輸入數據精度與準確性對SWAT模型模擬的影響

陳海濤,王曉燕,2*,南 哲,韓曉萌,吳艾璞,黃潔鈺,龐樹江

輸入數據精度與準確性對SWAT模型模擬的影響

陳海濤1,王曉燕1,2*,南 哲1,韓曉萌1,吳艾璞1,黃潔鈺1,龐樹江1

(1.首都師范大學資源環境與旅游學院,北京 100048；2.首都師范大學首都圈水環境研究中心,北京 100048)

以潮河流域為研究區域,利用潮河流域1990～2013年監測數據,構建SWAT模型,在模型結構和參數不改變的情況下,探究輸入數據精度(DEM分辨率)與準確性(降水插值)對徑流和總氮模擬結果影響.結果顯示:DEM分辨率變化(30～300m)對徑流及總氮模擬效果不同,對徑流模擬影響不明顯,納什系數(ENS)和2可達到0.87以上;對總氮模擬結果影響較大,分辨率越精細,模擬效果越好.不同水文年,DEM分辨率變化對總氮負荷模擬表現不同.豐水年對總氮負荷影響較大,負荷量差異較為明顯,枯水年影響相對較小;不同DEM分辨率下,年均(1993～2002年)總氮負荷強度空間分布相似,高負荷區均位于潮河中游,潮河上游及下游的負荷強度相對較低.不同降水輸入數據站點分布、站網密度和準確性不同,流域內降水空間分布差異顯著.總體上,基于站點較少的氣象站插值數據與雨量站實測降水數據,徑流和總氮模擬效果較為接近;基于SWAT官方雨量站插值數據,徑流和總氮模擬效果較差.不同降水數據輸入情景下,模擬的總氮負荷強度模擬的空間分布差異明顯;降水量分布較高的區域,負荷量也較高;不同水文年下,不同降水輸入對總氮負荷模擬表現不同.豐水年和枯水年,基于氣象站插值數據的總氮模擬結果與基于雨量站實測數據的模擬結果較為接近,而基于 SWAT官方雨量站插值的模擬誤差較大;平水年, 基于SWAT官方雨量站插值的模擬結果較氣象站插值數據的模擬結果更好.該研究可為流域開展模型構建提供科學參考和借鑒.

SWAT模型；DEM分辨率；降水數據；潮河流域

近幾十年來,面源污染(NPS)成為影響水質的重要貢獻源[1-2],威脅著中國社會和生態系統的安全.由于面源污染范圍廣,控制難度大以及不確定性復雜,使得面源污染的治理成為了全球水污染控制領域的重點[3].各國學者已經采用多種方法對面源污染展開了模擬研究,其中,利用模型對污染物進行模擬預測是常用的方法之一[4-5].在面源污染治理中,機理模型因根據面源污染形成的內在機理,可對污染物的遷移轉化過程進行模擬,而被廣泛運用于流域水文過程及污染物負荷模擬過程中,常見的模型有流域分布式水文模型(SWAT)、農業非點源污染模型(AnnAGNPS)、流域水文水質模型(HSPF)、基于地形的水文模型(TOPMODEL)等[6-9].在模型模擬過程中,模型能否準確表示水文過程并描述與水質有關的養分負荷,在很大程度上取決于輸入數據的精度與準確性,模型輸入數據是水文建模不確定性的主要來源[10-11].一般而言,建模結果的精度會隨著輸入數據精度與準確性的提高而增加[12-13],但一些研究結果指出,在較大流域使用高精度的空間數據并不一定能改善模型應用性能,相反,高精度數據在模型運算過程中可能占用更多的時間和運行內存,給計算帶來不便[14,19].基于此,在不同研究區域如何選擇合適的數據類型和精度來提高模型應用效果是一個值得探討的問題,已經引起了研究者的廣泛關注[12,15].

數字高程模型(DEM)和降水是流域模型構建和模擬的重要輸入數據.DEM是對流域地形的數字表達,輸入DEM的準確性可以確定提取地形和水文特征的可靠性[15];降水是水文過程、沉積物和化學通量的主要驅動力[16],是影響模型模擬精度最為重要的因素之一[17].國內外學者對于不同輸入數據(DEM分辨率和降水數據)進行了模擬研究.Cotter等[18]研究了美國阿肯色州Moores Creek流域DEM分辨率對SWAT模型的影響,發現更精細的DEM分辨率導致更高的徑流量和硝酸鹽氮含量;Xu等[19]、Tan等[20]研究了DEM分辨率、來源和重采樣技術的敏感性對SWAT模型流量模擬的影響,結果表明DEM分辨率是其中最敏感的參數,并得到了污染物、水文循環中最適宜模擬分辨率范圍;Song等[21]利用SWAT模型模擬了不同DEM分辨率輸入數據對黃水河流域模擬結果的影響,發現DEM分辨率對徑流模擬影響較小,對泥沙產量影響顯著;另外,Tuo等[22]研究了3個高山流域4種不同降水數據的輸入對流域流量模擬的影響,發現降水是模型不確定性的主要來源;張雪松等[23]通過SWAT模型研究了降水輸入對黃河下游盧氏流域模擬的影響,發現降水空間分布不均勻性對模型徑流和泥沙模擬產生較大影響.

