AnnAGNPS模型在西南巖溶地區奇峰河流域的參數敏感性及適用性分析

梁麗營，高振剛，劉德財，閆小雨，曾鴻鵠，3*，劉 崢，覃禮堂，梁延鵬

（1.桂林理工大學環境科學與工程學院，廣西 桂林 541006；2.桂林理工大學化學與生物工程，廣西 桂林 541006；3.桂林理工大學，巖溶地區水污染控制與用水安全保障協同創新中心，廣西 桂林 541006）

非點源污染是繼點源污染得到治理后對流域水體威脅最大的又一污染類型，其也成為了流域水體污染治理的主要目標[1]。農業非點源污染常見的污染物來源主要有耕作施肥、殺蟲劑、農藥等，而農業活動對于非點源污染貢獻的評價又是最復雜的[2]，因此對農業非點源污染負荷產生遷移的物理過程的模擬，能夠對治理農業非點源污染起到重要作用。國外運用計算機模型模擬非點源污染起步早，技術較為成熟，已經廣泛應用于各流域的非點源污染的模擬[3-5]。我國對于非點源污染的研究起步較晚[6]，前期我國研究者直接使用模型自帶的參數用于我國其他地區的研究。隨著SWAT、HSPF、AnnAGNPS等模型在我國的推廣使用，運用模型對非點源污染的研究也越來越成熟。許多學者使用AnnAGNP模型對我國非巖溶地區各流域進行了適用性研究，九江小流域[7]，珠江三角洲小流域[8]、三峽庫區流域[9-10]、黃土丘陵小流域[11]等非巖溶地區流域的地表徑流適用性研究表明，AnnAGNP模型自帶的參數不能直接應用于我國的小流域，需要對模型參數進行調整，優化取值范圍，才能應用于本土流域的非點源污染模擬。

在全球范圍內，喀斯特地貌面積為2200萬km2，約占全球陸地總面積的12%[12]，中國的巖溶地貌面積占我國國土面積的1/3以上[13]。喀斯特地區主要位于歐洲沿線地中海沿岸、美國東部和中國西南地區[14]。喀斯特地貌形成于可溶性碳酸鹽巖（如石灰巖）區域，這些區域受到地質和化學溶解作用，形成由裂隙、溝渠和洞穴組成的地下巖溶排水系統（巖溶含水層）[15-16]。巖溶系統的表面和地下形成了一個空間開放的雙層水文系統，這個特別“雙重結構”容易導致地表水流失[12-13]。喀斯特含水層通常能快速響應降雨水文事件以及城市人為補給過程[17]。目前，巖溶地區地表徑流的研究通常采用地表徑流小區域觀測法，以及近年來學者們嘗試使用水文分布式模型對巖溶地區流域的非點源污染進行模擬。Malagò等[18]與Amatya等[19]研究發現SWAT模型對巖溶地區流域徑流的模擬以及非點源污染的水質模擬存在較大的誤差，應當根據巖溶特征做適當的調整，才能更好地模擬非點源污染。SWAT模型主要應用于大中型流域的模擬，而AnnAGNPS則廣泛應用于小流域的模擬，精度比SWAT高。

桂林市奇峰河流域地處西南巖溶地區，AnnAGNPS模型在其他非巖溶流域有著廣泛的應用，但是在巖溶地區小流域的非點源污染研究頗少。而AnnAGNPS模型應用于西南典型巖溶地區小流域模擬的適用性有待于進一步驗證。如何優化模型的參數以及取值范圍，是驗證其在奇峰河流域的適用性的關鍵，參數敏感性分析為優化參數提供參考依據。因此本研究選取西南巖溶地區桂林奇峰河流域為研究對象，進行AnnAGNP模型的適用性以及參數敏感性分析研究，具有理論可行性與現實意義。AnnAGNP模型對于地表徑流的模擬，將會填補地處西南巖溶區的桂林市小流域數值模擬的空白，同時優化完善后的模型可進一步應用于非點源污染的模擬，為治理巖溶地區非點源污染提供科學依據。

