CMADS數據對長江源區水文模擬的適用性研究

劉 薇，王海軍，陳翠英

（山東省水文中心，濟南 250002）

青藏高原地區由于海拔過高氣候寒冷，被稱為地球第三級。由于獨特的氣候環境，水文循環條件復雜，冰川積雪融水廣泛參與到水文循環中［1-3］。對于高原山區的水文模擬，冰雪融水是難以回避的問題，一些主流的含有融雪模塊的水文模型包括：HBV模型，SRM模型，VIC模型，SWAT模型［4-7］。其中VIC模型和SWAT模型分布式水文模型，基于物理基礎，適用范圍廣。

SWAT 模型由于其適應能力強，且能對流域水文過程進行分區處理，對水文規律的研究更為深入，而得到廣泛的應用。竇小東等基于SWAT模型研究了氣候變化對大盈江流域徑流的影響［8］。鄭思遠等利用SWAT 模型在東苕溪上游區域研究了氮磷對環境的影響［9］。王磊等通過SWAT 模型研究了土地利用變化情景下對清水河徑流的影響［10］。王富強等使用SWAT 模型對賈魯河流域區域農業干旱程度評價進行了研究［11］。SWAT模型由于耦合了眾多模塊，對流域各方面的模擬研究都有很強的適應性［12，13］。且代碼開源，模型得到不斷的改進升級，使得模型更加適合全球用戶的個性需求。

SAWT 模型在全球得到廣泛的利用，但需要輸入較多的氣象數據來驅動模型，特別是在一些受地形和經濟條件影響的區域，缺乏模型所需要輸入的氣象數據時，使得模型難以在該地區開展研究。由孟先勇，王浩等牽頭，中國水利水電科學研究院，中國氣象局國家氣象信息中心等單位合作開發的SWAT 模型中國大氣同化驅動數據集（CMADS）彌補了一些偏遠地區數據不足的缺陷，使SWAT 模型可以對中國一些偏遠地區的進行水文模擬［14-17］。該數據集基于世界各類再分析場及中國氣象局大氣同化系統（CLDAS）技術，利用數據循環嵌套、重采樣，模式推算及雙線性插值等多種技術手段而建立。且符合SWAT模型的輸入格式，使用方便。本文通過提取長江源區CMADS 數據，及利用傳統的氣象站數據利用SWAT模型在長江源區進行水文模擬，分析CMADS 數據在高寒山區的適用性。

1 研究區域概況

長江源區地處青海省東南部，是青藏高原的中心地區，面積達137 800 km2，平均海拔高程達4 500 m 左右，屬于典型的高海拔地區［18］。流域呈西高東低的地形結構，其主源西支的沱沱河和南支的當曲，其源頭位于唐古拉山北麓，源頭以冰雪融水為主。長江源區主要以裸地和高原草地等地貌特征為主，其下游河谷地帶覆蓋有少量森林植被，也是人類的主要聚集地。2000年設立三江源國家級自然保護區后，源區內的游牧得到有效控制，源區自然生態環境朝健康方向發展。長江源區多年平均降水只有450 mm 左右，且從下游向上游逐漸遞減，氣溫受地形影響，下游氣溫明顯要高于上游地區，多年平均氣溫在-1.7～5.5 °C 波動［19］。7、8月份流域氣溫最高，12-2月是氣溫最低的時期，流域上游覆蓋有常年無消融的凍土，流域無明顯的無霜期。流域內氣象站分布雖然只有四個，但在上中下游都有分布，較能反映流域不同區域的氣候特征，在流域出口有記錄著整個源區出口流量的直門達水文，該站記錄的流量也是本次研究的對比數據［20］。流域地形及氣象水文站點分布如圖1所示。

圖1 長江源區地形及氣象水文站點分布Fig.1 Terrain，meteorological and hydrological sites distribution of the source region of the Yangtze River

2 數據的處理及建模

SWAT 模型建模所需要的數據較多，分為氣象驅動數據和地理空間數據兩大類。氣象數據由長江源區4 個氣象站提供，包括降水，最高最低氣溫數據，另外就是從CMADS 數據集中裁剪出來的長江源區氣象數據，該數據包括：日平均相對濕度（Relative-Humidity）、日累計降水量（Precipitation）、日平均太陽輻射（Solar radiation）、日最高、最低2 m 氣溫（Max and Min Temperature）、日平均10 m 風速（Wind）。地理空間數據包括DEM數據，土地利用數據，土壤數據。

