基于SW AT模型土地利用變化對東江流域產流產沙的影響分析1

仇繼忠 王云鵬

（1、中國科學院廣州地球化學研究所，廣州 510640）（2、中國科學院大學，北京 100049）

基于SW AT模型土地利用變化對東江流域產流產沙的影響分析1

仇繼忠 王云鵬

（1、中國科學院廣州地球化學研究所，廣州 510640）（2、中國科學院大學，北京 100049）

利用地形、土地利用、土壤和氣候氣象等數據，構建了東江流域SWAT模型。基于流域內2001-2012年的土地利用變化，對不同土地利用情景下的產流產沙量進行了計算模擬。結果表明：2001-2012年，東江流域的土地利用類型以常綠林、草地和農業用地為主，均占總面積的80%以上。在12a間，土地利用主要變化為常綠林地的增加了14.46%，即4524.79km2，而草地、農業用地以及混交林分別減少了4.78%、4.54%和3.97%，面積為1495.1km2、1422.11km2和1243.09km2。這些變化使得流域內月均產流量增加了0.22mm，最大月產流量增加0.36mm，汛期（4月-9月）增加2.39mm。同時，月均產沙量減少0.79t/ha，最大月產沙量減少2.86t/ ha，汛期減少為6.29t/ha。研究結果可為東江流域土地利用方案的制定實施和水資源規劃管理決策提供科學參考。

東江流域，土地利用變化，產流量，產沙量

1、引言

土地利用變化是全球變化研究中的主要驅動力之一[1-3]，其不僅需要大尺度的宏觀研究，而且需要中小尺度的中微觀研究。在流域或區域等中小尺度上，土地利用變化將改變水量平衡狀態，并影響水質變化。因此，開展土地利用變化的水文和泥沙響應研究，在促進流域區域內水資源的開發和保證水質利用等方面，具有重要的意義。

在國內外，運用模型研究土地利用變化對于流域內水文水質的影響逐漸受到重視。袁再健等[4]針對日益加劇的水土流失情況，在四川紫色土地區選取了南部縣鶴鳴觀小流域作為研究區，分析荒地、灌木林、坡耕地、梯地、林地等土地利用方式的產流產沙特征，為構建產流產沙的小流域分布式模型奠定基礎。傅伯杰等[5]使用校正的土壤侵蝕模型LISEM（Limburg Soil Erosion Model）探討了黃土溝壑區的林地/灌木地、果園/經濟林地、荒草地、休閑地和耕地等五種土地利用方式的水土流失效應。花利忠等[6]利用農業非點源污染模型Ann AGNPS（annualized agricultural non-point source）定量評價了三峽庫區的大寧河流域流域的徑流與泥沙，顯示了模型在流域徑流與泥沙負荷估算及其評價中的應用潛力。

本文利用成熟的分布式水文模型SWAT，構建了東江流域空間和屬性數據庫。基于此，審計了兩種不同土地利用情景，模擬運算出產流產沙量，分析了流域內土地利用變化對兩種產量的影響。研究結果不僅對政府部門進行水資源管理時提供決策參考，還對流域內土地可持續利用科學方案的制定與實施提供依據。

2、研究區域和SWAT模型

2.1 研究區概況

東江（圖1）是珠江的三大干流水系之一，發源于江西省南部山區，流經廣東省河源、惠州等地，在東莞市石龍鎮注入珠江三角洲。流域的地理范圍為北緯，東經，總面積約為2.9×104km2。地勢由北、東、西三面邊緣漸次向中部降低，并向南傾斜，海拔由最高的1470m降低到最低的0m。東江流域屬于亞熱帶濕潤區，其氣候受季風影響較大，氣溫約為24.5-32.9℃，年均降水約2114.6mm，年均徑流量為33.11×109m3，超過中國河流徑流量平均水平[7]，汛期為每年的4月-9月。

2.2 SWAT模型簡介

SWAT（Soil and Water Assessment Tool）是Jeff Arnold為美國農業部下屬的農業研究中心開發的分布式流域模型[8]。該模型以年、月和日等為時間步長，以水循環為基礎，對流域內的一系列復雜物理現象進行模擬計算，如匯流產水、泥沙產生和營養物遷移等等。并能在不同氣候條件和土地利用類型的情景下進行上述流域內過程的預測。

建模時，SWAT首先跟據DEM和實際水系等數據把研究流域劃分為若干個子流域。當子流域內因不同的土地利用、土壤類型和管理措施影響到水文過程時，模型就進一步把子流域繼續劃分為不同的水文響應單元（Hydrologic Response Units,HRUs）。在SWAT模型里，同一個HRU中具有相同水文特性。