現有輸入數據對模型的影響研究多基于不同數據源或將輸入數據進行處理來進行相關研究,少有在同一模型參數下,通過調整輸入不同數據的精度或類型,探討其對模型模擬結果的差異.研究區域潮河流域位于密云庫區上游,近年來,由于強烈的人類活動,導致密云水庫上游流域過多的氮流失進入密云水庫,進一步威脅了庫區水環境安全[24].本文通過構建潮河流域SWAT模型,在模型結構與參數不發生改變的前提下,分析不同數據精度(DEM分辨率)及準確性(降水插值)對模型徑流和總氮模擬結果的影響,旨在為后期構建適宜的流域模型及開展相應的水環境治理提供科學參考.

1 研究區域概況

圖1 研究區位置及土地利用

數字為子流域編號

潮河流域(115°25′～117°33′E,40°19′～41°31′N)是北京密云水庫重要的上游集水區,流域面積約為4888km2,河網長度為442.22km,地勢呈西北高東南低,流域內最大高程2209m,最小高程為136m,具有復合地形特征(圖1).流域處于中溫帶向暖溫帶過渡,半干旱向半濕潤過渡地區,氣候為典型的大陸性季風氣候[25],多年平均氣溫7.3～10.3℃,多年平均降水量范圍為493～636mm(1991～2002年),降水大多集中在7～8月之間,西北部降水量高于東南部;農業作物以小麥、玉米為主;土壤類型13種,主要類型有褐土、潮土和風沙土;土地利用類型以草地、林地和耕地為主,其中草地占總面積的42.84%,林地為36.08%,耕地為15.81%(2012年).

2 研究方法

2.1 研究數據及來源

本研究所需的數據包括潮河流域數字高程數據、土地利用數據、土壤數據、氣象數據及水文觀測數據等(表1),其中空間數據均采用Albers等積圓錐投影對數據進行預處理,以統一各類空間數據的投影和地理坐標,所有操作均基于ArcGIS 10.3平臺完成.

表1 研究數據及來源

2.2 SWAT模型輸入參數情景構建

SWAT模型是由美國農業部(USDA)農業研究中心研發的基于過程的半分布流域模型,該模型可根據研究區內土地利用類型、土壤類型、坡度,將流域劃分為不同的響應單元(HRUs),基于流域水文響應單元和水量平衡進行全流域內的水質水量模擬,用以評估土地管理與氣候變化對流域水文水質的影響,被廣泛運用于全球各流域尺度的土壤侵蝕控制、非點源污染負荷模擬及管理措施效果模擬等方面[26-28].

本文以30m分辨率的DEM數據及1991～2002年雨量站實測降水數據為基準輸入數據,根據模型對流域出口徑流量及總氮負荷為輸出數據來確定SWAT模型其他各參數.在分析DEM分辨率變化對模型的影響時,控制其他輸入數據條件(降水量數據采用雨量站實測)和模型參數不變,通過調整DEM分辨率來評價其對模型模擬效果的影響;在分析不同降水數據輸入對模型的影響時,控制其他輸入數據條件(DEM采用30m數據)和模型參數不變,通過輸入不同的降水來源數據,評價其對模型模擬效果的影響.為了在建模過程中將不確定性的輸入數據與其他數據或過程描述分開,控制其他條件為恒定不變.這些條件包括:(1)其他輸入數據:如土地利用數據、土壤數據和經濟管理數據.(2)相同的集水面積閾值,用于定義河流產生子流域.(3)相同的HRU定義閾值,分別為土地利用(5%)土壤(10%)和坡度(10%).(4)SWAT模型其他相同的默認參數.

2.3 模型校準和驗證

由于SWAT模型結構復雜參數眾多,為提高模型的率定效率,本文采用SWAT-CUP對模型進行參數敏感性分析,用流域出口水文站(下會站)的水文觀測數據(徑流量)和水質數據(總氮負荷)來校準模型.模型模擬(1990～2013年)共24a,1990～1992年模型的預熱期,1993～2003年為模型的校準期,2004～2013年為模型的驗證期,參考相關研究結果,通過手動調整影響徑流量和總氮負荷的主要參數,使得徑流和總氮的模擬值和實際值接近.校準期和驗證期的模擬效果采用納什系數(ENS)和相對誤差(RE)作為評價標準,對模型模擬效果進行評價.ENS和RE的表達式分別為:

式中:P表示模擬值,O表示實測值,avg表示模擬時段內實測平均值,表示模擬總次數. 其中, ENS反映了模擬值與實測值的擬合程度,值越接近1表示模擬結果越好(ENS30.9優秀;0.75￡ENS<0.9優良;0.5￡ENS<0.75良好;ENS<0.5則認為偏差過大不適宜[29]);而相對誤差0￡RE￡1,RE越小,模擬值與實測值越接近.