2.1 氣象數據

利用長江源區4 個傳統氣象站數據建立的SWAT 模型驅動數據為文本格式，包括日最高最低氣溫及日降水量，對缺失數據進行插補處理，保證數據較高質量。CMADS數據集通過寒區旱區科學數據中心（http：//westdc.westgis.ac.cn）下載。整個數據集覆蓋范圍在60°～160°E，0°～65°N 之間，將整個中國地區都覆蓋在內，數據集較為龐大。該數據集已經有發行了4個版本，本次研究利用的CMADS V1.1 版本，該數據集的空間分辨率為0.25°×0.25°，時間跨度為2008年到2016年。CMADS 數據中氣溫、氣壓、比濕、風速驅動數據采用了2421個國家級自動站和業務考核的39 439 個區域自動站，2008年1月以來地面基本氣象要素逐小時觀測數據以及相應時期的臺站信息（臺站經緯度、海拔高度）。利用多重網格三維變分方法（STMAS），在NCEP/GFS 背景場基礎上制作地面基本要素分析場。其中，中國區域以外，只對NCEP/GFS 背景數據做地形調整、變量診斷并插值到分析格點；中國區域以內，利用STMAS 算法，將經過前處理的NCEP/GFS 背景數據和自動站觀測融合，并與中國區域以外的數據進行拼接。通過ArcGIS提取長江源區范圍內的所有站點的CMADS數據，由于該數據集不需要進行數據格式轉化，可以直接被SWAT模型利用。長江源區CMADS數據點集如圖2所示。

圖2 長江源區CMADS點數據集Fig.2 Point CMADS data set of the source region of the Yangtze River

2.2 空間數據

SWAT 模型屬于分布式水文模型，其建模需要流域下墊面數據，其中包括：數字高程數據（DEM），該數據主要用來進行子流域劃分，及確定流域河道；另外兩個地理空間數據為土地利用數據和土壤數據，兩數據結合來確定水文響應單元（HRU），同一水文響應單元內進行一致的水文計算。其中DEM 數據通過USGS（United States Geological Survey）下載90 m 分辨率的SRTM（Shuttle Radar Topography Mission）DEM 數據；土地利用數據通過中國科學院地理科學與資源研究所資源環境數據云平臺下載青海省2015年土地利用數據。該土地利用數據將土地利用類型分為耕地、林地、草地、水域、居民地和未利用土地6個一級類型以及25 個二級類型。土壤數據來自世界土壤數據庫（Harmonized World Soil Database version 1.2），通過黑河計劃數據管理中心（http：//westdc.westgis.ac.cn）獲取，需要用戶根據研究區土壤信息建立用戶自己的土壤數據庫，本次研究的長江源區由于自然環境惡劣，土壤發育程度淺，主要是冰川土，將源區土壤類型重新分為5類。由于需要計算流域面積及SWAT 模型要求數據具有投影坐標系，將三類空間數據統一投影到Albers WGS_1984坐標系中。土地利用數據及土壤數據如圖3所示。

圖3 長江源區土地利用和土壤類型圖Fig.3 Land use and soil types of the source region of the Yangtze River

2.3 SWAT模型

SWAT（Soil and Water Assessment Tool）模型是一個典型的分布式水文模型，它以日為時間步長，采用離散化的方式描述流域內水文要素等參數的空間差異，可以模擬大流域的徑流、泥沙和營養物質等的輸移，也可以預測人類活動對水、沙、農業、化學物質的長期影響。由于SWAT模型物理基礎強、模塊結構清晰、計算高效、具有友好的用戶界面并將空間數據集成于ArcGIS 中進行處理，功能強大，使用方便，在世界范圍內得到廣泛應用和發展。

SWAT 模型由701 個方程和1 013 個中間變量組成，是一個具有很強物理機制的長時段流域水文模型，在水文模擬中不僅考慮了氣象、水文、生物等自然過程，而且考慮了城市擴張、農業種植、土地利用變化等人為影響。其模擬的流域水文過程可以分為子流域模塊和演算模塊兩個部分。子流域模塊即產流和坡面匯流部分，控制每個子流域內主河道的徑流、泥沙、營養物質等的輸入量；演算模塊即河道匯流部分，決定徑流、泥沙等物質從河網向流域出口的輸移運動。整個水分循環遵循水量平衡原理，具體計算公式為：

式中：swt表示t時刻的土壤含水量，mm；sw0表示初始時刻的土壤含水量，mm；Rday表示第i天的降水量，mm；Qsurf表示第i天的地表徑流量，mm；Ea表示第i天的蒸散量，mm；Wseep表示第i天土壤測流量，mm；Qgw表示第i天的地下水徑流量，mm。

利用氣象數據，空間數據，構建長江源區SWAT 模型，并對源區日徑流量進行模擬。

3 結果分析

3.1 評價標準

本研究采用月模擬徑流與實測徑流的相對誤差Re、相關系數R2和Nash-Sutcliffe 效率系數NS三個目標函數來表征模型的模擬效率，其計算公式如下：

3.2 率定期和驗證期模擬結果

首先對長江源區建立的SWAT 模型進行率定，率定采用實測氣象站插值數據進行，率定采用SWAT-CUP 中的Sufi-2 算法。由于只對長江源區的徑流進行模擬，所以只選擇了與產匯流有關的參數。參數率定結果及敏感性如表1所示。

