地理國情普查數(shù)據(jù)在SWAT水文模擬中的適用性研究*

吳建鵬 于海洋 馬慧慧

（河南理工大學礦山空間信息技術(shù)國家測繪地理信息局重點實驗室 焦作 454000）

1 引言

SWAT模型是一種具有長時序連續(xù)模擬能力的分布式流域水文模型，在晉江流域［1］、灤河流域［2］、渭河流域［3］等國內(nèi)水文模擬中取得了廣泛的應(yīng)用驗證［4］。其中土地利用/覆被數(shù)據(jù)是構(gòu)建SWAT模型的基礎(chǔ)數(shù)據(jù)，已有的研究中主要采用Landsat等中低分辨率衛(wèi)星傳感器數(shù)據(jù)解譯獲取，數(shù)據(jù)精度相對較低。國內(nèi)新近完成的地理國情普查提供了大量精確的土地利用分類數(shù)據(jù)［5］，如何將其擴展應(yīng)用到相關(guān)地學領(lǐng)域是近年來研究的熱點［6～7］。本文以鶴壁湯河流域為研究區(qū)，結(jié)合流域的地理國情普查數(shù)據(jù)，制定了湯河流域的土地利用分類體系，構(gòu)建SWAT水文模型，對比分析地理國情普查數(shù)據(jù)與Landsat影像解譯的土地利用/覆被數(shù)據(jù)在SWAT流域水文模型模擬中的適用性，為區(qū)域土地利用規(guī)劃、生態(tài)恢復及水資源合理配置提供理論依據(jù)［8］。

2 SWAT水文模擬模型

SWAT模型中由土壤侵蝕子模型、污染負荷子模塊和水文過程子模型三大子模型組成，本文研究涉及到水文過程子模型。水文過程模擬研究分為兩個部分，分別為水文循環(huán)陸面部分和河道匯流部分，SWAT模型計算遵守水量平衡原理，其原理方程見下式：

式中：SWm是第n天的土壤最終含水量（mm）；SWo是第n天的土壤前期含水量（mm）；m是時間（d）；Rd是第n天的降水量（mm）；Qsu是第n天的地表徑流量（mm）；E是第n天的蒸散發(fā)量（mm）；Wse是第n天存在于土壤剖面地層的滲漏量和側(cè)流量（mm）；Qgw是第n天的地下水含量（mm）。

3 地理國情普查數(shù)據(jù)分類系統(tǒng)的整合方法

本文主要使用湯河流域2015年的地理國情地表覆蓋數(shù)據(jù)，數(shù)據(jù)獲取主要是以湯河流域的2015年經(jīng)過預處理的高分辨率影像作為地理國情普查的基礎(chǔ)地圖數(shù)據(jù)，同時收集各項專題數(shù)據(jù)如二調(diào)數(shù)據(jù)等為地理國情數(shù)據(jù)作為參考；本文獲取同時期的Landsat遙感影像，對其進行預處理并結(jié)合獲取的流域范圍內(nèi)相關(guān)資料，在圖像分析過程中利用面向?qū)ο螅?］的方法，首先采用合適的分割尺度對影像進行分割，然后采用SVM［10～11］分類方法并結(jié)合目視解譯的方法得到湯河流域土地利用類型分布圖。根據(jù)研究區(qū)土地利用的實際情況，本文將研究區(qū)土地利用類型劃分為耕地、林地、草地、園地、工礦用地、高密度居住地、低密度居住地、水域和裸地等9類，由于我國的土地利用分類標準不符合SWAT模型下的美國制土地利用類型代碼的要求，因此需要對地理國情數(shù)據(jù)進行重分類，轉(zhuǎn)換成SWAT模型識別的土地利用類型分類代碼（見表1）。

4 數(shù)據(jù)處理與結(jié)果分析

4.1 研究區(qū)概況

研究區(qū)選取鶴壁市湯河上游流域作為研究對象。流域位于河南省北部，太行山東麓和華北平原的過渡地帶。湯河屬海河流域衛(wèi)河水系，湯河上游流域主要包括鶴壁市鶴山區(qū)和山城區(qū)（圖1），面積約165 km2。研究區(qū)內(nèi)湯河水庫建于1958年，其上游水文、氣象觀測數(shù)據(jù)完整，同時為消除水庫人為調(diào)節(jié)的影響，徑流觀測選取在水庫匯水區(qū)上游區(qū)域。

表1 湯河流域土地利用重分類表

圖1 研究區(qū)位置

4.2 數(shù)據(jù)預處理

根據(jù)圖2中湯河流域的分類結(jié)果，本文以湯河流域2015年30m分辨率Landsat影像解譯結(jié)果和2015年地理國情數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù)，各土地利用/覆被類型所占面積如表2所示。

由圖2和表2可知，兩期土地利用數(shù)據(jù)各土地利用類型所占面積比例相似，空間分布存在一定差異。2015年湯河流域土地利用類型以耕地、林地、草地、高密度居住地、低密度居住地和礦業(yè)用地為主，這六種土地利用類型的面積之和占流域總面積的94%以上，而裸地、果園和水域的面積相對較小。