如圖2所示,通過模擬,月均徑流量在校準期和驗證期的ENS分別為0.81和0.77, RE分別為47%和39%;總氮在校準期和驗證期ENS分別為0.66和0.56, RE為54%和47%.通過參考模型評價標準,表明率定后的SWAT模型能夠較好反應潮河流域徑流量和總氮負荷的變化規律[30].

3 結果與討論

3.1 DEM分辨率對水文特征提取的影響

DEM分辨率是影響模型模擬結果的重要因素之一,本文采用最鄰近內插法(NEAREST)將30m分辨率DEM數據重采樣成不同分辨率,比較模型在不同分辨率下流域地形和特征變化,如表2所示,隨著DEM分辨率的降低,流域面積從4798.22km2(30m分辨率)減少至4673.16km2(300m分辨率),面積減少2.6%,最大高程也相應減少1.2%,這是由于DEM分辨率變化,對流域地形產生了概化作用,導致流域邊界線不再經過原來的網格位置,子流域的面積產生變化,同時引起最大高程范圍的縮減[31];與此同時,DEM分辨率變化對坡度也有較大影響,流域內坡度最大值和平均值隨DEM分辨率變化明顯,這與Liu等[32]研究結果相似.最大坡度從66.36°(30m分辨率)降低至34.76°(300m分辨率),平均坡度從13.97°降低至7.97°,分辨率降低,導致地面起伏程度逐漸趨于平緩, 較高和較低處被平坦化,地形特征損失顯著,這種地形特征的缺失可能導致模型對于集水區識別產生變化[33].對于模型子流域劃分而言,隨著DEM分辨率的降低,HRU個數呈下降趨勢;子流域個數在一定DEM分辨率范圍內(30～100m)保持穩定,當DEM分辨率為300m時,HRU之間產生部分合并,子流域個數減少.

3.2 DEM分辨率變化對模型模擬結果影響

選取1991～2002年實測降水數據,根據不同分辨率下的水文特征選取30, 100, 300m的DEM分辨率對流域出口徑流及總氮負荷進行模擬分析.結果如表3所示,不同DEM分辨率下,模型對徑流模擬的ENS和2均在0.87以上,無明顯效果差異,模擬效果均較好.這與Lin等[34]在謝坑溪流域研究結果相似.一般而言,地表徑流產流采用SCS-CN模型進行模擬計算,與土壤初始含水量、流域最大滯留量等因素有關[35-36].在相同的降水輸入情況下,DEM分辨率變化得到的流域面積和最大高程差別不大,30m與300m僅相差2.6%和1.2%,對年徑流來說,影響較小;DEM分辨率對坡度變化產生較大影響,但一定范圍內的DEM分辨率變化引起的坡度差異對產流模擬結果影響相對有限[37],對次洪相應的匯流過程雖有一定的影響,但累加為年徑流后,影響也相對較小.因而,DEM分辨率變化對于徑流結果影響并不明顯.

表2 DEM分辨率對流域識別特征的影響

于總氮而言,隨著DEM分辨率不斷降低,總氮的模擬效果變差,30, 100和300m分辨率下ENS分別是0.78、0.55、0.52,呈不斷減少趨勢,說明分辨率降低對模擬結果有較為明顯的影響.總氮主要來自流域內的農業面源污染,如氮肥施用、牲畜有機肥等,與流域土地利用類型有關[38-39],潮河流域的土地利用類型以草地、林地及耕地為主,其中草地占總面積的42.84%,林地為36.08%,耕地為15.81%(2012年).草地及林地氮肥施用相對較少,而耕地相對較多,由于流域內耕地主要分布在河系邊的河谷平原帶(圖1),地形變化不大,而平緩地形為主的研究區對DEM分辨率變化更為敏感[40],導致總氮模擬的差異.

表3 不同DEM分辨率下徑流、總氮模擬效果評價

從時間上,選取潮河流域1990～2002年間不同水文年,評價DEM分辨率對于總氮模擬結果影響,從表4可以看出,豐水年(1994年)較平水年(1995年)和枯水年(2000年)年徑流量增大,總氮負荷相對更高,這是因為降水是非點源污染的主要驅動力,總氮受降水強度和時間影響,徑流量增加,使得雨水進入地表,攜帶大量含氮物質進入水體,總氮負荷變大[41-42].不同DEM分辨率在不同水文年下,總氮模擬結果呈現較大差異.豐水年總氮負荷模擬值差異較大,如1994年,30m分辨率下總氮負荷為1858.35t,而在300m分辨率下,總氮負荷明顯減少,為1336.21t;而枯水年(2000年)在30, 100和300m分辨率下的總氮結果分別是:233.18, 217.69和217.69t,模擬差異相對較小.這說明總氮模擬不僅受地形因素影響,更與降水量分布有關.由于不同水文年的降雨差異,不同DEM分辨率下的模擬差異被放大.以30m分辨率為基準,100m分辨率下,豐水年(1994年)與枯水年(2000年)的總氮模擬差異相差不大,相對誤差分別為7.5%和6.64%;而300m分辨率,豐水年模擬結果差異超過28%,相比于枯水年差異遠遠增大.這說明在潮河流域,降水很大程度主導了總氮負荷的產生,而分辨率降低造成的地形特征模糊對總氮負荷的模擬影響相對有限.

