東遼河流域吉林省境內的徑流模擬研究

卞建民, 胡昱欣, 張真真, 湯 潔, 趙 娟

(吉林大學 環境與資源學院, 長春 130021)

東遼河流域吉林省境內的徑流模擬研究

卞建民, 胡昱欣, 張真真, 湯 潔, 趙 娟

(吉林大學 環境與資源學院, 長春 130021)

以東遼河吉林省境內河段為研究對象，采用SWAT分布式水文模型對東遼河泉太水文站進行徑流模擬，模型采用2006—2008年實測的逐月徑流資料進行參數的率定，并以2009—2010年為模型的驗證期，分析對水文過程影響較大的因素、模型的模擬精度及對研究區的適用性。結果表明：泉太水文站率定期與驗證期徑流的模擬值與實測值總體上擬合較好，率定期與驗證期徑流模擬的相關系數(R2)均大于0.6，Nash-Suttclife效率系數(Ens)均大于0.75，相對誤差(R)均小于30%。驗證期的月徑流模擬相對誤差較率定期小，且相關系數R2、效率系數均大于0.9，降雨是徑流的重要影響因素，月徑流模擬值與年內的降雨過程存在較好的正相關性，且率定期相關性較驗證期相關性大。應用率定后的參數在SWAT模型中進行徑流模擬的結果較好，精度較高。將SWAT模型應用于東遼河吉林省段的徑流過程模擬，具有較強的適用性。

東遼河流域; SWAT模型; 徑流模擬

東遼河流域是遼河源頭區的主要部分，近年來，針對東遼河流域開展的研究逐漸增多，且研究的角度各異。其中，以流域內水生態、水環境需水量、水環境容量、水環境承載力等方面的研究居多[1-6]。針對該流域的研究日益增多，但對其水文過程的研究卻很少，尤以模型應用方面。然而，地表徑流作為水文循環的重要組成部分，近幾年來一直是國內外學者關注的重點，對SWAT模型應用于徑流模擬方面亦進行了大量的探索和研究[7]，在國內，董國強等在灤河流域將SWAT模型模擬結果與GIS空間分析功能結合，設置不同情景下流域下墊面的變化對徑流模擬的影響，說明林地的增加使得徑流量增加，而降雨量的增加又強化了其影響程度[8]。郝振純、姚蘇紅等在不同的干旱半干旱地區應用SWAT模型進行徑流模擬研究，探索并驗證了該模型在干旱半干旱地區的適用性[9-10]。顧萬龍等應用SWAT模型對沙河周口水文站上游區域進行了徑流模擬，論證了該模型對山區、丘陵和平原地區均有較好的適用性[11]。謝媛媛應用SWAT對羅玉溝典型小流域的徑流、泥沙和水質狀況進行模擬研究,著重探討了降雨和森林植被變化對水文生態響應的影響[12]。朱麗等采用SWAT模型中敏感性分析模塊，獲得對產流模擬影響較大的參數，通過驗證得出該模塊在面積較小的中尺度流域的可用性[13]，王亞軍等基于SWAT模型對湟水流域徑流過程進行了模擬與評價，獲得較好的結果，證明了模型的適用性[14]。已有的大量研究表明，應用SWAT模型進行徑流模擬具有較好的通用性和實用性[15]。

本文將SWAT模型的徑流模擬應用于東遼河流域吉林省境內河段，通過對東遼河泉太水文站2006—2010年間的月徑流進行模擬，研究SWAT模型在該區的適用性，分析影響徑流模擬的諸多因素，為相關部門進行東遼河流域水文循環等方面的研究提供可靠的依據，以期為SWAT模型在東遼河流域的應用奠定基礎。

