基于CMADS 驅(qū)動(dòng)的SWAT 模型在瀏陽(yáng)河流域的應(yīng)用研究

周 瀅，毛德華，鄧美容

（湖南師范大學(xué)資源與環(huán)境科學(xué)學(xué)院，長(zhǎng)沙 410081）

SWAT（Soil and Water Assessment Toll）模型是美國(guó)農(nóng)業(yè)部農(nóng)業(yè)研究服務(wù)中心在SWRRB（Simulator for Water Resources in Rural Basins）模型基礎(chǔ)上發(fā)展起來的基于物理機(jī)制的半分布式水文模型［1］，被廣泛應(yīng)用于不同時(shí)空尺度下的徑流模擬、氣候變化和土地利用影響的歸因分析、未來綜合情景分析、非點(diǎn)源污染等領(lǐng)域。其中，對(duì)徑流模擬的研究多集中在SWAT 模型的適用性和不確定性分析等方向。模型的適用性主要通過不同地形特征流域、不同時(shí)空尺度下模型模擬效果進(jìn)行判斷［2］。Arnold 等［3］率先利用SWAT 模型驗(yàn)證了模型徑流模擬在密西西比河上游流域的適用性。AL-Khafaji 等［4］應(yīng)用 SWAT 模型，通過伊拉克Al-Adhaim 盆地內(nèi)的日徑流數(shù)據(jù)進(jìn)行校準(zhǔn)，模擬長(zhǎng)期徑流。Yang 等［5］利用多個(gè)雨量站的每日和每小時(shí)降雨量觀測(cè)值作為SWAT 的輸入數(shù)據(jù)，用于中國(guó)淮河流域的日徑流模擬。李佳等［6］、王夢(mèng)園等［7］、張利敏等［8］將 SWAT 模型應(yīng)用于長(zhǎng)江流域、黃河流域、渾河流域，并取得了良好的效果。模型的不確定性主要來源于模型結(jié)構(gòu)、模型輸入和模型輸出 3 個(gè)方面［9］。Kassem 等［10］對(duì)伊拉克庫(kù)爾德斯坦地區(qū)Khazir 河流域進(jìn)行模擬發(fā)現(xiàn)，SWAT-ANN 模型比SWAT 模型能更有效地預(yù)測(cè)流域的日徑流。Meng等［11］對(duì)SWAT 模型的融雪模塊進(jìn)行改進(jìn)，對(duì)軍塘湖流域日尺度上融雪過程進(jìn)行模擬，得到了較滿意的結(jié)果。Tan 等［12］分析了 DEM 分辨率、DEM 源和 DEM重采樣技術(shù)對(duì)SWAT 模型在馬來西亞Johor 河的模擬精度的影響，發(fā)現(xiàn)與DEM 源和DEM 重采樣技術(shù)相比，DEM 分辨率是最敏感的SWAT 模型DEM 參數(shù)，且“基于低分辨率DEM 模型模擬不精確”這一說法不一定準(zhǔn)確。薛豐等［13］構(gòu)建了淮河流域SWAT 模型，通過對(duì)模型降雨輸入不確定性進(jìn)行分析，得出在雨量資料不充足的地區(qū)，使用最鄰近插值法得出的徑流模擬精度更加穩(wěn)定。

瀏陽(yáng)河是長(zhǎng)江主要支流湘江的重要組成部分，水資源開發(fā)潛力大。目前針對(duì)瀏陽(yáng)河流域的水文研究主要集中在徑流成因及其演變規(guī)律方面，有關(guān)SWAT 模型的適用性方面研究較少［14，15］。對(duì)小尺度流域而言，流域內(nèi)氣象站點(diǎn)分布稀疏甚至沒有站點(diǎn)，通過傳統(tǒng)氣象站點(diǎn)實(shí)測(cè)氣象數(shù)據(jù)建立SWAT 模型，將導(dǎo)致模型的不確定性增大［16］，因此選擇一套合適的水文模式驅(qū)動(dòng)集對(duì)研究區(qū)徑流精確模擬尤為重要。