從空間上,潮河流域子流域非點源污染物的污染負荷強度如圖3所示,不同DEM分辨率下,年均(1993～2002年)氮污染負荷強度在空間分布上相似,高負荷區均位于潮河中游,潮河上游及下游的污染負荷強度相對較低,該結果與徐菲等[43]在密云庫區上游潮河流域研究結果相似,污染負荷強度高主要是由于流域內不合理的畜禽養殖、農業活動[43-44]導致氮污染負荷加大;年均氮污染負荷強度在30, 100和300m DEM分辨率下范圍分別為0.10～5.12, 0.08～5.09和0.05～3.40kg/hm2, DEM分辨率為30和100m時,子流域數量不變,氮污染負荷強度范圍相差不大,DEM分辨率為300m時,子流域數量由39個減少至35個,氮污染負荷范圍縮減,由于總氮負荷和地形坡度有關[45],DEM分辨率降低對高程、坡度較低地區進行了高度的概化,使得高程、坡度范圍變小,子流域個數減少,從而導致模擬效果的差異.

表4 不同水文年及DEM分辨率總氮模擬結果比較(1990～2002年)

圖3 不同DEM分辨率總氮負荷強度模擬結果

3.3 不同降水數據情景差異

降水輸入數據是模型模擬的重要輸入源,本文選取雨量站(1991～2002年)實測數據、氣象站(豐寧站、承德站)(1961～2000年)降水插值數據與SWAT官方雨量站降水插值數據(1991～2002年)3種不同降水數據情景進行模擬研究.基于雨量站實測降水數據作為評價其他降水輸入估算出的流域降水量的標準值,基于分布密度較高的雨量站降水資料可以相對真實的反映流域降水的空間異質性,比較不同降水數據估算的流域降水量.

根據雨量站實測降水資料得到流域年均等雨量線圖(圖4a)可以看出,潮河流域降水空間分布差異顯著,呈現出從西北向東南方向遞增趨勢,降水中心位于流域東南方向.3種不同的降水輸入條件下: (a)1991～2002年雨量站實測降水插值;(b) 1961～2000氣象站降水插值;(c)1991～2002年官方雨量站實測降水插值,流域年均降水量依次為502.69, 485.00和396.83mm.流域內雨量站實測與氣象站年均降水量差異不大,由于豐寧氣象站位于流域中心位置,潮河流域中部區域年降水量和雨量站實測的相似,而潮河下游承德氣象站位于潮河流域東南側,距離流域有一定的距離,因而潮河流域下游區域年降水量和雨量站實測差距變大,基于相鄰有限氣象站(豐寧、承德)降水資料得到降水數據和雨量站實測降水值相比,由于無法詳細描述流域降水的高值信息,從而過低估計了流域降水量;而SWAT官方雨量站雨量數據是由全球氣象模式重建的平均網格化插值數據,數據精度相對較低,因而官方雨量站插值數據較雨量站實測和氣象站插值差距更大(圖4c).

圖4 潮河流域基于不同降水數據插值后雨量分布

(a)1991～2002年雨量站實測降水插值;(b)1961～2000年氣象站降水插值;(c)1991～2002年SWAT官方雨量站降水插值

3.4 降水輸入對模型結果影響

分別以雨量站(1991～2002年)實測數據、氣象站(豐寧站、承德站)(1961～2000年)降水插值數據與官方雨量站(1991～2002年)降水插值數據作為降水輸入條件對徑流和總氮進行模擬,為保持模擬時間尺度一致,選擇1991～2000年為模擬年份,預熱期2a,氣象數據只改變降水量數據,DEM采用30m分辨率,其他數據采用SWAT模塊默認值.模擬結果顯示(表5),在1991～2000年間,雨量站實測降水數據對應的徑流和總氮模擬效果最好,氣象站插值與雨量站實測模擬結果較為接近,而官方雨量站插值模擬結果相對較差.這是由于雨量站和氣象站是基于水文部門和氣象部門建立的標準站點數據,監測精度均符合規范,水文部門的日雨量起止時間分界點與氣象部門的日雨量起止時間分界點雖有所區別,但不影響年尺度的模擬差異,因此兩者模擬結果較為相似.兩者模擬的差異主要來源于潮河流域氣象站點和雨量站點空間位置不同,且站點分布密度差別較大導致,因而基于雨量站點較多的實測數據模擬結果較氣象站插值更好.而SWAT官方雨量站雨量數據是由全球氣象模式重建的數據,并非實際監測的數據,與實際的雨量值相差較大,由此計算的徑流和總氮的精度也低.