1 研究區概況

東遼河流域位于吉林省的西南部，松遼平原中部，地處東經123°52′—125°6′，北緯42°54′—44°14′，地勢呈東南高、西北低，海拔611～120 m。流域面積為15 719 km2，區內主要有東遼河、招蘇臺河和條子河三條河流[16]。擁有遼源市和四平市兩個地級市以及東遼縣、公主嶺市、梨樹縣、雙遼市、伊通滿族自治縣5個縣級市[3]。東遼河全長448 km，省內河長321 km，流域面積10 136 km2。發源于遼源市薩哈嶺，流經遼源、公主嶺、雙遼等市，并最終匯入遼寧省境內的遼河[17-18]，氣候屬溫帶大陸性季風氣候，四季變化明顯，冬季寒冷多風，夏季炎熱干燥。多年平均徑流量5.61億m3，6—9月份為豐水期，徑流量占年徑流量的60%～70%。3—5月、10月份為平水期，11月份進入枯水期后流量驟少，東遼河最枯年份的來水量占多年平均來水量的9.3%，流經的王奔站豐水年與枯水年的水資源量相差30.8倍[1-3]。徑流過程是水文循環的一個重要環節，降雨、徑流之間又密不可分。因此，通過對研究區水文過程中的徑流進行模擬，分析降雨、徑流的相關關系，評價模型的精度、適用性，具有極大的現實意義，為該區進行相關水文過程、農業污染等方面的研究提供可靠的依據。

2 數據來源與方法

2.1 數據來源

基于SWAT模型的徑流模擬需要空間數據及屬性數據，為使數據庫中各圖件在同一個坐標系下，研究采用Albers投影，投影中第一、第二標準緯線依次為25，47，中央經線為105°。高程模型采用STRM DEM數據，土地利用數據的空間分辨率為1 km；土地利用類型圖是項目組通過對流域Landsat遙感數據TM和ETM影像解譯得到的，結合1∶50萬吉林省土地利用圖和野外調查GPS實測樣點進行檢驗。土壤類型圖是通過將吉林省1∶50萬土壤類型圖矢量化，并轉換投影獲得。利用流域水文站點、雨量站點資料以及90 m數字高程圖、1∶50萬的土地利用和土壤類型圖等構建東遼河流域的空間數據庫和屬性數據庫，數據來源及說明見表1。

2.2 研究方法

SWAT模型由美國農業部農業研究中心(USDA-ARS)研發，是基于SWRRB模型發展起來的一種基于過程的分布式流域尺度水文模型[19-21]。模型將遙感(RS)、地理信息系統(GIS)、數字高程模型(DEM)等數字技術進行集成應用，在徑流模擬的過程中充分考慮氣候、流域下墊面條件等因素對徑流模擬的影響[22]，在徑流模擬方面應用廣泛。

本次徑流模擬選取SCS—徑流曲線法進行地表徑流量的計算，潛在蒸散發能力采用Prestley-Taylor方法計算、河道演算采用Variable storage法獲得，模型以月平均為步長。模型率定及驗證結果選取相對誤差(Re)、決定系數(R2)、Nash-Suttclife效率系數(Ens)三項指標進行評價。其中，Re為實測值與模擬值的相對誤差，一般要求其絕對值在30%以內；R2為相關系數的平方，反映實測值與模擬值之間的數據相關程度，R2≥0.6時，模擬結果較好，且越接近于1，吻合的程度越高；Ens用來描述模擬值與實測值擬合精度，取值在0～1之間，當Ens在0.5～0.65之間時，模擬結果可接受，當Ens>0.75時，認為模擬結果非常好[23]，Re，R2，Ens的計算公式如下：

Re=[(Ps-W0)/W0]×100%

(1)

(2)

(3)

式中：W0——實測值；Ps——模擬值；Wavg，Pavg——實測值與模擬值的平均值；n——實測數據的個數；相關系數R2可在Excel中應用線性回歸法求得。

3 結果與分析

3.1 模型構建及參數率定

SWAT模型構建之初，由流域的DEM數據生成流域河網水系，加載水文站點后確定流域出口位置，將整個流域劃分成28個子流域，再將土地利用及土壤類型數據分別加載并重新分類后進行疊加處理。通過設值流域面積閾值，將流域內子流域劃分成363個水文響應單元，土地利用類型及土壤類型面積閾值均取10%，最后通過加載氣象數據及其他相關的默認數據庫文件，采用上述徑流模擬方法實現對東遼河流域水文過程的模擬，東遼河流域DEM高程圖及東遼河子流域劃分結果見圖1、圖2。

