基于SWAT模型的干旱綠洲灌區徑流模擬研究

蔣夢瑤，王水獻，趙志剛

(蘭州大學資源環境學院，甘肅 蘭州 730000)

SWAT模型作為最有前景的流域分布式水循環模擬方式，在近30年來得到了廣泛利用，主要包括節水灌溉[1]、土壤侵蝕模擬[2]、水循環模擬[3]和徑流模擬等[4]。但研究大多集中在地勢顯著的山區，受人為因素干擾較少，模型建立多是利用 DEM-based 方法，該方法以山谷線作為匯流途徑，并以分水嶺作為子區邊界將研究區離散化為若干水系和子區，而對受人類活動影響顯著的平原灌區的研究相對較少。近年來，新疆節水灌溉工程的不斷深入，對流域水文產生了復雜的影響，因此本文針對干旱綠洲灌區的水文特點建立分布式水文模型，研究了新疆焉耆盆地水循環要素的變化并對未來氣候變化下的徑流進行了預測。

本文利用穩定性較高的ArcGIS10.2.2 軟件處理DEM數據、土地利用數據、土壤數據和天氣發生器，并應用SPAW軟件計算出相應的土壤參數，繼而創建了土壤數據庫。基于焉耆盆地實際灌區劃分和水系特征自定義了河網水系及子區(包括五大灌區和博斯騰湖)，然后根據上述數據和坡度劃分為不同的水文相應單元，同時將焉耆盆地的主要補給河流，開都河和黃水溝概化為點源，構建了灌區長時間尺度的SWAT 模型。

1 研究區概況

焉耆盆地位于中國西北部的新疆維吾爾自治區(圖1)，地理坐標為41°23′N～43°31′N,86°39′E～88°20′E，包括焉耆縣、和靜縣、和碩縣、博湖縣和8個兵團，盆地內的焉耆水文站作為徑流模擬站點，其土地總面積1.32×106hm2，其中綠洲平原區面積占43.08%[5]。平均高程約為1 050～1 200 m，其地勢西高東低，北高南低，低處為中國最大的內陸淡水湖——博斯騰湖，總體表現為四周向盆地傾斜的地貌形態。灌區屬于暖溫帶大陸性干旱氣候，月最低溫-31.93℃，月平均最高溫度38.93℃；多年平均氣溫5.6℃；年降雨量約為50～80 mm，且年內分配不均，年際變化大；年蒸發量約為2 000～2 450 mm，相對濕度50%～60%。

圖1 焉耆盆地地理位置

研究區灌溉農業發達，自1950年以來，灌溉引水量增加了3倍以上，是新疆重要的綠洲農業生產區。盆地內的開都河是研究區最大的河流，流域總面積2.2×106hm2，也是干旱平原灌區最主要的地表水補給來源，多年平均徑流量為36.4×108m3,是唯一常年補給博斯騰湖的河流[6]。黃水溝是焉耆盆地第二大入湖河流，其多年平均徑流量2.88×108m3。清水河是研究區第三大河流，河長60.2 km，主要是一條以冰雪融水、降水及地下水混合補給的河流，主要用于灌溉[7]。

2 SWAT模型構建

2.1 數據準備

美國農業部于1994年開發了SWAT模型，作為具有強物理機制的流域分布式水文模型[8]，首先根據流域地形數據、河網水系分布等特征將研究區劃分若干子流域，再進一步根據土地覆蓋、土壤類型以及坡度閾值劃分水文響應單元(HRUs)。本文選擇 WGS 1984 UTM Zone 45N 為統一坐標系進行空間數據處理。依據表1所示的數據建立空間數據庫和屬性數據庫。

表1 SWAT模型所需數據

30 m精度的SRTM_DEM地形數據來自中國科學院計算機網絡信息中心地理空間數據云平臺。在ArcGIS10.2中對數據進行提取，拼接、裁剪、投影變換和掩膜等處理，生成焉耆盆地SWAT模型所需要的DEM，見圖2。

圖2 研究區30 m精度DEM

本文基于遙感數據獲得了盆地2015年的土地利用數據，然后根據美國土地利用分類特點將其進行重分類為耕地、林地、草地、水域、城鎮居民建設用地、沙地和沼澤7類，具體見表2，得到的研究區土地利用數據見圖3，由圖表可知盆地內的土地利用方式主要為耕地，占總面積的35.94%。

圖3 焉耆盆地土地利用重分類

表2 研究區土地利用重分類表

土壤類型分布圖、土壤類型索引表、土壤參數均為SWAT模型所需要的土壤數據。本研究通過對比美國土壤數據，利用SPAW 軟件的 SWC 模塊計算相關土壤數據庫參數，最后用已獲取的土壤物理屬性數據對SWAT自帶的usersoil數據庫進行修改，從而將研究區的土壤數據進行分類，實現屬性的賦值，見圖4。

圖4 灌區土壤重分類

氣象數據對水文循環有重要的影響，SWAT模型中天氣發生器構建所需要的降雨量、太陽輻射、溫度、風速和相對濕度的數據為日尺度數據。本研究選取研究區的氣象站點為焉耆、和靜以及和碩氣象站，其逐日氣象資料序列為1955—2017年。本文依據模型需求將這些日觀測數據以 DBF 的格式進行保存，以供模型調用。