1 材料與方法

1.1 流域概況

奇峰河發源于廣西壯族自治區桂林市臨桂縣南邊山的香草巖，屬漓江的一級支流，流經南邊山鄉、六塘鎮及桂林市郊雁山區，在蔣家壩與桂柳運河交匯后稱為良豐河，流經柘木鎮，在柘木的胡子巖處注入漓江。位于北緯 24°55'36″～25°06'47″，東經 110°13'11.29″～110°22'23.59″。奇峰河流域所在地區氣候溫暖濕潤，屬中亞熱帶季風氣候，冬無嚴寒，夏無酷暑，多年平均降雨量為1 835.8 mm，年最大降雨量為2 452.7 mm，年最小降雨量1 313.3 mm。雨季為3—8月，降雨量占全年的80%，其中，4—8月是暴雨多發時期，降雨約占全年的50%。奇峰河流域上游是由中泥盆統信都組碎屑巖組成的架橋嶺背斜核部，中流段主要是由灰巖與白云巖組成的六塘-莫家向斜盆地。桂林巖溶區的特點主要是規模小，多零星散布于巖溶峰叢洼（谷）地、峰林平原（盆地）中，氣候條件溫暖，降雨量豐富，具有“土在樓上，水在樓下”的雙層水文地質結構，大氣降水在地表快速地向地下流失，容易導致大面積的地表水缺乏，水土流失嚴重。

1.2 研究區數據來源

AnnAGNPS需要的基礎數據主要包括地理空間數據、水文氣象數據、土壤屬性數據、作物管理數據和水質監測數據等。空間數據包括數字高程模型（DEM）、土壤類型圖、土地利用類型圖。DEM在地理空間數據云平臺下載（https：//www.gscloud.cn/），空間分辨率為30 m×30 m；土壤類型數據是第二次全國土壤調查1∶400萬的土壤類型圖；土地利用類型圖是由谷歌地球上的遙感影像解譯而來。土壤屬性數據主要包括土壤水文組分、土壤侵蝕因子、不透水層深度、土層數量、土層深度、土壤容重、有機質含量、土壤水分含量、田間持水量、土壤飽和導水率、凋萎點系數、黏土比例、淤泥比例、沙子比例、巖石比例。土壤水文特性屬性值田間持水量、土壤飽和導水率、土壤水分含量等通過Soil Water Characteristics軟件計算；其他數據來源于全國第二次土壤普查，我國土壤粒徑與模型使用的美國制的粒徑不相同，因此需要進行粒徑轉換。降雨侵蝕因子、土壤可侵蝕性因子K的計算參考文獻[20]；地表殘留物覆蓋率、擾動面積為百分比的無量綱參數，參考模型推薦的范圍值以及實地走訪調查。徑流曲線數（Runoff curve number，也稱為曲線數或簡稱CN）是水文中用于預測降雨過量直接徑流或入滲的經驗參數。曲線數法是由美國農業部自然資源保護局開發的一種方法，徑流曲線數根據美國農業部監測的小型集水區和坡地徑流的經驗分析得出。氣象數據來源于國家氣象數據共享網（http：//data.cma.cn/user/toLogin.html），AnnAGNPS模型需要的氣象數據有七類：日降雨量、風速、風向、每日最高氣溫、每日最低氣溫、露點溫度、輻射值。水文數據來源于桂林市良豐河水文站。其他基礎的原始數據不經過任何的數據處理，直接輸入模型。

1.3 模型簡介

圖1 桂林市奇峰河流域DEM與水系圖Figure 1 DEM and water systemmap of Qifeng River Basin in Guilin