圖1東遼河流域DEM圖圖2東遼河子流域劃分圖

在模型建立的基礎上，采用SWAT模型自帶的參數敏感性分析模塊Sens-Auto-Unc中的拉丁超立方—單次單因素(LH-OAT)法分析參數敏感程度。以2006—2008年月徑流數據為敏感性分析對象，應用該方法獲得CN2、SOL-AWC、ESCO等17個對本次徑流模擬有重要影響的參數，部分敏感參數見表2。

表2 東遼河徑流模擬部分敏感參數

對于模型參數的率定，本文引進SWAT-CUP應用程序，SWAT-CUP為SWAT模型用于校準的一個計算程序，具有參數敏感性分析、模型的校準等功能[24]，在模型參數率定時應用廣泛，本次即采用該軟件對參數進行率定。將17個敏感參數輸入到SWAT-CUP中，采用Sufi2模擬方法進行計算，以全局敏感性分析中p-value和t-stat結果為參考。其中，p-value代表參數的重要性，越接近于0，表示參數越重要；t-stat表示參數的敏感性強弱，參數絕對值越大，表示敏感性越強。結合Sensitivity Analysis功能，對SWAT模型的敏感參數進行二次篩選，挑選出對研究區徑流模擬影響更顯著的參數，體現出Sensitivity Analysis高效、針對性強的特點。為使參數調整有據可依，徑流校準效果更好，以獲得適合研究區徑流模擬的參數。本次研究在模型自動校準的基礎上，采用one-at-a-time依次對CN2、ESCO、SOL_Z、SOL_AWC等幾個主要參數進行校準。one-at-a-time敏感性分析方法即通過手動單一改變某一參數的范圍值，其他參數范圍值保持不變，通過對幾次徑流模擬結果進行對比分析，確定提高模型模擬效果及精度的參數調整方法，避免參數調整時存在的盲目性，大大提高本次參數調整的效率。通過手動調參、自動校準，對模型主要敏感參數值的范圍進行調整、率定，獲得較為符合該區域徑流過程模擬結果及最為滿意的參數率定值，見表3，即可采用率定的參數代回SWAT模型中進行驗證模擬。

3.2 結果分析

模型采用泉太水文站2006—2008年間逐月徑流數據作為校準數據對模型進行校準，并以2009—2010年作為模型的驗證期，根據參數的類型，將率定的參數值代回SWAT模型中修改默認參數后，開始逐月徑流的驗證模擬。對模擬結果進行分析處理，獲得率定期與驗證期徑流模擬結果(圖3—4)，徑流模擬值與實測值線性回歸曲線見圖5。結合模型自動計算功能，并利用Excel計算可得研究區率定期與驗證期的徑流模擬分析結果，見表4。

表3 主要敏感性參數率定值

圖32006-2008年逐月徑流率定結果圖42009-2010年逐月徑流驗證結果

圖5 率定期與驗證期模擬值與實測值線性擬合曲線表4 東遼河流域月徑流模擬結果

模擬期R2EnsRe/%率定期(2006—2008年)0.880.8224.22驗證期(2009—2010年)0.920.928.09

結合圖3與表4可知，徑流模擬值與實測值之間的相對誤差為24.22%，小于30%；決定系數R2為0.88，大于0.6；Nash-Suttclife效率系數(Ens)為0.82，高于0.75，對比模型評價指標的精度要求可知，三個評價指標均滿足精度要求，模型率定期模擬的結果較為滿意。結合率定期徑流模擬值、實測值以及圖3、圖5不難發現，雖然率定期逐月徑流模擬的結果較好，但大部分徑流模擬值略高于實測值，即Ens>0，統計發現，校準期內每年的9月至次年的2月份，徑流的模擬值均不同程度的偏高于實測值，分析可能是由于北方地區9月份起降水開始逐漸減小，而降水是徑流產生的來源，降雨過程中模型會自動考慮多種因素的影響，因而徑流模擬結果更接近實際徑流，但該誤差均在允許的范圍內。此外，分析圖3可知，率定期內降雨量與徑流量的相關性很大，降雨量大的月份徑流量亦大。