流域中的所有模擬過程均基于水量平衡。SWAT模型采用的水量平衡方程為[9]

式中,SWt表示土壤最終含水量，SW0表示土壤的初始含水量，t表示時間，Rday表示降水量，Qsurf表示地表徑流，Ea表示蒸散發量，Wseep表示土壤剖面底層的滲透量和側流量，Qgw表示回歸流的水量。上述符號，除了時間t的單位為d外，其他均為mm。在本研究中，地表徑流量的估算使用修正的SCS曲線數法(Modified SCS Curve Number)[10]，產沙量則使用MUSLE方程（Modified Universal Soil Loss Equation）[11]來計算。具體細節可查看相關文獻，此處則不再展開。

2.3 SWAT模型構建

在運行SWAT模型前需要收集大量基礎數據，如地形、土地利用、土壤和氣候氣象等等，并根據模型的運行條件和要求進行整理和預處理，建立起模型所需的空間數據庫和屬性數據庫。

2.3.1 DEM數據

地形數據來自90m空間分辨率的SRTM（Shuttle Radar Topography Mission）DEM數據集，從網站（http∶//srtm.csi.cgiar.org/）下載。

2.3.2 氣象數據

模型所需的氣象數據包括氣溫、降水、太陽輻射、風速和相對濕度等。東江流域內共有4個國家氣象站（圖1和表1）。從中國氣象數據網（http∶// data.cma.cn）的中國地面氣候資料日值數據集V3.0版本可獲取其數據，時段為1970-2012年，其中1970-2000年等30年數據作為模型運行的氣候背景值，用于建立天氣發生器數據庫。

2.3.3 土地利用數據

土地利用數據采用兩景MODIS數據產品MCD12Q1，獲取時間分別為2001年和2012年，空間分辨率為500m。其原有的IGBP土地分類經過如表2的轉換后方可適合SWAT模型的使用。

2.3.4 土壤數據

土壤數據來源于聯合國糧食和農業組織（Food and Agriculture Organization of the United Nations，FAO）的和諧世界土壤數據庫（Harmonized World Soil Database，HWSD）。然而，HWSD的土壤粒徑級配標準是國際制，而SWAT模型是USDA簡化的美制標準，所以需要使用土壤水文特性軟件SPAW[12]對其進行轉換，才得到模型需要的土壤屬性[13]。

2.4 情景設定

研究[14，15]表明，氣候變化和土地利用方式的改變會影響到流域內的產流量和產沙量。為了評估土地利用變化的影響，本研究設定了以下兩種模擬情景，只改變土地利用而保持氣候變化變量不動：

2001年情景：2000-2012年氣象數據、2001年土地利用數據；

2012年情景：2000-2012年氣象數據、2012年土地利用數據。

3、結果和分析

3.1 土地利用時空變化特征

基于兩期(2001年和2012年)MODIS土地利用影像，本研究使用ArcGIS軟件對東江流域的土地利用進行分析，得到2001-2012年土地利用變化情況（表3）。

2001-2012年東江流域的土地利用以常綠林、草地和農業用地為主。這些土地利用類型均占流域總面積的80%以上(2001年為81.16%，2012年為86.29%)；而水域、落葉林、灌木林和裸地等類型的比例較小，不超過2%。與2001年相比較，2012年的土地利用結構發生了一些變化。2012年土地利用變化主要表現為常綠林地的增加。該種土地類型的面積比2001年增加了14.46%，即4524.79km2。而草地、農業用地和混交林減少的比例較大，分別為4.78%、4.54%和3.97%，減少的面積分別為1495.1km2、1422.11km2和1243.09km2。

繼續利用ArcGIS軟件處理這兩景土地利用影像，得到2001-2012年東江流域土地利用轉移矩陣（表4），以進一步分析各種土地利用類型的轉化情況。

常綠林地的增加主要由混交林和草地轉移過來，其中混交林約轉移了1846.49km2，草地約為3333.01km2。同時，常綠林地只轉移給混交林1008.68km2,轉移給草地只有358.48km2。農業用地轉移了543.52km2給常綠林，但更多轉給了草地，達2093.35km2。這些土地利用方式的變化導致了東江流域下墊面狀況的改變，進一步作用于流域內水循環，必定對研究流域內的產流產沙產生一定的影響。