表1 SWAT模型參數率定結果表Tab.1 The parameters calibration results of the SWAT model

以2008年作為模型的預熱期，2009-2013年作為模型的率定期，2014-2016年作為模型驗證期。率定期和驗證期模型模擬效果指標如表2所示。率定期納什效率系數為0.682，驗證期效果略差，納什效率系數為0.615。率定期模擬的徑流量將實測徑流量相對誤差較大，相對誤差為12.322%，驗證期相對誤差較少為7.105%。率定期相關系數為0.788，驗證期相關系數為0.692。整體來說SWAT 模型能夠模擬出長江源區徑流過程，但模擬效果一般，不是太高。

表2 長江源區率定期和驗證期統計結果表Tab.2 Statics results of calibration and validation period in the source region of the Yangtze River

圖4 為模擬徑流與實測徑流過程，從圖中可以看出模擬徑流與實測徑流變化基本一致，長江源區實測徑流洪峰時期，徑流呈陡漲陡落現象明顯，且呈現多峰徑流過程，這也造成了模型對徑流模擬的難度。模型對水文過程的模擬除了與輸入變量的質量有關外還與模型自身對水文過程的處理概化能力有關。整體來說SWAT模型還是能夠模擬出長江源區徑流過程。

圖4 率定期和驗證期長江源區徑流過程對比Fig.4 Comparison of calibration and validation period runoff process in the source region of the Yangtze River

3.3 CMADS數據模擬結果

圖5 為CMADS 數據驅動下和4 個實測氣象站驅動下的徑流過程比較。從圖5 中可以看出4 個氣象站數據驅動下模擬的徑流過程與實測徑流過程更為接近，而CMADS 數據驅動下模擬的徑流量偏少。模擬徑流與實測徑流變化趨勢基本一致。從表3 的統計指標來看4 氣象站數據驅動下模擬的徑流（2009-2016）納什效率系數為0.633，而利用CMADS數據驅動下模擬的徑流（2009-2016）納什效率系數為0.447。CMDAS 數據驅動下模擬的徑流量偏少，相對誤差系數達-30.417%，相關系數也不是很高，只有0.521。3個評價指標顯示CMADS數據對SWAT模型模擬長江源區徑流過程還是比較差的，有待改進和調整。

表3 徑流模擬結果統計分析Tab.3 Statics of simulated runoff

圖5 CMADS數據與4氣象站數據驅動下模擬徑流對比Fig.5 Runoff comparison driven by CMADS and four meteorological stations data

3.4 CMADS降水氣溫與實測站點對比

按照最近距離法找出與4個氣象站最為接近的4個CMADS數據點（圖2）。將實測降水氣溫數據（2008-2016）與CMADS 點數據的降水氣溫進行對比分析。圖6 為4 個氣象站實測降水與CMADS點降水進行比較，整體來說降水大小和降水集中時間兩者間趨于一致。從表4 的統計結果看，除了與玉樹站接近的133～149 點降水比實測多外，其他3 個CMADS 數據點的降水量都少于實測降水。納什效率系數和相關系數都比較差，表明CMADS降水數據與實測降水過程還是存在較大的差異。

表4 實測降水與CMADS點降水統計分析Tab.4 Statics of measured and CMADS point precipitation

圖6 實測降水與CMADS點降水比較Fig.6 Comparation between measured and CMADS points precipitation

圖7 顯示了4 個氣象站記錄的實測日最高最低氣溫與CMADS點最高最低氣溫的過程圖。從圖中可以看出CMADS點最高最低氣溫與實測最高最低氣溫變化趨勢基本一致，個別年份出現明顯偏大偏小現象。表5 為兩者的統計結果，從表5 的相對誤差來看，玉樹站與133～149 點間最高最低氣溫都差距較大，CMADS 點最高氣溫都較實測偏低，最低氣溫與實測最低氣溫相差較小，除了玉樹站。CMADS點氣溫與氣象站實測氣溫的相關系數和納什系數都較高，滿足一定的精度水平。整體來說CMADS數據在長江源區的降水數據與實測數據偏差過大，而氣溫數據精度較高。

表5 實測氣溫與CMADS點氣溫統計分析Tab.5 Statics of measured and CMADS point temperature

圖7 實測氣溫與CMADS點氣溫比較Fig.7 Comparation between measured and CMADS point temperature

4 結 論

本文通過構建長江源區SWAT模型，來驗證CMADS數據在長江源區的適用性，及分析了數據中降水氣溫與實測降水氣溫間的差異，具體結論如下。

（1）SWAT模型在長江源區具有一定的適用性，率定期納什效率系數為0.682，驗證期納什效率系數為0.615。CMADS 數據在長江源區適用性較差，整體的納什效率系數為0.447，模擬的徑流量偏少。

（2）CMADS 降水數據與站點實測降水數據相差較大，相關系數和納什效率系數都較低；CMADS氣溫數據與站點實測氣溫數據較為接近，相關系數和納什效率系數都有著較高水平。

（3）整體來說CMADS 數據在長江源區的適應性偏差，這主要是由于數據的降水值與實測差距偏大有關，且由于長江源區為高原高寒山區，水文氣候條件復雜，也會影響水文模擬精度。CMADS數據是插值數據，難以避免會減少缺乏實測氣象站點地區數據的精度。 □