觀察圖4與表4可知，驗證期徑流模擬值與實測值的擬合度較高，驗證期的相對誤差僅為8.09%，小于校準期的相對誤差；通過Excel回歸曲線計算得出R2，驗證期的相關系數R2、Nash-Suttclife效率系數Ens均為0.92，大于0.75，精度較高。分析驗證期的徑流實測值與模擬值可知，驗證期徑流模擬的誤差相比于率定期更小，相關系數R2、效率系數Ens均提高，利用上述參數校準方法獲得的參數值進行東遼河徑流過程驗證模擬，結果較好，適用性較強，即針對該區域，采用上述調參方法進行參數調整是可行的。由圖4可知，驗證期逐月模擬降雨量與徑流量存在較大的正相關性，降雨量大的月份徑流量亦大，且2010年相關性大于2009年。

可見，降雨是影響徑流的重要因素，采用率定后的參數進行徑流模擬的結果較好，應用率定的參數對研究區進行徑流模擬，精度較高，具有較強的適用性。

4 結 論

(1) 泉太水文站率定期與驗證期月平均徑流量的模擬值與實測值的相對誤差R分別為24.22%，8.09%，均小于30%；決定系數R2依次為0.88，0.92，均大于0.6；Nash-Suttclife效率系數(Ens)分別為0.82，0.92。三個評價指標均滿足精度要求，且驗證期月徑流擬合精度有所提高，R2、Ens均大于0.90，模擬結果較好。應用率定后的參數對東遼河流域進行徑流模擬，結果較為可靠，具有較強的適用性。

(2) 在時間上，東遼河流域的徑流過程與模擬降雨過程具有一定的正相關性，即月徑流量大的月份，模擬降雨量亦大，且率定期內相關性較驗證期高。其中，2010年間月徑流過程與降雨量相關性較大，而2009年月徑流過程與降雨過程相關性較2010年小。

(3) 應用SWAT模型能較好地模擬東遼河泉太站逐月徑流過程，但由于模型本身的不確定性，考慮人類活動對該區天然徑流過程的影響時，與實際下墊面條件仍有些偏差，在后續模型的改進及模型應用的過程中，應著重研究下墊面條件對模型精度的影響。

[1] 龔磊,盧文喜,張蕾.東遼河流域水生態功能分區研究[J].人民黃河,2012,34(5):57-60.

[2] 張蕾.東遼河流域水生態功能分區與控制單元水質目標管理技術[D].長春:吉林大學,2012.

[3] 吳佳曦.吉林省東遼河流域生態環境需水量的研究[D].長春:吉林大學,2013.

[4] 程兵芬,羅先香,王剛.基于層次分析—模糊綜合評價模型的東遼河流域水環境承載力評價[J].水資源保護,2012,28(6):33-36.

[5] 姜雪,盧文喜,黃鶴,等.基于WASP模型的東遼河水環境容量計算[J].節水灌溉,2012(6):56-59,63.

[6] 姜雪,盧文喜,張蕾,等.基于WASP模型的東遼河水質模擬研究[J].中國農村水利水電,2011(12):26-30.

[7] 白淑英,王莉,史建橋,等.基于SWAT模型的開都河流域徑流模擬[J].干旱區資源與環境,2013,27(9):79-84.

[8] 董國強,楊志勇,史曉亮,等.基于SWAT模型的灤河流域徑流模擬[J].人民黃河,2013,35(6):46-52.

[9] 郝振純,侯艷茹,張余慶,等.基于SWAT模型的皇甫川流域徑流模擬研究[J].中國農村水利水電,2013(5):6-10.

[10] 姚蘇紅,朱仲元,張圣微.基于SWAT模型的內蒙古閃電河流域徑流模擬研究[J].干旱區資源與環境,2013,27(1):175-180.

[11] 顧萬龍,竹磊磊,許紅梅,等.SWAT模型在氣候變化對水資源影響研究中的應用:以河南省中部農業區為例[J].生態學雜志,2010,29(2):395-400.