CMADS V1.0（China Meteorological Assimilation Datasets for SWAT model，Version 1.0）數(shù)據(jù)集引入了CLDAS（CMA Land Data Assimilation System），利用了數(shù)據(jù)嵌套、重采樣等多種技術(shù)手段建立。該數(shù)據(jù)集包括從2008 年至2016 年9 年內(nèi)的逐日數(shù)據(jù)，空間上覆蓋了整個(gè)東亞地區(qū)，分辨率為（1/3）°。孟現(xiàn)勇等［17］以干旱地區(qū)的祁連山黑河流域?yàn)檠芯繀^(qū)，利用CMADS、CFSR 和傳統(tǒng)氣象站點(diǎn)數(shù)據(jù)分別驅(qū)動(dòng)SWAT模型，發(fā)現(xiàn)CMADS+SWAT 模式徑流模擬效果要優(yōu)于CFSR 和傳統(tǒng)氣象站數(shù)據(jù)。洪梅等［18］在溫帶東亞季風(fēng)氣候區(qū)的潮白河、東洋河流域以CMADS 降水?dāng)?shù)據(jù)作為模型輸入項(xiàng)進(jìn)行水文徑流模擬，取得了良好的模擬效果。

瀏陽(yáng)河流域作為南方濕潤(rùn)地區(qū)的典型小尺度流域，區(qū)域內(nèi)傳統(tǒng)氣象站分布稀疏且不均，而降水?dāng)?shù)據(jù)的空間變異性對(duì)水文建模的精度有直接影響。使用高精度、高質(zhì)量的再分析氣象數(shù)據(jù)集驅(qū)動(dòng)水文模型進(jìn)行模擬，可以提高模型模擬的精確度，減小模擬的不確定性。CMADS V1.0 能夠直接驅(qū)動(dòng)SWAT 模型而不需要任何格式轉(zhuǎn)換，將CMADS 作為SWAT 模型的驅(qū)動(dòng)數(shù)據(jù)，可使氣象輸入數(shù)據(jù)的分布密度得到保障，并保證其氣象數(shù)據(jù)的時(shí)間連續(xù)性。本研究擬用CMADS 數(shù)據(jù)驅(qū)動(dòng)SWAT 模型對(duì)湖南省小流域——瀏陽(yáng)河流域徑流進(jìn)行模擬，以驗(yàn)證CMADS 數(shù)據(jù)集在該區(qū)域的適用性，為流域水資源管理和調(diào)控分配提供科學(xué)參考依據(jù)，并為后續(xù)模型間耦合提供有力支撐。

1 研究區(qū)概況

選取瀏陽(yáng)河出口控制站榔梨水文站以上流域作為研究區(qū)域，集水面積約為3 869.7 km2。瀏陽(yáng)河位于湖南省東部，是湘江的一級(jí)支流，源于湘贛交界的大圍山麓，流經(jīng)瀏陽(yáng)市到達(dá)長(zhǎng)沙市，最后于長(zhǎng)沙市開福區(qū)的陳家屋場(chǎng)注入湘江（圖1）。瀏陽(yáng)河流域地處112°58′E—114°15′E，27°51′N—28°34′N，面積約為4 665 km2，占全省面積2.2%，干流河長(zhǎng)約234.8 km，河道坡降約為0.6%。流域?qū)儆趤啛釒駶?rùn)季風(fēng)氣候，雨熱同期，年平均氣溫約17.5 ℃，年平均降水量約1 568 mm，降水主要集中在5、6 月。地形地貌屬湖南省東部丘陵區(qū)，地勢(shì)東北高西南低［19，20］。

圖1 瀏陽(yáng)河地理位置及站點(diǎn)分布

2 數(shù)據(jù)來源與研究方法

2.1 基礎(chǔ)數(shù)據(jù)

構(gòu)建SWAT 模型所需要的基礎(chǔ)數(shù)據(jù)主要包括模型的輸入數(shù)據(jù)（空間數(shù)據(jù)和屬性數(shù)據(jù)）和模型率定與驗(yàn)證所需水文數(shù)據(jù)（表 1）［2］。由于 SWAT 模型需要保持各個(gè)圖層坐標(biāo)系的一致性，因此對(duì)所有圖層進(jìn)行統(tǒng)一投影，投影坐標(biāo)為WGS_1984_UTM_ZONE_49N。

表1 SWAT 模型基礎(chǔ)數(shù)據(jù)

2.1.1 DEM 數(shù)據(jù) DEM 數(shù)據(jù)來源于地理數(shù)據(jù)云平臺(tái)（http：//www.gscloud.cn/）GDEM V2（Global DEM Version2）30 m 分辨率數(shù)據(jù)，利用 ArcGIS10.2 對(duì)其進(jìn)行掩膜和投影變換等預(yù)處理，得到瀏陽(yáng)河流域DEM數(shù)據(jù)。