2.2 子流域劃分

焉耆盆地屬于典型的干旱綠洲平原灌區，空間離散化是構建SWAT模型的難點問題[9]，本文根據灌溉區域和盆地內河流將研究區劃分為6個子流域和水系，并通過 Pre-defined 操作導入 SWAT，然后在Watershed Delineation對話框中手動添加開都河和黃水溝這兩大水系的點源，最終生成的子區劃分見圖5。

圖5 焉耆盆地自定義流域水系

水文響應單元HRU是SWAT模型流域水文計算的最小單元，表示子流域內具有相一致的土地利用類型、土壤類型和坡度等級的區域。在HRU Analysis菜單下逐一定義土地利用數據集，重分類土地利用圖，定義土壤數據集，重分類土壤圖，重分類坡度圖并疊置土地利用、土壤及坡度圖。最終焉耆盆地被劃分為53個水文響應單元(HRU)。

2.3 天氣發生器與數據庫創建

HRU分布確定之后，運用ArcSWAT工具欄中的Write Input Tables菜單項輸入用于焉耆盆地干旱平原灌區模擬的氣象數據。SWAT運行之前，必須定義初始流域值，因此氣象資料加載成功之后，可激活Write All命令創建所有默認數據庫文件。其中主要包括流域配置文件(.gig)、土壤輸入文件(.sol)、天氣發生器文件(.wgn)、子流域輸入文件(.sub)、水文響應單元文件(.hru)、主河道輸入文件(.rtc)以及管理方式輸入文件(.mgt)等。

2.4 點源排放和灌溉管理

開都河和黃水溝是焉耆盆地的主要徑流來源，本節將焉耆盆地開都河和黃水溝1955—2017年的多年平均徑流數據導入了SWAT模型點源編輯對話框。

焉耆盆地內主要種植作物為玉米、小麥、薯類和棉花，受人類活動的劇烈影響，具體表現為灌區內的地下水在灌溉農業中的作用日益凸顯，井灌比例從2000年的15%上升為2017年的46.7%。本文將博斯騰大湖和小湖在管理模塊分別概化為Water和Wetlands-Forested，其他子區內的耕地(AGRL)概化為Agricultural Land-Generic，其他土地利用類型采用模型默認操作。然后依據焉耆盆地75%保證率下的平均灌溉定額將春灌、夏灌和冬灌的凈灌溉水量分別設為96、180、98 mm，其中春灌時間為1月30日到5月10日，夏灌時間為5月20日到8月20日，冬灌時間為10月20日到來年的2月5日。根據表3、4所示的灌區 1955—2017 年灌溉數據(田間灌溉水量及井灌水量)對管理方式文件(.mgt)進行了編輯。當上述所有數據編輯完之后，運行該SWAT模型。

表3 焉耆盆地灌溉情況

表4 焉耆盆地1955—2017灌溉數據

3 參數率定和驗證

3.1 參數敏感性分析

參數敏感性分析是SWAT模型率定與驗證的前提與基礎[7]。衡量模型敏感性的指標有2個：即P-Value和t-Stat，其P指標值越接近于0越敏感，t指標值絕對值越大越敏感。本文通過SWAT-CUP模型的SUFI-2算法自動率定最終獲得11個參數的敏感性排序，見圖6。部分敏感性較大的參數具體如下：SCS曲線數是土壤滲透性、土地利用和前期土壤水分條件的函數，在具有城鎮區的HRU中，模型將調解曲線系數來反映不透水區的影響；ALPHA_BN為河岸調蓄的基流因子，其值介于0～1，平緩退水的值大(接近于1)，急劇退水的值小(接近于0)；ESCO.hru為土壤蒸發補償因子，ESCO值介于0.01～1.00之間，隨著該參數值的減小，模型可以從下層獲得更多的蒸發需水量。

圖6 SWAT模型參數敏感性分析及率定終值

3.2 模型參數率定和驗證

本研究采用序貫不確定度擬合(SUFI-2)算法對模型進行率定，此算法運算效率高，運行次數少，其模擬結果盡可能多的包含觀測數據，達到了減小誤差的目的[10-11]。將1955—2017 年模擬期的前3年作為預熱期，1958—1990年作為模擬的參數率定期，1991—2017 年作為模擬的驗證期。根據對應的修改方式設定參數初始范圍，經過多次迭代(每次迭代次數設置為 500 次)逐步滿足評價指標，得到參數率定結果，見圖6。其焉耆水文站率定期和驗證期的月模擬值和月實測值見圖7。由圖可知，其模擬徑流趨勢與實測趨勢基本吻合，置信度較高，所建立的SWAT分布式模型較好地揭示了焉耆盆地的水文特征。

a)率定期

本研究評價標準采用相對誤差Re、皮爾遜相關系數R2以及納什系數NSE來評價模擬精度，具體計算公式為：

(1)

(2)

(3)

