SWAT模型參數對土地利用變化的響應及其對不同時間尺度徑流模擬的影響

郭 偉,陳興偉,2,3,*,林炳青

1 福建師范大學地理科學學院, 福州 350007 2 福建省陸地災害監測評估工程技術研究中心, 福州 350007 3 濕潤亞熱帶山地生態國家重點實驗室培育基地, 福州 350007

土地利用變化對生態環境的影響,是全球變化研究的重要內容；其中,土地利用變化的水文效應是研究熱點之一[1]。土地利用變化,是指人類改變土地利用和管理方式,導致土地覆被的變化,土地利用變化是水文過程變化的重要影響因素[2- 4]。水文模型是評估土地利用變化水文效應的有效工具,分布式水文模型的應用已成為進行土地利用變化水文效應研究的發展趨勢。

SWAT (Soil and Water assessment tool)是美國農業部(United States Department of Agriculture)的農業研究中心(Agricultural Research Service)開發的流域分布式水文模型,已廣泛應用于土地利用變化徑流響應模擬研究[5]。Miller等應用SWAT模型在圣佩德羅河上游對70、80、90年代3個不同時期的遙感影像解譯出土地覆被狀況進行產流模擬,研究土地覆被變化的水文效應,結果表明該區城市、農業用地、林地增加、草地減少,使每年水量增加,水質下降[6]。木依布拉等利用SWAT模型研究得出,土地利用/覆被類型中草地和林地面積的增加有利于提高研究區水源涵養、土壤保持和維護生物多樣性功能[7]。鄧慧平等對梭磨河流域的日徑流進行了模擬,結果表明,隨著流域林地面積和冠層最大截留量的增加,地表徑流、地表以下徑流、總徑流均不同程度的減少[8]。這些研究通常先用一期土地利用率定模型參數,并認為該參數可以反映流域下墊面的產匯流特征,因此直接將率定后的參數代入其他土地利用情景下,以此模擬分析土地利用變化對徑流的影響[5- 12]。也即當前土地利用變化徑流響應的模擬研究,主要采用參數不變的方式。

基于SWAT模型參數的物理意義,土地利用變化對部分參數的取值應該是有影響的,近年來也有了相關研究。Wang[13]通過設定7個不同的土地利用輸入條件分別進行SWAT模型率定,結果發現土地利用輸入條件對模型徑流模擬的模擬效果沒有明顯的影響。因此認為在徑流模擬時,可以選擇模擬期間任何一年的土地利用作為輸入,但未指出不同土地利用條件下模型參數是否發生變化。 Li等[14]利用1980 s、1990 s、2000 s的氣象數據及相應時期的土地利用數據,對月徑流模擬的SWAT模型分段率定。結果表明,模型參數隨著土地利用變化而變化；當土地利用變化較大時,不變參數會造成模型模擬效果的下降。

綜上研究,第一,SWAT模型參數應該隨著土地利用變化而變化,但參數變化與土地利用變化的關系需要進一步討論；第二,結合已有研究發現[15- 17]的相對于較長時間尺度的年、月徑流,土地利用變化的日徑流響應更為復雜,因此有必要揭示參數變化對不同時間尺度徑流模擬效果影響的差異；第三,Li等[14]的研究區為近20年來實施退耕還林還草的黃河支流渭河流域,對于土地利用變化變化模式與此相反的快速城市化區域,模型參數隨著土地利用變化的規律尚待研究。

因此,本研究選取位于快速城市化區域的東南沿海山美水庫流域為研究區,開展土地利用變化對SWAT模型參數,以及模型參數變化對不同時間尺度徑流模擬效果的影響研究,以期進一步改進SWAT模型用于土地利用變化水文效應研究方法,為合理評估土地利用變化的水文效應提供科學支撐。

1 材料與方法

1.1 研究區概況與數據

1.1.1研究區概況

山美水庫位于福建省泉州市的晉江流域東溪中游,流域面積為1023 km2,總庫容6.55億m3,是一座集灌溉、供水、防洪、發電等多功能于一體的綜合性大型水利樞紐工程。山美水庫多年平均來水量14億m3,水庫來水主要包括上游的桃溪、湖洋溪兩大支流以及龍門灘跨流域調水,流域多山地和丘陵,海拔約在 40—1360 m。流域氣候屬亞熱帶海洋性季風氣候,年降雨量約為1600 mm,其中臺風雨季(7—9月) 降水量大,在此期間的降水量占全年37%—39%；10—12月為干季,降水量僅為全年的20%。流域地土地利用類型以林地為主,其次是園地、耕地和建設用地。土壤類型有硅鋁質紅壤、鋁硅質紅壤、滲育水稻土、潴育水稻土、黃紅壤和黃壤等,其中以硅鋁質紅壤分布面積最為廣泛,研究區位置及站點分布見圖1。