表5 不同降水插值下研究區徑流、總氮模擬效果評價

3種不同降水插值條件下,潮河流域總氮多年平均負荷強度模擬見圖5.多年雨量站實測數據輸入模擬潮河流域總氮負荷強度空間分布呈現“上下游低,中游高”的趨勢;氣象站插值雨量輸入總氮負荷強度分布呈現“上中游高,下游低”趨勢;官方雨量站模擬總氮空間分布負荷強度較雨量站實測數據和氣象站插值數據整體偏低.從模擬值范圍來看,雨量站實測數據結果范圍為0.10～5.10kg/hm2,氣象站插值模擬結果范圍為0.09～5.48kg/hm2,而官方雨量站插值模擬結果范圍有明顯減小為0.04～ 2.41kg/hm2. 3種不同降水插值輸入模擬中,子流域總氮負荷強度變化較大,特別是在流域上游和中游區域.雨量站實測降水輸入結果中,流域中部6個子流域的單位負荷強度大于2.38kg/hm2;而氣象站降水數據插值結果中,共16個子流域單位負荷強度大于2.38kg/hm2,分布在流域上游和中游;上游子流域總氮負荷相較于雨量站實測模擬明顯偏高,中游及下游10～39號子流域總氮負荷強度與實測雨量模擬結果相對一致;而官方雨量站插值降水數據得到的各子流域總氮負荷強度整體偏低.這是由于模型輸入的降水數據來源不同,不同降雨數據因站點分布和站網密度差異導致流域范圍內降雨分布、雨強產生差異.有研究表明,污染負荷強度與雨強、降水空間分布等因素有關[42,46],在相同條件坡度和坡長下,氮素流失量與降水分布呈正相關關系[47],從而導致氮污染流失量在空間分布上的差異.從模擬結果來看,雨量站實測與氣象站插值降水對于氮污染負荷的空間分布差異不大,模擬效果均較好,因此在一定條件下,利用流域內氣象站插值數據代替雨量站實測數據是可行的.

圖5 不同降水插值輸入下總氮負荷強度模擬結果

表6 不同降水條件下不同水文年的總氮模擬結果

不同的降水數據輸入因監測站點分布、站網密度和數據準確性在不同水文年總氮模擬結果中也顯示出了較大差異,如表6所示.氣象站插值在豐水年與枯水年總氮模擬結果較接近雨量站實測數據的模擬結果,相對誤差分別為13.04%和30.88%,但在平水年的模擬結果差異較大,誤差達-55.08%;而官方雨量站插值在平水年效果優于氣象站插值,相對誤差為-24.18%,但豐水年和枯水年模擬結果相對誤差均達50%以上.這可能是由于不同降水數據之間插值方式產生的差異,在不同水文年表現更為顯著.氣象站降水插值是由位于流域中心和西南角的豐寧氣象站和承德氣象站利用反距離插值法得到,其站網密度遠小于水文站.從結果可知,豐水年雨量站實測與氣象站插值差異較小,枯水年次之,平水年最大,這說明基于較多或較少年降水量,氣象站插值更能準確表達流域內的降水情況,通過少量站點的降水監測數據也可滿足一般精度模擬的實際要求;而SWAT官方雨量站雨量數據是由全球氣象模式重建的數據,站點分布均勻,但由于數據非實際測量數據,與實際監測雨量分布相差較大,在豐水年和枯水年下差異較為明顯,平水年下差異反而變小.

以上結果表明,在SWAT建模中,確定合適的DEM分辨率和降水數據至關重要,對模型結果產生較大影響.在未來,利用模型開展相關研究進行科學決策越來越成為面源污染治理的重點,為減少模型預測的不確定性,在建模之前開展相關調研和研究,確定最合適的數據類型和數據精度應成為模型建模考慮的方向.

4 結論

4.1 DEM分辨率變化會對流域地形特征產生影響,地形概化特征明顯.不同DEM分辨率下徑流及總氮模擬效果不同;DEM分辨率變化(30～300m)對徑流模擬影響不顯著,ENS和2可達到0.87以上;對總氮模擬結果影響較大,分辨率越精細,模擬效果越好.

4.2 DEM分辨率變化對不同水文年對總氮負荷模擬表現不同.在豐水年,對總氮負荷影響較大,負荷量差異較為明顯,而在枯水年,影響相對較小;不同DEM分辨率下,年均(1993～2002年)總氮負荷強度空間分布相似,高負荷區均位于潮河中游,潮河上游及下游的負荷強度相對較低.

4.3 不同降水輸入數據站點分布、站網密度以及數據準確性的不同,流域內降水空間分布差異顯著.總體上,基于站點較少的氣象站插值數據的徑流和總氮模擬效果與基于雨量站實測降水數據的模擬效果較為接近,而基于SWAT官方雨量站插值數據模擬效果較差.

4.4 不同降水數據輸入情景下,總氮負荷強度模擬的空間分布差異明顯,降水量分布較高的區域,負荷量也較高;不同水文年下,不同降水輸入對總氮負荷模擬表現不同.豐水年和枯水年下,氣象站插值數據的模擬結果與基于雨量站實測數據的模擬結果較為接近,而基于SWAT官方雨量站插值的模擬結果誤差較大;平水年下,基于SWAT官方雨量站插值的模擬結果較基于氣象站插值數據的模擬結果更好.