20世紀80年代，美國農業部農業研究局（USDAARS）與自然資源保護局（NRCS）共同研發了AnnAGNPS模型，它是一種連續模擬的分布式，以每日時間為步長的污染物負荷加載模型，是AGNPS的延續版本[3]。AnnAGNPS以流域DEM為基礎，按照微地形一致性原則，將流域劃分為若干個任意形狀的集水單元，然后由河網把這些子單元連接起來，以日尺度連續監測各集水單元的徑流量、泥沙、營養物和農藥負荷量，通過河道演算得到流域出口處各種成分的含量[21]。模型采用SCS-CN徑流曲線方程計算地表徑流量，采用修正的通用土壤流失方程計算地表泥沙侵蝕量。氮、磷、有機碳的顆粒和可溶性形式的化學傳輸和農藥使用源自CREAMS模型[22]。有關模型的參數敏感性分析率定、驗證過程的具體操作見文獻[23-25]。

1.4 最佳子流域集水單元劃分

在AnnAGNPS的模塊TopAGNPS中可以通過設定不同的臨界源區面積（CSA）和最小源區溝道長度（MSCL）取值，將流域劃分為空間上分散的集水單元，可以產生不同的子流域分割形狀以及數量，這兩個參數的取值決定了流域的離散程度。河流集水區是自然界的空間單位，其中復雜的相互作用過程發生，影響河流中的水在出口處的匯合[2]，同時影響營養物的動力學[26]。根據模型的用戶手冊，選取研究區的CSA的取值范圍 10～300 hm2，MSCL取值范圍30～300 m，研究不同集水單元劃分下的模擬結果。

1.5 參數敏感性分析方法

本研究參考非巖溶地區小流域的參數敏感性[20，27]，選取了可能對巖溶地區產生敏感性的十個參數：徑流曲線數（CN）、河段曼寧系數、凋萎點系數、土壤飽和含水率、耕作深度、田間持水量、降雨侵蝕因子、土壤可侵蝕性因子、地表殘留物覆蓋率、擾動面積。本研究采用DSA進行參數敏感性分析，設定一個參數的初始值，然后在初始值附近增減10%，其他參數保持不變，通過計算參數敏感性指數I獲取各參數的敏感性程度。DSA將敏感性指數I分為四個等級， ||I＞1表示極其敏感，0.2＜ ||I＜1表示非常敏感，0.05＜ ||I＜0.2表示中等敏感，||I＜0.05表示不敏感，敏感性指數I的計算公式為：

式中：x0為參數的初始值，y0是參數x0對應的模型輸出值，y1、y2分別表示x1=x0-Δx、x2=x0+Δx對應的模型輸出值，Δx=10%x0。

1.6 模型率定及評價方法

模型的穩健性及可靠性能需要一定的評價指標，單一的評價指標往往不能全面評價一個模型的模擬性能或者模型的模擬精度，因此本研究選取了三個評價指標，即相關系數（R2）、納什效率系數（ENs）、相對誤差（Re）對模擬結果進行模型性能的評價。R2越大，表示實測值與模擬值的相關性越好。ENs值越接近于1，表示模型模擬精度越高[28]。Re為0，則表明模擬值與實測值完全吻合。對于水文模型在以月為時間步長進行徑流與水質的模擬評價等級，已經形成了統一的適用性標準[29]。模型的率定根據徑流的參數敏感性分析結果，選取了對徑流敏感的參數，采用試錯法人工調參校準模型。首先要將模型的初始參數輸入，然后運行模型，根據結果計算R2、ENs和Re值，如果模型在可接受范圍內，則停止運行模型，如果模型不在可接受范圍內，則返回修改模型參數，再重復運行模型，直至模型在可接受范圍。

2 結果與討論

2.1 最佳子流域劃分

集水單元和河道數量如表1所示。從表中可以看出，MSCL為200 m時，隨著CSA取值從10 hm2增大到50 hm2，集水單元和河段的數量急劇減少，兩者均減少了76%；CSA從50 hm2增加到100 hm2時，數量減少了42%；當CSA大于100 hm2時，集水單元和河道的數量減少的幅度不大，對河網密集度影響不顯著。這與Pradhanang等[30]的研究結果相似，MSCL取值在100～200 m時，對河網的密集程度影響不顯著。

表1 不同的CSA取值下的集水區劃分結果Table 1 Results of watershed division under different CSA values