2.1.2 土地利用數(shù)據(jù) 土地利用影響降水在陸面的成流過程，對(duì)SWAT 徑流模擬結(jié)果影響大。研究采用的土地利用數(shù)據(jù)分辨率為1 km×1 km，來源于中國(guó)科學(xué)院資源與環(huán)境科學(xué)數(shù)據(jù)中心（http：//www.resdc.cn/）2015 年土地利用遙感監(jiān)測(cè)數(shù)據(jù)（圖2）。為減少模型HRU 的生成數(shù)量，將瀏陽(yáng)河流域土地類型按照SWAT 代碼重新分類，最終劃分為5 類，分別為耕地、林地、草地、水域和建設(shè)用地，其中林地所占面積最大，占整個(gè)研究區(qū)域的73.8%。

圖2 瀏陽(yáng)河流域土地利用類型

2.1.3 土壤數(shù)據(jù) 土壤屬性參數(shù)是SWAT 模型計(jì)算田間持水量和水力傳導(dǎo)系數(shù)的關(guān)鍵。采用世界土壤數(shù)據(jù)庫(kù)（HWSD）的中國(guó)土壤數(shù)據(jù)集（v1.1）（2009）的土壤數(shù)據(jù)，其分辨率為1 km×1 km［21］，對(duì)該數(shù)據(jù)計(jì)算處理后將土壤類型重新分類。由圖3 可知，研究區(qū)域一共有12 種土壤類型，主要為簡(jiǎn)育低活性強(qiáng)酸土和人為堆積土，分別占46.01%和24.54%。

圖3 瀏陽(yáng)河流域土壤類型

2.1.4 氣象數(shù)據(jù) 選擇來自寒區(qū)旱區(qū)科學(xué)數(shù)據(jù)中心的中國(guó)大氣同化驅(qū)動(dòng)數(shù)據(jù)集（CMADS V1.0）作為SWAT 模型的氣象輸入數(shù)據(jù)，該數(shù)據(jù)集包括了2008—2015 年8 年內(nèi)逐日氣象資料（氣溫、降水、濕度、風(fēng)速、太陽(yáng)輻射等），空間分辨率為（1/3）°，可直接驅(qū)動(dòng)SWAT 模型而不需要任何格式轉(zhuǎn)換。選取覆蓋研究區(qū)域的 20 個(gè) CMADS 站點(diǎn)進(jìn)行研究，CMADS V1.0 站點(diǎn)具體信息見表2。

表2 瀏陽(yáng)河流域CMADS 站點(diǎn)分布情況

2.1.5 水文數(shù)據(jù) 采用榔梨水文站1961—2015 年實(shí)測(cè)月徑流數(shù)據(jù)，選用2008—2015 年8 年逐月徑流資料作為SWAT 模型參數(shù)率定和驗(yàn)證數(shù)據(jù)。

2.2 SWAT 模型及目標(biāo)函數(shù)

采用分布式水文模型SWAT 來模擬水文過程，應(yīng)用的主要是SWAT 模型的水文模塊。水文循環(huán)是最主要的流域過程，也是流域內(nèi)部的主要驅(qū)動(dòng)力，SWAT 模型的流域水文過程分為2 個(gè)階段，即陸面階段和水面階段，其中陸面階段可用水量平衡方程表示［22］如下。

式中，SWt表示土壤最終含水量；SWo表示土壤初始含水量；n表示時(shí)間步長(zhǎng)；Ri，day表示第i天的降水量；Qi，surf表示第i天的地表徑流量；Ei，a表示第i天的蒸發(fā)量；Wi，seep表示第i天從土壤剖面進(jìn)入包氣帶的水量；Qi，lat表示第i天土壤中流量；Qi，gw表示第i天的地下水含量。

采用決定系數(shù)R2、納什效率系數(shù)NSE、偏差百分比PBIAS和均方根誤差與標(biāo)準(zhǔn)差偏值RSR來綜合評(píng)價(jià)模型的適用性。計(jì)算公式如下。