圖1 研究區位置及站點分布Fig.1 Location of study area and distribution of gauges

1.1.2數據來源

模型輸入數據包括空間數據和水文氣象數據。空間數據包括土壤、DEM和土地利用,其中土壤資料來源于福建省1∶50萬數字化土壤類型分布圖,DEM采用30 m×30 m分辨率(來自中國科學院國際科學數據服務平臺http：//datamiffor.csdb.cn/admin/datademMain/jsp)。本文土地利用數據包括1995年、2005年、2015年3期土地利用,其中1995年土地利用數據是本團隊基于Landsat TM影像的目視解譯[18],確定了水田、旱地、林地、園地、草地、水域、建設用地和未利用地等8種較好反映區域土地利用及其變化、且適合SWAT模型精確模擬的土地利用分類系統[15]。利用2015年國家地理國情普查地表覆蓋數據,按照本研究的土地利用分類系統進行歸并,得到2015年土地利用數據。在2015年土地利用數據基礎上,通過對SPOT5影像目視解譯逆向變更方法,獲得2005年的土地利用數據[19]。總體上看,2015年國家地理國情普查地表覆蓋數據具有權威性,1995、2005目視解譯數據方法正確、精度較高；盡管遙感信息源不同,但分類可比較。因此本研究不同時期土地利用數據具有一致性和可比性,可以滿足本研究要求。

1992—2018年的逐日最高氣溫、最低氣溫、平均風速、平均相對濕度由永春和德化2個氣象站提供。1992—2018年的逐日入庫徑流量及16個雨量站的逐日降雨數據由山美水庫管理處提供。

1.2 研究方法

1.2.1SWAT模型簡介

SWAT模型是美國農業部農業研究中心(USDA-ARS)開發的具有物理機制的分布式水文模型,適用于流域徑流、水質等模擬研究,在不同尺度的流域水文模擬研究中表現出了較好的適用性[20-21]。SWAT 在子流域劃分的基礎上,進一步細分為水文響應單元進行模擬運算,然后通過對子流域進行匯流演算,獲取流域出口斷面的徑流量,其分布式的匯流演算模式更符合實際徑流生成的物理過程。本研究應用SWAT模型對研究區的年、月及日徑流過程進行模擬,地表徑流計算選用徑流曲線數方法(SCS runoff curve number),河道匯流過程采用馬斯京根法(Muskingum)進行演算。子流域劃分基于數字高程模型,采用“burn-in”算法。水文響應單元劃分采用優勢地面覆蓋/優勢土壤類型方法。

1.2.2不同土地利用條件的SWAT模型構建

選用1995年、2005年、2015年3個不同時期的土地利用,將 1995—2018年氣象背景條件劃分為1995—2002年、2003—2010年、2011—2018年3個相同時長時段,與3期土地利用相對應,分別進行模型的校準與驗證,獲取的模型最優參數集分別以parm95、Parma05、Parma15表示,從而構建與3種土地利用相適應的日徑流模擬SWAT模型。

為了比較土地利用變化導致的SWAT模型參數變化對徑流模擬的影響,將上述3套最優參數集分別應用于其他兩種土地利用條件下的SWAT模型,可以得到如表1所示的情景設置。表1情景1.1表示1995年土地利用,對應1995—2002年水文氣象資料,校準模型得到最優參數集parm95；情景1.2表示1995年土地利用、1995—2002年氣象條件不變,但模型參數改用2005年土地利用校準的最優參數集parm05；情景1.3表示1995年土地利用、1995—2002年氣象條件不變,但模型參數改用2015年土地利用校準的最優參數集parm15。表1的其他兩組情景與此類似,從而分別得到3種土地利用條件下,各自最優的3組模型參數用于其他土地利用條件時的徑流模擬結果,進而比較結果的差異。

表1 模型構建與分析情景設置

1.2.3參數敏感性分析與參數率定

SWAT模型中影響徑流的參數眾多,且每個參數對模型影響程度不同,根據前人經驗選取影響徑流的13個主要參數[22-23]。為了減少參數率定過程的盲目性,同時能更好地研究流域土地利用變化對參數變化的響應程度,需對模型參數進行敏感性分析。參數敏感性分析是通過對每個參數微小變化對模型輸出結果的影響來確定哪些參數對流域影響更大的方法。