2.1.1 子流域集水單元劃分下的土壤和土地利用變化

根據不同CSA和MSCL取值下的試驗結果，當CSA取值為10 hm2時，河道數量過多，部分河道產生重疊，當CSA取值大于50 hm2時，劃分的集水單元的面積過大，當流域內一些土壤和土地利用的面積過小時，面積大的土壤或者土地利用類型將占主導地位，而面積小的土壤或者土地利用類型會被忽略，即在空間上產生一定的概化。從圖2的不同CSA取值下土壤面積的變化結果來看，紅泥黏土的面積出現了先迅速下降后緩慢上升，在CSA等于40 hm2時再次下降，而后在CSA為20 hm2時開始趨于穩定。水稻土的面積變化趨勢則和紅泥黏土的變化趨勢相反，最終都在CSA等于20 hm2時趨于穩定。而紅石灰泥土在流域中所占的面積不大，先迅速下降后逐漸平穩，再緩慢下降，而后在CSA為30 hm2時趨于穩定。

從土地利用類型面積變化圖（圖2）可以看出，林地先下降后上升，后緩慢下降，當CSA等于40 hm2時趨于穩定；旱地面積先上升后迅速下降，后緩慢下降，最后在20 hm2時趨于穩定；水田的面積變化情況較為復雜，波動性較大，先下降后迅速上升再迅速下降，后上升再緩慢下降，再上升后再下降，原因是水田的分塊面積均較小，因此在集水單元劃分的時候常處于非主要地位；果園的面積先迅速上升，后緩慢上升，再慢慢趨于穩定；居民地的面積變化則比較單一，先保持變化不大，后緩慢下降，再緩慢上升，最后在20 hm2處穩定。因此綜合考慮土壤和土地利用類型面積變化情況，確定將奇峰河流域的CSA取值為20 hm2，能較全面地描述流域的地形信息。前人的研究表明[30]，不同的MSCL取值（100～200 m的取值）對模擬結果沒有顯著影響，因此本文直接選取MSCL為200 m。

2.1.2 子流域集水單元劃分下徑流變化

事實上，長期停牌的股票無法交易，大批投資者被強制鎖倉，導致投資者無法退出，對投資者利益影響重大。 不過，仍有很多“釘子戶”選擇“待機”。

不同子流域集水單元劃分下的最大洪峰流量與徑流量的變化如圖3和圖4所示。由圖可看出，隨著子流域集水單元數量的增加，模擬的最大洪峰流量變化為先急速下降，緩慢上升后再緩慢下降，最后緩慢上升至相對穩定范圍，在CSA為30 hm2（集水單元數量為800）時開始趨于相對穩定。徑流量在集水單元數量為38和40時變化不大，后迅速下降，再上升后下降，然后再上升，最后同樣在800個集水單元時開始趨于相對穩定。子流域集水單元數量從98到143個時，徑流量隨著集水單元數量增加而下降，降幅為6.41%。

圖2 不同CSA取值下土壤和土地利用類型面積變化Figure 2 Changes in soil and land use type under different CSA values

由此可知，集水單元數量為800～2053對徑流模擬的影響較小。

2.1.3 子流域集水單元劃分下的泥沙變化

不同子流域集水單元劃分下，模型模擬的泥沙產量如圖5所示。由圖可知，隨著子流域集水單元數量的增加，奇峰河流域的產沙量變化呈現出先上升后下降、再上升后下降、最后趨于相對穩定的趨勢。當子流域集水單元數量從143上升到202個時，年產沙量的增幅較大，增幅為6.57%，當子流域集水單元數量從448個上升到633個時，年產沙量隨著劃分數量增加而下降，降幅為9.33%。產沙量在子流域數量為1225時開始趨于穩定。由此可見，對于泥沙的模擬，子流域集水單元的劃分數量為1225是合理的。

2.1.4 子流域集水單元劃分下的各形態氮變化

圖3 最大洪峰流量變化趨勢Figure 3 Maximumflood peak flow trend

圖4 徑流量變化趨勢Figure 4 Trends in surface runoff

圖5 不同集水單元個數下泥沙的變化Figure 5 Variation of sediment under different number of water collection units