式中，Qm，i為實(shí)測(cè)徑流序列；Qs，i為模擬徑流序列；為實(shí)測(cè)徑流序列均值為模擬徑流序列均值。

R2表征觀測(cè)值與模擬值的相關(guān)程度，R2越接近1，模擬效果越好；NSE表示觀測(cè)值與模擬值的擬合度，NSE取值越接近1，說明模擬結(jié)果與觀測(cè)值越接近；PBIAS用于衡量模擬值相對(duì)于觀測(cè)值的平均變化趨勢(shì)，PBIAS的最佳值為 0，PBIAS＞0 時(shí)模型低估偏差，PBIAS＜0 時(shí)模型高估偏差；RSR使用觀測(cè)值標(biāo)準(zhǔn)差對(duì)均方根誤差（RMSE）進(jìn)行標(biāo)準(zhǔn)化，RSR越小，模型模擬效果越好［23］。不同研究選擇模型指標(biāo)的評(píng)價(jià)標(biāo)準(zhǔn)可能不同，本研究采用Moriasi 等［24］的評(píng)價(jià)標(biāo)準(zhǔn)，認(rèn)為R2＞0.7，NSE＞0.5，|PBIAS|＜25%且RSR≤7 時(shí)，模型模擬結(jié)果是滿意的。

2.3 水文序列突變點(diǎn)分析方法

非一致性水文條件下的徑流模擬能夠體現(xiàn)變化環(huán)境下水文模型的適用性，采用Mann-Kendall（MK）趨勢(shì)分析法和滑動(dòng)t檢驗(yàn)法對(duì)研究區(qū)水文序列資料進(jìn)行突變檢測(cè)［25］。

2.3.1 Mann-Kendall（M-K）趨勢(shì)分析 M-K 檢驗(yàn)是常用的非參數(shù)檢驗(yàn)方法，優(yōu)點(diǎn)是不需要樣本服從一定分布規(guī)律，不受少數(shù)異常值的干擾，適用于分析氣象水文要素時(shí)間序列的變化趨勢(shì)［26］。對(duì)一段水文序列進(jìn)行M-K 檢驗(yàn)，若統(tǒng)計(jì)結(jié)果UF 或UB 的值大于0，表示序列呈上升趨勢(shì)，小于0 則相反，當(dāng)它們超過臨界直線時(shí)，表明上升或下降的趨勢(shì)顯著，若UF、UB 相交且交點(diǎn)位于臨界線之間，則此交點(diǎn)為突變點(diǎn)［27］。

2.3.2 滑動(dòng)t檢驗(yàn) 滑動(dòng)t檢驗(yàn)是一種判斷突變的統(tǒng)計(jì)方法。將連續(xù)的數(shù)據(jù)時(shí)間序列分割成2 個(gè)子序列，容量分別為n1和為其均值及方差。構(gòu)造統(tǒng)計(jì)量T，服從t（n1+n2-2）分布：

給定顯著性水平 α，其臨界值為tα，若 |T|＞tα，則分割點(diǎn)前后兩子序列均值存在顯著差異，認(rèn)為分割點(diǎn)對(duì)應(yīng)時(shí)刻出現(xiàn)突變［28］。

3 結(jié)果與分析

3.1 水文序列資料突變分析

從研究區(qū)1961—2015 年年徑流長(zhǎng)期變化、5 年滑動(dòng)平均（圖4）和M-K 檢驗(yàn)結(jié)果（圖5）可知，1961—2015 年年徑流量擬合直線斜率為-0.108，總體呈微弱下降趨勢(shì)。年徑流量正序列曲線UF 均位于信度線以內(nèi)，說明年徑流變化趨勢(shì)不明顯。UF 與UB 過程線在置信區(qū)間（±1.96）內(nèi)有6 個(gè)交點(diǎn)，說明可能的突變年份為 1962、1965、1977、1982、1983、1987、2003、2005 年。因?yàn)镸-K 檢驗(yàn)法不適用于多點(diǎn)突變的情況，需結(jié)合其他突變分析方法進(jìn)行下一步突變檢驗(yàn)，故采用滑動(dòng)t檢驗(yàn)方法對(duì)研究區(qū)徑流序列進(jìn)行突變檢驗(yàn)［29］。在步長(zhǎng)為4，顯著水平為0.01 的情況下，1983 年和1987 年徑流量發(fā)生突變（圖6）。綜上判斷，1987 年為年徑流量的突變年。由于徑流時(shí)間序列發(fā)生了突變，因此研究區(qū)域水文序列不滿足一致性。

圖4 1961—2015 年瀏陽(yáng)河流域年徑流變化趨勢(shì)

圖5 1961—2015 年瀏陽(yáng)河流域年徑流量序列M-K突變檢驗(yàn)