式中qobs——徑流實測值；qsim——徑流模擬值。

相對誤差|Re|<10時，模型被評價為效果很好；R2越接近于1吻合度就越高；NSE取值為0～1，當大于0.54被認為是可接受的范圍，越接近于1適用性越好[7]。

由表5的評價結果見可知，本文根據以焉耆盆地為代表的干旱綠洲灌區獨特的水文氣象要素以及人為灌溉影響因素建立的分布式SWAT模型，具有很好的適用性，對以農業灌溉為主的干旱平原水資源研究提供了重要的手段依據。

表5 焉耆水文站年徑流模擬結果評價

3.3 模擬結果分析

3.3.1流域蒸散發分析

SWAT 模型最常用Penman-Monteith 方法計算蒸散發過程，其主要包括土壤水蒸發、植物散發等，其實際蒸散量(ET)依據潛在蒸散量(PET)來計算[12]。圖8為焉耆盆地SWAT模型中2000—2017年的蒸散量和降水量的統計及對比，由此可知該干旱灌區月際的潛在蒸散量與實際蒸散量變化趨勢一致，月際間的實際蒸散量范圍為18.07～380.09 mm，潛在蒸散量范圍為39.22～507.22 mm，多年平均月降水量范圍為0.93～12.23 mm。月際間的蒸散量變化大，整年中的蒸散量主要集中在夏季，整年蒸散量的60.4%左右。

圖8 焉耆盆地逐月降水量和蒸散發量模擬結果

3.3.2河道徑流量分析

焉耆盆地降水量少，蒸發強度大，因此對主河道總徑流貢獻最大的主要是上游開都河的來水量，占88.96%；其次是地表、地下徑流對主河道總徑流的貢獻量，分別占1.02%和10.02%。本節采用率定后的 SWAT 模型進行2000—2017年序列的年徑流模擬。從圖9中可以看出月地表徑流對主河道總徑流量的貢獻量為0～3.73 mm，月地下徑流對主河道總徑流量的貢獻量為0.62～30.32 mm，地表、地下徑流對主河道總徑流量的貢獻范圍為1.40～32.89 mm。

圖9 焉耆盆地逐月主河道徑流的貢獻量模擬結果

4 模型應用

4.1 情景設置

開都河作為焉耆盆地的主要徑流補給來源，受氣候變化的顯著影響。本文根據顧海敏等[13]的研究設置開都河年徑流量情景1(23.49×108m3)和情景2(43.46×108m3)，其對應的氣候情景分別為T=T+2℃，P=P(1-20%)和T=T+2℃，P=P(1+20%)。

全球氣候模式是研究氣候變化機理和預測未來氣候變化的重要工具，國際耦合模式比較計劃 CMIP5(The Fifth Phase of Coupled Model Intercomparison Project)提出了名為“典型濃度路徑”的新的未來氣候變化發展情景(Representative Concentration Pathways,RCPs)，該情景提出了RCP2.6、RCP4.5、RCP6.0以及RCP8.5 4種未來溫室氣體排放情景[7,14]。RCP4.5(中等排放情景)和RCP8.5(高排放情景)是2種新的未來氣候變化情景，這兩種排放模式均假設到2100年，其中RCP4.5情景輻射強度高達4.5 W/m2，溫度上升范圍為2.4～5.5℃，CO2濃度上升至540 ppm；RCP8.5情景溫度升高范圍為4.6～10.3℃，CO2濃度上升至940 ppm[15]。本文分別在RCP4.5情景和RCP8.5情景下對經過驗證的SWAT模型進行模擬預測至2100年，對應的開都河流兩分別為情景1、2。

4.2 結果分析

不同氣候情景下的年徑流預測值見圖10，RCP4.5情景下年徑流均值為22.09×108m3，較現狀年(1955—2017年)減少了19.05%；RCP8.5情景下年徑流均值為34.53×108m3，較現狀年增加了26.53%。總體而言，開都河流量為43.46×108m3時的RCP8.5氣候情景下，預測的徑流量較大。

圖10 不同氣候情景下的年徑流預測

5 結論

本文構建了干旱平原灌區SWAT模型所需的空間數據庫和屬性數據庫，并首次建立了焉耆盆地的SWAT模型，采用焉耆水文站1955—2017年的徑流數據，基于提升模擬效果的自動率定 SUFI-2 算法進行率定和驗證，并利用Re、R2、Ens3個評價指標驗證模型的適應性。預測了未來氣候情景下的徑流變化，認為開都河流域的降水變化對盆地內徑流的影響較大，即開都河降水量增加20%，溫度升高2℃時，RCP8.5情景下的焉耆盆地徑流量在較現狀年增加了26.53%。因此，未來氣候變暖趨勢下，降雨量會成為影響盆地內徑流量的主要因素，即溫度相同，開都河降雨量增加20%時，盆地內模擬的徑流量相較于降雨量減少20%時增加了45.58%。

SWAT 模型與氣象預報數據相結合，可進行焉耆盆地徑流過程預報，但對于未來氣候系統的復雜性、參數的不確定性以及敏感性參數對模擬影響的貢獻等問題還需要進一步研討。同時，應該依據徑流趨勢的預測規劃徑流控制方案，有待進一步研究。