,CN05. 1+SWAT模型在缺乏气象观测站的玉河流域成功得到应用,可为后续研究提供参考。
c)玉河流域年径流量与温度和降水皆呈正相关,2个因子中温度变化对径流的影响更为显著,降水-温度-径流量之间基本可以用平面函数表达,决定系数为0. 995 7,方差为0. 000 2,均方根误差为0. 012 3。
参考文献:
[1] 孙瑞,张雪芹. 基于SWAT模型的流域径流模拟研究进展[J].水文,2010,30(3):28-32,47.
[2] 杨丽,杨广斌,李亦秋,等. 修正SWAT模型在喀斯特小流域的径流模拟研究:以羊鸡冲小流域为例[J]. 中国岩溶,2024,43(2):291-301.
[3] 曹灿,孙瑞,吴志祥,等. 基于SWAT模型的南渡江上游流域径流对气候变化的响应[J]. 水土保持研究,2022,29(2):255-264.
[4] 王暄宇,顾文权,胡雅洁,等. 变化环境下汉江流域水循环要素响应规律[J]. 中国农村水利水电,2024(7):35-44.
[5] 赵韦. 输入数据不确定性对水文模型模拟结果的影响研究[D]. 北京:中国地质大学(北京),2018.
[6] 孟现勇,王浩,雷晓辉,等. 基于CMDAS驱动SWAT模式的精博河流域水文相关分量模拟、验证及分析[J]. 生态学报,2017,37(21):7114-7127.
[7] 胡胜,曹明明,邱海军,等. CFSR气象数据在流域水文模拟中的适用性评价:以灞河流域为例[J]. 地理学报,2016,71(9):1571-1586.
[8] 张利敏,杨明祥,王浩. CMADS、CFSR与实测气象数据在浑河流域的适用性评价[J]. 中国农村水利水电,2020(9):132-137.
[9] 骆成彦,陈伏龙,何朝飞,等. CMADS在玉龙喀什河径流模拟中的适用性研究[J]. 干旱区研究,2022,39(4):1090-1101.
[10] ZHOU B T, XU Y, WU J, et al. Changes in temzzIAntkqetmLHnaiJiXb5vJGb/+NcpGzPQTNz8K9v0=mperature andprecipitation extreme indices over China: analysis of a highresolutiongrid dataset [J]. International Journal of Climatology,2016, 36(3): 1051-1066.
[11] 王丹,王爱慧. 1901—2013年GPCC和CRU降水资料在中国大陆的适用性评估[J]. 气候与环境研究,2017, 22(4): 446-462.
[12] 邓婷,王润,姜彤,等. 利用高分辨率气候模式对湖北未来气候变化的模拟与预估[J]. 长江流域资源与环境,2017,26(6):937-944.
[13] GUO D L,WANG H J. Comparison of a Very-fine-resolutionGCM with RCM Dynamical DowNScaling in Simulating Climate inChina[J]. Advances in Atmospheric Sciences,2016,33(5):559-570.
[14] 岳永杰,乌云珠拉,李旭,等. 根河流域1980—2017年气候和径流的变化特征分析[J]. 灌溉排水学报,2020,39(4):96-105.
[15] 周宰根,谢自楚,韩建康. 玉龙喀什河和喀拉喀什河出山径流变化及其影响因素分析[J]. 干旱区资源与环境,2009,23(6):95-99.
[16] 尹如洪. 和田河流域水资源规划研究[D]. 西安:西安理工大学,2003.
[17] 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.
[18] 罗映雪,徐长春,楚智,等. CN05. 1气象数据在流域水文模拟中的应用:以新疆开都河流域为例[J]. 气候变化研究进展,2020,16(3):287-295.
[19] 赵杰,徐长春,高沈瞳,等. 基于SWAT模型的乌鲁木齐河流域径流模拟[J]. 干旱区地理,2015,38(4):666-674.
[20] 万浩,董晓华,彭涛,等. 基于SWAT 模型和SUFI-2 算法的黄柏河东支流域径流模拟研究[J]. 中国农村水利水电,2018(12):94-100.
[21] 魏潇娜,龙爱华,尹振良,等. 和田河流域冰川径流对气候变化响应的模拟分析[J]. 水资源保护,2022,38(4):137-144.
[22] 何朝飞,骆成彦,陈伏龙,等. 基于CMIP6多模式的和田河流域未来气候变化预估[J]. 地学前缘,2023,30(3):515-528.
[23] 张勇,秦胜英,卢震林,等. 玉龙喀什河径流及气象因子演变规律及特征分析[J]. 水利与建筑工程学报,2021,19(1):243-249.
(责任编辑:向飞)
基金项目:国家自然科学基金项目(52179024)