[1] 耿潤哲.流域非點源污染控制措施優化配置及成本效益分析研究 [D]. 北京:首都師范大學, 2015. Geng R Z. Optimizing best management practices using a multi-objective optimization tool to improve water quality goals under different spatial scales [D]. Beijing: Capital Normal University, 2015.

[2] 王曉燕.流域非點源污染過程機理與控制管理—以北京密云水庫流域為例 [M]. 北京:科學出版社, 2011. Wang X Y. Process Mechanism and control management of non-point source pollution in watershed—A case study of Miyun Reservoir Watershed, Beijing [M]. Beijing: Science Press, 2011.

[3] Wu L, Long T Y, Liu X, et al. Impacts of climate and land-use changes on the migration of non-point source nitrogen and phosphorus during rainfall-runoff in the Jialing River Watershed, China [J]. Journal of Hydrology, 2012,475:26-41.

[4] Pang S, Wang X, Melching C S, et al. Development and testing of a modified SWAT model based on slope condition and precipitation intensity [J]. Journal of Hydrology, 2020,588:125098.

[5] Preetha P P, Al-Hamdan A Z. Integrating finite-element-model and remote-sensing data into SWAT to estimate transit times of nitrate in groundwater [J]. Hydrogeology Journal, 2020,28(6):2187-2205.

[6] Guo T, Engel B A, Shao G, et al. Development and improvement of the simulation of woody bioenergy crops in the Soil and Water Assessment Tool (SWAT) [J]. Environmental Modelling & Software, 2019,122:104295.

[7] Jiang K, Li Z, Luo C, et al. The reduction effects of riparian reforestation on runoff and nutrient export based on AnnAGNPS model in a small typical watershed, China [J]. Environmental Science and Pollution Research, 2019,26(6):5934-5943.

[8] 龐樹江,王曉燕,馬文靜.多時間尺度HSPF模型參數不確定性研究[J]. 環境科學, 2018,39(5):2030-2038. Pang S J, Wang X Y, Ma W J. Research of parameter uncertainty for the HSPF model under different temporal scales [J]. Environmental Science, 2018,39(5):2030-2038.

[9] Hao G, Li J, Song L, et al. Comparison between the TOPMODEL and the Xin'anjiang model and their application to rainfall runoff simulation in semi-humid regions [J]. Environmental Earth Sciences, 2018,77(7):279.

[10] Shen Z Y, Chen L, Chen T. The influence of parameter distribution uncertainty on hydrological and sediment modeling: a case study of SWAT model applied to the Daning watershed of the Three Gorges Reservoir Region, China [J]. Stochastic Environmental Research & Risk Assessment, 2013,27(1):235-251.

[11] Bormann H. Sensitivity of a soil-vegetation-atmosphere-transfer scheme to input data resolution and data classification [J]. Journal of Hydrology, 2008,351(1/2):154-169.

[12] 邱臨靜,鄭粉莉,Yin R S. DEM柵格分辨率和子流域劃分對杏子河流域水文模擬的影響 [J]. 生態學報, 2012,32(12):3754-3763. Qiu L J, Zheng F L, Yin R S. Effects of DEM resolution and watershed subdivision on hydrological simulation in the Xingzihe watershed [J]. Acta Ecologica Sinica, 2012,32(12):3754-3763.

[13] Gautam S, Dahal V, Bhattarai R. Impacts of dem source, resolution and area threshold values on SWAT generated stream network and streamflow in two distinct nepalese catchments [J]. Environmental Processes, 2019,6(3):597-617.

[14] Zhang P, Liu R, Bao Y, et al. Uncertainty of SWAT model at different DEM resolutions in a large mountainous watershed [J]. Water Research, 2014,53(15):132-144.

[15] Tan M L, Ramli H P, Tam T H. Effect of DEM resolution, source, resampling technique and area threshold on SWAT outputs [J]. Water Resources Management, 2018,32:4591-4606.

[16] Katie P, Thomas P S, Kraemer S R, et al. Comparison of radar and gauge precipitation data in watershed models across varying spatial and temporal scales [J]. Hydrological Processes, 2014,28(9):1-16.

[17] Yen H, Wang R, Feng Q, et al. Input uncertainty on watershed modeling: Evaluation of precipitation and air temperature data by latent variables using SWAT [J]. Ecological Engineering, 2018,122:16-26.

[18] Cotter A S, Chaubey I, Costello T A, et al. Water quality model output uncertainty as affected by spatial resolution of input data [J]. Journal of the American Water Resources Association, 2003,39(4):977–986.

[19] Xu F, Dong G, Wang Q, et al. Impacts of DEM uncertainties on critical source areas identification for non-point source pollution control based on SWAT model [J]. Journal of Hydrology, 2016,540:355-367.