SWAT模型參數率定方法主要有自動率定和手動率定,手動率定的參數取值受人為主觀影響很大,參數率定過程要耗費大量的時間和精力,率定效率低,自動率定以自動優化算法為基礎,能夠綜合考慮參數的物理意義,率定效率高[24]。因此選用自動率定法率定SWAT模型。采用SWAT-CUP中 SUFI-2(Sequential Uncertainty Fitting version 2)算法進行敏感性分析及率定,迭代次數為500次。SUFI-2算法可較好地解決SWAT模型自帶的SCE(Shuffled Complex Evolution)優化算法參數率定繁瑣且收斂效果不理想等問題,并可將率定后的參數范圍通過模擬值與實測值的95PPU(95 Percent Prediction Uncertainty)圖可視化,用以尋求模型模擬效果最佳的一系列參數最優組合[25]。為評價模型的模擬精度,選用納什效率系數(NS)、確定性系數(R2)、相對誤差(Re)作為模型適用性的評價指標,公式如下：

圖2 山美水庫流域1995—2015年土地利用面積 Fig.2 The area of land use from 1995 to 2015 in Shanmei Reservoir watershed

1.2.4綜合土地利用動態度

采用綜合土地利用動態度反映研究區1995—2015年土地利用變化的總體情況。綜合土地利用動態度屬于土地利用年變化率[27],公式為：

式中,LC為研究時段內綜合土地利用動態度,LUi為監測起始時刻第i類土地利用類型的面積,LUi-j為監測時段內第i類土地利用類型轉化為非i類土地利用類型面積的絕對值,T為監測時段長度。

2 結果分析

2.1 土地利用變化分析

對3期土地利用進行統計,結果見圖2、表2。研究區占主導地位的土地利用類型為林地、園地、耕地,3種地類面積之和占研究區總面積的90% 以上,其他類型較少。1995—2015年間,林地、旱地、未利用地3種地類呈減少趨勢,而草地、園地、建設用地、耕地4種地類呈增加的趨勢,水域面積變化很小；以園地的增加,林地的減少為主要特點。變化最大的林地減少了12.28%、88.82 km2；園地增長了66.65%、62.21 km2；建設用地增加了52.7%、22.09 km2。從時間上來看,1995—2005年間土地利用變化較大,2005—2015年變化較小。

表2 山美水庫流域1995—2015年土地利用變化分析

2.2 SWAT模型校正與驗證

3期土地利用條件下年、月、日尺度徑流模擬結果如表3。不同時間尺度徑流模擬NS均大于0.62,R2均大于0.78,|Re|均小于25%。表明SWAT模型對山美水庫流域年、月、日尺度徑流過程模擬效果良好,可以合理反映流域不同時期、不同時間尺度的徑流過程。

表3 3期土地利用條件下不同時間尺度徑流模擬結果

2.3 敏感性參數及其變化

由SUFI-2算法確定的3種不同土地利用條件下徑流敏感性參數及其率定結果如表4所示。在表 4中,t值表示參數敏感性的大小,其絕對值越大,代表該參數在某一區域越敏感；P值表示該參數敏感性的置信水平,其值越接近0,代表該參數越重要。一般認為,在P值小于等于0.05的情況下,該參數比較敏感重要；而在P值大于等于0.3的情況下,該參數不敏感[28]。由表4可知,不同土地利用條件下的敏感參數是一樣的,分別為CN2、SOL_AWC、SOL_K、CANMX、ESCO、GW_DELAY、OV_N,且排序基本一致。其它參數如GWQMN、GW_REVAP、EPCO、SLSUBBSN、ALPHA_BF等對徑流不敏感。該結果表明,土地利用變化對參數的敏感性沒有影響。

表4結果還表明,盡管土地利用變化對參數的敏感性沒有影響,但不同土地利用條件下參數的取值是不同的。如土壤水分條件Ⅱ下的SCS徑流曲線數CN2的值,隨著土地利用的變化而變化,在1995—2015年間逐漸增大；而飽和滲透系數SOL_K在1995—2015年間逐漸變小。這些敏感性參數取值變化規律及其合理性將在下文進一步討論。