圖3 研究區(qū)土地利用分類結(jié)果

表2 研究區(qū)不同來源土地利用類型面積統(tǒng)計結(jié)果

4.3 SWAT模型構(gòu)建

構(gòu)建SWAT模型需要獲取研究區(qū)范圍內(nèi)包括高程數(shù)據(jù)、土地利用數(shù)據(jù)、土壤數(shù)據(jù)、氣象數(shù)據(jù)等一系列數(shù)據(jù)，然后將其輸入模型，最后將在研究區(qū)范圍內(nèi)獲取的實測水文數(shù)據(jù)作為對模擬值的適用性進行校正和驗證的依據(jù)。

研究中采用機載LiDAR生成的DEM數(shù)據(jù)為水文模擬分析的基礎(chǔ)［12～14］。機載 LiDAR 數(shù)據(jù)是在2009年4月21日采用Leica ALS50獲取的。氣象數(shù)據(jù)是以中國氣象局大氣同化系（CLDAS）［15］技術(shù)為參考，時間周期選擇在2008年1月1日至2014年12月31日期間。降雨量數(shù)據(jù)由安陽和鶴壁水文局提供，主要包括小河子、鶴壁、盤石頭和施家溝等雨量監(jiān)測站。土壤數(shù)據(jù)是以河南省1：20萬分縣土壤類型圖作為參考，該數(shù)據(jù)是根據(jù)土壤發(fā)生學的觀點，結(jié)合河南省土壤實際情況進行劃分。

首先基于DEM進行子流域劃分，然后在SWAT模型中加載土地利用數(shù)據(jù)、氣象數(shù)據(jù)、坡度數(shù)據(jù)以及土壤數(shù)據(jù)，生成湯河流域水文響應(yīng)單元。在上述過程中同時加載了煤礦抽排水點信息，在此模擬研究區(qū)內(nèi)五個礦區(qū)煤礦抽排水過程主要是采用點源輸入（Point Source Input）的形式。

模型運行模擬完成后，將利用研究區(qū)范圍內(nèi)獲取的實測水文數(shù)據(jù)對模型模擬值的適用性進行校正與驗證。論文利用小河子、鶴壁、盤石頭和施家溝水文站的2008-2014年間逐日、逐月徑流的數(shù)據(jù)，設(shè)置2008為預熱期，運用2009-2011年實測徑流數(shù)據(jù)進行模型率定，模型驗證利用2012-2014年實測數(shù)據(jù)。本次研究中在其他輸入數(shù)據(jù)不變的情況下，分別基于2015年地理國情數(shù)據(jù)和2015年30m分辨率下Landsat解譯的土地利用數(shù)據(jù)輸入模型，并在率定期和驗證期模擬得到相關(guān)系數(shù)（R2）和Nash-Sutcliffe效率系數(shù)（Ens），相關(guān)研究認為R2＞0.6、Ens＞0.5時模擬取得顯著效果。

4.4 結(jié)果分析

由表3、圖3和圖4可知，SWAT模型模擬的徑流量和實測徑流量吻合較好，由此證明了模型模擬的結(jié)果符合湯河流域徑流量的變化規(guī)律。模擬結(jié)果表明，基于地理國情普查數(shù)據(jù)率定期和驗證期相關(guān)系數(shù)模擬結(jié)果（0.74、0.82）優(yōu)于同時期Landsat影像解譯的土地利用/覆被數(shù)據(jù)模擬結(jié)果（0.71、0.80），證明基于地理國情普查數(shù)據(jù)構(gòu)建SWAT模型模擬的月徑流值與實測徑流值吻合較好；分析原因是地理國情數(shù)據(jù)更接近于真實地表覆被信息，在輸入模型所需其他數(shù)據(jù)不變的情況下，基于地理國情數(shù)據(jù)的模擬精度高于低分辨率下解譯的土地利用/覆被數(shù)據(jù)的模擬結(jié)果。

表3 湯河流域不同來源土地利用數(shù)據(jù)下SWAT模型月徑流模擬結(jié)果評價

圖4 湯河流域基于30m分辨率Landsat影像解譯數(shù)據(jù)模擬月徑流模擬值與實測值對比圖

5 結(jié)語

本文選取鶴壁湯河流域作為研究區(qū)，獲取該流域同一時期不同來源的土地利用/覆被數(shù)據(jù)，進行了分布式水文模型模擬實驗，分析了不同來源土地利用/覆被數(shù)據(jù)在水文分析和模擬中的適用性。統(tǒng)計結(jié)果顯示，流域的各土地利用類型在各自流域所占面積相似，在輸入模型所需其他數(shù)據(jù)不變的情況下，基于地理國情數(shù)據(jù)的模擬精度高于低分辨率下解譯的土地利用/覆被數(shù)據(jù)的模擬結(jié)果，因此建議在利用SWAT進行徑流模擬時，地理國情數(shù)據(jù)較更低分辨率的Landsat影像解譯的土地利用數(shù)據(jù)有一定的優(yōu)勢，能夠在一定程度上提高徑流模擬的效果。