[20] Tan M L, Ficklin D L, Dixon B, et al. Impacts of DEM resolution, source, and resampling technique on SWAT-simulated streamflow [J]. Applied Geography, 2015,63:357-368.

[21] Song X, Qi Z, Du L P, et al. The Influence of DEM Resolution on Hydrological Simulation in the Huangshui River Basin [J]. Advanced Materials Research, 2012,518-523:4299-4302.

[22] Tuo Y, Duan Z, Disse M, et al. Evaluation of precipitation input for SWAT modeling in Alpine catchment: A case study in the Adige river basin (Italy) [J]. The Science of the Total Environment, 2016,573:66-82.

[23] 張雪松,郝芳華,張建永.降水空間分布不均勻性對流域徑流和泥沙模擬影響研究[J]. 水土保持研究, 2004,11(1):9-12. Zhang X S, Hao F H, Zhang J Y. Study on effect of uncertainty in spatial distribution of rainfall on runoff and sediment modeling [J]. Research of Soil and Water Conservation, 2004,11(1):9-12.

[24] Qiu J, Shen Z, Huang M, et al. Exploring effective best management practices in the Miyun reservoir watershed [J]. China Ecological Engineering, 2018,123:30-42.

[25] 耿潤哲,王曉燕,龐樹江,等.潮河流域非點源污染控制關鍵因子識別及分區[J]. 中國環境科學, 2016,36(4):1258-1267. Geng R Z, Wang X Y, Pang S J, et al. Identification of key factors and zonation for nonpoint source pollution controlin Chaohe River watershed [J]. China Environmental Science, 2016,36(4):1258-1267.

[26] Wang X, Shang S, Yang W, et al. Simulation of land use-soil interactive effects on water and sediment yields at watershed scale [J]. Ecological Engineering, 2010,36:328-344.

[27] 竇小東,黃 瑋,易 琦,等. LUCC及氣候變化對瀾滄江流域徑流的影響[J]. 生態學報, 2019,28(1):7-15. Dou X D, Huang W, Yi Q, et al. Impacts of LUCC and climate change on runoff in Lancang River Basin [J]. Acta Ecologica Sinica, 2019, 28(1):7-15.

[28] Wu D, Cui Y, Xie X, et al. Improvement and testing of SWAT for multi-source irrigation systems with paddy rice [J]. Journal of Hydrology, 2019,568:1031-1041.

[29] Geza M, Mccray J E. Effects of soil data resolution on SWAT model stream flow and water quality predictions [J]. Journal of Environmental Management, 2008,88(3):393-406.

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

[31] Zhang P, Liu R, Bao Y, et al. Uncertainty of SWAT model at different DEM resolutions in a large mountainous watershed [J]. Water Research, 2014,53(8):132-144.

[32] Liu H, Kiesel J, H?rmann G, et al. Effects of DEM horizontal resolution and methods on calculating the slope length factor in gently rolling landscapes [J]. CATENA, 2011,87(3):368-375.

[33] Thieken A H, Lucke A, Diekkruger B, et al. Scaling input data by GIS for hydrological modelling [J]. Hydrological Process, 1999,13:611-630.

[34] Lin S, Jing C, Coles N A, et al. Evaluating DEM source and resolution uncertainties in the soil and water assessment tool [J]. Stochastic Environmental Research and Risk Assessment, 2012,27:209-221.

[35] Ou Y, Wang X Y. GIS and ordination techniques for studying watershed characteristics influence on river water quality [J]. Water Science and Technology, 2011,64(4):861-870.

[36] 張雪松,郝芳華,楊志峰,等.徑流模擬對DEM分辨率的敏感性分析 [J]. 水土保持通報, 2004,24(1):32-35. Zhang X S, Hao F H, Yang Z F, et al. Effect of DEM's resolution on watershed hydrologic modeling [J]. Bulletin of Soil and Water Conservation, 2004,24(1):32-35.

[37] 葉許春,張 奇.網格大小選擇對大尺度分布式水文模型水文過程模擬的影響[J]. 水土保持通報, 2010,30(3):112-116. Ye X C, Zhang Q. Effects of grid size on hydrological process modeling as a distributed hydrological model at large scale [J]. Bulletin of Soil and Water Conservation, 2010,30(3):112-116.

[38] Cui G, Wang X, Li C, et al. Water use efficiency and TN/TP concentrations as indicators for watershed land-use management: A case study in Miyun District, north China [J]. Ecological Indicators, 2018,92:239-253.

[39] Xu E, Zhang H. Aggregating land use quantity and intensity to link water quality in upper catchment of Miyun Reservoir [J]. Ecological Indicators, 2016,66:329-339.

[40] 呼雪梅,秦承志.地形信息對確定DEM適宜分辨率的影響[J]. 地理科學進展, 2014,33(1):50-56. Hu X M, Qin C Z. Effects of different topographic attributes on determining appropriate DEM resolution [J]. Progress in Geography, 2014,33(1):50-56.