3.2 土地利用變化對產流的影響

表5顯示了2001年和2012年兩個時期的土地利用方式對東江流域產流量的改變起到一定的作用。利用方式的改變使得流域內三種產流量都有不同程度的增加。與2001年情景相比，2012年情景的月均產流量增加了0.22mm，最大月產流量在5月份，增加了0.36mm，汛期（4月-9月）的增加程度尤其明顯，達2.39mm。前面分析可知，在2001-2012年的12a里，流域內土地利用變化以常綠林地的增加、草地、農業用地和混交林減少為主要特點。結果說明了在降水充沛的濕潤條件下，在具有較好的水源涵養能力、較少的蒸散發耗水以及林地土壤良好的滲透作用，常綠林地的增加使得流域內產流量增加。

3.3 土地利用變化對產沙的影響

與產流量相反，土地利用方式的變化削減了東江流域的產沙量（表6）。與2001年情景相比，2012年情景的月均產沙量減少了0.79t/ha，最大月產沙量在4月份，減少了2.86t/ha，汛期（4月-9月）的削減程度很大，為6.29t/ha。因為常綠林地的增加，林冠的密實減少降雨動能，林木根系穩定坡體，林地地表糙率阻延地被物流失等等諸多因素均能有效地防止土壤侵蝕，有效地削減了東江河道的泥沙來源。

4、結論

本文選取東江流域2001年和2012年的土地利用為研究對象，使用SWAT分布式流域模型，對兩種不同土地利用情景下的產流量和產沙量進行了模擬，得出以下結論∶

①東江流域的土地利用類型以常綠林、草地和農業用地為主，均占流域總面積的80%以上。2001-2012年的12a的土地利用變化主要為常綠林地的增加和草地、農業用地以及混交林減少。

②常綠林地的增加以及其他土地利用類型的減少使得東江流域內月均產流量、最大產流量和汛期產流量有著不同程度的增加，月均產沙量、最大產沙量和汛期產沙量有著不同程度的減少。

土地利用變化具有時效性。隨著經濟社會的不斷發展，東江流域內土地利用隨著時間的推移而在變化。這種變化影響到流域內水循環，最終影響到了產流量和產沙量的變化，尤其是在4月-7月的汛期階段，這會在某種程度上加大洪澇災害的風險，值得當地政府和人民注意。

[1]擺萬奇,柏書琴.土地利用和覆蓋變化在全球變化研究中的地位與作用[J].地域研究與開發,1999, 18(04):13-16.

[2]Jonathan A.Foley,Ruth Defries,Gregory P. Asner,等.Global consequences of land use[J]. Science,2005,309(5734)∶570-4.

[3]張新榮,劉林萍,方石,等.土地利用、覆被變化(LUCC)與環境變化關系研究進展[J].生態環境學報,2014,(12):2013-2021.

[4]袁再健,蔡強國,秦杰,等.鶴鳴觀小流域不同土地利用方式的產流產沙特征[J].資源科學,2006, 28(01):70-74.

[5]傅伯杰,邱揚,王軍,等.黃土丘陵小流域土地利用變化對水土流失的影響[J].地理學報,2002,57 (06):717-722.

[6]花利忠,賀秀斌,顏昌宙,等.三峽庫區大寧河流域徑流泥沙的AnnAGNPS定量評價[J].水土保持通報,2009,(06):148-152.

[7]楊宏偉.GIS支持下的東江典型流域徑流變化研究[D].南京大學,2009.

[8]J.G.Arnold,R.Srinivasan,R.S.Muttiah,等. Large area hydrologic modeling and assessment Part I∶Model development[J].Jawra Journal of the American Water Resources Association,1998, 34(1)∶73–89.

[9]S.L.Neitsch,J.G.Arnold,J.R.Kiniry,等.Soil and Water Assessment Tool Theoretical Documentation Version 2009,http∶//swat.tamu.edu/ documentation/,2011.

[10]USDA Soil Conservation Service,'Section 4 Hydrology,Chapters 4-10',in National Engineering Handle Book,1972).

[11]J.R.Williams.Sediment routing for agricultural watersheds[J].Jawra Journal of the American Water Resources Association,1975,11(5)∶965–974.

[12]K.E.Saxton,W.J.Rawls.Soil Water Characteristic Estimates by Texture and Organic Matter for Hydrologic Solutions[J].Soil Science Society of America Journal,2006,70(5)∶1569-1578.

[13]魏懷斌,張占龐,楊金鵬.SWAT模型土壤數據庫建立方法[J].水利水電技術,2007,38(06):15-18.

[14]李晶瑩,張經.中國主要河流的輸沙量及其影響因素[J].中國海洋大學學報(自然科學版),2003, 33(04):565-573.

[15]張圣微,雷玉平,姚琴,等.土地覆被和氣候變化對拉薩河流域徑流量的影響[J].水資源保護,2010, 26(02):39-44.