不同子流域集水單元劃分下，模型模擬的吸附態氮、溶解態氮和總氮的變化趨勢如圖6所示。吸附態氮占總氮比例高達97.72%，因此與總氮的變化趨勢相同。變化的波動也較大，均是先劇烈波動后上升再下降，再迅速上升后趨于相對穩定水平。在子流域集水單元數量從315上升到385個和633上升到800時，吸附態氮含量隨著數量的增加而增加，增幅分別為5.77%和5.97%。總氮含量的增幅為5.65%和5.87%。溶解態氮變化趨勢表現為先下降后上升，再下降而后上升，最后趨于穩定。子流域集水單元數量從633上升到1225個時，溶解態氮的增幅最大，為5.44%。吸附態氮和總氮在子流域數量為800時開始趨于相對穩定，而溶解態氮在1225時開始趨于相對穩定，因此對于氮的模擬，子流域劃分的數量為1225時是合理的。

2.1.5 子流域集水單元劃分下的各形態磷變化

不同子流域集水單元劃分下，模型模擬出來的磷包括吸附態的有機和無機磷、溶劑態的無機磷和總磷，它們的變化趨勢均相同（見圖7）。在子流域集水單元數量從315上升到385和633上升到800時，各形態磷含量隨著數量的增加而增加。在子流域集水單元數為800后，各形態磷的含量趨于穩定。因此對于磷的模擬，子流域劃分的數量為800～1225時是合理的。

圖6 各形態氮的變化趨勢Figure 6 Trends in different forms of nitrogen

圖7 各形態磷的變化趨勢Figure 7 Trends in different forms of phosphorus

2.2 參數敏感性分析

2.2.1 徑流的參數敏感性分析

使用DSA方法對奇峰河流域進行徑流模擬的參數敏感性分析，結果見表2和圖8。根據10個參數的徑流敏感性分析結果，CN是對徑流量最敏感的參數，敏感性指數為4.18，敏感性等級為極其敏感。田間持水量對徑流的敏感等級為中等敏感，指數為0.194。凋萎點系數和土壤飽和含水率對徑流有影響，但是影響效果不顯著，敏感指數僅為0.037和0.002，評判為不敏感等級。而其他的參數耕作深度、地表殘留覆蓋率、降雨侵蝕因子、曼寧系數、土壤可侵蝕性因子和擾動面積等對徑流沒有影響。有研究表明[34]，河道曼寧系數對徑流量影響不顯著，但會對洪峰流量和匯流時間產生影響，因此也是校準徑流的重要參數。這與國內外使用AnnAGNPS模型在非巖溶流域的參數敏感性研究結果相同，Mohammed等[35]的參數敏感性分析得出，CN和通用土壤流失方程（USLE）的C因子是最敏感的參數。Sarangi等[36]的研究表明，CN值是勒比圣盧西亞島森林流域和農業流域徑流模擬中最敏感的參數。鐘科元等[37]對福建桃溪流域的參數敏感性同樣表明，CN值是對徑流模擬最敏感的參數。

2.2.2 泥沙的參數敏感性分析

泥沙的敏感性分析結果見表2和圖9，其中土壤可侵蝕性因子、降雨侵蝕因子、CN和對泥沙的敏感性等級最高，為非常敏感，敏感指數分別為1.09、-0.932和0.214。地表殘留覆蓋、曼寧系數和擾動面積表現為中等敏感，敏感指數為-0.136和-0.115。其他四個參數對泥沙有輕微的影響，但不顯著，屬于不敏感等級。不同的研究區域因降雨、蒸發等氣象因素的差異，以及土壤、地形、土地利用等下墊面因素的空間差異性，會表現出不同的參數敏感性。對比于其他相關研究[37]，福建的桃溪子流域的擾動面積對泥沙為中等敏感，研究區域的土地利用類型為園地和耕地，人為對地表的擾動成為水土流失的影響因素。奇峰河流域主要受土壤可侵蝕性因子以及降雨侵蝕因子的影響。人為因素對其有影響，但不是主要因素。Wu等[38]采用累積量變化率比較法（SCRCQ）定量評價了氣候變化和人類活動對徑流變化的貢獻，他們的研究表明，在氣候因子上，處于喀斯特的銀江流域降水和蒸發量的貢獻大于非喀斯特流域，人類活動是影響非喀斯特流域徑流量的主要因素，是影響喀斯特流域的次要因素。