[41] 何楊洋,王曉燕,段淑懷.密云水庫上游流域次降雨坡面產流產沙特征[J]. 農業工程學報, 2015,31(24):134-141. He Y Y, Wang X Y, Duan S H. Characteristics of runoff and sediment during individual rainfall in upper area of Miyun Reservoir [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015,31(24):134-141.

[42] Wang X, Li Z, Li M. Impacts of climate change on stream flow and water quality in a drinking water source area, Northern China [J]. Environmental Earth Sciences, 2018,77(11):410.

[43] 徐 菲,王永剛,張 楠,等.北京市白河和潮河流域生態健康評價 [J]. 生態學報, 2017,37(3):932-942. Xu F, Wang Y G, Zhang N, et al. Health assessment of watershed ecosystems: the Chao River and Bai River Basins as a case study [J]. Acta Ecologica Sinica, 2017,37(3):932-942.

[44] 張 敏,李令軍,趙文慧,等.密云水庫上游河流水質空間異質性及其成因分析[J]. 環境科學學報, 2019,39(6):1852-1859. Zhang M, Li L J, Zhao W H, et al. Spatial heterogeneity and cause analysis of water quality in the upper streams of Miyun Reservoir [J]. Acta Scientiae Circumstantiae, 2019,39(6):1852-1859.

[45] 耿潤哲,李明濤,王曉燕,等.基于SWAT 模型的流域土地利用格局變化對面源污染的影響 [J]. 農業工程學報, 2015,31(16):241-250.Geng R Z, Li M T, Wang X Y, et al. Effect of land use/landscape changes on diffuse pollution load from watershed based on SWAT model [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015,31(16):241-250.

[46] 鄔燕虹,張麗萍,陳儒章,等.坡長和雨強對氮素流失影響的模擬降水試驗研究[J]. 水土保持學報, 2017,31(2):7-12. Wu Y H, Zhang L P, Chen R Z, et al. Reasearch on the effect of slope length and rainfall intensity on nitrogen loss in sloping land under artificially simulated rainfall [J]. Journal of Soil and Water Conservation. 2017,31(2):7-12.

[47] Wu L, Liu X, Ma X Y. Spatiotemporal distribution of rainfall erosivity in the Yanhe River watershed of hilly and gully region, Chinese Loess Plateau [J]. Environmental Earth Sciences, 2016,75(4):1-13.

The influence of input data precision and accuracy on SWAT model simulation.

CHEN Hai-tao1, WANG Xiao-yan1,2*, NAN Zhe1, HAN Xiao-meng1, WUAi-pu1,HUANG Jie-yu1,PANG Shu-jiang1

(1.College of Resources, Environment and Tourism, Capital Normal University, Beijing 100048, China；2.Research Center of Aquatic Environment in the Capital Region, Capital Normal University, Beijing 100048, China)., 2021,41(5)：2151～2160

The influence of input data precision and accuracy (DEM resolution and precipitation interpolation) on runoff and total nitrogen simulation was studied with runoff and water quality monitoring data of Chaohe watershed from 1990 to 2013 as samples. The results showed that there were different effects of the DEM resolution change (30～300m) on runoff and total nitrogen simulation results. No significant impact on runoff simulation were found, with ENS and2above 0.87. While greater effects on total nitrogen simulation results were found. The finer the resolution, the better the simulation accuracy. Under different hydrological years, heterogeneous impacts on simulation performance were found on total nitrogen (TN) load with the change of DEM resolution. There were more significant differences in wet years than in dry years. The influence on the spatial distribution of the annual average (1993～2002) total nitrogen load were much less with the change of DEM resolutions. The high load areas were located in the midstream of the Chaohe watershed, and low load areas in the upstream and downstream. There were larger discrepancies in the spatial distribution of precipitation in the watershed under different distribution and density of monitoring sites, and accuracy of precipitation input data. In general, the runoff and total nitrogen simulation results based on the interpolation data of the fewer weather stations were close to results based on monitoring data of rainfall stations, and the simulation performance based on interpolation data of SWAT official rainfall stations was relatively poor. The spatial distribution of simulated total nitrogen intensity load were obviously different with different precipitation data inputs. The higher the precipitation, the higher total nitrogen load intensity. In different hydrological years, the simulation performance of total nitrogen load also differed with different precipitation data inputs. In wet and dry years, simulation results of TN based on the interpolation data of the weather stations were closer to results based on the rainfall station data, while large simulation deviations were found with the official SWAT rainfall station data. In the normal years, the simulation performance based on official SWAT rainfall station data was better than those based on the interpolation data of the weather stations. This research provided a scientific reference for watershed modeling applications regarding input data accuracy and precision.

SWAT model；DEM resolution；precipitation data；Chaohe watershed

X52

A

1000-6923(2021)05-2151-10

陳海濤(1994-),男,江西上饒人,首都師范大學碩士研究生,研究方向為流域水污染控制與管理.發表論文1篇.

2020-09-18

北京市自然科學基金委員會-北京市教育委員會聯合資助項目(KZ201810028047);國家自然科學基金資助項目(21377168,40971258)

*責任作者, 教授, wangxy@cnu.edu.cn