2.4 參數變化對不同時間尺度徑流模擬效果的影響

根據表1,3種土地利用條件下,模型參數變化對徑流模擬效果的影響比較如圖3所示。圖中藍色三角區域為不合理區,表示效率系數NS小于0.55、或R2小于0.7,即模型模擬效果差,不滿足徑流模擬需要。

由圖3可知,將3套率定參數分別代入不同土地利用條件,年、月徑流的NS及R2均落在藍色區域外,表明年、月徑流模擬結果較好,即參數變化對年、月徑流模擬影響較小。從日徑流看,NS及R2均在使用與土地利用匹配的參數集模擬下落在藍色區域外,即模擬效果較好,而在使用與土地利用不匹配的參數集模擬下NS及R2均落在藍色區域內,即模擬效果差,并且模擬結果的變化隨著土地利用變化強度越大越顯著。具體表現在,1995年土地利用條件下, parm95、parm05、parm153組不同參數集的徑流模擬結果,NS由0.65下降到-0.73再降到-0.77,同樣R2由0.80下降到0.41再降到0.39。在2015年土地利用條件下,參數集parm15、parm05、parm95的模擬結果,NS由0.77下降到0.23再降到-0.19,同樣R2由0.78下降到0.50再降到0.3。2005年土地利用條件也呈現類似的變化趨勢。

表4 山美水庫流域參數敏感性分析及最佳率定值

圖3 SWAT模型參數對不同時間尺度徑流模擬效果的影響Fig.3 Effects of SWAT model parameters to effects on the simulation of runoff with different time scalesParm95：1995年土地利用率定參數集 Set of parameters for land use, 1995；Parm05：2005年土地利用 Set of parameters for land use, 2005；Parm15：2015年土地利用率定參數集 Set of parameters for land use, 2015

綜上表明,應用與土地利用不匹配的參數集時,不同時間尺度徑流的響應規律不同,年、月較長時間尺度徑流影響較小,但日徑流影響顯著,且隨著土地利用變化強度越大,模擬結果的變化越顯著。

3 模型參數取值對土地利用變化響應的討論

上述不同土地利用條件下敏感參數的率定結果(表4)表明,土地利用變化對徑流參數的敏感性沒有影響,對敏感參數的取值有較大影響。現就土地利用變化對敏感參數取值的影響規律進行分析、討論。

3.1 敏感參數取值的變化規律

CN2是土壤水分條件Ⅱ下的SCS徑流曲線數,是土壤滲透特性、土地利用類型和前期土壤水分條件的綜合反映,CN2越大產流量越大[29-30]。由表4可知,CN2隨著土地利用的變化在1995—2015年間逐漸增大,這與研究區1995—2015年土地利用由林地轉變為園地、耕地及建設用地有關。研究表明不同土地利用類型對降水的涵養能力不同,從大到小依次為林地、草地、耕地、建設用地,因此林地轉變為園地、草地、耕地及建設用地導致水源涵養能力下降。SOL_AWC表示土壤層有效水容量[31],SOL_AWC隨著土地利用的變化在1995—2015年間逐漸減小,其原因是與2005、2015年相比,1995年森林覆蓋面積大,1995年相應的水源涵養能力較2005年、2015年強。SOL_K表示飽和滲透系數,該參數將土壤水的流量與水力梯度相聯系,度量水流在土壤中運動的難易程度[31],1995年到2015年間K系數逐漸增大,與園地、草地等土地利用類型相比林地透水性強,土壤中水力梯度增強有關。CANMX表示最大冠層截流量,表示植物冠層對降雨截流量的影響[32-33],1995年到2015年間CANMX的取值由57增加到72,與研究區主要土地利用類型由林地轉變為園地、草地,植被冠層數量增加有關。土壤蒸發補償系數ESCO是調整土壤中因毛細作用、土壤裂隙等對土層蒸發量的影響系數[34-35],其值由0.6增加到1,與研究區1995到2015年間林地減少、土壤層有效水減少、園地增長明顯及農業用地的保墑作用使得土壤淺層的蒸發量減少有關。GW_DELAY[36-37]表示降水入滲補給地下水的滯后時間,1995年土地利用條件下地下水遲滯時間較2005年及2015年長,與1995年相比2005及2015年林地數量大有關,林地相比園地等其他土地利用類型,根系較為發達,故會延長地表水補給地下水的時間。OV_N表示曼寧坡面粗糙系數,1995年到2015年間N的取值逐步增大,與研究區土地利用變化導致的產量增大,水深增加有關,Shen[38]等的研究表明,N值隨著水深的增加而增大。