表2 徑流、泥沙、總氮和總磷參數敏感性指數值計算結果Table 2 Resultsof sensitivity index of runoff，sediment，total nitrogen and total phosphorus parameters

圖8 徑流參數敏感性分析結果Figure 8 Sensitivity analysis results of runoff

圖9 泥沙參數敏感性分析結果Figure 9 Sensitivity analysis results of sediment

2.2.3 總氮的參數敏感性分析

對于總氮，土壤侵蝕因子、降雨侵蝕因子和CN是最敏感的參數，敏感等級為非常敏感，敏感指數分別為0.636、-0.631和0.413（表2和圖10）。總氮含量隨著降雨侵蝕因子的增大而減小，呈負相關性，而隨著土壤可侵蝕性因子的增大而增大，呈正相關性。地表殘留覆蓋率和曼寧系數則是中等敏感的參數，敏感指數為-0.128和-0.131。擾動面積對總氮有輕微影響，但不顯著，敏感等級為不敏感，敏感指數為0.049。耕作深度、凋萎點系數、田間持水量和土壤飽和含水率對總氮影響不顯著。對于總氮而言，土壤是吸附態氮的傳輸媒介，而吸附態氮是總氮的主要組成部分，因此土壤可侵蝕性因子越大，對于土壤流失攜帶的吸附態氮就越多。對于確定的土壤以及降雨數據，土壤可侵蝕性因子和降雨侵蝕因子是確定的，因此在特定的流域下，總氮的最敏感參數是CN，在校準模型時，主要調整CN的取值。

2.2.4 總磷的參數敏感性分析

總磷和總氮的敏感參數等級相似，但是指數大小不相同（表2和圖11）。降雨侵蝕因子、徑流曲線數和土壤可侵蝕性因子是最敏感的參數，敏感等級為非常敏感，敏感指數分別為-0.615、0.234和0.383。地表殘留覆蓋率和曼寧系數則是中等敏感的參數，敏感指數為-0.125和-0.128。擾動面積對總磷有輕微影響，但不顯著，敏感等級為不敏感，敏感指數為0.047。耕作深度、凋萎點系數、田間持水量和土壤飽和含水率對總氮影響不顯著，為不敏感等級。

圖10 總氮參數敏感性分析結果Figure 10 Sensitivity analysis results of TN

圖11 總磷參數敏感性分析結果Figure 11 Sensitivity analysisresults of TP

參數敏感性的結果表明：在巖溶地區與非巖溶地區，徑流模擬的最敏感參數均為CN，在參數上是一致的[27]，顯示差異性的是參數的取值范圍。泥沙、總氮、總磷的最敏感參數為土壤可侵蝕性因子、降雨侵蝕因子，同時CN也表現出了非常敏感的等級。由于特定流域下，土壤可侵蝕性因子與降雨侵蝕因子是固定的，因此對泥沙與營養物的輸出有影響的為CN，在校準時應重點關注CN的取值。這與部分非巖溶地區流域的敏感性參數相同[27，32，39]，可為后續模型校準泥沙、總氮、總磷的模擬提供參考依據。