圖6 1961—2015 年瀏陽(yáng)河流域年徑流量滑動(dòng)t檢驗(yàn)

3.2 基于SWAT 的徑流模擬

3.2.1 參數(shù)敏感性分析 在SWAT 模型徑流預(yù)測(cè)過程中，一些較為敏感的參數(shù)對(duì)模型模擬結(jié)果影響顯著，通過參數(shù)敏感性分析可以確定這些參數(shù)，從而減少調(diào)參數(shù)目，提高模型效率。SUFI-2 算法是一種反演建模法，考慮了參數(shù)不確定性的所有來源［30］，雖然精度不是很高，但是適用于本研究這種徑流變化不太復(fù)雜的流域［31］。選取了11 個(gè)與徑流相關(guān)的參數(shù)，在 SWAT-CUP（SWAT-Calibration uncertainty procedure）中選取SUFI-2 算法中的全局敏感性分析方法（global sensitivity）對(duì)水文模型進(jìn)行參數(shù)優(yōu)化。其中t-Stat 代表參數(shù)的敏感性程度，P決定敏感的顯著性，t-Stat 絕對(duì)值越大，P越接近 0，參數(shù)越敏感［8］。經(jīng)過500 次迭代，參數(shù)敏感性分析結(jié)果見表3。

由表3 可以看出，對(duì)瀏陽(yáng)河流域徑流影響較大的參數(shù)分別為SCS 徑流曲線系數(shù)（CN2）、地下水的時(shí)間延遲（GW_DELAY）、土壤有效可利用水量（SOL_AWC）、基流α 因子（ALPHA_BF）和土壤飽和滲透系數(shù)（SOL_K）。

表3 參數(shù)敏感性分析

CN2是水分條件為Ⅱ時(shí)的初始SCS 徑流曲線數(shù)，決定CN2的主要因素為土壤類型、土壤利用方式和前期土壤含水量，降雨量一定時(shí)，CN2值越大，流域產(chǎn)流能力越強(qiáng)。GW_DELAY代表水分下滲進(jìn)入淺層含水層與流出土壤非飽和層的延遲時(shí)間差，GW_DELAY值越大，地下水補(bǔ)給地表徑流的時(shí)間越長(zhǎng)。SOL_AWC能反映土壤的有效蓄水能力。ALPHA_BF也叫基流衰退系數(shù)，能反映地下徑流對(duì)補(bǔ)給的響應(yīng)程度。SOL_K會(huì)影響土壤的導(dǎo)水性能，其值大小與流域徑流量成反比關(guān)系。

3.2.2 模型率定與驗(yàn)證 利用CMADS 數(shù)據(jù)集驅(qū)動(dòng)SWAT 模型，將運(yùn)行時(shí)間設(shè)定為2008—2015 年，為避免模型初期狀態(tài)的影響，將2008 年設(shè)置為模型預(yù)熱期，2009—2013 年為率定期，2014—2015 年為驗(yàn)證期。以瀏陽(yáng)河流域水文控制站榔梨站2009—2015年實(shí)測(cè)月徑流值作為模型檢驗(yàn)值，對(duì)流域月徑流進(jìn)行模擬。以決定系數(shù)R2、納什系數(shù)NSE、偏差百分比PBIAS、均方根誤差與標(biāo)準(zhǔn)差偏值RSR共4 項(xiàng)常用指標(biāo)對(duì)模型適用性進(jìn)行評(píng)價(jià)。

從圖7、圖8 可以看出，整個(gè)模擬期中模擬徑流量與實(shí)測(cè)徑流量趨勢(shì)基本吻合。率定期和驗(yàn)證期普遍出現(xiàn)枯水期模擬徑流量低于實(shí)測(cè)值的現(xiàn)象，但對(duì)峰值流量模擬較好，表明由CMADS 驅(qū)動(dòng)的SWAT 模型對(duì)偏枯水年的徑流模擬精度較豐水年低。

圖7 榔梨水文站率定期月徑流模擬值與實(shí)測(cè)值擬合曲線

圖8 榔梨水文站驗(yàn)證期月徑流模擬值與實(shí)測(cè)值擬合曲線

從表4 可以看出，率定期和驗(yàn)證期的R2和NSE均達(dá)到了0.85 以上，說明模型模擬徑流序列與實(shí)測(cè)徑流序列之間具有較高的一致性，模型模擬效果良好。驗(yàn)證期的決定系數(shù)相對(duì)于率定期有所降低，可能是因?yàn)轵?yàn)證期只有2 年，數(shù)據(jù)不夠，參數(shù)擬合度較低。率定期和驗(yàn)證期的PBIAS均大于0 且小于25%，說明模型在此期間模擬徑流較實(shí)測(cè)值低。對(duì)于RSR而言，率定期和驗(yàn)證期的RSR值均小于0.70，位于誤差范圍內(nèi)。