顯然,土地利用變化對敏感參數取值的影響規律,符合敏感參數的物理意義。

圖4 1995—2015年敏感參數取值年變化率與綜合土地利用動態度的關系Fig.4 The relationship between annual change rate of sensitive parameters and dynamic attitude of comprehensive land use from 1995 to 2015CN2：徑流曲線數；SOL_AWC：土壤層有效水容量；SOL_K：飽和滲透系數；CANMX：最大冠層截流量；ESCO：土壤蒸發補償系數；GW_DELAY:地下水滯后時間；

為了更好反映土地利用變化對敏感參數取值的影響,圖4比較了1995—2005年、2005—2015年各敏感參數值年變化率與綜合土地利用動態度的關系。由圖可知,1995—2015年綜合土地利用動態度為1.1%,2005—2015年綜合土地利用動態度為0.1%,表明1995—2005年的土地利用變化比2005—2015年大。與此相對應,除CANMX外,其他參數值年變化率也是1995—2005年比2005—2015年大,表明土地利用變化越大,敏感參數取值變化越大。

3.2 敏感參數取值的區域差異

與Wang等[13]的研究結論相比,本文在驗證了在模擬流域的徑流量時,可以選擇模擬期間任何一年的土地利用作為輸入的觀點基礎上,進一步提出不同土地利用條件下敏感參數取值發生了顯著變化。

為了比較在不同氣候地區、不同地表覆蓋情況下,模型參數對土地利用變化的響應特征,為該模型應用提供更有力支持,可與提供了敏感參數變化結果的類似研究[14]進行比較,見表5。從敏感參數來看,與山美水庫流域相比,渭河流域與地下水及土壤有關的敏感參數較多,且敏感性較強,是因為黃河支流渭河流域屬于西北內陸干旱區,與本研究東南沿海濕潤區山美水庫流域有較大差異,相比而言干旱區水文過程更復雜,雖然其降水量不多,但渭河流域靠近秦嶺等高大山脈,高山覆蓋厚厚的雪層為地下水提供源源不斷的補給[21]。從敏感參數取值變化來看,Li等[14]的研究中研究時段內土地利用主要表現為農業用地草地顯著增加,建設用地增加不明顯,相應的敏感參數土壤水分條件Ⅱ下的SCS徑流曲線數CN2的值隨著土地利用逐漸減小；最大冠層截流量CANMX的取值逐漸減小,曼寧坡面粗糙系數OV_N取值逐漸減小,地下水滯后時間GW_DELAY逐漸減小,而本研究從反面支持了上述觀點,本文研究區在1995—2015年間土地利用變化主要表現為林地減少,建設用地增加,與此對應敏感參數中CN2的取值,隨著土地利用在1995—2015年間逐漸增大；CANMX的取值逐漸增大,曼寧坡面粗糙系數OV_N取值逐漸增大,地下水滯后時間GW_DELAY逐漸減增大。

表5 敏感參數的區域差異

4 結論

以山美水庫流域為研究區,基于SWAT模型,分別模擬1995年、2005年、2015年土地利用條件及相應氣象條件時的年、月、日尺度徑流過程；分析了隨著土地利用變化模型徑流模擬敏感參數的變化,以及參數變化對不同時間尺度徑流模擬效果的影響,得出以下結論：

(1)1995—2015年間,研究區土地利用格局發生了較大變化,主要表現為林地轉向園地和建設用地、耕地轉向建設用地,3期土地利用條件下率定的SWAT模型都能較好地模擬山美水庫流域年、月、日尺度徑流,其模擬效率系數NS和決定系數R2均大于 0.65 和 0.78,相對誤差Re絕對值小于25%。

(2)1995—2015年間不同土地利用條件下最敏感的7個參數是一樣的,分別為CN2、SOL_AWC、SOL_K、CANMX、ESCO、GW_DELAY、OV_N；但敏感參數值隨著土地利用而變化,CN2、SOL_K、CANMX、ESCO取值逐漸增大,SOL_AWC、GW_DELAY取值逐漸減小,與林地轉變為園地、草地、耕地及建設用地增加導致的流域水源涵養能力變化有關,且變化率基本與土地利用變化強度正相關。

(3)土地利用變化引起的參數變化,對年、月較長時間尺度徑流模擬效果的影響較小,對日徑流模擬效果影響顯著,且隨著土地利用變化強度的增加而增加。