2.3 徑流校準與驗證

徑流量的校準是通過調整最敏感的參數CN值，采用試錯法人工調參校準模型。本研究模型校準后，土地利用為森林的CN取值范圍是70～85，農作物的CN取值范圍是72～94，灌木叢的CN取值范圍是60～90。通過對比發現，非巖溶地區的CN取值小于本研究巖溶地區的CN值。Polyakov等[40]的研究中土地利用為灌木叢的CN取值為60～79，森林的取值為55～77。而Karki等[41]在密西西比河流域的研究中，作物的CN取值為60.5～80.4。AnnAGNPS模型采用SCSCN徑流曲線方程計算地表徑流量，S=1000/CN-10，S表示徑流過后地表的最大滯留量，因此CN取值增大，滯留量減小，才能符合巖溶地區降雨發生后地表徑流迅速下滲到地下含水層的特點。賴格英等[33]通過實測的徑流量數據，利用SCS-CN的方程式反推計算出巖溶地區橫港河流域的CN取值，其范圍為79.5～95.2，這進一步表明了巖溶地區CN的取值大于非巖溶地區。西南地區的喀斯特地表徑流是一種強動能的雨源性水流[42]，在降雨發生后，喀斯特巖溶地區的水力傳導性強以及滲透性高[16]，地表徑流可直接從巖面裂隙滲漏至地下含水層與深層裂隙土壤層，形成壤中流補給地下徑流，地表的截留量會明顯減少。在巖溶地區，由于多基巖、土層薄，土層蓄水能力下降，降雨再分配能力較弱，導致地表匯流明顯減少。因此通過優化CN值后，才能讓模型模擬的徑流量值更接近實測值。因此在非巖溶地區與巖溶地區的區別是參數CN的取值范圍不同、地表的滲透速率不相同、地下的空間格局的差異。

奇峰河流域良豐水文站徑流的校準與驗證結果（表3）為：年尺度上，校準期模擬值與實測值的Re小于10%，驗證期Re小于5%，年內徑流量基本平衡。在月尺度下，R2大于0.9，ENs均大于0.75，Re的范圍在15%。從日尺度徑流來看，校準期和驗證期的R2與ENs均大于0.6，Re可以控制在20%以內。

由于模型僅模擬地表徑流，對于地下水徑流的模擬是缺乏的，而巖溶地區的地下水補給地表水的比例較大，巖溶流域的降水及其形成的地表徑流可以通過巖溶區域的垂直管道迅速灌入地下河系。一方面，巖溶含水層中具有發育良好的地表和地下巖石孔隙、裂隙、裂縫和溶蝕孔道網絡，使得巖溶地區的地下水含水層和地表水的溝通間距小，給地表水下滲到地下提供充足的空間，成為地下水與地表水之間迅速交換的場所；另一方面，通過地下裂隙層下滲到地下含水層的溢流泉、壤中流，也可以通過裂隙滲出，與地表的坡面流匯合成為地表徑流的一部分[42]。而由于模型的局限性，并不能全面地模擬地下水補給地表水的過程，因此造成日尺度的模擬精度較小。在非巖溶地區小流域的徑流模擬中，不存在地下水迅速補給地表水，以及地表水迅速下滲到地下含水層的過程，因而在日尺度上能很好地模擬地表徑流量。本研究在總體上模型的各項指標均滿足模擬要求，因此具備地表徑流的模擬能力。

表3 奇峰河流域良豐水文站徑流的校準和驗證結果Table 3 Calibration and verification results of runoff in Liangfeng hydrological station in Qifeng River Basin

3 結論

本文以中國西南巖溶地區奇峰河流域為研究對象，模型確定了CSA為20 hm2、MSCL為200 m時為最佳子流域的劃分，徑流曲線數是徑流模擬的最敏感參數，土壤可侵蝕性因子、降雨侵蝕因子以及徑流曲線數是泥沙、總氮和總磷模擬的最敏感參數。優化CN取值校準后的模型能滿足巖溶地區奇峰河小流域徑流量的模擬，影響模擬結果的CN值大于非巖溶地區的CN值。泥沙、總氮和總磷的參數敏感性分析為后續模型應用于巖溶地區奇峰河小流域非點源污染的定量分析提供依據。同時，人工調參的方法能滿足AnnAGNPS模型在巖溶地區小流域的徑流模擬。為了進一步提高模擬精度，可以對AnnAGNPS模型進行修正，開發具有描繪巖溶含水層特點的有效參數，如孔隙度、滲透速率、落水洞、漏斗以及水力參數等的模型，未來可用于巖溶地區的非點源污染模擬。