表4 瀏陽(yáng)河流域月徑流模擬評(píng)價(jià)指標(biāo)

整體來看，R2、NSE、PBIAS、RSR這4 項(xiàng)指標(biāo)均取得了良好的評(píng)價(jià)結(jié)果，說明基于CMADS 驅(qū)動(dòng)的SWAT 模型在瀏陽(yáng)河流域有很好的適用性。

3.2.3 不確定性分析 采用2.5%～97.5%的置信區(qū)間作為SUFI-2 算法的95%參數(shù)估計(jì)的不確定性區(qū)間（95PPU），通過P-factor 和R-factor 來評(píng)估模型預(yù)測(cè)的不確定性，P-factor 表示實(shí)測(cè)值位于95PPU 區(qū)間 內(nèi) 的 百 分 比 ，取 值 區(qū) 間 為 0～1；R-factor 表 示95PPU 平均寬度與實(shí)測(cè)值的標(biāo)準(zhǔn)差之比，取值區(qū)間為0～∞。當(dāng)P-factor=1，R-factor=0 時(shí)，模擬值與實(shí)測(cè)值相等［32］。由表4 可知，驗(yàn)證期和率定期的P-factor均大于 0.5，R-factor 均小于 1.0，因此基于 CMADS 所構(gòu)建的SWAT 模型徑流模擬的不確定性處于可接受范圍。

4 結(jié)論

本研究以瀏陽(yáng)河流域?yàn)檠芯繉?duì)象，利用中國(guó)大氣同化驅(qū)動(dòng)數(shù)據(jù)集（CMADS V1.0）驅(qū)動(dòng)SWAT 模型，對(duì)流域2009—2015 年月徑流進(jìn)行模擬，進(jìn)一步分析了SWAT 模型參數(shù)敏感性和不確定性。具體結(jié)論如下。

1）瀏陽(yáng)河流域徑流序列于1987 年發(fā)生突變，其水文序列資料不滿足一致性。基于CMADS 驅(qū)動(dòng)下的SWAT 模型模擬了非一致性徑流序列下的瀏陽(yáng)河流域月徑流量，NSE和R2均達(dá)到了0.85 以上，模擬效果較好。

2）利用 CMADS V1.0 數(shù)據(jù)集驅(qū)動(dòng) SWAT 模型對(duì)瀏陽(yáng)河流域進(jìn)行月徑流進(jìn)行模擬，在所選取的11 個(gè)參數(shù)中，對(duì)瀏陽(yáng)河流域徑流影響較大的參數(shù)分別為SCS 徑流曲線系數(shù)、地下水的時(shí)間延遲、土壤有效可利用水量、基流α 因子和土壤飽和滲透系數(shù)。

3）基于 CMADS V1.0 驅(qū)動(dòng)的 SWAT 模型在瀏陽(yáng)河流域具有較好的適應(yīng)性，R2、NSE、PBIAS、RSR這 4項(xiàng)指標(biāo)均取得良好的評(píng)價(jià)結(jié)果，模型對(duì)豐水年的模擬效果要優(yōu)于偏枯水年。

4）由SUFI-2 算法的不確定性分析結(jié)果可知，驗(yàn)證期和率定期的P-factor 均大于0.5，R-factor 均小于1.0，模型的不確定性較小。

當(dāng)前可獲得的CMADS 數(shù)據(jù)集時(shí)間范圍相對(duì)較短，只有8 年的數(shù)據(jù)，使得模型率定驗(yàn)證的年份縮短，可能會(huì)對(duì)模型模擬精度造成影響。CMADS 驅(qū)動(dòng)下的SWAT 模型目前廣泛用于北方干旱地區(qū)，從模型率定和驗(yàn)證的結(jié)果來看，模型對(duì)豐水年的模擬效果要優(yōu)于偏枯水年，這為基于CMADS 驅(qū)動(dòng)的SWAT模型應(yīng)用于南方濕潤(rùn)地區(qū)徑流預(yù)測(cè)提供了思路。