[12] 謝媛媛.基于SWAT模型的羅玉溝流域森林植被變化的水文生態響應研究[J].水土保持研究,2009,16(4):197-202.

[13] 朱麗,秦富倉,姚云峰,等.SWAT模型靈敏性分析模塊在中尺度流域的應用:以密云縣紅門川流域為例[J].水土保持研究,2011,18(1):161-165,275.

[14] 王亞軍,周陳超,賈紹鳳,等.基于SWAT模型的湟水流域徑流模擬與評價[J].水土保持研究,2007,14(6):394-397,406.

[15] 唐莉華,林文婧,張思聰,等.基于SWAT模型的溫榆河流域非點源污染模擬與分析[J].水力發電學報,2010,29(4):6-13.

[16] 卞建民,胡昱欣,李育松,等. 基于BP神經網絡的遼河源頭區水質評價研究[J].水土保持研究,2014,21(1):147-151.

[17] 李迪.基于SWAT模型的東遼河流域農業非點源污染模擬研究[D].長春:吉林大學,2011.

[18] 曹艷,張寶新.東遼河流域水文氣象特性分析[J].吉林水利,2006(6):30-31.

[19] 楊姍姍,徐征和,孔珂,等.基于SWAT模型的臥虎山水庫流域徑流模擬[J].中國農村水利水電,2013(5):11-14,19.

[20] 張展羽,司涵,孔莉莉,等.基于SWAT模型的小流域非點源氮磷遷移規律研究[J].農業工程學報,2013,29(2):93-100.

[21] 孫瑞,張雪琴.基于SWAT模型的流域徑流模擬研究進展[J].水文,2010,30(3):28-32.

[22] 朱喬,梁睿,晉華,等.基于SWAT模型的嵐河流域徑流模擬[J].水電能源科學,2013(3):25-27.

[23] Moriasi D N, Arnold J G, Van Liew M W, et al. Model evaluation guideliness for systematic quantification of accuracy in watershed simulation[J]. Transactions of the ASABE,2007,50(3):885-900.

[24] 謝淼.石頭口門水庫匯水區土地利用情景分析及水資源污染模擬研究[D].長春:吉林大學,2013.

StudyonRunoffSimulationinDongliaoRiverBasinofJilinProvince

BIAN Jian-min, HU Yu-xin, ZHANG Zhen-zhen, TANG Jie, ZHAO Juan

(CollegeofEnvironmentandResources,JilinUniversity,Changchun130021,China)

The Dongliao River in Jilin Province was taken as a case study area. Runoff simulation of the Quantai hydrological station was carried out with SWAT, a distributed hydrological model. In order to analyze the factors influencing hydrological process, the accuracy of runoff process simulation and the model applicability for the study area, parameters were calibrated by observed monthly runoff data from 2006 to 2008, and validated from 2009 to 2010. The results showed that during the calibration and validation period, the simulation results of the Quantai hydrological station were overall credible and consistent with the measured runoff, and the coefficients of determination (R2) were both greater than 0.6, and Nash-Suttclife efficiency factors (Ens) were both greater than 0.75, as well as the relative errors (R) were both less than 30% . During the validation, the relative error was smaller, the coefficients of determination (R2) and Nash-Suttclife efficiency factors were both greater than 0.9. Rainfall is an important factor affecting the runoff processes, a better positive correlation between the monthly runoff simulation and rainfall process was found during the calibration and validation period, while the calibration period is higher. However, the results were better and accurate with the calibrated parameters applied to the model. SWAT model exhibited the strong applicability when it was applied to simulate the runoff process of Dongliao River in Jilin Province.

Dongliao River basin; SWAT model; runoff simulation

2014-04-30

：2014-05-19

國家水體污染控制與治理重大科技專項(2012ZX07202-009)

卞建民(1968—),女,吉林延吉人,教授,博士生導師,主要從事地下水資源評價、水環境與水生態方面的研究。Email:bianjianmin@126.com

P333.3

：A

：1005-3409(2014)04-0246-05